Tutorial 3: Klassifizierung eines benutzerdefinierten Bildstapels mit vorhandenen tabellarischen Referenzdaten

In diesem Szenario zeigen wir den Klassifizierungs-Workflow auf der Grundlage der bereitgestellten Demo-Daten. Hier verwenden wir tabellarische Daten aus einem Landsat-Spektralprofil von 2009.

Der erste Schritt ist der gleiche wie in Tutorial 1: Klassifizierung eines benutzerdefinierten Bildstapels mit vorhandenen Referenzdaten.

Schritt 1: Hochladen der Referenzdaten als Tabelle

Anstelle eines Shapefiles im .zip Format, verwenden wir in diesem Tutorial Referenzdaten einer Tabellendatei im .txt Format.

Option B) Tabellarische Datei

Zu diesem Zweck wählen wir beim Hochladen der Daten die zweite Option “TableFile”. In dieser Datei befindet sich das Spektralprofil von Landsat aus dem Jahr 2009. Die neun verschiedenen Bodenbedeckungsklassen, die hier verwendet werden, sind deciduous trees (Laubbäume), coniferous trees (Nadelbäume), heather pioneer (Heidepionier), bare ground (Kahlboden), xeric grass (Trockenes Gras), fesh meadow (Feuchtwiese), heather mature (Heidekraut reif), heater building (bildende Heide) und heather scrubby (Heidegebüsch).

Im folgenden Dialog können die gewünschten Klassen ausgewählt werden. In unserem Beispiel behalten wir alle Klassen bei.

Im Gegensatz zum Hochladen eines Shapefiles werden keine Referenzpunkte auf der Karte angezeigt.

Schritt 2: Eingabe eines Bildebenenstapels

Wenn wir eine Tabellendatei als Referenzdaten verwenden, gibt es keine Möglichkeit, den eingebauten Downloader zu benutzen. Daher verwenden wir nun die Option Upload local image layer stack mit der .json Datei als Bildebenenstapelbeschreibung und dem Bildebenenstapel aus den Demodaten. Dies funktioniert genau wie in Tutorial 1. Danach können wir die bereitgestellten Daten in der Vorschau ansehen und den Stack hochladen, indem wir auf den zweiten Add Data Button klicken. Unser Landsat Zeitreihenstapel aus dem Jahr 2018 besteht aus Daten von 3 Tagen mit jeweils 6 Bändern (insgesamt 18 Ebenen).

Der Bildstapel wird dann auf der Karte gerendert:

Durch einen Klick auf den Button Training data values auf der linken Seite können wir auch einen Blick in die Referenztabelle werfen und überprüfen, ob zum Beispiel alles korrekt ist.

Optional: Zur besseren Erkennbarkeit der Vegetation können wir hier auf den Button links Add a new RGB raster layer klicken und die Bandanordnung anpassen.

Die Klassifizierung und die Darstellung der Ergebnisse ist wieder die gleiche wie in Tutorial 1.