ΕΦΑΡΜΟΓΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΣΤΗΝ ΔΙΑΧΕΙΡΙΣΗ ΚΑΙ ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΟΥ ΠΑΡΑΚΤΙΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ

Από RemoteSensing Wiki

(Διαφορές μεταξύ αναθεωρήσεων)
Μετάβαση σε: πλοήγηση, αναζήτηση
Γραμμή 9: Γραμμή 9:
[[εικόνα:ΠΑΡΑΚΤΙΟ.gif|center|]]
[[εικόνα:ΠΑΡΑΚΤΙΟ.gif|center|]]
 +
Σχήμα 1. Ανίχνευση ακτογραμμών από δορυφορικές εικόνες τύπου: LANDSAT TM4 με 30μέτρα διακριτική ικανότητα (πρώτη σειρά), SPOT HRV με 10μ. δ.ι. (δεύτερη σειρά) και IRS-1C PAN με 6μ. δ.ι. (τρίτη σειρά). Σε όλες τις περιπτώσεις ανιχνεύονται οι ακτογραμμές αλλά ταυτόχρονα τα όρια και άλλων μη επιθυμητών αντικειμένων στο έδαφος (ποτάμια, όρια καλλιεργειών, κ.α.)
-
<big>'''Αποτελέσματα'''</big>
+
<big>'''ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΑΞΙΟΛΟΓΗΣΗ'''</big>
 +
 
 +
Για το λόγο αυτό και για τον διαχωρισμό και την ταξινόμηση των ανιχνευμένων ακμών σε ακμές που περιγράφουν την ακτογραμμή και ακμές που περιγράφουν άλλα χαρακτηριστικά, χρησιμοποιήθηκε η μετρούμενη στις εικόνες εναλλαγή στην υφή μεταξύ των θαλάσσιων περιοχών και του εδάφους. Η ανάλυση της υφής έγινε με την εφαρμογή δισδιάστατων φίλτρων Gabor (Daugman, 1985), τα οποία χαρακτηρίζονται ως βέλτιστα στο χώρο και τη συχνότητα και έχουν χρησιμοποιηθεί ευρέως στη βιβλιογραφία για ποικίλες εφαρμογές στην Όραση Υπολογιστών, όπως η κατάτμηση τεχνητών εικόνων, ιατρικών εικόνων, εικόνων για ρομποτική όραση, κ.α. (Maragos, 2002). Πιο συγκεκριμένα, για την διάκριση των ανιχνευμένων ακτογραμμών από τις υπόλοιπες μη επιθυμητές ακμές χρησιμοποιήθηκε η εναλλαγή που παρατηρείται στην υφή μεταξύ των θαλάσσιων περιοχών (μαλακή υφή, από σκουρόχρωμους τόνους) και του εδάφους (τραχύς υφή, με μέσους τόνους μεγαλύτερου εύρους). Για την παραπάνω ανάλυση της υφής, χρησιμοποιήθηκαν φίλτρα Gabor. Με την εφαρμογή φίλτρων Gabor, έγινε ο διαχωρισμός του εδάφους από τη θάλασσα. Έτσι με συγχώνευση (fusion) της πληροφορίας από την ανίχνευση των ακτογραμμών και της ανάλυσης υφής, έγινε η εξαγωγή της ακτογραμμής (Σχήμα 2). Στο ίδιο αποτέλεσμα, επίσης, μπορεί κανείς να καταλήξει εάν αντί για ανάλυση υφής πραγματοποιηθεί μια κατωφλίωση σε υπέρυθρο κανάλι ή κάποιος δείκτης (όπου και οι δύο μέθοδοι βασίζονται στον άμεσο υπολογισμό διαφορών σε τιμές φωτεινότητας, οι οποίες και οδήγησαν και στην αστοχία της ανίχνευσης των ακμών) ή μια ταξινόμηση, η πολυπλοκότητα της οποίας, όμως, είναι αρκετά μεγαλύτερη.
 +
 
