-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathindex.html
715 lines (647 loc) · 38.3 KB
/
index.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
<!DOCTYPE html>
<html lang="pl">
<head>
<title>LULC | Poznań</title>
<link rel="icon" href="strona/grafiki/tlo/logo.png" type="image/icon type">
<meta charset="utf-8">
<meta name="description" content="Porównanie dokładności różnych źródeł pokrycia terenu i użytkowania ziemi na przykładzie miasta Poznań i powiatu poznańskiego">
<meta name="keywords" content="NVDI, UAM, geoinformacja, sekcja geoinformacji, wskaźnik NVDI, Wolin, Międzyzdroje, Woliński Park Narodowy, WPN, WNGiG, Wydział Nauk Geograficznych i Geologicznych, pokrycie terenu, roślinność, temperatura, korelacja, temperatura gruntu", >
<meta name="author" content="Sekcja geoinformacji">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<link rel="stylesheet" href="strona/css/style.css" type="text/css"/>
<link rel="preconnect" href="https://fonts.googleapis.com">
<link rel="preconnect" href="https://fonts.gstatic.com" crossorigin>
<link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/font-awesome/4.7.0/css/font-awesome.min.css">
<link href="https://fonts.googleapis.com/css2?family=Roboto+Condensed:wght@300&display=swap" rel="stylesheet">
<link rel="stylesheet" href="https://fonts.googleapis.com/css?family=Source+Sans+Pro">
<link rel="stylesheet" href="https://www.w3schools.com/w3css/4/w3.css">
<link rel="stylesheet" type="text/css" href="strona/css/sortable.css" />
<script src="https://ajax.googleapis.com/ajax/libs/jquery/3.6.0/jquery.min.js"></script>
</head>
<body>
<script type="text/javascript" src="strona/js/sortable.js"></script>
<div class="w3-top">
<div class="navbar">
<a href="#" class="menu_kafelek w3-bar-item w3-button w3-padding-large w3-white">Artykuł</a>
<!--<a href="strona/autorzy.html" class="menu_kafelek w3-bar-item w3-button w3-hide-small w3-padding-large w3-hover-white">Autorzy</a>-->
<a href="https://sekcjageoinformacji.amu.edu.pl/" target="_blank" class="menu_kafelek w3-bar-item w3-button w3-hide-small w3-padding-large w3-hover-white">Sekcja Geoinformacji</a>
<a id = "menu_kafelkow"class="w3-bar-item w3-button w3-hide-medium w3-hide-large w3-right w3-padding-large w3-hover-white w3-large w3-white" href="javascript:void(0);" onclick="menu_show()" title="Toggle Navigation Menu"><i class="fa fa-bars"></i></a>
</div>
<div id="navDemo" class="topnav w3-bar-block w3-white w3-hide w3-hide-large w3-hide-medium w3-large">
<!--<a href="strona/autorzy.html" class="w3-bar-item w3-button w3-padding-large">Autorzy</a>-->
<a href="https://sekcjageoinformacji.amu.edu.pl/" target="_blank" class="w3-bar-item w3-button w3-padding-large">Sekcja Geoinformacji</a>
</div>
</div>
<div id="title">
<p>Porównanie dokładności różnych źródeł pokrycia terenu i użytkowania ziemi na przykładzie miasta Poznań i powiatu poznańskiego</p>
</div>
<div class = "w3-row-padding w3-padding-32 w3-container w3-content" style = "max-width:1100px">
<h1>Wprowadzenie</h1>
</br>
<p class = "paragraf">
Technologie satelitarne stają się kluczowym elementem w obserwacji Ziemi oraz procesów zachodzących na jej powierzchni. Teledetekcja pozwala na uzyskanie danych dotyczących przekształceń
środowiska geograficznego pod wpływem procesów naturalnych, jak i tych spowodowanych czynnikami antropogenicznymi. Podstawowym
zastosowaniem metod cyfrowej klasyfikacji zdjęć satelitarnych jest pozyskiwanie informacji o pokryciu terenu i użytkowaniu ziemi. W odróżnieniu od użytkowania ziemi, rozumianego
jako obszar antropogeniczny, użytkowany i przekształcony przez człowieka, pokryciem terenu nazywa się naturalny stan powierzchni ziemi. Produktem
klasyfikacji zdjęć satelitarnych są mapy pokrycia terenu i użytkowania ziemi (ang. <i>Land Use Land Cover, LULC </i>), umożliwiające m.in. monitoring zmian zachodzących na powierzchni
terenu lub analizy krajobrazowe. Kluczowymi elementami w interpretacji zmian zachodzących w środowisku oraz analizie krajobrazu są klasy pokrycia terenu i użytkowania
ziemi, które odzwierciedlają różne rodzaje i funkcje obszarów na powierzchni ziemi, pozwalając na klasyfikację terenów na podstawie ich fizycznych, biologicznych i użytkowych cech.
Celem projektu było porównanie dokładności różnych źródeł danych obejmujących globalne oraz krajowe pokrycie terenu i użytkowanie ziemi na przykładzie miasta Poznań i
powiatu poznańskiego.
</br></br>
Powiat poznański oraz miasto Poznań są położone w zachodniej części Polski, w centrum województwa wielkopolskiego.
Obszar ten charakteryzuje bardzo duża powierzchnia terenu - Poznań, miasto na prawach powiatu, znajduje się w pierwszej dziesiątce największych miast w Polsce (262 km²).
