Remote sensing

ЗАЙНААС ТАНДАХ СУДЛАЛ Д.Амарсайхан Академич ШУА-ИХ, МУИС-ГГС

Зайнаас тандах судлалын үндэс, зайнаас тандахад түгээмэл ашиглагдаж байгаа дагуулууд болон системүүд, 1- сувгийн ба олон сувгийн мэдээ

• Зайнаас тандах судлал (ЗТС) буюу тандан судалгаа нь байгалийн үзэгдэл, түүний параметрууд, мөн түүнчлэн байгалийн болон хүний үйл ажиллагаагаар бий болсон объектуудын төлөвийг тэдгээрийн цахилгаан соронзон долгионы өөр өөр мужид ойлгосон, цацруулсан болон сарниулсан долгионыг (энергийг) хэмжсэний үндсэн дээр судлана.

• ЗТС нь идэвхигүй ба идэвхитэй гэж 2 янз байна.

• ЗТС-д аливаа объектын төлөвийг тодорхойлохын тулд янз бүрийн урттай цахилгаан соронзон долгион (ЦСД)-ыг хэмжин бүртгэдэг.

• ЦСД-ны гол тодорхойлогч нь хэлбэлзлийн давтамж (f) бөгөөд энэ нь долгионы урттай (λ) урвуу хамааралтай байдаг.

f =

c

λ

Цахилгаан соронзон долгионы спектрийн хуваарь

Хөрс, ногоон ургамал, усны спектр ойлгох чадавхи

Зайнаас тандахад түгээмэл ашиглагдаж байгаа дагуулууд болон системүүд

• Агаар, сансрын янз бүрийн түвшингээс аналог болон тоон мэдээг хүлээн авахад төрөл бүрийн фотокамерууд болон сканерууд ашиглагддаг. Фотокамер нь аналог мэдээг нэгэн эгшинд фото хальсан дээр буулган авдаг ба хальсан дээрхи мэдээнд дүн шинжилгээ хийхийн тулд боловсруулалтын тодорхой хугацаа, үе шатыг дамждаг.

• Харин сканер нь тодорхой градацын (хар, цагааны) ялгаатайгаар эх дэлхий дээр явагдаж байгаа янз бүрийн процессын тухайн цаг үеийн мэдээг шууд хүлээн авахаас гадна, тоон стандартаар илэрхийлэгддэг учир боловсруулалт, дүн шинжилгээ хийхэд хялбар, улмаар ГМС-ийн сэдэвчилсэн давхаргуудтай уялдуулахад бэрхшээлгүй байдаг.

Дүрс мэдээг хүлээн авдаг төхөөрөмжийн хувьд геометрийн шинж чанар чухал байдгаас гадна, тухайн төхөөрөмжийн оронзай, спектр, радиометрийн болон цаг хугацааны шийдүүд чухал үүрэгтэй.

Оронзайн шийд Оронзайн шийд нь тухайн дүрс зургийн пиксел тус бүр газарт хэдэн метр талбайг хамаарч байгааг илэрхийлнэ.

Спектрийн шийд • Оптикийн мэдээ нь панхроматик ба олон бүсчлэлийн гэж 2 янз байдаг.

• Панхроматик зураг нь голдуу үзэгдэх гэрлийн болон ойрын нэл улаан туяаны мужийн зарим хэсгийг оролцуулан авсан хар, цагаан зураг байдаг.

• Харин олон бүсчлэлийн зураг нь цахилгаан соронзон долгионы өөр, өөр мужуудад авсан мэдээ байх бөгөөд сувгуудыг янз бүрийн өнгөнд өгсөнөөр төрөл бүрийн өнгөт зургийг үүсгэдэг.

• Зайнаас тандах төхөөрөмжийн спектрийн шийд нь ашиглаж байгаа сувгийн спектрийн өргөнөөр тодорхойлогдоно.

Радиометрийн шийд • Радиометрийн шийд нь тухайн биетээс ойсон буюу цацарсан долгион сканерт бүртгэгдэхдээ градацын хэдэн түвшинд бүртгэгдсэнээр илэрхийлэгддэг.

