ArcGIS Raster Veri Yönetimi

Transkript

1 18. Esri Kullanıcıları Konferansı 7-8 Ekim 2013 ODTÜ, Ankara Teknik Atölye ArcGIS Raster Veri Yönetimi Ömer ÜNSAL

2 Sunuma Genel Bakış Mozaik verisetlerine giriş Mozaik verisetlerinin Image Analysis ve ArcToolbox ile oluşturulması ArcGIS 10.2 ile gelen mozaik verisetleri yenilikleri Uydu görüntülerinin kontrollü sınıflandırılması ve doğruluk tespiti Uydu görüntüsü üzerinde ortorektifikasyon uygulamaları Image Analysis ile Pan-Sharpening, NDVI, band kombinasyonu yapılması Sorular & Cevaplar

3 Mozaik Veriseti Temelleri

4 Mozaik Veriseti Nedir ve Neden Kullanılır? Çok sayıda görüntü - Ortofoto, SYM, taranmış haritalar ->mozaikleme - Uydu görüntüleri-> işleme - Yönetim ve Kataloglama> arama/bulma Avantajları - Verimli depolama (koordinatlı görüntüler olarak) - Hızlı işleme (on-the-fly) - Ölçeklendirilebilir - Kolaylıkla aranabilir (seçim ve sorgulama) - Kolaylıkla güncellenebilir - Çoklu istemciye servis edilebilir - Görüntü işlemede kolaylık sağlar

5 Mozaik Veriseti - Depolama Geodatabase içinde veri modeli Tablo setleri olarak depolama - Footprint ile kaynak katman bilgisi - Sınır, Bağlantı hatları ArcMap te kompozit katman olarak görüntüleme - Boundary-Sınır - Footprint-Raster çerçevesi - Image-Raster Mozaik Veriseti

6 Mozaik Veriseti Mozaik Yöntemleri - Mozaik yöntemleri - North west Kuzey Batı(default) - Closest to center - Merkeze en yakın rastera göre - By attribute Özniteliğe göre - Closest to nadir Nadir açısına en yakın - Seamline Birleşim hattı - Çakışan hücrelerin çözümlenmesi En yakın merkez First/Min/Max/Mean/Blend/Sum Özniteliğe göre: bulutluluk oranı

7 Mozaik Veriseti Genel Görünüm (Overview) ve Görünürlük (Visibility) Genel görünüm ayarı ile raster çerçevesi tablosunda rasterlar yeniden örneklenebilir. Mozaik verisetinin görünürlük ölçeği arttırılabilir Tüm detay seviyelerinde hızlı raster görüntülenme sağlanabilir Rasterlara görüntülenme aralığı MinPS ve MaxPS sütunları ile verilebilir Cell size = 500 Cell size=50 OID Shape Raster Name MinPS MaxPS LowPS HighPS Category 1 Polygon <Raster> P01.met Primary 2 Polygon <Raster> P02.met Primary 3 Polygon <Raster> filename1.tif Overviews 4 Polygon <Raster> filename2.tif Overviews 5 Polygon <Raster> Filename3.tif Overviews

8 Mozaik Veriseti Oluşturulması Mozaik veriseti için bilgi alınması - Mozaik veriseti oluşturulması - Rasterların eklenmesi Mozaik verisetinde raster düzenleme

9 Mozaik Veriseti Oluşturulması Create Mosaic Dataset tool - Create footprint table Koordinat sisteminin belirlenmesi - Kurumunuza uyumlu koordinat sistemi seçilmesi - Web Mercator Raster tipi, Band sayılarının ve hücre tiplerinin seçilmesi Raster özelliği tanımlanması - Otomatik band eşleştirmesi - Örnekler: RGB, RGBI, Landsat vs.

10 Rasterların Eklenmesi Raster Tipleri Add Rasters to Mosaic Dataset Eklenecek verinin tanımlanması - İşlem şablonu - Raster fonksiyonu tanımlanması - Footprint tablosu sütunları - Sensör, Bulutluluk oranı, vs. Örnekler: - Raster Dataset, NITF, QuickBird gibi Sensör görüntüsü için raster tipi - Ortorektifikasyon için DEM kullanılması - Pansharpen için Gram-Schmidt yöntemi

11 Raster Arkaplanı Düzeltmesi Build Footprints ve Set NoData araçları Footprints yapılandırılması - Editor kullanılarak düzenlenebilir - Dışarıdan dosya alınarak düzenlenebilir Use footprint NoData aracı - Bir değere veya aralığa bağlı düzenlenebilir - Siyah hücreler gizlenebilir Use NoData

12 Boundary Oluşturulması Build Boundary aracı Mozaik veriseti sınırının belirlenmesi - Sınır dışında kalan hücreler kesilir Footprints e bağlı otomatik oluşur - Editor kullanılarak düzenlenebilir - Import Mosaic Dataset Geometry aracı kullanılarak da düzenlenebilir

