Improving unsupervised classification of forest types throught the use of spectral indices

• Autorzy: Stępniewski P. , Będkowski K.

Warianty tytułu

PL

Udoskonalenie klasyfikacji nienadzorowanej typów lasów przez wykorzystanie wskaźników spektralnych

• Języki publikacji: EN

Abstrakty

EN

The natural land cover class of Poland is almost entirely forest, but nowadays it is replaced by man-made ecosystems like arable, meadows, pastures and urban areas. The remaining forest forms islands, which are connected each other by corridors located mainly along rivers. Satellite images are an effective tool for the recognition of land cover structures which forms the first step for attaining a good understanding of landscape function. One of the commonly used remote sensing methods is unsupervised land use classification derived from the ISODATA (Iterative Self-Organizing Data Analysis Technique) algorithm. The logic of this routine was described by (Ball, Hall, 1965). Although the ISODATA routine applied to spectral bands acquired from multispectral scanners usually leads to good classification results, new approaches continue to be developed. In this paper we describe how classification results can be improved through the use of spectral indices instead of the original spectral bands. This will be explained using an example of analysing the structure of a forested area. The main objective of this research is to analyse how the vertical and horizontal structure of mixed forests can be assessed from satellite images. In our study we've used the IDRISI32 ISOCLUST routine, which is a specific implementation of the ISODATA approach (Eastman, 1999). The study was carried out on a 100 km2 subset of the Landsat scene p188r24 acquired on 7th May 2000 (http://www.landsat.org). This 7-band multispectral image with panchromatic band covers a region located in central Poland. The main land cover classes here are agricultural areas (arable fields, meadows, pastures) and forests. This landscape can be considered as representative of this part of Poland. The entire study area was also recorded using aerial photographs taken with a DMC 2000 digital camera. The resolution (ground sample distance) of these images was about 0.15 m. For our study NC- (natural color) and CIR-composites were produced.

PL

Naturalną formą pokrycia terenu w Polsce są lasy, które zostały jednakże zastąpione w znacznym stopniu przez obszary użytkowane rolniczo - pola uprawne, łąki i pastwiska. Pozostałości lasów tworzą w krajobrazie wyspy, które są połączone siecią korytarzy. Rolę korytarzy pełnią najczęściej lasy i zarośla położone wzdłuż cieków wodnych. Obrazy satelitarne są uważane za efektywne narzę dzie służące do rozpoznawania struktury i funkcjonowania krajobrazu na dużych obszarach. Jedną z popularnych metod analizy jest procedura klasyfikacji nienadzorowanej ISODATA. W niniejszej pra cy przedstawiono wyniki klasyfikacji sceny Landsat p188r24 za pomocą algorytmu ISOCLUST, który jest implementacją procedury ISODATA w programie IDRISI32. Głównym celem badań było spraw dzenie, czy można poprawić wyniki klasyfikacji nienadzorowanej przez zastosowanie indeksów spek tralnych, zamiast oryginalnych kanałów obrazu satelitarnego. Specjalną uwagę zwrócono na odróżnianie drzewostanów mieszanych o złożonej strukturze poziomej i pionowej w sytuacji, gdy scena jest klasyfikowana do niedużej liczby klas. Wykazano, że zastosowanie wskaźników spektralnych popra wia wynik klasyfikacji. Rozpoznano drzewostany jednogatunkowe, jednak nie udało się utworzyć oddzielnej klasy drzewostanów mieszanych - piksele reprezentujące te obiekty były klasyfikowane do klasy drzewostanów iglastych bądź liściastych. Wynik taki otrzymano zarówno w przypadku drzewo stanów mieszanych jednopiętrowych, jak i dwupiętrowych - z sosną w piętrze górnym i dębem lub innymi gatunkami liściastymi w piętrze dolnym. Autorzy sugerują, że wynik klasyfikacji można popra wić przez zwiększenie liczby tworzonych klastrów-skupień (parametr procedury ISOCLUST), a także przez uwzględnienie sezonowej zmienności lasów, czyli prowadzenie analizy na obrazach wieloczasowych.

Słowa kluczowe

EN

forest; spectral indices; unsupervised classification

PL

las; wskaźniki spektralne; klasyfikacja nienadzorowana

• Wydawca: Polskie Towarzystwo Informacji Przestrzennej
• Czasopismo: Roczniki Geomatyki
• Rocznik: 2009
• Tom: T. 7, z. 2
• Strony: 127--132
• Opis fizyczny: Bibliogr. 3 poz.

Twórcy

autor

Stępniewski P.

autor

Będkowski K.

• Techmex SA,

Bibliografia

• Ball G.H., Hall D.J., 1965: A novel method of data analysis and pattern classification. Stanford Research Institute, Menlo Park, USA.
• Eastman J.R., 1999: IDRISI32. Guide to GIS and Image Processing. Vol. 1 and 2. Clark Labs, Clark University, USA.
• http://www.landsat.org/. FREE Global Orthorectified Landsat Data via FTP. Landsat.org.