Možnosti využití distančních dat za účelem hodnocení kvality habitatu vodních toků magdalena bicanová
abstrakt Cílem příspěvku je charakterizovat možnosti hodnocení vodních toků na podkladě distančních dat, a to jak z hlediska samotného průběhu zpracování podkladů, tak i parametrů, které je možné sledovat s dostatečnou vypovídací hodnotou. Nejprve jsou popsány vybrané metody, které hodnotí vodní objekty na základě analýzy satelitních snímků, leteckých hyperspektrálních snímků a tematických GIS vrstev. Jsou zde charakterizovány distanční podklady dostupné pro území České republiky a na jejich základě pak definovány parametry ekomorfologického hodnocení vodních toků. V další fázi je pak popsán způsob zpracování satelitních a leteckých snímků v modelových povodích a diskutována vypovídací hodnota výsledků takového zpracování. Jako zájmová území byla zvolena povodí Berounky, Rolavy a horní Blanice. V povodí Blanice byla na podkladě satelitních snímků vymezena zóna koryta vodního toku, hodnoceno využití půdy a identifikovány přirozené struktury v korytě toku. V povodí Berounky a Rolavy bylo hodnoceno využití půdy na podkladě leteckých snímků za pomoci funkcí zpracování obrazu. V povodí Rolavy byla navíc výpovědní hodnota tohoto hodnocení porovnávána s detailní manuální vektorizací využití půdy. Výsledky tohoto porovnání ukazují, že zpracování leteckých snímků je vhodným podkladem pro hodnocení ekomorfologie vodních toků především v neobydlených oblastech. Při zpracování snímků oblastí, které jsou výrazněji členěny zástavbou a komunikacemi, je potřebná buď náročnější úprava výsledků zpracování obrazu, nebo je nutné začlenit do zpracování i doplňující tematické GIS vrstvy. klíová slova: automatické zpracování leteckých snímků, řízená klasifikace satelitních snímků, hodnocení land use, ekomorfologické hodnocení vodních toků M. Bicanová: Possibility of using distance data for the purpose of evaluating the river habitat quality The aim of the contribution is to characterize possibilities of the river evaluation based on the distance data. The study concentrates on both the course of the data preparation itself and also the parameters which can be monitored with sufficient descriptive value. First, a description is provided of the selected methods which evaluate water bodies based on the analysis of satellite images, aerial hyperspectral images and thematic GIS layers. The distance data available for the territory of the Czech Republic are characterized and based on these data the parameters for ecomorphological evaluation of rivers are defined. In the next stage the method of processing
magdalena bicanová
satellite and aerial images in the test water basins is described and the descriptive value of such results is discussed. The water basins of the Berounka, the Rolava and the upper Blanice were selected as study areas. Based on the satellite images, a river channel zone was defined, the land use was evaluated and natural structures in the river bed were identified in the Blanice water basin. In the Berounka and Rolava water basins the land use was evaluated based on the aerial images using the image processing function. In addition, in the Rolava water basin the descriptive value of this evaluation was compared with a detailed manual vectorization of the land use. The results of the comparison show that aerial image processing provides suitable data for evaluating river ecomorphology particularly in uninhabited areas. When processing images of built-in areas with extensive road network, either a more comprehensive adjustment of image processing results is required, or it is necessary to incorporate other thematic GIS layers into the processing. key words: automated aerial image processing, controlled classification of satellite images, land use evaluation, ecomorphological assessment
1 úvod S rostoucí přesností satelitního a leteckého snímání Země a možnostmi následného zpracování získaných dat se rozšiřuje i spektrum jejich využití v různých oborech. Mimo jiné jsou vyvíjeny i metody hodnocení ekomorfologického stavu vodních toků založené na využití distančních dat (Rumsby, 2008). Jejich zpracování má v případě větších vodních toků oproti terénnímu mapování řadu výhod, ale samozřejmě i určité nedostatky. Je to výrazné urychlení zpracování, možnost plošné aplikace ve větších povodí a snímky také poskytují i jistý nadhled, kdy je z nich možné vyčíst informace, které by v terénu byly přehlédnutelné či úplně neviditelné. K jejich negativům patří malá detailnost a neaktuálnost zvláště po nenadálých situacích ve sledovaném území. Proto je vždy vhodné hodnocení distančních dat doplnit i terénním mapováním ve vytipovaných oblastech. V rámci naší studie bylo zpracování distančních dat aplikováno ve vybraných modelových územích, konkrétně v povodí Berounky, Blanice, Košínského potoka, Liběchovky a Rolavy.
