Χρήση των πολυφασματικών εικόνων Ikonos για τη διάκριση μεταξύ συμβατικών και οργώματος συντήρησης των γεωργικών πρακτικών

'''Πρωτότυπος Τίτλος:''' Use of Multispectral Ikonos Imagery for Discriminating between Conventional and Conservation Agricultural Tillage Practices

'''Συγγραφείς:''' Andris Viρa, Albert J. Peters, Lei Ji

'''Πηγή:''' PHOTOGRAMMETRIC ENGINEERING & REMOTE SENSING May 2003 537, https://www.asprs.org/publications/pers/2003journal/may/2003_may_537-544.pdf


'''Εισαγωγή'''

Αυτή η μελέτη ασχολείται με τη χρήση των τυποποιημένων διαδικασιών επεξεργασίας εικόνας που εφαρμόζονται σε μια πολυφασματική εικόνα Ikonos, για να καθορίσουν εάν είναι δυνατό να επικυρώσει ότι οι αγρότες έχουν συμμορφωθεί με τις συμφωνίες για να εφαρμόσουν τις πρακτικές οργώματος συντήρησης. Μια ανάλυση κύριων τμημάτων (principal component analysis - PCA) εκτελέσθηκε προκειμένου να απομονωθεί η διαφορά εικόνας στις καλλιεργημένες περιοχές. Οι στατιστικές διαδικασίες αναλύσεων της διαφοράς (ANOVA) χρησιμοποιήθηκαν για να αξιολογήσουν την ικανότητα κάθε καναλιού του Ikonos και κάθε κύριου τμήματος για να κάνουν διακρίσεις μεταξύ των συμβατικών πρακτικών και πρακτικών οργώματος συντήρησης. Ένα λογιστικό πρότυπο οπισθοδρόμησης εφαρμόστηκε στο κύριο συστατικό, που είναι αποτελεσματικότερο στη διάκριση μεταξύ του συμβατικού τρόπου και της συντήρησης, προκειμένου να παραχθεί ένας χάρτης πιθανότητας του συμβατικού οργώματος. Οι εικόνες του Ikonos, σε σχέση με πληροφορίες εδάφους, αποδείχθηκαν ένα χρήσιμο εργαλείο για την επαλήθευση των πρακτικών οργώματος συντήρησης 

Η μακροπρόθεσμη μετατροπή της χλόης και των δασικών εδαφών σε περιοχές συγκομιδής και το βοσκοτόπια έχει οδηγήσει όχι μόνο στις ιστορικές απώλειες εδαφολογικού άνθρακα παγκοσμίως αλλά έχει προσθέσει επίσης και πρόσθετο διοξείδιο του άνθρακα στην ατμόσφαιρα. Οι ατμοσφαιρικές συγκεντρώσεις CO2 μπορούν να χαμηλώσουν με τη μείωση των εκπομπών ή με το διαχωρισμός του; από την ατμόσφαιρα και την αποθήκευση τους ως εδαφολογικό άνθρακα. Ένας ενδεχομένως σημαντικός τρόπος του αυξανόμενου εδαφολογικού άνθρακα είναι μέσω της αποκατάστασης των υποβιβασμένων χωμάτων και με την υιοθέτηση της διαδεδομένης πρακτικής της συντήρησης του εδάφους, συμπεριλαμβανομένης της χρήσης του οργώματος συντήρησης (Falloom και λοιποί 1998, Uri και λοιποί 1999, Schlesinger 2000). 

Μία μέθοδος που θα μπορούσε αποτελεσματικά και οικονομικά να ενθαρρύνει τις προσπάθειες μετριασμού αερίου θερμοκηπίων είναι η παροχή ενός εμπορικού συστήματος με το οποίο οι εκπέμποντες άνθρακα θα μπορούν να αγοράσουν τις αποτελεσματικές πιστώσεις μετριασμού από άλλες που μπορούν είτε να αποφύγουν τις εκπομπές είτε να διαχωρίσουν τον άνθρακα από την ατμόσφαιρα, όπως οι αγρότες για την εφαρμογή των πρακτικών οργώματος συντήρησης.

