LandViewer - muutosten havaitseminen toimii selaimessa

Kaukomittaustietojen tärkein käyttö on ollut tietyn alueen kuvien vertailu eri aikoina tässä tapahtuneiden muutosten tunnistamiseksi. Kun käytössä on suuri määrä satelliittikuvia, joita käytetään nykyisin avoimesti, pitkän ajan kuluessa muutosten manuaalinen havaitseminen kestäisi kauan ja todennäköisesti olisi epätarkka. EOS Data Analytics on luonut automaattisen työkalun muutosten havaitseminen lippulaivassaan LandViewer, joka on kaikkein kykenevin pilvityökalu satelliittikuvien etsimiseen ja analysointiin nykyisillä markkinoilla.

Toisin kuin neuraaliverkkoja sisältävät menetelmät tunnistaa muutokset aikaisemmin uutetuissa ominaisuuksissa on toteutettu EOS Yhdysvallat pikseliperusteinen strategia, joka tarkoittaa sitä, että kahden monikaistaisen rasterikuvan väliset muutokset lasketaan matemaattisesti vähentämällä yhden päivän pikseliarvot saman päivämäärän saman koordinaatin pikseliarvojen kanssa. Tämä uusi allekirjoitusominaisuus on suunniteltu automatisoimaan muutosten havaitsemisen tehtävä ja toimittamaan tarkkoja tuloksia vähemmän vaiheita ja murto-osa tarvittavasta ajasta verrattuna ArcGIS-, QGIS- tai muihin GIS-kuvankäsittelyohjelmiin.

Muutoksen tunnistusliitäntä. Kuvia Beirutin kaupungin rannikolta, jotka on valittu viime vuosien kehityksen tunnistamiseksi.

Beirutin kaupungin muutosten havaitseminen

Rajoittamaton sovellusalue: maataloudesta ympäristöseurantaan.

Yksi EOS-ryhmän asettamista tärkeimmistä tavoitteista oli tehdä monimutkainen muutosten havaitsemisprosessi etäluettelotietojen saataville ja helposti kokemattomille käyttäjille muualla kuin GIS-teollisuudessa. LandViewerin muutoksen havaitsemisvälineen avulla viljelijät voivat nopeasti tunnistaa alueet, jotka ovat vahingoittuneet niiden kentillä raekuuron, myrskyn tai tulvan avulla. Metsänhoidossa muutosten havaitseminen satelliittikuvassa se on hyödyllinen poltettujen alueiden arvioimiseksi, metsäpalon jälkeen ja laittoman puunkorjuun tai metsämaiden hyökkäyksen havaitsemiseksi. Ilmastonmuutoksen nopeuden ja laajuuden huomioiminen (kuten polaarijäämien sulaminen, ilman ja veden pilaantuminen, kaupunkien leviämisen aiheuttama luonnollisen elinympäristön häviäminen) on ympäristötieteilijöiden jatkuva tehtävä, ja nyt he voivat tehdä sen muutamassa minuutissa. Tutkimalla aiempien ja nykyisten erojen välillä satelliittitietojen vuosia LandViewerin muutoksen havaitsemisvälineellä, kaikki nämä toimialat voivat myös ennustaa tulevia muutoksia.

Pääkäyttötapaukset muutosten havaitsemiseksi: tulva- ja metsäkadot

Kuva on tuhannen sanan arvoinen ja satelliittikuvien muuttamisen havaintokyky LandViewer Niitä voidaan parhaiten osoittaa todellisissa esimerkeissä.

Metsät, jotka vielä kattavat noin kolmanneksen maailman alueesta, häviävät hälyttävällä nopeudella lähinnä ihmisen toiminnan, kuten maatalouden, kaivostoiminnan, karjan laiduntamisen, puunkorjuun ja luonnollisten tekijöiden, kuten metsäpalojen, vuoksi. Sen sijaan, että metsäteknikko voisi suorittaa massatutkimuksia tuhansia hehtaareja metsiä, se voi säännöllisesti seurata metsien turvallisuutta pari satelliittikuvaa ja automaattista muutosten havaitsemista NDVI: n (Normalized Difference Vegetation Index) perusteella. .

Miten se toimii? NDVI on tunnettu tapa määrittää kasvillisuuden terveys. Vertaamalla koskemattoman metsän satelliittikuvaa LandViewer havaitsee muutokset ja luo kuvan eroista, jotka korostavat metsäkadon pisteitä, kun kuva on saatu juuri sen jälkeen, kun puut on leikattu, käyttäjät voivat ladata tulokset .jpg: ssä, .png tai .tiff -muoto. Elossa oleva metsäpeite on positiivinen, kun taas puhdistetut alueet ovat negatiivisia ja ne näkyvät punaisina sävyinä, jotka osoittavat, että kasvillisuutta ei ole.

Eri kuva, joka osoittaa metsäkadon laajuuden Madagaskarissa 2016in ja 2018in välillä; kaksi Sentinel-2-satelliittikuvaa

Toinen tapa, jossa käytetään laajasti käyttöä muutosten havaitsemiseksi, olisi maatalouden tulvien aiheuttamien vahinkojen arviointi, joka on erittäin tärkeää maanviljelijöille ja vakuutusyhtiöille. Joka kerta, kun tulvat ovat saaneet raskaan tulon satoaan, vauriot voidaan kartoittaa ja mitata nopeasti NDVI-pohjaisten muutosten havaitsemisalgoritmien avulla.

Sentinel-2-kohtauksen muutoksen havaitsemisen tulokset: punaiset ja oranssit alueet edustavat pellon tulvia osaa; ympäröivät kentät ovat vihreitä, mikä tarkoittaa, että ne välttävät vauriot. Kalifornian tulva, 2017in helmikuu.

Miten muutoksen tunnistus suoritetaan LandViewerissa

Työkalun voi käynnistää kahdella eri tavalla ja aloittaa erojen löytäminen monivuotisissa satelliittikuvissa: napsauttamalla oikeaa valikkokuvaketta «Analyysityökalut» tai Vertailu-liukusäätimestä, kumpi on sopivampi. Tällä hetkellä muutosten havaitseminen tapahtuu vain optisten satelliittitietojen (passiivinen) avulla; Tulevia päivityksiä varten on suunniteltu aktiivisten kaukokartoitustietojen algoritmien lisääminen.

Lisätietoja on tässä oppaassa muutoksen tunnistustyökalu LandViewerin O alkaa tutkia uusimpia ominaisuuksia LandViewer itse

Jätä kommentti

Sähköpostiosoitettasi ei julkaista.

Tämä sivusto käyttää Akismetiä roskapostin vähentämiseksi. Lue, miten kommenttitietosi käsitellään.