Αξιολόγηση της ακρίβειας στην χαρτογράφηση δασικής μεταβολής στα δυτικά των Μεγάλων Λιμνών

Από RemoteSensing Wiki

Μετάβαση σε: πλοήγηση, αναζήτηση

Πρωτότυπος Τίτλος:« An accuracy assessment of forest disturbance mapping in the western Great Lakes »


Συγγραφείς: By J. Jarnstedt , A. Pekkarinen , S. Tuominen , C. Ginzler , M. Holopainen , R. Viitala

posted on 22 September, 2012 in Articles, Remote Sensing of Environment 128 (2013) 176–185 Πηγή: Elsevier

«  Αξιολόγηση της ακρίβειας στην χαρτογράφηση δασικής μεταβολής στα δυτικά των Μεγάλων Λιμνών»


Εισαγωγη

Η Πρωτοβουλία αποκατάστασης των Μεγάλων Λιμνών (GLRI) είναι μια πολυετής προσπάθεια πολλών υπηρεσιών με στόχο την βελτίωση της υγείας των Μεγάλων Λιμνών και συντονίζεται από την Αμερικανική Υπηρεσία Προστασίας Περιβάλλοντος (EPA). Οι λεκάνες απορροής των μεγάλων Λιμνών είναι περίπου 54% δάση και η ορθολογιστική διαχείριση των δασών στις λεκάνες απορροής έχει από καιρό αναγνωριστεί ως κρίσιμος παράγοντας για τη διατήρηση της ποιότητας απορροής. Η Δασική Υπηρεσία USDA λειτουργεί ως εταίρος στην GLRI, με ιδιαίτερη έμφαση στη διερεύνηση της σχέσης μεταξύ της διαχείρισης της λεκάνης απορροής και της ισορροπίας στις Μεγάλες Λίμνες. Οι δραστηριότητες αποκατάστασης και διαχείρισης Δασών θα είναι πιο αποτελεσματικές στην επίτευξη των στόχων τους, εάν εφαρμοστεί μέσα από την προοπτική της λεκάνη απορροής. Επιπροσθέτως, τα υπάρχοντα δεδομένα δεν έχουν σχεδιαστεί για να παρέχουν πληροφορίες σχετικά με τα επίπεδα απορροής των λεκανών σύμφωνα με πρότυπα που ενυπάρχουν στην οικολογία και στην διαχείριση δασών. Ως εναλλακτική λύση για την ανάλυση σε επίπεδο κράτους, οι αλγόριθμοι Landsat Time Series Stacks(LTSS) και Vegetation Change Tracker (VCT) μπορούν να χρησιμοποιηθούν για παραγωγή χάρτη δασοκάλυψης και κατά επέκταση ενημέρωση της διαχείρισης των λεκανών απορροής. Στην εργασία έχουν προσαρμόσει οι VCT σε διαδικασία για τις λεκάνες απορροής της λίμνης Superiorκαι τη λίμνη Μίτσιγκαν χρησιμοποιώντας πηγή εικόνες στον χειμώνα για μείωση των σφαλμάτων. Το αποτέλεσμα είναι ένα προϊόν που ονομάζουμε VCTw, το οποίο χρησιμοποιείται για τη χαρτογράφηση δασών Εικονα1 .

Μεθοδολογία

Εικόνα 1 – Απεικόνιση της περιοχής μελέτης.
Εικόνα 2 – Απεικόνιση της κατανομής στη περιοχή μελέτης .
Εικόνα 3 – Αποτέλεσμα απεικόνισης ταξινόμησης δεικτών.

Η αξιολόγηση της ακρίβειας διεξήχθη με σύγκριση του δάσους σε σχέση σε "δεδομένα αναφοράς" για ένα δείγμα των εικονοστοιχείων του χάρτη. Ο VCT έχει περιγραφεί σε αρκετά έγγραφα και χρησιμοποιήθηκε για την επεξεργασία εικόνων Landsat, ο προκύπτον χάρτης φάνηκε να περιέχει σε μεγάλες περιοχές λανθασμένες ταξινομήσεις δασών. Μετά την εξέταση κάποιων προφανών χαρτογραφικών λαθών, εκτιμήθηκε ότι μέρος των σφαλμάτων οφείλονται στην φασματική σύγχυση μεταξύ δάσους φυλλώματος καλλιεργειών καλαμποκιού και θαμνώδους υγροτόπου. Οι καλλιέργειες και οι υγρότοποι είναι εξαιρετικά μεταβλητοί στο πέρασμα του χρόνου. Επιλέχθηκε ένα κατάλληλο σχέδιο δειγματοληψίας για την εκτίμηση της ακρίβειας όπου έγινε με γνώμονα την εξισορρόπηση των πρακτικών λόγων (π.χ., το κόστος της συλλογής των δεδομένα αναφοράς) και των στατιστικών εκτιμήσεων (π.χ., εξασφαλίζοντας ότι όλες οι τάξεις θα είναι επαρκώς τμήμα της δειγματοληψίας). Στην περίπτωσή μας, υπήρχαν τρεις κύριες περιοχές όπου ανάλογα το είδος των καλλιεργειών χρησιμοποιήθηκαν φωτογραφίες σε διαφορετικές εποχές (εικονα2). Επιπλέον στόχος ήταν να παράγουν αποτελέσματα για κάθε κατηγορία μεταβολής. Για την προσπάθεια αυτή υπολογίστηκαν μια σειρά δεικτών (PNF, PF, PW, D1, D2 ) ανά κατηγορία, VCTw. Ταξινόμηση των υπολογιζόμενων δεικτών σε δείγμα που συντάχθηκε κατά τη διάρκεια του πρώτου σταδίου απεικονίζεται στην Εικ. 3.

Συμπεράσματα

Η συνολική ακρίβεια για ολόκληρη την περιοχή στόχου υπολογιστικε να είναι 91% με εκτιμώμενο τυπικό σφάλμα 0,8%. Σημειώστε ότι με βάση τα χρονικά διαστήματα υπήρχε η παραδοχή ότι οι εκτιμήσεις ανήκαν στην κανονική κατανομή. Μελέτες προσομοίωσης έχουν πρότεινε ότι η πραγματική πιθανότητα κάλυψης των εν λόγω χρονικών διαστημάτων είναι συνήθως μικρότερη από πιθανότητα της κανονικής Δηλαδή, εάν αντλήσαμε επανειλημμένα δείγματα και υπολογίζεται διαστήματα εμπιστοσύνης 95%, θα μπορούσαμε να αναμένουμε ότι λιγότερο από το 95% από αυτούς θα περιλαμβάνει την αληθινή τιμή της παραμέτρου. Το κυρίως εντυπωσιακό χαρακτηριστικό αυτών των αποτελεσμάτων είναι το συγκριτικά υψηλό ποσοστό των σφαλμάτων που σχετίζονται με τις D1 και D2 τάξεις. Για παράδειγμα, οι εκτιμώμενες πιθανότητες λάθους για ταξινομήσεις D1 και D2 είναι περίπου 21% και 25%, αντίστοιχα. Με άλλα λόγια, εκτιμούμε ότι περίπου το ένα από τα πέντε pixels ταξινομούνται από τον χάρτη ως μεταβολή χαρακτηριστικών. Οι εκτιμώμενες πιθανότητες λάθους με παράλειψη τα D1 και D2 κατηγορίες είναι περίπου 49% και 54%, αντίστοιχα, γεγονός που υποδεικνύει ότι ο VCTw που έχει βρεθεί στα μισά pixel έχει υποστεί μεταβολή. Σημειώστε, ωστόσο, ότι τα τυπικά σφάλματα που σχετίζονται με τα σφάλματα παράλειψης είναι μεγάλα. Η συνολική ακρίβεια για το LSB εκτιμήθηκε να είναι 87% με τυπικό σφάλμα το 2%, ενώ η συνολική ακρίβεια του LMB εκτιμήθηκε να είναι 92% με εκτιμώμενο τυπικό σφάλμα του 1%. Από τα παραπάνω ανακύπτει ότι το επιλεγμένο σχέδιο δειγματοληψίας ήταν επιτυχής όσον αφορά το ότι επιτρέπεται η εκτίμηση των παραμέτρων ακρίβειας. Ένα κλειδί για την επίτευξη αυτού ήταν οι οδηγίες του περί αναλλοίωτου και ανεξάρτητου (Särndal et al., 1992). Μια σημαντική συνέπεια των περιορισμών αυτών είναι ότι δεν θα ήταν δυνατό να αυξηθεί ο αριθμός των εικονοστοιχείων δειγματοληψίας που επιλέγονται από ένα δεδομένο PSU, λόγω της έλλειψης των μεταβολών σε άλλες επιλεγμένες. Αυτό σημαίνει ότι, δυστυχώς, η αρχές του αναλλοίωτου και η ανεξαρτησία δεν μπορεί να ακολουθείται σε κάθε εκτίμηση της ακρίβειας, ειδικά όταν σε δύο στάδια του σχεδιασμού χρησιμοποιούνται σπάνιας ταξινομήσεις. Μια εναλλακτική λύση σε ένα τέτοιο σενάριο είναι να διεξάγει μια δεύτερη ανεξάρτητη έρευνα που να έχει σχεδιαστεί ειδικά για να δοκιμάσουν τη σπάνια κατηγορία και να συνδυάσει τις πληροφορίες και από τις δύο έρευνες για την παραγωγή μιας βελτιωμένης εκτιμητής των χαρακτηριστικών του πληθυσμού που σχετίζονται με την σπάνια κατηγορία.

Προσωπικά εργαλεία