geologyidea.com
Viac

Kompatibilita QGIS a arcmap v georeferencovaní obrázkov

Kompatibilita QGIS a arcmap v georeferencovaní obrázkov


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.


Georeferencoval som obrázok v QGIS, ale keď som ho importoval do arcmap 10.0, povedal „V konzistentnom rozsahu“. Vie niekto, ako to vyriešiť?


Skúste skontrolovať priestorový odkaz na svoj obrázok. Ak pre váš obrázok nie je nastavená žiadna priestorová referencia, pokúste sa definovať jeho priestorovú referenciu.

Pravým tlačidlom myši kliknite na svoju dátovú vrstvu, ktorú chcete skontrolovať jej priestorovú referenciu. Prejdite na kartu „Zdroj“. Posuňte sa nadol na pole Vlastnosti a nájdete sekciu Priestorový odkaz. Ak sú pre vaše dáta nastavené priestorové referencie, bude k dispozícii informácia o tom, aké priestorové referencie používajú.


Kompatibilita QGIS a arcmap v georeferencovaní obrázkov - Geografické informačné systémy

Proc. SPIE. 11534, Zdroje Zeme a životné prostredie Diaľkový prieskum Zeme / Aplikácie GIS XI

KĽÚČOVÉ SLOVÁ: Infračervené žiarenie krátkych vĺn, sľuda, minerály, lítium, satelity, spracovanie obrazu, diaľkový prieskum, diagnostika, satelitné snímanie, zber dát

Aj keď už bolo spektrálne charakterizovaných niekoľko minerálov s obsahom lítia (Li), vo veľkých a verejne prístupných spektrálnych knižniciach neexistujú žiadne súčasné referenčné spektrá pre petalit. Táto skutočnosť sa zhoršuje ťažkosťami pri identifikácii diagnostických znakov petalitu. Študijnou oblasťou tejto práce je oblasť Fregeneda (Španielsko) - Almendra (Portugalsko), kde sa na niekoľkých druhoch obohatených hrádzí pegmatitu vyskytujú odlišné minerály nesúce Li. V súlade s tým boli cieľmi vymedzenými pre túto prácu: (i) zlepšenie existujúcich poznatkov o spektrálnych podpisoch minerálov nesúcich Li (lepidolit, spodumen, petalit); (ii) porovnanie spektier získaných pre petalit a spodumen v študovanej oblasti (iii) a porovnajte spektrá minerálov nesúcich Li z oblasti Fregeneda-Almendra s referenčnými spektrami zo spektrálnych knižníc USA Geological Survey (USGS), ECOSTRESS a Geological Survey of Brazil (CPRM). Z tohto dôvodu sa spektrálne merania uskutočňovali v laboratóriu pomocou spektrometra SR-6500A (Spectral Evolution, Inc.). Výsledky umožnili rozlišovať iba lepidolit, pretože petalit aj spodumen vykazujú absorpčné vlastnosti typické pre montmorillonit a illit alebo kombináciu týchto dvoch minerálov. Toto sa overuje aj na vzorkách zodpovedajúcich minerálov v iných spektrálnych knižniciach. Neboli identifikované žiadne diagnostické vlastnosti týchto dvoch minerálov nesúcich Li, čo zdôrazňuje ťažkosti s ich spektrálnym rozlíšením od seba navzájom a od ílových minerálov.

Článok zborníka 20. septembra 2020

Proc. SPIE. 11528, Diaľkové snímanie pre poľnohospodárstvo, ekosystémy a hydrológiu XXII

KĽÚČOVÉ SLOVÁ: Poľnohospodárstvo, Diaľkový prieskum, Robotika, Vegetácia, Geografické informačné systémy, Priestorová analýza, Fyziológia, Biologický výskum, Analytický výskum, Systémy na podporu rozhodovania

Presné poľnohospodárstvo (PA) má zásadnú úlohu v udržateľnosti poľnohospodárskych systémov, podporuje rozhodovanie o poľnohospodárskych plodinách, zvyšuje výnos a kvalitu produkcie. V súčasnom výskume bol urobený PA prístup pre vinohradníctvo kombinujúci dáta z diaľkového prieskumu a robotické monitorovanie. Týmto prístupom sa plánovalo vykonať priestorovo-časovú analýzu fenológie vínnej révy podľa 3 období biologického cyklu hrozna - reprodukčného cyklu, vrcholu sezóny a vegetačného pokoja - zodpovedajúcich rokom 2017/18, po dobu špecifická oblasť regiónu zeleného vína z Celorico de Basto (Portugalsko). Navrhovaná metodika je založená na automatizácii priestorových analýz prostredníctvom geografických informačných systémov (GIS), Google Earth Engine (GEE) a programovacieho jazyka Python. GEE sa použil na získanie obrazu a na spracovanie údajov z niekoľkých indexov, ako napríklad Normalized Difference Vegetation Index (NDVI), Green Normalized Difference Vegetation Index (GNDVI) a Visible Atmospherically Resistant Index (VARI). Pokiaľ ide o geologické spracovanie faktorov životného prostredia, uvažovalo sa s týmito parametrami: zrážky, teplota a pôdna vlhkosť. Potom bol NDVI vybraný pre časopriestorovú analýzu fenológie viniča, keď tento index predstavuje blízku dynamiku biologického cyklu viniča. Zo vzťahu medzi faktormi prostredia a NDVI bolo možné interpretovať časopriestorovú dynamiku fenológie viniča. Nakoniec sa urobila priestorová interpolácia výťažku a NDVI, aby sa pochopil vplyv NDVI na výťažok. Dá sa predpokladať, že NDVI nemá štatisticky významný vplyv na úrodu viniča.

Článok zborníka 20. septembra 2020

Proc. SPIE. 11534, Zdroje Zeme a životné prostredie Diaľkový prieskum Zeme / Aplikácie GIS XI

KĽÚČOVÉ SLOVÁ: Infračervené senzory, Landsat, senzory, satelity, spracovanie obrazu, diaľkový prieskum, vegetácia, senzory pozorovania Zeme

Antropické zmeny vyplývajúce z urbanizácie prispievajú k modifikácii povrchových materiálov spočívajúcou v potlačení vegetácie, hydroizolácii pôdy a variácii albeda, ktoré môžu prispieť k vytvoreniu Tepelných ostrovov (HI). Tento jav je výsledkom vyššej absorpcie elektromagnetickej energie budovami v porovnaní s vegetáciou, čo potvrdzuje zvýšenie povrchovej teploty a minimalizáciu relatívnej vlhkosti vzduchu. Tento efekt sa zosilňuje v noci, keď urbanizované oblasti udržujú dlhšie priemerné teploty v porovnaní s vegetačnými oblasťami. Niektoré vplyvy tohto účinku sú: (i) tepelné nepohodlie a vplyv na miestnu mikroklímu a (ii) vytesnenie vodných útvarov. Cieľom tejto práce bolo analyzovať vzťah medzi povrchovou teplotou pôdy (LST) a pomerom vegetácie (Pv) odvodeným z indexu vegetácie normalizovaného rozdielu (NDVI) v husto zastavanej oblasti Brasília (Brazília) s cieľom vyhodnotiť, či je jej charakteristiky potvrdzujú zmenu podnebia v mikroskopickom meradle. V rokoch 1989 až 2019 bolo spracovaných niekoľko snímok z tepelných senzorov Landsat 5 a 8 a získané výsledky poukazujú na to, že LST je nepriamo úmerná Pv, tj. Najvyššie teploty boli pozorované v klasifikovaných oblastiach so slabým alebo žiadnym Pv, čo potvrdzuje hypotéza, že antropicky zmenené oblasti môžu mať vplyv na miestne podnebie. Napriek pozorovanému javu a 50% zvýšeniu maximálnej teploty v roku 2019 v porovnaní s rokom 1989 a poklesu maximálneho Pv o 36% v rovnakých rokoch sú povinné ďalšie štúdie, ktoré potvrdzujú tieto zistenia.

Článok zborníka 20. septembra 2020

Proc. SPIE. 11534, Zdroje Zeme a životné prostredie Diaľkový prieskum Zeme / Aplikácie GIS XI

KĽÚČOVÉ SLOVÁ: Logika, štatistická analýza, vizualizácia, satelity, diaľkový prieskum, meď, geológia, geografické informačné systémy, 3D spracovanie obrazu

Priestorové myslenie možno definovať ako vedomosti o priestorových konceptoch (napr. Umiestnenie, smer a mierka) použiteľné pri opise, analýze a riešení problémov v niekoľkých kontextoch, ako napríklad Geografický informačný systém (GIS). Študenti z dvoch kurikulárnych jednotiek (UK) a zo 6 rôznych základných oblastí riešili test s názvom Spatial Thinking Ability Test (STAT), ktorý sa skladal z otázok týkajúcich sa logiky, priestorového myslenia a geografických úvah týkajúcich sa kontextu GIS. Cieľom tejto štúdie je vyhodnotiť: i) rozdiely vo vedomostiach, logické a geografické uvažovanie študentov a ii) priestorové myslenie študentov v rôznych oblastiach. Test bol aplikovaný na 83 študentov na začiatku a na konci semestra (teda pred a po kontakte študentov s pojmami vyučovanými na uvedených UK). Táto štúdia sa predstavuje ako metodika podpory pedagogickej didaktiky implementovanej na UK, ktorej cieľom je poskytnúť oblasť počítačových nástrojov na manipuláciu a analýzu geografických informácií. Prispeje tiež k zlepšeniu výučby študentov a pomôže učiteľom v efektívnejšom, interdisciplinárnom a cielenom riadení vedomostí v rozsahu UK a usmerní študijné programy a didaktiku výučby, ktoré musia mať všetci študenti zaručené. Odpovede sa analyzovali v softvéri Statistics Package for the Social Sciences (SPSS). Analýza výsledkov testu umožní nasmerovať obsah s ohľadom na úroveň študentov v priestorovom a geografickom uvažovaní.

Článok zborníka 20. septembra 2020

Proc. SPIE. 11534, Zdroje Zeme a životné prostredie Diaľkový prieskum Zeme / Aplikácie GIS XI

KĽÚČOVÉ SLOVÁ: minerály, lítium, kalibrácia, satelity, diaľkový prieskum, satelitné snímanie, zber dát, reflexná spektroskopia, snímače pozorovania Zeme, absorpcia

Získavanie údajov v teréne hrá dôležitú úlohu pri kalibrácii údajov z diaľkového snímania, najmä ak je kombinované so štúdiami reflexnej spektroskopie. Študijnou oblasťou tejto práce je pole pegmatitov Fregeneda-Almendra (šíriace sa z Portugalska do Španielska), kde sú známe rôzne lítium (Li) -gmatity. Na satelitné snímky na prieskum Li v regióne bolo použitých niekoľko techník spracovania obrazu, vrátane klasifikátorov strojového učenia. Tieto algoritmy však identifikovali niekoľko zón ako falošné pozitíva Li-pegmatitov. Vzhľadom na to boli stanovené nasledujúce ciele: (i) validovať oblasti výcviku použité v predchádzajúcich štúdiách a zbierať údaje z terénu na zdokonalenie oblastí výcviku; ii) posúdiť dôvod falošných pozitívov, ktoré sa predtým získali prostredníctvom terénnych prieskumov. Z tohto dôvodu boli na laboratórnu spektrálnu analýzu odobraté rôzne východiskové litológie (Li-pegmatit, metasedimenty, žula). Spektrálny podpis Li-pegmatitu sa porovnal so zostávajúcimi výbežkami litológií. Spektrálny podpis vzorkovaných falošne pozitívnych oblastí bol tiež konfrontovaný so spektrami Li-minerálov. Bolo možné dospieť k záveru, že tieto dve triedy majú podobné vlastnosti spojené s vodou / hydroxidom a Al-OH. Vzorky granitových a metasedimentárnych hornín tiež vykazovali absorpciu vody a / alebo hydroxidu, čo môže viesť k spektrálnemu zmätku. Li-pegmatity však možno odlíšiť od zostávajúcich litológií buď v tréningových oblastiach, alebo v oblastiach s falošne pozitívnymi výsledkami kvôli absencii absorpčných vlastností súvisiacich so železom a kvôli odlišným hodnotám odrazivosti.

Článok zborníka 20. septembra 2020

Proc. SPIE. 11534, Zdroje Zeme a životné prostredie Diaľkový prieskum Zeme / Aplikácie GIS XI

KĽÚČOVÉ SLOVÁ: bezpilotné vzdušné prostriedky, veda o pôde, fotoaparáty, snímače, vegetácia, geografické informačné systémy, ťažba, farebný model RGB, kontaminácia pôdy

Uhoľná baňa São Pedro da Cova v Gondomare (Portugalsko) zanechala značnú ekologickú stopu v podobe hromady odpadu o rozlohe 28 000 m 2. Táto hromada odpadu od roku 2005 kontinuálne spaľuje, čo vedie k mobilizácii znečisťujúcich látok. Vo výsledku je mimoriadne dôležité monitorovať stav a vývoj hromady odpadu, hodnotiť súčasné a potenciálne riziká pre obyvateľov a navrhnúť primerané zmierňujúce opatrenia. Na vyhodnotenie a sledovanie pohybov pôdy na povrchu hromady odpadu bolo vykonané porovnanie medzi rôznymi digitálnymi modelmi výšok (DEM). DEM boli získané fotogrametrickým spracovaním údajov zhromaždených rôznymi senzormi na palube bezpilotného prostriedku (UAV). Ako predbežné výsledky sa zdá, že hromada odpadu trpí generalizovanou topografickou recesiou, ktorú overuje pokles nadmorskej výšky na viacerých monitorovacích bodoch. Tento efekt môže byť spôsobený eróziou pôdy alebo poklesom hladiny, potenciálne spôsobeným uhoľnými požiarmi, ktoré v tomto odpade pôsobili. hromada. V rámci rozsiahlejšieho vyhodnotenia študijnej oblasti v rámci projektu CoalMine, ktorý zahŕňa geochemickú analýzu pôdy a vody, ako aj monitorovanie povrchových teplôt, poskytuje súčasné hodnotenie pohybu pôdy zásadný pohľad na pohyb a ukladanie pôdy v potenciálnych kontaminantov prítomných v jeho zložení.

Článok zborníka 20. septembra 2020

Proc. SPIE. 11534, Zdroje Zeme a životné prostredie Diaľkový prieskum Zeme / Aplikácie GIS XI

KĽÚČOVÉ SLOVÁ: Cesty, Landsat, spracovanie obrazu, diaľkový prieskum Zeme, geografické informačné systémy, zosuv pôdy (siete), senzory pozorovania Zeme, technológie na zvýšenie rozlíšenia

Cieľom tejto štúdie bolo vyhodnotiť mapu rizika zosuvu pôdy na západnom pobreží Alžírska. Toto hodnotenie bolo založené na troch krokoch. Prvý krok si vyžaduje vyhodnotenie rizika zosuvu. Aby sme to dosiahli, boli vykonané údaje z terénnych prieskumov kombinované s analýzou geografického informačného systému (GIS) a spracovaním obrazu pomocou diaľkového prieskumu (RS). Uvažovalo sa so siedmimi riadiacimi faktormi: litológia, geomorfológia, sklon, využitie krajiny, vzdialenosť k potoku, dažde a vzdialenosť od poruchy. Topografická mapa 1/25 000 bola použitá na vygenerovanie modelu digitálnej výšky (DEM) s rozlíšením 15 × 15 m. Z tohto DEM sa vyňal sklon. Na základe znalostného prístupu boli rôzne faktory vážené podľa hodnoty na škále od 1 do 9. Najnižšie hodnoty boli priradené faktorom, ktoré majú malý vplyv na spúšťanie zosuvov, a najvyššie hodnoty boli dané dôležitým parametrom pre výskyt zosuvu. . Tieto faktory sa skombinovali pomocou váženej lineárnej kombinácie (WLC). Mapa nebezpečenstva zosuvu pôdy bola rozdelená do piatich úrovní: veľmi nízka, nízka, stredná, vysoká a veľmi vysoká. Zraniteľnosť zosuvu pôdy sa hodnotila prostredníctvom identifikácie rizikových prvkov. Zvažovali sa tri aspekty zraniteľnosti: fyzická, environmentálna a sociálno-ekonomická. Váhy každého faktora sa uvádzali v závislosti od veľkosti a rýchlosti zosuvu pôdy. Mapa zraniteľnosti zosuvmi pôdy (LVM) pre západné pobrežie Alžírska bola vytvorená kombináciou máp fyzickej, environmentálnej a socioekonomickej zraniteľnosti. Riziko zosuvu pôdy bolo hodnotené kombináciou mapy nebezpečnosti a mapy zraniteľnosti a bolo rozdelené do štyroch tried: veľmi nízka, nízka, stredná a vysoká.

Článok zborníka 21. októbra 2019

Proc. SPIE. 11149, Diaľkové snímanie pre poľnohospodárstvo, ekosystémy a hydrológiu XXI

KĽÚČOVÉ SLOVÁ: Bezpečnosť, Landsat, diaľkový prieskum, vegetácia, satelitné zobrazovanie, radiačné efekty, cézium, stroncium, plutónium, snímače pozorovania Zeme

Pred tridsiatimi tromi rokmi došlo pri nehode v jadrovej elektrárni v Černobyle k uvoľneniu obrovského množstva rádioaktívnych materiálov ako cézium, stroncium a plutónium do atmosféry, ktoré sa rozprestierali na rozsiahlom území. Je známe, že jeho účinky môžu spôsobiť poškodenie DNA živých bytostí, čo povedie k smrti alebo zmenenej kondícii bioty, ale účinky opustenia krajiny za takýchto podmienok nie sú, pretože okolie elektrárne bolo trvalo evakuované. Cieľom tejto štúdie bolo teda analyzovať stav primárnej produkcie vegetácie v černobyľskej vylúčenej zóne po havárii v porovnaní s jej predchádzajúcim stavom. Prostredníctvom indexu vegetácie s normalizovaným rozdielom (NDVI) a meraní žiarenia sa vzťah medzi týmito premennými hodnotil pomocou analýzy odchýlok (ANOVA) a modelov generalizovaných aditív (GAM), aby sme pochopili, ako vegetácia reagovala na vystavenie žiareniu. Uvažované údaje boli satelitné snímky Landsat a vzorkované oblasti registrované na poli. Výsledky ukazujú, že NDVI sa v priebehu rokov po nehode zvyšoval a že je nezávislý od nameraného aktuálneho žiarenia. To naznačuje, že do istej miery radiačnej záťaže pozitívne účinky opustenia krajiny a / alebo negatívne účinky žiarenia na početnosť druhov bylinožravcov prevyšujú dlhodobé negatívne účinky radiačnej záťaže na vegetáciu. Očakáva sa však, že nad úrovňou radiácie bude mať negatívny vplyv na primárnu výrobu.

Článok zborníka 3. októbra 2019

Proc. SPIE. 11156, Zdroje Zeme a životné prostredie Diaľkový prieskum Zeme / Aplikácie GIS X

KĽÚČOVÉ SLOVÁ: minerály, lítium, analýza hlavných komponentov, Landsat, kovy, diaľkový prieskum, keramika, ťažba, snímače pozorovania Zeme, farebný model RGB

Lítium (Li) je definované ako alkalický kov, ktorý sa v prírode nevyskytuje vo voľnej forme. Okrem toho má vlastnosti, ktoré umožňujú uplatnenie niekoľkými spôsobmi, napríklad v priemysle, najmä v keramickom a sklárskom priemysle, ako aj v priemysle batérií, kde došlo k zvýšeniu spotreby tohto prvku. Na identifikáciu nových ložísk Li je kľúčové použiť lacnejšie a rýchlejšie techniky v porovnaní s klasickými a dotieravými metódami. Diaľkový prieskum Zeme sa ukázal byť účinným nástrojom na identifikáciu oblastí s potenciálom na prieskum Li. Cieľom tejto práce je použiť niekoľko techník spracovania obrázkov, ako sú kombinácie pásiem RGB, analýza pásiem a analýza hlavných komponentov (PCA), na identifikáciu potenciálnych oblastí na prospekciu Li v pegmatitovej štvrti São João Del Rei, ktorá sa nachádza na juhu krajiny. štát Minas Gerais, Brazília. V týchto oblastiach boli definované dve študijné zóny: zóna A s približne 323 km 2 v pegmatitovom okrese São João Del Rei a zóna B s približne 90 km 2 v pegmatitovom okrese Araçuaí. Výsledky techník použitých v tejto štúdii sú veľmi sľubné, pretože okrem ľahkosti a nízkych nákladov sa tieto techniky dajú použiť aj na viacerých miestach. Tento prístup je pre ťažobný priemysel Li veľmi cenný.

Článok zborníka 3. októbra 2019

Proc. SPIE. 11156, Zdroje Zeme a životné prostredie Diaľkový prieskum Zeme / Aplikácie GIS X

KĽÚČOVÉ SLOVÁ: Pôda, satelity, vegetácia, satelitné zobrazovanie, geografické informačné systémy, vývoj softvéru, klasifikácia obrázkov, neodým, analýza faktorov, senzory pozorovania Zeme

Erozia pôdy predstavuje hlavnú hrozbu pre ľudské životy a majetok na celom svete, ako aj veľké narušenie životného prostredia. Revidovaná univerzálna rovnica straty pôdy (RUSLE) integrovaná s geografickým informačným systémom (GIS) bola najbežnejšie používaným modelom na predpovedanie a mapovanie strát erózie pôdy. Diaľkový prieskum má osobitnú užitočnosť pre aplikácie modelov straty pôdy, pretože poskytuje pozorovania týkajúce sa niekoľkých kľúčových aspektov využitia krajiny a krajinnej pokrývky (LULC) spojených s faktorom riadenia krytia C RUSLE, a to na širokých územiach a pri dôsledných a opakovateľných meraniach. V rámci softvéru QGIS bola vyvinutá bezplatná a otvorená aplikácia GIS spojená s údajmi o diaľkovom snímaní, ktorá umožňuje vylepšiť funkčnosť faktora C: (i) automatické sťahovanie satelitných snímok; ii) klip so študijným prípadom; a ii) vykonávanie klasifikácie pod dohľadom alebo bez dozoru. , s cieľom získať klasifikáciu krajinnej pokrývky a vytvoriť konečnú mapu C. Jedným z najefektívnejších kontrolovaných klasifikačných algoritmov je Support Vector Machine (SVM). Random Forest (RF) je tiež ľahko použiteľný algoritmus strojového učenia pre klasifikáciu pod dohľadom. Automatizácia tejto funkcionality bola založená na softvéroch R a SAGA, ktoré sú integrované v QGIS. Na vykonávanie kontrolovanej klasifikácie boli začlenené metódy SVM a RF. Celková presnosť a hodnoty Kappa sa tiež automaticky získajú pomocou skriptu R a algoritmov GRASS, čo umožňuje vyhodnotiť získaný výsledok. Na vykonanie nekontrolovanej klasifikácie bol použitý algoritmus K-means od SAGA. Táto aktualizácia v aplikácii RUSLE zlepšuje výsledky získané pre faktor C a pomáha nám získať najpresnejší odhad mapy rizík erózie RUSLE. Aplikácia bola testovaná pomocou snímok Sentinel 2A v dvoch rôznych obdobiach, a to po udalosti pred lesným požiarom v portugalskej oblasti Coimbra. Nakoniec boli porovnané tri výsledné mapy z klasifikácie SVM, RF a K-means.

Článok zborníka 3. októbra 2019

Proc. SPIE. 11156, Zdroje Zeme a životné prostredie Diaľkový prieskum Zeme / Aplikácie GIS X

KĽÚČOVÉ SLOVÁ: minerály, lítium, dátové modelovanie, diaľkový prieskum, ťažba, strojové učenie, klasifikácia obrázkov, farebný model RGB

Algoritmy strojového učenia (MLA) získali veľký význam v aplikáciách založených na diaľkovom snímaní a tiež v mapovaní minerálnej perspektívy. Štúdie ukazujú, že MLA môžu prekonať klasické klasifikačné techniky. MLA môžu byť teda užitočné pri výskume strategických surovín, ako je lítium (Li), ktoré sa používa v spotrebnej elektronike a v priemysle zelenej energie. Študijnou oblasťou tejto práce je oblasť Fregeneda-Almendra (medzi Španielskom a Portugalskom), kde sa Li vyskytuje v pegmatitoch. Ich menšiu expozíciu však možno považovať za problém pri uplatňovaní metód diaľkového prieskumu Zeme. Aby sme to prekonali, boli použité algoritmy Support Vector Machine (SVM) a Random Forest (RF). Táto štúdia je zameraná na: (i) porovnanie presnosti výkonu v litologickom mapovaní dosiahnuté SVM a RF (ii) hodnotenie citlivosti oboch klasifikátorov na nerovnováhu tried a (iii) porovnanie dosiahnutých výsledkov s predtým získanými výsledkami. Pre tieto účely boli použité rovnaké obrázky úrovne 1-C Sentinel-2 (október 2017). SVM ukázal o niečo lepšiu presnosť, ale RF dokázal správne klasifikovať väčší počet mapovaných pegmatitov nesúcich Li. Výkonnosť modelov nebola rovnaká pre všetky triedy, pričom všetky mali v niektorých triedach nižší výkon. Taktiež RF bolo ovplyvnené nevyváženou triedou, zatiaľ čo SVM sa ukázalo byť necitlivejšou. Potenciál tohto druhu prístupu pri výskume Li bol potvrdený, pretože obidva algoritmy správne identifikovali prítomnosť pegmatitov nesúcich Li v troch povrchových baniach, kde sa vyskytujú aj v oblastiach, kde boli mapované Li-pegmatity. Niektoré oblasti klasifikované ako pegmatity nesúce Li tiež potvrdzujú záujmové oblasti vymedzené v predchádzajúcich štúdiách.

Článok zborníka 3. októbra 2019

Proc. SPIE. 11156, Zdroje Zeme a životné prostredie Diaľkový prieskum Zeme / Aplikácie GIS X

KĽÚČOVÉ SLOVÁ: Landsat, satelity, geológia, klasifikácia obrazov, snímače pozorovania Zeme

V regióne Muiane a Naipa (Mozambik) bolo urobených niekoľko vedeckých štúdií s odlišnou koncepciou mapovania pegmatitov. Žiadna zo štúdií však neporovnáva rôzne satelitné údaje a rôzne klasifikačné algoritmy diaľkového snímania. Táto štúdia sa zameriava na porovnanie klasifikačných máp krajinnej pokrývky / využitia a ich presností považovaných za snímky sentinel-2, aster a Landsat OLI. Algoritmy použité na vyhodnotenie umiestnenia pegmatitov v Naipe a muiane v pegmatitovom okrese alt ligonha boli minimálna vzdialenosť (MinD), mapovač spektrálneho uhla (SAM) a maximálna pravdepodobnosť (ML). Medzi identifikované znaky vybraných krajinných charakteristík patrí 8 tried (kaolinit montmorillonitová voda vybudovaná na holých pôdnych trávnych porastoch kríky izolovaný krík). Výsledky ukázali, že algoritmy SAM a MinD sú vhodné na mineralogické mapovanie validované pomocou základných pravdivých údajov a geologických máp. Pre algoritmus SAM bol získaný index kappa 0,85 a celková presnosť (OA) 80% a pre algoritmus MinD kappa 0,80 a OA 90%. Klasifikácia obrázkov pomocou SAM a mysle preukázala lepšie výsledky pre íly (kaolinit, montmorillonit) viditeľné v obidvoch klasifikáciách, bola tiež testovaná bez dozoru nad klasifikáciami alebo kritériami určenými geológom pomocou vstupného súboru s tréningovými údajmi v prípade klasifikácií pod dohľadom.

Článok zborníka 2. októbra 2019

Proc. SPIE. 11157, Diaľkové snímanie technológií a aplikácií v mestskom prostredí IV

KĽÚČOVÉ SLOVÁ: Landsat, dátové modelovanie, satelity, kontaminácia ovzdušia, diaľkový prieskum, vegetácia, satelitné zobrazovanie, zobrazovanie vysokého dynamického rozsahu, pľúcne poruchy, senzory pozorovania Zeme

Niekoľko štúdií preukázalo, že kvalita ovzdušia a zmeny počasia majú vplyv na prevalenciu chronických ochorení dýchacích ciest. Z tohto hľadiska môže modelovanie priestorového rizika v mestách pomôcť programom verejného zdravia pri hľadaní riešení na zníženie frekvencie respiračných chorôb. S cieľom dosiahnuť regionálne pokrytie a nielen údaje v konkrétnych (bodových) polohách je účinnou alternatívou použitie údajov diaľkového prieskumu v kombinácii s údajmi o kvalite ovzdušia v teréne a meteorologickými údajmi. V posledných rokoch umožnilo použitie údajov diaľkového prieskumu umožniť konštrukciu modelov na stanovenie údajov o kvalite ovzdušia s uspokojivými výsledkami. Niektoré modely využívajúce údaje o kvalite ovzdušia založené na diaľkovom snímaní predstavovali dobrú úroveň korelácie (R2> 0,5), čo dokazuje, že je možné ustanoviť vzťah medzi údajmi o diaľkovom zisťovaní a údajmi o kvalite ovzdušia.

S cieľom vytvoriť model priestorového zdravia s respiračnými rizikami pre ekvádorské Quito bol vypočítaný empirický model zohľadňujúci údaje medzi rokmi 2013 a 2017 s využitím stredných hodnôt údajov v každej farnosti mesta. Premenné sú: i) 46 satelitných snímok Landsat-8 s menej ako 10% oblačnosti a niektorými indexmi (normalizovaný rozdielny vegetačný index NDVI, pôdne upravený vegetačný index SAVI atď.) Ii) údaje o kvalite ovzdušia (oxid dusičitý - NIE2, Ozón - O.3, tuhé častice menšie ako 2,5 μm - PM2,5 a oxid siričitý - SO2) získané zo staníc miestnej siete kvality ovzdušia a iii) miery prepúšťania z chronických chorôb dýchacích ciest (CRD). Na stanovenie modelu pravdepodobnosti získania CRD sa použila logistická regresia. Empirický model je vyjadrený ako pravdepodobnosť výskytu počas študovaného času. Všetky postupy boli implementované v R Studio. Metodiku navrhnutú v tejto práci môžu zdravotnícke a vládne subjekty použiť na prístup k riziku vzniku respiračného ochorenia, berúc do úvahy aplikáciu diaľkového prieskumu v programoch životného prostredia a zdravia.

Článok zborníka 10. októbra 2018

Proc. SPIE. 10783, Diaľkové snímanie pre poľnohospodárstvo, ekosystémy a hydrológiu XX

KĽÚČOVÉ SLOVÁ: Blízke infračervené žiarenie, Dátové modelovanie, Spracovanie obrazu, Diaľkový prieskum, Vegetácia, Atmosférické korekcie, Geografické informačné systémy, Ekosystémy, Elektromagnetizmus, Globálny pozičný systém

Lesy sú dynamické, zložité a viacrozmerné ekosystémy a majú nezastupiteľnú úlohu v sociálnom, hospodárskom, environmentálnom, ekologickom a kultúrnom kontexte. Eukalyptus je najbežnejším exotickým druhom v portugalských lesoch. Tento druh má zásadný význam v priemyselných odvetviach súvisiacich s výrobou buničiny a rastie obava z ich účinkov na ekosystémy. Geografické informačné systémy (GIS) v kombinácii s údajmi diaľkového snímania (RS) môžu pomôcť porozumieť tomuto zložitému ekosystému. GIS a RS sa navyše bežne používajú v lesnom hospodárstve. GIS umožňuje manipuláciu, analýzu a generovanie značného množstva informácií o životnom prostredí. Tieto informácie sa môžu použiť pri hodnotení podmienok ekosystémov a pri rozhodovaní. Študijným prípadom tohto projektu boli mestské pozemky zahrnuté do „Serras do Porto“ a siete Valongo’s Nature 2000 (okres Porto, Portugalsko). Študijná zóna uvažovaná v tejto práci je krajinou mimoriadne dôležitou pre metropolitnú oblasť Porto. Po celé desaťročia bola táto oblasť rozsiahle preskúmaná eukalyptovými plantážami s cieľom výroby celulózy pre papierenský priemysel. Vďaka charakteristike územia a jeho rozšíreniu (40 hektárov) sa použitie GIS stalo najpresnejšou a najspoľahlivejšou alternatívou jeho charakterizácie. Kombinácia nástrojov GIS a údajov RS umožňuje charakterizáciu reliéfu terénu, konkrétne analýzu altimetrie, hypsometrie, hydrografie, tvorbu environmentálnych indexov, ako sú napríklad Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI) a Normalized Difference Water Index (NDWI) a model digitálnej nadmorskej výšky (DEM). Technológia RS ponúka potenciál na preskúmanie účinkov zmien a narušení využívania pôdy na dynamiku lesov vo veľkých priestorových mierkach. Obrázok Sentinel-2A sa použil na produkciu environmentálnych indexov NDVI, EVI a NDWI a na generovanie mapy krajinnej pokrývky krajiny (LULC) prostredníctvom poloautomatického klasifikačného doplnku zo softvéru QGIS pomocou algoritmu minimálnej vzdialenosti. LULC bol klasifikovaný do dvoch tried, pretože študovaná oblasť predstavuje iba dva typy druhov: eukalyptus a holú pôdu. Získaná mapa LULC bola overená pomocou poľných bodov zhromaždených v študovanej oblasti pomocou GPS receptora. Bola získaná celková presnosť 92,98% a kappa štatistika 0,842. Niektoré z geografických informácií získaných v teréne boli tiež integrované do softvéru QGIS. Ďalej bola vykonaná fenologická štúdia s použitím hodnôt NDVI získaných zo snímok Sentinel-2A, aby sa pochopilo chovanie eukalyptu v určitom časovom období. Z tohto dôvodu poskytli údaje RS užitočné informácie o dynamike krajiny umožňujúce vyhodnotiť zmenu lesného porastu a využitie pôdy pomáha pri tvorbe plánov rozhodovania a opatrení na ochranu lesov.

Článok zborníka 10. októbra 2018

Proc. SPIE. 10783, Diaľkové snímanie pre poľnohospodárstvo, ekosystémy a hydrológiu XX

KĽÚČOVÉ SLOVÁ: fúzia obrazu, Landsat, spracovanie obrazu, diaľkový prieskum, rozlíšenie obrazu, multispektrálne zobrazovanie, kvalita obrazu, priestorové rozlíšenie, snímače pozorovania Zeme

Zachytenie priestorovej a časovej dynamiky životného prostredia v heterogénnej tropickej krajine prostredníctvom údajov z diaľkového prieskumu Zeme sa stalo dôležitou výzvou v štúdiách monitorovania životného prostredia z dôvodu kontaminácie mrakmi. V brazílskom Amazone existuje veľká potreba údajov, ktoré by mohli poskytnúť informácie širokému okruhu osôb s rozhodovacími právomocami. Okrem toho bola sprístupnená široká škála bezplatných dátových produktov s diaľkovým snímaním. Kombinácia informácií z viac ako jedného snímača by mohla maximalizovať počet snímok bez oblakov, ako aj ich časové a priestorové rozlíšenie. Na základe tohto rámca táto štúdia skúma potenciál a kvalitu súboru kondenzovaných snímok získaných zo senzorov Sentinel-2 Multispectral Imager Instrument (MSI) a Landsat OLI v oblasti brazílskej Amazónie a porovnáva ich výkonnosť podľa rôznych oblastí krajiny. / oblasti využívania pôdy. V tejto súvislosti boli cieľmi tejto štúdie: (1) kvalitatívne zhodnotiť dve hlavné skupiny prístupov fúzie obrazu, konkrétne substitúciu komponentov (CS) a multirezolučnú analýzu (MRA), ako aj ich vhodnosť na fúziu Sentinel-2. Dvojice obrázkov MSI a Landsat-8 OLI z vybraných oblastí v brazílskom Amazone (2) porovnávajú tri rôzne metódy fúzie snímok na meranie účinnosti a výkonu s cieľom určiť najlepšie časopriestorové informácie: metóda Intensity Hue Saturation (IHS), Broveyova transformácia ( BT) a metóda Gram-Schmidta (GS) (3) kvantitatívne hodnotia metódy použité prostredníctvom súboru metrík kvality fúzie s cieľom identifikovať presnejšie výsledky založené na rôznych referenčných obrázkoch.

Článok zborníka 9. októbra 2018

Proc. SPIE. 10793, Technológie diaľkového snímania a aplikácie v mestskom prostredí III

KĽÚČOVÉ SLOVÁ: MODIS, Landsat, dátové modelovanie, snímače, satelity, diaľkový prieskum, reflexivita, vegetácia, atmosférické modelovanie, snímače pozorovania Zeme

Most of the large cities have an air quality network to measure air pollution including PM10. However, air quality monitoring network has a high cost and it is spatially limited. Quito, capital of Ecuador, is a city with an automatic air quality network (REMMAQ) composed by 9 stations. The REMMAQ works since 2002, measuring PM10 only in 4 regular stations located at different points along the city. This scarce quantity of PM10 measures led us to propose a new strategy to obtain PM10 data in all the city. Several studies have already considered the retrieving of PM10 from remote sensing data in cities with an air quality network. In order to find an optimal model to retrieve PM10 in Quito, this study compare the use of 3 different satellite sensors (Landsat-7 ETM+, Landsat-8 OLI and TERRA/MODIS) between 2013 to 2017. Additional to remote sensing data, we also use field data considering the REMMAQ. In each sensor, we used different variables and environmental indexes to model the best fit equation to quantify PM10 in all the city, finding the significant variables for each type of data and year. The variables considered were the Normalized Difference Vegetation Index (NDVI), Land Surface Temperature (LST), Soil-adjusted Vegetation Index (SAVI), Normalized Difference Water Index (NDWI), Normalized Stability Index (NSI), surface reflectance Blue Band (B1), surface reflectance Green Band (B2) and surface reflectance Red Band (B3). These variables were considered because most of them are used in different studies combined with meteorological data. All the procedures were implemented in R Studio. The empirical models using remote sensing data/derived products and air quality data can help in retrieving air pollutants in large cities. This work is a valuable contribution for the study of the spatialization of PM10 in order to find new alternatives in the use of remote sensing data to support government decisions.

Proceedings Article | 9 October 2018

Proc. SPIE. 10790, Earth Resources and Environmental Remote Sensing/GIS Applications IX

KEYWORDS: Oxides, Minerals, Lithium, Principal component analysis, Veins, Iron, Reflectivity, Mining, Image classification, RGB color model

Only recently remotely sensed data and image processing techniques have been used in the detection of lithium (Li)- bearing pegmatites because of the current growing importance and demand of Li for the construction of Li-ion batteries for electric cars. The study area of this work was the Fregeneda (Spain)-Almendra (Portugal) region, where different known types of Li-pegmatites have been mapped. The objective of this study is to develop a methodology considering remotely sensed data, capable of identifying Li-pegmatites based on the recognition of the associated alteration halos. For that, Level 1-C cloud free Sentinel-2 images with low vegetation coverage were used. The normalized difference vegetation index (NDVI) was computed and a threshold was considered (NDVI<0.2). This study also aims exploiting the potential of Sentinel-2 data for this purpose. Minerals have important absorption features in the visible and infrared regions. Based on these features and with the aim of determining the most accurate methodology, Sentinel-2 reflectance data was used to compute RGB combinations, band ratios, principal component analysis (PCA) and image classification (supervised). These methodologies allow to predict the occurrence of iron oxides and clay minerals, and to discriminate between non-altered and hydrothermally altered zones. Band ratio 3/8 also predicts the occurrence of Li-bearing minerals. The results of the application of remote sensing data, in particular, Sentinel-2 images and image processing techniques to Li-mineralizations is of great interest to mining companies since they could lead to an increased efficiency and sustainability of mineral exploration.

Proceedings Article | 9 October 2018

Proc. SPIE. 10790, Earth Resources and Environmental Remote Sensing/GIS Applications IX

KEYWORDS: Short wave infrared radiation, Minerals, Lithium, Landsat, Sensors, Image processing, Remote sensing, Mining, Associative arrays, Earth observing sensors

The Naipa and Muiane mines are located on the Nampula complex, a stratigraphic tectonic subdivision of the Mozambique Belt, in the Alto Ligonha region. The pegmatites are of the Li-Cs-Ta type, intrude a chlorite phyllite and gneisses with amphibole and biotite. The mines are still active. The main objective of this work was to analyze the pegmatite’s spectral behavior considering ASTER and Landsat 8 OLI data. An ASTER image from 27/05/2005, and an image Landsat OLI image from 02/02/2018 were considered. The data were radiometric calibrated and after atmospheric corrected considered the Dark Object Subtraction algorithm available in the Semi-Automatic Classification Plugin accessible in QGIS software. In the field, samples were collected from lepidolite waste pile in Naipa and Muaine mines. A spectroadiometer was used in order to analyze the spectral behavior of several pegmatite’s samples collected in the field in Alto Ligonha (Naipa and Muiane mines). In addition, QGIS software was also used for the spectral mapping of the hypothetical hydrothermal alterations associated with occurrences of basic metals, beryl gemstones, tourmalines, columbite-tantalites, and lithium minerals. A supervised classification algorithm was employed - Spectral Angle Mapper for the data processing, and the overall accuracy achieved was 80%. The integration of ASTER and Landsat 8 OLI data have proved very useful for pegmatite’s mapping. From the results obtained, we can conclude that: (i) the combination of ASTER and Landsat 8 OLI data allows us to obtain more information about mineral composition than just one sensor, i.e., these two sensors are complementary (ii) the alteration spots identified in the mines area are composed of clay minerals. In the future, more data and others image processing algorithms can be applied in order to identify the different Lithium minerals, as spodumene, petalite, amblygonite and lepidolite.

Proceedings Article | 9 October 2018

Proc. SPIE. 10790, Earth Resources and Environmental Remote Sensing/GIS Applications IX

KEYWORDS: LIDAR, Image processing, Remote sensing, Vegetation, Geology, Geographic information systems, Raw materials, Spatial resolution, Earth sciences, Printed circuit board testing

Fluvial terraces are significant geomorphological features justifying the presence of rivers at high altitudes and constitutes the remains of the old river along the valleys, qualifying their incision capacity. Fill terraces can preserve lithic artefacts of Paleolithic communities that used the terrace clasts as raw material to manufacture their stone tools. The identification of fluvial terraces from cartography (analogical or digital) is based on different techniques and methods. Geographical Information Systems (GIS) has been used for the detection and identification of these fluvial geomorphologic features. Digital Elevation Model (DEM) derived from airborne Light Detection And Ranging (LiDAR) and slope-derived are the most used in the literature. The use of Remote Sensing (RS) data provides detailed information about the surface features, so it can be very useful to help in the identification of fluvial terraces. Recently, along the fluvial terraces of Minho river (border between Spain and Portugal), a significant amount of Paleolithic artefacts was found. The objective of this work was to study different approaches combining GIS and RS data to identify fluvial terraces and define the staircase levels along the Minho river valley. An approach was tested on the Minho River based on DEM and several auxiliary parameters. The analysis was based on several maps, such as DEM, slope, Normalized Difference Vegetation Index (NDVI), Land Use Land Cover (LULC) and hydrological data. The data were in WGS84 UTM zone 29 (EPSG:32629) and the spatial resolution adopted was 10 meters. Different scenarios were tested and validated in order to find the best methodology.

Proceedings Article | 2 November 2017

Proc. SPIE. 10421, Remote Sensing for Agriculture, Ecosystems, and Hydrology XIX

KEYWORDS: MODIS, Landsat, Satellites, Remote sensing, Vegetation, Multispectral imaging, Temporal resolution, Data processing, Spatial resolution, Earth observing sensors

Portugal is one of the most affected countries in Europe by forest fires. Every year in the summer, hundreds of hectares burn, destroying goods and forests at an alarming rate. The objective of this work was to analyze the forest areas burned in Portugal in 2016 (summer) using different satellite data with different spatial resolution (Sentinel-2A MSI and Landsat 8 OLI) in two affected areas. Data from spring from 2016 and 2017 were chosen (pre-fire event and post-fire event) in order to maximize the Normalized Difference Vegetation Index (NDVI) values. The QGIS software's plugin - Semi- Automatic Classification Plugin- which allowed to obtain NDVI values for the Landsat 8 OLI and Sentinel- 2A was used. The results showed that the NDVI decreased considerably in Arouca and Vila Nova de Cerveira after de fire event, meaning a marked drop in vegetation level. In Sintra municipality this change was not verified because non forest fire was registered in this area during the study period. The results from the Sentinel-2A and Landsat 8 OLI data analysis are in agreement, however the Sentinel-2A satellite gives results more accurate than Landsat-8 OLI since it has best spatial resolution. This study could help the experts to understand both the causes and consequences of spatial variability of post-fire effects. Other vegetation spectral indices related with fire and burnt areas could also be calculated in order to discriminate burnt areas. Added to the best spatial resolution of Sentinel-2A (10 m), the temporal resolution of Sentinel- 2A (10 days) was increased with the launch of the twin Sentinel–2B (very recently) and therefore the frequency of the combined constellation revisit will be 5 days. However, for historical studies, the Landsat program remains the best option.

Proceedings Article | 5 October 2017

Proc. SPIE. 10428, Earth Resources and Environmental Remote Sensing/GIS Applications VIII

KEYWORDS: Contamination, MODIS, Landsat, Remote sensing, Clouds, Vegetation, Raster graphics, Digital recording, Probability theory, Earth observing sensors

Thin clouds in the optical remote sensing data are frequent and in most of the cases don’t allow to have a pure surface data in order to calculate some indexes as Normalized Difference Vegetation Index (NDVI). This paper aims to evaluate the Automatic Cloud Removal Method (ACRM) algorithm over a high elevation city like Quito (Ecuador), with an altitude of 2800 meters above sea level, where the clouds are presented all the year. The ACRM is an algorithm that considers a linear regression between each Landsat 8 OLI band and the Cirrus band using the slope obtained with the linear regression established. This algorithm was employed without any reference image or mask to try to remove the clouds. The results of the application of the ACRM algorithm over Quito didn’t show a good performance. Therefore, was considered improving this algorithm using a different slope value data (ACMR Improved). After, the NDVI computation was compared with a reference NDVI MODIS data (MOD13Q1). The ACMR Improved algorithm had a successful result when compared with the original ACRM algorithm. In the future, this Improved ACRM algorithm needs to be tested in different regions of the world with different conditions to evaluate if the algorithm works successfully for all conditions.

