LandViewer - Nå virker deteksjonen av endringer 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 hovedmålene som ble opprettet av EOS-teamet var å lage en kompleks endringsdeteksjonsprosess for ekstern sensing data tilgjengelig og lett for uerfarne brukere fra ikke-GIS-bransjer. Med LandViewers endringsdetekteringsverktøy kan bønder raskt identifisere områder som har blitt skadet i sine felter ved hagl, storm eller flom. I skogforvaltningen, gjenkjenning av endringer I satellittbildet vil det være nyttig for estimering av brente områder, etter en skogbrann og å oppdage ulovlig logging eller invasjon av skogområder. Observere hastigheten og graden av klimaendringer (så som smelting av polare is, luftforurensning og vann, tap av naturlige habitat på grunn av byspredningen) er en oppgave utføres av miljømessige forskere og kontinuerlig, og kan gjøre det nå om noen minutter. Ved å studere forskjellene mellom fortid og nåtid ved hjelp av år med satellittdata med LandViewers endringsdetekteringsverktøy, kan alle disse næringene også prognostisere 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 satelittbilde intakt skog, med bildet ble kjøpt like etter trærne ble hugget ned, LandViewer oppdage endringer og generere en forskjell image utheving avreise avskoging, kan brukerne laste ned resultatene i .jpg, .png eller .tiff format. Skogdekket som overlever vil ha positive verdier, mens de rydde områdene vil ha negative og vil bli vist i røde toner som indikerer at det ikke er vegetasjon tilstede.

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

Et annet tilfelle av utbredt bruk for gjenkjenning av endringer, ville være evaluering av landbruksflomskader, som er av stor interesse for bønder og forsikringsselskaper. Hver gang flomene har tatt en tung avgift på høsten, kan skaden kartlegges og måles raskt ved hjelp av NDVI-baserte endringsdetekteringsalgoritmer.

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 høyre menyikon «Analyseværktøy» eller på glidebryteren Sammenligning, avhengig av hva som er mer praktisk. Foreløpig er deteksjonen av endringer kun gjort i optiske satellittdata (passiv); Tillegg av algoritmer for aktiv fjernvarslingsdata er planlagt for fremtidige oppdateringer.

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

Legg igjen en kommentar

Din e-postadresse vil ikke bli publisert.

Dette nettstedet bruker Akismet for å redusere spam. Lær hvordan kommentardataene dine behandles.