2 metody založené na hodnocení distanních podklad Na území České republiky byly prozatím testovány dvě metody ekohydromorfologického hodnocení vodních toků na základě distančních podkladů. Jednak se jedná o přepracovanou metodiku LAWA Overview (LAWA, 2000), kdy byly ve spolupráci VÚV Praha a Federálního hydrologického institutu Koblenz hodnoceny úseky na středním a dolním toku Labe (Fuksa, 2000). Výsledky za německou
možnosti využití distanních dat pro hodnocení kvality habitatu
stranu byly prezentovány na Magdeburském semináři v říjnu 2006 v Českém Krumlově. Další českou metodou je pak metoda „Silně ovlivněné vodní útvary“, která vznikla ve spolupráci Povodí Labe, DHI, MZe a Aquaplus (MZe, DHI, 2007). Obě metody využívají především mapové podklady, letecké snímky a data od správců toků. Jsou založeny na vizuální analýze snímků nebo využívají metod spektrální klasifikace. Hodnotí především morfologii přírodních a antropogenních tvarů na vodních tocích a v jejich nivě. V zahraničí vznikla během několika posledních let řada metod hodnocení vodních útvarů na základě satelitních snímků. Yamagata (1999) ve své disertační práci vytvořil metodiku hodnocení mokřadů a rýžových polí pomocí vlastních spektrálních indexů, které monitorují jejich vegetační, půdní a hydrologické podmínky a jejich změny v čase. Na Lincolnově universitě v Nebrasce byla vyvinuta metodika hodnocení změny rozlohy vodních ploch a mokřadů (University of Nebrasca – Lincoln [online], 2005). Na podkladě snímků z družice Landsat s rozlišením 30 m klasifikovali pomocí vhodných spektrálních kombinací vybraná modelová území do tří kategorií krajinného pokryvu (holá půda, vegetace a voda). Nástrojem automatické detekce změn pak vyhodnotili změnu jejich rozsahu mezi lety 1986, 1991 a 1992. Na Minnesotské universitě (University of Minnesota [online], 2003) jsou pro hodnocení vodních útvarů využívaná hyperspektrální data velmi vysokého rozlišení. V případě hodnocení kvality vody byly pořízeny snímky z malého letadla, které létalo v pruzích nad toky. Snímky mají 35 spektrálních pásem a rozlišení 1–3 m. V době snímkování byly zároveň ve vytipovaných lokalitách odebrány vzorky vody a sedimentů. Na základě těchto odběrů pak byla provedena kalibrace metody, podle níž je možné na základě spektrální odrazivosti klasifikovat skupiny řas ve vodě a převažující složení sedimentů. V modelovém území Swan lake byla navržena metodika hodnocení podle druhů submerzní a emerzní vegetace. Při hodnocení byly použity hyperspektrální snímky z družic QuickBird a IKONOS s rozlišením 1–4 m. Neřízenou klasifikací byla nejdříve vymezena oblast jezera, ve které hodnocení probíhalo. Dále byly v terénu identifikovány homogenní areály jednotlivých druhů rostlin a pomocí GPS vyznačeny přímo do satelitních snímků. Na základě těchto „trénovacích ploch“ pak byla provedena řízená klasifikace. Výsledkem je mapa klasifikace vodních rostlin s rozlišením sedmi druhů (dvou submerzních, pěti emerzních). V povodí řeky Daly, v Severním teritoriu v Austrálii byly porovnávány dvě metody hodnocení příbřežní zóny. Šlo o metodu TRARC (Tropical Rapid Appraisal of Riparian Condition) založenou na terénním průzkumu, druhá metoda hodnotí území na základě zpracování satelitních snímků z družice QuickBird. Mezi hlavní hodnocené parametry byla zařazena plocha pokrytí vegetací, organické zbytky na zemi, kontinuita vegetace, mýtiny, stabilita břehů a povodňové škody. Kromě
magdalena bicanová
výsledků hodnocení byly porovnávány i finanční náklady na jednotlivé metody. Z porovnání vyplývá, že terénní mapování je ekonomicky výhodnější pouze v povodích o rozloze menší než 200 km2 (Johansen, 2007). Na modelovém povodí řeky Tay ve Skotsku byla aplikována metoda, která na základě hyperspektrálních snímků hodnotí změnu morfologie koryta a land coveru v příbřežní zóně. Porovnávány byly snímky území z období před a po povodních v roce 1993. Sledované území bylo pomocí řízené klasifikace rozděleno do sedmi tříd půdního pokryvu, v korytě toku byla sledována především stabilita a tvorba nových přirozených struktur, jako jsou ostrovy, sedimentační lavice, sezónní štěrkové depozice a erozní tvary (Bryant, 1999).
