Suite

Créer un masque de végétation avec Landsat 7


Je travaille sur une très grande zone d'étude. Le but est de créer un masque végétal représentant uniquement des pins. J'utilise des images Landsat 7. Comme les enregistrements ont été faits en hiver, il est assez facile de distinguer les conifères des autres, car tout le reste est recouvert de neige.

Malheureusement, je n'obtiens pas un résultat satisfaisant. Quelle est la meilleure méthodologie pour obtenir de bons résultats ? J'ai essayé d'utiliser un NDVI. Malheureusement, les résultats sont mauvais.

J'ai également essayé d'utiliser une transformation de casquette à glands. Malheureusement, je n'ai aucune expérience avec TC, donc je ne sais pas comment interpréter/utiliser les résultats.

J'utilise Erdas Imagine et ArcGIS.

Avez-vous des conseils sur la façon dont je peux résoudre le problème?


La tâche que vous décrivez est appelée classification d'images. Il existe de nombreuses façons de classer une image - du seuillage très basique aux approches de classification supervisée plus avancées. La classification d'images à l'aide de données multispectrales telles que Landsat nécessite une correction radiométrique de base, souvent réalisée à l'aide de la soustraction d'objet sombre. Song et al. (2001) ont écrit un article fondateur pour aider à répondre 1) quand la correction atmosphérique est nécessaire et 2) quelles méthodes utiliser. Il y a une vieille vidéo, mais utile, décrivant le processus ici. Je soupçonne également que vous rencontrez le problème du manque de données ETM+, ce qui peut influencer vos résultats. Il existe de nombreuses méthodes pour résoudre ce problème et un bon point de départ est la NASA.

Une bonne description de la façon d'effectuer un seuillage d'image à l'aide des données NDVI dans ArcGIS est disponible ici. La classification par maximum de vraisemblance est une approche supervisée courante et un bon tutoriel pour Erdas peut être trouvé ici.


Voir la vidéo: Landsat 7 Scanline Error Correction SLC Using Erdas Imagine clear explanation (Octobre 2021).