Карты затоплений с данными SAR и глубоким обучением
Чтобы провести этот анализ, вы сначала извлечете пикселы, которые представляют воду на изображениях SAR Sentinel-1 до и после наводнения, используя предварительно обученную модель глубокого обучения. Затем вы выполните выявление изменений между двумя извлеченными растрами водных поверхностей, чтобы определить затопленные области. Наконец, вы рассчитаете общую площадь поверхности, пострадавшую от наводнения, в квадратных километрах.
Настройте проект и изучите данные
Для начала вы загрузите проект, содержащий необходимые данные для этого руководства, и откроете его в ArcGIS Pro. Затем вы начнете изучение данных.
- Загрузите пакет Flood_mapping.
Файл с именем Flood_mapping.ppkx загружен на ваш компьютер.
Примечание:
Файл .ppkx является пакетом проекта ArcGIS Pro и может содержать карты, данные и другие файлы, которые вы можете открыть в ArcGIS Pro. Подробнее об управлении файлами .ppkx в этом руководстве.
- Найдите загруженный файл на вашем компьютере.
Подсказка:
В большинстве веб-браузеров файлы загружаются в папку Загрузки.
- Дважды щелкните Flood_mapping.ppkx, чтобы открыть его в ArcGIS Pro. При появлении запроса войдите в свою учетную запись ArcGIS.
Примечание:
Если у вас нет доступа к ArcGIS Pro или учетной записи ArcGIS, см. опции доступа к программному обеспечению.
Откроется проект.
Проект содержит четыре карты - Сравнение изображений SAR, После наводнения, До наводнения и Выявление изменений. Сейчас вы будете работать в первой карте.
- Убедитесь, что выбрана карта Сравнение изображений SAR.
Карта содержит два спутниковых изображения радара с синтезированной апертурой (SAR), Pre_Flood_SAR_Composite и Post_Flood_SAR_Composite, на которых изображена область интереса до и после наводнения в Сент-Луисе в 2019 году. В настоящее время виден только слой до затопления, отображающийся поверх карты по умолчанию World Topographic. Черные или темно-серые тона обозначают покрытые водой территории и четко очерчивают реки Миссисипи, Иллинойс и Миссури.
Спутники с датчиками SAR создают изображения на основе радиолокационной технологии. Одной из сильных сторон SAR является то, что он может создавать четкие изображения как днем, так и ночью, независимо от наличия облаков, дыма или дождя. Это делает изображения SAR очень хорошим выбором для картирования наводнений.
Примечание:
Чтобы узнать больше о SAR, обратитесь к руководству Изучите спутниковые изображения SAR и серии Начало работы со спутниковыми изображениями SAR.
Эти два слоя были получены на основе изображений SAR Sentinel-1 GRD, полученных 23 февраля и 11 июня 2019 года.
Примечание:
К исходным наборам данных GRD Sentinel-1 были применены несколько этапов предварительной обработки, чтобы подготовить их к анализу, включая создание составных изображений. Чтобы узнать, как получить наборы данных Sentinel-1 GRD для вашей области интереса и как их подготовить, обратитесь ко второму модулю этого руководства Примените этот рабочий процесс к вашей области интереса.
Используйте инструмент Спрятать, чтобы визуально сравнить два слоя.
- На панели Содержание щелкните слой Pre_Flood_SAR_Composite, чтобы его выбрать.
- Щелкните на ленте вкладку Растровый слой. В группе Сравнить щелкните Спрятать.
- На карте перетащите курсор сверху вниз, чтобы скрыть слой Pre_Flood_SAR_Composite и открыть под ним слой Post_Flood_SAR_Composite.
На снимке после наводнения гораздо больше покрытых водой участков, окрашенных в черные тона.
Для сравнения: оптические спутниковые снимки (Sentinel-2) за период после наводнения из-за погодных условий представляют собой толстый слой облаков и не могут быть использованы для обнаружения затопленных территорий на земле.
Оптические изображения Sentinel-2, сделанные после наводнения, показывают плотный слой облаков. - Используйте колесико мыши для увеличения или уменьшения масштаба карты и продолжайте использовать инструмент Спрятать, чтобы более подробно изучить изображения SAR.
