Τηλεπισκοπική χαρτογράφηση υψηλής χωρικής ανάλυσης των παράκτιων οικοσυστημάτων αμμόλοφων και αλυκών
Από RemoteSensing Wiki
Αντικείμενο
Αντικείμενο αυτής της μελέτης είναι η δημιουργία χαρτών κάλυψης γης υψηλής χωρικής ανάλυσης (μέγεθος φατνίου 1 μέτρο) των οικοσυστημάτων αμμόλοφων και
Μεθοδολογία
Ο αλγόριθμος Random Forests είναι ένας εύρωστος, μη παραμετρικός αλγόριθμος επιβλεπόμενης ταξινόμησης που βασίζεται σε δέντρα αποφάσεων. Ιδιαίτερο χαρακτηριστικό του είναι ότι μπορεί να συμπεριλάβει δεδομένα από μεγάλο εύρος πηγών, ακόμα και αν αυτά έχουν ληφθεί σε διαφορετική μετρητική κλίμακα. Στην παρούσα μελέτη, χρησιμοποιήθηκαν δεδομένα πεδίου από in situ επίγειες μετρήσεις σε συνδυασμό με δύο πηγές πολυφασματικών εικόνων (ορθοφωτογραφίες χωρικής ανάλυσης 0,5 μέτρων και δορυφορικές εικόνες Quickbird χωρικής ανάλυσης 2,4 μέτρων) και το ψηφιακό μοντέλο υψομέτρων της περιοχής (Digital Elevation Model –DEM). Έγινε εκτίμηση και σύγκριση της ακρίβειας των ταξινομήσεων των δύο υπό μελέτη οικοσυστημάτων για διάφορα μεγέθη δειγμάτων εκπαίδευσης και αριθμού δέντρων του αλγορίθμου Random Forests. Το μέγεθος φατνίου στο 1 μέτρο επιλέχθηκε με γνώμονα την δημιουργία ενός χάρτη πολύ υψηλής κλίμακας για την ανάλυση του βιότοπου του απειλούμενου αμφίβιου είδους Scaphiopus holbrooki, το οποίο ζει στην υπό μελέτη περιοχή και πιστεύεται ότι η απόκριση του στις αλλαγές του περιβάλλοντος είναι αντίστοιχης χωρικής κλίμακας.
Αποτελέσματα
Οι τελικοί χάρτες κάλυψης παρουσιάζονται στις Εικόνα 1Α και Β. Οι δύο χάρτες έγιναν χρησιμοποιώντας 100 και 30 σημεία εκπαίδευσης για τις περιοχές των αμμόλοφων και των αλυκών αντίστοιχα, ενώ και στις δύο περιπτώσεις χρησιμοποιήθηκαν 500 δέντρα απόφασης στον αλγόριθμο Random Forests. Συνολικά επιτεύχθηκε ακρίβεια 75,1% (Kappa=0.712) και 86.8% (Kappa=0.846) για τις ταξινομήσεις των αμμόλοφων και των αλυκών αντίστοιχα. Στην πρώτη περίπτωση το 41% των εσφαλμένα ταξινομημένων φατνίων μπορεί να θεωρηθεί ως σφάλμα μικρής σημασίας (για παράδειγμα εσφαλμένη ταξινόμηση μεταξύ αλληλοεπικαλυπτόμενων ή όμοιων κλάσεων). Αντίστοιχα στη δεύτερη περίπτωση το ποσοστό αυτό ανέρχεται σε 46%. Γενικά, αύξηση του δείγματος εκπαίδευσης επέφερε αύξηση και στον συντελεστή Kappa, αν και ο ρυθμός αύξησης μειώνεται σημαντικά με την αύξηση του δείγματος εκπαίδευσης Ειικόνα 2Α και Β).
Συμπεράσματα
Τα αποτελέσματα της μελέτης αυτής υποδεικνύουν ότι τα παράκτια οικοσυστήματα αμμόλοφων και salt marsh μπορούν να χαρτογραφηθούν σε υψηλή χωρική ανάλυση με ικανοποιητική ακρίβεια ταξινόμησης με μια προσέγγιση επιβλεπόμενης ταξινόμησης με βάση τον αλγόριθμο Random Forests. Μελλοντική έρευνα θα πρέπει να διεξαχθεί σε άλλες περιοχές μελέτης για την εκτίμηση της επίδρασης των συνδυασμένων γεωγραφικών και φασματικών δεδομένων στην ακρίβεια μια χαρτογράφησης.
Πηγή: Brad C. Timm, Kevin McGarigal, Fine-scale remotely-sensed cover mapping of coastal dune and salt marsh ecosystems at Cape Cod National Seashore using Random Forests, Remote Sensing of Environment, Volume 127, December 2012, Pages 106-117.
