Mapping the condition of mangroves of the Mexican Pacific using C-band ENVISAT ASAR and Landsat optical data

• JM Kovacs ^[1] ; C Zhang ^[2] ; FJ Flores-Verdugo ^[3]
  1. [1] Nipissing University

     Nipissing University

     Canadá

     
  2. [2] East Tennessee State University

     East Tennessee State University

     Estados Unidos

     
  3. [3] Universidad Nacional Autónoma de México

     Universidad Nacional Autónoma de México

     México

     

  Mostrar afiliaciones +
• Localización: Ciencias marinas, ISSN 0185-3880, ISSN-e 2395-9053, Vol. 34, Nº 4, 2008, págs. 407-418
• Idioma: inglés
• Títulos paralelos:
  • Cartografía de la condición de los manglares del Pacífico mexicano usando datos de la banda C de ENVISAT ASAR y datos ópticos de Landsat
• Enlaces
  • Texto completo
• Resumen
  • español

    Para determinar si los datos de la banda C del sensor espacial SAR pudieran utilizarse solos, o de manera simultánea con datos ópticos, para hacer mapas precisos de bosques de manglar del Pacífico mexicano, se tomaron cuatro escenas de ENVISAT ASAR de doble polarización, con dos ángulos de inclinación, del complejo estuarino de manglar Teacapán-Agua Brava-Las Haciendas. Se clasificaron varias combinaciones de datos de ASAR con el propósito de determinar el arreglo óptimo para crear mapas de manglares. Además, se clasificaron datos de Landsat TM para los mismos sitios de ensayo. La precisión global al hacer mapas de estos manglares aumentó cuando se utilizó más de un modo de polarización. En general, los resultados fueron mejores cuando el ángulo de incidencia fue mayor (~41° vs ~23°). En todas los casos, los datos ópticos por sí solos proporcionaron una clasificación más precisa. Con una sola clase de manglar la mayor precisión global utilizando los datos de ASAR fue de 54%, comparada con 76% con los datos ópticos. Cuando se consideraron las cuatro diferentes clases de manglar que representan las condiciones típicas de este sistema (manglar muerto, pobre, sano y sano alto), la precisión global se redujo hasta 45% y 63%, respectivamente. Debido a la limitada penetración de la banda C en el follaje, utilizando datos del ASAR fue difícil diferenciar los manglares sanos y sanos altos de las palmas y otros bosques terrestres. Además de la confusión entre las cuatro clases de manglar, las zonas de manglares muertos resultaron erróneamente clasificadas como áreas salinas y de aguas libres de vegetación, con los datos ópticos, y como tierras agrícolas con los datos de ASAR. Dadas las ventajas para diferenciar áreas de manglar muerto de los espejos de agua y las salinas con los datos de ASAR, éstos se utilizaron de manera simultánea con datos ópticos para reducir los errores en la clasificación de estas áreas.

  • English

    To determine whether spaceborne C-band SAR data could be used alone, or in conjunction with optical data, for accurately mapping mangrove forests of the Mexican Pacific, four scenes of dual-polarized ENVISAT ASAR data, at two incidence angles, were collected for the Teacapán-Agua Brava-Las Haciendas estuarine-mangrove complex. Several combinations of these ASAR data were classified to determine the most optimal arrangement for mangrove mapping. In addition, corresponding Landsat TM data were classified using the same training sites. The overall accuracy in mapping these mangroves did improve when more than one polarization mode was employed. In general, the higher incidence angle data (~41° vs ~23°) provided better results. In all circumstances, the optical data alone provided higher classification accuracies. When contained as one mangrove class, the highest overall accuracy achieved using the ASAR data was 54% as compared to 76% for the optical data. When considering four separate mangrove classes, representing the four conditions typical of this system (dead, poor condition, healthy, tall healthy), overall accuracies dropped to 45% and 63%, respectively. With the limited penetration of C-band into canopies, it was difficult to separate healthy and tall healthy mangrove from palm and other terrestrial forests using the ASAR data. In addition to confusion amongst the four mangrove classes, the dead mangrove stands created considerable misclassification as they were readily misidentified with water and saltpan areas in the optical data and with agricultural lands in the ASAR data procedure. Given the advantage of ASAR for identifying dead stands from open water and saltpan, these data were then used in conjunction with the optical data to reduce the misclassification of these areas.