FOREST/NON FOREST MAPPING USING LANDSAT THEMATIC MAPPER IMAGERY AND ARTIFICIAL NEURAL NETWORKS (ANNs)

English. Forest area and the landscape level spatial pattern of forests are two of the indicators for sustainable forest management in Europe (MCPFE 2003). As they are important for forest policymaking (MCPFE 2007), there is a constant need of timely and accurate information about their current status. The aim of this study was to examine the potential of Artificial Neural Networks (ANNs) in differentiating forest from non-forested areas and to explore how the use of higher-order features, derived from a Landsat-5 TM image, could improve the performance of the ANNs classifier. The features were generated through the application of the Tasseled Cap transformation and Principal Component Analysis (PCA). The study area is a typical Mediterranean region located in the north-east part of Greece. The results from the classification accuracies of the study revealed that the most accurate map (Overall Accuracy (OA) =91,76 %-Kappa Index of Agreement (KIA) =0,787) was generated through the implementation of ANNs on the three bands produced by the application of Tasseled Cap transformation on the Landsat TM image. The comparison of the produced map products with the Pan-European Forest Map 2000 of the Joint Research Centre (JRC) (FMAP 2000), showed that the overall accuracy of the JRC map (OA=78,02 %-KIA=0,446) is lower than the ones of the maps that were produced by ANNs. Finally, it is concluded that, for this study area, the implemented methodology for differentiating areas covered by forest from other classes led to the production of maps of high accuracy, which exceed the adequate accuracy of the FMAP 2000.

Russian. В настоящей работе был рассмотрен ряд положений, которые касаются, главным образом, использования ANNs при картировании лесных и не лесных земель. Индикаторами устойчивого управления в лесном хозяйстве Европы на ландшафтном уровне (MCPFE 2003) являются пространственная структура и общая площадь лесов. Оба эти индикатора важны для принятия решений на уровне (MCPFE 2007), поэтому существует необходимость в своевременной и точной информации об их текущем состоянии. Целью настоящей работы явилось исследование потенциала метода «искусственные нейронные сети» (ANNs) при оценке дифференцирования лесных и не лесных земель, а также анализ применимости данных более высокого уровня, полученных по снимкам Landsat-5 TM с целью улучшения производительности классификатора (ANNs). Исходные параметры снимков были преобразованы при помощи инструментов трансформации изображений: «колпачок с кисточкой» (Tasseled Cap transformation) и анализа главных компонент (Principal Component Analysis, РСА). Исследования проводились в типичной для Средиземноморья местности на северо-востоке Греции. В результате оценки точности классификации было выявлено, что наиболее точная карта (общая точность - 91,76 %, коэффициент согласованности Каппа KIA=0,787) была создана с использованием метода ANNs на основе трёх изображений преобразованного методом «колпачок с кисточкой» снимка Landsat-TM. Сравнение полученной карты с общеевропейской картой лесного покрова 2000, разработанной Объединённым исследовательским центром (JRC) в 2000 году (FMAP 2000), показало, что общая точность классификации этой карты (OA=78,02 %, KIA=0,446) ниже, чем точность карты, которая была создана при помощи метода «искусственные нейронные цепи» (ANNs). Результаты исследования позволяют сделать вывод о том, что ANNs подходит для картирования лесных и не лесных земель, создания карт высокой точности, кроме того использование преобразования «колпачок с кисточкой» позволяет улучшить результаты картирования. По итогам работы были сделаны следующие выводы: комбинирование метода ANNs и снимков Landsat для картирования лесных и не лесных земель позволяет создавать карты высокой точности

использование данных более высокого уровня (анализа главных компонент (РСА) и преобразования «колпачок с кисточкой») для картирования лесных и не лесных земель с использованием ANNs позволило создать карту высокой точности греческого острова Лесбос

комбинирование параметров изображения Landsat, полученных на основе трансформированного метода «колпачок с кисточкой» и метода ANNs для картирования лесных и не лесных земель острова Лесбос, позволило создать карту приемлемой точности. Результаты исследований показали, что внедрение предложенной в настоящей работе методики создания карт лесных и не лесных земель позволяет получить карты более высокой точности, чем FMAP 2000. Дальнейшее исследование может быть связано с оценкой потенциала использования материала высокого порядка или спутниковых снимков, полученных от различных датчиков, для картографирования лесов и дифференцирования их от не покрытых лесом территорий при помощи ANNs.