GRAS. GRAS profil UDVINDING AF GEODATA FRA SATELLITBILLEDER OG FLYFOTOS - KOBLING MELLEM REMOTE SENSING OG GIS

Transkript

1 GRAS UDVINDING AF GEODATA FRA SATELLITBILLEDER OG FLYFOTOS - KOBLING MELLEM REMOTE SENSING OG GIS ESRI Brugerklub seminar 11.juni 2009 Rasmus Borgstrøm rb@gras.ku.dk Geographic Resource Analysis & Science A/S c/o Department of Geography and Geology, University of Copenhagen GRAS profil GRAS A/S blev etableret i 2000 som et samarbejde mellem DHI Institut for Vand og Miljø samt Geografisk Institut, Københavns Universitet GRAS fungerer som en kommerciel virksomhed Non-profit, overskud går til forskning og udvikling 1

2 GRAS profil Grundlaget er at levere state-of-the art metoder og teknologier indenfor remote sensing og GIS applikationer Bindeled mellem forskningsverdenen og brugerne Baseret på 25 års erfaring med Remote Sensing og GIS fra geografisk Institut GRAS - den korte version Kortlægning og analyser hvor satellitbilleder og flyfotos udgør en væsentlig del af datagrundlaget Miljø (vegetation, urban, klima, marin osv.) Officiel distributør af kommercielle satellitbilleder 2

3 Ikonos Libyen afbrænding af gas/olie residualer 3

4 Geo-Eye 41 cm image (2008) Hvorfor bruge billeder? Oktober 2000 Januar 2001 Januar 2001 Muligt at dække store arealer Omkostningseffektive Muligt at dokumentere begivenheder 40 år tilbage Kortlægge ændringer ved at sammenligne billeder fra forskellige datoer Ahvaz, Iran 4

5 Ændringsudpegning Før og efter Hurricane Ike, september 2008 QuickBird true color 5

6 QuickBird false colour Spektral signatur Blue Green Red Near-infrared Mid-infrared 50 Reflectance (%) Soil Vegetation Wavelength (µm) 6

7 Udvikling udfordring Eksplosiv vækst i tilgængelighed og opløsning af satellitbilleder og flyfotos Men kun % anslås at blive anvendt! Omdanne den stigende mængde billeder til information (eks. Vektordata) Kortlægning GPS and opmåling Arbejdskrævende Manuel digitalisering baseret på visuel tolkning Arbejdskrævende Klassifikation 7

8 Pixelbaseret klassifikation Pixel baseret klassifikation giver gode resultater med data i medium til lav opløsning QuickBird (60cm) 8

9 Pixelbaseret ISO klassifikation Klassifikation Data i høj opløsning Pixelstørrelse ikke en logisk rumlig enhed Stor varians indenfor klasser ifht mellem klasser Tendens mod objekt-orienteret klassifikation Segmentering af billed-data til objekter Mulighed for at bruge objekternes attributter Spektral, kontekst, tekstur, varians Integration af GIS og billedbehandling bringing spatial thinking to image processing 9

10 QuickBird (60cm) Objekt grundlaget 10

11 Objekterne klassificeres Regelbaseret klassifikation Spektral information Eks. NDVI > 0,5 vegetation Rumlig information Eks. Længde/bredde > 3 vej Kontekstuel information Eks. Vegetation grænser op til hus have Med andre ord: GIS funktionalitet i billede-analyse! Workflow Original image Segmentation Classification 11

12 Koblingen til GIS Rumlig og kontekstuel tankegang Eks: Afstand til vejtema Spektral forskel fra naboer Integration af GIS data Eks: Kystændringer i fht eksisterende kystlinie Udpegning af forskelle fra bygningstema Afstand til vandløb I praksis Eksempler: Automatisk kortlægning med objekt baseret metode Kobling mellem RS og GIS 12

13 Befæstede arealer Vigtig hydrologisk parameter Kortlagt ud fra: Flyfotos (20cm) GIS data Befæstede arealer 10 cm ortofoto GIS vejtema 13

14 Befæstede arealer 100 % automatisk klassifikation Vej Befæstede arealer Ikke-befæstede arealer Befæstede arealer Befæstelsesgraden aggregeret til matrikelniveau 14

15 Befæstede arealer Automatisk stor skala Befæstede arealer - storskala Landsat (30m) 15

16 Opdatering af GIS data Kvalitetstjek pba satellitbilleder Invasive arter Bjørneklo Spektral egenskab satellitbilleder Kontekstuel egenskab GIS lag (eks. vandløb) 16

17 Iskortlægning Automatisk kortlægning af Radarbilleder Iskortlægning Automatisk kortlægning af Landsat Rumlig analyse af output: Er fjorden farbar? 17

18 Tidsserier Multitemporal analyse ændringer Kyststudier Multitemporal analyse af kystlinien GIS analyse til udpegning af +/- ændringer over tid 18

19 DEM fra stereo RS SRTM (90m) WorldView Stereo (1m) Kortlægning / klassifikation Store arkiver af billeddata tilgængelig fra fly og satellit Øget værdi ved bearbejdning af råvarer Klassifikation fra data til information Metoder fra behandling af satellitbilleder kan bruges på flyfotos 19

20 Tendenser i dag og fremover Flere nationer på banen I dag har op mod 30 lande jordobservationssatellitter Nye dataprodukter Radar interferometri Stereobilleder med optiske data LIDAR indtil videre eksperimentelt fra satellit Satellitbilleder og flyfotos ligner i stigende grad hinanden Kobling mellem GIS og RS 20