Παρατήρηση μέσω δορυφόρου για λεπτομερείς βιβλιοθήκες κατολισθήσεων με χρήση εντοπισμού αλλαγών και μίξη εικόνων

Από RemoteSensing Wiki

Παρατήρηση μέσω δορυφόρου για λεπτομερείς βιβλιοθήκες κατολισθήσεων με χρήση εντοπισμού αλλαγών και μίξη εικόνων

Satellite remote sensing for detailed landslide inventories using change detection and image fusion

J. NICHOL* and M. S. WONG Department of Land Surveying and Geo-Informatics, The Hong Kong Polytechnic University, Hunghom, Kowloon, Hong Kong

1. Εισαγωγή

Αυτή η μελέτη δείχνει την συνεργαζόμενη χρήση μεσαίων αναλύσεων του multitemporal Satellite pour l’Obvervation XS και καλής ανάλυσης εικόνων από τον IKONOS για βιβλιοθήκες κατολισθήσεων. Με την μέθοδο ταξινόμησης Maximum Likelihood εντοπιστήκαν το 70% των κατολισθήσεων ενώ αυτές που διέφυγαν ήταν λόγο ότι το μέγεθος απεικόνισης τους ήταν μικρότερο από το μισό του μεγέθους ενός pixel. Η οπτική ποιότητα των εικόνων που πάρθηκαν από τον IKONOS είναι συγκρίσιμες από αεροφωτογραφίες κλίμακας 1: 10000 και επιτρέπουν την λεπτομερή ανάλυση και επεξήγηση των κατολισθήσεων. Μια μεθοδολογία που συνδυάζει τα δύο επίπεδα παρατήρησης προτείνεται για παρατηρήσεις τοπικού χαρακτήρα.

2. Γενικά Χαρακτηριστικά

Το μεγαλύτερο μέρος της περιοχής Special Administrative του Hong Kong δεν μπορεί να χτιστεί λόγο του κινδύνου κατολισθήσεων. Η κυβέρνηση του ίδρυσε το Geotechincal Engineering Office το όποιο δημιούργησε το Natural Terrain Landslide Inventory (NTLI) έναν κατάλογο με παλιές κατολισθήσεις και τα χαρακτηρίστηκα τους. Τα δεδομένα που χρησιμοποιούν προέρχονται από αεροφωτογραφίες με υψηλή ανάλυση όμως αυτές είναι μόνο τοπικές. Για τις γειτονικές περιοχές έπρεπε να βρεθεί μια φθηνότερη μέθοδος και γρηγορότερη βασισμένη σε εικόνες από δορυφόρο χρησιμοποιώντας τις υψηλής ανάλυσης φωτογραφίες του Ηong Kong ως αναφορά. Ο κυρίως στόχος αυτής της μελέτης είναι να αξιολογήσει δορυφορικές εικόνες ως αντικαταστατό των μεγάλης ως μεσαίας κλίμακας αεροφωτογραφιών. Οι μέθοδοι που χρησιμοποιήθηκαν περιλαμβάνουν ανίχνευση αλλαγών για αυτόματη χαρτογράφηση κατολισθήσεων από εικόνες του SPOT και μίξη εικόνας από τον IKONOS για βελτίωση της ανάλυσης χωρίς απώλεια των φασματικών δεδομένων.Υπάρχουν δύο προσεγγίσεις για την δημιουργία χαρτών κατολισθήσεων : απλοί κατάλογοι και μοντέλα πολλαπλών μεταβλητών. Οι απλοί κατάλογοι βασίζονται στην προϋπόθεση ότι η περιοχή στην οποία συμβαίνει κατολίσθηση έχει τέτοια τάση. Άρα κατάλογοι που δείχνουν τοποθεσίες παλιών κατολισθήσεων μπορούν να χρησιμοποιηθούν για την δημιουργία χαρτών κίνδυνου. Τα μοντέλα πολλαπλών μεταβλητών συνδυάζουν καταλόγους με άλλα δεδομένα όπως κλίση, βλάστηση και γεωλογία και τα συσχετίζουν με δεδομένα παλιών κατολισθήσεων που είχαν παρόμοια χαρακτηριστικά.Η έλλειψη υψηλής ανάλυσης των δεδομένων μέχρι πρόσφατα είχε περιορίσει τις περισσότερες μελέτες που βασίζονταν σε δορυφόρο μόνο σε αναθέσεις τοπικής κλίμακας. Αυτό λόγω του οι αισθητήρες των δορυφόρων ακόμα και με ανάλυση 1m όπως ο IKONOS δεν είναι κατάλληλοι για την χαρτογράφηση κατολισθήσεων στο Honk Kong όπου το 80% των κατολισθήσεων είναι μικρότερες σε πλάτος από 10m. Αλλά καθώς οι συγκεκριμένες μπορούν να φτάσουν μέχρι και τα 200m μήκος μπορούν να γίνουν πολύ καταστροφικές λόγω της επιτάχυνσης, λόγω κλίσης του εδάφους, οπότε πρέπει να συμπεριληφθούν στους καταλόγους των κατολισθήσεων.

3. Αντικείμενα

Η παρούσα μελέτη στοχεύει να προβάλει: (i) την αναγνώριση μικρών κατολισθήσεων χρησιμοποιώντας αυτόματη ανίχνευση αλλαγών από μετρίας ανάλυσης εικόνες του SPOT και (ii) ότι οι εικόνες από τον IKONOS μπορούν να παράγουν ένα όμοιο επίπεδο λεπτομερειών όπως οι αεροφωτογραφίες.

4. Περιοχή μελέτης και εικόνες

Η περιοχή μελέτης είναι έκτασης 26 km2 στο νησί Lantau στο Hong Kong (Εικόνα 1). Η βλάστηση περιλαμβάνει χαμηλά δάση στις πεδιάδες και γρασίδι στα υψώματα και τις χαράδρες. Λόγω του ότι τα οροπέδια, οι απότομες πλάγιες έχουν αραιή βλάστηση, πολλές περιοχές έχουν φάσματα παρόμοια με των κατολισθήσεων όποτε η αναγνώριση τους με φασματικό τρόπο από εικόνα μιας ημερομηνίας είναι αδύνατη.Για αυτή την περιοχή χρησιμοποιήθηκαν δύο χειμερινές εικόνες από τον SPOT στις 21 Δεκεμβρίου 1991 και 5 Φεβρουαρίου 1995. Οι εικόνες πάρθηκαν πριν και μετά από μια ισχυρή νεροποντή τον Νοέμβριο του 1993 κατά τη οποία συνέβησαν 551 κατολισθήσεις. Παρόλο που η επανεμφάνιση βλάστησης στις περιοχές των κατολισθήσεων είναι ταχύτατη έχει παρατηρηθεί ότι μετά από 5 χρόνια έχουν ολοκληρωθεί κατά 70%. Όποτε μπορούμε να τις αναγνωρίσουμε αφού οι εικόνες στην δεύτερη ημερομηνία είναι 15 μήνες μετά από τα γεγονότα. Μια εικόνα IKONOS της Ιανουαρίου 2003 λήφθηκε επίσης καθώς και αεροφωτογραφίες. (Πίνακας 1)

5. Αλλαγή ανίχνευσης χρησιμοποιώντας εικόνες του SPOT διαφόρων ημερομηνιών

Αφού η περιοχή της μελέτης είναι φυσική περιοχή κάθε αλλαγή στην κάλυψη του εδάφους, από βλάστηση σε πέτρα η χώμα μεταξύ δύο εικόνων διαφορετικών ημερομηνιών μπορούμε να υποθέσουμε ότι οφείλεται σε κατολισθήσεις. Η διαδικασία εντοπισμού μπορεί να απλοποιηθεί με απλή παρατήρηση χρησιμοποιώντας την τονική αλλαγή των pixel ανάμεσα στις ημερομηνίες. Επίσης έχει την δυνατότητα να λειτουργήσει τόσο σε κλίμακα pixel όσο και subpixel, εφόσον δοθεί υψηλή αντίθεση μεταξύ του αντικείμενου και του φόντου.

5.1 Μέθοδοι για ανίχνευση αλλαγών

Οι μέθοδοι για την ανίχνευση είναι δύο τύπων: αφαίρεσης εικόνας και σύγκρισης μετά από κατάταξη. Γενικά η μέθοδος της σύγκρισης, χρησιμοποιώντας Maximum Likelihood Classifier MLC, αποδείχτηκε πιο ακριβής όταν έγινε η σύγκριση με τις βάσεις δεδομένων του NTLI για την ιδία περίοδο. Στο MLC όλοι οι τύποι εδαφών καθορίστηκαν σαν κλάσεις ακόμα και οι σκιές με σκοπό τον διαχωρισμό τους από περιοχές όπως δάση που είχαν παρόμοια εικόνα. Οι κατηγοριοποιημένες εικόνες συνδυάστηκαν σε ένα αρχείο και εντοπιστήκαν τα pixel που άλλαξαν από γρασίδι σε έδαφος και από δασός σε έδαφος μέσα σε αυτή την χρονική περίοδο.

5.2 Αποτελέσματα της ανίχνευσης αλλαγών για κατολισθήσεις

Από τις 551 κατολισθήσεις στην περιοχή μελέτης, οι 75 έγιναν σε περιοχές με βλάστηση και 59 σε γυμνό έδαφος. Οι υπόλοιπες 417 συνέβησαν σε δασώδη εδάφη. Το ποσοστό ανίχνευσης ήταν υψηλό 67% των κατολισθήσεων στις περιοχές με βλάστηση και 71% στις δασώδης ανιχνευτήκαν. Αυτό φαίνεται στην εικόνα 2 η οποία δείχνει κατολισθήσεις με διαφορετικά πλάτη και ίχνη στην ιδία κλίμακα 1: 10000. Οι εικόνες 2(α) και 2(β) δείχνουν μικρές κατολισθήσεις 1m που δεν είχαν ανιχνευτεί με τον SPOT.Λάθη εμφανίζονται εάν η κατολίσθηση είναι μικρότερη από 10μ πλάτος. Αυτά εμφανίζονται όταν το τοπίο αλλάζει λόγω ανθρώπινης παρέμβασης, όποτε τα pixel θα εμφανιστούν αλλαγμένα και αυτά είναι εσφαλμένοι συναγερμοί στα δεδομένα.

6. Βελτίωση των εικόνων του IKONOS

Για την καλύτερη παρατήρηση εφαρμόζονται μέθοδοι βελτίωσης των δορυφορικών εικόνων όπως: Μέθοδος HIS, μέθοδος Brovey Transform, μέθοδος Smoothing filter-based modulation (SFIM), μέθοδος Pan-sharpening (PCI Geomatica) όπου τα αποτελέσματα φαίνονται στην εικόνα 3.

7. Συμπεράσματα

Η μελέτη δείχνει ότι εικόνες από δορυφόρο μπορούν να χρησιμοποιηθούν και λεπτομερείς βιβλιοθήκες κατολισθήσεων. Λόγω της διαφοράς μιας κατολίσθησης και του φόντου της το ποσοστό ανίχνευσης έφτασε το 70%. Λόγω των καλών αποτελεσμάτων της μίξης εικόνων είναι δυνατόν να αντικατασταθούν οι μεγάλης ανάλυσης εικόνες δορυφόρου με αεροφωτογραφίες. Τα αποτελέσματα αυτής της μελέτης προτείνουν ένα πιθανό σενάριο για τοπικές βιβλιοθήκες κατολισθήσεων ως εξής: -οι απομακρυσμένες περιοχές παρακολουθούνται από τον SPOT -οι περιοχές στις οποίες υπάρχει ενδιαφέρον για κατασκευές χρησιμοποιείται ο IKONOS για πιο λεπτομερή χαρτογράφηση.