Εκτίμηση ακριβείας σε καλλιέργεια βαμβακιού χρησιμοποιώντας τα ινδικά αρχεία της Tηλεπισκόπισης.

Από RemoteSensing Wiki

Μετάβαση σε: πλοήγηση, αναζήτηση

"Εκτίμηση ακριβείας σε καλλιέργεια βαμβακιού χρησιμοποιώντας τα ινδικά αρχεία της Tηλεπισκόπισης"

Στην Ινδία, το βαμβάκι καλλιεργείται σε διαφορετικούς τύπους εδαφών και κλιματικών συνθηκών με διαφορετικές καλλιεργητικές τεχνικές, το οποίο αυξάνει την ετερογένεια στην εικόνα του βαμβακιού τις φωτογραφίες των δορυφόρων. Άλλο ένα πρόβλημα είναι ότι την ίδια καλλιεργητική περίοδο καλλιεργούνται και άλλες καλλιέργειες οι οποίες μπορεί να μπερδευτούν από την δορυφορική εικόνα και να γίνει λάθος καλλιέργεια.

Έγινε μια μελέτη από εικόνες από τους LISS-1(με χωρική ανάλυση 36,25m) και LISS-2(με χωρική ανάλυση 72,6m) από τον ινδικό τηλεπισκοπικό δορυφόρο IRS-1B. Ο δορυφόρος IRS-1B έχει τέσσερα κανάλια με κύκλο κάθε 22 μέρες. Αλλά αφού είναι σε τροχιά δύο δορυφόροι ο IRS-1A και IRS-1B, ο κύκλος μειώνεται στις 11 μέρες, το οποίο είναι ιδανικό για την παρακολούθηση τις καλλιέργειας κατά τα κρίσιμα σημεία της ανάπτυξης.


Υλικά και Μέθοδοι


Εικόνα 1: Η περιοχή μελέτης

Ως περιοχή μελέτης για την συγκεκριμένη ερεύνα ορίστικε μια περιοχή κοντά στην πόλη Χισάρ στην Ινδία. Είναι κοντά στο χωρίο Μπαντοπάλ , 13 χλμ από την Χισαρ. Η περιοχή διακρίνατε από δορυφόρο εύκολα γιατί έχει σαν σύνορο δρόμο από τις δύο πλευρές και ένα ρυάκι από την τρίτη(εικ.1).

Την περίοδο που μελετήθηκε που μελετήθηκε (Μάιο – Νοέμβριο) η κύρια καλλιέργεια σε ποσοστό μεγαλύτερο από 40% στην κάλυψη του εδάφους ήταν το βαμβάκι. Ενώ το υπόλοιπο 15% ήταν άλλες καλλιέργειες όπως το μαύρο σιτάρι, το κεχρί, φασόλια. Η περιοχή ήταν ορατή στις δορυφορικές εικόνες που πήραμε από τους LISS-1 και LISS-2 στις 9 Οκτωβρίου του 1991.


Διαδικασία


Χρησιμοποιήθηκε για την έρευνα αυτή, η επιβλεπόμενη ταξινόμηση. Οι δύο τύποι αλγόριθμων επιβλεπόμενης ταξινόμησης είναι η ταξινόμηση Ελάχιστης Απόστασης(MDM) και η ταξινόμηση Μέγιστης Ομοιότητας(MXL)


Στην συγκεκριμένη μελέτη χρησιμοποιήθηκαν οι ακόλουθες μετρήσεις:

  • Η ολική ακρίβεια , όπου το άθροισμα των διαγώνιων στοιχείων του πίνακα διαιρείται με το σύνολο των στοιχείων του πίνακα.
  • Ο συντελεστής κ, όπου είναι ένα μέτρο σύγκρισης μεταξύ της ταξινομημένης εικόνας και της εικόνας αναφοράς και αντιπροσωπεύει την ακρίβεια της ταξινόμησης.
  • Η χαρτογραφική ακρίβεια, όπου είναι συνάρτηση του μεγέθους του πληθυσμού της κάθε τάξης και της χωρικής του μετατόπισης. Μα ενδιαφέρουν όλα τα στοιχεία του πίνακα και όχι μόνο αυτά της διαγωνίου. Εκφράζεται σαν ποσοστό για κάθε τάξη.


Αποτελέσματα


Εικόνα 2: Η περιοχή μελέτης

Η περιοχή μελέτης αποτελείται από τέσσερις τάξεις ( το βαμβάκι, άλλες καλλιέργειες, χέρσα γη και νερό). Αυτές οι τάξεις δεν είναι τελείως ομοιογενείς, οπότε για να μειώσουμε την ποικιλομορφία μέσα στην τάξη δημιουργήσαμε υποκατηγορίες. Το βαμβάκι για παράδειγμα χωρίστηκε σε τέσσερις διαφορετικές υποκατηγορίες ανάλογα με τις διαφορετικές συνθήκες που επικρατούν και εκδηλώθηκε με διαφορετικό τόνο στο FCC(εικ.2). Η γη και το νερό χωρίστηκαν σε δύο υποκατηγορίες το κάθε ένα.

Η ακρίβεια της ταξινόμησης όπως αυτή αντιπροσωπεύεται από τον συντελεστή κ για το LISS-1 και LISS-2 φαίνεται στον πίνακα 1. Η ακρίβεια της ταξινόμησης υπολογίζεται για δύο περιπτώσεις, στην πρώτη υπολογίζονται και οι υποκατηγορίες των τάξεων ενώ στη δεύτερη υπολογίζονται οι τέσσερις κύριες τάξεις μετά την συγχώνευση των υποκατηγοριών.

Η ολική ακρίβεια, το ποσοστό των σωστά ταξινομημένων εικονοστοιχείων και για τις δύο χωρικές αναλύσεις φαίνεται στον πίνακα 2. Η χαρτογραφική ακρίβεια πριν την συγχώνευση των υποκατηγοριών φαίνεται στον πίνακα 3, ενώ η χαρτογραφική ακρίβεια μετά την συγχώνευση φαίνεται στον πίνακα 4.


Συμπεράσματα

Πίνακας 1
Πίνακας 2
Πίνακας 3
Πίνακας 4





Η ταξινομική ακρίβεια των δεδομένων από το IRS χρησιμοποιήθηκαν για τον διαχωρισμό στην καλλιέργεια του βαμβακιού και την καλλιεργούμενη έκταση. Η επίδραση της χωρικής ανάλυσης επίσης υπολογίστηκε. Η ακρίβεια της ταξινόμησης όπως αυτή υπολογίζεται από τον συντελεστή κ αλλά και από την ολική ταξινόμηση ήταν καλύτερη από τα δεδομένα του LISS-2 από του LISS-1. Οπότε για ανάλογες εκτιμήσεις είναι καλύτερο να παίρνουμε τα δεδομένα του LISS-2.


Η ταξινόμηση Μέγιστης Ομοιότητας(MXL) είχε καλύτερες αποδόσεις από την ταξινόμηση Ελάχιστης Απόστασης(MDM) για τα δεδομένα του LISS-1. Για τα δεδομένα του LISS-2 οι αποδόσεις των MXL και MDM είναι συγκρίσιμες.




ΠΗΓΗ: Sujay Dutta , S.A. Sharma , A.P. Khera , Ajai , M. Yadav  R.S. Hooda , K.E. Mothikumar  and M.L. Manchanda.1994.Accuracy assessment in cotton acreage estimation using Indian remote sensing satellite data.ISPRS Journal of Photogrammetry and Remote Sensing, Volume 49,σελ 21-26
Προσωπικά εργαλεία