Τηλεπισκόπηση και χαρτογράφηση του φυτού Tamarisk κατά μήκος του ποταμού Colorado,ΗΠΑ. Μία συγκριτική μέθοδος των Hyperion,Thematic Mapper και QuickBird
Από RemoteSensing Wiki
μ (Η Τηλεπισκόπιση και χαρτογράφηση του φυτού Tamarisk κατά μήκος του ποταμού Colorado,ΗΠΑ. Μία συγκριτική μέθοδος των Hyperion,Thematic Mapper και QuickBird μετονομ) |
Παρούσα αναθεώρηση της 09:23, 21 Απριλίου 2010
Συγγραφείς: Gregory A. Carter , Kelly L. Lucas , Gabriel A. Blossom , Cheryl L. Lassitter , Dan M. Holiday , David S. Mooneyhan, Danielle R. Fastring , Tracy R. Holcombe Jerry A. Griffith
Πηγή: Remote Sensing ISSN 2072-4292, διαθέσιμο από Remote Sensing Journal
1. Αντικείμενο Εφαρμογής
Δασολογία- Δασική Διαχείριση
2. Στόχος της Εφαρμογής
Στόχος της εφαρμογής είναι να συγκρίνει την αποτελεσματικότητα τριών διαφορετικών συστημάτων αισθητήρων, του LandSat 5 Thematic Mapper (TM5), του Quickbird (QB) και του ΕΟ-1 Hyperion, στην ανίχνευση πληθυσμού του φυτού Tamarisk (Tamarix spp., saltcedar) ζιζάνιου που εισήλθε στην Νότια Αμερική από την Ασία περί το 1800. Περιοχή μελέτης είναι το De Beque, Colorado, USA.
3. Είδη δορυφορικών ή αερομεταφερόμενων συστημάτων
• Δορυφόρος Landsat
• Δορυφόρος QuickBird
• Δορυφόρος EO-1
• Αερομεταφερόμενο Σύστημα HyMap Sensor
4. Είδη δορυφόρων, δεκτών και καναλιών
• LandSat TM5
• Quickbird
• Hyperion
5. Χρησιμότητα των δεκτών/καναλιών
Υψηλή χωρική ανάλυση:
• TM5: Χωρική ανάλυση 30m
• QB: Χωρική ανάλυση 2.4 m
• Hyperion: Χωρική ανάλυση 30m
6. Προεπεξεργασίες (ενισχύσεις, γεωαναφορά, συγχώνευση, ατμοσφαιρικές διορθώσεις, κλπ)
• Διόρθωση της εικόνας Hyperion και TM5 –RMSE <0.5 pixels.
• Διόρθωση της εικόνας QB -RMSE = 0.4 και 0.5 pixels για εικόνα του 2004 και του 2005 αντίστοιχα.
• Ατμοσφαιρική διόρθωση εικόνας από HyMap -Empirical Line calibration (ENVI v. 4.2)
7. Ψηφιακές επεξεργασίες/αλγόριθμοι και αποτελέσματα
• Μη επιβλεπόμενη ταξινόμηση στα δεδομένα TM5,QB and Hyperion (isodata, ENVI v. 4.2)
• PCA και Minimum Noise Fraction (MNF) Hyperion (ENVI v. 4.2).
• Band correlation analysis (ENVI v. 4.2)
• Επιβλεπόμενη ταξινόμηση Maximum Likelihood (ML)
• NVDI και Green NVDI
8. Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων
Η μη επιβλεπόμενη ταξινόμηση στα δεδομένα και των τριών συστημάτων TM5, QB, Hyperion κρίθηκε ανεπαρκής στην ανίχνευση του πληθυσμού του φυτού. Οι αλγόριθμοι που έδωσαν τα καλύτερα αποτελέσματα στην ταξινόμηση του φυτού, οι οποίοι εφαρμόστηκαν στα δεδομένα του 2004 των τριών συστημάτων ΤΜ5, QB και Hyperion φαίνονται στον Πίνακα 1.
Τα πολυφασματικά δεδομένα στα 2.5 μέτρα GSD QB ήταν τα πιο αποτελεσματικά στην χαρτογράφηση του φυτού από τα ίδια κανάλια του ΤΜ5 ή του υπερφασματικού Hyperion στα 30 μέτρα. Η υψηλή φασματική ανάλυση του Hyperion δεν απέφερε βελτίωση συγκρινόμενη με τις ταξινομήσεις του QB, ακόμα και αν η ραδιομετρική ακρίβεια του Hyperion (12 bits)είναι διπλάσια από αυτή του QB(11 bits). Για τα δεδομένα του QB, η συνολική ακρίβεια της ταξινόμησης έφτασε το 91% , ωστόσο τα λάθη επιφόρτισης ήταν μεγάλα. Αυτό μάλλον ήταν συνέπεια του γεγονότος ότι τα δεδομένα πάρθηκαν στην περίοδο του καλοκαιριού , όπου το φύλλωμα της παρόχθιας βλάστησης ήταν πράσινο. Η μέτρια φασματική ανάλυση του QB δεν ήταν δε θέση να ξεχωρίσει τις μικρές φασματικές διαφορές μεταξύ των ειδών βλάστησης.
Έτσι βλάστηση που δεν αφορούσε τον πληθυσμό tamarisk καθώς και εκτάσεις από αγροτικές περιοχές συχνά συμπεριλήφθηκαν στην ταξινόμηση κλάσης του φυτού tamarisk. Εάν η εικόνα είχε παρθεί κατά την διάρκεια του φθινοπώρου όταν το φύλλωμα του φυτού αλλάζει σε πορτοκαλί-κίτρινο ή κατά τη διάρκεια του χειμώνα όταν τα φύλλα του φυτού πέφτουν , τα αντίστοιχα λάθη of commission θα ήταν μειωμένα.
Πίνακας 1. Αλγόριθμοι που έδωσαν τα καλύτερα αποτελέσματα ταξινόμησης
Εικόνα 1. (a) Γενικευμένος χάρτης (b) κατανομή πληθυσμού (με κόκκινο) με ταξινόμηση δεδομένων Hyperion (c) ΤΜ5 (d) QB Οι εικόνες αυτές αντιπροσωπεύουν την μεγαλύτερη ακρίβεια ταξινόμησης για κάθε αισθητήρα και προήλθαν με την μέθοδο ML,για TM5 στα κανάλια 2,4,5,7 και στους Hyperion και QB με τον NVDI
