TARTALOM I. Távérzékelés fogalma, folyamata TÁVÉRZÉKELÉS ALKALMAZÁSI LEHETŐSÉGEI a környezetszennyezés hatásvizsgálatánál II. Távérzékelt felvételek és szenzorok III. Távérzékelt felvételek feldolgozás Készítette: KOZMA-BOGNÁR VERONIKA IV. Gyakorlati példák Távérzékelés fogalma I. TÁVÉRZÉKELÉS FOGALMA ÉS FOLYAMATA A távérzékelés azon technikák összessége, amelynek segítségével információt szerezhetünk a megfigyelés tárgyáról (két vagy háromdimenziós, időben változó folyamatok követése esetén négydimenziós objektumok, jelenségek) úgy, hogy az érzékelő eszközök nincsenek közvetlen kapcsolatban a vizsgálat tárgyával. A távérzékelés fogalmába nem csak az adatgyűjtés, hanem a kapott adatok feldolgozása, értékelése is beletartozik (felvétel készítése, elemzése, interpretálása) Berke-Kozma-Bognár., 2010 Távérzékelés fogalma II. A távérzékelés multi-koncepciója A földfelszín objektumai által különböző hullámhosszon visszavert vagy kisugározott elektromágneses energia rögzítése és az adatok kiértékelése. A hagyományosnak mondható légi és műholdakon elhelyezett szenzorok az elektromágneses energia/hullámok terjedését, eloszlását mérik és rögzítik, ebből következtethetünk az egyes objektumokra és azok paramétereire. MULTI-STAGE: Különböző magasságokon különböző platformokra telepített műszerek. MULTI-TEMPORAL: Különböző időpontokban készített felvétek, az összehasonlíthatóság alapját képezik. MULTI-SENSOR: Különböző érzékelők alkalmazása a célnak megfelelően. MULTI-SPECTRAL: Különböző hullámhosszakon történő megfigyelése (Detrekői-Szabó, 2003) 1
Távérzékelés jellemzői (előnyök) Távérzékelés jellemzői (hátrányok) mérőműszer nincs közvetlen kapcsolatban a vizsgált tárggyal (a megfigyelt tárgyat nem befolyásolja). a láthatatlan láthatóvá válik (más módszerekkel elérhetetlen, megfigyelhetetlen területek is megfigyelhetők). nagy kiterjedésű területekről rendkívül rövid idő alatt sok adat gyűjtését. nagy területről kapunk homogén adatrendszert. az elektromágneses spektrum látható tartományán kívüli hullámhosszokon is végezhetünk megfigyelését. az összegyűjtött adatok bármikor reprodukálhatók. a kérdésfelvetéshez alkalmazkodik az észlelési mód és az adatfeldolgozási eljárás olcsó és kevés munkaerőt igényel? A távérzékelés alkalmazásának hátrányaként a kiértékelésben rejlő nehézségeket kell megemlíteni. A távérzékelési feladat eredményének pontossága, megbízhatósága rendkívül sok tényezőtől függ. Mind az adatgyűjtés mind pedig a feldolgozás jelentős szakértelmet és speciális rendszerek alkalmazását igényli. Czimber, 2001 Távérzékelés Távérzékelés folyamata A távérzékelés során a földfelszín tárgyairól visszavert illetve kisugárzott elektromágneses energia kerül rögzítésre. A detektáló berendezések 3000 nm alatt hullámhosszoknál elsősorban a visszavert energiát, míg 5000 nm felett a kibocsátott energiát detektálják. Mucsi, 2004 Atmoszférikus hatások Atmoszférikus szóródás Az atmoszférában megtett út alatt az energia részben visszaverődik, szóródik, elnyelődik, továbbítódik. Ezen hatások mértéke függ a sugárzás energiájának a nagyságától, a sugárzás által megtett út hosszától, az atmoszféra összetételétől, a részecskék nagyságától és a hullámhossztól. Az atmoszférikus szóródás az atmoszférában megtalálható részecskék okozzák. A légkört alkotó gázok szerint a szóródást két nagyobb csoportra bonthatjuk: - a szelektív szóródásra, amelyet az gázok (CO 2 ) okoznak, - Rayleigh-szóródás - Mie-szóródás - a nem-szelektív szóródásra, amely a légkör páratartalmának és a felhőknek a következménye. Berke-Kozma-Bognár, 2010 2
