PWSZ w Tarnowie, GIS w ochronie środowiska, II rok, kierunek Ochrona Środowiska LABORATORIUM NR 6, PRZETWARZANIE ZDJĘCIA SATELITARNEGO

Transkrypt

1 PWSZ w Tarnowie, GIS w ochronie środowiska, II rok, kierunek Ochrona Środowiska LABORATORIUM NR 6, PRZETWARZANIE ZDJĘCIA SATELITARNEGO Otwórz aplikację ArcMap i ewentualnie zmaksymalizuj okno tej aplikacji. W Katalogu wybierz Podłącz Folder > okno Podłącz Folder wskaż folder Zdjęcie satelitarne Przetwarzanie z danymi do ćwiczenia nr 6 > W ćwiczeniu wykorzystane zostaną zdjęcia satelitarne z satelitów SPOT, Geo Eye1 i Rapid Eye. W oknie aplikacji przeglądnij zdjęcie satelitarne z satelity SPOT (satelita europejski, rewizyta co 2/3 dni), które zawiera folder Przetwarzanie_zdjęcia_sat, czyli: spot_kanał1 promieniowanie widzialne w zakresie zieleni (0,50-0,59 µm), UWAGA: na monit Nieznane Odniesienie Przestrzenne klik OK > jaka jest rozdzielczość przestrzenna rastra? (raster w formacie *.rst programu IDRISI, po konwersji) Metody poprawiające jakość obrazu i umożliwiające lepsze rozpoznanie treści zdjęć satelitarnych: 1. STRETCHING (rozciąganie) Zdjęcie spot_kanał1 ma niski kontrast; trudno rozróżnić na nim szczegóły > sprawdź narzędziem Identyfikuj, jakie wartości jaskrawości przypisane są do losowo wybranych najjaśniejszych i najciemniejszych pikseli? jest to zdjęcie surowe: w Katalogu prawy klik na zdjęciu spot_kanał1 wybierz Własności czy zostały przeliczone i zbudowano statystyki? W Tabeli Zawartości otwórz Symbolizację dla tego zdjęcia > pole po lewej Pokaż Rozciągnięty; Rozciągnięcie Typ: Brak; Statystyki, z rozwijanego pola wybierz Z Bieżącego Zasięgu Mapy > Zastosuj: Jakie są wartości maksymalna i minimalna statystyki? > Statystyki, z rozwijanego pola wybierz Z każdego Zestawu Danych Rastrowych > Rozciągnięcie Typ: Dostosowanie; pojawi się monit o zbudowanie histogramu - klik OK > Zastosuj > klik przycisk Histogramy - Wykres przedstawia obraz jaskrawości pikseli tworzących raster jakie są wartości min i max? > klik OK wygląd zdjęcia nie zmienił się > Rozciągnięcie wybierz Typ: Minimum Maksimum klik OK; kontrast zdjęcia się zwiększył, ponieważ zastosowano liniowe rozciągnięcie wartości pikseli na zakres od 0 do 255 > > Rozciągnięcie wybierz Typ: Odchylenie Standardowe klik OK kontrast zdjęcia zwiększył się bardzo; zastosowano rozciąganie liniowe wartości po odcięciu skrajnych pikseli ponad 2 odchylenia standardowe, tj. 4,5% (niższe wartości otrzymały jaskrawość 0, a wyższe jaskrawość 255) - otwórz wykres Histogramy (zdjęcia satelitarne i lotnicze przy imporcie do geobazy są automatyczne rozciągane metodą odchylenia standardowego!) > oczyść pole widzenia (Menu Główne / Nowy Plik Mapy) >

2 w Katalogu prawy klik na zdjęciu spot_kanał1 wybierz Własności > otwarte okno, przejdź w kolumnie Własność do wiersza Statystyki i zauważ, że dokonywane przez Ciebie zmiany histogramu spowodowały obliczenie statystyk > po prawej w rozwijanym przycisku opcje wybierz Oczyść Statystykę > OK > wprowadź zdjęcie (kanał1) w pole wyświetlania: czy wróciło do pierwotnego wyglądu? > wyczyść pole widzenia pasek Standardowy > Nowy Plik Mapy [Uwaga: Łatwy dostęp do różnych typów funkcji rozciągania obrazu można uzyskać w oknie: Menu Główne > Okna > Analizy Obrazu > Wyświetlanie > Rozciąganie] 2. PSEUDOBARWA (na obrazie monochromatycznym) W Katalogu otwórz zestaw danych rastrowych GeoEye_niepołomice_CIR (VHR) > wrzuć do okna aplikacji najmniej kontrastowe zdjęcie Band_3 (kanał Green; wstępnie rozciągnięte) > W Tabeli Zawartości > Własności wybierz Symbolizacja warstwy (okno na prawo) > Dyskretny Kolor > Liczba Kolorów: 255; Schemat Kolorów wybieraj i porównuj Pastels Blue To Red oraz Basic Random, Spectrum Full-Bright (od czerwieni do niebieskiego) zauważ dobre zobrazowanie niektórych rodzajów powierzchni > teraz wprowadź Schemat Kolorów: Temperature > OK > ta paleta kolorów daje bardzo dobre zróżnicowanie regionalne na mapie można łatwo wzrokowo rozpoznać różne powierzchnie (Metoda pseudobarwy zastosowana do obrazu monochromatycznego pozwala lepiej rozróżniać obszary, które w terenie stanowią jednorodne obiekty (np. pole orne, lasy ); staje się narzędziem generalizacji obrazu rastrowego. Musimy dobrać i zastosować jednak właściwą paletę barw!) > Oczyść pole wyświetlania aplikacji. 3. KOMPOZYCJA BARWNA (False Colour Composit) W licencji ArcGIS, jaką posiada PWSZ nie ma możliwości utworzenia własnej kompozycji barwnej z kilku kanałów, dlatego wykorzystamy kompozyt przygotowany przez firmę Small GIS, Kraków dla zdjęć optycznych z satelity Rapid Eye (5 współpracujących satelitów, rewizyta co 1 dzień, rozdzielczość 5 m). Zdjęcie o rozszerzeniu *.CIR powstało z przefiltrowania filtrami RGB zdjęć w trzech pasmach według następującego schematu (w nawiasie numer kanału):

3 Step 1 NIR (5) Red(3) Green(2) Step 2 Step 3 Kompozycja w barwach umownych (FCC) 532 Na takich kompozycjach najczęściej uzyskuje się następujące umowne barwy: woda - czarny/ciemno niebieski; wegetacja odcienie czerwonego; gleba lub nawierzchnia sztuczna jasno niebieski/zielonkawy. W oknie aplikacji przeglądnij zdjęcie satelitarne z satelity Rapid Eye pod nazwą RapidEye_CIR.tif > rozpoznaj przedstawione na nim powierzchnie wg barw umownych jw? > do okna wprowadź teraz zdjęcie RapidEye_RGB.tif, które przedstawia ten sam obszar w świetle widzialnym na ludzki sposób patrzenia (kanały RGB) i porównaj obydwa przedstawienia powierzchni > Nowy Plik Mapy 4. FILTRY CYFROWE. W celu poprawienia widoczności obiektów i albo uwypuklenia granic albo uwypuklenia regionalizmów (ujednolicenie powierzchni) stosuje się filtrację, czyli przetworzenie oryginalnego obrazu za pomocą filtrów cyfrowych. Ogólna zasada działania: oryginalny obraz - maska filtru (moving window) - obliczenia (śr. wagowa) - nowy obraz po filtracji Poniżej widzisz ilustracje rezultatów działania powszechnie stosowanych filtrów: filtr dolnoprzepustowy (LOW); wygładzający, zmniejsza złożoność obrazu (jedna z metod generalizacji), wygładza wartości anomalne (np. pik o bardzo wysokiej wartości)

4 - filtr górnoprzepustowy (HIGH); wzmacniający krawędzie, wykrywanie granic, wartości wyjściowe nie mają związku z wartościami wejściowymi! W folderze Przetwarzanie_zdjęcia_satelitarnego utwórz nową geobazę plikową o nazwie: Przetwarzanie_robocza.gdb > Uczyń Geobazę Domyślną (rezultaty filtracji będziesz zapisywać w geobazie) > w okno aplikacji wprowadzaj zdjęcia Rapid Eye z poszczególnych kanałów kompozytu RapidEye_CIR.tif > otwórz z paska narzędziowego skrzynkę narzędziową ArcToolbox i wyszukaj narzędzia filtracji: Spatial Analyst > Sąsiedztwo > Filtr > ustawienia w oknie, jak poniżej: Wykonaj filtracje wg listy poniżej (wykonasz filtracje bez stretchingu, ponieważ wykonanie rozciągnięcia nie daje różnicy; zrezygnujemy z kanału NIR (_5), dla którego filtry działają najsłabiej): - Band2_3 (Red) LOW nazwa: Filter_LOW_Band2_3 - Band3_2 (Green) - LOW nazwa: Filter_LOW_Band3_2 Porównaj (skala 1:30 000) i odpowiedz, dla którego kanału filtr dolnoprzepustowy nadaje sie lepiej do uwypuklenia regionalizmów i zmniejszenia złożoności obrazu? - Band2_3 (Red) HIGH nazwa: Filter_HIGH_Band2_3 - Band3_2 (Green) - HIGH nazwa: Filter_HIGH_Band3_2 Porównaj (skala 1:20 000) i odpowiedz, czy dla kanałów, którymi dysponujemy udało sie uzyskać zadowalające uwypuklenie krawędzi dla większej liczby obiektów w terenie? [Łatwy dostęp do wielu powszechniej stosowanych rodzajów filtracji (Convolution function) można uzyskać w oknie: Menu Główne > Okna > Analizy Obrazu > Przetwarzanie > Filtr ] Na koniec spróbuj metodą złap i upuść (w oknie Katalogu) - dodać do geobazy Przetwarzanie_ robocza.gdb np. zdjęcie satelitarne spot_kanał1.rst > Czy jest to możliwe? > Aby dodać jakąś klasę obiektów albo zestaw danych rastrowych musisz użyć narzędzia wewnętrznego geobazy > w oknie Katalogu prawy klik na nazwie i wybierz Importuj > Zestawy Danych Rastrowych > w pole Rastry Wejściowe wprowadź zdjęcie spot_kanał1 > OK! > wrzuć do okna aplikacji z geobazy nowo dodany zestaw danych rastrowych spot_kanał1 > Dlaczego jego wygląd jest tak bardzo kontrastowy? > Klik Nowy Plik Mapy > Pusta Mapa > klik OK, nie zapisujesz zmian > Wyłącz program.

5 PWSZ w Tarnowie, GIS w ochronie środowiska, II rok, kierunek Ochrona Środowiska LABORATORIUM NR 6BIS, NDVI Normalized Difference Vegetation Index Opracowano kilka wskaźników roślinności używanych do analizy pokrywy roślinnej na danym terenie. Najpowszechniej stosuje się tzw. NDVI (Normalized Difference Vegetation Index) - Znormalizowany różnicowy wskaźnik wegetacji. W procesie fotosyntezy u roślin bierze udział promieniowanie fotosyntetycznie czynne o długości 0,4 0,7 μm, które jest silnie absorbowane przez liście. Z kolei promieniowanie słoneczne w zakresie 0,7 1,3 μm jest intensywnie odbijane. Wykorzystanie tych właściwości roślin umożliwia określenie intensywności fotosyntezy i wielkości biomasy na terenach pokrytych roślinnością. Patrz ilustracja obok. W celu obliczenia NDVI porównuje się obrazy z pasma widzialnego promieniowania czerwonego (RED) i z bliskiej podczerwieni (NIR) stosując formułę ilorazu różnicy pomiędzy tymi pasmami znormalizowanymi przez sumę tych pasm: NDVI = (NIR-RED) / (NIR+RED) Tak obliczony indeks zmienia się od -1 do 1, przy czym wartości 0,1 (110) i niższe korespondują z wodą, śniegiem, chmurami, nagim gruntem lub skałami. Średnie wartości 0,2-0,3 ( ) odpowiadają zakrzewieniom i łąkom, natomiast wyższe lasom. W ArcGIS wynik ilorazu otrzymany z formuły jak powyżej mnożony jest przez 100 i dodaje się do niego 100. W rezultacie wartości wskaźnika wynoszą Pobierz z serwera GIS LABORATORIUM folder Nr 6BIS NDVI z danymi do ćwiczenia i umieść go na pulpicie > Katalog > Podłącz Folder do aplikacji ArcMap. Ten folder zawiera dwa zestawy danych rastrowych: GeoEye_niepolomice_CIR.tif oraz GeoEye_niepolomice_RGB.tif. Są to ortofotomapy satelitarne (satelita Geo Eye1) o bardzo wysokiej rozdzielczości (VHR Very High Resolution) > Dodaj obydwa rastry do obszaru wyświetlania aplikacji i przeglądnij je > Przy pomocy narzędzia Zmierz sprawdź, jaka jest rozdzielczość piksela tych zestawów. > Usuń z pola widzenia warstwę RGB i pozostaw jedynie CIR. Obraz RGB odpowiada sposobowi widzenia człowieka i składa się z 3 kanałów: Band_1 Red (0,65-0,69 μm), Band_2 Green (0,51-0,58 μm) oraz Band_3 Blue (0,45 0,51 μm). Obraz CIR złożony został jako kompozycja FCC w następujący sposób: Band_1 NIR (0,78-0,92 μm), Band_2 Red oraz Band_3 Green. Aplikacja ArcMap zawiera funkcję do szybkiego przeprowadzenia analizy NDVI. Skorzystamy z niej. W Menu Głównym otwórz polecenie Okna, a następnie kliknij w rozwijanym menu Analizy Obrazu > W otwartym oknie Analizy Obrazu wciśnij przycisk Opcje Analizy Obrazu, a następnie w oknie dialogowym wskaż Kanał Czerwony i Pasmo Podczerwieni, jak na ilustracji obok (w zgodzie z opisem powyżej): > klik OK.

6 W oknie Analizy Obrazu, w sekcji Przetwarzanie kliknij teraz zielony listek, co spowoduje niemal natychmiastowe dodanie do Tabeli Zawartości i wyświetlenie w oknie aplikacji mapy z obliczonymi wartościami NDVI dla poszczególnych pikseli - jej nazwa NDVI_GeoEye_niepolomice_CIR.tif > Utworzona warstwa jest tylko tymczasowa (zauważ, że nie pojawiła się w folderze Nr 10 NDVI), dlatego rozsądnie będzie utworzyć w folderze jej reprezentację > W Tabeli Zawartości prawy klik na nazwie rastra i klik na polecenie Zapisz Jako Plik Warstwy > Do foldera dodany zastanie plik warstwy o rozszerzeniu *.lyr > Ponownie klik na nazwie rastra > W oknie Własności Warstwy Tematycznej otwórz zakładkę Symbolizacja > Zauważ, że raster NDVI z zakresem wartości wyświetlany jest z użyciem wewnętrznej mapy kolorów, z dopasowaniem do struktury 8-bitowej, czyli na poziomach od Stosując Dyskretny Kolor i Schemat kolorów: Temperatura z wpisaną Liczbą kolorów: 200 uzyskasz obraz odpowiadający omówionym we wstępie znaczeniom wartości NDVI w zakresie Wprowadź w pole widzenia aplikacji obraz RGB i porównaj obydwa rastry, przy tym na mapie NDVI zbadaj narzędziem Identyfikacja wartości indeksu odpowiadające równym powierzchniom użytkowania terenu (np. pole uprawne, las itp. uwaga, jaką wartość otrzymały cienie rzucane np. przez drzewa lub domy?) > Indeks NDVI zmienia się wraz z porami roku. Czy możesz rozpoznać kiedy w przybliżeniu zrobione zostało zdjęcie z okolic Niepołomic? Klik Nowy Plik Mapy > Pusta Mapa > klik OK, nie zapisujesz zmian W Internecie mamy możliwość skorzystania z map NDVI przygotowywanych w ramach projektu badawczego EOSDIS (Earth Observing System / Data And Information System) prowadzonego przez NASA. Wykorzystywana jest przy tym praca dwóch satelitów okołobiegunowych MODIS i AQUA. Na każdy dzień przygotowywane są mapy NDVI dla różnych obszarów, w tym dla Polski. Rozdzielczość rastra podstawowego wynosi 250 m > Otwórz przeglądarkę internetową, wpisz adres: a następnie otwieraj kolejne podstrony: Data / Near Real-Time Data / Rapid Response (na szarym pasku po lewej) / w nim MODIS Subsets / Areas > Europe; otwiera się w nowym oknie strona z mapami subsetów ; na mapie po lewej u góry najedź myszką na okolice Polski i kliknij, gdy ukarze się chmurka/informacja AERONET_Belsk. Na otwartej stronie z małymi mapkami podglądu wybierz mapę NDVI z satelity MODIS lub AQUA > przyglądnij się tej mapie w jakich kolorach oddane są obszary o największej fotosyntezie, a w jakich tereny gęsto zabudowane? UWAGA: Dostarczane mapy mają tylko walor poglądowy. > Możesz ściągnąć mapę do swojego foldera (Download GEO TIFF File) i następnie wyświetlić w oknie aplikacji. Użyj narzędzia Identyfikacja dlaczego jest to tylko mapa poglądowa? > Zamknij aplikację ArcMap.