Application the object based image analysis of VHR sattelite images in land-use analysis

• Autorzy: Wężyk P. , Kok R. , Kozioł K.

Warianty tytułu

PL

Zastosowanie obiektowej analizy wysokorozdzielczych obrazów satelitarnych w klasyfikacji form użytkowania terenu

• Języki publikacji: EN

Abstrakty

PL

Trendy panujące w teledetekcji wskazują jednoznacznie na kierunek stosowania całkowicie samodzielnych metod automatycznej klasyfikacji dużych mozaik ortofotomap lotniczych i satelitarnych. Zautomatyzowany proces pozyskiwania i zarządzania dużymi zbiorami danych teledetekcyjnych został już w zasadzie osiągnięty, a jego logiczną kontynuacją jest w pełni automatyczna interpretacja obrazu. Wybrane klasy CLC2000 (Corine Land Cover) takie jak: woda, las, obszary antropogenicznego pochodzenia czy tereny rolnicze posiadają bardzo specyficzną charakterystykę będącą kombinacją własciwości spektralnych i tekstury. Stąd też klasy te mogą być poddawane sekwencyjnemu procesowi klasyfikacji (zapisanego w tzw. protokole programu eCognition; Definiens) zwanego OBIA (obiektowa analiza obrazu; synonim - klasyfikacja obiektowa), który może wskazać tzw. "kandydatów" dla powierzchni treningowych i testowych w obszarze analizowanego obrazu. W zaprezentowanej metodzie, selekcja pól treningowych i testowych tradycyjnie dokonywana przez operatora, została znacząco zredukowana bądź też nawet całkowicie zaniechana. Te subiektywne zazwyczaj decyzje, które obszary nadają się, a które nie jako wzorce to klasyfikacji, zastąpiono hierarchicznym procesem (protokół eCognition) ich wyboru. Zapewnia to opisywanej metodzie OBIA większą obiektywność. Sukces działania w pełni automatycznych procedur analizy obrazu można osiągnąć w przypadku klas pokrycia terenu o unikatowej charakterystyce spektralnej i teksturze (ang. fingerprint). Systemy eksperckie wymuszają przebieg określonych procesów takich jak: od poziomu Danych do Informacji oraz od poziomu Informacji do Wiedzy. Pomimo takiego przebiegu od Danych do Informacji, systemy IACS/LPIS bazują w swej dużej części na informacjach składanych przez rolników. Bezpośrednie powiązanie danych satelitarnych z systemami GIS może przynosić duże profity dzięki wdrażaniu dostępnych już inteligentnych metod przetwarzania obrazu. Prezentowana praca demonstruje najnowocze.niejsze metody (eCognition ver.5) i procedury aktualizacji warstw GIS (LPIS) oparte na automatycznym generowaniu informacji na podstawie wysokorozdzielczych obrazów satelitarnych QuickBird. Artykuł pokazuje możliwości zastosowania automatycznych procesów do ilościowej analizy dynamiki klas pokrycia terenu, w tym szczególnie, naturalnej sukcesji leśnej jaka najczęściej zachodzi na opuszczonych gruntach rolnych w południowej części Polski. Zastosowana klasyfikacja OBIA oraz analizy GIS wykazały istnienie 69,28 ha obszarów o charakterze sukcesyjnym zajmujących 16,2% terenu badań. Zautomatyzowane pozyskiwanie informacji zawartych w wysokorozdzielczych obrazach satelitarnych staje się koniecznością w kontekście podejmowania najlepszych decyzji uwzględniających dynamikę naturalnych procesów zachodzących w krajobrazie rolniczym.

Słowa kluczowe

EN

object-based image analysis; OBIA; classification protocols; GIS spatial analysis; forest succession; land cover

PL

obiektowa analiza obrazu (OBIA); protokół klasyfikacji; analiza przestrzenna; sukcesja leśna; klasy pokrycia terenu

• Wydawca: Polskie Towarzystwo Informacji Przestrzennej
• Czasopismo: Roczniki Geomatyki
• Rocznik: 2006
• Tom: T. 4, z. 3
• Strony: 227--238
• Opis fizyczny: Bibliogr. 16 poz.

Twórcy

autor

Wężyk P.

autor

Kok R.

autor

Kozioł K.

