Τηλεπισκόπηση της παράκτιας βλάστησης στην Ολλανδία και το Βέλγιο
Από RemoteSensing Wiki
Remote sensing of coastal vegetation in the Netherlands and Belgium, Sam Provoost, Mark van Til, Bart Deronde and Andries Knotters, Herrier J.-L., J. Mees, A. Salman, J. Seys, H. Van Nieuwenhuyse and I. Dobbelaere (Eds). 2005. p. 139-149 Proceedings ‘Dunes and Estuaries 2005’ – International Conference on Nature Restoration Practices in European Coastal Habitats, Koksijde, Belgium, 19-23 September 2005 VLIZ Special Publication 19, xiv + 685 pp. http://www.vliz.be/imisdocs/publications/73774.pdf
Αντικείμενο της εφαρμογής
Οι χάρτες βλάστησης είναι απαραίτητα εργαλεία για την οργάνωση και την αξιολόγηση στη βιολογία διατήρησης. Σε μεγάλη κλίμακα, οι στόχοι της διατήρησης μπορούν να προσδιοριστούν σε όρους ιδιοτήτων της βλάστησης, είτε λόγω της εγγενούς αξίας τους είτε λόγω της σημασίας τους στο χαρακτηρισμό των οικοσυστημάτων. Επιπλέον, υπάρχει μια αυξανόμενη αίτηση για δείκτες βιοποικιλότητας, σε μεγάλο βαθμό λόγω της ευρωπαϊκής οδηγίας για τα ενδιαιτήματα (European Habitat Directive) αλλά και σε εθνικό ή περιφερειακό επίπεδο. Παράλληλα, η συχνότητα αναφοράς φαίνεται να αυξάνεται. Οι τάσεις αυτές υπογραμμίζουν την ανάγκη αποτελεσματικών εργαλείων για λεπτομερή και επαναλαμβανόμενη χαρτογράφηση της βλάστησης.
Στόχος της εφαρμογής
Από καθαρά επιστημονική σκοπιά, οι λεπτομερείς χάρτες βλάστησης παρέχουν βασικές πληροφορίες για έρευνα στη δυναμική της βλάστησης ή στο χαρακτηρισμό των ενδιαιτημάτων. Η παρούσα μελέτη παρουσιάζει το παρελθόν, το παρόν και το μέλλον της χαρτογράφησης της βλάστησης στις παράκτιες αμμοθίνες και τα αλμυρά έλη κατά μήκος των βελγικών και των ολλανδικών ακτών. Το πρώτο τμήμα περιγράφει τη χαρτογράφηση της βλάστησης γενικά. Καθώς η τηλεπισκόπηση εμπλεκόταν πάντα σε μικρό ή μεγάλο βαθμό στη διαδικασία της χαρτογράφησης, στο δεύτερο μέρος παρουσιάζεται μια σύνοψη των τεχνικών που χρησιμοποιούνται. Μόνο οι αερομεταφερόμενοι τηλεπισκοπικοί δέκτες αναφέρονται, καθώς οι διαστημικές εικόνες δε φέρουν, προς το παρόν, τα χαρακτηριστικά που απαιτούνται για τις λεπτομερείς μελέτες που αφορούν στη βλάστηση. Στο τελευταίο μέρος παρουσιάζεται η τηλεπισκοπική εμπειρία σε ακτές της Ολλανδίας.
Ταξινόμηση και χαρτογράφηση της βλάστησης
Η βλάστηση μπορεί να ειδωθεί με διάφορους τρόπους, οι οποίοι θα αποτυπωθούν και στην ταξινόμηση και χαρτογράφησή της. Εδώ παρουσιάζονται τρεις κύριες προσεγγίσεις.
- Στην προσέγγιση αυτή, η βλάστηση είναι ένα απαραίτητο λειτουργικό στοιχείο στους κύκλους του άνθρακα, του νερού και των θρεπτικών, ενώ οι ιδιότητες της βλάστησης βασίζονται κυρίως σε χαρακτηριστικά όπως η βιομάζα, ο δείκτης φυλλικής επιφάνειας (leaf area index – LAI) ή φυσιολογικά χαρακτηριστικά. Η ταξινόμηση που βασίζεται στην “οικολογική συμπεριφορά” των ειδών, είναι μια παρόμοια προσέγγιση.
- Η φυσιογνωμική ταξινόμηση βασίζεται στην εξωτερική εμφάνιση της βλάστησης και σχετίζεται με τη δομή και τη βιομορφή των κύριων ειδών. Βασικές φυσιογνωμικές μονάδες ή “σχηματισμοί” τοποθετούνται σε σειρά από πάνω προς τα κάτω και χρησιμοποιούνται γενικά σε ένα ευρύ γεωγραφικό φάσμα (Whittaker, 1962).
- Η φυτοκοινωνιολογική ταξινόμηση προσδιορίζει τις φυτοκοινωνίες με τρόπο από κάτω προς τα πάνω, ξεκινώντας από αρχεία σύστασης των ειδών (Westhof and van der Maarel, 1973). Το σύστημα αυτό, σχετίζεται με τη βοτανική εξέλιξη και χρησιμοποιείται στην τυπολογία των ενδιαιτημάτων για τη διατήρησή τους στην Ολλανδία.
Η ιδανική ταξινόμηση πρέπει να περιέχει μια οικολογική, από πάνω προς τα κάτω προσέγγιση με ένα επεξεργασμένο σύνολο καταγραφών της βλάστησης σε έναν τοπολογικό οικότυπο (Klijn, 1997). Τέτοιες τυπολογίες έχουν χρησιμοποιηθεί μόνο σε εφαρμογές περιορισμένης κλίμακας μέχρι τώρα. Ο επιλεγμένος τύπος ταξινόμησης προσδιορίζει, σε μεγάλο βαθμό, και τις ιδιότητες του χάρτη. Οι συμβατικοί χάρτες βλάστησης – σε ορολογία ΓΣΠ – θα χαρακτηρίζονταν ως διανυσματικοί χάρτες ενός επιπέδου, αποτελούμενοι από πολύγωνα (ή πιθανόν γραμμές και σημεία), με αυθαίρετο σχήμα, επιφάνεια περιοχής και ιδιότητες. Οι διανυσματικοί χάρτες μπορούν εύκολα να φέρουν πολλές ιδιότητες, όπως, για παράδειγμα, μια ιεραρχική τυπολογία θα απαιτούσε, συνδέοντάς τις με μια βάση δεδομένων. Ποσοτικοποιημένα χαρακτηριστικά, όπως το ύψος, ο δείκτης φυλλικής επιφάνειας, η βιομάζα ή οι δείκτες βλάστησης θα ήταν καλύτερα να αποτυπωθούν σε ψηφιδωτό χάρτη. Οι ψηφιδωτοί χάρτες ή κάνναβοι, αποτελούνται από ψηφίδες ίδιου σχήματος (κυρίως τετράγωνα) στις οποίες μια συνεχής ή διακριτή τιμή αποδίδεται. Είναι καταλληλότεροι για τους υπολογιστικούς σκοπούς των ΓΣΠ και είναι συμβατοί με τις εικόνες που έχουν υποστεί γεωαναφορά και που αποθηκεύονται, επίσης, ως κανναβικά αρχεία. Μια άλλη δυνατότητα των καννάβων είναι η χρήση των “ασαφών” συνόρων, ενώ τα διανυσματικά αρχεία χωρίζονται πάντα από σαφή σύνορα. Οι ψηφιδωτοί χάρτες είναι, λοιπόν, καταλληλότεροι για την αποτύπωση των οικολογικών βαθμωτών χαρακτηριστικών, όπως το υψόμετρο ή η ένταση της βόσκησης.
Γενικές έννοιες της τηλεπισκόπησης
Γενικά, η τηλεπισκόπηση βασίζεται στην ανίχνευση της ηλεκτρομαγνητικής ακτινοβολίας από αισθητήρες σε αεροπλάνα ή δορυφόρους. Οι ενεργές τεχνικές μετρούν τα σήματα από τεχνητές πηγές φωτισμού, ενώ στην παθητική τηλεπισκόπηση δε συμμετέχει εξωτερική πηγή. Τα LIDAR (laser) and RADAR είναι τα πιο συνηθισμένα ενεργά συστήματα τηλεπισκόπησης. Τα LIDAR χρησιμοποιούνται συνήθως για την απόκτηση λεπτομερών ψηφιακών μοντέλων υψομέτρου. Παρ’ όλ’ αυτά, οι περισσότερες εφαρμογές μπορούν να χαρακτηριστούν ως παθητικές. Τα προσπίπτοντα ηλεκτρομαγνητικά κύματα μπορούν να απορροφηθούν, να μεταδοθούν ή να ανακλαστούν, είτε στην ατμόσφαιρα είτε στην επιφάνεια της γης. Τα σήματα που ανιχνεύονται, λοιπόν, από τους τηλε-αισθητήρες επηρεάζονται τόσο από τις ατμοσφαιρικές συνθήκες, όσο και από τα χαρακτηριστικά του τοπίου. Η απόκτηση καθαρών φασματικών υπογραφών που απεικονίζουν τις χημικές και φυσικές ιδιότητες στοιχείων, απαιτεί μετρήσεις στη γη με φασματόμετρα πεδίου. Οι συσκευές αυτές, συνήθως ανιχνεύουν μήκη κύματος μεταξύ 350 και 2500nm, συμπεριλαμβανομένου του τμήματος του φάσματος που είναι ορατό στον άνθρωπο (περίπου 400 έως 700nm), το εγγύς υπέρυθρο (NIR, περίπου από 700 έως 1300nm) και το μικροκυματικό υπέρυθρο (SWIR, μεταξύ 1300 και 2500nm, Lillesand and Kiefer, 2000). Οι φασματικές μετρήσεις παρουσιάζονται συνήθως ως τιμές ανακλαστικότητας και προσδιορίζονται ως η αναλογία της ανακλώμενης προς την προσπίπτουσα ακτινοβολία.
Φασματικά χαρακτηριστικά της βλάστησης
Η εικόνα δείχνει παραδείγματα καμπυλών ανάκλασης κάποιων βασικών (παράκτιων) χαρακτηριστικών του τοπίου μετρημένων με φασματόμετρο πεδίου (FieldSpec Pro Fr, Analytical Spectral Devices, Inc.). Τα διαφορετικά πρότυπα μπορούν να διαχωριστούν, υποδεικνύοντας τη δυνατότητα διαχωρισμού των διαφορετικών τάξεων χρήσης γης. Η ερμηνεία των φασματικών χαρακτηριστικών της βλάστησης σ’ αυτή την παράγραφο βασίζεται κυρίως στην επεξηγηματική μελέτη των Kumar et al. (2001). Τα πράσινα φυτά παρουσιάζουν μια ισχυρή απορρόφηση του υπεριώδους και ορατού φωτός λόγω του χρωματισμού των φύλλων. Η κυρίαρχη απορρόφηση του κόκκινου και του μπλε προκαλεί το πράσινο χρώμα τους. Περισσότερο από το 70% της απορροφώμενης ακτινοβολίας μετατρέπεται σε θερμότητα, ενώ το μεγαλύτερο μέρος από το υπόλοιπο χρησιμοποιείται για τη φωτοσύνθεση. Η κυριαρχία της χρωστικής της χλωροφύλλης στα υγιή φύλλα εξηγεί το μέγιστο της απορρόφησης στα 420, 490 και 660nm. Το φαινόμενο αυτό είναι ορατό και στην εικόνα. Στα γερασμένα φύλλα, τα καροτένια και οι ξανθοφύλλες τείνουν να κυριαρχούν, γεγονός που αλλάζει το πρότυπο της απορρόφησης, και μέσω αυτού, το χρώμα. Το μέγιστο της κόκκινης απορρόφησης (690nm) στην καμπύλη ανάκλασης της λάσπης φαίνεται περίεργο, αλλά προκαλείται από φωτοσυνθετικές χρωστικές στα επιβενθικά φύκη (cf. Paterson et al., 1998). Η ανακλαστικότητα της ξηρής άμμου (παραλία) είναι υψηλή στα ορατά μήκη κύματος, διευκολύνοντας το διαχωρισμό της από τις περιοχές τις βλάστησης. Την ώρα της μέτρησης, οι θίνες από βρύα (Tortula ruralis ssp. ruraliformis) είχαν αποξηρανθεί, γεγονός που εξηγεί τη μη αναμενόμενη καμπύλη ανακλαστικότητας στο διάγραμμα. Το εγγύς υπέρυθρο απορροφάται σε πολύ μικρό βαθμό από τα πράσινα φυτά. Περισσότερο από το 95% της προσπίπτουσας ακτινοβολίας εκπέμπεται ή ανακλάται. Τα χαρακτηριστικά της ανώτερης στοιβάδας της επιδερμίδας και ο δείκτης ανακλαστικότητας της επιδερμίδας καθορίζουν την ανάκλαση από την επιφάνεια του φύλλου. Επίσης, η ανατομική δομή των φύλλων συνεισφέρει σημαντικά στην ανακλαστικότητα στο εγγύς υπέρυθρο (NIR). Στους πολυ-επίπεδους θόλους, η εκπεμπόμενη ακτινοβολία ανακλάται μερικώς από τα κατώτερα φύλλα, προκαλώντας αύξηση στη NIR ανάκλαση. Η αντίθεση μεταξύ της απορρόφησης στο κόκκινο και το εγγύς υπέρυθρο, γνωστή και ως “red edge”, είναι ένα εμφανές φασματικό χαρακτηριστικό της υγιούς βλάστησης. Χρησιμοποιείται για να υπολογιστούν δείκτες βλάστησης, μεταξύ των οποίων και ο Normalised Difference Vegetation Index (NDVI = [NIR – RED] / [NIR + RED]), που χρησιμοποιείται συχνότερα. Η ανακλαστικότητα στο μικροκυματικό υπέρυθρο συνδέεται με τα χαρακτηριστικά του υδατικού περιεχομένου. Το τμήμα αυτό του φάσματος χαρακτηρίζεται από κανάλια ευκρινούς απορρόφησης του νερού στα 1400 με 1850nm. Ένας μεγάλος αριθμός μελετών πραγματεύεται τις φασματικές ιδιότητες των φύλλων, των φυτών και των θόλων (Kumar et al., 2001), στις οποίες η βλάστηση αντιμετωπίζεται από μια λειτουργική οικολογική σκοπιά (κύκλοι των θρεπτικών, φυτικό stress, παραγωγή φυτομάζας, κτλ). Πράγματι, οι φασματικές ιδιότητες συνδέονται με τις βιοχημικές και φυσικές ιδιότητες κυρίως και όχι με τα είδη ως τέτοια. Μέσα στο ίδιο είδος, τα φυτά παρουσιάζουν μια ποικιλία φαινολογικών, μορφολογικών και φυσιολογικών καταστάσεων, περιπλέκοντας το φασματικό διαχωρισμό των τύπων της βλάστησης που βασίζεται στη σύνθεση των ειδών. Παρ’ όλ’ αυτά, ο Schmidt (2003) ανίχνευσε χαρακτηριστικές φασματικές υπογραφές με στατιστικά σημαντικές διαφορές, για την πλειοψηφία των 27 τύπων βλάστησης των αλμυρών ελών. Η ταξινόμηση 19 τύπων βλάστησης βασισμένη στην ανάλυση κανονικής διασποράς των φασματόμετρων πεδίου (579 κανάλια), οδήγησε σε μια συνολική ακρίβεια του 91%. Οι Van Til et al., (2004) μελέτησαν τα φασματικά χαρακτηριστικά ξηρών θινών στην ολλανδική ενδοχώρα. Τα φάσματα πεδίου 10 τύπων βλάστησης καταγράφηκαν το Μάιο και τον Ιούνιο και μετατράπηκαν σε 29 κανάλια για να προσομοιώσουν τον EPS-A υπερφασματικό σαρωτή. Μη παραμετρικές στατιστικές δοκιμές στα δεδομένα του Μαΐου έδειξαν διάκριση στα 42 από τα 45 ζευγάρια των τύπων. Στα δεδομένα του Ιουνίου, μόνο 37 από τα 45 ζευγάρια μπορούσαν να διακριθούν. Αποδείχτηκε δύσκολο να διαχωριστούν αρκετοί σημαντικοί τύποι βλάστησης, όπως βλάστηση που κυριαρχείται από Calamagrostis epigejos ή Ammophila arenaria.
Αεροφωτογραφίες
Οι αναλογικές αεροφωτογραφίες είναι οι πιο βασικές τηλεπισκοπικές εικόνες. Οι παλιότερες ασπρόμαυρες φωτογραφίες από τις βελγικές ακτές χρονολογούνται από τον πρώτο παγκόσμιο πόλεμο. Μετά το δεύτερο παγκόσμιο πόλεμο λαμβάνονταν τακτικά αεροφωτογραφίες για χαρτογραφικούς ή αμυντικούς σκοπούς. Παγχρωματικές (ασπρόμαυρες) εικόνες απεικονίζουν την ανακλαστικότητα κατά μήκος ενός μεγάλου τμήματος του φάσματος σε ένα πληροφοριακό “κανάλι”. Η ερμηνεία βασίζεται στην κλίμακα του γκρίζου, στην υφή, το μέγεθος και το σχήμα των στοιχείων, στα πρότυπα και στα περιβάλλοντα στοιχεία. Αν και φαίνεται ανούσιο, η ερμηνεία των περιβαλλόντων στοιχείων είναι πολύ σημαντική κατά τη διάρκεια ερμηνείας των εικόνων. Λόγω της πολυπλοκότητάς του, το περιβάλλον είναι δύσκολο να μεταφραστεί σε αλγορίθμους στον υπολογιστή, γεγονός που κάνει την άμεση επεξεργασία από τον ερευνητή αναντικατάστατη. Οι εικόνες πραγματικού χρώματος αποτελούνται από τρία κανάλια που αντιπροσωπεύουν το κόκκινο, το πράσινο και το μπλε (RGB) τμήμα του φάσματος. Λόγω της συσχέτισης των οπτικών καναλιών, οι επιπλέον πληροφορίες των έγχρωμων εικόνων είναι περιορισμένες. Το ευαίσθητο φιλμ του εγγύς υπέρυθρου, όμως, προσφέρει αξιοσημείωτα περισσότερες πληροφορίες για την έρευνα σχετικά με τη βλάστηση. Στις τυπικές υπέρυθρες εικόνες, το μπλε, το πράσινο και το κόκκινο επίπεδο αντιπροσωπεύουν την πράσινη, την κόκκινη και την εγγύς υπέρυθρη ανάκλαση αντίστοιχα, κάνοντάς τις να εμφανίζονται ως ψευδοχρωματικές εικόνες. Η ερμηνεία σε βάθος απαιτεί τη χρήση ζευγών στερεο-εικόνων, που επιτρέπει την τρισδιάστατη απεικόνιση του τοπίου και της βλάστησης. Αρκετοί χάρτες βλάστησης έχουν δημιουργηθεί με αυτήν την τεχνική, κυρίως για εφαρμογές τοπικής κλίμακας. Παραδείγματα για εξολοκλήρου επιστημονική χρήση αεροφωτογραφιών είναι σπάνια (e.g. Van Dorp et al., 1985; Shanmugan and Barnsley, 2002). Επαναλαμβανόμενες χαρτογραφήσεις των αλμυρών ελών της Ολλανδίας διεξάγονται από το Τμήμα Ερευνών του Υπουργείου Δημοσίων Έργων από τις αρχές της δεκαετίας του ’70 (Janssen, 2001). Η ίδια αρχή ξεκίνησε τη χαρτογράφηση της βλάστησης των θινών τη δεκαετία του ’80. Ένα παρόμοιο πρόγραμμα για τις βελγικές ακτές ξεκίνησε την ίδια περίοδο.
Ψηφιακές εικόνες
Οι ψηφιακές εικόνες αποκτούνται μέσω της σάρωσης των φωτογραφιών (τυπωμένων ή καλύτερα φιλμ) ή απευθείας με τη χρήση ψηφιακών τηλε-αισθητήρων. Η ποιότητα των εικόνων περιλαμβάνει τέσσερα στοιχεία (Lillesand and Kiefer, 2000): τη χωρική διακριτική ικανότητα, δηλαδή το μέγεθος ενός εικονοστοιχείου στη γη, τον αριθμό των καναλιών, τη φασματική διακριτική ικανότητα ή πλάτος των καναλιών και τη ραδιομετρική διακριτική ικανότητα. Για παράδειγμα, η τιμή ενός εικονοστοιχείου 8 bit, μπορεί να κυμαίνεται από 1 έως 256. Ο αριθμός των καναλιών μπορεί να κυμαίνεται από ένα (παγχρωματική εικόνα) έως πάνω από εκατό (υπερφασματική εικόνα). Οι πολυφασματικές εικόνες αποτελούνται από πολλά κανάλια. Η ιδανική εικόνα θα είχε υψηλή χωρική διακριτική ικανότητα και πολλά φασματικά κανάλια, αλλά η βελτιστοποίηση και των δύο ιδιοτήτων είναι μια τεχνολογική πρόκληση. Η χωρική διακριτική ικανότητα του σαρωμένου φιλμ περιορίζεται από το μέγεθος των φωτεινών ευαίσθητων κόκκων, το οποίο είναι περίπου 7μm. Μια σύγχρονη διακριτική ικανότητα σάρωσης θα ήταν 15μm. Η εφαρμογή ενός ημι-αυτόματου συστήματος ταξινόμησης για τριών καναλιών ψευδοχρωματικές NIR εικόνες, ανεπτυγμένου για τις θίνες των ολλανδικών ακτών, απαιτεί μέγεθος εικονοστοιχείου 20cm (Droesen, 1999). Αυτή η ανάλυση θα μπορούσε να επιτευχθεί με τη χρήση αεροφωτογραφιών κλίμακας 1:15.000 (Van der Hagen and van Til, 2001). Η χρήση τέτοιας κλίμακας για την παραγωγή υψηλής ανάλυσης ορθοφωτογραφιών είναι πολύ οικονομικά αποδοτική σε σύγκριση με μεγαλύτερης ανάλυσης εικόνες, αλλά το πλεονέκτημα των τελευταίων είναι η πολύ καλύτερη εφαρμοσιμότητά τους για άμεση από τον ερευνητή στερεο-ερμηνεία. Οι ψηφιακές κάμερες έχουν ίδιες αναλύσεις και έχουν το πλεονέκτημα της υπερπήδησης της σάρωσης που μειώνει την ποιότητα καθώς και την ικανότητα καταγραφής σε τρία οπτικά κανάλια και στο εγγύς υπέρυθρο. Οι γραμμικοί σαρωτές, σε αντίθεση με τις κάμερες λήψης, αποτελούνται από μια συστοιχία χωρικών αισθητήρων ανά φασματικό κανάλι και οι εικόνες “χτίζονται” σταδιακά καθώς το αεροπλάνο προχωράει. Οι περισσότεροι υπερφασματικοί σαρωτές ή τα φασματόμετρα εικόνας ανήκουν σ’ αυτή την κατηγορία αισθητήρων. Οι υπερφασματικοί σαρωτές του εμπορίου έχουν περίπου 100 με 300 κανάλια και χωρική διακριτική ικανότητα μέχρι 2,2nm. Αλλά ένας μεγαλύτερος αριθμός καναλιών μπορεί να επιτευχθεί με τη μείωση της διακριτικής ικανότητας λόγω του χρόνου που απαιτείται από τα ευαίσθητα στοιχεία (Charge Coupled Device) για την επίτευξη ενός αποδεκτού σήματος ως προς την αναλογία του θορύβου. Οι εικόνες που αποκτώνται από γραμμικούς σαρωτές ή κάμερες λήψης συνεπάγονται, επίσης, διαφορετικές διαδικασίες γεωαναφοράς. Οι εικόνες της κάμερας, στις οποίες μια μεγάλη επιφάνεια καταγράφεται ταυτόχρονα, είναι γεωμετρικά σταθερές και μπορούν να υποστούν γεωαναφορά και διόρθωση με μεγάλη ακρίβεια (ανάλογα και με την τοπογραφία). Οι σαρωμένες εικόνες είναι πολύ πιο ευαίσθητες στις κινήσεις του αεροσκάφους και η γεωαναφορά απαιτεί λεπτομερή GPS και INS δεδομένα (Inertial Navigation System). Στην πράξη, η καλύτερη γεωμετρική ακρίβεια που μπορεί να επιτευχθεί φαίνεται να είναι περίπου δύο εικονοστοιχεία ή αρκετά μέτρα (Aspinall et al., 2002).
Ταξινόμηση εικόνων
Η επιτυχία της αυτοματοποιημένης ταξινόμησης των εικόνων βασίζεται πρωτίστως στη φασματική ομοιογένεια. Οι εικόνες παρουσιάζουν διαφοροποίηση στο χρώμα ή στις τιμές της ανάκλασης λόγω των τοπικών ατμοσφαιρικών συνθηκών, τη γωνία πρόσπτωσης της ηλιακής ακτινοβολίας, την ελάττωση του φωτός προς τα περιθώρια της εικόνας, κτλ., οπότε χρειάζεται να διορθωθούν ραδιομετρικά. Η διόρθωση σε πραγματικές τιμές ανάκλασης απαιτεί πληροφορίες για τα χαρακτηριστικά της κάμερας ή του σαρωτή και μετρήσεις πεδίου. Αυτό το βήμα είναι χρήσιμο για υπερφασματικά δεδομένα αλλά συνήθως παραλείπεται σε περίπτωση ψευδοχρωματικών εικόνων. Η αυτοματοποιημένη ταξινόμηση μπορεί να είναι είτε επιβλεπόμενη είτε μη επιβλεπόμενη. Η επιβλεπόμενη ταξινόμηση βασίζεται σε φασματικές ομοιότητες μεταξύ εικόνας και περιοχών εκπαίδευσης (με γνωστό τύπο εδάφους). Η λειτουργικότητά της ευνοείται από την υψηλή φασματική ανάλυση που παρέχεται από τις υπερφασματικές εικόνες και από την υψηλή διακριτική ικανότητα, που μειώνει την εμφάνιση μπερδεμένων εικονοστοιχείων. Οι μη επιβλεπόμενες ταξινομήσεις δε χρησιμοποιούν εικονοστοιχεία ελέγχου και δημιουργούν τάξεις εικονοστοιχείων βασισμένες στις φασματικές ιδιότητές τους. Αυτό μπορεί να είναι χρήσιμο για την ανίχνευση των φασματικών διαφορών μιας εικόνας, όμως μπορεί να είναι δύσκολος ο προσδιορισμός των λαμβανόμενων τάξεων. Μια άλλη διαφοροποίηση μπορεί να γίνει μεταξύ των μεθόδων ταξινόμησης που βασίζονται στα εικονοστοιχεία και εκείνων που βασίζονται στα αντικείμενα. Οι πρώτες αντιμετωπίζουν τα εικονοστοιχεία ως βασικά ταξινομικά στοιχεία, ενώ οι δεύτερες ομαδοποιούν τα εικονοστoιχεία σε αντικείμενα πριν από την ταξινόμηση (τμηματοποίηση των εικόνων). Και οι δύο μέθοδοι μπορούν να είναι είτε επιβλεπόμενες είτε μη επιβλεπόμενες (De Jong and Van der Meer, 2004). Στην Ολλανδία, τα πρώτα βήματα για την ψηφιακή ερμηνεία των εικόνων έγιναν τη δεκαετία του ’90. Ψευδοχρωματικές αεροφωτογραφίες χρησιμοποιήθηκαν για ημι-αυτόματες ταξινομήσεις της βλάστησης σε ξηρές παράκτιες αμμοθίνες (Assendorp and Van der Meulen, 1994; Droesen et al., 1995). Ένας ασαφής ταξινομικός αλγόριθμος αναπτύχθηκε για να διακρίνει πέντε ποώδεις τύπους βλάστησης, βασισμένος σε δομικά χαρακτηριστικά. Η εξακρίβωση με δεδομένα πεδίου οδήγησε σε συντελεστές συσχέτισης από 0,8 έως 0,9 (Droesen, 1999). Ο Janssen (2001) χρησιμοποίησε πολυφασματικές CAESAR εικόνες με διακριτική ικανότητα 0,5m για την ταξινόμηση σε επτά τάξεις της βλάστησης αλμυρών ελών και πέτυχε μια συνολική ακρίβεια 75%. Οι υπερφασματικές GER EPS-A εικόνες με μέγεθος εικονοστοιχείου 5m χρησιμοποιήθηκαν στην ταξινόμηση της βλάστησης των θινών από τους De Lange et al. (2004). Στη μελέτη αυτή 22 τάξεις βλάστησης χαρτογραφήθηκαν με ακρίβεια από 60 έως 70%. Ένα ειδικό σύστημα με πρόσθετες οικολογικές πληροφορίες χρησιμοποιήθηκε για την επίτευξη των μέγιστων δυνατών ακριβειών. Οι Schmidt et al. (2004) χρησιμοποίησαν δεδομένα HYMAP με 3,5m διακριτική ικανότητα για τη χαρτογράφηση της βλάστησης των αλμυρών ελών. Μια ολική ακρίβεια του 40% επιτεύχθηκε για 19 τύπους βλάστησης. Η ενοποίηση με πρόσθετα δεδομένα υψομετρίας λέιζερ αύξησε την ακρίβεια στο 66%. Αρκετές εικόνες είναι διαθέσιμες για τις βελγικές ακτές αλλά η ταξινόμηση βρίσκεται σε αρχικό στάδιο. Κατά τη διάρκεια του καλοκαιριού του 2004, οι θίνες και τα αλμυρά έλη των βελγικών ακτών μελετήθηκαν με υπερφασματικό AISA-Eagle αισθητήρα. Οι εικόνες ταξινομούνται στην παρούσα στιγμή (cf. Bertels et al., 2005).
Επίλογος
Η χαρτογράφηση της παράκτιας βλάστησης με αυτόματη επεξεργασία εικόνων δεν έχει φτάσει σε ένα πλήρως λειτουργικό στάδιο στις πρακτικές διατήρησης, αν και η τρέχουσα γνώση και εμπειρία δείχνει ότι συγκεκριμένες τεχνικές ανταποκρίνονται πολύ καλά στο σκοπό αυτό. Στον πίνακα συνοψίζονται οι ιδιότητες και οι δυνατότητες της ταξινόμησης με τους κύριους τύπους εικόνων που σχετίζονται με τη χαρτογράφηση της βλάστησης. Αλλά, όπως περιγράφεται παρακάτω, η επιλογή μιας συγκεκριμένης εικόνας απαιτεί μια ενδελεχή εκτίμηση των διαφορετικών ποιοτήτων. Οι πολύ υψηλής διακριτικής ικανότητας ψευδοχρωματικές εικόνες ευνοούν ακριβείς ταξινομήσεις περιορισμένου αριθμού τύπων βλάστησης σε ξηρές ποώδεις θίνες και αλμυρά έλη. Λόγω της δυνατότητας για μεγάλη γεωμετρική ακρίβεια, οι εικόνες αυτές είναι κατάλληλες για την παρακολούθηση της δυναμικής της βλάστησης, για παράδειγμα σε σχέση με τη διαχείριση της βόσκησης. Μια εκτίμηση κόστους για τις θίνες της υδρονομικής εγκατάστασης του Άμστερνταμ (3500ha) αποκάλυψε ότι η παραγωγή με το χέρι ενός χάρτη βλάστησης θα ήταν κατά 75% πιο ακριβή. Στην Ολλανδία έχει αναπτυχθεί μια ενότητα του ArcView, ώστε να διευκολυνθεί η ευρεία χρήση της τεχνικής αυτής. Μέχρι τώρα, έχει χρησιμοποιηθεί κυρίως σαρωμένο φιλμ, αλλά στο (εγγύς) μέλλον, οι εικόνες από ψηφιακή κάμερα πιθανόν να παίζουν σημαντικό ρόλο λόγω της υψηλότερης ραδιομετρικής τους ποιότητας. Παρά τα πλεονεκτήματά τους, οι ψευδοχρωματικές εικόνες αναπαριστούν μόνο τρία (ευρεία) φασματικά κανάλια, γεγονός που μειώνει τη δυνατότητά τους για περαιτέρω βελτίωση στην ταξινόμηση των εικόνων. Οι φασματικές πληροφορίες περιλαμβάνονται στα κανάλια του κόκκινου και του εγγύς υπέρυθρου, τα οποία μόνο ασαφώς αντιπροσωπεύουν το “red edge”. Έτσι, οι τάξεις της βλάστησης που έχουν οριοθετηθεί ως τώρα αντιπροσωπεύουν τη δομή της βλάστησης. Σε οικοσυστήματα φτωχά σε είδη, όπως τα αλμυρά έλη, αυτό οδηγεί σε αρκετά ικανοποιητικά αποτελέσματα, όμως σε οικοσυστήματα με μεγάλη βιοποικιλότητα όπως αυτά των θινών, μόνο μια πολύ αδρή εικόνα της βλάστησης μπορεί να αποκτηθεί. Τα υπερφασματικά δεδομένα περιέχουν πιο λεπτομερείς πληροφορίες για διαφορετικές πλευρές της βλάστησης. Η δουλειά του Schmidt (2003) έδειξε ότι οι περισσότερες τάξεις της βλάστησης των ελών μπορούν να διακριθούν φασματικά, τουλάχιστον με φασματοσκοπικές μετρήσεις πεδίου. Το πακέτο δεδομένων με φάσματα πεδίου της βλάστησης των θινών δεν είναι ακόμα μεγάλο και τα πρώτα αποτελέσματα υποδεικνύουν φασματική επικάλυψη μεταξύ των τύπων της βλάστησης. Αυτό είναι λογικό αν συγκρίνουμε τον αριθμό των ειδών των δύο συστημάτων. Η βλάστηση των αλμυρών ελών μπορεί να χαρακτηριστεί αρκετά καλά με τη χρήση περίπου 15 ειδών, ενώ οι ξηρές θίνες θα απαιτούσαν τουλάχιστον 50 είδη. Μια λεπτομερής καμπάνια για τις μετρήσεις της επίγειας ανάκλασης της βλάστησης των θινών είναι επιθυμητή και θα αποκαλύψει κάποιες πιθανότητες και περιορισμούς της υπερφασματικής τηλεπισκόπησης. Παρ’ όλ’ αυτά, λόγω της χαμηλότερης φασματικής και χωρικής διακριτικής ικανότητας και της ατμοσφαιρικής παραμόρφωσης στις αεροφωτογραφίες, οι μετρήσεις πεδίου θα είναι πάντα υψηλότερης ποιότητας, αντιπροσωπεύοντας τη μέγιστη εφικτή φασματική ικανότητα διαχωρισμού. Σήμερα, η χρήση υπερφασματικών εικόνων για την τηλεπισκόπηση της παράκτιας βλάστησης δεν είναι ακόμα προφανής λόγω της εξαναγκασμένης χωρικής διακριτικής ικανότητας, τις δυσκολίες στη γεωαναφορά και του σχετικά μεγάλου κόστους. Η ακρίβεια της γεωαναφοράς είναι πολύ μεγάλης σημασίας για τη συσχέτιση εικόνων με GPS αναφερμένα δεδομένα επαλήθευσης από το πεδίο και φαίνεται ότι είναι εμπόδιο στα πρόσφατα προγράμματα τηλεπισκόπησης (cf. De Lange et al., 2004; Schmidt, 2003; Jacobson et al., 2000). Κάθε εφαρμογή χρειάζεται μια θεμελιώδη εκτίμηση για τον αν είναι σημαντικότερη η χωρική ή η φασματική διακριτική ικανότητα, αντανακλώντας τη στάθμιση στην ταξινόμηση και τη γεωμετρική ακρίβεια. Μια ακόμη επιλογή του χρήστη σχετίζεται με τη στάθμιση μεταξύ της ακρίβειας της ταξινόμησης και των λεπτομεριών στις επεξηγήσεις των τάξεων. Οι παραγωγοί του χάρτη έχουν την ευθύνη να υποδείξουν τις πιθανότητες, ενώ οι χρήστες μπορούν να αποφασίσουν αν η αβεβαιότητα είναι αποδεκτή στον ίδιο το χάρτη ή στις τάξεις που αντιπροσωπεύει. Σε μελλοντικές μελέτες, μια ποικιλία τεχνικών χρειάζεται να υποστεί έλεγχο ή επεξεργασία. Από τη μία πλευρά, αυτές σχετίζονται με την επεξεργασία των εικόνων ή την ταξινόμηση. Τεχνικές που λαμβάνουν υπόψιν τους τούς χωρικούς τομείς (π.χ. τμηματοποίηση εικόνων – image segmentation), τεχνικές επιλογής χαρακτηριστικών (π.χ. ανάλυση μικροκυμάτων – wavelet analysis) και μέθοδοι υπο-εικονοστοιχείων (sub-pixel) είναι μερικά μόνο παραδείγματα. Από την άλλη μεριά, πολλές μελέτες ανέδειξαν τη σημασία των βοηθητικών δεδομένων. Η ταξινόμηση των αλμυρών ελών συγκεκριμένα φαίνεται να βελτιώνεται σημαντικά με τη βοήθεια των Ψηφιακών Μοντέλων Εδάφους (Digital Terrain Models) που παραλαμβάνονται από υψομετρία λέιζερ (Brown, 2004; Schmidt, 2003). Στις θίνες τα δεδομένα υψομέτερου θα πρέπει να χρησιμοποιούνται πιο προσεκτικά και κατά προτίμηση σε συσχέτιση με την υδρολογία (Thackrah et al., 2002; De Lange et al., 2004). Τέλος, το ύψος των θόλων που προκίπτει από τη σάρωση με λέιζερ (Ritchie et al., 2001) μπορεί να παρέχει πολύ χρήσιμες συμπληρωματικές πληροφορίες για τη χαρτογράφιση της βλάστησης.
