Android-приложение для поиска дешевых авиабилетов: play.google.com
Главная -> Дистанционное зондирование

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 [106] 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129

Округа, для которых были получены аэрофотоснимки, классифицировались с использованием обучающих статистик по этому округу. Округа, для которых не было аэрофотоснимков, лслассифицировались с помощью обучающих статистик с соседних или близлежащих округов, если область сбора статистических данных не превышала 100 км и если не надо было использовать еще один кадр данных.

При работе со спектральными классами, определенными с помощью кластерного анализа, аналитики обнаружили, что между спектральными классами и классами землепользования, определенными геологической службой США, не было однозначного соответствия. Точность результатов зависела от умения аналитика пополнять информацию, содержащуюся в спектральных данных, справочными данными различных видов. Например, хотя большинство классов I и II уровней были спектрально различимы, дифференциация таких категорий II уровня, как «лес» и «жилые районы», вызвала трудности. Поэтому во время жлассификации эти категории рассматривались как один класс - «лес», однако при окончательной подготовке результатов площади жилых районов, определенные по справочным данным, вычитались из класса «лес».

Проблемы, связанные с облаками, были неизбежны. Никогда нельзя было получить для всех шести округов данные Ландсат без облаков; и для классификации вместо них пришлось использовать данные из отчета «Инвентаризация в целях охраны природы». -Результаты табулирования данных других округов, для которых были получены классы «облаков» и «теней юблаков», корректировались на основе предположения, что клас-iCbi землепользования областей, покрытых облаками, и областей ез облаков находились в одинаковом соотношении.

Представление и оценивание результатов. Во время подготовки карт округов, содержащих цветокодиро-ванную информацию о классах землепользования I уровня, для получения разделения по цветовому признаку, необходимому для карт масштаба 1:215 000, использовалось цифровое лазерное печатающее устройство. На рис. VI.11 (между с. 32 и 33) .показана результирующая карта округа Виннебаго, штат Висконсин. Результаты табулирования (табл. VI.7) показывают площадь в акрах, гектарах и процентах каждой категории землепользования I и II уровней для округа. Статистические данные по площади округлялись до ближайшей единицы, составляющей 4 га (10 акров).

При инвентаризации землепользования на основе спутниковых данных разрешение сканера определяет, насколько подробной может быть инвентаризация. В случае Ландсат 1 разрешение было приблизительно равно 0,6 га. При выбранной схеме разбиения предусматривалась классификация только одной из четырех точек данных, поэтому действительная область, представленная каждой точкой данных, составляла 2,4 га.



Таблица VT7

Результаты классификации категорий землепользования 1 и II уровней

Округ Виннебаго, штат Висконсин

Площадь

в акрах

Уровень I

Уровень II

в гектарах

Уровень I

Уровень II

в процентах

Уровень I

Уровень II

Городские- коммерческие - индустриальные районы Жилые Коммерческие Сельскохозяйственные земли

Земли под сельскохозяйственными культурами, посаженными рядами

Земли, занимаемые часто посаженными сельскохозяйственными культурами Пастбища Леса

Земли, в основном не используемые

Вода

Болота

26,930

203,360

56,310 83,330

26,930

134,200

23,200

45,960 56,310

83,330

10,900

82,320

22,790 33,730

10,900

54,330

9,390

18,600 22,790

33,730

55,0

15,2 22,5

7,3;

36,3

6,3.

12,4 15,2:

22,5.

Всего

369,930 369,930

149,740 149,740

100,0

100,0-

Более высокую точность можно достигнуть, если иметь данные хорошего качества при высоком разрешении одновременно с соответствующими наземными данными.

Даже несмотря на то, что условия были не идеальными и проект надо было закончить как можно с меньшими затратами и в установленные сроки, можно сказать, что для инвентаризации землепользования больших областей, необходимой для удовлетворения конкретным информационным требованиям, выгодно использовать численный анализ многоспектральных сканерных данных.

Пример 2. Картографирование лесного покрытия в горных районах [13]

Требования и цели. Картографирование землепользования в горных районах связано с такими проблемами, с которыми не встречаются при картографировании равнинных областей. Сложные взаимодействия почв, топографии и климата определяют растительное покрытие поверхности Земли; а на вид и плотность растительности влияют различия (в зависимости от рельефа) в количестве выпавших осадков, солнечная радиация.



Крутизна и экспозиция лесного покрытия часто вызывают изменения спектральной отражательной способности, что затрудняет определение областей с однородными характеристиками.

Выполнимость проекта и его планирование. Первичные данные, которые использовались для картографирования, представляли собой многоспектральные сканерные данные, собранные Скайлаб 5 июня 1973 г. над горами Сан Хуан, расположенными в юго-западной части Колорадо (США). Б этом важном с экономической точки зрения районе по производству лесоматериалов распространение отдельного типа лесного покрытия обычно ограничивается определенными отметками высот; кроме того, в пределах этих высот на него влияет экспозиция склона (рис. VI.12). Поэтому для того, чтобы анализ был более успешным, топографические данные (высоты, крутизну и экспозицию склона) оцифровывали и совмещали с многоспектральными сканерными данными Скайлаб.

Широкий спектральный диапазон многоспектрального сканера Скайлаб впервые дал тот вид данных, который был необ-

3600

12000


1500

Распределение на склоне,обращенном к югу

Обозначение

Частота появления вида «ак функи,ии рельефа


Распределение на-скпоне, ойраш,енном к. cesepv

Puc~.Vl.l2. Распределение склона;» горах Сан-Хуан

видов деревьев как функции рельефа и экспозиции



0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 [106] 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129



0.0065
Яндекс.Метрика