Εξόρυξη εγκαταλελειμμένης γης σε λοφώδεις περιοχές με βάση τη χωροχρονική σύντηξη εικόνων τηλεπισκόπησης πολλαπλών πηγών

Από RemoteSensing Wiki

Παρούσα αναθεώρηση της 05:18, 20 Μαρτίου 2024

Πρωτότυπος τίτλος: Extraction of Abandoned Land in Hilly Areas Based on the Spatio-Temporal Fusion of Multi-Source Remote Sensing Images

Συγγραφείς: Shan He 1, Huaiyong Shao 1, Wei Xian 2, Shuhui Zhang 1, Jialong Zhong 3 and Jiaguo Qi 4

1 Key Laboratory of Geoscience Spatial Information Technology, Ministry of Land and Resources of China, Chengdu University of Technology, Chengdu 610059, China

2 College of Resources and Environment, Chengdu University of Information Technology, Chengdu 610225, China

3 College of Management Science, Chengdu University of Technology, Chengdu 610059, China

4 Center for Global Change and Earth Observations, Michigan State University, East Lansing, MI 48824, USA

Δημοσιεύθηκε: Remote Sens. 2021

Σύνδεσμος πρωτότυπου κειμένου: [[1]]

Λέξεις-κλειδιά: εγκαταλελειμμένη γη, ρύπανση από σύννεφα, λοφώδης περιοχή, εικόνες πολλαπλών πηγών, χωροχρονική σύντηξη, αλλαγή χρονοσειράς

Περίληψη

Οι ορεινές περιοχές αποτελούν κρίσιμα στοιχεία του παγκόσμιου τοπίου, ωστόσο ορισμένες περιοχές αντιμετωπίζουν σημαντική εγκατάλειψη γης, θέτοντας προκλήσεις για την επισιτιστική ασφάλεια και τα μέσα διαβίωσης. Η χαρτογράφηση της εγκαταλελειμμένης γης σε αυτές τις περιοχές με τη χρήση εικόνων τηλεπισκόπησης είναι περίπλοκη λόγω του κατακερματισμού και της ρύπανσης από τα σύννεφα. Η παρούσα μελέτη προτείνει μια προσέγγιση που ενσωματώνει τη γραμμική έκταση (LS), τη σύνθεση μέγιστης τιμής (MVC) και την ευέλικτη συγχώνευση χωροχρονικών δεδομένων (FSDAF) για την ανάλυση των αλλαγών χρονοσειρών και την εξαγωγή εγκαταλελειμμένων εκτάσεων. Οι εικόνες MOD09GA, MOD13Q1 και Sentinel-2 σχηματίζουν ένα μηνιαίο χωροχρονικό σύνολο δεδομένων 10 μέτρων. Δείκτες βλάστησης (VI) όπως ο NDVI, ο SAVI και ο NDWI προσδιορίζουν τις εγκαταλελειμμένες εκτάσεις, ενώ η ταξινόμηση με μηχανή διανύσματος υποστήριξης (SVM) τις διακρίνει από τις καλλιεργούμενες εκτάσεις και τις δασικές εκτάσεις. Η ενσωμάτωση των LS, MVC και FSDAF με SVM επιτυγχάνει συνολική ακρίβεια 88,1%, ξεπερνώντας το Sentinel-2 κατά 10,8-23,6% για την εξαγωγή εγκαταλελειμμένων εκτάσεων. Αυτή η μέθοδος προσφέρει τεχνική καθοδήγηση για τη χαρτογράφηση εγκαταλελειμμένων εκτάσεων σε λοφώδεις περιοχές και υποστηρίζει τις προσπάθειες για την καταπολέμηση της φτώχειας και την αναζωογόνηση της υπαίθρου.

