ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 12.12.2023
Просмотров: 150
Скачиваний: 2
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
рования, основанные на спектральных признаках пикселей. Однако отдельно взятый канал в многозональных снимках представляет крайне ограниченную вариацию действий по ин- терпретации свойств земной поверхности. Специфика применения многозональных сним- ков заключается в возможности комбинирования каналов, помещая их в красную (R), зе- леную (G) и синюю (B) позиции. Таким образом, каждый канал представляет интерес для решения тематических прикладных задач, однако синтетическую информацию о природ- ных и природно-антропогенных комплексах можно получить только в рамках комбиниро- вания каналов (табл. 4). Такая процедура доступна в специализированном программном обеспечении по дешифрированию космических снимков, например ScanEx Image Processor,
ERDAS IMAGINE, ENVI, а также в стандартных ГИС (ArcGIS, MapInfo Professional (при использовании дополнительного модуля MapInfo Advanced)).
Т а б л и ц а 4
Интерпретация некоторых комбинаций каналов данных спутника Landsat-8
Комбинация каналов
(R-G-B)
Landsat-8
Интерпретация
5-4-3
Комбинация «искусственные цвета». Используется для исследования расти- тельности, которая отображается в оттенках красного цвета. Насыщенные от- тенки – индикаторы здоровой (спелой) растительности, более светлые – тра- вянистой или кустарниковой. Хвойные породы имеют более темный цвет по сравнению с широколиственными и мелколиственными.
4-3-2
Комбинация «естественные цвета». Используются каналы видимо диапазона, поэтому объекты земной поверхности выглядят так, как они воспринимаются человеческим глазом. Применяется для визуального дешифрирования при- родных и антропогенных объектов.
6-5-2
Комбинация ближнего, среднего ИК-каналов и синего видимого канала при- меняется для изучения влажностных характеристик почв и растительного по- крова, детектирования водных объектов, определения границ между хвойной и лиственной растительностью.
6-5-4
Комбинация ближнего, среднего ИК-каналов и синего видимого канала при- меняется для анализа всходов на сельскохозяйственных угодьях: участки с плохо развитым растительном покровом лилово-коричневые, территории с хорошими всходами культур – ярко-зеленые.
Рассмотрим выполнение данного вида работ в ScanEx Image Processor: выполняем команды «Файл» – «Открыть растр» – «Добавить растры» – «Выбрать файл»; последовательно загружаем все каналы: «Ок» – «Загрузить»; многозональ- ные космические снимки Landsat-8 представлены растровыми изображениями формата tif, имеют «встроенную» единую для всех каналов привязку; для визуализации многозонального снимка в окне программы нажимаем «Окно» –
«Новое окно RGB»; быстрый поиск загруженных растров осуществляется при по- мощи пиктограммы «Уместить в окне»
) на главной панели программы; для комбинирования каналов воспользуемся опцией «Настройка отображения» (
). В диалоговом окне во вкладке «Настройка слоев» в пункте «Новый слой» вы- бираем необходимые комбинации каналов, задаем параметры для их отображения: видимость, прозрачность, ограничение отображения (рис. 12).
ERDAS IMAGINE, ENVI, а также в стандартных ГИС (ArcGIS, MapInfo Professional (при использовании дополнительного модуля MapInfo Advanced)).
Т а б л и ц а 4
Интерпретация некоторых комбинаций каналов данных спутника Landsat-8
Комбинация каналов
(R-G-B)
Landsat-8
Интерпретация
5-4-3
Комбинация «искусственные цвета». Используется для исследования расти- тельности, которая отображается в оттенках красного цвета. Насыщенные от- тенки – индикаторы здоровой (спелой) растительности, более светлые – тра- вянистой или кустарниковой. Хвойные породы имеют более темный цвет по сравнению с широколиственными и мелколиственными.
4-3-2
Комбинация «естественные цвета». Используются каналы видимо диапазона, поэтому объекты земной поверхности выглядят так, как они воспринимаются человеческим глазом. Применяется для визуального дешифрирования при- родных и антропогенных объектов.
6-5-2
Комбинация ближнего, среднего ИК-каналов и синего видимого канала при- меняется для изучения влажностных характеристик почв и растительного по- крова, детектирования водных объектов, определения границ между хвойной и лиственной растительностью.
6-5-4
Комбинация ближнего, среднего ИК-каналов и синего видимого канала при- меняется для анализа всходов на сельскохозяйственных угодьях: участки с плохо развитым растительном покровом лилово-коричневые, территории с хорошими всходами культур – ярко-зеленые.
Рассмотрим выполнение данного вида работ в ScanEx Image Processor: выполняем команды «Файл» – «Открыть растр» – «Добавить растры» – «Выбрать файл»; последовательно загружаем все каналы: «Ок» – «Загрузить»; многозональ- ные космические снимки Landsat-8 представлены растровыми изображениями формата tif, имеют «встроенную» единую для всех каналов привязку; для визуализации многозонального снимка в окне программы нажимаем «Окно» –
«Новое окно RGB»; быстрый поиск загруженных растров осуществляется при по- мощи пиктограммы «Уместить в окне»
) на главной панели программы; для комбинирования каналов воспользуемся опцией «Настройка отображения» (
). В диалоговом окне во вкладке «Настройка слоев» в пункте «Новый слой» вы- бираем необходимые комбинации каналов, задаем параметры для их отображения: видимость, прозрачность, ограничение отображения (рис. 12).
Р и с . 12 – Создание комических снимков в синтезированных цветах в программе ScanEx Image Processor
Полученные космические снимки в синтезированных цветах могут быть сохранены через команду «Сохранение растров» в меню «Файл» и использованы в проектируемой учебной землеустроительной ГИС «Атемарский полигон» для визуального анализа диф- ференциации природных компонентов. Другое направление работы связано с использова- нием методик автоматизированного дешифрирования в среде ScanEx Image Processor.
Основной инструмент любого программного продукта для автоматизированной об- работки материалов ДЗЗ – алгоритмы компьютерного дешифрирования. Рассмотрим их особенности в ScanEx Image Processor.
Классификация без обучения (кластеризация). В программе реализован наиболее популярный алгоритм – ISODATA (Итерационная самоорганизующаяся методика анализа данных – Iterative Self-Organizing Data Analysis Technique). Его работа основана на класте- ризации космоснимка по разнице между средними значениями кластеров (минимальном спектральном расстоянии между центрами классов). Результатом кластеризации выступа- ет растровый слой, состоящий из получившихся кластеров, объединенных по принадлеж- ности к заданному числу спектральных классов.
Классификация с обучением. При данном типе пиксели снимка объединяются в группы на основе сравнения их яркостей с эталонными значениями. В ScanEx Image
Processor представлены:
– классификация с помощью нейронных сетей. Искусственные нейронные сети яв- ляются математической моделью, организованной по типу действия биологических нейронов, имеющих входные и выходные каналы. Достоинствами грамотно организован- ной сети нейронов являются нечувствительность к шуму и толерантность к ошибкам.
Успешность применения нейросетевых методов зависит от программы их обучения, в ко- торое входят выбор входных данных (для задач интерпретации данных ДЗЗ – определение
типов и разрешения снимков), определение формы выходных данных (объекта интерпре- тации на результирующей карте), подбор архитектуры сети (число слоев и нейронов);
– бинарная классификация (метод максимальной энтропии). Данный тип алгорит- мов основан на определении местоположения некоего известного феномена, по которому рассчитывается вероятность нахождения этого феномена по всей территории космосним- ка;
– классификация с помощью метода деревьев. В программном комплексе заложен алгоритм обучения ансамбля древовидных классификаторов, каждый из которых обучает- ся на случайном подмножестве обучающей выборки. При классификации получившийся класс реализуется с помощью «голосования» (по всему ансамблю деревьев), а его вероят- ность оценивается как отношение «проголосовавших» за него деревьев к общему числу деревьев.
В программном комплексе ScanEx Image Processor реализован широкий спектр операций с растровыми слоями посредством математических операций с яркостными ха- рактеристиками многозональных космических снимков. Для целей геоботанических об- следований в рамках изучения состояния земель важнейшим инструментом является рас- чет вегетационных индексов – показателей состояния растительности, определяемых по их отражательной способности в разных спектрах съемки. При этом территория, свобод- ная от растительности, будет совпадать с «почвенной линией» – гипотетической прямой в спектральном пространстве, определяющие нулевое количество растительности. В про- грамме встроены в интерфейс основные индексы, применение других возможно при по- мощи их создания в среде программы и встройке в соответствующую группу опций.
