Klasyfikacja pokrycia terenu z wykorzystaniem obrazów Sentinel-2A przetworzonych za pomocą metody głównych składowych (PCA)

• Autorzy: Kałużna Urszula , Będkowski Krzysztof

Warianty tytułu

EN

Land cover classification using Sentinel-2A images processed by the principal components method (PCA)

• Języki publikacji: PL

Abstrakty

PL

Celem badań jest ocena możliwości realizacji klasyfikacji nadzorowanej z wykorzystaniem obrazów (komponentów) uzyskiwanych w wyniku przetworzenia oryginalnych obrazów Sentinel-2A za pomocą metody głównych składowych (PCA). Klasyfikację wykonano w ośmiu wariantach, z wykorzystaniem algorytmów najmniejszej odległości (MD, Minimum Distance) oraz największego prawdopodobieństwa (ML, Maximum Likelihood), przy czym zastosowano oryginalne kanały 2, 3, 4, 8 Sentinel-2A oraz różną liczbę komponentów. Wyniki klasyfikacji oceniono poprzez porównanie z danymi o pokryciu terenu według Ewidencji Gruntów i Budynków (EGiB). Przeprowadzenie klasyfikacji na ograniczonej do dwóch liczbie komponentów uzyskanych w procedurze PCA tylko nieznacznie zmieniło wyniki w porównaniu do klasyfikacji na oryginalnych, nieprzetworzonych kanałach Sentinel-2A. Najbardziej zbliżone do danych EGiB rezultaty uzyskano stosując klasyfikację ML kanałów oryginalnych, nieprzetworzonych lub używając wszystkich komponentów PCA. Podjęta próba porównania pokrycia terenu ustalonego za pomocą klasyfikacji obrazów satelitarnych z klasami pokrycia, które zostały wyodrębnione z mapy EGiB wykazała, że przetworzenie mapy z postaci wektorowej na rastrową wpływa istotnie na uzyskiwane wyniki.

EN

The aim of the research is to assess the feasibility of supervised classification using images (components) obtained through processing the original Sentinel-2A images by means of the principal component method (PCA). The classification was performed in eight variants, using the algorithms of the minimum distance (MD) and the maximum likelihood (ML), with the original channels 2, 3, 4, 8 of Sentinel-2A and a various number of components. The results of the classification were assessed by comparing them to the land coverage data of Land and Buildings Register (Ewidencja Gruntów i Budynków – EGiB). Performing the classification on a number of PCA components limited to two only slightly altered the results compared to the classification on the original, raw Sentinel-2A channels. The results most similar to the EGiB data were obtained using the ML classification of the original channels, i.e. raw channels or using all PCA components. The attempt to compare the land coverage established by the classification of satellite images to the coverage classes that were extracted from the EGiB map revealed that processing the map from vector to raster form significantly influences the obtained results.

Słowa kluczowe

PL

teledetekcja; pokrycie terenu; EGiB; Sentinel-2A; PCA; nadzorowana klasyfikacja obrazu

EN

remote sensing; land cover; land and buildings register; Sentinel-2A; PCA; supervised image classification

• Wydawca: Polskie Towarzystwo Geograficzne, Oddział Teledetekcji i Geoinformatyki
• Czasopismo: Teledetekcja Środowiska
• Rocznik: 2020
• Tom: T. 61
• Strony: 19--37
• Opis fizyczny: Bibliogr. 20 poz., rys., tab.

Twórcy

autor

Kałużna Urszula

• Wyższa Szkoła Gospodarki Krajowej w Kutnie, Wydział Nauk Technicznych ul. Lelewela 7 99-300 Kutno

autor

Będkowski Krzysztof

• Uniwersytet Łódzki, Wydział Nauk Geograficznych ul. Kopcińskiego 31 90-142 Łódź

Bibliografia

• Adamczyk J., Będkowski K., 2007, Metody cyfrowe w teledetekcji, Wydawnictwo SGGW, Warszawa.
• Babenko D., Marmanis H., McIlwraith D., 2017, Inteligentna sieć. Algorytmy przyszłości, Wydawnictwo Helion, Gliwice.
• Będkowski K., Piekarski E., 2017, Podstawy fotogrametrii i teledetekcji dla leśników, Wydawnictwo SGGW, Warszawa.
• Bhattacharya A.K., Majumdar T.J., Pal S.K., 2007, ERS-2 SAR and IRS-1C LISS III data fusion: A PCA approach to improve remote sensing based geological interpretation, Photogrammetry & Remote Sensing, 61: 281-297.
• GUS 2014: Bank Danych Lokalnych (BDL), grupa: Powierzchnia Geodezyjna Kraju (Dane GUGiK), podgrupa: Powierzchnia geodezyjna kraju według kierunków wykorzystania.
• Hościło A., Mirończuk A., Lewandowska A., 2016, Określenie rzeczywistej powierzchni lasów w Polsce na podstawie dostępnych danych przestrzennych, Sylwan, 160(8): 627-634.
• Hościło A., Ziółkowski D., 2016, Las z satelity Sentinel, Głos Lasu, 7-8: 35-37.
• Jabłoński M., 2015, Powierzchnia gruntów leśnych - przyczyny zmian i spójność źródeł danych, Wiadomości Statystyczne, 11: 54-67.
• Krawczyk R., 2014, Zalesienia a sukcesja wtórna, Leśne Prace Badawcze, 75(4): 423-427.
• Uchwała 2016: Uchwała Rady Miasta Płocka nr 438/XXV/2016 z dnia 29 listopada 2016 roku: Program ochrony środowiska dla miasta Płocka.
• Uchwała 2017: Uchwała Rady Powiatu Płockiego nr 273/ XXIX/2017 z dnia 29 listopada 2017 roku: Program ochrony środowiska dla powiatu płockiego.
• Ustawa 1989: Ustawa z dnia 17 maja 1989 roku: Prawo geodezyjne i kartograficzne (Dz.U., 2017, poz. 2101; 2019, poz. 725, 730).
• Wysocka-Fijorek E., Kaliszewski A., 2017, Przyczyny i kierunki przeklasyfikowywania gruntów nieleśnych na leśne w świetle badań ankietowych, Sylwan, 161(6): 460-466.
• Źródła internetowe:
• Europejska Agencja Kosmiczna (ESA), Paryż, Francja, https://scihub.copernicus.eu (dostęp: 22.09.2019).
• Główny Urząd Geodezji i Kartografii, Warszawa, https://www.geoportal.gov.pl (dostęp: 30.06.2019).
• Główny Urząd Statystyczny, Warszawa, https://stat.gov.pl/ (dostęp: 08.10.2020).
• PCI Geomatics, Markham, Kanada, https://www.pcigeomatics.com (dostęp: 20.10.2019).
• Sejm Rzeczypospolitej Polskiej, Warszawa, http://prawo.sejm.gov.pl (dostęp: 15.08.2019).
• Sentinel-2 ESA’s Optical High-Resolution Mission for GMES Operational Services, https://sentinel.esa.int/documents/247904/349490/S2_SP-1322_2.pdf (dostęp: 30.12.2020).
• Starostwo Powiatowe w Płocku, Płock, http://powiat-plock.geoportal2.pl (dostęp: 14.05.2019).

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).