Подсказка:
Чтобы перемещаться по карте при включенном инструменте Спрятать, нажмите клавишу C и перетащите.
- Чтобы выйти из режима Спрятать, на ленте вкладки Карта в группе Навигация щелкните инструмент Исследовать.
Загрузите предварительно обученную модель глубокого обучения
Чтобы извлечь пикселы, которые представляют воду на изображениях SAR, вы будете использовать предварительно обученную модель глубокого обучения под названием Water Body Extraction (SAR) - USA. Она была обучена обнаруживать водные пикселы на изображениях SAR и доступна через ArcGIS Living Atlas of the World. Вы загрузите модель себе на компьютер.
Примечание:
ArcGIS Living Atlas of the World - это достоверная коллекция ГИС-данных Esri, включающая в себя растущую библиотеку предварительно обученных моделей глубокого обучения.
- Оставьте ArcGIS Living Atlas of the World в своем веб-браузере.
- На главной странице в поле поиска введите Water Body Extraction (SAR) - USA и нажмите кнопку поиска.
- В списке результатов нажмите Water Body Extraction (SAR) - USA, чтобы открыть страницу элемента.
Эта страница содержит документацию о модели. Также она включает ссылку на руководство по использованию модели.
- Вверху страницы в разделе Обзор нажмите Загрузить.
Файл модели загрузится на ваш компьютер.
- Найдите загруженный файл WaterbodyExtractionSAR_USA.dlpk на вашем компьютере и переместите в папку, где вы сможете его легко найти, например C:\GeoAI.
Извлечение водных пикселов
Теперь вы будете использовать загруженную предварительно обученную модель для извлечения водных пикселов из изображения до наводнения. Вы будете использовать инструмент геообработки Классифицировать пикселы с помощью глубокого обучения.
Примечание:
Для использования инструментов глубокого обучения в ArcGIS Pro необходимо, чтобы на вашем компьютере были установлены библиотеки глубокого обучения. Если эти файлы еще не установлены, сохраните проект, закройте ArcGIS Pro и следуйте инструкциям по установке в статье Подготовка к глубокому обучению в ArcGIS Pro. В этих инструкциях вы также можете узнать, как проверить, можно ли запускать рабочие процессы глубокого обучения, используя ваше оборудование и программное обеспечение, а также познакомится с другими советами по использованию. После завершения вы можете открыть проект повторно и продолжить работу с руководством.
Выполните извлечение водных пикселов на второй карте.
- Щелкните вкладку карты До наводнения.
Эта карта содержит слой Pre_Flood_SAR_Composite. Обработка всего изображения SAR с помощью инструмента Классифицировать пикселы с помощью глубокого обучения может занять от 40 минут до 4 часов в зависимости от характеристик вашего компьютера. Для сокращения времени в этом уроке вы обработаете только небольшую часть изображения.
- На ленте на вкладке Карта, в группе Навигация щелкните Закладки и выберите Меньший экстент.
Карта приблизится к меньшему экстенту в центре изображения SAR.
Теперь откройте инструмент и задайте его параметры.
- На ленте, на вкладке Вид в группе Окна щелкните Геообработка.
- На панели Геообработка в поле поиска введите Классифицировать пикселы с помощью глубокого обучения. В списке результатов щелкните инструмент Классифицировать пикселы с помощью глубокого обучения, чтобы открыть его.
- Задайте следующие параметры для инструмента Классифицировать пикселы с помощью глубокого обучения:
- Для Входного растра выберите Pre_Flood_SAR_Composite.
- Для Выходного набора растровых данных введите Pre_Flood_Water_Small_Extent.
Теперь вы извлечете модель Water Body Extraction (SAR) - USA.
- Рядом с параметром Определение модели нажмите кнопку Обзор.
- В окне Определение модели перейдите к папке, в которой вы сохранили модель, выберите WaterbodyExtractionSAR_USA.dlpk и щелкните OК.
Через несколько секунд аргументы модели загрузятся автоматически.
- В разделе Аргументы найдите аргумент batch_size.
