kaliczp / RemoteSensing

<2024-02-12 h>

Új óranendi időpont keresési kísérlet.

Egy csoport.

Azzal foglalkozunk, amikkel eddig nem foglalkoztunk. Első előadás sok ismétlés.

Távérzékelés, angol remote sensingből minden nyelvbe.

Táv és érzékelés távolról érintekzés nélkül.

Olyan információgyűjtési eljárás, ahol nem vagyunk közvetlen kapcsolatban a vizsgált objektummal.

Szükséges valami, ami továbbítja az információt = információ hordozó.

Információ hordozó

Ált erelktromágneses sugárzás, illetve adott hullámhosszú tartalma

• hanghullám
• mágneses
• szeizmikus rezgés

Érzékszervek

• Látás (látható tartománya az elektromágneses sugárzásnak)
• Hallás fülünk érzékszerv
• Hőérzet hőreceptorok a bőrön (termális tartomány)
• Szaglás szaganyagok, amik az információt továbbítják

Képalkotás

Fontos része a távérzékelésnek. Infót megadott irányokhoz kötjük. Képet alkotunk. Mint ilyen a látás képalkotó.

Hallás esetében nem tudunk képet alkotni, de csak a hang irányát. Több állat, denevérek és tengeri emlősök képesek a hanghullámokkal képet alkotni. Fontos ág a sonar, vízalatti képalkotás.

Hőérzet, gyenge képalkotó tulajdonság van. Durva felbontás sötétben kályha.

Szaglás egyáltalán nem képalkotó.

Tágabb def

Olyan információ-gyűjtsi eljárás, ahol nem vagyunk közvetlen kapcsolatban a vizsgált objektummal.

Olyan információ-gyűjtési eljárás, amely során a Földünkől, felszínéről az elektromágneses hullámok segítségével kapunk egységes adatrendszert.

Nem csak adatgyűjtés, adat elemzés is.

Adatgyűjtés

• adóegység, sugárforrás,
• vizsgált objektum,
• hordozóeszköz (platform),
• érzékelő (sensor).

Sugárzás objetum, ami kapcsolatban, visszaverődik. Platform, olyan helyre viszi az érzékelőt, ahol a képalkotás jól meg tud történni. Platformot általában jól megemeljük. Alföldön minden egybe mosódna. Épülethomlokzat földi fotogammetria esetén. Olyan helyre jutassa az érzékeléőt, ahol a képalkotás megvalósul.

Adatelemzés

• Analóg és digitális képek. Korábban analóg túsúly ma már szinte csak digitális.
• Vizuális kiérétkelés; analóg, analitikus és digitális fotogamm kiértékelő eszközök, képfeldolgozási eljárások. Jelen vizuális kiértékelés interpretáció, vizuális képértelmezés, digitális képfeldolgozó eljárások.
• Végterméke térképi termék. Térképet, tematikus térképet, jelentéseket, területkimutatást hozunk létre. Eredménye térképi termék

Ábra

Platform műhold, aktív és passzív távérzékelés.

Aktív

Radarsat műhold. Műhold bocsátja ki a rádióhullámokat. Érzékelő szempontjából aktív.

Passzív távérzékelés

Nem bocsát ki képalkotáshoz. Landsat műholdprogram a legfontosabb (legrégebbib). Az elektromágneses sugárzás kétszer áthalad az atmoszférán. Jelentős a hatása a távérzékelésben. Jelentősen befolyásolja a képanyag minőségét.

Műholdas példa

Műholdon az érzékeléő, le kell juttatni a földre. Rádió kommunikáció segítségével. Passzív műholdon is van adó, ami a képeket sugározza. Vételi állomások veszik a felvételeket. Digitális felvételek, előfeldolgozás, különbőző térképeket állítunk elő. Adatfeldolgozást is tartalmazza.

Kapcsolódó és részterületek

Geodézia

térképezéshez fontos az adott vonatkoztatási renszer. Vetületi rendszerben szolgáltatja a szolgáltató. Előfeldolgozásánál komoly felsőgeodéziai. Jellemzően UTM vetületben szolgáltatják.

Fotogammetria

része a távérzékelésnek.

Távérzékelés

Része a rendszernek.

Geoinformatika

Itt a fentiek adatgyűjtő eljárások. Akkor működik, ha jók és aktuálisak az adatok. Lehet csak a fentiekre adatgyűjtési módként tekinteni.

A fentiek összefoglaló neve a Geomatika.

Foto

Nagy történet 180 éves múlt

• Mennyiségi információ szerzés
  • Elhelyezés
  • Méret
  • alak
• objektum és képe kozotti matematikai- geometriai kapcsoalt alajpján

Távérzékelés

kb 50 éves műhold 1972-ben indult a műhold. Bárki (embargót kivéve) polgári is felhasználhatta.

Elsősorban minőségi információ szerzés

• objektum és annak állapot-változása.
• visszaverési hullámhossz., inenzitás, mintázat alapján.

Foto vs. távérzékelés

• Külön:
  • klasszikus minőségi és mennyiségi
  • tradíciók
  • nálunk nagy az anyag. Most vizuális interpretáció. digitális képfeldolgozás.
• Együtt (most nem érdekes)

Tévérzékelés csoportosítása

• sugárforrás
  • Passzív = Nap sokszor optikai távérzékelésnek nevezik. Olyan tartomány, amelyeket optikai eszközökkel terelgetjük gyüjtjük, szórjuk tükrözzük. Hőkamera esetén különleges optikai eszközök. DE van passzív mikrohullámú rendszerek. Földfelszínről kibocsátott hullámok. Vizek talajvíz, árvíz. Anyag dielktromos állandójától függ a kibocsátás, a víztartalomtól függ.
  • Aktív = érzékelőhöz saját jeladó.
• vizsgált objektum
  • termésetes és épített környezet. Sokan erőltetettnek gondolják. Itt természetes környezet távérzékelése. Sok eljárás építettnél jó, de természetesnél nem nagyon. Képegyeztetési eljárások építettben tökéletes. Erdő és nádas esetén nem olyan jó.
• Hordozó eszköz (platform)
  • Műholdas - műhold
  • Légi
  • földi

Most elsősorban műholdas. De akár légi is lehetne.

• Érzékelők
  • fotográfiai rensezerek kémműholdak (korona USA program, szovjet) Nagy magasságra átalakított mérőkamera.
  • Digitális érzékelők Jellemzően ezzel készülnek.

Alkalmazási területek

Széleskörűek.

• Atmoszféra az egész földet beborítja. Időjárás megfigyelése és előrejezlése az egyik első eljárás.

Még a szaknév megjelenése előtt első meteorológiai műholdak. Nem publikus adatok voltak.

• Tenger és óceán kutatás.
• Geológiai és földtani térképezés fontos alkalmazás
• Topográfiai térképezés
• Vegetáció és ökoszisztémák vizsgálata
• Települési környzet vizsgálata globalizáció, gyors fejlődés követése.
• Mezőgazdasági előrejelző-reszerek. Mo-n fontos, jellemző terület. Termésbecslő renszerek.
• Antropogén hatások vizsgáata (illegális bevatkozás, hulladéklearakók)
• Katasztrófák előrejelzése és hatásvizsgálata. Sok katasztrófa esetén a helyi infrastruktúra megsemmisül. Műholdas platform független a katasztrófától.
• Katonai alkalmazások. Nagyon fontosak egész foto és távérzékelés tekintetében jelentős ösztönző. Ellenséges objektumok térképezése.
• Más égitestek kutatása, térképezése (Mars, Hold) bár definícióban Föld. Holdmérőket még ne alkalmaztak. Távoli égitestek távérzékelési eljárással.

Példák

• Trópusi vihar afrika partjainál. Vihar szeme, haladás.
• Óceánok szélsebesség és irány. QuickSCAT SeaWinds. Hol hogyan hullámzik a víz. Szél irány és sebesség, hullámok. Van földi is (hajók észleléseit is gyűjtik.

Minél nagyobb terület, hagékony.

• geológiai. Emi, Koussi vulkán és Aorunga kráter Csád, ISS. Meteoroit kráter szinte csak űrből. Nasca vonalak. Lokálisan nem felismerhetők.
• Vegetáció térképezés és felszínborítás. Globális felszínborítási térképek. Zöld az erdő. Globális felszínborítás fontos, kiemelten a tárgy területén. Felszíngorítás és földhasználat fontos.
• Emberi beavatkozások Brazil erdőírtás. Kép pár 1000*1000 szó előtte-utána.
• Urbanizáció Dubai. Gyors és jelentős változások. Infra kompozit. Vörös a vegetáció. Amíg van olaj fenntartható.
• Katasztrófa Japán földrengés, szögőár, nukleáris baleset. Aster parallaxis. elöntések, törmelékek.
• Idegen érgitest. Mars térképezés. Sok körben készült. MARS explorer, újabb mars explorer. Földhöz képest jelentős magassági tartomány!

GEOSS

Amerikai program. Global Earth Observation System of Systems

• Komplex renszer
  • légkör
  • vizek
  • szárazföldek
  • egészséges társadalom, ökoszisztéma
• ESzközök
  • mérés
  • modell
  • döntés
  • program

Sok minden, modell és döntéstámogatás is Komplex globális dolgok felismerése, mint klímaváltozás. Egész Föld egy renszer. Think globally and do locally.

GEOSS az amerikaiaknál lecsengett. Ennek alapján GMES (Global Monitoring for Environment and Security). Átnevezve Coppernicussá (2008-ban).

• Vizek
• Szárazföldek
• Légkör
• Kockázatok
• Klímaváltozás
• Biztonság

Amerikai és európai programok Galileo drága, és lassu hasonló. USA gondolta, hasonló.

Ebben a programban teljesen új műhold család. Sentinel műholdak. 2014-ben pályán. Adatokhoz nem csak EU állampolgár, bárki hozzáférhet. Jelentősen megváltoztatta. Új szereplő USA mellett. Napról napra nő az adatmennyiség és az adatok köre is!

• Sentinel 1 radar
• Sentinel 2 passzív optikai MSI 2015 első, 2017 második tag 7 év élettartam. Első generáción túl vagyunk. Orosz válság miatt csúszik a második generáció. Amcsi rakéták is orosz hajtóanyaggal. Elon Musk komoly lépéseket, Máról holnapra nem megy pályára állítás. EU rakéta is orosz hajtóanyagra utalva.

Copernikus program nagyon jelentősen megváltoztatott mindent.

Természeti erőforrások vizsgálata

Lansat erőforrás megfiegyelő volt elsődlegesen.

• Felmérés
• Természeti csapások hatásvizsgálata
• Emberi hatások felmérése, rombolás, ipar, mg.
• Monitoring és modellezés, bármikor megismerhető. Objektív. Monitoring és modellezés kiváló alapja. Eddig hogyan változuott és a jövőben?

Legrontosabb jellemzői

Csornai Gábor 1991 könyve első tankönyv Fehérvár FÖMI

• Gyors adatgyűjtés - naprakészség
• jÓ térbeli és időbeli mintavétel. 100*100-as pixel jó mintavétel. Időbeli mintavételezés
• Nagy területről homogén adatrenszer
• Fajlagosan olcsó (90-es években landsat felvétel félmillió forint Egy olcsóbb gépkocsi). Most már igaz. Emberi munkaerő drága, terepi adatgyűjtésre megszervezni. Iszonyú drága. Ingyenes távérzékelési felvételek ellenére sem ingyen, kell a feldolgozáshoz számítógép, szoftver, szakértelem. Nem mindenható.

Objektum - információ hordozó kölcsönhatása

• Tárgyspecifikus (víz, erdő, szántó..)
• Állapotspecifikus Víz vs. jég, Erdő lombos vs lombtalan, Szántó vetés előtt után, szántás, trágyázás, eső vizes aszfalt, talaj más-más!

Állapotspecifiusság elsőre gond, 90-es években a legjobb felvétel. Ma több felvétellel. Ua. terület télen víz, nyáron jég, télen és nyáron is tűlevél. Segíti a munkánkat az állapotspecifikusság.

Ez a távérzékelés alapja!!!!

Több fázisú mintavételezés

Egy mérés nem mérés.

• Multispektrális szenzor, több tartományban mér, biztosabb osztályozás
• Multitemporális többi dőpont
• Multianguláris - több felvételi szögből. A kölcsönhatás iránytól függ. Milyen irányból süt a nap. Napraforgó tábla fény felől, vagy ellene másként néz ki! Vegetáció esetében igen jelentős.
• Multiszenzorális - több különböző érzékelővel. Rég egy-két érzékelő egy platformon. Ma már 10-15 érzékelő ua. Másik műholdon is érzékelő. nagyobb megbízhatóság.

TEREPI REFERENCIA! Nagyon fontosak! Félév végére színes tematikus térképek. Mennyire felel meg a valóságnak, referenciához viszonyítom. Képet és valóságot mindig tudjuk összekötni. A térkép ne műalkotás, hasznosítható tematikus térkép legyen.

reflektancia ábra

Beeső sugárzás visszaverése reflektanica és hullámhossz az x tengelyen.

• Tiszta víz reflektanciája alacsony néhány %. Víz sötét, de üledék, megváltoztatja.
• Talaj reflektanciája a hullámhosszal lineárisan változik.
• Vegetáció látható és közeli infravörös.

Landsat, spot.

Reflektancia a légkör elnyelési zónája, közötte légköri ablak, ahol lelátunk a felszínre.

Történeti áttekintés

Még egy kis anyag

• 1957 Szputnyik-1
• 1960 TIROS-1 első meteorológiai műhold
• CORONA kémműhold fejlesztések
• 1972 ERTS-1 = Landsat 1
• 1999 IKONOS vhr Very High resolution
• 2005 Google Earth szolgáltatás

CORONA szupertitkos volt, jelenleg megvásárolható. Repülő megpróbálta befogni a levegőben. 17. misszió volt az első sikeres. Mo-ról sok CORONA elérhető 60-as években alternatívája a légifényképeknek. Ahol nem volt felvétel.

Felbontás 1m-t is elérték.

Landsat

Lendsat 72-től első, Másodikból landsat 5, 72-től folyamatos. Általában kis műhold. Planet cég kiszórja. Gyorsan visszajön. Megsemmisül.

Landsat nagy műhold. nem semmsül meg, szétrobban. Figyelni kell. Irányítható. Űrszemét befogás, foglalkozni kell.

Ikonos

1999-ben első nagy felbontás. Légifénykép szintű képek.

Google Earth

2005-től. Belenyagyítva VHR felvételek. Inspirálta a Google. Támogatta a google a felvételeket!

Trendek

• Felbontás növelése örök irány
  • Geometria
  • Spektrális
  • időbeli
  • radiometriai
• Új technológiák
  • Lézeres magasságmehatárosá
  • Gravimetria (GOCE)
• Adathozzáférés
  • közelvalós és valós idejű. Sentinel pár órán belül van negyedórás szolgáltató is.

Háború konfliktusnál is fontos!

GOCE

Első gravitációs műhold. Új globális geoid.

Sentinel HUB playlground

90-es évek elején FÖMI hozzáférés, milyen felvétel, kiválasztani, külügyi engedély, deviza átutalás, félév után itt volt a felvéte.

<2024-02-12 h> Gyakorlat Google Earth

Gép bekapcs. C labor hallgató.

Mit csinálunk?

Google Earth mikor indult? 2004-ben vette a google Keyhole. Az ő technológiájukat felhasználva 2005-ben indult a szolgáltatás. Korábban fizetős változat, ilyen-olyan. Pro verzió sokáig fizetős volt. Jelenleg nincs fizetős változat.

Két változat

• asztali változat (korábban ez volt a pro).
• böngészőben futtatható. https://earth.google.com/

Az asztali változatban több funkció. Nem érhető el a másik változatban.

Használat

Összes réteget alul kikapcsolva, a föld akkor is látszik.

A +- gomb nagyíítás kicsinyítés, jobb oldal navigációs. Lenyomott középső elfordul.

R = reset.

Könnyű a navigálás.

Alapvetések

Űrfelvétel mozaik. Szárazföldek esetetében. Az óceánok más tészta. MIlyen űrfelvétel, a copyright információ ad információt.

Teljes nézet image landsat/copeernicus.

Csendes ócán fenekén egyéb dolgok.

Magyarország is csak landsat copernicus. dátum is.

Különböző nagyítási szintek különböző űrfelvételek. 2024 nem a kép dátuma. Az airbus és a google között szerződés él.

Kép dátuma: Dátum hónap/nap/év 2022-06-04

Airbus francia cég. Ez a copyright.

Idővisszalépés

Csak az asztalin. Egy skálán lehet nézni. VHR űrfelvételeket használ

2022-11-27 erősen dőlő felvétel 2018-03-12 is erősen dől.

Landsat/Copernikus nadír helyzetbe tekint. VHR viszonylag kis területet tud felvenni.

Jelenleg 1 felvétel pászta szélessége 16 km széles. 16 km 1m 16000 sorszenzor.

Agilis szenzor

Agilis szenzorok, nem csak oldalra tekint, hanem minden irányba. Csak úgy tud nagy visszatérési időt adni. 30 fokos oldalra tekités 3 nap! Hardveertől függ, hogy mennyire, normálisan 30 foknál! VAn technikai korlát.

Általában < 30 fok.

Különböző színvilág. Téli felvétel kisebb dinamika. Google komoly tömorítést használ.

2018-02-04 téli rossz, dinamikájú. A nyáriak jobbak. Alapértelmezett az általában nyári.

TV torony

Nagyon dőő 2022-11-27

VHR kvázipoláris napszinkron pályán keringenek É-ÉK-ről D-DNY felé. TV torony 82.46-ot néz. Fölülnézetben K felé tekint a műhold.

off-nadír szög néz. target azimut.

satelite azimut. a felvétel készítés helyéről a műhold milyen szögben látszik.

82.46 +180 kiegészíti szög

Off-nadír és satellite elevation a kettő öszege 90 fok.

• target azimut, satellite azimut.
• off-nadír sat elevation.

Nem a teljes területet veszi fel.

Copyright maxar technologies, airbus CNES francia űrkutatási hivatal. De az egyenlő airbussal.

y meghajtó távérzékelés 2024 Link

Draw rectangle és kiadja, hogy mennyi

World view WV02 -

Target azimut. Konkrétan melyik felvételt. Nem akar belemenni

TV torony magassága. Lemérjük a dőlést.

2022-11-27 Flst lemérni

Δ h = delta r * ctg(off-nadir)

delta r = 108.21 m * ctg ( 28.4 fok)

200.13

Oldalra tekintés, magas vagy alacsony objektum.

Magas objektum eldönteni, hogy melyik űrfelvétel.

Táblázat

Maxar technolgies iconos, digital globe, wordl view.

Maxar az egyik legnagyobb VHR űrfelvétel szolgáltató cég. Néha vannak szép felvételek. Sokszor aktuálpolitikai események. Maxar az egyik legnagyobb.

Vissza a http://discover.maxar.com

20-25$/km^2 Borsos árú, de google earth alatt nézegethető. Kilopni nem lehet. Van aki erre programot írt, de csak a google earth alatt használható.

2021-10-20 uszada mellett Becsillanó fénytető google simítja, és kiég. Fenyőkkel probléma.

Van-e kérdés? Szünet

Mi számít lelopás. Kéo másolása lehet, de a screenshoot rajta a google earth.

Repülőgép szimulátor

Ctr-alt-a telepített

Fertő

2015 kotort csatornák. Vonalak a fertői munkába

2013 káka szigeteg. Vannak szigetek, amiket elkotortak.

Virágosmajori kikötő kialakulása.

Terület kiválasztása

Tómalom környékének kiválasztása. Kis erdő, kis üdülősáv, kis erdő.

Előre határozzuk meg, amit értelmezni szeretnénk. Interpretálni. Természetes vagy mesterséges határok, amik az űrfelvételen azonosíthatók

Helyjelz, sokszög a felső ikon. Tómalmot jócskán körül rajzoltuk. Mentés után kijelölve szerkeszthető. Körüljárás számít.

A területet kell vizuálisan értelmezni. Vizuális interpretáció.

Vizuálisinterpretáció

Szemünkkel értelmezzük és valamilyen tematikával értelmezzük. 2011-08-17 maxar.

Felszínborítás (Land Cover) fizikai megjelnés Földhasználat (Land use) jogi kategória

Távérzékeléssel a felszínborítást.

• szántó
• legelő
• kivett
  • műutak
  • beépített területek
  • vízvelület
• csemetekert
• erdő

Régi térképet is érdemes megnézni. G: meghajtón lehet. Mindig térképi munkákat elővenni. Bizonyos dolgok előkerülhetnek, amire nem gondolunk.

Van egy jelentős paraméter MMU

mmu

MMU = Minimal Mapping Unit legkisebb értelmezendő foltméret.

Mekkora amit még különálló kategóriaként értelmezünk: m^2, ha.

minimum szélesség

Vonalas létesítmény. Akkor számít, ha a legkisebb térképezendő foltot eléri.

100 m^2 a minimum folgméret. Hosszú és vékony vonalas szélesség. Mi legyen az a szélesség, ahol külön terület.

6 * 900 m. 10 m minimum szélesség, az utat még nem ábrázolom területként

Nincsenek topológiai szerkesztési eljárások. A teljes terület hézag és átfedés mentesen kategorizálom. Vonalrajzolás és a területtel a határon végig menni. Poligon rajzolás. Mentés! Helyeknél saját helyek. Saját helyek a windows mélyen elásott terüoleten. Ideiglenes helyen. Ahová teszi.

Terület jobb klikk

KML fájl

Ideiglenes helyekre elmenti Notapad++-ban nézni tudjuk.

KML = KeyholMarkupLanguage KML XML formátum.

XML extendet markup language.

Kacsasőrök között nyitó és záró. Ami közte, az dokumentum objektuomok. Terjedelmes, könnyen értelezhető formátum. Placemarkok a lényegek. Z mindenütt 0 2D koordináta. hosszúság és szélesség koordinták.

Tizedfokos földrajzi koordináta.

