Modelování s obrazovými daty DPZ
Možné přístupy k modelování
1. Fyzikální modelování – kvantifikace parametrů
ovlivňujících modelovanou veličinu. Cíl – získat absolutní
hodnoty odrazivosti.
2. Empirické modelování - vztah mezi daty DPZ
a biofyzikálními parametry objektů je formulován na základě
např. regresní závislosti.
3. Kombinovaný přístup -přepočet hodnot pixelů na absolutní
hodnoty a jejich korelační a regresní analýza s pozemními
měřeními.
M T= ⋅σ 4
1. Detekce tepelného ostrova města
(příklad fyzikálního modelování)
„Kvantitativní“ dálkový průzkumDN hodnoty
DN = f(T)
M T= ⋅σ 4
Množství energie vyzářené
objektem je funkcí jeho teploty
(Stefan-Boltzmannův zákon)
Obecný postup mapování teploty
aktivních povrchů
1. Převod hodnot zaznamenaných družicí (DN) na spektrální hustotu (L)
max
)min()max()min(
)(
)(
Q
QLLL
L DNλλλ
λ
−+
=
2. Výpočet tzv. radiační teploty (Trad) z hodnot spektrální hustoty (L)








+
=
)(
1
2
1ln
λL
K
K
Trad
3. Převod Trad na teplotu aktivního povrchu (TLS) (land surface temperature)
K1 = 666,09 W m-2sr-1
K2 = 1282,7 K
α = 1,438mK
ε = emisivita
ε
α
λ
ln1 





+
=
rad
rad
LS
T
T
T
Odvození LST z dat LANDSAT
ETM+ band
6.1
TOA
radiance
ETM+
1,2,3,4
Land cover
types
Emissivity
Land surface Temperature
Atmos.
corrected
values
MODTRAN
• transmissivity
• upwelling radiance
• downwelling radiance
(Barsi et al. 2005)
Mapa emisivity základních druhů povrchů
water 0,98
bare ground 0,97
vegetation 0,94
built-up area 0,925
Hodnoty emisivity
(Snyder et al. 1998)
Teploty aktivních povrchů, Brno a okolí, 24.5.2001
urban rural
water
bare
ground vegetation
build-up
area
Hodnoty LST pro různé druhy povrchů,
Brno, 24.5.2001
UHI Intensity, Brno and surroundings, 24 May 2001
1 2
3 4
NE quadrant
Distance from the city centre [km]
• TERRA satellite
• scanner ASTER
• date 2 April 2002
• time 9:57:53 GMT
• 5 thermal bands (10–14)
wavelengths 8.125– 11.65 µm
• spatial resolution 90 m
Další zdroje dat pro mapování LST „multispektrální
algoritmy“
Synoptic situation SEa
Tmin 7.8°C Tmax 16.8°C Tmean 11.3°C Tground min 6.4°C
LST Emisivita v pásmech 10-14
Odvození LST z dat ASTER
ASTER
bands 10-
14
TOA
radiance
10-14
Atmos.
Corrected
values
10-14
Možnosti zpřesnění modelu prostorové
diferenciace LST
Různé charakteristiky odvozené z 3D modelu budov a z DEM dobře korelují s
povrchovými teplotami.
Area of buildings [%] Impervious
surfaces [%]
Area of walls
and roofs
2. Spektrální indexy
(příklad empirického modelování)
Aritmetické operace s pásmy multispektrálního
obrazu
Cílem je na základě znalosti spektrálního chování
zvýraznit například vegetační složku v obraze.
Některé mohou vypovídat i o vlastnostech půdního
substrátu.
Za určitých předpokladů lze těchto indexů využít i
k určování kvantitativních ukazatelů (hmotnost
zelené biomasy v ploše pixelu apod.)
