VYSOKÉ UENÍ TECHNICKÉ V BRN FAKULTA STAVEBNÍ DÁLKOVÝ PRZKUM ZEM MODUL 03 ZPRACOVÁNÍ DAT

VYSOKÉ U ENÍ TECHNICKÉ V BRN FAKULTA STAVEBNÍ

LADISLAV PLÁNKA

DÁLKOVÝ PR ZKUM ZEM MODUL 03 ZPRACOVÁNÍ DAT

STUDIJNÍ OPORY PRO STUDIJNÍ PROGRAMY S KOMBINOVANOU FORMOU STUDIA

Dálkový pr zkum Zem · Modul 03

© RNDr. Ladislav Plánka, CSc., Brno 2007

- 2 (58) -

Obsah

OBSAH 1 Úvod ...............................................................................................................7 1.1 Cíle ........................................................................................................7 1.2 Požadované znalosti ..............................................................................7 1.3 Doba pot ebná ke studiu .......................................................................7 1.4 Klí ová slova.........................................................................................7 2 Zpracování dat..............................................................................................9 2.1 Popis nam eného souboru dat ...........................................................10 2.2 Formulace úlohy dálkového pr zkumu...............................................11 2.3 Analogové zpracování dat...................................................................12 2.3.1 P ístrojová technika ..............................................................12 2.3.2 Fotointerpretace ....................................................................13 2.4 Digitální zpracování dat ......................................................................14 2.4.1 Digitální obrazová data .........................................................15 2.4.2 Digitální zpracování obrazových dat dálkového pr zkumu .16 2.4.2.1 Rektifikace a restaurace obrazu ............................................17 2.4.2.2 Zvýrazn ní obrazu ................................................................21 2.4.2.3 Matematické operace ............................................................23 2.5 Klasifikace ..........................................................................................24 2.5.1 Vytvá ení klasifika ních pravidel .........................................25 2.5.2 Druhy klasifikací...................................................................26 2.5.2.1 ízená klasifikace .................................................................26 2.5.3 Úpravy po klasifikaci............................................................29 3 Software.......................................................................................................31 3.1 PCI Geomatics ....................................................................................31 3.2 ERDAS, Inc ........................................................................................33 3.3 ER Mapper ..........................................................................................33 4 Mezinárodní orgány a organizace DPZ....................................................35 4.1 Earth Observation Satellite Company (EOSAT) ................................35 4.2 European Association of Remote Sensing Laboratories (EARSeL)...35 4.3 International Institute for Aerospace Survey and Earth Sciences (ITC)35 4.4 Committee on Space Research (COSPAR) ........................................35 4.5 Evropská agentura pro kosmický prostor (ESA - European Space Agency) ...............................................................................................35 4.6 Eumetsat..............................................................................................35 4.7 International Society for Photogrammetry and Remote Sensing (ISPRS), Société inrernationale de photogrammétrie et de télédétection (SIPT) ............................................................................37 4.8 Asian Association on Remote Sensing ...............................................37 4.9 ELDO/ESRO.......................................................................................37 4.10 Interkosmos .........................................................................................37 4.11 Evropská organizace pro telekomunika ní družice (EUTELSAT).....37 4.12 Mezinárodní organizace pro telekomunika ní družice (INTELSAT) 37 - 3 (58) -


4.13 Mezinárodní organizace pro námo ní družice (INMARSAT) ........... 37 4.14 Arabská organizace družicových komunikací (ARABSAT) ............. 37 4.15 Národní kosmické agentury a organizace........................................... 39 4.15.1 Brazílie ................................................................................. 39 4.15.2 ína ...................................................................................... 39 4.15.3 Finsko ................................................................................... 39 4.15.4 Francie.................................................................................. 39 4.15.5 Indie...................................................................................... 40 4.15.6 Itálie...................................................................................... 40 4.15.7 Izrael..................................................................................... 40 4.15.8 Japonsko ............................................................................... 40 4.15.9 Jižní Afrika........................................................................... 41 4.15.10 Kanada.................................................................................. 41 4.15.11 Mexiko ................................................................................. 42 4.15.12 N mecko............................................................................... 42 4.15.13 Nizozemsko .......................................................................... 42 4.15.14 Slovensko ............................................................................. 43 4.15.15 Švýcarsko ............................................................................. 43 4.15.16 USA...................................................................................... 43 4.15.17 Velká Británie ...................................................................... 44 5 eské organizace........................................................................................ 45 5.1 Po átky eskoslovenského využívání metod DPZ ............................. 45 5.2 V decké a státní organizace ............................................................... 46 5.2.1 Spole nost pro fotogrammetrii a dálkový pr zkum R....... 46 5.2.2 eská astronomická spole nost............................................ 46 5.2.3 Správa Krkonošského národního parku ............................... 46 5.3 Výuková pracovišt ............................................................................ 46 5.3.1 P írodov decká fakulta UNIVERZITY PALACKÉHO V OLOMOUCI ........................................................................ 46 5.3.2 Lesnická fakulta eské zem d lské univerzity v Praze....... 48 5.3.3 Lesnická fakulta Mendelovy zem d lské a lesnické univerzity v Brn .................................................................. 48 5.3.4 Výukové programy............................................................... 49 5.4 Komer ní organizace.......................................................................... 50 5.4.1 GISAT .................................................................................. 51 5.4.2 Lesprojekt Brandýs nad Labem............................................ 52 5.4.3 Holdingová spole nost Help Service Group, Praha ............. 52 5.4.4 Foresta Velké Karlovice....................................................... 53 5.4.5 Argus Geo Systém, Hradec Králové .................................... 54 5.4.6 Ústav pro výzkum lesních ekosystém , Davle..................... 54 6 Záv r ........................................................................................................... 55 6.1 Shrnutí ................................................................................................ 55 6.2 Studijní prameny ................................................................................ 55 6.2.1 Seznam použité literatury..................................................... 55

- 4 (58) -

Obsah

6.2.2 6.2.3

Seznam dopl kové studijní literatury ...................................55 Odkazy na další studijní zdroje a prameny ...........................58

- 5 (58) -

Úvod

1

Úvod

1.1

Cíle

Text modulu navazuje na p edcházející znalosti z oblasti fyziky atmosféry (modul 01) a z oblasti technických za ízení pro po izování dat a jejich nosi (modul 02). Cílem tohoto textu je podat stru nou informaci o metodách zpracování obrazových dat. P ipojena je i stru ná informace o pracovištích, která se dálkovým pr zkumem zabývají.

1.2

Požadované znalosti

Ur itou výhodou pro pochopení jádra textu tohoto modulu jsou alespo uživatelské znalosti digitálního zpracování obrazu.

1.3

Doba pot ebná ke studiu

Doba pot ebná ke studiu problematiky modul 01 až 032 je specifikovaná v modulu 01.

1.4

Klí ová slova

Analogové a digitální zpracování dat, klasifikace, organizace dálkového pr zkumu Zem .

- 7 (58) -

Zpracování dat

2

Zpracování dat

V celém systému dálkového pr zkumu lze s ohledem na vlastní data rozlišit dv základní pracovní etapy, a to: 1. získávání nebo sb r dat 2. zpracování dat, tj. p em nu získaných (nam ených i jinak sebraných) dat na požadovanou informaci. Ob etapy, tj. sb r a zpracování dat, spolu t sn souvisejí a vzájemn se velmi významn ovliv ují. P i sb ru dat je nap . t eba mít na z eteli možnosti zpracovatelských operací a to, jaké informace je t eba získat a naopak zpracovatelské postupy, musí mimo jiné, respektovat možnosti m ící techniky i zp sob sb ru dat a jeho vn jší podmínky. Složitost zpracování dat dálkového pr zkumu spo ívá p edevším ve vlastním p edm tu m ení, tj. v krajin a v jejich složkách. Nutnou podmínkou dosažení požadované informace je, aby byl hledaný informa ní údaj zjistitelný, tj. aby jím zp sobené zm ny radia ních veli in byly použitou technikou m itelné. Jinak e eno, aby byly v tší než rozlišovací schopnosti m ícího p ístroje. Každá úloha zpracování dat je odlišná podle toho, jaká data byla nam ena a jakou informaci je t eba získat. Kvalita dat je dána celou škálou tzv. vn jších a vnit ních parametr . Jako vn jší parametry ozna íme ty faktory, které jsou nezávislé na m eném objektu, resp. zjiš ované informaci. Jde nap . o: •

technické parametry m ících p ístroj

•

atmosférické vlivy

•

geometrické uspo ádání m ení

•

intenzitu zdroje m eného zá ení (slune ního zá ení aj.)

Jako vnit ní parametry ozna íme ty faktory, které udávají druh nebo stav m eného objektu. Mají formu: 1. druhových parametr (pole, les aj.), podle nichž adíme m ené objekty do jednotlivých kategorií a 2. stavových parametr , které udávají velikostní vymezení ur ité stavové veli iny (hmotnost, vlhkost aj.). Stavové parametry vyjad ují rozsah informa ního požadavku a celkovou složitost úlohy. Jsou nejv tším o íškem dálkového pr zkumu. Na konfiguraci konkrétních parametr pak záleží, zda budou jednotlivé kategorie objekt analyzovány v obecné rovin (voda, les apod.) nebo velmi podrobn (nap . pšenice ve fázi mlé né zralosti, hlinitá hn dozem s obsahem vody 10-20 % a obsahem humusu 1-2 % apod. ). V procesu zpracovávání se takto vytvá ené kategorie ozna ují jako t ídy. Je z ejmé, že ím mají být výsledné informace podrobn jší, tím bude specifikace úlohy obsahovat více vnit ních parametr . Vzhledem ke spojitosti kvantitativních parametr je teoretický po et možných t íd nekone n velký. V

- 9 (58) -


praxi se ale pracuje vždy jen s kone ným po tem informa ních kategorií. P i jejich kone né formulaci je hlavním omezujícím prvkem sestava vn jších parametr používaných dat. Podíváme-li se na obrazová data ješt z jiného úhlu pohledu, pak obsahují informace dvojího druhu, a to: • topografické (geometrické) vlastnosti objekt vzdálenost objekt apod. a

nap . poloha, velikost,

• tématické (množství biomasy, chemické složení látek, teplota povrchu a mnoho dalších). Každá druh, krom toho že vyžaduje sv j profesionáln specifický zp sob získávání, vyžaduje odlišný p ístup i z hlediska zpracování dat.

2.1

Popis nam eného souboru dat

Ozna me m enou radiometrickou veli inu, jejíž velikost je vždy vztažena k ur itému místu v krajin , tedy nap . k sou adnicím (x,y), písmenem f. Tato veli ina je závislá na vlnové délce λ, ase t jejího zjiš ování a zvolené polariza ní rovin p. Pro každou sestavu (vlnová délka, as, polariza ní rovina) však nabývá tato veli ina pouze jediné konkrétní hodnoty. Na daném míst (x,y) m žeme v L vlnových délkách λ, v T asových okamžicích t a v P polariza ních rovinách p zjiš ovat hodnoty veli iny f, a tak se k tomuto místu vztahuje hodnot veli iny f: fλ1(x,y),..., fλL(x,y), ft1(x,y),..., ftT(x,y), fp1(x,y),..., fλpP(x,y) = f1(x,y),..., fM(x,y) Celý soubor m ených hodnot m žeme vyjád it jednou M-rozm rnou vektorovou funkcí f(x,y), jejíž složky jsou fm(x,y), p i emž m = 1,..,M. Poloha m eného bodu je zpravidla udávána v rovin pravoúhlými sou adnicemi x a y, p ípadn zem pisnými sou adnicemi ϕ a λ. V p ípad pot eby se používá i výšková sou adnice z, resp. h. P itom platí, že: 0 < x < X, 0 < y < Y kde X a Y jsou konstanty udávající rozm r m eného území. Z matematického hlediska tento vztah p edstavuje defini ní obor funkce f(x,y). Protože m ená radiometrická veli ina dosahuje jen nezápornou a kone nou hodnotu, je i každá složka výsledné funkce nezáporná a omezená. Prostorová lokalizace m ené radia ní hodnoty fm(x,y) je pro dálkový pr zkum charakteristická. Jejím p ímým d sledkem je prostorová prezentace funk ních hodnot v grafické podob , a proto se funkce fm(x,y) ozna uje také jako obrazová funkce a její nam ené hodnoty obrazová data a kone n celý nam ený soubor dat jako obraz. Technická procedura p evodu nam ených dat do obrazové podoby se ozna uje jako vizualizace dat. Je to plošné vyobrazení pr b hu funkce fm(x,y) pomocí barevných, resp. ernobílých bod , kdy stejným funk ním hodnotám odpovídají stejné barevné odstíny (barevný obraz), resp. stejné odstíny šedi ( ernobílý obraz). U ernobílých obraz odpovídá obvykle stupnice šedi

- 10 (58) -

Zpracování dat

zvyklosti ernobílé fotografie, tedy menším hodnotám fm(x,y) odpovídají tmavší odstíny. Obrazová data jsou obecn všechna data, která je možné zobrazit v obrazové podob . Obrazovými daty tak mohou být v p ípad dálkového pr zkumu Zem jak nap . letecké i družicové fotografie po izované na citlivou vrstvu filmu (tzv. analogová data), tak družicové i letecké snímky ze skener , p ípadn radar , které jsou v záznamových za ízeních uchovávána p ímo v digitální podob (tzv. data digitální). P vodn analogová data lze do digitálního tvaru p evést digitalizací (nej ast ji skenováním), digitální data lze p evést do analogové podoby nap . tiskem i p enosem na filmový materiál. Soubor funk ních hodnot f(x,y) p edstavuje vícerozm rný obrazový soubor (víceobraz). Jeho rozm rnost je dána po tem složek vektoru f(x,y) neboli po tem obrazových složek, který je roven M. Pokud jsou tyto složky tvo eny hodnotami po ízenými v r zných spektrálních intervalech (L > 1), nazveme soubor f(x,y) jako multispektrální obraz. Obdobn v p ípad , kdy je T > 1 hovo íme o multitemporálním obrazu a v p ípad kdy P > 1 o multipolariza ním obrazu.

2.2

Formulace úlohy dálkového pr zkumu

Základním principem zpracování dat dálkového pr zkumu je nalézt souvislost mezi nam enou radiometrickou veli inou f(x,y), kterou m že být nap . zá ivý tok, intenzita zá ení, zá apod. a vnit ními parametry s(x,y) látkového prost edí, které zá ení odrazilo nebo vyzá ilo. Teorie dálkového pr zkumu zná dv základní úlohy, a to: P ímá úloha: Jsou-li v daném míst (x,y) známy všechny vnit ní parametry s(x,y) látkového prost edí a všechny charakteristiky dopadajícího zá ení, pak lze ur it radia ní veli iny f(x,y) popisující zá ení vycházející z látkového prost edí daného místa. Nep ímá (obrácená) úloha: Jsou-li v daném míst (x,y) známy radia ní veli iny f(x,y) popisující zá ení vycházející z látkového prost edí daného místa a všechny charakteristiky dopadajícího zá ení, pak lze ur it všechny vnit ní parametry s(x,y) látkového prost edí. P i praktických aplikacích dálkového pr zkumu se eší práv obrácená úloha. Ob úlohy jsou jednozna n ešitelné jen tehdy, je-li znám vztah mezi vektorovými funkcemi f(x,y) a s(x,y). Obecn platí: f ( x, y ) = A[s ( x, y )] ,

kde A je p enosová matice, která tento vztah formalizuje. Složitost reálného sv ta se v prostoru i v ase projevuje nep ebernými kombinacemi vnit ních parametr s(x,y) studovaného látkového prost edí, což nám nedovoluje tuto p enosovou matici definovat jednozna n a dostate n p esn , a tak je její analytický tvar znám pouze pro n které velmi jednoduché sestavy datových soubor f(x,y). Drtivá v tšina zpracovatelských úloh se soust e uje jen na stanovení vhodné p enosové matice pro konkrétní sestavu dat a požadovaných vnit ních parametr , tj. „ad hoc“. Obecn jšímu uplatn ní dosažených ešení brání navíc i prom nnost vn jších parametr , a to jak asoprostorová zm na

- 11 (58) -


p írodních podmínek (slune ní zá ení, p da, atmosféra), tak rozdílnost technických parametr použité snímací techniky. V p ípad , že nelze použít vhodných korekcí, pak je platnost získaných výsledk omezena pouze na dané území, daný okamžik m ení a na použitý typ m ící techniky.

