Хабр Курсы для всех
РЕКЛАМА
Практикум, Хекслет, SkyPro, авторские курсы — собрали всех и попросили скидки. Осталось выбрать!
Хабр доступен 24/7 благодаря поддержке друзей
Комментарии 46
Конечно. В разных регионах точность разная. Например, в европейском регионе IoU при распознавании границ в первой модели (готовим вторую) – 0.85. F1 при распознавании культур в конце сезона там же – 0.96. Вот тут про технологии
о любом поле в США и Европе
определяли популярность разных культур в регионах мира
Так всё таки можно будет в будущем посмотреть РФ/Украину/Китай и прочие регионы?
Украина на нашей карте есть. Над остальными странами работаем. Надеемся показать что-то в этом году.
Странно что сразу показалось что Украины нет. Сейчас посмотрел — и Крым есть. А там удивительные вещи. Wheat, Soybean, Beans… Специально посмотрел на обычных спутниковых фото — ошибается система в распознавании полей.
Вы смотрели как совпадают границы на гуглкартах? Если так, то часто на гуглкартах ситуация не актуальная. Но бывает и ошибается, конечно.
Солончаки, военные полигоны, на которых никогда не было не то, что сои, но и вообще следа плуга. Характерный признак — фальшивые «поля» имеют сложную кривую форму, а не прямоугольную как настоящие поля.
Не все настоящие поля прямоугольные, но да, вы правы, ошибки случаются. Проблема, что не всегда достаточно данных для обучения в специфических регионах, где почвы выглядят совсем иначе.
Не только почвы, но и само земледелие в конкретных условиях. Для сравнения нужен регион Кубани. Пока заценил Херсон и Крым. Система явно неправильно реагирует на земледелие в засушливой местности. Вот эту траву и красный грунт на фотографии система называет пшеницей.
habr.com/ru/post/437712
Споткнулась и на виноградниках и на бахче. Впечатление, что при неуверенном опознавании область называется пшеницей. Я бы в таких регионах учитывал бы начало сухого сезона и отсутствие ирригации.
habr.com/ru/post/437712
Споткнулась и на виноградниках и на бахче. Впечатление, что при неуверенном опознавании область называется пшеницей. Я бы в таких регионах учитывал бы начало сухого сезона и отсутствие ирригации.
Было бы познавательно посмотреть на Колумбию и Афганистан.
Добрый день.
Как понимаю по полям России данных нет?
Можно ли загружать данные по полям координатами снятыми с GPS устройств, на основной платформе этого не нашел, либо другими способами (данными к примеру полученными из кадастра).
Как понимаю по полям России данных нет?
Можно ли загружать данные по полям координатами снятыми с GPS устройств, на основной платформе этого не нашел, либо другими способами (данными к примеру полученными из кадастра).
На карте России, к сожалению, пока нет. Мы над этим работаем. В платформе для фермеров app.onesoil.ai добавлять поля можно любым удобным способом: обвести вручную, загрузить файлом, натыкать если границы в этом регионе мы уже распознали.
Представим, у вас 100 полей и вы хотите хотя бы раз в неделю смотреть что с ними происходит. С наземной системой такое не представляется возможным. Это слишком долго и слишком дорого. Наша – бесплатна и доступна любому, кто что-то выращивает.
Самый частый сценарий – наблюдать за развитием поля. Оперативно понимать, произошло ли что-то, требующее внимания. Как перезимовало поле, есть ли проблемные зоны. Сразу видно полегание, подтопление, и другие проблемы. Раньше нужно было объезжать поля на авто, это долго и неточно. Мы предлагаем выбирать места куда стоит отправиться просмотрев свежие снимки. Вот тут подробнее рассказываем как работает инструмент blog.onesoil.ai/ru/onesoil-scouting-app
map.onesoil.ai – это визуализация технологии по распознаванию полей, это не продукт для фермеров, а инфографика
onesoil.ai – то, чем пользуются фермеры
map.onesoil.ai – это визуализация технологии по распознаванию полей, это не продукт для фермеров, а инфографика
onesoil.ai – то, чем пользуются фермеры
Подскажите пожалуйста:
1. Как вы проводите атмосферную коррекцию оптических данных? Данные Sentinel-2 «из коробки» имеют проблемы с атмосферной коррекцией и если рассчитывать NDVI по этим данным, то он будет некорректным. У вас представлена динамика NDVI, т.е. данные явно приводились к общему знаменателю либо с помощью АК, либо еще как-то.
