PANNON EGYETEM
ÁLLAT- ÉS AGRÁRKÖRNYEZET-TUDOMÁNYI DOKTORI ISKOLA
Doktori Iskola vezető:
Dr. Anda Angéla az MTA Doktora
HIPERSPEKTRÁLIS FELVÉTELEK FELDOLGOZÁSÁNAK ÉS MEZŐGAZDASÁGI ALKALMAZÁSÁNAK VIZSGÁLATA
Doktori (PhD) értekezés
Készítette:
KOZMA-BOGNÁR VERONIKA
Témavezető: Dr. Anda Angéla, egyetemi tanár Konzulens: Dr. Berke József, főiskolai tanár
Keszthely 2012
2
HIPERSPEKTRÁLIS FELVÉTELEK FELDOLGOZÁSÁNAK ÉS MEZŐGAZDASÁGI ALKALMAZÁSÁNAK VIZSGÁLATA
Értekezés doktori (PhD) fokozat elnyerése érdekében Írta:
Kozma-Bognár Veronika
Készült a Pannon Egyetem Állat-és Agrárkörnyezet-tudományi Doktori Iskola keretében
Témavezető: Dr. Anda Angéla
Elfogadásra javaslom (igen / nem)
...
(aláírás)
A jelölt a doktori szigorlaton ... % -ot ért el.
Az értekezést bírálóként elfogadásra javaslom:
Bíráló neve: ... ... igen /nem
...
(aláírás) Bíráló neve: ... ... igen /nem
...
(aláírás)
A jelölt az értekezés nyilvános vitáján ...% - ot ért el.
Keszthely, ...
a Bíráló Bizottság elnöke
A doktori (PhD) oklevél minősítése...
...
Az EDHT elnöke
3
TARTALOMJEGYZÉK
Kivonat ... 5
Abstract ... 6
Auszug ... 7
1. BEVEZETÉS ... 8
2. IRODALMI ÁTTEKINTÉS ... 10
2.1. A hiperspektrális távérzékelés történeti háttere ... 10
2.1.1. Nemzetközi hiperspektrális távérzékelés ... 10
2.1.2. Magyarországi hiperspektrális távérzékelés ... 12
2.2. A hiperspektrális távérzékelés fizikai alapjai ... 16
2.2.1. Sugárzási források és törvények ... 16
2.2.2. Atmoszférikus hatások ... 17
2.2.3. Földfelszíni kölcsönhatások ... 19
2.2.4. Detektorokat érő sugárzás ... 22
2.3. A hiperspektrális felvétel fogalma ... 24
2.4. A hiperspektrális szenzorok ... 26
2.5. A hiperspektrális légi távérzékelés folyamata ... 30
2.5.1. Hiperspektrális felvételezés tervezése és végrehajtása ... 30
2.5.2. Hiperspektrális adatfeldolgozás ... 34
2.6. A hiperspektrális távérzékelés alkalmazási területei ... 38
2.6.1. Nemzetközi alkalmazások ... 38
2.6.2. Magyarországi felhasználási területek ... 42
3. ANYAG ÉS MÓDSZER ... 48
3.1. A vizsgálati terület bemutatása ... 48
3.2. Hiperspektrális légifelvételezések ... 50
3.2.1. AISA Dual hiperspektrális érzékelő ... 50
3.2.2. A hiperspektrális légifelvételezések lebonyolítása ... 54
3.2.3. A hiperspektrális felvételek feldolgozása ... 58
3.2.3.1. Előfeldolgozás ... 58
3.2.3.2. Főfeldolgozás ... 65
3.2.3.3. Utófeldolgozás ... 71
3.3. Terepi adatgyűjtések ... 72
3.4. Spektrális fraktáldimenzió alapú vizsgálatok ... 76
3.4.1. Spektrális fraktáldimenzió mérése ... 76
4
3.4.2. Spektrális fraktáldimenzió alkalmazási lehetőségei ... 79
3.5. Vörös-él inflexiós pontra vonatkozó vizsgálatok ... 80
4. EREDMÉNYEK ... 83
4.1. Zajos sávok meghatározása SFD ujjlenyomatok alapján ... 83
4.2. Földhasználati módok meghatározása SFD ujjlenyomatok alapján ... 88
4.3. Optimális sávok kiválasztása SFD ujjlenyomatok alapján ... 92
4.4. Hiperspektrális osztályozó eljárások összehasonlítása ... 97
4.5. Vörös-él inflexiós pont meghatározása ... 104
5. KÖVETKEZTETÉSEK ÉS JAVASLATOK ... 108
6. ÚJ TUDOMÁNYOS EREDMÉNYEK ... 111
7. THESIS ... 113
ÖSSZEFOGLALÓ ... 115
KÖSZÖNETNYILVÁNÍTÁS ... 117
AZ ÉRTEKEZÉS TÉMAKÖRÉBEN MEGJELENT TUDOMÁNYOS KÖZLEMÉNYEK .. 118
IRODALOMJEGYZÉK ... 122
MELLÉKLETEK ... 140
5
KIVONAT
Hiperspektrális felvételek feldolgozásának és mezőgazdasági alkalmazásának vizsgálata
Hazánkban az elmúlt évtizedben végbemenő hiperspektrális technológiai fejlesztéseknek köszönhetően a kutatási alkalmazások területén egyre inkább központi témává vált a többsávos feldolgozások eredményre gyakorolt hatásának vizsgálata. A disszertáció célja a hiperspektrális adatfeldolgozás folyamatának áttekintése AISA Dual légifelvételek felhasználásával. A szerző választ keresett arra, hogy melyek a kulcsfontosságú problémák hiperspektrális adatok feldolgozása során és ezek lehetséges megoldásaira is rámutat.
Figyelembe véve a különböző zajtípusokkal terhelt felvételeket, az adatredukciós eljárások nagymértékben hozzájárulnak a hiperspektrális adatkocka információtöbbletének kiaknázásához. Az osztályozási módszerek előfeldolgozás érzékenységét előtérbe helyezve összehasonlító elemzésekkel a szerző meghatározza az egyes feldolgozási szakaszok legoptimálisabb kiértékelési sorrendjét. Mindezekből kiindulva a vörös-él inflexiós pont feltérképezésében is jelentős előrelépéseket tesz. A doktori értekezés hozzájárulhat a célorientált hiperspektrális adatelemzések megfelelő megválasztásához, valamint új fejlesztési irányvonalak meghatározásához.
6
ABSTRACT
Investigation of Hyperspectral Image Processing and Application in Agriculture
Thanks to the hyperspectral technology development during the past decades, the implementation of the impact of hyperspectral imaging became a core topic of the applied research. The purpose of the Thesis was to review the acquisition of hyperstpectral data by using the AISA Dual airbone images. The author intended to find out the key problems arising in the course of hypespectral data processing, together with providing the possible solutions. Taking into account the images loaded with noises, the data reductive procedure contributes to the exploitation of the extra information of hyperspectral data cube. Putting forward the sensitivity of pre-procession classification methods in comparative investigations, the most accurate evaluation order of the stages was also determined.
Proceeding from the above mentioned thinks, she also advanced in mapping the Red Edge Inflection Point. The Thesis may attribute to the proper aim-oriented selection of hyperspectral data processing as well as of determination of new innovation policies.
7
AUSZUG
Die Untersuchung der Verarbeitung und Landwirtschaftliche Anwendung von hyperspektralen Aufnahmen
Dank der im letzten Jahrzehnt in Ungarn vollziehenden Entwicklungen in hyperspektrale Technologie kam es im Gebiet der Forschung mehr und mehr die Untersuchung der mehrspurigen Datenverarbeitung und deren Auswirkungen auf die Erträge als Hauptthema auf. Der Ziel dieser Dissertation ist eine Übersicht des Verfahrens der hyperspektralen Datenverarbeitung mit Verwertung von AISA Dual Luftaufnahmen. Die Verfasserin suchte Antwort darauf was die wichtigsten Probleme bei der Verarbeitung von hyperspektralen Daten und weist auf deren möglichen Lösungen hin. Unter Berücksichtigung der, mit unterschiedlichen Störtypen belastenden Aufnahmen, können die Datenreduktionsverfahren erheblich dazu beitragen die zusätzlichen Informationen des hyperspektralen Datenwürfels auszubeuten. Mit Betonung der Sensibilität der Vorverarbeitung der Methoden der Klassifizierung bestimmt die Verfasserin mit Vergleichsanalysen die optimale Auswertungsreihenfolge der einzelnen Verarbeitungsstufen. Von darausgehend kann in der Erkundung des „Red Edge Inflexion Point” erhebliche Fortschritte machen. Diese Dissertation kann dazu beitragen bei der richtigen Auswahl von zielorientierten Hyperspektraldatenanalysen zu helfen, sowie neue Entwicklungsrichtlinien zu bestimmen.
