Оконтуривание гарей по LANDSAT и SPOT - автоматизация

[ecolog]

Хотелось бы спросить у специалистов, кто серьезно занимался этим вопросом

Насколько вообще это перспективная тематика (в смысле точности получаемого результата)?
Какие методы кто использовал и в ккком софте?
Литература по данному вопросу (читал несколько статей ИКИ РАН и еще две работы из Красноярска))?
Насколько эффективно использование вегетационныъх индексов SWVI и Normalized Burned Ratio, точнее их разностей? (По моему небольшому опыту в ручном дешифрировании они исключительно полезны)

Мне представляется пока следующиий вариант действий:
1. Берем два разновременных снимка на одну территорию.
2. Считаем разности SWVI и Normalized Burned Ratio
3. Маскируем их по значению примерно 0,05...0,1 (т.е отсекаем то. что меньше значеинй)
4. Делаем маску облаков по каналу с наименьшей длиной волны (для спота - зеленый, для Ландсата - снний).
5. Маска воды по NIR каналу
6. Берем данные о пожарах, если таковые есть (FIRMS) и делем буфер примерно 2500ь.
7 - INTERSECT для результатов шагов 3...6 - получаем хаотичное нагромождение полигонов возможных гарей.
8. Удаляем мелкие полигоны, которые заведомо меньше минимально определяемой площади гари (для Ландсата это по моему опыт 5 га, ).
9. Получаем уже что-то похожее на реальные гари, с множеством дырок в полигонах, связанных с облачностью или с несгоревшими фрагментами.
Проверял на результатах 20120 года в Пермском крае - ошибка в сравнении с ручным дешифрированием иногда в пределах 5%, в других случаях намного больше.

В целом схема кажется дурацкой, например она не работает при значительной облачности на первом (допожарном) снимке. И при различиях в состоянии растительности на всей территории также дает косяки. Вот и интересно, каким более приличными способами решают такие задачи. Насколько, например, могут быть полезны обучаемые классификации, каекие методы и какие каналы лучше использовать.

[jj_kan]

думаю, что Вы на правильном пути.
Я проработал не только наши, но и зарубежные статьи.
Далее, провели полевые с GPS оконтуриванием и затем проверка результатов классификации.
Естественно есть пятна, пожар то может быть разной интенсивности, низовой или верховой.
Выбирайте чистые изображения, по возможности.
Ни одно из лесничеств не предъявило мне претензии по поводу неправильности контуров и площадей гарей.
Единственно, идет иногда перемешивание верховых и низовых, ну тут поработать надо. Смотря какие задачи у Вас.
Нужно осторожно смотреть на результаты проектов по пожарам в инете, просмотрел три ресурса и видны явные недочеты.

[gamm]

я бы еще посмотрел не только в сторону детерминированных алгоритмов, но и в сторону марковских полей. Задача для них как раз подходит, поскольку наличие гари (отнесение к ней пикселя) штука явно вероятностная, и с пространственным контекстом. Можно попробовать выделить явные "ядра", а потом прогнать классификатор с постобработкой марковским полем. Сделать это можно в Сканексе, или все руками прописать в R.

[ecolog]

думаю, что Вы на правильном пути.
Я проработал не только наши, но и зарубежные статьи.
Далее, провели полевые с GPS оконтуриванием и затем проверка результатов классификации.
Естественно есть пятна, пожар то может быть разной интенсивности, низовой или верховой.
Выбирайте чистые изображения, по возможности.
Ни одно из лесничеств не предъявило мне претензии по поводу неправильности контуров и площадей гарей.
Единственно, идет иногда перемешивание верховых и низовых, ну тут поработать надо. Смотря какие задачи у Вас.
Нужно осторожно смотреть на результаты проектов по пожарам в инете, просмотрел три ресурса и видны явные недочеты.

Спасибо, очень познавательная заметка.
Какие снимки использовали? Тоже LANDSAT? И в каком регионе работали, если не секрет?
А классификацию делали похожими методами наподобие деревьев решений?
Проекты по пожарам - Вы имеете в виду ГринПис, ИКИ РАН и Космонимки-Пожары? Или что-то другое? Да, мы тоже сравнивали, там есть ошибки особенно у ИКИ РАН (Они явно работали только по MODIS, на уровне всей страны). Нашли ложную гарь площадью 7 тыс. га на юге Пермского края.

[nadiopt]

а мне нравится совет gamm, надо бы такого рода обработку вставить в технологическую цепочку
мы делали что-то подобное по ветровалам - по Ландсатам, индексами, деревом решений в R и с помощью SVM. Статья пока не вышла, потом дам ссылку.
Кстати, для ветровалов точно марковские поля должны сыграть.

[ecolog]

а мне нравится совет gamm, надо бы такого рода обработку вставить в технологическую цепочку
мы делали что-то подобное по ветровалам - по Ландсатам, индексами, деревом решений в R и с помощью SVM. Статья пока не вышла, потом дам ссылку.
Кстати, для ветровалов точно марковские поля должны сыграть.

Читал Вашу статью в Геоматике - очень интересно! Но так я понял вывод такой - если работа на уровне региона, т.е снимков немного, то наиболее приемлемы индексы. а если территория большая - повод подумать о полной автоматизации процесса.

[nadiopt]

куда уж "автоматичнее" индексов? там занудно только атмосферную коррекцию делать.

[ecolog]

куда уж "автоматичнее" индексов? там занудно только атмосферную коррекцию делать.

В конце всей цепочки (если делать пороги по разностным индексам) все равно нужно все это фильтровать, например по расстоянию от горячих точек, по размеру объекта, или как-то еще. Но в целом времени занимает действительно немного. Существенный минус - пороги разностных индексов все скорее всего подбираются для каждого случая индивидуально.

кстати, какой минимальный размер гари (или ветровала, или участка леса погибшего по иным причинам),по Вашему опыту, можно ДОСТОВЕРНО выявить по снимкам landsat? Тут на Гислабе где-то промелькнула цифра 10 га, я бы предположил от 5 до 10 га.

[nadiopt]

Пороги подбираются индивидуально, но когда мы дешифрируем с обучением, то эталоны для обучения тоже подбираются для каждого снимка индивидуально. Даже если есть наземка, все равно нужно глазками просмотреть.
Насчет размеров. когда мы рисовали типографа в Московской области, то даже один пиксель вполне достоверно выявлялся. Тут еще вопрос: мы выявляем просто погибший лес, или нужна и причина гибели. Если с причиной, одним пикселем, конечно, не обойдешься.
Наши коллеги из ЦЭПЛ РАН специально занимались оценкой погрешности определения площадей ветровалов: http://d902.iki.rssi.ru/theses-cgi/thesis.pl?id=2735