Část 3 Řízená klasifikace Spektrální indexy DPZ Část 3 Řízená klasifikace Spektrální indexy

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

Řízená x 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Vegetační indexy NDVI Typické hodnoty (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 © Jakub Langhammer, 2003 Aplikace VT ve FG

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) © Jakub Langhammer, 2003 Aplikace VT ve FG

Další indexy SR – Simple Ratio Infrared index (Hardisky et al., 1983) 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

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

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

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

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

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

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

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

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

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