Определение зон затопления по снимкам среднего разрешения

[ecolog]

Здравствуйте!

Как специалисты, прокомментируйте плиз такой простой способ определения зон затопления при весеннем половодье/дождевом паводке.

Реализация предполагается в ImageProcessor3.0 и ArcGis, для снимков SPOT4 (dIMAP, LEVEL1A) принимаемых на станцию УниСкан. Возможно в оперативном режиме.
Этапы:
1. Берем два снимка на интересующую нас территорию - один оперативный (в период весеннего половодья, или дождевого паводка), второй архивный летний - т.е за период летней межени
2. Геометрически совмещаем инструментом COREgistration.
3. Рассчитываем для каждого снимка NDVI, и экспортируем все это, а также отдельно канал NIR. Далее все операции в ArcGis
4. Рассчитываем разность NDVI. Если из летнего NDVI вычитать весенний, то понятно что среднее будет значительно больше нуля. Максимальные значения DNDVI будут там где летом была растительность, а на оперативном весеннем снимке - вода, облака или тени от облаков.
5. Переклассифицируем разностный NDVI в бинарный растр с пороговым значением около 0,6. Те пиксели где разностный NDVI больше 0,6 -это либо зона затопления (была растительность - стала вода), либо облака, либо тени от облаков, либо поле без растительности, свежайшая вырубка или гарь от верхового пожара (больше ничего не могу придумать).
6. Теперь нужно отсечь из всего этого собственно зону затопления. Для этого берем канал NIR, в котором как известно вода почти не отражает излучения. Задаем для него порог (если растр 8 бит, то пороговое значение 20-30, нужно еще смотреть сколько точно) и также создаем бинарный растр. Получается маска воды.
6. Векторизуем оба бинарный растра с помощью инструмента Конвертация растр в вектор и пересекаем их. ВЫбираем по соответствующему значению атрибута и получаем векторный слой зоны затопления. Именно той зоны где не было воды, т.к собственно реки отсекаются по разностному NDVI.
Генерализуем вектор, рассчитываем площадь. .

Протестировал на одной паре снимков - результатом вполне доволен. Узкое место здесь - точное геометрическое совмещение. И тени от облаков, но их таким же способом можно отсечь по NDVI, поскольку NDVI теней всегда больше NDVI водной поверхности. Возможно тени удастся даже по NIR отсечь.

Понятно что это все банальщина, и задача простая, и способы решения без изюминки.
Но сейчас под рукой нет учебника Чандра/Гош, где описыавется решение похожих задач. Возможно там как раз то же самое.

Вопрос собственно в чем - насколько все это верно и какие могут возникнуть ошибки?
Снимков SPOT4 у нас пока немного, поэтому тестировать предполагаю на ландсатах.

[Boris]

Не понятны 3 вещи:
а) зачем тут нужен NDVI, если надо искать воду, которая имеет выдающие характеристики, которые отслеживаются через комбинирование каналов?
б) почему SPOT-4?
в) для чего ArcGIS, если IP имеет встроенные: 1) классфикатор(ы) 2) язык оперирования растровыми файлами 3) уже написаный ChangeDetection 4) векторизатор?

[ecolog]

1. Какие каналы лучше комбинировать - NIR из двух разновременных снимков, или как-то по другому? Я предполагал что если вместо разности NDVI использовать разность NIR, то получится тоже неплохо. Но вот что лучше - не знаю.

2. SPOT-4 потому что мы его принимаем на УниСкан - т.е для нас это оперативные данные.
3. ArcGIS потому, что его я знаю получше чем IP? В IP пока мало работал. Как собственно все мы, поскольку станцию поставили недавно, а до этого работ с ДДЗ не было пару лет почти никаких.
Собственно я в этой теме новичок (со снимками работаю с августа этого года), поэтому и спрашиваю что здесь лучше сделать.

