Χωρική διανομή των μελισσοκομικών βοσκοτόπων με βάση το χρώμα των δορυφορικών εικόνων χρησιμοποιώντας ομαδοποίηση Κ-μέσων
Από RemoteSensing Wiki
Χωρική διανομή των μελισσοκομικών βοσκοτόπων με βάση το χρώμα των δορυφορικών εικόνων χρησιμοποιώντας ομαδοποίηση Κ-μέσων
Πηγή: ResearchGate (https://www.researchgate.net/publication/308973038_Spatial_Distribution_of_Honeybee_Forage_based_on_Color_Satellite_Image_Segmenting_using_K-Mean_Clustering )
Πρωτότυπος τίτλος: Spatial Distribution of Honeybee Forage based on Color Satellite Image Segmenting using K-Mean Clustering
Συγγραφείς: Rachid Sammouda, Ameur Touir, Fahman Saeed, Nuru Mohammed, Ahmed Al-Ghammidi
Λέξεις κλειδιά: Μελισσοκομία, Τροφή, Δορυφορικές Εικόνες, Τμηματοποίηση
Αντικείμενο Εφαρμογής
Αντικείμενο της εργασίας είναι ο προσδιορισμός των πραγματικών περιοχών για μελίσσια, με συγκεκριμένους χαρακτήρες όπως η πυκνότητα του πληθυσμού, η οικολογική κατανομή, η φαινολογία ανθοφορίας, βασισμένος σε έγχρωμες δορυφορικές εικόνες τμηματοποιημένες με χρήση Κ-μέσων ομαδοποίησης. Στην παρούσα εργασία παρουσιάζεται μια προσέγγιση για τον προσδιορισμό της πραγματικής παρουσίας ενός ειδικού τύπου δέντρων, όπως το δέντρο της ακακίας σε δορυφορικές εικόνες της περιοχής Al Baha.
Περιοχή Μελέτης
Η περιοχή μελέτης είναι στο Βασίλειο της Σαουδικής Αραβίας, η επαρχία Μπαά (Al Baha).
Εισαγωγή
Η μελισσοκομία είναι μία από τις σημαντικότερες οικονομικές δραστηριότητες για τις αγροτικές κοινότητες στη Σαουδική Αραβία. Η επιτυχία στη μελισσοκομία εξαρτάται από τη διαθεσιμότητα επαρκούς τροφής από την άποψη τόσο της ποιότητας όσο και της ποσότητας του νέκταρος και των κόκκων γύρης. Σε πολλές περιοχές του Βασιλείου, οι μέλισσες και οι μελισσοκόμοι υποφέρουν από εποχιακή ξηρασία, η οποία προκαλεί έλλειψη τροφών μελισσών. Αυτές οι συνθήκες οδηγούν πολλούς μελισσοκόμους να μεταφέρουν τις αποικίες τους από μια περιοχή σε άλλη, αναζητώντας καλύτερες πηγές νέκταρος και γύρης. Οι περιοχές τροφής παρέμειναν περίπου σταθερές σε αντίθεση με τη συνεχή αύξηση του αριθμού των αποικιών των μελισσών που τετραπλασιάστηκαν κατά την τελευταία δεκαετία. Είναι πολύ σημαντικό να προσδιοριστεί και να χαρακτηριστεί η μελισσοκομική τροφή της περιοχής από την άποψη της ποικιλομορφίας των ειδών: πυκνότητα πληθυσμού, οικολογική κατανομή και της ποιότητας και ποσότητας του νέκταρος και της γύρης που παράγονται από τα φυτά για να καθοδηγούν τους μελισσοκόμους. Η εικόνα 1 δείχνει μια προβολή χάρτη της Google των κοιλάδων που χρησιμοποιήθηκαν στις μελέτες. Αυτή χρησιμοποιήθηκε για τον ορισμό μιας αναπτυξιακής στρατηγικής για τη μελισσοκομία στο Βασίλειο της Σαουδικής Αραβίας χρησιμοποιώντας την κατάτμηση των δορυφορικών εικόνων.
Αλγόριθμος τμηματοποίησης K-μέσων
Η κατάτμηση εικόνων είναι η διαδικασία διαίρεσης εικόνων σε περιοχές με παρόμοια χαρακτηριστικά. Πρόκειται για ένα σημαντικό βήμα στην αλυσίδα ανάλυσης εικόνων με εφαρμογές στην αναγνώριση προτύπων, ανίχνευση αντικειμένων. Υπάρχουν επιχειρησιακά δορυφορικά συστήματα που δοκιμάζουν όλα τα διαθέσιμα μέρη του ηλεκτρομαγνητικού φάσματος με χωρική ανάλυση από 0,61 έως 1000 m. Η κατάτμηση των δορυφορικών εικόνων αποτελεί σημαντικό κομμάτι σε διάφορους ερευνητικούς τομείς, γεγονός που οδήγησε στη δημοσίευση διαφόρων μεθόδων στον τομέα αυτό. Ο αλγόριθμος K-Μέσων είναι ένας μη εποπτευόμενος αλγόριθμος ομαδοποίησης που ταξινομεί τα εισαγόμενα σημεία δεδομένων σε πολλαπλές κλάσεις με βάση την εγγενή απόσταση μεταξύ τους. Ο αλγόριθμος υποθέτει ότι τα χαρακτηριστικά δεδομένων σχηματίζουν ένα διανυσματικό χώρο και προσπαθεί να βρει φυσική ομαδοποίηση σε αυτά. Τα σημεία συγκεντρώνονται γύρω από τα κεντροειδή που λαμβάνονται με την ελαχιστοποίηση του στόχου.
Αποτελέσματα Τμηματοποίησης
Εφαρμόστηκε ο αλγόριθμος ομαδοποίησης K-μέσων σε δορυφορικές έγχρωμες εικόνες. Τα αποτελέσματα τμηματοποίησης δημιουργήθηκαν σε διαφορετικές εικόνες, παρουσιάζεται εδώ μια περίπτωση αυτών. Η εικόνα 2 δείχνει την εικόνα εισόδου στον αλγόριθμο ομαδοποίησης K-μέσων, ο οποίος αντιπροσωπεύεται στον υπολογιστή με τα τρία συστατικά του στο χρώμα RGB. Χρησιμοποιήθηκαν διαφορετικές τιμές k για την υπόδειξη της ακρίβειας του αλγορίθμου και της ευαισθησίας της μεθόδου. Η εικόνα 3 και η εικόνα 4 δείχνουν τα αποτελέσματα τμηματοποίησης της δορυφορικής έγχρωμης εικόνας, της εικόνας 2, που ελήφθη με τη χρήση κλασματοποιητή Κ-μέσων με k = 2 και k = 3, αντίστοιχα.
Ανάλυση Συμπλεγμάτων
Η ανάλυση των συμπλεγμάτων βασίζεται στη μέση τιμή κάθε συμπλέγματος, στην τμηματοποιημένη εικόνα, και στη μέση τιμή χρώματος που μπορεί να αντανακλάται από δέντρα ακακίας στις περιοχές μελέτης. Για την μεταγενέστερη τιμή, έχουν συλλεχθεί διαφορετικές εικόνες από το δέντρο της ακακίας, μέρος της καλλιέργειας της και υπολογισμός του μέσου όρου κάθε στοιχείου χρώματος στην περιοχή περικοπής. Ο Πίνακας 1 δείχνει το αποτέλεσμα ανάλυσης της πρώτης συστάδας στην τμηματοποιημένη εικόνα που φαίνεται στην εικόνα 3 που αντικατοπτρίζει την κατανομή των δέντρων ακακίας. Ο Πίνακας 2 δείχνει το αποτέλεσμα της ανάλυσης της δεύτερης συστάδας στην εικόνα 3, που αντικατοπτρίζει την κατανομή των δέντρων ακακίας. Ο Πίνακας 3 δείχνει το αποτέλεσμα της ανάλυσης κάθε τμηματοποιημένης εικόνας που αντικατοπτρίζει την κατανομή των δέντρων ακακίας στη δεύτερη συστάδα (k = 2). Οι υποψήφιες περιοχές που πρέπει να επισκεφθούν για τα δέντρα ακακίας είναι σχεδόν όμοιες στις δύο διαφορετικές τμηματοποιημένες εικόνες (k = 2, και k = 3).
Συμπεράσματα
Στο παρόν έγγραφο παρουσιάστηκε το αποτέλεσμα τμηματοποίησης των δορυφορικών εικόνων της επαρχίας Μπαά που αποκτήθηκε χρησιμοποιώντας τον αλγόριθμο τμηματοποίησης K-μέσων με δύο και τρεις συστοιχίες κατά μήκος των δεδομένων των καναλιών RGB. Η ανάλυση των διαχωρισμένων εικόνων παράγει υποψήφιες περιοχές που περιέχει δέντρα Ακακίας. Αυτό το αποτέλεσμα θα βοηθήσει τους μελισσοκόμους να καθοδηγήσουν τις αποικίες τους σε περιοχές που έχουν συγκεκριμένα χαρακτηριστικά, όπως η πυκνότητα του πληθυσμού, η οικολογική κατανομή και η φαινολογία ανθοφορίας.
