ERDAS IMAGINE OPETUSMONISTE

Transkriptio

1 1 ERDAS IMAGINE OPETUSMONISTE Landsat 7 ETM+ -satelliitin kuva (R: 7, G: 4, B: 3) ja vinovalovarjostustaso (hillshade) Pellon, Ylitornion ja Rovaniemen rajalta Mari Pukkinen Miia Parviainen 2013

2 2 ALKUSANAT Tässä opetusmonisteessa esitellään ERDAS IMAGINE ohjelman käytön perusteita aineiston hankinnasta sen luokitteluun ja valmiiden karttaesitysten tekoon. Monisteeseen on pyritty kokoamaan ohjeita yleisimmin tarvittavien toimintojen ja työkalujen käyttöön, etenkin Oulun yliopiston maantieteen laitoksen kaukokartoituksen peruskurssi huomioiden. Näin ollen tässä monisteessa ei käsitellä kaikkia ohjelman osioita, vaan moniste toivottavasti täydentyy (esimerkiksi laserkeilausaineistojen käsittelyn osalta) vuosien varrella. Erityisesti monisteessa keskitytään Landsat-satelliittikuvien käsittelyyn ja maanpeitteen tulkintaan. Opetusmoniste on tehty Miia Parviaisen Kaukokartoitus luonnonmaantieteessä. Ohjeita ERDAS IMAGINE ohjelman käyttöön pohjalta. Oulussa kesäkuussa 2013, Mari Pukkinen

3 3 SISÄLLYSLUETTELO ERDAS IMAGINE OHJELMASTA... 5 SATELLIITTIKUVIEN HANKKIMINEN LATAUSPALVELUISTA... 7 UNITED STATES GEOLOGICAL SURVEY (USGS)... 7 GLOBAL LAND COVER FACILITY (GLCF)... 9 KUVIEN TUOMINEN (IMPORTOINTI) OHJELMAAN MONIKANAVAKUVAN MUODOSTAMINEN JA AVAAMINEN KOORDINAATTIJÄRJESTELMÄN MÄÄRITTÄMINEN KUVAN DATATYYPIN MUUTTAMINEN HEIJASTUSARVOJEN TARKASTELEMINEN KUVAN VISUAALISEN TULKITTAVUUDEN PARANTAMINEN KUVAN RAJAAMINEN KUVAN OIKAISU TUKIPISTEIDEN AVULLA MONIKANAVAMUUNNOKSET NDVI (Normalized Difference Vegetation Index) NDSI (Normalized Difference Soil Index) TASSELED CAP PÄÄKOMPONENTTIANALYYSI (Principal Component Analysis) KOLMIULOTTEISET TARKASTELUTAVAT IMAGE DRAPE VirtualGIS SATELLIITTIKUVAN LUOKITTELEMINEN OHJAAMATON LUOKITTELU LUOKITUKSEN TARKASTELEMINEN JA LUOKKIEN MÄÄRITTÄMINEN LUOKKIEN YHDISTÄMINEN... 34

4 4 OHJATTU LUOKITTELU TUKIALUEIDEN MUODOSTAMINEN Tukialueiden onnistuneisuuden arvioiminen VARSINAINEN LUOKITTELU LUOKITUKSEN LUOTETTAVUUDEN ARVIOIMINEN LUOKKIEN PINTA-ALOJEN LASKEMINEN KARTTAESITYSTEN LUOMINEN KARTTAELEMENTTIEN LISÄÄMINEN LÄHTEET... 46

5 5 ERDAS IMAGINE OHJELMASTA ERDAS IMAGINE 2013 on monipuolinen ja helppokäyttöinen kuvankäsittelyn ja GIS:n yhdistävä ohjelma. Sillä voidaan käsitellä sekä rasteri- että vektoriaineistoja. Eniten ohjelmaa käytetään kaukokartoitusaineistojen katseluun, käsittelyyn ja analysointiin. ERDAS IMAGINE:lla voidaan esimerkiksi orto-oikaista satelliittikuvia, luoda niistä usean kuvan mosaiikkeja ja tehdä maanpeitteen luokitteluja. Ohjelma soveltuu hyvin myös valmiiden karttojen tuottamiseen. Contents eli sisällysluettelo View eli karttaikkuna Kuva 1. ERDAS IMAGINE 2013 perusnäkymä. Pikakuvakkeiden toiminnot saa selville laittamalla hiiren pikakuvakkeen päälle, jolloin aukeaa infolaatikko. Contents-näkymässä on listattuna kaikki ohjelmaan avatut kuvatasot. Contents:ssa voi mm. laittaa kuvatasoja tai karttaikkunoita pois näkyvistä. File-valikosta voidaan mm. avata aineistoja (Open) ja tallentaa Contents-näkymässä aktiivisena oleva taso tai työtila (Session). Yläpalkin välilehdillä (Home, Manage Data, Raster jne) on suuri joukko erilaisia toimintoja, joita käydään tarkemmin läpi monisteen muissa osioissa. Kuvassa 2 on esitetty Home-välilehdeltä löytyviä perustyökaluja. Valintatyökalu Tason sovittaminen karttaikkunaan Lähennys/loitonnus Karttaikkunoiden geospatiaalinen linkittäminen Valittuna olevan aineiston metadata (mm. tilastot, projektio) Kyselytyökalu Etäisyyksien ja pinta-alojen mittaaminen Kuva 2. Home-välilehden perustyökalut. Kuvan liikuttaminen vetämällä Karttaikkunoiden lisääminen ja jakaminen Karttaikkunan tyhjentäminen

6 6 Työskentelyn helpottamiseksi ERDAS IMAGINE:en kannattaa määrittää oletushakemistot, joista ohjelma ensisijaisesti avaa tiedostoja ja tallentaa niitä. Oletushakemiston määrittäminen (kuva 3): File > Preferences. Preference Editor -ikkunassa valitaan vasemmasta valikosta User Interface > User Interface & Session, jossa Default Data Directory ja Default Output Directory -kohtiin määritellään haluttu kansio > Save > Close. Samassa valikossa voisi määritellä myös mm. rasterien tallennusformaatin. Kuva 3. Oletushakemiston määrittäminen avattaville ja tallennettaville tiedostoille Preference Editor -ikkunassa. Ohjeita ERDAS IMAGINE -ohjelman käyttöön voi etsiä tämän monisteen lisäksi mm. ERDAS IMAGINE:n Help-välilehdeltä (etenkin Field Guide hyödyllinen) ja työkalujen Helposioista ERDAS IMAGINE:n Internet-sivuilta Intergraph:n foorumilta (vaatii rekisteröitymisen) Googlen ERDAS Communities Archive -ryhmän foorumilta Tiedot päivitetty 6/2013

7 7 SATELLIITTIKUVIEN HANKKIMINEN LATAUSPALVELUISTA Satelliittikuvien lataamiseen on olemassa useita eri Internet-sivustoja, joiden määrä lisääntyy jatkuvasti. Monistetta kirjoitettaessa (6/2013) ilmaisia satelliittikuvia on saatavilla lähinnä karkeamman resoluution satelliiteista, kuten Landsat ja ASTER. Tarkemman resoluution satelliittikuvat, kuten IRS ja SPOT, ovat saatavilla maksua vastaan. Satelliittikuvien käyttötarkoituksesta riippuen on tehtävä valinta, halutaanko käyttää karkeamman resoluution kuvia, jotka peittävät laajemman alueen, vai tarkemman resoluution kuvia, jotka ovat maantieteellisesti pienemmältä alueelta. Ilmaisia satelliittikuvia on ladattavissa mm. USGS:n (United States Geological Survey) ja GLCF:n (Global Land Cover Facility) Internet-sivustojen latauspalveluista, jotka esitellään seuraavissa kappaleissa. Myös satelliittikuvien oikaisua, luokittelua, korkeustarkastelua ym. toimintoja tukevien ilmaisten aineistojen määrä lisääntyy koko ajan. Suomessa ilmaisia paikkatietoaineistoja jakavat mm. Maanmittauslaitos, Suomen ympäristökeskus, Metsäntutkimuslaitos, Geologian tutkimuskeskus ja alueelliset ympäristökeskukset. UNITED STATES GEOLOGICAL SURVEY (USGS) USGS:n latauspalvelun (EarthExplorer) käyttö vaatii rekisteröitymisen. Palvelusta voi ladata ortooikaistuja Landsat 1 5 MSS, 4 5 TM ja 7 ETM+ -kuvia. Sivustolla ( päivitetty 6/2013) satelliittikuvien haku tehdään nelivaiheisena prosessina. 1) Search Criteria -välilehdellä tehdään aluerajaus käyttäen hyväksi esimerkiksi osoitetta tai paikannimeä (Address/Place), satelliitin sijaintia (Path/Row) tai koordinaatteja (Coordinates). Rajauksen voi tehdä esimerkiksi siten, että zoomaa karttanäkymän haluamaansa kohteeseen ja valitsee Coordinates-kohdasta Use Map, jolloin koko karttaikkunan näytöllä oleva alue tulee rajatuksi ja sen kulmakoordinaatit näkyviin valintaikkunaan (kuva 4). Kulmapisteiden sijaintia voi muuttaa karttaikkunassa. Search Criteria -välilehdellä valitaan myös ajankohta, jolta kuvia halutaan etsiä. Date Range -kohdassa valitaan aikaväli (Search from) ja tarvittaessa kuukaudet (Search months). Jos odotettavissa on suuri joukko tuloksia, kannattaa Result Options -välilehdellä valita näytettävien tulosten määräksi esim Kuva 4. Search Criteria -välilehdellä valitaan satelliittikuvien haun alue- ja aikarajaus. Esimerkkikuvassa on Use Map -toiminnolla rajattu alueeksi Käsivarren Lappi ja haettu kesä-elokuun kuvia vuodelta 2011.

8 8 2) Data Sets -välilehdellä valitaan haettavat aineistot (kuva 5). Suomesta on saatavilla Landsatsatelliittikuvia (Landsat Archive), mutta palvelussa on myös ilmakuvia, korkeusmalleja ym., joista monet Yhdysvaltojen alueelta. Landsat 7 ETM+ -satelliitti rikkoutui vuonna 2003, joten uudemmissa kuvissa on häiriötä, joka vaatii kuvien esikäsittelyä. Landsat 5 TM - kuvia on sen sijaan saatavilla virheettöminä vuoden 2011 marraskuuhun saakka. Kuva 5. Data Sets -välilehdellä valitaan haettavat aineistot. 3) Additional Criteria -välilehdellä voi määritellä muita hakuehtoja, kuten pilvipeitteen suurin sallittu osuus kuva-alasta. 4) Results-välilehdelle ilmestyy määritetyin kriteerein saatavilla olevat satelliittikuvat (kuva 6). Kuvan yhteydessä olevista pikakuvakkeista voi mm. esikatsella kuvaa ja sen metatietoja, asettaa kuvan karttaikkunaan ja ladata sen (vaatii rekisteröitymisen). Kuvia on ladattavissa eritasoisina (Data Type Level: 1T, 1Gt, 1G). Tason 1T kuvat ovat radiometrisesti ja geometrisesti korjattuja, eli tarkimpia saatavilla olevia kuvia. Satelliittikuvat ladataan rekisteröitymisen ja sisäänkirjautumisen jälkeen joko suoraan itselle tai sähköpostiin tulevan linkin kautta (joskus kuvien prosessointi saattaa kestää muutaman päivän). Kuva 6. Haun tulokset näkyvät Results-välilehdellä, josta satelliittikuvia voi myös ladata. Esimerkkikuvassa karttaikkunassa on näkyvissä ensimmäisenä listalla olevan satelliittikuvan sijainti (Show Footprint).

9 9 GLOBAL LAND COVER FACILITY (GLCF) GLCF on Marylandin yliopiston ylläpitämä palvelu, jossa kerätään ja jaetaan ilmaiseksi satelliittikuvia eri puolilta maailmaa. Uusimmat Landsat MSS, TM ja ETM+ -kuvat Suomen alueelta ovat vuodelta Latauspalvelu on osoitteessa (päivitetty 6/2013) (kuva 7). Kuva 7. Karttaliittymän (Map Search) valinta Global Land Cover Facility:n Internet-sivuilla. Kuvien haun voi tehdä usealla tavalla. Valitsemalla Map Search avautuu karttanäkymä (kuva 8), jossa kannattaa aluksi zoomata haluamaansa kohteeseen klikkaamalla Zoom In -työkalulla karttaa. Rajauksen voi tehdä myös muiden karttaikkunan yläpuolella olevien toimintojen, kuten Lat/Long tai Draw, avulla. Vasemmalla on listattuna satelliittikuvasensorit ja erilaisia satelliittikuvatuotteita, joista voi valita haluamansa. Kuva 8. Satelliittikuvien hakeminen karttanäkymän avulla.

10 10 Require-kohdassa voi määritellä tarkemmin, millaisia kuvia etsii, esimerkiksi korkeuskorjattuja (Orthorectified) tai valmiita reflektanssikuvia (Surface Reflectance). Painamalla Update Map valinnat päivittyvät kartalle. Mikäli valintoja haluaa muuttaa, on usein helpointa painaa työkalurivin oikeassa reunassa Start Over ja aloittaa haku alusta. Select-työkalulla (nuoli +) voi valita satelliittikuvia, joiden tietoja pääsee katsomaan Preview & Download -painikkeen kautta (kuva 9). Download:n kautta pääsee lataamaan listalta valitun aineiston ja tarkastelemaan sen metadataa (kuva 10). Kuva 9. Satelliittikuvien hakeminen karttanäkymän avulla. Ensin kannattaa zoomata oikeaan kohtaan, sitten rastittaa vasemmalta palstalta ladattavat kuvat, tehdä tarvittavat rajaukset Require-kohdassa, päivittää muutokset kartalle Update Map -painikkeella ja valita kuvat Select-työkalulla. Kuva 10. Satelliittikuvien esikatselu.

