daljinsko zaznavanje - In?titut za antropolo?ke in prostorske ?tudije ...
daljinsko zaznavanje - In?titut za antropolo?ke in prostorske ?tudije ...
daljinsko zaznavanje - In?titut za antropolo?ke in prostorske ?tudije ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
17 Transformacije podob<br />
M<strong>in</strong>eralni <strong>in</strong>deksi<br />
<strong>In</strong>deksi so relativno pogosti tudi v geofizikalnih aplikacijah dalj<strong>in</strong>s<strong>ke</strong>ga <strong>za</strong>znavanja.<br />
Praviloma so določeni empirično <strong>in</strong> prilagojeni posameznemu senzorju.<br />
Spodnja tabela podaja nekatere enostavnejše <strong>in</strong>dekse <strong>za</strong> senzor Landsat Thematic<br />
Mapper.<br />
<strong>In</strong>deks Razmerje<br />
železov oksid TM3/TM1<br />
ilovnati m<strong>in</strong>erali TM5/TM7<br />
železovi m<strong>in</strong>erali TM5/TM4<br />
m<strong>in</strong>eralni kompozit TM5/TM7, TM5/TM4, TM3/TM1<br />
hidrotermalni kompozit TM5/TM7, TM3/TM1, TM4/TM3<br />
brez njega, v svetlih pa območja z aktivno vegetacijo.<br />
Obstaja še cela množica bolj <strong>za</strong>pletenih vegetacijskih <strong>in</strong>deksov, ki skušajo odstraniti<br />
različne moteče dejavni<strong>ke</strong>, na primer prst, vodo ... Pogosto vključujejo komb<strong>in</strong>acijo<br />
veli<strong>ke</strong>ga števila kanalov, kot na primer <strong>in</strong>deks zelene vegetacije (GVI, green vegetation<br />
<strong>in</strong>dex), ki je <strong>za</strong> Landsat določen kot<br />
GV I = − 0,2848 TM1 − 0,2435 TM2 − 0,5436 TM3<br />
+ 0,7243 TM4 + 0,0840 TM5 − 0,1800 TM7.<br />
17.3 Anali<strong>za</strong> osnovnih komponent<br />
(17.6)<br />
Različni kanali večspektralnih senzorjev so si med seboj pogosto zelo podobni. Podatki<br />
senzorja Landsat TM imajo skoraj ena<strong>ke</strong> vrednosti v drugem <strong>in</strong> tretjem kanalu (zelena<br />
<strong>in</strong> rdeča). Odboj več<strong>in</strong>e tipov tal je namreč v omenjenih dveh kanalih skoraj enak.<br />
Korelacijo med kanali <strong>in</strong> s tem podvajanje podatkov lahko zmanjšamo z uporabo posebnih<br />
transformacijskih tehnik, ki temeljijo na statističnih operacijah z večspektralnimi<br />
podatki <strong>in</strong> <strong>za</strong>htevnejših obdelavah. Ena izmed pogostih transformacij <strong>za</strong> zmanjšanje<br />
števila kanalov se imenuje anali<strong>za</strong> osnovnih komponent (PCA, pr<strong>in</strong>cipal components<br />
analysis).<br />
Glavni namen transformacije PCA je zmanjšanje razsežnosti podatkov, to je števila<br />
kanalov, s povečevanjem <strong>in</strong>formacijs<strong>ke</strong> gostote (slika 17.5). »Novi« kanali, ki jih dobimo<br />
s tem postopkom, se imenujejo osnovne komponente. Postopek skuša povsem statistično<br />
poiskati kar se da majhno število dimenzij s pestrim razponom vrednosti, to je veliko<br />
varianco.<br />
Postopek iskanja osnovnih komponent se <strong>za</strong>čne z določanjem korelacij med posameznimi<br />
kanali podobe (tabela 17.1). Z metodami l<strong>in</strong>earne algebre nato poiščemo lastne<br />
vrednosti (eigenvalue) <strong>in</strong> njim pripadajoče lastne vektorje (eigenvector). Ti določajo<br />
smeri osnovnih komponent (osnovnih osi), to je smeri z največjim razponom vrednosti<br />
oziroma največjo varianco. Na<strong>za</strong>dnje podat<strong>ke</strong> v vhodni podobi <strong>za</strong>vrtimo <strong>in</strong> jim<br />
spremenimo merilo – pretvorimo jih v osnovne komponente (tabela 17.2).<br />
Z analizo osnovnih komponent lahko, na primer, sedem kanalov senzorja Landsat<br />
TM (slika 17.6) pretvorimo v zgolj tri kanale, ki vsebujejo skoraj 97 % <strong>in</strong>formacij,<br />
166