Βελτίωση της ταξινόμησης Landsat και IRS εικόνας σε ορεινή περιοχή του Νεπάλ
Από RemoteSensing Wiki
Βελτίωση της ταξινόμησης Landsat και IRS εικόνας: Αξιολόγηση της Επιβλεπόμενης και μη Επιβλεπόμενης Ταξινόμησης με χρήση λόγων καναλιών και DEM σε ορεινή περιοχή του Νεπάλ
Improving Landsat and IRS Image Classification: Evaluation of Unsupervised and Supervised Classification through Band Ratios and DEM in a Mountainous Landscape in Nepal
Krishna Bahadur K.C
Remote Sens. 2009, 1(4), 1257-1272 Ecological Status and Change by Remote Sensing, Published: 8 December 2009
[7]
Περίληψη
Η τροποποίηση των αρχικών καναλιών και η ενσωμάτωση των βοηθητικών δεδομένων στη ψηφιακή ταξινόμηση εικόνας έχει αποδειχθεί ότι βελτιώνει την ακρίβεια της ταξινόμησης κάλυψης εδάφους. Ο στόχος αυτής της μελέτης ήταν να ερευνηθεί και να αξιολογηθεί η χρήση τροποποιημένων καναλιών και βοηθητικών στοιχείων στην ταξινόμηση Landsat και IRS[8] εικόνας και να παραχθεί ένας χάρτης χρήσης και κάλυψης εδάφους του υδροκρίτη[9] Galaudu στο Νεπάλ[10]. Εξερευνήθηκε η ταξινόμηση των χρήσεων γης χρησιμοποιώντας επιβλεπόμενη και μη επιβλεπόμενη ταξινόμηση για 12 σύνολα χαρακτηριστικών που περιέχουν τα αρχικά κανάλια των Landsat, MSS, TM και IRS, λόγους του κανονικοποιημένου δείκτη βλάστησης και ένα ψηφιακό υψομετρικό μοντέλο DEM[11]. Συνολικά η μέθοδος της επιβλεπόμενης ταξινόμησης παρήγαγε μεγαλύτερη ακρίβεια από την μη επιβλεπόμενη προσέγγιση.
Εισαγωγή
Η δορυφορική τηλεπισκόπηση έχει γίνει ένα σημαντικό εργαλείο για την παρακολούθηση και διαχείριση των φυσικών πόρων και του περιβάλλοντος. Τα δεδομένα τηλεπισκόπησης χρησιμοποιούνται ευρέως στην ταξινόμηση χρήσης γης/κάλυψης εδάφους. Διάφορες τεχνικές έχουν παρουσιαστεί για να βελτιώσουν τα αποτελέσματα της ταξινόμησης, από την άποψη της διάκρισης της χρήσης γης και της ακρίβειας των προκυπτουσών τάξεων κατά την επεξεργασία δεδομένων τηλεπισκόπησης. Ωστόσο, υπάρχουν κάποια προβλήματα στο να παρθούν υψηλής ακρίβειας δεδομένα χρήσης γης, ιδίως στις ορεινές περιοχές των τροπικών υγρών κλιμάτων. Ένα από τα κύρια προβλήματα κατά την δημιουργία χαρτών χρήσης γης από ψηφιακές εικόνες είναι η σύγχυση των φασματικών υπογραφών[12] των διαφόρων χαρακτηριστικών. Η διάκριση των τύπων χρήσης γης/κάλυψης εδάφους συμπεριλαμβανομένων των τύπων βλάστης μέσω της χρήσης τηλεπισκοπικών τεχνικών στις ορεινές περιοχές του Νεπάλ είναι ένα πολύ δύσκολο έργο λόγω της πολύπλοκης δομής και σύνθεσης των συγκεντρώσεων βλάστησης. Σε πολλές περιπτώσεις το μέγεθος των παλαιών δευτεροβάθμιων περιοχών ανάπτυξης είναι πολύ μικρό για να μπορεί να ανιχνευθεί από τον Landsat[13] και τον IRS. Επιπλέον, η τοπογραφία του βουνού οδηγεί σε μια σημαντική επίδραση σκίασης που αποτελεί ένα ιδιαίτερο πρόβλημα στην ψηφιακή επεξεργασία εικόνας. Μια από τις τεχνικές για να επιτευχθεί η βελτίωση της ψηφιακής ταξινόμησης είναι η ενσωμάτωση των βοηθητικών