Τεχνικές αναγνώρισης προτύπων και τηλεπισκόπησης που εφαρμόζονται στη χαρτογράφηση χρήσης γης και κάλυψης γης στη Σαβάνα της Βραζιλίας
Από RemoteSensing Wiki
Τεχνικές αναγνώρισης προτύπων και τηλεπισκόπησης που εφαρμόζονται στη χαρτογράφηση χρήσης γης και κάλυψης γης στη Σαβάνα της Βραζιλίας
Πρωτότυπος τίτλος: Pattern Recognition and Remote Sensing techniques applied to Land Use and Land Cover mapping in the Brazilian Savannah
Συγγραφείς: Leila M.G.Fonseca, Thales S.Körting, Hugo do N.Bendini, Cesare D.Girolamo-Neto, Alana K. Neves, Anderson R.Soares, Evandro C.Taquary, Raian V.Maretto
1.Εισαγωγή
Η εργασία αφορά την εφαρμογή τεχνικών αναγνώρισης επαναλαμβανόμενων προτύπων και τηλεπισκόπησης για τη χαρτογράφηση της χρήσης γης και της κάλυψης γης στη σαβάνα της Βραζιλίας, γνωστή και ως βιότοπος Cerrado. Το Cerrado είναι ο δεύτερος μεγαλύτερος βιότοπος στη Βραζιλία, καλύπτει 2 εκατομμύρια τετραγωνικά χιλιόμετρα και είναι υπεύθυνος για την αποθήκευση περίπου 5,9 δισεκατομμυρίων τόνων άνθρακα στη βλάστηση και 23,8 δισεκατομμυρίων τόνων στο έδαφος. Τα τελευταία 20 χρόνια, λόγω της γεωργικής ανάπτυξης, το Cerrado έχει χάσει πάνω από το 50% της φυσικής του βλάστησης και προβλέπεται να χάσει 31-34% περισσότερο μέχρι το 2050. Η τηλεπισκόπηση και η γεωπληροφορική έχουν καθοριστική σημασία για την παρακολούθηση των αλλαγών στη βλάστηση και είναι ζωτικής σημασίας για τη διατήρηση και την προώθηση της βιώσιμης ανάπτυξης του Cerrado. Ωστόσο, οι παραδοσιακές μέθοδοι έχουν περιορισμούς και επισημαίνεται η ανάγκη για νέες μεθόδους που βασίζονται σε τεχνικές αναγνώρισης προτύπων για την ακριβή χαρτογράφηση των χρήσεων γης και της φυσικής φυτοκάλυψης. Η πρόοδος στις τεχνολογίες τηλεπισκόπησης, οι τεχνικές μηχανικής μάθησης και οι υποδομές αποθήκευσης και διάδοσης δεδομένων έχουν ανοίξει νέες ευκαιρίες για τη βελτίωση της χαρτογράφησης χρήσεων και καλύψεων γης στο Cerrado. Συνοπτικά, η εργασία επικεντρώνεται στη χαρτογράφηση των χρήσεων γης και της κάλυψης γης στον βιότοπο Cerrado και αποσκοπεί στον εντοπισμό των πρόσφατων εξελίξεων και ευκαιριών για τη βελτίωση της ακρίβειας και της λεπτομέρειας των χαρτών χρήσεων/κάλυψης γης. Η εργασία επικεντρώνεται σε μελέτες που βασίζονται σε οπτικά δεδομένα και χωρίζεται σε ενότητες που εστιάζουν στη χαρτογράφηση της φυσικής βλάστησης, των βοσκοτόπων, της γεωργίας και της αποψίλωσης. Οι συγγραφείς πιστεύουν ότι είναι σημαντικό να προβληματιζόμαστε συνεχώς σχετικά με τις πρόσφατες εξελίξεις στη χαρτογράφηση των χρήσεων/κάλυψης γης με τη χρήση τηλεπισκόπησης και να προσβλέπουμε σε νέες εξελίξεις για τη βελτίωση των χαρτών.
