Teledetekcja satelitarna w rolnictwie - wprowadzenie

Teledetekcja satelitarna w rolnictwie - wprowadzenie dr inż. Piotr Wężyk Laboratorium Geomatyki KEkL Wydział Leśny Uniwersytet Rolniczy w Krakowie Seminarium naukowe 13.01.2014 UR Kraków

Teledetekcja to dziedzina nauk technicznych zajmująca się pozyskiwaniem wiarygodnych informacji o obiektach fizycznych i ich otoczeniu drogą rejestracji, pomiaru i interpretacji obrazów lub ich reprezentacji numerycznych otrzymywanych z sensorów nie będących w bezpośrednim kontakcie z tymi obiektami (Sitek 1990). Remote Sensing (ang.) Fernerkundung (niem.) Teledetection (fr.) Teledetekcja (1) 2

Teledetekcja (2) - Podział LIDAR RADAR UAV Miernictwo Kartografia Zdjęcia lotnicze Lotnicza Geodezja DGPS Geomatyka Teledetekcja Satelitarna GIS Fotogrametria Zakres optyczny radar 3

Teledetekcja (4) Podział systemów źródło EM Systemy pasywne jako promieniowanie elektromagnetyczne wykorzystują energię Słońca lub wypromieniowaną energię przez obiekty pasmo termalne (np. LANDSAT, RapidEye, IKONOS-2, QuickBird, SPOT). Ograniczenia w paśmie widzialnym (chmury, zadymienie). Zastosowanie: monitoring środowiska, szaty roślinnej, LULC itp. Do systemów aktywnych zaliczyć można rozwiązania radarowe (np. ERS, JERS, TerraSAR-X, TanDEM-X oraz LiDAR (SLS sensor GLASS IceSAT;, ALS, TLS, MLS). Monitoring niezależnie od pogody, chmur, dymu etc. Zastosowanie: penetracja roślinności i gleby, wilgotność gruntu, pokrywa śnieżna, modele terenu. 4

Teledetekcja (3) Promieniowanie EM Promieniowanie elektromagnetyczne (EM): proces emisji energii w przestrzeni w postaci fal elektrycznych i magnetycznych. Sensory - urządzenia do wykrywania i rejestracji promieniowania EM, zbudowane z układów odpowiednich detektorów do rejestracji fal o określonej długości. Detektor zamienia energię odbitą od obiektu na sygnał cyfrowy (DN). 5

Teledetekcja (3) Promieniowanie EM Promieniowanie elektromagnetyczne (EM) jest emitowane przez wzbudzone atomy. Fala elektromagnetyczna to rozchodząca się w przestrzeni i w czasie spójna zmiana pola elektrycznego i magnetycznego. Cechuje się długością i częstotliwością. Promieniowanie można zauważyć w momencie oddziaływania na dany ośrodek (np. rozpraszanie na kurzu w powietrzu). Energia może być : odbijana w sytuacji zmiany kierunku rozchodzenia się fali; przepuszczana promieniowanie przechodzi przez dany ośrodek (np. blaszką liściową); absorbowana całkowite bądź częściowe pochłanianie i przekształcanie w formę energii (np. fotosynteza) emitowana wysyłanie promieniowania przez obiekt (np. w zakresie termalnym) rozpraszana zmniejszenie promieniowania rozchodzącego się w kierunku pierwotnym. www.earthenergy.ca 6

Teledetekcja Okna atmosferyczne Ciołkosz, Miszalski, Oledzki 1999 7

Teledetekcja Krzywa spektralna odbicia promieniowania gleby, roślinności i wody 8

Odbicie % Krzywa spektralna odbicia promieniowania Ilustracje od góry: wyschnięta trawa, zielona trawa i gleba, piasek, beton, asfalt chmury, śnieg, woda Długość fali 9

Rozdzielczości obrazu / systemu Zakres spektralny: określane zakresem czułości detektorów systemu teledetekcyjnego (np. promieniowanie widzialne, podczerwone czy radarowe) na odbijane, transmitowane bądź emitowane promieniowanie elektromagnetyczne. Rozdzielczość spektralna - liczba kanałów na jakie podzielono zakres promieniowania EM (np. LANDSAT MSS - 4 kanały, LANDSAT TM - 7 kanałów, skaner AISA do 300 kanałów, RapidEye 5 kanałów Skaner AISA - Specim 10

