La classification supervisée conventionnelle des images satellites utilise une seule image multibande et des observations au sol coïncidentes pour construire des signatures spectrales des classes de couverture terrestre. Nous avons comparé cette approche avec trois alternatives qui dérivent des signatures à partir de plusieurs images et périodes de temps : (1) généralisation de la signature : les signatures spectrales sont dérivées de plusieurs images au cours d'une saison, mais peut-être d'années différentes ; (2) expansion de la signature : les signatures spectrales sont créées avec des données provenant d'images acquises au cours de différentes saisons de la même année ; et (3) combinaisons d'expansion et de généralisation. À l'aide de données pour le nord du Laos, nous avons évalué la qualité de ces différentes signatures pour (a) classer les images utilisées pour dériver la signature, et (b) pour une utilisation dans l'extension temporelle de la signature, c'est-à-dire l'application d'une signature obtenue à partir de données d'une ou plusieurs années à des images d'autres années. Lors de l'application de signatures aux images à partir desquelles elles ont été dérivées, l'expansion de la signature a amélioré la précision par rapport à la méthode conventionnelle, et la variabilité de la précision a considérablement diminué. En revanche, la généralisation de la signature n'a pas amélioré la classification. Lors de l'application de signatures à des images d'autres années (extension temporelle), la méthode conventionnelle, utilisant une signature dérivée d'une seule image, a entraîné une très faible précision de classification. L'expansion de la signature a également donné de mauvais résultats, mais la généralisation de la signature pluriannuelle a donné de bien meilleurs résultats, ce qui semble être une approche prometteuse dans l'extension temporelle des signatures spectrales pour la classification des images satellites.

La clasificación convencional supervisada de imágenes satelitales utiliza una sola imagen multibanda y observaciones coincidentes del suelo para construir firmas espectrales de las clases de cobertura terrestre. Comparamos este enfoque con tres alternativas que derivan firmas de múltiples imágenes y períodos de tiempo: (1) generalización de firmas: las firmas espectrales se derivan de múltiples imágenes dentro de una temporada, pero tal vez de diferentes años; (2) expansión de firmas: las firmas espectrales se crean con datos de imágenes adquiridas durante diferentes estaciones del mismo año; y (3) combinaciones de expansión y generalización. Utilizando datos para el norte de Laos, evaluamos la calidad de estas diferentes firmas para (a) clasificar las imágenes utilizadas para derivar la firma, y (b) para su uso en la extensión temporal de la firma, es decir, aplicando una firma obtenida a partir de datos de uno o varios años a imágenes de otros años. Al aplicar firmas a las imágenes de las que se derivaron, la expansión de la firma mejoró la precisión en relación con el método convencional, y la variabilidad en la precisión disminuyó notablemente. Por el contrario, la generalización de firmas no mejoró la clasificación. Al aplicar firmas a imágenes de otros años (extensión temporal), el método convencional, utilizando una firma derivada de una sola imagen, dio como resultado una precisión de clasificación muy baja. La expansión de firmas también tuvo un desempeño deficiente, pero la generalización de firmas de varios años tuvo un desempeño mucho mejor y este parece ser un enfoque prometedor en la extensión temporal de firmas espectrales para la clasificación de imágenes satelitales.

Conventional supervised classification of satellite images uses a single multi-band image and coincident ground observations to construct spectral signatures of land cover classes. We compared this approach with three alternatives that derive signatures from multiple images and time periods: (1) signature generalization: spectral signatures are derived from multiple images within one season, but perhaps from different years; (2) signature expansion: spectral signatures are created with data from images acquired during different seasons of the same year; and (3) combinations of expansion and generalization. Using data for northern Laos, we assessed the quality of these different signatures to (a) classify the images used to derive the signature, and (b) for use in temporal signature extension, i.e., applying a signature obtained from data of one or several years to images from other years. When applying signatures to the images they were derived from, signature expansion improved accuracy relative to the conventional method, and variability in accuracy declined markedly. In contrast, signature generalization did not improve classification. When applying signatures to images of other years (temporal extension), the conventional method, using a signature derived from a single image, resulted in very low classification accuracy. Signature expansion also performed poorly but multi-year signature generalization performed much better and this appears to be a promising approach in the temporal extension of spectral signatures for satellite image classification.

يستخدم التصنيف التقليدي الخاضع للإشراف لصور الأقمار الصناعية صورة واحدة متعددة النطاقات وملاحظات أرضية متزامنة لإنشاء توقيعات طيفية لفئات الغطاء الأرضي. قارنا هذا النهج بثلاثة بدائل تستمد التواقيع من صور وفترات زمنية متعددة: (1) تعميم التوقيع: تستمد التواقيع الطيفية من صور متعددة خلال موسم واحد، ولكن ربما من سنوات مختلفة ؛ (2) توسيع التوقيع: يتم إنشاء التواقيع الطيفية باستخدام بيانات من الصور التي تم الحصول عليها خلال مواسم مختلفة من نفس العام ؛ و (3) مجموعات من التوسع والتعميم. باستخدام البيانات الخاصة بشمال لاوس، قمنا بتقييم جودة هذه التوقيعات المختلفة من أجل (أ) تصنيف الصور المستخدمة لاستخلاص التوقيع، و (ب) لاستخدامها في تمديد التوقيع الزمني، أي تطبيق توقيع تم الحصول عليه من بيانات سنة واحدة أو عدة سنوات على صور من سنوات أخرى. عند تطبيق التوقيعات على الصور التي تم اشتقاقها منها، أدى توسيع التوقيع إلى تحسين الدقة بالنسبة للطريقة التقليدية، وانخفض التباين في الدقة بشكل ملحوظ. وعلى النقيض من ذلك، فإن تعميم التوقيع لم يحسن التصنيف. عند تطبيق التوقيعات على صور السنوات الأخرى (الامتداد الزمني)، أدت الطريقة التقليدية، باستخدام توقيع مشتق من صورة واحدة، إلى دقة تصنيف منخفضة للغاية. كما كان أداء توسيع التوقيع ضعيفًا ولكن كان أداء تعميم التوقيع متعدد السنوات أفضل بكثير ويبدو أن هذا نهج واعد في التمديد الزمني للتوقيعات الطيفية لتصنيف صور الأقمار الصناعية.