A távérzékelt felvételek tematikus kiértékelésének lépései

Hasonló dokumentumok
Távérzékelt felvételek kiértékelése, a képelemzés feladata és módszerei

A távérzékelés és fizikai alapjai 3. Fizikai alapok

Távérzékeléses parlagfű felmérési eredmények 2013-ban?

Távérzékelés a mezőgazdaságban és a környezetvédelemben

Távérzékelt felvételek és térinformatikai adatok integrált felhasználása a FÖMI mezőgazdasági alkalmazásaiban

Távérzékelés a precíziós gazdálkodás szolgálatában : látvány vagy tudomány. Verőné Dr. Wojtaszek Malgorzata

A városi vegetáció felmérése távérzékelési módszerekkel Vécsei Erzsébet

LÉGI HIPERSPEKTRÁLIS TÁVÉRZÉKELÉSI TECHNOLÓGIA FEJLESZTÉSE PARLAGFŰVEL FERTŐZÖTT TERÜLETEK MEGHATÁROZÁSÁHOZ

A távérzékeléses ellenőrzés jövőbe mutató technológiái

Városi környezet vizsgálata távérzékelési adatok osztályozásával

A földhasznosítás változásának követése távérzékeléssel

Új eredmények és lehetőségek a parlagfű távérzékeléses kimutatásában Surek György, Nádor Gizella, Hubik Irén

Földhasználati tervezés és monitoring 8.

Földhasználati tervezés és monitoring 8.

Távérzékelt felvételek előfeldolgozása

A távérzékelés és fizikai alapjai 4. Technikai alapok

Antropogén eredetű felszínváltozások vizsgálata távérzékeléssel

Távérzékeléses támogatás-ellenőrzés monitoring

Fejlesztési eredmények a mezőgazdasági károk távérzékeléses felmérésében

Távérzékelési technológiák a precíziós mezőgazdaságban

GISopen Földmérési és Távérzékelési Intézet Mezőgazdasági területeket érintő katasztrófák és károk távérzékeléses felmérése

A magyarországi aszályhelyzet és mérhetősége. Szalai Sándor Szent István Egyetem

Méréselmélet MI BSc 1

A fotogrammetria ismeretek és a szakmai tudás fontossága

Szántóföldön termelt főbb növények terméseredményei a Közép-Dunántúlon 2005

Agrárgazdasági Kutató Intézet Statisztikai Osztály

Általános nemzeti projektek Magyar Topográfiai Program (MTP) - Magyarország Digitális Ortofotó Programja (MADOP) CORINE Land Cover (CLC) projektek Mez

DIGITÁLIS TEREPMODELL A TÁJRENDEZÉSBEN

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

c adatpontok és az ismeretlen pont közötti kovariancia vektora

Vízgyűjtők távérzékelésen alapuló mezőgazdasági biomassza és aszálykockázati értékelése

Termőképességi térkép (KITErkep) alapján optimalizált termesztéstechnológia

Térinformatika és Geoinformatika

Termésbecslés Tavaszi munkák jelentése Nyári munkák jelentése Őszi munkák jelentése OSAP jelentések. Székesfehérvár

A hiperspektrális képalkotás elve

Válogatott kérdések a képelemzésből


Az Agrármérnöki MSc szak tananyagfejlesztése TÁMOP /1/A A NÖVÉNYTERMESZTÉSI ÁGAZATOK ÖKONÓMIÁJA

Az IDRISI szoftver fejlesztésének új eredményei. Az IDRISI Taiga eszköztára: Új fejlesztések. Image Processing: Szegmentálás SEGMENTATION

Mérés és modellezés Méréstechnika VM, GM, MM 1

A VÁROSI FELSZÍNBORÍTÁS-VÁLTOZÁS VIZSGÁLATA SZEGEDEN ŰR- ÉS LÉGIFELVÉTELEK ALAPJÁN

Mérés és modellezés 1

Döntéstámogatási rendszerek a növénytermesztésben

Adatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

Geoshop fejlesztése a FÖMI-nél

A MePAR átalakítása a Közös Agrárpolitika következő ciklusának támogatására

A Kedvezőtlen Adottságú Területek (KAT) jövője Skutai Julianna egyetemi docens SZIE - Környezet- és Tájgazdálkodási Intézet

