Συγκριτική ανάλυση μεθόδων αυτόματου εντοπισμού νερού βασισμένη στην πολυφασματική τηλεπισκόπηση

Από RemoteSensing Wiki

Πίνακας 1: Χαρακτηριστικά περιοχής μελέτης.

Πίνακας 2: Δεδομένα περιοχής μελέτης.

Πίνακας 3: Αποτελέσματα ακρίβειας.

Εικόνα 1: Aπό αριστερά προς τα δεξιά για την κάθε περιοχή εφαρμόστηκαν οι πέντε μέθοδοι: εικόνα πέντε καναλιών, δείκτης βλάστησης, δείκτης νερού, βελτιωμένος δείκτης νερού, Πολυκαναλική φασματική σχέση.

Procedia Environmental Sciences 11 (2011) 1482 – 1487

ZHANG Fang-fang, ZHANG Bing, LI Jun-sheng,SHEN Qian,Wu Yuan- feng,SONG Yang

Link: [1]

Λέξεις-Κλειδιά: Πολυφασματικό, Τηλεπισκόπηση, Νερό, Landsat

1. Eισαγωγή

Για τον εντοπισμό των υδάτινων μαζών υπάρχουν επτά βασικές μέθοδοι: το κατώφλι του ενός καναλιού, ο δείκτης βλάστησης, ο δείκτης νερού, ο βελτιωμένος δείκτης νερού, η πολυκαναλική φασματική σχέση, και η επιβλεπόμενη μέθοδος ταξινόμησης. Παρόλα αυτά, οι περισσότερες μελέτες αναδεικνύουν την ανωτερότητα μία μεθόδου ή συνδυασμού μεθόδων μέσω μίας εφαρμογής σε συγκεκριμένη περιοχή. Το συγκεκριμένο άρθρο έχει ως σκοπό μία ολοκληρωμένη ανάλυση των πληροφοριών του νερού σε μία ποικιλία τηλεπισκοπικών μεθόδων για την αυτόματη αναγνώριση, η οποία επιβεβαιώνεται από την πειραματική ανάλυση των πλεονεκτημάτων των διαφορετικών μεθόδων για την εξερεύνηση της καταλληλότερης μεθόδου σε διαφορετικές περιοχές μελέτης.

2. Μέθοδοι και Θεωρία Αναγνώρισης για το νερό

2.1 Χαρακτηριστικά φασματικών ανακλαστικοτήτων

• Φασματική ανακλαστικότητα του νερού: Tα βασικά τηλεπισκοπικά κανάλια για την ανάδειξη του νερού, είναι τα ορατά, το εγγύς υπέρυθρο και το μέσο υπέρυθρο, όπου σε αυτά το νερό έχει τις δικές του ιδιότητες ανάκλασης σε σχέση με την βλάστηση, τις πόλεις κλπ.
• Φασματικά χαρακτηριστικά TM/ETM+: Οι εικόνες Landsat TM έχουν επτά κανάλια και συνηθισμένα κανάλια που αναδεικνύουν το νερό βρίσκονται από τη θέση 2 ως τη θέση 5.

2.2. Μέθοδοι και Αλγόριθμοι

• Κατώφλι ενός καναλιού: Η συγκεκριμένη μέθοδος χρησιμοποιείται για να ξεχωρίσει τις διαφορετικές επιφάνειες μέσω ενός συγκεκριμένου κατωφλιού. Το κανάλι 5 των εικόνων TM είναι το καλύτερο κανάλι για τον εντοπισμό του νερού.
• Δείκτης Βλάστησης: O Kανονικοποιημένος Δείκτης Βλάστησης NDVI = (NIR - RED) / (NIR + RED), ο οποίος παρόλο που χρησιμοποιείται για την ανάδειξη της βλάστησης μπορεί να ανδείξει και τις υδάτινες επιφάνειες.
• Δείκτης νερού: Ο Κανονικοποιημένος Δείκτης Νερού NDWI = (GREEN – NIR) / (GREEN + NIR), ο οποιός ανδεικνύει έντονα τις υδάτινες επιφάνειες.
• Ο βελτιωμένος Δείκτης νερού: MNDWI = (GREEN - MIR) / (GREEN + MIR), o oποίος αναδεικνύει επίσης έντονα τις υδάτινες επιφάνειας λόγω της χαμηλής ανακλαστικότητας του νερού στο κανάλι 5.
• Πολυκαναλική φασματική σχέση: Mε βάση τον κανόνα πως η ανακλαστικότητα του νερού μειώνεται από το κανάλι 2 προς το κανάλι 5, σχεδιάστηκε ο αλγόριθμος: ΤΜ2 + ΤΜ3 > ΤΜ4 + ΤΜ5.

3. Παράδειγμα αναγνώρισης νερού

3.1. Περιοχή μελέτης και δεδομένα

• Περιοχή μελέτης: Η έρευνα διάλεξε πέντε τυπικά παραδείγματα περιοχών με υδάτινες μάζες για να επιβεβαιώσει τα πλεονεκτήματα και τα μειονεκτήματα των μεθόδων σε διαφορετικές συνθήκες και παρουσιάζονται στον πίνακα 1.
• Δεδομένα: Στη συγκεκριμένη μελέτη, η πηγή των δεδομένων είναι εικόνες Landsat TM/ETM+, όπως φαίνεται στον πίνακα 2.

3.2 Μεθοδολογία

Η διεργασία για την αναγνώριση του νερού εκτελέστηκε σε τρία μέρη: αρχικά είναι η επεξεργασία των δεδομένων, δηλάδη η γεωμετρική διόρθωση, η ατμοσφαιρική διόρθωση και οι τιμές ανάκλασης και μετά είναι ο εντοπισμός των υδάτινων μαζών με την χρήση καναλιών και τέλος η οπτική ερμηνεία των μεθόδων για την αυτόματη αναγνώριση των υδάτινων μαζών.

3.3. Πείραμα αναγνώρισης του νερού στην περιοχή μελέτης

Με βάση την παραπάνω περιγραφή, εντοπίστηκαν πέντε περιοχές ενδιαφέροντος για τις πέντε μεθόδους, όπως φαίνεται στην εικόνα 1.

4. Ακρίβεια και ανάλυση

4.1 Ακρίβεια

Για την ακριβή εκτίμηση των πλεονεκτημάτων της κάθε μεθόδου σχεδιάστηκε ένας αλγόριθμος:

• επιλέχθηκε μία περιοχή για να υπολογιστεί η συνολική ακρίβεια, η μεταβλητή Kappa, η ακρίβεια της χαρτογράφησης και η ακρίβεια του χρήστη για κάθε μέθοδο στην περιοχή μελέτης
• τέσσερις δείκτες εκτίμησης ακρίβειας για τις πέντε μεθόδους ταξινομήθηκαν αριθμητικά από επίπεδα 1 μέχρι 5
• χρησιμοποιήθηκε η αντίστροφη μέθοδος για τον υπολογισμό του βάρους του κάθε επιπέδου 1, ½, 1/3, ¼, 1/5
• υπολογίστηκε η ακρίβεια των τεσσάρων δεικτών με τα βάρη τους
• ανάλογα με τα βάρη εκτελέστηκε μία συνάρτηση για το τελικό αποτέλεσμα.

4.2. Ανάλυση για την εφαρμογή των μεθόδων αναγνώρισης νερού

• Mountain areas: ;όπως φαίνεται από τον πίνακα 3, η καλύτερη με΄θοδος απομάκρυνσης των σκιών των βουνών για τον εντοπισμό του νερού είναι η πολυκαναλική φασματική σχέση.
• Dense Vegetation Areas: με βάση τον πίνακα 3, η καλύτερη μέθοδος μετά την πολυκαναλική φασματική σχέση είναι ο δείκτης NDVI.
• City areas: Ο βελτιωμένος δείκτης νερού παρουσιάζει ικανοποιητικά τις υδάτινες επιφάνειες σε αστικές περιοχές.
• River sand areas: Και σε αυτήν την κατηγορία ο βελτιωμένος δείκτης νερού είναι ο καλύτερος για τον εντοπισμό των υδάτινων επιφανειών.
• Plains and lake areas: Στη συγκεκριμένη κατηγορία, οποιαδήποτε μέθοδος χρησιμοποιηθεί παρουσιάζει ακριβή αποτελέσματα, παρόλα αυτά λόγω κόστους και ταχύτητας, η μέθοδος του κατωφλιού ενός καναλιού προτιμάται.

5. Κατακλείδα και συζήτηση

Συμπερασματικά, την υψηλότερη ακρίβεια παρουσιάζει ο βελτιωμένος δείκτης νερού και η πολυκαναλική φασματική σχέση μεταξύ των πέντε μεθόδων που εξετάστηκαν σε αυτήν την μελέτη. Παρόλα αυτά, ένα μειονέκτημα της συγκεκριμένης μελέτης είναι πως το δείγμα των πέντε περιοχών είναι μικρό και δεν καλύπτει όλες τις πιθανές ιδιομορφίες του εδάφους, επομένως πρέπει να ερευνηθεί περισσότερο.

6. Συνεισφορά της τηλεπισκόπησης

Από τη μελέτη αυτή γίνεται μία σύγκριση για τις μεθόδους αναγνώρισης νερού μέσω της τηλεπισκόπησης και αναδεικνύεται η βέλτιστη, με σκοπό την χρήση της σε πολύπλοκες πιθανές εφαρμογές που αφορούν το χώρο, την ανάπτυξη και την διαχείριση των υδάτινων μαζών.