TÁVÉRZÉKELÉS ALKALMAZÁSI LEHETŐSÉGEI a környezetszennyezés hatásvizsgálatánál Készítette: KOZMA-BOGNÁR VERONIKA
TARTALOM I. Távérzékelés fogalma, folyamata II. Távérzékelt felvételek és szenzorok III. Távérzékelt felvételek feldolgozás IV. Gyakorlati példák
TÁVÉRZÉKELÉS FOGALMA ÉS FOLYAMATA
Távérzékelés fogalma I. 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. Ø A földfelszín objektumai által különböző hullámhosszon visszavert vagy kisugározott elektromágneses energia rögzítése és az adatok kiértékelése. Ø 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.
(Detrekői-Szabó, 2003) A távérzékelés multi-koncepciója 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
Távérzékelés jellemzői (előnyök) Ø Ø Ø Ø Ø Ø Ø Ø 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?
Távérzékelés jellemzői (hátrányok) 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 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.
Távérzékelés folyamata Mucsi, 2004
Atmoszférikus hatások 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. Berke-Kozma-Bognár, 2010
Atmoszférikus szóródás 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.
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 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.
Nem szelektív szóródás 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 szóródás teljes mértékű, tökéletes korrekciója nem lehetséges. A gyakorlatban a feldolgozó szoftverekkel lehetséges!!!!
Atmoszférikus abszorpció I. 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.
Atmoszférikus abszorpció II. Sabins, 1987
A távérzékelési eszközök spektrális működési tartományai Sabins, 1987 Ultraibolya: 30nm--400nm Látható: 400nm-700nm Infravörös: 700nm-100mikron: 700nm-1300nm közeli 1300nm-3000nm középső 3 mikron-100mikro termális Mikrohullám: 1mm-30cm
Spektrális tartományok jellemzői 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.
A távérzékelésben alkalmazott főbb spektrális régiók Hullámhossz tartomány megnevezése Hullámhossz tartomány (nm) Sugárzás forrása Alkalmazott felszíni tulajdonság Látható (Visible=VIS) Közeli infravörös (Near InfraRed=NIR) 400-700 szoláris reflektancia 700-1 100 szoláris reflektancia Rövid hullámú infravörös (Short Wave InfraRed=SWIR) 1 100-1 350 1 400-1 800 2 000-2 500 szoláris reflektancia Közepes hullámú infravörös (MidWave InfraRed=MWIR) 3 000-4000 4 500-5 000 szoláris, termális reflektancia, hőmérséklet Termális vagy hosszúhullámú infravörös (Thermal InfraRed=TIR vagy LongWave InfraRed=LWIR) 8 000-9 500 10 000-14 000 termális hőmérséklet Sabins, 1987
Atmoszférikus ablakok 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
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 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.
II. TÁVÉRZÉKELT FELVÉTELEK ÉS SZENZOROK
Detektáló berendezések Az elektromágneses sugárzást érzékelő műszereket szenzoroknak nevezzük. Típusai: 1. alkalmazott elektromágneses sugárzás hullámhossza alapján: pl. látható fény, infravörös, vagy mikrohullámú szenzorok 2. szenzor energia forrása alapján: pl. aktív és passzív szenzorok 3. visszavert sugárzás detektálásának módszere alapján: pl. analóg felvételeket és digitális képeket készítő szenzorok 4. érzékelő működési elve alapján: pl. kamera (framing systems) vagy pásztázó rendszerek (scanning systems) 5. hordozó eszköz alapján: pl. földi, légi és műholdas szenzorok Buiten, 1993
Detektáló berendezések típusai 1. Az alkalmazott elektromágneses sugárzás hullámhossza alapján: látható fény, infravörös, mikrohullámú szenzorok Látható tartományú felvétel Közeli Infravörös tartományú felvétel Közlekedés eredetű szennyezőanyagok vizsgálata
Detektáló berendezések típusai 2. A visszavert sugárzás detektálásának módszere alapján: analóg felvételeket digitális képeket készítő szenzorok Analóg felvétel Digitális felvétel
Detektáló berendezések típusai 3. A hordozó eszköz alapján: földi légi műholdas szenzorok Belényesi et al., 2008
Földi felvétel Légifelvétel Műhold felvétel
Detektáló berendezések típusai 4. Az előállított felvétel által tartalmazott információk alapján: Geometriai (térbeli) információk (objektum, helye, elhelyezkedése, alakja) Spektrális információk (hullámhossz tartomány, csatornák száma) Távérzékelt felvételek csoportosítása (csatornák száma alapján): Pankromatikus kép: 1 db csatorna Színes kép (RGB kamerák): 3 db csatorna Multispektrális szenzorok: 4-20 db csatorna Hiperspektrális szenzorok: 21- db csatorna EURÓPAI UNIÓ TANÁCSA 2003. január 27-i 149/2003/EK belső rendelet: a több mint húsz diszkrét spektrális sávval rendelkező szenzor
Adatkocka felépítése Hargitai, 2006 Spektrális visszaverődési görbe: Az objektumok hullámhossz függvényében ábrázolt visszaverődési értékei
AISA DUAL Hiperspekrális képalkotó rendszer http://www.specim.fi/ 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.
AISA DUAL főbb paraméterei VNIR szenzor (Eagle) SWIR szenzor (Hawk) AISA Dual Spektrális tartomány 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
Hiperspektrális távérzékelés jellemzői 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: Passzív 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. Aktív szenzorok: saját sugárforrással rendelkeznek. Az érzékelő által kibocsátott sugárzás visszavert részét detektálja.
