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