Termikus képi információk alkalmazása a környezetvédelem és az agrártudományok területein

Termikus képi információk alkalmazása a környezetvédelem és az agrártudományok területein BERKE József1,2, KOZMA-BOGNÁR Veronika3, LADÁNYI Péter4, NEMESSZEGHY György5, 1

SFD Informatika Kft., H-8360, Keszthely, Meggyfa u. 47., e-mail: [email protected] 2 Gábor Dénes Főiskola, H-1119 Budapest, Mérnök u 39., 3 Pannon Egyetem, Georgikon Kar, H-8360 Keszthely, Deák F. u. 16., 4 MEDIRLAB Orvosbiológiai Fejlesztő Kft., H-1134 Budapest, Váci út 51/b 5 HEXIUM Műszaki Fejlesztő Kft., H-1134 Budapest, Váci út 51/b

Abstract: The developments of information technology in 21st century have a great influence on the science of remote sensing. The microbolometer-based Far Infra Red (FIR) detector tools has greatly facilitated visual data in the thermal range of practical usefulness, since the uncooled detectors have excellent sensitivity and resolution. This breakthrough was felt in the international and domestic developments, a strong widening of applications. In this paper, the authors were undertaken to summarize the domestic research and development applications through practical examples where such research could participate personally and solved tasks of environmental protection and agricultural applications by structural and entropy based information technology based evaluation methods (Plant pathology and plant breeding investigations, Land use and vegetation cover studies, Detecting the potential harmful effects of heavy metal (black carbon, cadmium) pollution originated from vehicle industry, Application the red mud environmental disaster). Kivonat: Az információ technológiai fejlesztések a 21. században nagy hatást gyakorolnak a tudományos kutatásokra, az egyes területek alkalmazásaira. A mikrobolométer alapú Far Infra Red (FIR) érzékelő eszközök nagy mértékben elősegítették a termikus célú vizuális adatok gyakorlati hasznosíthatóságát, hiszen a hűtés nélküli érzékelők mobilissé váltak. Ez az áttörés érezhető volt a nemzetközi és hazai alkalmazások erős kiszélesedésében, az alkalmazások növekedésében. Ebben a tanulmányban a szerzők összefoglalják a személyes közreműködés kapcsán megoldott kutatás-fejlesztési környezetvédelmi és mezőgazdasági célú feladatokat, ahol szerkezeti és entrópia alapú informatikai értékelési módszerek kerültek felhasználásra (növénykórtani és növénynemesítési vizsgálatok, földhasználat és növénytakaró meghatározása, közlekedés eredetű szennyezőanyagok hatásvizsgálata, vörösiszap katasztrófa környezeti felmérése).

Bevezetés A távérzékelési eszközök a hőmérsékleti sugárzást érzékelő kamerákkal váltak szélesebb körben használt környezeti információkat gyűjtő berendezésekké. Ezek a modern technológiák új távlatokat nyitottak a kép alapú adatgyűjtés területén a pontosság és a mennyiség tekintetében is. Jelenleg a szenzorok műszaki fejlesztését jelentős késéssel követi a hatékony feldolgozási módszerek alkalmazása. Így szükséges a meglévő módszerek javítása, valamint új módszerek kifejlesztése a gyakorlati alkalmazások számos területén (környezetvédelem, mezőgazdaság, orvosi diagnosztika, stb.). A mikrobolométer alapú Far Infra Red (FIR) érzékelő eszközök nagy mértékben elősegítették a vizuális adatok gyakorlati hasznosíthatóságát, mivel a hűtés nélküli érzékelők elősegítették a kézi kamerák megjelenését, így hordozhatóvá, mobilis eszközökké váltak, kiváló érzékenységgel és felbontással. Ez az áttörés érezhető volt a nemzetközi és hazai alkalmazások kiszélesedésében is. Az alábbiakban vázlatosan áttekintjük azon környezetvédelmi célú vagy agrártudományokban történő gyakorlati alkalmazásokat [9], ahol a szerzők hűtés nélküli kézi eszközökben mikrobolométer alapú képérzékelőt alkalmaztak, szerkezeti [6] vagy információtartalom [17] alapú vizsgálatokban.

