Προσδιορισμός των γεωργικών αναβαθμίδων μέσω αντικειμενοστραφούς (object oriented) ταξινόμησης
Από RemoteSensing Wiki
Γενικά στοιχεία
Οι γεωργικές αναβαθμίδες είναι φιλικά προς το οικοσύστημα στοιχεία γεωργικών υποδομών . Η συντήρησή τους υποστηρίζεται από μέτρα που έχουν θεσπιστεί από την Ευρωπαϊκή Κοινή Αγροτική Πολιτική (ΚΑΠ), σαν τέτοια αναφέρονται τα μέτρα πολλαπλής συμμόρφωσης που απαιτούν πρόληψη της διάβρωσης του εδάφους και διατήρηση της οργανικής τους ύλης καθώς η άμεσες "πράσινες" ενισχύσεις σε όσους καλλιεργούν σε περιοχές οικολογικής εστίασης που βρίσκονται ενδιαιτήματα και χώροι βιοποικιλότητας και όπου προστατεύονται οι υδάτινοι πόροι και αποφεύγεται η διάβρωση του εδάφους. Στο πλαίσιο της εφαρμογής της ΚΑΠ και της παρακολούθησης, υπάρχει τρέχουσα αλλά και μελλοντική ανάγκη για την ανάπτυξη ισχυρών, επαναλαμβανόμενων και οικονομικά αποδοτικών μεθοδολογιών, για την αυτόματη αναγνώριση και παρακολούθηση αυτών των στοιχείων σε κλίμακα αγροκτήματος, όπως είναι οι γραμμές των δένδρων , οι φράκτες και τα όρια των αγρών. Αυτό είναι ένα πολύπλοκο έργο, ιδιαίτερα όταν αναβαθμίδες συνδέονται με πολύπλοκες μορφές φυτοκάλυψης, όπως συμβαίνει με μόνιμες καλλιέργειες (π.χ. ελιές). Σε αυτή την μελέτη παρουσιάζεται μια νέα μεθοδολογία για την αυτόματη και οικονομικά αποδοτική αναγνώριση των αναβαθμίδων χρησιμοποιώντας μόνο εικόνες από τις εμπορικές (off-the -shelf-COTS) ετοιμοπαράδοτες κάμερες επί του σκάφους μη επανδρωμένων εναέριων οχημάτων (UAV). Χρησιμοποιώντας προηγμένης-τεχνολογίας τεχνικές υπολογιστικής όρασης, δημιουργήθηκαν ορθοφωτογραφίες και ψηφιακά μοντέλα επιφανειών (DSMs) σε 11 cm χωρική ανάλυση με χαμηλή παρέμβαση του χρήστη. Σε ένα δεύτερο στάδιο, αυτά τα δεδομένα χρησιμοποιήθηκαν για τον προσδιορισμό των αναβαθμίδων χρησιμοποιώντας μια πολλαπλής κλίμακας αντικειμενοστραφή μέθοδο ταξινόμησης. Τα αποτελέσματα δείχνουν τις δυνατότητες αυτής της μεθόδου, ακόμη και σε εξαιρετικά πολύπλοκες γεωργικές περιοχές, τόσο όσον αφορά την ανάκτηση των στοιχείων σε ψηφιακά μοντέλα επιφανειών (DSMs) όσο και την ταξινόμηση των εικόνων. Το DSM που ανακτήθηκαν από τα UAV είχαν πολύ μικρό σφάλμα (RMSE) κατά την εκτίμηση του ύψους των αναβαθμίδων με βάση τα δεδομένα πεδίου που συλλέγονται με GPS. Η επακόλουθη αυτοματοποιημένη ταξινόμηση των αναβαθμίδων έδωσε μια συνολική ακρίβεια του 90% που βασίζεται αποκλειστικά στα φασματική και υψομετρικά δεδομένα που προκύπτουν από τις εικόνες των UAV. Η ροή εργασιών της παρούσας μελέτης μπορεί να συνοψισθεί σε τέσσερα κύρια στάδια: i) την ανάκτηση των εικόνων, ii) προεπεξεργασία των εικόνων από τα UAV για να δημιουργηθεί ένα ορθομωσαϊκό ψηφιακό μοντέλο επιφάνειας μαζί με τα παράγωγα προϊόντα, iii ) ταξινόμηση των εικόνων, ώστε να δημιουργηθεί ένας δυαδικός χάρτης με αναβαθμίδες/μη αναβαθμίδες και iv) συλλογή αληθινών δεδομένων έδαφος και επικύρωση της ακρίβειας τόσο των δεδομένων από DSM όσο και της ταξινόμησης (Εικ. 1).
