Daha çox

İnfraqırmızı şəkillər yaxınlığında saxta istifadə edərək bitki örtüyü növlərini effektiv şəkildə təsnif etmək mümkündürmü və əgər belədirsə?

İnfraqırmızı şəkillər yaxınlığında saxta istifadə edərək bitki örtüyü növlərini effektiv şəkildə təsnif etmək mümkündürmü və əgər belədirsə?


Arxa fon: Su-bataqlıq və su hövzələrini yaxşı bir uğurla ayırmaq üçün infraqırmızı görüntülərin yanında istifadə edirəm. Yeni sağlam bitki örtüyü ilə daha yaşlı böyümək və bitki örtüyü olmayan quru sahələri arasında fərq qoymaq da aydındır, amma bitki örtüyünü daha çox qrupa ayırmaq lazımdır. Digər nümunələrə baxmaq üçün ən son NRCAN (Natural Resources Canada) CANVEC (Canada Vector) bitki örtüyü məlumatlarını (atributları olan çoxbucaqlı) yüklədim və əhatə dairəsi (Kanada) və miqyası (1: 50000) nəzərə alınmaqla məlumatlar olduqca müfəssəldir. Təsəvvür edirəm ki, təsnifat yaxın infraqırmızı spektrdə Landsat 7 & 8 multispektral görüntülərin istifadəsi ilə aparılmışdır. İnanıram ki, yeni görüntülər mövcud olduqda bu məlumatlar daima yenilənir. Ən azı 14 fərqli bitki örtüyü növü var (aşağıda göstərilən növlərlə ekran şəkli). Bu necə mümkündür? Layihəmi əl ilə etmək mümkün olduğu kimi, ehtiyac duyduğum detal / miqyasda da böyük bir iş görüləcəkdir (təqribən 1: 2000).

Suallar:

Xüsusi saxta NIR yüksək qətnamə şəkillərindən istifadə edərək bitki örtüyünü oxşar kateqoriyalara necə səmərəli təsnif edə bilərəm?

Kifayət qədər dəqiq bir avtomatlaşdırılmış proses varmı və ya bu vizual / əl ilə edilir?

Bitki örtüyünü bu şəkildə təsnif etmək üçün istifadə edə biləcəyiniz tipik bir üsul nədir?

CanVec Bitki kateqoriyası görüntülərdən təsnif edildiyi kimi:

Xüsusi görüntülərimizin tipik nümunəsi. Bu sahəni əl ilə ayırd edə bilərəm və bəlkə də bəzi kateqoriyalar üzərində işləyə bilərəm, lakin bu, məlumatlarımızın yalnız bir hissəsidir və bütün ərazini bitirmək çox uzun vaxt aparacaqdır.


Təsvir etdiyiniz siniflərdə iştirak etmək üçün mürəkkəb bir təsnifat alqoritmi və görüntüdən əldə edilmiş köməkçi məlumatları daxil etməlisiniz. İki yanaşmanı tövsiyə edərdim: 1) eCognition kimi IS proqramını istifadə edən bir obyekt yönümlü görüntü seqmentasiyası (IS) yanaşması və ya 2) R. istifadə edərək piksel əsaslı metrik olmayan, qərar ağacı (Random Forest) yanaşması. bölünmüş şəkil obyektlərinin Random Meşələr təsnifatına imkan verir.

Hər iki yanaşma ilə NDVI və EVI kimi toxuma və bitki örtüyü indeksləri də daxil olmaqla bir neçə köməkçi məlumat qatını əlavə edərdim. Həm R, həm də eCogition bu məlumat qatlarını istehsal etmək və təhlilə daxil etmək qabiliyyətinə malikdir. Tədqiqatçıların 5% meşə quruluşunu izah edən% 85 dəqiqlik (Kappa 0,80) əldə edə biləcəyi bir iş var (burada təqdimat). Şübhə edirəm ki, CanVec-də təsvir olunan sıx, açıq və seyrək xüsusiyyətlərə sahib olmaq üçün bu yanaşmanı etməlisiniz.

Tövsiyə olunan oxu

Wood, E. M., Pidgeon, A. M., Radeloff, V. C., & Keuler, N. S. (2012). Bitki örtüyü quruluşunun uzaqdan hiss olunan bir ölçüsü olaraq şəkil toxuması. Ətraf Mühitin Uzaqdan Algılanması, 121, 516-526.


Tidal Marsh Monitorinqi

Hava fotoşəkilləri məsafədən zondlama tətbiqləri üçün əsasdır və suyun drenajı, kanal inkişafı, bitki örtüyünün kolonizasiyası və geomorfik dəyişikliyin vizual sənədləri üçün dəyərli vasitədir. İlkin əldə etmə bərpa edilmədən əvvəl olmalıdır və mümkünsə bərpa olunduqdan sonra ərazinin ilkin cavabını sənədləşdirmək üçün ilk beş il ərzində hər il fotoşəkillər alınmalıdır. Yanlış rəngli infraqırmızı hava fotoşəkilləri, böyümək mövsümünün zirvəsində aşağı dalğalanma zamanı çəkilməlidir. Saytın ölçüsündən asılı olaraq, bir ərazini əhatə etmək üçün birdən çox fotoşəkilin kafellə örtülməsi lazımdır. Hava görüntüləri ilə bir mozaika inkişaf etdirmək üçün şəkil plitələrinin% 20 ilə üst-üstə düşməsini təmin edin. Monitorinq stansiyalarında yerləşdirilmiş qeydə alınmış hədəflər və ya əlamətdar yerlər hava fotoşəkillərinə istinad etmək üçün istifadə edilə bilər. Əks təqdirdə, vaxta qənaət etmək və tutarlılığı qorumaq üçün hava fotoqrafiya şirkətindən mozaika və georeferans şəkillərini istəyin. Hava şəkillərinin ardıcıl piksel çözünürlüklü olmasını təmin edin (ekranda görünən 1 piksellə təmsil olunan torpaq sahəsi), beləliklə hava fotoşəkilində görülən dəyişikliklər görüntü çözünürlüğündeki dəyişikliklərlə əlaqəli deyil. Coğrafi İnformasiya Sistemləri (CİS) proqramı bitki örtüyündə duz bataqlığının örtülməsini qiymətləndirmək, kanalları rəqəmsallaşdırmaq və kanal inkişafını qiymətləndirmək və torpaq örtüyü növlərinin məkan dərəcəsini təyin etmək üçün istifadə edilə bilər (ERDAS Imagine və ya digər proqram təminatı ilə). Coğrafi İnformasiya Sistemləri (CİS) proqramı bitki örtüyündə duz bataqlığının örtülməsini qiymətləndirmək, kanalları rəqəmsallaşdırmaq və kanal inkişafını qiymətləndirmək və torpaq örtüyü növlərinin məkan dərəcəsini təyin etmək üçün istifadə edilə bilər (ERDAS Imagine & reg və ya digər proqram təminatı ilə).

