LandViewer - Wijzigingsdetectie werkt nu in de browser

Het belangrijkste gebruik van teledetectiegegevens was de vergelijking van beelden uit een specifiek gebied, genomen op verschillende tijdstippen om de veranderingen die hier plaatsvonden te identificeren. Met een groot aantal satellietbeelden die momenteel in gebruik zijn, gedurende een langere periode, zou handmatige detectie van wijzigingen lang duren en hoogstwaarschijnlijk onnauwkeurig zijn. EOS Data Analytics heeft de geautomatiseerde tool van detectie van veranderingen in zijn vlaggenschip, LandViewer, dat tot de meest capabele cloud-tools behoort voor het zoeken en analyseren van satellietbeelden in de huidige markt.

In tegenstelling tot methoden waarbij neurale netwerken betrokken zijn identificeer veranderingen in de eerder geëxtraheerde kenmerken, het algoritme voor verandering detectie geïmplementeerd door EOS toepassingen een op pixels gebaseerde strategie, wat betekent dat de wijzigingen tussen twee multiband-rasterafbeeldingen mathematisch worden berekend door de pixelwaarden van één datum af te trekken van de pixelwaarden van dezelfde coördinaten voor een andere datum. Deze nieuwe handtekeningfunctie is ontworpen om de taak van het detecteren van wijzigingen te automatiseren en nauwkeurige resultaten te leveren met minder stappen en in een fractie van de tijd die nodig is in vergelijking met ArcGIS, QGIS of andere GIS-beeldverwerkingssoftware.

De interface voor wijzigingsdetectie. Beelden van de kust van de stad Beiroet geselecteerd om de ontwikkelingen van de afgelopen jaren te identificeren.

Detectie van veranderingen in de stad Beiroet

Onbeperkte toepassingsmogelijkheden: van landbouw tot milieumonitoring.

Een van de primaire doelen van het EOS-team was om een ​​complex veranderingsdetectieproces voor teledetectiegegevens toegankelijk en gemakkelijk te maken voor onervaren gebruikers uit niet-GIS-industrieën. Met de wijzigingsdetectietool van LandViewer kunnen boeren snel gebieden identificeren die schade aan hun velden hebben geleden door hagel, storm of overstromingen. In bosbeheer, detectie van veranderingen In het satellietbeeld zal het nuttig zijn voor het schatten van verbrande gebieden, na een bosbrand en voor het detecteren van illegale houtkap of invasie van bosgebieden. Het observeren van de snelheid en omvang van klimaatverandering (zoals smeltend poolijs, lucht- en waterverontreiniging, verlies van natuurlijke habitat als gevolg van stadsuitbreiding) is een voortdurende taak van milieuwetenschappers, en nu kunnen ze dat in enkele minute. Door de verschillen tussen het verleden en het heden te bestuderen met behulp van jarenlange satellietgegevens met de wijzigingsdetectietool van LandViewer, kunnen al deze industrieën ook toekomstige veranderingen voorspellen.

Voornaamste gevallen van detectie van veranderingen: overstromingsschade en ontbossing

Een foto zegt meer dan duizend woorden en de detectiemogelijkheden van verandering met satellietbeelden in LandViewer Ze kunnen het best worden gedemonstreerd met voorbeelden uit de praktijk.

Bossen die nog steeds ongeveer een derde van het wereldoppervlak beslaan, verdwijnen in een alarmerend tempo, voornamelijk als gevolg van menselijke activiteiten zoals landbouw, mijnbouw, vee grazen, houtkap en ook natuurlijke factoren zoals bosbranden. In plaats van massale surveys uit te voeren, op een terrein van duizenden hectares bos, kan een bostechnicus regelmatig de veiligheid van bossen controleren met een paar satellietbeelden en automatische detectie van veranderingen op basis van NDVI (Normalised Difference Vegetation Index). .

Hoe werkt het? NDVI is een bekend middel om de gezondheid van vegetatie te bepalen. Door het satellietbeeld van het intacte bos te vergelijken met het beeld dat werd verkregen net nadat de bomen waren gekapt, zal LandViewer de veranderingen detecteren en een verschilbeeld genereren dat de ontbossingspunten benadrukt, gebruikers kunnen de resultaten downloaden in .jpg, .png- of .tiff-indeling. De overgebleven bosbedekking zal positieve waarden hebben, terwijl de geruimde gebieden negatieve waarden zullen hebben en in rode tinten zullen worden weergegeven, wat aangeeft dat er geen vegetatie aanwezig is.

Een ander beeld van de omvang van ontbossing in Madagaskar tussen 2016 en 2018; gegenereerd uit twee Sentinel-2 satellietbeelden

Een andere wijdverbreide use case voor het detecteren van veranderingen is de beoordeling van schade door overstromingen in de landbouw, die van groot belang is voor boeren en verzekeringsmaatschappijen. Elke keer dat overstromingen een zware tol hebben geëist van uw oogst, kan de schade snel in kaart worden gebracht en gemeten met behulp van op NDVI gebaseerde algoritmen voor veranderingsdetectie.

Resultaten van de Sentinel-2 scènewisselingsdetectie: de rode en oranje gebieden vertegenwoordigen het overstroomde deel van het veld; de omringende velden zijn groen, wat betekent dat ze de schade hebben vermeden. Flood of California, februari van 2017.

Hoe wijzigingsdetectie in LandViewer uit te voeren

Er zijn twee manieren om de tool te starten en te beginnen met het vinden van verschillen in multi-temporele satellietbeelden: door op het rechter menupictogram «Analysetools» te klikken of op de schuif Vergelijking, wat het handigst is. Momenteel wordt de detectie van wijzigingen alleen in optische satellietgegevens (passief) uitgevoerd; De toevoeging van algoritmen voor actieve teledetectiegegevens is gepland voor toekomstige updates.

Lees voor meer informatie deze handleiding van de veranderingsdetectietool van LandViewer. OF begin met het verkennen van de nieuwste mogelijkheden van LandViewer alleen

Laat een reactie achter

Uw e-mailadres wordt niet gepubliceerd.

Deze site gebruikt Akismet om spam te verminderen. Ontdek hoe uw reactiegegevens worden verwerkt.