Kartowanie pokrycia terenów zurbanizowanych przy zastosowaniu klasyfikacji obiektowej zintegrowanych geodanych lotniczego skanowania laserowego oraz zobrazowań GeoEye-1

Tompalski, P.; Wężyk, P.

Artykuł - szczegóły

Tytuł artykułu

Kartowanie pokrycia terenów zurbanizowanych przy zastosowaniu klasyfikacji obiektowej zintegrowanych geodanych lotniczego skanowania laserowego oraz zobrazowań GeoEye-1

Autorzy

Tompalski P. , Wężyk P.

Wybrane pełne teksty z tego czasopisma

http://rg.ptip.org.pl/index.php/rg/issue/archive

Identyfikatory

Warianty tytułu

Ubran land cover mapping with object-based image classification of integrated airborne laser scanning data and GeoEye-1 images

Języki publikacji

Abstrakty

Głównym celem prezentowanych badań było opracowanie zautomatyzowanej metody kartowania klas pokrycia terenu występujących w przestrzeni miejskiej, na drodze integracji komplementarnych technologii, tj.: wysokorozdzielczych zobrazowań satelitarnych (GeoEye-1) oraz chmur punktów lotniczego skanowania laserowego (ALS). Cel cząstkowy polegał również na porównaniu dokładności klasyfikacji OBIA zbiorowisk roślinnych w oparciu o różne zestawy danych wejściowych, w stopniu możliwie maksymalnie zautomatyzowanym, bez stosowania jakichkolwiek pól treningowych. Jednocześnie autorzy postawili sobie za cel przedstawienie statystyk przestrzennych opisujących zieleń miejską w wymiarze 3D i zaproponowali szersze wykorzystanie danych ALS.

The paper presents first results of advanced research concerning the use of integrated airborne laser scanning data and high resolution satellite images for the purpose of urban land cover mapping, particularly vegetation. Object-based image analysis was used for data processing, without any training areas and with three different approaches: A - only ALS data; B - based on GeoEye-1 satellite image only; C - based on both integrated datasets. Using integrated point clouds with spectral information stored in GeoEye-1 bands resulted in the best classification outcome (Kappa = 0.83), allowing detection of all classes that were the subject of analysis. Vertical structure assessment possibilities with the use of point cloud data were also shown in the paper.

Słowa kluczowe

OBIA ALS VHRS klasyfikacja obiektowa roślinność miejska

OBIA ALS VHRS object-based classification urban green

Wydawca

Polskie Towarzystwo Informacji Przestrzennej

Czasopismo

Roczniki Geomatyki

Rocznik

2011

Tom

T. 9, z. 2

Strony

121--132

Opis fizyczny

Bibliogr. 32 poz.

Twórcy

autor

Tompalski P.

autor

Wężyk P.

Laboratorium GIS i Teledetekcji, Wydział Leśny, Uniwersytet Rolniczy w Krakowie, piotr.tompalski@ur.krakow.pl

