Mehr

Landnutzung Klassifikation der Bodenbedeckung

Landnutzung Klassifikation der Bodenbedeckung


Ich arbeite an der Landnutzungs-/Landbedeckungsklassifizierung der Wasserscheide des Hindon-Flusses (Indien), die mit Aster-DEM extrahiert wurde. Landsat 8-Szenen wurden verwendet und mit dem Watershed-Shapefile für die erforderliche AOI mosaikiert. Ich habe viele Probleme mit der ISODATA-Methode der unbeaufsichtigten Klassifizierung, da ich zahlreiche gemischte Pixel erhalte, die schwer zu beschriften sind. Ich hatte vor dem Clustern auch die Histogramm-Entzerrung versucht, aber die Probleme bei der Rekodierung und Beschriftung bestehen weiterhin. Bitte schlagen Sie mir ein Verfahren vor, um die Schwierigkeiten bei der Kennzeichnung der Klassen zu überwinden.


Wenn Sie QGIS verwenden, gibt es ein Plugin namens "halbautomatische Klassifizierung". Die Nutzung des Plugins dauert möglicherweise nicht allzu lange, da Sie möglicherweise mit den RS-Analysemethoden vertraut sind. Ich benutze es seit 1 Woche und bin zufrieden. Das Plugin ist auch in der Lage, Landsat-Fotos herunterzuladen. Hier ist der Link zum Klassifikations-Tutorial. https://youtu.be/nZffzX_sMnk


Ich habe auch viel Erfolg mit den Bildklassifizierungswerkzeugen in ArcGIS (http://resources.arcgis.com/en/help/main/10.2/index.html#//00nv00000008000000). Die Dokumentation ist großartig und die Ergebnisse waren sehr genau.

Die unbeaufsichtigte Klassifizierung ist schwierig, da die Definition der Anzahl der Klassen immer zu einem gewissen Grad an Vermischung führt. Auch bei relativ einheitlichen Landbedeckungstypen (z. B. Wald oder Wasser) gibt es immer eine gewisse Variabilität. Wenn Sie befürchten, dass ein bestimmtes Gebiet gemischt erscheint (d. h. ein Waldgebiet enthält verschiedene Landbedeckungstypen), kann es hilfreich sein, die spektrale Signatur jeder Klasse zu untersuchen. Sind sie spektral ähnlich? Könnten sie vielleicht zu einer einzigen Klasse zusammengeführt werden oder sind sie verschieden? Brauchen Sie mehr oder weniger Kurse? Dies sind die Arten von Fragen, die Sie sich stellen müssen.

Sobald Sie mit der Untersuchung der Unterschiede/Ähnlichkeiten zwischen den Klassen beginnen, werden Sie möglicherweise feststellen, dass Ihre Daten mehrere verschiedene Landbedeckungsklassen enthalten. In dieser Phase sollten Sie eine überwachte Klassifizierung in Erwägung ziehen. Dazu können Sie ArcGIS, ERDAS oder das QGIS-Tool verwenden, das in der vorherigen Antwort empfohlen wurde.

Sie können auch einen Mehrheitsfilter für Ihre anfängliche Klassifizierung verwenden (http://help.arcgis.com/en/arcgisdesktop/10.0/help/index.html#//009z00000037000000.htm). Dadurch werden einige fehlerhafte Pixel entfernt, indem sie mit ihren nächsten Nachbarn zusammengeführt werden.

Letzter Ratschlag. Auch wenn einige Pixel im Vergleich zu hochauflösenden Orthesen falsch klassifiziert oder "gemischt" erscheinen können, können Sie durch eine Genauigkeitsbewertung (z. B. eine Konfusionsmatrix) die Genauigkeit Ihrer Klassifizierung angeben. Keine Klassifizierung ist perfekt, daher ist es wichtig, ihre Genauigkeit anzugeben.

Viel Glück!


Schau das Video: Bodenschätze: Verfügbarkeit u0026 Konflikte - Rohstofflagerstätten und fossile Energieträger