Szelektív szóródás Nem szelektív szóródás A szelektív szóródás több típusa létezik aszerint, hogy a részecske átmérője hogyan viszonyul a vele kölcsönhatásba lépő sugárzás hullámhosszával: A Rayleigh-szóródás esetében a részecskék (pl. nagyobb molekulák, egyes aeroszolok, vulkánkitörések) átmérője lényegesen kisebb, mint a sugárzás hullámhossza. Ilyen méretű légköri anyagok az ipari és közlekedési eredetű részecskék valamint a tüzelőanyagok elégetésekor keletkező égéstermékek is. A Rayleigh-szóródás hatása a hullámhossz negyedik hatványával fordítottan arányos, ezért sokkal intenzívebb a rövidebb hullámhosszak szóródása, mint a hosszabb hullámhosszaké. Ez a típusú szóródás okozza a műholdképek homályosságát, ami a kép élességének csökkenésében, a kontraszt romlásában nyilvánul meg. A nem-szelektív szóródás, a (harmadik típusú szóródás) akkor jön létre, ha a részecske átmérője sokkal nagyobb (pl. vízcseppek), mint a sugárzás hullámhossza. Mivel ez a szóródás nem-szelektív a hullámhosszal kapcsolatban, az ebbe a mérettartományba eső felhőelemek/vízcseppek a látható fény összetevőit (a kék, a zöld és a vörös fényt) teljesen egyenlő mértékben szórják, ezért fehér színű a felhő és a köd. A Mie-szóródás akkor lép fel, ha a részecskék átmérője azonos (pl. vízgőz, finom porrészecskék és egyes makromolekulák) a sugárzás hullámhosszával. A Mieszóródás is hullámhosszfüggő, azonban kevésbé, mint a Rayleigh-szóródás. Hatása inkább a nagyobb hullámhosszak esetén érezhető. A Mie-szóródás már csekély felhőzet esetén is jelentős lehet. A szóródás teljes mértékű, tökéletes korrekciója nem lehetséges. A gyakorlatban a feldolgozó szoftverekkel lehetséges!!!! Atmoszférikus abszorpció I. Atmoszférikus abszorpció II. A szóródással ellentétben, az atmoszférikus abszorpció valódi energiaveszteséget jelent. Az abszorpció következtében az elektromágneses hullám energiáját az abszorbeáló molekulák (elsősorban a vízgőz-, a széndioxid- és ózonmolekulák) elnyelik, így döntően befolyásolják azt, hogy mely spektrális sávokat alkalmazhatjuk az adott távérzékelő rendszerekben. Sabins, 1987 A távérzékelési eszközök spektrális működési tartományai Spektrális tartományok jellemzői Sabins, 1987 Az elektromágneses spektrum gamma és röntgen sugárzási régiója földi távérzékelési célból érdektelenek (kivétel a kőzetek természetes radioaktivitásából eredő gamma-sugárzás detektálása) (Büttner, 2004), mivel a légköri elemek teljes mértékben elnyelik őket. Az ózonmolekulák az ultraibolya sugárzást csaknem tökéletesen elnyelik, csak a 0,3-0,4 µm tartomány kerül átengedésre. Mivel az ultraibolya sugárzásnak ez a hosszú hullámhosszú része detektálható, így ez a tartomány kevésbé alkalmas a távérzékelési feladatok elvégzésére. A távérzékelésre leginkább alkalmazott látható, infravörös (reflektál és termális) tartományban a vízgőz és a szén-dioxid a legjelentősebb abszorbensek. A mikrohullámú tartományokban az abszorpció alacsony szintje következtében a távérzékelés alkalmazását a légköri viszonyok nem zavarják. Az elektromágneses sugárzás leghosszabb hullámhosszú rádió hullámainak észlelésére is működtetnek szenzorokat. Ultraibolya: 30nm--400nm Látható: 400nm-700nm Infravörös: 700nm-1300nm közeli 700nm-100mikron: 1300nm-3000nm középső 3 mikron-100mikro termális Mikrohullám: 1mm-30cm 3
A távérzékelésben alkalmazott főbb spektrális régiók Atmoszférikus ablakok Hullámhossz tartomány megnevezése Látható (Visible=VIS) Közeli infravörös (Near InfraRed=NIR) Rövid hullámú infravörös (Short Wave InfraRed=SWIR) Közepes hullámú infravörös (MidWave InfraRed=MWIR) Termális vagy hosszúhullámú infravörös (Thermal InfraRed=TIR vagy LongWave InfraRed=LWIR) Hullámhossz tartomány (nm) Sugárzás forrása Alkalmazott felszíni tulajdonság 400-700 szoláris reflektancia 700-1 100 szoláris reflektancia 1 100-1 350 1 400-1 800 2 000-2 500 3 000-4000 4 500-5 000 8 000-9 500 10 000-14 000 szoláris szoláris, termális termális reflektancia reflektancia, hőmérséklet hőmérséklet Azokat a hullámhossz tartományokat, ahol legkisebb a szóródás és az elnyelés, tehát ahol teljesen vagy részben átengedi az atmoszféra az elektromágneses sugárzást atmoszférikus ablakoknak nevezzük. Atmoszférikus ablak hullámhossz tartomány (µm) 1 0,3-1,3 2 1,5-1,8 3 2,0-2,6 4 3,0-3,6 5 4,2-5,0 6 7,0-15,0 Sabins, 1987 Energiamegmaradás Az elektromágneses energia és a földfelszín találkozásakor, három alapvető energia-kölcsönhatást különböztetünk meg. A beérkező energia egy része