11 11 Jokainen satelliittikuvan kanava on omana, erillisenä tiedostonaan (esim. GeoTIFF-formaatissa) (kuva 11, taulukko 1). Ennen kuvien lataamista kannattaa luoda kansio, jonka nimessä on samat tiedot kuin satelliittikuvan nimessä. Tämän jälkeen tiedostot ja metatiedot (.met) voi ladata ja tallentuneet zip-tiedostot purkaa. Pankromaattisen (Landsat ETM+:n kanava 8) ja lämpökanavan (6) tietoja ei useinkaan tarvita, joten ne voi jättää lataamatta. Kuva 11. Esimerkkiaineistossa tiedostojen nimessä p195 = path 195, r012 = row 12, 7 = Landsat 7 ETM +, = kuvan päivämäärä ( ), z34 = UTM-kaista 34, nnnumero = kanavan numero. Taulukko 1. Landsat-satelliittien ominaisuuksia. Landsat Thematic Mapper (TM) Landsat Enhanced Thematic Mapper Plus (ETM+) Wavelength (micrometers) Resolution (meters) Wavelength (micrometers) Resolution (meters) Band Band Band Band Band Band Band Band Mission coverage dates 4 TM: TM: July 1999 to present (instrument malfunction May 2003 SLC-off-mode)

12 12 KUVIEN TUOMINEN (IMPORTOINTI) OHJELMAAN Import Data -komennolla voidaan muuttaa ohjelmaan avattava, muussa kuin ERDAS IMAGINE:n tiedostomuodossa (.img) oleva kuvatiedosto ohjelman käyttämään tiedostomuotoon. Tiedosto voi olla esimerkiksi TIFF-kuva, kuten Marylandin sivuilta ladatut ortooikaisemattomat satelliittikuvat, tai ArcMapin käyttämä GRID-muoto. Export Data -komennolla voidaan vastaavasti tallentaa tiedostoja muussa kuin.img-muodossa. Kuvan tuominen ohjelmaan: Manage Data -välilehti > Import Data *. Format-kohdassa valitaan importoitavan kuvan tiedostomuoto, Input File:ssa haetaan avattava tiedosto ja Output File -kohdassa määritellään tuotavalle tiedostolle nimi (.img) (kuva 12). Importoitaessa satelliittikuvia, jokainen satelliittikuvan kanava on tuotava (eli tallennettava.img-muotoon) erikseen. Painamalla OK ohjelma aloittaa tiedoston siirron ja mm. pyramidien laskemisen kuvalle. Kuva 12. Import-työkalun toiminta TIFFtiedostoa (Landsat 7 ETM + -satelliittikuvan kanava 1) tallennettaessa. MONIKANAVAKUVAN MUODOSTAMINEN JA AVAAMINEN Yleensä on tarpeen tarkastella satelliittikuvia monikanavaisina (multispectral) kuvina yksittäisten kanavien sijaan. Kanavien yhdistäminen yhdeksi monikanavaiseksi kuvaksi tehdään Rastervälilehden Spectral-alasvetovalikossa olevalla Layer Stack - työkalulla (kuva 13). Input File -kohtaan haetaan kuva (= kanava) kerrallaan, järjestyksessä (1 7) ja lisätään monikanavakuvaan Add-painikkeella (Landsat-kuvilla yhdistetään yleensä kanavat 1 5, 7). Lopuksi kannattaa tarkistaa, että kaikki kanavat ovat listassa, laittaa täppä kohtaan Ignore Zero in Stats. ja tallentaa kuva uudeksi Output-tiedostoksi. Process List -ikkunassa voi seurata työkalun etenemistä ja painaa lopuksi Dismiss > Close. Kuvien visuaalista tarkastelua varten monikanavaisista optisista satelliittikuvista muodostetaan tietokoneen näytölle kolmen värikomponentin RGB-värikuva (Red, Green, Blue) käyttämällä kolmea eri kanavaa. Esimerkiksi Landsat-kuva sisältää seitsemän eri Kuva 13. Layer Stack -työkalu, jolla yhdistetään yksittäisiä satelliittikuvan kanavia/tasoja monikanavaiseksi kuvaksi. kanavaa, jotka sisältävät eri aallonpituusalueita (taulukko 1). Kanavat ovat järjestyksessä elektromagneettisen spektrin mukaan lyhyimmästä pisimpään. Kanavat 1, 2 ja 3 ovat näkyvää aallonpituutta, eli sininen (1), vihreä (2) ja punainen (3). Kanava 4 on lähi-infrapunakanava (Near Infrared, NIR), kanavat 5 ja 7 infrapunakanavia (Mid Infrared, MIR) ja kanava 6 lämpökanava. * Ohjelmaan voi myös avata aineistoja suoraan Open-toiminnolla, mutta tällöin ne jäävät alkuperäiseen kuvaformaattiin ja mm. niiden tilastoja ja pyramideja ei automaattisesti lasketa ERDAS IMAGINE:a vastaaviksi. Joissain tapauksissa kuvat voidaan tuoda ohjelmaan suoraan purkamattomina zip-tiedostoina, kuten esimerkiksi USGS-palvelusta ladatut Landsat 7 -kuvat (Import Data -työkalussa: Format: Landsat-7 from USGS). Tällöin erillisistä kanavien yhdistämistä ei tarvitse tehdä.

13 13 Satelliittikuvan avaaminen: File > Open (> Raster Layer), jolloin aukeaa Select Layer To Add -valikko (kuva 14). Filevälilehdellä valitaan avattava kuva. Raster Options - välilehdellä voidaan määrittää mm. mikä kanava avataan millekin väritasolle (valintoja pääsee muuttamaan myös kuvan avaamisen jälkeen) > OK. Avautunut satelliittikuva ilmestyy vasemman reunan Contents-valikkoon ja sen saa näkymään koko laajuudessaan karttaikkunaan (Viewer) painamalla karttaikkunan päällä hiiren oikeaa näppäintä (tai Home-välilehdeltä/kuvaa avattaessa Raster Options -välilehdellä) > Fit to Frame. Satelliittikuvan avaamisen jälkeen ilmestyy ylävalikon oikeaan reunaan uusi Raster-välilehti (jatkossa: Raster-ylävälilehti), jonka Multispectral-välilehdellä voi Bands-kohdassa muuttaa kuvan kanavakombinaatiota (kuva 15). Valikosta voi avoinna olevasta satelliittikuvasta riippuen valita esim. Landsat 7 Multispectral ja jonkin valmiista kanavayhdistelmistä, kuten TM True Color. Kanavayhdistelmiä voi muuttaa myös manuaalisesti valitsemalla värisymbolien perään kanavia (Layer_1 Layer_6; huom. Layer 6 on kanava 7) tai Bands-kohdan oikean alareunan nuolesta, jonka kautta avautuvassa valikossa voi mm. tehdä useamman eri satelliittikuvan kanavista kuvayhdistelmiä. Kuva 14. Select Layer to Add -valikon Raster Options -välilehdellä määritellään avattavan kuvan asetuksia. Joskus voi olla tarpeen tarkastella myös yksittäisiä kanavia. Tällöin kuvaa avattaessa valitaan File > Open (> Raster Layer) > Raster Options -välilehdellä Display As: Pseudocolor ja valitaan haluttu kanava. Kuva 15. Bands-valikossa voi muuttaa kanavakombinaatioita valmiiden vaihtoehtojen mukaiseksi tai manuaalisesti valitsemalla tasot värisymbolien perään. KOORDINAATTIJÄRJESTELMÄN MÄÄRITTÄMINEN Useat ladattavissa olevat satelliittikuvat ovat valmiiksi orto-oikaistuja, joten niitä ei tarvitse erikseen oikaista koordinaatistoon (mikäli kuva ei ole orto-oikaistu, ks. kappale Kuvan oikaisu tukipisteiden avulla). Esimerkiksi Marylandin sivuilta ladattavat kuvat ja niistä muodostettu monikanavakuva ovat WGS 84/UTM Zone 34 -koordinaatistossa (tämä selviää mm. aineiston latauspalvelussa tai tarkastelemalla metadataa ERDAS IMAGINE:ssa: Home > Metadata; kuva 17). Koordinaattijärjestelmä on kuitenkin usein tarpeen vaihtaa yhtenäiseksi muiden käytettävien aineistojen kanssa. Koordinaattimuunnos haluttuun järjestelmään tehdään Raster-välilehden Reproject (tai Spatial > Reproject) -työkalulla (kuva 16). Reproject Images -ikkunassa valitaan oikaistava kuva (Input File), sekä projektiotiedot:

14 14 Kartastokoordinaattijärjestelmä (KKJ) - Categories: Finland - Projection: KKJ / Finland Zone 0 5 EUREF-FIN-koordinaatisto - Categories: Finland tai EPSG Coordinate Systems - Projection: ETRS89 / TM35FIN tai ETRS89/UTM zone 35N (N-E) Projektion perässä suluissa oleva luku on koordinaatiston pikahakunumero. Kuva 16. Reproject Images -työkalu kuvien koordinaattijärjestelmän muuttamiseen. Reproject Images -työkalussa kannattaa laittaa täppä kohtaan Ignore Zero in Stats. Resample Method - kohtaan valitaan käytettävä oikaisumenetelmä, joista yleisimmin käytettyjä ovat Nearest Neighbor ja Cubic Convolution (Help-osiossa (painike aina työkaluikkunan alaosassa) saa lisätietoa vaihtoehtojen soveltuvuudesta erilaisille aineistoille). Output Cell Sizes -kohdassa määritellään kuvan rasterikoko, joka yleensä pidetään alkuperäisaineistoa vastaavana (Landsat 30 m). Mikäli ohjelma ei tunnista kuvan koordinaattijärjestelmää (esim. ArcMap:sta tuoduilla kuvilla tilanne usein tämä, lisäksi myös tilastot (Statistics) täytyy yleensä laskea uudelleen), se on väärä tai koordinaattijärjestelmää ei ole määritelty kuvalle lainkaan, avataan taso (File > Open > Raster Layer) ja sen metadata (tason ollessa aktiivisena Contents-näkymässä) > Home-välilehti > Metadata. Image Metadata -ikkunassa (kuva 17) valitaan ensin Edit > Change Map Model > Units: Meters ja Projection: Transverse Mercator (KKJ) tai UTM (EUREF-FIN) > OK; ja sen jälkeen Edit > Add/Change Projection > Standard-välilehti, jossa valinnat Reproject Images -työkalun tavoin (ks. yllä). Oikean projektion saa valittua myös kirjoittamalla ikkunan alaosassa olevaan EPSG Code -kenttään projektiota vastaavan pikakoodin, esim. KKJ 3 = 2393, EUREF-FIN = Kuva 17. Satelliittikuvan metadata, jossa on esitetty mm. projektiotiedot. Huom. joidenkin metadataan tehtävien muutosten (esim. NoData-arvon määrittäminen) päivittyminen kuvaan vaatii kuvatiedoston sulkemista ja avaamista uudelleen.

15 15 KUVAN DATATYYPIN MUUTTAMINEN Rescale-työkalulla voidaan mm. muuttaa 16-bittinen kuva 8- bittiseksi. Raster-välilehdellä valitaan Radiometric-alasvetovalikosta Rescale (kuva 18). Valitaan Input File:ksi alkuperäinen kuva ja nimetään uusi Output File -kuva. Data Type -kohdassa määritellään Output, eli tallennettavan uuden kuvan datatyyppi. HEIJASTUSARVOJEN TARKASTELEMINEN Satelliittikuvan pikseleiden heijastusarvoja voi tarkastella Homevälilehden Inquire-työkalulla. Kuvan päälle ilmestyy valkoinen ristikko, jota voi liikuttaa Select-työkalulla (valkoinen nuoli Home-välilehdellä). Kuva 18. Rescale-toiminnolla voidaan muuttaa kuvan datatyypiä. Avautuvassa Viewer-ikkunassa File Pixel -arvot ovat kuvan todellisia pikseliarvoja ( raw values ) (kuva 19). LUT- eli Look Up Table -arvot puolestaan kertovat, miten tietty (punainen, vihreä, sininen) harmaasävyarvo esitetään kuvalla: Jokaisella 8- bittisen kuvan pikselillä on jokin heijastusarvo väliltä (mitä korkeampi arvo, sitä voimakkaammin kyseinen pinta heijastaa). Esimerkiksi seuraavassa kappaleessa esiteltävä kuvan sävyisyyttä muokkaava histogrammin venytys toteutetaan LUT:n avulla, eli siinä ei muuteta kuvan todellisia sävyarvoja, vaan Kuva 19. Pikselien heijastusarvojen tarkasteleminen. lasketaan muunnostaulukko. Siirtämällä kohdistinta eri maanpeitetyypeille, voi tarkastella niiden heijastusarvoja, sekä arvojen eroja eri maanpeitetyyppien ja kanavien välillä. KUVAN VISUAALISEN TULKITTAVUUDEN PARANTAMINEN Radiometrisen kuvankäsittelyn eli ehostamisen (Enhancement) tarkoituksena on parantaa kuvan visuaalista tulkittavuutta muokkaamalla kanavien yksittäisten pikselien arvoja. Yhden kanavan rekisteröimät arvot ovat usein hyvin huipukkaita, eli ovat sijoittuneet pienelle vaihteluvälille, ja tämän vuoksi arvojoukkoa täytyy venyttää, jotta kuva olisi visuaalisesti informatiivisempi. Histogrammi on graafinen esitysmuoto kuvan harmaasävyarvojen esiintymistaajuudesta ja sen avulla voi tutkia kuvan radiometrisiä ominaisuuksia. Vaaka-akselilla esitetään pikseleiden harmaasävyarvoja ja pystyakselilla kuvassa esiintyvien harmaasävyarvojen lukumäärä. Histogrammia voidaan muokata matemaattisilla funktioilla joko lineaarisesti tai epälineaarisesti. Kanavien histogrammeja voi ERDAS IMAGINE:ssa tarkastella mm. kuvan metadatassa (Home-välilehti > Metadata > Histogram-välilehti).

