위성 데이터를 이용한 얼음 유형의 차별화

나는 빙하 지역을 눈 (있는 경우)과 얼음의 범주로 분류하고 싶지만 가장 중요한 것은 오래된 얼음과 신선한 얼음 사이입니다. 현장에서 인식 할 수있는 다른 속성이 있지만 위성 데이터로이를 수행 할 수 있습니까? (바람직하게는 30 / 15m의 공간 해상도 때문에 Landsat)

— 아담 치
소스

오래된 얼음과 새로운 얼음은이 분야에서 어떤 특징을 가지고 있습니까?

— Aaron

1) 신선한 눈은 오래된 빙하 얼음보다 훨씬 덜 압축됩니다 (압축에 의해 얼음이됩니다). 따라서 이것은 물에 의해 흡수되는 IR 반사와 연결될 수 있습니다. 2) 또한 신선한 눈은 거의 100 %까지 알베도이지만, 오래된 눈은 ~ 40 % 정도로 낮아질 수 있습니다 (엄격한 분류는 없습니다). 트루 컬러 구성이 원하는만큼 유용하지 않기 때문에 IR을 사용하고 싶습니다.

— adamczi

이것은 이미지 분류 문제처럼 들립니다. 현장에서 수집하거나 전문적으로 이미지에서 픽셀을 선택하여 훈련 데이터로 시작해야합니다.

— Aaron

여기에가는 방법은 사용 가능한 모든 스펙트럼 대역을 사용하는 Maximum Likelihood, Random Forests 등과 같은 감독 된 분류 알고리즘이라고 생각합니다. 이 방법에 익숙하십니까? "IR 구성"의 의미가 무엇인지 잘 모르겠습니다. 가색 합성 (예 : NIR, R, G)과 같은 합성 이미지 생성을 언급하고 있습니까? 그렇다면 귀하는 해당 제품의 응용 분야가 매우 제한적입니다.

— Aaron

@adamczi는 Google 어스 엔진을 사용해보십시오. SAR 데이터 (업로드 또는 Google 클라우드)뿐만 아니라 감독 분류 알고리즘도 사용할 수 있습니다.

— csheth

답변:

이를 위해 마이크로파 데이터를 사용해야합니다. 광학 데이터는 그것을 자르지 않습니다. 여전히 광학을 사용하고 싶다면 어떤 방법론을 따르셨습니까? 또한 많은 지역의 지형, LULC에 따라 다릅니다. 전자 레인지 데이터 분류 자체는 간단하지 않으므로 많은 문헌을 참조하고 가장 적합한 방법을 선택해야합니다. 내 M.Tech 논문에서 따랐던 방법론을 참조하십시오 : http://www.iirs.gov.in/iirs/sites/default/files/StudentThesis/Sanjay_MTech_2013-15.pdf

문헌을 검토 한 후에 질문이 있는지 물어보십시오.

— 오버 아치
소스

다음은 Sentinel-1의 C-Band를 사용하여 Google-Earth-Engine에서 시작하는 데 도움이되는 예입니다.

var pt = ee.Geometry.Point(96.7868, 29.31409);

// Filter collection around point. Also read up on Sentinel-1's 
// polarization 
var collection = ee.ImageCollection('COPERNICUS/S1_GRD').filterBounds(pt)
.filter(ee.Filter.listContains('transmitterReceiverPolarisation', 'VV'))
.select('VV');

// select an appropriate date
var beforesnow = collection.filterDate('2016-11-01', '2016-12-01').mosaic();
var aftersnow = collection.filterDate('2017-02-01', '2017-03-01').mosaic();

// bands for Sentinel-2
var bands = ['B2', 'B3', 'B4'];

// Some Sentinel-2 images for reference
var S2 = ee.ImageCollection('COPERNICUS/S2').filterBounds(pt)
.select(bands);
var S2before = S2.filterDate('2016-10-01', '2016-11-30').mosaic();
var S2after = S2.filterDate('2017-01-01', '2017-02-01').mosaic();

Map.addLayer(S2before, {bands: ['B4', 'B3', 'B2'], min: 300,max: 5000}, 'S2 Before');
Map.addLayer(S2after, {bands: ['B4', 'B3', 'B2'], min:873,max: 12522}, 'S2 After');

Map.centerObject(pt, 13);

// you may change the min, max later when tinkering with the layers tab in // the map
Map.addLayer(beforesnow, {min:-30,max:0}, 'Before snow');
Map.addLayer(aftersnow, {min:-30,max:0}, 'After snow');

//Some information on the Sentinel-1 collection
print('Collection: ', collection);

https://developers.google.com/earth-engine/classification에 언급 된 감독 분류 알고리즘을 사용하여 이미지를 분류해야합니다.

Sentinel-1 사용에 대한 자세한 내용 https://developers.google.com/earth-engine/sentinel1

Google 어스 엔진 및 빙하 : http://www.geo.uzh.ch/~mzemp/share/scratch/msc/MSc.Thesis_NoahZeltner_UsingGoogleEarthEngineForGlobalGlacierChangeAssessment.pdf

SAR 및 빙하 구역 : http://www.sciencedirect.com/science/article/pii/S0034425713001703

— 체스
소스