MATERIAŁY SZKOLENIOWE Źródła danych przestrzennych Magdalena Zwijacz-Kozica Bogdan Zagajewski Uniwersytet Warszawski Wydział Geografii i Studiów Regionalnych Katedra Geoinformatyki i Teledetekcji ul. Krakowskie Przedmieście 30 00-927 Warszawa e-mail: septy@uw.edu.pl bogdan@uw.edu.pl Wykorzystanie zdjęć satelitarnych Landsat TM do badania kondycji roślinności Termin teledetekcja pochodzi od połączenia dwóch słów: greckiego tele, czyli daleko i łacińskiego detectio, czyli wykrywać, ujawniać. Teledetekcja obejmuje szereg metod słuŝących do pozyskiwania danych na temat obiektów, zjawisk i procesów zachodzących na powierzchni Ziemi z wykorzystaniem przyrządów, które nie są w bezpośrednim kontakcie z przedmiotem badań. TakŜe metody przetwarzania zgromadzonych danych mieszczą się w definicji teledetekcji. Teledetekcja wykorzystuje odbite od obiektów i emitowane przez obiekty promieniowanie elektromagnetyczne. Jednak tylko niewielki wycinek spektrum moŝe być wykorzystany w teledetekcji z powodu silnego pochłaniania i rozpraszania przez składniki atmosfery (znaczący wpływ na wielkość absorpcji mają woda, dwutlenek węgla i tlen). Fragmenty spektrum, dla których atmosfera jest relatywnie przezroczysta to tzw. OKNA ATMOSFERYCZNE. W zdalnych badaniach powierzchni ziemi korzysta się z okien atmosferycznych, które obejmują widzialną część spektrum, bliską i średnią podczerwień, podczerwień termalną, promieniowanie mikrofalowe. Wszystkie obiekty na powierzchni Ziemi (roślinność, gleba, skały, obiekty antropogeniczne) odbijają część docierającego do nich promieniowania elektromagnetycznego, część zaś pochłaniają. Skutkiem tego kaŝdy materiał tworzy charakterystyczną dla siebie sygnaturę spektralną. Zgromadzenie informacji na temat roślinności wymaga poznania zaleŝności pomiędzy promieniowaniem elektromagnetycznym odbijanym od roślinności a właściwościami roślin. Struktura liści jest zróŝnicowana w zaleŝności od gatunku i lokalnych warunków 1
ZDJĘCIA SATELITARNE środowiskowych, ale większość liści roślin ma podobną budowę. W widzialnej części spektrum znaczenie ma skład i koncentracja barwników asymilacyjnych: chlorofilu a i b, karotenu i ksantofilu. Chlorofil odpowiada za odbijanie zielonej części widma elektromagnetycznego (ok. 15-20%, 495-570 nm), jednocześnie absorbuje zakres światła niebieskiego (375-495 nm), jak i część promieniowania czerwonego (600-700 nm). Wielkość odbicia promieniowania elektromagnetycznego determinuje takŝe rodzaj powierzchni liści (liście gładkie z nalotem woskowym odbijają więcej niŝ liście matowe). W zakresie bliskiej podczerwieni o wielkości współczynnika odbicia decyduje struktura komórkowa roślin, a w podczerwieni termalnej zawartość wody w komórkach roślin (Ryc. 1.). Ryc.1. Czynniki wpływające na kształt krzywej spektralnej roślinności 3000 2500 Chl_a Chl_b Car Chl_a+Chl_b 2000 1500 1000 500 0 Nardus stricta Luzula spadicea Deschampsia flexuosa Deschampsia caespitosa Calamagrostis villosae Juncus trifidus Vaccinium myrtillus Ryc. 2. Proporcje barwników asymilacyjnych w zdrowych roślinach Krzywa odbicia spektralnego dla róŝnych roślin ma podobny kształt. Występują jednak pewne róŝnice w obrębie tego samego gatunku (faza fenologiczna, warunki 2