AISA zobrazowanie hiperspektralne Sustainable Land and Water Management of Reservoir Catchments (SaLMaR) 1/14/2014 11 Piotr Wężyk - Właściwości spektralne roślinności w monitoringu jej stanu zdrowotnego

AISA zobrazowanie hiperspektralne kombinacja 116, 256, 36 Kompozycja CIR: 90, 59, 34 na tle ortofotomapy CODGiK kombinacja 179, 144, 39 1/14/2014 Piotr Wężyk - Właściwości spektralne roślinności w monitoringu jej stanu zdrowotnego 12

Ratio Vegetation Index (RVI) RVI = NIR/Red CIR (90,59,34) Ratio Vegetation Index (RVI) Przyjęto: NIR: R 800, Red: R 670 1/14/2014 Piotr Wężyk - Właściwości spektralne roślinności w monitoringu jej stanu zdrowotnego 13

Normalized Difference Vegetation Index NDVI znormalizowany wskaźnik roślinności - Jest indykatorem zawartości barwników fotosyntetycznych (zakres RED) oraz poprawności struktury komórkowej rośliny (NIR). Algorytm wykorzystuje wartości maksymalnego odbicia w paśmie NIR oraz maksymalnej absorpcji promieniowania przez chlorofil. Wskazuje na zdrowotność, żywotność roślin, ich turgor, zwarcie poziome roślin. Wartości NDVI wahają się w zakresie -1.0 do +1.0 1/14/2014 14 Piotr Wężyk - Właściwości spektralne roślinności w monitoringu jej stanu zdrowotnego

Modified Chlorophyll Absorption Ratio Index (MCARI) LAI prediction CIR (90,59,34) Modified Chlorophyll Absorption Ratio Index (MCARI) 1/14/2014 Piotr Wężyk - Właściwości spektralne roślinności w monitoringu jej stanu zdrowotnego 15

Plant Senescence Reflectance Index (PSRI) Zawartość karotenoidów do chlorofilu (PSRI) CIR (90,59,34) (R 678 /5.08) ((R 485 +R 505 )/31.04) PSRI = (R 695 /5.08) 1/14/2014 Piotr Wężyk - Właściwości spektralne roślinności w monitoringu jej stanu zdrowotnego 16

Moisture Stress Index (MSI) PSRI = R 678 / R 819 CIR (90,59,34) Moisture Stress Index (MSI) indeks z grupy Water indices (źródło http://www.mdpi.com/2072-4292/2/7/1702) 1/14/2014 Piotr Wężyk - Właściwości spektralne roślinności w monitoringu jej stanu zdrowotnego 17

Ratio Drought Index (RDI) RDI = SWIR/NIR CIR (90,59,34) Ratio Drought Index (RDI) Przyjęto: SWIR: R 1800 NIR: R 1000 1/14/2014 Piotr Wężyk - Właściwości spektralne roślinności w monitoringu jej stanu zdrowotnego 18

Rozdzielczość radiometryczna Bit najmniejsza porcja informacji, system zerojedynkowy Liczba możliwych kolorów w każdym kanale 2 1 Czarny=zero; biały=1 2 2 Cztery kolory, biały czarny i 2 pośrednie szare lub inny kolor np. zielony 2 4 16 kolorów 2 8 Odcienie 256 poziomów szarości 0=czarny; 255=biały Rozdzielczość radiometryczna: liczba rozróżnialnych poziomów promieniowania tj. liczby bitów na jaki podzielono rejestrowaną energię. 8 bitów = 256 stopni jaskrawości; 7 bitów = 127 stopni jaskrawości (np. LANDSAT MSS - 6 bitów, TM - 8 bitów, IKONOS 11 bitów, RapidEye 11 bit). Obrazy 11bit często są dostarczane jako 16 bit 2 10 1024 kolorów 2 11 2048 kolorów 2 16 65536 kolorów 2 24 RGB true color; 3 x 8 = 24 bity; 16 777 216 kolorów 2 8 x 2 8 x2 8 = 2 24 Oko ludzkie rozróżnia około 16 odcieni szarości/ obraz monochromatyczny 19

