1 / 35

A hiperspektrális képfeldolgozás módszerei és az els ő magyarországi képalkotó spektrométeres repülés adatainak elemzé

A hiperspektrális képfeldolgozás módszerei és az els ő magyarországi képalkotó spektrométeres repülés adatainak elemzése. Hargitai Henrik doktori értekezésének védési bemutatója Témavezet ő k: Kardeván Péter, Mari László ELTE TTK Földtudományi Doktori Iskola Földrajzi program 2006 (2007).

precious
Download Presentation

A hiperspektrális képfeldolgozás módszerei és az els ő magyarországi képalkotó spektrométeres repülés adatainak elemzé

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. A hiperspektrális képfeldolgozás módszerei és az első magyarországi képalkotó spektrométeres repülés adatainak elemzése Hargitai Henrik doktori értekezésének védési bemutatója Témavezetők: Kardeván Péter, Mari László ELTE TTK Földtudományi Doktori IskolaFöldrajzi program2006 (2007)

  2. Bevezetés Forrás: Műholdas, légifelvételezés, terepi spektroradiométer, labor spektrométer, modellszámítás (kevert pixel), spektrumkönyvtár (endmember) A: LANDSAT, B: DAIS Hiperspektrális távérzékelés: Spektrális felbontás: Több tíz sáv, szűk felbontásban Jellegzetes lefutású spektrumgörbe Szűk elnyelési sávok azonsíthatók

  3. A témák ismertetése • A mondanivaló felvázolása

  4. Az adatkocka

  5. Főbb földtudományi felhasználási lehetőségek • NÖVÉNYZET VIZSGAÁLATA - 400-1100 nm: főleg növényzet vizsgálata (vörös él) (látható+közeli IV) (vegetációborítás miatt Európa nagy része) • TALAJ, ÁSVÁNYOK, KŐZETEK - 1100-2400 nm: ásványi anyagok, kőzetek jellegzetes elnyelési sávokkal (középső IV (reflektív IV) (sivatagi területek) • HŐMÉRSÉKLET (TÜZEK) - 2,5- (10) um: termális IV (hőmérséklet) • Európa: bányászati szennyeződések (meddőhányók, vízek): MINEO, PECOMINES -- Hysens 2002 projekt (EU/DLR/MÁFI). Gond: gyakori felhőborítás (monitorozás nehéz)

  6. Hysens 2002 • 2002. augusztus 17–18 • DAIS - 79 sáv- méter/képpont hiperspektrális adatkockák • GER3700 640 sávos terepispektroradiométer • DLRelőfeldolgozás • Egyszeri légifelvételezés (2 egymást követő napon)

  7. Saját kutatás: erdőtípusok spektrális szétválasztása • Homogén területek azonosítása a képen • Homogén területek azonosítása a terepen • Elegyes erdők (spektrálisan homogén) azonosítása • Kutatási területek: Recsk, Gyöngyösoroszi

  8. 1. Történeti összegzés • 1989 MINOTEQ (FÖMI) Bős-Nagymaros • 2000: ciánszennyezés – MÁFI-ITC (NL) együttműködés kezdete (Kardeván Péter - Vekerdy Zoltán) • Próbamérések GER 3700 spektroradiométerrel az Alföldön • Hysens 2002: MÁFI: pályázat – DAIS elérhetővé tétele. Koordinál: DLR. ITC, JSC: ASD FieldSpec, GER3700, PIMA spektroradiométerek + VITUKI, DE (Látókép, Tedej) • 2000: ciánszennyezés – MÁFI-ITC (NL) együttműködés kezdete

  9. 2. Magyar kutatások • DAIS adatkockák felhasználásával: • Bányászati szennyeződések – Sajó, Gyöngyösoroszi, Recsk • Mezőgazdasági kutatás (hibrid gabonafajták): Látókép, Tedej (részletes táblatörzskönyv) – DE • MTA Vácrátót (Horváth Ferenc): erdőtípusok • Jung A.: városi kutatás (növényzet állapota) Gyöngyös

  10. 3. Angol-magyar szójegyzék • Magyar irodalom alapján • Imaging spectroscopy, imaging sopectrometry, hyperspectral remote sensing – képalkotó spektrometria, hiperspektrális táváérzékelés (mérések által sokcsatornás kép létrehozása) • Endmember: végállású spektrum, végállású összetevő • Ground truth: körülírással

  11. 4. A technológia működési elvei • Leírás az ENVI működése alapján • „lépésről lépésre” kalauz a jövőbeni felhasználóknak (a potenciális hibákat hol kerüljük el?)

