Использование для классификации Landsat с увелич. разрешением

[Marina TS]

Скажите,пожалуйста, можно ли использовать для автоматизированной классификации снимки Landsat, разрешение которых увеличено до 15 метров по панхроматическому каналу. Каким образом операция Resolution Merge Erdas Imagine влияет на спектральное значение пикселей результирующего снимка?Хочу увеличить пространственное разрешение снимка Landsat TM за 2010 год с помощью панхроматического канала снимка Landsat ETM+ за 2001 год на туже территорию и сезон года и использовать полученный снимок в дальнейшем для автоматизированной классификации для создания карты лесов.

[alexandr cherepanov]

Для нового вопроса лучше создавать отдельную тему, а не включать его в старые да еще и такой давности

Вопросов у вас поставлено много поэтому отвечать буду по отдельности.

Скажите,пожалуйста, можно ли использовать для автоматизированной классификации снимки Landsat, разрешение которых увеличено до 15 метров по панхроматическому каналу

Можно, но какого то существенного преимущества над 30 метровым снимков лично я не вижу. Только если речь идет о классификации с использованием текстур, тогда может быть да. Ну и для более точной классификации на границах объектов.

Каким образом операция Resolution Merge Erdas Imagine влияет на спектральное значение пикселей результирующего снимка?

Разные алгоритмы влияют по разному, но все они так или иначе искажают яркости. Одни сильнее другие меньше. Есть даже индексы для оценки степени искажения мультиспектрального изображения при слиянии с панхромом, например Wang-Bovik quality index.
Вот еще для примера:

International Journal of Remote Sensing, Volume 27 Issue 15 2006
Authors: Reneacute R. Colditzab; Thilo Wehrmannab; Martin Bachmannab; Klaus Steinnocherc; Michael Schmidtab; Guumlnter Strunza; Stefan Dechab
Influence of image fusion approaches on classification accuracy: a case study
The fusion methods comprise rather common techniques like Brovey, hue-saturation-value transform, and principal component analysis, and more complex approaches, including adaptive image fusion, multisensor multiresolution image fusion technique, and wavelet transformation. Image classification was performed with supervised methods, e.g. maximum likelihood classifier, object-based classification, and support vector machines. The classification was assessed with test samples, a clump analysis, and techniques accounting for classification errors along land cover boundaries. It was found that the adaptive image fusion approach shows best results with low noise content. It resulted in a major improvement when compared with the reference, especially along object edges. Acceptable results were achieved by wavelet, multisensor multiresolution image fusion, and principal component analysis. Brovey and hue-saturation-value image fusion performed poorly and cannot be recommended for classification of fused imagery.

Хочу увеличить пространственное разрешение снимка Landsat TM за 2010 год с помощью панхроматического канала снимка Landsat ETM+ за 2001 год на туже территорию и сезон года и использовать полученный снимок в дальнейшем для автоматизированной классификации для создания карты лесов.

Вот это уже выглядит странно, все таки 9 лет разницы

[nadiopt]

это уже получится change detection:)

[Marina TS]

Спасибо большое за ответ!Очень вам благодарна!Разница такая большая, т.к. хочется использовать последние снимки на изучаемую территорию, т.к. за последние годы было много пожаров на территории нацпарка, включая и это лето.А ближайший снимок с Landsat 7 с 8 каналом на эту же территорию с тем же Path /Row без облаков только на 2001 год, точнее 2 снимка, т.к. для покрытия всей территории нужно 2 снимка. Есть еще два снимка на 2007 год, но там есть небольшой фрагмент с полосами. При классификации пикселы с этих полос уходят в разные классы и практически не заметно этого дефекта на карте классификации.Тем не менее, определенная часть пикселов уходит заведомо в неправильные классы. Или использование каналов с разницей в 9 лет гораздо большая плата за качественный результат?Хочется,чтоб как можно меньше искажений было, а бороться с полосами я не умею. Или лучше классификацию сделать по снимкам 2001 года и потом наложить слой гарей и вторичных лесов?

[alexandr cherepanov]

Непонятно зачем вообще вам улучшать разрешение, почему просто не использовать 30 метровый Landsat 5 ?

[Marina TS]

Планируемый масштаб карты- 1: 100 000. И с увеличенным разрешением хоть и не на много, но все же четче. И границы классов, на мой взгляд, лучше выделяются. На данной территории леса в основном смешанные или со значительным участием тех или иных пород. При визуальном дешифрировании сложно выделить те или иные породы, да и, если честно , при автоматизированном тоже:).

[alexandr cherepanov]

Ну требования сотки по точности вроде 0,5 мм - 50 метров, минимальный отображаемый контур лесов допустим 4 мм кв. - 200 на 200 метров, примерно 45 пикселов Landsata. Это достижимо и без паншарпа .

На 30 метровом снимке весь лес скорее всего сведется к 3 классам - преобладание лиственных, преобладание хвойных и смешанные. На паншарпе тоже . А зимних/ранних весенних или поздних осенних снимков нету?

