Βελτίωση της εκτίμησης των αδιαπέραστων αστικών επιφανειών με συνδυασμένη χρήση SAR και οπτικών τηλεπισκοπικών εικόνων.

Από RemoteSensing Wiki

Παρούσα αναθεώρηση της 13:17, 3 Απριλίου 2015

Εικόνα 1: Διάγραμμα του αλγορίθμου RF.

Εικόνα 2: Αποτελέσματα χαρτογράφησης αδιαπέραστων επιφανειών για τις τρεις πόλεις μελέτης.

Πρωτότυπος τίτλος: Improving the impervious surface estimation with combined use of optical and SAR remote sensing images.

Συγγραφείς: Yuanzhi Zhang, Hongsheng Zhang, Hui Lin.

http://www.sciencedirect.com/science/article/pii/S0034425713003969

1. Εισαγωγή

Οι αδιαπέραστες αστικές επιφάνειες αποτελούν σημαντικούς δείκτες των επικρατούντων περιβαλλοντικών συνθηκών στις πόλεις. Στις επιφάνειες αυτές συμπεριλαμβάνονται τόσο οι εκτάσεις που σχετίζονται με τις μετακινήσεις (δρόμοι, πάρκινγκ), όσο και οι ταράτσες των κτισμάτων (εμπορικών, βιομηχανικών, συγκροτημάτων κατοικιών κτλ.). Μία από τις καλύτερες μεθόδους για την εκτίμηση των επιφανειών αυτών είναι η τηλεπισκόπηση κυρίως λόγω του χαμηλού κόστους σε σχέση με άλλες μεθόδους και τη δυνατότητα εφαρμογής της σε διάφορες κλίμακες. Παρά τις διάφορες τεχνικές, ωστόσο, που έχουν αναπτυχθεί, η διαδικασία αυτή είναι απαιτητική λόγω της ποικιλομορφίας και της πολυπλοκότητας της αστικής γης. Η παρούσα εργασία αποτελεί μία προσπάθεια συνδυασμού τηλεπισκοπικών εικόνων στο οπτικό φάσμα, μαζί με δεδομένα SAR για τη βελτίωση της χαρτογράφησης της αστικής γης.

2. Μεθοδολογία

2.1. Δεδομένα

Περιοχές μελέτης αποτέλεσαν τρεις πόλεις (Guangzhou, Shenzhen και Hong Kong) κοντά στο δέλτα του ποταμού Pearl, σε μία από τις μεγαλύτερες μητροπολιτικές περιοχές της Κίνας. Ωστόσο, λόγω της ταχύτατης αστικοποίησης έχουν ανακύψει πάρα πολλά περιβαλλοντικά ζητήματα. Για κάθε μία από τις τρεις πόλεις χρησιμοποιήθηκαν τρεις διαφορετικοί συνδυασμοί οπτικών δεδομένων και δεδομένων ραντάρ. Συγκεκριμένα, για τη πόλη Guangzhou, χρησιμοποιήθηκε εικόνα Landsat ETM+ (αξιοποιήθηκαν μόνο τα 6 κανάλια των 30 μέτρων και όχι το πανγχωματικό των 15 μέτρων) καθώς και το ραντάρ του ENVISAT (Advanced Synthetic Aperture Radar –ASAR, Wide Swath Mode -WSM). Τα δεδομένα ήταν του 2010. Για την εικόνα του Landsat, προκειμένου να αποφευχθεί η πραγματοποίηση επεξεργασίας για την αντιμετώπιση των λωρίδων έλλειψης πληροφορίας που δημιουργούνται από την αποτυχία του SLC, επιλέχθηκαν ως περιοχές μελέτης τα τμήματα που βρίσκονται στα «υγιή» τμήματα των εικόνων. Ατμοσφαιρική διόρθωση δεν πραγματοποιήθηκε καθώς η ατμόσφαιρα θεωρήθηκε καθαρή και ομογενής. Για τη πόλη Shenzhen χρησιμοποιήθηκε εικόνα από τον SPOT-5 (διακριτική ικανότητα 10 μέτρα) καθώς και τα αντίστοιχα δεδομένα ASAR IMP του ENVISAT (ημερομηνίας 2008). Τέλος, για το Hong Kong τα δεδομένα αποτελούνταν από εικόνα του SPΟT-5 (διακριτική ικανότητα 10 μέτρων) καθώς εικόνα SAR από τον TerraSAR-X (όλα ημερομηνίας 2008). Όλα τα δεδομένα γεωαναφέρθηκαν καταλλήλως στην Εγκάρσια Μερκατορική Προβολή (UTM, Ζώνη 50).

