UPORABNOST PODATKOV SATELITSKEGA IN LETALSKEGA DALJINSKEGA ZAZNAVANJA ZA OPAZOVANJE IN KARTIRANJE VODNIH POVRŠIN USEFULNESS OF SATELLITE AND AERIAL REMOTE SENSING DATA FOR MONITORING AND MAPPING OF SURFACE WATERS Tatjana Veljanovski, Peter Pehani, Peter Lamovec, Krištof Oštir UDK: 258.7:627.51(497.4) IZVLEČEK Prispevek prinaša pregled in primerjavo zmožnosti zaznavanja vodnih objektov ali vodnih površin z različnimi sistemi daljinskega zaznavanja: optičnimi in radarskimi satelitskimi senzorji ter optičnimi senzorji na letalih. Zmožnosti zaznavanja vode ocenjujemo z več vidikov, in sicer razlik v prostorski in spektralni ločljivosti posnetkov, zahtevnosti predobdelave in priprave posnetkov, načina obdelave oziroma analize posnetkov ter ustreznosti podatkov za vrsto in namen kartiranja. Pozornost namenjamo tudi vrednotenju uporabnosti podatkov daljinskega zaznavanja glede na uspešnost zaznave območij vode v heterogeno strukturiranih okoljih. Klasifikacija prispevka po COBISS-u: 1.08 ABSTRACT This article presents a review and comparison of the detection capability of waterfacilities or water surfaces with different systems of remote sensing: optical and radar satellite sensors, as well as optical sensors on aircraft. The capabilities of water detection are estimated from several aspects: differences in the spatial and spectral resolution of imagery, the complexity of imagery pre-processing requirements, and the method of analysis and interpretation feasibilities for the type and purpose of mapping. Particular attention is paid to evaluating the applicability of remote sensing data in light of the detection efficiency of water areas in heterogeneously structured environments. KLJUČNE BESEDE KEY WORDS zaznavanje vode, klasifikacija vode, daljinsko zaznavanje, obdelava posnetkov, radarski in optični posnetki water detection, classification for waters, remote sensing, image processing, radar and optical imagery s o su to 1 DALJINSKO ZAZNAVANJE IN POVRSINSKE VODE S senzorji daljinskega zaznavanja lahko opazujemo, merimo ali kartiramo objekte in pojave na zemeljskem površju. Raven podrobnosti, ki jo lahko opazujemo, je odvisna od prostorske ločljivosti zajetih podatkov, ta pa od višine letenja (opazovanje iz vesolja ali zraka) in zmogljivosti snemalnega sistema (senzorja). Katere lastnosti lahko določimo objektom in pojavom, je odvisno od spektralnih lastnosti snemalnega sistema, deloma pa tudi od časovne komponente snemanja površja (sezonski in meteorološki vplivi, kontinuiteta opazovanj). Opazovalne sisteme za daljinsko zaznavanje zemeljskega površja zato lahko delimo na: - satelitske (nosilci so na vesoljskih plovilih in satelitih zunaj atmosfere Zemlje) in zračne (nosilci so na letalih, helikopterjih, balonih znotraj atmosferskega plašča); - optične ali pasivne in radarske ali aktivne (optični zajemajo izsevano energijo Zemljinega površja v svetlem delu dneva, radarski za snemanje uporabljajo lastni vir elektromagnetnega valovanja in so zmožni snemati neodvisno od ure in vremena); - mono- in večspektralne (pankromatski in/ali multispektralni zajem, število spektralnih kanalov je odvisno od lastnosti kamere in namena uporabe podatkov opazovalnega sistema); - sisteme z enkratnim ali sistematičnim (redno ponavljajočim) načinom opazovanja (prožena snemanja, sistematičen velikopovršinski zajem). Površinske vode (hidrološki objekti) na zemeljskem površju se pojavljajo v različnih razsežnostih, oblikah in z različnimi pojavnostnimi lastnostmi. Posamezni hidrološki objekti imajo razmeroma