PL B1. OPEGIEKA SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ, Elbląg, PL BUP 09/17

Transkrypt

1 RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) (13) B1 Urząd Patentowy Rzeczypospolitej Polskiej (21) Numer zgłoszenia: (22) Data zgłoszenia: (51) Int.Cl. G01S 17/89 ( ) G06K 9/62 ( ) G01N 21/17 ( ) (54) Sposób identyfikacji typu roślinności (73) Uprawniony z patentu: OPEGIEKA SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ, Elbląg, PL (43) Zgłoszenie ogłoszono: BUP 09/17 (45) O udzieleniu patentu ogłoszono: WUP 06/18 (72) Twórca(y) wynalazku: VESA LEPPÄNEN, Katajaranta, FI JAKUB KRAWCZYK, Elbląg, PL ADAM AUGUSTYNOWICZ, Elbląg, PL WOJCIECH DOMINIK, Warszawa, PL (74) Pełnomocnik: rzecz. pat. Justyna Aftyka PL B1

2 2 PL B1 Opis wynalazku Przedmiotem zgłoszenia patentowego jest sposób identyfikacji typu roślinności z wykorzystaniem wieloczasowej informacji teledetekcyjnej. Ze stanu techniki znana jest publikacja patentowa JP , która dotyczy sposobów umożliwiających określenie lokalizacji poszczególnych drzew na podstawie obrazów wielospektralnych pozyskanych z pułapu lotniczego i satelitarnego, W pierwszej kolejności drzewa są klasyfikowane według atrybutów m.in. gatunku. Następnie wykonywana jest detekcja koron drzew na podstawie obrazu cieni i kierunku nasłonecznienia. Rozwiązanie to zakłada prowadzenie klasyfikacji na podstawie pojedynczych obrazów. Takie podejście nie daje jednak pełnej skuteczności identyfikacji gatunków drzew. Często ważne jest określenie typu roślinności na podstawie informacji teledetekcyjnych. Na przykład, w przypadku inwentaryzacji drzew, drzewa iglaste i drzewa liściaste mogą mieć różną wartość, metody zarządzania i wykorzystania. Zarządzający lasami poświęcają dużo uwagi rozróżnieniu drzew liściastych od iglastych oraz identyfikacji gatunków drzew. Jeżeli nie jest to możliwe na podstawie danych teledetekcyjnych, informacje tego typu muszą być zebrane w ramach obchodów, które są bardzo kosztowne i czasochłonne. Tradycyjnie, do mapowania wegetacji stosowany jest szeroko materiał teledetekcyjny. Na przykład, rejestracja spektralna i skanowanie laserowe (UDAR) zostało zastosowane do mapowania, pomiarów, identyfikacji oraz klasyfikacji wegetacji. Wskaźnik używany w procesie teledetekcji oznacza wartość lub współczynnik, który jest wytwarzany na postawie danych za pomocą obliczeń i który może mieć interpretację w świecie rzeczywistym lub może korelować z pewnym właściwości w świecie rzeczywistym. Na przykład, wskaźnik znormalizowany różnicowy wskaźnik wegetacji (NDVI) koreluje z ilością chlorofilu w danym obszarze i umożliwia wskazanie stopnia aktywności fotosyntezy roślin. Istnieją także inne podobne wskaźniki, takie jak znormalizowany różnicowy wskaźnik zieloności (NDGI) obliczany na podstawie wzoru (G - R) / (G + R), wzmocniony wskaźnik roślinności (EVI) obliczany na podstawie wzoru 2,5 * (NIR R) / (L + NIR + C1 * R + C2 * B), gdzie L jest współczynnikiem wpływu podłoża na odbiciowość a C1 i C2 są współczynnikami osłabienia promieniowania przez aerozol. Teledetekcja jest bardzo dobrą i efektywną kosztowo metodą analizy roślinności, ma ona jednak ograniczenia w zakresie określania typu roślinności. Dla przykładu, informacja spektralna w zakresie widma podczerwonego może być wykorzystana do określenia natężenia fotosyntezy w badanym obszarze z wykorzystaniem NDVI, 2 wykorzystaniem NDVI można, do pewnego stopnia, oddzielić pewne typy roślinności od innych oraz drzewa liściaste od iglastych, dzięki ich różnej zawartości chlorofilu i innych parametrach, jednak analiza taka ma niepożądaną tendencję do klasyfikacji drzew liściastych o niskimi tempie fotosyntezy jako drzewa iglaste, a drzew iglastych o wysokiej aktywności fotosyntezy jako drzewa liściaste. Podobnie, drzewa iglaste można identyfikować, do celów kartograficznych i inwentaryzacji lasów z wykorzystaniem zdjęć lotniczych w zakresie bliskiej podczerwieni, istnieje jednak tendencja do posiadania przez szybko rosnące młode drzewa iglaste, np. sosny, sygnatury widmowej podobnej do kilku gatunków drzew liściastych w podobnym wieku, Oba mają wysoką zawartość chlorofilu w koronie, dając obraz przypominający inne rodzaje roślinności. Podobne wyzwania można zaobserwować w wielu innych przypadkach wykorzystania teledetekcji, gdzie panujące warunki na miejscu lub inne czynniki mogą mieć niekorzystny wpływ na skuteczność teledetekcji. Sposób identyfikacji typu roślinności, w którym umieszczonym na przemieszczającym się nad badanym obszarem statku powietrznym z co najmniej jednym sensorem rejestrującym, wyposażonym w pamięć masową oraz jednostkę centralną zbiera się dane obrazowe w punkcie czasowym A, a następnie analogiczne dane zbiera się w punkcie czasowym B, gdy wygląd typu wegetacji różni się od tego z punktu czasowego A, przy czym dane te są gromadzone w pamięci masowej, po czym w jednostce centralnej porównuje się dane uzyskane w dwóch punktach czasowych poprzez sprowadzenie danych z tych punktów do tej samej formy danych we wspólnym układzie odniesienia, a następnie oblicza się wartość wskaźnika (94), według wynalazku, charakteryzuje się tym, że dane obrazowe uzyskuje się poprzez naświetlanie w celu pobudzenia chlorofilu w czasie ns przy jednoczesnym wykorzystaniu dwóch pasm spektralnych: a) pasmo podczerwone 700 nm 1000 nm, b) pasmo zielone 515 nm 600 nm.

3 PL B1 3 Korzystnie, sensorem rejestrującym jest wielospektralny skaner laserowy rejestrujący dane, w co najmniej 2 pasmach, Korzystnie, sensorem rejestrującym jest kamera lotnicza rejestrująca dane w co najmniej 4 pasmach Korzystnie, sensorem rejestrującym jest kamera hiper-spektralna Zaletą sposobu według wynalazku jest zdolność identyfikacji względnych zmian czasowych obiektów stanowiących drzewostan. Proponowany sposób daje możliwość znacznego zwiększenia dokładności klasyfikacji roślinności w porównaniu do powszechnie stosowanych metod. Dotychczasowe badania dotyczące wykorzystania metod teledetekcyjnych do analizy roślinności ograniczały się w znacznej w większości do wykorzystania pojedynczych obrazów. Nowym rozwiązaniem sposobu według wynalazku jest zastosowanie wskaźników roślinności obliczonych na podstawie danych wieloczasowych w celu ich porównania i ekstrakcji na tej podstawie szczegółowych informacji dotyczących drzewostanu. Zaletą wskaźników opartych o pasma spektralne jest ich zdolność do redukcji wpływu jasności całego obrazu będącej wynikiem zmiany warunków oświetlenia, warunków atmosferycznych i parametrów sensora podczas ekspozycji i rejestracji danych. Przykład wykonania został przedstawiony na rysunku, na którym fig, 1 przedstawia schemat funkcjonalny sposobu identyfikacji typu roślinności, fig. 2 obraz z lotu ptaka obszaru leśnego wykonany przez sensor w sezonie letnim, fig. 3 obraz spektrostrefowy z lotu ptaka obszaru leśnego w sezonie letnim, fig. 4 obraz z lotu ptaka obszaru leśnego z fig. 2 w sezonie zimowym, fig. 5 obraz z lotu ptaka obszaru leśnego z fig. 3 w sezonie zimowym, fig. 6 warstwę NDVI obliczoną dla danych przedstawionych na fig. 3, fig. 7 warstwę NDVI obliczoną dla obszaru na fig. 5, fig. 8 mapę różnic wartości NDVI między odpowiednimi pikselami obrazu, zaś fig. 9 mapę lasu sklasyfikowaną do postaci pikseli zdominowanych przez niektóre gatunki. Sposób według wynalazku w przykładzie wykonania przedstawiony na fig. 1 służy do określania typu roślinności, który odnosi się, ale nie ogranicza się, do gatunków, grupy gatunków, rodzaju, typu liścia, modelu wzrostu, koloru, koloru łodygi lub innej własności roślin. Sposób według wynalazku zakłada, że obliczanie wartości wskaźnika 94 może być wykonane przy użyciu wielu różnych procesów teledetekcyjnych. W przykładzie wykonania, wiedząc, że drzewa liściaste w północnych i umiarkowanych szerokościach geograficznych mają tendencję do zrzucania liści w okresie jesiennym, drzewa liściaste 12 i 13 mogą być odróżnione od drzew iglastych 11, zebrano lotnicze dane barwne w okresie listnym i bezlistnym. Badania przeprowadzono na obszarze 2000 ha, w lecie dla punktu czasowego A 91 oraz zimą dla punktu czasowego B 92, przy użyciu samolotu wyposażonego w sensor UDAR oraz kamerę lotniczą. Sensory UDAR mają zdolność do pomiaru współczynnika odbicia od celu w różnych pasmach. Informacja spektralna o obiekcie może być zebrana w punktach czasowych A 91 i B 92 i połączona do tej samej formy danych 93, którą jest sieć rastrowa w układzie odniesienia, a wskaźnik 94 wskazujący na typ roślinności może być obliczony przy użyciu wybranego algorytmu. Analogicznie drzewa liściaste odróżniono od roślin iglastych poprzez zbieranie danych UDAR oraz zdjęć lotniczych z okresu listnego i bezlistnego. Ponieważ lotnicze sensory UDAR rejestrują również odbicia od obiektów znajdujących się poniżej koron drzew, zmiana współczynnika odbicia dla drzew liściastych powoduje wariacje wskaźnika odbicia różnych gatunków drzew w różnych punktach czasowych. Obliczenie wskaźnika opisującego odbicia koron w różnych pasmach i w rożnych punktach czasowych, pozwala na rozróżnienie typów roślinności lub gatunków drzew. Fig. 3 i 5 uwydatniają tę różnicę, przedstawiając ten sam obszar, w tej samej formie danych we wspólnym układzie odniesienia, w czasie sezonu letniego i zimowego w postaci obrazu spektrostrefowego. Po obliczeniu wskaźnika 34 dotyczącego chlorofilu dla obu zestawów danych, drzewa liściaste wykażą wysoką zawartość chlorofilu w sezonie wzrostu, ale dość niską zawartość, po opadnięciu liści. Jako wskaźnik 94 wykorzystano NDVI znormalizowany różnicowy wskaźnik wegetacji, fig. 6 pokazuje wysoką zawartość chlorofilu na całym obszarze, jak wynika i jasnych odcieni obrazu. Fig. 7 przedstawia wizualizację wskaźnika NDVI obliczonego na podstawie danych zawartych na fig. 5, wykazujących dużą zawartość chlorofilu w drzewach iglastych 11, ale mniejszą zawartość chlorofilu w drzewach liściastych 12 i 13. Dzięki temu, że drzewa iglaste wykazują stosunkowo równą zawartość chlorofilu dla punktów czasowych A i B, rozróżnienia drzew liściastych od iglastych można dokonać poprzez porównanie wskaźników wrażliwych na chlorofil zawarty w koronach (np. NDVI) z obu zestawów danych, fig. 8 przedstawia mapę różnic wartości NDVI między odpowiednimi piksela-

4 4 PL B1 mi obrazu jest ona mała dla drzew iglastych 11, a wysoka dla drzew liściastych 12 i 13. Dodatkowo, Jedne gatunki drzew liściastych 12 mają większą różnicę w wartości NDVI niż inne 13. Różnica ta została dodatkowo uwidoczniona poprzez pozyskanie danych w czasie takiego sezonu lub okresu, gdy jeden z gatunków wykazuje większą refleksyjność w rejestrowanym paśmie, niż inne np. sosna. Fig. 9 przedstawia mapę lasu sklasyfikowaną do postaci pikseli zdominowanych przez niektóre gatunki M 11, N 12 i O 13. Różne odcienie w obrazie na fig. 9 reprezentują piksele obrazujące różne typy roślinności. Pozyskanie danych w dwóch różnych punktach czasowych A 91 i B 92 może nastąpić z wykorzystaniem nowoczesnych sensorów UDAR (lotniczych skanerów laserowych), zbierających w trakcie pomiaru dane w różnych pasmach spektralnych z wykorzystaniem statku powietrznego (zazwyczaj samolotu) i/lub kamer wielkoformatowych pozyskujących dane w co najmniej 4 kanałach spektralnych i/lub kamer hiper-spektralnych z wykorzystaniem statku powietrznego (zazwyczaj samolotu). Wyniki przeprowadzonych badań przy użyciu sposobu według wynalazku zweryfikowano poprzez przeprowadzenie badań terenowych. Porównanie tych wyników zawiera Tabela 1 T a b e l a 1 Kontrola skuteczności sposoby według wynalazku poprzez porównanie danych z wywiadu terenowego z rezultatami analiz teledetekcyjnych Zastrzeżenia patentowe 1. Sposób identyfikacji typu roślinności, w którym umieszczonym na przemieszczającym się nad badanym obszarem statku powietrznym sensorem rejestrującym, wyposażonym w pamięć masową oraz jednostkę centralną zbiera się dane obrazowe w punkcie czasowym (91), a następnie analogiczne dane zbiera się w punkcie czasowym B (92), gdy wygląd typu wegetacji różni się od tego z punktu czasowego A (91), przy czym dane te są gromadzone w pamięci masowej, po czym w jednostce centralnej porównuje się dane uzyskane w dwóch punktach czasowych (91, 92) poprzez sprowadzenie danych z tych punktów do tej samej formy danych we wspólnym układzie odniesienia (93), a następnie oblicza się wartość wskaźnika (94), znamienny tym, że dane obrazowe uzyskuje się poprzez naświetlanie w czasie ns przy jednoczesnym wykorzystaniu dwóch pasm spektralnych: a) pasmo podczerwone 700 nm 1000 nm, b) pasmo zielone 515 nm 600 nm. 2. Sposób, według zastrz. 1, znamienny tym, że sensorem rejestrującym jest wieloospektralny skaner laserowy rejestrujący dane, w co najmniej 2 pasmach. 3. Sposób, według zastrz. 1, znamienny tym, że sensorem rejestrującym jest kamera lotnicza rejestrująca dane w co najmniej 4 pasmach Sposób, według zastrz. 1, znamienny tym, że sensorem rejestrującym jest kamera hiperspektralna.

5 PL B1 5 Rysunki

6 6 PL B1

7 PL B1 7

8 8 PL B1

9 PL B1 9

10 10 PL B1 Departament Wydawnictw UPRP Cena 2,46 zł (w tym 23% VAT)