Elektromagnetisches Spektrum

Transkript

1 en Objekt-orientierte Klassifikationen: Von Landsat bis ADS40 Von 30m bis 0.25m Elektromagnetisches Spektrum Tobias W. Kellenberger und MitarbeiterInnen LACOMM Lab / RSL knelle@geo.unizh.ch Fachprogramm - SGPBF Herbstversammlung Oktober 2006 RSL Remote Sensing Laboratory - University of Zürich Übersicht Übersicht Objekt-orientierte Klassifikation Klassifikationen nach Bodenauflösung der Daten 30m: Landsat TM, ETM+, 10-20m: ASTER, SPOT, < 4m spaceborne: Quickbird, Ikonos, Orbview, etc. < 2m airborne: Luftbilder, Falcon-Scanner, ADS-40, etc. Themenbereiche: Wald, Landwirtschaft, Gebäude, Flugzeuge, Grünanlagen, etc. Der NPOC: National Point of Contact for Satellite Images Beispiel: Waldklassifikation Limpachtal: IKONOS-Szene Aufnahmedatum: 2. Juli Kanäle: pan, blau, grün, rot, nir Boden-Auflösung: pan 1 m, blau/grün/rot/nir 4 m reiner vorwiegend reiner vorwiegend Jungwuchs und Blössen Bodenreferenzdaten pixelbasierte Klassierung mit Maximum Likelihood Pixelbasierte Methoden stossen an Grenzen Die menschliche Wahrnehmung ist objektorientiert --> objektorientiertes Vorgehen mit ecognition Lichtung mit Krautschicht Lichtung ohne Krautschicht Schatten N m 1

2 multiresolution Segmentation Prinzip der Klassifikation Level 5 Abgrenzung des Waldes (dunkelrot) vom Rest Level 4 Unterteilung in grössere Bestände Level 3 Unterteilung in kleinere Bestände Level 2 Unterteilung in grössere Baumgruppen Level 1 Unterteilung in kleinere Baumgruppen Objektmerkmale: Spektralwerte (Durchschnitt, Standardabweichung, Ratio, Differenz zum Nachbar etc.) Form (Länge, Fläche, Ausrichtung, Länge der Umrisslinie, etc.) des Bildobjektes oder der Subobjekte Textur (Spektral- und Formtextur) des Bildobjektes abgeleitet aus Subobjekten Hierarchie-Merkmale (Segmentierungsebene (Level), Anzahl der Nachbar- und Sub-objekte) Thematische Merkmale (z.b. aus GIS) objektorientierte Klassifikation Vergleich pixelbasiert-objektorientiert Maximum Likelihood : kleiner 10 m zw. 10 u. 20 m zw. 20 u. 30 m höher 30 m : kleiner 10 m zw. 10 u. 20 m zw. 20 u. 30 m höher 30 m Nichtwald Lichtungen ohne Krautschicht Schatten N m Vergleich pixelbasiert-objektorientiert Maximum Likelihood Vergleich der Genauigkeiten relativ zur Bestandeskarte Pixelbasierte Klassifikation Producer accuracy 63% 70% Producer accuracy 51% 40% User accuracy 84% 78% User accuracy 75% 46% Kappa coefficient 0.43 Kappa coefficient

3 Bsp. 30m Bsp. 30m Waldbestandeskartierung im Nordiran pixelbasierte Klassifikation Bsp. 30m Waldbestandeskartierung im Nordiran objekt-orientierte Klassifikation Waldbestandeskartierung im Nordiran Methodenvergleich Beispiel eines typischen anwendungsorientierten Projektes Zu klassierende Bestände gemäss Bodenreferenz Pure Fagus >90 % species were Fagus Orientalis Mixed Fagus % species were Fagus Orientalis Pure Carpinus >90% species were Carpinus Betelus Mixed Carpinus % species were Carpinus Betelus Mixed Alnus >90 % species were Alnus Glutinosa Mixed Hardwood all species were under 50%. Method& accuracy indices Overall accuracy (%) Kappa index (%) Pixel based method 46.7 Membership function 25.7 Pixelbasiert 51.3 Klassifikationen mit 30m Daten Object Oriented Land Cover Mapping of the Conservation Area (KCA) in Nepal, for Sustainable Development and Use of Natural Resources Nearest Integration nearest Neighbour neighbour and membership function Objektorientiert Ansatz Multitemporale digitale Klassifikationen zur Bodenbedeckung mittels Satellitendaten : Landsat TM; 139/ : Landsat ETM+; 139/41 --> Beginn der Trockenzeit Objektorientierter Ansatz mittels Software ecognition Zusatzdaten DEM SRTM ~85m C-Band Nachbearbeitet Vegetationsindizes NDVI (Normalized Difference Vegetation Index, Rouse et al.1973) OSAVI! (Optimized Soil Adjusted Vegetation Index, Rondeaux et al.1996) NIR " RED NIR + RED NIR " RED NIR + RED OSAVI! 3

