Εξαγωγή υδάτινων χαρακτηριστικών και ανίχνευση αλλαγών με χρήση διαχρονικών εικόνων Landsat

Από RemoteSensing Wiki

Μετάβαση σε: πλοήγηση, αναζήτηση

Εξαγωγή υδάτινων χαρακτηριστικών και ανίχνευση αλλαγών με χρήση διαχρονικών εικόνων Landsat


Πρωτότυπος τίτλος: Water feature extraction and change detection using multitemporal Landsat imagery

Συγγραφείς: Komeil Rokni, Anuar Ahmad, Ali Selamat and Sharifeh Hazini

Δημοσιεύθηκε: Remote Sensing, 2014, 6, 4173 – 4189


Το επιφανειακό νερό είναι ένας σημαντικός πόρος για την ανθρώπινη ανάπτυξη και επιβίωση. Έχουν αναπτυχθεί πολλές μέθοδοι για την εξαγωγή υδάτινων χαρακτηριστικών μέσω τηλεπισκόπησης. Στη συγκεκριμένη εργασία, οι συγγραφείς χρησιμοποιούν διάφορους τηλεπισκοπικούς δείκτες, τους συγκρίνουν και χρησιμοποιούν τον βέλτιστο για την εξαγωγή των υδάτινων επιφανειών. Αφού, έχει γίνει η εξαγωγή, ανιχνεύουν τις αλλαγές και τις μοντελοποιούν. Η περιοχή μελέτης τους, είναι η λίμνη Ούρμια (Urmia) που βρίσκεται στο Ιράν. Η λίμνη είναι η δεύτερη μεγαλύτερη αλατούχα λίμνη στον κόσμο. Για την εξαγωγή της επιφάνειας της λίμνης γίνεται χρήση 12 δορυφορικών εικόνων του δέκτη Landsat για την περίοδο 2000 – 2013. Έχουν χρησιμοποιηθεί εικόνες από Landsat 5, 7 και 8. Στον πίνακα που απεικονίζεται στην εικόνα 1 παρουσιάζονται αναλυτικά οι εικόνες.

Eικόνα 1:Πίνακας με τις εικόνες που χρησιμοποιήθηκαν ανά δορυφόρο του συστήματος Landsat

Το πρώτο στάδιο της επεξεργασίας των δορυφορικών δεδομένων προβλέπει τη μετατροπή των DΝ της εικόνας σε τιμές ακτινοβολίας (radiance) και μετά σε τιμές ανακλαστικότητας (reflectance). Στη συνέχεια, έγινε η συνένωση των εικόνων με τη χρήση μωσαϊκού δηλαδή, η διαδικασία συνδυασμού πολλαπλών, μεμονωμένων εικόνων σε μια ενιαία σκηνή. Έχοντας την τελική μορφή της εικόνας, έγινε ο υπολογισμός των τηλεπισκοπικών δεικτών. Οι τηλεπισκοπικοί δείκτες είναι οι αριθμητικές πράξεις και συνδυασμοί μεταξύ των διαφόρων επιπέδων μίας δορυφορικής εικόνας. Οι δείκτες που χρησιμοποιήθηκαν είναι οι εξής: ο NDWI (Normalized Difference Water Index), ο NDMI (Normalized Difference Moisture Index), ο MNDWI (Modified Normalized Difference Water Index), ο WRI (Water Ratio Index), o NDVI (Normalized Difference Water Index) και ο AWEI (Automated Water Extraction Index).

