onvoldoende spektrale en ruimtelijke resolutie kunnen
hiervoor twee oorzaken van principiele aard worden
genoemd
In de eerste plaats stemt de 'spektrale realiteit' zoals die
door een satellietsensor wordt waargenomen niet eendui-
dig overeen met de funktionele realiteit waarin mensen
hun omgeving gewend zijn in te delen. In de tweede
plaats nemen satellietsensoren 'punten' waar die geen
punten zijn. Een beeldpunt van een TM-sensor beslaat een
oppervlakte van 30 x 30 m. Op die 900 Vierkante meter
kunnen, zeker in komplexe gebieden, zoals de bebouwde
kom of kleinschalige landschappen, een groot aantal land-
schapselementen, zoals wegen, sloten, velden en huizen
vallen. Als gevolg daarvan zullen er beeldpunten voorko-
men met spektrale kenmerken die overgangen vormen tus-
sen alle klassen. Dit zogenaamde 'mixed pixelLeffekt is
de voornaamste belemmering om met uitsluitend gebruik
van spektrale informatie een klassifikatienauwkeurigheid
van meer dan 90% te bereiken.
Met de aanpak van fase twee is aangetoond, dat door het
koppelen van een satellietklassifikatie (met alle spektrale
'verwarring' vanuit funktioneel oogpunt daarin), met to-
pografische informatie als funktioneel referentiekader, het
merendeel van de genoemde 'fouten' verklaard en gekor-
rigeerd kan worden.
Randeffekten
Een serieus probleem bij het kombineren van verschillen-
de geografische bestanden is het tot stand brengen van
een exakte koppeling.
De kombinatie van twee bestanden die enigszins ten op-
zichte van elkaar verschoven liggen kan overal waar ver-
schillende klassen in de tijd en in de ruimte aan elkaar
grenzen, een verandering vertonen, die in werkelijkheid
niet bestaat. Hoe kleinschaliger het landschap is hoe ern
stiger het effekt kan zijn. Dit zogenaamde randeffekt is in
het onderzochte geval nauwelijks opgetreden, wat blijkt
uit het volgende:
Bij visuele kontrole wordt er in de meest voorkomende
en aan elkaar grenzende mai's- en graslandpercelen
geen enkele keer een lijnpatroon van een van beide
klassen binnen die van de ander aangetroffen;
Klassen die uitsluitend in smalle patronen voorkomen
zoals wegen en losstaande huizen hebben zeer weinig
kombinaties die met randeffekten verklaard moeten
worden;
De geometrische 'matching' tussen de bestanden bij de
herbemonstering was bijzonder goed. De standaardde-
viatie van de afwijking was 0,25 beeldpunt of 5 m.
Mogelijkheden tot verbetering van de methode
De klassifikatie die als basis gebruikt is voor fase twee,
was niet speciaal voor het beoogde doel (kaartaktualisatie)
gemaakt. Dit had tot gevolg, dat er een klasse was gede-
fmieerd (braakliggend terrein) die braakliggende land-
bouwgrond en bepaalde spektrale klassen van het stedelijk
gebied omvatte, die ook niet eenduidig op de topografi-
sche kaart staan aangegeven. Dit heeft tot gevolg gehad
dat bepaalde soorten landbouwgrond en bouwterreinen
niet apart onderscheiden kunnen worden. Indien aan de
scheiding van deze klassen meer aandacht was gegeven in
de klassifikatie had een nog betere betrouwbaarheid ver-
kregen kunnen worden.
De volgende stappen voor verdere verbetering worden
nog onderzocht:
Het gebruiken van de ruimtelijke informatie over funk
tionele klassen op de topografische kaart (zoals bos of
heide) als een masker om de bijbehorende spektrale
informatie uit het satellietbeeld te extraheren. Dit geeft
de mogelijkheid om deze spektrale informatie zonder
de verstorende invloeden van spektrale overlap met an
dere landgebruiksklassen verder te klassificeren. Het is
te verwachten, dat op deze manier een veel hogere
klassifikatie-nauwkeurigheid en een veel grotere mate
van differentiatie van brede landgebruiksklassen te ver-
krijgen is. Zo kunnen gespecialiseerde beroepsgroepen
additionele informatie verkrijgen die anders verborgen
blijft.
Dezelfde bewerkingen die met Thematic Mapper met
een resolutie van 20 m zijn uitgevoerd kunnen ook met
een kombinatie van spot panchromatische banden en
spor-banden (of TM-banden) met een resolutie van
10 m worden uitgevoerd. Dit zal een resultaat geven
dat vier maal zoveel gedetailleerder is en voor een
oog, dat aan kartografische precisie gewend is, een ac-
ceptabeler beeld zal opleveren. De bewerkingstijden
zullen echter langer en het resultaat zal dus duurder
zijn.
Randvoorwaarden voor het bereiken van een betrouw-
baar resultaat
Het is niet zo dat met de beschreven methode elk klassi-
fikatieresultaat op een acceptabel niveau gebracht kan
worden. Om een hoog betrouwbaarheidsniveau te berei
ken moet aan een aantal randvoorwaarden voldaan
worden:
In eerste instantie moeten de gewenste klassen öf op
de topografische kaart vermeld staan öf met een rede-
lijke nauwkeurigheid uit een satellietbeeld te verkrijgen
zijn. Het bepalen van het areaal mai's uit een beeld
van de periode tussen november en juni is gedoemd te
mislukken.
Voor het korrigeren van het klassifikatieresultaat dient
kaartinformatie gekozen te worden die voldoende hou-
vast biedt. De kaart mag niet extreem verouderd zijn,
bijvoorbeeld langer dan 20 jaar.
Bij de klassifikatieprocedure dient extra rekening ge-
houden te worden met gewenste klassen die niet vol
doende nauwkeurig in de contextinformatie
beschikbaar is.
De twee bronnen van informatie moeten geometrisch
goed op elkaar passen.
Noten
F.B. van der Laan is werkzaam bij de Afdeling Remote Sensing,
Hoofdafdeling Ruimtevaart, van het Nationaal Lucht- en Ruimte-
vaartlaboratorium (NLR), Voorsterweg 31, 8316 PR Marknesse.
De in dit artikel besproken poster Amersfoort, Combinatie van
satellietbeelden uit 1986 met topografische informatie uit 1977 is
als losse bijlage bij dit nummer van het Kartografische Tijd-
schrift gevoegd.
KT 1988. XIV. 2
77
