TÁVÉRZÉKELÉS ALKALMAZÁSI LEHETŐSÉGEI a környezetszennyezés hatásvizsgálatánál
Készítette:
KOZMA-BOGNÁR VERONIKA
TARTALOM
I. Távérzékelés fogalma, folyamata II. Távérzékelt felvételek és szenzorok
III. Távérzékelt felvételek feldolgozás IV. Gyakorlati példák
TÁVÉRZÉKELÉS FOGALMA ÉS FOLYAMATA
Távérzékelés fogalma I.
A távérzékelés azon technikák összessége, amelynek segítségével információt szerezhetünk a megfigyelés tárgyáról (két vagy háromdimenziós, időben változó folyamatok követése esetén négydimenziós objektumok, jelenségek) úgy, hogy az érzékelő eszközök nincsenek közvetlen kapcsolatban a vizsgálat tárgyával. A távérzékelés fogalmába nem csak az adatgyűjtés, hanem a kapott adatok feldolgozása, értékelése is beletartozik (felvétel készítése, elemzése, interpretálása)
Berke-Kozma-Bognár., 2010
Távérzékelés fogalma II.
Ø A földfelszín objektumai által különböző hullámhosszon visszavert vagy kisugározott elektromágneses energia rögzítése és az adatok kiértékelése.
Ø A hagyományosnak mondható légi és műholdakon elhelyezett szenzorok az elektromágneses energia/hullámok terjedését, eloszlását mérik és rögzítik, ebből következtethetünk az egyes objektumokra és azok paramétereire.
A távérzékelés multi-koncepciója • • • •
MULTI-STAGE: Különböző magasságokon különböző platformokra telepített műszerek.
MULTI-TEMPORAL: Különböző időpontokban készített felvétek, az összehasonlíthatóság alapját képezik.
MULTI-SENSOR: Különböző érzékelők alkalmazása a célnak megfelelően.
MULTI-SPECTRAL: Különböző hullámhosszakon történő megfigyelése
(Detrekői-Szabó, 2003)
Távérzékelés jellemzői (előnyök)
Ø mérőműszer nincs közvetlen kapcsolatban a vizsgált tárggyal (a megfigyelt tárgyat nem befolyásolja). Ø „a láthatatlan láthatóvá válik” (más módszerekkel elérhetetlen, megfigyelhetetlen területek is megfigyelhetők). Ø nagy kiterjedésű területekről rendkívül rövid idő alatt sok adat gyűjtését. Ø nagy területről kapunk homogén adatrendszert. Ø az elektromágneses spektrum látható tartományán kívüli hullámhosszokon is végezhetünk megfigyelését . Ø az összegyűjtött adatok bármikor reprodukálhatók. Ø
a kérdésfelvetéshez alkalmazkodik az észlelési mód és az adatfeldolgozási eljárás
Ø olcsó és kevés munkaerőt igényel?
Távérzékelés jellemzői (hátrányok)
• A távérzékelés alkalmazásának hátrányaként a kiértékelésben rejlő nehézségeket kell megemlíteni. • A távérzékelési feladat eredményének pontossága, megbízhatósága rendkívül sok tényezőtől függ. Mind az adatgyűjtés mind pedig a feldolgozás jelentős szakértelmet és speciális rendszerek alkalmazását igényli.
Czimber, 2001
Távérzékelés
• •
A távérzékelés során a földfelszín tárgyairól visszavert illetve kisugárzott elektromágneses energia kerül rögzítésre.
A detektáló berendezések 3000 nm alatt hullámhosszoknál elsősorban a visszavert energiát, míg 5000 nm felett a kibocsátott energiát detektálják.
Távérzékelés folyamata
Mucsi, 2004
Atmoszférikus hatások
Az atmoszférában megtett út alatt az energia részben
• • • •
visszaverődik, szóródik, elnyelődik, továbbítódik.
Ezen hatások mértéke függ a sugárzás energiájának a nagyságától, a sugárzás által megtett út hosszától, az atmoszféra összetételétől, a részecskék nagyságától és a hullámhossztól.
Berke-Kozma-Bognár, 2010
Atmoszférikus szóródás
Az atmoszférikus szóródás az atmoszférában megtalálható részecskék okozzák. A légkört alkotó gázok szerint a szóródást két nagyobb csoportra bonthatjuk: - a szelektív szóródásra, amelyet az gázok (CO2) okoznak, - Rayleigh-szóródás - Mie-szóródás - a nem-szelektív szóródásra, amely a légkör páratartalmának és a felhőknek a következménye.
Szelektív szóródás A szelektív szóródás több típusa létezik aszerint, hogy a részecske átmérője hogyan viszonyul a vele kölcsönhatásba lépő sugárzás hullámhosszával:
• A
Rayleigh-szóródás esetében a részecskék (pl. nagyobb molekulák, egyes aeroszolok, vulkánkitörések) átmérője lényegesen kisebb, mint a sugárzás hullámhossza. Ilyen méretű légköri anyagok az ipari és közlekedési eredetű részecskék valamint a tüzelőanyagok elégetésekor keletkező égéstermékek is. A Rayleigh-szóródás hatása a hullámhossz negyedik hatványával fordítottan arányos, ezért sokkal intenzívebb a rövidebb hullámhosszak szóródása, mint a hosszabb hullámhosszaké. Ez a típusú szóródás okozza a műholdképek homályosságát, ami a kép élességének csökkenésében, a kontraszt romlásában nyilvánul meg.
