3 курс - Фонд космических снимков - Задания (2024)
Работа №1. Основы работы с модулем Image Analysis for ArcGIS для обработки растровых данных
Упражнение 1. Начало работы в Image Analysis.
Упражнение 2. Улучшение отображения растровых файлов (раздел Display).
Упражнение 3. Инструменты обработки растровых данных (Clip, Mask, Composite Bands, NDVI, Pan-Sharpening и др.).
Работа №2. Мониторинг использования земель
Англ. термины: land use, land cover change
Ход работы в тезисной форме.
Часть 1. Исходные данные и управление файлами проекта.
Шаг 1. Создать структуру папок проекта SVFProject (LandCover1988, LandCover2010).
Шаг 2. Распаковать архивы со снимками в соответствующие папки.
Шаг 3. Создать новый документ ArcMap и базу геоданных для хранения файлов. Указать БГД в настройках документа ArcMap для сохранения файлов по умолчанию. Сохранить документ и БГД в папке проекта.
Чаще нажимайте на клавишу Save в процессе работы.
Часть 2. Использование Spatial Analyst для первичной обработки данных.
Шаг 1. Организовать рабочее пространство окна ArcMap: включить и расположить в нижней часть окна панели Draw и Image Classification, в меню Windows включить и расположить в правой части окна Catalog, Search, Image Analysis.
Шаг 2. Загрузить снимок 1988 года (каналы 1-5, 7). Создать композитный файл. Изучить снимок.
Шаг 3. Загрузить слой Imagery с метками из Add Data >> Base Layers... Дополнительные слои можно использовать для ориентации по снимку и при обработке изображений для идентификации классов объектов.
Шаг 4. Создать прямоугольную область с помощью панели Draw. Преобразовать ее в векторный слов, добавив в БГД с названием SFVBoundary.
Шаг 5. Вырезать область по SFVBoundary. Сохранить результат в БГД под именем AllBands1988clip.
Вопрос: Какова площадь исследуемого участка? Как ее рассчитать?
Часть 3. Работа с различными комбинациями каналов Landsat.
Описание комбинаций каналов смотреть в PDF файлах раздаточного материала к данной работе.
Рассмотреть меню Bookmark (закладки): добавление, удаление, перемещение относительно друг друга.
Часть 4. Цифровая обработка изображений - NDVI.
Шаг 1. Повторить действия по созданию композитного файла для 1988 года (1-5, 7). Вырезать по границе области.
Шаг 2. Создать файлы NDVI для обоих сроков. В настройках Image Analysis убедиться, что стоит 3 (красный-red) и 4 канал (ближный инфракрасный, Near IR). Убрать тип гистограммы на None и изменить Show to Unique Values в легенде (Symbology). Шкала Red to Green.
Визуально сравните наличие зеленого цвета на обоих снимках, включая и выключая слой NDVI 1988 и 2010. Где наиболее темный цвет? Включите слой из Base Layers... с топографией. В каких местах снимка появилась застройка.
Используйте опцию в настройках Image Analysis Scientific Output.
Часть 5. Неконтроллируемая классификация (Unsupervised Classification).
Шаг 1. Сохраните свой проект. Учитывая специфику программы ArcMap, эту операцию лучше делать часто.
Шаг 2. Используя панель Classification выполните неконтроллируемую классификацию Iso Cluster Unsupervised Tool. Выбираем файл с 1-4 каналами. Количество классов 15. Выходной файл Iso1988. 5 пикселов в классе (Minimum Class Size) и 5 в области (Sample Interval).
Шаг 3. Попробовать различные цифры, отличные от настроек по умолчанию. 5-5, 3-3…
Шаг 4. Порядок распределения по классам:
- Определить различные классы объектов, используя комбинации каналов, NDVI, Topo, Imagery. Используйте Bookmarks для быстрого перемещения по типам объектов.
- Инструмент Identify позволяет определить номер текущего класса.
- Выбрать цвета для отображаемых классов и текстовое обозначения (Water, Veg, Urgban, Soil), добавляя это обозначения за номером класса.
- Для перемещения по снимку используйте клавиши Z, X, C, V. Нажимаете клавишу и перемещаете мышку в нужном направлении.