3 zdroje dat a použitý software Pro hodnocení využití půdy v příbřežní zóně a údolní nivě byly v povodí Blanice, Košínského potoka, Liběchovky a Rolavy využity letecké ortofoto snímky s rozlišením 50 cm (GEODIS, 2006). V povodí Berounky byly letecké snímky použity pro možnosti hodnocení základních fluviálně-morfologických a antropogenních charakteristik vodních toků. Letecké snímky byly zakoupeny od firmy GEODIS (povodí Blanice, Liběchovky a Rolavy), nebo získány v rámci spolupráce od správy CHKO Křivoklátsko (2005, povodí Berounky) a Ústavu ekologie krajiny AV v Českých Budějovicích (2002, povodí Košínského potoka). Pro komplexní hodnocení údolní nivy, příbřežní zóny a koryta vodního toku byly v povodí Blanice použity satelitní snímky QuickBird zakoupené od společnosti ArcData (2007). Dále byly použity tematické vrstvy z databáze DiBaVod (VÚV, Praha), další tematické vrstvy a mapy II. Vojenského mapování (obojí pouze v prohlížecím formátu) byly převzaty z geoportálu Cenie (http://geoportal.cenia.cz). Data byla zpracována v programu ArcGIS 9.2, pro řízené klasifikace a zpracování obrazu za účelem hodnocení využití půdy byla použita extenze Image Analysis pro ArcGIS.
4 charakteristika distanních dat a jejich využití Letecké snímky patří k nejdostupnějším datům, která lze pro hodnocení habitatu toků na našem území získat. Jejich hlavní výhodou je pokrytí celého území České republiky, většinou i v několika časových horizontech, takže je zde možnost plošného hodnocení a vzájemného časového porovnání, a umožňují zachycení vývoje změn v krajině a v korytech toků. Další výhodou je jejich vysoké rozlišení v barevné škále (50 cm), takže je lze využívat i pro hodnocení drobných vodních toků a detailní hodnocení vybraných hydromorfologických charakteristik. Jejich nevý-
možnosti využití distanních dat pro hodnocení kvality habitatu
hodou je např. odlesk slunce na vodních plochách nebo delší stíny za předměty při snímání v době, kdy je slunce nízko nad obzorem. Oproti satelitním snímkům pixely neobsahují spektrální informaci, jedná se tedy spíše o metody zpracování obrazu než cílené řízené klasifikace. Plocha pokrytí České republiky satelitními snímky s vysokým rozlišením je značně omezena. Např. družicí QuickBird byly nasnímány pouze nesouvislé pásy území podle dráhy jejího letu. Naše vodní toky bohužel nekopírují dráhu letu družice, proto zatím nejsou k dispozici scény, které by dostatečně pokrývaly větší povodí. Rozsah snímání je však neustále rozšiřován a aktualizován. Pro účely projektu byly zakoupeny výřezy ze satelitních snímků z družice QuickBird pro povodí horní Blanice. Panchromatické snímky mají rozlišení 0,6 m, multispektrální 2,4 m, obsahují čtyři spektrální pásma (tři ve viditelném pásmu, jedno v blízkém infračerveném). Hlavním využitím satelitních snímků je hodnocení na základě řízené klasifikace a vegetačních indexů. Pomocí GIS vrstev z databáze DiBaVod a geoportálu Cenie je možné provést doplňkové hodnocení ve všech zónách. Jedná se o tematické vrstvy, které zobrazují antropogenní zásahy do vodních toků a krajiny, nebo naopak ekologicky hodnotné oblasti. Protože tyto prvky nejsou zmapovány po celém území, parametry by nebyly zahrnuty mezi základní ukazatele hodnocení, ale pouze jako jejich doplněk (negativně, nebo pozitivně se posuzuje jejich přítomnost, v některých případech i míra výskytu). Jde především o následující vrstvy: místa odběrů, nebo výpustí vod, meliorační kanály, ochranné hráze toků, poldry, záplavová zóna n-leté vody, bažiny a močály, zranitelné a citlivé oblasti, významné oblasti a chráněná území s vazbou na vody (NATURA 2000), zaplacené pokuty, provedená opatření a oblasti přirozené akumulace vod. Dále je možné využívat i materiálů od správce toku, jako jsou mapy se zákresem odvodněného území, nebo informace o úpravách provedených na tocích. Na základě map II. vojenského mapování (II. VM) je možné provést analýzu historické změny průběhu trasy koryta toku.