visszaverődhet, elnyelődhet vagy/és elvezetődik. Az energiamegmaradás elve alapján igaz, hogy: E b = E r + E a + E t II. TÁVÉRZÉKELT FELVÉTELEK ÉS SZENZOROK ahol, E b - a beérkező energiamennyiség, E r - a reflektált (visszavert) energia, E a - az abszorbeált (elnyelt) energia, E t - a továbbított energia. Mindegyik komponens a hullámhossz függvénye. Detektáló berendezések Az elektromágneses sugárzást érzékelő műszereket szenzoroknak nevezzük. Típusai: 1. alkalmazott elektromágneses sugárzás hullámhossza alapján: pl. látható fény, infravörös,vagy mikrohullámúszenzorok Detektáló berendezések típusai 1. Az alkalmazott elektromágneses sugárzás hullámhossza alapján: látható fény, infravörös, mikrohullámú szenzorok 2. szenzor energia forrása alapján: pl. aktív és passzív szenzorok 3. visszavert sugárzás detektálásának módszere alapján: pl. analóg felvételeketés digitálisképeket készítő szenzorok 4. érzékelő működési elve alapján: pl. kamera (framing systems) vagy pásztázórendszerek (scanning systems) 5. hordozó eszköz alapján: pl. földi, légi és műholdasszenzorok Buiten, 1993 Látható tartományú felvétel Közeli Infravörös tartományú felvétel Közlekedés eredetű szennyezőanyagok vizsgálata 4
2015.09.29. Detektáló berendezések típusai 2. Detektáló berendezések típusai 3. A hordozó eszköz alapján: A visszavert sugárzás detektálásának módszere alapján: analóg felvételeket digitális képeket készítő szenzorok Analóg felvétel földi légi műholdas szenzorok Digitális felvétel Belényesi et al., 2008 Detektáló berendezések típusai 4. Földi felvétel Az előállított felvétel által tartalmazott információk alapján alapján:: Geometriai (térbeli) információk (objektum, helye, elhelyezkedése, alakja) Spektrális információk (hullámhossz tartomány, csatornák száma) Légifelvétel Távérzékelt felvételek csoportosítása (csatornák száma alapján): Műhold felvétel Pankromatikus kép: 1 db csatorna Színes kép (RGB kamerák): 3 db csatorna Multispektrális szenzorok: 4-20 db csatorna Hiperspektrális szenzorok: 21- db csatorna 27-i 149/2003/EK belső rendelet: a rendelet: több EURÓPAI UNIÓ TANÁCSA 2003. január 27mint húsz diszkrét spektrális sávval rendelkező szenzor AISA DUAL Hiperspekrális képalkotó rendszer Adatkocka felépítése http://www.specim.fi/ Hargitai, 2006 Spektrális visszaverődési görbe:: Az objektumok hullámhossz függvényében ábrázolt visszaverődési értékei Az AISA Dual az AISA Eagle és Hawk szenzorok egy duális tartóban történő összeszerelése révén kerül kialakításra. A két szenzor egyidőben azonos földi sávról képes szinkronizálva adatot gyűjteni, a 400-2450 nm spektrális tartományban, maximum 498 sávban. 5
2015.09.29. AISA DUAL főbb paraméterei Spektrális tartomány Hiperspektrális távérzékelés jellemzői VNIR szenzor (Eagle) SWIR szenzor (Hawk) AISA Dual 400-970 nm 970-2450 nm 400-2450 nm Spektrális felbontás 244 254 498 Spektrális minta 2.3 nm 5.8 nm 2.3, 5.8 Spektrális mélység (bit) 12 14 14 Térbeli pixelszám 1024 320 320 Optika 18.5 mm 22.5 (vagy 14) mm 18.04 FOV 37.7 fok 24 fok 24 fok IFOV 0.037 fok 0.075 fok 0.075 fok Képalkotási gyorsaság 100 kép/s-ig 100 kép/s-ig 100 kép/s-ig A hiperspektrális technológia alkalmazásával a nagyobb spektrális és térbeli felbontásnak köszönhetően - a hagyományos légi felvételezési technikákhoz (RGB-, multispektrális felvételek) képest megbízhatóbb információkat kapunk a földfelszín állapotáról, a lezajló folyamatokról, jelenségekről. A több spektrális sávban készített felvételekkel - a nagy spektrális felbontás miatt - a földfelszínen található objektumok (felszínrészletek, tereptárgyak, stb.) általában jobban elkülöníthetőek, mint az egyetlen sávban készítettekkel. ELŐFELDOLGOZOTT ÉS GEOKÓDOLT FELVÉTEL Detektáló berendezések típusai 5. Aktív A szenzor energia forrása alapján alapján: Passzív Aktív szenzorok LIDAR (LIght Direction And Ranging) 0,25-0,35 µm, ultraibolya 0,4-11 µm, látható fény és infravörös Megfigyelés bármilyen napszakban lehetséges, légköri inhomogenitás befolyásolja a detektálást Forrás: Buiten,1993 Passzív