Ένα τέτοιο εμπορικό σύστημα απαιτεί μια χαμηλού κόστους ακριβείας τεχνική για τη συμμόρφωση των συμμετεχοντων. Η επαλήθευση ενός τέτοιου εμπορικού συστήματος θα απαιτούσε χαμηλού κόστους μεθόδους για να εφαρμοστεί, και η τεχνολογία τηλεπισκόπησης προσφέρει μέσα για τέτοιες χαμηλές δαπάνες. Διάφορες τεχνικές τηλεπισκόπησης για τον διαχωρισμού του τύπου και της ποσότητας χρησιμοποιούν τη μέση υπέρυθρη ζώνη του φάσματος και έχουν τεκμηριωθεί στη λογοτεχνία (π.χ., Mcnairn και Protz, 1993 van Deventer και λοιποί., 1997 Nagler και λοιποί., 2000). Εντούτοις, ο μόνος λειτουργικός δορυφόρος που καλύπτει αυτήν την ζώνη του φάσματος είναι ο Thematic Mapper Landsat, ο οποιος έχει πολύ μικρή χωρική διακριτική ικανότητα (30 μ) και έναν σπάνιο κύκλο επανάληψης 16 ημέρες. Κατά συνέπεια, είναι απαραίτητο να καθιερωθούν  εναλλακτικές τεχνικές. 

Αυτό το έγγραφο στρέφεται στη δοκιμή της δυνατότητας στην τεχνολογία τηλεπισκόπησης για τη διάκριση μεταξύ των πρακτικών συμβατικού και οργώματος συντήρησης. Ο στόχος μας ήταν να χρησιμοποιήσουμε τις τυποποιημένες διαδικασίες επεξεργασίας εικόνας για να καθοριστεί εάν είναι δυνατό να επικυρωθεί ότι οι αγρότες έχουν συμμορφωθεί με τις συμφωνίες για να εφαρμόσουν τις πρακτικές οργώματος συντήρησης. Για αυτόν το λόγο, τα κανάλια του ορατού και του εγγύς υπέρυθρου μιας εικόνας Ikonos (28 Μαρτίου 2000) χρησιμοποιήθηκαν. Οι συγκεκριμένοι στόχοι του προγράμματος ήταν (1) να αξιολογηθεί η χρησιμότητα της δορυφορικής εικόνας Ikonos για τη διάκριση των πρακτικών οργώματος σε καλλιέργεια καλαμποκιού και σόγια, και (2) να ερευνηθεί η δυνατότητα των αλγορίθμων επεξεργασίας των εικόνων ώστε να μπορούν να ενισχύσουν την ικανότητα για διακρίσεις μεταξύ των πρακτικών οργώματος. 


''' Μέθοδοι '''

Το πρόγραμμα πραγματοποιήθηκε στα αγροκτήματα στο δήμο Deep Well, κοντά στη δυτική άκρη της κομητείας του Χάμιλτον, Νεμπράσκας, περίπου 2 μιλίων νότια και ανατολικά του ποταμού Platte (πίνακας 1). Ποικίλες πρακτικές οργώματος χρησιμοποιούνται στην περιοχή, αλλά για την απλότητα, ταξινομήθηκαν σε μια δυαδική μορφή ως είτε συμβατικό είτε ως όργωμα συντήρησης  όπως καθορίστηκε από τους αγρότες στην περιοχή μελέτης. Ο απλούστερος κανόνας απόφασης είναι επαρκής να ελέγξει τη συμμόρφωση του συμβατικού οργώματος. 

