স্যাটেলাইট চিত্রাবলী থেকে ল্যান্ড কভার বৈশিষ্ট্য নিষ্কাশন


14

আমি ল্যান্ড কভার জিআইএস স্তরগুলি তৈরির জন্য স্বল্প ব্যয় বা ওপেন সোর্স সমাধানে আগ্রহী যা বর্ণালী এবং টেক্সটাল এক্সট্রাকশন অ্যালগরিদম উভয়ই ব্যবহার করে। আমি অতীতে পিসিআই জিওমেটিকা, এএনভিআই এবং ফিচার অ্যানালিস্ট ভিএলএস ব্যবহার করেছি; তবে এই সমাধানগুলি আমার দামের সীমা থেকে কিছুটা দূরে, কোনও সফ্টওয়্যার প্রস্তাবনা?

উত্তর:


18

আপনি এর জন্য গ্রাস জিআইএস ব্যবহার করতে পারেন যা রেডিওমেট্রিক / বিভাগকরণ পদ্ধতির উপর ভিত্তি করে টেক্সচার এক্সট্রাকশন এবং চিত্রের শ্রেণিবিন্যাসকে সমর্থন করে। একটি ধারণার জন্য, এই সম্মেলনটি বিমূর্তভাবে পরীক্ষা করুন , জিওনফরম্যাটিকস এফসিই সিটিইউ 2011 তে পরিকল্পিত আলোচনা।

আরও দেখুন: একটি সংক্ষিপ্তসার জন্য http://grass.osgeo.org/wiki/Image_processing এবং http://grass.osgeo.org/wiki/Image_classization


8

যদি আমি আপনাকে সঠিকভাবে বুঝতে পারি তবে আপনি তত্ত্বাবধানে শ্রেণিবিন্যাস পদ্ধতিটি সন্ধান করছেন। কিছু তাত্ত্বিক পটভূমি: http://rst.gsfc.nasa.gov/Sect1/Sect1_17.html

ঘাসের মাধ্যমে এটি অবশ্যই সম্ভব: http://grass.osgeo.org/wiki/I छवि_classization#Supervised_classization_2

বিকল্প হিসাবে আপনি সাগাটির দিকেও নজর রাখতে পারেন (আমি বলছি না এটি ভাল, আমি কেবল এটি আরও ভাল জানি), যা কিগিস এবং আর এর সাথে খুব সুন্দরভাবে অভিনয় করে this এই সাইটে এই ভিডিওটি প্রকাশ করছে কিছু ভিডিও রয়েছে: http: // www.uni-koblenz-landau.de/landau/fb7/umweltwissenschaften/landcreen-ecology/Taching/geostat (উপস্থাপনা পেতে ডেটা ফাইলগুলি ডাউনলোড করুন)।

সমস্ত গিস প্রোগ্রামগুলিতে, আপনি যা করবেন তা হ'ল এক প্রকারের জমিতে বহু সংখ্যক রেফারেন্স পয়েন্ট বা বহুভুজকে সংজ্ঞায়িত করা হবে, যা পরে অন্যান্য অঞ্চলে এক্সট্রা পোলেটযুক্ত। এখানে একটি ল্যান্ডিউজ শ্রেণিবদ্ধকরণের একটি উদাহরণ রয়েছে:

এখানে চিত্র বর্ণনা লিখুন

এবং বাস্তবে আপনি যদি কোনও জিআইএস প্রোগ্রামে আপনার প্রশিক্ষণ বহুভুজ আঁকেন, আপনি পূর্বাভাস দেওয়ার জন্য আর ব্যবহার করতে পারেন। আপনার গ্রিডগুলির সাথে একটি ওভারলে তৈরি করুন এবং তারপরে আপনার পছন্দ অনুযায়ী যে কোনও পূর্বাভাস সিস্টেম ব্যবহার করুন (উদাহরণস্বরূপ, আপনি যদি শ্রেণিবদ্ধকরণ গাছ চান তবে rpart)। 222 পৃষ্ঠার আশেপাশে এই বইয়ের আরও তথ্য: http://www.lulu.com/product/file-download/a-practical-guide-to-geostatistical-mapping/14938111

আরও অনেক কথা আছে, আপনার প্রশিক্ষণের সেটগুলি আপনার অধ্যয়নের ক্ষেত্রের জন্য প্রতিনিধি হওয়া উচিত (সম্ভবত এটি আর এলোমেলো পয়েন্ট উত্পন্ন করা এবং সেগুলি শ্রেণিবদ্ধ করা আরও ভাল)। আপনার সাবধানে আপনার সহায়ক ডেটাসেটগুলিও বেছে নেওয়া উচিত এবং উদাহরণস্বরূপ টেক্সচার একটি গুরুত্বপূর্ণ সম্পত্তি হলে আপনি নতুন তৈরি করতে চাইতে পারেন।

-

আপনি যা করতে চান তা হ'ল অঞ্চল বা বৈশিষ্ট্যগুলি নিষ্ক্রিয় করা (সেগুলি শ্রেণিবদ্ধ না করে), একটি বিভাগকরণ অ্যালগরিদম আপনি যা চান তা সম্ভবত বেশি থাকে। একটি উদাহরণ (সাগা জিআইএসে প্রয়োগ করা হয়েছে) এই গবেষণাপত্রে আলোচনা করা হয়েছে: http://mirror.transact.net.au/pub/sourceforge/s/project/sa/saga-gis/SAGA%20-%20 ডকুমেন্টেশন / জিজিএ 115/ gga115_03 .pdf


আপনার প্রতিক্রিয়ার জন্য আপনাকে অনেক ধন্যবাদ। দেখে মনে হচ্ছে আপনি কীভাবে আমার লক্ষ্যগুলি অর্জন করতে পারেন তা ঠিক জানেন। আপনি যদি আপনার উত্তরটি আরও কিছুটা পরিষ্কার করেন তবে আমি যা সত্যিই প্রশংসা করব তা হ'ল। আমি জড়িত পদক্ষেপগুলিতে বিশেষভাবে আগ্রহী যাতে আমি প্রোগ্রামটি শিখতে পারি যে কোন বৈশিষ্ট্যগুলি সঠিক এবং কোনটি সঠিক না হওয়া পর্যন্ত কোনওগুলি (বা বেশিরভাগ) সঠিক না হওয়া পর্যন্ত কোনটি ভুল।
নেটকন্সট্রাক্টর.কম

বৈশিষ্ট্যগুলি হ'ল আপনি কী কী বের করতে চান সে সম্পর্কে আরও তথ্য সরবরাহ করুন (আপনার প্রশ্নে, মন্তব্যে নয়)। এগুলি ছাড়াও: যদি বিভিন্ন স্থল-ব্যবহারের ধরণের সংকেত (নাসা লিঙ্কটি দেখুন) বা (যা আপনি ম্যাপিং করছেন) এর ওভারল্যাপ থাকে তবে স্বয়ংক্রিয় শ্রেণিবদ্ধকরণ ভাল কাজ করবে না।
johanvdw

3

আপনি গ্রাস দিয়ে তা করতে সক্ষম হবেন।

আপনি প্রথমে রাস্টার ডেটা নিয়ে কাজ করবেন:

  • আমি আপনাকে এই টিউটোরিয়ালটি নির্দেশ করব । রাস্টার অংশটি দেখুন।
  • পছন্দসই বৈশিষ্ট্যগুলি বের করতে আপনি r.mapcalc এবং r.reclass ব্যবহার করবেন
  • r.to.vect আপনাকে আপনার ডেটা ভেক্টরাইজ করার অনুমতি দেবে।

অবশেষে আপনি ভেক্টর ডেটা ম্যানিপুলেট করবেন । v.db.select এবং v.class আপনাকে সহায়তা করবে।


1
এই পদ্ধতির মধ্যে কেবল একটি রাস্টার ব্যবহার করা হয় - যা সাধারণত অপ্রতুল।
johanvdw

তিনি একটি অঞ্চল (একটি চিত্র বা বহুগুণ) সম্পর্কে কথা বলছেন। যাইহোক, চিত্রগুলি একত্রিত করা যেতে পারে।
সিমো
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.