ANALIZA IN OBDELAVA PODATKOV SKANIRANIH S SATELITI TRET JAK dr.Ana, dipl.ing.agr.; ŠABIČ Danijela, dipl.ing.mat.; OREŠNIK Irena, dipl.ing.agr.; Zavod SR Slovenije ya statistiko junij 1989, Ljubljana, YU AVTORSKI IZVLEČEK Podane so osnove delovanja satelitov za opazovanje površine Zemlje in opis skaniranja površine Zemlje. Opisane so radiometrične in geometrične korekcije in njihov pomen ta uporabnika. Prikazan je princip obdelave skaniranih podatkov s satelitom. AUTHOR'S ABSTRACT The basic principles of sate/lite remote sensing techniques are explained, the generation of a scanned image of Earth's surface and the radiometric and geometric corrections presented with respect to users needs. The techniques to evaluate and interprete these data are presented. UVOD 4.oktobra 1957, je bil v vesolje izstreljen prvi satelit. To je bil sovjetski satelit SPUTNIK. Šele 1972 leta pa je bil izstreljen satelit za civilne potrebe opazovanja pojavov na. površini Zemlje. To je bil ameriški satelit ERTS-1, prvi iz serije LANDSAT satelitov. S to letnico se tudi začenja razvoj nove stroke, tako imenovane satelitske teledetekcije ali daljinskega zaznavanja s sateliti. Kaj pomeni izraz 'detekcija'? Pomeni, da nekaj odkrivamo. 'Teledetkcija' pomeni, da odkrivamo nekaj iz daljave. Izraz 'digitalna teledetekcija' pa pomeni, da iz daljave merimo oz. odkrivamo z numeričnimi postopki željeno ali iskano lastnost nekega predmeta ali pojava. In končno izraz 'digitalna satelitska tele- detekcija' pomeni, da merimo lastnosti predmeta ali pojava s pomočjo satelita, to je iz velike oddaljenosti. Ogledali si bomo delovanje satelitov za opazovanje površine Zemlje, oziroma kako nastane satelitski posnetek Zemlje, nato paše osnove obdelave digitalnih, satelitsko zajetih podatkov s površine Zemlje. · Sateliti za opazovanje površine Zemlje so heliosinhroni, torej krožijo po točno dolo- čeni tirnici na višini 915 ali 725 km okoli Zemlje. Ves čas kroženja zbirajo s 185 km širokega pasu na Zemlji podatke odboja in sevanja elektromagnetnega valovanja (EMV; slika 1). Vsak predmet na Zemlji namreč odbija del prejete sončne energije, lahko patudi sam seva energijo določene valovne dolžine. Detektorji na satelitu so selektivno občutljivi; to pomeni, da zajemajo odboj EMV le iz določenih pasov elektromagne- tnega valovanja. Jakosti prejetega impulza EMV oziroma številu fotonov, ki jih v danem trenutku zabeleži detektor na satelitu, le-ta priredi numerično vrednost v razponu od O do 255 številk. Površini/predmetu, ki odbija vso prejeto sončno energijo (npr. bel pred- met), bo detektor na satelitu določil vred- nost 255. Predmetu/površini, ki vso sončno energijo absorbira (npr. črn predmet), pa bo določil vrednost O. Geodetski vestnik 3/1989 142 š t e v. v r a t i e e (y) o d b o j 143 185 km . a 1-štev„piksla- 3240 1 amer skaniran.ia - r štev„ vrstice. o l 2 3 4 5 6 125 loo 75 5o 25 79 m. 185 km ~k•el ~o ~ " - Slika 1: shema skaniranja z landsat satelitom štev.piksla (x) l 2 3 4 5·•·•• 10 15 17 18 15 17 20 16 18 21 18 20 22 20 22 24 l 2 3 --~--------- l.kanal ( 500- 600nm) 4 2.kanal (600- 700nm) 3.kanal (700- 800nm) 4. kanal (800-llOOnm) odbojne vrednosti akaniranega pojava/predmeta e površine Zemlje na lokalni koordinati pikala: x:3; y:6 MSS kanali Slika 2 : shema izseka iz skanirane MSS scene DIGITALNA FOTOGRAMETRIJA Kot smo že omenili, sateliti krožijo