4 Resultate Landnutzungskarten Bedeckungsklassen: Classification 1989 Overall Accuraccy 0.94 Validierung Overall Kappa 0.93 Weighted Kappa 0.94 Object based validation Classification Independent sample set Classification Pixel based validation Classification Random check samples Land Cover change Land Cover change Detail Änderung der Bodenbedeckung im Gebiet des KCA [%] of KCA area Waldflächen (dicht & offen): +0.8% Kulturland +0.14% 30m Tadschikistan Landnutzungskartierung in Tadschikistan Ausschnitt aus Yavan, Landsat 7 ETM+ (15m pan, 30m vis, 60m tir) 24. Mai 2002 Grasland und Weiden: -0.2% Alpines Grasland: +3.3% Schnee und Eis: -1.6% 4

5 30m Tadschikistan Landnutzungskartierung in Tadschikistan 30m Masoala Masoala Nationalpark, Madagaskar 30m Masoala 20m ASTER Masoala Nationalpark, Madagaskar Klassifikation A Contribution to Sustainable Forest Management in Patagonia - Object-oriented Classification and Forest Parameter Extraction based on ASTER and Landsat ETM+ Data 30m Landsat 20m ASTER A Contribution to Sustainable Forest Management in Patagonia - Object-oriented Classification and Forest Parameter Extraction based on ASTER and Landsat ETM+ Data Autor S.Eckert (Diss) Klassifikation 17 Bodenbedeckungen - Baumarten / (LAI, Holzvorrat, Volumen, DBH) Methode Objectoriented ecognition Daten ETM+ 25/12.5m, ASTER 10/20m rad. Korr.; Gebiet Patagonien km2 Genauigkeit Pixel Bestand/Baumtypen: κ: 0.80 Weighted κ: 0.82 Ov.: 82% Referenz: Groundsamples -- extensive GT Biolandbau in Meatu, Tansania 5

6 < 4m IKONOS < 4m IKONOS Klassifikation landwirtschaftlicher Gebiete im Limpachtal Klassifikation landwirtschaftlicher Gebiete im Limpachtal Kappa= 0.76 IKONOS-Szene vom 2. Juli 2000 < 4m IKONOS Klassifikation landwirtschaftlicher Gebiete im Limpachtal Quickbird Zürich - 16-Aug-2002 Kappa= 0.66 Quickbird 16. Aug Band 3,2,1 (RGB) Flugzeugerkennung Stadtdynamik in Zürich 1976 classification 1988 density per unit units 6

7 Stadtdynamik in Zürich Vergleich Freiraumanalyse von Aussenräumen und Einzugsgebieten zweier Stadtzürcher Primarschulhäuser 1982 unverändert abgebrochen Abbruch vermutet neu erstellt Neubau vermutet 1988 Diplomarbeit Ch. Heimlicher, RSL 2004/5 Freiraumanalyse von Aussenräumen und Einzugsgebieten zweier Stadtzürcher Primarschulhäuser Freiraumanalyse von Aussenräumen und Einzugsgebieten zweier Stadtzürcher Primarschulhäuser Rasen Bäume/Sträucher Nicht begrünte Freiflächen Rote Sportplätze Gebäude Fussgängerstreifen Fahrzeuge Sihlfeld Borrweg/ Friesenberg Rasen Bäume/Sträucher Nicht begrünte Freiflächen Rote Sportplätze Gebäude < 4m IKONOS Klassifikation im alpinen Raum mit Schwerpunkt Geomorphologie - am Beispiel Gotthard < 1m airborne MS & Laser Objekterkennung mit ecognition in einem multispektralen & laserscanning Datensatz Allgemeine Formen Hydrologie: Geomorphologische Forme n anthropogener Prozessbereich: denudativer Prozessbereich: fluvialer Prozessbereich: gravitativer Prozessbereich glazialer und periglazialer Prozessbereich angestrebte Klassen Seen Flüsse und Bäche Schnee Schatte n anthropogen beeinflusste Flächen Massenselbstbewegung Schwemm- und Murkegel Schwemmebenen Erosionsrinn e n Fels und Felswände Schutthalden postglaziales Moränengebiet* Moränen* Rundhöcker* Blockgletscher* Wanderblöcke* Falcon 0,5m RGB/NIR Line Scanner & 1.0m LIDAR 7

