Sono interessato a una soluzione a basso costo o open source per la creazione di strati GIS di copertura del suolo che utilizzano algoritmi di estrazione sia spettrali che tessili. Ho usato PCI Geomatica, ENVI e Feature Analyst VLS in passato; tuttavia queste soluzioni sono un po 'oltre la mia fascia di prezzo, qualche consiglio sul software?
Estrazione della funzione di copertura del suolo dalle immagini satellitari
Risposte:
A tale scopo è possibile utilizzare GRASS GIS che supporta l'estrazione di trame e la classificazione delle immagini in base a un approccio radiometrico / di segmentazione. Per un'idea, controlla questo estratto della conferenza , un discorso programmato al Geoinformatics FCE CTU 2011.
Vedi anche: http://grass.osgeo.org/wiki/Image_processing e http://grass.osgeo.org/wiki/Image_classification per una panoramica.
Se ti capisco correttamente, stai cercando una procedura di classificazione controllata. Alcuni retroscena teorici: http://rst.gsfc.nasa.gov/Sect1/Sect1_17.html
Questo è certamente possibile tramite grass: http://grass.osgeo.org/wiki/Image_classification#Supervised_classification_2
In alternativa puoi anche guardare la saga (non sto dicendo che è meglio, lo so anche io meglio), che gioca anche bene con qgis e R. Ci sono alcuni video che lo dimostrano su questo sito: http: // www.uni-koblenz-landau.de/landau/fb7/umweltwissenschaften/landscape-ecology/Teaching/geostat (scarica i file di dati per ottenere le presentazioni).
In tutti i programmi gis, ciò che dovrai fare è definire un numero di punti di riferimento o poligoni in un tipo di terra, che vengono poi estrapolati al resto dell'area. Ecco un esempio di classificazione del landuse:
E infatti se hai disegnato i tuoi poligoni di allenamento in qualsiasi programma gis, puoi usare R per prevedere. Crea una sovrapposizione con le tue griglie, quindi utilizza qualsiasi sistema di previsione che ti piace (ad esempio, se vuoi alberi di classificazione). Maggiori informazioni in questo libro a pagina 222: http://www.lulu.com/product/file-download/a-practical-guide-to-geostatistical-mapping/14938111
C'è molto altro da dire, i tuoi set di allenamento dovrebbero essere rappresentativi per la tua area di studio (forse sarebbe anche meglio generare punti casuali in R e classificarli). Dovresti anche scegliere attentamente i tuoi set di dati ausiliari e potresti volerne generare di nuovi se, ad esempio, la trama è una proprietà importante.
-
Se tutto ciò che vuoi fare è estrarre regioni o funzionalità (senza classificarle), è più probabile che tu voglia un algoritmo di segmentazione. Un esempio (implementato in SAGA GIS) è discusso in questo documento: http://mirror.transact.net.au/pub/sourceforge/s/project/sa/saga-gis/SAGA%20-%20Documentation/GGA115/gga115_03 .PDF
Molte grazie per la tua risposta. Sembra che tu sappia esattamente come si possono raggiungere i miei obiettivi. Ciò che apprezzerei molto è se chiarissi un po 'di più la tua risposta. Sono specificamente interessato ai passaggi coinvolti in modo da poter insegnare al programma quali funzioni sono corrette e quali sono sbagliate fino a quando non vengono estratte tutte (o la maggior parte) delle funzioni corrette.
—
NetConstructor.com il
Fornisci maggiori informazioni (nella tua domanda, non nei commenti) quali sono esattamente le caratteristiche che vuoi estrarre. A parte questo: se c'è una sovrapposizione nel segnale (vedi link nasa) di diversi tipi di uso del suolo (o qualunque cosa tu stia mappando), la classificazione automatizzata non funzionerà bene.
—
johanvdw,
Saresti in grado di farlo con GRASS.
Lavorerai prima con i dati raster:
- Ti indicherò questo tutorial . Vedi la parte raster.
- Utilizzerai r.mapcalc e r.reclass per estrarre le funzionalità desiderate.
- r.to.vect ti permetterà di vettorializzare i tuoi dati.
Finalmente manipolerai i dati vettoriali . v.db.select e v.class ti aiuteranno.
Questo approccio utilizza solo un raster, che di solito è insufficiente.
—
johanvdw,
Sta parlando di una regione (un'immagine o multipli). Ad ogni modo, le immagini possono essere unite.
—
simo,