Kathmanduvallei met optische beelden – Algemeen overzicht - Vervolg
|  | Ongecontroleerde classificatie van Kathmandu | |
Multispectrale beeldclassificatie
Voorbereiding
Het doel van de volgende oefening is om meer over Kathmandu te weten te komen met behulp van beeldclassificatie. Misschien denk je dat je alleen maar een knop hoeft in te drukken, maar zo werkt het niet. Dit vergt onderzoek, kennis en nauwkeurigheid.
Bij de volgende oefeningen passen we verschillende classificatiemethoden toe. Het doel is om de principes van beeldclassificatie te begrijpen en de resultaten van de verschillende methoden met elkaar te vergelijken.
Classificatie is een heel handig instrument om informatie te verkrijgen voor planning, controle en het vernieuwen van landkaarten. Het is een redelijk goedkope en gemakkelijke manier om informatie te verkrijgen over landbedekking, landgebruik en veranderingenen in het land, vooral in afgelegen of ontoegankelijke gebieden. Maar ook in bekende stukken van de wereld zijn satellietbeelden onderdeel van ons dagelijks leven. Denk maar aan de dagelijkse weersvoorspellingen op tv met de wolkenanimaties. Een goed voorbeeld van het belang van classificaties vind je in de Europese Unie.
De boeren in de EU worden door satellieten bekeken en de classificaties laten aan het ministerie van landbouw zien hoeveel land er wordt gebruikt en hoeveel er braak ligt. De subsidies worden gegeven in verhouding tot het ongebruikte land. Hoe zouden we de verklaringen van de boeren kunnen controleren als we geen satellieten hadden?
Satellietbeelden en classificatiekaarten worden ook in de cartografie gebruikt. Denk maar eens aan hoe nauwkeurig de grenzen van bossen in topografische kaarten zijn getekend. Die informatie komt van satellietbeelden en het resultaat van de beeldverwerking daarvan.
Elke digitale classificatie, of die nu gecontroleerd of ongecontroleerd is, is alleen maar een basis voor verdere verwerking. Zonder handmatige invoer kan er geen nauwkeurige en nuttige classificatie worden geproduceerd. De informatieverwerking die door de menselijke hersenen wordt uitgevoerd maakt het mogelijk om complexere procedures toe te passen dan een computerprogramma kan uitvoeren. Er zijn een heleboel complexe relaties tussen verschillende soorten oppervlakken die niet door spectrale of geometrische verschillen worden gedekt.
In de volgende oefeningen produceren we alleen classificaties van Kathmandu op hoog niveau, omdat er heel veel ingewikkelde zaken meespelen. We beginnen met een handmatige oefening om de werkmethode te laten zien en om een overzicht van de oppervlaktetypen van de stad te krijgen. Je maakt ook een mooie handgetekende kaart die je als je eigen kunstwerk kunt beschouwen.
Deze kaart wordt op een digitale classificatie gelegd om de resultaten van de handmatige classificatie en de digitale classificatie van laag niveau met elkaar te vergelijken. Om onze handmatige classificatie over de digitaal geclassificeerde afbeelding te kunnen leggen, moet de handgetekende kaart georeferentie ondergaan. De gemakkelijkste manier om dit te doen is door grondcontrolepunten op te nemen in de afbeelding met valse kleuren 4,5,3 en deze op het overtrekpapier over te nemen.
Open in LEOWorks de afbeelding Kathmandu_Landsat_Band_453.tif die je in de oefening Combinatie valse kleuren hebt gemaakt.
We gebruiken het GIS-instrument in LEOWorks om de grondcontrolepunten vast te stellen. Zoom op de afbeelding in tot hij het scherm vult. Selecteer dan GIS in de taakbalk. Er verschijnt een menu. Kies Bestand>Nieuw Thema, noem het thema ‘GCP’ en selecteer Polylijn. Om te beginnen met tekenen selecteer je Bewerken>Beginnen met bewerken.
Teken acht registratiemarkeringen, een in elke hoek van de afbeelding en de andere in de marges tussen de hoeken van de afbeelding.
Selecteer Bewerken>Stoppen met bewerken om met tekenen te stoppen. Sla het thema ‘GCP’ op in je map Kathmandu.
