コンテンツに飛ぶ | ナビゲーションに飛ぶ

  • 日本語
  • English
 
現在位置: ホーム ja 農学部 造園学実習Ⅱ html zoen2ex9

zoen2ex9

造園学実習II  実習用テキスト

作成者 今西純一

 

■実習課題「バンドの合成と指数の計算」

 

1.           実習用データファイルのコピー

              「マイネットワーク」−「ワークグループのコンピューターを表示する」

              Dell2 」−「造園実習2 用データ等」−「data 」−「ex9 」の中のデータを、

              自分のex9 フォルダーにコピーします。

 

              exL7000825exL7000825.ers2000825 日のLandsat 7/ETM+ の衛星画像です。

              exQB031126exQB031126.ers20031126 日のQuick Bird という衛星の画像です。

              同じ名前で.ers という拡張子のついているものと、拡張子のついていないものがありますが、

              これらはセットでERMapper のラスターデータとして取り扱います。

              ちなみに、.ers のついているファイルは、画像情報そのものではなく、画像の大きさやバンドの数など、

              画像に付随する「ヘッダーファイル」です。

              一方、拡張子のないファイルは、画像情報そのもので、BILband interleaved by line )というバイナリ形式で

              保存されています。

 

2.           .ers の拡張子のついた「ヘッダファイル」をテキストエディタで開いていましょう

2.1.        ワードパッドや秀丸などのテキストエディタで、exL7000825.ers を開きます

              ファイルの種類を「すべてのファイル」に設定して、exL7000825.ers を開きます

             

              このように、ヘッダ情報が書かれているのがわかります。

             

              これをテキストエディタで、必要に応じて書き換えて保存し、ERMapper ラスターデータの

              情報を変更することができます。

2.2.        変更内容の保存はしないで、そのまま閉じます。

2.3.        exQB031126.ers のほうもテキストエディタで同じように開いて、眺めてみてください。

 

3.           バンドを合成する

              ランドサット画像をtiff 形式で購入した場合、各バンドの画像は別々のtiff ファイルとして保存されています。

              このような場合には、さまざまな解析処理をする前に、各バンドがバラバラの画像をマルチスペクトル画像として、

              ひとつのファイル(.ers )に合成しておく必要があります。

              また、今から説明するように、以下の方法は、ランドサットとSPOT (という衛星)のバンドの合成など、

              別のプラットフォームで観測された画像(衛星でも、航空機でも、何でも)の合成にも使えます。

 

              では、試しにLandsat/TM のバンドとSPOT のバンドを合成してみましょう。

3.1.        ERMapper を起動します。

3.2.        file - open から、(前回も使った)Shared_Data フォルダーのLandsat_TM_year_1985.ers を開きます。

             

3.3.        アルゴリズムウィンドウを開きます。

             

3.4.        レイヤをduplicate 複製して、レイヤの下図を追加します。

              を押します。

              練習のためここでは、3回押して、3つのレイヤを新たに追加します。

             

3.5.        レイヤの名前を変更します

              レイヤの文字の上をクリックし、文字を入力できる状態にします。

             

メモ:

              ここで入れる名前が、合成後のバンドの名前になります。

              上から順に、

              TM_band2_0.56um

              TM_band3_0.66um

              TM_band4_0.83um

              SPOT_band1_0.545um

              SPOT_band2_0.645um

              SPOT_band3_0.84um

              と入力します。

             

3.6.        入れた名前のとおりにバンドをロードしていきます

              surface の名前を をクリックすると、

              そのsurface のバンドがすべて表示されるようになるので、作業しやすくなります。

              をクリックして、目的のファイルを指定し、

              で目的のバンドに変更しましょう。

              SPOT のデータには、Shared_Data フォルダー内のSPOT_XS.ers を使います。

             

3.7.        別名で保存し、バンドの合成をします

              file - save as を実行します

              File of TypeER Mapper Raster Dataset (.ers) にし、

              TM_SPOT という名前で保存します。

             

              Output TypeMulti Layer に、

              Data TypeUnsigned9BitInteger 符号なし8 ビット整数に設定し、

              Maintain aspect ratio

              Delete output transforms にチェックマークを入れます。

重要:

              Delete output transforms にチェックマークを入れておかないと、

              (前回やったような)輝度変換の後の値で保存されることになり、

              もともとのデータの輝度値と異なる値で保存されることになります。

             

              OK を押すと、作業が成功したことを示すウィンドウが現れるので、確認してからOK を押します。

             

重要:

              画像を拡大して、一部分だけを表示した状態 で、「別名で保存」を実行すると、

              表示範囲だけが切り抜かれて保存されることになります。

              注意しなければなりませんが、これを利用して画像を切り取ることができます。

3.8.        バンドを合成したファイルを開いてみましょう

             