KMZ fájl

Hely mentése másként. Megnyitható és elmenthető.

Ideiglenes helyek

Oda kerül a betöltött. Elvetem, akkor az ideiglenes elvész. Lehet itt elvész, de vissza tudom tölteni a lementett állományt. A legfontosabbakat, erdő, beépített terület szántó. Új polyon, Erdőt beírom.

Mappával struktúrálom. Kimenteni egyben a struktúrát.

Először durván, Utána módosítom finomítom.

Tulajdonságokban területet.

Mentés.

<2024-02-19 h> Ea Az elektromágneses sugárzás

A legfontosabb információ. Fizikai alapjaival legyünk tisztában! Vannak más információs hordozók is, de elsősorban ez.

Az elektromágneses sugárszás (EMS) kettős természete

• Hullámelmélet (Huygens)
• Diffrakció, interferencia

Minélk kisebb lyukon megy át, anná jobban szóródik szét. Pontszerű lyuk gömbszerűn. Az ernyőn körkörös gyűrűk. Kis rekesz a fényképezőn körkörös gyűrűk.

A másik

• Részecske elmélet (Newton)
• Fotoelektromos hatás

Si (szilícium), ha fény éri az anyagok, elektron szabadul fel. Fény nyomás vákkumban a tükröt a torziós szálon elnyomja.

Hullám és részecske természet.

Hullámnak is kettős természete

A hullámnak is kettős természete

Időben az elektromos térerő mágneses térerő változik. Ugyan akkor van maximumuk és minimumuk. Transzverzális hullám. Haladás irányára merőlegesen rezeg. Minden irányban rezeg a haladási irányra merőlegesen.

Fontos természete egy teljes ciklus hossza = hullámhossz. Jele λ.

Hullámegyenlet

c = ν ⋅ λ

c

a fény terjedési sebessége 3 * 10^8 (m/s) 300 e m/s Jelenleg a méter adott anyagban a fény terjedési sebességnek része.

ν

nű, a frekvenci a 1/s Hz Herz

λ

a hullámhossz (m)

A frekvencia és a hullámhossz fordtottan arányos. Ugyan annyi idő alatt a hosszú hullám kevesebbet rezek, mint a rövid.

Planck-törvénye (ami a foton energiáját fejezi ki)

Az elektromágneses sugárzásban haladó részecskék (foton) nincs külön neve külön hullámhossz. A foton (egy foton) energiája

E = h * ν = h * c/λ

Minél kisebb hullámhossz, annál nagyobb az energiája! Nagyobb frekvencia, nagyobb energia, áros felfelé, UV, röntgen, gamma egyre nagyobb energiával rendelkeznek.

Fent

E

a foton energiája (J = Joule)

h

Planck állandó ~ 6.6256*10^-34

Az EMS hulláhossz tartományai

Ábra!

A látható 400 – 700 nm (nem kőbe vésett határok) közelítő, vannak akik más tartományban is látnak.

A látható rövidebb része az ibolya (ibolyán túli). A hosszabb a vörös (infravörös).

Rövid felé röntgen sugarak és gamma sugarak.

Hosszú felé a rádióhullámok. A rádió rövidebb hullámhosszú tartomány mm, cm a mikrohullámú tartomány.

Távérzékelés: látható infra és rádió. Röntgen orvosi távérzékelésben.

Sok al tartománya van. ÁBRA. Logaritmikus skálán mutatja.

mm–m között mikrohullámok, de rádióhullámok.

Érdemes belőni, hogy infra

közeli infra

700 nm – 1.5 mikro m

középsző infra

SWIR (short wave IR) 2.5 um sok távérzékelő műholdban

távoli infra

ez a hőtartomány 10 um nagyjából a közepe

vörös, narancs, sárga, zöld, kék, ibolya.

Mikrohullámok betűvel: P, L, S, C, X, K X = extrém a közeli vége.

P sávú vagy L sávú radar.

Távérzékelésben miket használunk

Aktív

Aktív rádió és mikrohullámok = radarműholdak. Lézeres letapogatók közeli infravörös és látható fény.

Passzív Napból

Optikai tartomány ez a Nap visszavert sugárzása.

• Látható (0.4 - 0.7 um)
• közeli infra (0.7 – 1.5 um)

Passzív nem Nap

• távoli infravörös (hő) (7–15 um)
• mikrohullám

Az EMS törvények

középiskolai fizika ismétlés

• Minden test sugároz (minden aboszolút nullánál melegebb, nagyobb hőmérsékletű elektromágneses sugárzást bocsát ki!)
• Stefan-Boltzmann-törvény, mekkora EMS-t bocsát ki.
• Plack milyen a megoszlása a sugárzásnak. Ez Planck másik törvénye. Kibocsátott sugárzás hullámhosszonkénti megoszlása. Hogyan oszlik meg.
• Wien-féle eltolódás. A maximum eltolódás

Stefan-boltzmann

Φ = σ * T^4

ahol:

Φ

gömbi sugárzás

σ

S-B állandó 5.67*10^-8

T

a fekete test hőmérséklete K

Aki lázas, nagyobb a sugárzása.

Fekete test, mert a környezetétől nehéz elkülönülten vizsgálni. A környezetéből is ver. Fekete test, minden sugárzást elnyel! Magyarán ez egy idealizált, nem ver vissza semmit.

Planc

a fekete test sugárzásának hullámhossz-szeritni eloszlása

L_λ = \frac{2hc^2}{\labda^5} …

A törvény egyenlete nem annyira, grafikus megjelenítése izgalmas. Külöböző hőmérsékeltő fekete testek hullámhossz szerinti megozslása, Nap 5900 K vagy 6000 K fekete test sugárzása.

Nullához közeli púp. Minél alacsonyabb hőmérséklet, annál magasabb a sugárzás maximuma.

Wien

A fenti

λ_max = b/T

Hol a max. Nap zöld-sárga határán a maximum!

Kétszer logaritmikus skála ábra. Föld sugárzás maximuma 10 um hőtartomány közepe. 10-en fokos.

Különböző napsugárzások

6000 K black-body spectrum

Nap sugárzása az atmoszférán kívül már nem igazán szabályos, de jól közelíti az ideális görbét.

Atmoszféra 30% csökkent kívül-belül jelentős különbésg. Látható elnyelési sávok. Ahol jelentős különbségek. Atmoszféra összetevői. Általában az elnyelési tartományok közötti sávot használjuk. Légköri ablakok. Elnyelési sávok közötti

A légkör áteresztő képessége. Ábra. Látható tól infra és mikro felé. 10 um – 1mm-ig áthatolhatatlan a z EMS miatt (üvegház hatás). Nem engedi át a hősugarakat. Nem hől ki.

Látható és közeli nagy változékonyság. Kék és ibolya miatt nem látható kéket szórja legjobban. O_2, vízgőz, ózon nyel el. Kettő közötti a légköri ablak.

Ábra Landsat sávjai és a légköri ablakok. Föld felszínét figyelő ablakok.

Aktív távérzkelés szempontjából a légkör szinte teljesen átlászó. Radar távérzékelés időjárástól független. K-band függ kicsit a víztől. Fontos a tartomány!

Sugárzási mértékegységek

Sugárzási energia

Q, [J]

Sugárzsi eljesítmény, fluxus

φ [W] J/s

Sugárzási expozíció

H, J/m^2 mennyi hat egy felületre

Sug. en sűrűség

w [J/m^3] Adott térfogaton mennyi halad át

Gömbi sugárzás

Φ W/m^2 mennyi hagyja el

Kilépő sugárzás

Sugárzási intenzitás

szteradián sr

Sugárzás (Radiance)

L W/m^2 * sr szteradián térszög

Sugárzási intenzitás

Ábra. Felületen áthaladó tulajdosnág

Kilépú sugárzás

Adott felületet mi hagy el

Sugárzás (Radiance)

Adott felület adott irányban adott térszög alatt mekkora sugárzási teljesítmény halad át. Lambert tükrőzók törvénye. Hogyan halad át cos α -val csökken ahogy laposabb szögben érzi. Ez az amit távérzékeléssel mérjük.

Visszaverés és érzékelés szempontjából is megérthető. Ez a kúpszög a pillanatnyi látószög. Szteradián (gömbi szögként) felfogni.

Két anyag határán

Ábra is

• Áthaladás
• Visszaverődés
  • tükrös visszaverődés, beesési szögger
• Szórás
  • visszaszórás (back scattering) szanaszét szórja vissza
• Elnyelés/kisugárzás

Fák levele élő anyag, medium2 az ábrán, egy része áthatol. Egy része tükröződik. Szőrős levél szórja. El is nyel egy részt. Fotoszintézis. Melegszik a levél sugároz.

Valóságban minden keverve megy.

Ray tracing. Ezt modellezi. Bonyolult fizika van mögötte. Valósághű legyen.

Bidirectional Reflectance

Növényzet esetében, hogy az objektum mennyit ver vissza, függ, hogy milyen irányból világítom és szemlélem.

Napraforgó tábla ez egy szép példa. Egyes levelek esetében.

Növények esetében hot spot Mögöttem süt a nap és a levelek felém fordulnak = hot spot.

Ködös időben glóriás kép. Szivárvány színű glória a repülő körül.

Vízfelszín simán visszaveer. Hullámzik, akkor is visszaver, de nem annyira.

Növényzet többet ver vissza, de jobban szór. Növényzetnél árnyékot is vet. BRDF = bIDIRECTIONAL rEFLECTANCE dISTRIBUTION fUNCTIONS

Külöböző látoszögű, nagy látószögű szenzorok.

Reflektancia - visszaverőképesség

ρ = Φ_r / Φ_0

Minden irányból érkező és visszavert, de ebből csak egy szűk tartományban mérünk.

Hullámhossz függvénye is. ρ_λ = Φ_rλ / Φ_0

Néhány felszínborítás spektrális reflektanicája

hullámhossz vs reflektancia ábra.

Mekkora részét veri vissza a hullámhosszban a beeső sugár.

Minimum kérdések

• Hullámegyenlet c = ν * \lamda
• passzív távérzékelés tartományai optikai látható és közeli passzív mukrohullám
• Aktív távérzékelés rádió és lidar látható
• reflektancia és visszaverő képesség.

Digitális felvételek felépítése

Eddig is sok szó volt róla. Különbségek hangsúlyozva.

Tesszueláció

A vizsgált területet úgy osztjuk fel elemi egységekre, hoagy azok hézag- és átfedés mentesek legyenek.

• Szabályos tesszeláció (raszter)
• Szabálytalan TIN

Szabályos tesszeláció

Elemi egységek. Háromszög, négyszög, hatszög

• Szabályos, de egyenlőszárú is jó. Gyakran ez.
• Négyszög négyzet, téglalap paralelogramma
• Hatszög sem feltétlen szabályos.

Digitális alapvetően négyzet és téglalap!

2D szaályos tesszeláció

• picture x element (pixel)
• sorok, oszlopok, mátrix szerűen
• sávok

Landsat példa. különböző felbontások.

Pixelértékek

• Minőségi tematikus kódok
• Mennyiségi információ Konkrét fizikai mennyiség pl. reflektancia

Távérzékelés a mennyiségit, minőségivé alakítom.

Digitális kép

Szabályos 2D adatmodell, vizsgált objektum radiometriai és spektrális tulajdonságokat tárol mennyiségi infót.

Milyen színű és menyit sugároz. A pixel értékek mennyiséget fejeznek ki.

Lehet

• Elsődleges közvetlen digitális rögzítés.
• Másodlagos Kémműholdak kivételével nem jelentős.

Legfontosabb ismérvei

• Felbontás
  • geometriai (m) pixel oldalhossza tipikusan! hosszúság
  • radiometriai (bit, byte)
  • spektrális hány sáv?
  • időbeli felbontás
• Helyigénye pixel szám (sor * oszlop) * radiometriai felbontás és sávok száma = MB ha nem tömörített.

Geometriai felbontás

• Elemi látószög IFOV ω rad, mrad. kúpszögröől van szó. Egy metszet beni mérték.
• pixelméret
  • Terepi
  • KÉpi

Fotogammetria különböző repülési mafgassűg. Műholdak nagy része fix magasság. Terepi felbontás adott. Van ami elnyújt. Perigee apogee. Ott változik a pillanatnyi látószög.

Spektrális felbontás

• monospektárlis (pánkromatikus) 1 sáv nagy sávszélesség
• multrispektrális 2–15 sáv szllesebb sávok ~50nm
• hiperspektrális 16–(4096) sáv keskeny sávok (-10nm)

WorlView2 sávjai pánkromatikus sáv az érzékelő karakterisztikája meghatározó, Jelentős eltérés a sávon belül, hogy az adott hullámhosszon milyen az érzékelő érzékenysége.

Radiometriai

Mint a filmnél a feketedési görbe. Alapzaj ami a filmnél alapfátyol. Fotonokkal bombzázzuk, jel megjelenik. Egy idő után ez is telítődik. Dinaimiai tartomány.

Analóg jelet digitalizáljuk. Milyen finomsággal.

Digitális kép tárolás

• Fejléc Header, sorok, oszlopok száma, radiometria, sávok száa, pixelméret, befoglaló koordináta
• Adatok
  • BSQ, band sequential simán sávonknt
  • BIL band interleaved by line sávokat s sorok között
  • BIP band interleaved by pixel

BIL a legelterjedtebb, BIP multispektrálisnál, BSQ monokróm.

Itt lefagytam.

Tömörítés

• Adatvesztés nélküli
  • sorkifejtő RLE
  • lánckódolás Chain tif gif
  • Négyesfa quadtree tif
• adatvesztéssel járó

JPG

Mindenki ismeri. Példa ábra. Minőséget a színeken látjuk. Szürke képet nem tudja olyan hatékonyan töörtnei 90 és 100% között szabad szemmel nincs különbség. ált 8x8 blokk méret.

Digitális kép megjelenítése

Innen folytatjuk.

Ma rendes időben 13:00-ig 16-ig.

<2024-02-19 h> Gyakorlat

google earth

Ideiglenesben dolgozunk.

Nem lehet beállítani az alapértelmezett betöltést. Vissza kell tekerni 2021-08. Helytől függetlenül kezeli az időt.

Nem határoztuk meg, hogy konkrétan milyen felvéte. Google maps satellite link. http://discover.maxar.com

TErület keresése, show all images. Lehet szűkítnei dátum alapján rögtön az első WV02. Browse view-nál Azonosító quick look.

Pansharpening a pánkromatikus felbontásút élesítik a színessel. Mexarnál GSD ground sampling distance 0.48 m.

Azimut a Kecskehegyi kilátó alapján Kicsi az offnadir szög. Tűztoronynál a daru nagyon jól látszik.

Táblából World view felvétel 8+1 sávos. Itt 8 bitre konvertálják. Lehet a szűrőknél keresni.

Google fejlett algoritmussal simítja a pixeleket. 2022-04 a fenyő jól elkülöníthető.

Több felvétel alapján a fenyő és lomb elkülönítés megy.

Multitemporális a gyep-szántó-kaszáló.

Google earth egy helyen több időpont alapján tudjuk eldönteni az adott hely felszín borítást.

Qgis-be behúzva. Sokszor érdemes az interpretációt korábbi adatokhozl

g becsatolás \emk-geo-dellsrv\geo nrrccad nrrccad

g:\topo/eov10_sopron.ecw

Geoshop ingyen letölthető gauss krüger térkép. Lehetne hozzáadni. 1961 ingyen elérhető az országra. Hazai 10000 georefelált.

Open topomap, vagy OSM standart is segít az adott felszínorítás mehgatározásánáőé Nézni az eltérést és finomítgatni az interpretációt.

Vizuális interpretációt mindenkinek egy választott területre el kell készíteni.

VHR-eket félre raktuk

Ingyenes űrfelvételek

Landsat

http://landsat.usgs.gov

http://usgs.gov/landsat-missions

archívumban mutatja, hogy mi honnan van. Főleg a régi időben nem készített mindig felvételt.

Fact sheets áttenkintés a programról. Idővonal. Érzékelők fejlődése.

Sok helyről elérhetők. Javasolja az EarthExplorer http://earthexplorer.usgs.gov

Széleskörű adatokahoz ad hozzáférést. 20 éve működik.

Bulk download programcsomag van hozzá. Több 100 vagy 1000 felvételt éjszaka letölti. Profi igényekre is alakított.

Regisztrálni érdemes.

Keresés

Fülekkel megy a keresés, beírjuk.

Landsat collection 2 level 1

RBV REturn Beam Vidicon MSS Multispectral Scanner eredetileg kísérleti

Search kriteria cloud cover.

Felvételek és lábnyomok.

185x185 km egy felvétel.

A kiválasztott képen footpirng gom,

• show browse overlay = felhők
• shoW METATADAT and browse
  • quality browse felhők

Jeölésel LM LANDSAT MULTISPEKTRAL SCANNAR

produlct level dátum. date product generated. starttime stop time. Egy pillanatban 6 pixel sor!

Jól kivilágított. Ukrajna sötét.

Nappali képet használunk.

Sok-sok adat.

MSS 60 m körüli érétk.

LM01_l1tp_204

x:\landsat 1975

B4, B5, B6, B7 mivel előtte a másik. 36 MB kb az űrfelvétel.

Jóval kisebb adatmennyiség

qgis

Virtuális állományok.

Raster menü egyebek virtuális raszter készítés

RAsuter virtuális raszter építése.

Több szelvényből egy sáv

plae each input file input separate

Színkompozit. Színhelyes színest ne tudunk RGB-674(3,4,1)

Jelrenszernél (Symbology)

Nagyítás ne legyen felhő,

Jobb klikk a néven, széthúzás az aktuűlis terjedelemre húzás.

Google fejlett újramintavételeés Nagyításnál köbös. A jobb gomb tulajdonságok alján nagyítás köbös.

75-ben a 60 m nem volt rossz.

Landsat 4 és 5 -ös műholdon is MSS 2012 decemberig megy.

TM érzékelő

Legutolsó felvételre ugrunk a collection Tm-ből 189027 ez a nyugat magyaorság

Felhő árnyékok. Nagyobb felbontás 30m alapból. 7 spektrális sávunk van.

WRS-2 wordwide reference syste 2 könnyeben kezelhető

B1

Raszter egyebek virtuális raszter Most cak a ltm sávok 7 bemenet

LT05_20110622

3,2,1 FELHŐ NÉLKÜL

Színhelyes színes színkompozit

Réteg másolása

RGB 453 VEGETÁCIÓ VIZSGÁLATÁRA

b1: KÉK B2: ZÖLD b3: VÖRÖS b4: KIV b5: KIV2 b6: hő b7: közép IV

453 vagy színhelyes

TULAJDONSÁG réteg neve.

Mindenkinek javasolja. Érdemes regisztrálni. Könnyedén letölthető felvételek.

Sentinel2

<2024-02-26 h>

Képek megjelenítése.

Digitális képek megjelenítése

• színfüggvény pixelérték -> szín
• milyen tartományt jelenítünk meg az értékből.

Színmodellek

• RGB általában megjelenítőn. Összeadó. Ehhez a megjelenítők.
• CMYK kivonó inkább nyomtatáskor.
• HSI árnyalat, telítettség intencizás
• YUV (YCC) - luminancia, krominancia jpeg tömörítés alapja (szürek nem megy neki csak a krominancia

Hisztogram és trafó

Hisztogram a pixel intenzitás értékek gyakorisági diagramja. Vsz a pixel intenzitás függőleges gyakoriság ábra. Trafót a hisztogrammal ábrázoljuk. 45 fok = nincs transzformáció. y tengely vörös paletta. Arra transzformál. Hisztogram kiegyenlítés trafója. Kimeneti szürkével. Úgy, hogy a kimeneti hosztogram egyenletes elosztás. Minden paletta színből ugyan annyi legyen.

Normál hisztogram széthúzás

Átlag +- valahányszoros szórás tartományban húzzuk szét. Ez is gyakori.

Szóródási diagram

NAGYON FONTOS! Két független sávban a pixel értékek eloszlása. Színnel mutatja. Mint domborzati térkép. Sávok között milyen összefüggések vannak?

Tipikus Talajvonal mg terület bojt a sapkán és erdők a bal oldal. Nagy jelentősége.

Minimum

Digitális kép

szabályos raszteres adatmodell tesszeláció. Adott objektum spektr és radiometriai tulajdonságairól mennyiségi információt tárol.

Digitális kép felbontásai

geometriai, spektrális, radiometriai és időbeli.

Digitális kép helyigénye

pixel száma (sor, oszlop sáv) * 1 pixel tárolás helye.

Digitális érzékelők

Letapogatók csoportosítása. Nagyobb felbontású felvételek miatt. Egy időben rendelkezésre álló pixelek száma véges.

• klasszikus
  • mechanikai- optikai
  • elektro-optikai
• Dimenzió szerint új
  • 0D pontszenzor
  • 1D sorszenzor
  • 2D szenzor (videó a területről.)

0D letapogatók

1 pillanat 1 pixel. optomechanikai Mozgó alkatrész (tükör v prizma) haladásra merőleges letapogatás. Whisk-broom vagy Cross-track szkennerek. Forgó vagy oszcilláló mozgással. 1 pillanatban 1 vagy kevés számú pixel.

1-2D

Elektro optikai nincs mozgó push-bruum or along-track

Egy vagy kevés számú sor. Multispektrális felvételek készíthetők vele. Hogyan lesz multi spektrális? Minden pixel előtt előtt bayern rgbgrgbg mintázat.

Mérőkameráknál inerpoláció több kamera a mérőkameráknál. Spektrális információt könnyebben gyűjteni.

Pásztázó letapogatás

A pászta szélén a felbontás jelentősen változik. Reichenbach szállal a távmérés. A korrekció cos^2 α korrekció. 45 foknál a merőleges pixelméret kétszeres.

a = \frac{h⋅ ω}{cos^2 α} Komolyabb felbontási szinten 250 m-es felbontás. 1 km a tényleges és 250-re beinterpolálják!

A pásztára merőleges irányban a felbontás változik.