Классификация пикселов глубокого обучения не может быть выполнена для всего изображения одновременно. Вместо этого инструмент разрезает изображение на мелкие кусочки. Размер пакета 4 означает, что инструмент будет обрабатывать четыре фрагмента изображения одновременно. При запуске инструмента вы можете получить сообщение об ошибке, поскольку на вашем компьютере недостаточно памяти для этого уровня обработки. В этом случае попробуйте уменьшить значение batch_size с 4 до 2 или даже до 1. Если у вас мощный компьютер, вы также можете увеличить значение batch_size для более быстрой обработки. Изменение значения batch_size не повлияет на качество результатов, а только на эффективность процесса классификации модели.
На данный момент вы сохраните значение 4 по умолчанию.
- В разделе Аргументы для test_time_augmentation введите Истина.
Если для этого аргумента установлено значение Истина, будет применено увеличение данных: несколько версий чипов изображений будут созданы путем их переворачивания и вращения, а полученные прогнозы будут объединены в окончательный результат.
Примечание:
Дополнительную информацию об аргументах модели см. в документации Классифицировать пикселы с помощью глубокого обучения.
Теперь вы укажете экстент обработки в Параметрах среды, чтобы ограничить его меньшей частью изображения, отображаемой в данный момент на карте.
- Выберите вкладку Параметры среды.
- В разделе Экстент нажмите кнопку Текущий экстент отображения.
Координаты экстента обновляются в параметрах Сверху, Слева, Справа и Снизу на основе текущего экстента карты.
- Для Типа процессора выберите GPU. Для GPU ID введите 0.
Примечание:
В этом руководстве предполагается, что у вашего компьютера есть Графический процессор NVIDIA. В противном случае, выберите CPU, но помните, что выполнение процесса займет гораздо больше времени. Чтобы узнать больше о графических процессорах и о том, как они используются в процессах глубокого обучения, см. раздел Проверка доступности графических процессоров в руководстве Подготовка к глубокому обучению в ArcGIS Pro.
Теперь все готово для запуска инструмента.
Внимание:
В зависимости от характеристик вашего компьютера этот процесс займет некоторое время. Для справки, на компьютере с графическим процессором Nvidia объемом 4 ГБ это занимает около 7 минут.
Если вы предпочитаете не запускать этот процесс для экономии времени, вы можете вместо этого открыть выходной растр, предоставленный в проекте. На панели Каталог перейдите к Базы данных и Flood_mapping.gdb. Щелкните правой кнопкой мыши Pre_Flood_Water_Small_Extent_Provided и выберите Добавить к текущей карте.
- Если вы решите запустить процесс самостоятельно, щелкните Запустить.
Пока инструмент обрабатывает данные, вы можете нажать на Просмотр подробной информации для получения дополнительной информации.
Подсказка:
Если вы получили сообщение об ошибке, попробуйте уменьшить значение batch_size с 4 до 2 или даже 1 и запустите процесс еще раз.
После завершения процесса выходной растр Pre_Flood_Water_Small_Extent появится на панели Содержание.
- На панели инструментов быстрого доступа, щелкните кнопку Сохранить проект, чтобы сохранить проект
Вы извлекли водные пикселы из изображений до наводнения для части региона Сент-Луис, используя инструмент Классифицировать пикселы с использованием глубокого обучения и предварительно обученную модель Water Bodies Extraction (SAR) – USA. Далее изучите результаты.
Рассмотрим входной растр водных поверхностей
Вы будете использовать инструмент Спрятать, чтобы сравнить растр водных поверхностей до наводнения и изображение SAR.
- Убедитесь, что на панели Содержание выбран слой Pre_Flood_Water_Small_Extent.
- На вкладке ленты Растровый слой щелкните Спрятать.
- На карте перетащите сверху вниз, чтобы скрыть слой Pre_Flood_Water_Small_Extent и открыть расположенный под ним слой Pre_Flood_SAR_Composite.
При этом обратите внимание, что извлеченные водные пикселы, отображаемые фиолетовым цветом, соответствуют более темным областям изображения SAR. Поскольку это изображение SAR до наводнения, эти пикселы соответствуют постоянным водоемам, таким как реки и озера.
