Горите в България

Стара планина, Родопите… доста гора изчезна сега

Squiffy е направил някаква “чистка” с чейнджсет 40299029, с която е затрил и сума ти гори, язовири и кво ли не. Някои от които реални обекти, които са въвеждани от потребители. Писах му да си го оправи.

Много хора опитахме да пишем. С препоръчано писмо или направо на вратата ако чукнеш да му го кажеш. Други начини за комуникация не можахме да открием

Сега виждам, че и гората на цяла Същинска Средна гора липсва. Бях едитирал много неща там на ръка. Някои са останали като поляни, но не всичко със сигурност.
От друга страна цялата планина беше една гигантска релация, която беше ултра трудна за промени.

Една примерна заявка към Overpass API, с която могат да се видят обекти, съществували преди време: http://overpass-turbo.eu/s/hVO Евентуално заявката може да бъде модифицирана за други дати, или да филтрира специфични тагове. Така както е заявката показва само ways съществуващи към 2015-01-01.

Тук се виждат два язовира които в момента ги няма. С клик на обекта се вади линк за страницата му в OSM от където пише кой кога го е изтрил и може да се покаже история на обекта.

Здравейте, отдавна не съм писал тук. Качих наскоро известно количество гори между Котел, Сливен, Карнобат и Смядово. Правени са по Landsat 8 (30m резолюция) от миналата година и полу-автоматично класифициране с QGIS. После доизкусуряване по наличните Bing и DigitalGlobe. Искат доста работа още - има вътрешни полигони за добавяне и не са особено точни на места. Опитах се да ги понацепя малко полигоните по разни пътища и граници, но са си големи. Точността като цяло прилична за големите площи гори според мен и се надявам, че може да е стимул и други да се пробват. По-дребните площи обаче страдат от ниската резолюция и там трябва да се цъка на ръка. Процедурата със Semi-automatic classification plugin-a на QGIS е сравнително проста, аз следвах tutorial в youtube :slight_smile: - после се векторизира автоматично и генерализира резултата + доста работа по чистене на грешки. Не съм пробвал със снимки от Sentinel2 - доста по-добри са откъм резолюция - 20m за инфрачервените дължини и ги пускат на средно 5-6 дена, но калибрирането им е малко отнесено. Все още не мога още да реша обаче, кое е по-добре - класифициране на Landsat/Sentinel и подобряване на точността в последствие, или бавно, но славно векторизиране на горите по пуснатите наскоро DigitalGlobe снимки.

Резолюцията можеш да я качиш още малко ьа ландсата на 15 метра. Прави се процеса pansharpening при който взима детайли от 8ми банд и комбинира цветовете от 30 метровите бандове. Аз се замислям за Сентинел, там е 10 метра резолюцията.Имам някакви опити, но не и с QGIS, можем да направим нещо, че да имаме пълно покритие на горите най накрая

Всъщност, май наизуст съм писал относно резолюцията. В туториала за Landsat 8 се ползват всички бандове, включително и панхроматичния банд, така че резолюцията е 15m. Подобно е и при Sentinel 2 - ползват се всички бандове - 4-те с резолюция 10m (RGB и NIR) и останалите инфрачервени, които са с 20m, като си избираш най-подходящите комбинации от бандове за класифициране на даден вид територия. Междувременно плъгинът е с нова версия, с доста полезни нови функции, които на пръв поглед ще улеснят премахването на грешки и векторизирането. Ще пробвам за някоя малка територия как е със Sentinel 2 и ще пиша.

Иначе има туториъл и за Sentinel 2, който се намира тук: https://youtu.be/FcETq8OWM0k - обяснено е всичко от сваляне на изображенията, предварителна обработка, избиране на семпли за класификация и т.н. Доста е лесен за следване. Плъгинът се тегли от настройките за плъгини на QGIS и е под името Semi-Automatic Classification Plugin (SCP). Единственото е, че изисква базово познаване на GIS/QGIS, но нищо особено сложно. Понякога дава странни грешки при теглене, но тегленето на бандовете един по един или директно (след регистрация) от https://scihub.copernicus.eu/dhus/#/home решава повечето проблеми.

