DIGITALNA ARHIVA ŠUMARSKOG LISTA
prilagođeno pretraživanje po punom tekstu




ŠUMARSKI LIST 1-2/2018 str. 76     <-- 76 -->        PDF

se ističe u odnosu na vodu, izgrađeno zemljište ili neobrađeno zemljište moguće je zajedno s vizualnom analizom, zaključiti da se šuma nalazi u klasi 5 (plava boja). Iz tablice 6 vidljivo je da dolazi do povećanja površine šumskog područja. Povećanje se događa iz razloga što izoštravanjem Landsat 7 satelitske snimke dolazi do promjene prostorne razlučivosti snimke s 30 m na 15 m, čime je moguće kvalitetnije odrediti granice šumskog područja. Na temelju rezultata klasifikacije izvršila se usporedba površine svake klase te se na temelju dobivenih rezultata izabrala snimka s najviše različitim statističkim pokazateljima, ali vizualno najsličnija.
Na temelju informacija navedenih u prethodnom poglavlju može se zaključiti kao i kod Johnson (2014.), da je slika dobivena bikubičnom interpolacijom i metodom izoštravanja FIHS na temelju prethodno izoštrenih kanala vizualno slična i statistički najviše različita slika. Uzimajući u obzir navedenu tvrdnju kao i cilj fuzije snimki, zaključeno je kako je na temelju slike dobivene bikubičnom interpolacijom i metodom izoštravanja FIHS na temelju prethodno izoštrenih kanala moguće dobiti nove informacije. U ovom radu je zaključeno kao i kod Johnson (2014) kako je potrebno prvo izoštriti kanale satelitskih snimki, a tek tada izračunati vegetacijske indekse.
U ovome radu je također zaključeno kao i kod Shridhar i Alvarinho (2013) kako je vrlo važno odabrati algoritam za fuziju snimki, budući da će statistički kvaliteta snimke ovisiti o odabranom algoritmu.
ZAKLJUČAK
CONCLUSION
Usporedbom metoda fuzije snimki pokazano je da postoje jako male razlike između dobivenih slika. Usporedbom NDVI–a dobivenih na više načina zaključeno je kako je potrebno prvo izoštriti satelitske snimke raznih kanala, te zatim izračunati NDVI.
Klasificiranjem izoštrenih slika moguće je, pomoću statističkih pokazatelja i vizualne usporedbe odrediti koja slika zadovoljava tražene uvjete. Vizualno je potrebno da slika bude što sličnija referentnoj, dok s druge strane slika treba biti statistički najmanje slična referentnoj. Uspoređujući slike vizualno (slika 3), statistički na temelju tablice 5 i površinski na temelju tablice 6, može se zaključiti da slika dobivena bikubičnom interpolacijom i izoštravanjem metodom FIHS na temelju prethodno izoštrenih kanala daje najkvalitetnije rješenje. Tom slikom moguće je dobiti nove podatke, koje je potrebno procijeniti terenskim podacima kako bi se odredila njihova kvaliteta.
Daljnji postupak trebao bi biti promjena metode klasifikacije i prikupljanje podataka s terena da bi se kvalitetnije odredio postupak klasifikacije, kao i uporaba vremenskog niza podataka da bi se mogao usporediti vremenski trend između snimki i terenskih podataka.
ZAHVALA. Ovaj rad financirala je Hrvatska zaklada za znanost projektom AFORENSA I-2389-2015, br. projekta 1924.
LITERATURA
REFERENCES
Al-Wassai F. A., N. V. Kalyankar, A. A. Al-Zaky, 2011: Studying Satellite Image Quality Based on the Fusion Techniques. International Journal of Advanced Research in Computer Science, Volume 2(5): 354–362.
Alparone L., L. Wald, J. Chanussot, C. Thomas, P. Gamba, L. M. Bruce, 2007: Comparison of pansharpening algorithms: Outcome of the 2006 GRS-S data-fusion contest. IEEE Transactions on Geoscience and Remote Sensing, 45(10): 3012-3021.
Avery T. E., G. L. Berlin, 1992: “Fundamentals of remote sensing and airphoto interpretation”, Prentice Hall: 1-472, New Jersey
Bretschneider,T., O. Kao, 2000: Image fusion in remote sensing, In Proceedings of the 1st Online Symposium of Electronic Engineers: 1-8
Blum R. S., Z. Liu, 2005: Multi-sensor image fusion and its applications. CRC press: 1-528, Boca Raton
Epting J., D. Verbyla, B. Sorbel, 2005: Evaluation of remotely sensed indices for assessing burn severity in interior Alaska using Landsat TM and ETM+, Remote Sensing of Environment, 96(3): 328-339.
Gwet K. L., 2014: Handbook of inter-rater reliability: The definitive guide to measuring the extent of agreement among raters. Advanced Analytics, LLC: 1-428, Gaithersburg
Hall D., J. Llinas, 1997: An Introduction to Multisensor Data Fusion. Proceedings of the IEEE, Vol. 85(1): 6-23
Jawak S. D., A. J. Luis, 2013: A comprehensive evaluation of PAN-sharpening algorithms coupled with resampling methods for image synthesis of very high resolutionremotely      sensed satellite data. Advances in Remote Sensing 2013: 332-344
Johnson B., 2014: Effects of pansharpening on vegetation indices. ISPRS International Journal of Geo-Information, 3(2): 507-522.
Jones H. G., R. A. Vaughan, 2010: Remote sensing of vegetation: principles, techniques, and applications. Oxford university press: 1-384, New York
Krtalić A., 2014: Napredna daljinska istraživanja, predavanja, Sveučilište u Zagrebu, Geodetski fakultet, Zagreb
Meng Q., B. Borders, M. Madden, 2010: High-resolution satellite image fusion using regression kriging, International Journal of Remote Sensing, 31(7): 1857-1876.
Maglione P., C. Parente, A. Vallario, 2016: Pan-sharpening Worldview-2: IHS, Brovey and Zhang methods in comparison, Int. J. Eng. Technol, 8: 673-679.
Pellikka P., B. Clark, P. Hurskainen, A. Keskinen, M. Lanne, K. Masalin, P. Nyman-Ghezelbash, T. Sirviö, 2004: Land use change monitoring applying geographic information systems in the Taita Hills, SE-Kenya. In Proceedings of the 5th AARSE Conference: 18-21
Pettorelli N., J. O. Vik, A. Mysterud, J. M. Gaillard, C. J. Tucker, N. C. Stenseth, 2005: Using the satellite-derived NDVI to assess ecological responses to environmental change, Trends in ecology & evolution, 20(9): 503-510.