Professional Documents
Culture Documents
ErdasImagine-zavrsni Rad
ErdasImagine-zavrsni Rad
Uroš Radovanović
Title, TI:
Hyperspectral data and vegetation indeces
Note, N:
ObrazacQ2.НА.04-05 - Izdanje
UNIVERZITET U NOVOM SADU ⚫FAKULTET TEHBIČKIH NAUKA Broj:
21000 NOVI SAD, Trg Dositeja Obradovića 6
Studijski program:
Geodezija i geomatika
Rukovodilac
Prof.dr Miro Govedarica
studijskog
programa:
TEKST ZADATKA:
Miro Govedarica
Hiperspektralni snimci i vegetacioni indeksi 2013
Sadržaj:
1. Uvod.......................................................................................................................................................... 6
2. Daljinska detekcija ................................................................................................................................... 7
2.1 Senzori............................................................................................................................................. 7
2.2 Rezolucija ........................................................................................................................................ 8
2.4 Platforme za daljinsku detekciju ................................................................................................... 13
2.4.1 Hyperion................................................................................................................................. 15
2.4.2 Landsat 7 ETM+ ...................................................................................................................... 17
2.5 Primena daljinske detekcije .......................................................................................................... 19
2.6 Klasifikacija .................................................................................................................................... 21
3.Vegetacioni indeksi ................................................................................................................................. 23
3.1 Normalised Difference Vegetation Index...................................................................................... 23
3.2 Transformed Normalised Difference Vegetation Index................................................................ 24
3.3 Green Normalised Difference Vegetation Index .......................................................................... 25
3.4 Soil Adjustment Vegetaton Index ................................................................................................. 25
3.5 Modified Soil Adjustment Vegetaton Index .................................................................................. 26
4. Obrada rezultata .................................................................................................................................... 27
4.1 Preprocessing ................................................................................................................................ 28
4.2 Modeli korišćenih indeksa ............................................................................................................ 31
4.3 Statistička obrada demo zone ....................................................................................................... 33
4.4 Klasifikacija snimaka...................................................................................................................... 39
5. Zaključak ................................................................................................................................................. 44
6. Literatura ................................................................................................................................................ 47
5
Hiperspektralni snimci i vegetacioni indeksi 2013
1. Uvod
Podaci koji su dobijani u obliku digitalnih snimaka sa prvih satelitskih
platformi za daljinsku detekciju se od sedamdesetih godina prošlog veka pa sve do
danas koriste kao materijal u mnogim naučnim oblastima. Najčešće se koriste za
praćenje prirodnih kontinualnih promena na Zemljinoj površini, kako u urbanim
zonama tako i van njih. Sama zainteresovanost za karakteristike Zemljine površine
kao što su temperatura, vegetacija, tip tla, reflektivnost, minerlani sastav itd.
dovela je do izrade mnogobrojnih softverskih rešenja koja se koriste za
obradu,analizu i vizuelizaciju podataka dobijenih sa satelita.
Određivanje tipa, starosti, rasprostranjenosti, kao i mnogih drugih
karakteristika vegetacije, je oduvek bio zadatak velikog broja naučnika. Nakon
lansiranja prvih multispektralnih i hiperpsektrlanih satelitskih platformi u Zemljinu
orbitu, ovi naučnici su kao rezultat toga dobili ogromne količine podataka o
vegetaciji. Radi lakše obrade podatka, nastaju mnogobrojni vegetacioni indeksi,
koji su osetljivi na ražličite karakteristike, kao na primer procenat hlorofila u listu
ili prisutnost vegetacije. Posledica toga su i laboratorijska ispitivanja različitih
tipova vegetacije, odnosno njihova reakcija na različite talasne dužine iz
elektromagnetnog spektra. Najinteresantnije talasne dužine su one iz vidljivog i
infracrvenog dela spektra, jer je utvrđeno da zelena vegetacija dobro reflektuje
infracrvenu talasnu dužinu. Najčešće korišćeni indeks nastao je još 1973 godine,
njegovi tvorci su Rous i Kregler (Rouse and Kriegler). Indeks nosi naziv Normalised
Difference Vegetation Index ili skraćeno NDVI i još uvek je u upotrebi. Pored ovog
indeksa u ovom radu korišćena su još četiri indeksa novijeg datuma. Snimci sa
Landsatovih multispektrlanih platformi se već decenijama koriste kao podloga za
vegetacione indekse. U ovom radu se kao ulazni podatak za računanje vrednosti
veg. indeksa, pored snimaka sa Landsat 7 platforme, koriste i snimci sa Hyperion-a
koji je hiperspektrlana platforma. Cilj ovog rada i jeste da se uporede dobijene
vrednosti više vegetacionih indeksa za obe platforme, odnosno da se utvrdi
podobnost hiperspektrlanih snimaka kao podloga za izradu istih. Kroz statističku
analizu biće utvrđeno da li se rezultati za različite tipove površina snimaka
dobijenih sa Hyperion-a ponašaju isto ili slično kao rezultati dobijeni sa snimaka
Landsat 7 satelita. Rezultati će takođe biti uporedno analizirani i kroz klasifikaciju
tako što će rezultujući rasteri, nakon računanja indeksa, biti provučeni kroz
inženjersku klasifikaciju.
6
Hiperspektralni snimci i vegetacioni indeksi 2013
2. Daljinska detekcija
Pojam “Daljinska detekcija“ prvi put se, u naučnoj sferi, pojavljuje 1960.
godine, nastao kao slobodan prevod engleske reči „Remote Sensing“. Pre 1960.
godine ovaj metod je ugalvnom bio poznat kao Aerofotogrametrija, koja se
koristila za prikupljanje podataka još od šesdesetih godina IX veka. Gotovo da
nema ni jedne naučne discipline koja se razvijala tako ubrzano, kao daljinska
detekcija. Njen ubrzan razvoj, omgućen je napredovanjem tehnologije, drugom
polovinom XX veka, pogotovo razvojem kompjuterske tehnike, koja je tih godina,
takođe doživljavala veliku ekspanziju. Omogućen je prelazak sa analogne na
digitalnu metodu čuvanja podataka, koja je omogućavala mnogo bolju analizu i
interpretaciju. Ona postaje nezamenjljiv metod za masovno prikupljanje podataka
u svim oblastima nauke. Sama definicija kaže: „Daljinska detekcija predstavlja
metod prikupljanja informacija putem sistema, koji nisu u direktnom, fizičkom
kontaktu sa ispitivanom pojavom ili objektom”[10] (Evelyn L. Pruitt
1960).Razvitkom svemirske thenologije dolazi i do revolucije u daljinskoj detekciji.
Senzori koji su do tada bili instalirani na avionima i drugim letelicama, sada
dobijaju nove platforme u vidu satelita. Sateliti mogu da pokriju mnogo veće
površine, samim tim sto se snimanje vrši sa veće visine i mogu da preleću iste
prostore u više naleta tokom određenog perioda. Jedan od prvih programa
namenjen snimanju Zemlje iz svemira, razvijen od strane NASA-e 1972. godine, je
ERTS (Earth Resource Technology Satellite). Ovaj satelit je kasnije preimenovan u
LANDSAT I, i bio je prvi iz serije satelita, čiji je cilj bio iscrtavanje i mapiranje
Zemljine površine.
2.1 Senzori
Glavni elementi uređaja za daljinsku detekciju su senzori. To su uređaji za
otkrivanje, registraciju i merenje zračenja elektromagnetne energije, koju emituje
ili reflektuje sam objekat. Senzori takođe funkcionišu na principu konverzije,
elektromagnetne energije u električne impulse. Oni koriste rotirajuće ili
oscilirajuće ogledalo putem koga registruju elektromagnetnu energiju po
uskim,međusobno bliskim i gusto raspoređenim trakama, upravnim (along track )
ili poprečnim (across track) na pravac kretanja nosača-platforme. Spektar
elektromagnetnog zračenja je izuzetno veliki, tako da ne postoji uređaj koji može
da obuhvati sve. Senzori se konstruišu tako da detektuju uže ili šire spektralno
područije.
7
Hiperspektralni snimci i vegetacioni indeksi 2013
2.2 Rezolucija
Rezolucija je bitan pojam za bilo koji multispektralni ili hiperspektralni
snimak. U daljinskoj detekciji poznate su nam četiri vrste rezolucije:
1. Spektralna
2. Radimetrijska
3. Temporalna
4. Prostorna
Spektralna rezolucija se odnosi na specifične intervale talasne dužine u
elektromagnetnom spektru koje senzor može da snimi. Može biti fina ili gruba to
zavisi od ospega elektromagnetnog zračenja kojeg senzor registruje.
Multispektralni snimci imaju nisku spektralnu rezoluciju, a hiperspektralni snimci
imaju visoku spektralnu rezoluciju.
Radimetrijska rezolucija se odnosi na dinamički opseg, odnosno broj
mogućih vrenosti u svakom opsegu (bend-u). Tacnije odnosi se na broj bita u koje
je podeljena enrgija opsega. Najčešće vrednosti radiometrijske rezolucije se kreću
od 7,8 bita pa do 16,32,64,128 bita sve u zavisnosti od potrebe.
8
Hiperspektralni snimci i vegetacioni indeksi 2013
10
Hiperspektralni snimci i vegetacioni indeksi 2013
11
Hiperspektralni snimci i vegetacioni indeksi 2013
12
Hiperspektralni snimci i vegetacioni indeksi 2013
13
Hiperspektralni snimci i vegetacioni indeksi 2013
14
Hiperspektralni snimci i vegetacioni indeksi 2013
2.4.1 Hyperion
15
Hiperspektralni snimci i vegetacioni indeksi 2013
16
Hiperspektralni snimci i vegetacioni indeksi 2013
EO-1 se nalazi u istoj orbiti kao i Landsat 7 na visini od 705 km. EO-1 kasni
za Landsatom za odprilike jednu minutu i pokriva istu površinu terena kao i
Landsat 7. To omogućava da se prikupe snimci iste površine u veoma malom
vrmenskom razmaku sa dve različite platforme, što je dobro zbog uporedne
analize i kalibracije sirovih podataka. Još dva satelita se nalaze u približnoj orbiti
kao i ova dva to su NASA-in TERRA i Argentinski satelit SAC-C. Ova četiri satelita
čine takozvanu „jutranju konstalaciju“ (morning constellation Slika 5.).
17
Hiperspektralni snimci i vegetacioni indeksi 2013
1 0.45 to .515 30
2 0.525 to 0.605 30
3 0.63 to 0.690 30
4 0.75 to 0.90 30
5 1.55 to 1.75 30
6 10.40 to 12.5 60
7 2.09 to 2.35 30
Pan 0.52 to 0.90 15
U Tabeli 2. Možemo da vidiom da većina bendova ima prostornu rezoluciju
od 30 m dok 6-ti bend, koji je termalni, ima 60 m i posldnji 8-mi bend ima
rezoluciju od 15 m on je panhromatski. Na Slici 6. je prikazan šematski prikaz
platforme i svih instrumenata na njoj.
18
Hiperspektralni snimci i vegetacioni indeksi 2013
19
Hiperspektralni snimci i vegetacioni indeksi 2013
20
Hiperspektralni snimci i vegetacioni indeksi 2013
2.6 Klasifikacija
Jedan od najbitnijh koraka u digitalnoj obradi slike jeste i klasifikacija.
Klasifikacija može biti definisana na više načina, ali jedan od njih kaže:
“Klasifikacija je postupak u kojem se vrši svrstavnje objekata ili pojmova u
konačan skup klasa na osnovu osobina tih objekata ili pojmova”[13] . U domenu
hiperspektralne analize ova definicija se može reći ovako: “Klasifikacija je proces
sortiranja piksela u određeni broj individualni klasa ili kategorija, u zavisnosti od
spektralne vrednosti piksela.”[13]. Upotrebom algoritama za analizu slika svi
pikseli s istim spektralnim karakteristikama se svrstavaju u istu klasu, jer pikseli s
jednakim spektralnim karakteristikama najčešće odgovaraju istom tipu
vegetacionog pokrivača, zemljišta ili voda.Klasifikacija u suprotnom smeru nije
efikasna jer svi pikseli odredenog vegetacionog prekrivača, zemljišta ili voda ne
moraju pripadati istoj klasi, pa postoji potreba za grupisanjem klasa (na primer
prema raznim tipovima vegetacije ili zemljišta).
21
Hiperspektralni snimci i vegetacioni indeksi 2013
22
Hiperspektralni snimci i vegetacioni indeksi 2013
3.Vegetacioni indeksi
Još od 70-ih godina prošlog veka naučnici koriste razne osnovne i
modifikovane modele vegetacionih indeksa. Oni su ekstraktovali i modelirali razne
vegetaciono biofizičke promenljive i konstante na osnovu podataka koje su
dobijali sa prvih platformi za daljinksu detekciju. Faktori koji utiču na formiranje
bilo kojeg indeksa su: radiometrijska merenja koja ukazuju obilje i aktivnost
zelene vegetacije, procenat zelenog pokrivača, sadržina hlorofila u listu, količina
biomase, kao i prostorni indeks lista LAI ( Leaf Area Index ) i upijena fotosintetička
aktivna radijacija APAR ( Absorbed Photosynthetic Active Radiation ).
NIR − RED
NDVI =
NIR + RED
23
Hiperspektralni snimci i vegetacioni indeksi 2013
NIR − RED
TNDVI =
NIR + RED
24
Hiperspektralni snimci i vegetacioni indeksi 2013
25
Hiperspektralni snimci i vegetacioni indeksi 2013
26
Hiperspektralni snimci i vegetacioni indeksi 2013
4. Obrada rezultata
Pre bilo kakve obrade podataka potrebno je savladati upotrebu jednog od
sofisticiranih softvera za obradu digitalnih snimaka. Neki od najpoznatijih su: ENVI
(Enviornment for Visualizing Images), ERDAS Imagine, IDRISI, PCI Geomatica. Ovi
navedni sofveri moraju biti sposobni da:
4.1 Preprocessing
Programsko rešenje koje je korišćeno u ovom radu je Erdas Imagine 2013.
Ovaj softver poseduje ogroman broj mogućosti za analizu, vizuelizaciju,
georeferenciranje, mapiranje, gis aplikacije i mnoge druge operacije sa prostornim
podacima,kao i sa snimcima sa više vrsta platformi.
28
Hiperspektralni snimci i vegetacioni indeksi 2013
29
Hiperspektralni snimci i vegetacioni indeksi 2013
30
Hiperspektralni snimci i vegetacioni indeksi 2013
31
Hiperspektralni snimci i vegetacioni indeksi 2013
Treći indeks koji je rađen je SAVI i njegov model je prikazan na Slici 15:
32
Hiperspektralni snimci i vegetacioni indeksi 2013
Na Slici 17. je prikaz demo zone u Google Earth-u, koji je koristio kao
približni Ground Truth podatak, da tačno vidimo gde je vegetacija,obradivo
zemljište, ali pošto su snimci iz 2003 a prikaz je iz 2011 verovatno ima nekih
manjih promena u struktruri terena.
33
Hiperspektralni snimci i vegetacioni indeksi 2013
Tabela 3. Prikaz vrednosti indeksa za obe platforme
Tn NDVIHy NDVIL7 SAVIHy SAVIL7 TNDVIHy TNDVIL7 GNDVIHy GNDVIL7 MSAVIHy MSAVIL7
1 0.514 0.248 0.74 0.371 0.997 0.865 0.315 0.191 0.679 0.396
2 0.528 0.264 0.792 0.394 1 0.874 0.319 0.206 0.691 0.416
3 0.431 0.206 0.646 0.235 0.965 0.84 0.26 0.16 0.602 0.341
4 0.409 0.139 0.613 0.207 0.953 0.824 0.275 0.147 0.58 0.242
5 0.49 0.21 0.74 0.314 0.995 0.843 0.293 0.165 0.658 0.346
6 0.501 0.228 0.751 0.341 1 0.853 0.306 0.191 0.667 0.37
Legenda:
7 0.43 0.172 0.645 0.257 0.965 0.82 0.276 0.163 0.602 0.3
8 0.403 0.1 0.604 0.148 0.95 0.771 0.256 0.099 0.489 0.19
9 0.409 0.139 0.613 0.207 0.953 0.8 0.275 0.157 0.58 0.242 Vegetacija
10 0.393 0.072 0.559 0.108 0.934 0.799 0.24 0.081 0.543 0.233
11 0.169 -0.077 0.254 -0.115 0.818 0.65 0.026 -0.056 0.248 -0.164
12 0.142 -0.074 0.212 -0.11 0.801 0.653 0.01 -0.056 0.222 -0.157 Pikseli imzmeđu tri
13 0.15 -0.064 0.225 -0.096 0.806 0.66 0.028 -0.038 0.279 -0.136 površine
14 -0.045 -0.258 -0.068 -0.385 0.675 0.492 -0.124 -0.191 -0.112 -0.679
15 -0.053 -0.245 -0.079 -0.365 0.669 0.505 -0.111 -0.196 -0.081 -0.635
16 -0.047 -0.242 -0.07 -0.361 0.673 0.508 -0.116 -0.191 -0.089 -0.625 Obradivo zemljište
17 -0.047 -0.247 -0.071 -0.369 0.673 0.503 -0.13 -0.205 -0.103 -0.642
18 -0.039 -0.263 -0.058 -0.393 0.679 0.487 -0.103 -0.205 -0.053 -0.697
19 -0.05 -0.229 -0.075 -0.342 0.671 0.52 -0.124 -0.187 -0.08 -0.582 Veštačke površine
20 -0.042 -0.227 -0.064 -0.339 0.676 0.522 -0.122 -0.209 -0.1 -0.575
