Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: obrazy hiperspektralne

Sortuj według:

Ogranicz wyniki do:

Analyzing the Impact of Simulated Multispectral Images on Water Classification Accuracy by Means of Spectral Characteristics

Głowienka Ewa, Michałowska Krystyna

Geomatics and Environmental Engineering

2020

Vol. 14, no. 1

47--58

Remote sensing is widely applied in examining the parameters of the state and quality of water. Spectral characteristics of water are strictly connected with the dispersion of electromagnetic radiation by suspended matter and the absorption of radiation by water and chlorophyll a and b. Multispectral sensor ALI has bands within the ranges of electromagnetic radiation: blue and infrared, absent in sensors such as Landsat, SPOT, or Aster. The main goal of the article was to examine the influence of the presence of these bands on water classification accuracy carried out for simulated images ALI, Landsat, Spot, and Aster. The simulation of images was based on the hyperspectral image from a Hyperion sensor. Due to the spectral properties of water, all the operations on the images were carried out for the set of bands in visible and near-infrared (VNIR) spectral range. In the framework of these studies, the impact of removing individual bands or sets of bands on the classification results was tested. Tests were carried out for the area of the water body of the Dobczyce Reservoir. It was observed that the lack of a spectral response in the infrared range of ALI image can reduce the accuracy of a classification by as much as 60%. On the other hand, the lack of blue and red bands in the dataset for the classification decreased the accuracy of water classification by 15% and 10%, respectively.

Teledetekcja jest szeroko wykorzystywana w badaniu parametrów stanu oraz jakości wody. Charakterystyka spektralna wody jest ściśle związana z rozpraszaniem promieniowania elektromagnetycznego przez materię zawieszoną oraz absorpcją promieniowania przez wodę i chlorofil a i b. Multispektralny sensor ALI wyposażony jest w kanały w zakresach promieniowania elektromagnetycznego niebieskiego i czerwonego, których nie mają sensory, np. Landsat, SPOT czy Aster. Głównym celem artykułu było zbadanie, jak wpływa obecność tych kanałów na dokładność klasyfikacji wody przeprowadzonej na symulowanych obrazach ALI, Landsat, Spot i Aster. Symulację obrazów wykonano na podstawie hiperspektralnego obrazu z sensora Hyperion. Ze względu na właściwości spektralne wody wszystkie operacje na obrazach wykonywane były dla zakresu VNIR. Przetestowano wpływ na wyniki klasyfikacji usuwania pojedynczych kanałów lub zestawów kanałów symulowanych obrazów. Testy wykonano dla obszaru Dobczyckiego Zbiornika Wodnego. Zaobserwowano, że brak odpowiedzi spektralnej w zakresie podczerwonym obrazu ALI może obniżyć dokładność klasyfikacji nawet o 50%. Natomiast brak w zestawie danych do klasyfikacji kanału z zakresów niebieskiego i czerwonego powoduje obniżenie dokładności klasyfikacji wody odpowiednio 15% i 10%.

Remote sensing tools for analyzing state and condition of vegetation

Jarocińska A., Zagajewski B.

