H
hottej
Guest
О точности привязки и дешифрирования космических снимков
высокого разрешения.
С появлением на рынке доступных материалов космической съемки высокого разрешения на повестку дня встал вопрос о применении этих снимков для производства картографических материалов крупных масштабов. Действительно, если основная масса аэрофотосъемки до 2000 года производилась (для масштаба 1:2000) на фотоматериалах с разрешающей способностью 15 линий на миллиметр и при масштабе залета 1:4000, нетрудно посчитать, что даже самое тщательное сканирование этих материалов и перевод их в цифровой вид для последующего дешифрирования дает разрешение 27 сантиметров на пиксел.
С одной стороны, это более чем в 2 раза лучше данных от спутника Quick Bird, имеющего разрешение 61 сантиметр на пиксел, что дает возможность сторонникам аэрофотосъемки утверждать, что традиционные методы имеют явное преимущество перед использованием космической съемки.
Однако попробуем разобраться с истинной точностью пространственной привязки данных аэрофотосъемки и спутникового снимка. Аэрофотосъемка для крупных масштабов производится длиннофокусными объективами с высоты примерн в 1 км. При такой высоте отклонение оси объектива от надира всего в 1 градус дает смещение центра кадра почти 18 метров. В развитых странах для стабилизации оси объектива применяют гироплатформы, стоимость которых составляет миллионы долларов. В условиях же Украины судьба точности съемки находится целиком в руках пилота, а следовательно никак не контролируется, ибо никакое мастерство не позволяет вести легкий самолет в реальных атмосферных условиях с соблюдением параметров курса по крену и тангажу менее 3 градусов. Поэтому в результатте аэрофотосъемки получается набор кадров с разбросом центральных точек от линии курса до 50-70 м и с совершенно непредсказуемым и неучтенным азимутом и углом отклоненния от надира.
При последующей обработке, конечно же, кадры подвергаются трансформации, которая частично устраняет указанные ошибки, однако, как говорят американцы garbige in -garbige out -мусор на входе ничего кроме мусора на выходе дать не может. Очень хорошим подтверждением сказанному является факт, отмечаемый специалистами из разных городов, имеющими опыт одновременной обработки растровых картматериалов масштабов 1:2000 и 1:500. Очень часто при совмещении этих материалов обнаруживаются отклонения до 20 м. в местоположении одних и тех же объектов. Высказывались разные предположения - и неверно выполненная сеть сгущения, и просто некачественная работа геодезистов. А причина, на наш взгляд, в одном - традиционная аэрофотосъемка крупных масштабов просто по умолчанию не может быть привязана точнее 20 м по всей мозаике кадров. Поэтому в картматериалы масштаба 1:2000 изначально заложена такая точность. А картматериалы масштаба 1:500, которые, как правило, создаются методами инструментальной съемки, уже реально отображают ситуацию на местности. Отсюда и такие расхождения.
Теперь посмотрим, какую точность можно извлечь из мультиспектрального космического снимка высокого разрешения. Во первых, так называемая разрешающая способность, в нашем случае 61 см на пиксел, еще не есть предельной точностью привязки снимка и его дешифрирования. Методы субпиксельного дешифрирования разработаны уже 20 лет назад и широко применяются в медицинской и материаловедческой рентгенографии и ультразвуковой диагностике.
Не вдаваясь в подробности теории, которая доказывает, что цифровое изображение может быть дешифрировано до 1\10 пиксела, отошлем сомневающегося читателя к специальной литературе (в конце статьи). Обратная задача - субпиксельная печать - реализована практически во всех современных принтерах. Интересующиеся могут найти информацию в Интернете.
http://grc.com/ctontheweb.htm
В области же цифровой картографии и дистанционного зондирования Земли успешно применяется коммерческий программный продукт, с характерным названием Subpixel Analist, распространяемый фирмой Erdas (теперь Leiсa). Этот продукт позволяет достоверно распознавать информацию до 0.2 пиксела, а с использованием дешифрирования по косвенным признакам - и выше.
http://gis.leica-geosystems.com/Products/Imagine/add_ons/subpixel_classifier.asp
http://www.discover-aai.com/software/products/quanEval.htm
Следовательно, реально возможная точность привязки и дешифрирования мультиспектрального снимка, полученного со спутника Quick Bird составляет не хуже 10 см. Что и было доказано на практике при производстве работ по созданию карты г.Каменка Днепровская, Запорожской обл. В частности, при трансформировании снимка средствами Erdas, максимальная ошибка на более чем 120 точках составила 6 см. Сами же контрольные точки, снятые GPS Trimble 4600, при уравнивании их в качестве сети сгущения, имели максимальную ошибку уравнивания 1.4 см.
Конечно, для получения такой точности необходимо знать, что и как измерять в качестве контрольных точек и как их уравнивать. А также что такое дешифрирование космического снимка по прямым и косвенным признакам. И уметь программировать в ArcGIS 8.3, библиотека которой для работы с растром дает возможность реализовать алгоритмы субпиксельного анализа, модифицированные нами для задач градостроительного дешифрирования. Этому на Украине пока не учат. Да и мы не намерены делиться своим опытом бесплатно. Хотя следующий абзац поможет умному и вдумчивому читателю в практической деятельности по дешифрированию снимков и может быть расценен, как небольшое приоткрытие нашего know how.
Есть еще один фактор, который обуславливает неоспоримое преимущество применения космической информации перед аэрофотосъемкой. Грамотное использование метаданных спутникового снимка позволяет обойтись без стереофотограмметрии при его дешифрировании. Точное знание эфемерид спутника и Солнца на момент съемки, а также азимута и отклонения от надира съемочной оси сенсора позволяет определить этажность зданий и высоту прочих объектов (вплоть до столбов ЛЭП и деревьев), а также математически точно вычислить смещение крыш зданий относительно их фундаментов. Элементарная тригонометрия из школьного курса… Данные же по рельефу местности, позволяющие получить горизонтали с точностью 1 м. в настоящее время доступны в сети Интернет.
О сравнении стоимости получения данных аэрофотосъемки и космической информации, а также скорости их обработки в настоящее время тоже нет единого мнения. Реально космический снимок стоит в 5 раз дешевле и может быть обработан в 3 раза быстрее данных аэрофотосъемки (имеется в виду получение картматериалов М1:2000). Правда, в настоящее время компании, работающие в отживающих технологиях пытаются демпинговать, снижая цены ниже уровня рентабельности. Однако это не может не сказываться на и без того (как было доказано выше) невысоком качестве и точности карт.
А неквалифицированные выступления по поводу низкой точности космической съемки напоминают ропот гильдии извозчиков на заре развития автомобилестроения.
Таким образом, учитывая чрезвычайно низкий уровень картографической изученности Украины, делающий практически невозможным проведение честной земельной реформы, особенно в малых городах и селах, единственным выходом из создавшейся ситуации видится коренное изменение технологии изготовления крупномасштабных кадастровых карт. Эта технология должна быть основана на использовании космических снимков высогого разрешения и приборов спутниковой привязки геодезического класса точности.
Базарнова Н.В.
Куценко Т.А.
Лелюх С.А.
Чернов В.В
ГИС центр "Градостроитель"
Запорожье, 2004 год.
Литература:
Breiman, L., Friedman, J., Olshen, R. and Stone, C., 1984. Classification and Regression Trees. Chapman and Hall, New York, 358 pp.
Cialella, A.T., Dubayah, R., Lawrence, W. and Levine, E., 1997. Predicting Soil Drainage Class Using Remotely Sensed Data and Digital Elevation Data. Photogrammetric Engineering & Remote Sensing, 62(2): 171-178.