Indexy
• poměrové
• ortogonální
Princip výpočtu vegetačních indexů
Jensen (2005)
Poměrové indexy
Příklady indexů sestavených pro data
LANDSAT TM (TM-3 - odrazivost v červené
viditelné části spektra, TM-4 - odrazivost
v blízké infračervené části spektra):
Jednoduchý poměrový vegetační index (RVI Ratio
Vegetation Index): 3
4
TM
TM
RVI =
34
34
TMTM
TMTM
NDVI
+
−
=




+
+
−
= 5,0
34
34
TMTM
TMTM
SQRTTVI
Transformovaný vegetační index
(TVI - Transformed Vegetation Index):
Normalizovaný diferenční vegetační index
(NDVI - Normalized Difference Vegetation Index)
NDVI
NDVI zdravé a suché vegetace
(http://www.space.gc.ca/asc/img/hypspec_agri4.gif)
Poměrové indexy
• Mohou významně korelovat s některými parametry
vegetační složky krajiny např. indexem listové
pokryvnosti (LAI - leaf area index) - celková plocha
horní strany listů na horizontální jednotku plochy.
• Jsou vhodným nástrojem ke studiu zdravotního stavu
vegetace, časových změn a průběhu fenofází, odhadům
výnosů zemědělských plodin, odhadům vodního stresu
rostlin atd.
• Jedná se o hodnoty relativní, které v ordinální škále
řadí hodnoty pixelů podle obsahu biomasy.
• Ke kvantifikaci vypočtených parametrů jsou nutné
indexy počítané z atmosféricky korigovaných dat
Upravené vegetační indexy
Soil Adjusted Vegetation Index (SAVI)
kde L je korekce vlivu půdy (0 pro velmi vysokou
vegetaci, 1 pro velmi nízkou vegetaci, nejvíce se používá
hodnota 0,5)
Upravené vegetační indexy
Atmospherically Resistant Vegetation Index (ARVI)
kde ρrb je kombinace odrazivosti v červeném a modrém
pásmu:
Hodnota gamma (γ =1) je faktor, který eliminuje vliv
atmosféry
Upravené vegetační indexy
Enhanced Vegetation Index (EVI)
• L je canopy background adjustment – úprava, která určuje
nelineární, diferenční přenos NIR a červeného záření skrz
vegetaci,
• C1 a C2 jsou koeficienty popisující intenzitu aerosolového
rozptylu
• pro družicová data MODIS se používá ve výpočtu EVI těchto
hodnot: L = 1, C1 = 6, C2 = 7,5, a G (přírůstek, gain factor) =
2,5
Upravené vegetační indexy
Enhanced Vegetation Index (EVI)
• EVI je ve srovnání s NDVI více citlivý k rozdílům v množství vegetace v
hustě zalesněných oblastech a lépe odstraňuje vliv atmosféry nebo
zemského povrchu pod vegetací, které bývají zdrojem nepřesností ve
výpočtu vegetačních indexů.
• Zatímco NDVI je více citlivý k obsahu chlorofylu, EVI je více citlivý ke
změnám ve struktuře vegetačního krytu, včetně LAI, typu vegetačního
krytu či fyziognomie rostlin.
Porovnání citlivosti EVI a NDVI
Jensen (2005)
Upravené vegetační indexy
Příklad mapování EVI
http://www.saeon.ac.za/
Ortogonální indexy
• Jsou lineární kombinací původních pásem
multispektrálního obrazu.
• Stejně jako PCA se jsou založeny na rotaci
souřadnic příznakového prostoru.
• Touto transformací se v tomto případě zvýrazňuje
vegetační složka krajiny, ale i některé vlastností
půdního substrátu - například půdní vlhkost apod.
• Koeficienty transformace jsou určeny empiricky –
proto má řada indexů omezenou použitelnost.
PVI (perpendicular vegetation index)
Umožňuje separovat odrazivost
vegetace a půdního substrátu.
linie půd (soil line): NIR a RED bP p= ⋅ +
Pixely, na jejichž odrazivosti se v různé míře podílí vegetace,
se budou v grafu umísťovat nad uvedenou linii půd.