Történeti áttekintés A termovíziós technológiát katonai célokra fejlesztették ki. A hőkövető rakéták vagy az „igazi” éjjellátó készülékek ugyanazt a technológiát használják, mint pl. a házak hőveszteségét vagy egy ember hőtérképét megjelenítő termovíziós kamera. Korábban a széleskörű polgári felhasználást a magas ár, a hűtött detektortechnológia kényelmetlensége és az exporttilalmi problémák hazánkban erősen korlátozták [19]. Az 1960-as évek elején jelentek meg a gyakorlatban már jól használható „ős” eszközök. Ezeket a hűtött detektortechnológiájú Forward-Looking InfraRed (FLIR) eszközöket 1978-ban követte az első nem hűtött (uncooled FIR) technológiát tartalmazó berendezés. 1980-as évek elején kezdték kifejleszteni (TEXAS INSTRUMENTS, HONEYWELL) a nem hűtött technológiájú mikrobolométer érzékelőt tartalmazó eszközöket. A kereskedelemben 1996-ban jelent meg az első sorozatban gyártott mikrobolométer alapú eszköz. 2000-ben megjelent a kitűnő teljesítmény/ár tényezőjű amorf Si (amorphous Si) technológiájú mikrobolométer [21]. Hazánkban termovíziós eszközöket korábban sohasem gyártottak, ráadásul az exportkorlátozás és a magas ár miatt csak néhány készülék állt a hazai szakemberek rendelkezésére, de ennek ellenére ebben a tudományágban meglepően komoly alkalmazástechnikai kultúra alakult ki. Benkő Imre professzor úr (BME) úttörő kezdeményezésére és hathatós közreműködésével 1977 óta rendszeresen megrendezésre kerülő nemzetközi termogrammetriai konferenciák jól jelzik, hogy hazánkban mérnökökből, fizikusokból, orvosokból, vegyészekből, környezetvédelmi és mezőgazdasági szakemberekből egy nagyon erős szakmai háttér állt össze a fejlesztések és gyakorlati alkalmazások számos területén. A nyugat-európai szemmel is igen drága eszközök hazánkban szinte megfizethetetlenek voltak. Az ős készülékek folyékony nitrogén hűtésű berendezések voltak, kellően lebutított elektronikával és olyan rendszertechnikával, konstrukcióval rendelkeztek, amelyek semmilyen ismert szabvánnyal sem voltak kompatibilisek. Nehézkes, állandó üzemre alkalmatlan és a mozgó alkatrészek miatt kényes eszközök voltak. A technológia fejlődésével megjelentek nálunk is a különlegesen drága zárt hűtőrendszerű berendezések. Ezek már sokkal kényelmesebb használatot biztosítottak és szerencsére kézi kamera verzióban is megjelentek. Sajnos, továbbra is az ár és a szükséges exportengedély akadályozta az eszközök elterjedését. Mint már NATO tagországnak a várt könnyítés helyett, 2001. szeptember 11. után tovább nehezedett az eszközök beszerzése. Az európai és hazai alkalmazástechnikában áttörést jelentett, hogy több mint egy évtizede a francia ULIS cég is megjelent a mikrobolométer alapú FIR érzékelő eszközökkel [20], [27]. Ezek hihetetlenül nagy előnye, hogy kiváló érzékenységgel és felbontással rendelkeznek és nem igényelnek hűtést. A gyártási technológia Si alapú, a polisziliciumból készült érzékelő réteget bravúros maratási trükkökkel viszik fel a hordozóra, pontosabban a hordozó fölé emelt „híd”-ra. Ez elősegíti, hogy a kiegészítő áramkörök ugyanazon a szeleten kerüljenek elhelyezésre és olcsóbb legyen az eszköz. 2002 és 2004 között a HEXIUM Műszaki Fejlesztő Kft. az OM által finanszírozott IKTA projekt támogatásával speciális termovíziós eszközöket fejlesztett ki. A K+F projekt eredményeire alapozva 2004 végétől megindulhatott a hazai fejlesztésű termovíziós berendezések gyártása. Ezek a készülékek a legmodernebb mikrobolométer (polikristályos Si) technológiára alapozott hűtést nem igénylő érzékelőkre épülnek. Felbontásuk napjainkban 1024x768 pixel és érzékenységük lehetővé teszi a 0.018°C hőmérsékleti felbontás elérését (18mK@300K, 50Hz). A könnyebb hozzáférés, a költséghatékony ár, a hűtés nélküli technológia, a mobil eszközök megjelenése és a hazai fejlesztői háttér új területeket nyitott a szakemberek előtt a gyakorlati felhasználások számos területén. Így vált lehetővé, hogy a korábban katonai célú alkalmazások vezető szerepe ma már átkerült a tudományos és kereskedelmi célú nyílt megoldások fejlesztésére.