Civco, D.L. and Hurd, J.D., 1997. Impervious Surface Mapping for the State of Connecticut. Proceedings of the 1997 ASPRS Annual Conference, Seattle, WA, 3: 124-135.
Deguchi, C. and Sugio, S., 1994. Estimations for Percent Impervious Area by the Use of Satellite Remote Sensing Imagery. Water Science and Technology, 29(1-2): 135-144.
Hansen, M., Dubayah, R. and DeFries, R., 1996. Classification trees: an alternative to traditional land cover classifiers. International Journal of Remote Sensing, 17(5): 1075-1081.
Ji, M. and Jensen, J.R., 1999. Effectiveness of Subpixel Analysis in Detecting and Quantifying Urban Imperviousness from Landsat Thematic Mapper Imagery. Geocarto International, 14(4): 33-41.
Monday, H.M., Urban, J.S., Mulawa, D. and Benkelman, C.A., 1994. City of Irvine Utilizes High Resolution Multispectral Imagery for N.P.D.E.S. Compliance. Photogrammetric Engineering & Remote Sensing, 60(4): 411-416.
Phinn, S.R., Stanford, M., Shyy, P.T. and Murray, A., 2000. A Sub-Pixel Scale Approach for Monitoring the Composition and Condition of Urban Environments Based on the (VIS) Vegetation-Impervious-Surface Model, 10th Australasian Remote Sensing and Photogrammetry Conference (ARSPC), Adelaide, Australia.
Quinlan, J.R., 1993. C4.5 : programs for machine learning. Morgan Kaufmann series in machine learning. Morgan Kaufmann Publishers, San Mateo, CA, 302 pp.
Ragan, R.M. and Jackson, T.J., 1975. Use of Satellite Data in Urban Hydrologic Models. Journal of the Hydraulics Division, 101(HY12): 1469-1475.
Ridd, M.K., 1995. Exploring a V-I-S (vegetation-impervious surface-soil) model for urban ecosystem analysis through remote sensing: comparative anatomy for cities. International Journal of Remote Sensing, 16(12): 2165-2185.
Schueler, T.R., 1994. The Importance of Imperviousness. Watershed Protection Techniques, 1(3): 100-111.
Sleavin, W.J., Civco, D.L., Prisole, S. and Giannotti, L., 2000. Measuring Impervious Surfaces for Non-Point Source Pollution Modeling. Proceedings of the ASPRS Annual Conference May 22-26, 2000, Washington D.C.
Townsend, P.A., in review. Mapping seasonal flooding in forested wetlands using multi-temporal Radarsat SAR. submitted to: Photogrammetric Engineering & Remote Sensing.
Ward, D., Phinn, S.R. and Murry, A.T., 2000. Monitoring Growth in Rapidly Urbanizing Areas Using Remotely Sensed Data. Professional Geographer, 52(3): 371-386.
Williams, D.J. and Norton, S.B., 2000. Determining Impervious Surfaces in Satellite Imagery using Digital Orthophotography. Proceedings of the ASPRS Annual Conference May 22-26, 2000, Washington D.C.
"Subpixel Image Registration Using Circular Fiducials", with C. Gotsman, International
J. of Computational Geometry and Applications 4 (1994), 403-422
Local-Occlusion Driven Triangular Partitioning for Accurate Rendering
Hirokazu MATSUI(1), Yoshihiko NOMURA(1), and Seizo FUJII(2) ((1)School of Eng., Mie Univ., Tsu-shi 514-8507 Japan) ((2)Daido Institute of Technology, Nagoya-shi 457-8531 Japan) (Vol. J81-D-II, No. 10, pp. 2347-2356)
Smith, A. J., S. J. Goetz, S. D. Prince, R. Wright, B. Melchoir, E. M. Mazzacato, and C. Jantz. 2003.
Estimation of sub-pixel impervious surface area using a decision tree approach, Ikonos and Landsat
imagery. Remote Sensing of Environment
высокого разрешения.