Statisztikai Jelentések TÁJÉKOZTATÓ JELENTÉS A TAVASZI MEZŐGAZDASÁGI MUNKÁKRÓL

KÖZPONTI STATISZTIKAI HIVATAL MISKOLCI IGAZGATÓSÁGA. Szántóföldön termelt főbb növények terméseredményei Észak-Magyarországon 2006

Űrfelvétel kiértékelése Tokaj Rakamaz körüli mintaterületről

Térinformatika gyakorlati alkalmazási lehetőségei a Mezőgazdasági Szakigazgatási Hivatal Növény- és Talajvédelmi Igazgatóságán

A Mezőgazdasági Parcella Azonosító Rendszer (MePAR) Innováció és Kommunikáció ELTE Bolyai Kollégium december 5.

6. Előadás. Vereb György, DE OEC BSI, október 12.

Intelligens adatelemzés


GIS alkalmazása a precíziós növénytermesztésben

Magasságos GPS. avagy továbbra is

CSAPADÉK BEFOGADÓKÉPESSÉGÉNEK TÉRKÉPEZÉSE TÁVÉRZÉKELÉSI MÓDSZEREKKEL VÁROSI KÖRNYEZETBEN

Fö ldrajzi anal ó gia alkalmazása kl ímaszcen. ári. és ért. és ében. ékel. KR KÉPZÉS november 27 28

ZALA MEGYEI LEVÉLTÁR RAKTÁRI JEGYZÉK

A SZEGMENTÁLÁS SZEREPE AZ ŰRFELVÉTELEK TEMATIKUS OSZTÁLYOZÁSÁBAN. Összefoglaló

Az ESTA Szabvány A Vetőmagcsávázás európai minőségbiztosítása. Vetőmagcsávázásra és a csávázott vetőmagra vonatkozó minőségbiztosítási rendszer

Segítség az outputok értelmezéséhez

Statisztikai Jelentések TÁJÉKOZTATÓ JELENTÉS A TAVASZI MEZŐGAZDASÁGI MUNKÁKRÓL

Szerszámgépek, méretellenőrzés CNC szerszámgépen

Környezeti informatika

Statisztikai Jelentések TÁJÉKOZTATÓ JELENTÉS A TAVASZI MEZŐGAZDASÁGI MUNKÁKRÓL

A differenciált tápanyag-gazdálkodás és növényvédelem alkalmazásának lehetőségei

A talaj vízforgalma és hatása a mezőgazdasági termelésre

LAND CHANGE MODELER alkalmazása földhasználat kiértékelésében

Akusztikai tervezés a geometriai akusztika módszereivel

Digitális képek feldolgozása Előfeldolgozás Radiometriai korrekció Geometriai korrekció Képjavítás Szűrők Sávok közötti műveletek Képosztályozás Utófe

Ismertesse az őszi búza termesztésének célját, jelentőségét, technológiáját! Információtartalom vázlata:

A hiperspektrális távérzékelés lehetőségei a precíziós mezőgazdaságban. Keller Boglárka Tudományos segédmunkatárs NAIK MGI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Digitális felszínmodellek előállítása és alkalmazásának lehetőségei

Biomatematika 2 Orvosi biometria

Függetlenségvizsgálat, Illeszkedésvizsgálat

Útmutató a DriDanube kérdőív kitöltéséhez

A FÖLDMINŐSÍTÉS GEOMETRIAI ALAPJAI

Képfeldolgozás. 1. el adás. A képfeldolgozás m veletei. Mechatronikai mérnök szak BME, 2008

2010. április NÖVÉNYVÉDŐ SZEREK ÉRTÉKESÍTÉSE

Felszín n alatti vizeink. GWIS Kft

Kettőnél több csoport vizsgálata. Makara B. Gábor

Fotogrammetriai munkaállomások szoftvermoduljainak tervezése. Dr. habil. Jancsó Tamás Óbudai Egyetem, Alba Regia Műszaki Kar

A precíziós növénytermesztés döntéstámogató eszközei

A jogszabályi változások és a hazai infrastruktúrában történt fejlesztések hatása a GNSS mérésekre

