КАЛЕНДАРНЫЙ ПЛАН

Содержание

Слайд 2

Подбор снимков (тип съемки, разрешение пространственное и радиометрическое, сезон, облачность, искажения)
Геометрическая коррекция

Подбор снимков (тип съемки, разрешение пространственное и радиометрическое, сезон, облачность, искажения) Геометрическая
(совмещение с рабочей географической проекцией, привязка)
Радиометрическая коррекция (перерасчет «сырых» значений яркостей съемки в поток отраженной солнечной радиации, зарегистрированный сенсором спутника, Вт/м2). Принципиально при использовании снимков за разные сроки съемки.
Расчет индексных изображений, характеризующие физические свойства отражательной поверхности (биологическая продуктивность (NDVI), температура, влажность, текстурные характеристики и др.)
Классификация. Выбор классификационных признаков в зависимости от целей исследования, особенностей территории и исходных данных, при необходимости снижение размерности данных, обоснование метрики, способа классификации, числа возможных классов.
Интерпретация полученных классов. Сопоставление полученным классам средних значений априорных данных и результатов полевых измерений свойств ландшафтного покрова.

ЭТАПЫ АНАЛИЗА ДДЗ:

Слайд 3

the CORINE program (Co-ordination of Information on the Environment)

the CORINE program (Co-ordination of Information on the Environment)

Слайд 5

Level II < 1:80,000
Level III 1:20,000 to 1:80,000
Level IV > 1:20,000.

Michigan

Level II Level III 1:20,000 to 1:80,000 Level IV > 1:20,000. Michigan Land/Use Cover Classification System
Land/Use Cover Classification System

Слайд 7

КЕРЖЕНСКИЙ ЗАПОВЕДНИК

КЕРЖЕНСКИЙ ЗАПОВЕДНИК

Слайд 8

6 потенциально различных типов условий снегонакопления

Снежный покров в коренных и производных сообществах

6 потенциально различных типов условий снегонакопления Снежный покров в коренных и производных
южной тайги (Центрально-Лесной заповедник)

НСО 2010

Слайд 9

НЕФТЕПРОВОД ВОСТОЧНАЯ СИБИРЬ – ТИХИЙ ОКЕАН

НЕФТЕПРОВОД ВОСТОЧНАЯ СИБИРЬ – ТИХИЙ ОКЕАН

Слайд 10

КЛАССИФИКАЦИЯ – разделение всех пикселей снимка по их спектральным признакам на группы,

КЛАССИФИКАЦИЯ – разделение всех пикселей снимка по их спектральным признакам на группы,
соответствующие разным объектам

Выбор признаков

Классификация
без обучения

Классификация
с обучением

Интерпретация
Легенда
Оформление карты

СЕГМЕНТАЦИЯ ИЗОБРАЖЕНИЙ (Image Segmentation)

1.

2.

3.

Слайд 11

СЕГМЕНТАЦИЯ ИЗОБРАЖЕНИЙ (Image Segmentation)

Неопределенность классификации

КЛАССИФИКАЦИЯ

ИСХОДНЫЕ ДАННЫЕ

МАЛИНКИ

СЕГМЕНТАЦИЯ ИЗОБРАЖЕНИЙ (Image Segmentation) Неопределенность классификации КЛАССИФИКАЦИЯ ИСХОДНЫЕ ДАННЫЕ МАЛИНКИ

Слайд 12

Классификационные признаки (КП)
Непостоянство КП
Способ классификации
Неопределенность
Дробность (число классов)

ПРОБЛЕМЫ

?

?

?

ДИСКРЕТНОЕ МНОЖЕСТВО

НЕПРЕРЫВНОЕ МНОЖЕСТВО

?

Классификационные признаки (КП) Непостоянство КП Способ классификации Неопределенность Дробность (число классов) ПРОБЛЕМЫ

Слайд 13

Области значений яркости не пересекаются
Способ параллелепипеда

Области значений яркости разных объектов пересекаются

Корреляция

Области значений яркости не пересекаются Способ параллелепипеда Области значений яркости разных объектов
между классификационными признаками отсутствует
(метрика минимального расстояния)

Существует корреляция между зональными значениями яркост
(метрика максимального правдоподобия)

Объекты, относительно изолированы в пространстве признаков

КЛАССИФИКАЦИЯ БЕЗ ОБУЧЕНИЯ

Слайд 14

d

c

b

Iterative Self-Organizing Data Analysis Technique
итеративный самоорганизующийся способ анализа данных

ШАГ 1. Деление

d c b Iterative Self-Organizing Data Analysis Technique итеративный самоорганизующийся способ анализа
признакового пространства на N равных диапазонов

ШАГ 2. Каждый пиксель относится в определенный кластер по принципу минимального расстояния

ШАГ 3. Результирующее положение центров и границ кластеров

КЛАССИФИКАЦИЯ БЕЗ ОБУЧЕНИЯ: ISODATA

М1

М1 + σ1

М1 - σ1

М2 - σ2

М2

М2 + σ2

a

d

c

b

a

d

c

b

a

Слайд 15

Классификация способом максимального правдоподобия
Расстояние Махаланобиса

Классификация способом минимального расстояния

Спектральное расстояние D

Если спектральные яркости

Классификация способом максимального правдоподобия Расстояние Махаланобиса Классификация способом минимального расстояния Спектральное расстояние
выделяемых объектов меняются непрерывно и плавно

КЛАССИФИКАЦИЯ C ОБУЧЕНИЕМ

Слайд 16

КЛАССИФИКАЦИЯ БЕЗ и C ОБУЧЕНИЕМ

КЛАССИФИКАЦИЯ БЕЗ и C ОБУЧЕНИЕМ

Слайд 17

ОБОСНОВАНИЕ ДРОБНОСТИ КЛАССИФИКАЦИИ

ДИСКРЕТНОЕ МНОЖЕСТВО

НЕПРЕРЫВНОЕ МНОЖЕСТВО

ОБОСНОВАНИЕ ДРОБНОСТИ КЛАССИФИКАЦИИ ДИСКРЕТНОЕ МНОЖЕСТВО НЕПРЕРЫВНОЕ МНОЖЕСТВО

Слайд 18

ПЕРВЫЙ УРОВЕНЬ (2 класса)

ДИХОТОМИЧЕСКАЯ КЛАССИФИКАЦИЯ

ВТОРОЙ УРОВЕНЬ (4 класса)

ОБОСНОВАНИЕ ДРОБНОСТИ КЛАССИФИКАЦИИ

ПЕРВЫЙ УРОВЕНЬ (2 класса) ДИХОТОМИЧЕСКАЯ КЛАССИФИКАЦИЯ ВТОРОЙ УРОВЕНЬ (4 класса) ОБОСНОВАНИЕ ДРОБНОСТИ КЛАССИФИКАЦИИ

Слайд 19

=

ТЕСТОВЫЕ ИЗОБРАЖЕНИЯ

RGB R G B

Растр 220 колонок х 192 строк
Число пикселей

= ТЕСТОВЫЕ ИЗОБРАЖЕНИЯ RGB R G B Растр 220 колонок х 192
42020, из них незначащие (No Data Cells) - 20728

Классификация на 3 класса

неопределенность

результат

Слайд 20

Тестовое множество RGB получено совмещением трех случайных подмножеств R, G, B. Значения

Тестовое множество RGB получено совмещением трех случайных подмножеств R, G, B. Значения
элементов подмножеств получены генератором случайных чисел и принимают значения от 0 до 1. Размер тестового изображения 100х100 пикселей.

ТЕСТОВЫЕ ИЗОБРАЖЕНИЯ

RGB R G B

=

+

+

Слайд 21

ТЕСТОВЫЕ ИЗОБРАЖЕНИЯ 100х100 пикселей

    Landsat 7 ETM+ 22 марта         Landsat 5 TM 27

ТЕСТОВЫЕ ИЗОБРАЖЕНИЯ 100х100 пикселей Landsat 7 ETM+ 22 марта Landsat 5 TM
апреля 2000          Landsat 5 TM 30 мая 1992      Landsat 7 ETM+ 20 июня 2001   Landsat 7 ETM+ 27 сентября 2000 

Центрально-Лесной заповедник, участки условно-коренных и производных лесов, ветровалы, верховое болото "Старосельский мох" и поле д.Староселье. Разрешение - 28.5 м.

Landsat 5 TM 30 августа 1992  Landsat 7 ETM+ 30 мая 2002     Landsat 5 TM 20 мая 2007 

САТИНО. Разрешение - 30 м.

Слайд 22

ПРИЗНАКОВОЕ пространство, ШАПОЧКА С КИСТОЧКОЙ vs. PCA

ПРИЗНАКОВОЕ пространство, ШАПОЧКА С КИСТОЧКОЙ vs. PCA
Имя файла: КАЛЕНДАРНЫЙ-ПЛАН.pptx
Количество просмотров: 237
Количество скачиваний: 0