Εφαρµογή Τηλεπισκόπησης στην καταγραφή της κατανάλωσης του αρδευτικού νερού στον Κάµπο του Ν. Χανίων

Από RemoteSensing Wiki

(Διαφορές μεταξύ αναθεωρήσεων)
Μετάβαση σε: πλοήγηση, αναζήτηση
(Νέα σελίδα με ' '''Εισαγωγή''' Η περιοχή µελέτης τοποθετείται στο βορειοκεντρικό τµήµα του Ν. Χανίων, της νήσο...')
 
(4 ενδιάμεσες αναθεωρήσεις δεν εμφανίζονται.)
Γραμμή 1: Γραμμή 1:
-
 
'''Εισαγωγή'''
'''Εισαγωγή'''
Γραμμή 11: Γραμμή 10:
* Επεξεργασία των εικόνων και αναγωγή τους σε επιθυµητό γεωγραφικό σύστηµα αναφοράς.  
* Επεξεργασία των εικόνων και αναγωγή τους σε επιθυµητό γεωγραφικό σύστηµα αναφοράς.  
* Λήψη φασµατικών ταυτοτήτων από δειγµατοληπτικές περιοχές   
* Λήψη φασµατικών ταυτοτήτων από δειγµατοληπτικές περιοχές   
-
*Εφαρµογή τεχνικών ανάλυσης, µοντέλων και αλγορίθµων και δηµιουργία τροποποιηµένων εικόνων (π.χ. σύνθετες εικόνες διαφορετικών χρονικών περιόδων).  
+
* Εφαρµογή τεχνικών ανάλυσης, µοντέλων και αλγορίθµων και δηµιουργία τροποποιηµένων εικόνων (π.χ. σύνθετες εικόνες διαφορετικών χρονικών περιόδων).  
-
* Εφαρµογή τεχνικών ταξινόµησης για την εξαγωγή ποιοτικά διαφοροποιηµένων κλάσεων µε βάση επιθυµητά κριτήρια.  
+
* Εφαρµογή τεχνικών ταξινόµησης για την εξαγωγή ποιοτικά διαφοροποιηµένων κλάσεων µε βάση επιθυµητά κριτήρια.  
* Στατιστικός και συγκριτικός έλεγχος των αποτελεσµάτων.  
* Στατιστικός και συγκριτικός έλεγχος των αποτελεσµάτων.  
 +
Η επιλογή των δορυφορικών εικόνων έγινε βάση της καταγραφής της υπάρχουσας κατάστασης. Αρχικά έγινε προµήθεια µιας πολυφασµατικής εικόνας του δορυφόρου IKONOS και της αντίστοιχης παγχρωµατικής, και τους προσεχείς µήνες, θα πραγµατοποιηθεί η προµήθεια και δεύτερης δορυφορικής πολυφασµατικής εικόνας του ίδιου δορυφόρου σε διαφορετική χρονική περίοδο κατά τη διάρκεια της ανάπτυξης των καλλιεργειών ανάλογα µε το φαινολογικό τους τύπο (π.χ. στάδιο πρώιµης, µέσης και τελικής ανάπτυξης). Συνεπώς η πρώτη δορυφορική εικόνα που επεξεργάστηκε είναι µια πολυφασµατική εικόνα Ikonos Ms, τεσσάρων (4) φασµατικών καναλιών, διακριτικής ικανότητας 4µ. και η αντίστοιχη παγχρωµατική µε χωρική ανάλυση 1m και ηµεροµηνία λήψης 16/07/2006.  
Η επιλογή των δορυφορικών εικόνων έγινε βάση της καταγραφής της υπάρχουσας κατάστασης. Αρχικά έγινε προµήθεια µιας πολυφασµατικής εικόνας του δορυφόρου IKONOS και της αντίστοιχης παγχρωµατικής, και τους προσεχείς µήνες, θα πραγµατοποιηθεί η προµήθεια και δεύτερης δορυφορικής πολυφασµατικής εικόνας του ίδιου δορυφόρου σε διαφορετική χρονική περίοδο κατά τη διάρκεια της ανάπτυξης των καλλιεργειών ανάλογα µε το φαινολογικό τους τύπο (π.χ. στάδιο πρώιµης, µέσης και τελικής ανάπτυξης). Συνεπώς η πρώτη δορυφορική εικόνα που επεξεργάστηκε είναι µια πολυφασµατική εικόνα Ikonos Ms, τεσσάρων (4) φασµατικών καναλιών, διακριτικής ικανότητας 4µ. και η αντίστοιχη παγχρωµατική µε χωρική ανάλυση 1m και ηµεροµηνία λήψης 16/07/2006.  
