मानचित्र के लिए छवियां
रिमोट सेंसिंग इमेज संख्यात्मक मानों के साथ पिक्सल का एक ग्रिड है, जबकि मानचित्र एक्स और वाई निर्देशांक का उपयोग उन बिंदुओं, रेखाओं और क्षेत्रों (बहुभुज) के स्थान को परिभाषित करने के लिए करते हैं जो मानचित्र सुविधाओं के अनुरूप होते हैं। एक उपग्रह छवि को उच्च सटीकता वाले मानचित्र में बदलना एक ऐसी प्रक्रिया है जिसके लिए विशेषज्ञों और फील्डवर्क की आवश्यकता होती है।
रिमोट सेंसिंग डेटा से नक्शा बनाने की प्रक्रिया को 4 चरणों में विभाजित किया जा सकता है जो रिमोट सेंसिंग डेटा के प्रकार, पैमाने, मैपिंग करने वाली टीम आदि के आधार पर कुछ अंतरों के साथ सभी आवासों के लिए समान रहते हैं।
सबसे आम चरणों में से कुछ हैं:
- रिमोट सेंसिंग इमेजरी हासिल करना
- कच्चे डेटा को संसाधित करना
- प्रशिक्षण और वर्गीकरण
- मान्यकरण
यहां हम इनमें से प्रत्येक चरण का त्वरित अवलोकन प्रदान करते हैं।
1. रिमोट सेंसिंग इमेजरी हासिल करना
सुदूर संवेदन डेटा कई प्रकार के होते हैं। ऑप्टिकल सैटेलाइट इमेजरी, रडार सैटेलाइट इमेजरी, एयरबोर्न सेंसर से हाइपरस्पेक्ट्रल इमेजरी, ड्रोन इमेजरी आदि। किसी प्रोजेक्ट के लिए इस्तेमाल किया जाने वाला रिमोट सेंसिंग डेटा प्रोजेक्ट के पैमाने, डेटा विश्लेषण की क्षमता, आवास की आवश्यकताओं और बजट पर निर्भर करता है। . उदाहरण के लिए, एक एकल चट्टान पर प्रवाल भित्तियों का मानचित्रण करने के लिए मैंग्रोव की वैश्विक सीमा के मानचित्रण की तुलना में भिन्न सुदूर संवेदन डेटा की आवश्यकता होगी। एक नियम के रूप में, मानचित्र का क्षेत्र जितना छोटा होगा, छवियों का रिज़ॉल्यूशन उतना ही अधिक होगा।
2. कच्चे डेटा को संसाधित करना
कच्चे डेटा का उपयोग करने से पहले आमतौर पर प्रसंस्करण की आवश्यकता होती है। उदाहरण के लिए, धुंध, बादल के आवरण, सूर्य की चमक और गहराई के प्रभावों के लिए प्रवाल भित्तियों को मैप करने के लिए छवियों को ठीक किया जाएगा।
3. प्रशिक्षण और वर्गीकरण
पिक्सेल-आधारित पर्यवेक्षित सबसे आम छवि विश्लेषण तकनीकों में से एक है। प्रत्येक वर्ग का प्रतिनिधित्व करने वाले पिक्सेल को मैपिंग योजना में चुना जाता है जो प्रशिक्षण पिक्सेल के रूप में काम करेगा। प्रशिक्षण पिक्सल को फील्ड डेटा या अन्य विश्वसनीय स्रोतों के माध्यम से मान्य किया गया है और एक वर्णक्रमीय परावर्तन हस्ताक्षर बनाया गया है। मैप किए जाने वाले प्रत्येक वर्ग के लिए प्रशिक्षण हस्ताक्षर छवि में प्रत्येक पिक्सेल की तुलना में मात्रात्मक रूप से होते हैं, और पिक्सेल को मैपिंग वर्ग को सौंपा जाता है जो उनके वर्णक्रमीय हस्ताक्षर के समान होता है।
वस्तु-आधारित छवि विश्लेषण एक हालिया और अधिक शक्तिशाली छवि वर्गीकरण तकनीक है। एक वस्तु-आधारित छवि विश्लेषण पहले छवि को वस्तुओं में विभाजित करता है। विभाजन पिक्सेल के वर्णक्रमीय हस्ताक्षर, वस्तु के आकार और आकार, या वस्तु के भीतर पिक्सेल की बनावट पर आधारित होता है। एक बार छवि खंडित हो जाने के बाद, उपयोगकर्ता प्रत्येक भूमि कवर वर्ग से कुछ नमूना वस्तुओं से मेल खाता है। तब छवि को वर्गीकृत किया जाता है।
4. सत्यापन/सटीकता
सटीकता मूल्यांकन या सत्यापन किसी भी वर्गीकरण परियोजना का एक महत्वपूर्ण हिस्सा है और यह माप प्रदान करता है कि नक्शा उत्पाद कितना सही है। यह क्षेत्र में अनुमानित (मैप किए गए) वर्ग छंद प्रेक्षित वर्ग की तुलना के आधार पर सांख्यिकीय रूप से आधारित सटीकता स्कोर की गणना करने के लिए स्वतंत्र "जमीन संदर्भित" डेटा का उपयोग करता है। दूसरे शब्दों में, वर्गीकृत पिक्सल या वर्गीकृत वस्तुओं की तुलना वास्तविकता से की जाती है, या उस स्थान पर क्या मौजूद है। जबकि स्वतंत्र क्षेत्र डेटा संग्रह समय लेने वाला और महंगा हो सकता है, ये डेटा उच्च-रिज़ॉल्यूशन इमेजरी, मौजूदा वर्गीकृत इमेजरी, या स्थानीय विशेषज्ञों की व्याख्या से भी प्राप्त किया जा सकता है।