Εισαγωγή

Το κείμενο που παρατίθεται περιγράφει τις προκλήσεις και τη σημασία της εξαγωγής της κατανομής των εγκαταλελειμμένων εκτάσεων σε λοφώδεις περιοχές με τη χρήση εικόνων τηλεπισκόπησης. Οι λοφώδεις περιοχές συχνά υποφέρουν από εγκατάλειψη γης λόγω τοπογραφικού περιθωρίου και ρύπανσης από σύννεφα, με επιπτώσεις στην επισιτιστική ασφάλεια και τα μέσα διαβίωσης. Ενώ η τηλεπισκόπηση έχει χρησιμοποιηθεί για το σκοπό αυτό, οι υπάρχουσες μέθοδοι αντιμετωπίζουν περιορισμούς, όπως η χαμηλή χωρική ανάλυση και η παρεμβολή των νεφών. Για την αντιμετώπιση αυτών των προκλήσεων, προτείνεται μια νέα προσέγγιση, η οποία ενσωματώνει τη γραμμική έκταση (LS), τη σύνθεση μέγιστης τιμής (MVC) και την ευέλικτη συγχώνευση χωροχρονικών δεδομένων (FSDAF). Η προσέγγιση αυτή αποσκοπεί στην ανάλυση των αλλαγών χρονοσειρών και στην ακριβή εξαγωγή της κατανομής των εγκαταλελειμμένων εκτάσεων. Συγκεκριμένα, συγχωνεύονται οι εικόνες MODIS και Sentinel-2 για να αξιοποιηθεί η χρονική και χωρική τους ανάλυση. Το μοντέλο STARFM και οι παραλλαγές του, συμπεριλαμβανομένου του FSDAF, αξιοποιούνται για την αποτελεσματική ανάμειξη των δεδομένων Landsat και MODIS. Εξετάζεται επίσης η μέθοδος Improved Flexible Spatiotemporal Data Fusion (IFSDAF) για τη μεγιστοποίηση της χρήσης εικονοστοιχείων υψηλής ανάλυσης, παρά τα πιθανά σπασμωδικά σφάλματα. Στην παρούσα μελέτη, ως εγκαταλελειμμένη γη ορίζεται η ακαλλιέργητη καλλιεργούμενη γη ή η κατεστραμμένη δασική έκταση που παραμένει για περισσότερο από ένα έτος. Η γραμμική τάνυση και η MVC χρησιμοποιούνται για την αντιμετώπιση των διαφορών ακτινοβολίας και για την εξαγωγή μηνιαίων εκτιμήσεων της έκτασης φύτευσης. Η προτεινόμενη προσέγγιση ενσωματώνει αυτές τις τεχνικές με το FSDAF για την ανάλυση των αλλαγών σε χρονοσειρές και την ακριβή εξαγωγή της κατανομής των εγκαταλελειμμένων εκτάσεων. Η ταξινόμηση με μηχανή διανυσμάτων υποστήριξης (SVM) εφαρμόζεται χρησιμοποιώντας έναν συνδυασμό χαρτών χρήσεων γης, ορθοφωτογραφιών, εικόνων UAV και εικόνων χρονοσειρών Sentinel-2, MOD09GA και MOD13Q1 για την επικύρωση της εξαγόμενης κατανομής. Συνολικά, η μελέτη αποσκοπεί στην παροχή πολύτιμης υποστήριξης δεδομένων και συστάσεων στις τοπικές υπηρεσίες διαχείρισης γης για τον αποτελεσματικό σχεδιασμό και τη διαχείριση των χρήσεων γης σε λοφώδεις περιοχές.