С появлением на рынке доступных материалов космической съемки высокого разрешения на повестку дня встал вопрос о применении этих снимков для производства картографических материалов крупных масштабов. Действительно, если основная масса аэрофотосъемки до 2000 года производилась (для масштаба 1:2000) на фотоматериалах с разрешающей способностью 15 линий на миллиметр и при масштабе залета 1:4000, нетрудно посчитать, что даже самое тщательное сканирование этих материалов и перевод их в цифровой вид для последующего дешифрирования дает разрешение 27 сантиметров на пиксел.
С одной стороны, это более чем в 2 раза лучше данных от спутника Quick Bird, имеющего разрешение 61 сантиметр на пиксел, что дает возможность сторонникам аэрофотосъемки утверждать, что традиционные методы имеют явное преимущество перед использованием космической съемки.
Однако попробуем разобраться с истинной точностью пространственной привязки данных аэрофотосъемки и спутникового снимка. Аэрофотосъемка для крупных масштабов производится длиннофокусными объективами с высоты примерн в 1 км. При такой высоте отклонение оси объектива от надира всего в 1 градус дает смещение центра кадра почти 18 метров. В развитых странах для стабилизации оси объектива применяют гироплатформы, стоимость которых составляет миллионы долларов. В условиях же Украины судьба точности съемки находится целиком в руках пилота, а следовательно никак не контролируется, ибо никакое мастерство не позволяет вести легкий самолет в реальных атмосферных условиях с соблюдением параметров курса по крену и тангажу менее 3 градусов. Поэтому в результатте аэрофотосъемки получается набор кадров с разбросом центральных точек от линии курса до 50-70 м и с совершенно непредсказуемым и неучтенным азимутом и углом отклоненния от надира.
При последующей обработке, конечно же, кадры подвергаются трансформации, которая частично устраняет указанные ошибки, однако, как говорят американцы garbige in -garbige out -мусор на входе ничего кроме мусора на выходе дать не может. Очень хорошим подтверждением сказанному является факт, отмечаемый специалистами из разных городов, имеющими опыт одновременной обработки растровых картматериалов масштабов 1:2000 и 1:500. Очень часто при совмещении этих материалов обнаруживаются отклонения до 20 м. в местоположении одних и тех же объектов. Высказывались разные предположения - и неверно выполненная сеть сгущения, и просто некачественная работа геодезистов. А причина, на наш взгляд, в одном - традиционная аэрофотосъемка крупных масштабов просто по умолчанию не может быть привязана точнее 20 м по всей мозаике кадров. Поэтому в картматериалы масштаба 1:2000 изначально заложена такая точность. А картматериалы масштаба 1:500, которые, как правило, создаются методами инструментальной съемки, уже реально отображают ситуацию на местности. Отсюда и такие расхождения.
Теперь посмотрим, какую точность можно извлечь из мультиспектрального космического снимка высокого разрешения. Во первых, так называемая разрешающая способность, в нашем случае 61 см на пиксел, еще не есть предельной точностью привязки снимка и его дешифрирования. Методы субпиксельного дешифрирования разработаны уже 20 лет назад и широко применяются в медицинской и материаловедческой рентгенографии и ультразвуковой диагностике.
Не вдаваясь в подробности теории, которая доказывает, что цифровое изображение может быть дешифрировано до 1\10 пиксела, отошлем сомневающегося читателя к специальной литературе (в конце статьи). Обратная задача - субпиксельная печать - реализована практически во всех современных принтерах. Интересующиеся могут найти информацию в Интернете.
http://grc.com/ctontheweb.htm
В области же цифровой картографии и дистанционного зондирования Земли успешно применяется коммерческий программный продукт, с характерным названием Subpixel Analist, распространяемый фирмой Erdas (теперь Leiсa). Этот продукт позволяет достоверно распознавать информацию до 0.2 пиксела, а с использованием дешифрирования по косвенным признакам - и выше.
http://gis.leica-geosystems.com/Products/Imagine/add_ons/subpixel_classifier.asp
http://www.discover-aai.com/software/products/quanEval.htm
Следовательно, реально возможная точность привязки и дешифрирования мультиспектрального снимка, полученного со спутника Quick Bird составляет не хуже 10 см. Что и было доказано на практике при производстве работ по созданию карты г.Каменка Днепровская, Запорожской обл. В частности, при трансформировании снимка средствами Erdas, максимальная ошибка на более чем 120 точках составила 6 см. Сами же контрольные точки, снятые GPS Trimble 4600, при уравнивании их в качестве сети сгущения, имели максимальную ошибку уравнивания 1.4 см.
Конечно, для получения такой точности необходимо знать, что и как измерять в качестве контрольных точек и как их уравнивать. А также что такое дешифрирование космического снимка по прямым и косвенным признакам. И уметь программировать в ArcGIS 8.3, библиотека которой для работы с растром дает возможность реализовать алгоритмы субпиксельного анализа, модифицированные нами для задач градостроительного дешифрирования. Этому на Украине пока не учат. Да и мы не намерены делиться своим опытом бесплатно. Хотя следующий абзац поможет умному и вдумчивому читателю в практической деятельности по дешифрированию снимков и может быть расценен, как небольшое приоткрытие нашего know how.
Есть еще один фактор, который обуславливает неоспоримое преимущество применения космической информации перед аэрофотосъемкой. Грамотное использование метаданных спутникового снимка позволяет обойтись без стереофотограмметрии при его дешифрировании. Точное знание эфемерид спутника и Солнца на момент съемки, а также азимута и отклонения от надира съемочной оси сенсора позволяет определить этажность зданий и высоту прочих объектов (вплоть до столбов ЛЭП и деревьев), а также математически точно вычислить смещение крыш зданий относительно их фундаментов. Элементарная тригонометрия из школьного курса… Данные же по рельефу местности, позволяющие получить горизонтали с точностью 1 м. в настоящее время доступны в сети Интернет.
О сравнении стоимости получения данных аэрофотосъемки и космической информации, а также скорости их обработки в настоящее время тоже нет единого мнения. Реально космический снимок стоит в 5 раз дешевле и может быть обработан в 3 раза быстрее данных аэрофотосъемки (имеется в виду получение картматериалов М1:2000). Правда, в настоящее время компании, работающие в отживающих технологиях пытаются демпинговать, снижая цены ниже уровня рентабельности. Однако это не может не сказываться на и без того (как было доказано выше) невысоком качестве и точности карт.
А неквалифицированные выступления по поводу низкой точности космической съемки напоминают ропот гильдии извозчиков на заре развития автомобилестроения.
Таким образом, учитывая чрезвычайно низкий уровень картографической изученности Украины, делающий практически невозможным проведение честной земельной реформы, особенно в малых городах и селах, единственным выходом из создавшейся ситуации видится коренное изменение технологии изготовления крупномасштабных кадастровых карт. Эта технология должна быть основана на использовании космических снимков высогого разрешения и приборов спутниковой привязки геодезического класса точности.
Базарнова Н.В.
Куценко Т.А.
Лелюх С.А.
Чернов В.В
ГИС центр "Градостроитель"
Запорожье, 2004 год.
Литература:
Breiman, L., Friedman, J., Olshen, R. and Stone, C., 1984. Classification and Regression Trees. Chapman and Hall, New York, 358 pp.
Cialella, A.T., Dubayah, R., Lawrence, W. and Levine, E., 1997. Predicting Soil Drainage Class Using Remotely Sensed Data and Digital Elevation Data. Photogrammetric Engineering & Remote Sensing, 62(2): 171-178.