5 parametry hodnocení Na základě distančních a digitálních dat je možné provést komplexní hydromorfologické hodnocení sledovaných povodí. Hodnocení se provádí ve třech zónách – zóna koryta vodního toku, širší zázemí vodního toku (minimální šířka této zóny je závislá na minimální šíři dat, kterou je možno objednat, a na řádu hodnoceného toku) a v zóně celého povodí. V každé zóně bude hodnoceno několik parametrů, přičemž některé parametry je možné označit jako hlavní a jiné jako doplňkové, jejichž hodnocení závisí na množství dat a materiálů, které jsou pro
magdalena bicanová
dané území k dispozici. Výsledná metoda je předmětem řešení disertační práce a v současné době je testována ve vybraných modelových povodích. Jsou zde tedy představeny jen její základní body a hlavní parametry.
5.1 Parametry hodnocení v zóně povodí Zóna povodí je vymezena rozvodnicí. Jako podklady jsou využívány především tematické GIS vrstvy a mapové podklady. V závislosti na rozloze povodí a dostupnosti distančních podkladů je možné provést i hodnocení využití půdy. V rámci této zóny jsou hodnoceny následující parametry: – retenční potenciál zóny – přítomnost ekologicky hodnotných oblastí – antropogenní ovlivnění zóny – využití půdy – stav vegetace (pomocí vegetačních indexů) Retenční potenciál zóny, přítomnost ekologicky hodnotných oblastí a antropogenní ovlivnění zóny je možné hodnotit podle tematických GIS vrstev a na základě údajů od správce toku. Případné hodnocení využití půdy by bylo provedeno na podkladě satelitních snímků.
5.2 Parametry hodnocení v zázemí vodního toku Vymezení zóny zázemí vodního toku je závislé na minimální šířce dat, které je možné zakoupit. V případě povodí Blanice, kdy byly použity snímky z družice QuickBird, byla minimální šíře 1 000 m. Hodnocení tedy probíhalo v 500m pásu podél obou břehů. V případě Rolavy šlo o 200m pás leteckých snímků a v povodí Berounky byl použit 300m pás leteckých snímků podél obou břehů. V rámci zázemí toku jsou hodnoceny následující parametry: – využití půdy a typ vegetace – rozsah a využití záplavové zóny – retenční potenciál zóny – přítomnost ekologicky hodnotných oblastí – antropogenní ovlivnění zóny – přítomnost protipovodňových opatření Parametry využití půdy a stav vegetace jsou hodnoceny na základě řízené klasifikace a vegetačních indexů pomocí nadstavby Image Analysis. Přítomnost ekologicky hodnotných oblastí, antropogenní ovlivnění zóny a přítomnost protipovodňových opatření jsou hodnoceny na základě tematických vrstev DiBaVod
možnosti využití distanních dat pro hodnocení kvality habitatu
a z geoportálu Cenie. Retenční potenciál je hodnocen jak podle tematických GIS vrstev (bažiny, mokřady), tak i analýzou snímků (přítomnost opuštěných ramen a charakter jejich využití, drobné vodní plochy). Rozsah a využití záplavové zóny je porovnáván s celou zónou, tím je hodnocena změna využití půdy se vzdáleností od toku a míra ochrany aktivní povodňové zóny.
5.3 Parametry hodnocení zóny koryta vodního toku Vymezení zóny koryta vodního toku opět závisí na šířce hodnoceného toku. Kromě koryta toku by měla obsahovat i pás podél břehů. Pak je možné v rámci této zóny hodnotit i břehovou vegetaci a přirozené (sedimentační lavice, jesepy) či antropogenní (náhony, zaústění a odběry vody) struktury podél toku. V rámci této zóny jsou hodnoceny následující parametry: – průběh a změna trasy toku – variabilita šířek koryta – břehová vegetace – přirozené struktury v korytě toku – antropogenní úpravy koryta (podélné a příčné stavby) – migrační prostupnost koryta / rybí přechody – antropogenní ovlivnění odtoku Parametry průběh trasy toku, přirozené struktury v korytě, variabilita šířek a břehová vegetace jsou hodnoceny na základě analýzy leteckých či satelitních snímků. Změna trasy toku je posuzována pomocí srovnání s mapami II. VM, leteckými snímky a údolnicí. Migrační prostupnost, ovlivnění odtoku a antropogenní úpravy koryta jsou hodnoceny podle specifických GIS vrstev a informací od správce toku.
6 prbh zpracování Letecké a satelitní snímky poskytují široké možnosti zpracování obrazu a následných klasifikací. V následujícím textu jsou popsány základní možnosti jejich hodnocení a vypovídací hodnota zpracování.
6.1 Zpracování satelitních snímků Každá látka na zemském povrchu se vyznačuje svoji vlastní spektrální charakteristikou. Většina druhů povrchů má na snímcích z různé části spektra jiný odstín
magdalena bicanová
Obr. 1 – Upravený multispektrální snímek se zvýrazněnými plochami lut.img a výsledek řízené klasifikace převedený do vektorové podoby (spektrální třídy), povodí horní Blanice
šedi či jinou barvu – odráží odlišné množství záření v různých vlnových délkách. Pro každý objekt lze sestavit závislost mezi jeho odrazivostí a vlnovou délkou a průběh této závislosti bude pro tento objekt více méně typický. Tato charakteristika je označována jako tzv. spektrální křivka odrazivosti. Křivka odrazivosti je projevem tzv. spektrálního chování objektů. Tvar křivky má velký vliv na výběr vlnové délky, ve které je vhodné data o objektu získávat. Křivky spektrálního chování mají pro stejnou třídu objektů (vegetace, holá půda) vždy typický průběh (Dobrovolný, 1998). Hodnocení satelitních snímků bylo provedeno zvlášť v zóně koryta vodního toku a zázemí vodního toku. Pro vymezení zóny koryta vodního toku a detailnější hodnocení byly použity panchromatické snímky, pro jednodušší identifikaci tvarů v korytě vodního toku a klasifikaci využití půdy v zázemí toků byla použita mozaika panchromatického a multispektrálního snímku, která propojuje spektrální informaci multispektrálního snímku a podrobnější prostorové rozlišení panchromatického snímku.
možnosti využití distanních dat pro hodnocení kvality habitatu
6.1.1 Zpracování snímků v zázemí vodního toku Zázemí vodního toku je hodnoceno především na základě řízené klasifikace multispektrálních snímků. Základním předpokladem úspěšné klasifikace je správná volba spektrálních pásem, které dostatečně odliší hledané plochy. V případě snímků QuickBird v povodí Blanice bylo vybráno čtvrté (blízké infračervené záření, kontrastně zobrazuje vodní plochy a vegetaci) a druhé pásmo (zelená část spektra s maximem odrazivosti, oblast pigmentační absorpce). V zobrazení těchto kanálů je potom nutná i správná úprava histogramu, která odliší i ostatní plochy na snímku (holá půda). Takto upravený snímek je možné uložit pomocí funkce lut (Look Up Table), která zachová nastavení histogramu a spektrálních pásem. Na snímku lut.img je pak provedena řízená klasifikace. Vzhledem k charakteru území byly klasifikovány plochy pro les, louku, vodu a holou půdu. Rastrový výsledek klasifikace byl převeden do vektorové podoby a spektrální třídy rozděleny na Obr. 2 – Způsob vymezení zóny koryta vodního toku na podkladě panchromatického snímku z družice QuickBird, povodí horní Blanice
magdalena bicanová
třídy informační (např. holá půda – mýtiny v lese, orná půda, přirozené struktury v korytě vodního toku bez vegetace, komunikace). Výsledkem řízené klasifikace je zřetelné vymezení lesů, polí, luk a komunikací. Na obr. 1 je znázorněna vektorová podoba spektrálních tříd. Do stejné třídy „holá půda“ (černá barva) byla zařazena prašná komunikace, části polí bez vegetace, zástavba, sedimentační lavice v korytě a holé břehy. Stejně tak větší skupinky stromů jsou ve stejné kategorii jako „les“, nebo mýtiny v lese byly označeny jako „louka“. Tyto spektrální třídy (6 tříd) bylo tedy následně převedeno na třídy informační (11 tříd). 6.1.2 Zpracování snímků v zóně koryta vodního toku V zóně koryta vodního toku je třeba detailnějšího hodnocení než v zóně zázemí vodního toku, proto jsou zde více využity panchromatické snímky území, které mají větší rozlišení než multispektrální snímky, nebo jejich mozaika. Pomocí úpravy histogramu byla na panchromatickém snímku zvýrazněna voda. Aktuální nastavení bylo uloženo pomocí funkce LUT (lut.img) a tento obraz pak převeden do vektorové podoby (viz obr. 2). Vodní toky jsou v povodí horní Blanice často zcela překryty vegetací, proto vektorová vrstva neohraničuje celý tok, ale jde spíše jen o řadu menších ploch v linii toku. Pro hodnocení zóny koryta toku není nezbytné mít souvislý vektor vodních toků, proto tato vrstva nepotřebuje další úpravy. Pro vymezení zóny koryta toku byl použit 5m buffer podél toku. Ve vymezené zóně je na podkladě satelitních snímků hodnocen průběh trasy toku, charakter břehové vegetace, variabilita šířek koryta, přirozené a antropogenní struktury v korytě toku, ovlivnění odtoku a migrační prostupnost (viz obr. 3).
Obr. 3 – Ukázka slovního hodnocení v zóně koryta vodního toku, horní Blanice
možnosti využití distanních dat pro hodnocení kvality habitatu
6.2 Zpracování leteckých snímků Při zpracování leteckých snímků jsou stále větší tendence využívat automatizovaných metod. Bohužel automatizovaná klasifikace vysoce texturovaných dat, jakými jsou letecké a satelitní snímky s velmi vysokým rozlišením (VHR – Very High Resolution), zůstává stále poměrně problematická. Plochy představující jednu tematickou třídu (např. louka) jsou ve skutečnosti tvořeny skupinou většího počtu pixelů se značným rozsahem hodnot stupňů šedi. Tradiční techniky klasifikace obrazu pracují pouze s digitálními hodnotami těchto jednotlivých pixelů a ignorují jejich prostorové rozmístění neboli texturu snímku (Halounová, 2003). Tyto problémy lze v zásadě řešit vyhlazením obrazu pomocí různých filtrů, vypočtením texturálních vrstev během přípravné fáze klasifikace a složený víceobraz hodnotit pomocí objektově orientovaného přístupu (Hájek, 2006, 2008). Tyto automatické klasifikace jsou prováděny pomocí tzv. segmentace obrazu v prostředí programu eCognition. Při objektově orientované analýze je obraz nejprve rozdělen do tzv. primitiv-souborů. Klasifikace pak probíhá nad těmito soubory, a nikoliv nad samotnými pixely (Hájek, 2007). Klasifikace leteckých snímků v této práci byla prováděna v prostředí ArcGIS 9.2 s využitím extenze Image Analysis pro ArcGIS a nástroje Sobelovského vysokofrekvenčního filtru. 6.2.1 Postup zpracování leteckých snímků Zpracování leteckých snímků je založeno na použití vysokofrekvenčního filtru, který automaticky detekuje hrany homogenních ploch. Použitím filtru vznikne černobílý obraz, na kterém jsou po úpravě histogramu zřetelně ohraničeny jednotlivé plochy. Po uložení aktuálního nastavení pomocí funkce LUT je možné tento obraz převést do vektorové podoby. Výsledkem tohoto zpracování není klasifikace obrazu podle využití půdy, ale pouze vektorizace ploch. Jednotlivým plochám ve vrstvě je tedy potřeba buď přidělit index podle charakteru využití půdy, nebo plochy stejného využití vybrat a vyexportovat do samostatné vrstvy. Postup zpracování obrazu je graficky znázorněn na obr 4. Na výřezu obrázku jsou jasně ohraničené pole, louky a vodní plochy, v levém horním rohu jsou zřetelné hranice budov a komunikací. Koruna každého stromu je ohraničena zvlášť, proto je jednodušší vytvořit masku kategorie les až na závěr jako rozdíl vrstvy celého klasifikovaného území a všech ostatních kategorií. 6.2.2 Vypovídací hodnota výsledků automatického zpracování leteckých snímků Při vhodných podmínkách je výsledný tvar jednotlivých areálů téměř bez chyb a šumu (viz obr. 5). To závisí především na ročním období snímání (vegetační
magdalena bicanová
Obr. 4 – Grafický postup zpracování leteckých snímků pomocí funkcí zpracování obrazu, povodí Rolavy
období ovlivňuje vizuální homogenitu ploch), denní době snímání (přítomnost, případně délka stínů), prostorovém rozlišení snímků a nastavení histogramu při úpravě obrazu. V některých případech je však potřeba výsledné objekty upravit. Pro zjištění vypovídací hodnoty popsaného zpracování leteckých snímků byly plošně porovnávány neupravené objekty, upravené objekty a objekty vytvořené manuální vektorizací. Sledovány byly následující situace: 1) Drobné objekty v rámci velké plochy. V rámci velké homogenní plochy jsou vymezeny drobné objekty, které však neznamenají odlišné využití půdy, jde spíše o „šum zpracování“. Objekty jsou „zceleny“ použitím kombinace bufferu a negativního bufferu (viz obr. 6). Buffer zakryje mezery v rámci plochy, negativní buffer pak ořízne plochu zpět do jejích původních hranic. Rozdíl plochy takto upraveného a původního objektu se pohybuje v řádu jednotek procent. Vizuálně se upravený objekt od objektu vytvořeného manuální vektorizací výrazně neliší, rozdíl ploch je v konkrétním případě zobrazeném na obr. 6 necelých 10 %. 2) Výrazný vržený stín lesa. Stín je ohraničen jako samostatný objekt, je mu přiřazen stejný index jako objektu, na který je vržen, případně jsou oba objekty sloučeny a zceleny použitím kombinace bufferu a negativního bufferu.
možnosti využití distanních dat pro hodnocení kvality habitatu
Rozdíl v ploše objektů je opět v řádu jednotek procent, upravený objekt se vizuálně výrazně neliší od objektu vytvořeného manuální vektorizací (viz obr. 7), rozdíl ploch je cca 10 %. 3) Velmi heterogenní plocha. Jde především o postagrární plochy a nezastavěné plochy v intravilánech. Plocha je rozdělena do velkého množství objektů, Obr. 5 – Vymezení objektu bez výrazných jednotlivé objekty jsou slou- chyb a šumu, ukázka z povodí Berounky čeny a opět pomocí kombinace bufferu a negativního bufferu oříznuty do správné rozlohy. Objekty jsou částečně tvarově deformovány. Rozdíl plochy upraveného a neupraveného objektu jsou u většiny případů přes 60 %. 4) Zástavba a komunikace. Povrch zástavby a komunikací bývá velmi heterogenní a je rozdělen do velkého množství objektů. Jejich úprava je podobná
Obr. 6 – Úprava objektu s drobnými chybami a šumem, ukázka z povodí Rolavy
Obr. 7 – Úprava objektů, sloučení stínů, ukázka z povodí Rolavy
magdalena bicanová
Obr. 8 – Úprava objektů zástavby a komunikací, ukázka z povodí Rolavy
jako v předchozím případě, objekty ale nejsou oříznuty negativním bufferem do původních hranic, ale do rozměrů, které odpovídají reálným objektům na snímku. Z toho důvodu je i rozdíl upravených a neupravených ploch výrazně větší (viz obr. 8). V případě komunikací to mohou být, v závislosti na délce objektu, i několikanásobky původních rozměrů.
7 diskuze a závr Představená metoda ekomorfologického hodnocení vodních toků vzniká v rámci řešení disertační práce na KFGG PřF UK, proto zde byly nastíněny jen její základní body a popsány první kroky jejího řešení a zpracování dat. Do současné doby byly navrženy parametry hodnocení pro jednotlivé zóny a testována možnost hodnocení některých parametrů v zázemí toku a zóně koryta toku. To je v případě satelitních snímků založena na odlišné spektrálních odrazivostí různých druhů povrchů, v případě leteckých snímků pak na výrazném rozdílu stupňů šedi jednotlivých homogenních ploch (tak jsou detekovány hrany jednotlivých ploch). V dalších krocích vývoje metodiky bude určena řádovostní úroveň toků, pro kterou mají výsledky dostatečnou vypovídací hodnotu a stanoveny kvalitativní hranice pro škálu hodnocení u jednotlivých parametrů. Zpracování snímků pomocí automatických funkcí zpracování obrazu a řízené klasifikace umožňuje rychlou vektorizaci hodnoceného území, v některých případech je však nutná úprava výsledných objektů. Velké homogenní objekty jako pole, lesy a louky jsou dostatečně přesně vymezeny jak na satelitních, tak leteckých snímcích bez potřeby větších úprav. Drobnější tvary jako úzké komunikace, zástavba a rozptýlená zeleň (např. galeriový pás stromů podél toků) jsou na leteckých snímcích vymezeny v rozloze, která může být i několikrát menší než jejich rozloha ve skutečnosti. Proto je nutné některé objekty upravit, nebo někdy
možnosti využití distanních dat pro hodnocení kvality habitatu
(pouze pro zástavbu a komunikace) v zájmu urychlení zpracování přejmout jejich lokalizaci z již existujících mapových podkladů (např. databáze DMÚ), ty však ne vždy bývají aktuální a přesné. Obecně jsou pro hodnocení a vektrorizaci území lépe využitelné satelitní snímky. Jednak poskytují možnost rychlé řízené klasifikace, jednak je možné pomocí úpravy histogramu panchromatického snímku rychlé a přesné vymezení ploch, které jsou na nich oproti zbytku kontrastní (např. vodní plochy). Území České republiky je však oproti leteckým snímkům jen částečně pokryto satelitními snímky v dostatečném prostorovém rozlišení. Finanční náklady potřebné na zakoupení satelitních snímků jsou také výrazně vyšší než v případě snímků leteckých. Zpracování digitálních a distančních dat umožňuje plošné hodnocení rozsáhlých území. Díky tomu by se měl průběh ekomorfologického zhodnocení povodí oproti terénnímu mapování výrazně urychlit. V případě povodí s rozlohou větší než 200 km2 je i výraznější finanční úspora. Snímky poskytují nad hodnoceným územím i jistý nadhled, díky tomu jsou na nich zřejmé některé vazby, tvary a procesy, které jsou v detailu neviditelné. Přes tyto výhody však hodnocení distančních dat nemůže „mapovateli“ poskytnou detaily terénního mapování a znalost území. Proto je vždy potřeba ve vytipovaných oblastech porovnání digitálních výsledků s reálným stavem v terénu.
literatura BRYANT, R., GILVEAR, D., (1999): Quantifying geomorphic and riparian land cover changes either side of a large flood event using airborne remote sensing: River Tay, Scotland Geomorphology, Volume 29, Issues 3–4, September 1999, s. 307–321. Bundesansalt für Gewässerkunde. Ecomorphological LAWA Overview, Survey of Large Rivers [online]. 2000, [cit 2008-01-23].
DOBROVOLNÝ, P., (1998): Dálková průzkum Země: digitální zpracování obrazu, Masarykova univerzita, Brno, 208 s. FUKSA, J. K. (2000): Unifikace metod hydroekologického hodnocení toku a niv s pilotní aplikací na úsecích Labe. VÚV TGM, Praha, 101 s. HÁJEK, F. (2006): Object-oriented classification of Ikonos satelite data for the identification of tree species composition, Journal of forest science, Volume 52 (4), s. 181–187. HÁJEK, F. (2007): Vyhodnocení odumírání horského smrkového lesa na Trojmezné (NP Šumava) metodou automatizované klasifikace leteckých snímků, Silva Gabreta, Volume 13 (1), s. 69–81. HÁJEK, F. (2008): Process-based approach to automated classification of forest structures using medium format digital aerial photos and ancillary GIS information, European Journal of Forest Research, Volume 127, No. 2, s. 115–124.
magdalena bicanová
HÁJEK, F. (2006): Automatická extrakce porostních údajů z obrazových dat DPZ, Lesnická práce, ročník 85 (4). HALOUNOVÁ, L. (2003): Textural classification of B&W serial photos for the forest classification. Proceeding of 23rd symposium of European Association of Remote Sensing Laboratories, Gent, June 2–5, 2003, s. 173–179. JOHANSEN, K., PHINN, S., (2007): Comparison of image and rapid field assessments of riparian zone condition in Australian tropical savannas, Forest Ecology and Management. Vol. 240, s. 42–60. MZe. Silně ovlivněné vodní útvary [online]. c 2007, [cit 2008-01-23]. http://www.mze.cz/attachments/prozatimni_vymezeni.pdf. RUMSBY, B. T. (2008): Monitoring and modelling particle and reach-scale morphological change in gravel-bed rivers: Applications and challenges, Geomorphology, Volume 93, Issues 1-2, January 2008, s. 40–54. University of Minnesota. Mapping Stream Quality [online]. c 2003, poslední revize 2006-06-29 [cit. 2008-01-23]. < http://water.umn.edu/rivers/index.html>. University of Nebrasca – Lincoln. Wetlands and Remote Sensing [online]. c 2005, [cit. 2008-0123]. < http://casde.unl.edu/activities/wetlands/index.php>. YAMAGATA, Y. (1999): Advanced remote sensing techniques for monitoring complex ecosystems spectral indicies, unmixing, and classification of wetlands, disertační práce, National Institute for Environmental Studies, Ibaraki.