Advanced Earth Observation Techniques

[ORAL ] Prof. Canters is very friendly during the exam. He lets you explain everything and doesn't really look at your notes. He asks many additional questions until you get stuck.

2022-2023 (oral again, 2 questions per person)

16/01

1. MESMA

• Explain MESMA. Explain why this is better than linear SMA.

• Explain the two approaches how Degerickx et al. (2019) used LiDAR data to improve the performance of MESMA.

• Which one did improve MESMA the most?

2. SPARK

• Explain SPARK.

• Explain the disadvantages and advantages towards region based.

1. Textures:

• What is the difference between first order and second order texture measures?

• Explain how a GLCM is constructed with a numerical example.

• Two second order texture meaures given (entropy and contrast). What texture measures do they represent? How can we use these measures to differentiate agricultural from urban land use?

2. Regression

• Explain Priem et al. (2019). How did they use map-based and library-based for training data?

• Give the advantages and disadvantages of both approaches.

2021-2022

1. MESMA

• Explain MESMA in detail.

• Explain the two approaches how Degerickx et al. (2019) used LiDAR data to improve the performance of MESMA. (WASMA should not be explained) How does the accuracy change?

• Degerickx et al. (2019) first performed their analysis on a simulated APEX image before doing this on the actual APEX image. Why did they do this? What are the advantages of first performing the analysis on a simulated APEX image?

2. Textures

• Work out a simple numerical example to explain how a grey-level co-occurence matrix is created.

• Two second order texture measures formulas are given. What texture measures do they represent? How can we use these measures to differentiate agricultural from urban land use? (contrast & entropy)

• Explain how we can determine the optimal window size when we want to classify our image based on second-order texture measures.

2020-2021

• Explain SPARK and OSPARK

• Explain how Degerickx et al. used Lidar in 2 ways fro improving the performance of MESMA (explanation of WASMA not needed)

• Explain regression trees. When do you use this?

2018-2019

• Explain LSMA, what are the assumptions? What is the differences with MESMA? What are the advantages?

• How did Canters and Priemer (2016) use LIDAR to improve their classification. What shadow masks were used?

• Explain the concept of regression trees (Example of the powerpoint is given). When do you expect this to work better than a normal regression approach?

• How are graphs used to infer Land Use from Land Cover? Explain how Walde et al. used graphs in their approach. Explain their case study, methodology and the most important conclusions.

2016-2017

• Song (given figure of Ikonos and Landsat ETM+), explain formulas and explain influence of the background reflectance of non-vegetation

• How can you account for uncertainty in the ground truth data? (expand diagonal OR fuzzy error matrix).

2015-2016

• Discuss the semi-variogram (with the use of the figure in the course). Wherefore is this used?

• What difficulties do you experience when using Landsat images to generate land cover classes (impervious, soil, vegetation). What does Wu (2004) uses? Discuss LMSA. How is the accuracy assessed (Extra questions: the difference between MAE and RMSE, what metric is highest?(RMSE looks at more outliers, What is the spatial resolution of the orthopotos? (3 cells)).

• Discuss the fuzzy error matrix. Why is it used. OR: How can you account for uncertainty in the ground trhuth data? (--> fuzzy matrices)

• Explain Song. (dat mag adhv figuur slide 1.16) en leg uit hoe Song verklaart waarom de achtergrond reflectance een invloed heeft bij dit model

• Explain LSMA. Which assumptions are there made for LSMA.

• Explain the technique used by Van de Voorde et Al.. What are the main strengths and weaknesses of this technique.

• GLCM, explain it. Give an numerical example. There are formulas given of entropy and contrast (only formulas, no explanation), explain the formulas.

• Discuss paper of Canters. What method did he use?

2014-2015

• Song: bespreek (dat mag adhv figuur slide 1.16) en leg uit hoe Song verklaart waarom de achtergrond reflectance een invloed heeft bij dit model (of zoiets).

• Gegeven: 2 texture formules (het waren de 'contrast' en 'entropy' formules, maar dat stond er niet bij...) vraag: Wat is een GLCM en hoe wordt deze geconstrueerd? Toon met een numerisch voorbeeld. Wat is het voordeel van deze measures tov first order texture measures? Hoe werken de gegeven texture measures (leg uit mbv de formule) en hoe kun je ze gebruiken om agriculture van urban te gaan onderscheiden. Wat zijn de moeilijkheden bij het werken met texture?

• Bespreek de verschillende manieren om een medium resolution land cover map om te vormen naar een land use map. Wat zijn de voordelen en nadelen van kernel-based en region-based approaches?

2013-2014

• Leg SMA volledig uit: hoe werkt het, wat zijn de voordelen, wat zijn de veronderstellingen. Welke problemen kan je hebben met SMA als je werkt met Landsat? Wat is het VIS-model? Bespreek de methode van Lu en Weng (2004)

• Gegeven: 2 texture formules (het waren de 'contrast' en 'entropy' formules, maar dat stond er niet bij...) vraag: Wat is een GLCM en hoe wordt deze geconstrueerd? Toon met een numerisch voorbeeld. Hoe werken de gegeven texture measures en hoe kun je ze gebruiken om agriculture van urban te gaan onderscheiden. wat zijn de voordelen van het werken met texture, en wat zijn de moeilijkheden

  • bijvraag: wanneer zou je opteren om directioneel i.p.v. omnidirectioneel te werken?

2007 - 2008

• Bespreek de opbouw van een GLCM? Waarvoor wordt deze textuurmaat gebruikt? Wat is het voordeel van 2e orde textuurmaten ten opzichte van eerste orde textuurmaten? Hoe verklaar je de nauwkeurigheid die bekomen wordt bij het toepassen van textuurmaten?

• Bespreek het VIS -model. Wat zijn de problemen die gerelateerd zijn met het gebruik van het VIS model en hoe zou je die problemen oplossen?

• Verklaar de werking van MLP. Wat zijn de voordelen t.o.v. maximum likelihood? Wat zijn de nadelen van MLP?

• Leg uit wat een semi-variogram komt doen bij remote sensing.

• Postclassificatie change detection.

• Emperical line calibration + vb.

• Leg het principe van lineaire unmixing uit. wat zijn de voorwaarden
  voor deze methode?

• Beschrijf de voor en nadelen van pixelgebaseerde classificatie tov
  object-oriented classificatie