Confronto tra metodologie fuzzy e crisp nella mappatura di superfici forestali
AUTORE:
Valerio Amici Francesco Geri Peter Csontos Duccio Rocchini
RIF. ARTICOLO:
pp. 63-82
Comparison between crisp and fuzzy methods in mapping forested areas.
- Forests represent one of the most important habitats of the Earth for several ecological
reasons, hosting a great amount of Earth biodiversity, preventing soil erosion, replenishing
ground water by reducing water runoff, controlling flooding enhancing infiltration,
storing carbon. Thematic maps and remote sensing data are powerful tools to be used in
landscape planning and forest management. Most of the European and Mediterranean
forest monitoring and conservation program only rely on boolean classification methods.
The aim of this paper was to assess the amount of classification uncertainty related
to crisp classes, particuiarly focusing on forest identification and mapping. Forest fuzzy
membership of the Tuscany region (Italy) was obtained by a Landsat ETM+ image and
compared with the most used crisp datasets in European Forests management and conservation
plans (i.e. the European JRC Forest/Non-Forest map and the CORINE Land cover
2000, levels 1 and 2), in order to qualitatively and quantitatively assess the separability, of
crisp classes whith respect to forest fuzzy membership. A statistically significant (p<O.O01)
forest fuzzy membership separability among the considered crisp classes was found.
Meanwhile, despite the crisp dataset and hierarchical level taken into account, forest
crisp classes showved a high degree of forest fuzzy, membership variability. While, on the
one hand operational problems associated to spatial resolution were remarked, on the
other the intrinsic mixing of crisp land cover classes suggests to take into account the
uncertainty related 1o a crisp view of ecological entities which are being mapped.
Comparaison des méthodes crisp et fuzzy dans la cartographie des foréts.
- Les forets sont une des principales réserves de biodiversité sur notre planète et leur
fragmentation est considérée l'une des plus grandes menaces pour la diminution de la
biodiversité globale, résultant en une réduction significative des habitats adéquats pour
les espèces sensibles et donc en une extinction rapide des populations au niveau local.
Afin de développer des stratégies pour la conservation, et la gestion durable des forets,
il est important d'obtenir la cartographie des types de foréts à travers des méthodes de
classification objective, caractérisées par un faible niveau d'incertitude. Toutefois, la
plupart des projets de conservation et de gestion des forèts sont basés sur la cartographie
crisp traditionnelle, fondée sur la logique booléenne, et caractérisée par un niveau élevé
d'incertitude. Le but de cette étude est d'évaluer l'incertitude des principaux programmes
de cartographie Crisp disponibles au niveau européen (CCR et de la SIC de niveau 1 et 2),
grace à une approche fuzzy. La méthodologie proposée prévoit la classilication fuzzy
d'une image Landsat ETM+ de la Région Toscane, afin de classer les superficie forestières
en fonction de leur degré d'appartenance à la catégorie "foret". Les classes crisp,
dérivées de dataset utilisées, ont été comparés en fonction du degré d'appartenance à
la catégorie des "forets" et les résultats obtenus ont été validés par un test non paramé_
trique. Les résultats montrent une séparabilité statistique de toutes les classes utilisées,
mais en méme temps on a trouvé une grande variabilitè dans les classes de forét, ce qui
démontre l'incertitude intrinsèque des méthodes traditionnelles crisp pour l'identification
des différentes catégories de foréts, en particulier dans les environnements avec
haute conplexite structurelle.