Uzaqdan Algılama

Gelgit bataqlıqlarında məsafədən zondlama üçün üç tətbiq təqdim edirik:

Uzaqdan Algılama: Yaşayış növləri

Habitat dağılımı, yaxınlıqdakı infraqırmızı zolaq və kosmik proqramı (ERDAS Imagine & reg və ESRI ArcGIS & reg kimi) ehtiva edən hava görüntülərindən istifadə edərək əsas su hövzələri üçün sərhədləri təsnif etmək, ayırmaq və rəqəmləşdirmək üçün qiymətləndirilə bilər. Yaşayış bölgüsü dağılımı, əsas su kanalları üçün sərhədləri təsnif etmək, ayırmaq və rəqəmləşdirmək üçün infraqırmızı hava fotoşəkilləri və məkan proqramı (ERDAS Imagine və ESRI ArcGIS kimi) istifadə edilərək qiymətləndirilə bilər. Yaşayış yerləri təsnifatları yerli bitki mənşəli icma tiplərinə əsasən aparılmalıdır və bunlar aşağıdakıları əhatə edə bilər: dəniz yosunu, aşağı gelgit bataqlığı, yüksək gelgit bataqlığı, şirin su bataqlıqları, meşəlik sulak ərazilər, dağlıq və dayk / levee. İllik bitki örtüyü tədqiqatları zamanı toplanan yaşayış və icma tərkibi məlumatları (bax: Bitki örtüyü), habelə şəxsi ərazi məlumatları hər bir yaşayış yerinin təsnif edilməsinin məkan səviyyəsinin təmizlənməsi və incəldilməsi üçün istifadə edilə bilər.

Uzaqdan Algılama: Kanallar

Formalaşma və hərəkət kimi kanal allometriyasındakı dəyişiklikləri sənədləşdirmək üçün görünən kanalların eni və uzunluğunu rəqəmləşdirmək üçün aşağı dalğalı hava fotoşəkilləri və ArcGIS & reg istifadə edin. Daha yüksək çözünürlüklü kanal xəritələşdirilməsi üçün sayt GPS istifadə edərək piyada xəritələnə bilər və əlavə kanallar ArcGIS & reg daxilində kanal sifarişi ilə daha da rəqəmləşdirilə və təsnif edilə bilər. İllər arasında müqayisə üçün dəyişmə aşkarlanmasının fərqli aşkarlama qabiliyyətindən çox, müşahidə olunan fərqlərə əsaslanması üçün ardıcıl bir qətnamə miqyası lazımdır.

Uzaqdan Algılama: Böyük odun qırıntıları

Odun qırıntıları yuxarı axın mənbələrindən nəql edilərək bir hündürlüyə yerləşdirilə bilən yıxılmış ağaclara, kütüklərə, kötüklərə və kök çubuqlara aiddir. Böyük odun qırıntıları (LWD) balıq və digər estuarin növləri üçün əhəmiyyətli yaşayış quruluşu təmin edir və su axınlarını, sürətlərini, çöküntü daşınmasını dəyişdirə bilər. Bundan əlavə, LWD-nin parçalanması balıq və digər su növləri üçün əhəmiyyətli onurğasız yırtıcı ehtiyatları dəstəkləyə bilər və aşağı qradiyent axınlarda kanal və axın sahilində sabitlik təmin edə bilər. LWD-nin yığılması bir kanalın bütün genişliyini əhatə edən qarışıqlıq yarada bilər. Bu təbii hadisələr ümumiyyətlə balıqların keçməsinə mane olmur, əksinə yeni kanallar yaratmaqda faydalı ola bilən arxa su şəraiti və hovuzlar yarada bilər. LWD-nin təyini çətin ola bilər, çünki bu, əsasən yaşayış mühitindən və ya hidroloji əhəmiyyətdən asılıdır. Buna baxmayaraq, Washington Ekologiya Departamenti LWD-ni mövcud qeydlər olaraq təyin edir & gt 10 sm diametrdə və ən azı 1 m uzunluqdadır (Janisch 2006). Bununla birlikdə, LWD-nin ölçüsünü və hərəkətini hava fotoşəkillərində rəqəmləşdirərək izləmək üçün LWD-nin ölçüsünün daha böyük ölçülü bir sinifə uyğunlaşdırılması lazım ola bilər.


