«Ανάλυση χωρικών και χρονικών αλλαγών του αστικού περιβάλλοντος με χρήση πολυφασματικών και υπερφασματικών δεδομένων»
Από RemoteSensing Wiki
Δημοσίευση Εφαρμογής Τηλεπισκόπησης: «ANALYSES OF SPATIAL AND TEMPORAL CHANGES OF THE URBAN ENVIRONMENT USING MULTI- AND HYPERSPECTRAL DATA», «Ανάλυση χωρικών και χρονικών αλλαγών του αστικού περιβάλλοντος με χρήση πολυφασματικών και υπερφασματικών δεδομένων» Συγγραφείς: Laszlo Mucsi(1), Zalan Tobak, Boudewijn van Leeuwen, Ferenc Kovacs και Joszef Szatmari 1)University of Szeged, Department of Physical Geography and Geoinformatics, Szeged, Hungary
Ανάλυση – Παρουσίαση:
Αρχικά ερευνήθηκαν οι αλλαγές με χρήση εικόνων υψηλής ανάλυσης για την ανίχνευση των σημαντικότερων αλλαγών των τελευταίων 30 ετών (1972 με 2004). Η πρώτη αποτελεί εικόνα του δορυφόρου Corona KH – 4B ενός φασματικού καναλιού και χωρικής ανάλυσης 1 μέτρου, με ημερομηνία λήψης 20/5/1972 και η δεύτερη εικόνα IKONOS ευρυζωνική (pan+multi), 4+1 καναλιών και μέγεθος εικονοστοιχείου 4 μέτρων με ημερομηνία λήψης 19/8/2004 (σχήμα 1 και σχήμα 2). Αφού οι δύο εικόνες διορθώθηκαν γεωμετρικά βάση του ουγγρικού Εθνικού Συστήματος προβολής οι αλλαγμένες περιοχές ερμηνεύτηκαν οπτικά σε γεωγραφικά συνδεδεμένες εικόνες χρησιμοποιώντας το λογισμικό ERDAS Imagine 9.1.
Στη συνέχεια χρησιμοποιήθηκαν δεδομένα δορυφόρων μέσης ανάλυσης. Landsat MSS 4 με μέγεθος εικονοστοιχείου 80 μέτρων και ημερομηνία λήψης 19/7/1979, Landsat TM 7 διακριτικής ικανότητας 30 μέτρων (120μ) με ημερομηνία λήψης 19/6/1986, SPOT HRV 3 μεγέθους εικονοστοιχείου 20 μέτρων ημερομηνίας λήψης 29/8/1988, Landsat TM 7 30 m (120 m) 17/6/1991, Landsat ETM + 7 30 m, 20/8/2000, Landsat ETM + 7 +1 30 μ. (60 μ., 15 μ.) 06.23.2002 και Landsat TM 7 30 m (120 m) 09.30.2006. Τα δεδομένα αυτά έδωσαν λεπτομερή ανασκόπηση των αλλαγών στο κέντρο της πόλης, που χαρακτηρίζεται από υψηλή πυκνότητα δόμησης και απουσία βλάστησης. Αυτό αντικατοπτρίζεται στη μείωση της μέσης τιμής του δείκτη βλάστησης NDVI. Λόγω της υψηλή ανάλυση των εικόνων IKONOS, προκύπτουν πιο καθαρά εικονοστοιχεία, δημιουργώντας γραφικές παραστάσεις που παρουσίαζαν υψηλότερη διακύμανση του δείκτη βλάστησης NDVI, σε αντίθεση με τα δεδομένα Landsat. Τα τελευταία έχοντας μεγαλύτερο μέγεθος εικονοστοιχείου λείαιναν τις τιμές του δείκτη NDVI (σχήμα 3, 4, 5).
