Publications du Service canadien des forêts

Inclusion of topographic variables in an unsupervised classification of satellite imagery. 2004. Wulder, M.A.; Franklin, S.E.; White, J.C.; Cranny, M.M.; Dechka, J.A. Canadian Journal of Remote Sensing 30(2): 137-149.

Année : 2004

Disponible au : Centre de foresterie du Pacifique

Numéro de catalogue : 24591

Langue : Anglais

Disponibilité au SCF : Commander une copie papier (gratuite), PDF (télécharger)

Résumé

La classification non dirigée est devenue une méthode courante pour la cartographie du couvert à l'aide de données satellitaires dans les régions de grande étendue. Typiquement, des groupements générés par un algorithme non dirigé, comme la méthode des K centroïdes, sont intégrés et étiquetés à l'aide d'une combinaison de méthodes manuelles et automatisées. Les ombres topographiques rencontrées dans les régions de haut relief, en particulier dans les régions caractérisées par de faibles angles solaires, accroissent la complexité de la classification du couvert étant donné qu'une même classe de couvert peut présenter des réponses spectrales très différentes selon qu'on se situe dans des zones ombragées ou non ombragées de l'image. Il est nécessaire de développer des méthodes pour améliorer la précision de classification dans les régions avec des ombres topographiques importantes pour les projets canadiens de cartographie du couvert couvrant de grandes étendues. Dans une classification dirigée conventionnelle, les améliorations de la précision de classification dans le contexte de la cartographie du couvert ont été obtenues grâce à l'ajout à l'algorithme de classification d'attributs topographiques à titre d'intrants. Dans cette étude, nous examinons le potentiel de telles données comme moyen d'accroître la précision d'une classification non dirigée du couvert dans une zone de haut relief dans le centre de la Colombie-britannique, au Canada. Des ensembles de données distincts ont été utilisés pour l'étiquetage des groupements et l'évaluation de la précision. Quatre essais de classification ont été complétés : (i) utilisation d'une approche conventionnelle sans l'ajout d'attributs topographiques, (ii) utilisation de données d'altitude comme intrant additionnel à (i), (iii) préstratification de l'image en zones ombragées et en zones non ombragées avant le processus de groupement, et (iv) combinaison des méthodes utilisées en (ii) et (iii). Cette dernière a fourni le plus haut taux de précision globale des attributs à 80,1% avec un intervalle de confiance de 95% de 73,6% à 88,6%. Ceci représente une amélioration par rapport à la méthode conventionnelle qui a produit une précision globale des attributs de 68,7% avec un intervalle de confiance de 59,8% à 77,6%. Nous avons conclu que la pré-stratification d'une image en zones ombragées et zones non ombragées avant groupement conjointement avec l'utilisation de données d'altitude à titre d'intrant à la procédure de groupement constitue une méthode pratique pour accroître la précision de classification dans les régions de haut relief où l'ombre topographique est problématique.

Dernière mise à jour :