Bitki örtüyü indekslərindən istifadə edərək şəhər bitki örtüyünün xəritələşdirilməsi üçün fəzalı video uzaqdan zondlama

Şəhər böyüməsi sürətlə böyüyən urbanizasiya səbəbindən vacibdir. Şəhərlərin davamlı böyüməsinə və baxımlı ekologiyaya sahib olmasını istəyiriksə, ağıllı və səmərəli şəhər bitki örtüyü izləmə sistemi inkişaf etdirməliyik. Bu sənəd bir avtomobilə quraşdırılmış dəyişdirilmiş GoPro kameranın istifadəsinin mümkünlüyünü araşdırır. GoPro kamerasının obyektivi mavi, yaşıl və yaxın infraqırmızı lent əldə etmək üçün NDVI-7 lenslə əvəz olundu. Dörd bitki indeksinin performansı sınaqdan keçirildi: Mavi normallaşdırılmış fərq bitki örtüyü indeksi (BNDVI), Yaşıl normallaşdırılmış fərq bitki örtüyü indeksi (GNDVI), Yaşıl-göy rəngli normallaşdırılmış fərq bitki örtüyü indeksi (GBNDVI), Mavi geniş dinamik sıra bitki örtüyü indeksi (BWDRVI). Bu göstəricilərə əsasən səhnədəki obyektləri bitki örtüyü və ya bitki örtüyü kimi təsnif etmək üçün ikili təsnifat aparıldı. Nəhayət, hər indeksin dəqiqliyi üç fərqli tədqiqat yerində qiymətləndirildi. Nəticələr göstərir ki, GBNDVI bütün tədqiqat sahələri üçün 95,10% orta təsnifat dəqiqliyi ilə verilən tapşırıq üçün ən yaxşı nəticə göstərir.

Bu abunə məzmununun önizləməsidir, təşkilatınız vasitəsilə giriş.


İnfraqırmızı yaxınlıqdakı görüntülərdən saxta istifadə edərək bitki örtüyü növlərini effektiv şəkildə təsnif etmək mümkündürmü və əgər belədirsə? - Coğrafi İnformasiya Sistemləri

Cövhər mədəni əvvəlki kimi deyil. Yüz il əvvəl bir mis əməliyyatı və ya bir qızıl yatağı üzərində bir mədən əməliyyatı baş verdikdə, paltar tez-tez yerli floranı qoparacaq, ərazini qazacaq və yaranan tullantıları və dağıntıları ən yaxın təmiz çay və ya çiçəkli çəmənliyə atacaqdı. Ancaq daha tez-tez belə mədən işləri ətrafdakı torpağı ağır metallarla çirkləndirdi və ya yaxınlıqdakı göllərdə turşuluğunu balıq üçün ölümcül səviyyəyə qaldırdı. Nəticə olaraq, inkişaf etmiş ölkələrin əksəriyyətində mədən əməliyyatları artıq ciddi qaydalara riayət etməli və ətraf mühitlə qorunan ərazilərdən uzaq olmalı, tullantılarını təhlükəsiz şəkildə atmalı və bitdikdən sonra ərazini əvvəlki vəziyyətinə yaxınlaşdırmalıdır.


Bu qərarlar Amerika Qərbindəki kimi yerlərdə ətraf mühit üçün möcüzələr yaratsa da, şirkətlər indi qazma üçün uyğun sahələr tapmaq üçün də böyük bir xərcləməli oldular. Mədən əməliyyatlarında uyğun sahələr axtararkən və dünya mənbələrinin uzunmüddətli bir qeydini aparmaq üçün ABŞ Geoloji Araşdırması (USGS) iki il əvvəl Qlobal Mineral Resurslarının Qiymətləndirilməsi Layihəsini başlatdı. Layihənin məqsədi dünyada tanınan qızıl, mis və dəmir kimi metal filizi yataqlarının harada meydana gəldiyini və yeni yataqların tapılma ehtimalını əks etdirən bir sıra hesabatlar hazırlamaqdır.

Bu iddialı səylərin bir hissəsi olaraq, geoloq Larry Rowan və USGS-də bir qrup tədqiqatçı, potensial minerallaşmış sahələrin kosmosdan tapılması yollarını inkişaf etdirirlər. Terra peykinin göyərtəsində yeni Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) alətindən istifadə edərək, İran və Pakistanın qərbində mis ehtimal olunan yerləri tapmağa çalışırlar. Testləri müvəffəq olarsa, ASTER və gələcək peyklər geoloqlara alüminiumdan qalaya qədər istənilən miqdarda metal filizini dəqiq təyin etməkdə kömək edə bilər.

Kuyruk yığınları, Alyaskada Kennecott Mis Mədəninin tərk edilmiş binalarının yanında yüksəlir. Bu mədən sahəsi kəşfiyyatçılar qeyri-adi yaşıl qayalara casusluq etdikdə aşkar edilmişdir. Yeni peyklər müasir kəşfiyyatçılara mineral yataqlarını uzaqdan xəritələşdirməyə imkan verir. (Şəkil nəzakətli Tarixi Amerikan Mühəndisliyi Qeydləri)

& # 8220Hazırda ASTER həqiqətən yeganə praktik həlldir. Potensial minerallaşmış sahələri qlobal və ya regional miqyasda tapmaq üçün spektral qabiliyyət və coğrafi əhatə dairəsi birləşən yeganə alətdir & # 8221, deyir Rowan. Dünyadakı mineralların xəritələşdirilməsinin nə yerdə, nə də təyyarədə həyata keçirilə biləcəyini izah edir. Xərclər çox böyük olardı. Bu qədər böyük bir araşdırmanı həyata keçirməyin yeganə yolu uzaqdan zondlama peyklərinin istifadəsidir. Əvvəlki peyk alətlərindəki problem, Yerin böyük hissələrini görə bildikləri halda, metal filizini aşkar etmək üçün lazım olan geoloji məlumatları aşkar etmək qabiliyyətinə sahib olmamaları idi.

