Object-oriented classification of forest clearcut from landsat annual time series

Earth surface monitoring using satellites remote sensing data guarantees consistency and repeatability, essential in the environmental phenomena detection. Moreover, the free availability of moderate-resolution remote sensing data such as the Landsat archive, allows the use of time series of images acquired over a region. This allows for the systematic detection of environmental changes over long periods of time, which is not possible when comparing only two images (one before and one after the change). In this work, a temperate coniferous forest ecosystem is considered. It is subject to various disturbance, both natural and anthropogenic. A specific attention is paid to clearcut harvest disturbance and a classification of clearcut areas in north-central Idaho (USA) using Landsat TOA 50th percentile annual composites from 1984 to 2014 is presented. For each year, spectral indexes layers are computed: Normalized Burn Ratio, Normalized Difference Vegetation Index and a Band 4-Band 5 normalized difference index. The difference between two consecutive years is calculated for each index (dNBR, dNDVI, dI45) to obtain a quantitative measure of absolute change. The image segmentation process is applied using two different algorithms: the Multiresolution Segmentation algorithm and the Spectral Difference Segmentation algorithm. In order to train the classifier and understand which index results in the best separation between the classes, a selection of training samples is made and the separability analysis is computed. The whole time series was classified, obtaining a time series of annual thematic maps of forest clarcuts. The accuracy assessment, made using a disproportionate stratified random sampling design, shows a high overall accuracy but still some issues in the correct distinction of the clearcut areas from other changes. In general, the spectral and temporal occurrence of forest disturbance can be defined and different approaches focused to labeling the type of disturbances can be improved in order to clarify the ecological, social and carbon consequences associated with the forest exploitation.

Il monitoraggio della superficie terrestre utilizzando dati telerilevati garantisce una sistematicità ed una ripetibilità essenziali nell’individuazione dei fenomeni naturali in atto. Inoltre la disponibilità gratuita di dati telerilevati a moderata risoluzione spaziale, come gli archivi dei satelliti Landsat, permettono l’utilizzo di serie temporali di immagini acquisite su una stessa regione. Le tecniche di change detection possono quindi permettere di individuare cambiamenti su un lungo periodo di tempo, cosa impossibile con il tradizionale confronto tra due immagini (una acquisita prima dell’evento e una dopo). In questo lavoro si è considerato l’ecosistema della foresta temperata di conifere, soggetto a varie alterazione, dette disturbance, di origine sia naturale che antropica. Particolare attenzione si è posta alle aree disboscate ed alla loro cassificazione. Viene presentata la classificazione di queste aree (clearcut) in un’area di studio in Idaho centro-settentrionale (USA) effettuata utilizzando il composite annuale dei dati Top-Of-Atmosphere delle immagini Landsat dal 1984 al 2014. Per ogni anno sono stati calcolati i seguenti indici spettrali: Normalized Burn Ratio, Normalized Difference Vegetation Index e un indice di differenza normalizzata tra le bande spettrali 4 e 5. Si è calcolata anche la differenza di questi indici tra due anni consecutivi (dNBR, dNDVI, dI45) per ottenere delle misure di variazione assoluta. La segmentazione delle immagini è stata effettuata usando due diversi algoritmi: Multiresolution Segmentation algorithm e the Spectral Difference Segmentation algorithm. Si sono scelti dei training samples per effettuare l’analisi di separabilità, quindi comprendere quali indici riescono a descrivere la migliore divisione tra le classi, e per poter addestrare il classificatore. L’intera serie temporale è stata classificata, si sono quindi ottenute una serie temporale di mappe tematiche annuali delle aree disboscate. La vautazione dell’accuratezza dei risultati è stata effettuata usando un sistema di campionamento sproporzionato casuale stratificato. Il processo di validazione mostra in generale un’alta Overall Accuracy, ma ancora dei problemi nella corretta distinzione tra le aree effettivamente disboscate e quelle soggette a cambiamenti di altra natura. In generale si possono descrivere, sia in termini spettrali che temporali, le alterazioni forestali. Si possono sviluppare nuovi approcci per distinguere le cause di queste alterazioni e per poter spiegare le conseguenze ecologiche, sociali e in termini di carbon footprint dello sfruttamento delle foreste.