Powiat Poznański, który dzieli się na 17 gmin otaczających Poznań, również jest jednym z największych powiatów w kraju (1900 km²).
Aglomeracja ta, ze względu na bliskość dużego miasta i terenów wiejskich, wyróżnia się znacznym zróżnicowaniem pokrycia terenu i użytkowania ziemi, a także złożonością przestrzenną poszczególnych klas, która może wpływać na różnice w dokładności klasyfikacji terenu przez różne zbiory danych.
</br></br>
Poniższa publikacja jest wynikiem projektu badawczego przeprowadzonego przez Sekcję Geoinformacji Studenckiego Koła Naukowego Geografów na Uniwersytecie im. Adama Mickiewicza w Poznaniu.
</p>
</div>
<div class = "w3-row-padding w3-padding-32 w3-container w3-content" style = "max-width:1100px">
<h1>Dane i metody</h1>
<p class = "paragraf">
Porównanie dokładności różnych źródeł pokrycia terenu i użytkowania ziemi na przykładzie miasta Poznań i powiatu poznańskiego zostało przeprowadzone na podstawie siedmiu zbiorów danych dotyczących użytkowania ziemi oraz pokrycia terenu.
Użyte zbiory danych to dane ogólnodostępne i darmowe, pochodzące głównie z 2018 roku. Referencyjnym zbiorem danych, do którego porównywane były pozostałe produkty, była Baza Danych Obiektów Topograficznych w skali 1:10 000(BDOT10k), zawierająca informacje o pokryciu terenu i użytkowaniu ziemi.
Urban Atlas (UA) to baza danych skoncentrowana na funkcjonalnych obszarach miejskich, opracowywana dla najbardziej zaludnionych miast europejskich, głównie tych o liczbie mieszkańców przekraczającej 50 000.
Podobnie jak BDOT10k, jedna z warstw bazy Urban Atlas zawiera szczegółowe dane o użytkowaniu ziemi oraz pokryciu terenu.
</br></br>
Pozostałe produkty, takie jak Sentinel-2 Global Land Cover (S2GLC), Esri Land Cover, ESA WorldCover oraz CORINE Land Cover (CLC), zostały utworzone na podstawie danych satelitarnych. Proces tworzenia Sentinel-2 Global Land Cover oraz Esri Land Cover został oparty o zobrazowania satelitarne z misji Sentinel-2.
Do stworzenia ESA WorldCover, oprócz danych Sentinel-2 wykorzystano również dane radarowe z misji Sentinel-1, a produkt CORINE Land Cover 2018 powstał na podstawie danych Sentinel-2 i Landsat 8.
Oryginalne dane z projektu LUCAS to dane punktowe, w których rachmistrzowie gromadzili informacje o typie pokrycia terenu i użytkowaniu ziemi na określonych miejscach.
Otrzymane dane zostały wykorzystane do stworzenia ostatniego produktu użytego w opracowaniu - zbioru danych opracowanego przy użyciu metod uczenia maszynowego, wykorzystującego próbki zebrane z projektu LUCAS, dane CORINE Land Cover oraz zharmonizowane zdjęcia satelitarne GLAD Landsat ARD.
Powstały produkt posiada system klasyfikacji CORINE Land Cover, jednak cechuje się wyższą rozdzielczością przestrzenną niż CLC.
</p>
</br>
<p class = "paragraf">
Jako referencyjny zbiór danych wybrano Bazę Danych Obiektów Topograficznych, która pochodzi z Państwowego Zasobu Geodezyjnego i Kartograficznego, co czyni go wiarygodnym źródłem informacji dotyczących pokrycia terenu i użytkowania ziemi na obszarze Polski.
W przypadku braku danych dla roku 2018, dla którego przeprowadzono analizę, wybrano najbliższy dostępny rocznik (2017 dla Sentinel-2 GLC, 2020 dla ESA WorldCover).
Wszystkie źródła pokrycia terenu i użytkowania ziemi zostały odpowiednio przetransformowane i sprowadzone do wspólnej rozdzielczości (10 m), a następnie zreklasyfikowane do 6 klas głównych: obszary podmokłe, obszary wodne, zabudowa, lasy obszary trawiaste i krzewiaste i pola uprawne.
Klasy główne wydzielono na podstawie możliwości reklasyfikacji według dokumentacji producenta, a także uwzględniono jedynie klasy występujące na obszarze badań.
</br></br>
Analizę porównawczą dokładności wszystkich źródeł danych oraz poszczególnych klas pokrycia terenu i użytkowania ziemi przeprowadzono na podstawie macierzy błędów (tzw. macierzy przejść).
W celu oceny dokładności poszczególnych klas dla każdego źródła danych obliczono precyzję (ang. <i>precision</i>), czułość (ang. <i>recall</i>), wskaźnik F1 (ang. <i>F1 - score</i>), a także dokładność
(ang. <i>accuracy</i>) i wskaźnik Kappa. Wartości wszystkich wskaźników zostały uzyskane na podstawie proporcji sklasyfikowanych komórek rastra porównywanego i referencyjnego.
Precyzja odnosi się do procentowego udziału obszarów, w których dana klasa źródła danych zgadza się z tą samą klasą źródła referencyjnego, podczas gdy czułość określa procentowy udział obszarów, w których dana klasa źródła referencyjnego zgadza się z tą samą klasą innego źródła danych.
