hrvatski

Kombiniranje metode multispektralnog grupiranja i metode teksture pri klasifikaciji oblaka snimljenih sa satelita

U radu su provedena poboljšanja automatske nefanalize dobivenim senzorom AVHRR sa satelita NOAA 11. Korištene su četiri digitalne snimke u maksimalnoj prostornoj rezoluciji 1.1 km, 10-bitnoj radiometrijskoj rezoluciji te peterokanalnoj spektralnoj rezoluciji. Kao "etalonski" izvor motrenih podataka o naoblaci služio je 10-godišnji obrađeni niz "Edited Synoptic Cloud Reports from Ships and Land Stations Over the Globe, 1982-1992", objavljen 1996. godine u Oak Ridge National Laboratory. Jedan dio tog vrlo velikog niza motrenja poslužio je za određivanje statističkih parametara prije primjene metoda statističke klasifikacije, dok je drugi korišten za ocjenu točnosti klasifikacije. Rad je podijeljen u četiri ispitivanja. U prvom je objektivno izlučena suvišna informacija, čime je izvorni peterodimenzionalni multispektralni prostor značajki sveden na trodimenzionalni. Snimka se u takvom obliku može i subjektivno interpretirati. Pokazalo se kako je treći AVHRR kanal, koji pokriva područje na samom pragu toplinskog zračenja i koji se koristi za daljinska istraživanja šumskih požara i vulkanskih erupcija, u niskoj korelaciji s albedom u vidljivom do blisko infracrvenom dijelu spektra te radijancom u toplinskom dijelu spektra. Zbog malih iznosa spektralne radijance, u mnogim drugim radovima, treći kanal je ispušten kod automatske klasifikacije što nije bila dobra pretpostavka. U drugom ispitivanju provedena je statistička klasifikacija na reduciranom multispektralnom prostoru značajki (zadržani su kanali koji imaju najmanju međusobnu korelaciju ; 1, 3 i 5) korištenjem četiri metode statističke klasifikacije: paralelopipeda, najmanje udaljenosti, Mahalanobisove udaljenosti i najveće vjerojatnosti. Rezultati su uspoređeni pomoću dvije nezavisne metode: slučajne prostorne razdiobe kontrolnih točaka na satelitskoj snimci i usporedbi s klasifikacijom provedenom samo na uzorcima "za učenje" (tj. određivanje statističkih parametara). Najbolje rezultate dale su dvoparametarske metode: Mahalanobisova i najveće vjerojatnosti. Razlog uspješnosti tih metoda leži u mogućnosti opisivanja raspršenja klastera u multispektralnom prostoru značajki koji, za uzorke oblaka, pokazuju izražene neizotropnosti. U trećem ispitivanju, koje nosi težište radnje, uvedena je nova teksturna značajka - varijanca albeda u vidljivom do bliskom infracrvenom dijelu spektra. Varijanca albeda uvedena je s pretpostavkom boljeg razlikovanja srodnih stratiformnih i kumulimorfnih oblaka (cirokumulus-cirostratus, altokumulus-altostratus i kumulus-stratokumulus). Klasifikacija provedena metodom najveće vjerojatnosti potvrdila je te pretpostavke uz znatno poboljšanje u razlikovanju nimbostratusa od kumulonimbusa. Poteškoće koje nastaju zbog problema inverza matrice kovarijanci (koji u nekim slučajevima ne postoji) u metodi najveće vjerojatnosti ograničavaju mogućnost uvođenja većeg broja teksturnih značajki. Zbog toga će se u budućem radu težište staviti na neparametarske metode, a posebice na neuronske klasifikatore kod kojih nema potrebe za računanjem matrice kovarijanci. Prethodnim metodama ocijenjivanja dodane su statističke mjere razdvojivosti klasa: transformirana divergencija i Jeffries-Matusitina udaljenost. U radu se, korištenjem teksture kao dodatne značajke koja je u niskoj korelaciji s radiometrijskim značajkama (albedom i spektralnom radijancom) postiglo poboljšanje u točnosti klasifikacije od najmanje 6%, što na visokim točnostima (75% i više) kakve su zabilježene u radu opravdava dodatnu obradu snimke. Četvrto ispitivanje odnosilo se na reprezentativnost uzoraka u ovisnosti o sezoni. Usporedba rodova oblaka provedena u-testom na četiri satelitske snimke napravljene u različita doba godine pokazala su kako se uzorci iz jednog godišnjeg doba ne mogu koristiti za klasifikaciju u drugom godišnjem dobu. Taj je rezultat važan za organizaciju buduće baze znanja jer se uzorci s ranijih snimki mogu koristiti za klasifikaciju aktualnih satelitskih snimki.

AVHRR; multispektralna klasifikacija; tekstura

nije evidentirano