Slovenija je ena najbolj gozdnatih držav v Evropi. Organi gospodarjenja z gozdovi potrebujejo zanseljive informacije o obsegu in stanju gozda, saj je njihova odgovornost opazovanje in ohranjanje gozdov. Daljinsko zaznani podatki predstavljajo skupaj z metodami kartiranja ključno orodje za učinkovito in trajnostno gospodarjanje z gozdovi. Kljub veliki razpoložljivosti podatkov, primerne metode kartiranja še vedno predstavljajo velik izziv glede na njihovo hitrost, na katero pogosto vpliva velika količina podatkov. Hitrost klasifikacije lahko povečamo, če je vsak korak objektno usmerjene klasifikacije samodejen. Vendar pa je samodejnost težko doseči, saj segmentacija zahteva izbiro optimalnih vrednosti parametrov za optimalno klasifikacijo. V prispevku se osredotočimo na analizo učinkovosti segmentacije in klasifikacije in medsebojno korelacijo v razponu vrednosti segmentacije, ki smo jih uporabili v koraku segmentacije. Da bi ugotovili, katera prostorska ločljivost je še primerna za klasifikacijo gozda, smo primerjali natančnosti klasifikacije, pridobljene z uporabo štirih satelitskih posnetkov z različno prostorsko ločljivostjo. Rezultati študije kažejo, da so vse visoke ali zelo visoke prostorske ločljivosti primerne za optimalno segmentacijo in klasifikacijo gozda, dokler uporabimo ustrezne kombinacije parametrov segmentacije in združevanja. Če interval računanja vključuje vse kombinacije parametrov segmentacije, so vse korelacije segmentacija-klasifikacija neodvisne od prostorske ločljivosti in v splošnem visoke. Če interval računanja vključuje kombinacije parametrov prekomerne ali optimalne segmentacije, je večina korelacij segmentacija-klasifikacija odvisna od prostorske ločljivosti.
COBISS.SI-ID: 39585325
V prispevku je predstavljena popolnoma samodejna procesna veriga za ortorektifikacijo optičnih vzdolžnih senzorjev. Postopek je robusten in deluje brez poseganja operaterja od surovega posnetka do ortorektificiranega posnetka. Modularno je razdeljen na štiri korake: pridobivanje metapodatkov, samodejna izločitev oslonilnih točk, geometrično modeliranje in ortorektifikacija. Korak izločanje osloničnih točk kot referenco uporablja georeferenciran vektorski sloj cest in ustvari datoteko s seznamom točk ter njihovo oceno natančnosti. Fizični geometrični model temelji na kolinearnih enačbah in deluje na podlagi surovih satelitskih posnetkov. Položaj senzorja in odnose z odsekovnimi polinomskimi funkcijami drugega reda modelira v odvisnosti od časa zajema posnetka. Parametre zunanje orientacije ocenimo z metodo najmanjših kvadratov z uporabo robustne ocene za odstranjevanje grobo pogrešenih točk. Satelitski posnetki so ortorektificirani z uporabo digitalnega modela reliefa in umeščeni v državni koordinatni sistem. V članku je uporabnost metode predstavljena s testiranjem treh satelitskih posnetkov RapidEye, posnetih na območjih z različno terensko konfiguracijo. Za potrditev učinkovitosti in izboljšanje robustnosti postopka smo opravili številne teste. Z uporabo geometričnega modela smo dosegli podpikselsko natančnost na neodvisnih kontrolnih točkah, položajna natančnost ortorektificiranih posnetkov pa je približno en piksel. Predlagan postopek je splošen in je enostaven za prilagoditev na različnih senzorjih.
COBISS.SI-ID: 38502189
Kot odgovor na vse večje potrebe po samodejni in hitri obdelavi satelitskih posnetkov, smo razvili popolnoma samodejno procesno verigo za obdelavo satelitskih posnetkov STORM, ki izvaja vse procesne korake od surovih optičnih posnetkov (nivo 1) do posnetkov in ostalih produktov, pripravljenih za spletno distribucijo, brez posredovanja operaterja. Začetni razvoj je bil prilagojen visokoločljivim posnetkom RapidEye, razviti pa so bili vsi ključni in najbolj zahtevni deli načrtovane procesne verige: modul za samodejno ortorektifikacijo, ki temelji na modelu fizičnega senzorja in je podprt z algoritmom za samodejno zaznavanje oslonilnih točk; modul za atmosferske popravke; modul za topografske popravke, ki združuje fizikalni pristop z Minnaertovo metodo in uporabo anizotropnega modela osvetlitve; in moduli za proizvodnjo visoko kvalitetnih izdelkov. Različni deli procesne verige so bili implementirani tudi na posnetkih Worldview-2, THEOS, Pleiades, SPOT 6, Landsat 5-8 in PROBA-V. Članek se osredotoča na prilagoditev procesne verige STORM za visokoločljive večspektralne posnetke. Razvoj se je osredotočil na podmodul za samodejno zaznavo oslonilnih točk. Prvotno razvit in izveden dvo-stopenjski algoritem, ki je deloval zgolj na rasteriziranemu vektorskemu sloju cest in podal oslonilne točke s podpikselsko natančnostjo za posnetke RapidEye, je bil nadgrajen z uvedbo tretjega koraka: super-natančnega pozicioniranja posamezne oslonilne točke na podlagi izseka referenčnega rastra. Dodan korak izkorišča visoko prostorsko ločljivost referenčnega rastra za izboljšavo končnega ujemanja za dosego pikselske natančnosti tudi na visokoločljivih optičnih satelitskih posnetkih.
COBISS.SI-ID: 38464301