 |
A felszínborítás dinamikájának idősoros vizsgálata közepes- és nagyfelbontású űrfelvételek segítségével
|
súgó 
nyomtatás 
|
Ezen az oldalon az NKFI Elektronikus Pályázatkezelő Rendszerében nyilvánosságra hozott projektjeit tekintheti meg.
vissza »
|
| |
Projekt adatai |
|
|
| azonosító |
124648 |
| típus |
K |
| Vezető kutató |
Mucsi László |
| magyar cím |
A felszínborítás dinamikájának idősoros vizsgálata közepes- és nagyfelbontású űrfelvételek segítségével |
| Angol cím |
Time series analysis of land-cover dynamics using medium and high-resolution satellite images |
| magyar kulcsszavak |
földmegfigyelés, változás vizsgálat, felszínborítás, idősoros elemzés, Landsat, Sentinel-2 |
| angol kulcsszavak |
earth observation, change detection, land-cover, time series analysis, Landsat, Sentinel-2 |
| megadott besorolás |
| Természetföldrajz (Komplex Környezettudományi Kollégium) | 100 % | | Ortelius tudományág: Földmegfigyelési technológia |
|
| zsűri |
Földtudományok 2 |
| Kutatóhely |
Geoinformatikai, Természet- és Környezetföldrajzi Tanszék (Szegedi Tudományegyetem) |
| résztvevők |
Henits László
Kovács Ferenc
Szatmári József
Szilassi Péter
Tobak Zalán
|
| projekt kezdete |
2017-09-01 |
| projekt vége |
2022-05-31 |
| aktuális összeg (MFt) |
13.376 |
| FTE (kutatóév egyenérték) |
6.18 |
| állapot |
lezárult projekt |
magyar összefoglaló A kutatás összefoglalója, célkitűzései szakemberek számára
Itt írja le a kutatás fő célkitűzéseit a témában jártas szakember számára.
Az elmúlt évtizedekben a földfelszín változásai felgyorsultak, hatásuk a környezetre és az emberekre jelentősebb lett. Az urbanizáció, az erdőirtások, a mezőgazdasági termelés, a klímaváltozás átalakítják a tájat. Az ingyenesen elérhető Landsat űrfelvételek olyan hosszú (40 éves), a Sentinel-2 képekkel együtt olyan sűrű felvételezést biztosítanak, amik lehetővé teszik a felszínborítás dinamikájának hosszútávú és éven belüli vizsgálatát. Korábban ilyen felvételezést csak kisfelbontású műholdak (pl. MODIS) szolgáltattak. Az új típusú adatok új megközelítést és módszereket követelnek, amik fejlesztése és tesztelése a távérzékeléses kutatások aktuális kérdései.
A pályázat fő célkitűzése, hogy nagyfelbontású idősoros adatokkal vizsgálja három felszínborítási típus (mesterséges felszínek, erdők, mezőgazdasági területek) éven belüli és több éven keresztüli változását. Multitemporális és idősoros adatok segítségével növelhető a felszínborítás osztályozásának pontossága, a változások irányáról, nagyságáról részletesebb képet kaphatunk.
A kutatás célja: (1) Landsat 8, Sentinel-2 és MODIS űrfelvételek segítségével olyan térkép előállítása hazánk területére, ami megadja pixel szinten a felhőmentes mérések számát adott évre. (2) Megvizsgálni, hogyan változnak éven belül az egyes felszínborítási típusok különböző geofizikai, biofizikai paraméterei. (3) A képkészítés időpontja és több felvétel együttes alkalmazása hogyan befolyásolja az osztályozások pontosságát. (4) A Landsat idősort felhasználva vizsgáljuk a felszínborítási típusok változását az elmúlt évtizedekben (5) Évenkénti felszínborítás térképekkel elemezni a felszínborítás változások mértékét, sebességét és gyakoriságát.
Mi a kutatás alapkérdése?
