Afbeeldingen naar kaarten

Satelliet het dorp Nukuni op Ono-i-Lau, Fiji. Ono-i-Lau is een eilandengroep binnen een barrièrerifsysteem in de Fiji-archipel van de Lau-eilanden. Foto © Planet Labs Inc.

Remote sensing-afbeeldingen zijn een raster van pixels met numerieke waarden, terwijl kaarten X- en Y-coördinaten gebruiken om de locatie te bepalen van punten, lijnen en gebieden (polygonen) die overeenkomen met kaartkenmerken. Het omzetten van een satellietbeeld in een kaart met een hoge nauwkeurigheid is een proces dat experts en veldwerk vereist.

Van satellietbeeld tot kaart van het rif met bentische klassen

Van satellietbeeld (links) tot kaart van het rif met benthische klassen (rechts). Deze foto en kaart tonen het Australische Heron Island, een koraaleiland aan de zuidkant van het Great Barrier Reef. Afbeelding © Allen Coral Atlas

Afbeeldingsclassificatie

Om van een afbeelding een kaart te maken, worden classificatietechnieken toegepast. Een van de meer populaire benaderingen is een objectgebaseerde beeldanalyse, een recente en krachtige beeldclassificatietechniek.

objectgebaseerde classificatie

Segmentatie en classificatie van een afbeelding tijdens een objectgebaseerde analyse. Afbeelding © GISGeography

Een objectgebaseerde beeldanalyse segmenteert het beeld eerst in objecten. De segmentatie is gebaseerd op de spectrale handtekeningen van de pixels, de vorm en grootte van het object of de textuur van de pixels in het object. Zodra de afbeelding is gesegmenteerd, koppelt de gebruiker elke landbedekkingsklasse aan een paar voorbeeldobjecten. Het beeld wordt vervolgens geclassificeerd.

Classificatieschema

Classificatieschema's worden gebruikt om een ​​klasse toe te wijzen aan een object op de afbeelding. Voor koraalriffen zal het hebben van voorkennis van het gebied helpen om potentiële klassen te identificeren die in kaart moeten worden gebracht. Deze klassen worden gebruikt om een ​​classificatieschema te vormen dat wordt gebruikt om veldonderzoeken op te zetten en representatieve gebieden te targeten voor het verzamelen van trainingsgegevens.

Hieronder ziet u een voorbeeld van een hiërarchische classificatie die wordt gebruikt voor de kaarten in de Allen Coral Atlas die geomorfische en benthische classificatie omvat en algemeen genoeg is om op wereldschaal te worden gebruikt.

aca classificatie

Voorbeeld van het classificatieschema van de Allen Coral Atlas voor een atol. Bron: Kennedy et al. 2020

Veldonderzoeken

veldonderzoeken

Snorkelaar die een veldonderzoek afrondt. Foto © Emma Kennedy, Universiteit van Queensland

Veldgegevens zijn een belangrijk onderdeel van het maken van een kaart van hoge kwaliteit. Veldgegevens vormen een koppeling tussen de afbeelding en de in kaart gebrachte kenmerken.

Doelstellingen veldonderzoek:

  • Identificeer de habitatklassen die in kaart moeten worden gebracht en maak een classificatieschema
  • Lokaliseer representatieve gebieden van elke habitatklasse om trainingsgegevens te verzamelen
  • Genereer gegevens die nodig zijn voor beeldkalibratie, zoals de helderheid en diepte van het water
  • Verzamel voldoende gestratificeerde willekeurige punten om de nauwkeurigheid van de classificatie te evalueren (voorspelde vs. waargenomen klassen)

Naast SCUBA- en snorkelonderzoeken zijn er verschillende methoden die kunnen worden gebruikt om veldgegevens te verzamelen voor classificatievalidatie. Gegevens kunnen worden verzameld met behulp van drones vanuit de lucht en aan de oppervlakte, onderwaterinstrumenten zoals op afstand bediende voertuigen (ROV's), steekproeven vanaf de boot met behulp van een kijker met glazen bodem, of zelfs lokale kennis.

duiker spectrale handtekening

Duiker verzamelt spectrale reflectiekenmerken voor individuele bodemtypes. Foto © Kovacs, Universiteit van Queensland

Trainingsdata

Trainingsgegevens zijn elk type veldgegevens met geografische referentie die zijn verzameld voor beeldclassificatie. Het zijn representatieve "grondreferentie"-monsters van elke klasse in het classificatieschema. Ze worden gebruikt om het classificatie-algoritme te 'trainen' om de unieke spectrale reflectiepatronen in elk van de klassen te herkennen. Deze kunnen op verschillende manieren worden verzameld, zoals SCUBA- en snorkelonderzoeken, lucht- en oppervlaktedrones, op afstand bediende voertuigen (ROV's), boten of zelfs lokale kennis.

Nauwkeurigheidsbeoordeling

Een nauwkeurigheidsbeoordeling is een belangrijk onderdeel van elk classificatieproject en geeft een maatstaf voor hoe nauwkeurig het kaartproduct is. Het maakt gebruik van onafhankelijke "grondreferentie"-gegevens om een ​​statistisch gebaseerde nauwkeurigheidsscore te berekenen op basis van de vergelijking van de voorspelde (in kaart gebrachte) klasverzen die in het veld is waargenomen. Met andere woorden, de geclassificeerde pixels of geclassificeerde objecten worden vergeleken met de werkelijkheid, of wat er werkelijk op die locatie bestaat. Hoewel het verzamelen van onafhankelijke veldgegevens tijdrovend en duur kan zijn, kunnen deze gegevens ook worden afgeleid uit de interpretatie van afbeeldingen met hoge resolutie, bestaande geclassificeerde afbeeldingen of lokale experts.

pornopor youjizz xmxx leraar xxx Sekse
Translate »