16 16 Kontrastin lineaarisessa venytyksessä säteilyarvojen vaihteluväli skaalataan välille 0 255, jolloin sävyerot tulevat paremmin esille. Lineaarisessa venytyksessä sävyarvojen hajonta suurenee, mutta niiden jakauma pysyy samanmuotoisena. Kontrastia voidaan venyttää eniten niillä sävyarvoilla, joita kuvassa on eniten. Eri menetelmiä ja kanavayhdistelmiä kokeilemalla tuotetaan visuaalisesti informatiivisia harmaasävy- ja RGBkuvia, joita voidaan käyttää apuna esimerkiksi luokittelussa ja maastokäynneillä. Kuvan kontrastiasetuksia voi ERDAS IMAGINE:ssa muuttaa: Raster-ylävälilehti > Multispectral > General Contrast -alasvetovalikko > General Contrast (kuva 20). Muunnos kohdistuu oletusarvoisesti vain LUT (Look Up Table) -arvoihin (Apply To), File Pixel -arvot eivät muutu, eli muunnos on väliaikainen - jos painaa Undo tai avaa kuvan uudestaan, se avautuu entisellään. Methodkohtaan voi valita erilaisia menetelmiä, esim. Gaussian, Linear > Apply. Kuva 20. Satelliittikuvan kontrastia voi muuttaa Contrast Adjust -ikkunassa. Spatiaalisilla kuvankäsittelymenetelmillä muokataan yksittäisten pikselien arvoja hyödyntäen viereisten pikselien arvoja. Yleisesti käytetty menetelmä on suodatus, jossa pikselin saama arvo riippuu lähipikseleiden säteilyarvoista. Kuvan suodattaminen tapahtuu kertomalla kuvan alkioita maskilla, joka on tietyn kokoinen matriisi (esim. 3*3 pikseliä). Keskiarvosuodatuksessa kuvaa pehmennetään maskilla (esim. 7*7). Maskia kuljetetaan kuvan jokaisen pikselin päällä ja lasketaan maskin alle jäävät harmaasävyarvot yhteen. Yhteenlaskettu summa jaetaan maskin koolla (esimerkissä 49) ja saatu arvo annetaan käsiteltävänä olleen pikselin arvoksi. Maskin koon suurentuessa kuva sumenee enemmän. Keskiarvosuodatuksen huono puoli on, että se hävittää yksityiskohtia ja kohteiden reunoja. Mediaanisuodatuksessa jokaisen alkuperäisen kuvapikselin arvo korvataan pikselin ympäristön harmaasävyarvojen mediaanilla, eli keskimmäiseksi suurimmalla arvolla. Tämä suodatus toimii hyvin silloin, kun kuva on harmaasävyarvoiltaan yhtenäinen ja siinä esiintyy hajapikseleitä, joiden arvo poikkeaa ympäristöstään huomattavasti. Mediaanisuodatuksen tarkoituksena on muuttaa ympäristöstään huomattavasti poikkeavat arvot ympäristönsä kaltaisiksi. Suodatustyökalut (kuvan väliaikaiseen muokkaukseen): Rasterylävälilehti > Multispectral > Filtering-alasvetovalikko > Statistical Filtering, jossa voi kokeilla erilaisia suodatustapoja (Function) ja ikkunakokoja (3*3, 5*5, 7*7) > Apply (kuva 21). Näkymää kannattaa karttaikkunassa zoomata lähelle kohdetta, jossa on linjoja/reunoja, jolloin pikselitasolla Kuva 21. Satelliittikuvien suodatuksen asetuksia voi muuttaa Focal Function -ikkunassa. tapahtuvat muutokset erottaa paremmin. Muutokset voi peruuttaa joko painamalla Undo tai Statistical Filtering > Reset Convolution.

17 17 Kuvalle tehdyt muutokset (radiometriset & spatiaaliset) voi halutessaan tallentaa painamalla hiiren oikealla tason nimen päällä Contents-näkymässä > Save Layer as, tekemällä muutoksen työkalulla: Raster > Radiometric/Spatial-valikot tai muodostamalla mallin itse Toolbox-välilehden Model Maker -työkalulla. KUVAN RAJAAMINEN Satelliittikuva on yleensä huomattavasti laajempi kuin tutkittava alue, minkä vuoksi sitä on syytä rajata. Liian suuri alue kasvattaa turhaan tiedostokokoa ja hidastaa kuvan käsittelyä. Lisäksi kuvat sisältävät usein pilvisiä alueita, jotka olisi hyvä rajata pois kuvalta, esimerkiksi ennen niiden luokittelua maanpeitetyyppeihin. Rajatun satelliittikuvan sävyt voivat olla erilaiset (kirkkaammat) verrattuna laajempaan kuvaan, sillä pienemmän kuvan alueella pikselien sävyarvot skaalautuvat erilaiselle vaihteluvälille (kuva 22). Kuva 22. Rajatun kuvan (keskellä) ja taustalla olevan alkuperäisen satelliittikuvan sävyt voivat olla selvästi erilaiset. Rajaaminen voidaan tehdä ERDAS IMAGINE:ssa usella eri tavalla, mm. a) Karttanäkymä zoomataan rajattavalle alueelle ja valitaan Home > Inquire-alasvetovalikon Inquire Box -työkalu. Laatikolla rajataan kohta, jota halutaan jatkossa tarkastella (kuva 23). Alueen rajaamisen apuna voi käyttää peruskarttalehtiä tai muuta tukiaineistoa. Kun haluttu alue on rajattu, valitaan Raster-välilehdeltä Subset & Chip -alasvetovalikosta Create Subset Image. Valitaan rajattava kuva Input File:ksi ja nimetään Output File. Laatikon rajaama alue määritellään leikattavaksi valitsemalla Subset Definition > From Inquire Box > OK. b) Rajaaminen voidaan tehdä hieman joustavimmin (esim. rajatessa pois pilvisiä alueita) valitsemalla Raster-ylävälilehti (Contents-näkymässä aktiivisena rajattava taso) > Drawing > valitaan piirtotyökalu, esim. Polygon. Piirretään kuvio alueelle, joka halutaan rajata. Contents-valikkoon ilmestyy uusi AOI-taso (ERDAS IMAGINE:n vektorimuoto). Raster > Subset & Chip > Create Subset Image. Valitaan Subset-ikkunan alareunasta AOI > AOI source: Viewer > OK > muutetaan loput asetukset, mm. täppä kohtaan Ignore Zero in Output Stats. > OK (kuva 23). c) Raster-ylävälilehti > Subset & Chip > Subset & Chip. Määritellään Input ja Output File. Rajataan leikattava alue kartalle laatikon avulla > OK. d) muita menetelmiä mm. Mosaic-ympäristössä tehtävät rajaukset tai ArcMap:n vektoritason (shapefile) muuttaminen AOI-tasoksi ja tämän käyttäminen rajaustyökaluissa.

18 18 Kuva 23. Inquire Box -työkalulla voi määrittää kuvalta alue ja rajata sen Create Subset -työkalulla valitsemalla Subset Definition -kohdassa From Inquire Box (tapa a). Alue voidaan määritellä myös piirtotyökaluilla, jolloin Subsetikkunassa valitaan rajaustavaksi AOI (tapa b). KUVAN OIKAISU TUKIPISTEIDEN AVULLA Suurin osa digitaalisista satelliittikuvista on valmiiksi orto-oikaistuja, mutta jos näin ei ole, kuva täytyy geometrisesti oikaista tunnettuun koordinaattijärjestelmään. Oikaisu tehdään rekisteröimällä kuvalle tukipisteitä (Ground Control Points, GCP). Tukipisteet määritellään etsimällä satelliittikuvalta ja referenssiaineistosta (esim. peruskarttalehti, Kansalaisen karttapaikka) toisiaan vastaavat, helposti määriteltävissä olevat pisteet. Tällaisia ovat esimerkiksi tienristeykset ja rakennukset, sekä muut pysyvät kohteet. Vesistöt eivät ole hyviä tukipisteiden kohteita, koska rantaviivan paikka saattaa hieman vaihdella toisaalta asumattomilla alueilla ne saattavat olla ainoita helposti tunnistettavia maamerkkejä. Kun pisteitä on määritelty riittävä määrä eri puolilta satelliittikuvaa (liian pienellä määrällä kuva ei oikea tarkasti ja toisaalta liian suurella pistemäärällä oikaisun tarkkuus saattaa kärsiä), suoritetaan kuvan oikaisu valitun funktion mukaan. Oikaisu on itse asiassa spatiaalista interpolointia, jossa jokaiselle pikselille interpoloidaan sijaintitieto. Avataan oikaistava kuva (File > Open (> Raster Layer)) karttaikkunaan. Valitaan Raster-ylävälilehdeltä Multispectral > Control Points. Set Geometric Model - ikkunassa valitaan listalta oikaisutavaksi Polynomial (kuva 24) > OK > GCP Tool Reference Setup -ikkunassa määritellään, millaisesta lähteestä tukipisteet haetaan (kuva 25). Vaihtoehtoina ovat mm. Image Layer (kuvatiedosto, esim. MML:n peruskartta), Vector Layer (vektoritaso, esim. MML:n maastotietokannan tietaso), ASCII File (tekstitiedosto, esim. GPS-pisteet) ja Keyboard Only (manuaalinen määrittäminen syöttämällä koordinaatit esim. Kansalaisen karttapaikan avulla). Optimitilanne olisi, että referenssiaineisto olisi samalta ajalta kuin oikaistava aineisto. Tässä Kuva 24. Set Geometric Model -ikkunassa määritellään oikaisutapa, esim. Polynomial. esimerkissä valitaan oikaisun lähdeaineistoksi Image Layer ja haetaan peruskarttalehti, jonka avulla oikaisu suoritetaan.

19 Kuva 25. GCP Tool Reference Setup - ikkunassa valitaan tukipisteiden lähtöaineiston muoto. Kuva 26. Reference Map Information -ikkunassa määritellään referenssiaineiston koordinaatit. Esimerkkikuvassa projektioksi valitaan 3047, eli EUREF-FIN. Reference Map Information -ikkunassa on näkyvissä referenssiaineiston koordinaattitiedot (kuva 26). Jos Projection-kohta on tyhjä tai sitä halutaan muuttaa, voi oikean koordinaattijärjestelmän käydä valitsemassa EPSG -painikkeen kautta > Enter > OK. Kuva 27. Polynomial Model Properties -ikkunassa määritellään mm. käytettävän polynomisen funktion asetuksia. Polynomial Model Properties -ikkunassa valitaan, millaisella polynomisella laskutoimituksella referenssiaineiston koordinaatit siirretään/konvertoidaan oikaistavaan kuvaan (kuva 27). Polynomial Order:n (korkein polynomissa käytetty eksponentti) luvun kasvaessa myös tarvittavien tukipisteiden määrä lisääntyy (esim. 1st Polynomial Order: vähintään 3 tukipistettä, 5th Polynomial Order: vähintään 21 tukipistettä). Valitaan Polynomial Order: 1, joka tarkoittaa lineaarista muunnosta ja soveltuu hyvin pienten alueiden oikaisuun. Kahden tai useamman eksponentin käyttö muodostaa epälineaarisen muunnoksen, joka johtaa epäsäännöllisempään ja hankalammin ennustettavaan tulokseen. Projection-välilehdellä voisi tehdä muutoksia koordinaattijärjestelmään, mutta niitä ei yleensä ole tarpeen tehdä, kun koordinaattitieto otetaan referenssikuvasta. Polynomial Model Properties - ikkunan voi sulkea (saa tarvittaessa auki Display Model Properties -kuvakkeesta). Oikaisuikkunoiden näkymä on esitelty kuvassa 28. Vasemmalla on kolmessa eri mittakaavalla olevassa näkymässä oikaistava kuva (Input) ja oikealla referenssikuva (Reference). Valkoiset laatikot (Link Box) kuvaavat alueita, jotka tarkemmalla tai laajemmalla kuvalla ovat esitettyinä. Jos laatikko ei esim. peruskartalla näy, voi sen väriä vaihtaa painamalla kuvan päällä hiiren oikealla > Link Box Color > valitaan erottuva väri. Laatikoita voi siirtää ja venyttää Select GCP (musta nuoli) -työkalulla. Kuva 28. Oikaisuikkunoiden näkymä (kuva ERDAS IMAGINE:n Help-osiosta).

