Εφαρμογή της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών στην Ανίχνευση Κατολισθήσεων

Από RemoteSensing Wiki

Εφαρμογή της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών στην Ανίχνευση Κατολισθήσεων

Yung-An Yang

Τμήμα Πολιτικών Μηχανικών Εθνικό Πανεπιστήμιο Ταϋλάνδης * 1F., No.52, Lane 14, Liren St., Jhonghe City, Taipei County 235, TAIWAN r94521110@ntu.edu.tw

Pai-Hui Hsu

Τμήμα Πληροφοριών, Εθνικό Επιστημονικό και Τεχνολογικό Κέντρο για την Μείωση Καταστροφών 9F., No. 200, Sec.3, Beisin Rd., Sindian City, Taipei County 23143, TAIWAN Tel: (886)-2-66286066 ext.672 Fax: (886)-2-66286588 E-mail: hsuph@ntu.edu.tw

Πηγή: http://www.aars-acrs.org/acrs/proceeding/ACRS2006/Papers/P-4_Q2.pdf.

Αντικείμενο Εφαρμογής: Τεχνική Γεωλογία

Σκοπός Εφαρμογής: Εφαρμογή της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών στην ανίχνευση Κατολισθήσεων

Εισαγωγή

Λόγω των απόκρημνων εδαφών και των σύντομων σε μήκος με μεγάλη κλίση ποταμιών στην Ταϋλάνδη, οι κατολισθήσεις συνήθως συμβαίνουν μετά από ισχυρές βροχοπτώσεις έχοντας ως αποτέλεσμα τις πλημμύρες που προκύπτουν. Οι κατολισθήσεις είναι φυσικοί κίνδυνοι που προκαλούν συχνά ζημιές στις ιδιοκτησίες αλλά ακόμη και απώλειες ζωής. Αυτό καθιστά την παρακολούθηση της κατολίσθησης και τις τεχνικές εξάλειψης της ένα σημαντικό θέμα για τη μελέτη των σχετικών επαγγελματικών κλάδων στην Ταϋλάνδη. Με την ανάπτυξη της τηλεπισκοπικής τεχνολογίας, τόσο στο χώρο όσο και στη φασματική ανάλυση των δορυφορικών εικόνων γίνονται πιο ώριμες οι συνθήκες για την ταυτοποίηση και την ανίχνευση τους. Πολλές μέθοδοι έχουν αναπτυχθεί για την κατανόηση των κινδύνων των κατολισθήσεων και τις γεωμορφολογικές και περιβαλλοντικές συνέπειες των αστοχιών. Στην εργασία αυτή, οι περιοχές με κατολίσθηση έχουν ανιχνευθεί με τη χρήση των προ και μετά ταξινόμηση των εικόνων σύμφωνα με τα δέντρα αποφάσεων. Κατά το πρώτο στάδιο του δέντρου αποφάσεων, η μέθοδος του κατωφλίου-ορίων (threshold) χρησιμοποιείται για το διαχωρισμό των περιοχών σε βλάστηση και γυμνά εδάφη ανάλογα με τις κανονικοποιημένες (Normalized) μεταβαλλόμενες τιμές του δείκτης βλάστησης (NDVI). Στο δεύτερο στάδιο, το κύριο αποτέλεσμα της μετατροπής πραγματοποιείται στα γυμνά εδάφη για την αύξηση της διαχωριστικότητας των διαφόρων κατηγοριών των κατολισθήσεων. Αυτό θα είναι χρήσιμο για την ταξινόμηση των κατολισθήσεων στο επόμενο στάδιο. Σε αυτή τη μελέτη, η μέθοδος ταξινόμησης της μέγιστης πιθανότητας χρησιμοποιείται για να διακριθούν οι ζώνες του ποταμού από τη γυμνή γη, και να εντοπιστούν τα διάφορα είδη των κατολισθήσεων. Τέλος, με βάση την