Опыт классификации космоснимка Sentinel- 2a с помощью Semi-Automatic Classification Plugin в QGIS: различия между версиями

Материал из GIS-Lab
Перейти к навигации Перейти к поиску
Нет описания правки
Нет описания правки
Строка 53: Строка 53:
[[Файл:8.1-forma_cut.png|frame|300x300px|центр|Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения]]
[[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
Нажимаем на иконку [[Файл:9-refresch_icon.png]].  


выбираем зону обрезки  [[Файл:11-setareainthemap.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:
Выбранная зона выглядит следующим образом:

Версия от 15:28, 1 января 2017

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

Начало работы

Откроется следующая форма:

Форма загрузки космоснимка

Далее нажимаем на иконку 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.

Открытие бандов

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

Открытие файла meta data

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

Ход процесса коррекции

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

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:

Путь к обрезке слоев космоснимка под квадрат территории наблюдения

Откроется следующая форма:

Форма для настройки обрезки слоев космоснимка под квадрат территории наблюдения

Нажимаем на иконку 9-refresch icon.png.

Лист обновится. Выбираем все файлы RT иконкой 10-selectall icon.png.

Иконкой крестик выбираем зону обрезки 11-setareainthemap.png

Выбранная зона выглядит следующим образом:

Выбранная территория

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

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

Обрезанные слои космоснимка с префиксом clip

Формирование Bandset, ROI и SIG

Нажимаем на вкладку Bandset 15-bandset vkladka.png,

Далее необходимо обновить форму соответствующей иконкой 16-refresch l.png,

В форму подгрузятся файлы с префиксами clip и RT:

clip и RT

Выбираем файлы только с префиксом clip 18 file for bandset icon vibor.png

Форма заполнится следующим образом:

Заполнение формы под bandset

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

Выбор настройки снимка под Sentinel-2a

Форма изменит свой вид, добавятся значения center wavelength:

авто-заполнение формы под Sentinel-2a

Далее нажимаем на иконку 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.

Bandset слой

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

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.

Композит 4-6-12

Теперь переходим на вкладку:

Вкладка классификации

Откроется следующая форма:

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»:

Водный объект. Захват пикселей

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

"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»:

Подписывание классов пикселей

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

Замена цвета пикселей объекта

Следующим шагом заходим в macroclasses и так же меняем цвет:

Замена цвета макрокласса

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

Композит 4-3-2. Застройка и элементы дорожной сети. Параметры захвата в изображении
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.

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.

Наложение лесоустроительных материалов на космоснимок
Выбранные классы растительности

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

Пред просмотр

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

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.
Алгоритм- максимальное правдоподобие. Результат

Следующим шагом заходим в настройки 41-save settings.png и нажимаем на вкладку Processing:


Настройка вывода 1

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

Настройка вывода 2

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

Вывод

Вывод (показатель успешности) :

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

Вывод

Классифицированный снимок:

Вывод

Попадание по породам:

Вывод