stalno in stabilno lego v prostoru, čeprav z bolj ali manj spreminjajočimi se mejami (morje, naravna in umetna jezera, glavni in stranski vodotoki, potoki, izviri) in vodnimi (fizikalnimi in kemijskimi) lastnostmi. Drugi so lahko pogojeni s sezonskimi in vremenskimi vplivi, zato je njihova umeščenost v prostoru spremenljiva (presihajoče jezero, močvirja, mlake, hudourniki, izredne visoke vode ipd.). Na podatkih daljinskega zaznavanja so vodne površine praviloma dobro in nesporno prepoznavne in določljive. Omejitve pa so lahko prostorska ločljivost daljinsko zaznanih podatkov, ki določa razmerje med velikostjo piksla in ravnijo podrobnosti opazovanega objekta (na primer pri manjših ali ozkih vodnih objektih), dejanska vidnost ali prepoznavnost (obrežno rastje zakriva stik vode in brega, problematično razločevanje sence in vode) ter čas (sezona ali izjemne razmere) zajema podatkov (suša, poplave). Od izbranega opazovalnega sistema in senzorja je torej odvisna položajna umeščenost in popolnost zaznave vodnih površin. S posebnim poudarkom na pravilnem razumevanju zmožnosti določitve vodnih površin v nadaljevanju tudi izpostavljamo ključne lastnosti optičnih in radarskih sistemov ter senzorjev. 1.1 Optični sistemi Optični ali pasivni senzorji daljinskega zaznavanja zapisujejo v naravi obstoječo elektromagnetno energijo. To je energija, ki iz Sonca pride na Zemljo, se deloma odbije, deloma absorbira in nato znova izseva od površja skozi atmosfero. Za odbito Sončevo svetlobo to pomeni, da lahko snemamo samo podnevi, pogoj za lastno termično infrardeče sevanje pa je, da je sevanja dovolj | za zaznavo z merilnimi instrumenti (Oštir, 2006). sj i Satelitski ali zračni (aero) sistemi zajema podatkov? § I s Izbiro za uporabo satelitskih ali zračnih nosilcev narekujejo želena prostorska ločljivost, značilnosti pokritosti površja, čas zajema in s tem povezana cena zajema. S senzorji, nameščenimi S § S na letalih, lahko pridobivamo prostorsko zelo natančne podatke o zemeljskem površju. V g r^ sprejemljivih vremenskih razmerah za letenje lahko z njimi snemamo kadar koli in na katerem | > i! ^ koli delu Zemlje. Večinoma senzorji na letalih beležijo elektromagnetno valovanje (EMV) v | vidnem in izbranem infrardečem pasu spektra. Senzorji na satelitih omogočajo opazovanje v I 'S f ^ podrobnejši spektralni ločljivosti, pogosto tudi v več infrardečih in termalnih pasovih EM-spektra 1 ^ (multispektralni in hiperspektralni posnetki). To izboljša prepoznavanje in ločevanje lastnosti f i| geografskih objektov na površju. * ■ Odkrivanje vode na večspektralnih satelitskih in letalskih posnetkih o k k ts te o iS Vodne površine na večspektralnih optičnih posnetkih so dobro razvidne v vidnem, še bolj pa v infrardečem delu EM-spektra (slika 1). Čista in globoka voda v obeh delih spektra (pa tudi v termalnem) zavzema nizke intenzitetne vrednosti, zato se na prikazu posnetka kaže v temnih tonih (v vidnem delu spektra v modrih do modrozelenih). Vodne površine prepoznamo in izločimo v postopku klasifikacije. Ker se v vidnem delu spektra skozi barvni (intenzitetni) razpon izražajo tudi lastnosti vode, kot so primesi, globina, barvni odsev vodne površine, je klasifikacija praviloma obsežnejša in bolj zahtevna, kot če jo izvajamo v kanalih infrardečega spektra. V bližnjem infrardečem spektru ima voda izrazitejšo nizko odbojnost v primerjavi z drugimi tipi pokrovnosti površja, zato je prostorsko in semantično dobro določljiva. Slika 1: Primeri upodobitve vodnih površin na radarskih in optičnih posnetkih, v vidnem in infrardečem (IR) delu spektra ter v različnih prostorskih ločljivostih. Primer prikazuje območje poplav na Ljubljanskem barju med vasema Lipe in Črna vas. Od zgoraj navzdol: radarski posnetek Radarsat-2 (prostorska ločljivost 12,5 m), optični posnetek RapidEye v vidnem delu spektra (kanali 321, ločljivost 6,5 m), RapidEye v bližnjem IR kanalu (kanal 5), RapidEye v psevdobarvnem (IR) kompozitu (kanali 532) ter letalski posnetek v barvnem IR-kompozitu (ločljivost 0,2 m). 