Kaugseire 2 1

BGGG.01.047 Kaugseire 2

2AP, 1 loeng 7.02.05. Van. 46-107+ iseseisev praktiline töö ruumi 229 tagaosas.Arvestuse saamiseks tuleb esitada digitaalne aruanne koos töö käigus loodud failidega.Igaüks valib endale kaardilehe, mida uurima hakkab.

Juhendid: Põhikaardi põhialade poolautomaatse tuvastamise juhend (pdf-vormis), Põhikaardi põhialade tuvastamise aruande vorm (doc-vormis).Kes alustas tööd 2004.a. juhendi järgi, võib vana juhendi järgi jätkata. Kes veel alustanud ei ole, teevad 2005.a. juhendi järgi.

Tööjuhendid asuvad: arvuti Nurgatagune Lapik juures, arvuti Nurgatagune Lapik kataloogis C:/KAUGSEIRE2,

//map.gg.bg.ut.ee/kalle_r/KAUGSEIRE2.

Failid asuvad arvuti Nurgatagune Lapik kataloogi C:/KAUGSEIRE2 valitud kaardilehe numbriga kataloogis.

Kaugseire 2 2

AjakavaAjakava:

Paar tundi juhendi uurimiseks suvalises kohas;1 tund sisseelamiseks ja juhupunktide genereerimiseks;1 tundi juhupunktides olevate põhialade tuvastamiseks teie endi poolt;1 tundi juhupunktides olevate põhialade tuvastamiseks juhuisiku poolt;1-2 tundi lokaalstatistikute arvutamiseks10 minutit arvuti õpetamiseks4 tundi tulemuste kokkuvõtmiseks ja aruande kirjutamiseks.

Arvuti kasutamiseks on soovitav endale aeg reserveerida. Aja reserveerimise leht on arvuti juures. Ei soovita jätta seda ainet semestri lõppu. Arvuti ei pruugi olla vaba. K.R. ei pruugi olla Tartus.

Töö peaks olema tehtav vaid juhendi järgi. Kogemus näitab, et kindlam on iga töölõigu eel nõu küsida.

Ruumi 229 pääseb siis, kui keegi võtmeõiguslik isik kohal on. K.R. on Tartus enamasti õhtuti, päeval on enamasti kohal Raivo Aunap. Võtmeõigus on ka doktorant Aarne Luual ja magistrant Madli Linderil.

Kaugseire 2 3

Eriülesanne kuni kahele ettevõtlikule tudengile

Koostada juhend uuema tehnoloogilise lahenduse õpetamiseks.

Pidevõppe programm oskab ise aru saada, millisel kaardilehel mingi punkt on, kohta kirjeldavaid indekseid ei pea enam Lokaalstatistikute programmiga eraldi arvutama. Tehisõppe ajal võib andmeid lisada.Lähteparameetrid tuleb eelnevalt andmebaasi sisestada.

Kaugseire 2 4

Kontaktandmed

Kalle Remm

Kalle.Remm@ut.ee (ka Elvas)EMT 52 90 513Lauatelefon Elvas 7456768

Kaugseire 2 5

Ettevalmistatud lähteandmed kataloogis C:/KAUGSEIRE2/…

Põhikaardi põhialade loetelu ja määratlusedBaaskaardi kihid kataloogis \\MAPPER\DIGIVALD\BSKRTBGL\Tabelitefail ( … .xls)

Kihilised_juhu_X_YEksperdihinnangTavahinnangKlassikoodidIndeksite_võrdlusÕpetusNäidisedPrognoos

Disainfail … raam.dgnStatistikafail … .staOrtofoto failid … .sid, … .sdw, … rgb.rst, … rgb.rdcRasteriseeritud põhikaardi põhialad failis … PK.rstParameetrite failid programmi Lokaalstatistikud jaoks

… fotoparameetrid.txt… PK-parameetrid.txt

Failid tehisõppe programmi MLNN jaoks… MLparam.txt… kaalud.txt… kaalud.txt

Tarkvara MS Word MS Excel Microstation Statistica Lokaalstatistikud MLNN

Pole vajadust faile kuhugi teise kataloogi tõsta!Kataloogi nimi on parameetrifailidesse kirjutatud.

Kaugseire 2 6

Näiteid pildiandmetest: värviline ortofoto

Varjud ja tehisobjektid paistavad selgelt, aga mitte taimkatte liigiline koosseis.

Kaugseire 2 7

Näiteid pildiandmetest: värviline ortofoto

Kas Raekoja platsil on haljasala olnud?

Kaugseire 2 8

Näiteid pildiandmetest: värviline ortofoto

Kus on Rotundi kohvik, Inglisild, Kristjan-Jaagu mälestussammas?

Kaugseire 2 9

Lennuandmed

Lennumõõtkava 1:25 000, lennukõrgus 3800m, ülelennupäev 23.mai 2002 või muu, kaamera RC 30, lääts Leica 15/4 UAG-S 13258, lendas Swedesurvey AB

Kaugseire 2 10

Põhikaardi põhialadPõhialaPõldRohumaaAiamaaPõõsastikNoor metsMuu lageMetsJäätmaaRabaMadalsooRaskestiläbitav sooMahajäetud turbaväliTurbaväliTeed, tänavad ja platsidPüsirohumaa

PõhialaVundamentElu-, ühiskondlik hooneKõrvalhooneVareKasvuhooneMuu ehitisKatusealuneMeriMuu veekoguVooluveekoguJärvKalmistuHaljasalaEraõuTootmisõu

värvikood1092362371102382322295859574813515566254

värvikood108106107956710464103102621011009930105

Täiendalad on ka olemas

Kaugseire 2 11

Töö etapid

1. Juhupunktide genereerimine ja kaardile kandmine.2. Juhupunktides oleva ala visuaalse eksperthinnangu saamine

kahelt isikult põhikaardi alade servajoontega ja ilma nendeta.3. Visuaalse hinnangu põhikaardiga vastavuse arvutamine.4. Pildimustrit kirjeldavate lokaalstatistikute arvutamine

juhupunktides. 5. Korrelatsioonide arvutamine uuritava nähtuse ja lokaalstatistikute

vahel.6. Paremate indikaatorite valik.7. Tunnustele ja vaatlustele kaalude leidmine tehisõppega.8. Tehisõppel saadud prognoosi ja inimeksperdi antud hinnangute

täpsuse võrdlev analüüs.

Kaugseire 2 12

Juhupunktide genereerimine ja kaardile kandmine

1. Punkte genereerivad valemid Exceli tabelifaili töölehel Kihilised_juhu_X_Y.

2. Kontrolli nurgakoordinaate.3. Kopeeri juhupunktid kolme tekstifaili.

Punktide kaardile kandmiseks vormis xy={xkoord},{ykoord},200 punkti, kus inimene põhiala ära arvab,600 punkti, kus arvuti põhiala tuvastab.

4. Genereeri 200 punkti kaardile.Vali Copy and Increment Text, snäpi nulli, sisesta käsurealt: @c:\KAUGSEIRE2\200xy.txtkontrolli koordinaate.

Kaugseire 2 13

Juhupunktides oleva ala äraarvamine1. Hinnata tuleb numbri kinnituskohas (keskel) olev ala.2. Ekslike hinnangute eest ei karistata.3. Eesmärk on võrrelda inimeksperte arvutiga.

1. Lisa raamifailile aerofoto taust.2. Sea ekraanil nähtavaks nii raamifail kui ka tööleht Eksperthinnang.3. Kirjuta numbrid 1…200 ükshaaval dialoogiaknasse Find Replace Text.4. Otsuta, milline põhiala on numbri keskel.5. Kirjuta selle kood töölehel Eksperthinnang plokki päisega piirideta.6. Lülita nähtavaks raamfaili kiht 61.7. Korda 200 punkti hinnangut eraldiste piire nähes ja neid arvestades.8. Kanna eraldiste piiridega saadud hinnangud plokki päisega piiridega.9. Loe lokaalstatistikute programmiga 200 punktis olev põhiala klass.

Nominaalne bait, kerneli raadius 0, mood, parameetrite fail …PK-parameetrid.txt.

10. Kopeeri tulemused plokki põhikaardil.

Kaugseire 2 14

Juhupunktides oleva ala äraarvamine II

1. Palu samad 200 punkti hinnata kellelgi mittegeograafil2. Kanna tulemused töölehele Tavahinnang.

Kaugseire 2 15

Visuaalse hinnangu põhikaardiga vastavuse arvutamine

1. Põhikaart ei ole absoluutne tõde.Mõõtkava (detailsuse) erinevus.Kaardistusaja ja pildistusaja erinevus.

2. Kapa arvutamise valemid on Exceli töölehel.3. Vigade maatriksites Refresh data.

Tabeli ridade ja veergude arv ei tohi muutuda.Tabelite servadesse tulevad kokkulagevused klasside kaupa.Tabeli all on üldine kokkulangevus ja kapa kordaja.Ridade ja veergude summad on ühe võrra suuremad kui vaatluste arv.

4. Analüüsi ja interpreteeri kokkulagevusi ja kirjuta sellest töö aruandes.

Kaugseire 2 16

Pildimustrit kirjeldavate lokaalstatistikute arvutamine juhupunktides

Kasutatav tarkvara Lokaalstatistikud.exe.600 ruumiliselt kihilist juhupunkti kasutaja salvestatud failis.Parameetrite fail … fotoparameetrid.txt.Kasutatava pildifaili ja eelklassifikaatori nimi ja kataloog on parameetrite

failis.Kasutatame eelklassifikaatorit.Lülita välja indeksid: gradiendi suund ning kesk- ja servaosa erinevus.

Arvuta R,Y,G,B,H,S,L × 12 indeksit × 3 raadiuses = 252 lokaalset pildistatistikut 600s punktis.

Kasuta kerneli raadiusest sõltuvaid juhuvalimeid vastavalt juhendile.Salvesta iga tulemused tekstifailidesse, igas failis 12 indeksit 600st punktist.Impordi tekstifailid Statistica faili õigetesse veergudesse.