szenzorok: nem rendelkeznek saját sugárforrással. Természetes eredetű elektromágneses sugárzásokat érzékelik (objektum által visszavert napsugárzás vagy az objektum által kibocsátott sugárzás) Passzív érzékelés hátránya, hogy nappal és tiszta időben készíthetünk felvételt, mivel a felhőzet befolyásoló tényező. RADAR (RAdio Direction And Ranging) Mikrohullámokat fogja fel, A megfigyelés napszak-független és nem befolyásolja a felhőzet léte pl. X-BAND RADAR: 9,4 GHz (3,2 cm), P-BAND RADAR: 0,44 GHz (68cm) Aktív szenzorok: saját sugárforrással rendelkeznek. Az érzékelő által kibocsátott sugárzás visszavert részét detektálja. LIDAR felvételek alkalmazásai Detektáló berendezések típusai 6. Károly Róbert Főiskola Az érzékelő működési elve alapján: kamera ((framing framing systems systems)) pásztázó rendszerek (scanning (scanning systems systems)) 6
Felvételek jellemző paraméterei Műhold fogalma 1. A szenzor geometriai felbontása megadja a legközelebbi objektumok közötti távolságot a képen. Mértékegysége a méter. 2. A szenzor időbeli felbontása a szenzor érzékelésének a frekvenciája. Gyakorlatban két felvétel készítése közötti legkisebb eltelt idő. Mértékegysége a Hertz vagy másodperc 1. Egy szenzor spektrális felbontása az a legkisebb sávszélesség, amely során még rögzíteni képes összefüggő (képi) adatot. Gyakorlati meghatározása: az érzékelő spektrális karakterisztikáján történő félértékszélesség mérésével történik, az érzékelő egyetlen csatornájának adatai alapján. Mértékegysége a nanométer. A bolygók körül keringő mesterséges égitesteket műholdaknak nevezzük. Az első világűrbe indított űreszköz, a Szputnyik 1 a Föld műholdja volt. Szovjetunió indított 1957. október 4-én. 1957 óta több ezer műhold állt pályára a Föld körül, de a Naprendszerben már más bolygók és holdak körül is keringenek műholdak. 2. A radiometriai felbontás a szenzor azon legkisebb érzékenysége, amely során még különbséget lát a bejövő elektromágneses jel intenzitásában. Mértékegysége a nanométer. Műholdak típusai I. Műholdak típusai II. Távközlési műholdak: rádió és mikrohullámú frekvenciát használva kommunikációs feladatokat látnak el. A legtöbb távközlési hold geoszinkron vagy közel-geostacionárius pályát használ, de vannak alacsony pályán is. Távérzékelő műholdak: a Föld felszínét figyelik a világűrből a felderítő műholdakhoz hasonlóan, de nem katonai célokra. Környezeti, térképezési vagy meteorológiai feladatokat látnak el. Navigációs műholdak: rádiójeleket használnak egy felszíni jelvevő berendezés pontos helyzetének a meghatározására. Felderítő műholdak: katonai vagy kémkedési célokat szolgáló földfigyelő vagy távközlési műholdak. Keveset tudunk a teljesítményeikről, a működtető kormányzatok legtöbbször titokban tartják az ezekről szóló információkat. Geodéziai műhold: ezen műholdak két frekvencián jeleket sugároznak, melyeket speciális geodéziai GPS/GNSS vevők venni tudnak, és segítségükkel akár 1-2 cm pontosságú helymeghatározásra képesek. Űrállomások: emberek szállítására alkalmas műholdak. Meteorológiai műholdak: a földi időjárást és/vagy éghajlatot figyelő műholdak. Bioműholdak: élőlényeket visznek magukkal kísérletek céljából. Csillagászati műholdak: csillagászati méréseket végző műholdak. Forrás: http://www.sulinet.hu/tart/fcikk/kice/0/16956/1 LANDSAT LANDSAT 7 ETM felvétel LANDSAT 7 ETM+ (Enhanced Thematic Mapper Plus): 7 sávban készít felvételeket, amelyből 6 sáv 30 m-es, míg a termális-infra tartományban készített felvétel 120 m-es terepi felbontású, a pankromatikus felvétel 15 m felbontású. a NASA, és az U.S. Geological Survey (USGS) hozta létre, 1999. december 1.-én. napszinkron (a műhold egy adott hely fölött mindig azonos helyi időben halad el), 705 km magasan keringő műhold által készített felvétel 183 km széles területről ad képi adatokat, 16 napos gyakorisággal 7
