ELEKTROMAGNETICKÉ SPEKTRUM PRO POTŘEBY DPZ

Podobné dokumenty
Ing. Jiří Fejfar, Ph.D. Dálkový průzkum Země

DPZ Dálkový Průzkum Země. Luděk Augusta Aug007, Vojtěch Lysoněk Lys034

Dálkový průzkum Země DPZ. Zdeněk Janoš JAN789

Č ást 2 Kompozice v nepravých barvách Datové formáty Neřízená klasifikace. Program přednášky

DPZ Dálkový průzkum Země. Lukáš Kamp, KAM077

Fyzikální podstata DPZ

Č ást 1 Základníprincipy, senzory, multispektrálnídata. Co je DPZ?

DPZ - Ib Interpretace snímků

Možnosti podpory plošné inventarizace kontaminovaných míst interpretací multi- a hyperspektrálního snímkování Jana Petruchová Lenka Jirásková

Mapování Země z vesmíru (úvod do metod dálkového průzkumu Země) Petr Dobrovolný Geografický ústav přírodovědecké fakulty Masarykovy univerzity v Brně

- a) rovníková dráha - b) šikmá oběžná dráha c) subpolární oběžná dráha.

Dálkový průzkum země v mikrovlnné části spektra

Systémy dálkového průzkumu Země

Současné možnosti dálkového průzkumu pro hodnocení heterogenity půd a porostů na orné půdě

DPZ. Modelování s daty DPZ. Poměrové indexy. Vegetační indexy. Část 4. Modelování s daty DPZ Multitemporální analýza

DRUŽICOVÁ DATA. distribuovaná společností ARCDATA PRAHA, s.r.o.

Nekonvenční metody snímání zemského povrchu

TRENDY ROZVOJE DPZ A JEJICH MOŽNOSTI VYUŽITÍ PRO INVENTARIZACI KONTAMINOVANÝCH MÍST

- a) rovníková dráha - b) šikmá oběžná dráha c) subpolární oběžná dráha.

Spektrální chování objektů

Geografie, geografové na internetu.

Zdroje dat GIS. Digitální formy tištěných map. Vstup dat do GISu:

Faktory ovlivňující intenzitu záření. Spektrální chování objektů. Spektrální odrazivost. Spektrální chování. Spektrální chování objektů [ ]

Dálkový průzkum Země. Ústav geoinformačních technologií Lesnická a dřevařská fakulta MENDELU

RYBNÍKY POHLEDEM Z VÝŠKY

Dálkový průzkum Země. Ústav geoinformačních technologií Lesnická a dřevařská fakulta MENDELU

BEZPLATNĚ DOSTUPNÁ DATA POZOROVÁNÍ ZEMĚ

Přehled současných družicových systémů. METEOSAT vzhled jednotlivých pásem METEOSAT. METEOSAT analýza druhů oblačnosti

Data s velmi vysokým rozlišením

Cvičení 4 komplexní zpracování dat. Analýza povodí řeky Kongo

Využití dálkového průzkumu pro lokálně cílenou agrotechniku polních plodin. Vojtěch Lukas a kol.

GIS a pozemkové úpravy. Data pro využití území (DPZ)

Hodnocení zdravotního stavu lesů: potenciál časových řad. Petr Lukeš

Spektrální chování objektů

DPZ - IIa Radiometrické základy

DPZ systémy pořizování dat. Tomáš Dolanský

UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM FAKULTA ŽIVOTNÍHO PROSTŘEDÍ KATEDRA INFORMATIKY A GEOINFORMATIKY VEGETAČNÍ INDEXY

LANDSAT UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM. 1. ročník navazujícího Mgr. studia

stabilní základna pro skener na zemi, ve vzduchu, v kosmu na oběžné dráze

Data a technické nástroje pro studium krajiny (GIS, DPZ)

Dálkový průzkum Země

Moderní metody rozpoznávání a zpracování obrazových informací 15

GIS ANALÝZA VLIVU DÁLNIČNÍ SÍTĚ NA OKOLNÍ KRAJINU. Veronika Berková 1

Využití letecké fotogrammetrie pro sledování historického vývoje krajiny

DPZ10 Radar, lidar. Doc. Dr. Ing. Jiří Horák Institut geoinformatiky VŠB-TU Ostrava

Dálkový průzkum Země (úvod, základní pojmy, historický přehled)

Využití digitální stereofotogrammetrie jako podpůrných dat pro automatizovanou tvorbu lesnických tematických map