Rozdzielczości obrazu/ systemu Rozdzielczość przestrzenna (terenowa): wyrażana wielkością piksela stosowanego w systemie. Miara najmniejszego obiektu, który może być wykryty przez sensor. Chwilowe pole widzenia (IFOV) to powierzchnia jaką widzi w danym momencie pojedynczy detektor skanera. IFOV niekoniecznie musi odpowiadać powierzchni piksela. Obiekty mniejsze od piksela dzięki swej dużej jaskrawości na tle otoczenia mogą być bardzo dobrze widoczne. http://www2.geog.ucl.ac.uk/ 20

Rozdzielczości obrazu/ systemu Rozdzielczość czasowa: częstotliwość pozyskiwania danych, wyrażana czasem obiegu satelity nad tym samym punktem (lub zobrazowania go wychylonym skanerem, obiektywem) na powierzchni Ziemi: np. LANDSAT 16 dni, RapidEye 1 dzień, NOAA 30 min. 21

Klasyfikacja obrazu (1) Metoda pikselowej klasyfikacji Klasyfikacje obrazu: pikselowa lub obiektowa analiza obrazu (OBIA). Metoda pikselowa bazuje jedynie na właściwościach jasności pojedynczego piksela w poszczególnych kanałach spektralnych Klasyfikacja pikseli: proces przypisywania pojedynczych pikseli do wzorców klas na podstawie charakterystyk odbicia spektralnego i określonych zasad matematycznych. Klasyfikacje wymagają obliczenia tzw. statystyki pikseli obrazu dla każdego kanału Klasyfikacja automatyczna (ISOCLASS): bez udziału operatora, ewentualnie wskazanie maksymalnej liczby klas Klasyfikacja nadzorowana: komputerowa analiza obrazu, podczas której piksele obrazu przydzielane są do klas stosownie do zastosowanego kryterium podobieństwa. Klasy i kryteria definiuje się na bazie reprezentatywnych wzorców (pól) treningowych o znanej identyfikacji. 22

Klasyfikacja obrazu Klasyfikacja pikseli: proces przypisywania pojedynczych pikseli do wzorców klas na podstawie charakterystyk odbicia spektralnego i określonych zasad matematycznych. Klasyfikacje wymagają obliczenia tzw. statystyki pikseli obrazu dla każdego kanału spektralnego 23

Sygnatury spektralne - AOI (1) Profil spektralny Statystyki dla AOI w poszczególny ch kanałach spektralnych Wykres rozrzutu wartości pikseli w kanałach: R oraz NIR dla: So i Ol 24

Klasyfikacja obrazu QuickBird (MS) Największego prawdopodobieństwa Metody maksymalnego prawdopodobieństwa z zachowaniem warunku sąsiedztwa z zastosowaniem macierzy kowariancji 3x3 w 3 iteracjach (z lewej) oraz 5x5 w 6-ciu iteracjach (z prawej) 2014-01-14 W_5_6_K.GEOMA.01L.SM.KAKXX - Piotr Wężyk 2013. Lab. Geomatyki WL UR 25

OBIA - Definicja OBIA Object Based Image Analysis. Obiektowo zorientowana klasyfikacja (analiza) obrazu. To nowe podejście jest zdecydowanym porzuceniem obowiązujących przez lata paradygmatów klasyfikacji pikselowej wykorzystującej wartości jasności (jaskrawości) pojedynczego piksela. Założenie klasyfikacji OBIA analizowanie pikseli tworzących homogeniczne obiekty o podobnych cechach: radiometrycznych jasność w poszczególnych kanałach spektralnych geometrycznych cechy przestrzenne: wielkość, kształt, tekstura oraz sąsiedztwo). 26

OBIA Kryteria Color decyzja o tym jaką wagę odgrywa radiometryczna cecha obiektu w analizie OBIA SHAPE decyzja o wadze kształtu obiektu (właściwościach przestrzennych segemntów) 27