Eικόνα 2:Η τελική εικόνα έπειτα από το μωσαϊκό πριν υποστεί μετατροπές

Ο δείκτης NDWI (Normalized Difference Water Index) εξαρτάται από την περιεχόμενη υγρασία, τον τύπο και το ποσοστό κάλυψης της βλάστησης. Για να υπολογισθεί γίνεται χρήση του λόγου της διαφοράς του πράσινου καναλιού (GREEN) με το κοντινό υπέρυθρο (NIR) προς το άθροισμά τους (Gao, 1996). Οι τιμές του κυμαίνονται μεταξύ [-1,1], όπου -1 έως 0 είναι ξηρή γη ενώ από 0,1 έως 1 είναι γη με έντονη υγρασία. Ο δείκτης NDMI (Normalized Difference Moisture Index) αξιολογεί το επίπεδο της περιεχόμενης υγρασίας στα διάφορα στοιχεία του τοπίου. Ο υπολογισμός του γίνεται με το λόγο της διαφοράς του κοντινού υπέρυθρου (NIR) και του βραχυκυματικού υπέρυθρου (MIR) προς το άθροισμά τους (Hardisky et al, 1983). Ο MNDWI του Xu (2005) είναι παραλλαγή του NDWI, οπτικοποιεί το νερό και την πυκνή βλάστηση μαζί με τον NDWI και ενισχύει τα υδάτινα σώματα στη γήινη επιφάνεια. Στον υπολογισμό του αντικαθίσταται το κοντινό υπέρυθρο (NIR) με το βραχυκυματικό (MIR). Ο Water Ratio Index (WRI) εμφανίστηκε βιβλιογραφικά το 2006 από τους Ouma Y. και Tateishi R. ως Water Index (WI). Αποτελεί το συνδυασμό της υγρασίας (wetness) που προέρχεται από το μετασχηματισμό Tasseled Cap με τον NDWI. Εξελίχθηκε από τους Shen L. και Li C. το 2010 και βασίζεται στην κυρίαρχη φασματική ανάκλαση του νερού στο πράσινο και στο κόκκινο έναντι του κοντινού και βραχυκυματικού υπέρυθρου, NIR και MIR αντίστοιχα (Gautam et al, 2015). Ο δείκτης NDVI (Normalized Difference Vegetation Index) υποδεικνύει την παρουσία της βλάστησης σε μία περιοχή και είναι ο πλέον διαδεδομένος χρήστης βλάστησης. Υπολογίζεται με το λόγο της διαφοράς του κοντινού υπέρυθρου (NIR) και του κόκκινου (RED) προς το άθροισμά τους (Rouse et al, 1973). Το αποτέλεσμά του είναι μία μαυρόασπρη εικόνα με εύρος τιμών στο διάστημα [-1,1], όπου το 0 είναι το όριο απουσίας βλάστησης. Ο AWEI (Automated Water Extraction Index) είναι ένας εμπειρικός δείκτης στον οποίο το νερό έχει θετικές τιμές (Feyisa et al, 2014). Αφού έγινε ο υπολογισμός των δεικτών, με τη χρήση τιμής κατώφλι για κάθε δείκτη έγινε η εξαγωγή της υδάτινης επιφάνειας της λίμνης. Η κάθε εικόνα ταξινομήθηκε σε δύο κλάσεις, γη και νερό, ώστε να γίνει η ανάλυση της εγκυρότητας του κάθε δείκτη. Από την ανάλυση προέκυψε ότι ο βέλτιστος δείκτης είναι ο NDWI σε σχέση με τους υπόλοιπους δείκτες.

Eικόνα 3:Αξιολόγηση κάθε δείκτη (Table 3) και ανάλυση εγκυρότητας των αποτελεσμάτων (Table 4)

Δεδομένου ότι η χειροκίνητη οριοθέτηση τιμών – κατώφλι σε πολλές εικόνες είναι χρονοβόρα, αναπτύχθηκε μια νέα προσέγγιση ανίχνευσης αλλαγής επιφανειακών υδάτων και δοκιμάστηκε για την ανίχνευση των μεταβολών της επιφάνειας της λίμνης μεταξύ πέντε, τεσσάρων, τριών και δύο διαφορετικών χρόνων, αντίστοιχα. Η προτεινόμενη προσέγγιση βασίζεται σε βασικές συνιστώσες του πολυδιάστατου NDWI (PC NDWI). Μετά τον επιλογή του NDWI ως βέλτιστου δείκτη, έγινε ο υπολογισμός του για όλη τη χρονοσειρά των εικόνων ώστε να εφαρμοστεί και ανάλυση συνιστωσών NDWI (NDWI – PCs) και έγινε η συνένωσή τους σε μία τελική εικόνα. Στη συνέχεια εκτελέστηκε η τεχνική Ανάλυση βασικών στοιχείων (PCA) για να μετατραπεί η σύνθετη εικόνα σε νέο χώρο PCA. Τέλος, οι βασικές συνιστώσες των πολλαπλών χρονικών NDWI (NDWI-PCs) που προέκυψαν ταξινομήθηκαν και αναλύθηκαν για την ανίχνευση των αλλαγών της επιφάνειας της λίμνης. Η τεχνική κατωφλίου, βασισμένη στη μέθοδο δοκιμής και σφάλματος, εφαρμόστηκε με το χέρι για να ταξινομήσει τις εικόνες και για να ανιχνεύσει τις αλλαγές. Η προτεινόμενη προσέγγιση αξιολογήθηκε για την ανίχνευση των μεταβολών της επιφάνειας της λίμνης μεταξύ πέντε, τεσσάρων, τριών και δύο διαφορετικών χρόνων, αντίστοιχα.

Eικόνα 4:Χαρτογράφηση των μεταβολών της επιφάνειας της λίμνης

Έγιναν αρκετές εφαρμογές της μεθόδου NDWI – PCs κάθε φορά με διαφορετικές παραμέτρους ώστε να φανούν οι μεταβολές στην επιφάνεια της λίμνης. Από τις αναλύσεις, προκύπτει ότι η επιφάνεια της λίμνης μεταβλήθηκε κατά 1447 τετραγωνικά χλμ. μεταξύ του 2010 και του 2013. Στην ακόλουθη εικόνα, παρουσιάζονται οι αλλαγές στην επιφάνεια για κάθε παράμετρο της μεθόδου NDWI – PCA.

Eικόνα 5:Οπτικοποίηση μεταβολών στην επιφάνεια της λίμνης έπειτα από την εφαρμογή της προτεινόμενης μεθόδου

Συμπερασματικά, προκύπτει ότι ο NDWI παρουσίασε καλύτερα αποτελέσματα από τους υπόλοιπους δείκτες. Η μέθοδος της PCA είναι μία χρήσιμη τεχνική ανάλυσης και σε συνδυασμό με τα αποτελέσματα του NDWI ενισχύουν την ανίχνευση των μειούμενων ή αυξανόμενων αλλαγών σε οποιοδήποτε ανοιχτό επιφανειακό νερό στον κόσμο, καθώς η συμπεριφορά του νερού είναι περίπου παρόμοια σε διαφορετικές περιοχές και διαφορετικές δορυφορικές εικόνες. Ο στόχος της έρευνας αυτής είναι η μοντελοποίηση των χωρο-χρονικών μεταβολών της λίμνης Ούρμια κατά την περίοδο 2000-2013 για αυτό και αναπτύχθηκε η νέα αυτή τεχνική, ώστε να εντοπίζονται οι αλλαγές άμεσα μεταξύ 2 και 3 εικόνων. Η προτεινόμενη, λοιπόν, μέθοδος, εντοπίζει αποτελεσματικά τις μεταβολές και μπορεί να φανεί χρήσιμη σε αντίστοιχες μελέτες για άλλες λίμνες ανά τον κόσμο.

Βιβλιογραφία

  • Gao B.-C., (1996), NDWI - A normalized difference water index for remote sensing of vegetation liquid water from space, Remote Sensing of Environment, 58, 267-266
  • Gautam V., Gaurav P., Murugan P., Annadurai M. (2015), Assessment of Surface Water Dynamiscin Bangalore using WRI, NDWI, MNDWI, Supervised Classification and K-T Transformation, Aquatic Procedia, 4, 739-746
  • Hardisky MA, Klemas V, Smart RM (1983), The influence of soil-salinity, growth form, and leaf moisture on the spectral radiance of Spartina-alterniflora canopies. Photogrammetric Engineering and Remote Sensing, 49, 77–83.
  • Ouma Y., Tateishi R. (2006), A water index for rapid mapping of shoreline changes of five East African Rift Valley lakes: an empirical analysis using Landsat TM and ETM+ data, Interna-tional Journal of Remote Sensing, 27:15, 3153-3180
  • Rouse, J. W., R. H. Haas, J. A. Schell, and D. W. Deering (1973). Monitoring vegetation systems in the Great Plains with ERTS, Third ERTS Symposium, NASA SP-351 I, 309- 317.
  • Shen L., Li C. (2010) Water Body Extraction from Landsat ETM+ Imagery Using Adaboost Algorithm. In Proceedings of 18th International Conference on Geoinformatics, 18–20 June 2010, Beijing, China; pp. 1–4.
  • Xu H, (2005) Modification of normalized difference water index (NDWI) to enhance open water features in remotely sensed imagery, Int. J. Remote Sens., 27, 3025–3033
  • Feyisa, G.L.; Meilby, H.; Fensholt, R.; Proud, S.R. Automated water extraction index: A new technique for surface water mapping using Landsat imagery. Remote Sens. Environ. 2014, 140, 23–35.

Σύνδεσμος πρωτότυπου κειμένου: [1]

Ανακτήθηκε από το "http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BE%CE%B1%CE%B3%CF%89%CE%B3%CE%AE_%CF%85%CE%B4%CE%AC%CF%84%CE%B9%CE%BD%CF%89%CE%BD_%CF%87%CE%B1%CF%81%CE%B1%CE%BA%CF%84%CE%B7%CF%81%CE%B9%CF%83%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CF%8E%CE%BD_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%B4%CE%B9%CE%B1%CF%87%CF%81%CE%BF%CE%BD%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_Landsat".