Wskaźnik F1 stanowi średnią harmoniczną między precyzją a czułością, gdzie jego większa wartość oznacza lepsze odwzorowanie klasyfikacji w stosunku do źródła referencyjnego.
Macierz błędów pozwala na określenie dokładności odwzorowania rzeczywistego stanu terenu oraz błędów i rozbieżności występujących w klasyfikacji.
W celu wyboru najdokładniejszego źródła pokrycia terenu i użytkowania ziemi uwzględniono proporcję poprawnie sklasyfikowanych komórek oraz wskaźnik Kappa, który pozwala na określenie stopnia zgodności pomiędzy reklasyfikacjami, uwzględniając przypadkowe błędy.
</p>
<div>
<p style="text-align: center; width:100%;"><img id = "clc" src = "strona/grafiki/klasyfikacja.png"></p>
<p style = "text-align:center; font-weight:150">Ryc. 1 Reklasyfikacja źródeł pokrycia terenu i użytkowania ziemi</p>
</div>
</div>
<div class = "w3-row-padding w3-padding-32 w3-container w3-content" style = "max-width:1100px">
<h1>Analiza</h1>
<h2>Charakterystyka źródeł pokrycia terenu i użytkowania ziemi po reklasyfikacji </h2>
<p class = "paragraf">
Rozkład przestrzenny klas pokrycia terenu i użytkowania ziemi po wykonaniu reklasyfikacji uwidocznił najbardziej charakterystyczne cechy poszczególnych zbiorów, które informują wizualnie przede wszystkim o różnicach w pierwotnej rozdzielczości czy stopniu generalizacji, a także dominujących klasach i skłonności do przeszacowywania lub niedoszacowania poszczególnych klas pokrycia terenu i użytkowania ziemi.
Wizualna analiza poniższych map (ryc. 2-8) pozwala na ocenę, w jaki sposób poszczególne źródła danych klasyfikują różne elementy krajobrazu.
</p>
<p class = "paragraf">
Największe różnice względem BDOT10k są dostrzegalne przede wszystkim w zbiorze CLC, który charakteryzuje się rozkładem przestrzennym uzyskanym z rozdzielczości dużo mniejszej od pozostałych - 100m.
Wśród pozostałych zbiorów, najbardziej zauważalnymi różnicami odznaczają się Sentinel-2 Global Land Cover oraz Urban Atlas, które przeszacowują występowanie kolejno obszarów podmokłych oraz obszarów trawiastych i krzewiastych.
</p>
<div class = "maps" style = "float:none!important;margin-left:auto!important;margin-right:auto!important">
<img class = "wydruk" style = "float:right" src = "strona/grafiki/mapy/bdot.png">
<p class = "maps_text">Ryc. 2 Baza Danych Obiektów Topograficznych (BDOT10k)</p>
</div>
<span style = "clear:both;display:block"></span>
<div class = "maps">
<img class = "wydruk" style = "float:right" src = "strona/grafiki/mapy/clc.png">
<p class = "maps_text">Ryc. 3 CORINE Land Cover (CLC)</p>
</div>
<div class = "maps">
<img class = "wydruk" style = "float:right" src = "strona/grafiki/mapy/esa.png">
<p class = "maps_text">Ryc. 4 ESA WorldCover</p>
</div>
<span style = "clear:both;display:block"></span>
<div class = "maps">
<img class = "wydruk" style = "float:right" src = "strona/grafiki/mapy/esri.png">
<p class = "maps_text">Ryc. 5 Esri Land Cover</p>
</div>
<div class = "maps">
<img class = "wydruk" style = "float:right" src = "strona/grafiki/mapy/urban.png">
<p class = "maps_text">Ryc. 6 Urban Atlas</p>
</div>
<span style = "clear:both;display:block"></span>
<div class = "maps">
<img class = "wydruk" style = "float:left" src = "strona/grafiki/mapy/sentinel.png">
<p class = "maps_text">Ryc. 7 Sentinel-2 Global Land Cover (S2GLC)</p>
</div>
<div class = "maps">
<img class = "wydruk" style = "float:right" src = "strona/grafiki/mapy/lucas.png">
<p class = "maps_text">Ryc. 8 LUCAS</p>
</div>
<span style = "clear:both;display:block"></span>
</br>
<p class = "paragraf">
Procentowy udział klas dla każdego ze źródeł danych pozwala stwierdzić ich przeszacowanie bądź niedoszacowanie względem źródła danych BDOT10k (ryc. 9a, 9b).
Poziom zurbanizowania terenu miasta Poznań jest zdecydowanie większy w porównaniu do całej aglomeracji, jednak obszary zurbanizowane są klasą w większości przeszacowaną zarówno dla aglomeracji, jak i miasta Poznań.
W tym przypadku Esri Land Cover jest źródłem, które cechowało się największym przeszacowaniem udziału procentowego zabudowy, wynoszącym względem aglomeracji ok. 8%, natomiast dla miasta Poznań - ok. 22%.
Klasą charakteryzującą się największym niedoszacowaniem są obszary trawiaste i krzewiaste, sklasyfikowane w ramach źródła Esri Land Cover.
Jedną z klas, która osiągnęła bardzo zbliżone wartości względem referencyjnego źródła, są lasy - te jednak w przypadku źródła ESA WorldCover zostały w dużym stopniu przeszacowane o niemal 10% dla aglomeracji oraz o 24,42% dla miasta Poznań.
