Object-oriented land cover classification of lidar-derived surfaces

AbstractLight detection and ranging (lidar) provides high-resolution vertical and horizontal spatial data and has become an important technology for generating digital elevation models (DEMs) and digital surface models (DSMs). The latest terrestrial lidar sensors record intensity and echo information for each pulse in addition to range. In this study, lidar height and intensity data were used to classify land cover using an object-oriented approach. The study area was selected based on the variety of land cover types present and consists of urban, mixed forest, and wetland-estuary coastal environments. Surfaces constructed from the lidar points included DSM, DEM, intensity, multiple echos, and normalized height. These surfaces were segmented and classified using object rule based classification. Ten classes were extracted from the lidar data, including saturated and non-saturated intertidal sediments, saturated or stressed and lush ground cover vegetation, low and tall deciduous and coniferous trees, roads and bare soil, bright-roofed structures, dark-roofed structures, and water. The accuracy of the classification was assessed using independent ground reference polygons interpreted from colour orthophotographs and intensity images. The average accuracy of the 10 classes was 94%, but improved to 98% when the classification results were aggregated into seven classes. The results indicate that accurate land cover maps can be generated from a single lidar survey using the derived surfaces, and that image object segmentation and rule-based classification techniques allow the exploitation of spectral and spatial attributes of the lidar data.La haute définition des données spatiales altimétriques et horizontales fournies par lidar (détection et télémétrie par ondes lumineuses) fait de lui une technologie clé dans l'élaboration de modèles altimétriques (MAN) et surfaciques numériques (MSN). Les capteurs lidar terrestres de dernière heure enregistrent des données non seulement sur la distance, mais aussi sur l'intensité et l'écho radar de chaque impulsion radar. Au cours de cette étude les données lidar altimétriques et d'intensité ont été utilisées dans une approche centré-objet pour catégoriser les couvertures terrestres. En effet, la zone de l'étude a eté sélectionnée en raison de l'éventail des couvertures y présentes : milieu urbain, forêt mixte, et estuaire marécageux côtier. Les surfaces créées à partir des retours d'impulsions lidar comprenaient des MAN, des MSN et des surfaces d'intensité, d'échos multiples, et de hauteur normalisée. Ces surfaces ont été segmentées et catégorisées selon un schéma d'objets fondé sur des règles. Dix classes de couverture ont été tirées des données lidar, comprenant les sédiments intertidaux saturés et non-saturés; les tapis végataux saturés, agressés et luxuriants; les arbres conifères et décidus, bas et hauts; les chausées et le sol nu; les bâtiments aux toitures lumineuses et sombres; et l'eau. L'exactitude de ce classement a été évaluée en utilisant des polygones de référence au sol élaborés à base d'orthographies en couleur et d'images d'intensité. L'exactitude moyenne des dix classes étaient de 94 %, chiffre qui passait à 98 % si on consolidait les résultats en sept classes. Les résultats donnent à croire : qu'il est possible de cartographier la couverture terrestre à partir d'une seule levée lidar en employant les surfaces dérivées ; et que la segmentation de l'image en objets et les techniques de classification fondées sur des règles permettent d'exploiter les attributs spatial et spectral des données lidar.[Traduit par la Rédaction]