Αξιολόγηση των δυνατοτήτων της Τηλεπισκόπησης στην παρακολούθηση του υάκινθου στα οικοσυστήματα γλυκών νερών.
Από RemoteSensing Wiki
Αξιολόγηση των δυνατοτήτων της Τηλεπισκόπησης στην παρακολούθηση του υάκινθου στα οικοσυστήματα γλυκών νερών.
Πρωτότυπος τίτλος: Testing the detection and discrimination potential of the new Landsat 8 satellite data on the challenging water hyacinth (Eichhornia crassipes) in freshwater ecosystems
Συγγραφείς: Timothy Dube, Onisimo Mutanga, Mbulisi Sibanda, Victor Bangamwabo, Cletah Shoko
Πηγή: Applied Geography, April 2017, 11-22
Λέξεις κλειδιά: Τηλεπισκόπηση, Γλυκά Νερά, Υάκινθος, Landsat
Σύνδεσμος πρωτότυπου κειμένου: [1]
ΑΝΤΙΚΕΙΜΕΝΟ ΕΦΑΡΜΟΓΗΣ
Αντικείμενο της παρούσας μελέτης είναι η ανίχνευση, η παρακολούθηση και η χαρτογράφηση της χωρικής κατανομής και μεταβολής διάφορων φαινομένων στα οικοσυστήματα των γλυκών νερών. Η μελέτη αυτή προτείνει ότι η χρήση πολυφασματικών δορυφορικών δεδομένων είναι ένα πολύ σημαντικό εργαλείο για την έγκυρη καταγραφή διαφόρων περιπτώσεων και την αντιμετώπιση προβλημάτων όπως για παράδειγμα την εισβολή ζιζανίων.
ΕΙΣΑΓΩΓΗ-ΣΚΟΠΟΣ ΕΦΑΡΜΟΓΗΣ
Ο κύριος στόχος της συγκεκριμένης έρευνας είναι η ανίχνευση και η χαρτογράφηση της χωρικής κατανομής και διαμόρφωσης του υάκινθου (Eichhornia crassipes) σε οικοσυστήματα γλυκών υδάτων, με τη χρήση των πολυφασματικών δορυφορικών δεδομένων Landsat 8 και των μη παραμετρικών ομάδων παλινδρόμησης. Η ανάλυση αυτών των χαρακτηριστικών είναι ουσιαστικής σημασίας καθώς η ανεξέλεγκτη ταχεία εισβολή υδρόβιων ζιζανίων στα οικοσυστήματα γλυκού νερού έχει τη δυνατότητα να προκαλέσει διαταραχές στη βιοποικιλότητα, στην κυκλοφορία των θρεπτικών ουσιών, στον οικότοπο της υδρόβιας ζωής και στην υποβάθμιση της ποιότητας των υδάτων. Εκτός από αυτές τις επιπτώσεις, τα ζιζάνια μπορούν να προκαλέσουν οικονομικές απώλειες στη γεωργία, στον τουρισμό και στην αλιεία. Πρόσφατα, ο ρυθμός και ο κίνδυνος που συνδέεται με τα υδρόβια ζιζάνια έχει αυξηθεί σημαντικά στα περισσότερα οικοσυστήματα γλυκών υδάτων, λόγω της κλιματικής αλλαγής, του αυξημένου εμπλουτισμού θρεπτικών ουσιών καθώς και άλλων οργανικών και ανόργανων ρύπων από διάφορες ανθρωπογενείς δραστηριότητες. Επομένως, κρίνεται επιτακτική η ανάγκη συνεχής παρακολούθησης των οικοσυστημάτων γλυκών υδάτων για τη σωστή διαχείριση και αντιμετώπιση των προβλημάτων.
ΥΛΙΚΑ ΚΑΙ ΜΕΘΟΔΟΙ
Περιοχή Μελέτης
Η περιοχή μελέτης που επιλέχθηκε για τη διεξαγωγή της έρευνας είναι η λίμνη Manyame και η λίμνη Chivero. Η λίμνη Manyame (πρώην λίμνη Darwanedale) βρίσκεται 76 χιλιόμετρα δυτικά της πρωτεύουσας της Ζιμπάμπουε, ενώ η Chivero (πρώην λίμνη McLlwaine) απέχει 35 χιλιόμετρα από τη Χαράρε. Οι δύο αυτές λίμνες βρίσκονται στο κεντρικό οροπέδιο, σε υψόμετρο περίπου 1300-1600 μ. Η λίμνη Manyame καλύπτει έκταση περίπου 8100 εκταρίων, ενώ η Chivero καλύπτει 6100 εκτάρια. Αυτές οι δύο λίμνες αποτελούν μέρος των τεσσάρων μεγάλων πηγών νερού για τη Χαράρε και τις περιφερειακές πόλεις της. Αυτές οι πόλεις βρίσκονται μέσα στη λεκάνη απορροής αυτών των ποταμών με αποτέλεσμα να απελευθερώνουν εκεί τα απόβλητα τους. Αυτό έχει ως συνέπεια την αύξηση των θρεπτικών συστατικών μέσα στα ύδατα, που αυτό με τη σειρά του διευκολύνει την ανάπτυξη άλλων ειδών όπως ο υάκινθος.