Az entrópia Az entrópia napjainkban használt információelméleti fogalmát 1948-ban Claude E. Shannon vezette be [24], [25], majd gyakorlati példán keresztül szemléltette [26], melyet Neumann János javaslatára nevezett el entrópia függvénynek. Ezek szerint az üzenetek átlagos információ tartalma (független üzenetek esetén) – entrópiája, az alábbiak szerint határozható meg: !

𝐻=

𝑝! 𝑙𝑑 !!!

 

1   𝑝!  

 

 

 

 

(1)

ahol

H - az információelméleti entrópia pi - az i-edik üzenet előfordulási valószínűsége Az entrópia matematikai értelemben vett általános definícióját Rényi Alfréd adta 1961-ben [23], amely szerint

1 H∝ (X) = log 1−∝

!

p∝!   !!!

 

(2)

ahol ∝≥ 0  és   ∝≠ 1 Az entrópia gyakorlati esetekben történő számítása során célszerű figyelembe venni még az alábbiakat: 1. Egy zárt rendszer információelméleti (1) szerinti entrópiája az alábbi értékeket veheti fel:

0 ≤ H ≤ log ! n

2. 3.

ahol n a lehetséges üzenetek száma. A (1) entrópia akkor a legkisebb (Hmin=0), ha a forrás mindig ugyanazt az üzenetet küldi. A (1) entrópia akkor veszi fel a legnagyobb értéket Hmax=log2n, ha az összes üzenet valószínűsége egyenlő (p! = −log ! n).

Spektrális fraktáldimenzió Az SFD egy, az általános fraktáldimenzióból [18] származtatott szerkezetvizsgálati eljárás, amely a fraktálok egy újszerű alkalmazását jelenti. Az SFD [1], [3], [6] a térbeli szerkezeten kívül a spektrális sávok színszerkezetének mérésére is alkalmas, és elegendő információt nyújt a színek, árnyalatok fraktál tulajdonságaira vonatkozóan is. Az SFD értékek számításához (két vagy több képsáv esetén) a spektrális fraktáldimenzió (3) szerinti definíciója alkalmazható a mért adatokra, mint függvényre (értékes spektrális dobozok száma az összes spektrális doboz függvényében) egyszerű matematikai átlagolással számítva az alábbiak szerint [6]: S −1 log( BM j ) n×∑ j =1 log( BT j ) SFDmérhető = S −1 (3) ahol n – a képrétegek vagy képcsatornák száma S – a spektrális felbontás bitben BMj - értékes képpontot tartalmazó spektrális dobozok száma j-bit esetén BTj – összes lehetséges spektrális dobozok száma j-bit esetén A lehetséges spektrális dobozok száma j-bit esetén az alábbiak szerint számítható:

BT j = (2 S ) n

(4) Mivel az (3) összefüggés metrika [4], a kiértékelések során mind hiper- mind multispektrális felvételek esetén mérésekre is egzaktul használható. Növénykórtani és növénynemesítési vizsgálatok A burgonyakutatás és nemesítés területén számos lehetőség kínálkozik a modern digitális képalkotási/feldolgozási és adatrögzítési/elemzési technikák alkalmazására a FIR tartományban [2], [12]. Az egyik legkézenfekvőbb módszer a digitális színképelemzés. Kísérleteinkben [2], [5] mind a látható fény, mind az infra és a termikus hullámhossz tartományban végeztünk. Az infra/és termikus hullámhossz tartományban végzett kísérleteinkkel a rezisztencia mechanizmus működését vizsgáltuk. Leválasztott levéltesztben, mesterséges fitoftóra fertőzés után, stabilizált hőmérsékleti viszonyok mellett vizsgáltuk különböző rezisztenciatípussal rendelkező burgonyavonalak fertőzésre adott válaszreakcióit, az ellenálló képességet kiváltó anyagcserefolyamatok beindulását, illetve működését a látható, az infra és a termikus infra tartományokban készített felvételeken (1. ábra).

