Portal de Periódicos da CAPES

A regional scale soil mapping approach using integrated AVHRR and DEM data

2001; Elsevier BV; Volume: 3; Issue: 1 Linguagem: Inglês

10.1016/s0303-2434(01)85019-4

1872-826X

Endre Dobos, Luca Montanarella, T. Nègre, Erika Michéli,

Soil and Unsaturated Flow

There is an increasing need for reasonably accurate small-scale soil databases. The compilation of a continental or global-scale soil database requires a lot of spatially and thematically accurate soil data. The aim of this study was to test a method for small-scale soil mapping in Italy using Advanced Very High Resolution Radiometer (AVHRR) and digital elevation data. This method was employed in an earlier study in Hungary for a much smaller area and a significantly different soil-forming environment. An integrated, 45-layer AVHRR-terrain database was used for the study, including a digital elevation model (DEM), slope, curvature, aspect, potential drainage density, and the five bands of AVHRR data for eight different dates. The data were processed using the Discriminant Analysis Feature Extraction (DAFE) function, which is based on a canonical analysis procedure. Two types of images (basic and transformed) were classified using the maximum likelihood classifier. Two training sets were chosen that have identical geographic coverage, but differ in the level of soil classification. One set was based on the soil units (SU) of the FAO-revised legend, while the other set represented major soil groupings (MSG). The best 10, 15, 20, 25, 30, 35, 40 and 45 layers were selected using the Bhattachryya feature selection method and were then classified. The results of the different sets were compared. The performance of the purely AVHRR and purely terrain-data-based images, respectively, were also interpreted. The results indicate that the terrain descriptors alone are not sufficient for soil classification. However, the feature selection algorithms always selected the DEM and its derivatives among the first ones, highlighting their importance for soil-landscape characterization. When using AVHRR data alone, test class performances of 49.8 percent (MSG) and 48.6 percent (SU) were achieved. Integration of terrain data into the AVHRR database produced relatively small improvements (4.6 and 2.8 percent). The best test class performances were achieved when all available channels were used for the classification, namely 51.4 for the FAO's SUs and 54.4 for the MSGs on the basic image, and 51.7 and 54.4 respectively on the DAFE-transformed images. The most informative AVHRR bands were found to be from the spring period (April-May), while the most abundant bands were the visible-red (band 1) and bands 3 and 4. Il y a un besoin croissant de bases de données des sols à petite échelle d'une précision correcte. La compilation d'une base de données des sols continentale ou à une échelle globale exige un tas de données spatiales et thématiques précises. Le but de cette étude était de tester une méthode pour une cartographie des sols à petite échelle en Italie utilisant un radiomètre de très haute résolution en technologie avancée (AVHRR) et des données numériques d'altitude. La méthode a été employée dans une étude antérieure en Hongrie pour une zone beaucoup plus petite et un environnement de formation de sol très différent. Une base de données AVHRR-terrain de 45 couches a été utilisée pour l'étude, y compris un modèle numérique du terrain (MNT), pente, courbure, orientation, densité du potentiel de drainage et les données AVHRR de cinq bandes pour huit dates différentes. Les données ont été traitées en utilisant la fonction d'Extraction de Détails par Analyse du Discriminant (DAFE), qui est basée sur un procédé d'analyse canonique. Deux types d'images (de base et transformée) ont été classées en utilisant la méthode de la vraisemblance maximale. On a choisi deux jeux d'essais avec une couverture géographique identique, mais un niveau de classification du sol différent. Un des jeux d'essai était basé sur des unités de sol (SU) de la légende FAO révisée, alors que l'autre représentait des groupements de sols dominants (MSG). Les meilleurs 10, 15, 20, 25, 30, 35, 40 et 45 couches ont été sélectionnées en utilisant la méthode de sélection des détails de Bhattachryya