2.3

Analogové zpracování dat

Analogové metody zpracování dat mohou být aplikovány jak na originální analogová dat (nap . fotografické snímky), tak na vizualizovaná digitální data (obraz). V sou asné dob pokládáme tuto metodu za prvotní, p edb žné, rychlé a orienta ní ur ení kvalitativních a kvantitativních parametr vybraných zájmových objekt , jež p edchází následnému digitálnímu zpracování dat dálkového pr zkumu v celé ší i jeho kombina ních možností. Výrazným rysem této metody je subjektivnost zpracování dat, by i na základ maximálního využití kvalifikovaných zkušeností. I p es nazna ené jiné možnosti, jsou analogovými metodami zpracovávány p edevším fotografické snímky, a proto je lze zahrnout i pod b žn užívaný pojem fotointerpretace. Všeobecn lze p i aplikaci analogové metody zpracování dat použít bu fotogrammetrické metody a p ístroje, nebo metody a za ízení, vyvinutá speciáln pro dálkový pr zkum, p edevším pro vlastní dálkový pr zkum Zem .

2.3.1

P ístrojová technika

Z fotogrammetrických interpreta ních pom cek se pro nejjednodušší vyhodnocení jednotlivých snímk nebo ady snímk využívá jednoduchých optických za ízení, jejichž ú elem je p enést informaci ze snímku do mapy. asto užívaným fotogrammetrickým za ízením jsou p ekreslova e, s jejichž pomocí lze vyhotovovat nap . i družicové fotoplány. Vzhledem k malým m ítk m družicových záznam je ob as nevýhodou jejich malé zv tšení. Jsouli k dispozici stereozáb ry, lze použít o kových nebo zrcadlových stereoskop , pop . stereoskop dopln ných o stereometr (ur ování výškových rozdíl ). Speciální p ístrojová technika pro analogové zpracování dat dálkového pr zkumu asto vychází ist z fotogrammetrických p ístroj , u nichž je pro tyto ú ely odstran na práv nevýhoda zmín ného malého zv tšení a do nichž byla implamtována ur itá omezená možnost tvorby barevných syntéz, pop . korekcí úbytk sv tla do stran (nap . p ekreslova RECTIMAT C s až 18-ti násobným zv tšením, jednoduché vyhodnocovací za ízení na bázi stereoskopu se stereometrem – INTERPRETOSKOP aj.). Jedním ze speciálních za ízení pro zpracování fotografických multispektrálních snímk jsou tzv. sm šovací projektory. Tato za ízení jsou schopna promítat n kolik spektrálních snímk p es volitelnou sadu barevných a šedých korek ních filtr na spole nou matnici, kde se vytvá í barevná syntéza. Tu je možno bu fotografovat, nebo kontaktn kopírovat na barevný inverzní papír, umíst ný ve fotografické kazet . Volbou filtr je možné dosáhnout výrazn jšího barevného kontrastu, pop . zvýrazn ní vyhodnocovaného jevu ve snímkovaném území oproti ostatním jev m. Typickým p íkladem je sm šovací projektor MSP-4C (Zeiss Jena) ur ený speciáln pro zpracování

- 12 (58) -

Zpracování dat

multispektrálních snímk z komor MKF-6M nebo MSK-4. ada takových sm šovacích projektor pracuje se stejným vstupním analogovým snímkovým materiálem, ale celý další postup je již veden v digitální rovin po p edchozím naskenování snímk (t eba i prost ednictvím filmové kamery jako u p ístroje MDS firmy NAC, Japonsko). M ení denzity (optické hustoty) fotografických materiál denzitometry, resp. mikrodenzitometry, tedy metoda vlastní pro speciální technickou disciplínu zabývající se vlastnostmi transparentních materiál , se s úsp chem používá i p i vyhodnocování snímkových materiál pro pot eby dálkového pr zkumu. Optická hustota zjiš ovaná v konkrétních bodech terénu na jednotlivých multispektrálních snímcích poskytuje objektivní informaci o relativních hodnotách radia ních veli in v jednotlivých spektrálních pásmech (pozor na vzájemnou srovnatelnost údaj , kterou m že zabezpe it pouze standardizace fotografického vyvolávacího procesu). Nov jší typy denzitometr jsou vybaveny i digitálním výstupem a možností plynulého posunu p edlohy. Denzitometrická m ení lze využít i pro profilová m ení (výstupy jsou velmi podobné dat m získaným z trasujících radiometr ) nebo plošná m ení, která mohou mít charakter sb ru hromadných dat z jednoho typu povrchu (nap . pšeni ného pole) i suplovat skenování, zvolíme-li vhodn velikost prom ovaného pole a krok denzitometrování v obou sm rech snímku.

2.3.2

Fotointerpretace

Interpretací fotografického snímku rozumíme zpracování informace, kterou v sob skrývá do podoby, která je p ístupná dalšímu uživateli. Oby ejn se jedná o extrakci konkrétní informace (nap . podmá ené plochy na zem d lských p dách) a potla ení redundandních rušivých nebo zastírajících dat (nap . fenofáze zem d lské kultury). Fotografický obraz je vytvo en konkrétním snímacím za ízením (se všemi jeho optickými klady i zápory) na jedine ný fotografický materiál, kde se prezentuje souborem optických a tvarových vlastností fotografovaných objekt . Soubor t chto vlastností, které z stávají za ur itých podmínek nem nné a umož ují tak definovat druh a stav konkrétního objektu, ozna ujeme jako soubor interpreta ních znak . N které interpreta ní znaky jsou pro ur ité jevy nebo objekty natolik charakteristické, že vedou ke konstrukci interpreta ních klí , které mohou mít globální nebo regionální, resp. trvalou nebo asov omezenou platnost. Interpreta ní znaky lze rozd lit na: •

p ímé skute né, které existují jak na snímku, tak i ve skute nosti (tvar, barva, rozm r)

•

p ímé neskute né, které existují jen na snímku (textura, struktura, tón)

•

nep ímé, které využívají druhotné znaky (poloha, sousední objekty, p í inné souvislosti)

Interpretace se obvykle provádí na základ porovnání objektu na snímku se vzorovými ukázkami, které jsou uvedeny v interpreta ním klí i. asto se pracuje elimina ní metodou, kdy se postupn pro každý objekt vylu uje jeho za azení do jednotlivých t íd interpreta ního klí e a v akceptované t íd do interval hodnot jednotlivých stavových parametr až je tento objekt „jednozna n ur en“. Fotointerpretace by nem la probíhat bez p edchozí - 13 (58) -


p ípravy, tj. shromážd ní všech dostupných informací o vyhodnocovaném území (literárních, mapových, fotografických aj.). Osobní rekognoskace klí ových ploch z hlediska fotointerpretace m že být pro kvalitní posouzení snímkových materiál jen p ínosné. Vlastní interpretace obsahuje: •

výb r a vyhodnocení charakteristických homogenních oblastí (klí ových ploch) a ur ení jejich vlastností (tj. definování interpreta ního klí e),

•

vyhodnocení neznámých ploch ( azení do jednotlivých t íd podle interpreta ního klí e) se zvláštním d razem na vyzna ení nejasných a sporných území,

•

verifikaci výsledk fotointepretace, kterou lze provést, obvykle namátkov , srovnáním se skute ností v terénu (pokud ovšem mezi snímkováním a fotointerpretací neuplynula p íliš dlouhá doba) nebo tak, že interpretaci, p edevším sporných a nejasných území, provede nezávisle na p vodní ješt jiná osoba.

Problém fotointerpretace tkví p edevším v tom, že s malou zm nou vn jších podmínek (osv tlení, film jiné citlivosti a gradace aj.) m že dojít k velké zm n n kterých, ale i všech, interpreta ních znak . Tato skute nost se promítá do více i mén neúsp šných snah o automatickou interpretaci snímkových materiál v tšinou s pomocí expertních systém , které obvykle kolabují na ur ité podrobnostní úrovni, kterou nelze p ekro it. V sou asné dob si lze jen velmi obtížn p edstavit systém (v etn zapojení samou ících stroj a um lé inteligence), který by kalkuloval se všemi možnými variantami vstupních dat. Prozatímní praxe ale také nevyvolává žádný výjime ný tlak na pot ebu realizace takovýchto „supersystém “. Více si zakládá na zkušenostech a dedukci vyhodnocovatele.

2.4

Digitální zpracování dat

Praktické využití digitálních technologií v dálkovém pr zkumu p išlo až po prvních kosmických letech a výrazn se za alo prosazovat až po roce 1970. K jejímu masovému rozší ení došlo v polovin osmdesátých let v souvislosti s osobními po íta i (PC) a v polovin devadesátých let 20. století se tato technologie prosadila i do fotogrammetrie a dalších technologií zpracování obrazu. Technologie digitálního obrazu a jeho zpracování se prosadila zejména pro: •

snadný a moderní p enos dat,

•

dokonalé kopírování obraz (snímk ),

•

možnost využití citliv jších sníma ,

•

lepší možnosti geometrické a radiometrické transformace,

•

snadn jší odstran ní šumu,

•

možnosti automatického zpracování (nap . detekce jev automatická klasifikace aj.) aj.

- 14 (58) -

v obraze,

Zpracování dat

Digitální zpracování se však netýká primárn získaného jen digitálního obrazu, který je takto primárn vytvo en díky konstrukci snímacího za ízení (nap . zobrazujícího skeneru). V malé mí e jsou po izovány digitální obrazové záznamy sekundární digitalizací analogov po ízeného obrazu (nap . skenováním fotografického snímku). V obou p ípadech je ale t eba p evést spojitý analogový signál (zá ivá energie, optická hustota) na diskrétní digitální výstup, tj. vzorkovat signál. Pro ode ítání hodnot ze spojitého analogového signálu je t eba nalézt takovou frekvenci, aby nové diskrétní hodnoty pr b h p vodního analogového signálu co nejlépe vystihovaly. Takové problémy eší r zné vzorkovací teorémy (nap . Shannon, Kot lnikov, Nyquist). P i digitalizaci fotografických snímk výrazn p evažuje skenování (po izování rastrového záznamu) nad vektorizací (po izování vektorového záznamu). Lze p i n m uplatnit r znou velikost pixel tak, aby došlo k optimálnímu skloubení rozlišovací schopnosti skenovaného fotografického snímku, prostorové rozlišovací schopnosti digitálního obrazu a technických parametr za ízení (Tabulka 2-1) zpracovatele i uživatele digitálních obrazových dat. Digitální data lze v omezené mí e získat i denzitometricky. Tabulka 2-1 P íklad skenování leteckého ernobílého snímku (230 x 230 mm) p i r zném rozlišení skeneru DPI Rozm r pixelu v µm Vyžadovaná pam v MB

2.4.1

100 254 0,82

600 42 30

1000 25 84,6

8500 3 5900

Digitální obrazová data

Digitální obraz chápeme jako obrazovou informaci, která je p evedená do íslicové podoby. Vzhledem k tomu, že reálný sv t má prakticky neomezenou geometrickou rozlišovací schopnost (nap . až do velikosti elementárních ástic hmoty), je nutno p i zobrazení reality po ítat s jistým stupn m generalizace, která závisí na technických možnostech i zp sobu využití dat. To znamená, že je t eba zvolit ur itou kone nou nejv tší rozlišovací úrove , nebo-li obrazový element ur ité velikosti, který bude dále ned litelný a s kterým budeme pracovat. Pro tuto elementární ást obrazu se ustálil název pixel (z angl. picture element). Jednotlivé pixely nabývají ur itého stavu a tato informace je op t s ur itým technickým omezením kódována. Výsledný digitální obraz se tedy skládá z množství na sebe navazujících pixel ve vodorovném a svislém sm ru, které nabývají jistých kódových hodnot. Nej ast ji je kódována jeho radiometrická hodnota, nap . odrazivost. Ta pak ur uje „barvu“ pixelu, p i vlastním zobrazení. Abychom obraz mohli matematicky popsat, je nutno v n m založit sou adnicový systém, který umožní jednozna n definovat hodnotu obrazové funkce pro jakýkoliv „bod“ obrazu. Nej ast ji se používá sou adnicová soustava P, L (pixel, line), tj. sloupec, ádka nebo opa n , která jednozna n ur uje polohu pixelu v obraze. Známe-li sou asn i skute nou velikost pixelu v metrech, m žeme pak z této soustavy p ejít na absolutní sou adnice. Vzhledem ke kone né velikosti pixelu a danému rozsahu kódovacích hodnot nem žeme užít pro popis obrazu spojitou funkci. Obraz má charakter matice,

- 15 (58) -


kde pixely tvo í m ádek a n sloupc , kódová hodnota jednotlivého pixelu je hodnotou prvku matice P[i, j ] = f (i, j ) , kde f(i,j) je hodnota obrazové funkce v i-tém ádku a j-tém sloupci. Vzhledem k sou asným technickým možnostem je výhodné zapisovat obrazovou informaci, nesenou hodnotou pixelu, pomocí 1 bytu, který nám dává 256 možných stav (0, …, 255). Celková velikost obrazového souboru M pak má p i tomto 8-bitovém kódování hodnotu (1 pixel = 1byte): M = m . n . e (byt ), kde m je po et ádk , n je po et sloupc a e je po et spektrálních pásem. Používá se i kódování 6-bitové (64 stav ), 4-bitové (16 stav ), nebo naopak 10-bitové (1024 stav ) a 11-bitové (2048 stav ). Kódování na více stav velmi zvyšuje technické nároky na primární i zpracovatelské systémy. Nejjednodušším obrazovým záznamem jsou 1-bitová data, kdy jsou v obraze rozlišeny jen dv barvy, a tak se ve výsledném souboru vyskytují pixelové hodnoty rovné nule nebo jedné. Obrazová funkce obecn nemá náhodný charakter (opa né tvrzení lze snad p ijmout jen ve velmi výjime ných p ípadech na zvlášt vybraných místech na Zemi nebo až pro zpracování dat v celosv tovém m ítku). Hodnoty obrazové funkce tedy nabývají (kvazi)náhodných hodnot z intervalu < r, s >, kde r, s jsou etnost výskytu kódované minimum a maximum obrazové funkce. jednotlivých hodnot obrazové funkce udává histogram obrazu (tj. sloupcový diagram), který m že být zpracováván jednak jako vícerozm rný pro n kolik nebo všechny užité spektrální záznamy naráz, jednak, a to ast ji, pro každý monochromatický obraz samostatn .

2.4.2

Digitální zpracování pr zkumu

obrazových

dat

dálkového

Digitální zpracování obrazových dat dálkového pr zkumu zahrnuje ty i hlavní typy operací: 1. Rektifikaci a restauraci dat (p edzpracování obrazových záznam ), kdy se provádí po áte ní zpracování surových dat, jako je úprava geometrických zkreslení a radiometrická kalibrace, nebo-li eliminace šumu. 2. Zvýrazn ní obrazu, kdy se vylepšuje obraz pro další interpretaci, aby se zvýšilo vizuální odlišení mezi jednotlivými prvky obrazu, ímž se zv tší množství informace, které lze vizuáln interpretovat. 3. Extrahování informace, které zahrnuje p edevším tzv. klasifikaci obrazu, jež nahrazuje vizuální interpretaci interpretací automatickou. 4. Postklasifika ní úpravy. 5. Analýza obrazových dat (studium dynamiky jev , modelování s obrazovými daty aj.) 6. Spojování dat s jinými obrazovými daty a jejich vstup do GIS.

- 16 (58) -

Zpracování dat

2.4.2.1

Rektifikace a restaurace obrazu

Zlaté pravidlo digitálního zpracování obrazových dat (digital image, resp. picture, processing), íká že „Nejlepší p edzpracování je žádné p edzpracování“. Nejvíce informace je totiž vždy obsaženo v p vodním obrazu a s každým p edzpracováním množství a kvalita informace klesá. P esto se provádí. Ú elem této fáze zpracování obrazových dat je oprava chyb, které vznikly v pr b hu po izování „surových dat“. V zásad mají bu povahu geometrickou nebo radiometrickou a jsou velmi závislé na konkrétním snímacím za ízení a jeho kosmickém, resp. letadlovém nosi i. Tyto chyby m žeme posuzovat s ohledem na zdroj jejich vzniku, kterým m že být technická nedokonalost snímacího za ízení, nevhodný algoritmus systémové korekce, atmosféra i samotná podstata distan ního m ení, nebo s ohledem na jejich opakovatelnost, resp. identifikovatelnost. Druhým hlediskem je p edevším vznik náhodných a systematických chyb. Zatímco velikost systematických chyb (chyby v poloze snímaného objektu v d sledku zak ivení Zem a její rotace) lze p edvídat a modelovat, a tak lze provád t jejich korekce již na p ijímací stanici, podléhají náhodné chyby zákon m náhody. Vznikají nap . v d sledku kolísání parametr dráhy nosi e, vlivy atmosféry, výpadk innosti snímacího za ízení v pr b hu snímání apod. N které náhodné chyby mohou mít v obrazovém záznamu charakter šumu, ten však asto p echází do chyb systematických (nap . existence periodicky se opakujících pás v originálním obraze p i chybném nastavení jednoho ze senzor ).

