Abstrato

Fusão de dados SAR hiperespectrais e de banda L para estimar a cobertura vegetal fracionada numa comunidade de matos costeiros da Califórnia

Shuang Li, Christopher Potter, Cyrus Hiatt e John Shupe

Foi realizado um estudo para investigar a utilidade de dados de radar de abertura sintética (SAR) de banda L hiperespectral e de satélite para estimar coberturas fracionadas de tipos de cobertura herbácea, matagal costeiro e solo descoberto na costa central da Califórnia. As imagens do Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) recolhidas em Setembro de 2008 e do Phased Array L-band SAR (PALSAR) (polarizações HH e HV) captadas em Abril e Julho de 2008 foram combinadas para o mapeamento da cobertura vegetal. As características hiperespectrais, calculadas como índices AVIRIS (NDVI, TCARI/OSAVI e PRI), e a informação textural (energia, contraste, homogeneidade e dimensão fractal) produzida por SAR de banda L foram fundidas para gerar um novo espaço de características. Utilizámos a regressão linear global de mínimos quadrados ordinários (OLS) para integrar e decompor o novo espaço de características para o mapeamento fracionário da vegetação. As medições de cobertura fracionada do solo foram recolhidas de parcelas localizadas no local de estudo do Serviço Florestal dos EUA, Brazil Ranch, para validação das previsões do modelo OLS. Foram encontradas relações lineares significativas entre o mapeamento de cobertura fracionada de deteção remota e os dados reais. A precisão da estimativa do mapeamento de cobertura fracionada de deteção remota em termos de Root Mean Square Error (RMSE) foi de 17%, 12% e 10%, para coberturas herbáceas, matagais costeiros e solo nu, respetivamente. Os resultados da decomposição mostraram que a informação textural do SAR de banda L apoiou fortemente o mapeamento fracionário de florestas herbáceas e costeiras, enquanto os recursos dos índices do AVIRIS melhoraram significativamente o mapeamento da cobertura herbácea e do solo descoberto.

Isenção de responsabilidade: Este resumo foi traduzido usando ferramentas de inteligência artificial e ainda não foi revisado ou verificado