okrog• Zemlje in ves čas skanirajo oziroma zbirajo numerične vrednosti odbitega ali sevanega EMV s površine Zemlje. To delajo tako, da zabeležijo povprečno vrednost EMV s površine na Zemlji,ki je velikosti: 56mx79m ali 30mx30m ali 20mx20m ali 10mx10m. Tem površinam pravimo slikovni elementi ali piksli (slika 2) .Velikost pikslov je odvisna od tipa skanerja na satelitu. Skaner z ločljivostjo 56mx79m se imenuje MSS (MultiSpectral Scanner); s kan er z ločljivostjo 30mx30m TM (Thematic Map- per). MSS in TM skanerja sta nameščena na NASA satelitih tipa Landsat. Skanerja z ločljivostjo 20mx20 in 1 0mx1 0m se im- enujeta HRV (Haute Resolution Visible) in sta namešč'ena na francoskem satelitu SPOT. Pas skaniranja je na Landsat satelitih širok 185 km in na SPOT satelitu 60 km. Na sprejemnih postajah, kjer telemetrično sprejemajo skanirane podatke, le-te zapisujejo na magnetne trakove. Podatki v dolžini skaniranja 185 km za satelite Landsat in v dolžini skaniranja 60 km za satelit SPOT predstavljajo eno skanirano sceno. s 7o o 60 p n 5o a 4o 0,:::A N-i IIJ@OJ 1 2 3 CD 1 l 1 2 1 ~I 4 1 d vocta \motna \voda : *;o i Uc:, ~~----.-~~ 400 800 1200 Cs::J 1600 Različni skanerji so občutljivi za različne valovne. dolžine oz. skanirajo v različnem številu kanalov·(slika 3). Pomembna lastnost satelitsko skaniranih podatkov je torej njihova ločljivost ali resolucija. Ločimo štiri vrste resolucije: 1. Spektralna ločljivost se nanaša na širino in število valovnih dolžin EMV, za katere je občutljiv senzor na satelitu. Te intervale občutljivosti senzorja imenujemo tudi kanale ali bande (slika 3). 2.Površinska ločljivost je mera najmanjše možne sepa-rabilnosti skanerja med dvema ploskovnima ali linijskima objektoma oz. pojavoma. Pri skaniranju se s površinsko ločljivostjo navaja dim·eniijo projeciranega hipnega ali trenutnega območja zaznave skanerja na površini Zemlje. Okrajšano se uporabja kratice IFOV (lnstantaneous Field Of View). Ta podatek se vedno nanaša le na središče skanirane scene in ima v praksi odklone, ki so na posnetku navedeni skupaj z ostalimi tehničnimi podatki naročene scene. Povprečno površinsko ločljivost cele. scene podajamo z izrazom piksel. PAN-ttRV S P O T XS-ttRV S P O T CL] TM LANDSAT MSS LANDSAT ~ peščena tla '--- ...___ - glinasta tla zdrava vegetacija 2000 2400 nm Slika 3: značilne spektralne krivulje odboja in vpijanje EMV nekaterih pojavov-predmetov na površini Zemlje ter občutljivost detektorjev na skanerjih satelitov Geodetski vestnik 3/1989 144 V praksi je uveljavljeno pravilo, da lahko med seboj razločujemo predmete ali pojave na Zemlji le s tistim skanerjem, ki ima površinsko resolucijo vsaj za polovico manjšo od velikosti proučevanega pred- meta. Vedeti pa moramo, da sama površinska ločljivost ne jamči, da bomo proučevani predmet ali pojav na površini Zemlje ločili od sosednjih pojavov ali pred- metov, če se med seboj ne ločijo tudi po svojih spektralnih lastnostih v določenih kanalih. 