Η ανίχνευση μεταβολής στην εξορυκτική περιοχή: το παράδειγμα του ανθρακωρυχείου Pingshuo
Από RemoteSensing Wiki
Αντικείμενο Εφαρμογής: Χρήση της τηλεπισκόπησης στην παρακολούθηση μεταβολών εξορυκτικής περιοχής.
Πρωτότυπος Τίτλος: «THE ANALYSIS OF OBJECT-BASED CHANGE DETECTION IN MINING AREA: A CASE STUDY WITH PINGSHUO COAL MINE»
Συγγραφείς: Miaolin Z., Wei Z., Yifan L.
Λέξεις Κλειδιά: τηλεπισκόπηση, αποθέσεις, ορυχείο, ανθρακωρυχείο
1. Στόχος Εφαρμογής Η παρακολούθηση των μεταβολών της εξορυκτικής περιοχής με τη βοήθεια της αντικειμενοστραφούς ταξινόμησης μέσω εικόνας υψηλής ανάλυσης, λογισμικού ανοιχτού κώδικα και χρήση της γλώσσας προγραμματισμού R.
2. Εισαγωγή
Το ανθρακωρυχείο προκάλεσε διαταραχές στο τοπίο και το περιβάλλον, που είναι δύσκολο να αποκατασταθούν. Η επέκτασή του προκαλεί περιβαλλοντική υποβάθμιση και καταστρέφει την ισορροπία των οικοσυστημάτων λόγω της αλλαγής των καλύψεων εδάφους. Ως λύση, οι περισσότερες χώρες απαιτούν από τις επιχειρήσεις να αναλάβουν την αποκατάσταση του τοπίου, η πρόοδος της οποίας παρακολουθείται τηλεπισκοπικά, δημιουργώντας μια βάση δεδομένων με μικρό κόστος και μεγάλη αποτελεσματικότητα. Για μελέτες τοπικής κλίμακας χρησιμοποιούνται δεδομένα υψηλής ανάλυσης, που παρέχουν μεγαλύτερη χωρική ανάλυση, και αντικειμενοστρεφείς μέθοδοι, κατάλληλες για ανίχνευση μεταβολών. Τα πρώτα επιτρέπουν καλύτερη ταξινόμηση και ακριβέστερα αποτελέσματα, αφού κατατάσσει τις εικόνες σε αντικείμενα και στη συνέχεια τα ταξινομεί χρησιμοποιώντας χαρακτηριστικά υφής.
3. ΥΛΙΚΟ
3.1 Περιοχή μελέτης
Το ορυχείο Pingshuo βρίσκεται στην επαρχία Shanxi, με έκταση 360 km2 και τα επαληθευμένα γεωλογικά αποθέματά του είναι 12,75*109 τόνοι. Η ανοιχτή εκμετάλλευση τοποθετείται σε περιοχή ευαίσθητη στις περιβαλλοντικές διαταραχές και με μικρή σταθερότητα. Η περιοχή εξόρυξης βρίσκεται σε οροπέδιο με έντονη διάβρωση, λίγη βλάστηση και σοβαρά περιβαλλοντικά προβλήματα που προκαλούνται από την έλλειψη προστασίας.
3.2 Δεδομένα
Χρησιμοποιήθηκαν εικόνες RapidEye και SPOT7. Η πρώτη χρησιμοποιεί 5 πολυφασματικά κανάλια (RGB, NIR, red edge) και έχει ανάλυση 4,27m. Η δεύτερη έχει ανάλυση 4m και περιλαμβάνει 4 πολυφασματικά κανάλια (RGB και NIR) και παγχρωματική εικόνα 1m. Επίσης, ένα DEM της περιοχής, για υπολογισμό του ύψους και μείωση της επίδρασης του εδάφους στην ακρίβεια ταξινόμησης.
4. ΜΕΘΟΔΟΛΟΓΙΑ
4.1 Προεργασία
Η προεπεξεργασία περιλαμβάνει την εγγραφή, αναδειγματοληψία, ραδιομετρική και ατμοσφαιρική συσχέτιση, και χρήση DEM για τη μείωση επιρροής της τοπογραφίας. Η εγγραφή είναι μια διαδικασία που γεωαναφέρει και κανονικοποιεί τα δεδομένα. Η επαναδειγματοληψία αναφέρεται στην λήψη δύο εικόνων, με την ίδια ανάλυση και τον ίδιο αριθμό pixel. Η ραδιομετρική και ατμοσφαιρική συσχέτιση και το DEM είναι διαδικασίες για τη βελτίωση της ακρίβειας των εικόνων. Τα παγχρωματικά δεδομένα χρησιμοποιήθηκαν για την ομαλοποίηση των πολυφασματικών. Στη συνέχεια, στρώματα από δύο εικόνες στοιβάχθηκαν για να πραγματοποιηθεί η κατάτμηση.
4.2 Κατάτμηση
Για την κατάτμηση της εικόνας χρησιμοποιήθηκε η επιλογή “Multiresolution segmentation” στο λογισμικό eCognition, με τις τιμές: (Scale:65, Shape:0.1, Compactness: 0.5, Smoothness:0.5) Όσο μεγαλύτερο είναι το scale, επιτρέπεται μεγαλύτερη ετερογένεια και μεγαλύτερο μέγεθος αντικειμένων. Το χρώμα και το σχήμα επηρεάζουν τη σχετική στάθμιση της ανακλαστικότητας και του σχήματος. Το σύνολο της τιμής του χρώματος και του σχήματος είναι ίσο με 1. Μελέτες έδειξαν ότι μεγαλύτερο βάρος πρέπει να δίνεται στο χρώμα για καλύτερα αποτελέσματα κατάτμησης. Το Compactness και το Smoothness καθορίζονται για να προσδιοριστούν γειτνιάζοντα τμήματα.
4.3 Ασαφής ταξινόμηση
Τα προηγούμενα χαρακτηριστικά χρησιμοποιήθηκαν στην ασαφή ταξινόμηση κάθε εικόνας. Κατά την εφαρμογή της κατάτμησης, χρησιμοποιήθηκε ως θεματικό στρώμα κάθε εικόνα, συνεπώς τα παραγόμενα αντικείμενα δεν εισέρχονται σε διαφορετικές κατηγορίες της ταξινόμησης. Στη συνέχεια κατατάχθηκαν οι χρήσεις γης και οι τύποι κάλυψης ως «βλάστηση» και «όχι βλάστηση» μέσω NDVI> 0 ή NDVI ≤ 0 αντίστοιχα.
4.4 Επιλογή δείγματος
Χρησιμοποιήθηκε μια τυχαία μέθοδος λήψης δειγμάτων κατάρτισης, που επιλέχθηκαν με βάση τη γνώση του τόπου μελέτης για τις ακόλουθες κατηγορίες: γυμνά εδάφη, αρόσιμες, χερσαίες, βιομηχανικές και εξορυκτικές, δασικές και υδάτινες εκτάσεις. Τα δείγματα κατάρτισης για κάθε κατηγορία επιλέχθηκαν από πολλαπλές τοποθεσίες σε ολόκληρη την εικόνα, προκειμένου να ληφθεί ένα αντιπροσωπευτικό δείγμα.
4.5 Ταξινόμηση σε R
Τα δείγματα μπορούν να εισαχθούν στο R για να βελτιωθεί η αποτελεσματικότητα της ταξινόμησης, διότι απαιτεί μικρότερο χρόνο από το eCognition. Εισήχθηκαν, λοιπόν, σε ανοιχτό λογισμικό ως στατιστικά αρχεία και δημιουργήθηκαν οι ίδιες κατηγορίες χρησιμοποιώντας μηχανή υποστήριξης διανυσμάτων (SVM) αντικειμενοστρεφούς μεθόδου. Το SVM είναι μια κλάση αλγορίθμων, αποτελεσματικών για την ταξινόμηση μιας ευρείας ποικιλίας τύπων δεδομένων. Εφαρμόστηκε η ταξινόμηση SVM με τη χρήση δύο κατατετμημένων εικόνων, οι οποίες αρχικά μετατράπηκαν σε διανύσματα.
4.6 Ανίχνευση μεταβολής
Η ανίχνευση μεταβολών χρησιμοποιεί μια ενιαία κατάτμηση όλων των εικόνων και εκμεταλλεύεται τα γεωμετρικά και φασματικά χαρακτηριστικά. Ο κατακερματισμός και η ταξινόμηση των εικόνων εφαρμόζεται απευθείας σε μια στοιχειοθετημένη εικόνα, που μπορεί να περιλαμβάνει ένα ή περισσότερα παγχρωματικά, πολυφασματικά κανάλια, υφή ή μόνο φασματικές μορφές πολλαπλών χρονικών εικόνων. Στην αρχή κατατμήθηκε μια στοίβα πολυχρονικών εικόνων SPOT και τα εξαγόμενα αντικείμενα έλαβαν τις φασματικές τιμές μέσης και τυπικής απόκλισης από κάθε εικόνα διαφορετικής ημερομηνίας. Χρησιμοποιήθηκε διαδικασία για να αναγνωριστούν τα μεταβληθέντα αντικείμενα ως στατιστικά εργαλεία. Οι μη φυσικές τιμές εξήγησαν τις στατιστικές διαφορών που αναφέρονται σε αυτά. Η ακρίβεια ανίχνευσης ήταν μεγαλύτερη από 90%. Όλα τα αντικείμενα έλαβαν φασματικά χαρακτηριστικά και χρησιμοποιήθηκε αλγόριθμος απόστασης για την ανίχνευση μεταβολών, που είναι ένα μέρος της ανίχνευσης μεταβολής αντικειμένων πολλαπλών στιγμών. Η ίδια διαδικασία ακολουθήθηκε για τη μεταβολή της βλάστησης και της αποψίλωσης. Σύμφωνα με την ανίχνευση μεταβολής και το χάρτη ταξινόμησης, οι μεταβολές μπορούν να βρεθούν και στη συνέχεια να καλυφθούν. Η μεγάλη μεταβλητότητα ανάκλασης των επιμέρους χαρακτηριστικών και ο αριθμός των κατηγοριών που υπάρχουν, μπορούν να δεχτούν αντικειμενοστρεφή ανάλυση, αλλά όχι βάσει pixel. Η ανίχνευση μεταβολής μπορεί να εξάγει συμπεράσματα για όλες τις κατηγορίες και να πραγματοποιηθεί ταξινόμηση στο GIS. Στο σχήμα 1, οι χρήσεις και τύποι κάλυψης γης που μειώθηκαν για το 2012, αντιστοιχούν στους τύπους που αυξήθηκαν για το 2015, και παρουσιάζουν τις μεταβολές στην περιοχή μελέτης. Με την ανάλυση αλλαγών, μπορούμε όχι μόνο να αποκτήσουμε χάρτη μεταβολής χρήσης / κάλυψης γης, αλλά και την ιεραρχική τάξη.
4.7 Ακρίβεια
Η μέθοδος ταξινόμησης πρέπει να αξιολογηθεί βάσει μήτρας σφαλμάτων για τον προσδιορισμό της απόδοσης της αντικειμενοστρεφής μεθόδου. Η μήτρα περιλαμβάνει τη συνολική ακρίβεια, την ακρίβεια των χρηστών, του παραγωγού της εικόνας και τα στατιστικά στοιχεία. Μπορεί να αποδείξει ότι η μέθοδος ταξινόμησης είναι αποτελεσματική και κατάλληλη για την περιοχή μελέτης. Διεξήχθη η αξιολόγηση για 6 κατηγορίες, με δύο χάρτες ταξινόμησης. Για όλους χρησιμοποιήθηκαν 30% τυχαία δείγματα που επιλέχθηκαν σε δύο εικόνες με 180 αντικείμενα δειγμάτων. Χρησιμοποιήθηκαν δεδομένα αναφοράς που προήλθαν από την οπτική ερμηνεία δεδομένων εικόνας. Δημιουργήθηκαν μήτρες σφάλματος για τον υπολογισμό της συνολικής ακρίβειας, της ακρίβειας του χρήστη και του παραγωγού και των στατιστικών.
5. ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ5
Τα ταξινομημένα αποτελέσματα της περιοχής εξόρυξης έχουν υψηλή ακρίβεια. Με αντικειμενοστρεφή ταξινόμηση και ανίχνευση μεταβολών στην περιοχή εξόρυξης, η παρακολούθηση ορυχείων θα μπορούσε να λειτουργήσει σε τοπική κλίμακα, καθώς οι μεταβολές εντοπίστηκαν σε σύντομο χρονικό διάστημα. Η περιβαλλοντική διαταραχή από τα ορυχεία είναι πάντοτε μεγάλη. Η εξόρυξη καταστρέφει το περιβάλλον και, μετά το πέρας των εργασιών, χρειάζεται να δημιουργηθεί ένα νέο που θα προσαρμοστεί στις τοπικές συνθήκες. Η χρήση της γης και η αλλαγή στην κάλυψη είναι μια δυναμική διαδικασία. Μέρος της βλάστησης αποκαταστάθηκε με φυτά για την ανάκτηση του οικοσυστήματος, και αργότερα θα χρησιμοποιηθεί ως αρόσιμη γη. Μολονότι έχει μειωθεί η έκταση των ορυχείων, ορισμένες αρόσιμες και δασικές εκτάσεις μεταβλήθηκαν σε άγονες.
6. ΣΥΜΠΕΡΑΣΜΑ
Αν και η αντικειμενοστρεφής ταξινόμηση και ανίχνευση μεταβολών έχουν εφαρμοστεί με επιτυχία στην αστική εξάπλωση, εξακολουθούν να υπάρχουν ελάχιστες μελέτες που βασίζονται σε αυτές με άλλο περιεχόμενο. Εδώ διαπιστώθηκε ότι εφαρμόζονται και στην παρακολούθηση αποκατάστασης της γης σε εξορυκτικές περιοχές. Αναπτύχθηκαν αντικειμενοστρεφείς τεχνικές ανάλυσης εικόνας για μεγάλες μεταβολές και για καλύτερη ακρίβεια στην ταξινόμηση και την ανίχνευση μεταβολών. Η ανίχνευση μεταβολής πολλαπλών χρονικών στιγμών χρησιμοποιεί μία μόνο κατάτμηση όλων των στοιβαγμένων εικόνων, στις οποίες τα αντικείμενα έχουν τις ίδιες γεωμετρικές ιδιότητες. Αυτή η μέθοδος χρησιμοποιεί τα χωρικά και φασματικά χαρακτηριστικά σε ταξινομημένα αντικείμενα και βρίσκει τις μεταβολές. Τα πλεονεκτήματα της χρήσης της είναι ότι διατηρείται ίδια η γεωμετρία και ο συνολικός αριθμός των αντικειμένων σε κάθε εικόνα, και γίνεται εύκολα η ανίχνευση μεταβολών.
