उपग्रहों की छवियों से (अर्ध) स्वचालित वुडलैंड अनुरेखण के लिए उपकरण


9

मैं याहूसैटलाइट छवियों का उपयोग करते हुए, ओपनचिट्रप में वुडलैंड्स खींचने की कोशिश कर रहा हूं।

JOSM संपादक में कुछ प्लगइन्स होते हैं जो प्रक्रिया को स्वचालित करने का प्रयास करते हैं - आपको क्षेत्र के अंदर क्लिक करना होगा और प्लगइन सीमाओं को ढूंढता है। लेकिन गुणवत्ता बहुत खराब है।

मैं कुछ पुस्तकालयों / एल्गोरिदम की तलाश कर रहा हूं ताकि अच्छी गुणवत्ता की सीमाएं मिल सकें।

मैं इस तरह से काम कर रहा हूँ: http://maps.yahoo.com/#mvt=s&lat=56.907056&lon=24.597595&zoom=14


क्या आपको कॉपीराइट छवियों से प्राप्त डेटा को OSM में सबमिट करना चाहिए?
JamesRyan

1
@ जेम्स हां, जब तक मेटाडेटा स्पष्ट रूप से व्युत्पत्ति के स्रोत और विधि को बताता है। उन छवियों से उत्पन्न वुडलैंड बहुभुज का उपयोग मूल के एक उचित प्रतिकृति को पुनर्जीवित करने के लिए नहीं किया जा सकता है। यदि याहू मानचित्र छवि दूसरी ओर एक वर्गीकृत रेखापुंज थी ... तो मैं और अधिक सतर्क रहूंगा।
मैट विल्की

इस पर ध्यान दिए बिना कि आपने जो कहा है, वह मामला नहीं है, बिना अनुमति के कोई भी व्युत्पत्ति कॉपीराइट का उल्लंघन है। इस उदाहरण में याहू ने विशेष रूप से इसकी अनुमति दी है।
जेम्सरन

जवाबों:


5

आप रिमोट सेंसिंग एप्लिकेशन का उपयोग करके बेहतर हैं। बेशक, आपको अपने कंप्यूटर पर रेखापुंज इमेजरी की आवश्यकता है। ऐसे कई तरीके हैं जो आपको वुडलैंड क्षेत्रों को निर्धारित करने में मदद कर सकते हैं, जैसे: न्यूरल नेटवर्क्स का उपयोग करना, इमेजरी के प्रशिक्षित पैच, पर्यवेक्षित / असुरक्षित विभाजन और वर्गीकरण। मुझे यकीन नहीं है कि यह आपकी समस्या को हल करता है, लेकिन यह एक शुरुआत है।

निशुल्क डीआईपी (डिजिटल इमेज प्रोसेसिंग) हैं, जैसे GRASS, SPRING (मुझे लगता है कि यह केवल pt-BR में उपलब्ध है) और OSSIM (मैं इस बारे में निश्चित नहीं हूं)


3

शायद अलग-अलग स्रोत की कल्पना की कोशिश करें। OnEarth के साथ आप विभिन्न बैंड संयोजनों के बीच चुन सकते हैं और चुन सकते हैं। छद्म या गलत रंग वाले "प्राकृतिक" या "दृश्य" रंग कॉम्बो (के लिए नीचे स्क्रॉल की तुलना में बेहतर वनस्पति और गैर वनस्पति क्षेत्रों के बीच मतभेद उजागर WMS वैश्विक मोज़ेक उपयोग उदाहरण )। OnEarth डेटा TiledWMS , KML के माध्यम से उपलब्ध है , और प्रत्यक्ष डाउनलोड (सादा WMS भी उपलब्ध है, लेकिन सर्वर लोड को कम करने के लिए हतोत्साहित)। इमेजरी स्वतंत्र और कामचलाऊ है, इसलिए इस बारे में कोई चिंता नहीं है कि आपको इसके साथ क्या करने की अनुमति है।


3

लाइसेंसिंग नुकसान से बचने के लिए, आप GLOVIS से बहुत से लैंडस TM5 / ETM7 डेटा हड़प सकते हैं । फिर, उदाहरण के लिए बैंड 3 और 4 (लाल और आस-पास), और संभवतः अन्य का उपयोग करते हुए, आप छवि को वर्गीकृत करने, बहुभुज के रूप में निर्यात करने और फिर बहुभुज को अपने दिल की सामग्री में बदलने की कोशिश कर सकते हैं। जंगलों के लिए, पिक्सेल के बीच स्थानिक सहसंबंध का उपयोग करना अक्सर बहुत उपयोगी होता है (आपके उदाहरण में, वन स्टैंड की ग्रैन्युलैरिटी देखें)। बनावट क्लासीफायर (उदाहरण के लिए, एक 3x3 विंडो पर NDVI के विचरण की गणना) शुद्ध रेडोमेट्रिक क्लासिफायरियर पूरक।

औजारों के बारे में, GRASS का उल्लेख किया गया है क्योंकि यह एक अच्छा विकल्प है। हमारे पास काम पर ENVI है, और मुफ्त सॉफ्टवेयर नहीं है, यह ऐसा उपकरण होगा जिसके लिए मैं इस पर विचार करूंगा।

ध्यान दें कि लैंडसैट डेटा अक्सर बादलों या बादल छाया से दूषित होता है। उपयुक्त डेटा खोजने के लिए आपको संग्रह में थोड़ा खुदाई करने की आवश्यकता हो सकती है।


1

नासा ने हाल ही में एक वैश्विक वन ऊंचाई का नक्शा बनाया है , शायद इसे संपादन के लिए एक आधार के रूप में उपयोग करने से आपको अपने लक्ष्य की ओर काफी नीचे सड़क मिल जाएगी।


1
इस विवरण से कि इस प्रयोजन के लिए डेटासेट का अधिक उपयोग नहीं होगा क्योंकि वन स्टैंड औसतन 5 वर्ग किलोमीटर के ब्लॉक हैं। महान डेटासेट, हालांकि, मैंने अभी तक इसके बारे में नहीं सुना था।
मैट विल्की

0

सीमाओं को प्राप्त करने के लिए, आप एक बढ़ते एल्गोरिथ्म क्षेत्र की तलाश कर रहे हैं। यह पत्र ऐसे एल्गोरिदम पर चर्चा करता है, जिनमें से एक को सागा जीआईएस में लागू किया गया है

अन्य उत्तरों में वर्णित की तरह, आपको वास्तव में केवल दृश्यमान प्रकाश की तुलना में अधिक बैंड का उपयोग करने का प्रयास करना चाहिए। विशेष रूप से निकट-अवरक्त और अवरक्त को अच्छी तरह से काम करना चाहिए।

और वास्तव में, अधिकांश जीआईएस / रिमोट सेंसिंग प्रोग्राम आगे बढ़ते हैं: एक बार जब आपके पास कुछ उदाहरण बहुभुज होंगे, तो वे 'पर्यवेक्षित' वर्गीकरण कर सकते हैं, जो नए जंगलों का भी सुझाव देगा। यदि आप उस पर खोज करते हैं तो आपको कई एल्गोरिदम मिलेंगे।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.