Ferramentas para rastreamento de florestas (semi) automatizadas a partir de imagens de satélite

9

Estou tentando desenhar florestas no OpenStreetMap, usando imagens de satélite do Yahoo.

O editor JOSM possui alguns plugins que tentam automatizar o processo - você precisa clicar dentro da área e o plug-in encontra os limites. Mas a qualidade é muito ruim.

Estou procurando algumas bibliotecas / algoritmos para obter limites de boa qualidade.

As imagens com as quais estou trabalhando são assim: http://maps.yahoo.com/#mvt=s&lat=56.907056&lon=24.597595&zoom=14

openstreetmap tools satellite

— extropia
fonte

você deve enviar dados derivados de imagens de direitos autorais para o OSM?

— JamesRyan

11

@ James sim, desde que os metadados indiquem claramente a fonte e o método de derivação. Os polígonos da floresta gerados a partir dessas imagens não puderam ser utilizados para regenerar um fac-símile razoável do original. Se a imagem do mapa do Yahoo fosse uma varredura classificada, por outro lado ... eu seria mais cauteloso.

— 27510 Julie

Tendo analisado o que você disse que não é o caso, qualquer derivação sem permissão é uma violação dos direitos autorais. Nesse caso, o Yahoo permitiu especificamente.

— JamesRyan

5

É melhor usar um aplicativo de sensoriamento remoto. Obviamente, você precisa ter as imagens raster no seu computador. Existem vários métodos que podem ajudá-lo a determinar áreas da floresta, como: uso de redes neurais, amostras de imagens treinadas, segmentação e classificação supervisionadas / não supervisionadas. Não tenho certeza se isso resolve o seu problema, mas é um começo.

Existem DIP (processamento de imagem digital) gratuito, como GRASS, SPRING (acho que só está disponível em pt-BR) e OSSIM (não tenho certeza sobre este)

— George Silva
fonte

3

Talvez tente imagens de origem diferentes. Com o OnEarth, você pode escolher entre diferentes combinações de bandas. As cores pseudo ou falsas destacam as diferenças entre áreas vegetadas e não vegetadas melhor do que a combinação de cores "natural" ou "visual" (role para baixo, para exemplos de uso do WMS Global Mosaic ). Os dados do OnEarth estão disponíveis via TiledWMS , KML e download direto (o WMS comum também está disponível, mas é desencorajado a aliviar a carga do servidor). As imagens são gratuitas e gratuitas, portanto não há preocupações com o que você pode fazer com elas.

— Matt Wilson
fonte

3

Para evitar as armadilhas do licenciamento, você pode pegar muitos dados do Landsat TM5 / ETM7 no GLOVIS . Então, usando, por exemplo, as bandas 3 e 4 (vermelho e infravermelho próximo) e possivelmente outras, você pode tentar classificar a imagem, exportar como polígono e ajustar o polígono ao conteúdo do seu coração. Para florestas, o uso da correlação espacial entre pixels geralmente é muito útil (no seu exemplo, observe a granularidade dos estandes de florestas). Os classificadores de textura (por exemplo, calculam a variação do NDVI em uma janela 3x3) complementam os classificadores radiométricos puros.

Em relação às ferramentas, o GRASS foi mencionado como provavelmente uma boa escolha. Temos o ENVI no trabalho e, embora não seja um software livre, seria a ferramenta que eu consideraria para isso.

Observe que os dados do Landsat geralmente são contaminados por nuvens ou sombra das nuvens. Pode ser necessário cavar um pouco o arquivo para encontrar dados adequados.

— Jose
fonte

1

A NASA criou recentemente um mapa global da altura da floresta , talvez usando isso como base para a edição o levasse muito longe na direção de seu objetivo.

— scw
fonte

11

a partir da descrição de que o conjunto de dados não será de muita utilidade para esse propósito, pois os estandes da floresta têm blocos de 5sq-km em média. Ótimo conjunto de dados, ainda não tinha ouvido falar.

— 27510 Julie

0

Para derivar fronteiras, você está procurando um algoritmo de crescimento de região. Este artigo discute tais algoritmos, um dos quais é implementado no SAGA GIS

Como mencionado em outras respostas, você deve realmente tentar usar mais faixas do que apenas a luz visível. Especialmente o infravermelho próximo e o infravermelho devem funcionar bem.

De fato, a maioria dos programas de detecção remota / gis vai mais longe: depois que você tem alguns exemplos de polígonos, eles podem executar uma classificação 'supervisionada', o que sugere novas florestas. Você encontrará muitos algoritmos se fizer uma pesquisa sobre isso.

— johanvdw
fonte