This article aims to demonstrate the potential of Sentinel-2 and GIS for heritage monitoring, protection and management. Applications of remote sensing in heritage strategies have been explored for decades. However, new possibilities were opened up with the launch of the European Union's Earth Observation Programme Copernicus. Systematic and frequent global coverage of land surface offered by one of its products – Sentinel-2, provides an almost instant insight into sudden events and long- term processes that affect heritage around the world. Following new developments in remote sensing, GIS provides tools to integrate data for their effective processing, analysis, interpretation and dissemination of results. We will explore the potential and limitations of those datasets and tools using UNESCO World Heritage sites from Sudan as case studies. In particular, we will tackle issues related to interpretation of changes around heritage sites, attempt to estimate their recent conditions and identify existing and/ or potential threats.
6
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Satellite image classification is essential for many socio-economic and environmental applications of geographic information systems, including urban and regional planning, conservation and management of natural resources, etc. In this paper, we propose a deep learning architecture to perform the pixel-level understanding of high spatial resolution satellite images and apply it to image classification tasks. Specifically, we augment the spatial pyramid pooling module with image-level features encoding the global context, and integrate it into the U-Net structure. The proposed model solves the problem consisting in the fact that U-Net tends to lose object boundaries after multiple pooling operations. In our experiments, two public datasets are used to assess the performance of the proposed model. Comparison with the results from the published algorithms demonstrates the effectiveness of our approach.
Using the data of the remote sensing the Earth, new opportunities in assessing the state of agricultural crops and yield forecasting have been considered. In addition to the above-ground information, as shown by numerous studies conducted earlier, most parameters of the germination and development of agricultural crops can be restored and used from satellite images. Thanks to the software product “Land Viewer”, which enables pictures to be taken from Landsat 4, 5, 7, 8, Sentinel 2 and Terra satellites, and it will provide improving the model and assessment of the biomass potential of agricultural crops. The data obtained from remote sensing during the cropping season, show the information on the condition of agricultural crops sown according to the vegetation stages (photosynthesis process) in crops. At various levels of development, in terms of the Normalized Difference Vegetation Index (NDVI), the seasonal pattern of crops photosynthesis is well reflected, which is associated with the above-ground biomass. The results have been presented in the current model of crop yield forecasting. The improved forecasting model enables significant increases in the economic efficiency of the research, and ensure the accuracy of the data on the physiological processes of agricultural crops, yields, and efficiency of obtaining the data on the research object.
PL
Jak pokazują liczne badania, większość parametrów kiełkowania oraz stan rozwoju upraw rolnych można określić na podstawie zdjęć satelitarnych. W artykule wskazano nowe możliwości oceny stanu upraw rolnych i prognozowania plonów z użyciem danych teledetekcyjnych. Zastosowano do tego celu oprogramowanie „Land Viewer”, które umożliwia wykorzystanie zdjęć z satelitów Landsat 4, 5, 7, 8, Sentinel 2 i Terra oraz poprawę modelu i ocenę potencjału biomasy upraw rolnych. Dane uzyskane za pomocą teledetekcji podczas sezonu upraw dostarczają informacji o stanie roślin na różnych etapach wegetacji (proces fotosyntezy). Na różnych poziomach rozwoju, ocenianego na podstawie znormalizowanego wskaźnika różnicy wegetacji (NDVI), dobrze odzwierciedla się sezonowość fotosyntezy upraw, co jest związane z biomasą nadziemną. Wyniki zostały przedstawione w obecnie stosowanym modelu prognozowania plonów. Ulepszony model prognozowania pozwala na znaczne zwiększenie efektywności ekonomicznej badań, a także zapewnia większą dokładność danych o procesach fizjologicznych upraw rolnych, plonach oraz wydajności produkcji w obiekcie badawczym.
