Отображение озера

Для вычисления изменений площади поверхности озера мы сравним снимки, снятые со спутников Landsat между 1984 и 2014 гг. Спутниковая программа Landsat действует уже более 40 лет, что делает эти снимки жизненно важными для мониторинга изменений, происходящих с нашей планетой. Сначала вы настроите проект и визуально сравните изображения.

Открытие проекта

Вы скачаете проект и откроете его в ArcGIS Pro.

  1. Перейдите на страницу сведений о элементе проекта Lake Poyang.
  2. Щелкните Загрузить и сохраните файл. Найдите загруженный файл Lake_Poyang_Project.ppkx у себя на компьютере и распакуйте в местоположение, где эти данные будет просто найти, например в папку Документы.

    Опция Загрузить проекта Lake Poyang

    Примечание:

    В зависимости от настроек браузера, вам может быть предложено выбрать место для сохранения загружаемого файла. Большинство браузеров по умолчанию скачивают все в папку Загрузки.

  3. Если у вас есть ArcGIS Pro, дважды щелкните пакет проекта Lake_Poyang_Project.ppkx, чтобы открыть его. Если будет предложено, войдите под лицензированной учетной записью ArcGIS.
    Примечание:

    Если у вас нет ArcGIS Pro или учетной записи ArcGIS, можно подписаться на бесплатную пробную версию ArcGIS.

    Проект по умолчанию

    Проект откроется на востоке центральной части Китая. Чтобы вы могли ориентироваться, включены три слоя (и базовая карта): Three Gorges Dam, Yangtze River и Lake Poyang. Озеро Поянху расположено на несколько сотен миль ниже по течению, чем плотина "Три Ущелья".

Визуально сравните изображение озера Поянху за разное время

Проект также содержит три слоя снимков, которые в данный момент отключены. Эти слои показывают озеро Поянху на пике сезона дождей за три разных года: 1984, 2001 и 2014. Вы визуально сравните изображения, чтобы понять, как форма озера менялась с течением времени.

  1. На панели Содержание щелкните правой кнопкой слой Lake Poyang (озеро Поянху) и выберите Приблизить к слою.

    Озеро Поянху

    Озеро Поянху довольно длинное и узкое, простирающееся на юг от реки Янцзы. Его узкая форма означает, что даже малое падение уровня воды приведет к фрагментации акватории. Кроме того, экономика нескольких прибрежных городов зависит от рыбной ловли и перевозки товаров по озеру. На национальном уровне это озеро является крупнейшим источником пресной воды в Китае. Высыхание озера может привести к катастрофическим экологическим и экономическим последствиям.

  2. На панели Содержание снимите отметку рядом со слоями Three Gorges Dam, Yangtze River и Lake Poyang, чтобы отключить их.

    Они вам не понадобятся до конца урока.

    Отключите слои.
  3. На панели Содержание отметьте слой June 1984.tif, чтобы включить его.
  4. Перемещайте и масштабируйте карту с помощью мыши, чтобы было видно все изображение.

    Озеро Поянху в 1984 году

    На рисунке показано озеро в июне 1984. Изображение было получено со спутника Landsat 5.

    Примечание:

    Спутниковая программа Landsat является совместной инициативой двух американских государственных агентств: Геологической Службы США (USGS) и Национального Аэрокосмического Агентства (NASA). Вы можете узнать больше о программе Landsat на странице USGS Landsat Missions.

    Изображение показывает яркое четкое различие между синим озером и растущей зеленью вокруг. Эти цвета могут показаться естественными, на самом деле они являются комбинацией электромагнитных спектров, невидимых человеческому глазу.

  5. На панели Содержание щелкните на стрелке рядом со слоем June 1984.tif.

    Комбинации каналов, озеро Поянху

    Снимки Landsat имеют разные каналы цвета в электромагнитном спектре. В зависимости от типа Landsat, на изображение приходится от 7 до 11 каналов, как вы можете видеть в таблице ниже.