Εργαλεία και μέθοδοι Περιοχή μελέτης και δεδομένα
Οι δοκιμαστικές αναλύσεις έγιναν σε μια περιοχή περίπου 120 εκταρίων που βρίσκεται στην επαρχία της Κόρδοβα (νότια Ισπανία) που καλύπτεται κυρίως από ελαιώνες. Τα ελαιόδεντρα καλλιεργούνται σε σειρές ή σε σχηματισμούς, σε αναβαθμίδες ή μη (Εικ. 2). Το υψόμετρο της περιοχής μελέτης κυμαίνεται 370-550 m με ᵒ, μια μέση κλίση των 12ᵒ στην ανατολική και νότια πλευρά. Τα όργανα που χρησιμοποιήθηκαν είναι μη επανδρωμένα εναέρια οχήματα (UAV) με ειδικών χαρακτηριστικών και δυνατοτήτων φωτογραφικές μηχανές, με ειδικό μηχανισμό πλοήγησης , με σχέδιο πτήσης και με σύνδεση με τον επίγειο σταθμό μέσω ραδιοφώνου 20 Hz.
Επεξεργασία εικόνας
Οι 432 εναέριες εικόνες που ελήφθησαν κατά τη διάρκεια της πτήσης χρησιμοποιήθηκαν για να δημιουργηθεί το ορθομωσαικό και τα πολύ υψηλής ευκρίνειας ψηφιακά μοντέλα επιφανειών(DSMs) με τη χρήση Pix4UAV λογισμικού (Ecublens, Ελβετία). Χρησιμοποιήθηκε ο Δείκτης βλάστησης (NDVI) καθώς και άλλοι δείκτες .Οι δείκτες αυτοί χρησιμοποιούνται για τον εντοπισμό των διαφόρων τοπογραφικών ανωμαλιών που σχετίζονται με τις αναβαθμίδες ,τα δέντρα και τα κτίρια, στη διαδικασία ταξινόμησης . Ταξινόμηση αναβαθμίδων Έγινε με την χρήση της αντικειμενοστραφούς ταξινόμησης σύμφωνα με το eCognition Developer 8 software (TRIMBLE Germany Gmbh),και ακολούθησε μεταταξινόμηση σε ιεραρχική δομή τριών επιπέδων.
Επικύρωση στοιχείων
Έγινε σε δύο επίπεδα Στο πρώτο με σειρά από τομές επί του εδάφους ελέγχθηκε η ακρίβεια του UAV στον εντοπισμό και την μορφολογία των αναβαθμίδων (εικ 3).Σε δεύτερο επίπεδο, για τον έλεγχο του χάρτη αναβαθμίδων , έγινε επικύρωση στοιχείων με μετρήσεις από GPS σε θέσεις που είναι κατανεμημένες τυχαία στην περιοχή μελέτης . Με τους κατάλληλους υπολογισμούς έγινε τελικά η διόρθωση της κατάταξης.
Αποτελέσματα
Με την διαδικασία της ορθοαναγωγής το οπτικό αποτέλεσμα εμφάνισης των DSMs με λεπτομερείς απόψεις των περιοχών με ή χωρίς αναβαθμίδες φαίνονται στο σχήμα 4 Στο σχήμα 5 φαίνονται τα αποτελέσματα της τελικής κατάταξης των αναβαθμίδων
Συμπεράσματα
Η εφαρμογή της Ευρωπαϊκής Κοινής Αγροτικής Πολιτικής απαιτεί την ανάπτυξη των οικονομικά αποδοτικών και ευέλικτων μεθόδων για τον εντοπισμό και την παρακολούθηση των χαρακτηριστικών στοιχείων που παρέχουν υπηρεσίες προστασίας του οικοσυστήματος, όπως είναι οι γεωργικές αναβαθμίδες. Σε αυτή την εργασία προτάθηκε και δοκιμάστηκε μια μεθοδολογία χαμηλού κόστους για την αυτόματη ταξινόμηση των γεωργικών αναβαθμίδων με την χρήση εικόνων μεγάλης ευκρίνειας που αποκτήθηκαν από μη μετρικές κάμερες που ήταν τοποθετημένες σε χαμηλού κόστους μη επανδρωμένα εναέρια οχήματα (UAV). Οι προϋποθέσεις αυτού του πειράματος ήταν i) η ελαχιστοποίηση του κόστους απόκτησης της εικόνας στο πεδίο και ii) η αποφυγή συλλογής επί πλέον δεδομένων, αφού αξιοποιεί στην διερεύνηση καινοτόμες μεθόδους που είναι σήμερα διαθέσιμες για την τηλεπισκοπική παρακολούθησης της βλάστησης. Ως εκ τούτου, οι εικόνες αποκτήθηκαν και προ-επεξεργάστηκαν χωρίς συλλογή στοιχείων επί του εδάφους , έτσι ώστε να ελαχιστοποιηθεί το κόστος σχεδιαζόμενων πτήσεων και η αλληλεπίδραση των χρηστών, αφού η κατάταξη αυτή βασίζεται αποκλειστικά σε φασματικές και υψομετρικές πληροφορίες που προέρχονται από απεικονίσεις με τη χρήση 3D μεθόδων φωτο-ανακατασκευής. Τα αποτελέσματα που επιτεύχθηκαν αποδεικνύουν την αποτελεσματικότητα αυτού του είδους της τεχνολογίας, ακόμη και σε πολύ σύνθετες γεωργικές περιοχές, τόσο όσον αφορά την αναπαράσταση του ψηφιακού μοντέλου επιφάνειας όσο και το επακόλουθο στάδιο της ταξινόμησης των αναβαθμίδων. Επετεύχθησαν ψηφιακά μοντέλα επιφανειών με μέση τετραγωνική ρίζα απόκλισης κάτω από 0,5 m και συνολική ακρίβεια ταξινόμησης 90% (με τη χρήση μιας αντικειμενοστρεφούς . ταξινόμησης). Σε αυτή την προσέγγιση, υψομετρικές και φασματικές πληροφορίες αναλύθηκαν σε διαφορετικές κλίμακες, λαμβάνοντας υπόψη το χωρικό πλαίσιο και την μορφολογία των αντικειμένων στην εικόνα. Ως εκ τούτου, αυτή η μέθοδος μπορεί να χρησιμοποιηθεί για την εφαρμογή και την παρακολούθηση των μέτρων της ΚΑΠ. Πράγματι, η εφαρμογή αυτή αποτυπώνει σε χρονοσειρά εικόνες και καθιστά δυνατή την συνεχή παρακολούθηση, με σκοπό την προστασία, των γεωργικών αναβαθμίδων ως σημαντικών στοιχείων του οικοσυστήματος. Αυτή η μέθοδος μπορεί επίσης να επεκταθεί για το εντοπισμό και την παρακολούθηση άλλων στοιχείων, όπως χαρακτηριστικά τοπίου (π.χ. μεμονωμένα δένδρα, γραμμές δέντρων, φράκτες)της γεωργικής γης και αποτελεί ένα ενδιαφέρον θέμα για περαιτέρω έρευνα.
