DPZČást 3
Řízená klasifikaceSpektrální indexy
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 2
Program přednášky
Řízená klasifikace• trénovací plochy• klasifikátory
Spektrální indexy
Aplikace DPZ v geografii
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 3
Řízená x neřízená klasifikace
Neřízená klasifikace• pomocí matematických algoritmů vytvoříme
spektrálně separovené kategorie, kterým podle podpůrných dat (mapa, terén, letecké foto) přiřazujeme funkční význam
Řízená klasifikace• nejprve definujeme informační kategorie
(legendu) a pak zkoumáme jejich spektrální odlišnost
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 4
Řízená klasifikace
Postup• definování „trénovacích ploch“výpočet statistických charakteristik pro
plochy, editace a výběr vhodných pásem pro klasifikaci
výběr klasifikátoruklasifikaceúprava, hodnocení, prezentace výsledků
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 5
Trénovací plochy
1. definice tříd2. výběr ploch
• vhodná lokalizace• vhodná velikost
(>100px)
• homogenita• přesná vymezitelnost
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 6
Trénovací plochy - statistika
Ověření homogenity trénovacích tříd a ploch
Výběr vhodných pásem pro klasifikaci Statistické vlastnosti třídy z vybraných
pásem - signatura
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 7
Trénovací plochy
Testování vhodnosti trénovacích ploch• histogramy - statistické rozdělení
normální – O.K. bimodální (dva vrcholy) – chybně definovaná
třída, obsahuje informačně odlišné prvky - rozdělení tříd
• spektrogramy• korelogram
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 8
Trénovací plochy - statistika
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 9
Klasifikace
Pomocí vhodného rozhodovacího pravidla jsou pixely zařazovány do tříd.
Centroid (střed
shluku)
Zařazovaný pixel
Natrénované třídy A, B, C
a jejich spektrální hodnoty
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 10
Klasifikátory
Základní algoritmy• Minimální vzdálenosti středů shluků• Klasifikátor pravoúhelníků
(paralellpipeds)• Klasifikátor K nejbližších sousedů• Klasifikátor maximální pravděpodobnosti• Bayesovský klasifikátor
• ...řada dalších
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 11
Klasifikátor minimální vzdálenosti středů shluků
Vypočtení polohy středu shluku (centroidu)
Příslušnost k dané třídě určena podle vzdálenosti pixelu od jednotlivých centroidů
nevýhoda – neuvažuje rozptyl hodnot (podle rozptylu má pixel blíž k C než k B)
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 12
Klasifikátor pravoúhelníků (paralellpipeds)
Ohraničení min a max hodnot ve všech hodnocených pásmech hyperkvádry
Pixely mimo oblasti nejsou klasifikovány
Pixely v překryvu – definování pravidel pro zařazení
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 13
Klasifikátor K-nejbližších sousedů
Algroritmus vyhledá ke každému pixelu předem zadaný počet nejbližších pixelů v příznakovém prostoru.
Pixel je zařazen do třídy, která podle počtu příznakových pixelů převažuje
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 14
Klasifikátor maximální pravděpodobnosti
Při zatřiďování pixelů hodnotí rozptyl, korelaci a kovarianci
Vytvoří izolinie pravděpodobnosti výskytu pixelu s určitou hodnotou
Pixel zařazen do třídy, ve které má největší pravděpodobnost výskytu
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 15
Řízená klasifikace v MultiSpecu
Definice trénovacích ploch• Processor – Statistics
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 16
Řízená klasifikace v MultiSpecu
Vymezení trénovací plochy, automatické uzavření polygonu po dvojkliku
Definice nebo výběrtřídy
případné pojmenování plochy
Přidání dokončené trénovací plochy do seznamu
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 17
Řízená klasifikace v MultiSpecu
Testování homogenity tříd a trénovacích ploch
separace jednotl. tříd
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 18
Řízená klasifikace v MultiSpecu
výběr zobrazenýchpásem
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 19
Řízená klasifikace v MultiSpecu
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 20
Řízená klasifikace v Multispecu
Výběr metody
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 21
Klasifikátory v MultiSpecu
6 základních metod
možnost vytvoření pravděpodobnostního souboru – hodnota, s jakou pravděpodobností pixel patří do dané třídy
Výstup do souboru
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 22
Řízená klasifikace - výsledky
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 23
Kvantitativní kontrola výsledků
Chybová matice
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 24
Řízená klasifikace - cvičení
Klasifikace jedné vybrané třídy • voda• jehličnatý les
Vytvoření pravděpodobnostního souboru
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 25
Řízená klasifikace - cvičení
Natrénování 5 tříd• voda• jehličnatý les• holé plochy • 2 druhy kultur
Výpočet řízené klasifikace
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 26
Modelování s daty DPZ
Spektrální / vegetační indexy• aritmetické operace s dvěma či více pásmy• cíl – na základě znalosti spektrální odrazivosti zvýraznit
vegetační složku a její vlastnosti
• Poměrové indexy jednoduchý nebo normalizovaný poměr odrazivosti povrchu v
červené viditelné a blízké infračervené části spektra SR NDVI LAI, TVI, SLAVI aj.