    КаналLandsat 5Landsat 7Landsat 8

    1

    Blue

    Blue

    Coastal aerosol

    2

    Green

    Green

    Blue

    3

    Red

    Red

    Green

    4

    Near Infrared 1

    Near Infrared 1

    Red

    5

    Near Infrared 2

    Far Infrared

    Near Infrared

    6

    Thermal

    Thermal

    Far Infrared 1

    7

    Mid Infrared

    Far Infrared 2

    Far Infrared 2

    8

    Panchromatic

    Panchromatic

    9

    Cirrus

    10

    Thermal Infrared 1

    11

    Thermal Infrared 2

    Поскольку все каналы не могут быть отображены одновременно, вы обычно выбираете комбинацию из трех каналов, которые вы отображаете через цветные каналы: красный, зеленый и синий, которые видны человеческому глазу. Как вы можете видеть в легенде, изображение 1984 года использует Near Infrared 2 для канала красного цвета, Near Infrared 1 для канала зеленого цвета и Red для канала синего цвета.

    Все три изображения в вашем проекте используют сочетания каналов, выделяющие растительность и делающие границы между озером и окружающим пространством более ясными и отчетливыми. Теперь вы сравните изображение 1984-го года с более поздними изображениями, чтобы увидеть, как изменилось озеро.

  6. Поставьте отметку рядом со слоем June 2001, чтобы включить его.

    Озеро Поянху в 2001 году

    Это изображение было сделано Landsat 7, а не Landsat 5, так что цвета отличаются. Без сопоставления бок о бок сложно увидеть, что именно изменилось. Вы используете инструмент Спрятать, чтобы сравнить изображения.

  7. На панели Содержание щелкните слой June 2001.tif, чтобы выделить его.
  8. Щелкните вкладку Оформление на ленте в верхней части приложения. В группе Сравнить щелкните Спрятать.

    Используйте инструмент спрятать.

    Когда вы наведёте курсор на карту, он превратится в стрелочку.

  9. Протащите карту в направлении, которое указывает стрелка.

    Спрятать на карте

    Выбранный слой будет скрываться там, где вы перетащите курсор. Теперь вы можете сравнить два изображения. Когда вы двигаете инструмент Спрятать вперед-назад (или вверх-вниз), вы видите, что большинство изменений произошло на южном и восточном краях озера. Территории, где озеро отступило, по большей части оранжевые, потому что там нет растительности. В целом, в 2001 году озеро визуально занимало меньшую поверхность, чем в 1984 году. Оба изображения были сделаны до открытия плотины Три Ущелья в 2003 г., так что причиной снижения уровня озера могут быть засухи или другие метеорологические явления.

  10. Включите слой May 2014.tif на панели Содержание.

    Озеро Поянху в 2014 году

    Изображение было получено с Landsat 8. Оранжевые зоны, обозначавшие землю, обнажившуюся после обмеления озера, на изображении 2001 года стали светло-зелеными из-за выросших там растений, то есть произошли долгосрочные изменения уровня воды.

  11. На панели Содержание щелкните слой May 2014.tif, чтобы выделить его.
  12. Используйте инструмент Спрятать, чтобы сравнить снимки за 2014 и 2001 гг.

    Озеро, по-видимому, претерпело дополнительную потерю площади поверхности, в основном в его южной и западной частях. Визуально очевидно, что озеро уменьшилось в период между 1984 и 2014 гг. (как минимум во время сезона дождей, когда были сделаны все три снимка), хотя не известно на сколько точно.

  13. На ленте на вкладке Карта в группе Навигация щелкните кнопку Исследовать, чтобы выйти из режима спрятать.

    Вы можете снова перемещаться по карте в обычном режиме.

Следующим шагом будет более точная количественная оценка потери площади.


