Αξιολόγηση χαρακτηριστικών ποιότητας αστικού τοπίου

Από RemoteSensing Wiki

Μετάβαση σε: πλοήγηση, αναζήτηση
Εικ. 1 Διάταξη κατάτμησης/ταξινόμησης και ροή πληροφορίας, Πηγή: [1]
Εικ. 2 Αντιπροσωπευτική περιοχή μελέτης, Πηγή: [2]
Εικ. 3 Διανυσματικά (Vector) δεδομένα οικοδομικών τετραγώνων, Πηγή: [3]
Εικ. 4 Θεματικός χάρτης, Πηγή: [4]

Πρωτότυπος Τίτλος: ΑΞΙΟΛΟΓΗΣΗ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΠΟΙΟΤΗΤΑΣ ΤΟΥ ΑΣΤΙΚΟΥ ΤΟΠΙΟΥ ΜΕ ΧΡΗΣΗ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΑΝΑΛΥΣΗΣ

Συγγραφείς: Γιώργος Ι. Ρηγόπουλος

Πηγή: https://dspace.lib.ntua.gr/xmlui/handle/123456789/2834

Λέξεις κλειδιά: αντικειμενοστραφής ανάλυση , αντικειμενοστραφής ταξινόμηση, LiDAR, IKONOS, ανάλυση ποιότητας, ποιότητα αστικού τοπίου, αστικό πράσινο, έμπειρα συστήματα.

Αντικείμενο Εφαρμογής: Αξιολόγηση χαρακτηριστικών ποιότητας του αστικού τοπίου με τη βοήθεια τηλεπισκόπησης


Περίληψη

Η διαδικασία ταξινόμησης στην Τηλεπισκόπηση με την αντικειμενοστρεφή προσέγγιση (object oriented) δημιουργεί ομοιογενή σύνολα, σε αντίθεση με τους περισσότερους αλγόριθμους που επεξεργάζονται εικονοστοιχεία (pixel-based). Δημιουργώντας πλατφόρμες αντικειμενοστρεφών συστημάτων που θα χειρίζονται όλο και πιο σύνθετα τηλεσκοπικά προβλήματα, επιταχύνονται και αυτοματοποιούνται πολλές διαδικασίες που θα ήταν πολύ χρονοβόρες. Η συγκεκριμένη διπλωματική εργασία στοχεύει στη δημιουργία ενός δείκτη ποιότητας μέσω μιας νέας εφαρμογής και η απεικόνιση της παραχθείσας πληροφορίας. Αυτός ο δείκτης αφορά στην ποιότητα του αστικού τοπίου σε επίπεδο οικοδομικού τετραγώνου με δεδομένα από IKONOS δορυφορικές και LiDAR απεικονίσεις. Για τη δημιουργία του δείκτη, συντελεστές ήταν η ύπαρξη αστικού πρασίνου, η πυκνότητα της δόμησης, το υψόμετρο και η θέα του κάθε τετραγώνου.

Εισαγωγή

Είναι θεμελιώδες στο σχεδιασμό του αστικού περιβάλλοντος η διαφύλαξη των στοιχείων του φυσικού τοπίου, όπως το αστικό πράσινο και το υδάτινο περιβάλλον. Αυτό προϋποθέτει να συνδυαστεί με τη δυνατότητα των κατοίκων να τα προσεγγίζουν και να τα απολαμβάνουν. Καθώς οι εφαρμογές της αντικειμενοστρεφούς ταξινόμησης κερδίζουν έδαφος, η δυνατότητά τους να χειρίζονται σχεσιακά μοντέλα, παράγει δεδομένα για χρήση σε περίπλοκες μελέτες και όχι απλώς χάρτες κάλυψης του εδάφους. Η συλλογή χωρικών πληροφοριών έχει εμπλουτιστεί πλέον με δορυφορικά δεδομένα μεγάλης ακρίβειας ακόμα και στην υψομετρική διάσταση με τη χρήση των LiDAR απεικονίσεων. Αυτό έχει ως αποτέλεσμα η τηλεπισκόπηση να μπορεί να συνεργαστεί με χωροτάκτες, πολεοδόμους και περιβαλλοντολόγους εντοπίζοντας τις κατάλληλες και τις προβληματικές περιοχές.

Μέθοδοι, λογισμικό και δεδομένα

Επιλέχθηκε η μέθοδος της αντικειμενοστρεφούς ανάλυσης εξαιτίας του ότι δεν έχει το μειονέκτημα του θορύβου «αλατοπίπερου» - salt and pepper ταξινομήσεων, ενώ αντίθετα παρέχει εκμετάλλευση των σχέσεων του κάθε εικονοστοιχείου με το περιβάλλον του. Επίσης η απεικόνιση ποιοτικών χαρακτηριστικών μπορεί να είναι χωρικά ανεξάρτητη ή εξαρτημένη σε μια μονάδα φυσικής σημασίας, όπως οικοδομικό τετράγωνο, και ευνοεί τη σχεδόν πλήρως αυτοματοποιημένη δημιουργία και ορισμό του οικοδομικού τετραγώνου. Το λογισμικό αντικειμενοστρεφούς ανάλυσης που χρησιμοποιήθηκε είναι το eCognition. Πρώτο στάδιο είναι η κατάτμηση της εικόνας σε ομογενή τμήματα, μέσω της τεχνικής συγχώνευσης περιοχών, και ελέγχονται από τη μεταβλητή «παράμετρος κλίμακας» (scale parameter). Δεύτερο στάδιο είναι η ταξινόμηση όχι μόνο βάση φασματικών χαρακτηριστικών, αλλά και άλλων κριτηρίων μέσω της ασαφούς λογικής “fuzzy logic” εισάγεται η βάση γνώσης σε λογισμικό. Οι κατηγορίες που θα δημιουργηθούν μπορεί να οργανωθούν σε ευρύτερες θεματικές ομάδες. Τα αποτελέσματα της αντικειμενοστρεφούς ανάλυσης μπορούν να εξαχθούν ως εικόνα raster ή υπό μορφή πολυγώνων και να χρησιμοποιηθούν σε περιβάλλον GIS. Ο δείκτης που επιχειρείται να δημιουργηθεί, έχει τη μορφή σύνθετου χαρακτηριστικού (custom feature) και είναι αναγκαίο να «τροφοδοτηθεί» από δεδομένα της περιοχής μελέτης για την αξιολόγηση του τοπίου. Προαπαιτούμενα 1) Συνδυασμός σετ δεδομένων υψομετρικής, διανυσματικής (vector) και φασματικής πληροφορίας 2) Δημιουργία δεδομένων στην εικόνα και κατάλληλη ταξινόμησή του και 3) Ανίχνευση και ταξινόμηση οικοδομικών τετραγώνων. Ακολουθεί η ειδική ταξινόμηση. Ανάλογα με τα ποιοτικά χαρακτηριστικά του τετραγώνου θα παραχθεί μια κατάλληλη χρωματική διαβάθμιση. Τα ποιοτικά κριτήρια με σειρά βαρύτητας είναι το αστικό πράσινο, το ποσοστό ακάλυπτων χώρων και η θέα. Η λειτουργία του δείκτη ποιότητας γίνεται σε τρία στάδια: 1) Συλλογή από αντικείμενα (sub-objects) (εικ. 1). Αναλύεται η συνολική χωρική και υψομετρική πληροφορία από τη LiDAR εικόνα και από τις κατατμημένες φασματικές εικόνες, και αντλούνται τιμές αντικειμένων από το κατώτερο επίπεδο ταξινόμησης. Για τη λειτουργία του QualityIndex δημιουργούνται τρία νέα χαρακτηριστικά, η πυκνότητα πρασίνου (GreenDensity), η παρουσία ακάλυπτων χώρων (Unbuilt Area) και η σχετική υψομετρική θέση των οικοδομικών τετραγώνων (Relative Block Elevation). 2) Αντιστοιχία βαρών ανάλογα με το οικοδομικό τετράγωνο. 3) Εφαρμογή δείκτη QualityIndex και μετα-ταξινόμηση. Αυτή θα γίνει σε μια κατάλληλη κατατμημένη εικόνα της περιοχής η οποία θα αποτελεί το δεύτερο επίπεδο (Level 2), για το οποίο αποτελούν υπερ-αντικείμενα (super-scale objects) οι πληροφορίες του τρίτου επιπέδου κατάτμησης (Level 3), η απόδοση δηλαδή, της υψομετρικής πληροφορίας.

Επιλέχθηκε μια IKONOS δορυφορική εικόνα και ένα LiDAR υψομετρικό μοντέλο, επειδή καλύπτουν απαιτήσεις όπως η υψηλή ραδιομετρική ακρίβεια, η ευκολία στον προσδιορισμό της τρίτης διάστασης και στο διαχωρισμό δρόμων από κτίρια, όπως επίσης και των σκιώδων περιοχών βλάστησης. Το εγγύς υπέρυθρο κανάλι θα χρησιμεύσει στη χαρτογράφηση των συγκεντρώσεων πρασίνου, ενώ τα δεδομένα LiDAR θα εξυπηρετήσουν για τη διάκριση κτιρίων/άκτιστων περιοχών και την ταξινόμηση σκιώδων αντικειμένων.

Σαν περιοχή μελέτης ορίζεται μέρος του δήμου Παλαιού Φαλήρου σαν μια τυπική, οικιστική περιοχή με τυπική ρυμοτομία και δενδροφύτευση, ενώ καλύπτει περίπου είκοσι οικοδομικά τετράγωνα. Η δορυφορική απεικόνιση IKONOS περιλαμβάνει τέσσερα φασματικά κανάλια (Red, Blue, Green, NIR) με χωρική διακριτική ικανότητα 1m και διαστάσεις 590x641 pixels. Τα δεδομένα του υπέστησαν επεξεργασία pansharpening με χρήση του παγχρωματικού καναλιού. Το LiDAR υψομετρικό μοντέλο είναι ενός παλμού (top response), προϊόν αερομεταφερόμενου Σαρωτή Λέιζερ (Laserscanner) χωρικής διακριτικής ικανότητας 1m. Επίσης στο dataset έχει προστεθεί ένα διανυσματικό (vector) αρχείο AUTOCAD DFX στα κεντρικά 11 τετράγωνα και θεωρούνται ως η αντιπροσωπευτική περιοχή μελέτης (εικ. 2).

Ακολουθεί μίξη επιπέδων για να γίνει φωτοερμηνεία. Από IKONOS raster layer για κάθε φασματικό κανάλι όπως επίσης και για LiDAR raster layer. Πραγματοποιούνται με τη σειρά κατάτμηση και ταξινόμηση πρώτου επιπέδου, κατάτμηση και ταξινόμηση τρίτου επιπέδου και τέλος κατάτμηση και ταξινόμηση δεύτερου επιπέδου. Για την τελευταία ταξινόμηση, ο δείκτης θα χρησιμοποιήσει το πρώτο επίπεδο ως «υπό»-επίπεδο, ενώ το τρίτο ως «υπέρ»-επίπεδο. Από αυτές τις αναλύσεις θα προκύψει ο τελικός Δείκτης Ποιότητας του Αστικού Τοπίου QualityIndex. Θα ακολουθήσει οπτικοποίηση με χρωματική κλίμακα. Αυτές είναι: Πολύ Χαμηλή Ποιότητα (Very Low Quality), Χαμηλή Ποιότητα (Low Quality), Μέτρια Ποιότητα (Medium Quality) και Υψηλή Ποιότητα (High Quality).

Αξιολόγηση Αποτελεσμάτων

Ο αλγόριθμος ταξινόμησης δίνει ακριβή αποτελέσματα. Εφόσον η κάθε κλάση καταλαμβάνει συγκεκριμένες τιμές, δεν υφίσταται επικάλυψη μεταξύ τους και έχουμε ορθό αποτέλεσμα. Για ολοκληρωμένο ωστόσο έλεγχο της εγκυρότητας της μελέτης, απαιτείται έρευνα αξιολόγησης π.χ. από επιτροπή ειδικών. Τα περισσότερα οικοδομικά τετράγωνα της περιοχής μελέτης χαρακτηρίζονται ως Μέτριας Ποιότητας. Σημαντικό είναι πως κανένα από αυτά δεν εντάσσεται στην κατηγορία Υψηλής Ποιότητας (High Quality). Αυτό το αποτέλεσμα επιβεβαιώνεται και φωτοερμηνευτικά, παρατηρώντας την εικόνα LiDAR (εικ. 4).

Συμπεράσματα-Προοπτικές

Στην παρούσα εργασία δόθηκε βάρος στις αυτοματοποιημένες διαδικασίες που θα μειώσουν την εμπλοκή του χρήστη στη λήψη αποφάσεων, εξοικονομώντας χρόνο. Η δημιουργία του τρόπου αξιολόγησης με τον Δείκτη Ποιότητας Αστικού Τοπίου, παρότι επιδέχεται περαιτέρω βελτίωση, αναμένεται να αναδειχτεί σημαντική σε πολεοδόμους ή άλλους σχεδιαστές που χειρίζονται μεγάλο όγκο δεδομένων. Ο συγκεκριμένος αλγόριθμος, καθώς μπορεί να εξαχθεί ως πρωτόκολλο, έχει τη δυνατότητα να αποτελέσει βοήθημα για κάθε χρήση, καθιστώντας την Τηλεπισκόπηση εργαλείο ακόμα και για καθημερινούς σκοπούς.

Προσωπικά εργαλεία