[Marina TS]

Скажите, пожалуйста, где можно найти требованиям по точности к сотке и другим масштабам, кроме Сайта "Сканекса", в частности, те, которые вы привели ?"Ну требования сотки по точности вроде 0,5 мм - 50 метров, минимальный отображаемый контур лесов допустим 4 мм кв. - 200 на 200 метров, примерно 45 пикселов Landsata").
По ранним весенним снимкам пыталась выявить лиственницу, но тоже не хорошо получается. Вообще, с лиственницей самая большая проблема. Темнохвойные и мелколиственные леса выделяются, сосна тоже, но в некоторых местах заменяется "предполагаемой" лиственницей. Полевых точек по описанию лиственничных лесов нет, поэтому обучающий эталон берем, ориентируясь лишь на данные лесоустроительных материалов (М 1: 50 000). В итоге получается, что либо лиственницы гораздо больше, чем она отражена на лесоустройстве, либо обучающие эталоны лиственницы и сосны слишком близки и в некоторых местах сосновые леса попадают в класс лиственницы и наоборот.
может у вас есть опыт по разделению сосны и лиственницы, кедра и пихты, березы и осины?

[alexandr cherepanov]

Вот нашел первое что попалось ИНСТРУКЦИЯ ПО ТОПОГРАФИЧЕСКИМ СЪЕМКАМ В МАСШТАБАХ 1:10000 и 1:25000 ПОЛЕВЫЕ РАБОТЫ 1978 года
наверное и для 100000 можно найти
хотя можно использовать и эти требования

Контуры растительности и грунтов изображаются на карте, если в данном масштабе они занимают площадь:
4 мм2 и более - имеющие значение ориентиров;
10 мм2 и более - ценные в хозяйственном отношении;
25 мм2 и более - прочие контуры.

Средние погрешности в положении на карте четких контуров и предметов местности относительно ближайших точек планового съемочного обоснования не должны превышать:
0,5 мм - при создании карт равнинных и всхолмленных районов о уклонами местности до 6°;
0,7 мм - при создании карт горных и высокогорных районов.

+ точно были всякие рекомендации по созданию карт растительности

По разделению все индивидуально, на одних территориях разделяются на других нет. У лиственных много зависит от даты съемки, но опять же все индивидуально.

[manisha]

По ранним весенним снимкам пыталась выявить лиственницу, но тоже не хорошо получается. Вообще, с лиственницей самая большая проблема. Темнохвойные и мелколиственные леса выделяются, сосна тоже, но в некоторых местах заменяется "предполагаемой" лиственницей. Полевых точек по описанию лиственничных лесов нет, поэтому обучающий эталон берем, ориентируясь лишь на данные лесоустроительных материалов (М 1: 50 000). В итоге получается, что либо лиственницы гораздо больше, чем она отражена на лесоустройстве, либо обучающие эталоны лиственницы и сосны слишком близки и в некоторых местах сосновые леса попадают в класс лиственницы и наоборот.
может у вас есть опыт по разделению сосны и лиственницы, кедра и пихты, березы и осины?

Сосна - если оставить в стороне читые мертвопокровные сосняки, например лишайниковые беломошники - практически неотличима от других хвойных (от лиственницы в том числе). Лиственница на ранневесенних снимках как раз очень хорошо видна, точнее НЕ видна - и если там, где на летних снимках у вас хвойные, зимой их нет - это очевидно лиственница. С лиственницей правда такая проблема, что обычно она разреженная и часто горелая, и может быть всех цветов радуги (в зависимости от напочвенного покрова и горных пород), но все-таки выглядит как хвойные. Чем северно-восточнее ваша территория - тем разреженней и разнообразнее на снимках лиственница. Лесоустройство - вам виднее конечно про ваше - часто сделано паршиво, точно также чем северо-восточнее - там паршивее. Если в google на вашу территорию положил высокого разрешения кусочками - верифицируйте лучше по нему.

[Marina TS]

спасибо большое за советы!будем бороться дальше!:)

[nadiopt]

В своем учебнике «Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве» [10] В.И. Сухих приводит таблицу «Дешифровочные возможности материалов космических съемок». Согласно этой таблице, информативность изображения с разрешением на местности 10 м в сопоставима с детальностью карт масштабов 1:50000 – 1:100000 и достаточна для подразделения покрытой лесом площади по группам преобладающих пород, типам условий местопроизрастания, группам возраста и полноты. Не покрытые лесом и нелесные земли подразделяются на редины, гари, вырубки, прогалины, пашни, воды, болота, населенные пункты и усадьбы, каменистые россыпи, дороги, трассы и пр.

//Сухих В.И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве: Учебник. – Йошкар-Ола: МарГТУ, 2005. – 392 с.
это вам кошерное обоснование разрешения космоснимков для лесных карт. самого учебника под рукой нет, если нужно, посмотрю таблицу как доеду до библиотеки.

[Marina TS]

У меня, кстати есть этот учебник, по крайней мере, часть его.Давно в библиотеке копировала.Если надо, могу на цифровик сфотографировать.

[Marina TS]

Ой, нет. У меня старый какой-то, 90-х годов.

[gamm]

Ну требования сотки по точности вроде 0,5 мм - 50 метров, минимальный отображаемый контур лесов допустим 4 мм кв. - 200 на 200 метров, примерно 45 пикселов Landsata. Это достижимо и без паншарпа .

На 30 метровом снимке весь лес скорее всего сведется к 3 классам - преобладание лиственных, преобладание хвойных и смешанные. На паншарпе тоже . А зимних/ранних весенних или поздних осенних снимков нету?

эксперименты показали, что можно вытягивать до ассоциаций (в зоне экотона в нашей полосе). В качестве извращения пробовали и формулу древостоя воспроизвести, на качественном уровне похоже (качество самой формулы еще то). При классификации использовали много сотен классов. Если есть карта контуров выделов, то можно классифицировать по распределению (parcel-wide classification) , достаточно надежно, если считать контура статистически однородными (и естественно, при наличии ключей).