Publications du Service canadien des forêts

Large area mapping of annual land cover dynamics using multi-temporal change detection and classification of Landsat time series data. 2015. Franklin, S.E.; Ahmed, O.S.; Wulder, M.A. ; White, J.C.; Hermosilla, T.; Coops, N.C. Canadian Journal of Remote Sensing: Journal canadien de télédétection. 41:293–314.

Année : 2015

Disponible au : Centre de foresterie du Pacifique

Numéro de catalogue : 36444

Langue : Anglais

Disponibilité au SCF : PDF (télécharger), PDF (demande par courriel)

Disponible sur le site Web de la revue ou du journal.
DOI (identifiant d'objet numérique) : 10.1080/07038992.2015.1089401

† Ce site peut exiger des frais.

Résumé

Les caractéristiques de la couverture terrestre sont intéressantes pour les communautés responsables de la surveillance. Le développement d’approches pour générer des cartes annuelles de la couverture terrestre qui sont informées par des informations de changements dérivées de longues séries temporelles est ainsi une nécessité cruciale. Dans cette étude, nous démontrons et nous vérifions l’utilité des mesures de la perturbation et de la récupération qui sont dérivées de la série temporelle Landsat annuelle afin d’informer la classification de la couverture terrestre annuelle pour une zone de gestion forestière supérieure à 1,2 million d’hectares dans la région de la forêt boréale mixte du nord de l’Ontario au Canada. Des cartes annuelles de la couverture terrestre qui fournissent des produits informés temporellement ont été générées et comparées à l’approche établie d’utiliser des variables et des indices spectraux à une date unique. L’algorithme de classification des Forêts Aléatoires «Random Forest» (RF) a été utilisé pour classer la couverture terrestre annuellement entre 1990 et 2010 et suivi par l’application d’un filtre temporel annuel pour enlever les transitions illogiques de la couverture terrestre. La détection de changements dans la zone d’étude avait une précision globale de 92,47%. L’utilisation de mesures de séries temporelles dans la classification de la couverture terrestre a amélioré la précision globale de 6,38% par rapport aux résultats à une date unique. En utilisant un échantillon de référence distinct et indépendant, l’approche de classification des RF combinée avec un filtrage de transition postclassification a abouti à une précision globale de classification de 87,98%. L’utilisation de l’information sur le changement et la tendance annuelle pour orienter la couverture terrestre, qui est en outre informée par des règles logiques de transition de la couverture terrestre, pointe vers la création de produits de couverture terrestre efficaces, robustes, fiables, de manière transparente et opérationnelle.

Dernière mise à jour :