Инструменты для (полу) автоматической трассировки леса по спутниковым изображениям


9

Я пытаюсь рисовать лесные массивы в OpenStreetMap, используя изображения спутника Yahoo.

В редакторе JOSM есть несколько плагинов, которые пытаются автоматизировать процесс - вы должны щелкнуть внутри области, и плагин найдет границы. Но качество довольно плохое.

Я ищу некоторые библиотеки / алгоритмы, чтобы получить границы хорошего качества.

Изображения, с которыми я работаю, выглядят так: http://maps.yahoo.com/#mvt=s&lat=56.907056&lon=24.597595&zoom=14


Вы должны представлять данные, полученные из изображений авторских прав, в OSM?
Джеймс Райан

1
@ Джеймс да, если в метаданных четко указан источник и метод деривации. Лесные полигоны, созданные из этих изображений, не могут быть использованы для восстановления разумного факсимиле оригинала. С другой стороны, если бы изображение карты Yahoo было классифицированным растром ... Я был бы более осторожен.
Мэтт Уилки

если вы посмотрите на то, что вы сказали, это не так, любой вывод без разрешения является нарушением авторских прав. В этом случае Yahoo специально позволил это.
JamesRyan

Ответы:


5

Вам лучше использовать приложение дистанционного зондирования. Конечно, вам нужно иметь растровые изображения на вашем компьютере. Существуют тонны методов, которые могут помочь вам определить лесные районы, такие как: использование нейронных сетей, обученные участки изображений, сегментирование и классификация под наблюдением / без присмотра. Я не уверен, решит ли это вашу проблему, но это только начало.

Существуют бесплатные DIP (цифровая обработка изображений), такие как GRASS, SPRING (я думаю, что это доступно только в pt-BR) и OSSIM (я не уверен в этом)


3

Возможно, попробуйте другой источник изображения. С OnEarth вы можете выбирать между различными комбинациями групп. В псевда или ложных цветах из них выделить различия между заросшей и не заросшими областями лучше , чем «естественный» или «визуальный» цветом комбо (прокрутите вниз примеры использования WMS Global Mosaic ). Данные OnEarth доступны через TiledWMS , KML и прямую загрузку (простой WMS также доступен, но не рекомендуется для снижения нагрузки на сервер). Изображения бесплатны и свободны, поэтому не стоит беспокоиться о том, что вам разрешено делать с ними.


3

Чтобы избежать ошибок в лицензировании, вы можете получить множество данных Landsat TM5 / ETM7 из GLOVIS . Затем, используя, например, полосы 3 и 4 (красный и ближний инфракрасный диапазон) и, возможно, другие, вы можете попытаться классифицировать изображение, экспортировать как многоугольник, а затем настроить многоугольник на содержание своего сердца. Для лесов использование пространственной корреляции между пикселями часто очень полезно (в вашем примере посмотрите на гранулярность древостоев). Классификаторы текстуры (например, для расчета дисперсии NDVI в окне 3x3) дополняют чисто радиометрические классификаторы.

Что касается инструментов, GRASS был упомянут как, вероятно, хороший выбор. У нас есть ENVI на работе, и хотя это и не бесплатное программное обеспечение, это был бы инструмент, который я бы рассмотрел для этого.

Обратите внимание, что данные Landsat часто загрязнены облаками или тенью от облаков. Возможно, вам придется немного покопаться в архиве, чтобы найти подходящие данные.


1

Недавно НАСА создало глобальную карту высоты лесов , возможно, использование ее в качестве основы для редактирования поможет вам продвинуться далеко вперед по пути к вашей цели.


1
из описания, что набор данных не будет иметь большого значения для этой цели, поскольку лесные насаждения в среднем составляют 5 кв. км блоков. Хотя отличный набор данных, я еще не слышал об этом.
Мэтт Уилки

0

Чтобы получить границы, вы ищете алгоритм роста региона. В данной статье рассматриваются такие алгоритмы, один из которых реализован в SAGA GIS.

Как упоминалось в других ответах, вам действительно следует использовать больше полос, чем только видимый свет. Особенно ближний инфракрасный и инфракрасный должны хорошо работать.

И на самом деле, большинство программ ГИС / ДЗЗ идут дальше: если у вас есть несколько примеров полигонов, они могут выполнить «контролируемую» классификацию, которая даже предложит новые леса. Вы найдете много алгоритмов, если вы выполните поиск по этому.

Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.