Βαθυμετρία και χαρτογράφηση πυθμένα με τηλεπισκοπικές τεχνικές

Από RemoteSensing Wiki

Μετάβαση σε: πλοήγηση, αναζήτηση
Εικ. 1 Παραλία Λαμπαγιαννών, Άργος, Πηγή: [1]
Εικ. 2 Παραλία Βάρκιζας, Πηγή: [2]
Εικ. 3 Περιοχές εκπαίδευσης, Βάρκιζα, Πηγή: [3]
Εικ. 4 Επιβλεπόμενη ταξινόμηση, Βάρκιζα, Πηγή: [4]
Εικ. 5 Μη επιβλεπόμενη ταξινόμηση, Βάρκιζα, Πηγή: [5]
Εικ. 6 Αντικειμενοστρεφής ταξινόμηση, Βάρκιζα, Πηγή: [6]
Εικ. 7 Φωτοερμηνεία, Άργος
Εικ. 8 Αντικειμενοστρεφής ταξινόμηση, Άργος, Πηγή: [7]
Εικ. 9 Γραμμικό βαθυμετρικό μοντέλο, Πηγή: [8]

Πρωτότυπος Τίτλος: Διερεύνηση τηλεπισκοπικών τεχνικών για βαθυμετρία και χαρτογράφηση πυθμένα από δορυφορικά και εναέρια δεδομένα

Συγγραφείς: Κωνσταντίνα Καραντώνη

Πηγή: http://dspace.lib.ntua.gr/handle/123456789/46879

Λέξεις κλειδιά: τηλεπισκόπηση, βαθυμετρία, χαρτογράφηση πυθμένα, δορυφορικοί αισθητήρες, Βάρκιζα, παραλία Λαμπαγιαννών

Αντικείμενο Εφαρμογής: Χρήση της τηλεπισκόπησης για χαρτογράφηση πυθμένα


Περίληψη

Στην παρούσα εργασία θα μελετηθούν τα παράκτια θαλάσσια περιβάλλοντα και θα καταγραφούν οι μεταβολές τους, καθώς αυτές είναι σημαντικές. Για να γίνει αυτό με ακρίβεια αλλά και οικονομικό τρόπο, θα χρησιμοποιηθούν πολυφασματικά τηλεσκοπικά δεδομένα υψηλής χωρικής ανάλυσης, ώστε να γίνει βαθυμετρική εκτίμηση και χαρτογράφηση του πυθμένα. Αυτά προέκυψαν από τους δορυφόρους Sentinel-2 και WorldView-2, καθώς και από επανδρωμένες και μη πτήσεις στις περιοχές της Βάρκιζας και της παραλίας Λαμπαγιαννών στην Αργολίδα.

Εισαγωγή

Η αλματώδης εξέλιξη που έχει συντελεστεί στην τεχνολογία των οπτικών αισθητήρων τα τελευταία χρόνια, έλυσε πολλά προβλήματα που υπήρχαν παλαιότερα στη συλλογή δεδομένων με τη χρήση μονής ή πολλαπλής δέσμης ηχοβολισμού και συστημάτων LiDAR (Light Detection and Ranging). Ως εκ τούτου, οι βαθυμετρικές μετρήσεις είναι πλέον αξιόπιστες, πιο γρήγορες και με μικρότερο κόστος. Επιπλέον είναι δυνατόν να γίνεται πολύ συχνά ανανέωση των δεδομένων, σύμφωνα με τη συχνή μεταβολή των θαλάσσιων περιβαλλόντων. Η σημασία της παρατήρησης και χαρτογράφησης αυτών των περιοχών είναι πολύ μεγάλη για πολλούς τομείς. Αρχικά συντελούν στην καταγραφή και συντήρηση αρχαιολογικών χώρων, πλήθος των οποίων βρίσκεται στα παράλια της Μεσογείου και ιδιαίτερα της Ελλάδος, και αξιοποίηση αυτών. Έπειτα είναι ιδιαίτερα χρήσιμα στα περιβαλλοντικά ζητήματα (ποιότητα νερού, κοραλλιογενείς ύφαλοι, λιώσιμο των πάγων), σε οικονομικές δραστηριότητες και λοιπούς τομείς.

Μεθοδολογία

Σαν περιοχές μελέτης ορίστηκαν η παραλία Λαμπαγιαννά Αργολίδας (εικ1), λόγω του έντονου αρχαιολογικού ενδιαφέροντος, και ο κόλπος της Βάρκιζας (εικ.2), λόγω των διαθέσιμων πυκνών χωρικά βαθυμετρικών δεδομένων. Τα τηλεσκοπικά δεδομένα των δορυφορικών δεκτών Sentinel-2 και WorldView-2, υπέστησαν αρχικά προεπεξεργασία, δηλαδή ατμοσφαιρική διόρθωση, αφαίρεση λαμπυρίσματος (συχνό πρόβλημα στις εικόνες θαλάσσης, λόγω της πρόσπτωσης του ήλιου στην επιφάνεια), γεωμετρική αναγωγή, χωρική βελτίωση και μοντέλο εδάφους. Ακολούθησε η χαρτογράφηση του πυθμένα. Αυτή έγινε με τρεις μεθόδους ταξινόμησης: την επιβλεπόμενη, τη μη επιβλεπόμενη και την αντικειμενοστρεφή ανάλυση. Σημειώνουμε πως ήταν απαραίτητη και η ύπαρξη επίγειων δεδομένων από επί τόπου παρατήρηση. Σαν περιοχές εκπαίδευσης για την επιβλεπόμενη ταξινόμηση εισήχθησαν οι ακόλουθοι τύποι πυθμένα από τη Βάρκιζα: άμμος (sand), βραχώδες υποστρώμα (bedrock), λάσπη (mud), αραιό λιβάδι ποσειδωνίας (sparse meadow) και πυκνό λιβάδι ποσειδωνίας (dense meadow) (εικ.3). Η επεξεργασία έγινε στο λογισμικό QGIS με το πρόσθετο Semi-Automatic Classification Plugin και τα αποτελέσματα φαίνονται στην εικόνα 4. Η μη επιβλεπόμενη ταξινόμηση έγινε στο λογισμικό GRASS GIS με την εντολή i.cluster και έδωσε αποτελέσματα (εικ.5) βάσει των φασματικών υπογραφών των αντικειμένων. Τέλος η αντικειμενοστρεφής ταξινόμηση πραγματοποιήθηκε στο λογισμικό eCognition Developer μέσω της εντολής Classification (εικ.6). Αντίστοιχα για την περιοχή της παραλίας Λαμπαγιαννά προέκυψε το αποτέλεσμα της εικόνας 7 από φωτοερμηνεία της εικόνας και επιτόπια έρευνα. Η αντικειμενοστρεφής ταξινόμηση, που υπήρξε πολύ ικανοποιητική, φαίνεται στην εικόνα 8. Στη συνέχεια εφαρμόστηκαν δύο διαφορετικά βαθυμετρικά μοντέλα, το Γραμμικό (Lyzenga) (εικ.9) και το μοντέλο Γραμμικής Αναλογίας (Stumpf). Το πρώτο βασίζεται στη θεωρία πως το φως εξασθενεί γραμμικά σε σχέση με το βάθος, ενώ το δεύτερο θεωρεί πως το φως εξασθενεί εκθετικά.

Αποτελέσματα και Αξιολόγηση

Η βέλτιστη μέθοδος για τη χαρτογράφηση του πυθμένα προκύπτει πως είναι αυτή της αντικειμενοστρεφούς (object based) ταξινόμησης. Υπήρξε η μόνη μέθοδος με την οποία αναγνωρίστηκαν όλες οι κατηγορίες του πυθμένα και το αποτέλεσμα ήταν ποιοτικά καλύτερο από τις άλλες δύο. Επίσης το αποτέλεσμα εξάγεται σε μορφή shapefile κάτι το οποίο είναι πλεονέκτημα, αφού είναι πιο εύκολα διαχειρίσιμο. Όσον αφορά στη βαθυμετρία, υψηλοί συντελεστές συσχέτισης (R2 > 80%) επιτεύχθηκαν μόνο στην περίπτωση της εικόνας του δορυφόρου Sentinel-2, με τον μεγαλύτερο αυτών να αγγίζει το 90% και να αποδίδεται στο μοντέλο Lyzenga. Ένα πολύ ενδιαφέρον συμπέρασμα που προκύπτει από την εξέταση των συγκεντρωτικών αποτελεσμάτων, είναι ότι το μεν μοντέλο Stumpf δίνει μικρότερες τιμές Ρίζας Μέσου Τετραγωνικού Σφάλματος σε δεδομένα χαμηλής χωρικής ανάλυσης, το δε μοντέλο Lyzenga σε δεδομένα υψηλής χωρικής ανάλυσης. Συνεπώς, το μεν μοντέλο Stumpf ενδείκνυται περισσότερο για εκτίμηση βαθών σε περιπτώσεις τηλεπισκοπικών δεδομένων χαμηλής χωρικής ανάλυσης, το δε Lyzenga σε περιπτώσεις δεδομένων υψηλής χωρικής ανάλυσης.

Συμπεράσματα

Τα πλεονεκτήματα χρήσης τηλεσκοπικών δεδομένων είναι η δυνατότητα χαρτογράφησης εκτεταμένων παράκτιων περιοχών σε σύντομο χρονικό διάστημα, με τα αποτελέσματα να εξάγονται σε ψηφιακή (raster) μορφή και να μπορούν να οδηγήσουν στη δημιουργία βαθυμετρικών χαρτών με ακρίβεια της τάξης των 2m και για βάθη έως περίπου 25m. Τα βαθυμετρικά αυτά δεδομένα μπορούν να χρησιμοποιηθούν ως υπόβαθρα σε ποικίλες αρχαιολογικές, τοπογραφικές και άλλες εφαρμογές. Όσον αφορά στα βαθυμετρικά μοντέλα, συμπεραίνουμε πως όσο αυξάνεται η χωρική ανάλυση των δεδομένων τόσο φθίνει η αποτελεσματικότητα των μοντέλων στην εκτίμηση των βαθών. Συνεπώς, συνίσταται η χρήση δεδομένων μέτριας χωρικής ανάλυσης, καθώς εάν επιλεγεί η χαμηλή χωρική ανάλυση όπου υπερτερεί το μοντέλο Stumpf, υπάρχει ο κίνδυνος απόκρυψης στοιχείων του θαλάσσιου πυθμένα που είναι απαραίτητα για την ασφαλή ναυσιπλοΐα.