Καθορισμός καλύψεων γης με τη χρήση δεδομένων OpenStreetMap και τεχνικών τηλεπισκόπησης

Από RemoteSensing Wiki

Μετάβαση σε: πλοήγηση, αναζήτηση

Καθορισμός καλύψεων γης με τη χρήση δεδομένων OpenStreetMap και τεχνικών τηλεπισκόπησης

Πρωτότυπος τίτλος: Open land cover from OpenStreetMap and remote sensing

Συγγραφείς: Michael Schultz, Janek Voss, Michael Auer, Sarah Carter, Alexander Zipf

Δημοσιεύθηκε: International Journal of Applied Earth Observation and Geoinformation, Volume 63, December 2017, Pages 206-213

ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ: OpenStreetMap, Καλύψεις γης, Τυχαίες δασικές εκτάσεις, Βάσει ετικέτας, Τηλεπισκόπηση

Eικόνα 1:Περιοχή μελέτης

Αντικείμενο

Αντικείμενο της παρούσας μελέτης είναι να περιγράψει τον τρόπο με τον οποίο τα δεδομένα που προκύπτουν από τις εφαρμογές τηλεπισκόπησης και την ψηφιακή πλατφόρμα OpenStreetMap(OSM) λειτουργούν συνδυαστικά, ώστε να αποδώσουν το σύνολο των καλύψεων γης μιας περιοχής μελέτης. Δεδομένα OpenStreetMap χρησιμοποιούνται για να παράγουν ένα ανοιχτό Παγκόσμιο Σύστημα Καλύψεων Γης(Open Land Cover, OLC) με κλασματικά δεδομένα τα οποία είναι διαθέσιμα στο osmlanduse.org. Στην παρούσα έρευνα ως περιοχή μελέτης ορίστηκε η πόλη Χαϊδελβέργη της Γερμανίας, όπου τα δεδομένα OSM ήταν ικανά να αποδώσουν το 91,8% του συνόλου των διαφορετικών καλύψεων γης της περιοχής, ενώ το υπόλοιπο ποσοστό καλύφθηκε από δεδομένα εφαρμογών τηλεπισκόπησης. Η ακρίβεια των αποτελεσμάτων υπολογίστηκε σε 87%, ποσοστό αρκετά βελτιωμένο σε σχέση με την ακρίβεια που παρείχαν τα δεδομένα του προγράμματος Corine το 2012(81% ακρίβεια). Για τη συγκεκριμένη περιοχής μελέτης τα παραγόμενα δεδομένα OLC παρουσιάστηκαν για δύο χρονικές περιόδους: το 53% της έκτασης αποδίδεται στην περίοδο 2011-2016, ενώ το 46% στα έτη 2016 και 2017.

