Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Pedagogiczna Biblioteka Wojewódzka im. Komisji Edukacji Narodowej w Lublinie Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaPedagogiczna Biblioteka Wojewódzka im. Komisji Edukacji Narodowej w Lublinie
Zmień bibliotekę

Wyszukujesz frazę "OBIA" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-10 z 12
Tytuł:
Using Geobia and Data Fusion Approach for Land use and Land Cover Mapping
Autorzy:
Wężyk, Piotr
Hawryło, Paweł
Szostak, Marta
Pierzchalski, Marcin
De Kok, Roeland
Tematy:
classification
hydrology
OBIA
rapideye
SaLMaR
Pokaż więcej
Wydawca:
Uniwersytet im. Adama Mickiewicza w Poznaniu
Powiązania:
https://bibliotekanauki.pl/articles/1052704.pdf  Link otwiera się w nowym oknie
Opis:
Land Use and Land Cover (LULC) maps play an important role in an environmental modelling, and for many years efforts have been made to improve and streamline the expensive mapping process. The aim of the study was to create LULC maps of three selected water catchment areas in South Poland using a Geographic Object-Based Image Analysis (GEOBIA) in order to highlight the advantages of this innovative, semi-automatic method of image analysis. the classification workflow included: multi-stage and multi-scale analyses based on a data fusion approach. Input data consisted mainly of BlackBridge (RapidEye) high resolution satellite imagery, although for distinguishing particular LULC classes, additional satellite images (LANDSAT TM5) and GIS-vector data were used. Accuracy assessment of GEOBIA classification results varied from 0.83 to 0.87 (kappa), depending on the specific catchment area. The main recognized advantages of GEOBIA in the case study were: performing of multi-stage and multi-scale image classification using different features for specific LULC classes and the ability to using knowledge-based classification in conjunction with the data fusion approach in an efficient and reliable manner.
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ocena możliwości wykorzystania tekstury w rozpoznaniu podstawowych klas pokrycia terenu na zdjęciach satelitarnych różnej rozdzielczości
Evaluation of usability of texture in identifying basic land cover classes on the satellite images of different resolutions
Autorzy:
Lewiński, S.
Aleksandrowicz, S.
Tematy:
klasyfikacja obiektowa
OBIA
tekstura
object-oriented classification
texture
Pokaż więcej
Wydawca:
Stowarzyszenie Geodetów Polskich
Powiązania:
https://bibliotekanauki.pl/articles/130790.pdf  Link otwiera się w nowym oknie
Opis:
Podjęto próbę prześledzenia możliwości podziału treści zdjęcia, stosowanego w klasyfikacji obiektowej, na dwie podstawowe klasy związane z „niskimi” i „wysokimi” wartościami tekstury w funkcji rożnej rozdzielczości zdjęć. Na podstawie kanału panchromatycznego zdjęcia KOMPSAT-2 o rozdzielczości 1 m przygotowano zestaw danych o rozdzielczości 1, 2, 4, 8, 16, 32 i 64 m. Następnie przetworzono je wybranymi funkcjami tekstury, które wykorzystywane są w toku klasyfikacji obiektowej: filtr Sobel, filtr Laplacian, suma filtrów Sigma, przekształcenie PanBF oraz funkcje Haralick’a: korelacja, homogeniczność i entropia. Na ich podstawie wykonano analizę rozróżnialności czterech podstawowych klas pokrycia terenu: tereny zabudowane, lasy, pola uprawne i woda. Dla każdej rozdzielczości i przekształcenia obliczono odległość Bhattacharya oraz odległość Jeffries-Matusita (J-M). Założono, że dwie klasy są dobrze rozróżnialne jeżeli wartość J-M jest większa od 1.7. Uzyskane wyniki w postaci odległości J-M przedstawione są w tabelach 1-7. W przypadku wszystkich siedmiu przekształceń najlepsze wyniki rozróżnialności klas zaobserwowano na zdjęciach o największej rozdzielczości. Natomiast wyraźne pogorszenie rozróżnialności nastąpiło w przypadku zdjęć o rozdzielczości 8 m i mniejszej. Zdecydowanie najlepsze wyniki uzyskano na podstawie przekształceń wykonanych filtrem Laplacian, a następnie Sobel, Sigma oraz przekształceniem PanBF. W porównaniu z nimi przydatność funkcji Haralick’a do podziału treści zdjęcia na dwie klasy tekstury okazała się zdecydowanie mniejsza. Przedstawione wyniki znajdują praktyczne zastosowanie w pracach nad doborem odpowiednich algorytmów klasyfikacyjnych zdjęć satelitarnych o bardzo wysokiej, wysokiej a także średniej rozdzielczości.
