Transcript DPZ-3
DPZ
Část 3
Řízená klasifikace
Spektrální indexy
Program přednášky
Řízená klasifikace
• trénovací plochy
• klasifikátory
Spektrální indexy
Aplikace DPZ v geografii
© Jakub Langhammer, 2003
Aplikace VT ve FG
2
Řízená x neřízená klasifikace
Neřízená klasifikace
• pomocí matematických algoritmů vytvoříme
spektrálně separovené kategorie, kterým podle
podpůrných dat (mapa, terén, letecké foto)
přiřazujeme funkční význam
Řízená klasifikace
• nejprve definujeme informační kategorie
(legendu) a pak zkoumáme jejich spektrální
odlišnost
© Jakub Langhammer, 2003
Aplikace VT ve FG
3
Řízená klasifikace
Postup
• definování „trénovacích ploch“
výpočet statistických charakteristik pro
plochy, editace a výběr vhodných pásem
pro klasifikaci
výběr klasifikátoru
klasifikace
úprava, hodnocení, prezentace výsledků
© Jakub Langhammer, 2003
Aplikace VT ve FG
4
Trénovací plochy
1. definice tříd
2. výběr ploch
• vhodná lokalizace
• vhodná velikost
(>100px)
• homogenita
• přesná vymezitelnost
© Jakub Langhammer, 2003
Aplikace VT ve FG
5
Trénovací plochy - statistika
Ověření homogenity trénovacích tříd a
ploch
Výběr vhodných pásem pro klasifikaci
Statistické vlastnosti třídy z vybraných
pásem - signatura
© Jakub Langhammer, 2003
Aplikace VT ve FG
6
Trénovací plochy
Testování vhodnosti trénovacích
ploch
• histogramy - statistické rozdělení
normální – O.K.
bimodální (dva vrcholy) – chybně
definovaná třída, obsahuje informačně
odlišné prvky - rozdělení tříd
• spektrogramy
• korelogram
© Jakub Langhammer, 2003
Aplikace VT ve FG
7
Trénovací plochy - statistika
© Jakub Langhammer, 2003
Aplikace VT ve FG
8
Klasifikace
Pomocí vhodného rozhodovacího pravidla
jsou pixely zařazovány do tříd.
Natrénované
třídy A, B, C
a jejich
spektrální
hodnoty
Zařazovaný
pixel
Centroid
(střed
shluku)
© Jakub Langhammer, 2003
Aplikace VT ve FG
9
Klasifikátory
Základní algoritmy
• Minimální vzdálenosti středů shluků
• Klasifikátor pravoúhelníků
(paralellpipeds)
• Klasifikátor K nejbližších sousedů
• Klasifikátor maximální pravděpodobnosti
• Bayesovský klasifikátor
• ...řada dalších
© Jakub Langhammer, 2003
Aplikace VT ve FG
10
Klasifikátor minimální vzdálenosti
středů shluků
Vypočtení polohy
středu shluku
(centroidu)
Příslušnost k dané
třídě určena podle
vzdálenosti pixelu od
jednotlivých centroidů
nevýhoda – neuvažuje
rozptyl hodnot
(podle rozptylu má
pixel blíž k C než k B)
© Jakub Langhammer, 2003
Aplikace VT ve FG
11
Klasifikátor pravoúhelníků
(paralellpipeds)
Ohraničení min a max
hodnot ve všech
hodnocených pásmech
hyperkvádry
Pixely mimo oblasti
nejsou klasifikovány
Pixely v překryvu –
definování pravidel pro
zařazení
© Jakub Langhammer, 2003
Aplikace VT ve FG
12
Klasifikátor K-nejbližších sousedů
Algroritmus vyhledá ke
každému pixelu předem
zadaný počet nejbližších
pixelů v příznakovém
prostoru.
Pixel je zařazen do třídy,
která podle počtu
příznakových pixelů
převažuje
© Jakub Langhammer, 2003
Aplikace VT ve FG
13
Klasifikátor maximální
pravděpodobnosti
Při zatřiďování pixelů
hodnotí rozptyl, korelaci
a kovarianci
Vytvoří izolinie
pravděpodobnosti
výskytu pixelu s určitou
hodnotou
Pixel zařazen do třídy,
ve které má největší
pravděpodobnost
výskytu
© Jakub Langhammer, 2003
Aplikace VT ve FG
14
Řízená klasifikace v MultiSpecu
Definice trénovacích
ploch
• Processor – Statistics
© Jakub Langhammer, 2003
Aplikace VT ve FG
15
Řízená klasifikace v MultiSpecu
Vymezení trénovací plochy,
automatické uzavření
polygonu po dvojkliku
Definice nebo výběr
třídy
případné pojmenování
plochy
© Jakub Langhammer, 2003
Aplikace VT ve FG
Přidání
dokončené
trénovací
plochy do
seznamu
16
Řízená klasifikace v MultiSpecu
Testování homogenity tříd a trénovacích ploch
separace jednotl. tříd
© Jakub Langhammer, 2003
Aplikace VT ve FG
17
Řízená klasifikace v MultiSpecu
výběr zobrazených
pásem
© Jakub Langhammer, 2003
Aplikace VT ve FG
18
Řízená klasifikace v MultiSpecu
© Jakub Langhammer, 2003
Aplikace VT ve FG
19
Řízená klasifikace v Multispecu
Výběr metody
© Jakub Langhammer, 2003
Aplikace VT ve FG
20
Klasifikátory v MultiSpecu
6 základních
metod
Výstup do souboru
možnost vytvoření
pravděpodobnostního
souboru – hodnota, s
jakou pravděpodobností
pixel patří do dané třídy
© Jakub Langhammer, 2003
Aplikace VT ve FG
21
Řízená klasifikace - výsledky
© Jakub Langhammer, 2003
Aplikace VT ve FG
22
Kvantitativní kontrola výsledků
Chybová matice
© Jakub Langhammer, 2003
Aplikace VT ve FG
23
Řízená klasifikace - cvičení
Klasifikace jedné vybrané třídy
• voda
• jehličnatý les
Vytvoření pravděpodobnostního
souboru
© Jakub Langhammer, 2003
Aplikace VT ve FG
24
Řízená klasifikace - cvičení
Natrénování 5 tříd
• voda
• jehličnatý les
• holé plochy
• 2 druhy kultur
Výpočet řízené klasifikace
© Jakub Langhammer, 2003
Aplikace VT ve FG
25
Modelování s daty DPZ
Spektrální / vegetační indexy
• aritmetické operace s dvěma či více pásmy
• cíl – na základě znalosti spektrální odrazivosti zvýraznit
vegetační složku a její vlastnosti
• Poměrové indexy
jednoduchý nebo normalizovaný poměr odrazivosti povrchu v
červené viditelné a blízké infračervené části spektra
SR
NDVI
LAI, TVI, SLAVI aj.
• Ortogonální indexy
lineární kombinace původních multispektrálních pásem
Tasseled Cap transfomation
PVI (perpendicular vegetation index)
© Jakub Langhammer, 2003
Aplikace VT ve FG
26
Vegetační indexy
Maximalizují citlivost na biofyzikální
paramtery rostlin tak, aby z výsledku bylo
možno hodnotit stav a vegetační
podmínky.
Eliminují rušivý vliv externích činitelů –
atmosféry, půdy aj.
Pro validaci jsou navázány na některý z
měřitelných parametrů vegetace (obsah
chlorovylu, celková biomasa aj.)
