Εκτίμηση της βλαστική παραμέτρου για την παρακολούθηση της διάβρωσης του εδάφους,

Από RemoteSensing Wiki

Εκτίμηση της βλαστική παραμέτρου για την παρακολούθηση της διάβρωσης του εδάφους, χρησιμοποιώντας γραμμική φασματική ανάλυση σε Landsat ETM δεδομένα.

Alejandro M. de Asis, Omasa Kenji, Estimation of Vegetation parameter for modeling soil erosion using linear Spectral Mixture Analysis of Landsat ETM data. ISPRS Journal of Photogrammetry and Remote Sensing 62 (2007) 309-324[4].

Αντικείμενο μελέτης

Η κάλυψη του εδάφους από βλάστηση, είναι ένας από τους πιο σημαντικούς παράγοντες που συντελούν στη μείωση του κινδύνου της διάβρωσης του εδάφους. Σε μοντέλα εδαφικής διάβρωσης όπως το USLE ( Universal Soil Loss Equation)[5] (Wischmeler and Smith, 1978) και το μετέπειτα μοντέλο RUSLE ( Revised Universal Soil Loss Equation), (Renard et al,1997), η επίδραση της βλάστησης καταχωρείται ως παράγοντας βλαστικής κάλυψης ή παράγοντας C. Ο συντελεστής C είναι από τους πιο ουσιώδεις παράγοντες που συντελούν στη μείωση του κινδύνου της διάβρωσης του εδάφους, γιατί οι μεταβολές των χρήσεων γης που έχουν σκοπό και να μειώσουν την εδαφική διάβρωση, αντιπροσωπεύονται ουσιαστικά από αυτόν τον παράγοντα C.

Στόχος μελέτης

Σκοπός της εφαρμογής είναι η δημιουργία μιας νέας τεχνικής βασιζόμενης στην γραμμική φασματική ανάλυση LSMA ( linear spectral Mixture Analysis)[6] για την αξιολόγηση της βλάστηση και την κατάσταση του εδάφους. αλλά και τη σύγκριση των δυνατοτήτων της τεχνικής για την εξαγωγή των τιμών του συντελεστή C έναντι της μεθόδου του δείκτη βλάστησης NDVI.

Περιοχή μελέτης.

Ως περιοχή μελέτης επιλέχτηκε η υδροκρίτη [7] Lamesa που βρίσκεται στο βορειότερο μέρος της Μανίλα, στις Φιλιππίνες μεταξύ 14,70-14,77 Β γεωγραφικό πλάτος και 120,98-121,12 Ε γεωγραφικό μήκος (βλέπε εικόνα 1) Καλύπτει μια έκταση περίπου των 2700 εκτάριων και αποτελείται από αειθαλή δάση και λιβάδια.

Εικόνα 1: Περιοχή μελέτης.[1]πηγή

Συλλογή Δεδομένων

Τα δορυφορικά δεδομένα που χρησιμοποιήθηκαν για την μελέτη είναι μια Landsat ETM εικόνα της 24ης Απριλίου του 2004 και μια Quickbird [8] εικόνα της 25ης Απριλίου του 2004. Η συλλογή των εδαφικών δεδομένων περιλαμβάνει κυρίως την μέτρηση των διαφορετικών παραγόντων για την εκτίμηση του συντελεστή C. Για την απόκτηση και την μέτρηση αυτών των παραγόντων χρησιμοποιήθηκε η μέθοδος Dissmeyer and Foster (1981). Επίσης πραγματοποιήθηκε λεπτομερής εξέταση ενός ψευδέγχρωμου υπέρυθρου σύνθετου της Landsat ΕΤΜ ψηφιακής εικόνας και ενός τοπογραφικού χάρτη της περιοχής, με σκοπό την αναγνώριση και την επιλογή περιοχών δειγματοληψίας για την εκτίμηση του συντελεστή C. Επιλέχτηκαν συνολικά 53 σημεία δειγματοληψίας, τα οποία εντοπίστηκαν με την χρήση του συστήματος εντοπισμού θέσης DGPS [9].

Μεθοδολογία

Η δορυφορική απεικόνιση Landsat ETM υπέστη προεπεξεργασία και διορθώθηκε γεωμετρικά και ραδιομετρικά ενώ πραγματοποιήθηκε μετατροπή των ψηφιακών τιμών (DN) σε απόλυτες τιμές έντασης ακτινοβολίας. Ύστερα έγινε αναδόμηση της εικόνας με την μέθοδο του εγγύτερου γείτονα. Έπειτα έγινε γεω-αναφορά της εικόνας σε UTM (εγκάρσια μερκατορική προβολή). Στην συνέχεια εφαρμόστηκε η γραμμική φασματική ανάλυση LSMA. Πρόκειται για μια μέθοδο ταξινόμησης μεικτών pixel, στην οποία θεωρούμε ότι η φασματική υπογραφή ενός pixel δεν αντιπροσωπεύει ένα αντικείμενο αλλά προέρχεται από την γραμμική μίξη των φασματικών υπογραφών των αντικειμένων (end-members) που υπάρχουν στην φυσική γήινη επιφάνεια που καταλαμβάνει το pixel. Η ταξινόμηση εκπαιδεύεται δίνοντας για συγκεκριμένα pixel το ποσοστό συμμετοχής (Fraction) του κάθε φασματικού στόχου (end member). Η επιλογή των end members έγινε με ένα συνδυασμό επιβλεπόμενης και μη επιβλεπόμενης ταξινόμησης (όπου προσδιορίστηκε οα αριθμός των βασικών κατηγοριών). Κατόπιν εφαρμόζεται ένας αλγόριθμός αποκατάστασης θορύβου (MNF[10]) για την απαλοιφή του θορύβου, και ο δείκτης PPI( pixel purity index)[11], με σκοπό την διευκόλυνση του διαχωρισμού και της αναγνώρισης των end members. Αναγνωρίστηκαν 4 endmembers: της βλάστησης, του απογυμνωμένου εδάφους, των μη φωτοσυνθετικών υλικών (NPM) και της σκιάς του νερού το οποίο αφαιρέθηκε rescaling the three land over fractions with the normalization factor. Έπειτα έγινε εκτίμηση του συντελεστή με τη χρησιμοποίηση των ποσοστών συμμετοχής των endmember σύμφωνα με τη μέθοδο LSMA καθώς και με την εφαρμογή του δείκτη βλάστησης NDVI. Έπειτα γίνεται ποσοτική συσχέτιση και συγχώνευση των δεδομένων στο βιοφυσικό μοντέλο RULSE(βλέπε εικονα 2). Δημιουργήθηκε ένα ψηφιακό μοντέλο εδάφους (DEM)[12] της περιοχής μελέτης με τη χρησιμοποίηση του λογισμικού ARCINFO[13]. Τέλος έγινε εξακρίβωση των αποτελεσμάτων με τη βοήθεια ενός τοπογραφικού χάρτη σε συνδυασμό με τα δεδομένα που προήλθαν από την ψηφιακή απεικόνιση από το δορυφόρο Quickbird στην περιοχή μελέτης.

Εικόνα 2 : Αποτελέσματα του μοντέλου RUSLE (α)Με την μέθοδο LSMA για τον υπολογισμό συντελεστή C και (β) Με τη χρησιμοποίηση του φασματικού δείκτη NDVI για τον υπολογισμό συντελεστή C.[2]πηγή

Υπολογισμός συντελεστή C

Ο Υπολογισμός συντελεστή C έγινε με 2 τρόπους(βλέπε εικόνα 3):

Α) Με την μέθοδο LSMA

Όπου Fbs, Fveg και FNPM είναι τα ποσοστά συμμετοχής του απογυμνωμένου εδάφους, της βλάστησης και των μη φωτοσυνθετικών υλικών αντίστοιχα.

Β) Με ανάλυση παλινδρόμησης και τη συσχέτιση μεταξύ των παραγόντων C που συλλέχθηκαν από τις περιοχές δειγματοληψίας και τις τιμές του δείκτη βλάστησης NDVI από την εικόνα Landsat ETM.

Εικόνα 3: Χάρτης του συντελεστή C με (α) την μέθοδο LSMA και (β) του NDVI.[3]πηγή

Συμπεράσματα

Αυτή η μελέτη αξιολόγησε την καταλληλότητα της μεθόδου LSMA για την παρακολούθηση της βλάστησης και γενικότερα της εδαφοκάλυψης καθώς και την εκτίμηση του συντελεστή C, όπως αυτός ορίστηκε ως παράγοντας βλαστικής κάλυψης του εδάφους. Τα αποτελέσματα έδωσαν ποιοτικές ενδείξεις για την αύξηση της διάβρωσης (ουσιαστικά της απώλειας εδάφους) και την μείωση της εδαφοκάλυψης και προσδιόρισαν με μεγαλύτερη ακρίβεια τη συμβολή των παραμέτρων της διάβρωσης σε σύγκριση με την μέθοδο που χρησιμοποιεί το δείκτη NDVI.