このドキュメントは、ArcGIS Living Atlas of the World で使用できる雲マスクの生成 (Sentinel 2) ディープ ラーニング モデルの使用方法について説明しています。 このディープ ラーニング モデルを使用して、Sentinel 2、L2A 画像から、雲の密度が異なる 3 つのクラスの分類ラスターを生成します。
衛星写真には、土地利用、土地被覆の分類、変化の検出、オブジェクトの検出など、複数の用途があります。 衛星ベースのリモート センシング センサーはたびたび雲のエリアに遭遇しますが、そのために地球の鮮明な画像が収集されません。 画像を解析に使用する前に、雲がかかった地域を除外するか、雲の除去アルゴリズムを適用する必要があります。 これらの前処理手順の多くで、クラウド マスクが必要です。 単一シーンの画像の場合、面倒な作業ではありますが、クラウド マスクを手動で作成するのは比較的簡単です。 ただし、画像の数が多い場合は、雲の識別に自動処理のアプローチが必要です。 このディープ ラーニング モデルを使用して、Sentinel 2 画像から、自動的にクラウド マスクを生成することができます。
ライセンス要件
このワークフローを完了する場合のライセンス要件は次のとおりです。
- ArcGIS Desktop - ArcGIS Image Analyst の ArcGIS Pro エクステンション
- ArcGIS Enterprise - ラスター解析が構成された ArcGIS Image Server
- ArcGIS Online—ArcGIS Image for ArcGIS Online
モデルの詳細
このモデルには以下の特性があります。
- 入力 - ラスター、モザイク データセット、イメージ サービスの形式の Sentinel-2 L2A BOA 反射率プロダクト。
- 出力 － 3 つのクラス (低密度、中密度、高密度) の分類ラスター。
- 計算 - このワークフローは計算負荷が高いため、計算能力が 6.0 以上の GPU が推奨されます。
- 適用できる地域 - このモデルは、ヨーロッパと米国で適切に機能します。 このモデルは、陸地ベースのエリアで適切に機能します。 大洋、海、湖などの大きな水域には適用しないでください。
- アーキテクチャ - このモデルは、ArcGIS API for Python に実装された U-net モデル アーキテクチャを使用します。
- 精度メトリクス - このモデルの全体の精度は、L2A 画像で 94.0 パーセントです。
モデルへのアクセスとダウンロード
雲マスクの生成 (Sentinel - 2) 事前トレーニング済みモデルを ArcGIS Living Atlas of the World からダウンロードします。 または、ArcGIS Pro からモデルに直接アクセスするか、ArcGIS Image for ArcGIS Online でモデルを使用します。
- ArcGIS Living Atlas of the World を参照します。
- 自分の ArcGIS Online アカウントの認証情報を使用してサイン インします。
- 「雲マスクの生成 (Sentinel - 2)」を検索して、検索結果からアイテム ページを開きます。
- [ダウンロード] ボタンをクリックして、モデルをダウンロードします。
ダウンロードした .dlpk ファイルを ArcGIS Pro で直接使用することも、ArcGIS Enterprise にアップロードして使用することもできます。 さらに、必要に応じて事前トレーニング済みモデルを微調整できます。
リリース ノート
以下はリリースノートです。
| Date | 説明 |
|---|---|
|
2022 年 7 月 | 雲マスクの生成 (Sentinel - 2) の初回リリース |