• A Mie-szóródás akkor lép fel, ha a részecskék átmérője azonos (pl. vízgőz, finom
porrészecskék és egyes makromolekulák) a sugárzás hullámhosszával. A Mieszóródás is hullámhosszfüggő, azonban kevésbé, mint a Rayleigh-szóródás. Hatása inkább a nagyobb hullámhosszak esetén érezhető. A Mie-szóródás már csekély felhőzet esetén is jelentős lehet.
Nem szelektív szóródás
A nem-szelektív szóródás, a (harmadik típusú szóródás) akkor jön létre, ha a részecske átmérője sokkal nagyobb (pl. vízcseppek), mint a sugárzás hullámhossza. Mivel ez a szóródás nem-szelektív a hullámhosszal kapcsolatban, az ebbe a mérettartományba eső felhőelemek/vízcseppek a látható fény összetevőit (a kék, a zöld és a vörös fényt) teljesen egyenlő mértékben szórják, ezért fehér színű a felhő és a köd.
A szóródás teljes mértékű, tökéletes korrekciója nem lehetséges. A gyakorlatban a feldolgozó szoftverekkel lehetséges!!!!
Atmoszférikus abszorpció I.
A szóródással ellentétben, az atmoszférikus abszorpció valódi energiaveszteséget jelent.
• Az abszorpció következtében az elektromágneses hullám energiáját az
abszorbeáló molekulák (elsősorban a vízgőz-, a széndioxid- és ózonmolekulák) elnyelik, így döntően befolyásolják azt, hogy mely spektrális sávokat alkalmazhatjuk az adott távérzékelő rendszerekben.
Atmoszférikus abszorpció II.
Sabins, 1987
A távérzékelési eszközök spektrális működési tartományai Sabins, 1987
Ultraibolya:
Látható:
30nm--400nm
400nm-700nm
Infravörös:
• 700nm-1300nm közeli
700nm-100mikron: • 1300nm-3000nm középső • 3 mikron-100mikro termális
Mikrohullám: 1mm-30cm
Spektrális tartományok jellemzői
Az elektromágneses spektrum gamma és röntgen sugárzási régiója földi távérzékelési célból érdektelenek (kivétel a kőzetek természetes radioaktivitásából eredő gamma-sugárzás detektálása) (Büttner, 2004), mivel a légköri elemek teljes mértékben elnyelik őket. Az ózonmolekulák az ultraibolya sugárzást csaknem tökéletesen elnyelik, csak a 0,3-0,4 µm tartomány kerül átengedésre. Mivel az ultraibolya sugárzásnak ez a hosszú hullámhosszú része detektálható, így ez a tartomány kevésbé alkalmas a távérzékelési feladatok elvégzésére. A távérzékelésre leginkább alkalmazott látható, infravörös (reflektál és termális) tartományban a vízgőz és a szén-dioxid a legjelentősebb abszorbensek. A mikrohullámú tartományokban az abszorpció alacsony szintje következtében a távérzékelés alkalmazását a légköri viszonyok nem zavarják. Az elektromágneses sugárzás leghosszabb hullámhosszú rádió hullámainak észlelésére is működtetnek szenzorokat.
A távérzékelésben alkalmazott főbb spektrális régiók Hullámhossz tartomány megnevezése
Hullámhossz tartomány (nm)
Sugárzás forrása
Alkalmazott felszíni tulajdonság
Látható (Visible=VIS)
400-700
szoláris
reflektancia
Közeli infravörös (Near InfraRed=NIR)
700-1 100
szoláris
reflektancia
Rövid hullámú infravörös (Short Wave InfraRed=SWIR)
1 100-1 350 1 400-1 800 2 000-2 500
szoláris
reflektancia
Közepes hullámú infravörös (MidWave InfraRed=MWIR)
3 000-4000 4 500-5 000
szoláris, termális
reflektancia, hőmérséklet
Termális vagy hosszúhullámú infravörös (Thermal InfraRed=TIR vagy LongWave InfraRed=LWIR)
8 000-9 500 10 000-14 000
termális
hőmérséklet
Sabins, 1987
Atmoszférikus ablakok Azokat a hullámhossz tartományokat, ahol legkisebb a szóródás és az elnyelés, tehát ahol teljesen vagy részben átengedi az atmoszféra az elektromágneses sugárzást atmoszférikus ablakoknak nevezzük.