Roczniki Geomatyki

2009

T. 7, z. 2

47-53

Hyperspectral data, which are characterized by very high spectral, spatial and radiometric resolutions, allow the analysis of the biometric properties of plants in different wavelengths of the electromagnetic spectrum. This kind of data can be applied to interpretation of vegetation, land cover forecast biomass and crops and also for analyzing plant condition, because vegetation cover is a very good indicator of environmental condition. All the spectral characteristics of plants can be measured and analyzed quantitatively using different vegetation indices, which are a mathematical combination of various bands. The most frequently used regions of the spectrum are visible, red-near infrared edge, near and middle infrared. In these regions it is possible to measure chlorophyll, carotenoids and other pigment content, fresh and dry biomass, water and nutrient content, internal leaf structure, soil moisture and plant surface temperature. In this study, four of the vegetation indices have been analysed: Normalized Difference Vegetation Index (Rouse et al., 1973; Griffith et al., 2002), Soil Adjusted Vegetation Index (Huete, 1988), Leaf Area Index (Surlock, 2001; Haboudane et al., 2004) and fAPAR - fraction of Absorbed Photosynthetically Active Radiation (Moreau, Li, 1996). These indices measure the condition of plants and estimate the quantity of biomass. Correctly calculated indices offer much information about the functionality of an ecosystem. Such vegetation indices are broadly used for vegetation monitoring. The main purpose of the research was an analysis of plant condition using remote sensing methods. Maps of spatial distribution of the NDVI, SAVI, LAI and fAPAR were prepared using ground and airborne measurements (DAIS 7915 products were corrected and verified by field measurements). Indices from airborne and ground level measurements were also correlated. The studies took place in the Low Beskid Mountains., which constitute one of the most natural parts of the Polish Carpathian Mountains (Fig. 3). The area extends from 49o34'- 49o41'N to 21o01'-21o09'E, with an altitude range of 400-750 m. The study area focuses on the Bystrzanka catchment around the town of Szymbark. This catchment has an area of around 13.5 km2. The largest part of the area, 40%, is covered by forest. Meadows and pasture comprise 28% of the area. A small fragment of the area is covered by arable land. The area is defined as a natural and seminatural environment. The human influence is relatively low and natural processes are not disturbed, so that vegetation can be used here as an indicator of other ecosystem components (soils, microclimate etc.)

Techniki teledetekcyjne umożliwiają prowadzenie monitoringu przyrodniczego roślinności, w tym dokładną analizę fizjologii oraz właściwości biometrycznych. W artykule przedstawiony jest sposób badania kondycji roślinności wykorzystujący teledetekcyjne wskaźniki roślinności oraz związki mię dzy wskaźnikami mierzonymi z poziomu naziemnego i pułapu lotniczego. Badania były prowadzone na terenach naturalnych i ekstensywnie wykorzystywanych rolniczo zlewni Bystrzanki w Beskidzie Niskim. W badaniach wykorzystano dwa rodzaje danych: wartości wskaźników NDVI, SAVI, LAI i fAPAR pobranych na poziomie terenowym oraz obraz hiperspektralny ze skanera lotniczego DAIS 7915. Pobrano dane z poziomu terenowego. Następnie utworzono obrazy wskaźników w dwóch progra mach ATCOR i ENVI 4.3 (obraz wskaźnika NDVI). Obrazy wskaźników SAVI, LAI i fAPAR uzyskane z pierwszego programu były w jednostkach niezgodnych dla wskaźników, dlatego wymagały dalszych transformacji. Pobrano wartości wskaźników z obrazów. Następnie przeprowadzono analizy staty styczne porównując wartości z obrazów z danymi terenowymi, uzyskując równania regresji, których użyto do transformacji obrazów. Ostatnim etapem było utworzenie map przestrzennego rozkładu czterech wskaźników oraz mapy kondycji roślinności biorącej pod uwagę wartości wskaźników SAVI, LAI i fAPAR. Stwierdzono, że użycie teledetekcyjnych wskaźników roślinności ułatwia pozyskiwanie informacji o stanie roślinności i obiektywizuje te dane. Zanotowano korelacje między wskaźnikami NDVI i LAI oraz NDVI i fAPAR, są one zdecydowanie silniejsze na poziomie lotniczym. Na ścisłość korelacji wpływa sposób pobierania danych oraz sposób użytkowania terenu. Techniki hiperspektralne stwa rzają dodatkowe możliwości pozyskiwania informacji przez analizę krzywej odbicia spektralnego, a nie jedynie jej wycinków, tak jak w przypadku technik wielospektralnych. Wykorzystując tak utworzo ne wskaźniki możliwa jest dokładniejsza analiza roślinności. Stwierdzono, że na badanym terenie wskaźniki NDVI, SAVI, LAI i fAPAR mają wysokie wartości. Na podstawie mapy kondycji roślinności stwierdzono, że na przeważającym obszarze roślinność była w dobrym stanie.