Τα τελευταία δεδομένα που χρησιμοποιήθηκαν στην έρευνα προμηθεύτηκαν από τον AISA, ένα διπλό υπερφασματικό σύστημα απεικόνισης, που συνδυάζει ένα όργανο AISA EAGLE για την απεικόνιση VNIR και όργανο AISA HAWK για την απεικόνιση SWIR. Ο αισθητήρας συμπεριλαμβάνει σύστημα GPS/INS και αισθητήρα ακτινοβολισμού FODIS για αυτόματο υπολογισμό της ανάκλασης. Οι εικόνες προέκυψαν με ταυτόχρονη λήψη από την ίδια λωρίδα σε εύρος φασματικής περιοχής από 400 ως 2450 νμ.. Για το διάστημα 400-965 νμ. το φασματικό εύρος ήταν 4,0 με 4,5 νμ. και για το 965-2450 νμ. διάστημα επιλέχτηκε εύρος φάσματος 6,29 νμ., προκύπτοντας 359 κανάλια ανά εικόνα. Οι αναλύσεις του δείκτη βλάστησης NDVI και οι ταξινομήσεις πραγματοποιήθηκαν βάση εικόνας που καλύπτει το κέντρο της πόλης και παρουσίασε ποικιλία χρήσεων γης, με διακύμανση από περιοχές με πράσινο ως περιοχές πυκνής δόμησης. Εξαιτίας της απόκλιση μεταξύ της καταγεγραμμένης ώρας έναρξης απόκτησης δεδομένων και την πραγματική ώρα έναρξης, παράχθηκε μια ασύμμετρη εικόνα. Τα δεδομένα που αποκτήθηκε κατά τη διάρκεια πτήσης του AISA τον Ιούλιο 2007, προεπεξεργάστηκαν με τη βοήθεια του λογισμικού Caligeo. Ακολούθως τα δεδομένα GPS/INS υποβλήθηκαν σε γεωαναφορά και ραδιομετρικές διορθώσεις, μετατρέποντας τη σειρά των DN τιμών σε ακτινοβολία σε τιμές αισθητήρα. Τέλος μια οπτική επιλογή εκτελέστηκε για να απομακρυνθούν από την εικόνα τα κανάλια με υψηλά ποσοστά θορύβου, αποκλείοντας 98.
Για τον υπολογισμό του δείκτη βλάστησης NDVI χρησιμοποιήθηκε συνδυασμός 7 καναλιών στο κόκκινο -- εγγύς υπέρυθρο. Για την προσομοίωση των Landsat, SPOT και IKONOS ευρυζωνικού (ΒΒ), υπολογισμών του δείκτη NDVI, το κόκκινο και το εγγύς υπέρυθρο κανάλι του AISA δημιούργησαν το μέσο όρο 3 διαφορετικών συνδυασμών, οι οποίοι ήταν ευρυζωνικοί υπερφασματικοί συνδυασμοί NDVI. Ένας από αυτούς χρησιμοποιήθηκε στη σύγκριση με τα αποτελέσματα προηγούμενων ετών. Ο συνδυασμός προσομοίωσης SPOT απορρίφθηκε διότι το εύρος του εγγύς υπέρυθρου καναλιού ήταν αρκετά διαφορετικό από τα άλλα NIR ευρυζωνικά διαστήματα, καθιστώντας πιο δύσκολη τη σύγκριση των τιμών του δείκτη βλάστηση. Στη συνέχεια, αποφασίστηκε να χρησιμοποιηθεί ο συνδυασμός καναλιών προσομοίωσης Landsat, αντί του συνδυασμού IKONOS, διότι κατά τη χρονική σύγκριση υπάρχουν περισσότερες Landsat NDVIs που κάνουν τις τιμές του δείκτη NDVI πιο εύχρηστες (σχήμα 6). Για την ικανότητα σύγκρισης των συνόλων δεδομένων, τα δύο υπερφασματικά NDVIs αναταξινομήθηκαν σε 40 κατηγορίες με πλάτος τάξης 0,05 αντίστοιχη με την ευρυζωνική ανακατάταξη NDVI των προηγουμένων ετών (σχήμα 7).
Για την αξιολόγηση της χρησιμότητας των AISA εικόνων σαν πρότυπο ταξινόμησης κάλυψης γης του αστικού περιβάλλοντος, εφαρμόστηκαν τρεις επιβλεπόμενες και τρεις μη επιβλεπόμενες ταξινομήσεις σε ανεπεξέργαστα και επεξεργασμένα δεδομένα AISA. Στα ανεπεξέργαστα δεδομένα στα οποία είχαν απομακρυνθεί κάποια κανάλια, απομένοντας 261 με ταξινομημένη ακτινοβολία και σταθερές πραγματικές τιμές των εικονοστοιχείων, εκτελέστηκαν μη επιβλεπόμενη και επιβλεπόμενη ταξινόμηση. Από την πρώτη διαχωρίστηκαν μόνο 4 κατηγορίες εξαιτίας του θορύβου που εμπεριείχε η αρχική εικόνα. Για την εκτέλεση της επιβλεπόμενης ταξινόμησης, δημιουργήθηκε φασματική υπογραφή με βάση τις 11 κλάσεις, που εντοπίστηκαν στην έρευνα για την κάλυψη της γης. Επιπλέον προστέθηκε μια κατηγορία για να ανταποκριθεί σε πολύ φωτεινή περιοχή της εικόνας, που αποκλίστηκε από τη διαδικασία σύγκρισης μεταξύ υπερφασματικών ταξινομήσεων και έρευνας.
