Hierarchical Image Classification and Extraction of Forest Species Composition and Crown Closure from Airborne Multispectral Images

RÉSUMÉ

Des images numériques multispectrales à résolution spatiale élevée (DMS pour digital multispectral) ont été acquises à une résolution de pixel de 32 × 25 cm en vue de déterminer la capacité des méthodes d'analyse actuelle d'images à extraire les détails relatifs aux peuplements et à la végétation d'après les caractéristiques spatiales et par pixel. Les données d'images ont été acquises à une altitude d'environ 150 m au-dessus d'un écosystème forestier à maturité, près du lac Barrier dans la région de Kananaskis, dans le sud-ouest de l'Alberta. Les données de l'Alberta Vegetation Inventory (AVI), qui comprennent la composition et la fermeture du couvert forestier, ont été recueillies sur 22 parcelles réparties dans de nombreux peuplements purs et mélangés à dominance de feuillus ou de conifères. La précision de la classification des images a été établie pour les données DMS à l'aide des techniques de classification de probabilité maximale appliquées hiérarchiquement ainsi qu'à partir des étiquettes de classe AVI à un niveau de détails décroissant. La précision initiale était faible, mais le processus de précision hiérarchique qui a servi à fusionner, à éliminer ou à accepter les classes d'images a permis de hausser la précision moyenne à plus de 65 % pour une sélection réduite de types de peuplement. On a utilisé des méthodes d'analyse d'images basées sur les caractéristiques spatiales à l'aide d'une série d'opérations de nature spatiale, de filtrage et de classification pour séparer les attributs individuels comme les cimes, les sous-étages et les ombres contenus dans les données d'image. Il n'y avait aucune différence statistique entre les zones de cimes mesurées au niveau des parcelles, comparativement à des mesures similaires dérivées à partir de l'image numérique, lorsque les mesures étaient circonscrites par un filtre laplacien. La précision de classification de la composition des espèces était plus élevée pour le peuplier faux-tremble (89 %) que pour le pin tordu latifolié (80 %) et l'épinette blanche (84 %). Nous avons par la suite utilisé un classificateur contextuel pour établir un étiquetage de la composition et de la fermeture du couvert forestier.

SUMMARY

High spatial resolution digital multispectral (DMS) images were acquired at a pixel resolution of 32 by 25 cm to determine the extent forest stand and vegetation detail could be derived from existing per-pixel and spatial feature-based image analysis methods. The image data were acquired from approximately 150 m above a mature forest ecosystem near Barrier Lake in Kananaskis Country, southwestern Alberta. Alberta Vegetation Inventory (AVI) data, including species composition and crown closure, were collected at 22 plots scattered throughout several pure and deciduous and coniferous dominant mixedwood stands. Image classification accuracy was determined for DMS data using maximum likelihood classification techniques applied in a hierarchical fashion, and to AVI class labels at decreasing levels of detail. Initial accuracy was low, but the hierarchical decision process by which image classes were merged, eliminated, or accepted, increased average accuracy to over 65% for a limited selection of stand types. Spatial feature-based methods of image analysis were employed using a series of filtering, classification and spatial operations to separate individual attributes such as tree crowns, understory, and shadows resolved in the image data. There were no statistical differences between crown areas measured at the plot level compared to similar measurements derived from the digital image when delineated by a Laplacian filter. Species composition classification accuracy was higher for trembling aspen (89%) than for lodgepole pine (80%) and white spruce (84%). A contextual classifier was subsequently used to construct a forest composition label for species composition and crown closure.

Additional information

Notes on contributors

G. Gerylo

•

G. Gerylo and S. E. Franklin are with the Department of Geography, The University of Calgary, Calgary, AB T2N 1N4

R.J. Hall

•

R. J. Hall is with Natural Resources Canada, Canadian Forest Service, Edmonton, AB, T6H 3S5

S.E. Franklin

•

G. Gerylo and S. E. Franklin are with the Department of Geography, The University of Calgary, Calgary, AB T2N 1N4

A. Roberts

•

A. Roberts is with the Department of Geography, Simon Fraser University, Vancouver, BC, V5A 1S6

E.J. Milton

•

E. J. Milton is with the Department of Geography, University of Southampton, Hampshire UK