Informacja

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

Wyszukujesz frazę "Spectral Angle Mapper" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Analiza możliwości wykorzystania obrazów hiperspektralnych HySpex do inwentaryzacji drzewostanów leśnych Puszczy Białowieskiej
An analysis of use of hyperspectral images HySpex for an assessment of forest stand inventory in Bialowieza Forest
Autorzy:
Bartkowiak, P.
Osińska-Skotak, K.
Powiązania:
https://bibliotekanauki.pl/articles/132237.pdf
Data publikacji:
2016
Wydawca:
Polskie Towarzystwo Geograficzne
Tematy:
HySpex
Puszcza Białowieska
ENVI
Spectral Angle Mapper
detekcja gatunków drzew
Białowieża Forest
tree species detection
Opis:
W artykule przedstawiono analizę możliwości zastosowania zobrazowań hiperspektralnych HySpex do wykonania map rozmieszczenia poszczególnych gatunków drzewostanów leśnych, na przykładzie Puszczy Białowieskiej. W tym celu przeprowadzono kilka wariantów klasyfikacji przy użyciu metody Spectral Angle Mapper. Całą procedurę wykonano w oprogramowaniu ENVI 5.3 (Environmental for Visualizing Images), w module specjalnie dedykowanym danym hiperspektralnym. Metodyka badawcza obejmuje: wstępne przetwarzanie obrazów, tworzenie wzorców do klasyfikacji, procedurę klasyfikacji SAM i finalną ocenę dokładności uzyskanych wyników. Ostatecznie otrzymano mapy rozmieszczenia gatunków drzew w obrębie badanego szeregu hiperspektralnego. Dokładność map została oszacowana na podstawie danych pochodzących z opisów taksacyjnych. Ogólna dokładność klasyfikacji gatunków drzew na podstawie obrazów hiperspektralnych HySpex wyniosła ok. 77%. Najlepiej sklasyfikowane zostały olcha, sosna i dąb, w pozostałych przypadkach (brzoza i świerk) zaobserwowano zróżnicowane dokładności producenta i użytkownika, co może wynikać zarówno z charakteru drzewostanów leśnych, jak i pól testowych wykorzystanych do ceny dokładności wyników klasyfikacji. Na podstawie wygenerowanych map pokrycia terenu można wskazać obszary leśne o zróżnicowanym składzie gatunkowym fragmentu Puszczy Białowieskiej. Wykorzystanie danych teledetekcyjnych HySpex stanowi duży potencjał w zabiegach inwentaryzacyjnych lasu. Aktualizacja opisów taksacyjnych, modelowanie zjawisk czy symulacja scenariuszy dla obszarów leśnych technikami zdalnymi na potrzeby praktyki leśnej wydaje się technicznie i ekonomicznie uzasadnione.
This paper contains an analysis of use of hyperspectral images HySpex to create maps of tree species distribution within Bialowieza Forest. To this end, a couple of variants of image classification with the use of Spectral Angle Mapper (SAM) method were carried out. Whole procedure was conducted in ENVI software environment (Environmental for Visualizing Images) intended for this kind of dataset. In the beginning, the classification process involves the hyperspectral images pre processing and training samples collection. Next, SAM algorithm as well as an estimation of precision of the classification were performed. Finally, land cover layouts for tree species distribution within the extent of hyperspectral array were generated. The accuracy of tree species detection was estimated on the basis of data derived from forest taxations. Overall accuracies of classification based on HySpex imagery were approximately 77%. The highest possible precisions were obtained for alder, pine and oak tree stands. In other cases (birch and spruce) diversified results for producer’s and user’s accuracy were achieved, which could be explained by various kinds of forest stands and characteristics of test samples used for an assessment of image classification results. On the grounds of the land cover layouts it is workable to indicate forest areas with diversified tree species distribution within Bialowieza Forest. Furthermore, remote sensing data obtained with the use of HySpex scanner has a lot of potential in forest inventory. An actualization of inventory database, woodland modelling and simulations of forest phenomena seem to be technically and economically reasoned.