στοιχείων, όπως ένα ψηφιακό υψομετρικό μοντέλο (DEM). Η ένταξη ενός DEM στην ταξινόμηση εικόνας συνέβαλε στην αύξηση της ακρίβειας της ταξινόμησης των ψηφιακών δεδομένων. Το DEM έχει επίσης χρησιμοποιηθεί για να περιγράψει την κατανομή των συστατικών του εδάφους που συμβάλουν στη φασματική απόκριση, να εντοπιστούν οι περιοχές για επιτόπια έρευνα, την γεωγραφική διαστρωμάτωση των περιοχών εκπαίδευσης και να παρέχει τοπογραφική ομαλοποίηση των ψηφιακών εικόνων του Landsat TM. Αξίζει να σημειωθεί ότι η προσεκτική επιλογή της ημερομηνίας των εικόνων είναι σημαντική διότι ο διαχωρισμός τάξεων χρήσης γης/κάλυψης εδάφους σχετίζεται με την φαινολογία[14] των φυτών. Ο στόχος αυτής της μελέτης ήταν να αξιολογηθεί η χρήση των λόγων καναλιών και των υψομετρικών δεδομένων στην ταξινόμηση εικόνας Landsat και IRS και η παραγωγή ενός θεματικού χάρτη χρήσης γης του υδροκρίτη Galaudu του Νεπάλ. Επίσης το DEM προετοιμάστηκε από τα υψομετρικά δεδομένα με την χρήση τοπογραφικών διαγραμμάτων κλίμακας 1:25000. Η βελτίωση της ταξινόμησης των διαφόρων κατηγοριών χρήσης γης εξερευνήθηκε με τη χρήση επιβλεπόμενων και μη επιβλεπόμενων τεχνικών ταξινόμησης για τα διάφορα σύνολα χαρακτηριστικών των δεδομένων Landsat και IRS.
Περιοχή Μελέτης - Μέθοδοι
Η περιοχή μελέτης αποτελεί μια ορεινή λεκάνη απορροής που ονομάζεται Galaudu/Pouhare Khola που τοποθετείται στην περιοχή Dhading[15] του Νεπάλ. Η τοπογραφία του υδροκρίτη είναι ορεινή με μέση κλίση που υπερβαίνει το 30% και εμφανίζει χαρακτηριστικά που βρίσκονται συχνά σε ορεινές ζώνες της Ασίας. Το μεγαλύτερο μέρος του υδροκρίτη καλύπτεται από δάσος και καλλιέργειες. Μπορεί να διαιρεθεί σε εύφορες, σχετικά επίπεδες κοιλάδες κατά μήκος των ποταμών και περιβάλλοντα υψίπεδα με μέτρια προς απότομη κλίση. Οι γεωργικές εκτάσεις στις κοιλάδες είναι υπό εντατική διαχείριση με πολλαπλά συστήματα καλλιέργειας και είναι ως επί το πλείστον αρδευόμενες. Ρύζι, πατάτα, σιτάρι και λαχανικά είναι οι κύριες καλλιέργειες στην κοιλάδα. Τα βασικά στοιχεία που χρησιμοποιήθηκαν για την προετοιμασία του χάρτη χρήσης γης της περιοχής μελέτης ήταν πολυφασματικά Landsat και Thematic Mapper (TM) ψηφιακά δεδομένα, καθώς και Indian Remote Sensing (IRS) ψηφιακά δεδομένα. Ασπρόμαυρες αεροφωτογραφίες κλίμακας 1:50000 από το 1978 και 1992 χρησιμοποιήθηκαν για την εξαγωγή των πραγματικών εδαφικών πληροφοριών που απαιτήθηκαν για την ταξινόμηση και την εκτίμηση της ακρίβειας των ταξινομημένων εικόνων MSS και TM. Ακόμα, χρησιμοποιήθηκαν τοπογραφικοί χάρτες κλίμακας 1:25000, ενώ εκτεταμένες επίγειες έρευνες πραγματοποιήθηκαν για την συλλογή των δειγμάτων εκπαίδευσης για την εικόνα ΤΜ του 2000 και την IRS του 2002. Επίσης η χρήση του ψηφιακού υψομετρικού μοντέλου και των υψομετρικών δεδομένων είναι μια από τις τεχνικές η οποία έχει χρησιμοποιηθεί με επιτυχία στις εύκρατες και αλπικές περιοχές για την ερμηνεία των τηλεπισκοπικών δεδομένων.
Η ψηφιακή επεξεργασία εικόνας πραγματοποιήθηκε για την απόκτηση των χαρτών χρήσης γης και κάλυψης εδάφους από τα τηλεπισκοπικά δεδομένα (RS). Τα βήματα της ψηφιακής επεξεργασίας φαίνονται στο σχήμα 1. Σκοπός ήταν η αφαίρεση των ανεπιθύμητων χαρακτηριστικών εικόνας, η αφαίρεση του θορύβου και η διόρθωση των γεωμετρικών παραμορφώσεων. Η ταξινόμηση των τηλεπισκοπικών δεδομένων εκτελέσθηκε με την εξαγωγή διαφόρων χαρακτηριστικών συνόλων χρησιμοποιώντας λόγους καναλιών. Ο κανονικοποιημένος δείκτης βλάστησης NDVI[16] και η ανάλυση κυρίων συνιστωσών PCA είναι μια από τις συνήθεις τεχνικές επεξεργασίας εικόνας. Αποτελούν τεχνικές μείωσης δεδομένων για την ενίσχυση της εικόνας, καθώς η ποσότητα των πληροφοριών που μεταφέρεται από τα δορυφορικά δεδομένα δεν εξαρτάται από τον όγκο αυτών.
Από τις μη επιβλεπόμενες τεχνικές ταξινόμησης χρησιμοποιήθηκε ο αλγόριθμος ανάλυσης συσσωρεύσεων της επαναληπτικής βελτιστοποίησης ISODATA. Αυτή η τεχνική εκτελεί επανειλημμένα μια ολόκληρη ταξινόμηση και επαναϋπολογίζει τα στατιστικά στοιχεία με ελάχιστα στοιχεία εισόδου για τον εντοπισμό συσσωρεύσεων και επίσης είναι σχετικά απλή. Οι συσσωρεύσεις που διαμορφώθηκαν ενοποιήθηκαν με τη μέθοδο Ward της ιεραρχικής τεχνικής ομαδοποίησης , η οποία έχει σχεδιαστεί για να βελτιστοποιήσει την ελάχιστη διακύμανση μέσα στις συσσωρεύσεις. Οι προκύπτουσες τάξεις προσδιορίστηκαν βάση της γνώσης που προήλθε από την επίγεια έρευνα και προηγούμενους χάρτες χρήσης γης.
Τελικά επιλέχτηκε μόνο ένα σύστημα ταξινόμησης το οποίο εμφάνισε καλύτερο αποτέλεσμα κατά τη διάρκεια της μη επιβλεπόμενης ταξινόμησης. Η επιβλεπόμενη ταξινόμηση εκτελέσθηκε στο επιλεγμένο σχέδιο ταξινόμησης χρησιμοποιώντας τον Bayesian ταξινομητή μεγίστης πιθανοφάνειας (MLC). Αρχικά υπογραφές κατάρτισης για τις προσδιοριζόμενες τάξεις καθιερώθηκαν με τις γνώσεις πεδίου, οι οποίες αξιολογήθηκαν για την πιθανή διάκριση μεμονωμένης τάξης. Μετά, η απόκτηση μιας κατάλληλης ένδειξης για την ικανοποιητική διάκριση μεταξύ των κατηγοριών, κατά την διάρκεια της αξιολόγησης των υπογραφών. Τέλος η ταξινόμηση οργανώθηκε για να παράγει το χάρτη χρήσης γης. Όλες οι δραστηριότητες που σχετίζονται με την επεξεργασία εικόνας έγιναν στο λογισμικό ERDAS imagine 8.7[18]. Στη συνέχεια οι ταξινομημένες εικόνες εξήχθηκαν στο Arc View GIS 3.2 από το ERDAS και το υπόλοιπο των αναλύσεων εκτελέσθηκε σε περιβάλλον GIS[19].
Αποτελέσματα
Οι μέσες φασματικές τιμές για τις διάφορες κατηγορίες κάλυψης εδάφους δείχνουν ότι για το σχέδιο ταξινόμησης που περιέχει μόνο τα αρχικά κανάλια δεν επιτυγχάνει την υψηλότερη ακρίβεια, δεδομένου ότι μόνο το γυμνό έδαφος και τα δάση ήταν διακριτά. Μια κατάσταση ανάμικτων τάξεων παρατηρήθηκε μεταξύ του δάσους και της πεδινής γεωργικής περιοχής. Τα σύνολα χαρακτηριστικών που περιέχουν NDVI έδωσαν την μεγαλύτερη ακρίβεια όσον αφορά τη βλάστηση, διότι το NDVI αποκρίνεται υψηλότερα για την βλάστηση και χαμηλότερα για το γυμνό έδαφος. Η συνολική ακρίβεια της ταξινόμησης κυμάνθηκε από 45% έως 68% για τις μη επιβλεπόμενες τεχνικές. Μεταξύ των 12 συστημάτων ταξινόμησης για τον ΤΜ και των 6 για τον MSS και IRS, η συμπερίληψη του DEM ως συστατικό κανάλι έδειξε πολύ ελπιδοφόρα αποτελέσματα, δεδομένου ότι βοήθησε στη διαφοροποίηση των τύπων βλάστησης το οποίο δεν θα ήταν δυνατό μόνο με τη χρήση του NDVI εξαιτίας των παρόμοιων υπογραφών.
Συνδυασμοί συστημάτων λόγων καναλιών επιλέχθηκαν για την επιβλεπόμενη ταξινόμηση διότι αυτό το σχέδιο έδωσε την υψηλότερη ακρίβεια στην μη επιβλεπόμενη ταξινόμηση. Η επιβλεπόμενη ταξινόμηση εκτελέσθηκε στα τρία κανάλια που περιέχουν τους λόγους 4/3, 5/4 και 5/7. Μια συνολική ακρίβεια χάρτη (OCA) της τάξης του 94,08% επετεύχθη μέσω του πίνακα σφάλματος των υπογραφών κατάρτισης. Ως αξιολόγηση της ακρίβειας της μετά-ταξινόμησης μια συνολική ακρίβεια χάρτη 82,86% και η τιμή 0,74 του συντελεστή Kappa των στατιστικών συμφωνίας λήφθηκαν για την ταξινομημένη εικόνα.
Τα αποτελέσματα δείχνουν ότι η δασική έκταση μειώθηκε, ενώ η γεωργική περιοχή αυξήθηκε σταθερά κατά τη διάρκεια της μελέτης. Οι θαμνώδεις εκτάσεις (υποβαθμισμένη δασική έκταση) αξιολογήθηκαν το 1976, αλλά είχαν ήδη μετατραπεί σε “κανονικό” δάσος το 1990. Η πεδινή γεωργική περιοχή επεκτάθηκε πολύ κατά τη διάρκεια της πρώτης περιόδου, ενώ η ορεινή γεωργική περιοχή επεκτάθηκε σε μεγάλο βαθμό την τελευταία περίοδο. Μεταξύ των σημαντικότερων ομάδων χρήσης γης περίπου το 65%της γεωργίας των υψιπέδων, το 52% της πεδινής γεωργίας και το 45% της δασικής περιοχής το 1976 παρέμεινε αμετάβλητο μέχρι το 2000. Οι δασικές εκτάσεις συρρικνώθηκαν κατά περίπου 55% μεταξύ 1976 και 2000.
Συμπεράσματα
Η δορυφορική τηλεπισκόπηση έχει γίνει ένα σημαντικό εργαλείο για την παρακολούθηση και διαχείριση των φυσικών πόρων και του περιβάλλοντος. Σε αυτή τη μελέτη ένα ψηφιακό υψομετρικό μοντέλο δημιουργήθηκε από τα υψομετρικά στοιχεία τοπογραφικών διαγραμμάτων και ενσωματώθηκε με τις ψηφιακές διαδικασίες επεξεργασίας εικόνας, ως συστατικό κανάλι, κατά τη διάρκεια της διαδικασίας ταξινόμησης και συνέβαλε στη βελτίωση του τελικού αποτελέσματος. Η βελτίωση της ταξινόμησης των διαφόρων τύπων βλάστησης, συμπεριλαμβανομένων των ορεινών γεωργικών περιοχών του υδροκρίτη πραγματοποιήθηκε με τη χρήση επιβλεπόμενων και μη επιβλεπόμενων τεχνικών ταξινόμησης. Συνολικά, η μέθοδος της επιβλεπόμενης ταξινόμησης παρήγαγε τη υψηλότερη ακρίβεια σε σχέση με την μη επιβλεπόμενη προσέγγιση. Τα αποτελέσματα από τον συνδυασμό των καναλιών R4/3, R5/4 και R5/7 είχαν τη υψηλότερη κατάταξη όσον αφορά την ακρίβεια (82,86%), ενώ ο συνδυασμός των καναλιών 2, 3 και 4 είχε τα χαμηλότερα ποσοστά ακρίβειας (45,29%). Αυτό το αποτέλεσμα μπορεί να επηρεάστηκε από τα φαινόμενα σκίασης. Συνοψίζοντας, η ψηφιακή ταξινόμηση μπορεί να συμβάλει στη βελτίωση της χαρτογράφησης της βλάστησης, καθώς επιτρέπει την ερμηνεία των μικρότερων μονάδων χαρτογράφησης, προσφέροντας μεγαλύτερη λεπτομέρεια σε σύγκριση με την οπτική τεχνική, όπου οι μονάδες χαρτογράφησης είναι γενικευμένες.