20 20 Oikaistavan satelliittikuvan kanavakombinaatiota voi olla tarpeen muuttaa, jotta eri kohteet saadaan erottumaan kuvalta selvemmin: klikataan hiiren oikealla oikaistavan kuvan päällä > Band Combinations. Samassa valikossa on myös muita keinoja muokata kuvan ulkonäköä, mm. General Contrast. Muutokset on tehtävä erikseen jokaiselle näkymälle ja niitä voi olla tarpeen muuttaa etsittäessä erilaisia tukipisteitä. Kuvat zoomataan sopivaan kohtaan ensimmäisen tukipisteen valitsemista varten (kuva 29). Kohteet voivat näyttää tässä vaiheessa hieman erilaisilta oikaistavalla ja referenssikuvalla, sillä oikaistavalla kuvalla ei ole vielä koordinaattitietoa, vaan se on pelkkä kuvatiedosto. Tukipiste luodaan ensin oikaistavalle kuvalle Create GCP -työkalulla näpäyttämällä valittua tukipistekohtaa, jolloin GCP #1 ilmestyy kaikkiin kuvan näkymiin. Pistettä voi siirtää nuolityökalulla. Seuraavaksi Create GCP -työkalulla laitetaan piste vastaavaan kohtaan referenssikuvalla. Kuva 29. Karttanäkymät zoomataan lähelle tukipistekohdetta ja muodostetaan ensimmäinen tukipiste Create GCP - työkalulla ensin satelliittikuvalle ja sen jälkeen referenssiaineistoon. Tukipisteiden värin voi muuttaa alareunan taulukon Color-sarakkeella. Set Automatic Transformation Calculation ja Toggle Fully Automatic GCP Editing Mode -työkalut ovat oletusarvoisesti aktiivisena. Tällöin, siirrettäessä tukipisteitä kuvalla, alareunassa olevan taulukon arvot päivittyvät reaaliaikaisesti ja myös oikaisun ratkaisu tulee automaattisesti näkyviin. Työkalut voi ottaa halutessaan pois päältä. Muodostetut tukipisteet tallentuvat näytön alareunan taulukkoon. - Tukipisteiden symbolien väriä voi muuttaa taulukon Color-sarakkeella, tyhjää solua näpäyttämällä (kuva 29) - Tallennettuja pisteitä voi poistaa taulukosta valitsemalla kyseisen pisteen rivi aktiiviseksi ja painamalla hiiren oikealla > Delete Selection - Uusia pisteitä tallennettaessa on hyvä huomioida, että >-sarakkeessa oleva nuolisymboli ( ) on alimmaisen, eli uuden luotavan tukipisteen kohdalla. Toggle Fully Automatic GCP Editing Mode -

21 21 työkalun ollessa aktiivisena, ohjelma alkaa 3 pisteen jälkeen automaattisesti laskea referenssikuvan pisteen sijaintia oikaistavan tukipisteen muodostamisen jälkeen ja siirtää -merkin automaattisesti seuraavan pisteen kohdalle. Automaattisesta laskennasta huolimatta pisteiden sijainti kannattaa vielä tarkistaa (zoomaamalla lähelle pistettä referenssikuvalla), koska ennustesijainti ei välttämättä pidä tarkasti paikkaansa. Kun tukipisteteitä on edellä esitetyllä tavalla luotu vähintään kolme (minimimäärä 1st Order Polynomial - funktiossa mutta mielellään enemmän!), tarkastellaan mallinnuksen onnistuneisuutta taulukosta (kuva 30). Jos tukipisteiden muodostamisen aikana on ollut aktiivisena Set Automatic Transformation Calculation - työkalu, oikaisumallinnuksen tulosta ei tarvitse erikseen laskea, vaan se päivittyy suoraan taulukkoon. Mikäli työkalu ei ole ollut päällä, saa ratkaisun näkyviin Solve Geometric Model with Control Points -työkalulla. Residuaalien ja RMS Error (Root Mean Square) -sarakkeen luvut ovat joko pikseleitä tai koordinaattijärjestelmän mukaisia yksiköitä (esim. metrejä) riippuen käytetystä referenssiaineistosta. RMS Error -sarakkeen luvut kuvaavat eroa tukipisteiden haluttujen Output-koordinaattien ja oikeiden Output-koordinaattien välillä, kun jälkimmäinen on muunnettu geometrisen transformaation avulla. Lukemien tulisi olla alle 1 pikseliä tai alle kyseisen satelliittikuvan pikselikoon suuruuden (Landsat:lla alle 30 m), jolloin tukipisteet todennäköisimmin sijoittuvat lähelle todellista sijaintiaan. Mikäli RMS Error -arvot ovat liian suuria, pisteitä kannattaa käydä siirtämässä tarkemmin oikeaan kohtaan. Kuva 30. Tukipisteen määrittäminen niityn kulmaan. Kun tukipisteitä on määritelty kolme ja Set Automatic Transformation Calculation on ollut aktiivisena, alareunan taulukkoon ilmestyy RMS Error -lukemat (esimerkkikuvassa metreinä), eli mallille on saatavilla tällä tukipistemäärällä ratkaisu.

22 22 Kun tukipisteet ovat tarpeeksi tarkkoja, eli RMS-arvot tarpeeksi alhaisia, kuva voidaan oikaista koordinaatistoon Display Resample Image Dialog -työkalulla. Resample-ikkunan Output File -kohdassa määritellään oikaistavalle kuvalle uusi nimi (oikaisun voisi tehdä myös vanhaan kuvaan, mutta se kannattaa säilyttää muuttumattomana) ja valitaan Resample Method, jossa yleisimmin käytetty vaihtoehto on Nearest Neighbor (kuva 31). Muista asetuksista on syytä muuttaa ainakin Ignore Zero in Stats., johon kannattaa laittaa täppä. Kuva 31. Satelliittikuva oikaistaan tukipisteiden perusteella Resampletyökalulla. Oikaisun onnistumista voi tarkastella esimerkiksi avaamalla peruskarttalehden tai aiemmin samalta alueelta oikaistun satelliittikuvan samaan ikkunaan oikaistun kuvan kanssa (File > Open). Karttoja voi vertailla Home-välilehdellä olevien työkalujen avulla: Swipe (kuva 32): karttaikkuna jakautuu kahteen osaan, joista toisessa peruskarttalehti (tai muu oikaisun tarkastamiseen avattu aineisto) ja toisessa oikaistu satelliittikuva. Kuvat kannattaa zoomata kohtuullisen lähelle ja liikuttaa niiden välistä rajaa hiirellä, jolloin pääsee tarkastelemaan kuvien yhdenmukaisuutta. Blend: Kuvien himmentäminen peruskartasta satelliittikuvaan ja toisinpäin. Työkalu käynnistyy/sulkeutuu valitsemalla Start/Stop. Flicker: kuvien räpyttely. Työkalu käynnistyy / sulkeutuu valitsemalla Start/Stop. Työkaluja käytettäessä avautuu Utilityvälilehti, jossa voi muokata työkalun asetuksia. Osaa työkaluista voi käyttää myös yhtäaikaisesti, eli esimerkiksi häivyttää kuvia ensin Blend:lla ja sen jälkeen räpytellä niitä Flicker:lla. Kuva 32. Swipe-työkalun avulla voi vertailla aineistoja. Kuvassa peruskartan tiet ja vesistöt osuvat hyvin samalle kohdalle kuin vastaavat kohteet satelliittikuvalla.

23 23 MONIKANAVAMUUNNOKSET Monikanavaisen satelliittikuvan eri kanavien sisältämä informaatio on usein paljolti päällekkäistä. Kanavien väliset muunnokset eli indeksit auttavat kuvatulkintaa monin tavoin ja niitä on mahdollista tehdä lähes rajaton määrä. Yksinkertaisissa muunnoksissa jaetaan/lasketaan yhteen/tms. yhden pikselin heijastesarvo toisen kanavan (tai kuvan) vastaavan pikselin heijastearvolla. Pidemmälle menevissä muunnoksissa voidaan myös määrittää painokertoimia ja käyttää indeksien laskennassa muitakin muuttujia, kuten korkeustietoa. Kanavien (tai kuvien) välisillä muunnoksilla voidaan tehostaa rasterikuvien tulkintaa ja hakea esiin tiettyjä kiinnostuksen kohteena olevia, esimerkiksi maaperän tai kasvillisuuden, piirteitä ja ominaisuuksia. Muunnosten hyötynä on myös tiedostokoon pieneneminen kanavamäärän vähentyessä. Landsat-satelliittikuville käytettäviä muunnoksia ja niiden sovellusalueita: ETM3 / ETM4: Hyvin punaisen valon alueella (ETM3) heijastavat pinnat, kuten vesi ja tiet erottuvat kirkkaina muusta ympäristöstä, sillä ne heijastavat vähän lähi-infran (ETM4) alueella. ETM5 / ETM2: Kasvillisuus erottuu kirkkaana, koska se heijastaa paljon keski-infran alueella (ETM5) ja vähän vihreän valon alueella (ETM2). Tosin kaikki kasvillisuus ei noudata tätä sääntöä ja suhdetta voidaankin käyttää myös kasvillisuuden erottelussa. ETM3 / ETM7: Rakennettu ympäristö erottuu kirkkaana, koska sen heijastus on yleensä runsasta punaisen valon (ETM3) ja vähäistä keski-infran alueella (ETM7). Myös erot veden virtauksissa saatetaan erottaa. ETM5 / TM4: Havumetsän terveydentilan vaihtelut saattavat erottuna tämän suhteen avulla, sillä suhdeluku on sitä suurempi, mitä kuivemmat puiden neulaset ovat. ETM7 / ETM4: Voidaan selvittää puuston latvustojen lehtien vesipitoisuuden eroja ja arvioida biomassaa. Toimii myös kuten edellinen suhdeluku (ETM5 / ETM4). ERDAS IMAGINE -ohjelmassa on suuri joukko valmiita kaavoja erilaisten, yleisesti käytössä olevien monikanavamuunnosten kautta laskettavien indeksien muodostamiseen. Raster > (Classification >) Unsupervised > Indices (tai NDVI). Indices-ikkunassa (kuva 33) määritellään Input File:ksi satelliittikuva, jonka tyypistä riippuu, millaisia indeksejä kuvalle on mahdollista laskea. Sensor-kohdassa määritellään kyseisen kuvan sensori, jolloin indeksin laskenta muutetaan esimerkiksi kanavien ja aallonpituuksien suhteen vastaamaan juuri tämän sensorin arvoja. Index-valikossa on listattu kyseiselle satelliittikuvatyypille käytettävissä olevat indeksit. Kun indeksityyppi on valittu, ilmestyy sen laskukaava Formula-kohtaan ja laskennassa käytetyt kanavat Band Selection -valikkoon, jossa kanavia voi tarvittaessa muokata manuaalisesti. Indeksityypistä riippuen Parameters-kohdassa on listattuna muunnokseen mahdollisesti kuuluvia parametrejä. View - painikkeen kautta voi tutustua laskennan taustalla olevaan kaavaan Spatial Model Editor:ssa ja Preview -painikkeen kautta puolestaan voi esikatsella, millaiselta indeksikartta näyttää valituilla asetuksilla. Kuva 33. Monikanavamuunnosten eli indeksien muodostamiseen käytettävä Indices-työkalu.

24 24 NDVI (Normalized Difference Vegetation Index) Lehtivihreän määrää kuvaava NDVI-kasvillisuusindeksi on yleisesti käytetty kanavamuunnos. Se lasketaan kaavalla NDVI = (NIR RED) / (NIR + RED), jossa NIR on lähi-infrapuna-alueen kanava ja RED punaisen alueen kanava, eli esimerkiksi Landsat 7 ETM+ -kuvan tapauksessa NDVI = (ETM4 ETM3) / (ETM4 + ETM3). Näkyvän aallonpituusalueen punainen valo ja infrapuna ovat tärkeä osa maanpeitteen tutkimista, sillä kasvien klorofylli absorboi voimakkaasti punaista valoa ja heijastaa lähi-infrapunaa. NDVI-arvot skaalautuvat välille Kasvillisuuden saamat arvot erottuvat positiivisina esimerkiksi veden ja rakennetun maan negatiivisista arvoista. NDVI kuvaa siis etenkin vihreän, terveen kasvillisuuden ja biomassan määrää, ja sen avulla voidaan erottaa esimerkiksi erilaisia kasvillisuustyyppejä. NDVI-indeksi voidaan muodostaa Indices-työkalulla: Raster > (Classification >) Unsupervised > Indices (tai NDVI). Landsat-kuville on valittavana useita erilaisia kasvillisuusindeksejä perinteisen NDVI:n lisäksi (mm. Transformed Normalized Difference Vegetation Index, TNDVI ja Soil Adjusted Vegetation Index, SA- VI). Parhaiten omaan käyttötarkoitukseensa sopivan indeksin löytää eri vaihtoehtoja kokeilemalla ja vertailemalla tuloksia alkuperäiseen satelliittikuvaan. Seuraavassa on kuvattu, miten NDVI:n (tai kaavaa muuttamalla jonkin muun monikanavamuunnoksen) voi muodostaa itse laatimalla sen laskemiseen tarvittava kaava: Toolbox-välilehti > Model Maker > avautuu New Model -ikkuna ja siihen liittyvä työkaluvalikko (jos ei aukea automaattisesti, paina vasara-symbolia). Kuvassa 34 on esitetty työkaluvalikon kolme tärkeintä osaa: rasterikuva (Place a raster object in the model), toiminto (Place a function in the model) ja mallin eri osien yhdistämistyökalu (Connect inputs to functions or functions to outputs). Työkalutoiminnon saa siirrettyä paperille näpäyttämällä sitä ensin työkaluvalikossa ja sitten paperia. Rasterikuva Toiminto Kuvassa 35 on esitetty NDVI:n laskukaava. Se muodostetaan tyhjälle Modeler-arkille yhdistäen eri toiminnot nuolilla toisiinsa (vetäen nuoli hiiren vasen painike pohjassa toiminnosta toiseen). Yhdistäminen Ylimpään laatikkoon ( rasterikuva ) määritellään Input-kuva eli alkuperäinen satelliittikuva, josta indeksi halutaan laskea (laatikkojen toimintoik- Kuva 34. Model Maker -työkalut. kunat aukeavat kaksoisklikkaamalla). Vähennys- ja yhteenlaskut tehdään toimintolaatikoihin muodostamalla Function Definition -ikkunassa kaavat (kanavat valitaan Available Inputs -listasta kaksoisklikkaamalla). Laskutoimitusten tulokset tallennetaan väliaikaisiin muistitiedostoihin (kuva 36).

