MELLÉKLETEK 1. számú melléklet... M-4 A) CLC50 kategóriák megoszlása Szeged belterületén (1998)... M-4 B) Urban Atlas kategóriák megoszlása Szeged belterületén (2006)... M-5 2. számú melléklet... M-6 A különböző felbontások alakulása a városi felszínek kutatásában alkalmazott műholdas és légi szenzor esetén... M-6 3. számú melléklet... M-7 A) CIR kamera zöld, vörös és közeli-infravörös szenzorának érzékenysége és felvételezési tartományai... M-7 B) A nagyfelbontású RGB felvételező rendszer elemei és azok kapcsolási rajza... M-7 C) Az AISA szenzorok technikai paraméterei és a teljes felvételező rendszer elemei... M-8 4. számú melléklet... M-9 A) ArcView 3.2 szoftverben futtatható Anenue script a kisformatumú CIR felvételek durva geometriai korrekciójára... M-9 B) Az AeroTopoL által a repülés után generált AeroTXT fájl részlete... M-11 C) Az alkalmazott radiometriai és geometriai korrekció paraméterei ENVI/Caligeo-ban... M-11 D) Cross Track Illumination korrekció ENVI-ben: Futtatási paraméterek és a sávonként számított MEAN értékek változása a repülési irányra merőlegesen... M-12 E) A légkör sugárzást áteresztő képessége (transzmittanciája) közepes szélességen, nyári időszakban a sugárzást elnyelő anyagok feltüntetésével... M-12 5. számú melléklet... M-13 A) Az osztályonként felvett tanuló- és referencia pontok száma... M-13 B) A spektrumkönyvtár elemeinek szeparabilitása Jeffries-Matusita távolság alapján... M-14 6. számú melléklet... M-15 AISA Dual képi spektrumok összevetése más spektrumkönyvtárak adataival... M-15 A) Növényi spektrumok... M-15 B) Cserép tetőborítások... M-15 C) Egyéb tetőborítások... M-16 D) Aszfalt és beton útburkolatok... M-16 E) Dísz és egyéb útburkolatok... M-17 7. számú melléklet... M-18 A távérzékelt felvételek osztályozásának értékelése... M-18 8. számú melléklet... M-19 A) A képi objektumok (szegmensek) spektrális és térbeli jellemzők küszöbértékei alapján elvégzett osztályozásának pontosság becslése... M-19 B) Az RGB, MNF és DSM rétegek felhasználásával futtatott szegmens alapú osztályozás eredményei a vizsgált felszínborítási kategóriákra lebontva... M-20 9. számú melléklet... M-21 AISA Dual hiperspektrális adatok automatikus osztályozásának eredményei... M-21 A) Az ISODATA klaszterezés által szolgáltatott felszínborítási kategóriák megoszlása az egyes referencia zónákban az alsóvárosi mintaterületen... M-21 B) Az ISODATA klaszterezés által szolgáltatott felszínborítási kategóriák megoszlása az egyes referencia zónákban a belvárosi mintaterületen... M-22 M-1
C) Az ISODATA klaszterezés által szolgáltatott felszínborítási kategóriák megoszlása az egyes referencia zónákban a tarjáni mintaterületen... M-23 10. számú melléklet... M-24 AISA Dual hiperspektrális adatok Minimum Distance osztályozásának eredményei... M-24 A) A hiperspektárlis adatok Minimum Distance osztályozásának eredménye az eredeti, a PCA és az MNF transzformált sávok alapján... M-24 B) Az MNF transzformált adatok Minimum Distance osztályozásának pontosság ellenőrzése M-25 11. számú melléklet... M-26 Az MNF transzformált adatok Maximum Likelihood osztályozásának pontosság ellenőrzése... M-26 12. számú melléklet... M-27 AISA Dual hiperspektrális adatok irányított osztályozásainak összehasonlítása... M-27 A) A hiperspektrális adathalmaz irányított osztályozásainak összehasonlítása kategóriákra lebontott Producer s Accuracy értékek alapján... M-27 B) A hiperspektrális adathalmaz irányított osztályozásainak összehasonlítása kategóriákra lebontott User s Accuracy értékek alapján... M-28 13. számú melléklet... M-29 CIR adatok automatikus osztályozásának eredményei... M-29 A) Az ISODATA klaszterezés eredménye, a felhasznált referencia térkép és az eredeti CIR felvétel az Alsóváros Mátyás-tér mintaterületen... M-29 B) Az ISODATA osztályok és a referencia állomány kereszttáblája Alsóvárosban... M-29 C) Az ISODATA osztályok és a referencia állomány kereszttáblája a Belvárosban... M-30 D) Az ISODATA osztályok és a referencia állomány kereszttáblája Tarjánban... M-30 14. számú melléklet... M-31 CIR adatok Mnimum Distance osztályozásának eredményei... M-31 A) A CIR adatok Minimum Distance osztályainak megoszlása a referencia zónákban