2. Используете ли вы NDVI при классификации?
3. Каким образом вы обучали модель для столь разных участков Земли? У нас получалось, что даже экспозиция склона может оказать влияние на классификацию даже в пределах одного региона РФ.
4. На сайте указано, что вы используете радарную съемку Sentinel-1, для каких целей вы используете радары и, если можно, то как? «Радарный» NDVI многие пытались считать, но получается так себе. Радары сильно подвержены влиянию влажности, как вы боролись с этим?
1. Как вы проводите атмосферную коррекцию оптических данных? Данные Sentinel-2 «из коробки» имеют проблемы с атмосферной коррекцией и если рассчитывать NDVI по этим данным, то он будет некорректным. У вас представлена динамика NDVI, т.е. данные явно приводились к общему знаменателю либо с помощью АК, либо еще как-то.
2. Используете ли вы NDVI при классификации?
3. Каким образом вы обучали модель для столь разных участков Земли? У нас получалось, что даже экспозиция склона может оказать влияние на классификацию даже в пределах одного региона РФ.
4. На сайте указано, что вы используете радарную съемку Sentinel-1, для каких целей вы используете радары и, если можно, то как? «Радарный» NDVI многие пытались считать, но получается так себе. Радары сильно подвержены влиянию влажности, как вы боролись с этим?
1. По L1. Мы используем TOA уровень обработки для Sentinel-2. Радиометрическую калибровку на этом уровне
2. Да, как одну из фичей
3. Мы собираем данные по всему миру за счёт платформы, делаем локальные поправки по данным, для переноса модели и используем object-based подход, что повышает устойчивость к таким артефактам
4. SAR определенно дает буст по точности, но прямо сейчас не готов говорить как именно мы его используем
2. Да, как одну из фичей
3. Мы собираем данные по всему миру за счёт платформы, делаем локальные поправки по данным, для переноса модели и используем object-based подход, что повышает устойчивость к таким артефактам
4. SAR определенно дает буст по точности, но прямо сейчас не готов говорить как именно мы его используем
Использование TOA практически гарантирует некорректность расчета NDVI так как состояние атмосферы исключается из расчета. Расчет NDVI, в таких случаях, будет иметь произвольную неизвестную, которая может отразится, а может и не отразится на результате расчета NDVI. Это приводит к тому, что NDVI, особенно рассматриваемый в динамике, будет некорректным. А может и корректным. Даже атмосферная коррекция Sentinel-2 с помощью Sen2Cor исключает «нормальный» расчет NDVI. К сожалению, без дополнительных плясок, можно считать только мгновенный NDVI для данного тайла Sentinel-2.
Да, это правда. Проблема в том, что дополнительных плясок мы сделать не можем, и да, в нашем NDVI есть определенная ошибка, но она не такая высокая, как кажется, так как мы фильтруем облака.
Проблема в том, что дополнительных плясок мы сделать не можема в чем у вас проблема?
Была статья с конференции по ДЗЗ по классификации, насколько я помню, пшеницы, хотя могу ошибаться, но точно какой-то зерновой культуры. Там предлагалось использовать несколько NDVI в различные стадии вегетации за сезон, т.е. в динамике. Без этого невозможно было точно определить культуру, в статье рассматривались разные методы, кстати. Если использовать такой «мгновенный» NDVI как у вас, то использовать его динамику для классификации не представляется возможным, более того разные области Земли будут иметь разные периоды вегетации культуры. Мы с борщевиком с этим столкнулись даже внутри РФ.