Multispetrális előny

Egy prizmával vagy tükörrel. 1 pixelt eltérítjük a különböző színeket. (nagyon nem .ehet. 1 pixel 4 sávban, multispektrális.

Landsat multispektrális szkenner felépítése. Spektrális tengely. Sorszenzorral.

Elektro-optikai

Pásztán belüli felbontás nem változik! Szélén távolabb vagyunk, érzékelő is távolabb a vetítési középponttól, mint a széle. 2D érzékelő spektrális és térbeli tengely

Időbeni felbontás

Foto-ból időbeli felbontás technológiai jellmző, kamera milyen gyakran készít.

Geostacionáris

Itt a műhold pálya határozza meg alapvetően. Két leggyakoribb. Egyenlítő síkja geostacionárius. Fizika feladatban a magassága. Föld szögsebességével azonos sebességgel kering. Szökési sebesség, vagy lassabb nem jó. 35 600 km. Nagyon magasan van! Ny-től K-felé. Nagyon zsúfolt jelenleg! Minden ország ugyan oda akarja tenni az egyenlítőre. EU meteo szenzora afrika fölött. meteorológiai műholdak használják. Egyéb földmegfigyelők kevésbé

Kvázi-poláris, napszinkron

Majdnem a pólusokon áthaladó. 98fok körüli elhajlás 8 fok a pólustól. napszinkron. Naphoz képest szinkron, és a Föld alatta elfordul. Téli-nyári változik, de közel azonos megvilágítási körülmények. Két változata van. Leszálló ágú (ascending mód) napos oldalon lefele, árnyékos oldal alapján föl. Tükrözzük a meridiánra 82 fok napos oldalon felszálló, árnyékos oldalon leszálló.

Általában a leszálló és felszálló is. 500-900 km pályamagasság (jelentősen alacsonyabb).

Mikor halad át az egyenlítőn. 9:30–10:30 kb délelőtti. Jól süt a nap, de még nincs felhőképződés annyira.

Időbeli műhold pálya. Geostacionárius ugyan ott, technológia, hogy milyen gyakran. Napszinkron, hány nap után tér vissza ugyanazon pont fölé.

Napszinkron pálya LDCM orbit. Mutatna valamit. Landsat 8-9 16 nap! Pásztaszélesség 180 km. Jobb viszatérési idő kisebb felbontás.

LANDSAT

Youtube videó landsat history.

Lansat már megy a gyakorlaton. Távérzékelés szempontjából kiemelkedő. Amerikai műholdprogram a NASA és USGS közösen kezdte el fejleszteni. Földtani értékeket kutattak eredetileg ásványi kincsek hol helyezkednek el? 1960-as fejlesztés 1970-ben kapott szabad utat. 1972 első tag. ERTS-A földi erőforrás kutatás. Eslő polgári célú bárki számára hozzáférhető. Sok generáció.

Első generáció

MSS szkenner

3 ÉVENTE 72, 75,78

1972-78-ig működik. ERTS-B-nek is hívták a 2-est. 5–6 éves visszatréés. Nimbus alapú műhold. Meteo műhold alapjára fejlesztették.

Pályamagasság 900 km. 99.2 fok kvázi-poláris napszinkron 9:42 descending leszálló 103 perces keringési idő. 14 pálya/nap 18 nap visszatérési idő.

WRS-1 Worldwide Reference system első generációs azonosítási rendszer Keletről nyugatra nőnek a pászta számok. Nem időrendben halad a pályák között a műhold. oszlopik sorok: 184 egyenlítő

Mo-i műholdpályák 201,202,203,204, de nem időrendbe 26-27 sor. Még az egyenlítőnél is összeérjen, minél északabbra, annál nagyobb átfedés. 18 nap a pászták között gyakoribb az átfedő.

RBV

= Return Beam Vidicon 3 független kamera, más-más szűrővel 3 sávban. zöld vörös közeli IR

80 m felbontás

MSS

Multi Spektrál Scanner kísérlet, ide fejlesztették. 4 spektrális sáv (3 a vidicon) 5-6-7 zöld, vörös és két közeli infravörös. 80 m-es, de a technológia miatt változik. 185*185 km-es ez itt jellemző. Egy felvétel négyzetes. nem programozható szenzor. Nem volt memória. Akkor felvétel. Egy földi vételi állomás közelében, letölthető.

RBV zajos és rossz minőségű képeket készített. Nem váltotta be a reményeket.

MSS viszont jó és népszeerű lett. 6 pixelnyi sávot szkennelt be egy menetben! pásztára merőleges sávozottság a letapogatásból adódóan.

Második

4-9 a következő generáció a műhold pálya tekintetében. érzékelő vált. TM

4-5 a második. 4 1982, 5 1984 (29 évig ment, a 7-es problémái miatt visszakapcsolták.) Nyugdíjazták, mert a 7-es gond.

5 29 évig ment! Világrekord!

4–5 MSS szkenner fent kicsit jobb tartomány és itt a TM érzékelő 7 spektrális sáv

7 sáv B6 120 m felbontás. Ez már programozható.

B1–B3 színhelyes színes B4 közeli infra B5 közeli infra B7 középinfra B6 termális! Kilóg a sorból.

TM felvétel. 82–90-es évek végéig. A landsat a legnépszerűbb műholdfelvétel. Kép.

Termális sáv külön. Jelentősen durvább felbontás. letapogatás iránya is látható.

haradik

6 megsemmisült ETM az érzékelője, de felrobbant.

7-es ETM+ még fenntartásokkal még megy. Eddig mechanikai-optikai Bedöglött a mozgó alkatrész.

7 1999-ben állították pályára 2003 május végéig jók. Azóta SLC-t kikapcsolták. SLC off felvételek

TM + pánkromatikus sáv 8-as sáv 15 m-es felbontás. Termális sáv 60 m-re javult.

15 m-es pan, belemegy a közeli infrába. Vegetáció miatté

Probléma cikk-cakkban tapogatott le. Scan Line Correction. Kicsit előre ugrott és visszafelé tapogatott le. Párhuzamos pixelekkel.

Ez a SLC döglött be. Végül kikapcsolták. SLC-off FELVÉTELEK. pÁSZTA KÖZEPE VILÁGOSABB, SZÉLÉN HÉZAGOK. Sok cikk szól arról, pótlás.. Pászta közepe ok. Széle korlátozott.

8-9

Elektro. OLI/OLI2 Mindkettő működil 8 9 2021

LDCM - landsat data continuity mission

OLI megjelenik, nem mechanikai optikai (elektrooptikai) Jelentős fejlesztés.

TIRS hő sáv külön thermal infrared sensor. Külön szedték a kettőt.

SÁVKIOSZTÁS is változott! 1-es sávot az aljára. Minden sáv lépett egyett 2–4 a kék zöld vörös cirrusz kék infravörös. PAN jelentősen szűkebb tartományban! Csak láthatóban érzékel. 30 és 15 m.

Tengerparit kék és még egy plusz sáv, és B9 cirrus

Hőtartomény két sáv (10-11) 100 m-es felbontás.

12 bites felbontás. jobb radiometria. Mérete ugyan az programozható

OLI 564 A VEGETÁCIÓRA

9-es OLI2 és TIRS2 műszaki paraméterei kb 8-as. más kalibrációs értékek.

Második pálya

705 km 98.2 fok kvázipoláris napszingkron Egyenlítő áthaladás 9:45 (10:00 descending 100 perc keringés 14.5 pálya 16 nap visszatérés WRS-2 azonosítás hasonló jellegű

oszlop: 186-189 27,28

190 sopron az osztrák szelvény

Földi vételi állomások

Mo alapvetően Fucino róma melletti állomás és kiruna swédország hatókörében.

Régen adattárolás nem volt. Kiruna vagy Fucino volt régen. Még nem volt adattárolás. Hogyan gyűlnek a felvételeszámok. Nem volt vevő, nem volt felvétel. Ha nem töltötte le, akkor elveszett.

Jóval később, adattárolási kapacitás. Későbbi letöltésre.

Legfontosabbak a landsattal kapcsolatban.

Sentinel-2

• Sentinel 2A 2015-06-23
• 2B 2017-03-07

7 éves elévüléssel számoltak. Mindkét műhold nyugdíjas, már kész az újak, de még nincs előkészítve a pályára állításuk.

MultiSpectral Instrument (MSI) az érzékelő

13 spektrális sáv. Itt is meg vannak kavarva.

8-ból kettő 8a és 8b. Máshová esnek a betűk miatt.

Vastagon szedett sávok 10 m-esek (B2–4 és 8a) kék-zöld-vörös-közeli IR

20 m 5-6 8b 20 m-es felbontás. Short-vawe infrared. LANDSAT sávokhoz hasonló

3 db 60 m felbontás atmoszféra

12 bites.

290 km-t fed le. nagyon-nagy terület.

Sávok képei.

60 m-es sávok az atmoszféra vizsgálatát szolgálja!

Programozható?

Műhold pályák

Felszálló ágú pályák is éjszaka és nappal. Nem k-Ny időrendben.

36 - 79 - 122: 43 a különbség kettő között 144 műholdpálya van! Utána visszatérés.

Időrendi számozás! Amikor indult, akkor 290 km nehéz egybe kezelni. Azóta csak szelvényezve szolgáltatják.

UTM szelvényezés van! Mo két zóna és átfednek a szelvéynek.

33 szelvény és TXN betűkódok. Sopron. Átfedés ugyan az a felvétel akár két külön szelvéynben!

VHR felvételek

Very High Resolution

1 m vagy jobb felbontás!

Első polgári Ikonos 1999-től. Annak idején olyanok voltak, mint a légifényképek.

Ikonos2

1999 nem sikerült az első 1999 szeptember. Két műholdat fejlesztettek, de egy lett.

Pálya

700 km leszálló ágú 100 perc. 4+1 spektrális sáv. kék zöld vörös közeliIR + pankromatikus

Pánkromatius 1 m multi spektárálsi 4m. 26 fok ig.

Egy pászta 11.3 km széles. Ezeknél agilis oldalra tud tekinteni (agilis műhold) Nagyon keskeny egy felvétel! Technikai korlát!

11 bit. 20 km-nél nem tud szélesebbet. Sopron nem fért be, két felvételt kellett készíteni.

Pásztán belül sztereó! Előrenéz, visszanéz, szomszéd pásztába. Megfelelő geometriai pontosság.

3 nap visszatérési idő. 26 fokkal!

Programozható.

PANsharpened felvételeket mutatott.

QuickBird

ugyan olyan paraméterek, mint ikonos, de alacsonyabb lett a pálya.

USA 2001-10-18

2007-07-18 őrség űrfelvétel. Archív

GeoEye-1

Google logó GoogleEarth miatt közvetlenül szponzorálta. 2008-től

4+1 sáv. 15*15 km felvételek 27 fok oldalra 2-3 nap!

WorldView-2

2009 máig működik.

4+1 helyett 8+1 11 bit

1.8 m (0.46) 11 bit.

Kacifántos megrendelés. Taskingot kértek. Felhős felvétel készül. Hány % felhő lehet.

WorldView-3

Még tovább nőtt a felbontás 30 cm.

8 swri sáv is durvább.

Sok a spektrális felbontás.

30 cm-je. USA törvény nem tette lehetővé fél méternél jobb felvételt. 0.5m-el szolgáltatták. 2016-ban sikerült elérni, hogy az eredetit lehetett szolgáltatni.

Programozható?

<2024-02-26 h>

1-től gyakorlat. Gyakorlat célja, hogy gyakoroljunk! Fejmosás.

LandsatTM űrfelvételnél tartottunk.

tm RGB 321

NÖVÉNYZET rgb 453

EarthExplorer

Landsat 7 nyugdíjba vonult. Január 19-én.

ETM+ eNAHNCED TEMATIC MAPPER

LANDSAT 7 ETM+ C2 L2

bend 20

legújabb felvételt nézünk 2023 SLC off van!

Additional criteria bekapcsolhato az SLC off!

Lementettük.

Band8 négyszer akkora, mint a többi 15m-es felbontásával. Band 6 kis változás, igazából túl sok változás nincsen.

X:\landsat LE07_20000802 18927 B8-at hívjuk be 15m pánkromatikus

12345 7 qgisbe és a kiválasztottak csoportosítása

Raszter-egyebek-virtuális raszter

Eredmény fájl megynitása, hozzáadja a virtuális rasztert!

színkompozitok 321 természetes szíens 453 növényzet

60 méteres a hősáv már.

place each input file into separate FONTOS!

SLC nem érdemes vele foglalkozni

Landsat 8

Letöltéssel kapcsolatban érdemes nézni, ha a letöltés gombra megyek. 1.1 GB az állomány!!!! Jelentősen nőnek a méretek.

Eddig L1 produkt. Egyelőre L1!!!

L1: Level 1 = TOA top of atmosphere (nincs atmoszférikus korrekció) L2: Level 2 = BOA bottom of atmosphere atmoszférikus

Ha csak egy felvétel, akkor jó TOA, több felvételnél érdemes L2, mert nagy eltérés a felvételek között. Nem csak idősorra, hanem a területet nem egy kép fedi le, hanem több, mivel nem egyszerre készülnek!

Band 8 jelentősen több, mint a többi.

Egyéb adatok is előfordulnak. MTL állományok txt, JSON és XML Ezek a metadata.

Ebben vannak benne a sávok. Csoportosítva. Fájlok neve.

Nap iránya megvan. Pán 15m amúgy 30

Radiometriai anyagok.

OLI/TIRS L8/L9 B8 - Felhők vannak nyugaton. Sötét lesz

Belenagyít felhő nélkül és jobb klikk a fájlon széthúzás

A jelrenszer a tulajdonságban. min-max érték széthózős min max

Kumulatív szám vágás. Sötétből és világosból mennyit válgja le.

Kummulatív szám vágás - cummulative count cut 1%-99% szolid,

Átlag +- standard deviation

Nagyon világosak a felhő pixelek.

Kumulatív vágás azért jó, mert meg lehet neki adni, hogy mit vágjon le!

Átlag +- 3*SD kicsit szürkébb. Helyig leg is széthúzza

L7 és L8 jelentős eltérés! Nagy különbség, mert L7 belemegy az infrába. L8 és L9 éppen az infrába beelnyúlik. Más a tartomány!

Kijelölve rákattintva és jobb klikkelúgy csoportosítom. a ka

432 a színhelyes színes itt 564 a növényes

Hullámhosszak

A metadataban bent van a hullámhossz is! Központi hullámhossz van benne eleve.

png ábrát kell keresni Háttéren az atmoszféra áteresztő képességei. 10-11 a TIRS sávja.

Landsat 7, 8 és Sentinel összehasonlítás.

QA Quality Assurance

qapixel Quality Assurance

Palettás egyedi értékek megjelnítés csoportosítása Palettát válast a synologynál és kitörlöm az 1-est. Paletted/unique valude

Bitenként állnak össze az egyet 1 fill

Internetes dokumentumot néztük. Felhő és felhő árnyék a bitekből kacifántos pixel értékek.

A számok a bites összeget jelenti. Hi 1-es küdot töröltük.

qgis alá van jelmagyarázat. Nagyon sok variáció.

Kiveszetette a minusz jelnél és felhő és felhő árnyék

Alapvetően automatikus feldolgozás eredményeként jöttek elő. Hol van felhő és felhő árnyék, hó és víz!

RADSAT tiff

Nem volt érték

SAA

Paletta egyedi érték és osztályok. Különböző korrekciók

SZA

VAA

OLI TIRS érzékelői

QA kivételével töröltünk!

png

Landsat összehasonlító értékek

MSS, tm etm+ Összehasonlító png elég jó mutatja

MSS-nél 4567 a sáv. Az rossz az ábrán!

Új letöltések

LC08 2023-09-11

Űrfelvétel elemzése előtt kivágatot csinálunk

Pixel adatok mindig vanna, nem tud ferdét, mindig szögletes. 5294000 606000 642000 5273000 Kiírja az oszlop sort

21*36 km!

Virtuális raszter jobb klikk exportálás mentés másként!

Második

Layer alapján tudom a kivágatot. Ki kell vállasztani a nevétl

VEgetációs indexek

A kivágatokból csináljunk.

NDVI a legfontosabb vegetációs index

ndvi = (nir-red)/(NIR + r)

Trükk a más sáv számok. OLI TIRS esetében

5 - 4

ndvi(OLI = (B5-B4)/(B5+B4)

Raszter és raszter kalkulátor

RAster -> Calculatro Sáv neve @ sáv száma

Eredeti raszterből is számolható, de akkor sort oszlopot be kell írni. Célszerű elevw kivágatbül.

NDVI [-1 … +1], DE itt -0.2…0.6-ig.

Minél nagyobb, annál nagyobb a vegetáciü aktivitása. Erdőnek nagyobb, mint mg területnek.

Singleband pseudocolor Egyenlő intervarllumok

Alja … -0.1 = víz 0.4 fölött erdő 0.1..0.2 0.2..0.4

Belső tavak 0.1-ig víz. Városban is víz. Kicsit csökkentünk!

Tényleges osztályozás

NDVI kategorizálás. < 0 .. 0.1..0.2..0.2…4 <

Kategorizálás raszter kalkulátorral.

Alapképlet az NDVI KIVÁGATTAL

Lentről haladunk > 0

Minden kifejezés igaz-hamis és ha igaz 1, ha hamis 4 0..4-ig lesz!

( raszter >0) + (raszter > 0.1)

Leosztályozott pixelből tudunk területet számolni. Ennek lesz jelentősége.

Friss felvételből is csináljunk.

Ideiglenes rétegek. Hernyó és lementés, ha rákattint.

<2024-03-04 h>

Hol jártunk? Sentilen, WV3 volt.

Műhold nyáj

Flock of satellites

Elon Musk globális internet szolgáltatása. Ő is műhold nyájjal dolgozik.

Planet cég kisműhold, de nem mikroműhold 30*30*60 cm Egyszerre 48.

2021-01-24 48 egyszerre pályán. Super Dove Műhodak.

Pár óránkét akár lehet felvétel. Teljesen passzív műholdak. Visszahullanak. Addigra a következők fent vannak. Nincs igazán

Rafael Schmall: The Prison of Technology Elon Musk műholdjaiből fénykép

250 db Planet műhold pályán Visszahull és elég. Időbeni felbontás miatt jelentős szereplő.

3 m körüli felbontás, Jó ismétlés. Javuló tulajdonságok

Áttekintés

Meteorológiai műholdak

Jó időbeni felbontás kell. Spektrális közöeües, gyenge geometriai felbontás jó radiometria.

Kém műholdak (térképészeti)

Kiváló geometriai felbontás, gyenge spektrális jó radiometriai felbontás.

Erőforáskutató

spektrális felbontás jó, ez a legfontosabb. Közepes geometria és idő, jó radiometriai felbontás.

De nézzük a World Viewt. Mindegyik jó, elmosódnak a határok. Műholdnyáj rendkívül jó időbeli felbontás. Jó közepes geometriával. Új szegments nyit. Szállító hajók monitorozása!

Trendek

Felbontások növelése.

• Geometriai
• Spektrális
• Időbeni
• Radiometriai

Marketing jelentősége is van. Legjobb geometriai felbontásból műholdfelvételből több az eladott termék! Veszik, mint a cukrot. Az elsők mindig sokkal népszerűbbek.

Új technológiák

pl. lézeres altimetria, gravimetriai műholdak, légköri vizsgálati technológiák (korábban nem volt).

Adathozzáférés

Közel valóés és valós idejű adathozzáférés. Planetnél szolgáltatást veszünk. Felvétel megvan és a szolgáltatáson belül hozzá lehet férni. Akár lehet egy adott területre bármely felvétel.

Hiperspektrális felvételek

Fontos tudni, hogy an egy német műhold. Régóta tervezték. Sikerült. Nmap nevű műhold. Ingyenes hiperspektrális felvételek. Német DLR vezette a fejlesztést. Sokat csúszott, de jó felvételek. Gyakorlaton megismerkedünk.

Minimum kérdések

Amivel foglalkoztunk gyakorlaton ingyenes, közepes felb.

Landsat 8, 9 OLI/TIRS érzékelők felbontásai

Sentinel-2 MSI érzékelők felbontása

10, 20, 60 m 13 spektrális, 12 bit radiometria, 1 műhold 10 nap, 2 műhold 5 nap

Aktív távérzékelési műholdak és érzékelők

Radar érzékelők

Aktív érzékelők

Sok műholdon vannak nem képalkotó érzékelő (egyszerű távmérő) Műhold magassága. Szórás mérő, az adott felület hogyan szór vissza elektromágneses sugarakat. (Scatterometer)

RADAR

Radio Detection and Ranging

• Időjárás-független Rádióhullámokban a légkör teljesen átlátszó. Ahol a felhőborítás jelentős, trópus, szigetek, boreális rossz megvilágítás. Nagy jelentőségű, napszak független, nem számít nap süg-e?
• Mikrohullámú tartomány 1 cm – 100 cm λ

LiDAR

Műholdon is. Light Detection and Ranging

• Napszak-független (nem időjárás)
• Látható és infra
• λ 400–1700
• Képalkotás scanning időben.

RADAR

történet

• 1904 Christian Hülsmeyer Telemobiloskop távolról mozgás megfigyelése. Radarhullmokat jól vissuaveri. Hajóknak a mzogását figyelik
• 1917 Nikola Tesla, elméleti koncepció. Nagy előrelépés, csak elméleti koncepció.
• 2 világháború között a repölőgép detektálás fontos!
• 1934 USA, nÉMET, Franci
• 1935 Robert Watson Watt angliai szabadalom
• 1946 Bay Zoltán Holdradar (Föld-Hold távolság)

Elv

Aktív EM impulzus

• Visszavert sugárhás rögzítése (ampli és fázis)
• Távolság mérés, kell a fázis mérés is (hullámhossz lehet m-es is!) Hullámhosszon belüli távolságok!

