Klassifisering av multispektrale satellittbilder for kartlegging av arealtyper til bruk i Forsvaret
Description
Full text not available
Abstract
Evnen til å overvåke jordens overflate fra verdensrommet gir mennesker en mulighet til å utforske, analysere og forstå den verdenen vi lever i. En metode for overvåkning er bruken av satellitter som produserer multispektrale bilder. Ved å klassifisere disse bildene er det mulig å visualisere og fremheve egenskaper på jorden som mennesker ikke klarer å fange opp med egne øyne. Utnyttelsen av bildene kan være nyttig for å etablere kartdata til bruk i Forsvaret. I militær sammenheng er kunnskap om terrenget vesentlig for planlegging og gjennomføring av militære operasjoner. Oppdatert kartdata over blant annet et områdets arealtyper er derfor viktig. Med bakgrunn i dette vil gruppen undersøke om klassifisering av multispektrale satellittbilder fra Sentinel-2 kan brukes til kartlegging av arealtyper til bruk i Forsvaret.
Det finnes ulike metoder for å klassifisere multispektrale satellittbilder. Gruppen valgte å benytte seg av tre klassifiseringsmetoder i programvaren ArcGIS Pro for å fremheve ulike arealtyper: Iso Cluster, Maximum Likelihood og Random Forest. Resultatene fra alle metodene ble sammenlignet med FKB-AR5 som referansedatasett både ved utregning av feilfordelingsmatrise og ved visuell kontroll.
Etter vurdering av de tre ulike metodene konkluderes det med at alle kan benyttes til å kartlegge arealtyper, men resultatene har varierende grad av nøyaktighet. Det må derfor vurderes om nøyaktigheten er tilstrekkelig nok til at resultatene kan brukes til å ta vurderinger eller til å gjennomføre ytterligere analyser til militært bruk. Dette avhenger av hvilke krav til nøyaktighet som stilles av brukeren som vil benytte seg av kartdataen. Samtidig viser resultatene at metodene kan gi en viss oversikt over arealtypene i et område – noe som kan være veldig nyttig ved steder hvor tilgang til kartdata er mangelfull eller ikke-eksisterende. Det konkluderes derfor med at klassifisering av multispektrale satellittbilder fra Sentinel-2 kan benyttes til kartlegging av arealtyper, men at nøyaktigheten ikke er god nok for å konkurrere med allerede eksisterende data. The ability to monitor the earth’s surface from space gives people the possibility to explore, analyse and understand the world. One method for monitoring the earth is the use of satellites that produce multispectral images. By classifying these images, it is possible to visualize characteristics on earth that humans cannot see with the naked eye. Taking advantage of these pictures can be valuable when developing maps for military use as detailed and contemporary knowledge of the terrain is of high importance when planning and executing military operations, particularly when updates of land cover are required. Therefore, the group wanted to investigate if classifying multispectral pictures from Sentinel-2 can be used for mapping land cover for military use.
There are several methods for classifying multispectral images. The group chose three classification methods in ArcGIS Pro to visualize land cover. These methods are Iso Cluster, Maximum Likelihood and Random Forest. The results from all these methods were compared to FKB-AR5 as reference data by calculating error matrices and by using optical visual checks.
After an evaluation of the results, it was concluded that all the classification methods can be used for mapping land cover but with a varied level of accuracy. It is therefore necessary to evaluate if the level of accuracy is good enough to make decisions or to execute further analysis for military usage. This depends on the accuracy requirements set by the user of the data. The results also shows that the method can give a certain overview over land cover - which can be very useful at places with lack of data. It is therefore concluded that classifying multispectral pictures from Sentinel-2 can be used for mapping land cover, but the accuracy of the results is not good enough to compete with already existing data.