FI113894B - Remote Sensing Method - Google Patents
Remote Sensing Method Download PDFInfo
- Publication number
- FI113894B FI113894B FI20022033A FI20022033A FI113894B FI 113894 B FI113894 B FI 113894B FI 20022033 A FI20022033 A FI 20022033A FI 20022033 A FI20022033 A FI 20022033A FI 113894 B FI113894 B FI 113894B
- Authority
- FI
- Finland
- Prior art keywords
- resolution
- remote mapping
- area
- measurement results
- areas
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Description
χ 113894χ 113894
KAUKOKÄRTOITUSMENETELMÄ KEKSINNÖN ALAFIELD OF THE INVENTION FIELD OF THE INVENTION
Keksintö liittyy kaukokartoitukseen. Erityisesti keksintö koskee veden laadun määrittämistä kau-5 kokartoitusmateriaalista.The invention relates to remote sensing. In particular, the invention relates to the determination of water quality from remote sensing material.
KEKSINNÖN TAUSTABACKGROUND OF THE INVENTION
Luonnon tilaa arvioidaan nykyisin monella eri tavalla. Arvioinnin tarkoituksena on tieteellinen tut-10 kimus sekä luonnon kuormittumisen tutkiminen. Kuormittumista tutkimalla voidaan havaita luonnon saastumisen syy ja kuormitusta voidaan muuttaa. Yksi suurimpia luonnon kuormittajia on maatalous. Maataloudessa käytettävät lannoitteet huuhtoutuvat vesistöihin, joissa 15 lannoitteiden ravinteet aiheuttavat esimerkiksi rehe vöitymistä. Analysoimalla kuormitusta ja kuormittajia saasteiden määrää on mahdollista vähentää.The state of nature is currently assessed in many different ways. The purpose of the evaluation is to carry out scientific research and study of the nature load. By examining the load, the cause of the natural pollution can be identified and the load can be changed. Agriculture is one of the biggest polluters of nature. Agricultural fertilizers are leached into waterways where 15 fertilizers cause nutrients such as Rehe. By analyzing the load and pollutants it is possible to reduce the amount of pollutants.
Perinteisesti analysointi tehdään keräämällä näytteitä. Vesistöjen tapauksessa tämä tarkoittaa ve-20 sinäytteiden ottamista useilta eri näytteenottopai- ;· · koilta. Vesinäytteet analysoidaan laboratoriossa ja tulokset kerätään tietokantaan. Tulosten perusteella voidaan tehdä johtopäätöksiä ja tehdä suosituksia esimerkiksi käytettävistä lannoitteista. Vastaavia mene-'.*·. 25 telmiä voidaan käyttää myös muun luonnon tarkkailuun, ,· jolloin kerätään esimerkiksi maaperänäytteitä. Näyt teiden analysoinnin etuna on tulosten tarkkuus. Näytteestä voidaan poimia tarkasti kaikki tarkasteltavat aineet ja niiden määrä voidaan mitata. Näytteiden ke-.·. 30 räämisen ongelmana on keräämisen hitaus. Mikäli halu- λ. taan suuri määrä näytteitä, niiden keräämiseen kuluu '! . aikaa ja työtä. Tämän vuoksi näytteiden kerääminen on myös kallista.Traditionally, analysis is done by collecting samples. In the case of watercourses, this means taking water samples from several different sampling points. The water samples are analyzed in the laboratory and the results are collected in a database. The results allow conclusions to be drawn and recommendations made, for example, on the fertilizers used. Similar go - '. * ·. The methods can also be used to observe other nature, such as collecting soil samples. The benefit of analyzing samples is the accuracy of the results. All the substances to be examined can be accurately sampled and quantified. Collection of samples ·. The problem with picking is the slowness of collecting. If desired λ. Because of the large number of samples it takes to collect them! . time and work. Therefore, collecting samples is also expensive.
Näytteiden keräämisen sijasta on mahdollista V 35 analysoida luontoa myös kuvaamalla. Haluttua maasto- kohtaa voidaan kuvata lentokoneesta tai satelliitista.Instead of collecting samples, it is possible to analyze the V 35 by nature. The desired terrain can be photographed from an airplane or satellite.
113894 2113894 2
Kuvaan tallennetaan maastosta heijastuvat spektrit. Tällaiset kolmiulotteiset spektrikuvat ovat tunnettuja esimerkiksi kansainvälisestä patenttijulkaisusta W0 01/54067. Kansainvälinen patenttijulkaisu WO 01/54067 5 kuvaa myös erilaisia spektrikuvien lajittelu- ja luokittelumenetelmiä. Vesistöjen kaukokartoitusta lentokoneesta kuvataan esimerkiksi patenttijulkaisuista US 4,986,655 ja US 4,986,656. Niissä käsitellään erityisesti meriveden diffuusiovakion määrittämistä esimer-10 kiksi lentokoneesta. Diffuusiovakio määritetään suuntaamalla lasersäde lentokoneesta meriveden pintaan ja mittaamalla siitä syntyvä heijastus.The image captures spectra reflected from the terrain. Such three-dimensional spectral images are known, for example, from International Patent Publication No. WO 01/54067. International patent publication WO 01/54067 5 also describes various methods of sorting and classifying spectral images. Remote sensing of watercourses from an aircraft is described, for example, in U.S. Patent Nos. 4,986,655 and 4,986,656. In particular, they deal with the determination of seawater diffusion constant as an example-10 aircraft. The diffusion constant is determined by directing a laser beam from an airplane to the surface of the sea and measuring its reflection.