3.9.        RGB 表示にして、自分の好きなようにカラー合成表示させてみましょう

             

              上のような設定で、ランドサットとSPOT の画像を組み合わせて表示することもできます。

             

 

4.           正規化差分植生指数NDVI を計算してみましょう

              これから使うLandsat7/ETM+ というセンサーの仕様です。

             

              今回は、解像度15 m のパンクロマチック画像は利用しません。

メモ:

              パンクロマチックpanchromatic 画像の波長帯は、可視から近赤外域までと広く、波長分解能は高くありません。

              しかし、その分、空間分解能は15 m と高く、より鮮明な画像が得られています。

 

4.1.        ex9 フォルダー内のexL7000825.ers を開きます

             

4.2.        アルゴリズムウィンドウを開きます

4.3.        NDVI を計算させるためのフォーミュラ(数式)を入力します

4.3.1.     アルゴリズムウィンドウ上の をクリックします

             

4.3.2.     DescriptionNDVI と入力します

4.3.3.     INPUT1 と入力されている部分にNDVI 用の算出式を以下のように入力します

              (INPUT1-INPUT2)/(INPUT1+INPUT2)

              入力後、「Apply changes 」ボタンを押します

             

メモ:

              INPUT1INPUT2INPUT3 ・・・などINPUT +数字からなる名前は、特別に予約された変数名で、

              バンドを割り当てることができます。

              i1i2i3 ・・・などと省略した表記も可能です。

 

4.3.4.     INPUT1 に近赤外バンド(0.80 μm 付近)を、

              INPUT2 に赤バンド(0.68 μm 付近)を割り当てます。

             

4.3.5.     アルゴリズムウィンドウを確認します

             

              RGB 表示で、NDVI の計算結果はどれか1つの色に割り当てられているはずです。

              この場合は、青色にNDVI の計算結果が割り当てられています。

4.3.6.     NDVI を計算しているレイヤをPseudo Layer に変更します

              変更したいレイヤの名前の上で(この場合、Blue Layer の上で)右クリックをして、Pseudo を選びます

             

4.3.7.     Surface タブをクリックして、Color Modepseudo color に変更します

4.3.8.     Color Tablerainbow に変更します

             

4.3.9.     NDVI の計算結果が適切な輝度変換で表示されるように、 を押します

             

4.3.10.   transform ウィンドウを開けて、輝度変換の様子を見てみましょう

             

              NDVI 値は、-0.63 から0.59 までの値をとっおり、ヒストグラムに2つの山があることがわかります。

              正の側の山は赤色で表現されている森林域のピクセルを表しており、

              負の側の山は青色で表現されている都市域のピクセルを表していることがわかります。

4.3.11.   メインウィンドウの を使って、パン(画面をドラッグして表示範囲を移動させること)、拡大、縮小を行ってみましょう

             

4.3.12.   アルゴリズムウィンドウのsmoothing のチェックを外してみましょう

             

              このほうが個々のピクセルの状態がよくわかると思います。

              分析にはこちらの表示方法のほうが適していることが多いでしょう。

             

4.3.13.   ピクセルの値を確認してみましょう

              view - cell value profile を選択します。

             

              下のようなウィドウが現れます

             

              メインウィンドウ上の をクリックして、カーソルをポインタに変更します。

              画像上をクリックしてみましょう。

             

              Cell Values Profile ウィンドウに、クリックしたピクセル(とその周囲のピクセル)の輝度値が表示されます。

             

              一番上の折れ線グラフは、当該ピクセルの各バンドの輝度値を表しています。

              左からband 1band2band3 、・・・band 7 の輝度値を表しています。

              一番下の表は、それを数値で示しています。

              真ん中のマトリックスは、当該ピクセルとその周囲のピクセルの輝度値を表しています。

              この場合、B4_0.75_0.90um を選択しているので、バンド4 近赤外の輝度値を表しています。

 

              このツールを使って、

              市街地と森林域で各バンドの輝度値がどのように異なっているのか、

              NDVI 値と、赤および近赤外バンドの輝度値がどのような関係にあるのか確認してみてください。

4.3.14.   アルゴリズムを保存しておきましょう

              ex9 フォルダー内にexL7000825NDVI.alg という名前で保存しておきます。

             

 

5.           SAVI を計算してみましょう

              SAVISoil Adjusted Vegetation Index )は、NDVI と同じように赤バンド、近赤外バンドを利用する植生指数です。

              SAVI は植生の背景に存在する土壌の影響を抑えるために提案された指数です。

 