M.ZWIJACZ-KOZICA, B>ZAGAJEWSKI WYKORZYSTANIE ZDJĘĆ SATELITARNYCH LANDSAT TM DO BADANIA KONDYCJI ROŚLKINNOŚCI siedliskowe), jak i pomiędzy poszczególnymi gatunkami, istotne z punktu widzenia rozróŝniania ich za pomocą metod teledetekcyjnych. Zmiany wartości współczynnika odbicia są wywołane takŝe stresem wodnym (jeśli zawartość wody w komórkach roślin została zaburzona, zaburzona jest takŝe transpiracja utrzymująca w równowadze temperaturę roślin, rośnie temperatura w liściach, które więdną i wpływają na geometrię rośliny, a co za tym idzie na odbijanie przez nią promieniowania elektromagnetycznego) lub innego rodzaju czynnikami obniŝającymi kondycję (przez szkodniki, kwaśne deszcze, metale cięŝkie itp. np. zmiana proporcji barwników asymilacyjnych => w zdrowych roślinach powinno być trzy razy więcej chlorofilu a niŝ chlorofilu b i ich suma powinna być pięć razy większa niŝ karotenoidów) (Ryc. 3). 1.00 0.80 Vaccinium myrtillus Deschampsia flexuosa Juncus trifidus Calamagrostis villosae Luzula spadicea Nardus stricta reflektancja 0.60 0.40 0.20 0.00 360 418 477 537 597 657 717 778 840 902 964 1159 1482 1738 2035 długość fali (nm) Ryc. 3. Współkształtność krzywych odbicia spektralnego dla roślinności Stan roślinności w dobie zachodzących zmian klimatycznych i zwiększającej się presji ze strony czynników antropogenicznych ma kluczowe znaczenie w badaniach przyrodniczych. Za pomocą danych i metod teledetekcyjnych moŝliwe jest prowadzenie monitoringu szaty roślinnej na terenach rozległych, trudnych do szybkiego zbadania metodami tradycyjnymi, niedostępnych. Teledetekcja wykorzystuje zarówno techniki fotograficzne, jak i cyfrowe. Badania teledetekcyjne mogą być prowadzone z poziomu naziemnego (spektrometry, instrumenty do pomiaru LAI, APAR, temperatury radiacyjnej itp.), lotniczego (skanery wielospektralne, skanery hiperspektralne, radary, lidary) i satelitarnego (skanery wielospektralne, skanery hiperspektralne, radary). Naziemne badania stanu roślinności obejmują (jako przykład posłuŝyć mogą hiperspektralne badania zbiorowisk roślinnych piętra alpejskiego prowadzone w rejonie Hali Gąsienicowej): Nieinwazyjne pomiary powierzchni projekcyjnej liści LAI (ang. Leaf Area Index), polegające na obliczeniu sumarycznej powierzchni liści przypadających na jednostkową powierzchnię terenu (Ryc. 4, Tab. 1). 3
ZDJĘCIA SATELITARNE Ryc. 4. Mapa LAI uzyskana ze skanera DAIS 7915 Tab. 1. Wskaźniki powierzchni projekcyjnej liści (LAI) i biomasy LAI Biomasa LAI Odchylenie standardowe Współczynnik zmienności (%) Biomasa świeŝa (kg/m 2 ) Odchylenie Współczynnik standardowe zmienności (%) Nardus stricta 2,35 1,00 42,65 1,1 0,36 32,68 Luzula spadicea 4,04 0,15 3,80 2,7 0,35 13,02 Calamagrostis 2,98 0,66 22,16 2,0 0,60 29,99 villosae Juncus trifidus 1,79 0,36 20,05 1,2 0,54 45,89 Vaccinium myrtillus 5,10 1,27 24,90 4,2 0,30 7,12 Pomiary temperatury termodynamicznej powietrza (t a ) i radiacyjnej powierzchni liści (t s ), sprowadzające się do pomiaru spektralnej luminancji energetycznej w zakresie podczerwieni termalnej (8-14 µm) i przeliczeniu jej na temperaturę według prawa Stefana-Boltzmana. Celowość pomiaru polega na fizjologicznej prawidłowości wynikającej z faktu chłodzenia się roślin w procesie ewapotranspiracji. Wraz z wodą wydalone zostają znaczne ilości ciepła. Przy załoŝeniu, Ŝe istnieje dostateczna ilość wody w gruncie, proces ten u roślin zdrowych zachodzi bez zaburzeń. Wymiernym wskazaniem jest obniŝenie temperatury powierzchni roślin (róŝnica temperatur uzyskuje wartości ujemne). Wskaźnik t s -t a przybiera wartości dodatnie w sytuacji występowania stresu wodnego (Ryc. 5). 4
