Como identificar / classificar facilmente florestas de coníferas a partir de uma data na imagem do Landsat?

8

Sou bastante novo em sensoriamento remoto e estou tentando identificar / classificar a cobertura florestal de coníferas a partir da cena Landsat de data única . De acordo com minha pesquisa preliminar na Web, tenho estas possibilidades:

  • converter cena em valores NDVI . Usando valores modais do histograma NDVI, eu posso separar os pixels da cena em área florestal e não florestal
  • use o valor modal da banda 2,3 e 5 (B2) para identificar o "pico florestal" e o cenário da classe floresta / não floresta (Huang, 2008: Uso de um conceito de objeto escuro e máquinas de vetores de suporte para automatizar a análise de alterações na cobertura florestal ) . Outras características das cenas (rochas, rios) devem ser removidas usando os valores de brilho da tampa com borlaexemplo de divisão dos valores do histograma pelo valor modal em florestas e não florestais

Você conhece outra abordagem simples para classificar a cobertura florestal em áreas montanhosas ? Eu realmente não quero aplicar a classificação de máxima verossimilhança. Talvez seja melhor usar classificação não supervisionada?

Estou usando ERDAS, ArcGIS 10.2 e R

maycca
fonte
O Landsat possui resolução espectral adequada para distinguir as coníferas da cobertura decídua. Você sempre pode adicionar camadas como TC, NDVI, textura para melhorar a precisão da sua classificação. A verossimilhança máxima supervisionada deve funcionar muito bem para esse tipo de análise.
Aaron

Respostas:

5

NDVI é para discriminação de vegetação / não vegetação. Portanto, se sua vegetação é sempre floresta de coníferas, deve ser o método mais eficiente no seu caso. Caso contrário, você terá confusões com florestas, prados e florestas decíduas.

Em uma área montainous, os limiares únicos da refletância serão problemáticos devido à colina (claramente visível em sua imagem). Portanto, se você tiver tipos diferentes de vegetação, corrija o efeito topográfico ou classifique-o com limites diferentes nas encostas sombreadas e não sombreadas. O último método é mais fácil, mas menos preciso.

Como observação, você deve tirar proveito dos conjuntos de dados existentes (Global forest Watch, PALSAR forst / non forest forest).

radouxju
fonte
Eu tenho uma área montanhosa, principalmente floresta de coníferas, então tentarei usar o NDVI. O efeito topográfico é suficientemente corrigido pelo cálculo do índice de vegetação (NDVI)? Obrigado por GlobalForestWatch e recomendação PALSAR, mas eu tenho para identificar a cobertura florestal de coníferas em 1986 (assim perante este bases de dados)
maycca
2

Talvez não seja realmente a resposta, mas não posso postar como comentário ...

@Senhor. Che Tentei calcular o Índice Florestal após o artigo Wentao Ye; Xi Li; Xiaoling Chen e Guo Zhang: um índice espectral para destacar a cobertura florestal a partir de imagens detectadas remotamente ", Proc. SPIE 9260, Sensoriamento Remoto de Superfície Terrestre II, 92601L (8 de novembro de 2014); doi: 10.1117 / 12.2068775

assim como

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

onde B4 representa a banda4 da imagem multibanda do Landsat.

Infelizmente, não encontrei resultados satisfatórios nas minhas encostas do norte e na área montanhosa, nem usando valores DN, nem usando valores de refletância baixados da refletância de superfície do GLS, como mostrado aqui: insira a descrição da imagem aqui

Suponho que a falta de normalização topográfica dos meus dados seja crucial para a casstificação de florestas nas encostas do norte.

Por esse motivo, suponho que o cálculo do índice Florestal não pareça realmente útil. Aconselho você a tentar outra abordagem descrita em Meddens, AJH, Hicke, JA, Vierling, LA e Hudak, AT (2013). Avaliação de métodos para detectar a mortalidade de árvores causada pelo besouro da casca usando imagens Landsat de data única e de várias datas. Sensoriamento Remoto do Ambiente, 132, 49–58. doi: 10.1016 / j.rse.2013.01.002 na parte 2.4 Data única e 2.5 Classificação de várias classes (p. 52) meddens abordagem para identificar a cobertura florestal

maycca
fonte
2

Encontrei este artigo científico para mapeamento florestal / não florestal usando o Landsat, mas infelizmente não é gratuito para leitura (15 $).

Wentao Ye; Xi Li; Xiaoling Chen e Guo Zhang

Um índice espectral para destacar a cobertura florestal a partir de imagens detectadas remotamente ", Proc. SPIE 9260, Sensoriamento Remoto de Superfície Terrestre II, 92601L (8 de novembro de 2014); doi: 10.1117 / 12.2068775

Aqui está a citação da anotação:

O FI (índice de floresta) é derivado de três bandas, verde, vermelha e de infravermelho próximo (NIR) e uma imagem de FI pode ser classificada em mapa de floresta / não florestal com um limite. A precisão geral dos mapas de classificação nas duas áreas de estudo foi de 97,8% e 96,2%, respectivamente, o que indica que o FI é eficiente em destacar a cobertura florestal.

Infelizmente, não consigo acessar este artigo, portanto, não tenho certeza se esse índice funciona tão bem. Minhas próprias tentativas de reproduzir esse índice usando faixas especificadas falharam. Envio um e-mail aos autores solicitando o envio deste artigo, mas ainda não recebi resposta.

ATUALIZAR

Aqui está um artigo: link

Camarada Che
fonte
Obrigado, Sr. Che, parece bom. Também entrarei em contato com eles, porque também não tenho acesso gratuito a esta publicação ... Assim que eu conseguir, enviarei para você.
Maycca
Eu encontrei um papel! URL está na atualização da resposta.
Camarada Che