Classification de l'occupation du sol dans une région tropicale humide du Brésil à l'aide d'images Landsat Thematic Mapper

Cette recherche vise à améliorer la précision de la classification de l'occupation du sol dans une région tropicale humide du Brésil en examinant l'utilisation de différentes variables dérivées de la télédétection et d'algorithmes de classification. Différents scénarios basés sur les données spectrales Landsat Thematic Mapper (TM) et les indices de végétation dérivés ainsi que des images texturées ont été explorés, ainsi que différents algorithmes de classification - classification par maximum de vraisemblance (MLC), réseau de neurones artificiels (ANN), analyse d'arbres de classification (CTA) et classification basée sur les objets (OBC). Les résultats ont indiqué qu'une combinaison d'indices de végétation comme bandes supplémentaires dans les bandes multimédias Landsat TM n'a pas amélioré la performance globale de la classification, mais la combinaison d'images texturées était précieuse pour améliorer la précision de la classification de la végétation. En particulier, la combinaison des indices de végétation et des images texturées dans les bandes multimédias TM a amélioré la précision globale de la classification de 5,6 % et le coefficient kappa de 6,25 %. La comparaison des différents algorithmes de classification a indiqué que la CTA et l'ANN avaient une performance de classification médiocre dans cette recherche, mais que l'OBC améliorait les précisions de classification des forêts primaires et des pâturages. Cette recherche indique que l'utilisation d'images texturées ou l'utilisation de l'OBC sont particulièrement précieuses pour améliorer les classes de végétation telles que les classes de forêts de haute lande et de lianes ayant des structures de peuplement complexes et des tailles de patch relativement grandes.