Επεξεργασία Πρωτογενών ∆εδοµένων - Γεωµετρικές ∆ιορθώσεις  
Επεξεργασία Πρωτογενών ∆εδοµένων - Γεωµετρικές ∆ιορθώσεις  
-
Η πρώτη επεξεργασία των δορυφορικών εικόνων είναι η γεωµετρική ορθοαναγωγή (orthorectification) σε µία κοινή τοπογραφική βάση και η αναδόµησή τους (resampling), µε βάση το Ελληνικό Γεωδαιτικό Σύστηµα Αναφοράς (ΕΓΣΑ '87). Στο στάδιο αυτό επιτεύχθηκε ακρίβεια του µέσου τετραγωνικού σφάλµατος (RMS) της γεωµετρικής διόρθωσης , µικρότερη του ενάµιση (1,5) pixel. Για την ορθοαναγωγή της δορυφορικής εικόνας προσδιορίστηκαν φωτοσταθερά σηµεία από τους ορθοφωτοχάρτες του Υπουργείου Γεωργίας και το Ψηφιακό Μοντέλο Εδάφους που χρησιµοποιήθηκε στην επίλυση αποτελεί προϊόν στερεοσκοπικών εικόνων Spot P, υψοµετρικής ακρίβειας 7-11µ.. Μετά τις γεωµετρικές διορθώσεις είναι εφικτή η απεικόνιση των δορυφορικών εικόνων σε ενιαίο χαρτογραφικό υπόβαθρο και η άµεση σύγκριση µε όλα τα άλλα διαθέσιµα χαρτογραφικά δεδοµένα. Ραδιοµετρικές ∆ιορθώσεις Επειδή κατά τη λήψη των δορυφορικών εικόνων η ανακλώµενη ακτινοβολία που καταγράφεται από τον δέκτη επηρεάζεται από τις ατµοσφαιρικές συνθήκες που επικρατούν την στιγµή της λήψης, οι εικόνες πρέπει να διορθωθούν ραδιοµετρικά, πριν χρησιµοποιηθούν για ερµηνεία. Η ραδιοµετρική διόρθωση των δορυφορικών εικόνων έχει σαν στόχο την ελαχιστοποίηση των χρωµατικών διαφορών που προέρχονται από τις συνθήκες του φωτισµού που υπήρχαν κατά την στιγµή της λήψης. Η διόρθωση αυτή είναι σηµαντική ιδιαίτερα για την ανάλυση των φασµατικών υπογραφών όταν χρησιµοποιούνται σκηνές διαφορετικών χρονικών περιόδων . Για την καλύτερη οπτική ερµηνεία των δορυφορικών εικόνων, είναι απαραίτητο να ενισχυθεί η χρωµατική διαβάθµιση της απεικόνισης των διαφόρων καλλιεργειών στην οθόνη. Αυτό επιτυγχάνεται µε τον υπολογισµό των ιστογραµµάτων των καναλιών που χρησιµοποιούνται για την σύνθεση της εικόνας κατά την ερµηνεία και επεκτείνοντας γραµµικά (linear stretching) το τµήµα του ιστογράµµατος που αντιπροσωπεύει γεωργικές χρήσεις, για να εκµεταλλευτούµε όλο το εύρος του φάσµατος απεικόνισης της οθόνης.
+
Η πρώτη επεξεργασία των δορυφορικών εικόνων είναι η γεωµετρική ορθοαναγωγή (orthorectification) σε µία κοινή τοπογραφική βάση και η αναδόµησή τους (resampling), µε βάση το Ελληνικό Γεωδαιτικό Σύστηµα Αναφοράς (ΕΓΣΑ '87). Στο στάδιο αυτό επιτεύχθηκε ακρίβεια του µέσου τετραγωνικού σφάλµατος (RMS) της γεωµετρικής διόρθωσης , µικρότερη του ενάµιση (1,5) pixel. Για την ορθοαναγωγή της δορυφορικής εικόνας προσδιορίστηκαν φωτοσταθερά σηµεία από τους ορθοφωτοχάρτες του Υπουργείου Γεωργίας και το Ψηφιακό Μοντέλο Εδάφους που χρησιµοποιήθηκε στην επίλυση αποτελεί προϊόν στερεοσκοπικών εικόνων Spot P, υψοµετρικής ακρίβειας 7-11µ.. Μετά τις γεωµετρικές διορθώσεις είναι εφικτή η απεικόνιση των δορυφορικών εικόνων σε ενιαίο χαρτογραφικό υπόβαθρο και η άµεση σύγκριση µε όλα τα άλλα διαθέσιµα χαρτογραφικά δεδοµένα. Ραδιοµετρικές ∆ιορθώσεις Επειδή κατά τη λήψη των δορυφορικών εικόνων η ανακλώµενη ακτινοβολία που καταγράφεται από τον δέκτη επηρεάζεται από τις ατµοσφαιρικές συνθήκες που επικρατούν την στιγµή της λήψης, οι εικόνες πρέπει να διορθωθούν ραδιοµετρικά, πριν χρησιµοποιηθούν για ερµηνεία. Η ραδιοµετρική διόρθωση των δορυφορικών εικόνων έχει σαν στόχο την ελαχιστοποίηση των χρωµατικών διαφορών που προέρχονται από τις συνθήκες του φωτισµού που υπήρχαν κατά την στιγµή της λήψης. Η διόρθωση αυτή είναι σηµαντική ιδιαίτερα για την ανάλυση των φασµατικών υπογραφών όταν χρησιµοποιούνται σκηνές διαφορετικών χρονικών περιόδων . Για την καλύτερη οπτική ερµηνεία των δορυφορικών εικόνων, είναι απαραίτητο να ενισχυθεί η χρωµατική διαβάθµιση της απεικόνισης των διαφόρων καλλιεργειών στην οθόνη. Αυτό επιτυγχάνεται µε τον υπολογισµό των ιστογραµµάτων των καναλιών που χρησιµοποιούνται για την σύνθεση της εικόνας κατά την ερµηνεία και επεκτείνοντας γραµµικά (linear stretching) το τµήµα του ιστογράµµατος που αντιπροσωπεύει γεωργικές χρήσεις, για να εκµεταλλευτούµε όλο το εύρος του φάσµατος απεικόνισης της οθόνης. Οι δορυφορικές εικόνες υψηλής χωρικής ανάλυσης (very-high resolution imagesVHR) που είναι διαθέσιµες στις µέρες µας (π.