• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >L'analyse par objets spatiaux d'une image ETM+ de Landsat au service de l'inventaire ecologique du parc national du Canada Auyuittuq.
【24h】

L'analyse par objets spatiaux d'une image ETM+ de Landsat au service de l'inventaire ecologique du parc national du Canada Auyuittuq.

机译：加拿大Auyuittuq国家公园生态存量的Landsat ETM +图像的空间对象分析。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

La classification d'une image ETM+ de Landsat a ete realisee pour la cartographie des types de couverture du sol dans la moitie sud du parc national du Canada Auyuittuq. Le projet fait appel a l'analyse d'image par objets spatiaux (object-based image analysis). Le logiciel eCognition 4.0 permet une segmentation hierarchique de l'image qui est analogue au concept de l'inventaire ecologique des parcs nationaux. Un territoire d'environ 8 300 km 2 a ete cartographie a trois niveaux de perception differents a partir d'une image acquise le 13 aout 2000. Un modele numerique d'altitude fut incorpore au projet et de nombreux indices spectraux ont ete calcules a partir des donnees ETM+. Le niveau de segmentation brute comporte 375 312 objets regroupes en 36 classes. A ce niveau, la structure de classification repose sur 118 regles referant aux parametres spectraux, spatiaux et topographiques des segments. Ces regles combinent des systemes de seuillages chiffres et des operations de tri au plus proche voisin. L'attribution des segments aux classes du projet est tributaire de ces regles et repond a une logique floue. A la suite d'une fusion de segments et d'un premier regroupement de classes, on obtient le second niveau du projet, qui compte 102 239 objets et 28 classes thematiques. Ce niveau s'apparente aux "ecotypes" au sens de l'inventaire ecologique des parcs nationaux. Un second regroupement reduit a 9 le nombre de classes et a 36 887 le nombre d'objets, ce qui se rapproche d'une cartographie des "ecosystemes " de l'inventaire ecologique. Sur le terrain, 315 releves photographiques de la vegetation ont ete realises dans les vallees Akshayuk et Naqsaq. Pour chaque releve, les pourcentages de couverture de 5 strates vegetales ont ete estimes, de maniere a ranger les releves dans 8 classes de vegetation connues a priori. Dans l'image, ce sont 135 segments qui ont pu etre retenus comme echantillons. De ce nombre, 71 et 64 echantillons furent retenus respectivement pour l'entrainement et la validation de la classification au plus proche voisin qui fut realisee pour la vegetation. L'exactitude generale de la classification de la vegetation a ete estimee a 54,7 %. Contrairement a la vegetation, le couvert non-vegetal est classifie suivant principalement un systeme de regles, lesquelles decrivent le comportement spectral de 34 types de surfaces selon une structure de classification hierarchique. La classification des 20 ecotypes non-vegetaux a ete validee par photo-interpretation a l'aide de 992 segments-non-vegetale est evaluee a 83,2 %. Une fois synthetisee au niveau des ecosystemes, la classification atteint un taux de succes global de 92,7 %. Pour la classification de la vegetation, l'analyse d'image par objets spatiaux livre une cartographie dont l'exactitude est equivalente a celle d'une classification basee sur le pixel realisee par Parcs Canada pour la meme image (54,7 % vs 53,4 %). Notre stratification comporte cependant un plus grand nombre de categories non-vegetales et leur classification atteint un niveau d'exactitude