1.2 Radarski sistemi Radarski ali aktivni senzorji uporabljajo za snemanje lasten vir elektromagnetnega valovanja. Valovanje oddajajo v smeri proti opazovanim predmetom (površju) in beležijo intenziteto odbitega valovanja. Ker delujejo v mikrovalovnem delu elektromagnetnega spektra, lahko prodirajo skozi oblake, meglice, prah in dež, saj na valovanje teh - daljših - valovnih dolžin ne vpliva atmosfersko sipanje, ki je izrazito v optičnem delu spektra. Bistveni prednosti radarskih sistemov pred optičnimi sta zato neodvisnost od sonca kot vira svetlobe, zaradi česar lahko Slika 2: zgoraj: primer zmožnosti opazovanja dinamike poplav 2010 na Ljubljanskem barju ne glede na vremenske razmere z radarskimi posnetki Envisat in Radarsat-2 s prostorsko ločljivostjo 12,5 m ter rezultat kartiranja v različnih datumih; spodaj: primer optičnih posnetkov pred dogodkom poplav 2010 in po njem s senzorjem Landsat ter meteoroloških omejitev za opazovanje z optičnimi senzorji. Stanje poplavljenosti kraškega zaledja je na obeh posnetkih dobro razpoznavno, medtem ko se nad Ljubljanskim barjem v kasnejšem datumu zadržuje oblačnost in popolnoma onemogoča vpogled v stanje. R objektov ter primernosti uporabe rezultatov razpoznavanja vodnih objektov ob danih lastnostih ^ 'g posnetkov (preglednica 2). | ^ ^ • ^ 1 « I ■ LLI ^ O oc H en Z P en O z < z N N Tehnologija DZ Primeri Prostorska Možna hitrost Hitrost Kakovost zaznave Primernost (vrsta posnetkov) posnetkov ločljivost pridobivanj'a podatkov kartira^a (na posnetek) vodnih o^ektov uporabe Radarski Envisat Srednja Odvisna od Hitra Dobra v naravnem Zaznava in (satelitski) (12,5 m) obhodnega časa (26 dni) (3-4 ure). okolju, srednja v kmetijskem okolju, monitoring poplavnih območij Radarsat-2 Dnevna ali slaba v urbanem na širšem Radarsat-2 Visoka (6,5 m) nekajdnevna (mogoče je načrtno proženje in zasuk pogleda). okolju. območju. Optični Landsat Srednja Odvisna od Srednja (8 ur, Vsestransko dobra Zaznava večjih (satelitski)* (30 m) obhodnega časa precejšen del (omejitev je vodnih površin, (16 dni). odpade na poklasifikacijo). prostorska ločljivost in inherentne lastnosti satelitskih posnetkov -pogled iz zraka). linijskih vodnih struktur širine nad 10 m ter poplav na širšem območju. SPOT, Visoka (10 m Dnevna ali Srednja (8-12 Vsestransko dobra Zaznava večjih in RapidEye oziroma nekajdnevna ur, precejšen del (omejitev je lahko manjših vodnih 6,5 m) (mogoče je načrtno odpade na prostorska površin, linijskih proženje). poklasifikacijo in daljše računanje zaradi večje količine podatkov). ločljivost in perspektiva opazovanja). vodnih struktur širine nad 3 m ter poplav na širšem in ožjem območju. WorldView-2 Visoka (ms: Dnevna. Odvisna od Daljša (1-2 dni, Vsestransko dobra Zaznava večjih in 2 m, pan: obhodnega časa (1 precejšen del (omejitev je lahko manjših vodnih 0,5 m) dan). odpade na poklasifikacijo in daljše računanje zaradi velike količine podatkov). perspektiva opazovanja). površin, ozkih linijskih vodnih struktur ter poplav na širšem in ožjem območju. Optični (zračni Iz zračnih Zelo visoka Dnevna (mogoče je Daljša (1-2 dni, Ob uporabi IR- Zaznava večjih in ali aero) posnetkov (0,5 m, 0,2 m) naro č ilo snemanja). precejšen del kanala vsestransko manjših vodnih izdelana DOF odpade na dobra (za natančno površin, ozkih in IR DOF poklasifikacijo in daljše računanje zaradi velike količine podatkov). položajno geometrijo pri danem merilu kartiranja vodnih objektov je omejitev lahko perspektiva opazovanja). linijskih vodnih struktur ter poplav na širšem in ožjem območju. Lidarski (zračni Razno Gostota točk Dnevna (mogoče je Daljša (več dni, Dobra ob Natančna ali aero) mora biti naro č ilo snemanja) zaradi zahtevne souporabi optičnih določitev (talne) primerna, na obdelave posnetkov. lege in oblike primer > 10 podatkov in vodnih objektov. točk/m2 ali velike količine Omogoča 3R- > 5 talnih podatkov). modeliranje točk/m2 objektov (DMR, DMP). * Posnetki Formosat-2 so bili izključeni iz obravnave zaradi slabih geometričnih in radiometričnih lastnosti (neusklajenost med spektralnimi kanali). Preglednica 2: Primerjava tehnologij daljinskega zaznavanja in njihovih izbranih lastnosti glede na kakovost zaznave vodnih objektov in primernost njihove uporabe. 3.2 Primerjava zmožnosti metod prepoznavanja in kartiranja vodnih objektov Primerjavo metod prepoznavanja (klasifikacije) vodnih objektov na radarskih in optičnih posnetkih podajamo s prerezom obdelave podatkov. Ustreznost treh metod klasifikacije (metoda z določitvijo praga, nadzorovana objektna klasifikacija in klasifikacija s strojnim učenjem) vrednotimo glede na predobdelavo posnetkov (priprave podatkov), ki je potrebna, zmožnost razpoznavanja vodnih objektov, kakovost rezultatov in avtonomnosti (stopnje možne samodejnosti) postopka (preglednica 3). Radarski posnetki (RAD) Optični posnetki (OPT) Metoda razpoznavanja (metoda klasifikacije) Obdelava Določitev praga Objektna klasifikacija Strojno učenje Zahtevnost priprave (predobdelave) podatkov Georeferenciranje (ortore ktifikacija), glajenje z nizkoprepustnimi filtri. Georeferenciranje (ortorektifikacija), glajenje z nizkoprepustnimi filtri, prevzorčenje v manjšo ločljivost (po potrebi). Georeferenciranje (ortorektifikacija). Prepoznavanje vodnih objektov RAD: zelo dobro, prag je mogoče hitro, enostavno in nedvoumno določiti. OPT: srednje dobro, kombinirati je treba čim več spektralnih kanalov, da zožimo potencialen nabor pikslov, ki pomenijo vodo. RAD: zelo dobro, stopnja segmentacije in pridobivanje učnih vzorcev nista problematična. OPT: zelo dobro, stopnjo segmentacije velja skrbno izbrati, za prepoznavanje različnih reprezentacij vodnih objektov je treba ustvariti več razredov učnih vzorcev. RAD: zelo dobro, pripomore k prepoznavanju poplavljenih površin pod oblaki. OPT: dobro, učni vzorec poplavljenih in nepoplavljenih območij je treba skrbno pripraviti. Dodatni pogoji, dodatni podatki RAD: modeliranje in upoštevanje (eliminacija) lege senc. OPT: / RAD: modeliranje in upoštevanje maske senc. OPT: priporočljivo je vključiti in upoštevati sloj NDVI. RAD: DMR, mreža vodotokov, raba tal ipd. OPT: DMR, mreža vodotokov, raba tal, spektralni indeksi ipd. Kakovost rezultatov (popolnost zaznavanja vodnih objektov) RAD: Dobra razpoznava v naravnem okolju, prešibka v urbanem okolju (obstoječe vodne površine niso zaznane). OPT: Sprejemljiva razpoznava, praviloma nekoliko prevelika (med rezultati so tudi površine, ki v resnici niso voda). RAD: Dobra v naravnem okolju, prešibka v urbanem okolju (obstoječe vodne površine niso zaznane). OPT: Dobra. RAD: Dobra. Informacija s posnetka je pomembna