BGGG.01.047 Kaugseire 2

1. BGGG.01.047 Kaugseire 2 2AP, 1 loeng 7.02.05. Van. 46-107 + iseseisev praktiline töö ruumi 229 tagaosas. Arvestuse saamiseks tuleb esitada digitaalne aruanne koos töö käigus loodud failidega. Igaüks valib endale kaardilehe, mida uurima hakkab. Juhendid: Põhikaardi põhialade poolautomaatse tuvastamise juhend (pdf-vormis), Põhikaardi põhialade tuvastamise aruande vorm (doc-vormis). Kes alustas tööd 2004.a. juhendi järgi, võib vana juhendi järgi jätkata. Kes veel alustanud ei ole, teevad 2005.a. juhendi järgi. Tööjuhendid asuvad: arvuti Nurgatagune Lapik juures, arvuti Nurgatagune Lapik kataloogis C:/KAUGSEIRE2, //map.gg.bg.ut.ee/kalle_r/KAUGSEIRE2. Failid asuvad arvuti Nurgatagune Lapik kataloogi C:/KAUGSEIRE2 valitud kaardilehe numbriga kataloogis. Kaugseire 2

2. Ajakava Ajakava: Paar tundi juhendi uurimiseks suvalises kohas; 1 tund sisseelamiseks ja juhupunktide genereerimiseks; 1 tundi juhupunktides olevate põhialade tuvastamiseks teie endi poolt; 1 tundi juhupunktides olevate põhialade tuvastamiseks juhuisiku poolt; 1-2 tundi lokaalstatistikute arvutamiseks 10 minutit arvuti õpetamiseks 4 tundi tulemuste kokkuvõtmiseks ja aruande kirjutamiseks. Arvuti kasutamiseks on soovitav endale aeg reserveerida. Aja reserveerimise leht on arvuti juures. Ei soovita jätta seda ainet semestri lõppu. Arvuti ei pruugi olla vaba. K.R. ei pruugi olla Tartus. Töö peaks olema tehtav vaid juhendi järgi. Kogemus näitab, et kindlam on iga töölõigu eel nõu küsida. Ruumi 229 pääseb siis, kui keegi võtmeõiguslik isik kohal on. K.R. on Tartus enamasti õhtuti, päeval on enamasti kohal Raivo Aunap. Võtmeõigus on ka doktorant Aarne Luual ja magistrant Madli Linderil. Kaugseire 2

3. Eriülesanne kuni kahele ettevõtlikule tudengile Koostada juhend uuema tehnoloogilise lahenduse õpetamiseks. Pidevõppe programm oskab ise aru saada, millisel kaardilehel mingi punkt on, kohta kirjeldavaid indekseid ei pea enam Lokaalstatistikute programmiga eraldi arvutama. Tehisõppe ajal võib andmeid lisada. Lähteparameetrid tuleb eelnevalt andmebaasi sisestada. Kaugseire 2

4. Kontaktandmed Kalle Remm Kalle.Remm@ut.ee (ka Elvas) EMT 52 90 513 Lauatelefon Elvas 7456768 Kaugseire 2

5. Ettevalmistatud lähteandmed kataloogis C:/KAUGSEIRE2/… Põhikaardi põhialade loetelu ja määratlused Baaskaardi kihid kataloogis \\MAPPER\DIGIVALD\BSKRTBGL\ Tabelitefail (….xls) Kihilised_juhu_X_Y Eksperdihinnang Tavahinnang Klassikoodid Indeksite_võrdlus Õpetus Näidised Prognoos Disainfail … raam.dgn Statistikafail … .sta Ortofoto failid … .sid, … .sdw, … rgb.rst, … rgb.rdc Rasteriseeritud põhikaardi põhialad failis … PK.rst Parameetrite failid programmi Lokaalstatistikud jaoks … fotoparameetrid.txt … PK-parameetrid.txt Failid tehisõppe programmi MLNN jaoks … MLparam.txt … kaalud.txt … kaalud.txt Tarkvara MS Word MS Excel Microstation Statistica Lokaalstatistikud MLNN Pole vajadust faile kuhugi teise kataloogi tõsta! Kataloogi nimi on parameetrifailidesse kirjutatud. Kaugseire 2

6. Näiteid pildiandmetest: värviline ortofoto Varjud ja tehisobjektid paistavad selgelt, aga mitte taimkatte liigiline koosseis. Kaugseire 2

7. Näiteid pildiandmetest: värviline ortofoto Kas Raekoja platsil on haljasala olnud? Kaugseire 2

8. Näiteid pildiandmetest: värviline ortofoto Kus on Rotundi kohvik, Inglisild, Kristjan-Jaagu mälestussammas? Kaugseire 2

9. Lennuandmed Lennumõõtkava 1:25 000, lennukõrgus 3800m, ülelennupäev 23.mai 2002 või muu, kaamera RC 30, lääts Leica 15/4 UAG-S 13258, lendas Swedesurvey AB Kaugseire 2

