Evaluation of Three Supervised Classifiers in Mapping “Depth to Late-Summer Frozen Ground,” Central Yukon Territory

Publisher Website
Google Scholar
Abstract
Devant les préoccupations croissantes suscitées par les changements climatiques à l'échelle mondiale, un programme de recherche visant à mettre au point des méthodes de surveillance des changements dans la cryosphère à l'aide de données de télédétection comme source principale de données a été mis en oeuvre. Ce programme, connu sous l'appellation CRYSYS (CRYospheric SYStem), porte principalement sur la surveillance des conditions de neige et de glace de surface dans le but de contrôler les processus régis par le climat qui influencent la cryosphère. L'un des constituants de la cryosphère présentant un intérêt particulier est le pergélisol. Le principal objectif de cette recherche consistait à évaluer trois méthodes de classification dirigée (maximum de vraisemblance, raisonnement d'évidence et réseau neuronal) pour la prévision et la cartographie de la profondeur de pénétration du gel en fin d'été (PPG) dans la zone étendue de pergélisol discontinu de la forêt boréale au coeur du Yukon. L'imagerie utilisée dans les classifications se composait de données recueillies par le capteur thématique de Landsat et de données dérivées d'un modèle numérique d'élévation, connues pour être corrélées avec le PPG. Les résultats d'une analyse à deux classes démontrent que tous les classificateurs soumis à l'analyse permettent de générer des résultats satisfaisants dans le région de Mayo. Le classificateur fondé sur la méthode des réseaux neuronaux est celui qui a donné les meilleurs résultats, à savoir un taux de concordance de 93 % entre les deux classes définies, soit à partir des images, soit à partir des relevés de terrain. Les données relatives à la couverture du sol et à la latitude équivalente se sont révélées particulièrement utiles dans les classifications. Lorsque trois classes de PPG ont été définies, des taux de concordance nettement inférieurs ont été obtenus pour tous les classificateurs, ce qui corroborent les observations de terrain selon lesquelles il n'existe que deux classes de PPG dans la région à l'étude.