Ανίχνευση περιφερειακών χιονοστιβάδων με χρήση δεδομένων Sentinel-1 SLC
Από RemoteSensing Wiki
Πρωτότυπος τίτλος : Automatic Detection of Regional Snow Avalanches with Scattering and Interference of C-band SAR Data
Συγγραφείς : Jinming Yang, Chengzhi Li, Lanhai Li, Jianli Ding, Run Zhang, Tao Han, Yang Liu
Δημοσιεύθηκε : Remote Sensing, August 2020
Σύνδεσμος πρωτότυπου κειμένου : [[1]]
Λέξεις-κλειδιά : Sentinel-1 SLC, C-band ανίχνευση χιονοστιβάδων, σκέδαση, παρεμβολή, μηχανική μάθηση
Εισαγωγή
Οι χιονοστιβάδες συγκαταλέγονται μεταξύ των πιο καταστροφικών φυσικών φαινομένων, απειλώντας την ασφάλεια των ανθρώπων, την κοινωνικοοικονομική ανάπτυξη και την βιοποικιλότητα. Εξαιτίας της διάβρωσης που προκαλούν, αλλάζει ο τύπος και η πυκνότητα της επιφανειακής κάλυψης, αναδιαμορφώνονται οι μικρο-γεωμορφολογικές συνθήκες και τα εδάφη γίνονται πιο ασταθή. Ως αποτέλεσμα, οι συνθήκες για εκδήλωση νέας χιονοστιβάδας γίνονται ολοένα και πιο ευνοϊκές και έτσι δημιουργείται έναν φαύλος κύκλος. Τα ακραία καιρικά φαινόμενα και η επίδραση της κλιματικής αλλαγής στις ορεινές περιοχές επιδεινώνουν αυτόν τον κίνδυνο. Η κακή πρόβλεψη και λήψη αποφάσεων είναι οι κύριες αιτίες των καταστροφικών χιονοστιβάδων. Ως εκ τούτου, κρίνεται επείγουσα η ανάγκη χαρτογράφησης της χωρικής τους κατανομής για την αποτελεσματικότερη αντιμετώπιση και μετρίαση των αρνητικών τους συνεπειών.
Για την παραγωγή χαρτών χιονοστιβάδων έχουν χρησιμοποιηθεί διάφορες προσεγγίσεις. Μέσω παρατηρήσεων πεδίου έχουν δημιουργηθεί κάποια σύνολα δεδομένων για εκδήλωση χιονοστιβάδων, παρέχοντας μια επιστημονική βάση για την ορθολογική χρήση και διαχείριση γης στις ορεινές περιοχές. Ωστόσο, οι χιονοστιβάδες συνήθως αγνοούνται σε απρόσιτες περιοχές και εκεί που δεν υπάρχουν σταθμοί παρατήρησης, δημιουργώντας ένα σημαντικό κενό δεδομένων για τη μελέτη του φαινομένου. Η μέθοδος ανίχνευσης ηχητικών κυμάτων, η μέθοδος των λιμναίων ιζημάτων και η μέθοδος ανακατασκευής χιονοστιβάδων με βάση τους δακτυλίους των δέντρων έχουν προταθεί ως αρχικές μέθοδοι διερεύνησης, αλλά αυτές έχουν μόνο τοπικό χαρακτήρα. Το αποτέλεσμα είναι να υπάρχει ακόμα η ανάγκη λήψης δεδομένων εκδήλωσης χιονοστιβάδων σε περιφερειακό επίπεδο για να καλυφθεί το σημαντικό κενό δεδομένων.
