Identification des caractéristiques spectrales dans les spectres infrarouges à grandes ondes (LWIR) des feuilles pour la discrimination des espèces d'arbres de la forêt tropicale sèche

Résumé :

Avec l'émergence des systèmes d'imagerie hyperspectrale à ondes longues, des études révèlent le potentiel de ces données pour la discrimination des espèces d'arbres. Cependant, peu d'études ont appliqué des méthodes statistiques de sélection de bandes pour sélectionner et caractériser les caractéristiques au niveau de l'espèce qui peuvent ensuite être utilisées pour améliorer la classification. Un ensemble de données de spectres de feuilles a récemment été collecté in-situ à partir de vingt-six espèces d'arbres dans une forêt sèche tropicale du Costa Rica. Les spectres des espèces présentent un faible contraste général et une gamme de formes spectrales, avec certaines espèces présentant une similarité spectrale. Ceci motive notre étude à explorer la performance des outils de sélection de bande pour aider à identifier les caractéristiques spectrales clés pour la classification de ces espèces.

Les bandes sélectionnées à l'aide d'un ensemble de méthodes multiples ont amélioré de 3 % les performances de la classification par régression logistique par rapport à un résultat sans sélection de bandes. Les méthodes multiples comprenaient les méthodes de la forêt aléatoire, de la redondance minimale, de la pertinence maximale et de l'angle solide spectral n-dimensionnel. Les bandes sélectionnées par les méthodes d'ensemble s'accordent bien avec les caractéristiques précédemment identifiées sur la base des connaissances des experts et peuvent être comprises dans le contexte des composés constitutionnels des feuilles et des caractéristiques spectrales associées. Les bandes ou caractéristiques hyperspectrales à ondes longues identifiées dans cette étude peuvent potentiellement aider à la cartographie future des espèces d'arbres à grande échelle. La stratégie d'ensemble est recommandée pour l'analyse des bandes de la végétation pour sa plus grande précision et stabilité.