Обучаемая классификация в ENVI: Sentinel-2 против NAIP 1 м, одни и те же полигоны

Пошаговое руководство по контролируемой классификации в ENVI: классификация методом максимального правдоподобия и сопоставление спектральных углов на изображениях Sentinel-2 и NAIP с разрешением 1 м, разделимость ROI и неконтролируемая классификация ISODATA в ENVI над Гранд-Форкс, Северная Дакота. Эпизод 10, Часть 3. Контролируемая классификация Гранд-Форкс, Северная Дакота, в ENVI. Два изображения одной и той же области 9 x 6 км, полученные в один день: Sentinel-2 с разрешением 10 м в коротковолновом инфракрасном диапазоне и аэрофотосъемка NAIP с разрешением 1 м только с четырьмя диапазонами. Один набор обучающих полигонов, сохраненный один раз и используемый повторно, поэтому все различия обусловлены изображением, а не рисунком. Разделимость до классификации (Джеффрис-Матусита), сравнение методов максимального правдоподобия и сопоставления спектральных углов, карта NAIP с очисткой и без нее, и ISODATA для неконтролируемой версии. Соотношение открытой почвы и застроенной территории: 1,998 на Sentinel-2, 1,49 на NAIP. Классификатор предупредил нас перед запуском. РАЗДЕЛЫ 0:00 Два изображения одного и того же города 1:29 Истинный цвет, ложный цвет и инструмент ROI 2:01 Пять классов обучающих полигонов 5:53 Сохранение полигонов один раз 6:51 Sentinel-2 в ложном цвете 8:11 Разделимость перед классификацией 9:43 Максимальное правдоподобие на Sentinel-2 13:23 Спектральный угловой картограф 15:13 Две карты рядом, связанные между собой 18:33 Разделимость NAIP: предупреждение 19:55 Максимальное правдоподобие на NAIP 21:25 Сглаживание и агрегирование 25:38 Исходные данные против чистых 28:43 NAIP рядом с Sentinel-2 30:31 Без учителя: ISODATA 35:38 Выводы То же упражнение в Google Earth Engine — это часть 2:    • Land Cover Classification in Google Earth ...   ПОПРОБУЙТЕ САМОСТОЯТЕЛЬНО Загрузите снимок Sentinel-2 уровня 2A над вашей территорией, а для США — фрагмент NAIP за ту же дату. Нарисуйте пять классов один раз, сохраните их как один файл и обработайте оба изображения с помощью одного и того же классификатора. Изображения: Copernicus Sentinel-2 (ESA), USDA NAIP. ЧТО ЭТО ТАКОЕ Я преподаю географию и дистанционное зондирование, и снимаю те части работы, которые никто не снимает. Реальные лекции, реальные лабораторные работы, реальные данные из Гранд-Форкса, Северная Дакота. #ENVI #SupervisedClassification #RemoteSensing #MaximumLikelihood #Sentinel2 #LandCover #GIS #ImageClassification #SatelliteImagery