Principy DPZ

Získávání informací o objektech a jevech na povrchu planety Země bez nutnosti fyzického kontaktu

Dálkový průzkum Země

Výzkumná činnost Laboratoře je zaměřena na zpracování naměřených dat pomocí matematicko-fyzikálních a matematických metod. Základním fyzikálním jevem, na kterém je dálkový průzkum založen, je interakce elektromagnetického záření se zkoumaným objektem. O tom, jak probíhá tato interakce, nám udává energie, kterou zaznamenává detektor v přesně vymezených intervalech vlnových délek v daném prostorovém úhlu. Takto definovaná interakce je výchozí pro určování hledaných vlastností daných objektů. Každý objekt na zemském povrchu má vliv na naměřené hodnoty energie a to jak v čase, tak v prostoru. Proto je tato energie měřena prostřednictvím kvantitativních fyzikálních veličin.

Data používaná Laboratoří dálkového průzkumu ve výzkumné činnosti

V současné době jsou pro analytické práce využívána následující satelitní data (uvádíme jejich základní technické parametry). V našem nově spuštěném online Archivu satelitních dat lze nyní nalézt data z družic Sentinel 2A a Sentinel 2B od počátků jejich činnosti v roce 2016 za celou Českou republiku, vždy za dobu vegetační aktivity (tedy od 1. dubna do 31. října daného roku) – viz oddíl Archiv družicových dat.

Družice Senzor Typ dat Typ senzoru Prostorové rozlišení [m] Počet pásem [MS/F] Záběr senzoru [km] Perioda snímání [dny]
Landsat 8 OLI optická multispektrální 15 a 30 9 185 16
  TIRS optická multispektrální 100 2 185 16
Sentinel 1 C-band SAR radar jednofrekvenční 5–40 1 20–40 1–3
Sentinel 2A, 2B MSI optická multispektrální 10 a 60 13 290 2–3
RapidEye JSS-56 optická multispektrální 5 5 77 1
QuickBird 2 MS optická multispektrální 2,4 4 16 3
  PAN optická panchromatický 0,6 1 16 3
SPOT 4 HRVIR-MS optická multispektrální 20 4 60 5
  HRVIR-PAN optická panchromatický 10 1 60 5
Envisat MERIS optická multispektrální 300 15 1150 1
Terra ASTER optická multispektrální 15-30-90 14 60 16
  MODIS optická multispektrální 250-500-1000 36 2330 1
NOAA AVHRR optical multispektrální 1090 6 2900 1–3 za den

Předzpracování dat

Před vlastním zpracováním dat dálkového průzkumu je vždy nezbytné provést jejich prvotní předzpracování. Předzpracováním dat se rozumí především radiometrické a geometrické korekce, transformace (rektifikace) dat do zvoleného souřadnicového systému a kartografického zobrazení. Většinou lze pořídit data po základních radiometrických korekcích, po základních geometrických korekcích, a většinou transformovaná do souřadnicového systému WGS-84. Někdy se však může stát, že námi vybraná data tato předzpracování nemají a proto je nutno pro další zpracování korekce provést. Nehledě na to, že státní mapové dílo České republiky je v souřadnicovém systému S-JTSK, proto je z důvodů kompatibility dobré data transformovat do požadovaného souřadnicového systému.

Co však je pro vlastní zpracování zcela nezbytné, je provést na datech atmosférické korekce, které eliminují vliv atmosféry na měření objektů na povrchu. To je také jedna z úloh, kterou se Laboratoř podrobněji zabývá.

Zpracování dat

Proces zpracování dat dálkového průzkumu je dán typem dat (např. optická data, radarová data, data z lidaru, nebo data z tepelné oblasti spektra). Pro příklad uvádíme řízený klasifikační proces, který lze kdykoli modifikovat (viz schéma). Samozřejmě lze zvolit i další analytické postupy (např. možnosti využití kombinace spektrální knihovny a multispektrálního příznakového prostoru atd).

Proces popisuje technologii zpracování multispektrálních satelitních dat, který je postaven na těchto dílčích technologických postupech:

1. Proces výběru vhodných satelitních multispektrálních dat

V tomto prvním kroku vybereme vhodná multispektrální data ve vztahu k očekávanému výsledku. Tedy především vhodná spektrální pásma, radiometrické a prostorové rozlišení. Důležitý je také termín snímání, ev. termínové rozlišení.

2. Proces řízené klasifikace

Z hlediska očekávané přesnosti výsledku zvolíme klasifikační pravidlo. Můžeme zvolit neřízený klasifikátor (zpravidla méně přesný), nebo klasifikátor řízený. Z řízených klasifikátorů můžeme zvolit některý z kategorie klasifikátorů kontextuálních, pravděpodobnostních nebo několika typů neuronových sítí.

3. Výběr trénovacího území

Trénovací území vybíráme tak, aby v něm byly obsaženy všechny námi analyzované objekty a konfigurace terénu byla typická pro většinu plochy snímku (scény), kterou budeme zpracovávat.

4. Analýza příznakového prostoru

Tento krok zpracování je v celém procesu nejdůležitější. V n-rozměrném příznakovém prostoru jsou analyzovány jednotlivé příznaky pro námi vybrané objekty. Tyto příznaky (n-dimenzionální clustery) musejí být ve výsledku maximálně homogenní a separované.

5. Výběr vhodného řízeného klasifikátoru (pravděpodobnostní, kontextuální, ANN, atd.)

Z dané kategorie řízených klasifikátorů zvolíme pro danou aplikaci ten nejvhodnější. Např. z kategorie pravděpodobnostních klasifikátorů vybereme klasifikátor největší pravděpodobnosti (maximum likelihood).

6. Verifikace klasifikačního procesu

Správnost každého výsledku klasifikace je nutné ověřit. To lze udělat dvěma způsoby, buď se správnost ověří přímo v terénu (většinou na trénovacím území), nebo matematicky. Nejlépe je kombinovat oba způsoby.