Maastoa voidaan kartoittaa myös satelliitista otettujen kuvien avulla. Hyvät suuren mittakaavan sa-15 telliittikuvat vaativat useita otoksia ja niiden yhdistämistä toisiinsa. Nykyiset menetelmät ovat vielä puutteellisia ja useiden kuvien yhdistäminen toisiinsa monimutkaista. Kuvista saadaan suuri määrä informaatiota sähköisessä muodossa. Oikean ja halutun tiedon 20 poimiminen informaatiosta on hankalaa ja vaatii paljon monimutkaista laskentaa. Parhaimmissa mallinnuksissa :·,· yhdistetään useat eri mittausmenetelmät. Esimerkiksi satelliittikuvista saatavaan tietoon voidaan yhdistää y näytteistä saatavat mittaustulokset. Luotettava yhdis- * 25 täminen on kuitenkin monimutkainen operaatio.Terrain can also be mapped using satellite imagery. Good large-scale sa-15 telltale images require multiple shots and interlocking. Current methods are still incomplete and the combination of multiple images is complicated. A large amount of information is obtained from images in electronic form. Extracting the correct and desired information from the information is difficult and requires a lot of complex computation. The best modeling: ·, · combines several different measurement methods. For example, data from satellite imagery can be combined with measurement results from y samples. However, reliable connection * 25 is a complicated operation.
KEKSINNÖN TARKOITUSPURPOSE OF THE INVENTION
Keksinnön tarkoituksena on tuoda esille uuden tyyppinen menetelmä kaukokartoitukseen sekä kaukokar-30 toitustulosten yhdistäminen muihin seurantamenetel-·' ’· miin. Erityisesti keksinnön tarkoituksena on helpottaa edelle mainittuja ongelmia satelliiteilla tehtävässä kaukokartoituksessa. Lisäksi keksinnön tarkoituksena on tuoda esille menetelmä, jolla suuresta määrästä ’ 35 kaukokartoitusmateriaalia voidaan poimia haluttu in- ·; formaatio.It is an object of the invention to provide a new type of remote sensing method and to combine remote mapping results with other monitoring methods. In particular, it is an object of the invention to alleviate the above problems in satellite remote sensing. It is a further object of the invention to provide a method by which a large amount of '35 remote sensing material can be extracted with the desired information; formation.
M · | 3 113894M · | 3, 113894
KEKSINNÖN YHTEENVETOSUMMARY OF THE INVENTION
Esillä olevan keksinnön kohteena on menetelmä kaukokartoitukseen. Keksinnön kohteena olevassa menetelmässä luodaan joukko seuranta-alueiden resoluutio-5 malleja. Resoluutiomallilla tarkoitetaan mallia, jolla rajataan käsiteltävä seuranta-alue. Seuranta-alueella tarkoitetaan mittauksen kohteena olevaa maantieteellistä aluetta. Mikäli seuranta-alue on suuri tai muutoin ongelmallinen, se voi koostua myös useasta pie-10 nemmästä resoluutioalueesta. Seuranta-alueiden reso- luutiomallit luodaan valmiiden karttojen avulla. Vesistöjen tapauksessa resoluutiomallilla voidaan tarkoittaa rajausta, jossa rantaan on tietty matka, esimerkiksi 500 metriä. Rajaus ei ole ehdoton, vaan pie-15 niä maakaistaleita, saaria ja kareja voidaan sisällyttää resoluutioalueeseen, mikäli ne ovat niin pieniä, etteivät ne vaikuta merkittävästi mittaustuloksiin. Keksinnön mukaisessa menetelmässä luodaan malleja usealla eri resoluutiolla. Mallit voivat olla esimerkiksi 20 1000, 500, 300 ja 250 metrin resoluutiolla. Seuranta- : ’ alueiden resoluutiomallit luodaan mittausinstrumentti- en resoluutioiden perusteella. Resoluutioaluemallissa .-··. yksi piste kuuluu aina yhteen resoluutioalueeseen.The present invention relates to a method for remote sensing. The method of the invention generates a plurality of resolution-5 patterns in the tracking areas. A resolution model is a model that delimits the monitoring area to be addressed. The monitoring area refers to the geographical area to be measured. If the monitoring area is large or otherwise problematic, it may also consist of several smaller-10 resolution ranges. The resolution models for the monitoring areas are created using ready maps. In the case of watercourses, the resolution model can mean a boundary with a certain distance to the shore, for example 500 meters. The delimitation is not absolute, but pie-15 bands, islands and quarries can be included in the resolution range if they are so small that they do not significantly affect the measurement results. In the method of the invention, models are created at several different resolutions. For example, the models can have resolutions of 20, 1000, 500, 300 and 250 meters. The resolution models for the tracking regions are created based on the resolutions of the measurement instruments. In the resolution range model.- ··. one point always falls within one resolution range.
Luoduista resoluutiomalleista yhdistetään resoluutio-25 aluemalli. Resoluutioaluemallista voidaan erottaa eri ; / resoluutioalueet. Resoluutioaluetta voidaan lohkoa myös pienemmiksi, jotta niistä saataisiin muodostettua halutun kokoisia ja muotoisia seuranta-alueita. Näin menetellään erityisesti merta mitattaessa. Seuranta-30 alueet muodostetaan resoluutioaluemallin yksittäisten osa-alueiden yhdistelmänä. Yksittäinen resoluutioalue-mallin osa-alue voi kuulua samaan aikaan useaan seu- • * ' · ranta-alueeseen.The resolution models created are combined with a resolution-25 region model. There are different types of resolution range model; / resolution ranges. The resolution range can also be segmented smaller to form tracking areas of desired size and shape. This is especially the case when measuring the sea. The tracking-30 areas are formed as a combination of individual sub-areas of the resolution range model. A single sub-area of the resolution range model may be part of several • * '· beach areas at the same time.
Luotua resoluutioaluemallia hyödynnetään kau-35 kokartoituskuvien analysoinnissa. Kaukokartoituskuvat ·· kuvataan esimerkiksi satelliitista tai lentokoneesta.The created resolution range model is utilized in the analysis of remote 35 mapping images. Remote sensing images ··, for example, from satellite or airplane.
