¿Por qué elegir un software de código abierto para la investigación de detección remota? [cerrado]

Razones para usar FOSS:

1) ¡Es gratis!

2) Facilidad de acceso y capacidades: la mayoría de las herramientas básicas de detección remota (por ejemplo, el filtrado) están disponibles con FOSS, por lo que no hay necesidad de pagar por ello

3) Está abierto: los algoritmos que está utilizando no son de "caja negra"

4) La capacidad de agregar / modificar tus propias herramientas

también;

5) Decirle a la gente que usas FOSS te hace sentir bien

6) Disfrutas encontrando una variedad de errores y fallos interesantes al probar nuevas versiones beta

7) Te gusta el elitismo de ser uno de los otros cinco que utilizan el foro de usuarios de software

8) Los resultados inesperados son novedosos

Para mí, la conclusión es que uso el software mejor disponible para mi trabajo de RS, independientemente de si es o no FOSS. Dicho esto, las herramientas de FOSS que uso constantemente son R, Python y SPRING. Utilizo SPRING para la segmentación de imágenes por necesidad cuando eCognition no está disponible para mí. En mi opinión, R simplemente no tiene sustituto para muchas aplicaciones relacionadas con RS (por ejemplo, clasificación de árbol de decisión, estadísticas espaciales, etc.). Python es mi enlace entre los mundos RS y GIS y se utiliza principalmente para la automatización.

Encuentro que los lenguajes de programación comercial dirigidos a RS, como IDL y MATLAB, son torpes y menos fáciles de usar que R y Python. En cierto modo, siento que muchos paquetes de software comerciales e idiomas se nos imponen en lugar de crecer de forma natural para nuestras necesidades a través del proceso de código abierto.

Si desea utilizar un SIG y no está en una institución académica o en una empresa que tenga condiciones especiales o dinero para pagar las licencias, ¿qué soluciones?

1. software pirateado?
2. ¿FOSS?

Para mí, la segunda solución:

• Puedo participar o tener la ilusión de participar en el desarrollo del software de varias maneras
• cuando sugiero algo o propongo una solución, si es interesante para la comunidad, se integra directamente en la próxima versión del software y, si no, es muy malo, quizás en otro momento.
• No necesito usar Windows
• No estoy sujeto a la obligación de usar funciones de "caja negra"
• No necesito actualizar por obligación
• y lo más importante, prefiero la cooperación a la competencia

Para mí, eso es Gratis (y no gratuito), y estoy listo para pagar si fuera necesario (y uso exclusivamente Python, QGIS, GRASS GIS, gvSIG, OpenJump, R y Octave ( clon gratuito de Matlab), PostgreSQL / PostGIS, SQLite / Spatialite, LibreOffice, git, gitHub, etc., todos de código abierto, no en Windows)

Considere el proceso de desarrollo gvSIG :

• gvSIG se inició en 2003 cuando la Conselleria d'Infraestructures i Transports (CIT) de la Comunidad Valenciana (España) propuso el desarrollo de un software para la gestión de los datos espaciales (como alternativa a los productos de ESRI).
• Una empresa privada (IVER Tecnologías) desarrolla el software junto con la Generalitat Valenciana y la Universidad Jaume I de Castellón.
• Hace exactamente las funciones requeridas por la Comunidad (ni más, ni menos al principio)
• pero dado su estado (Open Source), al proyecto se le unieron otras administraciones regionales y nacionales, diversas organizaciones nacionales e internacionales, programadores, que han agregado lo que quieren, avanzando el proyecto hacia un SIG completo (con 3D ahora)
• y el software está disponible para Windows, Linux, Mac OS X y Android ( gvSIG Mini )

¿Es esto posible con un software propietario?

Si se trata de 'industria', entonces usa lo que maximice las ganancias (MS Paint, Excel, lo que sea). Si se trata de investigación científica, al ampliar los límites del conocimiento humano, entonces tiene que usar software de código abierto.

Porque de lo contrario estás haciendo alquimia .

Aquí están mis datos, un bulto gris de plomo. Aquí están mis resultados, oro puro. No te estoy diciendo cómo llegué del plomo al oro, está en esta bolsa. No, no puedes mirar dentro.

Science requiere apertura, no es una opción.

Al ser un investigador, uno debe tener acceso completo al código fuente de cómo funciona un algoritmo. Por lo tanto, el software propietario no es una buena opción.

Las herramientas patentadas son como los automóviles con un "capó soldado" que no puede ver qué está sucediendo bajo el capó, por el contrario, el código abierto le permite ver, estudiar, modificar y hacer adaptaciones específicas de la localidad (soporte de idioma regional), mejorar la general eficiencia de los algoritmos subyacentes, etc.

Consultamos en las herramientas que nuestros clientes quieren que utilicemos. Si los clientes quieren que los mapas se realicen en Excel y MSPaint. Demonios lo haremos allí.

Sin embargo, con toda seriedad, ESRI es un estándar de la industria y es difícil ser un consultor si no se consulta en su pila. En proyectos donde ESRI no es un requisito, puede experimentar con otras herramientas.

En algunos tipos de proyectos, análisis y campos orientados a resultados, encuentro que las herramientas de FOSS obtienen mejores resultados que las pilas propietarias debido al tamaño de la comunidad y la facilidad de actualización o actualización de una herramienta existente

Con más y más implementación web de herramientas y tecnologías de SIG, asumo que habrá un gran cambio de "Estándar" a "Estándares", lo que significa que más o menos 4 productos líderes se dividirán a la mitad entre propietario y FOSS

Bueno, sugeriría usar código abierto en RS porque aprendes cosas !!! De lo contrario, los algoritmos complejos se integran en asistentes y el usuario final no conoce la complejidad y la riqueza de lo que se encuentra debajo de eso. La aplicación de un filtro de paso alto o bajo solo porque se encuentra en un menú de opciones no aclara al usuario final.

Si usa FOSS for RS, aprenderá las cosas de la manera difícil de una vez por todas y no solo una receta de cocina para clasificación, NDVI, NBR o compuestos, etc.

Esto se aplica a la investigación y comercial desde mi punto de vista.

Tomé un curso de RS usando ERDAS y se estrelló bastante hasta un punto en el que realmente pensé que era una especie de beta y no nos lo dijeron; el módulo orto-motor simplemente se estrelló con una imagen de Spot 5.

En una clasificación Landsat 5 sin supervisión que re-hice más tarde con GRASS, las cosas fueron más suaves con ERDAS pero el resultado fue bastante similar.