Затем, выполнив те же шаги, вам нужно извлечь водные пикселы из изображения SAR после наводнения. Однако, чтобы обеспечить краткость данного руководства, этот шаг был выполнен за вас. Теперь вы просмотрите его результат.
- Щелкните вкладку карты После наводнения.
Эта карта содержит изображение SAR после наводнения и растр водных поверхностей, извлеченный из него в том же меньшем экстенте, который использовался ранее.
- На панели Содержание выберите слой Post_Flood_Water_Small_Extent.
- На карте перетащите сверху вниз, чтобы скрыть слой Post_Flood_Water и открыть расположенный под ним слой Post_Flood_SAR_Composite.
При этом обратите внимание, что извлеченные водные пикселы, отображаемые фиолетовым цветом, соответствуют более темным областям изображения SAR. Поскольку это изображение SAR после наводнения, эти пикселы соответствуют постоянным водоемам, таким как реки и озера, а также участкам, затопленным в результате наводнения.
- Чтобы выйти из режима Спрятать, на вкладке Карта щелкните Исследовать.
Теперь, когда вы извлекли водные пикселы из изображений до и после наводнения, следующим шагом будет понимание того, что изменилось между ними.
Выполнение анализа выявления изменений
Чтобы идентифицировать затопленные территории, вам необходимо выполнить анализ обнаружения изменений, сравнивая растры до и после затопления. Вы хотите найти пикселы, которые перешли из состояния «неводных» в состояние «водных». Вы сделаете это на четвертой карте с использованием Мастера выявления изменений.
- Щелкните вкладку Выявление изменений.
Эта карта содержит растры водных поверхностей до и после паводка, которые были извлечены из изображений SAR.
Примечание:
Эти более крупные растры были созданы с помощью инструмента Классифицировать пикселы с помощью глубокого обучения с теми же параметрами, что и ранее, за исключением параметра Экстент, который был определен как Пересечение входных данных.
Вы проведете анализ выявление изменений в этом более крупном экстенте. Но сначала нужно выполнить этап предварительной обработки. Растры водных поверхностей, полученные с помощью инструмента Классифицировать пикселы с помощью глубокого обучения, содержат только один класс со значением 1, представляющий водные пикселы.
Однако для выполнения анализа обнаружения изменений требуется бинарный растр. Бинарный растр будет иметь два класса: 0, представляющий неводные пикселы, и 1, представляющий водные пикселы. Вы построите бинарные растры при помощи инструмента Равно.
- На панели Геообработка дважды щёлкните кнопку Назад.
- Найдите и откройте инструмент Равно.
Вначале примените инструмент для растра до наводнения.
- Установите следующие параметры инструмента Равно:
- Для опции Входной растр или константа 1 выберите Pre_Flood_Water.
- Для опции Входной растр или константа 2 введите 1.
- Для Выходного растра введите Pre_Flood_Binary.
Для каждого пиксела инструмент вернет 1, если Входной растр или константа 1 равен Входной растр или константа 2, и 0 в противном случае.
- Щелкните Запустить.
Через несколько секунд бинарный растр будет добавлен на карту.
У бинарного растра будет 2 класса - 0, обозначенный серым цветом (неводный), и 1, обозначенный красным цветом (водный).
- Аналогично используйте инструмент Равно для создания растра Post_Flood_Binary.
После запуска инструмента, бинарный растр после наводнения будет добавлен на карту.
Теперь выполните анализ выявления изменений.
- На ленте на вкладке Изображение в группе Анализ щелкните кнопку Выявление изменений и выберите Мастер выявления изменений.
- На панели Мастер выявления изменений на вкладке Настройка установите следующие параметры:
- Метод выявления изменений выберите Категорийное изменение.
- Для Из растра выберите Pre_Flood_Binary.
- Для В растр выберите Post_Flood_Binary.
Значениями бинарного растра являются категории (вода или не вода), поэтому вы выбираете опцию Изменение категории.
Примечание:
Узнать больше о выявлении категориальных изменений.
Примечание:
Если вы получите предупреждение стандартные поля 'Red', 'Blue', 'Green' не найдены, вы можете его игнорировать.
- Щелкните Далее.
