A Comparison of Landsat Thematic Mapper and Indian Remote Sensing Data For Land Use and Land Cover Change Assessment

Abstract

Bu çalışmanın ana hedefi Landsat TM ve IRS görüntülerinin arazi sınıflaması sonuçlarının benzerlik gösterip göstermediği araştırmaktır. Kontrollü sınıflama yapmak için dijital hava fotoğrafları, çalışmada yer alan araştırmacıların önceki çalışmaları ve varolan arazi kulanım ve bitki örtüsü haritalarından faydalanılmıştır. Araştırma sonucunda, “ormanlık alanlarda”, “açık su alanlarında”, “meyve bahçelerinde” ve “palmetto ağaç” sınıflarında, her iki uydu görüntüsü (Landsat TM IRS) arasında benzerlikler olduğu gözlenmiştir. Buna karşın “açık alanlarda”, “sebze ve otlak alanlarda” ve “bataklıklarda” oldukça farklılıklar gözlenmiştir. Genel toplam doğruluk analiz sonuçlarına göre Landsat TM %86.3 ve IRS %88.4 doğrulukta kategorileri sınıflamıştır. Buna karşın golf alanı kategorilerindeki sınıflamada problem olduğu gözlenmiştir. Zamana bağlı çözünürlükte Landsat TM ve IRS görüntülerinin arasındaki 6 haftalık bir zaman diliminin bazı sorunların oluşmasına ve kategoriler arasında sınıflama hataların meydana gelmesine neden olduğu düşünülmüştür. Araştırmaya göre Landsat TM ve IRS görüntülerinin arazi kulanım ve bitki örtüsü değişim çalışmalarında birlikte kullanılmasının mümkün olduğu tespit edilmiştir.

The objective of this research focuses on comparing Landsat TM and IRS data and determining if similar classification can be achieved from datasets for certain land cover types. Supervised classification was performed using information from a combination of digital aerial photographs, a priori knowledge of the study site by the authors and existing Land Use Land Cover (LULC) maps. The “upland forest,” “open water,” “tree crops” and “palmetto prairie” categories show strong agreement in terms of percentage of LULC found in both Landsat TM+ and IRS classified images. Conversely, the “open land,” “cropland and pastureland” and “wetlands” categories display differences based on the land cover area. Based on the overall classification accuracies similar results were produced for both TM and IRS data of 86.3% and 88.4% respectively. On the other hand, certain LULC categories did not perform so well, such as the golf course. Temporal resolution between the TM and IRS images was six weeks, and this was considered a factor in the confusion between LULC category discrimination. This study showed that using Landsat TM and IRS in same study provide promising results for LULC studies.