.... Kaukokartoituskuvat kohdistetaan resoluut ioaluemallin 113894 4 kanssa, jolloin seurattaville alueille osuvat satelliitin mittaukset erottuvat mitatusta kaukokartoitus-materiaalista helposti. Resoluutioaluemallin avulla kaukokartoitusmateriaalista voidaan poistaa esimerkik-5 si vesistöjen rantojen lähialueet. Varsinainen seuranta kohdistuu seuranta-alueisiin, jotka muodostetaan tietokannassa yhdistämällä halutulla alueella olevat soveliaat seuranta-alueet..... Remote sensing images are aligned with resolutions 113894 4 so that the satellite measurements of the areas to be tracked can easily be distinguished from the measured remote sensing material. The resolution area model can be used to remove areas near the shores of exemplary water bodies from remote sensing material. The actual monitoring is focused on the monitoring areas that are formed in the database by combining the appropriate monitoring areas in the desired area.
Kun resoluutioaluemalli on kohdennettu, kau-10 kokartoituskuvasta voidaan mitata halutut kohteet.Once the resolution area model is aligned, the desired objects can be measured from the remote 10-size mapping image.
Kaukokartoituskuva voidaan tarvittaessa korvata myös muulla mittausdatalla. Resoluutioaluemallin ansiosta mittaus kohdentuu tarkasti halutulle alueelle mittaus-instrumentin resoluution mukaan. Mittauksessa satel-15 liitin havainnointilaitteiden digitaaliset mittaustu lokset muunnetaan fyysisiksi säteilymittauksiksi. Edullisesti mittaustulokset ovat spektrikuvia, joissa jokainen kuva-alkio muodostuu kuvatusta pisteestä heijastuneesta spektristä, joka on mitattu mittaavalle 20 instrumentille ominaisilla aallonpituuksilla. Spektri- : · kuvien lisäksi järjestelmä voi käsitellä myös jossain ;·,· muussa muodossa olevia mittaustuloksia. Muodostetut spektrit lajitellaan ja luokitellaan. Tällä tavoin ;· spektrien joukosta poimitaan ainoastaan halutut spekt- ’· * 25 rit. Poistettavien spektrien joukossa on spektrit, *. · joissa esiintyy häiriöitä. Tällaisia häiriöitä ovat esimerkiksi pilvisyys ja mittalaiteviat.The remote sensing image can also be replaced with other measurement data if needed. Thanks to the resolution range model, the measurement is precisely targeted to the desired area according to the resolution of the measuring instrument. In the measurement, the digital measurement results of the satellite-15 connector observers are converted into physical radiation measurements. Preferably, the measurement results are spectral images in which each pixel is comprised of a spectrum reflected from a depicted point and measured at specific wavelengths of the measuring instrument. Spectral: · In addition to images, the system may also process measurement data. ·, · Other forms of measurement. The resulting spectra are sorted and classified. In this way, only the desired spectra are extracted from the spectra. The spectra to be erased include spectra, *. · Where disturbances occur. Examples of such interference are Cloudiness and Measuring Instrument Faults.
Luokitellut ja järjestetyt mittaustulokset voidaan analysoida heti. Tyypillisesti käyttökelpoiset 30 tulokset myös arkistoidaan myöhempää käsittelyä var- ten. Arkistoon liitetään myös tietoa esimerkiksi käy-tetyistä mittalaitteista sekä mittaustilanteesta. Luo-*; . kitellut ja järjestetyt mittaustulokset on helppo ar kistoida. Arkistointi kannattaa jo senkin vuoksi, että 35 analysointimenetelmät ja analysointilaitteistot kehit-tyvät nopeasti ja myöhemmin samoista mittaustuloksista 113894 5 voidaan saada uutta tietoa parempien analyysien ansioista .Classified and organized measurements can be analyzed immediately. Typically useful results are also archived for later processing. The archive also contains information on, for example, the measuring equipment used and the measurement situation. Round-*; . elaborate and organized measurement results are easy to archive. Archiving is well worth it because 35 analytical methods and analytical equipment evolve rapidly, and later the same measurement results 113894 5 can provide new insights into the benefits of better analysis.
Keksintö parantaa huomattavasti satelliittikuvista tehtävää kaukokartoitusta. Keksinnön mukaisel-5 la menetelmällä voidaan hallita suurta määrää kuvia, joten havaintojen yhdistäminen ei muodostu ongelmaksi. Keksinnön mukaisella menetelmällä mittaus voidaan kohdentaa tarkemmin halutulle alueelle, joka pienentää käsiteltävän aineiston kokoa. Edelleen spektrien luo- 10 kittelu ja järjestäminen vähentää analysoitavien mittaustulosten määrää, jolloin tarvittava analysointiai-ka lyhenee.The invention greatly improves remote sensing from satellite images. The method according to the invention can control a large number of images, so combining the observations does not become a problem. By the method of the invention, the measurement can be more precisely targeted to a desired area which reduces the size of the material to be processed. Further, classifying and arranging the spectra reduces the number of measurement results to be analyzed, thereby reducing the time needed for analysis.
KUVIOLUETTELOLIST OF FIGURES
15 Kuvio 1 esittää keksinnön mukaisen menetelmän erään sovelluksen toimintalohkokaaviota, ja kuvio 2 esittää esimerkkiä keksinnön mukaisen tietokantajärjestelmän erään sovelluksen toimintalohkokaaviota, 20 kuvio 3 esittää esimerkkiä keksinnön mukaisen I järjestelmän eräästä sovelluksesta, ja : ’ kuvio 4 esittää esimerkkiä eräästä keksinnön ; 1 mukaisesta resoluutioaluemallista.Fig. 1 illustrates a functional block diagram of an embodiment of the method of the invention, and Fig. 2 shows an example functional block diagram of an embodiment of a database system according to the invention, Fig. 3 illustrates an embodiment of an I system according to the invention; 1 resolution range model.
25 KEKSINNÖN YKSITYISKOHTAINEN KUVAUSDETAILED DESCRIPTION OF THE INVENTION
: ' Kuvio 1 esittää keksinnön mukaisen menetelmän toimintalohkokaaviota. Keksinnön mukaisen menetelmän kannalta olennaista on luoda resoluutiomallit. Reso-luutiomallilla tarkoitetaan mallia, jolla määritetään 30 millä resoluutiolla seuranta-alueelta voidaan kerätä ' mittaustuloksia. Analysointia aloitettaessa tarkaste taan, onko tarvittavat mallit ja resoluutioaluemallit olemassa, vaihe 10. Mikäli malleja ei ole, ne tulee ____ luoda. Resoluutiomallit luodaan vektoreina kartasta •· 35 määrittelemällä, vaihe 11. Käytettävä resoluutio mää- ····' räytyy pääsääntöisesti käytettävän mittausinstrumentin 6 113894 mukaan ja resoluutiomalleja määritellään tyypillisesti useampia. Resoluutio voi olla esimerkiksi 250 metriä ja 500 metriä. Vesistöjen tapauksessa resoluutiomal-lilla voidaan tarkoittaa rajausta, jossa rantaan on 5 tietty matka, esimerkiksi 500 metriä. Rajaus ei ole ehdoton, vaan pieniä maakaistaleita, saaria ja kareja voidaan sisällyttää resoluutioalueeseen, mikäli ne ovat niin pieniä, etteivät ne vaikuta merkittävästi mittaustuloksiin. Etäisyyden määrittäminen on tärkeää 10 sen vuoksi, että tyypillisesti maastosta aiheutuva heijastuma on merkittävästi suurempi kuin vesistön heijastuma, joten pienikin kaistale maastoa aiheuttaa suuren mittavirheen. Koska alueita, joita voidaan seurata 500 metrin resoluutiolla voidaan seurata myös 250 15 metrin resoluutiolla, muodostuvat eri resoluutioisten instrumenttien seuranta-alueet eri resoluutioalueiden yhdistelmistä. Luotujen seuranta-alueiden resoluutio-mallien perusteella laaditaan resoluutioaluemalli, vaihe 12. Luodut mallit tallennetaan myöhempää käyttöä 20 varten. Resoluutioaluemallista voidaan erottaa eri re-, ,· soluutioalueet. Kuviossa 4 esitetään tällaista mallia.Figure 1 shows a functional block diagram of a method according to the invention. For the method according to the invention, it is essential to create resolution models. Reso lution model refers to a model that determines at what resolution a measurement area can be collected from the observation area. When starting the analysis, check if the necessary templates and resolution range models exist, step 10. If no templates exist, they should be ____ created. Resolution models are created as vectors from the map by · · 35 defining, step 11. The resolution to be used · · · · · · · · · · · · · · · · · · · · · · · · · mainly depends on the measurement instrument used 6 113894. For example, the resolution can be 250 meters and 500 meters. In the case of watercourses, the resolution model may mean a boundary with 5 specific distances to the shore, for example 500 meters. The delimitation is not absolute, but small earth strips, islands and quarries can be included in the resolution range if they are so small that they do not significantly affect the measurement results. The determination of the distance is important 10 because the reflection typically caused by the terrain is significantly higher than the reflection of the water, so that even a small strip of terrain causes a large measurement error. Because areas that can be tracked at a resolution of 500 meters can also be tracked at a resolution of 250 meters, the tracking areas of instruments of different resolutions consist of combinations of different resolution ranges. Based on the resolution models of the created monitoring areas, a resolution area model is created, step 12. The created models are saved for later use 20. Different resolution, · resolution areas can be distinguished from the resolution range model. Figure 4 shows such a model.
Kuvion 4 mukaisessa resoluutioaluemallissa 250 metrin resoluutiota kuvataan vaakaviivoituksella ja 500 met-’;·· rin resoluutiota pystyviivoilla. Resoluutioaluetta ‘ 25 voidaan lohkoa myös pienemmiksi, jotta niistä saatai- ’.’· siin muodostettua halutun kokoisia ja muotoisia seu- ranta-alueita. Näin menetellään erityisesti merta mitattaessa. Lopuksi muodostetaan halutut seuranta-alueet yhdistelemällä ne resoluutioalueista, vaihe 13.In the resolution range model shown in Figure 4, a resolution of 250 meters is represented by horizontal lines and a resolution of 500 meters by vertical lines. The resolution area '25 can also be segmented smaller to form monitoring areas of desired size and shape. This is especially the case when measuring the sea. Finally, the desired monitoring areas are formed by combining them from resolution areas, step 13.
30 Yksittäinen resoluutioaluemallin osa voi kuulua useampaan seuranta-alueeseen.30 A single part of a resolution range model may fall into more than one monitoring area.
I., Mikäli kohteesta on malli, kohde voidaan ku- "·; ( vata, vaihe 14. Kuvattaessa kohdetta käytetään esimer- *·· kiksi spektrikuvia, joissa jokainen kuva-alkio esittää ·;· 35 kohteesta mitattua spektriä. Satelliitin mittauksia voidaan käsitellä joko pistetietokantana, jolloin ote- • · ··· taan kaikki mittaukset huomioon, tai muuntamalla ne 113894 7 ensin perinteisiksi rasterikuviksi, jossa muodostetaan kuva valitsemalla tietyn koordinaattihilan pisteitä lähimmät mittaukset. Tyypillisesti tarkkailtava alue on suuri, joten useita resoluutioalueita linkitetään 5 toisiinsa. Pienemmissä kohteissa yksi resoluutioalue riittää kattamaan koko tarkkailtavan seuranta-alueen.I., If there is a model for the object, the object can be imaged. "(Vata, step 14. For example, * ·· why images are used to represent the object; each pixel represents ·; · 35 spectra measured from the object. Satellite measurements can be processed either as a point database taking all measurements • · ···, or converting them into 113894 7 first by converting them to a traditional raster image that produces an image by selecting points in a given coordinate grid. Closest Measurements Typically, the area to be observed is large. one resolution range is sufficient to cover the entire observation area.
Kun kohde on kuvattu, kohdistetaan resoluutioaluemalli analysoitavan kohteen päälle, vaihe 15. Mallin ansiosta kuvasta voidaan poimia helposti ne mittaukset, jot-10 ka osuvat kiinnostaville alueille ja ovat siten potentiaalisesti käyttökelpoisia muun kuvan ollessa käyttökelvotonta, vaihe 16. Mittaustulokset luokitellaan hyviin ja huonoihin, vaihe 17. Huonoilla mittaustuloksilla tarkoitetaan esimerkiksi kuvia, joissa pilvisyys 15 estää luotettavien havaintojen tekemisen. Hyvät mittaustulokset analysoidaan, vaihe 18. Tarvittaessa mittaustulokset ja niistä tehdyt tulkinnat arkistoidaan. Tyypillisesti yksittäisiltä resoluutioalueilta löytyvät käyttökelpoiset mittaustulokset arkistoidaan aina 20 ja täysin kelvottomia tuloksia ei arkistoida ikinä.Once the subject is photographed, the resolution range model is superimposed on the subject to be analyzed, step 15. The model allows easy picking of measurements that hit areas of interest and thus potentially useful while the rest of the image is unusable, step 16. Measurement results are classified as good and bad, step 17. Poor measurement results include, for example, images in which Cloud 15 prevents reliable observations. Good measurement results are analyzed, step 18. If necessary, the measurement results and their interpretations are archived. Typically, useful measurement results found in individual resolution ranges are always archived, and completely invalid results are never archived.
;· - Kuvio 2 esittää esimerkkiä keksinnön mukaisen \ sovelluksen tietokantajärjestelmästä. Kuviossa lohkot 20 - 22 kuvaavat satelliittihavaintotietoja, lohkot 23 ’··· - 26 kuvaavat mittavälineitä, havaintoja ja tuloksia *- * 25 koskevaa metadataa, lohkot 27 - 29 ja 210 - 213 kuvaa- vat seuranta-alueiden tietoja, lohkot 214 - 217 kuvasin vat tulkintatuloksia, lohkot 218 - 220 kuvaavat mitta uksia ja lisäinformaatiota ja lohko 221 tietokannan toiminallisuutta ja tietojenkäsittelyfunktioita.Figure 2 shows an example of a database system for an \ application according to the invention. In the figure, blocks 20-22 illustrate satellite observation data, blocks 23 '··· - 26 illustrate metadata for measuring instruments, observations and results * - * 25, blocks 27-29 and 210-213 illustrate monitoring area data, blocks 214-217 illustrate block interpreting results, blocks 218-220 illustrate measurements and additional information, and block 221 the database functionality and data processing functions.
30 Satelliittihavaintotiedot 20 - 22 käsittävät havaintojen suodatustiedot 20, havaintolokin 21 ja mittalaitteilla tehdyt satelliittihavainnot 22. Satelliittihavainnot 22 käsittävät perusmittauspaketit. Suodatustiedot 20 voivat käsittää useita eri suodatus-·;·· 35 tietoja, esimerkiksi millä algoritmilla ja millaisilla V ehdoilla informaatio on suodatettu. Tällä rajoitetaan kerättävien datapakettien määrää, sillä suodatettuja I 113894 8 paketteja ei tallenneta. Koska satelliittihavaintojen käsittely vaatii suurta laskentatehoa, niistä alueista, joiden paketit on jo käsitelty, pidetään lokitietoja 21. Lokitietoihin voidaan tallentaa myös paketti-5 en käsittelytapa.The satellite observation data 20-22 comprises the observation filtering information 20, the observation log 21, and the satellite observations 22 made by the measuring devices. The satellite observation 22 comprises basic measurement packages. The filtering data 20 may comprise a plurality of different filtering data; for example, by which algorithm and under what V conditions the information is filtered. This limits the amount of data packets that can be collected, since filtered I 113894 8 packets are not stored. Because of the high computational power required to process satellite observations, logs 21 are kept in areas where packets have already been processed. The method of processing packets 5 can also be stored in the log information.
Mittavälineitä, havaintoja ja tuloksia koskeva metadata 23 - 26 käsittää mittaustulosten tulkinnan kannalta tärkeää tietoa. Metadata käsittää satelliit-tidatan esikäsittelytiedot 23 ja havaintotyypin 24.Metadata 23 - 26 for Measuring Instruments, Observations and Results contains important information for the interpretation of measurement results. The metadata comprises satellite data preprocessing data 23 and observation type 24.
10 Satelliitti-instrumenttidata 25 on erityisen tarpeellista silloin, kun useita satelliittihavaintoja yhdistetään yhdeksi havainnoksi. Myös tuloksen tarkkuus vaikuttaa tulkintaan. Tuloksen tarkkuus ilmoitetaan tietotyypillä 26, joka kertoo mitattavan pisteen suu-15 reen ja millä skaalalla tulostetiedot kuvaavat sitä.10 Satellite instrument data 25 is particularly useful when multiple satellite observations are combined into a single observation. The accuracy of the result also affects the interpretation. The accuracy of the result is expressed by the data type 26, which tells the scale of the point to be measured and the scale on which the output data describes it.