az alsóvárosi mintaterületen... M-31 B) A CIR adatok Minimum Distance osztályainak megoszlása a referencia zónákban a belvárosi mintaterületen... M-31 C) A CIR adatok Minimum Distance osztályainak megoszlása a referencia zónákban a tarjáni mintaterületen... M-31 15. számú melléklet... M-32 CIR adatok Maximum Likelihood osztályozásának eredményei... M-32 A) A CIR adatok Maximum Likelihood osztályainak megoszlása a referencia zónákban az alsóvárosi mintaterületen... M-32 B) A CIR adatok Maximum Likelihood osztályozásainak eredménye a Belvárosban... M-32 C) A CIR adatok Maximum Likelihood osztályainak megoszlása a referencia zónákban a belvárosi mintaterületen... M-33 D) A CIR adatok Maximum Likelihood osztályozásainak eredménye Tarjánban... M-33 E) A CIR adatok Maximum Likelihood osztályainak megoszlása a referencia zónákban a tarjáni mintaterületen... M-33 16. számú melléklet... M-34 TIR adatok osztályozásának eredményei... M-34 A) A színes-infravörös (CIR) felvételek irányított osztályozásánál használt tanuló területek hőmérsékleti viszonyai Alsóvárosban... M-34 B) A színes-infravörös (CIR) felvételek irányított osztályozásánál használt tanuló területek hőmérsékleti viszonyai a Belvárosban... M-35 C) A színes-infravörös (CIR) felvételek irányított osztályozásánál használt tanuló területek hőmérsékleti viszonyai Tarjánban... M-36 M-2
D) Felszínhőmérsékleti kategóriák térképe Alsóvárosban (A), Belvárosban (B) és Tarjánban (C) a 2008. augusztus 14-i felmérés alapján... M-37 E) A hőképek alapján definiált felszínborítási kategóriák megoszlása a referencia zónákon belül Alsóvárosban... M-37 F) A hőképek alapján definiált felszínborítási kategóriák megoszlása a referencia zónákon belül a Belvárosban... M-38 G) A hőképek alapján definiált felszínborítási kategóriák megoszlása a referencia zónákon belül Tarjánban... M-38 17. számú melléklet... M-39 A magassági és spektrális információk integrálásának eredményei... M-39 A) A felszínborítási osztályok átkódolása Alsóvárosban a magassági kategóriák alapján (CIR adatok, Maximum Likelihood osztályozás)... M-39 B) A felszínborítási kategóriák pixeleinek eloszlása az épület és nem épület zónák között az eredeti osztályok és a magassági információk alapján újradefiniált (kettévágott) osztályok alapján (CIR adatok, Maximum Likelihood osztályozás)... M-39 C) Az épület zóna területének megoszlása az eredeti és a magassági információk alapján újradefiniált (kettévágott) osztályok között (CIR adatok, Maximum Likelihood osztályozás)...... M-40 D) A felszínborítási kategóriák pixeleinek eloszlása az épület és nem épület zónák között az eredeti osztályok és a magassági információk alapján újradefiniált (kettévágott) osztályok alapján... M-40 E) Az épület zóna területének megoszlása az eredeti és a magassági információk alapján újradefiniált (kettévágott) osztályok között... M-41 18. számú melléklet... M-42 Felszínborítás és területhasználat kapcsolata Szegeden... M-42 A) A felszínhőmérséklet statisztikai mutatóinak alakulása az Urban Atlas osztályokban... M-42 B) Urban Atlas kategóriák megoszlása a vizsgált városrészekben (2006)... M-43 C) Az Urban Atlas és a hiperspektrális felvételek osztályozásán alapuló felszínborítási kategóriák kereszttáblája az AISA Dual pászta mintaterületeket érintő területén... M-44 D) Az Urban Atlas és a hiperspektrális felvételek osztályozásán alapuló felszínborítási kategóriák kereszttáblája a teljes AISA Dual pászta területén... M-45 19. számú melléklet... M-46 A felszínborítás és a felszínhőmérséklet kapcsolata Szegeden... M-46 A) A felszín hőmérsékleti viszonyai a szegedi Dóm-tér környékén... M-46 B) A felszín hőmérsékleti viszonyai a Boszorkány-sziget és Hattyas környékén... M-46 C) A felszín hőmérsékleti viszonyai a rókusi bevásárlóközpont környékén... M-47 D) A felszín hőmérsékleti viszonyai a Füvészkert környékén... M-47 E) A felszín hőmérsékleti viszonyai Móravárosban... M-48 20. számú melleklet... M-49 A kisgépes felvételezés során gyűjtött távérzékelt adatok néhány alkalmazási példája Szegeden és környékén... M-49 A) Környezetvédelmi engedélyhez kötött objektumok térképezése CIR felvételek és valós színes ortofotó alapján... M-49 B) CIR légifelvételeken alapuló belvíz térképezés a Tisza-Maros-szögben... M-50 C) Szigetelt panel épületek monitoringja légi hőkamerás felvételek alapján... M-50 D) Egy vizsgált tetőfelületre beérkező energia mennyisége egy év alatt, a kialakított és manuálisan módosított szegmensek alapján... M-51 Ábrajegyzék... M-52 Táblázatok jegyzéke... M-54 M-3
