Key points are not available for this paper at this time.
Este artigo compara diferentes rotinas de processamento de imagem para identificar variáveis de sensoriamento remoto adequadas para classificação urbana no Condado de Marion, Indiana, EUA, usando uma imagem do Landsat 7 Enhanced Thematic Mapper Plus (ETM+). As imagens multispectrais, pancromáticas e térmicas do ETM são utilizadas. A incorporação de assinatura espectral, textura e temperatura da superfície é examinada, assim como técnicas de fusão de dados para combinar uma imagem de maior resolução espacial com imagens multispectrais de menor resolução espacial. Os resultados indicam que a incorporação de textura de imagens de menor resolução espacial ou de uma imagem térmica não pode melhorar a precisão da classificação. No entanto, a incorporação de texturas derivadas de uma imagem pancromática de maior resolução espacial melhora a precisão da classificação. Em particular, o uso do resultado da fusão de dados e da imagem de textura produz a melhor precisão de classificação, com uma precisão geral de 78 por cento e um índice kappa de 0,73 para onze classes de uso da terra e cobertura do solo.
Lu et al. (Tue,) estudaram essa questão.