a hiperspektrális képfeldolgozás módszereiteo.elte.hu/minosites/tezis2007/hargitai_h.doc · web...
TRANSCRIPT
A hiperspektrális képfeldolgozás módszerei és az első magyarországi képalkotó spektrométeres repülés
adatainak elemzése
A DOKTORI ÉRTEKEZÉS TÉZISEI
Hargitai Henrik
Témavezetők: Kardeván Péter, Mari László
ELTE TTK Földtudományi Doktori Iskola
Földrajzi program2006
1
1. Bevezetés – a munka célkitűzéseiA dolgozat a távérzékelés legújabb alkalmazási területeivel, ezen belül a hiperspektrális
képalkotással foglalkozik: az első magyar képalkotó spektrométeres repülés megvalósítását mutatja be
és eredményeit elemzi három terület példáján.
A képalkotó spektrometria – más néven hiperspektrális távérzékelés – során egy területet
képpontokra bontunk és minden képpontról felveszünk egy spektrumot, mely folyamatos görbeként
jelenik meg. A hiperspektrális képek általában több tízes nagyságrendű sávból állnak, ellentétben a
multispektrális képek 5-10-es nagyságrendű sávjaial (a labormérések és terepi – nem képalkotó –
spektroradiométerek több százas nagyságrendű sávra bontják kb. ugyanezt a tartományt). Így a
részletgazdag spektrális felbontás miatt a spektrum olyan részei is érzékelhetővé válnak, melyek
korábban nem: ezek (pl. elnyelési sávok pontos kijelölése) meghatározásával olyan felszínborítás-
típusok is elkülöníthetők, melyek a „durvább” multispektrálissal nem (1-2. ábra).
1. ábra A terepi spektroradiométer 646 sávja (B) és a LANDSAT 7 sávja (A) által szolgáltatott spektrum-görbék összehasonítása egészséges zöld növényzet esetén.
2. ábra Jellemző spektrumok a 2002-es spektroradiométeres mérésekből
2
A munka alapkutatásának célja egy különféle vegetációtípusokat (fajokat és elegyeket) tartalmazó
spektrumkönyvtár (célspektrumok és végállású spektrumok – endmemberek listájának) létrehozása, és
ezzel a recski és gyöngyösoroszi területen lombhullatő erdőtípusok elkülönítése volt, amely
multispektrális képpel nem megoldható. A növények biokémiai összetétele ugyanis nagyjából
megegyezik, bármilyen fajról is legyen szó. A leveleken történő fényvisszaverés és szóródás további
gondot jelent. Ami mégis elkülöníthetővé teheti őket, az a pigmentkoncentráció, biokémiai jellemzők,
levél jellemzők, lombkorona szerkezet, így ezeknek köszönhetően az abszorpció és reflektancia is
különbözik. A multispektrális képekkel az erdőtípusok (lombhullató/tűlevelű) elkülönítése jól
megoldott (különösen, ha a felvétel akkor készül, amikor a lombhullatókon már nincs lomb). A
nagyobb növényzeti egységek, mint erdő, rét, cserjés elkülönítése is nagy biztonsággal megoldott, de
más esetekben, különösen az említett egységeken belül a mélyebb elkülönítés nem automatizálható
biztonsággal. A lombhullató erdőknél probléma az erdőterület heterogenitása pixel szinten (fafajra és a
„belátszó” cserje- és gyepszintre nézve); így nehéz homogén tanítópontokat kijelölni. Egy
magyarországi fajokat tartalmazó vegetációs spektrumkönyvtár minden további hasonló munka
alapjaként szolgálhatna.
Mivel ez az első ilyen összefoglaló jellegű részletes publikáció, célja az is, hogy a későbbi –
jelen pillanatban már (még csak) körvonalazódó hazai kereskedelmi jellegű repülések eredményeit
használó – magyar felhasználók számára egyfajta kalauzként segítséget nyújtson a hiperspektrális
repülések előkészítésében, lebonyolításában és elemzésében. A munka részletesen ismerteti a képek
elkészítésének és feldolgozásának részletes menetét (az ENVI szoftveren) önálló kutatási területem
példáján és az feldolgozás lépéseinek különféle lehetséges variációit, külön felhívva a figyelmet a
hibalehetőségekre, hogy a későbbi felhasználók elkerülhessék azokat. A dolgozat bemutatja a felvett
spektrumgörbéket és külön listában közli a hiperspektrális távérzékelés szakszavainak magyar
irodalomban felmerült fordításait és fordítás-változatait, segítve a magyar nyelvű korábbi publikációk
jobb érthetőségét és a későbbiek elkészítését. A terepbejárás és adatbázisok segítségével elkészített
mintapontok segítségével a gyöngyösoroszi, recski és tedeji területen készült felvételeket elemzi:
célom a területen található vegetációtípusok, ezen belül a lombhullató erdőtípusok elkülönítése volt.
A munka további, nem kevésbé fontos célja az említett repülés előkészítésének és elvégzésének
részletes leírása, dokumentálása, a hiperspektrális repülés ötletének első hazai megfogalmazásától
nyomon követve annak történetét a megvalósításig majd az első elemzések megjelenéséig.
Megjegyzendő, hogy a Magyarországon még iparszerűen nem alkalmazott hiperspektrális technológia
külföldön már jelentős múlttal rendelkezik, így a hazai alkalmazás első eredményei csak hazai
közönségnek jelentenek releváns újdonságot.
3
2. Alkalmazott módszerek
2002. augusztus 17–18-án került sor a Hysens 2002 projekt keretében arra a
hiperspektrális repülésre (Kardeván et al. 2003, 2003b, Hargitai et al 2004, 2006), melynek
eredményeképp elkészültek a jelen dolgozatban használt felvételek, a DAIS műszer 79 sávot
tartalmazó, 6 méter/képpont térbeli felbontású hiperspektrális adatkockái. A németországi DLR-
ben előfeldolgozott (atmoszférikus és geometriai korrekció) felvételeket az ENVI szoftverrel
elemeztem. A topográfia hatásának kiegyenlítésekor az előfeldolgozás nem volt hibamentes,
ezért a felvételek nem tekinthetők teljes értékűnek. Ennek ellenére sikerült eredményeket elérni
a feldolgozás során a nyers képek és a félig előfeldolgozott (atmoszférikus és sík geometrikus
korrekción átesett) képek segítségével. A hiperspektrális képek előkészítő és lebonyolító
fázisában is aktívan részt vettem a MÁFI részéről; amíg lehetőségem volt, a GER3700 640
sávos terepi spektroradiométerrel saját méréseket is végeztem.
A későbbi feldolgozásban önálló munkát a gyöngyösoroszi és recski (3. ábra) területen
végeztem, ahol a terület növénytakarójának azonosítását tűztem ki célul. Ezen belül egyedül végzett
munkát a recski területen folytattam, saját GPS műszer segítségével. Itt már nem állt
rendelkezésemre spektroradiométer. A képfeldolgozás egyik legfontosabb fázisa a terepi ellenőrzés
volt, mivel spektrumkönyvtár a hazai fajokról nem állt rendelkezésre. A terepi munkában
(lényegében egy spektrumkönyvtár összeállításában) háromféle módszert alkalmaztam:
1. A képen homogén területek azonosítása: – az előzetesen feldolgozott képen látható,
markánsan eltérő spektrumú, homogén területek felkeresése és a spektrumokhoz a terepi
felszínborítás kategóriájának hozzárendelése.
2. A valóságban homogén területek azonosítása: – a terepen a vizsgált fafajok homogén
borítású foltjainak megkeresése, majd ezek végállású tagokként, endmemberekként
tanítómezőként való alkalmazása a teljes képre
3. A valóságban azonos elegyarányúként spektrálisan homogénnek tekinthető területek
azonosítása – a terepen a vizsgált erdőtípusok elegyes, azaz kevert, de azonos elegyarányú
foltjainak felkeresése és az egyes, különféle variációkban kevert formáinak célspektrumként
tanítómezőként való alkalmazása a teljes képre
3. Eredmények (tézisek) és következtetések
3.1. (irodalmi kutatás eredményei)
1. Összefoglaltam az első magyar hiperspektrális repülés megszervezésének és lefolytatásának
történetét
2. Összefoglaltam a hiperspektrális technológiával foglalkozó magyarországi és magyar vonatkozású
kutatások eredményeit
4
3. Összeállítottam egy angol-magyar korrelációs terminológialistát
4. Összefoglaltam a hiperspektrális technológia működésének elveit (ez a kitétel a dolgozat
írásának megkezdésekor még újdonságnak számított: mára, azaz 6 évvel később már sok
pontjában bevetté vált módszereket ismertet)
3.2. (önálló terepi kutatás eredményei)
5. Különféle mezőgazdasági haszonnövények (Tedej területen), és más növényfajok
(Gyöngyösoroszi, Recsk területeken) terepi és laborméréséből összeállítottam egy
spektrumkönyvtárat. Ezek a spektrumok a dolgoztat elektronikus változatából (fő rész és
függelék) számszerűen is kiolvashatóak. Az erdőtípusokra létrehozott spektrális kategóriák a
multispektrális képfeldolgozásban is szétválasztható kategóriák esetén (pl.
fenyves/lombhullató/rét) nagy biztonsággal használhatók. A lombhullató erdőtípusoknál
létrehozott spektrális kategóriák csak részben tükrözik az erdőtípusok faji összetételét: a terepi
ellenőrzés során kiderült, hogy ezeket a spektrális kategóriákat („spektrumtájakat”) részben más
tényezők is befolyásolják. Így az adott növényállomány kis területen jelentkező eltérései
domborzati, lejtőkitettségi és mikroklimatikus hatások miatt, az erdő kora, a lombkoronaszint
szerkezete, záródása és árnyékhatásai, a növényzet víztartalma, valamint további, ismeretlen
tényezők, melyek egyes területeken erőteljesebben változtathatják meg a spektrumot, mint a faji
bélyeg. A spektrumok fajon belüli szórása ill. abszolút értéke is lehet indikatív.
6. Megállapítottam, hogy az irodalmi (erdészeti adatbázisok) és a terepi adatok (más helyről vett
tanítópontok) alapján végzett osztályba sorolás hasonló eredményt adott, tehát valós spektrális
osztályokat („spektrumtájakat”) tükröz. Ám az eredmények csak további terepi ellenőrzéssel
verifikálhatóak illetve ültethetők át faji vagy erdőtípus osztályokra (referenciaspektrumokká),
azaz az ilyen jellegű úttörő kutatás kezdeti szakaszában utólagos terepi ellenőrzés(ek)re is
szükség van; ahol az egyes eltérő spektrális megjelenésű, de azonos faji összetételű erdőtípusok
azonosíthatók.
7. Megállapítottam, hogy vegetáció esetén a terepen ill. laborban felvett spektrum különbözik: a
spektrumkönyvtárhoz mindenképp terepen (magasból) felvett spektrumra van szükség, mert a
növényzet labormérésekkel más megjelenésű, mint terepen (azaz az egészséges levelek
spektruma nem azonos a fa fölülről felvett spektrumával). Ehhez különleges felszerelésre (pl.
daru) vagy a légifelvételekre van szükség. A terepen felvett spektrumokat is atmoszférikus
korrekcióval kell ellátni a szórt fény kiszűrésére. Hogy a spektrumkönyvtár eltérő műszerekkel
beszerzett adatokhoz is használható legyen, szerepeltetni kell, hogy a spektrum milyen térbeli
felbontású képelemekről készült, és mik voltak a műszer optikai paraméterei.
5
8. Megállapítottam, hogy a helyes osztályba soroláshoz használható referencia-
spektrumkönyvtárhoz célszerű egy teljes vegetációs perióduson át érdemes követni a
célobjektumok spektrumának változását, ahogy azt a multispektrális mezőgazdasági
elemzéseknél is teszik: erre az erdők esetén a mi régiónkban még nem kerülhetett sor a
technológia új volta miatt. A célterület kiválasztása szempontjából a területen belül minél több
eltérő, de önálló foltjában homogén felszínborítástípus jelenléte a legmegfelelőbb. A
spektrumkönyvtárban a különféle spektrális megjelenésű, de azonos faji összetételű
erdőtípusoknak is azonosíthatóknak kell lenniük. Ha sikerült kijelölni egy olyan időpontot,
amikor a legnagyobb a spektrális különbség a célobjektumok között, ezt az időt célszerű a
további felvételek elkészítésekor választani.
9. A tölgyes és bükkös területek alapján a hiperspektrális képen kijelölt „tölgy” és „bükk”
(spektrális) kategóriák elkülönítésére azok elnyelési sávjai alapján a következő DAIS által
használt sávokat találtam alkalmasnak, a két kategória tanítómezőiből nyert
átlagspektrumspektrumok alapján (4. ábra). A reflektancia abszolút értéke alapján egyértelműbb
elkülönítés lehetséges: annak maximuma (1,035 mikrométeren) a tölgy esetén rendre 25-28, a
bükk esetén 30-35% volt: e tekintetben a két kategória egyértelműen elkülöníthető volt (3-4.
ábra, 1. táblázat).Elkülöníthető növények Növényre jellemző, elkülönítéskor használható spektrális sávok (mikrométer)
Fenyő-lombosfa 0,869
Fiatalos-nem fiatalos 0,832; 0,86-0,938; 1,66-1,72
Tölgy-bükk 0,623; 0,78, 0,851 1,727; 2,08; 2,115; 2,13; 2,145; 2,158; 2,23
1. táblázat: Növényre jellemző, elkülönítéskor használható spektrális sávok
3. ábra: a „tölgy” (sötét vonal) és „bükk” (világos vonal) kategóriák átlagolt spektrumgörbéi kontinuum-eltávolítás után megmutatják a két görbe elnyelési vonalaiban jelentkező – mint hasonló növényzet esetén várható, minimális –
6
különbségeket (bekarikázva) X tengely: hullámhossz, mikrométer. A spektrumgörbék abszolút értékeinek eltérése ezen a görbén nem látható
A recski terület átlagolt célspektrumai erdészeti adatbázis (A) illetve terepi (B) adatok alapján homogén felszínborítású területeken kijelölt tanítómezőkre
0
50
100
150
200
250
300
350
400
0,50
0,51
0,53
0,55
0,57
0,59
0,61
0,62
0,64
0,66
0,68
0,69
0,71
0,73
0,74
0,76
0,78
0,80
0,81
0,83
0,85
0,87
0,89
0,90
0,92
0,94
0,96
0,97
0,99
1,01
1,02
1,04
1,54
1,57
1,60
1,64
1,67
1,70
1,73
1,76
2,08
2,10
2,12
2,13
2,15
2,16
2,17
2,19
2,20
2,22
2,23
2,25
Hullámhossz (mikrométer)
Ref
lekt
anci
a (*
10) [
%]
Fiatalos bükk (B)
Bükk (A)
Bükk (B)
Tölgy (B)
Tölgy (A)
Fenyő (A)
Fenyő (B)
Klorofill elnyelési tartomány Levélszerkezet és összetétel jellemző elnyelési sávjai
víz elnyelés
víz elnyelés
4. ábra: a recski terület célspektrumai átlagai a kétféle tanítómezős meghatározás alapján.
10. Részleges spektrumszétkeveréssel megállapítottam az egyes területekre jellemző
felszínborítást (5. ábra)
5. ábra: (balról jobbra): Mesterséges, Tölgy, Rét, Bükkös (fiatalos), Fenyves kategóriák spektrumszékeverés
(Matched filtering) részképei (világos: nagy megegyezés a célspektrummal; sötét: kisebb azonosság a
célspektrummal). A kép jobb középső részén lévő folt a recski kőbánya. Jobbra fent Recsk, balra fent
Parádfürdő.
11. A terepen felvett hiperspektrális képek számos olyan sávot tartalmaznak, melyek túl zajosak
ahhoz, hogy szűréssel használhatóvá tegyük őket. A DAIS műszer által felvett képekre
elvégeztem ezen zajos sávok kiszűrésének feladatát, így az eredetileg 79 sávos adatkockából
zajszűrés után is csak 52 sávot használtam.
7
12. Kidolgoztam egy többlépcsős, több lehetséges utas folyamatsort a hiperspektrális képek
elemzésére, az ENVI program használatával (6. ábra).
6. ábra: A hiperspektrális képfeldolgozás néhány lehetséges útjának folyamatábrája (más utak is lehetségesek és nincs
minden opció feltüntetve)
13. Összehasonlítottam a tedeji mezőgazdasági területre egy azonos térbeli felbontású
LANDSAT-szimuláció és a hiperspektrális kép elemzésének eredményeit: ebből azt
8
következtettem, hogy – legalábbis az általam használt elemző módszerekkel – a
hiperspektrális kép nem adott kiemelkedően jobb eredményű osztályba sorolást.
14. Megállapítottam, hogy a hiperspektrális technológia abban az esetben használható
gazdaságosan, ha olyan felszínborítás-típusokat kell elkülöníteni, melyek a létező
multispektrális képeken nem szétválaszthatók. Egy ilyen munka rutinszerű alkalmazását a
munka első fázisában alapkutatásnak, azaz a spektrumok terepi és labormeghatározásának
kell megelőznie. Mivel a hiperspektrális kép rengeteg redundanciát tartalmaz, az
adatdimenzionalitás csökkentésére lehet szükség. Ez történhet automatikusan (pl. PCA
módszerrel) vagy célzottan. Utóbbi esetben a hiperspektrális képen a csak ilyen felbontásban
megjelenő jelentős elnyelési sávok, vagy a vörös él adhat olyan sávokat, melynek
kombinálásával a felszíni objektumok jobban szétválaszthatók. A spektrum általános lefutás
és reflektanciájának abszolút értéke is hordoz információt: ezek más módszerekkel
tanulmányozhatók. Spektrumszétkeveréssel egy képelemen belül a célkategóriák
elegyarányát is meg lehet adni. A hiperspektrális képfeldolgozás során az egyes elnyelési
sávok, a spektrum lefutása és abszolút értéke eltérő aspektusait tükrözhetik a
felszínborításnak. A megfelelő pontosságú osztályozáshoz – a referenciaspektrumok
meglétén túl – azt az eljárást kell használni, mely a célnak megfelelő aspektusát használja ki
a spektrumgörbének. Ehhez azonban pl. egy adott fajú homogén erdőterület különféle, ismert
változók szerint eltérő területeinek spektrumát kell vizsgálni. Jelen munkában a bükk és tölgy
kategóriái csak azt tükrözik, hogy a Recs–Parád–Domoszlói kapu közötti terület homogén
bükkösei és tölgyesei alapján kijelölt átlagspektrumok a 2002. augusztusi időszakban
elkülönültek; az azonban még kérdés, hogy e két kategória spektruma pontosan mi alapján
különül el egymástól és más erdőtípusoktól (pl. lombkoronaszint szerkezete, lokális vízháztartás,
fenofázis stb.).
