Original paper

Comparison of SVM and Boosted Regression Trees for the Delineation of Lacustrine Sediments using Multispectral ASTER Data and Topographic Indices in the Lake Manyara Basin

[Vergleich von SVM und Boosted Regression Trees zur Abgrenzung von lakustrinen Sedimenten anhand von multispektralen ASTER Daten und topographischen Parametern im Einzugsgebiet des Manyara Sees]

Bachofer, Felix; Quénéhervé, Geraldine; Märker, Michael; Hochschild, Volker

Abstract

The lower member of the so called Manyara Beds is a distinct lacustrine sedimentary layer which indicates, with an elevation of more than 140 m above today's lake level, a high stand of the paleolake Manyara in the Monduli District in northern Tanzania. The Manyara Beds are rich in Pleistocene vertebrate fossils. In this study we focus on the delineation of this specific stratigraphic layer in order to yield new insights into paleontological settings, landscape evolution and to plan paleontological fieldwork. We compare the performance of a support vector classifier with a linear as well as a Gaussian kernel, with boosted regression tree approaches to identify the lithostratigraphic layers of the Manyara Beds. For the identification of the lacustrine sediments, multispectral information of ASTER satellite imagery and topographic indices derived from a digital elevation model were utilized as input feature sets. Acceptable classification accuracies were obtained with all methods. Thus, the Manyara Beds can be delineated and new sites with paleolake sediments were detected. The highest overall accuracy with 92% was provided by the support vector machine approach with a linear kernel for a binary classification problem. For a multi-class classification problem with three target classes the support vector classifier achieved 80% accuracy with a linear, as well as a Gaussian kernel.

Kurzfassung

Die aus vornehmlich lakustrinen Sedimenten bestehende ältere Gruppe der stratigraphischen Einheit der Manyara Beds beschreibt mit einer Höhe von mehr als 140 m über dem heutigen Seespiegel einen Hochstand des Paläosees Manyara im Monduli Distrikt im nördlichen Tansania. Die Manyara Beds sind reich an pleistozänen Wirbeltierfossilien. Die vorliegende Arbeit beschäftigt sich mit der räumlichen Abgrenzung dieser stratigraphischen Einheit um mehr über die paläontologischen Ablagerungsbedingungen und die Landschaftsgeschichte zu erfahren, sowie die Planung von paläontologischen Geländearbeiten zu unterstützen. Wir vergleichen anhand der lithostratigraphischen Einheit der Manyara Beds die Leistungsfähigkeit eines Support Vector (Stützvektoren) Klassifizierungsansatzes, mit einem linearen und einem Gaußschen Kernel, und mit Klassifizierungsbäumen (Boosted Regression Trees). Um die lakustrinen Sedimente zu unterscheiden, wurden multispektrale Informationen einer ASTER Satellitenaufnahme und topographische Parameter von einem digitalen Höhenmodell als Eingangsvariablen genutzt. Mit allen Klassifizierungsmethoden wurden zufriedenstellende Genauigkeiten erzielt. Somit konnte das Auftreten der Manyara Beds räumlich abgegrenzt und bisher nicht dokumentierte Flächen mit lakustrinen Sedimenten erfasst werden. Die höchste Klassifizierungsgenauigkeit von 92% wurde von der Support Vector Machine Klassifizierung mit einem linearen Kernel für eine binäre Klassifizierung erreicht. Für eine Aufgabenstellung mit Support Vector Machines für drei Zielklassen wurde eine Genauigkeit von 80% sowohl mit einem linearen, als auch mit einem Gaußschen Kernel erreicht.

Keywords

astertopographic indicesmultispectralboosted regression treessvm