Dünyadakı ən qədim və ən yaxşı xəritələnmiş mis yataqlarından bəziləri İranın mərkəzi hissəsindən Pakistanın qərbinə qədər uzanan bir ərazi boyunca yerləşir. Bölgədə 6500 ildən çoxdur ki, mis hasil olunur. Hazırda ABŞ Geoloji Xidmətinin alimləri bu yataqlarla qabaqcıl kosmik termal emissiya və yansıma radiometrinin (ASTER) məlumatlarını korrelyasiya edirlər. Bu metodlar dəqiqləşdirildikdə, elm adamları dünya miqyasında potensial mis yataqlarının xəritəsini çıxara biləcəklər. (Xəritə Larry Rowan, USGS-dən uyğunlaşdırılmışdır)


1999-cu ilin dekabr ayında NASA & # 8217s Terra peykinin göyərtəsinə buraxılan ASTER aləti bu problemi həll etmək üçün qismən dizayn edilmişdir. Alət, təxminən Yer kürəsindən qütbdən qütbə qədər təxminən dairəvi bir orbitdə hərəkət edir və planetimizin səthindən görünən və infraqırmızı günəş radiasiyasının genişliyini ölçür. ASTER, 15 metrə qədər məkan qətnaməsinə malikdir və Yerin stereoskopik (3-D) şəkillərini toplayaraq dağları və qaya formasiyalarını xəritələşdirmək üçün idealdır.

Rowan və USGS komandası, mis filizinin xəritələşdirilməsində ASTER & # 8217s qabiliyyətlərini sınamağa qərar verdi. Elektrik sistemlərindən kompakt disklərə, kondisionerlərə qədər hər şeydə istifadə olunan mis, daha bahalı və faydalı qiymətli olmayan metallardan biridir. Sübut edən əsas olaraq USGS komandası, İranın şimal-qərb küncündən Zagros dağlarına və Pakistanın qərbinə qədər uzanan 500 mil uzunluğunda bir yay üzərində bilinən bir sıra mis yataqlarına diqqətini yönəltdi. Bu ərazi ilin əksər hissəsində buludsuz olduğundan və bir çox yataq Tunc dövrünün əvvəllərindən bəri qazıldığından bölgə ASTER-i sınamaq üçün idealdır.

& # 8220İrandakı uzaqdan algılamaya borc verən əmanət növləri müdaxilə yataqlarıdır & # 8221. Müdaxilə edən filiz yataqlarının yeraltı dərinlikdə meydana gəldiyini izah edir. Dünyadakı mantiya və mantoda iki tektonik lövhənin toqquşduğu yerlərdə & # 8220hotspots & # 8221 yer üzündə Yer qabığına hopur. Bu magma qranit kimi qayalar yaratmaq üçün möhkəmləndikcə, güclü istilik və təzyiq bəzən yeraltı su ilə birlikdə soyuducu maqma ilə mövcud qabıq arasındakı sərhəddə mis çöküntülərini əmələ gətirir. İranda müdaxilə yataqları ilk dəfə 10 ilə 70 milyon il əvvəl Ərəbistan plitəsi ilə Avrasiya plitəsi sərhədində meydana gəldi. Mis çöküntüləri Yer səthinin altında minlərlə ayaq əmələ gətirdi. Davamlı yüksəliş və illər, illər su, buz və külək eroziyası mis filizini mədən üçün Yer üzünə çıxardı.

Bu cür müdaxilə yataqlarını axtararkən, geoloqlar faylar və qırışlar və mümkün filiz daşıyıcı müdaxilə süxurlarını göstərən dağlar kimi böyük xüsusiyyətlərə diqqət yetirməlidirlər. ASTER şəkillərində belə geniş miqyaslı xüsusiyyətlər ümumiyyətlə asanlıqla görünür. Bu müdaxilə süxurları arasındakı müəyyən yerlərdə axtarışın daraldılması, daha çox iştirak edir. Əksər metallarda olduğu kimi, mis də Yer səthində bolca mövcud deyil & # 8217; Əslində, mis Yer kürəsinin yalnız yüzdə 0,00007-ni təşkil edir. Deməli, çöküntülərin çox olduğu yerlərdə belə misin yerini tapmaq asan deyil.

& # 8220Bizim etdiyimiz şey misin bölgədə olduğunu göstərən digər mineralları axtarmaqdır & # 8221 deyir Rowan. Xoşbəxtlikdən, mis çöküntüləri yaradan eyni jeotermal proseslər, adətən, dəyişmə mineralları kimi tanınan, daha çox və daha çox nəzərə çarpan digər mineralları meydana gətirir. Muskovit, alunit, kaolnit və dəmir sulfid kimi minerallar, mis çöküntüləri ətrafında adətən bol olur. Dəmir sulfid kimi bunlardan bəziləri səth suyu və oksigen ilə reaksiyaya girərək yüksək dərəcədə görünən markerlər əmələ gətirir (Rowan et al. 2002). & # 8220Daha əvvəl Koloradodakı köhnə bir mədən sahəsindəsinizsə, nəticədə çıxan sulfatların varlığı suda buraxdıqları sarımtıldan qəhvəyi qırmızı tökmələrdə görülə bilər & # 8221.

