Em qui, 13 de set de 2018 às 13:08, Sérgio V. <svo...@hotmail.com> escreveu:
> Bom dia pessoal, Paulo e Gerald, obrigado pelos aportes! > Tenho muito interesse em que se possa aprimorar o processo, e/ou > facilitar, onde possível e necessário. > -Gerald, baixei o artigo, vou olhar mais a fundo, exigirá mais tempo. > -Paulo, infelizmente não apareceu a imagem exemplo que vc enviou, o > talk-list não exibe imagem, só link. Se puder mandar em link (tipo > imgur.com: https://i.imgur.com/n3LV9qJ.jpg), seria ótimo. > Sem figuras? Precisamos sair da década de 1990! Aqui, é a figura 11 desse artigo: https://www.researchgate.net/publication/249553119_Optimizing_4D_fluid_imaging > Estou tomando muito em consideração as suas colocações técnicas. > > Claro, quando cruzei B11+((1-NDVI)*4000), o objetivo foi arrastar pra fora > tudo que não é mata, na Mata Altlâtica.Serviu ali. > Ok. > Não serviu nos outros biomas. Foquei só em forest e wood. Que já me > pareceu bem identificável pelo B11, só que no B11 mistura perto de valores > de água, e é mais afetado por sombra. Por isso a de filtra pelo NDVI o que > não é matas. Usei só B11 e NDV( (B04 e B08). Não cruzei com a imagem RGB > (TCI). Só usei ela pra observar. > Quando teu problema começa a "pedir um monte de IF's" trata-se de um problema de tomada de decisão de múltiplas variáveis. Neste caso, a decisão é classificar cada pixel da imagem. Se tu tentares escrever IF's dentro de IF's para 6 variáveis, vai complicar. Na prática é um problema intratável diretamente. Para esse tipo de problema deve-se usar um algoritmo de classificação desses já sugeridos. Comece pelo crossplot B11 versus NDVI. O que ele mostra? Não tentemos abordar tudo isso de uma vez. Baby steps... > Tinha testado o "SemiAutomaticClassificationPlugin (SCP)" > https://github.com/semiautomaticgit/SemiAutomaticClassificationPlugin > Mas achei muito difícil, 200 páginas de manual. Não sou especialista > nisto. O que obtive foi lendo um tanto, catando métodos, e adaptando ou > inventando filtro conforme o necessário, como naquelas equações de > ponderação, baseado em teste e observação dos resultados. > > Do ponto de vista prático, pensava ainda no seguinte: não tenho, a > princípio, a pretensão de mapear todo tipo de landcover. Mas quem quiser, > e a comunidade concordar, claro. Pensei nas matas, por serem os agregados > de vegetação mais densos, como um obstáculo geográfico; e pouco são > mapeadas, ou razoavelmente bem, até pelo trabalho que dá, e dependendo de > conhecimento nem sempre muito preciso. Apesar de gostar de matas, acho que > são elementos acessórios no OSM. Ainda assim importantes de constar, como > base de localização, referência cartográfica. Não necessitam de enorme > resolução. Talvez ainda se pudesse baixar a resolução resultante. A ver o > que vocês acham, e a comunidade. Enfim, tenho uma preferência pessoal por > matas. Mas nada impede que um método permita mapear o resto. O objetivo é > prático, cartografar o que seja de interesse e conveniente para o OSM. > > Acredito sim que seria ótimo em termos de obtenção geral de informações > poder até ampliar as classes possíveis de detectar, ou usar mais > adequadamente se possível. É muito bem-vinda sua ideia de: "tem um ótimo > potencial para criar um classificador automático ou supervisionado robusto > e válido em qualquer lugar, o que reduziria MUITO a > quantidade de trabalho manual." Seria ótimo! Não entendi todos os passos > que vc sugeriu, sou um tanto leigo no assunto quando passa para nível mais > profundo. Vou pesquisar ainda com mais tempo o que vc falou. Se tiver uma > formulação para indicar, os índices e métodos melhores, etc, para > possibilidades de mapeamento assistido, será muito bem-vinda, ótima > contribuição! Penso num método que seja relativamente fácil. Que quem > desejar se aprofundar um pouco possa fazer no OSM. > > Seria bom se podermos encontrar meio para isso. Se quiser sugerir, podemos > usar a mesma wiki para isso. Sobretudo afinamentos técnicos. O método tem > objetivo de poder ser usado por qualquer um que tenha o interesse em se > aprofundar pra mapear. Podemos usar a seção talk da mesma wiki, quem > desejar contribuir, e ir afinando para imlplementar. > > https://wiki.openstreetmap.org/wiki/Talk:Vetoriza%C3%A7%C3%A3o_de_matas_com_Sentinel-2 > Obrigado antecipadamente pelas contribuições! Já registradas ali. > > Por outro lado, a pergunta que ainda faço é: acham que o que tem ali já > apresentaria resultado mapeável para upload ao OSM? Ainda que se possa > afinar mais coisas. > Penso sobretudo para Mata Atlântica. > Baixar mais da atual resolução? (~ 100nós/km2; curvas com 1nó/10m). > Ou poderíamos antes afinar ou ampliar mais o método? Ou concomitantemente? > > Eu acho que o método (atual) apresentou bons resultados, sobretudo nas > áreas de bioma Mata Atlântica. > Onde pensava mais em usar pra mapear, pelos seguintes motivos: > -é a área de mata mais próxima da área de maior ocupação humana no Brasil, > a faixa de 200km