PDF, 3 MB - CENIA, česká informační agentura životního prostředí

podklad (viz Obrázek 3.4), kde je přesně definován název
lokality, objekt, zeměpisné souřadnice, parametry
lokality, zdrojová dokumentace, grafická dokumentace
(současné, či také historické ortofoto – je-li potřeba)
a vlastní komentář.
3.3.3 Modelování
Modelování v oblasti dálkového průzkumu Země je důležité
pro zpřesnění identifikace jednotlivých objektů na
zemském povrchu. Přístupů k modelování dat dálkového
průzkumu je několik:
● Fyzikální modelování
Kvantifikace parametrů ovlivňujících modelovanou
veličinu. Cílem je získat absolutní hodnoty odrazivosti.
● Empirické modelování
Vztah mezi daty dálkového průzkumu a např. biofyzikálními
parametry objektů. Ten je formulován na základě
regresní závislosti.
● Kombinovaný přístup prvních dvou
Přepočet hodnot pixelů na absolutní hodnoty a jejich
korelační a regresní analýza s pozemními měřeními.
● Modelování příznakového prostoru
Na základě analýzy rozložení pixelů a shluků v příznakovém
prostoru se opětovně upravuje trénovací soubor
tak, aby míry separability a homogenity byly co možná
největší.
Nejčastěji je využíváno fyzikální modelování pomocí
spektrálních indexů. Jedná se o aritmetické operace
s pásmy multispektrálního obrazu. Cílem je na základě
spektrálního chování zvýraznit (potlačit) například vegetační
složku v obraze, nebo zjistit některé vlastnosti
půdního substrátu. Což jsou pro identifikaci kontaminovaných
míst důležité informace. Spektrální indexy lze
rozdělit na:
● poměrové;
● ortogonální.
Poměrové indexy jsou vhodným nástrojem pro studium
zdravotního stavu vegetace, časových změn a dalších
parametrů, které mohou sloužit jako druhotný znak pro
posuzování půdní vrstvy a míry její případné kontaminace.
Příkladů takovýchto indexů je celá řada, nejčastěji
jsou sestavovány pro multispektrální data z ETM+ družice
Landsat. Např. pro pásma TM3 (tj. odrazivost v pásmu
630–690 nm) a TM4 (tj. odrazivost v pásmu 760–900
nm).
- poměrový vegetační index (RVI – Ratio Vegetation
Index):
TM 4
RVI =
TM 3
- normalizovaný diferenční vegetační index (NDVI –
Normalized Difference Vegetation Index)
TM 4 − TM 3
NDVI =
TM 4 + TM 3
- transformovaný vegetační index (TVI – Transformed
Vegetation Index)
TVI =
⎡TM
4 − TM 3
⎢
⎣TM
4 + TM 3
2 + 0, 5
Ke kvantifikaci vypočtených parametrů jsou nutné indexy
počítané z atmosféricky korigovaných dat.
Ortogonální indexy jsou lineární kombinací původních
pásem multispektrálního obrazu.
3.4 Analýza příznakového prostoru
Při analýze příznakového prostoru je nutné se zaměřit
na maximální míru separability a homogenity příznaků
(tříd). Nejčastějším hodnocením vzájemné separace tříd
je pomocí korelačního pole dvou pásem a elipsy charakterizující
trénovací množinu každé třídy.
3.4.1 Separabilita
Hodnocení míry separability (odlišnosti) mezi jakýmikoliv
dvěma třídami může být vyjádřena také v kvantitativní
formě.
Obecně vzato, analýza datového souboru v rámci příznakového
prostoru před procesem klasifikace je pro
dobrý výsledek klasifikace nezbytností. V průběhu tohoto
procesu je vždy stanoven konečný počet příznaků
(tříd) pro příslušné datové soubory a veškeré testy separability
a analýzy kontingenčních tabulek.
Separabilita je statistické měření vzdáleností vždy
mezi dvěma příznaky v příznakovém n-rozměrném prostoru.
Pro výpočet separability bylo odvozeno několik
vztahů. V rámci tohoto zpracování byl použit jednak
test separability pomocí transformované odchylky (TD
– Transformed Divergence) – což je vážená vzdálenost
mezi průměrnými vektory uvažovaných tříd, jednak test
podle předpisu Jeffries-Matusita.
Transformovaná odchylka je v tomto případě definována
vztahem
D
ij
potom
1
−
= tr(( Ci
− Cj)(
Ci
2
1
−1
−1
+ tr(( Ci
− Cj
)(
2
TD
ij
1
− C
i
−
−1
j
)(
− D
= 2(1 − exp (
8
⎤
⎥
⎦
)) +
kde
i a j = dvě srovnávané třídy (příznaky),
C i
= kovarianční matice třídy (příznaku) i,
μ i
= průměrový vektor třídy (příznaku) i,
tr = trasovací funkce (suma prvků na hlavní diagonále),
T = transpoziční funkce.
j
ij
i
))
−
j
)
T
)
35