• Тоон утгууд нь бит буюу байтаар илэрхийлэгдэх бөгөөд ЗТС-д ашиглагдаж байгаа сканерууд нь өөр, өөр радиометрийн шийдтэй байдаг.

• Жишээ нь: Landsat MSS сигналыг тоон утга болгон хувиргахдаа хар, цагааны 64 түвшин буюу 6 битийг ашигладаг бол Landsat TM-ийн радиометрийн шийд 256 түвшин буюу 8 бит, харин ERS-1,2 дагуулын радиометрийн шийд 16 бит байдаг байна.

Цаг хугацааны шийд • Цаг хугацааны шийд нь эх дэлхийг тандаж байгаа тухайн дагуул нэгэн ижил газар, нутгийг хэдэн хоногт дахин зураглаж байгаагаар буюу тухайн цэг дээрхи хугацааны давтамжаар тодорхойлогдоно.

• Жишээ нь: Landsat MSS дагуулын цаг хугацааны шийд 18 хоног байдаг бол Landsat TM-ийн цаг хугацааны шийд 16 хоног байдаг байна.

Landsat дагуул • 1972 оны 7-р сарын 23-нд АНУ эх дэлхийг сансрын уудмаас тандах зорилгоор олон сувгийн MSS (Multispectral Scanner) сканер бүхий анхны Landsat 1 дагуулыг хөөргөсөн.

• Түүнээс хойш өнөөг хүртэл Landsat 1,2,3,4,5,6,7 дагуулыг хөөргөсөн.

MSS сканерын спектрийн болон оронзайн шийд

Landsat TM • Зураглагдах талбайн өргөн нь 185км (1 сцены хэмжээ 185кмх185км) • цаг хугацааны шийд нь 16 хоног • тоон мэдээллийн градац нь 0-255 буюу 8 бит байна.

TM сканерын спектрийн болон оронзайн шийд

Landsat ETM+

SPOT дагуул • SPOT нь Францын Сансрын Үндэсний Төв, Белги, Швед зэрэг орнуудтай хамтран бүтээсэн зайнаас тандах дагуул бөгөөд анхны SPOT-1-ийг 1986 оны 2-р сарын 22-нд хөөргөж, өнөөг хүртэл SPOT-1,2,3,4,5 дагуулуудыг хөөргөөд байна.

• SPOT-1-ийн олон бүсчлэлийн зургийн оронзайн шийд нь 20м, панхроматик зургийн оронзайн шийд 10м.

SPOT 1 дагуулын спектрийн болон оронзайн шийд

QuickBird дагуул • 2001 оны 10-р сарын 18-нд АНУ-ын DigitalGlobe Групп хэт өндөр нарийвчлалын оронзайн шийд бүхий QuickBird дагуулыг хөөргөсөн бөгөөд • уг дагуулын үзэгдэх гэрлийн мужийн зургийн оронзайн шийд 63см, олон бүсчлэлийн зургийн оронзайн шийд 2.44м болно.

QuickBird дагуулын спектрийн шийд

1- сувгийн ба олон сувгийн мэдээ

• Оптикийн мэдээ нь панхроматик ба олон сувгийн гэж 2 янз байдаг.

• Панхроматик зураг нь голдуу үзэгдэх гэрлийн болон ойрын нэл улаан туяаны мужийн зарим хэсгийг оролцуулан авсан 1 сувгийн зураг байдаг.

• Харин олон бүсчлэлийн зураг нь цахилгаан соронзон долгионы өөр, өөр мужуудад авсан мэдээ байх бөгөөд сувгуудыг янз бүрийн өнгөнд өгсөнөөр төрөл бүрийн өнгөт зургийг үүсгэдэг.

