Advancing Land-Cover and Land-Use Classification with Semantically Consistent and Data-Efficient Deep Learning on Multi-Source Earth Observation Data

Abstract

Land-use and Land-cover (LULC) mapping from Earth Observation (EO) imagery plays a fundamental role in environmental monitoring, urban planning, agricultural management, and climate change assessment. Recent advances in satellite missions, Machine Learning (ML), Deep Learning (DL), and foundation models have significantly improved large-scale mapping capabilities. However, important challenges remain, including semantic inconsistencies between satellite imagery and in-situ observations, the lack of large-scale benchmark datasets with detailed LULC information for training and evaluating advanced DL models, heterogeneous data sources, mixed pixel effects, limited availability of annotated training data, and the need for computationally scalable processing frameworks. Addressing these challenges requires methodologies that integrate multiple data modalities while improving semantic consistency, data efficiency, and spatial representation. This thesis presents a comprehensive framework for advancing satellite-based LULC mapping through four complementary research directions. First, it investigates the semantic relationship between satellite observations and in-situ field data by leveraging geo-tagged field photographs as an intermediate observational layer. The analysis demonstrates that apparent disagreements between satellite-derived and field-based information often arise not only from limitations of satellite observations but also from ambiguities in field interpretation and inconsistencies in land-cover (LC) taxonomies. Second, the thesis produces the Sen4Map, a large-scale benchmark dataset, integrating Sentinel-2 imagery with harmonized Land Use/Cover Area Frame Survey (LUCAS) field observations and ancillary information. The benchmark provides semantically rich annotations designed to support the development and evaluation of robust DL models for LULC mapping. Third, the thesis develops methods for sub-pixel LULC estimation to capture fine-scale landscape heterogeneity beyond the native spatial resolution of satellite imagery. As a proof of concept, the proposed framework estimates built-up fractions from Sentinel-2 imagery using geospatial foundation model embeddings, demonstrating the potential of pretrained spectral-spatial representations for sub-pixel characterization. And finally, the thesis explores data-efficient learning strategies for EO by investigating few-shot learning with meta-learning on publicly available Remote Sensing (RS) benchmark datasets. These approaches demonstrate improved generalization under limited annotation availability, reducing the dependence on extensive labeled datasets while maintaining competitive mapping performance across diverse environments. Beyond methodological advances, the thesis also contributes scalable computational iii solutions through a Hierarchical Data Format, version 5 (HDF5)-based data architecture optimized for High-Performance Computing (HPC) environments, enabling efficient storage, access, and processing of large multi-source EO datasets. Collectively, the proposed methodologies contribute toward more semantically consistent, data-efficient, and scalable satellite-based LULC mapping systems. As EO transitions toward foundation models, unified embedding representations, and agentic geospatial intelligence, the contributions presented in this thesis establish the datasets, semantic frameworks, and embedding-centric methodologies required to support the next generation of LULC mapping.Kortlagning landnotkunar og landþekju (LULC) úr jarðathugunargögnum (EO) gegnir grundvallarhlutverki í umhverfisvöktun, borgarskipulagi, landbúnaðarstjórnun og mati á loftslagsbreytingum. Nýlegar framfarir í gervitunglförum, vélanámi (ML), djúpnámi (DL) og grunnlíkönum hafa verulega bætt kortlagningarmöguleika á stórum svæðum. Hins vegar eru enn til staðar miklar áskoranir, þar á meðal merkingarleg ósamræmi milli gervitunglamynda og staðbundinna mælinga, skortur á stórum viðmiðunargagnasöfnum með nákvæmum upplýsingum um LULC til þjálfunar og mats á háþróuðum DL-líkönum, fjölbreyttar gagnaveitur, blönduð pixlaáhrif, takmarkað framboð af merktum þjálfunargögnum og þörf á reikniritanlega skalanlegum úrvinnslurömmum. Til að takast á við þessar áskoranir þarf að beita aðferðum sem samþætta margar gagnagerðir og bæta merkingarlegt samræmi, gagnanýtni og framsetningu rúmupplýsinga. Þessi ritgerð kynnir heildstæðan ramma til að efla LULC-kortlagningu með gervitunglum með fjórum samverkandi rannsóknarstefnum. Í fyrsta lagi kannar hún merkingarlegt samband milli gervitunglamælinga og staðbundinna vettvangsgagna með því að nýta landfræðilega merktar vettvangsmyndir sem millilag athugana. Greiningin sýnir að áberandi ósamræmi milli gervitungls og vettvangsbundinna upplýsinga stafar oft ekki einungis af takmörkunum gervitunglamælinga heldur einnig af óskýrleika í túlkun á vettvangi og ósamræmi í flokkunarkerfum landþekju. Í öðru lagi býr ritgerðin til Sen4Map, stórt viðmiðunargagnasafn sem sameinar Sentinel-2-myndir við samræmdar svæðismælingar (Area Frame Survey) á landnotkun/landþekju (LUCAS) og aðrar aukaupplýsingar. Viðmiðunin inniheldur ítarlegar merkingar sem ætlaðar eru til að styðja við þróun og mat á traustum DL-líkönum fyrir LULC-kortlagningu. Í þriðja lagi þróar ritgerðin aðferðir til að áætla LULC á undirpixlastigi (sub-pixel) til að fanga fínskalaða misleitni í landslagi sem fer út fyrir upprunalega rúmupplausn gervitunglamynda. Sem sönnun á virkni hugmyndarinnar áætlar ramminn sem lagður er fram hlutfall byggðs lands úr Sentinel-2 myndum með innfellingum (embeddings) landfræðilegra grunnlíkana, sem sýnir möguleika forþjálfaðra framsetninga, sem fanga litrófs- og rúmupplýsingar, til undirpixlaeinkenninga. Að lokum kannar ritgerðin gagnanýtnar námsaðferðir fyrir jarðathugun (EO) með því að rannsaka fárra sýna nám (few-shot) með metanámi (meta-learning) á opinberlega aðgengilegum viðmiðunargagnasöfnum í fjarkönnun (RS). Þessar nálganir sýna bætta alhæfingarhæfni við takmarkaða merkingu, draga úr þörf fyrir umfangsmikil merkt gagnasöfn og viðhalda samkeppnishæfum kortlagningarafköstum í fjölbreyttum umhverfum. Fyrir utan aðferðafræðilegra framfara leggur ritgerðin einnig fram skalanlegar reiknanlegar lausnir með gagnalíkani byggðu á HDF5 sem er fínstillt fyrir háafkasta tölvuumhverfi (HPC), sem styður við skilvirka geymslu, aðgang og vinnslu stórra fjölheimilda EO gagnasetta. Samanlagt stuðla aðferðir sem lagðar eru fram að merkingarlega samræmdari, gagnanýtnari og skalanlegri gervitunglsmiðuðum kerfum til LULC-kortlagningar. Þegar jarðathugun (EO) færist í átt að grunnlíkönum, sameinuðum innfellingum og aðgerðamiðaðri landfræðilegri greind, leggja framlögin í þessari ritgerð grunninn að gagnasöfnum, merkingargrindum og innfellingarmiðuðum aðferðum sem nauðsynlegar eru til að styðja næstu kynslóð LULC-kortlagningar.