10
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
High-resolution remote sensing-based hydro-meteorological data products are being increasingly used for various scientifc studies throughout the world. As such, it is important to evaluate the quality of the data retrieved by the means of remotesensing especially for the regions characterized by the drastic variation of topography such as the Himalayas. This work focuses on the comparison and evaluation of the Tropical Rainfall Measuring Mission (TRMM) Multi-satellite Precipitation Analysis (TMPA–3B43v7) with point-based ground observations recorded by Department of Hydro-Met Services (DHMS) in Bhutan. For this study, 32 rain gauge stations over Southern Himalayas in Bhutan (SHB) were selected and precipitation data for a period of 19 years (from 1998 to 2017) were compared with the TRMM precipitation product. The comparison revealed that the coefcient of correlation between satellite data and ground observation is statistically signifcant at a 95% confdence level. Furthermore, the coefcient of correlation is near unity in some stations and an average of 0.814 over the entire SHB region for 19 years. This fnding imparts that the TRMM can capture the rainfall trend over the SHB. As per the fndings, the average root-mean-square error was 219.1 mm per month considering the entire duration and 344.7 mm per month considering only the rainy season. Similarly, the average Bias was computed at 0.27 for all seasons and 0.32 for the rainy season, indicating TRMM underestimates the precipitation over SHB. The satellite estimate provides a piece of good information on the distribution of rainfall over the SHB. Nevertheless, it is still advisable to correct the bias of the satellite product, as the relative root-mean-square error is larger than 50% for 96% of the evaluated stations.
In recent years, the rate of urban growth has increased rapidly especially in Egypt, due to the increase in population growth. The Egyptian government has set up new cities and established large factories, roads and bridges in new places to solve this trouble. This paper investigates the change monitoring of land surface temperature, urban and agricultural area in Egypt especially Kafr EL-Sheikh city as case study using high resolution satellite images. Nowadays, satellite images are playing an important role in detecting the change of urban growth. In this paper, cadastral map for Kafr El-Sheikh city with scale 1:5000, images from Landsat 7 with accuracy 30 meters; images from Google Earth with accuracy 0.5 meter; and images from SAS Planet with accuracy 0.5 m are used where all images are available during the study period (for year’s 2003, 2006, 2009, 2012, 2015 and 2017). The analysis has been performed in a platform of Geographical Information System (GIS) configured with Remote Sensing system using ArcGIS 10.3 and ERDAS Imagine image processing software. From the processing and analysis of the specified images during the studied time period, it is found that the building area was increased by 28.8% from year 2003 up to 2017 from Google Earth images and increased by percentage 34.4% from year 2003 up to year 2017 from supervised Landsat 7 images but for unsupervised Landsat 7 images, the building area was increased by percentage 35.9%. In this study, land surface temperature (LST) was measured also from satellite images for different years through 2003 until 2017. It is deduced that the increase in the building area (urban growth) in the specified city led to increase the land surface temperature (LST) which will affect some agricultural crops. Depending on the results of images analysis, Forecasting models using different algorithms for the urban and agricultural area was built. Finally, it is deduced that integration of spacebased remote sensing technology with GIS tools provide better platform to perform such activities.
Celem niniejszego artykułu było ukazanie możliwości tworzenia numerycznych modeli wysokościowych na podstawie pary satelitarnych zdjęć stereoskopowych. Zdjęcia obejmowały obszar centralnej Warszawy. Wyniki skontrolowano z modelem powstałym na podstawie lotniczego skanowania laserowego (LIDAR). Stereopara pochodziła z satelity o bardzo dużej rozdzielczości Pleiades, zaś dane LIDAR zostały pozyskane w ramach projektu ISOK. W eksperymencie analizowano wpływ parametrów gęstego dopasowania obrazów, liczby fotopunktów niezbędnej do poprawnej georeferencji scen satelitarnych wstępnie orientowanych współczynnikami RPC, oceniono dokładność względem modelu wysokościowego LIDAR z uwzględnieniem eliminacji błędów grubych oraz spowodowanych martwymi polami. Prace przeprowadzono w oprogramowaniu Trimble Inpho. Uzyskane wyniki potwierdziły możliwość zastosowania wyłącznie 2-3 fotopunktów na obszarze opracowania, aby uzyskać zadowalające wyniki orientacji, a dalej tworzonego modelu wysokościowego. W analizie dokładności modelu wysokościowego uzyskano wyniki na poziomie pojedynczego piksela. Dla terenów odkrytych przy 214 fotopunktach kontrolnych z danych LIDAR błąd wysokościowy RMS wyniósł 50 cm.
EN
The aim of this work was to show the possibility of generating digital surface models on the basis of satellite stereo-pair. Test area of experiment was the central part of Warsaw. The results were compared with a DSM based on the airborne laser scanning (LIDAR). The stereo-pair was collected with very high resolution satellite system Pleiades and LIDAR data was acquired within the ISOK project. In the experiment: the influence of dense image matching the parameters was analysed, impact of control points on the correctness of scenes georeferencing pre-orientated with RPC coefficients was verified, the accuracy of DSM was assessed including outliers resulted in lower spatial resolution of satellite imagery and occluded areas. The experiment was processed in the Trimble Inpho software. The results confirmed the possibility of applying only 2-3 control points in order to obtain satisfactory results of scenes orientation and consequently DSM accuracy. In the analysis of elevation models their accuracy at the level of a single ground sample distance was achieved. For uncovered areas in case of 214 LIDAR-based control points vertical RMS was 50 cm.
