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]