GIS-Lab - Вклад [ru]

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-21T10:31:57Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков нарушенного и усохшего леса на территории НП «Орловское полесье».

2) Лесное дешифрирование (по породам) части территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительно скачанный с официального сайта.
Программное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из распакованного архива космоснимка Sentinel.
В форме откроются каналы (bands) космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находится в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла metadata]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончания.

[[Файл:6-_hod_atmcorrect.png|frame|40x40px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]].

Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]].

Иконкой крестик выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]], создаём папку CLIP, указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|400x400px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|300x300px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|300x300px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|300x300px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|300x300px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную).

Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из каналов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|450x450px|центр|Форма ввода ROI]]

Теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|450x450px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|400x400px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полной удовлетворенности результатом захватывания. Этот принцип будет также использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту (вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и также меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, произошёл захват и пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видеопримере разработчика данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|450x450px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, чтобы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|450x450px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|400x400px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать предпросмотр, перед осуществлением классификации, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Предпросмотр]]

После нажатия на эту иконку нажимаем на космоснимок для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

''*при подготовке выяснилось, что первый канал шумит, и я его из синтеза исключил''

= Показатель успешности =

Изначальный снимок + слой лу2006 (лесоустройство 2006 г.). Фиолетовый цвет под слоем лесоустройства – предполагаемое усыхание

[[Файл:Problem-snimok.png|frame|550x550px|центр|Космоснимок до алгоритма]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|550x550px|центр|Классифицированный снимок.
Оранжевый цвет(def)- лесонарушение]]

Попадание по породам:

[[Файл:Popadporod.png|frame|550x550px|центр|Совпадение выделов слоя лесоустройства с классифицированным снимком]]

=Вывод=

Ранее уже предпринималась попытка использования Semi-Automatic Classification Plugin в классификации космоснимка Landsat (http://gis-lab.info/qa/landsat_qgis_scp.html) и обработка была успешной. Однако, результаты после обработки снимка Sentinel-2a стали более чёткими и совпадение с графическими материалами лесоустройства стало более точным. Данное отличие обусловлено параметрами видимых каналов космоснимков: у Landsat он 30 м, у Sentinel-2a - 10 м, поэтому использование последних в работах лесохозяйственного направления будет более целесообразно. Снимки Sentinel-2a дают возможность отображения различий в состоянии растительности, в том числе и временные изменения.

=Литература=

1.http://semiautomaticclassificationmanual-v4.readthedocs.org/en/latest/Tutorials.html

2.Видеоматериалы от Luca Congedo

3.Карпачев А.П. Опыт классификации космоснимка Landsat с помощью Semi-Automatic Classification Plugin в QGIS http://gis-lab.info/qa/landsat_qgis_scp.html

4.Крылов А. М., Соболев А. А., Владимирова Н. А. Выявление очагов короеда-типографа в Московской области с использованием снимков Landsat //Вестник Московского государственного университета леса - Лесной вестник. – 2011. – №. 4. – С. 54-60

5.Крылов А.М., Владимирова Н.А., Малахова Е.Г. Использование свободных ГИС в системе дистанционного лесопатологического мониторинга // Вестник Московского государственного университета леса - Лесной Вестник, №1 2012. С. 148-152

6.Крылов А.М., Владимирова Н.А. Дистанционный мониторинг состояния лесов по данным космической съемки // "ГЕОМАТИКА" №3(12), 2011 г. с. 53-57

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-20T14:56:57Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков нарушенного и усохшего леса на территории НП «Орловское полесье».

2) Лесное дешифрирование (по породам) части территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительно скачанный с официального сайта.
Программное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из распакованного архива космоснимка Sentinel.
В форме откроются каналы (bands) космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находится в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла metadata]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончания.

[[Файл:6-_hod_atmcorrect.png|frame|40x40px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]].

Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]].

Иконкой крестик выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]], создаём папку CLIP, указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|400x400px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|300x300px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|300x300px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|300x300px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|300x300px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную).

Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из каналов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|450x450px|центр|Форма ввода ROI]]

Теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|450x450px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|400x400px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полной удовлетворенности результатом захватывания. Этот принцип будет также использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту (вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и также меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, произошёл захват и пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видеопримере разработчика данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|450x450px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, чтобы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|450x450px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|400x400px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать предпросмотр, перед осуществлением классификации, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Предпросмотр]]

После нажатия на эту иконку нажимаем на космоснимок для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

= Показатель успешности =

Изначальный снимок + слой лу2006 (лесоустройство 2006 г.). Фиолетовый цвет под слоем лесоустройства – предполагаемое усыхание

[[Файл:Problem-snimok.png|frame|550x550px|центр|Космоснимок до алгоритма]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|550x550px|центр|Классифицированный снимок.
Оранжевый цвет(def)- лесонарушение]]

Попадание по породам:

[[Файл:Popadporod.png|frame|550x550px|центр|Совпадение выделов слоя лесоустройства с классифицированным снимком]]

=Вывод=

Ранее уже предпринималась попытка использования Semi-Automatic Classification Plugin в классификации космоснимка Landsat (http://gis-lab.info/qa/landsat_qgis_scp.html) и обработка была успешной. Однако, результаты после обработки снимка Sentinel-2a стали более чёткими и совпадение с графическими материалами лесоустройства стало более точным. Данное отличие обусловлено параметрами видимых каналов космоснимков: у Landsat он 30 м, у Sentinel-2a - 10 м, поэтому использование последних в работах лесохозяйственного направления будет более целесообразно. Снимки Sentinel-2a дают возможность отображения различий в состоянии растительности, в том числе и временные изменения.

=Литература=

1.http://semiautomaticclassificationmanual-v4.readthedocs.org/en/latest/Tutorials.html

2.Видеоматериалы от Luca Congedo

3.Карпачев А.П. Опыт классификации космоснимка Landsat с помощью Semi-Automatic Classification Plugin в QGIS http://gis-lab.info/qa/landsat_qgis_scp.html

4.Крылов А. М., Соболев А. А., Владимирова Н. А. Выявление очагов короеда-типографа в Московской области с использованием снимков Landsat //Вестник Московского государственного университета леса - Лесной вестник. – 2011. – №. 4. – С. 54-60

5.Крылов А.М., Владимирова Н.А., Малахова Е.Г. Использование свободных ГИС в системе дистанционного лесопатологического мониторинга // Вестник Московского государственного университета леса - Лесной Вестник, №1 2012. С. 148-152

6.Крылов А.М., Владимирова Н.А. Дистанционный мониторинг состояния лесов по данным космической съемки // "ГЕОМАТИКА" №3(12), 2011 г. с. 53-57

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T18:20:43Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|40x40px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]].

Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]].

Иконкой крестик выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|400x400px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|300x300px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|300x300px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|300x300px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|300x300px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную).

Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|450x450px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|450x450px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|400x400px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|450x450px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|450x450px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|400x400px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

= Показатель успешности =

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|550x550px|центр|Космоснимок до алгоритма]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|550x550px|центр|Классифицированный снимок.
Оранжевый цвет(def)- лесонарушение]]

Попадание по породам:

[[Файл:Popadporod.png|frame|550x550px|центр|Совпадение выделов слоя лесоустройства с классифицированным снимком]]

=Вывод=

Ранее уже предпринималась попытка использования Semi-Automatic Classification Plugin в классифицировании космоснимка Landsat (http://gis-lab.info/qa/landsat_qgis_scp.html) и обработка была успешной. Однако, результаты после обработки снимка Sentinel-2a стали более чёткими и совпадение с графическими материалами лесоустройства стало более точным. Данное отличие обусловлено параметрами видимых каналов космоснимков: у Landsat он 30 м, у Sentinel-2a - 10 м, поэтому использование последних в работах лесохозяйственного направления будет более целесообразно. Снимки Sentinel-2a дают возможность отображения различий в состоянии растительности, в том числе и временные изменения.

=Литература=

1.http://semiautomaticclassificationmanual-v4.readthedocs.org/en/latest/Tutorials.html

2.Видеоматериалы от Luca Congedo

3.Карпачев А.П. Опыт классификации космоснимка Landsat с помощью Semi-Automatic Classification Plugin в QGIS http://gis-lab.info/qa/landsat_qgis_scp.html

4.Крылов А. М., Соболев А. А., Владимирова Н. А. Выявление очагов короеда-типографа в Московской области с использованием снимков Landsat //Вестник Московского государственного университета леса - Лесной вестник. – 2011. – №. 4. – С. 54-60

5.Крылов А.М., Владимирова Н.А., Малахова Е.Г. Использование свободных ГИС в системе дистанционного лесопатологического мониторинга // Вестник Московского государственного университета леса - Лесной Вестник, №1 2012. С. 148-152

6.Крылов А.М., Владимирова Н.А. Дистанционный мониторинг состояния лесов по данным космической съемки // "ГЕОМАТИКА" №3(12), 2011 г. с. 53-57

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T18:18:09Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|40x40px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]].

Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]].

Иконкой крестик выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|400x400px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|300x300px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|300x300px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|300x300px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|300x300px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную).

Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|450x450px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|450x450px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|400x400px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|450x450px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|450x450px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|400x400px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

= Показатель успешности =

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|550x550px|центр|Космоснимок до алгоритма]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|550x550px|центр|Классифицированный снимок.
Оранжевый цвет(def)- лесонарушение]]

Попадание по породам:

[[Файл:Popadporod.png|frame|550x550px|центр|Совпадение выделов слоя лесоустройства с классифицированным снимком]]

=Вывод=

Ранее уже предпринималась попытка использования Semi-Automatic Classification Plugin в классифицировании космоснимка Landsat (http://gis-lab.info/qa/landsat_qgis_scp.html) и обработка была успешной. Однако, результаты после обработки снимка Sentinel-2a стали более чёткими и совпадение с графическими материалами лесоустройства стало более точным. Данное отличие обусловлено параметрами видимых каналов космоснимков: у Landsat он 30 м, у Sentinel-2a - 10 м, поэтому использование последних в работах лесохозяйственного направления будет более целесообразно. Снимки Sentinel-2a дают возможность отображения различий в состоянии растительности, в том числе и временные изменения.

=Литература=

1.http://semiautomaticclassificationmanual-v4.readthedocs.org/en/latest/Tutorials.html
2.
3.Крылов А. М., Соболев А. А., Владимирова Н. А. Выявление очагов короеда-типографа в Московской области с использованием снимков Landsat //Вестник Московского государственного университета леса - Лесной вестник. – 2011. – №. 4. – С. 54-60
4.Крылов А.М., Владимирова Н.А., Малахова Е.Г. Использование свободных ГИС в системе дистанционного лесопатологического мониторинга // Вестник Московского государственного университета леса - Лесной Вестник, №1 2012. С. 148-152
5.Крылов А.М., Владимирова Н.А. Дистанционный мониторинг состояния лесов по данным космической съемки // "ГЕОМАТИКА" №3(12), 2011 г. с. 53-57
6.Карпачев А.П. Опыт классификации космоснимка Landsat с помощью Semi-Automatic Classification Plugin в QGIS http://gis-lab.info/qa/landsat_qgis_scp.html

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T17:57:21Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|40x40px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]].

Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]].

Иконкой крестик выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|400x400px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|300x300px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|300x300px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|300x300px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|300x300px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную).

Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|450x450px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|450x450px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|400x400px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|450x450px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|450x450px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|400x400px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

= Показатель успешности =

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|550x550px|центр|Космоснимок до алгоритма]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|550x550px|центр|Классифицированный снимок.
Оранжевый цвет(def)- лесонарушение]]

Попадание по породам:

[[Файл:Popadporod.png|frame|550x550px|центр|Совпадение выделов слоя лесоустройства с классифицированным снимком]]

=Вывод=

Ранее уже предпринималась попытка использования Semi-Automatic Classification Plugin в классифицировании космоснимка Landsat и обработка была успешной. Однако, результаты после обработки снимка Sentinel-2a стали более чёткими и совпадение с графическими материалами лесоустройства стало более точным. Данное отличие обусловлено параметрами видимых каналов: у Landsat он 30 м, у Sentinel-2a - 10 м, поэтому использование последних в работах лесохозяйственного направления будет более целесообразно. Снимки Sentinel-2a дают возможность отображения различий в состоянии растительности, в том числе и временные изменения.

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T17:49:08Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|40x40px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]].

Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]].

Иконкой крестик выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|400x400px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|300x300px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|300x300px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|300x300px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|300x300px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную).

Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|450x450px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|450x450px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|400x400px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|450x450px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|450x450px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|400x400px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

= Показатель успешности =

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|550x550px|центр|Космоснимок до алгоритма]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|550x550px|центр|Классифицированный снимок.
Оранжевый цвет(def)- лесонарушение]]

Попадание по породам:

[[Файл:Popadporod.png|frame|550x550px|центр|Совпадение выделов слоя лесоустройства с классифицированным снимком]]

=Вывод=

Ранее уже предпринималась попытка использования http://wiki.gis-lab.info/w/%D0%9E%D0%BF%D1%8B%D1%82_%D0%BA%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8_%D0%BA%D0%BE%D1%81%D0%BC%D0%BE%D1%81%D0%BD%D0%B8%D0%BC%D0%BA%D0%B0_Landsat_%D1%81_%D0%BF%D0%BE%D0%BC%D0%BE%D1%89%D1%8C%D1%8E_Semi-Automatic_Classification_Plugin_%D0%B2_QGIS

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T17:48:00Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|40x40px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]].

Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]].

Иконкой крестик выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|400x400px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|300x300px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|300x300px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|300x300px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|300x300px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную).

Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|450x450px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|450x450px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|400x400px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|450x450px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|450x450px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|400x400px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

= Показатель успешности =

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|550x550px|центр|Космоснимок до алгоритма]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|550x550px|центр|Классифицированный снимок.
Оранжевый цвет(def)- лесонарушение]]

Попадание по породам:

[[Файл:Popadporod.png|frame|550x550px|центр|Совпадение выделов слоя лесоустройства с классифицированным снимком]]

=Вывод=

Ранее уже предпринималась попытка использования [http://%D0%9E%D0%BF%D1%8B%D1%82_%D0%BA%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8_%D0%BA%D0%BE%D1%81%D0%BC%D0%BE%D1%81%D0%BD%D0%B8%D0%BC%D0%BA%D0%B0_Landsat_%D1%81_%D0%BF%D0%BE%D0%BC%D0%BE%D1%89%D1%8C%D1%8E_Semi-Automatic_Classification_Plugin_%D0%B2_QGIS Semi-Automatic Classification Plugin для QGIS в классифицировании космоснимка Landsat]

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T17:13:45Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|40x40px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]].

Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]].

Иконкой крестик выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|400x400px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|300x300px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|300x300px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|300x300px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|300x300px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную).

Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|450x450px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|450x450px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|400x400px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|450x450px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|450x450px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|400x400px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

= Вывод (показатель успешности) :=

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|550x550px|центр|Космоснимок до алгоритма]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|550x550px|центр|Классифицированный снимок.
Оранжевый цвет(def)- лесонарушение]]

Попадание по породам:

[[Файл:Popadporod.png|frame|550x550px|центр|Совпадение выделов слоя лесоустройства с классифицированным снимком]]

Semi-Automatic Classification Plugin для QGIS успешно справился с поставленной задачей классификации космического снимка Sentinel-2a с целью выявления усыханий леса. Если сравнивать результативность классификации снимков Sentinel-2a и Landsat, то можно точно сказать, что благодаря разрешению Sentinel-2a (до 60 м в видимой, ближней инфракрасной (VNIR) и коротковолновой инфракрасной (SWIR) зонах спектра)решать стратегические задачи лесохозяйственного характера стало намного эффективнее, т.к гарантируется отображение различий в состоянии растительности, в том числе и временные изменения, а также сводится к минимуму влияние на качество съемки атмосферы.

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T17:03:11Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|40x40px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]].

Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]].

Иконкой крестик выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|400x400px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|300x300px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|300x300px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|300x300px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|300x300px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную).

Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|450x450px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|450x450px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|400x400px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|450x450px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|450x450px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|400x400px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

= Вывод (показатель успешности) :=

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|550x550px|центр|Космоснимок до алгоритма]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|550x550px|центр|Классифицированный снимок.
Оранжевый цвет(def)- лесонарушение]]

Попадание по породам:

[[Файл:Popadporod.png|frame|550x550px|центр|Совпадение выделов слоя лесоустройства с классифицированным снимком]]

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T14:34:50Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|40x40px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]].

Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]].

Иконкой крестик выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|400x400px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|300x300px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|300x300px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|300x300px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|300x300px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную).

Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|450x450px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|450x450px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|400x400px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|450x450px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|450x450px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|400x400px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

= Вывод (показатель успешности) :=

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|550x550px|центр|Вывод]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|550x550px|центр|Вывод]]

Попадание по породам:

[[Файл:Popadporod.png|frame|550x550px|центр|Вывод]]

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T14:33:12Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|40x40px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]].

Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]].

Иконкой крестик выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|400x400px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|300x300px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|300x300px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|300x300px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|300x300px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную).

Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|450x450px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|450x450px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|400x400px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|350x350px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|350x350px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|350x350px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

= Вывод (показатель успешности) :=

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|350x350px|центр|Вывод]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|350x350px|центр|Вывод]]

Попадание по породам:

[[Файл:Popadporod.png|frame|350x350px|центр|Вывод]]

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T14:32:11Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|40x40px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]].

Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]].

Иконкой крестик выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|400x400px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|300x300px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|300x300px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|300x300px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|300x300px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную).

Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|350x350px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|350x350px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|350x350px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|350x350px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|350x350px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|350x350px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

= Вывод (показатель успешности) :=

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|350x350px|центр|Вывод]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|350x350px|центр|Вывод]]

Попадание по породам:

[[Файл:Popadporod.png|frame|350x350px|центр|Вывод]]

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T14:31:13Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|40x40px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]].

Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]].

Иконкой крестик выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|400x400px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|300x300px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|300x300px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|300x300px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|300x300px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную). Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|350x350px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|350x350px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|350x350px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|350x350px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|350x350px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|350x350px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

= Вывод (показатель успешности) :=

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|350x350px|центр|Вывод]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|350x350px|центр|Вывод]]

Попадание по породам:

[[Файл:Popadporod.png|frame|350x350px|центр|Вывод]]

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T14:29:47Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|40x40px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]].

Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]].

Иконкой крестик выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|350x350px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|350x350px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|200x200px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|200x200px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|200x200px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную). Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|350x350px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|350x350px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|350x350px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|350x350px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|350x350px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|350x350px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

= Вывод (показатель успешности) :=

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|350x350px|центр|Вывод]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|350x350px|центр|Вывод]]

Попадание по породам:

[[Файл:Popadporod.png|frame|350x350px|центр|Вывод]]

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T14:29:21Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|40x40px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]].

Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]].

Иконкой крестик выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|250x250px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|350x350px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|200x200px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|200x200px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|200x200px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную). Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|350x350px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|350x350px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|350x350px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|350x350px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|350x350px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|350x350px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

= Вывод (показатель успешности) :=

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|350x350px|центр|Вывод]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|350x350px|центр|Вывод]]

Попадание по породам:

[[Файл:Popadporod.png|frame|350x350px|центр|Вывод]]

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T14:28:22Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|40x40px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]].

Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]].

Иконкой крестик выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|300px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|350x350px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|200x200px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|200x200px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|200x200px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную). Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|350x350px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|350x350px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|350x350px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|350x350px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|350x350px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|350x350px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

= Вывод (показатель успешности) :=

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|350x350px|центр|Вывод]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|350x350px|центр|Вывод]]

Попадание по породам:

[[Файл:Popadporod.png|frame|350x350px|центр|Вывод]]

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T14:27:27Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|40x40px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]]. Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]]. Иконкой крестик

выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|300px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|350x350px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|200x200px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|200x200px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|200x200px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную). Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|350x350px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|350x350px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|350x350px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|350x350px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|350x350px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|350x350px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

= Вывод (показатель успешности) :=

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|350x350px|центр|Вывод]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|350x350px|центр|Вывод]]

Попадание по породам:

[[Файл:Popadporod.png|frame|350x350px|центр|Вывод]]

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T14:26:50Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|20x20px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]]. Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]]. Иконкой крестик

выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|300px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|350x350px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|200x200px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|200x200px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|200x200px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную). Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|350x350px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|350x350px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|350x350px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|350x350px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|350x350px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|350x350px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

= Вывод (показатель успешности) :=

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|350x350px|центр|Вывод]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|350x350px|центр|Вывод]]

Попадание по породам:

[[Файл:Popadporod.png|frame|350x350px|центр|Вывод]]

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T14:26:14Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|5x5px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]]. Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]]. Иконкой крестик

выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|300px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|350x350px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|200x200px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|200x200px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|200x200px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную). Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|350x350px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|350x350px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|350x350px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|350x350px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|350x350px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|350x350px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

