Developing a land cover classification system for users

2023 Fiscal Year Final Research Report

• Project/Area Number: 20K20005
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 64040:Social-ecological systems-related
• Research Institution: Saitama University
• Principal Investigator: Tsutsumida Narumasa 埼玉大学, 理工学研究科, 准教授 (20650352)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Keywords: 土地被覆 / クラス分類 / 不確実性 / バイアス / 地上風景写真 / 深層学習モデル / Decision fusion

Outline of Final Research Achievements

In this study, we worked on developing methods for the classification definition of land cover and the creation of ground reference data. We developed a method to flexibly reconstruct different classification definitions in response to the pre-definition of classification classes that affect the classification diagram. This is based on decision fusion, providing a foundation for a classification system tailored to the user's purpose.
We also worked on reducing bias between map makers and improving the efficiency of ground reference data creation. Using Bayesian statistics, we proposed a method to integrate the classification probabilities of different map makers. Furthermore, we developed a deep learning model to estimate land cover from street view photos. These achievements have contributed to improving the accuracy and reliability of land cover classification.

Free Research Field

地理情報科学

Academic Significance and Societal Importance of the Research Achievements

土地被覆分類図は社会・環境基盤情報として不可欠であるが、その事前定義により使用用途が限定されるため、ユーザーの目的に応じた柔軟な分類設計が難しかった。本研究では、異なる土地被覆分類図を統合することで、その定義を変更可能とする手法を提案しており、ユーザー需要に即した分類図作成への展開が期待される。また、地図製作者間のバイアスを低減する新たな手法の提案により、より定量的な土地被覆情報の地図化と信頼性の向上が期待される。さらには、街路風景写真から土地被覆を推定する深層学習モデルの開発により、地上参照データ作成の省力化と効率化の実現が期待され、土地被覆分類図を通じた社会・環境の定量化に寄与する。