Η ραγδαία ανάπτυξη της τηλεπισκόπησης έχει αποδώσει σε αρκετές περιπτώσεις χιονοστιβάδες σε περιφερειακό επίπεδο με τη χρήση μεθόδων οπτικής ερμηνείας, ανίχνευσης αλλαγών και αντικειμενοστραφούς ταξινόμησης. Οι κύριες ενδείξεις κατά την ερμηνεία των πολυφασματικών εικόνων είναι οι σαφείς διαφορές στη μορφολογία και την υφή μεταξύ του σώματος της χιονοστιβάδας και του αδιατάρακτου χιονιού που την περιβάλλει. Ακόμα και πολύ μικρές χιονοστιβάδες μπορούν να εντοπιστούν όταν η ανάλυση είναι υψηλή. Όταν όμως τα πολυφασματικά χαρακτηριστικά είναι θολά, στην υποκειμενική ερμηνεία εισάγονται σημαντικά σφάλματα. Από τις παραπάνω μεθόδους μπορούν να αναγνωριστούν χιονοστιβάδες σε περιφερειακό επίπεδο, αν και η ακρίβεια αναγνώρισης περιορίζεται από τα σύννεφα, τις σκιές του εδάφους και την ανθρώπινη αντίληψη. Για να ξεπεραστούν τα παραπάνω μειονεκτήματα, έχει προταθεί η μέθοδος της ανίχνευσης των αλλαγών στην οπισθοσκέδαση σε εικόνες ενεργών μικροκυμάτων. Ακόμα και έτσι, αυτό δεν είναι εφαρμόσιμο σε περιοχές με περίπλοκη τοπογραφία ή με σποραδικές χιονοστιβάδες μικρής έκτασης. Από πραγματικές παρατηρήσεις έχει προκύψει ότι η ηχώ που προκαλείται και προκαλεί αύξηση στην οπισθοσκέδαση δεν είναι απαραίτητα από τη χιονοστιβάδα, αλλά από ποιοτικές αλλαγές στην κάλυψη του χιονιού ή από άλλα ειδικά χαρακτηριστικά του περιβάλλοντος. Ως εκ τούτου, είναι ανάγκη να δημιουργηθεί ένα πιο αντικειμενικό, καθολικό και αξιόπιστο σύστημα για τον αυτόματο εντοπισμό χιονοστιβάδων σε περιφερειακή κλίμακα.
Σύγχρονες Μέθοδοι μηχανικής μάθησης όπως η διανυσματική μηχανική υποστήριξη SVM (Support Vector Machine) που χρησιμοποιούνται ευρέως για την αξιολόγηση κατολισθήσεων, την ανάλυση επικινδυνότητας για πλημμύρες και την αναγνώριση καλλιεργειών, έχουν χρησιμοποιηθεί από λίγους μόνο ερευνητές στην μελέτη των χιονοστιβάδων και η απόδοσή τους μένει να επιβεβαιωθεί.
Η παρούσα έρευνα αποσκοπεί η αναζήτηση των χαρακτηριστικών απόκρισης της σκέδασης και της παρεμβολής χιονοστιβάδων σε εικόνες Sentinel 1 SLC (Single Look Complex), έτσι ώστε να βρεθεί μία πιο ισχυρή και εφαρμόσιμη μέθοδος αυτόματης ανίχνευσης περιφερειακών χιονοστιβάδων. Κύριοι στόχοι είναι :
1. Η εξόρυξη των χαρακτηριστικών σκέδασης και παρεμβολής χιονοστιβάδων ψυχρού και ξηρού χιονιού στην περιοχή των ενεργών μικροκυμάτων της C-band του ηλεκτρομαγνητικού φάσματος.
2. Η χρήση της μεθόδου μηχανικής μάθησης SVM για την αυτόματη χαρτογράφηση χιονοστιβάδων.
3. Η επαλήθευση της ακρίβειας και η αξιολόγηση της απόδοσης της μεθόδου.
Περιοχή Μελέτης
Η παρούσα μελέτη στοχεύει στην αναγνώριση των χιονοστιβάδων που εκδηλώνονται στο Kizilkeya και το Aktep, στο δυτικό τμήμα των βουνών Tianshan της Κίνας. Η περιοχή μελέτης διατρέχεται από δύο εθνικές οδούς μεταφοράς εμπορευμάτων, αποτελώντας κρίσιμο τμήμα της ανάπτυξης και διατήρησης της κεντρικής οικονομικής ζώνης του Δρόμου του Μεταξιού που διατρέχει και συνδέει την Ευρασία. Η οδός G217 διέρχεται από τις κοιλάδες του Kizilkeya και η G218 από το Aktep.