Суваг-1

Суваг-2

Суваг-3

Суваг-4

Суваг-321

Суваг-432

Суваг-543

Суваг-753

2002 онд Ландсат ЕТМ дагуулаас хүлээн авсан Улаанбаатар хот орчмын дүрс зураг ба түүнээс гарган авсан газрын гадаргын зураг. Өнгөнүүд: тод ногооной; ногоон-өвс, ургамал; хүрэн-хөрс; цэнхэр-ус; цайвар хөхбайшин, барилга; шар-гэр хороолол

Улаанбаатар хотын төвийн орчмын SPOT 5+ Quickbird дүрс зураг ба түүнээс гарган авсан газар ашиглалтэдэлбэр газрын зураг

Улаанбаатар хот орчмын гадаргын температурын өөрчлөлтийг өөр, өөр цаг хугацааны сансрын мэдээ ашиглан харьцуулж үзүүлсэн байдал (a) ТМ1990.10.09, b) АСТЕР2001.05.31, c) ЕТМ12001.08.31, d) ЕТМ22001.08.31)

УБ хот орчмын САР-ын зураг

Дүрс мэдээнд засал хийх болон сайжруулалт хийх аргууд

Спектр Тодролыг Сайжруулах Аргууд • Шууд авсан зургууд нь ихэвчлэн сүүмгэрдүү байх ба тэдгээр дээр дүрслэгдсэн биетүүдийг ялгаж танихад хэцүү байдаг.

• Мөн зарим өөр хооронд нь ялгах ёстой ижил төстэй бус объектуудын радиометрийн утгууд ялгагдахгүй шахам үе элбэг тохиолдоно. Ийм үед, спектр тодролын аргыг ашиглана.

Гистограммыг сунгах арга • Зайнаас тандсан анхдагч мэдээлэл нь дийлэнхи тохиолдолд 0-255 хоорондох градацын утгаар илэрхийлэгдсэн байдаг. Гэхдээ, тухайн биетийн спектр ойлгох чадвараас хамаарч тархалт нь нарийн зурваст тархсан байдаг.

• Ийм үед, өөр хоорондоо ялгаа бүхий биесийн радиометрийн утгууд нь хэт ойртсоноос ялгагдахгүй болсон байдаг бөгөөд тэдгээрийн ялгааг тодруулах үүднээс тархалтын гистограммыг хтэнхлэгийн дагуу сунгадаг.

Гистограммыг өргөн зурваст шилжүүлэх үндсэн 2 арга байдаг. Үүнд: •

•

Тархалтын утгуудын минимум, максимум утгуудыг тодорхойлсны дараа мин=0, макс=255 хэмээн орлуулах байдлаар анхдагч утгуудыг өөрчилнө. Тархалтын стандарт хазайлтыг (SD) сонгож авах ба практикт энэ нь ихэвчлэн 2SD байна.

Харлалтын утгын анхдагч тархалт ба түүнийг ТХ-ээр өөрчлөх нь.

Landsat TM432 (2001-08-31)

Суваг-2

Суваг-3

Суваг-4

Суваг-2 2SD сунгалт

Landsat TM432 (2SD сунгалт)

Landsat TM432-min-max сунгалт

Гистограммыг тэгшитгэх • Энэ арга нь тархалтын гистограммыг тэгшитгэх замаар зургийн тодролыг сайжруулдаг. Үүний тулд, x-тэнхлэгийн дагуу тодролын мужуудыг сонгох ба муж тус бүр нь ижил тооны буюу ойролцоо тооны пикселийг агуулна.

• Үр дүн нь бүх давтамж нь ижил гистограмм гарах ёстой боловч ЗТМ нь Гаусс маягийн тархалттай байдгаас шалтгаалан гистограммын хоёр захын нам давтамжтай утгуудыг тус тусад нь бүлэглэн нэг муж болгож, харин төв хэсгийн өндөр давтамжтай утгуудыг хэд хэдэн муж болгож хуваадаг.

Тоон зургийн тархалтын гистограмм

Суваг-2

гистограммыг тэгшитгэсэн байдал

Landsat TM432 (гистограммыг тэгшитгэх)

