اخبار ، مقالات و تحقیقات گروهی را دنبال کنید.
نقشه گنج کاربری اراضی در سنجش از دور
در این مقاله آموزشی مهم ترین نکات و مراحلی که برای انجام یک پروژه کاربری اراضی نیاز دارید توضیح داده شده است. این مقاله کوتاه همانند یک نقشه گنج است که شما را مرحله به مرحله با تکنیک های مورد نیاز برای انجام یک پروژه سنجش از دوری در زمینه کاربری اراضی آشنا میکند.
مرحله اول : انتخاب بهترین ماهواره برای تولید نقشه کاربری اراضی
برای انتخاب بهترین ماهواره به منظور تولید نقشه های کاربری اراضی باید فاکتورهای زیر را در نظر داشته باشید.
- رایگان بودن و در دسترس بودن داده های ماهواره ای
- برخورداری از باند های اپتیکی مرئی، مادون قرمز بازتابی و مادون قرمز حرارتی
- توان تفکیک مکانی مناسب (بین 10 تا 30 متر)
- پیوستگی داده های آن
- پوشش جهانی
- بروز بودن
با توجه به معیارهای مذکور، ماهواره لندست به عنوان بهترین گزینه است. داده های ماهواره لندست از سال 1972 بصورت پیوسته از تمامی مناطق جهان با فاصله های زمانی مشخص بصورت رایگان در دسترس است. داده های لندست کاربردی ترین باند های مورد نیاز در بخش اپتیکی برای تولید نقشه های کاربری اراضی را دارا است. از لحاظ توان تفکیک مکانی (15 تا 30 متر) امکان تولید نقشه های کاربری اراضی با کیفیت مناسب در مطالعات زیست محیطی را فراهم آورده بطوریکه مقالات علمی و پروژه های بسیاری بر اساس آن به انجام رسیده است.
مرحله دوم : دانلود داده های ماهواره ای
بعد از انتخاب بهترین ماهواره برای تولید نقشه های کاربری اراضی، دانلود داده ها موضوع مهمی است که مورد توجه قرار میگیرد.
برای دانلود داده های ماهواره ای لندست بهترین گزینه استفاده از سایت Earthexplorer.usgs.gov است که به کاربران پیشنهاد میگردد. برای دانلود داده های ماهواره ای لندست میتوانید به ویدیو رایگان کارگاه امیرحسین احراری در دانشگاه شریف مراجعه کنید و یا محصول پکیج کامل دانلود داده های ماهواره ای را خریداری کنید.
مرحله سوم : انتخاب نرم افزار مناسب برای تولید نقشه های کاربری اراضی
نرم افزار مورد استفاده باید قابلیت انجام تمامی پردازش های تصاویر ماهواره در مرحله پیش پردازش ، پردازش و پس پردازش تصاویر ماهواره ای را بصورت دستی و خودکار داشته باشد. بهترین گزینه استفاده از نرم افزار ENVI برای پردازش تصاویر ماهواره ای و تولید نقشه های کاربری اراضی است.
دلایل برتری نرم افزار ENVI عبارت اند از :
- پوشش تمامی مرحل پیش پردازش تصاویر ماهواره ای برای انجام تصحیحات و رفع خطاها بصورت اتوماتیک
- محیط کاربر پسند
- سازگاری عالی با داده های سری های ماهواره لندست
- وجود انواع توابع مورد نیاز برای افزایش دقت نقشه های کاربر اراضی مانند تبدیلات تصاویر ماهواره ای از جمله فیلترها، تجزیه مولقه های اصلی، شاخص های طیفی بصورت کاملا متنوع و کاربردی.
- اجرای تمامی الگوریتم های طبقه بندی تصاویر ماهواره ای بصورت نظارت شده، نظارت نشده، پیکسل مبنا، شی گرا، پارامتریک غیر پارامتریک.
