Komisja Geoinformatyki Polskiej Akademii Umiejętności w Krakowie zaprasza na otwarte posiedzenie Komisji w środę 11 kwietnia 2018 r. o godz. 13:30 w sali im. Karoliny Lanckorońskiej (parter) PAU przy ul. Sławkowska 17 z następującym porządkiem:
1. Otwarcie zebrania
1. Otwarcie zebrania
2. Referat pt. "Klasyfikacja form pokrycia terenu na zdjęciach Sentinel-2, projekt S2GLC " wygłosi Pan Dr hab. inż. Stanisław Lewiński prof. CBK - Centrum Badań Kosmicznych PAN.
3. Dyskusja
3. Dyskusja
4. Sprawy organizacyjne
Wstęp wolny!
Serdecznie zapraszamy wszystkich zainteresowanych.
Serdecznie zapraszamy wszystkich zainteresowanych.
Przewodniczący Komisji
Prof. dr hab. inż. Tadeusz Chrobak
Sekretarz Komisji
Prof. dr hab. inż. Konrad Eckes
Streszczenie wystąpienia:
W lutym 2018 został zakończony dwuletni projekt „S2GLC - Sentinel-2 Global Land Cover”, finansowany przez Europejską Agencję Kosmiczną (ESA) w ramach konkursu Scientific Exploitation of Operational Missions (SEOM). Konsorcjum projektowe składało się z 4 partnerów CBK PAN (lider), IABG GmbH, Friedrich Schiller University Jena oraz firma EOXPLORE UG.
Celem projektu było opracowanie algorytmu klasyfikacyjnego form pokrycia terenu na podstawie zdjęć Sentinel-2, który charakteryzuje się bardzo wysokim stopniem automatyzacji i może być zastosowany do utworzenia globalnej bazy danych o rozdzielczości przestrzennej 10x10m.
Realizacja projektu wiązała się z koniecznością określenia metody klasyfikacyjnej wieloczasowych danych Sentinel-2, opracowaniem zasad pozyskiwania danych referencyjnych oraz utworzenia odpowiedniego oprogramowania. Stosownie do zaleceń ESA wyznaczono pięć dużych obszarów testowych w Niemczech, we Włoszech oraz w Chinach, Namibii i Kolumbii. Europejskie obszary testowe zostały rozszerzone do granic całych Niemiec i Włoch. W sumie sklasyfikowano ponad 1 300 000 km2.
Istotnym elementem każdej automatycznej metody klasyfikacyjnej są dane referencyjne. Jest to istotne zarówno w przypadku klasyfikacji nadzorowanej jak i nienadzorowanej, bez względu na wybór podejścia pikselowego czy też obiektowego. W przypadku opracowania wykonywanego w skali całego świata jedynym źródłem danych referencyjnych są istniejące bazy danych pokrycia terenu wykonane na podstawie niskorozdzielczych zdjęć satelitarnych. W przypadku zdjęć Sentinel-2 nie jest to postępowanie zgodne z powszechnie stosowanymi zasadami, w których dążymy aby dane referencyjne charakteryzowały się dokładnością nie mniejszą niż klasyfikowane. Okazało się jednak, że jest możliwe opracowanie metody realizującej takie założenie.
W ramach projektu zaproponowano i praktycznie sprawdzono zasady postępowania bazujące na klasyfikacji pikselowej z zastosowaniem algorytmu Random Forest, w którym wykorzystywane są punkty treningowe pozyskiwane automatycznie na podstawie istniejących baz danych. Każdy obszar reprezentowany przez jedno zdjęcie Sentinel-2 (110x110km) jest klasyfikowany z zastosowaniem serii czasowej składającej się z kilku zdjęć. Pojedyncze zdjęcia są klasyfikowane osobno, a następnie na podstawie analizy poszczególnych wyników jest określany wynik końcowy. Wszystkie etapy procesu klasyfikacyjnego są realizowane automatycznie z zastosowaniem procedur i oprogramowania opracowanego w CBK PAN, obliczenia są wykonywane wsadowo.
Autorzy referatu:
Stanisław Lewiński, Artur Nowakowski, Marcin Rybicki, Radek Malinowski, Ewa Kukawska, Michał Krupiński, Cezary Wojtkowski, Małgorzata Jenerowicz - CBK PAN, Zakład Obserwacji Ziemi
Elke Krätzschmar, Sylvia Günther - IABG GmbH
Denise Dejon, Eric Krüger -Friedrich Schiller University Jena
Conrad Bielski - EOXPLORE UG
Celem projektu było opracowanie algorytmu klasyfikacyjnego form pokrycia terenu na podstawie zdjęć Sentinel-2, który charakteryzuje się bardzo wysokim stopniem automatyzacji i może być zastosowany do utworzenia globalnej bazy danych o rozdzielczości przestrzennej 10x10m.
Realizacja projektu wiązała się z koniecznością określenia metody klasyfikacyjnej wieloczasowych danych Sentinel-2, opracowaniem zasad pozyskiwania danych referencyjnych oraz utworzenia odpowiedniego oprogramowania. Stosownie do zaleceń ESA wyznaczono pięć dużych obszarów testowych w Niemczech, we Włoszech oraz w Chinach, Namibii i Kolumbii. Europejskie obszary testowe zostały rozszerzone do granic całych Niemiec i Włoch. W sumie sklasyfikowano ponad 1 300 000 km2.
Istotnym elementem każdej automatycznej metody klasyfikacyjnej są dane referencyjne. Jest to istotne zarówno w przypadku klasyfikacji nadzorowanej jak i nienadzorowanej, bez względu na wybór podejścia pikselowego czy też obiektowego. W przypadku opracowania wykonywanego w skali całego świata jedynym źródłem danych referencyjnych są istniejące bazy danych pokrycia terenu wykonane na podstawie niskorozdzielczych zdjęć satelitarnych. W przypadku zdjęć Sentinel-2 nie jest to postępowanie zgodne z powszechnie stosowanymi zasadami, w których dążymy aby dane referencyjne charakteryzowały się dokładnością nie mniejszą niż klasyfikowane. Okazało się jednak, że jest możliwe opracowanie metody realizującej takie założenie.
W ramach projektu zaproponowano i praktycznie sprawdzono zasady postępowania bazujące na klasyfikacji pikselowej z zastosowaniem algorytmu Random Forest, w którym wykorzystywane są punkty treningowe pozyskiwane automatycznie na podstawie istniejących baz danych. Każdy obszar reprezentowany przez jedno zdjęcie Sentinel-2 (110x110km) jest klasyfikowany z zastosowaniem serii czasowej składającej się z kilku zdjęć. Pojedyncze zdjęcia są klasyfikowane osobno, a następnie na podstawie analizy poszczególnych wyników jest określany wynik końcowy. Wszystkie etapy procesu klasyfikacyjnego są realizowane automatycznie z zastosowaniem procedur i oprogramowania opracowanego w CBK PAN, obliczenia są wykonywane wsadowo.
Autorzy referatu:
Stanisław Lewiński, Artur Nowakowski, Marcin Rybicki, Radek Malinowski, Ewa Kukawska, Michał Krupiński, Cezary Wojtkowski, Małgorzata Jenerowicz - CBK PAN, Zakład Obserwacji Ziemi
Elke Krätzschmar, Sylvia Günther - IABG GmbH
Denise Dejon, Eric Krüger -Friedrich Schiller University Jena
Conrad Bielski - EOXPLORE UG