χ. IKONOS, Quickbird, Formosat, κ.α.) και χρησιµοποιούνται σε πλήθος εφαρµογών, παρέχουν µεγάλο αριθµό πληροφορίας µε αρκετή πολυπλοκότητα µε αποτέλεσµα να είναι επιβεβληµένη η χρήση κατάλληλων τεχνικών για την ταξινόµηση και ερµηνεία της πληροφορίας. Μια σηµαντική τεχνική η οποία χρησιµοποιείται για την αξιοποίηση της πληροφορίας των δορυφορικών εικόνων είναι η διαδικασία της ταξινόµησης (classification process) των δορυφορικών εικόνων. Ταξινόµηση δορυφορικής εικόνας σε γενικές γραµµές είναι ακριβώς αυτό που λέει η ίδια η λέξη: η ταξινόµηση των εικονοστοιχείων (pixels) της εικόνας στην οµάδα στην οποία ανήκουν. Πιο συγκεκριµένα η ταξινόµηση αναφέρεται στην απόδοση των καταγραφών των pixel της εικόνας στην πραγµατική κατηγορία που ανήκουν, αξιοποιώντας την φασµατική πληροφορία των pixels αυτών. Αυτό φυσικά επιτυγχάνεται µε τη βοήθεια των υπολογιστών, κυρίως λόγω του µεγάλου όγκου δεδοµένων που έχουµε να διαχειριστούµε. Ανάλογα µε τον τύπο που θα ταξινοµηθεί και το είδος της εφαρµογής που θα µελετηθεί, η ταξινόµηση έχει επικρατήσει να εφαρµόζεται κυρίως µε δύο τεχνικές τις λεγόµενες συµβατικές: την καθοδηγούµενη ταξινόµηση (supervised classification) και την µη-καθοδηγούµενη ταξινόµηση (unsupervised classification). Η βασική διαφορά τους έγκειται στο ότι η καθοδηγούµενη προσπαθεί να συσχετίσει οµάδες pixels µε τις κατηγορίες που µας ενδιαφέρουν ενώ η µη-καθοδηγούµενη προσδιορίζει τα χαρακτηριστικά της εικόνας, από διακριτές οµάδες pixels, χρησιµοποιώντας τις φασµατικές υπογραφές αυτών. Οι τιµές του κάθε pixel µιας πολυφασµατικής εικόνας, µετά τη διαδικασία της ταξινόµησης θα οµαδοποιηθούν και θα αναγνωριστούν τι αντιπροσωπεύουν και έχουν καταγράψει από τη γήινη επιφάνεια (πχ γεωλογικά χαρακτηριστικά, πετρώµατα, τοπολογικά στοιχεία, τύποι γης, χρήσεις γης ήτοι : καλλιέργειες, κλπ). Ο βαθµός ακρίβειας της ταξινόµησης (classification accuracy assessment) καθώς επίσης και η βέλτιστη µέθοδος ταξινόµησης που έχει επιλεγεί, είναι δύο βασικοί παράγοντες που οδηγούν στην ορθή απόδοση του κάθε pixel. Για το συγκεκριµένο έργο χρησιµοποιήθηκαν δύο εικόνες IKONOS υψηλής χωρικής ανάλυσης, µία πολυφασµατική (multispectral) µε χωρική ανάλυση 4µ. και µία παγχρωµατική µε χωρική ανάλυση 1µ. µε ηµεροµηνία λήψης 16/07/2006. Εφαρµόστηκε συνδυασµός των δύο τεχνικών ταξινόµησης της καθοδηγούµενης και της µη-καθοδηγούµενης µε µεγαλύτερο βάρος στην καθοδηγούµενη. Η ταξινόµηση εφαρµόστηκε στην πολυφασµατική εικόνα ενώ η pansharpened (σύνθεση παγχρωµατικής και πολυφασµατικής ορθοεικόνας) χρησιµοποιήθηκε ως βασικό στοιχείο ελέγχου για τα αποτελέσµατα της ταξινόµησης. Η εκµάθηση του ταξινοµητή έγινε στην βάση του δείγµατος που προέκυψε από τις επίγειες εργασίες καταγραφής των καλλιεργειών. Η διαδικασία αυτή ήταν σηµαντική για την επιλογή δειγµάτων στην περιοχή µελέτης για την εκπαίδευση του αλγορίθµου ταξινόµησης των δορυφορικών εικόνων. Η συλλογή των δειγµάτων έγινε µε βάση τα έντυπα που δηµιουργήθηκαν από τις δορυφορικές εικόνες, στις οποίες είχαν προσηµειωθεί οι περιοχές λήψης δειγµάτων. Η συλλογή των δειγµάτων ήταν ενδεικτική για όλη την περιοχή µελέτης και πραγµατοποιήθηκε µε τη χρήση οργάνου GPS για την προβολή των δειγµάτων στις δορυφορικές ορθοεικόνες. Για την εκµάθηση του ταξινοµητή ψηφιοποιήθηκαν τα όρια των αγροτεµαχίων που επισκέφθηκαν οι παρατηρητές στο πεδίο και κατέγραψαν την περιεχόµενη καλλιέργεια. Οι αντίστοιχες περιοχές της εικόνας χρησιµοποιήθηκαν κατά το ήµισυ στη φάση της εκµάθησης του ταξινοµητή για την εξαγωγή αντιπροσωπευτικού δείγµατος φασµατικής πληροφορίας για τις καλλιέργειες και κατά το υπόλοιπο ήµισυ για ποιοτικό έλεγχο της ταξινόµησης.  Η ταξινόµηση των διαθέσιµων δορυφορικών εικόνων έγινε µε την µέθοδο της µέγιστης πιθανοφάνειας (Maximum Likelihood Classification Method) ως εξής:
-
Αναγνώριση τύπων καλλιεργειών µέσω τεχνικών Ταξινόµησης
+
-