Нийлбэрийн нормчилол ' i

B =

Bi

∗ 255

n

∑B

i

( NIR − Re d ) * 255 VI = ( NIR + Re d )

i =1

Ногоон ургамлын ЦСД-ны ойрын нэл улаан туяаны (NIR) мужид нарны энергийг ихээр ойлгож, үзэгдэх улаан гэрлийн (Red) мужид дийлэнхи энергийг шингээдэг чанар дээр үндэслэн тухайн газар нутгийн ургамлын индексийг тодорхойлдог. Жишээ нь: Landsat TM дагуулын мэдээний 4 болон 3-р сувгуудад тодрох ногоон ургамал, хөрсний спектр тодролыг ашиглан ногоон ургамлын индексийг бодох явдал түгээмэл байдаг бөгөөд ийм тохиолдолд, ургамалшилтай цэгүүд ойлтын өндөр утгатай байх ба энэ утга багасах тусам ургамал, хөрсний ялгаа буурна. Өөрөөр хэлбэл, зургийн ургамалтай хэсгүүд цайрч гарах ба ургамалгүй хэсгүүд бараандуу өнгөөр гарна.

НОГООН УРГАМЛЫН ИНДЕКС

TM band 3 (2008-08-31)

TM band 4 (2008-08-31)

Normalized difference of vegetation index (NDVI)

Óðãàìàëæèëòûí òºëºâ áàéäàë (2000 îíû 55-ð ñàð)

Óðãàìàëæèëòûí òºëºâ áàéäàë (2000 îíû 66-ð ñàð)

Оронзайн Сайжруулалт • Оронзайн сайжруулалтанд пиксел тус бүрийн утгыг эргэн тойрных нь пикселүүдийн тусламжтайгаар өөрчилдөг.

• Үүний тулд, кэрнэл хэмээн нэрлэгдэх янз бүрийн хэмжээтэй цонхуудыг сонгоно. Цонх нь зургийн мөр, баганы дагуу явж, тодорхой пиксел дээр ирж зогсох бүрд уг кэрнэлийн төвийн утгыг түүнд багтаж байгаа бусад пикселийн утгыг ашиглан шинээр тодорхойлно. Иймэрхүү маягаар зургийн пиксел тус бүрийн радиометрийн утгыг өөрчлөн, биетүүдийг оронзайн хувьд нь сайжруулна.

Дундаж шүүлтүүр Шинэ утгыг тодорхойлохын тулд, цонхон дотор багтаж байгаа бүх пикселийн дундаж утгыг тодорхойлно. Доор анхдагч тоон зурганд 3x1, 5x1, 7x1 хэмжээст дундаж шүүлтүүрийн үзүүлэх нөлөөг харуулав.

Дундаж шүүлтүүр нь өндөр давтамжийг нам болгон зургийг бүрсийлгэхээс гадна, байгалийн биес хоорондын хил зааг дээр гарах хурц тодролыг арилгадаг учир зарим тохиолдолд нам давтамжийн шүүлтүүр хэмээн нэрлэгддэг.

Медиан шүүлтүүр • Медиан шүүлтүүрт цонхны төвийн пикселийн радиометрийн утгыг тухайн хэрэглэгчийн сонгосон цонхонд багтаж байгаа пикселүүдийн медиан утгаар солино. Ийм янзаар цонх зургийн мөр, баганын дагуу шилжиж, пиксел бүрийн хувьд шинэ утгыг тодорхойлно.

• Медиан шүүлтүүрийг бараг нэгэн төрлийн шахуу байгалийн биес бүхий газартай зурганд хэрэглэвэл нэгэн төрлийн болох ба анги хоорондын хил хязгаар тэр чигээрээ хадгалагдана.

Роберт, Собель нарын операторууд • Робертын оператор нь диагональ чиглэлд, харин Собелийн оператор нь хөндлөн болон босоо чиглэлд аливаа биет, элементүүдийн заагийг тодруулахаас гадна, шугаман элементийн тодролыг сайжруулдаг учир дийлэнхи тохиолдолд хослол маягаар ашиглагдах бөгөөд өндөр давтамжит шүүлтүүрт хамаарагдана.

Лапласын оператор • Лапласын оператор нь хурц тодролыг улам тодотгож, нам давтамжийг бүр арилгадаг.

• Лапласын оператор нь байгалийн биесийн хил, хязгаарыг болон шугаман элементүүдийг тодотгодог тул өндөр давтамжит шүүлтүүрт тооцогддог.