- Используйте инструменты Swipe Layer и Flicker на панели Image Analysis при сравнении файла классификации и снимков в различных комбинациях каналов.
Шаг 5. Объединение классов выполняется с помощью процедуры Reclassify в ArcToolBox. Reclassify tool. Полученные 15 классов определить в следующие четыре класса:
1 = Вода (Water&Shadows)
2 = Растительность (Vegetation)
3 = Городская застройка (Urban)
4 = Почва (Soils)
Шаг 6. Создайте цветовую легенду для файла.
Шаг 7. Рассчитайте площадь каждого типа объектов. Для этого зайдите в Oper Attribute Table и создайте новый столбец в таблице (Add Field) с типом числовых данных Float.
Шаг 8. Повторите шаги 2-7 для снимка 2010 года.
Шаг 9. Экспортировать атрибутивные таблицы из файлов классификации в DBF (из таблицы атрибутов Table >> Export…). Для открытия таблицы выберите тип «Файлы Dbase». Оформить в Excel совместив две таблицы в одну.
Выполнить компоновку карты (пример ниже).
Список слоев
Структура БГД
Компоновка
Домашнее задание:
0. Зарегистрироваться на сайте esri и подключить в ArcMap сервис ArcGIS Online для использования онлайн-слоев с данными. Регистрационные данные необходимо ввести в ArcMap File >> Sign in... Добавление слоев производится через Add Data... >> Base Layer
1. Выполнить обработку для данных 2010 года: создать композитный файл (каналы 1, 2, 3, 4, 5, 7), вырезать фрагмент с исследуемым участком с помощью файла SFVBoundary, создать 3 вида комбинаций каналов True Color, False Color, Pseudo Color (см. файл PDF с описаниями комбинаций).
2. Создать таблицу соответствия цвета в комбинациях каналов и 4 типов данных: вода, растительность, открытая почва, городская застройка (любые рукотворные объекты).
True Color (321) | False Color (432) | Pseudo Color (742, 542) | |
Вода | |||
Растительность | |||
Почва | |||
Городская застройка |
Выучить и знать наизусть.
3. Создать Bookmarks (закладки) для типов объектов перечисленных выше. Для каждого класса создать несколько закладок (Water1, Water2...).
4. Выполнить все действия по работе для другого населенного пункта Venture, Oxnard, Comarillo западнее San Fernando Valley. Для точной идентификации используйте слои из Base Layer. Обработку производить для 1988 и 2010 года. Структуру папок и БГД делать по аналогии с SFVProject.
5. Произвести действия в части 4 и 5 данной работы для San Fernando Valley и Venture, Oxnard, Camarillo.
Работа №3. Классификация с обучением
Занятие 1.
Название папки проекта Фонд КС - Superviced Classification Project
Подготовка данных к работе.
Шаг 1. Распаковать архив с данными Cover_Change_TJohnson.zip. Создать структура папок. Распределить файлы по папкам проекта: Rasters (растровые данные), Shapefiles (векторные данные), Docs (справочная информация, документы, таблицы). Для снимков создать две папки 1999 и 2010 внутри папки Rasters.
Шаг 2 (ENVI). Выполнить атмосферную коррекцию снимков в ENVI, используя инструмент Radiometric Calibration. Для автоматизированного расчета необходимо загрузить снимков через файл MTL.
Шаг 3 (ArcMap). Загрузить снимки в ArcMap и создать комбинацию (композита) каналов. Сохраните файл ArcMap в папке проекта под именем Superviced.mxd.
Создание маски облаков.
Что такое слой-маска? Что он из себя представляет?
Шаг 1. Создать полигональный векторный файл clouds.shp в папке Shapefiles. Проекцию файла импортировать из данных снимка.
Шаг 2. Произвести векторизацию облаков и их теней на земле по снимку 2010 года.
Шаг 3. Преобразовать векторный файл clouds.shp в растр, используя инструмент Polygon to Raster (ArcToolBox). Основные параметры преобразования:
Value field: Id
Cell assignment type: CELL_CENTER
Cellsize: 30 (размер одного пиксела в единицах измерения проекции)
В опциях Environments - Extent выставить экстент (размеры) файла такие же как на снимке (Same as layer...).
