Oi, Sérgio, o caminho é esse mesmo. Mas estás usando três variáveis: B11, NDVI e EVI2. Em rigor seria necessário um crossplot 3D, mas aí a análise visual começa a complicar. Nesse ponto eu usaria um dendrograma para analisar as classes. O QGis tem dendrograma?
Em sáb, 15 de set de 2018 às 12:29, Sérgio V. <svo...@hotmail.com> escreveu: > Ok, agora entendi esse negócio de manter as variáveis disponíveis sem > fundir em uma. Valeu! > -O NDVI distingue bem vegetal do que não é, e as classes de vegetal em > diferentes graus de clorofila nas folhas, isto é crescimento, atividade > vegetal. Mas nas matas densas tem mata nativa + mata plantada (pinus > principalmente no RS). Mata plantada tem sempre atividade mais alta e > valores mais altos de NDVI. Mata nativa já mistura: tem áreas e indivíduos > com ambos estados, em crescimento e em estagnação/maturidade, mas tende a > menor atividade de crescimento. > > Assim NDVI não distingue estas 2 dentro da mata ou em contato de bordas. > Mas em imagem hi-res do Bing já é fácil distinguir uma da outra. Existe > esta distinção de área de mata nativa separada de área de mata plantada. > > -O B11 distingue muito bem uma da outra, aproximadamente por volta do > valor 1000: ~200 a 1000 (mais escuro) mata planta; ~1000 a 1600 (mais > claro) mata nativa. Porém não distingue bem água/rio/sombra que fica entre > ~0 a 300. Afeta um tanto pelas sombras em encostas, onde baixa o valor. > > Do que entendi, assim, usando ao mesmo tempo as 2 variáveis, uma poderia fazer > o recorte onde a outra ainda mistura alguma coisa, uma apara as arestas > da outra. > > > Abaixo segue crossplot e mapa, coloridos na mesma base, as cores de NDVI > para 12 classes. EVI2 é quase igual a EVI e a NDVI. Mas dizem que EVI e > EVI2 são melhores para matas densas. NDVI pra vegetação em geral. > > > "EVI (Enhanced Vegetation Index) - In areas of dense canopy where the > leaf area index (LAI) is high, the NDVI values can be improved by > leveraging information in the blue wavelength. " ( > https://www.sentinel-hub.com/develop/documentation/eo_products/Sentinel2EOproducts > ) > > > "...contrary to that notion the Amazon forest does exhibit distinct growth > during the dry season..." ( > https://en.wikipedia.org/wiki/Enhanced_vegetation_index - # Application > of EVI...) > > > A ver o que acham. > > https://i.imgur.com/9dBhNjC.jpg > > > Obrigado! > > - - - - - - - - - - - - - - - - > > Sérgio - http://www.openstreetmap.org/user/smaprs > > > ------------------------------ > *De:* Paulo Carvalho <paulo.r.m.carva...@gmail.com> > *Enviado:* sexta-feira, 14 de setembro de 2018 18:14 > *Para:* OSM talk-br > *Assunto:* Re: [Talk-br] Vetorização de matas no OSM com Sentinel-2 > > O problema, Sérgio, quando se usa uma fórmula, efetivamente estás > resumindo duas variáveis a uma variável só. Pela forma da mancha no > crossplot B11 versus NDVI, a correlação entre elas não é linear, ou seja, > elas não informam a mesma coisa. Pelo contrário, temos que aumentar a > dimensionalidade. Seria importante vermos como os pontos se agrupam. > Talvez haja até bem mais do que duas classes. > > Em sex, 14 de set de 2018 às 17:10, Sérgio V. <svo...@hotmail.com> > escreveu: > > Ok, ainda vou ver como fazer pra "definir a marca do crossplot para um único > pixel" > > > A coisa que me intriga ainda é que estava reexaminando as imagens e > histogramas, nos pontos onde há certeza das 2 classes, wood e forest, que > pode ser confirmada na alta resolução do Bing. > > E os histogramas me parecem ainda indicar que apontam para a confirmação da > formulação empírica / gambiarra B11 x ((1-NDVI)*4000), nos valores de > classes e diferenciação de: > > 1)wood (mais velha, pouco menos úmida, menos ativa em clorofila) > > 2)forest (mais jovem, mais úmida, mais ativa em clorofila) > > 