Atmoszférikus ablak
hullámhossz tartomány (µm)
1
0,3-1,3
2
1,5-1,8
3
2,0-2,6
4
3,0-3,6
5
4,2-5,0
6
7,0-15,0
Energiamegmaradás Az elektromágneses energia és a földfelszín találkozásakor, három alapvető energia-kölcsönhatást különböztetünk meg. A beérkező energia egy része visszaverődhet, elnyelődhet vagy/és elvezetődik. Az energiamegmaradás elve alapján igaz, hogy:
Eb = Er + Ea + Et ahol, Eb - a beérkező energiamennyiség, Er - a reflektált (visszavert) energia, Ea - az abszorbeált (elnyelt) energia, Et - a továbbított energia. Mindegyik komponens a hullámhossz függvénye.
II. TÁVÉRZÉKELT FELVÉTELEK ÉS SZENZOROK
Detektáló berendezések Az elektromágneses sugárzást érzékelő műszereket szenzoroknak nevezzük. Típusai: 1.
alkalmazott elektromágneses sugárzás hullámhossza alapján:
pl. látható fény, infravörös, vagy mikrohullámú szenzorok
2. szenzor energia forrása alapján: pl. aktív és passzív szenzorok
3. visszavert sugárzás detektálásának módszere alapján: pl. analóg felvételeket és digitális képeket készítő szenzorok 4. érzékelő működési elve alapján:
pl. kamera (framing systems) vagy pásztázó rendszerek (scanning systems)
5. hordozó eszköz alapján: pl. földi, légi és műholdas szenzorok Buiten, 1993
Detektáló berendezések típusai 1. Az alkalmazott elektromágneses sugárzás hullámhossza alapján: • látható fény, • infravörös, • mikrohullámú szenzorok
Látható tartományú felvétel
Közeli Infravörös tartományú felvétel
Közlekedés eredetű szennyezőanyagok vizsgálata
Detektáló berendezések típusai 2. A visszavert sugárzás detektálásának módszere alapján: • •
analóg felvételeket
digitális képeket készítő szenzorok
Analóg felvétel
Digitális felvétel
Detektáló berendezések típusai 3. A hordozó eszköz alapján:
•
• földi • légi műholdas szenzorok
Belényesi et al., 2008
Földi felvétel
Légifelvétel
Műhold felvétel
Detektáló berendezések típusai 4. Az előállított felvétel által tartalmazott információk alapján: • Geometriai (térbeli) információk (objektum, helye, elhelyezkedése, alakja) • Spektrális információk (hullámhossz tartomány, csatornák száma) Távérzékelt felvételek csoportosítása (csatornák száma alapján):
• • • •
Pankromatikus kép:
1 db csatorna
Színes kép (RGB kamerák):
3 db csatorna
Multispektrális szenzorok:
4-20 db csatorna
Hiperspektrális szenzorok:
21- db csatorna
EURÓPAI UNIÓ TANÁCSA 2003. január 27-i 149/2003/EK belső rendelet:„a több mint húsz diszkrét spektrális sávval rendelkező szenzor”
Adatkocka felépítése
Hargitai, 2006
Spektrális visszaverődési görbe: Az objektumok hullámhossz függvényében ábrázolt visszaverődési értékei
AISA DUAL Hiperspekrális képalkotó rendszer http://www.specim.fi/
Az AISA Dual az AISA Eagle és Hawk szenzorok egy duális tartóban történő összeszerelése révén kerül kialakításra. A két szenzor egyidőben azonos földi sávról képes szinkronizálva adatot gyűjteni, a 400-2450 nm spektrális tartományban, maximum 498 sávban.
AISA DUAL főbb paraméterei
VNIR szenzor (Eagle)
SWIR szenzor (Hawk)
AISA Dual
Spektrális tartomány
400-970 nm
970-2450 nm
400-2450 nm
Spektrális felbontás
244
254
498
Spektrális minta
2.3 nm
5.8 nm
2.3, 5.8
Spektrális mélység (bit)
12
14
14
Térbeli pixelszám
1024
320
320
Optika
18.5 mm
22.5 (vagy 14) mm
18.04
FOV
37.7 fok
24 fok
24 fok
IFOV
0.037 fok
0.075 fok
0.075 fok
Képalkotási gyorsaság
100 kép/s-ig
100 kép/s-ig
100 kép/s-ig
Hiperspektrális távérzékelés jellemzői
• A hiperspektrális technológia alkalmazásával – a nagyobb spektrális és térbeli felbontásnak köszönhetően - a hagyományos légi felvételezési technikákhoz (RGB-, multispektrális felvételek) képest megbízhatóbb információkat kapunk a földfelszín állapotáról, a lezajló folyamatokról, jelenségekről. • A több spektrális sávban készített felvételekkel - a nagy spektrális felbontás miatt - a földfelszínen található objektumok (felszínrészletek, tereptárgyak, stb.) általában jobban elkülöníthetőek, mint az egyetlen sávban készítettekkel. ELŐFELDOLGOZOTT ÉS GEOKÓDOLT FELVÉTEL
Detektáló berendezések típusai 5. Aktív
A szenzor energia forrása alapján:
Passzív
Forrás: Buiten,1993
Passzív szenzorok: nem rendelkeznek saját sugárforrással. Természetes eredetű elektromágneses sugárzásokat érzékelik (objektum által visszavert napsugárzás vagy az objektum által kibocsátott sugárzás) Passzív érzékelés hátránya, hogy nappal és tiszta időben készíthetünk felvételt, mivel a felhőzet befolyásoló tényező. Aktív szenzorok: saját sugárforrással rendelkeznek. Az érzékelő által kibocsátott sugárzás visszavert részét detektálja.
Aktív szenzorok LIDAR (LIght Direction And Ranging)
• 0,25-0,35 µm, ultraibolya • 0,4-11 µm, látható fény és infravörös • Megfigyelés bármilyen napszakban lehetséges, légköri inhomogenitás befolyásolja a
detektálást
RADAR (RAdio Direction And Ranging)
• Mikrohullámokat fogja fel, • A megfigyelés napszak-független és nem befolyásolja a felhőzet léte
pl. X-BAND RADAR: 9,4 GHz (3,2 cm), P-BAND RADAR: 0,44 GHz (68cm)
LIDAR felvételek alkalmazásai Károly Róbert Főiskola
Detektáló berendezések típusai 6. Az érzékelő működési elve alapján:
• kamera (framing systems) • pásztázó rendszerek (scanning systems)
Felvételek jellemző paraméterei
1. A szenzor geometriai felbontása megadja a legközelebbi objektumok közötti távolságot a képen. Mértékegysége a méter.
2. A szenzor időbeli felbontása a szenzor érzékelésének a frekvenciája. Gyakorlatban két felvétel készítése közötti legkisebb eltelt idő. Mértékegysége a Hertz vagy másodperc
3. Egy szenzor spektrális felbontása az a legkisebb sávszélesség, amely során még rögzíteni képes összefüggő (képi) adatot. Gyakorlati meghatározása: az érzékelő spektrális karakterisztikáján történő félértékszélesség mérésével történik, az érzékelő egyetlen csatornájának adatai alapján. Mértékegysége a nanométer.
4. A radiometriai felbontás a szenzor azon legkisebb érzékenysége, amely során még különbséget lát a bejövő elektromágneses jel intenzitásában. Mértékegysége a nanométer.
Műhold fogalma
A bolygók körül keringő mesterséges égitesteket műholdaknak nevezzük.
Az első világűrbe indított űreszköz, a Szputnyik–1 a Föld műholdja volt. Szovjetunió indított 1957. október 4-én. 1957 óta több ezer műhold állt pályára a Föld körül, de a Naprendszerben már más bolygók és holdak körül is keringenek műholdak.
Műholdak típusai I. Távközlési műholdak: rádió és mikrohullámú frekvenciát használva kommunikációs feladatokat látnak el. A legtöbb távközlési hold geoszinkron vagy közel-geostacionárius pályát használ, de vannak alacsony pályán is. Távérzékelő műholdak: a Föld felszínét figyelik a világűrből a felderítő műholdakhoz hasonlóan, de nem katonai célokra. Környezeti, térképezési vagy meteorológiai feladatokat látnak el. Navigációs műholdak: rádiójeleket használnak egy felszíni jelvevő berendezés pontos helyzetének a meghatározására. Felderítő műholdak: katonai vagy kémkedési célokat szolgáló földfigyelő vagy távközlési műholdak. Keveset tudunk a teljesítményeikről, a működtető kormányzatok legtöbbször titokban tartják az ezekről szóló információkat. Geodéziai műhold: ezen műholdak két frekvencián jeleket sugároznak, melyeket speciális geodéziai GPS/GNSS vevők venni tudnak, és segítségükkel akár 1-2 cm pontosságú helymeghatározásra képesek. Űrállomások: Meteorológiai műholdak: Bioműholdak: Csillagászati műholdak:
emberek szállítására alkalmas műholdak. a földi időjárást és/vagy éghajlatot figyelő műholdak. élőlényeket visznek magukkal kísérletek céljából. csillagászati méréseket végző műholdak.
Műholdak típusai II.
Forrás: http://www.sulinet.hu/tart/fcikk/Kice/0/16956/1
LANDSAT LANDSAT 7 ETM+ (Enhanced Thematic Mapper Plus): • 7 sávban készít felvételeket, amelyből 6 sáv 30 m-es, míg a termális-infra tartományban készített felvétel 120 m-es terepi felbontású, • a pankromatikus felvétel 15 m felbontású. • a NASA, és az U.S. Geological Survey (USGS) hozta létre, 1999. december 1.-én. • napszinkron (a műhold egy adott hely fölött mindig azonos helyi időben halad el), • 705 km magasan keringő műhold által készített felvétel 183 km széles területről ad képi adatokat, 16 napos gyakorisággal
LANDSAT 7 ETM felvétel
IRS Program
IRS (Indian Remote Sensing Satellite): • két műholdból (IRS 1C és 1D) áll, • többféle érzékelővel is felszerelték (Pancromatic, WiFS, LISSIII), • 6-7 bit képpontonkénti információt szolgáltatnak • adatait elsősorban globális vegetáció térképezésre és földhasználat felmérésre, valamint az urbanizáció hatásainak vizsgálatára használják.
IRS felvétel
RADARSAT
RADARSAT műhold: • érzékelője az 5,6 cm-es hullámhosszban érzékel, • az elkészített kép mérete változó: 50x50 km-től 500x500 kmig terjed, • adatai térképészeti, urbanisztikai, mezőgazdasági termésbecslési, geológiai valamint sztereófelvételek készítésére is használhatók.
RADARSAT felvétel
SPOT Program
SPOT
• • • •
822 km magasságban, napszinkron pályán 26 naponkénti gyakorisággal készíthet felvételeket, a pankromatikus 5 m terepi felbontású, a multispektrális 10 és 20 m terepi felbontásúak.
SPOT felvétel
IKONOS program
Forrás: http://www.agt.bme.hu/ tutor_h/terinfor/t34a.htm
IKONOS
IKONOS műhold • pankromatikus felvételei 1-1,5 m-es, • multispektrális képei 4 m-es terepi felbontásúak, • multispektrális adatokkal „kiegészíthetők” a pankromatikus képi adatok, ezáltal nagyfelbontású „színezett” képet kapunk. • Az érzékelő 681 km magas, napszinkron pályán 11 km-es sávban készít vizuális adatokat, amelyek 11 bitesek • Alkalmazási területei: vegetáció pontos feltérképezése, felszíni mesterséges objektumok és mozgások / pl. áruszállítás, tömegközlekedés/ felvételezése.
IKONOS felvétel
QUICKBIRD QuickBird rendszer: • 2001. október 18.-án a kaliforniai Vandenberg légibázisról pályára állított szatellit multispektrális (terepi felbontása 2,44 méter) • pankromatikus (terepi felbontása 0,61 méter) • a felvételek 11 bit dinamikával készülnek.
QUICKBIRD felvétel
ENVISAT program
• Az első műhold, amely a világ valamennyi térségére kiterjedő kiotói egyezmény betartásának ellenőrzésében is részt vett, • 800 km magasságban, • 8,2 tonnás, 10,5 méteres környezetkutató műhold, • 2002. márciusában bocsátották fel , • “2012. április 8-án elhallgatott” (Európai Űrügynökség (ESA) bejelentette, hogy befejezte küldetését Envisat nevű műholdja, amellyel tíz év szolgálat után 2012. április 9-én szakadt meg a kapcsolat”
http://index.hu/tudomany/urkutatas/2012/05/10/hivatalosan_is_halott_a_foldfigyelo_muhold/
ENVISAT felvétel
METEOSAT A METEOSAT 3 hullámhosszban készít képeket:
• • •
• • •
látható tartományban (0,4-1,1µm) infravörös tartomány (10,5-12,5µm) a vízgőz elnyelési tartományában (5,7-7,1µm).
Kb. 35800 km-es magasságban keringenek A felbontás a látható fény tartományában a legjobb (2,5×2,5 km a műhold alatt, hazánk térségében 3×3,75 km; másutt 5×5 km, ill. 6×7,5km). Az infravörös tartományban derült időben mért adatokból a talajfelszín sugárzási hőmérséklet származtatható (fagy-előrejelzés miatt fontos), zárt felhőzetnél a felhőtető hőmérséklete mérhető.
MODIS
Földmérési és Távérzékelési Intézet (FÖMI)
A FÖMI ellátja a téradat-infrastruktúrák működtetését lehetővé tévő térbeli alapadatkörök gyűjtését, feldolgozását, tárolását, fejlesztését és szolgáltatását.
www.fomi.hu
IIT. TÁVÉRZÉKELT FELVÉTELEK FELDOLGOZÁSA
Adatfeldolgozás folyamata NYERS ADATOK
ELŐFELDOLGOZÁS mozaikolás, korrekciók
FŐFELDOLGOZÁS osztályozás, index számítás
UTÓFELDOLGOZÁS tanulóterület kijelölési hibáinak kiszűrésével, döntéshozási módszer kiválasztásával, eredménytérkép ellenőrzésével pl. hibamátrix
TEMATIKUSAN OSZTÁLYOZOTT FELVÉTEL
Felvételek összeillesztése
Korrekciók
Gyakorlatban jelentkező általános képhibák: • • • • • • •
Geometriai torzítások Amorf torzítások Perspektivikus torzítás Vinyettálás Életlenség Kromatikus aberráció Összett torzítások
Korrekciók elvégzéséhez szoftverhasználat szükséges
Zajszűrés
Zajtípusok általában: • • • •
Sötét Pszeudo Véletlen Foton
Zajszűrés nem minden esetben valósítható meg teljes mértékben
Osztályozás Osztályozás fogalma: A kép osztályozása gyakorlatban olyan feladatok megoldását jelenti, amelyek kisszámú (összetartozó) képpontok együttesét, illetve szegmentált alakzatokat tulajdonságaik, sajátságaik alapján felismer, kategorizál, illetve előre megadott lehetőségek valamelyikébe sorol, s ezzel létrehozza a kép magasabb szintű leírását. Az osztályozási eljárások csoportosítása referencia alapján: 1. Tanítóval történő osztályozás (supervised classification) - az osztályozni kívánt képen részben vagy teljesen ismertek az osztályok 2. Tanító nélküli osztályozás (unsupervised classification or clustering) - az osztályozni kívánt képről nincs előzetes információnk Berke-Kozma-Bognár, 2010
Osztályozó eljárások eredményképei
Osztályozatlan felvétel
Maximium likelihood
SAM
Paralellepiped
Minimum distance
(Region of Interest = ROI, tanítóterületek )
Mahalanobis
Osztályozó eljárások értékelése
Az osztályozás értékelése több szinten történhet:
• • •
Tanulóterület kijelölési hibáinak kiszűrésével Döntéshozási módszer kiválasztásával Eredménytérkép ellenőrzésével
Congalton és Green által meghatározott négy fő eljárás közül (vizuális értékelés, mennyiségi összehasonlítás, térbeli egyezőség elemzése, hibamátrix). Az osztályozás megbízhatóságának helyességét a hibamátrix átlós értekei mutatják, mivel az ott feltüntetett pixelértékek kerülnek helyesen osztályozásra.
Vegetációs indexek A reflektancia vagy visszaverődési görbék bizonyos értékeiből, változásaiból generálhatóak a különböző indexek. Fontosabb vegeatációs indexek: - NDVI (Normalised Difference Vegetation Index): a távérzékelésben igen elterjedt vegetációs index, ami egy első generációs index, és a fotoszintetikusan aktív vegetációt mutatja. IR - Red NDVI = IR + Red - SAVI (Soil-Adjusted Vegetation Index): a vizsgált növényállományban talaj foltok is találhatóak, abban az esetben a talajjal módosított vegetációs indexet a kell alkalmazni. - Vörös Él Index (Red Edge Index): második generációs index, ami a reflektancia görbék alakját és relatív helyzetét (Red Edge Inflection Pont - REIP) írja le. A görbe értékelése során az inflexiós pont eltolódásából következtethetünk a növény egészségi állapotára, stressz tűrő képességére, klorofill tartalomra, fertőzöttség mértékére, stb..
Reflektancia görbék I.
Spektrális visszaverődési (reflektancia) görbe fogalma: Az objektumok hullámhossz függvényében ábrázolt visszaverődési értékei
A anyagok fizikai és elektromágneses jellemzőitől valamint az elektromágneses sugárzás hullámhosszától függően a különböző tulajdonságú elemek eltérő reflexió (illetve emissziós) értékeket vesznek fel az egyes hullámhossztartományokban.
Reflektancia számítás Reflektancia (pλ) a beeső: Eb (λ) és a visszavert: Er(λ) sugárzás hányadosa:
pλ = [Er(λ)/Eb (λ)] *100
Ez az érték nemcsak százalékos formában, hanem viszonyszámként is kifejezhető (reflektancia-faktor, 0 és 1 közti szám).
NDVI számítás
http://remotesensing.spiedigitallibrary.org/article.aspx?articleid=1182405
Vörös él index A Red Edge Index (vörös él index) meghatározza:
mennyire csúszik el a refleksziós görbe inflexiós pontja a vörös (0.6-0.7 µm) és a közeli infravörös (0.7-1.3 µm) tartomány határán a kék tartomány felé.
Fontos, mivel az inflexiós pont eltolódásából következtethetünk a növény egészségi állapotára, stressz tűrő képességére, klorofill tartalomra, fertőzöttség mértékére, stb!
Reflektancia görbék II. Jelentősebb felszíni formák görbéi
Buiten, 1993 A görbék alapján az egyes mikroorganizmusok, ásványok, növények, építmények, mesterséges anyagok jól azonosíthatóakká válnak, hiszen a különböző anyagok eltérő tulajdonságaiból adódóan más-más reflexiós görbékkel rendelkeznek. A reflektancia vagy visszaverődési görbék bizonyos értékeiből, változásaiból generálhatóak a különböző indexek. Fontosabb vegeatációs indexek: NDVI, SAVI, REIP (kiemelt jelentőségű a fotoszintetikusan aktív vegetációk vizsgálatai során)
Spektrum könyvtár Spektrum könyvtár: A meghatározott körülmények között rögzített és gyűjteménybe foglalt „spektrális ujjlenyomatokat tartalmaznak. Jelentős szerepet játszanak a spektrális azonosításban. Az itt található standard spektrális profilokat általában referenciaként használják az elemek meghatározásánál. Cél: objektumokat könnyen be lehessen azonosítani
• • • • •
Ásványok Növényzet Mikroorganizmusok Építmények Mesterséges anyagok
Jelentősebb könyvtárak:
• USGS library
/USGS = United States Geológiai Földmérési Intézet/
http://speclab.cr.usgs.gov/spectral-lib.html
• ASTER library http://speclib.jpl.nasa.gov/
Feldolgozást támogató szoftverek
Varshney-Arora, 2004
Távérzékelés alkalmazási lehetőségei • • • • • • • • • • • • • • • • • • • • •
atmoszféra szennyeződés vizsgálata, aeroszolok atmoszférában történő detektálása, hidroszféra szennyeződések kutatása, tengeri ökoszisztéma monitoringja, földfelszíni ökoszisztéma környezeti monitorozása, földfelszíni szezonális elváltozások vizsgálata, geológiai kutatások, ásványok detektálása, vegetációk nagypontosságú térképezése, monitorozása, növényi vízháztartás vizsgálata, mezőgazdasági és erdészeti források feltérképezése, precíziós mezőgazdasági alkalmazások, talaj szennyezettség vizsgálata, erdők állapotának és igénybevételének vizsgálata, erdőtüzek vizsgálata, összefüggő erdők biokémiai vizsgálata, urbanizáció okozta környezeti hatások vizsgálata, élelmiszerbiztonságot érintő kutatások, nagyméretű digitális (képi) adatok hatékony feldolgozásának vizsgálata, orvosi kutatások, in-vivo, nem invazív vizsgálatok, képzőművészeti alkalmazások, stb.
