Просмотр исходного текста страницы Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS

{{Статья|Опубликована|qgis-sacp-sentinel2a}}
{{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 годов и полевых обходов.

В проекте был использован космоснимок Sentinel-2a на территорию нацпарка «Орловское полесье» за сентябрь 2016 года, предварительно загруженный с официального сайта.
Программное обеспечение:  QGIS 2.14.8  с интегрированным плагином SACP.


= Подготовка к началу обработки, формирование директорий=

Первым делом открываем космоснимок Sentinel-2a через 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 мы можем заметить, что в списке слоёв QGIS 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]]. 

Нажатием на значком в виде крестика 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 это ''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 со 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, для чего 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 на вкладку ''classification output'', жмём ''run'', создаём папку ''classification''  и сохраняем;  жмём на кнопку ''Cохранить'' и ждём окончания процесса.

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

''*при подготовке выяснилось, что первый канал «шумит», так что он был исключён из синтеза''

= 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 для 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 Sentinel 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