IRS Program IRS felvétel IRS (Indian Remote Sensing Satellite): két műholdból (IRS 1C és 1D) áll, többféle érzékelővel is felszerelték (Pancromatic, WiFS, LISS- III), 6-7 bit képpontonkénti információt szolgáltatnak adatait elsősorban globális vegetáció térképezésre és földhasználat felmérésre, valamint az urbanizáció hatásainak vizsgálatára használják. RADARSAT RADARSAT felvétel RADARSAT műhold: érzékelője az 5,6 cm-es hullámhosszban érzékel, az elkészített kép mérete változó: 50x50 km-től 500x500 kmig terjed, adatai térképészeti, urbanisztikai, mezőgazdasági termésbecslési, geológiai valamint sztereófelvételek készítésére is használhatók. SPOT Program SPOT felvétel SPOT 822 km magasságban, napszinkron pályán 26 naponkénti gyakorisággal készíthet felvételeket, a pankromatikus 5 m terepi felbontású, a multispektrális 10 és 20 m terepi felbontásúak. 8
IKONOS program IKONOS Forrás: http://www.agt.bme.hu/tutor_h/teri nfor/t34a.htm IKONOS műhold pankromatikus felvételei 1-1,5 m-es, multispektrális képei 4 m-es terepi felbontásúak, multispektrális adatokkal kiegészíthetők a pankromatikus képi adatok, ezáltal nagyfelbontású színezett képet kapunk. Az érzékelő 681 km magas, napszinkron pályán 11 km-es sávban készít vizuális adatokat, amelyek 11 bitesek Alkalmazási területei: vegetáció pontos feltérképezése, felszíni mesterséges objektumok és mozgások / pl. áruszállítás, tömegközlekedés/ felvételezése. IKONOS felvétel QUICKBIRD QuickBird rendszer: 2001. október 18.-án a kaliforniai Vandenberg légibázisról pályára állított szatellit multispektrális (terepi felbontása 2,44 méter) pankromatikus (terepi felbontása 0,61 méter) a felvételek 11 bit dinamikával készülnek. QUICKBIRD felvétel ENVISAT program Az első műhold, amely a világ valamennyi térségére kiterjedő kiotói egyezmény betartásának ellenőrzésében is részt vett, 800 km magasságban, 8,2 tonnás, 10,5 méteres környezetkutató műhold, 2002. márciusában bocsátották fel, 2012. április 8-án elhallgatott (Európai Űrügynökség (ESA) bejelentette, hogy befejezte küldetését Envisat nevű műholdja, amellyel tíz év szolgálat után 2012. április 9-én szakadt meg a kapcsolat http://index.hu/tudomany/urkutatas/2012/05/10/hivatalosan_is_halott_a_foldfigyelo_muhold/ 9
ENVISAT felvétel METEOSAT A METEOSAT 3 hullámhosszban készít képeket: látható tartományban (0,4-1,1µm) infravörös tartomány (10,5-12,5µm) a vízgőz elnyelési tartományában (5,7-7,1µm). Kb. 35800 km-es magasságban keringenek A felbontás a látható fény tartományában a legjobb (2,5 2,5 km a műhold alatt, hazánk térségében 3 3,75 km; másutt 5 5 km, ill. 6 7,5km). Az infravörös tartományban derült időben mért adatokból a talajfelszín sugárzási hőmérséklet származtatható (fagy-előrejelzés miatt fontos), zárt felhőzetnél a felhőtető hőmérséklete mérhető. MODIS Földmérési és Távérzékelési Intézet (FÖMI) A FÖMI ellátja a téradat-infrastruktúrák működtetését lehetővé tévő térbeli alapadatkörök gyűjtését, feldolgozását, tárolását, fejlesztését és szolgáltatását. www.fomi.hu Adatfeldolgozás folyamata NYERS ADATOK IIT. TÁVÉRZÉKELT FELVÉTELEK FELDOLGOZÁSA ELŐFELDOLGOZÁS mozaikolás, korrekciók FŐFELDOLGOZÁS osztályozás, index számítás UTÓFELDOLGOZÁS tanulóterület kijelölési hibáinak kiszűrésével, döntéshozási módszer kiválasztásával, eredménytérkép ellenőrzésével pl. hibamátrix TEMATIKUSAN OSZTÁLYOZOTT FELVÉTEL 10
Felvételek összeillesztése Korrekciók Gyakorlatban jelentkező általános képhibák: Geometriai torzítások Amorf torzítások Perspektivikus torzítás Vinyettálás Életlenség Kromatikus aberráció Összett torzítások Korrekciók elvégzéséhez szoftverhasználat szükséges Zajszűrés Osztályozás Zajtípusok általában: Sötét Pszeudo Véletlen Foton Zajszűrés nem minden esetben valósítható meg teljes mértékben Osztályozás fogalma: A kép osztályozása gyakorlatban olyan feladatok megoldását jelenti, amelyek kisszámú (összetartozó) képpontok együttesét, illetve szegmentált alakzatokat tulajdonságaik, sajátságaik alapján felismer, kategorizál, illetve előre megadott lehetőségek valamelyikébe sorol, s ezzel létrehozza a kép magasabb szintű leírását. Az osztályozási eljárások csoportosítása referencia alapján: 1. Tanítóval történő osztályozás (supervised