Deteksi trek secara otomatis

Diberikan area dengan depresi di area terbuka dari; mengatakan semua kendaraan medan mengemudi di permukaan lunak. Kendaraan akan menyebabkan depresi paralel (jalur) dengan kedalaman sekitar 10-20 sentimeter dan lebar sekitar 15-30 cm, dengan panjang bervariasi sesuai dengan kekokohan permukaan.

Platform penginderaan jauh mana yang relevan untuk analisis nanti? Quickbird, drone yang lebih kecil, lidar, fotografi udara?
Apakah ada prosedur yang tersedia dalam alat (FME / QGIS / ESRI / lainnya) yang dapat digunakan untuk mendokumentasikan jalur?

Mari kita demi menyederhanakan pertanyaan ini berasumsi bahwa kita secara positif tahu bahwa tidak ada jalan lain di daerah itu, atau bahwa mereka telah disaring keluar dari citra.

Otomatisasi penuh tidak diperlukan, dan bahkan mungkin tidak mungkin.

Ini adalah contoh dari apa trek akan terlihat. masukkan deskripsi gambar di sini

— ragnvald
sumber

Itu pertanyaan yang bagus. Biasanya saya lebih suka dua platform - satu untuk menemukan, satu untuk mengkonfirmasi. Depresi yang berwarna cokelat lebih cenderung menjadi roda, sebaliknya depresi non-roda lebih cenderung 'hijau'. LiDAR akan memberi Anda DEM terbaik untuk menemukan depresi dan IR adalah yang terbaik dalam mengklasifikasikan vegetasi / bukan vegetasi. Ketahuilah bahwa LiDAR, tergantung pada banyak faktor, akan memberikan hasil berbeda di mana air telah terkumpul. Secara tradisional ini akan diambil dari fotografi saja, yang merupakan banyak jam kerja, tetapi Anda harus mempertimbangkan biaya tenaga kerja vs akuisisi data.

— Michael Stimson

Saya berasumsi tujuan utama Anda adalah untuk mengidentifikasi trek off-road. Berapa luas area studi Anda? Di mana area studi?

— Aaron

Terima kasih Aron, ya itu terkait dengan trek off-road. Kami bertujuan mendokumentasikan mereka untuk mendapatkan indikasi tingkat kerusakan. Kami mungkin akan membatasinya pada beberapa unit manajemen seperti cagar alam, taman nasional atau sejenisnya. Per saat ini kami mencoba mencari tahu pilihan kami sebelum merancang proyek.

— ragnvald

Saya tidak yakin tentang LiDAR di salju (tidak mendapatkan banyak hal di Queensland), ruang terbuka jauh lebih mudah untuk diklasifikasi dan Anda dapat pergi dengan sensor yang lebih murah (lebih sedikit pengembalian per pulsa) .. di daerah yang sangat bervegetasi itu sangat penting untuk menggunakan beberapa pengembalian per pulsa untuk menemukan tanah; densitas nadi sama tetapi pengembaliannya lebih sedikit. Untuk menemukan alur Anda, jarak titik Anda harus cukup baik (lebih dari 8 pulsa / sq.m.) Yang berarti terbang rendah, lebih banyak strip, lebih banyak biaya, lebih banyak penyimpanan, lebih banyak waktu pemrosesan, lebih lama. Mungkin jauh lebih murah untuk mengambil foto dari fotografi yang dilakukan di Cina atau India.

— Michael Stimson

Saya harus memenuhi syarat pernyataan saya sebelumnya, jika Anda harus memperoleh LiDAR dan citra multispektral untuk proyek ini dan tidak dapat mengimbangi biaya (pembelian bersama dengan perusahaan lain atau departemen pemerintah yang memiliki minat terpisah di bidang yang sama) biayanya akan menjadi tinggi, mungkin lebih tinggi dari penangkapan, asalkan Anda dapat sumber tenaga kerja pada tingkat yang rendah. Saya tidak mengatakan itu tidak mungkin, jauh dari itu, itu akan sangat menarik sebagai kertas putih, mungkin saja bukan pilihan termurah.

— Michael Stimson

Saya tidak yakin bisa menjadi solusi terbaik untuk tujuan Anda, tetapi pengalaman saya dengan data SAR menunjukkan Ini bisa menjadi cara yang tepat untuk mengetahui trek di Savannah dan lingkungan berpasir.

Karena SAR adalah sistem pencitraan yang koheren, maka dua bentuk deteksi perubahan dapat dipertimbangkan, yaitu deteksi perubahan tidak koheren dan koheren. Deteksi perubahan koheren mengidentifikasi perubahan dalam daya hambur balik rata-rata adegan biasanya melalui statistik perubahan rasio intensitas rata-rata (sinyal amplitudo). Deteksi perubahan yang koheren, di sisi lain, mengidentifikasi perubahan baik dalam amplitudo dan fase dari gambar yang ditransduksi menggunakan statistik perubahan koherensi sampel. Deteksi perubahan yang koheren dengan demikian memiliki potensi untuk mendeteksi perubahan pemandangan yang sangat halus pada struktur hamburan sel resolusi-sub yang mungkin tidak terdeteksi menggunakan teknik yang tidak koheren. Dengan kata lain kendaraan atau jejak binatang.

Berkat Deteksi Perubahan Koherensi (CCD) Anda dapat memperoleh peta fase yang koheren (panchromatic). Piksel putih berarti sinyal koheren (tidak ada perubahan), piksel hitam berarti sinyal tidak koheren (perubahan). Di mana Anda dapat menemukan trek paralel untuk jangka waktu yang lama maka itu berarti harus lebih menarik penyelidikan.

masukkan deskripsi gambar di sini

Tentu saja, itu tergantung pada panjang gelombang dari fase dan faktor waktu.
Namun, pengulangan lulus citra SAR, harus diperoleh dan diproses secara interferometri.

Terutama ada 2 alat yang baik untuk melakukan analisis semacam ini: Erdas dengan Radar Mapping Suite dan ENVI dengan modul SarScape.

Penilaian saya tanpa aspek ekonomi.

— superifa
sumber

Metode ini mengasumsikan bahwa ada gambar yang menunjukkan sebelum dan sesudah aktivitas. Diberikan bahwa kita dalam beberapa kasus hanya akan memiliki gambar (pankromatik) berusia 5 tahun kita harus mengharapkan banyak suara dan dengan demikian metode ini mungkin bermasalah.

— ragnvald