Використання Processing для автоматизавоної класифікамції снігового покрову¶
Snowy Hydro Limited (SHL) це гірська електростанція, розташована у Сніжних Горах Нового Південного Уельсу, Австралія. Крім різноманітних генеручих активів по країні,, Snowy Hydro Limited також добре відома як охоронець традиційної австралійської інфраструктури, гідроелектричного масиву Сніжних Гір.
Гідроелектричний масив Сніжних Гір з’явився через сезонні снігопади у гірських районах Нового Південного Уельсу. Вода, що утворилась в результаті розтавання снігу навесні, використовується для генерації електроенергії, покриваючи пікові потреби національного енегретичного ринку, а також спрямовуючи воду для зрошення посушливих районів південного сходу Австралії.
Класифікація снігового покрову взимку дозволяє SHL відслідковувати життєвий цикл вкритих снігом территорій, збирати архівні дані та надавати статистику гідрографічній команді для створення прогнозів рівня води.
Мапа 1.1 Карта збору снагових вод¶
Загальні відомості¶
Кожної зими (1 червня - 21 жовтня) SHL отримує максимально можливу кількість безхмарних знімків від супутника MODIS Terra (EOS AM). Ці знімки обробляються за допомогою алгоритма Normalised Difference Snow Index (NDSI), який використовується для виявлення територій, вкритих снігом. Оскільки цей алгоритм не прив’язаний до жодного сенсора, було обрано саме MODIS через достатню роздільну здатність та щоденне охоплення досліджуваної території (Мапа 1.1 Карта збору снагових вод).
Мета¶
Метою цього проекту є автоматизація розрахунку NDSI шляхом створення моделі для Processing. Бажаним результатом є векторний шар, що відображає території, вкриті снігом, в межах області дослідження а також інформація про загальну площу цих територій.
Метод¶
Алгоритм розрахунку NDSI досить простий (див. формулу 1.1), а послідовність дій, необхідних для отримання снігового покрову в векторному форматі також добре переноситься на модель Processing.
Формула 1.1 — Normalised Difference Snow Index (NDSI)¶
Результат алгоритма NDSI лежить в межах від -1 до 1, а снігом є значення більші за 0.4. Приклад результату за 13 липня 2014 р. показано нижче (мапа 1.3),поряд з початковим зображенням (мапа 1.2). Як ви бачите, території, вкриті снігом, значно відрізняються від інших типів територій та хмар. Хоча можливі помилки класифікації за рахунок великих водних об’єктів, які спричиняються близькими коефіцієнтами поглинання у близькому інфрачервоному діапазоні. Тобто необхідно передбачити маскування водних об’єктів на певному етапі.
Мапа 1.2 — MODIS природні кольори¶
Мапа 1.3 - Результат розрахунку NDSI¶
Мапа 1.4 — Recoded «Snow» vs «Non snow»¶
NDSI генерується з простою картою кольорів за допомогою модуля GRASS r.mapcalculator. Після цього застосовується маска з заданим порогом та віділяються теристорі зі снігом та без нього. Класифікація проводиться з використанням модуля GRASS `r.recode`(мапа 1.4).
Класифікований растр конвертується у векторний шар та виділяються території, вкриті снігом (мапа 1.5). Далі виконується обрізання векторного шару по межам області спостережень (мапа 1.6), та маскуються великі водні об’єкти (мапа 1.7), і, нарешті, обчислюється статистика.
Мапа 1.5 — Виділений сніг¶
Мапа 1.6 — Сніг на території SWC¶
Мапа 1.7 — Фінальна мапа територій, вкритих снігом¶
Результатом роботи моделі є векторний полігональний шар, що показує вкриті снігом території в межах достіджуваної області. Атрибути полігонів включають інформацію про площу вкритих снігом територій та їх відсоток від загальнох площі області дослідження. Модель наведено на малюнку 1.1.
Малюнок 1.1 — Модель для розрахунку Normalised Difference Snow Index (NDSI)¶
Результати / Висновки¶
Processing є потужним інструментом автоматизації робочих процессів, таких як класифікація снігового покрову. Модель, наведена вище, успішно автоматизує класифікацію снігового покрову та створює набори даних, які можуть використовуватися для візуалізації та подальшої статистичної обробки. Також вона успішно запобігає появі помилок операторів, які мали місце при використанні SHL попередніх методів. Деякі результати можна переглянути тут.