Mga imahe sa Maps

Satellite ang nayon ng Nukuni sa Ono-i-Lau, Fiji. Ang Ono-i-Lau ay isang pangkat ng mga isla sa loob ng isang sistema ng hadlang na reef sa kapuluan ng Fijian ng Lau Islands. Larawan © Planet Labs Inc.

Ang mga remote na sensing na imahe ay isang grid ng mga pixel na may mga numerong halaga samantalang ang mga mapa ay gumagamit ng mga coordinate na X at Y upang matukoy ang lokasyon ng mga point, linya, at lugar (polygon) na tumutugma sa mga tampok sa mapa. Ang pagbabago ng isang imahe ng satellite sa isang mapa na may mataas na kawastuhan ay isang proseso na nangangailangan ng mga eksperto at gawain sa bukid.

Mula sa imahe ng satellite sa mapa ng reef na may mga klase na benthic

Mula sa imahe ng satellite (kaliwa) sa mapa ng reef na may mga benthic class (kanan). Ang larawan at mapa na ito ay naglalarawan ng Heron Island ng Australia, isang coral cay sa katimugang dulo ng Great Barrier Reef. Larawan © Allen Coral Atlas

Pag-uuri ng Larawan

Upang lumikha ng isang mapa mula sa isang imahe, inilalapat ang mga diskarteng klasipikasyon. Isa sa mga pinakatanyag na diskarte ay isang pagtatasa ng imahe na nakabatay sa object, isang kamakailan at makapangyarihang pamamaraan sa pag-uuri ng imahe.

pag-uuri batay sa object

Paghihiwalay at pag-uuri ng isang imahe sa panahon ng isang pagtatasa na nakabatay sa object. Larawan © GISGeography

Ang isang pagtatasa ng imahe na nakabatay sa object ang unang nagse-segment ng imahe sa mga object. Ang paghihiwalay ay batay sa mga mulma ng parang multo ng mga pixel, ang hugis at sukat ng bagay, o ang pagkakayari ng mga pixel sa loob ng bagay. Kapag na-segment ang imahe, tumutugma ang gumagamit sa bawat klase sa takip ng lupa sa ilang mga sample na bagay. Pagkatapos ay nauri ang imahe.

Classification ng Scheme

Ginagamit ang mga scheme ng pag-uuri upang magtalaga ng isang klase sa isang bagay sa imahe. Para sa mga coral reef, ang pagkakaroon ng dating kaalaman sa lugar ay makakatulong upang makilala ang mga potensyal na klase na mai-map. Ginagamit ang mga klase na ito upang makabuo ng isang klasipikasyon na pamamaraan na ginagamit upang maitaguyod ang matitinding mga survey at puntiryahin ang mga kinatawan na lugar para sa koleksyon ng data ng pagsasanay.

Nasa ibaba ang isang halimbawa ng isang hierarchical classification na ginamit para sa mga mapa sa Allen Coral Atlas na may kasamang geomorphic at benthic classification at sapat na pangkalahatan upang magamit sa pandaigdigang saklaw.

pag-uuri ng aca

Halimbawa ng Allen Coral Atlas classification scheme para sa isang atoll. Pinagmulan: Kennedy et al. 2020

Mga Survey sa Patlang

mga survey sa bukid

Tinatapos ni Snorkeler ang isang survey sa larangan. Larawan © Emma Kennedy, University of Queensland

Ang data ng patlang ay isang pangunahing sangkap ng paglikha ng isang mapa ng mataas na kalidad. Bumubuo ang data ng patlang ng isang link sa pagitan ng imahe at mga naka-map na tampok.

Mga layunin sa survey ng patlang:

  • Tukuyin ang mga klase sa tirahan na mai-map at lumikha ng isang scheme ng pag-uuri
  • Hanapin ang mga kinatawan na lugar ng bawat uri ng tirahan upang mangolekta ng data ng pagsasanay
  • Bumuo ng data na kinakailangan para sa pagkakalibrate ng imahe, tulad ng kalinawan at lalim ng tubig
  • Kolektahin ang sapat na nasusukat na mga random na puntos upang suriin ang kawastuhan ng klasipikasyon (hinulaang kumpara sa mga naobserbahang klase)

Mayroong iba't ibang mga pamamaraan na maaaring magamit upang mangolekta ng buong data para sa pagpapatunay ng pag-uuri bukod sa mga survey sa SCUBA at snorkel. Maaaring makolekta ang data gamit ang mga aerial at pang-ibabaw na drone, mga instrumento sa ilalim ng tubig tulad ng mga malayuang pinamamahalaan na sasakyan (ROVs), mga tseke mula sa bangka gamit ang isang baso sa ilalim ng manonood, o kahit na lokal na kaalaman.

diver spectral signature

Ang maninisid na pagkolekta ng spectral re fl ectance lagda para sa mga indibidwal na uri ng ilalim. Larawan © Kovacs, University of Queensland

Data ng Pagsasanay

Ang data ng pagsasanay ay anumang uri ng georeferencing na data na nakolekta para sa klasipikasyon ng imahe. Ang mga ito ay kinatawan ng mga sample na "sanggunian sa lupa" ng bawat klase sa scheme ng klasipikasyon. Ginagamit ang mga ito upang "sanayin" ang algorithm ng klasipikasyon upang makilala ang natatanging mga spectral na re-ectance pattern sa bawat klase. Maaari itong kolektahin sa maraming paraan tulad ng mga survey ng SCUBA at snorkel, mga drone ng aerial at pang-ibabaw, mga malayuang pinapatakbo na sasakyan (ROV), bangka, o kahit na lokal na kaalaman.

Pagtatasa sa Katumpakan

Ang isang pagtatasa sa kawastuhan ay isang mahalagang bahagi ng anumang proyekto sa pag-uuri at nagbibigay ng isang sukatan kung gaano katumpak ang produktong mapa. Gumagamit ito ng malayang data na "reperensiya" sa lupa upang makalkula ang isang marka ng kawastuhan na batay sa istatistika batay sa paghahambing ng hinulaang (na-mapa) na mga talata sa klase na naobserbahan sa klase. Sa madaling salita, ang mga nauri na mga pixel o inuri na bagay ay inihambing sa katotohanan, o kung ano talaga ang mayroon sa lokasyong iyon. Bagaman ang independiyenteng pagkolekta ng data ay maaaring makapag-ubos at magastos, ang data na ito ay maaari ding makuha mula sa pagbibigay kahulugan ng imahe ng mataas na resolusyon, umiiral na klasikal na imahe, o mga lokal na eksperto.

pporno youjizz xmxx guro xxx Kasarian
Translate »