Συλλογή Δεδομένων
Για αυτή τη μελέτη συλλέχθηκαν δορυφορικά δεδομένα από την ιστοσελίδα της Αμερικάνικης Γεωλογικής Υπηρεσίας Οπτικής Απεικόνισης (GloVis). Συγκεκριμένα, χρησιμοποιήθηκαν τέσσερις πολυφασματικές εικόνες του Landsat 8, οι οποίες ήταν σε ψηφιακή μορφή και βαθμονομήθηκαν με τους αλγόριθμους Chander, Markham και Helder. Οι εικόνες περιείχαν και κανάλια του ορατού όσο και του υπέρυθρου φάσματος για την σωστή διάκριση των υποβαθμισμένων περιοχών. Πριν την ταξινόμηση, όλες οι εικόνες διορθώθηκαν από ατμοσφαιρικά σφάλματα χρησιμοποιώντας το μοντέλο Spectral Hypercube Fast Line-Atmospheric Analysis του λογισμικού Envi.
Εργασίες πεδίου
Για τη σωστή διάκριση του υάκινθου από τις άλλες κατηγορίες χρήσεων γης και των εποχιακών διακυμάνσεων του διεξήχθησαν επιτόπιες έρευνες. Οι έρευνες αυτές είχαν σκοπό την καταγραφή όλων των χρήσεων γης, που είναι απαραίτητες και στο στάδιο της ταξινόμησης και την καταγραφή των ηλικιακών ομάδων του υακίνθου σε νεαρά, μεσαία και ηλικιωμένα. Οι τοποθεσίες κάθε ηλικιακής ομάδας καταγράφηκαν χρησιμοποιώντας ένα χειροκίνητο GPS και ένα σκάφος για την πλοήγηση μέσα στη λίμνη. Οι κύριοι τύποι κάλυψης γης που εξετάστηκαν ήταν:
(α) διαταραγμένες εκτάσεις
(β) δασικές εκτάσεις
(γ) λιβάδια
(δ) φυτείες
(ε) γυμνά εδάφη
(ζ) νερό
Για κάθε κάλυψη γης μετρήθηκα σημεία δειγματοληψίας με το χειροκίνητο GPS προκειμένου να χρησιμοποιηθούν στη διαδικασία της ταξινόμησης των δορυφορικών εικόνων. Τα σημεία αυτά εισήχθηκαν στο ArcGIS 10.3 και αποθηκεύτηκαν ως χάρτες. Στη συνέχεια, οι χάρτες επικαλύφθηκαν με τις δορυφορικές εικόνες για να εξαχθεί η ανάκλαση κάθε τύπου κάλυψης εδάφους σε κάθε σημείο του υπέρυθρου και ορατού φάσματος των προεπεξεργασμένων δορυφορικών εικόνων Landsat, η οποία αποθηκεύτηκε σε πίνακα. Τέλος, πριν από την ταξινόμηση τα σημεία αυτά χωρίστηκαν τυχαία σε 70% σημεία εκπαίδευσης και 30% σημεία ελέγχου. Αξίζει να σημειωθεί ότι, όλη η έρευνα πεδίου πραγματοποιήθηκε σε ξερή περίοδο προκειμένου να συμπίπτει με τη χρονική περίοδο των δορυφορικών εικόνων.