OBIA Scale parameter tzw. parametr skali. Jeśli zastosujemy dużą wartość to wewnątrz obiektów dopuszczamy duże wartości odchylenia sztandarowego wartości jaskrawości (powstające segmenty będą tez duże). Mała wartość parametru skali ogranicza wielkość tworzonych segmentów ze względu na niewielką wartość odchylenia standardowego. 28

OBIA Features (cechy segmentu): Kolor: mean or standard deviation of each band, mean brightness, band ratios; Wielkość: area, length to width ratio, relative border length; Kształt: roundness, asymmetry, rectangular fit; Tekstura: smoothness, local homogeneity; Poziom klasyfikacji: relation to neighbors, relation to sub-objects and superobjects Hierarchia, drzewo decyzyjne Wynik klasyfikacji 29

RapidEyE (5 kanałów) PCA1 PCA2 PCA3 Filtr SOBEL a NDVI Proces decyzyjny Hierarchia klas parametry Mapa wynikowa Pierzchalski 2010 PGC 30

OBIA GeoEye po segmentacji 31

OBIA ndsm (ALS) Dane: UMK BPP źródło : P. Tompalski, UR W wyniku segmentacji obrazu rastrowego ndsm (znormalizowany Numeryczny Model Powierzchni Terenu) powstają obiekty (segmenty)charakteryzujące się zbliżonymi wartościami odchylenia standardowego (kryterium) wysokości rzędnej Z plamki lasera lotniczego (ALS). Płaszczyzny planarne dachów wykazują niewielkie wartości odchylenia punktów pomiarowych, korony drzew znacznie większe (listopad wnikanie lasera w głąb korony). U góry obraz ndsm po segmentacji. U dołu po klasyfikacji segmentów. 32

Analiza obiektowa obrazu (GEOBIA) multiresolution segmentation + spectral difference (parametr=200), kompozycja CIR (90,59,34) 1/14/2014 Piotr Wężyk - Właściwości spektralne roślinności w monitoringu jej stanu zdrowotnego 33

OBIA - RapidEye Z lewej: kompozycja RE 321. Po prawej: segmenty wygenerowane przez algorytm ecognition.

OBIA - RapidEye Z lewej: kompozycja barwna kanałów 432. Po prawej: obraz wynikowy po klasyfikacji. Segmenty reprezentujące poszczególne obiekty zostały połączone ze sobą hierarchicznie w klasy. Wyraźne widoczna przebudowa drzewostanów sosnowych (gniazda na żółto).

OBIA - RapidEye Z lewej: kompozycja 432. Po prawej: segmenty wygenerowane przez algorytm ecognition. Dominują obszary rolnicze (małe segmenty). Po prawej stronie tereny leśne (duże segmenty).

OBIA zdjęcie lotnicze (B&W) Klasyfikacja obiektowa zdjęcia panchromatycznego Phare 2001 37

Indeksy, wskaźniki wegetacji NDVI znormalizowany wskaźnik wegetacji (Normalised Vegetation Index) NDVI = (NIR RED)/(NIR + RED) <-1; +1> - wartości od -1 do zera oznaczają obszary o braku wegetacji, powyżej zera z wegetacją zieloną http://earthobservatory.nasa.gov/features/measuringvegetation/measuring_vegetation_2.php 38

Sztuczne satelity Ziemi Typy satelitów: Satelity geostacjonarne stała pozycja względem Ziemi Satelity okołobiegunowe - ruchome względem Ziemi 39

Sztuczne satelity Ziemi (2) Satelity okołobiegunowe Ruch obrotowy Ziemi oraz pas pozyskiwany przez satelitę LANDSAT Trajektorie obiegu Ziemi przez satelitę LANDSAT w ciągu 16 dni 40