Здравейте отново. Пробвах класификация на част от изображение от Sentinel 2a от края на август 2015 (гори около Враца - видя ми се добро като комбинация от прости и сложни за разпознаване гори). Класификацията правих по false color изображение (NIR-R-G - 10m):

Резултатите споделям по-долу:
След избиране на семпли и класифициране, а после отделяне само на полигоните с гори - получих следното (жълтеникавото върху true color (R-G-B) комбинация от Sentinel2 band-ове e разпознатата гора:

Ето и приближено:

След това същото, но след генерализация отново в/у Sentinel2 изображение:

Как изглежда обаче, когато го нанесем в/у Google:

Гледано в дребен мащаб - всичко изглежда доста добре, но като приближим (M 1: 10 000):

  • се вижда че методът и необходимата генерализация вкарват грешки, има грешно класифицирани гори, има проблем със сенките по склоновете, може да се филтрират още гори с минимална площ и т.н. Като цяло обаче мисля, че с последваща минимална ръчна редакция - би трябвало класифицирането по Sentinel2 да е напълно достатъчно за целите на openstreetmap. Спестява доста досадно цъкане по картата, особено при по-сложни гори.

След оправяне на грешките и още малко махане на излишни точки ще ги кача и тези гори в картата.

Класификацията не е перфектна и сигурно ще се иска валидация след това. Също дали не си вкарал твърде много заобляне, някак си се губят ръбове и детайлност ми се струва. Иначе добре е станало. Иска ми се да ги сравним с векторите които правих по Ландсат 8 преди доста години. Там се занимавах с ArcGis и си личеше огромна преднина спрямо CLC.

Ако до месец два измислим план за класификация и нейното качване, тъкмо ще имаме нови есенни снимки от Sentinel 2A и 2B с голяма честота и вероиятност за безоблачни участъци.

Разбира се, класификацията по принцип няма как да стане перфектна при тази резолюция, но за големи площи за съжаление май няма по-бърз начин. Не съм пробвал как е с ArcGIS, там сигурно нещата са доста по-добре, но за съжаление не го владея особено. Иначе валидация със сигурност ще е нужна, както и ръчно дооправяне. Ръбовете си отиват при генерализацията, за да махна “стълбите” от пикселите - губя ъглите. Още не съм доизкусурил съвсем процедурата. За съжаление 10m резолюция са за карта с мащаб до към 1:32 000… което ще рече макс zoom=14 и е трудно да се докара по-голяма детайлност без ръчно добавяне на подробности.

За сравнението с Landsat 8, ако искаш прати ми примерно някаква координатна рамка, ще класифицирам по Sentinel2 и ще ти пратя резултата като shp да ги сравниш.

Може да измислим една квадратна мрежа с географски координати примерно 5x5 или 10х10км, по които да се режат изображенията, и който желае да си заплюва квадрат и да класифицира, нещо като HOT OSM. Един квадрат по час на ден цъкане би трябвало да отнеме максимум около седмица.

И аз не го владея добре (АркГис). Тогава си спомням, че бяха голем мъки.

Ето резултатите от Ландсат 7 снимка на 15 метра. От източните Родопи:

А това е Люлин планина

И при 2те има сравнение с CLC. Спомням си че даже ги бях постнал в този форум, но хостинга е отпаднал за това време. Също сега постнатите са редуцирани от форума, иначе ако ги отвориш с Copy image location, ще излезнат оригиналните 15 метрови

Също си пазя ОСМ файла от Родопите http://46.238.34.41/f0/rodopi.zip

10 метра трябва да са доста по-добре от това и ще е хубаво ако QGIS може да се справи.

Супер, ще пробвам как е върху същата територия в Родопите с QGIS/SCP и Sentinel 2 и ще постна сравнението.

CLC-то е генерализирано много, защото мисля, че имат изискване за минимум площ от 250 декара на класифициран обект и данните са в мащаб 1:100 000. много от подробностите са заминали. Правено е за съвсем други цели и като стройна и ясна класификация на територията е супер, но точността си е като за 1:100 000 карта. За zoom до към 12 е ок, но от там нататък не става. И лошото е, че веднъж сложено - никой няма интерес и стимул да го оправя, освен че самото оправяне е доста сложно и се радвам, че не сме го качили само и само да имаме красива карта. С класифициране на Sentinel мисля, че ще понапреднем със зеленото.