3)o que não é nenhum dos 2 e pode ser retirado de vetorização (para > "null"). > > > Imagens junto com histogramas correspondentes do caso B11 x > ((1-NDVI)*4000): > > https://i.imgur.com/4uKNw1r.jpg > > É a mesma área que peguei como exemplo desde o início, porque tem todos os > tipos que poderiam interferir, e dá pra examinar se o resultado distingue > bem wood e forest do resto: > > wood; forest; river; pond; campos ralos; farmland; estradas; ... > > Nos histogramas, no NDVI, as forest ocupam sempre os níveis mais altos, > de vegetação crescendo ativamente; como próprio do NDVI; enquanto as wood > variam mais no espectro: há área velhas e algumas em crescimento. Então há > mistura das 2 classes. > > Já no B11 se destacam bem claramente entre si: uma não invade a margem de > valores da outra. > > > Se não fosse a água no B11 (~50a300) se misturar com forest(~150a1200), > daria pra usar só B11. > > > -No Cerrado, por exemplo, bastou usar só B11, não tem mata jovem/forest, > nem mais úmida, deu pra usar só B11: > > água no B11 (~50a600) ; wood(~1000a1300). > > É que também os tipos são de vegetação do Cerrado são diferentes, matas > mais secas, mais castigadas, do que as matas mais úmidas da Mata Atlântica. > Acho sempre vão apresentar valores um tanto diferentes tendendo pro mais > seco. > > > https://wiki.openstreetmap.org/wiki/User:SergioAJV/Sentinel-2_vectorizing_tests#Cerrado_.28vetorizado_e_100.25_validado_para_OSM.29 > > > -Já na Amazônia, úmida mas também com áreas de mata velha, a ponderação > teve que ser não x4000, mas x500, para B11 + ((1- NDVI ) * 500 ): > > > https://wiki.openstreetmap.org/wiki/User:SergioAJV/Sentinel-2_vectorizing_tests#Amaz.C3.B4nia_.28vetorizado_e_100.25_validado_para_OSM.29 > > > Claro, se tivesse um índice ou fórmula única pra usar em todos biomas > igualmente, seria melhor sem dúvida. > > Não sei se é possível. > > > No scatterplot ainda vou ver como identificar os grupos ali dentro da > mancha. > > Ainda vou ver o que vc indicou mais. > > Obrigado! > > > > - - - - - - - - - - - - - - - - > > Sérgio - http://www.openstreetmap.org/user/smaprs > > > ------------------------------ > *De:* Paulo Carvalho <paulo.r.m.carva...@gmail.com> > *Enviado:* sexta-feira, 14 de setembro de 2018 13:45 > *Para:* OSM talk-br > *Assunto:* Re: [Talk-br] Vetorização de matas no OSM com Sentinel-2 > > Oi, Sérgio, vamos lá... > > Em sex, 14 de set de 2018 às 12:25, Sérgio V. <svo...@hotmail.com> > escreveu: > > Bom dia Paulo, pessoal. > > Fiz upscaling pra ver crossplot/scatterplot, com 549x549 px = 301.401 > pixels (pontos); > - Imagem original tava com 10.980x10.980 px = 120.560.400 pixels : > 120.560.400 pontos, inviável, processador e RAM assobiaram. > > > Perfeito. Não se faz análise exploratória dos dados com tantos pontos. > 120M de amostras é impossível mesmo. E mesmo se fosse viável, daria para > ver pouco. > > > E abri os histogramas. > > Obtive os seguintes gráficos (em jpg no Imgur): > > Histograma B11 : https://i.imgur.com/jsvnFjj.jpg > > > Só B11 parece dizer que há duas classes (as duas modas em 1200 e 2000 > aproximadamente). Não obstante um tanto misturadas. Mas outra variável > pode ajudar a desempatar. > > > Histograma NDVI : https://i.imgur.com/FrEZGOO.jpg > > NDVI parece dizer que há três classes (as modas em 0,2; 0,6 e 0,7). A > classe em centrada em 0,2 parece bem separada. > > > Histograma (1-NDVI)*4000 : https://i.imgur.com/TUPi3Tl.jpg > > > Não percas tempo com isso. Apenas mudou a escala. Ela continuia > informando a mesma coisa: que parece haver três classes. > > > > Scatterplot B11 x NDVI : https://i.imgur.com/z4yPjtY.jpg > Scatterplot B11 x (1-NDVI)*4000 : https://i.imgur.com/j4WuO7C.jpg > > > Parece interessante, porém só aparece uma mancha negra. Seria importante > vermos onde os