Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Wezyk, P." wg kryterium: Autor


Wyświetlanie 1-6 z 6
Tytuł:
Aktualizacja mapy glebowo-rolniczej z wykorzystaniem klasyfikacji obiektowej (OBIA) zobrazowań teledetekcyjnych oraz analiz przestrzennych GIS
Update of the digital soil map using object based image analysis (OBIA) of remote sensing data and GIS spatial analyses
Autorzy:
Wężyk, P.
Pierzchalski, M.
Szafrańska, B.
Kortas, G.
Powiązania:
https://bibliotekanauki.pl/articles/129994.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
mapa glebowo-rolnicza
klasyfikacja obiektowa
OBIA
aktualizacja
analiza przestrzenna GIS
soil map
object-based image analysis
map up-date
spatial GIS analysis
Opis:
Aktualność map glebowo-rolniczych w Polsce sięga najczęściej lat sześćdziesiątych poprzedniego wieku, stąd wymagają one nie tylko konwersji z formy analogowej (papierowej) do cyfrowej, ale przede wszystkim weryfikacji treści w stosunku do rzeczywistych klas pokrycia i użytkowania terenu. Rozwój miast, wsi, dróg i innych inwestycji infrastrukturalnych, jaki nastąpił w minionych 50 latach oraz nasilenie się w ostatniej dekadzie procesów socjoekonomicznych skutkujących porzucaniem upraw rolnych i zajmowania tych terenów przez lasy, spowodował dużą dezaktualizację treści geometrycznej mapy glebowo-rolniczej. Przeprowadzenie weryfikacji treści geometrycznej mapy glebowo-rolniczej dla skali województwa małopolskiego wymagało zastosowania obiektowej klasyfikacji (OBIA, ang. Object Based Image Analysis) aktualnych zobrazowań teledetekcyjnych. Proces OBIA realizowano w oprogramowaniu eCognition Developer 8.64 (Trimble GeoSpatial). Należało go możliwie daleko zautomatyzować ze względu na dużą powierzchnię opracowania (ok. 15000 km2). Otrzymane wyniki skontrolowano na podstawie kilkuset powierzchni referencyjnych (wektoryzacja ekranowa dokonana przez operatora). Analizy przestrzenne GIS aktualizujące przebieg poligonów mapy glebowo-rolniczej o nowe powstałe obiekty zrealizowano w trybie wsadowym (Model Builder, Esri). Uzyskane wyniki wykazały, iż największe zmiany, tj. przyrost powierzchni (procentowo) zanotowano w przypadku klas: „Las” (Ls; +8.2%) oraz „Tereny zabudowane” (Tz; +6.3%), przy jednoczesnym ubytku wszystkich kompleksów (ID 1÷13) wykorzystywanych pod uprawy rolne o -10.5% (z czego -4.9% w rejonach górskich). Ubytek trwałych użytków zielonych (1z, 2z oraz 3z) na zaktualizowanej mapie glebowej oceniona na około (-4.2%). Zastosowane algorytmy weryfikacyjne oraz aktualizacyjne pozwalają stwierdzić, iż klasyfikacja obiektowa OBIA aktualnych zobrazowań teledetekcyjnych (satelitarnych i lotniczych) w połączeniu z daleko zautomatyzowanymi analizami przestrzennymi GIS może być wykorzystywana w procesie aktualizacji mapy glebowo-rolniczej.