M.ZWIJACZ-KOZICA, B>ZAGAJEWSKI WYKORZYSTANIE ZDJĘĆ SATELITARNYCH LANDSAT TM DO BADANIA KONDYCJI ROŚLKINNOŚCI 1,0 0,9 0,8 NDVI 0,7 0,6 0,5 0,4 0,3 0,2 0,1 Calamagrostis villosa Juncus trifidus Luzula alpino-pilosa Nardus stricta Vaccinium myrtillus -8-6 -4-2 0 0,0 t s -t a ( o C) Ryc. 5. ZaleŜność między kondycją roślin (NDVI), a stresem wodnym mierzonym wskaźnikiem temperaturowym t s -t a Pomiary akumulowanej radiacji z zakresu fotosyntezy APAR (ang. Accumulated Photosynthetic Active Radiation) polegające na rejestracji gęstości strumienia bezpośredniego promieniowania słonecznego z zakresu 400-700 nm dochodzącego do roślin (PAR 0 ), przenikającego przez nie (PAR t ), odbitego od gleby pod rośliną (PAR s ) oraz odbitego od górnej powierzchni roślin (PAR c ) i współczynnika produktywności p (Ryc. 6, Tab. 2). APAR = (PAR 0 + PAR s ) (PAR t + PAR c ) p = fapar = APAR/ PAR 0 Ryc. 6. Mapa wskaźnika fapar uzyskana ze skanera DAIS 7915 5
ZDJĘCIA SATELITARNE Tab. 2. Akumulowana energia z zakresu fotosyntezy fapar Odchylenie standardowe Współczynnik zmienności (%) Nardus stricta 0,85 0,02 2,43 Luzula spadicea 0,89 0,05 6,15 Calamagrostis villosae 0,88 0,04 4,29 Juncus trifidus 0,64 0,07 11,22 Vaccinium myrtillus 0,95 0,00 0,39 Przedstawione powyŝej wskaźniki moŝna równieŝ porównywać z danymi satelitarnymi z Landsata, udostępnionymi darmowo w sieci Internet. Wykonanie map przedstawiających rozkład wartości wskaźników wymaga jednak przeprowadzenia pomiarów terenowych w celu obliczenia zaleŝności pomiędzy informacją spektralną zarejestrowaną w pikselu (w postaci spektralnych wskaźników roślinnych np. NDVI, a wartością LAI, fapar czy t s -t a. Landsat naleŝy do najwaŝniejszych systemów satelitarnych, którego misja rozpoczęła się w 1972 roku. Pierwsze trzy z serii satelitów Landsat były wyposaŝone w zestaw trzech kamer telewizyjnych RBV zbierających informacje o powierzchni Ziemi z rozdzielczością 80 m x 80 m oraz w skaner wielospektralny MSS (Multispectral Scanner System) rejestrujący dane w 4 kanałach spektralnych z rozdzielczością przestrzenną 79 m x 79 m. Na Landsacie 3 wprowadzono dodatkowo kanał panchromatyczny (400-700 nm, 40 m x 40 m) i kanał termalny (273 m). Na 4 z serii satelicie Landsat nie umieszczono kamery RBV, utrzymano MSS i wprowadzono skaner nowej generacji TM (Thematic Mapper, 30 m - kanały 1-5 i 7, 120 m kanał 6), którego zakresy dobrano tak, by umoŝliwiały badanie określonych składowych środowiska. Landsat nr 5 nie miał na swoim wyposaŝeniu skanera MSS (Landsat 5 działa i dostarcza danych do tej pory). Na Landsacie 6 miał być zainstalowany ulepszony skaner TM Enhanced Thematic Mapper (ETM), jednak próba umieszczenia satelity na orbicie nie powiodła się. Kolejny Landsat 7 (od 1999 roku) jest wyposaŝony w skaner ETM+ (30 m kanały 1-5 i 7, 60 m - kanał 6, 15 m kanał panchromatyczny) i takŝe dostarcza aktualnie danych obrazowych (Tab. 3, Tab. 4). Tab. 3. Charakterystyka skanerów TM i ETM+ Satelita Sensor Zakres spektralny [µm] Nr kanału Wielkość sceny [km 2 ] Rozdzielczość przestrzenna [m] L 1-4 MSS wielospektralny 0,50 1,10 1, 2, 3, 4 80 L 4-5 TM wielospektralny 0,45 2,35 1, 2, 3, 4, 5, 7 30 L 4-5 TM termalny 10,40 12,50 6 120 L 7 ETM+ 185 0,450 2,35 1, 2, 3, 4, 5, 7 wielospektralny 30 L 7 ETM+ termalny 10,40 12,50 6.1, 6.2 60 L 7 Panchromatyczny 0,52 0,90 8 15 6