25 25 Kuva 36. Vähennys- ja yhteenlaskun tulosten tallentaminen väliaikaisiin muistitiedostoihin (Temporary Raster Only). Kuva 35. NDVI-indeksin kaava Model Maker:ssa. Varsinainen NDVI:n laskeminen ja skaalaaminen tehdään kuvassa 37 esitetyllä tavalla (kuva 35: vaihe Jakolasku ). Functionskohdasta valitaan Conditional > EITHER, jolloin kaavariville ilmestyy ehtolausekkeen kaava. Laskukaavassa hyödynnetään aiempien laskutoimitusten väliaikaistiedostoja. Siinä määritellään, että jakaja ei voi olla 0, joten mikäli kanavien 4 ja 3 (NIR + RED) summa on 0, kyseisen pikselin arvo pakotetaan nollaksi. Muutoin laskukaavana on NIR RED / NIR + RED. NDVI-kuvan nimi määritellään alimmaiseen rasterikuvakkeeseen (kuva 35: vaihe NDVI-kuva ; kuva 38). Data Type:ksi valitaan Float Single, sillä lausekkeen suhdeluvut ovat desimaali- eli liukulukuja. Myös laskukaava voidaan tallentaa File > Save as > esim. NDVI.gmd. Laskutoimitus käynnistetään salama-painikkeella (virheilmoituksen ilmestyessä tarkista laskukaavat). Kuva 37. NDVI-indeksin kaava muodostetaan Function Definition -ikkunassa. Kuva 38. NDVI-kuvan tallentaminen Float Single -muodossa.

26 26 Valmista NDVI-kuvaa voi verrata alkuperäiseen satelliittikuvaan esimerkiksi avaamalla ne vierekkäisiin karttaikkunoihin. Uuden karttaikkunan saa avattua File > New > 2D View, jonka jälkeen aineiston voi avata tähän normaalisti, File > Open (ko. ikkunan oltava aktiivinen). Kuvat voi linkittää toisiinsa muuttamalla ensin molemmat kartat maksimilaajuuteensa (Fit to Frame) ja painamalla ei-aktiivisen ikkunan oikeasta yläkulmasta (tai Home-välilehti > Link Views) Spatially link / unlink with the active view ja Sync / unsync with the active view -symboleita (kuva 39). Tulkinnan helpottamiseksi satelliittikuvan kanavayhdistelmiä voi muuttaa (esimerkiksi 7, 4, 3). Kuva 39. Kuvien linkittäminen toisiinsa: Spatially link / unlink with the active view ja Sync / unsync with the active view. NDSI (Normalized Difference Soil Index) NDSI on maaperän ominaisuuksia kuvastava indeksi, jonka laskemisessa hyödynnetään infrapuna-alueen kanava-arvoja: (ETM 5 ETM 4) / (ETM 5 + ETM 4). Laskukaavan voi laatia samalla tavalla kuin NDVI:lle. TASSELED CAP Tasseled Cap on lineaarinen kanavamuunnos, jonka avulla Landsat-kuvan alkuperäisistä kanava-arvoista muodostetaan maaston fyysisiä ominaisuuksia vastaavat kuvat. Muunnos laskee alkuperäisistä kanavaarvoista uusia tasoja tiettyjä kertoimia käyttäen (taulukko 2). Landsat-kuvista on mahdollista laskea kuusi erilaista kerrosta, joista kolme ensimmäistä (Brightness, Greenness ja Wetness) ovat yleisimmin käytettyjä. Ne kuvastavat maaperän kirkkautta (vähän kasvillisuutta), vihreyttä (runsaasti kasvillisuutta) ja kosteutta (vesistöt, maaperän ja kasvillisuuden kosteus). Kuvat voidaan yhdistää monikerroksiseksi värikuvaksi, jossa esim. maaperä heijastuu punaisella, kasvillisuus vihreällä ja kosteus sinisellä. Tasseled Cap -

27 27 Taulukko 2. Tasseled Cap -muunnoksen kanavakertoimet Landsat 7 ETM + -kanaville. muunnoksella saa vähennettyä tiedostokokoa ja sen avulla voi saada esiin muuten hankalasti erottuvia ominaisuuksia. Tasseled Cap -muunnos voidaan tehdä Landsatkuville ERDAS IMAGINE -ohjelman työkalulla (muille satelliittikuville (esim. SPOT, IRS) kaavan voi rakentaa Model Maker:lla): Raster-välilehti > (Resolution >) Spectral > Tasseled Cap (kuva 40). Input File -tiedostoksi valitaan satelliittikuva, josta eri kerroksia halutaan rakentaa. Sensoriksi valitaan Landsat 4 tai 5 TM (Landsat 7 -kuville kannattaa valita Landsat 5 TM). TC Coefficients -välilehdellä on mahdollista tehdä muutoksia eri kanaville annettaviin kertoimiin. Output File:ksi nimetään uusi muodostuva Tasseled Cap -tiedosto > OK. Kuvien vertailua varten Tasseled Cap -kuva kannattaa avata uuteen karttaikkunaan File > New > 2D View ja File > Open. Uuden karttaikkunan ollessa aktiivisena, valitaan Multispectral-välilehti > Bands-kohdan alasvetovalikoista: Landsat 5 TM 6 Bands ja Desktop RGB (brightness/1 = punainen, greenness/2 = vihreä, wetness/3 = sininen). Kuva 40. Tasseled Cap -muunnoksen muodostaminen. Tasseled Cap -muunnoksen eri kerrokset voidaan tallentaa omiksi tasoikseen (kuva 41): Raster-välilehti > Spectral > Layer Stack, jossa valitaan Input File:ksi Tasseled Cap -kuva, Layer-kohdassa tallennettava kanava (= kerros, esim. 1) ja Output File:ssa nimetään se (esim. Brightness.img). Kuva 41. Tasseled Cap -kuvan kerroksien erottaminen omiksi tasoikseen Layer Stack -työkalulla. Kerroksia voi tarkastella eri ikkunoissa myös ilman niiden tallentamista omiksi kerroksikseen avaamalla File > Open > Multi Layer Arrangement > Tasseled Cap -kuva, jolloin yhteen ikkunaan avautuu Tasseled Cap -kuva ja kuuteen muuhun kuvan eri kerrokset (kuvat 42 ja 43). Kuvat kannattaa skaalata valitsemalla aktiiviseksi ensimmäisen karttaikkunan ja painamalla Home-välilehdellä Fit to Frame.

28 28 Kuva 42. Useamman kuvan avaaminen karttaikkunaan yhtäaikaisesti (Multi Layer Arrengement). Kuva 43. Tasseled Cap -kuva avattuna Multiple Layer Arrangement:lla. Ylävasemmalla monikerroksinen Tasseled Cap -kuva ja muissa ikkunoissa yksittäiset kerrokset. PÄÄKOMPONENTTIANALYYSI (Principal Component Analysis) Pääkomponenttianalyysi (PCA) on monimuuttujamenetelmä, jota käytetään poistamaan satelliittikuvien kanavien korreloituneisuus. Alkuperäisistä muuttujista muodostetaan lineaarisia lausekkeita, pääkomponentteja. Painotukset määrittyvät siten, että ensimmäinen komponentti selittää suurimman osan aineistossa esiintyvästä vaihtelusta, kuitenkin niin, että painojen neliösumma on yksi. Toinen komponentti selittää jäljelle jääneestä vaihtelusta suurimman osan ja on kohtisuorassa ensimmäistä vastaan. Pääkomponenttianalyysin tarkoituksena on järjestää uudelleen satelliittikuvan kanavien sisältö niin, että kanavat muunnetaan selkeästi toisistaan poikkeaviksi komponenteiksi. Kanavien informaatioarvo pysyy samana kuin alkuperäisellä kuvalla, mutta päällekkäisyydet vähenevät. Pääkomponenttianalyysi tehdään Raster-välilehden Spectral > Principal Component -työkalulla. Input File:ksi määritetään satelliittikuva, jolle pääkomponenttianalyysi halutaan tehdä ja nimetään Output File. Eigen Matrix ja Eigenvalues -kohdissa valitaan Write to File ja Number of Desired Components esim. 6. View-painikkeen kautta näkee analyysin pohjana olevan kaavan > OK. PCA-kuva avataan File > Open > Multi Layer Arrangement (kuva 42), jolloin yhteen ikkunaan avautuu PCA-kompositiokuva ja kuuteen yksittäisiä PCA-kuvia (kuva 44). Valitaan aktiiviseksi ensimmäinen karttaikkuna ja painetaan Home-välilehdeltä Fit to Frame. Vertailukuvaksi voi uuteen karttaikkunaan (File > New > 2D View) avata esimerkiksi alkuperäisen satelliittikuvan (File > Open), joka kannattaa linkittää muiden kanssa.

29 29 Kuva 44. PCA-kuva avattuna Multiple Layer Arrangement:lla. Ylävasemmalla monikerroksinen PCA-kuva ja muissa ikkunoissa yksittäiset kerrokset. KOLMIULOTTEISET TARKASTELUTAVAT ERDAS IMAGINE:ssa on toimintoja, jotka mahdollistavat aineiston tarkastelun suhteessa alueen korkokuvaan asettamalla satelliittikuvan rasterimuotoisen korkeusmallin eli DEM:n päälle. Tarkastelutapa on paitsi hauska, myös informatiivinen: esimerkiksi kasvillisuuden muuttumisen korkeuden kasvaessa havaitsee paljon selkeämmin kolmiulotteisesta kuvasta. Karttaikkunaan avatun korkeusmallin pikseli- eli korkeusarvoja voi tarkastella Inquire-työkalulla ja tasoa koskevia tietoja Metadata:sta (esim. min- ja max-arvot, arvojen jakautuminen Histogram-välilehdellä) (kuva 45). Kuva 45. Korkeusarvojen tarkasteleminen DEM-tasolta Inquire-työkalulla. File Pixel -sarakkeessa on todellinen korkeusarvo ja LUT Value -sarakkeessa harmaasävyarvo, jolla kyseistä korkeutta kuvalla esitetään.

30 30 IMAGE DRAPE Image Drape, kolmiulotteinen tarkasteluikkuna, avataan: Terrain-väliehti > (Analysis >) Image Drape. Avataan tarvittavat aineistot, File > Open > Raster Layer > ensin DEM ja sen jälkeen satelliittikuva (alkupäinen satelliittikuva, Tasseled Cap, NDVI tms. käyttötarkoituksesta riippuen) (kuva 46). Aineistojen täytyy olla samassa projektiossa, jotta ne avautuvat oikein. Jos kuvien projektiot ovat erilaiset, ne voi käydä muuttamassa Metadata- tai Reproject-toiminnon kautta. Toisinaan, vaikka projektiot olisivatkin samanlaiset, ohjelma saattaa varoittaa niistä, mutta kuvat aukeavat näkymään oikein. Tavoitteena on luoda kolmiulotteinen vaikutelma, joka vastaa mahdollisimman hyvin ihmissilmän havaitsemaa todellisuutta. Esimerkiksi taivaan voi värittää siniseksi Image Drape - ikkunassa > Utility > Options > Background-välilehdellä valitsemalla Solid Color:n tilalle Fade Color ja muuttamalla Start Color:ksi vaalea ja End Color:ksi tumma sinisen sävy (kuva 47) > Apply > Close. Tämä väriskaala vastaa mahdollisimman luonnollista värigradienttia selkeällä säällä. Kuva 46. Korkeusmalli ja satelliittikuva avattuna kolmiulotteiseen tarkasteluun, Image Drape -ikkunaan. Auringonpaisteen ilmansuuntaa voi muokata View > Sun Positioning (kuva 48). Täpän paikkaa voi muuttaa eri kohtiin ja tarkastella, miten se vaikuttaa kuvaan (> Apply). Optimaalinen auringonpaistesuunta on lounaasta. Mikäli paistesuunta ei päivity Close-komennon jälkeen automaattisesti, valitaan View > Update Display. Kuva 47. Taustavärin ( taivaan ) muuttaminen. Kuva 48. Auringonpaisteen ilmansuunnan määrittäminen.

31 31 Alkuperäisen karttaikkunan (2D View) voi sulkea ja jättää päälle vain Image Drape -ikkunan. Valitaan Utility > Dump Contents to Viewer, jolloin aukeaa uusi DEM:n ja satelliittikuvan sisältävä Viewer-ikkuna. Image Drape -ikkunassa valitaan View > Link/Unlink with Viewer ja klikataan viimeksi avautunutta Viewer-ikkunaa (kuva 49). Kuva 49. Image Drape ja Viewer -ikkunoiden linkitys. Näytölle ilmestyy katselukohteet [silmä (eye), eli havainnointikohta ja kohde (target)]. Zoomaamalla lähemmäs katselukohteita, voi siirrellä sijaintiaan (eye) ja kohdettaan kuvalla Reset Window Tools -työkalulla (musta nuoli). Image Drape -ikkunan Show the Observer Positioning Tool -pikakuvakkeen kautta voi tehdä muutoksia mm. katselukohdan korkeuteen (AGL, ASL), katselukentän laajuuteen (FOV) ja katselukulmaan (Pitch). Painamalla Apply näkee muutokset Image Drape -ikkunassa ja työkalun Profile-kuvassa (kuva 50). Sopivat asetukset löytää kokeilemalla. Myös satelliittikuvan kanavajärjestystä voi muuttaa (molemmissa ikkunoissa Raster > Band Combinations). Kuva 50. Kolmiulotteisen kuvan katseluominaisuuksia voi muokata Position Parameters -ikkunassa.

