Làm thế nào để dễ dàng xác định / phân loại rừng lá kim từ một ngày hình ảnh Landsat?

Tôi khá mới trong lĩnh vực viễn thám và tôi đang cố gắng xác định / phân loại độ che phủ của rừng lá kim từ cảnh Landsat duy nhất . Theo nghiên cứu web sơ bộ của tôi, tôi có những khả năng này:

• chuyển đổi cảnh thành giá trị NDVI . Sử dụng các giá trị phương thức của biểu đồ NDVI, tôi có thể tách các pixel cảnh thành khu vực có rừng và không có rừng
• sử dụng giá trị phương thức của băng 2,3 và 5 (B2) để xác định "đỉnh rừng" và cảnh lớp đối với rừng / không rừng (Huang, 2008: Sử dụng khái niệm vật thể tối và máy vectơ hỗ trợ để tự động phân tích thay đổi độ che phủ rừng ) . Các đặc điểm cảnh khác (đá, sông) phải được loại bỏ bằng các giá trị độ sáng của nắp Tua

Bạn có biết một cách tiếp cận đơn giản khác để phân loại độ che phủ rừng ở khu vực miền núi ? Tôi không thực sự muốn áp dụng phân loại khả năng tối đa. Có lẽ tốt hơn là sử dụng phân loại không giám sát?

Tôi đang sử dụng ERDAS, ArcGIS 10.2 và R

NDVI dành cho phân biệt thực vật / không thực vật. Vì vậy, nếu thảm thực vật của bạn luôn là rừng lá kim, thì đó nên là phương pháp hiệu quả nhất trong trường hợp của bạn. Nếu không, bạn sẽ có nhầm lẫn với cây trồng, đồng cỏ và rừng rụng lá.

Trong một khu vực rộng lớn, các ngưỡng phản xạ đơn sẽ gặp vấn đề do độ dốc (hiển thị rõ ràng trên hình ảnh của bạn). Vì vậy, nếu bạn có các loại thảm thực vật khác nhau, bạn nên điều chỉnh hiệu ứng địa hình hoặc phân loại với các ngưỡng khác nhau trên các sườn dốc và không bóng mờ. Phương pháp sau dễ hơn nhưng kém chính xác.

Lưu ý, bạn nên tận dụng các bộ dữ liệu hiện có (Global Forest Watch, PALSAR forst / non Forest map).

Nó có thể không thực sự là câu trả lời nhưng tôi có thể đăng nó dưới dạng bình luận ...

@Ông. Che tôi đã cố gắng tính Chỉ số rừng theo giấy Wentao Ye; Xi Li; Xiaoling Chen và Guo Zhang: Một chỉ số quang phổ để làm nổi bật độ che phủ rừng từ hình ảnh được cảm nhận từ xa ", Proc. SPIE 9260, Viễn thám mặt đất II, 92601L (ngày 8 tháng 11 năm 2014); doi: 10.1117 / 12.2068775

như vậy

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

trong đó B4 đại diện cho band4 từ hình ảnh đa dải Landsat.

Thật không may, tôi đã không tìm thấy kết quả khả quan ở sườn phía bắc và khu vực không chính thức của mình, không sử dụng các giá trị DN, cũng không sử dụng các giá trị phản xạ được tải xuống từ hệ số phản xạ bề mặt GLS như được hiển thị ở đây:

Tôi cho rằng việc bình thường hóa địa hình bị thiếu của dữ liệu của tôi sẽ rất quan trọng đối với việc khai thác rừng ở sườn phía bắc.

Vì lý do này, tôi cho rằng việc tính toán chỉ số Rừng không có vẻ gì thực sự hữu ích. Tôi khuyên bạn nên thử một cách tiếp cận khác được mô tả trong Meddens, AJH, Hicke, JA, Vierling, LA, & Hudak, AT (2013). Đánh giá các phương pháp để phát hiện cây chết do bọ cánh cứng sử dụng hình ảnh Landsat một ngày và nhiều ngày. Viễn thám về môi trường, 132, 49 cạn58. doi: 10.1016 / j.rse.2013.01.002 trong phần 2.4 Ngày duy nhất và 2.5 Phân loại đa cấp (trang 52) phương pháp tiếp cận meddens để xác định độ che phủ rừng

Tôi đã tìm thấy bài báo khoa học này để lập bản đồ rừng / phi rừng bằng Landsat nhưng tiếc là nó không miễn phí để đọc (15 $).

Wentao Ye; Xi Li; Xiaoling Chen và Guo Zhang

Một chỉ số quang phổ để làm nổi bật độ che phủ rừng từ hình ảnh được cảm nhận từ xa ", Proc. SPIE 9260, Viễn thám mặt đất II, 92601L (ngày 8 tháng 11 năm 2014); doi: 10.1117 / 12.2068775

Dưới đây là trích dẫn chú thích:

FI (chỉ số rừng) có nguồn gốc từ ba dải, dải màu xanh lá cây, đỏ và gần hồng ngoại (NIR) và hình ảnh FI có thể được phân loại thành bản đồ rừng / phi rừng với ngưỡng. Độ chính xác tổng thể của các bản đồ phân loại ở hai khu vực nghiên cứu lần lượt là 97,8% và 96,2%, điều này cho thấy FI có hiệu quả trong việc làm nổi bật độ che phủ rừng.

Thật không may, tôi không thể truy cập bài viết này vì vậy không chắc chắn nếu chỉ số này hoạt động tốt. Riêng tôi cố gắng tái tạo chỉ mục này bằng cách sử dụng các băng tần được chỉ định đều thất bại. Tôi gửi mail cho các tác giả với yêu cầu gửi bài viết này nhưng vẫn không nhận được câu trả lời.

CẬP NHẬT

Đây là một bài báo: liên kết