M.ZWIJACZ-KOZICA, B>ZAGAJEWSKI WYKORZYSTANIE ZDJĘĆ SATELITARNYCH LANDSAT TM DO BADANIA KONDYCJI ROŚLKINNOŚCI Tab. 4. Zastosowanie zdjęć z satelity Landsat TM i ETM+ Zakres spektralny skanera TM i ETM+ [µm] Zastosowanie 1. kartowanie wód przybrzeŝnych, kartowanie roślinności, odróŝnienie 0,45 0,52 (B) roślinności od gleb, tworzenie map obszarów leśnych, identyfikacja obiektów infrastruktury 2. 0,52 0,60 (G) kartowanie roślinności, szacowanie kondycji roślinności, identyfikacja obiektów infrastruktury 3. stan roślinności, absorpcja chlorofilu => rozróŝnienie róŝnych typów 0,63 0,69 (R) roślinności, określanie granic gruntów, granic geologicznych, identyfikacja obiektów infrastruktury 4. 0,76 0,90 (NIR) badanie biomasy, kartowanie roślinności i wód, identyfikacja plonów, oddzielanie lądu od wody, oddzielenie roślinności od gleb 5. 1,55 1,75 (MIR) badanie roślinności, wód powierzchniowych i podpowierzchniowych, wilgotność gleby, zawartość wody w roślinach, stan roślin, badania obszarów pokrytych lodem, odróŝnianie chmur od śniegu 6. 10,4 12,5 (TIR) do badania zjawisk termalnych, kondycja roślin, stres wodny roślin, wulkanizm (gejzery), plamy gorąca, zasoby wodne, trzęsienia ziemi, wilgotność gleb, promieniowanie cieplne 7. 2,08 2,35 (MIR) dodany na Ŝyczenie geologów, badanie minerałów i skał, wyróŝnianie granic gruntów, hydrotechnika, analiza wilgotności gleb i roślinności 8. 0,52-0,90 (PAN) (ETM+) kartowanie duŝych powierzchni, zmiany na obszarach zurbanizowanych Dane z satelity Landsat moŝna pozyskać darmowo ze strony http://glcf.umiacs.umd.edu (Ryc. 7). Ryc. 7. Wybór sposobu wyszukiwania zdjęć satelitarnych Wyszukiwanie sceny satelitarnej moŝe się odbywać za pomocą mapy, poprzez podanie nr orbity i sceny lub wyszukuje się konkretnych produktów powstałych z przetworzenia surowych danych z satelity Landsat, NOAA AVHRR, MODIS (Ryc. 8, 9, 10). 7
ZDJĘCIA SATELITARNE Przy wybieraniu sceny poprzez podanie nr ścieŝki i rzędu, naleŝy wybrać tym sensora oraz przy wyborze TM lub/i ETM+ Worldwide Reference System 2 (WRS-2) a przy wyborze MSS WRS-1. Ryc. 8. Wyszukiwanie zdjęć satelitarnych poprzez podanie nr orbity i nr rzędu Ryc. 9. Przeglądanie dostępnych scen satelitarnych i ich parametrów Kiedy zostanie wyszukana i wybrana odpowiednia scena satelitarna naleŝy przystąpić do jej ściągania. KaŜdy z kanałów jest zapisany w oddzielnym skompresowanym pliku. Ponadto wśród danych do pobrania dotyczących danej sceny znajduje się plik z informacjami o parametrach obrazu przydatnych m.in. do korekcji. 8
M.ZWIJACZ-KOZICA, B>ZAGAJEWSKI WYKORZYSTANIE ZDJĘĆ SATELITARNYCH LANDSAT TM DO BADANIA KONDYCJI ROŚLKINNOŚCI Ryc. 10. Ściąganie danych kaŝdy kanał znajduje się w oddzielnym pliku Pobrane kanały (1-7 przewaŝnie rzadko korzysta się zakresu termalnego nr 6, więc wystarczy pobrać kanały 1-5 i 7) naleŝy umieścić w jednym pliku korzystając z funkcji dostępnych w kaŝdym programie do analizy danych (np. ArcMap Toolbox > Composite Bands). Wyświetlanie danych odbywa się z wykorzystaniem trzykanałowych kompozycji barwnych (RGB). Kanały dobiera się ze względu na to, jakie elementy pokrycia terenu chcemy podkreślić. Kompozycję w barwach naturalnych (R-3, G-2, B-1) stosuje się przewaŝnie do orientacji dla osób, które nie są obyte z typowo stosowaną kolorystyką. Do interpretacji roślinności (takŝe wizualnej) wykorzystuje się kompozycję R-4, G-2, B-3, jak równieŝ R-4, G-5, B-3, która pomaga takŝe w interpretacji pozostałych elementów pokrycia terenu (Ryc. 11). 9
ZDJĘCIA SATELITARNE PAN 321 432 453 Ryc. 11. Kanał panchromatyczny oraz kompozycje barwne Pozyskane w ten sposób dane naleŝy przygotować do dalszej analizy. Konieczne jest wykonanie korekcji radiometrycznej oraz geometrycznej. Korekcja radiometryczna polega na usunięciu zniekształceń wywołanych wpływem atmosfery (korekcja atmosferyczna), oświetlenia (korekcja słoneczna), topografii (korekcja topograficzna). Jej wykonanie jest niezbędne, gdy łączymy lub porównujemy dane pochodzące z róŝnych terminów. Korekcja radiometryczna jest wykonywana przy pomocy specjalnego oprogramowania (np. ATCOR, ATCPRO, 6S), jak równieŝ prostych metod dostępnych w większości programów do przetwarzania danych teledetekcyjnych (np. Empirical Line Method). W prosty sposób korekcję moŝna przeprowadzić poprzez dodanie lub odjęcie od wszystkich pikseli pewnej wartości, określonej na podstawie znajomości wartości, jakie są rejestrowane dla wybranych obiektów (np. czysta woda pochłania promieniowanie podczerwone, więc w kanale 4 wartość piksela, na którym została zarejestrowana tylko woda powinna wynosić 0, zatem róŝnicę naleŝy odjąć (dodać) od wszystkich pozostałych pikseli). Korekcja geometryczna polega na usuwaniu zniekształceń we wzajemnym połoŝeniu pikseli (z wykorzystaniem danych dostarczonych przez producenta lub poprzez porównanie obrazu z mapą lub z innym zrektyfikowanym obrazem), prowadzi do wyeliminowania błędów w geometrii obrazu i do rejestracji obrazu w określonym układzie współrzędnych. PowyŜsze przetworzenia wymagają przepróbkowania (resamplingu) wartości pikseli do nowego układu współrzędnych. WaŜny jest takŝe dobór metody resamplingu. W metodzie najbliŝszego sąsiada (nearest neighbour) nowa wartość piksela jest określana na podstawie wartości piksela, który 10
M.ZWIJACZ-KOZICA, B>ZAGAJEWSKI WYKORZYSTANIE ZDJĘĆ SATELITARNYCH LANDSAT TM DO BADANIA KONDYCJI ROŚLKINNOŚCI jest najbliŝej w obrazie wejściowym. Metoda ta nie uśrednia wartości pikseli, nie zmienia wartości pikseli. Metoda transformacji bilinearnej (bilinear transformation) wykorzystuje średnią waŝoną z czterech pikseli najbliŝszych pikselowi transformowanemu. Wartości pikseli zostają uśrednione, co moŝe wpływać na wyniki klasyfikacji bazujących na spektralnych charakterystykach obiektów. W metodzie splotu sześciennego (cubic convolution) średnia waŝona jest liczona z szesnastu pikseli, co takŝe daje efekt w postaci uśrednienia wartości pikseli. W przypadku, kiedy mamy do czynienia z terenem o urozmaiconej rzeźbie, konieczne jest