8 < 1m airborne MS & Laser < 1m airborne MS & Laser Objekterkennung mit ecognition in einem multispektralen & laserscanning Datensatz < 1,5m ESAR L-,P- (X-Band) Objektorientierte Analyse eines vollpolarimetrischen SAR Datensatzes < 1,5m ESAR L-,P- (X-Band) Objektorientierte Analyse eines vollpolarimetrischen SAR Datensatzes Ausschnitt aus der 1. Pauli-Dekomposition im P-Band und dasselbe Gebiet in der Klassifikation. Wald (grün), Siedlung (rot) und restliche Flächen (gelb) < 1,5m ESAR L-,P- (X-Band) < 1m airborne MS & Laser Multisensorale Waldklassifikation im Sihlwald Objektorientierte Analyse eines vollpolarimetrischen SAR Datensatzes Vergleich zu optischen Daten 500 m DSM/ Oberflächenmodell (first pulse) Rot, Grün, Blau, NIR Auflösung: 0.5 Meter DTM/ Bodenmodell (last pulse) 8

9 < 1m airborne MS & Laser Multisensorale Waldklassifikation im Sihlwald < 1m airborne MS & Laser Multisensorale Waldklassifikation im Sihlwald Klassifikation Lärche Restklasse 2 km < 1m airborne MS & Laser Multisensorale Waldklassifikation im Sihlwald: Genauigkeit Pilotprojekt LB-SNP 2000: CIR Luftbildmosaik Waldbestandesaufnahme 2001: Overall Accuracy: 77.2% Stichprobeninventur 1990: Mit Toleranz 1m! Overall Accuracy: 82.78% Kappa: cm 45cm 42cm 100 m 5 m Luftbildmosaik Detail Pilotprojekt LB-SNP 2000: Vergleich digital-analog Deckungsgrad der Rasengesellschaften Veränderung einer Wiese (Schera) im Schweizerischen Nationalpark Luftbilder der swisstopo Luftbild Objektorientierte Klassifizierung Analoge Interpretation Diplomarbeit N.Lehmann, RSL

10 25cm airborne ADS-40 Veränderung einer Wiese (Schera) im Schweizerischen Nationalpark Untersuchungen mit ADS-40 in Vordemwald/St.Urban Lawinenniedergang Diplomarbeit N.Lehmann, RSL 2003 Pushbroom Prinzip Panchromatische Kanäle: 2 *(2*12000 Pixel); vorwärts und rückwärts Echtfarb-Kanäle: R, G, B je Pixel; Nadir Farbinfrarot-Kanäle: G, R, NIR, je Pixel, vorwärts 25cm airborne ADS-40 Untersuchungen mit ADS-40 in Vordemwald/St.Urban 25cm airborne ADS-40 Untersuchungen mit ADS-40 in Vordemwald/St.Urban cm airborne ADS-40 Untersuchungen mit ADS-40 in Vordemwald/St.Urban Vergleich analoge FCIR LB mit ADS-40 Universität Zürich-Irchel National Point of Contact for Satellite Images NPOC 10

11 Aufgaben Beratung von Schweizer Kunden bei der Beschaffung von Satellitenbildern aktuelle Sensoren zukünftige Sensoren im Betrieb eingestellte Sensoren Unterstützung von Schweizer Kunden bei der Verarbeitung und Nutzung von Satellitenbildern Umsetzung neuer wissenschaftlicher Erkenntnisse im Rahmen von Pilotprojekten, Entwickeln neuer Produkte Ansprechpartner im Rahmen der laufenden und zukünftigen ESA-Programme im Bereich Erdbeobachtung Förderung der Kenntnisse über ESA-Missionen in der Schweiz THE INTERNATIONAL CHARTER Space and Major Disasters Coordinated use of satellites in case of natural or technological disasters Swiss national information, distribution and archive center for satellite Images. Project Manager for Charter calls in Switzerland 11