superieur. L'analyse par objet spatiaux nous a permis d'aller au-dela de l'analyse purement spectrale pour incorporer des parametres texturaux, geometriques et contextuels a la procedure de classification. Elle resulte en une representation plus synthetique de l'information cartographique que la classification basee sur le pixel, mais les patrons spatiaux les plus fins des milieux les plus heterogenes sont alors perdus. La structure de classification developpee pour notre image peut etre transposee avec succes vers une nouvelle image, mais ceci exige que soient apportes des ajustements aux regles de classification, voire l'ajout ou la suppression de certaines regles. La segmentation hierarchique s'avere utile comme analogue au concept de l'inventaire ecologique des parcs nationaux. Les informations vehiculees par chacun des niveaux de notre classification sont des intrants importants pour l'inventaire ecologique du parc national du Canada Auyuittuq. Une typologie definitive reste a definir tant pour la classification de la vegetation que pour le couvert non-vegetal des parcs nationaux de l'Arctique. Des cles de classification seraient requises pour traduire ces typologies en parametres reconnaissables sur le terrain. En mettant en commun les diverses donnees de terrain existantes pour le parc national du Canada Auyuittuq et en les structurant selon ces typologies, on obtiendrait une banque d'echantillons augmentee et plus coherente. De telles donnees de references s'avereraient une base solide pour la validation des classifications presentement disponibles ainsi que pour la mise en oeuvre de travaux futurs en matiere d'inventaire ecologique pour le parc national du Canada Auyuittuq.;Mots-cles. teledetection, segmentation, parc national, Auyuittuq, Baffin, inventaire ecologique, Landsat, eCognition.
机译：对Landsat ETM +图像进行了分类，以绘制加拿大Auyuittuq国家公园南半部的土地覆盖类型。该项目使用基于图像的图像分析。 eCognition 4.0软件可以对图像进行分层分割，这类似于国家公园生态清单的概念。根据2000年8月13日获取的图像，在三个不同的感知水平上绘制了约8,300 km 2的区域。该项目中采用了数字高程模型，并根据ETM +数据。总细分级别包括375,312个对象，分为36个类别。在此级别上，分类结构基于118条规则，这些规则参考了分段的光谱，空间和地形参数。这些规则结合了数字阈值系统和最近的邻居排序操作。段对项目类别的分配取决于这些规则并响应模糊逻辑。在细分和第一类分组的融合之后，我们获得了该项目的第二级，该项目具有102,239个对象和28个主题类。从国家公园的生态清单的角度来看，这一水平类似于“生态型”。第二个分组将类别数量减少到9，将对象数量减少到36887，这近似于生态清单的“生态系统”制图。在野外，在阿克沙依克（Akshayuk）和纳克萨克（Naqsaq）山谷进行了315次摄影植被调查。对于每次调查，估计了5种植物地层的覆盖率，以便将调查安排在先验已知的8种植被类别中。在图像中，可以保留135个段作为样本。在该数量中，分别选择了71个和64个样本用于训练和验证对植被进行的最近邻分类。植被分类的总体准确性估计为54.7％。与植被不同，非植物覆盖物主要根据规则系统分类，该规则根据层次分类结构描述了34种表面的光谱行为。 20种非植物生态型的分类已通过使用992个非植物片段的光解法进行了验证，评估率为83.2％。如果在生态系统级别进行综合，分类将达到92.7％的总体成功率。对于植被的分类，按空间物体进行的图像分析可提供一种制图法，其精度等同于加拿大公园对同一幅图像进行的像素分类（54.7％vs 53） ，4％）。但是，我们的分层包括大量非工厂类别，并且它们的分类达到了更高的准确性水平。通过空间对象的分析，我们不仅可以进行纯粹的光谱分析，还可以将纹理，几何和上下文参数纳入分类过程。与基于像素的分类相比，它可以更综合地表示制图信息，但随后会丢失最异构环境的最佳空间模式。为我们的图像开发的分类结构可以成功地转换为新图像，但这需要调整分类规则，甚至需要添加或删除某些规则。类似于国家公园生态清单的概念，分层细分非常有用。我们分类的每个层次传达的信息对于加拿大Auyuittuq国家公园的生态学清单是重要的输入。对于植被的分类以及北极国家公园的非植被覆盖区，仍需定义明确的类型。需要分类关键字将这些类型转换为现场可识别的参数。通过汇总加拿大Auyuittuq国家公园的各种现有土地数据并根据这些类型进行结构化，我们将获得一个增加且更协调的样本库。此类参考数据将被证明是验证当前可用分类的坚实基础，也是实施加拿大Auyuittuq国家公园生态存货的未来工作的坚实基础；关键词。遥感，分割，国家公园，Auyuittuq，巴芬，生态资源清查，Landsat，eCognition。

著录项

  • 作者

    Troutet, Yann.;

  • 作者单位

    Universite de Sherbrooke (Canada).;

  • 授予单位 Universite de Sherbrooke (Canada).;
  • 学科 Biology Ecology.;Physical Geography.;Remote Sensing.
  • 学位 M.Env.
  • 年度 2009
  • 页码 181 p.
  • 总页数 181
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类 生态学（生物生态学）;遥感技术;自然地理学;
  • 关键词

  • 入库时间 2022-08-17 11:38:29

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号