Comparison of GEOBIA classification algorithms based on Worldview-3 imagery in the extraction of coastal coniferous forest

Šume primorskih ?etinja?a, sa svojom ekološkom, ekonomskom, estetskom i društvenom funkcijom, predstavljaju važan dio europskih šumskih zajednica. Osnovni cilj ovoga rada je usporediti najkorištenije GEOBIA (engl. Geographic Object-Based Image Analysis ) klasifikacijske algoritme Random Trees – RT, Maximum Likelihood ML, Support Vector Machine SVM s ciljem izdvajanja šuma ?etinja?a na visoko-rezolucijskom WorldView-3 snimku unutar topografskog slijevnog podru?ja naselja Split. Metodološki okvir istraživanja uklju?uje (1) izvo?enje izoštrenog multispektralnog snimka ( WV-3<sub>MS</sub> -a) ; (2) testiranje segmentacijskih korisni?ko-definiranih parametara; (3) dodavanje testnih uzoraka; (4) klasifikaciju segmentiranog modela; (5) procjenu to?nosti klasifikacijskih algoritama, te (6) završnog modela. RT se prema korištenim pokazateljima correctness COR , completeness COM overall quality OQ pokazao kao najbolji algoritam. Iterativno postavljanje parametara omogu?ilo detekciju najprikladnijih vrijednosti za generiranje segmentacijskog Utvr?eno da sjene mogu uzrokovati zna?ajne probleme ako klasificiranje vrši visoko-rezolucijskim snimkama. Modificiranim Cohen’s kappa coefficient (K) pokazateljem izra?unata to?nost kona?nog modela od 87,38%. može smatrati kvalitetnim podatkom primjenom metode.