Klasyfikacja pokrycia terenu metodą OBIA z wykorzystaniem zobrazowań satelitarnych RapidEye

• Autorzy: Wężyk P. , Wójtowicz-Nowakowska A. , Pierzchalski M. , Mlost J. , Szwed P.

Warianty tytułu

EN

Land cover mapping based on OBIA of RapidEye satellite data

• Języki publikacji: PL

Abstrakty

PL

Wraz z rozwojem teledetekcji i wysokorozdzielczych obrazów satelitarnych istotnym wyzwaniem dla współczesnych badań stało się zautomatyzowanie procesu klasyfikacji pozyskiwanych danych. Jedną z bardzo szybko rozwijających się metod automatycznej klasyfikacji jest analiza obiektowa obrazu (OBIA, ang. Object Based Image Analysis). Celem pracy było wykorzystanie metody OBIA w przygotowaniu aktualnej mapy pokrycia terenu będącej ważnym elementem dokumentacji niezbędnej dla studium uwarunkowań budowy nowej hydroelektrowni na środkowym odcinku Wisły. W pracy wykorzystano wysokorozdzielcze zobrazowania satelitarne RapidEye (5 kanałów spektralnych, w tym dwa w zakresie NIR) pokrywające obszar około 5.300 km2 oraz oprogramowanie eCognition (TRIMBLE Geospatial) a także warstwy informacyjne GIS. W wyniku przeprowadzonych analiz uzyskano mapę pokrycia terenu reprezentowaną przez 29 klas. Największą powierzchnię terenu badań zajmują obszary użytkowane rolniczo (59.5%, z czego 35.5% grunty orne) oraz lasy (29.1%, z czego 21.4% drzewostany iglaste), co świadczy o charakterze tej jednostki fizjograficznej. Analiza dokładności uzyskanych wyników wykazała, iż metoda OBIA daje bardzo dobre rezultaty (współczynnik Kappa równy 0.8) w daleko zautomatyzowanym procesie generowania aktualny map pokrycia terenu dla obszarów centralnej Polski na podstawie obrazów satelitarnych RapidEye.

EN

Parallel with the development of remote sensing and high resolution satellite images major challenge for modern research has become almost to automate the classification of the data obtained. One of the most rapidly developing methods for automatic classification is object-oriented image analysis (OBIA, Object Based Image Analysis). The aim of the present study was to use the OBIA method to create the current land cover map which is part of the documentation necessary for new water power-station on the middle part of Vistula river. In this paper the RapidEye satellite images (5 spectral bands, two in the NIR range) covering an area of about 5 300 km2 and eCognition Developer (TRIMBLE) software were used. As a result of the analysis and land cover map was obtained, represented by 29 classes. The largest area is covered by agricultural land (59.5%; arable land – 35.52%) and forests (29.1%; mainly coniferous 21.4%), reflecting the rural – forestry character of the area. Analysis of the accuracy of the obtained results has shown that the OBIA method gives quite good results (Kappa coefficient equal to 0.8) for land cover mapping of central part of Poland based on the RapidEye imageries.

Słowa kluczowe

PL

wysokorozdzielcze zobrazowania satelitarne; RapidEye; analiza obiektowa obrazu; OBIA; segmentacja; eCognition; pokrycie terenu

EN

RapidEye; high-resolution satellite images; object-based image analysis; OBIA; segmentation; eCognition; land use; land cover

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2012
• Tom: Vol. 23
• Strony: 489--500
• Opis fizyczny: Bibliogr. 18 poz.

Twórcy

autor

Wężyk P.

• Laboratorium GIS i Teledetekcji, KEkL, Wydział Leśny, UR w Krakowie, telefon: [phone] fax: [phone]

autor

Wójtowicz-Nowakowska A.

• ProGea Consulting, ul. Pachońskiego 9, 31-223 Kraków

autor

Pierzchalski M.

• ProGea Consulting, ul. Pachońskiego 9, 31-223 Kraków

autor

Mlost J.

• ProGea Consulting, ul. Pachońskiego 9, 31-223 Kraków

autor

Szwed P.

• ProGea Consulting, ul. Pachońskiego 9, 31-223 Kraków

Bibliografia

• 1. Adamczyk J., Będkowski K., 2006. Analiza obiektowa jako metoda poprawy jakości klasyfikacji. Roczniki geomatyki, IV, s. 37–46.
• 2. Aldred D., Wang J., 2007. Object-oriented classification for urban building boundary extraction from IKONOS imagery. Our Common Borders – Safety, Security, and the Environment Through Remote Sensing.
• 3. Baatz, M., Schape A., 2001. Multiresolution segmentation – an optimization approach for high quality multi-scale image segmentation. http://www.agit.at/papers/2000/ baatz_FP_12.pdf
• 4. Benz U. C., Hofmann 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 & Remote Sensing, 58, s. 239–258.
• 5. Blaschke T., Strobl J., 2001. What’s wrong with pixels? Some recent developments interfacing remote sensing and GIS. Zeitschrift fur Geoinformationssysteme, 6, s. 12–17.
• 6. Blaschke T., 2009. Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing, 65, s. 2–16.
• 7. Cleve C., Kelly M., Kearns F. R., Moritz M., 2008. Classification of the wildland-urban interface: A comparison of pixel- and object-based classifications using high-resolution aerial photography. Computers, Environment and Urban Systems, 32, s. 317–326.
• 8. de Kok R., Kozioł K., Wężyk P., 2005. Zastosowanie klasyfikacji obiektowej wysokorozdzielczych obrazów teledetekcyjnych oraz analiz przestrzennych GIS w kartowaniu drzewostanów. Roczniki Geomatyki, III, s. 99–108.
• 9. Doxani G., Siachalou S., Tsakiri-Strati M., 2008. An object-oriented approach to urban land cover change detection. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 37, s. 1655–1660.
• 10. eCognition Developer 8.7 User Guide, 2011.
• 11. Jiang N., Zhang J. X., Li H. T., Lin X. G., 2008. Object-oriented buinding extraction by DSM and very high-resolution orthoimages. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 37, s. 441–446.
• 12. Krischke M., Niemeyer W., Scherer S., 2000. RapidEye satellite based geo-information system. Acta Astronautica, Vol. 46, s. 307–312.
• 13. Lewiński S., Zaremski K., 2004. Examples of object-oriented classification performed on high-resolution satellite images. Miscellanea geographica, 11, s. 349–358.
• 14. Lewiński S., 2006. Rozpoznanie form pokrycia i użytkowania ziemi na zdjęciu satelitarnym Landsat ETM+ metodą klasyfikacji obiektowej. Roczniki Geomatyki, IV, s. 139–152.
• 15. Liu Z.J., Wang J., 2005. Building Extraction from High Resolution Imagery based on Multi-scale Object Oriented Classification and Probabilistic Hough Transform. IGARSS 2005 Symposium, Seoul, Korea.
• 16. Sandau R., Brieß K., D’Errico M., 2010. Small satellites for global coverage: Potential limits. ISPRS Journal of photogrammetry and Remote Sensing, 65, s. 492–504.
• 17. Wężyk P., de Kok R., Szombara S., 2007. Zastosowanie obiektowo zorientowanej analizy obrazu (GEOBIA) wysokorozdzielczych obrazów satelitarnych w klasyfikacji obszaru miasta Krakowa. Roczniki Geomatyki, 17b, s. 791–800.
• 18. Wong T. H., Mansor S. B., Mispan M. R., Ahmad N., Suaiman W. N. A., Feature extraction based on object oriented analysis. http://www.ecognition.com/ sites/default/files/370_wongtaihong.pdf.