13 Mozaik Veriseti İçin Renk Düzeltmesi Color Balance Mosaic Dataset aracı veya Color Correction penceresi Renk yüzeyine bağlı hesaplanabiir - Tek renk, renk gridi - Birinci, ikinci, üçüncü polinomial Mevcut hedef rastera göre düzenlenebilir - Örnek: Dünya uydu görüntüsü servisine göre Dış alana göre hesaplabilir Önce Sonra

14 ArcGIS 10.2 deki Raster Veriseti Yenilikleri Daha fazla raster tipi desteği - Landsat 8, SPOT 6, DMCii, Pleiades-1, Socet Set (.sup file) - Çin uydu görüntüsü raster desteği - ZY-3, ZY-1 02C, HJ 1A/1B Lokal fonksiyon - Mantıklı, şartlı, matematik işlemleri Yeni araçlar - Merge Mosaic Dataset Items ile mozaikteki rasterların birleştirilmesi - Split Mosaic Dataset Items ile mozaikteki rasterların ayrılması - Pan-sharpening Weights hesaplaması Uydu görüntüsü arama desteği Anahtar özelliklerine göre arama (sensör ismi, bulutluluk oranı, vs.)

15 Demo Mosaik Veriseti Oluşturulması ve Renk Düzeltmesi

16 Sınıflandırma ve Kontrollü Sınıflandırma Uydu Görüntülerinin Sınıflandırılması: Görüntüyü sınıflandırma, bir görüntü veri setinden anlamlı sayısal konu haritalarını üretme işlemidir. Klasik anlamda görüntüyü sınıflandırmak ve analiz etmek için, kıymetlendirme unsurları kullanılmaktadır. Sayısal görüntünün sınıflandırılmasında ise, bir veya daha fazla tayf bandındaki sayısal numaralarla temsil edilen tayfsal bilgiler kullanılır. Bu tipdeki sınıflandırma Spectral pattern recognition olarak bilinmektedir.

17 Image Classification Araç Çubuğu ve Kontrollü Sınıflandırma Kontrollü Sınıflandırma Seçilerek raster veri üzerinde gösterilen çeşitli piksel grupları ile bir sınıfın tanımlanması işlemidir. Sınıf belirleme ve etkileşimli olarak kontrollü sınıflandırma Image Classification araç çubuğu ile yapılabilir.

18 ArcGIS ile Maximum Likelihood Sınıflandırması Maximum Likelihood Yöntemi Bu yöntem görüntüyü oluşturan her bir banta ait her bir sınıfın istatistiğinin normal dağılıma uygunluk gösterdiğini ve ilgili sınıfın ardındaki piksele ait olasılığı bu dağılıma ait parametreler yardımı ile hesaplar.

19 Demo Image Classification ile Kontrollü Sınıflandırma

20 Image Analysis ile Pan-Sharpening Yapılması Pan-Sharpening Yüksek konumsal çözünürlüklü pankromatik (siyah/beyaz) raster ile düşük konumsal çözünürlüklü çok bantlı rasterdan, pankromatik olan raster verinin konumsal çözünürlüğünde RGB değerlerine sahip yeni görüntü oluşturulmasıdır. Görüntü iyileştirme tekniğidir.

21 Demo Pan-Sharpening

22 Image Analysis ile Ortorektifikasyon Yapılması Ortorektifikasyon Uydu görüntüleri arazi topografyası, ölçek değişikliği, dünyanın eğikliği, sensörün yüksekliği ve yönü ve diğer sorunlarından dolayı bazı distorsiyonlara/bozulmalara maruz kalmaktadır. Bozulmaların düzeltilmesi için Sayısal Yükseklik Modeli yardımı ile bu geometrik sorunlar düzeltilir ve planimetrik olan doğru görüntüye ulaşılır.

23 Demo Ortorektifikasyon

24 Image Analysis ile NDVI Uygulaması Normalized Difference Vegetation Index Kızılötesi (IR) ve kırmızı (R) bantlar basit bir matematiksel işlemden geçirilierek Normalize Edilmiş Fark Bitki Örtüsü İndeksi harita olarak elde edilmektedir. Bitki yapraklarındaki klorofilin IR ve R bantlarına verdikleri tepki ile bitki örtülü ve çıplak alanlar rahatlıkla tespit edilebilmektedir. NDVI = (IR-R) / (IR+R) Çıkan değerler -1 ile +1 arasında değişir. +1 e yakın hücreler yoğun bitki örtüsü olarak nitelendirilir. Her bitki türünün sağlıklı/hastalıklı NDVI değeri ile bitkiler ayırt edilerek tarım, ormancılık, istihbarat ve bu gibi birçok alanda kullanılabilir.

25 Demo NDVI

26 18. Esri Kullanıcıları Konferansı /esriturkey /EsriTurkey