A rule-based urban land use inferring method for fine-resolution multispectral imagery

AbstractDetailed urban land use mapping requires high-resolution remotely sensed data. The pan-sharpened multispectral IKONOS imagery of 1 m pixel resolution is experimented with for urban land use classification. With the increase of spatial resolution, between-class spectral confusion and within-class spectral variation increase. Spectral-based traditional image classification methods cannot be directly applied to the IKONOS data for urban land use mapping. In this study, a rule-based urban land use inferring method is proposed and tested on 36 samples of typical land use classes and an IKONOS subscene of various classes in London, Ontario, Canada. The proposed method includes two general steps. First, the conventional multispectral classification method is applied to produce a preliminary land cover map. Second, urban land use information is inferred from the combination of several land cover classes existing in a neighbourhood by a rule-based modelling process. The inferring rules involve the percent composition ranges of compatible land cover categories for a certain land use class, the interrelationship of the compatible land covers, and exclusion of incompatible land covers. The results show that the proposed method has successfully identified level II and level III land use classes using the U.S. Geological Survey land use classification system. The proposed method has successfully identified the land use classes in the sample image with over 90% accuracy. For the subscene, the proposed method has produced a land use map with 88.5% overall accuracy.La cartographie détaillée de l'utilisation du sol en milieu urbain fait appel à des données de télédétection à haute résolution. Le potentiel des images multispectrales fusionnées d'IKONOS à une résolution de pixel de 1 m est analysé dans le cadre de la classification de l'utilisation du sol en milieu urbain. Avec l'accroissement de la résolution spatiale, la confusion spectrale inter-classe et la variation spectrale intra-classe augmentent. Les méthodes classiques de classification d'image basées sur l'analyse spectrale ne peuvent être appliquées directement aux données IKONOS pour la cartographie de l'utilisation du sol en milieu urbain. Dans cette étude, une méthode d'inférence à base de règle permettant de déduire l'utilisation du sol en milieu urbain est proposée et testée sur 36 échantillons de classes typiques d'utilisation du sol et sur une sous-image IKONOS comportant diverses classes dans la région de London, Ontario, Canada. La méthode proposée comprend deux grandes étapes. Premièrement, une méthode classique de classification multispectrale est appliquée pour produire une carte préliminaire du couvert. Ensuite, l'information sur l'utilisation du sol est déduite à partir de la combinaison de plusieurs classes de couvert dans un voisinage donné par le biais d'une procédure de modélisation à base de règle. Les règles d'inférence impliquent l'étendue en pourcentage des composantes des catégories de couvert compatibles pour une classe donnée d'utilisation du sol, l'interrelation entre les couverts compatibles et l'exclusion des couverts non-compatibles. Les résultats démontrent que la méthode proposée a permis d'identifier avec succès les classes d'utilisation du sol de niveau II et III telles que définies dans le système de classification de l'utilisation du sol du USGS. La méthode proposée a permis d'identifier avec succès les classes d'utilisation du sol dans l'image échantillon avec une précision de 90%. Dans le cas de la sous-image, la méthode proposée a permis la production d'une carte d'utilisation du sol avec une précision globale de 88,5%.Traduit par la Rédaction