Automatische Erkennung von Spuren

Gegeben ein Gebiet mit Vertiefungen im offenen Bereich von; sagen alle Geländefahrzeuge, die auf weichem Untergrund fahren. Die Fahrzeuge verursachen parallele Vertiefungen (Pfade) mit einer Tiefe von etwa 10 bis 20 Zentimetern und einer Breite von etwa 15 bis 30 cm, wobei die Längen mit der Robustheit der Oberfläche variieren.

Welche Fernerkundungsplattformen wären für eine spätere Analyse relevant? Quickbird, kleinere Drohnen, Lidar, Luftaufnahmen?
Gibt es in Tools (FME / QGIS / ESRI / andere) verfügbare Verfahren, mit denen die Pfade dokumentiert werden können?

Nehmen wir zur Vereinfachung dieser Frage an, dass wir positiv wissen, dass es keine anderen Pfade in der Umgebung gibt oder dass sie aus den Bildern herausgefiltert wurden.

Eine vollständige Automatisierung ist nicht erforderlich und wahrscheinlich nicht einmal möglich.

Dies ist ein Beispiel dafür, wie Tracks aussehen würden. Geben Sie hier die Bildbeschreibung ein

— ragnvald
quelle

Das ist eine gute Frage. Normalerweise bevorzuge ich zwei Plattformen - eine zum Finden, eine zum Bestätigen. Eine Vertiefung, die braun ist, ist eher eine Radfurche, umgekehrt sind Nicht-Rad-Vertiefungen eher „grün“. LiDAR gibt Ihnen das beste DEM, um Depressionen zu finden, und IR ist das beste Mittel, um Vegetation / nicht vegetiert zu klassifizieren. Beachten Sie, dass LiDAR in Abhängigkeit von vielen Faktoren unterschiedliche Ergebnisse liefert, wenn sich Wasser angesammelt hat. Traditionell werden diese nur aus der Fotografie erfasst, was eine Menge Arbeitsstunden bedeutet, aber Sie müssen die Arbeitskosten gegen die Datenerfassung abwägen.

— Michael Stimson

Ich gehe davon aus, dass Ihr oberstes Ziel darin besteht, Offroad-Strecken zu identifizieren. Wie groß ist Ihr Untersuchungsgebiet? Wo ist das Untersuchungsgebiet?

— Aaron

Danke Aron, ja, es hängt mit Offroad-Strecken zusammen. Wir sind bestrebt, sie zu dokumentieren, um einen Hinweis auf das Ausmaß etwaiger Schäden zu erhalten. Wir würden es wahrscheinlich auf eine Managementeinheit wie Naturschutzgebiete, Nationalparks oder ähnliches beschränken. Derzeit versuchen wir, unsere Optionen herauszufinden, bevor wir ein Projekt entwerfen.

— Ragnvald

Ich bin mir nicht sicher über LiDAR auf Schnee (in Queensland gibt es nicht viel davon), Freiflächen sind viel einfacher zu klassifizieren und Sie können mit billigeren Sensoren davonkommen (weniger Renditen pro Puls). In stark bewachsenen Gebieten Es ist unbedingt erforderlich, mehrere Rückläufe pro Impuls zu verwenden, um den Boden zu finden. Die Pulsdichte ist gleich, aber es werden weniger Renditen erzielt. Um Ihre Furchen zu finden, muss Ihr Punktabstand ziemlich fein sein (mehr als 8 Impulse / m²), was weniger Flug, mehr Streifen, mehr Kosten, mehr Lagerung und längere Verarbeitungszeit bedeutet. Es könnte viel billiger sein, Aufnahmen von Fotografien in China oder Indien zu machen.

— Michael Stimson

Ich sollte meine vorherige Aussage qualifizieren, wenn Sie LiDAR- und multispektrale Bilder für dieses Projekt erwerben müssen und die Kosten nicht ausgleichen können (Co-Einkauf mit einem anderen Unternehmen oder einer Regierungsabteilung, die separate Interessen in demselben Bereich hat) wird hoch sein, wahrscheinlich höher als die Erfassung, vorausgesetzt, Sie können Arbeitskräfte mit einer geringen Rate beschaffen. Ich sage nicht, dass es unmöglich ist, weit davon entfernt, es wäre als Whitepaper sehr interessant, nur wahrscheinlich nicht die billigste Option.

— Michael Stimson

Ich bin mir nicht sicher, ob dies die beste Lösung für Ihr Ziel sein kann, aber meine Erfahrung mit SAR-Daten legt nahe, dass dies der richtige Weg sein könnte, um Spuren in Savannah und in sandiger Umgebung zu finden.

Da SAR ein kohärentes Bildgebungssystem ist, können zwei Formen der Änderungserkennung in Betracht gezogen werden, nämlich die inkohärente und die kohärente Änderungserkennung. Die inkohärente Änderungserkennung identifiziert Änderungen der mittleren Rückstreuleistung einer Szene typischerweise über eine durchschnittliche Änderungsstatistik des Intensitätsverhältnisses (Amplitudensignal). Die Erkennung kohärenter Änderungen identifiziert andererseits Änderungen sowohl der Amplitude als auch der Phase der transduzierten Bilder unter Verwendung der Statistik zur Änderung der Probenkohärenz. Die kohärente Änderungserkennung hat daher das Potenzial, sehr subtile Szenenänderungen an der Zellstreuungsstruktur mit niedriger Auflösung zu erkennen, die unter Verwendung inkohärenter Techniken möglicherweise nicht nachweisbar sind. Mit anderen Worten Fahrzeuge oder Tierspuren.

Dank der Coherence Change Detection (CCD) erhalten Sie eine kohärente Phasenkarte (panchromatisch). Weißes Pixel bedeutet kohärentes Signal (keine Änderungen), schwarzes Pixel bedeutet inkohärentes Signal (Änderungen). Wo Sie parallele Spuren für eine Länge von Interesse finden können, bedeutet dies, dass es interessanter sein sollte, mehr Nachforschungen anzustellen.

Geben Sie hier die Bildbeschreibung ein

Natürlich hängt es von der Wellenlänge der Phase und dem Zeitfaktor ab.
Die SAR-Bilder mit Wiederholungsdurchlauf müssen jedoch interferometrisch erfasst und verarbeitet werden.

Hauptsächlich gibt es zwei gute Tools, um diese Art der Analyse durchzuführen: Erdas mit Radar Mapping Suite und ENVI mit SarScape-Modul.

Meine Einschätzung enthält keine wirtschaftlichen Aspekte.

— Superifa
quelle

Bei dieser Methode wird davon ausgegangen, dass es Bilder gibt, die Vor- und Nachaktivität zeigen. Da wir in einigen Fällen nur 5 Jahre alte (pankromatische) Bilder haben, sollten wir viel Rauschen erwarten, und daher kann diese Methode problematisch sein.

— Ragnvald