Civco, D.L. and Hurd, J.D., 1997. Impervious Surface Mapping for the State of Connecticut. Proceedings of the 1997 ASPRS Annual Conference, Seattle, WA, 3: 124-135.
Deguchi, C. and Sugio, S., 1994. Estimations for Percent Impervious Area by the Use of Satellite Remote Sensing Imagery. Water Science and Technology, 29(1-2): 135-144.
Hansen, M., Dubayah, R. and DeFries, R., 1996. Classification trees: an alternative to traditional land cover classifiers. International Journal of Remote Sensing, 17(5): 1075-1081.
Ji, M. and Jensen, J.R., 1999. Effectiveness of Subpixel Analysis in Detecting and Quantifying Urban Imperviousness from Landsat Thematic Mapper Imagery. Geocarto International, 14(4): 33-41.
Monday, H.M., Urban, J.S., Mulawa, D. and Benkelman, C.A., 1994. City of Irvine Utilizes High Resolution Multispectral Imagery for N.P.D.E.S. Compliance. Photogrammetric Engineering & Remote Sensing, 60(4): 411-416.
Phinn, S.R., Stanford, M., Shyy, P.T. and Murray, A., 2000. A Sub-Pixel Scale Approach for Monitoring the Composition and Condition of Urban Environments Based on the (VIS) Vegetation-Impervious-Surface Model, 10th Australasian Remote Sensing and Photogrammetry Conference (ARSPC), Adelaide, Australia.
Quinlan, J.R., 1993. C4.5 : programs for machine learning. Morgan Kaufmann series in machine learning. Morgan Kaufmann Publishers, San Mateo, CA, 302 pp.
Ragan, R.M. and Jackson, T.J., 1975. Use of Satellite Data in Urban Hydrologic Models. Journal of the Hydraulics Division, 101(HY12): 1469-1475.
Ridd, M.K., 1995. Exploring a V-I-S (vegetation-impervious surface-soil) model for urban ecosystem analysis through remote sensing: comparative anatomy for cities. International Journal of Remote Sensing, 16(12): 2165-2185.
Schueler, T.R., 1994. The Importance of Imperviousness. Watershed Protection Techniques, 1(3): 100-111.
Sleavin, W.J., Civco, D.L., Prisole, S. and Giannotti, L., 2000. Measuring Impervious Surfaces for Non-Point Source Pollution Modeling. Proceedings of the ASPRS Annual Conference May 22-26, 2000, Washington D.C.
Townsend, P.A., in review. Mapping seasonal flooding in forested wetlands using multi-temporal Radarsat SAR. submitted to: Photogrammetric Engineering & Remote Sensing.
Ward, D., Phinn, S.R. and Murry, A.T., 2000. Monitoring Growth in Rapidly Urbanizing Areas Using Remotely Sensed Data. Professional Geographer, 52(3): 371-386.
Williams, D.J. and Norton, S.B., 2000. Determining Impervious Surfaces in Satellite Imagery using Digital Orthophotography. Proceedings of the ASPRS Annual Conference May 22-26, 2000, Washington D.C.
"Subpixel Image Registration Using Circular Fiducials", with C. Gotsman, International
J. of Computational Geometry and Applications 4 (1994), 403-422
Local-Occlusion Driven Triangular Partitioning for Accurate Rendering
Hirokazu MATSUI(1), Yoshihiko NOMURA(1), and Seizo FUJII(2) ((1)School of Eng., Mie Univ., Tsu-shi 514-8507 Japan) ((2)Daido Institute of Technology, Nagoya-shi 457-8531 Japan) (Vol. J81-D-II, No. 10, pp. 2347-2356)
Smith, A. J., S. J. Goetz, S. D. Prince, R. Wright, B. Melchoir, E. M. Mazzacato, and C. Jantz. 2003.
Estimation of sub-pixel impervious surface area using a decision tree approach, Ikonos and Landsat
imagery. Remote Sensing of Environment