Upload
phamkiet
View
221
Download
5
Embed Size (px)
Citation preview
7. RESA Workshop 2015 [email protected]
Sascha Klonus (DVZ-MV Schwerin)
Yael Etzion, David Broday (Technion, Israel )
Multitemporale Analyse zur Verbesserung von
Klassifikationen landwirtschaftlicher Flächen
mit RapidEye-Daten
Fotos: JARMER, BEYER 2013
Florian Beyer
Thomas Jarmer
Bastian
Siegmann
Universität Osnabrück,
Institut für Geoinformatik und
Fernerkundung
Yael Etzion
David Broday Technion, Haifa, Israel
7. RESA Workshop 2015 [email protected]
Projekt
- AerosolLand -
Inference of Aerosol and Land Use Interactions from Remote Sensing Data
7. RESA Workshop 2015 [email protected]
Einleitung Motivation
7. RESA Workshop 2015 [email protected]
Geländearbeit 2013
März 2014
20 Klassen
713 Flächen
Juni 2014
30 Klassen
712 Flächen
März 2015
24 Klassen
638 Flächen
7. RESA Workshop 2015 [email protected]
Multispektrale Daten
0
0.1
0.2
0.3
0.4
0.5
450 500 550 600 650 700 750 800 850
Reflexio
nsgra
d
Wellenlänge in nm
Spektrum Vegetation
Spektrum Vegetation(Rapideye)
7. RESA Workshop 2015 [email protected]
SPENGLER 2014
t = 1 t = 2 t = 3 t = 4
SPENGLER 2014
Multitemporaler Ansatz
Gerste Winterweizen
SERRANO 2000 Wavelength
Winterweizen
DAS = Days after Sowing
7. RESA Workshop 2015 [email protected]
Datenverfügbarkeit 2013
Oct 12 Nov 12 Dec 12 Jan 13 Feb 13 Mar 13 Apr 13
Fallow 1st crop cycle
Apr 13 Mai 13 Jul 13 Aug 13 Jun 13
2nd crop cycle
08th June 2014
7. RESA Workshop 2015 [email protected]
Datenverfügbarkeit 2014
Oct 13 Nov 13 Dec 13 Jan 14 Feb 14 Mar 14 Apr 14
Fallow 1st crop cycle
Apr 14 Mai 14 Jul 14 Aug14 Jun 14
2nd crop cycle
7. RESA Workshop 2015 [email protected]
Datenverfügbarkeit 2015
Oct 14 Dec 14 Feb 15 Mar 15
Fallow 1st crop cycle
Apr 15 Mai 15 Jul 15 Aug15 Jun 15
2nd crop cycle
Nov 14 Jan 15 Apr 15
7. RESA Workshop 2015 [email protected]
Methodik
JM = Jeffries-Matusita separability ML = Maximum Likelihood
SVM = Support Vector Machines OAA = Klassifikationsgenauigkeit
K = Kappa-Koeffizient (Gütemaß)
7. RESA Workshop 2015 [email protected]
𝑛
𝑘=
𝑛!
𝑘! 𝑛 − 𝑘 !
16 Klassen (n) =
120 Klassenpaarungen
Verwendete
Datensätze
Anzahl
untrennbare
Klassen-
paarungen
JM für
schlechteste
Paarung
Okt 12 90 0,3
Jan 13 61 0,55
Mär 13 41 0,61
Jan, Mär 13 10 1,57
Okt 12 +
Jan, Mär 13 1 1,89
Spektrale Trennbarkeit
Jeffries-Matusita separability (JM) (WACKER 1971)
JM = 0 Klassen nicht trennbar
JM = 2 Klassen komplett trennbar
Klassen gelten ab 1,9 gut spektral trennbar
0 2 1,9 1,8
7. RESA Workshop 2015 [email protected]
Critical Pairings Oct12 Jan13 Mar13 Jan13 + Mar13 Oct12 + Jan13 +
Mar13
P1
1 Green Fallow Onion 0.304 0.551 0.614 1.575 1.887
2 Green Fallow Chickpeas 0.546 0.634 0.775 1.789 1.935
3 Green Fallow Orchard 0.547 0.661 1.107 1.813 1.943
4 Chickpeas Orchard 0.604 0.831 1.125 1.848 1.948
5 Peas Pastureland 0.636 0.833 1.187 1.859 1.960
6 Chickpeas Onion 0.684 0.867 1.198 1.860 1.969
7 Peas Green Fallow 0.699 1.049 1.281 1.880 1.972
8 Grain Millet 0.715 1.074 1.338 1.890 1.974
9 Leek Onion 0.734 1.177 1.375 1.890 1.977
10 Fennel Orchard 0.738 1.229 1.474 1.894 1.982
Jun13 Aug13 Jun13 + Aug13 Oct12 + Jun13 +
Aug13
Oct12 + Apr13 +
Jun13 + Aug13
P2
1 Green Fallow Grain Residues 0.705 0.690 1.514 1.773 1.890
2 Green Fallow Orchard 0.792 0.708 1.552 1.812 1.928
3 Pumpkin Watermelon 0.801 0.708 1.664 1.838 1.949
4 Fallow Grain Residues 0.883 0.748 1.700 1.844 1.951
5 Muskmelon Watermelon 0.925 0.791 1.709 1.847 1.975
6 Muskmelon Pumpkin 1.007 0.858 1.715 1.868 1.978
7 Maize Sorghum 1.020 0.862 1.724 1.873 1.979
8 Muskmelon Onion 1.115 0.868 1.725 1.875 1.982
9 Onion Pumpkin 1.139 0.914 1.729 1.888 1.988
10 Tomato Watermelon 1.142 0.968 1.732 1.919 1.989
Spektrale Trennbarkeit 2013
7. RESA Workshop 2015 [email protected]
2015
13 Datensätze:
8191 Kombinationen
(MemoryError nach 2036 K.)