2.2. Επεξεργασία

Στη παρούσα εργασία, για την εξαγωγή συμπληρωματικής πληροφορίας για τις αστικές επιφάνειες χρησιμοποιήθηκε η τεχνική της εξαγωγής των χαρακτηριστικών της υφής (texture feature extraction) επιφέρει καλύτερα αποτελέσματα σε σχέση με τις μεθόδους κατάτμησης ανά pixel. Στη παρούσα εργασία, η προσέγγιση που εφαρμόστηκε είναι η GLCM (Gray Level Co-occurrence Matrix) για την ανάλυση της υφής, με στοιχεία όπως η ομοιογένεια, η εντροπία, η ανομοιογένεια κτλ. να αποτελούν τους κυριότερους δείκτες για τη περιγραφή της υφής. Από το συνδυασμό των εικόνων SAR ως καναλιού, με τις οπτικές εικόνες, προκύπτει ο συνολικός αριθμός των καναλιών που θα χρησιμοποιηθούν στον υπολογισμό του αλγορίθμου RF (Random Forest). Ο αλγόριθμος αυτός, ο οποίος έχει χρησιμοποιηθεί σε διάφορες μελέτες τηλεπισκόπησης, βασίζεται στη τυχαία επαναδειγματοληψία των εισαχθέντων δεδομένων εκπαίδευσης (Breiman, 2001). Η βασική ιδέα πίσω από τον αλγόριθμο αυτό, είναι η ανάπτυξη πολλαπλών δέντρων απόφασης για τα τυχαία υποσύνολα των δεδομένων εκπαίδευσης και των συναφών μεταβλητών. Τέλος, για την εκτίμηση της ακρίβειας χρησιμοποιήθηκαν συγκεκριμένοι δείκτες, ο ΟΟΒ (out-of-bag error) και η συνολική ακρίβεια με το συντελεστή k βασισμένα στο πίνακα σύγχυσης.

3. Αποτελέσματα

Τα αποτελέσματα των πειραμάτων δείχνουν κάποια ενδιαφέροντα αποτελέσματα. Καταρχάς, η ενσωμάτωση του ΟΟΒ error είναι ανεπαρκής για την αξιολόγηση της ακρίβειας και απαιτούνται επιπρόσθετα δεδομένα αναφοράς προκειμένου να γίνει ο συνδυασμός των δεδομένων SAR με τα οπτικά. Δεύτερον, στον αλγόριθμό RF, προκειμένου να προσδιοριστεί ικανοποιητικά ο μέγιστος αριθμός μεταβλητών (m) για το διαχωρισμό των κόμβων στο δέντρο των αποφάσεων, θα πρέπει να εφαρμοστεί μία ειδική εμπειρική σχέση. Τρίτον, ο βέλτιστος αριθμός των δέντρων αποφάσεων (Τ) στον αλγόριθμο RF, δεν επηρεάζεται από τη διακριτική ικανότητα και τον τύπο του εκάστοτε σένσορα τόσο για τα δεδομένα SAR όσο και για τα οπτικά. Στη συγκεκριμένη λεμέτη ο αριθμός αυτός είναι 20 δέντρα απόφασης. Τέταρτον, η συνδυασμένη χρήση των δεδομένων κρίθηκε αποτελεσματική για τη βελτίωση της ταξινόμησης της κάλυψης γης και την εκτίμηση των κτισμένων εκτάσεων, μέσω της μείωσης της σύγχυσης που δημιουργείται ανάμεσα σε φωτεινές αδιαπέραστες επιφάνειες και το γυμνό έδαφος, αλλά και τις σκούρες αδιαπέραστες επιφάνειες με το γυμνό έδαφος και τις επιφάνειες με νερό. Ακόμα και για καλύψεις γης που υπό άλλες συνθήκες θα συγχέονταν εύκολα σε εικόνες με διαφορετική ανάλυση, η αποτελεσματικότητα του συνδυασμού οπτικών και SAR δεδομένων εμφανίζει συνέπεια. Η βελτίωση αυτή είναι πιο έντονη όταν γίνεται συνδυασμός οπτικών δεδομένων χαμηλότερης ανάλυσης με αυτά του ραντάρ.

4. Συμπεράσματα

Τα συμπεράσματα στα οποία οδηγήθηκε αυτή η μελέτη θα μπορούσαν να χρησιμεύσουν ως ένα εργαλείο αναφοράς τόσο για τις μετέπειτα εφαρμογές που κάνουν χρήση συνδυασμένων δεδομένων SAR και δεδομένων οπτικού φάσματος, όσο και για τις εφαρμογές του αλγορίθμου RF στις συγχωνεύσεις και άλλων δεδομένων ψηφιακής τηλεπισκόπησης από πολλαπλές πηγές.