ESAEducationHjemVejr og klimaGlobale forandringerNaturkatastrofer
   
Forandring af kystlinien
Donau-deltaetOlieforurening fra borerig
Skovrydning
Bardia National ParkCongobækkenetKameng-Sonitpur Elephant ReserveKilimanjaroRondoniaShillong og Guwahati
Is
Antarktis 2003Klimaforandringer og gletsjereGletscheres tilbagesmeltning i AlperneGletsjerisens bevægelseGletsjeranalyse ved hjælp af radarbillederMonitorering af gletschere i HimalayaTelemåling af is og sne
Urbanisering
CairoCordobaKathmanduHimalayaKathmandudalenLagos
Vegetation
Annapurna Conservation AreaForsvundet i AndesbjergeneNgorongoro Conservation AreaNiger-indlandsdeltaetSydamerika
 
 
 
 
 
printer friendly page
Cordoba 2009 med træningsfelter
Øvelse 2: Arealanvendelsesklassifikation (Fortsat)
 
Page12

 
Skift farverne på polygonerne ved at ændre egenskaberne for hver klasse.

I LEOWorks3: Brug Inspect TF Statistics, og vælg fra tabellen, hvilket TF du gerne vil inspicere i billedet.

Nu kan du se, hvilke pixels der er blevet valgt som træningsfelter til den overvågede klassifikation. Alle de små markerede områder på billedet repræsenterer rene landdækkeklasser enten som bymæssigt område, vegetation eller bar jord. Disse træningsfelter er fremstillet ved at vælge pixels, der kun indeholder en type landdække. Når oplysningerne i hvert bånd af disse pixels er hentet frem, skabes (statistisk set) en signatur for hver type landdække og prøve.

1. Inspicer træningsfelterne. Studer statistikken for hvert enkelt træningsfelt i hver af de tre arealanvendelsesklasser. Er de homogene inden for en klasse? Kontrollér Standard Deviation for at kunne besvare det.

Den nødvendige algoritme til udførelse af klassifikationen hedder "maximum likelihood". Denne proces tildeler hver pixel i hele billedet til den arealanvendelsesklasse, som den mest sandsynligt hører til, baseret på a priori-oplysninger og statistiske metoder.

Start klassifikationsprocessen. Vælg alle båndene i billederne 2009_cordoba . Indstil tærsklen til 0, så alle pixels klassificeres.

2. Når du sammenligner dit arealanvendelseskort med billederne, hvilken klasse repræsenterer så hvilket arealanvendelsesklasse?

3. Beskriv farven og ensartetheden af hver klasse i det originale billede.

 
 
Eksempel på et klassificeret billede
Tilføj legend, og skift eventuelt farverne på landdækkeklasserne. Studer rapporten (antallet og arealet af pixels i hver klasse). Du kommer måske frem til følgende output:


 
 

4. Vurder kvaliteten af det klassificerede billede, der er et råt arealanvendelseskort. Sammenlign det med det originale billede (Cordoba 2009, bånd 435). Kan du finde nogle fejl, f.eks. forkert klassificerede områder?

Diskuter, hvad der kan gøres for at forbedre kvaliteten af klassifikationen.

Gem dette klassificerede billede som Cordoba_2009_class, men behold RGB-billedet på skærmen, da vi skal bruge det i den næste øvelse.
 
 

Page12

 
 
 


Eksplosiv bymæssig vækst i Cordoba
IndledningBaggrund
Øvelser
Øvelse 1: Inspektion af billederne fra 1972 til 2009Øvelse 2: Arealanvendelses
klassifikation
Øvelse 3: Påvisning af ændringer
Eduspace - Software
LEOWorks 3
Eduspace - Download
Cordoba.zip
 
 
 
   Copyright 2000 - 2014 © European Space Agency. All rights reserved.