• SPOT дагуулын панхроматик зурагт оронзайн сайжруулалт хийсэн дүн. а) Анхдагч зураг, • б) 3х3 хэмжээст дундаж шүүлтүүрийн дүн, в) 3х3 хэмжээст медиан шүүлтүүрийн дүн, • г) Собелийн шүүлтүүрийн дүн, д) Робертын шүүлтүүрийн дүн, е) Лапласын операторын дүн.

Дүрс мэдээг ангилах сургалттай, сургалтгүй ангиллын аргууд

• Агаар-сансрын олон бүсчлэлийн мэдээг компьютерын тусламжтайгаар ангилахын гол зорилго нь тухайн зургийн пиксел бүрийг тодорхой ангид хамааруулан сэдэвчилсэн зураг хийх явдал байдаг.

• ЗТМ-нд хийж байгаа ангилал нь дийлэнхи тохиолдолд спектрийн ангилал байдаг.

• Ангиллыг, ангийн бөмбөлгийг бий болгох аргад нь үндэслэн сургалттай, сургалтгүй гэж хоёр хуваадаг.

• Сургалттай ангилалд тухайн газар нутгийн талаар мэдлэгтэй ангилагч өөрийн сонирхсон ангиудыг тодорхойлсоны дараа анги тус бүрийг төлөөлөх пикселүүдийг сонгож, улмаар ангийн бөмбөлгүүд буюу сигнатурыг бий болгоно.

• Сигнатур нь ангиудыг төлөөлөх пикселүүдийн дундаж вектор, ковариацын матриц зэрэг статистик мэдээг агуулах бөгөөд тархалт нь олон хэмжээст огторгуйд бөмбөлөг хэлбэрийн дүрсийг үүсгэнэ.

• Сургалтгүй ангиллыг хийхэд ангилагдах гэж буй нутгийн талаар заавал урьдчилсан мэдлэгтэй байх шаардлагагүй байдаг.

• Ангилагч ангилалд зориулсан программ хангамжийн шаардсан параметруудыг дэс дараатай оруулсаны дараа цаашдын ангилалд шаардагдах кластерууд автоматаар тодорхойлогдоно.

Хамгийн их төсөөтэйн ангиллын арга • Тоон боловсруулалтанд ашиглагддаг статистик болон статистик бус олон хамгийн их төсөөтэйн (ХИТ) ангиллын аргууд байдаг.

• Тэдгээрийн дунд Байесын дүрэм дээр тулгуурласан ХИТ арга нь тандан судалгааны мэдээг ангилахад чухал байр суурь эзэлдэг.

• ХИТ нь тухайн анги (Ci), хэмжилтийн вектор (х) хоёрын хоорондын давтамж дээр үндэслэсэн байдаг ба олон бүсчлэлийн мэдээний хувьд ажиглалт Х (пиксел) бүр нь N хувьсагч (суваг) дахь хэмжилтийн олонлогоос тогтоно. ХИТ нь Байесын дүрмийг ашиглан дараахь хэлбэрээр илэрхийлэгдэнэ:

P(Ci|x)= P(x|Ci)*P(Ci)/P(x)

• P(x|Ci)-г олон хэмжээст магадлал тархалтын функцээр дөхүүлэх бөгөөд түүнийг анхдагч магадлалаар ихэсгэх буюу багасгаж болдог. Энэ функц нь сонгосон анги тус бүрийн тархалтын дундаж утга, ковариацын матрицыг агуулна.

P( x | Ci) = (2π )

N − 2

∑

i

1 1 − ( x−mi )t − 2 2

e

−1 − 1

∑i

( x−mi )

• P(x) пикселийг (x) дурын ангиас олох магадлал бөгөөд дараахь байдлаар илэрхийлэгдэнэ: n

P (x) =

∑ P ( x | Ci ) ∗ P ( Ci ) i =1

• P(x) нь бүх ангийн хувьд ижил тул ихэнхдээ ангиллын процесст оруулдаггүй. Ийм тохиолдолд дараахь дискриминант функцийг (gi(x)) ашигладаг бөгөөд пиксел -ийн утга хамгийн их байгаа ангид ангилагдана.

g i ( x) = Ln{P( x Ci)} + Ln{P(Ci)}

Параллелопипедийн ангилал • Энэ аргаар пикселийг ангилахад ангилагдах гэж буй пиксел тус бүрийг дээд болон доод хязгаарын утгуудтай харьцуулсаны үндсэн дээр ангилна. Хязгаарын утгуудыг дараахь байдлаар тодорхойлно: • Ангийн бөмбөлгийг бүрдүүлж буй сувгуудын хамгийн их болон бага утгууд • Анги тус бүрийн дундаж утга болон стандарт хазайлтууд • Тухайн шинжээчийн өөрийн туршлага, өгөгдлийн талаархи мэдлэг дээр тулгуурлан сонгосон хязгаарууд.