Seuranta-alueiden tiedot 27 - 29 ja 210 - 213 käsittävät kaikki mittauksen kannalta merkittävät seuranta-alueiden tiedot. Resoluutioaluetiedot 27 käsittää jokaisen resoluutioalueen minimi- ja maksimikoor-20 dinaattijoukon sekä alueen keskipisteen. Lisäksi reso-;· > luutioaluetieto 27 käsittää alueen yksilöllisen tun- !. ! nuksen, jonka perusteella alueen maantieteellinen si- * jainti määritellään. Useat resoluutioalueet yhdiste- ’··· tään suuremmaksi seuranta-alueeksi resoluutioalueiden *. * 25 yhdistämisdatan 28 avulla. Alueille voidaan käyttää « myös erillisiä ulkoisia tunnisteita 213, joilla voi-: daan ilmoittaa esimerkiksi alueen kuulumisesta jonkin kunnan alueelle. Seuranta-alueen tiedot 210 yhdistetään muodostamaan kokonaisuus. Alueen mittaustulosten 30 lisäksi tietoihin 210 voidaan yhdistää tietoa yhteyksistä seuranta-alueisiin 211, esimerkiksi kuulumisesta samaan vesistöön, tai mitä tahansa muuta lisätietoa . 212. Muita mahdollisia lisätietoja tai yhteyksiä ovat esimerkiksi seuranta-alueiden naapuruus tai virtaaman :· 35 suuruus. Tarvittaessa seuranta-alueiden satelliittiha- V vaintoja voidaan täydentää myös paikallisesti tehdyil- » * · * j 113894 9 la havainnoilla 29. Paikalliset havainnot voivat olla esimerkiksi vesinäytteitä.The monitoring area data 27-29 and 210-213 include all monitoring data relevant to the measurement. Resolution area information 27 comprises a set of minimum and maximum chromaticities of dynamics for each resolution area and a midpoint of the area. In addition, the reso- lution area information 27 comprises a unique identification of the area. ! the geographical location of the area. Multiple resolution ranges for larger compound ranges of resolution ranges *. * 25 using 28 merge data. Separate external identifiers 213 may also be used for the area, which may indicate, for example, that the area belongs to a municipal area. Tracking area data 210 is combined to form an entity. In addition to area measurement results 30, information 210 may be associated with communications with monitoring areas 211, such as belonging to the same body of water, or any other additional information. 212. Other possible additional information or connections are, for example, the neighborhood of the monitoring areas or the size of the flow: · 35. Where appropriate, satellite observations of observation areas may also be supplemented by locally-made observations. * Local observations may be, for example, water samples.
Havaintojen tulkintatulokset 216 ovat luonnollisesti loppukäyttäjän kannalta järjestelmän mie-5 lenkiintoisin osa. Havaintojen tulkintatuloksiin voidaan liittää rasterikuvia 217, esimerkiksi karttoja. Edelleen tulkintatulokset voivat käsittää tilastollisia tunnuslukuja 214 mitattujen kohteiden tiedosta sekä listan 215 havaituista kohteista.The interpretation results 216 are, of course, the most interesting part of the system mie-5 for the end user. The interpretation results of the observations may be accompanied by raster images 217, for example maps. Further, the interpretation results may comprise statistical indicators 214 from the data of the measured objects as well as a list 215 of the detected objects.
10 Havaintoaikojen 218 avulla satelliittihavain toihin yhdistetään lisätietoja 219. Lisätiedot 219 ovat esimerkiksi mittauksia vallitsevasta säästä. Tul-kinta-aikojen 220 avulla voidaan laskea esimerkiksi tiettyä kuukautta koskevien havaintojen keskiarvot.10 Observation times 218 are used to connect satellite observations with other information 219. Additional information 219 is, for example, measurements of the weather. Interpretation times 220 can be used to calculate averages of observations for a particular month, for example.
15 Eri tietoja yhdistellään ja käsitellään tietokannan tietojenkäsittelyfunktiolla 221. Tällaisia funktiota ovat esimerkiksi luokittelu- ja järjestämisfunktiot. Näiden itse määrittelemiensä funktioiden avulla järjestelmän ylläpitäjä tuottaa järjestelmään tiedot ha-20 vainnoista tai liittää tiedon näkymään järjestelmän • välityksellä, esimerkiksi tekemällä viittaukset väijyi miin rasterikuvan siihen osaan, missä kyseessä oleva seuranta alue näkyy.15 The various data are combined and processed by the database computing function 221. Such functions include, for example, the classification and the organizing functions. These self-defined functions allow the system administrator to provide information about ha-20 lesions to the system, or to map data to the system through the system, for example, by referring to ambiguous parts of the raster image where the monitoring area in question is displayed.
Kuvio 3 esittää keksinnön mukaista järjestel-*· ' 25 mää. Keksinnön mukaisessa järjestelmässä satelliitti 30 ottaa kuvia maastosta 31. Maastossa on vesistö, :t jonka pintaa kuvaa pisteviiva 311. Satelliitti 30 vä littää mittainstrumenteilla tehdyt havainnot, esimerkiksi spektrikuvat, satelliittivastaanottimeen 34. Sa-30 telliittivastaanotin 34 on liitetty tietojärjestelmään .·, 32. Tietojärjestelmään 34 on järjestetty kaikki spekt- % t rikuvan analysointiin tarvittavat välineet. Tietojär-*.* . jestelmä käsittää välineet 35 seuranta-alueiden reso- luutiomallien luomiseksi ja välineet 36 resoluutio-*:* 35 aluemallin luomiseksi seuranta-alueiden resoluutiomal- V leista. Resoluutiomallit luodaan vain kerran, jonka jälkeen ne tallennetaan myöhempää käyttöä varten. Tyy- 113894 10 pillisesti välineet 36 mallin luomiseksi käsittävät digitaalisen karttasovelluksen, johon määritetään haluttu resoluutio. Seuranta-alueet luodaan seuranta-alueiden määrittelyvälineillä 312, joilla poimitaan 5 jokaiseen seuranta-alueeseen kuuluvat resoluutioalu- eet.Figure 3 shows a system according to the invention. In the system of the invention, satellite 30 captures images of terrain 31. The terrain comprises bodies of water depicted by dotted line 311. Satellite 30 transmits observations made with dimensional instruments, such as spectral images, to satellite receiver 34. The Sa-30 satellite receiver 34 is connected to the information system. 34 are provided with all the necessary means for analyzing the spectra. Computer - *. *. the system comprises means 35 for generating resolution models of the monitoring regions and means 36 for creating a resolution model of 35: - *: * 35 regions from the resolution models of the monitoring regions. Resolution templates are created only once and then saved for later use. 113894 10 means for creating a model 36 comprises a digital map application to which the desired resolution is determined. The monitoring areas are created by the monitoring area definition means 312, which extract 5 resolution areas belonging to each monitoring area.