The analogue soil maps (paper sheets; scale 1:5000) were made in Poland most likely in the 60-ties of XX century. Today, they need not only conversion from analogue form to digital (raster or vector) format but also quick and objective map revision. Soil maps become outdated and they don't represent actual land use or land cover (LULC). Rapid growth of cities and the country side development as well as infrastructure constructions have to be included in up-dated soil map. During the last 50 years in Małopolska Voivodeship, many hectares of arable land were abandoned and changed in natural way (succession) in to the class forest. In year 2010 the Marshal office of Małopolska Voivodeship decide to convert the archive of analogue soil map to shape file with connected database. In 2011 another project was started with main goal of up-date of the soil map (about 15 000 km2). The special work-flow of geoinformation technologies was used for fulfill this goal. Object Based Image Analysis (OBIA) meets the criteria for fast and accurate Land Use & Land Cover (LULC) classification method of the RapidEye (from years 2010/2011) high resolution satellite images. Application of this object based classification method, together with GIS analysis ensures very high degree of work automation. The results obtained shows, that the most changes in a land cover were observed in urban areas (Tz; +6.3%) and forests (Ls; + 8.2%). The area of all other agricultural used soil complexes decreased in the same time about -10.5% (in the mountainous areas approx. -4.9%). The class pastures and meadows also decrease during the last 50 years about -4.2%. This project demonstrates success story of using the modern GIS techniques to verify and update soil map of Małopolska Voivodeship based on the OBIA of RapidEye satellite imaginary and aerial orthophotomaps (RGB).
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 23; 477-488
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wzmocnienie procesu klasyfikacji obiektowej wielospektralnych ortofotomap lotniczych danymi z lotniczego skanowania laserowego
Enhancing the obia classification of multispectral aerial orthoimages using airborne laser scanning data
Autorzy:
Wężyk, P.
Mlost, J.
Pierzchalski, M.
Wójtowicz-Nowakowska, A.
Szwed, P.
Powiązania:
https://bibliotekanauki.pl/articles/129858.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
klasyfikacja obiektowa
OBIA
ortofotomapa cyfrowa
lotniczy skaning laserowy
projekt ISOK
object-based image analysis
digital aerial orthophoto
Airborne Laser Scanning
ISOK
Opis:
Klasyfikacja obiektowa (OBIA, ang. Object Based Image Analysis) jest nowatorską metodą analizy zobrazowań teledetekcyjnych, w której homogeniczne obiekty (segmenty), na które podzielony został obraz (za pomocą specyficznych algorytmów) poddawane są klasyfikacji. Dotychczasowe projekty wykazały, iż OBIA przeprowadzana na wysokorozdzielczych i wielospektralnych lotniczych ortofotomapach cyfrowych, wspierana modelami wysokościowymi, prowadzi do uzyskania bardzo dokładnych wyników. Stosunkowo niewiele prac koncentruje się na określeniu wpływu produktów pochodnych chmury punktów lotniczego skanowania laserowego (ang. Airborne Laser Scanning), takich jak wartość: odchylenia standardowego wysokości, gęstości punktów czy intensywności odbicia, na poprawę wyników klasyfikacji OBIA. W prezentowanej pracy poddano ocenie wzmocnienie procesu klasyfikacji OBIA danymi ALS na podstawie dwóch transektów badawczych („A” oraz „B”) o powierzchni 3 km2, położonych w okolicach Włocławka. Celem końcowym procesu analizy OBIA było uzyskanie aktualnej mapy klas pokrycia terenu. W opracowaniu wykorzystano lotnicze ortofotomapy cyfrowe oraz dane z lotniczego skaningu laserowego, pozyskane na przełomie sierpnia I września 2010 roku. Na podstawie punktów danych ALS wygenerowano warstwy pochodne takie jak: liczba odbić, intensywność, odchylenie standardowe, jak również wygenerowano znormalizowany Numeryczny Modelu Powierzchni Terenu (zNMPT). W wariancie pierwszym „I” wykorzystano dane uzyskane wyłącznie w nalocie fotogrametrycznym, tj. wielospektralne ortofotomapy lotnicze (kamera Vexcel) oraz indeksy roślinności (w tym NDVI i in.). Wariant drugi prac ”II” zakładał wykorzystanie dodatkowo danych z lotniczego skaningu laserowego. Określona dokładność klasyfikacji OBIA wykonanej w oparciu o cyfrową ortofotomapę lotniczą wyniosła 91.6% dla transektu badawczego „A” oraz 93.1% dla transektu „B”. Użycie danych ALS spowodowało podniesienie dokładności ogólnej do poziomu 95.0% („A”) oraz 96.9% („B”). Praca wykazała, iż zastosowanie danych ALS podnosi dokładność klasyfikacji segmentów o bardzo zbliżonych właściwościach spektralnych (np. rozróżnienie powierzchni dużych, płaskich dachów budynków od parkingów czy klas roślinności niskiej od średniej i wysokiej. Wprowadzenie warstw pochodnych ALS do procesu segmentacji poprawia także kształt powstających obiektów a tym samym klas końcowych. Analiza „surowych” danych ALS w postaci plików w formacie LAS otwiera dodatkowe możliwości, których nie daje wykorzystywanie rastrowych warstw takich jak zNMPT. Pojawiająca się w nowej wersji oprogramowania eCognition (TRIMBLE) możliwość operowania segmentami przestrzennymi jeszcze te możliwości klasyfikacji podnosi. Niewątpliwie sporym problemem w integracji informacji spektralnej (ortoobraz) oraz geometrycznej (ALS) jest efekt rzutu środkowego skutkujący przesunięciami radialnymi dla wysokich obiektów leżących w znacznej odległości od punktu głównego zdjęcia.