przeprowadzenie ortorektyfikacji z wykorzystaniem numerycznego modelu terenu (NMT). Tak przygotowane dane mogą być poddane klasyfikacji (jedynie w przypadku, gdy wyniki klasyfikacji nie będą porównywane z wynikami klasyfikacji zdjęć z innych terminów, moŝna pominąć korekcję radiometryczną). Klasyfikację wykonuje się w celu otrzymania map tematycznych, głównie przedstawiających pokrycie i uŝytkowanie terenu. Podstawowe metody klasyfikacyjne to klasyfikacja nadzorowana i nienadzorowana bazujące na charakterystykach spektralnych obiektów. Klasyfikację nadzorowaną przeprowadza się, gdy uŝytkownik w pełni steruje procesem klasyfikacyjnym, wyznaczając klasy, które mają zostać wyróŝnione na podstawie próbek, pól treningowych (mapa topograficzna, zdjęcie lotnicze wielkoskalowe, badania terenowe, inne źródła). Klasyfikacja nienadzorowana jest w pełni zautomatyzowana. UŜytkownik ustala jedynie, ile klas ma zostać wyodrębnionych na obrazie, a po zakończeniu procesu kalsyfikacyjnego określa, jakie kategorie zostały rozpoznane. Aby wykorzystać najlepsze cechy obu typów klasyfikacji, moŝna posłuŝyć się metodą hybrydową (guided clustering), w której część nienadzorowana słuŝy wyznaczeniu pikseli czystych spektralnie i utworzeniu w ten sposób pól treningowych do klasyfikacji nadzorowanej. Klasyfikacja obiektowa oferuje wykorzystanie segmentów (piksele są łączone w obiekty) zamiast pojedynczych pikseli i wykorzystuje poza informacją spektralną na temat obiektów takŝe informacje o kształcie, wielkości i ich strukturze wewnętrznej, a ponato umoŝliwia stosowanie reguł decyzyjnych opartych na logice rozmytej. Jak wykorzystać dane satelitarne? Opracowanie zdjęcia satelitarnego umoŝliwia stworzenie róŝnorodnych map, np. mapy ilustrującej stan roślinności. PosłuŜymy się przykładem mapy Narwiańskiego Parku Narodowego (Lewinski St., Zagajewski B., 2003. Mapa Narwiańskiego Parku Narodowego - integracja satelitarnych i lotniczych danych. "The map of Narew River National Park - integration of the satellite and aerial data" W: Teledetekcja Środowiska. Vol. 33. PTG KTS, Warszawa). Etapy tworzenia mapy: 1. Tworzymy 2 kompozycje RGB, jedną w barwach rzeczywistych (3,2,1), drugą reprezentującą maksima i minima wartości odbicia spektralnego roślinności (2,4,3). 2. Tworzymy maskę, aby oddzielić roślinność od pozostałych elementów pokrycia terenu np. poprzez progowanie jednego z kanałów utworzonych z wykorzystaniem transformacji Tasseled Cap (moŝna wykorzystać jedną ze składowych głównych PCA (funkcja dostępna w ArcMapie) albo wskaźniki roślinne takie jak NDVI). Transformacja Tasseled Cap (TC)polega na kompresji danych. Została stworzona do danych z satelity Landsat do analizy roślinności. W wyniku transformacji powstają trzy podstawowe kanały Brightness (Jasność), Greenness (Zieleń) oraz Wetness (wilgotność). Współczynniki do wyliczenia kanałów TC (w ArcMapie nie ma funkcji do liczenia TC, jednak moŝna bez problemu przeprowadzić obliczenia korzystając ze zwykłych operacji algebraicznych, które moŝna wykonywać na obrazach rastrowych): dla danych ze skanera MSS Brightness = 0,433MSS1+0,631MSS2+0,586MSS3+0,264MSS4 11
