Νέες προτάσεις για την ταξινόμηση pixels-oriented πολυφασματικών απεικονίσεων
Από RemoteSensing Wiki
Πρωτότυπος τίτλος: "Nuove proposte per la classificazione pixel oriented di immagini multispettrali"
Συγγραφείς: G. TRAMONTANA (*), P. PORTA(**), C.BELLI(**), D. PAPALE (*). - (*) DISAFRI (Dip. scienze dell’ambiente forestale e delle sue risorse), Università della Tuscia - (**) Terrasystem s.r.l, Via Pacinotti n.55 (VT)
Πηγή: www.terrasystem.it
Εισαγωγή
H επιβλεπόμενη ταξινόμηση pixels-oriented πολυφασματικών απεικονίσεων είναι ένα πολύτιμο εργαλείο για την παραγωγή θεματικών χαρτών. Συχνά όμως, η διάκριση ορισμένων κλάσεων, όπως δενδροκαλλιεργειών από τη φυσική βλάστηση , επηρεάζεται σε μεγάλο βαθμό από την φασματική ομοιότητα τους αλλά και τις έλλειψης πληροφοριών για την χωρική κατανομή τους. Δείκτες βλάστησης και εικόνες οι οποίες υποβλήθηκαν σε επεξεργασία με αλγόριθμους MCE (Multi criteria evaluation), κατέστησαν δυνατό να διαχωρίσουν καλύτερα τις καλλιέργειες φουντουκιάς από τη φυσική βλάστηση, χάριν της εισαγωγή της φασματικής πληροφορίας συνδεδεμένη με το φαινολογικό στάδιο των καλλιεργειών και με τον χωρικό εντοπισμού τους , επιτρέποντας έτσι την καλύτερη ταξινόμησης τους.
Υλικά και μέθοδοι
Η παρούσα εργασία είναι μέρος ενός προγράμματος χαρτογράφησης των καλλιεργειών φουντουκιάς στην Βόρεια Τουρκία κατά μήκος των ακτών της Μαύρης Θάλασσας Οι εικόνες οι οποίες χρησιμοποιήθηκαν είναι:
• LANDSAT TM 5 η λήψη των οποίων έγινε στις 01/07/2005, κατά την λήψη τους είχε νεφοκάληψη 10% και αποτέλεσαν τις κύριες εικόνες για την ταξινόμηση
• Δείκτες βλάστησης MODIS (προϊόν Mod13) με χωρική ανάλυση 250m οι οποίοι αποκτήθηκαν για την περίοδο μεταξύ των ετών 2003-2005 η περιοδικότητα των δεδομένων είναι 16 ημέρες
• DEM δημιουργήθηκε από τη NASA και από τη NGA (National Geospatial-Intelligence Agency), με χωρική ανάλυση 90m
• Εικόνες υψηλής ανάλυσης που διατίθενται δωρεάν on-line, στην ιστοσελίδα του Google Earth. Για τα σημεία δειγματοληψίας στο έδαφος χρησιμοποιήθηκε GPS Mobile Mapper pro, με μια απόκλιση ενός μέτρου σε λειτουργία waas, ενώ για την επεξεργασία των εικόνων χρησιμοποιήθηκαν τα λογισμικά PCI Geomatica 9.1, Idrisi Andes, Arcview Gis 3.1, ArcGis 9.1, Google Earth eTracMacker.
Συλλογή δεδομένων και επεξεργασία εικόνων
Η συλλογή των δεδομένων στην περιοχή, πραγματοποιήθηκε μεταξύ 09/05/2006 και 30/05/2006 έγινε με τη χρήση GPS και συλλέχθηκαν training-sites και test-sites, από τα στοιχεία αυτά κατασκευάστηκε μια βάση δεδομένων. Τα σημεία δειγματοληψίας αναφέρονταν σε σημεία με καλλιέργειες φουντουκιάς αλλά και με διαφορετική βλάστηση (δάση φυλλοβόλων, οπωρώνες, γεωργική γη κ.λπ.) και τοπογραφικά σημεία για ένα σύνολο (για ολόκληρη την περιοχή μελέτης) από 826 στοιχεία δείγματος. Σε αυτό το σύνολο προστεθήκαν περίπου 1000 ακόμη σημεία τα οποία προέκυψαν από τυχαία δειγματοληψία χρησιμοποιώντας το Google-earth και έτσι δημιουργήθηκε μια βάση δεδομένων με περίπου 2000 σημεία για όλη την περιοχή μελέτης. Στις εικόνες LANDSAT έγινε γεωαναφορά στο σύστημα αναφοράς UTM- 36n με datum WGS84, επίσης πραγματοποιήθηκε ατμοσφαιρική διόρθωση χρησιμοποιώντας τη μέθοδο Dark Object. Το ίδιο σύστημα αναφοράς χρησιμοποιήθηκε και για τους δείκτες NDVI (Mod 13) με την βοήθεια του λογισμικού MODIS reprojection tool. Έγινε ανάλυση των χρονοσειρών των δεικτών NDVI, προκειμένου να διαπιστωθεί εάν και σε ποια εποχή του έτους η φουντουκιά διαχωρίζεται από τις άλλες κλάσεις βλάστησης, μέσω αυτού του δείκτη βλάστησης. Προσδιορίστηκαν τρεις περίοδοι, ξεκινώντας από το Ιουλιανό ημερολόγιο, η 65, η 225 κα η 305 ημέρα, για χρονικό διάστημα περίπου 30-45 ημέρες για την κάθε περίοδο. Για κάθε μία από αυτές τις τρεις περιόδους υπολογίστηκε από μια εικόνα σύνθεσης , που αντιστοιχεί στο μέσο όρο των εικόνων που εμπίπτουν στα παραπάνω χρονικά διαστήματα για τα χρόνια που διαθέτονται οι χρονοσειρές των δεικτών. Οι προκύπτουσες εικόνες χρησιμοποιήθηκαν στις δοκιμές τις ταξινόμησης.
Κατασκευή και σύνθεση των κριτηρίων στο σύστημα MCE
Χρησιμοποιήθηκαν για τον καθορισμό των κριτηρίων: το ψηφιακό μοντέλο του υψομέτρου , των κλίσεων, της απόστασης από τη θάλασσα και του δείκτη βλάστησης NDVI. Ο στόχος ήταν να προσδιοριστούν, για κάθε κατηγορία, την πιθανή έκταση σε συνάρτηση με έναν ή περισσότερους παράγοντες, και να αξιολογηθεί, για κάθε pixels, ο βαθμός της συμμετοχής του στην κατηγορία. Για κάθε κατηγορία χρήσης γης, σε σχέση με κάθε κριτήριο, καθορίστηκε η σχετική κατανομή συχνότητας , προκειμένου να κατανοηθεί η δράση του κάθε παράγοντα για την κατανομή των περιοχών. Τα συναφή κριτήρια επεξεργαστήκαν με απλούς αλγορίθμους (Εικ 1) για την κατασκευή των fuzzy-set και χρησιμοποιήθηκαν για τον ορισμό των φίλτρων Boolean. Για να αποκτηθούν οι τελικές εικόνες οι fuzzy-set και τα φίλτρα Boolean συναθροίστηκαν ανά κατηγορία μέσο γραμμικών εξισώσεων.
Εικ1 Εξισώσεις που χρησιμοποιήθηκαν για την κατασκευή των fuzzy-set
Ταξινόμηση των εικόνων
Στην συνέχεια πραγματοποιήθηκαν μερικές πρόβες ταξινόμησης εφαρμόζοντας τον αλγόριθμο της μέγιστης πιθανοφάνειας, χρησιμοποιώντας πρώτα μόνο τις εικόνες Landsat , μετά προσθέτοντας τις χρονοσειρές των δεικτών βλάστησης και τέλος τις εικόνες που προέκυψαν με την επεξεργασία της ανάλυσης MCE. Πραγματοποιήθηκε επίσης και ταξινόμηση βασισμένη στο θεώρημα του Bayes.
Αποτελέσματα και συζήτηση
Μια αριθμητική προσέγγιση των αποτελεσμάτων μας δείχνει γενικά ένα καλύτερο αποτέλεσμα ταξινόμησης χρησιμοποιώντας τις χρονοσειρές των δεικτών βλάστησης και τις εικόνες επεξεργασμένες με την ανάλυση MCE σε σχέση με την ταξινόμηση που πραγματοποιήθηκε μόνο βάση των εικόνων LANDSAT. Ειδικότερα η ακρίβεια, μετρήσιμη με τον δείκτη ΚΑΙ, περνάει από 0.59 για την ταξινόμηση μόνο με βάση τις εικόνες LANDSAT στο 0.65 χρησιμοποιώντας τις χρονοσειρές των δεικτών βλάστησης NDVI μέχρι ένα μέγιστο 0.88 χρησιμοποιώντας τις εικόνες επεξεργασμένες με του αλγορίθμους MCE.(Εικ 2). Με βάση την οπτική εκτίμηση δείχνει μια σημαντική βελτίωση σε σχέση με την εξάλειψη των απομονωμένων pixels τα οποία ταξινομήθηκαν εσφαλμένα με βάση την ταξινόμηση που πραγματοποιήθηκε μόνο με τις εικόνες LANDSAT (Εικ 3, Εικ 4)
Εικ 2 Αποτελέσματα και σύγκριση μεταξύ των διαφόρων ταξινομήσεων
Η εργασία αυτή δείχνει ότι η ανάλυση MCE μπορεί να είναι ένα απλό μέσο με το οποίο, ακόμη και με λίγες βοηθητικές πληροφορίες, μπορούν να πραγματοποιηθούν ταξινομήσεις καλής ποιότητας, σε σχετικά σύντομο χρονικό διάστημα. Η βελτίωση της ταξινόμησης που λαμβάνεται με την εισαγωγή χαρτών της πιθανής παρουσίας των διάφορων κατηγοριών μπορεί να συνδεθεί με εξασθένηση της φασματικής ετερογένειας, τυπικό των γαιών όπως η αγροτική, με τις χωρικές πληροφορίες οι οποίες χαρακτηρίζεται από συνέχεια σε σχέση με παράγοντες όπως η βιολογία και διαχείριση των καλλιεργειών. Πιθανές βελτιώσεις στην ανάλυση πολλαπλών κριτηρίων μπορεί να επιτευχθεί χρησιμοποιώντας και άλλες σχετικές πληροφορίες, όπως στοιχεία των μεταβολών των καιρικών συνθηκών , οι οποίες συνδέονται στενά με τη βιολογία της καλλιέργειας ή της φυσικής βλάστησης. Ενδιαφέρον θα μπορούσε επίσης να έχει και η χρήση ταξινομητών που βασίζονται στη γνώση εκ των προτέρων, δηλαδή συστήματα αναλύσεων MCE, τα οποία προσφέρονται ιδιαίτερα για την κατασκευή χαρτών πιθανοτήτων, ακόμη και αν τα αποτελέσματα που έχουν επιτευχθεί μέχρι στιγμής υποδεικνύουν την ανάγκη περαιτέρω βελτιώσεων ανάλυσης.
