Alat untuk (semi) pelacakan hutan otomatis dari gambar satelit


9

Saya mencoba menggambar hutan di OpenStreetMap, menggunakan gambar satelit Yahoo.

Editor JOSM memiliki beberapa plugin yang mencoba mengotomatiskan proses - Anda harus mengklik di dalam area dan plugin menemukan batasan. Tetapi kualitasnya sangat buruk.

Saya mencari beberapa perpustakaan / algoritma untuk mendapatkan batasan kualitas yang baik.

Gambar yang saya kerjakan terlihat seperti ini: http://maps.yahoo.com/#mvt=s&lat=56.907056&lon=24.597595&zoom=14


Anda harus mengirimkan data yang berasal dari gambar hak cipta ke OSM?
JamesRyan

1
@ James ya, selama metadata dengan jelas menyatakan sumber dan metode derivasi. Poligon hutan yang dihasilkan dari gambar-gambar itu tidak dapat digunakan untuk membuat kembali faksimili asli yang masuk akal. Jika gambar peta yahoo adalah raster rahasia di sisi lain ... Saya akan lebih berhati-hati.
matt wilkie

setelah melihat ke dalamnya apa yang Anda katakan bukan masalahnya, derivasi apa pun tanpa izin merupakan pelanggaran hak cipta. Dalam hal ini yahoo secara khusus mengizinkannya.
JamesRyan

Jawaban:


5

Anda lebih baik menggunakan aplikasi penginderaan jauh. Tentu saja, Anda harus memiliki citra raster di komputer Anda. Ada banyak metode yang dapat membantu Anda menentukan daerah berhutan, seperti: menggunakan Jaringan Saraf Tiruan, patch citra terlatih, segmentasi dan klasifikasi yang diawasi / tidak diawasi. Saya tidak yakin apakah ini menyelesaikan masalah Anda, tapi ini awal.

Ada DIP gratis (pemrosesan gambar digital), seperti GRASS, SPRING (saya pikir ini hanya tersedia di pt-BR) dan OSSIM (Saya tidak yakin tentang ini)


3

Mungkin coba pencitraan sumber yang berbeda. Dengan OnEarth Anda dapat memilih dan memilih di antara kombinasi band yang berbeda. Warna pseudo atau false menyoroti perbedaan antara area bervegetasi dan non-vegetasi lebih baik daripada kombinasi warna "alami" atau "visual" (gulir ke bawah ke WMS Global Mosaic contoh penggunaan ). Data OnEarth tersedia melalui TiledWMS , KML , dan unduhan langsung (WMS biasa juga tersedia tetapi tidak disarankan untuk mengurangi beban server). Gambar ini gratis & gratis sehingga tidak perlu khawatir tentang apa yang Anda boleh lakukan dengannya.


3

Untuk menghindari jebakan lisensi, Anda dapat mengambil banyak data Landsat TM5 / ETM7 dari GLOVIS . Kemudian, dengan menggunakan misalnya band 3 dan 4 (merah dan hampir-dirusak), dan mungkin yang lain, Anda dapat mencoba untuk mengklasifikasikan gambar, ekspor sebagai poligon dan kemudian mengubah poligon ke isi hati Anda. Untuk hutan, menggunakan korelasi spasial antara piksel seringkali sangat berguna (dalam contoh Anda, lihat granularitas tegakan hutan). Pengklasifikasi tekstur (misalnya, hitung varian NDVI pada jendela 3x3) melengkapi pengklasifikasi radiometrik murni.

Mengenai alat, GRASS telah disebutkan sebagai mungkin merupakan pilihan yang baik. Kami memiliki ENVI di tempat kerja, dan meskipun bukan perangkat lunak bebas, itu akan menjadi alat yang saya pertimbangkan untuk ini.

Perhatikan bahwa data Landsat sering terkontaminasi oleh awan atau bayangan awan. Anda mungkin perlu menggali sedikit ke dalam arsip untuk menemukan data yang sesuai.


1

NASA baru-baru ini membuat peta ketinggian hutan global , mungkin menggunakan ini sebagai dasar untuk mengedit akan membuat Anda cukup jauh di jalan menuju tujuan Anda.


1
dari deskripsi bahwa dataset tidak akan banyak berguna untuk tujuan ini karena tegakan hutan rata-rata adalah blok 5sq-km. Dataset yang bagus, saya belum pernah mendengarnya.
matt wilkie

0

Untuk mendapatkan batas, Anda mencari algoritme yang berkembang di kawasan. Makalah ini membahas algoritma tersebut, salah satunya diimplementasikan dalam SAGA GIS

Seperti disebutkan dalam jawaban lain, Anda memang harus mencoba menggunakan lebih banyak band daripada hanya cahaya tampak. Terutama inframerah dekat dan inframerah harus bekerja dengan baik.

Dan pada kenyataannya, sebagian besar program penginderaan jauh / gis melangkah lebih jauh: setelah Anda memiliki beberapa contoh poligon, mereka dapat melakukan klasifikasi 'diawasi', yang bahkan akan menyarankan hutan baru. Anda akan menemukan banyak algoritma jika Anda melakukan pencarian itu.

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.