32 32 VirtualGIS ERDAS IMAGINE:n VirtualGIS-laajennus on toinen tapa tarkastella tutkimusaluetta kolmiulotteisesti. Se eroaa edellä esitetystä Image Drape -toiminnosta ainoastaan siinä, että tutkimusaluetta voidaan tarkastella useammasta eri näkövinkkelistä ja koko alueen päällä on mahdollista vaikka lentää. VirtualGIS-työkalu on Toolbox-välilehdellä. SATELLIITTIKUVAN LUOKITTELEMINEN Useissa satelliittikuviin perustuvissa kaukokartoitustehtävissä kuvan pikselit luokitellaan homogeenisiin luokkiin. Luokittelu tehdään yleensä monikanavaiselle RGB-kuvalle, josta pyritään hahmottamaan esimerkiksi kasvillisuuden ja maankäytön eri piirteitä. Luokittelu voidaan tehdä myös esimerkiksi Tasseled Cap - kuvalle tai Layer Stack:lla muodostetulle kanavakombinaatiolle (esim. Landsat-kanavat 4 ja 7, sekä Tasseled Cap:n Greenness ja Wetness nelikerroksinen kuva, jonka tiedostokoko huomattavasti pienempi kuin 6-kanavaisen satelliittikuvan tapauksessa). Ennen luokittelua kuvasta olisi hyvä poistaa pilvet, sillä ne sekoittuvat muihin korkean heijastusarvon luokkiin ja niiden alta esimerkiksi maanpeitteen luokittelua ei voida tehdä. Pilviset alueet voidaan luokitella toiselta satelliittikuvalta, joka on ideaalitilanteessa samalta ajankohdalta ja sensorilta. Yleisesti käytettyjä satelliittikuvan luokittelutapoja ovat ohjattu ja ohjaamaton luokittelu, sekä näiden kahden luokittelun yhdistelmä, eli ohjattu ryhmittely. Ohjaamattomassa luokittelussa (Unsupervised Classification) tutkittava alue jaetaan spektrisesti homogeenisiin luokkiin, joita ei määritellä millään tavoin etukäteen. Luokitteluvaiheessa joko määritellään haluttu luokkamäärä itse tai annetaan luokittelualgoritmin optimoida se määritellyn vaihteluvälin puitteissa. Luokittelu lasketaan kanavakohtaisten sävyarvojen mukaan ja luokittelun jälkeen käyttäjä tunnistaa ja nimeää luokat itse erilaisia referenssiaineistoja ja luokkien sävyarvoja apuna käyttäen. Ohjatulla luokittelulla (Supervised Classification) tarkoitetaan luokittelua, jossa ohjelmalle kerrotaan, millainen pikseli kuuluu mihinkin luokkaan. Ohjattu luokittelu vaatii siis tutkimuskohteesta ennalta kerättyä informaatiota (esimerkiksi maastoaineistoa kasvillisuustyypeistä). Luokittelu aloitetaan rajaamalla eri puolille satelliittikuvaa ns. opetus- tai tukialueita, jotka kuvaavat kutakin luokkaa. Toisin kuin ohjaamattomassa luokittelussa, luokat nimetään etukäteen. Ohjatussa ryhmittelyssä pyritään välttämään sekä ohjatun että ohjaamattoman luokittelun heikkouksia. Tulokseksi saadaan yleensä parempi tulos kuin käyttämällä vain toista menetelmää. Ohjattu ryhmittely voidaan tehdä esim. siten, että luokitellaan alueet ensin ohjaamattomalla luokituksella ja sen jälkeen ohjatulla luokittelulla käyttäen apuna tutkimuskohteesta kerättyä tietoa. OHJAAMATON LUOKITTELU ERDAS IMAGINE käyttää ohjaamattoman luokittelun perustana ns. ISODATA-algoritmia (Iterative Self- Organizing Data Analysis Technique). ISODATA on osittain heuristinen luokittelumetodi, joka määrittää iteratiivisesti hahmokasaumakeskukset näytteiden keskiarvojen perusteella ja pyrkii muodostamaan kohtuullisen samansuuruisia klustereita. ISODATA-metodilla määritellään tai sille määrätään haluttu määrä luokkakeskuksia ja määrätään tutkittavat solut lähimmän luokan joukkoon. Suureksi muodostuva luokka voidaan jakaa useammaksi solujen lukumäärän, keskihajonnan tai luokkakeskusetäisyyksien johdosta. Mikäli solujen

33 33 lukumäärä ei yllä asetettuun minimiin, luokka poistetaan ja solut yhdistetään lähimpiin luokkiin. Luokat yhdistetään, mikäli vierekkäisten luokkien luokkakeskusten etäisyys on pienempi kuin asetettu minimi rajaarvo. Aina kun luokkia on säädetty, uudet luokkakeskukset lasketaan ja prosessi toistetaan. Iterointi jatkuu, kunnes on vain hyvin vähän muutoksia luokkakeskusten sijainnissa, tai kun iterointiraja on saavutettu. Luokittelu aloitetaan Raster-välilehti > (Classification >) Unsupervised > Unsupervised Classification (kuva 51). Valitaan Input Raster File ja nimetään Output Cluster Layer, sekä Output Signature Set. Method-kohdassa voidaan valita K-Means, jolloin # of Classes - kohtaan määritellään haluttu luokkamäärä, tai Isodata, jolloin voidaan määritellä haluttu luokkamäärän vaihteluväli, josta ohjelma optimoi sopivan luokkamäärän. Sopiva luokkamäärä riippuu tutkimusongelmasta (esim. tutkimusalueen ominaisuudet, sijainti ja laajuus; miten tarkkoja luokkia halutaan tulokseksi, eli riittääkö pelkkä havumetsä vai halutaanko se luokitella esimerkiksi ikäluokkiin). Processing Options -kohdassa valitaan iterointien määrä (Maximum Iterations), esim (max 24) > OK. Kuva 51. Ohjaamaton luokittelu (Unsupervised Classification). LUOKITUKSEN TARKASTELEMINEN JA LUOKKIEN MÄÄRITTÄMINEN Luokituksen tarkastelu ja luokkien tunnistaminen niitä vastaaviin maanpeiteluokkiin voidaan tehdä usealla eri tavalla riippuen mm. luokkien määrästä, halutusta maanpeitetyyppien tarkkuudesta ja saatavilla olevista referenssiaineistoista. Luokitusta voi tarkastella esimerkiksi avaamalla erillisiin karttaikkunoihin ohjamaattomasti luokiteltu ja alkuperäinen satelliittikuva (uusi karttaikkuna: File > New > 2D View ). Vertailun helpottamiseksi kuvat voi linkittää toisiinsa karttaikkunoiden oikeasta yläkulmasta: Spatially link / unlink with the active view ja Sync / unsync with the active view. Luokkia voi tarkastella myös avaamalla ohjaamattomasti luokiteltu kuva alkuperäisen satelliittikuvan päälle: File > Open > (Raster Layer >). Yksinkertaisimmissa luokitteluissa, joissa luokkamäärä on pieni ja luokkien sisältö jaettu karkeasti (esim. vesi, metsä, rakennettu alue, pelto ja suo), voidaan luokkien tunnistaminen tehdä esimerkiksi seuraavasti: Avataan päällekkäin alkuperäinen satelliittikuva ja luokiteltu kuva. Tarvittaessa voidaan avata joko samaan ikkunaan tai omaan karttaikkunaansa myös muita luokkien tunnistamista helpottavia aineistoja, kuten CORINE-maankäyttöluokitus. Avataan ohjaamattomasti luokitellun kuvan attribuuttitaulukko painamalla Contents-näkymässä tason nimen päällä hiiren oikealla > Display Attribute Table (kuva 52) (tai Raster-ylävälilehti > Table). Muuttamalla Opacitysarakkeen arvot nollaksi, saa luokittelukuvan kaikki luo- Kuva 52. Attribuuttitaulukon avaaminen.

34 34 kat läpinäkyviksi > valitaan Opacity-sarake aktiiviseksi (tarkista, että rivejä ei ole valittuna. Jos valintoja on, paina hiiren oikealla rivisarakkeen päällä > Select None) > Formula > kaavariville: 0. Luokkia voi tarkastella alkuperäisen satelliittikuvan päällä muuttamalla luokka kerrallaan Opacity-sarakkeeseen arvon 1 ja muuttamalla värin hyvin erottuvaksi (painamalla hiiren oikealla värisymbolin päällä) (kuva 53). Kun luokka on tunnistettu, Opacity kannattaa muuttaa takaisin nollaksi, kirjoittaa luokan nimi Class_Names-sarakkeelle ja siirtyä seuraavan luokan tunnistamiseen. Ensimmäinen luokka (Row 0, Unclassified) on luokittelematon tausta. Attribuuttitaulukkoon voisi tässä vaiheessa määrittää myös luokille sopivat värit, mutta se kannattaa yleensä tehdä vasta myöhemmässä vaiheessa, sillä luokkia on usein tarpeen yhdistää (ks. seuraava kappale). Kuva 53. Esimerkissä luokan 1 Opacity on muutettu 1:ksi (eli luokka ei ole läpinäkyvä) ja luokan väritys hyvin alla olevalta satelliittikuvalta erottuvaksi keltaiseksi. Luokan voi nimetä Class_Names-sarakkeelle, tässä esimerkissä: Vesi. Luokkien tunnistamisessa voi käyttää apuna myös kappaleen Kuvan oikaisu tukipisteiden avulla lopussa esiteltyjä Flicker, Blend ja Swipe -työkaluja. Muutokset voi lopuksi tallentaa esim. painamalla Contentsnäkymässä hiiren oikealla ohjaamattomasti luokitellun kuvan päällä > Save Layer (tai Save Layer As, jos halutaan säilyttää alkuperäinen luokittelukuva muuttumattomana). Monimutkaisemmissa luokitteluissa, joissa luokkamäärä on kymmeniä satoja ja luokat halutaan määrittää tarkasti (esim. erilaiset pelto- ja metsätyypit), on syytä käyttää kehittyneempiä luokittelumenetelmiä, kuten Subpixel Classification, Knowledge Engineer ja Grouping Tool, joista löytyy tietoa esim. työkalujen Help-osiosta. LUOKKIEN YHDISTÄMINEN Ohjaamattomassa luokittelussa luodaan yleensä suurempi määrä luokkia kuin mitä lopulliseen luokitteluun otetaan mukaan, eli joitain luokkia voi olla tarpeen yhdistää. Tämä kannattaa tehdä ennen luokkien nimeämistä ja lopullisten väriasetusten määrittämistä, sillä uudelleenluokitellussa luodaan uusi kuvatiedosto. Valitaan Raster-välilehti > (Raster GIS >) Thematic > Recode. Määritellään Input File:ksi ohjaamattomasti luokiteltu kuva ja nimetään Output File. Setup Recode -painikkeen kautta pääsee määrittelemään uudet luokat Thematic Recode -ikkunassa (kuva 54). Value-sarakkeessa on luokkien nykyiset arvot. New Value - sarakkeeseen määritellään luokkien uudet arvot siten, että samaa luokkaa kuvaaville riveille annetaan sama arvo. Esimerkiksi kaikki vesiluokat = 1, kosteikot = 2 (numerot oltava New Value -sarakkeella järjestyksessä 0 n). Muutosten jälkeen painetaan OK > Recode-ikkunassa valitaan Ignore Zero in Stats. > OK.

35 35 Kuva 54. Recode-työkalu ja Thematic Recode: New Value -kohdassa määritellään uudet luokat siten, että yksi arvo vastaa yhtä luokkaa, eli esimerkiksi kaikki vesistöt koodataan samalla numerolla. Koska Recode-työkalun oletuksena on, että uuden kuvan luokkamäärä on vastaava kuin alkuperäisessä ohjaamattomasti luokitellussa kuvassa, tulee attribuuttitaulukkoon tyhjiä rivejä. Nämä eivät kuitenkaan haittaa kuvan jatkokäsittelyä, johon voi kuulua mm. luokkien nimeäminen attribuuttitaulukkoon, sopivien värien määrittäminen ja kappaleessa Kuvan visuaalisen tulkittavuuden parantaminen esiteltyjen kuvankäsittelymenetelmien käyttäminen. OHJATTU LUOKITTELU Ohjattu luokitus perustuu tutkimusalueelta ennalta olevaan tietoon ja aineistoihin, joiden avulla muodostettaan luokittelun pohjaksi luokkien tukialueita. Tukialueet määritellään rajaamalla alkuperäiseltä satelliittikuvalta tiettyyn luokkaan kuuluva pikselijoukko. Jokaista luokkaa varten tarvitaan tukialue, jonka suositeltava pikselimäärä on kertainen satelliitti-/ilmakuvan kanavien lukumäärään verrattuna. Yhden ison tukialueen sijaan on parempi valita useita pienempiä tukialueita, mielellään kuvan eri osista. Tukialueiden valinnassa tulisi välttää kohteita, joihin muiden alueiden vaikutus on ilmeinen (esimerkiksi metsä-suovaihettumisvyöhyke), jollei tällaisia nimenomaisesti haluta luokitella. Tukialueiden avulla ohjelmalle kerrotaan, mitkä pikseleiden heijastusarvot vastaavat mitäkin luokkaa. Kun haluttu määrä luokkia on määritetty, ohjelma vertaa jokaisen pikselin heijastusarvoa näihin luokkiin ja sijoittaa sen luokkaan, joka vastaa pikselin arvoa. Tukialueita määritettäessä käytetään useita eri kanavayhdistelmiä, jotta lopputulos vastaisi mahdollisimman hyvin todellisuutta. Luokittelun tulosta arvioidaan histogrammien ja virhematriisin avulla, sekä maastotarkastuksin. Avataan luokiteltava kuva ja valitaan sopiva kanavajärjestys, esim. Landsat 5, 4, 3. Luokittelun helpottamiseksi taulukosta kannattaa piilottaa turhat sarakkeet: Raster-ylävälilehti > Supervised > Signature Editor. Avautuvassa ikkunassa valitaan View > Columns... Shift-näppäin pohjassa valitaan säilytettäväksi kaikki muut kuin Red, Green ja Blue -rivit > Apply > Close. Signature Editor -ikkunan voi jättää auki. Luokiteltavan satelliittikuvan kanssa samaan ikkunaan kannattaa avata luokittelua tukevia aineistoja, kuten vastaavalta alueelta ohjaamattomasti luokiteltu kuva, peruskartta, maastotietokannan tasoja (tiet, maatalous, rakennukset), CORINE-aineisto tai Metla:n puustorastereita tutkimuskysymyksistä ja luokkien halutusta sisällöstä riippuen. Tukiaineistojen olisi hyvä olla mahdollisimman samalta ajalta kuin satelliittikuva, jolloin niiden tiedot vastaavat toisiaan. Luokkamäärää ja luokkien sisältöä kannattaa miettiä jo ennen luokittelun aloittamista samalla, kun tutustuu luokittelun kohteena olevaan alueeseen ja siitä valmiina oleviin aineistoihin.