Классификация почвенно-растительного покрова для анализа озера

Чтобы количественно оценить изменение площади поверхности озера с 1984 по 2014 гг, вы классифицируете почвенно-растительный покров на обоих изображениях, идентифицируя области, покрытые водой, и отличая их от другого почвенно-растительного покрова, такого как растительность или городские районы. В мультиспектральных изображениях, таких как Landsat, каждый отдельный пиксел (или ячейка) изображения имеет значение для каждого спектрального канала. Как вы можете видеть на динамичном изображении озера Поянху, есть много возможных значений цветов для разнообразных оттенков. Однако все пикселы, представляющие один и тот же почвенно-растительный покров, имеют тенденцию иметь несколько схожие спектральные значения. Классифицируя изображение, вы определите пикселы, которые похожи по значению, и сгруппируете их вместе, чтобы представить небольшое количество классов, таких как вода, растительность или городские районы.

Вы будете использовать особый тип метода классификации, известный как неконтролируемая классификация, при которой программное обеспечение использует статистический анализ, чтобы решить, какие значения достаточно похожи друг на друга, чтобы их можно было сгруппировать в классы. Вам нужно только указать, сколько классов вы хотите получить, и инструмент создаст это точное количество классов. Инструмент, который вы будете использовать для этого, - Неконтролируемая классификация изокластера.

Классификация почвенно-растительного покрова в 1984 году

Сначала вы классифицируете изображение 1984 года.

  1. Щелкните вкладку Анализ на ленте. В группе Геообработка щелкните Инструменты.

    Кнопка Инструменты

    Откроется панель Геообработка.

  2. На панели Геообработка введите в окне поиска Неконтролируемая классификация изокластеров. Щелкните результат с таким же именем.

    Найдите инструмент Изокластер.

    Откроется инструмент Неконтролируемая классификация изокластера. Этот инструмент выполняет неконтролируемую классификацию выбранного вами слоя изображения или растра. Он использует алгоритм изокластеров, чтобы определить характеристики естественной группировки ячеек, и создает выходной слой, базирующийся на том числе классов, какое вы хотите. Вы запустите инструмент на слое изображения 1984 года.

  3. В параметрах инструмента Неконтролируемая классификация изокластера выберите следующие значения:
    • Для Входных каналов растра, выберите June 1984.tif.
    • Введите 4 в качестве Числа классов.
    • Для Выходного классифицированного растра введите Iso_1984 в конце местоположения poyang.gdb.
    • Оставьте все другие параметры без изменений.

    Примечание:
    Выбрано классифицировать пикселы изображения 1984.tif только на четыре класса, потому что в первую очередь нужно увидеть озеро, поэтому нет необходимости в большом количестве классов, которые бы различали многие типы почвенно-растительного покрова.

    Параметры инструмента Изокластер

  4. Щелкните Запустить.

    После окончания работы инструмента на карту будет добавлен выходной слой. Цвета на вашей карте могут отличаться от цветов на изображении ниже.

    Классифицированный снимок 1984 года

    Новый слой похож на исходное изображение июня 1984 года, но теперь есть только четыре цвета, которые представляют каждый из четырех классов, созданных с помощью инструмента классификации. Все слои снимков состоят из сеток пикселов, также известных как ячейки, но на оригинальном снимке пикселы имели тысячи разных цветов. Инструмент Неконтролируемая классификация изокластера взял все пикселы оригинального снимка и отсортировал их на четыре класса по значениям на основании их спектрального сходства. Затем он произвольно выбрал четыре цвета для обозначения каждого класса. Похоже, что все ячейки воды были отнесены к одному классу (Значение 1), а растительность, облачный покров и другие типы почвенно-растительного покрова относятся к трем другим классам.

  5. На панели Содержание ниже слоя Iso_1984 щёлкните правой кнопкой Value 1 и измените цвет на светло-синий.

    Светло-синий цвет

  6. Измените остальные значения (2,3 и 4) на Нет цвета.

    Только водные значения останутся видимыми. Вы сравните их с оригинальным снимком June 1984, чтобы убедиться в корректности классификации.

  7. На панели Содержание включите слои Iso_1984.tif и June 1984.tif и убедитесь, что все остальные слои отключены. Щелкните слой Iso_1984.tif, чтобы выбрать его.

    Сравните классификацию и изображение.

  8. На ленте на вкладке Оформление включите инструмент Спрятать, чтобы сравнить два слоя 1984 года.

