Frans J.M. van der Wel

Assessment and visualisation of uncertainty in remote sensing land cover classifications

Samenvatting

Afleiding en visualisatie van onzekerheden in remote sensing landbedekkingsclassificaties

Instrumenten aan boord van satellieten en vliegtuigen zijn in staat om het uiterlijk en de toestand van onze planeet af te leiden door de hoeveelheid uitgezonden en gereflecteerde electromagnetische straling op te meten. De resulterende gegevensstroom is enorm en neemt nog immer toe, en vormt de basis voor een groot aantal computer-gebaseerde verwerkingsmethoden voor tal van toepassingen. De classificatie van deze remote sensing (rs) data in nominale klassen is bijvoorbeeld zinvol voor de extractie van kartografische informatie die gebruikt kan worden in thematische landbedekkingskaarten.

De fitness for use van een rs gegevensbestand is bepalend voor het zinvolle kartografische gebruik. De waarde van de classificatie voor een bepaald gebruik kan bepaald worden aan de hand van een nauwkeurigheidsbepaling. Daartoe wordt een foutenmatrix afgeleid voor de betreffende classificatie door steekproefgegevens uit het geclassificeerde bestand en uit een referentiebestand ("de werkelijkheid") aan elkaar te koppelen. Toch is een nauwkeurigheidsbepaling te beperkt omdat het geen ruimtelijke informatie verschaft ("waar zitten de fouten") en veelal slechts algemene statistieken omvat ("95% nauwkeurigheid voor het gehele beeld"). Verder veresit deze benadering veldwerk om actuele referentiedata af te leiden, een tijdrovende en dure bezigheid. Het gevaar is dat een gebruiker van deze data besluit dan maar helemaal niet om te kijken naar dergelijke "indicatoren van geschiktheid" zodat mogelijk ontverantwoord gebruik wordt gemaakt van het geclassificeerde bestand.

Behalve nauwkeurigheid wordt de term kwaliteit vaak gebruikt om te verwijzen naar de mate waarin de eigenschappen van het gegevensbestand overeenkomen met de eisen van de voor ogen staande toepassing waarin het gebruikt zal worden. Een hoge mate van kwaliteit geeft een relatief hoog informatiegehalte aan, opnieuw ten aanzien van de beoogde toepassing - een goede fitness for use. Daarnaast is onzekerheid een sleutelbegrip in de kwaliteitsbepaling en daardoor in de vaststelling van de fitness for use van een gegevensbestand.

Gedurende de "levensloop" van rs data worden onzekerheden geïntroduceerd en "voortgeplant", veelal op een onbekende wijze. Teneinde deze onzekerheden nader te onderzoeken moeten maten worden bepaald aan de hand waarvan een kwantitatief inzicht kan worden verkregen. Het doel dat in dit proefschrift wordt nagestreefd is het gebruik van dergelijke onzekerheidsmaten gedurende de exploratieve analyse van rs classificaties. Hiermee wordt getracht inzicht te verkrijgen in de sterkte van de klassentoekenningen. Kennis over onzekerheid is hierbij van doorslaggevend belang. Het classificeren van een rs bestand is veelal een iteratief proces dat profijt kan trekken van een tussentijdse rapportage van de hoeveelheid onzekerheid. Daar deze onzekerheden ook ruimtelijk verdeeld zijn ligt kartografische visualisatie als communicatiemiddel voor de hand. Een belangrijk deel van het onderhavige proefschrift is dan ook ingericht rondom onzekerheidsmaten en kartografische visualisatiemethoden.

De onzekerheid die wordt geïntroduceerd gedurende de classificatie van een rs gegevensbestand wordt gekenschetst door de waarschijnlijkheidsvectoren die een produkt vormen van de meeste probabilistische classificatiemethoden. De nadruk ligt hier op zogenaamde maximum a posteriori classificaties waarbij voor iedere pixel in de data een vector van waarschijnlijkheden wordt berekend. De waarden vertegenwoordigen, voor elk van de onderscheiden klassen, de waarschijnlijkheid dat deze klasse de werkelijke klasse is. De vectoren geven de verschillen in onzekerheid weer die zich in de classificatie voordoen, en kunnen opgeslagen worden in een gis om als basis te dienen voor de afleiding van "gewogen" onzekerheidsmaten zoals entropie.

Naast de bepaling van onzekerheid moeten de inspanningen ook gericht worden op het terugdringen van de hoeveelheid onzekerheid in een rs gegevensbestand. De maximum a posteriori classificatieregels die hier worden behandeld geven ruimte aan het meewegen van a priori kennis in het classificatieproces, op een niveau dat het eenvoudig toekennen van een prior per klasse in bestaande beeldverwerkingsprogramma's ver overschrijdt. Een andere strategie behelst de toepassing van ideeën achter beslisanalyse, waarmee optimale beslissingen worden nagestreefd gegeven de onzekerheid in de informatieklassen. Het combineren van waarschijnlijkheidsleer en utiliteitentheory draagt bij aan de selectie van de beste beslissing onder de gegeven omstandigheden.

Zowel de probabilistische resultaten van de classificatieprocedure als andersoortige kwaliteitsinformatie kan worden onderworpen aan kartografische visualisatieregels teneinde tot een raamwerk te komen voor de communicatie van dergelijke ruimtelijke meta-data. Statische maar ook meer dynamische benaderingen bieden aanknopingspunten voor de gis gebruiker die eenvoudige maar overtuigende visualisaties nodig heeft om de fitness for use te achterhalen.

Commerciële gis programma's schieten nog steeds tekort wanneer het om onzekerheid in ruimtelijke gegevens gaat. Dit heeft geleid tot het starten van een projectgroep camotius waarbinnen de functionaliteit van een "onzekerheidsmodule" voor een "rs vriendelijk" gis is nagegaan. Een dergelijk systeem zou bijzonder waardevol zijn voor Nederlandse toepassingen waarbinnen de meerwaarde van rs data niet boven elke twijfel verheven is. Daartoe zijn 2 case studies uitgevoerd waarin de rol van rs voor ruimtelijke ordening is benadrukt: het volgen van ontwikkelingen in ruimte en tijd (monitoring) en het afleiden van actuele inventarisaties, beide gericht op de glastuinbouw in het westen van het land. Het expliciet beschouwen van onzekerheidsinformatie maakt de gebruiker bewust van de werkelijke meerwaarde van de rs data voor de beoogde toepassing. Om een en ander concreet te demonstreren is een software programma geschreven dat via de button hieronder kan worden gedownload.

Laatste keer bijgewerkt op 13 maart 2000 door Peter van der Krogt.