Thematic mapper (TM) based accuracy assessment of a land cover product for Canada derived from SPOT VEGETATION (VGT) data

AbstractThis paper addresses the accuracy assessment of land cover products derived from coarse-resolution data. The specific product being evaluated covers the landmass of Canada and was derived from the Satellite pour l'observation de la terre 4 SPOT-4 VEGETATION (VGT) data for 1998. A set of representative Landsat frames was identified using a selection algorithm. Recent growing season thematic mapper (TM) (or enhanced thematic mapper plus, ETM+) scenes were digitally classified and precisely registered to the VGT map, and confusion matrixes were produced. The paper addresses methodological issues concerned with geometric and thematic correspondence between the two data sets, the VGT class accuracies, and factors affecting these. It was found that depending on the number of thematic classes (35 to 9) and VGT pixel homogeneity, the agreement between VGT and TM classifications ranged from 20 to 70%. These results are consistent with earlier assessments of similar products using high-resolution land cover maps. Using a TM data set representing ~8% of the total area, the VGT and TM classifications overestimated the extent of forests by 7.2% (35 classes) and 5.9% (12 classes), respectively. It is shown that the main obstacle to achieving high accuracies of land cover products derived from coarse-resolution satellite data is the heterogeneous land cover at subpixel resolution. The effects of within-pixel land cover heterogeneity, labelling errors, and geographic variations are discussed.Cet article s'intéresse à l'évaluation de la précision des produits du couvert dérivés des données à résolution grossière. Le produit particulier sous évaluation couvre la masse continentale du Canada et est dérivé des données de SPOT-4 VEGETATION (aussi connu sous l'appellation VGT) pour 1998. Un ensemble de clichés représentatifs de Landsat a été identifié à l'aide d'un algorithme de sélection. Des scènes récentes TM (thematic mapper ou enhanced thematic mapper plus, ETM+), acquises durant la saison de croissance, ont été classifiées numériquement, co-registrées avec précision par rapport à la carte VGT et des matrices de confusion ont été produites. Cet article s'intéresse aux questions méthodologiques relatives à la correspondance géométrique et thématique entre les deux ensembles de données, à la précision des classes VGT et aux facteurs les affectant. Il a été observé que, dépendant du nombre de classes thématiques (35 à 9) et de l'homogénéité des pixels VGT, la correspondance entre les classifications VGT et TM variait de 20 % à 70 %. Ces résultats sont conformes aux évaluations antérieures pour des produits semblables utilisant des cartes du couvert à haute résolution. Basé sur l'utilisation d'un ensemble de données TM correspondant à ~8 % de l'ensemble du territoire, on a pu observer que l'étendue des forêts était surestimée de 7,2 % (35 classes) et 5,9 % (12 classes), respectivement. Il est démontré que le principal obstacle à l'atteinte de niveaux élevés de précision dans les produits du couvert dérivés des données satellitaires à résolution grossière est l'hétérogénéité du couvert à la résolution du sous-pixel. On discute des effets de l'hétérogénéité intra-pixel du couvert, des erreurs d'étiquetage et des variations géographiques.[Traduit par la Rédaction]