面向土地分类的大地球观测数据语义
机器学习
2022-04-26 v1 计算机与社会
地球物理
摘要
本文讨论了使用大地球观测数据进行土地分类的挑战。所采取的方法是认为纯数据驱动方法不足以表征连续变化。我们主张在处理大数据时需要可靠的理论。在修订现有的分类方案（如粮农组织的土地覆盖分类系统（LCCS））后，我们得出结论：LCCS 及类似提案无法捕捉景观动态的复杂性。随后我们研究了用于分析卫星图像时间序列的概念；我们表明这些概念是事件的实例。因此，对于土地变化的连续监测，事件识别需要取代对象识别成为主流范式。本文最后展示了事件语义如何改进数据驱动方法以发挥大数据的潜力。
引用
@article{arxiv.2204.11082,
title = {On the semantics of big Earth observation data for land classification},
author = {Gilberto Camara},
journal= {arXiv preprint arXiv:2204.11082},
year = {2022}
}