= Вывод (показатель успешности) :=

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|350x350px|центр|Вывод]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|350x350px|центр|Вывод]]

Попадание по породам:

[[Файл:Popadporod.png|frame|350x350px|центр|Вывод]]

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T14:25:22Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|50x50px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]]. Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]]. Иконкой крестик

выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|300px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|350x350px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|200x200px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|200x200px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|200x200px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную). Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|350x350px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|350x350px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|350x350px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|350x350px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|350x350px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|350x350px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

=5 Вывод (показатель успешности) :=

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|350x350px|центр|Вывод]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|350x350px|центр|Вывод]]

Попадание по породам:

[[Файл:Popadporod.png|frame|350x350px|центр|Вывод]]

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T14:24:42Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|100x100px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]]. Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]]. Иконкой крестик

выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|300px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|350x350px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|200x200px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|200x200px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|200x200px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную). Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|350x350px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|350x350px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|350x350px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|350x350px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|350x350px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|350x350px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

=5 Вывод (показатель успешности) :=

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|350x350px|центр|Вывод]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|350x350px|центр|Вывод]]

Попадание по породам:

[[Файл:Popadporod.png|frame|350x350px|центр|Вывод]]

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T14:24:10Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|200x200px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]]. Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]]. Иконкой крестик

выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|300px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|350x350px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|200x200px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|200x200px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|200x200px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную). Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|350x350px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|350x350px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|350x350px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|350x350px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|350x350px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|350x350px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

=5 Вывод (показатель успешности) :=

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|350x350px|центр|Вывод]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|350x350px|центр|Вывод]]

Попадание по породам:

[[Файл:Popadporod.png|frame|350x350px|центр|Вывод]]

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T14:23:27Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|300x300px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]]. Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]]. Иконкой крестик

выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|300px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|350x350px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|200x200px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|200x200px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|200x200px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную). Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|350x350px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|350x350px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|350x350px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|350x350px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|350x350px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|350x350px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

[[Файл:39.1_algoritm.png|frame|350x350px|центр|Выбор алгоритма обработки]]

*В работе был выбран алгоритм максимального правдоподобия. Перед выполнением классификации были залиты белым цветом группы пикселей застройки, дорог, сельскохозяйственных зон, голых почв, лугов, т.к в работе нас интересует исключительно лес.

[[Файл:40-maximum_lik.png|frame|350x350px|центр|Алгоритм- максимальное правдоподобие. Результат]]

Следующим шагом заходим в настройки [[Файл:41-save_settings.png]] и нажимаем на вкладку Processing:

[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]

Здесь мы выставляем следующий параметр: RAM=1024 и закрываем вкладку.

[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]

Далее заходим во вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку сохранить и ждём окончания процесса.

[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]

=5 Вывод (показатель успешности) :=

Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание

[[Файл:Problem-snimok.png|frame|350x350px|центр|Вывод]]

Классифицированный снимок:

[[Файл:Problem_classif.png|frame|350x350px|центр|Вывод]]

Попадание по породам:

[[Файл:Popadporod.png|frame|350x350px|центр|Вывод]]

Файл:Popadporod.png

2017-01-01T14:22:52Z

Zubr:

Файл:Problem classif.png

2017-01-01T14:21:36Z

Zubr:

Файл:Problem-snimok.png

2017-01-01T14:20:16Z

Zubr:

Файл:44 outpoot.png

2017-01-01T14:16:54Z

Zubr:

Файл:43 RAM.png

2017-01-01T14:15:07Z

Zubr:

Файл:42-processing.png

2017-01-01T14:13:19Z

Zubr:

Файл:41-save settings.png

2017-01-01T14:12:01Z

Zubr:

Файл:40-maximum lik.png

2017-01-01T14:09:49Z

Zubr:

Файл:39.1 algoritm.png

2017-01-01T14:07:38Z

Zubr:

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T14:06:34Z

Zubr:

{{Аннотация|Данная статья описывает опыт работы с Semi-Automatic Classification Plugin для QGIS для классификации снимка Sentinel-2a с целью выявления лесонарушений на примере национального парка "Орловское полесье", а также содержит пошаговую инструкцию для лесного дешифрирования снимка с помощью данного плагина.}}

'''''Карпачев Андрей Петрович, научный сотрудник- ГИС специалист НП "Орловское полесье"''

= Цели проекта=

1) Выявление участков усохшего и нарушенного леса на территории НП «Орловское полесье».