    Границы озера по большей части совпадают, но классифицированные значения также содержат мелкие водные объекты вокруг озера. Мы уберём некоторые из этих объектов в следующем разделе. Также есть часть озера, не классифицированная из-за облачного покрова.

    Облака на снимке

    Облака часто заслоняют наземные объекты на спутниковых снимках. Облачность на этом изображении относительно небольшая, поэтому она не окажет существенного влияния на анализ, но анализ можно улучшить, используя изображения с еще меньшей облачностью.

  9. На ленте, на вкладке Карта ленты повторно активируйте инструмент Исследовать.
  10. На панели Содержание отключите слои Iso_1984.tif и June 1984.tif.

Классификация почвенно-растительного покрова в 2014 году

Далее вы классифицируете изображение 2014 года, чтобы увидеть, как озеро изменилось с течением времени. Панель Геообработка уже открыта на инструменте Неконтролируемая классификация изокластера, так что вы просто измените параметры, прежде чем запустить инструмент снова.

  1. Включите слой May 2014.tif на панели Содержание.
  2. На панели Геообработка измените следующие параметры:
    • Для Входных каналов растра измените June 1984.tif на May 2014.tif.
    • Для Выходного классифицированного растра введите Iso_2014 в конце местоположения poyang.gdb.
    • Оставьте все другие параметры без изменений.

    Параметры инструмента Изокластер

  3. Щелкните Запустить.

    Классифицированный снимок 2014 года

    Как и раньше, водные ячейки были отнесены к Значению 1 нового слоя.

  4. На панели Содержание для слоя Iso_2014 измените цвет Значения 1 на Зелёное яблоко, светлый.

    Зелёное яблоко, светлый

  5. Измените остальные значения (2,3 и 4) на Нет цвета.
  6. На ленте на вкладке Оформление включите инструмент Спрятать, чтобы сравнить два слоя 2014 года.

    И здесь классификация воды кажется довольно точной.

  7. На панели Содержание отключите слой May 2014.tif и включите слой Iso_1984.

    Результат двух процессов классификации

    Видимые синие области указывают на площади, которые были покрыты водой в 1984 году, но не в 2014 году, что более четко демонстрирует уменьшение озера между двумя точками времени.

  8. Сохраните проект.
    Сохраните карту.

Вы классифицировали изображения 1984 и 2014 годов, чтобы показать почвенно-растительный покров, создав отдельное значение для воды из множества значений воды на исходном изображении. Далее вы сгладите границы озера и удалите многочисленные малые водные объекты, которые были классифицированы вокруг озера Поянху.


Очистка классификации

Далее вы очистите классифицированные изображения при помощи аналитических инструментов генерализации, удалив мелкие погрешности и небольшие водные объекты вокруг озера. Также мы сгладим границы озера.

Фильтрация отдельных пикселов

Во-первых, вы очистите маленькие изолированные пикселы, которые были классифицированы как вода, но не являются частью озера Поянху. Некоторые из них относятся к небольшим прудам и прочим водным объектам, а некоторые получились в результате неверной классификации. В любом случае, их не следует учитывать при вычислении площади озера Поянху, поэтому мы запустим инструмент геообработки, чтобы по максимуму их исключить.

  1. Откройте проект Poyang Land Cover в ArcGIS Pro.
  2. На ленте щелкните вкладку Анализ и щелкните Инструменты, чтобы открыть панель Геообработка.
  3. На панели Геообработка щёлкните кнопку со стрелкой назад, чтобы вернуться в окно поиска.

    Щелкните кнопку Назад.

  4. В окне поиска введите Фильтр большинства и нажмите Enter. Щёлкните инструмент Фильтр большинства.

    Найдите инструмент Фильтр большинства.

    Инструмент Фильтр большинства служит для генерализации данных. Он замещает значения ячеек растрового слоя, основываясь на значениях большинства соприкасающихся смежных ячеек. Если ячейка была классифицирована как класс 1 (вода), но три из четырех ее соседних ячеек были классифицированы как класс 2, инструмент изменит значение ячейки в соответствии с окружающими значениями, другими словами, на класс 2. Надо будет запустить этот инструмент два раза, для каждого классифицированного изображения.

