Χρήση του eCognition για καλύτερη διαχείριση και παρακολούθηση δασών.
Από RemoteSensing Wiki
Add Your Content Here
Με τη χρήση υψηλής ανάλυσης
δορυφορικών εικόνων (IKONOS, Quick Bird)
είναι πιθανό να εντοπιστεί το είδος δασικής
κάλυψης και η αλλαγή στο περιβάλλον από ότι µε
συµβατικά δεδοµένα (εικόνες χαµηλής
ανάλυσης). Όµως η υψηλή ανάλυση αυτών των
εικόνων κάνει µια ταξινόµηση που βασίζεται
µόνο στα φασµατικά χαρακτηριστικά δύσκολη.
Οι τεχνικές αντικειµενοστραφούς
ταξινόµησης ξεπερνούν αυτό το πρόβληµα µε
το να ενσωµατώνουν τόσο φασµατικά όσο και
χωρικά χαρακτηριστικά.
Στην συγκεκρι µένη έρευνα
χρησιµοποιήθηκε ένα ψηφιακό µοντέλο
εδάφους του IKONOS (πανγχρωµατική εικόνα,
πολυφασµατικά δεδοµένα,διαχωριστική
ικανότητα 1m, επεξεργασία: όξυνση). Στόχος
είναι η δηµιουργία διακριτών περιοχών σε
δασική έκταση για επέµβαση.
Η ακρίβεια των αποτελεσµάτων δείχνει
καλύτερα αποτελέσµατα από αυτά που παράγει µια
pixel-based ταξινόµηση. Τα αποτελέσµατα δείχνουν
ότι µια αντικειµενοστραφής ταξινόµηση µπορεί να
συνεισφέρει σηµαντικά στη και στη λήψη
αποφάσεων και τη διαχείριση των δασών.
Author:
Author Masami Shiba, Akemi Itaya Field Science Education and Research Center, Kyoto Uni- versity, Japan Graduate School of Bioagricultural Sciences, Na- goya University, Japan E-mail: mshiba@kais.kyoto-u.ac.jp
ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ-EIKONA:
Κεντρική Ιαπωνία, περιοχή Miyagawa. Εµβαδό: 1600 ha
Δορυφόρος: IKONOS
Πολυφασµατικά δεδοµένα διαχωριστικής ικανότητας: 1m
Χρόνος λήψης: 23 Νοεµβρίου 2004
DEM της περιοχής (50m)
ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ:
Δηµιουργήθηκε •ψευδέχρωµο σύνθετο,
•µια εικόνα που προέκυψε από πράξεις καναλιών και συγκεκριµένα από υπολογισµό του δείκτη βλάστησης (NDVI)
•To DEM τροποποιήθηκε στα 4m µε τη µέθοδο της διγραµµικής παρεµβολής για να ταυτίζεται µε την εικόνα του IKONOS
•Με την βοήθεια GIS δηµιουργήθηκαν τα αρχεία slope και aspect της µορφολογίας του εδάφους.
ΜΕΘΟΔΟΛΟΓΙΑ
Το έγχρωµο σύνθετο και η εικόνα του NDVI χρησιµοποιήθηκαν για να εξαχθεί πληροφορία κάλυψης εδάφους. Σε κάθε υψόµετρο ευδοκιµεί και άλλο είδος βλάστησης. Τα δεδοµένα υψοµέτρου και κλίσης εδάφους (slope και aspect) χρησιµοποιήθηκαν για να γίνει η κατάτµηση βάση του υψοµέτρου (άρα και της γνώσης του είδους βλάστησης που ευδοκιµεί σε κάθε τµήµα της εικόνας).
2. Κατάτµηση
A. Κατάτμηση ενός ψευδέγχρωμου σύνθετου που αποτελούταν από την εικόνα του NDVI για την περιοχή και τοπογραφικά δεδομένα (slope και aspect). Εδώ κάθε αντικείμενο που διακρίνεται στην εικόνα είναι και περιοχή διαφορετικού υψομέτρου καθώς ο χάρτης κλίσεων έχει διαβαθμισεις του γκρίζου ανάλογα με το υψόμετρο αλλά και διαφορετικής βλάστησης ανάλογα με τον δείκτη NDVI.
ΠΙΝΑΚΑΣ ΕΙΚΟΝΩΝ
| Στάδια | Εικόνες | ||
|---|---|---|---|
| Εσύστηµα παρακολούθησης πληµµύρας | ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ - ΕΙΚΟΝΑ |
  | |
| 1. Κατάτμηση |   | ||
| 2α. Ταξινόμηση (pixel-based) |   | ||
| 2β.Ταξινόμηση (object-based) |
   | ||
| Επιπλέον ανάλυση |
 | ||