Geometrická korekce „Surová obrazová data“ po ízená snímacími za ízeními z aerokosmických nelze bez geometrických korekcí vlícovat do jakýchkoliv nosi sou adnicových sítí (kartografických, zem pisných). Obsahují totiž r zné geometrické chyby, jejímiž zdroji jsou nap .: •

zm ny výšky letu, polohy a rychlosti letu nosi e,

•

zak ivení Zem , její rotace a výškové zm ny reliéfu terénu,

•

vlastnosti senzoru.

Geometrické korekce slouží k: •

transformaci obrazových dat do ur ité mapové projekce,

•

propojení obrazových dat s prostorovou vektorovou databází v GIS,

• porovnání dvou i více obrazových záznam po ízených stejnými nebo odlišnými snímacími za ízeními za ú elem studia asových zm n, •

tvorb ortofotomap,

•

vytvá ení mozaiky z n kolika obrazových záznam .

Pro geometrické korekce jsou používány tyto pojmy: 1.

Rektifikace – obecný proces transformace polohy všech obrazových prvk z jednoho sou adného systému do druhého.

- 17 (58) -


2.

Ortorektifikace – rektifikace, p i níž jsou odstran ny i nep esnosti vznikající v d sledku relativní zm ny polohy objekt , plynoucí z r zné nadmo ské výšky.

3.

Registrace – úprava sou adných systém obraz na stejný sou adný systém

4.

Georeferencování – ur ení absolutní polohy alespo prvku obrazu.

5.

Geokódování – ur ení absolutní polohy všech prvk obrazu, obvykle rektifikace provedená do konkrétní kartografické projekce (produktem jsou tzv. geokódovaná data).

dvou rozdílných jednoho

U systematických chyb se provádí tzv. georeferen ní korekce. Zkreslení tohoto typu jsou známa p edem z charakteristik idel a z okamžitého stavu m ení, tj. místa, výšky, rychlosti letu aj. charakteristik nosi e a odstra ují se s r zným stupn m korekcí obvykle již v p ijímací pozemní stanici (nap . odstran ní zešikmení v d sledku rotace Zem ). V p ípad náhodných chyb je nutné provád t p esné opravy, aby byla získána geokódovaná data. Zde se odstra ují zbylé chyby po georeferen ní korekci, a to obvykle metodou geometrické transformace pomocí vlícovacích bod , které lze najít na snímku a zárove jsou známy jejich kartografické, resp. zem pisné sou adnice z jiných podklad . V p evážné v tšin p ípad se užívají polynomické transformace vyšších ád .

Obecný postup rektifikace obrazu pomocí identických bod : 1. Vyhledávání identických bod (problém je velikost pixelu, má-li nap . velikost 1000 x 1000 m, který bod v terénu mu odpovídá?). 2. Volba transformace, její výpo et a testování. Jsou užívány polynomy 1. ádu tj. podobnostní (posunutí, oto ení, zm na m ítka ve sm ru ádk a sloupc – sta í dva páry bod ), afinní (posunutí, oto ení, zkosení – 3 páry identických bod ), kolineární (m ítko ve sm ru ádk a sloupc se m ní nezávisle – 4 body) a polynomy vyššího ádu (2. ád – minimáln 6 bod , 3. ád – 10 bod , 4. ád – 15 bod , 5. ád 21 bod atd.), které mohou být nahrazeny splineovou funkcí (definuje se transforma ní funkce s minimální k ivostí mezi každými dv ma identickými body, což vyžaduje vysoké po ty identických bod , zvlášt u lenitého georeliéfu). 3. Rektifikace obrazu. 4. P evzorkování. P i geometrické korekci dochází k p ednostnímu narovnávání výstupní matice korigovaného obrazu se zatím „prázdnými“ pixely. Teprve po jejím uskute n ní je t eba provést p evzorkování (resampling), tj. p enos informace z p vodní matice do matice korigované. P evzorkování prob hne podle n kterého z následujících p edpis : •

na principu nejbližšího souseda, kdy se hodnota nového pixelu nep epo ítává, ale p ebírá se hodnota nejbližšího pixelu. Jevy ve výstupní matici mohou být prostorov mimo až o polovinu rozm ru pixelu, což m že zp sobit nespojitý obraz na výsledném produktu. - 18 (58) -

Zpracování dat

•

pomocí bilineární transformace, kdy se bere v úvahu vážený pr m r digitálních hodnot 4 nejbližších pixel z distorzní matice, což je dvourozm rná obdoba lineární interpolace. Výsledkem je spojitý vyhlazený p evzorkovaný obraz. Tento postup m ní úrove šedi p vodních dat, a proto je vhodné provád t p evzorkování až po provedení klasifikace obrazového záznamu.

•

pomocí kubické konvoluce, kdy se bere v úvahu matice 4 x 4 pixel , obklopujících výstupní pixel. Výsledkem je spojitý vyhlazený p evzorkovaný obraz, který je mírn ost ejší než u bilineární transformace. P vodní nam ená data se však nezachovávají obdobn jako u bilineární transformace.

Žádná z výše uvedených korekcí neumož uje korekce na topografické zkreslení, tj. chyby zp sobené r znou výškou terénu. V p ípad LANDSATu je pozi ní chyba u kraj scény maximáln 10 m na 100 m výšky nad pr m rnou výškou scény a v p ípad kolmo snímkujícího SPOTu maximáln 4 m. Tyto chyby je t eba nap . u LANSATu akceptovat již u m ítek 1:100 000 a v tších. Velmi d ležité je odstra ování t chto chyb u leteckého snímkování, šikmo snímkujícího SPOTu a u všech radarových záznam . Prvotní radiometrická a geometrická korekce p vodních surových obrazových dat („raw“) vede ke vzniku tzv. systémov korigovaných dat. Další etapa geometrické korekce obrazových dat m že vyústit nap . i ve tvorbu digitálního modelu georeliéfu.

Radiometrická transformace (korekce) Skute ná radiometrická charakteristika objektu se od hodnoty nam ené metodami dálkového pr zkumu a fixované pomocí hodnoty pixelu liší. Cílem metod radiometrické korekce je tyto vzájemné rozdíly minimalizovat. Pro radiometrickou korekci však neexistuje absolutní metoda i vzorec. Nam ené hodnoty odrazivosti objekt závisí p edevším na p esnosti a stabilit kalibrace snímacího za ízení. Pokud je využíván automatický systém kalibrace, pak jsou informace o kalibraci jednotlivých detektor i pot ebné opravné koeficienty uloženy obvykle v hlavi ce („header“) obrazového záznamu. Radiometrická korekce obsahuje: •

opravy dané kalibrací p ístroj ,

•

opravy ze zm ny ozá ení,

•

opravy náhodných radiometrických chyb,

•

opravy vyplývající z geometrie letu,

•

opravy ze stavu atmosféry.

Opravy ze zm ny ozá ení p edstavují kompenzace sezónních a denních rozdíl v odraznosti a emisivit stejných objekt v d sledku rozdílné výšky Slunce p i snímání, v jejímž d sledku se projeví mimo geometrie snímání také rozdílné podmínky pro pohlcování a rozptyl elektromagnetického zá ení v atmosfé e.

- 19 (58) -


Protože je zm na výšky Slunce v pr b hu dne eliminována užíváním heliosynchronních drah družic, zužuje se obvykle tento problém na sezónní zm ny výšky Slunce. D je se tak obvykle jejím normalizováním na pozici družice v zenitu, nap . d lením každého záznamu sinem výšky Slunce, která je pro každou scénu zapsána v hlavi ce souboru. Jiným vhodným zp sobem eliminace efektu r zné výšky Slunce, je použití podíl p vodních pásem multispektrálního obrazu. Pro velmi p esná m ení lze zavést také opravy ze vzdálenosti Zem – Slunce. Náhodné radiometrické chyby p edstavují p edevším: •

nep esný nebo zcela chyb jící ádek obrazového záznamu chybnou kalibrací senzor , jeho technickým výpadkem, i p i p enosu dat na p ijímací stanici (odstranit jej lze nap . zpr m rováním hodnot sousedních ádk ),

•

„páskování“ p i p í ném skenování u mechanooptických skenere (MSS každý 7. ádek u TM každý 8. ádek apod. ). Odstranit jej lze nap . úpravou pr m ru nebo histogramu. Tentýž jev p i podélném skenování u optickoelektronických skenre je obtížn odstranitelný (CCD senzor skenuje celý ádek naráz a výpadek jednoho ze senzor se m že projevit r zným zp sobem).

•

„bitové chyby“, nebo-li nepravidelné hodn sv tlé, i hodn tmavé skvrny po obraze. Lze je odstranit nap . vhodným filtrem (pozor filtr pracuje po celé ploše obrazového záznamu!).

Atmosférické korekce je provád na nap . •

metodou nejtmavšího pixelu (nad vodou),

•

metodou regresní analýzy (srovnáním pozemních a distan ních m ení),

•

modelováním za použití atmosférických model meteorologická data),

(vstupují do nich

Cílem atmosférických korekcí je získat z hodnot stupn šedé (DN) absolutní hodnoty odrazivosti i emisivity objekt . Vhodným algoritmem na odstran ní všech radiometrických nep esností, které v obrazu zaujímají ur itý sm r ( ádek, sloupec, diagonálu) jsou Fourierovy filtrace. Radiometrické opravy, p edevším ty, jež vyplývají z páskování, je t eba provést p ed geometrickou korekcí.

Restaurace obrazu Restaurace obrazu je technika p edzpracování, která se snaží potla it porušení obrazu na základ znalosti charakteru poruchy nebo jejího odhadu. Postupy obnovení se opírají o konvoluci realizovanou pro celý obraz. V tšina metod pracuje ve frekven ní oblasti a využívá Fourierových spekter celého obrazu. P í inami vad (degradací obraz ) jsou: •

vady optické soustavy,

•

nelinearita opticko-elektrického idla,

- 20 (58) -

Zpracování dat

•

nelinearita nebo zrnitost filmového materiálu,

•

vzájemný pohyb sníma e obrazu a p edm tu,

•

nevhodné zaost ení,

•

turbulence atmosféry (dálkový pr zkum Zem , astronomie).

Pro odhad p vodního obrazu se p i znalosti jeho degradace používají postupy: • deterministické (Hodí se pro obrazy bez šumu; vypo ítávají p vodní obraz pomocí transformace inverzní k degrada ní transformaci. Jednou z deterministických metod je inverzní filtrace.), • stochastické (Odhadují originální obraz z obrazu zatíženého šumem. Pro obnovení se hledá nejlepší filtr pomocí metod stochastických model .). 2.4.2.2

Zvýrazn ní obrazu

Cílem zvýrazn ní obrazu je nej ast ji taková úprava jeho vzhledu, která by usnadnila jeho vizuální interpretaci. Obecn však taková úprava vždycky sm uje ke zvýšení množství informací, jež lze ze zdrojových dat získat, a to nejen vizuální interpretací. Žádný obecný postup neexistuje. Úpravy je vhodné provád t pouze na monitoru a nezasahovat do zdrojových dat. Radiometricky upravená data také není p íliš vhodné používat pro následné klasifikace obrazu! Základní skupiny digitálního zvýrazn ní obrazového záznamu by mohly být nap . tyto: 1. bodové (radiometrické) zvýrazn ní, tj. manipulace s odstíny šedé, 2. prostorové zvýrazn ní (filtrace, Fourierovy transformace), 3. spektrální zvýrazn ní (sou asná manipulace s dv ma a více spektrálními záznamy).

Bodové (radiometrické) zvýrazn ní Radiometrické zvýrazn ní pracuje s histogramem obrazu a s tzv. zobrazovací funkcí i zobrazovací tabulkou (LUT – Look Up Table). Zobrazovací funkce p i azuje ur ité DN hodnot pixelu na vstupním (originálním) obraze novou hodnotu DN ve výsledném (zvýrazn ném) obraze. K základním metodám radiometrického zvýrazn ní pat í: •

prahování – vytvo í se „bitový obraz“ k maskováním,

•

hustotní ezy – redukování po tu hodnot pixel do n kolika definovaných t íd ( ez ),

•

zvýrazn ní kontrastu, které spo ívá v úprav histogramu, a to jeho lineárním roztažením (stretching) v celém využitém rozsahu nebo v n které jeho ásti, vyrovnáním (equalizací), kdy se etn jším hodnotám p isoudí v tší prostor nebo zvýrazn ním ur ité ásti histogramu. Histogram lze upravit podle jakékoliv jiné LUT – nap . podle senzitometrické k ivky apod.). Zlepšení kontrastu lze dosáhnout také tzv. saturací (potla ením), tj. odstran ním ásti histogram s podprahovými

- 21 (58) -

(0 – 1) vhodný nap .


etnostmi pixel blízkých nap . 0, resp. 255 (2,5 %, hodnot 5 % hodnot apod.). Pro lepší vizuální vjem, lze p i radiometrickém zvýrazn ní aplikovat barvy a provést tak barevné zvýrazn ní obrazu pomocí pseudobarev, resp. zobrazení v nepravých barvách (false colour).

Prostorové zvýrazn ní (filtrace) P i prostorovém zvýrazn ní (filtraci) se ur uje nová hodnota DN ur itého pixelu v závislosti na hodnotách ur itého po tu okolních pixel (problém: neztratit liniové prvky!). Filtrace je spojena s pojmem prostorová frekvence. Tou rozumíme relativní zm nu DN hodnoty daného pixelu v i DN hodnotám okolních pixel . Obrazový záznam obsahuje jak vysokofrekven ní (velké rozdíly v hodnotách pixel p i p echodu z jednoho na druhý – í ní sí , komunikace, p írodní hranice), tak nízkofrekven ní obrazovou informaci (postupné zm ny v hodnotách pixel – nap . vodní plochy, lesní komplexy). Filtry mají za úkol propoušt t do výsledného informaci jen ur itý typ informace – vysokofrekven ní propoušt jí všechny lokální extrémy obrazu v etn linií a hran, nízkofrekven ní filtry se chovají obdobn jako tzv. klouzavé pr m ry, tj. zhlazují výslednou obrazovou funkci. Používají se nap . k odstra ování „bitových chyb“ a šumu. P i filtraci se používají filtry s: • •

nízkou propustností (low pass) - ztrácí se liniové prvky, vysokou propustností (high pass), nebo-li ost ící filtry (sharpening) a hranové operáty.

Filtrování se provádí s pomocí tzv. filtrovacího okna, které p edstavuje tvercovou matici o lichém po tu ádk a sloupc (nap . 3 x 3, 5 x 5 atd.). Každý pixel tohoto okna má svoji váhu. Filtrovaný obraz je generován násobením každého koeficientu ve filtrovacím okn hodnotou pixelu v originálním snímku podle aktuální polohy okna a výsledek je p i azen centrálnímu pixelu filtrovacího okna ve filtrovaném snímku. Okno se posouvá po snímku po jednom pixelu („tzv. konvoluce“). Okrajové pixely snímku jsou bu opakovány, nebo se filtrovaný snímek zmenšuje o polovinu ší ky filtrovacího okna minus jeden pixel na každé stran obrazového záznamu. Zpracování není výpo etn náro né, m že být asov náro n jší u v tších snímk (existuje ada p eddefinovaných filtr v SW DPZ – ERDAS, PCI).

Nízkofrekven ní filtry: •

pr m rové (b žné, vážené – nepo ítám-li hodnotu prost edního pixelu, mohu si pomoci p i odstra ování bitových chyb),

•

mediální,

•

majoritní (nap . modální),

•

sieve filtr (sí ový filtr) – odstra uje z obrazu plochy, které jsou menší než zadaná prahová hodnota (p ipojují se tak k sousedním v tším plochám),

•

pr m rování s rotujícím oknem – okolí filtrovaného obrazového prvku se porovnává se ty mi p edem definovanými vzorovými filtrovacími okny (jsou už na bázi vysokofrekven ních, tj. sou et jejich vah je roven 0),

- 22 (58) -

Zpracování dat

•

Gauss v filtr (koeficienty jsou vypo teny na základ rozd lení),

normálního

•

nejbližší soused (pr m r se vypo te jen pro hodnoty s malým rozptylem),

•

pr m rování s inverzním gradientem (pixely na liniových elementech p ispívají do pr m ru co nejmén )

Vysokofrekven ní filtry (zvyšují se lokální maxima a prohlubují lokální minima): •

laplaceovské filtry (váha st edového pixelu je rovna sou tu vah okolních pixel , suma všech je tedy rovna nule),

•

filtry zd raz ující hrany nebo linie jen ur itého sm ru, nap . Sobel v nebo Prewitt v pro horizontální, resp. vertikální linie.