χωρική ανάλυση του ψηφιακού μοντέλου εδάφους (DTM) με χρήση της τεχνολογίας των GIS και τις πιο σχετικές πληροφορίες με τις περιοχές των κατολισθήσεων μπορούν να παραχθούν διάφορα γεωμετρικά χαρακτηριστικά του εδάφους, όπως η κλίση, οι πτυχώσεις και η ανάλυση των καμπών. Η συλλογή πληροφοριών των κατολισθήσεων θα μπορούσε να χρησιμοποιηθεί ως σημείο αναφοράς για την ελαχιστοποίηση των μελλοντικών κινδύνων από κατολισθήσεις. Χρησιμοποιούμενες Δορυφορικές Εικόνες Οι εικόνες που εξετάζονται στη μελέτη αυτή καταγράφονται από τον δορυφόρο FORMOSAT-2 που λειτουργεί στη Ταϋλάνδη στον Εθνικό Οργανισμό Διαστήματος (NSPO). Ο FORMOSAT-2 είναι ο πρώτος και μοναδικής υψηλής ευκρίνεια δορυφόρος με συχνότητα λήψεων και ικανότητα επανεξέτασης καθημερινά. Σε αντίθεση με άλλους δορυφόρους υψηλής ευκρίνειας, ο FORMOSAT-2 έχει την ικανότητα να ελέγχει ταχέως μεταβαλλόμενες καταστάσεις καθημερινά, και είναι κατάλληλος για τη διαχείριση των καταστροφών, καθώς και για τη χαρτογράφηση, τη γεωργία, τον προγραμματισμό της γης και της δασοκομίας. Οι φασματικές περιοχές από τα τέσσερα φασματικά κανάλια του FORMOSAT-2 είναι το Β1 (μπλε): 0,45 ~ 0,52 μm, το Β2 (πράσινο): 0,52 ~ 0,60 μm, το Β3 (κόκκινο): 0,63 ~ 0,69 μm και το Β4 (εγγύς υπέρυθρο): 0,76 ~ 0,90 μm αντίστοιχα. Άρα ο δείκτης NDVI μπορεί να υπολογιστεί χρησιμοποιώντας τις ζώνες του κόκκινου (Β3) και του εγγύς υπέρυθρου (B4). Επιπλέον, η χωρική διακριτική ικανότητα των 2 μέτρων του FORMOSAT- 2 σε παγχρωματική απεικόνιση (μαύρο και άσπρο) και των 8 μέτρων σε πολυφασματικό (έγχρωμο) τύπο είναι ικανή για να εντοπιστούν οι θέσεις των κατολισθήσεων στην Ταϋλάνδη. Σε αυτή τη μελέτη, η εικόνα που ελήφθη στις 16 Αυγούστου 2004 και η εικόνα που ελήφθη στις 14 Σεπτέμβρη 2004 χρησιμοποιήθηκε για να αναλύσει τις θέσεις των κατολισθήσεων που προκλήθηκαν κατά τη διάρκεια του τυφώνα Aere.

Μεθοδολογία

Πρώτον, η εικόνα διαχωρίζεται σε γυμνά εδάφη και εδάφη με βλάστηση χρησιμοποιώντας το κατώφλι-όριο (threshold) του δείκτη NDVI. Στη συνέχεια, η κύρια συνιστώσα της μετατροπής εφαρμόζεται στα γυμνά εδάφη για την αύξηση της διαχωριστικότητας των διαφόρων τάξεις των κατολισθήσεων. Τελικά, η μέθοδος ταξινόμησης της μέγιστης πιθανότητας χρησιμοποιείται για τον προσδιορισμό των διαφόρων τύπων κατολισθήσεων. Στην ανάλυση των κλίσεων, επίσης λαμβάνεται υπόψη και η σχέση μεταξύ των θέσεων των κατολισθήσεων και των κλίσεων του εδάφους. Δείκτης Μεταβολής Βλάστησης (NVDI) Ο NDVI είναι ένας δείκτης που παρέχει μια τυποποιημένη μέθοδο της σύγκρισης της βλάστησης μεταξύ των δορυφορικών εικόνων. Ο τύπος για τον υπολογισμό NDVI είναι:

NVDI= ((IR-R))/((IR+R))

όπου IR και R είναι η ανακλαστικότητα του εγγύς υπέρυθρου και του κόκκινου φασματικού καναλιού αντίστοιχα. Οι τιμές του δείκτη μπορεί να κυμαίνονται από -1,0 έως 1,0, και οι τιμές του δείκτη στη βλάστησης είναι υψηλότερες από το γυμνό έδαφος. Σε αυτή τη μελέτη, το κατώφλι ορίων του NDVI χρησιμοποιείται κατ 'αρχάς για να γίνει διάκριση των γυμνών εδαφών από τις περιοχές με βλάστηση σε ολόκληρη την εικόνα που φαίνεται στην Εικόνα 1.

Εικόνα 1. Διάκριση Γυμνών Εδαφών και Βλάστησης.Πηγή:APPLICATION OF REMOTE SENSING AND GIS IN LANDSLIDE DETECTION Yung-An Yang Department of Civil Engineering National Taiwan University * 1F., No.52, Lane 14, Liren St., Jhonghe City, Taipei County 235, TAIWAN r94521110@ntu.edu.tw Pai-Hui Hsu Information Division, National Science & Technology Center for Disaster Reduction 9F., No. 200, Sec.3, Beisin Rd., Sindian City, Taipei County 23143, TAIWAN Tel: (886)-2-66286066 ext.672 Fax: (886)-2-66286588 E-mail: hsuph@ntu.edu.tw http://www.aars-acrs.org/acrs/proceeding/ACRS2006/Papers/P-4_Q2.pdf.

Μετασχηματισμός Κύριας Συνιστώσας (Principal Component Transform)

Ο μετασχηματισμός της κύριας συνιστώσας (Principal Component Transform) (PCT) είναι ένας γραμμικός μετασχηματισμός που μετατρέπει τα δεδομένα σε ένα νέο σύστημα συντεταγμένων έτσι ώστε η πρώτη συντεταγμένη (η πρώτη κύρια συνιστώσα) να έχει τη μεγαλύτερη διακύμανση των δεδομένων, η δεύτερη συντεταγμένη που είναι κάθετη προς τη πρώτη συνιστώσα έχει τη δεύτερη μεγαλύτερη διακύμανση, και ούτω καθεξής. Η μέθοδος PCT μπορεί να χρησιμοποιηθεί για την άρση της αντιστοιχίας μεταξύ των διαφορετικών καναλιών και τη μείωση της διαστατικότητας των πολυφασματικών εικόνων. Σε αυτή τη μελέτη, η μέθοδος PCT εφαρμόζεται στα γυμνά εδάφη για την αύξηση της διαχωριστικότητας μεταξύ των διαφόρων κατηγοριών κατολισθήσεων. Ταξινόμηση Γυμνών Εδαφών Τα γυμνά εδάφη μπορεί να προκληθούν από την υλοτομία των δασών, την πλημμυρική απορροή των ποταμιών ή τις κατολισθήσεις. Σε αυτή τη μελέτη, τέσσερα διαφορετικά γυμνά εδάφη συμπεριλαμβανομένων των ζωνών του ποταμού, τις κατολισθήσεις στις όχθες του ποταμού, τις κατολισθήσεις στην κλίση των εδαφών και τις νέες κατολισθήσεις που προσδιορίζονται από την μέθοδο του μετασχηματισμού της κύριας συνιστώσας PCT και τιςεικόνες των γυμνών εκτάσεων χρησιμοποιώντας την μέθοδο ταξινόμησης της μέγιστης πιθανότητας (MLC). Ανάλυση Κλίσεων με τη χρήση Ψηφιακού Μοντέλου Εδάφους Πολλές μεγάλης κλίμακας κατολισθήσεις και αστοχίες κλίσεων σημειώθηκαν κοντά στις δυτικές περιοχές κατά μήκος του κεντρικού βουνού στην Ταϋλάνδη. Η κλίση του βουνού είναι ένα από τους πιο σημαντικούς παράγοντες των κατολισθήσεων. Η σχέση μεταξύ της κλίση του εδάφους και των θέσεων κατολισθήσεων μπορούν να συσχετιστούν με την μέθοδο της ανάλυσης κλίσεων. Σε αυτή τη μελέτη, τα δεδομένα από το ψηφιακό μοντέλο εδάφους DTM με ανάλυση εδάφους στα 40 μέτρα χρησιμοποιούνται για να αναλύσουν τη σχέση μεταξύ της κλίσης και των κατολισθήσεων. Αν και η ανάλυση των δεδομένων του ψηφιακού μοντέλου εδάφους DTM είναι χαμηλότερη από αυτή των δορυφορικών εικόνων, κάποια φαινόμενα εξακολουθούν να μπορούν να οδηγήσουν σε συμπεράσματα. Ανάλυση Σκοπός της παρούσας μελέτης είναι να εντοπίσει τις θέσεις των κατολισθήσεων που προκλήθηκαν κατά τη διάρκεια της εκδήλωσης του τυφώνα Aere. Στην εικόνα 2 φαίνονται τα αποτελέσματα της ανίχνευσης της κατολίσθηση πριν και μετά την εκδήλωση του τυφώνα Aere. Η αναλογία των περιοχών των κατολισθήσεων σε ολόκληρες τις περιοχές είναι 1,5% πριν από την περίπτωση του τυφώνα, και ο λόγος της περιοχής είναι 6,26%. μετά την επίθεση του τυφώνα. Κατά τη διάρκεια του τυφώνα, στην περιοχή Shihmen υπάρχουν περισσότερες κατολισθήσεις και αστοχίες κλίσεων. Αυτό θα μπορούσε να μεταφέρει μεγάλη ποσότητα βράχων και λάσπης που θα μπορούσαν να αποτεθούν στο ποτάμι. Το νερό στο φράγμα θα καταστεί υπερβολικά ρυπασμένο για χρήση, ακόμη και μέχρι το σημείο να μειωθεί η αποθηκευτική του ικανότητα του ταμιευτήρα.

Εικόνα 2. Τα αποτελέσματα των κατολισθήσεων πριν και μετά από τον τυφώνα AERE. Στην αριστερή εικόνα έχει ληφθεί στις 16/8/2004 και η δεξιά εικόνα έχει ληφθεί στις 14/9/2004.Πηγή:APPLICATION OF REMOTE SENSING AND GIS IN LANDSLIDE DETECTION Yung-An Yang Department of Civil Engineering National Taiwan University * 1F., No.52, Lane 14, Liren St., Jhonghe City, Taipei County 235, TAIWAN r94521110@ntu.edu.tw Pai-Hui Hsu Information Division, National Science & Technology Center for Disaster Reduction 9F., No. 200, Sec.3, Beisin Rd., Sindian City, Taipei County 23143, TAIWAN Tel: (886)-2-66286066 ext.672 Fax: (886)-2-66286588 E-mail: hsuph@ntu.edu.tw http://www.aars-acrs.org/acrs/proceeding/ACRS2006/Papers/P-4_Q2.pdf.

Στην ανάλυση κλίσεων, η σχέση μεταξύ των θέσεων των κατολισθήσεων και των κλίσεων του εδάφους συσχετίζονται. Στην εικόνα 3 φαίνονται οι κατανομές των κλίσεων όπως υπολογίζονται από τα δεδομένα του ψηφιακού μοντέλου DTM. Ο Πίνακας 1 εκδίδεται από τον Οργανισμό Διατηρήσεως του Νερού στην Ταϋλάνδη. Στον Πίνακα 1, η κλίση χωρίζεται σε 7 κατηγορίες από ήπια σε απότομη πλαγιά. Τα αποτελέσματα της ανάλυσης έδειξαν ότι οι κλίσεις με τις περισσότερες από τις κατολισθήσεις (49,32%) σημειώθηκαν στο επίπεδο 7 κλίσεων οι οποίες είναι μεγαλύτερες από 45°.

Εικόνα 3. Κατανομή Κλίσεως Εδάφους.Πίνακας 1. Κατηγορίες και Αναλογία Κλίσεων.Πηγή:APPLICATION OF REMOTE SENSING AND GIS IN LANDSLIDE DETECTION Yung-An Yang Department of Civil Engineering National Taiwan University * 1F., No.52, Lane 14, Liren St., Jhonghe City, Taipei County 235, TAIWAN r94521110@ntu.edu.tw Pai-Hui Hsu Information Division, National Science & Technology Center for Disaster Reduction 9F., No. 200, Sec.3, Beisin Rd., Sindian City, Taipei County 23143, TAIWAN Tel: (886)-2-66286066 ext.672 Fax: (886)-2-66286588 E-mail: hsuph@ntu.edu.tw http://www.aars-acrs.org/acrs/proceeding/ACRS2006/Papers/P-4_Q2.pdf.

Συμπεράσματα

Σε αυτή τη μελέτη, ένα γενικό διάγραμμα ροής έχει αναπτυχθεί για να εντοπίσει τις θέσεις των κατολισθήσεων. Πρώτον, οι εικόνες ταξινομούνται σε γυμνά εδάφη και σε περιοχές με βλάστηση χρησιμοποιώντας τον δείκτη NDVI με κατώφλι ορίων. Η κύρια συνιστώσα της μετατροπής πραγματοποιείται σε γυμνά εδάφη και στη συνέχεια η μέθοδος ταξινόμησης της μέγιστης πιθανότητας χρησιμοποιείται για την ανίχνευση των διαφόρων τύπων κατολισθήσεων. Στην ανάλυση των κλίσεων, εξάγεται η σχέση μεταξύ των θέσεων των κατολισθήσεων και των κλίσεων του εδάφους. Στο μέλλον, άλλοι αλγόριθμοι εντοπισμού και περισσότερες βοηθητικές πληροφορίες θα ενσωματωθούν ώστε να αυξηθεί η ακρίβεια της ανίχνευσης μιας κατολίσθησης.

Βιβλιογραφία

Arora, M. K., das Gupta, A. S., and Gupta, R. P., 2004. An Artificial Neural Network Approach for Landslide Hazard Zonation in the Bhagirathi (Ganga) Valley, Himalayas, Int. J. Remote Sensing 25(3), pp.559~572.

Chiang, Y.-S., Chen, K.-S., Liang, L.-S., Wang, C.-T., 2006. Landslide Identification Using

SPOT Imagery and Digital Terrain Model, Proceeding of the 4th Taipei International Conference on Digital Earth, pp.823-831. (in Chinese)

Gupta, R. P., 2003. Remote Sensing Geology, 2nd Edition, Springer Verlag, pp.250-258.

Lin, C.-S, 2002. Study on Deciding the Optimal Number of PCA Components of Hyperspectral Images for Land Use Classification, Department of Forestry, National Chiayi University, pp.471-474. (in Chinese)

Saha, A. K., Gupta, R. P., and Arora, M. K. 2002. GIS-based Landslide Hazard Zonation in the Bhagirathi (Ganga) Valley, Himalayas, Int. J. Remote Sensing, 23(2), pp.357~369.

Tsai, K.-J., Liu, M.-Z., Chun, C.-H., 2004. Application of Remote Sensing on the Revegetative Analysis of landslide Stabilization in Central Taiwan, Department of Civil Engineering, National Pingtung University of Science & Technology, pp.813-822. (in Chinese)