Acceso Abierto | Fecha de Publicación:

Un nuevo índice para diferenciar árboles y césped basado en imágenes de alta resolución y métodos basados ​​en objetos

Año: 2020 | Colección: Investigación | Categoría:
40 lecturas


Los árboles y el césped urbano tienen diferentes funciones y servicios ecológicos. La teledetección proporciona una forma viable de cuantificar la cobertura y distribución vegetativa urbana a gran escala. La mayoría de los estudios anteriores han utilizado una clasificación supervisada basada en imágenes de alta resolución para mapear árboles y césped urbanos. Sin embargo, debido a la falta de características especializadas para distinguir la vegetación gruesa y fina, la precisión de clasificación de los árboles y el césped urbanos es consistentemente baja. Aunque agregar información topográfica 3D puede mejorar la precisión, estos datos tienen una disponibilidad limitada.

Este artículo desarrolló un índice de diferenciación árbol-pasto (TGDI) para facilitar la clasificación rápida y efectiva de árboles y pastos urbanos. Se analizó el desempeño del nuevo índice aplicándolo a diferentes métodos de clasificación. Se comparó la clasificación del Método 1: clasificación supervisada sin TGDI; Método 2: clasificación supervisada con TGDI; y Método 3: clasificación basada en reglas con TGDI.

Los resultados mostraron que la precisión general del Método 1, Método 2 y Método 3 fueron, 84%, 88% y 90,5%, respectivamente. El uso del nuevo índice puede mejorar la clasificación de árboles y pastos urbanos independientemente de si TGDI se usa solo para la clasificación basada en reglas o se agrega como una característica para la clasificación supervisada. La principal ventaja de utilizar TGDI es reducir la clasificación errónea de las porciones de árboles iluminadas por el sol en césped. La precisión del productor del árbol y la precisión del usuario del césped se puede mejorar en más de un 10% cuando se aplica TGDI a la clasificación supervisada.

Este estudio sintetizó la textura y las características espectrales, lo que mejora el enfoque tradicional de la construcción de índices basada solo en las características espectrales. y sin el requisito de datos de superficie 3D detallados. Los resultados sugieren una nueva forma de avanzar para el desarrollo de índices que pueden producir una mayor precisión y ampliar la utilidad de la teledetección para iluminar los patrones de estructura y función ecológica en entornos urbanos.

Título Original:

"A new index to differentiate tree and grass based on high resolution image and object-based methods"

Autor/es:

Yuguo Qian, Christopher J. Nytch, Lijian Han, Zhiqiang Li
Este recurso está relacionado con las siguientes temas de salud:

Tipo de Documento:

 En Web

Idioma:

Inglés

Año de publicación:

2020

Tamaño del recurso:

0.00 KB

Accesos al recurso:

321
Esta web utiliza cookies.   
Privacidad