1 / 23

Szeged beépítettségének vizsgálata lineáris spektrális szétválasztás módszerével

Szeged beépítettségének vizsgálata lineáris spektrális szétválasztás módszerével. Henits László, PhD hallgató SZTE TTIK, Természeti Földrajzi és Geoinformatikai Tanszék. Távérzékeléses módszerek.

riona
Download Presentation

Szeged beépítettségének vizsgálata lineáris spektrális szétválasztás módszerével

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Szeged beépítettségének vizsgálata lineáris spektrális szétválasztás módszerével Henits László, PhD hallgató SZTE TTIK, Természeti Földrajzi és Geoinformatikai Tanszék

  2. Távérzékeléses módszerek • A távérzékeléses módszerek lehetőséget nyújtanak a városi környezet elemzésére és hosszú távú monitoringjára • Közepes felbontású űrfelvételek használata (Landsat TM, ETM+) a városi felszínborítás és területhasználat meghatározására

  3. Belváros A hagyományos pixelalapú osztályozás és az NDVI értékelés bizonytalanságai

  4. Probléma • A hagyományos (pixelalapú) osztályozási módszerek nem alkalmasak a beépítettség pontos és hatékony elemzésére. • Ennek oka a heterogén városi felszínborítás. Közepes felbontás esetén vegyes (mixed) pixelek jelennek meg. • Egy adott felbontási cellán belül több felszínborítási típus fordulhat elő, melyek egy átlag értékkel jelennek meg.

  5. A Belváros képe különböző felbontás mellett 2007.08.22-ei Landsat TM (30 m) 2004.08.19-ei IKONOS (1 m)

  6. Városi reflektancia léptékének vizsgálata 2D autokorrelációval • A városi reflektancia térbeli léptékét az autokorrelláció módszerével állapítottam meg egy 2004-es 1 m felbontású IKONOS űrfelvétel segítségével • A városi reflektancia térbeli léptéke Szeged esetében 10-60 m közötti.

  7. Városi reflektancia léptékének vizsgálata 2D autokorrelációval Belváros Alsóváros Makkosháza Kertváros

  8. Célkitűzések • A spektrálisan vegyes pixelek elemzésére új módszerek keresése és értékelése • Spektrálisan vegyes képelemeken belül a főbb felszínborítási típusok arányainak megállapítása • Városi beépítettségi típusok osztályozása a VIS modellen keresztül

  9. Modellalkotás (VIS) V - vegetáció I – mesterséges, át nem eresztő felszínek S - talaj

  10. Felhasznált űrfelvétel Szeged 2007.08.22-ei Landsat TM 432 (RGB) űrfelvétel

  11. Módszerek SMA célja: a spektrálisan vegyes képelemeken belül meghatározza a főbb felszínborítási típusok arányát Lépései: 1. multispektrális felvétel információtartalmának tömörítése, az adattér dimenziójának csökkentése 2. Az előálló új vektortérben a főbb felszínborítási típusok meghatározása és lehatárolása 3. A lineáris szétválasztás végrehajtása, a spektrálisan vegyes képelemek intenzitásértékeinek kifejezése a szélsőpontok lineáris kombinációjaként 4. A szélsőpontok szerinti aránytérképek elkészítése és elemzése

  12. Spektrális normalizáció • Normalizáció módszerével csökkenthető az egyes komponensek spektrális változékonysága a b sávhoz tartozó pixel normalizált reflektanciaértéke a b sávhoz tartozó eredeti reflektanciaérték pixelek egyes sávokra vonatkozó reflektanciaértékeinek átlaga N sávok száma

  13. Normalizált spektrális szétválasztás (NSMA) • Minden egyes pixel spektrális értéke előáll az úgynevezett szélsőpontok lineáris vagy nem lineáris kombinációjaként. • A lineáris spektrális szétválasztás képlete : a kép normalizált reflektancia értéke a b sávban N : a szélsőpontok száma : az i szélsőpont aránytényezője : az i-edik szélsőpont reflektancia értéke a b sávban εb : a fennmaradó hibaérték

  14. Dimenzióvizsgálat módszerei • Főkomponens analízis (PCA) • Minimális Zaj Frakció (MNF)

  15. Főkomponens analízis Az első három PCA sáv tartalmazza a redundancia-mentes információ 98,7%-át

  16. Szélsőpontok kiválasztása • 3 szélsőpont kiválasztása: • Növényzet, mesterséges felszín, talaj

  17. Szélsőpontok kiválasztása 2. Az egyes szélsőpontokat alkotó képelemek átlagolt reflektancia értékei

  18. Lineáris spektrális szétválasztás eredménye • Belváros területén • Körutak, sugárutak mentén • Ipari létesítmények • Bevásárló centrumok • Busz- és vasútállomás A mesterséges felszín aránytérképe

  19. Lineáris spektrális szétválasztás eredménye 2. A növényzet aránytérképe A talaj aránytérképe

  20. Növényzet, mesterséges felszín, talaj frakciós képeiből előálló színes kompozit • Zöld: növényzet • Piros: mesterséges felszín • Kék: talaj

  21. Változásvizsgálat 1986-2007 1986.08.22-ei Landsat TM A mesterséges felszín aránytérképe 2007.08.16-ai Landsat TM A mesterséges felszín aránytérképe

  22. Új eredmények összefoglalása • A spektrálisan vegyes képelemek intenzitásértékeinek kifejezése a főbb felszínborítási típusok lineáris kombinációjaként • A városi beépítettségi típusok térbeli lehatárolása, és lehetőség a változáselemzésre

  23. Köszönöm a figyelmet!

More Related