In diesem Dokument wird die Verwendung des im ArcGIS Living Atlas of the World verfügbaren vortrainierten Modells Cloud Mask Generation (Sentinel-2) erläutert. Dieses Deep-Learning-Modell wird verwendet, um aus Sentinel-2-L2A-Bilddaten ein klassifiziertes Raster mit drei Klassen verschiedener Wolkendichten zu generieren.
Satellitenbilder werden zu verschiedenen Zwecken verwendet, unter anderem für Landnutzungs- und Landbedeckungsklassifizierung, Änderungserkennung, Objekterkennung usw. Satellitenbasierte Fernerkundungssensoren können oft aufgrund einer Wolkendecke keine klaren Bilder der Erde erfassen. Die bewölkten Regionen sollten ausgeschlossen werden, oder die Wolken müssen mit entsprechenden Algorithmen entfernt werden, damit die Bilddaten für Analysen verwendet werden können. Für die meisten dieser Vorverarbeitungsschritte ist eine Wolkenmaske erforderlich. Bei Bildern einer einzigen Szene ist die manuelle Erstellung einer Wolkenmaske zwar mühsam, aber relativ einfach. Bei einer großen Anzahl von Bildern wird jedoch eine automatisierte Methode zum Identifizieren der Wolken benötigt. Dieses Modell kann verwendet werden, um automatisch eine Wolkenmaske aus Sentinel-2-Bilddaten zu generieren.
Lizenzanforderungen
Für diesen Workflow gelten die folgenden Lizenzanforderungen:
- ArcGIS Desktop: ArcGIS Image Analyst-Erweiterung für ArcGIS Pro
- ArcGIS Enterprise: ArcGIS Image Server mit konfigurierter Raster-Analyse
- ArcGIS Online: ArcGIS Image for ArcGIS Online
Modelldetails
Dieses Modell hat die folgenden Merkmale:
- Eingabe: Sentinel-2 L1C-BOA-Reflextionsprodukt in Form eines Rasters, Mosaik-Datasets oder Image-Services.
- Ausgabe: Klassifiziertes Raster mit den drei Klassen "Low Density", "Medium Density" und "High Density"
- Berechnung: Dieser Workflow ist rechenintensiv. Empfohlen wird eine GPU mit Compute Capability Version 6.0 oder höher.
- Eignung für Geographien: Das Modell eignet sich gut für Europa und die Vereinigten Staaten. Dieses Modell eignet sich gut für Landflächen. Große Gewässer wie Ozeane, Meere und Seen sollten vermieden werden.
- Architektur: Das Modell verwendet die in die ArcGIS API for Python implementierte U-net-Modellarchitektur.
- Accuracy-Kennwerte: Das Modell hat bei L2A-Bilddaten eine allgemeine Accuracy von 94,0 Prozent.
Zugreifen auf das Modell und Herunterladen des Modells
Laden Sie das vortrainierte Modell Cloud Mask Generation (Sentinel-2) aus dem ArcGIS Living Atlas of the World herunter. Alternativ können Sie direkt über ArcGIS Pro auf das Modell zugreifen oder es in ArcGIS Image for ArcGIS Online verwenden.
- Navigieren Sie zum ArcGIS Living Atlas of the World.
- Melden Sie sich mit Ihren ArcGIS Online-Anmeldedaten an.
- Suchen Sie nach Cloud Mask Generation (Sentinel-2), und öffnen Sie in den Suchergebnissen die entsprechende Elementseite.
- Klicken Sie auf die Schaltfläche Herunterladen, um das Modell herunterzuladen.
Sie können die heruntergeladene .dlpk-Datei direkt in ArcGIS Pro verwenden oder sie in ArcGIS Enterprise hochladen und dort verwenden. Außerdem können Sie das vortrainierte Modell bei Bedarf optimieren.
Versionshinweise
Es folgen die Versionshinweise:
| Datum | Beschreibung |
|---|---|
|
Juli 2022 | Erste Version von "Cloud Mask Generation (Sentinel-2)" |