DPZ Č ást 3 Řízená klasifikace Spektrální indexy Program přednášky Řízená klasifikace tré novací plochy klasifikátory Spektrální indexy Aplikace DPZ v geografii Jakub Langhammer, 2003 Aplikace VT ve FG 2 1
Ř ízená x neřízená klasifikace Neřízená klasifikace pomocí matematických algoritmů vytvoříme spektrálně separovené kategorie, kterým podle podpůrných dat (mapa, teré n, 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 Ř ízená klasifikace Postup definování tré novacích ploch Œvýpočet statistických charakteristik pro plochy, editace a výběr vhodných pásem pro klasifikaci Œvýběr klasifikátoru Œklasifikace Œúprava, hodnocení, prezentace výsledků Jakub Langhammer, 2003 Aplikace VT ve FG 4 2
Tré novací plochy 1. definice tříd 2. výběr ploch vhodná lokalizace vhodná velikost (>100px) homogenita přesná vymezitelnost Jakub Langhammer, 2003 Aplikace VT ve FG 5 Tré novací plochy - statistika Ověření homogenity tré novacích tříd a ploch Výběr vhodných pásem pro klasifikaci Statistické vlastnosti třídy z vybraných pásem - signatura Jakub Langhammer, 2003 Aplikace VT ve FG 6 3
Tré novací plochy Testování vhodnosti tré novacích 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 Tré novací plochy - statistika Jakub Langhammer, 2003 Aplikace VT ve FG 8 4
Klasifikace Pomocí vhodné ho rozhodovacího pravidla jsou pixely zařazovány do tříd. Natrénované třídy A, B, C a jejich spektrální hodnoty Zař azovaný pixel Centroid (stř ed 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 5
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 nežk 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 6
Klasifikátor K-nejbližších sousedů Algroritmus vyhledá ke každé mu pixelu předem zadaný počet nejbližších pixelů v příznakové m 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 7
Ř ízená klasifikace v MultiSpecu Definice tré novacích ploch Processor Statistics Jakub Langhammer, 2003 Aplikace VT ve FG 15 Ř ízená klasifikace v MultiSpecu Vymezení trénovací plochy, automatické uzavř ení polygonu po dvojkliku Definice nebo výbě r třídy případné pojmenování plochy Př idání dokončené trénovací plochy do seznamu Jakub Langhammer, 2003 Aplikace VT ve FG 16 8
Ř ízená klasifikace v MultiSpecu Testování homogenity tř íd a trénovacích ploch separace jednotl. tříd Jakub Langhammer, 2003 Aplikace VT ve FG 17 Ř ízená klasifikace v MultiSpecu výbě r zobrazených pásem Jakub Langhammer, 2003 Aplikace VT ve FG 18 9
Ř ízená klasifikace v MultiSpecu Jakub Langhammer, 2003 Aplikace VT ve FG 19 Ř ízená klasifikace v Multispecu Výbě r metody Jakub Langhammer, 2003 Aplikace VT ve FG 20 10
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 Ř ízená klasifikace - výsledky Jakub Langhammer, 2003 Aplikace VT ve FG 22 11
Kvantitativní kontrola výsledků Chybová matice Jakub Langhammer, 2003 Aplikace VT ve FG 23 Ř ízená klasifikace - cvičení Klasifikace jedné vybrané třídy voda jehličnatý les Vytvoření pravděpodobnostního souboru Jakub Langhammer, 2003 Aplikace VT ve FG 24 12
Ř ízená klasifikace - cvičení Natré nování 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 13
Vegetační indexy Maximalizují citlivost na biofyzikální paramtery rostlin tak, aby z výsledku bylo možno hodnotit stav a vegetační podmínky. Eliminují rušivý vliv externích činitelů atmosfé ry, 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 systé mech Landsat TM (TM3,4) NOAA AVHRR (pásmo 1,2) přehledové mapování stavu vegetace Jakub Langhammer, 2003 Aplikace VT ve FG 28 14
Vegetační indexy NDVI Typické hodnoty (AVHRR, podle Williams, 1995) Povrch Velmi hustá vegetace Středně hustá vegetace Řídká vegetace Holá půda Oblačnost Sníh a led Voda NDVI 0.500 0.140 0.090 0.025 0.002-0.046-0.257 Jakub Langhammer, 2003 Aplikace VT ve FG 29 Vegetační index SAVI Soil Adjusted Vegetation Index SAVI (1 + L)( NIR red) = NIR + red + L NIR... TM4, red... TM3 L... soil calibration factor, zpravidla Index minimalizuje rušivý vliv půdy, citlivý na atmosfé rické vlivy, možnost další modifikace (ARVI Atmospherically Resistant Veget. Indx) Jakub Langhammer, 2003 Aplikace VT ve FG 30 15
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 nežndvi 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) log 1 LWCI = log 1 [ ( TM 4 TM 5) ] [ TM 4 TM 5] Crist, 1985 Jakub Langhammer, 2003 Aplikace VT ve FG 32 16
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 17
Výpočet spektrálních indexů v MultiSpecu 1. 2. 3. popis kanálů (pásem)... C1 ažcx násobky bez znamé nka (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 18
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 Č asové 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 19
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 nalezišťnerostných surovin Aplikace: pedologie půdní druhy, půdní vláha analýza minerálů geomorfologie základní strukturní tvary a formy relié fu (zlomy aj.) změny relié fu (zemětřesení, vulkanologie) mapování generování 3D DMT ze stereo družit (SPOT) údolní a hydrografická síť Jakub Langhammer, 2003 Aplikace VT ve FG 40 20