Print de afbeelding. Kies Printinstellingen... en verander de printresolutie naar ‘Hoog’. Kies Print, verander de beeldafmetingen naar ‘15 x 15 cm’ en print de afbeelding.
Handmatige classificatie
Pak een vel overtrekpapier en maak het aan het uitgeprinte vel vast. Zorg ervoor dat de vellen stevig aan elkaar vast zitten zodat ze niet verschuiven.
Pak een zwart potlood en neem de registratiemarkeringen over op je overtrekpapier.
De volgende stap is het classificeren van de afbeelding. In het algemeen kun je zelf kiezen welke klassen je gebruikt. Maar hieronder staan als hulpmiddel wat nuttige klassen:
| | | Handmatige classificatie van Kathmandu op hoog niveau |
Klassen van hoog niveau
- Rivieren
- Dicht bebouwde gebieden
- Minder dicht bebouwde gebieden
- Landingsbanen van vliegvelden
- Bossen en struiken
- Gras en akkerland
Om een nuttige en nauwkeurige classificatie te produceren moet je extra materiaal gebruiken, zoals afbeeldingen met een hoge resolutie, stadskaarten of eigen onderzoek in het betreffende gebied. Er zijn online wat kaarten beschikbaar, zoals deze:
Je kunt ook een online zoekmachine gebruiken om kaarten van Kathmandu te vinden. http://maps.google.com.
Download de Proba-afbeeldingen als zip-bestand.
Voor afbeeldingen met hoge resolutie stelt ESA de Proba-afbeeldingen van Kathmandu beschikbaar. De grondresolutie van de afbeeldingen is 5 meter.
ESA’s ruimtevaartuig Project for On-Board Autonomy (Proba) is een van de meest geavanceerde kleine satellieten die ooit in de ruimte heeft gevlogen. Deze missie voor technologiedemonstratie is in 2002 gelanceerd en voert met de boordcomputer zijn functies (geleiding, navigatie, besturing en regeling van de instrumenten, onboard scheduling and payload resources management) geheel zelfstandig uit. Zijn lading bestaat onder andere uit een compacte multispectrale imager en een camera met hoge resolutie. Deze worden gebruikt om gegevens voor aardobservatie te verkrijgen.
Zie voor meer informatie ESA's Proba website.
| | Ongecontroleerde classificatie van Kathmandu door een thermische afbeelding | |
Als je moeite hebt met het vinden van de rivieren, gebruik dan de thermische afbeelding Kathmandu_Landsat_2001_Band_61.tif. Water warmt veel langzamer op dan aarde en het ziet er in een thermische afbeelding, die de temperatuur van de aarde meet, donkerder uit.
De thermische afbeelding moet verbeterd worden om het gebied op de afbeelding duidelijker te kunnen zien. Kies Verbeteren>Interactief uitrekken. Er verschijnt een histogram. Verschuif de linker blauwe balk in het Inputhistogram naar het uiterst linkse punt van het Inputhistogram. Verschuif dan de rechter rode balk naar het uiterst rechtse punt van het Inputhistogram en klik op Toepassen.
Nu heb je als het goed is voldoende goed materiaal om de afbeelding met valse kleuren te classificeren. Gebruik verschillende kleuren en structuren om de verschillende kenmerken van de afbeelding te omlijnen en in te kleuren. Doe dit niet te gedetailleerd. Het doel van de oefening is om je te helpen bij het begrijpen van de classificatiemethode.
Om de tekening later opnieuw te gebruiken scan je deze in en sla je hem als ‘HLC_Kahtmandu.tif’ op in je map Kathmandu.
Hoeveel landingsbanen heeft het vliegveld?
Hoe heet het zuidelijke stadscentrum?
Hoe heet de grote rivier die de stad van zuidwest naar oost doorkruist?
Waarom is het gras en akkerland bijna niet te zien in de afbeeldingen uit 2001? Welk topografisch object is het dichtst begroeid met bos?
Pak een stadskaart van Kathmandu en probeer te ontdekken waar het grasland ten oosten van het stadscentrum van Kathmandu voor wordt gebruikt.
| 