classification) - az osztályozni kívánt képen részben vagy teljesen ismertek az osztályok 2. Tanító nélküli osztályozás (unsupervised classification or clustering) - az osztályozni kívánt képről nincs előzetes információnk Berke-Kozma-Bognár, 2010 Osztályozó eljárások eredményképei Osztályozó eljárások értékelése Osztályozatlan felvétel Maximium likelihood SAM Paralellepiped Minimum distance Mahalanobis Az osztályozás értékelése több szinten történhet: Tanulóterület kijelölési hibáinak kiszűrésével Döntéshozási módszer kiválasztásával Eredménytérkép ellenőrzésével Congalton és Green által meghatározott négy fő eljárás közül (vizuális értékelés, mennyiségi összehasonlítás, térbeli egyezőség elemzése, hibamátrix). Az osztályozás megbízhatóságának helyességét a hibamátrix átlós értekei mutatják, mivel az ott feltüntetett pixelértékek kerülnek helyesen osztályozásra. (Region of Interest = ROI, tanítóterületek ) 11
Vegetációs indexek Reflektancia görbék I. A reflektancia vagy visszaverődési görbék bizonyos értékeiből, változásaiból generálhatóak a különböző indexek. Fontosabb vegeatációs indexek: - NDVI (Normalised Difference Vegetation Index): a távérzékelésben igen elterjedt vegetációs index, ami egy első generációs index, és a fotoszintetikusan aktív vegetációt mutatja. IR - Red NDVI = IR + Red - SAVI (Soil-Adjusted Vegetation Index): a vizsgált növényállományban talaj foltok is találhatóak, abban az esetben a talajjal módosított vegetációs indexet a kell alkalmazni. Spektrális visszaverődési (reflektancia) görbe fogalma: Az objektumok hullámhossz függvényében ábrázolt visszaverődési értékei A anyagok fizikai és elektromágneses jellemzőitől valamint az elektromágneses sugárzás hullámhosszától függően a különböző tulajdonságú elemek eltérő reflexió (illetve emissziós) értékeket vesznek fel az egyes hullámhossztartományokban. - Vörös Él Index (Red Edge Index): második generációs index, ami a reflektancia görbék alakját és relatív helyzetét (Red Edge Inflection Pont - REIP) írja le. A görbe értékelése során az inflexiós pont eltolódásából következtethetünk a növény egészségi állapotára, stressz tűrő képességére, klorofill tartalomra, fertőzöttség mértékére, stb.. Reflektancia számítás NDVI számítás Reflektancia (pλ) a beeső: Eb (λ) és a visszavert: Er(λ) sugárzás hányadosa: pλ = [Er(λ)/Eb (λ)] *100 Ez az érték nemcsak százalékos formában, hanem viszonyszámként is kifejezhető (reflektancia-faktor, 0 és 1 közti szám). http://remotesensing.spiedigitallibrary.org/article.aspx?articleid=1182405 Vörös él index Reflektancia görbék II. A Red Edge Index (vörös él index) meghatározza: mennyire csúszik el a refleksziós görbe inflexiós pontja a vörös (0.6-0.7 µm) és a közeli infravörös (0.7-1.3 µm) tartomány határán a kék tartomány felé. Jelentősebb felszíni formák görbéi Buiten, 1993 Fontos, mivel az inflexiós pont eltolódásából következtethetünk a növény egészségi állapotára, stressz tűrő képességére, klorofill tartalomra, fertőzöttség mértékére, stb! A görbék alapján az egyes mikroorganizmusok, ásványok, növények, építmények, mesterséges anyagok jól azonosíthatóakká válnak, hiszen a különböző anyagok eltérő tulajdonságaiból adódóan más-más reflexiós görbékkel rendelkeznek. A reflektancia vagy visszaverődési görbék bizonyos értékeiből, változásaiból generálhatóak a különböző indexek. Fontosabb vegeatációs indexek: NDVI, SAVI, REIP (kiemelt jelentőségű a fotoszintetikusan aktív vegetációk vizsgálatai során) 12