3. Časovna ločljivost se nanaša na pogostnost preleta satelita nad isto točko na površini Zemlje v določenem časovnem in- tervalu. Časovna ločljivost se vedno nanaša na frekvenco preleta in ne na samo možnost skaniranja. Tako ima npr. francoski satelit SPOT frekvenco preletov na 26 dni, ker pa lahko spreminja kot skanerja, lahko območje Slovenije skanira pod različnimi koti vsak drugi dan. Periodičnost skaniranja omogoča spremljanje časovnih sprememb, torej proučevanje dinamičnih pojavov, kar je zlasti pomembno za kmetijstvo in pri nesrečah večjega površinskega obsega. Ko se uporabnik odloča za nakup skanirane scene mora poznati in upoštevati podatke ločljivosti za posamezen tip satelita in skanerja ter za določen datum skaniranja. Množica podatkov, ki jo uporabnik dobi, ko kupi eno skanirano območje tipa MSS, TM ali SPOT, je razvidna iz razpredelnice: pojavu ali predmetu: kakšen pojav/pred- met je to, kje vse se nahaja, v kolikšnem obsegu se pojavlja ter v kakšnem stanju je. Prva stopnja obdelave satelitsko skaniranih podatkov je predprocesiranje. Vedeti moramo, da se pri skaniranju površine Zemlje pojavljajo določene napake, ki jih v grobem delimo v radiometrične in geometrične. Radiometrične napake nastajajo zaradi neusklajenega delovanja senzorjev na skanerju satelita. Te lahko korigirajo že na sprejemnih postajah. Geometrične napake pa so posledica vrten- ja Zemlje, ukrivljenosti Zemlje, panoramske distorzije skaniranja, nelinearnosti skani- ranja in nihanja satelita od začrtane orbite letenja. Napake, ki so posledica nelinear- nosti skaniranja in nihanja satelita, so zna- čilnosti posameznega tipa satelita oziroma skanerja. Te lahko korigirajo na sprejemnih postajah. Druge pa lahko zadovoljivo kori- giramo le s poznavanjem terena, zato te korekcije večinoma izvajajo uporabniki sami. Končni učinek uporabe računalniških programov za geometrične korekcije je pos- netek, ki ima lastnosti merila in projekcije karte. Zahtevana stopnja natančnosti geo- metrične korekcije skaniranega posnetka je odvisna od merila skaniranega piksla in od namena uporabe skaniraniM podatkov. Če želimo na primer oceniti biomaso kmetijskih površin večjega območja, se lahko zadovol- .--------------------------,jimo tudi z geometrično nekorigiranimi podatki. tip velikost število velikost skanerja območja v km kanalov piksla/m MSS TM HRV-XS HRV-PAN 185x185 185x185 60x60 60x60 4 7 3 1 56x79 30x30 20x20 10x 10 Jasno je, da je tako množico podatkov mogoče obvladati le z računalnikom. Zdaj, ko vemo, kako dobimo satelitsko skanirane podatke in kakšne vrste podatki so to, poglejmo še, kako te podatke obdelujemo in analiziramo. Namen vsake obdelave in analize daljinsko zaznavnih podatkov so informacije o nekem število po- Če želimo oceniti kme- datkov/sceno tijske površine, paje po- 34 225 000 2213179 000 27 000 000 36 000 000 trebno skanirane po datke geometrično ko- rigirali do tiste n atan- č nosti, ki jo omejuje velikost piksla. Druga stopnja obdelave skaniranih posnet- kov je izboljšava posnetkov. Z mate- m_atičnimi algoritmi lahko spreminjamo odbojne vrednosti posamičnim pikslom določene scene ali pa uporabljamo transfor- macije na vseh. pikslih scene. Prvi pristop uporabljamo pri izboljšavi dela posnetka, npr. pri odstranjevanju učinkov meglic v dolinah. Drugi pristop pa kadar želimo 145 DIGITALNA FOTOGRAMETRIJA izostriti posamezne pojave z ostrenjem robov pojava ali z večanjem kontrasta med pojavi, npr. pri določevanju geoloških prelomnic. Sledi analiza ""''"'";;,..,. delimo v analizo Bil!'il,,,:arl!'ilih imaiizo tematskih elementov . Analizo linearnih elementov lahko opredelimo kot vizuelno obdelavo skaniranega posnetka. Pri tem interpretator analizira posnetek na ekranu in z digital- nikom sam vnaša mejne vrednosti linearnih