Object Based Image Analysis (OBIA) is an innovative method of analyzing remote sensing data based not on the pixels, but on homogenous features (segments) generated by specific algorithms. OBIA based on high-resolution aerial orthophotography and powered by digital terrain models (nDSM) brings high accuracy analysis. Not many scientific papers brings implementation of ALS point cloud directly into OBIA image processing. Paper present study done on two test areas of approx. 3 km2, situated close to Wloclawek, representing different land use classes (transect “A” – urban area; transect “B” – rural and forest landscape). Geodata (digital aerial orthophotographs and Airborne Laser Scanning data) were captured almost at the same time (September 2010). Different raster layers were created from *. LAS file, like: intensity, number of returns, normalized elevation (nDSM). Two version (I and II) of OBIA classification were performed. First version (I) based only on aerial orthophotographs and different coefficients (like NDVI). Second variant of OBIA (wariant II) based additionally on ALS data. Total accuracy of variant I was 94.1% (transect “A”) and 92.6% (transect “B”). OBIA classification powered by ALS data provide to increase of the results up to 96.9% (transect “A”) and 95.0% (transect “B”) as well. Classification of objects with similar type of surface properties (like buildings and bare soil) was much better using ALS information. The ALS data improve also the shape of objects, that there are more realistic. Data fusion in OBIA processing brings new capabilities,. These capabilities are bigger thanks to processing based on 3-dimensional segments. The results of analysis would be more accurate, when orthoimages (“true ortho”) would be used, instead of standard orthophotographs. The running ISOK project in Poland will bring soon a huge data set (approx. 150 TB) of ALS and photogrammetry connected products. This situation requires suitable software to analyze it fast and accurate on the full automatic way. The OBIA classification seems to be a solution for such challenge.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 23; 467-476
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja pokrycia terenu metodą OBIA z wykorzystaniem zobrazowań satelitarnych RapidEye
Land cover mapping based on OBIA of RapidEye satellite data
Autorzy:
Wężyk, P.
Wójtowicz-Nowakowska, A.
Pierzchalski, M.
Mlost, J.
Szwed, P.
Powiązania:
https://bibliotekanauki.pl/articles/131104.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
wysokorozdzielcze zobrazowania satelitarne
RapidEye
analiza obiektowa obrazu
OBIA
segmentacja
eCognition
pokrycie terenu
high-resolution satellite images
object-based image analysis
segmentation
land use
land cover
Opis:
Wraz z rozwojem teledetekcji i wysokorozdzielczych obrazów satelitarnych istotnym wyzwaniem dla współczesnych badań stało się zautomatyzowanie procesu klasyfikacji pozyskiwanych danych. Jedną z bardzo szybko rozwijających się metod automatycznej klasyfikacji jest analiza obiektowa obrazu (OBIA, ang. Object Based Image Analysis). Celem pracy było wykorzystanie metody OBIA w przygotowaniu aktualnej mapy pokrycia terenu będącej ważnym elementem dokumentacji niezbędnej dla studium uwarunkowań budowy nowej hydroelektrowni na środkowym odcinku Wisły. W pracy wykorzystano wysokorozdzielcze zobrazowania satelitarne RapidEye (5 kanałów spektralnych, w tym dwa w zakresie NIR) pokrywające obszar około 5.300 km2 oraz oprogramowanie eCognition (TRIMBLE Geospatial) a także warstwy informacyjne GIS. W wyniku przeprowadzonych analiz uzyskano mapę pokrycia terenu reprezentowaną przez 29 klas. Największą powierzchnię terenu badań zajmują obszary użytkowane rolniczo (59.5%, z czego 35.5% grunty orne) oraz lasy (29.1%, z czego 21.4% drzewostany iglaste), co świadczy o charakterze tej jednostki fizjograficznej. Analiza dokładności uzyskanych wyników wykazała, iż metoda OBIA daje bardzo dobre rezultaty (współczynnik Kappa równy 0.8) w daleko zautomatyzowanym procesie generowania aktualny map pokrycia terenu dla obszarów centralnej Polski na podstawie obrazów satelitarnych RapidEye.