1. SZÁMÚ MELLÉKLET A) CLC50 kategóriák megoszlása Szeged belterületén (1998) M-4
B) Urban Atlas kategóriák megoszlása Szeged belterületén (2006) (S.L.: a talaj borítottságának soil sealing aránya) M-5
2. SZÁMÚ MELLÉKLET A különböző felbontások alakulása a városi felszínek kutatásában alkalmazott műholdas és légi szenzor esetén M-6
3. SZÁMÚ MELLÉKLET A) CIR kamera zöld, vörös és közeli-infravörös szenzorának érzékenysége és felvételezési tartományai (Forrás: TERRAVERDE, 2008) Sáv CIR konfiguráció [nm] Középpont Hullámhossz Sávszélesség Kék - - - Zöld 530 570 550 40 Vörös 640 680 660 40 NIR 768 832 800 65 B) A nagyfelbontású RGB felvételező rendszer elemei és azok kapcsolási rajza M-7
C) Az AISA szenzorok technikai paraméterei és a teljes felvételező rendszer elemei (Forrás: Specim Imagine Ltd. / DEÁKVÁRI ÉS KOVÁCS, 2007) VNIR SZENZOR (EAGLE) SWIR SZENZOR (HAWK) AISA DUAL Spektrális tartomány 400-970 nm 970-2450 nm 400-2450 nm Spektrális felbontás (sávok száma) 244 254 498 Spektrális sávszélesség 2,3 nm 5,8 nm Spektrális mélység (bit) 12 14 14 Térbeli felbontás( pixel) 1024 320 320 Optika fókusztávolsága 18,5 mm 22,5 vagy 14 mm Felvételi pászta szélessége 0,68 x repülési mag. 0,43 x repülési mag. FOV / IFOV 37,7 / 0,037 fok 24 / 0,0,75 fok 24 / 0,075 fok Mintavételi fekvencia 100 kép/s-ig 100 kép/s-ig 100 kép/s-ig M-8
4. SZÁMÚ MELLÉKLET A) ArcView 3.2 szoftverben futtatható Anenue script a kisformátumú CIR felvételek durva geometriai korrekciójára (world fájlok generálása) '*** Repulesi irany megadasa, parameterek szamitasa thedirectionlist = {"Forgatas","E-D","D-E","K-Ny","Ny-K"} thedirection = Msgbox.ListAsString(theDirectionList,"Valassza ki a repulesi iranyt!","repulesi irany") if (thedirection = "K-NY") then MsgBox.Info("90 fokos forgatas szukseges! Hasznald a masik eszkozt!","info") exit end if (thedirection = "NY-K") then MsgBox.Info("-90 fokos forgatas szukseges! Hasznald a masik eszkozt!","info") exit end if (thedirection = "Forgatas") then theline1par = 1 theline2par = 0 theline3par = 0 theline4par = -1 theline5par = 1392 theline6par = 1040 end if (thedirection = "E-D") then theline1par = -1 theline2par = 0 theline3par = 0 theline4par = 1 theline5par = -1392 theline6par = -1040 end if (thedirection = "D-E") then theline1par = 1 theline2par = 0 theline3par = 0 theline4par = -1 theline5par = 1392 theline6par = 1040 end '*** Kepek mappa megadasa M-9
theimgtextfilename = FileDialog.Show("*.txt","kep1200.txt","Adja meg a kepsorozatot") lst = theimgtextfilename.asstring.astokens("\") lstcount = lst.count thesor = lst.get(lstcount-1).asstring.astokens(".").get(0) thepath = "" for each c in 0..(lstCount-2) thepath = thepath + lst.get(c) + "\" end theeovxfield = v.findfield("n2") theeovyfield = v.findfield("n3") thesorfield = v.findfield("sorozat") theimgnumfield = v.findfield("image_no") for each rec in v thesorvalue = v.returnvalue(thesorfield,rec) if (thesorvalue <> thesor) then continue end theeovx = v.returnvalue(theeovxfield,rec) theeovy = v.returnvalue(theeovyfield,rec) theimgnum = v.returnvalue(theimgnumfield,rec) theline1 = theline1par*thepxsize.asnumber theline2 = theline2par theline3 = theline3par theline4 = theline4par*thepxsize.asnumber theline5 = theeovx-(thepxsize.asnumber*theline5par/2) theline6 = theeovy+(thepxsize.asnumber*theline6par/2) thetfwfilename = thepath + thesor + " " + theimgnum.asstring + ".tfw" thetfwfile = LineFile.Make(theTfwFileName.AsFileName,#FILE_PERM_WRITE) thetfwfile.writeelt(theline1.asstring) thetfwfile.writeelt(theline2.asstring) thetfwfile.writeelt(theline3.asstring) thetfwfile.writeelt(theline4.asstring) thetfwfile.writeelt(theline5.asstring) thetfwfile.writeelt(theline6.asstring) thetfwfile.close end M-10