Ταξινόμηση Δεδομένων
Πριν την πραγματοποίηση της ταξινόμησης ελέγχθηκε η διακύμανσης των κατηγοριών κάλυψης γης στα διάφορα μήκη του φάσματος προκειμένου να βρεθούν αυτά που είναι κατάλληλα για τη σωστή διάκριση των ηλικιακών ομάδων του υακίνθου όπως επίσης και τη διάκριση του από τους άλλους τύπους κάλυψης γης. Συγκεκριμένα, χρησιμοποιήθηκαν η διακριτική ανάλυση (DA) και τα μερικά ελάχιστα τετράγωνα της διακριτής ανάλυσης (PLS-DA). Ο αλγόριθμος PLS-DA χρησιμοποιείται για να διακρίνει ένα συγκεκριμένο φαινόμενο, δηλαδή σε αυτή την περίπτωση τους τύπους κάλυψης και τις ηλικιακές ομάδες του υάκινθου, χρησιμοποιώντας πολυάριθμες περιττές μεταβλητές. Ο PLS-DA μειώσε τις μεταβλητές που χρησιμοποιήθηκαν για τη διάκριση του στόχου σε λανθάνοντες μεταβλητές ή ομάδες. Οι λανθάνουσες μεταβλητές στη συνέχεια χρησιμοποιήθηκαν για να διακρίνουν τις λεπτές διαφορές μεταξύ των διαφορετικών τύπων κάλυψης γης και των ομάδων ηλικιών των υάκινθων σε αυτή τη μελέτη. Από την άλλη πλευρά, κατά την ταξινόμηση, ο αλγόριθμος DA επιδιώκει γραμμικούς συνδυασμούς, οι οποίοι ταξινομούν καλύτερα κάθε τύπο κάλυψης γης ή τις ομάδες ηλικιών του υάκινθου. Σε αυτή τη μέθοδο τα δείγματα θεωρήθηκαν τυχαία και χρησιμοποιήθηκαν μέτρα γενικευμένων τετραγωνικών αποστάσεων.
ΑΠΟΤΕΛΕΣΜΑΤΑ
Διάκριση Υακίνθου από τους άλλους τύπους κάλυψης γης
Τα αποτελέσματα της διαδικασίας, όπως φαίνεται και στην εικόνα 3, αποδεικνύουν ότι στις πολυφασματικές εικόνες του Landsat 8 ο υάκινθος μπορεί να διακριθεί ξεκάθαρα από τις καλλιέργειες, τη βλάστηση και την παράκτια βλάστηση. Ακόμα, διακρίνεται εύκολα η χωρική θέση του στην περιοχή μελέτης, που όπως παρατηρείται από την εικόνα είναι στη μισή επιφάνεια της λίμνης και συγκεντρωμένη στο τοίχωμα του φράγματος. Ακόμα ένα συμπέρασμα που προέκυψε είναι ότι τα κανάλια 5, 6, 7, 8, 10 και 11 κρίνονται τα πιο κατάλληλα για τη διάκριση του υακίνθου από όλες τις κατηγορίες κάλυψης γης.
Επίσης, από τα αποτελέσματα μπορεί να παρατηρηθεί ότι και οι δύο αλγόριθμοι που χρησιμοποιήθηκαν (PLS-DA και DA) ήταν σε θέση να διακρίνουν τον υάκινθο από τους άλλους τύπους κάλυψης γης. Μπορεί επίσης να παρατηρηθεί ότι η έκταση που καλύπτεται από τον υάκινθο ήταν μεγαλύτερη στη λίμνη Manyame σε σύγκριση με τη λίμνη Chivero. Κατά συνέπεια μόνο στη λίμνη Manyame θεωρήθηκε ότι είναι εφικτό να γίνει η διάκριση των ηλικιακών ομάδων.
Στην εικόνα 4 εμφανίζονται οι κατανομές συμφωνίας και διαφωνίας μεταξύ των συνόλων δεδομένων ταξινόμησης για τις 10 κατηγορίες που διακρίνονται σε αυτή τη μελέτη. Μπορεί να παρατηρηθεί ότι όταν χρησιμοποιούνται δεδομένα Landsat 8, οι κατανομές διαφωνίας τόσο για τις εικόνες ξηρής όσο και για την υγρής περιόδου που παράγονται χρησιμοποιώντας και τα δύο PLS-DA και DA είναι χαμηλότερα για τον υάκινθο σε σύγκριση με τους άλλους τύπους γης. Παρατηρείται ξεκάθαρα ότι το έδαφος ήταν ο πιο λάθος ταξινομημένος τύπος κάλυψης γης από σύνολα ταξινόμησης. Επιπλέον, από την Εικόνα 2 φαίνεται ότι κατά τη χρήση του DA οι κατανομές της συμφωνίας ήταν υψηλότερες από τις κατανομές διαφωνίας, ενώ κατά τη χρήση του PLS-DA οι κατανομές της διαφωνίας ήταν σχετικά υψηλότερες σε σύγκριση με τις κατανομές της συμφωνίας.
Τέλος, από τoυς πίνακες 1 και 2 βγαίνουν τα συμπεράσματα ότι η ακρίβεια του γυμνού εδάφους είναι η μικρότερη από όλες και ότι ο αλγόριθμος DA είναι ο πιο κατάλληλος για την διάκριση των ηλικιακών ομάδων του υακίνθου.
Διάκριση διαφορετικών ηλικιακών ομάδων του υακίνθου
Η διάκριση των ηλικιακών ομάδων του υακίνθου έγινε μόνο στη λίμνη Manyame και μόνο στα αποτελέσματα που προέκυψαν από τον αλγόριθμο DA. Όπως λοιπόν παρατηρείται και στις εικόνες 5 και 6 οι τρεις ηλικιακές ομάδες του υακίνθου (νεαρά, μεσαία και ηλικιωμένα) μπορούν να διακριθούν αποτελεσματικά χρησιμοποιώντας το εγγύς υπέρυθρο, το μέσο θερμικό και θερμικό κομμάτι του ηλεκτρομαγνητικού φάσματος (δηλαδή τα κανάλια 5, 6, 7, 8, 9, 10 και 11) των δεδομένων Landsat 8. Κατά τη διάρκεια της ξηρής περιόδου ο υάκινθος καλύπτει μικρότερη επιφάνεια στη λίμνη Manyame σε σύγκριση με την υγρή περίοδο. Ακόμα, κατά τη διάρκεια της ξερής περιόδου, η ομάδα των ηλικιωμένων υακίνθων καλύπτει την περισσότερη επιφάνεια, ακολουθεί η ενδιάμεση ηλικιακή ομάδα και στο τέλος έρχεται ο νεαρός πληθυσμό. Τα πράγματα διαφοροποιούνται κατά τη διάρκεια της υγρής περιόδου, στην οποία η ενδιάμεση ηλικιακή ομάδα καταλαμβάνει τη μεγαλύτερη επιφάνεια, ενώ οι ηλικιωμένες και νεαρές ηλικίες καταλαμβάνουν μικρότερη επιφάνεια της λίμνης.
Τέλος, σύμφωνα με τα δεδομένα των ακριβειών ταξινόμησης προκύπτει ότι ο νεαρός υακίνθος είχε σχετικά υψηλότερες ακρίβειες ταξινόμησης τόσο κατά τη διάρκεια της ξηρής όσο και της υγρής περιόδου. Η ενδιάμεση ηλικιακή ομάδα είχε ελαφρώς υψηλές κατανομές διαφωνίας σε σύγκριση με τους νέους και τους ηλικιωμένους. Πάνω απ 'όλα, η ταξινόμηση του υάκινθου στη ξηρή περίοδο έδειξε καλύτερη ακρίβεια από την ταξινόμηση της υγρής περιόδου. Από την εικόνα 7 προκύπτει ότι η ταξινόμηση κατά την ξηρή περίοδο οδήγησε σε σχετικά υψηλότερη κατανομή της συμφωνίας και λιγότερη κατανομή διαφωνίας.
ΣΥΜΠΕΡΑΣΜΑΤΑ
Η μελέτη αυτή εξέτασε τη σημασία της ενσωμάτωσης της Τηλεπισκόπησης για την ανίχνευση και χαρτογράφηση της χωρικής διαμόρφωσης και διανομής του υάκινθου (Eichhornia crassipes) στα οικοσυστήματα γλυκών υδάτων. Πιο συγκεκριμένα, εξέτασε κατά πόσο η χρήση των ορατών, υπέρυθρων και θερμικών καναλιών του δορυφόρου Landsat 8 μπορεί να διευκολύνει την όλη διαδικασία και σε ποια συμπεράσματα μπορεί να βοηθήσει. Από την όλη διαδικασία προέκυψε η σαφής διάκριση του υακίνθου από τις άλλες κατηγορίες κάλυψης γης και η κατηγοριοποίηση του σε ηλικιακές ομάδες. Έχοντας πει όλα αυτά, συμπεραίνεται ότι η ακριβής και αξιόπιστη ανίχνευση και χαρτογράφηση τέτοιων φαινομένων, όπως ο υάκινθος του στα οικοσυστήματα του γλυκού νερού, παρέχει σημαντικές χωρικές και οικολογικές πληροφορίες που απαιτούνται για τα προγράμματα αποκατάστασης και αποτελεσματικής διαχείρισης.