[gamm]

1. Какие каналы лучше комбинировать - NIR из двух разновременных снимков, или как-то по другому? Я предполагал что если вместо разности NDVI использовать разность NIR, то получится тоже неплохо. Но вот что лучше - не знаю.

если в Сканексе есть модуль ThematicPro, то запустите обучение (SOM/GTM) для каждого снимка хоть на все каналы. Как верно сказал Борис, вода отделится в свой "персональный" класс. И если нет растительности в зоне подтопления, подтопление глубокое, и дно не просвечивает, то хватит даже и Изодаты. Потом бинаризация этого класса (классов), и генерализация (через постобработку). Дальше либо в растре вычисляете разность, либо векторизуете, и вычисляете разность в векторе.

[nadiopt]

я бы еще наверное геометрическую коррекцию сделала перед корегистрацией, не маловато ли уровня 1А? все-таки при работе с зонами затопления, как мне кажется, нельзя пренебрегать рельефом, тем более что Имидж Процессор очень резво работает со спотами.

[Boris]

видимо пришло время создавать ветку по IP? Вон сколько советов сразу дали. а ведь есть и специализированный форум Сканэкс-а...

[Boris]

при всем моем уважении к снимкам SPOT, для оперативного мониторинга половодий должно так совпасть, что бы
а) SPOT пролетел над территорией
б) не было облаков над местом половодья
в) не было дымки над местом половодья
г) не было облаков в ближайшем окружении, что бы они не дали затемнения равного воде
Не много ли "что бы"? При этом радарный снимок даже с 10-кратной разницей в размере пикселя даст воду с 99% вероятностью.
PS
На снимках Landsat-5 при классификации ISOData, вода составляет 2-3 класса на 96 классах, при использовании 3-4 каналов (без первых 2-х или 3-х каналов). И смешиваются она только с очень-очень мокрым лесом или очень-очень глубокими оврагами (но при половолье вроде в них вода есть в 100% случаев).

[Андрей]

Не много ли "что бы"? При этом радарный снимок даже с 10-кратной разницей в размере пикселя даст воду с 99% вероятностью.

Как я понимаю: что есть - с тем и работают. Тут более уместен вопрос насколько типичным есть половодье на данном снимке для данной реки.

[ecolog]

я бы еще наверное геометрическую коррекцию сделала перед корегистрацией, не маловато ли уровня 1А? все-таки при работе с зонами затопления, как мне кажется, нельзя пренебрегать рельефом, тем более что Имидж Процессор очень резво работает со спотами.

Ортокоррекцию по SRTM? Или просто прицепить к топооснове по опорным точкам или к Ландсату корегистрацией (если прокатит, получается не всегда)

[ecolog]

при всем моем уважении к снимкам SPOT, для оперативного мониторинга половодий должно так совпасть, что бы
а) SPOT пролетел над территорией
б) не было облаков над местом половодья
в) не было дымки над местом половодья
г) не было облаков в ближайшем окружении, что бы они не дали затемнения равного воде
Не много ли "что бы"? При этом радарный снимок даже с 10-кратной разницей в размере пикселя даст воду с 99% вероятностью.
PS
На снимках Landsat-5 при классификации ISOData, вода составляет 2-3 класса на 96 классах, при использовании 3-4 каналов (без первых 2-х или 3-х каналов). И смешиваются она только с очень-очень мокрым лесом или очень-очень глубокими оврагами (но при половолье вроде в них вода есть в 100% случаев).

Да, совпадает редко, но здесь нам интересен не только оперативный монитоирнг но и демонстрационный эффект для ЧСовских структур.
А вот научной составляющей, насколько я понимаю, из этого никакой не вытащить - все банально просто.

Кстати СканЭкс для мониторинга половодья использует насколько я помню все сразу - радарную съемку SPOT4, 5, LANDSAT, IRS.

[nadiopt]

ну по СРТМ или по Астер Гдем

[Журавлёв]

Статья 2005 года, где описывается подобная методика определения зон затопления.
http://www.springerlink.com/content/f38566m7x365010r/