An attempt was made to trace the possibility of division of the content of satellite images into two basic classes associated with the "low" and "high" values of the texture. This classification approach is applied during object-oriented classification and results are dependent on spatial resolution. On the basis of panchromatic channel of KOMPSAT-2 image of 1m resolution a data set with a resolution of 1, 2, 4, 8, 16, 32 and 64 m were prepared. Then images were processed using selected texture functions: Sobel, Laplacian and Sigma filters, transformation PanBF as well as Haralick functions: correlation, homogeneity and entropy. On the basis of texture images an analysis of discrimination of four basic land cover classes has been done: built-up areas, forests, agriculture areas and water. These classes were selected because built-up areas and forest belong to “high” texture and remaining two are usually represented by “low” values of texture. For each texture image form using different functions and spatial resolution, Bhattacharya distance and next Jeffries-Matusita (J-M) distance between land cover classes were calculated. Results are presented in tables 1, 2, 3, 4, 5, 6 and 7. They also include J-M distance between “low” and “high” texture. It was assumed that two classes are well seperated if the value of J-M distance is over 1.7. In the case of all seven texture transformations the best results of class discrimination were observed for images with the highest resolution. Distinct deterioration of discrimination between “low” and “high” texture took place in the case of images with a resolution of 8 m or less. By far the highest J-M values were obtained on the basis of Laplacian filter and next using Sigma filter, PanBF and the Sobel filter. In comparison usefulness of the Haralick function has proved much less. The presented results could be practically applied in the work on classification algorithms of very high, high and medium resolution satellite images.
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Współczesne modelowanie rzeźby o genezie glacjalnej (na przykładzie Kotła Starorobociańskiego i Dudowego, Tatry Zachodnie)
Contemporary modelling of relief of glacial origin (on the example of Starorobociański and Dudowy cirques, Western Tatras)
Autorzy:
Siemek, Dawid
Opis:
Contemporary modelling of relief of glacial origin in the Western Tatras is carried out with the participation of secular and extreme processes, among which the most important are debris flows. In addition to debris flows, other processes affect the development of relief, mainly mass movements, among which the most important are rock falling, rock sliding and avalanches. In 2021, the largest debris flow in Starorobociański Cirque was renewed, which reached a maximum length of 900 m and covered the entire longitudinal profile of the slope from the ridge zone to the cirque. Thus, the main aim of this paper was to analyze the most important geomorphological processes affecting contemporary modelling of relief in Kotel Starorobociański and Dudowy, especially debris flows. The research was carried out based on field work (geomorphological mapping and Schmidt hammer test), analysis of cartographic materials and precipitation data as well as analysis of changes in land cover using OBIA and PBIA methods. They allowed for comparison of calculated rainfall thresholds and morphometric parameters of the flow to other events observed in the Tatras. For the first time in Tatra research, analysis of changes in land cover was used using GIS techniques and based on photomaps, which made it possible to compare changes on a large spatial scale. Also, for the first time in Tatra Mountains Schmidt hammer was used for relative dating of boulders from falling and sliding. The obtained results indicate that the threshold value adopted for the flow in 2021, which was 52.1 mm/d-1, is one of the lowest values recorded in literature for debris flows covering the entire length of the slope. On this basis it was assumed that daily rainfall cannot be treated as a direct determinant of debris flow occurrence. Probably this event was caused by a relatively short but intense rainfall, as indicated by similar values of torrential rainfall in the High Tatras. At the same time, an upward trend was observed in the number of days with potential conditions for debris flows. On the other hand, based on the analysis of changes in land cover in the years 1977-2012, a continuous stabilization of slope covers stabilized by herbs and dwarf pine was found. This is mainly due to the cessation of anthropopressure in this area, indirectly indicating a smaller number and energy of debris flows, which is partially confirmed by the analysis of cartographic materials.
Współczesne modelowanie rzeźby cyrków lodowcowych w Tatrach Zachodnich odbywa się przy współudziale procesów sekularnych i ekstremalnych, wśród których najważniejszą rolę odgrywają spływy gruzowe. Oprócz spływów gruzowych, na rozwój rzeźby wpływają inne procesy, głównie ruchy masowe, wśród których najważniejszymi są: odpadanie, obrywanie i lawiny. W roku 2021 doszło do odnowienia się największego spływu gruzowego w Kotle Starorobociańskim, który osiągnął długość maksymalnie 900 m i objął swoim zasięgiem cały profil podłużny stoku od strefy przygrzbietowej do dna kotła. Było to przesłanką do podjęcia tematu pracy, której głównym celem była analiza najważniejszych procesów geomorfologicznych wpływających na współczesne modelowanie rzeźby w Kotle Starorobociańskim i Dudowym, zwłaszcza spływów gruzowych. Badania realizowano w oparciu o prace terenowe (kartowanie geomorfologiczne i test odbiciowości młotkiem Schmidta), analizę materiałów kartograficznych i danych opadowych oraz analizę zmian pokrycia terenu metodami OBIA i PBIA. Pozwoliły one na porównanie obliczonych progów opadowych i parametrów morfometrycznych spływu do innych zdarzeń obserwowanych w Tatrach. Po raz pierwszy w badaniach tatrzańskich zastosowano analizę zmian pokrycia terenu wykorzystując do tego techniki gis-owe i bazując na fotomapach, dzięki czemu możliwe było porównanie zmian w dużej skali przestrzennej. Również po raz pierwszy w Tatrach użyto młotka Schmidta do datowania względnego głazów z odpadania i obrywów. Uzyskane wyniki wskazują, że wartość progowa przyjęta dla spływu w roku 2021, która wyniosła 52,1 mm/d-1, jest jedną z najniższych wartości odnotowanych w literaturze dla spływów obejmujących całą długość stoku. Na tej podstawie uznano, że wielkość opadu dobowego nie może być traktowana jako bezpośredni wyznacznik wystąpienia spływu gruzowego. Prawdopodobnie, zdarzenie to zostało spowodowane przez stosunkowo krótki, ale intensywny opad, na co wskazują podobne wartości opadów nawalnych w Tatrach Wysokich. Jednocześnie stwierdzono tendencję wzrostową w liczbie dni z potencjalnymi warunkami dla wystąpienia spływów gruzowych. Z drugiej strony jednak, na podstawie analizy zmian pokrycia terenu w latach 1977-2012 stwierdzono ciągłą stabilizację pokryw stokowych utrwalanych przez ziołorośla i kosodrzewinę. Związane jest to przede wszystkim z ustaniem antropopresji na tym terenie, pośrednio świadczy zaś o mniejszej liczbie i energii spływów gruzowych, co częściowo potwierdza analiza materiałów kartograficznych.
Dostawca treści:
Repozytorium Uniwersytetu Jagiellońskiego
Inne
Tytuł:
Zastosowanie obiektowo zorientowanej analizy obrazu (GEOBIA) wysokorozdzielczych obrazów satelitarnych w klasyfikacji obszaru miasta Krakowa
Using the object-based image analysis (GEOBIA) in the classification of the very high resolution satellite images of Krakow municipality
Autorzy:
Wężyk, P.
de Kok, R.
Szombara, S.
Tematy:
klasyfikacja obiektowa (GEOBIA)
Ikonos
QuickBird
automatyzacja
pokrycie terenu
OBIA (Object Based Image Analysis)
automation
land use
Pokaż więcej
Wydawca:
Stowarzyszenie Geodetów Polskich
Powiązania:
https://bibliotekanauki.pl/articles/130169.pdf  Link otwiera się w nowym oknie
Opis:
Technologie teledetekcyjne oraz systemy GIS osiągnęły obecnie poziom rozwoju umożliwiający pełna implementacje automatycznych metod klasyfikacji oraz procesów kontroli i aktualizacji zasobów kartograficznych będących w posiadaniu administracji publicznej. Dane teledetekcyjne pozyskiwane nowoczesnymi metodami takimi jak: lotnicze kamery cyfrowe, skanery hiperspektralne, LiDAR badz VHRS - pozwalają na poprawne skonstruowanie procesu wspomagania podejmowania decyzji na poziomie lokalnym i regionalnym takich jak np. miejscowe plany zagospodarowania przestrzennego. Ogromne zbiory danych (np. LiDAR, VHRS) muszą być coraz częściej poddawane automatycznym procesom ich przetwarzania. Obiektowo zorientowana analiza obrazu (ang. Object Based Image Analysis; akronim: GEOBIA) - zwana potocznie klasyfikacja obiektowa, wykorzystuje zaawansowane algorytmy segmentacji rastra. Rozstrzygają one o liczbie generowanych obiektów na podstawie wartości jaskrawości piksela oraz „właściwości geometrycznych” (np. kształtu, grupowania się pikseli w homogeniczne obiekty, zwartości, etc). W kolejnych krokach obiekty te są klasyfikowane na podstawie licznych zależności i właściwości, jak np. parametru homogeniczności czy stosunku długości granic do powierzchni (wykrywanie krawędzi, budynków, działek etc). Klasyfikacja obiektowa może przyjąć strukturę hierarchiczna, to znaczy raz sklasyfikowane obiekty mogą posłużyć do stworzenia nowego wyższego hierarchicznie poziomu. Taka metodyka pozwala na przygotowanie scenariuszy postepowania klasyfikacyjnego zapisywanych do plików zwanych protokołami w oprogramowaniu DEFNIENS. Nowatorskie podejście do kwestii klasyfikacji obrazu bez potrzeby wykorzystywania pól treningowych zostało już potwierdzone wieloma projektami naukowymi i ich wdrożeniami (Wężyk, de Kok, 2005; de Kok, Wężyk, 2006). W prezentowanej pracy do przeprowadzenia klasyfikacji wykorzystano 2 sceny IKONOS z dnia 25.06.2005 roku (łączny obszar 194,7 km2) oraz 1 scenę QuickBird z dnia 07.09.2006 roku (167,7 km2). Prace zostały zlecone przez Biuro Planowania Przestrzennego UM Krakowa w listopadzie 2006 roku. Obrazy VHRS poddano ortorektyfikacji (Aplication Master 5.0, Inpho) w oparciu o współczynniki RPC ale także punkty dostosowania GCP pozyskane z ortofotomap Phare 2001 oraz NMT przekazanego przez BPP UMK (Wężyk et al., 2006). Do analizy obrazów VHRS wykorzystano kanał panchromatyczny (PAN) oraz wielospektralne (MS) zakresy promieniowania. Wstępne przetwarzanie kanałów PAN polegało na zastosowaniu filtrów krawędziowych (np. Lee Sigma), w wyniku działania których otrzymano tzw. obrazy pochodne wykorzystane w procesie segmentacji. Inne obrazy biorące udział w tym złożonym procesie składającym się z 11 kroków to: poszczególne kanały MS (Blue, Green, Red, NIR), dla których wykonano analizę głównych składowych (ang. Principal Component Analysis), mapa ewidencyjna (obraz rastrowy) wykorzystywana w projekcie kartowania zieleni rzeczywistej Krakowa (służąca głównie klasyfikacji budynków przy wykorzystaniu PC3), rastrowa warstwa sieci dróg pochodząca z wektoryzacji ekranowej VHRS i z map ewidencyjnych. W toku uzgodnień z BPP UMK podjęto decyzje o przyjęciu dwóch poziomów hierarchicznych klas pokrycia terenu. Poziom 1 składał się z 9-ciu klas zajmujących odpowiednio: tereny zainwestowane – 17,42%, zieleń wysoka – 24,99%, zieleń niska – 44,31%, zieleń terenów sportowych oraz ogródków działkowych – 1,39%, zbiorniki wodne i rzeki – 1,94%, infrastruktura drogowa – 3,48%, hałdy + wysypiska + odsłonięta gleba – 0,84%, grunty orne i uprawy – 5,35% oraz cień – 0,28% obszaru badan. Trzy klasy poziomu 1, tj.: tereny zainwestowane, zieleń niska i zieleń wysoka) zdecydowano się zaprezentować na wyższym – 2 poziomie szczegółowości. Wraz z pozostałymi klasami poziom ten składał się łącznie z 22 klas. Osiągnięte rezultaty potwierdziły szerokie możliwości stosowania automatycznych metod OBIA bazujących na VHRS i innych informacjach pochodzących z systemów GIS oraz z zasobów geodezyjnokartograficznych w celu ich aktualizacji.
Recent developments in Remote Sensing and GIS have reached maturity which allows to implement the research results into standardized process flows for updating and checking the municipality cadastral information. The database containing the city cadastre already handles data fusion methods itself. Available information considerably enhance information extraction from new data collections with high quality sensors such as LiDAR, photogrammetrical imagery and VHRS data. Huge amounts of available data must be processed in sequences to keep them handable. Transferable protocols for automatic handling of VHRS data can now be put into a full production process to assist the workflow of other image data from airborne platforms and integrate these GIS output into further cadastral GIS analysis. The data fusion within this project allows a highly detailed description of the city status-quo and the basis for change detection. Further these results are besides a very important archival inventory also a basis for decision support, now and in the future. The whole workflow was of a chain of previous research projects which were put into a commercial workflow. This study shows an experience report on, how the product chain was built-up and what type of products were delivered to the municipality of Krakow (Poland).
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wzmocnienie procesu klasyfikacji obiektowej wielospektralnych ortofotomap lotniczych danymi z lotniczego skanowania laserowego
Enhancing the obia classification of multispectral aerial orthoimages using airborne laser scanning data
Autorzy:
Wężyk, P.
Mlost, J.
Pierzchalski, M.
Wójtowicz-Nowakowska, A.
Szwed, P.
Tematy:
klasyfikacja obiektowa
OBIA
ortofotomapa cyfrowa
lotniczy skaning laserowy
projekt ISOK
object-based image analysis
digital aerial orthophoto
Airborne Laser Scanning
ISOK
Pokaż więcej
Wydawca:
Stowarzyszenie Geodetów Polskich
Powiązania:
https://bibliotekanauki.pl/articles/129858.pdf  Link otwiera się w nowym oknie
Opis:
Klasyfikacja obiektowa (OBIA, ang. Object Based Image Analysis) jest nowatorską metodą analizy zobrazowań teledetekcyjnych, w której homogeniczne obiekty (segmenty), na które podzielony został obraz (za pomocą specyficznych algorytmów) poddawane są klasyfikacji. Dotychczasowe projekty wykazały, iż OBIA przeprowadzana na wysokorozdzielczych i wielospektralnych lotniczych ortofotomapach cyfrowych, wspierana modelami wysokościowymi, prowadzi do uzyskania bardzo dokładnych wyników. Stosunkowo niewiele prac koncentruje się na określeniu wpływu produktów pochodnych chmury punktów lotniczego skanowania laserowego (ang. Airborne Laser Scanning), takich jak wartość: odchylenia standardowego wysokości, gęstości punktów czy intensywności odbicia, na poprawę wyników klasyfikacji OBIA. W prezentowanej pracy poddano ocenie wzmocnienie procesu klasyfikacji OBIA danymi ALS na podstawie dwóch transektów badawczych („A” oraz „B”) o powierzchni 3 km2, położonych w okolicach Włocławka. Celem końcowym procesu analizy OBIA było uzyskanie aktualnej mapy klas pokrycia terenu. W opracowaniu wykorzystano lotnicze ortofotomapy cyfrowe oraz dane z lotniczego skaningu laserowego, pozyskane na przełomie sierpnia I września 2010 roku. Na podstawie punktów danych ALS wygenerowano warstwy pochodne takie jak: liczba odbić, intensywność, odchylenie standardowe, jak również wygenerowano znormalizowany Numeryczny Modelu Powierzchni Terenu (zNMPT). W wariancie pierwszym „I” wykorzystano dane uzyskane wyłącznie w nalocie fotogrametrycznym, tj. wielospektralne ortofotomapy lotnicze (kamera Vexcel) oraz indeksy roślinności (w tym NDVI i in.). Wariant drugi prac ”II” zakładał wykorzystanie dodatkowo danych z lotniczego skaningu laserowego. Określona dokładność klasyfikacji OBIA wykonanej w oparciu o cyfrową ortofotomapę lotniczą wyniosła 91.6% dla transektu badawczego „A” oraz 93.1% dla transektu „B”. Użycie danych ALS spowodowało podniesienie dokładności ogólnej do poziomu 95.0% („A”) oraz 96.9% („B”). Praca wykazała, iż zastosowanie danych ALS podnosi dokładność klasyfikacji segmentów o bardzo zbliżonych właściwościach spektralnych (np. rozróżnienie powierzchni dużych, płaskich dachów budynków od parkingów czy klas roślinności niskiej od średniej i wysokiej. Wprowadzenie warstw pochodnych ALS do procesu segmentacji poprawia także kształt powstających obiektów a tym samym klas końcowych. Analiza „surowych” danych ALS w postaci plików w formacie LAS otwiera dodatkowe możliwości, których nie daje wykorzystywanie rastrowych warstw takich jak zNMPT. Pojawiająca się w nowej wersji oprogramowania eCognition (TRIMBLE) możliwość operowania segmentami przestrzennymi jeszcze te możliwości klasyfikacji podnosi. Niewątpliwie sporym problemem w integracji informacji spektralnej (ortoobraz) oraz geometrycznej (ALS) jest efekt rzutu środkowego skutkujący przesunięciami radialnymi dla wysokich obiektów leżących w znacznej odległości od punktu głównego zdjęcia.
Object Based Image Analysis (OBIA) is an innovative method of analyzing remote sensing data based not on the pixels, but on homogenous features (segments) generated by specific algorithms. OBIA based on high-resolution aerial orthophotography and powered by digital terrain models (nDSM) brings high accuracy analysis. Not many scientific papers brings implementation of ALS point cloud directly into OBIA image processing. Paper present study done on two test areas of approx. 3 km2, situated close to Wloclawek, representing different land use classes (transect “A” – urban area; transect “B” – rural and forest landscape). Geodata (digital aerial orthophotographs and Airborne Laser Scanning data) were captured almost at the same time (September 2010). Different raster layers were created from *. LAS file, like: intensity, number of returns, normalized elevation (nDSM). Two version (I and II) of OBIA classification were performed. First version (I) based only on aerial orthophotographs and different coefficients (like NDVI). Second variant of OBIA (wariant II) based additionally on ALS data. Total accuracy of variant I was 94.1% (transect “A”) and 92.6% (transect “B”). OBIA classification powered by ALS data provide to increase of the results up to 96.9% (transect “A”) and 95.0% (transect “B”) as well. Classification of objects with similar type of surface properties (like buildings and bare soil) was much better using ALS information. The ALS data improve also the shape of objects, that there are more realistic. Data fusion in OBIA processing brings new capabilities,. These capabilities are bigger thanks to processing based on 3-dimensional segments. The results of analysis would be more accurate, when orthoimages (“true ortho”) would be used, instead of standard orthophotographs. The running ISOK project in Poland will bring soon a huge data set (approx. 150 TB) of ALS and photogrammetry connected products. This situation requires suitable software to analyze it fast and accurate on the full automatic way. The OBIA classification seems to be a solution for such challenge.
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Aktualizacja mapy glebowo-rolniczej z wykorzystaniem klasyfikacji obiektowej (OBIA) zobrazowań teledetekcyjnych oraz analiz przestrzennych GIS
Update of the digital soil map using object based image analysis (OBIA) of remote sensing data and GIS spatial analyses
Autorzy:
Wężyk, P.
Pierzchalski, M.
Szafrańska, B.
Kortas, G.