Felépítés

• impulzus előállító (jelg generáló)
• Jeladó
• Kétszerező (duplexer) kibocsátott jelet a vételi oldalra rögtön, fázis összehasonlítás
• Irányított antenna, amelyek a kívánt irányba sugároznak
• Antenna, amely veszi a visszavert jeleket (két független antenna!)
• Vevő amely meghatározza az időt és taáakítja a jelet
• További feldolgozás
  • Analóg kijelző (CRT, Film)
  • Adattároló
  • Elektronikus jelfeldolgozó

Kép a háborús fimből Zöld katódsugár csöves kijelző. Látszik a jel, de felügyelet!

Radar hullámhosszak

• K
  • Ka sáv: ν =
  • K
  • Ku
• X
• C
• S
• L

P

\lambada 30–100

Nagyobb hullámhossz, behatol az objektumba, Belső felületről verődik. Nagy hullámhossz talajnedvesség. Behatol a talajba és víztartalomról információ. Erdészeti esetben közvetlen fatérfogat P sáv visszaveréséből.

Képalkotó RADAR

Mindig oldalra trekintő

SLAR = Side Looking Airborne Radar

Oldalra tekint közeliről hamarabb, távolról késbb jön. Oldalra tekintés!

RAR

Real Apeture Radar (milyen szögből veheti a jelet?) kisebb szög, jobb geom felbotnása Optikához nagy on kis nyílásszög jó optika! Nagy antenna kis látószögű felvétel. Műholdra nem fér fel!

SAR

Synthetic Aperture Radar mesterségesen lecsökkentett, Antenna méret, súly csökkentésre. Távérzékelésben szinte kizárólag ez!

Repülő kép repölési irányra merőleges. a kb= c * Δ t * cos Β

Vízszinteshez közeli , akkor jobb felbontás. Haladási irány pixelméret:

b = s*Α Minél hosszabb távolság, haladási irányban nagyobb felbontás!

α = λ / l

l antenna hossz λ hullámhossz

pontszerű antenna körkörösen sugároz, egyenes antenna hosszú egy irány, parabola is egy irány.

l-et repülés és műhold technológia miatt nem nő.

SAR

Egyedi impulzus sorozat, kibocsátás és közben megy a hordozó eszköz. Így tudjuk, hogy a visszaverődő jel, honnan lett kibocsátva, haladási irány hosszú antenna. Haladással növelt antenna, pászta irányú felbontás növelve.

Torziítások, rövidül a kép a nadír pont közelében. Dia, hogy a gép alatti képet megnyújtani, 90foknál nulla a felbontás. Hatékony pászta ne legyen túl közel a nadírhoz, Nagyon oldalratekintés sem ideális.

Rövidülés

Felvételek rövidülnek. Hegycsúcsról hamarabb jön a jel, mint a völgyből. Felvétel a domborzatból. A hegycsúcsot eltolni. Átfedés is lehet.

Korrekciónál fontos a domborzat modell. Tudni kell az elem magasságát. Köríven belül bárhonnan visszajöhet a jel.

Árnyék hatás

Aktív szenzoroknál teljes az árnyékhatás (nincs információ) Nincs szórt fény!

Hegyvidéken nincs ifó az árnyékból.

SAR fejlesztések

Polarizáció

(régóta használt) Vertikális és horizontális polarizáció két scsatornán vert és hor, két csatornán veszik. Van polarizáció változtató felület. Anyagminőség! Nagy sima felület. beesésre merőlegesen polarizált. Sok anyag nem ugyan úgy veri.

Sztereo radar

azért, hogy domborzat modell, kifejezetten az előállítás. Két vételi antenna. Meg tudom határozni, honna a jel. Két kör metszése!

Interferometria

Finom eltérése a visszavert jeleknek Nagyon apró elmozdulások. Kanadai radar nyárfa, nagy levél a tűlevélhez képest, polarizál, azonosítható a nyár a tarvágáson! Vonala objektum, biomassza becslés, fafaj, tűzkár becslés.

• Interferogram ugyan arról a területről két eltérő időpont vagy helyról visszaverődő jelek. Szivárvány szín. Ahol sűrűsödi ka szivárvány: földrengés. FIR magyarországon gátak, vízügyi létesítmények folyamatos vizsgálata. Elmozdul valami, risaszt! mm nagyságrendű elmozdulás is akár! Ha jó a referencia adat! 1 mm + 1 vagy két teljes hullámhossz! Olyan helyen működik jól. Visszaverő felület épület sarka, nem változik a geometria. GT kerti reflektor. A felvételeket egymáshoz jól tájékozzák. A szórópont azonos. Ehhez képest az elmozdulás könnyű. Jól detektálható Jellegzetes pontok. Természetes környezetben nehezebb. Növényzet nő, évszakok.
• Sztereo radar domborzatmodell is színesen.

RADAR repülőről és űrből

Első képalkotók repcsiről.Ugyan akkora felvétel a repülőről nagy látószög változás. Műholdnál a két szög különbsége jelentősen eltér!

Hordozóeszköz

Légi:

• Convariir-580 C/X SAR kanada
• STAR intera kanada x sáv
• AirSAR (NASA)
• INTERMAP NEXTMap magyaroszági indulásnál válság, azóta sem!

Úr

• SEASAT 1978 L sáv, HH sima polarizál, hullámos kevésbé.
• Európai
  • ERS-1
  • ERS-2
  • envisat 2002 C továbbfejlesztet
• Japán
• Kanada Radarsat1-,2

ENVISAT

• ESA
• 10 év 2002-2012

Érzékelők Sok érzékelő radar.

SENTINEL-1

ENVISAT hagyományát folytatta. Sentinel 1A 2014, 1B 2016-

• C sávú
• Vízszintes és függőleges
• Új generáció kész fent van az egyik már be is döglött. Oroszokra támaszkodtak!
• H/V polarizáció
• Sokféle módon leht felvételt készítnei
  • Stripmap mode teljes spászta különböző időben 20-45 fok közötti 80 km 5*5m
  • Interferometirc Wide Swath interferometriára vonatkozik, Széles, de nem tejels
  • Extra Wide Swath teljes területről 400 km 20*40m
  • Wave mode 20*20

Interferogarmhoz nem minden mód. Sok ,de nem jó.

SRTM

Shuttle Radar Topography Mission

Régi, de általánosan használt, globálisan egységes domborzat. 2000 ben Endevour Őrrepülő 10 nap alatt, majdnem globális. Tavaly is hoztak ki új terméket (új feldolgozás).

Sztereo radar volt. 60 m hosszú rudat toltak ki. 60- szélességig 60fokos pálya hajlás. Elég jól felmérte, 90- 30- 10- m-es globális DDM. EU hivatalos DDM-je is SRTM-en alapszik! Évtizedekre meghatőrozó.

LiDAR

Műholdas lidarok.

• Optikai tartományban
• Távmérések sorozata
• Letapogatás -> képalkotás (radar oldalra tekint)

ICESat műhold

Jég- felhő és földmagasság 2003-2009

NASA PROGRAM

kÖZEL KÖR alakú fagyott pálya. 183 nap. Évente kétszer ua a pálya. Egyenlítő mentén 15 km, Mo 9 km.

GLAS érzékelő

Lézerágyú látható zöld és közeli infra, 40 Hz (ritka) csilla a geometria + GPS. 170 m-enként profil. Full-wave form. 170m-enként 70 m átmérőjű kör. Felhőkről és növényzetről

Globális famagasság térkép Michael Lefsky Global Forest Height

ICESat-2 Sokáig nem ment.

• ATLAS Advanced TOPOGRAPIC LASER ALTIMETER

Eltérő hullámhossz, koncepció. 532 nm 1 sugár három sugárpár, erős és gyenge jel. Erős kevésbé reflektáló, gyenge a kevésbé reflektáló. 10 kHz-el dolgozik. Időmérés 800 piko sec. 10^-12 Stopperórájával problémák voltak. Pályára állítás ezért csúszott.

3 pár, a lejtést ist tudjáb belőle. Sok eléris felület Open Altimetry.

Éjjel nappal felmér. Teljes felmérés, talajpont osztályozás, növényzet magasság.

GEDI műszer

2018 ISS-re tették. 51.6 fokos pályahajlás. Teljes jelalakot rögzít, elsősorban ököszisztéma vizsgálatra. Keresztmetszetet viszgál. Magassági profil. 25 m-es lábnyom. 8 sugár nyaláb párhuzamosan.

GEDI Fost Canopy Height. Ezzel mutatja, hogy hol milyen magas erdők.

Lézeres mérések nem scanning profil menti mérések. Hosszmetszet a profil mentén.

Ingyenesen felhasználható ez is

Copernicus Sentinel-6

• 2020 pálya
• tengerszint változás
• Poseidon, Jason küldetés öröksége
• 1993-től átlagosan 3mm/év! Sok pröbléma lesz.
• Aktív RADAR eljárással. Visszaverődés a hullámzást is.

Minimum kérdések

• SAR meghatározás olyan berendezés, ahol a pászta irányú felbontás egyedi impulzus sorozattal növelve. Pászta irányba növelik. Ma az összes képalkotó radar, így.
• LiDAR nem újdonság. Itt az Úr hordozó eszköz. ICESat 1-2 és GEDI
• aLKALMAZOTT hullámhossz 1cm - 100m RADAR, LIDAR 400-1700 nm tartományok.

Következő anyagrész az adatbeszerzéssel

Így zárjuk az első kérdést.

<2024-03-04 h> gyak

Landsat 2 betöltés

Nagyon eltérő kategorizáslás. Vegetációs indexek hisztogramja NDVI 2013-2023 Hisztogram megnézése. elmentése. Különbségekre a figyelmet. Alapstatisztikák is különbözőek.

• 2013 NDVI -0.19 – 0.6
• 2023 NDVI -0.22 – 0.57

Nem nagy eltérés, de kicsit korrigálni kellene a határértékeket víz csúcsa lent, jelentős különbségek a csúcsokban. Kevés az erdőterület. 0.2-től felfelé, akár lehet mind is erdő.

Határok 2023-nál

• -0.1
• 0.05
• 0.2 –

Raszter, raszter kalkulágor. Csak négy kategória így. A kifejezéseket zárójelbe. (raster > - 0.1) + Palettás egyedi érték és osztályoz.

Referencia esetén hatékonyabb a tanító területek osztályozsáa.

Víz területek

Megnéznénk a víz területeket Előtte-utána térkép Megnézzük a víz kategóriákat. Össze szorozzuk a kettőt. Helyi érték szerint.

Raszterkalkulátorban a kat5-ben második helyi érték *10 + 2023 kategorizált! Első szám 2013 milyen kategória a második 2023-ban milyen kategória. Nem nulla 3..23.. nulla nulla víz volt és maradt!

Változatlan kategóriák

• 00
• 11
• 22
• 44

Nullával nehezebben áttekinthető. 5*5-ös mátrix.

Van-e kérdés?

Sentinel 2

Hivatalos oldal. Nem rég megváltozott Sentinel data hub a böngészőbe.

https://www.sentinel-hub.com/

és EO-browser -> Start Exploring

Tutorialt kihagytuk, Kijelöni, hogy mire keressünk.

Jobb oldali második ikon téglalap. Bejött négy szelvény, 2-2 sávra. Sötétek két sávon felmérve. Időbeni felbontás.

Advanced search, max. cloud coverage. 10%

Mintha a téglalapot nem vette volna figyelembe.

Vizualizációnál a teljes szelvényt felveszi.

Dátum szerint előre hátra lépkedni. Felhőszárés külön beállítható. Sentinel 2 kondenzcsík más látószöggel, a földet teszi helyre. Landsatnál nincs kondenzcsík.

Régit lezárták úgy, hogy az új nem működött.

Teljes felvétel, ami felhőmentes.

Javasolt a regisztráció. Regisztráció után a felvételek letölthetők. Ezen keresztül a DEM-et is el lehet érni. Új ecosystem van egy része az EO browser API és felhő alapú elérés is van.

Copernicus Data Space Ecosystem

Belépést nem enged.

L1C és L2A feldolgozási szintek. Mindegyiknél ugyan az a felvétel.

Ugyan azt a felvételt két eltérő feldoglozási szinten.

https://apps.sentinel-hub.com/eo-browser/

FIR

mAGYAR FIR oldal ezen belül: https://efold.gov.hu

Letöltéshez ügyfélkapus letöltés.

L2A mindig kontrasztosabb. Néhány helyen túlkorrigálja az L2A-nál. Bal oldal egyik, jobb másik az összehasonlításnál.

Két termék:

• Sentinel SAFE
• EOV geotiff

Jól működik az oldal. November 11-én megváltozott adathozzáférés, február közepéig nem ment a letöltés.

2-3 naponta felvétel, igaz, hogy felhős, de jól lehet követni. Igaz roszabb a geometriai felbontás, mint VHR-é, de elég jó.

X meghajtón S2 mappa SAFE csomag. 1.2 GB zip.

eföld felvételek.

S2b_msil1c t33TXN

Kacifántos adatstruktúra.

MTD állomány metadata.

l1c

Sávok benne.

13 spektrális sáv. 8 és 8a van külön!

TCI Granule - azonosító - IMG_DATA

jp2 jpeg2000 a hivatalos formátum. B2, B3, B4, B8 100 MB 10m-es sávok B5, B6, B7 20 m-es fájlok kb. 4-ede. B11, B12, B8A 20 m-esek B1, B9, B10 60 m-es sávok

TCI = True Color Image Színhelyes színes B2, B3, B4-es sávból

Metadatát nézegettük. Hullámhosszak, stb.

10 m-es sávok virtuális raszter

Raszter-Egyebek-virtuális raszter Külön sávra és mentés fájlba.

Színhelyes színes B4-B3-B2 (321) a truecolor.

RGB-832 (421) infra melegebb tónus. Barnásabb árnyalat. RGB-843 (432) INFRASZÍNES filmtípus vörösesebb.

Alul kubic convolution alul. A legközelebbi szomszédnál látszik a pixel.

5-ös vörös él 6 inkább infrás 8 közeli infra 11 és 12 középső és SWIR

20 m-esekből RGB-8a-11-5 (451)

60M-ESEKBŐL

1 - tengerparti kék 9 - vízgőz 10 - újabb elnyelés Magas szintű fátyol felhő látszik.

20m üledék miatt más színe.

Vegetációs index

L1C-ből is.

10m-es sávokból szoktuk. B8 közeli infra, B4 látható vörös

NDVI = (B8-B4)/(B8+B4) Az előző alkalommal a raszter kalkulátornál meg lehet adni beoglalóg. Oszlopok és sorok számát át kell írni.

Minimumtól 5300000 600000 640000 = 40 km = 4000 pixel 5274000 = 26 km = 2600 pixel

Ki kell számolni, QGIS sajátosság. FONTOS, hogy nem számolja át közvetlenül. B8 és B4 felhasználva. 10m-esekből is lehetne.

hisztogram szenzorok között eltérő lehet, itt is csúcsok, lehet kategorizálni.

41 MB kicsit nagyobb!

L2A

Eddig L1C, most L2A

aug 15

2023-08-15

L2A_20230815t095031_R079_t33txn

MTD eltérő adatsturktúra GRANULE, img DATA

Itt datában 3 mappa!

AOT 10m, WVP fájl pluszban.

AOT atmoszféra átersztő képessége. Hegycsúcson jobban átlát kevesebb réteg, ahol felhő, ha a domborzattól függetlenül.

WVP

Water VaPor

Hegység.

8-as sávban megváltozott a terjedelem az atmoszférikus korrekció hatására. Abszolút értelemben össze lehet vetni a szomszéddal.

20m legyártják a 10m-eset is, 60m-nél az összes.

SCL valamilyen automatikus osztályozás CL = classification.

Magasabb feldolgozottsági szinten könnyebb dolgozni, de vannak túlkorrigált részei. Főleg hegyvidéki terület árnyékos északi lejtőjén.

Processing benne a termékben. Szokták aktualizálni.

Landsat L2A-t nem tárolják, ember megigényli. Itt a Sentinelnél legyártva, ha változtatnak, akkor változtathatnak rajta.

L2A-ban redundáns felvételek.

Jövő órán folytatjuk a Sentinel2-es munkáinkat. Kivágtot készítünk, digitális képfeldoglozás lépései.

<2024-03-11 h>

Interpretálás feladathoz

Területleírás. Mi a terület, miért választottuk, milyen szempontból.

Szép felvétel. Geometriai felbontás jelent csak meg. Nem annyira jó. Felvétel linkje is jó lenne.

Határ olyan legyen, ami a felvételen is látszik.

MMU minimal mapping unit. Minden, ami nagyob. Vonalas létesítmény, amit megadunk minimális szélesség. Nagyon vékony vonalas létesítményt nem különítünk el.

Olyan határok legyenek, amik az űrfelvételen látszanak. Hozzá lehet csapni (vasút, beéptett terület.

Kategóriák, corine beépített, mezőgazdasági terület, erdők és természetes területek, vizenyős területek. Partmenti rész. Beépítet1; beépített2

Poligonok leírása, érdemi információ kellene. Hogyan változott, könnyen megnézhető. Nagy része 30 éve iparterület, időben változott.

Konzisztencia nagyon fontos. MMU-t nagyobbt érdemes választani.

Egy felvételt, ha érdemes.

Adatbeszerzések

Gyakorlaton már érintettük. Nem olyan fajsúlyos. Rendszerezni próbáljuk.

Az egyes adatokat milyen módon és hogyan tudjuk beszerezni?

• Adat-előállítótól
  • Űrkutatási hivatalok, szervezetek
  • Magáncégek
• Adat-szolgáltató
  • Globális és nemzeti sadatszolgáltatók
  • Magáncégek

Vannak integrátorok, akik tanácsot is adnak. Van egy csomó kapcsolata, szaktanácsadás. Adat előállító azt adja, amit csinál. Nem mondja, hogy arra a feladatra nem jó a felvételem.

Nemzeti szervezetek

Régebben csak ilyen nemzeti és nemzetközi szervezet. A 1990-es évek elejétől léptek be magán cégek.

Adatszolgáltató is lehet sokféle.

Magyar nemzeti adatszolgáltatók

Lechner Tudásközpont (ex FÖMI)

https://lechnerkozpont.hu/oldal/adatkorok

• légifényképek (Nemzeti archívum)
• Űrfelvételek (régen nagyobb jelentőségű) rég eladtak ingyen Landsat felvételt. Archívuma van. Sok felvétel ingyenes lett, amióta megvásárolták. Ha bárki vett űrfelvételt, náluk a másolat automatikusan megvolt. Azt is eladták/ják.
• Felszínborítási adatbázis. CORINE a FÖMI koordinálásával készült. EU honlapról letölthető, de FÖMI-től EOV-ban letölthető.
• Egyéb adatok. DDM, egyéb földrajzi névtár, közig határok. http://www.geoshop.hu első feladatra vonatkozóan is érdemes korábbi munkákat megnézni. Régi térképek hasznosak lehetnek. Időben változó dolgok. Ingyenes topo térkép, felszínborítási réteg. Rég ki, minek interpretálta. Fontos a helyszín ismerete.

HM Zrínyi Térképészeti és Komm. Szolg. Kh. Nonprofit Kft.

https://hmzrinyi.hu/terkepeszet

• Nyitott égbolt, hozzéférkeztő
• nagy múlt és sok felszínborítás

Mérőkamerás légiflnyépek

Eurusense

Ma már csak ezek dolgoznak.

Carto-Hansa

Telecopter

Envirosense Hungary Kft

Jelentős szerepe van. Ország 55-60% domborzatmodell. Korában csak hiper spektrális és ALS.

Űrfelvételek

MASAT-1 eredeti specifikációval szemben kis kamera. Kis felbontású űrfelvételek (érdekes).

Magyar műholdak

Masat-1

pico (10*10*10 cm) három évig kerintett. VGA kamera

SMOG-P

P = precursor 2019-12-06

SMOG-1

2021-03-24 Elektroszmog mérés 5*5*10cm

ATL-1

Szigetelőanyagok.

Hivatal

Űrkutatásért felelős. Külügyminisztériumhoz tartozik. Ferencz Orsolya miniszteri biztos asszony. Nem régen bejelentette. 2025-re saját műhold, később saját űrhajós.

Globális nemzeti adatelőállítók és forgalmazók

A két legfontosabb az ingyenesen elérhető felvételek miatt.

ESA

Europai űrügynökség.

NASA

Amcsi légi és űrkutatási.

European Space Imaging

Sok adatot forgalmaz és van kimondott szaktanácsadási szolgáltatásuk.

USGS Earth Explorer

Adatelőállító is, mint LANDSAT üzemeltető. Adatintegrátor Earth Explorer.

Globális magán addat-előállítók és forgalmazók

VHR ŰRFELVÉTELEK

DigitalGlobe (Maxar)

jelentős

Airbus Defense and Space

divíziójuk katonai védelem elsősorban. Jelentős szereplője a távérzékelési adatoknak. Pleiades műholdak. nio műhold család. Sok adat, ami jelentős tényezővé teszi őket

Planet

Műholdnyájak segítségével átalakította a piacot.

Ingyenes távrézékelés

Sentinel adatok

Nagyon sok lehetőség az elérésükhöz.

• Sentinels Scientific Data Hub
• Earth Explorer (egyrész csak)
• Sentinel2Look
• Sentinel-hub Playground
• EO Browser
• Land Viewer

Érdemes többet ismermerni, mert idővel változik, Mit-hogyan érünk el!

Landsat adatok

MODIS adatok

Ingyenes távérzékelési DDM adatok

• SRTM
• ASTER GDEM
• ICESat/GLAS adatok

Részben távérzékelés és kapcsolódik.

Egyebek

• Google Earth jelentős befolyásolása, VHR emberekhez közel hozva, több műhold, amit a google rendesen szponzorált. Feltöltéshez
• http://www.heavens-above.com régen jelentős volt. Német civil szervezet, globálisan minden állampolgár tudja, mi van felette. Benne voltak az amcsi kémműholdak. Tudták a terroristák, hogy mikor jön a műhold. Mind a mai napig meg lehet nézni mi van fölöttünk. Német-amerikai konflikuts a terroristák miatt. Érdemes megnézni.