36 36 TUKIALUEIDEN MUODOSTAMINEN Maankäyttötyypittäiset tukialueet tallennetaan AOI-vektoritasoina. Tukialue-AOI:t voidaan luoda esimerkiksi seuraavasti: Avataan File > New > 2D View > AOI Layer, jolloin Contentsnäkymään ilmestyy uusi taso. Zoomataan lähelle tukialueeksi määriteltävää kohdetta (esim. vesistö). AOI-välilehti > Drawing > Insert Geometry > Polygon-työkalu (tai tukialueen tyypistä riippuen jokin muu työkalu) (kuva 55). Tukialue rajataan työkalulla hiirellä napsutellen ja suljetaan kaksoisklikkaamalla. Signature Editor -ikkunassa klikataan Create New Signature(s) from AOI - Kuva 55. Vesistöön muodostettu tukialue. pikakuvaketta (tai Edit > Add) ja nimetään luokka Signature Name -sarakkeeseen (esim. vesi_1) (kuva 56). Color-sarakkeessa voi määritellä luokalle kuvaavan värin, mutta tämän voi tehdä myös myöhemmin lopullisten luokkien yhteydessä. Countssarakkeessa on näkyvissä tukialueen pikselimäärä. Kuvalta kannattaa rajata muutamia samaa luokkaa kuvaavia tukialueita (esim. 5 7 tukialuetta/luokka) ja nimetä ne (esim. vesi_2). Tämän jälkeen voi siirtyä seuraavan luokan tukialueiden määrittämiseen. Kuva 56. Signature Editor:ssa tallennetaan muodostettu tukialue (vas.) sekä määritellään sille nimi ja väri. Tukialueet voidaan määrittää myös automaattisesti valitsemalla AOI-taso aktiiviseksi Contents-näkymässä > AOIvälilehti > Drawing > (Insert Geometry >) Grow-alasvetovalikko > Growing Properties (kuva 57). Neighborhoodkohdassa valitaan miten ympäröivät pikselit huomioidaan (otetaanko mukaan diagonaaliset pikselit) ja Area:ssa montako pikseliä otetaan huomioon (= miten laaja alue). Spectral Euclidean Distance - kohdassa määritellään, miten suuri poik- Kuva 57. Region Growing Properties -ikkunassa voi määrittää automattisen tukialueiden muodostamisen asetuksia (vas.). Oikeassa kuvassa vesistöön Growtyökalulla muodostettu tukialue.

37 37 keama valitun pikselin sävyyn verrattuna tukialueelle sallitaan. Aluksi voi käyttää arvoja 5 10 ja niitä voi muokata sen mukaan, miten pienen/ison alueen ohjelma valitsee. Options-välilehdellä voisi tehdä vielä tarkempia rajauksia tukialueen muodostamisasetuksiin. Tukialue muodostetaan Raster-ylävälilehti > Drawing > (Insert Geometry >) Grow > klikataan edustavaa pikseliä muodostettavalta tukialueelta ja siirretään alue Signature Editor -ikkunaan Create New Signature(s) from AOI -painikkeella. Tukialueiden AOI-tasot tallennetaan Contents-näkymässä painamalla AOI-tason nimen päällä hiiren oikeaa > Save Layer (tai File > Save As > AOI Layer As (*.aoi)) ja signaturet Signature Editor -ikkunassa, File > Save As (*.sig). Tiettyä luokkaa kuvaavat tukialueet voidaan yhdistää Signature Editor:ssa yhdeksi luokaksi valitsemalla kaikki kyseistä luokkaa kuvaavat tukialueet aktiiviseksi Shiftnäppäin pohjassa > Edit > Merge (tai pikanäppäin Merge Selected Signatures) (kuva 58). Uusi luokka nimetään (esim. Vesi) ja vanhat tukialueet poistetaan (hiiren oikea > Delete Selection). Kun kaikki yhdistämiset on tehty, tallennetaan File > Save As (.sig). Tukialueiden onnistuneisuuden arvioiminen Kuva 58. Luokkien yhdistäminen Signature Editor:ssa. Esimerkissä kaikki luokkaan matala vesi kuuluvat luokat on yhdistetty. Alkuperäiset luokat voi yhdistämisen jälkeen poistaa. Ennen luokituksen varsinaista suorittamista on luokkien yhdistämisen lisäksi hyvä tarkistaa mm. tukialueista laskettuja keskiarvoja ja hajontoja, sekä erilaisia matriiseja. Näiden avulla voidaan tarkistaa, miten hyvin määritellyt tukialueet eroavat toisistaan ts. onko tukialueisiin valittu homogeenisiä pikseleitä, jotka eroavat muiden tukialueiden pikseleistä. Tukialueiden sisältämien pikselijoukkojen pareittaiseen vertaamiseen ja niiden erottuvuuden määrittämiseen voidaan käyttää Signature Editor -ikkunassa Evaluate > Separability-työkalua (jos taulukossa valittuna rivejä, painetaan rivisarakkeen päällä hiiren oikealla > Delete Selection) (kuva 59). Signature Separability -ikkunassa: Layers Per Combination -kohtaan valitaan esimerkiksi 3, jolloin ohjelma etsii ne kolme kanavaa, jotka ovat parhaat piirteiden tunnistamisen kannalta. Distance Measure -kohdassa valitaan Euclidean ja tarkistetaan, että Report Type:ssa on valittuna Summary Report > OK. Tulostuvassa raportissa suuret lukemat luokkaparin välillä kertovat hyvästä keskinäisestä erottuvuudesta, pienet puolestaan siitä, että kyseiset tukialueet sisältävät samanlaisia heijastusarvoja omaavia pikseleitä (kuva 60). Tulosteesta selviää myös, mitkä kanavat ovat erotettavuudessa parhaita. Kuva 59. Tukialueiden erottuvuutta voi tarkastella Separability-työkalulla esimerkiksi oikeassa kuvassa esitetyin valinnoin.

38 38 Toinen keino tarkastella tukialueiden onnistuneisuutta on kontingenssimatriisi. Yleensä oletetaan, että kaikki AOI-tasoon eli tukialueeseen määritellyt pikselit luokittuvat tähän kyseiseen luokkaan, mutta näin ei kuitenkaan ole, koska tukialueet ovat harvoin niin homogeenisia, että ne luokittuisivat oletettuun luokkaan. Kontingenssianalyysin tuloksena saadaan virhematriisi, josta näkee, kuinka monta tietyn tukialueen pikseliä on luokittunut mihinkin luokkaan. Jos analyysi halutaan suorittaa koko aineistolle, Signature Editor:ssa ei saa olla rivejä aktiivisena. Evaluate > Contingency (kuva 61). Jos tulosteessa halutaan tietää oikein luokittuvien pikselien prosentuaalisen osuuden rastitetaan ainoastaan Pixel Percentages > OK. Tukialueen muodostaminen on tietylle luokalle onnistunut hyvin, jos sen prosenttilukema on suuri tarkasteltaessa samaa luokkaa referenssi- ja luokitteluaineistosta (kuva 62). Kuva 60. Separability-työkalun tulosraportti. Esimerkissä on ensimmäisenä vertailtu Landsat-satelliittikuvan kanavia 2, 3 ja 5, joilla parhaiten toisistaan erottuvat luokat 1 ja 5 (1:5, vesi ja paljakka), arvo 86. Huonoin keskinäinen erottuvuus on luokilla 5 ja 6 (5:6, paljakka ja rakennettu alue), arvo 13. Kuva 61. Tukialueiden erottuvuutta voi tarkastella Contingency-työkalulla esimerkiksi kuvassa esitetyin valinnoin. Kuva 62. Kontingenssianalyysin tuloksena syntyvästä virhematriisista saadaan selville tukialueiden pikselien luokittuminen eri luokkiin. Esimerkissä vesiluokan tukialueiden pikseleistä lähes kaikki ovat luokittuneet luokkaan Vesi. Sen sijaan esimerkiksi kosteikkojen pikseleitä on luokittunut sekä luokkaan Matala vesi (n. 21 %) että Niitty/pelto (n. 13 %).

39 39 Tukialueiden pikselien heijastusarvoja voidaan verrata alkuperäisen satelliittikuvan kanavien heijastusarvoihin hajontakuvioiden avulla. Aluksi luodaan kaksiulotteiset hajontakuviot kaikista mahdollisista kanavayhdistelmistä: Signature Editor -ikkuna > Feature > Create > Feature Space Layers (kuva 63). Input Raster Layer -kohtaan valitaan luokiteltava satelliittikuva ja määritetään Output Root Name -kohtaan oikea hakemisto tallentuville kaksiulotteisille hajontakuvioille > OK. Signature Editor:ssa valitaan kaikki luokat aktiiviseksi: jollain Class # -sarakkeen rivillä hiiren oikealla > Select All. Uuteen karttaikkunaan (File > New > 2D View ) avataan joku tulostuneista hajontakuvioista (File > Open > Raster Layer ). Tukialueita kuvaavat pikselijoukot avataan kuvan päälle Signature Editor:ssa > Feature > View > Select Viewer. Klikataan hajontakuvion sisältämää karttaikkunaa hiirellä ja valitaan Signature Editor:ssa Feature > Objects, jossa rastitetaan Plot Ellipses, Plot Means ja Label (kuva 64) Tulostunut kuva esittää kutakin luokkaa kuvaavien pikselijoukkojen tilan kaksiulotteisessa avaruudessa: jos pikselijoukot erottuvat selvästi omana joukkonaan, on tukialueiden rajaaminen onnistunut hyvin (kuva 65). Kuva 63. Kaksiulotteisten hajontakuvioiden luominen Create Feature Space Images - työkalulla. VARSINAINEN LUOKITTELU Kaukokartoitusaineiston ohjattuun luokitukseen on olemassa monenlaisia matemaattisia menetelmiä. Minimum distance eli lähimmän luokkakeskuksen menetelmä on melko yksinkertainen tapa luokittaa kuvan pikselit. Siinä luokiteltava havainto lukeutuu siihen luokkaan, jonka luokkakeskus on lähimpänä. Maximum likelihood -luokitusmenetelmässä pikseli luokittuu siihen luokkaan, johon se kaikista suurimmalla todennäköisyydellä kuuluu. Ohjattu luokitus voidaan aloittaa esimerkiksi Signature Editor > Classify > Supervised (kuva 66). Supervised Classification -ikkunassa määritellään Output File:ksi analyysin tuloksena syntyvän kuvan nimi. Parametric Rule:ksi voi valita Maximum Likelihood tai Minimum Distance (voi myös tehdä luokittelun useammalla eri vaihtoehdolla ja vertailla tuloksia). Luokittelun onnistuneisuutta voi tarkastella visuaalisesti ohjaamattoman luokituksen yhteydessä esitellyillä menetelmillä, sekä seuraavassa kappaleessa esitettävillä analyyseillä. Kuva 64. Tukialueiden esittämistä koskevia valintoja tehdään Signature Objects -ikkunassa. Kuva 65. Hajontakuvio tukialueiden pikselien heijastusarvojoukkojen suhteesta alkuperäisen satelliittikuvan kanavien heijastusarvoihin.

40 40 Kuva 66. Ohjattu luokittelu. LUOKITUKSEN LUOTETTAVUUDEN ARVIOIMINEN Luokitellun tiedon tarkkuus riippuu siitä, onko kohteen sisältö ja muoto oikein tulkittu, ja onko sen sijainti oikea. Luokituksen luotettavuuden arvioinnissa voidaan käyttää apuna virhematriisia, joka kuvaa, miten eri luokkien tulkintatulokset vastaavat kuvaelementeittäin ja kohteittain saatuja tuloksia. Virhematriisissa verrataan jotakin tunnettua referenssiaineistoa luokiteltuun kuvaan luokka luokalta. Referenssiaineistona voidaan käyttää esimerkiksi maastossa kerättyä GPS-aineistoa, mutta tarkistus voidaan tehdä myös ERDAS IMAGI- NE:n satunnaisesti valitsemien referenssipisteiden avulla. Tarkistuksen tekeminen satunnaisten referenssipisteiden avulla: Avataan uuteen karttaikkunaan alkuperäinen satelliittikuva ja valitaan Raster-välilehti > Supervised > Accuracy Assessment. Accuracy Assessment - ikkunaan avataan luokiteltu kuva, jonka luokituksen tarkkuutta halutaan tarkastella, File > Open. Valitaan Accuracy Assessment -ikkunassa View > Select Viewer > näpäytetään alkuperäisen satelliittikuvan karttaikkunaa. Luokituksen tarkistuksessa käytettävät referenssi- eli tarkistuspisteet määritellään tämän kuvan avulla. Valitaan Accuracy Assessment -ikkunassa Edit > Create/Add Random Points (kuva 67). Number of Points -kohdassa määritellään, kuinka monta satunnaispistettä tarkistukseen halutaan luoda (esim. 50, 100, 250 ). Distribution Parameters - kohdassa valitaan, miten satunnaispisteet jakautuvat kuvalle: Random (satunnaisesti), Stratified Random (luokkien mukainen satunnaistaminen), Equalized Random (jokaiselle luokalle sama määrä satunnaispisteitä) > OK. Satunnais- eli referenssipisteet saadaan näkyviin alkuperäisen satelliittikuvan päälle valitsemalla Accuracy Assessment -ikkunassa View > Show All (kuva 68). Kuva 67. Add Random Points -ikkunassa voidaan määritellä mm. satunnaispisteiden määrä ja jakautuminen aineistossa. Kuva 68. Satunnaispisteet näkyvät Accuracy Assessment -ikkunan taulukossa ja satelliittikuvan päällä.