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 RADAR (RAdio Direction And Ranging) Mikrohullámokat fogja fel, pl. X-BAND RADAR: 9,4 GHz (3,2 cm), P-BAND RADAR: 0,44 GHz (68cm) A megfigyelés napszak-független és nem befolyásolja a felhőzet léte
LIDAR felvételek alkalmazásai Károly Róbert Főiskola
Detektáló berendezések típusai 6. Az érzékelő működési elve alapján: kamera (framing systems) pásztázó rendszerek (scanning systems)
Felvételek jellemző paraméterei 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 3. 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. 4. A radiometriai felbontás a szenzor azon legkisebb érzékenysége, amely során még különbséget lát a bejövő elektromágneses jel intenzitásában. Mértékegysége a nanométer.
Műhold fogalma 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.
Műholdak típusai I. 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.
Műholdak típusai II. Forrás: http://www.sulinet.hu/tart/fcikk/kice/0/16956/1
LANDSAT 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
LANDSAT 7 ETM felvétel
IRS Program 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.
IRS felvétel
RADARSAT 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.
RADARSAT felvétel
SPOT Program 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.
SPOT felvétel
IKONOS program Forrás: http://www.agt.bme.hu/ tutor_h/terinfor/t34a.htm
IKONOS 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/
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
IIT. TÁVÉRZÉKELT FELVÉTELEK FELDOLGOZÁSA
Adatfeldolgozás folyamata NYERS ADATOK ELŐFELDOLGOZÁS mozaikolás, korrekciók FŐFELDOLGOZÁS osztályozás, index számítás UTÓFELDOLGOZÁS tanulóterület kijelölési hibáinak kiszűrésével, döntéshozási módszer kiválasztásával, eredménytérkép ellenőrzésével pl. hibamátrix TEMATIKUSAN OSZTÁLYOZOTT FELVÉTEL
Felvételek összeillesztése
Korrekciók Gyakorlatban jelentkező általános képhibák: Geometriai torzítások Amorf torzítások Perspektivikus torzítás Vinyettálás Életlenség Kromatikus aberráció Összett torzítások Korrekciók elvégzéséhez szoftverhasználat szükséges
Zajszűrés Zajtípusok általában: Sötét Pszeudo Véletlen Foton Zajszűrés nem minden esetben valósítható meg teljes mértékben
Osztályozás 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 Osztályozatlan felvétel Maximium likelihood SAM Paralellepiped Minimum distance Mahalanobis (Region of Interest = ROI, tanítóterületek )
Osztályozó eljárások értékelése 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.
Vegetációs indexek 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. - 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 görbék I. 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.
Reflektancia 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).
NDVI számítás http://remotesensing.spiedigitallibrary.org/article.aspx?articleid=1182405
Vörös él index 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. Fontos, mivel az inflexiós pont eltolódásából következtethetünk a növény egészségi állapotára, stressz tűrő képességére, klorofill tartalomra, fertőzöttség mértékére, stb!
Reflektancia görbék II. Jelentősebb felszíni formák görbéi Buiten, 1993 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)
Spektrum könyvtár 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/
Feldolgozást támogató szoftverek Varshney-Arora, 2004
Távérzékelés alkalmazási lehetőségei 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.
Jelentősebb felsőoktatási kutatási központok 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
IV. GYAKORLATI PÉLDÁK
Információtartalmú elemzések a közlekedéseredetű szennyezőanyagok hatásvizsgálatánál 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
Kutatási helyszín Tanyakereszti Agrometeorológiai Kutatóállomás tesztterülete (Keszthely)
Szennyezések NY 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 K
Kutatás módszertana Konvertálás Korrekciók Mozaikolás Maszkolás Mérés: ENTRÓPIA ALAPÚ SPEKTRÁLIS FRAKTÁLDIMENZIÓ ( SFD) ALAPÚ Kiértékelés
Mozaikolás
Entrópia alapú 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 általános matematikai definíciója Rényi Alfréd (1961)
Információtartalom Entrópia az információelméletben Claude E. Shannon (1948) Entrópia képek esetében 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)
SFD alapú Az SFD a térbeli szerkezeten kívül a spektrális sávok színszerkezetének mérésére is alkalmas, és elegendő információt nyújt a színek, árnyalatok fraktál tulajdonságaira vonatkozóan is. SFD mérhető = n S 1 j= 1 log( BM log( BT S 1 j j ) ) Berke, 2007 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
Információ szerkezete A topológiai dimenzió egy egész szám míg a fraktál dimenziója egy tört. Benoit B. Mandelbrot (1982) N önhasonló részek száma ε kicsinyítés aránya, vagy lépték
Információ szerkezete Klasszikus fraktál dimenzió problémái Megoldás: Spektrális Fraktál Dimenzió FD: 1,99 FD: 1,99 FD: 0,03328 FD: 1,99 FD: 0,03328 Berke, 2006
Kutatások eredményei VIZSGÁLAT TÍPUSA ENTRÓPIA SFD SPEKTRÁLIS TARTOMÁNY SZERINT RÉSZBEN IGEN KEZELÉSEK ALAPJÁN NEM IGEN VEGETÁCIÓS ID SZAKON BELÜL IGEN IGEN ÉVENKÉNTI ELEMZÉSEK SZERINT RÉSZBEN IGEN GEOMETRIAI FELBONTÁS ALAPJÁN IGEN IGEN ÖNTÖZÉS SZERINT RÉSZBEN IGEN X
Hasznos linkek 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 Európai Űrkutatási Hivatal /ESA/ - http://www.esa.int Föld teljes felszínére űrfelvételek www.earth.google.com http://www.digitalglobe.com
Irodalomjegyzék 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://eur-lex.europa.eu/lexuriserv/lexuriserv.do?uri=celex:32003r0149:hu:not