Generalizacja i ocena wyników klasyfikacji hybrydowej

W przypadku baz danych opracowywanych na podstawie zdjęć satelitar-nych wielkość przyjętej jednostki odniesienia jest zależna od rozdzielczości przestrzennej zdjęcia, od skali opracowania oraz celu, jakiemu ma służyć baza. W klasyfikacji wykonanej z zastosowaniem tradycyjnych metod rozpa-trywane są pojedyncze piksele bez analizy ich otoczenia. Można przyjąć, że

bezpośrednio po klasyfikacji jednostką odniesienia jest jeden piksel zdjęcia. W celu uzyskania wydzieleń o wielkości nie mniejszej od założonej jednostki odniesienia obraz klasyfikacyjny musi zostać przetworzony z zastosowaniem funkcji generalizacyjnych. W praktyce klasyfikacyjnej zagadnienie jednostki odniesienia jest najczęściej zaniedbywane, stosowane są jedynie filtry służące przede wszystkim do eliminacji pojedynczych pikseli o wartościach innych niż ich otoczenie.

W wykonanej klasyfikacji jako jednostkę odniesienia przyjęto 4 ha dla wszystkich klas oraz 1 ha dla klas związanych z zabudową i wodą. Wielkość przyjętych jednostek odniesienia wynika z założeń interpretacyjnych, według których w czasie interpretacji wizualnej można zdefiniować i rozpoznać obiekty o wymiarach 2x2 mm w skali mapy. Oznacza to, że w skali 1:100 000 (w skali interpretacji zdjęcia satelitarnego) można praktycznie rozpoznać po-wierzchnię o wielkości 4 ha. Natomiast zmniejszenie jednostki odniesienia w przypadku zabudowy i wody do 1 ha wynika z ważności tych klas, biorąc pod uwagę bazy danych o pokryciu i użytkowaniu ziemi. Pod względem liczby pikseli powierzchnie 4 ha i 1 ha odpowiadają 178 i 44 pikselom zdjęcia pan-chromatycznego zarejestrowanego skanerem ETM+.

Generalizację wykonano z zastosowaniem funkcji oprogramowania PCI Geomatica. Grupy jednakowych pikseli zajmujących powierzchnię mniejszą od jednostki odniesienia zostały dołączone do klasy o największej powierzch-ni, z którą posiadają wspólną granicę. Uzyskane wyniki przedstawiono w tabeli 10. Zamieszczono w niej powierzchnie poszczególnych klas po gene-ralizacji, ich procentowy udział w całkowitej powierzchni terenu badań oraz procentowy wskaźnik zmian ich powierzchni w porównaniu z danymi przed generalizacją.

Tabela 10. Wyniki klasyfikacji hybrydowej przed i po generalizacji KLASYFIKACJA

HYBRYDOWA

GENERALIZACJA

klasyfikacji hybrydowej ^ZMIANY

a) klasa ha % ha % ha % 1 zabudowa 2494,91 5,89 1683,34 3,97 -811,57 -32,53 2 grunty orne 8026,02 18,94 7453,98 17,59 -572,04 -7,13 3 łąki 11929,37 28,15 14243,42 33,60 2314,05 19,40 4 lasy liściaste 3433,48 8,10 3160,67 7,46 -272,81 -7,95 5 lasy iglaste 4330,24 10,22 4326,86 10,21 -3,38 -0,08 6 lasy mieszane 8748,41 20,64 8735,38 20,61 -13,03 -0,15 7 osadniki 3,46 0,01 0,00 0,00 -3,46 -100,00 8 wody 2446,16 5,77 2588,13 6,11 141,97 5,80 9 niesklasyfikowane 973,01 2,30 193,28 0,46 -779,73 -80,14 SUMA 42385,06 100,00 42385,06 100,00

Uzyskane wyniki generalizacji świadczą o dużym rozdrobnieniu rozpo-znanych klas w porównaniu z przyjętymi jednostkami odniesienia. Po-wierzchnia zabudowy zmalała aż o 32%, gdyż małe grupy pikseli tej klasy, mniejsze od 1 ha, zostały przyłączone do sąsiednich klas. Powierzchnia łąk wzrosła o ponad 19%, klasa „grunty orne” uległa zmniejszeniu o 7%, podob-nie stało się w przypadku klasy „lasy liściaste”, natomiast powierzchnia wód zwiększyła się o 5,8%. Najbardziej stabilnymi klasami okazały się „lasy igla-ste” i „lasy mieszane”. Zmiany ich powierzchni na poziomie 0,1% świadczą o występowaniu dużych skupisk pikseli tych klas o powierzchni powyżej 4 ha. W wyniku generalizacji przestała istnieć najmniej liczna klasa „osadni-ki”. Jednym z pozytywnych rezultatów generalizacji jest zmniejszenie liczby terenów niesklasyfikowanych o 80%, po generalizacji zajmują one jedynie 0,46% powierzchni obszaru badań.