21 -0.043 -0.244 -0.065 -0.365 0.676 0.506 -0.126 -0.2 -0.068 -0.632
22 -0.01 -0.188 -0.016 -0.281 0.7 0.558 -0.102 -0.163 0.009 -0.455
23 -0.029 -0.191 -0.044 -0.286 0.686 0.555 -0.111 -0.174 -0.002 -0.465
24 -0.012 -0.188 -0.018 -0.28 0.699 0.559 -0.075 -0.133 0.06 -0.455
25 0.017 -0.165 0.025 -0.247 0.719 0.578 -0.048 -0.117 0.114 -0.391
26 -0.006 -0.2 -0.01 -0.299 0.703 0.548 -0.029 -0.127 -0.011 -0.492
27 -0.027 -0.193 -0.04 -0.288 0.699 0.554 -0.06 -0.14 -0.055 -0.571
28 0.056 -0.175 -0.083 -0.262 0.745 0.57 -0.011 -0.138 0.075 -0.419
34
Hiperspektralni snimci i vegetacioni indeksi 2013
0.6
0.5
0.4
0.3
0.2
Series1
0.1
Series2
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27
-0.1
-0.2
-0.3
-0.4
1.2
0.8
Series1
0.6
Series2
0.4
0.2
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27
35
Hiperspektralni snimci i vegetacioni indeksi 2013
0.3
0.2
0.1
Series1
0 Series2
1 3 5 7 9 11 13 15 17 19 21 23 25 27
-0.1
-0.2
-0.3
0.8
0.6
0.4
Series1
0.2
Series2
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27
-0.2
-0.4
-0.6
36
Hiperspektralni snimci i vegetacioni indeksi 2013
0.8
0.6
0.4
0.2
Series1
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 Series2
-0.2
-0.4
-0.6
-0.8
Tabela 4. Prikaz vrednosti prosečnih odstupnja indeksa kod platformi u zavisnosti od površine
37
Hiperspektralni snimci i vegetacioni indeksi 2013
38
Hiperspektralni snimci i vegetacioni indeksi 2013
39
Hiperspektralni snimci i vegetacioni indeksi 2013
41
Hiperspektralni snimci i vegetacioni indeksi 2013
42
Hiperspektralni snimci i vegetacioni indeksi 2013
43
Hiperspektralni snimci i vegetacioni indeksi 2013
5. Zaključak
Prvo što možemo da zapazimo na svim ovim graficima jeste da se ove
funkcije ponašaju veoma slično, tj. da liče jedna na drugu. Takođe primećujemo
da su vrednosti indeksa za hiperspektralnu platform, za sve tipove površina, veći u
odnosu na indekse koji su nastali na osnovu snimaka sa multispektralne
platforme. Ovakva razlika u vrednostima nastaje zbog dva faktora. Prvi se tiče
razlike u konstrukciji hiper. i multispektralnih senzora. Kod hiperspektrlanih
senzora se detektori koji prikupljaju reflektovano zračenje duže zadržavaju iznad
svake pojedinačne tačke,zato što se podaci prikupljaju u mnogo većem broju
opsega, nego detektori kod multispektralnih platformi. Drugi faktor je to što se
podaci kod hiper. platformi snimaju u 16-bitnom formatu, a dok se kod multispek.
uglavnom koristi 8-bitni format. Ovi faktori su uticali na linearnu zavistnost
funkcija pri izračunavnaju vrednosti za svih pet računatih indeksa.
44
Hiperspektralni snimci i vegetacioni indeksi 2013
45
Hiperspektralni snimci i vegetacioni indeksi 2013
46
Hiperspektralni snimci i vegetacioni indeksi 2013
6. Literatura
1. Thematic Information Extraction: Chapter 11 “Hyperspectral Image Analysis”
10. jan.ucc.nau.edu/~geog-p/geog/RemoteSensing/
11. http://kpv.rs/wp-content
12. www.e-education.psu.edu/drupal6/files/geog480/Jensen
13. http://ccd.uns.ac.rs/aus/gis2/git_doc/Klasifikacija
14. landsat.gsfc.nasa.gov
15. geo.arc.nasa.gov
47