Ebben a részben írja le röviden, hogy mi a kutatás segítségével megválaszolni kívánt probléma, mi a kutatás kiinduló hipotézise, milyen kérdéseket válaszolnak meg a kísérletek.
A pályázat kiinduló hipotézise, hogy multitemporális és idősoros adatok segítségével növelhető a felszínborítási típusok osztályozásának pontossága. A változások és trendek pontosabban határozhatók meg és további, részletesebb információk nyerhetők ezek térbeliségéről, sebességéről, irányáról, nagyságáról és az azokat kialakító folyamatokról.
A kutatásban megválaszolandó főbb kérdések: (1) a Landsat és Sentinel-2 műholdak nagy időbeli felbontással szolgáltatnak nagyszámú adatot, azonban a felhőborítás miatt nem egyértelmű milyen számban állnak rendelkezésre a felhőmentes mérések. A rendelkezésre álló multitemporális felvételek száma alkalmas-e országos vagy csak lokális elemzésekre (pl. katasztrófák, belvíz, árvízi elöntések térképezésére)? (2) Az egyes felszínborítási típusok (mesterséges felszínek, erdők, mezőgazdasági területek) egyes paraméterei (pl. biomassza produkció, felszíni aránytényező) vagy kiterjedésük, hogyan változik egy éven belül. Meghatározhatók-e objektív módon azok az időpontok, amelyek a legalkalmasabbak az adott felszínborítás térképezésére? (3) A hosszú idősoros vizsgálatokból milyen jellemző trendek állapíthatók meg a mesterséges felszínek változásával kapcsolatban, milyen területek alakulnak át, kerülnek beépítésre? Az erdőállomány hogyan és milyen sebességben változott az elmúlt évtizedekben (erdőírtások, erdőtelepítések), milyen folyamatok jellemzők, ezek milyen hatással vannak a környezet állapotára? További módszertani kérdést jelent a nagymennyiségű adat „Big Data” kezelésének problémája, valamint a kisfelbontású adatokon használt módszerek hogyan és milyen módosításokkal ültethetők át a közepes és nagyfelbontású űrfelvételekre.
Mi a kutatás jelentősége?
Röviden írja le, milyen új perspektívát nyitnak az alapkutatásban az elért eredmények, milyen társadalmi hasznosíthatóságnak teremtik meg a tudományos alapját. Mutassa be, hogy a megpályázott kutatási területen lévő hazai és a nemzetközi versenytársaihoz képest melyek az egyediségei és erősségei a pályázatának!
A NASA és az ESA adatpolitikájának köszönhetően, ingyenesen érhetők el nagyfelbontású űrfelvételek. Az ezekből előállítható idősoros adatok elemzése a távérzékeléses kutatások aktuális feladata. Az alapkutatásban elért eredmények fontos információval szolgálnak a döntéshozóknak a felszínborítás változásáról, és a jövőbeli trendektől. A felszínborítás az egyik alapvető klimatikus változó a környezeti vizsgálatokban és bemeneti adat az ökoszisztéma szolgáltatások esetében. Valamint a 2012-es ENSZ Fenntartható Fejlődés Konferencián Rio de Janeiróban a talajfogyást globális problémaként jelölték meg, az erdők területe esetében pedig a kiotói egyezmény előírásainak kell megfelelniük az országoknak. A Sentinel adatok hasznosítása az ESA csatlakozásunk miatt is fontos hazai feladat. Az adatokhoz való hozzájutás már nem jelent korlátot a hazai vizsgálatokban. A módszerek fejlesztése és tesztelése jelentősen szolgálja a hazai földmegfigyeléssel foglalkozók érdekeit. Jelenleg hazánkban még nem kezdődtek meg vagy csak most indulnak a Sentinel adatok feldolgozásával foglalkozó vagy az adatokra épülő projektek. A földfelszín monitorozás, a környezeti károk elemzése, mezőgazdasági vizsgálatok mind nagy sűrűségű, idősoros adatokat követelnek meg, amelyekhez szükséges módszertant szolgáltathat a pályázat. A felhőmentes pixelek megadása adott évre fontos új információval szolgálhat, arról hogy nagyobb területekre, operatív módon is alkalmazhatók-e a multitemporális módszerek. Több vizsgálat készült már, amely megadta az adott felvételezési pásztára eső használható képek (pl. felhőborítás<50%) számát, azonban ezek nem szolgálnak információval arról, mely pixelre találunk 2, 3 vagy több felhőmentes adatot. A hazai szakirodalomban elsősorban monotemporális adatok alapján különböző időpontokra levezetett tematikus térképeket elemeztek vagy a változásokat térképezték. Azonban az adatokat egy idősorba összefűzve még nem elemezték a felszínborítási típusok dinamikáját. Kisfelbontású űrfelvételek (MODIS) idősoros elemzésével pl. aszálykárok Kovács F. vagy mezőgazdasági elemzések Kristóf D. foglalkoztak már. A szezonális különbségek vizsgálata, és a legalkalmasabb időpont kiválasztása a nemzetközi irodalomban is új eredményeket hozhat.