65 Einzelbänder:
36,893,488,147,419,103,231
(36.89 Trillionen)
Kombinationen
7. RESA Workshop 2015 [email protected]
Spektrale Trennbarkeit 2015
• 13 Datensätze
• 24 Klassen 276 Klassenpaarungen
• 0 kritische Paarungen
Critical Pairings JM-Value
1 Wheat Oat 1.995
2 Orchard Olive 1.998
3 Bird's-foot
Trefoils
Green
Fallow 1.999
7. RESA Workshop 2015 [email protected]
Maximum Likelihood Support Vector Machine
- parametrischer Klassifikator
- setzt Normalverteilung voraus
- nicht-parametrischer Klassifikator
- setzt keine Normalverteilung voraus
𝐿 𝑋 = 𝑃 𝑤𝑖 ∗ 𝑝(𝑋|𝑤𝑖)
(LILLESAND & KIEFER 2000)
Klassifikation
7. RESA Workshop 2015 [email protected]
1. Kultur
Stacks
10/12
01/13
03/13
Anzahl
Klassen 16
ML
OAA 94,83
0,93
SVM OAA 96,13
0,95
Klassifikationsergebnisse 2013
7. RESA Workshop 2015 [email protected]
Klassifikationsergebnisse 2013
7. RESA Workshop 2015 [email protected]
Klassifikationsergebnisse 2013
7. RESA Workshop 2015 [email protected]
Jahr 2013 P1 2015 P1
Anzahl
Klassen 16 24
Anzahl
Datensätze 3 13
ML
OAA
(%)
94,83 94,85
SVM 96,13 In Process
MD 74,09 74,57
PP 58,72 14,84
MahaD 69,51 79,01
SAM 0,15 57,46 52,06
SID 64,52 75,80
RF 97,97 97,83
Classification results 2013 / 2015
7. RESA Workshop 2015 [email protected]
• Phänologie Hohes Potential
• Nutzung: multispektrale, -temporale Satellitendaten
• Jeffries-Matusita separability geeignetes Maß zur Findung
optimaler Data Stacks
Performance-Problem bei großen Datensätzen
• Maximum Likelihood schnell und hohe Genauigkeiten
• SVM höhere Klassifikationsgenauigkeit, jedoch
Rechenaufwand um den Faktor 5 - 7 höher
• Random Forest in Zeit und Genauigkeit die besten
Ergebnisse
Zusammenfassung
7. RESA Workshop 2015 [email protected]
Ausblick
15 Tage Zyklus für RapidEye-Daten (= 12/13 Datensätze)
Eine Periode von Oktober bis März/April
Maskierungstool
(Pollmüller, Beyer)
BestStackTool
(Pollmüller, Beyer)
7. RESA Workshop 2015 [email protected]
Danke für die Aufmerksamkeit
BEYER, F., JARMER, T., & SIEGMANN, B. (2015): Identification of agricultural crop
types in Northern Israel using multitemporal RapidEye data. In: PFG. 1/2015:21-32.
BEYER, F., JARMER, T., SIEGMANN, B., KLONUS, S., ETZION, Y., BRODAY, D.
(2014): Verbesserte Identifikation landwirtschaftlicher Kulturen in Nordisrael durch
Einbeziehung der Phänologie aus RapidEye-Daten. Proceedings: 20. Workshop
Computerbildanalyse und Sensorik in der Landwirtschaft.
7. RESA Workshop 2015 [email protected]