8
1. BEVEZETÉS
A 21. századra jellemző rohamosan növekvő információ-technológiai fejlesztések a távérzékelés tudományterületére is nagymértékben rányomták bélyegüket. Az utóbbi években a távérzékelési technológiák fejlődése a többsávos és nagyfelbontású légi- és űrfelvételek alkalmazása, valamint az aktív módszereken belül a lézeres felmérési technológiák felé irányult. Ezen korszerű technológiák új távlatokat nyitottak a felszíni objektumokról gyűjthető adatok mennyisége és pontossága szempontjából. Napjainkra a többsávos távérzékelési módszerek közül egyre szélesebb körben alkalmazott a hiperspektrális adatgyűjtés, amely az elmúlt évtizedben a távérzékelés leggyorsabban fejlődő területévé vált. Kiválóan alkalmazzák olyan kutatási területeken, ahol a megfelelő szintű eredmény elérése érdekében nagy spektrális felbontású felvételekre van szükség. A hiperspektrális technológia alkalmazásával – a nagyobb spektrális és térbeli felbontásnak köszönhetően - a hagyományos légi felvételezési technikákhoz (RGB-, multispektrális felvételek) képest megbízhatóbb információkat kapunk a földfelszín állapotáról, a lezajló folyamatokról, jelenségekről. A gyűjtött adatokat kiegészítve aktív (radar) távérzékelési adatokkal, megfelelő precizitású földi (terepi) információkkal, napjaink egyik leghatékonyabb és legmegbízhatóbb adatforrását kapjuk.
Örvendetes tény, hogy hazánk a hiperspektrális technológiák alkalmazásában világviszonylatban vezető szereppel bír, és elismertek a módszertani fejlesztések is. A jelenlegi gyakorlat azonban azt mutatja, hogy az adatok gyűjtése fejlettebb szinten áll, mint azok feldolgozása, hasznosítása. Annak ellenére, hogy a világban számos hiperspektrális képalkotó berendezés került bevezetésre, az ilyen jellegű többsávos, integrált felvételek feldolgozását támogató programok köre elég korlátozott. Számos térinformatikai szoftver esetében a főbb képfeldolgozási módszerek a már meglévő multispektrális felvételeknél alkalmazott eljárások adaptálásával kerültek kifejlesztésre. A multi- és hiperspektrális technológiákból adódó különbözőségekből eredően (pl.: csatornák sávszélességének eltérése) megkérdőjelezhető ezen eljárások pontossága.
Az érzékelők technikai fejlődését a feldolgozási módszerek és az alkalmazások jelentős késése követi, ezért indokolttá vált a meglévő eljárások pontosítása, új eljárások, módszerek kifejlesztése, valamint a gyakorlati alkalmazások (mezőgazdaság, környezetvédelem) lehetőségeinek bővítése.
9
Kutatásaim során elsősorban a technológiához kapcsolódó már meglévő módszerek vizsgálatát és új módszerek kidolgozását tűztem ki célul, a légi hiperspektrális felvételek felhasználásával elsősorban mezőgazdasági alkalmazásokra vonatkoztatva.
Célkitűzéseim:
• Hiperspektrális információk együttes feldolgozása, gyakorlati módszerek pontosítása.
• Spektrális és szerkezeti vizsgálatok digitális képfeldolgozás osztályozási eljárásainak felhasználásával.
• Hiperspektrális érzékelők által szolgáltatott adatok, mezőgazdaságban közvetlenül felhasználható területeinek kutatása.
• A kapott eredmények összehasonlító elemzése multispektrális diagnosztikai módszerekkel.
A fenti célkitűzések megvalósítása érdekében a disszertációmban a klasszikus eljárások eredményeinek ismertetése mellett egy teljesen újszerű módszer által szolgáltatott információ adta lehetőségek bemutatására koncentrálok, amely a képi adatok spektrális fraktálszerkezetének vizsgálatára épül. Négy (zajszűrés, adat optimalizálás, osztályozás és vörös-él inflexiós pont meghatározás) látszólag különálló területen történő alkalmazással bizonyítani szeretném az eljárás hatékonyságát, és emellett az egyes képi adatfeldolgozási területek kapcsolatát, kultúrnövényeken történő kontrollált vizsgálatok referencia adatainak felhasználásával.
Megítélésem szerint ezen eredmények jelentős előrelépést jelenthetnek a integrált hiperspektrális adatfeldolgozás és az adatszerkezet vizsgálat területén. A doktori értekezés nagymértékben hozzájárulhat a célorientált hiperspektrális adatelemzések megfelelő szintű megválasztásához, valamint új fejlesztési irányvonalak meghatározásához.
10
2. IRODALMI ÁTTEKINTÉS
2.1. A hiperspektrális távérzékelés történeti háttere 2.1.1. Nemzetközi hiperspektrális távérzékelés
Az első „távérzékelési” felvételeket az 1800-as évek közepe táján készítették galambokra vagy papírsárkányokra szerelt fényképezőgépekkel (Aronoff, 2005). A legkorábbi dokumentált légifelvétel egy francia fényképész Gaspard Felix Tournachorn (Nadar) nevéhez kötődik, aki hőlégballonját használta fel a légifelvételek elkészítéséhez.
(Baumann, 2001; Estes és Hemphill, 2005). Néhány év múlva Észak-Amerikában is elterjedt (US Army) technológiává vált a légifelvételezés, melyet később az Amerikai Polgárháborúban is alkalmaztak (Szatmári és Bódis, 2004). A következő nagyobb áttörést a repülőgépek megjelenése hozta az 1900-as évek kezdetén. A légi közlekedés biztonságossá válásával elkerülhetetlen volt a távérzékelés megjelenése, melynek főként katonai célú felhasználása vált általánossá. Eleinte csak fekete-fehér (monokróm vagy pankromatikus) képeket alkalmaztak, majd a fényképezés fejlődésének köszönhetően, azzal párhuzamosan, a látható fény teljes tartományát felbontották három alapszínre és megjelentek a színes felvételek. A távérzékelési módszerek szélesebb körű gyakorlati alkalmazásának kezdete a II. világháború idejére tehető. A Kodak a II. világháború alatt dolgozta ki háborús célokra a közeli infravörös sávra érzékeny filmeket, a zöldre festett katonai objektumok és a valódi növényzet megkülönböztetésére. Ebben az időszakban a légifelvételek kiértékelése még vizuális és optikai módszerekkel történt. A ’60-as években a digitális technika újabb változást hozott a távérzékelés területén, megkezdődött a képkiértékelésben a számítógépek alkalmazása. A jelentős technológiai fejlődés lehetővé tette a termális infravörös és a mikrohullámú tartományban is érzékelő eszközök nem csupán katonai célú alkalmazását is. Több szakember (Csornai és Dalia, 1991; Csató, 2000) ezt az időszakot jelöli meg a modern távérzékelés kezdetének, amikor az erőforrás- megfigyelő műholdak pályára állítása elkezdődött. A Szovjetunió 1957-ben pályára állította a Sputnik műholdat, 1958-ban az USA-ban pedig létrehozták a NASA (National Aeronautics and Space Administration = Nemzeti Légügyi és Űrhajózási Igazgatóság) központot (Landgrebe, 2003). A NASA és az US DoD (Department of Defense:
Nemzetvédelmi Minisztérium) ebben az időszakban nagymértékben támogatta a távérzékelési rendszerfejlesztéseket a földfelszín objektumainak és jellemzőinek felderítése céljából (Borengasser et al., 2008).
11
Egy évtized elteltével megjelentek a polgári célokra is felhasznált műholdak. Az 1970-es években a földfelszínt kutató műholdak alkalmazásával együtt kezdték el a távérzékelés kifejezést használni (Belényesi et al., 2008). Az első ilyen műhold az ERTS-1 volt, melynek fellövése (1972-ben) nagy előrelépést jelentett a széles körű alkalmazások irányába (Landsat hivatalos weboldal). Bár már a hagyományos színes felvételeket is több hullámhosszon történő képalkotásnak tekinthetjük, mégis ebben az időszakban terjedtek el a multispektrális távérzékelési módszerek. A Landsat-1-ként elhíresült rendszer alapvető célja a földfelszín távérzékelési és térképészeti felderítése volt, az első olyan képalkotó berendezésként, amely digitális formájú multispektrális adatokat állított elő.
