Совсем с нуля (без понимания, что такое композиты и прочее) - это в пару уроков не уложится. А если с базовыми понятиями знаком - тут нет трудностей.
Иностранных статей на эту тему много. Поглядите, например, вот это: http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3673428/ для оценки сил и возможностей.
По ключевым словам “landsat forest classification etm conifer” находится много-много.
По-русски, есть вот такая статейка http://gis-lab.info/qa/grass-ismap.html там GRASS используется, это для “ковровых бомбардировок”, но принципы те же даже если вручную и глазами смотреть.
Совсем база - http://gis-lab.info/qa/landsat-bandcomb.html
Смысл, на самом деле, очень простой - хвойные будут всегда темнее в ИК, т.к. они его поглощают.
IMHO, большинству интересна именно такая классификация (хвойный/лиственный), а шишки там или не шишки. Допишите эти варианты в классификацию и пусть все ставят по своему разумению.
Sergey Astakhov да я понимаю, что шишки - пофигу. Но вот я глубоко не уверен, что единственная нужная большинству классификация - это именно хвойный/лиственный. Дописать значения broad-leaf и needle-leaf - не проблема. Проблема - не создать этим еще худшую ситуацию. Ведь сейчас используются значения из обеих классификаций, и какая важнее для большинства - я решить не берусь.
Ну а как быть, если маппер Вася отметит лиственичную рощу как wood=needle-leaf, а потом придет маппер Петя и захочет переправить на wood=deciduous? И оба ведь будут правы.
Через запятую писать? А если там лиственницы и липы (оба вида - листопадные, но широколиственные и хвойные) - тут-то mixed будет порождать неоднозначность?
BushmanK, а есть реальный пример лиственничной рощи (номер сцены ландсата + классификация )?
В связи с появлением новых качественных Landsat8 сцен я собираюсь обновить свою старую картинку лета 2002 года.
Сравнить то всегда есть с чем:
Data and Methods
Satellite image interpretation
IMAGE2006 satellite image mosaic, which the CLC2006 is based on,
consists 47 IRS P6 images and 36 SPOT 4/5 images from the years 2005 and 2006.
Soil information and land use data from the geographic sources were integrated with d
ata interpreted from satellite images.
The result was a raster database with pixel size 25 by 25 meters.
Data and Methods
Satellite image interpretation
CORINE2000 is based on LANDSAT 7 ETM satellite images (years 1999-2002)
from which IMAGE2000 national satellite image mosaic was produced.
In forests and semi-natural areas as well as in wetlands following land cover
variables were estimated from the satellite images: tree height (m), tree crown cover (%),
volume of broadleaved trees (m3/ha) and total volume (m3/ha).
When Finnish national CLC2000 –classification is compared to classification
based on NFI-information,
the overall accuracy of main classes is about 90%.
The overall accuracy at the second classification level
is about 81% and at the third classification level about 70%.
BushmanK, поиском пользовались, этих тем за время жизни РУ-ОСМ накидано куча.
вот к примеру Вырубки, гари, ветровалы, поросль леса, редколесье… дана неплохая наметка классификации состояния леса, дополнить ее классификацией состава и будет результат.
Пока я не пытаюсь рулить ни чем.
Я написал поясненя в русскоязычной вики, написал в Talk англоязычных статей, написал в общую тему Q&A (англоязычную), написал сюда. Кроме того, если бы речь шла только о локальной проблеме, про склерофилы (вечнозеленые дубы, например) можно было бы не беспокоиться.
Тут вроде как достаточно людей, способных понять проблему. Задача на данный момент - собрать конструктивные соображения по принципу “одна голова - хорошо, больше - лучше”. Поправка-то к классификации очень простая, но из-за того, что нынешняя схема очень обширно используется, внедрять изменения без того, чтобы создать новую проблему - сложно.
Вот этот вопрос меня более всего интересует, а напридумывать тэгов можно всегда, это проще всего.
