Puede utilizar este modelo en la herramienta Clasificar píxeles con aprendizaje profundo disponible en la caja de herramientas de Image Analyst de ArcGIS Pro. Siga los pasos que se indican a continuación para utilizar el modelo para clasificar la cobertura de suelo en imágenes.
Configuración de imágenes recomendada
La configuración de imágenes recomendada es la siguiente:
- Imágenes: imágenes de Sentinel-2
- Resolución: 10 metros
- Las configuraciones admitidas son las siguientes:
- Imágenes de Sentinel-2 L2A (recomendado): producto de base de la atmósfera en la forma de un ráster, dataset de mosaico o servicio de imágenes
- Imágenes de Sentinel-2 L1C: al crear un mosaico con la herramienta Administrar imágenes de Sentinel-2, puede usar la capa Multiespectral con la plantilla de procesamiento establecida en Ninguna.
Clasificar la cobertura de suelo
Siga estos pasos para clasificar la cobertura de suelo a partir de las imágenes:
- Prepare los datos de acuerdo con el siguiente tipo de producto:
- Producto ráster
- Vaya a la carpeta que contiene los datos Sentinel-2 L2A. Expanda la carpeta y localice el producto ráster.
- Expanda el producto ráster provisto como un archivo .xml y seleccione el dataset ráster derivado de Reflectancia BOA.
- Dataset de mosaico
- Cree un dataset de mosaico con la herramienta de geoprocesamiento Crear dataset de mosaico. Establezca las variables de la pestaña Parámetros de la siguiente manera:
- Ubicación de salida: seleccione una geodatabase.
- Nombre de dataset de mosaico: establezca el nombre de dataset de mosaico.
- Sistema de coordenadas: seleccione un sistema de coordenadas para los dataset de mosaico de salida.
- Definición del producto: seleccione Ninguno.
- Para agregar el ráster al dataset de mosaico, abra la herramienta de geoprocesamiento Agregar rásteres a dataset de mosaico. Establezca las variables de la pestaña Parámetros de la siguiente manera:
- Dataset de mosaico: seleccione el dataset de mosaico de entrada.
- Tipo de ráster: seleccione Sentinel-2 en la lista desplegable.
- Plantillas de procesamiento: seleccione Reflectancia BOA en la lista desplegable.
- Datos de entrada: seleccione Carpeta en la lista desplegable y busque y agregue los archivos .SAFE.
Nota: si es necesario, puede crear una imagen multibanda mediante la herramienta de geoprocesamiento Bandas compuestas o la función ráster Bandas compuestas, que puede utilizarse como entrada para la inferencia.
- Descargue el modelo Clasificación de cobertura de suelo (Sentinel-2) y agregue la capa de imágenes en ArcGIS Pro y acerque la visualización a un área de interés.
- Vaya a Herramientas en la pestaña Análisis.
- Haga clic en la pestaña Cajas de herramientas del panel Geoprocesamiento, seleccione Herramientas de Image Analyst y vaya a la herramienta Clasificar píxeles con aprendizaje profundo en Aprendizaje profundo.
- Establezca las variables de la pestaña Parámetros de la siguiente manera:
- Ráster de entrada: seleccione las imágenes.
- Dataset de ráster de salida: establezca la clase de entidad de salida que contendrá los resultados de la clasificación.
- Definición de modelo: seleccione el archivo .dlpk del modelo preentrenado o ajustado.
- Modo de procesamiento: seleccione el modo Procesar como imagen en mosaico.
- Argumentos (opcional): cambie los valores de los argumentos si es necesario.
- padding: número de píxeles en el borde de las teselas de imágenes desde los cuales se combinarán las predicciones de las teselas adyacentes. Aumente el valor para suavizar la salida y reducir los artefactos de los bordes. El valor máximo del relleno puede ser la mitad del valor del tamaño de tesela.
- batch_size: número de teselas de imágenes procesadas en cada paso de la inferencia del modelo. Esto depende de la memoria de la tarjeta gráfica.
- predict_background: si se establece como True, la clase de fondo también se clasifica.
- test_time_augmentation: aplica un aumento del tiempo de prueba durante la predicción. Si se establece en True, las predicciones de variantes rotadas y volteadas de la imagen de entrada se fusionarán en la salida final.
- tile_size: el ancho y la altura de las teselas de imágenes en las que se dividen las imágenes para la predicción.
- output_label_level: el nivel de Corine Land Cover (CLC) de las etiquetas de salida. El valor predeterminado es 2 para CLC de nivel 2 (15 clases de cobertura de suelo). Utilice 1 para CLC de nivel 1 (5 clases de cobertura de suelo).
- sentinel_imagery_level: el nivel de procesamiento de imágenes de MSI de Sentinel-2 de entrada. El valor predeterminado es 2 para las imágenes de nivel 2A. Para procesar imágenes de nivel 1C, utilice 1.
- merge_classes: solo es aplicable si output_label_level es 2. Si se establece en True, las aguas marinas y las aguas interiores se fusionan para crear la clase Aguas, y los humedales marítimos y los interiores se fusionan para crear la clase Humedales. Como alternativa, establézcalo en False para convertirlas en clases separadas.
- radiometric_offset_correction: corrige el desplazamiento radiométrico de -1000 en las imágenes captadas después del 25 de enero de 2022 en las imágenes de Sentinel 2 L2A. (Nota: verifique si su proveedor de datos ya ha aplicado el desplazamiento para los datos posteriores a enero de 2022; fuentes como Azure y Copernicus requieren que el parámetro radiometric_offset_correction se establezca como True. Establezca el parámetro en False para los datos de AWS, puesto que ya tienen corregido el desplazamiento radiométrico y no requieren una nueva corrección).
- Establezca las variables de la pestaña Entornos de la siguiente manera:
- Extensión de procesamiento: seleccione Extensión de visualización actual o cualquier otra opción del menú desplegable.
- Tamaño de celda (obligatorio): establezca el valor en 10.
La resolución ráster esperada es de 10 metros.
- Tipo de procesador: seleccione CPU o GPU.
Se recomienda seleccionar GPU, si está disponible, y establecer Id. de GPU para especificar la GPU que se va a utilizar.
- Haga clic en Ejecutar.
La capa de salida se agrega al mapa.
Preparación de datos:
Procesamiento de datos: