Publications du Service canadien des forêts

Assessing Cloud Contamination Effects on K-Means Unsupervised Classifications of Landsat Data. 2002. Esche, H.A.; Franklin, S.E.; Wulder, M.A. Pages 3387-3389 (Vol. 3) in IGARSS 2002, Proceedings: IEEE International Geoscience and Remote Sensing Symposium and the 24th Canadian Symposium on Remote Sensing. June 24-28, 2002, Toronto, Canada. IEEE, Piscataway, New Jersey.

Année : 2002

Disponible au : Centre de foresterie du Pacifique

Numéro de catalogue : 20544

La langue : Anglais

Disponibilité : PDF (télécharger)

Sélectionner

Résumé

Les données satellitaires, comme celles fournies par cinq ou sept capteurs Landsat, offrent une solution efficace pour la classification à grande échelle de la couverture terrestre. Comme la Terre est toujours couverte à 50 % par des nuages, la création de classifications répétables, robustes, représente un défi majeur pour la compréhension et le traitement approprié de la contamination nuageuse des images Landsat. Vu l'ampleur de nombreux projets de cartographie et les masses énormes de données à traiter pour leur réalisation, des classifications non dirigées et des processus automatisés s'imposent afin d'accélérer le travail. Une expérience a été élaborée pour étudier l'effet de la contamination nuageuse sur les classifications non dirigées. Quand le nombre de classes est restreint, il a été déterminé que les effets des nuages dans la partie non ennuagée de la scène peuvent souvent être pris en compte en attribuant la majeure partie des groupements aux nuages. Dans les cas où un grand nombre de classes est requis, les nuages peuvent biaiser considérablement les caractéristiques des groupements dans les parties non ennuagées.