Χαρτογράφηση και Ανίχνευση Ορυκτών Πρώτων Υλών στη Μήλο
Από RemoteSensing Wiki
Πρωτότυπος Τίτλος: Γεωλογική χαρτογράφηση κ Ανίχνευση Ορυκτών Πρώτων Υλών με ανάλυση δορυφορικής εικόνας Hyperion. Περιοχή μελέτης: Κεντρική Μήλος
Συγγραφείς: Σταυρούλα Γιαννακοπούλου
Πηγή: https://dspace.lib.ntua.gr/xmlui/handle/123456789/51978
Λέξεις κλειδιά: Ταξινόμηση, Κλασματική κάλυψη, Hyperion, Φασματική υπογραφή, Ποιοτικός έλεγχος, Γεωλογικός σχηματισμός, Ορυκτές πρώτες ύλες, Υλικό-στόχος, Καθαρός στόχος, Χαρτογράφηση Αντικείμενο Εφαρμογής: Χαρτογράφηση και ανίχνευση ορυκτών πρώτων υλών με τη χρήση τηλεπισκόπησης
Περίληψη
Ως περιοχή μελέτης έχει οριστεί το κεντρικό τμήμα της Μήλου. Η χρήση μεθόδων τηλεπισκόπησης έχει στόχο αφενός τη χαρτογράφηση των γεωλογικών σχηματισμών (ρυολιθικών και ανδεσιτικών λαβών, ηφαιστειακών τόφφων, ασβεστόλιθων), και αφετέρου τον εντοπισμό των Ορυκτών Πρώτων Υλών (ΠΟΥ) (π.χ. περλίτη, μπετονίτη, καολίνη). Καθώς το νησί καλύπτεται σε μεγάλο μέρος από ηφαιστειακά πετρώματα, έχουν δημιουργηθεί βιομηχανικά ορυκτά, κάτι το οποίο εκμεταλλεύονται οικονομικά οι κάτοικοι. Η επιλογή του συγκεκριμένου νησιού, έγινε εξαιτίας του οικονομικού ενδιαφέροντος και της ύπαρξης μεγάλων εκτάσεων χωρίς βλάστηση.
Εισαγωγή
Η Μήλος βρίσκεται στο κεντρικό τμήμα του ενεργού ηφαιστειακού τόξου του νοτίου Αιγαίου. Άρα αποτελείται κυρίως από ηφαιστειακά προϊόντα, ενώ απαντώνται και κάποια πυροκλαστικά χερσαίας απόθεσης και τοφφίτες στο θαλάσσιο περιβάλλον. Επίσης στο ανατολικό τμήμα του νησιού έχουν δημιουργηθεί κοιτάσματα μπετονίτη, καολινίτη, σουλφιδίων και βαρύτη. Τα σημαντικότερα κοιτάσματα του νησιού που θα εντοπιστούν μέσω των τηλεσκοπικών μεθόδων είναι: ο μπετονίτης, ο περλίτης, η ποζολάνη, το πυριτικό, ο ζεόλιθος, ο καολίνης και η βαρυτίνη. Ο συνδυασμός γνώσεων από τον τομέα της γεωλογίας και αυτών της ψηφιακής τηλεπισκόπησης εφαρμόστηκε ώστε ο εντοπισμός των παραπάνω υλικών να καταστεί ευκολότερος και ακριβέστερος. Ο δορυφόρος Earth Observing (EO-1), που τέθηκε πρώτη φορά σε τροχιά το 2000 από τη NASA, φέρει τον υπερφασματικό αισθητήρα Hyperion. Η εικόνα του Hyperion που επιλέχθηκε, έχει χωρική ανάλυση 30 m, και φασματική ανάλυση που αντιστοιχεί στα 10 nm, και τραβήχτηκε στις 20/08/2001.
Μεθοδολογία
Σε οποιαδήποτε ερευνητική διαδικασία ξεκινούμε με το στάδιο της προεπεξεργασίας των εικόνων. Αυτό στοχεύει στο να λάβουμε τα επιθυμητά αποτελέσματα από τα προϊόντα της υπερφασματικής αναζήτησης. Επίσης θα οδηγήσει στην κατάλληλη επιλογή καναλιών (bad bands), ώστε να μειωθεί η διαστατικότητα (dimensionality) των δεδομένων και της υπολογιστικής πολυπλοκότητας (computational complexity). Πραγματοποιήθηκε λοιπόν φασματική, ραδιομετρική, γεωμετρική και ατμοσφαιρικές διορθώσεις της εικόνας, ώστε να μετατραπεί η ακτινοβολία (radiance) σε ανακλαστικότητα επιφάνειας (reflectance). Τέλος, εξήχθησαν τα χαρακτηριστικά PCA, MNF και συντελεστής συσχέτισης, για μετέπειτα χρήση.
Η εικόνα 1 εμφανίζει έναν συνδυασμό καναλιών RGB 321, ενώ η εικόνα 2 δείχνει την υγιή βλάστηση του νησιού με τον συνδυασμό RGB 432. Έχουν δε ληφθεί από τον δορυφόρο Landsat 5 TM. Ακολούθησε επιλογή και κατηγοριοποίηση των πετρωμάτων και ορυκτών, σύμφωνα με το γεωλογικό χάρτη της Μήλου (εικ.3). Οι διαδικασίες φασματικού διαχωρισμού που εφαρμόστηκαν είναι οι SFF (Spectral Feature Fitting) και MTMF (Mixture Tuned Matched Filtering), ενώ οι μέθοδοι ταξινόμησης είναι οι Spectral Angle Mapper και Mahalanobis distance, ολόκληρου του εικονοστοιχείου.
Η επιλογή των υλικών-στόχων είναι απαραίτητο να γίνει σωστά για να χαρτογραφηθεί σωστά η εικόνα. Ονομάζονται δε «καθαροί στόχοι». Για την πραγματοποίηση αυτού χρησιμοποιήθηκαν φασματικές υπογραφές των ορυκτών και των πετρωμάτων ενδιαφέροντος από τις διαθέσιμες φασματικές βιβλιοθήκες (USGS, THU κλπ) ή φασματικές υπογραφές από τις περιοχές ενδιαφέροντος (regions of interest ή ground truth points), που συλλέχθηκαν μέσω οπτικού ελέγχου και τη βοήθεια του γεωλογικού χάρτη. Επιπλέον, μέσω της διαδικασίας Spectral Hourglass Wizard του λογισμικού ENVI, οι καθαροί στόχοι καθορίστηκαν με αυτόματη εξαγωγή, όπως για παράδειγμα στη μετασχηματισμένη Minimum Noise Fraction (MNF) εικόνα με 15 κανάλια.
Η μέθοδος φασματικού διαχωρισμού Spectral Feature Fitting είναι μια από τις βασικές μεθόδους ανάλυσης με ανάλυση ολόκληρου του εικονοστοιχείου (whole pixel ή per-pixel method). Ο αλγόριθμος βασίζεται στα χαρακτηριστικά απορρόφησης των φασματικών στόχων και έτσι δηλώνεται εάν βρίσκονται σε αφθονία στην υπερφασματική εικόνα. Βασική αρχή της μεθόδου είναι η σύγκριση του φάσματος του εικονοστοιχείου με το γνωστό φάσμα αναφοράς, που έχει επιλεγεί. Έτερη μεθοδολογία είναι η υβριδική Mixture Tuned Matched Filtering (MTMF). Από αυτήν προκύπτουν οι κλασματικές καλύψεις των ύπο-εικονοστοιχείων για κάθε φασματική υπογραφή. Ο αλγόριθμος MTMF συνδυάζει πλεονεκτήματα των τεχνικών Matched Filtered (MF) και Linear Spectral Unimixing (LSU) και προστίθεται και η μεταβλητή infeasibility. Ο τελευταίος αλγόριθμος ανιχνεύει λεπτές αλλαγές στα φάσματα και υπογραμμίζει τις πιο feasible περιοχές. Τα πιο ακριβή αποτελέσματα προέκυψαν από τη μεθοδολογία MTMF η οποία δίνει μεγαλύτερα ποσοστά αφθονίας και είναι πιο αξιόπιστη για κλασματικές καλύψεις των καθαρών στόχων.
Στο επόμενο στάδιο έγινε ταξινόμηση μέσω Spectral Angle Mapper (SAM) και Mahalanobis distance ολόκληρου του εικονοστοιχείου. Η SAM είναι μέθοδος αυτόματης επιβλεπόμενης ταξινόμησης και λειτουργεί με ανακλαστικότητα επιφάνειας. Η μέθοδος Mahalanobis distance έχει πολλές ομοιότητες με τις μεθόδους ταξινόμησεις Maximum Likelihood Classification (MNC) και Minimum Distance Classification. Η βασική της διαφορά με την MLC είναι πως θεωρεί το σύνολο συνδιακυμάνσεων ως ίδιο. Δημιουργήθηκε δε για την επίλυση των λανθασμένα ταξινομημένων δεδομένων με την ευκλείδεια απόσταση. Τα καλύτερα αποτελέσματα για τη SAM προέκυψαν στην ταξινόμηση της μετασχηματισμένης εικόνας MNF (Overall accuracy=54,9%), ενώ για τη Mahalanobis distance με τη χρήση της εικόνας από την MTMF.
Ποιοτικός Έλεγχος και Σύγκριση Αποτελεσμάτων
Ο ποιοτικός έλεγχος των αποτελεσμάτων έγινε με δύο τρόπους: 1) Κατασκευή πινάκων της συνολικής ακρίβειας της ταξινόμησης (overall accuracy) και των πινάκων error of omission-commission, και 2) Οπτικός έλεγχος. Οι πίνακες συνολικής ακρίβειας κατασκευάστηκαν ώστε το άθροισμα των ποσοστών να είναι ίσο με το 100%. Η συνολική ακρίβεια υπολογίζεται αθροίζοντας τον αριθμό των σωστά ταξινομημένων τιμών και διαιρώντας με το συνολικό αριθμό των τιμών που ελέγχονται. Τα σφάλματα προκύπτουν όταν τα εικονοστοιχεία δεν αναγνωρίστηκαν ως παρόντα και ταξινομούνται σε διαφορετική κλάση (omission error), αλλά και όταν είναι εσφαλμένα αναγνωρισμένα ως άλλες κλάσεις (commission error). Η ακρίβεια χαρτογράφησης είναι ο αριθμός των σωστά ταυτοποιημένων στοιχείων στο σύνολο της εμφανιζόμενης περιοχής, διαιρούμενος με αυτόν τον αριθμό μαζί με τα pixel omission-commission errors. Η απόδοση της συνολικής ακρίβειας της ταξινόμησης συμβάλλει στη σύγκριση των αποτελεσμάτων από διαφορετικές μεθόδους για την ίδια υπερφασματική εικόνα. Την συγκεκριμένη εργασία, επειδή η αξιολόγηση των μεθοδολογιών με τον ίδιο τρόπο δεν ήταν εφικτή, δεν υπήρξε ιδιαίτερη πρόοδος προς αυτή την κατεύθυνση.
Συμπεράσματα
Η νήσος Μήλος είναι πλούσια σε Ορυκτές Πρώτες Ύλες. Η ανάπτυξη των μεθόδων τηλεπισκόπησης ευνοείται εξαιτίας της μειωμένης βλάστησης και των διαθέσιμων πληροφοριών σε σχέση με τις θέσεις ενδιαφέροντος. Η μείωση των κλάσεων όπως των ρυολιθικών λαβών και των ηφαιστειακών τόφφων αυξάνει την ακρίβεια των μεθοδολογιών επιλογής. Όσον αφορά στα συμπεράσματα των βέλτιστων μεθόδων και αλγορίθμων που χρησιμοποιήθηκαν, έχουν αναφερθεί παραπάνω. Αν και δεν υπήρχε η δυνατότητα για έλεγχο δεδομένων σε επίγεια σημεία και περιοχών εκπαίδευσης στην ύπαιθρο (in-situ) ώστε να συνδεθούν με τα δορυφορικά δεδομένα, τα αποτελέσματα της ταξινόμησης και η δημιουργία χαρτών αφθονίας κρίνονται πολύ ενθαρρυντικά.