Spektrum könyvtár Feldolgozást támogató szoftverek Spektrum könyvtár: A meghatározott körülmények között rögzített és gyűjteménybe foglalt spektrális ujjlenyomatokat tartalmaznak. Jelentős szerepet játszanak a spektrális azonosításban. Az itt található standard spektrális profilokat általában referenciaként használják az elemek meghatározásánál. Cél: objektumokat könnyen be lehessen azonosítani Ásványok Növényzet Mikroorganizmusok Építmények Mesterséges anyagok Jelentősebb könyvtárak: USGS library /USGS = United States Geológiai Földmérési Intézet/ http://speclab.cr.usgs.gov/spectral-lib.html ASTER library http://speclib.jpl.nasa.gov/ Varshney-Arora, 2004 Távérzékelés alkalmazási lehetőségei Jelentősebb felsőoktatási kutatási központok atmoszféra szennyeződés vizsgálata, aeroszolok atmoszférában történő detektálása, hidroszféra szennyeződések kutatása, tengeri ökoszisztéma monitoringja, földfelszíni ökoszisztéma környezeti monitorozása, földfelszíni szezonális elváltozások vizsgálata, geológiai kutatások, ásványok detektálása, vegetációk nagypontosságú térképezése, monitorozása, növényi vízháztartás vizsgálata, mezőgazdasági és erdészeti források feltérképezése, precíziós mezőgazdasági alkalmazások, talaj szennyezettség vizsgálata, erdők állapotának és igénybevételének vizsgálata, erdőtüzek vizsgálata, összefüggő erdők biokémiai vizsgálata, urbanizáció okozta környezeti hatások vizsgálata, élelmiszerbiztonságot érintő kutatások, nagyméretű digitális (képi) adatok hatékony feldolgozásának vizsgálata, orvosi kutatások, in-vivo, nem invazív vizsgálatok, képzőművészeti alkalmazások, stb. Intézmény Székhely Főbb kutatási területek Budapesti Corvinus Egyetem Budapest mezőgazdasági, környezetvédelmi és urbanisztikai Debreceni Egyetem Debrecen mezőgazdasági és környezetvédelmi Eötvös Lóránt Tudományegyetem Budapest idegen égitestek FVM Mezőgazdasági Gépesítési Intézet Gödöllő mezőgazdasági Gábor Dénes Főiskola Budapest informatikai, elméleti Károly Róbert Főiskola Gyöngyös mezőgazdasági, környezetvédelmi, ipari és katasztrófavédelmi Magyar Állami Földtani Intézet Budapest geológiai és környezetvédelmi MTA Balatoni Limnológiai Kutatóintézete Tihany hidrobotanikai Nyugat-Magyarországi Egyetem Mosonmagyaróvár mezőgazdasági Pannon Egyetem Keszthely mezőgazdasági Szegedi Tudományegyetem Szeged régészeti és urbanisztikai Szent István Egyetem Gödöllő mezőgazdasági és környezetvédelmi Információtartalmú elemzések a közlekedéseredetű szennyezőanyagok hatásvizsgálatánál IV. GYAKORLATI PÉLDÁK környezetszennyezés által okozott stresszhatásokra a növények indikátorként viselkednek növényállomány növekedési és fejlődési ütemében bekövetkezett változások távérzékelés útján történő nyomon követésével Pannon Egyetem Georgikon Karán 2010 óta folynak olyan közlekedés eredetű szennyezéses hatásvizsgálatok 13
Kutatási helyszín Szennyezések Tanyakereszti Agrometeorológiai Kutatóállomás tesztterülete (Keszthely) 10x10 m parcellák SPERLONA kukoricahibrid kadmium szennyezések 10-5 mol/hét koncentrációjú kadmium-nitrát oldat korom szennyezések 3 gm 2/hét vegytiszta korom öntözést csepegtető eljárással hajtottuk végre, az időjárás függvényében NY K Kutatás módszertana Mozaikolás Konvertálás Korrekciók Mozaikolás Maszkolás Mérés: ENTRÓPIA ALAPÚ S P E K T R Á L I S F R AK T Á L D I M E N Z I Ó ( S F D) AL AP Ú Kiértékelés Entrópia alapú Információtartalom Az entrópia napjainkban használt információelméleti fogalmát 1948-ban Claude E. Shannon (Shannon, 1948:27-28) vezette be, majd gyakorlati példán keresztül szemléltette (Shannon, 1951), melyet Neumann János javaslatára nevezett el entrópia függvénynek. Entrópia az információelméletben Claude E. Shannon (1948) Entrópia képek esetében Entrópia általános matematikai definíciója Rényi Alfréd (1961) H min =0 H=0 H=log 2 n H max =log 2 n H - az információelméleti entrópia p i - az i-edik üzenet előfordulási valószínűsége H a kép entrópiája p i - az i-edik intenzításérték előfordulási valószínűsége (relatív gyakorisága) 14