Parallel with the development of remote sensing and high resolution satellite images major challenge for modern research has become almost to automate the classification of the data obtained. One of the most rapidly developing methods for automatic classification is object-oriented image analysis (OBIA, Object Based Image Analysis). The aim of the present study was to use the OBIA method to create the current land cover map which is part of the documentation necessary for new water power-station on the middle part of Vistula river. In this paper the RapidEye satellite images (5 spectral bands, two in the NIR range) covering an area of about 5 300 km2 and eCognition Developer (TRIMBLE) software were used. As a result of the analysis and land cover map was obtained, represented by 29 classes. The largest area is covered by agricultural land (59.5%; arable land – 35.52%) and forests (29.1%; mainly coniferous 21.4%), reflecting the rural – forestry character of the area. Analysis of the accuracy of the obtained results has shown that the OBIA method gives quite good results (Kappa coefficient equal to 0.8) for land cover mapping of central part of Poland based on the RapidEye imageries.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 23; 489-500
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Mapa zmian pokrycia terenu małopolski 1986-2011 wykonana w oparciu o klasyfikację obiektową obrazów satelitarnych Landsat oraz RapidEye
Map of land use / land cover changes in malopolska voivodeship in 1986-2010 created by object based image analysis of Landsat and RapidEye satellite images
Autorzy:
Wężyk, P.
Wójtowicz-Nowakowska, A.
Pierzchalski, M.
Mlost, J.
Szafrańska, B.
Powiązania:
https://bibliotekanauki.pl/articles/130712.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
klasyfikacja obiektowa
OBIA
Landsat
RapidEye
użytkowanie terenu
pokrycie terenu
analiza przestrzenna
GIS
segmentacja
object-oriented classification
land use
land cover
spatial analysis
temporal analysis
segmenatation
Opis:
Changes in land use / land cover are the result of interaction between natural processes and human activity. Using GIS analysis to estimate the dynamic of these changes we can detect former trends and their simulation in the future. Diagnosed directions of changes can be used e.g. to create local plans of spatial management or region growth policy. Main goal of this study was to diagnose main trends of changes in land use / land cover in Malopolska voivodeship in last 25 years (1986-2010). Results were shown as statistics and map compositions. Project was created based on RapidEye and LANDSAT 5 TM satellite data and aerial imagery from 2009-2010. The best way to process huge amount and various data was to use Object Based Image Analysis (OBIA). As the results of classification we received 10 classes of land use for both terms of analyses (1986-1987 and 2009-2010). Identified classes were: bare soil, grass-covered areas, urban areas, rivers and watercourses, coniferous forest, leaf forest, peatbog, and other areas. Results show, that especially 2 classes arisen much: forest (4.39%) and urban areas (2.40%), mostly at the expanse of agricultural (-3.60%) and grass-covered areas (-1.18%). Based on results we can say, that changes detected in past 25 years in Malopolska region, which we can also notice today, agree with general trends of landscape changes, that we can observe in Poland for the last 3 decades. These general changes are: renewed succession of forest on areas where agricultural production discontinued; also intense development of road infrastructure. Object Based Image Analysis allowed to realize these study for area of more than 15 000 km2 for only a few weeks.
