Original paper

Suitability of WorldView-2 data for tree species classification with special emphasis on the four new spectral bands

Immitzer, Markus; Atzberger, Clement; Koukal, Tatjana

Abstract

There is an increasing demand for information on tree species composition and spatial distribution. Detailed tree species maps are essential for addressing different ecological problems. Moreover, they are important in modern forest management as close to nature forest management is becoming more and more common. This study examines the potential of 8-band WorldView-2 data with 2 m ground sample distance (GSD) for identifying 10 tree species in a mid-European forest. We delineated well-illuminated tree crowns manually and did a supervised classification using linear discriminant analysis (LDA) implemented in a bootstrapping environment (1465 observations, 500 bootstrap samples). The overall accuracy for the 10 tree species was around 84 % (8 bands) with class-specific producer's accuracies ranging between 54 % (Carpinus betulus) and 96 % (Fagus sylvatica). In general, the accuracy was higher for the 5 deciduous tree species (89 %) than for the 5 coniferous tree species (79 %). The classification accuracies decreased significantly, if only the 4 conventional bands Blue, Green, Red, and Near Infrared 1 were used (78 % overall accuracy). However, when the classification focused only on the 4 main tree species in the investigation area, i.e. Picea abies, Pinus sylvestris, Fagus sylvatica, Quercus robur, the 4 conventional bands were sufficient to achieve high classification accuracies (95 % overall accuracy). Adding the 4 new bands (Coastal, Yellow, Red Edge, Near Infrared 2) to the input feature set did not further improve the overall classification accuracy for these 4 main tree species. Hence, the positive impact of the additional 4 new bands resulted from strongly increased classification accuracies of the 6 secondary tree species. Green and Near Infrared 1 (conventional bands) as well as the bands Red Edge and Near Infrared 2 (new bands) contributed most to class separability (according to Wilks' Lambda).

Kurzfassung

Informationen über die Baumartenzusammensetzung und -verteilung werden vermehrt nachgefragt. Detaillierte Baumartenkarten sind beispielsweise bei vielen ökologischen Fragestellungen unverzichtbar, stellen aber auch in der forstlichen Praxis aufgrund der mehr und mehr praktizierten naturnahen Waldbewirtschaftung eine wichtige Datengrundlage dar. In dieser Studie wird das Potenzial der 8-Band WorldView-2 Daten mit einer Bodenauflösung von 2 m für die Unterscheidung von 10 Baumarten in einem mitteleuropäischen Testgebiet untersucht. Dazu wurden gut beleuchtete Teile von Baumkronen manuell abgegrenzt und mit Hilfe der Linearen Diskriminanzanalyse (LDA) klassifiziert. Durch Bootstrapping (1465 Referenzflächen, 500 Wiederholungen) wurde für die 10 Baumarten eine Gesamtgenauigkeit von 84 % ermittelt (8 Kanäle). Die Ergebnisse variierten von Baumart zu Baumart zum Teil beträchtlich (Produzentengenauigkeit bei Hainbuche 54 % und bei Buche 96 %). Generell lag die Klassifikationsgenauigkeit bei den 5 Laubbaumarten höher (89 %) als bei den 5 Nadelbaumarten (79 %). Die Klassifikationsgenauigkeiten nahmen deutlich ab, wenn nur die 4 konventionellen Spektralkanäle Blue, Green, Red und Near Infrared 1 verwendet wurden (78 % Gesamtgenauigkeit). Wurden jedoch lediglich die 4 Hauptbaumarten kartiert (Fichte, Kiefer, Buche und Eiche), konnte bereits mit den 4 konventionellen Kanälen eine hohe Gesamtgenauigkeit erzielt werden (95 %). Für die 4 Hauptbaumarten konnte durch die zusätzliche Verwendung der 4 neuen Kanäle (Coastal, Yellow, Red Edge, Near Infrared 2) keine Steigerung der Klassifikationsgenauigkeit erzielt werden. Der positive Einfluss der 4 zusätzlichen Kanäle ist dagegen bei den 6 Nebenbaumarten stark ausgeprägt. Die Untersuchung der Trennkraft der einzelnen Kanäle ergab, dass von den 4 konventionellen Kanälen Green und Near Infrared 1 am meisten zur Trennung der Klassen beitragen und von den 4 neuen Kanälen Red Edge und Near Infrared 2 (Wilks' Lambda).

Keywords

tree speciesclassificationtemperate forestworldview-2linear discriminant analysis