1. ábra Burgonya levél látható, közeli infra és termikus infra tartományban készült felvétele rezisztencia mechanizmus működésének vizsgálatára

Egy  másik  kutatási  program  keretében olyan burgonya minősítő rendszer került kidolgozásra, amely szubjektív ítéleteket nem vagy minimális mértékben tartalmaz, és illeszkedik az EU és a hazai előírásokhoz. Segíti a fajtaérték-meghatározás objektívebbé és pontosabbá tételét az eddig használatos, bonitálásos módszer részbeni leváltásával. A fenti célok eléréséhez számos informatikai eszköz, valamint feldolgozási eljárás került kifejlesztésre (integrált informatikai rendszer - EMOR IIS, képfeldolgozási mérési módszerek és feldolgozási eljárások, automatikus elemzési, mérési folyamatok adatbázisa). Vizsgálataink eredményeként megmutattuk, hogy a digitális képfeldolgozás, a leválasztott levéltesztekben a kórokozóval fertőzött terület nagyságának pontos meghatározása összehasonlítva a hagyományos módszerrel, ahol a terület nagyságának meghatározása a legnagyobb szélesség és a legnagyobb hosszúság, valamint egy képlet segítségével kerül megállapításra - a burgonya vonalak kórokozóval szemben való fogékonyságának, rezisztenciájának pontosabb meghatározását teszi lehetővé. Hasonlóan, a chips és hasáb burgonya minősítése során a digitális képfeldolgozás pontosabb, és megbízhatóbb eredményt ad, mint a nemesítők szemén, vagy a standard színskálához való hasonlításon alapuló módszer. Mindkét esetben az adatelemzés, mint az értékelési módszer része automatizálható, ami lehetővé teszi nagyobb vizsgálatok elvégzését relatíve kevesebb idő alatt, kevesebb energia ráfordítással. A három eltérő hullámhossz tartományában végzett mérésekkel követni tudjuk a növényi

védekezési reakció beindulását és fejlődését a P. infestans-al szemben, valamint meg tudjuk különböztetni egymástól a két védekezési típust (horizontális és vertikális rezisztencia) [2], [5]. A növényi védekezési reakció beindulása leggyorsabban a FIR tartományban történő felvételezési és feldolgozási módszer alkalmazása során látható [9].

Földhasználat és növénytakaró meghatározása Megvizsgáltuk, hogy a látható, közeli infravörös, és hiperspektrális légifelvételek feldolgozásának FIR képekkel történő kiegészítése hogyan befolyásolja a művelés alatt álló területek vizuális információtartalmát. A vizsgálat tárgyát képezte az is, hogy milyen hatással van mindez a leggyakrabban használt osztályozó eljárások találati pontosságára. Olyan vizsgálati területek kerültek kiválasztásra, amelyek mezőgazdasági hasznosítás alatt álltak. Összesen nyolc kategóriában természetes és mesterséges objektumok kerültek kiválasztásra: kukorica, tritikálé, búza, napraforgó, műveletlen terület, erdő, aszfalt, földút (2. ábra).  

2. ábra Illesztett FIR légifelvételek alapú vegetáció térkép Várvölgy mintaterületről

Növénykultúrák multispektrális SFD spektruma 8, 16 bites képsávok alapján (2008. 07. 02., Várvölgy)

1

SFD érték

0,9 0,8 0,7 0,6 0,5 0,4 0,3

480

540

660

740

750

780

820

860

10000

Hullámhossz /nm/ búza

tritikálé

napraforgó

műveletlen terület

3. ábra Vörös-él inflexiós pont meghatározása látható, közeli infravörös és hőtartományban készült kézi kamerák multispektrális felvételein SFD görbék alapján (búza – kék, tritikálé – lila, napraforgó – fekete, műveletlen terület – piros)