To produce orthophotomaps or digital elevation models, the most commonly used method is photogrammetric measurement. However, the use of aerial images is not easy in polar regions for logistical reasons. In these areas, remote sensing data acquired from satellite systems is much more useful. This paper presents the basic technical requirements of different products which can be obtain (in particular orthoimages and digital elevation model (DEM)) using Very-High-Resolution Satellite (VHRS) images. The study area was situated in the vicinity of the Henryk Arctowski Polish Antarctic Station on the Western Shore of Admiralty Bay, King George Island, Western Antarctic. Image processing was applied on two triplets of images acquired by the Pléiades 1A and 1B in March 2013. The results of the generation of orthoimages from the Pléiades systems without control points showed that the proposed method can achieve Root Mean Squared Error (RMSE) of 3–9 m. The presented Pléiades images are useful for thematic remote sensing analysis and processing of measurements. Using satellite images to produce remote sensing products for polar regions is highly beneficial and reliable and compares well with more expensive airborne photographs or field surveys.
The paper analyses the causes of riverbeds shifts and meandering of Dniester. Among such reasons are mostly climatic, geographical and anthropogenic factors, such as frequent floods semi-stable rocks and soils, deforestation and removal of gravel and sand material from the river bed. The research is carried out on the lowland of the Dniester along the 100 km section over the 100 years period. Topographic maps (1910, 1923, 1976 years), and satellite images from Landsat 5 (1986) Landsat 7 (2000) Sentinel (2017) and special soil maps was taken as initial information. The Dniester meandering research shows significant correlation in horizontal riverbed movements for the periods from 1910 till 1986 and from 1984 till 2017. Correlation rate variate within the limits 0.97 – 0.99 respectively that corresponds to the almost full dependence in the riverbed displacement configuration. Beside that the maximum horizontal deviations can reached up to 800 meters. In addition, it was revealed that sediment processes caused significant increase in the area of the river islands from 1910 to 1976 by 2.4 times, and from 1976 to 2017 the island areas somewhat reduced. Nearly the largest island River channel is divided into two branches. Sinuosity coefficient is 2.3 over the test site. The analysis of soil maps shows prevailing bleached soils and loamy on alluvial deposits soils in areas with highest sinuosity coefficient.
PL
Za główne przyczyny przemieszczenia się i meandrowania koryta rzek uznaje się zjawiska klimatyczne, a także czynniki geograficzne i antropogeniczne. Częste powodzie, określone rodzaje skał i gruntów, wylesienia i wymywanie żwiru i piasku z łożyska powodują przemieszczenie rzeki. Prezentowane badania przemieszczeń dotyczą równinnej części rzeki Dniestr. Analiza została przeprowadzona na odcinku rzeki długości około 100 km i dotyczy okresu minionych 100 lat. Do badań wykorzystano mapy topograficzne z lat 1910, 1923, 1976 i zdjęcia satelitarne z satelity Landsat 5 (1986), Landsat 7 (2000) i Sentinel (2017), a także mapy gruntów. Z badań meandrowania rzeki Dniestr w okresach 1910-1986 i 1984-2017 określono związki korelacyjne między przemieszczeniami sytuacyjnymi, które wyrażone w formie współczynnika korelacji wynoszą odpowiednio 0.99 i 0.97, co świadczy o prawie całkowitym związku kształtów łożysk. Jednocześnie wyjaśniono że maksymalne przemieszczenia łożyska rzeki na odcinkach 1 i 2 wynoszą blisko 800 m, a na odcinku 5 do 100 m. Wyjaśniono, że zwiększenie niesionych osadów spowodowało w latach od 1910 do 1976 znaczny wzrost powierzchni wysp (około 2,4 razy), a w latach od 1976 do 2017 powierzchnia wysp zmniejszyła się, jednak w miejscu największej wyspy koryto podzieliło się na dwa rękawy. Ogółem krętość koryta na badanym fragmencie wynosi 2.3, co świadczy o tym że koryto jest meandrujące. Analiza mapy gruntów w miejscach maksymalnego meandrowania wskazuje, że głównymi typami gruntów są gleby łąkowe bielicowe i oglejone na złożach naniesionych.