Największym przeszacowaniem na obszarze aglomeracji oraz miasta odznaczają się obszary podmokłe w ramach zasobu Sentinel-2 Global Land Cover, których udział procentowy wynosi odpowiednio 7% oraz 14%.
W przypadku klasy pola uprawne dla aglomeracji największy błąd ma źródło Urban Atlas z niedoszacowaniem o 7,93%, natomiast dla miasta Poznań pola uprawne zostały przeszacowane przez LUCAS o 5,60%.
Udział procentowy obszarów uprawnych oraz obszarów wodnych dla wszystkich porównywanych źródeł na obszarze aglomeracji oraz miasta Poznań jest bardzo zbliżony do referencyjnych danych BDOT10k.
</p>
<div class = "maps">
<iframe class = "wykres" style = "float:left" frameborder="0" scrolling="no" modebar = "false" src="strona/grafiki/wykresy_interaktywne/udzial_pokrycia_aglo.html"></iframe>
<p class = "maps_text">Ryc. 9a Aglomeracja</p>
</div>
<div class = "maps">
<iframe class = "wykres" style = "float:right" frameborder="0" scrolling="no" src="strona/grafiki/wykresy_interaktywne/udzial_pokrycia_poznan.html"></iframe>
<p class = "maps_text">Ryc. 9b Miasto Poznań</p>
</div>
<span style = "clear:both;display:block"></span>
</div>
<div class = "w3-row-padding w3-padding-32 w3-container w3-content" style = "max-width:1100px">
<h2>Zgodność z BDOT10k </h2>
<p class = "paragraf">
Ze względu na specyfikację porównywanych źródeł danych oraz obszaru badań, możemy zaobserwować duże różnice w zgodności klasyfikacji tych samych obszarów względem źródła referencyjnego.
Rycina 10 przedstawia liczbę źródeł pokrycia terenu i użytkowania ziemi, których to obszary zostały zaklasyfikowane poprawnie względem BDOT10k, wraz z udziałem procentowym.
Przedstawiona mapa obrazuje przede wszystkim wpływ złożoności przestrzennej na poprawność reklasyfikacji przez wszystkie źródła pokrycia terenu i użytkowania ziemi – im większe, jednolite obszary danej klasy, tym większa zgodność wszystkich zasobów.
Największą zgodnością odznaczają się zatem obszerne tereny lasów oraz pól uprawnych.
</p>
</p>
<div>
<p style="text-align: center; width:100%;"><img id = "mapa_zgodnosci" src = "strona/grafiki/mapy/mapa_zgodnosc.png"></p>
<p style = "text-align:center; font-weight:150">Ryc. 10 Zgodność źródeł danych z BDOT10k</p>
</div>
<div class = "maps">
<iframe class = "wykres" style = "float:left" frameborder="0" scrolling="no" modebar = "false" src="strona/grafiki/wykresy_interaktywne/zgodnosc_aglo.html"></iframe>
<p class = "maps_text">Ryc. 11a Aglomeracja</p>
</div>
<div class = "maps">
<iframe class = "wykres" style = "float:right" frameborder="0" scrolling="no" src="strona/grafiki/wykresy_interaktywne/zgodnosc_poznan.html"></iframe>
<p class = "maps_text">Ryc. 11b Miasto Poznań</p>
</div>
<span style = "clear:both;display:block"></span>
<p class = "paragraf" style = "margin-top:80px">
Ponad 50% obszarów całej aglomeracji zostało sklasyfikowanych poprawnie względem BDOT10k przez wszystkie pozostałe źródła pokrycia terenu i użytkowania ziemi (ryc. 11a) – w przypadku
miasta Poznań wartość ta wynosi jedynie ok. 35% (ryc. 11b).
Obszary, w których pięć źródeł jest zgodnych z BDOT10k, stanowią około 17% powierzchni dla aglomeracji, jak i również miasta Poznań.
Zgodność dla czterech i mniej źródeł odznacza się stopniowym spadkiem - czym mniejsza liczba zasobów zgodnych z BDOT10k, tym stanowi ona coraz mniejszy udział procentowy powierzchni obu obszarów - aglomeracji oraz miasta.
Żadne z porównywanych źródeł pokrycia terenu i użytkowania ziemi nie były zgodne z referencyjnym źródłem BDOT10k na ok. 5% obszarów aglomeracji oraz ok. 8% w przypadku miasta Poznań.
</p>
<span style = "clear:both;display:block"></span>
</br></br></br></br>
<h2>Porównanie dokładności klasyfikacji</h2>
<p class = "paragraf">
W celu oceny jakości i dokładności każdego źródła pokrycia terenu i użytkowania ziemi przeprowadzono analizę przy użyciu macierzy przejść.
Metoda ta pozwala na porównanie wyników klasyfikacji z danymi referencyjnymi - w tym przypadku z Bazą Danych Obiektów Topograficznych 10k.
Macierz błędów umożliwia określenie dokładności odwzorowania rzeczywistego stanu terenu oraz błędów i rozbieżności występujących w klasyfikacji.
W celu przedstawienia najbliższego pod względem dokładności klasyfikacji źródła pokrycia terenu i użytkowania ziemi posłużono się proporcją pikseli sklasyfikowanych poprawnie do liczby wszystkich występujących pikseli, a także wskaźnikiem Kappa - miarą pozwalającą określić stopień zgodności pomiędzy reklasyfikacjami, uwzględniającą przypadkowe zgodności i błędy.