ZDJĘCIA SATELITARNE Greenness = -0,290MSS1-0,562MSS2+0,600MSS3+0,491MSS4 Wetness = -0,829MSS1+0,522MSS2-0,039MSS3+0,810MSS4 dla danych ze skanera TM Brightness= 0,3037(TM1)+0,2793(TM2)+0,4743(TM3)+0,5585(TM4)+0,5082(TM5)+0,1863(TM7) Greenness= -0,2848(TM1)-0,2435(TM2)-005436(TM3)+0,7243(TM4)+0,0840(TM5)-0,1800(TM7) Wetness = 0,1509(TM1)+0,1973(TM2)+0,3279(TM3)+0,3406(TM4)-0,7112(TM5)-0,4572(TM7) Za pomocą maski wydzielamy roślinność na kompozycji 2,4,3, a pozostałe elementy pokrycia terenu za pomocą odwrotności maski na kompozycji w barwach rzeczywistych 3,2,1 => uszkodzone i chore rośliny podkreśli kompozycja 2,4,3, poniewaŝ z powodu mniejszej koncentracji chlorofilu wartości odbicia spektralnego roślin w zakresie zielonym (2) będą niskie i jednocześnie większe w zakresie czerwonym (3), co na obrazie uwidoczni się w postaci koloru szarawego (Ryc. 12, 13). Obrazy łączymy poprzez dodanie ich do siebie. Ryc. 12. Szary kolor reprezentuje uszkodzony las iglasty Ryc. 13. Szary kolor reprezentuje uszkodzony las liściasty 12
M.ZWIJACZ-KOZICA, B>ZAGAJEWSKI WYKORZYSTANIE ZDJĘĆ SATELITARNYCH LANDSAT TM DO BADANIA KONDYCJI ROŚLKINNOŚCI 3. Obraz roślinności moŝna podkreślić wykorzystując informację z podczerwieni (w przypadku mapy Narwiańskiego Parku Narodowego wykorzystano ortofotomapę wykonaną ze zdjęć spektrostrefowych). MoŜna zastosować analizę składowych głównych PCA dla kanałów zarejestrowanych w podczerwieni lub zestawu kanałów z wysokorozdzielczego zdjęcia np. z IKONOSA i wykorzystać pierwszą składową główną PCA1. 4. Kompozycje RGB przetwarzamy na model IHS (Intensity Hue Saturation, funkcja dostępna w ArcMapie jako HSV Hue, Saturation, Value), poniewaŝ ludzkie oko pozyskuje około 80% informacji z kanału Intensity. Transformacja IHS pozwala na łączenie ze sobą róŝnych obrazów (np. wielospektralnych z panchromatycznymi), w celu uzyskania dodatkowych informacji. Model IHS przedstawia barwę za pomocą jasności (intensity) barwy, odcienia (hue) i nasycenia (saturation) wyraŝającego zawartość bieli. 5. Następnie zamiast kanału Intensity wstawiamy kanał PCA1 i w ten sposób dodajemy do obrazu treść z podczerwieni albo z danych wysokorozdzielczych, ale takŝe informacje o strukturze i teksturze obrazu, co pozwala odróŝnić wiele obiektów, np. las iglasty od liściastego. 6. Przechodzimy z kompozycji IHS znowu do modelu RGB i otrzymujemy obraz, w którym barwy pochodzą ze zdjęcia z satelity Landsat, a struktura i tekstura obrazu oraz rozdzielczość przestrzenna z danych wysokorozdzielczych. 7. Weryfikację uzyskanych wyników naleŝy przeprowadzić w terenie wykonując LAI, fapar, t s -t a, itd. 13
ZDJĘCIA SATELITARNE Schemat tworzenia mapy wg: Lewinski St., Zagajewski B., 2003. Mapa Narwiańskiego Parku Narodowego - integracja satelitarnych i lotniczych danych. "The map of Narew River National Park - integration of the satellite and aerial data" W: Teledetekcja Środowiska. Vol. 33. PTG KTS, Warszawa Literatura: Ciołkosz A., Jakomulska A., 2004. Przetwarzanie cyfrowych zdjęć satelitarnych. Symulacja pracy komputera za pomocą kartki papieru i ołówka. Wydział Geografii i Studiów Regionalnych, Uniwersytet Warszawski, Warszawa. Adamczyk J., Będkowski K., 2005. Metody cyfrowe w teledetekcji. Wydawnictwo SGGW, Warszawa. ERDAS Field Guide, 1998. Przewodnik geoinformatyczny. Wyd. GEOSYSTEMS Polska, Warszawa. 14