• Media type: E-Article
  • Title: Utilisation des données Landsat pour la cartographie des formations végétales dans le Sud de Sumatra
  • Contributor: Ducros-Gambart, Danielle [Author]; Le Toan, Thuy [Author]; Deshayes, Michel [Author]
  • Published in: L'Espace géographique ; Vol. 13, n° 3, pp. 205-214
  • Language: French
  • DOI: 10.3406/spgeo.1984.3928
  • ISSN: 0046-2497
  • Identifier:
  • Keywords: cartography ; methodology ; remote sensing ; Sumatra ; tropical zone ; vegetation ; zone tropicale ; végétation ; télédétection ; méthodologie ; cartographie ; article
  • Origination:
  • Footnote:
  • Description: A partir des données de Landsat, une étude préliminaire de classification des formations végétales dans une région tropicale située dans le sud de Sumatra a mis en évidence de nombreuses difficultés. Les résultats des méthodes de classification multispectrale supervisée sont affectés par le manque de précision dans la localisation des surfaces de référence sur les images, et surtout par la faible dynamique des réponses des capteurs MSS concernant la végétation dans la zone. Une méthodologie a été élaborée avec l'introduction de l'information texturale. Dans une première étape, les transformations locales ont apporté une aide à la localisation des échantillons et, dans une deuxième étape, l'image transformée a été incorporée dans la classification. Ce procédé a permis d'obtenir une meilleure discrimination des formations végétales de la zone.

    Use of Landsat data for mapping tropical vegetation in the South of Sumatra. A preliminary study has pointed out several difficulties encountered in attempts to classify vegetation-covered surfaces from Landsat data acquired in a region located in the South of Sumatra. Results of supervised multispectral classification techniques are affected by the restricted dynamic range of MSS responses to vegetation of the area and also by the lack of precision in sample location. A methodology is developed using textural information. In a first step, local transformations provide an improvement in the training stage and in a second step, the transformed images are incorporated in the classification. This process yields a better discrimination of vegetation-covered surfaces.
  • Access State: Open Access
  • Rights information: Attribution - Non Commercial - No Derivs (CC BY-NC-ND)