圖像到地圖

在斐濟 Ono-i-Lau 上的 Nukuni 村進行衛星定位。 Ono-i-Lau 是斐濟勞群島群島中堡礁系統中的一組島嶼。 照片 © Planet Labs Inc.

遙感圖像是具有數值的像素網格,而地圖使用 X 和 Y 坐標來定義與地圖特徵相對應的點、線和區域(多邊形)的位置。 將衛星圖像轉換為高精度地圖是一個需要專家和實地工作的過程。

從衛星圖像到帶底棲類的珊瑚礁地圖

從衛星圖像(左)到具有底棲類的珊瑚礁地圖(右)。 這張照片和地圖描繪了澳大利亞的蒼鷺島,這是大堡礁南端的一個珊瑚礁。 圖片 © Allen Coral Atlas

影像分類

為了從圖像創建地圖,應用了分類技術。 一種更流行的方法是基於對象的圖像分析,這是一種最新且功能強大的圖像分類技術。

基於對象的分類

在基於對象的分析過程中對圖像進行分割和分類。 圖片 © GISGeography

基於對象的圖像分析首先將圖像分割成對象。 分割基於像素的光譜特徵、對象的形狀和大小或對象內像素的紋理。 一旦圖像被分割,用戶將每個土地覆蓋類別與幾個樣本對象進行匹配。 然後對圖像進行分類。

分類方案

分類方案用於為圖像上的對象分配一個類。 對於珊瑚礁,對該地區的先驗知識將有助於確定要繪製的潛在類別。 這些類用於形成分類方案,用於設置實地調查和目標代表性區域以進行培訓數據收集。

下面是用於 Allen Coral Atlas 中地圖的分層分類示例,其中包括地貌和底棲分類,並且足以在全球範圍內使用。

aca分類

一個環礁的 Allen Coral Atlas 分類方案示例。 資料來源:肯尼迪等人。 2020年

實地調查

實地調查

浮潛者完成實地調查。 照片 © Emma Kennedy,昆士蘭大學

現場數據是創建高質量地圖的關鍵組成部分。 現場數據在圖像和映射特徵之間建立了聯繫。

實地調查目標:

  • 確定要繪製的棲息地類別並創建分類方案
  • 定位每個棲息地類別的代表性區域以收集訓練數據
  • 生成圖像校準所需的數據,例如水的清晰度和深度
  • 收集足夠的分層隨機點來評估分類的準確性(預測類與觀察類)

除了 SCUBA 和浮潛調查之外,還有多種方法可用於收集現場數據以進行分類驗證。 可以使用空中和水面無人機、遙控車輛 (ROV) 等水下儀器、使用玻璃底觀察器從船上進行抽查,甚至本地知識來收集數據。

潛水員光譜特徵

潛水員收集各種底部類型的光譜反射特徵。 照片 © Kovacs,昆士蘭大學

訓練數據

訓練數據是為圖像分類收集的任何類型的地理參考字段數據。 它們是分類方案中每個類別的代表性“地面參考”樣本。 它們用於“訓練”分類算法以識別每個類別中獨特的光譜反射模式。 這些可以通過多種方式收集,例如 SCUBA 和浮潛調查、空中和水面無人機、遙控車輛 (ROV)、船隻,甚至本地知識。

準確度評估

準確度評估是任何分類項目的重要組成部分,它提供了地圖產品準確度的衡量標準。 它使用獨立的“地面參考”數據,根據預測(映射)類與現場觀察類的比較來計算基於統計的準確度分數。 換句話說,將分類像素或分類對象與現實或該位置實際存在的內容進行比較。 雖然獨立的現場數據收集可能既耗時又昂貴,但這些數據也可以通過解釋高分辨率圖像、現有分類圖像或當地專家獲得。

por youjizz xxx 老師xxx 性別
Translate »