              SAVI (近赤外 赤) ×(1 L÷近赤外 L

              青色の字の部分は、NDVI と共通する部分です。

              分母にL を足し、分子に1L を掛けることにより、

              土壌の影響を抑え、NDVI と同じように-1 から1 の値をとるように調整しています。

              L は補正係数で、土壌の種類により0 から1 の値をとりますが、普通は0.5 が使用されています。

 

5.1.        フォーミュラウィンドウを使って、SAVI の計算式を入力しましょう

             

              数式を入力して、Apply changes を押します。

              Variables ボタンをオンにして、L0.5 を代入します。

             

メモ:

              INPUT1 などと異なり、予約されていない名前(この場合、L )が数式に表れた場合は、

              普通のvariables 変数として扱われます。

              Variables ボタンをオンにして、数値を代入することができます。

5.2.        を押します。

5.3.        画像を全体表示します

              画像上で右クリックし、Quick Zoom - Zoom to All Datasets を選択します。

             

              NDVI との違いを比べてみましょう

             

5.4.        transform ウィンドウを開いて、SAVI 値のヒストグラムを見てみましょう

             

5.5         アルゴリズムを別名で保存しておきましょう

              ex9 フォルダー内にexL7000825SAVI.alg という名前で保存します。

 

6.           tasseled cap 指数を計算してみましょう

              tasseled cap 指数は、もともとランドサットのTM センサーのために作成された指数です。

              ここで計算する3つの指数は、それぞれ「scene brightness 明るさ」、「vegetation greenness 植生」、

              surface moisture (wetness) 水分量」を表現します。tasseled cap 指数による変換は、農業へ応用するために

              有用な情報を提供し、裸地(明るい土壌)と植生地、湿った土壌を分類することを容易にします。

 

6.1.        Tasseled_Cap_Transformas.alg を開きます

              Examples\Data_Types\Landsat_TM フォルダー内のTasseled_Cap_Transformas.alg を開きます

6.2.        exL7000825.ers をロードします

              アルゴリズムウィンドウの 押します。

              exL7000825.ers を選択し、OK を押して、すべてのレイヤにデータのロードを適用します。

6.3.        Brightness 明るさのレイヤが表示されています

             

6.4.        Greeness のレイヤを表示させてみましょう

              Greeness の文字の上を右クリックし、Turn On を選択します。

             

              GreenessBrightness が表示されている状態ですが、

              上に載っているGreeness だけが見えるようになります。

             

6.5.        同様にWetnessTurn On にし、表示させてみましょう

             

6.6.        tasseled cap 変換の結果を、Virtual Dataset として保存してみましょう

              Virtual Dataset は、必要に応じて随時計算するタイプのデータで、

              ファイルサイズが非常に小さいのが特長です。

重要:

              データを保存する前に、必ずデータセット全体を表示させておきましょう。

              一部分だけ表示していると、その部分だけがデータとして保存され、

              データが切り取られてしまいます。

 

              データセット全体を表示させたら、

              file - save as 別名で保存を選択します。

              File of TypeER Mapper Virtual Dataset (.ers) とし、

              exL7000825TC.ers として保存します。

             

              表示用の輝度変換は削除したいので、Yes を押します。

             

6.7.        バーチャルデータセットのファイルサイズを確認してみましょう

             

              ER Mapper Raster Dataset (.ers) で保存すれば、11MB 程度のバイナリデータファイルと、

              2KB 程度のヘッダファイルが作成されていたはずですが、

              ER Mapper Virtual Dataset (.ers) で保存したので、8KB のファイルサイズで済んでいます。

6.8.        バーチャルデータセットを開きましょう

             

6.9.        バンドを割り当てましょう

              赤色表示のレイヤにBrightness を、

              緑色表示のレイヤにGreeness を、

              青色表示のレイヤにWetness を割り当てましょう。

             

              このRGB カラー合成結果の意味を下の図を参考にしながら考えてみてください。

              RGB の光を混ぜることにより色を作ることを「加法混色」と言います。

             

 

■今日の提出課題

1.           Quick Bird 画像exQB031126.ers を使って、NDVISAVI を計算しなさい。

結果をwinshot で保存し、植生指数の結果の違いや、ランドサット画像との違いを考察しなさい。

ランドサットのNDVISAVI 画像もいっしょにレポートに載せてください。

2.           植生指数を応用した研究論文(13 本)を調べ、各研究の中で利用されている

センサーの諸元(衛星or 航空機、バンド数、空間分解能)と、

植生指数からどのような情報が引き出されているかについて説明しなさい。

 

Quick Bird のセンサーの仕様

 

■課題の提出の仕方

winshot で画面上の画像を保存し、レポートにして、プリントアウトしたものを提出してください。

提出先は、5 階環境デザイン事務室の今西のメールボックス(ポットの並びにあります)です。

A4 またはA3 用紙で1枚程度にまとめてください。名前を入れるのを忘れないように。