Los efectos de la resolución espacial y el remuestreo en la precisión de clasificación de especies de vegetación de humedales y objetos en el suelo: un estudio basado en imágenes UAV de alta resolución espacial
Autores: Chen, Jianjun; Chen, Zizhen; Huang, Renjie; You, Haotian; Han, Xiaowen; Yue, Tao; Zhou, Guoqing
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Los efectos de la resolución espacial y el remuestreo en la precisión de clasificación de especies de vegetación de humedales y objetos en el suelo: un estudio basado en imágenes UAV de alta resolución espacial
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Imágenes de teledetección
Resolución espacial
Especies de vegetación
Objetos en el suelo
Precisión de clasificación
Remuestreo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Al emplear imágenes de teledetección, es un desafío clasificar especies de vegetación y objetos en el suelo debido a la abundancia de especies de vegetación de humedales y la alta fragmentación de los objetos en el suelo. Las imágenes de teledetección se clasifican principalmente según su resolución espacial, lo que impacta significativamente en la precisión de la clasificación de especies de vegetación y objetos en el suelo. Sin embargo, aún hay áreas de mejora en el estudio de los efectos de la resolución espacial y el remuestreo en los resultados de clasificación. El área de estudio en este artículo fue la zona central del Parque Nacional de Humedales Karsticos de Huixian en Guilin, Guangxi, China. Las imágenes aéreas (Am) con diferentes resoluciones espaciales se obtuvieron utilizando la plataforma UAV, y las imágenes remuestreadas (An) con diferentes resoluciones espaciales se obtuvieron utilizando el método de agregación de píxeles. Para evaluar el impacto de las resoluciones espaciales y el remuestreo en la precisión de la clasificación, se utilizaron las Am y las An para la clasificación de especies de vegetación y objetos en el suelo basándose en el método de análisis de imágenes basado en objetos geográficos (GEOBIA) además de varios clasificadores de aprendizaje automático. Los resultados mostraron que: (1) En imágenes multiescala, tanto el parámetro de escala óptimo (SP) como el tiempo de procesamiento disminuyeron a medida que la resolución espacial disminuyó en el proceso de segmentación multiresolución. A la misma resolución espacial, el SP de las An fue mayor que el de las Am. (2) En el caso de las Am y las An, las variables de características apropiadas eran diferentes, y las características espectrales y de textura en las An eran más significativas que las de las Am. (3) Los resultados de clasificación de varios clasificadores en el caso de las Am y las An mostraron tendencias similares para resoluciones espaciales que oscilaban entre 1.2 y 5.9 cm, donde la precisión general de la clasificación aumentó y luego disminuyó de acuerdo con la disminución de la resolución espacial. Además, la precisión de clasificación de las Am fue mayor que la de las An. (4) Cuando se clasificaron especies de vegetación y objetos en el suelo a diferentes escalas espaciales, la precisión de clasificación difería entre las Am y las An.
Descripción
Al emplear imágenes de teledetección, es un desafío clasificar especies de vegetación y objetos en el suelo debido a la abundancia de especies de vegetación de humedales y la alta fragmentación de los objetos en el suelo. Las imágenes de teledetección se clasifican principalmente según su resolución espacial, lo que impacta significativamente en la precisión de la clasificación de especies de vegetación y objetos en el suelo. Sin embargo, aún hay áreas de mejora en el estudio de los efectos de la resolución espacial y el remuestreo en los resultados de clasificación. El área de estudio en este artículo fue la zona central del Parque Nacional de Humedales Karsticos de Huixian en Guilin, Guangxi, China. Las imágenes aéreas (Am) con diferentes resoluciones espaciales se obtuvieron utilizando la plataforma UAV, y las imágenes remuestreadas (An) con diferentes resoluciones espaciales se obtuvieron utilizando el método de agregación de píxeles. Para evaluar el impacto de las resoluciones espaciales y el remuestreo en la precisión de la clasificación, se utilizaron las Am y las An para la clasificación de especies de vegetación y objetos en el suelo basándose en el método de análisis de imágenes basado en objetos geográficos (GEOBIA) además de varios clasificadores de aprendizaje automático. Los resultados mostraron que: (1) En imágenes multiescala, tanto el parámetro de escala óptimo (SP) como el tiempo de procesamiento disminuyeron a medida que la resolución espacial disminuyó en el proceso de segmentación multiresolución. A la misma resolución espacial, el SP de las An fue mayor que el de las Am. (2) En el caso de las Am y las An, las variables de características apropiadas eran diferentes, y las características espectrales y de textura en las An eran más significativas que las de las Am. (3) Los resultados de clasificación de varios clasificadores en el caso de las Am y las An mostraron tendencias similares para resoluciones espaciales que oscilaban entre 1.2 y 5.9 cm, donde la precisión general de la clasificación aumentó y luego disminuyó de acuerdo con la disminución de la resolución espacial. Además, la precisión de clasificación de las Am fue mayor que la de las An. (4) Cuando se clasificaron especies de vegetación y objetos en el suelo a diferentes escalas espaciales, la precisión de clasificación difería entre las Am y las An.