v' X A Weer bingo! Methode C: Identificatie van vage objecten en veranderingen daarin Methode D: Actieve contouren Onzekerheid Conclusie Literatuur '1 1 1 Stadsbomen in kaart brengen en monitoren is mogelijk met hoge resolutie satellietbeelden likelihoocTclassificatie van een'pansharpe- ned' beeld of bij SRM zonder gebruik van de panchromatische band. Op hoge resolutie beelden zijn de grenzen van boomkronen vaak geleidelijk of'vaag". Bij geleidelijke overgangen kan men een arbitraire grens trekken, zoals bij een harde classificatie, waar een pixel toegekend wordt aan één klasse. Het is ook mogelijk om rekening te blijven houden met de vaagheid door een "zachte"classificatie te gebruiken, waarbij per pixel wordt aange geven in hoeverre deze op de verschillende klassen lijkt. Door eerst een zachte classificatie toe te passen opeen serie hoge resolutie satellietbeelden en lucht foto's, werd voor iedere pixel op ieder beeld de gelijkenis met"boomkroon"aangegeven. Kenmerkend voor een 'echte' boomkroon is een ronde of ellipsvorm, waarbij in een satellietbeeld de pixels in het centrum van de kroon een hogere waarde hebben voor 'gelijkenis met boomkroon'dan de pixels aan de rand. In een 3D visualisatie van 'gelij kenis met boomkroon'lijkt de kroon een soort pudding, die je kunt benaderen met een Gaussische functie. Dit onderscheidt de boomkroon van andere vegetatie. Met behulp van een drempelwaarde wordt de grens van de boomkroon gedefinieerd, wat resulteert in een ellips. Deze methode van beeldfitting werd toegepast op satellietbeel den na superresolutie kartering (resulterend in een zachte classificatie) en op luchtfoto's na een zachte classificatie. Door dit te doen voor een tijdserie van meerdere beelden van testlocaties in Enschede en Delft en de resultaten te vergelijken, bleek het met deze methode mogelijk om satellietbeel den en luchtfoto's te integreren en in één tijdreeks te gebruiken. Dit laat zien dat het een robuuste methode is die op diverse locaties en met variatie aan input gebruikt kan worden. Zowel abrupte (boom verdwe nen, nieuwe boom geplant) als geleidelijke veranderingen (groei en snoei) werden in kaart gebracht, met daarbij de ruimtelijke onzekerheid in de waargenomen verande ringen per boomobject. De vorm van een boomkroon is niet altijd goed te benaderen met een ellips, vooral niet wanneer het om een groep bomen gaat waarvan de kronen met elkaar verweven zijn en niet individueel te onderscheiden. Daarom werd een methode gebaseerd op actieve contouren ontwik keld voor een serie hoge resolutie beelden. Als initialisatie werden de boven beschre ven ellipsen gebruikt, als a priori schatting van de contouren van de boomkronen in het eerste beeld. Klein verschil was dat nu niet de "gelijkenis met boomkroon" werd gebuikt als basis voor de fitting van ellipsen en actieve contouren, maar de NDVI (Normalized Difference Vegetation Index). Net als bij de 'gelijkenis met boomkroon' uit de zachte classificatie, heeft voor NDVI het centrum van de kroon een hogere waarde dan de rand. De contouren van de kroon werden daarna geoptimali seerd, gebaseerd op de lokale beeldintensi teit rond de contour, de vorm en de ontwik keling van de nabijgelegen boomkroon contouren. De geoptimaliseerde contouren werden gebruikt voor de initialisatie van de bewerking van het volgende beeld. Om te voorkomen dat nieuwe bomen niet gedetecteerd zouden worden, werd de methode ook'terug in de tijd'toegepast, beginnend bij het nieuwste beeld. Analyse van een serie hoge resolutie beelden wijken in Enschede en Delft, over 5 jaar liet goede resultaten zien voor de identificatie van abrupte en geleidelijke veranderingen, zie Fig. 2. Er was een goede correlatie (R2 0.8) tussen de kroon diameters gemeten met actieve contouren en de referentie data en een totale fout van 21% in de identifica tie van de boomkronen. Voor de toepassing van elk van de boven genoemde methodes werd de onzekerheid over het bestaan van de boomkroon en over de gedetecteerde veranderingen gemodel leerd en getoond. Door gericht eerst de meest onzekere boomkronen en de meest onzekere veranderingen te verifiëren kan met minimale inspanning een verdere verho ging van de nauwkeurigheid bereikt worden. Het onderzoek laat zien dat het mogelijk is om stadsbomen in kaart te brengen en te monitoren met hoge resolutie satelliet- beelden. Dit kan een aanzienlijke kosten besparing betekenen bij het actualiseren van gegevens over bomen in de stad en maakt het mogelijk om nauwkeuriger bestekken te maken voor het uitbesteden van onderhoud aan bomen. Onderhoud en vitaliteits- scans (VTA scans) blijven nodig, maar kunnen wel efficiënter uitgevoerd worden wanneer het bomen- bestand en de veranderingen daarin nauwkeuriger in kaart gebracht zijn. Ardila Lopez, J.P., (2012) Object - based methods for mapping and monitoring of urban trees with multitemporal image analysis. Enschede, University of Twente Faculty of Geo-lnformation and Earth Observation ITC, 2012. ITC Dissertation 209, ISBN: 978-90-6164-333-3. www.itc.nl/library/papers_2012/phd/ardila.pdf Fouten in e-maps zijn dagelijkse kost. Burgemeester Gert Jan Kats van Zuidpias kreeg zodoende toch zelfs tweets met 'Annexatie?', maar het was alleen maar weer een foutje van nu Apple Maps: Ouderkerk aan den IJssel kwam te liggen in Nieuwerkerkaan den IJssel. .,i vi.ii.Lifi.v-' NI -■ 1* Q 03 F R K Geo-lnfo 2012-9 7

Digitale Tijdschriftenarchief Stichting De Hollandse Cirkel en Geo Informatie Nederland

Geo-Info | 2012 | | pagina 9