  5. В инструменте Фильтр большинства для Входного растра выберите Iso_1984.
  6. Измените имя Выходного растра на Filter_1984 в конце местоположения poyang.gdb.

    Прочие параметры позволяют выбрать, сколько соседних ячеек будет использовать инструмент и должно ли у большинства соседних ячеек быть одно и то же значение или достаточно половины. Чтобы генерализовать максимальное количество отдельных пикселов и создать более сглаженный эффект, следует использовать половину.

  7. В опции Порог замещения выберите Половина.

    инструмент Фильтр большинства

  8. Щелкните Запустить.

    Отфильтрованный снимок 1984 года

    Генерализация удалила немало отдельных пикселов, но осталось тоже много. Может потребоваться дополнительная генерализация, но она также сопряжена с риском удаления необходимых вам данных; другими словами, вы можете потерять ячейки, представляющие озеро Поянху. Вы исправите некоторые из оставшихся проблем, когда сгладите границы позже, а пока вы запустите инструмент на другом слое изображения.

  9. На панели Геообработка измените Входной растр на Iso_2014, а имя Выходного растра на Filter_2014.
  10. Щелкните Запустить.

    Генерализованный снимок 2014 года будет добавлен на карту.

    Теперь, когда у вас есть генерализованные версии двух классифицированных изображений, вам больше не нужны исходные классифицированные изображения на карте, поэтому вы удалите их.

  11. На панели Содержание щёлкните правой кнопкой слой Iso_2014 и выберите Удалить.

    Удалить слой

  12. Аналогичным образом удалите слой Iso_1984.

    Если вам снова понадобятся эти слои, вы найдёте их (а также все остальные созданные в этом проекте слои) в базе данных poyang.gdb на панели Каталог.

Очистка границ снимка

Вы удалили с каждого снимка некоторые отдельные пикселы. Теперь надо очистить границы между значениями на каждом снимке, чтобы избавиться от пикселизованных ступенчатых краёв.

  1. На панели Геообработка щёлкните кнопку со стрелкой назад, чтобы вернуться в окно поиска.
  2. Найдите и откройте инструмент Удаление границ.

    Найдите инструмент Удаление границ.

    Инструмент Удаление границ сглаживает границу между классами путем растяжения и сокращения границы с последующим возвратом к исходным размерам. При этом вместо значений отдельных пикселов подставляются значения окружающих их пикселов. Его результаты достигают такого же эффекта, что и инструмент Фильтр большинства, но с акцентом на границах классов.

  3. В параметрах инструмента Удаление границ выберите следующие значения:
    • В качестве Входного растра выберите Filter_1984.
    • Измените имя выходного растра на Clean_1984.

    Инструмент Удаление границ

    Параметр Метод сортировки определяет, будут ли значения крупных или мелких площадей в приоритете во время увеличения, а отмеченная опция устанавливает, сколько раз будет запущен процесс. Вы примете значения по умолчанию для этих параметров.

  4. Щелкните Запустить.

    Очищенный снимок 1984 года

    Новый слой 1984 добавлен на карту. Разница невелика, но границы между значениями были сглажены. Кроме того, исчезло большинство мелких отдельных пикселов, рассеянных по всему снимку. Хотя небольшое количество их всё-таки осталось, инструменты генерализации приемлемо очистили изображение. Если вы хотите сами посмотреть на различия, попробуйте воспользоваться инструментом Спрятать и посильнее увеличить изображение для сравнения. Теперь надо применить инструмент Удаление границ к остальным изображениям.

  5. Запустите инструмент Удаление границ применительно к растру Filter_2014. Измените имя выходного растра на Clean_2014.

    Новый слой 2014 года будет добавлен на карту. Исходные слои, созданные инструментом Фильтр большинства, больше не нужны, поэтому вы удалите их с карты.

  6. На панели Содержание удалите слои Filter_2014 и Filter_1984.
  7. Сохраните проект.

