Abstract
In fase 2 van dit SBIR-traject is een prototype van HYSTA ontwikkeld, een informatietool waarmee de Nederlandse krijgsmacht inzicht krijgt in de begaanbaarheid van terrein. HYSTA moet sneller een beter beeld geven over de status van een missiegebied. HYSTA wordt bottom-up gevoed door a-priori kennis en top-down aangevuld en verfijnd met satellietdata waaronder hyperspectrale data. Met al deze gegevens zullen zowel statische als dynamische informatielagen worden gegenereerd omtrent Reliëf, Afwatering en vochtgehalte, Bodemtype (USCS-klasse), Vegetatie en Infrastructuur (de RABVI lagen), zodat defensie informatiegestuurd kan optreden. De aanvullende elementen die in fase 2 benodigd zijn geweest om het prototype van de tool te ontwikkelen waren: datafusie, vochtgehalte, opschaalbaarheid in ruimte en tijd, validatie van de resultaten en het gebruik van a-priori informatie.
Fase 2 van het project bouwt voort op fase 1, de haalbaarheidsstudie. In fase 1 hebben wij aangetoond dat het mogelijk is om vegetatie en bodemtype te onderscheiden uit hyperspectrale satelliet remote sensing data. In Fase 2 hebben we met aanvullende pilotgebieden in Mali, Spanje en Nederland getest of de methode opschaalbaar is in ruimte en tijd. Daarnaast zijn er bathymetrie-, vochtgehalte en reliefkaarten gemaakt met andere databronnen d.m.v. datafusie.
Voordelen van hyperspectrale remote sensing data in vergelijking met conventionele optische remote sensing zijn het groot aantal spectrale banden (>200) in het zonnespectrum (400-2500 nm) die het mogelijk maken nauwkeurige, aaneengesloten spectrale signaturen te meten per pixel die 1) gebruikt worden voor land cover classificatie, en 2) absorptiebanden in deze spectra maken het mogelijk bodembestanddelen, mineralen en vegetatie pigmenten te identificeren per pixel. De huidige nadelen zijn de lage ruimtelijke resolutie (30x30m), meer ruis in de spectra door de smalle banden en de gevoeligheid voor atmosferische verstoring.
Om RABVI lagen te kunnen afleiden met hyperspectrale data is datafusie altijd nodig, hetzij met andere remote sensing data of met geo-data. Het is niet mogelijk om een generieke datafusie oplossing te kiezen, dit is sterk locatieafhankelijk.
Patronen in bodemvocht kunnen inzichtelijk worden gemaakt met hyperspectrale WISOIL-index en thermische TVX-methode. Kwantificatie met TVX methode is mogelijk, maar sterk afhankelijkheid van zeer actuele gronddata, heeft daarmee een beperkt praktische toepasbaarheid en is ook minder geschikt voor gebieden met vegetatie.
De verschillende pilotgebieden die we gebruikt hebben tonen aan dat het mogelijk is om op te schalen naar andere gebieden mits er data beschikbaar is. De opschaalbaarheid is sterk afhankelijkheid van de mogelijkheid tot datafusie en beschikbare gebiedsinformatie. Vergelijking met andere gegevens laat zien dat in grote lijnen modeluitkomsten o.b.v. hyperspectrale data worden bevestigd, maar dat een absolute kwantificatie erg lastig te maken is. Puntsgewijze validatie met monstername en veldtesten zal nooit een goede gebiedsdekkende validatie kunnen geven. De ontwikkeling van een werkende proof-of-concepttool in ArcGIS-omgeving blijkt mogelijk, en de modulaire aanpak maakt uitbreiding met nieuwe modules vrij eenvoudig. Het is uitdagend dat de tool binnen de ArcGIS-omgeving moet zijn i.v.m. vereisten vanuit Defensie: de ArcGIS(-Pro)-omgeving is minder compatible met andere GIS/Pythonsystemen dan bijvoorbeeld het open-source QGIS.
Het gebruik van hyperspectrale satelliet remote sensing dat is op dit moment alleen kansrijk om te gebruiken in een toepassing in combinatie met andere satellietdata of geo-data bronnen. De hyperspectrale toepassing staat nu nog te veel in de kinderschoenen om een wijde uitrol te kunnen bewerkstelligen. Toename in beschikbare hyperspectrale data verbeteren waarschijnlijk de opschaalbaarheid in toekomst.