Minimum kérdések

• FÖMI-nél elérhető távrézékelési adatok
  • nemzeti légifénykép, űrfelvétel arch, felszínborítás
• Katonák katonai légifényképt, topo archívum
• Magyar műholdak
• VHR magánműhold Maxar összes műholdja, iconos, quick bird, wolrld view, GEOR

Felévtelek értelmezése

Vizuális interpretáció

Adatfeldolgozási résszel foglalkozunk. Két félre bontott anyag második része innen.

Felvételek feldolgozása

• Geometria
  • Centrális leképezés
  • nem centrálsi leképezé
• Tematika
  • vizuális interpetáció (hagyományos) szemünkkel és agyunkkal értelmezzük. Tematikus térkép.
  • digitális képosztályozás később foglalkozunk

Képi információk

Nem mindig élesen elkülöníthetők

Minőségi

• Alak
• Textúra ez mennyiségi is
• szín
• kontextus emberi agy jó benne. Város közepén, erdőtömb közepén, a környezettel való kapcsolat. Mibe van beágyazva. Gyorsan áttekintjük, léptéktől független, nem külön az objektumot, hol helyezkedik el?

Mennyiségi

• hely, irány, nagyság
• szín, textúra (pixel érték, mintázat pixel érték változása)
• Kontextus

Követelmények

• Az eredmény geometriai pontossága megfelelő legyen. Adatelőkészítés fontos. pl ortofotó mozaik jó legyen. Vetületbe illesztett űrfelvétel. Geometriai pontosság az interpretációs munkához. Nem a feladat lényege az űrfelvétel vonalai pontosak legyenek. Nem jó, ha egy óráig rajzoljuk a határvonalat, mert nem rakjuk arrébb. Inkább lássuk, hogy mit akar a szerző. Nagy vonalakban, inkább 3-szor átrajzol, mint pontosan! Konzisztens eredmény! Alapanyag és manunknak is adott pontosság. Adott nagyítási szinten kötelező a rajzolást elvégezni. Hosszú egyenest berajzolni. Ne aprózzuk el nagyon a munkát! Konzisztencia.
• Tematikusan pontos legyen
• Kiértékelési módszer megbízható és kiterjeszthető legyen. Más területen, időben megismételve.
• A térképhez kapcsolt numerikus adatok megbízhatóak.
• Kiértékelés megfelelően gyors, gazdaságos, objektv és ismételhető legyen. Nálunk itt egy feladat (tapasztalatot szerezni). Iszonyú nagy munka és területarányos. Tapasztalat segít. Meddig érdemes lemenni? Munka. Előre kiválasztott terület és aprólékosan. Meglegyen és konzisztensen részekre bontani.

Értelemezés típusai

Analóg értelmezés

Korábban analóg felvételeken analóg értelmezés. Sokszor sztereoszkópikus szemlélés.

• kvalitatív (minőségi)
• szereo szemlélés
• egyszerű eszközök
• ismeretek

Corine, kezdetén az űrfelvételeket kinyomtatták és fóliát fektettek. Fólián filccel határokat húztak. Fóliákat digitalizáltak. Ősidőben a digitális felvétel is analóg volt.

Következő körben már volt más lehetőség az első CORINE így készült.

Digitális képfeldolgozás

• Kvantitatív
• 3-nál több sávos felvételek
• megismételhető később más eszközzel és szoftverrel megismételhető ua. az eredmény.
• Eredmények további felhasználása. Manapság geoinformatikai renszerben használjuk!

Erdedmény termék tematikus térkép. Kvalitatív, de pixel értékekkel dolgozvan kvantitatív.

Színkompozitok használata. Emberi szem csak 3 sávot értelmez!

Analóg értelmezés részeltesen

• Kiértékelő végzi műszerrel Képanyag teljes tartalma csak nagyítással.
• Kiértékelő szaktudása
• szubjektív (hiába tapasztalt) próbáljuk csökkenteni

Analóg mérőértelmezés

• Egyszerűbb mérések (hossz, terület, denzitás, magasságkülönbség, stb.) objektívvá tegyük.

Kiértékelés során figyelembe vesszük

• teljes információ tartom
• kiértékelő szakismeret, tudás
• tapasztalata, tárgyismerete
• helyismeret
• egyéb források (10 évvel ezelőtt, statisztikai adatok, pl beépítettségi százalék, külterület arányai) Sokszor jó, ha valamihez hasonlítunk.

Műszerek követelményei

• képek szemlélése folyamtosan változtatható
• sztereo vizsgálat, parallaxis mérés
• vázlat
• átazonosítás
• időpontokban mégzett

pl műszer

Wild Aviopret APT-1

MAX 23x23 cm képpár zoomsztereoszkp

• ráeső és áteső fényben.
• harántparallaxisok a szemlélő forgatásával
• vitaokulár

Gyakorló vászon alatt. Forgatható karok. Fényképkivágat a vizuális kulcsokhoz.

Csúcsberendezés volt. Sok tanszéki munka!

<2024-03-11 h> Gyak

Javítás egy héten belül

Sentinel Level2A

Augusztusi felvétel, amivel foglalkoztunk.

Kivágatokat csinálunk.

EOV vetületben készítjük el. vETLET ÁTÁLLÍTÁS. Az első trafo.

Befoglalók: 272000 452000 487000 255000

Erre a kivágat. Lehetne külön az egyes rétegekből. Az összrakott virtuális raszterből is lehet. Mindkettőt megnézzük.

2,3,4,8

RGB-432 (321) JOBB Klikk mentés másként

Format: File ER-mapper labelled

10x10 m-es felbontás

Viszonylag lapos a kivágat. Hozzáadást választottuk

Formátum: ERMapper ers no = 3500, ns = 1700, 2 bájt eredeti tiff fájl, nsáv = 4, 2 byte

Koordinátákkal elírtam valamit.

5 sávot tettem hozzá. egy sok. 47 600 0000

20m

Ugyan így a 20 m-es kivágatok B05,B06,B07,B8A, B11, B12

Formátum: ERMapperers no = 1750, ns = 850, 2 bájt eredeti tiff fájl, nsáv = 4, 2 byte

17 850 000 bájt

TOPO XMAP

hOZZÁADÁS

ers típust érdemes választani.

Egy lépésben. Transzormáljuk és megcsináljuk a kivágatot.

Más a beállytások kezelése. Alapértelmezett kompzit?

RGB 843 INFRA

H hisztogram széthúzás

RGB-843 (432) INFRASZÍNES FILM (LILÁS) RGB-832 (421) infraszínes (barnás) RGB-432 (321) színhelyes színes

újraszámolás H betűvel.

Színhelyes színes

Ablak alatt jobb oldalt a hisztogram gomb. Kirajzolja.

Kijelölöm mindhármat. Egysuerre látom.

Ha egyet jelölök ki, akkor kiírja az értékeket. Szórás és tartomány.

Hasonló értékeket látunk.

Hisztogram széthúzás

Mindegyik kijelölve. Határok alap 0..65535

Eredetileg 12 bit 2^12 = 4096

Határokhoz 0..4096-ig írni.

Min-maxot használjuk inkább

Alap: 16 bit 0-65535 semmit sem látok min-max: mindens sávban. Kontrasztos, elég sötét. Nagyon világos épület. Hogyan lehet, hogy nagyobb értékek vannak a 12 bit helyett. Radiometrikus atmoszférikus korrekció miatt van. Nagyobb értékeket is kapun!

Határok Normál

Átlag, mean - 2*SD … man + 2*SD

Ez a H gyorsbillentyűvel. De az lokális hisztogram széthúzás. Minden kiég a környéken. Minden tartományban kiszámolja.

%-os vágások

99%-os vágás alul-fölül fél-fél százalékot levág.

95%-os vágás normálhoz hasonló (2.5-2.5%-os)

90%-os még kontrasztosabb.

Ami a beállított tartomány alatt van, mind tök fekete, felette fehér.

Két színű, határok ugyan az 2^3 árnyalat. Tiszta kék pixel magenta.

Szünet 10 perc

Digitális képfeldolgozás

Lépései:

• Előfeldolgozás (pre-processing)
• Képjavítás (image-enhancement)
• Képosztályozás (classification)
• Utófeldolgozás (post-processing)

Sentinel 2-nél level 2A felvétel esetében nem szokott további előfeldolgozást végezni. L2A = Mind geometrialilag és mid radiometriailag korrigálva. Atmoszférikus korrekció is.

De az északnyugati lejtőkön a túl világos színek az erdőkben. Elég meredek területek. Problémás lehet. Túl világos fátyolos.

Ha ezzel dolgozol, akkor L1C-vel jobb. Standard termék így elérhető, sok plusz munka alól megmenekülünk.

Képjavítások

Alapvetően olyan eljárások, amely során két irányba mehetünk.

• Kiemelünk számunkra fontos információt.
• Csökkentünk számunkra zavaró jelenségeket. (zajszűrés) Képi zajok csökkentése.

Pl a Fertő elég mákos hisztogram széthúzva. Többsége zaj. Homogén területeken, ahol nem homogén a kép. Képi zaj, világosabb és sötétebb pixelek vannak.

Saltpeppernek (só, bors zaj).

Filter

Mindhárom sáv és kattintsunk a szűrő gombra.

lineáris

Felette a simítás gomb Ott Simítás erős 3x3

1 1 1 1 2 1 1 1 1

lokális, Fokális, zonális és globális funkciók

Közvetlen környezet 2n + 1 ablak.

Itt középső pixel 2-es súly, környéke 1-es és elosztjuk a súlyszámok összegével.

Simít, de az információt is elnyomja. A simító szűrő 7x7 elmossa a határát. Előnyük és hátrányuk is van! B épület fel sem ismerhető.

Homogén területen jó, de van korlátja.

Élesítő szűrő

-1 -1 -1 -1 9 -1 -1 -1 -1

Simító vs. élesítő szűrő hatása egy metszetre. Az éleket (változásokat) hozza ki a felvételből.

Nem lineáris szűrők

Nincs súlymátrix!

Statisztika szórás. Jól kihozza az éleket ez is! Osztrák kis parcellák. Mo. nagyobb táblás mg.

Alföld nagyobb táblák!

A szórás is az élesítés egyik szűrője. Mindig pozitív. Akár csökken a függvény, akár nő. Akár sötétből, világosba, akár világosból sötétbe, mindig nagy.

Medián szűrő. Sorba rendezi és a középsőt adja vissza. Zajszűrésre kíváló

• Szórás élesítő
• Medián simító

Domborít

Balra -e domborít. Azok az élek, amelyek az észak-kelet dél nyugat iráynba

Van egy irány az éleknek!

Jobbról balra a fügőleges élt emeli ki!

Sok féle szűrő van. Képszerkesztő programokban is!

Még egy:

Simító -> élmegőrző simítás. Edge preserving smoothing.

Ez is nem lineáris szűrő. Ha élen van a pixel nem változtat, ha élen van, akkor megőrzi, ha nincs, akkor erős simítás.

Sok szűrő mindegyiknek előnye-hátránya. Sok kombináció.

Hányadosképek

index felvételek. Vegetációs indexek

10 méteres sávokból

Látható vörös és közeli infra.

B04, B08 vörös, infra (3, és 4. sáv)

VI = B08/B04

A topoxmap-ban a B04 nincs paletta, fent a spektrum a gomb a sávok neve alatt.

Két sáv elosztás. algoritmus gomb.

Algoritmus a szűrő mellett fent.

R1/R2 a leírásban bent van, hogy így rövidíthető.

Egyszerű vegetációs indexet nem szeretik, mert elszállhat a tartomány! Sokkal magasabb értékeket érhet el! Amióta kitalálták az NDVI a használt.

NDVI = (B08-B04)/(B08+B04) (R1-R2)/(R1+R2)

Itt -0.28 .. 0.72 között mozog. Két sáv radiometriai felbontása ugyan az, akkor -1 .. 1 között változhatt

Mit fejez ki? NDVI a fotoszintetikus aktivitást fejezi ki. Fontos, hogy az erősen fotoszintetizáló növénynek nagy a produktivitása. Biológiai produktivitást fejezi ki. Nem összetévesztendő a biomasszával. Erdő esetében sok-sok év alatt. Kukorica fotoszintetikusan nagyon aktív. Nálunk a legmagasabb vegetációs indexe van. Nyáron a legmagasabb NDVI-t mutatja. Fenyő alacsonyabb, mint lombos, de száradó foltokat ki lehet szűrni.

Infra kompozit a fenyők esetén alacsonyabb. 0.4, mellette a lombos 0.57. Mg, hogy éppen betakarítottak vagy sem.

Itt ebben a programban nem gyártottuk le, valós időben számoljuk. Van egy folyamatunk. S2… 4. sávot vesszük. Ha akarjuk egy szűrőt is teszünk rá.

Képjavítás szűrők és hányados képek NDVI.

<2024-03-18 h> Ea. Interpretáció volt.

A Wild aviopret APT-1

Interpretáció vs. mérőértelmezés

Egyszerű mérések, amelyekkel a szubjektív interpretációt objektivizáljuk.

Denzitométer

A film feketedését méri. Be lehet tenni a filmet. Megmondja az értéként.

Mérőék

Rajzot néztünk. Fakoronák átmérője. Bármilyen objektum mérete. Elhúzott skála, 0.1 mm-es becslés. Átmérők és távolságok

planiméter raszterfólia

területek szabályos négyzetek, négyzeteken belül 100 pont. Folt területe. Hány teljes nézet, hány rész, a részekben hány pont?

Záródásbecslő sablon

záródás becslő sablon. A gyakorlatlan a záródást alulbecsli. Vizuális támpont.

Ma már nincs wild aviopret használva. Ma már számítógéppel támogatott vizuális interpretáció és vizuális mérőértelmezés. DigiTerra, TopoXmap denzitometrálás távolság és terület mérések. GoogleEarth egyszerű hossz-és területmérés. Itt denzitás mérést nem tudunk. Pixel intenzitást nem jelzi ki. Egyszerűen áttehető, ott már denzitometrálás is megvalósítható.

Képi információk

Nagyon összetett információ. Árnyalatnyi különbségek. textúra, finomszerkezet, felismerhető formák és mintázat.

• sztereő képpárok további alak és struktúra felismerhető
• Az áttekintő vizsgálattal az adott hely hogyan helyezkedik el a környezethez képéest.
• Több sávos, színes felvételeken az objektumok speciális jelgyei.
• Felvételeket összevetve különböző időpontba, fenológiai fázisok (tavasz, nyár, ősz). textúra és forma.

Még ma is pótolhatatlan az ember.

Interpretációs kulcsok

Mintakulcsok

Wild aviopret. Anyagból kifotózott részek, vagy képkivágatok. Nagy jelentőségűek a mintakulcsoknak.

kiküszöbölő kulcsok

Egyszerű döntések sorozata, az adott terület milyen

Mintakulcs példa

Vízhálózat értelmezésére készült kulcsok. Kell a domborzati viszony. Sokféle, egymással összekötött, hajlott. Időben kevésbé változik. Holtág lefűződése, fontos a korábbi munkák ismerete.

Kiküszöbölő kulcs példa

Kiküszöbölő kulcs, egyszerű eldöntendő kérdések. Igen/nem irányok

Munkafolyamat

Irodalmi adatgyűjtés, adat előkészítés. Volt-e korábbi munka?

Fotometriai mérés, milyen érzékelő típust válasszunk? Megfelelő film vagy érzékelő típus választása.

Felmérés elkészült. Minőségileg vizsgálva. Jó-e kezdődthet a minőségi munka.

Mintaterület, interpretációs kulcsok.

Előkészítő feldolgozás, színkiegyenlítés, geometriai képátalakítás.

Ma már ortofotó mozaik a bemenet általában (régen kisebb pontosságú transzormátum mozaik).

Értelmezés, mintakulcsok esetleges kiterjesztése.

Döntés, osztályozás!

Eredmények:

• tematikus térkép legfontosab
• szöveges kiértékelés
• táblázatos kiértékelés
• stb. (oleáta?)

Példa Nádas osztályozás

Mintakulcs. Segítik az interpretációs munkát. Helyszíni fénykép a nádasról RGBI és RGB.

Az emberi agy többléptékűségét még mind a mai napig jól lehet használni. Most az MI terjedésével már rá lehet bízni. Volt egy-két előadáson, biztató eredmények, de még azért sok esetben fontos tanítani. Szabványos felszínborítások, jól besorolja. Különleges esetek, mivel korlátozott a tanítás, okozhatnak problémákat.

Minimum kérédsek viz interp

• Vizuális interpretáció (szemmel-aggyal) tematikus térkép
• Interpretációs műszer. Wild Aviopret. képpár, zoom sztereoszkóp (fokozatmentes), vitaokulár, képkivágat, kiértékelés vázlat rajzoló. De akár a google earthre is gondolhatunk.

Digitális felvételek feldolgozása

A digitális felvételek, képek feldolgozása alapvetően négy lépésből áll:

• Előfeldolgozás
• Képjavítás

Képosztályozás

Mindig ki kell hangsúlyozni. A legfontosabb mozzanat. A két előző az osztályozás pontosítására. a következő az értelmezésre.

• Utófeldolgozás

Előfeldolgozás

Szolgáltatók különböző feldolgozási szinten szolgáltatnak.

Level-0

nyers adat. helyreállított teljes felbontású forrásadat, csak a kommunikációs hibákat távolítják el. Redundás adattovábbítás. Hiba miatt néha csonka felvétel. Nyers adat.

Level-1A

helyreállított teljes felbontású forrás adat, kiegészítő információk meta adatok! pályadat, geometria radiometria adatok. Kieg adatokka ellátva.

Level-1B

Fel is dolgozva. Geometriag helyére téve. idő, pálya geom korr alapján vetületi renszerben. Eddig digital number (mértékegység nélkül)

Level-2

Konkrét fizikai mennyiség, sugárzás, reflektancia. Levezetett geofizikai változok. Azonos felbontással és pozícióval, mint Level-1.

Level-3

A változók egységes térbeli cellákra alakítva, teljességgel és állandóan. Modis 250m, pászta szélén több km. Lehet semmi mérést sem tartalmazó cella mérése.

Level-4

Alacsonyabb szintő adatok elemzéséből, modellezéssel előállított adatok. Mérési helyek alapján kiterjesztve.

Tisztába lenni, az adott feladat dönti el, hogy mire van szülságem. Magas feldolgozás, könnyebb munka, de módosul (akár elveszik) információ, amire szükségem van. Pl.: felvétel SRTM domborzat alapján helyretett. Sztereo feldolgozásra nem jó. Adott feladatra szükséges infó ne vesszen el! Adott célnak megfelelően ne legyen benne olyan lépés, ami torzítja az információt.

Landssat

EarthExploreren.

Collection-1

Level-1-es felvételek

• mss, tm etm+ oli/tirs

Collection-2

Level-1 (TOA = top of atmosphere), level-2 (Boa = bottom of atmosphere). vagy Sr

Sentinel-2

• Level-0 nem hozzáférhető
• Level-1
  • Level-1A metaadatokkal
  • Level-1B radiometriai
  • Level-1C: R + geometriai korrekció
• Level-2
  • TOA -> BOA

Megfelelő korrekciókhoz előzetes osztályozások. Level-1C-hez osztályozás, víz, felhő árnyék, utána atmoszférikus korrekció. Sok helyek Quick look alapján level-1C kevésbé kontrasztos. Van a túlkorrekció.

Északi lejtő, árnyékos és erdő, nem a korrigált az igazi. Mi végezzük az atmoszférikus korrekciót. Feldolgozási folyamatok ismerete, ne keress olyat, ami nincs a felvételbe, vagy megmásítva.

Radiometriai korrekció

R és G, illetve atmosz. Igazából összefüggenek!

• Pixelérték (DN) -> fizikai mennyiség (W/m^2*sr) feketedési görbe az érzékelőnél ismert. Egyszerű trafó.
• érzékelő karakterisztikája metaadatokban bent van. Meghatározó. gain és offset
• Felvételi geometria. Ne melkülönítető. domborzat
• atmoszfére hatása Erre is van.

SPOT radiometriai kalibrációja

L = DN /A + B

L sugárzás (eredmény) DN pixeléréék. A és B a fejlécben megadott álladók.

Van olyan lehetőség, hogy a sugárzás érték egész legyen 1–10000 ig, ahol 10e jelent 1-et! Kisebb kép érdekében.

Felvételi geometria

BRDF hatás: bidirectional reflectance distribution function

Honnan süt a nap? Korrekciónál figyelni

Topo normalizáció

• Topográfia a felvétel geometriájára és radiometriájára is hatással.
• Geometria -> orthorektifikáció ma már ez a geometria készítése. Durva felbontásnál nem nagyon, ott csak egyszerű trafó.
• Radimetria -> topográfiai normalizáció gyakran az atmoszférikussal együtt.

Módszerek

Lambert-féle tükrőző

a felület merőlegesen süti a nap világosabb, nulla fokos szög, akkor legsötétebb. Ez alapján korrigál i = incidencia angle, nap sugárzása és állásának különbsége. Felület modell, napállásszög, megvilágított felület és korrigáljuk. Csak közelítő módszer, légkör hatása, direkt és szórt fány aránya.

Minnaert módszer

súllyal figyelembe veszi a direkt és indirekt fény hatását. Tanítható korrekció. Különböző beesések, meghatározza a minnaert konstansokat.

Példa

Landsat, délkeletről süt a nap, É-NY árnyékban. Kilapul a domorzat. Ahol ugyan az az állomány északon is, eltűnik az árnyék. Korrigálni és a korrigált felvétellel dolgozni.

Nagy javulás érhető el a megfelelő radiometriai korrekcióval.

Atmoszférikus korrekció

Passzív távérzékelés kétszer áthalad a sugárzás. Vízgőz és aeroszol befolyásolja. Ki akarom ejteni.

Mószerek

Sokféle

Analitikus mószer

sugárzás áthatolási egyenletek. Hogyan befolyásolja a sugárzást? De nem ismerjük igazán a légkör összetételét. Régen külön csömag erre.