© Jakub Langhammer, 2003
Aplikace VT ve FG
27
Vegetační indexy
NDVI
NDVI – Normalized Difference
Vegetation Index
NDVI = (TM4 - TM3) / (TM4 + TM3)
• hodnoty v intervalu [ -1; +1]
• využití v systémech Landsat TM (TM3,4)
NOAA AVHRR (pásmo 1,2)
• přehledové mapování stavu vegetace
© Jakub Langhammer, 2003
Aplikace VT ve FG
28
Vegetační indexy
NDVI
Typické hodnoty
© Jakub Langhammer, 2003
(AVHRR, podle Williams, 1995)
Povrch
NDVI
Velmi hustá vegetace
0.500
Středně hustá vegetace
0.140
Řídká vegetace
0.090
Holá půda
0.025
Oblačnost
0.002
Sníh a led
-0.046
Voda
-0.257
Aplikace VT ve FG
29
Vegetační index SAVI
Soil Adjusted Vegetation Index
(1 L)( NIR red )
SAVI
NIR red L
• NIR ... TM4, red ... TM3
• L ... soil calibration factor, zpravidla
• Index minimalizuje rušivý vliv půdy, citlivý na
atmosférické vlivy, možnost další modifikace
(ARVI – Atmospherically Resistant Veget. Indx)
© Jakub Langhammer, 2003
Aplikace VT ve FG
30
Další indexy
SR – Simple Ratio
• SR = TM4 / TM3
• první používaný vegetační index
Infrared index
(Hardisky et al., 1983)
• II = (TM4-TM5) / (TM4+TM5)
• citlivější na změny biomasy rostlin a vodní stres
vegetace než NDVI
Mid IR index
(Musick & Pelletier, 1988)
• Mid IR = TM5 / TM7
• vysoká korelace s obsahem půdní vláhy
© Jakub Langhammer, 2003
Aplikace VT ve FG
31
Další indexy
Moisture stress index
(Rock et al., 1986)
TM 5
MSI
TM 4
Leaf Water Content Index
(Hunt et al., 1986)
log1 TM 4 TM 5
LWCI
log1 TM 4 TM 5
Crist, 1985
© Jakub Langhammer, 2003
Aplikace VT ve FG
32
Tasseled Cap
Kauth & Thomas – transformace pásem
Landsat MSS do čtyř nových, obsahující
odvozenou tematickou informaci:
•
•
•
•
Soil Brightness Index
Greeness Vegetation Index
Yellow Stuff Index
Non-such
(rovnice viz Jensen, 2000; Dobrovolný, 1998)
Globální vegetační index, možnost použití
v libovolné geografické oblasti
© Jakub Langhammer, 2003
Aplikace VT ve FG
33
Modifikace Tasseled Cap pro
Landsat TM
Brightness, Greeness, Wetness
Brightness = 0.0243TM1 + 0.4158TM2 +
0.5524TM3 + 0.541TM4 + 0.3124TM5 + 0.2303TM7
Greeness = 0.0243TM1 + 0.4158TM2 + 0.5524TM3
+ 0.541TM4 + 0.3124TM5 + 0.2303TM7
Wetness = 0.0243TM1 + 0.4158TM2 + 0.5524TM3 +
0.541TM4 + 0.3124TM5 + 0.2303TM7
Crist, 1985
© Jakub Langhammer, 2003
Aplikace VT ve FG
34
Výpočet spektrálních indexů v
MultiSpecu
1.
2.
3.
popis kanálů (pásem) ... C1 až Cx
násobky bez znaménka (0.72C4)
příklad: výpočet NDVI
© Jakub Langhammer, 2003
Aplikace VT ve FG
35
Cvičení – vegetační indexy
Z dat Frymburk.lan vypočtěte
• Simple Ratio (SR)
• Moisture Stress Index (SRI)
• Normalizovaný vegetační index NDVI
© Jakub Langhammer, 2003
Aplikace VT ve FG
36
Aplikace DPZ v oblastech s
vegetací
Zemědělství
Lesnictví
Krajinná ekologie
Aplikace:
Prostorová struktura krajiny (landcover)
Kvantitativní charakteristiky vegetace
• rozlohy lesa, zemědělských kultur
Kvalitativní stav vegetace
• zdravotní stav lesa
Časové změny vegetace
• změna rozlohy lesa/luk/kultur
© Jakub Langhammer, 2003
Aplikace VT ve FG
37
Aplikace DPZ v hydrologii
Oceánografie
Kontinentální hydrologie
Aplikace
•
•
•
•
•
•
rozloha vodních objektů
znečištění vodních objektů
teplotní charakteristiky vodních objektů
vlhkostní charakteristiky krajiny
rozloha sněhové pokrývky
analýza vodní hodnoty sněhu
© Jakub Langhammer, 2003
Aplikace VT ve FG
38
Aplikace DPZ v urbanizovaných
oblastech
Územní plánování
Krajinná ekologie
Aplikace:
• změna struktury území
• územní rozvoj
• změny teplotních charakteristik urbanizované
krajiny
• analýza industrializovaných oblastí
• změny krajiny v oblastech těžby
© Jakub Langhammer, 2003
Aplikace VT ve FG
39
Aplikace DPZ v geomorfologii
Geomorfologie
Pedologie
Průzkum nalezišť nerostných surovin
Aplikace:
• pedologie – půdní druhy, půdní vláha
• analýza minerálů
• geomorfologie – základní strukturní tvary a formy reliéfu
(zlomy aj.)
• změny reliéfu (zemětřesení, vulkanologie)
• mapování
generování 3D DMT ze stereo družit (SPOT)
údolní a hydrografická síť
© Jakub Langhammer, 2003
Aplikace VT ve FG
40