( ) ( )PVI RED RED NIR NIRP V P V= − + −
2 2
PVI - kolmá vzdálenost pixelu od linie půd:
NIRP - odrazivost půdy v blízké infračervené části spektra
REDP - odrazivost půdy v červené viditelné části spektra
NIRV - odrazivost vegetace v blízké infračervené části spektra
REDV - odrazivost vegetace v červené viditelné části spektra
Transformace "TASSELED CAP"
TC1 = .2043TM1 +.4158TM2 +.5524TM3 +.5741TM4 +.3124TM5 +.2303TM7
TC2 = -.1603TM1 -.2819TM2 -.4934TM3 +.7940TM4 -.0002TM5 -.1446TM7
TC3 = .0315TM1 +.2021TM2 +.3102TM3 +.1594TM4 -.6806TM5 -.6109TM7
Koeficienty transformačních rovnic jsou určeny tak,
aby každé z nově vypočtených pásem zvýrazňovalo
informaci korelující s určitými vlastnostmi půdy a
vegetace:
TC1 - orientováno ve směru maximálního rozptylu hodnot
odrazivosti půdy a označuje se jako index „brightness“,
TC2 - kolmé k TC1 a je orientováno ve směru největšího kontrastu
mezi viditelnou a blízkou infračervenou částí spektra. Je tedy
ukazatelem množství zelené hmoty - index „greenness“.
TC3 - koreluje s vlhkostí půdy a vegetace - index „wetness“ .
Indexy odrazivosti půdy, vegetace a vodního obsahu
Transformace "TASSELED CAP"
Hodnoty odpovídajících si pixelů z indexů TC1 a TC2 vynesené do
dvourozměrného grafu vytvářejí charakteristický obrazec, podle
kterého celá transformace dostala název (Tasseled Cap - čepice
Santa Clause)
Vegetační složka prodělává v rovině definované indexy Brightness a
Greenness typické časové změny. Na počátku vegetačního období dominuje
odrazivost holé půdy (1). S postupným rozvojem vegetace se zvyšují hodnoty
indexu Greenness (2) až do stádia zralosti. Poté vegetace postupně odumírá
a hodnoty indexu Greenness klesají na úkor hodnot indexu Brightness (3),
což indikuje nárůst podílu půdního substrátu na odrazivosti.
Transformace "TASSELED CAP"
Příznakový prostor vybraných spektrálních indexů
transformace Tasseled Cap vypočtená ze senzoru TM
(http://ciesin.org/docs/005-419/fig3.gif)
Další spektrální indexy
Leaf Water Content Index (LWCI)
Moisture Stress Index
Indexy používané ke zjištění obsahu vody v listech a k
monitorování stavu vegetace v období sucha v oblastech, kde
sezónní střídání období s dostatkem až nadbytkem srážek a s
obdobím sucha způsobuje u vegetace vodní stres
Odvozené ukazatele z vegetačních indexů
• Vegetační indexy jsou bezrozměrné míry, které jsou počítány přímo
z hodnot odrazivosti (reflectance) či zářivosti (radiance) v určitých
intervalech vlnových délek.
• Z těchto indexů lze pomocí dalších empirických vztahů určit nové
(odvozené) ukazatele, které přináší informace např. o produktivitě
ekosystémů
• Tyto odvozené ukazatele mají na rozdíl od vegetačních indexů
fyzikální rozměr.
Index listové pokryvnosti, Leaf Area Index (LAI)
• LAI je klíčovou proměnnou, která odráží výměnu a toky energií,
hmoty (vody a oxidu uhličitého) mezi povrchem Země a atmosférou.
• Je definován jako polovina celkové plochy listů na plošnou
jednotku povrchu půdy v listnatých porostech
• Pro jehličnaté porosty je LAI definován jako plocha jehlic
promítnutá na jednotku půdy a je tedy kvantitativní mírou hustoty
listí, která odráží stav vegetace.