- На вкладке Конфигурация классов задайте следующие параметры:
- Для Метода фильтрации убедитесь, что выбрано Только измененные.
- Для Из классов поставьте отметку рядом с 0.
- Для В классы поставьте отметку рядом с 1.
Будут обнаружены только те пикселы, которые перешли из состояния «неводных» (0) в состояние «водных» (1). Эти пикселы представляют затопленные территории.
- Щелкните Далее.
- На вкладке Выходное построение задайте следующие параметры:
- Для Выходные данные введите Flood.crf.
- Примите остальные значения по умолчанию.
- Щелкните Запустить.
Через несколько секунд выходной растр Flood.crf будет добавлен на карту. Он имеет два класса пикселов:
- 0->1, который представляет пикселы, которые перешли из состояния "неводных" в "водные", и соответствуют затопленным областям. Он обозначен розовым цветом.
- Другие, который представляет любые другие пикселы. Он отображается как Без цвета (прозрачный).
Визуализируйте наводнение и вычислите его площадь
Теперь вы измените символы, чтобы результаты были видны лучше, и рассчитаете общую площадь, пострадавшую от наводнения.
- На панели Содержание в разделе Flood.crf щелкните правой кнопкой мыши символ 0->1, чтобы отобразить цветовую палитру. Выберите темно-красный цвет, например Красный молочай.
- Снимите выделение со слоев Post_Flood_Binary, Pre_Flood_Binary и Post_Flood_Water, чтобы отключить их.
- Щелкните правой кнопкой символ Pre_Flood_Extracted_Water и выберите темно-синий, например Критский синий.
- На карте извлеченный слой затопления отображается красным цветом, а водоемы до паводка, как основа, отображаются синим цветом.
Наконец, вы хотите вычислить площадь затопленной поверхности, измеренную в квадратных километрах.
- На панели Содержание щелкните правой кнопкой мыши слой Flood.crf и выберите Таблица атрибутов.
Появится Таблица атрибутов Flood.crf. Он содержит две строки, по одной для каждого класса: 0->1 (пикселы наводнения) и Другие (другие пикселы). В столбце Area указана общая площадь каждого класса в квадратных метрах. Для класса наводнения она составляет 524 619 200.703 квадратных метра.
Примечание:
Поскольку классификация глубокого обучения не является детерминированным процессом, полученные вами значения площадей могут немного отличаться.
Значения в квадратных метрах может быть сложно интерпретировать, поэтому вам нужно добавить новое поле, чтобы отобразить площадь в квадратных километрах.
- На панели таблица атрибутов нажмите кнопку Вычислить.
- В окне Вычислить поле задайте следующие параметры:
- Для Имя поля (существующего или нового) введите Area_km2.
- Для Тип поля выберите Двойной точности (64-битное с плавающей точкой).
Площадь в квадратных километрах равна площади в квадратных метрах, разделенной на 1 000 000. Сформируйте соответствующее выражение.
- В разделе Выражение в поле Поля дважды щелкните Area. В разделе Area_km23 = закончите выражение, введя /1000000.
Полное выражение должно выглядеть так !Area! / 1000000.
- Щелкните Запустить.
Появится новое поле Area_km2, заполненное значениями. Площадь затопления составляет около 525 квадратных километров.
- Закройте таблицу атрибутов Flood.crf.
- Нажмите Ctrl+S, чтобы сохранить проект.
В этом рабочем процессе вы извлекли пикселы, которые представляют воду на изображениях SAR Sentinel-1 до и после наводнения, используя предварительно обученную модель глубокого обучения. Затем выявили изменения между двумя извлеченными растрами водных поверхностей, чтобы определить затопленные области. Наконец, вы подсчитали, что во время наводнения на Среднем Западе в 2019 году в регионе Сент-Луис была затоплена территория площадью 525 квадратных километров.
Добавьте этот рабочий процесс к вашей области интереса (дополнительно)
Изображения Sentinel-1 доступны для всей Земли. Если вы хотите применить только что изученный рабочий процесс к своей области интересов, этот дополнительный модуль объяснит, где найти данные и как подготовить их к анализу.