Dəyişmə minerallarını üzə çıxarmaq təcrid olunmuş mis damar tapmaqdan daha asan olsa da, geoloqlar yenə də böyük qaya formasiyalarında dəyişiklik minerallarını toplamaq, sınaqdan keçirmək və xəritələşdirmək üçün gəzməlidirlər. Bununla birlikdə, ASTER, bu müddətdə işin həcmini və xərcini əhəmiyyətli dərəcədə azalda bilməli idi. Bütün bunlar deyildiyi kimi, ASTER Yer səthindən əks olunan və yayılan 14 fərqli dalğa uzunluğunu (rənglərini) aşkar edə bilər. Ümumiyyətlə, Yer üzündəki hər şey işığın müəyyən rənglərini əks etdirir və başqalarını mənimsəyir. Məsələn, yaşıl ot, yaşıldan başqa görünən spektrdə bütün rəngləri özünə çəkir. Dəyişmə mineralları, ümumiyyətlə daha incə rəngdə olsa da, xüsusi lentləri də özündə cəmləşdirir və əks etdirir. Rowan, görünən və infraqırmızı (rəng spektrində qırmızı rəngdən keçmiş) aralığında işığı aşkar edən peyk aləti və # 8217 sensorlarının doqquzunun dəyişmə mineralları ilə əlaqəli dalğa boylarına həssas olduğunu izah edir.

Sol tərəfdəki ASTER şəkli görünən və infraqırmızı yaxın dalğa uzunluqlarından ibarətdir, sağda üç qısa dalğalı infraqırmızı lent istifadə olunur. Qısa dalğalı infraqırmızı kompozitdəki rənglər müxtəlif qaya tiplərinə uyğundur. Çəhrayı, mis filizi ilə əlaqəli dəyişdirilmiş qranitin bir hissəsi olan serisiti (muskovitə bənzər) göstərir. (Görüntülər Mike Abrams, ASTER Science Team, JPL)


İntruziv süxurlar və yer üzünün altında möhkəmlənən magmadan meydana gələn bu muskovit qranit kimi & # 8212. Milyonlarla il ərzində qaynar su qaynayan mis və digər metalları qayalardan təmizləyir və filiz damarlarına yığır. Daha sonra eroziya səthdəki süxurları ifşa edir. (Geotectonics Field Trip-dən fotoşəkil, 2000 müəllif hüququ Dave Kimbrough, San Diego State University)


Bu şəkildəki qayalar, havadakı oksigenin pirit adlı dəmir sulfidlə qarşılıqlı təsirindən yaranan limonitlə boyanır. Dəmir sulfid mineralları və onların törəmələri mis yataqlarını göstərə biləcək bəzi göstəricilərdir. (Fotoşəkil Larry Rowan, USGS)


Mis çöküntüləri və digər filizlərlə əlaqəli dəmir sulfid mineralları suyu parlaq narıncı rəngə boyayır. Bu Missouri axını yaxınlıqdakı mədəndən axıntı ilə rənglənir. (Fotoşəkil & # 8220Milli Status and Trends & # 8217s Biological Resources & # 8221 nəzakət USGS)


Rowan deyir ki, misin ehtimalını göstərən, təsnif etdiyimiz minerallardan bir nümunə muskovitdir. Muskovit, dörddə bir qarış qalınlığa qədər nazik təbəqələrdə ayrılan şəffaf bir mineraldır. Temperli şüşədən əvvəlki günlərdə mineral sobanın pəncərələri üçün istifadə olunurdu (Isinglass). Ən çox görünən dalğa boyları mineraldan keçsə də, spektrin infraqırmızı hissəsində dalğa uzunluğunda əmilir. Bu, ASTER üzərindəki 6 bandın algıladığı eyni dalğa uzunluğudur. Bir bölgədəki muskovit səviyyələrini müəyyənləşdirmək üçün elm adamları ASTER üzərindəki 6 qrupuna vuran işığın parlaqlığını ölçürlər. Bir ərazidə göstəricilər nə qədər azdırsa (yəni sensora əks olunan işıq azdır), daha çox muskovit ola bilər.

Dəyişmə minerallarına geoloji tarixin mis yataqları istehsal edə biləcəyi ərazilərdə rast gəlinir. Yalnız bu mineralların olması, misin varlığına zəmanət vermir. [Ko-kolleksiyasından fotoşəkillər (Yapon dili), müəllif hüquqları Kyushu Universiteti]


& # 8220Muskovitin digər qaya tiplərində də ola biləcəyinə diqqət edirəm. Bu, qeyri-müəyyənliklə işləyəcək bir formulasiya deyil. Bunu fərqli geoloji xəritələrdəki qayalar kimi digər məlumatlarla birləşdirməli və mis üçün əlverişli olan müəyyən yaş və mineral birləşmələrini axtarmalıyıq. & # 8221 deyir Rowan. Muskovit mis varlığını göstərən əsas tərkib hissələrdən biri olsa da, tədqiqatı daraltmaq üçün qrupun tapması lazım olan bir sıra digər minerallar da var. Bu dəyişiklik minerallarının bir çoxu qızıl kimi digər metalların ətrafında fərqli nisbətlərdə tapıla bildiyindən, qrup mineralların nisbi bolluğunu da nəzərə almalıdır. Bundan sonra tədqiqatçılar tez-tez qaya yataqlarının yaşı, qaya formasyonlarının quruluşu və hətta ətrafdakı bitki örtüyünün qalınlığı barədə məlumatlara ehtiyac duyurlar. Bütün bu məlumatları Coğrafi İnformasiya Sistemi (CİS) proqramından istifadə edərək tək bir rəqəmsal xəritəyə gətirirlər.