[[Εικόνα:02_1.jpg|thumb|right|'''Πινακίδα 1:''' Μελέτη περιοχής Deep Well Township στη Δυτική Hamilton County, Νεμπράσκα. Η εικόνα που εμφανίζεται είναι ψευδο-χρωματικό σύνθετο μιας πολυφασματικής εικόνας από το Ikonos που αποκτήθηκε με ναδίρ στις 28 Μαρτίου 2000 στις 1645 GMT. Τα ορατά φάσματα δείχνουν (RGB) 4 (εγγύς υπέρυθρη), 3 (Κόκκινο), και 2 (Πράσινο). Τα κίτρινα πολύγωνα αντιπροσωπεύουν τα πεδία με γνωστές πληροφορίες για το είδος των καταλοίπων καλλιεργειών και πρακτικών άροσης. Μία NDVI εικόνα υπολογίστηκε χρησιμοποιώντας ζώνες 3 και 4 της πολυφασματικης εικόνας και στη συνέχεια χρησιμοποιήθηκε για να παραγάγει μία δυαδικό μάσκα για την αφαίρεση της βλάστησης. ]]


Μία δορυφορική εικόνα του Ikonos, με εικονοκύταρρο 4μ.και τέσσερα ευρέος φάσματος κανάλια (μπλε 0.45 έως 0.52 μ, πράσινο 0.52 έως 0.60 μ, κόκκινο 0.63 έως 0.69 μ και κοντινό υπέρυθρο 0.76 έως 0.90 μ. πίνακας 1) αποκτήθηκε πριν από τη συγκομιδή των καλλιεργειών στις 28 Μαρτίου 2000. Αυτή τη στιγμή του έτους, το υπόλειμμα και οι πρακτικές οργώματος από την προηγούμενη εποχή είναι ακόμα φανερά. Η χρονική στιγμή των δορυφορικών εικόνων είναι σημαντική για ένα σύστημα επαλήθευσης οργώματος σε αυτήν την περιοχή, επειδή οι νωρίτερα εικόνες μπορεί να επηρεαστούν από την κάλυψη χιονιού. Η φύτευση θα μπορούσε επίσης να έχει επιπτώσεις στις εικόνες λόγω της διαταραχής του εδάφος, εάν αυτή αποκτιέται αργότερα. 

Η αρχική επεξεργασία της εικόνας περιέλαβε την αφαίρεση της φωτοσυνθετικά ενεργής βλάστησης. Για να ολοκληρωθεί αυτό, υπολογίστηκε μια εικόνα ομαλοποιημένης διαφοροποίησης των δεδομένων βλάστησης (NDVI = [NIR - κόκκινο]/[NIR + κόκκινο]), και χρησιμοποιήθηκε ως μάσκα για τη διαφοροποίηση της πράσινης βλάστησης από το γυμνό έδαφος (πίνακας 1). Αφότου η ενεργή βλάστηση δημιούργησε το outfrom στην εικόνα, μια ανάλυση κύριων τμημάτων (PCA) εφαρμόστηκε για να απομονώσει τη διαφορά σκηνής στις υπολειπόμενες καλλιεργημένες περιοχές. Τέσσερις εικόνες κύριων συστατικών (principal component - PC) αποκτήθηκαν. 

Μια ανάλυση της διαφοράς (ANOVA) υπολογίστηκε για να αξιολογήσει την ικανότητα κάθε καναλιού του Ikonos, καθώς επίσης και κάθε εικόνας PC, για να κάνει διακρίσεις μεταξύ του καλαμποκιού ή του υπολείμματος σόγιας και συμβατικές πρακτικές ή πρακτικές οργώματος συντήρησης. Για αυτούς τους υπολογισμούς χρησιμοποιήθηκε η μέση αξία κάθε PC από κάθε έναν από τους 51 τομείς μέσα στην περιοχή μελέτης. 

Αφού καθορίστηκε ποια εικόνα PC θα μπόρεσε να διακρίνει τους τύπους υπολειμμάτων ή/και της πρακτικής οργώματος, μια λογιστική οπισθοδρόμηση [διαδικασία GENMOD (SAS, 1996)] εφαρμόστηκε στις μέσες τιμές των PC ανά τομέα. Η λογιστική οπισθοδρόμηση μπορεί να χρησιμοποιηθεί ως προφητικό εργαλείο όταν έχουν οι μεταβλητές απάντησης μόνο δύο πιθανές εκβάσεις και μια δυωνυμική διανομή, όπως συμβατικό όργωμα εναντίον του οργώματος συντήρησης, ή το καλαμπόκι εναντίον του υπολείμματος σόγιας. 