 +
[[εικόνα:ΠΑΡΑΚΤΙΟ2.gif|center|]]
 +
 
 +
[[εικόνα:ΠΑΡΑΚΤΙΟ2.gif|center|]]
 +
Σχήμα 2. Εξαγωγή ακτογραμμής έπειτα από την ανάλυση υφής με φίλτρα Gabor. αρχική εικόνα(πάνω) IKONOS PAN (αριστερά), ανίχνευση ακμών (μέση), επίθεση ακμών πάνω στην αρχική εικόνα (δεξιά).b): αρχική εικόνα LANDSAT TM4(κάτω), 30μέτρα δ.ι. (αριστερά), εξαγόμενη ακτογραμμή (δεξιά).
-
Τα αποτελέσματα της ταξινόμησης ήταν άκρως ικανοποιητικά σ’ όλες τις δοκιμαστικές επιφάνειες, όπως φαίνεται και από τον δείκτη σταθερότητας της ταξινόμησης (Classification Stability) στην παρακάτω γραφική προβολή (Σχήμα 1).
 
-
Σχήμα 1.Η σταθερότητα ταξινόμησης του τμήματος της εικόνας του σχήματος 4
 
-
Εν συνεχεία από τα αποτελέσματα της στατιστικής ανάλυσης του δείκτη φθορισμού ως προς την έκθεση και κλίση προέκυψε ότι ο δείκτης φθορισμού παρουσιάζει έντονη διακύμανση στις 4 επιλεγμένες δοκιμαστικές επιφάνειες, δίνοντας ακρίβεια αποτελεσμάτων κατά 95%, - συγκεκριμένα τα δένδρα ελάτης των νοτίων εκθέσεων παρουσιάζουν έντονη κατάσταση stress Ι σε σχέση μ’ αυτά των νοτιοδυτικών και νοτιοανατολικών εκθέσεων και τα οποία με τη σειρά τους παρουσιάζουν από έντονο έως λιγότερο έντονο stress (ΙΙ, ΙΙΙ) -, καθώς και ότι υπάρχει σημαντική στατιστική διαφοροποίηση μεταξύ των δύο κατηγοριών κλίσεων (ήπιες, μέτριες), με όριο σφάλματος 0,5 και συγκεκριμένα τα άτομα ελάτης που φύονται σε μέτριες κλίσεις παρουσιάζουν εντονότερο stress Ι σε σχέση με εκείνα που φύονται σε ήπιες κλίσεις (stress ΙΙ, ΙΙΙ).
 
-
<big>'''Συμπεράσματα '''</big>
 
-
Οι μέχρι τώρα σχετικές έρευνες για τη ξήρανση της ελάτης στον Εθνικό Δρυμό Πάρνηθας, βασίζονται σε κλασσικές μεθόδους της επιστήμης της δασολογίας, δηλαδή σε επίγειους ελέγχους, μετρήσεις ογκομετρικών στοιχείων, λήψη δειγμάτων όπως βελόνες, δείγμα φλοιού, παχυμετρήση, κ.α. Η παρούσα έρευνα στηρίζεται σε σύγχρονες μεθόδους παρατήρησης και αποτύπωσης της γης, συνδυάζοντας με τον τρόπο αυτό την μακροσκοπική έρευνα (τηλεπισκόπηση) με την in situ παρατήρηση, ενώ ακόμη παρόμοια έρευνα δεν έχει μέχρι στιγμής λάβει χώρα στον Εθνικό Δρυμό Πάρνηθας, στο σύνολο της επικράτειας.
 