Το αποτέλεσμα της ταξινόμησης των αρχικών δεδομένων με τη μέθοδο της ελάχιστης απόστασης συγκρίθηκαν με το πεδίο έρευνας. Το αποτέλεσμα φιλτραρίστηκε με μαζικό φίλτρο 3x3 για τη μείωση του ποσού των μοναδικών εικονοστοιχείων και η συνολική ακρίβεια του ήταν 61,3%. Στη προσπάθεια βελτίωσης της χρηστικότητας των πρώτων δεδομένων, εκτελέστηκε μετασχηματισμός με τη μέθοδο του ελάχιστου κλάσματος θορύβου (MNF), καθιστώντας εφικτή την διαστασιολογική εκτίμηση τους. Τα πρώτα 20 ιδιοδιανύσματα του μετασχηματισμού MNF περιείχαν τη μεγαλύτερη διακύμανση. Ο MNF μετασχηματισμός ταξινομήθηκαν με τον ίδιο τρόπο όπως τα ανεπεξέργαστα δεδομένα AISA. Στη μη επιβλεπόμενη ταξινόμηση προέκυψαν 9 συγχωνευμένες κατηγορίες, οι οποίες δεν ταίριαξαν με τις αναμενόμενες κατηγορίες κάλυψη της γης (συνολική ακρίβεια 56,2%), ενώ η επιβλεπόμενη ταξινόμηση οδήγησε σε λίγο καλύτερη συνολική ακρίβεια του 58,3%. Επίσης, εκτελέστηκε και ένας αντίστροφος μετασχηματισμός MNF, του οποίου το προϊόν είχε μειωμένα ποσά θορύβου. Η παραγμένη εικόνα υποβλήθηκε σε επιβλεπόμενη και μη επιβλεπόμενη ταξινόμηση. Η μη επιβλεπόμενη ταξινόμηση εμφάνισε παρόμοια αποτελέσματα με εκείνα της μη επιβλεπόμενης των ανεπεξέργαστων δεδομένων. Τα αποτελέσματα της επιβλεπόμενης με τη μέθοδο της ελάχιστης απόστασης στα δεδομένα αντίστροφου MNF συγκρίθηκαν με τα αποτελέσματα της έρευνας για την κάλυψη γης, με συνολική ακρίβεια 60,7% (σχήμα 8).
Έγιναν τρεις επιβλεπόμενες και τρεις μη επιβλεπόμενες ταξινομήσεις. Από την μη επιβλεπόμενη ταξινόμηση μόνο τα αποτελέσματα του μετασχηματισμού MNF μπόρεσαν να χρησιμοποιηθούν. Η επιβλεπόμενη ταξινόμηση των αρχικών δεδομένων είχε ως αποτέλεσμα την υψηλότερη συνολική ακρίβεια ενώ οι μετασχηματισμοί MNF δεν βελτίωσαν τα αποτελέσματα. Σε γενικές γραμμές η ακρίβεια ήταν χαμηλότερη από το αναμενόμενο, εξαιτίας α) του μεγέθους της εργασίας πεδίου και της διαφορετικότητας των υπερφασματικών εικόνων και β) στις πολύ μικρές φασματικές διαφορές μεταξύ των τάξεων της φασματικής υπογραφής που οδηγούσε σε εσφαλμένη ταξινόμηση. Η συγχώνευση των τύπων στέγης δημιούργησε τάξεις με υψηλότερη συνολική ακρίβεια, αλλά και μείωσε τη χρηστικότητα τους. Η ποιότητα των αποτελεσμάτων ταξινόμησης συγκρίθηκε με την αναμενόμενη κατά τη χρήση πολλαπλής φασματικής απεικόνισης. Για τη βελτίωση των αποτελεσμάτων της υπερφασματικών ταξινομήσεων ο θόρυβος στα αρχικά δεδομένα πρέπει να μειωθεί. Χρησιμοποιώντας μια στατιστική αντί της εφαρμοζόμενης οπτικής μεθόδου θα μπορούσε να οδηγήσει σε μια καλύτερη επιλογή αποκλεισμού καναλιών. Επίσης, η μεγάλη κλίμακα των δεδομένων σε συνδυασμό με την ανθρώπινη επιτόπια επαλήθευση πεδίου δημιουργεί λάθος προϋποθέσεις στην έρευνα, που θα μπορούσαν να μειωθούν με τη χρήση. υπερφασματικών δεδομένων σαν βάση για τη διεξαγωγή έρευνας.
Your Content Here