Kuvatut kohteet kohdennetaan resoluutioalue-malliin kohdentajalla 37. Kohdennetusta kuvasta voidaan poimia helposti eri resoluutioalueet. Eri reso-10 luutioalueilta mitataan mittavälineillä 38 halutut spektrit. Koska mittalaitteiden resoluutiot on tiedossa, resoluutioalueen ulkopuoliset mittaustulokset voidaan hylätä luokittelijalla 311. Luokittelijalla voidaan luokitella mittaustuloksia myös muiden sääntöjen 15 perusteella. Mittaustulos voidaan hylätä esimerkiksi liian pilvisyyden vuoksi. Hyvät mittaustulokset analysoidaan analysaattorilla 39. Järjestelmään voidaan tarvittaessa liittää maastomittaustuloksia, jotka kerätään näytteenottovälineillä 33. Tällaisia näytteitä 20 ovat esimerkiksi vesi- ja maaperänäytteet. Edellä mai- ' nitut välineet 35 - 310 voidaan toteuttaa laitteisto- » na, ohjelmistona tai niiden yhdistelmänä.Described objects are targeted to the resolution range model by using the cursor 37. Different resolution ranges can easily be extracted from the focused image. The desired spectra are measured by measuring means 38 from different reso-10 lution areas. Since the resolutions of the measuring instruments are known, the measurement results outside the resolution range may be rejected by the classifier 311. The classifier may also classify the measurement results according to other rules 15. The measurement result may be discarded, for example, due to excessive cloudiness. Good measurement results are analyzed by analyzer 39. The system may, if necessary, incorporate field measurement results, which are collected by sampling means 33. Such samples 20 include, for example, water and soil samples. The aforementioned means 35-310 may be implemented as hardware, software or a combination thereof.
Kuvio 4 esittää keksinnön mukaista resoluu-tioaluemallia. Malli on sijoitettu kuvan 40 päälle.Figure 4 shows a resolution range model according to the invention. The model is placed on top of Figure 40.
25 Vesistön rantaviivaa kuvataan käyrällä 45. Kuviossa ’· * vaakaviivoitettu alue kuvaa 250 metrin resoluutiota ja t · \ pystyviivoitettu alue 500 metrin resoluutiota. Kuvios sa on neljä 500 metrin resoluution instrumentilla mitattua havaintoa 41 - 44. Havainto 41 on osittain re-30 soluutioalueen sisällä, mutta se hylätään, koska ha-.·, vainnon keskipiste on resoluutioalueen ulkopuolella.25 The shoreline of the watercourse is represented by a curve 45. In the figure '· * the horizontal line represents a resolution of 250 meters and the vertical line of t · \ represents a resolution of 500 meters. In the figure, there are four 500-meter instrumented observations 41-44. The observation 41 is partially within the re-30 resolution range but is discarded because the center of gravity is outside the resolution range.
Tyypillisesti resoluutioalueet määritellään siten, et-. tä mikäli keskipiste on resoluutioalueella, havainnos sa ei ole häiritsevää määrää maastoa. Havainto 42 ei ’·’ 35 ole resoluutioalueen sisällä, joten osa mitatusta ha- • · vainnosta on maastoa ja mittausta ei voida hyväksyä. Havainto 43 on kokonaan mitattavan alueen ulkopuolella 11 113894 ja se hylätään. Havainto 44 on kokonaan resoluutioalu-een sisällä, joten se on hyväksyttävissä. Kuviossa 4 on myös esitetty eräs vaihtoehto, jossa resoluutioalu-eet on jaettu seuranta-alueisiin suoralla 46. Tällöin 5 viivan 46 ylä- ja alapuolia alueita voidaan tarkastel-! la omina seuranta-alueina tai yhdistää ne tarvittaes sa. Mittaukset tallennetaan tietokantaan resoluutio-alueiden mukaisesti, joten yhdistäminen seuranta-alueisiin tehdään vasta analysointivaiheessa.Typically, resolution ranges are defined as If the focal point is in the resolution range, you will not notice a disturbing amount of terrain. Observation 42 is not within the resolution range, so some of the measured • observation is terrain and measurement cannot be accepted. Observation 43 is completely out of range 11113894 and is discarded. Observation 44 is completely within the resolution range, so it is acceptable. Figure 4 also shows an alternative in which the resolution areas are divided into the tracking areas by a straight line 46. In this case, the areas above and below the line 46 can be viewed. Sat as their own monitoring areas or combine them as needed. Measurements are stored in the database according to the resolution ranges, so connection to the monitoring areas is only done at the analysis stage.
10 Keksintöä ei rajata pelkästään edellä esitet tyjä sovellusesimerkkejä koskevaksi, vaan monet muunnokset ovat mahdollisia pysyttäessä patenttivaatimusten määrittelemän keksinnöllisen ajatuksen puitteissa.The invention is not limited solely to the above exemplary embodiments, but many modifications are possible within the scope of the inventive idea defined by the claims.
