Un nuevo método para modificar umbrales en la clasificación de modelos de árboles para mapear la vegetación acuática en el lago Taihu con imágenes satelitales
Autores: Luo, Juhua; Ma, Ronghua; Duan, Hongtao; Hu, Weiping; Zhu, Jinge; Huang, Wenjiang; Lin, Chen
Idioma: Inglés
Editor: MDPI
Año: 2014
Acceso abierto
Artículo científico
Categoría
Ciencias Medioambientales
Subcategoría
Ciencia y tecnología de los recursos naturales
Palabras clave
Vegetación acuática
árbol de clasificación
Características espectrales
Modelo CT
Imágenes satelitales
Muestras de verificación en campo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 6
Citaciones: Sin citaciones
La vegetación acuática juega un papel importante en el mantenimiento del equilibrio de los ecosistemas lacustres. Por lo tanto, clasificar y mapear la vegetación acuática es una prioridad para la gestión de lagos. Se han utilizado enfoques de árbol de clasificación (CT) con éxito para mapear la vegetación acuática a partir de índices espectrales obtenidos de imágenes de teledetección. Sin embargo, debido a los efectos de factores extrínsecos e intrínsecos, aplicar un modelo CT desarrollado para imágenes de una fecha a imágenes de otra fecha o a un conjunto de datos diferente probablemente reduciría la precisión de la clasificación. En este estudio, se seleccionaron tres características espectrales (SF) para desarrollar un modelo CT para identificar la vegetación acuática en el Lago Taihu. Se desarrollaron tres modelos CT tradicionales con tres SF utilizando análisis CT basado en imágenes de satélite adquiridas el 11 de julio, 16 de agosto y 26 de septiembre de 2013, y muestras de verdad terrestre correspondientes, a partir de las imágenes del dispositivo de carga acoplada (HJ-CCD), pequeños satélites de medio ambiente y reducción de desastres que fueron lanzados por el Centro Chino de Datos y Aplicaciones de Satélites de Recursos (CRESDA). Las precisiones generales de los modelos CT tradicionales fueron del 82%, 80% y 84%. Luego probamos dos métodos para modificar los umbrales del modelo CT para ajustar los modelos CT tradicionales basados en la fecha de la imagen para determinar si los resultados nos permitirían mapear y clasificar la vegetación acuática para períodos en los que no había datos terrestres disponibles. Evaluamos los resultados con muestras de verdad terrestre y el acuerdo de área con los modelos CT tradicionales. Los resultados mostraron que los modelos CT modificados a partir de un ajuste lineal basado en la relación entre los valores clasificados de SF entre dos fechas de imagen produjeron precisiones de mapa comparables a las obtenidas de los modelos CT tradicionales y sugieren que el método que proponemos es factible para mapear tipos de vegetación acuática en lagos cuando no hay datos terrestres disponibles.
Descripción
La vegetación acuática juega un papel importante en el mantenimiento del equilibrio de los ecosistemas lacustres. Por lo tanto, clasificar y mapear la vegetación acuática es una prioridad para la gestión de lagos. Se han utilizado enfoques de árbol de clasificación (CT) con éxito para mapear la vegetación acuática a partir de índices espectrales obtenidos de imágenes de teledetección. Sin embargo, debido a los efectos de factores extrínsecos e intrínsecos, aplicar un modelo CT desarrollado para imágenes de una fecha a imágenes de otra fecha o a un conjunto de datos diferente probablemente reduciría la precisión de la clasificación. En este estudio, se seleccionaron tres características espectrales (SF) para desarrollar un modelo CT para identificar la vegetación acuática en el Lago Taihu. Se desarrollaron tres modelos CT tradicionales con tres SF utilizando análisis CT basado en imágenes de satélite adquiridas el 11 de julio, 16 de agosto y 26 de septiembre de 2013, y muestras de verdad terrestre correspondientes, a partir de las imágenes del dispositivo de carga acoplada (HJ-CCD), pequeños satélites de medio ambiente y reducción de desastres que fueron lanzados por el Centro Chino de Datos y Aplicaciones de Satélites de Recursos (CRESDA). Las precisiones generales de los modelos CT tradicionales fueron del 82%, 80% y 84%. Luego probamos dos métodos para modificar los umbrales del modelo CT para ajustar los modelos CT tradicionales basados en la fecha de la imagen para determinar si los resultados nos permitirían mapear y clasificar la vegetación acuática para períodos en los que no había datos terrestres disponibles. Evaluamos los resultados con muestras de verdad terrestre y el acuerdo de área con los modelos CT tradicionales. Los resultados mostraron que los modelos CT modificados a partir de un ajuste lineal basado en la relación entre los valores clasificados de SF entre dos fechas de imagen produjeron precisiones de mapa comparables a las obtenidas de los modelos CT tradicionales y sugieren que el método que proponemos es factible para mapear tipos de vegetación acuática en lagos cuando no hay datos terrestres disponibles.