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
 
(не показано 11 промежуточных версий 3 участников)
Строка 1: Строка 1:
{{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.}}
{{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.}}


Строка 5: Строка 6:
= Цели проекта=
= Цели проекта=


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


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


= Материалы и ПО=
= Материалы и ПО=


Для реализации классификации были выбраны тестовые участки на основе лесоустроительных материалов 2006 и 2016 года и полевых обходов.
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 за сентябрь 2016 года, предварительной скачанный с официального сайта.
В проекте был использован космоснимок Sentinel-2a на территорию нацпарка «Орловское полесье» за сентябрь 2016 года, предварительно загруженный с официального сайта.
Програмное обеспечение:  
Программное обеспечение: QGIS 2.14.8  с интегрированным плагином SACP.
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=
= Подготовка к началу обработки, формирование директорий=


Первым пунктом загружаем  заранее скачанный снимок в плагин  
Первым делом открываем космоснимок Sentinel-2a через плагин.


[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]
[[Файл:1%29put%27-open_file.png|frame|300x300px|центр|Начало работы]]
Строка 28: Строка 27:
[[Файл:2%29open_form.png|frame|300x300px|центр|Форма загрузки космоснимка]]
[[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.
Далее нажимаем на иконку [[Файл:3_perehod_k_granulam.png]] и «идём» к папке GRANULE из распакованного 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.
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]]
[[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)
В этой же форме открываем файл ''metadata'' (находится в распакованной папке из архива космоснимка)


[[Файл:4.1metadata_open.png|frame|300x300px|центр|Открытие файла meta data]]
[[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 окончание.
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]]
[[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.
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]]
[[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:
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]]
[[Файл:8-_way_cut_RT.png|frame|300x300px|центр|Путь к обрезке слоев космоснимка под квадрат территории наблюдения]]
Строка 55: Строка 54:
Нажимаем на иконку [[Файл:9-refresch_icon.png]].  
Нажимаем на иконку [[Файл:9-refresch_icon.png]].  


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


Иконкой крестик выбираем зону обрезки  [[Файл:11-setareainthemap.png]]
Нажатием на значком в виде крестика выбираем зону обрезки  [[Файл:11-setareainthemap.png]]


Выбранная зона выглядит следующим образом:
Выбранная зона выглядит следующим образом:
Строка 63: Строка 62:
[[Файл:12-select_area.png|frame|300x300px|центр|Выбранная территория]]
[[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.
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.
Итог: В списке СЛОИ образуются новые обрезанные слои космоснимка с префиксом clip.
Строка 70: Строка 69:


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


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


В форму подгрузятся файлы с префиксами clip и RT:
В форму подгрузятся файлы с префиксами ''clip'' и ''RT'':


[[Файл:17-dawnload_clip_rt.png|frame|300x300px|центр|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]]
Выбираем файлы только с префиксом ''clip'' [[Файл:18_file_for_bandset_icon_vibor.png]]


Форма заполнится следующим образом:
Форма заполнится следующим образом:
Строка 84: Строка 83:
[[Файл:19_form_bandset_org.png|frame|300x300px|центр|Заполнение формы под bandset]]
[[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:
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]]
[[Файл:20_configuration_of_sentinel2a.png|frame|300x300px|центр|Выбор настройки снимка под Sentinel-2a]]


Форма изменит свой вид, добавятся значения center wavelength:
Форма изменит свой вид, добавятся значения '''center wavelength''':


[[Файл:21_Zapolnrnie_pod_sentinel.png|frame|300x300px|центр|авто-заполнение формы под Sentinel-2a]]
[[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).  
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.
Теперь нажимаем на генератор bandset      (3-2-1), после чего автоматически образуется слой.
Строка 98: Строка 97:
[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]
[[Файл:23_sloy_bandset.png|frame|350x350px|центр|Bandset слой]]


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


[[Файл:24_bs.png|frame|350x350px|центр|Bandset в вкладке слои]]
[[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.
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]]
[[Файл:25 в 4-6-12_color_komposit.png|frame|350x350px|центр|Композит 4-6-12]]
Строка 114: Строка 113:
[[Файл:27_forma_class-do.png|frame|450x450px|центр|Форма ввода ROI]]
[[Файл:27_forma_class-do.png|frame|450x450px|центр|Форма ввода ROI]]


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


Строка 123: Строка 122:
[[Файл:29_water_pxl.png|frame|400x400px|центр|"Захваченные" пиксели воды]]
[[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.
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»:
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: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 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]]
[[Файл:31_nastroyka_color.png|frame|400x400px|центр|Замена цвета пикселей объекта]]


Следующим шагом заходим в macroclasses и так же меняем цвет:
Следующим шагом заходим в ''macroclasses'' и также меняем цвет:


[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]
[[Файл:32_color_macrocklass.png|frame|400x400px|центр|Замена цвета макрокласса]]
Строка 142: Строка 141:
[[Файл:34_zahvat_zastroyki.png|frame|350x350px|центр|Захват пикселей застройки и дорог]]
[[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.
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]]
[[Файл:35-vidi_bare_soil.png|frame|450x450px|центр|Пиксельные подклассы почвы]]
Строка 152: Строка 151:
gras- трава
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.
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:36-LU_sravnenie.png|frame|450x450px|центр|Наложение лесоустроительных материалов на космоснимок]]
Строка 158: Строка 157:
[[Файл:37-vegklass-lhgd.png|frame|400x400px|центр|Выбранные классы растительности]]
[[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»
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|Пред просмотр]]
[[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 нажатия на эту иконку нажимаем на космоснимок для оценки результативности отбора ROI  [[Файл:39_prosmotr.png]].
После выбираем алгоритм классификации снимка:
После выбираем алгоритм классификации снимка:


Строка 176: Строка 175:
[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]
[[Файл:42-processing.png|frame|350x350px|центр|Настройка вывода 1]]


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


[[Файл:43_RAM.png|frame|350x350px|центр|Настройка вывода 2]]
[[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.
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]]
[[Файл:44_outpoot.png|frame|350x350px|центр|Вывод]]


= Вывод (показатель успешности) :=
''*при подготовке выяснилось, что первый канал «шумит», так что он был исключён из синтеза''


Изначальный снимок + слой лу2006. Фиолетовый цвет под слоем лу – предпологаемое усыхание
= 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]]
[[Файл:Problem-snimok.png|frame|550x550px|центр|Космоснимок до алгоритма]]
Строка 198: Строка 199:


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

Текущая версия от 09:59, 23 января 2017

Эта страница опубликована в основном списке статей сайта
по адресу http://gis-lab.info/qa/qgis-sacp-sentinel2a.html


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.

Начало работы

Откроется следующая форма:

Форма загрузки космоснимка

Далее нажимаем на иконку 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.

Открытие бандов

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

Открытие файла metadata

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

Ход процесса коррекции

После окончания мы можем заметить, что в списке слоёв QGIS 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.

Нажатием на значком в виде крестика 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 каналов 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

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 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»:

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 также 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, 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".

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.

Наложение лесоустроительных материалов на космоснимок
Выбранные классы растительности

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

Предпросмотр

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 на вкладку classification output, жмём run, создаём папку classification и сохраняем; жмём на кнопку Cохранить и ждём окончания процесса.

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.

Космоснимок до алгоритма

Классифицированный снимок:

Классифицированный снимок. Оранжевый цвет(def)- лесонарушение

Попадание по породам:

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