Spektrální charakteristiky

Metody zvýrazňování obrazu III. Vícepásmová zvýraznění. Spektrální příznaky. Příznakový prostor. Podstata vícepásmových zvýraznění

Zdroje dat GIS. Digitální formy tištěných map. Vstup dat do GISu:

Anotace předmětu. Dálkový průzkum Země. Odkazy. Literatura. Definice DPZ. Doc. Dr. Ing. Jiří Horák Institut geoinformatiky VŠB-TU Ostrava

Registrační číslo projektu: CZ.1.07/1.5.00/ Elektronická podpora zkvalitnění výuky CZ.1.07 Vzděláním pro konkurenceschopnost

DZDDPZ5 Zvýraznění obrazu - prahování. Doc. Dr. Ing. Jiří Horák Ing. Tomáš Peňáz, Ph.D. Institut geoinformatiky VŠB-TU Ostrava

Sentinel 2 DATOVÉ SPECIFIKACE

Základy interpretace digitálního obrazového záznamu ze systému LANDSAT

Dálkový průzkum Země. Klasifikace obrazu

Strojové učení a dolování dat. Vybrané partie dolování dat 2016/17 Jan Šimbera

Dálkový průzkum Země. Ústav geoinformačních technologií Lesnická a dřevařská fakulta MENDELU

Analýza dat v GIS. Dotazy na databáze. Překrytí Overlay Mapová algebra Vzdálenostní funkce. Funkce souvislosti Interpolační funkce Topografické funkce

Volitelný předmět Habituální diagnostika

DZDDPZ8 Fourierova t., spektrální zvýraznění. Doc. Dr. Ing. Jiří Horák - Ing. Tomáš Peňáz, Ph.D. Institut geoinformatiky VŠB-TU Ostrava

Detekce a monitoring invazních druhů pomocí dálkového průzkumu

Možnosti modelování lesní vegetační stupňovitosti pomocí geoinformačních analýz

SPŠS Č.Budějovice Obor Geodézie a Katastr nemovitostí 4.ročník MATEMATICKÉ (OPTICKÉ) ZÁKLADY FOTOGRAMMETRIE

Tvorba NDVI z archivních leteckých snímků a možnosti mise Sentinel-2

Světlo. Podstata světla. Elektromagnetické záření Korpuskulární charakter. Rychlost světla. Vlnová délka. Vlnění, foton. c = ,8 km/h

Videometrie,, LIDAR, Radarová data

Gisat. Družicová data. Přehled dostupných dat a jejich využití

VYUŽITÍ LETECKÉ TERMOGRAFIE A MULTISPEKTRÁLNÍHO SNÍMKOVÁNÍ V PRECIZNÍM ZEMĚDĚLSTVÍ JAN SOVA, ADAM ŠVESTKA, JAN KOVÁŘ

Digitální fotogrammetrie

DRUŽICOVÁ DATA A GEOGRAFICKÉ DATABÁZE

DPZ. Program přednášky. Č ást 3 Řízená klasifikace Spektrální indexy. Řízená klasifikace. Spektrální indexy. Aplikace DPZ v geografii

Využití volně dostupných družicových dat v zemědělství. Lukas V., Řezník T., Charvát jr., K., Charvát, K.

SUB-PIXELOVÁ ANALÝZA

Přehled současných družicových systémů. METEOSAT vzhled jednotlivých pásem METEOSAT. METEOSAT analýza druhů oblačnosti

Digitální učební materiály ve škole, registrační číslo projektu CZ.1.07/1.5.00/

Hlavní přednosti letecké fotografie: Konvenční (fotografické) metody snímání zemského povrchu. Fotografické materiály

Využití snímků Landsat pro detekci změn urbanizovaného území

Univerzita Pardubice Fakulta chemicko-technologická. Analýza změn v prostředí s využitím dat DPZ. Jiří Svoboda

Evropský program Copernicus: Přechod do provozní fáze

Základy NIR spektrometrie a její praktické využití

Základy NIR spektrometrie a její praktické využití

Dálkový průzkum země v optické části spektra. Charakteristika II. Charakteristika I. Hlavní oblasti aplikací

Opensource ve vědě satelitní dálkový průzkum Země

Metody hodnocení sucha v lesních porostech. Kateřina N. Hellebrandová, Vít Šrámek, Martin Hais

Aplikace DPZ a GIS v podmínkách tropu a subtropu

Stručný úvod do spektroskopie

zdroj světla). Z metod transformace obrázku uvedeme warping a morfing, které se

Využití DPZ v Národní inventarizaci lesů (NIL2) - potenciál dat GMES/Copernicus

Měření transpirace prostřednictvím transpiračního proudu a operačních struktur dřevin významných z hlediska vodního provozu

Neuronové sítě v DPZ

VYBRANÉ METODICKÉ PŘÍSTUPY PRO HODNOCENÍ ZMĚN V KRAJINĚ METODAMI DÁLKOVÉHO PRŮZKUMU ZEMĚ V POVODÍ OTAVY

TAČR gama PoC Remote Guard

Snímkování termovizní kamerou

HYDROGEOLOGICKÝ PRŮZKUM

Pavel Doubrava, Zdeněk Suchánek, Šárka Roušarová, Jaroslav Řeřicha

Použití radarových dat pro mapování povodní. Lena Halounová ISPRS Congress Director, České vysoké učení technické v Praze

Hodnocení zdravotního stavu lesa pomocí nových metod dálkového průzkumu Země

57. Pořízení snímku pro fotogrammetrické metody

Dálkový průzkum Země a jeho aplikace. Lucie Kupková, Markéta Potůčková Přírodovědecká fakulta, KAGIK Univerzita Karlova v Praze

Transkript:

ELEKTROMAGNETICKÉ SPEKTRUM PRO POTŘEBY DPZ Ultrafialové záření UV 0,1-0,4 μm Viditelné záření VIS 0,4-0,7 μm Infračervené blízké záření NIR 0,7-1,4 μm Infračervené střední záření MIR 1,4-3 μm Tepelné záření TIR 3 μm 1 mm Mikrovlnné záření DPZ 01 1 mm 1 m 1

SIGNATURY SPEKTRÁLNÍ ODRAZIVOSTI Pro rozlišení objektů a jevů jsou důležité tzv. signatury spektrální odrazivosti (spektrální signatury). Jsou to křivky, které statisticky charakterizují spektrální odrazivost objektů na zemském povrchu v daných spektrálních pásmech a mohou sloužit jako klíč k odlišení a k určení těchto objektů. Matematicky se vyjadřují jako procentický podíl spektrální odrazivosti, který je funkcí vlnové délky. a DPZ 01 2

Příklad multispektrálního snímku: Landsat 7 ETM+ Landsat 7 ETM+ Band 1 modrá Band 2 zelená Band 3 červená Band 4 blízká infračervená (NIR) Band 5 střední infračervená (MIR) Band 6 termální (TIR) Band 7 střední infračervená (MIR) Band 8 panchromatická (PAN) DPZ 02 3

DRUŽICE PRO PRŮZKUM PŘÍRODNÍCH ZDROJŮ Družice pro průzkum přírodních zdrojů se pohybují ve výšce 900 km, obvykle na heliosynchronní dráze. LANDSAT 400 První z amerických družic série Landsat (NASA) byla vypuštěna roku 1972, poslední Landsat 7 roku 1999. Snímací zařízení na palubě těchto družic pořídila miliony snímků zemského povrchu. Tyto snímky jsou významným zdrojem informací pro zájemce ze sféry lesnictví, zemědělství, geologie, regionálního plánování, mapování, vzdělávání a nejrůznějších druhů výzkumu, především z hlediska časových změn. Jednotlivé družice Landsat se od sebe liší přístrojovým vybavením. Landsat 5 a 7 se pohybují ve výšce 705 km se šířkou záběru 183 185 km. Data jsou ukládána na palubě družice a vysílána na Zemi teprve v dosahu některé z přijímacích stanic. Landsat 7 nese zdokonalený snímač tématického mapování ETM+ (Enhanced Thematic Mapper Plus). Snímá 6 optických pásem (3 VIS a 3 IR) v prostorovém rozlišení 30 m, dále tepelné pásmo (60 m) a panchromatické pásmo (15 m). Snímky se používají ke studiu globálních změn, monitorování krajinného krytu a k mapování plošně rozsáhlých území. DPZ 03 4