Название файла clouds.tif
Шаг 4. Выполнить процедуру переопределения значений пикселов инструментом Reclassify (ArcToolBox). Первая строка (NoData) присваиваем 1, вторая - 0, третья остается без изменений. Имя файла clouds_null.tif
Шаг 5. Применяем маску на снимок 2010 года посредством умножения растр на растр.
Занятие 2.
Классификация с обучением (Superviced Classification).
Используемые панели инструментов: Image Classification
Файлы: Справочные данные.docx (таблица с координатами типов растительности)
Снимок должен быть представлен в False Color (ложные цвета) - комбинация 432.
Шаг 1. Включить панель инструментов Image Classification. В панели инструментов должен быть указан снимок 2010 года (!). Выбрать Training Sample Manager (менеджер эталонов). Увеличить масштаб до 100 000.
Шаг 2. Для введения координат объекта необходимо: а) включить редактирование любого векторного слоя; б) выбрать инструмент создания нового объекта; в) из контектного меню Absolutу X, Y. Введите следующие координаты для первого объекта (: X field type: 597412. In the Y field type: 4955985.
Шаг 3. Эталоны участков выделяются с помощью инструмента Draw Polygon на панели инструментов Image Classification. Полигоны могут быть произвольной формы. После завершения полигона, появиться строка в Training Sample Manager. Название Producing Blueberry Barren.
Используя файл Справочные данные.docx, создайте несколько строк эталонов для каждого типа растительности, представленного в таблице с координатами. Для дешифрирования подобных объектов ориентируйтесь на цвет и текстуру растровой поверхности.
Используйте кнопку Merge Training Sample для соединения нескольких эталонов одного типа.
Изучите Reset Class Value (сброс значения класса). Для чего он нужен?
Шаг 4. Сохраните эталоны в шейп-файл training_samples_2010.shp и в файл-эталонов (signature file) training_samples_2010.gsg.
При сохранении файла-эталонов часто появляется ошибка Failed to create signature file. Если возникает такая ошибка необходимо сохранить файл сначала на диск С:\ (в любую папку) и только затем в папку проекта.
Шаг 5. Выполнить классификацию Maximum Lakelihood (максимального правдоподобия). Cохраните результат под именем MLClass_2010.tif.
Шаг 6. Сравнить результаты со снимками ArcGIS Online (Add Data - Add Base Map).
Занятие 3.
Пост-классификация изображений.
Используемые инструменты (ArcToolBox): Majority Filter, Boundary Clean.
Шаг 1. Majority Filter: Number of Neighbours to Use: FOUR или EIGHT. Сравнить результаты.
Шаг 2. Boundary Clean. Настройки: Sorting Technique - ASCEND, снять галочку с Run expansion...
Шаг 3. Region Group.
Шаг 4. Set Null.
Шаг 5. Nibble.
Примерный вид модели:
Выполнить те же действия в "Классификация с обучением (Superviced Classification)" и "Пост-классификация изображений"для снимка 1999 года.
Сравнение изменений
Шаг 1. Для выполнения анализа, нам необходимы только первый класс. Выполняем Reclassify, первым двум классам (blueberry) присваиваем 1, остальным NoData.
Шаг 2. Производим вычитание растров 2010 - 1999 (функция Minus).
Получаем следующие значения:
0 - нет изменений;
1 - новые площади культуры;
-1 - уменьшение площади культуры.
Шаг 3. Рассчитайте площадь в новом растре. Переведите кв. м в га. Создайте таблицу сравнения.
Домашнее задание:
1. Выполнить обработку снимков 1999 и 2010 года по указанной выше методике.
2. Создать 2 компоновки: 1 - два снимка после классификации с единой легендой; 2 - сравнение изменений, таблица со значениями, одна карта-вставка с комбинацией каналов 432.
3. Создать работающую модель по процедурам пост-классификации.
Работа №4. Создание мозаики из сцен космических снимков. Пространственное улучшение снимков (Pan-sharpening)
Название папки проекта Фонд КС - Pan-Sharpening, Mosaicking
Подготовка данных к работе.
