Ταξινόμηση γεωργικών εκτάσεων, χρησιμοποιώντας Landsat TM και QuickBird αισθητήρες. Μελέτη ελαιώνων στο νησί της Λέσβου

Από RemoteSensing Wiki

Παρούσα αναθεώρηση της 10:31, 15 Απριλίου 2014

Πίνακας 1: μήκος κύματος φάσματος για Landsat TM και Quickbird πολυφασματικούς αισθητήρες

Δείγματα εντοπισμού ελαιοπεριοχών με διαφορετικές πυκνότητες ελαιοδένδρων σε εικόνες QuickBird.

Τύποι κάλυψης εδάφους (ταξινόμηση με Landsat TM)

Κατηγορίες ελαιώνων (ταξινόμηση με Landsat TM)

I. ΣΤΟΧΟΣ ΤΗ ΕΦΑΡΜΟΓΗΣ Ο στόχος της παρούσας μελέτης είναι να αξιολογήσει τα αποτελέσματα της επιβλεπόμενης ταξινόμησης και την βελτίωση που θα παρουσιάσουν με την χρήση δεδομένων από αισθητήρα υψηλής ανάλυσης Landsat TM και δορυφορικών εικόνων QuickBird προκειμένου να αποτυπωθεί η χωρική κατανομή των ελαιοτεμαχίων στο νησί της Λέσβου και η θέση και η πυκνότητα των ελαιοδένδρων σε αυτά.

II. Η ΕΡΓΑΣΙΑ ΧΩΡΙΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗ Σε εφαρμογή του Καν. ( ΕΚ ) της Ευρωπαϊκής Επιτροπής αριθ. 2366/98 της 30ής Οκτωβρίου 1998 με τον οποίο καθορίζονται οι λεπτομέρειες εφαρμογής του καθεστώτος ενίσχυσης στην παραγωγή ελαιολάδου, δημιουργήθηκε η υποχρέωση κατάρτισης του ελαιοκομικού μητρώου με την καταγραφή και χαρτογράφηση των ελαιοτεμαχίων και ειδικότερα της θέσης των ελαιοδένδρων στο διαθέσιμο χαρτογραφικό υπόβαθρο που ήταν από ορθοφωτοχάρτες (από αεροφωτογραφίες της περιόδου 1996) και διαφάνειες ενοτήτων προσαρμοσμένους στους ορθοφωτοχάρτες.

Κατά την κατάρτηση η έκταση του ελαιοτεμαχίου δηλωνόταν από τον παραγωγό και ο εντοπισμος των ελαιοτεμαχίων και των ελαιοδένδρων γινόταν επίσης από τον παραγωγό με χρήση των αναλογικών στοιχείων (εκτυπώσεις ορθοφωτοχαρτών και διαφανειών) και σχεδίαση επί αυτών.

Με την μέθοδο που ακολουθήθηκε παρουσιάστηκαν αστοχίες κυρίως λόγω της μη εξοικείωσης των παραγωγών με την χρήση ορθοφωτοχαρτών, διότι τους ήταν εύκολη η αναγνώριση και ο εντοπισμός των τεμαχίων τους αλλά και λόγω του ότι δεν ήταν εμφανή τα όρια των καλλιεργειών και σε πολλές περιπτώσεις η πυκνότητα φύτευσης των ελαιοδένδρων οδηγούσε σε εσφαλμένη ψηφιοποίηση του αριθμού των ελαιοδένδρων.

III. ΣΥΝΟΠΤΙΚΗ ΠΕΡΙΓΡΑΦΗ ΑΝΤΙΚΕΙΜΕΝΟΥ ΤΗΣ ΜΕΛΕΤΗΣ ΜΕΤΗΛΕΠΙΣΚΟΠΗΣΗ Η έρευνα επιχειρεί να μελετήσει τη χρησιμότητα των στοιχείων από δορυφορικές εικόνες QuickBird και πολυφασματικες εικόνες Landsat TM στην απόδοση εδαφικών χαρακτηριστικών περιοχών με ελαιοτεμάχια, στην ταξινόμηση τους, και επιχειρεί να αποδώσει την πυκνότητα φύτευσης των ελαιόδεντρων.