Földi mérések

a földre lejutó fényt vizsgáljuk. ami egyszer jön le. Nagy ember igénye, komoly szervezést. TErületen belül is változhat az atmoszféra.

Egyéb

manapság a műholdon legyen olyan érzékelő, ami az atmoszféra vízgőz tartalmát becsli. Sentinel 60 m-es sávjai. A train NASA. 3-4 műhold egymás után pár másodperccel. Egyik mérését korrigálták a másik méréséve. Automatizált korrekcio. EO-1 műhold AtmospehricCorrector Elszórt mintaterületek pl. sivatagban. Nagyon jó minta. mérései alapján becsülhető a kalibráció.

Példa

Jelentős javítás, de ha a felhő teljesen eltakar nem lehet csodát csinálni. Igen fontos és jelentős.

Geometriai korrekció

Célja, hogy az űrfelvétel valamilyen vetületi rendszerben legyen. Érzékelő dimenziója.

0D és 1D szenzorok sima polinomos trafó

VHR felvételek elterjedésével nem elég jó

1D közelítő Törtpolinomos

2D (1D) ortorektifikáció!

Polinomos trafó

Illesztőpontok segítségével. Vetületi koordináta pixel koordináta polinom együtthatói kiszámíthatók.

Páratlan fokszámú polinomok 3-ad- 5-öd fokú. Extrapolácihatása, ne menjenek el szélső esetben a dolgok. Régen természetes. Még ha vetületbe volt, akkor is polinommal transzformált.

Ma más sentinel2 és landsat is világméretű referencia térképek, képegyeztetéssel illesztett, automatikus geometria pontosság. Metaadatokban megvan, ha megváltoztatják a geometriai forrásadatot. v21 változat.

Ma világméretű globális referencia térképhez igazítva.

Törtpolinomos trafó

RPC rational Polynomial Coefficients

Két polinom hányadosaként a koordináták. a VHR megjelenéséve. Itt fordított fi, lambda függvényében a piel koordináta.

Két polinom hányadosa. Együtthatói a felvétel soráan

NumCoef, DenCoef nomitator, denominator, a geom trafó egyszerűen megvalósítható.

Sokat fejlődött a felvételek transzformálása. Régi Sentinel, újabb Sentinel ma már kisebb geometriai lötyögés.

Ortorektifikáció

Fotogammetriai úton biztosított eredmény termék! Ma már a felvétel geometriájával csak speciális esetben kell foglalkozni.

Régen nem volt standard. Geometriával sokat kellett foglalkozni.

Előfeldolgozás vége, képjavítás a köv héten.

<2024-03-18 h> Gyak.

Folytatjuk a digitális képfeldolgozást.

TopoXmap folyt

TopoXmap s2_220230815_v2VI.view

Megcsináltuk az NDVI-t is múlt órán.

Ma a képoztájozást kezdjük.

Hozzáadom a tulajdonságoknál az új folyamatot, akkor lesz a négy sáv.

• B02 = 1 B03 = 2 B04 = 3 B08 = 4

Sávval tudom válaszutani.

Raszter -> statisztikata

Számolja újra.

A négyes sávunknak a legnagyobb az információ tartalma.

Felül teljes statisztika kiválasztása.

Kovariancia mátrix átlójában a szórásnégyzetek szerepelnek.

x1-xátlag

Kovariancia mátrix átlójában a szórás négyzetek.

Hol vannak negatív számok? Az egyik tag fordítottan arányos a másik taggal. Szimmetrikus mátrix.

Az inverzben nincs sok információ a tizedesek miatt.

Korrelációs mátrix. Önmagával korrelál. Az első három sáv nagyon korrelál egymással.

Mindegyik fordítottan korrelál a infra. A növényzetnek köszönhető elsősorban.

Grafikon átlagok

Grafikon hisztogram

Itt az 1-3 alacsony, IR magas. Olyan űrfelvétel, ami jelentős részben növényzetet ábrázol. Hisztogram megadhatók a binek. Bal oldalon át leeht írni

Grafikon: szóródás

Ez is a felső menüből. Átlós vonal, színek a gyakoriságot jelölik.

Vsz tengelyen 3 látható és függőleges 4-es az nearIR

Ellipszis nagytengelyei a varianciákat mutatják. Negatívan korrelál egymással a kettő. Magasabb közeli infra, Pozitív korreláció, pozitív, negatív negatív irányba. nincs, akkor kör.

Alján a talajvonal, csupasz talajfelszín vegetáció nélkül.

Jó kis csoport a talajvonal altt. A fertő tó. Bojtos sapka alak. Pereme a talajvonal bojtja. Bojtos sapka transzformáció. Látható vörös - közeli IR sávot a szóródási digaramon megjelnítjük.

Újabb sávok hozzáadása

További sávokat 20m-est hatszor hozzáadom. Job klikkel a sávon átállítom. 5,6,7,8a,11,12

2-3-8 paletta a többinél nincs.

Teljes statisztika az összes rétegre. 8A-nál a legnagyobb a szórás.

6-7-8A negatívan korrelálnak. a két utolsó alacsonyan korrelálnak. középső infra tartományban vannak.

Grafikon: átlagok tipikus vegetáció.

Grafikon: szóródás

Erős korreláció Grafikon: szóródás 8,4 között

3, 5 vörös és vörös él 3, 6 jobban mutatja a negatv korrelációt

1000 lépésköz százasra. 3-6 mint közeli infra tartományt mutat.

Osztályozás

Végezzük el az osztáyozást.

Két nagy csoport:

1. Tanítóterületek nélköli (Unsupervised)
2. Tanítóterületekkel (Supervised) osztályozás

Tanító nélkül Nem felügyelt

Bal oldalon nem felülgyelt osztályozás

Kezdeti osztályszám: 5.

Négyes sávnál nézzük. Egyenlővel indul. Újra számolja. 4000 csúcsot átlag eltolódik fölfelé sé lefelé Minél több iteráció, annál jobban igazodik a határokhoz.

Új osztály felvétele. 256 pixelintenzitásnál felvesz. Ez több mint 8 bites.

12 bitre 4096-ra vigyük fel. Új osztály felvétel.

Küszöbre egy 10-es értéket adjunk.

Mozgó osztályokat kapcsoljuk be!

• Mozgó osztályok
• kezdeti szám 5
• új osztály 4096
• küszöb 10

Lehet az iteráció. Fájlszerver prioritások?

Hiba történt a feldolgozásban.

Kijelzés osztálystatisztikák, szóródási diagramokon mutatja az osztályokat.

C 62

• Mozgó
• 5
• 16384
• 100

Színek is segítenek. Osztályonként más grafikon

Felügyelt osztályozás

Átlagtól való távolság osztályba soroltási küszöb 1000

MDM minimum Distance to Mean osztályozás 1000-nél messzebb van, nem sorol be.

Eredményeként statisztika. Osztályok százalékos elosztás. 3.6 M pixel besorolva; 2.3 m nem.

Bezár és eredmény hozzáadva.

Egyes és kettes osztály között nem tudonk osztályozni.

Küszöböt feljebb visszük 10000-re, hogy nel legyen küszöb eltolva.

Nem veszi figyelembe a pixelek szórását és eloszlását.

Max valószínűséget választunk. ML = maximum likelihood.

Osztályba sorolási küszöb, csökkentett érték

e^-400-ont már nem veszi figyelembe.

Minimum distace és ML között milyen eltérés.

Dudlesz esetében sötétebb osztály a felnyőnek.

Minimum distance nem veszi figyelembe az eloszlást, szórást.

ML: Haranggörbe, minél magasabb, annál valószínűbb.

Átszíneztük. Nagy foltban egy-egy pixelnyi másik osztály.

Osztályozás eredményét simítani.

Szűrés

Összesimítom, ktematikus kódok.

Medián szűrőt használjuk.

Statisztika-medián szűrő. 5x5-ös medián talán durva, de jól demonstárl. Utómunkának most jó.

Szünet

Folytatás Tanító területekkel történő osztályozás

Térkép réteg létrehozása vektor, terület

Nagyobb dolgokat megfogni előszor

Újabb oszlop az adattáblában. Osztály legyen a neve. Karakter

Rétegen vektoros réteg.

Osztályoz. megadni a tanter osztályát.

Van egyedi gomb.

Színezzük őket.

Osztályozás régió térkép

Finomabb osztásköz a grafikon:szóródásnál

3, 4 sávra, átállítva

Felügyelt osztályozás, max valószínűség, -100-zal próbálkozunk.

Kevesebb pixelt és angyobb megbízhatósággal sorol be.

Egy idő után eljutunk oda, hogy nehéz konzisztens kategória renszert kialakítani. Első változat után…

Üres cella

Nullás kód az üres cella.

Bármelyik osztályt az átlátszósággal meg leet nézni.

Fertő esetében olyan víz, amit nem osztályozott. Nem homogén a Fertő. Belső tavak barna víz. Rákosi pedig keveredett. Rákosi öböl még egy tanító terület

Nem jelenik meg a poligon. Egyedire nem enjünk. Új és manuálisan beírom Fertő2

Szóródási diagramon megnézni!

Rákosi öböl kategóriáját külön akarom vagy sem? Külön osztály, vagy betesszük ugyan abba az osztályba?

Több tanító terület ugyan az az osztály vagy?

Érdekesség Szántó2 és szántó1 egybe. Nagy szórás, két távoli pontban. Nem érdemes összevonni. Egybe vonni és külön kezelni.

Könnyebben kezelhető legyen a kategória. Hierarchikus jellegű kategória rendszer.

Szántók, azon belül az erdők. Azon belül tövább osztom. Corine kódokat nézzük. 2 szántó 3 erdő 5 vízfelület

21 szántó 22 szántó 31 lombos 32 Fenyő 51 Fertő 35 Nádas

Sorrendbe az osztály szerint. A-z rekordok rendezése melyik oszlop alapján?

Áruház burkoló 1 Beépített1

Vonalas tanító terület nincs. Elkerülőnél mennyire széles és mennyi kevert pixel?

Itt a tanító területekben van a lényeg. Összevonjuk, szétszedjük az osztályokat. Jók legyenek a tanító területek.

Dzsindszás sok. Szántó rét, legelő, amit ritkán művelnek nehezen elkülöníthető.

Alakuló osztályozás.

<2024-03-25 h> Ea

Majdnem késtem.

Geom trafo

Törgpolinomos VHR felvéteelk Egyenlet Ezzel vége az előfeldoglozásnak.

Képjavítás Image enhancement

Olyan művelet, amely során csökkentjük a képosztályozást zavaró tényezőket, kiemelni, ami segítségével az oszályozás pontosabb lehet.

• Hisztogramm műveletek
• Szűrők
• Művelet sávokkal

Hisztogramm műveletek

Elsősorban vizualizációs céllal. Ritkán mentjük.

Pixelintenzitások gyakorsiági diagramja.

Hisztogram trafó a bemeneti és kimentei intenzitások kozötti (függvény) kapcsolat.

Hisztogram Bemeneti pixel értéket milyen paletta színnel jelenítsük meg.

Alapból 45 fokos egyenes.

Alapértékek az adott színmélység, tényleges max-min, normál. Pixel intenzitás átlaga-szórása átlag -2*szór átlag -2*szór húzzuk ki.

Sokszor szűk tartományt húzunk szét a 255-re!

Hisztogram kiegyenlítés

A kimeneti pixel intenzitások egyenletes eolszlásúak legyenek. A megjelenítőn minden színre ugyanannyi pixel szerepeljen. Hisztogram kiegyenlítés szemünk számára kontrasztos eredmény

Gamma korrekció

Minimum és maximum értéket nem módosítja. Közép tónust világosítja Gamma nagyobb mint 1 világosabb közép kisebb egy (konkáv) sötétít.

Sok egyéb trafó lehet. Ma ritkán használjuk, hogy az eredményt elmentjük. Speciális eseteklehetnek, de főleg vizualizáció miatt használjuk.

Digitális képfeldolozás előtt ne a transzformált változatot mentjük.

Szűrők Filterek

Geoinformatikában fokális funció. Pixel és a közvetlen környezetében értelmezett művelet. 3x3 5x5 ablak. Nagy ablak nem olyan hatékony (számítási igény is)

Lineáris

A pixel értékeknek a lineáris komibinációja. Minden súlyszám 1 az ablakban. Bármely súly szerepelhet. Középső pixel és környéke. Súlyszám összegével osztunk.

Végighalad az összes pixelértéken, súlyszámokkal szorozzuk és osztjuk az összegével.

Gyakran használjuk. Két alapvető típusa. Simító szűrők. Súlyszámok azonos előjellel. Élesítő szűrő, ott ellentétes előjel.

Adaptív

Nem lineáris kifejezéssel, hanem algoritmussal számolom a régi értéből az újat.

• min
• max
• medián
• szórás változás detektálás Csak él és nem detektáljuk az irányt.
• élmegőrző egy időben gyakran használt. Megvizsgáljuk az ablakon belül az irányokat. K-Ny É-D és Átlós irányban pixelek változékonyságát, olyan irányban élen, akkor ne változtatjuk. Homogén zaj szűrés, éleket nem bántja.

Sávok közötti műveletek

Hányados és index képeknek is hívják. Melyi kifejezés a legjobban elfogadott?

Sokféle indexet használunk

Vegetációs indexek

Növényzet reflektanciája. A görbék alakja. vörös él, meredeken növekvő refektanica. Közeli IR-ben is. Erre teszik a sávokat.

A levélben található likacsos parenchima sejtek. Sejtszerkezetüknél fogva a közeli IR-t visszaveri. Stressz alatt, vagy szárazságban nem annyira jól veeri vissza. Magas visszaverésért felel.

Klorofill-a és krolofill-b Elsődleges látható kék, másodlagos vörös, közben a zöldet nem használja a növény. Kékben nagyobb elnyelés, de a kék tartományban légköri pára jobban befolyásol. Kevésbé befolyásolja a vörös tartományt.

Vegetációs indexek elvi felépítése.

Látható vörös és közeli infravörös koordináta renszerénen. Talaj vonal majdnem 45 fokos egyenes. Talajvonalon, ahol nincs nedvesség.

Talajvonal felett a vegetáció. Pixel talajvonaltól szögét vagy távolságát számolhatjuk. Minél távolabb, annál magasabb a vegetációs index.

Egyszerű vegetációs inde a kettő hányadosa. Nagy eltérések lehetnek.

NDVI = \frac{NIR -R}{NIR + R} bár eltejredt, de különböző szenzoroknál nem lehet olyan jól összehasonlítani. közeli infravörös és vörös!

PVI merőleges vegetációs index. A talajvonaltól vett merőleges távolság. PVI = sin α NIR - cos α R Kell a talajvonal szöge. Világos és sötét talajvonlal kijelölése és annak a szöge

súlyozott vegetációs index WDVI = NIR -s * R

Enhanced veg ind. vörös sávon kívül a kéket is figyelik. A paraméterek meghatározása nagyon kritikus lehet. Sima normalizált nem paraméteres. Változatlanul népszerű, nagyon objektív. EVI gondos paramétermeghatározás idő!

Egyéb indexek

majd 300-féle vegetációs index a szakirodalomban! Sokféle, szakterület és földrajzi terület más-más. Egyes szakterületeken tudják, hogy melyi jó.

NDVI olyan, mint a kályha. Ezzel hasonlítják a teljestményét sokszor.

Bojtos sapka (Tasseled Cap)

Kauth és Thomas Landsat mg feldolgozásával. látható vörös és közeli vörös mg területen bojtos sapka.

A landsat zöld erősség nedvesség és világosság trafó.

Zöld erősség a vegetációval. Tapasztalati úton a súlyozás.

Automatikus idősoros feldolgozásnál gyakran használt. Objektív úton! Paraméterek nélkül az eges változások szétbonthatók.

Főkomponens analízis

Nagyon fontos, mert látható tartományban a sávok nagyon korrelálnak. Pixelek változatosságát meghatározzuk, hogy milyen irányba a legnagyobb. Arra merőleges a második főkomponens. Merőlegesen, nem is marad információ, ha felmére. Erőss korreláció, Egy főkomponens elegendő.

További komponensek. Nagy jelentősége. Landsat 8 OLI+tirs

Első főkomponens, vs 10. főkomponens. Ezen jön ki a felhő jól és a zaj.

Áttranszformáljuk a főkomponenseket. Utolsó főkomponens zaj. Simítjuk a felvételt és visszafele megcsinálva a sávok visszaállítva. Sokszor számunkra fontos inforációt egy-egy főkomponens tartalmazhatja.

• Felhő detektálás utolsó főkomponensen
• zajszűrés, élek nem csökkennek ahogy fent a zajt tartalmazó komponenst simítom! Így lesz egy zajszűrt kép, amit mindegyik sávon megkapok!
• Bizonyos infó kiemelése

Minimum

• Radiometriai korrekció meghatározása mértékegység nélküli pixelből sugárzás mértékegység
• Geometriai korrekció egy geometriailag korrigált képek kapunk. A nyers vetület nélküli felvétel vetületbe illesztése
• NDVI adott növényzet fotoszintetikus aktivitása NIR - R/NIR + R kb. -1-től +1-ig

Digitális képosztályozás

Digitális képfeldolgozás legfontosabb művelete. Ezért előfeldolgozás és képjavítás, hogy a képosztályozás jó legyen (utófeldolgozás az eredmény hatékony felhasználására

Def: a folyamatos pixelértékekből diszkrét, minőségi pixelértékeket (kategóriákat, tematikus kódokat) kapunk.

Kategória térképen nem jó az átlagoló szűrő. Tematikus kód és kategória az eredmény, minőségi információ.

Típusai

Idővel is sok fejlődés történt.

Osztályozsás egysége:

pixel-alapú

ez volt az első, ez volt az elején. Algoritmus vizsgálta és osztályba sorolta. Pixelt nem osztjuk, külön-külön vizsgálva. Landast 30 m pixelméret jól működött pixel alapú osztályozás. Összefügg az oszályozás a mérettel. mg területe OK. Nagy méretarányú képeknél már nem biztos, hogy jó. Objektum nagység és pixel méret viszonya. 5m-es pixel méret esetén az egyes fák koronája már látszik. Nem homogén az erdő terület. 30 m-nél még homogén! Felbontás növekedésével a pixel már objektum bizonyos részét ábrázolja.

Fokális, pixel és közvetlen környezte

mint a filterek. paraméterek és bevonva az osztályozásba. A pixelméret csökkenésével egyre romlik a hatékonysága. 11*11 pixel is nehezen. Nagy szűrőméret nehéz.

Szegmens-alapú

csoportokra, szegmensekre bontom a képet, és azokat osztályozom.

Referencia-vektor alapú

valamilyen referencia vektoros térképet használunk fel. Adott HRSZ-re elemzem a képeket

szub-pixel alapú

ha számomra az érdekes objektumok kisebbek, mint a pixel mérete. 30x30 vegyes felszínborítások. ott lehet szubpixel.

Minden objektumnál van határfelbontás. Landsat 30m felszínborításra kiváló. Felbontás növekedésével egyes fák látszanak. Nap által sütött és nem sütött koronák. Tovább a felbontásban a levelek is akár látszanak, de az erdő látszik. Akár leveleken beüli is újabb dolgok.

Házak épületek esetében is igaz. Házak osztályozása, egyes cserepek osztályozása. De akár a cserép szám alapján tudok dönteni, cserepes vagy más fedés.

Vizuális interpretációval sokkal könnyebb. Digitális képozstályozásnál ma is még elég komoly, hogy milyen egységekre osztunk. Meg lehet csinálni, de olyan osztályozási típus, ami célra megfelel. Adott forrás felvétel felbontása is fontos!

Fű osztályozásnál sem a fűszálaknak kell látszani, hanem olyan (akár méteres) felbontás ami a fű tulajdonságait mutatja.

Osztályozás fajtái

Tanítóterületekkel

Tanítóterületek nélkül

Hierarchius

Neurális

Pixel alapú az első kettő. Adott területről visszaveerés alapján a pixelek csoportosan helyezkednek el. Látható vörös és közeli IR tartományban. Osztályozás a csoportokat próbálják elkülöníteni. Vannak, amik kis szórással. homok kis tartományban. Kőbányák osztályozása Kózet alapján. Teleüpülés nagyon szór, mert heterogén!

Tapasztalati úton, elméletileg is igazolható. Más-más felszínborítás, elkülönítése.

Tanítóterület nélküli Unsupervised

Nincs mintaterület. Egy-két paraméter hány terület iteratív, stb. Utána a gép oszályoz, feladat, hogy az osztályokat beazonosítsuk. Egy-két paraméter után osztályozás.

Egyszerűnek tűnik, de sok osztály, de az osztályok beazonosítása nagyon nehéz. 10 osztályt szeretnén, akkor összevonom az osztályokat 20-ból. Azt kell besorolni 10-be. Összevonogatni.

Klaszterezés

Csoportokat akarunk a pixelekből.

• iteratív jobb, mert igazodik adatainkhoz. Hatékonyabb
• nem -iteratív

Hisztogramm elemzés. Hol vannak csoportok az intenzitásban. Minimumok a határok a két osztály között. Automatizáltan, Függvény minimuma a két osztály határa. Hatékony lehet.

Tanítóterülettel (Supervised)

Az operátor jelöli ki a tanítóterületeket. A gép ez alapján osztályozza a teljes képet.

Nagy meló a tanítóterület, de be kell sorolni és utána a gépek tudják.

unsupervised csak összehasonlításra. Komoly eredményre nem használják.

Tanító területek Három kijelölt osztály. Átfedő hisztogramok. Minden normál eosztású mindennél, de sokszor nem normál. Kijelölt pixelek alapján Az ábrán a különböző besorolások mintája látszik. Átlagon kíüvl mást nem nézünk. Tanító terület csak átlag értéke.

Legközelebbi átlag

minimum distance to mean kis szórásúnál előfordulhat, hogy mást oda sorolok.

legközelebbi (k) szomszéd

Nearest Neihbour, kNN kijelölt pixelhez melyik tanítóterületben a szomszéd pixel. Ha jók a tanítóterületek akkor jó. Robosztosítani, hogy nem csak egy szomszédot nézek, melyik osztáyban a legközelebbi három szomszédot vizsgálom. Három szomszédot szokás nézni.