B) Az AeroTopoL által a repülés után generált AeroTXT fájl részlete Image name Photo ID 47554 4001 47555 4002 47556 4003 47557 4004 47558 4005 47559 4006 Date-Time (UTC) 07.06.2012, 09:53:03.00 07.06.2012, 09:53:11.90 07.06.2012, 09:53:20.00 07.06.2012, 09:53:28.80 07.06.2012, 09:53:37.00 07.06.2012, 09:53:45.00 Easting [m] Northing [m] Height above sea [m] Omega [gon] Phi [gon] Kappa [gon] 689323.719 147055.878 1479.900 0.00 0.00 0.42 689565.671 146756.608 1481.000 0.00 0.00 0.42 689800.449 146482.811 1475.300 0.00 0.00 0.42 690061.132 146182.295 1476.500 0.00 0.00 0.43 690300.488 145892.745 1472.300 0.00 0.00 0.43 690541.452 145602.807 1464.200 0.00 0.00 0.43 C) Az alkalmazott radiometriai és geometriai korrekció paraméterei ENVI/Caligeo-ban M-11
D) Cross Track Illumination korrekció ENVI-ben: Futtatási paraméterek (balra) és a sávonként számított MEAN értékek változása a repülési irányra merőlegesen (jobbra) E) A légkör sugárzást áteresztő képessége (transzmittanciája) közepes szélességen, nyári időszakban a sugárzást elnyelő anyagok feltüntetésével (Forrás: RICHTER ÉS SCHLÄPFER, 2013) M-12
5. SZÁMÚ MELLÉKLET A) Az osztályonként felvett tanuló- és referencia pontok száma ID Név Tanuló Referencia # (poligon/pixel) # (pixel) 1. BEÉPÍTETT TERÜLETEK SUM 99/2296 SUM 379 1.1. Épületek (tetők) SUM 74/1600 SUM 217 1.1.1. Cserép 55/1102 123 1.1.1.1. Új piros 20/365 41 1.1.1.2. Öreg piros 16/491 30 1.1.1.3. Lila 12/138 24 1.1.1.4. Szürke 7/108 28 1.1.2. Lapos (CH) 12/327 61 1.1.2.1. Sötét 8/190 24 1.1.2.2. Világos 4/137 35 1.1.3. Műanyag 1/28 6 1.1.4. Üveg 2/75 13 1.1.5. Fém 2/43 10 1.1.6. Pala 2/25 4 1.2. Közlekedés területei SUM 25/696 SUM 162 1.2.1. Aszfalt 17/426 97 1.2.1.1. Sötét 8/207 46 1.2.1.2. Világos 4/113 20 1.2.1.3. Árnyékos 5/106 31 1.2.2. Beton 2/45 12 1.2.3. Díszburkolat 4/158 35 1.2.3.1. Bazalt 1/19 10 1.2.3.2. sötét 2/40 12 Piros világos 1/99 13 1.2.4. Vasút (bazalt) 2/67 18 2. NÖVÉNYZET SUM 17/619 SUM 137 2.1. Zöld vegetáció SUM 17/619 SUM 137 2.1.1. Lombos 6/244 63 2.1.2. Füves 7/308 52 2.1.3. Árnyékos 4/67 22 4. VÍZFELÜLETEK SUM 5/45 SUM 7 4.1. Természetes 5/45 7 M-13
B) A spektrumkönyvtár elemeinek szeparabilitása Jeffries-Matusita távolság alapján (MNF 1,3-5 és MNF 1,3-10 sávok felhasználásával) M-14
6. SZÁMÚ MELLÉKLET AISA Dual képi spektrumok összevetése más spektrumkönyvtárak (ASD terepi (Envirosense Kft.), AVIRIS képi (HEROLD ET AL., 2003), USGS 1 és JPL 2 Spectral Library) adataival A) Növényi spektrumok B) Cserép tetőborítások 1 http://speclab.cr.usgs.gov/spectral.lib06/ 2 http://speclib.jpl.nasa.gov/search-1/manmade M-15
C) Egyéb tetőborítások D) Aszfalt és beton útburkolatok M-16
E) Dísz és egyéb útburkolatok M-17
7. SZÁMÚ MELLÉKLET A távérzékelt felvételek osztályozásának értékelése A távérzékelt felvételek osztályozási eredményeinek értékelése során a referencia és osztályozott képelemek kereszttáblája (kontingencia mátrixa) alapján a teljes pontosság (Overall Accuracy) mellette ún. Kappa koefficienst és osztályokra lebontott Producer s és User s Accuracy értéket is számíthatunk (7a. ábra) (CONGALTON, 1991). 7a. ábra Az irányított osztályozás értékelése során számított pontosság és hiba értékek jelentése Az Overall Accuracy értéket a helyesen osztályozott (azaz az átlóban szereplő értékek összegének) és a referencia képelemek teljes számának hányadosaként kapjuk ((911+343+176+27) / 1687 = 0,864 86,4%). A Producer s Accuracy az adott referencia csoport képelemei közül az osztályozó algoritmus által helyesen besorolt és a kategória összes pixelének arányát jelenti (pl. 911 / (911+20+1+0) = 0,977 97,7%). Ezzel szorosan összefügg az ún. omission error, amely azt mutatja meg, hogy a referencia kategória pixeleinek hány százaléka került hibás osztályba (alulbecslés). A User s Accuracy érték ezzel szemben az adott eredmény osztályba helyesen besorolt képelemek és ugyanazon osztály teljes pixelszámának hányadosát adja meg (pl. 911 / (911+40+0+0) = 0,958 95,8%). Az ún commision error ebből levezetve megmutatja, hogy az adott eredmény osztályba került elemek hány százaléka osztályozódott hibásan (felülbecslés). M-18
8. SZÁMÚ MELLÉKLET A) A képi objektumok (szegmensek) spektrális és térbeli jellemzők küszöbértékei alapján elvégzett osztályozásának pontosság becslése (# a felhasznált referencia szegmensek száma) M-19
