Applying Multi-Index approach from Sentinel-2 Imagery to Extract Urban Area in dry season (Semi-Arid Land in North East Algeria)

Abstract

[EN] The mapping of urban areas mostly presents a big difficulty, particularly, in arid and semi-arid environments. For that reason, in this research, we expect to increase built up accuracy mapping for Bordj Bou Arreridj city in semi-arid regions (North-East Algeria) by focusing on the identification of appropriate combination of the remotely sensed spectral indices. The study applies the ‘k–means’ classifier. In this regard, four spectral indexes were selected, namely normalized difference tillage index (NDTI) for built-up, and both bare soil index (BSI) and dry bare-soil index (DBSI), which are related to bare soil, as well as the normalized difference vegetation index (NDVI). All previous spectral indices mentioned were derived from Sentinel-2 data acquired during the dry season. Two combinations of them were generated using layer stack process, keeping both of NDTI and NDVI index constant in both combinations so that the multi-index NDTI/BSI/NDVI was the first single dataset combination, and the multi-index NDTI/DBSI/NDVI as the second component. The results show that BSI index works better with NDTI index compared to the use of DBSI index. Therefore, BSI index provides improvements: bare soil classes and built-up were better discriminated, where the overall accuracy increased by 5.67% and the kappa coefficient increased by 12.05%. The use of k-means as unsupervised classifier provides an automatic and a rapid urban area detection. Therefore, the multi-index dataset NDTI/ BSI / NDVI was suitable for mapping the cities in dry climate, and could provide a better urban management and future remote sensing applications in semi-arid areas particularly.

[ES] La cartografía de las zonas urbanas presenta una gran dificultad, especialmente en los entornos áridos y semiáridos. Por esa razón, en esta investigación esperamos aumentar la precisión de la cartografía de la ciudad de Bordj Bou Arreridj en las regiones semiáridas (noreste de Argelia) centrándose en la identificación de la combinación adecuada de los índices espectrales obtenidos por teledetección. El estudio aplica el clasificador ‘k-means’. A este respecto, se seleccionaron cuatro índices espectrales, a saber, el índice de labranza de diferencia normalizada (NDTI) para el área construida, el índice de suelo desnudo (BSI) y el índice de suelo desnudo seco (DBSI), que están relacionados con el suelo desnudo, así como el índice de vegetación de diferencia normalizada (NDVI). Todos los índices espectrales anteriores mencionados se derivaron de datos Sentinel-2 adquiridos durante la estación seca (agosto). Se generaron dos combinaciones de ellas utilizando el proceso de superposición de capas, manteniendo constante tanto el índice NDTI como el índice NDVI en ambas combinaciones, de modo que el multi-índice NDTI/BSI/NDVI fue la primera combinación de conjuntos de datos, y el multi-índice NDTI/DBSI/NDVI fue el segundo componente. Los resultados muestran que el índice BSI funciona mejor con NDTI en comparación con el uso de DBSI. Por lo tanto, BSI proporciona mejoras: las clases de suelo desnudo y la de construcciones fueron mejor discriminadas, aumentando la precisión global en un 5,67%, y el coeficiente kappa un 12,05%. El uso de k-means como clasificador no supervisado proporciona una detección del área urbana automática y rápida. Por lo tanto, el conjunto de datos de varios índices NDTI/ BSI/ NDVI fue adecuado para cartografiar las ciudades en clima seco, y podría proporcionar una mejor gestión urbana y futuras aplicaciones de teledetección en zonas semiáridas en particular.