• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>other >A Practical and Automated Approach to Large Area Forest Disturbance Mapping with Remote Sensing
【2h】

A Practical and Automated Approach to Large Area Forest Disturbance Mapping with Remote Sensing

机译：一种实用自动化的大面积森林扰动遥感监测方法

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, I describe a set of procedures that automate forest disturbance mapping using a pair of Landsat images. The approach is built on the traditional pair-wise change detection method, but is designed to extract training data without user interaction and uses a robust classification algorithm capable of handling incorrectly labeled training data. The steps in this procedure include: i) creating masks for water, non-forested areas, clouds, and cloud shadows; ii) identifying training pixels whose value is above or below a threshold defined by the number of standard deviations from the mean value of the histograms generated from local windows in the short-wave infrared (SWIR) difference image; iii) filtering the original training data through a number of classification algorithms using an n-fold cross validation to eliminate mislabeled training samples; and finally, iv) mapping forest disturbance using a supervised classification algorithm. When applied to 17 Landsat footprints across the U.S. at five-year intervals between 1985 and 2010, the proposed approach produced forest disturbance maps with 80 to 95% overall accuracy, comparable to those obtained from traditional approaches to forest change detection. The primary sources of mis-classification errors included inaccurate identification of forests (errors of commission), issues related to the land/water mask, and clouds and cloud shadows missed during image screening. The approach requires images from the peak growing season, at least for the deciduous forest sites, and cannot readily distinguish forest harvest from natural disturbances or other types of land cover change. The accuracy of detecting forest disturbance diminishes with the number of years between the images that make up the image pair. Nevertheless, the relatively high accuracies, little or no user input needed for processing, speed of map production, and simplicity of the approach make the new method especially practical for forest cover change analysis over very large regions.
机译：在本文中，我描述了一套使用一对Landsat图像自动进行森林干扰映射的程序。该方法基于传统的成对更改检测方法，但设计为无需用户交互即可提取训练数据，并使用能够处理标签错误的训练数据的强大分类算法。此过程中的步骤包括：i）为水，非林区，云和云影创建遮罩； ii）识别其值高于或低于阈值的训练像素，该阈值由与短波红外（SWIR）差异图像中的局部窗口生成的直方图的平均值的标准偏差的数量定义； iii）使用n倍交叉验证通过多种分类算法过滤原始训练数据，以消除标签错误的训练样本；最后，iv）使用监督分类算法绘制森林干扰图。在1985年至2010年之间的五年时间间隔内，将其应用于美国的17个Landsat足迹中，所提出的方法所产生的森林干扰图具有80％至95％的总体准确度，与传统的森林变化检测方法所获得的结果相当。错误分类错误的主要来源包括森林识别不准确（佣金错误），与陆地/水面罩有关的问题以及图像筛选期间遗漏的云层和云层阴影。该方法需要至少在落叶林地的高峰生长期的图像，并且不能轻易地区分森林采伐与自然干扰或其他类型的土地覆被变化。森林干扰的检测精度随着组成图像对的图像之间的年限而降低。然而，相对较高的精度，处理所需的用户输入很少或没有输入，地图生成速度以及该方法的简单性，使得该新方法特别适用于在非常大的区域进行森林覆盖率变化分析。

著录项

  • 期刊名称 other
  • 作者

    Mutlu Ozdogan;

  • 作者单位
  • 年(卷),期 -1(9),4
  • 年度 -1
  • 页码 e78438
  • 总页数 13
  • 原文格式 PDF
  • 正文语种
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

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