B) Az RGB, MNF és DSM rétegek felhasználásával futtatott szegmens alapú osztályozás eredményei a vizsgált felszínborítási kategóriákra lebontva M-20
9. SZÁMÚ MELLÉKLET AISA Dual hiperspektrális adatok automatikus osztályozásának eredményei A) Az ISODATA klaszterezés által szolgáltatott felszínborítási kategóriák megoszlása az egyes referencia zónákban az alsóvárosi mintaterületen ALL240 PCA MNF M-21
B) Az ISODATA klaszterezés által szolgáltatott felszínborítási kategóriák megoszlása az egyes referencia zónákban a belvárosi mintaterületen ALL240 PCA MNF M-22
C) Az ISODATA klaszterezés által szolgáltatott felszínborítási kategóriák megoszlása az egyes referencia zónákban a tarjáni mintaterületen ALL240 PCA MNF M-23
10. SZÁMÚ MELLÉKLET AISA Dual hiperspektrális adatok Minimum Distance osztályozásának eredményei A) A hiperspektrális adatok Minimum Distance osztályozásának eredménye az eredeti (balra), a PCA (középen) és az MNF (jobbra) transzformált sávok alapján (jelkulcs ld. 5.22. ábra) ALSÓVÁROS BELVÁROS TARJÁN M-24
B) Az MNF transzformált adatok Minimum Distance osztályozásának pontosság ellenőrzése M-25
11. SZÁMÚ MELLÉKLET Az MNF transzformált adatok Maximum Likelihood osztályozásának pontosság ellenőrzése M-26
12. SZÁMÚ MELLÉKLET AISA Dual hiperspektrális adatok irányított osztályozásainak összehasonlítása A) A hiperspektrális adathalmaz irányított osztályozásainak összehasonlítása kategóriákra lebontott Producer s Accuracy értékek alapján M-27
B) A hiperspektrális adathalmaz irányított osztályozásainak összehasonlítása kategóriákra lebontott User s Accuracy értékek alapján M-28
13. SZÁMÚ MELLÉKLET CIR adatok automatikus osztályozásának eredményei A) Az ISODATA klaszterezés eredménye (A), a felhasznált referencia térkép (B) és az eredeti CIR (C) felvétel az Alsóváros Mátyás-tér mintaterületen B) Az ISODATA osztályok és a referencia állomány kereszttáblája Alsóvárosban M-29
C) Az ISODATA osztályok és a referencia állomány kereszttáblája a Belvárosban D) Az ISODATA osztályok és a referencia állomány kereszttáblája Tarjánban M-30
14. SZÁMÚ MELLÉKLET CIR adatok Minimum Distance osztályozásának eredményei A) A CIR adatok Minimum Distance osztályainak megoszlása a referencia zónákban az alsóvárosi mintaterületen B) A CIR adatok Minimum Distance osztályainak megoszlása a referencia zónákban a belvárosi mintaterületen C) A CIR adatok Minimum Distance osztályainak megoszlása a referencia zónákban a tarjáni mintaterületen M-31
15. SZÁMÚ MELLÉKLET CIR adatok Maximum Likelihood osztályozásának eredményei A) A CIR adatok Maximum Likelihood osztályainak megoszlása a referencia zónákban az alsóvárosi mintaterületen B) A CIR adatok Maximum Likelihood osztályozásainak eredménye a Belvárosban M-32
C) A CIR adatok Maximum Likelihood osztályainak megoszlása a referencia zónákban a belvárosi mintaterületen D) A CIR adatok Maximum Likelihood osztályozásainak eredménye Tarjánban E) A CIR adatok Maximum Likelihood osztályainak megoszlása a referencia zónákban a tarjáni mintaterületen M-33
16. SZÁMÚ MELLÉKLET TIR adatok osztályozásának eredményei A) A színes-infravörös (CIR) felvételek irányított osztályozásánál használt tanuló területek hőmérsékleti viszonyai Alsóvárosban 2008.08.12. 2008.08.14. M-34
B) A színes-infravörös (CIR) felvételek irányított osztályozásánál használt tanuló területek hőmérsékleti viszonyai a Belvárosban 2008.08.12. 2008.08.14. M-35
C) A színes-infravörös (CIR) felvételek irányított osztályozásánál használt tanuló területek hőmérsékleti viszonyai Tarjánban 2008.08.12. 2008.08.14. M-36
D) Felszínhőmérsékleti kategóriák térképe Alsóvárosban (A), Belvárosban (B) és Tarjánban (C) a 2008. augusztus 14-i felmérés alapján E) A hőképek alapján definiált felszínborítási kategóriák megoszlása a referencia zónákon belül Alsóvárosban 2008.08.12. 2008.08.14. M-37
F) A hőképek alapján definiált felszínborítási kategóriák megoszlása a referencia zónákon belül a Belvárosban 2008.08.12. 2008.08.14. G) A hőképek alapján definiált felszínborítási kategóriák megoszlása a referencia zónákon belül Tarjánban 2008.08.12. 2008.08.14. M-38
17. SZÁMÚ MELLÉKLET A magassági és spektrális információk integrálásának eredményei A) A felszínborítási osztályok átkódolása Alsóvárosban a magassági kategóriák alapján (CIR adatok, Maximum Likelihood osztályozás) B) A felszínborítási kategóriák pixeleinek eloszlása az épület és nem épület zónák között az eredeti osztályok és a magassági információk alapján újradefiniált (kettévágott) osztályok alapján (CIR adatok, Maximum Likelihood osztályozás) M-39
C) Az épület zóna területének megoszlása az eredeti és a magassági információk alapján újradefiniált (kettévágott) osztályok között (CIR adatok, Maximum Likelihood osztályozás) D) A felszínborítási kategóriák pixeleinek eloszlása az épület és nem épület zónák között az eredeti osztályok és a magassági információk alapján újradefiniált (kettévágott) osztályok alapján (MNF transzformált hiperspektrális adatok, Maximum Likelihood osztályozás) M-40
E) Az épület zóna területének megoszlása az eredeti és a magassági információk alapján újradefiniált (kettévágott) osztályok között (MNF transzformált hiperspektrális adatok, Maximum Likelihood osztályozás) M-41
18. SZÁMÚ MELLÉKLET Felszínborítás és területhasználat kapcsolata Szegeden A) A felszínhőmérséklet statisztikai mutatóinak alakulása az Urban Atlas osztályokban (2008.08.14) M-42
B) Urban Atlas kategóriák megoszlása a vizsgált városrészekben (2006) M-43
C) Az Urban Atlas és a hiperspektrális felvételek osztályozásán (MNF(2-7)-ML) alapuló felszínborítási kategóriák kereszttáblája az AISA Dual pászta mintaterületeket érintő területén M-44
D) Az Urban Atlas és a hiperspektrális felvételek osztályozásán (MNF(2-7)-ML) alapuló felszínborítási kategóriák kereszttáblája a teljes AISA Dual pászta területén M-45
19. SZÁMÚ MELLÉKLET A felszínborítás és a felszínhőmérséklet kapcsolata Szegeden (Forrás: Rakonczai et al. 2009) A) A felszín hőmérsékleti viszonyai a szegedi Dóm-tér környékén B) A felszín hőmérsékleti viszonyai a Boszorkány-sziget és Hattyas környékén M-46
C) A felszín hőmérsékleti viszonyai a rókusi bevásárlóközpont környékén D) A felszín hőmérsékleti viszonyai a Füvészkert környékén M-47
E) A felszín hőmérsékleti viszonyai Móravárosban M-48
20. SZÁMÚ MELLEKLET A kisgépes felvételezés során gyűjtött távérzékelt adatok néhány alkalmazási példája Szegeden és környékén A) Környezetvédelmi engedélyhez kötött objektumok térképezése CIR felvételek és valós színes ortofotó alapján (Forrás: TOBAK ET AL., 2008B) M-49
B) CIR légifelvételeken alapuló belvíz térképezés a Tisza-Maros-szögben (Forrás: VAN LEEUWEN ET AL., 2008) C) Szigetelt panel épületek monitoringja légi hőkamerás felvételek alapján (Forrás: NÉMETH, 2010) M-50
D) Egy vizsgált tetőfelületre beérkező energia mennyisége egy év alatt (A), a kialakított és manuálisan módosított szegmensek alapján (B) (Forrás: FRANK, 2013) M-51
ÁBRAJEGYZÉK 3.1. ábra CLC50 kategóriák megoszlása Szeged belterületén (1998)... 20 3.2. ábra Szeged belterületének KSH körzeteken alapuló felosztása és a mintaterületek elhelyezkedése... 21 3.3. ábra A mintaterületek kivágata a 10 cm felbontású RGB ortófotó mozaikból... 22 4.1. ábra Műholdképek (felül) és légifelvételek (alul) térbeli felbontásának szemléltetése a tarjáni mintaterület példáján... 23 4.2. ábra Multispektrális és hiperspektrális szenzor által rögzített spektrumok... 25 4.3 ábra A térbeli és spektrális felbontás összefüggése a városi felszínek kutatásában alkalmazott műholdas és légi szenzor példáján... 26 4.4. ábra A repülőgép lehetséges elfordulásai a felvételezés során... 29 4.5. ábra A kamerák rögzítése repülőgépen: DuncanTech kamera a poggyásztér ajtóban (balra), Trimble kamera a padlólemezbe süllyesztve (jobbra)... 29 4.6. ábra A CIR felvételező rendszer hardver komponensei... 30 4.7. ábra A DT Contor szoftver kezelőfelülete, melyen a felvételezés közben módosíthatók a legfontosabb beállítások... 31 4.8. ábra A FLIR P65 kamera (jobbra) és egy meddőhányóról készült nyers kép (balra)... 31 4.9. ábra A Trimble Aerial Camera (A: objektív B: kamera test C: digitális hátfal D: vezérlő), az AeroNav Vector modul és a GPS antenna pár... 32 4.10. ábra Egy CIR felvételezett terület részlete a tervezett és tényleges repülési útvonalakkal, néhány példaképpel és jellemző paraméterrel... 33 4.11. ábra A szegedi felvételezés repülési terve (jobbra) és paraméterei (balra) az AeroTopoL szoftverben. A különböző színezések a képek közötti átfedések számát illusztrálják.... 34 4.12. ábra Hiperspektrális felvételezések lefedettsége Szegeden... 35 4.13. ábra Digiterra Explorer terepi térképező szoftver asztali verziójának képernyője... 37 4.14. ábra Példa az épületek kidőlése (balra) és a növényzet okozta (jobbra) kitakarásra... 38 4.15. ábra World fájllal durván georeferált felvétel Szeged belvárosából... 40 4.16. ábra A pixelértékek (Ts,mért) regressziós egyenese az idő (t) függvényében (2008. aug. 14.)... 41 4.17. ábra A hiperspektrális adatok előfeldolgozásának lépései... 42 4.18. ábra Csak radiometriai (balra), radiometriai és geometriai (középen), illetve atmoszférikus korrekción is átesett (jobbra) AISA Dual felvétel részlet az SZTE BTK és JATIK épületeinek környékéről... 43 4.19. ábra A fontosabb felszínborítások reflektanciája a zajos sávok nélkül... 46 5.1. ábra A tanulóterületek pixeleinek és osztályközepének spektrális szögeltérése 22 osztály példáján... 54 5.2. ábra Néhány fontosabb anyag pixeleinek elhelyezkedése a PCA transzformált spektrális térben... 55 5.3. ábra A vizsgált (t) és a referencia (r) spektrumok szögeltérésének értelmezése 2 sávos felvétel esetén (balra), illetve az α szögeltérés meghatározása n felvételi sáv esetén (jobbra)... 56 5.4. ábra Növényzeti spektrumok Szeged, Mátyás-térről... 58 5.5. ábra Cserép tetőborítások spektrumai Szeged, Belvárosból és Alsóvárosból... 58 5.6. ábra Aszfalt és díszburkolatok spektrumai Szeged, Belvárosból és Alsóvárosból... 59 5.7. ábra Felszíni objektum magasságának (Δh) meghatározása sztereo légifelvételek alapján... 60 5.8. ábra A tarjáni mintaterület digitális felületmodellje (DSM) (balra) és lejtőszög térképe (jobbra)... 61 5.9. ábra A belvárosi mintaterület digitális felületmodellje (balra) és lejtőszög térképe (jobbra)... 62 5.10. ábra Az objektumok homogenitását befolyásoló tényezők kapcsolatrendszere... 64 5.11. ábra Multiresolution szegmentáció eredménye (fent balra) és az objektumhatárok (fent jobbra) a ferences templom és kolostor CIR felvétele alapján (scale: 50, shape: 0.1, compactness: 0.5), illetve M-52
különböző (10-20-50) scale paraméterrel futtatott multiresolution szegmentaciók eredményei a Mátyás-tér környékén (lent)... 64 5.12. ábra Képi objektumok (szegmensek) osztályba sorolásának döntési fája... 66 5.13. ábra Az objektumok osztályba sorolásának szabályrendszere az ecognition-ben... 67 5.14. ábra A piros tetők elkülönítése az épületek kategórián belül... 67 5.15. ábra A vegetáció lehatárolása RGB felvételen (balra) Greenness index (>=0,34) és CIR adatokon (jobbra) NDVI index (>=0,29) alapján... 68 5.16. ábra Küszöbértékeken alapuló osztályozás eredményei 25 (A), 50 (B), 100 (C) és 200 (D) scale paraméterrel létrehozott szegmensek esetében... 68 5.17. ábra Az RGB, MNF és DSM rétegek felhasználásával futtatott szegmens alapú osztályozás eredménytérképe (balra) és az RGB felvétel kivágat a tanítóterületekkel (jobbra)... 69 5.18. ábra A vektoros épület poligonokból és a CIR képek NDVI osztályozásából származtatott referencia állományok térképe Alsóvárosban (A), Belvárosban (B) és Tarjánban (C)... 71 5.19. ábra A hiperspektrális felvételek ISODATA klaszterezésének eredménye Alsóvárosban az eredeti (A), a PCA (B) és az MNF (C) transzformált sávok alapján... 71 5.20. ábra A hiperspektrális felvételek ISODATA klaszterezésének eredménye a Belvárosban az eredeti (A), a PCA (B) és az MNF (C) transzformált sávok alapján... 72 5.21. ábra A hiperspektrális felvételek ISODATA klaszterezésének eredménye Tarjánban az eredeti (A), a PCA (B) és az MNF (C) transzformált sávok alapján... 73 5.22. ábra A hiperspektrális adatok irányított osztályozása során használt felszínborítási kategóriák és azok jelkulcsa (az 5.5.1.2. fejezet további térképein ezek láthatók)... 74 5.23. ábra A Maximum Likelihood osztályozó algoritmus működési elve... 75 5.24. ábra A hiperspektárlis adatok Maximum Likelihood osztályozásának eredménye a három mintaterületen az MNF transzformált sávok alapján (jelkulcs: 5.22. ábra)... 