Eisartunterscheidung unter Verwendung der Satellitendaten

Ich möchte das Gletschergebiet nach Schneekategorien (falls vorhanden) und Eis klassifizieren, aber das Wichtigste: zwischen altem und frischem Eis. Sie haben verschiedene Eigenschaften, die vor Ort erkannt werden können. Können Sie dies jedoch mit Satellitendaten tun? (vorzugsweise Landsat aufgrund einer räumlichen Auflösung von 30 / 15m)

remote-sensing landsat digital-image-processing land-classification reflectance Adamczi
quelle

Welche Eigenschaften haben altes und neues Eis auf dem Feld?

Aaron

1) Neuschnee ist viel weniger verdichtet als altes Gletschereis (er wird durch Verdichtung zu Eis). Daher kann dies in irgendeiner Weise mit dem IR-Reflexionsvermögen zusammenhängen, das von Wasser absorbiert wird. 2) Auch Neuschnee hat eine Albedo von bis zu fast 100%, aber der Altschnee kann bis zu ~ 40% betragen (natürlich keine strenge Klassifizierung). Ich würde gerne IR verwenden, da die True Color-Komposition nicht so nützlich ist, wie ich es gerne hätte.

Adamczi

Dies klingt nach einem einfachen Bildklassifizierungsproblem. Sie müssen mit Trainingsdaten beginnen, die vor Ort erfasst werden können, oder indem Sie Pixel aus Bildern fachmännisch auswählen.

Aaron

Ich denke, der Weg hierher ist ein beaufsichtigter Klassifizierungsalgorithmus wie Maximum Likelihood, Random Forests usw., der alle verfügbaren Spektralbänder nutzt. Kennen Sie diese Methoden? Ich bin mir nicht sicher, was Sie mit "IR-Komposition" meinen. Beziehen Sie sich auf die Erstellung von zusammengesetzten Bildern wie Falschfarben (z. B. NIR, R, G)? In diesem Fall sind Sie in der Anwendung solcher Produkte sehr eingeschränkt.

Aaron

@adamczi versuch mal an google-earth-engine zu arbeiten. Überwachte Klassifizierungsalgorithmen sowie SAR-Daten (entweder Ihr Upload oder die Cloud von Google) stehen zur Verfügung.

Csheth

Antworten:

Sie müssen dafür Mikrowellendaten verwenden. Optische Daten werden es einfach nicht schneiden. Wenn Sie sich noch mit Optik beschäftigen möchten, teilen Sie mir bitte mit, nach welcher Methode Sie vorgegangen sind. Es hängt auch viel von der Topografie und dem LULC Ihrer Region ab. Die Klassifizierung von Mikrowellendaten selbst ist nicht einfach. Sie müssen viel Literatur konsultieren und eine Methode auswählen, die am besten zu Ihnen passt. Bitte beachten Sie die Methodik, die ich in meiner M.Tech-Arbeit befolgt habe: http://www.iirs.gov.in/iirs/sites/default/files/StudentThesis/Sanjay_MTech_2013-15.pdf

Bitte fragen Sie, wenn Sie Fragen haben, nachdem Sie die Literatur durchgesehen haben.

OverArch
quelle

Im Folgenden finden Sie ein Beispiel für den Einstieg in Google Earth mit dem C-Band von Sentinel-1:

var pt = ee.Geometry.Point(96.7868, 29.31409);

// Filter collection around point. Also read up on Sentinel-1's 
// polarization 
var collection = ee.ImageCollection('COPERNICUS/S1_GRD').filterBounds(pt)
.filter(ee.Filter.listContains('transmitterReceiverPolarisation', 'VV'))
.select('VV');

// select an appropriate date
var beforesnow = collection.filterDate('2016-11-01', '2016-12-01').mosaic();
var aftersnow = collection.filterDate('2017-02-01', '2017-03-01').mosaic();

// bands for Sentinel-2
var bands = ['B2', 'B3', 'B4'];

// Some Sentinel-2 images for reference
var S2 = ee.ImageCollection('COPERNICUS/S2').filterBounds(pt)
.select(bands);
var S2before = S2.filterDate('2016-10-01', '2016-11-30').mosaic();
var S2after = S2.filterDate('2017-01-01', '2017-02-01').mosaic();

Map.addLayer(S2before, {bands: ['B4', 'B3', 'B2'], min: 300,max: 5000}, 'S2 Before');
Map.addLayer(S2after, {bands: ['B4', 'B3', 'B2'], min:873,max: 12522}, 'S2 After');

Map.centerObject(pt, 13);

// you may change the min, max later when tinkering with the layers tab in // the map
Map.addLayer(beforesnow, {min:-30,max:0}, 'Before snow');
Map.addLayer(aftersnow, {min:-30,max:0}, 'After snow');

//Some information on the Sentinel-1 collection
print('Collection: ', collection);

Sie müssen das Bild mithilfe der hier genannten überwachten Klassifizierungsalgorithmen klassifizieren: https://developers.google.com/earth-engine/classification

Weitere Informationen zur Verwendung von Sentinel-1 https://developers.google.com/earth-engine/sentinel1

Auf Google Earth Engine und Glaciers: http://www.geo.uzh.ch/~mzemp/share/scratch/msc/MSc.Thesis_NoahZeltner_UsingGoogleEarthEngineForGlobalGlacierChangeAssessment.pdf

In SAR- und Gletscherzonen: http://www.sciencedirect.com/science/article/pii/S0034425713001703

csheth
quelle