Οι δορυφορικές εικόνες υψηλής χωρικής ανάλυσης (very-high resolution imagesVHR) που είναι διαθέσιµες στις µέρες µας (π.χ. IKONOS, Quickbird, Formosat, κ.α.) και χρησιµοποιούνται σε πλήθος εφαρµογών, παρέχουν µεγάλο αριθµό πληροφορίας µε αρκετή πολυπλοκότητα µε αποτέλεσµα να είναι επιβεβληµένη η χρήση κατάλληλων τεχνικών για την ταξινόµηση και ερµηνεία της πληροφορίας. Μια σηµαντική τεχνική η οποία χρησιµοποιείται για την αξιοποίηση της πληροφορίας των δορυφορικών εικόνων είναι η διαδικασία της ταξινόµησης (classification process) των δορυφορικών εικόνων. Ταξινόµηση δορυφορικής εικόνας σε γενικές γραµµές είναι ακριβώς αυτό που λέει η ίδια η λέξη: η ταξινόµηση των εικονοστοιχείων (pixels) της εικόνας στην οµάδα στην οποία ανήκουν. Πιο συγκεκριµένα η ταξινόµηση αναφέρεται στην απόδοση των καταγραφών των pixel της εικόνας στην πραγµατική κατηγορία που ανήκουν, αξιοποιώντας την φασµατική πληροφορία των pixels αυτών. Αυτό φυσικά επιτυγχάνεται µε τη βοήθεια των υπολογιστών, κυρίως λόγω του µεγάλου όγκου δεδοµένων που έχουµε να διαχειριστούµε. Ανάλογα µε τον τύπο που θα ταξινοµηθεί και το είδος της εφαρµογής που θα µελετηθεί, η ταξινόµηση έχει επικρατήσει να εφαρµόζεται κυρίως µε δύο τεχνικές τις λεγόµενες συµβατικές: την καθοδηγούµενη ταξινόµηση (supervised classification) και την µη-καθοδηγούµενη ταξινόµηση (unsupervised classification). Η βασική διαφορά τους έγκειται στο ότι η καθοδηγούµενη προσπαθεί να συσχετίσει οµάδες pixels µε τις κατηγορίες που µας ενδιαφέρουν ενώ η µη-καθοδηγούµενη προσδιορίζει τα χαρακτηριστικά της εικόνας, από διακριτές οµάδες pixels, χρησιµοποιώντας τις φασµατικές υπογραφές αυτών. Οι τιµές του κάθε pixel µιας πολυφασµατικής εικόνας, µετά τη διαδικασία της ταξινόµησης θα οµαδοποιηθούν και θα αναγνωριστούν τι αντιπροσωπεύουν και έχουν καταγράψει από τη γήινη επιφάνεια (πχ γεωλογικά χαρακτηριστικά, πετρώµατα, τοπολογικά στοιχεία, τύποι γης, χρήσεις γης ήτοι : καλλιέργειες, κλπ). Ο βαθµός ακρίβειας της ταξινόµησης (classification accuracy assessment) καθώς επίσης και η βέλτιστη µέθοδος ταξινόµησης που έχει επιλεγεί, είναι δύο βασικοί παράγοντες που οδηγούν στην ορθή απόδοση του κάθε pixel. Για το συγκεκριµένο έργο χρησιµοποιήθηκαν δύο εικόνες IKONOS υψηλής χωρικής ανάλυσης, µία πολυφασµατική (multispectral) µε χωρική ανάλυση 4µ. και µία παγχρωµατική µε χωρική ανάλυση 1µ. µε ηµεροµηνία λήψης 16/07/2006. Εφαρµόστηκε συνδυασµός των δύο τεχνικών ταξινόµησης της καθοδηγούµενης και της µη-καθοδηγούµενης µε µεγαλύτερο βάρος στην καθοδηγούµενη. Η ταξινόµηση εφαρµόστηκε στην πολυφασµατική εικόνα ενώ η pansharpened (σύνθεση παγχρωµατικής και πολυφασµατικής ορθοεικόνας) χρησιµοποιήθηκε ως βασικό στοιχείο ελέγχου για τα αποτελέσµατα της ταξινόµησης. Η εκµάθηση του ταξινοµητή έγινε στην βάση του δείγµατος που προέκυψε από τις επίγειες εργασίες καταγραφής των καλλιεργειών. Η διαδικασία αυτή ήταν σηµαντική για την επιλογή δειγµάτων στην περιοχή µελέτης για την εκπαίδευση του αλγορίθµου ταξινόµησης των δορυφορικών εικόνων. Η συλλογή των δειγµάτων έγινε µε βάση τα έντυπα που δηµιουργήθηκαν από τις δορυφορικές εικόνες, στις οποίες είχαν προσηµειωθεί οι περιοχές λήψης δειγµάτων. Η συλλογή των δειγµάτων ήταν ενδεικτική για όλη την περιοχή µελέτης και πραγµατοποιήθηκε µε τη χρήση οργάνου GPS για την προβολή των δειγµάτων στις δορυφορικές ορθοεικόνες. Για την εκµάθηση του ταξινοµητή ψηφιοποιήθηκαν τα όρια των αγροτεµαχίων που επισκέφθηκαν οι παρατηρητές στο πεδίο και κατέγραψαν την περιεχόµενη καλλιέργεια. Οι αντίστοιχες περιοχές της εικόνας χρησιµοποιήθηκαν κατά το ήµισυ στη φάση της εκµάθησης του ταξινοµητή για την εξαγωγή αντιπροσωπευτικού δείγµατος φασµατικής πληροφορίας για τις καλλιέργειες και κατά το υπόλοιπο ήµισυ για ποιοτικό έλεγχο της ταξινόµησης.  Η ταξινόµηση των διαθέσιµων δορυφορικών εικόνων έγινε µε την µέθοδο της µέγιστης πιθανοφάνειας (Maximum Likelihood Classification Method) ως εξής:
+
* Επιλογή των καταλλήλων σκηνών   
* Επιλογή των καταλλήλων σκηνών   
-
*Επιλογή των φασµατικών υπογραφών των καλλιεργειών  
+
* Επιλογή των φασµατικών υπογραφών των καλλιεργειών  
* Ταξινόµηση των επικρατέστερων χρήσεων γης   
