GEOSCAN, résultats de la recherche

Menu GEOSCAN


TitreEvaluation of Landsat based fractional land cover mapping in the Alberta Oil Sands Region
TéléchargerTéléchargements
LicenceVeuillez noter que la Licence du gouvernement ouvert - Canada remplace toutes les licences antérieures.
AuteurPouliot, D; Parkinson, W; Latifovic, R
SourceGéomatique Canada, Dossier public 17, 2015, 17 pages, https://doi.org/10.4095/296802 (Accès ouvert)
Année2015
ÉditeurRessources naturelles Canada
Documentdossier public
Lang.anglais
DOIhttps://doi.org/10.4095/296802
Mediaen ligne; numérique
Formatspdf
ProvinceAlberta
SNRC74E
Lat/Long OENS-112.0000 -111.0000 58.0000 57.0000
Sujetshydrocarbures; capacité de production d'hydrocarbures; pétrole; imagerie par satellite; télédétection; ressources pétrolières; gestion des ressources; géophysique; combustibles fossiles
Illustrationslocation maps; tables; profiles; plots
ProgrammeScience de la télédétection spatiale, Caractérisation de la surface terrestre
Diffusé2015 07 21
Résumé(disponible en anglais seulement)
In the Alberta Oil Sand Region (AOSR) high spatial resolution (<5 m) remotely sensed multispectral time series are needed to capture the varying size and rates of change that occur. However, limited spatial-temporal coverage and cost of current high resolution sensors make such an approach impractical for retrieval of historical information and long term monitoring. Using moderate spatial resolution (~30m) time series such as that available with the Landsat series of sensors provides an alternative. In this research the potential to derived sub-pixel information on land cover types was evaluated for the AOSR using Landsat time series. Sub-pixel land cover fractions were trained for Landsat using high resolution (2 m) Geoeye data classified into basic land cover types. Cover types evaluated included conifer forest, broadleaf forest, shrub, low vegetation cover, bare, and water. The point spread function of Landsat was modeled to ensure that the reflectance properties measured were coincident with the training footprint in the higher spatial resolution Geoeye scenes. Decision tree classifiers were used for the fractional modeling. Results showed that land cover fractions could be estimated over the region with an average absolute error ranging from 7-17%. Sampling exerted a significant effect where validation using a holdout Geoeye scene preformed inferior to sampling from all available scenes as expected. Water and bare covers had limited sampling for fractions between 25-75% and therefore the results for these covers are uncertain in this range. Better controlling for spectral variability, fractional training and Landsat data quality in site specific analysis suggests significant improvement in accuracy compared to the regional analysis. The improvement for the site specific analysis ranged from 5-10%. Examination of forest fraction sensitivity to change revealed good agreement with forest harvesting and fire, but did not capture insect related damage well. These findings suggest there is potential for fractional land cover retrieval, but error is likely to remain moderate if training and remote sensing data are not carefully controlled for large regional applications.
Résumé(Résumé en langage clair et simple, non publié)
Dans le domaine de la télédétection, la couverture terrestre fractionnaire, ou sous-pixel, représente la superficie couverte par un type donné de couverture du sol à l'intérieur d'une empreinte définie à la surface du sol. Une estimation précise de la couverture terrestre fractionnaire présente de l'intérêt pour ce qui est de fournir des renseignements détaillés sur la couverture terrestre et ses changements au fil du temps. Ceci revêt une importance particulière dans le cas des sables bitumineux de l'Alberta en raison de la taille réduite et du rythme rapide du changement observé. Les résultats de l'analyse menée dans le cadre de cette étude révèlent qu'il est possible de procéder à une estimation fractionnaire du couvert de conifères, d'arbres à feuilles caduques, d'arbustes, de végétation basse, de sol dénudé et d'eau, mais que d'importantes améliorations peuvent être apportées par un traitement approfondi des données.
GEOSCAN ID296802