1 / 21

TÁVÉRZÉKELÉS XII.

TÁVÉRZÉKELÉS XII. KÖRNYEZETGAZDÁLKODÁSI AGRÁRMÉRNÖKI BSc TERMÉSZETVÉDELMI MÉRNÖKI BSc. ELŐADÁS/GYAKORLAT ÁTTEKINTÉSE. Utófeldolgozási módszerek ismertetése A képosztályozás eredményének értékelése hibamátrix és kappa-index számítással

miles
Download Presentation

TÁVÉRZÉKELÉS XII.

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. TÁVÉRZÉKELÉS XII. KÖRNYEZETGAZDÁLKODÁSI AGRÁRMÉRNÖKI BSc TERMÉSZETVÉDELMI MÉRNÖKI BSc

  2. ELŐADÁS/GYAKORLAT ÁTTEKINTÉSE • Utófeldolgozási módszerek ismertetése • A képosztályozás eredményének értékelése hibamátrix és kappa-index számítással • Az ellenőrzött osztályozási módszer bemutatása egy esettanulmányon keresztül • Kvantitatív értékelési módszerek • Nevezetes vegetációs indexek ismertetése HEFOP 3.3.1.

  3. Képosztályozás utófeldolgozása Az osztályozás pontosságának ellenőrzése • Az osztályozott terület és a valós adatok vizuális értékelése (igaz-hamis), amely gyakran szubjektív hibával terhelt • Az osztályozott kép és a valós adatok mennyiségi összehasonlítása (km2, %, stb.). Csak a kumulált értékeket hasonlítja össze. • Az osztályozott területen a térbeli egyezőséget is elemzi (helyspecifikus elemzés). Megvizsgálja, hogy az osztályozással létrehozott kategóriák térben mennyire térnek el a valós adatoktól (overall accuracy). • Az osztályozott terület és a valós adatoknál az összes osztály összehasonlítása, hibamátrix készítésével (error matrix, confusion matrix). HEFOP 3.3.1.

  4. Képosztályozás utófeldolgozása Hibamátrix A hibamátrix a leggyakrabban alkalmazott hiba-értékelési eljárás, aminek előnye, hogy az egyes osztályok közötti kapcsolatokra is rámutat (Hay, 1988; Yuan, 1997). A hibamátrix átlós értékei mutatják azokat a pixel-értékeket, ahol helyes volt az osztályba sorolás. Szintén osztályonként értékelhettük a két fő osztályba sorolási hibát: a téves osztálybasorolás (comission) és a téves osztályból kihagyást (omission) valamint a teljes hibát (overall accuracy). HEFOP 3.3.1.

  5. ahol és Képosztályozás utófeldolgozása Kappa-index A Kappa-indexet a mért és az osztályozott képek értékelésére lehet használni, ahol a főátló mentén található értékek a tényleges megfigyelési értékek (p0) és a Kappa (k ) az alábbiak szerint számolható. HEFOP 3.3.1.

  6. Nevezetes indexek A növényi biofizikai változók vizsgálatánál széles körben elterjedt módszer a növényi vegetációs indexek alkalmazása. A vegetációs indexeket Baret és Guyot (1991) két nagy csoportra osztotta a távolságon alapuló indexek, amelyek többnyire összeg vagy különbség indexek, amelyek egy vagy több sáv lineáris kombinációjaként állíthatók elő (sDVI, GVI, PVI, DVI, WDVI) illetve a hányados típusú meredekségen alapuló indexek (RVI, NDVI, IPVI, TVI, SAVI, SAVI2, TSAVI, IMSAVI, EMSAVI, ARVI, SARVI). HEFOP 3.3.1.

  7. Ellenőrzött osztályozás lépései ENVI térinformatikai programmal • LANDSAT felvétel geometriai transzformációja • Ellenőrző területek létrehozása a terepi GPS mérési adatokból (ROI tool) • Tanítóterületek kijelölése terepi GPS adatokból (ROI tool) • A tanítóterületek ellenőrzése (ROI separability /Jeffries-Matusita) • Maszk létrehozása az ellenőrző területekből (Mask) • Ellenőrzött osztályozás (Supervised classification/Maximum likelihood) • Az osztályozás pontosságának ellenőrzése hibamátrix-szal (Post classification/Confusion matrix) HEFOP 3.3.1.