KVR -1000 Gdańsk 41

CORONA 1964r 42

Satelity serii LANDSAT Cecha LANDSAT 4, 5 (1-3) Multispectral Scanner (MSS) LANDSAT 4, 5 Thematic Mapper (TM) Użytkowanie od roku: 1972 roku 1982 roku Wysokość orbity [km] 705 km (915 km) 705 km Rozdzielczość czasowa 16 (18) dni 16 dni Rozdzielczość terenowa 79x79 m MSS 30x30m (120) Rozmiar sceny 185 x 185 km 185 x 185 km Kanały spektralne 1 (4) 0,50-0,60 m 2 (5) 0,60-0,70 m 3 (6) 0,70-0,80 m 4 (7) 0,80-1,10 m B - 1 0,45-0,52 m G - 2 0,52-0,60 m R - 3 0,63-0,69 m NIR - 4 0,76-0,90 m IR - 5 1,55-1,73 m Therm IR - 6 10,4-12,5 m* IR - 7 2,08-2,35 m * Wielkość piksela w kanale spektralnym 6 wynosi 120 x 120 m 43

Landsat MSS (Multi Spectral Scanner) Piksel 80 x 80 m 44

Landsat MSS Październik 1986 CIR 1,3, 4/2 Piksel 80 x 80 m Mozaika 3 scen LANDSATA MSS dla obszaru Małopolski z roku 1979 45

LANDSAT TM Polska Przesuwanie się pasów pokrycia terenu Polski w kolejnych dniach dla satelity LANDSAT TM (4,5) 46

LANDSAT TM 5 Polska Obrazy LANDSAT TM5 dla obszaru Małopolski z roku 1986 u góy: kompozycja CIR Kanałów 543 dla zach. Części Krakowa (z prawej Wynik klasyfikacji kolor czerowny zabudowa) u dołu: frag. sceny z jeziorem Rożnowskim ( z lewej Kompozycja 543, z prawej obraz po klasyfikacji OBIA 47

LANDSAT TM 5 Małopolska Mapa klas pokrycia terenu Małopolski otrzymana na drodze klasyfikacji obiektowej OBIA obrazów satelitarnych LANDSAT TM5 z lat 1986-1987 48

http://geo.ur.krakow.pl/ Landsat 7 ETM+ Puszcza Niepołomicka Kompozycja kanałów (30m) NIR + R + G wzmocnionych PAN (15m) 49

Landsat Data Continuity Mission (LDCM) LANDSAT 8 Porównanie kanałów Landsat 8 LDCM z Landsat 7 ETM+ 50

Landsat Data Continuity Mission (LDCM) LANDSAT 8 Spectral Band Wavelength µm Resolution Band 1 - Coastal / Aerosol 0.433-0.453 µm 30 m Band 2 - Blue 0.450-0.515 µm 30 m Band 3 - Green 0.525-0.600 µm 30 m Operational Land Imager (OLI) : Band 4 - Red 0.630-0.680 µm 30 m Band 5 - Near Infrared 0.845-0.885 µm 30 m Band 6 - Short Wavelength Infrared 1.560-1.660 µm 30 m Band 7 - Short Wavelength Infrared 2.100-2.300 µm 30 m Band 8 - Panchromatic 0.500-0.680 µm 15 m Band 9 - Cirrus 1.360-1.390 µm 30 m 51

Landsat Data Continuity Mission (LDCM) LANDSAT 8 Kraków 19.05.2013 2014-01-14 MSc _5_6_ Piotr Wężyk 2012_13. Lab. GIS & RS WL UR 52

Landsat Data Continuity Mission (LDCM) LANDSAT 8 Kraków 19.05.2013 2014-01-14 MSc _5_6_ Piotr Wężyk 2012_13. Lab. GIS & RS WL UR 53

SPOT 4 54

ASTER (Japonia) Piksel 15 x 15 m Advanced Spaceborne Thermal Emission and Reflection Radiometer Sensory ASTER: Visible and Near Infrared (VNIR), Shortwave Infrared (SWIR), Thermal Infrared (TIR). Razem 14 kanałów spektralnych!!!! Kompozycja ASTER Talina 55

ASTER (Japonia) 56

Systemy bardzo wysokorozdzielcze Very High Resolution Satellites Pasmo optyczne promieniowania IKONOS-2 Orbview-3 (zakończył misję) GeoEye -1 QuickBird World View -1 World View - 2 Kompsat FormoSAT -2 PLEIADES (plany) SPOT 6, 7 (plany) 57

