Global Forest Watch의 Hansen 분류 방법론?


10

난 그냥 발견 산림 손실과 재성장에 대한 놀라운 Hansen's 분류 에서 사용할 수 http://www.globalforestwatch.org/ 에 게시, 과학, 2013 :로 한센, MC, Potapov, P. V, 무어, R을 , Hancher, M., Turubanova, SA 및 Tyukavina, A. (2013). 21 세기 산림 커버 변경의 고해상도 글로벌 맵. 과학, 342 (6160) (11 월 15 일), 850–854. doi : DOI : 10.1126 / science.1244693. 여기에 이미지 설명을 입력하십시오

그러나이 기사 / 웹 사이트에서 Hansen이 사용한 분류를 사용하여 그러한지도를 재현 하는 정확한 방법을 찾을 수 없습니까?

내가 찾을 수있는 유일한 것은 감독 학습 알고리즘 이 나무 덮개를 식별하는 데 사용되었지만 매우 광범위한 용어입니다.

가능하다면, 선택한 영역에서 Hansen의 분류 전에 동일한 방법론을 사용하고 싶습니다 (그러나 90 년에 적용).


나는 (그것의 잎 부분에서) 자신의 코드는 Google 어스 엔진에 사용할 수 있는지 생각 earthengine.google.org/#intro
radouxju

1
mhansen@umd.edu
julien

나는 이것을 소규모 지역으로 복제하고 축소하고 정확성과 공식 정부 데이터를 비교하기 위해 이것을 조사하고있었습니다. @ Mikkel과 마찬가지로 내가 찾을 수있는 최선은 보충 용지였습니다. 정확한 방법론은 공개적으로 공개 된 적이없는 것 같습니다 (?). 한센 박사에게 연락 할 가치가 있습니다. 그러나 방법론이 발표되지 않았기 때문에 그가 지금 이것을 지정하지는 않을 것으로 보인다. Forest Watch 팀과 Hansen은 분석을 개선하고 오류를 수정하기 위해 적극적으로 노력하고 있으므로 현재 상태에서 알고리즘을 해제하고 싶지 않을 수 있습니다.
Dan

답변:


6

Matt Hansen의 팀은 1985 년으로 거슬러 올라가는 동유럽의 산림 덮개 변경에 관한 논문을 발표했습니다. 1985 년부터 2012 년까지 동유럽의 산림 덮개 역학을 전체 Landsat 자료실 ( http://www.sciencedirect.com/science/article/ pii / S0034425714004817

또한 Matt Hansen의 알고리즘을 Google 어스 엔진에서 사용할 수 있는지 동료들과 확인하고 있습니다.

한편, 2 월에는 Global Forest Watch에서 Hansen 데이터 세트를 업데이트하여 2013 년까지의 데이터를 포함 할 예정입니다.


8

과학 기사의 보충 자료 (SM)는 방법론의 다양한 부분을 설명하는 다양한 저널 기사에 대한 참조를 제공합니다.

SM은 여기 에서 찾을 수 있습니다

Landsat-5 (및 방법론을 "쉽게"재실행 할 수있는 방법으로 만들기 위해 잠재적으로 Landsat-8)을 포함하도록 시계열을 확장하는 것은 어려운 작업이며 이미지 정규화에 대한 광범위한 테스트가 필요합니다. 일치하는 MODIS 커버리지가 없기 때문에 이미지 정규화가 더욱 어려워 질 수 있습니다. - 대신, 이러한 비용의 조합으로, 다른 정규화 방법을 적용 할 수 있습니다 기사 와 MAD - 기사를 이에 설명 된대로 기사 .

전체적으로, 그것은 간단한 작업이 아니며, 나는 당신에게 행운이 있기를 바랍니다.

SM에서 가장 관련있는 기사는 다음과 같습니다.

P. Potapov, SA Turubanova, MC Hansen, B. Adusei, M. Broich, A. Altstatt, L. Mane, CO 법무부, 콩고 민주 공화국의 산림 피복 손실 정량화, 2000-2010. Remote Sens. Environ. 122, 106-116 (2012).

M. Broich, MC Hansen, P. Potapov, B. Adusei, E. Lindquist, SV Stehman, 인도네시아 수마트라 및 칼리만탄의 산림 피복 손실을 정량화하기위한 다중 해상도 광학 이미지의 시계열 분석. Int. J. Appl. Earth Obs 13, 277–291 (2011).

M. Hansen, A. Egorov, DP Roy, P. Potapov, J. Ju, S. Turubanova, I. Kommareddy, TR Loveland, Landsat 데이터를 사용한 미국의 연속적인 토지 표지 필드 : 웹의 첫 결과 WELD (Landsat Data) 프로젝트를 활성화했습니다. 원격 상원의 편지 2, 279–288 (2011).

M. Hansen, RS DeFries, JRG Townshend, M. Carroll, C. Dimiceli, RA Sohlberg, 500 미터의 공간 분해능에서 글로벌 퍼센트 트리 커버 : MODIS 식물 연속 필드 알고리즘의 첫 결과. 지구 상호 작용. 7, 1-15 (2003).

L. Breiman, J. Friedman, R. Olsen, C. Stone, 분류 및 회귀 트리 Wadsworth 및 Brooks / Cole, CA, Monterey, CA (1984).


여기 있습니다. Landsat-missions는 변경 모니터링에 사용되지만 센서 특성이 너무 다르기 때문에 서로 다른 Landsat 데이터를 비교하는 것은 매우 어렵습니다. 나에게 이런 식으로 시스템을 구축하기로 한 결정은 실제로 이해하기 어렵다. 우리는 일관성있는 것을 가져야합니다. 새로운 것을 추가하고 싶다면 이전 악기와 함께 연속체를 유지하십시오. Landsat 9가 Landsat 8 OLI와 정확히 동일한 특성을 갖기를 바랍니다 (+ 아마도 일부 추가 밴드 :))
reima
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.