Hipertégla

paralelepiped osztályozás. TAnító terület az adott sávban milyen tartományan mozog. Egy dienzióban szakasz, 2 D tékgalap 3 D téglatest, utána paralelepipedon. A szoros függés miatt nehéz, pixelek a tégla átlójában. Főkomponenseken hatékonyan használható. Ott a téglalap tengelyei!

Legnagyobb valószínűség

maximum-likelihood. Kijelölt területeken a pixelek gyakoriságát valószínűséggé alakítom. Átlagnál a 100 ból 20 pixel átlag körül 0.2 valószínűség. Abba az osztályba, ahol a nagyobb valószínűség. Két valószínűség metszi egyymást. Egyikbe és másikba. Határérték meghatározása, mi legyen a határérték, aminél messzebbi pixeleket nem akarok besorolni. Hiányzó osztály, nem lesznek osztályba sorolva a pixelek. Határérték meghatározása. max likelihood esetén küszöb valószínűség, ahol már nem tesz egyik osztályba se. A visszautasítottak alapján beteszek új osztályt. Fontos mi a határérték. Minél szogorúbb, annál kevesebb pixelt oszt be. Úgy csináljuk, hogy szigorú feltételekkel mit osztályoz, új osztályozás, utána csökkentett határérték.

SAM

Spectral Angle Mapper Spektrális szög osztályozó Band j és szögeltérést húzok be az egyes sávnál Egyes sávok szögértékei. Multi és hiperspektrális felvételeknél. Minél magasabb dimenzó, több spektrális sáv, az adott egyenes meghatározza az osztályt. Határértéken belül a szög, oda sorol. Gyakorlaton még nem volt, de ez is lesz.

Jövő alkalommal (két hét múlva)

<2024-03-25 h> Innen csak gyak végén

Osztályozott felvételek.

xband rgba.

Formátum konverzió mentés ideiglenes helyett fájlba. rgba a az a negyedik sáv.

Tesztelés volt, spektrális szög és max valószínűség az órán. Spektrális szögre medián szűrő ment. Vektorizálás.

Legyártjuk a szelvényeket google earth könyvtárban png tile szomszédos tile.

Open layer, leaflet, google maps. Google térképen eredményünket. Google Earth-höz csináljon egy áttekintőt.

Bármilyen tréképre ráteszi az ereményünket.

A szelvényeket a megadott nagyítási szintre teszi. A megfelelő nagyításban pszeudomerkátor.

RGBA-T a QGIS csinálta egy pluginnal.

Palettás eredményt -> három sávosra. xpandrgb paranccsal. Átalakított palettát. gdaltotilessal kitesz.

Bővített beállításoknál KML generálás google earth programhoz. Másik mappába.

Újramintavételezésnél fejlettebb a köbös. Szebb lesz a kép.

doc.kml betölti a google arthbe.

gdaltotiles különböző szoftverekbe!

Szünet

Corine

Raszteres és vektors formában is elérhető

A mi eredményünk elérhető.

x meghajtó clc könyvtárába. clc2018 sopron

raszteres clc.

Külön legendet betöltünk. A jelrendszer alján stílusból az első.

CLC2018

Hisztogram 1–41-ig változó pixel értékek. 0–20 osztály az osztályozotton. Első két osztályozáson a miénk.

Ml 110_20

Valahogy osztályoztuk, hogy a számjegyek melyik

Fertő a corineban 41 water bodies,

Osztályonként Kinek hányadik osztály paletta segítr

Mi osztályozásunkban és a corin osztályozásban is a fertő.

Raszterkalkulátorba hoztuk össze.

Lemaradtam, hogy hogyan csinálták. Mindkét osztályozásban nádast jelentőket színezi. Ami piros a corine alapján és a mi osztályozásunk alapján is nádas.

A 3500-al kezdődő az mind nádas, de nálunk nem az. Átszínezgettek.

Jobb klikk és szín módosítása egyszerre többet!

35-14nádas.

Minden ami átalakult. Raszter információ.

Kikereesi a megfelelő információt.

Területi statisztika

Hány pixel és hány m^2

10*10m terstatisztika változás térkép.

Fertő esetében 41-17 mennyi pixel.

Jelentés az egyedi értékekről táblázatba is

Feldolgozási eszköztár raszter egyedi értékei raszter jelentés html-be kiírja.

Ctr-Alt T-re jön a feldolgozás eszköztár

RAszter analízis

Eredmény összevetése másik raszter.

Más kategória.

Befejezett osztályozás. Szelvényezés paranccsal térképi szolgáltatók alá áttettük a szelvényezés paranccsal.

Osztályozás eredményét összehasonlítottuk a corine 2018-as térképével.

raszteres változásával. Alapvető elemzéseket csináltunk.

Hamarosan mindenkinek ugyan azon a területen, ahol első feladat. Sentinel 2-terület letöltése osztályozás, amit meg kell csinálni.

Google Earthben az előző feladattal összehasonlítani. Lombos erdő, fenyő erdő. Sentinel 2 felvétel kivágaton megcsinálni.

Géza TopoXmap-et javasolja. Ha van rá igény megnézhetjük a QGIS SCP plugin. Kacifántosabb, mint TopoXmap, azzal érdemes az osztályozás. Ugyan az aterület vizuális interpretáció és digit képfeldolgozás.

<2024-04-08 h>

Régen találkoztunk

Spectral Angle Mapper

Spectral Angle Mapper (SAM) nél hagytuk abba.

Ez az osztályozó a spetrális térben számolja az azdott pixelnek és a referenciának a szögét. Ennek a szögnek kell egy bizonyos tolerancián belül lennie, hogy egy osztálba. Inkább hiper spektrális, minél több dimenzióban van szög, annál nagyobb megbízhatóságl

Egyenlet, ahol r a reference és t a spektrális

arccos ( ∑ r * t / (srt(r^2) * \srt(r^2)

Hierarchikus osztáyozás

Szakértői osztályozó rensezr

• Kiküszöbölö kulcsok, egyszerű kérdésekre szabályrendszer kialakítása.
• Osztályozási fa (Decision Tree)

Milyen részletességig megyünk le. Az osztályzás lépései megérthetők.

Textúrális osztályozók

Ha a felbontás növekszik, az egyes osztályozók nem lesznek hatékonyak.

Nem csak a pixelt, hanem annak környezetét is figyelembe vesszük. 5 m-es pixelnél már megjelenik a jellemző érdekes textúra.

Szűrőkkel számszerűsíthető:

• szórás

Szegmentálás

A felbontás még tovább nő. Textúrális osztályozók nem hatékonyak. 7x7 7x9-es szűrőknél már nem hatékony.

Javasolt a szegmens alapú képosztályozás. Szegmentálás a képi tartalom alapján (részekre osztáls) Ezeket a szegmenseket osztályozzzuk le.

Minta egy VHR űrfelvétel. Különböző szürkeárnyalatok jelennek meg. Nagyobb egységeket veszünk figyelebe, a kisebbekkel nem foglalkozunk. Heterogenitás megengedett a szegmensen belül. Nem veszünk el a részletekben.

A legismertebb az eCognition szoftver. Orvosi képfeldolgozásból jött. Nagyon sikeres lett a geoinformatikában. A Trimble cégcsoporthoz tartozik, gyakorlaton megismerkjük.

60 cm felbontású VHR űrfelvétel.

• szegmentálás P(pánkromatikus) alapján
• osztályozás szabálok alapján.

Alapvető szabály az szegens, ekkora a léptéktényező. A képen egy minta szegmens. Az ültetvény egy fája. Megvan a szegmens világos fa csúcsa, fénykorona.

eCognition nagy sikere az úgy nevezett hierarchikus szegmentáláson alapszik. Ez alapján nagyon hatékonyan tudunk dolgozni, különböző léptékeket tudunk összehasonlítani. .

Szegmentálás P+MS (pan és multispek) alapján.

Osztályozsá: spektrális jegyek és gyermek objektumok alapján. Alapvetően erdővel lehet hasonló spektrális tulajdonság. A facsúcsok viszont nincsenek csak az erdőben. A szegmens alatti és fölötti szinten vizsgálaj.

Újabb multispektrális. Hansági kép minta. A szegmentálás nogyon korzserű módját biztosítja az eCognition. Ma már sok szoftver, de még ez mindig nagyon jó.

Szegmentálás DT Map alatt

• Lentről felfelé (bottom up)
• szegmensek növelése
• Hasonlósági tényező < S léptékérték

Minden kiindulási pixelből növelem, amíg a feltételek nem teljesülnek. A másiknál a képből indulunk. Amíg nem teljesünek a felvételek.

Fertőrákos ortofotó. Szegmentált 40-es tényezővel, majd 160-as léptéktényezővel. Befolyásolja, hogy mekkora szegmensek. Azután ezeket osztályba soroljuk. Eredmény utána összevont néhányat.

Szubpixel-alapú osztályozás

Csökkentem a felbontást, nagyobb cellamérettel dolgozunk. Lényege egy pixelt nem egy kategóriába sorolok, hanem %-osan megmondom, hogy mekkora területrészt alkalmaz.

3 célkategória:

• Mesterséges,
• Növényzet,
• Talaj kategória.

Három alap (RGB) színnel megjelenítve.

3 célkategória min 4 spektrális sáv. (n+1 sáv) spektrális szétkeverés. Adott pixel a három másik aránya alapján állítom elő. A pixelen belül a célkategóriák mekkora részt képviselnek talaj, növényzet, mesterséges felszín. Egy háromszög diagram részeit mutatja. Mellette a kép.

• szélső v. célkategóriák
• spektrális szétkeversél

Osztályozás típusai összefoglalás

oszt egysége

• szub-pixel
• pixel
• fogkális
• szegmens
• ref. fektor (köv )

-osztályozók

neurális

Minimum

• képosztőlyozás meghatározása folyamatos pixel értékből diszkrét kategória
• Osztályozsá alapegységei a fenti.

Utófeldolgozás (képfeldolgozás negyedik lépése)

• A képfeldolgozás eredményeinek kiértékelése, valamint geinformatikai renszerbe integrálása.

Post processing

• Osztályozs eredményeinek értékelése
  • hibamátrixok, hibatérképek sokszor külön környezetben vannak a referencia adatok, áttérni egyik renszerből másikba
• Oszt eredményeinek geonformatikai renszerbe integrálása

Osztályozás pontossági vizsgálata

Teszt terüoetek osztályozása (tanítóterület vs. teszt területek)

• Referencia teszt-területek osztályozásávak készül
• Hibamátrix - terület-kimutatás
• Hiba térkép- térképi megjelenítés

Példa hiba mátrixra

Akác az akác osztályban, stb. Százalékos (területkimutatás)

Akkor tökéletes, ahol 100% jelenik meg. Erdőterületek esetében átlagos osztályozási pnotssága 72.81%.

Hibamátrix széles körben használható. Lesz egy átlagos osztályozási pontosság, nagyon informatív, hogy milyen irányba téveszt az osztályozó. Hibák előfordulása és iránya is benne. Informatív hibaméátrix és sokféle módon összesítések.

Itt függőlegesen jelenik meg a 100%. Vízszintesen nem jön ki a 100%, akác osztály eredményeinek bizonyos %-ai. Területi kimutatások különbözőek lehetnek. sor-oszlop és mihez viszonyítjuk az egyes értékekeket.

• Producer accuracy (előállítói pontosság)
• User accuracy (felhasználói pontosság)

Én vagy a felhasználó mit tud a pontosságról. Ebből kihozható az overall accuracy.

Fontos, hogy gyakorlaton megnézzük. Pontossági vizsgálatok kiemelt jelentőségűek. Objektíven meg tudjuk határozni, hogy mi milyen eredményűként adódjon.

Hibatérkép

Ugyan azt mutatja, mint a hibamátrix, de nem annyi kategória. a mnta 2*2-es hiba.

Mivels sok kategória egy-egy párt szoktak inkább kiemelni. Hibatérképen 16 színnél ne legyen több. Kiemelten az egyezéseket, vagy hibákat jelenítjük meg.

Átalakulási mátrix és átalakulási térkép

Két külön időpontban, hasonlóak, mint a fentiek. 1. időpontban ilyen volt, 2. időpontban ilyen lett. Akác maradt akác, a maradék mivé alakult. Miből, mi lett. Nem egy időpontot, több időontot nézünk.

• hibamátrix -> átalakulási mátrix
• hibatérkép -> átalakulási térkép

Több időont közötti változás.

Osztályozás eredményének GIS-be tétele

Tematikus raszteres fedvény GIS renszerben. A razsteres fedvényt vektoros fedvénnyé alakítjuk. Vektor alapú elemzések.

Tematikus raszteres fedvény. Három osztályban a Landat. pixel érétkek tematikus kódok.

Raszter -> vektor

• Határvonalas
• középvonalas vektorizálás

Két cella közötti vektoros vonal. Valamilyen generalizálást kell csinálni, nem lépcsőzetes a vonal. Nagy a jelentősége az adatállomány méretének csökkentésében. Vektoros fedvényeken olyan elemzések, amit a raszteresen nem, vagy bonyolultan tudjuk.

Gyakorlaton medián cut szűrő, de maradnak egy-egy pixelnyi kategóriák. Terület alapon ki tudom szárni. A nagyobb területő környezetéhez csatolja. Terület egyszerűen és könnyen elemezhető Szomszédsági viszonyok is egyszerűen.

Osztályozás eredménye raszteresen és vektorosan is. Előnyei-hátrányai megvannak. Annak függvényében, hogy mi a cél.

Vektor alapú elemzések

Osztályozáshoz tartozik, de geoinformatikai környzetben végezzük, ide az utófeldolgozáshoz kerül.

• Referencia vektoros térkép (kataszteri, erdő, de bármely). Azt vizsgáljuk, hogy az adott poligon melyik osztályba sorolódik?
• Eredeti melyikbe?

Példa 1987 vs 199x spektrálisan is összeveti. Nem eloszlási diagramon ábrázolom, hanem szóródási diagramon.

Spektrális erdőrészelt. Ha több időpontú felvételt vizsgálunk, nagyobb megbízhatóságú osztályozás. 30 éves LF átfed a 100 éves B-el. Ha külön időben vizsgálom, jól elkülöníthetem.

Itt az egész erdőrészletet vizsgálom és szeretném kategóriába sorolni. Nagyon jl be tudjuk sorolni, hogy az adott erdőrészlet, melyik évszám időpontban.

Legfrissebb beavatkozások. Lilánál az erdő. Vektoros térkép segítségével az osztályozott felvétel előállítása.

Nagy a jelentősége, nem a helyrajzi szám változásait nézzük, hanem melyik kategóriába sorolódik be.

Vektoros referencia térkép osztályozó itt is előkerül, mint a szubpixel. Az adott erdőrészleten belül, milyen az osztályok súly aránya. Azon erdőrészlet 20%-a még idős erdő, 60%-a vágásterület. 30%-a fiatal erdő. Referencia vektoron belül határozzuk meg az arányokat.

Minimum

Hibamátrix meghatározása

ismert tesztterületek osztályozásával előállított területkimutatás

Vektor-alapú elemzések

referencia vektoros térkép, ezt fogjuk besorolni az adott osztályba. Vektoros poligonok az osztályozás alapegységei.

Távérzékelés alkalmazások

Milyen távérzékelési alkalmazásokkal találkozhatunk? Ezeket a mindennapokban hogyan?

Corine Land Cover (CLC)

CORINE = Coordination of Information on the Enviroment

• Land Cover -felszínborítás
• Az EU által a 80-as években indított projekt.
• Olyan népszerű, hogy 28 ország 1998-ban 4.4 mio km^2 Jelentős felszínbortási térképezés. Távérzékelés nagy jelentősége

Célkitűzés

Kvantitatyv, megbízható, összehasonlítahtó felszínborítási információ Eu területre, környezeti politika kialakítása.

Alkalmazási lehetőége:

• környezeti folyamtok modellezés
• regionális terv
• tájgazdálkodás
• vidékfejlesztés
• és sok más!

Technikai jellemzők

Alapvetően mind a mai napig, űrfelvételek vizuális interpretációjával (foto…) Az 1990-es évek elején Landsat TM űrfelvételek kinyomtatva egy bizonyos méretarányba. Színkonpozit, fóliával húzott kategóriák, utána ezt vektorizálták, vektoros adatbázis! A kezdetek kezdetén! Heterogén rendszer, a digitális képeket kinyomtatták.

4-5-3 kompozitot a vegetáció, fólia szkennelve a végén.

CLC nomenklatúra 1. szint

Hierachikus renszer

1. Mesterséges felszínek
2. Mg ter
3. Erdők és természetközeli
4. vizenyős területek
5. vizek

Ez a legfelső szint. Osztályozásnál is jól használható. Régóta, több mint 30 éve kidolgozott, változatlan. Jelenleg Eu szinten a 3. hierachikus szintig egységes.

• 3 erdők és természetközeli területek
  • 3.1 erdők
    • 3.1.1. lomb
    • 3.1.2 tűlevelű
    • 3.1.3 vegyes
  • 3.2 Cerjés
  • 3.3 növ nélküi, kevés növényzettel fedett nyítl.

Egységes, vannako olyan kategóriák, amik nálunk nem! Az összes lehetséges EU kategória.

Mintakulcsok

Részetes mintakulcsok kidolgozva. Jól dokumentált projekt. Definíció és mintakép. Minta poligonok, sárga színnel.

Első generáció fólián, utána arcview alatt magyar fejlesztésű inter-view csomaggal.

Részletes online és offline kiadvány. Sokat lehet találni.

Az egész Corine programban Mo. nagyon aktív szerepet játszott. FÖMI egy saját osztálya ezzel a Corine felszínborítással és EU koordinálása. Büttner György EU szinten koordinálta.

CLC szntek 1.

CLC 100

• 1:100 000
• Landsat TM
• 1990-92 felvétel
• mint ter. 25 ha (MMU)
• min szélesség 100 m
• EU nomenklatúra 3. szint

Ma CLC100 (esetleg évszámból CLC90 VAGY CLC 92

CLC50

Csak magyarországra készült. EU-s szinten nem készült. Magyar javaslat volt.

• 1: 50 000
• Spot-4
• 1998-99
• mint ter 4 ha
• 50 m minimum szélesség
• hazai nomenklatúra 5. szint

Csak hazánkra érvényes, ausztria bizonyos tartományai és egy-két ország. Spot 4 első felvétele gemenc! Spot4 felvétel promótálása is Magyar szerep!

Mind a mai napig a CLC50 az egyik legrészletesebb egységes felszínborítási adatbázis.

Jövő órán innen folytatjuk.

<2024-04-08 h> Gyak

KÉposztályozás, Sokat késtem.

Google Earth Engine

SCP QGIS modul

SCP semi-automatic classification plugin

Lapos tanulási görbe, de ingyenes

Modulok között bekapcsolva! Nézet, patanelek, scp doc

Alapfelületen jobb kliik

SCP User Manual.

Doksi:

1. Brief introduction 4.4 land-cover classification Accuracy Assesment

Congalton and Green 2009

Pontosságvizsgálat bibliája.

Ugyanannyi kategória ahány osztály

	ground truht 1	ground truht 2
class 1
class 2

Képlet ott

Az adatokat osztom a teljes területtel helyes terület osztva!

∑ a_ii / n

Átló a teljes területtel. Ez az OA overall accuracy.

UA sorokon belül a ténylegesen beosztályozott a teljes

user UA = az átló értéke osztva a sor összegével

Producer accuracy PA = átló össze osztva oszloppal

TopoXmap

Osztályozásunk végleges változata.

ML 110, max valószínűség -110

Táblázuat terület.

Csak az egészet tudjuk kimásolni.

m^2-részt vmásoljuk le. Excel táblába tegyük be.

Tizedes vessző cseréje.

Egy táblázatot kellene csinálni.

Sorok végén, oszlopok végén összesítés.

Nem feltétlenül akkora az összes terület. Digiterrából kimásolható a tábla a

Számoljuk az overall accuracy-t.

Excel

Kiszámoltuk a területek alapján a fenti errororkat.

Comission error

Producer Accuracy

Megcsináljuk azokat az osztályozásokat. Omission erorr producer accuratcy.

<2024-04-15 h> Ea CLC

172.4.27.253

Házi

Google Earth

Amit lementünk, azt ne üresen küldjük el.

A második feladattal még senki sem foglalkozott. Két hét múlva leadás.

CLC50

Magyar sajátosság. Legrészletesebb felszínborítási térkép Mo területéről.

Utána 2000- kialakult módszertan, ami nem változik utána.

6 évente készültek

CLC2000

• Landsat 7 ETM+
• 2000 +-1év
• Egy időpontú felvételek!
• 100-es lépték
• 25 ha min terület
• 100 ha min szélesség
• Felszínborítás
• Felszínborítás változás ezt vezették be. Geometrilailag jobb űrfelvétel, változást külön térképezve a geometriai pontatlanságból adódó változások elkerülhetők. Szilánk polygon, amikor arréb megy a poligon. LCC(1990-2000) 90-re is pontosabb adatot kapunk. EEA felügyeli. Sok technikai trükk és buktató a kivonásban.

CLC2006

SPOT 4–5, IRS-P6

• 2006 +-1 év
• Két időpontú felvétel
• többi változatlan.

CLC2012

• IRS, Spot 4-5, RapidEye
• 2011-2012

CLC 2018

Sentinel 2-is

CLC 2024

Reméljük lesz.

Ált

Svájc és Norvégia is megcsinálta, balkáni államok és Törökország is.

Jó erurópai adatbázis. Széleskörűen felahsználják.

Lechner és EEA honlapján is elérhetők a további információk.

CLC mellet még nagy felb felszínborítás rétegek HRL

High Resolution Layer

CLC teljes területet lefedő (faltól falig) Nagyfelbontásúak tematikusak.

