CORINE landcover
http://www.eea.europa.eu/data-and-maps/data/corine-land-cover-2000-clc2000-seamless-vector-database-1
игнорирует площади меньше 1 га (100mx100m = 1 пиксел) при разрешении ландсата 30mx30m
Для города это конечно неприемлемо.
Но для целей ориентирования и пятачек леса 20x20м посреди поля может быть полезен.
Конечно, но по свободно доступным источникам такие пятачки автоматически распознать практически невозможно.
IRS (вроде как 5.8m) c космоснимков в сыром виде нам же не дадут.
Для Карельского перешейка вот и jpeg композитов-то нет,
приходится все по ландсату “с полосами” рисовать. Но есть и огромный плюс: CORINE для Финляндии, по которой можно
тренировать алгоритм классификации. Так, глядишь, и леса по типу разделить удастся.
IRS вполне даёт обрисовать перелесок 20x20 м
Интересная ссылка. У них где-нибудь описано как делали классификацию?
По разному. В двух словах это не объяснить. Если использовать только free software, то
вот здесь есть довольно человеколюбивое описание:
http://www.custom-scenery.org/Building-Scener.331.0.html
Полный набор ссылок:
http://grass.osgeo.org/wiki/Image_classification
Пример, как это делали в Литве:
http://gamta.lt/files/seminaras_corine_GVaitkus_AGI_GMES.pdf
usm78-gis, спасибо за ссылки! Таки поставил grass, разобрался. Очень неоднозначное впечатление, с одной стороны видно, что инструмент очень мощный и продуманный, с другой стороны есть вагон и маленькая телега недоделок, причем не только интерфейсных. Но консольность интерфейса рулит и бибикает, топологичность работы с геометриями тоже.
По сути вопроса: попробовал классифицировать по irs (rgb) + landsat (p + 1-7). Лес хорошо детектится, думаю можно спасти куски размером 20-30 метров по короткой стороне, типы лесов у меня пока различить не получилось. Вода тоже неплохо. Скрабы похуже, но тоже можно кой-чего придумать. Еще вкусно то, что хорошо детектируются группы построек, типа деревень городов, заводов, и пр - можно полноту обозначения НП проверить. Болота - хорошо, но их я в связке с остальным не пробовал.
Из проблем, как всегда - привязка, пока пробовал landsat привязывать к irs, но и это не весело.
Одним ландсатом, как я понял, не обойтись.
ЗЫ1: Пробовал среднюю полосу, где irs хороший, а не зернено-зеленый.
ЗЫ2: Круто было бы увидеть остальные каналы от IRS, они я так понял в природе есть, но наверное это импосибл (!
IRS фотографировался без красного канала, так что это невозможно.
IRS LISS-IV
Band 2 (green) 520-590 nm
Band 3 (red) 620-680 nm
Band 4 (NIR) 770-860 nm
Вот NIR был бы очень кстати, с ним ndvi посчитать можно
Я не знаю, это не ко мне вопрос. Но картинка такая зелёная именно чтобы выглядело хоть как-то прилично в условиях нехватки цветов в исходнике.
Без синего.
А то что показывает maps.mail.ru и яндекс это композит этих каналов ?
Я видел пример полного набора каналов KOMPSAT-2 (1m pan, 4m blue/green/red/nir),
т.е. сравним по характеристикам.
Естественно не на территории России 
Должен честно сказать, что чудо индийской техники,
мягко говоря, отдыхает.
pseudocolor.
Яндекс в основном показывает IRS в чистом виде.
Вода очень хорошо распознается, если есть “реальный” синий канал.
Я попробовал сделать классификацию полной сцены ландсата (20000x20000)
точно так, как описано в 1 статье
(только каналы 2, 4, 5 + 8 + brovey), но используя в качестве тренинговой карты саму CORINE в
тех частях сцены, которые находятся на территории Финляндии и Эстонии.
Результат очень интересный, ошибки есть, но легко объяснимые.
Из полного набора 44 классов присутствовали 28.
Мелких рек не видно совсем.
Все три типа леса очень качественны.
Болотами торфяными/обычными, полями разных типов тоже вполне доволен.
Сейчас попробую использовать все каналы landsat.
i.gensigset работал больше суток на Opteron 2.7GHz,
multithreaded версия бы тут не помешала,
для машины с 16/32 процессорами
i.smap тоже думал около 5 часов.
Полный скрипт надо будет причесать и сохранить в wiki.
Ну я немного с другой стороны пошел - мне интересны мелкие детали и точная привязка - я взял кусок знакомый мне с детства.
Глянул на импорт CORINE в osm, так в ужас пришел, - там по-моему какая-то каша, хотя наверное я чего-то не понял просто.
Все после i.gensigset по идее параллелится, но я даже боюсь представить сколько времени уйдет на фильтрацию геометрии, если i.smap 5 часов.
А где можно прочитать про три типа леса? Какие вообще выделяют? Есть ли какая-то общепринятая грань между “кустарником” и “лесом”?
Я пока не буду спешить с импортом, а постараюсь сравнить результат с классификацией других сцен.
Тем более что сначала надо поправить границу, чтобы не залезать в Финляндию и Эстонию.
Больше всего конечно будет мешать недоделанность фильтра облаков и теней в GRASS.
Вот эти три типа:
GRID_CODE|CLC_CODE|LABEL1|LABEL2|LABEL3|RGB
23|311|Forest and semi natural areas|Forests|Broad-leaved forest|128-255-000
24|312|Forest and semi natural areas|Forests|Coniferous forest|000-166-000
25|313|Forest and semi natural areas|Forests|Mixed forest|077-255-000
Класс для кустарников есть, но при моем подходе к проблеме деление между “кустарником” и “лесом” (и остальными) сделали для меня соседи в ЕС
Моя статистика по 28 классам (полный лист clc_legend.csv здесь http://www.eea.europa.eu/data-and-maps/data/corine-land-cover-2006-clc2006-100-m-version-12-2009 ):
GRASS 6.4.0RC4 (EPSG_32636):/mnt/landsat/036-465 > r.stats -alc input=corine_class_brovey_2_4_5
100%
1 210277919.812500 1035533
2 66419713.125000 327090
3 7937307.000000 39088
4 19823773.500000 97624
5 60542475.187500 298147
6 351572868.562500 1731353
7 32638032.562500 160729
8 26583318.000000 130912
10 341322882.750000 1680876
11 5792560.875000 28526
12 304505214.750000 1499564
18 700196051.250000 3448180
20 474169619.250000 2335092
21 29329535.250000 144436
23 1864972907.437500 9184231
24 6499529263.687500 32007531
25 2505811962.375000 12340102
26 950758525.125000 4682098
27 896530887.562500 4415049
29 195257792.812500 961565
30 50161717.125000 247026
32 215461496.250000 1061060
35 756961157.812500 3727725
36 533376146.250000 2626660
37 173122965.000000 852560
40 138202103.812500 680589
41 12247022650.500000 60311592
44 4501538844.187500 22168243
* no data 34593980718.937500 170361247
Большие ошибки тут (что неудивительно, надо убирать из спиcка)
6|124|Artificial surfaces|Industrial, commercial and transport units|Airports|230-204-230
озера-моря надо объединять в 1 клаcс, и добавлять в маску просеки/буферы крупных дорог (“Скандинавия” сильно портит дело), ЛЭП и газопроводов.
A man_made=cutline вообще чем-нибудь рендерится? А то уже сильно хочется.
Кстати, наткнулся на примере маньякизма:
http://www.openstreetmap.org/?lat=53.0685&lon=52.1074&zoom=13&layers=B000FTF
Этакая комбинация cutline и разрывов в одном флаконе.