* Ταξινόµηση των επικρατέστερων χρήσεων γης   
* Αξιολόγηση των αποτελεσµάτων
* Αξιολόγηση των αποτελεσµάτων
Γραμμή 29: Γραμμή 27:
Στην παρούσα µελέτη παρουσιάστηκε ένα σχέδιο για την κοστολόγηση του αρδευτικού νερού στον Κάµπο Χανίων, λαµβάνοντας υπόψη τις οικονοµικές, κοινωνικές και περιβαλλοντικές συνθήκες της περιοχής, και βασίστηκε στη χρήση τεχνικών της δορυφορικής Τηλεπισκόπησης και των Γεωγραφικών Συστηµάτων Πληροφοριών. Τα αρχικά δεδοµένα που συλλέχθηκαν δεν βοήθησαν πολύ στην ταξινόµηση των καλλιεργειών. Το πρόγραµµα CORINE παρ’ ότι αποτέλεσε µία πρώτη προσπάθεια δηµιουργίας µιας βάσης δεδοµένων σε εθνικό επίπεδο, έδωσε δεδοµένα κλίµακας 1:100.000 τα οποία σήµερα είναι περιορισµένης χρησιµότητας λόγω της παλαιότητας τους και σε καµία περίπτωση δεν µπορούν να χρησιµοποιηθούν σε πρακτικό επίπεδο όσον αφορά την λεπτοµερή κάλυψη/χρήση γης. Τα δορυφορικά δεδοµένα του Ikonos παρουσίασαν µία αδυναµία διάκρισης συγκεκριµένων τύπων κάλυψης/χρήσης γης (χαµηλό ποσοστό ταξινόµησης= 65%), λόγω της περιορισµένης φασµατικής ανάλυσής τους και των παραγόντων εκείνων που συναντώνται στην περιοχή και αφορούν τον πολυτεµαχισµό του αγροτικού κλήρου, τις µικρές εκτάσεις των αγροτεµαχίων, την συχνή συγκαλλιέργεια (Αβοκάντο µε Τριφύλλι ή Λαχανόκηποι µε Τρυφύλλι) και τις παραπλήσεις φασµατικές υπογραφές των κλάσεων ταξινόµησης. Τα µεγαλύτερο πρόβληµα που παρουσιάσθηκε ήταν οι παραπλήσεις φασµατικές υπογραφές των εσπεριδοειδών µε τα νεότερα σε ηλικία ελαιόδεντρα τα οποία είναι παρόµοιων διαστάσεων και παρόµοιας πυκνότητας φύτευσης µε τα εσπεριδοειδή. Επίσης, ένας ακόµη παράγοντας σύγχυσης φασµατικής υπογραφής αυτών των καλλιεργειών είναι ότι την εποχή λήψης της συγκεκριµένης δορυφορικής εικόνας (Ιούλιος 2006) και το δυο αυτά είδη δεν έχουν ούτε καρπό ούτε και ανθό για να έχουµε καλύτερους δείκτες διαφοροποιήσεις των. Παρόµοιας φύσης πρόβληµα είναι η αλλαγή από τον έναν τύπο καλλιέργειας στον άλλο. Με κίνητρο την υψηλή επιδότηση από την Ευρωπαϊκή Ένωση, για νέου είδους καλλιέργειες, υπάρχει µια τάση αντικατάστασης των ελαιοδέντρων και πολλών εσπεριδοειδών από αβοκάντο. Στην περίπτωση αυτή οι καλλιεργητές φυτεύουν περιµετρικά αβοκάντο µε αποτέλεσµα η ταξινόµηση σε αυτούς του είδους τις καλλιέργειες να δίνει εσφαλµένα αποτελέσµατα. Όλα τα παραπάνω προβλήµατα είναι αντιµετωπίσιµα και οδεύουν προς λύση δεδοµένου ότι το προϊόν του θεµατικού χάρτη που εξήχθη αποτελεί πρώτο αποτέλεσµα ενός πιλοτικού Έργου το οποίο βρίσκεται ακόµα σε εξέλιξη. Η ολοκλήρωση του συστήµατος θα πραγµατοποιηθεί µετά από την ανάλυση και επεξεργασία νέων δορυφορικών δεδοµένων (Ikonos), που θα ληφθούν κατά τη διάρκεια του 2007, τα οποία και θα ενσωµατωθούν στην συνέχεια στο σύστηµα και θα παράγουν ένα θεµατικό χάρτη υψηλότερης ακρίβειας. Είδη έχει ξεκινήσει καθοδηγούµενη ταξινόµηση σε επίπεδο ΤΟΕΒ (Τοπικοί Οργανισµοί Εγγείων Βελτιώσεων) όπου θα ληφθούν καινούργια δείγµατα εδάφους και έτσι θα περιορισθεί κατά µεγάλο ποσοστό το πρόβληµα σύγχυσης της φασµατικής υπογραφής µεταξύ παρόµοιων καλλιεργειών. Επίσης χρησιµοποιώντας το Ψηφιακού Μοντέλου Εδάφους θα γίνει καλύτερος διαχωρισµός των ελαιοδέντρων από τα εσπεριδοειδή αφού τα πρώτα καλλιεργούνται σε µεγαλύτερα και απότοµα υψόµετρα ενώ τα εσπεριδοειδή συναντώνται κατά µήκος των παραποτάµιων πεδιάδων. Βάζοντας τέτοιας φύσεως περιορισµούς και κριτήρια, λαµβάνοντας περισσότερα δείγµατα εδάφους αλλά και διορθώνοντας λάθος αποτελέσµατα ερµηνεύοντας τον πρώτο θεµατικό χάρτη σε πραγµατικό χρόνο τα αποτελέσµατα της ταξινόµησης θα βελτιωθούν και στόχος της εργασίας είναι να προσεγγίσουν ποσοστό ακρίβειας 80% περίπου. Είναι όµως γεγονός ότι, αν και η εξέλιξη της δορυφορικής τεχνολογίας έχει φτάσει σε υψηλό επίπεδο και δίνει προϊόντα υψηλής χωρικής ανάλυσης (0.6µ. στο παγχρωµατικό και 2.4µ. στο πολυφασµατικό – δορυφόρος Quickbird), δεν παρατηρείται αντίστοιχη βελτίωση στη φασµατική ανάλυση των δορυφορικών δεδοµένων και η αναγνώριση - διάκριση των καλλιεργειών παραµένει σε µεγάλο βαθµό ένα πολύπλοκο πρόβληµα.