Ezt követően, az érzékelők technikai fejlődésével az elkülöníthető hullámhosszok száma nőtt, a spektrális csatornák sávszélessége csökkent, megvalósítva ezzel a hiperspektrális távérzékelés technológiai alapjait (Hargitai, 2006). A hiperspektrális eljárást eredetileg idegen égitestek felszínének geokémiai vizsgálatára dolgozták ki (Schenk et al., 2001). A földfelszíni alkalmazásokban elsőként használt hiperspektrális szenzorok az 1980-as években jelentek meg (pl. AVIRIS = Airborne Visible/Infrared Imaging Spectrometer), főként geológiai ásványkincs kutatások céljából (Goetz et al.,1985; Zheng et al., 2001) A
’90-es években a technológiai fejlesztések tovább bővültek, és már nemcsak védelmi és kereskedelmi célokat szolgáltak ki. A századforduló környékén a mesterséges műholdakon elhelyezett érzékelők, mint a 1999-ben fellőtt MODIS (Moderate Resolution Imaging Spectroradiometer) vagy a 2002-ben fellőtt HYPERION környezetvédelemi, mezőgazdasági, erdőgazdasági hasznosítása vált általánossá (Gyulai, 2008). A hiperspektrális szenzorok fejlődését azóta rendkívül nagymértékű dinamikus változás jellemzi (Itten és Nike, 2010), melynek köszönhetően a szolgáltatott információk tartalma növekedett, és vele együtt az alkalmazások köre is bővült. (A szenzorok és alkalmazások külön alfejezetekben kerülnek kifejtésre.)
Az elmúlt évtizedben az Európai Unióban több légi hiperspektrális szenzort fejlesztettek ki (AISA, APEX, ARES stb.), melyek létrejöttével számos kezdeményezés indult új módszertani kutatásokra. Interdiszciplináris kutató közösség létrehozása volt a célja a Framework 6 Program keretében 2007-2010 időszakban futó Hyperspectral Imaging Network (HYPER-I-NET) projektnek. A négy év alatt a HYPER-I-NET Nyári Egyetem keretében összegyűjtött olyan egyetemi hallgatókat, doktoranduszokat, posztdoktorokat valamint fiatal kutatókat, akik érdeklődtek a képalkotó spektroszkópia iránt. A képzések alkalmával a résztvevők megismerkedhettek a hiperspektrális technológia egyes kiemelt
12
részterületeivel (pl. adatfeldolgozás, kalibráció, alkalmazások), és szakértők által megtartott előadásokat hallgathattak (Hyperspectral Imaging Network weboldal).
A hiperspektrális adatok hozzáférhetőségének javítása érdekében elkészült a HYRESSA (Hyperspectral Remote Sensing in Europe – specific Support Actions) projekt, amely a hiperspektrális távérzékelési adatok szolgáltatóinak és felhasználóinak igényét mérte fel. A 2 éves projekt eredményeképpen megállapításra került, hogy európai szinten jelentős és sürgős igény mutatkozik egy továbbfejlesztett kutatói hálózat kiépítése iránt, amely megoldást keres az új távérzékelési adatok feldolgozási problémáira (Nieke és Reusen, 2007). Megerősítve és támogatva ezzel a piac keresleti és kínálati oldalát egyaránt, oly módon hogy a meglévő protokollokkal, standardokkal történő megfelelősége megmaradjon (pl. Inspire).
A hiperspektrális technológia szakterületén bekövetkezett jelentős változások 2009 óta minden évben bemutatásra kerülnek a WHISPERS workshop-on. A konferencia célja összekapcsolni azon embereket, akik a hiperspektrális adatok szolgáltatásában, feldolgozásában, és alkalmazásaiban végzik kutatásaikat. Az állandóan új helyszínen megrendezésre kerülő rendezvényen a világ több országából érkeznek szakemberek, hogy bemutassák eddig elért eredményeiket, valamint szakmai eszmecsere keretében megvitathassák tapasztalataikat. Számos magyar kutatócsoport által elért kutatási és fejlesztési eredmény is szerepelt már a konferencián.
2.1.2. Magyarországi hiperspektrális távérzékelés
Magyarországon 1980-as években kezdődött el a távérzékelés nem katonai célú alkalmazása. Ezen időszakra jellemző olyan együttműködési megállapodások létrejötte (pl.
INTERCOSMOS program), amellyel a környezetvédelemi, mezőgazdasági, geológiai felhasználások, a talajok, ásványok és növényi vegetációk nagy felbontású spektrális jellemzőinek vizsgálata is elindult, multispektrális adatokra épülő elemzésekkel.
Hazánkban első alkalommal 1989-ben használtak légi hiperspektrális képalkotó berendezést, a Bős-nagymarosi munkálatok feltérképezéséhez. A Földmérési és Távérzékelési Intézet (FÖMI) által irányított szigetközi felméréshez a kanadai MONITEQ cég FLI/PMI rendszerét alkalmazták. Bár a képalkotó spektrométer 288 spektrális sávban képes adatgyűjtést végezni, a felvételezés során beállított térképező üzemmódban csak multispektrális (8 db spektrális csatorna) felvételeket készítettek (Büttner, 1990).
13
Az új technológia iránti komolyabb igény 1998-ban a Magyar Köztársaság modernizációs programjában meghatározott (2159/1996. (IV.28.) számú kormányhatározat), az ország teljes területét érintő légifelvételezéshez kapcsolódóan merült fel. A Magyar Állami Földtani Intézet (MÁFI) Kardeván Péter által szerkesztett döntés-előkészítő tanulmányában, a mérőkamerás légifelvételezések és a légi geofizikai felvételezések mellett, már a hiperspektrális digitális felvételek készítése is célkitűzésként jelent meg (Kardeván, 1998). Mivel a hiperspektrális technológia ekkor még világviszonylatban is csak kutatási fázisban volt, ezért az országos szintű felvételezést végül nem tartották célszerűnek megvalósítani. Ennek ellenére a „Magyarország légifelmérése” című tanulmányban javaslatot tettek arra, hogy az ország jól lehatárolt részein kísérleti jellegű hiperspektrális légifelvételezések történjenek (Winkler, 2001).
A 2000-ben a nagybányai ciánszennyezés miatt már konkrét céllal került előtérbe a hiperspektrális technológia alkalmazásának szükségessége. A kutatásokhoz kapcsolódó HySens 2002 projekt keretében került sor először Magyarországon hiperspektrális repülési kampányra (Kardeván et al., 2003). Ez a program biztosította, hogy a német fejlesztésű Digital Airborne Imaging Spectrometer (DAIS) és Reflective Optics System Imaging Spectrometer (ROSIS) rendszerek más országok számára is elérhetőek legyenek, és így több külföldi és hazai intézmény együttműködjön. Ebben az időszakban a szükséges infrastruktúra beszerzése rendkívül költséges és összetett feladat volt, ezért a hiperspektrális kísérletek nemzetközi viszonylatban, jellemzően több ország összehangolt együttműködéseként valósultak meg. A kísérlet a maga nemében egyedülállónak számított, hiszen az Európai Unióhoz csatlakozni kívánó országok közül Magyarország volt az első, amely részt tudott venni ebben a programban. A repülésre 2002. augusztus 18-án került sor a Német Űrkutatási és Távérzékelési Intézet (Deutsches Zentrum für Luft- und Raumfarht
= DLR) munkatársai közreműködésével. A szenzorokkal a látható, közeli infravörös, középső infravörös hullámhossz-tartományokban és termális infravörös tartományban is készültek felvételek. A repüléshez kapcsolódó földi mérésekhez használt terepi spektroradiométereket (ASD FieldSpec, GER 3700, PIMA) a külföldi partnerek - International Institute for Geo-Information Science and Earth Observation (ITC) és a Joint Research Centre (JRC) – bocsátották rendelkezésre (Hargitai et al., 2004). Bár a programban felhagyott bányák (Recsk és Gyöngyösoroszi meddőhányói) környezeti hatásainak nehézfém-szennyezést érintő vizsgálata volt az elsődleges cél, mezőgazdasági és környezetvédelmi kutatásokat is folyattak a hajdúsági, látóképi és tedeji tesztterületeken
14
(Hargitai, 2006; Hargitai et al., 2006). A kísérlet eredményeként a hazai kutatóintézetek nemzetközi együttműködésben dolgozhatták fel a nagy értékű távérzékelési adatokat (Vekerdy et al., 2002).