SFD alapú Információ szerkezete Az SFD a térbeli szerkezeten kívül a spektrális sávok színszerkezetének mérésére is alkalmas, és elegendő információt nyújt a színek, árnyalatok fraktál tulajdonságaira vonatkozóan is. A topológiai dimenzió egy egész szám míg a fraktál dimenziója egy tört. SFD mérhető = n S 1 j = 1 log( BM ) log( BT ) S 1 j j Berke, 2007 Benoit B. Mandelbrot (1982) ahol n a képrétegek vagy képcsatornák száma S a spektrális felbontás bitben BM j - értékes képpontot tartalmazó spektrális dobozok száma j-bit esetén BT j összes lehetséges spektrális dobozok száma j-bit esetén N önhasonló részek száma ε kicsinyítés aránya, vagy lépték Információ szerkezete Kutatások eredményei Klasszikus fraktál dimenzió problémái FD: 1,99 FD: 1,99 FD: 1,99 Megoldás: Spektrális Fraktál Dimenzió FD: 0,03328 FD: 0,03328 VIZSGÁLAT TÍPUSA ENTRÓPIA SFD SPEKTRÁLIS TARTOMÁNY SZERINT RÉSZBEN IGEN KEZELÉSEK ALAPJÁN NEM IGEN VEGETÁCIÓS IDŐSZAKON BELÜL IGEN IGEN ÉVENKÉNTI ELEMZÉSEK SZERINT RÉSZBEN IGEN GEOMETRIAI FELBONTÁS ALAPJÁN IGEN IGEN ÖNTÖZÉS SZERINT RÉSZBEN IGEN X Berke, 2006 Hasznos linkek Irodalomjegyzék Földmérési és Távérzékelési Intézet, Távérzékelési Központ http://www.fomi.hu Mezőgazdasági Parcella Azonosító Rendszer http://www.mepar.hu/ EURIMAGE számos műhold képeivelhttp://www.eurimage.com Spot űrfelvételek hivatalos címe http://www.spot.com Landsat űrfelvételek hivatalos címe http://www.landsat.com EurópaiŰrkutatási Hivatal /ESA/ - http://www.esa.int Föld teljes felszínére űrfelvételek www.earth.google.com http://www.digitalglobe.com ASTER library: http://speclib.jpl.nasa.gov/ Belényesi, M., Kristóf, D., Magyari, J. 2008. Távérzékelés a környezetgazdálkodásban. Szent István Egyetem, Mezőgazdaság- és Környezettudományi Kar, Környezet- és tájgazdálkodási Intézet. Gödöllő. Berke, (2007): Measuring of Spectral Fractal Dimension, Journal of New Mathematics and Natural Computation, vol. 3/3, pp. 409 418. DOI: 10.1142/S1793005707000872. Berke, J. (2006): Measuring of Spectral Fractal Dimension, Advances in Systems Computing Sciences and Software Engineering, Springer-Verlag pp. 397-402., ISBN 10 1-4020-5262-6. Berke, J., Kozma-Bognár, V. 2010a. Távérzékelés alapjai. In: Berke, J. (szerk.) Digitális képfeldolgozás és alkalmazásai (DIGKEP v7.0). Elektronikus és nyomtatott tankönyv. Kvark Számítástechnikai Bt., Keszthely. ISBN:978-963-06-7825-4. Buiten, H.J. 1993. General Aspects of Imaging and Recording of Remote Sensing Data. In: Buiten, H.J., Clevers, J.G.P.W. (eds.): Land Observation by Remote Sensing Theory and Applications. Overseas Publishers Association, Amsterdam. pp. 63-82. Czimber, K. 2001. Geoinformatika, Raszteres adatmodell, távérzékelés. Elektronikus jegyzet. http://www.geo.u-szeged.hu/~joe/fotogrammetria/geoinfo/geoinfo2.htm#toc314. Detrekői, Á., Szabó, Gy. 2003. Térinformatika. Nemzeti Tankönyv Kiadó. Európai Unió Tanácsa. 2003. 149/2003/EK belső rendelet. http://eurlex.europa.eu/lexuriserv/lexuriserv.do?uri=celex:32003r0149:hu:not 15
Irodalomjegyzék Köszönetnyilvánítás Földmérési és Távérzékelési Intézet: www.fomi.hu Hargitai, H. 2006. A hiperspektrális képfeldolgozás módszerei és az első magyarországi képalkotó spektrométeres repülés adatainak elemzése. Doktori (PhD) értekezés. Eötvös Lóránd Tudományegyetem, Természettudományi Kar. Budapest. Mandelbrot, B.B. (1983): The fractal geometry of nature. W.H. Freeman and Company, New York. Mucsi, L. 2004. Műholdas távérzékelés. Libellus. Szeged. ISBN:963 214 903 3. NDVI: ttp://remotesensing.spiedigitallibrary.org/article.aspx?articleid=1182405 Rényi, A. (1961): Onmeasures of information and entropy, Proceedings of the 4th Berkeley SymposiumonMathematics, Statistics and Probability, 1960:547 561. Sabins, F.F. 1987. Remote Sensing. Principles and Interpretation. W. H. Freeman and Co. Los Angeles. ISBN 0-7167-1793-X. Shannon, C. E. (1948): A MathematicalTheory of Communication, The Bell System Technical Journal, 27:379 423. Specim Spectral Imaging Ltd. hivatalos weboldal. http://www.specim.fi/ USGS library /USGS = United States Geológiai Földmérési Intézet/ http://speclab.cr.usgs.gov/spectral-lib.html Varshney, P. K., Arora, M. K. 2004. Advanced Image Processing Techniques for Remotely Sensed Hyperspectral Data. Springer Berlin Heidelberg. New York. ISBN: 3-540-21668-5. A kutatás az Európai Uniós és Magyarország támogatásával a TÁMOP 4.2.4.A/1-11-1-2012-0001 azonosító számú Nemzeti Kiválóság Program Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése országos program című kiemelt projekt keretei között valósult meg. Érdekességek? 16