A kutatás összefoglalója, célkitűzései laikusok számára
Ebben a fejezetben írja le a kutatás fő célkitűzéseit alapműveltséggel rendelkező laikusok számára. Ez az összefoglaló a döntéshozók, a média, illetve az érdeklődők tájékoztatása szempontjából különösen fontos az NKFI Hivatal számára.
A Föld felszínének változása, a környezet átalakulása az urbanizáció, az erdőirtások, a mezőgazdasági termelés fokozódása egyre jelentősebb. Földmegfigyelési eszközök (pl. műholdak szenzorai) felvételeivel ezekről a folyamatokról ismételt, áttekintő, részletes méréseket kaphatunk. A Landsat program már több mint 40 éve szolgáltat űrfelvételeket, amelynek köszönhetően több évtizedes változások is térképezhetők, egyes módszerekkel jövőbeli trendek állapíthatók meg. 2015-től már az Európai Űrügynökség (ESA) Sentinel névre hallgató műholdjai is információt nyújtanak a környezet állapotáról. Az űrfelvétel archívumok képei, és az újonnan készültek is ingyenesen letölthetők a felhasználók számára. Hazánk 2015-ben csatlakozott az ESA-hoz, így kiemelten fontos, hogy a magyar szakemberek is a lehető legszélesebb körben használják fel az adatokban rejlő lehetőségeket, és a kapott eredmények széles körben hasznosuljanak.
A kutatás a hosszútávú, több évtizedes változásokat vizsgálja három magyarországi mintaterületen a városi területeket felépítő mesterséges felszínek, az erdők és a mezőgazdasági területek példáján. Emellett azt is vizsgálja, hogy az egyes felszínborítások hogyan változnak az éven belül. Az elemzésekhez olyan új módszerek szükségesek, amelyek kezelni tudják a nagy mennyiségű adatot valamint megadják azokat a paramétereket, amelyekkel meghatározhatók a változások irányai és azok mértéke.
| angol összefoglaló Summary of the research and its aims for experts
Describe the major aims of the research for experts.
Over the past decades the earth surface changes were accelerated and their negative effects on the environment and the population become more significant. Urbanization, deforestation, intensification of agriculture and climate change transform the face of landscape.
The freely available Landsat images offer a 40 year long data archive. Combined with Sentinel-2 images it provides such a dense time series, which allows us to monitor the land surface dynamics in long-term and within a year. Earlier dense time series were provided by only coarse spatial resolution datasets like MODIS. The new data type requires new approaches and methods, and their development and testing is the main subject of remote sensing studies.
The main goal of this research is to analyze the annual and intra-annual changes of three land-cover types (artificial surface, tree cover, and agriculture field) using high resolution satellite images. The accuracy of land-cover classification can be increased by multitemporal and time series data, which provides more information about the direction and magnitude of changes.