Vysokofrekven ní filtry slouží p edevším pro detekci hran (má nulovou ší ku) a linií. Hrana, resp.linie m že být •

st echová (linie na tmavém pozadí – nap . cesta),

•

p íkopová (linie na sv tlém pozadí – nap . eka),

•

stup ová (p echod mezi sv tlým a tmavým objektem – nap . mezi lesem a polem).

Nejjednodušším hranovým (gradientovým) operátorem je tento: pr m r z diferencí ve filtrovacím okn se dosadí za st edový pixel. Je-li oblast homogenní jsou diference nulové, jsou-li nenulové, pak je indikována možnost hrany. Filtrace je dob e použitelné i pro objektivizaci tak nehomogenního interpreta ního znaku, jakým je textura (míra uspo ádanosti nebo celistvosti povrchových objekt ). Filtry jsou založeny na výpo tu r zných statistických m r homogenity i naopak variability hodnot pixel ve filtrovacím okn . Textura m že být charakterizovaná rozptylem hodnot, varia ním koeficientem, koeficientem šikmosti i špi atosti, entropií apod. K analýze obrazu lze využít tzv. rychlou Fourierovou transformaci. Její podstatou je p evedení obrazu z prostorového sou adného systému, tvo eného jednotlivými ádky a sloupci, ur itým po tem funkcí sinus a cosinus do frekven ního sou adného systému (p evod je vratný!). Obvykle se používá pro potla ení šumu nebo pro odstran ní chyby z p esv tlení ásti obrazu (u optických za ízení st edu snímku).

Spektrální zvýrazn ní Barvená kompozice (aditivní skládání barev RGB) Analýza hlavních komponent (PCA – Principial Component Analysis) Transformace barevného obrazu (systémy RGB, CMY, IHS tj. Intensity – jas, Hue – tón, Saturation – sytost). 2.4.2.3

Matematické operace

P i digitálním zpracování obrazových dat lze použít i velmi jednoduché matematické operace, nap . podíl (normovaný vegeta ní index), rozdíl ( asové

- 23 (58) -


zm ny, prostý vegeta ní index), sou et (k výsledku filtrace se p i te originální obraz), násobení (maskování, zvýraz ování kontrast ).

2.5

Klasifikace

Sestavit p evodní matici úlohy dálkového pr zkumu znamená nalézt vztah, který jisté hodnot vnit ních parametr s(x,y) p i azuje jednozna n ur itou velikost nam ených obrazových dat ve všech složkách víceobrazu f(x,y). Tento vztah se nazývá klasifika ní pravidlo, protože se podle n j definuje p i azení každého obrazového údaje k ur ité sestav vnit ních parametr s(x.y) a tím i p íslušnost k jedné z hledaných t íd. Celému procesu rozd lení nam eného datového obrazového souboru f(x,y) se íká klasifikace. Problém vytvo ení p enosové matice je tedy shodný s úkolem ur it klasifika ní pravidla. P i hledání klasifika ních pravidel se vychází z toho, jakým zp sobem se m ní radia ní veli ina fm(x,y) v závislosti na zm n druhového nebo stavového parametru s(x,y). Pokud jsou tyto zm ny natolik význa né a charakteristické, že je lze použít k sestavení klasifika ního pravidla, nazývají se p íznaky. Nositeli p íznak nemusí být všechny složky fm(x,y) a nebo p íznaky n kterých složek nejsou dost výrazné. Je-li po et p íznakových složek z < M, sta í klasifika ní pravidlo sestavovat na datovém souboru se sníženou rozm rností. Složky, jejichž p íznaky se použijí na sestavení klasifika ního pravidla, nazýváme p íznakové složky víceobrazu f(x,y). Prostor definovaný p íznakovými složkami vektoru f(x,y) budeme nazývat p íznakový prostor nebo prostor p íznak . Podle toho, zda je p íznak spojen se zm nou prostorových sou adnic (x,y) nebo se zm nou nam eného údaje u n které obrazové složky, rozeznáváme p íznaky: •

prostorové

•

spektrální

•

asové nebo

•

polariza ní.

Prostorovým p íznakem je plošná homogenita dat fm(x,y), která ur uje hranice objektu dané jeho tvarem a velikostí. D ležitým prostorovým p íznakem jsou i parametry vyjad ující vnit ní texturu objektu. V n kterých p ípadech je p íznakovou vlastností i topologie ur ité sestavy objektu. Spektrální p íznaky vyjad ují odrazivé a vyza ovací vlastnosti zkoumaného povrchu. Jsou jimi normalizované hodnoty intenzity zá ení nam ené v jednotlivých spektrálních intervalech, jejich lineární kombinace nebo celková intenzita ve všech kanálech. Ur ování asových p íznak obsahuje zjiš ování zm n prostorových a spektrálních p íznak zp sobené dynamikou zkoumané t ídy. P itom je t eba odlišit výskyt náhodných zm n od zm n sledovaných.

- 24 (58) -

Zpracování dat

V klasifika ních pravidlech se používá p evážn spektrálních p íznak , protože v optickém pásmu spektra jsou spektrální projevy krajinných složek tradi ním p íznakem.

2.5.1

Vytvá ení klasifika ních pravidel

Ve v tšin úloh dálkového pr zkumu není pro konkrétní datový soubor a zadanou sestavu t íd známa p evodní matice nebo klasifika ní pravidlo. Jeho vytvo ení vyžaduje stanovit p íznaky platné pro danou úlohu. Stanovují se analýzou známého vztahu mezi velikostí p íznakové složky obrazových dat a p íslušností k dané t íd . Toto zkoumání se d je na vybrané ásti nam eného souboru, kterému se íká trénovací soubor. Vybírají se do n j data fm(x,y), ke kterým jsou z n jakých jiných zdroj známy odpovídající hodnoty všech stanovených vnit ních parametr , ili je jejich za azení do n které z požadovaných t íd. V trénovacím souboru musejí být zastoupeny všechny zkoumané t ídy. ešitelnost dané obrácené úlohy ili existence správného klasifika ního pravidla, závisí na vn jších i vnit ních parametrech. Pokud zjistíme, že ešení neexistuje, je t eba zm nit definici t íd (upravit vnit ní parametry) nebo použít jiný datový soubor s vhodn jšími vn jšími parametry. V n kterých p ípadech se ešení dosáhne zv tšením rozm rnosti zpracovávaného datového souboru o další obrazová data pocházející z jiných informa ních zdroj . Obecn je tímto zdrojem databáze (databanka), v níž jsou uloženy informace o výskytu r zných kategorií krajinných objekt pocházející z nejr zn jších zdroj (mapy, statistické ro enky, geofyzikální m ení, jiná družicová data aj.). Protože obsahují údaje, které jsou vždy vázány na ur itou ást zemského povrchu, jsou tyto databáze ozna ovány také jako informa ní systém o území nebo geoinforma ní systém. Informace z geoinforma ního systému umožní n kdy i udat apriorní p íslušnost n které hodnoty fm(x,y) ur ité kategorii. Tím se vytvo í maska, která p edepisuje výskyt ur itých parametr s(x,y) na vymezených místech (x,y) a nebo tento výskyt zcela vylu uje. Takto formulovanému up esn ní klasifika ního pravidla íkáme metoda masky. V obou zp sobech využití GIS se zv tšuje objem zpracovávaných dat, a to bu na úkor rozm rnosti víceobrazových dat nebo na úkor po tu uvažovaných kategorií vnit ních parametr . Zatímco u malého po tu parametr a p i nízké rozm rnosti datového souboru je možné provád t p i azování hodnot fm(x,y) k parametr vizuáln , je to u složit jších úloh zcela vylou ené. Vizuálnímu za azování obrazových dat do požadovaných t íd se íká interpretace. Spo ívá v prohlížení obrazu (vizualizovaných dat) a ur ování úrovní šedi nebo barevných odstín na jeho ploše. Cvi ené oko je schopné rozeznat asi 10 - 15 úrovní šedi, netrénované asi polovinu. U víceobrazu je možné použít barevného skládání jeho složek do výsledné barevné syntézy, v níž lov k rozezná kolem dvaceti r zných barevných odstín . Na ešení složit jších úkol však už oko samo nesta í, a proto se ke zpracování dat používá výpo etní techniky. Její zapojení do vytvá ení klasifika ních

- 25 (58) -


pravidel a následné vlastní klasifikace obrazových dat dálkového pr zkumu je nutné z t chto d vod : 1. dokáže pracovat s v tším dynamickým rozsahem hodnot fm(x,y) než lidské oko, a tím dovoluje zaznamenat menší zm nu její velikosti zp sobenou jinou velikostí vnit ních parametr , 2. p i jejím použití mají všechny provád né operace exaktní tvar a lze je proto provád t opakovan naprosto stejným zp sobem, 3. je možné zpracovávat vícerozm rné datové soubory. Nasazení výpo etní techniky, jako nedílné sou ásti interaktivních systém na zpracování obrazových dat, je nezbytné v epoše prakticky výhradního po izování dat dálkového pr zkumu v digitálním tvaru.

2.5.2

Druhy klasifikací

Rozeznáváme dva základní druhy klasifikací, a to: •

ízenou,

•

ne ízenou,

•

hybridní,

•

metodou neuronových sítí

Obr. 2-1 Schéma ne ízené a ízené klasifikace 2.5.2.1

ízená klasifikace

Tréninkové stadium ízená klasifikace znamená, že interpretátor si sám vybírá tzv. trénovací plochy, jako vzory pro jednotlivé t ídy, které jsou spektráln od sebe odlišitelné. Tento výb r provádí interpretátor sám u monitoru pomocí podkladových informací o výskytu vybraných t íd alespo na n kolika místech na snímku. Spolehlivost a kvalita t chto informací a jejich správný p enos kresbou na monitoru ur uje kvalitu výsledné klasifikace. Jestliže nap . do t ídy pšenice zahrneme pole, které bylo v okamžiku snímkování již strništ m, - 26 (58) -

Zpracování dat

nebude klasifikace t ídy pšenice správná. Pro dobrou klasifikaci je nutno, aby tréninková data byla reprezentativní a kompletní. P i použití statistického klasifikátoru maximum likelihood je nap . stanoven spodní limit pro minimální po et pixel dané t ídy n+1, kde n je po et kanál . V praxi se používá 10n - 100n pixel pro reprezentativní výpo et pr m ru a kovarian ní matice ( ím více, tím však lépe). Pro každou t ídu je vhodn jší definovat tréninkové plochy z r zných míst snímku, než jednu velkou plochu. Získáme tak reprezentativn jší p ehled pro celou scénu. P i vybírání tréninkové množiny se pr b žn provád jí grafické nebo numerické analýzy. Graficky se zobrazují spektrální charakteristiky vybraných ploch pomocí histogram v jednotlivých spektrálních pásmech, pomocí spektrogramu (grafu koincidence) nebo pomocí rozptylogramu. Posledn jmenované je d ležité p edevším u klasifikátoru maximum likelihood, kde kontrolujeme normalitu rozd lení. Histogram ukazuje rozd lení jednotlivých kategorií dob e, ale neusnad uje srovnání mezi r znými kategoriemi.Pro vyhodnocení separability je vhodný graf koincidence, který ukazuje pr m rnou spektrální odezvu každé kategorie a odchylky (± dvojnásobek standardní odchylky). Ukazuje, jak se jednotlivé kategorie p ekrývají a které kombinace pásem budou pro klasifikaci nejvhodn jší. Separabilita jednotlivých t íd se nejlépe pozná z dvoj- až nrozm rného rozptylogramu. Jedná se o graf, kde jsou vyneseny hodnoty pixel trénovacích ploch ve vlastních osách. Míra statistické separability pro všechny dvojice t íd m že být kvantifikovaná nap . divergencí, tj. kovarian ní váhovou vzdáleností mezi pr m ry pro jednotlivé kategorie. Jinou možností je kontrola pomocí kontigen ních tabulek pro trénovací množinu. Tu je však možné vytvo it až po provedení klasifikace, nebo se porovnává, zda pixely v trénovacích plochách byly i nebyly za azeny klasifikátorem do t chto t íd.

Klasifika ní stadium Vlastní klasifikace je provád na automaticky po íta em. Ten za adí i neza adí jednotlivé pixely do p edem vybraných t íd. Vytvo í rozm rov stejný obraz, jehož pixely však budou mít zcela nové funk ní hodnoty. Výsledný obraz m že být prezentován formou tematické mapy, tabulek statistických hodnot nebo ve tvaru digitálních datových soubor , které mohou tvo it vstup do GIS.

Klasifikátor minimální vzdálenosti od pr m ru (minimu distance) Tento klasifikátor vypo ítá pr m r ze spektrálních hodnot pro každou t ídu pro každý kanál. Hodnota v daném pixelu (p i klasifikaci) se s t mito pr m ry porovnává a ke kterému pr m ru to má nejblíže, do jeho t ídy se za adí, pokud tato vzdálenost nep esáhne stanovenou velikost prahu (treshold).

Parallelpiped klasifikátor Soubor m že mít rozsah mezi maximální a minimální hodnotou v každém kanálu. Pixel je pak za azen podle toho, zda padne do vymezeného prostoru. Protože ve skute nosti pracujeme s více spektrálními pásmy naráz, jedná se o vícerozm rné ty úhelníky. Tento klasifikátor je rychlý a ú inný. Problémy

- 27 (58) -


však nastávají v p ípad , když je rozložení digitálních hodnot v jednotlivých rozptylogramech šikmé, ímž dochází k p ekrytí ty úhelníkových ploch. Tento nedostatek lze áste n odstranit rozd lením jednoho ty úhelníku na n kolik menších tak, že se hranice jedné t ídy m ní skokem.

Gauss v klasifikátor maximu likelihood Klasifikátor je založen na p edpokladu, že rozd lení bod tvo ících jednu t ídu tréninkových dat mmá normální rozd lení. V rozptylogramu pak vytvá í elipsy pro stejné pravd podobnosti výskytu. P i jeho aplikaci se vypo te pravd podobnost výskytu hodnoty pixelu v rámci rozd lení každé t ídy a v kone ném d sledk se pak za adí tam, kde je pravd podobnost nejv tší, nebo nikam, pokud je pravd podobnost menší než zadaná hodnota prahu.

Bayesovský klasifikátor Bayesovský klasifikátor je rozší ený typ klasifikátoru maximum likelihood. P i pravd podobnostní klasifikaci používá navíc dvou váhových faktor , z nichž jeden ur uje nej ast ji „a priori“ pravd podobnost, tedy p edem danou pravd podobnost výskytu pro každou t ídu v dané scén , a druhý se obvykle vztahuje k pravd podobnosti provedení špatné klasifikace. Po etn se jedná o náro n jší klasifikátor.

Ne ízená klasifikace P i ne ízené klasifikaci se nepoužívá tréninková množina. Je založena na principu, že pixely ze stejných nebo p íbuzných ploch mají blízkou spektrální odezvu, a proto vytvá ejí shluky (clustery). Každý shluk pak odpovídá ur ité t íd . Jejich po et se tak vytvá í automaticky (u ízené klasifikace bývá mnohdy velmi problematické p edem stanovit po et t íd). Po klasifikaci je nutné provést šet ení, co vlastn jednotlivé t ídy p edstavují, a to na základ znalosti terénu a z dostupných materiál .

Klasifikace K-pr m r P edem se ur í kone ný po et cluster , které se umístí do p íznakového prostoru. P i itera ním výpo tu se pak hledá minimální vzdálenost pixlové hodnoty od st edu shluku.

Klasifikace podle citlivosti na texturu Hybridní klasifikace •

výsledky za azení do cluster z ne ízené klasifikace slouží jako p íprava pro ízenou klasifikaci (interpretace vegeta ního krytu v horském terénu)

•

data z tréninkových ploch ízené klasifikace jsou využita v ne ízené klasifikaci (interpretace liniových prvk )

Klasifikace metodou neuronových sítí Používá se pro zpracován dat z r zných typ senzor , nap . skener a radar.

