V dálkovém průzkumu Země se „pozemní pravdou“ rozumí informace shromážděné na místě. Pozemní pravda umožňuje vztahovat obrazová data ke skutečným prvkům a materiálům v terénu. Shromažďování údajů pozemní pravdy umožňuje kalibraci dat dálkového průzkumu a pomáhá při interpretaci a analýze toho, co je snímáno. Příklady zahrnují kartografii, meteorologii, analýzu leteckých snímků, družicové snímky a další techniky, při nichž se data shromažďují na dálku.
Přesněji řečeno, ground truth může odkazovat na proces, při němž se „pixel“ na družicovém snímku porovnává s tím, co je tam ve skutečnosti (v současné době), aby se ověřil obsah „pixelu“ na snímku (poznamenejme, že pojem „pixel“ je poněkud špatně definován). V případě klasifikovaného snímku umožňuje klasifikaci pod dohledem, která pomáhá určit přesnost klasifikace provedené softwarem dálkového průzkumu Země, a tím minimalizovat chyby v klasifikaci, jako jsou chyby z pověření a chyby z opomenutí.
Zemní pravda se obvykle provádí na místě, prováděním povrchových pozorování a měřením různých vlastností prvků buněk pozemního rozlišení, které jsou zkoumány na dálkově snímaném digitálním snímku. Zahrnuje také snímání zeměpisných souřadnic buňky pozemního rozlišení pomocí technologie GPS a jejich porovnání se souřadnicemi studovaného „pixelu“ poskytnutými softwarem dálkového průzkumu Země, aby bylo možné pochopit a analyzovat chyby umístění a to, jak mohou ovlivnit konkrétní studii.
Pozemní pravda je důležitá při počáteční klasifikaci obrazu pod dohledem. Pokud jsou identita a umístění typů půdního pokryvu známy díky kombinaci práce v terénu, map a osobních zkušeností, jsou tyto oblasti známé jako tréninková místa. Spektrální charakteristiky těchto oblastí se používají k trénování softwaru dálkového průzkumu pomocí rozhodovacích pravidel pro klasifikaci zbytku snímku. Tato rozhodovací pravidla, jako je klasifikace podle maximální pravděpodobnosti, klasifikace podle rovnoběžek a klasifikace podle minimální vzdálenosti, nabízejí různé techniky klasifikace obrazu. Další pozemní pravdivá místa umožňují dálkovému snímání vytvořit matici chyb, která ověřuje přesnost použité klasifikační metody. Různé klasifikační metody mohou mít pro daný klasifikační projekt různá procenta chyb. Je důležité, aby dálkový snímač zvolil klasifikační metodu, která nejlépe vyhovuje počtu použitých klasifikací a zároveň poskytuje nejmenší množství chyb.
Pozemní pravda také pomáhá při atmosférické korekci. Protože snímky z družic samozřejmě musí projít atmosférou, mohou být zkreslené kvůli absorpci v atmosféře. Pozemní pravda tak může pomoci plně identifikovat objekty na satelitních snímcích.
Chyby z pověřeníUpravit
Příkladem chyby z pověření je situace, kdy pixel hlásí přítomnost prvku (například stromů), který ve skutečnosti chybí (žádné stromy ve skutečnosti nejsou). Ground truthing zajišťuje, že matice chyb mají vyšší procento přesnosti, než by tomu bylo v případě, že by žádné pixely nebyly ground truthovány. Tato hodnota je převrácenou hodnotou přesnosti uživatele, tj. chyba komise = 1 – přesnost uživatele.
Chyby opomenutíUpravit
Příkladem chyby opomenutí je, když pixely určité věci, například javorů, nejsou klasifikovány jako javory. Proces ground truthingu pomáhá zajistit, aby byl pixel klasifikován správně, a matice chyb jsou přesnější. Tato hodnota je převrácenou hodnotou přesnosti producenta, tj. chyba vynechání = 1 – přesnost producenta
.