41 41 Seuraavaksi zoomataan lähelle pisteitä ja tunnistetaan mahdollisimman tarkasti, mitä maankäyttöluokkaa/kasvillisuustyyppiä/tms mikäkin piste edustaa. Määrittelyn tueksi alkuperäisen satelliittikuvan kanssa samaan ikkunaan voi avata jonkin tukiaineiston (esim. peruskarttalehti), tai tukiaineiston voi avata uuteen ikkunaan ja linkittää karttaikkunat keskenään. Myös satelliittikuvan kanavakombinaatiota kannattaa muuttaa. Kuva 69. Satunnaispisteiden luokkien määrittäminen Accuracy Assessment - ikkunassa. Kuvassa on tukiaineistojen avulla määritelty kaksi satunnaispistettä paljakaksi (aineistossa luokka 4) Satunnaispisteiden koodausta varten luokkien numerot voi tarkistaa ohjatusti luokitellun satelliittikuvan attribuuttitaulukon Row-sarakkeelta (avataan kuva uuteen karttanäkymään (File > New > 2D View) ja sen attribuuttitaulukko (hiiren oikealla tason nimen päällä Contents-näkymässä > Display Attribute Table)). Accuracy Assessment - ikkunan Referencesarakkeeseen määritellään kunkin satunnaispisteen kohdalle sen luokan numero, jota piste edustaa. Määrittelyn saaneet referenssipisteet muuttuvat kuvassa keltaiseksi (kuva 69). Referenssipisteitä voi poistaa Accuracy Assessment -ikkunassa klikkaamalla poistettava rivi aktiiviseksi Points-sarakkeella > hiiren oikea näppäin > Delete Selection. Pisteitä voi lisätä Edit > Create/Add Random Points. Uudet pisteet saa näkyviin View > Show All. Kun referenssipisteitä on kattavasti kaikista luokista, valitaan Accuracy Assessment -ikkunassa Edit > Show Class > Values, jolloin Class-sarakkeelle ilmestyy satunnaispisteitä vastaavat luokat ohjatusti luokitellulla kuvalla. Satunnaispisteiden määrittelyn onnistuneisuuden voi tarkistaa Report > Options, jossa tarkistetaan, että kaikki kolme vaihtoehtoa (Error Matrix, Accuracy Totals ja Kappa Statistics) on valittuna. Tämän jälkeen valitaan Report > Accuracy Report. Virhematriisissa (Error Matrix) verrataan referenssiaineiston luokittumista suhteessa ohjatusti luokitellun satelliittikuvan luokkiin (Classified Data). Accuracy Totals -analyysilla saadaan selville luokituksen kokonaisluotettavuus (Overall Classification Accuracy), joka muodostetaan jakamalla kaikkien oikein luokittuneiden alueiden pikseleiden lukumäärä kaikkien alueiden pikseleiden lukumäärällä. Hyvän luokitustuloksen rajana pidetään yleisesti 80 prosentin ylittävää kokonaisluotettavuutta. Tuottajan tarkkuus (Producers Accuracy) kuvaa todennäköisyyttä, jolla satunnaispiste on luokittunut oikein. Tuottajan tarkkuus saadaan jakamalla oikein luokittuneiden pisteiden pikselimäärä referenssiaineistossa kyseistä luokkaa kuvaavien alueiden pikselimäärällä.

42 42 Käyttäjän tarkkuus (Users Accuracy) kuvaa todennäköisyyttä, jolla mikä tahansa pikseli on kuvassa oikein luokittunut. Tällöin jakajana käytetään kyseiseen luokkaan luokittuneiden alueiden kokonaismäärää. Kappa-arvo on hyvä suure luokittelun kokonaistarkkuuden tarkasteluun: Oikein luokitettujen osuus lasketaan jakamalla niiden havaintojen määrä, jotka on luokitettu oikeaan luokkaan kaikkien havaintojen määrällä. Oikein luokitettujen osuus ei kuitenkaan välttämättä kerro kaikkea luokituksen menestyksellisyydestä, vaan tämä täytyy suhteuttaa tarkasteltavaan aineistoon. Esim. aineistossa, jossa yhden luokan osuus on suhteettoman suuri muihin verrattuna, saattaa täysin satunnainenkin luokitus tuottaa korkean oikein luokitettujen osuuden. Kappa-arvo kuvaa tehdyn luokituksen onnistumista verrattuna satunnaiseen luokitukseen. Kappa-arvon estimaatti hattu lasketaan kaavalla: havaittu _ osuus odotettu _ osuus ˆ 1 odotettu _ osuus jossa havaittu osuus saadaan suoraan oikein luokitettujen osuutena, ja odotettu osuus lasketaan kaavalla, jossa rivien ja sarakkeiden summasta lasketaan näiden tulona uusi matriisi, josta päädiagonaalin ruutujen summa jaetaan kaikkien ruutujen summalla. Kappa-arvo vaihtelee välillä Jos arvo on likimain 0, luokitus ei ole satunnaista luokitusta parempi, ja jos arvo on <>0, luokituksen tarkkuus on tällöin * 100 % parempi kuin satunnaisen luokituksen. Esimerkiksi arvo 0,85 tarkoittaa, että luokittelutulos on 85 prosenttia parempi, kuin mitä satunnaisella luokittelulla olisi saatu. Pääsääntöisesti voidaan todeta Kappa-arvon tulkinnasta: Kappa < 0,40 luokituksen onnistuminen heikko 0,40 < Kappa < 0,75 luokitustulos hyvä 0,75 < Kappa luokitustulos erinomainen Analyysien tulokset voi tallentaa, File > Save as ja Accuracy Assessment -ikkunan tiedot File > Save Table. Niiden avulla voidaan vastata seuraaviin kysymyksiin: 1. Kuinka suuri osuus luokista on tulkittu oikein? 2. Kuinka suuri osuus tiettyyn luokkaan tulkituista on oikein? 3. Kuinka suuri osuus tietystä luokasta on oikein tulkittu? 4. Onko tietty luokka yli- vai aliarvioitu? 5. Ovatko virheet satunnaisesti jakautuneita? Luokituksen luotettavuutta voidaan arvioida myös käyttämällä referenssiaineistona maastohavaintoja. Tällöin Accuracy Assessment -ikkunassa valitaan Edit > Import User-defined Points. ASCII Point File - ikkunassa valitaan referenssiaineisto, jonka täytyy olla ASCII- eli.txt -muodossa. Kun aineisto on valittu, aukeaa Import Options -ikkuna, jossa tarkistetaan, että X- ja Y-koordinaatit ovat oikeissa sarakkeissa. Input Preview:ssa voi esikatsella taulukkoa.

43 43 LUOKKIEN PINTA-ALOJEN LASKEMINEN Luokittelun tulosten tarkastelussa on usein tarpeen selvittää jokaisen luokan pinta-ala. Esimerkiksi kasvillisuudessa tapahtuneiden muutosten selvittämisessä pinta-alalla ja sen muutoksilla on suuri merkitys. Pinta-alasarake lisätään attribuuttitaulukoon avaamalla aluksi kuvan taulukko: hiiren oikealla tason nimen päällä Contents-näkymässä > Display Attribute Table. Raster-ylävälilehdeltä valitaan Table > (Column >) Add Area. Avautuvassa ikkunassa valitaan pinta-alojen esittämisen yksikkö ja nimetään attribuuttitaulukkoon muodostuva uusi sarake (kuva 70). Kuva 70. Luokkien pinta-alojen laskemiseksi luodaan uusi sarake, jolle määritellään yksikkö ja nimi. KARTTAESITYSTEN LUOMINEN Karttaesityksen laatimista varten avataan uusi karttapohja: File > New > Map View. Ylävalikkoon ilmestyy uusi Layoutvälilehti, josta voi aluksi käydä määrittelemässä valmiin karttaesityksen (paperin) koon > Page Size (esim. A4 Landscape). Aineisto tuodaan paperille valitsemalla (Insert Map Element >) Map Frame ja klikkaamalla tyhjää paperia. Map Frame Data Source -ikkunassa valitaan, mistä aineistosta karttaesitys tehdään: avoinna olevasta karttaikkunasta (Viewer > klikataan karttaikkunaa, joka täytyy olla zoomattuna sille alueelle, josta karttaesitys laaditaan) tai haetaan tiedostosta EPS-muotoinen tiedosto (Encapsulated PostScript; Imported data > Import Into Frame) (kuva 71). Valittaessa Viewer (ja klikatessa karttaikkunaa) avautuu Map Frame -ikkuna, jossa voi valita mm. skaalan ja kartta-alueen (joko kirjoittamalla koordinaatit tai venyttämällä kartalle ilmestynyttä laatikkoa) > OK (kuva 72). Valittaessa Contents-näkymästä aktiivikseksi MapFrame_aineisto, tulee kartta muokattavaksi karttaesityksessä ja sen voi venyttää oikean kokoiseksi paperille. Kuva 71. Map Frame Data Source - ikkunassa valitaan, mistä aineistosta karttaesitys tehdään: Viewer (avoinna oleva karttaikkuna) vai Imported data (EPStiedosto). Mikäli valitaan Viewer, on klikattava karttaikkunaa, josta karttaesitys tehdään. KARTTAELEMENTTIEN LISÄÄMINEN Karttaelementit (selitelaatikko, mittakaava, pohjoisnuoli, sijaintikartta, tekstit jne.) lisätään Layout-välilehden (tai Annotation-ylävälilehti > Drawing) työkaluilla Untitled0.map.ovr (tms) tason ollessa aktiivisena Contents-näkymässä. Kuva 72. Map Frame -ikkunassa voi muuttaa karttaesitystä koskevia asetuksia, mm. skaalaa.

44 44 Mittakaava lisätään valitsemalla Scale Bar ja klikkaamalla sille sopivaa paikkaa paperilla, ja sen jälkeen klikkaamalla karttaa. Scale Bar Properties -ikkunassa mittakaavalle voidaan määrittää mm. otsikko (Title; yleensä tarpeeton) ja Units-kohdan Use-sarakkeelle käytetty mittayksikkö (esim. Kilometers), jonka paperilla näkyvää tekstiä voi muokata Display String - sarakkeelle (esim. km) (kuva 73). Maximum Length -kohdassa voi määritellä mittakaavan pituuden halutussa yksikössä (Inches, Centimeters, Points). Applypainikkeella voi päivittää mittakaa- Kuva 73. Mittakaavan asetuksia muutetaan Scale Bar Properties - ikkunassa. van kartalle ja siihen tehtävät muutokset saa päivitetty Redo-painikkeella (Apply lisää paperille aina uuden mittakaavan). Scale Bar Properties -ikkunan asetuksia ei pääse muuttamaan ikkunan sulkemisen jälkeen, eli jos haluaa muokata esimerkiksi mittakaavan mittayksikköä, on poistettava vanha (valitaan nuolityökalulla > Delete) ja luotava uusi mittakaava. Mittakaavan teksti- ja väriasetuksia voi muuttaa Annotation-ylävälilehden Drawing- ja Format-välilehdillä mittakaavan ollessa aktiivisena. Pohjoisnuoli lisätään North Arrow -painikkeella > klikataan sopivaa kohtaa paperilla. Nuolen symbolia voi muuttaa valitsemalla pohjoisnuolen aktiiviseksi > Drawing/Format > Styles-valikossa (selatessa alaspäin tulee vastaan North Arrows). Symboliksi kannattaa valita mahdollisimman yksinkertainen ja selkeä nuoli. Pohjoisnuolta voi liikuttaa paperilla hiiren lisäksi myös näppäimistön nuolinäppäimillä. Nuoli osoittaa oletusarvoisesti napapohjoiseen. Jos se halutaan osoittamaan kohti karttapohjoista (suoraan ylös) > kaksoisklikataan pohjoisnuolta > Symbol Properties -ikkunassa Anglekohtaan vaihdetaan 0 (kuva 74). Kuva 74. Pohjoisnuolen asetuksia muutetaan Symbol Properties -ikkunassa. Tekstejä (mm. otsikko, tekijänoikeustekstit ( -merkki: Alt )) lisätään: Annotation-ylävälilehti > Drawing/Format > tekstisymboli (A) (Text). Klikkaamalla karttaa voi kirjoittaa tekstiä valitsemalleen kohdalle. Tekstin sisältöä voi muokata kaksoisklikkaamalla tekstielementtiä nuolityökalulla ja fonttiasetuksia Drawing- ja Format-välilehdillä. Temaattisille kartoille (esim. ohjaamattomasti/ohjatusti luokiteltu satelliittikuva) voidaan lisätä selitelaatikko Legend-painikkeella. Location Map -työkalulla voi luoda automaattisen sijaintikartan, joka ei kuitenkaan ole kovin helposti muokattavissa. Karttaesityksen elementteineen voi tallentaa File > Save As > Map Composition As (*.map). Kartan tallentaminen kuvatiedostoksi: File > Print > Print Map Composition -ikkunassa valitaan Print Destination: Image File ja Plot File -kohdan kansiosta käydään nimeämässä kuva ja valitsemassa Files of type -

45 45 kohtaan JPEG 2000 tai TIFF (tarkista, että tieto päivittyy kuvan nimen perään, esim. enontekio_karttaesitys.tif) (kuva 75). Kuva ei ole vielä valmis avattavaksi ERDAS IMAGINE:n ulkopuolella, vaan se täytyy eksportoida: Manage Data - välilehti > Export Data > Format: TIFF, Input File: edellisessä vaiheessa tallennettu.tif-tiedosto, Output File: uuden eksportoitavan.tif-tiedoston nimi > OK (kuva 76). Export TIFF Data -ikkunassa voi tehdä muutoksia tallennettavan kuvan asetuksiin > OK. Kuva 75. Print Map Composition - ikkunassa voidaan mm. tallentaa karttaesitys kuvatiedostoksi. Kuva 76. Export-työkalulla tallennetaan karttaesitys muissa ohjelmissa avattavaan muotoon (esim. tiff) ja Export TIFF Data -ikkunassa tehdään kuvatiedostoon liittyviä valintoja. Kuva 77. Valmis karttakuva.