1つの日付のLandsat画像から針葉樹林を簡単に識別/分類する方法は?


8

私はリモートセンシングにかなり慣れており、単一の日付のLandsatシーンから針葉樹林の被覆識別/分類しようとしています。私の予備的なウェブ調査によると、私はこれらの可能性を持っています:

  • シーンをNDVI値に変換します。NDVIヒストグラムのモーダル値を使用して、シーンのピクセルを森林と非森林の領域に分離できます
  • バンド2、3および5(B2)のモーダル値を使用して、「フォレストピーク」を識別し、クラスシーンをフォレスト/非フォレストに識別します(Huang、2008:暗いオブジェクトの概念とサポートベクターマシンを使用して森林被覆変化分析を自動化する) 。その他のシーンの特性(岩、川)は、タッセルドキャップの輝度値を使用して削除する必要がありますフォレストと非フォレストのヒストグラム値をモーダル値で除算する例

山岳地帯の森林被覆を分類する別の簡単なアプローチを知っていますか?私は本当に最尤分類を適用したくありません。たぶん、教師なし分類を使用する方が良いでしょうか?

ERDAS、ArcGIS 10.2およびRを使用しています


Landsatは、針葉樹と落葉広葉樹を区別するのに適したスペクトル分解能を備えています。TC、NDVI、テクスチャなどのレイヤーをいつでも追加して、分類の精度を向上させることができます。監視あり最大尤度は、このタイプの分析では問題なく機能するはずです。
アーロン

回答:


5

NDVIは、植生/非植生の識別用です。したがって、植生が常に針葉樹林である場合、それはあなたのケースで最も効率的な方法であるべきです。そうしないと、作物、草原、落葉樹林と混同されます。

山岳地帯では、陰影起伏(画像上ではっきりと見える)のために、単一の反射しきい値が問題になります。したがって、植生の種類が異なる場合は、地形効果を修正するか、日陰の斜面と斜面ではない斜面で異なるしきい値を使用して分類する必要があります。後者の方法は簡単ですが、精度は低くなります。

備考として、既存のデータセット(グローバルフォレストウォッチ、PALSARフォレスト/非フォレストマップ)を利用する必要があります。


私は山岳地帯、主に針葉樹林を持っているので、NDVIを使用してみます。地形効果は植生指数計算(NDVI)によって十分に補正されていますか?GlobalForestWatchとPALSARの推奨に感謝しますが、1986年に(このデータベースの前に)針葉樹林の被覆を特定する必要があります
Maycca

2

それは本当に答えではないかもしれませんが、コメントとして投稿することはできません...

@氏。Che 論文Wentao Yeに従って フォレストインデックスを計算しようとしました。Xi Li; Xiaoling Chen and Guo Zhang:リモートセンシング画像からの森林被覆を強調するためのスペクトルインデックス」、Proc。SPIE 9260、Land Surface Remote Sensing II、92601L(2014年11月8日); doi:10.1117 / 12.2068775

ように

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

ここで、B4はLandsatマルチバンドイメージのband4を表します。

残念ながら、DN値を使用したり、GLS表面反射率からダウンロードした反射率値を使用したりしないで、北斜面と山岳地帯で満足のいく結果を見つけることができませんでした: ここに画像の説明を入力してください

私のデータの欠落している地形の正規化は、北側の斜面での森林の破壊のために重要になると思います。

このため、フォレストインデックスの計算はあまり役に立たないと思われます。Meddens、AJH、Hicke、JA、Vierling、LA、およびHudak、AT(2013)で説明されている別のアプローチを試すことをお勧めします単一日付および複数日付のLandsat画像を使用して、キクイムシに起因する樹木の死亡率を検出する方法の評価。環境のリモートセンシング、132、49–58。DOI:10.1016 / j.rse.2013.01.002一部2.4シングル日付及び2.5 Multidate分類における(P 52)meddens森林カバーを識別するために近づい


2

Landsatを使用した森林/非森林マッピングに関するこの科学記事を見つけましたが、残念ながら無料で読むことはできません(15 $)。

ウェンタオ・イェ; Xi Li; Xiaoling ChenとGuo Zhang

リモートセンシング画像から森林被覆を強調するためのスペクトルインデックス」、Proc。SPIE 9260、Land Surface Remote Sensing II、92601L(2014年11月8日); doi:10.1117 / 12.2068775

ここに注釈の引用があります:

FI(フォレストインデックス)は、緑、赤、近赤外(NIR)の3つのバンドから派生し、FI画像は、しきい値のあるフォレスト/非フォレストマップに分類できます。2つの調査地域の分類マップの全体的な精度は、それぞれ97.8%と96.2%でした。これは、FIが森林被覆を強調するのに効率的であることを示しています。

残念ながら、私はこの記事にアクセスできないので、このインデックスがうまく機能するかどうかはわかりません。私自身、指定されたバンドを使用してこのインデックスを再現しようとすると失敗します。この記事の送信をリクエストして著者にメールを送信しましたが、まだ返答がありません。

更新

これが論文です:リンク


チェさん、ありがとうございます。私もこの出版物に無料でアクセスできないため、連絡します...入手次第、送付します。
Maycca、2015年

紙を見つけました!URLは回答の更新中です。
同志チェ
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.