LandViewer - Muutosten havaitseminen toimii nyt 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-tiimin asettamista ensisijaisista tavoitteista oli tehdä monimutkainen muutosten havaitsemisprosessi datan etäseurannalle helposti ja helposti kokemattomille käyttäjille muilta kuin paikkatietojärjestelmiltä. LandViewerin muutostunnistustyökalun avulla viljelijät voivat nopeasti tunnistaa alueet, jotka ovat kärsineet peltoistaan rakeiden, myrskyn tai tulvien vuoksi. Metsänhoidossa muutosten havaitseminen satelliittikuvassa siitä on hyötyä arvioitaessa palaneita alueita, metsäpalon jälkeen ja laittomien hakkuiden tai metsämaiden hyökkäysten havaitsemiseksi. Ilmastomuutoksen nopeuden ja laajuuden (kuten napajään sulaminen, ilman ja veden pilaantuminen, luonnollisen elinympäristön menetys kaupunkien leviämisen vuoksi) tarkkailu on ympäristötutkijoiden jatkuva tehtävä, ja nyt he voivat. muutamassa minuutissa. Tutkimalla menneisyyden ja nykyisyyden eroja käyttämällä satelliittidatan vuosia LandViewerin muutosten havaitsemistyökalulla 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. .
Kuinka se toimii? NDVI on tunnettu tapa määrittää kasvillisuuden terveys. Vertaamalla ehjän metsän satelliittikuvaa kuvaan, joka on saatu juuri puiden kaatamisen jälkeen, LandViewer havaitsee muutokset ja luo erokuvan korostaen metsäkadot, käyttäjät voivat ladata tulokset .jpg-muodossa, .png- tai .tiff-muoto. Eloonjäävällä metsäpeitteellä on positiivisia arvoja, kun taas puhdistetuilla alueilla on negatiivisia ja se näkyy punaisilla sävyillä, mikä osoittaa, että kasvillisuutta ei ole.
Eri kuva, joka osoittaa metsäkadon laajuuden Madagaskarissa 2016in ja 2018in välillä; kaksi Sentinel-2-satelliittikuvaa
Toinen muutosten havaitsemisen yleinen käyttötapaus olisi maatalouden tulvavahinkojen arviointi, joka kiinnostaa viljelijöitä ja vakuutusyhtiöitä. Joka kerta, kun tulvat ovat aiheuttaneet sadoillesi voimakkaan tulon, vahingot 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
Työkalu voidaan käynnistää kahdella tavalla ja etsiä eroja useissa ajallisissa satelliittikuvissa: napsauttamalla "Analysis Tools" -valikkokuvaketta tai Vertailu-liukusäädintä sen mukaan, kumpi on kätevämpää. Tällä hetkellä muutosten havaitseminen suoritetaan vain optiselle (passiiviselle) satelliittidatalle; aktiivisten kaukokartoitustietojen algoritmien lisääminen on ajoitettu tulevia päivityksiä varten.
Lisätietoja on tässä oppaassa muutoksen tunnistustyökalu LandVieweriltä. TAI alkaa tutkia uusimpia ominaisuuksia LandViewer itse