Στην παρούσα µελέτη παρουσιάστηκε ένα σχέδιο για την κοστολόγηση του αρδευτικού νερού στον Κάµπο Χανίων, λαµβάνοντας υπόψη τις οικονοµικές, κοινωνικές και περιβαλλοντικές συνθήκες της περιοχής, και βασίστηκε στη χρήση τεχνικών της δορυφορικής Τηλεπισκόπησης και των Γεωγραφικών Συστηµάτων Πληροφοριών. Τα αρχικά δεδοµένα που συλλέχθηκαν δεν βοήθησαν πολύ στην ταξινόµηση των καλλιεργειών. Το πρόγραµµα CORINE παρ’ ότι αποτέλεσε µία πρώτη προσπάθεια δηµιουργίας µιας βάσης δεδοµένων σε εθνικό επίπεδο, έδωσε δεδοµένα κλίµακας 1:100.000 τα οποία σήµερα είναι περιορισµένης χρησιµότητας λόγω της παλαιότητας τους και σε καµία περίπτωση δεν µπορούν να χρησιµοποιηθούν σε πρακτικό επίπεδο όσον αφορά την λεπτοµερή κάλυψη/χρήση γης. Τα δορυφορικά δεδοµένα του Ikonos παρουσίασαν µία αδυναµία διάκρισης συγκεκριµένων τύπων κάλυψης/χρήσης γης (χαµηλό ποσοστό ταξινόµησης= 65%), λόγω της περιορισµένης φασµατικής ανάλυσής τους και των παραγόντων εκείνων που συναντώνται στην περιοχή και αφορούν τον πολυτεµαχισµό του αγροτικού κλήρου, τις µικρές εκτάσεις των αγροτεµαχίων, την συχνή συγκαλλιέργεια (Αβοκάντο µε Τριφύλλι ή Λαχανόκηποι µε Τρυφύλλι) και τις παραπλήσεις φασµατικές υπογραφές των κλάσεων ταξινόµησης. Τα µεγαλύτερο πρόβληµα που παρουσιάσθηκε ήταν οι παραπλήσεις φασµατικές υπογραφές των εσπεριδοειδών µε τα νεότερα σε ηλικία ελαιόδεντρα τα οποία είναι παρόµοιων διαστάσεων και παρόµοιας πυκνότητας φύτευσης µε τα εσπεριδοειδή. Επίσης, ένας ακόµη παράγοντας σύγχυσης φασµατικής υπογραφής αυτών των καλλιεργειών είναι ότι την εποχή λήψης της συγκεκριµένης δορυφορικής εικόνας (Ιούλιος 2006) και το δυο αυτά είδη δεν έχουν ούτε καρπό ούτε και ανθό για να έχουµε καλύτερους δείκτες διαφοροποιήσεις των. Παρόµοιας φύσης πρόβληµα είναι η αλλαγή από τον έναν τύπο καλλιέργειας στον άλλο. Με κίνητρο την υψηλή επιδότηση από την Ευρωπαϊκή Ένωση, για νέου είδους καλλιέργειες, υπάρχει µια τάση αντικατάστασης των ελαιοδέντρων και πολλών εσπεριδοειδών από αβοκάντο. Στην περίπτωση αυτή οι καλλιεργητές φυτεύουν περιµετρικά αβοκάντο µε αποτέλεσµα η ταξινόµηση σε αυτούς του είδους τις καλλιέργειες να δίνει εσφαλµένα αποτελέσµατα. Όλα τα παραπάνω προβλήµατα είναι αντιµετωπίσιµα και οδεύουν προς λύση δεδοµένου ότι το προϊόν του θεµατικού χάρτη που εξήχθη αποτελεί πρώτο αποτέλεσµα ενός πιλοτικού Έργου το οποίο βρίσκεται ακόµα σε εξέλιξη. Η ολοκλήρωση του συστήµατος θα πραγµατοποιηθεί µετά από την ανάλυση και επεξεργασία νέων δορυφορικών δεδοµένων (Ikonos), που θα ληφθούν κατά τη διάρκεια του 2007, τα οποία και θα ενσωµατωθούν στην συνέχεια στο σύστηµα και θα παράγουν ένα θεµατικό χάρτη υψηλότερης ακρίβειας. Είδη έχει ξεκινήσει καθοδηγούµενη ταξινόµηση σε επίπεδο ΤΟΕΒ (Τοπικοί Οργανισµοί Εγγείων Βελτιώσεων) όπου θα ληφθούν καινούργια δείγµατα εδάφους και έτσι θα περιορισθεί κατά µεγάλο ποσοστό το πρόβληµα σύγχυσης της φασµατικής υπογραφής µεταξύ παρόµοιων καλλιεργειών. Επίσης χρησιµοποιώντας το Ψηφιακού Μοντέλου Εδάφους θα γίνει καλύτερος διαχωρισµός των ελαιοδέντρων από τα εσπεριδοειδή αφού τα πρώτα καλλιεργούνται σε µεγαλύτερα και απότοµα υψόµετρα ενώ τα εσπεριδοειδή συναντώνται κατά µήκος των παραποτάµιων πεδιάδων. Βάζοντας τέτοιας φύσεως περιορισµούς και κριτήρια, λαµβάνοντας περισσότερα δείγµατα εδάφους αλλά και διορθώνοντας λάθος αποτελέσµατα ερµηνεύοντας τον πρώτο θεµατικό χάρτη σε πραγµατικό χρόνο τα αποτελέσµατα της ταξινόµησης θα βελτιωθούν και στόχος της εργασίας είναι να προσεγγίσουν ποσοστό ακρίβειας 80% περίπου. Είναι όµως γεγονός ότι, αν και η εξέλιξη της δορυφορικής τεχνολογίας έχει φτάσει σε υψηλό επίπεδο και δίνει προϊόντα υψηλής χωρικής ανάλυσης (0.6µ. στο παγχρωµατικό και 2.4µ. στο πολυφασµατικό – δορυφόρος Quickbird), δεν παρατηρείται αντίστοιχη βελτίωση στη φασµατική ανάλυση των δορυφορικών δεδοµένων και η αναγνώριση - διάκριση των καλλιεργειών παραµένει σε µεγάλο βαθµό ένα πολύπλοκο πρόβληµα.
