Теперь небольшое отступление. Для создания классификаций необходимо обладать определённым знанием контекста ситуации. Это в том смысле, что вы элементарно должны представлять себе, что находиться на вашем космоснимке в конкретных локализациях — ну например, надо четко представлять, где у вас на снимке лес, водная поверхность, городская застройка и т.д. Такая информация нам сейчас пригодиться. Представим, что на снимке ниже, обведённый контур является пашней. Чтобы дать указание программе запомнить эту информацию, на панели инструментов Image Classification выбираем инструмент рисования, как принято выражаться, обучающей области (Draw training polygon) и обводим фрагмент снимка, который, по нашему мнению, является пашней:
Абстрактное название Class1 и цвет являются не совсем подходящими. Поэтому, слегка подправляем этот момент:
Аналогичным образом, задаём на снимке, для примера, области для водной поверхности и пастбища:
Обратите внимание, что на карте выше, для водной поверхности (в качестве примера), искусственно захватили нехарактерный участок. Сейчас увидим, что из этого вышло:
Область классификации Вода представлена явно ошибочно из-за допущенной неточности в обводке пруда. Поэтому, мораль — для получения приемлемых результатов выделять обучающие области надо максимально тщательно. Далее подправляем этот момент и расширим нашу классификацию другими видами угодий:
Закончив эту манипуляцию, можно создать классифицированную поверхность — выбираем пункт меню Interactive Supervised Classification:
Теперь наша карта будет выглядеть следующим образом
:
На рисунке выше продемонстрировано, также, использование набора инструментов Image Analysis. В частности, может пригодиться инструмент Swipe Layer. Щёлкаем по нему (см. рис. выше), и на карте появляются маркёры, прихватив которые, можно сдвигать как шторку выбранный растр:
Создание классификации, в первом приближении закончили. Теперь, в отличии от исходного снимка, мы с какой-то степенью вероятности знаем, что конкретно (в смысле какой вид угодий) расположено в каждой локализации — на космоснимке такой информации нет! Далее можно приступать к ‘водным процедурам’ — обработке классификации различными статистическими методами и алгоритмами. Например узнать, какая вероятность того, что конкретный пиксель принадлежит к определённому классу (немного о таких алгоритмах можно посмотреть на нашем сайте здесь).
Как подготовить выразительный композит снимков Landsat для создания классификаций — смотрите здесь