Revista de Geografía y Desastres Naturales
Acceso abierto

abstracto

Detección remota de puntos críticos ecológicos: producción de información de valor agregado a partir de múltiples fuentes de datos

Chandi Witharana1, Uchitha S. Nishshanka y Jagath Gunatilaka

La fusión de imágenes pancromáticas de alta resolución espacial y multiespectrales de alta resolución espectral con características complementarias proporciona la base para clasificaciones complejas de tipos de cobertura y uso de la tierra . En esta investigación, investigamos qué tan bien se desempeñan diferentes algoritmos de nitidez de panorama cuando se aplican a imágenes de un solo sensor de una sola fecha y de múltiples sensores y múltiples fechas que abarcan el parque nacional de Horton Plains (HPNP), una ecorregión altamente frágil que ha estado experimentando un grave agotamiento del dosel desde la década de 1970, en Sri Lanka. Nuestro objetivo era entregar imágenes multitemporales de resolución mejorada a partir de múltiples fuentes de datos de observación de la Tierra (EO) para respaldar el monitoreo de la muerte regresiva a largo plazo en HPNP. Seleccionamos seis algoritmos de fusión candidatos: transformada de Brovey, algoritmo de fusión de Ehlers, algoritmo de fusión de filtro de paso alto (HPF), algoritmo de fusión de intensidad-tono-saturación modificada (MIHS), algoritmo de fusión de análisis de componentes principales (PCA) y wavelet-PCA. algoritmo de fusión. Estos algoritmos se aplicaron a ocho imágenes aéreas y satelitales diferentes tomadas en el HPNP durante las últimas cinco décadas. Se evaluó la fidelidad espectral y espacial de las imágenes fusionadas utilizando quince indicadores de calidad cuantitativos y métodos de inspección visual. Las métricas de calidad espectral incluyen el coeficiente de correlación, el error cuadrático medio (RMSE), la diferencia relativa a la media, la diferencia relativa a la desviación estándar, la discrepancia espectral, el índice de desviación, el índice máximo de relación señal-ruido, la entropía, el índice de similitud estructural media , mapeador de ángulo espectral y error global adimensional relativo en síntesis. La integridad espacial de las imágenes fusionadas se evaluó mediante la correspondencia de borde de Canny, el coeficiente de correlación de paso alto, el RMSE de imágenes de borde filtradas por Sobel y la correlación de transformada rápida de Fourier. El algoritmo Wavelet-PCA exhibió la peor mejora espacial mientras que los algoritmos de fusión Ehlers.MIHS y PCA mostraron resultados mediocres. Con respecto a nuestra evaluación de calidad multidimensional, el HPF surgió como el algoritmo de mejor desempeño para la fusión de datos de un solo sensor de una sola fecha y de múltiples sensores de múltiples fechas. Examinamos más a fondo el efecto de la fusión en el marco de análisis de imágenes basado en objetos. Nuestro análisis subjetivo mostró la mejora de los candidatos a objetos de imagen cuando las imágenes pancromáticas’ la información de alta frecuencia se inyecta en imágenes multiespectrales de baja resolución.