pontos estão concentrados. Pontos concentrados são indícios > de que há uma classe ali. Há como definir a marca do crossplot para um > único pixel? Se não for possível, tenta reduzir a quantidade de amostras > de ~100k para ~5k. > > abcs, > > PC > > > (c/ reescale para abranger próximo da área plotada.) > > Anomalias de pixels acho que não tem muito. > Nuvem já remove na escolha de imagem, por cloud=0. E verifica com B10 se > ainda tem alguma mínima. > > A questão acho que centraria em encontrar uma referência de base universal > (imagem original básica; ou algoritmo) para wood e forest, ou wood sozinho: > B11 sozinho ? > NDVI; ou EVI2; sozinhoS ? > Fórmula empírica (podem chamar gambiarra tb) tipo B11 * (1-NDVI)*4000 ? > Algum algoritmo mais pato (depois ainda vou estudar os algoritmos de > classificação multivariados que vc indicou). > De todo modo, a base da classificação, e possibilidade de > mapeamento, parte de imagem original e/ou índices mais aptos. > > O objetivo a princípio é prático, para o OSM, não tanto científico: > distinguir 2 classes, wood e forest, com precisão adequada, bastaria. > > NDVI e EVI2 exibem imagens muito parecidas; EVI2 indicam que é melhor pra > mata densa. > Mas comecei usando o NDVI, só pra eliminar o que não é vegetação; não pra > fazer classe de vegetação, pois não encontrei valores limite aptos a > separar classes. > > O que o o (1-NDVI) faz é tornar NDVI tudo número positivo, pra poder > depois multiplicar(potencializar) o B11. > > Vi que O NDVI possibilita destacar tudo o que não é vegetação, e remover > objetos que poderiam ainda ficar misturado no B11; por ter o foco em mapear > matas. > O B11 foi que observei de imediato que mais destaca "wood" e "forest" > entre si. Mas wood é o que mais tem no Brasil. Forest, menos. > > Aí no B11, filtrado pelo x (1-NDVI)*4000, era só ver o range, só entre as > 2, porque o resto já fica separado pelo NDVI. > (se focar só nas 2, wood e forest; no resto do Brasil quase só wood, > natural; mas se quiser todo o resto de landcover, mais classes, aí fica > mais elementos a considerar; também dá, mas de preferência não abordaria > isso agora): > -forest (vegetaçao mais nova; mais escura; valores mais baixos) > -wood (vegetação mais velha, mais clara, valores mais altos) > E as anomalias (amplificação de anomalias), filtrando manual com "sieve" e > "neighbors". > O fato é que o resultado, filtrando, mesmo perdendo informação, aproximou > da real grupo de wood e forest no terreno. > > Este que seria o objetivo: pegar wood e forest, quando há as 2 > co-existindo; separadas entre si, e de todo o resto que não é. > Quando "não" tem as 2 co-existindo numa região (florestas plantadas é mais > na região Sul-Sudeste do BR), pegar só mata nativa (wood). > Alcançando isto, tá feito para o objetivo inicial e prático! > Claro, ainda se poderia ir tentando encontrar uma formulação que possa ser > mais abrangente, pegar mais objetos de landcover. > > Bom, a ver o que acham. > Em investigação. Parcialmente já estou satisfeito com os resultados. O > modo ainda pode ser meio empírico, ou não muito científico, artístico > digamos, de ir lapidando até fechar os polígonos de classes iguais, mas > funcionou. Claro, se pudermos facilitar e universalizar, melhor. > > Obrigado pelos aportes já dados! > > > - - - - - - - - - - - - - - - - > > Sérgio - http://www.openstreetmap.org/user/smaprs > > > ------------------------------ > *De:* Paulo Carvalho <paulo.r.m.carva...@gmail.com> > *Enviado:* quinta-feira, 13 de setembro de 2018 14:05 > *Para:* OSM talk-br > *Assunto:* Re: [Talk-br] Vetorização de matas no OSM com Sentinel-2 > > > > 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 > > _______________________________________________ > 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