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

Bildklassifizierung

Um eine Karte aus einem Bild zu erstellen, werden Klassifikationstechniken angewendet. Einer der beliebtesten Ansätze ist die objektbasierte Bildanalyse, eine neuere und leistungsfähigere Bildklassifizierungstechnik.

objektbasierte Klassifizierung

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

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.

Klassifikationsschema

Klassifizierungsschemata werden verwendet, um einem Objekt auf dem Bild eine Klasse zuzuweisen. Bei Korallenriffen können Vorkenntnisse über das Gebiet helfen, potenzielle zu kartierende Klassen zu identifizieren. Diese Klassen werden verwendet, um ein Klassifikationsschema zu bilden, das verwendet wird, um Felderhebungen einzurichten und repräsentative Bereiche für die Erhebung von Trainingsdaten zu ermitteln.

Unten ist ein Beispiel für eine hierarchische Klassifikation, die für die Karten im Allen Coral Atlas verwendet wird, die geomorphe und benthische Klassifikation umfasst und allgemein genug ist, um auf globaler Ebene verwendet zu werden.

ACA-Klassifizierung

Beispiel für das Klassifikationsschema des Allen Coral Atlas für ein Atoll. Quelle: Kennedy et al. 2020

Feldstudien

Feldstudien

Schnorchler, der eine Felduntersuchung beendet. Foto © Emma Kennedy, University of Queensland

Felddaten sind eine Schlüsselkomponente bei der Erstellung einer Karte von hoher Qualität. Felddaten stellen eine Verbindung zwischen dem Bild und den zugeordneten Features her.

Ziele der Felduntersuchung:

  • Identifizieren Sie die zu kartierenden Lebensraumklassen und erstellen Sie ein Klassifikationsschema
  • Lokalisieren Sie repräsentative Gebiete jeder Habitatklasse, um Trainingsdaten zu sammeln
  • Generieren Sie Daten, die für die Bildkalibrierung benötigt werden, z. B. Wasserklarheit und -tiefe
  • Sammeln Sie ausreichend geschichtete Zufallspunkte, um die Genauigkeit der Klassifizierung zu bewerten (vorhergesagte vs. beobachtete Klassen)

Neben SCUBA- und Schnorcheluntersuchungen gibt es eine Vielzahl von Methoden, die verwendet werden können, um Felddaten für die Klassifizierungsvalidierung zu sammeln. Daten können mit Luft- und Oberflächendrohnen, Unterwasserinstrumenten wie ferngesteuerten Fahrzeugen (ROVs), Stichproben vom Boot aus mit einem Glasboden-Viewer oder sogar Ortskenntnissen gesammelt werden.

Spektralsignatur des Tauchers

Taucher, der spektrale Reflexionssignaturen für einzelne Bodentypen sammelt. Foto © Kovacs, University of Queensland

Trainingsdaten

Trainingsdaten sind alle Arten von georeferenzierten Felddaten, die zur Bildklassifizierung gesammelt werden. Sie sind repräsentative „bodenbezogene“ Proben jeder Klasse im Klassifikationsschema. Sie werden verwendet, um den Klassifikationsalgorithmus zu „trainieren“, um die einzigartigen spektralen Reflexionsmuster in jeder der Klassen zu erkennen. Diese können auf verschiedene Weise gesammelt werden, z. B. durch SCUBA- und Schnorcheluntersuchungen, Luft- und Oberflächendrohnen, ferngesteuerte Fahrzeuge (ROVs), Boote oder sogar Ortskenntnisse.

Genauigkeitsbewertung

Eine Genauigkeitsbewertung ist ein wichtiger Bestandteil jedes Klassifikationsprojekts und liefert ein Maß dafür, wie genau das Kartenprodukt ist. Es verwendet unabhängige „bodenbezogene“ Daten, um einen statistisch basierten Genauigkeitswert basierend auf dem Vergleich der vorhergesagten (kartierten) Klasse mit der beobachteten Klasse im Feld zu berechnen. Mit anderen Worten, die klassifizierten Pixel oder klassifizierten Objekte werden mit der Realität oder dem, was an diesem Ort tatsächlich existiert, verglichen. Obwohl die unabhängige Erhebung von Felddaten zeitaufwendig und teuer sein kann, können diese Daten auch aus der Interpretation hochauflösender Bilder, bestehender klassifizierter Bilder oder lokaler Experten gewonnen werden.

pporno youjizz xmxx Lehrer xxx Geschlecht
Translate »