Σε αντίθεση με τις προηγούμενες μεθόδους τηλεπισκόπησης που για την δημιουργία των κατηγοριών προτύπων, ήταν απαιτητές οι εκτεταμένες μετρήσεις στο πεδίο (με χρήση gps χαμηλής ακρίβειας), ο εξειδικευμένος χρήστης των εργαλείων τηλεπισκόπισης με δεδομένα από δορυφορικές εικόνες QuickBird, μπορεί να εντοπίσει ευκολότερα τα εξεταζόμενα τεμάχια και ελαιόδενδρα με την ευκρίνεια των 2,05 μέτρων pixel.

IV. ΔΙΑΧΕΙΡΙΣΗ ΕΙΚΟΝΩΝ Χρησιμοποιήθηκαν εικόνες μέσης-υψηλής ανάλυσης( Landsat TM ) και QuickBird με πολύ υψηλή ανάλυση. Η εικόνα Landsat TM με χωρική ανάλυση 30 m, ήταν ημερομηνίας 28/5/1999 . (Θεωρείται ότι τα τελευταία τρία χρόνια δεν υπήρξαν σημαντικές αλλαγές στην κάλυψη του εδάφους και άρα εξυπηρετεί τον σκοπό της μελέτης).

Οι εικόνες QuickBird αποκτήθηκαν κατά τη διάρκεια του καλοκαιριού του 2002 και ολόκληρη η περιοχή μελέτης καλύφθηκε περισσότερες από 15 λήψεις. Η QuickBird είναι εικόνα υψηλής ανάλυσης με χωρική ανάλυση 61 cm για το πανχρωματικό και 2,44 m για το για το πολυφασματικό (Eurimage,2003).

Πραγματοποιήθηκε γεωμετρική διορθώση τόσο για την εικόνα Landsat TM , όσο και για επιλεγμένες εικόνες QuickBird με την χρήση μετρήσεων σημείων ελέγχου επί του εδάφους που αποκτήθηκαν με GPS (estimated position error – πιθανού σφάλματος θέσης : 3-5 m) και γεωγραφική στο Ελληνικό Γεωδαιτικό Σύστημα Αναφοράς 1987.

Τα δεδομένα της εικόνας συλλέγονται σε μορφή 11 -bit ( 2048 επίπεδα του γκρι ), ενώ στα τέσσερα κανάλια της πολυφασματικής εικόνας αντιστοιχούν τα μπλε , πράσινο, κόκκινο και εγγύς υπέρυθρο μήκη κύματος (πίνακας1).

V. ΠΕΡΙΓΡΑΦΗ ΕΡΓΑΣΙΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ Πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση με την χρήση των παρακάτω κατηγοριών προτύπων για την περιοχή όπως προσδιορίστηκαν από τις εικόνες QuickBird:

• αλατωρυχεία, παράκτιες περιοχές, το νερό
• θάλασσα
• αστική περιοχή
• άγονο έδαφος
• πευκοδάσος
• ελαιόδενδρα
• δάσος οξυάς
• δάσος καστανιάς
• αειθαλείς θάμνοι
• Φυλλοβόλα δασικά δέντρα
• καλλιεργούμενη έκταση
• βοσκότοποι

