Ταξινόμηση Καλλιεργειών με Ενσωμάτωση Τηλεπισκόπησης, GIS, και Βάσεις Δεδομένων

Από RemoteSensing Wiki

Μετάβαση σε: πλοήγηση, αναζήτηση

Ταξινόμηση Καλλιεργειών με Ενσωμάτωση Τηλεπισκόπησης, GIS, και Βάσεις Δεδομένων

Εισαγωγή

Στη μελέτη παρουσιάζεται μια μεθοδολογία για την ταξινόμηση των καλλιεργήσιμων εκτάσεων χρησιμοποιώντας ένα διαχρονικό / ιστορικό σύνολο δεδομένων, από δορυφορικές εικόνες και συμπληρωματικά επίγεια δεδομένα για τρία διαδοχικά έτη. Για την επιτυχή ενσωμάτωση των στοιχείων πραγματοποιήθηκε επεξεργασία εικόνας, χρήση Γεωγραφικών Συστημάτων Πληροφοριών (GIS), καθώς και δημιουργία ενός συστήματος διαχείρισης βάσεων δεδομένων (Database Management System, DBMS).

Μεθοδολογία

Η περιοχή μελέτης βρίσκεται στην περιοχή Guaira, Sao Paulo Βραζιλία και καλύπτει μια έκταση 15 x 15 km. Στην εικόνα 1
Εικόνα 1. Κύριες δραστηριότητες που αναπτύσσονται στο πλαίσιο της έρευνας
απεικονίζονται σχηματικά οι βασικές διαδικασίες της παρούσας έρευνας και μπορούμε να ξεχωρίσουμε τρία κύρια μεθοδολογικά βήματα. Το πρώτο ήταν η απόκτηση των σημερινών και των ιστορικών πληροφοριών από έρευνες πεδίου, για την ανάλυση των εξεταζόμενων περιοχών και τη δημιουργία ενός πίνακα βάσης δεδομένων. Στο δεύτερο βήμα, αρχικά έγινε η επεξεργασία των 9 διαχρονικών (1988-1991) εικόνων του δορυφόρου Landsat. Οι τεχνικές επεξεργασίας που χρησιμοποιήθηκαν ήταν ατμοσφαιρική διόρθωση, μετασχηματισμός των επιπέδων του γκρι στις τιμές ανακλαστικότητας, και καταχώρηση των εικόνων σε σχέση με τον τοπογραφικό χάρτη. Στη συνέχεια έγινε η ενσωμάτωση των δεδομένων σε περιβάλλον GIS / DBMS για την δημιουργία μιας γεωαναφερόμενης βάσης δεδομένων. Στο τελευταίο βήμα πραγματοποιούνται δύο ταξινομήσεις: μία με τη χρήση συμβατικών ψηφιακών ταξινομήσεων και μία με χρήση συμβατικών ψηφιακών ταξινόμησεων υποβοηθούμενο από τους γεωαναφερόμενους πινάκες βάσεων δεδομένων σε GIS / DBMS περιβάλλον. Κατόπιν, πραγματοπιείται μια στατιστική ανάλυση (Kappa) για τη λήψη ποσοτικών παράμετρων και σύγκριση των αποτελεσμάτων των δύο τεχνικών ταξινόμησης.

Αποτελέσματα

Οι στατιστικοί δείκτες για την προτεινόμενη και την συμβατική ψηφιακή μέθοδο ταξινόμησης ήταν 0'669 (πολύ καλή) και 0'472 (καλή), αντίστοιχα. Η χρήση της βάσης δεδομένων παρείχε μία βελτίωση στη συμβατική ψηφιακή ταξινόμηση. Αν και η χρήση της βάσης δεδομένων ήταν επαρκής, κατέστη προφανές ότι μια πιο ολοκληρωμένη βάση δεδομένων, με μεγαλύτερη χρονική διάρκεια και με περισσότερες πληροφορίες (π.χ. τα στατιστικά στοιχεία των προηγούμενων συγκομιδών, δεδομένα βροχόπτωσης, οι αλλαγές στην ζήτηση και προσφορά εξαιτίας τιμών, κ.α.) θα ήταν χρήσιμη. Ένας άλλος παράγοντα που πρέπει να ληφθεί υπόψη είναι ότι η δημιουργία της βάσης δεδομένων θα πρέπει να αντικατοπτρίζει όσο το δυνατόν με περισσότερη ακρίβεια την κατάσταση του πεδίου κατά τη λήψη κάθε δορυφορικής εικόνας.

Συμπεράσματα

Η μεθοδολογία της χρήσης διαχρονικών / ιστορικών (διάφορες ημερομηνίες και αρκετές χρόνιες) τηλεπισκοπικών εικόνων, σε συνδυασμό με ένα πίνακα βάσης δεδομένων ενσωματωμένα σε ένα πλαίσιο GIS, για τον εντοπισμό καλλιεργειών αποδείχθηκε καλύτερη από τη συμβατικό ψηφιακή μέθοδο ταξινόμησης. Ένα καλό λειτουργικό σύστημα ενσωμάτωσης διαφόρων στοιχείων με συνδυασμό GIS και τηλεπισκόπησης είναι ιδιαίτερα σημαντικό για την ορθολογική χρήση των διαθέσιμων πόρων από τις επιστημονικές κοινότητες. Αν και η ενσωμάτωση στο συγκεκριμένο σύστημα δεν ήταν ιδανική, σε γενικές γραμμές ήταν λειτουργικό και επέτρεψε διαβουλεύσεις στις χωρικές βάσεις δεδομένων.

Πηγή:

M. J. Ortiz , A. R. Formaggio, & J. C. N. Epiphanio (1997). Classification of croplands through integration of remote sensing, GIS, and historical database. International Journal of Remote Sensing, Vol. 18, No. 1, pp 95-105