Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

DPZ Část 3 Řízená klasifikace Spektrální indexy. © Jakub Langhammer, 2003 Aplikace VT ve FG 2 Program přednášky Řízená klasifikace trénovací plochy klasifikátory.

Podobné prezentace


Prezentace na téma: "DPZ Část 3 Řízená klasifikace Spektrální indexy. © Jakub Langhammer, 2003 Aplikace VT ve FG 2 Program přednášky Řízená klasifikace trénovací plochy klasifikátory."— Transkript prezentace:

1 DPZ Část 3 Řízená klasifikace Spektrální indexy

2 © Jakub Langhammer, 2003 Aplikace VT ve FG 2 Program přednášky Řízená klasifikace trénovací plochy klasifikátory Spektrální indexy Aplikace DPZ v geografii

3 © Jakub Langhammer, 2003 Aplikace VT ve FG 3 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

4 © Jakub Langhammer, 2003 Aplikace VT ve FG 4 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

5 © Jakub Langhammer, 2003 Aplikace VT ve FG 5 Trénovací plochy 1. definice tříd 2. výběr ploch vhodná lokalizace vhodná velikost (>100px) homogenita přesná vymezitelnost

6 © Jakub Langhammer, 2003 Aplikace VT ve FG 6 Trénovací plochy - statistika Ověření homogenity trénovacích tříd a ploch Výběr vhodných pásem pro klasifikaci Statistické vlastnosti třídy z vybraných pásem - signatura

7 © Jakub Langhammer, 2003 Aplikace VT ve FG 7 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

8 © Jakub Langhammer, 2003 Aplikace VT ve FG 8 Trénovací plochy - statistika

9 © Jakub Langhammer, 2003 Aplikace VT ve FG 9 Klasifikace Pomocí vhodného rozhodovacího pravidla jsou pixely zařazovány do tříd. Centroid (střed shluku) Zařazovaný pixel Natrénované třídy A, B, C a jejich spektrální hodnoty

10 © Jakub Langhammer, 2003 Aplikace VT ve FG 10 Klasifikátory Základní algoritmy Minimální vzdálenosti středů shluků Klasifikátor pravoúhelníků (paralellpipeds) Klasifikátor K nejbližších sousedů Klasifikátor maximální pravděpodobnosti Bayesovský klasifikátor...řada dalších

11 © Jakub Langhammer, 2003 Aplikace VT ve FG 11 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)

12 © Jakub Langhammer, 2003 Aplikace VT ve FG 12 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

13 © Jakub Langhammer, 2003 Aplikace VT ve FG 13 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

14 © Jakub Langhammer, 2003 Aplikace VT ve FG 14 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

15 © Jakub Langhammer, 2003 Aplikace VT ve FG 15 Řízená klasifikace v MultiSpecu Definice trénovacích ploch Processor – Statistics

16 © Jakub Langhammer, 2003 Aplikace VT ve FG 16 Řízená klasifikace v MultiSpecu Vymezení trénovací plochy, automatické uzavření polygonu po dvojkliku Definice nebo výběr třídy případné pojmenování plochy Přidání dokončené trénovací plochy do seznamu

17 © Jakub Langhammer, 2003 Aplikace VT ve FG 17 Řízená klasifikace v MultiSpecu Testování homogenity tříd a trénovacích ploch separace jednotl. tříd

18 © Jakub Langhammer, 2003 Aplikace VT ve FG 18 Řízená klasifikace v MultiSpecu výběr zobrazených pásem

19 © Jakub Langhammer, 2003 Aplikace VT ve FG 19 Řízená klasifikace v MultiSpecu

20 © Jakub Langhammer, 2003 Aplikace VT ve FG 20 Řízená klasifikace v Multispecu Výběr metody

21 © Jakub Langhammer, 2003 Aplikace VT ve FG 21 Klasifikátory v MultiSpecu 6 základních metod možnost vytvoření pravděpodobnostního souboru – hodnota, s jakou pravděpodobností pixel patří do dané třídy Výstup do souboru

22 © Jakub Langhammer, 2003 Aplikace VT ve FG 22 Řízená klasifikace - výsledky

23 © Jakub Langhammer, 2003 Aplikace VT ve FG 23 Kvantitativní kontrola výsledků Chybová matice

24 © Jakub Langhammer, 2003 Aplikace VT ve FG 24 Řízená klasifikace - cvičení Klasifikace jedné vybrané třídy voda jehličnatý les Vytvoření pravděpodobnostního souboru

25 © Jakub Langhammer, 2003 Aplikace VT ve FG 25 Řízená klasifikace - cvičení Natrénování 5 tříd voda jehličnatý les holé plochy 2 druhy kultur Výpočet řízené klasifikace

26 © Jakub Langhammer, 2003 Aplikace VT ve FG 26 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)

27 © Jakub Langhammer, 2003 Aplikace VT ve FG 27 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.)

28 © Jakub Langhammer, 2003 Aplikace VT ve FG 28 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

29 © Jakub Langhammer, 2003 Aplikace VT ve FG 29 Vegetační indexy NDVI Typické hodnoty (AVHRR, podle Williams, 1995) PovrchNDVI Velmi hustá vegetace0.500 Středně hustá vegetace0.140 Řídká vegetace0.090 Holá půda0.025 Oblačnost0.002 Sníh a led Voda-0.257

30 © Jakub Langhammer, 2003 Aplikace VT ve FG 30 Vegetační index SAVI Soil Adjusted Vegetation Index 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)

31 © Jakub Langhammer, 2003 Aplikace VT ve FG 31 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

32 © Jakub Langhammer, 2003 Aplikace VT ve FG 32 Další indexy Moisture stress index (Rock et al., 1986) Leaf Water Content Index (Hunt et al., 1986) Crist, 1985

33 © Jakub Langhammer, 2003 Aplikace VT ve FG 33 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

34 © Jakub Langhammer, 2003 Aplikace VT ve FG 34 Modifikace Tasseled Cap pro Landsat TM Brightness, Greeness, Wetness Brightness = TM TM TM TM TM TM7 Greeness = TM TM TM TM TM TM7 Wetness = TM TM TM TM TM TM7 Crist, 1985

35 © Jakub Langhammer, 2003 Aplikace VT ve FG 35 Výpočet spektrálních indexů v MultiSpecu popis kanálů (pásem)... C1 až Cx násobky bez znaménka (0.72C4) příklad: výpočet NDVI

36 © Jakub Langhammer, 2003 Aplikace VT ve FG 36 Cvičení – vegetační indexy Z dat Frymburk.lan vypočtěte Simple Ratio (SR) Moisture Stress Index (SRI) Normalizovaný vegetační index NDVI

37 © Jakub Langhammer, 2003 Aplikace VT ve FG 37 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

38 © Jakub Langhammer, 2003 Aplikace VT ve FG 38 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

39 © Jakub Langhammer, 2003 Aplikace VT ve FG 39 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

40 © Jakub Langhammer, 2003 Aplikace VT ve FG 40 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


Stáhnout ppt "DPZ Část 3 Řízená klasifikace Spektrální indexy. © Jakub Langhammer, 2003 Aplikace VT ve FG 2 Program přednášky Řízená klasifikace trénovací plochy klasifikátory."

Podobné prezentace


Reklamy Google