Detecção automatizada de faixas

Dada uma área com depressões em área aberta de; diga todos os veículos terrestres dirigindo em superfícies macias. Os veículos causarão depressões paralelas de 10 a 20 centímetros de profundidade e de 15 a 30 cm de largura, com comprimentos variando com a robustez da superfície.

Quais plataformas de sensoriamento remoto seriam relevantes para análises posteriores? Quickbird, drones menores, lidar, fotografia aérea?
Existem procedimentos disponíveis nas ferramentas (FME / QGIS / ESRI / outro) que podem ser usados para documentar os caminhos?

Para simplificar essa questão, suponhamos que sabemos positivamente que não há outros caminhos na área ou que eles foram filtrados para fora das imagens.

A automação total não é necessária e provavelmente nem mesmo é possível.

Este é um exemplo de como seriam as faixas. insira a descrição da imagem aqui

— ragnvald
fonte

Esta é uma boa pergunta. Normalmente, prefiro duas plataformas - uma para encontrar e outra para confirmar. Uma depressão marrom é mais provável de ser uma rotina de roda, por outro lado, depressões não relacionadas à roda são mais propensas a ser 'verdes'. O LiDAR fornecerá o melhor DEM para encontrar depressões e a IR é a melhor para classificar a vegetação / não vegetada. Esteja ciente de que o LiDAR, dependendo de muitos fatores, fornecerá resultados diferentes onde a água se acumulou. Tradicionalmente, elas eram capturadas apenas da fotografia, o que leva muitas horas de trabalho, mas você precisa pesar o custo da mão-de-obra versus a aquisição de dados.

— precisa

Presumo que seu objetivo final seja identificar trilhas off-road. Qual a extensão da sua área de estudo? Onde fica a área de estudo?

— Aaron

Obrigado Aron, sim, está relacionado a trilhas off-road. Nosso objetivo é documentá-los para obter uma indicação da extensão de qualquer dano. Provavelmente o limitaríamos a alguma unidade de gerenciamento, como reservas naturais, parques nacionais ou similares. Por enquanto, estamos tentando descobrir nossas opções antes de criar um projeto.

— Ragnvald

Não tenho certeza sobre o LiDAR na neve (não receba muito disso em Queensland), os espaços abertos são muito mais fáceis de classificar e você pode se safar com sensores mais baratos (menos retornos por pulso) .. em áreas com muita vegetação é imperativo usar múltiplos retornos por pulso para encontrar o solo; a densidade do pulso é a mesma, mas menos retornos. Para encontrar seus sulcos, o espaçamento entre pontos terá que ser bastante fino (superior a 8 pulsos / metro quadrado), o que significa menor vôo, mais tiras, mais custo, mais armazenamento, mais tempo de processamento. Poderia ser muito mais barato obter captura de fotografias feitas na China ou na Índia.

— Michael Stimson

Eu devo qualificar minha declaração anterior, se você precisar adquirir imagens LiDAR e multiespectrais para este projeto e não puder compensar o custo (em compras conjuntas com outra empresa ou departamento do governo que tenha interesses separados na mesma área), o custo será será alto, provavelmente maior que a captura, desde que você possa obter mão-de-obra a uma taxa baixa. Não estou dizendo que é impossível, longe disso, seria muito interessante como um white paper, provavelmente não é a opção mais barata.

— precisa

Não tenho certeza de que possa ser a melhor solução para seu objetivo, mas minha experiência com dados de SAR sugere que poderia ser o caminho certo para descobrir trilhas em Savannah e em ambientes arenosos.

Como o SAR é um sistema de imagem coerente, duas formas de detecção de alterações podem ser consideradas, a saber: detecção de alterações incoerente e coerente. A detecção de alteração incoerente identifica alterações na potência média de retroespalhamento de uma cena, normalmente através de uma estatística de alteração da razão de intensidade média (sinal de amplitude). A detecção coerente de alterações, por outro lado, identifica alterações na amplitude e na fase das imagens transduzidas usando a estatística de alteração de coerência da amostra. Assim, a detecção coerente de alterações tem o potencial de detectar alterações muito sutis da cena na estrutura de dispersão de células de sub-resolução que podem ser indetectáveis usando técnicas incoerentes. Em outras palavras, veículos ou animais.

Graças ao CCD (Coherence Change Detection), você pode obter um mapa de fase coerente (pancrromático). Pixel branco significa sinal coerente (sem alterações), pixel preto significa sinal incoerente (alterações). Onde você pode encontrar trilhas paralelas por um período de interesse, isso significa que deve ser mais interessante investigar.

insira a descrição da imagem aqui

Obviamente, isso depende do comprimento de onda do fator de fase e tempo.
As imagens SAR de repetição do passe, no entanto, devem ser adquiridas e processadas interferometricamente.

Principalmente, existem duas boas ferramentas para realizar esse tipo de análise: Erdas com Radar Mapping Suite e ENVI com SarScape.

Minha avaliação é desprovida de aspectos econômicos.

— superifa
fonte

Esse método pressupõe a existência de imagens mostrando pré e pós-atividade. Dado que, em alguns casos, apenas teremos imagens de 5 anos (pancromáticas), devemos esperar muito ruído e, portanto, esse método pode ser problemático.

— Ragnvald