Źródło:
Teledetekcja Środowiska; 2016, 55; 27-44
1644-6380
Pojawia się w:
Teledetekcja Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analyzing the Impact of Simulated Multispectral Images on Water Classification Accuracy by Means of Spectral Characteristics
Analiza wpływu charakterystyki spektralnej symulowanych obrazów multispektralnych na dokładność klasyfikacji wody
Autorzy:
Głowienka, Ewa
Michałowska, Krystyna
Powiązania:
https://bibliotekanauki.pl/articles/385406.pdf
Data publikacji:
2020
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
symulacja spektralna
ALI
Spectral Angle Mapper (SAM)
obrazy hiperspektralne
obrazy multispektralne
spectral simulation
hyperspectral images
multispectral images
Opis:
Remote sensing is widely applied in examining the parameters of the state and quality of water. Spectral characteristics of water are strictly connected with the dispersion of electromagnetic radiation by suspended matter and the absorption of radiation by water and chlorophyll a and b. Multispectral sensor ALI has bands within the ranges of electromagnetic radiation: blue and infrared, absent in sensors such as Landsat, SPOT, or Aster. The main goal of the article was to examine the influence of the presence of these bands on water classification accuracy carried out for simulated images ALI, Landsat, Spot, and Aster. The simulation of images was based on the hyperspectral image from a Hyperion sensor. Due to the spectral properties of water, all the operations on the images were carried out for the set of bands in visible and near-infrared (VNIR) spectral range. In the framework of these studies, the impact of removing individual bands or sets of bands on the classification results was tested. Tests were carried out for the area of the water body of the Dobczyce Reservoir. It was observed that the lack of a spectral response in the infrared range of ALI image can reduce the accuracy of a classification by as much as 60%. On the other hand, the lack of blue and red bands in the dataset for the classification decreased the accuracy of water classification by 15% and 10%, respectively.
Teledetekcja jest szeroko wykorzystywana w badaniu parametrów stanu oraz jakości wody. Charakterystyka spektralna wody jest ściśle związana z rozpraszaniem promieniowania elektromagnetycznego przez materię zawieszoną oraz absorpcją promieniowania przez wodę i chlorofil a i b. Multispektralny sensor ALI wyposażony jest w kanały w zakresach promieniowania elektromagnetycznego niebieskiego i czerwonego, których nie mają sensory, np. Landsat, SPOT czy Aster. Głównym celem artykułu było zbadanie, jak wpływa obecność tych kanałów na dokładność klasyfikacji wody przeprowadzonej na symulowanych obrazach ALI, Landsat, Spot i Aster. Symulację obrazów wykonano na podstawie hiperspektralnego obrazu z sensora Hyperion. Ze względu na właściwości spektralne wody wszystkie operacje na obrazach wykonywane były dla zakresu VNIR. Przetestowano wpływ na wyniki klasyfikacji usuwania pojedynczych kanałów lub zestawów kanałów symulowanych obrazów. Testy wykonano dla obszaru Dobczyckiego Zbiornika Wodnego. Zaobserwowano, że brak odpowiedzi spektralnej w zakresie podczerwonym obrazu ALI może obniżyć dokładność klasyfikacji nawet o 50%. Natomiast brak w zestawie danych do klasyfikacji kanału z zakresów niebieskiego i czerwonego powoduje obniżenie dokładności klasyfikacji wody odpowiednio 15% i 10%.
Źródło:
Geomatics and Environmental Engineering; 2020, 14, 1; 47-58
1898-1135
Pojawia się w:
Geomatics and Environmental Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Assessment of Imaging Spectroscopy for rock identification in the Karkonosze Mountains, Poland
Autorzy:
Mierczyk, Monika
Zagajewski, Bogdan
Jarocińska, Anna
Knapik, Roksana
Powiązania:
https://bibliotekanauki.pl/articles/1035939.pdf
Data publikacji:
2016
Wydawca:
Uniwersytet Warszawski. Wydział Geografii i Studiów Regionalnych
Tematy:
Rock identification
Imaging Spectroscopy
APEX hyperspectral airborne imagery data
Spectral Angle Mapper
Linear Spectral Unmixing
Matched Filtering
Opis:
Based on laboratory, field and airborne-acquired hyperspectral data, this paper aims to analyse the dominant minerals and rocks found in the Polish Karkonosze Mountains. Laboratory spectral characteristics were measured with the ASD FieldSpec 3 spectrometer and images were obtained from VITO’s Airborne Prism EXperiment (APEX) scanner. The terrain is covered mainly by lichens or vascular plants creating significant difficulties for rock identification. However, hyperspectral airborne imagery allowed for subpixel classifications of different types of granites, hornfels and mica schist within the research area. The hyperspectral data enabled geological mapping of bare ground that had been masked out using three advanced algorithms: Spectral Angle Mapper, Linear Spectral Unmixing and Matched Filtering. Though all three methods produced positive results, the Matched Filtering method proved to be the most effective. The result of this study was a set of maps and post classification statistical data of rock distribution in the area, one for each method of classification.
Źródło:
Miscellanea Geographica. Regional Studies on Development; 2016, 20, 1; 34-40
0867-6046
2084-6118
Pojawia się w:
Miscellanea Geographica. Regional Studies on Development
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    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