Jelentősebb felsőoktatási kutatási központok Intézmény
Székhely
Főbb kutatási területek mezőgazdasági, környezetvédelmi és
Budapesti Corvinus Egyetem
Budapest
Debreceni Egyetem
Debrecen
mezőgazdasági és környezetvédelmi
Eötvös Lóránt Tudományegyetem
Budapest
idegen égitestek
FVM Mezőgazdasági Gépesítési Intézet
Gödöllő
mezőgazdasági
Gábor Dénes Főiskola
Budapest
informatikai, elméleti
Károly Róbert Főiskola
Gyöngyös
Magyar Állami Földtani Intézet
Budapest
geológiai és környezetvédelmi
MTA Balatoni Limnológiai Kutatóintézete
Tihany
hidrobotanikai
Nyugat-Magyarországi Egyetem
Mosonmagyaróvár
mezőgazdasági
Pannon Egyetem
Keszthely
mezőgazdasági
Szegedi Tudományegyetem
Szeged
régészeti és urbanisztikai
Szent István Egyetem
Gödöllő
mezőgazdasági és környezetvédelmi
urbanisztikai
mezőgazdasági, környezetvédelmi, ipari és katasztrófavédelmi
IV. GYAKORLATI PÉLDÁK
Információtartalmú elemzések a közlekedéseredetű szennyezőanyagok hatásvizsgálatánál
•
környezetszennyezés által okozott stresszhatásokra a növények indikátorként viselkednek
•
növényállomány növekedési és fejlődési ütemében bekövetkezett változások távérzékelés útján történő nyomon követésével
•
Pannon Egyetem Georgikon Karán 2010 óta folynak olyan közlekedés eredetű szennyezéses hatásvizsgálatok
Kutatási helyszín
Tanyakereszti Agrometeorológiai Kutatóállomás tesztterülete (Keszthely)
Szennyezések NY •
10x10 m parcellák
•
SPERLONA kukoricahibrid
•
kadmium szennyezések 10 -5 mol/hét koncentrációjú kadmium-nitrát oldat
•
korom szennyezések 3 gm–2/hét “vegytiszta” korom
•
öntözést csepegtető eljárással hajtottuk végre, az időjárás függvényében
K
Kutatás módszertana • Konvertálás • Korrekciók • Mozaikolás • Maszkolás • Mérés: •
ENTRÓPIA ALAPÚ
•
SPEKTRÁLIS FRAKTÁLDIMENZIÓ
(SFD)
ALAPÚ
• Kiértékelés
Mozaikolás
Entrópia alapú
Az entrópia napjainkban használt információelméleti fogalmát 1948-ban Claude E. Shannon (Shannon, 1948:27-28) vezette be, majd gyakorlati példán keresztül szemléltette (Shannon, 1951), melyet Neumann János javaslatára nevezett el entrópia függvénynek.
Entrópia általános matematikai definíciója Rényi Alfréd (1961)
Információtartalom Entrópia az információelméletben
Entrópia képek esetében
Claude E. Shannon (1948)
H=0
Hmin=0
H=log2n
Hmax=log2n
H - az információelméleti entrópia pi - az i-edik üzenet előfordulási valószínűsége
H – a kép entrópiája pi - az i-edik intenzításérték előfordulási valószínűsége (relatív gyakorisága)
SFD alapú Az SFD a térbeli szerkezeten kívül a spektrális sávok színszerkezetének mérésére is alkalmas, és elegendő információt nyújt a színek, árnyalatok fraktál tulajdonságaira vonatkozóan is.
log( BM j ) n×∑ j =1 log( BT j ) S −1
SFDmérhető =
S −1 Berke, 2007
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
Információ szerkezete A topológiai dimenzió egy egész szám…
…míg a fraktál dimenziója egy tört.