Eικόνα 2:Διάγραμμα ροής των μεθόδων μελέτης

Εισαγωγή

Οι ανθρωπογενείς δραστηριότητες έχουν μεταβάλλει σε μεγάλο βαθμό τη σύνθεση του φυσικού περιβάλλοντος. Ο τομέας των χρήσεων/καλύψεων γης αποτελεί ένα κομβικό παράγοντα για να αναλυθεί ένας μεγάλος όγκος φαινομένων που βρίσκονται σε εξέλιξη, όπως είναι η κλιματική αλλαγή, η διαχείριση των φυσικών πόρων και ο αστικός και περιφερειακός σχεδιασμός. Σήμερα, τα προϊόντα επεξεργασίας δεδομένων χρήσεων/καλύψεων γης δημιουργούν θεμέλια πάνω στα οποία μπορούν να βασιστούν κυβερνητικές πολιτικές που να παρακολουθούν τις εξελίξεις προς την επίτευξη των Στόχων για τη Βιώσιμη Ανάπτυξη(Sustained Development Goals, SDGs). Τα δεδομένα κάλυψης γης περιγράφουν τη φυσική και βιολογική κάλυψη μιας περιοχής, ενώ εκείνα των χρήσεων γης αποκαλύπτουν τις ανθρωπογενείς δραστηριότητες. Οι θεματικοί χάρτες καλύψεων γης νέας γενιάς δύναται να προσεγγίσουν χωρική ικανότητα ακόμη και έως 30m. Σε αυτό συμβάλλει και η καινοτόμα πλατφόρμα του OSM που εμπλουτίζεται σταδιακά τα τελευταία χρόνια και παρέχει ελεύθερα δεδομένα για ερευνητικούς σκοπούς. Η πλατφόρμα βασίζεται στην εθελοντική συμμετοχή για την προσθήκη δεδομένων, κάτι το οποίο δημιουργεί ζητήματα ακρίβειας, καθώς εντοπίζονται φαινόμενα επικάλυψης δεδομένων, λανθασμένων θεματικών πληροφοριών, χωρικής και χρονικής ανομοιογένειας. Ακόμη και οι περιοχές μελέτης, όπου εκκρεμεί ακόμη η ολοκληρωμένη καταγραφή τους αποτελούν περιοριστικό παράγοντα χρήσης της πλατφόρμας. Στα παραπάνω ζητήματα παρέχει σημαντικές λύσεις η συμπλήρωση των όποιων κενών σημείων με τη χρήση δεδομένων τηλεπισκόπησης. Αρχικά, το συνδυαστικό αυτό σύστημα(OSM και τηλεπισκόπησης) ταλανιζόταν από χρονοβόρες διαδικασίες ενημέρωσης των δεδομένων και χαμηλή χωρική ανάλυση. Επιπλέον, η απουσία δεδομένων OSM σε αρκετές περιπτώσεις οδηγούσε στη μη ολοκλήρωση της ταξινόμησης ορισμένων περιοχών. Παράλληλα, οι τεχνικές αξιολόγησης ακρίβειας των αποτελεσμάτων δεν είχαν κοινό κώδικα για όλα τα προϊόντα της διαδικασίας κι έτσι αναπόφευκτα υπήρχε ανομοιογένεια. Στην παρούσα μελέτη επιχειρήθηκε η δημιουργία διαδικτυακής πλατφόρμας χρήσεων/καλύψεων γης που θα βασίζεται σε δεδομένα OSM τα οποία αναβαθμίζονται συνεχώς από εθελοντές-μέλη. Η πλατφόρμα αυτή αξιοποιεί το πλεονέκτημα ενός περιβάλλοντος ανοιχτών δεδομένων στο οποίο ο οποιοσδήποτε μπορεί να συνεισφέρει προσθέτοντας δεδομένα τηλεπισκόπησης ή ψηφιοποιώντας.

Eικόνα 3:Σχηματική απεικόνιση του τρόπου με τον οποίο αντιμετωπίστηκαν τα επικαλυπτόμενα πολύγωνα του OSM σε αυτή την ανάλυση

Μεθοδολογία

Τα βασικά βήματα που ακολουθεί η συγκεκριμένη μελέτη είναι αρχικά η δημιουργία ενός κλασματικού OLC, έπειτα η κάλυψη των ελλείψεων στα δεδομένα μέσω της τεχνικής της επιβλεπόμενης ταξινόμησης και τέλος η σύγκριση των αποτελεσμάτων με τα αποτελέσματα του προγράμματος Corine.

Eικόνα 4:Εκτίμηση ακριβείας OLC και CLC

Κλασματικός OLC

Τα δεδομένα OSM είναι διαθέσιμα ως ψηφιδωτό αρχείο(vector) στα διάφορα λογισμικά GIS και περιλαμβάνουν σημειακά, γραμμικά και πολυγωνικά στοιχεία. Κάθε στοιχείο συνοδεύεται κι από μία αναφορά που το περιγράφει. Η αναφορά αποτελείται από ένα κλειδί που περιγράφει ορισμένα γενικά δεδομένα του στοιχείου κι από μία τιμή που ορίζει πιο συγκεκριμένα το κλειδί. Χρησιμοποιήθηκε το υπόμνημα του Corine για να γίνει σύγκριση των δύο παραγόμενων χαρτών(OLC και Corine). Τα δεδομένα OSM και Corine ακολουθούν διαφορετικό πρότυπο κατηγοριοποίησης κι έτσι δημιουργήθηκε ένα κοινό υπόμνημα στο οποίο γίνεται η σύνδεσή τους. Παρ’ όλα αυτά δεν πραγματοποιήθηκε αντιστοίχιση όλων των κατηγοριών και θεωρήθηκαν ως αναντιστοιχίες του υπομνήματος, αποτελώντας το 0,083% του συνόλου της περιοχής μελέτης. Οι κατηγορίες που απουσιάζουν απ’ το τελικό προϊόν απαντώνται σε γεωργικές περιοχές, ύδατα της ενδοχώρας και θαλάσσια ύδατα. Οι αναφορές που χρησιμοποιήθηκαν για τη δημιουργία του OLC αναφέρονται σε ένα χρονικό εύρος από το 2007 έως σήμερα. Για κάθε εικονοστοιχείο αποτυπώθηκε μια συγκεκριμένη χρονική ταυτότητα και ελέγχθηκε η συχνότητα με την οποία εμφανίζεται διαχρονικά. Περιπτώσεις επικάλυψης δεδομένων επιλύθηκαν τοποθετώντας μικρότερα πολύγωνα επάνω από τα μεγαλύτερα. Η παράμετρος αυτή είναι βασική για τους στατιστικούς υπολογισμούς και τη σύγκριση με άλλα δεδομένα.

Eικόνα 5:Διαφορές OLC και CLC(οι έγχρωμες περιοχές δείχνουν διαφορές, ενώ οι γκρι περιοχές ομοιότητες)

OLC κάλυψης γης

Στην περιοχή μελέτης το 8,2% της συνολικής έκτασης δεν ήταν δυνατό να περιγραφεί ως προς τον τύπο καλύψεων γης από τα δεδομένα OSM. Στην περίπτωση αυτή οι ελλείψεις καλύφθηκαν από δεδομένα δορυφορικών εικόνων μέσω τεχνικών τηλεπισκόπησης. Συγκεκριμένα χρησιμοποιώντας όλα τα φασματικά κανάλια του αισθητήρα OLI, εκτός του θερμικού, πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση χρησιμοποιώντας τις κατάλληλες περιοχές εκπαίδευσης βασιζόμενοι στις αναφορές της πλατφόρμας OSM.

Eικόνα 6:Κατανομή της χρονικής ταυτότητας του OLC ανά κατηγορία σε μορφή boxplot

Αξιολόγηση ακρίβειας και σύγκριση

Στο τελευταίο στάδιο της μεθοδολογίας πραγματοποιήθηκε αξιολόγηση των αποτελεσμάτων χρησιμοποιώντας τεχνικές που βασίζονται στο σχεδιασμό δειγματοληψίας, στο σχεδιασμός απόκρισης και στην ανάλυση. Ειδικότερα, στο σχεδιασμό δειγματοληψίας με τη χρήση κατάλληλων συναρτήσεων πραγματοποιήθηκε η αναλογική απόδοση των δειγμάτων για κάθε κατηγορία κάλυψης γης. Στη συνέχεια όλα τα δείγματα αθροίστηκαν, ώστε να γίνει δυνατή η σύγκριση μεταξύ Corine και OLC. Μέσω της ανάλυσης εντοπίστηκαν οι αποκλίσεις μεταξύ των δεδομένων αναφοράς που χρησιμοποιήθηκαν ως δεδομένα εισαγωγής και του τελικού χάρτη. Πιο αναλυτικά, εντοπίστηκαν περιπτώσεις παραλείψεων, έλλειψης ακρίβειας και επικαλύψεων.

Πίνακας 1:Υπόμνημα εναρμονισμού των κατηγοριών του OSM και του CLC

Αποτελέσματα και συζήτηση

Σαν μια γενική εικόνα των αποτελεσμάτων το εγχείρημα του OLC διεύρυνε κατά πολύ το πλήθος των αποτελεσμάτων σε σύγκριση με το πρόγραμμα Corine. Η ομοιότητα των δύο διαφορετικών θεματικών χαρτών ανέρχεται σε 84%, με ορισμένες κατηγορίες καλύψεων να εμφανίζουν υψηλή ομοιογένεια κι άλλες υψηλή ανομοιογένεια και διαφορετικότητα. Ουσιαστικά η πλατφόρμα OLC αποτελεί ένα εξελιγμένο εργαλείο στον τομέα καταγραφής των καλύψεων γης, καθώς τα δεδομένα του πέραν του ότι εμφανίζονται πιο ολοκληρωμένα, είναι και διαχρονικά. Αναλυτικότερα, ενώ τα στοιχεία του Corine αναφέρονται αποκλειστικά στο 2012, η πλατφόρμα OLC χρησιμοποιεί δεδομένα εύρους από το 2007 έως το 2016. Κάθε εικονοστοιχείο καταγράφηκε με διαφορετική χρονική ταυτότητα που περιγράφει τη συχνότητα εμφάνισής του, συνθέτοντας έτσι μια στατιστική περιγραφή. Οι περισσότερες περιοχές του OLC ταυτοποιήθηκαν από το 2012 κι έπειτα, οπότε πρόκειται για ένα πρόσφατα ανανεωμένο περιβάλλον δεδομένων.

Πίνακας 2:Πίνακας σύγχυσης OLC και CLC

Συμπεράσματα

Ολοκληρώνοντας τη διαδικασία που διενεργήθηκε στη συγκεκριμένη έρευνα τα αποτελέσματα του OLC ναι μεν παρουσιάζουν μια πιο ολοκληρωμένη και σύνθετη δομή, αλλά ορισμένες κατηγορίες χαρακτηρίζονται από ανακρίβεια και ελλείψεις. Για το λόγο αυτό, κρίνεται σκόπιμη η προσαρμογή των κατηγοριών αυτών με τέτοιο τρόπο όμως που να μη μειώνει το εύρος της παρεχόμενης πληροφορίας. Είναι δεδομένο πως τα ακριβή αποτελέσματα μιας ταξινόμησης πηγάζουν από τον ακριβή καθορισμό των περιοχών εκπαίδευσης. Έτσι λοιπόν, σε μελλοντικές προσπάθειες η σύνθεση των περιοχών εκπαίδευσης θα πρέπει να λαμβάνει υπ’ όψιν τη χρονική συνάφεια των δεδομένων αλλά και τις ειδικές αναφορές του OSM.

Συμβολή της τηλεπισκόπησης

Η τηλεπισκόπηση, όπως φάνηκε από την εργασία, δύναται να αποτελέσει το βασικό εργαλείο κάλυψης όλων των ελλείψεων και κενών στην καταγραφή καλύψεων γης. Η συλλογή δεδομένων με τη συμβολή εθελοντών σε περιβάλλον πλατφόρμας ανοιχτής πρόσβασης δημιουργεί ευκαιρίες και περιορισμούς αναφορικά με την αξιοπιστία των δεδομένων. Οι εφαρμογές τηλεπισκόπησης μπορούν και να ελέγξουν την ορθότητα των δεδομένων αυτών, αλλά και να παρέχουν νέα όπου αυτό κρίνεται αναγκαίο. Η συνολική καταγραφή των καλύψεων γης αποτελεί βασικό εργαλείο καθορισμού προτεραιοτήτων και κατευθύνσεων στο σχεδιασμό.

Σύνδεσμος πρωτότυπου κειμένου: [1]