Odhad p esnosti klasifikace Celková p esnost klasifikace musí být vyhodnocena pomocí testovacích ploch, které se liší od tréninkových ploch (použití kontingen ních tabulek). Dobrý tréninkový soubor je vybírán itera ním zp sobem, p idáváním, ubíráním ploch, zkoumáním statistických popis t íd, jejich vzájemného vztahu a separability.

- 28 (58) -

Zpracování dat

2.5.3

Úpravy po klasifikaci

Postklasifika ní úpravy spo ívají p edevším ve vyhlazení klasifikovaného obrazu pomocí nízkofrekven ního (v tšinou modálního) filtru. Postklasifika ní filtr musí být založen na logickém operátoru a ne na aritmetických operacích (nap . majoritní filtr, prostorov orientované klasifikátory aj.).

- 29 (58) -

Software

3

Software

V sou asné dob existuje na trhu široká škála program nabízejících r zné spektrum nástroj pro zpracování a analýzu družicových dat.

3.1

PCI Geomatics

Kanadská spole nost PCI Geomatics Group se stala jedním z nejvýznamn jších sv tových producent zpracovatelského software. Nabízí ucelenou adu program pro digitální fotogrammetrii, zpracování obrazových dat, geografické informa ní systémy, digitální kartografii a terénní vizualizaci. Oficiálním representantem spole nosti PCI Geomatics Groups v eské republice a na Slovensku, který poskytuje kompletní podporu všem uživatel m program PCI je firma GISAT www.gisat.cz). Všechny programy PCI spojuje filozofie otev eného software, která se týká nezávislosti na hardwarové platform , spolupráce s datovými formáty a programy jiných producent i možností uživatelské modifikace existujících program nebo vývoje vlastních aplikací. Programy PCI je možné provozovat na široké škále po íta ových platforem se zárukou stejné funk nosti a vzájemné kompatibility. Podporovány jsou opera ní systémy pro PC (Windows, Linux) a Unix: (DEC Alpha, Hewlet-Packard 700, IBM RS/6000, Silicon Graphics, Sun SPARC). Všechny programy PCI jsou založeny na datovém modelu GeoGateway (GDB). Tento obecný datový model umož uje vedení nejr zn jších typ geografické informace (rastrová data, vektorová data, georeference, bitmapa, vlícovací body atd.). GeoGateway s podporou více než 50 rastrových a p edstavuje ojedin lou databázi formát , která vektorových formát zp ístup uje programy PCI uživatel m prakticky všech dostupných geografických dat. Programy PCI podporují adu kartografických projekcí v etn GaussKrügerova a K ovákova zobrazení. V p ípad známých transforma ních parametr vzhledem k systému WGS-84 lze pracovat nejen s daty v r zných mapových projekcích na r zných elipsoidech, ale i s daty v odlišných geodetických systémech. Programy OrthoEngine p edstavují v sou asné dob sestavu fotogrammetrických nástroj pro zpracování leteckých a družicových snímk . Uživateli je k dispozici softwarové ešení v oblasti digitální fotogrammetrie, založené na stavebnicovém principu, který umož uje postupné po izování jednotlivých modul podle jeho pot eb. Všechny programy OrthoEngine jsou postavené na jednotném uživatelském prost edí, které vede zpracovatele celým procesem a navrhuje mu optimální posloupnost jednotlivých krok . To zkracuje celou dobu zpracování a zárove snižuje nároky na fotogrammetrickou odbornost uživatele. Díky datovému modelu GeoGateway lze OrthoEngine používat ve spolupráci s jakýmkoliv CAD/CAM nebo GIS programem se zárukou vzájemné vým ny dat. OrthoEngine je ur en pro ortorektifikaci, výpo et digitálního modelu reliéfu na

- 31 (58) -


základ stereodvojic, tvorbu orthofotomozaiky, zobrazení, editaci DEM a vyhodnocení tématických vrstev ve 3D. EASI/PACE p edstavuje programový systém pro zpracování, analýzu a správu digitálních rastrových dat, zejména leteckých a družicových snímk . Díky modulární stavb je možné každému potenciálnímu uživateli navrhnout pot ebnou sadu funkcí pro ešení nejr zn jších projekt v oblasti DPZ a tím vytvo it efektivní programovou sestavu, která by vhodn doplnila existující softwarové vybavení a zárove zamezila zbyte né duplicit funkcí. Všechny funkce EASI/PACE lze využívat prost ednictvím grafického prost edí VISUAL MODELLER. To umož uje - bez jakýchkoliv nárok na znalost programování - tvorbu vlastních model pro nejr zn jší aplikace. Celý postup vytvá ení takových model spo ívá ve výb ru ikon, reprezentujících jednotlivé funkce, a v definici vzájemných vazeb mezi nimi. Všechny kroky jsou pr b žn kontrolovány z hlediska logických vazeb a uživatel m že kdykoliv zobrazovat výsledky všech operací. Program AUTHOR je ur en pro tvorbu grafického uživatelského prost edí. Uživatel tak má k dispozici nástroj pro generaci vlastního grafického rozhraní (nejr zn jší menu struktury v n kolika úrovních), prost ednictvím kterého zp ístup uje jednotlivé funkce EASI/PACE, vytvo ené modely a skripty apod. Tímto zp sobem lze p ipravit nejr zn jší aplikace pro provád ní rutinních operací nebo speciálních algoritm . EASI/PACE obsahuje m.j tyto funkce: •

interaktivní vizualizace obrazových dat,

•

úprava kontrastu, práce s histogramem, obrazové filtrace,

• multispektrální analýza (základní komponenty, práce v p íznakovém prostoru, rozptylogramy), •

multispektrální klasifikace (maximum likelihood),

•

geometrické transformace,

•

tvorba mozaiky,

• terénní analýza (perspektivní pohledy, stínovaný reliéf, sklon a jeho orientace, analýza rozvodí), •

atmosférické korekce,

•

analytické funkce GIS (modelování, rastrová analýza),

• zpracování dat AVHRR radiometrické korekce).

(automatické

geokódování,

kalibrace,

Pro zpracování a analýzu radarových dat lze EASI/PACE doplnit o adu programových modul a samostatných program (nap . Radarsoft). Obdobn lze provést dopln ní základního modulu EASI/PACE o programy ú elov zam ené, nap . GeoAnalyst. GeoAnalyst je program pro zpracování geologických, geochemických a geofyzikálních dat ve spojení s daty dálkového pr zkumu Zem . Kombinuje velké množství funkcí z oblasti obrazové analýzy a speciální algoritmy využívané pro analýzu geologických, geochemických a geofyzikálních údaj . - 32 (58) -

Software

3.2

ERDAS, Inc

Firma ERDAS, Inc. (Atlanta, Georgia, USA) je jedním z nejvýznamn jších sv tových výrobc systém pro zpracování dat dálkového pr zkumu Zem . Byla založena v roce 1978 jako konzulta ní firma v oboru zpracování rastrových dat a GIS a vytvo ila první systém pro zpracování rastrových dat dálkového pr zkumu Zem pro osobní po íta e. Nosným produktem firmy ERDAS je modulární systém ERDAS IMAGINE, jehož základní sestavu je podle aplika ního nasazení možno rozší it o n který ze specializovaných modul . Distributorem software je firma ARCDATA PRAHA (www.arcdata.cz).

3.3

ER Mapper

ER Mapper je technicky dokonalý produkt pro zpracování leteckých a družicových snímk , v etn rastrové analýzy a zpracování v systému 3D. Spole n v n m jsou obsaženy obsáhlé soubory integrovaných (sjednocených) dat a zdokonalující snímkové nástroje. ER Mapper nese následující schopnosti: Informace o software ER Mapper lze najít pod adresou www.ermapper.com p ípadn na stránkách firmy Sitewell (www.sitewell.cz).

- 33 (58) -

Mezinárodní orgány a organizace

4

Mezinárodní orgány a organizace DPZ

4.1

Earth Observation Satellite Company (EOSAT)

4.2

European Association Laboratories (EARSeL)

4.3

International Institute for Aerospace Survey and Earth Sciences (ITC)

of

Remote

Sensing

Mezinárodní organizace se sídlem v Nizozemsku poskytující geodetické informace a zajiš ující dálkový pr zkum Zem byla z ízená v roce 1950 pod jménem International Training Center for Aerial survey „Mezinárodní výcvikové centrum pro dálkový pr zkum“. Je to nejv tší a nejstarší mezinárodní vzd lávací instituce v Nizozemí. ITC má okolo 275 zam stnanc ze 27 r zných zemí, z nichž 165 jsou specialisté na dálkový pr zkum. ITC vytvá í denn aktualizovanou databázi informací z družic, která poskytuje technické informace a odkazy na Internetu. ITC provádí r zné pr zkumy a vzd lávací programy v ekonomicky mén rozvinutých zemích. Provádí pr zkum Zem a shromaž uje data pro rozvoj civilizace, zlepšení plánování a multifunk ního využití vesmíru, monitoring katastrof, lepší porozum ní globálním zm nám, hospoda ení s vodou, zabezpe ení potravy a životní prost edí.

4.4

Committee on Space Research (COSPAR)

4.5

Evropská agentura pro kosmický prostor (ESA European Space Agency)

Agenturu vytvo ily organizace ELDO/ESRO. Po neúsp šném vývoji západoevropské rakety p evzalo v í postavení v ESA Národní úst edí pro výzkum vesmíru (CNES - Centre National d Etudes Spatiales), které tento náro ný úkol dovedlo ke zdárnému konci. Pro využívání západoevropské rakety byla ustavena akciová spole nost ARIANSPACE. lenské státy - Itálie, Belgie, Francie, Špan lsko, Nizozemsko, NSR, Rakousko, Švýcarsko, Velká Británie.

4.6

Eumetsat

EUMETSAT (Europe's Meteorological Satellite Organisation) je mezivládní evropská organizace zabývající se vývojem a provozem meteorologických družic. Hlavní sídlo je v n meckém Darmstadtu.

- 35 (58) -


Její po átky jsou úzce spojeny s Evropskou kosmickou agenturou (ESA), která roku 1977 vypustila na ob žnou dráhu první evropskou geostacionární meteorologickou družici, Meteosat 1. Po tomto úsp chu se objevily první myšlenky na evropskou organizaci starající se výhradn o meteorologické družice, a tak byla v roce 1986 z agentury ESA vy len na organizace EUMETSAT. Odpov dnost za systém Meteosat p evzala formáln v lednu 1987. V roce 1991 za al EUMETSAT vyvíjet nový program MSG – Meteosat druhé generace, první družice z této série je už v operativním provozu, druhá v po adí byla úsp šn vypušt na na ob žnou dráhu 21. prosince 2005, nyní již nese ozna ení Meteosat 9. B hem n kolika p íštích m síc budou probíhat testy funk nosti jednotlivých ástí družice. Po úsp šném pr b hu bude družice uvedena do operativního provozu a Meteosat 8 bude její zálohou. Krom družic geostacionárních EUMETSAT plánuje vypušt ní družice na polární dráze. Na tomto projektu spolupracuje s americkou organizací NOAA (National Oceanic and Atmospheric Administration). Evropské polární družice ponesou ozna ení METOP. Ovšem EUMETSAT pouze nevyvíjí a neprovozuje meteorologické družice; nap íklad v roce 1996 odstartoval projekt PUMA (Preparation for the Use of Meteosat Second Generation in Africa), který je ur en africkým národním meteorologickým službám. EUMETSAT jej podporuje spolu se Sv tovou meteorologickou organizací (WMO). EUMETSAT sdružuje 20 lenských stát . V tšina stát bývalého východního bloku má zvláštní statut „spolupracujícího lenského státu“ (jinak také „p idružené lenství“), který umož uje získávat data z EUMETSATu p i nižších lenských p ísp vcích, ale na druhé stran tyto státy nemají práva rozhodovat. Tento statut je však p edpokládán pouze na p echodnou dobu (3 – 5 let), poté by se „spolupracující státy“ m ly stát plnoprávnými leny EUMETSATu. Celým tímto p ijímacím ízením prošlo zatím Slovensko a Chorvatsko. lenské státy: Belgie, Dánsko, Finsko, Francie, Chorvatsko, Irsko, Itálie, Lucembursko, N mecko, Nizozemí, Norsko, Portugalsko, Rakousko, ecko, Slovensko, Špan lsko, Švédsko, Švýcarsko, Velká Británie a Turecko. Spolupracující lenské státy: Bulharsko, eská republika, Estonsko, Island, Litva, Lotyšsko, Ma arsko, Polsko, Rumunsko, Slovinsko, Srbsko a erná Hora.

- 36 (58) -

Mezinárodní orgány a organizace

4.7

International Society for Photogrammetry and Remote Sensing (ISPRS), Société inrernationale de photogrammétrie et de télédétection (SIPT)

4.8

Asian Association on Remote Sensing

4.9

ELDO/ESRO

4.10 Interkosmos V decký program bývalých „socialistických" zemí zahájený v letech 1965 1967.

4.11

Evropská organizace družice (EUTELSAT)

pro

telekomunika ní

Byla založena 21.3.1977 za ú elem efektivizace dálkového p enosu televizních a radiových program , telefonních hovor , tedy všech audio a video signál , v etn komprimované digitální televize. P íslušná technická za ízení jsou umís ována na družice Eutelsat, t. . druhé ady s cca 16 transpondéry. Od kv tna 1994 je lenem EUTELSATu i R.

4.12

Mezinárodní organizace pro telekomunika ní družice (INTELSAT)

4.13

Mezinárodní organizace pro námo ní družice (INMARSAT)

4.14

Arabská organizace družicových komunikací (ARABSAT)

- 37 (58) -

Národní kosmické agentury a organizace

4.15 Národní kosmické agentury a organizace 4.15.1 Brazílie Komise pro kosmickou innost (CNAE) Alado Imagens de Satelite e Informatica Ltda. je spole nost zabývající se dálkovým pr zkumem a GISem. Poskytuje informace a zpracovává produkty (GIS, tématické mapy apod.), které jsou založeny na datech z družic Landsat, BOD, IRS, Radarsat, ERS, GOES, TIROS a ruských družic. http://directory.eoportal.org/info_AladoImagensdeSateliteeInformaticaLtda.ht ml

4.15.2

ína

Institut dálkového pr zkumu ínské akademie v d (The Institute of Remote Sensing Application, Chinese Academy of Sciences IRSA/CAS) se sídlem v Pekingu je v ínské lidové republice jedinou organizací, zabývající se dálkovým pr zkumem. Byl založen roku 1979. Hlavní oblastí zájmu je projekt nazvaný „DIGITAL EARTH“, který si klade za cíl monitoring r stu m st, záplav, 3D plánování Olympijských her a 3D plánování Velké haly lidu v Pekingu. Pod IRSA pat í i pozemní stanice poblíž Pekingu, která p ijímá družicová data a ídí satelity projektu CBERS, tj. ínou vypušt né brazilské satelity pro pr zkum zemských zdroj .

www.irsa.ac.cn 4.15.3 Finsko TECHNICAL RESEARCH CENTRE OF FINLAND (VTT) Technical Research centre of Finland (VTT) je výzkumná organizace rozložená do mnoha mezinárodních sekcí. Poskytuje široký rozsah technologií a aplikovaných výzkumných služeb pro jejich klienty: soukromé spole nosti, státní instituce a ve ejný sektor. VTT je rozmíst na po mnoha místech Finska, nap . Espoo, Tampere, Oulu, Jyväskylä. lení se do 8 sekcí, z nichž jednou je sekce informa ní technologie, jejíž sou ástí je skupina dálkového pr zkumu. www.vtt.fi

4.15.4 Francie SPOT Image Société francaise de photogrammétrie et de télédétection (SFPT) Národní st edisko pro kosmický výzkum (CNES)

- 39 (58) -


4.15.5 Indie Organizace pro výzkum vesmíru (ISRO - Indian Space Research Organisation) vznikla v roce 1969. Národní agentura pro dálkový pr zkum Zem (NRSA – National Remote Sensing Agency) je autonomní organizace spadající pod ministerstvo Vesmíru vlády Indie. Její využití je na poli vodních zdroj , zem d lství, výzkumu a deformace p dy, výzkumu nerost a minerál , pro lokalizaci podzemní vody, geomorfologické mapování, pro monitorování pob ežních a oceánických p írodních zdroj , pro zkoumání životního prost edí, ekologii a mapování les , využití zemského povrchu a obydlených území, mapování ve velkých m ítcích a tak dále. Hlavní aktivita je p íjem družicových a leteckých dat, zpracování a ší ení dat. NRSA má vlastní pozemní stanici v Shadnagar, 60 km na jih od Hajdárábadu, kde získává družicové údaje ze satelit , nejnov jší z nich je IRS-P4 a také další zahrani ní satelity jako t eba Landsat, NOAA, ERS a další. Dv moderní letadla (BeachCraft 200) pracují na systému INS a se svým vybavením (K-GPS vybavený multispektrálním scanerem, fotogrammetrické kamery, SAR, elektromagnetické senzory) jsou využívány pro letecké snímkování. NRSA má výcvikovou organizaci k tréninku profesionálních pracovník , v dc a také výrobních inženýr v oblasti dálkového pr zkumu Zem a GISu. S NRSA spolupracuje Indický institut pro dálkový pr zkum (Indian Institute of Remote Sensing) ve m st Dehra Dun.