Υλικά και Μέθοδοι

Το τεχνικό διάγραμμα ροής της μελέτης περιλαμβάνει τρία βασικά βήματα, όπως απεικονίζεται στο Σχήμα 1. Ο πρωταρχικός στόχος του βήματος 1 είναι να οριοθετηθεί το εύρος των δασικών και καλλιεργούμενων εκτάσεων και να συγκεντρωθούν δείγματα δασικών εκτάσεων, καλλιεργούμενων εκτάσεων και εγκαταλελειμμένων εκτάσεων με τη χρήση της πλατφόρμας ArcGIS. Το βήμα αυτό περιλαμβάνει τις ακόλουθες πτυχές: Διαλογή χαρακτηριστικών: Χρήση πληροφοριών χαρακτηριστικών για τον εντοπισμό των δασικών εκτάσεων και των καλλιεργούμενων εκτάσεων στο χάρτη κατανομής χρήσεων γης και στο προϊόν κάλυψης γης. Στη συνέχεια, τα αποτελέσματα αναλύονται με τη χρήση τεχνικών επικάλυψης για τη βελτίωση της ακρίβειας.Προσαρμογή χωρικής ανάλυσης: Δεδομένου ότι η χωρική ανάλυση των προαναφερθέντων δεδομένων είναι 30 μέτρα, είναι απαραίτητο να βελτιωθεί το εύρος των δασικών εκτάσεων και των καλλιεργούμενων εκτάσεων. Για τον σκοπό αυτό χρησιμοποιούνται ορθοφωτογραφίες της Google με χωρική ανάλυση 1,7 μέτρων λόγω της ικανότητάς τους να αναγνωρίζουν μικρά αγροτεμάχια. Η αλληλεπίδραση ανθρώπου-υπολογιστή χρησιμοποιείται στις ορθοφωτογραφίες της Google για την εξάλειψη των περιοχών που δεν αντιστοιχούν σε δασικές ή καλλιεργούμενες εκτάσεις.Διανυσματική κάλυψη: Τα διανυσματικά δεδομένα του OpenStreetMap, που περιέχουν πληροφορίες για δρόμους, κτίρια, υδάτινα σώματα και όχθες ποταμών, χρησιμοποιούνται για τη συγκάλυψη των επικαλυπτόμενων αποτελεσμάτων που προέκυψαν από τα προηγούμενα βήματα. Η επικάλυψη των αποτελεσμάτων της αλληλεπίδρασης ανθρώπου-υπολογιστή από τις ορθοφωτογραφίες της Google με τα διανυσματικά δεδομένα του OpenStreetMap βοηθά στην αφαίρεση των περιοχών που δεν είναι δασικές ή καλλιεργούμενες εκτάσεις. Εντοπισμός πιθανών εγκαταλελειμμένων περιοχών: Οι διαλεγμένες κατανομές των δασικών και καλλιεργούμενων εκτάσεων επικαλύπτονται σε εικόνες πραγματικού χρώματος από το Sentinel-2 για τον εντοπισμό περιοχών που ενδέχεται να είναι εγκαταλελειμμένες. Εννέα τυπικές περιοχές και προγραμματισμένες διαδρομές δειγματοληψίας πεδίου οριοθετούνται με βάση αυτή την ανάλυση. Συλλογή δειγμάτων: Δείγματα δασικών εκτάσεων, καλλιεργούμενων εκτάσεων και εγκαταλελειμμένων εκτάσεων λαμβάνονται μέσω της οριοθέτησης με τη χρήση χρονοσειρών εικόνων Sentinel-2, αλληλεπίδρασης ανθρώπου-υπολογιστή σε ορθοφωτογραφίες της Google, επιχειρήσεων UAV (μη επανδρωμένου εναέριου οχήματος) στις εννέα τυπικές περιοχές και δειγματοληψίας πεδίου στις περιοχές μελέτης.Ακολουθώντας αυτά τα βήματα, η μελέτη αποσκοπεί στον ακριβή εντοπισμό και τη συλλογή δειγμάτων δασικών εκτάσεων, καλλιεργούμενων εκτάσεων και εγκαταλελειμμένων εκτάσεων, τα οποία είναι απαραίτητα για την περαιτέρω ανάλυση και ταξινόμηση. Μέσω των επιλεγμένων δειγμάτων που απεικονίζονται στην Εικόνα 4, δημιουργήσαμε διαγράμματα καμπύλων χρονοσειρών των δεικτών βλάστησης (VI) για τα δάση, τις καλλιεργούμενες εκτάσεις και τις εγκαταλελειμμένες εκτάσεις με βάση τις μέσες τιμές των δειγμάτων. Οι μέγιστες και ελάχιστες τιμές αυτών των καμπυλών καταγράφηκαν με οριζόντιες γραμμές, όπως φαίνεται στην Εικόνα 7.

Συζήτηση

Παρουσιάζεται μια νέα προσέγγιση για την εξόρυξη εγκαταλελειμμένων εκτάσεων σε λοφώδεις περιοχές με την ενσωμάτωση δεδομένων τηλεπισκόπησης πολλαπλών πηγών και προηγμένων τεχνικών σύντηξης. Οι λοφώδεις περιοχές αντιμετωπίζουν συχνά προκλήσεις όπως η κατακερματισμένη γη και η ρύπανση από σύννεφα, γεγονός που καθιστά δύσκολη την ακριβή χαρτογράφηση των εγκαταλελειμμένων εκτάσεων. Στην παρούσα μελέτη, συνδυάστηκαν η γραμμική έκταση (Ls), η σύνθετη μέθοδος μέγιστης τιμής (MVC) και η ευέλικτη συγχώνευση χωροχρονικών δεδομένων (FSDAF) για την ανάλυση των χρονικών αλλαγών και την εξαγωγή της χωρικής κατανομής των εγκαταλελειμμένων εκτάσεων. Τα Sentinel-2, MOD09GA και MOD13Q1 χρησιμοποιήθηκαν για τη συγχώνευση ενός μηνιαίου συνόλου δεδομένων χωρικής ανάλυσης 10 m, ενώ οι δείκτες βλάστησης (VIs) χρησιμοποιήθηκαν για τον εντοπισμό εγκαταλελειμμένων εκτάσεων. Ο ταξινομητής διανυσματικής μηχανής υποστήριξης (SVM) εφαρμόστηκε για τη διάκριση των εγκαταλελειμμένων εκτάσεων από τις καλλιεργούμενες εκτάσεις και τις δασικές εκτάσεις. Η προτεινόμενη προσέγγιση πέτυχε συνολική ακρίβεια 88,1%, ξεπερνώντας τις μεθόδους μίας πηγής κατά 10,8-23,6% για την εξαγωγή εγκαταλελειμμένων εκτάσεων. Μέσω ερευνών πεδίου, εντοπίστηκαν οι λόγοι εγκατάλειψης γης και διατυπώθηκαν συστάσεις για την αντιμετώπιση του κατακερματισμού και τη βελτίωση της διαχείρισης των υδάτων. Η μελέτη αυτή καταδεικνύει τις δυνατότητες συγχώνευσης τηλεπισκοπικών δεδομένων πολλαπλών πηγών για την ακριβή χαρτογράφηση εγκαταλελειμμένων εκτάσεων, προσφέροντας πολύτιμες πληροφορίες για τη διαχείριση της γης και τις προσπάθειες διατήρησης σε λοφώδεις περιοχές.

Επίλογος

Στην παρούσα μελέτη, ο συνδυασμός των πηγών τηλεπισκοπικών δεδομένων Sentinel-2, MOD09GA και MOD13Q1 διευκόλυνε την εξαγωγή εγκαταλελειμμένων εκτάσεων σε λοφώδεις περιοχές, παρά τις προκλήσεις όπως η ρύπανση από σύννεφα και η ποικίλη βλάστηση. Μέσω της προσέγγισης Ls+MVC+FSDAF ελήφθησαν μηνιαίοι δείκτες βλάστησης (ndvi, savi και ndwi) με χωρική ανάλυση 10 m, επιτρέποντας την ταχεία και αξιόπιστη εξαγωγή εγκαταλελειμμένων εκτάσεων. Η μέθοδος αυτή προσφέρει πολύτιμες πληροφορίες για την τοπική παραγωγή τροφίμων και τη διαχείριση των εδαφικών πόρων σε λοφώδεις περιοχές που χαρακτηρίζονται από μικρά αγροτεμάχια και πολύπλοκα πρότυπα βλάστησης.

Προχωρώντας προς τα εμπρός, η χρήση πλατφορμών επεξεργασίας σύννεφων μεγάλων δεδομένων, όπως η Google Earth Engine (GEE), θα είναι ζωτικής σημασίας για την εξαγωγή της χωροχρονικής κατανομής των εγκαταλελειμμένων εκτάσεων σε μεγαλύτερη κλίμακα και για μεγαλύτερες χρονοσειρές. Η ενσωμάτωση αλγορίθμων αφαίρεσης νεφών, τεχνικών συγχώνευσης τηλεπισκοπικών δεδομένων πολλαπλών πηγών και προηγμένων μοντέλων ταξινόμησης βαθιάς μάθησης θα βελτιώσει περαιτέρω την ακρίβεια της εξαγωγής εγκαταλελειμμένων εκτάσεων, παρέχοντας πολύτιμη υποστήριξη για τη διαχείριση της γης και τις προσπάθειες διατήρησης σε λοφώδεις περιοχές.