</p>
<p class = "paragraf">
Najdokładniejszym zasobem dla całej aglomeracji okazał się LUCAS, o dokładności 0,80 i Kappa wynoszącym 0,71 (tab. 1).
Najsłabszym natomiast - Urban Atlas, z dokładnością i Kappa wynoszącym odpowiednio 0,74 i 0,64.
Obszar miasta Poznania najdokładniej względem BDOT10k został sklasyfikowany przez zasób Urban Atlas (dokładność: 0,71, Kappa: 0,6), czyli projekt obejmujący pokrycie i użytkowanie terenu głównie miejskich obszarów.
Najmniej dokładnym zasobem w powiecie Poznań okazał się Sentinel-2 Global Land Cover, o dokładności wynoszącej jedynie 0,63 i wskaźniku Kappa równym 0,53.
</p>
<p class='img_text' style = "text-align:center;">
<b>Tabela 1. Dokładność oraz wskaźnik Kappa dla porównywanych źródeł</b>
</p>
<div id = "statystyki_tabela">
<table class = "sortable">
<thead>
<tr class = "bordered_2">
<th>ŹRÓDŁO POKRYCIA TERENU I UŻYTKOWANIA ZIEMI</th>
<th>AGLOMERACJA - DOKŁADNOŚĆ</th>
<th>AGLOMERACJA - KAPPA</th>
<th>POZNAŃ - DOKŁADNOŚĆ</th>
<th>POZNAŃ - KAPPA</th>
</tr>
</thead>
<tbody>
<tr class = "bordered_2">
<td>LUCAS</td>
<td>0,802</td>
<td>0,713</td>
<td>0,693</td>
<td>0,590</td>
</tr>
<tr class = "bordered_2">
<td>ESA WorldCover</td>
<td>0,786</td>
<td>0,695</td>
<td>0,644</td>
<td>0,535</td>
</tr>
<tr class = "bordered_2">
<td>Esri Land Cover</td>
<td>0,787</td>
<td>0,691</td>
<td>0,660</td>
<td>0,545</td>
</tr>
<tr class = "bordered_2">
<td>Sentinel-2 Global Land Cover</td>
<td>0,754</td>
<td>0,658</td>
<td>0,628</td>
<td>0,530</td>
</tr>
<tr class = "bordered_2">
<td>CORINE Land Cover</td>
<td>0,771</td>
<td>0,668</td>
<td>0,636</td>
<td>0,508</td>
</tr>
<tr class = "bordered_2">
<td>Urban Atlas</td>
<td>0,742</td>
<td>0,644</td>
<td>0,706</td>
<td>0,601</td>
</tr>
</tbody>
</table>
</div>
<p class = "paragraf">
Poza oceną dokładności wszystkich źródeł danych, przeanalizowano również poszczególne klasy pokrycia terenu i użytkowania ziemi każdego z nich. Poniżej (ryc. 12a i 12b) przedstawiono procentowy udział niepoprawnie zaklasyfikowanych względem BDOT10k kategorii pokrycia terenu i użytkowania ziemi, uzyskany na podstawie macierzy błędów.
W przypadku miasta Poznań, średnia błędu dla obszarów podmokłych nie obejmuje zasobu Urban Atlas, ze względu na brak tej klasy występującej na obszarze powiatu Poznań.
</p>
<p class = "paragraf">
Klasą obarczoną największym błędem klasyfikacji, zarówno na terenie aglomeracji, jak i miasta Poznań, są obszary podmokłe, ze średnim błędem równym kolejno 0,65 i 0,73.
Obszary podmokłe we wszystkich zbiorach zajmują pierwsze bądź drugie miejsce z największym procentem powierzchni niepoprawnie sklasyfikowanej - to potwierdza tezę, iż jest to najtrudniejsza klasa do klasyfikacji bazującej na zdjęciach satelitarnych.
Kolejnymi klasami z dość dużymi błędami klasyfikacji są obszary trawiaste i krzewiaste, których 44,6% powierzchni na obszarze aglomeracji oraz 31,7% w mieście Poznań zostało zaklasyfikowane niepoprawnie, a także zabudowa - kolejno 38% i 31,2%.
Klasą o największej dokładności klasyfikacji względem BDOT10k okazały się obszary wodne, ze średnim błędem wynoszącym 0,05 w przypadku miasta Poznań i 0,08 w przypadku aglomeracji.
Ze względu na dość znaczące pokrycie powiatu poznańskiego zajmowane przez lasy (ponad 25% powiatu) oraz pola uprawne (44%), a także przede wszystkim ich złożoność przestrzenną, klasy te w przypadku aglomeracji również wyróżniają się niskim błędem klasyfikacji - odpowiednio jedynie 0,16 i 0,12.
</p>
<div class = "maps">
<iframe class = "wykres" style = "float:left" frameborder="0" scrolling="no" modebar = "false" src="strona/grafiki/wykresy_interaktywne/error_aglo.html"></iframe>
<p class = "maps_text">Ryc. 12a Aglomeracja</p>
</div>
<div class = "maps">
<iframe class = "wykres" style = "float:right" frameborder="0" scrolling="no" src="strona/grafiki/wykresy_interaktywne/error_poznan.html"></iframe>
<p class = "maps_text">Ryc. 12b Miasto Poznań</p>
</div>
<span style = "clear:both;display:block"></span>
<p class = "paragraf">
Szczegółową dokładność poszczególnych klas pokrycia terenu i użytkowania ziemi dla każdego źródła przedstawiają wskaźniki: precyzja, czułość oraz ich średnia harmoniczna F1
(tab. 2 i 3). Średnia harmoniczna dla każdego ze źródeł osiąga najniższe wartości dla klasy obszarów podmokłych, zarówno dla całej aglomeracji jak i samego miasta Poznań. Najwyższą
wartością precyzji na terenie całej aglomeracji odznaczają się obszary leśne, które uzyskują ponad 90% w każdym zbiorze danych. W przypadku miasta Poznań klasami, które w
największym stopniu zgadzają się z BDOT10k, są obszary leśne oraz zabudowa. Najniższe wartości precyzji oraz czułości dla obszaru miasta oraz całej aglomeracji są charakterystyczne
dla obszarów podmokłych, które nie przekraczają średniej harmonicznej równej 0,27. Wszystkie wartości wskaźników są bardzo zróżnicowane dla każdej badanej klasy i zbioru
danych, jednak najwyższą średnią harmoniczną uzyskują dwa wyróżnione zbiory – LUCAS na obszarze aglomeracji oraz Urban Atlas na terenie miasta Poznań.
</p>
</div>
<p class='img_text' style = "text-align:center;"><b>Tabela 2. Wskaźniki dokładności klasyfikacji dla aglomeracji</b></p>
<div id = "statystyki_tabela">
<table class = "sortable">
<thead>
<tr class = "bordered">
<th>POKRYCIE TERENU / UŻYTKOWANIE ZIEMI</th>
<th>LUCAS - precyzja</th>
<th>LUCAS - czułość</th>
<th>LUCAS - F1</th>
<th>ESA WorldCover - precyzja</th>
<th>ESA WorldCover - czułość</th>
<th>ESA WorldCover - F1</th>
<th>Esri Land Cover - precyzja</th>
<th>Esri Land Cover - czułość</th>
<th>Esri Land Cover - F1</th>
<th>S2GLC - precyzja</th>
<th>S2GLC - czułość</th>
<th>S2GLC - F1</th>
<th>CLC - precyzja</th>
<th>CLC - czułość</th>
<th>CLC - F1</th>
<th>Urban Atlas - precyzja</th>
<th>Urban Atlas - czułość</th>
<th>Urban Atlas - F1</th>
</tr>
</thead>
<tbody>
<tr class = "bordered">
<td>Obszary podmokłe</td>
<td>0,11</td>
<td>0,55</td>
<td>0,19</td>
<td>0,16</td>
<td>0,58</td>
<td>0,25</td>
<td>0,01</td>
<td>0,31</td>
<td>0,01</td>
<td>0,51</td>
<td>0,09</td>
<td>0,15</td>
<td>0,07</td>
<td>0,39</td>
<td>0,12</td>
<td>0,01</td>
<td>0,47</td>
<td>0,02</td>
</tr>
<tr class = "bordered">
<td>Obszary wodne</td>
<td>0,70</td>
<td>0,91</td>
<td>0,79</td>
<td>0,74</td>
<td>0,93</td>
<td>0,83</td>
<td>0,82</td>
<td>0,86</td>
<td>0,84</td>
<td>0,52</td>
<td>0,97</td>
<td>0,68</td>
<td>0,52</td>
<td>0,90</td>
<td>0,66</td>
<td>0,75</td>
<td>0,93</td>
<td>0,83</td>
</tr>
<tr class = "bordered">
<td>Zabudowa</td>
<td>0,75</td>
<td>0,64</td>
<td>0,69</td>
<td>0,54</td>
<td>0,74</td>
<td>0,62</td>
<td>0,88</td>
<td>0,52</td>
<td>0,65</td>
<td>0,73</td>
<td>0,62</td>
<td>0,67</td>
<td>0,73</td>
<td>0,55</td>
<td>0,63</td>
<td>0,87</td>
<td>0,65</td>
<td>0,74</td>
</tr>
<tr class = "bordered">
<td>Lasy</td>
<td>0,92</td>
<td>0,87</td>
<td>0,89</td>
<td>0,97</td>
<td>0,70</td>
<td>0,81</td>
<td>0,94</td>
<td>0,87</td>
<td>0,90</td>
<td>0,91</td>
<td>0,87</td>
<td>0,89</td>
<td>0,87</td>
<td>0,86</td>
<td>0,87</td>
<td>0,90</td>
<td>0,87</td>
<td>0,89</td>
</tr>
<tr class = "bordered">
<td>Obszary trawiaste i krzewiaste</td>
<td>0,37</td>
<td>0,57</td>
<td>0,45</td>
<td>0,48</td>
<td>0,55</td>
<td>0,51</td>
<td>0,11</td>
<td>0,74</td>
<td>0,19</td>
<td>0,33</td>
<td>0,56</td>
<td>0,41</td>
<td>0,31</td>
