Segmentação e classificação de tipologias florestais a partir de imagens QUICKBIRD</p>Segmentation and classification of forest types with QUICKBIRD images

Resumo

O principal objectivo deste estudo foi avaliar o potencial de imagens de alta resolução espacial (Quickbird) na identificação de espécies florestais para uma região do Alentejo (Portugal), utilizando o método de segmentação multi-resolução e classificação digital orientada a objeto. Foi criada uma máscara para a vegetação com base no índice de vegetação NDVI, e obtida uma classificação com a área coberta por espécie (Q. suber e P. pinea). A detecção da vegetação foi determinada com elevado rigor, sendo a data das imagens um fator muito importante para o resultado. A classificação foi validada através de dados de campo, e foi calculada a matriz de confusão e o coeficiente Kappa. Considerou-se a identificação e separação entre as duas classes florestais dominantes (Q. suber e P. pinea) e entre as três classe, as mesmas duas classes e outra que integra todos os restantes tipos de ocupação do solo. Os resultados foram satisfatórios, com Kappa de 79.3% e de 86,5 % respectivamente. Podemos concluir que a metodologia desenvolvida e os dados de alta resolução do satélite Quickbird produzem resultados satisfatórios para a identificação e separação das espécies florestais. A baixa resolução espectral deste satélite é compensada pela elevada resolução espacial e pela utilização de outros parâmetros de forma e de textura dos objetos individuais e entre objectos.

Abstract

The main goal of this study was to evaluate the potential of high spatial resolution images (Quickbird) to identify of forest species in a region of Alentejo (Portugal), using the multi-resolution segmentation method and object-oriented classification. A vegetation mask was created based on vegetation index NDVI, and obtained a classification of forest species with the covered area (Q. suber and P. pinea). The detection of vegetation was determined with high accuracy, being the date of the images a very important factor for this result. The classification was validated by field data, and was calculated the confusion matrix and Kappa coefficient. We considered the identification and separation between for the two dominant forest classes (Q. suber e P. pinea) and the three classes, the same two classes and one that integrates include the other types of land. The results were satisfactory with Kappa of 79.3% and 86.5% respectively. It can be concluded that the methodology and data from high resolution Quickbird satellite produce satisfactory results for the identification and separation of forest species. The low spectral resolution of this satellite is compensated by the high spatial resolution and by the use of others parameters, such as form and texture of the individual objects and among them.