+38 044 225 28 61

Zestaw narzędzi QGIS do półautomatycznej klasyfikacji gruntów upraw rolnych według danych SK Sentinel

Zestaw narzędzi QGIS do półautomatycznej klasyfikacji gruntów upraw rolnych według danych SK Sentinel

05.07.17

Do niedawna najbardziej rozpowszechnioną metodą deszyfrowania było wizualne deszyfrowanie zdjęcia. W tym wypadku planuje się, że deszyfrowanie przeprowadza ekspert, który dobrze zorientowany z właściwościami terytorium i właściwościami obiektów, odzwierciedlonych na zdjęciu.

Ta metoda jest czasochłonną i dosyć wydatkowania po czasie, dlatego aktualne jest użycie sposobów automatycznego deszyfrowania (automatycznej klasyfikacji). Automatyczną klasyfikacją nazywają proces rozbicia piksle ciągłego rastru na kategorii na podstawie ich spektrów znaczeń, wskutek czego każdemu pikselowi nadaje się nowe znaczenie. Na dany czas istnieją dwa podejścia w realizacji automatycznej klasyfikacji: kierowana klasyfikacja i niekierowana.

Dla przeprowadzenia klasyfikacji satelitarnych zdjęci jest handlowe oprogramowanie, na przykład Erdas Imagine, ENVI i in., oraz decyzja na podstawie otwartych platform, na przykład biblioteka dla roboty ze zdjęciami GDAL. Pracować z tą biblioteką bezpośrednio dosyć skomplikowano przez to, że ona nie ma graficznego interfejsu. Najbardziej znane programy dla roboty z nią - SAGA GIS, QGIS.

Dla klasyfikacji zdjęci wykorzystywali QGIS z pluginem Semi-automatic Classification Plugin. Bezpośrednio ten plugin i pozwala wykonywać wszystkie procedury po załadunku zdjęci satelitarnych MODIS, ASTER, Landsat, Sentinel-2, atmosferycznej korekcji, przeprowadzeniu kierowanych klasyfikacji, ocenie precyzji klasyfikacji.

Klasyfikowaliśmy zdjęcie satelitarne Sentinel-2 od 25 czerwca 2017 roku. Przeprowadzała się atmosferyczna korekcja i kierowana klasyfikacja za algorytmem największego podobieństwa. Wyniki klasyfikacji wykorzystywały się dla stworzenia mapy ziem, które znajdują się w rolniczej uprawie.