10. Põhiala Vundament Elu-, ühiskondlik hoone Kõrvalhoone Vare Kasvuhoone Muu ehitis Katusealune Meri Muu veekogu Vooluveekogu Järv Kalmistu Haljasala Eraõu Tootmisõu värvikood 109 236 237 110 238 232 229 58 59 57 48 135 155 66 254 Põhiala Põld Rohumaa Aiamaa Põõsastik Noor mets Muu lage Mets Jäätmaa Raba Madalsoo Raskestiläbitav soo Mahajäetud turbaväli Turbaväli Teed, tänavad ja platsid Püsirohumaa värvikood 108 106 107 95 67 104 64 103 102 62 101 100 99 30 105 Põhikaardi põhialad Täiendalad on ka olemas Kaugseire 2

11. Töö etapid 1. Juhupunktide genereerimine ja kaardilekandmine. 2. Juhupunktides oleva ala visuaalse eksperthinnangu saamine kahelt isikult põhikaardi alade servajoontega ja ilma nendeta. 3. Visuaalse hinnangu põhikaardiga vastavuse arvutamine. 4. Pildimustrit kirjeldavate lokaalstatistikute arvutamine juhupunktides. 5. Korrelatsioonide arvutamine uuritava nähtuse ja lokaalstatistikute vahel. 6. Paremate indikaatorite valik. 7. Tunnustele ja vaatlustele kaalude leidmine tehisõppega. 8. Tehisõppel saadud prognoosi ja inimeksperdi antud hinnangute täpsuse võrdlev analüüs. Kaugseire 2

12. Juhupunktide genereerimine ja kaardilekandmine • Punkte genereerivad valemid Exceli tabelifaili töölehel Kihilised_juhu_X_Y. • Kontrolli nurgakoordinaate. • Kopeeri juhupunktid kolme tekstifaili. • Punktide kaardile kandmiseks vormis xy={xkoord},{ykoord}, • 200 punkti, kus inimene põhiala ära arvab, • 600 punkti, kus arvuti põhiala tuvastab. • Genereeri 200 punkti kaardile. • Vali Copy and Increment Text, • snäpi nulli, • sisesta käsurealt: @c:\KAUGSEIRE2\200xy.txt • kontrolli koordinaate. Kaugseire 2

13. Juhupunktides oleva ala äraarvamine • Hinnata tuleb numbri kinnituskohas (keskel) olev ala. • Ekslike hinnangute eest ei karistata. • Eesmärk on võrrelda inimeksperte arvutiga. • Lisa raamifailile aerofoto taust. • Sea ekraanil nähtavaks nii raamifail kui ka tööleht Eksperthinnang. • Kirjuta numbrid 1…200 ükshaaval dialoogiaknasseFind Replace Text. • Otsuta, milline põhiala on numbri keskel. • Kirjuta selle kood töölehel Eksperthinnang plokkipäisegapiirideta. • Lülita nähtavaks raamfaili kiht 61. • Korda 200 punkti hinnangut eraldiste piire nähes ja neid arvestades. • Kanna eraldiste piiridega saadud hinnangud plokkipäisegapiiridega. • Loe lokaalstatistikute programmiga 200 punktis olev põhiala klass. • Nominaalne bait, kerneli raadius 0, mood, • parameetrite fail …PK-parameetrid.txt. • Kopeeri tulemused plokkipõhikaardil. Kaugseire 2

14. Juhupunktides oleva ala äraarvamine II • Palu samad 200 punkti hinnata kellelgi mittegeograafil • Kanna tulemused töölehele Tavahinnang. Kaugseire 2

15. Visuaalse hinnangu põhikaardiga vastavuse arvutamine • 1. Põhikaart ei ole absoluutne tõde. • Mõõtkava (detailsuse) erinevus. • Kaardistusaja ja pildistusaja erinevus. • 2. Kapa arvutamise valemid on Exceli töölehel. • 3. Vigade maatriksites Refresh data. • Tabeli ridade ja veergude arv ei tohi muutuda. • Tabelite servadesse tulevad kokkulagevused klasside kaupa. • Tabeli all on üldine kokkulangevus ja kapa kordaja. • Ridade ja veergude summad on ühe võrra suuremad kui vaatluste arv. • 4. Analüüsi ja interpreteeri kokkulagevusi ja kirjuta sellest töö aruandes. Kaugseire 2

16. Pildimustrit kirjeldavate lokaalstatistikute arvutamine juhupunktides Kasutatav tarkvara Lokaalstatistikud.exe. 600 ruumiliselt kihilist juhupunkti kasutaja salvestatud failis. Parameetrite fail … fotoparameetrid.txt. Kasutatava pildifaili ja eelklassifikaatori nimi ja kataloog on parameetrite failis. Kasutatame eelklassifikaatorit. Lülita välja indeksid: gradiendi suund ning kesk- ja servaosa erinevus. Arvuta R,Y,G,B,H,S,L×12 indeksit × 3 raadiuses = 252 lokaalset pildistatistikut 600s punktis. Kasuta kerneli raadiusest sõltuvaid juhuvalimeid vastavalt juhendile. Salvesta iga tulemused tekstifailidesse, igas failis 12 indeksit 600st punktist. Impordi tekstifailid Statistica faili õigetesse veergudesse. Kaugseire 2

