Werkzeuge für die (halb-) automatisierte Waldverfolgung aus Satellitenbildern

9

Ich versuche, Wälder in OpenStreetMap mit Yahoo-Satellitenbildern zu zeichnen.

Der JOSM-Editor verfügt über einige Plugins, die versuchen, den Prozess zu automatisieren. Sie müssen in den Bereich klicken, und das Plugin findet die Grenzen. Aber die Qualität ist ziemlich schlecht.

Ich suche nach Bibliotheken / Algorithmen, um gute Qualitätsgrenzen zu erhalten.

Die Bilder, mit denen ich arbeite, sehen folgendermaßen aus: http://maps.yahoo.com/#mvt=s&lat=56.907056&lon=24.597595&zoom=14

openstreetmap tools satellite

— Extropie
quelle

Sollten Sie Daten aus urheberrechtlich geschützten Bildern an OSM senden?

— James Ryan

1

@ James ja, solange die Metadaten die Quelle und Methode der Ableitung klar angeben. Die aus diesen Bildern erzeugten Waldpolygone konnten nicht verwendet werden, um ein vernünftiges Faksimile des Originals zu regenerieren. Wenn das Yahoo-Kartenbild andererseits ein klassifiziertes Raster wäre ... wäre ich vorsichtiger.

— Matt Wilkie

Nachdem Sie untersucht haben, was Sie gesagt haben, ist dies nicht der Fall. Jede Ableitung ohne Erlaubnis ist eine Verletzung des Urheberrechts. In diesem Fall haben Yahoo es ausdrücklich erlaubt.

— James Ryan

5

Sie sind besser dran, wenn Sie eine Fernerkundungsanwendung verwenden. Natürlich müssen Sie die Rasterbilder auf Ihrem Computer haben. Es gibt unzählige Methoden, mit denen Sie Waldgebiete bestimmen können, z. B.: Verwendung neuronaler Netze, trainierte Bildfelder, überwachte / unbeaufsichtigte Segmentierung und Klassifizierung. Ich bin nicht sicher, ob dies Ihr Problem löst, aber es ist ein Anfang.

Es gibt kostenloses DIP (digitale Bildverarbeitung) wie GRASS, SPRING (ich denke, es ist nur in pt-BR verfügbar) und OSSIM (ich bin mir nicht sicher).

— George Silva
quelle

3

Versuchen Sie es vielleicht mit anderen Quellbildern. Mit OnEarth können Sie zwischen verschiedenen Bandkombinationen wählen. Die Pseudo- oder Falschfarben heben die Unterschiede zwischen bewachsenen und nicht bewachsenen Gebieten besser hervor als die "natürliche" oder "visuelle" Farbkombination (scrollen Sie nach unten zu den Anwendungsbeispielen von WMS Global Mosaic ). Die OnEarth-Daten sind über TiledWMS , KML und direkten Download verfügbar (auch einfaches WMS ist verfügbar, es wird jedoch davon abgeraten, die Serverlast zu verringern). Die Bilder sind kostenlos und frei, sodass Sie sich keine Sorgen darüber machen müssen, was Sie damit machen dürfen.

— matt wilkie
quelle

3

Um die Fallstricke bei der Lizenzierung zu vermeiden, können Sie zahlreiche Landsat TM5 / ETM7-Daten von GLOVIS abrufen . Anschließend können Sie mithilfe der Bänder 3 und 4 (rot und nahezu infrarot) und möglicherweise anderer Bänder versuchen, das Bild zu klassifizieren, als Polygon zu exportieren und das Polygon dann nach Herzenslust zu optimieren. Für Wälder ist die Verwendung der räumlichen Korrelation zwischen Pixeln oft sehr nützlich (in Ihrem Beispiel betrachten Sie die Granularität von Waldbeständen). Texturklassifikatoren (berechnen Sie beispielsweise die Varianz von NDVI über ein 3x3-Fenster) ergänzen die reinen radiometrischen Klassifikatoren.

In Bezug auf Werkzeuge wurde GRASS als wahrscheinlich gute Wahl erwähnt. Wir haben ENVI am Werk, und obwohl es keine freie Software ist, wäre es das Werkzeug, das ich dafür in Betracht ziehen würde.

Beachten Sie, dass die Landsat-Daten häufig durch Wolken oder Wolkenschatten kontaminiert sind. Möglicherweise müssen Sie ein wenig in das Archiv graben, um geeignete Daten zu finden.

— Jose
quelle

1

Die NASA hat kürzlich eine globale Waldhöhenkarte erstellt. Wenn Sie diese Karte als Grundlage für die Bearbeitung verwenden, gelangen Sie möglicherweise ziemlich weit in Richtung Ihres Ziels.

— scw
quelle

1

Aus der Beschreibung geht hervor, dass der Datensatz für diesen Zweck nicht von großem Nutzen ist, da die Waldbestände durchschnittlich 5 km² große Blöcke sind. Toller Datensatz, ich hatte noch nichts davon gehört.

— Matt Wilkie

0

Um Grenzen abzuleiten, suchen Sie nach einem Algorithmus zum Wachsen der Region. In diesem Artikel werden solche Algorithmen erläutert, von denen einer in SAGA GIS implementiert ist

Wie in anderen Antworten erwähnt, sollten Sie in der Tat versuchen, mehr Bänder als nur das sichtbare Licht zu verwenden. Besonders nahes Infrarot und Infrarot sollten gut funktionieren.

Tatsächlich gehen die meisten GIS- / Fernerkundungsprogramme noch weiter: Wenn Sie einige Beispielpolygone haben, können sie eine „überwachte“ Klassifizierung durchführen, die sogar neue Wälder vorschlägt. Sie werden viele Algorithmen finden, wenn Sie eine Suche danach durchführen.

— johanvdw
quelle