Где найти данные Sentinel-1 GRD
В этом рабочем процессе используются данные Sentinel-1 Ground Range Detected (GRD). Одним из веб-сайтов, где вы можете бесплатно загрузить данные Sentinel-1 GRD для любого места на Земле, является веб-сайт ASF Data Search Vertex. Ниже приводятся некоторые рекомендации по загрузке наборов данных SAR, аналогичных тем, которые вы использовали в этом уроке, для выбранного вами экстента.
- Создайте бесплатную учетную запись Earthdata, если у вас ее еще нет.
- На сайте ASF Data Search Vertex в верхней панели инструментов войдите в систему, используя свои учетные данные Earthdata.
- В верхней панели инструментов в разделе Search Type (Тип поиска) убедитесь, что выбран Geographic Search (Географический поиск). В разделе Dataset (Набор данных) убедитесь, что выбран Sentinel-1.
- На карте с помощью колесика мыши приблизьте область интереса. С помощью щелчка и перетаскивания нарисуйте прямоугольник, очерчивающий интересующую вас область, и щелкните еще раз, чтобы завершить создание прямоугольника.
В верхней панели инструментов в поле Area of Interest (Область интереса) появятся координаты только что созданной фигуры.
- Используйте виджеты календаря для заполнения полей Start Date и End Date. Щёлкните Filter.
- В окне Filters в разделе Additional Filter (Дополнительные фильтры) выберите следующие опции:
- Для File Type выберите L1 Detected High-Res Dual-Pol (GRD-HD).
- Для Beam Mode выберите IW.
- Для Polarization выберите VV+VH.
- Для Direction выберите По возрастанию.
- Щелкните Search.
Через несколько секунд появится список сцен SAR, отвечающих заданным критериям поиска.
- В списке для выбранной сцены нажмите кнопку Zoom to scene, чтобы просмотреть изображение на карте.
- Если вас устраивает это изображение, в третьем столбце справа для набора данных GRD-HD нажмите кнопку Download.
Набор данных будет загружен в папку Downloads на вашем компьютере.
Скачать пример данных GRD Sentinel-1
После получения данных для области интереса необходимо выполнить несколько этапов предварительной обработки, чтобы подготовить их к анализу. Чтобы попрактиковаться, вы загрузите образец данных GRD Sentinel-1 и откроете его в своем проекте ArcGIS Pro. Этот набор данных был использован для создания слоя Post_Flood_SAR_Composite, который применялся ранее в этом руководстве.
- Скачайте файл Data_preparation.zip и найдите его на своем компьютере.
- В проводнике Windows щелкните правой кнопкой файл Data_preparation.zip и разархивируйте его в папку на вашем компьютере, например, на диск C:\data, используя служебную программу, такую как 7-Zip.
- На ленте ArcGIS Pro на вкладке Вид в группе Окна щелкните Панель Каталог.
Появится панель Каталог.
- На панели Каталог правой кнопкой мыши щелкните Папки и выберите Добавить подключение к папке.
- В окне Добавить подключение к папке найдите папку Data_preparation, выберите ее и нажмите ОК.
Теперь откройте изображение GRD Sentinel-1 на новой карте.
- На панели Каталог щелкните стрелку рядом с элементом Папки, Data_preparation, Sentinel1 и S1A_IW_GRDH_1SDV_20190611T235618_20190611T235643_027639_031E97_AC44.SAFE, чтобы раскрыть эти папки.
- Щелкните правой кнопкой manifest.safe, укажите Добавить к новой и выберите Карта.
- Если появится запрос создать Пирамидные слои и Статистику, щелкните ОК, чтобы принять запрос.
Примечание:
Пирамидные слои – это обзорные изображения с уменьшенным разрешением в разных масштабах. Они используются для повышения скорости рисования. Для выполнения определенных задач с изображениями, таких как их отображение с растяжкой, требуются статистические данные. Подробнее о построении пирамидных слоев и вычислении статистики.
Через пару минут изображение добавится на новую карту под именем IW_manifest.
Изображение готово к обработке.
Применить орбиту и геометрическую коррекцию рельефа
Сначала примените орбиту и геометрическую коррекцию рельефа.