2) Общее дешифрирование фрагмента территории Орловско-Брянско-Калужского региона.

= Материалы и ПО=

Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка за сентябрь 2016 года, предварительной скачанный с официального сайта.
Програмное обеспечение:
Qgis 2.14.8 с интегрированным SAC плагином;

Internet Dawnloader Manager использовался для прямой и более ускоренной закачки космоснимка с офф.сайта.

= Подготовка к началу обработки, формирование директорий=

Первым пунктом загружаем заранее скачанный снимок в плагин

[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]

Откроется следующая форма:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]

Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из расспакованного архива космоснимка Sentinel.
В форме откроются банды космоснимка. Здесь же снимаем флажок с Create Band set and use Band set tools. Ставим флажок Apply DOS1 atmospheric correction.

[[Файл:4otobrajenie_spiska_granul_b.png|frame|300x300px|центр|Открытие бандов]]

В этой же форме открываем файл metadata (находиться в распакованной папке из архива космоснимка)

[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]

Нажимаем на иконку [[Файл:IconRUN.png]] : Создаём папку, называем RT. Далее мы наблюдаем ход атмосферной коррекции снимка, ждём окончание.

[[Файл:6-_hod_atmcorrect.png|frame|300x300px|центр|Ход процесса коррекции]]

После окончания в части Qgis СЛОИ, мы можем заметить, что слои снимка стали отображаться с префиксом RT.

[[Файл:7-_postcorrection_RT.png|frame|300x300px|центр|Слои RT после окончания атмосферной коррекции]]

Обрезка снимка. В данном пункте мы должны обрезать космоснимок до квадрата границ национального парка. Для выполнения данной процедуры, проходим:

[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]

Откроется следующая форма:

[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]

Нажимаем на иконку [[Файл:9-refresch_icon.png]]. Лист обновится. Выбираем все файлы RT иконкой [[Файл:10-selectall_icon.png]]. Иконкой крестик

выбираем зону обрезки [[Файл:11-setareainthemap.png]]

Выбранная зона выглядит следующим образом:

[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]

Нажимаем на иконку [[Файл:IconRUN.png]] создаём папку CLIP указываем путь к ней и запускаем обрезку.

Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.

[[Файл:14-clip_file.png|frame|300px|центр|Обрезанные слои космоснимка с префиксом clip]]

= Формирование Bandset, ROI и SIG=
Нажимаем на вкладку Bandset [[Файл:15-bandset_vkladka.png]],

Далее необходимо обновить форму соответствующей иконкой [[Файл:16-refresch_l.png]],

В форму подгрузятся файлы с префиксами clip и RT:

[[Файл:17-dawnload_clip_rt.png|frame|350x350px|центр|clip и RT]]

Выбираем файлы только с префиксом clip [[Файл:18_file_for_bandset_icon_vibor.png]]

Форма заполнится следующим образом:

[[Файл:19_form_bandset_org.png|frame|200x200px|центр|Заполнение формы под bandset]]

Далее выставляем показатель Quick wavelength settings по Sentinel-2 из выпадающего списка:

[[Файл:20_configuration_of_sentinel2a.png|frame|200x200px|центр|Выбор настройки снимка под Sentinel-2a]]

Форма изменит свой вид, добавятся значения center wavelength:

[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|200x200px|центр|авто-заполнение формы под Sentinel-2a]]

Далее нажимаем на иконку [[Файл:22_createtnewraining_icon.png]], называем файл training и сохраняем его в папку (можно в заново созданную). Теперь нажимаем на генератор bandset (3-2-1), после чего автоматически образуется слой.

[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]

Слой band set.vrt образовался сразу же после первого введения композита.

[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]

В ходе эксперимента был выбран композит из бандов 4-6-12. Визуализация снимка опциональна, в зависимости от объекта дешифрирования и физических параметров органов зрения исполнителя.