A hiperspektrális távérzékelés területén hazai viszonylatban igazán nagy előrelépést a Specim Spectral Imaging Ltd. gyártmányú AISA (Airborne Imaging System for Applications) Dual hiperspektrális távérzékelő rendszer 2006-ban történt beszerzése jelentette. Az EU-s támogatással megvalósult beruházást az Földművelésügyi és Vidékfejlesztési Minisztérium Mezőgazdasági Gépesítési Intézete (FVM MGI) és a Debreceni Egyetem Agrár- és Műszaki Tudományok Centrum (DE AMTC) Víz- és Környezetgazdálkodási Tanszékével közösen a Gazdasági Versenyképesség Operatív Program keretében valósította meg. Az AISA Dual szenzor felhasználásával számos hazai és külföldi kutatási tanulmány jött létre (Burai, 2006b; Burai et al., 2008b; Deákvári et al., 2008a; Deákvári et al., 2008b; Tamás, 2010; Tamás et. al., 2011). Ezzel hazánkban megteremtődött egy nemzetközileg is kiemelkedő hiperspektrális légi adatgyűjtő eszközrendszer felhasználási lehetőségeinek alapja, új távlatokat nyitva a hiperspektrális távérzékelés széles körű alkalmazási lehetőségei felé. A Mezőgazdasági Gépesítési Intézet megalapította a Hungarian Hyperspectral Working Group (HHWG) szervezetet, amelynek célja egy olyan komplex vizsgálati módszer kidolgozása volt, amely a légi, földi és laboratóriumi reflektancia vizsgálatokat fogja össze. A csoport által létrehozott rendszer alapját képezte egy hazai hiperspektrális szolgáltatás indításának, továbbá nemzetközi kapcsolatok építésének és az egyetemi oktatásba történő elméleti és gyakorlati képzésekbe történő bevonásának (Szalay et al., 2010; Tolner, 2011).
Magyarországon az AISA Dual rendszert követően, újabb hiperspektrális eszközbeszerzésre is sor került. A Károly Róbert Főiskola 2010-ben a Baross Gábor Program keretében üzembeállított egy AISA Eagle II., nagy sebességű, ötödik generációs légi hiperspektrális képalkotó berendezést. A hazai kutatás-fejlesztési erőfeszítések fontos eleme volt ez a projekt, hiszen alkalmazásai hazai és nemzetközi szinten is számos társtudomány-terület vizsgálati lehetőségeit kitágította. A 2010. október 4-én történt vörösiszap katasztrófa során különböző tudományágak összehangolt munkáját képezték a távérzékelési technológiák által szolgáltatott adatsorok (Berke et al., 2011b; 2011c;Bíró, 2011; Józsa, 2011; Neményi et al., 2011; Németh, 2011). További távérzékelést érintő
15
fejlesztés következett be 2012-ben, Leica ALS70 típusú LIDAR (Light Detection And Ranging) eszköz beszerzésével a Gyöngyösi Főiskola részéről. Hazánk eddig nem rendelkezett ilyen aktív távérzékelő rendszerrel, amellyel kiválóan kiegészíthetők, továbbfejleszthetők a hiperspektrális technológia által szolgáltatott adatok (Bíró, 2012; Tomor, 2012). Az UN SPIDER program keretében az ENSZ regionális központot hozott létre Gyöngyösön. A főiskola, a világon 12.-ként alapított hivatalként, távérzékelési eszközeivel támogatja a katasztrófavédelmet, valamint más vészhelyzetek kezelését.
Az EU csatlakozást követően Magyarországon is fokozott figyelmet kaptak azok a tudományos kutatási területek, amelyek megteremtik és támogatják a távérzékelési technológia környezetvédelmi, mezőgazdasági alkalmazásait. Jelenleg több hazai kutatási központ is foglalkozik hiperspektrális távérzékelési adatok alkalmazásaival, kiértékelési módszereivel, illetve feldolgozási lehetőségeivel (1. táblázat).
1. táblázat Jelentősebb hazai hiperspektrális kutatási központok
Intézmény Székhely Főbb kutatási területek Budapesti Corvinus Egyetem Budapest mezőgazdasági, környezetvédelmi
és urbanisztikai
Debreceni Egyetem Debrecen mezőgazdasági és környezetvédelmi Eötvös Lóránt Tudományegyetem Budapest idegen égitestek
FVM Mezőgazdasági Gépesítési Intézet Gödöllő mezőgazdasági Gábor Dénes Főiskola Budapest informatikai, elméleti Károly Róbert Főiskola Gyöngyös mezőgazdasági, környezetvédelmi,
ipari és katasztrófavédelmi Magyar Állami Földtani Intézet Budapest geológiai és környezetvédelmi MTA Balatoni Limnológiai Kutatóintézete Tihany hidrobotanikai
Nyugat-Magyarországi Egyetem Mosonmagyaróvár mezőgazdasági
Pannon Egyetem Keszthely mezőgazdasági
Szegedi Tudományegyetem Szeged régészeti és urbanisztikai Szent István Egyetem Gödöllő mezőgazdasági és környezetvédelmi
Nemzetközi együttműködéseknek köszönhetően 2010. augusztus 19-28. között az angol Környezetvédelmi Kutatási Tanács (Natural Environment Research Council) és a Légi Kutatási és Felmérési Intézet (Airborne Research and Survey Facility) munkatársai a helyi szakemberekkel együttműködve feltérképezték a Balatoni és a Balaton-parti ökoszisztémákat. A tíznapos kurzus célja olyan kutatási és oktatási feladatok végrehajtása
16
volt, amely a Balaton nyílt vízének, a parti nádasoknak, a Tihanyi-félszigetnek valamint a Kis-Balatonnak a területeit érintette.
A hazai kutatói hálózat tagjai a légi hiperspektrális távérzékelés kutatásai területein már jelentős előrelépéseket tettek, az általuk végzett vizsgálatok és eredmények a magyarországi alkalmazások alfejezetben kerülnek majd bemutatásra.
2.2. A hiperspektrális távérzékelés fizikai alapjai
A hiperspektrális távérzékelés tudományának alapja az elektromágneses spektrum, melynek felosztásával a képalkotás során bizonyos hullámhossz-tartományok kerülnek rögzítésre oly módon, hogy a keletkezett adatsorok később digitális feldolgozásokra, elemzésekre alkalmassá váljanak (Borengasser et al., 2008). Az elektromágneses sugárzást, amíg az energiaforrástól eljut az érzékelőig, különféle fizikai hatások érik (Csornai és Dalia, 1991), ezért a felvevő berendezések által nyújtott észlelési lehetőségek megfelelő alkalmazásához figyelembe kell vennünk a felszíni objektumokat érő sugárzást befolyásoló tényezőket: az energiaforrás tulajdonságait, az elektromágneses hullámok terjedési sajátosságait, az atmoszféra hatásait, az elektromágneses hullámok és a földfelszín kapcsolatát, és a szenzorok érzékenységét.
2.2.1. Sugárzási források és törvények
A távérzékelésben az információhordozó közeg általában az elektromágneses sugárzás, bár számos esetben más is lehet (pl. ultrahang esetén levegő, víz vagy egyéb közeg, mint az anyaghullám). A továbbiakban közvetítő közegként minden esetben az elektromágneses sugárzást tekintjük. Az abszolút nulla fok (0 K vagy -273,15 °C) fölötti hőmérsékleten az elektromágnesesen sugárzó anyag, a környező térbe elektromágneses hullámok formájában sugárzást bocsát ki, s ezzel energiát ad le, azaz energiaforrásként viselkedik (Sabins, 1987).
Az elektromágneses sugárforrások lehetnek:
- természetesek: pl. Univerzum, Naprendszer, Föld és légkörének sugárzásai,
- mesterségesek: pl. minden emberi tevékenység által kiváltott jelforrás (rádió tartományban radarok, rádióadók, elektronikus készülékek; hő- és fénytartományban városok, gyárak, autópályák).
A távérzékelésben energiaforrásnak tekinthető egy aktív érzékelő is, a napsugárzás, vagy a földfelszín tárgyainak sugárzása is, azonban más-más erősséggel és spektrális összetétellel.
Az aktív érzékelők (radarok, lidarok) saját sugárforrással rendelkeznek, vagyis a saját
17
maguk által kibocsátott, a földfelszínről visszaverődő energiát használják fel detektálásra.
A természetben megtalálható energiaforrások a Nap, illetve a felszínről visszaverődött napsugárzás, és az objektumok által kibocsátott saját sugárzás. A földfelszínre érkező elektromágneses sugárzás túlnyomórészt a Napból érkezik. A Nap által kisugárzott energiamennyiségnek viszont csak egy része éri el a földfelszínt. A földi légkör egységnyi felületére, egységnyi idő alatt, a föld közepes naptávolságában, merőlegesen beérkező sugárzási teljesítményt a napállandó fejezi ki, értéke 1370 W/m2 körül ingadozik. A földfelszínen mért sugárzás ennél kisebb (átlagosan 904 W/m2), mivel a napsugárzás intenzitása a légkörön való áthaladáskor csökken. Mértéke a földrajzi szélesség és a felhőzet eloszlásának függvényében változik (Heinrich és Hergt, 1994).
A Nap, a légkör, a földfelszín és tulajdonképpen az összes valós forrás nem tekinthető abszolút fekete testnek, azonban a számításainkhoz elegendő pontossággal jól közelítik azt (Bíróné, 2009). A fekete testtel kapcsolatos alapvető törvények a 1. sz. mellékletben találhatóak.
A távérzékelésben a természetes hosszúhullámú sugárzás (pl. földfelszín mikrohullámú kisugárzása) nehezebben érzékelhető, mint a rövidebb hullámhosszú (pl. termális infravörös) sugárzás. Az érzékelő berendezéseknek így adott időegység alatt a földfelszín nagyobb területét kell vizsgálniuk, hogy érzékelhető energiamennyiséghez juthassanak, melynek egyenes következménye, hogy a kapott felvétel térbeli felbontása rosszabb lesz (Lillesand et al., 2004).
A teljes elektromágneses spektrum hullámhossz függvényében történő felosztása - az egyes tudományterületeken (anyagtudomány, geológia, meteorológia, távérzékelés, stb.) eltérő lehet. A távérzékelés nemzetközi viszonylatában legelterjedtebb Sabins hullámhossz szerinti osztályozását (Sabins, 1987) a 2. sz. melléklet tartalmazza.
2.2.2. Atmoszférikus hatások
A Napból érkező elektromágneses sugárzás a légkört elérve kölcsönhatásba lép vele, majd hosszabb vagy rövidebb utat megtéve éri el a Föld felszínét. Az elektromágneses hullámok a visszavert sugárzás detektálása esetén közel kétszer, míg a kisugárzott energia rögzítése során egyszer, haladnak át teljesen az atmoszférán, amíg a forrástól az érzékelőig eljutnak (Mucsi, 2004). Ez alatt a légkörön átjutó sugárzás összetétele és erőssége is megváltozik.
Az atmoszférában megtett út alatt az energia részben visszaverődik, szóródik, elnyelődik,
18
továbbítódik. A távérzékelés szempontjából a két legfontosabb atmoszférikus hatás a szóródás és az elnyelés. Ezen hatások mértéke függ a sugárzás energiájának a nagyságától, a sugárzás által megtett út hosszától, az atmoszféra összetételétől, a részecskék nagyságától és a hullámhossztól. A légkör sugárzáscsökkentő hatását leíró törvények a 3. sz.
mellékletben találhatóak.
Az atmoszférikus szóródást az atmoszférában megtalálható részecskék okozzák. A légkört alkotó gázok szerint a szóródást két nagyobb csoportra bonthatjuk: a szelektív szóródásra, amelyet az O2, NOx, CO2 gázok okoznak, valamint a nem-szelektív szóródásra, amely a légkör páratartalmának és a felhőknek a következménye (Hord, 1986; Sabins, 1987).
A szelektív szóródás több típusa létezik (Elachi és Van Zyl, 2006) aszerint, hogy a részecske átmérője hogyan viszonyul a vele kölcsönhatásba lépő sugárzás hullámhosszával: Rayleigh-szóródás, Mie-szóródás, nem-szelektív szóródás. A szóródás típusok részletes leírása a 4. sz. mellékletben találhatóak.
A szóródással ellentétben az atmoszférikus abszorpció valódi energia veszteséget jelent.
Az abszorpció következtében az elektromágneses hullám energiáját az abszorbeáló molekulák (elsősorban a vízgőz-, a széndioxid- és ózonmolekulák) elnyelik, így döntően befolyásolják azt, hogy mely spektrális sávok alkalmazhatóak az adott távérzékelő rendszerekben. Az elektromágneses spektrum gamma és röntgen sugárzási régiója távérzékelési célból általában érdektelenek, hiszen a légköri elemek teljes mértékben elnyelik őket. Büttner szerint kivételt képez a kőzetek természetes radioaktivitásából eredő gamma-sugárzás detektálása (Büttner, 2004). Az ózonmolekulák az ultraibolya sugárzást majdnem tökéletesen elnyelik, csak a 0,3-0,4 µm tartomány kerül átengedésre. Mivel az ultraibolya sugárzásnak a hosszú hullámhosszú része detektálható, így ez a tartomány részben alkalmas a távérzékelési feladatok elvégzésére. A távérzékelésre leginkább alkalmazott látható és infravörös tartományban a vízgőz és a szén-dioxid a legjelentősebb abszorbensek. A mikrohullámú tartományokban az abszorpció alacsony szintje következtében az adatgyűjtés folyamatát a légköri viszonyok nem zavarják. Az elektromágneses spektrum - távérzékelésben még elterjedt - következő tartományát az úgynevezett rádióhullámok alkotják.
Azokat a hullámhossz tartományokat, ahol legkisebb a szóródás és az elnyelés, tehát ahol teljesen vagy részben átengedi az atmoszféra az elektromágneses sugárzást atmoszférikus (légköri) ablakoknak nevezzük (5. sz. melléklet). A 0,3-14,0 µm közötti hullámhossz tartomány esetében optikai ablaknak, míg a 0,1-70,0 cm tartomány esetében mikrohullámú ablaknak nevezzük (Burai, 2007). A légkör zavaró hatásai a légköri ablakokon belül is
19
jelentősek. A légköri elnyelés és szóródás a Föld felszínről kiinduló sugárzást elfedik vagy módosítják, melynek következtében a felvételek radiometriai tulajdonságai megváltoznak.
A légköri inhomogenitás, azaz a különböző sűrűségű és így fénytörésű légtömegek (képződő felhők, a felszíni eredetű füstök és ködök) pedig geometriai eltéréseket okozhatnak a felvételeken. Néhány kilométeres magasságból történő felvételezésnél ezek a hatások viszonylag kismértékűek, az űrtávérzékelés során (több száz kilométeres magasságból) viszont jóval jelentősebbek. Korrekciójukra több eljárás is kidolgozásra került, ennek ellenére a lehető legoptimálisabb körülmények között célszerű a felvételezéseket megvalósítani.
A felvételezés időpontját úgy kell megválasztani, hogy az időjárási körülményeken túl vegyük figyelembe a Nap pozícióját, vagyis a napsugarak beesési szögét. A beeső sugárzás intenzitása akkor a legnagyobb egy felületen, ha a Nap állása a legmagasabb zeniten van és a beesési szög 90 fokos. Amennyiben ennél kisebb a napsugarak hajlásszöge, a sugárzásnak vastagabb levegőrétegen kell áthaladnia, s így jelentősebb a légköri szóródás és elnyelés (Sabins, 1987; Anda, 2010; Berke és Kozma-Bognár, 2010a).
2.2.3. Földfelszíni kölcsönhatások
Az atmoszféra által átengedett elektromágneses sugárzás a földfelszínnel történő találkozáskor visszaverődik, elnyelődik és/vagy elvezetődik. Az energia-megmaradás elve alapján a beeső sugárzás ezen energia-kölcsönhatások összege (Schowengerdt, 1987):
Eb(λ) = Er(λ) + Ea(λ) + Et(λ) (1) ahol, Eb : a beérkező energiamennyiség,
Er : a reflektált (visszavert) energia, Ea : az abszorbeált (elnyelt) energia, Et : a továbbított energia.
A három alapvető energiamennyiség egymáshoz viszonyított aránya, valamint a kisugárzott energia függ a hullámhossztól (λ), a sugárzás intenzitásától, az anyag minőségétől, állapotától. Miután a legtöbb távérzékelési eszköz a visszavert sugárzást méri, így a megfigyelt tárgy fizikai és kémiai jellemzőire közvetve következtethetünk (Molenaar, 1993).
20
Egy földfelszíni objektum visszaverő képességének mennyiségi meghatározására bevezetett mutató a reflektancia (pλ), amely a visszavert (Er) és a beeső (Eb) sugárzás hányadosa:
pλ = [Er(λ)/Eb(λ)] * 100 (2)
Ez az érték nemcsak százalékos formában, hanem viszonyszámként is kifejezhető (reflektancia-faktor, 0 és 1 közti szám). A távérzékelési alkalmazások többségében, elegendő a relatív értékek használata (Zilinyi, 1995), mivel a tárgyak fizikai, kémiai tulajdonságait egymáshoz képest vizsgáljuk, illetve az egyes tárgyakat egymástól különítjük el.
A felszín visszaverő képességét a felszín érdessége és a beérkező energia hullámhossza határozza meg. Egyenletes (izotróp) visszaverődés esetén a visszavert sugárzás intenzitása a beeső sugárzás intenzitásának és a beesési szögnek a függvénye. A természetben ilyen visszaverődési tulajdonsággal nagyon kevés objektum rendelkezik (pl. tiszta hó felszíne) ezért a megfigyelés iránya is fontos tényezővé válik a visszavert sugárzás megállapítása során. Az objektumok spektrális és strukturális tulajdonságaiból adódóan a visszaverődés nem egyenletes diffúziót (anizotrópiát) mutat (Gao et al., 2003).
A távérzékelési gyakorlatban a visszaverődés heterogenitásából adódóan „idealizált”
tárgyakat (pl. fehér lap) használnak a reflektancia pontos meghatározása érdekében.
