Combinaison de l'information spatiale et polarimétrique pour la cartographie de la composition forestière à partir d'images ROS RADARSAT-2

Abstract

The present study presents an approach simultaneously using the spatial information and polarimetric information provided by RADARSAT-2 Quad Pol multipolarization image data for the classification of forest species. Two statistical models were used for classification purposes: (i) a Markov model taking into account the spatial statistical dependencies between adjacent sites based on an initial segmentation derived from the K-means algorithm and, (ii) a K distribution model using as parameters the covariance matrix containing all the polarimetric information and the shape parameter characteristic of the K distribution estimated using the moments of the theoretical and practical normalized intensities. The classification is optimized using the stochastic simulated annealing (SA) algorithm. Validation of the results was carried out through comparison with ground data observations. The variation of the backscattering coefficient σ° obtained for the RADARSAT-2 Quad Pol multipolarization images with incidence angles of 26° and 45° is equal to 3 dB for the different types of tree species stands. Using HH, VV, and HV linear polarizations it was possible to discriminate only four classes (watercourses, tolerant hardwoods, intolerant hardwoods, and conifers), with only a slight interclass difference of 1 dB. With a modification of the incidence angle from 26° to 45°, no significant change in the variation of the backscattering coefficient was noted in relation to the different types of tree species. The mean and overall precision results obtained for the classification are 81.47% and 79.12%, respectively, for the image with a 45° incidence angle and 77.13% and 72.35% for the image with a 26° incidence angle.

[Traduit par la Rédaction]

La présente étude propose une approche qui utilise simultanément l'information spatiale et l'informationpolarimétrique fournie par les données d'images multi-polarisées de RADARSAT-2 en mode Quad Pol pour la classification des essences forestières. À cet effet, deux modèles statistiques ont été utilisés pour la classification : (1) un modèle markovien pour prendre en compte les dépendances statistiques spatiales entre sites adjacents en se basant sur une segmentation initiale fournie par l'algorithme de K-means et (2) un modèle de distribution K avec comme paramètres, la matrice de covariance contenant toutes les informations polarimétriques et le paramètre de forme caractéristique de la distribution K estimé à partir des moments des intensités normalisées théoriques et pratiques. La classification est optimisée par l'algorithme stochastique de recuit simulé (RS). La validation des résultats obtenus a été réalisée par comparaison avec les mesures d'inventaire de terrain. La variation du coefficient de rétrodiffusion σ° obtenue pour les images multi-polarisées de RADARSAT-2 en mode Quad Pol avec les angles d'incidence de 26° et 45° est de 3 dB pour les différents types de regroupements d'espèces d'arbres. Les polarisations linéaires HH, VV et HV n'ont permis de différencier que quatre classes (cours d'eau, feuillus tolérants, feuillus intolérants et conifères), de plus avec seulement une légère différence de 1 dB entre elles. Avec le changement de l'angle d'incidence de 26° à 45°, aucun changement significatif de la variation du coefficient de rétrodiffusion n'a été noté par rapport aux différents types d'espèces d'arbres. Les résultats des exactitudes moyenne et globale de la classification obtenus sont respectivement de 81,47% et 79,12% pour l'image avec un angle d'incidence de 45° et 77,13% et 72,35% pour celle de 26°.