Rowan, hələ də İrandakı potensial mis yataqlarının xəritələşdirilməsinin başlanğıc mərhələsində olsalar da, nəticələrinin bilinən yerlərlə çox yaxşı uyğun gəldiyini göstərir. Xəritəçəkmə müvəffəq olduğunu sübut edərsə, USGS ASTER-dən yalnız mis deyil, bütün dünyada yaxşı məruz qalmış ərazilərdə qızıl, dəmir və digər filiz yataqlarının xəritəsini hazırlayacaqdır. Bu cür xəritələr mədən şirkətlərinə ekosistemi pozmayacaq şəkildə faydalı qazıntıların tapılmasında daha sərfəli kömək edə bilər. Bu cür xəritələr ABŞ tərəfindən Şimali Amerikada tapmaq çətin olan platin kimi potensial mineral mənbələrini axtarmaq üçün də istifadə edilə bilər. Dünyadakı kasıb ölkələr bu xəritələrdən istifadə edərək öz mənbələrini araşdırmaq və iqtisadiyyatlarına sıçrayış edə bilər. & # 8220Bütün dünyada bu cür layihələrin səmərəliliyini və maliyyətini yaxşılaşdırmalıyıq & # 8221 deyir Rowan.


Gaofen-1 Görüntülərindən istifadə edərək gelgit düz bir sulak ərazidə yerli və invaziv bitki örtüyünün müəyyən edilməsi

Tərəfindən bioloji işğal Spartina alterniflorası yerli bitki örtüyünü təhdid edən Çindəki sahil sulak yerlərində geniş yayılmışdır. Kiçik icma miqyasında yerli və invaziv bitki örtüyünün paylanmasını əldə etmək, işğal mexanizmini anlamaq üçün vacibdir S. alterniflora və bataqlıq ekosistemlərinin qorunması. Uzaqdan zondlama şəkilləri bioloji müxtəlifliyin qorunmasına əhəmiyyətli dərəcədə təsir göstərə bilən bitki örtüyünü geniş miqyasda sürətli və effektiv şəkildə müəyyən edə bilər. Landsata bənzər kosmik sensorlar sulak ərazilərdəki invaziv növlərin monitorinqində tətbiq olunsa da, onların məkan qətnamələri çox vaxt işğalçı növlərin kiçik icmalarından daha qabarıqdır. Kiçik miqyaslı yerli (Phragmites australisScirpus mariqueter) və invaziv (S. alternifloraÇinin şərqindəki Chongming Island ətrafındakı bitki örtüyü cəmiyyətləri, əvvəlcə spektral xüsusiyyətlərə görə dörd təsnifçinin performansını araşdırdıq. Daha sonra, Gaofen-1 şəkillərinin uyğun bir doku pəncərə ölçüsü altındakı doku xüsusiyyətləri əlavə edildi. Bundan əlavə, etibarlı bir təsnifat əldə etmək üçün çoxsaylı təsnifat xüsusiyyətləri ilə yaradılan hərtərəfli bir təsnifat (CC) metodu təklif edildi və qonşu piksellərin xüsusiyyətləri nəzərə alınaraq CC daha da təkmilləşdirildi. Nəticələr (i) təsadüfi meşə (RF) təsnifatçının bütün digər təsnifləndiricilərdən (ii) daha çox ümumi dəqiqliyə (OA) çatdığını, faktura xüsusiyyətləri əlavə edərək OA-nı bir qədər artırdığını, lakin istehsal dəqiqliyini (PA) P. australis və istifadəçi dəqiqliyi (UA) üçün S. alterniflora azaldı (iii) CC metodu OA-nı 4.12% -ə qədər yaxşılaşdırdı və qonşu piksellərin uçotu OA-nı 93.96% -ə qədər artırdı. Kompleks metod bitki örtüyü icmaları üçün yalnız OA-nı deyil, PA və UA-nı da səmərəli şəkildə yaxşılaşdırdı və digər sulak ərazilərdə də istifadə edilə bilər.

Bu abunə məzmununun önizləməsidir, təşkilatınız vasitəsilə giriş.


3 NƏTİCƏ

25 sahil (qrup N), 18 bataqlıq (Q), 55 otlaq (R), 43 kolluq (S), 46 meşə (T) və 12 süni (V) yaşayış sahəsi daxil olmaqla 199 EUNIS yaşayış yeri üçün rəsmi təriflər hazırladıq (Cədvəl) 1) və onları ekspert sisteminə daxil etdi (Əlavə S3). 2 sahil, 3 otlaq, 1 kolluq, 8 meşə və 19 süni yaşayış sahəsi üçün rəsmi təriflər hazırlaya bilmədik, çünki EUNIS bu yaşayış yerlərini növ tərkibi və örtüyü ilə əlaqəli olmayan xüsusiyyətlərlə (məsələn, abiotik yaşayış xüsusiyyətləri, bitki örtüyü quruluşu, ardıcıllıqla) təyin edir. yaş və ya ərazi ağaclarının əkilməsi kimi mənşə). Bu qeyri-müəyyən yaşayış yerlərinin digərləri, yalnız ot tərkib hissəsinin adətən bitki örtüyü sahələrində qeydə alındığı ağac və ya kol bitkiləri və ot bitkiləri (məsələn, meşəli otlaqlar, bağlar və ya üzüm bağları) mozaikaları idi. Yaşayış yerləri EUNIS təsnifatının iyerarxik Səviyyə 3-də təyin olunsa da, Səviyyə 3-də tabe olan iki yaşayış növünün tərkibinə görə ayırd edilə bilmədiyi üçün bir yaşayış sahəsi (Q3 Palsa və çoxbucaqlı mires) Səviyyə 2-də təyin edilmişdir. Bundan əlavə, ekspert sistemində digər qrupların yaşayış yerlərinin 46 ilkin tərifi yer alır: A - dəniz (sahil duz bataqlıqları), C - daxili səth suları və H - daxili az bitki örtüklü yaşayış yerləri. Bununla birlikdə, sınaqdan keçirilməyiblər və gələcəkdə əhəmiyyətli bir düzəliş tələb edirlər.