v modelu odločanja. OPT: Dobra, zaradi upoštevanja pogojev drugih podatkov v modelu je prednost splošnejša in zveznejša zaznava vodnih okoliščin v naravi. Stopnja avtonomnosti (samodejnosti) postopka Visoka - določiti moramo prag zaznave. Srednja - določiti moramo učne vzorce, ki odražajo stanje vodnih razmer, ki jih iščemo (velja za optične posnetke); - rezultate napačne klasifikacje je treba ročno popraviti (pokasifikacija), velja za optične posnetke. Srednja - podatke moramo pripraviti v zapisu, ki ustreza okolju strojnega učenja; - določiti moramo učne vzorce; - prevesti model odločitev v grafični modelirnik. Preglednica 3: Primerjava ustreznosti in zmožnosti metod klasifikacije optičnih posnetkov in načina obdelave podatkov 3.3 Zmožnost zaznave vodnih površin na različnih podatkih in v različnih naravnih okoliščinah Na zmožnost zaznave vodnih objektov in površin na daljinsko zaznanih podatkih najbolj vpliva prostorska ločljivost podatkov. Višjo prostorsko ločljivost kot imajo podatki, več podrobnosti na površju lahko prepoznamo in določimo. Identifikacijo objektov precej olajšajo njihove značilne spektralne lastnosti (v več spektralnih kanalih). Vodne površine so v IR-delu EM-spektra razmeroma nesporno določljive, saj so izražene z zelo majhno intenziteto v primerjavi z drugimi pokrovnostmi površja. S pravilno kombinacijo informacij iz posameznih spektralnih kanalov je mogoče določiti tudi vse različne pojavnosti vodnih površin v okolju. Zato je stopnja popolnosti zaznave vode iz večspektralnih posnetkov praviloma dobra. Omejitev za pridobivanje podatkov o vodah je lokacijska natančnost ali položajna umeščenost v topografskem smislu. Zaradi narave zajema daljinsko zaznanih podatkov (iz vesolja ali zraka) so na posnetkih razpoznavne silhuete pokrovnosti iz zračne perspektive. To pomeni, da pogosto ne vidimo dejanskega obrežja vodnih površin, ker je lahko zaraščeno in krošnje (ali sence) zakrivajo stanje na tleh. S podobnim položajem se srečujemo pri določitvi poplavljenih območij, ko visokorasle rastline ali strehe hiš segajo nad vodo. Takšnih površin v postopku prepoznave iz samih posnetkov namreč ne prepoznamo kot vodo. V takšnih primerih je nujno upoštevati natančno morfologijo terena oziroma lastnosti lokalne okolice in podatke kombinirati. Večspektralni optični posnetki so ob fN vo s o ■ to pravilnem ravnanju in razumevanju lastnosti dober vir podatkov za velikopovršinski zajem vodnih površin in za primerjalne študije stanja v naravnem ter urbanem ali mešanem (heterogenem) okolju. Lidarski podatki so z vidika izločanja vodnih teles primernejši za pripravo topografskih podatkov o geometriji vodnih teles in površin ter izračunu njihovih volumnov (na primer rečne struge, poplavne površine), in sicer posredno na podlagi upoštevanja pridobljenega DMR in poznane vodne gladine. Samo prepoznavanje vodnih površin iz lidarskih podatkov je mogoče, ni pa enostavno, saj se na izdelkih DMR/DMP podobno kot rečne struge prikazujejo na primer tudi ceste. Zaradi vertikalne prostorske komponente (višina tal ali objekta: DMR ali DMP) in zmožnosti prodiranja skozi vegetacijo (talni podatki, DMR) pa so podatki lidarskega snemanja, kot topografska informacija, v veliko oporo drugim podatkom daljinskega zaznavanja (za geometrično izpopolnjevanje geografskih objektov, interpretacijo in konceptualno prostorsko modeliranje). Radarski posnetki so z vidika obdelave manj zahtevni, zato pa je njihova interpretacija bolj zapletena. Voda na radarskih posnetkih je nedvoumno določljiva, vendar se voda