Centre dedocumentation
scientifique

Classification of submerged aquatic vegetation in Black River using hyperspectral image analysis / Roshan Pande-Chhetri in Geomatica [en ligne], vol 68 n° 3 (September 2014)  

Public [article]  inGeomatica [en ligne] > vol 68 n° 3 (September 2014) . - pp 169 - 182 Titre : Classification of submerged aquatic vegetation in Black River using hyperspectral image analysis Type de document : Article/Communication Auteurs : Roshan Pande-Chhetri, Auteur ; Amr Abd-Elrahman, Auteur ; Charles Jacoby, Auteur Année de publication : 2014 Article en page(s) : pp 169 - 182 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] classificateur paramétrique [Termes IGN] classification par maximum de vraisemblance [Termes IGN] classification par réseau neuronal [Termes IGN] image hyperspectrale [Termes IGN] macrophyte [Termes IGN] profondeur [Termes IGN] réflexion (rayonnement) [Termes IGN] surface de l'eau Résumé : (Auteur) Le contrôle de la végétation aquatique est un élément important de la gestion des ressources en eau en raison des services écologiques rendus par ces habitats. L'imagerie hyperspectrale dense sur le plan spectral peut être un outil efficace pour cartographier et classifier les communautés macrophytes. L'identification de la végétation submergée dans les régions aquatiques est compliquée par les variations des propriétés optiques des constituants de l'eau, de la géométrie des capteurs d'eau et d'ensoleillement, de la profondeur de l'eau et de la complexité spectrale/structurale des plantes. Plusieurs études ont tenté de détecter la végétation aquatique dans les eaux côtières; mais peu d’études ont ciblé des rivières peu profondes aux eaux noires teintées contaminées par des matières organiques dissoutes du groupe chromophore (CDOM). La présente étude examine les méthodes pour analyser l'imagerie hyperspectrale aéroportée et pour détecter et classifier la végétation aquatique dans un système fluvial d'eaux noires. Les images ont été normalisées afin de tenir compte de la réflexion de la surface de l'eau et de la profondeur changeante de l'eau avant leur analyse par le classificateur à vraisemblance maximale (ML) et trois autres classificateurs non paramétriques: le réseau de neurones formels (ANN), la machine à vecteurs de support (SVM) et un appareil de cartographie angulaire spectral (SAM). L'analyse de l’évaluation de la qualité a indiqué une amélioration générale de la détection et de la classification lorsque les classificateurs non paramétriques étaient appliqués aux images normalisées et à profondeur constante. Une précision maximale de classification d'environ 69% a été atteinte lorsque le classificateur ANN était appliqué aux images normalisées et des précisions maximales de détection de 93% et de 92% ont été atteintes lorsque les classificateurs SAM et SVM étaient appliqués aux images à profondeur constante, respectivement. Numéro de notice : A2014-621 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.5623/cig2014-302 En ligne : https://doi.org/10.5623/cig2014-302 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=74999 [article]

In situ estimation of water quality parameters in freshwater aquaculture ponds using hyperspectral imaging system / Amr Abd-Elrahman in ISPRS Journal of photogrammetry and remote sensing, vol 66 n° 4 (July - August 2011)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 66 n° 4 (July - August 2011) . - pp 463 - 472 Titre : In situ estimation of water quality parameters in freshwater aquaculture ponds using hyperspectral imaging system Type de document : Article/Communication Auteurs : Amr Abd-Elrahman, Auteur ; M. Croxton, Auteur ; Roshan Pande-Chhetri, Auteur ; et al., Auteur Année de publication : 2011 Article en page(s) : pp 463 - 472 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] aquaculture [Termes IGN] chlorophylle [Termes IGN] cible cachée [Termes IGN] étang [Termes IGN] image hyperspectrale [Termes IGN] qualité des eaux [Termes IGN] turbidité des eaux Résumé : (Auteur) Knowledge of water quality parameters is integral to sustainability of freshwater aquaculture operations that raise ornamental fish. Our objective in this study is to evaluate the ability of a mobile, ground-based hyperspectral (HS) imaging sensor to determine chlorophyll-a (Chl-a) concentrations in working aquaculture ponds, which represent manipulated, shallow, nutrient-rich systems, and to determine the effect of using submerged reflectance targets on the accuracy of Chl-a estimation. We collected Chl-a measurements from aquaculture ponds ranging from 0.8 to 494 ug/L.. Chl-a measurements showed a strong correlation with two-band and three-band spectral indices computed from the HS image reflectance. Coefficient of determination (R2) values of 0.975 and 0.982 were obtained for the two- and three-band models, respectively, using spectra captured from the submerged target at 10 cm depth. Using spectra captured from water (no submerged targets), R2 values were slightly lower at 0.833 and 0.862 for two- and three-band models. Data from the submerged target at 30 cm depth had the lowest correlation with measured chlorophyll-a concentrations, potentially due to variations in water column properties and shadows cast by the platform. Modeling total Phosphorous (P) and Nitrogen (N) concentrations of the collected samples with the spectral indices sensitive to Chl-a concentrations showed a moderate level of correlation. Removing a model outlier (observation with maximum N and P concentrations) led to a significant increase in the models’ coefficient of determination (e.g. from 0.478 to 0.823 for the P model using three-band index values), which highlighted the possibility of using HS imagery to estimate N and P concentrations and the need for more research to model the interrelationships between Chl-a and nutrient concentrations in aquaculture water systems. Numéro de notice : A2011-298 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2011.02.005 En ligne : https://doi.org/10.1016/j.isprsjprs.2011.02.005 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=31077 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2011041	SL	Revue	Centre de documentation	Revues en salle	Disponible