Távérzékeléssel nyert adatok integrálása térinformatikai rendszerbe, zalai erdőállomány károsodásának felmérése során /esettanulmány/ Berke József 1 - Vargáné Dugonics Rita 1 - Michael Gay 2 - Vincent Callede 2 - Emmanuel Chemineau 2 1. Pannon Agrártudományi Egyetem, Georgikon Mezőgazdaságtudományi Kar, Szaktanácsadási, Továbbképzési és Informatikai Központ, 8360 Keszthely, Deák F. u. 57. 2. Laboratoire de teledetection et de Cartographie Numerique Ecole Superieure d'agriculture de PURPAN, 75 voie du TOEC, 31076 TOULOUSE cedex France 1. Előzmények Egyetemünk több európai Intézettel /egy francia, egy angol és egy spanyol egyetem/ közösen három éves TEMPUS project résztvevője volt. A project egyik céljaként fogalmaztuk meg, hogy az egyes Intézmények oktatói, kutatói és végzős hallgatói szakmai programokon vegyenek részt külföldi Intézetekben. Így került sor arra, hogy az 1993-1996 közötti időszakban Informatikai Központunk öt külföldi szakembert is fogadott. Az egyes szakmai programok megvalósítására 2-4 hónap állt rendelkezésre [3]. A kutatási, alkalmazási programok témája a digitális képfeldolgozás mezőgazdaságban való alkalmazhatóságának tanulmányozása, valamint a vizuális adatokból kinyert információk térinformatikai rendszerekbe történő illesztése volt. A digitális képfeldolgozás az interdiszciplináris computer technika egyik kiemelt kutatási és alkalmazási területe [1,2]. Karunkon ezen alkalmazások mind a graduális és posztgraduális egyetemi oktatásnak, mind a szakirányú felnőttoktatásnak részét képezik. A graduális képzésben a számítástechnikai alapozó tantárgy keretein belül történik az alkalmazások ismertetése. Egyetemünkön a digitális képfeldolgozás szerepel a Ph.D. képzésben, az Integrált növényvédelmi módszerek elméleti alapjai A- típusú főprogram keretein belül, mint önálló tantárgy. A végzős hallgatók illetve szakmérnökök gyakran választják szakdolgozatuk témájául a képfeldolgozás mezőgazdasági alkalmazását. Külföldi hallgatók esetén a szakmai gyakorlatok kutatási területeit jelenti. Az informatikai
szakirányú felnőtt- oktatásban kötelező tantárgyként kerül oktatásra a digitális képfeldolgozás és alkalmazása [4]. A téma oktatásban történő, alkalmazás orientált ismertetésével az a célunk, hogy a hallgatók a képzések során megismerjék a korszerű technikát és technológiát bemutató számítógépes vizuális információt feldolgozó és kezelő módszereket. Előadásunkban egy konkrét projectet szeretnénk bemutatni. A toulouse- i Purpan mezőgazdasági főiskola három hallgatója 1994- ben három hónapot töltött el egyetemünkön TEMPUS project keretében. Magyarországi gyakorlatuk célja az volt, hogy a magukkal hozott SPOT űrfelvételek alapján osztályozzák és elemezzék Zala megye erdőségeit. 2. Kutatói és fejlesztői környezet 2.1 Hardware eszközök A feldolgozások során jelentősen eltérő számítógépes környezetet használtunk, mivel a két intézmény eltérő eszközparkkal rendelkezett és a feldolgozások részben a Keszthelyi Karon, részben Toulouse- i PURPAN Főiskolán történtek. A 1. táblázat a feldolgozások során használt számítógépek típusát és operációs rendszerét mutatja: Típus Operációs rendszer Betöltött funkció DEC 486/PENTIUM DOS- Windows grafikus munkaállomások DEC ALPHA AXP 3000 UNIX grafikus munkaállomás VAX 4100 VMS hálózati szerver VAX 3500 VMS grafikus szerver VAX Station 3100 VMS grafikus munkaállomások INTEL 486 NOVELL hálózati szerver 1. táblázat Az eszközök tetszőleges típusú vizuális információnak a digitalizálását lehetővé teszik kezdve a hagyományos térképeknél, a fotókon, filmeken keresztül egészen a digitális kamerával történő képek beviteléig.
