Geospatial - GISinnovasjoner

LandViewer - Endringsdeteksjon fungerer nå i nettleseren

Den viktigste bruken av fjernvarslingsdata har vært sammenligning av bilder fra et bestemt område, tatt på forskjellige tidspunkter for å identifisere endringene som skjedde her. Med et stort antall satellittbilder som for øyeblikket er i åpen bruk, vil manuell gjenkjenning av endringer over en lengre periode ta lang tid og mest sannsynlig være upresent. EOS Data Analytics har opprettet det automatiserte verktøyet til gjenkjenning av endringer I sitt flaggskipprodukt, LandViewer, som er blant de mest dyktige skyverktøyene for søk og analyse av satellittbilder i dagens marked.

I motsetning til metoder som involverer nevrale nettverk som identifisere endringer i de tidligere ekstraherte karakteristikkene, endringsdetekteringsalgoritmen implementert av EOS usa en strategi basert på piksler, hvilket betyr at endringer mellom to Multiband rasterbilder, beregnes matematisk ved å subtrahere pikselverdiene for en dato med billedpunktverdiene for de samme koordinater for et annet tidspunkt. Denne nye signatur, er utviklet for å automatisere den oppgave å avdekke endringer og gir nøyaktige resultater med færre trinn og i en brøkdel av tiden sammenlignet med ArcGIS, QGIS eller annen GIS programvare bildebehandling.

Endringsdeteksjonsgrensesnittet. Bilder av kysten av byen Beirut valgt for å identifisere utviklingen de siste årene.

Påvisning av endringer i byen Beirut

Ubegrenset anvendelsesområde: fra landbruk til miljøovervåking.

Et av de primære målene som ble satt av EOS-teamet var å gjøre en kompleks endringsdeteksjonsprosess for fjernmåling av data tilgjengelig og lett for uerfarne brukere fra ikke-GIS-bransjer. Med LandViewers verktøy for endringsdeteksjon kan bønder raskt identifisere områder som har blitt skadet på jordene sine fra hagl, storm eller flom. I skogforvaltning, gjenkjenning av endringer På satellittbildet vil det være nyttig for å estimere brente områder etter en skogbrann og for å oppdage ulovlig hogst eller invasjon av skogland. Å observere hastigheten og omfanget av klimaendringene (som smelting av polaris, luft- og vannforurensning, tap av naturlig habitat på grunn av byutbredelse) er en pågående oppgave av miljøforskere, og nå kan de. i løpet av få minutter. Ved å studere forskjellene mellom fortid og nåtid ved å bruke år med satellittdata med LandViewers verktøy for endringsdeteksjon, kan alle disse bransjene også forutsi fremtidige endringer.

Hovedbruk tilfeller av gjenkjenning av endringer: flomskader og avskoging

Et bilde er verdt tusen ord, og deteksjonsmulighetene for endring med satellittbilder i LandViewer De kan best demonstreres med ekte eksempler.

Skoger fortsatt dekker omtrent en tredjedel av den globale området forsvinner i et alarmerende tempo, hovedsakelig på grunn av menneskelige aktiviteter som landbruk, gruvedrift, husdyr på beite, hogst og naturlige faktorer som skogbranner. I stedet for å gjennomføre massive undersøkelser på land av tusenvis av mål med skog, kan en skog tekniker regelmessig overvåke sikkerheten av skog med et par satellittbilder og automatisk endring deteksjon basert på NDVI (Vegetasjon Index Normalisert Difference) .

Hvordan virker det? NDVI er et kjent middel for å bestemme helsen til vegetasjonen. Ved å sammenligne satellittbildet av den intakte skogen, med bildet som ble anskaffet like etter at trærne ble felt, vil LandViewer oppdage endringene og generere et forskjellsbilde som fremhever avskogingspunktene. Brukere kan laste ned resultatene i .jpg, .png- eller .tiff-format. Skogdekket som overlever vil ha positive verdier, mens de ryddede områdene vil ha negative og vises i røde toner som indikerer at ingen vegetasjon er til stede.

Et annet bilde som viser omfanget av avskoging i Madagaskar mellom 2016 og 2018; generert fra to Sentinel-2 satellittbilder

En annen utbredt brukssak for å oppdage endringer vil være vurdering av flomskader i landbruket, som er av stor interesse for bønder og forsikringsselskaper. Hver gang flom har tatt en tung toll på høsten din, kan skaden raskt kartlegges og måles ved hjelp av NDVI-baserte endringsdeteksjonsalgoritmer.

Resultater av Sentinel-2 scene endring gjenkjenning: de røde og oransje områdene representerer oversvømmet del av feltet; Omliggende felt er grønne, noe som betyr at de unngår skaden. Flood of California, februar i 2017.

Slik utfører du endringsdeteksjon i LandViewer

Det er to måter å starte verktøyet og begynne å finne forskjeller i multi-temporale satellittbilder: ved å klikke på høyremenyikonet "Analyseverktøy" eller sammenligningsglidebryteren, avhengig av hva som passer best. For øyeblikket utføres endringsdeteksjon kun på optiske (passive) satellittdata; tillegget av algoritmene for aktive fjernmålingsdata er planlagt for fremtidige oppdateringer.

For mer informasjon, les denne veiledningen fra endre deteksjonsverktøyet fra LandViewer. ELLER begynn å utforske de nyeste evnene til LandViewer på egen hånd

Golgi Alvarez

Forfatter, forsker, spesialist i landforvaltningsmodeller. Han har deltatt i konseptualisering og implementering av modeller som: National System of Property Administration SINAP in Honduras, Model of Management of Joint Municipalities in Honduras, Integrated Model of Cadastre Management - Registry in Nicaragua, System of Administration of the Territory SAT in Colombia . Redaktør for Geofumadas kunnskapsblogg siden 2007 og skaper av AulaGEO Academy som inkluderer mer enn 100 kurs om GIS - CAD - BIM - Digitale tvillinger-emner.

Relaterte artikler

Legg igjen en kommentar

Din e-postadresse vil ikke bli publisert. Obligatoriske felt er merket med *

Tilbake til toppen-knappen