К слову, за наводку на то, где бы этот вопрос можно было продуктивно обсудить с иностранными товарищами, был бы благодарен. Пока от них ноль обратной связи, но возможно, я не там ее ищу.
Если заметили, я в той теме присутствовал со второй страницы. И прекрасно ее помню. Там несколько о другом - состоянии леса, повреждениях и прочем.
Давайте посмотрим, как можно дополнить.
Скажем, есть существующий полигон леса.
Он уже отмечен как natural=wood, wood=coniferous . Теперь мы хотим сказать о нем остальное, зная, что он кипарисовый. Дописываем, условно, wood:leaf=scale (чешуйчатые листья), wood:foliage=evergreen (вечнозеленый)
Скажем, есть тот же лес, но он не отмечен.
Пишем natural=wood, wood:leaf=scale, wood:foliage=evergreen.
Теперь пресловутые лиственницы.
Существующий, по идее, должен быть отмечен как natural=wood, wood=coniferous.
Дописываем wood:leaf=needle (иголки), wood:foliage=deciduous (листопадные).
Аналогичная ситуация со склерофитами (жестколистыми вечнозелеными) вроде оливкового дерева или вечнозеленого дуба (да, это только южной Европы касается).
Если кто-то читал немецкую или русскую вики, то он будет отмечен как natural=wood, wood=deciduous (последнее - неверно, но из вики можно сделать такой вывод).
Добавляем woof:leaf=sclerophyllous (жестколистный), wood:foliage=evergreen.
(Тут второстепенный вопрос: нужен ли отдельный класс для жестколистных или достаточно того, что они лиственные вечнозеленые).
Получается, что если какой-то рендер или конвертер умеет приоритетно смотреть в wood:leaf, wood:foliage, то он все поймет и покажет правильно.
Накрыться может только тот, где правила прописаны, например, на (wood=natural & *=deciduous) без указания конкретного тэга. Вопрос к присутствующим: может где-то быть такое правило, которое вызовет конфликт с тэгом wood:foliage=deciduous? А то придумывать для этого другое значение - зло, термин устойчивый.
Третий вопрос: есть еще такая штука, как natural=scrub (не забываем еще landuse=forest - лесопосадки и прочее тоже имеют право быть классифицированы), и там возможна ровно та же самая классификация, хотя она и несколько менее важна, чем в лесу. Так что не имеет ли смысла использовать более общий тэг, не wood:foliage, а vegetation:foliage (то есть для “растительности” вообще)?
usm78-gis я знаю места чистых лиственничных посадок, но они чуть маловаты - несколько пикселей на ландсатовском мультиспектре. Надо поискать покрупнее.
Но вообще, по описанию CORINE, они в один CLC со всеми хвойными попадают - 3.1.2.
Не, там не аллея, конечно. Посадка 150x150 метров, с двухсторон еще такие же кварталы - клен и березы. Но это всего 5х5 пикселей, мало. Поищу обязательно.
Пока как образцовый вариант могу вот такое место предложить http://openstreetmap.ru/#map=18/54.41545/-3.34435&layer=B - это английские коллеги подкинули, там плантация лиственниц, больше чем 300х1000 метров, только единичные вкрапления широколиственных деревьев имеются.
Из сцен Landsat 8 для этого должна подойти летняя LC82040222013155LGN00 p:204 r:22 и зимняя LC82050222013338LGN00 p:205 r:22 (речь про зимнюю потому что хвойные листопадные может иметь смысл детектировать по разнице NDVI)
не будет ли слишком сложной такая схема для простых пользователей ? т.е. схема может быть точной и подробной но работать с ней сможет только 1-2% специалистов, остальным 98% работать с ней будет неудобно.
Технические детали отличания “черепа негра от черепа эскимоса (c)” конечно интересуют только 1-2% специалистов
(хотя чисто математическая методология по сути одинаковая с лиственницей и елью), но кто такой негр, а кто эскимос
понимают и неспециалисты