'''Αποτελέσματα και συζήτηση'''

Οι εικόνες κύριων συστατικών (PC) που λαμβάνονται από την εικόνα του Ikonos παρουσιάζονται στο σχήμα 1. Το PC 1 εξηγεί περισσότερα από 99% της συνολικής διακύμανσης της σκηνής (αποκλείοντας την πράσινη βλάστηση). Το PC 1 είναι πρώτιστα ένα τμήμα εδαφολογικής φωτεινότητας και συσχετίζεται ιδιαίτερα με κάθε ένα από τα αρχικά κανάλια. Τα υπόλοιπα τρία PC (PC 2, 3, και 4) εξηγούν την υπόλοιπη διακύμανση της σκηνής. Τα μέσα ελάχιστων τετραγώνων των ψηφιακών αριθμών (DNs) για κάθε ζώνη και κάθε PC φαίνονται στο σχήμα 2. Τα αποτελέσματα του ANOVA παρουσιάζονται στους πίνακες 1 και 2. Και οι τρεις ορατές ζώνες της εικόνας Ikonos παρουσίασαν στατιστικά σημαντική αλληλεπίδραση μεταξύ της πρακτικής οργώματος και του τύπου υπολειμμάτων (πίνακας 1, σχήμα 2). Αυτή η αλληλεπίδραση σημαίνει ότι αυτά τα κανάλια δεν μπορούν να χρησιμοποιηθούν για τη διάκριση του τύπου υπολειμμάτων και την πρακτική οργώματος με ανεξάρτητο τρόπο.


[[Εικόνα:02_sx1.jpg|thumb|right|'''Σχήμα 1:''' κύριες συνιστώσες που λαμβάνεται από την πολυφασματικη εικόνα IKONOS της περιοχής μελέτης. Ελήφθη στις 28 Μαρτίου 2000. Βλάστηση έχει απομακρυνθεί με τη δυαδική μάσκα φαίνεται στον πίνακα 1. Η πρώτη συνιστώσα εξηγεί 99,5 τοις εκατό διακύμανση της σκηνής. ]]

[[Εικόνα:02_sx2.jpg|thumb|right|'''Σχήμα 2:''' Ελάχιστα τετραγώνα μέσω των ψηφιακών αριθμών (DNS) και τα κύρια στοιχεία
(PC) για κάθε συνδυασμό τύπου υπολειμμάτων καλλιεργειών και πρακτικών άροσης. Η αλληλεπίδραση-αποτέλεσμα απεικονίζεται από τις διαφορές μεταξύ των πρακτικών άροσης στους δύο τύπους. Τα οικόπεδα για PC 2 και 4 δείχνουν ότι δεν υπάρχει σημαντική επίδραση της αλληλεπίδρασης. ]]

