การแยกประเภทน้ำแข็งโดยใช้ข้อมูลดาวเทียม


12

ฉันต้องการจำแนกพื้นที่น้ำแข็งตามหมวดหมู่ของหิมะ (ถ้ามี) และน้ำแข็ง แต่สิ่งที่สำคัญที่สุด: ระหว่างน้ำแข็งเก่ากับน้ำแข็งสด พวกมันมีคุณสมบัติต่าง ๆ ที่เป็นไปได้ที่จะรับรู้ในสนาม แต่คุณสามารถทำสิ่งนี้กับข้อมูลดาวเทียมได้หรือไม่? (โดยเฉพาะอย่างยิ่ง Landsat เนื่องจากความละเอียดของพื้นที่ 30 / 15m)


1
น้ำแข็งเก่าและใหม่มีคุณสมบัติอย่างไรในสนาม?
แอรอน

1
1) หิมะสดอัดแน่นน้อยกว่าน้ำแข็งธารน้ำแข็งเก่ามาก (มันจะกลายเป็นน้ำแข็งโดยการบดอัด) ดังนั้นสิ่งนี้สามารถเชื่อมต่อกับการสะท้อนแสง IR ซึ่งถูกดูดซับด้วยน้ำ 2) นอกจากนี้หิมะสดยังมีอัลเบโดถึงเกือบ 100% แต่หิมะเก่าสามารถลดลงได้ถึง ~ 40% (ไม่มีหมวดหมู่ที่แน่นอน) ฉันต้องการใช้ประโยชน์จาก IR เนื่องจากองค์ประกอบของ True Color ไม่มีประโยชน์เท่าที่ฉันต้องการ
adamczi

1
ดูเหมือนว่าปัญหาการจำแนกภาพโดยตรง คุณต้องเริ่มต้นด้วยข้อมูลการฝึกอบรมซึ่งสามารถรวบรวมได้ในสนามหรือโดยการเลือกพิกเซลจากภาพอย่างเชี่ยวชาญ
แอรอน

3
ฉันคิดว่าวิธีที่จะไปที่นี่คืออัลกอริธึมการจัดหมวดหมู่แบบมีการควบคุมเช่นโอกาสสูงสุด, ป่าสุ่ม, ฯลฯ ที่ใช้แถบสเปกตรัมที่มีอยู่ทั้งหมด คุณคุ้นเคยกับวิธีการเหล่านี้หรือไม่? ฉันไม่แน่ใจว่าคุณหมายถึงอะไรโดย "องค์ประกอบ IR" คุณหมายถึงการสร้างภาพรวมเช่นคอมโพสิตสีเท็จ (เช่น NIR, R, G) หรือไม่? ถ้าเป็นเช่นนั้นคุณมีข้อ จำกัด ในการใช้งานผลิตภัณฑ์ดังกล่าว
Aaron

1
@adamczi ลองใช้งาน google-earth-engine อัลกอริทึมการจัดหมวดหมู่ภายใต้การดูแลจะมีให้บริการเช่นเดียวกับข้อมูล SAR (ทั้งการอัปโหลดหรือระบบคลาวด์ของ Google)
csheth

คำตอบ:


1

คุณจะต้องใช้ข้อมูลไมโครเวฟสำหรับสิ่งนี้ ข้อมูลออปติคัลจะไม่ลดลง ถ้าคุณยังต้องการผ่านการฉายให้บอกวิธีการที่คุณติดตาม ยังมีอีกมากที่ขึ้นอยู่กับภูมิประเทศภูมิประเทศของคุณ การจำแนกประเภทข้อมูลไมโครเวฟนั้นไม่ได้ตรงไปตรงมาคุณจะต้องศึกษาวรรณคดีจำนวนมากและเลือกวิธีการที่เหมาะสมกับคุณที่สุด โปรดดูวิธีการที่ฉันติดตามในวิทยานิพนธ์ M.Tech ของฉัน: http://www.iirs.gov.in/iirs/sites/default/files/StudentThesis/Sanjay_MTech_2013-15.pdf

กรุณาถามถ้าคุณมีคำถามใด ๆ หลังจากผ่านวรรณกรรม


0

นี่คือตัวอย่างที่สามารถช่วยคุณเริ่มต้นใช้งาน Google-Earth-Engine โดยใช้ C-Band ของ Sentinel:

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);

คุณจะต้องจำแนกภาพโดยใช้อัลกอริทึมการจัดหมวดหมู่ภายใต้การดูแลที่กล่าวถึงที่นี่: https://developers.google.com/earth-engine/classification

เพิ่มเติมเกี่ยวกับการใช้ Sentinel-1 https://developers.google.com/earth-engine/sentinel1

บน Google Earth Engine และกลาเซียร์: http://www.geo.uzh.ch/~mzemp/share/scratch/msc/MSc.Thesis_NoahZeltner_UsingGoogleEarthEngineForGloacGangeAssessment.pdf

ในเขต SAR และธารน้ำแข็ง: http://www.sciencedirect.com/science/article/pii/S0034425713001703

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.