Suite

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


Je suis assez nouveau en télédétection et j'essaie de identifier/classer le couvert forestier de conifères à partir d'une scène Landsat à une seule date. D'après mes recherches préliminaires sur le Web, j'ai ces possibilités :

  • 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 "pic forestier" et scène de classe à forêt/non forêt (Huang, 2008 : Utilisation d'un concept d'objet sombre et de machines vectorielles de support pour automatiser l'analyse des changements de couverture forestière). Les autres caractéristiques des scènes (roches, rivières) doivent être supprimées à l'aide des valeurs de luminosité du capuchon Tasseled

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

J'utilise ERDAS, ArcGIS 10.2 et R


NDVI est pour la discrimination végétation/non-végétation. Donc, si votre végétation est toujours une forêt de conifères, alors 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 unique seront problématiques en raison de l'ombrage (bien visible sur votre image). Ainsi, si vous avez différents types de végétation, vous devez soit corriger l'effet topographique, soit classer avec des seuils différents sur les pentes ombragées et non ombragées. Cette dernière méthode est plus simple mais moins précise.

A titre de remarque, vous devez profiter des jeux de données existants (Global forest Watch, PALSAR forst/non forest map).


Ce n'est peut-être pas vraiment la réponse mais je ne peux pas la poster en commentaire…

@M. Che j'ai essayé de calculer Indice forestier papier suivant Wentao Ye ; Xi Li ; Xiaoling Chen et Guo Zhang: A spectral index for highlighting forest cover from remotely sensed imagery", Proc. SPIE 9260, Land Surface Remote Sensing II, 92601L (8 novembre 2014); doi:10.1117/12.2068775

afin que

FI = (B4 - B3 - 0,01)/(B4 - B3)*(1-B4)/(0,1 + B2)

où B4 représente band4 de l'image multibande Landsat.

Malheureusement, je n'ai pas trouvé de résultats satisfaisants dans mes pentes nord et ma zone montagneuse, ni en utilisant les valeurs DN, ni en utilisant les valeurs de réflectance téléchargées à partir de la réflectance de surface GLS, comme indiqué 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, A.J.H., Hicke, J.A., Vierling, L.A. et Hudak, A.T. (2013). Évaluation des méthodes de détection de la mortalité des arbres causée par les scolytes à l'aide d'images Landsat à date unique et à plusieurs dates. Télédétection de l'environnement, 132, 49-58. doi:10.1016/j.rse.2013.01.002 dans la partie 2.4 Date unique et 2.5 Classification multidate (p. 52) Approche Meddens pour identifier le couvert forestier


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

A spectral index for highlighting forest cover from remotely sensed imagery", Proc. SPIE 9260, Land Surface Remote Sensing II, 92601L (8 novembre 2014); doi:10.1117/12.2068775

Voici la 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 en carte forêt/non forêt 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 reproduire cet index en utilisant 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.

METTRE À JOUR

Voici un article : lien