Benoit B. Mandelbrot (1982)
N – önhasonló részek száma ε – kicsinyítés aránya, vagy lépték
Információ szerkezete Klasszikus fraktál dimenzió problémái
FD: 1,99
FD: 1,99
FD: 1,99
Megoldás: Spektrális Fraktál Dimenzió
FD: 0,03328
FD: 0,03328 Berke, 2006
Kutatások eredményei
VIZSGÁLAT TÍPUSA
ENTRÓPIA
SFD
SPEKTRÁLIS TARTOMÁNY SZERINT
RÉSZBEN
IGEN
KEZELÉSEK ALAPJÁN
NEM
X
IGEN
IGEN
✓
IGEN
VEGETÁCIÓS ID
SZAKON BELÜL
ÉVENKÉNTI ELEMZÉSEK SZERINT
RÉSZBEN
GEOMETRIAI FELBONTÁS ALAPJÁN
IGEN
ÖNTÖZÉS SZERINT
RÉSZBEN
IGEN
✓
IGEN
IGEN
✓
✓
✓
✓
✓
✓
Hasznos linkek Földmérési és Távérzékelési Intézet, Távérzékelési Központ – http://www.fomi.hu Mezőgazdasági Parcella Azonosító Rendszer http://www.mepar.hu/ EURIMAGE számos műhold képeivelhttp://www.eurimage.com Spot űrfelvételek hivatalos címe – http://www.spot.com Landsat űrfelvételek hivatalos címe – http://www.landsat.com Európai Űrkutatási Hivatal /ESA/ http://www.esa.int Föld teljes felszínére űrfelvételek – www.earth.google.com http://www.digitalglobe.com
Irodalomjegyzék ASTER library: http://speclib.jpl.nasa.gov/ Belényesi, M., Kristóf, D., Magyari, J. 2008. Távérzékelés a környezetgazdálkodásban. Szent István Egyetem, Mezőgazdaság- és Környezettudományi Kar, Környezet- és tájgazdálkodási Intézet. Gödöllő. Berke, (2007): “Measuring of Spectral Fractal Dimension,” Journal of New Mathematics and Natural Computation, vol. 3/3, pp. 409–418. DOI: 10.1142/S1793005707000872. Berke, J. (2006): “Measuring of Spectral Fractal Dimension,” Advances in Systems Computing Sciences and Software Engineering, Springer-Verlag pp. 397-402., ISBN 10 1-4020-5262-6. Berke, J., Kozma-Bognár, V. 2010a. Távérzékelés alapjai. In: Berke, J. (szerk.) Digitális képfeldolgozás és alkalmazásai (DIGKEP v7.0). Elektronikus és nyomtatott tankönyv. Kvark Számítástechnikai Bt., Keszthely. ISBN:978-963-06-7825-4. Buiten, H.J. 1993. General Aspects of Imaging and Recording of Remote Sensing Data. In: Buiten, H.J., Clevers, J.G.P.W. (eds.): Land Observation by Remote Sensing – Theory and Applications. Overseas Publishers Association, Amsterdam. pp. 63-82. Czimber, K. 2001. Geoinformatika, Raszteres adatmodell, távérzékelés. Elektronikus jegyzet. http://www.geo.u-szeged.hu/~joe/fotogrammetria/GeoInfo/geoinfo2.htm#TOC314 . Detrekői, Á., Szabó, Gy. 2003. Térinformatika. Nemzeti Tankönyv Kiadó. Európai Unió Tanácsa. 2003. 149/2003/EK belső rendelet. http://eur-lex.europa.eu/LexUriServ/LexUriServ.do?uri=CELEX:32003R0149:HU:NOT
Irodalomjegyzék Földmérési és Távérzékelési Intézet: www.fomi.hu Hargitai, H. 2006. A hiperspektrális képfeldolgozás módszerei és az első magyarországi képalkotó spektrométeres repülés adatainak elemzése. Doktori (PhD) értekezés. Eötvös Lóránd Tudományegyetem, Természettudományi Kar. Budapest. Mandelbrot, B.B. (1983): “The fractal geometry of nature”. W.H. Freeman and Company, New York. Mucsi, L. 2004. Műholdas távérzékelés. Libellus. Szeged. ISBN:963 214 903 3. NDVI: ttp://remotesensing.spiedigitallibrary.org/article.aspx?articleid=1182405 Rényi, A. (1961): Onmeasures of information and entropy, Proceedings of the 4th Berkeley SymposiumonMathematics, Statistics and Probability, 1960:547–561. Sabins, F.F. 1987. Remote Sensing. Principles and Interpretation. W. H. Freeman and Co. Los Angeles. ISBN 0-7167-1793-X. Shannon, C. E. (1948): A MathematicalTheory of Communication, The Bell System Technical Journal, 27:379–423. Specim Spectral Imaging Ltd. hivatalos weboldal. http://www.specim.fi/ USGS library /USGS = United States Geológiai Földmérési Intézet/ http://speclab.cr.usgs.gov/spectral-lib.html Varshney, P. K., Arora, M. K. 2004. Advanced Image Processing Techniques for Remotely Sensed Hyperspectral Data. Springer Berlin Heidelberg. New York. ISBN: 3-540-21668-5.
Köszönetnyilvánítás
A kutatás az Európai Uniós és Magyarország támogatásával a TÁMOP 4.2.4.A/1-11-1-2012-0001 azonosító számú „Nemzeti Kiválóság Program – Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése országos program” című kiemelt projekt keretei között valósult meg.
Érdekességek?