4.15.6 Itálie St edisko aerokosmického Aerospaciali)

výzkumu

(CRA

-

Centro

Ricerche

Komise pro kosmický výzkum (CRS - Commisione Richerche)

4.15.7 Izrael Izraelská kosmická agentura (ISA - Izraeli Space Agency) vznikla v roce 1983 v rámci ministerstva pro v du a rozvoj a má za úkol ídit kosmické aktivity v zemi, formulovat a koordinovat kosmické programy. Je zodpov dná za jejich realizaci i za mezinárodní spolupráci. Národní výbor pro kosmický výzkum (NCSR - National Committee for Space Research) byl z ízen v roce 1960 Izraelskou akademií v d. ILSPRS (The Israeli Society for Photogrammetry and Remote Sensing)

4.15.8 Japonsko Japonsko má vlastní nosné rakety (LAMBDA). Kosmodrom Nagošima U ú Lentá (31°15 N, 131°05 E) je základnou ISAS, kosmodrom Tanegašima U ú Lentá (30°24 N, 130°00 E) pat ící NASDA m l premiéru v zá í 1975..

- 40 (58) -


Národní rada pro kosmickou innost (NSAC - National Space Activity Council) byla vytvo ena v kv tnu 1960 jako dozor í orgán p edsednictva japonské vlády. Národní st edisko pro kosmický rozvoj (NSDC - National Space Development Center) vzniklo v roce 1964 v rámci V decké a technologické agentury (STA - Science and Technology Agency). Národní ú ad pro kosmický rozvoj (NASDA - National Space Development Agency) vznikl na bázi Komise pro kosmickou innost (SAC, založena v srpnu 1968) Dne 1.10.1969 NASDA p evzala úkoly NSAC a splynulo s ní i NSDC. Jejím cíle je rozvoj aplikované kosmonautiky (spoje, meteorologie, DPZ aj.) Ústav leteckých a kosmických v d (ISAS - Institute of Space and Aeronautical Sciencies) vznikl kolem roku 1960 z Institutu pr myslových v d Tokijské univerzity. The Remote Sensing Technology Center of Japan (RESTEC, Technologické centrum dálkového pr zkumu Japonska) je nezisková organizace, která byla založena v srpnu 1975 pod vedením Agentury v dy a techniky (Science and Technology Agency, STA), Národní agentury vesmírného pr zkumu (National Space Development Agency of Japan, NASDA) a za podpory od Mitsui & Co. Ltd. a Mitsubishi Corp. RESTEC se specializuje na výzkum, vývoj a distribuci r zných produkt dálkového pr zkumu. http://www.restec.or.jp

4.15.9 Jižní Afrika Radar Remote Sensing Group, University of Cape Town (RRSG) byla založena v roce 1988. http://rrsg.ee.uct.ac.za/

4.15.10 Kanada Canadian Space Agency (CSA), resp. Agence Spatiale Canadienne (ASC)

- 41 (58) -


Canada Centre for Remote Sensing MDA Geospatial Services (MacDonald, Dettwiler and Associates Ltd. d íve RADARSAT International Inc. (RSI)) je firma dodávající družicové snímky zem z v tšiny komer n provozovaných družic (V esku je jejím partnerem GISAT). Kontakt: http://www.mdacorporation.com/, http://www.rsi.ca Spole nost RADARSAT vznikla v roce 1989 v Kanad a b hem let se stala jedním z hlavních zprost edkovatel informací pocházejících ze satelitních m ení. Získané informace uplat uje p edevším v oblasti kartografie, dále pak v zem d lství, lesnictví, geologii, hydrologii, oceánografii, p i sledování pohybu ledovc , záplavových oblastí, zne išt ní životního prost edí a využívá je také v armád .

4.15.11 Mexiko V Mexiku se zabývá dálkovým pr zkumem Zem spole nost Sociedad Mexicana de Fotogrametria, Fotointerpretacion y Geodesia, A.C. (SMFFG), která je lenem ISPRS. Dálkovým pr zkumem se také zabývá také Universidad Autonoma de Campeche Mexico. Tato univerzita nabízí student m kurz dálkového pr zkumu, který poskytuje teoretické znalosti ve vztahu k využití metod dálkového pr zkumu a GIS pro celkovou analýzu životního prost edí v pob ežní oblasti.

4.15.12 N mecko Ú ad pro letectví a kosmonautiku (DASA) Sou ástí German aerospace centrer DLR jsou dv organizace, a to DFD a IMF. Ob mají editelství v budov DLR v Oberpfaffenhofen.

German remote sensing data center (DFD) se krom poskytování b žných služeb v oblasti dálkového pr zkumu zam uje mj. na rozvoj a správu celosv tové sít p ijímacích stanic pro dálkový pr zkum a na poskytování online p ístupu k dat m a produkt m dálkového pr zkumu p es internet Remote Sensing Technology Institute (IMF) provádí výzkum technologií dálkového pr zkumu s d razem na metodologii, techniku a provoz systém pro získávání informací z dat dálkového pr zkumu a archivních dat. IMF p ispívá k návrhu nových systém p ijíma a technologie p enosu.

4.15.13 Nizozemsko Netherlands Remote Sensing Board (BCRS) The Netherlands Society for Remote Sensing

- 42 (58) -


4.15.14 Slovensko Geograficky ústav Slovenské akademie v d- -se v letech 1970-1990 zabýval inventarizací, analýzou a hodnocením d ležitých zm n krajiny v R, Ma arsku, Rumunsku a na Slovensku prost ednictvím databáze Corine Land Cover z 90. (CLC90) a 70.rok (CLC70) a mapováním krajinné pokrývky Slovenska-s cílem vytvo it datové vrstvy o terénním krytu pro mapu Evropy v m ítku 1:100 000 s použitím satelitních snímk Landsat a Spot. Slovenská Akademie životního prost edí (Slovak Environmental Agency – SAŽP/SEA) má ve své správ v sou asnosti archiv obrazových záznam ze satelit Landsat TM a SPOT, archiv výsledk CORINE Land Cover (celoplošné tématické mapovaní Slovenska ve spolupráci se SAV), zpracovanou druhovou skladbu les v spolupráci s LVU Zvolen, lokalizaci minerálních pramen , inventarizaci travních porost ve spolupráci s DAPHN a digitální model terénu (rastr 100x100 m ). Výzkumný ústav p doznalectví a ochrany p dy-vyvíjí metody dálkového pr zkumu ke studiu vlastností a produk ního potenciálu p d v rámci celého území Evropy (VÚPOP Bratislava je st ediskem dálkového pr zkumu p d v SR a pro Evropskou unii).

4.15.15 Švýcarsko GAMMA je švýcarská akciová spole nost, sídlící nedaleko Bernu. Byla založena v lednu 1955 Dr. Charlesem Wernerem a Dr. Ursem Wegmüllerem.

Obecn , je cílem Gammy ídit výzkum studia a poskytování poradenského a výrobního servisu v oblasti dálkového pr zkumu na poli mikrovln. Témata zahrnou zpracování signálu, interpretaci signatury mikrovln, zamyšlení nad minulostí algoritmizace a modelování aktivit. Navíc, Gamma poskytuje licence pro snadno ovladatelné a vysoce kvalitní SAR zpracování (MSP) a SAR interferometry (ISP), diferen ní SAR Interferometry a Geoconding (DIFF & GEO), Interferometric Point Target Analysis (IPTA), a Land Application Tools (LAT) – soubory program , které se užívají v n kolika v d ích v deckých institucích. Gamma nabízí zpracovací servis a poradenství v oblasti dálkového pr zkumu na poli mikrovln. www.gamma-rs.ch

4.15.16 USA Národní ú ad pro letectví a vesmír, resp. kosmonautiku (National Aeronautics and Space Administration - NASA) byl založen v roce 1958. Je pokra ovatelem agentury NACA. American Society of Photogrammetry and Remote Sensing Národní st edisko dálkového pr zkumu pro hydrologii (NOHRSC) poskytuje pomocí metody dálkového pr zkumu modely hydrologické situace

- 43 (58) -


na území kontinentálních stát USA a Aljašky. Vybavení NOHRSC, jako jsou družice, letecká technika, ale také datové produkty aj. využívá NWS (National Weather Service), další vládní ú ady, soukromý sektor a ve ejnost v komer ních i výzkumných hydrologických programech v celých Spojených státech. Hlavním sídlem tohoto ú adu je Minneapolis ve stát Minnesota.

Letecké síly USA (USAF)

4.15.17 Velká Británie British Association of Remote Sensing Companies (BARSC) lenem Surveying and Mapping Alliance (SMA) je The Remote Sensing Society, jejímž tiskovým orgánem je "International Journal of Remote Sensing" .

- 44 (58) -

eské organizace

5 5.1

eské organizace Po átky eskoslovenského využívání metod DPZ

Po átek dálkového pr zkumu Zem m žeme datovat do roku 1978, kdy bylo rozhodnutím vlády z ízeno st edisko dálkového pr zkumu Zem (SDPZ). Své sídlo našlo v Geodetickém ústavu v Praze na Letné. V po átcích p evládaly v innosti SDPZ dominantní analogové metody. Vycházely z aplikace klasických fotogrammetrických vyhodnocovacích metod na data po ízená fotografickým snímkováním. Základním technickým vybavením st ediska byl multispektrální projektor MSP4, který umož oval tvorbu analogových syntéz. Dále byl využíván analytický p ekreslova RECTIMAT a klasické fotogrammetrické p ístroje Kartoflex a Topocart. P es výrazná dobová omezení na vývoz špi kových technologií z USA a tzv. “západní” Evropy do zemí RVHP se poda ilo dovézt do republiky na tu dobu špi kový scanner Optronics-Photomation se dv ma po íta i typu LST 2. Po úpravách software a hardware se na této technice testovaly metody shlukové analýzy, klasifikace obraz a první algoritmy na automatizovanou vektorizaci obraz , simulaci neuronových sítí a techniku zpracování digitálních obrazových dat. V eskoslovensku pracovala od po átku i za ízení na p íjem snímk z amerických meteorologických družic ESSA a NOAA, a to na pracovištích Hydrometeorologického ústavu v Praze, Hradci Králové, v Brn a v Bratislav . V první polovin 80.let se v tšina aktivit DPZ orientovala na letecké snímkování. Satelitní data byla ve v tší mí e užívána až od druhé poloviny 80.let. V té dob p evládala orientace na multispektrální snímkování, tj. snímkování pomocí n kolika sp ažených komor za využití speciálních aditivních filtr v r zných oblastech viditelného a blízkého infra erveného spektra. Snímkové materiály byly ur eny pro analogové zpracování pomocí MSP4. Jednalo se o nezávislé maloformátové snímky (6x9 cm), z nichž každý musel být geometricky korigován nezávisle. K pokrytí zájmové lokality bylo t eba velkého množství snímk . N které užívané komory se vyzna ovaly velkým úbytkem sv tla do stran, což bylo nutné kompenzovat. Nebylo ani jednoduché pracovat s tehdy užívanými sov tskými materiály, které se vyzna ovaly zna nou nehomogenitou. Spektrozonální snímkování nebylo v té dob p íliš populární, protože byly dostupné pouze nep íliš kvalitní sov tské maloformátové materiály a nebyla do ešena metodika jejich kvalitního vyvolávání. Používané interpreta ní technologie byly navíc orientovány spíše na práci s multispektrálními daty. Ze satelitních dat se v první fázi využívala p edevším data TIROS, pozd ji Landsat MSS a v druhé polovin 80.let pak již data Landsat Thematic Mapper a sov tská analogová data K 1000.

- 45 (58) -


5.2

V decké a státní organizace

5.2.1

Spole nost pro fotogrammetrii a dálkový pr zkum R Spole nost pro fotogrammetrii a dálkový pr zkum R (Czech society for photogrammetry and remote sensing, dále jen SFDP) je dobrovolná spole enská organizace s celostátní p sobností, založená na podklad zákona o sdružování ob an ze dne 23. 3. 1990, . 83/1990 Sb. Sídlem SFDP je místo pracovišt p edsedy Spole nosti, v roce 2004 jím je Praha. http://www.sfdp.upol.cz

5.2.2 5.2.3

eská astronomická spole nost Správa Krkonošského národního parku

V Krkonošském národním parku je budován GIS, který má zp ístupnit dostupné digitální informace provozním pracovník m. Modifikace lesnických zásah , se kterými se po ítá v projektu FACE, budou z podstatné ásti vycházet z informací zpracovaných v GIS. Pro lepší koordinaci všech aktivit byla r. 1995 založena pracovní skupina pro GIS, která má sloužit jako základna mnohostranné spolupráce mezi zú astn nými jednotlivci a organizacemi.

5.3

Výuková pracovišt

5.3.1

P írodov decká fakulta UNIVERZITY PALACKÉHO V OLOMOUCI

Od roku 1992 m li studenti u itelského studia geografie možnost volby výb rového seminá e, který poskytuje základní poznatky o DPZ. Od školního roku 1995/96 pak navazovala praktická cvi ení z DPZ. Koncepce vzd lávání vychází z pom rn širokých možností využití po íta ových výukových a demonstra ních program . Ty využitelné lze rozd lit do t chto skupin: Programy pro výuku základ LANDSAT, áste n IDRISI).

DPZ (BEITEL, GEOBEIT, KLABEIT,

Demonstra ní programy na CD-ROM: The CD Guide to ERS-1, Introduction to Remote Sensing, SIR-C Education Program, ERS-1 SAR Refernce Coverage. Programy zam ené na aplikace dat DPZ v geov dních disciplínách, p ípadn jejich integrace do GIS: BILKO, IBDRISI, áste n CD-ROM ERS-1 Guide a také Introduction to Remote Sensing, Environment GIS Kit, AVHRR CDBrowser Ionia, CZCS Browse Products, Ocean CD-Browser, GEDEX Experiment, TOGA CD-ROMS, First ISLSCP (International Satellite Land Surface Climatology Project) Field Experiment, TOMS data atd. - 46 (58) -

eské organizace

Všechny uvedené výukové prost edky umož ují demonstraci a nácvik základních operací s rastrovými snímky DPZ, a to: • zobrazení a základní operace s ernobílými nebo multispektrálními snímky •

vytvá ení barevných kompozicí

•

statistické vyhodnocení snímk

•

nácvik n které z metod klasifikace snímku

•

výstup ve form "hardcopy".

Z hlediska náro nosti je nejp ístupn jší program LANDSAT, naopak charakter programu IDRISI umož uje jeho využití i p i ešení složit jších v deckých úkol . Spole nou výhodou všech produkt je, že programy lze provozovat i na nejjednodušších po íta ových konfiguracích. Programové vybavení pro pedagogické ú ely v tomto okruhu je dosta ující, pomineme-li již uvedené problémy. Pro pasivní formy výuky jsou vhodné výukové programy na CD-ROM. Všechny další jako AVHRR CD-Browser Ionia, CZCS Browse Products, Ocean CD-Browser, GEDEX Experiment, TOGA Experiment, First ISLSCP (International Satellite Land Surface Climatology Project) Field Experiment Vol. 2,3 a 5, p ípadn data ze senzoru TOMS obsahují snímky vhodné k demonstra nímu použití. Aktivní formy výuky podporují produkty cílen koncipované jako výukové programy, z nichž jsou k dispozici nap . BILKO a IDRISI. Možnosti programu IDRISI jsou celkem dob e známé vzhledem k jeho pom rn širokému rozší ení v naší republice. Proto uvádím podrobn jší informace o v po adí tvrtém z po íta ových vzd lávacích modulových program BILKO. Ten je ástí projektu TREDMAR (UNESCO's Marine Science Training and Education Programme. Tématicky je program zam ený na aplikace snímk pob ežních oblastí a oceánografických snímk (dat) ze satelit , letadel a terénních m ení. Krom úvodní lekce, která je zam ená na nácvik innosti se software BILKO ver. 1.3 p i základním zpracování digitálních rastrových dat, je sou ástí soubor 7 praktických cvi ení: •

Zobrazení biooptických a fyzikálních parametr mo ské vody "in-situ".