De Nederlandse defensie heeft in haar toekomstvisie 2035 voor zichzelf een belangrijke eigenschap toegedicht, namelijk: Informatiegestuurd Opstreden (IGO). De toepassing die wij in deze fase van de SBIR voor ogen hebben heeft een zeer duidelijk informatiegestuurd karakter en past daarmee uitstekend bij deze eigenschap en heeft potentieel om deze verder voor defensie te ontwikkelen.
Fase 2 van het project bouwt voort op fase 1, de haalbaarheidsstudie. In fase 1 hebben wij aangetoond dat het mogelijk is om vegetatie en bodemtype te onderscheiden uit hyperspectrale satelliet remote sensing data. In Fase 2 hebben we met aanvullende pilotgebieden in Mali, Spanje en Nederland getest of de methode opschaalbaar is in ruimte en tijd. Daarnaast zijn er bathymetrie-, vochtgehalte en reliefkaarten gemaakt met andere databronnen d.m.v. datafusie.
Voordelen van hyperspectrale remote sensing data in vergelijking met conventionele optische remote sensing zijn het groot aantal spectrale banden (>200) in het zonnespectrum (400-2500 nm) die het mogelijk maken nauwkeurige, aaneengesloten spectrale signaturen te meten per pixel die 1) gebruikt worden voor land cover classificatie, en 2) absorptiebanden in deze spectra maken het mogelijk bodembestanddelen, mineralen en vegetatie pigmenten te identificeren per pixel. De huidige nadelen zijn de lage ruimtelijke resolutie (30x30m), meer ruis in de spectra door de smalle banden en de gevoeligheid voor atmosferische verstoring.
Om RABVI lagen te kunnen afleiden met hyperspectrale data is datafusie altijd nodig, hetzij met andere remote sensing data of met geo-data. Het is niet mogelijk om een generieke datafusie oplossing te kiezen, dit is sterk locatieafhankelijk.
Patronen in bodemvocht kunnen inzichtelijk worden gemaakt met hyperspectrale WISOIL-index en thermische TVX-methode. Kwantificatie met TVX methode is mogelijk, maar sterk afhankelijkheid van zeer actuele gronddata, heeft daarmee een beperkt praktische toepasbaarheid en is ook minder geschikt voor gebieden met vegetatie.
De verschillende pilotgebieden die we gebruikt hebben tonen aan dat het mogelijk is om op te schalen naar andere gebieden mits er data beschikbaar is. De opschaalbaarheid is sterk afhankelijkheid van de mogelijkheid tot datafusie en beschikbare gebiedsinformatie. Vergelijking met andere gegevens laat zien dat in grote lijnen modeluitkomsten o.b.v. hyperspectrale data worden bevestigd, maar dat een absolute kwantificatie erg lastig te maken is. Puntsgewijze validatie met monstername en veldtesten zal nooit een goede gebiedsdekkende validatie kunnen geven. De ontwikkeling van een werkende proof-of-concepttool in ArcGIS-omgeving blijkt mogelijk, en de modulaire aanpak maakt uitbreiding met nieuwe modules vrij eenvoudig. Het is uitdagend dat de tool binnen de ArcGIS-omgeving moet zijn i.v.m. vereisten vanuit Defensie: de ArcGIS(-Pro)-omgeving is minder compatible met andere GIS/Pythonsystemen dan bijvoorbeeld het open-source QGIS.
Het gebruik van hyperspectrale satelliet remote sensing dat is op dit moment alleen kansrijk om te gebruiken in een toepassing in combinatie met andere satellietdata of geo-data bronnen. De hyperspectrale toepassing staat nu nog te veel in de kinderschoenen om een wijde uitrol te kunnen bewerkstelligen. Toename in beschikbare hyperspectrale data verbeteren waarschijnlijk de opschaalbaarheid in toekomst.
De Nederlandse defensie heeft in haar toekomstvisie 2035 voor zichzelf een belangrijke eigenschap toegedicht, namelijk: Informatiegestuurd Opstreden (IGO). De toepassing die wij in deze fase van de SBIR voor ogen hebben heeft een zeer duidelijk informatiegestuurd karakter en past daarmee uitstekend bij deze eigenschap en heeft potentieel om deze verder voor defensie te ontwikkelen.
Original language | Dutch |
---|---|
Place of Publication | Amersfoort |
Number of pages | 36 |
Volume | 1 |
Publication status | Published - 2022 |
Keywords
- hyperspectral remote sensing
- terrains
- Accessibility analysis