Wynik klasyfikacji hybrydowej po generalizacji przedstawiony jest na rysunku 9. Wyraźnie widoczne są zmiany w porównaniu z obrazem klasyfi-kacji (rys. 8). Wizualna ocena zmian jest jedynie potwierdzeniem przedsta-wionych danych liczbowych. Przeprowadzona generalizacja w niektórych przypadkach uwydatniła również błędy klasyfikacji. Jest to szczególnie do-brze widoczne na przykładzie zabudowy, błędnie rozpoznanej wzdłuż ciągów komunikacyjnych oraz na granicach obszarów leśnych i rolniczych.

Rys. 9. Wynik klasyfikacji hybrydowej zdjęcia wykonanego skanerem ETM+ – po generalizacji

Rys. 10. Fragment obrazu klasyfikacji hybrydowej przed (górny) i po generalizacji (dolny)

Na rysunku 10 przedstawiony jest fragment klasyfikacji pikselowej przed i po generalizacji, na którym widoczne są zmiany struktur powierzchniowych i liniowych. Oba obrazy różnią się w sposób zasadniczy pod względem stop-nia szczegółowości oraz przebiegu niektórych granic klas. Jest to dobrze wi-doczne na przykładzie terenów związanych z rolnictwem. Występują również sytuacje generalizacji obiektów, które pozornie wydają się być większe od przyjętych jednostek odniesienia (1 ha – wody i zabudowa, 4 ha – pozostałe klasy). Sytuacje takie mają miejsce w przypadkach, gdy pojedyncze lub bar-dzo małe grupy pikseli, sklasyfikowane inaczej niż ich najbliższe otoczenie, układają się w struktury przerywające ciągłość większego obiektu. W ten

sposób mogą powstać obiekty o powierzchni mniejszej od jednostki odniesie-nia, które są przyłączane do sąsiednich klas w trakcie generalizacji. Niejedno-krotnie przerwanie ciągłości klas jest wynikiem błędnego rozpoznania. Na uwagę zasługuje zgeneralizowanie części kanału (Kanał Zegrzyński) przeci-nającego obraz. Jest to spowodowane pojedynczymi pikselami, które nie bę-dąc sklasyfikowane jako „wody”, przerwały ciągłość liniowej struktury i spowodowały przyłączenie fragmentu kanału do sąsiednich klas. Podobne sytuacje są widoczne w przypadku powierzchni leśnych. Niektóre z nich zo-stały przyłączone do sąsiednich terenów rolniczych wskutek przerwania ich ciągłości przez widoczne na zdjęciu granice obrębów sklasyfikowane inaczej niż otaczający je las.

Zastosowanie generalizacji doprowadziło do powstania znaczących zmian w obrazie klasyfikacyjnym, które z całą pewnością rzutują na wiarygodność koń-cowych danych. Wykonane porównanie wykazało, że zmiany wyników klasyfi-kacji dotyczą aż 26% terenu badań (dane zawarte w tab. 10 przedstawiają jedynie informacje ilościowe). Jest to związane z zastosowaniem jednostki odniesienia wielokrotnie większej od powierzchni reprezentowanej przez pojedynczy piksel obrazu. Z tego też względu w większości przypadków wyniki tradycyjnej klasy-fikacji są opracowywane z zastosowaniem jedynie filtrów wygładzających o wielkości okna 3x3 lub 5x5 pikseli. W ten sposób usuwane jest zjawisko tzw. pieprzu i soli – zmieniana jest wartość pojedynczych pikseli sklasyfikowanych inaczej niż ich najbliższe otoczenie. Taki sposób postępowania „wygładza” ob-raz, nie pozwala jednak na ujednolicenie stopnia jego szczegółowości przestrzen-nej, co jest bardzo istotne w przypadku wykorzystywania obrazu klasyfikacyjne-go jako źródła informacji zasilająceklasyfikacyjne-go bazę danych o zdefiniowanej wielkości jednostki odniesienia.

4. WYKORZYSTANIE METODY OBIEKTOWEJ