Вы очистили исходные классифицированные снимки и удалили множество мелких ошибок и группировок пикселов. Далее вы рассчитаете площадь озера для 1984 и 2014 годов и определите, сколько поверхности озера было потеряно между этими двумя датами.


Вычисление исторических площадей

Теперь вы рассчитаете площадь озера Поянху в гектарах для 1984 и 2014 гг. Сначала вы выберете подходящую формулу.

Разработайте формулу вычисления площади

Вы проведете исследования, чтобы решить, как вычислить площадь озера.

  1. На панели Содержание щёлкните правой кнопкой слой Clean_1984 и выберите Таблица атрибутов.

    Таблица атрибутов

    Откроется таблица. Каждое из четырех значений слоя (для четырех классов) есть число пикселов. В значении Value 1, соответствующем воде, приблизительно 3 миллиона пикселов. Это очень много пикселов, но чему соответствует размер пиксела в единицах реального мира? Это можно узнать, посмотрев какое разрешение у снимка, то есть сколько единиц земной поверхности соответствует одному пикселу.

    Примечание:

    Получение площади объекта непосредственно на основе количества пикселов, перечисленных в таблице атрибутов, как вы собираетесь сделать, допустимо только в том случае, если вы используете систему координат проекции, которая не слишком сильно искажает области. Как вы увидите позже, здесь используется система WGS 1984 UTM Zone 50N, что приемлемо. Другие системы, такие как Web Mercator, часто используемые для веб-карт, неприемлемы.

  2. Не закрывайте таблицу атрибутов. На панели Содержание щёлкните правой кнопкой слой Clean_1984 и откройте Свойства.

    Откроется окно Свойства слоя.

  3. В левой части окна Свойства слоя щёлкните Источник.

    Закладка Источник

    На вкладке Источник содержится информация о типе данных слоя, его местоположении на компьютере, экстенте и проекции данных.

  4. Щёлкните Информация о растре.

    Информация о растре

    Размер ячейки по Х и Размер ячейки по Y определяют длину (X) и высоту (Y) каждой ячейки или пиксела. В данном случае каждый пиксел на карте соответствует квадратику 30х30 единиц реального мира. Но мы до сих пор не знаем, какие это единицы измерения. Это 30 дюймов? Или 30 километров? Нам нужна площадь в гектарах, поэтому очень важно узнать единицы измерения.

  5. Щелкните Информацию о растре еще раз, чтобы закрыть ее. Щёлкните Пространственная привязка.

    Пространственная привязка

    Параметр Линейные единицы обозначает, в каких единицах измерения производятся по умолчанию все пространственные вычисления над этим слоем. В данном случае это метры, то есть каждый пиксел представляет площадь 30х30 метров (или 900 квадратных метров) в реальном мире.

    В разделе Пространственная привязка вы также можете увидеть, что в качестве Системы координат проекции используется WGS 1984 UTM Zone 50N, как обсуждалось ранее.

  6. Закройте окно Свойства слоя.

    Чтобы вычислить площадь каждого значения на снимке, надо умножить количество пикселов на 900; получатся квадратные метры. Затем надо будет разделить результат на 10000 (квадратных метров в одном гектаре). Общая формула имеет следующий вид:

    Гектары = (Кол-во × 900) / 10000

Теперь, когда вы разработали формулу, вы примените ее для вычисления площади озера.

Вычисление потерянной площади озера в гектарах

Теперь вы вычислите площадь озера в гектарах для 1984 и 2014 годов. Затем вы найдете количество гектаров, потерянных между двумя датами.

  1. В таблице атрибутов Clean_1984 щелкните кнопку Добавить поле.

    Кнопка Добавить поле

    Откроется вид Поля, в котором можно управлять полями таблицы атрибутов. Новое поле добавилось в конце списка.

  2. Для нового поля измените Имя поля на Hectares. Измените Тип данных на Float.

    Поле Hectares

    Тип данных Float позволяет указывать числа со знаками после запятой.

  3. На ленте на вкладке Поля в группе Изменить щёлкните Сохранить.

