Глобальная классификация наземного покрова с пространственным разрешением 1 км с использованием метода классификационных деревьев

Global land cover classification at 1 km spatial resolution using a classification tree approach
Matthew C. Hansen, Ruth DeFries, J. R. Townshend, R. A. Sohlberg
2000-01-01

пространственное разрешение 1 кмусовершенствованный радиометр высокого пространственного разрешения (AVHRR)нормализованный разностный вегетационный индекс (NDVI)дерево классификацииглобальная классификация земного покрова
В статье описывается создание классификации наземного покрова с пространственным разрешением 1 км на основе данных за 1992–1993 годы, полученных с помощью радиометра Advanced Very High Resolution Radiometer (AVHRR). Эта карта будет включена в число продуктов, доступных на момент запуска Moderate Resolution Imaging Spectroradiometer (MODIS), и будет использоваться в качестве входных данных для нескольких алгоритмов, которым необходима информация о типе наземного покрова. Методика была разработана на основе аналогичной работы по созданию продукта с пространственным разрешением 8 км, в рамках которой данные высокого разрешения интерпретировались для формирования обучающей выборки с более низким разрешением. В иерархической структуре дерева использовался набор из 37 294 пикселей размером 1 × 1 км, на основе которого данные AVHRR классифицировались по 12 классам. Применённый подход включал иерархию попарных классификационных деревьев, в которых до выделения всех классов использовалась логика, основанная на форме растительности. Для прогнозирования принадлежности к классам применялись многовременные метрики AVHRR. К наиболее часто использовавшимся метрикам относились минимальная годовая отражательная способность в красном диапазоне, максимальное за год значение нормализованного разностного вегетационного индекса (NDVI) и минимальная температура яркости в третьем канале. Изображения лесов и редколесий, а также территорий механизированного сельского хозяйства в целом согласуются с другими источниками информации, тогда как такие классы, как сельскохозяйственные угодья с низкой биомассой и широколиственные леса высоких широт, представлены неудовлетворительно. Сопоставление итогового продукта с региональными цифровыми картами наземного покрова, созданными на основе данных дистанционного зондирования высокого разрешения, выявило общее соответствие, за исключением, по-видимому, недостаточно точного отображения умеренных пастбищ в пределах сельскохозяйственных территорий. Разделение лесных и нелесных территорий для этих региональных выборок было выполнено с точностью от 81 до 92%. Среднее соответствие по всем классам составляло 65% при учёте всех пикселей и возрастало до 82% при рассмотрении только тех пикселей размером 1 км, которые в наборах данных высокого разрешения более чем на 90% относились к одному классу.
1
На основе данных AVHRR за 1992–1993 годы создана глобальная классификация земного покрова с пространственным разрешением 1 км для включения в исходный продукт MODIS.
2
Иерархический подход с попарными деревьями классификации распределил 37 294 пикселя размером 1 км по 12 классам земного покрова, используя многовременные показатели AVHRR.
3
Среднее согласие по всем классам составило 65% для всех пикселей и выросло до 82% для пикселей, более чем на 90% состоящих из одного эталонного класса; пастбища умеренного пояса отображались плохо.
4
Классификация лесных и нелесных территорий достигла согласия 81–92% на региональных выборках с эталонными данными высокого разрешения.
5
Минимальная годовая отражательная способность в красном канале, максимальный годовой NDVI и минимальная яркостная температура в третьем канале были одними из наиболее часто используемых предикторов.

Глобальный наземный покров с пространственным разрешением 1 км, классифицированный по данным AVHRR за 1992–1993 годы

Точность и эффективность различения 12 классов наземного покрова, включая отображение лесов, сельскохозяйственных угодий и других классов растительности

Publication Details
Publication Date
2000-01-01
Journal
Publisher
ISSN
Access Type
Author Information
Authors
Matthew C. Hansen
Ruth DeFries
J. R. Townshend
R. A. Sohlberg
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%