湿地制图 | Wetland Mapping
Multi-source fusion wetland type mapping. Combining four co-registered raster layers (band order: NDWI/MNDWI, NDVI, DEM, SAR backscatter σ⁰), a physical-rule decision tree classifies each pixel into open water, swamp, mudflat, or non_wetland, with priority water > swamp > mudflat.
Example criteria: open water requires high NDWI and very low SAR (specular reflection at the water surface); swamp requires high NDVI (wetland vegetation), low-lying terrain, and relatively low SAR; mudflat requires low NDVI, wet conditions (relatively high NDWI), low-lying terrain, and relatively low SAR. The DEM is automatically normalized to low-lying degree (0 = lowest).
Typical applications: wetland resource baseline surveys, coastal/lakeshore wetland mapping, and preliminary surveys of mangrove and swamp distribution. The synthetic mode generates multi-source data containing all four wetland types, with overall classification accuracy >0.95 against the injected ground truth.
Dependencies / 依赖
pip install 'numpy' 'rasterio' 'scipy'
Usage / 使用方法
Basic Usage
python geoskill-wetland-mapping.py --bbox 116.0 39.0 117.0 40.0
Example 1 (Synthetic Data, Offline)
python geoskill-wetland-mapping.py --bbox 116.0 39.0 117.0 40.0 --synthetic --output-dir ./out
Example 2 (Reading a Local 4-Band Fused Raster)
python geoskill-wetland-mapping.py --input fused_4band.tif --output-dir ./out
Input band order: [NDWI, NDVI, DEM, SAR(dB)]; the DEM is automatically normalized to [0,1].
Example 3 (Different Regions + Silent Mode)
python geoskill-wetland-mapping.py --bbox 121.0 31.0 122.0 32.0 --synthetic --quiet --output-dir ./out
Output / 输出
| File | Format | Description |
|---|---|---|
wetland_class.tif |
GeoTIFF (int32) | 0=non_wetland, 1=water, 2=swamp, 3=mudflat |
area_stats.json |
JSON | Per-class area/percentage + total wetland area |
output-manifest.json |
JSON | Run manifest (includes accuracy QA in synthetic mode) |
Data Source / 数据源 / Source
- Local 4-band GeoTIFF (NDWI/NDVI/DEM/SAR, co-registered);
--syntheticoffline synthesis of multi-source scenarios (no network, no account required).
Privacy / 隐私声明 / Privacy
- Runs offline by default;
--syntheticmode requires no network at all. - All processing is done locally; no user data is uploaded.
License / License
MIT
name: geoskill-wetland-mapping description: '融合 NDWI/MNDWI、NDVI、地形低洼与 SAR 后向散射，规则阈值分类湿地类型并统计面积'
湿地制图 | Wetland Mapping
多源融合的湿地类型制图。组合四个共配准栅格层（波段顺序：NDWI/MNDWI、 NDVI、DEM、SAR 后向散射 σ⁰），按物理规则决策树把每个像元分为 开放水域（water）、沼泽（swamp）、滩涂（mudflat）与非湿地（non_wetland）， 优先级 water > swamp > mudflat。
判据示例：开放水域要求 NDWI 高且 SAR 极低（水面镜面反射）；沼泽要求 NDVI 高（湿生植被）、地形低洼且 SAR 偏低；滩涂要求 NDVI 低、湿润 （NDWI 偏高）、低洼且 SAR 偏低。DEM 自动归一化为低洼度（0=最低）。
典型应用：湿地资源本底调查、滨海/湖滨湿地制图、红树林与沼泽分布摸底。 合成模式生成含四类湿地的多源数据，分类总体精度与注入真值 >0.95。
依赖
pip install 'numpy' 'rasterio' 'scipy'
使用方法
基本用法
python geoskill-wetland-mapping.py --bbox 116.0 39.0 117.0 40.0
示例 1（合成数据，离线）
python geoskill-wetland-mapping.py --bbox 116.0 39.0 117.0 40.0 --synthetic --output-dir ./out
示例 2（读取本地 4 波段融合栅格）
python geoskill-wetland-mapping.py --input fused_4band.tif --output-dir ./out
输入波段顺序：[NDWI, NDVI, DEM, SAR(dB)]；DEM 会被自动归一化到 [0,1]。
示例 3（不同区域 + 静默）
python geoskill-wetland-mapping.py --bbox 121.0 31.0 122.0 32.0 --synthetic --quiet --output-dir ./out
输出
| 文件 | 格式 | 说明 |
|---|---|---|
wetland_class.tif |
GeoTIFF (int32) | 0=非湿地, 1=水域, 2=沼泽, 3=滩涂 |
area_stats.json |
JSON | 逐类面积/占比 + 湿地总量 |
output-manifest.json |
JSON | 运行清单（合成模式含精度 QA） |
数据源 / Source
- 本地 4 波段 GeoTIFF（NDWI/NDVI/DEM/SAR，共配准）；
--synthetic离线合成多源场景（无需网络、无需账号）。
隐私声明 / Privacy
- 默认离线运行，
--synthetic模式完全无网络。 - 所有处理在本地完成，不上传用户数据。
License
MIT