A látható, a közeli infravörös és hő-tartományú kamerával készült felvételeken (összesen hét sáv) történő méréseink alapján megállapítható, hogy növényi vegetáció esetén, a 660-14000 nm közötti tartományban az SFD alapú spektrumokon, ujjlenyomatokon a lokális minimum 780 nm (3. ábra). Mindez elsősorban az eltérő típusú érzékelőkre és a multispektrális adatokra vezethető vissza. Így az általunk ismertetett (3) SFD alapú vizsgálatok lehetővé teszik az eltérő terepi és spektrális felbontású felvételek integrált földhasználat és növénytakaró alapú feldolgozását a leggyakrabban alkalmazott osztályozási metrikák esetén (Mahalanobis, Maximum likelihood, SAM, Parallelepiped, Minimum distance). Kiegészítve a látható és közeli infravörös sávokat megfelelő FIR képpel növelhetik azok találati pontosságát. Közlekedés eredetű szennyezőanyagok (korom- és kadmium) hatásvizsgálata A távérzékelési módszerek egyre szélesebb körben alkalmazott technológiák a környezetünkről gyűjtött információk megszerzésében. Kiválóan alkalmazzák olyan kutatási területeken, ahol a környezetkárosító jelenségek felderítése, térbeli eloszlása, a hatásterületek meghatározása, a terjedési irányok beazonosítása, és egyéb környezetvizsgálati feladatok elvégzése kulcsfontosságú cél. Bár a nehézfémek toxikus hatásának megítélése sok esetben biológiai akut toxikológiai tesztek alapján történik, a nehézfém-szennyezés hatásainak távérzékeléssel történő meghatározása is releváns lehet [14]. A környezetszennyezés által okozott stressz hatásokra a növények indikátorként viselkednek. A növényállomány növekedési és fejlődési ütemében bekövetkezett változások távérzékelés útján történő nyomon követésével kiválóan kimutathatóak a közlekedés okozta nehézfém-szennyezések hatásai. A Pannon Egyetem Georgikon Karán 2010-2013 között folytak olyan közlekedés eredetű szennyezéses hatásvizsgálatok, amely elsősorban a korom- és kadmium-szennyezés növényekre gyakorolt hatását elemezték [13], [14], [15]. A Meteorológia és Vízgazdálkodás Tanszék szabadföldi kísérleteihez kapcsolódóan a távérzékelés kínálta adatgyűjtési technikák alkalmazhatóságának kutatásai is történtek [16]. Ezen kutatások később kiterjedtek különböző módszertani (intenzitás alapú, entrópia alapú, spektrális fraktáldimenzió alapú) elemzésekre is, amelyek a kutatásaink szempontjából a legmegbízhatóbb és legpontosabb adatkiértékelési eljárások alkalmazhatóságát vizsgálták [17]. A kutatások helyszíne a Keszthelytől 2 km-re fekvő Tanyakereszti Agrometeorológiai Kutatóállomás tesztterülete volt, ahol a kukoricát érintő nehézfém-szennyezéses hatásvizsgálatok folytak (4. ábra). A parcella kísérletek során a gépjármű emisszió negatív környezeti és élettani hatásait okozó vegyi anyagok közül egy rendkívül toxikus hatású nehézfém a kadmium növényállományra gyakorolt stressz hatásai kerültek monitorozásra. A tesztterületen kialakított 10x10 m parcellákon a rövid tenyészidejű SPERLONA (FAO-340) kukoricahibrid rendszeres heti szennyezést követő környezetállapot felméréseire is sor került. A tenyészidőszak során a kadmium szennyezések 10-5 mol/hét koncentrációjú kadmium-nitrát oldat porozóval történő kijuttatásával valósultak meg. A gépjárműforgalom befolyásoló hatásainak szélesebb körű megismeréséhez a kadmium hatását kétféle vízellátás mellett vizsgáltak. Az öntözetlen kezelések esetében csak a természetes csapadék állt a növényállomány rendelkezésére, az öntözött parcellákon a természetes csapadékon felül is részesült vízellátásban a parcella. Az öntözést csepegtető eljárással valósították meg. A keszthelyi mintaterület kis területi kiterjedéséből (0,52 ha) adódóan, a parcella szintű kiértékeléshez nagy térbeli felbontású légifelvételek alkalmazását tette szükségessé. A mintaterületünkön végzett multispektrális légifelvételezések esetében jelentősen túlhaladtuk az 1 méter alatti geometriai felbontást (VIS és NIR esetén 10 cm2/pixel). Az alkalmazott digitális érzékelők által szolgáltatott adatsorok a látható (VIS: 0,4-0,7 µm), a közeli infravörös (NIR: 0,7-1,15 µm) és a távoli infravörös (FIR: 8-15 µm) tartományban készített felvételeket foglalták magukba.