-
Τα αποτελέσματα της έρευνας έδειξαν πράγματι ότι σε πολύ μεγάλο βαθμό δύναται να χρησιμοποιηθεί ο συνδυασμός των δύο περιβαλλοντικών δεικτών: κανονικοποιημένος δείκτης βλάστησης (ndvi) και του δείκτη φθορισμού (fluorescence) για την εκτίμηση της φυτοϋγειονομικής κατάστασης του ελατοδάσους και κατά προέκταση ενός δασικού περιβάλλοντος, με σκοπό την καλύτερη διαχείριση και προστασία του. Μελλοντικά προτείνεται η μελέτη του Κανονικοποιημένου δείκτη βλάστησης (ndvi) με την μέθοδο της αντικειμενοστραφούς ανάλυσης τονίζοντας τα κριτήρια του σχήματος και όχι τόσο τα φασματικά κριτήρια, ενώ ακόμη προτείνεται η μελέτη του δείκτη φθορισμού (Fv/Fm) σε κανονικές συνθήκες περιβάλλοντος.
 
<small>'''Πηγή:'''Φωτεινή Ι. Κόκλα, Δημήτριος Π. Αργιαλάς, Κωνσταντίνος Κασσιός,Αντικειμενοστραφής ανάλυση εικόνων IKONOS για την εξέταση της επιδημίας της ξήρανσης της Κεφαλληνιακής ελάτης (Abies cephalonica) στον Εθνικό Δρυμό Πάρνηθας</small>
<small>'''Πηγή:'''Φωτεινή Ι. Κόκλα, Δημήτριος Π. Αργιαλάς, Κωνσταντίνος Κασσιός,Αντικειμενοστραφής ανάλυση εικόνων IKONOS για την εξέταση της επιδημίας της ξήρανσης της Κεφαλληνιακής ελάτης (Abies cephalonica) στον Εθνικό Δρυμό Πάρνηθας</small>

Αναθεώρηση της 23:49, 24 Φεβρουαρίου 2010

ΠΕΡΙΛΗΨΗ

Περιγράφονται σύγχρονες μέθοδοι και τεχνικές Τηλεπισκόπησης, για την διαχείριση και παρακολούθηση του παράκτιου περιβάλλοντος. Αρχικά και για την οριοθέτηση του αιγιαλού και της παραλίας, περιγράφεται μια αυτοματοποιημένη μεθοδολογία για την εξαγωγή και χαρτογράφηση ακτογραμμών από παγχρωματικές δορυφορικές απεικονίσεις. Οι πληροφορίες αυτές μπορούν να συγκεντρωθούν κατά τη διάρκεια διάφορων εποχών και αρκετών ετών έτσι ώστε να είναι δυνατό να ελεγχθούν οι χωρικές και εποχιακές αλλαγές στις παράκτιες ζώνες. Τα δεδομένα υψηλής ανάλυσης επιτρέπουν την παραγωγή χαρτών μεγάλης κλίμακας. Παράλληλα, περιγράφεται μια αυτοματοποιημένη τεχνική για τον εντοπισμό πετρελαιοκηλίδων αλλά και άλλων ρυπαντικών αποβλήτων στο παράκτιο περιβάλλον. Τέλος, ιδιαίτερης σημασίας είναι η δυνατότητα για αναγνώριση ζωνών που βρίσκονται στα πρόθυρα καταστροφικών αλλαγών όπως η διάβρωση μέσα από τεχνικές ταξινόμησης και ανίχνευσης μεταβολών. Από όλες τις παραπάνω εφαρμογές διαφαίνεται πως η Τηλεπισκόπηση αποτελεί ένα ιδιαίτερα αποτελεσματικό εργαλείο για τον έλεγχο της ποιότητας των παράκτιων ζωνών περιοδικά, επιτρέποντας την αναγνώριση πιθανών κινδύνων σε σύντομα χρονικά διαστήματα.