Məlumat dəstindəki bütün 1.261.373 bitki örtüyündən 1.125.121, N, Q, R, S, T və ya V yaşayış qruplarından birinə təsnif edilmişdir. Bunlardan 784.901, hiyerarşik Səviyyə 3-dəki yaşayış yerlərindən birinə birbaşa təsnif edilmişdir (və ya Q3 üçün Səviyyə 2) və 341.944 birbaşa yaşayış qruplarına təsnif edilmişdir (yəni Səviyyə 1 yaşayış yerləri). Bundan əlavə 73.188 torpaq sahəsi əvvəlcədən A, C və H yaşayış qruplarına və ya Səviyyə 3 yaşayış yerlərinə təsnif edilmişdir, 59.745 sahə təsnifləşdirilməmiş qalmış və 3.319 sahə birdən çox yaşayış sahəsinə təsnif edilmişdir.

Diaqnostik, sabit və dominant növlərə bölünmüş EUNIS sahil, bataqlıq, çəmənlik, kolluq, meşə və süni yaşayış yerləri üçün yaranan xarakterik növ birləşmələri yaşayış yerləri siyahısında (Əlavə S1) verilmişdir və həmçinin elektron cədvəl formatında verilmişdir (Əlavə S4).

Bu yaşayış yerlərinin paylanma xəritələri habitat məlumat səhifələrinə də əlavə edilmişdir (Əlavə S1). Bu xəritələrə yalnız mütəxəssis sistem tərəfindən yaşayış mühitinə aid olaraq təyin olunan bitki örtüyü sahələrinin yerləri daxildir. Buna görə bəzi yaşayış yerləri üçün mövcud sahələrin paylanmasına görə qərəzli ola bilərlər (Şəkil 2). Potensial qərəzin böyüklüyünü qiymətləndirmək üçün müvafiq yaşayış qrupu üçün mövcud sahələrin sıxlığı arxa planda göstərilir.


Mücərrəd

Bitki örtüyünün xəritələşdirilməsi həm geologiya, həm də dağ ekologiyası üçün böyük əhəmiyyətə malikdir və məsafədən zondlama şəkillərinin yaxşılaşdırılmış həlli bitki örtüyünün daha incə miqyasda xəritələnməsinə imkan yaradır. Bitki örtüyünün avtomatik təsnifatı tədricən tədqiqat nöqtəsinə çevrildiyi halda, real vaxtda və sürətli nümunələrin toplanması dar bir problem oldu. İncə miqyaslı təsnifata və eyni zamanda avtomatik nümunə seçiminə necə nail olmaq daha çox araşdırma tələb edir. Müvafiq əvvəlcədən biliklərə əsaslanan təbəqələşdirilmiş seçmə, yerleşim obyektləri üçün təsirli bir seçmə metodudur. Buna görə də təbəqələşdirilmiş nümunə götürmə fikrinə əsaslanaraq, bu sənəddə təmsil olunan nümunələrin avtomatik seçilməsini və incə miqyaslı dağ bitki örtüyünün təsnifatını həyata keçirmək üçün aşağıdakı üç addım istifadə edilmişdir: 1) tədqiqat sahəsini təbəqələşdirmək üçün Dağ Altitudinal Kəmər (MAB) paylama məlumatından istifadə etmək. birdən çox bitki qurşağına 2) avtomatik olaraq hər kəmərdə təkrarlanan klasterləşdirmə yolu ilə nümunələrin seçilməsi və düzəldilməsi 3) avtomatik təsnifata nail olmaq üçün güclü möhkəmliyə malik RF (Random Forest) təsnifatçısı istifadə. Doqquz bitki örtüyünün orta nümunə dəqiqliyi 0,933, təsnifat nəticəsinin ümumi dəqiqliyi isə 0,910 kappa əmsalı ilə 92,2% -dir. Nəticələr göstərdi ki, bu metod avtomatik olaraq yüksək keyfiyyətli nümunələr seçib yüksək dəqiqlikli bitki xəritəsini əldə edə bilər. Bu metod ənənəvi bitki örtüyü xəritələşdirmə metodu ilə müqayisədə səmərəliliyi xeyli artırdı, bu da geniş miqyaslı ərazilərdə incə miqyaslı dağ bitki örtüyünün xəritələnməsi üçün böyük əhəmiyyətə malikdir.

Sitat: Zhang J, Yao Y, Suo N (2020) Dağ hündürlüyü qurşağına əsaslanan incə miqyaslı dağ bitki örtüyünün avtomatik təsnifatı. PLOS BİR 15 (8): e0238165. https://doi.org/10.1371/journal.pone.0238165

Redaktor: Julian Aherne, Trent Universiteti, KANADA

Alındı: 17 dekabr 2019 Qəbul edildi: 11 Avqust 2020 Nəşr olundu: 25 Avqust 2020

Müəllif hüquqları: © 2020 Zhang et al. Bu, Creative Commons Attribution Lisenziyasının şərtləri daxilində yayılmış, orijinal müəllifin və mənbənin hesaba yazılması şərtilə hər hansı bir mühitdə məhdudiyyətsiz istifadəyə, paylanmaya və çoxalmağa icazə verən açıq giriş məqaləsidir.

Məlumatların mövcudluğu: Tədqiqat zamanı təcrübə üçün istifadə olunan uzaqdan algılama görüntü məlumatlarını “Geo-Science and Technology Service Network, CAS” şirkətinə aid olan “Image Sky” dan əldə etmək mümkündür. URL: http://www.imagesky.info/#/goods Şəkil adları: 16m çözünürlüklü vahid Mozaik Şəkillər, 0,8m və 2m çözünürlüklü Ortho Fusion Şəkillər.

Maliyyələşdirmə: Bu iş, Çin Milli Təbii Elmlər Vəqfi, No. 41871350, No. 41571099 tərəfindən dəstəklənmişdir

Rəqabət maraqları: Müəlliflər rəqabət edən maraqların olmadığını bildirdilər.


Elektromaqnit spektri

Görünən kənarda görmək

Güclü təyyarələrin ilk tarixində hava fotoşəkilləri - yer üzünün yuxarıdakı şəkilləri - hərbi və elmi tətbiqlər üçün faydalı tapılmağa başladı. Görüntüləmə mütəxəssisləri və elm adamları olduqca sürətli bir şəkildə başa düşdülər ki, köməksiz insan gözündə görünəndən kənarda da aşkar etmək mümkündür. Dərin və zəngin məlumatlar görünən işığın göy qurşağının kənarından görünməyənə doğru dalğa formaları aşkar edilərək aşkar edilə bilər. Göründüyü kimi, aşkarlanması çətin olan bu spektr aləmləri ən mənalı fikirləri təqdim etdi. Bu siqnalların içərisində dünyamızla əlaqəli əvvəllər bilinməyən həqiqətlər gizləndi ki, bu da dünyamızı mümkün olduğundan daha təsirli şəkildə anlamağımızı təmin etdi.

Bu sensorların çoxu elektromaqnit spektri boyunca zolaqları ölçür və Electro-Optic (EO) sensorları kimi tanınır. Yerdəki hər şeydən əks olunan və ya yayılan günəşdən gələn enerji dalğa uzunluqlarını qeyd edirlər. Bu elektromaqnit siqnalları, əks olunan enerji spektrində görünən işıq, infraqırmızı və digər tezlik diapazonlarını əhatə edir.


Qısaltmalar

Süni sinir şəbəkəsi - bütün qatların çəkilərlə və bir aktivasiya funksiyası ilə tam birləşdirildiyi bir və ya birdən çox gizli qovşaq qatına sahib giriş vektorlu və çıxış vektorlu (neyronlar / düyünlər) olan sinir şəbəkələri.

Qərar ağacının bir ağac quruluş forması vardır və qərar qovşaqlarının iki və ya daha çox budağa sahib olduğu və yarpaq düyünlərinin təsnifatı təmsil etdiyi qərar qovşaqları və yarpaq düyünləridir. Buna nəzarət olunur və təlimə ehtiyac var. Qərar qaydaları ağacın dərinliyi artdıqca mürəkkəbləşə bilər

Eroziya, ön piksellərdən daha çox fon piksi (qonşu piksel) varsa, sərhəd piksellərini arxa pikselə çevirərək ön plan obyektini azaldır. Dilatasiya əksinədir və ön plan obyektinin sərhəd piksellərini böyüdür

Balıqçılar xətti ayrı-seçkilik təhlili - xüsusiyyət məkanını (n məlumat dəstini) alt məkana proyektləşdirin, ölçülü azalma

Çox qatlı perceptronlar, irəli ötürülən süni sinir şəbəkələridir (ANN) .MLP-yə nəzarət edilir, yəni etiketli bir təlim məlumat dəstinə ehtiyacı var [1]

Qismən ən kiçik kvadratlar reqressiyası - gizli dəyişənləri taparaq böyük bir yordayıcılar qrupundan kiçik dəyişkənlər toplusunu tapmaq üçün xətti reqressiya istifadə etmək (predikatorlar və dəyişənlərin kovaryansı)

Kvadratik ayrı-seçkilik təhlili, hər sinifin bənzərsiz bir matrisə sahib olduğu və bu səbəbdən fərqli sinif sıxlığı ehtimallarına sahib olduğu bir kovaryans matrisindən istifadə edərək təsnif edir.

Spektral bucaq eşleyicisi, fəzadakı n ölçülü vektor olan spektrlər arasındakı bucağı hesablayaraq pikselləri təsnif etmək üçün piksel spektrlərinə istinad edir [2]

Spectral information divergence compares the divergence between the observed spectra and the reference spectra where the smaller the divergence value the similar the spectra are and if they are larger than a threshold then they are not classified as the reference spectra [3]

Simplex volume maximisation selects spectral signatures that are the furthest away from each other to maximise the volume (for example healthy and diseased signatures). Once the signatures have been selected the remaining signatures are assigned to the class they are similar to

Support vector machine—machine learning process that takes data and splits it into groups/classes based on the training labelled data

Least squares support vector machine

Leaf rust disease severity index

Reflectance at NIR (near infrared)

Requires the known outcomes for a training dataset, with the training data including inputs and the corresponding expected outputs

Only the input data is supplied and the training involves the technique learning the underlying structure of the data, there is no correct output

Training the technique to learn rather than using explicit instructions and repeating the process until the objective is reached

A colour image in the red, green and blue colour space

Several wavelengths that are typically from the visible and/or near infra-red range

Hundreds of contiguous narrow bands over a spectral range

Combining wavelengths to reduce the number of wavebands and size of the images

Non negative matrix factorisation


Metodlar

Təhsil sahəsi

The study area consisted of 22,672km 2 of arid rangeland, in the region south of Lake Eyre and west of Lake Torrens, South Australia. The region contains various land types, including vegetated sand dunes, calcareous chenopod swales, stony plains, cane grass swamps, Mulga (Acacia aneura ssp. aneura) dominated sandplains, claypans and some breakaway or tableland country. Mound springs of the Great Artesian Basin occur in the northern-most paddocks of the study area. Each landsystem has different characteristic vegetation types and cover levels, and responds differently to grazing pressure. Climate is arid, with annual rainfall averaging 160mm in the south and centre (Fig 1) to approximately 100mm in the north. Annual rainfall is highly variable, both spatially and temporally. The most effective rainfall events are generally in summer, and after droughts which often extend for several years (Fig 1). Summers are generally very hot, whilst winters are cool to mild.


Videoya baxın: Dini sekiller