 +
[http://library.tee.gr/digital/m2187/m2187_giourou.pdf]
  [[category:Γεωργία]]
  [[category:Γεωργία]]

Παρούσα αναθεώρηση της 19:05, 23 Μαρτίου 2016

Εισαγωγή

Η περιοχή µελέτης τοποθετείται στο βορειοκεντρικό τµήµα του Ν. Χανίων, της νήσου Κρήτης .Είναι µία γεωργική περιοχή η οποία καλλιεργείται κυρίως µε ελιές, εσπεριδοειδή και αµπέλια, µε µεγάλη συµµετοχή στην τοπική οικονοµία, δεδοµένου ότι η γεωργία αποτελεί βασικό στήριγµα της περιοχής παρά τη θεαµατική αύξηση της τουριστικής ανάπτυξής της Η δορυφορική Τηλεπισκόπηση χρησιµοποιείται ευρέως στην αξιολόγηση και υπολογισµό ποιοτικών και ποσοτικών χαρακτηριστικών και παραµέτρων στον τοµέα της Γεωργίας. Οι εφαρµογές της αφορούν κυρίως µέτρηση της έκτασης των καλλιεργειών, την αναγνώριση ασθενειών, την παρακολούθηση της πορείας ανάπτυξης της βλάστησης, την εκτίµηση των ζηµιών των γεωργικών καλλιεργειών, την χαρτογράφηση εδαφών κ.α. Η τηλεπισκόπηση έχει πλέον αναγνωριστεί ως ένα αποτελεσµατικό εργαλείο για την παρακολούθηση της γήινης επιφάνειας και την παρατήρηση και καταγραφή των αντικειµένων και φαινοµένων που την αφορούν. Οι δορυφορικές εικόνες σε συνδυασµό µε τα Γεωγραφικά Συστήµατα Πληροφοριών-GIS, χρησιµοποιούνται όλο και περισσότερο για την απόκτηση πληροφοριών σχετικά µε την κάλυψη/χρήση γης και τη δηµιουργία ή ενηµέρωση των αντίστοιχων βάσεων δεδοµένων, δεδοµένου ότι οι υπάρχοντες χάρτες και οι βάσεις δεδοµένων δεν καλύπτουν τις σηµερινές ανάγκες των χρηστών λόγω παλαιότητας και της µη συχνής ενηµέρωσής τους. Αυτό επίσης συνεπάγεται πως η χρησιµότητά τους δεν µπορεί να θεωρείται αξιόλογη χωρίς τη συµβολή των σύγχρονων τεχνολογιών όπως οι δορυφορικές εικόνες, τα Γεωγραφικά Συστήµατα Πληροφοριών-GIS κ.αλ. Η χρήση των δορυφορικών δεδοµένων για την ταξινόµηση και χαρτογράφηση της κάλυψης/χρήσης γης σε πραγµατικό χρόνο αποτελεί την πιο συχνή εφαρµογή της τηλεπισκόπησης. Τα τελευταία χρόνια η κατανάλωση και χρήση νερού έχει αυξηθεί ραγδαία. Το πρόβληµα είναι ιδιαίτερα έντονο σε ότι αφορά τις ανάγκες για αρδεύσιµο νερό. Στο σηµείο αυτό η χρήση της δορυφορικής τηλεπισκόπησης µπορεί να βοηθήσει στον εντοπισµό και τη χαρτογράφηση/οριοθέτηση των αρδεύσιµων καλλιεργειών, ώστε να εντοπιστούν οι πραγµατικές ανάγκες για τη χρήση αρδεύσιµου ύδατος. Σκοπός της παρούσας µελέτης είναι η κοστολόγηση του αρδευτικού νερού στον Κάµπο Χανίων, λαµβάνοντας υπόψη τις οικονοµικές, κοινωνικές και περιβαλλοντικές συνθήκες της περιοχής. Η κοστολόγηση του αρδευτικού νερού θα αποτελέσει τη βάση της µελλοντικής τιµολογιακής πολιτικής, όπως αυτή ορίζεται από την Ευρωπαϊκή Οδηγία Πλαίσιο για το Νερό(2000/60) και τη νέα εθνική νοµοθεσία. Μια τέτοια τιµολόγηση θα πρέπει να στηρίζεται σε τιµές που να αντανακλούν την πραγµατική αξία του συγκεκριµένου φυσικού πόρου µε σκοπό την όσο το δυνατόν πιο ορθολογική και αποτελεσµατική χρήση του.

∆εδοµένα– Μεθοδολογία

Η καθιερωµένη πρακτική διαδικασία για τη χαρτογράφηση των αρδεύσιµων καλλιεργειών µε τη χρήση ∆ορυφορικής Τηλεπισκόπησης ακολουθεί τα εξής στάδια :

  • Συλλογή απαραίτητων χαρτογραφικών υποβάθρων, ιδιαίτερα των χαρτών χρήσης γης (π.χ. χάρτες χρήσης γης από CORINE, χαρτών ΥΠΓΕ ).
  • Επιλογή κατάλληλων χρονικά δορυφορικών εικόνων.
  • Επεξεργασία των εικόνων και αναγωγή τους σε επιθυµητό γεωγραφικό σύστηµα αναφοράς.
  • Λήψη φασµατικών ταυτοτήτων από δειγµατοληπτικές περιοχές
  • Εφαρµογή τεχνικών ανάλυσης, µοντέλων και αλγορίθµων και δηµιουργία τροποποιηµένων εικόνων (π.χ. σύνθετες εικόνες διαφορετικών χρονικών περιόδων).
  • Εφαρµογή τεχνικών ταξινόµησης για την εξαγωγή ποιοτικά διαφοροποιηµένων κλάσεων µε βάση επιθυµητά κριτήρια.
  • Στατιστικός και συγκριτικός έλεγχος των αποτελεσµάτων.