<td>0,52</td>
<td>0,39</td>
<td>0,49</td>
<td>0,37</td>
<td>0,42</td>
</tr>
<tr class = "bordered">
<td>Pola uprawne</td>
<td>0,93</td>
<td>0,86</td>
<td>0,89</td>
<td>0,87</td>
<td>0,95</td>
<td>0,91</td>
<td>0,94</td>
<td>0,85</td>
<td>0,89</td>
<td>0,85</td>
<td>0,89</td>
<td>0,87</td>
<td>0,93</td>
<td>0,84</td>
<td>0,88</td>
<td>0,73</td>
<td>0,89</td>
<td>0,80</td>
</tr>
</tbody>
</table>
</div>
<p class='img_text' style = "text-align:center;"><b>Tabela 3. Wskaźniki dokładności klasyfikacji dla miasta Poznań</b></p>
<div id = "statystyki_tabela">
<table class = "sortable">
<thead>
<tr class = "bordered">
<th>POKRYCIE TERENU / UŻYTKOWANIE ZIEMI</th>
<th>LUCAS - precyzja</th>
<th>LUCAS - czułość</th>
<th>LUCAS - F1</th>
<th>ESA WorldCover - precyzja</th>
<th>ESA WorldCover - czułość</th>
<th>ESA WorldCover - F1</th>
<th>Esri Land Cover - precyzja</th>
<th>Esri Land Cover - czułość</th>
<th>Esri Land Cover - F1</th>
<th>S2GLC - precyzja</th>
<th>S2GLC - czułość</th>
<th>S2GLC - F1</th>
<th>CLC - precyzja</th>
<th>CLC - czułość</th>
<th>CLC - F1</th>
<th>Urban Atlas - precyzja</th>
<th>Urban Atlas - czułość</th>
<th>Urban Atlas - F1</th>
</tr>
</thead>
<tbody>
<tr class = "bordered">
<td>Obszary podmokłe</td>
<td>0,16</td>
<td>0,47</td>
<td>0,24</td>
<td>0,19</td>
<td>0,50</td>
<td>0,27</td>
<td>0,02</td>
<td>0,16</td>
<td>0,04</td>
<td>0,65</td>
<td>0,03</td>
<td>0,05</td>
<td>0,11</td>
<td>0,19</td>
<td>0,14</td>
<td>0,00</td>
<td>-</td>
<td>-</td>
</tr>
<tr class = "bordered">
<td>Obszary wodne</td>
<td>0,70</td>
<td>0,94</td>
<td>0,80</td>
<td>0,75</td>
<td>0,97</td>
<td>0,84</td>
<td>0,84</td>
<td>0,90</td>
<td>0,87</td>
<td>0,54</td>
<td>1,00</td>
<td>0,70</td>
<td>0,54</td>
<td>0,92</td>
<td>0,68</td>
<td>0,81</td>
<td>0,97</td>
<td>0,88</td>
</tr>
<tr class = "bordered">
<td>Zabudowa</td>
<td>0,86</td>
<td>0,69</td>
<td>0,77</td>
<td>0,61</td>
<td>0,81</td>
<td>0,70</td>
<td>0,96</td>
<td>0,57</td>
<td>0,72</td>
<td>0,82</td>
<td>0,74</td>
<td>0,78</td>
<td>0,87</td>
<td>0,61</td>
<td>0,72</td>
<td>0,92</td>
<td>0,69</td>
<td>0,79</td>
</tr>
<tr class = "bordered">
<td>Lasy</td>
<td>0,81</td>
<td>0,81</td>
<td>0,81</td>
<td>0,97</td>
<td>0,44</td>
<td>0,60</td>
<td>0,87</td>
<td>0,81</td>
<td>0,84</td>
<td>0,88</td>
<td>0,74</td>
<td>0,81</td>
<td>0,61</td>
<td>0,80</td>
<td>0,69</td>
<td>0,77</td>
<td>0,78</td>
<td>0,77</td>
</tr>
<tr class = "bordered">
<td>Obszary trawiaste i krzewiaste</td>
<td>0,38</td>
<td>0,62</td>
<td>0,47</td>
<td>0,40</td>
<td>0,73</td>
<td>0,52</td>
<td>0,12</td>
<td>0,84</td>
<td>0,21</td>
<td>0,23</td>
<td>0,76</td>
<td>0,35</td>
<td>0,34</td>
<td>0,52</td>
<td>0,41</td>
<td>0,46</td>
<td>0,62</td>
<td>0,53</td>
</tr>
<tr class = "bordered">
<td>Pola uprawne</td>
<td>0,86</td>
<td>0,61</td>
<td>0,71</td>
<td>0,77</td>
<td>0,90</td>
<td>0,83</td>
<td>0,85</td>
<td>0,66</td>
<td>0,74</td>
<td>0,74</td>
<td>0,64</td>
<td>0,69</td>
<td>0,85</td>
<td>0,66</td>
<td>0,74</td>
<td>0,66</td>
<td>0,73</td>
<td>0,70</td>
</tr>
</tbody>
</table>
</div>
<div class = "w3-row-padding w3-padding-32 w3-container w3-content" style = "max-width:1100px">
<h1>Wnioski i podsumowanie</h1>
<p class = "paragraf">
W pracy przeanalizowano dokładność 6 różnych zbiorów danych na obszarze miasta Poznań i całej aglomeracji oraz porównano uzyskane wyniki względem najdokładniejszego źródła pokrycia terenu i użytkowania ziemi dostępnego w Polsce – Bazy Danych Obiektów Topograficznych (BDOT10k).
Wybrany obszar badań umożliwił szczegółowe zbadanie zgodności oraz dokładności klasy każdego ze źródeł danych z klasą referencyjną zasobu BDOT10k dla dwóch zróżnicowanych terenów - dużego miasta oraz całej aglomeracji obejmującej powiat Poznań i powiat poznański, charakteryzujący się poza miastem w większości terenami leśnymi oraz rolniczymi.
