Image segmentation and classification of Landsat Thematic Mapper data using a sampling approach for forest cover assessment

$50.00 plus tax (Refund Policy)

Buy Article:

Abstract:

Remote sensing surveys for estimating forest cover may be divided into two approaches: wall-to-wall and sampling. Sampling approaches offer a practical alternative to wall-to-wall mapping, but estimates of forest cover may be affected by the sampling rate of the estimation area. This study aimed to obtain stable estimates of forest cover from satellite data using object-oriented classification at the national level. We investigated a suitable value for the scale parameter in object-oriented classification using eCognition software to identify land cover types, and we evaluated the sampling rate for estimating forest cover at the national level. We used eight different scale parameters when applying object-oriented classification to Landsat data for a set of forty-six 10km× 10km sampling tiles centered at each degree of latitude and longitude in Japan. The scale parameter of 10 or less was found suitable for obtaining objects with areas of about 5ha. Overall accuracy in classification was greater than 75% and greatest when the scale parameter was between 6 and 10. We then analyzed the entire land area of Japan using 10km× 10km tiles to evaluate the optimum sampling rate for estimating forest cover. A sampling rate greater than 20% was required to stably estimate forest cover in Japan.

Les inventaires effectués au moyen de la télédétection pour estimer le couvert forestier peuvent être classés selon deux approches: systématique et par échantillonnage. Les approches par échantillonnage offrent une alternative pratique à la cartographie systématique mais les estimations du couvert forestier peuvent être influencées par le taux d’échantillonnage et la zone d’estimation. Cette étude visait à obtenir des estimations stables du couvert forestier à partir de données satellitaires en utilisant une classification orientée objet à l’échelle nationale. Nous avons cherché une valeur appropriée pour le paramètre d’échelle dans la classification orientée objet à l’aide du logiciel eCognition pour identifier les types de couvert et nous avons évalué le taux d’échantillonnage pour estimer le couvert forestier à l’échelle nationale. Nous avons utilisé huit paramètres d’échelle différents lorsque nous avons appliqué la classification orientée objet aux données Landsat pour un ensemble de 46 tuiles échantillons de 10km× 10km centrées à l’intersection de chaque degré de latitude et de longitude au Japon. Nous avons trouvé qu’un paramètre d’échelle de 10 ou moins était approprié pour obtenir des objets avec une superficie de 5ha. La précision globale de la classification était plus grande que 75% et maximale lorsque le paramètre d’échelle était situé entre 6 et 10. Nous avons ensuite analysé le territoire du Japon au complet en utilisant des tuiles de 10km× 10km pour évaluer le taux optimal d’échantillonnage pour estimer le couvert forestier. Un taux d’échantillonnage supérieur à 20% était nécessaire pour obtenir des estimations stables du couvert forestier au Japon.

Document Type: Research Article

Publication date: January 1, 2011

More about this publication?
  • Published since 1971, this monthly journal features articles, reviews, notes and commentaries on all aspects of forest science, including biometrics and mensuration, conservation, disturbance, ecology, economics, entomology, fire, genetics, management, operations, pathology, physiology, policy, remote sensing, social science, soil, silviculture, wildlife and wood science, contributed by internationally respected scientists. It also publishes special issues dedicated to a topic of current interest.
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Terms & Conditions
  • Sample Issue
  • Reprints & Permissions
  • ingentaconnect is not responsible for the content or availability of external websites
Related content

Tools

Favourites

Share Content

Access Key

Free Content
Free content
New Content
New content
Open Access Content
Open access content
Subscribed Content
Subscribed content
Free Trial Content
Free trial content
Cookie Policy
X
Cookie Policy
ingentaconnect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more