Το εγγύς υπέρυθρο κανάλι δεν είχε καμία επίδραση αλληλεπίδρασης, και ήταν ευαίσθητο μόνο στον τύπο υπολειμμάτων, αλλά όχι στην πρακτική οργώματος. Κατά συνέπεια, τα αρχικά κανάλια του Ikonos δεν μπορούν να κάνουν διακρίσεις στις πρακτικές οργώματος. Όπως με τις ορατές ζώνες, τα PC 1 και 3 έχουν μια σημαντική στατιστική επίδραση αλληλεπίδρασης (p 0.05) μεταξύ των τύπων και πρακτικών οργώματος υπολειμμάτων συγκομιδών (πίνακας 2, σχήμα 2). Αυτή η αλληλεπίδραση σημαίνει ότι, στην περίπτωση του PC 1, οι διαφορές μεταξύ των πρακτικών οργώματος θα μπορούσαν να ανιχνευθούν για τη σόγια, αλλά όχι για το υπόλειμμα καλαμποκιού. Στην περίπτωση του PC 3, η διάκριση μεταξύ του καλαμποκιού και του υπολείμματος σόγιας δεν θα μπορούσε να ληφθεί για το όργωμα συντήρησης. Επομένως, όπως με τις ορατές ζώνες, το PC 1 και το PC 3 δεν θα μπορούσαν να χρησιμοποιηθούν για τη διάκριση τύπων και πρακτικών οργώματος υπολειμμάτων ανεξάρτητα το ένα από το άλλο. Το PC 3, που εξηγεί μόνο 0.09 % της αρχικής διαφοράς σκηνής, πιθανότατα σχετίζεται με τις εδαφολογικές ιδιότητες όπως το εδαφολογικό χρώμα, η οργανική ουσία, και η περιεκτικότητα σε άργιλο (ποσοστό σε έδαφος κάτω από 2 μ στο μέγεθος, Σχήμα 3). Τα χώματα με περιεκτικότητα λιγότερο από 30 τοις εκατό σε άργιλο εμφανίζονται σκοτεινότερα στην εικόνα PC 3 (σχήμα 1). Αντίθετα, τα PC 2 και 4 δεν παρουσίασαν καμία σημαντική αλληλεπίδραση (p 0.05) μεταξύ των υπολειμμάτων και tvn πρακτικών οργώματος συγκομιδών (πίνακας 2, σχήμα 2). Μια σημαντική διαφορά μεταξύ του καλαμποκιού και του υπολείμματος σόγιας λήφθηκε από το PC 2 (πίνακας 2) κατά συνέπεια, σε αυτήν την εικόνα του Ikonos, το PC 2 συσχετίζεται με τον τύπο υπολειμμάτων, και μπορεί να χρησιμοποιηθεί για να κάνει διακρίσεις μεταξύ του καλαμποκιού και του υπολείμματος σόγιας ανεξάρτητα από την πρακτική οργώματος 

[[Εικόνα:02_pinak1.jpg|thumb|right|'''Πίνακας 1:''' Aποτελεσματα της anova για καθε ikonos band της Πολυφασματικής IKONOS εικόνας.]]

[[Εικόνα:02_pinak2.jpg|thumb|right|'''Πίνακας 2:''' Aποτελεσματα απο την anova καθεμιάς από τις βασικές συνιστωσες.]]

Με άλλα λόγια, η PC 2 επιτυχώς απομονώνει τη φασματική επιρροή του τύπου υπολειμμάτων. Επιπλέον, μια σημαντική διαφορά μεταξύ των πρακτικών οργώματος λήφθηκε με το PC 4 (πίνακας 2), επειδή οι συμβατικά οργωμένοι τομείς έχουν θετικές τιμές και οι τομείς με το όργωμα συντήρησης έχουν αρνητικές τιμές. Κατά συνέπεια, η PC 4 απομονώνει τη φασματική επιρροή των πρακτικών οργώματος ακόμα κι αν περιέχει μόνο 0.01% της διακύμανσης της σκηνής. 

Οι χάρτες πιθανότητας του υπολείμματος καλαμποκιού και του συμβατικού οργώματος (εικόνα 2a και 2d) λήφθηκαν με την εφαρμογή της εξίσωσης 3 και των παραμέτρων που υπολογίστηκαν από τη λογιστική οπισθοδρόμηση (πίνακας 3) στις εικόνες PC 2 και 4. Για να παραγάγει τους δυαδικούς χάρτες των πρακτικών υπολειμμάτων και οργώματος, αντίστοιχα (εικόνα 2b και 2e), ένα κατώτατο όριο πιθανότητας 0.6 εφαρμόστηκε, και οι προκύπτουσες εικόνες λειάθηκαν στο χώρο με ένα φίλτρο πλειοψηφίας (7 x 7 εικονοκύτταρο). Η ταξινόμηση που ορίστηκε σε κάθε τομέα βασίστηκε στην κατηγορία με την υψηλότερη συχνότητα εικονοκυττάρου. Τα αποτελέσματα αυτών των ταξινομήσεων συγκρίθηκαν ενάντια στις πληροφορίες που δόθηκαν από τους αγρότες (εικόνα 2c και 2f). Η γενική ακρίβεια, σε μια ανά τομέα βάση, ήταν 80.0 τοις εκατό για τον τύπο υπολειμμάτων και 76.9 τοις εκατό για την πρακτική οργώματος. Οι στρωμένοι δρόμοι και το υπόλειμμα σόγιας φαίνονται παρόμοια και έχουν χαμηλές τιμές στο PC 2, το οποίο αποτελεί μια πηγή λάθους ταξινόμησης. 

[[Εικόνα:02_sx3.jpg|thumb|right|'''Σχήμα 3:''' Περιεκτικότητα σε άργιλο των εδαφών της περιοχής μελέτης, εκφρασμένη ως ποσοστό του εδαφικού υλικού είναι μικρότερη από 2m σε μέγεθος. Τα στοιχεία αυτά προκύπτουν από την ψηφιακή του εδάφους Έρευνα Γεωγραφική Βάση Δεδομένων (SSURGO) για Hamilton County. ]]

[[Εικόνα:02_sx4.jpg|thumb|right|'''Σχήμα 4:''' Οικόπεδα με τις προβλεπόμενες πιθανότητες (α) καλαμπόκι τύπου καταλοίπων και (β) κλασική πρακτική οργώματος έναντι των κύριων συνιστώσων 2 και 4, αντίστοιχα. Η διακεκομμένη γραμμή αντιπροσωπεύει τα διαστήματα εμπιστοσύνης 95 τοις εκατό. ]]


'''ΣΥΜΠΕΡΑΣΜΑΤΑ'''

Διάφορες γνωστές στρατηγικές επεξεργασίας εικόνας, συμπεριλαμβανομένης της επιβλεπόμενης  και μη ταξινόμησης εξετάστηκαν και συνήχθη το συμπέρασμα ότι η ανάλυση κύριων τμημάτων (PCA) παρέχει μια καλή μέθοδο για τον τύπο υπολειμμάτων και των πρακτικών οργώματος των συγκομιδών στους γεωργικούς τομείς. Η περιοχή μελέτης παρείχε την ουσιαστική μεταβλητότητα στην εδαφολογική φωτεινότητα, η οποία ενίσχυσε τη χρησιμότητα αυτής της τεχνικής, επειδή απέδωσε καλά και πέρα από τα σκοτεινά και φωτεινά χώματα. Η τηλεπισκόπηση αποδείχθηκε ένα χρήσιμο εργαλείο για την επαλήθευση των πρακτικών οργώματος συντήρησης. Προκειμένου να βελτιωθεί η πιθανότητα της επιτυχούς επαλήθευσης βασισμένη στην εικόνα, οι τεχνικές ανίχνευσης από απόσταση πρέπει να χρησιμοποιηθούν από κοινού με τη συλλογή επίγειων δεδομένων, προκειμένου να δομηθεί ένα μοντέλο πρόβλεψης, όπως η τεχνική της λογιστικής οπισθοδρόμησης που καταδεικνύεται εδώ. Η πρόσθετη έρευνα απαιτείται προκειμένου να καθοριστούν τα πιθανά αποτελέσματα των γωνιών εξέτασης από-ναδίρ και των μεταβλητών γωνιών φωτισμού (συμπεριλαμβανομένης της τοπογραφικής ενίσχυσης) στη δυνατότητα να κάνει διακρίσεις μεταξύ των τύπων υπολειμμάτων συγκομιδών και των πρακτικών οργώματος από τις δορυφορικές εικόνες του Ikonos χρησιμοποιώντας τις διαδικασίες που περιγράφονται σε αυτό το έγγραφο. 












 [[category:Γεωργία]]