Примечание:
Если пропустить эти два шага, классификация с помощью глубокого обучения и анализ выявления изменений все равно будут работать, но есть риск получить результаты, которые будут неточно отображены на карте.
Независимо от того, насколько точно настроена орбита спутника, местоположение спутника будет меняться из-за воздействия гравитации и других факторов. Актуальные орбитальные файлы дают точное местоположение спутника во время получения изображения. Используйте инструмент Загрузить файл орбиты, чтобы загрузить соответствующий файл орбиты.
- Переключитесь на панель Геообработка. При необходимости щелкните кнопку Назад.
- Найдите и откройте инструмент Загрузить файл орбиты.
- Установите следующие параметры инструмента Загрузить файл орбиты:
- Для Входных радарных данных выберите IW_Manifest.
- Убедитесь, что для Типа орбиты выбран Sentinel Precise.
- Убедитесь, что в разделе Аутентификация и хранилище данных Имя пользователя и Пароль оставлены пустыми.
- Щелкните Запустить.
Новый файл с разрешением .EOF загружен в папку .SAFE. Теперь обновите орбитальную информацию в изображении SAR, используя загруженный файл в инструменте Применить коррекцию орбиты.
- На панели Геообработка щелкните кнопку Назад. Найдите и откройте инструмент Применить коррекцию орбиты.
- Для Входных радарных данных выберите IW_Manifest.
Параметр Входной файл орбиты автоматически заполняется загруженным вами файлом орбиты.
- Щелкните Запустить.
После запуска инструмента появится сообщение Применение коррекции орбиты выполнено. Новый слой не создается, а обновляется исходное изображение. Далее, вы выполните ортотрансформирование с помощью инструмента Применить геометрическую коррекцию рельефа. Ортотрансформирование - это процесс коррекции видимых изменений положения объектов на земле, вызванных перспективой угла обзора сенсора и колебаниями высоты на поверхности. Этот процесс использует слой цифровой модели рельефа (ЦМР). Вы будете использовать тот, который находится в папке Data_preparation.
- На панели Геообработка щелкните кнопку Назад. Найдите и октройте инструмент Применить геометрическую коррекцию рельефа.
- Установите следующие параметры инструмента Применить геометрическую коррекцию рельефа:
- Для Входных радарных данных выберите IW_Manifest.
- Убедитесь, что автоматически заполнится параметр Выходные радарные данные.
- Для Каналов Поляризации выберите VV и VH.
- Для Растра ЦМР нажмите кнопку Обзор, выберите Папки > Data_preparation > ЦМР и выберите DEM.tif и щелкните ОК.
- Щелкните Запустить.
Примечание:
Выполнение процесса Применить геометрическую коррекцию рельефа может занять около 10 минут.
После завершения процесса появится выходной файл IW_manifest_GTC.crf.
Вы применили к изображению орбиту и геометрическую коррекцию рельефа - все его пикселы теперь точно расположены.
Создайте трехканальное объединение и обрежьте его
Вы продолжите подготовку данных, создав трехканальный композитный растр и затем обрезав его так, чтобы он точно соответствовал вашей области интереса.
При использовании предварительно обученной модели вам необходимо предоставить ей входные данные, аналогичные данным, на которых она обучалась. Как вы можете прочитать в документации по предварительно обученной модели Water Body Extraction (SAR) - USA, ожидаемыми входными данными является 8-битный трехканальный растр поляризационного канала Sentinel-1 C band SAR GRD VH.

Это означает следующее:
- Входной растр должен иметь 8-битную (без знака) глубину пиксела.
- Входной растр должен состоять из трех каналов, каждый из которых содержит копию поляризационного канала VH.
Примечание:
Предварительно обученная модель Water Body Extraction (SAR) - USA использует архитектуру DeepLab, которая ожидает на входе трехканальное изображение. Поскольку канал VH SAR обычно является хорошим выбором для обнаружения воды, при обучении модели было решено создать трехканальное объединение, в котором канал VH повторяется 3 раза.
Исходный набор данных Sentinel-1 с глубиной пикселов 16-бит без знака содержит два канала поляризации: VH и VV.