Uzyskane wyniki charakteryzują się mniejszą zgodnością poszczególnych zasobów danych z BDOT10k oraz dokładnością źródeł na obszarze miasta Poznań, na terenie całej aglomeracji miary te przyjmują natomiast wyższe wartości.
Najdokładniejszym źródłem pokrycia terenu i użytkowania ziemi na terenie miasta okazał się Urban Atlas, na obszarze aglomeracji natomiast – LUCAS.
Warto zauważyć, iż w przypadku miasta Poznań zbiór LUCAS był drugim najdokładniejszym zbiorem i o jedynie punkt procentowy mniej dokładnym od Urban Atlas – ten natomiast w przypadku aglomeracji plasuje się na ostatnim miejscu.
Powyższe wyniki ukazują dość dobry stopień dokładności na terenie Poznania zbioru Urban Atlas, który ze względu na swoją specyfikę jest dedykowany dla obszarów miejskich.
Bardzo dobra dokładność na obu badanych obszarach uzyskana przez projekt LUCAS może wskazywać na przydatność informacji uzyskanych w terenie przez rachmistrzów oraz ich wpływ na zwiększenie dokładności, a co za tym idzie – bardziej szczegółowych informacji odnośnie rzeczywistego pokrycia.
<br><br>
Dokładność poszczególnych klas pokrycia terenu i użytkowania ziemi dla każdego zbioru danych jest dość zróżnicowana, jednak w większości przypadków klasy najmniej oraz najdokładniejsze względem BDOT10k są ze sobą zgodne w każdym z porównywanych zbiorów.
Na obu badanych obszarach w 4 z 6 zbiorów danych – CLC, Esri Land Cover, LUCAS oraz Sentinel-2 Global Land Cover, najmniej dokładną klasą są obszary podmokłe.
Otrzymane wyniki potwierdzają fakt, iż ich w pełni poprawna klasyfikacja ze zdjęć satelitarnych jest niezwykle trudna, co jest zauważalne na przykładzie zajmowanej powierzchni klas zaklasyfikowanych niepoprawnie dla każdego zbioru danych.
Zarówno na obszarze aglomeracji, jak i samego miasta Poznań, najdokładniejszą klasą pokrycia terenu i użytkowania ziemi okazały się obszary wodne – w przypadku całej aglomeracji podobnymi wynikami odznaczyły się również pola uprawne.
<br><br>
Szacunkową zgodność oraz dokładność względem BDOT10k można zauważyć analizując jedynie mapy tematyczne przedstawiające rozkład kategorii pokrycia terenu i użytkowania ziemi po reklasyfikacji, a także mapę przedstawiającą liczbę źródeł zgodnych z BDOT10k.
Na obie wartości, oprócz samego sposobu reklasyfikacji do wspólnych klas, wpływa przede wszystkim rozdzielczość oraz przeznaczenie danego zbioru danych – lokalne lub globalne.
Oprócz tego występuje zdecydowana zależność pomiędzy zgodnością i dokładnością klas a konfiguracją i kompozycją krajobrazu – przede wszystkim różnorodnością i zwartością klas.
Powiat poznański charakteryzuje się występowaniem większych płatów mniejszej ilości klas w stosunku do miasta Poznań – wpływa to na znacznie większą zgodność i dokładność wszystkich źródeł oraz klas na obszarze całej aglomeracji.
<br><br>
Ocena dokładności źródeł pokrycia terenu i użytkowania ziemi jest zależna przede wszystkim od poprawności reklasyfikacji kategorii poszczególnych zbiorów i próbie ujednolicenia wszystkich z nich do kilku wybranych, głównych klas.
Otrzymane wyniki są jedynie przybliżeniem rzeczywistej dokładności zbiorów danych i wynikają z subiektywnej klasyfikacji kategorii pokrycia terenu i użytkowania ziemi, opartej na sugerowanej agregacji klas według dokumentacji poszczególnych zbiorów danych.
Powyższa analiza może zostać wykorzystana do wyboru najbardziej użytecznego zbioru danych na poziomie lokalnym w innych opracowaniach, a także przyczynić się do rozszerzenia badań w kierunku porównania dokładności klas pokrycia terenu i użytkowania ziemi z metrykami krajobrazowymi.
<br><br> </p>
</div>
<div id="procent">
<span id="procent-value"></span>
</div>
<footer id = "footer" class = "w3-xlarge w3-container w3-center w3-padding-32 w3-opacity-min">
© Sekcja Geoinformacji 2024
<div class = "w3-padding-32">
<a href = "https://www.facebook.com/SekcjaGeoinformacjiUam/" target="_blank">
<i class = "fa fa-facebook-official w3-opacity-off w3-xxlarge w3-margin-right w3-hover-opacity"></i>
</a>
<a href = "https://www.instagram.com/sekcja_geoinformacji_uam/" target="_blank">
<i class = "fa fa-instagram w3-opacity-off w3-xxlarge w3-margin-right w3-margin-left w3-hover-opacity"></i>
</a>
<a href = "https://github.com/sekcja-geoinformacji-uam" target="_blank">
<i class = "fa fa-github w3-opacity-off w3-xxlarge w3-margin-left w3-hover-opacity"></i>
</a>
</div>
</footer>
<script type="text/javascript" src="strona/js/script.js"></script>
</body>