Azokat az izotróp tárgyakat, amelyeket referencia felületként alkalmaznak a reflektancia számításoknál, gyakran Lambert féle reflektoroknak is nevezzük (Burai, 2007).
A visszavert sugárzás heterogenitása mellett a megvilágítás változékonysága is befolyásolja a felvételezés megbízhatóságát (Anda, 1993a; 1993b). A napsugárzás meghatározásához ismerni kell az időbeli változásokat és az adott térbeli elhelyezkedést (földrajzi szélesség, földrajzi hosszúság, domborzat stb.). Ismert megvilágítási viszonyok esetén a felszín reflektanciája meghatározható a radiancia méréséből (Schowengerdt, 1987):
L = [p*E*cos (θ)]/π (3)
ahol, L : radiancia (egységnyi felületen áthaladó, egységnyi térszög irányából érkező spektrális teljesítménysűrűség [W/(m2·steradian)]),
p : a reflektancia,
E : ismert megvilágítás (irradiancia, [W/m2]),
21
θ : a Nap zenitszöge (a zenitszög a helyi függőleges vonal valamint a Nap irányába húzott félegyenes által bezárt szög).
Az így átszámított reflektancia látszólagos reflektancia, mivel a képlet alkalmazásakor feltételezzük, hogy a sugárzás teljes egészében a Nap irányából érkezik és elhanyagoljuk a légkör vagy más felszíni objektumok szórását. A visszaverő felszínt pedig Lambert típusúnak feltételezzük, amely a ráeső fényt minden irányban egyformán veri vissza. A felület tehát vízszintes, és a felületet érő megvilágítást a Nap zenitszöge alapján számíthatjuk.
Az egyes felszíni objektumok visszaverési tulajdonságainak könnyebb leírása érdekében a 1960-as években bevezetésre kerültek olyan kétirányú függvények, amelyeket mint tükörfelületen beeső és visszaverődő sugárzást vizsgáltak. A teljes matematikai leírást (BxDF) 1991-ben Paul Heckbert publikálta, lehetővé téve ezzel a számítógéppel történő közelítést (Heckbert, 1991). A sugárzási folyamatot leíró BxDF, BSDF, BSSRDF, BRDF, függvények részletes leírása a 6. sz. mellékletben találhatóak.
A földfelszín tárgyainak visszaverődési tulajdonságaira a domborzati viszonyok további hatással vannak, melynek következtében a távérzékelt felvételeken radiometriai és geometriai torzítások jelennek meg. A domborzat megváltoztatja a napsugarak beesési szögét és intenzitását, ezáltal a kapott felvétel radiometriai jellemzőit. A radiometriai torzítás anizotróp visszaverési tulajdonságokkal rendelkező felszín esetében még jelentősebb. A geometriai hatás abban nyilvánul meg, hogy a felvételeken az azimuttól távolodva egyre növekvő mértékű geometriai torzítások tapasztalhatóak. A függőleges tengellyel készített felvételeknél a felvétel szélein, nem függőleges tengelyű felvételeknél az egész felvételen jelentkezik. Minél nagyobb magasságkülönbségekkel rendelkező területről van szó, annál erősebb a domborzat geometriai hatása (Kraus, 1998):
∆ρ = ∆Z * (ρ/Z0) (4) ahol, ∆ρ : a radiális képtorzulás mértéke,
∆Z : az adott földfelszíni pont magasságkülönbsége az elméleti tárgysíkhoz képest, ρ : az adott képpont távolsága a képfőponttól,
Z0 : a felvételező eszköz távolsága a földfelszíntől.
Az anyagok fizikai és elektromágneses jellemzőitől valamint az elektromágneses sugárzás hullámhosszától függően a különböző tulajdonságú elemek eltérő reflexió (illetve emissziós) értékeket vesznek fel az egyes hullámhossz tartományokban. Az objektumok
22
hullámhossz függvényében ábrázolt visszaverődési/elnyelődési értékeit spektrális visszaverődési/elnyelődési görbének nevezzük (Sabins, 1987; Berke et al., 2004). A görbék alapján az egyes mikroorganizmusok, ásványok, növények, építmények, mesterséges anyagok jól azonosíthatóakká válnak, hiszen a különböző anyagok eltérő tulajdonságaiból adódóan más-más reflexiós görbékkel rendelkeznek. A meghatározott körülmények között rögzített és gyűjteménybe foglalt „spektrális ujjlenyomatokat” tartalmazó spektrumkönyvtárak (USGS Digital Spectral Library weboldal, Aster Spectral Library weboldal), jelentős szerepet játszanak a spektrális azonosításban (Herold et al., 2004). Az itt található standard profilokat általában referenciaként használják az elemek meghatározásánál.
2.2.4. Detektorokat érő sugárzás
A földfelszín tárgyairól visszavert illetve kisugárzott elektromágneses energiát érzékelő berendezéseket szenzoroknak nevezzük. A távérzékelésben alkalmazott elektromágneses sugárzás hullámhossza alapján megkülönböztetünk ultraibolya, látható, infravörös, vagy mikrohullámú szenzorokat. A detektáló berendezések 3 µm alatti hullámhosszoknál elsősorban a visszavert energiát, míg 3 (5) µm felett a kibocsátott energiát mérik, hiszen a 3 µm hullámhossz a határvonal a visszavert és a kibocsátott sugárzás (rövid- és hosszúhullámok) között. A sugárzási törvényszerűségek alapján a hosszúhullámú sugárzásnak azon szakasza alkalmas a felszíni objektumok hőmérsékletének vizsgálatára, amelyik megfelelő távolságban van a visszaverődési tartományoktól (3 µm<). A nap sugárzási spektrumának energiája 3 µm felett is érzékelhető, bár itt már rendkívül alacsony (Péczely, 1979). A 3-5 µm közötti tartományban átfedések alakulhatnak ki. Az átfedések megakadályozhatják az objektumok elkülöníthetőségét illetve azonosíthatóságát, ezért e tartomány kevésbé használható a távérzékelésben.
A felvevő eszközök felvételezési sávjait a légköri ablakok és a jellemző felszínborítási formák spektrális tulajdonságainak figyelembevételével állapítják meg. Az optikai sávban készített felvételek készítésekor jelentős hatása van a napállásnak, a légköri és időjárási tényezőknek, míg a mikrohullámú esetben ezen befolyásoló hatásoktól függetlenül is lehet felvételeket készíteni. Ebből következően kiválóan alkalmazhatók a légkör összetételének vizsgálatára. A természetes mikrohullámú sugárzás kis energiatartalma miatt a kapott felvételek geometriai felbontása kicsi (Lillesand et al., 2004), így meglehetősen
23
korlátozottak a felhasználási lehetőségei. Aktív formája a radar, amelyet pl. geológiai adatelemzésre használnak.
A képérzékelés és képalkotás az adott kölcsönhatás erősségének változásain alapszik, de vannak olyan érzékelők illetve alkalmazási területek, ahol a kölcsönhatás időbeli lefolyása (ultrahang-képek, radarfelvételek), vagy időbeli terjedése (csillagászati felvételek) szolgáltat adatokat (Woolfson, 2012).
A távérzékelés során alkalmazott légi- vagy űreszközök érzékelőit alapvetően kétféle sugárzás éri (Schowengerdt, 2007):
Lλ (x, y) = Lsλ (x, y) + Leλ (x, y) (5) ahol, Lλ (x, y): detektort érő összes sugárzás [W/m2],
Lsλ (x, y): detektort érő reflektált vagy visszavert sugárzás [W/m2], Leλ (x, y): detektort érő emittált vagy kibocsátott sugárzás [W/m2].
Mindkét összetevő további három-három részre bontható, melyek részletezés bemutatása a 7. sz. mellékletben található.
A távérzékelés során használt eszközök adott nyílásszöggel jellemezhető optikáján keresztül, a meghatározott hullámhossz tartományba eső, a detektor felületére érkező sugárzás teljesítményét mérik. A műszerek kalibrációjakor megállapítják a műszerbe jutó radiancia és a műszer által kiadott digitális jelszint közötti kapcsolatot. A műszerek előállítása során arra törekednek, hogy a kapcsolat lineáris legyen (Berke és Kozma- Bognár, 2010a):
L = α * CN + β (6)
ahol L: radiancia [W/(m2·steradian)], α és β: : : : együtthatók, műszerállandók,
CN: a műszer által kijelzett digitális jelszint, szám (Count Number) és/vagy intenzitásérték (pixelérték).
A detektor típusok részletes bemutatása és csoportosítása a hiperspektrális szenzorok alfejezetben következik.
24 2.3. A hiperspektrális felvétel fogalma
A hiperspektrális távérzékelés fogalmának bevezetése Dr. Alexander F. H. Goetz nevéhez fűződik, aki a következőképpen definiálta: „digitális képek egyidejű rögzítése folyik sok keskeny, egymással összeérő spektrális sávban” (Kruse, 1994). Míg a pankromatikus felvételek általában nagy geometriai felbontásúak, a látható és a közeli infravörös tartomány integrálásával készülnek, a multispektrális felvételek pedig több szélesebb sávszélességű csatornát tartalmaznak, addig a hiperspektrális felvételek nagy csatornaszámúak és szűk sávszélességűek (Schowengerdt, 2007). Erre a jellemzőre utal a hiperspektrális kifejezés is, amely a görög eredetű „hiper” (jelentése „felett” vagy „túl”), és a spektrális („színekre” vonatkozó) szavak összevonásából keletkezett (Borengasser et al., 2008). A hiperspektrális kifejezést a szakirodalmi forrásokban az egyes szerzők eltérő módon alkalmazzák. Találkozhatunk olyan tanulmánnyal, amelyben a szerző a hiperspektrális felvételnek a 100< csatornaszámú felvételt nevezi (Polder és Van der Heijden, 2001; Zheng et al., 2001; Varshney és Arora, 2004). Jaquez és munkatársai a 64<
sávval rendelkező felvételt definiálják hiperspektrálisnak (Jaquez et al., 2002). Számos szakirodalomban pedig a szűk sávszélességű (∼10 nm) felvételeket tekintik ide tartozónak (Sabins, 1987). Más szakértők a hiperspektrális szenzorok közé sorolják a kis térbeli felbontású képalkotókat is, mint pl. a MODIS, amelynek a legkisebb geometriai felbontása akár 1000 m is lehet (Gitelson et al., 1996).
Jelen disszertációban az Európai Unió Tanácsának 2003. 149/2003/EK sz. belső rendeletét (Európai Unió Tanácsa, 2003) alapul véve a távérzékelt felvételeket - a csatornák száma alapján - a következő csoportokba soroltuk:
• Pankromatikus kép: 1 db csatorna
• Színes kép (RGB kamerák): 3 db csatorna
• Multispektrális felvételek: 4-20 db csatorna
• Hiperspektrális felvételek: 21- db csatorna
Kutatásaink során tehát hiperspektrális felvételeknek azokat a felvételeket tekintettük, amelyek esetében egy adott területről, egy időben több mint húsz diszkrét spektrális sávban készül felvétel.
A távérzékelés és a hiperspektrális távérzékelés során is a földfelszín tárgyairól visszavert illetve kisugárzott elektromágneses energia kerül rögzítésre. A detektáló berendezések 3000 nm alatti hullámhosszoknál elsősorban a visszavert energiát, míg 5000 nm felett a kibocsátott energiát detektálják (2. táblázat).
25
2. táblázat A hiperspektrális távérzékelésben alkalmazott spektrális régiók (Schowengerdt, 2007)
Hullámhossz tartomány megnevezése Hullámhossz tartomány (nm)
Sugárzás forrása
Jellemző felszíni fizikai folyamat Látható
(Visible=VIS) 400-700 szoláris reflektancia
Közeli infravörös
(Near InfraRed=NIR) 700-1 100 szoláris reflektancia
Rövidhullámú infravörös (Short Wave InfraRed=SWIR)
1 100-1 350 1 400-1 800 2 000-2 500
szoláris reflektancia
Közepes hullámú infravörös (MidWave InfraRed=MWIR)
3 000-4000 4 500-5 000
szoláris, termális
reflektancia, emittancia
Termális vagy hosszúhullámú infravörös (Thermal InfraRed=TIR vagy
LongWave InfraRed=LWIR)
8 000-9 500
10 000-14 000 termális emittancia
A többsávos képalkotó technológiák működtetése során az adatok egy „adatkocka”
formájában kerülnek rögzítésre, melynek minden sávját egy-egy a vizsgált területet lefedő kép alkotja, ezt nevezzük adatkocka-elvnek (Kardeván et al., 2010). Az azonos területet ábrázoló képelemek függőleges mentén kiolvasott intenzitásértékeiből áll össze a terület felszíni anyagának folyamatos eloszlású spektruma, vagyis a reflektancia görbéje. Az adatkocka tehát egy három-dimenziós ábrázolása az objektumnak oly módon, hogy a felvétel két tengelye (x, y) a távolságnak felel meg, míg a harmadik tengely (z) a hullámhossznak (1. ábra).
A több spektrális sávban készített felvételekkel - a nagy spektrális felbontás miatt - a földfelszínen található objektumok (felszínrészletek, tereptárgyak, stb.) általában jobban elkülöníthetőek, mint az egyetlen sávban készítettekkel. A hiperspektrális technológia ennek köszönhetően egyre szélesebb körben elterjedt kutatási módszer. Főleg azokon a szakterületeken alkalmazzák, ahol a megfelelő szintű eredmény elérése érdekében szükség van a nagy spektrális felbontású, sok spektrális sávban készített felvételekre (Kozma- Bognár, 2010b).
26
1. ábra Hiperspektrális adatok értelmezése (Kozma-Bognár, 2010b)
2.4. A hiperspektrális szenzorok
Az elmúlt évtizedben a hiperspektrális távérzékelés területén a technológiai újításoknak köszönhetően a forgalomba hozott érzékelők számában és technikai paramétereiben hihetetlen ugrás következett be. A technológia fejlődésének köszönhetően, a távérzékelésben használatos eszközök, technikák egyre megbízhatóbb és pontosabb érzékelést tettek, tesznek lehetővé számunkra (Frombach és Ritvayné, 2008). A hiperspektrális távérzékelés során előállított felvételek többféle elven működő felvevőrendszerrel készülhetnek. Jelenleg nagyon változatos képet mutatnak az elektromágneses sugárzás rögzítésére alkalmazott technikák. A különféle képalkotó berendezések csoportosításánál többféle kategorizálási szempontot is figyelembe vesznek:
a szenzor energiaforrása, a detektálás módszere, az érzékelő működési elve, az érzékelt hullámhossz tartomány, a felvétel készítési magassága, az adatgyűjtés célja (Sabins, 1987; Schowengerdt, 2007; Woolfson, 2012).
A hiperspektrális szenzorok általában természetes eredetű elektromágneses sugárzásokat érzékelő berendezések, passzív szenzorok (MODIS, HIPERION, AISA). Elnevezésükből adódóan nem rendelkeznek saját sugárforrással, hanem az objektum által visszavert vagy kibocsátott sugárzást mérik. Napjainkban az analóg felvételt készítő mérőberendezések szinte teljes mértékben háttérbe szorultak, a gyakorlatban a felvevő eszközök már indirekt módon érzékelik a megfigyelés tárgyát. A közvetlenül digitális képeket rögzítő szenzorok jelentősége az adatkezelésben rejlik, mivel a beérkező elektromágneses energiát átalakítás
27
nélkül közvetlenül elektromos jelekké alakítják át, így azonnal alkalmasak a számítógépes adatfeldolgozásra (Deli, 2010). Az érzékelő működési elve alapján kamera (framing systems) vagy pásztázó rendszereket (scanning systems) különböztethetünk meg egymástól (2. ábra). A régebbi típusú pásztázókban (Landsat TM) „whiskbroom” szkennelési eljárással továbbították a beeső sugárzást, vagyis lengő vagy forgó tükröt használtak. Az újabb „pushbroom” szkennerek (Lawrence et al., 2003) esetében töltéscsatolt érzékelő egységeket (Charge-Coupled Device = CCD) alkalmaznak.
2. ábra Detektortípusok megkülönböztetése a működési elv alapján (Buiten, 1993)
A hiperspektrális képalkotó rendszerek központi része maga az érzékelő, amely magába foglalja a hardvereken kívül azokat a folyamatokat is, amelyek az optikai radianciát digitális számokká alakítják át úgy, hogy a végén egy hiperspektrális kockát hoznak létre (Chang, 2007a). A hiperspektrális szenzorok általában három fő elemi részből tevődnek össze: optika, spektrográf és digitális kamera (Deákvári és Kovács, 2007). A spektrográf felfogja az optikai résen keresztül a prizmák és az optikák segítségével az objektumról beérkező elektromágneses sugárzást. Szerepe a sugárzás hullámhossz függvényében különböző csatornákra történő felbontásában és a mátrixérzékelőre történő rávetítésében van. A CCD érzékelő elemi egységeiben (pixel) a beérkező sugárzásmennyiséggel arányos elektromos töltés jelenik meg. Ennek kiolvasása során kerül kialakításra az objektum sugárzási képe oly módon, hogy egy adott (felszíni) régióból beérkező sugárzás leképezésével jön létre egy adott pixel információtartalma. A mátrixérzékelő a horizontális tengelyén az objektumról érkező képet jeleníti meg, a vertikális tengelyén a spektrográf
28
által szétbontott az adott geometriai ponthoz tartozó spektrumot képezi le. Végeredményül egy olyan háromdimenziós adatkockát kapunk, melynek két térbeli és egy spektrális tengelye van.
