マップへの画像

リモートセンシング画像は数値を含むピクセルのグリッドですが、マップはX座標とY座標を使用して、マップの特徴に対応するポイント、ライン、およびエリア（ポリゴン）の位置を定義します。衛星画像を高精度の地図に変換することは、専門家とフィールドワークを必要とするプロセスです。

衛星画像（左）から底生生物群のあるサンゴ礁の地図（右）まで。この写真と地図は、グレートバリアリーフの南端にあるサンゴ礁であるオーストラリアのヘロン島を示しています。画像©アレンコーラルアトラス

リモートセンシングデータから地図を作成するプロセスは、リモートセンシングデータの種類、規模、マッピングを行うチームなどによって多少の違いはありますが、すべての生息地で同じままである4つのステップに分けることができます。

最も一般的な手順のいくつかは次のとおりです。

リモートセンシング画像の取得
生データの処理
トレーニングと分類
検証

ここでは、これらの各ステップの概要を説明します。

1.リモートセンシング画像の取得

リモートセンシングデータには多くの種類があります。光学衛星画像、レーダー衛星画像、空中センサーからのハイパースペクトル画像、ドローン画像など。プロジェクトに使用されるリモートセンシングデータは、プロジェクトの規模、データ分析の能力、生息地の要件、および予算によって異なります。。たとえば、サンゴ礁をXNUMXつのサンゴ礁にマッピングするには、マングローブの全体的な範囲をマッピングするのとは異なるリモートセンシングデータが必要になります。経験則として、マップする領域が小さいほど、画像の解像度は高くなります。

2.生データの処理

生データは通常、使用する前に処理する必要があります。たとえば、サンゴ礁をマッピングする画像は、もや、雲量、太陽の輝き、深さの影響について修正されます。

3.トレーニングと分類

ピクセルベースの監視対象 最も一般的な画像分析手法のXNUMXつです。各クラスを表すピクセルは、トレーニングピクセルとして機能するマッピングスキームで選択されます。トレーニングピクセルは、フィールドデータまたはその他の信頼できるソースを通じて検証され、スペクトル反射率シグネチャが作成されています。マッピングされる各クラスのトレーニングシグネチャは、画像内の各ピクセルと定量的に比較され、ピクセルは、スペクトルシグネチャが最も類似しているマッピングクラスに割り当てられます。

オブジェクトベースの画像分析 は、最近のより強力な画像分類手法です。オブジェクトベースの画像分析では、最初に画像をオブジェクトに分割します。セグメンテーションは、ピクセルのスペクトルシグネチャ、オブジェクトの形状とサイズ、またはオブジェクト内のピクセルのテクスチャに基づいています。画像がセグメント化されると、ユーザーは各土地被覆クラスをいくつかのサンプルオブジェクトと照合します。次に、画像が分類されます。

4.検証/精度

精度の評価または検証は、分類プロジェクトの重要な部分であり、マップ製品の精度の尺度を提供します。独立した「地上参照」データを使用して、フィールドで予測された（マップされた）クラスと観測されたクラスの比較に基づいて、統計に基づいた精度スコアを計算します。言い換えれば、分類されたピクセルまたは分類されたオブジェクトは、現実、またはその場所に存在するものと比較されます。独立したフィールドデータ収集は時間と費用がかかる可能性がありますが、これらのデータは、高解像度の画像、既存の分類された画像、または地元の専門家の解釈から導き出すこともできます。