Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 2012

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: analiza obiektowa obrazu

Sortuj według:

Ogranicz wyniki do:

Mapa zagrożenia erozyjnego gruntów rolnych w Małopolsce na podstawie klasyfikacji OBIA obrazów teledetekcyjnych oraz analiz przestrzennych GIS

Wężyk P., Drzewiecki W., Wójtowicz-Nowakowska A., Pierzchalski M., Mlost J., Szafrańska B.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

2012

Vol. 24

403--420

Zjawisko erozji wodnej należy do głównych przyczyn degradacji gleb w Europie. Stanowi ono również główny czynnik degradujący gleby na obszarze Małopolski - regionu o najwyższym stopniu zagrożenia erozyjnego w skali Polski. Występując lokalnie, w zależności od warunków fizjograficznych, może stanowić poważny problem gospodarczy i środowiskowy. Silne zróżnicowanie fizjograficzne oraz różne formy pokrycia i użytkowania terenu województwa małopolskiego, stanowiły główną potrzebę przeprowadzenia oceny zagrożenia erozyjnego i nasilenia stopnia degradacji gleb. Projekt realizowany dla Urzędu Marszałkowskiego Województwa Małopolskiego miał na celu identyfikację obszarów, które w największym stopniu narażone są na degradację(erozję potencjalną, czyli taką, jaka miałaby miejsce na polu użytkowanym jako czarny ugór bez stosowania zabiegów przeciwerozyjnych oraz erozję aktualną, czyli z uwzględnieniem aktualnej struktury użytkowania i stosowanych zabiegów przeciwerozyjnych) przez co w pierwszej kolejności wymagają wdrożenia skutecznych metod ochrony gleb użytkowanych rolniczo. W projekcie wykorzystano wysokorozdzielcze zobrazowania satelitarne systemu RapidEye z lat 2010-2011 oraz cyfrowe ortofotomapy lotnicze (RGB). Dane teledetekcyjne poddano zaawansowanej technologicznie klasyfikacji obiektowej (ang. OBIA - Object Based Image Analysis) w oprogramowaniu eCognition (Trimble Geospatial) wspartej analizami przestrzennymi GIS. Ocenę nasilenia erozyjnej degradacji gleb województwa małopolskiego przeprowadzono w oparciu o modelowanie z wykorzystaniem algorytmu USLE (ang. Universal Soil Loss Equation). Jest to najszerzej rozpowszechniony na świecie model erozyjny. W latach 90-tych XX wieku powstała nowa (zmodyfikowana) wersja modelu do określania erozji gleb, tj. (R)USLE. Ocena zagrożenia gleb województwa małopolskiego w aspekcie erozji potencjalnej wykazała, iż jedynie 15% powierzchni terenów użytkowanych rolniczo w województwie nie jest w zasadzie zagrożone erozją wodną. Na obszarze 28.6% terenów rolnych występuje natomiast potencjalnie średnie lub większe zagrożenie erozyjne - mogące skutkować trwałą degradacją profilu glebowego. Tereny zagrożone występują w największym nasileniu w południowej - górzystej części województwa. Ocena przeprowadzona w aspekcie erozji aktualnej pokazuje jednocześnie, iż rzeczywisty aktualny poziom zagrożenia erozyjnego jest znacznie niższy od potencjalnego. Ponad 40% terenów rolniczych nie jest obecnie narażonych na występowanie zjawisk erozji wodnej gleb, a erozja na poziomie średnim lub wyższym stwierdzana jest dla 10% powierzchni tych obszarów. Oznacza to, iż sposób prowadzenia gospodarki rolnej w znacznym stopniu ogranicza występowanie zjawisk erozyjnych. Podsumowując w przypadku województwa małopolskiego zagrożenie erozyjne użytków rolnych należy ocenić jako średnio-wysokie i dość mocno zróżnicowane terytorialnie. Zastosowana metodyka prac poza dużą oszczędnością czasu jaką przyniosła klasyfikacja obiektowa (OBIA) wykazała także możliwość wykorzystania modelu erozji (R)USLE dla jednostek administracyjnych o znacznej powierzchni, takich jak: powiat czy województwo.

In 2011 the Marshal Office of Malopolska Voivodeship decide to evaluate the vulnerability of soils to water erosion for the entire region. The special work-flow of geoinformation technologies was used to fulfil this goal. First of all, the soil map had to be updated to include changes in land use and land cover which took place since 1960s, when most of them were made. The process of soil map updating had to be realised with very high degree of automation, because of the large area to be mapped (ca. 15 000 km sq.) and limited time period (ca. 3 months for complete erosion risk assessment). The approach used was based on the Object Based Image Analysis (OBIA) of orthophotomaps from both high resolution satellite images (RapidEye) and digital aerial photographs and applied GIS spatial analyses. Soil map with up-to-date land use and land cover information, together with rainfall data, detailed Digital Elevation Model and statistical information about areas sown with particular crops created the input information for erosion modelling in GIS environment. Soil erosion risk assessment was based on (R)USLE approach. Both, the potential and the actual soil erosion risk were assessed quantificatively and qualitatively. The soil erosion risk assessment for Malopolska Voivodeship showed that only 15% of the agricultural land in the region is generally free of the risk of water erosion. For the 28.6% of agricultural land the potential medium or higher risk of erosion exist - which can result in permanent degradation of the soil profile. The study was presented in forms of digital thematic maps and reports prepared for the entire area of Malopolska Voivodeship and each administrative district as well.

Klasyfikacja pokrycia terenu metodą OBIA z wykorzystaniem zobrazowań satelitarnych RapidEye

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

Archiwum Fotogrametrii, Kartografii i Teledetekcji

2012

Vol. 23

489--500

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.

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.