مقاله ترجمه شده درباره ارزیابی SAR باند C دو-فصلی کاملا-پلاریمتری برای نقشه برداری پوشش گیاهی در تالاب – سال 2016
مشخصات مقاله:
عنوان فارسی مقاله:
ارزیابی SAR باند C دو-فصلی کاملا-پلاریمتری برای نقشه برداری پوشش گیاهی در تالاب دشت سیلابی (varzea) آمازون
عنوان انگلیسی مقاله:
Dual-season and full-polarimetric C band SAR assessment for vegetation mapping in the Amazon várzea wetlands
کلمات کلیدی مقاله:
PolSAR، تالاب‌ها، تجزیه پلاریمتری، چند-دوره‌ای ، دقت تصویربرداری
مناسب برای رشته های دانشگاهی زیر:
جغرافیا
مناسب برای گرایش های دانشگاهی زیر:
نقشه برداری و سنجش از راه دور
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. پیشگفتار
2. روش‌ها
2.1. ناحیه مطالعه
2.2. اکتساب و پردازش داده‌ها
2.3. طبقه‌بندی تصویر
2.4. کلاس‌های پوشش گیاهی و پوشش زمین
2.5. ارزیابی دقت
3. نتایج
3.1. دقت طبقه‌بندی ویژگی پلاریمتری
3.2. طبقه‌بندی تک-فصلی در برابر دو-فصلی
3.2.1. ارزیابی خطای خاص-کلاس
4. بحث
4.1. واکنش‌های PolSAR به دینامیک‌های پوشش گیاهی
4.2. طبقه‌بندی دو-فصلی
5. نتیجه‌گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
This study answered the following questions: 1) Is polarimetric C-band SAR (PolSAR) more efficient than dualpolarization (dual-pol) C-band SAR for mapping várzea floodplain vegetation types, when using images of a single hydrological period? 2) Are single-season C-band PolSAR images more accurate for mapping várzea vegetation types than dual-season dual-pol C-band SAR images? 3) What are the most efficient polarimetric descriptors for mapping várzea vegetation types? We applied the Random Forests algorithm to classify dualpol SAR images and polarimetric descriptors derived from two full-polarimetric Radarsat-2 C-band images acquired during the low and high water seasons of Lago Grande de Curuai floodplain, lower Amazon, Brazil. We used the Kappa index of agreement (κ), Allocation Disagreement (AD) and Quantity Disagreement (QD), and Producer’s and User’s accuracy measurements to assess the classification results. Our results showed that single-season full-polarimetric C-band data can yield more accurate classifications than single-season dual-pol C-band SAR imagery and similar accuracies to dual-season dual-pol C-band SAR classifications. Still, dualseason PolSAR achieved the highest accuracies, showing that seasonality is paramount for obtaining high accuracies in wetland land cover classification, regardless of SAR image type. On average, single-season classifications of low-water periods were less accurate than high-water classifications, likely due to plant phenology and flooding conditions. Classifications using model-based polarimetric decompositions (such as Freeman–Durden, Yamaguchi and van Zyl) produced the highest accuracies (κ greater than 0.8; AD ranging from 7.5% to 2.5%; QD ranging from 15% to 12%), while eigenvector-based decompositions such as Touzi and Cloude–Pottier had the worst accuracies (κ ranging from 0.5 to 0.7; AD greater than 10%; QD smaller than 10%). Vegetation types with dense canopies (Shrubs, Floodable Forests and Emergent Macrophytes), whose classification is challenging using C-band, were accurately classified using dual-season full-polarimetric SAR data, with Producer’s and User’s accuracies between 80% and 90%. We conclude that full polarimetric C-band imagery can yield very accurate classifications of várzea vegetation (κ ~0.8, AD ~3% and QD ~10%) and can be used as an operational tool for forested wetland mapping.
