Ανίχνευση βιομηχανικών φυτειών φοινικόδεντρων σε εικόνες Landsat με το Google Earth Engine
Από RemoteSensing Wiki
Ανίχνευση βιομηχανικών φυτειών φοινικόδεντρων σε εικόνες Landsat με το Google Earth Engine
Πρωτότυπος τίτλος: Detecting industrial oil palm plantations on Landsat images with Google Earth Engine
Συγγραφείς: Janice Ser Huay Lee, Serge Wich, Atiek Widayati, Lian Pin Koh
Δημοσιεύθηκε: Remote Sensing Applications: Society and Environment 4 (2016) 219–224
Σύνδεσμος πρότυπου κειμένου: [1]
Λέξεις-Κλειδιά: Χρήσεις γης, Φοινικόδεντρα, Εντοπισμός καλλιεργειών, Περιβαλλοντική υποβάθμιση
Εισαγωγή:
Λόγω των πολλαπλών χρήσεων για φαγητό και βιομηχανικά προϊόντα, η παγκόσμια ζήτηση φοινικέλαιου αυξήθηκε τις τελευταίες δεκαετίες, και ώθησε τόσο τον ιδιωτικό όσο και τον δημόσιο τομέα να επενδύσει σε μεγάλο βαθμό στη βιομηχανία φοινικέλαιου. Η ταχεία επέκταση των βιομηχανικών φυτειών φοινικέλαιου οδήγησε σε κοινωνικές και περιβαλλοντικές επιπτώσεις, όπως αποψίλωση των δασών, μείωση της βιοποικιλότητας και υποβάθμιση των οικοσυστημάτων. Δασικοί ερευνητές και επιστήμονες χρειάζονται ένα φθηνό, προσβάσιμο και φιλικό προς το χρήστη εργαλείο για την ανίχνευση των βιομηχανικών φυτειών φοινικελαίου.
Στη συγκεκριμένη μελέτη χρησιμοποιήθηκε το Google Earth Engine GEE για την ανίχνευση των βιομηχανικών φυτειών φοινικόδεντρων στην περιοχή Tripa, Aceh, Ινδονησία. Στις αρχές της δεκαετίας του 1990, η Tripa καλυπτόταν με παρθένα δάση τύρφης και φιλοξενούσε 1.000 Ουραγκοτάγκους Σουμάτρας. Ωστόσο, τις τελευταίες δύο δεκαετίες, το οικοσύστημα της Tripa έχει σημειώσει αυξημένη υποβάθμιση, η οποία οφείλεται κυρίως στην γεωργική επέκταση των βιομηχανικών φυτειών φοινικόδεντρων. Το Google Earth Engine είναι μια πλατφόρμα που δια στο κοινό εικόνες και επιτρέπει την ταξινόμηση χρήσεων γης χρησιμοποιώντας ενσωματωμένους αλγόριθμους. Αυτοί οι αλγόριθμοι διεξάγουν pixel-based ταξινόμηση μέσω εποπτευόμενης μάθησης.
Έγινε αξιολόγηση της απόδοσης των μεθόδων ταξινόμησης του GEE και επαλήθευση των χαρτών χρήσεων γης που παράγονται από το GEE με ένα σύνολο τυχαία επιλεγμένων σημείων με στόχο να αξιολογηθεί το GEE ως πιθανό εργαλείο ανίχνευσης χρήσεων γης για την χρήση του από επιστήμονες και ΜΚΟ σε αναπτυσσόμενες χώρες σε τροπικές περιοχές.
Δεδομένα και Μέθοδοι:
Πραγματοποιήθηκε ανίχνευση χρήσεων γης χρησιμοποιώντας διαφορετικές φασματικές ζώνες (RGB, NIR, SWIR, TIR, όλες τις ζώνες) από τις εικόνες Landsat 8 για να διακριθούν οι ακόλουθες κατηγορίες χρήσεων γης: ανώριμα φοινικόδεντρα, ώριμα φοινικόδεντρα, μη δάση- μη φοινικόδεντρα, δάση, νερό και σύννεφα. Αρχικά ταυτοποιήθηκαν οι φυτείες φοινικόδεντρων χρησιμοποιώντας ορθογώνιες γραμμές πλέγματος που υποδεικνύουν την ανάπτυξη φοινικόδεντρων. Από αυτές τις φυτείες, τα ανώριμα φοινικόδεντρα εμφανίζονταν με ανοιχτό πράσινο σε σύγκριση με τα ώριμα. Η απουσία των ορθογώνιων γραμμών πλέγματος υποδηλώνουν την απουσία φοινικόδεντρων και τις καμένες περιοχές, τα οποία ταξινομήθηκαν ως μη φοινικόδεντρα-μη δάσος. Το δάσος εμφανίζεται με σκούρο πράσινο, ενώ οι πρόσθετες κατηγορίες περιλάμβαναν το Νερό και τα Σύννεφα.
Σχεδιάστηκαν 450 σημεία κατάρτισης για κάθε τάξη χρήσης γης. Χρησιμοποιήθηκε το 60% αυτών των σημείων κατάρτισης για την κατάρτιση των ταξινομήσεων GEE ενώ το υπόλοιπο 40% χρησιμοποιήθηκε για τη διενέργεια εκτιμήσεων ακρίβειας. Το GEE έχει 10 ταξινομήσεις, CART, τυχαία δάση, ελάχιστη απόσταση, GMO MaxEnt, Naïve Bayes, SVM, Perceptron, IKPamir και Winnow. Αποκλείστηκαν οι έξι ταξινομήσεις γιατί δεν υπήρχε καμιά διάκριση μεταξύ των διαφόρων τάξεων και συγκρίθηκαν οι χάρτες GEE από τις ταξινομήσεις CART, Random Forest και Ελάχιστη απόσταση (Πίνακας 1).
Στο GEE δημιουργήθηκε μήτρα σφάλματος επικύρωσης και υπολογίστηκε η συνολική ακρίβεια του παραγωγού και του χρήστη. Δόθηκε περισσότερη εστίαση στην ακρίβεια του παραγωγού και του χρήστη για χρήσεις γης ανώριμων και ώριμων φοινικόδεντρων.
Αποτελέσματα:
Η συνολική ακρίβεια και ο συντελεστής Kappa ήταν υψηλότερος χρησιμοποιώντας όλες τις ζώνες (ALL) για ταξινόμηση χρήσης γης, ακολουθούμενος από RGB (κόκκινες, πράσινες και μπλε ζώνες), SWIR (υπέρυθρες μικρού κύματος), TIR (θερμικές) και NIR (υπέρυθρες). Από τους αλγόριθμους ταξινόμησης και επαναφοράς των δένδρων (Classification and Regression Trees /CART) και των τυχαίων δασών (Random Forests /RFT) προέκυψαν ταξινομημένοι χάρτες χρήσεων γης που είχαν υψηλότερη συνολική ακρίβεια και συντελεστές Kappa σε σύγκριση με τον αλγόριθμο ελάχιστης απόστασης (Minimum Distance /MD).
Οι ταξινομήσεις GEE CART και RFT χρησιμοποιώντας ζώνες RGB και ALL είχαν τα καλύτερα αποτελέσματα του παραγωγού και του χρήστη για τη διάκριση ώριμων φοινικόδεντρων (Πίνακας 2). (εικόνα)
Συζήτηση:
Τα αποτελέσματά δείχνουν την πιθανή χρήση των εικόνων του GEE ως εργαλείο για τη χαρτογράφηση χρήσεων γης για φυτείες φοινικόδεντρων, αλλά και για την αποκάλυψη των περιορισμών αυτού του συστήματος ταξινόμησης ειδικά σε σχέση με το επίπεδο της ακρίβειας για την ανίχνευση φυτειών ανώριμων και ώριμων φοινικόδεντρων από άλλους τύπους κάλυψης γης με παρόμοιες φασματικές υπογραφές. Η αντικειμενική ταξινόμηση και η χρήση συνδυασμού ραντάρ και οπτικών εικόνων είναι μερικοί τρόποι με τους οποίους η ανίχνευση φυτειών φοινικόδεντρων μπορεί να βελτιωθεί μέσα στο GEE. Παρά τους περιορισμούς, το GEE έχει τη δυνατότητα να αναπτυχθεί περαιτέρω σε ένα προσιτό και χαμηλού κόστους εργαλείο για τους φορείς ανίχνευσης και παρακολούθησης της επέκτασης των φυτειών φοινικόδεντρων στις τροπικές περιοχές.