    Сохранить изменения

  4. Закройте вид Поля: Clean_1984, чтобы вернуться к таблице атрибутов.

    Теперь в таблице есть поле Hectares, но оно пустое. Затем вы рассчитаете гектары для каждого значения класса согласно обсуждавшейся выше формуле.

  5. Щелкните правой кнопкой мыши на заголовке поля Hectares и воспользуйтесь командой Вычислить поле.

    Опция Вычислить поле

    Откроется панель геообработки с инструментом Вычислить поле.

  6. В инструменте Вычислить поле подтвердите следующее.
    • Для Входной таблицы значение - Clean_1984.
    • Для Имя поля значение - Hectares.
    • Для Типа выражения оставьте Python 3.
  7. Ниже Hectares = , создайте выражение (!Count! * 900) / 10000.
    Подсказка:

    Дважды щелкните поле Count в списке полей, чтобы внести поле Count в окно выражения в область Поля.

    Выражение

  8. Щелкните Запустить.

    Значения площадей в гектарах

    Поле Hectares в таблице атрибутов заполнится площадями в гектарах для каждого значения на снимке. Значение Value 1, представляющее воду, приблизительно 270 тысяч гектаров — площадь озера в 1984 году.

  9. Закройте таблицу атрибутов.

    Аналогичным образом вы теперь рассчитаете площадь озера в гектарах в 2014 году. Поскольку пространственное разрешение и другие характеристики двух изображений одинаковы, вы будете использовать ту же формулу, что и раньше.

  10. На панели Содержание щёлкните правой кнопкой слой Clean_2014 и выберите Таблица атрибутов. В таблице атрибутов щелкните кнопку Добавить поле. Для нового поля измените Имя поля на Hectares. Измените Тип данных на Float.
  11. На ленте на вкладке Поля в группе Изменить щёлкните Сохранить. Закройте вид Поля: Clean_2014 чтобы вернуться в таблицу атрибутов.
  12. Щелкните правой кнопкой мыши на заголовке поля Hectares и воспользуйтесь командой Вычислить поле. Убедитесь, что Входная таблица - Clean_2014, Имя поля - Hectares и Тип выражения - Python 3. Ниже Hectares = , создайте выражение (!Count! * 900) / 10000. Щелкните Запустить.

    Hectares на карте 2014 года

    Поле Hectares в таблице атрибутов заполнено, а Значение 1, которое показывает воду, составляет примерно 200 000 гектаров. Это площадь озера в 2014 году.

  13. Закройте таблицу атрибутов.

    Площадь озера в 1984 году была около 270 тысяч гектаров, а в 2014 году сократилась до почти 200 тысяч. В период с 1984 по 2014 год было потеряно почти 70 000 гектаров озера Поянху: в среднем около 2300 гектаров в год.

    Примечание:

    Есть и другие методы вычисления площади после завершения классификации. Например, вы можете сначала использовать инструмент Растр в полигон, чтобы создать полигональный объект озера, который будет включать площадь в квадратных метрах. Затем вы должны преобразовать площадь в гектары, разделив ее на 10 000.

  14. Сохраните проект.

В этом уроке вы сравнили визуально и классифицировали снимки Landsat озера Поянху, чтобы понять, насколько изменилась площадь озера с течением времени. Ваши выводы указывают на серьезную проблему: озеро потеряло тысячи гектаров всего за 30 лет. Наши вычисления не объясняют причины сокращения озера Поянху, но их можно считать достоверным свидетельством существования серьёзной проблемы, что служит достаточным основанием для специалистов в области охраны окружающей среды заняться более глубокими исследованиями.

Примечание:

Если вы хотите узнать больше о темпах изменения озера Поянху за этот 30-летний период, вы можете провести тот же анализ на изображениях из промежуточных дат, таких как изображение июня 2001 года. Таким образом, вы можете отобразить изменение во времени и выяснить, стабильный ли это темп или, возможно, ускоряется.

Больше подобных уроков вы можете найти на странице Данные дистанционного зондирования и изображения.