Kaugseire 2 17

Korrelatsioonide arvutamine uuritava nähtuse ja lokaalstatistikute vahel

Arvuta statistikafailis olevatest vaatlustest kohandatud determinatsioonikordaja põhiala klassi ja lokaalsete pildistatistikute vahel.Statistics => Advanced Linear/Nonlinear Models => General Linear Models.Vali PK-klass nominaalseks muutujaks (categorical predictor)Vali indeksid funktsioontunnusteks (dependent variable)Korraga saab arvutada kümneid indekseid.Kopeeri tulemused (Adjusted R2 ) Statistica tulemustelehelt Exceli-faili töölehele Indeksite_võrdlus.

Kaugseire 2 18

Paremate indikaatorite valikOtsi välja 10…15 parimat indikaatorit (R2 on suurem).

Väldi üksteist dubleerivaid tunnuseid (samast andmekihist sama indeks eri raadiuste puhul, mediaan ja keskmine, autokorr1 ja autokorr2, standardhälve ja variatsionikoefitsient, sujuvus ja naabrite erinevus).

Kanna nende lühendatud nimed lillaga tähistatud lahtritesse töölehel Indeksite_võrdlus.

Kirjuta valitud indiaatorite nimed kaalude faili ( …kaalud.txt).Kopeeri valitud indikaatorite väärtused statistikafailist tabelitefaili

töölehele Õpetus.Kui õpetusvaatluste failis on mõni tühik, siis asenda see numbriga

255.Kopeeri töölehel Õpetus oleva tabeli numbrite osa õpetusvaatluste faili

…treening.txt.Salvesta õpetusvaatluste fail.

Kaugseire 2 19

Tunnustele ja vaatlustele kaalude leidmine tehisõppega

Vali keel tarkvaras MLNN.exe.Vali menüüst Tehisõpe.Vali kaalude fail ja parameetrite fail.Vali tulemuste failide nimed.Vali andmebaasiks C:\KAUGSEIRE2\PK_MLNN-2005.mdb.Kontrolli parameetrite aknas, kas tunnuste arv ja vaatluste arv on

vastavuses õpetusandmetega.Jäta õppemeetodiks meetod 13.Algkaale ei pruugi muuta.Tehisõppe tulemused salvestuvad andmebaasi, näidiste faili,

kaalude faili, prognoosifaili ja logifaili. Kopeeri näidistefail tabelitefaili töölehele Näiised.Kopeeri kaalud kaalude failist töölehele Indeksite_võrdlus.Kopeeri prognoositud väärtused töölehele PrognoosTekivad tunnuste kaalude ja näidiste arvu joonised.

Kaugseire 2 20

Tehisõppel saadud prognoosi ja inimeksperdi antud hinnangute täpsuse võrdlev analüüs

Kes või mis oli parim ekspert?

Kes või mis milliseid põhialasid paremini ära tunneb?Mis on ekslike hinnangute tõenäolised põhjused?Miks mõned alad on paremini äratuntavad kui teised?Kas inimesed ja arvuti oled selles eksperimendis võrdses seisus?Kuivõrd on üldse võimalik arvutile ja inimesele võrdseid tingimusi

tagada?Mida oleks selle õppeaine ja selle eksperimendi puhul võinud teisiti

teha?

Kaugseire 2 21

Vastavuse indeks kapa

)1()(

0

0

PPPK C

n

iinP

k

iC

1

),(

21

0

)),(),((

n

ininP

k

i

A B C Σ

A 120 23 12 155B 11 505 23 539C 35 45 400 480Σ 166 573 435 1174

Valemid

Vigade maatriks

P0 = (155 • 166 + 573 • 539 + 435 • 480) / 11742 = 0.394

PC = (120 + 505 + 400) / 1174 = 0.873

K = (0.873 – 0.394) / (1 – 0.394) = 0.79 = 79%

Tegelikult diagonaalil olevate pikslite osakaal

Diagonaalil olevate pikslite osa-kaalu ootus juhupaiknemise korral

muutub vahemikus 0 … 0,5;sõltub klasside arvust, paljude ühtlase suurusega klasside puhul väiksem

K muutub vahemikus –1 … 10 tähistab seose puudumistMillal on K väärtus –1?

Kapa koefitsient

muutub vahemikus 0 … 1

Kui klasse on palju, on diagonaali ruute suhteliselt vähem. Sellepärast P0 ise ei sobi klassifikatsioonide kooskõla hindamiseks.

0 tähistab nullhüpoteesi

C tähistab korrektsust

Kaugseire 2 22

Kapa ja vea ruumiline suurus

Kapa koefitsient mõõdab samade andmete kahe klassifikatsiooni suhtelist vastavust.Kapa on kasutatav nii ruumiliste kui ka asukohaga mitte seotud andmete puhul. Kapa

ei arvesta mittekokkulangevate tulemuste paiknemise vea suurust.

Samasuur pindade vastavus Kapa koefitsienti järgi