2.Βλάστηση
Η χαρτογράφηση της βλάστησης της περιοχής Cerrado στη Νότια Αμερική με τη χρήση τηλεπισκόπησης και μεθόδων μηχανικής μάθησης είναι μια πρόκληση λόγω της υψηλής χωρικής μεταβλητότητας και της φασματικής ομοιότητας μεταξύ των τύπων βλάστησης. Αρκετοί συγγραφείς έχουν δοκιμάσει διαφορετικές προσεγγίσεις, συμπεριλαμβανομένης της γραμμικής φασματικής μη ανάμειξης, των χαρακτηριστικών υφής, των στοιχείων Tasseled Cap και των αλγορίθμων Random Forest με τεχνικές ανάλυσης εικόνας βάσει γεωγραφικών αντικειμένων (GEOBIA). Μέθοδοι βαθιάς μάθησης, όπως η τμηματοποίηση χρησιμοποιώντας νευρωνικά δίκτυα, έχουν επίσης εφαρμοστεί για την ταξινόμηση των τριών κύριων τύπων βλάστησης στο Cerrado: Δάση, Σαβάνα και λιβάδια. Αυτές οι μέθοδοι έχουν δείξει κάποια επιτυχία, με συνολική ακρίβεια που κυμαίνεται από 63% έως 92,8% ανάλογα με την προσέγγιση. Ωστόσο, υπάρχουν ακόμη περιθώρια βελτίωσης, ιδίως λαμβάνοντας υπόψη το πλαίσιο στο οποίο εμφανίζεται κάθε τύπος βλάστησης και τους περιορισμούς των περιοχών μελέτης.
3.Βοσκοτόπια
Έχουν διεξαχθεί αρκετές μελέτες για τη χαρτογράφηση των βοσκοτόπων στις περιοχές Cerrado και Αμαζονίου της Βραζιλίας. Για τη χαρτογράφηση των βοσκοτόπων έχουν χρησιμοποιηθεί τεχνικές χρονοσειρών, όπως η χρήση χρονοσειρών Normalized Difference Vegetation Index (NDVI) και ο αλγόριθμος Random Forest. Οι τεχνικές αυτές έδειξαν πολλά υποσχόμενα αποτελέσματα, με συνολικά ποσοστά ακρίβειας γύρω στο 85-93%. Ωστόσο, οι αυτόματες μέθοδοι για τη διάκριση διαφορετικών τύπων βοσκοτόπων εξακολουθούν να αποτελούν πρόκληση. Οι εικόνες GEOBIA και Landsat 8 χρησιμοποιήθηκαν για τη διάκριση των ποωδών και των θαμνώδων βοσκοτόπων, με συνολική ακρίβεια έως 87,76% και 73,15%, αντίστοιχα. Η χρήση της υφής της εικόνας και των συνιστωσών φασματικής ανάμειξης έχουν επίσης αξιολογηθεί ως τρόποι βελτίωσης της διάκρισης των βοσκοτόπων, με ελπιδοφόρα αποτελέσματα στον εντοπισμό των πρώτων σημείων υποβάθμισης των βοσκοτόπων και στη διαφοροποίηση μεταξύ ποωδών και θαμνωδών βοσκοτόπων.
4.Γεωργία
Η ενσωμάτωση δορυφορικών δεδομένων από τα Sentinel, Landsat και CBERS (China–Brazil Earth Resources Satellite) είναι μια πιθανή λύση για τη λεπτομερή χαρτογράφηση της γεωργίας στον βιότοπο Cerrado στη Βραζιλία. Η χαμηλή χωρική ανάλυση των υφιστάμενων μεθόδων χαρτογράφησης δεν είναι επαρκής για μικρά χωράφια λόγω της φασματικής μίξης και δεν λαμβάνει υπόψη τις πρακτικές καλλιέργειας και τα συστήματα εναλλαγής. Η πρόοδος στην υπολογιστική επεξεργασία και η ενσωμάτωση δεδομένων υψηλής χρονικής ανάλυσης μπορούν να βελτιώσουν την ακρίβεια της χαρτογράφησης. Τα φαινομετρικά στοιχεία που εξάγονται από χρονοσειρές δορυφορικών εικόνων είναι πολύτιμα χαρακτηριστικά για τη γεωργική χαρτογράφηση και μια μελέτη χρησιμοποίησε πυκνές χρονοσειρές εικόνων Landsat για την ταξινόμηση γεωργικών εκτάσεων με ακρίβεια μεγαλύτερη από 90%. Η μεθοδολογία εφαρμόστηκε επίσης για την αξιολόγηση της χρήσης νερού στον βιότοπο Cerrado.
5.Αποψίλωση
Εθνικό Ινστιτούτο Διαστημικής Έρευνας της Βραζιλίας, εκτιμά τα ποσοστά αποψίλωσης των δασών στα βιοτόπια του Αμαζονίου και του Cerrado από το 1988. Τα στοιχεία που έχουν συλλέξει έχουν χρησιμοποιηθεί ως σημεία αναφοράς για τη χαρτογράφηση της αποψίλωσης και έχουν δρομολογηθεί διάφορες πρωτοβουλίες για την αυτοματοποίηση της διαδικασίας με τη χρήση τεχνικών βαθιάς μάθησης. Οι καλύτερες επιδόσεις επιτεύχθηκαν με τη χρήση μιας προσέγγισης βαθιάς μάθησης με συνολική ακρίβεια έως και 95% για τον βιότοπο Cerrado. Μια υβριδική προσέγγιση που συνδυάζει ένα επαναλαμβανόμενο νευρωνικό δίκτυο (LSTM) και ένα συνελικτικό νευρωνικό δίκτυο (U-Net) πέτυχε συνολική ακρίβεια 99,92% για τον βιότοπο Cerrado. Ωστόσο, η χρήση πυκνών χρονοσειρών και χωρικών συνελίξεων αποτελεί μεγάλη πρόκληση για τη χαρτογράφηση ευρύτερων περιοχών και την απόκτηση τόσο χωρικών όσο και χρονικών πληροφοριών.
6.Τελικές παρατηρήσεις και μελλοντικές ευκαιρίες
Εν κατακλείδι, η χαρτογράφηση των χρήσεων/καλύψεων γης στον βιότοπο Cerrado αποτελεί πρόκληση λόγω της πολύπλοκης φυτοκάλυψης, αλλά έχουν προταθεί διάφορες στρατηγικές για την αντιμετώπιση αυτής της πρόκλησης. Η ανάλυση χρονοσειρών και τα φαινομετρικά στοιχεία, οι προσεγγίσεις ιεραρχικής ταξινόμησης και οι πληροφορίες σχετικά με το πλαίσιο αποτελούν τρεις σημαντικές συνεισφορές στη χαρτογράφηση χρήσεων/καλύψεων γης στο Cerrado. Για την εξαγωγή δεδομένων χρήσεων/καλύψεων και τη βελτίωση της διαδικασίας χαρτογράφησης, έχουν αναπτυχθεί διάφοροι κύβοι δεδομένων (data cubes) παρατήρησης της Γης, όπως ο κύβος της Βραζιλίας. Ο συνδυασμός της χωρικής και χρονικής ετερογένειας και της συσχέτισης είναι μια άλλη προσέγγιση για τη βελτίωση της απόδοσης της χαρτογράφησης χρήσεων/καλύψεων γης. Έχουν επίσης αναπτυχθεί προσεγγίσεις βαθιάς μάθησης, όπως το πλαίσιο DeepGeo, το οποίο παρέχει ένα υψηλού επιπέδου και φιλικό προς τον χρήστη περιβάλλον (API) για ειδικούς στην τηλεπισκόπηση. Τα δεδομένα SAR και LIDAR GEDI διερευνώνται επίσης ως υποκατάστατα βιομάζας για το Cerrado. Η κοινότητα των επιστημόνων της τηλεπισκόπησης εξακολουθεί να απαιτεί εύχρηστα πλαίσια για την ανάλυση χρήσεων/καλύψεων γης και οι ερευνητές του Ινστιτούτο Διαστημικής Έρευνας της Βραζιλίας ανέπτυξαν ένα πλαίσιο για την ενσωμάτωση διαφορετικών εργαλείων και την παροχή ενός φιλικού περιβάλλοντος για την επεξεργασία και ανάλυση μεγάλου όγκου δεδομένων.