Така е, мисля че затова е правена класификацията по редуцирани Spot/IRS сцени до 20м. Намерих и 5 метрова резолюция на Image 2012, която е интересно да се разгледа http://land.copernicus.eu/pan-european/high-resolution-image-mosaic/high-resolution/Image%202012/core-1-2013-cov-2-5m/view

Ако успеем да направим добра класификация, трябва и да се реши как ще се процедира със съществуващата информация, защото имаме доста добри импорти и ще е жалко да се изгубят.

Тази 5 метровата не я знаех - изглежда чудна за някои места, където DigitalGlobe са само зимни, но за съжаление по тях май няма как да стане (полу-)автоматична класификация.

Иначе смятам, че е най-коректно да запазваме наличното, а да правим класификацията на по-малки квадрати територия - така, където има застъпване ще е по-лесно да се редактира. Мисля, че е най-мотивиращо, когато се прави стъпка по стъпка, защото редактирането на голяма територия иска страшно много време и бързо писва - такъв е поне моя опит.

P.S. Все още работя над сравнението - за съжаление не остава много време, но скоро.

За сравнението не се тревожи, имаме време и задачки за правене.

5 метровата предполагам че е била с цел валидиране на класификацията по 20 метровите IRS. Иначе това е RapidEye, което толкова си и може

atari_matari, REAKTOR,

дайте някакви примерни вектори след реклас без обработка + вариант след ръчна обработка, да огледам резултата.
Дали методиката ви ще работи за храсти, влажни зони, примерно?

П.С. Пролетта качих две карета ръчно векторизирани полигони в Рила. Смятате ли, че с въпросния полуавтоматичния рекласинг може да се получи съизмеримо качество?

Поздрави,
Дидо

Аз имам само това от по-горния пост http://46.238.34.41/f0/rodopi.zip Доколкото разбирам от ръчна намеса, всичко е автоматично генерирано. По спомени тогава създадох втори растер с 2-3 цвята - за гори и води и всичко останало. После това се векторизира, заобля, изчиства от излишни точки.

Всъщност имам още една класификация, която не е толкова успешна и мисля че пазя всичко.

Под ръчно векторизиран и полуавтоматичен рекласинг какво визираш?

В https://forum.openstreetmap.org/viewtopic.php?pid=653316#p653316 atari_matarai описва методиката си на полуавтоматичен рекласинг.

Ръчно векторизран ще рече - вземаш растерна подложка и очертаваш полигони на база собствена експертиза. Такава е примерно информацията в Рила, която импортнах от BGMountains, споменах по-горе. По-добро е от всичко, което съм виждал до момента и е добър репер за сравнение на автоматични и полуавтоматични класификатори.

Ще огледам това от поста ти за Родопа. Само паншарпнати RGB-бандове ли ползваш? Би ли се пробвал на изображение с по-висока резолюция, примерно BING или друго подобно?

От Родопа значи е напълно автоматично. Все пак смятам, че не е най-перфектната класификация, но е достатъчно добра.

За Рила мисля че ти се е получило добре, преди опитвах ръчно да добавям планини по този начин и смятам че е доста тежка задача. Вариант е няколко потребители да си поделим различни зони и да ги изчертаем, но предвид наличните снимки и софтуер не мисля, че си заслужава.

Всичко е паншерпнато. По онова време имаше само Landsat7 и няма начин да не минеш през тази процедура. Landsat8 има малко по-къс обхват в инфрачервената област, заради което false color снимките излизат не толкова контрастни (но пък true colour са перфектни). От там и предположението, че стария е с по-научна цел.

За BING не съм чувал някой да прави класификации. Там са събрани различни дати от различни сезони. На всичкото отгоре растерите са така съединени, че да няма цяла снимка в един правоъгълник. Също класификацията се прави върху false colour снимка, а там са true colour. Ако разполагаме с оригиналните бандове за всяка една снимка от доставчиците на BING, може да се измисли нещо, но ще е скъпо.

Заслужава си да се опита Sentinel - добра резолюция, безплатно. Ако успеем да генерираме горите и водите (те най-лесно се получават), после може да се валидира от потребители и да се получи полуавтоматичния метод. Накрая качваме, като първо се обсъди с админите на сайта.