Wie kann man Nadelwald anhand eines Landsat-Datums einfach identifizieren / klassifizieren?

8

Ich bin ziemlich neu in der Fernerkundung und versuche , Nadelwaldbedeckung anhand der Landsat-Szene mit einem Datum zu identifizieren / zu klassifizieren . Nach meiner vorläufigen Webrecherche habe ich folgende Möglichkeiten:

  • Szene in NDVI-Werte konvertieren . Mithilfe der Modalwerte des NDVI-Histogramms kann ich Szenenpixel in bewaldete und nicht bewaldete Bereiche unterteilen
  • Verwenden Sie den Modalwert der Bänder 2,3 und 5 (B2), um "Waldgipfel" und Klassenszene für Wald / Nichtwald zu identifizieren (Huang, 2008: Verwendung eines Konzepts für dunkle Objekte und Unterstützung von Vektormaschinen zur Automatisierung der Analyse der Änderung der Waldbedeckung ) . Andere Szenenmerkmale (Felsen, Flüsse) müssen mithilfe der Helligkeitswerte der Quastenkappe entfernt werdenBeispiel für die Division von Histogrammwerten durch den Modalwert in Wald und Nichtwald

Kennen Sie einen anderen einfachen Ansatz zur Klassifizierung der Waldbedeckung in Berggebieten ? Ich möchte nicht wirklich die Maximum-Likelihood-Klassifizierung anwenden. Vielleicht ist es besser, eine unbeaufsichtigte Klassifizierung zu verwenden?

Ich verwende ERDAS, ArcGIS 10.2 und R.

Maycca
quelle
Landsat hat eine geeignete spektrale Auflösung zur Unterscheidung von Nadelbaum und Laubbedeckung. Sie können jederzeit Ebenen wie TC, NDVI und Textur hinzufügen, um die Genauigkeit Ihrer Klassifizierung zu verbessern. Die überwachte maximale Wahrscheinlichkeit sollte für diese Art der Analyse gut funktionieren.
Aaron

Antworten:

5

NDVI dient zur Unterscheidung zwischen Vegetation und Nichtvegetation. Wenn Ihre Vegetation also immer Nadelwald ist, sollte dies in Ihrem Fall die effizienteste Methode sein. Andernfalls kommt es zu Verwechslungen mit Nutzpflanzen, Grünland und Laubwäldern.

In einem bergigen Gebiet sind einzelne Reflexionsschwellen aufgrund des Hügelschattens (auf Ihrem Bild deutlich sichtbar) problematisch. Wenn Sie also unterschiedliche Vegetationstypen haben, sollten Sie entweder den topografischen Effekt korrigieren oder mit unterschiedlichen Schwellenwerten für die schattierten und nicht schattierten Hänge klassifizieren. Die letztere Methode ist einfacher, aber weniger genau.

Als Bemerkung sollten Sie die vorhandenen Datensätze (Global Forest Watch, PALSAR forst / non Forest Map) nutzen.

Radouxju
quelle
Ich habe ein Berggebiet, hauptsächlich Nadelwald, also werde ich versuchen, NDVI zu verwenden. Wird der topografische Effekt durch Vegetationsindexberechnung (NDVI) ausreichend korrigiert? Vielen Dank für die Empfehlung von GlobalForestWatch und PALSAR, aber ich muss die Nadelwaldbedeckung 1986 (also vor dieser Datenbank)
identifizieren
2

Es ist vielleicht nicht wirklich die Antwort, aber ich kann es nicht als Kommentar posten ...

@Herr. Che Ich habe versucht, Forest Index nach Papier Wentao Ye zu berechnen ; Xi Li; Xiaoling Chen und Guo Zhang: Ein Spektralindex zur Hervorhebung der Waldbedeckung aus fernerkundeten Bildern ", Proc. SPIE 9260, Landoberflächen-Fernerkundung II, 92601L (8. November 2014); doi: 10.1117 / 12.2068775

so wie

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

wobei B4 Band4 aus dem Landsat-Multiband-Bild darstellt.

Leider habe ich in meinen nördlichen Hängen und in meinem Berggebiet keine zufriedenstellenden Ergebnisse gefunden, weder unter Verwendung von DN-Werten noch unter Verwendung von Reflexionswerten, die von der GLS-Oberflächenreflexion heruntergeladen wurden, wie hier gezeigt: Geben Sie hier die Bildbeschreibung ein

Ich nehme an, dass die fehlende topografische Normalisierung meiner Daten für die Waldkassifizierung an den Nordhängen von entscheidender Bedeutung ist.

Aus diesem Grund denke ich, dass die Berechnung des Waldindex nicht wirklich hilfreich zu sein scheint. Ich rate Ihnen, einen anderen Ansatz zu versuchen, der in Meddens, AJH, Hicke, JA, Vierling, LA und Hudak, AT (2013) beschrieben ist. Bewertung von Methoden zur Erkennung der durch Borkenkäfer verursachten Baumsterblichkeit anhand von Landsat-Bildern mit einem und mehreren Daten. Fernerkundung der Umwelt, 132, 49–58. doi: 10.1016 / j.rse.2013.01.002 in Teil 2.4 Single Date und 2.5 Multidate Classification (S. 52) Meddens Ansatz zur Identifizierung der Waldbedeckung

Maycca
quelle
2

Ich habe diesen wissenschaftlichen Artikel für die Kartierung von Wäldern / Nichtwäldern mit Landsat gefunden, aber leider ist er nicht frei zu lesen (15 $).

Wentao Ye; Xi Li; Xiaoling Chen und Guo Zhang

Ein Spektralindex zur Hervorhebung der Waldbedeckung aus fernerkundeten Bildern ", Proc. SPIE 9260, Land Surface Remote Sensing II, 92601L (8. November 2014); doi: 10.1117 / 12.2068775

Hier ist ein Anführungszeichen:

Der FI (Waldindex) wird aus drei Bändern abgeleitet: Grün-, Rot- und Nahinfrarotband (NIR), und ein FI-Bild kann in eine Wald- / Nichtwaldkarte mit einem Schwellenwert klassifiziert werden. Die Gesamtgenauigkeit der Klassifizierungskarten in den beiden Untersuchungsgebieten betrug 97,8% bzw. 96,2%, was darauf hinweist, dass der FI die Waldbedeckung effizient hervorhebt.

Leider kann ich nicht auf diesen Artikel zugreifen und bin mir nicht sicher, ob dieser Index so gut funktioniert. Meine eigenen Versuche, diesen Index mit bestimmten Bändern zu reproduzieren, sind fehlgeschlagen. Ich sende eine E-Mail an die Autoren mit der Bitte, diesen Artikel zu senden, aber immer noch keine Antwort erhalten.

AKTUALISIEREN

Hier ist ein Papier: Link

Genosse Che
quelle
Vielen Dank, Herr Che, es sieht gut aus. Ich werde mich auch mit ihnen in Verbindung setzen, da ich weder freien Zugang zu dieser Veröffentlichung habe ... Sobald ich sie bekomme, werde ich sie Ihnen senden.
Maycca
Ich habe eine Zeitung gefunden! Die URL befindet sich im Update der Antwort.
Genosse Che