Οι ελαιώνες χωρίστηκαν σε 5 διαφορετικές κατηγορίες ανάλογα με την πυκνότητα των δέντρων τους : Ε1: 90-120 δέντρα ανά εκτάριο , Ε2: 130-150 δένδρα ανά εκτάριο, Ε3: 160-190 δένδρα ανά εκτάριο, E4F: 200-230 δένδρα ανά εκτάριο σε επίπεδη επιφάνεια, Ε4Μ: 200-230 δένδρα ανά εκτάριο σε ορεινή περιοχή. Κατά την επιβλεπόμενη ταξινόμηση χρησιμοποιήθηκε ο κανόνας της μέγιστης πιθανοφάνειας που συσχετίζει τις υπογραφές με τις τιμές των δεδομένων των pixels, προκειμένου να ενταχθούν τα pixels σε μια συγκεκριμένη κατηγορία και η παραδοχή ότι οι πιθανότητες είναι ίσες για όλες τις κατηγορίες και ότι οι ζώνες εισόδου έχουν κανονική κατανομή. (Για τις περιπτώσεις που είναι εκ των προτέρων γνωστό ότι οι πιθανότητες διαφοροποιούνται, προσδιορίζονται διαφορετικά βάρη γι’ αυτές τις κατηγορίες).

VI. ΑΠΟΤΕΛΕΣΜΑΤΑ - ΣΥΜΠΕΡΑΣΜΑΤΑ Τα αποτελέσματα της ταξινόμησης δείχνουν ότι η χρήση δορυφορικών εικόνων υψηλής ακρίβειας είναι αρκετά αποτελεσματική παρά του πολυσύνθετου της περιοχής.

Από την σύγκριση των αποτελεσμάτων της ταξινόμησης για την περιοχή μελέτης με τις καταγραφές για την ίδια περιοχή με συμβατικές μεθόδους εντοπισμού με gps στο πεδίο, φαίνεται ότι η συνολική ακρίβεια υπερβαίνει το 99%, με μικρά ποσοστά αστοχίας ως προς την ταξινόμηση των pixels, όπου μόνο το 1,7% (των pixels) που έχουν αναγνωριστεί ως ελιές από τον χρήστη, με την χρήση της εικόνας QuickBird, ταξινομήθηκαν σε άλλες κατηγορίες και υπάρχει μια υπερεκτίμηση 5,5% των pixels που ανήκουν σε άλλες κατηγορίες και ταξινομήθηκαν ως ελαιόδεντρα.

Επίσης διαπιστώνεται μια διαφορά μεταξύ των προσδιορισμένων τιμών της έκτασης της περιοχής με την χρήση τηλεπισκόπισης με δεδομένα υψηλής ακρίβειας και συμβατικής μεθόδου, που οφείλεται στην διαφορετικότητα του τρόπου εργασίας (μικρότερες ακρίβειες, διαφορετικές χρονικές στιγμές λήψεις των εικόνων κ.λ.π.)

Από τα παραπάνω, φαίνεται ότι η χρήση δορυφορικών εικόνων υψηλής ανάλυσης και η εφαρμογή αλγορίθμων για ψηφιακή τηλεπισκόπιση, όπως η διαδικασία της επιβλεπόμενης ταξινόμησης ανταποκρίνονται στην χαρτογράφηση μιας ελαιοκομικής περιοχής, που χαρακτηρίζεται από την πολυπλοκότητα της, με την απόκτηση έγκυρων δεδομένων και την απόδοσή τους σε χάρτες (Η παράλληλη ανάπτυξη νέων τεχνικών θα βοηθήσει στην βελτίωση των αποτελεσμάτων).

Σε κάθε περίπτωση η χρήση της συμβατικής μεθόδου με συλλογή δεδομένων εδάφους υπολείπεται στην ακρίβεια των αποτελεσμάτων και στον χρόνο που απαιτεί για τις εργασίες της, παρά το ότι για την εφαρμογή μεθόδων ψηφιακής τηλεπισκόπησης απαιτείται εξειδικευμένη τεχνογνωσία και η κάλυψη της περιοχής μελέτης με δεδομένα υψηλής ανάλυσης, με ακριβό κόστος.

http://www.env.aegean.gr/labs/Remote_sensing/publications/Haicta_02.pdf