  12. 5. Spektrumkönyvtár • „Spektrumtájak”: sok tényező együttjátszása, egy adott vegetációs időpontban • Tedej: haszonnövények • Recsk, Gyöngyösoroszi: erdei fák (erdőtípusok) és erdei felszínborítás-típusok (rét stb)

  13. 6. Terepi ellenőrzés • 1: automatizált osztályba sorolás • 2: erdészeti adatbázisok alapján tanítópontos osztályba sorolás • 3. Terepbejárás alapján homogén területek tanítómezeinek felhasználásával osztályba sorolás • A három módszer eredményei egybevágnak – nincs szükség terepbejárásra?

  14. 7. Terepi és laborspektrum eltér • A terepi és a laborspektrum nem összevethető (növényzet esetén): abszolút reflektanixca és lefutási görbe jellemzői is különbözhetnek. • Ok: felülről máshogy néz ki a terep (lombkoronaszint szerkezete, aljnövényzet, árnyékviszonyok, záródás) • Falevél tisztán erősebb reflektaniájú, mint terepen

  15. 8. Fenológiai fázisok spektrális térképezése • A mezőgazdasági termésbecslés alkalmazáshoz hasonlóan az erdészeti felhasználsát is segítené, ha minden fenológiai fázisból rendelkezésre állna spektrum • Felvétele: multitemporális (spektroradiométerrel?) • Felhőzet miatt több évi kutatást igényel • Nem dátumhoz, hanem adott helyhez, évi időjáráshoz, éghajlathoz stb. kötött • Legnagyobb különbség ideje a szétválasztandó fajok között így állapítható meg

  16. 9. „Bükk” és „tölgy” elkülönítése • A spektrum lefutása csak pár helyen tér el • Ez csak a hiperspektrális vizsgálattal azonosítható • A reflektancia viszont jelentősen különbözik • Ehhez viszont elég célzott multispektrális vizsgálat

  17. 10. A recski terület növényborítási térképe (Matched filtering) • Tölgy Rét Bükk Fenyves Kompozit

  18. 11. Zajszűrés • A DAIS képekre • 79-ből 52 sáv hasznos • A rossz jel-zaj viszony oka • Erős légköri elnyelés (víz 0,9, 1,1, 1,4, 1,8 nm) • alacsony reflektancia (anyagfüggő, pl. víz) • Lámpás terepi vizsgálat: lámpa egyenletes radianciájú, de gyengébb: az 1,4 és 1,8 nm-en erősebb, mint a terepi napfény, másutt gyengébb

  19. 12. Feldolgozási mátrix • Légi és terepi felvételezés • Korrekciók • Szűrés, adatdim. csökk. • Célspektrum választás • (ROI, endmember) • Osztályozás • Ábrázolás • Ellenőrzés, tévesztési mátrix

  20. 13. Tedeji területre LANDSAT összehasonlítás • Ismert táblatörzskönyv • Landsat és DAIS között főleg a táblaperemeken van különbség • Az osztályozás a tág kategóriákon belül nem tér el jelentősen

  21. 14. Összegző megállapítások • Célszerű használat: ha multispektrális nem működik • Spektrumkönyvtár a teljes fenofázisra • Célszerű felvételi időpont: tavasz, ősz

  22. KÉRDÉSEK

  23. Berke József • 1. KÖLTSÉGEK • Terepi spektroradiométer 1,5-10 mFt • Bérlés: 50 eFt/nap • Légi felvételezés (repülés) 5-10 mFt teljes projekt, 250 eFt belföldi repülés • Repülő műszer: 20-30 mF? • Korrekció: 250 eFt/kép • Műholdas adatkocka: 50-100 eFt • Szoftver 1,7 mFt

  24. 2. 6x6 • - kvázi homogén felszínborítás • - nem volt spektrométer • -csak potenciális endmemberként használt spektrumok • 3. Lehetőségek • Jogilag szabványos eljárás • Állami megrendelés • Spektumkönyvtár háttérbázis • Planetológia (képalkotó)

  25. Elek István • Hibabecslés • DLR: at sensor, nem geokódolt atmoszfériukusan korrigált, sík felszínre; ill. topográfiai normalizációval – hibás • Először ezt használtuk, de: túl nagy korrelláció a domborzattal • Pont-pont referálással a geokódolásos képről az at sensor képre • De: topográfiai normalizáció a hegy-völgye területre fontos (a lejtős területeken) • Pl: Philip A. Townsend and Jane R. Foster • TERRAIN NORMALIZATION OF AVIRIS AND HYPERION IMAGERY IN FORESTED LANDSCAPES

  26. Folytatás: • Nincs terepi spektroradiométer • Teszt repülések • Multitemporális spektrumkönyvtár felállítása • Jövő tervek: • Mars: szulfátok kimutatás in situ CL módszerrel, egyesítve a hiperspektrális vizsgálatot (pl. OMEGA) és a CL módszert

More Related