INFORMATIKA ÁGAZATI ALKALMAZÁSAI. Az Agrármérnöki MSc szak tananyagfejlesztése TÁMOP /1/A

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

Statisztikai becslés

A kárpát-medencei erdőállományok meteorológiai/éghajlati hatásainak vizsgálata Drüszler Áron

A D-e-METER FÖLDMINŐSÍTÉSI VISZONYSZÁMOK ELMÉLETI HÁTTERE ÉS INFORMÁCIÓTARTALMA

Térképismeret 1 ELTE TTK Földtudományi és Földrajz BSc. 2007

Populációbecslések és monitoring

Statisztikai Jelentések TÁJÉKOZTATÓ JELENTÉS AZ ŐSZI MEZŐGAZDASÁGI MUNKÁKRÓL

A MePAR átalakítása a Közös Agrárpolitika következő ciklusának támogatására

1. ábra Egy terület DTM-je (balra) és ugyanazon terület DSM-je (jobbra)

A katonaföldrajzi kiadványok térinformatikai támogatása. Varga András hadnagy MH Geoinformációs Szolgálat

[Biomatematika 2] Orvosi biometria

Átírás:

A távérzékelt felvételek tematikus kiértékelésének lépései Csornai Gábor László István Földmérési és Távérzékelési Intézet Mezőgazdasági és Vidékfejlesztési Igazgatóság Az előadás 2011-es átdolgozott változata a TÁMOP 4.2.1./B-09/1/KMR-2010-0003 pályázat támogatásával készült.

L1. A célkitűzés megfogalmazása L2. A feladat elemzése, modellalkotás, tervkészítés L3. A felvételek kiválasztása L4. A felvételek közös térképi rendszerhez illesztése L5. A felvételek átfogó statisztikai vizsgálata, áttekintés, tájékozódás L6. Mintaterület kiválasztása L7. A szükséges referenciaadatok beszerzése L8. A tanulóterületek spektrális adatanalízise L9. Az adat- és tematikus osztályok összefüggéseinek megállapítása L10. A tematikus osztályok spektrális adatjellemzőinek összeállítása L11. A tematikus osztályozás elvégzése a tanulóterületre L12. A tematikus osztályozás kiterjeszthetőségének vizsgálata L13. A tematikus osztályozás elvégzése az egész régióra L14. Az eredmények megjelenítése képi, térképi és táblázatos formában

L1. A célkitűzés megfogalmazása - Mit akarunk kimutatni? Tematikus kategóriák Őszi búza Tavaszi árpa Őszi árpa Kukorica Silókukorica Napraforgó Cukorrépa Lucerna Vízfelszínek Nem mezőgazdasági területek Egyéb szántóföldi növények - Milyen pontossággal? - Pixelenként jó eredmény - Tematikus kategóriák területösszege

L2. A feladat elemzése, modellalkotás, tervkészítés Fizikai jellemzők megfeleltetése távérzékeléssel mérhető mennyiségeknek Példa: jól fejlődő és aszállyal sújtott növényzet összehasonlítása űrfelvétel-idősoron

03.17. 05.06. L3. A felvételek kiválasztása 06.06. 06.30. 07.27. 08.11.

L3. A felvételek kiválasztása - Típusok, darabszám - Időpont - Utólagos kiválasztás / Előre programozott Példa: az adott alkalmazáshoz szükséges űrfelvétel-készletet gyakran csak több különböző típusú, időpontú felvételből, kompromisszumokkal lehet összeállítani.

L4. A felvételek közös térképi rendszerhez illesztése Általánosabban: előfeldolgozás Geometriai korrekció: Esetünkben legtöbbször: EOV (Egységes Országos Vetület), képtípustól függő standard befoglalódobozzal

L5. A felvételek átfogó statisztikai vizsgálata, áttekintés, tájékozódás - Általános tájékozódás - Vizuális javítás - Hisztogramelemzés

L6. Mintaterület kiválasztása - A teljes terület felosztása strátumokra (más néven régiókra) Példa: Magyarország területének egy lehetséges felosztása strátumokra az időjárási, talaj-, növénytermesztési viszonyokhoz és az adminisztratív határokhoz igazodva - Az L7..L13 lépéseket minden strátumra végrehajtjuk! - Referenciaterületek kiválasztása a strátumokon belül