Proceedings Article | 5 October 2017

Proc. SPIE. 10428, Earth Resources and Environmental Remote Sensing/GIS Applications VIII

KEYWORDS: Image processing, Remote sensing, Composites, Vegetation, Satellite imaging, Geographic information systems, Image filtering, Image enhancement, Image classification

To perform an accurate interpretation of remote sensing images, it is necessary to extract information using different image processing techniques. Nowadays, it became usual to use image processing plugins to add new capabilities/functionalities integrated in Geographical Information System (GIS) software. The aim of this work was to develop an open source application to automatically process and classify remote sensing images from a set of satellite input data. The application was integrated in a GIS software (QGIS), automating several image processing steps. The use of QGIS for this purpose is justified since it is easy and quick to develop new plugins, using Python language. This plugin is inspired in the Semi-Automatic Classification Plugin (SCP) developed by Luca Congedo. SCP allows the supervised classification of remote sensing images, the calculation of vegetation indices such as NDVI (Normalized Difference Vegetation Index) and EVI (Enhanced Vegetation Index) and other image processing operations. When analysing SCP, it was realized that a set of operations, that are very useful in teaching classes of remote sensing and image processing tasks, were lacking, such as the visualization of histograms, the application of filters, different image corrections, unsupervised classification and several environmental indices computation. The new set of operations included in the PI2GIS plugin can be divided into three groups: pre-processing, processing, and classification procedures. The application was tested consider an image from Landsat 8 OLI from a North area of Portugal.

Proceedings Article | 26 October 2016

Proc. SPIE. 10008, Remote Sensing Technologies and Applications in Urban Environments

KEYWORDS: Environmental monitoring, Medicine, Phase modulation, Remote sensing, Vegetation, Spatial analysis, Humidity, NOx, Atmospheric particles, Environmental sensing

Preterm birth (PTB), one of the major concerns in obstetrics, is conventionally defined as the delivery of a live infant before 37 completed weeks of gestation, and one of its causes may be environmental factors. Remote sensing is a valuable approach for monitoring environmental variables, including in health sciences. In this work, remote sensing data were used to explore the relation of the environment with PTB. Time-series with monthly rates of male/female ratio and PTB were obtained from Portugal in 2000-2014. The environmental variables included in this study were monthly mean temperatures (T), relative humidity (RH), NDVI, concentrations of NO2 and PM10 in 2003-2008. A temporal and spatial analysis of each health-related and environmental variable was performed, as well as their correlation. PTB has been increasing over time, from below 5% in 2000 to around 7% in 2014, with predominance of higher rates in districts with larger population. From 2003 to 2008, T and PM10 decreased significantly. A positive and significant correlation was found between male/female ratio and NO2 and RH, and to a lesser extent with PM10 and NDVI. PTB was also positively and significantly correlated with NO2 and T, and to a lesser extent with RH and PM10. These preliminary results suggest an association of PTB with most of the environmental variables studied, showing that more polluted and populated districts have higher rates of PTB. Further studies are warranted to explore interaction between the considered environmental factors and other variables related with risk for PTB.

Proceedings Article | 25 October 2016

Proc. SPIE. 9998, Remote Sensing for Agriculture, Ecosystems, and Hydrology XVIII

KEYWORDS: Cameras, Remote sensing, Microchannel plates, Vegetation, Ecology, Orthophoto maps, Humidity, Image classification, Environmental sensing, Global Positioning System

Although the spatial context is expected to be a major influence in the interactions among organisms and their environment, it is commonly ignored in ecological studies. This study is part of an investigation on home ranges and their influence in the escape behaviour of Iberian lizards. Fieldwork was conducted inside a 400 m 2 mesocosm, using three acclimatized adult male individuals. In order to perform analyses at this local scale, tools with high spatial accuracy are needed. A total of 3016 GPS points were recorded and processed into a Digital Elevation Model (DEM), with a pixel resolution of 2 cm. Then, 1156 aerial photos were taken and processed to create an orthophoto. A refuge map, containing possible locations for retreats was generated with supervised image classification algorithms, obtaining four classes (refuges, vegetation, bare soil and organic soil). Furthermore, 50 data-loggers were randomly placed, recording evenly through the area temperature and humidity every 15'. After a month of recording, all environmental variables were interpolated using Kriging. The study area presented an irregular elevation. The humidity varied according to the topography and the temperature presented a West-East pattern. Both variables are of paramount importance for lizard activity and performance. In a predation risk scenario, a lizard located in a temperature close to its thermal optimum will be able to escape more efficiently. Integration of such ecologically relevant elements in a spatial context exemplifies how remote sensing tools can contribute to improve inference in behavioural ecology.

Proceedings Article | 18 October 2016

Proc. SPIE. 10005, Earth Resources and Environmental Remote Sensing/GIS Applications VII

KEYWORDS: Human-machine interfaces, Visualization, Cameras, Image processing, Clouds, 3D modeling, Georeferencing, Geographic information systems, Orthophoto maps, Open source software

The use of Remotely Piloted Aerial System (RPAS) for remote sensing applications is becoming more frequent as the technologies on on-board cameras and the platform itself are becoming a serious contender to satellite and airplane imagery. MicMac is a photogrammetric tool for image matching that can be used in different contexts. It is an open source software and it can be used as a command line or with a graphic interface (for each command). The main objective of this work was the integration of MicMac with QGIS, which is also an open source software, in order to create a new open source tool applied to photogrammetry/remote sensing. Python language was used to develop the application. This tool would be very useful in the manipulation and 3D modelling of a set of images. The main objective was to create a toolbar in QGIS with the basic functionalities with intuitive graphic interfaces. The toolbar is composed by three buttons: produce the points cloud, create the Digital Elevation Model (DEM) and produce the orthophoto of the study area. The application was tested considering 35 photos, a subset of images acquired by a RPAS in the Aguda beach area, Porto, Portugal. They were used in order to create a 3D terrain model and from this model obtain an orthophoto and the corresponding DEM. The code is open and can be modified according to the user requirements. This integration would be very useful in photogrammetry and remote sensing community combined with GIS capabilities.

Proceedings Article | 18 October 2016

Proc. SPIE. 10005, Earth Resources and Environmental Remote Sensing/GIS Applications VII

KEYWORDS: MODIS, Landsat, Sensors, Calibration, Satellites, Clouds, Atmospheric corrections, Data acquisition, Spatial resolution, Earth observing sensors

Land Surface Temperature (LST) is an important parameter related to land surface processes that changes continuously through time. Assessing its dynamics during a volcanic eruption has both environmental and socio-economical interest. Lava flows and other volcanic materials produced and deposited throughout an eruption transform the landscape, contributing to its heterogeneity and altering LST measurements. This paper aims to assess variations of satellite-derived LST and to detect patterns during the latest Fogo Island (Cape Verde) eruption, extending from November 2014 through February 2015. LST data was obtained through four processed Landsat 8 images, focused on the caldera where Pico do Fogo volcano sits. QGIS’ plugin Semi-Automatic Classification was used in order to apply atmospheric corrections and radiometric calibrations. The algorithm used to retrieve LST values is a single-channel method, in which emissivity values are known. The absence of in situ measurements is compensated by the use of MODIS sensor-derived LST data, used to compare with Landsat retrieved measurements. LST data analysis shows as expected that the highest LST values are located inside the caldera. High temperature values were also founded on the south-facing flank of the caldera. Although spatial patterns observed on the retrieved data remained roughly the same during the time period considered, temperature values changed throughout the area and over time, as it was also expected. LST values followed the eruption dynamic experiencing a growth followed by a decline. Moreover, it seems possible to recognize areas affected by lava flows of previous eruptions, due to well-defined LST spatial patterns.

SPIE Journal Paper | 15 February 2016

KEYWORDS: Image segmentation, Unmanned aerial vehicles, Image analysis, Image classification, Image processing algorithms and systems, Spatial resolution, Remote sensing, Vegetation, Image processing, Open source software

The use of unmanned aerial vehicles (UAVs) for remote sensing applications is becoming more frequent. However, this type of information can result in several software problems related to the huge amount of data available. Object-based image analysis (OBIA) has proven to be superior to pixel-based analysis for very high-resolution images. The main objective of this work was to explore the potentialities of the OBIA methods available in two different open source software applications, Spring and OTB/Monteverdi, in order to generate an urban land cover map. An orthomosaic derived from UAVs was considered, 10 different regions of interest were selected, and two different approaches were followed. The first one (Spring) uses the region growing segmentation algorithm followed by the Bhattacharya classifier. The second approach (OTB/Monteverdi) uses the mean shift segmentation algorithm followed by the support vector machine (SVM) classifier. Two strategies were followed: four classes were considered using Spring and thereafter seven classes were considered for OTB/Monteverdi. The SVM classifier produces slightly better results and presents a shorter processing time. However, the poor spectral resolution of the data (only RGB bands) is an important factor that limits the performance of the classifiers applied.

Proceedings Article | 20 October 2015

Proc. SPIE. 9644, Earth Resources and Environmental Remote Sensing/GIS Applications VI

KEYWORDS: Soil science, Visualization, Vegetation, Geographic information systems, Cultural heritage, Zoom lenses, Raster graphics, System integration, Climatology, Environmental management

Herdade da Contenda (HC), located in Moura municipality, Beja district (Alentejo province) in the south of Portugal (southwestern Iberia Peninsula), is a national hunting area with 5270ha. The development of an integrated system that aims to make the management of the natural and cultural heritage resources will be very useful for an effective management of this area. This integrated system should include the physical characterization of the territory, natural conservation, land use and land management themes, as well the cultural heritage resources. This paper presents a new tool for an integrated environmental management system of the HC, which aims to produce maps under a GIS open source environment (QGIS). The application is composed by a single button which opens a window. The window is composed by twelve menus (File, DRASTIC, Forest Fire Risk, Revised Universal Soil Loss Equation (RUSLE), Bioclimatic Index, Cultural Heritage, Fauna and Flora, Ortofoto, Normalizes Difference Vegetation Index (NDVI), Digital Elevation Model (DEM), Land Use Land Cover Cover (LULC) and Help. Several inputs are requires to generate these maps, e.g. DEM, geologic information, soil map, hydraulic conductivity information, LULC map, vulnerability and economic information, NDVI. Six buttons were added to the toolbar which allows to manipulate the information in the map canvas: Zoom in, Zoom out, Pan, Print/Layout and Clear. This integrated and open source GIS environment management system was developed for the HC area, but could be easily adapted to other natural or protected area. Despite the lack of data, the methodology presented fulfills the objectives.

Proceedings Article | 14 October 2015

Proc. SPIE. 9637, Remote Sensing for Agriculture, Ecosystems, and Hydrology XVII

KEYWORDS: Optical sensors, Satellites, Image segmentation, Image processing, Remote sensing, Image analysis, Satellite imaging, Image classification, Spatial resolution, Earth observing sensors

FORMOSAT-2, launched in May 2004, is a Taiwanese satellite developed by the National Space Organization (NSPO) of Taiwan. The Remote Sensing Instrument (RSI) is a high spatial- resolution optical sensor onboard FORMOSAT-2 with a 2 m spatial resolution in the panchromatic (PAN) band and a 8 m spatial resolution in four multispectral (MS) bands from the visible to near-infrared region. The RSI images acquired during the daytime can be used for land cover/use studies, natural and forestry resources, disaster prevention and rescue works. The main objectives of this work were to investigate the application of FORMOSAT-2 data in order to: (1) identify beach patterns (2) correctly extract a sand spit boundary. Different pixel-based and object-based classification algorithms were applied to four FORMOSAT-2 scenes and the results were compared with the results already obtained in previous works. Analyzing the results obtained, is possible to conclude that the FORMOSAT-2 data are adequate to the correct identification of beach patterns and to an accurately extraction of the sand spit boundary (Douro river estuary, Porto, Portugal). The results obtained were compared with the results already achieved with IKONOS-2 images. In conclusion, this research has demonstrated that the FORMOSAT-2 data and image processing techniques employed are an effective methodology to identify beach patterns and to correctly extract sand spit boundaries. In the future more FORMOSAT-2 images will be processed and will be consider the use of pan sharped images and data mining algorithms.

SPIE Journal Paper | 28 January 2015

KEYWORDS: Data mining, Satellites, Remote sensing, Image classification, Artificial neural networks, Photography, Near infrared, Evolutionary algorithms, Earth observing sensors, Reflectivity

The available beach classification algorithms and sediment budget models are mainly based on in situ parameters, usually unavailable for several coastal areas. A morphological analysis using remotely sensed data is a valid alternative. This study focuses on the application of data mining techniques, particularly decision trees (DTs) and artificial neural networks (ANNs) to an IKONOS-2 image in order to identify beach features/patterns in a stretch of the northwest coast of Portugal. Based on knowledge of the coastal features, five classes were defined. In the identification of beach features/patterns, the ANN algorithm presented an overall accuracy of 98.6% and a kappa coefficient of 0.97. The best DTs algorithm (with pruning) presents an overall accuracy of 98.2% and a kappa coefficient of 0.97. The results obtained through the ANN and DTs were in agreement. However, the ANN presented a classification more sensitive to rip currents. The use of ANNs and DTs for beach classification from remotely sensed data resulted in an increased classification accuracy when compared with traditional classification methods. The association of remotely sensed high-spatial resolution data and data mining algorithms is an effective methodology with which to identify beach features/patterns.

Proceedings Article | 29 October 2014

Proc. SPIE. 9239, Remote Sensing for Agriculture, Ecosystems, and Hydrology XVI

KEYWORDS: Near infrared, Principal component analysis, Independent component analysis, Data modeling, Satellites, Remote sensing, Error analysis, Reflectivity, Statistical modeling, Performance modeling

The use of satellite remote sensing data is a valid alternative to the classical survey bathymetric methods for bathymetric estimation in shallow waters. Multispectral satellite data has been used to produce bathymetric maps by considering the pixel reflectance as a depth indicator. Teodoro et al., (2010) already proposes a model for the estimation of depth based on Principal Component Analysis (PCA) of an IKONOS-2 image, for the Douro River estuary (Porto, Portugal). In this work, alternative univariate and bivariate models are proposed for the same IKONOS-2 image based on PCA and Independent Component Analysis (ICA). The PCA is the standard method for separating mixed signals. Such analysis provides signals that are linearly uncorrelated. Although the separated signals are uncorrelated they could still be depended, i.e., nonlinear correlation remains. The ICA was developed to investigate such data. Fast ICA algorithm was used in Matlab®. The results obtained were compared with the bathymetric estimation trough PCA. Best univariate ICA based model allowed to estimate depth with a mean error of 0.00m [with 1.15 of standard deviation], outperforming the best PCA based univariate model results of 0.39[1.34], even with the first PCA component explains 80% of data variance. With bivariate models is possible to reduce the standard deviation of the error to 1.01m.

Proceedings Article | 23 October 2014

Proc. SPIE. 9245, Earth Resources and Environmental Remote Sensing/GIS Applications V

KEYWORDS: MODIS, Visualization, Satellites, Remote sensing, Reflectivity, Amplifiers, Vegetation, Satellite imaging, Raster graphics, Photosynthesis


Pozri si video: QGIS 3 - 6. Объединение растровых изображений.