Estou interessado em uma solução de código aberto ou de baixo custo para criar camadas GIS de cobertura do solo que utilizam algoritmos de extração espectral e textural. Eu usei PCI Geomatica, ENVI e Feature Analyst VLS no passado; No entanto, essas soluções estão um pouco além da minha faixa de preço, alguma recomendação de software?
Você pode usar o GRASS GIS para isso, que suporta extração de textura e classificação de imagem com base em uma abordagem radiométrica / de segmentação. Para ter uma idéia, consulte o resumo da conferência , uma palestra planejada na Geoinformatics FCE CTU 2011.
Consulte também: http://grass.osgeo.org/wiki/Image_processing e http://grass.osgeo.org/wiki/Image_classification para obter uma visão geral.
Se entendi bem, você está procurando um procedimento de classificação supervisionada. Alguma fundamentação teórica: http://rst.gsfc.nasa.gov/Sect1/Sect1_17.html
Isso certamente é possível através da grama: http://grass.osgeo.org/wiki/Image_classification#Supervised_classification_2
Como alternativa, você também pode olhar para a saga (não estou dizendo que é melhor, apenas a conheço melhor), que também funciona muito bem com qgis e R. Há alguns vídeos demonstrando isso neste site: http: // www.uni-koblenz-landau.de/landau/fb7/umweltwissenschaften/landscape-ecology/Teaching/geostat (faça o download dos arquivos de dados para obter as apresentações).
Em todos os programas de GIS, o que você fará é definir vários pontos de referência ou polígonos em um tipo de terreno, que são extrapolados para o restante da área. Aqui está um exemplo de uma classificação de uso do solo:
E, de fato, se você desenhou seus polígonos de treinamento em qualquer programa de GIS, pode usar R para prever. Faça uma sobreposição com suas grades e, em seguida, use qualquer sistema de previsão que você desejar (por exemplo, rpart, se desejar árvores de classificação). Mais informações neste livro, na página 222: http://www.lulu.com/product/file-download/a-practical-guide-to-geostatistical-mapping/14938111
Há muito mais a dizer, seus conjuntos de treinamento devem ser representativos para sua área de estudo (talvez seja melhor gerar pontos aleatórios em R e classificá-los). Você também deve escolher seus conjuntos de dados auxiliares com cuidado e pode gerar novos se, por exemplo, a textura for uma propriedade importante.
-
Se tudo o que você deseja fazer é extrair regiões ou recursos (sem classificá-los), é mais provável que um algoritmo de segmentação seja o que você deseja. Um exemplo (implementado no SAGA GIS) é discutido neste documento: http://mirror.transact.net.au/pub/sourceforge/s/project/sa/saga-gis/SAGA%20-%20Documentation/GGA115/gga115_03 .pdf
Você seria capaz de fazer isso com o GRASS.
Você primeiro trabalhará com dados rasterizados:
Finalmente, você manipulará os dados vetoriais . v.db.select e v.class irão ajudá-lo.
fonte