طبقه بندی نظارت شده در گوگل ارث انجین + راهنمای تصویری

طبقه بندی در سنجش از دور

برا مدیریت داده ها ما همیشه دوست داشته ایم که داده هایمان را در دسته های مختلف طبقه بندی کنیم. با استفاده از تصاویر ماهواره ای می توان اشکال متعدد سطح زمین مانند دریاچه ها و رودها، سازه ها و جاده ها، جنگل ها و سایر اشکال  را تشخیص داد. دسته بندی پدیده های دارای ویژگی های مشابه را «طبقه بندی تصویر» می نامیم. اگر بخواهیم این داده ها را به صورت دستی انجام دهیم کار بسیار دشواری خواهیم داشت. اما خوشبختانه با دسترسی آزاد به تصاویر ماهواره ای می توانیم این طبقه بندی را برای سطح گسترده ای  و در زمان کوتاهی انجام دهیم. طبقه بندی در جهت توسعه کشاورزی و تغییر پوشش زمین گرفته تا شیوه های کشاورزی و پایش آلودگی از جمله پردکاربردترین اهداف می باشد.

 

پست های مشابه

• طبقه بندی نظارت نشده در گول ارث انجین
• باز کردن تصویر ماهواره ای در گوگل ارث انجین
• حساب کاربری گوگل ارث انجین
• دوره آموزش گوگل ارث انجین

 

طبقه بندی نظارت شده

به طور کلی انواع طبقه بندی را به دو دسته نظارت شده و نظارت نشده تقسیم می کنیم. حالت نظارت نشده که بدون دخالت کاربر انجام می شود شامل اعمال متغییر های پیشگو  و درخواست از الگوریتم پییش بینی یا ضریب رگرسیون پیش بینی برای دسته بندی پدیده های موجود در تصویر می باشد. اما در حالت نظارت شده کاربر باید داده های آموزشی را ایجاد کند. داده های آموزشی تعیین کننده انواع ویژگی ها موجود و طبقه بندی سایر پیکسل ها بر اساس داده های آموزشی می باشد.

 

طبقه بندی نظارت شده در گوگل ارث انجین

چندین تابع طبقه بندی کنند در ee.Classifier گوگل ارث انجین وجود دارد که در دسته کلی «یادگیری ماشین» قرار می‌گیرند. توابع الگوریتمی از داده هایی که به آنها داده می شود "یاد می گیرند" و بر اساس آن اطلاعات آموخته شده، پیش بینی می کنند که هر پیکسل به کدام کلاس تعلق دارد. این الگوریتم ها به‌ویژه در ساختن مدل‌های آماری از روابط بین تعداد زیادی از پیش‌بینی‌کننده‌های سنجش از دور و داده‌های آموزشی مهارت دارند. سپس می‌توان مدل‌ها را در وسعت های گسترده برای تولید نقشه های مورد نیاز اعمال کرد. در سال‌های اخیر، طبقه‌بندی‌کننده‌هایی مانند درختان طبقه‌بندی و رگرسیون (CART) و randomForest از جوامع علوم کامپیوتر و آمار و به تحقیقات زیست‌محیطی وارد شده‌اند.

برای انجام طبقه بندی در گوگل ارث انجین گام های زیر را دنبال کنید.

 

فراخوانی تصویر

ابتدا نیاز است تا تصاویر ماهواره ای مورد نیاز خود را وارد محیط کد نویسی گوگل ارث انجین کنید. این کار بسیار ساده می باشد اما یک نکته مهم را باید مورد توجه قرار دهید. تصاویر بعد از فراخوانی به صورت جدا از هم باز می شوند، برای اعمال الگوریتم های طبقه بندی تصاویر فراخوانی شده باید موزاییک بشوند. در این راستا از کدهای زیر برای فراخوانی و موزاییک استفاده کنید. ما در این مثال از تصاویر سنتینل 2 و برای منطقه کردستان استفاده کرده ایم.

function maskS2clouds(image) {
  var qa = image.select('QA60');
  var cloudBitMask = 1 << 10;
  var cirrusBitMask = 1 << 11;
  var mask = qa.bitwiseAnd(cloudBitMask)
             .eq(0)
             .and(qa.bitwiseAnd(cirrusBitMask)
             .eq(0));
  return image.updateMask(mask)
         .divide(10000);
}

var dataset = ee.ImageCollection(
              'COPERNICUS/S2_SR')
                  .filterDate('2020-06-01', '2020-07-20')
                  .filter(ee.Filter
                  .lt('CLOUDY_PIXEL_PERCENTAGE',20))
                  .map(maskS2clouds)
                  .mosaic()
                  .clip(YourRegion);

var visualization = {
  min: 0.0,
  max: 0.3,
  bands: ['B4', 'B3', 'B2'],
};
Map.centerObject(YourRegion, 8);
Map.addLayer(dataset, visualization, 'sentinel2');

 

در این رشته کد ها به جای عبارت YourRegion نیاز است که نام منطقه مورد مطالعه خود را بنویسید.

 

داده های آموزشی در گوگل ارث انجین

برای ساخت داده های آموزشی در گوگل ارث انجین باید از شیپ فایل ها استفاده کنید. توضیح این بخش به صورت متنی کمی دشوار است. بنابراین برای درک بهتر داده های آموزشی و نحوه ساخت آن به فیلم آموزشی ابتدای پست مراجعه کنید. در این فیلم می توانید نحوه نگارش صحیح تمام کد ها و نمایش داده ها را مشاهده کنید.

 

انجام طبقه بندی در گوگل ارث انجین

در نهایت برای اعمال الگوریتم طبقه بندی بر روی تصویر از رشته کد های زیر استفاده کنید. در این کد ها از الگوریتم smileCart استفاده شده است. در نمونه های متعدد و استفاده از انواع الگوریتم ها به نظر می رسد که این الگوریتم می تواند خروجی بهتری نسبت به سایرین ارائه دهد. برای استفاده از الگوریتم smileCart از رشته کد های زیر استفاده کنید.

 

var newfc = urban.merge(bare).merge(vegetation)
            .merge(water);
var bands = ['B4', 'B8', 'B11'];
var training = dataset.select(bands)
               .sampleRegions({
    collection: newfc, 
    properties: ['landcover'], 
    scale: 30
});
var label = 'landcover';
var trained = ee.Classifier.smileCart()
              .train(training, label, bands);
var classified = dataset.select(bands)
                 .classify(trained);

Map.addLayer(classified,
{min: 1, max: 4, palette: ['blue', 'yellow', 'green', 'red']}, 'classification');

 

صحت سنجی طبقه بندی در گوگل ارث انجین

به زودی