Подсказка:
Если вы хотите самостоятельно найти эту информацию о наборе данных Sentinel-1, на панели Содержание щелкните правой кнопкой мыши слой IW_manifest и выберите Свойства. В окне Свойства щелкните вкладку Источник и разверните разделы Информацию растра, Метаданные канала и Пространственная привязка. Полезная информация включает количество каналов, названия каналов (VV и VH), глубину пикселов и систему координат.
Используя функция растра Извлечь каналы, вы получите 8-битное трехканальное объединение.
- На ленте на вкладке Изображения в группе Анализ щелкните кнопку Функции растра.
- На панели Функции растра найдите и откройте Извлечь каналы.
- Задайте следующие параметры растровой функции Извлечь каналы на вкладке Параметры:
- Для параметра Растр выберите IW_manifest_GTC.crf.
- Для параметра Метод выберите Названия каналов.
- Для параметра Канал выберите VH три раза.
- Параметр Комбинация автоматически заполнится выражением VH VH VH.
- Щелкните вкладку Общие и выберите следующие настройки.
- В поле Имя введите Post_Flood_SAR_Composite.
- Для Типа выходного пиксела выберите 8 бит без знака.
- Щелкните Создать новый слой.
Объединение SAR добавлено на карту. Наконец, вы обрежете его так, чтобы он точно соответствовал вашей области интереса, с помощью инструмента Извлечение по маске. Уменьшение экстента сократит количество времени, необходимое для запуска инструментов классификации с помощью глубокого обучения и выявления изменений.
- На панели Геообработка щелкните кнопку Назад. Найдите и откройте инструмент Извлечь по маске.
- Установите следующие параметры инструмента Извлечь по маске:
- Для Входного растра выберите Post_Flood_SAR_Composite_manifest_GTC.crf.
- Для Выходного растра введите Post_Flood_SAR_Composite_Clipped.
Вы нарисуете свой конкретный экстент интереса.
- В разделе Экстент анализа нажмите кнопку Нарисовать экстент.
- На карте нарисуйте прямоугольник, соответствующий экстенту интереса.
Примечание:
Для этого урока вы можете выбрать любой экстент, который вам нравится.
На панели Содержание прямоугольник отображается как новый слой с именем Извлечь по Маске экстента анализа.
- В инструменте Извлечь по маске для параметра Входные растровые данные или данные маски объекта выберите Извлечь по Маске экстента анализа.
- Дополнительно щелкните Параметры среды. Для Выходной системы координат щелкните кнопку Выбрать систему координат, чтобы выбрать новую систему координат и получить перепроецированные выходные данные.
Например, проекция WGS 1984 UTM Zone 15N была выбрана для данных, которые вы использовали ранее в этом руководстве. Дополнительные сведения о проекциях см. в разделе Выбор правильной проекции.
- Щелкните Запустить.
Через несколько секунд результат будет добавлен на карту.
- На панели Содержание отключите все слои кроме Post_Flood_SAR_Composite_Clipped, World Topographic Map и World Hillshade.
Слой Post_Flood_SAR_Composite_Clipped подготовлен таким же образом, как и изображение Post_Flood_SAR_Composite, которое вы использовали в начале этого урока. Он готов к использованию в качестве входных данных для классификации с помощью глубокого обучения и рабочего процесса выявления изменений. Обратите внимание, что также потребуется подготовить изображения до наводнения, используя тот же рабочий процесс.
- Нажмите Ctrl+S, чтобы сохранить проект.
В этом руководстве вы нанесли на карту наводнение в Сент-Луисе, штат Миссури, в 2019 году. Вы извлекли водные пикселы на изображениях SAR Sentinel-1 до и после наводнения, используя предварительно обученную модель глубокого обучения. Затем, чтобы определить затопленные области, вы выполнили выявление изменений между двумя извлеченными растрами воды. Наконец, вы рассчитали общую площадь поверхности, пострадавшую от наводнения, в квадратных километрах. Кроме того, вы узнали, где найти данные для вашей области интереса и как подготовить их к анализу.
Больше обучающих материалов, аналогичных этим, доступно в серии Попробуйте глубокое обучение в ArcGIS