Zmiany pokrycia terenu i użytkowania ziemi są rezultatem wzajemnego oddziaływania na siebie złożonych procesów przyrodniczych oraz społeczno-ekonomicznych. Analizy przestrzenne GIS dynamiki tych zmian umożliwiają wykrycie występujących w przeszłości trendów i procesów oraz ich symulację dla nadchodzącego okresu. Zdiagnozowane kierunki przemian krajobrazu mogą zostać wykorzystane m.in. przy tworzeniu lokalnych planów zagospodarowania przestrzennego, czy generalnie kreowaniu polityki rozwoju regionów. Celem prezentowanego opracowania było zdiagnozowanie głównych trendów przemian pokrycia terenu województwa małopolskiego na przestrzeni ostatnich dwudziestu pięciu lat (19862011) oraz ich statystyczne i graficzne zaprezentowanie w postaci kompilacji map numerycznych. Projekt wykonano w oparciu o dane teledetekcyjne: zobrazowania satelitarne RapidEye i LANDSAT TM oraz lotnicze ortofotomapy (PZGiK) z lat 2009 - 2010. Duża ilość i różnorodność danych wymusiła zastosowanie obiektowego przetwarzania danych teledetekcyjnych, tj. klasyfikacji OBIA (ang. Object Based Image Analysis). W wyniku przeprowadzanej klasyfikacji otrzymano 10 klas pokrycia i użytkowania terenu dla dwóch terminów badawczych (1986-87 oraz 2010-11), tj.: grunty orne, użytki zielone, tereny zurbanizowane, rzeki i cieki, zbiorniki wodne, lasy iglaste, lasy liściaste, zadrzewienia i zakrzewienia, tereny różne oraz torfowiska. Wykazano, iż na obszarze Małopolski wystąpiło znaczne zwiększenie powierzchni lasów (wzrost o 4.4%) oraz terenów zurbanizowanych (wzrost o 2.4%), głównie kosztem powierzchni gruntów rolnych (ubytek o 3.6%) oraz trwałych użytków zielonych (ubytek o 1.2%). Otrzymane wyniki pozwoliły wysunąć wniosek, iż zmiany jakie zachodziły w przeciągu 25 lat oraz te, z którymi wciąż mamy do czynienia w województwie małopolskim, pokrywają się z ogólnymi kierunkami i trendami przemian krajobrazu obserwowanymi w Polsce w ostatnich trzech dekadach, tj. procesami sukcesji wtórnej zbiorowisk leśnych na gruntach, na których zaprzestano produkcji rolnej oraz związanych z inwestycjami infrastruktury drogowej i kolejowej. Zastosowanie automatycznej klasyfikacji obiektowej oraz analiz przestrzennych GIS pozwoliło na realizację opracowania dla obszaru ponad 15.000 km2 w ciągu zaledwie kilku tygodni.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2013, 25; 273-284
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Mapa zagrożenia erozyjnego gruntów rolnych w Małopolsce na podstawie klasyfikacji OBIA obrazów teledetekcyjnych oraz analiz przestrzennych GIS
The map of agricultural land erosion risk assesment of Malopolska voivodeship (Poland) based on OBIA of remotely sensed data and GIS spatial analyses
Autorzy:
Wężyk, P.
Drzewiecki, W.
Wójtowicz-Nowakowska, A.
Pierzchalski, M.
Mlost, J.
Szafrańska, B.
Powiązania:
https://bibliotekanauki.pl/articles/130620.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
erozja wodna gleb
mapa glebowo-rolnicza
analiza obiektowa obrazu
RapidEye
model USLE
analiza przestrzenna GIS
water soil erosion
digital soil map
object oriented image analysis
USLE model
GIS spatial analysis
Opis:
Zjawisko erozji wodnej należy do głównych przyczyn degradacji gleb w Europie. Stanowi ono również główny czynnik degradujący gleby na obszarze Małopolski - regionu o najwyższym stopniu zagrożenia erozyjnego w skali Polski. Występując lokalnie, w zależności od warunków fizjograficznych, może stanowić poważny problem gospodarczy i środowiskowy. Silne zróżnicowanie fizjograficzne oraz różne formy pokrycia i użytkowania terenu województwa małopolskiego, stanowiły główną potrzebę przeprowadzenia oceny zagrożenia erozyjnego i nasilenia stopnia degradacji gleb. Projekt realizowany dla Urzędu Marszałkowskiego Województwa Małopolskiego miał na celu identyfikację obszarów, które w największym stopniu narażone są na degradację(erozję potencjalną, czyli taką, jaka miałaby miejsce na polu użytkowanym jako czarny ugór bez stosowania zabiegów przeciwerozyjnych oraz erozję aktualną, czyli z uwzględnieniem aktualnej struktury użytkowania i stosowanych zabiegów przeciwerozyjnych) przez co w pierwszej kolejności wymagają wdrożenia skutecznych metod ochrony gleb użytkowanych rolniczo. W projekcie wykorzystano wysokorozdzielcze zobrazowania satelitarne systemu RapidEye z lat 2010-2011 oraz cyfrowe ortofotomapy lotnicze (RGB). Dane teledetekcyjne poddano zaawansowanej technologicznie klasyfikacji obiektowej (ang. OBIA - Object Based Image Analysis) w oprogramowaniu eCognition (Trimble Geospatial) wspartej analizami przestrzennymi GIS. Ocenę nasilenia erozyjnej degradacji gleb województwa małopolskiego przeprowadzono w oparciu o modelowanie z wykorzystaniem algorytmu USLE (ang. Universal Soil Loss Equation). Jest to najszerzej rozpowszechniony na świecie model erozyjny. W latach 90-tych XX wieku powstała nowa (zmodyfikowana) wersja modelu do określania erozji gleb, tj. (R)USLE. Ocena zagrożenia gleb województwa małopolskiego w aspekcie erozji potencjalnej wykazała, iż jedynie 15% powierzchni terenów użytkowanych rolniczo w województwie nie jest w zasadzie zagrożone erozją wodną. Na obszarze 28.6% terenów rolnych występuje natomiast potencjalnie średnie lub większe zagrożenie erozyjne - mogące skutkować trwałą degradacją profilu glebowego. Tereny zagrożone występują w największym nasileniu w południowej - górzystej części województwa. Ocena przeprowadzona w aspekcie erozji aktualnej pokazuje jednocześnie, iż rzeczywisty aktualny poziom zagrożenia erozyjnego jest znacznie niższy od potencjalnego. Ponad 40% terenów rolniczych nie jest obecnie narażonych na występowanie zjawisk erozji wodnej gleb, a erozja na poziomie średnim lub wyższym stwierdzana jest dla 10% powierzchni tych obszarów. Oznacza to, iż sposób prowadzenia gospodarki rolnej w znacznym stopniu ogranicza występowanie zjawisk erozyjnych. Podsumowując w przypadku województwa małopolskiego zagrożenie erozyjne użytków rolnych należy ocenić jako średnio-wysokie i dość mocno zróżnicowane terytorialnie. Zastosowana metodyka prac poza dużą oszczędnością czasu jaką przyniosła klasyfikacja obiektowa (OBIA) wykazała także możliwość wykorzystania modelu erozji (R)USLE dla jednostek administracyjnych o znacznej powierzchni, takich jak: powiat czy województwo.
In 2011 the Marshal Office of Malopolska Voivodeship decide to evaluate the vulnerability of soils to water erosion for the entire region. The special work-flow of geoinformation technologies was used to fulfil this goal. First of all, the soil map had to be updated to include changes in land use and land cover which took place since 1960s, when most of them were made. The process of soil map updating had to be realised with very high degree of automation, because of the large area to be mapped (ca. 15 000 km sq.) and limited time period (ca. 3 months for complete erosion risk assessment). The approach used was based on the Object Based Image Analysis (OBIA) of orthophotomaps from both high resolution satellite images (RapidEye) and digital aerial photographs and applied GIS spatial analyses. Soil map with up-to-date land use and land cover information, together with rainfall data, detailed Digital Elevation Model and statistical information about areas sown with particular crops created the input information for erosion modelling in GIS environment. Soil erosion risk assessment was based on (R)USLE approach. Both, the potential and the actual soil erosion risk were assessed quantificatively and qualitatively. The soil erosion risk assessment for Malopolska Voivodeship showed that only 15% of the agricultural land in the region is generally free of the risk of water erosion. For the 28.6% of agricultural land the potential medium or higher risk of erosion exist - which can result in permanent degradation of the soil profile. The study was presented in forms of digital thematic maps and reports prepared for the entire area of Malopolska Voivodeship and each administrative district as well.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 24; 403-420
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Landscape monitoring of post-industrial areas using LiDAR and GIS technology
Monitorowanie terenów rekultywowanych z wykorzystaniem technologii LiDAR i GIS
Autorzy:
Wężyk, P.
Szostak, M.
Krzaklewski, W.
Pająk, M.
Pierzchalski, M.
Szwed, P.
Hawryło, P.
Ratajczak, M.
Powiązania:
https://bibliotekanauki.pl/articles/145493.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
ALS
vegetation parameters
post-lignite mining areas
reclamation
rekultywacja terenów pogórniczych
system GIS
zalesianie
Opis:
The quarrying industry is changing the local landscape, forming deep open pits and spoil heaps in close proximity to them, especially lignite mines. The impact can include toxic soil material (low pH, heavy metals, oxidations etc.) which is the basis for further reclamation and afforestation. Forests that stand on spoil heaps have very different growth conditions because of the relief (slope, aspect, wind and rainfall shadows, supply of solar energy, etc.) and type of soil that is deposited. Airborne laser scanning (ALS) technology deliver point clouds (XYZ) and derivatives as raster height models (DTM, DSM, nDSM=CHM) which allow the reception of selected 2D and 3D forest parameters (e.g. height, base of the crown, cover, density, volume, biomass, etc). The automation of ALS point cloud processing and integrating the results into GIS helps forest managers to take appropriate decisions on silvicultural treatments in areas with failed plantations (toxic soil, droughts on south-facing slopes; landslides, etc.) or as regular maintenance. The ISOK country-wide project ongoing in Poland will soon deliver ALS point cloud data which can be successfully used for the monitoring and management of many thousands of hectares of destroyed post-industrial areas which according to the law, have to be afforested and transferred back to the State Forest.
W wyniku działalności wydobywczej, w tym eksploatacji odkrywkowej, krajobraz naturalny zostaje całkowicie zmieniony, powstają wielkoobszarowe tereny bezglebowe w formie zwałowisk i wyrobisk. W celu powstrzymania degradacji środowiska oraz odtworzenia warunków przyrodniczych konieczne staje się objęcie tych terenów rekultywacją i zalesianiem, z uwzględnieniem różnych warunków wzrostu roślinności, wynikających z ukształtowania terenu (nachylenie, ekspozycja, kierunek wiatru i opadów, dopływ energii słonecznej, itp.) czy rodzaju gruntu. Technologia lotniczego skanowania laserowego (ALS) dostarcza chmury punktów (XYZ) oraz ich pochodne w postaci rastrowych modeli wysokości, które umożliwiają wyznaczenie wybranych parametrów 2D i 3D roślinności (np. wysokość drzewostanów i pojedynczych drzew, wysokość podstawy korony, zwarcie, biomasa, itp). Automatyzacja przetwarzania chmur punktów ALS i integracja wyników w systemach GIS pomaga w podejmowaniu decyzji, dotyczących zabiegów hodowlanych, także na obszarach szczególnie trudnych dla adaptacji roślinności (toksyczne gleby, susze na południowych stokach, obsunięcia ziemi). Ogólnokrajowy projekt ISOK jest źródłem danych pochodzących ze skanowania laserowego, które z powodzeniem mogą być używane do monitorowania i zarządzania wieloma tysiącami hektarów zniszczonych terenów poprzemysłowych, które zgodnie z prawem mają zostać zalesione i przekazane pod działanie Lasów Państwowych.
Źródło:
Geodesy and Cartography; 2015, 64, 1; 125-137
2080-6736
2300-2581
Pojawia się w:
Geodesy and Cartography
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-6 z 6

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies