Τηλεπισκόπηση μη διαπερατών επιφανειών σε αστικές περιοχές: Προϋποθέσεις, μέθοδοι και τάσεις

Από RemoteSensing Wiki

Μετάβαση σε: πλοήγηση, αναζήτηση

ΕΙΣΑΓΩΓΗ

Η γνώση σχετικά με τις μη διαπερατές επιφάνειες, και κυρίως το μέγεθος, την τοποθεσία, τη γεωμετρία, τη μορφή και το χωρικό πρότυπο των μη διαπερατών επιφανειών, καθώς και τα ποσοστά διαπερατότητας ή αδιαπερατότητας, είναι πολύ ουσιώδης για μία σειρά ζητημάτων και θεμάτων που απασχολούν την περιβαλλοντική επιστήμη, η οποία εστιάζει στην παγκόσμια περιβαλλοντική αλλαγή και την αλληλεπίδραση ανθρώπου και περιβάλλοντος. Τα δεδομένα της μη διαπερατής επιφάνειας είναι σημαντικά για τον αστικό σχεδιασμό και τη διαχείριση του περιβάλλοντος και των πόρων. Για το λόγο αυτό, η τηλεπισκόπηση των μη διαπερατών επιφανειών στις αστικές περιοχές έχει τον τελευταίο καιρό τραβήξει πολύ έντονα την προσοχή. Μελετώνται διάφορες προσεγγίσεις ψηφιακής τηλεπισκόπησης προκειμένου να αποσπαστούν και να εκτιμηθούν μη διαπερατές επιφάνειες. Οι συζητήσεις εστιάζουν στις ανάγκες χαρτογράφησης των αστικών μη διαπερατών επιφανειών.

Εικόνα 1. Απεικόνιση της σχέσης μεταξύ τηλεπισκόπησης των αστικών υλικών, της κάλυψη γης και των χρήσεων γης (Lu & Weng, 2009).


ΜΕΘΟΔΟΛΟΓΙΑ

Η εργασία εστιάζει στον αντίκτυπο των χωρικών, γεωμετρικών, φασματικών και χρονικών αναλύσεων στην αξιολόγηση και στη χαρτογράφηση, καθώς και στην επιλογή μίας κατάλληλης μεθόδου αξιολόγησης που θα βασίζεται σε τηλεπισκοπικά χαρακτηριστικά δεδομένων. Σύμφωνα με τη συγκεκριμένη ανασκόπηση, οι σημαντικότερες προσεγγίσεις της τελευταίας δεκαετίας περιλαμβάνουν αλγόριθμους βασισμένους σε εικονοστοιχεία/ pixels (ταξινόμηση εικόνας, παρεμβολή, κλπ.) και υπό-εικονοστοιχεία/ sub-pixels (γραμμικός φασματικός διαχωρισμός, αδιαπερατότητα ως συμπλήρωμα του ποσοστού βλάστησης κλπ), αντικειμενοστραφείς αλγόριθμους και τεχνητά νευρωνικά δίκτυα. Μελετήθηκαν επίσης τεχνικές όπως, η συγχώνευση δεδομένων/ εικόνων, τα έμπειρα συστήματα και οι μέθοδοι συναφούς στατιστικής ταξινόμησης.


ΣΥΜΠΕΡΑΣΜΑΤΑ

Οι περισσότερες ερευνητικές προσπάθειες έγιναν με στόχο τη χαρτογράφηση αστικών τοπίων σε διάφορες κλίμακες και σχετικά με τα προαπαιτούμενα χωρικής ανάλυσης μιας τέτοιας χαρτογράφησης. Αντίθετα, το ενδιαφέρον για τις φασματικές και γεωμετρικές ιδιότητες των μη διαπερατών επιφανειών δεν είναι ιδιαίτερα μεγάλο. Χρειάζονται και άλλες έρευνες για να κατανοήσουμε καλύτερα την χρονική ανάλυση, την αλλαγή και την εξέλιξη των μη διαπερατών επιφανειών μέσα στο χρόνο, καθώς και τις χρονικές προϋποθέσεις για την αστική χαρτογράφηση. Τα μοντέλα, οι μέθοδοι και οι αλγόριθμοι ανάλυσης της εικόνας στην αστική τηλεπισκόπηση αναπτύχθηκαν ευρέως για τη νοητική εικόνα μεσαίας ανάλυσης (10-100 μ). Η έλευση δορυφορικών εικόνων υψηλής χωρικής ανάλυσης, χωρικών υπερφασματικών εικόνων και LiDAR δεδομένων δίνει ώθηση σε νέες ερευνητικές ιδέες και καθοδηγεί τις μελλοντικές ερευνητικές τάσεις με νέα μοντέλα και αλγόριθμους.


Εικόνα 2. a) Απεικόνιση των τριών layers νευρωνικής δομή του δικτύου που χρησιμοποιήθηκε στη μελέτη. b) Χάρτης μη διαπερατής επιφάνειας από το μοντέλο ANN, με ακρίβεια 12,3% του συνόλου της περιοχής μελέτης. c) Χάρτης μη διαπερατής επιφάνειας που προέκυψε από γραμμική φασματική ανάλυση, με ακρίβεια 13,2% του συνόλου της περιοχής μελέτης.

Συγγραφέας: Qihao Weng, Center for Urban and Environmental Change, Department of Earth and Environmental Systems, Indiana State University, Terre Haute, IN 47809, USA

Remote Sensing of Environment 2011

Ανακτήθηκε από το "http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CE%BC%CE%B7_%CE%B4%CE%B9%CE%B1%CF%80%CE%B5%CF%81%CE%B1%CF%84%CF%8E%CE%BD_%CE%B5%CF%80%CE%B9%CF%86%CE%B1%CE%BD%CE%B5%CE%B9%CF%8E%CE%BD_%CF%83%CE%B5_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AD%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AD%CF%82:_%CE%A0%CF%81%CE%BF%CF%8B%CF%80%CE%BF%CE%B8%CE%AD%CF%83%CE%B5%CE%B9%CF%82,_%CE%BC%CE%AD%CE%B8%CE%BF%CE%B4%CE%BF%CE%B9_%CE%BA%CE%B1%CE%B9_%CF%84%CE%AC%CF%83%CE%B5%CE%B9%CF%82".
Προσωπικά εργαλεία