L7. A szükséges referenciaadatok beszerzése Tanuló Teszt

L8. A tanulóterületek spektrális adatanalízise - Clusterezés (pl. Isodata) -A clusterek vizsgálata a spektrális térben (feature space) A következő dián egy egyidőpontú clusterezés eredményét illusztráljuk. A bal felső sarokban látható az eredeti űrfelvétel, melyet 3 spektrális alosztályra bontottuk. Jobbra a pixelekhez hozzárendelt clustersorszámokat tartalmazó tematikus kép, az alsó sorban az eredeti felvétel három alosztályhoz tartozó részei ( maszkolt képek ) szerepelnek. Már ezen az egyszerű clusterezésen is látható a tematikus alosztályok kialakulása a felügyelet nélküli osztályozásnál (nem használtunk referencia-adatot): az 1. cluster a fejlett növénnyel borított mezőgazdasági tábláknak, a 3. a talajoknak felel meg, a 2. a vegyes alosztály, ide tartozik minden más: táblaszél, gyengén fejlett növényzet, út, település.

L8. A tanulóterületek spektrális adatanalízise - Clusterezés (pl. Isodata) -A clusterek vizsgálata a spektrális térben (feature space) A következő dián az eredeti felvétel, valamint külön-külön a három spektrális alosztály képét láthatjuk a spektrális térben. Az űrfelvételek ábrázolásánál a két koordináta a térbeli pozíciónak, a pixelértékek (vektorok!) az egyes sávokban mért intenzitásának felelnek meg. Ezzel szemben a spektrális térben a két koordináta két kiválasztott sávban mért intenzitásértékeknek, a pixelértékek pedig a párok (relatív) gyakoriságának felelnek meg. Tehát a spektrális térben vett kép tulajdonképpen egy kétdimenziós hisztogram felülről nézve, ahol színekkel kódoljuk a gyakoriságot.

L9. Az adat- és tematikus osztályok összefüggéseinek megállapítása

L9. Az adat- és tematikus osztályok összefüggéseinek megállapítása A lehetséges viszonyok: egy spektrális adatosztály megfelel egy tematikus osztálynak (igen ritka) több spektrális adatosztály épít fel egy tematikus célosztályt (leggyakoribb) egy spektrális adatosztály több tematikus célosztályban is fellép (ezek okozzák az osztályozási hibákat) valamely spektrális alosztály lényegében egyetlen tematikus osztályhoz sem köthető

L10. A tematikus osztályok spektrális adatjellemzőinek összeállítása Összeállítjuk a statisztikai osztályozás összes bemenőadatát. - Alosztályok halmaza, eloszlásuk paraméterei (átlagvektor, kovarianciamátrix) - A priori-valószínűségek -Bayes-osztályozás esetén: veszteségfüggvény Felmérjük, megbecsüljük a várható hibát. - Az alosztályok, osztályok távolságának felmérése: pontossági mértékek - Ha nem megfelelő: vissza L8-ra

L11. A tematikus osztályozás elvégzése a tanulóterületre Optimális esetben minden képpontra a tanuló-referenciaadat szerinti kategóriát kapjuk vissza. Nem tekinthető független mintának. Ha már itt is sok hibát találunk, újra el kell végezni a clusterezést (L8). A mai számítógép-teljesítmények mellett nem feltétlenül kell ténylegesen külön végezni az osztályozást, de a tanulóterületeken mutatott pontosságot akkor is érdemes külön felmérni.

L12. A tematikus osztályozás kiterjeszthetőségének vizsgálata - Az osztályozás elvégzése a teszt-referenciaadatokra - Ha nem megfelelő: vissza L6-ra vagy L8-ra

L13. A tematikus osztályozás elvégzése az egész strátumra (régióra) Őszi búza Tavaszi árpa Őszi árpa Kukorica Silókukorica Napraforgó Cukorrépa Lucerna Vízfelszínek Nem mezőgazdasági területek Egyéb szántóföldi növények

L14. Az eredmények megjelenítése képi, térképi és táblázatos formában - Strátumok (régiók) összerakása - Területnagyság meghatározása a tematikus térképből - Balra: országos aszálytérkép - Jobbra: növényterületek megyénkénti összegei és országos növénytérkép