Caïro - Oefeningen met Landsat data - Vervolg
|  | Combinatie van valse kleuren van Caïro door gebruik te maken van banden 7,4,2 | |
Combinatie valse kleuren
Om satellietbeelden beter te kunnen interpreteren, worden in veel gevallen beelden met valse kleuren gebruikt.
In de meeste gevallen maakt een afbeelding met valse kleuren gebruik van minstens één infraroodkanaal. Het infrarode gebied is heel nuttig om het aardoppervlak te kunnen interpreteren, omdat dit uit gereflecteerde en uitgezonden energie bestaat.
Infrarood licht is voor het menselijk oog niet zichtbaar, maar het onthult een hoop informatie. Vooral planten reflecteren veel meer energie in nabij-infrarood dan in het zichtbare gebied van het elektromagnetische spectrum. Zelfs de gezondheid van een plant kan uit de intensiteit worden afgeleid.
Open het programma LEOWorks. Als je de afbeeldingen van Caïro nog niet hebt gedownload, ga dan naar Download bovenaan het Werkblad en volg de instructies op.
Kies Bestand>Open. Er verschijnt een dialoogvenster. Kies de map Caïro en selecteer de eerste afbeelding Cairo_Landsat_2000_Band_2.tif. Open ook Cairo_Landsat_2000_Band_4.tif en Cairo_Landsat_2000_Band_7.tif.
Kies Afbeelding>Combineer uit...>Rood Groen Blauw. Er opent een pop-upmenu. Selecteer afbeelding Cairo_Landsat_2000_Band_7.tif voor Rood, Cairo_Landsat_2000_Band_4.tif voor Groen en Cairo_Landsat_2000_Band_2.tif voor Blauw en klik op OK. Verbeter de ruwe gegevens op dezelfde manier als in de oefening met ware kleuren is beschreven.
Deze nieuwe afbeelding is een combinatie van valse kleuren van drie zwart-witafbeeldingen.
Beschrijf de afbeelding en probeer de kenmerken op de afbeelding in 5 klassen te verdelen - parken en landbouwgebieden, water, woestijn en onbewerkte grond, dichtbebouwde gebieden, beperkt bebouwde gebieden. | | | Combinatie van valse kleuren van Caïro door gebruik te maken van banden 4,2,1 |
Op welke manier zijn de kleuren van de verschillende klassen veranderd in de afbeelding met valse kleuren, vergeleken met de afbeelding met ware kleuren?
Kun je de klassen in allebei de afbeeldingen zien?
Welke afbeelding zou je het liefst gebruiken om de kenmerken van het satellietbeeld te onderscheiden?
Probeer een andere combinatie.
Kies Afbeelding>Combineer uit...>Rood Groen Blauw. Er opent een pop-upmenu. Selecteer Cairo_Landsat_2000_Band_4.tif voor Rood, Cairo_Landsat_2000_Band_2.tif voor Groen en Cairo_Landsat_2000_Band_1.tif voor Blauw en klik op OK. Verbeter de ruwe gegevens op dezelfde manier als in de oefening met ware kleuren is beschreven.
Deze nieuwe afbeelding is een combinatie van valse kleuren van drie zwart-witafbeeldingen.
Beschrijf de afbeelding en probeer de kenmerken op de afbeelding in 5 klassen te verdelen - parken en landbouwgebieden, water, woestijn en onbewerkte grond, dichtbebouwde gebieden, beperkt bebouwde gebieden, en vergelijk ze met de afbeelding in ware kleuren.
Beschrijf de verschillen tussen de twee afbeeldingen in valse kleuren.
Selecteer de 5 klassen in beide afbeeldingen met valse kleuren en vergelijk de kleuren die in de afbeeldingen zijn gebruikt.
Combineer een afbeelding met valse kleuren door kanaal 7 te gebruiken voor Rood, kanaal 1 voor Groen en kanaal 2 voor Blauw.
Wat kun je over het nut van de afbeelding zeggen?
Probeer nu een zelfgekozen combinatie en let op de verschillen.
| | Parallellepipedum-classificatie van Caïro | |
Multispectrale beeldclassificatie
In oefening 2 heb je objecten en elementen van het oppervlak van Caïro in klassen verdeeld. Om de kenmerken van een satellietbeeld te interpreteren, is een gevisualiseerde classificatie erg nuttig. De geclassificeerde afbeelding is, met een paar eenvoudige wijzigingen, vergelijkbaar met een thematische kaart. De belangrijkste klassen van het oppervlak van Caïro zijn dichtbebouwde gebieden, beperkt bebouwde gebieden, bos, landbouwgrond, water, woestijn en onbewerkte grond.
Er zijn verschillende instrumenten voor classificatie die zijn gebaseerd op verschillende manieren om afbeeldingen te verwerken. Welke methode wordt gebruikt, is afhankelijk van welke informatie er nodig is.
Je kunt meer te weten komen over beeldclassificatie in de handleiding van LEOWorks in het onderdeel over Beeldverwerking.