Το δυτικό τμήμα των βουνών Tianshan είναι μια περιοχή επιρρεπής στην εκδήλωση χιονοστιβάδων περιοδικού χαρακτήρα. Από τη δεκαετία του 1960 οι ερευνητές του κέντρου εκδήλωσης χιονοστιβάδων της Κινεζικής Ακαδημίας Επιστημών, με επιτόπιες έρευνες πεδίου, συγκεντρώνουν πληροφορίες σχετικά με τη θέση, τον τύπο, την κλίμακα και την κατανομή των χιονοστιβάδων. Παρόλα αυτά, η ακρίβεια και η ποσότητα των δεδομένων κρίνονται ανεπαρκείς, λόγω των συνθηκών της περιοχής και του χαμηλού επαγγελματισμού του προσωπικού. Επιπλέον, τα ιστορικά δεδομένα δεν είναι πλέον εφαρμόσιμα λόγω της κλιματικής αλλαγής και της τοπογραφικής εξέλιξης.
Η ανάπτυξη των τελευταίων 15 ετών στους τομείς της κατασκευής νέων ορεινών μεταφορικών οδών, της επέκτασης ενεργειακών και επικοινωνιακών γραμμών και του τριτογενούς τομέα για την εξυπηρέτηση χειμερινών αθλημάτων έχουν επιφέρει σημαντική αύξηση του κινδύνου καταστροφικών χιονοστιβάδων για τους ανθρώπους, τις υποδομές, την οικονομία και την οικολογική διατήρηση. Για τους παραπάνω λόγους κρίνεται επιτακτική η ανάγκη ανάπτυξης μεθόδων αυτόματης αναγνώρισης χιονοστιβάδων στην περιοχή.
Υλικά και Μεθοδολογία
1. Η απόκτηση και προετοιμασία του υλικού
Αυτό περιλαμβάνει την απόκτηση και προ-επεξεργασία των εικόνων Sentinel-1A SLC και της εικόνας Super View-1, καθώς και τη διεξαγωγή ερευνών πεδίου για χιονοστιβάδες. Οι εικόνες Sentinel-1A SLC χρησιμοποιούνται για των καθορισμό των δεικτών που θα χρησιμοποιηθούν για την αυτόματα ανίχνευση των χιονοστιβάδων, ενώ οι εικόνες Super View-1 για τη δημιουργία ενός χάρτη καταγραφής χιονοστιβάδων υψηλής ακρίβειας.
Η προ-επεξεργασία των εικόνων Sentinel-1A SLC που αποκτήθηκαν περιλαμβάνει την αποκοπή της περιοχής μελέτης, τις τροχιακές, ραδιομετρικές και γεωμετρικές διορθώσεις στα δεδομένα SAR (Synthetic Aperture Radar), το φιλτράρισμα και την εξάλειψη των οριζόντιων μαύρων κηλίδων και τη μείωση του θορύβου. Στην παρούσα μελέτη χρησιμοποιήθηκαν συνολικά τέσσερις εικόνες Sentinel-1A SLC, που περιλαμβάνουν ένα ζεύγος ανοδικής τροχιάς και ένα ζεύγος καθοδικής τροχιάς που το καθένα περιέχει μία σκηνή πριν και μία σκηνή μετά την εκδήλωση της χιονοστιβάδας.
Οι δύο εικόνες Super View-1 υποβλήθηκαν σε προ-επεξεργασία με αφαίρεση των νεφών, ραδιομετρική βαθμονόμηση, ατμοσφαιρική διόρθωση FLAASH και ορθοφωτογραφική διόρθωση.
Κατά τις έρευνες πεδίου διάρκειας εφτά ημερών καταγράφηκαν λεπτομερώς ο τύπος, η θέση και ο τύπος κάλυψης του περιβάλλοντα χώρου για 276 χιονοστιβάδες. Επίσης, μετρήθηκαν το μέγεθος των σωματιδίων, η περιεκτικότητα σε υγρασία, η πυκνότητα και το βάθος του χιονιού σύμφωνα με τα πρότυπα της IACS (International Association of Cryosphere Science).
2. Ο προσδιορισμός των χαρακτηριστικών των μεταβλητών
Με χρήση της ανάλυσης κύριων συνιστωσών PCA (Principal Component Analysis) προσδιορίζονται η εντροπία πόλωσης (ΔH), ο δείκτης άλφα (α), η οπισθοσκέδαση (σ) και η συνεκτικότητα/συνοχή (γ) των χιονοστιβάδων και γίνεται ο καθορισμός των αντίστοιχων δεικτών, οι οποίοι με τη σειρά είναι οι ∆H, ∆α, ∆σVV, ∆σVH, γVV και γVH.