The aims of our study are: (1) Prepare thematic maps, which show the number of cloud-free Landsat 8, Sentinel-2 and MODIS measurements for each pixel for a selected year. (2) Explain the changes of geophysical and biophysical parameters of land cover types within a year. (3) Analyze the impact of the image acquisition date and the number of images on classification accuracy. (4) Analyze the changes of land-cover types in the last 40 years using Landsat time series. (5) Analyze the magnitude, speed and frequency of land-cover changes using annual high spatial resolution land cover maps.
What is the major research question?
Describe here briefly the problem to be solved by the research, the starting hypothesis, and the questions addressed by the experiments.
The initial hypothesis of this project is that the classification accuracy of land-cover elements can be increased by multitemporal and dense time series data. These data describe the changes and trends more accurately and provide additional, more complex information about the location, speed, direction and magnitude of changes and their drivers.
This study answers the following questions: (1) Landsat and Senitinel-2 satellite will provide images with very high temporal resolution, however cloud coverage and atmospheric conditions can reduce the number of images used for the analysis. Therefore, it needs to be clarified, how many cloud-free measurements will be available per year. Are the available cloud-free images suitable for multitemporal land-cover classification in country or only local level (e.g. natural risk, inland excess water, flood mapping)? (2) How do the parameters (e.g. biomass production) or the area of land-cover types (impervious surface, tree cover and agriculture fields) change within a year? How could those key acquisition dates be determined objectively, which are most appropriate to map each land-cover types? (3) What trends in changes of impervious surface can we determine using dense long-time series (e.g. newly built-up zones)? How does forest area change in the past decades (deforestation, forest plantation)? What kinds of processes are typical and how much do these affect the environmental conditions?
In addition, “Big Data” requires further methodological investigation, and the adaptation of methods used for coarse resolution time series data is a current issue in remote sensing studies.
What is the significance of the research?
Describe the new perspectives opened by the results achieved, including the scientific basics of potential societal applications. Please describe the unique strengths of your proposal in comparison to your domestic and international competitors in the given field.
The open data policy of NASA and ESA provides freely available high resolution satellite images. Analysis of time series data derived from high resolution datasets is a current task in remote sensing studies. The results of this research offer decision makers significant and accurate information about the changes of land-cover types and future trends. Land cover is an essential climatic variable and a key input of ecosystem services. There are regulations for land degradation (Rio de Janeiro, 2012) and forest management (Kyoto Protocol,1992), which participants have to follow.
Since Hungary became the 22nd Member State of ESA in 2015, it is very important to use the Sentinel data by Hungarian experts. Restricted access to data is no longer a limiting factor in remote sensing applications. The investigation and development of methods facilitate the aims of remote sensing community. In Hungary, new projects dealing with Sentinel-2 data analysis or applications have not started yet.
The land-cover monitoring, natural hazard mapping and agricultural application require dense time series data, and this research can recommend the necessary methods. The number of cloud-free pixel from a year will provides important information about the possibilities of multitemporal application at country level. Previous studies in remote sensing literature have already shown the number of available images (e.g., cloud-cover<50%) for a Landsat tile, however, it needs to be clarified how many cloud-free measurements will be suitable for multitemporal classification (e.g. 2, 3 or more measurements for each pixel).
Hungarian researchers analyzed mainly thematic maps derived from monotemporal images from different years using post-classification approaches. The dynamics of land-cover types have not investigated using high resolution dense time series data yet. Kovacs F. used coarse spatial resolution time series data (MODIS) to detect aridification processes and Kristóf D. applied MODIS time series in agricultural applications. The analysis of seasonal differences of land-cover types and the selection of key phenological dates can provide new results in the international literature.
Summary and aims of the research for the public
Describe here the major aims of the research for an audience with average background information. This summary is especially important for NRDI Office in order to inform decision-makers, media, and others.
The Earth’s surface changes and their negative effects on the environment become more significant because urbanization, deforestation and intensification of agriculture were accelerated over the past decades. Earth observation systems provide repeated, synoptic and complex measurements of these processes. The Landsat program offers a 40-year long satellite image archive, which allows us to monitor land-cover changes over past decades and derive future trends. From 2015 the European Space Agency’s (ESA) Sentinel-2 satellite is also monitoring the land surface condition. All satellite images of the Sentinel and Landsat data archives are freely available for all users. Since Hungary became the 22nd Member State of ESA in 2015, it is very important to use the Sentinel data by Hungarian experts and the results will be utilized widely.
This research analyzes long-term changes of impervious surface, tree cover and agriculture field for three Hungarian study areas. Analysis requires new methods, which can handle the large and complex data sets. Furthermore, such environmental parameters need to be determined, which can describe the direction and the magnitude of changes.
|
|
|
|
|
|
|
|
| |
Közleményjegyzék |
|
|
| Szilassi Péter: In the first half: According to the work plan the cloud mask and Quality Assessment bands of Landsat 8 images from 2014 to 2016 for Hungary. Because of the operational, Tájökológiai lapok 2017 15 (2) p.131-138, 2017 | | Kovács, Ferenc; Gulácsi, András: Spectral index-based monitoring (2000-2017) in lowland fo-rests to evaluate the effects of climate change, Geosciences 9 (10), 2019 | | Gudmann András; Mucsi László; Henits László: A CORINE felszínborítási térkép automatikus előállításának lehetősége döntésifa-osztályozó segítségével, Geodézia és Kartográfia, 2019 | | Gudmann András; Mucsi László: Döntési fa és véletlen erdő osztályozási módszerekkel készített felszínborítási térképek pontosságának összehasonlító elemzése, AZ ELMÉLET ÉS A GYAKORLAT TALÁLKOZÁSA A TÉRINFORMATIKÁBAN X. konferenciakötet, 2018 | | András Gudmann, Nándor Csikós, Péter Szilassi, László Mucsi: Improvement in satellite image-based land cover classification with landscape metrics, Remote Sens. 2020, 12, x; doi: FOR PEER REVIEW, 2020 | | Boudewijn van Leeuwen, Zalán Tobak, Ferenc Kovács: MACHINE LEARNING TECHNIQUES FOR LAND USE/LAND COVER CLASSIFICATION OF MEDIUM RESOLUTION OPTICAL SATELLITE IMAGERY FOCUSING ON TEMPORARY INUNDATED AREAS, Journal of Environmental Geography 13 (1–2), 43–52. DOI: 10.2478/jengeo-2020-0005 ISSN 2060-467X, 2020 | | András Gulácsi, Ferenc Kovács: Sentinel-1-Imagery-Based High-ResolutionWater Cover Detection on Wetlands, Aided by Google Earth Engine, Remote Sens. 2020, 12, 1614; doi:10.3390/rs12101614, 2020 | | Levente Papp, Boudewijn van Leeuwen, Péter Szilassi, Zalán Tobak, József Szatmári, Mátyás Árvai, János Mészáros, László Pásztor: Monitoring invasive plant species using Hyperspectral Remote Sensing Data.., RSEC-2020-05-0037 (under review), 2020 | | Gudmann András; Mucsi László; Henits László: A CORINE felszínborítási térkép automatikus előállításának lehetősége döntésifa-osztályozó segítségével, Geodézia és Kartográfia, 2019 | | András Gudmann, Nándor Csikós, Péter Szilassi, László Mucsi: Improvement in satellite image-based land cover classification with landscape metrics, Remote Sensing 12(21), 3580, 2020 | | Dang Hung Bui, László Mucsi: From Land Cover Map to Land Use Map: A Combined Pixel-Based and Object-Based Approach Using Multi-Temporal Landsat Data, a Random Forest Classifier, and Decision Rules, Remote Sensing 2021, 13(9), 1700, 2021 | | Bui Dang Hung, Mucsi László: Comparison of layer-stacking and Dempster-Shafer theory-based methods using Sentinel-1 and Sentinel-2 data fusion in urban land cover mapping, Geo-spatial Information Science under review, 2021 | | Varga, Á., Szatmári, J., Tobak, Z., van LEEUWEN, B., Mucsi, L.: Épületek napenergia-potenciáljának számítása fotogrammetriai módszerekkel előállított adatok felhasználásával, Geodezia es Kartografia 73(2), pp. 4-9, 2021 | | Gudmann András, Nizom Farmonov, Bónus Krisztián, Mucsi László: DESIS hiperspektrális űrfelvételek első magyarországi alkalmazása terméshozam becslésre, XII. Térinformatikai Konferencia és Szakkiállítás Az elmélet és a gyakorlat találkozása - Konferenciakötet, 2021 | | Khilola Amankulova, Nizom Farmonov, András Gudmann, Krisztián Bónus, László Mucsi: Investigation the reason of affected Hybrid Corn in Agricultural Fields by Using Multi-Temporal Sentinel-2 Images in Mezohegyes, South-Eastern Hungary, XII. Térinformatikai Konferencia és Szakkiállítás Az elmélet és a gyakorlat találkozása - Konferenciakötet, 2021 | | Bui, Dang Hung; Mucsi, László: Comparison of layer-stacking and Dempster-Shafer theory-based methods using Sentinel-1 and Sentinel-2 data fusion in urban land cover mapping, GEO-SPATIAL INFORMATION SCIENCE, 2022 | | Bui Dang Hung, Mucsi László: Comparison of layer-stacking and Dempster-Shafer theory-based methods using Sentinel-1 and Sentinel-2 data fusion in urban land cover mapping, GEO-SPATIAL INFORMATION SCIENCE, 2022 | | Bui Dang Hung, Mucsi László: From Land Cover Map to Land Use Map: A Combined Pixel-Based and Object-Based Approach Using Multi-Temporal Landsat Data, a Random Forest Classifier, and Decision Rules, REMOTE SENSING 13: (9) 1700, 2021 | | Gudmann András, Csikós Nándor, Szilassi Péter, Mucsi László: Improvement in Satellite Image-Based Land Cover Classification with Landscape Metrics, REMOTE SENSING 12: (21) p. 3580., 2020 | | Gudmann András, Mucsi László: Döntési fa és véletlen erdő osztályozási módszerekkel készített felszínborítási térképek pontosságának összehasonlító elemzése, In: Molnár, Vanda Éva (szerk.) Az elmélet és a gyakorlat találkozása a térinformatikában X.: Theory meets practice in GIS, Debreceni Egyetemi Kiadó (2019) pp. 91-100., 2019 | | Gudmann András, Mucsi László, Henits László: A CORINE felszínborítási térkép automatikus előállításának lehetősége döntésifa-osztályozó segítségével, GEODÉZIA ÉS KARTOGRÁFIA 71: (2) pp. 9-13., 2019 | | Henits L, Mucsi L, Liska C M: Monitoring the changes in impervious surface ratio and urban heat island intensity between 1987 and 2011 in Szeged, Hungary, ENVIRONMENTAL MONITORING AND ASSESSMENT 189: (2) 86, 2017 | | Henits L, Mucsi L, Liska C M: Monitoring the changes in impervious surface ratio and urban heat island intensity between 1987 and 2011 in Szeged, Hungary, ENVIRONMENTAL MONITORING AND ASSESSMENT 189: (2) 86, 2017 | | László Mucsi, Csilla Mariann Liska, László Henits, Zalán Tobak, Bálint Csendes, László Nagy: The evaluation and application of an urban land cover map with image data fusion and laboratory measurements, HUNGARIAN GEOGRAPHICAL BULLETIN (2009-) 66: (2) pp. 145-156., 2017 |
|
|
|
|
|
|
|
|
|