Bibliografia

1. Adamczyk J., 2006: Obiektowa analiza obrazów. Roczniki Geomatyki t. 4, z. 3: 11-22, PTIP Warszawa.
2. Adamczyk J., Będkowski K., 2005: Metody cyfrowe w teledetekcji. Wydawnictwo SGGW, Warszawa.
3. Axelsson P., 2000: DEM generation from laser scanner data using adaptive TIN models. ISPRS Journal of Photogrammetry & Remote Sensing 54,138-147.
4. Baatz M., Schape A, 2000: Multiresolution segmentation: an optimization approach for high quality multiscale image segmentation. XII Angewandte Geographische Informationsverarbeitung, Wichmann- Verlag, Heidelberg, 12-23.
5. Blaschke T., 2010: Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing 65,2-16.
6. Blaschke T., Strobl J., 2001: What's wrong with pixels? Some recent developments interfacing remote sensing and GIS. Was ist mit den Pixeln los? Neue Entwicklungen zur Integration von Fernerkundung und GIS 14, 12-17.
7. Carlson T.N., Ripley D.A, 1997: On the relation between NDVI, fractional vegetation cover, and leaf area index. Remote Sensing of Environment 62, 241-252.
8. Chen C.H., 2007: Image processing for remote sensing. CRC Press.
9. Chen Y., 2009: Hierarchical object oriented classification using very high resolution imagery and UDAR data over urban areas. Advances in space research 43, 1101-1110.
10. Ciołkosz A, 2005: Teledetekcja satelitarna źródłem informacji o obiektach, zjawiskach i procesach zachodzących na Ziemi. Nauka 4, 51-70.
11. Cohen J., 1960: Acoefficient ofagreement for nominal scales. Educ. Psychol. Measurement 20 (1),37-46.
12. Congalton, R. G., 1991: A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment 37,35-46.
13. Elberink S.O., Maas H.G., 2000: The use of anisotropic height texture measures for the segmentation of airborne laser scanner data. International Archives of Photogrammetry and Remote Sensing 33,678-684.
14. Haala N., Brenner C., 1999: Extraction of buildings and trees in urban environments. ISPRS Journal of Photogrammetry and Remote Sensing 54, 130-137.
15. Hay G., Castilla G., 2006: Object-based image analysis: strengths, weaknesses, opportunities and threats (SWOT), W: Lang S., Blaschke T., Schopfer E. (Eds.), 1st International Conference on Object-based Image Analysis (OBIA 2006), Workshop proceedings, Salzburg.
16. Jędrychowski 1., 2007:. Lotnicze skanowanie laserowe Krakowa. Archiwum Fotogrametrii, Kartografii i Teledetekcji 17a.
17. Kupidura P., Koza P., Marciniak J., 2010: Morfologia matematyczna w teledetekcji. Wydawnictwo Naukowe PWN SA, Warszawa.
18. LilIesand T.M., Kiefer R.W., W. Chipman J., 2007: Remote Sensing And Image Interpretation, 5th ed. Wiley India Pvt Ltd.
19. McFeeters S.K., 1996: The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing 17,1425-1432.
20. McGaughey R.J., 2007: FUSION/LDV: Software for UDAR Data Analysis and Visualization. Software Manaul. USDA Forest Service. Pacific Northwest Research Station.
21. Meinel G., Hecht R., 2005: Reconstruction of Urban Vegetation Based on Laser Scan Data at Leaf-OffAerial Flight Times ISPRS International WG 1/2 Workshop 2005: 3D Mapping from InSAR and UDAR, Banff, Alberta, Canada, 7-10 June, 2005.
22. Mucke W., Hollaus M., Prinz M., 2010: Derivation of 3D landscape metrics from airborne laser scanning data, Silvilaser 2010, Freiburg, Germany.
23. Navulur K., 2007: Multispectral Image Analysis Using the Object-Oriented Paradigm. CRC Press.
24. Pratt W.K., 200 l: Digital Image Processing 3ed. John Wiley & Sons, Inc.
25. R Development Core Team, 2009: R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, http://www.R-project.org
26. Rashed T., Jlirgens C., 2010: Remote Sensing of Urban and Suburban Areas. Springer.
27. Scott J.R., 2007: Remote Sensing: The Image Chain Approach. Oxford University Press.
28. Shan J., Toth C.K., 2008: Topographic Laser Ranging and Scanning: Principles and Processing. CRC Press Taylor & Francis Group.
29. Syed S., Dare P., Jones S., 2005: Automatic Classification of Land Cover Features with High Resolution Imagery and UDAR Data: An Object-Oriented Approach. http://www.ecognition.com/sites/defaultlfiles/ 266_0185.pdf.
30. Wężyk P., 2008: Modelowanie chmury punktów ze skaningu laserowego w obszarze koron drzew. Archiwum Fotogrametrii, Kartografii i Teledetekcji 18a, 685-695.
31. Wężyk P., Kok R., Szombara S., 2007: Zastosowanie obiektowo zorientowanej analizy obrazu (OBlA) wysokorozdzielczych obrazów satelitarnych w klasyfikacji obszaru miasta Krakowa. Archiwum Fotogrametrii, Kartografii i Teledetekcji 17b, 791-800.
32. Wężyk P., Wertz B., Waloszek A., 2003: Skaner hiperspektralny AISA (Airborne Imaging Spectrometer for Applications) jako narzędzie pozyskiwania informacji o ekosystemie leśnym. Archiwum Fotogrametrii, Kartografii i Teledetekcji 13b, 485-496.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-article-BPW6-0023-0026