• Mesterséges felszínek (vízzárási arány, Imperviousness Degree, IMD 1-100 térháló és aszfalt. 2006, 2009, 2012…
• Erdős területek Lombságor záródás (Tree Cveer Density TCD) Erdőtípus (Forest Type, FTY) adatbázisok.
• Füves terüetek (Permanent Garsland, PNG) a legkritikusabb gyepet jól elkülöníteni mg-től nagy kihívás több időpontú felvétel.
• Vizenyős területek (Wetland WET)
• Állandó vízfelületek (Permanent Water Bodies,

Automata osztályozás csak ezeket mutatja. Nagy területre.

NÖSZTÉP

Nemzeti Ökoszisztéma Alaptérkép

Komoly projekt.

Olyan alaptérkép, a Corin és bizonyos tekintetben nagyfelbontűsú rétekegek. A kettő ötvözésével. Ez az alaptérkép ingyen letölthető. Elég jól dokumentált adatbázis. Gyakorlaton nézzük.

ÖBKI koordinálta, Lechner segítette az alapadatokkal. Európai szinten is jelentős fegyvertény.

MEPAR

• Mezőgazdasági parcella azonosító renszer. Agrártámogatosk eljárásainak kizárlagos országos földterület-azonosító renszere.

Fizkai blokk

ez az alapja, mit nevezünk? Térképen piros vonal a határa. A fizikai blokk olyan határok, amelyek a terepen is láthatóak és a távérzékelt felvételen is látható. Út, árok, patak, töltés határolja. Terepen is és távérzékelt felvételen is! Belül elkülöníthetik a nem támogatható területeket.

• Mezőgazdasági tábla/parcella

Eléggé sokat fejlesztettek. Talán érdemes elmondani, hogy MEPAR alapjaiban a DigiTerra cégnek nagy jelentősége van. FÖMI égisze alatt kezdték fejleszteni. Majd kivált a MEPAR vonal. Jelenleg az Államkincstár felügyeli, aki az EU-s pénzeket felügyeli.

Tulajdonos a kézzel rajzolt vázlaton bejelölheti, hogy a terüeten milyen támogatható kutúrát művel. Nem támogatható területek jócskán vannak. Út menti árok, erdős területek.

Benyújtott EU-s támogatási igény jogosult-e annak az első szintű ellenőrzése távérzékeléssel történik. Az adott gazdálkodó azt csinálta-e. Első színtű ellenőrzésen valaki megbukik, akkor a helyszínen is ellenőrzik.

Integrált Igazdgatási és Ellenőrzési Rendszer (IIER) Minimum 5% ellenőrzése!

Rossz példa a Fertő, ahol nádgazdálkodásra évekig felvették a támogatást.

https://www.mepar.hu/mepar

Tulajdonosok eléggé féltik.

Lechner oldalán láthatjuk. Piros fizikai blokkok határa. Nem támogatható területek sraffozottak.

Elég drága a MEPAR. WMS-ként lehet előfizetni rá. 1 blokk 3600 Ft/db.

Jelentős fejlesztések, hogy mik a nem támogatható területek. 12% és vízerózió, 17% meredekebb

Nem teszik közkinccsé és nagyon drága. GAzdának is meg kell venni a saját fizikai blokkjait.

http://mepar.magyarállamkincstar.gov.hu

Jó leírás a renszerről. Érdemes megnézni. Fellhasználói kézikönyv. Fizikai blokkban keresni. Utána a támogatási igényeket bejelenteni.

Nem rossz rendszer. Magyarországon az országos légifényképezések nyáron, hogy a MEPAR céljaira felhasználhatók legyenek. Felszínborítottságot értékeljék. Magyar sajátság. Egyrészt a MEPAR finanszírozza a nemzeti légifényképezést, Állami alapfeledat és utána meg kell venni a fényképeket, ortofotót.

Lechner

Felszínborítás a Téradatokból, amit korábban beszéltünk. Copernicus és adatbázisok részletes ismertetése. Adatbázisok letöltésére ki kell tölteni és mire használjuk. CLC2018

nEMZETI NAGYFELBONTÁSÚ KORIN a CLC50

Nagyfelbontású rétegek, amiról volt szó.

Urban atlas. Nagyobb városok változása. Folyómenti és Natura 2000 területek.

Komponensek részletes leírása. Hogyan készültek. Lokális komponensek. Részletes ismertető.

Gyakorlatok szervezése

Fogunk foglalkozni az ecognitionnal. Infromatika reakció ideje miatt lehet gyorsabb lenne saját gépre feltenni.

Jövő hét hétfői gyakorlatra sagát gép.

eCognition Free trial version. Trimble geospatial.

Ingyen le lehet tölteni. Korlátozott képméret, nem lehet menteni. A szoftver dolgait meg lehet ismerni. Szegmens alapú képfeldolgozás.

Végig tudjuk vinni, de sem a feldolgozást, sem az eredményeket nem tudjuk menteni.

Teljes verzióból lementettet sem lehet megnyitni. Óra előtt az anyagokat megosztja, hogy le lehessen tölteni.

CLC összefoglalásas

Léptékkel kapcsolatban egységes. 25 ha és 100 m széles.

Nomenklatúra a 3. szintig egységes nomenklatúra.

Módszertan a vizuális interpretáció fontos! Végig. Nagyon nagy a jelentősége.

Minimum

• CORIN első szintjén a főkategóriák
  • mesterséges felszín
  • mg
  • erdők
  • vizenyős és vizes

EEA-nál néztük a térképeket

https://land.copernicus.eu/en/products/corine-land-cover

6 évente, változás térképek. WMS szolgáltatásként is elérhető.

Nézegettük a fenti copernicust. Nagyon sok. EU-Hydro is van itt! Gyakorlaton is foglalkozunk majd velük.

Van-e kérdés?

<2024-04-15 h> Gyak

14–14:30 kényszerszünet lesz.

CLC

Átmásoltam Benedikti Danitól.

HRL

X meghajtó HRL mappa.

Először a DLT2015t adjuk hozzá

Nem csak magyarország

1. broaddleaved
2. CONIFEROUS

HRL digitális képfeldogozás eredmé

Szűrés, csak az erdőket szeretnénk. Első két számjegy = 31

Left(“CODE_12”,2) = ‘31”

fontos a szöveges függvény

Nem ment a fenti.

Jobbklikk szűrésbe kell feíírni a kettőt.

HRL dlt = Dominant Leaf Type

FTY A FOREST TYPE.

FADSL = Forest additional Suppor Layer Urban use!

További nincs adat = 0, akkor átlátszóvá teszi.

plough

Plough palettás egyedi érték.

xml-ben leírások. “-“-al letörlöm a 0 és 255 értékeket.

IMD

imperviousnes

pwb

itt is nulla átlászót

Tree cover density

TCD milyen sűrű az erdő

WAW

xml doksikban lehet látni a részletes leírást.

nösztép

x nösztép ösz alapv4 tif 48 mb körül

Szétcsúszott kategória 3 erdő és természet más! Várkerület, vasút beleégetve.

Térkép alapú és távérzékelés alapú tematikus részek.

Nagy munka. Már aktualizálás v2 változatot mondják.

20m-es pixelméret ez is! Távérzékelés és térkép alapú dolgok.

pdf dokumentációk. Validáció. Ingyenesen letölthető!!!!

öSSZEFOGLALÁS

CLC, hrl és nösztép átgaloppozása.

CLC távérzékelésben fontos alaptérkép, európai szinten.

Akár a feladat, akár osztályzás, vizuális interpretációnál is jól jöhet. Egyéb felszínborítási adatokat megnézni. Amit gyepnek mondunk, vagy más szántó!

Érdemes több forrást, adatbázist megnéznie. Összevetés más adatbázissal. Van olyan, ahol miénk mérvadó, de lehetm mást is értelmezünk.

<2024-04-22 h>

eCognition. Hosszabban tartottam az órám, viszonylag későn értünk be.

Máté mutatta, hogy a jobb felső sarokban hozzáadta a process treeket, Segmentation kétszer

• 8000 és
• 4000 segmentation parameters.

Select sample

Cseréptető az aktív class.

Lapostető class. Kiválaszotttuk.

Hierarchikus osztályozást hoztak létre.

Napos burkolatokat adtak meg először.

Lombos és tűlevelű egyedek. Árnyékos és napos szegmens.

Korai felvételt használnak. Tűlevelű egyedek, mert a lombosok még jellemzően nem hajtottak ki.

Réteget kikapcsolták

Vannak mintáink és a következő az osztályozás.

Osztályozás előtt enné a szoftvernél a legközelebbi szomszéd osztályozót használjuk. Classification -> edit -> standart nearest neighbour.

Image layer -> Mean -> layer 1,2,3.

Create new arithmetic feature.

NGVI - normalised green vegetation index. Közeli infra helyett zöld.

NGVI = (G-R)/(G+R) ha nincs ez is használható NIR helyettesítésével.

Image layer az átlagból.

(Layer2 - Layer1) / (layer2 + layer1)

Minden objektumra kiszámolja. Ha megvan, akkor OK.

Átlag és NGVI kijelölve

Classification -> Nearest neighbour, az összes osztályra kiválasztva.

Utána object informationnál kiírja, hogy melyik osztályhoz tartozik?

Osztályozás lefuttatása

Jobb klikk új process. Classification. Az összes osztályt kijelölni.

A domainnél a current iage object level.

Megcsinálta.

• Kellenek samplek
• standard nearest neigh, feature space.

Sokaknak nem megy valami!

Újabb algoritmus

A process tree edit process.

Új classification, kiválasztani az új szintet.

Assign class. az algoritm lenyíló listából.

Unclassified a use classnál.

Executeval a másikat kapcsoljuk be.

Valami gond van.

Egyéb osztályozóval az épületeket próbáljuk.

use classnál from features, ott sub object!

Relation to objekt csoportban majority vote-area, ott 1-est beírni.

New level szinten is leosztályozza az objektumokat.

Magasabb szinten

Magasabb szintő szegmenseket oda teszik, ahol a magasabb szinten az osztály. Gyermek objektumok szintjén osztályozzuk be, ahol nagyobb a területe az adott osztályoknak.

Pontfelhő bevonása az osztályozásba

Addig eljutni, ameddig eljutunk. Jövú órán pontfelhőt is bevonjuk.

HÁziról

Landsatot is mondott. Jó űrfelvétel

Sentinel2 60 méteres kivételével mind.

Kivágatokat érdemes megcsinálni. Virtuális raszternél nem megy a külön

4 10-m-es, 6 20-m topoXmap külön kezeli a felbontásokat.

Szkriptnél behelyettesíteni, azonosítót beírni, amit órán csináltak.

Elsőnek képeket behozó szkript. kiválasztott praméterek, onnan képet. Kép Id másik szkriptet, bemásolva.

Azonosítók a Sentinelnél is globálisak.

10*10 km. Script valakinél.

<2024-04-29 h> FIR

Földmegfigyelési Informáciüs Redszer

Giga projekt lett végül.

Köfop (Közigazgatás Fejlesztése) projekt keretében. Célja az ESA Sentinel adatok archiválása és magyar adatok elérhetősége. E miatt közigazgatás, annak digitalizációja a hivatalos köntös.

2016 előkészítés. 7.35 md. 2022 ápr 30-án zárult, de máig is vannak nem egészen jól máködő elemek.

Copernikus felvételek nemzeti archívumba. ESA elkészíti a felvételeket, de nincs elegendő tárolási kapacitás. Rolling archive. A régebbi felvételek archívumba kerülnek. Megigényelhetők a régiek (vagy fölkerül, vagy nem).

Támogatja a nemzeti törekvéseekt, nemzeti archívumok. Ez a legfontosabb. Magyarország, Kárpát.medene. Sentinel 1–3 és 5 is.

Részei

FOK = Földmegfigyelési Operatív Központ (Lechner Budafoki út) Operatív. Standard eljárásokkal feldolgoz.

Közigazgatás ezért:

• Lechner
• eseti
• BM OKF
• BM OVF stb.

Közigazgatási szereplőknél hol segít.

https://efold.gov.hu

Földmegfigyelési Adatközpont = Szuperszámítógép 2PB és sok CPU és GPU Lechneer

ŰMÉR űrfelvétel megrendelő rendszer. Közbeszerzési portálon kellene megrendelni.

Mozgásvizsgálat jelentős és MEPAR ban is segít.

Hazai KKV számára adatfeldoglozás “sandbox”-ok, de nem megy megfelelően.

FIR API működik, de nem túl jól dokumentált.

FOK backoffice rendszer mögötte

nemzeti Copernius adatelérés

Jogharmonizáció biztosítása. Űrfelvételek alapján kiderül szabálysértés, legyen lehetőség, hogy FIR alapján eljárást indítanak, vagy bírságolnak.

2021 CXLIV tv. a Földmegfigyelési Információs Rendszerről. Még nem tud ez alapján bírságols.

769/2021 FIR szóló tv. kereskedelmi űrfelvételek központosított közbeszerzéséről.

Lezárult feladatok

KAK Hosting (Fehérvári út) védett helyen vasak 1128 CPU, 2*5120 cuda GPU 8 e GB MEM 2200 tb DISZK 4800 tb ARCHIVÁL

Szoftver

• Vmware, Kubernetes, Airflow, Docker, Git
• kiszolgáló környezet standart nyílt forráskódú szofter.
• sandbox, zárt rendszernek történt

Elektronizált közig

• eseti légtér kijelölése
• távérzékelési engedély
• előzeter szakhatósági állsfoglalás

stb.

FOK kialaktva

hardware és software

Jogszabályi környezet

nem nyilvános kormányhatározát a működés finanszírozás support szerződés okt-dec a cég ellátta a supportot. Lemaradásban.

Elérhető

Sávkombinációk és indexfelvételek.

LAI becslés és sávkombináció indexek. Gyakorlaton volt.

Hardver

• Kommersz HPE cikkszámmal rendlekező elemekből.
• korlátlanul bővíthető

Georeduntdáns Két helyen.

Szoftver

• Python alapú programozási körnezet
• feldoglozási alg elemi objektumokból felépített gráfok
• “sandbox” környezet alg fejleszéts

Közig

verziózott algoritmusok

Sentinel 2 processing baselin változott. FOK fél év múlva jött rá.

Elérési út változott. 2–3 hónapig nem volt elérhető felvétel.

Eseti légtér kijelölés nem ment.

KAK = kormányzati adatközpont. NISZ üzemelteti. KIFÜ hardver üzemeltetés.

FOK szerződés is sokat csúszott.

Rudan Pál KIFÜ keretében vezette részben a projektet.

Másik előadás Erdészeti Monitoring Szakrendszer

Szabó Márton a Csoki

Szakrendszerei:

• katasztrófa
• vízügyi
• erdészeti
• általános
• HM MH
• ümér

Ingyenes elérhetés, mindenkinek, de közig rendzserekben promótlált.

Sentinel generációk

Kevés és késés van. Korlátozott rakéta kapacitás.

Adatközpont, letölti adatokat, Operatív központ az operatív feladatok miatt.

Felhasználási területek.

Pl. Sentinel alapú belvíz térkép Sentilel radar alapú.

Tőztérképek.

Erdőknél biotikus és a biotikus károsítólk. ERTI TEMRE alkalmazás. Korábban MODIS alapon. Most Sentinel alapján, orzságos távérzékelési lalapú.

4 eljárás:

Erdő Igénybevétel

építkezésnél, csere erdősítés a kivitelezőnek. Sok beragadt igény a válság miatt. Beradadt igéynek monitorozhatók.

Fahasznlatok

Bonyolultabb helyzet véghasználat OK, közbülső nem mindig jól.

Erdőkár montioring

szúkár könnyű, gyapja pille gradáció, de vannak amik alig.

Szabad rendelkezéső erdők nyilvátartásaba vétele

rendes erdő és mezőgazdasági terület között helyezkedik el. Erdő, de szabadabb szabályozás. Nincs kapacitás a nyilvntartásra, FIR támogatja.

Erdészeti eljárások

NDVI alapú és gépi tanulás tanító terület alapú.

Szabadrendelkezésű erdők erdészueti nagytájanként feldolgozási egységek. Hasonl fafajok.

Erdő osztályozás és tanító területek. Borszasztó egyenetlen tanító terület. Erdészeti szolgálat gond a megbízható tanító területekről. Országos osztályozott raszteres kép az eredmény. 19 fafajcsoport szintig mennek le. Ez a fontos termék. Sajnos problémák vannak vele.

Felület a monitoring szakrendszernél hasonló a nyivános eföld portálhoz.

Megvan a raszter és az adott HRSZ-re, erdőrészletre területi statisztika. Raszter statisztika a területre. Ostzályozott raszterek.

Osztályozott raszter és üzemtervi adatok összehasonlítása.

Soproni-hegység patakok mentén éger félre osztályozott. Kollégák doloznak az osztályozás javításán. Körülményes a rendszer. Tanító terület regisztrálás futtatás sok adminisztratív lépcső.

NDVI alapú feldolgozás

Felvételek, heti és havi aggregációk.

Közeli infra nagy jelentősége. Ha nem egészséges lecsökkent NIR visszaverődés.

Tarvágás jó. Feújítás. NDVI lecsökken kicsit, nő a szórás és utána az is vissza.

Erősen csökkenő területeket jól kimutatja. Erdőkár és falopás is lehet. Közepes és gyenge csökkenés. 2022 autusztusa erősen aszályos, nagyon sok probléma. Regenerálódás különböző.

TAEG területén Intézet Sentinel monotorozó rendszert készített. Jó kapcsolat van visszajelzés (kőris pusztulás, EF gond) vannak téves riasztások, nem lejelentett fahasználat. KELL A VISSZAJELZÉS, akkor fejlődik a rendszer.

Erdőterület igénybevétel Veszprém 6A részadatokat nyomtatott. Időpont felvételek. Osztott képernyő volt gyakorlaton.

Korlátozott felvétel, tavaly tavasszal az ország területén nem volt felhőmentes felvétel. Vannak időszakok, amikor passzívan nem lehet letölteni.

Sentinel 1 aktív műhöld. Felhőkön átlát. Jellemző erdő struktúra.

Összefoglalás

FIR jelenleg sok nyögvenyelős dolog. Remélhetőleg lesz második felvonása! Fontos a szakma szempontjából. Minden archív felvétel elérhetők. FIR odlaon a legrégebbi is.

Automatikus feldolgozás (ha jól megy) jó. Belvíz aszály radarinterfero fontosak!

Zárás

Alapfogalmak és minimum kérdésekből ZH. Jövő vagy jövő utáni? 6 és 13-a. Jövő héten.

Tételsor áttekintése

Tételben a dőltel szedett a minimum kérdés.

• távérzékelés tágabb és szűkebb
• hullámegyenletek, reflektancia, hullámhossztartományok
• digitális kép foglama és felbontása helyigénye
• 0D letapogató Landsat
• Sentinel MSI felbotása
• SAR meghatározás
• LiDAR meghatározás
• LechNER TK, HM Zrínyi forgalamzott adatk
• Vizuális interpretáció és méreelme
• Geometriai és radiometrioai korrekciók
• Vegetációs és egyéb indexek
• osztályozás fogalma és lehetséges alapegyséei
• hibatmárix, hibatérkép
• Vektor alapú elemzések
• CLC

Nincs Teams csoport. Neptunon is átmegy a tételsor.

Májusban vizsga, hogy tudjanak menni gyakorlatra. Hétfői vizsganap.

<2024-04-29 h> Gyak

eCognition folytatása. Megint órát tartottam.

Egy csomót csináltak.

Tanító területek

Magasság

Ennek a végére értem. Magas és alacsony, többit a talajszintbe.

Más feltétel nem kellett.

** Tiszta lap. Új projekthez ortofoto hozzáadása.

Rétegeit át kell írni RGB a layer

4 réteg és + NDSM

VALAMI LEHALT

Orto, NDSM. Ez utóbbi fent van a teamsen.

Insert child process, multi res. segmentation.

Scale parameter: 40-40-03

NDSM40 a level name.

Többihez lehet nullát kellene írni.

Újra: 4000 parameter, 02. shape, name: L4000

NDSM 200-al szorozható, hogy hasonló legyen.

Túl nagy a 4000 lépték. Nézzük meg 2000-rel. Alakul, de nem az igazi. Letörli a szintet.

L1000 és 0.3 a shape. Elfogadjuk felső szintnek.

Duplikátumot csináljunk.

NGVI

Image leayer mean a meaneket venni minden sávban.

NGVI-T számolunk

G = mean green layer, stb. (G-R)/(G+R)

Rögtön végleges osztályok:

• tégla tető
• lapos tető
• burkolt
• fák
• gyep

Dupla kattal select sample.

Fölső szinten L1000 válasszuk ki a tanító területeket.

burkolt árnyékos és napos

Classification nearest neighbour. Milyen tulajdonságokat használjon a tanítóterületekből.

NGVI, mean DSM, rgb is kell!

Világosságot is figyelembe lehet venni.

Customise-ban csináltuk, objektum átlagos vegetációs indexét!

Következő classification apply standard near. neigh. to classes.

Classification, class filter none, active classes…

OK, execute.

Kiválasztot objektumnál delete class.

Select samplesnél dupla klikkel eltávolítom és hozzáadok másikat.

Új classification és újra osztályozás! Végén class color.

Még lehet külön olyan. Objektum magasságot megnézni.

Manuálisan kiveszem a burkoltból a zöldterületet.

Assign class. Kiválasztom burkoltat.

Nem értjük, hogy az nDSM alapján miért nem ment jól minden osztályozása. El lehet menni hierarchikus irányba. Ha magas és zöld fa, ha magas és nem zöld, akkor épület, ha alacsony és zöld gyep, stb.

Eredmény shp-ba kiexportálható. RAszterba is.

Új processzt hozzáadunk, a végén van reshaping. Reshaping a poligonok éleit javítsa.

A végé deep learning CNN alapján is tud osztályozni. A legvégén export. Ott lehet kiexportálni az osztályozást.

multi-resolution segmentation hatákony eljárás, néha kifagy, nem mentjük… Egy eljárás lementhető, az megy a többi felvételnél. Sajnos ez trial version.