Parallellepipedumclassificatie
De parallellepipedumclassificatie is een eenvoudige gecontroleerde classificatiemethode. Hij is gebaseerd op de spectrale gebieden van de verschillende klassen van landgebruik binnen de verschillende banden. Hij maakt gebruik van trainingsvelden die de verschillende klassen van landgebruik voorstellen. Elke klasse van landgebruik heeft zijn eigen specifieke spectrale vingerafdruk. Voor elk type landbedekking dat geclassificeerd moet worden, moet minstens één trainingsveld worden gedefinieerd. LEOWorks evalueert al die trainingsvelden en wijst elk beeldelement (elke pixel) toe aan een van de gegeven klassen van landgebruik.
Open het programma LEOWorks. Als je de afbeeldingen van Caïro nog niet hebt gedownload, ga dan naar Download bovenaan het Werkblad en volg de instructies op.
Kies Bestand>Open. Er verschijnt een dialoogvenster. Kies de map Caïro en selecteer de eerste afbeelding Cairo_Landsat_2000_Band_1.tif. Cairo_Landsat_2000_Band_2.tif, Cairo_Landsat_2000_Band_3.tif, Cairo_Landsat_2000_Band_4.tif, Cairo_Landsat_2000_Band_5.tif, Cairo_Landsat_2000_Band_7.tif. Verbeter de ruwe gegevens op dezelfde manier als in de oefening met ware kleuren is beschreven.
Selecteer (activeer) image Cairo_Landsat_2000_Band_7.tif.
Kies Multivariabele analyse>Gecontroleerde classificatie>Selecteer trainingsvelden.
Selecteer Teken veelhoek in de taakbalk.
Let op: Hoe meer trainingsvelden je voor een klasse kunt selecteren, hoe nauwkeuriger het resultaat.
Begin met wateroppervlakken en teken een veelhoek in de rivier de Nijl. Noem deze klasse Water. Zoek een ander stuk om een tweede veelhoek in een watermassa te tekenen. Noem die klasse ook Water, enzovoort. Als je klaar bent met het water, teken dan een veelhoek in een gebied dat met dichte woestijn is bedekt en noem die klasse Woestijn. Doe hetzelfde met alle zeven voorgeselecteerde hoofdklassen.
Kies Multivariabele analyse>Gecontroleerde classificatie>parallellepipedum en selecteer alle afbeeldingen.
Schrijf de 8 verschillende kleuren op en voeg de klassennamen toe. Het kan handig zijn om ter vergelijking de afbeelding Cairo_Landsat_2000_Band_321.tif te openen.
Kies Afbeelding>Voeg legenda toe en controleer de combinatie van kleuren en klassennamen.
Bewaar de geclassificeerde afbeelding als cairo_klasse_parallel (TIF) in de map Caïro.
Bespreek de nauwkeurigheid van de gecontroleerde parallellepipedumclassificatie.
Welke bronnen van fouten kunnen hiermee te maken hebben?
| | | Maximale waarschijnlijheid-classificatie van Caïro |
Maximale waarschijnlijkheid
De classificatie van maximale waarschijnlijkheid is een andere gecontroleerde classificatiemethode. Hij is gebaseerd op verfijnde statistische methoden. Hij maakt ook gebruik van trainingsvelden die de verschillende klassen van landgebruik voorstellen. Elke klasse van landgebruik heeft zijn eigen specifieke spectrale vingerafdruk. Voor elke soort landbedekking moet minstens één trainingsveld worden gedefinieerd om geclassificeerd te kunnen worden. LEOWorks evalueert al die trainingsvelden en wijst elk beeldelement (elke pixel) toe aan een van de gegeven klassen van landgebruik.
Open het programma LEOWorks. Als je de afbeeldingen van Caïro nog niet hebt gedownload, ga dan naar Download bovenaan het Werkblad en volg de instructies op.
Kies Bestand>Open. Er verschijnt een dialoogvenster. Kies de map Caïro en selecteer de eerste afbeelding Cairo_Landsat_2000_Band_1.tif. Open ook Cairo_Landsat_2000_Band_2.tif, Cairo_Landsat_2000_Band_3.tif, Cairo_Landsat_2000_Band_4.tif, Cairo_Landsat_2000_Band_5.tif en Cairo_Landsat_2000_Band_7.tif. Verbeter de ruwe gegevens op dezelfde manier als in de oefening met ware kleuren is beschreven.
Gebruik dezelfde trainingsvelden als in de oefening 'parallellepipedumclassificatie'.
Kies Multivariabele analyse>Gecontroleerde classificatie>Maximale waarschijnlijkheid en selecteer alle afbeeldingen (behalve cairo_klasse_parallel.tif als die nog open staat).
Stel de Drempelwaarde op 5% in.
Schrijf de 8 verschillende kleuren op en voeg de klassennamen toe. Het kan handig zijn om ter vergelijking de afbeelding Cairo_Landsat_2000_Band_321.tif te openen.
Kies Afbeelding>Voeg legenda toe en controleer de combinatie van kleuren en klassennamen.
Bespreek de nauwkeurigheid van de gecontroleerde maximalewaarschijnlijkheidclassificatie. Welke bronnen van fouten kunnen hiermee te maken hebben?
Vergelijk de beide classificaties (parallellepipedum en maximale waarschijnlijkheid) en bespreek waar ze met elkaar overeenkomen en waar de verschillen liggen.
Probeer andere drempelwaarden, bijv. 50% en 75%, en vergelijk de geclassificeerde afbeeldingen.
| 