Az a térszög, amelyen keresztül a beeső sugárzás eljut a CCD-ig, a látómező. A látómező (FOV = Field of View) a távérzékelési rendszerek térbeli felbontásának mérésére szolgál, amelyet az optika és az érzékelő jellemzői határoznak meg. Azonos látómező mellett az alacsonyabb repülési magasságból a térbeli felbontás nagyobb lesz, mint a magasabb repülési magasság esetében. A látómező a detektor mozgásának és a felvételezni kívánt terület változékonyságának függvényében változhat, melyet pillanatnyi látómezőnek IFOV (Instantaneous Field of View) nevezünk. A látómezőt horizontális és vertikális elemekre is bontjuk (HFOV, VFOV), melyek szerepe a különböző detektorok képeinek egyesítésénél jelentkezik. A szenzor geometriai felbontásával megadjuk a legközelebbi objektumok közötti távolságot a képen, az egyes képelemeknek megfelelő terepi méretet, azaz a kép egy pontjának a földfelszínen mérhető, valós térbeli kiterjedését (Sabins, 1987:
Schowengerdt, 2007). A geometriai felbontás mértékegységeként a métert használják.
Megkülönböztetünk kis (100 m), közepes (1-100 m) vagy nagy (1 m<) geometriai felbontású felvételeket (Detrekői és Szabó, 2003).
A térbeli felbontással ellentétben a spektrális felbontás független az alkalmazott platformtól. Egy szenzor spektrális felbontása az a legkisebb sávszélesség, amely során még képes rögzíteni összefüggő (képi) adatot. Gyakorlati meghatározása az érzékelő spektrális karakterisztikáján történő félértékszélesség mérésével történik, az érzékelő egyetlen csatornájának adatai alapján. A spektrális felbontás mértékegysége a nanométer.
A hiperspektrális érzékelés esetében a spektrális felbontás - amelyet a sávszélességben mérnek - magas, mivel a sávszélesség 1-15 nm, a multispektrálissal ellentétben, ahol a sávszélesség 50-120 nm vagy még ez feletti. További szempont, hogy a spektrális csatornák hol helyezkednek el az elektromágneses spektrumon belül. A hiperspektrális érzékelés esetében a sávok között folytonosság jellemző, míg a multispektrális esetében általában rések (gaps) találhatóak.
A hiperspektrális érzékelők által készített felvételek esetében a spektrális és a geometriai felbontás mellett jellemző paraméterek még a radiometriai és az időbeli felbontás, amelyek a gyűjtött adatok célirányos kiértékelhetőségére is jelentős hatást gyakorolnak. A továbbiakban Verőné, Berke és Kozma-Bognár valamint Varshney és Arora publikációi felhasználásával definiálom ezeket a fogalmakat (Verőné, 2010; Berke és Kozma-Bognár, 2010a; Varshney és Arora, 2004).
29
A radiometriai felbontás a szenzor azon legkisebb érzékenysége, amely során még különbséget lát a bejövő elektromágneses jel intenzitásában. Egy adott pixel intenzitása a detektorba érkező sugárzási energiát tükrözi, amely egy geometriailag meghatározott földi területelemről származik. Amennyiben változatlan terepi felbontás mellett a spektrális felbontás növekszik, alacsonyabb energiaszintet érzékelnek a felvevők, ezért csökkenni fog a radiometriai felbontás. A felvevőkészülék egy-egy sávjában a beérkező energia minimális és maximális értékei közötti intervallumot egyenlő részekre osztják fel, így különböző - intenzitási értékekkel rendelkező - radiometriai felbontású képek keletkeznek.
A radiometriai felbontást nanométerben adjuk meg.
A szenzor időbeli felbontása a szenzor érzékelésének a frekvenciája, a felvételek készítésének gyakorisága. Az időbeli felbontás a gyakorlatban azt az időintervallumot jelenti, amely egy adott földrajzi hely két egymást követő megfigyelése között eltelik. A környezetünkben lejátszódó folyamatoknak jellegzetesen eltérő időrendszerük van (pl. a katasztrófák gyors lefolyásúak, a vegetáció fejlődése lassabban végbemenő folyamat), ezért a felvételek készítésének a megfelelő gyakoriságát ezekhez kell illeszteni. Az időbeli felbontás mértékegysége a herz vagy másodperc.
A hiperspektrális szenzorok jelenleg a globális megfigyelési stratégia fontos részei.
Korlátaikkal együttvéve rendkívüli lehetőséget biztosítanak számunkra a földfelszín és annak változásainak megértésében. A mai hiperspektrális felvevő berendezések összetett képalkotó spektrométerek, vagyis felvevőkamerák és sugárzásmérők is egyben. A hiperspektrális távérzékelésben leggyakrabban alkalmazott hullámhossz tartományok a látható fény és az infravörös tartomány. A napjainkban használt legjelentősebb hiperspektrális szenzorokat a hordozó eszközök alapján csoportosíthatjuk. Az összegyűjtött földi, légi és műholdas érzékelőket az általuk érzékelt hullámhossz tartományokkal együtt (Kozma-Bognár, 2010b) a 8-10. sz. mellékletek tartalmazzák.
A jövőben a hiperspektrális érzékelők száma és karakterisztikája várhatóan tovább fog növekedni, így a kinyerhető információk köre is bővülni fog, feltéve ha a jelenleg meglévő korlátozó tényezők (pl. atmoszférikus korrekció, adatkinyerési technológiák, adatfeldolgozási módszerek, stb.) csökkenthetőek és megjelennek az új generációs érzékelők. Az hiperspektrális adatgyűjtések céljai még több szakterületre ki fognak terjedni, egyre inkább interdiszciplinárissá válik ez a tudományág, rengeteg csoportosítási lehetőséget vonva maga után. A kapcsolódó hiperspektrális alkalmazások külön alfejezetben kerülnek ismertetésre.
30
2.5. A hiperspektrális légi távérzékelés folyamata
2.5.1. Hiperspektrális felvételezés tervezése és végrehajtása
Alapvetően az elektromágneses távérzékelés teljes folyamatát két nagy részfolyamatra bonthatjuk: az adatok gyűjtésére és az adatok elemzésére (Mucsi, 2004).
A hiperspektrális képalkotó berendezések adatgyűjtését bizonyos tényezők, mint a beérkező sugárzás, a beesési szög, valamint a légköri körülmények nagy mértékben befolyásolják (Berke és Kozma-Bognár, 2010a). Nyilvánvaló, hogy bizonyos körülmények, mint az időjárási viszonyok, a rendelkezésre állási idő nem szabályozhatóak (Paine és Kiser, 2003), ezért a felvételezések nagy körültekintést és precíz tervezést igényelnek. A légifelvételezések megkezdése előtt bizonyos paramétereket meg kell határozni: vizsgálni kívánt terület, repülési időpont, repülési magasság, repülés orientációja, repülési sávok száma, vízszintes és horizontális pontosság, terepi felvételezések, boresight kalibráció. Mivel a repülési kampányok nagyon költséges és időigényes feladatok, ezért a kapcsolódó tervezési és lebonyolítási feladatok kulcsfontosságúak a kiváló minőségű adatok szolgáltatása szempontjából (Borengasser et al., 2008). A legtöbb esetben ezeket a feladatokat a felvételezést koordináló szervezetek végzik.
A hiperspektrális légifelvételezés tervezésénél első lépésként megadásra kerülnek a kutatási terület adatai, a kívánt térbeli felbontás, a spektrális felbontás és a csatornaszám.
Ezen információk alapján a repülést koordináló szervezet repülési tervet készít, majd elvégzi a repüléshez szükséges paraméterek számítását, a repülési nyomvonal meghatározását, a repülés várható költségeinek becslését, valamint a repülést megelőző feladatokat. A repülési kampányok tervezésének és végrehajtásának Tomor és munkatársai által megfogalmazott főbb technológiai folyamatait (Tomor et al., 2011) foglalja össze a 11. sz. melléklet.
A repülési terv részeként a repülési paraméterek kerülnek meghatározásra: a szenzor típusa, repülési magasság, repülési sebesség, spektrális és geometriai felbontás, csatornaszám, valamint az adatfeldolgozás célja. A területi lehatárolás alapján elkészítik a repülési nyomvonalat a repülési sávok megfelelő átfedésének (30-50%) biztosításával, majd később ezek kerülnek feltöltésre a navigációs GPS készülékbe. Ezt megelőzően a érzékelőket és a GPS/INS rendszert (a repülő GPS adatait és háromtengelyű pozícióját rögzíti) kalibrálni kell. Az úgynevezett boresight kalibrációt a szenzorok optikai tengelye
