Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

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

Podobné prezentace


Prezentace na téma: "Dálkový průzkum Země Ústav geoinformačních technologií Lesnická a dřevařská fakulta MENDELU."— Transkript prezentace:

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

2 DPZ 012 Dálkový průzkum (Remote Sensing) znamená získávání informací o objektech a jevech na dálku – bez přímého kontaktu s těmito jevy či objekty. Dálkový průzkum je shromažďování informací o přírodních zdrojích s využitím snímků pořízených senzory umístěnými na palubách letadel nebo družic první fotografie pořízená z balónu 1909 první letecká fotografie rozvoj letecké fotografie v období světových válek koncem 50. let 20. století rozvoj vesmírných technologií (studená válka) 1960 první meteorologická družice TIROS července 1972 první družice NASA: Earth Resources Technology Satellite (ERTS-1), později přejmenována na LANDSAT

3 DPZ 013 A Zdroj energie B Radiace a atmosféra C Interakce s povrchem D Senzor E Záznam a přenos F Analýza a interpretace G Konečný uživatel - aplikace SYSTÉM DÁLKOVÉHO PRŮZKUMU Prvky DPZ

4 DPZ 014 A.Zdroj energie nebo osvětlení – první podmínkou DPZ je zdroj energie, který objekty osvětluje nebo objektům zájmu poskytuje elektromagnetickou energii. B.Interakce radiace s atmosférou – energie postupující od svého zdroje k danému objektu se dostává do interakce s atmosférou, kterou prochází. Podruhé k této interakci dochází, když energie postupuje od danému objektu ke snímači. C.Interakce s objekty – po prostupu energie atmosférou dochází k interakci s objektem, která závisí jak na vlastnostech objektu, tak na vlastnostech záření. D.Záznam energie snímacím zařízením – po odrazu energie od objektu (nebo po vyzáření energie objektem) dochází k záznamu elektromagnetického záření snímacím zařízením (které s objektem není v přímém kontaktu). E.Přenos, příjem a zpracování – energie zaznamenaná snímačem se přenáší (obvykle v elektronické podobě) do přijímací a zpracovatelské stanice, kde jsou data zpracována do podoby obrazového záznamu. F.Analýza a interpretace – obrazový záznam (snímek) je podroben analýze a interpretaci (vizuální, digitální), aby se tak získala informace o objektu zájmu. G.Aplikace – závěrečným prvkem v procesu DPZ je použití informace, kterou jsme získali zpracováním obrazového záznamu.

5 DPZ 015 DENNÍ A NOČNÍ ZÁZNAM

6 DPZ 016 ZDROJ ENERGIE: ELEKTROMAGNETICKÉ ZÁŘENÍ Objekty o sobě vydávají informace prostřednictvím tzv. silových polí. V DPZ se zaznamenává elektromagnetické pole (záření). Toto záření se v přírodě vyskytuje v rozličných formách a je ovlivňováno atmosférou. Energie záření se prostorem šíří ve tvaru elektromanetické vlny. Elektrická a magnetická sinusoida jsou navzájem kolmé a šíří se rychlostí světla (c). Základní charakteristiky jsou vlnová délka (λ) a frekvence (ν): c = λ * ν Zdroj: Energie částice je nepřímoúměrná vlnové délce. Přirozeně emitované dlouhé vlny budou hůře zaznamenatelné než energie krátkovlnná.

7 DPZ 017 Spojité spektrum elektromagnetického záření se rozděluje do několika oblastí, např. podle vlnové délky.

8 DPZ 018 ELEKTROMAGNETICKÉ SPEKTRUM PRO POTŘEBY DPZ Ultrafialové zářeníUV0,1 - 0,4 μm Viditelné zářeníVIS0,4 - 0,7 μm Infračervené blízké záření NIR0,7 - 1,4 μm Infračervené střední záření MIR1,4 - 3 μm Tepelné zářeníTIR3 μm – 1 mm Mikrovlnné záření1 mm – 1 m Viditelné záření: Základní barvy RGB B 400 – 500 nm G 500 – 600 nm R 600 – 700 nm

9 DPZ 019 VIDITELNÉ ZÁŘENÍ (0,4 – 0,7 μm) - SVĚTLO Světlo je ta část elektromagnetického záření, kterou dokážeme vnímat. V oblasti viditelného záření pracují všechny konvenční metody a také většina družicových systémů. Je nejvyužívanější částí spektra především z historického hlediska. Neprochází oblačností a mlhou, lze ho zaznamenat pouze ve dne. Značný rozptyl a pohlcování v atmosféře má za následek ztrátu kontrastu.

10 DPZ 0110 INFRAČERVENÉ ZÁŘENÍ BLÍZKÉ (0,7 – 1,4 μm) - NIR Tvoří pokračování atmosférického okna z viditelné části spektra. Lze je zaznamenávat jak konvenčními fotografickými metodami (do 0,9 µm) tak i elektronicky. Je již méně pohlcováno a rozptylováno atmosférou, v důsledku toho jsou snímky ostré s dobrým kontrastem. Hodí se k topografickým účelům, důležité jsou tyto vlnové délky pro studium vegetace především v lesnictví a zemědělství. Voda se v těchto vlnových délkách chová téměř jako absolutně černé těleso.

11 DPZ 0111 TEPELNÉ ZÁŘENÍ (3 μm - 1 mm) Převažuje vlastní vyzařování objektů (radiační teplota objektů) nad odraženým zářením. Vždy je třeba provést atmosférické korekce. Používá se v kombinaci s leteckou fotografií. Zaznamenávané jevy lze rozdělit na bodové (výrazně odlišné od okolí teplotou – horký pramen) a plošné (lesní požár). Vzhled snímků: monochromatické (ČB), světlá barva znamená teplý objekt. Tepelná bilance objektů – povrchová teplota oceánů, tepelné znečištění řek, lesní požáry, geologické zlomy, tepelné úniky z budov. Zjišťují se většinou kvalitativní údaje, pro kvantitativní je třeba znát emisivitu objektů.

12 DPZ 0112 MIKROVLNNÉ ZÁŘENÍ (1mm - 1m) Je využíváno pasivními i aktivními metodami (RADAR). Tyto dlouhé vlnové délky mohou za vhodných podmínek pronikat i pod povrch, nejméně závisí na podmínkách počasí, je výrazně zeslabováno pouze v případě vydatného deště. Značný rozvoj zaznamenávají aktivní systémy, poskytují data využitelná především pro studium reliéfu, plovoucího ledu, v geomorfologii, v lesnictví i v zemědělství. Pomocí aktivních mikrovlnných systémů lze získat i neobrazová data, informace o výškových poměrech, o řadě meteorologických prvků atd. LiDAR LIght Detection And Ranging - Laser scan – aktivní snímání Přístroje jsou pozemní nebo neseny letadlem, ale jsou i vesmírné nosiče (např. LITE r. 1994) Paprsek se odráží i z vnitřních vrstev, nejen od povrchu (např. porostu) Lidar produkuje série bodových měření (bodová mračna) se zapsanými souřadnicemi pozičními x, y a výškovou z Aplikace: měření výšek, topografie, měření hloubek (ocánů), atmosférické studie, charakteristiky korun porostů, objem biomasy, struktura porostů, tvorba velmi přesných DMT, 3D vizualizace

13 DPZ 0113 Zrcadlová (spekulární) reflexe: povrch objektu je hladký a téměř všechna energie se od něho odráží v jednom směru. Difuzní reflexe: povrch objektu je drsný a odráží záření ve všech směrech stejně. Je-li vlnová délka dopadajícího záření mnohem menší, nežli povrchová variabilita částic na povrchu objektu, difuzní odraz převažuje. Např. jemnozrnný písek přestavuje pro dlouhovlnné záření vcelku hladký povrch, ale ve vztahu k viditelným vlnovým délkám se jeví jako drsný. INTERAKCE RADIACE S OBJEKTY Po prostupu slunečního záření atmosférou dochází k interakci s objekty, která závisí jak na vlastnostech objektů, tak na vlastnostech záření. Existují 3 typy této interakce: Absorbce (A)- pohlcení, transmise (T) - přenos a reflexe (R) - odraz. Jejich podíl závisí na vlnové délce záření, na materiálu a stavu objektů.

14 DPZ 0114 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

15 DPZ 0215 Fotografický snímek vs. digitální obrazový záznam Elektromagnetické záření lze zaznamenat fotograficky nebo elektronicky. Vzniká tak fotografický snímek (fotografie) nebo digitální obrazový záznam (obraz, snímek). Klasický analogový fotografický snímek lze transformovat do digitálního formátu tak, že ho rozdělíme do malých plošek o stejné velikosti a tvaru (zpravidla čtvercové), které se nazývají pixely. Ty nesou informaci o jasové složce každé plošky prostřednictvím numerické hodnoty – digital number (DN). Počítač zobrazuje jednotlivé hodnoty digitálního záznamu jako různé úrovně jasu. Elektronické snímače přímo zaznamenávají EM záření jako číselné pole na základě svého principu

16 DPZ 0216 PROSTOROVÉ ROZLIŠENÍ Velikost pixelu, měřítko Prosotorové rozlišení snímacího zařízení se vztahuje k velikosti nejmenšího možného objektu, který lze na snímku detekovat. U pasivních digitálních snímačů závisí primárně na jejich okamžitém poli záběru (Instantaneous Field of View – IFOV). Toto pole představuje úhlový kužel viditelnosti snímače (A) a určuje plochu na zemském povrchu, kterou je možno „vidět“ ze stanovené výšky v určitém čase. Velikost této plochy se určuje násobením IFOV vzdáleností snímače od zemského povrchu. Tato plocha se nazývá rozlišovací buňka (resolution cell) a definuje maximální prostorové rozlišení snímače.

17 DPZ 0217 Viditelnost objektů na snímcích různého prostorového rozlišení

18 DPZ 0218 SPEKTRÁLNÍ ROZLIŠENÍ Spektrální rozlišení určuje schopnost snímače zaznamenávat jemné intervaly vlnových délek. Čím jemnější je spektrální rozlišení, tím užší je interval vlnových délek pro určité pásmo (kanál). Toto rozlišení tedy vyjadřuje z jaké části EM spektra a v kolika pásmech daný senzor poskytuje své snímky. Na základě spektrálního rozlišení rozdělujeme data DPZ na panchromatická, multispektrální, superspektrální a hyperspektrální. Signatury z multispektrálního záznamu, ETM, 7 pásem Signatury z hyperspektrálního záznamu, AVIRIS, 224 pásem. Mezery ve spektrálních křivkách odpovídají pásmům, ve kterých atmosféra pohlcuje signál natolik, že se nedostane ke snímači.

19 DPZ 0219 Panchromatické snímky Panchromatický (PAN) snímek obsahuje pouze jedno spektrální pásmo. Obvykle se zobrazuje pomocí stupnice odstínů šedi (grey scale). Znamená to, že zobrazená jasová složka každého pixelu odpovídá jeho příslušnému DN a vztahuje se k intenzitě slunečního záření odraženého objektem a zaznamenaného snímačem. Panchromatický družicový snímek lze interpretovat obdobně jako černobílý letecký snímek daného území. Hlavním typem informace, který se využívá při interpretaci, je radiometrická informace. Příklad: Ikonos PAN, SPOT HRV-PAN, QuickBird PAN

20 DPZ 0220 Multispektrální snímky Multispektrální (MS) snímky obsahují data několika spektrálních pásem. Každé pásmo lze zobrazit pomocí stupnice odstínů šedi, anebo spolu s jinými pásmy jako barevnou syntézu (color composite image), která vzniká kombinací tří pásem. Interpretace multispektrální syntézy vyžaduje znalost signatur spektrální odrazivosti objektů na scéně. V tomto případě se při interpretaci využívá radiometrická informace. Příklad: Landsat ETM+ (7 pásem), QuickBird MS (4 pásma), WorldView 2 (8 pásem) Pojem superspektrální snímky není příliš frekventovaný, někdy se používá pro označení dat, která obsahují řádově pár desítek pásem. Příklad: MODIS (36 pásem)

21 DPZ 0221 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)

22 DPZ 0222 Hyperspektrální snímky Hyperspektrální senzory vytvářejí obrazové záznamy ve více než stovce úzkých částech EM spektra. Nazývají se též jako zobrazující spektrometry. Přesná informace obsažená v hyperspektrálním snímku umožňuje lepší charakterizaci a identifikaci objektů. Na obrázku je tzv. hyperspektrální datová kostka, vizualizace dat senzoru AVIRIS (224 pásem)

23 DPZ 0223 RADIOMETRICKÉ ROZLIŠENÍ Radiometrické rozlišení (hloubka pixelu) se týká nejmenší změny v intenzitě záření, kterou dokáže snímací systém rozlišit. U digitálních snímků je radiometrické rozlišení určeno počtem diskrétních kvantovacích úrovní, které slouží k digitálnímu záznamu spojitých hodnot intenzity.

24 DPZ 0224 ČASOVÉ ROZLIŠENÍ Časové rozlišení snímacího zařízení je frekvence, s jakou systém vytváří snímky stejného území. Udává tedy, jak často je určitá oblast zemského povrchu opakovaně zaznamenávána. Časové rozlišení snímače závisí na parametrech oběžné dráhy družice. Moderní systémy umožňují náklon snímače a tak zkracují časový interval opakovaného záznamu. Většina snímačů pro průzkum přírodních zdrojů je synchronní se sluncem (heliosynchronní), což znamená, že mohou opakovaně snímkovat příslušné území ve stejném lokálním čase. Má velký význam při monitorování havarijních situací, při krizovém managementu a při některých zemědělských aplikacích. Je však silně závislé na počasí. Příklady: Landsat – 16 dnů QuickBird – 1 až 3,5 dne NOAA – 6 hodin

25 DPZ 0325 DRUŽICE PRO PRŮZKUM PŘÍRODNÍCH ZDROJŮ Družice pro průzkum přírodních zdrojů se pohybují ve výšce 400 – 900 km, obvykle na heliosynchronní dráze. LANDSAT –První z amerických družic série Landsat (NASA) byla vypuštěna roku 1972, poslední – Landsat 7 – roku –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.

26 DPZ 0326 Spektrální pásma snímače tématického mapování (TM) družice Landsat PásmoVlnová délka [μm] Slovní označení Hlavní oblasti aplikace 10,45-0,52Modré (B) Navrženo pro průnik vodou, užitečné pro mapování pobřežních vod, pro rozlišení půdy / vegetace, mapování lesních typů a identifikaci kulturních objektů. 20,52-0,60Zelené (G) Navrženo k měření vrcholů odrazivosti vegetace. Rozlišení vegetace, odhad vitality. Identifikace kulturních objektů. 30,63-0,69Červené (R) Navrženo ke snímání pásma absorpce chlorofylu, rozlišování rostlinných druhů. Identifikace kulturních objektů. 40,76-0,90Blízké infračervené (NIR) Užitečné pro vymezování vegetačních typů, vitality, množství biomasy, pro vymezování vodních objektů a pro zjišťování vlhkosti půdy. 51,55-1,75Střední infračervené (MIR) Indikativní pásmo pro obsah vlhkosti ve vegetaci a půdě. Rozlišení sněhu od oblačnosti. 610,24-12,5Termální (TIR) Analýza vegetačního stresu, zjišťování půdní vlhkosti a pro aplikace termálního mapování, znečištění vod a podloží. 72,85-2,35Střední infračervené (MIR) Rozlišování minerálních a horninových typů. Rovněž citlivé k obsahu vlhkosti ve vegetaci.

27 DPZ 0327 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

28 DPZ 0328 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

29 DPZ 0329

30 DPZ 0130 FYZIKÁLNÍ POJETÍ BAREV Kompozice barev: Aditivní systém Aditivní systém barev, rovněž nazývaný systém barev RGB (Red, Green, Blue) vzniká projektivní kombinací tří základních barev - červené, zelené a modré. Všechny tři barvy vytvářejí dohromady bílou barvu. Scannery a monitory pracují s těmito aditivními základními barvami, rovněž známými pod pojmem světelné barvy. Tam, kde je absolutní nedostatek světla, nevidíme nic, což je totéž jako bychom viděli černou barvu. Absolutní temnotu lze tedy popsat RGB hodnotami R=0,G=0, B=0. Veškeré viditelné, tj. bílé světlo pak RGB hodnotami R=255, G=255, B=255. Každý barevný odstín pak lze definovat RGB hodnotami v intervalu 0 až 255, což poskytuje 256 x 256 x 256 = millionů RGB barev.

31 Barevné kompozice Barevné syntézy Odhalují vztahy mezi jednotlivými pásmy Různé aplikace vyžadují různé kombinace Aditivní skládání barev (monitor – RGB) TM3 TM2 TM1

32 Snímek družice IKONOS True color RR GG BB RNIR GR BG False color pásmo barevný filtr

33 DPZ 0633 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.

34 DPZ 0634 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

35 DPZ 0635 Příklad objektů v příznakovém prostoru

36 DPZ 0636 Automatizované klasifikační operace se obvykle rozdělují do tří skupin: Spektrální rozpoznávání obrazců (spectral pattern recognition) - spektrální klasifikace „per pixel“, klasifikace bodová. Vztahuje se k souboru hodnot odrazivosti zaznamenaných v různých spektrálních pásmech. Prostorové rozpoznávání obrazců (spatial pattern recognition) - kontextuální klasifikace. Zahrnuje kategorizaci pixelů na základě prostorových vztahů k pixelům sousedním. Časové rozpoznávání obrazců (temporal pattern recognition). K identifikaci objektů se využívá čas.

37 DPZ 0637 BODOVÁ – PER PIXEL – KLASIFIKACE Bodová („per pixel“) spektrální klasifikace je nejpodrobněji rozpracovanou a nejčastěji používanou klasifikační technikou. V průběhu této klasifikace se převádějí spektrální třídy pixelů, tj. skupiny pixelů, které v multispektrálním prostoru vykazují dostatečně vysokou míru podobnosti, do menšího počtu tříd informačních, kterých lze využít k tématické charakterizaci reálných objektů na zemském povrchu. Hlavní metody –Neřízená klasifikace (Unsupervised classification), –Řízená klasifikace (Supervised classification). –Hybridní klasifikace (Hybrid classification) Ta kombinuje obě uvedená pojetí s cílem omezit jejich nevýhody a dosáhnout tak lepších výsledků.

38 DPZ 0638 ŘÍZENÁ KLASIFIKACE Řízená klasifikace kategorizuje obrazový soubor do apriorně stanovených tématických tříd. Tyto třídy mohou přímo odpovídat tématickým třídám požadovaným ve výsledku, nebo mohou být specifikovány úžeji a teprve později do požadovaných tříd sloučeny. Při zpracování se využívají se při tom informace získané z reprezentativních vzorků, které se v zájmovém území typicky vyskytují a které lze v obrazovém souboru spolehlivě identifikovat. Tyto vzorky o známé identitě, sloužící k popisu jednotlivých informačních tříd, se obvykle nazývají trénovací plochy, respektive trénovací množiny. Odlišnost trénovacích množin v daných spektrálních pásmech umožňuje rozpoznání tématických tříd na základě jejich spektrálních příznaků. Na základě statistických charakteristik odvozených z trénovacích množin (obvykle se označují jako spektrální signatury) se pak vyhodnocuje příslušnost (někdy též jen stupeň příslušnosti) jednotlivých pixelů k tématickým třídám. K tomuto účelu jsou v počítačích implementovány speciální soubory operací, tzv. klasifikátory.

39 DPZ 0639 SnímekTrénovací množinyKlasifikace

40 DPZ 0640 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)

41 DPZ 0641 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.

42 DPZ 0642 V chybové matici je 8 pixelů lesa; klasifikátor 3 z nich zařadil jako vodu. V matici je 6 pixelů vody; klasifikátor zařadil 2 z nich jako les a 1 jako pole. Z této chybové matice jasně vidíme, že: klasifikátor nedokáže dobře rozlišit les od vody, klasifikátor vcelku dobře rozlišuje mezi polem a ostatními plochami. LesVodaPole Celkem řádky Les5308 Voda2316 Pole Celkem sloupce Příklad chybové matice Klasifikátor – výsledek klasifikace (ks) Skutečnost – terénní verifikace (ks)

43 DPZ 0643 Charakteristiky přesnosti Chybová matice poskytuje informaci o tom, jak odpovídají klasifikované hodnoty hodnotám skutečně zjištěným. Hlavní diagonála (z levého horního do pravého spodního rohu) vyjadřuje množství pixelů klasifikovaných správně. Používají se obvykle tyto charakteristiky přesnosti: –omyl z opomenutí OO, (omyl z odloučení) –omyl z nesprávného přiřazení OP, –přesnost zpracovatele PZ, –přesnost uživatele PU a –celková přesnost klasifikace PK. Za předpokladu, že řádky přestavují referenční data a sloupce reprezentují data získaná klasifikací, lze vyjádřit tyto charakteristiky dále uvedenými matematickými vztahy.

44 DPZ 0144 Literatura Uvedena na webu ústavu: Halounová, L., Pavelka, K. (2005): Dálkový průzkum Země. ČVUT v Praze Dobrovolný, P. (1998): Dálkový průzkum Země. Digitální zpracování obrazu. Masarykova Univerzita, Brno Jensen, J.R. (2000): Remote sensing of the environment: an Earth resource perspective. Prentice Hall, Harlow Campbell, J.B. (1996): Introduction to Remote Sensing. Taylor and Francis, London Lillesand, T.M., Kiefer, R.W. (2000): Remote Sensing and image interpretation. John Wiley and Sons, New York


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

Podobné prezentace


Reklamy Google