Spektrální pásma snímače tématického mapování (TM) družice Landsat Pásmo Vlnová délka [μm] Slovní označení Hlavní oblasti aplikace 1 0,45-0,52 Modré (B) Navrženo pro průnik vodou, užitečné pro mapování pobřežních vod, pro rozlišení půdy / vegetace, mapování lesních typů a identifikaci kulturních objektů. 2 0,52-0,60 Zelené (G) Navrženo k měření vrcholů odrazivosti vegetace. Rozlišení vegetace, odhad vitality. Identifikace kulturních objektů. 3 0,63-0,69 Červené (R) Navrženo ke snímání pásma absorpce chlorofylu, rozlišování rostlinných druhů. Identifikace kulturních objektů. 4 0,76-0,90 Blízké infračervené (NIR) Užitečné pro vymezování vegetačních typů, vitality, množství biomasy, pro vymezování vodních objektů a pro zjišťování vlhkosti půdy. 5 1,55-1,75 Střední infračervené (MIR) Indikativní pásmo pro obsah vlhkosti ve vegetaci a půdě. Rozlišení sněhu od oblačnosti. 6 10,24-12,5 Termální (TIR) Analýza vegetačního stresu, zjišťování půdní vlhkosti a pro aplikace termálního mapování, znečištění vod a podloží. 7 2,85-2,35 Střední infračervené (MIR) Rozlišování minerálních a horninových typů. Rovněž citlivé k obsahu vlhkosti ve vegetaci. DPZ 03 5

Záznam surových dat družice se dělí na scény (z nichž teprve vizualizací vznikají snímky) o velikosti cca 185 x 180 km. Lze však zakoupit i poloviční, čtvrtinové a plovoucí scény. Zkreslení způsobená polohou oběžné dráhy vzhledem k Zemi jsou rektifikována před distribucí. Scény se označují číslem řady (od východu k západu) a pořadovým číslem v řadě (od severu k jihu). Pokrytí ČR scénami Landsat Pro klasifikaci vegetace jsou vhodné scény z konce letního období (kdy je ukončen růst asimilačních orgánů a dosud nezačalo jejich přirozené odumírání), které nejsou znehodnoceny oblačností nebo sníženou průhledností atmosféry. USGS archivní snímky Landsat zdarma DPZ 03 6

Na rozdíl od družice Landsat 5, která je od roku 1984 stále v provozu, družice Landsat 7 splnila bez závady jen plánovaných 5 let provozu. Na konci května 2003 došlo na senzoru ETM+ k závadě na korekčním mechanismu skenovaných linií (scan line corrector, SLC), který kompenzuje dopředný pohyb družice. I při této závadě Landsat 7 může pořizovat obrazová data s vypnutým korektorem, zejména v centrálních částech scén. Pro opravu dat bylo vyvinuto několik interpolačních schémat. Střed scény před poruchou Střed scény po poruše Střed scény po poruše a po interpolaci DPZ 03 7

Tvorba barevných syntéz Většina družic pro průzkum přírodních zdrojů zaznamenává snímanou scénu v několika spektrálních pásmech. Tato pásma se nativně zobrazují v odstínech šedé barvy. Lze je samostatně zpracovávat pomocí operací zvýrazňování snímků. Kombinací vybraných pásem a zobrazením prostřednictvím základních barev vznikají různé typy barevných syntéz. Obrázek níže představuje barevnou syntézu prvních tří pásem snímače Landsat TM. Pásmo 1 = Blue, pásmo 2 = Green a pásmo 3 = Red. Landsat TM pásmo 1 pásmo 2 pásmo 3 barevná syntéza pásem 1,2,3 DPZ 05 8

Syntézy v pravých barvách Pokud multispektrální snímek obsahuje tři vizuální pásma základních barev (tj. červené, zelené a modré), lze tato pásma kombinovat tak, aby vznikla syntéza v pravých barvách. Při kombinaci pásma č. 3 (červené pásmo/red band), pásma č. 2 (zelené pásmo/green band) a pásma č. 1 (modré pásmo/blue band) multispektrálního snímku družice IKONOS, můžeme tato pásma zobrazit červenou, zelenou a modrou barvou. Výsledná barevná syntéza pak je velmi blízká tomu, co bychom viděli na vlastní oči. DPZ 05 9

