Extraktion von Landbedeckungsmerkmalen aus Satellitenbildern

14

Ich interessiere mich für eine kostengünstige oder Open-Source-Lösung zur Erstellung von Landbedeckungs-GIS-Schichten, die sowohl spektrale als auch texturale Extraktionsalgorithmen verwenden. Ich habe in der Vergangenheit PCI Geomatica, ENVI und Feature Analyst VLS verwendet. Diese Lösungen liegen jedoch etwas außerhalb meiner Preisspanne. Gibt es Software-Empfehlungen?

artwork21
quelle

Antworten:

8

Wenn ich Sie richtig verstehe, suchen Sie ein überwachtes Klassifizierungsverfahren. Einige theoretische Grundlagen: http://rst.gsfc.nasa.gov/Sect1/Sect1_17.html

Dies ist sicherlich durch Gras möglich: http://grass.osgeo.org/wiki/Image_classification#Supervised_classification_2

Alternativ können Sie sich auch die Saga ansehen (ich sage nicht, dass sie besser ist, ich weiß es einfach selbst besser), die auch gut mit QGIS und R zusammenarbeitet. Einige Videos zeigen dies auf dieser Website: http: // www.uni-koblenz-landau.de/landau/fb7/umweltwissenschaften/landscape-ecology/Teaching/geostat (laden Sie die Datendateien herunter, um die Präsentationen zu erhalten).

In allen GIS-Programmen definieren Sie lediglich eine Reihe von Referenzpunkten oder Polygonen in einem Landtyp, die dann auf den Rest des Gebiets hochgerechnet werden. Hier ist ein Beispiel für eine Landnutzungsklassifizierung:

Bildbeschreibung hier eingeben

Und tatsächlich, wenn Sie Ihre Trainingspolygone in einem beliebigen gis-Programm gezeichnet haben, können Sie R zur Vorhersage verwenden. Erstellen Sie eine Überlagerung mit Ihren Gittern und verwenden Sie dann ein beliebiges Vorhersagesystem (z. B. rpart, wenn Sie Klassifizierungsbäume möchten). Weitere Informationen finden Sie in diesem Buch auf Seite 222: http://www.lulu.com/product/file-download/a-practical-guide-to-geostatistical-mapping/14938111

Es gibt noch viel mehr zu sagen: Ihre Trainingssätze sollten repräsentativ für Ihr Studiengebiet sein (vielleicht ist es sogar besser, zufällige Punkte in R zu generieren und diese zu klassifizieren). Sie sollten Ihre Hilfsdatensätze auch sorgfältig auswählen und möglicherweise neue generieren, wenn z. B. die Textur eine wichtige Eigenschaft ist.

-

Wenn Sie nur Regionen oder Features extrahieren möchten (ohne sie zu klassifizieren), ist es wahrscheinlicher, dass Sie einen Segmentierungsalgorithmus verwenden. Ein Beispiel (implementiert in SAGA GIS) wird in diesem Dokument erläutert: http://mirror.transact.net.au/pub/sourceforge/s/project/sa/saga-gis/SAGA%20-%20Documentation/GGA115/gga115_03 .pdf

johanvdw
quelle
Vielen Dank für ihre Antwort. Sie scheinen genau zu wissen, wie man meine Ziele erreichen kann. Ich würde mich sehr freuen, wenn Sie Ihre Antwort etwas präziser formulieren. Ich interessiere mich speziell für die Schritte, mit denen ich dem Programm beibringen kann, welche Funktionen richtig und welche falsch sind, bis alle (oder die meisten) der richtigen Funktionen extrahiert sind.
NetConstructor.com
Geben Sie weitere Informationen (in Ihrer Frage, nicht in Kommentaren) zu den Funktionen an, die Sie extrahieren möchten. Abgesehen davon: Wenn das Signal (siehe NASA-Link) verschiedener Landnutzungstypen (oder was auch immer Sie zuordnen) überlappt, funktioniert die automatische Klassifizierung nicht gut.
Johanvdw
3

Mit GRASS wäre das möglich.

Sie werden zuerst mit Rasterdaten arbeiten:

Schließlich werden Sie Vektordaten bearbeiten . v.db.select und v.class helfen Ihnen dabei.

simo
quelle
1
Dieser Ansatz verwendet nur ein Raster - was normalerweise nicht ausreicht.
Johanvdw
Er spricht von einer Region (ein Bild oder mehrere). Auf jeden Fall können Bilder zusammengeführt werden.
simo