- پشتیبانی از الگوریتم ها و امکانات پس پردازش نقشه های کاربری اراضی
- پشتیبانی از الگوریتم های گویا سازی تصاویر طبقه بندی شده
- قابلیت کد نویسی فرایند تولید نقشه کاربری اراضی به صورت راحت و سریع
مرحله چهارم : پیش پردازش تصاویر ماهواره ای برای تولید نقشه کاربری اراضی
در فاز پیش پردازش تصاویر ماهواره ای، خطاهای رادیومتریکی و هندسی در تصاویر ماهواری برطرف و یا نرمال سازی میشوند.
آیا این تصحیحات برای تولید نقشه کاربری اراضی لازم است؟
تصحیحات رادیومتریکی : درصورتی که الگوریتم مورد استفاده برای طبقه بندی تصاویر ماهواره ای تابعی از ویژگی های طیفی تصویر نباشد، انجام تصحیحات رادیومتریکی و اتمسفری لزومی ندارد؛ در غیر این صورت تصحیحات رادیومتریکی و اتمسفری حتما باید انجام شود.
مثال : در روش طبقه بندی بیشترین شباهت اطلاعات آماری تصویر ماهواره ای مبنای اصلی طبقه بندی است و اطلاعات مربوط به رفتارهای طیفی در این رابطه نقشی ندارند؛ اما در روش طبقه بندی Spectral Angle Mapper مبنای طبقه بندی رفتارهای طیفی تصویر است و انجام تصحیحات رادیومتریکی و اتمسفری در آن ضروری است.
تصحیحات هندسی : درصورتی که دقت هندسی تصویر ماهواره ای مورد استفاده کمتر از نصف یک پیکسل آن باشد تصحیحات هندس باید انجام شود. به عنوان مثال توان تفکیک مکانی ماهواره لندست 30 متر است و در صورتی که دقت هندسی آن مقداری کمتر از 15 داشته باشد تصویر ماهواره ای از لحاظ دقت هندسی قابل قبول است. اما در شرایطی که دقت هندسی بیشتر از 15 متر باشد در این شرایط تصویر باید تصحیح هندسی شود.
مرحله پنجم : افزایش سطح تفکیک پذیری کلاس های موجود در تصویر
به منظور تفکیک راحت تر پدیده ها در تصویر ماهواره ای در فرایند طبقه بندی، روش های تبدیل تصاویر ماهواره ای بسیار کاربردی و مورد استفاده است. بهترین روش های تبدیلی مورد استفاده در این زمینه عبارت اند از :
- فیلترهای بالا گذر
- فیلترهای بافت
- شاخص های طیفی
- تبدیل Tasseled Cap
- تبدیلاتی چون PCA, ICA, MNF
مرحله ششم : نمونه برداری از کلاس ها
برای نمونه برداری از کلاس ها ابزارهای ROI برای برداشت نمونه های هر کلاس استفاده میشوند. برداشت نمونه ها بصورت نقطه ای و پلی گونی میتواند انجام میشود.برداشت پلی گونی نمونه ها بسیار راحت تر و سریع تر انجام میشود اما باید برداشت نمونه های پلی گونیدر نرم افزار باید با زوم و دقت بسیار بالایی انجام شود.
نمونه های برداشت شده باید از تمامی قسمت ها و بخش های مختلف تصویر باشد تا میزان کلاس طبقه بندی نشده در نقشه خروجی به حداقل کاهش پیدا کند.
مرحله هفتم : انتخاب الگوریتم طبقه بندی
الگوریتم های مختلفی برای طبقه بندی تصاویر ماهواره ای ارائه شده است که هریک از آنها از مزایا و معایبی برخوردار است. با این حال هریک از این الگوریتم ها در شرایط خاص و متناسب با کاربرد مورد نظر ما استفاده میشوند. مهم ترین دسته بندی های روش های طبقه بندی تصاویر ماهواره ای عبارت اند از :
- الگوریتم های طبقه بندی پیکسل مبنا
- الگوریتم های طبقه بندی شی گرا
الگوریتم های طبقه بندی پیکسل مبنا برای تصاویر ماهواره ای توان تفکیک مکانی متوسط (مانند لندست) و توان تفکیک مکانی پایین (مانند مادیس) استفاده میشوند.
الگوریتم های طبقه بندی شی گرا برای تصاویرماهواره ای توان تفکیک مکانی بالا (کمتر از 6 متر) استفاده میشود. روش طبقه بندی شی گرا مخصوص تصاویر High Resolution است که در آنها میزان ناهمگونی بسیار بالا است. در این تصاویر تنوع زیاد پدیده ها مانع از آن است که بتوان آنها را بر اساس ویژگی های طیفی و آماری جداسازی کرد، بر همین اساس طبقه بندی شی گرا برای جدا سازی پدیده ها اطلاعات هندسی از جمله شکل، بافت، الگو، اندازه و غیره را به عنوان عوامل موثر در جداسازی کلاس ها در نظر میگیرد.
مرحله هشتم : گویا سازی نقشه طبقه بندی شده
به منظور گویا سازی نقشه طبقه بندی شده باید پردازش هایی صورت بگیرد که بتوان پیکسل های نویز ایجاد شده در هریک از کلاس ها را حذف نمود. بارزترین دستورات مورد استفاده در این زمینه شامل Majority/Minority Analysis میشود. در فرایند گویا سازی گاهی لازم میشود که برخی از کلاس ها با یکدیگر ترکیب شوند که این کار نیز در این مرحله صورت میگیرد. دستوری که در نرم افزار ENVI برای این فرایند تعریف شده Combine Classes نام دارد.
مرحله نهم : اعتبار سنجی نقشه تولید شده
در این مرحله برای تعیین دقت نقشه تعیین شده نیاز به داده های مرجع دارید. منظور از داده های مرجع داده هایی هستند که از مرجعی دقیق تر نسبت به تصویر ماهواره ای مورد استفاده تهیه شده اند. این مراجع شامل یکی از موارد زیر میتواند باشد :
- تصویر ماهواره ای توان تفکیک مکانی بالا (کمتر از 6 متر)
- تصاویر هوایی با توان تفکیک مکانی سانتی متر
- داده های برداشت شده از محیط (با استفاده از GPS)
- نقشه های موضوعی تولید شده از منطقه مورد مطالعه
- تصاویر Google Earth
7 دیدگاه. ارسال دیدگاه جدید
با سلام
مطالب مفید و آموزنده بود. تشکر
سلام
وقت بخیر
ببخشی ی سوال و ی مشکل داشتم
بنده ی تصویر لندست ۸ رو تو ۷ کلاس طبقه بندی کردم، بعد نقشه خروجی رو به پلیگون تبدیل کردم اما نقشه خیلی سنگینه و دیر بالا میاد تو نرم افزار، میخام مجددا به رستر تبدیلش کنم اما نمیتونه، دستورات merge و disolve هم تست کردم اما بازم همینجوره، پیکسل سایزم تغییر دادم اما نمیتونه بازم
در واقع میخام نقشه کاربری اراضی رو با نقشه خاک ترکیب کنم بعد تو hecgeohms مقدار cnرو حساب کنم اما چون حجم فایل سنگینه و نقشه cn هم به رستری تولید میشه نمیتونه اینکارو انجام بده
ممنون میشم اگعه پیشنهاد و تجربه ای در این مورد دارین کمک کنین
با سپاس
با سلام و احترام
نقشه ای که به وکتور تبدیل کردید مجددا به رستر تبدیل نکنید بهتر هست. پیشنهاد میکنم اگر نیاز به لایه رستری دارید، از همان تصویر طبقه بندی شده استفاده نمایید.
موفق باشید
سلام فیلم آموزشی همچین کاری توی آموزش هاتون نیست؟
آموزش های متنوعی در ارتباط با کاربری اراضی در سایت هست.
در بخش جستجوی سایت اسم کاربری اراضی رو وارد کنید تمامی محصولات مرتبط رو بهتون نشون میده.
موفق باشید
سلام وقتتون بخیر ببخشید اقای احراری ایا اموزشی برای تهیه نقشه کاربری از تصاویر لندسد با استفاده از الگوریتم های پیکسل پایه تدریس کردید اگه چنین اموزشی هست میشه بهم معرفی کنید
با سلام و احترام
در آموزش رایگان زیر تمامی روش های طبقه بندی پیکسل مینا بصورت رایگان تدریس شده است.
https://girs.ir/classification/
موفق باشید