na posnetkih s | odraža (zazna) samo pri večjih vodnih površinah (v razmerju do prostorske ločljivosti podatkov) § in mirnih vodnih gladinah. Zaznava vode je zlasti otežena v heterogeno strukturiranih okoljih, § kjer visoki in visokoodbojni objekti povzročajo ojačan povratni signal. Takrat se vodne površine § izražajo s povišano intenziteto, kar onemogoča dejansko zaznavo. Poznavanje vzrokov za prešibko I in čezmerno zaznavanje vode na radarskih posnetkih ter okoliščin, v katerih se te pojavljajo, § omogoča, da del opisanih napak (vplivov) odpravimo z modeliranjem odnosov z lokalno okolico | in kombinacijo z drugimi podatki. Uspešna rešitev je tudi ugotavljanje vodnih površin in kartiranje s | s postopki strojnega učenja (Lamovec in Mikoš, 2011). Za pridobivanje informacij o vodnih | objektih iz radarskih posnetkov velja, da bo zaznava vode popolna v naravnem okolju, delna I v kmetijskem okolju in nepopolna v urbanem okolju. Ob tem vendarle ne gre prezreti pomena I radarskih posnetkov pri sprotnem spremljanju dogodkov na širšem območju ob nesrečah, ki jih | spremlja slabo vreme. I I 4 UPORABNOST PODATKOV DALJINSKEGA ZAZNAVANJA ZA RAZLIČNE NAMENE 1 IN UPORABNIKE H ^ Uporabnost tehnologije daljinskega zaznavanja pri zaščiti in reševanju se z večanjem prostorske S § ločljivosti in vse večje splošne razpoložljivosti prostorskih podatkov počasi približuje želeni % uporabi: pomoč pri hitrem kartiranju dogodka v prostoru in s tem učinkovitejšemu operativnemu S ^ § delu na terenu. Pri izvajanju učinkovitega reševanja in zaščite je pomembno dobro poznavanje t okolice, ki jo lahko zagotovijo tudi vse bolj natančni posnetki površja in različne upodobitve ^ 1 ^ | (dostopnost in prehodnost terena, območje prizadetosti z nesrečo ipd.). V primeru naravnih ^ iS 53 ^ nesreč so potencialni uporabniki vsi, ki se ukvarjajo z reševanjem, odpravljanjem posledic ^ J ^ i» in načrtovanjem preventivnih ukrepov. Ugotavljamo, da je rezultate interpretacije podatkov • ^ H 1 daljinskega zaznavanja in izdelanih kart mogoče uporabiti pri samem reševanju le, če dosegajo su .¡S "§ t zadostno natančnost in točnost določitve prostorske razporeditve dogodka na prizadetih ■ ^ to t območjih ter če so dosegljive v nekaj urah. Predvsem slednje je velik izziv za trenutno stanje tehnologije (zajema, prenosa, obdelave in sistema dostave) na področju daljinskega zaznavanja. Večji pomen izdelkov kartiranja zato vidimo v oceni škode ter izboljšanju postopkov pri odpravljanju posledic nesreč in preprečevanju ponovitve. Velik pomen za reševanje in zaščito bi imeli tudi na enem mestu zbrani in pripravljeni referenčni (ali arhivski) podatki vseh vrst, ki bi zagotovili vsakokraten hiter dostop do informacij o stanju pred nesrečo za kateri koli del države. Visoko ločljivi optični posnetki (zračni ali satelitski) in lidarski podatki o mikroreliefu so primerni za natančne hidrološko-hidravlične in hidrotehnične študije (Gosar s sod., 2007). Za izdelavo opozorilnih kart poplavne nevarnosti in načrtovanje omilitvenih ukrepov za izboljšanje poplavne varnosti so podatki o obsegu poplav, ki jih lahko pridobimo iz visoko in srednje ločljivih sistemov, pomembni tako za preverjanje ali izboljšanje hidroloških modelov kot zmanjševanje terenskega dela (beleženje poplavne meje na terenu se krči na posamična območja, kjer je identifikacija iz posnetkov nezanesljiva). Poleg tega je sprotno spremljanje poplav, torej časovne in prostorske razporeditve obsega, na večjih (regionalnih) ravneh najbolj smotrno, pa tudi edino mogoče, s tehnologijo