Landsat8.zip, CASPIAN1_MSS.IMG, CASPIAN2_MSS.IMG, CASPIAN3_TM.IMG
Папка Rasters.
Pan-Sharpening. ArcMap.
Шаг 1. Распаковать Landsat 8 в папку Rasters. Рассмотреть размеры файлов. Особенности каналов Landsat 8 (другая номерация).
Шаг 2. Загрузить каналы в ArcMap. Какие типы разрешений космической съемки вы знаете? В чем их отличие? Используя, вкладку Source в свойствах слоев определите пространственное и радиометрическое разрешение снимка Landsat 8. Сравните его с данными каналов Landsat 5.
Шаг 3. Панхроматический канал - спектральный диапазон (от синего до ближнего инфракрасного). Какие каналы используются для улучшения изображения.
Шаг 4. Sharpening в Image Analysis. Методы совмещения изображений - Blend, Mean, Max, Min.
- Настройки улучшения (методики Shmidt, esri, Brovey Transform). Обратить внимание на коэффициенты при каждом канале при выборе разных методов.
- Создать несколько растров, используя методы Shmidt, esri, Brovey Transform. Сравнить полученные растры между собой.
Мозаика изображений. ArcMap
Шаг 1. Подготовка данных для мозаики.
Изучение типов данных. 2 снимка MSS и 1 TM. Разница в цветопередаче.
Определение мозаики изображений. Коррекция цвета.
Шаг 2. Создание слоя-маски. Как создать растр-маску со значениями внутри снимка 1, а за пределами 0?
-Создание маски. Маска SetNull значения > 0
- Reclassify поменять 0 и NoData.
- Extract by Mask. Растр вырезаем растру.
Шаг 3. Создание мозаики. Blend + Color Correction
Создание мозаики. ENVI, инструмент Seamless Mosaic
Шаг 1. Загружаем необходимые файлы в ENVI.
Шаг 2. Находим инструмент Seamless Mosaic:
Main - загружаем файлы, ставим Data Ignore Value 0, располагаем снимки в нужной последовательности.
Color - Histogram Matching
Seamlines/Feathering - линия сшивки снимков, Auto Generate Seamlines и корректируем Feathering Distance во вкладке Main.
- Иконка Define Output Area (вырезать по области) - выделяем область и нажимаем Enter до появления толстой пунктирной линии.
Export - экспортируем в TIFF, выбирая те каналы, которые нам нужны.
Show Preview - просмотреть предварительный результат.
Домашнее задание:
Скачать 3 смежных снимка на любую территорию субъекта РФ.
Компоновка 1. Пространственное улучшение изображений: Использовать один из снимков.2 карты-врезки сравнения пространственного разрешения обычных каналов и после обработки.
Компоновка 2. Мозаика из снимков Landsat (выполнить в ENVI). Использовать все 3 снимка.
Работа №5. Цифровые модели местности (ЦМР) суши и морского дна
Ссылки:
GIS Lab Геоданные: http://gis-lab.info/qa/data.html
SRTM (теория и ссылки): http://gis-lab.info/qa/srtm.html
ETOPO2 (теория и ссылки): http://gis-lab.info/qa/etopo2.html
SRTM 90M: http://opentopo.sdsc.edu/raster?opentopoID=OTSRTM.042013.4326.1
Контуры Азовского и Черного морей (поисковый запрос в GOOGLE): azov sea shapfile, black sea shapefile
Задача: создать физико-географическую карту бассейна Черного и Азовского морей.
1. Скачать данные.
2. Вырезать по контурам морей рельеф, батиметрию (Clip, Mask).
3. Создать шкалу для легенды (см. ниже).
4. Присвоить цветовую шкалу.
5. Оформить компоновку с двум шкалами (для суши и для моря).
Легенда для суши (цветовая шкала Elevation 1 или Elevation 2:
-5
0
50
100
150
200
300
400
500
600
700
800
900
1000
1500
2000
2500
3000
3500
4000
4500
5000
5500
Легенда для морей (цветова шкала - оттенки синего):
0
100
200
500
1000
1500
2000
2500
Обновлено (26.02.2024 15:22)