Ταξινόμηση εικόνων για καλύψεις γης με την χρήση εικόνων υψηλής ανάλυσης ενσωματώνοντας χρονικά χαρακτηριστικά από χρονοσειρά δεδομένων
Από RemoteSensing Wiki
Ταξινόμηση εικόνων για καλύψεις γης με την χρήση εικόνων υψηλής ανάλυσης ενσωματώνοντας χρονικά χαρακτηριστικά από χρονοσειρά δεδομένων χαμηλότερης ανάλυσης
Πρωτότυπος Τίτλος: Land cover classification of finer resolution remote sensing data integrating temporal features from time series coarser resolution data
Συγγραφείς: Kun Jia , Shunlin Liang, Ning Zhang, Xiangqin Wei, Xingfa Gu, Xiang Zhao, Yunjun Yao, Xianhong Xie
Πηγή: ISPRS Journal of Photogrammetry and Remote Sensing Vol. 93, 2014, pp. 49-55.
Διαθέσιμο στο: http://dx.doi.org/10.1016/j.isprsjprs.2014.04.004
Εισαγωγή
Η κάλυψη γης παραπέμπει στις φυσιολογικές και βιολογικές διεργασίες που λαμβάνουν χώρα στην επιφάνεια του πλανήτη όπως η ύπαρξη νερού, βλάστησης, γυμνού εδάφους, η χιονοκάλυψη καθώς και κάθε τεχνητή κατασκευή σχετιζόμενη με την ανθρωπογενή δραστηριότητα και ενίοτε αντικατοπτρίζει και τις συγκεκριμένες χρήσεις κάθε περιοχής στην επιφάνεια (π.χ. βοσκότοποι). Η δομή και οι τάσεις στην κάλυψη γης αντανακλούν όλες τις φυσικές, κοινωνικές και οικονομικές διεργασίες που λαμβάνουν χώρα, δίνοντας έτσι σημαντικές πληροφορίες για την κατανόηση και μοντελοποίηση της λειτουργίας πολλών φαινομένων στην γη όπως η κλιματική αλλαγή, οι μεταβολές στα οικοσυστήματα, τα ατμοσφαιρικά μοντέλα και οι σύνθετες αλληλεπιδράσεις μεταξύ φυσικών και ανθρωπογενών δραστηριοτήτων.
Συνεπώς η έγκαιρη και ακριβής πληροφόρηση για την κάλυψη γης τόσο σε τοπική όσο και σε μεγαλύτερες κλίμακες έως και την παγκόσμια είναι κρίσιμη και δημιουργεί την βάση για τις γεωεπιστήμες και τις μελέτες παγκόσμιων αλλαγών. Η τηλεπισκόπηση εδώ και αρκετά χρόνια κατέχει τον τίτλο του πιο ευέλικτου και οικονομικού τρόπου για τον έλεγχο και την παρακολούθηση των μεταβολών καλύψεων γης και λόγω της δυνατότητας να διαχειριστεί μεγάλο όγκο δεδομένων και να αντιμετωπίσει την ποικιλία αλλαγών τύπων καλύψεων στην επιφάνεια. Πολλοί χάρτες κάλυψης γης σε παγκόσμια και τοπική κλίμακα έχουν παραχθεί τα τελευταία χρόνια αποκλειστικά με ερμηνεία και επεξεργασία τηλεπισκοπικών δεδομένων. Οι πιο χαρακτηριστικοί είναι ο “Land cover map” του πανεπιστημίου του Maryland (Hansen et al., 2000), οι χάρτες του International Geosphere Biosphere Programme (IGBP) global land cover (Loveland et al., 2000), καθώς και οι χάρτες του European Commission Joint Research Centre (Copernicus land cover & Corine land cover programme).
Περιοχή μελέτης και δεδομένα
Η περιοχή που επιλέχθηκε να μελετηθεί είναι η ευρύτερη πόλη του Πεκίνου, έκτασης 16,800 km2. Το Πεκίνο βρίσκεται στο βόρειο τμήμα της Βόρειας πεδιάδας της Κίνας. Το κλίμα του Πεκίνου έχει τέσσερις διακριτές εποχές με ζεστά και υγρά καλοκαίρια και κρύους και ξηρούς χειμώνες. Η μέση θερμοκρασία είναι περίπου 12°C και το μέσο ετήσιο ύψος βροχόπτωσης τα 664 mm. Το Πεκίνο χαρακτηρίζεται από επίπεδες πεδιάδες από αλλουβιακά εδάφη στα νότια και ανατολικά και λόφους και υψηλότερα βουνά να κυριαρχούν στα βόρεια και δυτικά. Το υψηλότερο σημείο της περιοχής μελέτης βρίσκεται στα 2303 m από το ύψος την θάλασσας, ενώ το χαμηλότερο σημείο στα 10 m. Η πληθώρα των διαφορετικών τύπων καλύψεων γης όπως δάση, λιβαδικές εκτάσεις, καλλιέργειες, δομημένες εκτάσεις και υδάτινα σώματα έχουν αναδείξει την περιοχή του Πεκίνου ως χαρακτηριστική για την ταξινόμηση των χρήσεων γης. Η περιοχή μελέτης αποτυπώνεται και στην Εικόνα 1
Δεδομένα και προεπεξεργασία
Τα αρχικά δεδομένα περιλάμβαναν δυο σκηνές του Landsat 8 (δέκτης OLI) (path/row: 123/32 και 123/33) που καλύπτουν όλη την περιοχή μελέτης από την 12η Μαΐου 2013 λήφθηκαν από το αρχείο της USGS προς ταξινόμηση για την παραγωγή χαρτών κάλυψης γης στην παρούσα μελέτη. Η ποιότητα των πολυφασματικών δεδομένων του OLI ήταν καλή χωρίς νεφοκάλυψη. Προκειμένου να αξιολογηθεί περαιτέρω η αποδοτικότητα της προτεινόμενης μεθοδολογίας δυο σκηνές από τον θεματικό χαρτογράφο (Landsat 5 TM) (path/row: 123/32 και 123/33) της 5ης Ιουνίου 2010 λήφθηκαν από την USGS για ταξινόμηση.
Χρονοσειρά δεδομένων MODIS (NDVI)
Στην συνέχεια συλλέχθηκαν δεδομένα από το πρόγραμμα MODIS (MOD13Q1) για την περιοχή μελέτης και πιο συγκεκριμένα μέσοι δείκτες βλάστησης περιόδου 16 ημερών, χωρικής ανάλυσης 250 m, και έκτασης ενός χρόνου – από τον Οκτώβριο του 2012 έως τον Σεπτέμβριο του 2013 για το πρώτο σετ σκηνών και από τον Οκτώβριο του 2009 έως τον Σεπτέμβριο του 2010 για το δεύτερο σετ. Στόχος για αυτά τα δεδομένα ήταν οι συγκεκριμένοι στατιστικοί δείκτες να προσαρτηθούν στις σκηνές με αναγωγή σε χωρική ανάλυση 30 m για την εκπαίδευση του αλγορίθμου ταξινόμησης σχετικά με τις διάφορες πυκνότητες (& τύπους) της βλάστησης στην περιοχή μελέτης. Η μεθοδολογία που ακολουθήθηκε παρουσιάζεται και υπο μορφή διαγράμματος ροής στην Εικόνα 2.
Επιβλεπόμενη ταξινόμηση
Ο αλγόριθμος ταξινόμησης μέγιστης πιθανοφάνειας επιλέχθηκε για την ταξινόμηση των εικόνων Landsat μαζί με τα χρονικά δεδομένα που προστέθηκαν από την χρονοσειρά MODIS NDVI. Το κανάλι των coastal aerosols και το αντίστοιχο για την ανίχνευση νεφοκάλυψης αφαιρέθηκαν από την διαδικασία της ταξινόμησης. Τελικώς ταξινομήθηκαν τα κανάλια 2, 3, 4, 5, 6, 7 του δέκτη OLI, και τα σύνθετα τους με τα χρονικά χαρακτηριστικά και τα κανάλια 1, 2, 3, 4, 5, 6 του TM και τα σύνθετα με τα χρονικά χαρακτηριστικά MODIS, αυτοτελώς, προκειμένου να γίνει η ανά ζεύγος σύγκριση και να ερευνηθεί κατά πόσον βελτιώνεται η ακρίβεια της ταξινόμησης με την μέθοδο.
Αποτελέσματα
Όπως φαίνεται και από την παράθεση των αποτελεσμάτων (Εικόνα 3α,β) με την προσθήκη των δεδομένων για τον NDVI, η ταξινόμηση ειδικά στην περίπτωση του Landsat 8 παρουσιάζει σημαντική βελτίωση ακρίβειας (μείωση των δομημένων περιοχών εκτός του αστικού ιστού). Η προτεινόμενη μέθοδος αυξάνει την ακρίβεια ενώ μπορεί να υλοποιηθεί εύκολα αφού χρειάζονται μόνο τα δεδομένα MODIS για την χρονοσειρά του NDVI που είναι ελεύθερα διαθέσιμα χωρίς κόστος. Με την ολοένα και μεγαλύτερη διαθεσιμότητα εικόνων υψηλής ανάλυσης (GF-1, HJ-1 A/B CCD, SPOT 6) η προτεινόμενη μέθοδος έχει πολλές προοπτικές να βοηθήσει στην ακρίβεια της ταξινόμησης των δεδομένων των εικόνων αυτών και σίγουρα μπορεί να παίξει καθοριστικό ρόλο στην δημιουργία τοπικών χαρτών καλύψεων γης.
Ωστόσο η συγκεκριμένη μέθοδος έχει και κάποιους πιθανούς περιορισμούς αφού τα χρονικά χαρακτηριστικά είναι βασικές στατιστικές μεταβλητές ενώ για την κάλυψη γης θα μπορούσαν να αναπτυχθούν και ειδικότερα βασισμένα σε φαινολογικά χαρακτηριστικά της βλάστησης ή και μοντέλα σχημάτων καλύψεων βασισμένα στην χρονοσειρά των δεικτών βλάστησης