pojavov. Kriterij odločitve je torej subjek- tiven in odvisen od strokovnega znanja in- terpretatorja. Analizo tematskih elementov običajno imenujemo klasifikacijo ska'nirane scene. Valovne dolžine, v katerih satelit skanira, tvorijo pri računalniški obdelavi večrazsežen prostor, v katerem se odbojne vrednosti enakih ali sorodnih pred- loo metov/pojavov razvrščajo v skupine, kopice ali klastre (slika 4). Obdelava podatkov odboja EMV, ki so razvrščeni v večrazsežnem prostoru valovnih dolžin je možna na dva načina: 1. Nenadzorovano razvrščanie slikovnih elementov v kopice (klastre), ki pred- stavljajo razrede rabe tal. 2. Nadzorovano razvrščanie slikovnih elementov v vnaprej določene razrede rabe tal. Za prvi način obdelave podatkov potrebuje raču·nalniški program le koordinate območja, ki ga obdeluje ter poljubno, to je vsebinsko smiselno število razredov, v katere bo razvrstil vse odbojne vrednosti proučevanega območja. Število izbranih razredov, ki jih v tem primeru imenujemo klastre, lahko določimo sami. Če pa poz- o l.redko naseljeno 80 2.gosto naseljeno 3.zamočvirjeno k 4.gozd a n 60 5.voda a l T H 4o 5 2o 20 40 60 80 100 k a n a l TH 4 Slika 4: odbojne vrednosti vzorčnih površin petih razredov izrabe tal v 2-razsežnem prostoru kanalov TM-4 in_TM-5 z izračunanim x (središče pravokotnika) in variabilnostjo ±SD (meje pravokotnika) (Povzeto po: Jensen, J.R.; 1986) Geodetski vestnik 3/1989 146 namo odbojne vrednosti sorodnih pojavov, lahko tudi vnaprej določimo matematična središča klastrov. Z ustreznim računal­ niškim programom nato razvrstimo vse piksle v posamezne razrede rabe tal in zanesljivost te klasifikacije preverimo še z ustreznim kartografskim izpisom (slika 5). 147 k " n a m GGG .GGGGG GGGGGGGGGGG GGGGGGGGGGGG GGGGGGGGGGGGGG GGGGGGGGGGGGGGGGG GGGGGGGGGGGGGGGGGGG GGGGGGGGGGGGGGGGGGG GGGGGGGGGGGGGGGGGG GGGGGGGGGGGGGGGGGGG GGGGGGGGtGGGGGG G gozd t travnik o = pll,enica GGGGGGttt~t~~G'--____ slaba loeljivost GGtttttt prekrivanje odbojnih tttttt vrednosti t in G 000 0000 00000000 00000000 00000 00 tttttt tt t t t ttt t t ttHtttt ttttttt tttt l: kanal n Slika 5a: razvrstitev pixlov v tri klastre ali razrede izrabe tal GGGGGGGGGGGGGGGGGGGGG 00000 GGGGGGGGGGGGGGGGGGGGG GGGGGGGGGGGGGGGGGGGG GGGGGGGGGGGGGGGGGGG 00000000 GGGGGGttGGGGGGGGGG 0000000000 GGGGGGGGGGGGGGGGG 0000 ttttt GGGGGGGGGGGGGGGGG ooo ttttttt GGGGGGGGGGGGGGG 0000 tttttttt GGGGGGGGGGGGGG ttttttttttttttt G GGGGGGGG ttttttttttttttttttt G GGGG ttttt t ttt t't t t t t@.tt tt t t t GGGG tttttttttttt~tttttttttt G gozd t travnik o= pšenica Slika 5b: kartografski izris pixlov, razvrščenih v 3 razrede izrabe tal DIGITALNA FOTOGRAMETRIJA. Ta način obdelave podatkov uporabljamo pri prvi tematski analizi posnetka, ko skušamo za izbrani posnetek ugotoviti število med seboj ločljivih razredov rabe tal. Obdelava je primerna tudi za izračun homogenosti vzorčnih površin pri kontrolirani klasifikaciji. V primeru , ko slabo poznamo lokalne razmere skaniranega območja ali pa ne moremo uporabiti drugih dopolnilnih podatkov s terena, je ta metoda edina, s katero lahko razvrstimo slikovne elemente v posamezne razrede rabe tal. Pri nadzorovanem razvrščanju odbojnih vrednosti posameznih razredov izrabe tal pa potrebujemo podatke o vrsti in stanju vzorčnih površin na terenu ter njihove koor- dinate. Zato moramo podatke na terenu zbrati v času, ko satelit skanira . Vsak terenski vzorec mora biti dovolj velik, da je reprezentativen glede na variabilnost pojava in glede na ločljivost skanerja. V naslednji stopnji obdelave prenesemo koordinate vzorca v skanirane podatke in izračunamo statistike teh vzorčnih ali vad- benih površin. Te statistike nam povedo, v kolikšni meri bo možno na skanirani sceni opredeliti vse slikovne razrede v izbrane razrede tal in s katero kombinacijo kanalov bomo najbolje ločevali posamezne pojave na terenu. V razpredelnici so izpisi odbojnih vrednosti za vadbene podatke dveh raz- redov rabe tal Vipavske doline-občine Ajdovščina. Povprečne vrednosti vadbenih podatkov vseh petih razredov rabe tal pa so prikazane v sliki 6. KORUZA kanal X SO TM2 36,96 1,09 TM3 32,88 2,00 TM4 95,36 8,67 TM5 69,60 5,16 TM7 22,37 3,56 korelaciiski koeficienti 2 3 4 5 3 0,754 4 -0,558 -0,740 5 0,653 0,770 -0,569 7 0,665 0,796 -0,778 0,866 kovariančna matrika 2 3 4 5 1,190 2 1,648 4,016 3 -5,275 -12,857 75,133 4 3,678 7,971 -25,463 26,655 5 2,580 5,678 -23,979 15,905 12,659 ODPRTE NJIVE kanal X SD TM2 43,47 1,56 TM3 48,61 2,29 TM4 60,48 5,53 TM5 100,51 5,97 TM7 53,51 3,04 korelacijski koeficienti 2 3 4 5 3 0,980 4 0,639 0,634 5 0,570 0,639 0,631 7 0,677 0,740 0,483 0,872 kovariančna matrika 2 3 4 5 7 2 57,484 3 76,551 106,099 4 33,362 44,939 47,369 5 65,471 99,750 65,739 229,462 7 59,614 88,511 38,546 153,332 134,7 Naslednja faza obdelave je razvrščanje skaniranih odbojnih vrednosti v pripadajoče razrede rabe tal. Najbolj pogosto uporabljene klasifikacijske metode so: metoda najmanjših razdali. ki sloni na izračunu evklidne razdalje med posamez- nimi slikovnimi elementi in povprečnimi vektorji (grafikon 1); paralelopiped metoda, ki upošteva variacijske širine vadbenih podatkov vsakega razreda (grafikon 2) in metoda maksimalne vedetnosti, ki upošteva variabilnost vadbenih podatkov posamez- nih razredov in njihovo korelacijo med kanali valovnih dolžin (grafikon 3). Ta je najbolj pogosto uporabljena, čeprav je računalniško bolj zahtevna in tudi bolj počasna, vendar se najbolje prilagaja posebnostim skaniranih podatkov (grafikon 4). Ti imajo namreč visoko stopnjo variabil- Geodetski vestnik 3/1989 148 s t loo 1", / ' -·-gozd o ---~ "' '\ -- -- travnik p 80 '\ --koruza '\ n ' --odprto j 60 ~ --urbano a o 4o d ' b -·-./ \ o 2o \ j \ a 2 3 4 TM kanali Slika 6: povprečne vrednosti odboja vadbenih vzorcev petih razredov izrabe tal območja občine Ajdovščina, skanirano s TM-Landsat satelitom 2.8.86 l!J.:im U._JIANO T -TftAVN114. K_. KO"A.VZ.A z-!,To G -eo2.1> V= VODA +-,_.,.,, .. l!.t;Je; Grafikon 1: shematični prikaz razvrščanja osnovnih elemantov v posamezne razrede rabe tal po metodi najmanjših razdalj (povzeto po : Lillesand in Kiefer, 1979) nosti, kar pogojuje pogosto prekrivanje posameznih razredov v n-razsežnem pros- toru valovnih dolžin. Končni rezultat obdelave digitalnih, satelitsko skaniranih podatkov je skupen prikaz površin (ha) razredov rabe tal in analogen (kartografski) prikaz razvrstitve razredov rabe tal v prostoru . Za oba rezul- tata mora interpretator izračunati še oceno zanesljivosti in oceno natančnosti, s čimer posreduje oceno kakovosti izdelka. 