4. ábra A vizsgált területről készült, illesztett VIS, NIR és FIR felvétel A közlekedés eredetű szennyezőanyagok vizsgálata során alkalmazott légifelvételek információtartalmának vizsgálatai során összességében megállapítható, hogy a spektrális tartományok, az évenkénti elemzések valamint a vízellátás szerinti vizsgálati típusok esetében az entrópia értékek csak részben mutattak szignifikáns különbséget. A kezelések alapján számított entrópia értékekben nem találtunk eltéréseket, így az entrópia alapú elemzések ebben az esetben meglátásunk szerint egyáltalán nem használhatóak. A vegetációs időszakon belül és a geometriai felbontás alapján az átlagos információtartalmú vizsgálatok megfelelő eredményt adtak. A szignifikáns eredmények jelentős része a FIR felvételek alapján egyértelműen kimutatásra került (5. ábra). Amennyiben a légifelvételek színszerkezetének információtartalmát értékeltük ki mind a hat különböző vizsgálati típus esetében pozitív eredményeket kaptunk. Ennek következtében elmondható, hogy az SFD értékekben megmutatkozó különbségek, mind a spektrális tartomány szerint, a kezelések alapján, vegetációs időszakon belül, évenkénti elemzések szerint, geometriai felbontás alapján, vízellátás szerinti vizsgálatok során kimutathatóak. Így a spektrális fraktáldimenzió, mint paraméter a tényleges információ tartalom megállapítására kiválóan alkalmazható. A FIR felvételek legnagyobb előnyét abban látjuk, hogy a hagyományos elemzési módszerekkel történő vizsgálatok során a látható (VIS) és közeli infra (NIR) tartományban készült képi adatokból kinyerhető információt nem csak megerősíti, hanem esetenként új tartalommal kiegészíti a FIR képek alapján számított adat [16].

5. ábra Az átlagos információtartalom változása kezelésenként és évenkénti összehasonlításban a FIR tartományban Vörösiszap katasztrófa környezeti felmérése Magyarországon 2010. október 4.-én történt Ajkai iszapkatasztrófa esetében kutatócsoportunk, a Magyar Tudományos Akadémia tudományos vezetésével, az Országos Katasztrófavédelmi Főigazgatóság koordinálásával valamint a Károly Róbert Főiskola finanszírozásával, széleskörű távérzékelési adatgyűjtést és feldolgozást hajtott végre, felhasználva napjaink legkorszerűbb távérzékelési és adatfeldolgozási technológiáit. A különböző távérzékelési technológiák által szolgáltatott adatsorok kiértékelését tekintettel a helyzet súlyosságára párhuzamosan végeztük el, a céloknak megfelelő egyedi és integrált adatfeldolgozási módszerek alkalmazásával [10], [11].

6. ábra A sérült X. tározót érintő törések, repedések és leszakadások lokalizálása

A légifelvételek alapján önálló eredményként meghatároztuk az északi gátfalat érintő mozgásokat, valamint azok kiváltó okait, illetve lokalizáltuk a töréspontokat és a gátfal leszakadást [9], [10], [11], (6. ábra).

7. ábra A X. tározó északi gátfalát érintő tározó-környéki nedves és száraz részek szemléltetése oldalirányú FIR felvételen