daljinskega zaznavanja. Potencial premagovanja nekaterih ovir pri kartiranju poplav iz samo satelitskih posnetkov je kombinacija daljinsko zaznanih podatkov, hidroloških modelov in strojnega učenja. Na primeru poplav 2007 v Železnikih sta jo prikazala Lamovec in Mikoš (2011). Topografske karte vsebujejo geometrično in vsebinsko najnatančnejše informacije o geografskih s s objektih na površju Zemlje. Sedanje državne topografske karte niso ažurne, saj njihovo ^ Š. posodabljanje že vrsto let ni sistemsko urejeno oziroma se ne izvaja sistematično (Petrovič s š sod., 2011). Zaradi zahteve po točnosti in popolnosti vsebine topografskih kart velikega merila § je za pridobivanje informacij primerna le najvišja raven prostorske ločljivosti daljinsko zaznanih | s podatkov. Pri kartiranju in posodabljanju vodnih objektov na topografskih kartah je lahko težava | nezveznost (prekinjenost) pri zaznavi linijskih vodnih objektov (vodni, rečni tokovi) ter tudi sama § geometrična komponenta zaznave, saj so vodni objekti na satelitskih in zračnih posnetkih pogosto | obdani z obrežnim rastjem, spremenljiva pa je tudi višina vodostaja. Zato bi bilo za potrebe | posodabljanja topografskih kart nujno uporabiti kombinacijo virov podatkov (visokoločljivi § satelitski ali zračni posnetki in lidarski podatki) ter združiti spektralne informacije in podatke o § dejanski reliefni oblikovanosti za natančno razpoznavanje umeščenosti linijskih in površinskih § § vodnih objektov (Bric s sod., 2012). Pri sistematičnem obnavljanju topografskih kart iz zračnega | fotogrametričnega in lidarskega zajema bi morali postaviti tudi stroge zahteve za radiometrično ^ bs homogenost in konsistentnost serij snemanja optičnih posnetkov (znotraj cikla in med letnimi | serijami), sicer se obdelava podatkov precej zaplete in obseg dela nesprejemljivo poveča. § fN 5 SKLEP Š nT 1 ^ Namen prispevka je bil orisati in prikazati bistvene prednosti in omejitve zaznavanja vodnih | površin s tehnologijo daljinskega zaznavanja iz vesolja in iz zraka ter s tem spodbuditi razmislek o | 5 uporabnosti podatkov daljinskega zaznavanja za različne namene in uporabnike (civilno zaščito, | hidrološke študije, kartografijo in drugo). Ali in kako so raznoliki daljinsko zaznani podatki 1 H f da uporabni za posamezno stroko, prepuščamo presoji strokovnjakov s teh področij. Naš namen ^ § t ■ je bil odstreti ključna izhodišča za razumevanje vrednosti tovrstnega podatka, to je zmožnosti prepoznavanja in kartiranja vodnih objektov oziroma površin v geometričnem (točnost) in semantičnem (popolnost) smislu. Za to je pomembno poznavanje celotnega postopka, od nastanka posnetka, njegovih lastnosti in mogočih načinov obdelave, analize in interpretacije do razumevanja okoliščin in odnosov med objekti ter pojavi v naravi. ZAHVALA: Center odličnosti Vesolje, znanost in tehnologije je operacija, ki jo delno financirata Evropska unija, Evropski sklad za regionalni razvoj, ter Ministrstvo za izobraževanje, znanost, kulturo in šport Republike Slovenije. Večina radarskih in optičnih posnetkov, ki so omogočili praktično pridobivanje izkušenj, je pridobljena v okviru proženj mednarodnega solidarnostnega vesoljskega programa Vesolje in velike nesreče (International Charter Space and Major Disasters). Literatura in viri: ^ Bric, V, Oven, K., Dežman Kete, V, Mesner, N., Žagar, T., Radovan, D., Petrovič, D., Kosmatin Fras, M., Grigillo, D., I Veljanovski, T., Kanjir, U., Oštir, K., Gvozdanovič, T., Smole, D., Bitenc, M. (2012). Kombinirani visokoločljivostni | postopki