Tematy:
mapa glebowo-rolnicza
klasyfikacja obiektowa
OBIA
aktualizacja
analiza przestrzenna GIS
soil map
object-based image analysis
map up-date
spatial GIS analysis
Pokaż więcej
Wydawca:
Stowarzyszenie Geodetów Polskich
Powiązania:
https://bibliotekanauki.pl/articles/129994.pdf  Link otwiera się w nowym oknie
Opis:
Aktualność map glebowo-rolniczych w Polsce sięga najczęściej lat sześćdziesiątych poprzedniego wieku, stąd wymagają one nie tylko konwersji z formy analogowej (papierowej) do cyfrowej, ale przede wszystkim weryfikacji treści w stosunku do rzeczywistych klas pokrycia i użytkowania terenu. Rozwój miast, wsi, dróg i innych inwestycji infrastrukturalnych, jaki nastąpił w minionych 50 latach oraz nasilenie się w ostatniej dekadzie procesów socjoekonomicznych skutkujących porzucaniem upraw rolnych i zajmowania tych terenów przez lasy, spowodował dużą dezaktualizację treści geometrycznej mapy glebowo-rolniczej. Przeprowadzenie weryfikacji treści geometrycznej mapy glebowo-rolniczej dla skali województwa małopolskiego wymagało zastosowania obiektowej klasyfikacji (OBIA, ang. Object Based Image Analysis) aktualnych zobrazowań teledetekcyjnych. Proces OBIA realizowano w oprogramowaniu eCognition Developer 8.64 (Trimble GeoSpatial). Należało go możliwie daleko zautomatyzować ze względu na dużą powierzchnię opracowania (ok. 15000 km2). Otrzymane wyniki skontrolowano na podstawie kilkuset powierzchni referencyjnych (wektoryzacja ekranowa dokonana przez operatora). Analizy przestrzenne GIS aktualizujące przebieg poligonów mapy glebowo-rolniczej o nowe powstałe obiekty zrealizowano w trybie wsadowym (Model Builder, Esri). Uzyskane wyniki wykazały, iż największe zmiany, tj. przyrost powierzchni (procentowo) zanotowano w przypadku klas: „Las” (Ls; +8.2%) oraz „Tereny zabudowane” (Tz; +6.3%), przy jednoczesnym ubytku wszystkich kompleksów (ID 1÷13) wykorzystywanych pod uprawy rolne o -10.5% (z czego -4.9% w rejonach górskich). Ubytek trwałych użytków zielonych (1z, 2z oraz 3z) na zaktualizowanej mapie glebowej oceniona na około (-4.2%). Zastosowane algorytmy weryfikacyjne oraz aktualizacyjne pozwalają stwierdzić, iż klasyfikacja obiektowa OBIA aktualnych zobrazowań teledetekcyjnych (satelitarnych i lotniczych) w połączeniu z daleko zautomatyzowanymi analizami przestrzennymi GIS może być wykorzystywana w procesie aktualizacji mapy glebowo-rolniczej.
The analogue soil maps (paper sheets; scale 1:5000) were made in Poland most likely in the 60-ties of XX century. Today, they need not only conversion from analogue form to digital (raster or vector) format but also quick and objective map revision. Soil maps become outdated and they don't represent actual land use or land cover (LULC). Rapid growth of cities and the country side development as well as infrastructure constructions have to be included in up-dated soil map. During the last 50 years in Małopolska Voivodeship, many hectares of arable land were abandoned and changed in natural way (succession) in to the class forest. In year 2010 the Marshal office of Małopolska Voivodeship decide to convert the archive of analogue soil map to shape file with connected database. In 2011 another project was started with main goal of up-date of the soil map (about 15 000 km2). The special work-flow of geoinformation technologies was used for fulfill this goal. Object Based Image Analysis (OBIA) meets the criteria for fast and accurate Land Use & Land Cover (LULC) classification method of the RapidEye (from years 2010/2011) high resolution satellite images. Application of this object based classification method, together with GIS analysis ensures very high degree of work automation. The results obtained shows, that the most changes in a land cover were observed in urban areas (Tz; +6.3%) and forests (Ls; + 8.2%). The area of all other agricultural used soil complexes decreased in the same time about -10.5% (in the mountainous areas approx. -4.9%). The class pastures and meadows also decrease during the last 50 years about -4.2%. This project demonstrates success story of using the modern GIS techniques to verify and update soil map of Małopolska Voivodeship based on the OBIA of RapidEye satellite imaginary and aerial orthophotomaps (RGB).
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-10 z 12

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies