Вегетационный индекс SWVI

[novia]

получается слой серого цвета!!!!!

14 фев 2012, 14:18

статистику для растра посчитали?

серого как "серый квадрат малевича"
ил полутоновое изображение таки видно? (как чб фото)

[novia]

смотрю значение пикселя на сером слое в этом же месте, таким образом я получаю значение которое буду вбивать в классификацию и обозначать цветом как ветровал!!!! так?

в целом последовательность правильная

[Cocodrilo]

SWVI = (NIR-SWIR)/(NIR+SWIR)

Еще видел его под именем NDWI - Normalized Difference Water Index

[nadiopt]

да, например вот здесь:
Gao B. NDWI – A normalized difference water index for remote sensing of vegetation liquid water from space // Remote Sensing of Environment, 58, 1996, pp. 257–266
вот здесь он же выведен как NDII
Wang, W., Qu, J., Hao, X., Liu, Y, Stanturf, J. (2009). Post-hurricane forest damage assessment using satellite remote sensing. Agric. Forest Meteorol., doi:10.1016/j.agrformet.2009.09.009
а вот здесь - как SWVI
Bella, C.Di, Faivre, R., Rugert, F., Seguin, B., Guerif, M., Combal, B., Weiss, M., Rebella, C. (2004). Remote sensing capabilities to estimate pasture production in France. International Journal of Remote sensing, vol. 25, 23, 5359-5372.
вот какой хитрый индекс

[ecolog]

Снова вспомнил недавно про этот индекс - пришла первая задача связанная с дешифрированием рубок, туда же приплели гари и ветровалы. Площадь умеренная (10м тыс. кв. км), срок - последние 5 лет. Используем разностный индекс SWVI по разновременным Ландсатам (через 1-2 года), еще разностный Normalized Burned Ratio, яркости первого и четвертого каналов для отсечения облаков и воды. Потом для всего этого набора задаются пороги в Растровом калькуляторе. Получившийся набор объектов перегоняем в вектор, рассчитываем площади, все что меньше 1 га удаляем.
Проверка и коррекция контуров осуществляется по ортофотомозаике SPOT4 2011-2012гг, приведенной к 10 м. разрешению. Она в основном представляет их перерисовывание, поскольку на 10 м снимке все намного четче видно, чем на Ландсате. Точность выше.
В целом метод пока неплохо себя показывает, скорость и результативность довольно неплохая. Правда вот не с чем сравнивать:) Другие способы не пробовали.

[nadiopt]

вообще никакие? даже простые типа DT Classifier и синтез 5-5-5?

[ecolog]

Нет, 5-5-5 конечно пробовали, но результат несопоставимо хуже. Пробовали их собственно в работе по гарям, которая в статье на Гислабе, но в результате выбрали именно этот. Пропусков на самом деле немного, понятно что еще от данных зависит, но пока менее 1%, за вычетом тех, что связаны с облачностью на первом снимке. А DT Сlassifier - это в каком софте?

[Александр Мурый]

А DT Сlassifier - это в каком софте?

Наверное, имеется в виду это.

[nadiopt]

оно-оно

[ecolog]

QGis пока не смотрел. Пробовали тогда с гарями еще использовать операции ChangeDetection (разности и PCA) но результат, именно для этой задачи, был ужасен. И сейчас вряд ли будет лучше.

[nadiopt]

ждем статью

[ecolog]

Спасибо кстати за ссылку. Как-то пропустил этот самый DT, а по видимому хорошая штука. Но нам сейчас не подойдет, так как хотелось бы еще сравнить эти рубки с имеющимся данными по делянкам. Насчет статьи пока не знаю, ничего методически нового в сравнении с пожарами тут нет. Более интересно было бы статью по другой теме написать, которой я параллельно занимаюсь, но она пока в начальной стадии развития.

[nadiopt]

я пробовала сравнить DT и SVM на ветровалах юга Коми, результаты практически идентичные. надо бы еще точность посчитать (если полевые данные), но руки не доходят:(