2.2. Software rendszer Az állóképek feldolgozása során modulárisan felépített software rendszert használtunk, amely a kutatáshoz és oktatáshoz szükséges speciális kiegészítéseket is tartalmazza. Az egyes modulok önállóan is alkalmazhatók és eszközigényük közel azonos [2]. A kiértékelések hazai software eszköze a PRIMA (PRoper IMage Analysis) általános célú képfeldolgozó rendszer. Alapvető képfeldolgozási funkciókat tartalmaz. A PRICLA (PRoper Image CLAssification ) a PRIMA programrendszerre épülő szegmentáló és alakfelismerő alrendszer. Segítségével azonosíthatjuk a digitális képen található objektumokat, mérhetjük statisztikus jellemzőiket és osztályokba sorolhatjuk őket. A CIPRUS programrendszer fő modulja színes képek (3x8 bites) három különböző módszer szerint történő osztályozását is végzi: legközelebbi szomszédok módszere, Box- módszer, súlypontkereső klaszterezés. Az ERDAS IMAGINE Production teljes mélységben biztosít funkciókészletet a térinformatikai és képfeldolgozási elemzésekhez, s magában foglalja az alábbi modulokat: Lekérdező, Térképszerkesztő, Állománykezelő, Képkiigazító, Képelemző, Osztályozó, Térbeli Modellező és számos kiegészítő modul. ANAIS névre hallgat a műholdfelvételek előfeldolgozását, térképi rendszerbe történő illesztését támogató programrendszer. Analóg térképek bevitelére került kifejlesztésre az CALAGE program. Míg az osztályozások során a feladattól függően eltérő, célorientált modulokat használtunk [6]: előosztályozás - ECLATE, ANAVER osztályozás - CLASSGAUSS utóosztályozás - CONTROLE, CONFUSION. 3. Adatgyűjtés A munka előzetes terveinek elkészítése után, összefoglaló jelleggel felmértük a két ország erdőállományára jellemző vonásokat. Természetesen külön foglalkoztunk a vizsgálandó terület / Zala- megye / jellemzőinek részletes felmérésével. Mindebből megpróbáltunk következtetni a francia fél által használt feldolgozási módszerek lehetséges adaptációjára. Az 2. Táblázat a két ország erdőállományának összehasonlítását mutatja néhány jellemző paraméter alapján.
Jellemzők Magyarország Franciaország teljes erdőállomány 1.71 Mha (1994) 14.2 Mha (1986) területe magánkézben 31 % 70 % állami kézben 69 % 30 % felügyelő szervek felépítése 3 szintű, hierarchikus független felügyelő szervek /C.R.P.F., F.F.N., O.N.F./ 2. táblázat Összehasonlítottuk a két ország erdőfelügyeletét, gondozását ellátó (irányító)szervek strukturális és funkcionális felépítését is. Minderről egy rövid tanulmány is készült [5]. A gyökeresen eltérő jellemzők részleges magyarázata lehet a vizsgálat időpontjában még kezdeti stádiumban lévő hazai erdőállomány privatizációja, valamint a magán/állami arány szinte teljesen fordított állapota. 4. Referenciák, előosztályozás SPOT űrfelvételek alapján Munkánk során SPOT űrfelvételekkel dolgoztunk. Speciális kutatási területünk az erdők vizsgálata volt. A referenciákat a vizsgált terület közel 1 %- ának terepen történő felmérésével gyűjtöttünk. Közel 80 darab véletlenszerűen kiválasztott területet kerestünk fel és vizsgáltunk meg. Jártunk a Zalabaksai Erdészetnél, ahol fenyő hótöréses károsodását vizsgáltuk, a Lenti Erdészetnél, ahol kiszáradt éger állományt analizáltuk, a Nagykanizsai Erdészetnél, ahol szelídgesztenye pusztulását elemeztük és a Zalacsányi Erdészetnél rovarkár következményeit nézhettük meg a tölgyerdőben. A SPOT XS Multispectral űrfelvételen digitális képfeldolgozó és osztályozó programcsomagok segítségével, a referenciák felhasználásával elkülönítettük, majd azonosítottuk az egyes növénykultúrákat több osztályozó módszert is kipróbálva. Az előfeldolgozások radiometriai és geometriai korrekciókat tartalmaztak. Az űrfelvételek júniusban készültek. Az osztályozások során RGB szintérben dolgoztunk mindegyik műholdas sáv felhasználásával. A referenciaadatok alapján 16 különböző osztályt /3. Táblázat/ határoztunk meg majd ezek alapján osztályoztuk a zalai területek növénytakaróját /1. Ábra/. A 3. táblázatban azoknak az osztályoknak adtunk azonosítót, amelyekre a confusion mátrix értéke meghaladta a 60 %- ot /kartográfiai kritérium [8,9] /.