  8. Képosztályozás Landsat ETM felvétel B1,B2,B3 csatornái HEFOP 3.3.1.

  9. Képosztályozás tanítóterületek Tanítóterületek kijelölése HEFOP 3.3.1.

  10. Képosztályozás Tanítóterületek páronkénti összehasonlításának eredményei (Jeffries-Matusita távolság) : Cukorrépa (1023 pixel) - Gyep (554 pixel) - 1,99846049 Tarló (784 pixel) - Gyep (554 pixel) - 1,99966561 Kukorica (676 pixel) - Gyep (554 pixel) - 1,99973253 Lucerna (841 pixel) - Gyep (554 pixel) - 2,00000000 Cukorrépa (1023 pixel) - Kukorica (676 pixel) - 2,00000000 Lucerna (841 pixel) - Kukorica (676 pixel) - 2,00000000 Lucerna (841 pixel) - Cukorrépa (1023 pixel) - 2,00000000 Szántó (650 pixel) - Cukorrépa (1023 pixel) - 2,00000000 Tarló (784 pixel) - Cukorrépa (1023 pixel) - 2,00000000 Tarló (784 pixel) - Kukorica (676 pixel) - 2,00000000 Szántó (650 pixel) - Lucerna (841 pixel) - 2,00000000 Szántó (650 pixel) - Kukorica (676 pixel) - 2,00000000 Tarló (784 pixel) - Lucerna (841 pixel) - 2,00000000 Szántó (650 pixel) - Tarló (784 pixel) - 2,00000000 Szántó (650 pixel) - Gyep (554 pixel) - 2,00000000 HEFOP 3.3.1.

  11. Képosztályozás Osztályozott (maximum likelihood) felvétel HEFOP 3.3.1.

  12. Képosztályozás Ellenőrző terület HEFOP 3.3.1.

  13. Képosztályozás ellenőrzése hibamátrix és kappa index számítással Ellenőrző terület HEFOP 3.3.1.

  14. Nevezetes indexek A távolságon alapuló indexek közül a közeli infravörös és a vörös csatornák reflektancia értékeinek hányadosán alapulóreflektancia viszonyszámindexet (Ratio Vegetation Index, RVI) zöld biomassza mennyiségének, levélfelületnek (LAI), klorofiltartalom mennyiségi meghatározására alkalmazták. HEFOP 3.3.1.

  15. Nevezetes indexek Világszerte a legelterjedtebb vegetációs index a normalizált vegetációs index (Normalized Difference Vegetation Index, NDVI) amelyet levélfelület, zöld biomassza mennyiségének, a klorofiltartalomnak, növényi szövet víztartalmának meghatározására alkalmazzák. Az NDVI nagy területek biomassza-változásának idősoros elemzésére is előszeretettel alkalmazott univerzális mutatószám. HEFOP 3.3.1.

  16. Nevezetes indexek HEFOP 3.3.1.

  17. Nevezetes indexek • Difference Index (DI) and Normalized Difference Index (NDI) HEFOP 3.3.1.

  18. ELŐADÁS/GYAKORLAT ÖSSZEFOGLALÁSA • A képosztályozás utófeldolgozási mechanizmusának ismertetése • A hibamátrix és kappa-index ismertetése a képosztályozás eredményének értékelése során • Az ellenőrzött osztályozási módszer bemutatása az ENVI képfeldolgozó szoftverrel, egy esettanulmányon keresztül • Kvantitatív értékelési módszerek ismertetése • Nevezetes vegetációs indexek csoportosítása és ismertetése HEFOP 3.3.1.

  19. ELŐADÁS/GYAKORLAT ELLENÖRZŐ KÉRDÉSEI • Ismertesse a hibamátrixot és a kappa-indexet • Mutassa be az ellenőrzött képosztályozás főbb lépéseit • Határozza meg az NDVI, RVI, SAVI indexeket HEFOP 3.3.1.

  20. ELŐADÁS/GYAKORLAT Felhasznált forrásai • Szakirodalom: • Czimber, K. (1997): Geoinformatika. Soproni Műhely, Sopron, 119 p. • Kraus, K. (1988): Fotogrammetria. Budapest, 384 p. • Sárközy, F. (1991): Térinformatika. Budapest – interaktív oktatási anyag, URL: http://bme-geod.agt.bme.hu/tutor_h / • Egyéb források: • Russ, J.C. (1999): The image Processing Handbook, Third Edition, CRC Press LLC, Boca Raton, Florida, 771 p • Sabins, F. F., (1996): Remote Sensing. Principles and Interpretation. W. H. Freeman and Co. Los Angeles, 494 p HEFOP 3.3.1.

  21. KÖSZÖNÖM A FIGYELMÜKETKÖVETKEZŐELŐADÁS/GYAKORLAT CÍME • Több előadást átfogó oktatási téma előadássorozatának címei: Képosztályozási módszerek • Következő előadás megértéséhez ajánlott ismeretek kulcsszavai: ortofotó, földhasználat, parcella, képosztályozás Előadás anyagát készítették: Burai Péter (DE ATC) HEFOP 3.3.1.

More Related