zajemanja, razpoznavanja, in vzdrževanje prostorskih podatkov: raziskovalni projekt št. V2-1095 v okviru § Ciljnega raziskovalnega programa »Konkurenčnost Slovenije 2006-2013«. Ljubljana: Geodetski inštitut Slovenije, I S Končno poročilo, 2012. Fraser, C. S., Ravanbakhsh, M. (2009). Georeferencing Accuracy of GeoEye-1 Imagery. Photogrammetric Engineering & S Remote Sensing, 75(5), 634-638. Gosar, L., Rak, G., Steinnman, F., Banovec, P. (2007). Z LIDAR tehnologijo zajeta, topografija, v hidravličnih analizah vodotokov. Gradbeniški vestnik, 56, 115-123. S Henderson, F. M., Lewis, A. J (1998). Principies and Applications of ImagingRadar, 3rd ed. New York (ZDA). % I Lamovec, P., Mikoš, M. (2011). Analiza, poplav z uporabo satelitskih posnetkov - primer hudourniške poplave v Selški ^ dolini leta 2007. Geodetski vestnik, 55(3), 483-494. !| Lamovec, P., Oštir, K. (2010). Uporaba strojnega učenja za določitev poplavljenih območij - primer poplav v Selški § dolini leta 2007. Geodetski vestnik, 54(4), 661-675. § Oštir, K. (2006). Daljinsko zaznavanje. Ljubljana: Založba ZRC. Oštir, K.,Kokalj,Z.,Veljanovski,T.,Rakovec,J.,Zagar, N. (2011).Uporaba satelitskega daljinskega zaznavanja, za. | napovedovanje in opazovanje poplav. V: Kuhar, M. (ur.): Raziskave s področja geodezije in geofizike 2010: zbornik | predavanj. Ljubljana, Fakulteta, za. gradbeništvo in geodezijo, 2011, 87-89. § | Petrovič, D., Podobnikar, T., Grigillo, D., Kozmus, K., Vrečko, A., Urbančič, T., Kosmatin Fras, M. (2011). Kaj pa | topografija? Stanje in kakovost topografskih podatkov v Sloveniji. Geodetski vestnik, 55(2), 304-318. http://www. | geodetski-vestnik.com/55/2/gv55-2_304-318.pdf. | Veljanovski, T., Kokalj, Z. (2012). Objektno usmerjeno kartiranje poplav in njihova, vloga, v poselitvi osrednjega dela % Ljubljanskega barja.. V: Ciglič, R., Perko, D., Zorn, M. (ur.): Geografski informacijski sistemi v Sloveniji2011-2012. 5 Í Ljubljana: Založba. ZRC, 2012, 63-72. vi ^ Si Veljanovski, T., Lamovec, P., Pehani, P., Oštir, K. (2011a). Comparison of three techniques for detection of flooded § areas on ENVISATandRADARSAT-2 satellite images. V: Geoinformation for disastermanagement, Gi4DM 2011, I Antalya: Talya Convention Center Antalya. 13 Veljanovski, T., Pehani, P., Kokalj, Z., Oštir, K. (2011b). Zaznavanje poplav s časovno vrsto radarskih satelitskih 2 | posnetkov ENVISA T in RADARSA T-2. V: Zorn, M., Komac, B., Cigčič, R., Pavšek, M. (ur.): Neodgovorna odgovornost jjs (Knjižna, zbirka Naravne nesreče, 2). Ljubljana: Založba. ZRC, 81-89. http://giam.zrc-sazu.si/sites/default/files/ | Naravne-nesrece-02.pdf. ■ i i I to t Prispelo v objavo: 2. oktober 2012 Sprejeto: 15. oktober 2012 dr. Tatjana. Veljanovski, univ. dipl. inž. geod. ZRC SAZU, Inštitut za antropološke in prostorske študije, Novi trg 2, SI-1000 Ljubljana Center odličnosti Vesolje-SI, Aškerčeva 12, SI-1000 Ljubljana e-pošta: tatjanav@zrc-sazu.si Peter Pehani, univ. dipl. inž. fiz. ZRC SAZU, Inštitut za antropološke in prostorske študije, Novi trg 2, SI-1000 Ljubljana Center odličnosti Vesolje-SI, Aškerčeva 12, SI-1000 Ljubljana e-pošta: ppehani@zrc-sazu.si Peter Lamovec, univ. dipl. inž. geod. ZRC SAZU, Inštitut za antropološke in prostorske študije, Novi trg 2, SI-1000 Ljubljana e-pošta: plamovec@zrc-sazu.si izr. prof. dr. Krištof Oštir, univ. dipl. inž. fiz. ZRC SAZU, Inštitut za antropološke in prostorske študije, Novi trg 2, SI-1000 Ljubljana Center odličnosti Vesolje-SI, Aškerčeva 12, SI-1000 Ljubljana e-pošta: kristof@zrc-sazu.si, kristof.ostir@space.si fN vo s o ■