DALJINSKA DETEKCIJA - SISTEM ZA INTEGRISANI PREMER

KORIŠĆENJE ZEMLJIŠTA

ZEMLJIŠTE KOJE KORISTI ČOVEK U CILJU UPRAVLJANJA I PRETVARANJA NEISKORIŠĆENOG ZEMLJIŠTA U ISKORISTIVO

PRIMENA

• Poljoprivreda • Upravljanje rizicima • Prostorno planiranje • Urbanizam • Šumarstvo • Građevinarstvo • Državne institucije

KLASIFIKACIJA SATELITSKIH SNIMAKA U kompjuterskom smislu, predstavlja izradu tematske digitalne karte, podelom u više klasa.

Proces dodavanja kategorije svakom pikselu prema sličnim karakteristikama.

CILJ

Osnivni cilj je pojednostavljenje i/ili promena reprezentacije satelitskog snimka u nešto što je mnogo smislenije i lakše za analizu.

PODELA

prema načinu izvođenja: • Automatska • Poluautomatska • Manuelna

PODELA

prema veličini oblasti za koju se sprovodi: • Velike • Srednje • Male

PODELA

prema metodi zasnovanoj na: 1. spektralnim vrednostima i/ili njihovim odnosima (automatska, za velike i srednje oblasti); 2. izradi spektralnih potpisa (automatska ili poluautomatska, za srednje i male oblasti);

1. Spektralne osobine - Landsat 7 4 5 6 7 Band 1 2 3 spektra Blue Green Red Deo NIR Mid IR Talasna dužina (μm) 0.45-0.52

Karakteristike Pogodan za klasifikaciju vodenih površi 0.52-0.60

0.63-0.69

0.76-0.90

1.55-1.75

Thermal IR 10.40-12.50

Mid IR 2.08-2.35

Pogodan za vegetaciju Pogodan za razdvajanje goleti od vegetacije Pogodan za razdvajanje vodenih površi Pogodan za razdvajanje oblaka od snega Nosi informacije o temperaturi Osetljiv na vlažnost.

3/4: 4/3: 5/7: 2/3: 3/2: 4/5: 5/4: 5/7: 3/5: 7/2:

ODNOSI KANALA

Ovaj indeks definiše goleti i urbane sredine. Ne može da razdvoji njive, šume i vodene površi.

Razdvaja vegetaciju, goleti i vodene površi.

Razdvaja vodu od zemljišta Razdvaja njive i goleti. Ne može da razdvoji šume i vodene površi.

Razdvaja šumu od njiva. Pogodan za klasifikaciju vegetacije.

Razdvaja vodu od zemljišta. Pogodan za detektovanje prisustva vlage na njivama.

Razdvaja vodene površi od šume, goleti i vegetacije.

Razdvaja vodu od zemljišta. Pogodan za analizu suše i bujnosti vegetacije.

Razdvaja goleti, urbane zone i objekte od šuma i vodenih površi.

Razdvaja šume od njiva. Ne razlikuje šumu od vodene površi.

Prednosti i nedostaci - Landsat 7 Prednosti: • Automatska klasifikacija • Brz i jednostavan metod • Za analize velikih oblasti • Za tematske karte sitnije razmere (1:100 000, 1:200 000) Nedostaci: • Nedovoljna detaljnost • Rezolucija 30m

PRIMER 1: Thresholding metod klasifikacije Jedan od najednostavnijih metoda klasifikacije. Ovaj metod je zasnovan na pretvaranju grayscale satelitskih snimaka u snimak sa nekoliko klasa, postavljanjem graničnih vrednosti.

Primer: NDVI=(NIR-R)/(NIR+R); -1

-1 do 0 vodene povr ši 0 do 0.4 golet 0.4 do 1 vegetacija

NDVI Klasifikacija Landsat 7

Klasifikacija po izradi spektralnih potpisa Smoothing and discontinuity detection Image Preprocessing Input Image Preprocessing Generates spectral signatures or statistics Classifies the cell spectral reflectances in imagery data Classification Output image

Image preprocessing

Opcioni korak. Diskontinuitet se zadržava, a slične vrednosti se homogenizuju.

Jedan od metoda koji se koriste jeste Mumford-Shah varijacioni model.

Preprocessing

Datoteka spektralnog potpisa se generiše automatski na osnovu zadatog broja klasa ili se generiše na osnovu digitalizovanih uzoraka ili mapa za obuku sistema.

Neke metode za podelu na segmente • Thresholding • K-means • Metoda histograma • Detekcija ivica • Metoda rasta regiona • Parametarske metode • Aposteriorna metoda prognoze sekvencionalnog maksimuma (radiometrijska ili geometrijska)

Klasifikacija

Na osnovu datoteke spektralnih potpisa i izvornog snimka, vrši se klasifikacija nekom od metoda.

Jedna od proverenih jeste metod maksimalne sličmosti.

PRIMER 2: Automatska klasifikacija sa spektralnim potpisom

PRIMER 3: Poluautomatska klasifikacija sa spektralnim potpisom

GIS alati koji se koriste

• Raster algebra • Raster2Vector • Funkcije segmentacije i klasifikacije

Zaključak

• Manualni način skoro potpuno zamenjen automatskim ili poluautomatskim.

• Primenjivost zavisi od zahtevane razmere.

• Uz manju ili veću kalibraciju modela daje dobre rezultate.