et ont été classifiées. Les résultats des différents jeux d'essais ont été comparés. La performance des images exclusivement AVHRR et celle basée sur des données exclusivement terrain a également été interprétée. Le résultats indiquent que les descripteurs de terrain seuls ne sont pas suffisants pour la classification des sols. Cependant, les algorithmes de sélection des détails ont toujours choisi le MNT et ses dérivés parmi les premiers, mettant en valeur leur importance pour la caractérisation sol et paysage. En utilisant des données AVHRR seulement, des performances de classification test de 49.8 pour-cent (MSG) et 48.6 pour-cent (SU) ont été atteints. L'intégration de données terrain dans la base de données AVHRR a produit des améliorations relativement faibles (4.6 et 2.8 pour-cent). Les meilleurs performances de classes tests ont été réalisées quand tous les canaux disponibles ont été utilisés pour la classification, notamment 51.4 pour les SUs de la FAO et 54.4 pour les MSGs sur les images de base, et 51.7 et 54.4 respectivement sur les images DAFE transformées. Les bandes les plus informatives AVHRR ont été celles de la période de printemps (avril-mai), alors que les bandes les plus riches ont été le visible-rouge (bande1) et les bandes 3 et 4. Hay una necesidad creciente de bases de datos de suelos a pequeña escala pero razonablemente precisas. La compilación de una base de datos de suelos a escala continental o global requiere una gran cantidad de datos de suelos que sean precisos desde los puntos de vista espacial y temático. El objectivo de este estudio fue el de probar un método de cartografia de suelos a pequeña escala realizada en Italia mediante uso del radiómetro avanzado de muy alta resolucíon (Advanced Very High Resolution Radiometer, AVHRR) y datos altitudinales en formato digital. En un estudio previo en Hungria, se aplicó este método a un área de mucho menor extensión y con un ambiente de formación de suelos significativamente diferente. Para el presente estudio se usó una base integrada con 45 capas combinando datos de AVHRR y de terreno, incluyendo un modelo digital de elevación (MDE), pendiente, curvatura, exposición, densidad potencial de drenaje, y las cinco bandas de datos AVHRR para ocho fechas diferentes. Se procesaron los datos mediante una función de extracción de rasgos por análisis discriminante (Discriminant Analysis Feature Extraction, DAFE), basada en un procedimiento de análisis canónico. Se clasificaron dos tipos de imagen (básico y transformado) usando el clasificador de máxima verosimilitud. Se escogieron dos conjuntos de prueba con idéntica cobertura geográfica, pero con distinto nivel de clasificación de suelos. Un conjunto estaba integrado por unidades de suelos (SU) de la leyenda revisada de la FAO, mientras que el otro conjunto representaba las agrupaciones de suelos mayores (MSG). Se seleccionaron y clasificaron los mejores conjuntos de capas, incluyendo 10, 15, 20, 25, 30, 35, 40 y 45 capas respectivamente, mediante el método de Bhattachryya para la seleción de rasgos. Se compararon los resultados de los diferentes conjuntos. Se interpretaron también los rendimientos obtenidos con las imágenes AVHRR solas y con las imágenes basadas únicamente en datos de terreno, respectivamente. Los resultados indican que los descriptors de terreno solos no son suficientes para clasificación de suelos. Sin embargo, los algoritmos de selección de rasgos siempre seleccionaron el MDE y sus derivados entre los primeros, lo que subraya su importancia para la caracterización del paisaje edáfico. Cuando se utilizaron solamente datos AVHRR, las clases de prueba rindieron 49.8% para los MSG y 48.6% para los SU. La integración de datos de terreno en la base de datos AVHRR produjo mejoramientos relativamente pequeños (4.6% y 2.8%). Los mejores rendimientos con las clases de prueba se obtuvieron cuando se utilization todos los canales disponibles para la clasificación, con 51.4% para los SU de la FAO y 54.4% para los MSG en la imagen básica, y con 51.7% y 54.4% respectivamente en las imágenes transformadas mediante DAFE. Las bandas AVHRR con mayor información eran las obtenidas en primavera (abril-mayo), mientras que las bandas más abundantes resultaron ser la banda 1 (rojo visible) y las bandas 3 y 4.