do litoral; é a que mais se transita; > -pode ser feita em tiles parciais; dificilmente uma área extrapola muito > uma imagem; > -já no bioma Amazônia não, área de mata extrapola muito uma imagem; > precisaria fazer tudo junto, ou ir grudando as matas de cada tile, ou gerar > mega multi-polígonos; eu deixaria pra outro momento, mas se alguém quiser > abraçar esta área, mapear assistidamente, legal; > -cerrado tem alguma mata densa, mais ciliar; mapeia rápido, acredito; > porém é extenso. > -caatinga tem pouca mata densa, não gera uma cobertura; ficaria mais pra > "natural=scrub"; e cobre todo o terreno, quase homogeneamente; não como um > destacado objeto geográfico; mas pode ser feito quem tiver interesse; > -pantanal, ainda vou testar; > -pampa, ainda vou testar; tem matas e campo que são mais próximos da Mata > Atlântica, semelhantes ao exemplo testado; as matas são fáceis de marcar. > > Porcentagem da área do Brasil: > Amazônia 49,29 % > Cerrado 23,92% > Mata Atlântica 13,04 % > Caatinga 9,92 % > Pampa 2,07 % > Pantanal 1,76 % > > A ver o que acham. > > Obrigado, > > > > - - - - - - - - - - - - - - - - > > Sérgio - http://www.openstreetmap.org/user/smaprs > > > ------------------------------ > *De:* Gerald Weber <gwebe...@gmail.com> > *Enviado:* quinta-feira, 13 de setembro de 2018 10:06 > *Para:* OpenStreetMap no Brasil > *Assunto:* Re: [Talk-br] Vetorização de matas no OSM com Sentinel-2 > > Oi Sérgio > > iniciativa fantástica, por acaso vi este artigo hoje: > Supervised Classification of Multisensor Remotely Sensed Images Using a > Deep Learning Framework > http://www.mdpi.com/2072-4292/10/9/1429 > > talvez seja de interesse > > abraço > > Gerald > > Obs: cirei um alerta no Google Acadêmico para me avisar sobre artigos > científicos onde aparece a palavra "OpenStreetMap" > > 2018-09-12 20:40 GMT-03:00 Sérgio V. <svo...@hotmail.com>: > > Prezados(as), > > venho aqui expor e submeter à apreciação da comunidade OSM no Brasil uma > proposta de método de mapeamento de matas para o OSM (natural=wood e > landuse=forest) , baseado em vetorização semi-automatizada de imagens do > satélite Sentinel-2, para o que peço autorização para uso em mapeamento no > OSM no Brasil. > > A proposta detalhada passo-a-passo encontra-se documentada na página wiki > "Vetorização de matas com Sentinel-2": > > https://wiki.openstreetmap.org/wiki/Vetoriza%C3%A7%C3%A3o_de_matas_com_Sentinel-2 > > Os testes já realizados (sem upload) encontram-se na página: > > https://wiki.openstreetmap.org/wiki/User:SergioAJV/Sentinel-2_vectorizing_tests > > O objetivo desta proposta, resumidamente, é contribuir com uma > ferramenta para o mapeamento no OSM de grandes coberturas de matas. > > A justificativa consiste, basicamente, em que o método possibilita mapear > grandes áreas de mata, de municípios ou regiões de interesse, > adequadamente, mais rapidamente, e com melhor precisão geométrica do que o > que comumente pode ser encontrado ou realizado em mapeamento exclusivamente > manual e com as imagens disponíveis nem sempre atualizadas e que, de todo > modo, não permitem escolha, como de épocas do ano mais propícias à > identificação de vegetação. > > O método se destina a matas. Não se destina ao mapeamento de objetos > pequenos. A resolução das imagens disponíveis é de 10 e 20m/pixel, e as > geometrias > resultantes da ordem de ~1nó/10m em curvas. Ainda assim maior do que se > pode encontrar muitas vezes em mapeamento manual de "landcover", como > matas. O processo pode gerar cerca de 100 a 150 nós por km2, em áreas com > muita variedade de tipos de matas. O que significa cerca de 1.000.000 de > nós a partir de 1 imagem Sentinel de 100x100km. Menos que isso em áreas > mais homogêneas. > > O método exige o controle ativo dos parâmetros de distinção de classes de > vegetação e demais elementos geográficos a partir das imagens de satélite, > em todo o andamento do processo, até o resultado final na geração de > vetores .osm. > Exige certo tempo na aplicação dos passos, e sobretudo atenção, como na > medição de valores de pixels para as classes de objetos, escolha de objetos > para amostragem, bem como na verificação do resultado final. Não é um > processo imediato. Ainda assim, permite grande ganho de tempo no mapeamento. > > Mais detalhes podem ser encontrados nas citadas páginas de documentação. > > Agradeço sua atenção e apreciação, acolhendo questões ou comentários no > que desejarem e/ou julgarem necessário. > > > - - - - - - - - - - - - - - - - > > Sérgio - http://www.openstreetmap.org/user/smaprs > > _______________________________________________ > Talk-br mailing list > Talk-br@openstreetmap.org > https://lists.openstreetmap.org/listinfo/talk-br > > > > > _______________________________________________ > Talk-br mailing list > Talk-br@openstreetmap.org > https://lists.openstreetmap.org/listinfo/talk-br >
_______________________________________________ Talk-br mailing list Talk-br@openstreetmap.org https://lists.openstreetmap.org/listinfo/talk-br