Syntézy v nepravých barvách (False Colour) Přiřazení barev jednotlivým pásmům multispektrálního snímku může být libovolné, některé kombinace jsou ovšem výhodnější, než jiné. Velmi často se používá kombinace pásem, která vede k syntézám v nepravých barvách. Barva objektů na takové syntéze nemá nic společného se skutečnou barvou objektů. Obvykle se blízké infračervené pásmo zobrazuje červeným zobrazovací kanálem. Nepravě barevná syntéza pro mutlispektrální snímky družice SPOT : R = XS3 (NIR band) G = XS2 (Red band) B = XS1 (Green band) Tato kombinace velmi dobře umožňuje detekovat vegetaci a její vlastnosti. Díky vysoké spektrální odrazivosti v blízkém infračerveném (NIR) pásmu se vitální vegetace zobrazuje v různých odstínech červené barvy, v závislosti na typu a růstových podmínkách. Poškozená vegetace směřuje k modrám odstínům. Čistá voda je obvykle tmavě modrá (díky vysoké odrazivosti v zeleném pásmu), kalná voda je spíše azurová (díky vyšší odrazivosti v červeném pásmu, ovlivněné sedimety). Holé půdy, silnice a budovy se obvykle zobrazují v různých odstínech modré, žluté nebo šedé. DPZ 05 10

Klasifikace obrazu Klasifikaci můžeme obecně definovat jako seskupování vzájemně si podobných prvků (entit) do určitých skupin (tříd, kategorií). V počítačových programech jde o operace, umožňující identifikovat v souboru prvků skupiny se společnými vlastnostmi. V obrazových záznamech dálkovém průzkumu jsou entity na nejnižší úrovni reprezentovány jednotlivými pixely. Klasifikace představuje proces, při kterém se jednotlivé pixely originálního numerického záznamu zařazují do tříd a vzniká tak klasifikovaný snímek. Originální obrazový záznam se tak stává tématickou mapou. Cílem digitální klasifikace je získat utříděnou informaci o objektech a jevech na zemském povrchu např. kategorie půdního krytu, vegetační typy, půdní typy, geologické objekty, apod. DPZ 06 11

Příznakový prostor Příznakový prostor je Euklidovský prostor Při klasifikacích se používá Euklidovská vzdálenost jde zde o vzdálenost (Pythagorova věta) mezi klasifikovaným pixelem a centrem uvažovaného shluku Vzdálenost je pojem, který náš mozek používá při rozpoznávání obrazců. Čím blíže se nacházejí body v p-rozměrném prostoru, tím jsou si podobnější 2-rozměrný prostor p-rozměrný prostor DPZ 06 12

Příklad objektů v příznakovém prostoru DPZ 06 13

PŘESNOST KLASIFIKACE Přesnost klasifikace se standardně hodnotí prostřednictvím tzv. klasifikační chybové matice (error matrix, confusion matrix), která vyjadřuje vztah mezi výsledky klasifikace a referenčními daty, obvykle terénními. Matice je čtvercová; znázorňuje se polem o rozměrech n x n, kde n vyjadřuje počet kategorií. Hodnoty v matici reprezentují počet pixelů nebo jejich procentickou část. Každý sloupec matice reprezentuje hodnoty získané klasifikací. Každý řádek matice reprezentuje hodnoty získané terénním průzkumem. (Některé systémy používají alternativní variantu přiřazení smyslu řádků a sloupců) DPZ 06 14

Chybová matice poskytuje informaci o tom, jak odpovídají klasifikované hodnoty hodnotám skutečně zjištěným. Vizualizovaná chybová matice je nástrojem, který umožňuje posoudit, jak systém data zpracovává např. jestli chybně neklasifikuje jednu třídu jako jinou. Počty pixelů mimo hlavní diagonálu chybové matice představují chyby v klasifikaci. Chybová matice se obvykle počítá z dat trénovacích množin. Ty se k tomuto účelu dělí na dvě skupiny. Jedna slouží k trénování klasifikátoru, druhá k verifikaci dat. Podle některých autorů (např. Bonn and Rochon 1992) lze pro obě tyto etapy použít stejné datové soubory. Výsledky budou zešikmené (biased), ale to neznamená, že nejsou použitelné. DPZ 06 15

Hierarchická (víceměřítková) segmentace (Baatz et Schappe 2000) Zpracování obrazových dat se realizuje rozvojem fraktální sítě. Postup využívá k extrakci obrazové informace sémantická pravidla založená na tvaru, velikosti a struktuře objektů na snímku a automatizovaně buduje objektově orientovanou síť. K tomu se využívají nejen spektrální údaje jednotlivých pixelů, ale také jejich prostorové vztahy. Tímto procesem se vytvářejí skupiny pixelů s podobnými vlastnostmi a minimální heterogenitou. Strategickým cílem je vytvořit hierarchickou síť obrazových objektů, která umožní simultánně reprezentovat informační obsah obrazu na různých úrovních rozlišení DPZ 07 16

Příklady segmentace Příklady segmentace při analýze lesních porostů DPZ 07 17