A tározó környéki FIR felvételeken azonosítottuk a nedves, szivárgást mutató területeket. A X. kazetta oldalirányú vizsgálata során megvizsgáltuk a tározó falának szivárgására, repedéseire utaló nyomokat (7. ábra). A referenciafelszínek figyelembe vételével sikerült meghatározni a tározóban az iszap, szakadás előtti tengerszint feletti magasságát, a tározóból kifolyt iszap mennyiségét. A tározóban lévő anyag szakadás előtti referenciafelszínét 2010. szeptemberben készült légifelvételekből sztereo kiértékeléssel nyert adatok alapján határoztuk meg, míg a szakadás utáni felszínt a LIDAR technológiával készített mérés adta meg. A két felszín közötti térfogatot a két felszín egymással történő metszésével számítottuk ki. A kiszakadt töltésrész „rekonstruálása” szintén a fenti légifelvételek alapján történt. A számítások során meghatároztuk a tározótér kereszt- és hosszmetszeteit is [10], [11]. A hiperspektrális felvételek radiometriai és geometriai korrekciója után elvégeztük a terület osztályozását, ahol az előzetesen lehatárolt területekre 4 iszapvastagsági kategóriára határoztuk meg, amelyek alapján került kivitelezésre a felszíni iszap réteg eltávolítása. A felmérések során előállított alapadatokra építve további elemzések, modellezések történtek: töltésszakadásszimuláció, elöntés intenzitás számítás, terjedésmodellezés. Elemzéseink alapján a hatóságok operatív beavatkozási lépéseket valósítottak meg: védtöltések tervezése-építése, kárelhárítás tervezése, kártalanítások előkészítése [10], [11].

Összefoglalás Az egyes alkalmazások során összegyűlt tapasztalatok alapján folyamatosan javítottuk, kiegészítettük, felhasználóbaráttá tettük a HEXIUM Kft. által fejlesztett FIR kamera képi adatainak gyári előállítását, feldolgozását megkönnyítő IRPlayer szoftvert. Ilyen fejlesztés a kamera általi nyers képi adatok összefűzése, a referenciapontok felvétele és önálló mentése, min/max IR adatok alapján történő skálázás, képszekvenciák automatikus mentése eltérő formátumban (bmp, tiff, jpeg, raw, avi, xml, cvs), időkorrekciós adatok felvitele, gyorsabb adatfeldolgozás (8. ábra).

8. ábra Az IRPlayer FIR adatokat feldolgozó szoftvercsomag fejlesztését bemutató összehasonlító ábra (bal oldali kép – 2008-as állapot, jobb oldali kép - 2015-ös állapot)

Irodalomjegyzék [1] [2] [3]

[4]

[5]

[6]

[7] [8]

Berke, J. (2004): Fractal Dimension in the Image Processing, KEPAF Conference on Image Analysis and Pattern Recognition, Miskolc-Tapolca, January 2004. Berke, J. - Wolf, I. - Polgar, Zs. (2004): Development of an image processing method for the evaluation of detached leaf tests, Eucablight Annual General Meeting, Keszthely, Hungary. Berke, J. (2005): Spectral fractal dimension, Proceedings of the 4th WSEAS International Conference on Telecommunications and Informatics (TELE-INFO ’05), March 13-15., Prague. pp. 23-26., ISBN 960-8457-11-4. Berke, J. (2006): Measuring of Spectral Fractal Dimension, Advances in Systems, Computing Sciences and Software Engineering, Springer pp. 397-402., ISBN 10 1-4020-5262-0, DOI: 10.1007/1-4020-5263-4. Berke, J. – Polgár, Zs. – Horváth, Z. - Nagy, T. (2006): Developing on Exact Quality and Classification System for Plant Improvement, Journal of Universal Computer Science, ISSN: 0948-695X, XII/9, 1154-1164. Berke, J. (2007): Measuring of Spectral Fractal Dimension, Journal of New Mathematics and Natural Computation, Print ISSN: 1793-0057, Online ISSN: 1793-7027, 3/3: 409-418, DOI: 10.1142/S1793005707000872. Berke, J. – Kozma-Bognár V. (2008): Fernerkundung und Feldmessungen im Gebiet des KisBalaton I., Moorschutz im Wald / Renaturierung von Braunmoosmooren, Lübben. Berke, J. (2010): Using Spectral Fractal Dimension in Image Classification, Innovations and Advances in Computer Sciences and Engineering, Springer Science+Business Media B.V. 2010, DOI: 10.1007/978-90-481-3658-2_41.