ΑΥΤΟΜΑΤΗ ΕΞΑΓΩΓΗ ΚΑΙ ΧΑΡΤΟΓΡΑΦΗΣΗ ΑΚΤΟΓΡΑΜΜΩΝ ΑΠΟ ΠΑΓΧΡΩΜΑΤΙΚΕΣ ΔΟΡΥΦΟΡΙΚΕΣ ΑΠΕΙΚΟΝΙΣΕΙΣ

Η αυτόματη ανίχνευση και εξαγωγή των ακτογραμμών είναι μια βασική και ουσιαστικής σημασίας διαδικασία για ποικίλες γεωγραφικές, χαρτογραφικές και περιβαλλοντικές εφαρμογές στο παράκτιο περιβάλλον. Η ακτογραμμή μεταβάλλεται συνεχώς και για τον προσδιορισμό της απαιτείται η καταγραφή του μετώπου της σε όλες τις εποχές του χρόνου σε σχέση με διάφορα φυσικά φαινόμενα (διαβρώσεις, παλίρροιες, κ.α.) αλλά και σε σχέση με την ανθρώπινη δραστηριότητα (Dolan et al, 1980; Boak and Turner, 2005; Turner et al., 2007). Έτσι, μέχρι σήμερα έχουν, κυρίως, αναπτυχθεί χειρονακτικές τεχνικές εξαγωγής της ακτογραμμής, οι οποίες κατά κύριο λόγο βασίζονται σε μετρήσεις πεδίου με η και χωρίς το συνδυασμό τεχνικών φωτοερμηνείας (List and Farris, 1999). Τα τελευταία κυρίως χρόνια έχουν αναπτυχθεί τεχνικές για την ημι-αυτόματη και αυτόματη ανίχνευση ακτογραμμών από εναέρια και δορυφορικά δεδομένα με σκοπό την εξαγωγή του μετώπου της ακτογραμμής τη δεδομένη στιγμή της λήψης των δεδομένων και την μέτρηση δεικτών απαραίτητων για τον προσδιορισμό της ακτογραμμής (List and Farris, 1999; Karantzalos and Argialas, 2002; Boak and Turner, 2005). Ο αλγόριθμος που παρουσιάζεται στην παρούσα εργασία επιτυγχάνει την ανίχνευση και εξαγωγή των ακμών σε τρία στάδια. Πρώτα λαμβάνουν χώρα οι προεπεξεργασίες για την ενίσχυση και ομαλοποίηση των εικόνων. Έπειτα ακολουθεί η ανίχνευση ακμών είτε με τον τελεστή Canny (1986) είτε με το μορφολογικό φορμαλισμό της δεύτερης παραγώγου. Τέλος, πραγματοποιείται η αποκατάσταση της συνεκτικότητας των ανιχνευμένων ακμών με τη χρήση. Όλοι οι τελεστές ανίχνευσης ακμών, όντας ευαίσθητοι σε όλες τις εναλλαγές των τιμών φωτεινότητας στο πεδίο της εικόνας, παράλληλα με την ανίχνευση των ορίων επιθυμητών αντικειμένων, οδηγούν και στην ανίχνευση μη-πραγματικών και μη- επιθυμητών ακμών (Μarr and Hildreth, 1980; Maragos, 2002). Μαζί με τις ανιχνευμένες ακτογραμμές, το αποτέλεσμα επηρεάστηκε αρνητικά από ακμές που περιέγραφαν τα όρια και άλλων μη επιθυμητών περιοχών στο έδαφος (ποτάμια, όρια καλλιεργειών, κ.α.), όπως φαίνεται και στο Σχήμα 1.

ΠΑΡΑΚΤΙΟ.gif

Σχήμα 1. Ανίχνευση ακτογραμμών από δορυφορικές εικόνες τύπου: LANDSAT TM4 με 30μέτρα διακριτική ικανότητα (πρώτη σειρά), SPOT HRV με 10μ. δ.ι. (δεύτερη σειρά) και IRS-1C PAN με 6μ. δ.ι. (τρίτη σειρά). Σε όλες τις περιπτώσεις ανιχνεύονται οι ακτογραμμές αλλά ταυτόχρονα τα όρια και άλλων μη επιθυμητών αντικειμένων στο έδαφος (ποτάμια, όρια καλλιεργειών, κ.α.)


ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΑΞΙΟΛΟΓΗΣΗ

Για το λόγο αυτό και για τον διαχωρισμό και την ταξινόμηση των ανιχνευμένων ακμών σε ακμές που περιγράφουν την ακτογραμμή και ακμές που περιγράφουν άλλα χαρακτηριστικά, χρησιμοποιήθηκε η μετρούμενη στις εικόνες εναλλαγή στην υφή μεταξύ των θαλάσσιων περιοχών και του εδάφους. Η ανάλυση της υφής έγινε με την εφαρμογή δισδιάστατων φίλτρων Gabor (Daugman, 1985), τα οποία χαρακτηρίζονται ως βέλτιστα στο χώρο και τη συχνότητα και έχουν χρησιμοποιηθεί ευρέως στη βιβλιογραφία για ποικίλες εφαρμογές στην Όραση Υπολογιστών, όπως η κατάτμηση τεχνητών εικόνων, ιατρικών εικόνων, εικόνων για ρομποτική όραση, κ.α. (Maragos, 2002). Πιο συγκεκριμένα, για την διάκριση των ανιχνευμένων ακτογραμμών από τις υπόλοιπες μη επιθυμητές ακμές χρησιμοποιήθηκε η εναλλαγή που παρατηρείται στην υφή μεταξύ των θαλάσσιων περιοχών (μαλακή υφή, από σκουρόχρωμους τόνους) και του εδάφους (τραχύς υφή, με μέσους τόνους μεγαλύτερου εύρους). Για την παραπάνω ανάλυση της υφής, χρησιμοποιήθηκαν φίλτρα Gabor. Με την εφαρμογή φίλτρων Gabor, έγινε ο διαχωρισμός του εδάφους από τη θάλασσα. Έτσι με συγχώνευση (fusion) της πληροφορίας από την ανίχνευση των ακτογραμμών και της ανάλυσης υφής, έγινε η εξαγωγή της ακτογραμμής (Σχήμα 2). Στο ίδιο αποτέλεσμα, επίσης, μπορεί κανείς να καταλήξει εάν αντί για ανάλυση υφής πραγματοποιηθεί μια κατωφλίωση σε υπέρυθρο κανάλι ή κάποιος δείκτης (όπου και οι δύο μέθοδοι βασίζονται στον άμεσο υπολογισμό διαφορών σε τιμές φωτεινότητας, οι οποίες και οδήγησαν και στην αστοχία της ανίχνευσης των ακμών) ή μια ταξινόμηση, η πολυπλοκότητα της οποίας, όμως, είναι αρκετά μεγαλύτερη.

ΠΑΡΑΚΤΙΟ2.gif
ΠΑΡΑΚΤΙΟ2.gif

Σχήμα 2. Εξαγωγή ακτογραμμής έπειτα από την ανάλυση υφής με φίλτρα Gabor. αρχική εικόνα(πάνω) IKONOS PAN (αριστερά), ανίχνευση ακμών (μέση), επίθεση ακμών πάνω στην αρχική εικόνα (δεξιά).b): αρχική εικόνα LANDSAT TM4(κάτω), 30μέτρα δ.ι. (αριστερά), εξαγόμενη ακτογραμμή (δεξιά).





Πηγή:Φωτεινή Ι. Κόκλα, Δημήτριος Π. Αργιαλάς, Κωνσταντίνος Κασσιός,Αντικειμενοστραφής ανάλυση εικόνων IKONOS για την εξέταση της επιδημίας της ξήρανσης της Κεφαλληνιακής ελάτης (Abies cephalonica) στον Εθνικό Δρυμό Πάρνηθας

Προσωπικά εργαλεία