15
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
The aim of this paper is to analyse the influence of the source of various elevation data on hydraulic modelling in open channels. In the research, digital terrain models from different datasets were evaluated and used in two-dimensional hydraulic models. The following aerial and satellite elevation data were used to create the representation of terrain – digital terrain model: airborne laser scanning, image matching, elevation data collected in the LPIS, EuroDEM, and ASTER GDEM. From the results of five 2D hydrodynamic models with different input elevation data, the maximum depth and flow velocity of water were derived and compared with the results of the most accurate ALS data. For such an analysis a statistical evaluation and differences between hydraulic modelling results were prepared. The presented research proved the importance of the quality of elevation data in hydraulic modelling and showed that only ALS and photogrammetric data can be the most reliable elevation data source in accurate 2D hydraulic modelling.
W artykule został scharakteryzowany Program Copernicus utworzony do monitorowania powierzchni Ziemi za pomocą zdjęć satelitarnych, lotniczych i obserwacji naziemnych. Przedstawiono główne prace Centrum Teledetekcji Instytutu Geodezji i Kartografii, służące realizacji tego Programu. Dotyczą one wykorzystania metod teledetekcyjnych do kartowania powierzchni ziemi i monitorowania różnych elementów środowiska geograficznego. Zostały zaprezentowane prace dotyczące kartowania pokrycia terenu na podstawie zdjęć satelitarnych, tworzenia systemów informacyjnych dla rolnictwa, służących ocenie stanu upraw i prognozowaniu plonów, wykorzystania obrazów radarowych dla potrzeb leśnictwa do oceny biomasy leśnej i zawartego w niej węgla, zastosowania technik teledetekcji do monitorowania zagrożeń środowiska (pożary, powodzie, susze), wykorzystania technik radarowych do śledzenia zmian deformacji gruntu, zastosowania zdjęć satelitarnych dla planowania przestrzennego do monitorowania zmian klimatu na obszarach miejskich.
EN
Copernicus Programme created for Earth monitoring with the use of satellite, aerial and in-situ data was briefly characterized in the article. Main research works of the Remote Sensing Centre, Institute of Geodesy and Cartography supporting this Programme, related to application of remotely sensed data for land cover mapping and monitoring of various environmental components, have been presented. They are concentrated on the following topics: use of satellite images for preparation of land cover maps, creation of information systems for agriculture, aimed at crop condition assessment and yield forecasting, use of radar images for estimating forest biomass and carbon content, application of remote sensing techniques for monitoring environmental hazards (forest fires, floods), application of radar interferometric techniques for monitoring ground deformations, use of satellite data for spatial planning to monitor climate changes within urban areas.
W pracy przedstawiono nową metodę klasyfikacji treści zdjęć satelitarnych, opartą na wykorzystaniu granulometrycznej analizy tekstury obrazu. Opisano podstawy teoretyczne zaprezentowanej metody oraz zbadano jej dokładność, w zależności od wybranych parametrów przetworzeń granulometrycznych oraz cech obrazów źródłowych. Porównano ją także z innymi, dotychczas stosowanymi metodami klasyfikacji treści zdjęć satelitarnych. Istotą zaproponowanej metody jest wykorzystanie, oprócz danych spektralnych, również map granulometrycznych, czyli obrazów zawierających informację na temat tekstury obrazu w otoczeniu poszczególnych pikseli, powstających w wyniku granulometrycznych przetworzeń obrazu. Ważną zaletą granulometrii obrazowej jako metody oznaczania tekstury obrazu jest, m.in., wieloskalowość, czyli możliwość określania stopnia tekstury o rożnych rozmiarach ziarna. Drugą kluczową zaletą jest prawidłowe działanie również na krawędziach obiektów na obrazie, czyli odporność na tzw. błąd krawędzi. Przedstawiona metoda klasyfikacji polegająca na złożeniu map granulometrycznych i oryginalnych obrazów wielospektralnych pozwala uwzględniać kontekstową cechę interpretacyjną - teksturę, zwiększając możliwości klasyfikacji, a jednocześnie cechuje się dużą prostotą wykonania, podobną do klasycznej pikselowej klasyfikacji spektralnej. Efektywność granulometrii obrazowej zbadano pod kątem kilku czynników: rozdzielczości przestrzennej i rodzaju obrazu źródłowego, rodzaju morfologicznych operacji otwarcia i domknięcia oraz rozmiaru okna granulometrii określającego przestrzenny zasięg obliczenia lokalnej granulometrii względem poszczególnych pikseli. W pierwszej kolejności przeanalizowano separatywność wybranych klas pokrycia lub użytkowania terenu na podstawie wyłącznie danych spektralnych, a także na podstawie map granulometrycznych. W wybranych przypadkach, dzięki zastosowaniu analizy granulometrycznej, stwierdzono znaczny wzrost separatywności klas. Główna część pracy koncentruje się na badaniu dokładności klasyfikacji wykonanej przy użyciu zaproponowanej metody. Uzyskane wyniki dowodzą, że wykorzystanie map granulometrycznych w procesie klasyfikacji może znacząco podnieść jej dokładność. Stwierdzono przy tym istotny wpływ rozdzielczości obrazu źródłowego na efektywność badanej metody. Określono i opisano również znaczenie pozostałych, przedstawionych wyżej parametrów przetworzeń granulometrycznych, i samej klasyfikacji. Wnioski z badań pozwoliły na przedstawienie propozycji modelu dwuetapowej klasyfikacji wykorzystującej zarówno wyniki klasyfikacji spektralnej, jak i spektralno-teksturowej, co pozwoliło na uzyskanie optymalnej dokładności. Zaproponowana metoda może być stosowana w procesie półautomatycznego tworzenia map pokrycia lub użytkowania terenu na podstawie zdjęć satelitarnych lub lotniczych, pozwalając uzyskiwać większa dokładność, niż klasyfikacja w podejściu spektralnym.
