Centre dedocumentation
scientifique

Combining spatiotemporal fusion and object-based image analysis for improving wetland mapping in complex and heterogeneous urban landscapes / Meng Zhang in Geocarto international, vol 34 n° 10 ([15/07/2019])  

Public [article]  inGeocarto international > vol 34 n° 10 [15/07/2019] . - pp 1144 - 1161 Titre : Combining spatiotemporal fusion and object-based image analysis for improving wetland mapping in complex and heterogeneous urban landscapes Type de document : Article/Communication Auteurs : Meng Zhang, Auteur ; Yongnian Zeng, Auteur ; Wei Huang, Auteur ; Songnian Li, Auteur Année de publication : 2019 Article en page(s) : pp 1144 - 1161 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] analyse d'image orientée objet [Termes descripteurs IGN] Chine [Termes descripteurs IGN] données spatiotemporelles [Termes descripteurs IGN] fusion d'images [Termes descripteurs IGN] hétérogénéité [Termes descripteurs IGN] image Landsat-8 [Termes descripteurs IGN] image Landsat-OLI [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] paysage urbain [Termes descripteurs IGN] zone humide Résumé : (auteur) Remote sensing has been proven promising in wetland mapping. However, conventional methods in a complex and heterogeneous urban landscape usually use mono temporal Landsat TM/ETM + images, which have great uncertainty due to the spectral similarity of different land covers, and pixel-based classifications may not meet the accuracy requirement. This paper proposes an approach that combines spatiotemporal fusion and object-based image analysis, using the spatial and temporal adaptive reflectance fusion model to generate a time series of Landsat 8 OLI images on critical dates of sedge swamp and paddy rice, and the time series of MODIS NDVI to calculate phenological parameters for identifying wetlands with an object-based method. The results of a case study indicate that different types of wetlands can be successfully identified, with 92.38%. The overall accuracy and 0.85 Kappa coefficient, and 85% and 90% for the user’s accuracies of sedge swamp and paddy respectively. Numéro de notice : A2019-302 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2018.1474275 date de publication en ligne : 17/05/2018 En ligne : https://doi.org/10.1080/10106049.2018.1474275 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93222 [article]