4. A tézisek alapjául szolgáló közlemények:
HARGITAI H.-VEKERDY ZOLTÁN-ULANBEK TURDUKULOV-KARDEVÁN PÉTER: Képalkotó
spektrométeres távérzékelési kísérlet Magyarországon. Térinformatika, 2004/6. pp12-15
KARDEVÁN P.–VEKERDY Z.–RÓTH L.–SOMMER ST.–KEMPER TH.–JORDAN GY.–TAMÁS, J.
PECHMANN I.–KOVÁCS E.–HARGITAI H.–LÁSZLÓ F. 2003: Outline of scientific aims
and data processing status of the first Hungarian hyperspectral data acquisition flight
campaign, 3rd EARSeL Workshop on Imaging Spectroscopy in Oberpfaffenhofen, 2003.
május 13-16.
9
KARDEVÁN P.–FÜGEDI U.–STEFAN S.–TAMÁS J.–GRUIZ K.–THOMAS K.–JORDÁN GY.–RÓTH L.–
HARGITAI H.–ZELENKA T. 2003b: Légi hiperspektális távérzékelési módszerek alkalmazása
korábbi bányászati tevékenységek környezeti felmérésében In: Proc.Lippay - Ormos - Vas
Tudományos Ülés, Szent István Egyetem, Budapest, Budai Karok, November 6-7.
HARGITAI H.–KARDEVÁN P.–HORVÁTH F. 2006: Az első magyarországi képalkotó
spektrométeres repülés eredményeinek összegzése. III. Magyar Földrajzi Konferencia,
Budapest, 2006. szeptember 6-7. Magyar Tudományos Akadémia (poszterre elfogadva).
HARGITAI H.–KARDEVÁN P.–HORVÁTH F.: Az első magyarországi képalkotó spektrométeres
repülés és eredményeinek értékelése (Geodézia és Kartográfia, jelen kézirat
elkészültekor bírálat alatt, revízió után)
HARGITAI H: Képalkotó spektrometria: új technológia a hazai távérzékelésben (Földrajzi
Közlemények, jelen kézirat elkészültekor bírálat alatt)
HARGITAI H. 2007: Planetary Maps: Visualization and Nomenclature. Cartographica (közlésre
elfogadva)
5. A dolgozat témájához kapcsolódó további publikációk
HARGITAI H.–KERESZTURI Á– SIK A. (2005): A Mars hidrográfiája. Földrajzi Közlemények,
közlésre elfogadva
HARGITAI H. 2002: Hiperspektrális távérzékelés. In: Karátson D. (szerk.): Pannon enciklopédia.
Magyarország földje, Kertek 2000, Budapest. 2. kiadás
HARGITAI H. 2005: Távérzékelés. in: Hargitai H, Kereszturi Á, Lazányi J: Csillagászat. In: Nagy
Világatlasz, 2. kiadás. TOPOGRÁF, Nyír-Karta.
HARGITAI H. 2006: Szemek a bolygókutatásban – A szivárványon túl. Profiterol, szeptember.
HARGITAI H. 2006: The Realization of ICA Commission Projects on Planetary Cartography.
Cartographica 40/4
PAUL SCHENK, HENRIK HARGITAI, RONDA WILSON, ALFRED MCEWEN AND PETER THOMAS
(2001): The Mountains of Io: Global and geological perspectives from Voyager and
Galileo, Journ. Geophys. Res., Vol 106, E12, Pp 33201-33222
HARGITAI H.-KERESZTURI Á. 2002: Javaslat magyar bolygótudományi szaknyelvi norma
létrehozására - Geodézia és Kartográfia LIV, 2002/9, pp. 26-32.
HARGITAI H. 2004: Multilingual Planetary Maps for Non-professional Audience: Visualization
and nomenclature. INTERCARTO-10, Vlagyivosztok
HARGITAI H.–BÉRCZI SZ. 2004: Planetary Science Outreach: Old methods, new packaging.
Education via DVD and Planetary Maps. International Astronautical Congress,
10
Vancouver IAC-04-IAF-4.P4
A tézisek címoldalán a recski területről készült hiperspektrális adatkocka látható.
11