EN
This book presents a new method of classification of satellite images, based on utilisation of granulometric analysis of image texture. The theoretical background of the method and its accuracy, depending on different parameters of granulometric processing and input images, is presented. It is compared to other approaches of satellite image classification. The essence qf the method relies on the use of granulometric maps, i.e. images containing information about a local texture in every pixel, additionally to spectral data contained in original multispectral images. One of the main advantages of the proposed method is its multiscality, i.e. a possibility to define a texture of an image, depending on a different size of texture element. Also, granulometric analysis of a texture is resistant to the so-called border error. As a result, it works properly on the edges of objects in an image. The method, based on a combination of granulometric maps and multispectral images. allows to take into account an important contextual feature of an image - that is, texture. Consequently, it is increasing a potential for correct classification, while remaining as simple as a pixel-based spectral classification approach. The effectiveness of image granulometry has been tested with different features and parameters: spatial resolution and a type of an input image, type of morphological opening and closing, as well as the size of a granulometric window, defining a range of a local granulometric analysis. A separability of different classes of land cover or land use, basing on spectral data and granulemetric maps, has been tested. Significant increase of separabillity has been observed in certain cases. The main goal of the book was to study accuracy of classification, basing on the presented method. The results of the research show that a use of granulometric maps in a classification process may increase the accuracy significantly. An important influence of input image's spatial resolution on the outcome has been observed. Also, the impact of other aforementioned features has been tested and described. Conclusions derived from the research allow to propose a two-step model, using results of both, spectral and spectro-textural classifications, to obtain an optimal accuracy of classification. The presented method may be used in process of semi-automatic generation of land cover and land use maps, basing on satellite or aerial images, obtaining accuracy level, which is higher than in the case of a spectral-based classification.
Teledetekcja satelitarna jest obecnie jednym z podstawowych źródeł informacji o środowisku przyrodniczym i o procesach zachodzących na powierzchni Ziemi. Zdjęcia satelitarne o różnej rozdzielczości przestrzennej, spektralnej oraz radiometrycznej umożliwiają pozyskanie informacji o charakterze przestrzennym, które mogą być interpretowane w sposób bezpośredni lub mogą być wykorzystane w procesach modelowania matematycznego. Na ich podstawie można określić m.in. klasy pokrycia i użytkowania terenu, strukturę upraw, kondycję roślinności, dostępność wody. W pracy przedstawiono wybrane przykłady możliwości zastosowania teledetekcji satelitarnej w monitoringu zmian przestrzeni rolniczej: wyznaczanie stref buforowych, detekcja zmian pokrycia terenu, ocena stanu roślinności oraz zróżnicowania środowiska przyrodniczego.
EN
Satellite remote sensing is one of the main sources of information on natural environment and the processes occurring on the surface of the Earth. Satellite images of different spatial, spectral and radiometric resolution, enable the acquisition of spatial information which may be interpreted directly, or may be used in processes of mathematical modeling. Satellite images may create a basis to determine, among the others, land cover and land use classes, cropping patterns, the condition of vegetation, water availability. This paper presents selected examples of satellite remote sensing application in monitoring of agricultural land: setting of riparian zones, detection of land cover changes, assessment of vegetation status and the diversification of natural environment.
19
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW