Tarkat satelliittikuva-aineistot
Kirjoittaja: Eija Parmes
Artikkeli pdf-muodossa (Positio 4/2010)
Taulukko satelliittien ominaisuuksista (pdf).
Tarkkoja satelliittikuvia on tarjolla kattavasti. Kullakin kaukokartoitussatelliitilla on omat ominaispiirteensä, jotka aineiston käyttäjän on hyvä tuntea.
Ikonos-satelliitti vuodelta 1999 oli ensimmäinen uuden sukupolven kaukokartoitussatelliitti. Näiden erittäin korkean resoluution satelliittikuvien (VHRSI, Very High Resolution Satellite Image) resoluutio, tai tarkemmin GSD (Ground Sampling Distance) on 0,4 – 5 metriä.
Pankromaattiset kuvat ovat tarkimpia. Esimerkiksi GeoEye-1-satelliitin pankromaattisen kuvan resoluutio on 0,41 m. Kapeiden aallonpituusalueiden, kuten punaisen, sinisen, vihreän ja lähi-infran kuvien resoluutio on tyypillisesti nelinkertainen. Geo-Eye-1:llä se on 1,64 m.
VHRSI-kuvissa on vähemmän aallonpituusalueita kuin pienemmän resoluution satelliittikuvissa. Uusin, vuonna 2009 laukaistu WorldView-2-satelliitti paikkaa tätä aukkoa, mutta pidemmillä infra-alueilla (2-3 um) kuvaavat edelleen vain pienemmän resoluution satelliitit.
Kuvaukset on suunnattavissa samalta radalta eteen ja taakse tai eri radoilta samalle alueelle 45 asteen kuvauskulmaan asti (vaihtelee eri satelliiteilla), joten kuvat soveltuvat stereokartoitukseen.
Satelliiteissa on valinnanvaraa
Ikonos-satelliitti jatkaa kuvauksia jo neljättä vuotta yli suunnitellun ajan. Matalamman lentoradan tai suuren teleskoopin sijasta sen 1 metrin pikselikoko saavutettiin pidentämällä polttoväliä peilien avulla.
Resurs DK1-satelliitissa käytetään pitkää teleskooppia tarkkaan kuvaamiseen. Siinä on myös laite, joka mittaa korkeaenergisiä hiukkasia, joiden arvellaan ennustavan maanjäristyksiä. Satelliitin erikoisuutena on elliptinen rata eikä se ole aurinkosynkroninen kuten lähes kaikki muut kaukokartoitussatelliitit. Arkistokuvat kattavat laajalti maapalloa ja ovat suhteellisen edullisia.
RapidEye-satelliittien erotuskyky on hieman edellisiä huonompi (6,5 m), mutta sen etuna on satelliittien lukumäärä. Järjestelmään kuuluu viisi samanlaista satelliittia, joten laaja alue saadaan kuvattua lyhyessä ajassa, sama alue päivittäin myös nadiirikuvauksena ja tiheämmin kuin muilla satelliiteilla. Tästä syystä muun muassa Ranskan maatalouden ja ympäristön tutkimuslaitos on tilannut RapidEye-kuvat koko Ranskan alueelta.
Uusinta tekniikkaa edustaa WorldView-2, joka kuvaa useammalla aallonpituuskanavalla kuin muut tarkat satelliitit. Siinä on neljä klorofyllin, kasvillisuuden, kasvitautien ja biomassan kartoitukseen optimoitua aallonpituusaluetta perinteisten punaisen, sinisen, vihreän ja lähi-infran lisäksi. Kuvien resoluutio on 0,46/1,8 metriä.
Lähitulevaisuuden VHRSI-satelliitteja ovat GeoEye-2 0.25/1 metrin pikselikoolla ja Spot Imagen Spot 6 ja Spot 7 -satelliitit 1,5/6 metrin pikselikoolla. Spot Imagen Pleiades-konstellaatioon tulee alussa kuulumaan kaksi satelliittia ja radansuuntainen tristereo-ominaisuus eli kuvaus eteen, alas ja taakse.
Geometria vastaa 1:10 000 – 1:20 000 kartoitusta
Satelliittikuvien toimittajat eivät luovuta kuvien mukana ns. tarkkoja sensorimalleja (RSM, Rigorous Sensor Model) vaan ainoastaan niiden avulla tuotettuja oikaistuja kuvatuotteita. Ns. GEO-tuotteet on tyypillisesti oikaistu ilman korkeusmallia, mutta PRECISION-tuotteissa maastovirhe on poistettu korkeusmallin avulla. Esimerkiksi Ikonos ja Quickbird PRECISION Plus -tuotteiden sijaintitarkkuudeksi luvataan 2 – 4 metriä sekä taso- että korkeussuunnassa (Qiao et al.).
Kuvien ostajat saavat käyttöönsä sensorimalleista johdetut kolmannen asteen polynomien kertoimet (RPC, Rational Polynomial Coefficient), joilla kuvat saadaan paikannettua noin 15-30 metrin tarkkuudella ilman tukipisteiden käyttämistä. Kun näiden lisäksi käytetään muutamia tukipisteitä, saavutetaan tyypillisesti 2-4 metrin paikannustarkkuus. Kun otetaan vielä huomioon resoluutio, niin satelliittikuvien geometrinen tarkkuus vastaa 1: 10 000 – 20 000 kartoitusta.
Hyötyjä kuvaustiheys ja kuva-alueiden yhtenäisyys
Mitä sitten ovat erittäin korkean resoluution satelliittikuvien hyödyt verrattuna vielä tarkempiin ilmakuviin ja laserkuvauksiin? Kuvia otetaan tiheästi, joten yhtenäistä kuva-aineistoa on helposti saatavana myös laajoilta alueilta. Kuvilla on stabiili sisäinen geometria, mikä vähentää tarvittavien tukipisteiden määrää. Lisäksi satelliittiaineisto sisältää tietoa eri aallonpituusalueilta.
Tiheiden kuvausmahdollisuuksien takia satelliittikuvat sopivat jatkuvasti muuttuvien puuston ja kasvillisuuden kartoitukseen, monitorointiin ja muutosten seurantaan. Kuvat soveltuvat kartoitukseen myös taajama- ja kaupunkialueilla, missä puurivistöt ja yksittäiset puut ovat tärkeitä.
Laajat yhtenäiset kuvausalueet vähentävät yhteensovitettavien kuvien lukumäärää ja mahdollistavat samojen mallien käytön estimoinnissa ja luokituksessa. Laajojen alueiden katastrofitilanteissa satelliitit ohjelmoidaan kuvaamaan katastrofialueita ja kuva-aineisto saadaan analysoitavaksi maapallon eri puolille.
Tarkkoja satelliittikuvia käytetään kaupunkimallinnukseen. Esimerkiksi Alobeid et al. esittää puoliglobaalin sovitusmenetelmän (SGM= Semi Global Matching), joka perustuu dynaamiseen ohjelmointiin ja soveltuu myös äkillisten korkeusvaihteluiden kartoittamiseen. Menetelmällä saa kartoitettua tasakattoiset rakennukset Ikonos-kuvalta 1 metrin korkeustarkkuudella. Tarkempi ja eri muotoisten kattojen kartoitus edellyttää ilmakuvien tai lidar-aineiston käyttöä.
Yksi orto-oikaistu VHRSI-kuva maksaa 100 neliökilometrin alueelta noin 3000 euroa. Jos haluaa ohjelmoida kuvauksen etukäteen, esimerkiksi jos kuvausajankohta on tärkeä, kuvaus on kiireinen tai tarvitaan stereokuvia, tämä maksaa on noin 500 euroa lisää. Luvut kertovat suuruusluokan ja vaihtelevat satelliitin ja prosessointitason mukaan.
Kirjoittaja toimii VTT:ssä tutkijana aiheena kaukokartoitusaineiston kalibrointi- ja analyysimenetelmät. Sähköposti: eija.parmes[at]vtt.fi
Lisätietoa:
Qiao, G., Wang,W., Wu, B., Liu, C., and Li, R. 2010. Assessment of geo-positioning capability of high resolution satellite imagery for densely populated high buildings in metropolitan areas. Photogrammetric Engineering and Remote sensing, Vol. 76, No. 8, pp. 923-934.
Alobeid, A., Jacobsen, K., and Heipke, C. 2010. Comparison of matching algorithms for DSM generation in urban areas from Ikonos imagery. Photogrammetric Engineering and Remote sensing, Vol. 76, No. 9, pp. 1041-1050.
16.12.2010 13:37