• Akademia Rolnicza w Krakowie,

Bibliografia

• 1. Baatz M., Schäpe A., 2000: Multiresolution segmentation - an optimization approach for high quality multiscale image segmentation. In: Strobl, J. et al. (Hrsg.): Angewandte Geographische Informationsverarbeitung XII. Beiträge zum AGIT-Symposium Salzburg 2000, Karlsruhe, Herbert Wichmann Verlag: 12-23.
• 2. Benz U.C., Hoffmann P., Willhauck G., Lingenfelder I., Heynen M., 2004: Multi-resolution, object-oriented fuzzy analysis of remote sensing data for GIS-ready information. ISPRS Journal of Photogrammetry and Remote Sensing, 58, 239.258.
• 3. Blaschke T., 2003. Continuity, complexity and change: A hierarchical Geoinformation-based approach to exploring patterns of change in a cultural landscape. [In:] Mander, Ü. and Antrop, M. (eds.): Multifunctional Landscapes Vol. III: Continuity and Change. Advances in Ecological Sciences 16, WIT press, Southampton, Boston, 33-54.
• 4. Blaschke T., Burnett C., Pekkarinen A., 2004: New contextual approaches using image segmentation for objectbased classification. In: De Meer, F. and de Jong, S. (eds.): Remote Sensing Image Analysis: Including the spatial domain, pp. 211-236. Kluver Academic Publishers, Dordrecht.
• 5. EC, DG JRC, 2005: Guidelines for Best Practice and Quality Checking of Ortho Imagery. Issue 2-4. JOINT Research Centre . Ispra, Institute for the Protection and Security of the Citizen, Monitoring Agriculture With Remote Sensing Unit.
• 6. Fernández-Manso O., Fernández-Manso A., Quintano-Pastor C., Álvarez M.F., 2005: Mapping forest cover changes caused by mining activities using spectral mixture analysis and object-oriented classification. Proceedings of ForestSat 2005, Boras May 31.June 3, pp.77-81.
• 7. Gougeon F. A., 1995: A crown.following approach to the automatic delineation of individual tree crowns in high spatial resolution aerial images. Canadian Journal of Remote Sensing, 21(3):274.284.
• 8. Haralick R.M., Shapiro L., 1985: Survey: Image segmentation techniques. Computer Vision, Graphics, and image Processing, vol. 29(1), pp. 100-132.
• 9. http://mars.jrc.it/marspac/PECO accessed on 04.06.2006.
• 10. http://wiki.ucalgary.ca . accessed on 22.07.2006.
• 11. MLLE, 2005: Land- und Ernährungswirtschaft in Polen. Ministerium für Landwirtschaft und Ländliche Entwicklung. Warschau. http://www.wirtschaft-polen.de/de/landwirtschaft.htm . accessed on 20.11.2005.
• 12. Musick H.B., Grover H.D., 1991: Image textural measures as indices of landscape pattern. Quantitative methods in landscape ecology (Ed. by M.G. Turner and R.H. Gardner; Springer-Verlag, New York.), pp.77.103.
• 13. Oesterle M., Hahn M., 2003: A Case Study for Updating Land Parcel Identification Systems (IACS) by Means of Remote Sensing, Proceedings of the XXth ISPRS Congress, 12-23 July 2004 Istanbul, Turkey
• 14. PGL LP, 2003: The State National Forest Holding, Annual Report 2003, Warsaw
• 15. Wężyk P., Ciechanowski P., 2005: Wykorzystanie wysokorozdzielczych zobrazowań satelitarnych Quick-Bird-2 w aktualizacji baz danych leśnej mapy numerycznej. Roczniki Geomatyki Tom III. Zeszyt 4. Warszawa. s.199-208.
• 16. Wężyk P., de Kok R., Zajączkowski G., 2004: The role of statistical and structural texture analysis in VHR image analysis for forest applications . A case study on QuickBird data in Niepolomice Forest. In: Strobl, J., Blaschke T. & Griesebner, G. (Hrsg.): Angewandte Geoinformatik 2004. Beiträge zum 16. AGITSymposium Salzburg 2004, H. Wichmann Verlag, Heidelberg, S. 770-775.