Différenciation du type de glace à l'aide de données satellitaires

Je voudrais classer la zone glaciaire par catégories de neige (s'il y en a) et de glace, mais ce qui est le plus important: entre la vieille glace et la glace fraîche. Ils ont des propriétés différentes qu'il est possible de reconnaître sur le terrain, mais pouvez-vous le faire avec des données satellite? (de préférence Landsat en raison d'une résolution spatiale de 30 / 15m)

— adamczi
source

Quelles sont les caractéristiques des anciennes et des nouvelles glaces sur le terrain?

— Aaron

1) La neige fraîche est beaucoup moins compacte que la vieille glace de glacier (elle devient de la glace par compactage). Par conséquent, cela peut être en quelque sorte lié à la réflectance infrarouge, qui est absorbée par l'eau. 2) La neige fraîche a également un albédo jusqu'à près de 100%, mais la vieille neige peut descendre jusqu'à ~ 40% (pas de classification stricte bien sûr). Je voudrais utiliser l'IR, car la composition True Color n'est pas aussi utile que je le souhaiterais.

— adamczi

Cela ressemble à un problème de classification d'image simple. Vous devez commencer par les données d'entraînement, qui peuvent être collectées sur le terrain ou en sélectionnant de manière experte les pixels de l'imagerie.

— Aaron

Je pense que la voie à suivre ici est un algorithme de classification supervisé tel que Maximum de vraisemblance, forêts aléatoires, etc. qui utilise toutes les bandes spectrales disponibles. Connaissez-vous ces méthodes? Je ne sais pas ce que vous entendez par "composition IR". Faites-vous référence à la création d'images composites telles que les composites à fausses couleurs (par exemple NIR, R, G)? Si c'est le cas, vous êtes très limité dans les applications de ces produits.

— Aaron

@adamczi essayez de travailler sur google-earth-engine. des algorithmes de classification supervisés seront disponibles ainsi que des données SAR (soit votre téléchargement, soit le cloud de Google).

— csheth

Réponses:

Vous devrez pour cela utiliser des données micro-ondes. Les données optiques ne suffisent pas. Si vous voulez continuer avec l'optique, dites-moi quelle méthodologie vous avez suivie. Cela dépend aussi beaucoup de la topographie, LULC de votre région. La classification des données micro-ondes n'est pas simple en soi, vous devrez consulter beaucoup de littérature et choisir la méthodologie qui vous convient le mieux. Veuillez consulter la méthodologie que j'ai suivie dans ma thèse de M.Tech: http://www.iirs.gov.in/iirs/sites/default/files/StudentThesis/Sanjay_MTech_2013-15.pdf

Veuillez demander si vous avez des questions après avoir parcouru la littérature.

— OverArch
source

Voici un exemple qui peut vous aider à démarrer sur Google Earth Engine en utilisant la bande C de Sentinel-1:

var pt = ee.Geometry.Point(96.7868, 29.31409);

// Filter collection around point. Also read up on Sentinel-1's 
// polarization 
var collection = ee.ImageCollection('COPERNICUS/S1_GRD').filterBounds(pt)
.filter(ee.Filter.listContains('transmitterReceiverPolarisation', 'VV'))
.select('VV');

// select an appropriate date
var beforesnow = collection.filterDate('2016-11-01', '2016-12-01').mosaic();
var aftersnow = collection.filterDate('2017-02-01', '2017-03-01').mosaic();

// bands for Sentinel-2
var bands = ['B2', 'B3', 'B4'];

// Some Sentinel-2 images for reference
var S2 = ee.ImageCollection('COPERNICUS/S2').filterBounds(pt)
.select(bands);
var S2before = S2.filterDate('2016-10-01', '2016-11-30').mosaic();
var S2after = S2.filterDate('2017-01-01', '2017-02-01').mosaic();

Map.addLayer(S2before, {bands: ['B4', 'B3', 'B2'], min: 300,max: 5000}, 'S2 Before');
Map.addLayer(S2after, {bands: ['B4', 'B3', 'B2'], min:873,max: 12522}, 'S2 After');

Map.centerObject(pt, 13);

// you may change the min, max later when tinkering with the layers tab in // the map
Map.addLayer(beforesnow, {min:-30,max:0}, 'Before snow');
Map.addLayer(aftersnow, {min:-30,max:0}, 'After snow');

//Some information on the Sentinel-1 collection
print('Collection: ', collection);

Vous devrez classer l'image à l'aide des algorithmes de classification supervisés mentionnés ici: https://developers.google.com/earth-engine/classification

En savoir plus sur l'utilisation de Sentinel-1 https://developers.google.com/earth-engine/sentinel1

Sur Google Earth Engine et Glaciers: http://www.geo.uzh.ch/~mzemp/share/scratch/msc/MSc.Thesis_NoahZeltner_UsingGoogleEarthEngineForGlobalGlacierChangeAssessment.pdf

Sur les zones SAR et glacier: http://www.sciencedirect.com/science/article/pii/S0034425713001703

— csheth
source