Αναγνώριση και χαρτογράφηση των υποβρύχιων φυτών σε μια ρηχή λίμνη χρησιμοποιώντας δεδομένα του δορυφορικού συστήματος QuickBird
Από RemoteSensing Wiki
Αναγνώριση και χαρτογράφηση των υποβρύχιων φυτών σε μια ρηχή λίμνη χρησιμοποιώντας δεδομένα του δορυφορικού συστήματος QuickBird
Πρωτότυπος τίτλος : Identification and mapping of submerged plants in a shallow lake using quickbird satellite data
Συγγραφείς : Ozge Karabulut Dogan, Zuhal Akyurek, Meryem Beklioglu
Πηγή : Science Direct
Σκοπός της παρούσας μελέτης είναι η αναγνώριση και χαρτογράφηση των υδρόβιων φυτών της λίμνης Morgan που βρίσκεται στην Κεντρική Ανατολία, χρησιμοποιώντας εικόνες του δορυφόρου Quickbird.
1.Εισαγωγή
Οι λίμνες και οι υδροβιότοποι αποτελούν σημαντικά οικοσυστήματα τόσο από οικολογική όσο και από οικονομική άποψη. Τα υδρόβια φυτά που αναπτύσσονται στις λίμνες είναι πολύ σημαντικά για την διατήρηση της βιοποικιλότητας των υδάτινων οικοσυστημάτων, ενώ η απώλεια τους μπορεί να επηρεάσει, εκτός από τους άλλους μικροοργανισμούς που ζουν στα οικοσυστήματα αυτά, ακόμα και την καθαρότητα των υδάτων. Για τους παραπάνω και άλλους πολλούς λόγους, η ταυτοποίηση και παρακολούθηση των υδρόβιων φυτών κρίνεται πολύ σημαντική για την ανάπτυξη ενός σωστού σχεδιασμού διαχείρισης των υδάτινων οικοσυστημάτων. Η ύπαρξη πολλών και μεγάλων σε έκταση υδάτινων οικοσυστημάτων στην Τουρκία, αλλά και οι δυσκολίες που υπάρχουν στις επιτόπιες έρευνες των οικοσυστημάτων αυτών (χρονοβόρα και πολυδάπανη εργασία, κ.α) οδηγούν στην ενσωμάτωση νέων τεχνολογιών που θα διευκολύνουν την έρευνα. Το γεγονός ότι η υποβρύχια βλάστηση κατά την διάρκεια της περιόδου όπου αναπτύσσεται απορροφά την ερυθρή ακτινοβολία, οδηγεί στο συμπέρασμα ότι η τηλεπισκόπηση μπορεί να συνεισφέρει στην μελέτη και παρακολούθηση των υδρόβιων φυτών των λιμνών.
Στην παρούσα εργασία λοιπόν γίνεται απόπειρα αναγνώρισης και χαρτογράφησης των υποβρύχιων δυτών της λίμνης Morgan χρησιμοποιώντας δορυφορικά δεδομένα υψηλής χωρικής ανάλυσης του συστήματος QuickBird.
2.Μεθοδολογία
Η μελέτη διεξήχθη στην λίμνη Morgan, η οποία βρίσκεται 20 χλμ νότια της τούρκικης πρωτεύουσας. Οι δειγματοληπτικές μετρήσεις πραγματοποιήθηκαν στην λίμνη στις 23/8, 26/8 και 1/9,περίοσος όπου τα υδρόβια φυτά έχουν αναπτυχθεί πλήρως. η επιφάνεια της λίμνης διαιρέθηκε σε 15 μέρη και επιλέχθηκαν 66 δειγματοληπτικά σημεία μεγέθους 1m2. Οι συντεταγμένες για κάθε σημείο δειγματοληψίας καταγράφηκαν με την βοήθεια ενός GPS ακρίβειας 2m. Τα υποβρύχια είδη φυτών που συλλέχθηκαν από κάθε δειγματοληπτικό σημείο αναγνωρίστηκαν χρησιμοποιώντας κλειδιά ταυτοποίησης υδρόβιων φυτών. Το ποσοστό κάλυψης της υποβρύχιας βλάστησης από τα διάφορα είδη φυτών(Potamogeton Pectinatus, Najas minor, Najas marina, Myriophyllum spicatum) καταγράφηκε όπως επίσης και ένας δείκτης για την διαύγεια του νερού και την πυκνότητα των υποβρύχιων φυτών, ο SDD(Secchi Disk Depth). Ο δείκτης SDD μαζί με τις μετρήσεις για το βάθος του νερού(Water Depth) της λίμνης χρησιμοποιήθηκαν για την δημιουργία ξεχωριστών κατηγοριών για το νερό. Για παράδειγμα όταν η τιμή WD είναι λιγότερο από 2*SDD τότε θεωρείται ότι η ποικιλομορφία και η ετερογένεια της υποβρύχιας βλάστησης προκαλούν προβλήματα ευκρίνειας. Μια πολυφασματική εικόνα του συστήματος QuickBird (αποκτήθηκε στις 6/8/05) χωρικής ανάλυσης 2.41m X 2.41m χρησιμοποιήθηκε στην παρούσα μελέτη. Η εικόνα ήταν καθαρή, χωρίς έντονες σκιάσεις και υπέστη γεωμετρική διόρθωση με βάση 13 σημεία ελέγχου. Το σφάλμα (Root Mean Square Error) της γεωμετρικής διόρθωσης ήταν 0.31 pixels για την διάσταση Χ και 0.46 pixels για την διάσταση Υ.
Η ανάλυση των δορυφορικών δεδομένων περιλάμβανε τα εξής :
- Ψηφιοποίηση των δεδομένων για να μπορέσει να γίνει διασαφήνιση των ορίων μεταξύ επίγειας και υδρόβιας ανάπτυξης των καλαμώνων. Τα διανυσματικά δεδομένα που προέκυψαν χρησιμοποιήθηκαν για την κατασκευή ενός bitmap από το οποίο παρήχθη μια εικόνα που απεικονίζει μόνο τον υδροβιότοπο.
- Εφαρμόστηκε στην παραγόμενη εικόνα του υδροβιότοπου μη επιβλεπόμενη ταξινόμηση με την μέθοδο k-means, με την οποία η εικόνα ταξινομήθηκε σε 2 κατηγορίες, περιοχές όπου υπάρχει κάλυψη με καλαμιές και περιοχές όπου δεν υπάρχουν καλαμιές. Η ταξινόμηση έγινε με ακρίβεια 94,69%.
- Τα διανυσματικά δεδομένα που πρόεκυψαν από την ψηφιοποίηση χρησιμοποιήθηκαν αυτή την φορά για την δημιουργία μιας μάσκας η οποία θα καλύψει την περιοχή των καλαμώνων. Η μάσκα καθορίστηκε τιμές ανακλαστικότητας των καναλιών για κάθε pixel.
- Στην συνέχεια με την μέθοδο μη επιβλεπόμενης ταξινόμησης isodata έγινε διάκριση μεταξύ του νερού και της υποβρύχιας βλάστησης. Στην πορεία οι δύο αυτές μεγάλες κατηγορίες έσπασαν σε επιμέρους υποκατηγορίες προκειμένου να γίνει σαφής διάκριση μεταξύ των ειδών της υποβρύχιας βλάστησης και των κατηγοριών του νερού. Δημιουργήθηκαν οι κατηγορίες «Water A (2*SDD>WD)», «Water B (2*SDD<WD)», «P.Pectinatus», «Najas spp at the surface», «Najas spp below the surface». Η ανάλυση ακρίβειας έδειξε ότι σημεία όπου η κάλυψη της επιφάνειας από υποβρύχια βλάστηση ήταν μικρότερη από 30%, λαμβάνονται λανθασμένα ως pixel νερού.
3.Αποτελέσματα - Συμπεράσματα
Ο θεματικός χάρτης που προκύπτει από την λεπτομερή ταξινόμηση των ειδών της υποβρύχιας βλάστησης και των κατηγοριών του νερού παρουσιάζεται στην εικόνα 2. Η ταξινόμηση για την κάλυψη της λίμνης από υποβρύχια βλάστηση έγινε με συνολικό ποσοστό ακρίβειας 83,02%, παρά τα προβλήματα που υπήρχαν(πχ χαμηλή διαύγεια του νερού, δειγματοληπτικά σημεία μεγέθους 1Χ1 που οδήγησαν σε προβλήματα ευκρίνειας λόγω μεγέθους pixel 2,41 X 2,41, κ.α.). Αντίστοιχα, η ταξινόμησης των διαφόρων υποβρύχιων ειδών και των κατηγοριών νερού ολοκληρώθηκε με ποσοστό 71,69%. Προκύπτει λοιπόν ότι η ακρίβεια των αποτελεσμάτων είναι πολύ ικανοποιητική, γεγονός που μας επιτρέπει να χρησιμοποιήσουμε δεδομένα δορυφορικών συστημάτων, όπως ο QuickBird, για αντίστοιχες μελέτες. Για την επαλήθευση και βελτίωση των όποιων ευρημάτων προκύπτουν από την επεξεργασία των τηλεπισκοπικών δεδομένων είναι απαραίτητες οι επιτόπιες μετρήσεις.
