Comment identifier / classer facilement la forêt de conifères à partir d'une image Landsat à une date?


8

Je suis assez nouveau dans la télédétection et j'essaie d' identifier / classer le couvert forestier de conifères à partir d'une scène Landsat à date unique . Selon mes recherches préliminaires sur le Web, j'ai les possibilités suivantes:

  • convertir la scène en valeurs NDVI . En utilisant les valeurs modales de l'histogramme NDVI, je peux séparer les pixels de la scène en zones boisées et non boisées
  • utiliser la valeur modale des bandes 2,3 et 5 (B2) pour identifier le «pic forestier» et la scène de classe dans la forêt / non forestière (Huang, 2008: utilisation d'un concept d'objet sombre et de machines vectorielles de soutien pour automatiser l'analyse des changements du couvert forestier ) . Les autres caractéristiques des scènes (roches, rivières) doivent être supprimées à l'aide des valeurs de luminosité du capuchon à glandsexemple de division des valeurs de l'histogramme par valeur modale en forêt et non forestière

Connaissez-vous une autre approche simple pour classer le couvert forestier en zone montagneuse ? Je ne veux pas vraiment appliquer la classification du maximum de vraisemblance. Peut-être vaut-il mieux utiliser une classification non supervisée?

J'utilise ERDAS, ArcGIS 10.2 et R


Landsat a une résolution spectrale appropriée pour distinguer les conifères de la couverture feuillue. Vous pouvez toujours ajouter des couches telles que TC, NDVI, texture pour améliorer la précision de votre classification. La probabilité maximale supervisée devrait fonctionner très bien pour ce type d'analyse.
Aaron

Réponses:


5

Le NDVI est pour la discrimination végétation / non végétation. Donc, si votre végétation est toujours une forêt de conifères, cela devrait être la méthode la plus efficace dans votre cas. Sinon, vous aurez des confusions avec les cultures, les prairies et les forêts de feuillus.

Dans une zone montagneuse, les seuils de réflectance uniques seront problématiques en raison de l'ombrage (clairement visible sur votre image). Donc, si vous avez différents types de végétation, vous devez soit corriger l'effet topographique, soit classer avec différents seuils sur les pentes ombragées et non ombragées. Cette dernière méthode est plus simple mais moins précise.

En guise de remarque, vous devriez profiter des ensembles de données existants (Global forest Watch, PALSAR forst / non forest map).


J'ai une zone montagneuse, principalement une forêt de conifères, donc j'essaierai d'utiliser NDVI. L'effet topographique est-il suffisamment corrigé par le calcul de l'indice de végétation (NDVI)? Merci pour la recommandation GlobalForestWatch et PALSAR, mais je dois identifier la couverture forestière de conifères en 1986 (donc avant ces bases de données)
Maycca

2

Ce n'est peut-être pas vraiment la réponse mais je ne peux pas le poster comme commentaire ...

@Monsieur. Che j'ai essayé de calculer l' indice forestier suivant l'article Wentao Ye; Xi Li; Xiaoling Chen et Guo Zhang: Un indice spectral pour mettre en évidence le couvert forestier à partir d'images télédétectées ", Proc. SPIE 9260, Land Surface Remote Sensing II, 92601L (8 novembre 2014); doi: 10.1117 / 12.2068775

pour

FI = (B4 - B3 - 0.01)/(B4 - B3)*(1-B4)/(0.1 + B2)

où B4 représente la bande4 de l'image multibande Landsat.

Malheureusement, je n'ai pas trouvé de résultats satisfaisants dans mes pentes nord et ma zone humide ni en utilisant des valeurs DN, ni en utilisant des valeurs de réflectance téléchargées depuis la réflectance de surface GLS comme indiqué ici: entrez la description de l'image ici

Je suppose que la normalisation topographique manquante de mes données sera cruciale pour la casstification forestière sur les versants nord.

Pour cette raison, je suppose que le calcul de l'indice forestier ne semble pas vraiment utile. Je vous conseille d'essayer une autre approche décrite dans Meddens, AJH, Hicke, JA, Vierling, LA et Hudak, AT (2013). Évaluation des méthodes de détection de la mortalité causée par le dendroctone de l'écorce à l'aide de l'imagerie Landsat à date unique et à dates multiples. Télédétection de l'environnement, 132, 49–58. doi: 10.1016 / j.rse.2013.01.002 en partie 2.4 Date unique et 2.5 Classification multidate (p. 52) approche des meddens pour identifier le couvert forestier


2

J'ai trouvé cet article scientifique pour la cartographie forestière / non forestière en utilisant Landsat mais malheureusement il n'est pas gratuit à lire (15 $).

Wentao Ye; Xi Li; Xiaoling Chen et Guo Zhang

Un indice spectral pour mettre en évidence le couvert forestier à partir d'images télédétectées ", Proc. SPIE 9260, Land Surface Remote Sensing II, 92601L (8 novembre 2014); doi: 10.1117 / 12.2068775

Voici une citation d'annotation:

Le FI (indice forestier) est dérivé de trois bandes, les bandes verte, rouge et proche infrarouge (NIR) et une image FI peut être classée dans une carte forestière / non forestière avec un seuil. Les précisions globales des cartes de classification dans les deux zones d'étude étaient respectivement de 97,8% et 96,2%, ce qui indique que l'IF est efficace pour mettre en évidence le couvert forestier.

Malheureusement, je ne peux pas accéder à cet article, donc je ne sais pas si cet index fonctionne si bien. Mes propres tentatives de reproduction de cet index à l'aide des bandes spécifiées ont échoué. J'envoie un mail aux auteurs avec une demande d'envoi de cet article mais toujours pas de réponse reçue.

MISE À JOUR

Voici un article: lien


Merci M. Che, ça a l'air bien. Je vais également les contacter car je n'ai pas non plus accès gratuitement à cette publication ... Dès que je la recevrai, je vous la ferai parvenir.
Maycca

J'ai trouvé un papier! L'URL est dans la mise à jour de la réponse.
Camarade Che
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.