IKONOS-2 (Space Imaging) GeoEye - dawniej Space Imaging - IKONOS 2 Data wystrzelenia: Sept., 29 1999 Sensor: Kodak linear TDI array Rozmiar piksela: 0.82 m x 0.82 m w nadirze PAN 3.2m x 3.2 m kanały wielospektralne MS: RGB NIR Szerokość sceny: 11.3 km Możliwość dowolnego kierunku i kąta ustawienia skanera Wysokość orbity 680 km, Orbita synchroniczna w stos. do słońca Kanały zakresy: Panchromatyczny: 0.45 0.90µm; 13.816 pikseli Wielospektralny: 3.454 pikseli Niebieski (B) 0.45 0.52µm; Zielony (G) 0.52 0.60µm, Czerwony ( R) 63 0.69µm, \ NIR 0.76 0.90µm; Bit/piksel: 11 58

IKONOS-2 (GeoEye) http://www.geoeye.com 59

Stereo obrazy VHR IKONOS-2 60

IKONOS-2 (GeoEye) http://www.geoeye.com Egipt, 1m PAN 61

IKONOS-2 (GeoEye) http://www.geoeye.com Pożar lasów California, USA 62

IKONOS-2 (GeoEye) Roślinność Rzeczywista Krakowa 2006-2008 63

321_PAN Roślinność Rzeczywista Krakowa 2006-2008 432_PAN 05 Fraxino-Alnetum 64

IK 321_PAN IK 432_PAN 05 Fraxino-Alnetum 65

GeoEye-1 (GeoEye) http://www.geoeye.com 66

GeoEye-1 (GeoEye) Rockhampton Airport, PAN-sharpened, 0.5m piksel http://www.geoeye.com 67

DigitalGlobe rozdzielczość spektralna 68

QuickBird (Digital Globe) NDVI DigitalGlobe Swierklaniec Szare/ czarne obszary - brak wegetacji Jasne obszary - wegetacja 69

WorldView-2 (Digital Globe) 70

WorldView-2 (Digital Globe) Rozdzielczość terenowa: 0.46m PAN & 1.64 m MS Rozdzielczość spektralna: 4 kanały: R,G,B, NIR1 + 4 nowe kanały: coastal blue, yellow (Y), red edge (NIR), NIR 2. 71

Wielospektralne VHRS (WV2) 1/14/2014 Piotr Wężyk - Właściwości spektralne roślinności w monitoringu jej stanu zdrowotnego 72

CARTOSAT -1 oraz -2 (Indie) Obraz PAN satelity Cartosat-1 (rozdzielczość PAN GSD = 2.5m) Integracja (Data FUSION) obrazu PAN (0.8m nadir) satelity Cartosat-2 z obrazem spektralnym (RGB) ResourceSat-2. Centrum Wiednia, Austria 73

Pleiades HR 1 Codzienna rewizyta, 50 cm ortoobraz Serwisy: pilny do 6 godz. lub bezpośredni do 1 godz. przed przelotem satelity. Szerokość pasa 20 km w nadirze. Dziennie do 1 mln km kwadratowych. 74

Pleiades HR 1 http://www.dailymotion.com/video/xvjk0b_successfulllaunch-for-soyuz-on-2-december-2012_tech 75

EROS 76

SPOT 6 oraz SPOT 7 77

RapidEye AG, Niemcy Kanał 1 Kanał 2 Kanał 3 Kanał 4 Kanał 5 Kompozycja 321 Kompozycja 521 78

Blackbridge, RapidEye Kompozycja 341

Blackbridge, RapidEye SAVI

TanDEM-X (Infotera, Niemcy) TanDEM-X wraz z TeraSAR-X tworzą oddaloną od siebie o kilkaset metrów parę sensorów rado 84

TerraSAR-X 27.10.2007, godz. 23.33 Puszcza Niepołomicka 2007 2014-01-14 W_5_6_K.GEOMA.01L.SM.KAKXX - Piotr Wężyk 2013. Lab. Geomatyki WL UR 85

Unmanned Aerial Vehicle (UAV) GATEWING http://www.gatewing.com http://www.youtu be.com/watch?v= gqtkuvrhzia 86

Unmanned Aerial Vehicle (UAV) Robokopter 87