4.5. Автоматизированное проектирование
карты фактического землепользования
Анализ использования земель в рамках учебной практики проводится с применени- ем разных критериев: категория земель, функциональное зонирование, градостроительное зонирование, разрешенные виды использования земель. Эти данные приведены в графи- ческом и текстовом виде в Генеральном плане и Правилах землепользования и застройки
Атемарского сельского поселения, в КПТ на кадастровые кварталы в пределах полигона, получаемых из ЕГРН.
Однако данная информация должна соотносится с фактической системой земле- пользования для целей оптимизации стратегического управления земельными ресурсами, мониторинга земель. Студентами на практике апробируются методики создания карты фактического землепользования, в которой целесообразно использование двух взаимодо- полняющих подходов: проектирование карты Land cover на основе классификации земной поверхности, применяемой в программе Евросоюза CORINE (Coordination of information on the environment); в методике проектирования карты при этом подходе лежит анализ и интерпретация данных ДЗЗ с последующим отнесением пикселей к одному из 44 классов земной поверхности, организованных на 3 иерархических уровнях; построение карты землепользования, используя принципы классификации по Ф.
Н. Милькову на уровне классов, подклассов и типов антропогенных ландшаф- тов;
Перед проведением работ по автоматизированному дешифрированию многозо- нальных космических снимков рекомендуется создание ведомости будущей карты с це- лью уточнения фактического землепользования по космическому снимку высокого раз- решения, подгруженного в учебную землеустроительную ГИС «Атемарский полигон»
(табл. 5).
– бинарная классификация (метод максимальной энтропии). Данный тип алгорит- мов основан на определении местоположения некоего известного феномена, по которому рассчитывается вероятность нахождения этого феномена по всей территории космосним- ка;
– классификация с помощью метода деревьев. В программном комплексе заложен алгоритм обучения ансамбля древовидных классификаторов, каждый из которых обучает- ся на случайном подмножестве обучающей выборки. При классификации получившийся класс реализуется с помощью «голосования» (по всему ансамблю деревьев), а его вероят- ность оценивается как отношение «проголосовавших» за него деревьев к общему числу деревьев.
В программном комплексе ScanEx Image Processor реализован широкий спектр операций с растровыми слоями посредством математических операций с яркостными ха- рактеристиками многозональных космических снимков. Для целей геоботанических об- следований в рамках изучения состояния земель важнейшим инструментом является рас- чет вегетационных индексов – показателей состояния растительности, определяемых по их отражательной способности в разных спектрах съемки. При этом территория, свобод- ная от растительности, будет совпадать с «почвенной линией» – гипотетической прямой в спектральном пространстве, определяющие нулевое количество растительности. В про- грамме встроены в интерфейс основные индексы, применение других возможно при по- мощи их создания в среде программы и встройке в соответствующую группу опций.
4.5. Автоматизированное проектирование
карты фактического землепользования
Анализ использования земель в рамках учебной практики проводится с применени- ем разных критериев: категория земель, функциональное зонирование, градостроительное зонирование, разрешенные виды использования земель. Эти данные приведены в графи- ческом и текстовом виде в Генеральном плане и Правилах землепользования и застройки
Атемарского сельского поселения, в КПТ на кадастровые кварталы в пределах полигона, получаемых из ЕГРН.
Однако данная информация должна соотносится с фактической системой земле- пользования для целей оптимизации стратегического управления земельными ресурсами, мониторинга земель. Студентами на практике апробируются методики создания карты фактического землепользования, в которой целесообразно использование двух взаимодо- полняющих подходов: проектирование карты Land cover на основе классификации земной поверхности, применяемой в программе Евросоюза CORINE (Coordination of information on the environment); в методике проектирования карты при этом подходе лежит анализ и интерпретация данных ДЗЗ с последующим отнесением пикселей к одному из 44 классов земной поверхности, организованных на 3 иерархических уровнях; построение карты землепользования, используя принципы классификации по Ф.
Н. Милькову на уровне классов, подклассов и типов антропогенных ландшаф- тов;
Перед проведением работ по автоматизированному дешифрированию многозо- нальных космических снимков рекомендуется создание ведомости будущей карты с це- лью уточнения фактического землепользования по космическому снимку высокого раз- решения, подгруженного в учебную землеустроительную ГИС «Атемарский полигон»
(табл. 5).
Т а б л и ц а 5
Инвентаризационная ведомость для составления карты фактического землепользования (фрагмент)
Типологическая единица
CORINE (Land cover)
Типологическая единица
(по Ф. Н. Милькову)
Краткая характеристика типологической единицы в пределах полигона
Пример на космическом снимке полигона
1. Искусственные поверхно- сти;
1.1. Городская застройка;
1.1.2. Разреженная городская застройка;
1.
Класс селитебных ландшафтов;
1.1. Тип сельских сели- тебных ландшафтов;
В состав полигона входят населенные пункты
Атемарского сельского поселения: с. Атемар, с.
Новая Уда и д. Старая Уда. Наиболее крупный населенный пункт – с. Атемар (на 01.01.2016 г. –
4 160 человек) расположен в западной части по- лигона. Территориальная зона – ЖЗ-0301 Зона индивидуальной жилой застройки.
2. Сельскохозяйственные об- ласти;
2.1. Пашня;
2. Класс сельскохозяй- ственных ландшафтов;
2.1. Полевой тип;
Учебный полигон расположен на землях ГУП ПФ
«Атемарская» и ГСП «Искра», которые за- нимают западную, северную и восточные части учебного полигона. Наибольший удельный вес в структуре составляют зерновые и кормовые культуры. Территориальная зона – СХЗ-0101 Зо- на сельхозугодий.
1 Искусственные поверхности
1.3 Шахты, карьерные и стро- ительные площадки;
1.3.1 Участки добычи полез- ных ископаемых.
3. Класс промышленных ландшафтов;
3.1. Карьерно-отвальный тип.
Наиболее крупный горно-технический комплекс на территории учебного полигона – Атемарское месторождение мела (разработка – ООО «Аст- ром»), расположенный в 1,5 км восточнее с. Ате- мар в краевой части останцового массива. В гео- логическом строении участвуют комплекс верх- немеловых и четвертичных отложений. Террито- риальная зона – СХЗ-0101 Зона сельхозугодий.
Дальнейшая работа по проектированию карты проводится в ScanEx Image Processor.
Рассмотрим технологический процесс проектирования карты Land cover. Его можно разбить на несколько этапов.
1 2 3 4 5 6 7 8 9 ... 12
1. Определение метода классификации. В рамках проектирования карты земле- пользования Атемарского полигона предлагается использовать два вида классификации многозональных снимков, описанных в подразделе 4.4: неконтролируемая классификация
ISODATA и классификация с помощью метода деревьев (классификация с обучением).
2. Выбор спектральных каналов. Задача подбора спектральных каналов решается в рамках их комбинирования с целью получения наиболее контрастного изображения. С учетом специфики хозяйственного использования, сложной структуры сочетания сельско- хозяйственных, селитебных, промышленных и других антропогенных ландшафтов была использована комбинация каналов 6-5-4 летнего снимка, при которой территория полиго- на представлена наиболее контрастными цветами.
3. Неконтролируемая классификация ISODATA. Последовательность работ: загружаем каналы 6, 4 и 5 безоблачного космического снимка летнего периода
(«Файл» – «Открыть растр» – «Добавить растр»). Визуализируем загруженные рас- тры при помощи пиктограммы «Настройка отображения»
); создаем векторный слой с границами полигона: «Вектор» – «Управление вектор- ными слоями» – «Новый». В диалоговом окне «Создание нового файла MIF» зада- ем путь, название файла, название и тип поля можно оставить по умолчанию. Да- лее в графическом редакторе
) необходимо создать полигон (регион), в котором обозначить границы изучаемой территории; выполняем команду «Классификация» – «Без учителя» – «IsoData». В следующем диалоге выбираем каналы, по которым будет проводиться обработка, и векторную маску для классификации (границы полигона). В группе «Параметры» указываем примерное количество выделяемых классов согласно предварительно составленной инвентаризационной ведомости для карты фактического землепользования (табл. 4).
Максимальное количество итераций оставляем по умолчанию. Нажимаем кноп- ку
«Выполнить». В результате программа классифицирует пиксели полигона в но- вый растровый слой «isodata_clusters»; настраиваем отображение получившегося растра в монохромном режиме в меню
«Настройка отображения»
) поверх исходного растра в комбинации каналов 6- 5-
4; дальнейшую настройку растра проведем с помощью специального режима рабо- ты
– режим индексированных цветов. Вызовем данный режим командой «Отобра- жение» – «Показать легенду». В панели в верхнем левом углу выберем растр
«isodata_clusters». В случае, если программа не классифицировала пиксели снимка в заданное количество классов, оставшиеся «пустые» классы можно удалить, нажав пиктограмму «Показывать только существующие значения» ); задаем цвета легенды для растра классификации по первому RGB слою при помо- щи соответствующей пиктограммы
), соглашаясь с предупреждением о прочте- нии цветов верхнего RGB слоя. Получившиеся цвета можно заменить, нажав на каждый из них два раза левой кнопкой мыши. После замены применим эти цвета к классифицированному растру ); в случае близких спектральных значений отдельных классов возможна операция перекодировки (переклассификации) растра. Например, для объединения двух и более классов следует для них в столбце «Новое» проставить новое значение клас- са, в который они будут объединены. Так, в результате классификации пашне соот- ветствуют два класса (3 и 6). В поле «Новое» шестого класса, соответствующего пашне (6), проставляем номер из поля «Значение» третьего класса (3) (рис. 13);
перекодировка значений происходит с меню «Параметры перекодирования» ). Для сохранения изменений в новом растре выбираем «Создать новый растр», зада- ем маску полигона. Программа создает новый растр «Перекодирован_из_...». По- лучившееся одноканальное изображение следует заново выбрать в списке растров, подобрать цвета классам землепользований; выполним векторизацию классов землепользований. Для этого двойным нажатием левой кнопкой мыши проставляем значение «yes» напротив каждого из классов в поле «Вект.»; в меню «Вектор» – «Управление слоями» главной панели создаем новый вектор- ный слой, указав в поле тип «Integer»; векторизация производится при нажатии опции «Векторизовать элементы леген- ды»
). В появившемся диалоговом окне выбираем созданный векторный слой, остальные параметры оставляем без изменений. Нажимает «Векторизовать». Со- храняем результаты векторизации: «Вектор» – «Управление слоями» – выбираем слой – «Сохранить»; отключаем кнопки ), ), выключаем панель легенды ); переходим в редактирование созданного векторного слоя: «Вектор» – «Управление векторными слоями» – «Стили». В диалоговом окне «Стиль отображения вектор- ных объектов» в параметре «Поле со значениями» выбираем поле с классами зем- лепользования, для каждого класса задаем необходимый цвет контура и заливки.
Сохраняем изменения в векторном слое. Закрываем панель. Отключаем показ под- писей векторных слоев в меню «Настройки» главной панели.
Р и с . 13 – Проектирование карты Land cover методом неконтролируемой классификации ISODATA в программе ScanEx Image Processor: процедура перекодировки значений классов
4. Классификация с помощью метода деревьев (классификация с обучением).
Для более точной классификации классов Land cover применим классификацию с обуче- нием, использовав загруженные в программу ScanEx Image Processor спектральные кана- лы 6, 5 и 4 (делаем растр с данной комбинацией верхним в меню «Настройка отображе- ния» ( ), вкладка «Настройка слоев» ): в диалоге управление векторными слоями отключаем видимость созданного на предыдущем шаге векторного слоя ( ) и создаем новый, в поле которого задаем тип
«Integer». В нем будут предварительно определяться эталоны классов земле-
). В появившемся диалоговом окне выбираем созданный векторный слой, остальные параметры оставляем без изменений. Нажимает «Векторизовать». Со- храняем результаты векторизации: «Вектор» – «Управление слоями» – выбираем слой – «Сохранить»; отключаем кнопки ), ), выключаем панель легенды ); переходим в редактирование созданного векторного слоя: «Вектор» – «Управление векторными слоями» – «Стили». В диалоговом окне «Стиль отображения вектор- ных объектов» в параметре «Поле со значениями» выбираем поле с классами зем- лепользования, для каждого класса задаем необходимый цвет контура и заливки.
Сохраняем изменения в векторном слое. Закрываем панель. Отключаем показ под- писей векторных слоев в меню «Настройки» главной панели.
Р и с . 13 – Проектирование карты Land cover методом неконтролируемой классификации ISODATA в программе ScanEx Image Processor: процедура перекодировки значений классов
4. Классификация с помощью метода деревьев (классификация с обучением).
Для более точной классификации классов Land cover применим классификацию с обуче- нием, использовав загруженные в программу ScanEx Image Processor спектральные кана- лы 6, 5 и 4 (делаем растр с данной комбинацией верхним в меню «Настройка отображе- ния» ( ), вкладка «Настройка слоев» ): в диалоге управление векторными слоями отключаем видимость созданного на предыдущем шаге векторного слоя ( ) и создаем новый, в поле которого задаем тип
«Integer». В нем будут предварительно определяться эталоны классов земле-