Use of local statistics in remote sensing of grasslands and forests

Käesolev doktoritöö analüüsib lokaalstatistikute kasutamist rohumaade ja metsade kaugseires. Töö esimene osa käsitleb rohumaade monitoorimist tehisava-radari (synthetic aperture radar (SAR)) abil ning teine osa metsade kaugseiret kasutades optilisi sensoreid. Analüüsides rohumaade niitmise ja C- laineala tehisava-radari interferomeetrilise koherentsuse seoseid leiti, et selle parameetri kasutamisel on potentsiaali niitmise tuvastamise algoritmide ja rakenduste väljaarendamiseks. Tulemused näitavad, et pärast niitmist on VH ja VV polarisatsiooni 12-päeva interferomeetrilise koherentsuse mediaan väärtused statistiliselt oluliselt kõrgemad võrreldes niitmise eelse olukorraga. Koherentsus on seda kõrgem, mida väiksem on ajaline vahe niitmise ja pärast seda üles võetud esimese interferomeetrilise mõõtmise vahel. Hommikune kaste, sademed, põllutööde teostamine, näiteks külv või kündmine, kõrgelt niitmine ja kiire rohu kasv pärast niitmist vähendavad koherentsust ja raskendavad niitmise sündmuste eristamist. Selleks, et eelpoolnimetatud mõjusid leevendada tuleks tulevikus uurida 6-päeva koherentsuse ja niitmise sündmuste vahelisi seoseid. Käesolevas doktoritöös esitatud tulemused loovad siiski tugeva aluse edasisteks uuringuteks ja arendusteks eesmärgiga võtta C-laineala tehisava-radari andmed niitmise tuvastamisel ka praktikas kasutusele. Lisaks näidati, et ortofotodel põhinevate metsa kaugseire hinnangute andmisel on abi lokaalstatistikute kasutamisest. Analüüsides kaugseire hinnangut riigimetsa takseerandmete (national forest inventory) kohta leiti, et näidistel põhinev järeldamine (case-based reasoning (CBR)) sobib hästi selliste kaugseire ülesannete empiirilisteks lahendusteks, kus sisendandmetena on kasutatavad väga paljud erinevad andmeallikad. Leiti, et klasteranalüüsi saab kasutada kaugseire tunnuste eelvaliku meetodina. Võrreldes erinevaid tekstuuri statistikuid näidati, et lokaalselt arvutatud keskväärtus on kõige väärtuslikum tunnus. Järeldati, et nii statistiliste kui ka struktuursete lokaalstatistikute kasutamisega saab lisada pikslipõhistele kaugseire hinnangutele olulist andmestikku.

Author

• Tamm, Tanel

• grasslands
• forests
• remote sensing
• image analysis
• statistical analysis

Identifier

hdl:10062/61207

OAI identifier oai:identifier

oai:dspace.ut.ee:10062/61207