Analyzing the Sensitivity of Crops Classification Accuracy Based on MODIS EVI Time Series and History Ground Reference Data

摘要

Une méthode améliorée de classification spectrale basée sur les profils a été développée pour discriminer le mais, la luzerne et le blé d'hiver dans l'État américain du Kansas. Contrairement à d'autres procédures de classification, cette méthode utilise les données historiques de référence terrain comme échantillons d'entraînement de la méthode. Un algorithme de réseau immunitaire artificiel (AIN), à savoir le Artificial Antibody Network (ABNet), a été testé comme classificateur, combinant les données historiques de référence terrain et les images MODIS EVI. Les données historiques de référence terrain des années 2009 à 2012 ont été utilisées pour classifier les trois cultures des données de 2013. Une nouvelle méthode a été développée pour sélectionner les pixels les plus purs de la couche de données des terres cultivées (CDL). Les données historiques de référence ont été utilisées dans deux méthodes différentes pour classifier les cultures en 2013: (a) une seule année de données historiques et (b) des données pluriannuelles utilisées dans quatre combinaisons différentes. L'utilisation de la méthode de classification (a) était la plus précise lorsque l'année la plus récente des données d'entraînement était utilisée. La précision de la méthode (b) augmentait avec le nombre d'années de données utilisé pour l'entraînement du classificateur. Les résultats variaient de 81% à 92% pour les précisions globales, à l'exception de l'année 2012, où une grave sécheresse a créé des profils spectraux anormaux pour toutes les cultures dans la zone d'étude.%An improved spectral profile–based classification method was developed to discriminate corn, alfalfa, and winter wheatrnin the U.S. state of Kansas. Unlike other classification procedures, this method uses historical field reference data as trainingrnsamples. An artificial immune network (AIN) algorithm, namely the artificial antibody network (ABNet), was tested as a classifier,rncombining historical field reference data and moderate-resolution imaging spectroradiometer (MODIS)-enhanced vegetationrnindex (EVI) images. Historical field reference data from the years 2009 to 2012 were used to classify the three crops for 2013rndata. A new method was developed to select the purest pixels from cropland data layer (CDL). Historical reference data werernused in two different methods to classify crops in 2013: (i) single-year historical data and (ii) multiyear data used in four differentrncombinations. Using method (i), classification was most accurate when the most recent year of training data was utilized. Thernaccuracy of method (ii) increased with the number of years of data used for training the classifier. Results ranged from 81% torn92% overall accuracies, with the exception of the year 2012, where a severe drought created anomalous spectral profiles for allrncrops in the study area.