Bilder zu Karten

Satelliten das Dorf Nukuni auf Ono-i-Lau, Fidschi. Ono-i-Lau ist eine Inselgruppe innerhalb eines Barriereriffsystems im Fidschi-Archipel der Lau-Inseln. Foto © Planet Labs Inc.

Fernerkundungsbilder sind ein Pixelraster mit numerischen Werten, während Karten X- und Y-Koordinaten verwenden, um die Position von Punkten, Linien und Flächen (Polygonen) zu definieren, die Kartenmerkmalen entsprechen. Die Umwandlung eines Satellitenbildes in eine Karte mit hoher Genauigkeit ist ein Prozess, der Experten und Feldarbeit erfordert.

Vom Satellitenbild zur Karte des Riffs mit benthischen Klassen

Vom Satellitenbild (links) zur Karte des Riffs mit benthischen Klassen (rechts). Dieses Foto und diese Karte zeigen Australiens Heron Island, eine Koralleninsel am südlichen Ende des Great Barrier Reef. Bild © Allen Korallenatlas

Der Prozess zur Erstellung einer Karte aus Fernerkundungsdaten kann in 4 Schritte unterteilt werden, die für alle Lebensräume ähnlich bleiben, mit einigen Unterschieden, die von der Art der Fernerkundungsdaten, dem Maßstab, dem Team, das die Kartierung durchführt, usw. abhängen.

Einige der häufigsten Schritte sind:

  1. Erfassung von Fernerkundungsbildern
  2. Verarbeitung der Rohdaten
  3. Ausbildung und Klassifizierung
  4. Bestätigung

Hier geben wir einen schnellen Überblick über jeden dieser Schritte.

1. Erfassung von Fernerkundungsbildern

Es gibt viele Arten von Fernerkundungsdaten. Optische Satellitenbilder, Radarsatellitenbilder, Hyperspektralbilder von luftgestützten Sensoren, Drohnenbilder usw. Die für ein Projekt verwendeten Fernerkundungsdaten hängen vom Umfang des Projekts, der Kapazität für die Datenanalyse, den Anforderungen des Lebensraums und dem Budget ab . Beispielsweise erfordert die Kartierung eines Korallenriffs auf einem einzelnen Riff andere Fernerkundungsdaten als die Kartierung der globalen Ausdehnung von Mangroven. Als Faustregel gilt: Je kleiner der zu kartierende Bereich, desto höher die Auflösung der Bilder.

2. Verarbeitung der Rohdaten

Rohdaten müssen normalerweise verarbeitet werden, bevor sie verwendet werden können. Beispielsweise werden Bilder zur Kartierung von Korallenriffen hinsichtlich der Auswirkungen von Dunst, Wolkenbedeckung, Sonnenstrahlen und Tiefe korrigiert.

3. Ausbildung und Klassifizierung

Pixelbasiert überwacht ist eine der gängigsten Bildanalysetechniken. Pixel, die jede Klasse darstellen, werden in dem Abbildungsschema ausgewählt, das als Trainingspixel dienen wird. Trainingspixel wurden anhand von Felddaten oder anderen zuverlässigen Quellen validiert, und es wurde eine spektrale Reflexionssignatur erstellt. Die Trainingssignaturen für jede abzubildende Klasse werden quantitativ mit jedem Pixel im Bild verglichen, und Pixel werden der Abbildungsklasse zugeordnet, der ihre spektrale Signatur am ähnlichsten ist.

Objektbasierte Bildanalyse ist eine neuere und leistungsfähigere Bildklassifizierungstechnik. Eine objektbasierte Bildanalyse segmentiert das Bild zunächst in Objekte. Die Segmentierung basiert auf den spektralen Signaturen der Pixel, der Form und Größe des Objekts oder der Textur der Pixel innerhalb des Objekts. Sobald das Bild segmentiert ist, ordnet der Benutzer jede Landbedeckungsklasse einigen Beispielobjekten zu. Das Bild wird dann klassifiziert.

objektbasierte Klassifizierung

Segmentierung und Klassifizierung eines Bildes während einer objektbasierten Analyse. Bild © GISGeography

4. Validierung/Genauigkeit

Eine Genauigkeitsbewertung oder -validierung ist ein wichtiger Bestandteil jedes Klassifizierungsprojekts und liefert ein Maß dafür, wie genau das Kartenprodukt ist. Es verwendet unabhängige „bodenbezogene“ Daten, um eine statistisch basierte Genauigkeitsbewertung zu berechnen, die auf dem Vergleich der vorhergesagten (kartierten) Klasse mit der beobachteten Klasse im Feld basiert. Mit anderen Worten, die klassifizierten Pixel oder klassifizierten Objekte werden mit der Realität oder dem, was an diesem Ort existiert, verglichen. Während die unabhängige Felddatenerfassung zeitaufwändig und teuer sein kann, können diese Daten auch aus der Interpretation hochauflösender Bilder, bestehender klassifizierter Bilder oder lokaler Experten abgeleitet werden.

pporno youjizz xxxx Lehrer xxx Geschlecht
Translate »