76 5.25. ábra A hiperspektrális adatok SAM osztályozásának eredménye az alsóvárosi kivágaton szemléltetve az eredeti sávok alapján 0.1 (A), 0.5 (B) és 1 (C) rad küszöbértéket figyelembe véve (jelkulcs ld. 5.22. ábra)... 77 5.26. ábra NDVI értékek alapján képzett felszínborítási osztályok Alsóvárosban (A), Belvárosban (B) és Tarjánban (C)... 78 5.27. ábra Az ISODATA klaszterezés eredménye (A), a felhasznált referencia térkép (B) és az eredeti CIR (C) felvétel Alsóvárosban... 79 5.28. ábra Az ISODATA klaszterezés eredménye (A), a felhasznált referencia térkép (B) és az eredeti CIR (C) felvétel a Belvárosban... 80 5.29. ábra Az ISODATA klaszterezés eredménye (A), a felhasznált referencia térkép (B) és az eredeti CIR (C) felvétel Tarjánban... 81 5.30. ábra A CIR adatok irányított osztályozásainak eredménye Alsóvárosban... 82 5.31. ábra A CIR adatok Minimum Distance osztályozásainak eredménye a Belvárosban... 83 5.32. ábra A CIR adatok Minimum Distance osztályozásainak eredménye Tarjánban... 84 5.33. ábra A CIR adatok irányított osztályozásainak eredménye Mátyás-téren (Alsóváros)... 85 5.34. ábra Felszínhőmérsékleti kategóriák térképe Alsóvárosban (A), Belvárosban (B) és Tarjánban (C) a 2008. augusztus 12-i felmérés alapján... 87 5.35. ábra Tipikus utca keresztszelvény Alsóvárosban... 88 5.36. ábra A kategorizált felszínhőmérsékleti térkép (A) és az Urban Atlas (B) Szeged körtöltésen belüli részén (2008.08.14) (Urban Atlas jelkulcs: 3.1. táblázat)... 92 5.37. ábra A CIR adatok egységes ISODATA klaszterezése Felsővárosban (A) és Petőfitelepen (B)... 93 5.38. ábra CLC50 kategóriák megoszlása a vizsgált városrészekben (1998)... 94 5.39. ábra A felszín hőmérsékleti értékei alapján előállított háromdimenziós térkép Szeged körtöltésen belüli területéről (2008. augusztus 14.)... 98 M-53
TÁBLÁZATOK JEGYZÉKE 3.1. táblázat Urban Atlas kategóriák megoszlása Szeged belterületén (2006)... 20 4.1. táblázat Az alkalmazott objektív hatása a kisformátumú légifelvétel geometriai tulajdonságaira... 24 4.2. táblázat A tradicionális és a kisformátumú (SPAF) légifelvételezés néhány általános jellemzőjének összehasonlítása... 27 4.3. táblázat A saját adatgyűjtések legfontosabb paraméterei (A worldtiff, B CSV, C TIFF, D IMG)34 4.4. táblázat AISA Dual felvételezések Szegeden (A - radiancia, 16-bit unsigned integer; B reflektancia, 32- bit floating point)... 36 5.1. táblázat A vizsgált felszínborítások hierarchikus osztálystruktúrája... 53 5.2. táblázat A legfontosabb osztályok spektrális szeparabilitása SAM és Jeffries-Matusita távolság alapján 56 5.3. táblázat Átlagmagasságok a referencia réteg zónáiban (ld. 5.5.1.1. fejezet) és a vektoros épület poligonokban (zárójelben) mintaterületekre lebontva, illetve az osztályozásoknál használt magassági küszöbérték (ld. 5.6. fejezet)... 62 5.4. táblázat Az osztályozás megbízhatóságának alakulása különböző méretű (scale) szegmensek és a felhasznált adatrétegek alapján... 69 5.5. táblázat Az NDVI értékek hisztogramjának természetes törései mintaterületenként... 78 5.6. táblázat CIR felvételekből NDVI index értékek felhasználásával definiált kategóriák megoszlási aránya az épület referencia zónában... 78 5.7. táblázat A CIR adatok Minimum Distance osztályozásának értékelése Alsóvárosban... 82 5.8. táblázat A CIR adatok Minimum Distance osztályozásának értékelése a Belvárosban... 83 5.9. táblázat A CIR adatok Minimum Distance osztályozásának értékelése Tarjánban... 84 5.10. táblázat A CIR adatok Maximum Likelihood osztályozásának értékelése Alsóvárosban... 85 5.11. táblázat A CIR adatok Maximum Likelihood osztályozásának értékelése a Belvárosban... 86 5.12. táblázat A CIR adatok Maximum Likelihood osztályozásának értékelése Tarjánban... 86 5.13. táblázat A felszínborítási kategóriák pixeleinek eloszlása az épület és nem épület zónák között az eredeti osztályok és a magassági információk alapján újradefiniált (kettévágott) osztályok alapján... 89 5.14. táblázat Az épület zóna területének megoszlása az eredeti és a magassági információk alapján újradefiniált (kettévágott) osztályok között (CIR adatok, Maximum Likelihood osztályozás)... 89 5.15. táblázat A főbb felszínborítási kategóriák osztályba sorolásának megbízhatósága különböző input adatok és algoritmusok szerint... 91 M-54