Με την ανάλυση κύριων συνιστωσών, συσχετιζόμενες σύνθετες μεταβλητές πολλαπλών διαστάσεων όπως οι παραπάνω, αναλύονται σε γραμμικά ανεξάρτητες μεταβλητές λίγων διαστάσεων, αποκαλύπτοντας έτσι τα πιο σημαντικά στοιχεία και δομές τους.
3. Η χαρτογράφηση των χιονοστιβάδων
Με χρήση της μεθόδου SVM γίνεται η εκμάθηση του απλουστευμένου συνόλου δεδομένων και στη συνέχεια η αυτόματη ανίχνευση χιονοστιβάδων, από το μοντέλο εκπαίδευσης με την υψηλότερη ακρίβεια, από τα συνολικά έξι μοντέλα που παράχθηκαν.
4. Η επαλήθευση της απόδοσης του μοντέλου
Με τον χάρτη απογραφής χιονοστιβάδων Super View-1 και μέσω στατιστικών δεικτών γίνεται η αξιολόγηση της απόδοσης του μοντέλου.
Οι στατιστικού δείκτες που επιλέχθηκαν στην παρούσα έρευνα είναι ο δείκτης πιθανότητας ανίχνευσης POD (Probability Of Detection), ο δείκτης ποσοστού ψευδούς συναγερμού FAR (False Alarm Rate), ο δείκτης συχνότητας αστοχίας FOM (Frequency Of Missed) και ο δείκτης στατιστικής αληθινών δεξιοτήτων TSS (True Skill Statistic).
Αποτελέσματα
1. Χαρακτηριστικά Χιονοστιβάδων από τις εικόνες Sentinel-1 SLC
Σε σύγκριση με το αδιατάρακτο χιόνι, η εκδήλωση χιονοστιβάδας οδηγεί σε μία προφανή αύξηση της εντροπίας (Η), απότομη μείωση του άλφα (α) τόσο στις ανοδικές, όσο και στις καθοδικές εικόνες, μέτρια αύξηση της οπισθοσκέδασης (σ) και πτώση της συνεκτικότητας/συνοχής (γ). Στις εικόνες που ακολουθούν γίνεται μία ανάλυση και σύγκριση των ζευγών εικόνων ανοδικής και καθοδικής τροχιάς (Εικόνα 3, 4).
2. Προσδιορισμός Χαρακτηριστικών των Μεταβλητών
Μέσω της ανάλυσης κύριων συνιστωσών προκύπτει ότι για την περιοχή Kizilkeya ο κυρίαρχος δείκτης σε ποσοστό συνεισφοράς είναι ο ∆σVH και στα δύο ζεύγη εικόνων, ενώ για την περιοχή Aktep, οι κύριο δείκτες με υψηλό ποσοστό συνεισφοράς είναι ο γVV, ο γVH και ο ∆σVH και στα δύο ζεύγη εικόνων.
3. Χαρτογράφηση Χιονοστιβάδων
Οι χιονοστιβάδες στην περιοχή Kizilkeya είναι άνισα κατανεμημένες χωρικά, σε περιοχές με υψόμετρο από 2750m έως 3450m και με κλίση από 25ο έως 50ο. Συγκεκριμένα, 281 χιονοστιβάδες εντοπίστηκαν σε εικόνες ανοδικής τροχιάς και 311 σε εικόνες καθοδικής τροχιάς. Η ελάχιστη έκταση χιονοστιβάδας που εντοπίστηκε είναι 0,09Km2 και η μέγιστη 83,40Km2. Σύμφωνα με την ταξινόμηση αμερικανικών προτύπων για την κλίμακα των χιονοστιβάδων, στην περιοχή εκδηλώνονται κυρίως μικρές (96%) και μεσαίες χιονοστιβάδες. Τέλος, το ποσοστό των μικρών χιονοστιβάδων είναι μεγαλύτερο στα ζεύγη εικόνων με καθοδική τροχιά από ότι στα ζεύγη εικόνων με ανοδική. (Εικόνες 5, 6)
Οι χιονοστιβάδες στην περιοχή Aktep κατανέμονται οριζόντια στο χώρο, κυρίως κατά μήκος της εθνικής οδού μεταφοράς G218 και στα νοτιοδυτικά κοντά στον ποταμό Kungers, σε περιοχές με υψόμετρο από 1600m έως 2000m και με κλίση από 25ο έως 50ο. 104 από αυτές εντοπίστηκαν στα ζεύγη εικόνων ανοδικής τροχιάς και 111 στα ζεύγη εικόνων καθοδικής τροχιάς. (Εικόνες 7, 8)
Συνολικά, παρατηρείται ότι οι χιονοστιβάδες μπορούν να εντοπιστούν αυτόματα και στις εικόνες ανοδικής τροχιάς και στις καθοδικής. Ωστόσο, εξαιτίας της αντίθετης τροχιακής θέσης του δορυφόρου κατά τη σάρωση της επιφάνειας, σε συνδυασμό με τον ρόλο της τοπογραφίας της περιοχής μελέτης, στα ζεύγη εικόνων καθοδικής τροχιάς είναι πιο ευνοϊκή η αποτύπωση των χαρακτηριστικών των χιονοστιβάδων και η αποτύπωση είναι πάντα καλύτερη και πιο λεπτομερής στα δύσβατα τερέν σε σχέση με τα ζεύγη εικόνων ανοδικής τροχιάς. Επιπλέον, παρατηρείται ότι οι χιονοστιβάδες δεν είναι ομοιόμορφα κατανεμημένες, αλλά εμφανίζονται συχνά σε περιοχές με απότομο έδαφος κατά μήκος των φιόρδ, σε πλαγιές και τάφρους και καθόλου στις πεδιάδες και τις δασικές περιοχές Picea Schrenkiana. Τέλος, οι χιονοστιβάδες είναι έντονες κατά μήκος των εθνικών οδών μεταφοράς G217 και G218, που γειτνιάζουν άμεσα με ανθρώπινες ιδιοκτησίες.
4. Επαλήθευση Απόδοσης Μοντέλου
Συνοπτικά, η μέθοδος αυτόματης αναγνώρισης χιονοστιβάδων που αναπτύχθηκε στην παρούσα μελέτη έχει ισχυρή διακριτική ικανότητα και είναι πιο αποτελεσματική για τα ζεύγη εικόνων καθοδικής τροχιάς.
Τα αποτελέσματα της αυτόματης αναγνώρισης αξιολογήθηκαν με τους στατιστικούς δείκτες POD, FAR, FOM και TSS, τα αποτελέσματα των οποίων φαίνονται στον σχετικό πίνακα (Πίνακας 2).
Τα αποτελέσματα καταδεικνύουν ότι οι περισσότερες χιονοστιβάδες εντοπίζονται από τα ζεύγη εικόνων καθοδικής τροχιάς, τα οποία είναι και πιο αποδοτικά στην αναγνώριση μικρών χιονοστιβάδων, οπότε θεωρούνται και περισσότερο αξιόπιστα. Οι χιονοστιβάδες που δεν εντοπίστηκαν αποτελούν κυρίως μικρές και συνήθως ξηρές χιονοστιβάδες σε στενές τάφρους και σε ορεινές περιοχές με μεγάλες εδαφικές διακυμάνσεις.
Συζήτηση
1. Διαθεσιμότητα Δορυφορικών Απεικονίσεων
Εξετάζεται και αξιολογείται η διαθεσιμότητα των δορυφορικών απεικονίσεων για την περιοχή μελέτης και ο αντίκτυπός της στα αποτελέσματα της εργασίας.
Στις δύο ορεινές περιοχές που εξετάστηκαν οι χιονοστιβάδες που εκδηλώνονται είναι σχετικά μικρές, οπότε για να εντοπιστούν με ακρίβεια χρειάζονται δορυφορικές απεικονίσεις υψηλής χωρικής ανάλυσης. Στην παρούσα μελέτη χρησιμοποιήθηκαν δορυφορικές απεικονίσεις από διάφορους αισθητήρες, αλλά οι περισσότερες από αυτές δεν ήταν αρκετά χρήσιμες. Η πολυφασματική ζώνη του δορυφόρου Quickbird, η παγχρωματική ζώνη του Landsat-8 και η κοντινή υπέρυθρη του δορυφόρου SPOT επαληθεύτηκαν στην ικανότητα ανίχνευσης χιονοστιβάδων. Όμως, πολλές από τις απεικονίσεις τους καλύπτονται από σύννεφα και σκιές, παρόλη την καλή χωρική τους ανάλυση. Κάποιοι από τους δορυφόρους δεν σαρώνουν την περιοχή μελέτης. Οι εικόνες του Super View-1 είναι διαθέσιμες, αλλά για την κάθε περιοχή μελέτης είναι διαθέσιμη μόνο μία σκηνή. Οπότε, η ανεύρεση κατάλληλων δορυφορικών απεικονίσεων για τον εντοπισμό χιονοστιβάδων κρίνεται αρκετά δύσκολη.
Οι εικόνες από τη C ζώνη SAR του δορυφόρου Sentinel-1 έχουν υψηλή χωρική και χρονική ανάλυση, συλλέγονται σε παγκόσμια κλίμακα και δεν επηρεάζονται από τα σύννεφα, τις σκιές και την έλλειψη φωτός τη νύχτα. Αυτά τους τα πλεονεκτήματα τις καθιστούν πολύ χρήσιμες στον εντοπισμό χιονοστιβάδων.
Η σημαντική διαφορά στην οπισθοσκέδαση των χιονοστιβάδων σε σχέση με του αδιατάρακτου χιονιού, που έχει παρατηρηθεί σε διάφορες δημοσιεύσεις, αποτελεί κριτήριο εντοπισμού και αναγνώρισης, αλλά κρίνεται ανεπαρκής. Για το λόγο αυτό έχει αναγνωριστεί η καθιέρωση πολυμεταβλητών, όπως η απόκριση σκέδασης και παρεμβολής, οι οποίες μπορούν να αναλυθούν από τις εικόνες SLC του Sentinel-1. Στη σχετική εικόνα, οι χιονοστιβάδες φαίνεται να προκαλούν αλλαγές στο μηχανισμό σκέδασης στην περιοχή της χαμηλής και της υψηλής εντροπίας. Παρατηρείται μείωση της γωνίας σκέδασης όσο αυξάνεται η τυχαιότητα. Ως εκ τούτου, πρέπει να λαμβάνεται υπόψιν η πολλαπλή σκέδαση στο κοντινό πεδίο της χιονοστιβάδας.
Ο καθορισμός των δεικτών ΔΗ και Δα φαίνεται να αφαιρεί την υποκειμενική επιφάνεια σκέδασης που υπάρχει πριν και μετά την εκδήλωση της χιονοστιβάδας. Οι χιονοστιβάδες παρουσιάζουν συγκεκριμένα χαρακτηριστικά παρεμβολής. Συγκεκριμένα, το βάθος του χιονιού είναι πολύ διαφορετικό στην περιοχή εκκίνησης, ολίσθησης και απόθεσης της χιονοστιβάδας και αυτό οδηγεί σε μείωση της συνοχής του χιονιού σε αυτήν.
Έτσι, κρίνεται ότι τα χαρακτηριστικά των χιονοστιβάδων μπορούν να ερμηνευθούν με μεγαλύτερη πληρότητα και ακρίβεια μετά από ενδελεχή αξιολόγηση των πληροφοριών που προκύπτουν από τις εικόνες SLC του δορυφόρου Sentinel-1. Επιπρόσθετα, η εξαιρετική ποιότητα των εικόνων του, παρέχει τη δυνατότητα εντοπισμού και σωστού καθορισμού ακόμα και χιονοστιβάδων πολύ μικρών διαστάσεων.
2. Αποτελεσματικότητα Μεθόδου Αυτόματης Ανίχνευσης
Ο συνδυασμός της ανίχνευσης χιονοστιβάδων με βάση εικόνες ενεργών μικροκυμάτων και της εφαρμογής της μεθόδου μηχανικής μάθησης SVM για αυτόματο εντοπισμό που εφαρμόστηκαν στην παρούσα μελέτη, αποφεύγει την παρέμβαση του ανθρώπινου παράγοντα, καθιστώντας την πιο αντικειμενική, ταχύτερη και αποτελεσματική. Η ικανότητα εντοπισμού μικρών χιονοστιβάδων, χιονοστιβάδων σε σύνθετο τερέν και με δυσμενείς ατμοσφαιρικές συνθήκες την καθιστά ανώτερη από άλλες μεθόδους. Τέλος, στην παρούσα μελέτη γίνεται επικαιροποίηση των γεωμετρικών χαρακτηριστικών των χιονοστιβάδων για βελτιστοποίηση της οπτικής ερμηνείας.
3. Πηγές Σφαλμάτων
Κατά την εφαρμογή της μεθόδου μηχανικής μάθησης SVM, παρόλο που ο αριθμός των μικτών εικονοστοιχείων σε κάθε δείγμα ελέγχεται όσο το δυνατόν πιο τεχνητά, αναπόφευκτα δημιουργείται το φαινόμενο διαφορετικά αντικείμενα να αντανακλούν στο ίδιο φάσμα. Το φαινόμενο αυτό μπορεί να προκληθεί από φυσικές αλλαγές του εποχιακού χιονιού, δυναμικές αλλαγές στα στρώματα του χιονιού και από την αλληλεπίδρασή του με το έδαφος και τον αέρα. Για την ελαχιστοποίηση των σφαλμάτων εισάγονται περισσότεροι δείκτες που καθιστούν διαφορετικό το ένα αντικείμενο από το άλλο.
4. Περιορισμοί και Βελτιώσεις
Η έρευνα για την αυτόματα ανίχνευση χιονοστιβάδων βρίσκεται στο στάδιο της ανάπτυξης και της διερεύνησης. Τα δεδομένα του Sentinel-1 είναι διαθέσιμα παγκοσμίως, οπότε η συγκεκριμένη μέθοδος μπορεί να εφαρμοστεί για οποιαδήποτε ορεινή περιοχή πλήττεται από χιονοστιβάδες.
Η ακρίβεια της μεθόδου μπορεί να περιοριστεί από την ανάλυση της εικόνας του Sentinel-1, τη διεισδυτική ισχύ της ζώνης C, τις σκιές της εικόνας και το φαινόμενο της επικάλυψης και σμίκρυνσης στις απότομες πλαγιές. Οι πολύ μικρές χιονοστιβάδες θα εξακολουθήσουν να μην ανιχνεύονται.
Κάτι που αξίζει να διερευνηθεί περαιτέρω είναι οι ζώνες X και L πέρα από τη C, διότι είναι οι πιο κατάλληλές για την εξαγωγή πληροφοριών, λαμβάνοντας υπόψιν την επίδραση του ατμοσφαιρικού παραθύρου μετάδοσης, της συχνότητας και της πόλωσης. Ακόμα, η χρήση συγχωνευμένων εικόνων τηλεπισκόπησης πολλαπλών πηγών μπορεί να βελτιώσει σημαντικά την ακρίβεια της αυτόματης ανίχνευσης, παρέχοντας πληροφορίες για χαρακτηριστικά όπως η μορφολογία, η υφή ή το albedo μιας χιονοστιβάδας. Η προσθήκη δεικτών, όπως το βάθος του χιονιού και η κατεύθυνση ροής της χιονοστιβάδας προτείνονται για να γίνει το μοντέλο πιο πλήρες.
Τέλος, η δημιουργία χρονοσειρών και η μελέτη των επιπτώσεων των χιονοστιβάδων στο ανάγλυφο και στα μοτίβα που δημιουργούνται από αυτές, είναι απαραίτητα στην επέκταση του ερευνητικού περιεχομένου κατά την παρακολούθηση των χιονοστιβάδων, υπό το πρίσμα της κλιματικής μεταβολής.
Συμπεράσματα
Η παρούσα μελέτη πρότεινε μια ισχυρή, καθολική μέθοδο για την αυτόματη ανίχνευση περιφερειακών χιονοστιβάδων χρησιμοποιώντας δεδομένα σκέδασης και παρεμβολής από εικόνες ενεργών μικροκυμάτων της C-ζώνης, η οποία μπορεί να παράγει ακριβείς χάρτες χιονοστιβάδων. Η εξαιρετική απόδοση της μεθόδου εκδηλώνεται με την αντικειμενικότητά της, χωρίς να περιορίζεται από ακραίες γεωγραφικές συνθήκες.
Η επίτευξη της ταχείας αυτόματης ανίχνευσης περιφερειακών χιονοστιβάδων έχει βαθιά κοινωνική σημασία, η οποία μπορεί να βοηθήσει στην αντιμετώπιση των απειλών των φυσικών καταστροφών από χιονοστιβάδες και στην ενημέρωση του κοινού σχετικά με τον κίνδυνο.