Odvozené ukazatele z vegetačních indexů
Aqua MODIS LAI, říjen 2006
(http://cliveg.bu.edu/modismisr/album/aqua/2006/target9.html)
Vztah pro výpočet LAI s použitím hodnot NDVI ze senzoru AVHRR
(Zhangsi a Williams, 1997):
Odvozené ukazatele z vegetačních indexů
Zjednodušený vztah mezi NDVI a LAI
(http://rangeview.arizona.edu/Tutorials/intro.asp)
Odvozené ukazatele z vegetačních indexů
Net Primary Productivity (NPP)
NPP je kvantitativní míra absorpce uhlíku rostlinami v
daném čase a prostoru. Jedná se o míru růstu vegetace,
indikuje biologickou produktivitu rostlin: vyjadřuje, jaký je
rozdíl mezi množstvím oxidu uhličitého, který rostliny
spotřebují při fotosyntéze, a množstvím, které rostliny vydají
při respiraci. Měření NPP poskytuje informace o koloběhu
oxidu uhličitého v globálním měřítku.
http://wdc.dlr.de/data_products/SURFACE/npp.php
Korelace mezi NDVI a NPP
Odvozené ukazatele z vegetačních indexů
Net Ecosystem Productivity (NEP)
• NEP vychází z hodnot NPP, bere však v úvahu také
respirační toky v půdě, které jsou způsobeny rozkladem
organické hmoty.
• NEP je odhadem toků uhlíku mezi ekosystémy a
atmosférou.
http://earth.eo.esa.int/rtd/Projects/MASS/Index.html
Odvozené ukazatele z vegetačních indexů
Dry Matter Productivity (DMP)
Odhad množství sušiny, který se využívá při
monitorování růstu zemědělských plodin a odhadování
jejich výnosu.
http://www.satreponline.org/landsaf/index.htm
Odvozené ukazatele z vegetačních indexů
Aktuální evapotranspirace vypočtená pro území České republiky na
základě dat MODIS z 17. 7. 2007. (projekt FLOREO)
http://floreo.cz/Informacni-clanky/Biofyzikalni-parametry-z-DPZ.aspx
Normalised Diference Snow Index (NDSI)
Princip výpočtu stejný jako NDVI - porovnání odrazivosti v pásmech
se středy na vlnových délkách přibližně 0,66 µm a 1,6 µm.
Atmosféra je v těchto vlnových délkách transparentní, sněhová
pokrývka velmi intenzivně odráží ve viditelné části spektra, ve
střední IČ její odrazivost výrazně klesá:
6,166,0
6,166,0
RR
RR
NDSI
+
−
=
Další spektrální indexy
(Salomonson, Appel 2004)
Monitorování sněhové pokrývky
(projekt FLOREO)
Další spektrální indexy
http://floreo.cz/Informacni-clanky/Monitorovani-snehu-z-druzic.aspx
Další spektrální indexy
Slouží ke studiu prostorového rozložení zastavěných ploch a
časových změn v jejich rozsahu
Normalized Difference Built-up Index (NDBI)
NDBI =
Built_up_area = NDBI - NDVI
TM5 – TM4
TM5 + TM4
Ve výsledném snímku mají
zastavěné a holé plochy bez
vegetace kladné hodnoty a
ostatní druhy povrchů hodnoty
záporné
TM5 + TM4
V-I-S (vegetation-impervious surface-soil) model for
urban ecosystem analysis
Ridd, M.K., 1995. Exploring a V–I–S (Vegetation–Impervious Surface–Soil)
model for urban ecosystem analysis through remote sensing - Comparative
anatomy for cities. Int. J. Remote Sens., 16, pp. 2165- 2185.
Konceptuální model – předpokládá, že
každý pixel představující land-cover v
oblasti městské zástavby je lineární
kombinací tří základních povrchů –
vegetace, zastavěné plochy a půdy.
http://www.springerlink.com/conten
t/u25162w3t3411703/
V-I-S (vegetation-impervious surface-soil) model for
urban ecosystem analysis