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