[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]

Теперь переходим на вкладку:

[[Файл:26_vkladka_classificatdoc.png|frame|350x350px|центр|Вкладка классификации]]

Откроется следующая форма:

[[Файл:27_forma_class-do.png|frame|350x350px|центр|Форма ввода ROI]]

Соответственно теперь нам необходимо набрать графические пробы (ROI) для осуществления полуавтоматической классификации.
Выбираем на космоснимке участок водной поверхности и в верхней надстройке плагина нажимаем иконку «крестик»:

[[Файл:28_water.png|frame|350x350px|центр|Водный объект. Захват пикселей]]

Выделяем пиксели; для наилучшего захвата в соседнем с «крестиком» окошке вводим дистанцию захвата пикселей:

[[Файл:29_water_pxl.png|frame|350x350px|центр|"Захваченные" пиксели воды]]

Дистанция захвата подбирается опционально, до полного удовлетворения результата захватывания. Этот принцип будет так же использоваться в наборе пикселей застройки, дорожной инфраструктуры, аграрного сектора и леса.
Во вкладке ROI creation вводим классы, порядковые номера классов и подклассов и жмём на «дискету»:

[[Файл:30_vkl_roicreation.png|frame|350x350px|центр|Подписывание классов пикселей]]

Файл записывается в classification doc. Здесь сразу меняем цвет на эквивалентный объекту ( вода - синий):

[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]

Следующим шагом заходим в macroclasses и так же меняем цвет:

[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]

Далее определяем пиксели застройки на космоснимке. В композите 4-3-2 отлично читаются элементы дорог и застройки :

[[Файл:33_komposit_building.png|frame|350x350px|центр|Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении]]

[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]

Помимо застройки, так же произошёл захват пикселей дорожных полотен. Далее нам необходимо внести пиксели аграрных ландшафтов. Выбираем любой наиболее читаемый композит и поочередно выделяем пиксели. Так как обрабатываемые сельскохозяйственные территории имеют разные цвета, после отметки и захвата пикселей, называем макроклассы каким-нибудь одним типом префикса, меняя только порядковый номер. В примере sh1-sh6*. В видео примере разработчика, данный набор пикселей называется bare soil.

[[Файл:35-vidi_bare_soil.png|frame|350x350px|центр|Пиксельные подклассы почвы]]

Следующим шагом будет непосредственное определение усыханий еловых насаждений; разбиение снимка на хвою и листву, травянистую растительность. В проекте используются следующие сокращения:
h- хвоя
l- листва
d- усыхание
gras- трава

Перед захватом необходимых групп пикселей сверим снимок с слоем лесоустройства. Включаем подписи по породам, это необходимо для того, что бы понять местоположение выделов ели и сосны. Мертвопокровная сосна ухудшает качество дешифрирования, т.к цвет её пикселей частично совпадает с цветом пикселей усыхания, именно поэтому необходимо знать повыдельное расположение культур.

[[Файл:36-LU_sravnenie.png|frame|350x350px|центр|Наложение лесоустроительных материалов на космоснимок]]

[[Файл:37-vegklass-lhgd.png|frame|350x350px|центр|Выбранные классы растительности]]

После выбранных групп пикселей (ROI) мы можем сделать пред просмотр, перед осуществлением классифицирования, нажимаем на иконку «цветной плюс»

[[Файл:38-prew.png|frame|350x350px|центр|Пред просмотр]]

После нажатия на эту иконку нажимаем на космоснимок, для оценки результативности отбора ROI [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:

Файл:39 prosmotr.png

2017-01-01T14:05:26Z

Zubr:

Файл:38-prew.png

2017-01-01T14:03:42Z

Zubr:

Файл:37-vegklass-lhgd.png

2017-01-01T14:01:39Z

Zubr:

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T13:59:00Z

Zubr:

Файл:36-LU sravnenie.png

2017-01-01T13:55:22Z

Zubr:

Файл:35-vidi bare soil.png

2017-01-01T13:45:09Z

Zubr:

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T13:24:18Z

Zubr:

Файл:34 zahvat zastroyki.png

2017-01-01T13:22:46Z

Zubr:

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T13:20:10Z

Zubr:

Файл:33 komposit building.png

2017-01-01T13:19:02Z

Zubr:

Файл:32 color macrocklass.png

2017-01-01T13:16:59Z

Zubr:

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T13:10:21Z

Zubr:

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T13:08:05Z

Zubr:

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T13:06:36Z

Zubr:

Файл:31 nastroyka color.png

2017-01-01T13:05:31Z

Zubr:

Файл:30 vkl roicreation.png

2017-01-01T13:03:01Z

Zubr:

Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

2017-01-01T12:56:22Z

Zubr: