Χρήση του Sentinel-2 για ταξινόμηση δασών σε Μεσογειακά οικοσυστήματα
Από RemoteSensing Wiki
Χρήση του Sentinel-2 για ταξινόμηση δασών σε Μεσογειακά οικοσυστήματα
Πρωτότυπος τίτλος: Use of Sentinel-2 for forest classification in Mediterranean environments
Συγγραφείς: Nicola Puletti, Francesco Chianucci, Cristiano Castaldi
Δημοσιεύθηκε: Annals of Silvicultural Research, November 2017, DOI: 10.12899/ASR-1463
Σύνδεσμος πρωτότυπου κειμένου: [1]
Λέξεις-Κλειδιά: Ταξινόμηση δασών, Ευρωπαϊκού τύπου δάση, πολυφασματική δορυφορική απεικόνιση, Jeffries-Matusita (J-M) distance test, Τυχαίο δάσος
Εισαγωγή
Η ταξινόμηση των δασικών κατηγοριών και τύπων, και οι χωρικά σαφείς πληροφορίες για τη δασική δομή και σύνθεση, παρέχουν πολύτιμα στοιχεία για την εκπλήρωση επιστημονικών, οικολογικών στόχων και τη συστηματική παρακολούθηση και διαχείριση των δασικών οικοσυστημάτων. Προκειμένου να μπορέσουμε να απαντήσουμε σε ένα μεγάλο εύρος οικολογικών ερωτημάτων σε σχέση με: τον προσδιορισμό των δασικών τύπων ή/και των διαδοχικών σταδίων ανάπτυξης, το ρυθμό αναδάσωσης ή αποψίλωσης, τη λειτουργική σύνθεση των δασών και τις παγκόσμιες περιβαλλοντικές μεταβολές, είναι πολύ σημαντικό να έχουμε ανοιχτή πρόσβαση σε υψηλής ποιότητας τηλεπισκοπικά δεδομένα, από δορυφορικούς αισθητήρες με μεγάλη συχνότητα επανεπίσκεψης της ίδιας περιοχής. Με αυτόν τον τρόπο, είναι δυνατό να επιτευχθεί μεγαλύτερη ακρίβεια στην ταξινόμηση των δασικών τύπων και επομένως, ορθότερη και λεπτομερέστερη χαρτογράφηση των δασικών οικοσυστημάτων. Γεγονός ιδιαιτέρως σημαντικό όσον αφορά τα Μεσογειακά δασικά οικοσυστήματα, καθώς χαρακτηρίζονται από μεγάλο αριθμό φυτικών ειδών, μεταβλητές πυκνότητες θόλων και την παρουσία ποικίλων διαφορετικών φαινολογικών προτύπων, περιπλέκοντας τη διαδικασία της ταξινόμησης από οπτικές δορυφορικές απεικονίσεις.
Ο ευρωπαϊκός δορυφόρος Sentinel-2 (S2), η αποστολή του οποίου ξεκίνησε τον Ιούνιο του 2015, μπορεί να συνδυάσει την υψηλή χωρική ανάλυση, με την ευρεία κάλυψη και τη μεγάλη συχνότητα επανεπίσκεψης (περίπου 5 ημέρες), προσφέροντας πρωτοφανείς ευκαιρίες για τη λεπτή διάκριση των κλάσεων κάλυψης γης, την ακριβή ταξινόμηση των δασικών τύπων και τη συστηματική παρακολούθησή τους σε μεσαίες-μεγάλες κλίμακες.
Κύριος στόχος της παρούσας μελέτης ήταν να αξιολογηθεί η ικανότητα των λειτουργικών δεδομένων του S2 να ταξινομήσουν τόσο τις δασικές κατηγορίες (αμιγή δάση κωνοφόρων, αμιγή δάση πλατύφυλλων, μεικτά δάση) όσο και τους ευρωπαϊκούς δασικούς τύπους (European Forest Types- EFT), σε ένα Μεσογειακό οικοσύστημα. Λόγω της παρουσίας διαφορετικών φαινολογικών προτύπων στα Μεσογειακά δάση, έγινε επίσης σύγκριση της χρήσης των πολυ-χρονικών δεδομένων (multitemporal data) έναντι των δεδομένων στιγμιαίας απεικόνισης (single time data), ως προς την αποτελεσματικότητα της συγκεκριμένης ταξινόμησης.
Περιοχή μελέτης
Η μελέτη διεξήχθη σε μία εκτεταμένη δασική περιοχή (περίπου 470 km2), στο ανατολικό τμήμα της περιφέρειας της Τοσκάνης (Εικόνα 1). Δημιουργήθηκε μια περιοχή ενδιαφέροντος (Region Of Interest- ROI) από 1.061 δασικές συστάδες (stands), κατανεμημένες σε τρία δασικά διαμερίσματα (3.960 εκταρίων). Σύμφωνα με την Ευρωπαϊκή ταξινόμηση, η περιοχή καλύπτεται από τους εξής δασικούς τύπους: α) Ορεινό δάσος οξιάς Απέννινων-Κορσικής (EFT 7.3), (13,4%), β) Δάση καστανιάς (EFT 8.7), (35,3%), γ) Υποαλπικό και ορεινό δάσος ερυθρελάτης, και ορεινό μεικτό δάσος ερυθρελάτης- λευκής ελάτης (EFT 3.2), (8,9%) και δ) Δάση δρυών (Quercus cerris, Q. frainetto, Q. petraea) (EFT 8.2), (38,1%).
Υλικά και Μέθοδοι
Από τα 13 διαθέσιμα φασματικά κανάλια του S2, χρησιμοποιήθηκαν μόνο τα κανάλια με υψηλή χωρική διακριτική ικανότητα, της τάξεως των 10 και 20m (Πίνακας 1). Πραγματοποιήθηκε λήψη τριών λειτουργικών S2 απεικονίσεων (Level-1C Top-of-Atmosphere reflectance products) από το Scientific Hub, οι οποίες κάλυπταν διαφορετικές φαινολογικές περιόδους (χειμώνας, άνοιξη, καλοκαίρι). Η επαναδειγματοληψία τους έγινε σε χωρική ανάλυση της τάξης των 10m από την πλατφόρμα εφαρμογής του Sentinel (SNAP), η οποία διατίθεται στο δικτυακό τόπο του ESA. Τα δέκα κανάλια εισήχθησαν σε λογισμικό ENVI, και στη συνέχεια συνενώθηκαν και περικόπηκαν στην περιοχή ενδιαφέροντος.
Σε ένα πρώτο βήμα ανάλυσης, προσδιορίστηκε η ικανότητα ταξινόμησης των περιοχών ενδιαφέροντος (ROI) ξεχωριστά για τις τρεις διαφορετικές δορυφορικές απεικονίσεις (χειμώνας, άνοιξη, καλοκαίρι), με επαναδειγματοληψία των S2 καναλιών στα 10m, με και χωρίς την επιπλέον χρήση τεσσάρων δεικτών βλάστησης (Πίνακας 2). Για την αξιολόγηση χρησιμοποιήθηκε ο δείκτης συγγένειας Jeffries-Matusita (J-M). Τιμές του J-M μεγαλύτερες του 1,8 υποδεικνύουν στατιστικά καλό διαχωρισμό μεταξύ των ROI. Σε ένα επόμενο στάδιο, έγινε σύνθεση των τριών S2 απεικονίσεων και η ανάλυση επαναλήφθηκε, ώστε να διερευνηθεί το κατά πόσον η χρήση πολύ-χρονικών δεδομένων θα βελτιώσει τη δασική ταξινόμηση. Η καλύτερη διευθέτηση (configuration) με βάση τον J-M, χρησιμοποιήθηκε στη συνέχεια για την ταξινόμηση των S2 απεικονίσεων με τη μέθοδο του «Τυχαίου Δάσους».
Τα εικονοστοιχεία των ROI χωρίστηκαν τυχαία σε σύνολα κατάρτισης (περιοχών εκπαίδευσης) και σύνολα επικύρωσης (Πίνακας 3 & Πίνακας 4), σε ποσοστό 70% και 30% αντίστοιχα. Η ανάλυση της ταξινόμησης πραγματοποιήθηκε με χρήση του πακέτου 'randomForest' στην γλώσσα προγραμματισμού R (R Core Team, 2017). Το μοντέλο «Τυχαίου Δάσους» χτίστηκε πάνω στα σύνολα κατάρτισης. Για τον υπολογισμό της συνολικής ακρίβειας (OA), της ακρίβειας παραγωγού (PA), της ακρίβειας χρήστη (UA) και του συντελεστή Kappa της ταξινόμησης χρησιμοποιήθηκε ο πίνακας συνάφειας, ο οποίος προέκυψε ύστερα από εφαρμογή του μοντέλου σε ολόκληρο το σετ επικύρωσης.
Τέλος, το επικυρωμένο μοντέλο εφαρμόστηκε στο σύνολο της περιοχή μελέτης (470 km2) και παρήχθησαν χάρτες χωρικής ανάλυσης 10 m τόσο για τις δασικές κατηγορίες όσο και για τους δασικούς τύπους (EFTs).
Αποτελέσματα
Τα αποτελέσματα του δείκτη Jeffries-Matusita για τα ζεύγη των δασικών κατηγοριών και τα ζεύγη δασικών τύπων παρουσιάζονται στους πίνακες 5 και 6, αντίστοιχα. Η χρήση πολυ-χρονικών δεδομένων με τη συμπερίληψη δεικτών βλάστησης έδωσε τα καλύτερα αποτελέσματα σε σχέση με την ταξινόμηση των δασικών κατηγοριών, ενώ η χρήση των μεμονωμένων στιγμιαίων απεικονίσεων από τα 10 κανάλια (single images) δεν ήταν δυνατό να ξεχωρίσει τα μεικτά από τα αμιγή δάση. Η χρήση στιγμιαίων απεικονίσεων (άνοιξης και καλοκαιριού) επαρκούσε για τον αποτελεσματικό διαχωρισμό μεταξύ όλων των δασικών τύπων, με εξαίρεση τα δάση δρυών και καστανιάς, και παρουσίαζε σημαντική βελτίωση με την επιπλέον χρήση του δείκτη RENDVI.
Η καλύτερη διευθέτηση για τις δασικές κατηγορίες και τους δασικούς τύπους περιελάμβανε αντιστοίχως: 33 επίπεδα (10 κανάλια για τον χειμώνα, 10 για την άνοιξη, 10 για το καλοκαίρι και τους 3 δείκτες RENDVI) και 22 επίπεδα (10 κανάλια για την άνοιξη, 10 για το καλοκαίρι και 2 δείκτες RENDVI), τα οποία χρησιμοποιήθηκαν ξεχωριστά ως μεταβλητές εισόδου στο «Τυχαίο Δάσος» (Εικόνα 2). Η μήτρα σύγχυσης και τα αποτελέσματα ακρίβειας της ταξινόμησης RF παρουσιάζονται στους Πίνακες 7,8,9 και 10. Η συνολική ακρίβεια για τις δασικές κατηγορίες αντιστοιχεί σε ποσοστό 86,2% και για τους δασικούς τύπους σε 92,7%. Οι χάρτες που προέκυψαν ύστερα από την εφαρμογή των επικυρωμένων μοντέλων στο σύνολο της περιοχής μελέτης παρουσιάζονται στην Εικόνα 3.
Συζήτηση & Συμβολή της Τηλεπισκόπησης
Η χρήση τηλεπισκοπικών δεδομένων από το δορυφόρο Sentinel-2 μπορεί να αποτελέσει μια αποτελεσματική επιλογή για τη συστηματική παρακολούθηση και τη χαρτογράφηση των Μεσογειακών δασικών οικοσυστημάτων σε μεσαία-μεγάλη κλίμακα. Ο S2 παρουσιάζει μια σειρά από σημαντικά πλεονεκτήματα, τα οποία προσφέρουν τη δυνατότητα για μεγάλης ακρίβειας ταξινόμηση μεταξύ των δασικών τύπων, με σημαντικότερα τα εξής: την υψηλή διακριτική ικανότητα των φασματικών του καναλιών (10 και 20m), τη μεγάλη συχνότητα επανεπίσκεψης και τη δυνατότητα συμπερίληψης τεσσάρων καναλιών «κόκκινης ακμής» (red-edge bands).