view in publisher's site

Structure Analysis and Classification of Boreal Forests Using Airborne Hyperspectral BRDF Data from ASAS

A new approach is presented for deriving vegetation canopy structural characteristics from hyperspectral bidirectional reflectance distribution function (BRDF) data. The methodology is based on the relationship between spectral variability of BRDF effects and canopy geometry. Tests with data acquired with the Advanced Solid-State Array Spectroradiometer (ASAS) over Canadian boreal forests during the BOREAS campaign show that vegetation structural characteristics can be derived from the spectral variability of BRDF effects. In addition, the incorporation of both BRDF effects and hyperspectral resolution data substantially improve the classification accuracy. Best classification results are obtained when hyperspectral resolution and BRDF data are combined, but the improvement is not consistent for all classes. For example, adding BRDF information to hyperspectral data increases the overall classification accuracy for a six-class fen site from 37.8% to 44.7%. The addition, however, reduces the accuracy for the jack pine class from 43.6% to 28.8%. These new findings provide evidence for improved capabilities for applications of MISR and MODIS data. The spectral resolution of MODIS is expected to be sufficient to derive canopy structural information based on the spectral variability of BRDF effects, and for MISR a significant improvement of classification accuracies can be anticipated from the combination of nadir reflectance and off-nadir data.

تجزیه و تحلیل ساختار و طبقه‌بندی جنگل‌ها با استفاده از داده‌های BRDF هوابرد

یک روش جدید برای استخراج ویژگی‌های ساختاری تاج پوشش گیاهی از داده‌های توزیع بازتاب طیفی ابر طیفی (BRDF)ارایه شده‌است. این روش مبتنی بر رابطه بین تغییرپذیری طیفی اثرات BRDF و هندسه تاج پوشش است. آزمایش‌ها با داده‌های کسب‌شده توسط the آرایه خورشیدی پیشرفته (asas)بر روی جنگل‌های boreal کانادایی در طول مبارزات انتخاباتی BOREAS نشان می‌دهد که ویژگی‌های ساختاری پوشش گیاهی می‌تواند از تغییرپذیری طیفی اثرات BRDF حاصل شود. علاوه بر این، ترکیب هر دو اثرات BRDF و داده‌های تفکیک فراطیفی، صحت طبقه‌بندی را به طور قابل‌توجهی بهبود می‌بخشد. بهترین نتیجه طبقه‌بندی زمانی بدست می‌آید که تفکیک طیفی و داده‌های BRDF ترکیبی هستند، اما بهبود در همه کلاس‌ها ثابت نیست. به عنوان مثال، اضافه کردن اطلاعات BRDF به داده‌های فراطیفی باعث افزایش دقت طبقه‌بندی کلی برای یک سایت fen ۶ طبقه از ۳۷.۸ % به ۴۴.۷ % می‌شود. با این حال، با این حال، دقت کلاس کاج جک از ۴۳.۶ % به ۲۸.۸ % کاهش می‌یابد. این یافته‌های جدید شواهدی را برای قابلیت‌های بهبود یافته برای کاربردهای داده‌های مصر و مصر فراهم می‌کند. انتظار می‌رود که تفکیک طیفی of برای استخراج اطلاعات ساختاری تاج پوشش مبتنی بر تغییرپذیری طیفی اثرات BRDF کافی باشد، و برای دستیابی به بهبود قابل‌توجه دقت طبقه‌بندی را می توان از ترکیب of nadir و off - nadir پیش‌بینی کرد.
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.