149 DIGITALNA FOTOGRAMETRIJA g 1 (X) {: l,č@! je 111Tnx.IJl:A Z -ŽITO i -60?. D V -1u:J'/JA r-t:-:\~~aK.t. Grafikon 2: shematičen prikaz razvrščanja slikovnih elementov v razrede rabe tal po paraleiopiped metodi (povzeto po: Lillesand in Kiefer, 1979) p(l/i)p(i)>p(X/j)p(j) j=l,2, ••• ,m p(l; iJ, p(j) gi ( X) ., p( I/i} i.n: 1,2geo@'il!I p(i),. p(j) IJ = IJlll!IANO T -na"""'"' K ,. ){ORUZ-A Z - :t1ro la • GOZl> V!" VODA Grafikon 3: tirnice enake verjetnosti porazdelitvenih funk-cij šestih razredov rabe tal, izračunane z metodo maksimalne verjetnosti Geodetski vestnik 3/1989 150 Grafikon 4: Shematičen prikaz verjetnostnih porazdelitvenih funkcij šestih razredov rabe tal, izračunanih z metodo maksimalne verjetnosti (povzeto po : Lillesand in Kiefer, 1079) Na koncu si oglejmo še nekatere prednosti skaniranih podatkov pred klasičnimi, tako imenovanimi analognimi načini zbiranja podatkov o pojavih v prostoru. Skanirani podatki omogočajo: - hitro analizo podatkov velikih površin; enolično obdelavo množice raznolikih podatkov; obdelavo podatkov v n-razsežnem prostoru; - indeksiranje podatkov; - multitemporalno analizo, to je časovno spremljanje sprememb v prostoru; - povezovanje z drugimi numeričnimi in prostorsko opredeljenimi podatki; - izdelavo informacijskega sistema v prostoru in s tem možnost izdelave geografsko informacijskega sistema - GIS. 151 DIGITALNA FOTOGRAMETRIJA LITERATURA. Baronti, S., 1989, Geometric Corrections of Remotely Sensed lmages, H4.SMR/383-02, ICTP, ltaly, pp:1-9. Burrough, P. A., 1986, Principles of Geographical lnformation Systems for Land Resources Assessment, Oxford Sciencce Publications, Oxford. Congalton,R.G., 1988, A Comparison of Sampling Schemes Used in Generation Error Matrices for Assessing the Accuracy of Maps Generated from Remotely Sensed Data, Photogrammetric Eng. & R.S., Vol.54, No.5, pp: 593-601. Curran, P.J. and Williamson, H.D., 1988, Selecting a spatial resolution for estimation of per-field green leafarea index, lnt. J. Remote Sensing, Vol. 9, No. 7, pp: 1243-1250. Hellden, U., 1987, An Assessement of Woody Biomass,Community Forests, Land Use and Soil Erosion in Ethiopia. A feasibility study on the use o.f remote sensing and GIS-analysis for planning purposes in developing cotrntries, Lund studies in Geography, Lund Univer- sity Press. Jensen, J. R., 1986, lntroductory Digital lmage Processing, Prentice-Hall, NJ. Lillesand, T. M. and KIEFER, R.W., 1979, Remote Sensing and lmage lnterpretation, John Willey and Sons, NY. Rhind,D., 1988, A GIS research agenda, lnt. J. Geographical lnformation Systems, Vol.2, No.1 , pp: 23-28. Šabič, D., 1989, Nekontrolirana klasifikacija in optimizacija sheme vadbenih vzorcev satelitsko skaniranih podatkov s klaster analizo računalniškega paketa SPSS/PC, GV, Ljubljana, pp: 1-12. Tretjak, A., Bochanek, Z., Kawczynsky, C., 1983, Study of the application of various transformation techni techniques to Landsat data for an improved land-use classification, Fina! report at ITC-Enschede, The Netherlands, pp: 1-35. Tretjak, A., Poljak, M., Hlavaty, M., Šabic, D., Gruden, A., Podgornik, R., Banovec, T., 1987, Uporaba satelitskih metod teledetekcije za ocenjevanje izrabe tal in potrebe kmetijstva in gozdarstva, Zvezni razis- kovalni projekt, FAO:TCP/YUG-4502(1), pp: 1-87. Tretjak, A., 1988, računalniška obdelava satelitsko skaniranih pocjatkov, Seminar digitalna obrada slike, Savjet za istraživanja i fotointerpretaciju u suradnji sa Elektrotehničkim fakultetom Sveučilišta u Zagrebu, JAZU, Zagreb, 10.-12.okt.88, pp: 1-12. Geodetski vestnik 3/1989 152