Nr. Osztályok megnevezése Azonosító Megjegyzés 1 infrastrukturális elemek - úthálózat, vasút, stb. 2 gyümölcsös 80 alma, körte, stb. 3 gabonafélék 18 többféle is 4 csupasz termőföld 63 gabonafélék után 5 ismeretlen erdő - referenciával nem rendelkező erdőrészek 6 nedves, vizes területek - folyók ártere is 7 települések 98 falvak, városok 8 parlagon hagyott területek 1. 38 2 vagy 3 évesnél nem öregebb területek 9 parlagon hagyott területek 2. - 3 évesnél öregebb területek 10 víz 61 nyílt felszínű vízfelület 11 szőlő - 12 lomberdő 43 13 tűlevelűek 47 minden tűlevelű 14 gyep 27 15 fiatal erdőrészek - 2 évnél fiatalabb 16 repce 6 3. táblázat
1. ábra SPOT XS űrfelvétel előzetes osztályozása 5. Erdőrészek osztályozása Az erdőrészek feldolgozása során 14 fajt vizsgáltunk, melyek mindegyikéről referencia információkat gyűjtöttünk [7]. Több osztályozó eljárást is kipróbáltunk munkánk folyamán. A legjobb eredményt a PURPAN Főiskolán kidolgozott és alkalmazott osztályozással kaptuk. A feldolgozások során a tűlevelűek és a lombos erdő osztályozását külön- külön végeztük, amely további pontosítást tett lehetővé. Az osztályozás eredményét a 2. ábra szemlélteti.
2. ábra Erdővel borított területek osztályozása
6. Összefoglalás A munka jól megvilágította azt a tényt, hogy az adatgyűjtés, referenciagyűjtés és a számítógépes feldolgozás interaktív, egymást módosító és kiegészítő információt szolgáltat. A feldolgozások során több osztályozó eljárást is használtunk. Ezek közül leginkább hatékonynak a legnagyobb valószínűségre épülő, interaktív tanítóval kiegészített módszerek bizonyultak. 3. ábra Zalai területek előosztályozása
7. Irodalom [1] BERKE, J. - HEGEDŰS, GY. CS. - KELEMEN, D. - SZABÓ, J. (1996): Digitális képfeldolgozás és alkalmazásai. Keszthelyi Akadémia Alapítvány, Keszthely, ISBN 963 04 7466 2. [2] BERKE, J. - GYŐRFFY, K. - FISCHL, G. - KÁRPÁTI, L. - BAKONYI, J. (1993): The application of digital image processing in the evaluation of agricultural experiments, 5 th International Conference CAIP'93 Budapest. Springer- Verlag, Lecture Notes in Computer Science, 719:780-787. [3] BERKE, J. - KÁRPÁTI, L. - GYŐRFFY, K. - FISCHL, G. (1995): Applied Image Processing as a Subject of Scientific Instruction for Hungarian and Foreign Students, A2- Science and Technology in the Alpine- Adriatic Region, 6:10-11. [4] BERKE, J. - VARGÁNÉ DUGONICS, R. - KÁRPÁTI, L. (1995): Alkalmazott képfeldolgozás, mint hazai és külföldi hallgatók szakmai képzésének témája, Agrárfelsőoktatás matematikát és számítástechnikát oktatók X. konferenciája, Keszthely. [5] CALLEDE, V. - CHEMINEAU, E., (1994): The Organization of the Forests in Hungary. Pannon University of Agricultural Sciences, Georgikon Faculty of Agronomy, Keszthely, Ecole Superieure D Agriculture PURPAN, Toulouse. [6] CALLEDE, V. - CHEMINEAU, E., (1994): Applied Image Processing in Damaged Forest Investigation, Pannon University of Agricultural Sciences, Georgikon Faculty of Agronomy, Keszthely, Ecole Superieure D Agriculture PURPAN, Toulouse. [7] GAY, M. - CHERET, V. (1996): Integration of Remote Sensing Classification Data In a GIS Devoted to Forest Management. Application of Remote Sensing in European Forest Monitoring Conference, Institute for Surveying and Remote Sensing of the University of Agriculture Vienna, Austria, 14-16 October 1996. [8] TOUZELET, M. (1983): Enquéte sur l utilisation du sol par la méthode des segments. Cahiers Statistiques Agricoles, Nr. 2. [9] VIGNOLLES, C. (1991): Contribution de la télédétection satellitaire a la reconnaissance des massifs forestiers en zone de polyculture. Thése de l E.S.A.P. Toulouse.