• aso-prostorový vývoj pob ežního "upwelling" p i pob eží Mauretánie a Senegalu. • Kolísání povrchové teploty mo ské vody se zm nou zenitového úhlu satelitu na snímcích po ízených senzorem AVHRR. •

Sezónní a ro ní kolísání povrchové teploty Severního mo e.

•

Využití snímk SPOT p i analýze turbidity vody p i ústí eky Gironde.

• Detekce živo ich p i povrchu mo ské hladiny využitím leteckých snímk po ízených radarem typu SAR.

- 47 (58) -


• Odhad hloubky a studium topografie oceánu na základ družicového altimetru.

dat z

Z uvedeného p ehledu vyplývá možnost využití uvedeného prost edku i pro nácvik základních operací se snímky DPZ.

5.3.2

Lesnická fakulta eské zem d lské univerzity v Praze

Na lesnické fakult eské zem d lské univerzity v Praze dostávají adepti lesnictví základní informace o GIS ve druhém ro níku studia, v rámci povinného p edm tu geodézie. Volitelný p edm t DPZ a GIS se vyu uje v rámci specializací ve tvrtém ro níku.Výuka je zajiš ována ve spolupráci s pracovníky Lesprojektu Brandýs a Výzkumného ústavu meliorací na Zbraslavi (Ro ek 1995).

5.3.3

Lesnická fakulta Mendelovy zem d lské a lesnické univerzity v Brn

Na lesnické a d eva ské fakult Mendelovy zem d lské univerzity v Brn se u í GIS jako samostatný povinný p edm t ve druhém ro níku (2h p ednášek, 3h cvi ení týdn ), aby mohli poslucha i využít svých znalostí p i zpracování ekologické studie, kterou p edkládají p i souhrnné zkoušce ve t etím ro níku. Praktická cvi ení jsou založena na systémech IDRISI a TOPOL. Oba systémy jsou, spolu s pot ebnými grafickými daty, k dispozici v po íta ové síti fakulty. V nejbližší dob budou v této síti instalovány i digitální porostní mapy Školního lesního podniku K tiny, v etn databáze LHP. P edm t Dálkový pr zkum Zem a fotogrammetrie se vyu uje v rámci odborného zam ení Územní management ve tvrtém ro níku (2h p ednášek, 2h cvi ení týdn ), jako p edm t povinný, pro poslucha e bez odborného zam ení jako p edm t volitelný. Výuka zahrnuje základy geometrického i sémantického (analogového a digitálního) zpracování dat dálkového pr zkumu, v etn tématické interpretace. Vedení fakulty p edpokládá, že s uvedeným zabezpe ením výuky budou absolventi schopni se po nástupu do praxe v domén prostorových dat profesionáln orientovat. Poslucha i s vyhran ným zájmem o dálkový pr zkum a GIS zpracovávají na Ústavu geodézie a fotogrammetrie pomocí t chto metod své diplomové práce. Kartografické výsledky jsou obvykle p edávány správ p íslušných zájmových území. Diplomanti se podílejí na výzkumných projektech Ústavu geodézie a fotogrammetrie, p edevším na projektu „Budování prostorové lesnické databáze velkého m ítka pro území rezervace Kn hyn (Beskydy) na základ leteckých m ických spektrozonálních snímk “. Výhledovým cílem projektu je dokumentace rozpadu smrkových porost v rezervaci, a p ípadn i dokumentace postupu p irozené obnovy. V rámci tohoto projektu uskute ují diplomanti detailní klasifikaci poškození korun jednotlivých strom podle metodiky Evropských spole enství (Hildebrandt 1991).

- 48 (58) -

eské organizace

Ke zpracování diplomových prací je poslucha m k dispozici na platform PC následující software: IDRISI, TOPOL, SPANS, PC ARC/INFO, INTERGRAPH Microstation & MGE, MaGIS, a v nejbližší dob je o ekáván systém Easi Pace.

5.3.4

Výukové programy

Za skute nou špi ku mezi demonstra ními programy na CD-ROM je považován encyklopedický "The CD Guide to ERS-1", který uživateli nabízí: P ehled nejd ležit jších informací o projektu ERS-1 i DPZ Tato ást je ur ena novým zájemc m o DPZ a t m, kte í se cht jí seznámit jak s programem ERS-1, tak i s podstatou pozorování Zem z jiných satelit , v etn aplikací. Modul je zpracovaný formou asi 5' animace. Celkový p ehled programu ERS-1 Tato ást nabízí vy erpávající informace o projektu ve form textu, obrázk animací. Je rozd lená do oddíl :

i

Úvod k ERS-1 Satelit a p ístroje na palub Pozemní za ízení a služby uživatel m Datové produkty ERS-1 Aplikace dat ze satelitu ERS-1. Pr vodce projektem ERS-1 Manuál poskytuje detailn jší informace k okruh m uvedeným v bodu b), ale i informace o možnostech získání produkt , nejbližších cílech atd. Vybrané okruhu (termíny) lze vyhledávat v obsahu zadáním klí ového hesla, v rejst íku nebo podle abecedy. Interaktivní innost umož uje také CD-ROM "Introduction to Remote Sensing" vyvinutý v rámci tzv. "Join Education Initiative" univerzitou College Park v Marylandu (USA). Program nabízí: Vyvolání obrazových ( asových) sekvencí (nap . mozaikové mapy USA ze senzoru AVHRR, erupce vulkánu Mt. St. Helens ze satelitu GOES, snímky v jednotlivých spektrálních pásmech senzoru TM atd.). Vyhledání a vysv tlení termín , slovních spojení a pojm uspo ádaných encyklopedicky do dvou soubor ozna ených jako "Úvod do DPZ" a "Sopky a vulkanismus". Textové vysv tlení mnoha pojm je dopln né graficky (snímky DPZ, fotografie, grafy atd.). CD-ROM "Pre-launch SIR-C Education Program" lze považovat za rozsáhlý informa ní prost edek o nosi ích i produktech aktivního DPZ získaných radary umíst nými na letadlech a družicích. Vlastní projekt je sou ástí dlouhodobého programu NASA "Mission to the Planet Earth". Stovky multifrekven ních a multipolariza ních snímk z r zných asových období spolu s podrobnými vysv tlujícími texty jsou vhodné p edevším jako ukázky možných aplikací v hydrologii, oceánogrfaii, geologii a ekologii.

- 49 (58) -


Produkt evropské vesmírné agentury ESA "ERS-1 SAR Reference Coverage" sice nemá povahu vzd lávacího prost edku, ale omezen m že nahradit jmenovaný "The CD Guide to ERS-1" a vzhledem k povaze databáze (radarové snímky) i "SIR-C Education Program". Velmi aktuálním problémem v oblasti DPZ je integrace dat DPZ do GIS. Sou asnou úrove a možnosti v tomto okruhu problém lze demonstrovat využitím výukového programu "Environment GIS Kit". Jeho sou ástí je CDROM s datovými soubory a manuál.

5.4

Komer ní organizace

Je pravd podobné že lesnické aplikace údaj dálkového pr zkumu Zem spolu s technologií GIS budou s postupem asu i u nás získávat rostoucí po et p íznivc . Tak jako je tomu již nap . v Kanad , USA, Švédsku, p ijdou i eští lesníci na to, že údaje dálkového pr zkumu Zem za len né do GIS mohou relativn rychle optimalizovat asto protich dné požadavky kladené na zalesn ná území (produkce d eva, protierozní ochrana, vodohospodá ské funkce, rekreace, úto išt voln žijících živo ich , atd.). Nejnov jší informace o aktuálním stavu porost jsou velmi d ležité k tomu, aby tyto požadavky bylo možno zahrnout do lesních hospodá ských plán . Za sou asné úrovn technologie DPZ a GIS mohou být lesnické mapy aktualizovány tém kontinuáln , a lesní správci i manaže i tak mohou mít k dispozici mnohem erstv jší informace, nežli bylo možné d íve. GIS lze využívat k ukládání a analýze lesnických informací zp sobem, který nebyl d íve myslitelný. Ja tak možno snadno zjiš ovat t žitelné zásoby d íví v území, zpracovávat alternativní plány t žeb, nebo analyzovat ekologický potenciál stanoviš . Zpracovatelské schopnosti GIS umož ují relativn rychle vyhodnocovat r zné uvažované varianty. To vede ke kvalitativní zm n p ístupu k r zným analýzám. Nabízí se možnost postupného zjem ování a p ehodnocování hospodá ských plán , vedoucí k nalezení optimálního ešení situace. To by ovšem p edpokládalo i legislativní zm ny, které by m ly umožnit p echod od dosavadních rigidních lesních hospodá ských plán ke zp sob m umož ujícím výb r z více variant hospoda ení. Dnes, kdy lze redukovat pr m rné stá í informací v lesnických databázích z rok na týdny, už není žádoucí pracovat s informacemi v desetiletém cyklu zm n. Na novou formulaci lesního zákona naše lesnická ve ejnost napjat eká. Mnohé údaje, presentované komer ními firmami na r zných setkáních a seminá ích je nutno brát s rezervou, a po ítat s významnými rozdíly mezi hlásanou teorií a prožívanou praxí, v tšinou v neprosp ch praxe. Platí to jak pro r zné zpracovatelské systémy, tak pro proklamované výsledky aplikací renomovaných firem. Nebudu uvád t konkrétní p ípady, protože v tšina z nás z ejm má podobné zkušenosti. P esto však doufám, že nezanev eme na technologie digitálního sb ru a zpracování prostorových dat, a p isoudíme zmín né nedostatky velkému náskoku teorie p ed praxí. Za hlavní konsumenty lesnicky orientovaných prostorových dat je možno pokládat p edevším organizace státní správy, a to na ministerské úrovni (r zné projekty) i na úrovních nižších (informace pro podporu rozhodování, grafická data pro digitální prostorové databáze). V oblasti státní správy v tšinou - 50 (58) -

eské organizace

existuje kvalifikovaný zájem o data, pot ebný hardware, i p im ené finan ní prost edky. Není divu, že tato p íznivá konstelace okolností láká v tšinu producent , kte í zde mají možnost získat pom rn výživné zakázky. Zákazník je relativn spolehlivý a jeho pot eby jsou dlouhodobé. Pomineme-li pravideln obnovované hospodá ské plány, které zpracovává Lesprojekt pro v tšinu lesních celk , nejv tší prost edky na produkci prostorových data z ejm vynakládá Ministerstvo zem d lství, p edevším ve form dotací na monitorování stavu les a na další výzkumné projekty. O Ministerstvu životního prost edí platí vcelku totéž co o Ministerstvu zem d lství, s tím rozdílem, že MŽP finan n zabezpe uje také získávání prostorových digitálních dat pro okresní referáty životního prost edí.

Lesy eské republiky pot ebují prostorová digitální data pro vlastní strategické plánování, i pro práci svých pod ízených složek. Také ony jsou velmi významným konsumentem. Zna ným potenciálním konsumentem se mohou stát i velcí majitelé les , typu hrab te Kinského nap íklad. U nich je možno pro aplikaci prostorových dat p edpokládat dostatek znalostí, personálu i prost edk . Zkrátka zatím p icházejí st ední a drobní vlastníci les , kte í v tšinou nemají ani znalosti, ani prost edky, a zatím ani zájem, aby se soubory digitálních prostorových dat mohli pracovat. Zde se naskýtá nejv tší prostor pro cílenou osv tu. Uvádím zám rn osv tu, nikoli reklamu, pon vadž ú innost reklamy bude v tomto p ípad pravd podobn velmi malá.

5.4.1

GISAT

Pražská firma GISAT byla založena v roce 1990 ing. Janem Kolá em jako první soukromá firma v eské republice v oboru družicového dálkového pr zkumu Zem a geoinformací. Oficiální název firmy je Jan Kolá - GISAT. Aktivity firmy GISAT pokrývají široké spektrum inností spojených s dálkovým pr zkumem Zem - od distribuce družicových dat, digitálního zpracování družicových a leteckých snímk , p es vývoj metodik na získávání geoinformací a monitorování stavu i zm n životního prost edí až po tvorbu geoinforma ních systém . Standardní produkty zahrnují p esné družicové obrazové mapy a z nich odvozené základní a tématické mapy v m ítku od 1:10 000 do 1:1 000 000. Z dalších jsou to p edevším digitální výškové modely (DTM) a mapy krajinného krytu (land cover) vhodné pro krajinné plánování, aplikaci rozptylových model i pro budování sít mobilních telefon . Nabídka služeb dále obsahuje aktualizaci existujících map, asové ady pro sledování trend zm n krajiny i monitorování p írodních katastrof. V neposlední ad GISAT nabízí možnost komplexní integrace družicových dat s daty z jiných zdroj v etn budování a zavád ní databází a geografických informa ních systém (GIS). Firma je reprezentantem dvou významných producent geoinforma ních programových produkt . Jedním tímto producentem je kanadská spole nost PCI Geomatics, druhá skupina program je produkována australskou spole ností GenaWare. Firma dodává a zpracovává optická data st edního rozlišení po izovaná družicemi Landsat, Spot a IRS, optická data vysokého rozlišení z družice

- 51 (58) -


Ikonos radarová data z družic ERS a Radarsat, p ípadn fotografická data z ruských družic. Na internetových stránkách této firmy (www.gisat.cz) lze dále nalézt nejzajímav jší zpracované projekty, p ehledy družic aj.

5.4.2

Lesprojekt Brandýs nad Labem

Ústav pro hospodá skou úpravu les -Lesprojekt se sídlem v Brandýse nad Labem se svými deseti pobo kami byl donedávna monopolním dodavatelem lesních hospodá ských plán (LHP) pro lesní pozemky na území celé republiky. Tento monopol je dnes narušen, Lesprojekt však stále z stává, a z ejm ješt dlouho z stane, hlavním producentem LHP. íselná data a kartografické podklady se zpracovávají na pobo kách, montáže a tisky map se uskute ují v úst edí firmy v Brandýse. Také fotogrammetrické zpracování leteckých snímk jako velmi ú inný prost edek k aktualizaci lesnických provozních map se uskute uje v úst edí Lesprojektu. Tato zab hnutá technologie však p ináší lesnímu hospodá i mapové informace s ur itým zpožd ním. Proto n které pobo ky (Hradec Králové, Plze , . Bud jovice) p echázejí na digitální tvorbu map, propojují popisné databáze s grafickými daty a s údaji lesní hospodá ské evidence. Náklady na vytvo ení digitálních databází a výsledných kartografických produkt jsou vyšší než p i stávající technologii, doba výroby map je však výrazn kratší. Velkou výhodou je skute nost, že p i obnov LHP, kdy bude moci být využito stávajících digitálních produkt , se dosáhne velké fina ní úspory. Ve spojitosti s digitálními leteckými nebo kosmickými snímky se nabízejí možnosti rychlého vyhodnocení v trných i k rovcových kalamit a perspektiva dlouhodobých sledování imisního poškození. V Lesprojektu byly vytvo eny základy první verse tuzemského (a v konkurenci zahrani ních produkt celkem úsp šného) systému pro zpracování prostorových dat TOPOL. Je možno konstatovat, že p evážná v tšina digitálních grafických dat LHP je dnes vytvá ena v prost edí TOPOLu. K ješt lepší podpo e digitální technologie zpracování LHP jsou ve spolupráci s firmou Help Service vytvá eny speciální varianty programu TOPOL - s pracovními názvy TOPOL pro Terén a TOPOL pro Kancelá (Slabý 1995). Odumírání lesních porost v d sledku imisního zatížení je na našem území pom rn podrobn dokumentováno pomocí snímkových ad družice Landsat, a technologie vyvinuté spole n pracovníky Lesprojektu a firmou Stoklasa Tech (v kooperaci s firmou Silvi Nova CS).

5.4.3

Holdingová spole nost Help Service Group, Praha

Spole nost Help Service p evzala roku 1992 od Lesprojektu program TOPOL jakožto vektorov (a lesnicky) zam ený systém a doplnila ho o geometrické procedury a funkce operující nad rastrem. Tím výrazn rozší ila nejen možnosti TOPOLu, ale i základnu svých uživatel . Že úsp šn , o tom sv d í pravidelná setkání uživatel TOPOLu, po ádaná firmou Help Service v Se i u Chrudimi.