* 1 t t i I » » » ( ( | * « » » » t f I » » - · * 1 I · I » 1* 1 t t i I »» »{(| *« »» »t f I» »- · * 1 I · I» 1
Claims (21)
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI20022033A FI113894B (en) | 2002-11-14 | 2002-11-14 | Remote Sensing Method |
AU2003282139A AU2003282139A1 (en) | 2002-11-14 | 2003-11-14 | Remote sensing method and system |
PCT/FI2003/000872 WO2004044527A1 (en) | 2002-11-14 | 2003-11-14 | Remote sensing method and system |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI20022033 | 2002-11-14 | ||
FI20022033A FI113894B (en) | 2002-11-14 | 2002-11-14 | Remote Sensing Method |
Publications (3)
Publication Number | Publication Date |
---|---|
FI20022033A0 FI20022033A0 (en) | 2002-11-14 |
FI20022033A FI20022033A (en) | 2004-05-15 |
FI113894B true FI113894B (en) | 2004-06-30 |
Family
ID=8564939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FI20022033A FI113894B (en) | 2002-11-14 | 2002-11-14 | Remote Sensing Method |
Country Status (3)
Country | Link |
---|---|
AU (1) | AU2003282139A1 (en) |
FI (1) | FI113894B (en) |
WO (1) | WO2004044527A1 (en) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100365435C (en) * | 2005-12-05 | 2008-01-30 | 牛铮 | Analogue technology for imaging spectrograph remote-sensing image in satellite |
CN102607529A (en) * | 2012-03-30 | 2012-07-25 | 中国神华能源股份有限公司 | Measurement method and device for mining area environment, and data processing equipment |
CN104267622B (en) * | 2014-09-09 | 2017-02-08 | 中国航天科技集团公司第九研究院第七七一研究所 | Satellite telemetering acquisition device and method based on tasks and time |
CN106595598B (en) * | 2016-12-21 | 2019-03-19 | 上海航天控制技术研究所 | A kind of first optical remote sensing imaging method in permanent ground of wide visual field |
RU2702423C1 (en) * | 2018-12-25 | 2019-10-08 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт аэрокосмического мониторинга "АЭРОКОСМОС" | Method of determining level of contamination of sea surface |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1144946A1 (en) * | 1999-01-13 | 2001-10-17 | The Secretary Of State For Defence | Improved method of processing data and data processing apparatus |
-
2002
- 2002-11-14 FI FI20022033A patent/FI113894B/en not_active IP Right Cessation
-
2003
- 2003-11-14 AU AU2003282139A patent/AU2003282139A1/en not_active Abandoned
- 2003-11-14 WO PCT/FI2003/000872 patent/WO2004044527A1/en not_active Application Discontinuation
Also Published As
Publication number | Publication date |
---|---|
WO2004044527A1 (en) | 2004-05-27 |
AU2003282139A1 (en) | 2004-06-03 |
FI20022033A (en) | 2004-05-15 |
FI20022033A0 (en) | 2002-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Miraki et al. | Individual tree crown delineation from high-resolution UAV images in broadleaf forest | |
Gillan et al. | Integrating drone imagery with existing rangeland monitoring programs | |
Zhou et al. | Individual tree parameters estimation for plantation forests based on UAV oblique photography | |
Hyyppä et al. | Direct and automatic measurements of stem curve and volume using a high-resolution airborne laser scanning system | |
CN106989783A (en) | A kind of UAS that analysis is monitored based on soil information | |
Amani et al. | Spectral Analysis of wetlands in Newfoundland using Sentinel 2A and Landsat 8 imagery | |
Hentz et al. | Estimating forest uniformity in Eucalyptus spp. and Pinus taeda L. stands using field measurements and structure from motion point clouds generated from unmanned aerial vehicle (UAV) data collection | |
CN115561181A (en) | Water quality inversion method based on multispectral data of unmanned aerial vehicle | |
CN107064931A (en) | Farmland reference point screening technique based on remotely-sensed data and GIS-Geographic Information System | |
Clode et al. | Classification of trees and powerlines from medium resolution airborne laserscanner data in urban environments | |
Blanco et al. | Ecological site classification of semiarid rangelands: Synergistic use of Landsat and Hyperion imagery | |
Tao et al. | Recognition of ecological vegetation fairy circles in intertidal salt marshes from UAV LiDAR point clouds | |
Wallerman et al. | Estimating field-plot data of forest stands using airborne laser scanning and SPOT HRG data | |
Zhang et al. | UAV‐derived imagery for vegetation structure estimation in rangelands: validation and application | |
Kim et al. | Disaster Damage Investigation using Artificial Intelligence and Drone Mapping | |
FI113894B (en) | Remote Sensing Method | |
Aasen et al. | Spectral and 3D nonspectral approaches to crop trait estimation using ground and UAV sensing | |
Zhu et al. | Reducing mis-registration and shadow effects on change detection in wetlands | |
Halim et al. | Land use/land cover mapping for conservation of UNESCO Global Geopark using object and pixel-based approaches | |
Santos et al. | Extracting buildings in the city of Lisbon using QuickBird images and LIDAR data | |
Bazezew | Integrating airborne lidar and terrestrial laser scanner forest parameters for acurate estimation of above-ground biomass/carbon in Ayer Hitam Tropical Forest Reserve, Malaysia | |
CN116311010A (en) | Method and system for woodland resource investigation and carbon sink metering | |
Bilgilioglu et al. | Object based classification of unmanned aerial vehicle (UAV) imagery for forest fires monitoring | |
Kamarulzaman et al. | Integrated Segmentation Approach with Machine Learning Classifier in Detecting and Mapping Post Selective Logging Impacts Using UAV Imagery. Forests 2022, 13, 48 | |
Kamarulzaman et al. | An object-based approach to detect tree stumps in a selective logging area using Unmanned Aerial Vehicle imagery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MA | Patent expired |