Η αστική δόμηση με χρήση πολυαισθητηριακών δεδομένων ψηφιακής τηλεπισκόπησης- Το παράδειγμα των γερμανικών πόλεων Κολωνία και Δρέσδη
Από RemoteSensing Wiki
Αντικείμενο- Στόχος της εφαρμογής
H αστική δομή είναι μια φυσική απεικόνιση ποικίλων διαδικασιών που λαμβάνουν χώρα κατά την εξέλιξη μιας πόλης και ο χαρακτηρισμός της είναι πολύτιμη πηγή πληροφορίας, εξαρτάται από την κλίμακα και μπορεί να εκφραστεί σε πολλά επίπεδα λεπτομέρειας μέσω δορυφορικών εικόνων. Οι δορυφορικοί αισθητήρες πολύ υψηλής ανάλυσης έχουν τη δυνατότητα χαρτογράφησης και παρακολούθησης των πόλεων– σε επίπεδο κατοικίας/οικοδομικού τετραγώνου- που έχουν υψηλό βαθμό ποικιλομορφίας στην εδαφοκάλυψη. Ωστόσο, ο εντοπισμός μορφολογικών χαρακτηριστικών όπως το σχήμα και η ανάδειξη μεμονωμένων αντικειμένων επιτυγχάνεται πολύ καλύτερα όταν ενσωματωθεί ένα ψηφιακό μοντέλο εδάφους (DSM). Παρουσιάζεται εδώ μια αντικειμενοστραφής μεθοδολογία για την ταυτόχρονη ανάλυση οπτικών δεδομένων από δορυφόρο και από ψηφιακό μοντέλο επιφάνειας για την ταξινόμηση της αστικής μορφολογίας με βάση τους διάφορους τύπους αστικής δόμησης (UST). Οι τύποι αστικής δομής είναι χωρικές μονάδες- κυρίως σε επίπεδο οικοδομικού τετραγώνου- που χαρακτηρίζονται από την εδαφοκάλυψη, τη χρήση γης και το είδος αστικού ιστού. Όσον αφορά στον αστικό ιστό, περιοχές ομοιογενούς αστικής μορφολογίας ομαδοποιούνται με βάση τη φυσική τους εμφάνιση και τη χρήση. Οι παράμετροι με βάση τις οποίες ταξινομούνται τα κτίρια είναι : το μέγεθος, το σχήμα, το ύψος (όροφοι), η πυκνότητα και ο λόγος αδιαπέραστης επιφάνειας- βλάστησης. Πρόκειται δηλαδή για χωρικές μονάδες- κυρίως σε επίπεδο οικοδομικού τετραγώνου με συγκεντρωτικές πληροφορίες για ταξινομημένα μεμονωμένα χαρακτηριστικά όπως η κάλυψη/χρήση γης και ο αστικός ιστός. Ως εκ τούτου, εφαρμόζεται μια ιεραρχική και αρθρωτή κατάτμηση και μια πορεία εργασίας ταξινόμησης προκειμένου να αποσπαστούν οι απαιτούμενες πληροφορίες. Η μελέτη αυτή επικεντρώνεται στη δημιουργία τύπων αστικής δομής (UST) με βάση την διαμόρφωση μιας σταθερής και μεταφερτής ταξινόμησης. Ένας από τους βασικούς στόχους αυτής της μελέτης ήταν η ανάπτυξη μιας μεθοδολογίας ταξινόμησης που να κάνει χρήση τόσο δορυφορικών εικόνων πολύ υψηλής ανάλυσης VHR όσο και δεδομένων αεορομεταφοράς LiDAR και που να μπορεί να εφαρμοστεί σε διάφορες περιοχές μελέτης. Ένα τέτοιο είδος από κοινού ανάλυσης των δύο αυτών πολύ διαφορετικών συνόλων δεδομένων έχει πλεονεκτήματα όσο και μειονεκτήματα. Από τη μία πλευρά, η ποσότητα των πληροφοριών αυξάνεται σημαντικά, αλλά από την άλλη, πρέπει να αντιμετωπιστούν τα προβλήματα που σχετίζονται με τη διαφορετική γεωμετρία των εικόνων και την ημερομηνία / ώρα απόκτησης τους. Η μεθοδολογία εφαρμόζεται σε δύο περιοχές μελέτης σε πόλεις στη Γερμανία, στην Κολονία και τη Δρέσδη και φαίνεται η επαλήθευση της δυνατότητας για μεταφορά της μεθόδου σε ποικίλες περιοχές μελέτης.
Μεθοδολογία παρούσας μελέτης
Για την παραγωγή των UST χρησιμοποιήθηκε μια σειρά από εικόνες πολύ υψηλής ανάλυσης (VHR) οπτικών δορυφόρων και ένα ψηφιακό μοντέλο επιφάνειας (DSM) που προέρχεται από δεδομένα σάρωσης με χρήση Laser από αέρος (airborne laserscanning) τα οποία μαζί καλύπτουν ολόκληρη την περιοχή και των δύο πόλεων (Πίνακας Ι). Από το 1999 μια νέα γενιά VHR δορυφόρων παρέχει Δεδομένα Παρατήρηση της Γης (EO) σε υψηλό επίπεδο λεπτομέρειας. Ο αισθητήρας Ikonos χαρτογραφεί την επιφάνεια της γης με γεωμετρική ανάλυση 1m για παγχρωματικές εικόνες και 4m για πολυφασματικές εικόνες που ανταποκρίνεται στις ανάγκες των ερμηνειών του πολύ μικρό-δομημένου αστικού τοπίου. Τα Airborne laserscanning (ALS) ή Lidar (Light detection and ranging) είναι - σε αντίθεση με τους οπτικούς αισθητήρες δορυφόρου – ενεργά συστήματα τηλεπισκόπησης. Μετρούν το χρόνο που διατρέχει μια ακτίνα λέιζερ μεταξύ του αισθητήρα, της ανακλώσας επιφάνειας και πίσω. Η απόλυτη θέση του ανακλώντος αντικειμένου - το x, y και z-κατεύθυνση - μπορεί να διακριθεί μέσω GPS (Global Positioning System) και INS (Αδρανειακό Σύστημα Πλοήγησης). Ανάλογα με την πυκνότητα των ακτινών λέιζερ, η γεωμετρική ανάλυση μπορεί να ποικίλλει μεταξύ λίγων εκατοστών και λίγων μέτρων. Μια πολύ συχνή χρήση του νέφους σημείων (point cloud) είναι η γένεση DSM υψηλής ανάλυσης (Digital Surface Model). Οι διαφορετικές αναπαράσταση των αντικειμένων στα δύο σύνολα δεδομένων απεικονίζεται στην Εικ. 1. Για καθένα από τα δύο σύνολα δεδομένων (VHR εικόνες και LiDAR) υπάρχει και από μία ενότητα (module) ειδικά διαμορφωμένη για τις ιδιαιτερότητες των χαρακτηριστικών του κάθε συνόλου. Και οι δύο ενότητες ακολουθούν την ίδια ροή εργασίας, η γραφική αναπαράσταση της οποίας φαίνεται στο σχήμα 2. Τα δύο βασικά βήματα είναι η κατάτμηση της εικόνας και η αντικειμενοστραφής ταξινόμηση. Η φασματική ετερογένεια των εικόνων -ειδικά σε έντονα δομημένες αστικές περιοχές - καθιστούν δύσκολο το έργο μιας ουσιαστική ταξινόμηση της εικόνας δεδομένου ότι τα μεμονωμένα pixels δεν αντιπροσωπεύουν τη σημαντική σημασιολογική πληροφορία. Οι αλγόριθμοι κατάτμησης της εικόνας έχουν ως στόχο την ομαδοποίηση και συγχώνευση γειτονικών αντικειμένων με βάση τη φασματική ομοιογένεια ή το διαχωρισμό τους με βάση την ετερογένεια αντίστοιχα.
Α. Eνότητα Ι- DSM (Module I)
Κύριο κομμάτι της ανάλυσης της αστικής δομής είναι ο λεπτομερής διαχωρισμός του αποτυπώματος των κτιρίων. Παρότι η σκιαγράφηση των κτιρίων που βασίζεται σε οπτικές δορυφορικές εικόνες επιτυγχάνει υψηλά αποτελέσματα ταξινόμησης, μπορούν να γίνουν βελτιώσεις τόσο στην παραγωγή διακριτών συνόρων όσο και στο ύψος των κτιρίων. Πολλές φορές, οι γωνίες του αισθητήρα στην κατεύθυνση εκτός ναδίρ εμποδίζουν τη σωστή διάκριση του αποτυπώματος του κτιρίου. Ακόμη, η επικάλυψη της βλάστησης, π.χ. ψηλά δέντρα, μπορεί επίσης να μειώσει την ποιότητα της σκιαγράφησης και να οδηγήσεις σε μορφές fuzzy που μπορεί να δυσχεραίνουν τη σωστή περιγραφή του σχήματος ενός κτιρίου ( εικ. 3). Και τα δύο όμως αυτά ζητήματα διαδραματίζουν πολύ μικρό ρόλο στα DSM μέσα από τη γεωμετρία της απόκτησης των ALS και το χρόνο απόκτησής τους πάνω από αστικές περιοχές. Προκειμένου να ελαχιστοποιηθεί η επιρροή της βλάστησης, η απόκτηση των εικόνων λαμβάνει χώρα πριν την περίοδο της ανάπτυξης της βλάστησης. Κατάτμηση
Όμοια με την ενότητα ΙΙ( Module II), η κατάτμηση των DSM εφαρμόζεται σε ένα προκαθορισμένο, ιεραρχικό διάγραμμα ροής και οι παράμετροι μπορούν να προσαρμοστούν από το χρήστη. Προτού ξεκινήσει η πραγματική διαδικασία κατάτμησης της εικόνας, τα DSM φιλτράρονται με μεσαίο φίλτρο 5x5 προκειμένου να απομακρυνθούν τα τεχνητά αντικείμενα και να εξομαλυνθούν τα όρια. Έπειτα, δημιουργείται ένα βασικό επίπεδο κατάτμησης που αναπαριστά αντικείμενα εικόνας στο μέγεθος ενός ή περισσοτέρων οικοδομικών τετραγώνων. Αυτό μπορεί να γίνει είτε μέσω της κατάτμησης με πολλά επίπεδα ανάλυσης ή με την εισαγωγή επιπρόσθετων εξωτερικών στρωμάτων δεδομένων. Ένα κατάλληλο στρώμα παρέχεται από το ATKIS ( official topographic cartographic information system) που είναι σε εθνικό επίπεδο διαθέσιμο. Τα δεδομένα αυτά είναι πολύ χρήσιμα καθώς μπορούν να χρησιμοποιηθούν ως αρχικό επίπεδο κατάτμησης αλλά και ως σύνορα ταξινόμησης για το τελευταίο στάδιο. Με βάση αυτά τα χωρικά στοιχεία, ο αλγόριθμος υπολογίζει στατιστικές παραμέτρους για κάθε αντικείμενο εικόνας στο L1 όπως ελάχιστη και μέγιστη αξία εικονοστοιχείου, ποσοστιαία σημεία και μέση τιμή για κάθε οικοδομικό τετράγωνο. Η εφαρμογή της συγκεκριμένης μεθόδου κατάτμησης έδειξε το σημαντικό πλεονέκτημα της ιεραρχικής πορείας εργασίας σε σχέση με την προσέγγιση ευρείας σκηνής (scene-wide approach) όσον αφορά τόσο τη διάρκεια επεξεργασίας όσο και την ακρίβεια.
Αντικειμενοστραφής ταξινόμηση
Το πρώτο βήμα της ταξινόμησης είναι ο εντοπισμός των αντικειμένων που πράγματι περιγράφουν κτήρια και συντελείται μέσω μιας προσέγγισης fuzzy-logic. Το αποτέλεσμα της διαδικασίας αυτής είναι μια «μάσκα κτιρίων» (building mask) που δείχνει τα σύνορα μεταξύ των πολυγώνων των κτιρίων ( Εικόνα 3). Το δεύτερο βήμα είναι η ταξινόμηση των κτιρίων με κριτήριο το σχήμα τους. Για το σκοπό αυτό, χρησιμοποιείται μια ταξινόμηση fuzzy logic Και έτσι προκύπτουν πέντε διαφορετικές κατηγορίες κτιρίων (Εικ. 4) Το μέγεθος των κτιρίων περιγράφεται από το εμβαδόν και από το ύψος του. Ενώ λοιπόν το εμβαδό υπολογίζεται απλά από τον αριθμό των εικονοστοιχείων πολλαπλασιασμένο με το μέγεθος εικονοστοιχείου, το υψόμετρο πρέπει να ανακτηθεί από τον υπολογισμό της διαφοράς του μέσου απόλυτου ύψους του αντικειμένου-κτιρίου από το μέσο απόλυτο ύψος του επόμενου τμήματος εδάφους που το περιβάλλει. Για λόγους ευκολίας, το ύψος κάθε κτιρίου εκφράζεται σε ορόφους. Ο αριθμός των ορόφων για κάθε αντικείμενο υπολογίζεται διαιρώντας την ανύψωση του κτιρίου με μια σταθερά - μια μέση τιμή για ένα δείγμα οπτικά παρατηρημένων αντικειμένων σε συνάρτηση με δεδομένα αναφοράς (επί τόπου έρευνες και μακροσκοπική εξέταση των αεροφωτογραφιών).
Β. Ενότητα ΙΙ- VHR- optical (Module II)
Κατάτμηση
Αρχικά, δημιουργήθηκε ένα βασικό επίπεδο αποκοπής (L-1) με πολύ χαμηλή την παράμετρο της κλίμακας το οποίο χωρίζει την εικόνα σε αρκετά μικρά αντικείμενα. Αυτό το βήμα είναι επαναληπτικά ακολουθούμενο από βήματα βελτιστοποίησης, όπου τα αντικείμενα της εικόνας με φασματική ομοιότητα συγχωνεύονται με το επόμενο επίπεδο κατάτμησης (L0) με ενισχυμένη την παράμετρο της κλίμακας. Η ίδια διαδικασία επαναλαμβάνεται μέχρις ότου τα αντικείμενα στο τελικό επίπεδο κατάτμησης (L1) αντιπροσωπεύουν τόσο μικρά αντικείμενα σε πυκνά δομημένες περιοχές (π.χ. στέγες, αυτοκίνητα) όσο και μεγάλα συνδυασμένα αντικείμενα με υψηλή ομοιογένεια (π.χ. λιβάδια). Εάν αυτό το βήμα υποβάλλεται σε επεξεργασία μετά την Ενότητα Ι - DSM, εισάγονται τα αντικείμενα που αντιπροσωπεύουν τα περιγράμματα των κτιρίων και δια τηρούνται καθ 'όλη τη διαδικασία κατάτμησης και ταξινόμησης.
Αντικειμενοστραφής ταξινόμηση
Το τελικό βήμα της πρώτης ενότητας είναι μια πολύ-επίπεδη fuzzy logic προσέγγιση ταξινόμησης. Τα αντικείμενα της εικόνας εκχωρούνται σε μια κατηγορία με βάση την δική τους συμμετοχή στην τιμή της αντίστοιχης κατηγορίας. Η διαδικασία ταξινόμησης είναι ιεραρχική διαδικασία, όπου τα αντικείμενα στο βελτιστοποιημένο κατάτμηση επίπεδο (L1) κατατάσσονται πρώτα μέχρι η τελική ταξινόμηση να επιτευχθεί στο βασικό επίπεδο κατάτμησης. Προκειμένου να διασφαλιστεί ένας σταθερός ρυθμός μεταφοράς, οι λειτουργίες των μελών κάθε τάξης είναι βασισμένα στα χαρακτηριστικά σχήματος των αντικειμένων της εικόνας, θεωρώντας ότι π.χ. οι δρόμους εκπροσωπούνται παρόμοια σε διαφορετικές αστικές περιοχές. Ο NDVI είναι η μόνη φασματική πληροφορία που χρησιμοποιείται για τη διαδικασία της ταξινόμησης. Τα αποτελέσματα των ταξινομήσεων εδαφοκάλυψης της Ενότητα ΙΙ - VHR-optical εμφανίζονται στην Εικ. 6.
Γ. Ταξινόμηση των τύπων αστικής δόμησης (UST)
Η προστιθέμενη αξία αυτής της κοινής ανάλυσης αξιοποιείται πλήρως όταν οι πληροφορίες και των δύο συνόλων δεδομένων - ταξινόμηση εδαφοκάλυψης υψηλής ευκρίνειας και μορφολογικές πληροφορίες σχετικά με κτίρια - συμβάλλουν στην ταξινόμηση των αστικών δομικών τύπων. Έτσι όπως τα απλά οπτικά δεδομένα είναι ελλιπή για τον ενδελεχή χαρακτηρισμό των κτιρίων, το ίδιο και οι UST δεν μπορούν να ταξινομηθούν σωστά μόνο βάσει των κτιρίων λόγω ελλιπών πληροφοριών εδαφοκάλυψης. Στο τελευταίο βήμα της διαδικασία ταξινόμησης, όλες οι πληροφορίες που προέρχονται από την Ενότητα Ι και ΙΙ χρησιμοποιούνται για να χαρακτηρίσουν διακριτές UST. Για την τελική κατάταξη των αστικών δομικών τύπων, χρησιμοποιούνται τρία ιεραρχικά διατεταγμένα επίπεδα αντικειμένων: το βασικό επίπεδο αντιπροσωπεύεται από την ταξινόμηση της εδαφοκάλυψης, το δεύτερο επίπεδο διαθέτει πληροφορίες για τα κτήρια και το υψηλότερο επίπεδο εκπροσωπείται από τον ίδιο μπλοκ ορίων που χρησίμευσαν ως βασικό επίπεδο κατάτμησης. Τελικά προκύπτουν πέντε βασικοί τύποι κτιρίων σε 16 UST συμπεριλαμβανομένου ενός «μικτού τύπου», που επιλέγεται όταν ένα μπλοκ περιέχει δύο διαφορετικούς τύπους κτιρίων ή όταν τα κτίρια δεν είναι δυνατό να ταξινομηθούν σε μία από τις βασικές κατηγορίες κτιρίων. Μαζί με τις τέσσερις μη-δομημένων τάξεις («Χλοοτάπητας / λιβάδι», «δέντρα / δάση», «νερό» και «ανοιχτός χώρος ») ταξινομούνται τελικά 20 διαφορετικοί αστικοί τύποι.
Αποτελέσματα
Όπως προαναφέρθηκε, η κατάταξη των UST για τη Γερμανία βασίζεται κυρίως στην οπτική ερμηνεία εικόνων ψηφιακής τηλεπισκόπησης και ως εκ τούτου είναι επιρρεπής σε υποκειμενική ερμηνεία από το χειριστή. Επιπλέον, απουσιάζει κάποιο κλειδί ταξινόμησης για όλη τη Γερμανία και επομένως, τα αποτελέσματα επικυρώθηκαν σε 3 στάδια: εκτίμηση της ακρίβειας των κτιρίων, κατάταξη της εδαφοκάλυψης και δημιουργία UST. Στον Πίνακα 2 παρατίθεται η εκτίμηση της συνολική ακρίβειας στον εντοπισμό των κτιρίων για τις περιοχές μελέτης. Στον Πίνακα 3 φαίνεται ότι το 83,43% των κτιρίων στην Κολωνία και το 91,40 % των κτιρίων στη Δρέσδη εκτιμήθηκαν με μέγιστη απόκλιση ενός ορόφου.
Ενώ για την πλειοψηφία των κτιρίων με λιγότερους ή ίσους με τέσσερις ορόφους, ο αριθμός των ορόφων έχει ταξινομηθεί σωστά, παρατηρείται μια σαφής υποτίμηση των ορόφων των κτιρίων που έχουν πέντε ή και περισσότερους ορόφους. Στον πίνακα 4 παρουσιάζονται τέλος τα αποτελέσματα της αξιολόγησης της ακρίβειας στην ταξινόμηση κάλυψης γης. φαίνεται εδώ η προοπτική της από κοινού εκμετάλλευσης οπτικών δεδομένων και δεδομένων DSM ταυτόχρονα.
Η τελική κατάταξη των αστικών τύπων δόμησης φαίνεται στην εικόνα 5. Στην Κολωνία, τα 704 αντικείμενα παριστάνονται ενσωματωμένα μετά τη διαδικασία τελικής κατάταξης. Ενώ το 68,2% των οικιστικών διαμερισμάτων έχουν ενταχθεί σε έναν από τους πέντε βασικούς τύπους κτιρίων, το 18,7% χαρακτηρίζονται ως ένα από τα 15 οικιστικά διαμερίσματα που περιέχουν δύο τύπους κτιρίων. Το 13,1% των μπλοκ δεν θα μπορούσε να ενταχθεί σε ένα συγκεκριμένο οικιστικό διαμέρισμα επειδή είτε περιέχει περισσότερους από δύο τύπους κτιρίων μέσα στο ίδιο οικοδομικό τετράγωνο είτε το κτίριο δεν μπορεί να ενταχθεί σε μια κλάση και συνεπώς κατατάσσεται ως «μικτό». Στην περιοχή μελέτης στη Δρέσδη, ταξινομήθηκαν 739 οικιστικά διαμερίσματα, εκ των οποίων το 41,5% έχουν ενταχθεί σε μία από τις πέντε βασικές οικιστική τάξεις. Η πλειοψηφία (51,3%) των οικιστικών διαμερισμάτων βρίσκεται στη «μικτή» κατηγορία, χωρίς περαιτέρω διάκριση των τύπων κτιρίων που συμπεριλαμβάνονται. Οι λόγοι για αυτό είναι η παρουσία τύπων κτιρίων που δεν θα μπορούσαν να αποδοθούν σε κάποια από τις πέντε τάξεις, καθώς επίσης και ο μεγαλος βαθμό ετερογένειας μέσα στα οικιστικά διαμερίσματα. Η μελλοντική έρευνα θα επικεντρωθεί στην ανάπτυξη ενός εθνικού, περαιτέρω διακεκριμένου κλειδιού για την ταξινόμηση UST και την εφαρμογή σε άλλους τομείς μελέτης για τη σύγκριση της αστικής μορφολογίας μεταξύ διαφορετικών πόλεων. Η εναρμόνιση της ταξινόμησης των αστικών δομικών τύπων σε διάφορες πόλεις, επίσης, στοχεύει στη μελλοντική ανάλυση των δεδομένων τηλεπισκόπησης σε συνδυασμό με ποικίλες κοινωνικοοικονομικές παραμέτρους, όπως π.χ. λαμβάνοντας υπόψη το γεγονός ότι πόλεις με παρόμοια αστική μορφολογία παρουσιάζουν και παρόμοιες κοινωνικοοικονομικές παραμέτρους του πληθυσμού που κατοικεί εκεί.