• Ortogonální indexy lineární kombinace původních multispektrálních pásem Tasseled Cap transfomation PVI (perpendicular vegetation index)
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 27
Vegetační indexy
Maximalizují citlivost na biofyzikální paramtery rostlin tak, aby z výsledku bylo možno hodnotit stav a vegetační podmínky.
Eliminují rušivý vliv externích činitelů – atmosféry, půdy aj.
Pro validaci jsou navázány na některý z měřitelných parametrů vegetace (obsah chlorovylu, celková biomasa aj.)
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 28
Vegetační indexyNDVI
NDVI – Normalized Difference Vegetation Index
NDVI = (TM4 - TM3) / (TM4 + TM3)• hodnoty v intervalu [ -1; +1]• využití v systémech Landsat TM (TM3,4)
NOAA AVHRR (pásmo 1,2)• přehledové mapování stavu vegetace
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 29
Vegetační indexyNDVI
Typické hodnoty (AVHRR, podle Williams, 1995)
Povrch NDVI
Velmi hustá vegetace 0.500
Středně hustá vegetace 0.140
Řídká vegetace 0.090
Holá půda 0.025
Oblačnost 0.002
Sníh a led -0.046
Voda -0.257
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 30
Vegetační index SAVI
Soil Adjusted Vegetation Index
• NIR ... TM4, red ... TM3• L ... soil calibration factor, zpravidla
• Index minimalizuje rušivý vliv půdy, citlivý na atmosférické vlivy, možnost další modifikace (ARVI – Atmospherically Resistant Veget. Indx)
LredNIRredNIRL
SAVI ))(1(
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 31
Další indexy
SR – Simple Ratio• SR = TM4 / TM3• první používaný vegetační index
Infrared index (Hardisky et al., 1983)
• II = (TM4-TM5) / (TM4+TM5)• citlivější na změny biomasy rostlin a vodní stres
vegetace než NDVI
Mid IR index (Musick & Pelletier, 1988)
• Mid IR = TM5 / TM7• vysoká korelace s obsahem půdní vláhy
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 32
Další indexy
Moisture stress index (Rock et al., 1986)
Leaf Water Content Index (Hunt et al., 1986)
Crist, 1985
541log
541logTMTMTMTM
LWCI
45
TMTM
MSI
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 33
Tasseled Cap
Kauth & Thomas – transformace pásem Landsat MSS do čtyř nových, obsahující odvozenou tematickou informaci:• Soil Brightness Index• Greeness Vegetation Index• Yellow Stuff Index• Non-such
(rovnice viz Jensen, 2000; Dobrovolný, 1998)
Globální vegetační index, možnost použití v libovolné geografické oblasti
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 34
Modifikace Tasseled Cap pro Landsat TM
Brightness, Greeness, Wetness
Brightness = 0.0243TM1 + 0.4158TM2 + 0.5524TM3
+ 0.541TM4 + 0.3124TM5 + 0.2303TM7
Greeness = 0.0243TM1 + 0.4158TM2 + 0.5524TM3
+ 0.541TM4 + 0.3124TM5 + 0.2303TM7
Wetness = 0.0243TM1 + 0.4158TM2 + 0.5524TM3 + 0.541TM4 + 0.3124TM5 + 0.2303TM7
Crist, 1985
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 35
Výpočet spektrálních indexů v MultiSpecu
popis kanálů (pásem) ... C1 až Cxnásobky bez znaménka (0.72C4)příklad: výpočet NDVI
1. 2.
3.
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 36
Cvičení – vegetační indexy
Z dat Frymburk.lan vypočtěte
• Simple Ratio (SR)
• Moisture Stress Index (SRI)
• Normalizovaný vegetační index NDVI
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 37
Aplikace DPZ v oblastech s vegetací
Zemědělství Lesnictví Krajinná ekologie
Aplikace: Prostorová struktura krajiny (landcover) Kvantitativní charakteristiky vegetace
• rozlohy lesa, zemědělských kultur Kvalitativní stav vegetace
• zdravotní stav lesa Časové změny vegetace
• změna rozlohy lesa/luk/kultur
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 38
Aplikace DPZ v hydrologii
Oceánografie Kontinentální hydrologie
Aplikace• rozloha vodních objektů• znečištění vodních objektů• teplotní charakteristiky vodních objektů• vlhkostní charakteristiky krajiny• rozloha sněhové pokrývky• analýza vodní hodnoty sněhu
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 39
Aplikace DPZ v urbanizovaných oblastech
Územní plánování Krajinná ekologie
Aplikace:• změna struktury území• územní rozvoj• změny teplotních charakteristik urbanizované
krajiny• analýza industrializovaných oblastí• změny krajiny v oblastech těžby
© Jakub Langhammer, 2003© Jakub Langhammer, 2003 Aplikace VT ve FGAplikace VT ve FG 40
Aplikace DPZ v geomorfologii
Geomorfologie Pedologie Průzkum nalezišť nerostných surovin
Aplikace:• pedologie – půdní druhy, půdní vláha• analýza minerálů• geomorfologie – základní strukturní tvary a formy reliéfu
(zlomy aj.)• změny reliéfu (zemětřesení, vulkanologie)• mapování
generování 3D DMT ze stereo družit (SPOT) údolní a hydrografická síť