- 52 (58) -

eské organizace

V poslední dob byl program TOPOL p eveden do prost edí WINDOWS a dopln n o nové operace, p edevším o zpracování sémantické (obsahové) složky rastrových dat. V této podob už za íná dosahovat úrovn image processing systém . Uživateli jsou k dispozici p íkazy nejen pro geometrické transformace, ale i p íkazy pro filtraci, hranové operace, klasifikaci, tvorbu barevných syntéz multispektrálních snímk , a další. Pomocí t chto operací je možno v TOPOLu zpracovávat družicové snímky a digitalizované snímky letecké. Tím si TOPOL jist p itáhne další tuzemskou (a snad i zahrani ní) klientelu. Podle firemních údaj se p ipravuje nová verse systému, která bude rozší ena o operace nad digitálním modelem reliéfu terénu a o operace digitální fotogrammetrie. Pro prohlížení a analýzu prostorových dat vyvinula firma Help Service program TOPOSKOP. Vzhledem k jednoduchému ovládání, p íznivé cen a nízkým nárok m na po íta ové vybavení je možno pokládat TOPOSKOP za systém dostupný širokému spektru uživatel . Z lesnického hlediska mají nezanedbatelný odborné konference o informa ních systémech v zem d lství a lesnictví, které firma organizuje, a na kterých je možno se seznámit s nejnov jšími výsledky v oblasti práce s digitálními prostorovými daty. Dce inné firmy holdingu Help Service Group, kterých je více než desítka, zastupují zájmy spole nosti v regionech. N které z nich se zabývají specializovanou inností, nap . skanováním - Help Service Scanning Praha, zpracováním dat dálkového pr zkumu - Help Service Remote Sensing Náchod, zpracováním lesnických aplikací - Help Forest Olomouc, a pod.

5.4.4

Foresta Velké Karlovice

Akciová spole nost Foresta Velké Karlovice pat í k firmám, které velmi rychle pochopily p evratný význam technologie digitálního zpracování prostorových dat pro moderní management. Od svého vzniku zam uje tato firma ást svých sil cílen a úsp šn tímto sm rem. V rámci Divize služeb bylo v Brn z ízeno specializované st edisko GIS, nabízející zákazníkovi pom rn širokou paletu služeb.. Pokud jde o geoinforma ní systémy, rozhodla se Foresta po d kladném pr zkumu trhu pro produkty australské firmy GENASYS, a stala se na našem území jejich ši itelem. Jak úsp šným, není autorovi známo, ale o v ci dost vypovídá skute nost, že produkty GENASYSu jsou UNIXovsky orientovány, zatímco v tšina skute ných (nebo potenciálních) uživatel GIS dosud pracuje na platformách PC. S programovými prost edky GENASYSu je Foresta schopna ve velkém uskute ovat digitalizaci lesnických provozních map, a získala v tomto ohledu pom rn velké zakázky pro Lesy eské republiky. K ú el m operativního lesního hospodá ského plánování vyvinula Foresta vlastní interak ní systém pro zpracování lesní hospodá ské knihy a evidence, známý pod zkratkou LKHE. LKHE je modulární systém pracující v prost edí Windows, s možností spolupráce s platformou Unix. Základním modulem je aplikace pro odborného lesního hospodá e, následuje modul hospodá ské úpravy lesa, modul pro statistické vyhodnocení informací, modul pro oce ování lesa, modul pro správu aplikací. P ipravuje se modul pro dlouhodobé plánování a lesnické a ekonomické prognózy. Systém umož uje - 53 (58) -


propojení s grafikou n kterých GIS, standardn je nabízen s prohlíže kou dat BASET. Datový model LKHE vychází z existujících databází lesní hospodá ské knihy, bezlesí a lesní hospodá ské evidence. Umož uje pr b žn dopl ovat data t chto databází o další informace, dokonce napojit simulace r stových proces , a tak vnést do stávajících statických dat LHP pot ebnou dynamiku. V této podob p edstavuje systém LKHE novátorský p ístup k hospodá ské správ lesních celk . Foresta nez stala pozadu ani v oblasti DPZ a v roce 1995 ustavila svou specializovanou pobo ku v Praze. Zde se eší r zné tématické úlohy pro resorty lesnictví a životního prost edí, jejichž spole ným znakem je spojení DPZ jako nástroje pro mapování zm n, a GIS jako prost edku pro analýzu a vytvá ení vazeb na správní agendu. Díky erudovanému personálu, který se poda ilo pro tuto pobo ku získat, bude Foresta významným producentem syntetických informací (podložených digitální grafikou) týkajících se lesa i jiných složek krajiny.

5.4.5

Argus Geo Systém, Hradec Králové

Firma Argus Geo Systém, Hradec Králové se zabývá po izováním leteckých m ických snímk , snímk pro interpreta ní ú ely a innostmi navazujícími. Krom snímkovacích prací nabízí firma fotogrammetrické zpracování získaných dat, v etn vyhotovení základních vrstev polohopisu pro GIS. Z hlediska lesnické interpretace má firma zkušenosti se snímkováním k rovcových kalamit a porost v r zném stádiu napadení k rovcem.

5.4.6

Ústav pro výzkum lesních ekosystém , Davle

Ústav pro výzkum lesních ekosystém (používá rad ji akronymum IFER svého názvu v angli tin , z ejm proto, že to vypadá i zní pon kud lépe nežli eské ÚVLE) se zabývá p edevším monitorováním velkých lesních oblastí. I když pracovníci ústavu nejsou hojní po tem (podle nejnov jších informací 14), jejich výsledky v oblasti zpracování lesnických digitálních prostorových dat nelze opominout. Metodika monitoringu les ( erný et al. 1993), kterou vypracovali, a která navazuje na mezinárodn uznávané metodické postupy, je doporu ena k užívání v celé R. Velkým p ínosem je to, že získané výsledky šet ení uložené v databázích jsou prostorov kódovány, a že v tšina tabulkových údaj má tomu odpovídající grafický výstup. Zp sob presentace výsledk jednotlivých projekt ústavu nastavuje všem podobným projekt m hodn vysokou la ku. Ústav pro výzkum lesních ekosystém získal v poslední dob zastoupení kanadské firmy Tydac Technologies, a distribuuje její geoinforma ní systém SPANS, pro který poskytuje i uživatelskou podporu. Pon vadž SPANS pat í ke špi kovým analytickým GIS na platform PC, je to pro eské uživatele dobrá zpráva.

- 54 (58) -

Záv r

6

Záv r

6.1

Shrnutí

V modulu 03 je pojednáno o metodách vizuálního a digitálního zpracování dat dálkového pr zkumu Zem . Je p ipojena i stru ná informace o výb rových organizacích, které mají alespo áste n , dálkový pr zkum Zem v náplni práce.

6.2

Studijní prameny

6.2.1

Seznam použité literatury

[1]

apek, R.: Dálkový pr zkum a fotointerpretace z hlediska geografa - I. Skripta p írodov decké fakulty UK, SPN Praha, 1978, 164 str.

[2]

Dobrovolný, P.: Dálkový pr zkum Zem : digitální zpracování obrazu. 1. vydání. Brno MU, 1998.

[3]

Fixel, J., Švábenský, O.: Geodetická astronomie a kosmická geodézie. VUT v Brn 1985

[4]

Kolá , J.: Dálkový pr zkum Zem . Populární p ednášky o fyzice, svazek 35, Praha, SNTL 1990, 176 str. + 16 stran p íloh

[5]

Kolá , J., Halounová, L., Pavelka, K.: Dálkový pr zkum Zem 10. Vydavatelství VUT, Praha 1997

[6]

Pavelka, K.: Dálkový pr zkum Zem Vydavatelství VUT, Praha, 1998

[7]

Pavelka, K.: Zpracování obrazových záznam DPZ. 1. vydání. Praha, VUT, 1999.

[8]

Vysoudil, M.: Dálkový pr zkum III. P írodov decká fakulta UP Olomouc (skripta), rektorát UP Olomouc, Olomouc 1993, 57 str.

6.2.2

10, Opera ní systémy.

Seznam dopl kové studijní literatury

[1]

Alföldi, T., Cratt, P., Stephens, P.: Definitions of Remote Sensing. Photogrammetric Engineering and Remote Sensing, Vol. 59, pp. 611613

[2]

Balca ík, M., Kolejka, J.: Za ízení FEAG a experimentální ov ení jeho použitelnosti k vyhodnocení barevných leteckých snímk . Zprávy GGÚ SAV, ro . 28, 1991, . 3, s. 5-13.

[3]

Boyle, R., Hlavá , V., Šouka, M.: Image Processing, Analysis and Machine Vision. 2. vydání. USA Kalifornia, Brooks/Cole Publishing Copany, 1999.

[4]

Campbell, J.B.: Introduction to Remote Sensing. Taylor & Francis, London 1996, 622 str.

- 55 (58) -


[5]

Cinotti, B., Deshayes, M.: Mapping of European Forests: Comparison of Existing Nomenclature and Consequences on the Use of Remote Sensing. In: Kennedy P.J., Päivinen R., Raihuvuo L. (eds.): Designing a System of Nomenclature for European Forest Mapping. Proceedings. European Forest Institute, Joensuu 1995.

[6]

erný, M., Michalec, M., Morav ík, P., Pa ez, J., Slavík, P.: Metodické postupy používané v programu monitoringu les . MŽP, Praha 1993.

[7]

Fajman, Z., Krix, K, Škapec, L.: P ísp vek k poznání spektrálních charakteristik smrkového jehli í. Lesnictví 32, 1986, 329-345.

[8]

Fernandes, R., Vyklický, M., v.d. Horst, P., Pauknerová, E.: Mixedmode classification of land cover in the Czech National Parks. EGIS/MARI, Paris 1994.

[9]

Hanzl, V., Plánka, L.: Letecké snímkování z malých výšek s využitím dálkov ízených nosi a nem ických kamer. Vojenský topografický obzor. Sborník topografické služby, . 1, VZÚ Praha, Praha 1992, str. 11 - 12

[10]

Hildebrandt, G.: Remote Sensing Applications for Forest Health Status Assessment. Commission of the European Communities, Freiburg 1991.

[11]

Je ábek, O. - Ledvinka, V.: tení leteckých a pozemních snímk . Praha 1959, 315 str.

[12]

Kennedy P., Folving S., McCormick N.: European Forest Ecosystems Mapping and Forest Statistics: The FIRS Project. In: Kenedy P.J., Paivinen R., Roihuvuo L. (eds.), 1994: Designing a System of Nomencalture for European Forest Mapping, International Workshop Proceedings. European Forest Institute, Joensuu 1994.

[13]

Kurt, A: Metody sputnikovoj geodezii. Moskva 1973

[14]

Lála, P., Vítek,A.: Malá encyklopedie kosmonautiky. Praha, Mladá fronta 1982, 392 str.

[15]

kol.: Manual of Remote Sensing I,II. Falls Church 1975, 2144 str.

[16]

kol.: The Guide to ERS-1. User Manual. European Space Agency. (CDROM), 1992

[17]

kol..: Application of Marine and Coastal Image Data from Satellite, Airborne and In-situ Sensor. Fourth Computer-based Learning Module. UNESCO, MARINF/90, Paris, 1993

[18]

kol.: Introduction to Remote Sensing. Join Education Initiative. University of Maryland College Park, Maryland. (CD-ROM), 1993

[19]

kol.: SIR - C Education Program. NASA, JPL Laboratory, Pasadena. Prelaunch CD-ROM, 1993

[20]

kol.: Environment GIS KIT. User's Guide. Version 1.1. SCOTT CONSEIL, 1994

[21]

Kolejka, J.: Stav a metody dálkového pr zkumu p írodních a antropogenních krajinných struktur na Geografickém ústavu SAV v Brn . Zprávy GGÚ SAV, ro . 24, 1987, . 1, s. 17-30.

- 56 (58) -

Záv r

[22]

Kolejka, J., Petch, J.: Geografické vyhodnocení digitalizovaných leteckých snímk vodních objekt . Sborník SGS, ro . 94, 1989, . 4, s. 241-248.

[23]

Koželuh, M., Nová ek, V., Plánka, L., Trnka, J.: Nekotoryje rezul´taty spektrometri eskich izmerenij i obrabotki krupnomasštabnych aerosnimkov. In: Itogovyj ot ot po meždunarodnomu aerokosmi eskomu eksperimentu "Kursk 85", Rabo aja gruppa socialisti eskich stran po distancionnomu zondirovaniju Zemlji programmy Interkosmos (RGDZ), Moskva 1987, VINITI, str. 194 203

[24]

Lauermann, L.: Letecké snímky, Brno 1955, 81 str.

[25]

N mcová, L., Pauknerová, E., Ku era, T.: Mapping Forest Ecosystems of the Czech Republic. PHARE MERA Project, 1995.

[26]

Pauknerová, E., v.d. Horst, P., Jeník J., 1994: Spruce forest decline in the Krkonoše National Park, A remote sensing and GIS case study. IGU conference Environment and quality of life in Central Europe, Prague 1994.

[27]

Plánka, L., Kirchner, K., Trnka, J.: Snímkování radiem ízeným modelem letadla v oblasti navrhované státní p írodní rezervace Babín. Zpracováno pro Správu CHKO Ž árské vrchy, Archív GGÚ SAV, Brno 1983, 12 str. + p íl.

[28]

Plánka, L.: Metoda leteckého snímkování z malých výšek. Zprávy GGÚ SAV, ro . 21, 1984, . 3, str. 3 - 12

[29]

Plánka, L. (ed.): Metodika ispol´zovanija radioupravljajemych aviamodelej, neobchodimych dlja sbora dannych v processe distancionnogo zondirovanija Zemli. Sbornik statjej 3, Brno 1984, GGÚ SAV, 136 str.

[30]

Plánka, L.: The Use of Radio-controlled Aeromodels for Photography with the View of Remote Sensing of the Earth. United Nations Training Course "Remote Sensing Applications to Geological Sciences", October 5 - 24, 1987, Dresden, Veröffentlichungen des Zentralinstituts für Physik der Erde, Potsdam 1987, ZIPE, pp. 58 – 69

[31]

Plánka, L.: Použití radiem ízených model letadel ke snímkování pro ú ely dálkového pr zkumu Zem . In: Metody studia agrotechnického geosystému z leteckých a pozemních záznam . Díl í výzkumná etapa DÚ SPZV II-7-4-06 "Metody dálkového pr zkumu agrotechnického geosystému na území SSR", zodp. eš.: O.Stehlík, Brno 1988, GGÚ SAV, str. 136 - 159

[32]

Plánka, L.: Metoda leteckého snímkování z malých výšek. In: Sborník prací 18 - Sborník referát I. s. - jugoslávského seminá e "Využití moderních metod pro geografický výzkum životního prost edí", Brno, 18.-24.5.1987 (Ed.: O.Mikulík, M.Špes), Brno 1989, GGÚ SAV, str.223 - 231

[33]

Plánka, L.: Vybrané problémy s aplikací radiem ízených model letadel p i velkom ítkovém snímkování.In: Sborník X. v decké

- 57 (58) -


konference VUT FAST, odborná sekce 4 geodézie a kartografie v Brn , 25.-28. zá í 1989, Brno 1989, VUT, str. 130 – 138 [34]

R ži ka, B. - Popelinský, L.: Rakety a kosmodromy, Praha Naše vojsko 1986

[35]

Sehnal, L., Pacner, K.: Akcelerometr pro americký raketoplán. Praha 1995

[36]

Schneider, S.: Luftbild und Luftbildinterpretation. Berlin - New York 1974, 530 str.

[37]

Vysoudil, M.: Zkušenosti ze studia dálkového pr zkumu Zem v Nizozemí a možnosti jejich využití ve výuce geografie. In: Geografické rozhledy. Ro . 2, 1993, . 4/92-93, str. 122-123.

[38]

Židek, V., Tu ek, J., Musilová, Z., N mcová, A.: Práce s digitálními prostorovými daty. U ební texty. MZLU, Brno (p ipraveno k tisku, v elektronické form k dispozici v po íta ové síti).

6.2.3

Odkazy na další studijní zdroje a prameny

[1]

www.gisat.cz,

[2]

www.mus.cz/~ales/

[3]

artin.zcu.cz/courses/dpz

[4]

http://mek.kosmo.cz/druzice/index.htm

[5]

http://www.lib.cas.cz/knav/space.40

[6]

http://www2.ncdc.noaa.gov/docs/klm/index.htm

[7]

http://www.chmi.cz/meteo/sat/

(další odkazy jsou uvedeny p ímo v textech modul 01 až 03)

- 58 (58) -

VYSOKÉ UENÍ TECHNICKÉ V BRN FAKULTA STAVEBNÍ DÁLKOVÝ PRZKUM ZEM MODUL 03 ZPRACOVÁNÍ DAT

Recommend Documents