Estoy interesado en una solución de bajo costo o de código abierto para crear capas GIS de cobertura del suelo que utilicen algoritmos de extracción espectral y textural. He usado PCI Geomatica, ENVI y Feature Analyst VLS en el pasado; sin embargo, estas soluciones están un poco más allá de mi rango de precios, ¿alguna recomendación de software?
Puede utilizar GRASS GIS para esto, que admite la extracción de texturas y la clasificación de imágenes basadas en un enfoque radiométrico / segmentación. Para tener una idea, consulte este resumen de la conferencia , una charla planificada en la Geoinformatics FCE CTU 2011.
Consulte también: http://grass.osgeo.org/wiki/Image_processing y http://grass.osgeo.org/wiki/Image_classification para obtener una descripción general.
Si te entiendo correctamente, estás buscando un procedimiento de clasificación supervisado. Algunos antecedentes teóricos: http://rst.gsfc.nasa.gov/Sect1/Sect1_17.html
Esto es ciertamente posible a través de la hierba: http://grass.osgeo.org/wiki/Image_classification#Supervised_classification_2
Como alternativa, también podría ver la saga (no digo que sea mejor, solo lo sé mejor), que también funciona muy bien con qgis y R. Hay algunos videos que demuestran esto en este sitio: http: // www.uni-koblenz-landau.de/landau/fb7/umweltwissenschaften/landscape-ecology/Teaching/geostat (descargue los archivos de datos para obtener las presentaciones).
En todos los programas gis, lo que hará es definir una serie de puntos de referencia o polígonos en un tipo de terreno, que luego se extrapolan al resto del área. Aquí hay un ejemplo de clasificación de uso del suelo:
Y, de hecho, si ha dibujado sus polígonos de entrenamiento en cualquier programa GIS, puede usar R para predecir. Haga una superposición con sus cuadrículas y luego use cualquier sistema de predicción que desee (por ejemplo, rpart si desea árboles de clasificación). Más información en este libro sobre la página 222: http://www.lulu.com/product/file-download/a-practical-guide-to-geostatistical-mapping/14938111
Hay mucho más que decir, sus conjuntos de entrenamiento deberían ser representativos de su área de estudio (quizás incluso sería mejor generar puntos aleatorios en R y clasificarlos). También debe elegir cuidadosamente sus conjuntos de datos auxiliares, y es posible que desee generar otros nuevos si, por ejemplo, la textura es una propiedad importante.
-
Si todo lo que desea hacer es extraer regiones o características (sin clasificarlas), es más probable que desee un algoritmo de segmentación. Un ejemplo (implementado en SAGA GIS) se discute en este documento: http://mirror.transact.net.au/pub/sourceforge/s/project/sa/saga-gis/SAGA%20-%20Documentation/GGA115/gga115_03 .pdf
Podrías hacer eso con GRASS.
Primero trabajará con datos ráster:
Finalmente manipularás datos vectoriales . v.db.select y v.class te ayudarán.
fuente