1. Мы используем не только NDVI, но спектр
2. По нашей оценке ошибка не более 5% при условии корректной фильтрации облаков, что для нас достаточно. А у вас сколько?
2. По нашей оценке ошибка не более 5% при условии корректной фильтрации облаков, что для нас достаточно. А у вас сколько?
1. Мы используем не только NDVI, но спектри мы.
2. По нашей оценке ошибка не более 5% при условии корректной фильтрации облаков, что для нас достаточно. А у вас сколько?
А причем тут облака? Облака, конечно, мешают, но представьте, что у вас 0% облачности. И что? При отсутствии облачности вы научились считать правильный NDVI на основе TOA? Ну тогда это прорыв! Думаю, что тут Atmospheric Correction Inter-Comparison Exercise вы могли бы порвать всех, хотя-бы в части упражнений.
Реальность, однако, другая. Ваши 5% ошибки требуют подтверждения. И что такое 5% ошибки как вы ее считали?
Пример 1: Берем два соседних тайла Sentinel-2 снятые одним КА в один день, тайлы нарезаются с перекрытием. Вычисляем NDVI для точки в перекрывающейся области по одному и по другому тайлу и получаем разные значения. У меня получалось гораздо больше 5%, может быть так атмосфера повлияла, может быть местность, но ошибку в 5% я бы даже не заметил.
Пример 2: Берем тайл Sentinel-2 и сравниваем его с БПЛА. БПЛА без камеры MicaSense RedEdge или аналогичной камерой — это полная профанация при оценке растительности, сравнивать нечего вообще. С БПЛА с камерой MicaSense можно сравнивать. Какая у вас разница NDVI в этом случае? Для какой конкретно культуры? С какой высоты съемка? Насколько поле близко к океану?
Пример 3: NDVI по Sentinel-2 и по LandSat-8. Какая разница у вас для одной и той-же точки (можно подобрать дни когда они оба пролетали над какой-либо местностью)?
Пример 4: Вы говорите про динамику NDVI. Вот вы рассчитали, сначала 0.6, через неделю 0.7, еще через неделю 0.6. Вы построили график. Где правильное значение? Как вы оцените? Может график вообще должен идти все время вверх, а не поворачивать вниз?
Судя по вашему сайту, вы предлагаете продукт, в котором используется динамика NDVI поля, причем для большой части планеты. У вас отличный дизайн и интересная идея, да, видимо вы первые кто это сделал в таком масштабе. Но ваш NDVI неправильный, ну или вы обладаете технологией, которой нет ни у кого в мире. Пожалуйста, опубликуйте статью, со своими выкладками и как вы их проверяли, не надо технологий, пусть ваше know-how останется вашим. Просто лично у меня, нет доверия к NDVI, который считается по TOA. На текущем этапе развития человечества такого продукта вообще нет, либо он неизвестен. Проект ASIX, кстати, очень интересный, и там видно, что разные алгоритмы работают совершенно по разному в разных климатических зонах.
Все вышеперечисленное ставит под сомнение ошибку в 5%, особенно при использовании TOA. Соответственно, на данный момент можно считать вашу динамику NDVI априори некорректной.
Фу-ф, длинно получилось :-)
О, вот еще. Вот тут поля вообще не очень размечены, но то, что размечено, это тоже не трава, а виноградники. Там вдоль Рейна винный регион (рислинг, вот это все)—так что там везде одни виноградники.
Так же проверил вокруг меня: Эфиромасличные розы — как виноградник орешники — как трава, но иногда попадают, само разделение полей уже радует.
Насчет виноградников — вокруг моего города много виноделен, во многих я был. Однако на карте виноградников как-то совсем мало. Проверил некоторые винодельни — как правило, большая часть виноградников помечена как трава.
Возможно, ссылка на ваш сервис будет ответом на один из этих вопросов. Ну и вам реклама.
Хотя, насколько понимаю, скачать данные никак нельзя.
Хотя, насколько понимаю, скачать данные никак нельзя.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
60 миллионов полей и 27 культур. Как мы делали карту всех полей Европы и США