• Энэхүү арга нь зөвхөн хязгаарын утгуудыг ашигладаг учир ангиллын нарийвчлал нь төдийлэн өндөр байж чаддаггүй.

• Гэхдээ уг аргаар ангилал хийхэд цаг хугацааны хувьд маш хурдан байдаг тул бусад өндөр нарийвчлал бүхий сэдэвчилсэн зураг үйлддэг аргуудыг (тухайлбал, ХИТ) ашиглан ангилал хийхийн өмнө анхдагч пикселүүдийн ерөнхий хил заагийг тогтооход өргөнөөр ашигладаг.

Хамгийн бага зайн ангилал • Хамгийн бага зайн арга нь ангилагдах гэж буй пиксел, ангийн бөмбөлөг EDxyz тус бүрийн дундаж вектор хоорондын спектрийн зайг тооцоолдог. Үүний тулд, Евклидийн зайг ашиглах бөгөөд энэ нь дараахь томъёогоор илэрхийлэгдэнэ:

n

=

∑ (m i =1

zi

− x xyi )

2

• Энэхүү арга нь тухайн зургийн бүх пикселүүдийг хамгийн бага спектрийн зайд орших байдлаар нь ангилдаг учир ангилагдаагүй пиксел гарахгүйгээс гадна ангилах цаг хугацааны хувьд хурдан байдаг. Гэхдээ, зааглагч утгуудыг ашиглан буруу ангилагдах магадлалтай пикселүүдийг тусгаарлаж болно.

• Хамгийн бага зайн аргаар спектрийн хувьд нэгэн төрлийн ангиудыг ангилахад илүү үр дүнтэй байдаг ба харин спектрийн хувьд илүү тархмал ангиудыг ангилахад ангиллын нарийвчлал нь төдийлэн өндөр байдаггүй байна.

Махаланобисын зайн арга • Энэхүү арга нь хамгийн бага зайн аргатай төстэй боловч, гол ялгаа нь ангиллын статистик шийдвэр гаргахад ковариацын матрицыг ашигладаг. Махаланобисын зайн арга нь дараахь томъёог ашиглана:

Махаланобисын зайн аргаар пикселийг ангилахад, пиксел D-ийн хамгийн бага утга бүхий ангид харьяалагдана. Энэхүү арга нь ангийн бөмбөлгийг нормаль тархалттай гэж үздэг бөгөөд хэрэв бөмбөлөг нормаль бус тархалттай байвал ангиллын өөр аргууд илүү үр дүнтэй байх магадлалтай юм.

Изодата ангиллын арга • Энэ нь кластерыг тодорхойлохын тулд, пикселүүдийн спектрийн зайг ашигладаг итератив процесс дээр үндэслэсэн сургалтгүй ангиллын арга юм. Кластеруудыг тодорхойлохдоо ангилагч дараахь параметруудыг оруулна. Үүнд: • N-нийт кластерийн тоо. Алгоритм итерацын процессыг N кластерын төвтэй эхэлнэ.

• T-итерац бүрийн хооронд анги нь үл өөрчлөгдөх пикселийн хамгийн их хувь. Итерац бүрийн дараа, анги нь өөрчлөгдөөгүй пикселийн хувийг тооцох ба энэ хувь нь T-тэй тэнцсэн тохиолдолд кластер тодорхойлолт дуусна.

• M-максимум итерацын тоо.

Изодата ангиллын аргаар кластер тодорхойлох зарчим. а) Анхдагч итерац, б) Хоёрдахь итерац (кластерын төвүүд шилжсэн байдал).