17. Korrelatsioonide arvutamine uuritava nähtuse ja lokaalstatistikute vahel Arvuta statistikafailis olevatest vaatlustest kohandatud determinatsioonikordaja põhiala klassi ja lokaalsete pildistatistikute vahel. Statistics => Advanced Linear/Nonlinear Models => General Linear Models. Vali PK-klass nominaalseks muutujaks (categorical predictor) Vali indeksid funktsioontunnusteks (dependent variable) Korraga saab arvutada kümneid indekseid. Kopeeri tulemused (Adjusted R2) Statistica tulemustelehelt Exceli-faili töölehele Indeksite_võrdlus. Kaugseire 2

18. Paremate indikaatorite valik Otsi välja 10…15 parimat indikaatorit(R2on suurem). Väldi üksteist dubleerivaid tunnuseid (samast andmekihist sama indeks eri raadiuste puhul, mediaan ja keskmine, autokorr1 ja autokorr2, standardhälve ja variatsionikoefitsient, sujuvus ja naabrite erinevus). Kanna nende lühendatud nimed lillaga tähistatud lahtritesse töölehelIndeksite_võrdlus. Kirjuta valitud indiaatorite nimed kaalude faili ( …kaalud.txt). Kopeeri valitud indikaatorite väärtused statistikafailist tabelitefaili tööleheleÕpetus. Kui õpetusvaatluste failis on mõni tühik, siis asenda see numbriga 255. Kopeeri töölehel Õpetus oleva tabeli numbrite osa õpetusvaatluste faili …treening.txt. Salvesta õpetusvaatluste fail. Kaugseire 2

19. Tunnustele ja vaatlustele kaalude leidmine tehisõppega Vali keel tarkvaras MLNN.exe. Vali menüüst Tehisõpe. Vali kaalude fail ja parameetrite fail. Vali tulemuste failide nimed. Vali andmebaasiks C:\KAUGSEIRE2\PK_MLNN-2005.mdb. Kontrolli parameetrite aknas, kas tunnuste arv ja vaatluste arv on vastavuses õpetusandmetega. Jäta õppemeetodiks meetod 13. Algkaale ei pruugi muuta. Tehisõppe tulemused salvestuvad andmebaasi, näidiste faili, kaalude faili, prognoosifaili ja logifaili. Kopeeri näidistefail tabelitefaili töölehele Näiised. Kopeeri kaalud kaalude failist töölehele Indeksite_võrdlus. Kopeeri prognoositud väärtused töölehele Prognoos Tekivad tunnuste kaalude ja näidiste arvu joonised. Kaugseire 2

20. Tehisõppel saadud prognoosi ja inimeksperdi antud hinnangute täpsuse võrdlev analüüs Kes või mis oli parim ekspert? Kes või mismilliseid põhialasid paremini ära tunneb? Mis on ekslike hinnangute tõenäolised põhjused? Miks mõned alad on paremini äratuntavad kui teised? Kas inimesed ja arvuti oled selles eksperimendis võrdses seisus? Kuivõrd on üldse võimalik arvutile ja inimesele võrdseid tingimusi tagada? Mida oleks selle õppeaine ja selle eksperimendi puhul võinud teisiti teha? Kaugseire 2

21. Vastavuse indeks kapa Valemid Vigade maatriks muutub vahemikus 0 … 0,5; sõltub klasside arvust, paljude ühtlase suurusega klasside puhul väiksem Diagonaalil olevate pikslite osa-kaalu ootus juhupaiknemise korral 0 tähistab nullhüpoteesi P0= (155 • 166 + 573 • 539 + 435 • 480) / 11742 = 0.394 Tegelikult diagonaalil olevate pikslite osakaal C tähistab korrektsust muutub vahemikus 0 … 1 PC= (120 + 505 + 400) / 1174= 0.873 Kui klasse on palju, on diagonaali ruute suhteliselt vähem. Sellepärast P0 ise ei sobi klassifikatsioonide kooskõla hindamiseks. K muutub vahemikus –1 … 1 0 tähistab seose puudumist Millal on K väärtus –1? Kapa koefitsient K= (0.873–0.394) / (1 –0.394) = 0.79 = 79% Kaugseire 2

22. Kapa ja vea ruumiline suurus Kapa koefitsient mõõdab samade andmete kahe klassifikatsiooni suhtelist vastavust. Kapa on kasutatav nii ruumiliste kui ka asukohaga mitte seotud andmete puhul. Kapa ei arvesta mittekokkulangevate tulemuste paiknemise vea suurust. Samasuur pindade vastavus Kapa koefitsienti järgi Kaugseire 2