Comparaison des approches basées sur les pixels et les objets pour classifier les images multispécifiques de drones d'un site de restauration et de référence de marais salé

La surveillance des marais salés par télédétection est nécessaire pour évaluer leur état et leur restauration. Déterminer les techniques appropriées pour cela peut être écrasant. Notre étude fournit un aperçu pour savoir si une approche de classification Random Forest basée sur les pixels ou sur les objets est la meilleure pour cartographier la végétation dans les marais salés du nord tempéré. Nous avons utilisé des variables d'entrée provenant d'images de drones (réflectances brutes, indices de végétation et caractéristiques texturales) acquises en juin, juillet et août 2021 d'un site de restauration et de référence de marais salés à Aulac, Nouveau-Brunswick, Canada. Nous avons également étudié l'importance des variables d'entrée et si l'utilisation de classes de couverture terrestre représentant des zones de changement était un moyen pratique d'évaluer la variation dans les images mensuelles. Nos résultats ont indiqué que (1) les classificateurs ont obtenu des précisions de validation globales de 91,1 à 95,2 % ; (2) les classificateurs basés sur les pixels ont surpassé les classificateurs basés sur les objets de 1,3 à 2,0 % ; (3) les variables d'entrée extraites des images d'août étaient plus importantes que celles extraites des images de juin et juillet ; (4) certaines réflectances brutes, indices de végétation et caractéristiques texturales figuraient parmi les variables les plus importantes ; et (5) les classes qui ont changé temporellement ont été cartographiées avec des précisions de validation par l'utilisateur et du producteur de 86,7 à 100,0 %. Les connaissances acquises au cours de cette étude informeront les évaluations des trajectoires de restauration des marais salés s'étendant sur plusieurs années.