[9]

[10]

[11]

[12] [13]

[14]

[15] [16] [17]

[18] [19]

[20] [21] [22] [23] [24] [25] [26] [27]

Berke, J. - Kozma-Bognár, V. - Nagy, T. - Kováts, L.D. - Tomor, T. (2013): Applications of termovision in environmental protection and Agriculture. 18th International THERMO Conference proceedings. pp. 15-22. Budapest, 2013. július 02-05. Berke, J. – Kozma-Bognár, V. - Burai, P. - Kováts, L.D. - Tomor, T. - Németh, T. (2011): Remote Sensing Investigation of Red Mud Catastrophe and Results of Image Processing Assessment, Lecture Notes in Electrical Engineering 152, Innovations and Advances in Computer, Information, Systems Sciences, and Engineering Part I, Chapter 12., pp. 149-156., ISSN: 1876-1100. Berke, J. – Bíró, T. - Burai, P. - Kováts, L.D. – Kozma-Bognár, V. - Nagy, T. - Tomor, T. – Németh, T. (2013): Application of Remote Sensing in the Red Mud Environmental Disaster in Hungary, Carpathian Journal of Earth and Environmental Sciences, Vol. 8, No. 2., pp. 49-54., ISSN 1844-489X. Kim, Y.H. - Lee, S.H. (2004): Quality Monitoring of Potato Transplants Using Thermal and Visual Images, ISHS Acta Horticulturae 659:273-278. Kozma-Bognár, V. - Berke, J. - Martin, G. (2012): Application possibilities of aerial and terrain data evaluation in particulate pollution effects, European Geosciences Union General Assembly, EGU2012-3063, 22-27 April, 2012, Wien. Kozma-Bognár, V. - Berke, J. (2012): Determination of Optimal Hyper- and Multispectral Image Channels by Spectral Fractal Structure, International Joint Conferences on Computer, Information, and Systems Sciences, and Engineering, December 7-9, 2012. Kozma-Bognár, V. - Martin, G. - Berke, J. (2013): Remote sensing applications in evaluation of cadmium pollution effects, European Geosciences Union General Assembly, Vol. 15, EGU20136127, 2013, Wien. Kozma-Bognár, V. - Berke, J. (2012): Termovizió alapú eredmények a közlekedés eredetű szennyezőanyagok hatásvizsgálatában, 18th International THERMO Conference, 3-5 July, 2013, Budapest, Hungary. Kozma-Bognár V. - Szabó R. - Berke J. (2013): Információtartalmú elemzések a közlekedéseredetű szennyezőanyagok hatásvizsgálatánál. In: Lóki I (szerk.) Térinformatika konferencia és szakkiállítás: Az elmélet és gyakorlat találkozása a térinformatikában konferencia kiadvány. pp. 257-264. Debrecen, 2013. május 23-24. ISBN:978-963-318-334-2. Mandelbrot, B.B. (1983): “The fractal geometry of nature”. W.H. Freeman and Company, New York. Mottin, E. - Bain, A. - Martin, J.L. - Ouvrier-Buffet, J.L. - Bisotto, S. - Yon, J.J - Tissot, JL. (2002): Uncooled amorphous silicon technology enhancement for 25µm pixel pitch achievement, Infrared Technology and Applications XXVIII, SPIE Vol. 4820. Nagy, T. (2005): A termovízió újjáéledése, Magyar Elektronika 2005. 1-2. Nagy, T. (2005): Új technológiák a tűzvédelemben – Intelligens multispektrális kamerák, Magyar Elektronika 2005. 5. Polgár, Zs. - Wolf, I. - Gergely, L. - Proksza, P. - Berke, J. (2005): Application of image processing methods in potato breeding and variety registration, Information systems in agriculture and forestry, XI. Year of International Conference, Prague, ISBN 80-213-1337-4. Rényi, A. (1961): Onmeasures of information and entropy, Proceedings of the 4th Berkeley Symposiumon Mathematics, Statistics and Probability, 1960:547–561. Shannon, C. E. (1948): A Mathematical Theory of Communication, The Bell System Technical Journal, 27:379–423. Shannon, C. E. (1948): A Mathematical Theory of Communication, The Bell System Technical Journal, 28:623–656. Shannon, C. E. (1951): Prediction and entropy of printed English, The Bell System Technical Journal, 30:50–64. Tissot, J.L. (2004): IR detection with uncooled focal plane arrays. State-of-the art and trends Opto-Electronics Review 12(1), 105–109.

Kapcsolat:

Dr. BERKE József, SFD Informatika Kft., H-8360, Keszthely, Meggyfa u. 47., E-mail: [email protected]