چکیده
این مطالعه به پرسش‌های زیر پاسخ می‌دهد: ۱٫) آیا SAR C-باند پلاریمتری (PolSAR) کارامدتر از SAR C-باند دو قطبی (dual-pol) برای نقشه‌برداری انواع پوشش گیاهی varzea، هنگام استفاده از تصاویر یک دوره‌ی هیدرولوژیکی منفرد است؟ 2) آیا تصاویر PolSAR C-باند تک-فصلی، برای نقشه‌برداری انواع پوشش گیاهی دشت سیلابی (varzea)، دقیق‌تر از تصاویر SAR C-باند دو-قطبی دو-فصلی هستند؟ 3) کارامدترین توصیف‌گرهای پلاریمتری برای نقشه‌برداری انواع پوشش گیاهی دشت سیلابی (varzea) چه هستند؟ ما الگوریتم جنگل‌های تصادفی را برای طبقه‌بندی تصاویر SAR دو-قطبی و توصیف‌گرهای پلاریمتری به دست آمده از دو تصویر C-باند کاملا-پلاریمتری رادارست-2 ایجاد شده در طول فصل‌های کم آب و پر آب دشت سیلابی لاگو گراند دی گوروآی در آمازون پایین، برزیل اعمال کردیم. ما از شاخص توافق کاپل ( k)، عدم توافق (اختلاف) تخصیص (AD) و عدم توافق کمیت (QD)، و معیارهای دقت تولید کننده و کاربر برای ارزیابی نتایج طبقه‌بندی استفاده کردیم. نتایج ما نشان دادند که داده‌های C-باند کاملا-پلاریمتری تک-فصلی می‌توانند طبقه‌بندی‌های دقیق‌تری در مقایسه با شبیه‌سازی SAR C-باند دو-قطبی تک-فصلی و دقت‌های مشابه با طبقه‌بندی‌های SAR C-باند دو-قطبی دو-فصلی را حاصل کنند. در عین حال، PolSAR دو-فصلی، بالاترین دقت را حاصل ساخت، که نشان دهنده‌ی این است که فصلی بودن، برای به دست آوردن دقت بالا در طبقه‌بندی پوشش زمینی تالاب، صرف‌نظر از نوع تصویر SAR، مهم است. به طور متوسط، طبقه‌بندی‌های تک-فصلی دوره‌های کم آب دارای دقت پایین‌تری در مقایسه با طبقه‌بندی‌های دوره‌های پر آب بودند که به احتمال زیاد ناشی از شرایط جاری شدن سیل و فونولوژی گیاهان بود. طبقه‌بندی‌های با استفاده از تجزیه‌های پلاریمتری مبتنی بر مدل (مانند فریدمن-دوردن، یاماگوچی و وان زیل)، بالاترین دقت‌ها را ایجاد کردند ( بزرگتر از 0.8؛ AD با دامنه‌ی از 7.5 درصد تا 2.5 درصد؛ و QD با دامنه‌ی از 15 درصد تا 12 درصد)، در حالی که تجزیه‌های مبتنی بر بردار ویژه مانند توزی و کلودپوتیر ( با دامنه‌ی از 0.5 تا 0.7؛ AD بزرگتر از 10 درصد؛ و QD بزرگتر از 10 درصد) دارای کمترین دقت‌ها بودند. انواع پوشش گیاهی با سایبان‌های متراکم (بوته‌ها، جنگل‌های سیل‌خیز و ماکروفیت‌های اضطراری )، که طبقه‌بندی آن‌ها با استفاده از C-باند چالش‌برانگیز است، به طور دقیقی با استفاده از داده‌های SAR کاملا-پلاریمتری دو-فصلی، با دقت‌های تولید کننده و کاربر بین 80 و 90 درصد، طبقه‌بندی شدند. ما نتیجه می‌گیریم که شبیه‌سازی C-باند کاملا پلاریمتری می‌تواند طبقه‌بندی‌های بسیار دقیق‌تری را برای پوشش گیاهی دشت سیلابی (varzea) حاصل کند ( ، AD~0.3% و QD~10%) و می‌تواند به عنوان ابزاری عملیاتی برای تصویربرداری تالاب‌های جنگلی مورد استفاده قرار گیرد.
