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 borla
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
Respostas:
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).
fonte
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
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:
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
fonte
Encontrei este artigo científico para mapeamento florestal / não florestal usando o Landsat, mas infelizmente não é gratuito para leitura (15 $).
Aqui está a citação da anotação:
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
fonte