부산대학교 도서관

Les programmes de suivi de changement de superficie des lacs deviennent de plus en plus importants dans les régions de haute latitude et leur développement demande souvent d'évaluer différentes approches en termes de précision de mesure, de cohérence parmi des utilisateurs multiples sur une longue durée, et d'efficacité. Nous avons comparé trois méthodes de classification supervisée de lacs à partir d'imagerie Landsat (seuillage monospectral, arbres de décision et extraction de caractéristiques). Le degré d'exactitude de la superficie des lacs et des estimations numériques a été évalué grâce à des photographies aériennes de haute résolution obtenues dans les deux jours suivant le passage du satellite. Le canal moyen infrarouge 5 a mieux marqué la distinction terre/eau de surface quand on l'a utilisé seul plutôt que dans le cadre de classifications multispectrales. La méthode la plus simple des trois, le seuillage monospectral, a donné les meilleurs résultats. La méthode d'arbres de décision a entraîné le plus d'erreurs de déficits (env. 2x), celle d'extraction de caractéristiques le plus d'erreur d'excédents (env. 4x), tandis que le seuillage monospectral a manifesté le moindre biais directionnel (env. une moitié de superficies de lac surestimée et une moitié sous-estimée). L'extraction de caractéristiques a été la méthode la moins cohérente au sein des ensembles d'entraînement (c'est-à-dire un grand écart-type parmi les ensembles d'entraînement). La méthode de seuillage monospectral a été la meilleure des trois pour la classification de lacs de petite superficie comme en atteste sa moindre condition de superficie minimum optimale de lac de 5850 m² par rapport aux autres méthodes (8550 m²). Contrairement à ce que l'on pourrait penser, le recours à des canaux spectraux supplémentaires et à une méthode plus sophistiquée a engagé non seulement des efforts de traitement supplémentaires mais a aussi diminué la précision et la cohérence des classifications de lacs. [ABSTRACT FROM AUTHOR]