Η επιλογή των δορυφορικών εικόνων έγινε βάση της καταγραφής της υπάρχουσας κατάστασης. Αρχικά έγινε προµήθεια µιας πολυφασµατικής εικόνας του δορυφόρου IKONOS και της αντίστοιχης παγχρωµατικής, και τους προσεχείς µήνες, θα πραγµατοποιηθεί η προµήθεια και δεύτερης δορυφορικής πολυφασµατικής εικόνας του ίδιου δορυφόρου σε διαφορετική χρονική περίοδο κατά τη διάρκεια της ανάπτυξης των καλλιεργειών ανάλογα µε το φαινολογικό τους τύπο (π.χ. στάδιο πρώιµης, µέσης και τελικής ανάπτυξης). Συνεπώς η πρώτη δορυφορική εικόνα που επεξεργάστηκε είναι µια πολυφασµατική εικόνα Ikonos Ms, τεσσάρων (4) φασµατικών καναλιών, διακριτικής ικανότητας 4µ. και η αντίστοιχη παγχρωµατική µε χωρική ανάλυση 1m και ηµεροµηνία λήψης 16/07/2006. Επεξεργασία Πρωτογενών ∆εδοµένων - Γεωµετρικές ∆ιορθώσεις Η πρώτη επεξεργασία των δορυφορικών εικόνων είναι η γεωµετρική ορθοαναγωγή (orthorectification) σε µία κοινή τοπογραφική βάση και η αναδόµησή τους (resampling), µε βάση το Ελληνικό Γεωδαιτικό Σύστηµα Αναφοράς (ΕΓΣΑ '87). Στο στάδιο αυτό επιτεύχθηκε ακρίβεια του µέσου τετραγωνικού σφάλµατος (RMS) της γεωµετρικής διόρθωσης , µικρότερη του ενάµιση (1,5) pixel. Για την ορθοαναγωγή της δορυφορικής εικόνας προσδιορίστηκαν φωτοσταθερά σηµεία από τους ορθοφωτοχάρτες του Υπουργείου Γεωργίας και το Ψηφιακό Μοντέλο Εδάφους που χρησιµοποιήθηκε στην επίλυση αποτελεί προϊόν στερεοσκοπικών εικόνων Spot P, υψοµετρικής ακρίβειας 7-11µ.. Μετά τις γεωµετρικές διορθώσεις είναι εφικτή η απεικόνιση των δορυφορικών εικόνων σε ενιαίο χαρτογραφικό υπόβαθρο και η άµεση σύγκριση µε όλα τα άλλα διαθέσιµα χαρτογραφικά δεδοµένα. Ραδιοµετρικές ∆ιορθώσεις Επειδή κατά τη λήψη των δορυφορικών εικόνων η ανακλώµενη ακτινοβολία που καταγράφεται από τον δέκτη επηρεάζεται από τις ατµοσφαιρικές συνθήκες που επικρατούν την στιγµή της λήψης, οι εικόνες πρέπει να διορθωθούν ραδιοµετρικά, πριν χρησιµοποιηθούν για ερµηνεία. Η ραδιοµετρική διόρθωση των δορυφορικών εικόνων έχει σαν στόχο την ελαχιστοποίηση των χρωµατικών διαφορών που προέρχονται από τις συνθήκες του φωτισµού που υπήρχαν κατά την στιγµή της λήψης. Η διόρθωση αυτή είναι σηµαντική ιδιαίτερα για την ανάλυση των φασµατικών υπογραφών όταν χρησιµοποιούνται σκηνές διαφορετικών χρονικών περιόδων . Για την καλύτερη οπτική ερµηνεία των δορυφορικών εικόνων, είναι απαραίτητο να ενισχυθεί η χρωµατική διαβάθµιση της απεικόνισης των διαφόρων καλλιεργειών στην οθόνη. Αυτό επιτυγχάνεται µε τον υπολογισµό των ιστογραµµάτων των καναλιών που χρησιµοποιούνται για την σύνθεση της εικόνας κατά την ερµηνεία και επεκτείνοντας γραµµικά (linear stretching) το τµήµα του ιστογράµµατος που αντιπροσωπεύει γεωργικές χρήσεις, για να εκµεταλλευτούµε όλο το εύρος του φάσµατος απεικόνισης της οθόνης. Οι δορυφορικές εικόνες υψηλής χωρικής ανάλυσης (very-high resolution imagesVHR) που είναι διαθέσιµες στις µέρες µας (π.χ. IKONOS, Quickbird, Formosat, κ.α.) και χρησιµοποιούνται σε πλήθος εφαρµογών, παρέχουν µεγάλο αριθµό πληροφορίας µε αρκετή πολυπλοκότητα µε αποτέλεσµα να είναι επιβεβληµένη η χρήση κατάλληλων τεχνικών για την ταξινόµηση και ερµηνεία της πληροφορίας. Μια σηµαντική τεχνική η οποία χρησιµοποιείται για την αξιοποίηση της πληροφορίας των δορυφορικών εικόνων είναι η διαδικασία της ταξινόµησης (classification process) των δορυφορικών εικόνων. Ταξινόµηση δορυφορικής εικόνας σε γενικές γραµµές είναι ακριβώς αυτό που λέει η ίδια η λέξη: η ταξινόµηση των εικονοστοιχείων (pixels) της εικόνας στην οµάδα στην οποία ανήκουν. Πιο συγκεκριµένα η ταξινόµηση αναφέρεται στην απόδοση των καταγραφών των pixel της εικόνας στην πραγµατική κατηγορία που ανήκουν, αξιοποιώντας την φασµατική πληροφορία των pixels αυτών. Αυτό φυσικά επιτυγχάνεται µε τη βοήθεια των υπολογιστών, κυρίως λόγω του µεγάλου όγκου δεδοµένων που έχουµε να διαχειριστούµε. Ανάλογα µε τον τύπο που θα ταξινοµηθεί και το είδος της εφαρµογής που θα µελετηθεί, η ταξινόµηση έχει επικρατήσει να εφαρµόζεται κυρίως µε δύο τεχνικές τις λεγόµενες συµβατικές: την καθοδηγούµενη ταξινόµηση (supervised classification) και την µη-καθοδηγούµενη ταξινόµηση (unsupervised classification). Η βασική διαφορά τους έγκειται στο ότι η καθοδηγούµενη προσπαθεί να συσχετίσει οµάδες pixels µε τις κατηγορίες που µας ενδιαφέρουν ενώ η µη-καθοδηγούµενη προσδιορίζει τα χαρακτηριστικά της εικόνας, από διακριτές οµάδες pixels, χρησιµοποιώντας τις φασµατικές υπογραφές αυτών. Οι τιµές του κάθε pixel µιας πολυφασµατικής εικόνας, µετά τη διαδικασία της ταξινόµησης θα οµαδοποιηθούν και θα αναγνωριστούν τι αντιπροσωπεύουν και έχουν καταγράψει από τη γήινη επιφάνεια (πχ γεωλογικά χαρακτηριστικά, πετρώµατα, τοπολογικά στοιχεία, τύποι γης, χρήσεις γης ήτοι : καλλιέργειες, κλπ). Ο βαθµός ακρίβειας της ταξινόµησης (classification accuracy assessment) καθώς επίσης και η βέλτιστη µέθοδος ταξινόµησης που έχει επιλεγεί, είναι δύο βασικοί παράγοντες που οδηγούν στην ορθή απόδοση του κάθε pixel. Για το συγκεκριµένο έργο χρησιµοποιήθηκαν δύο εικόνες IKONOS υψηλής χωρικής ανάλυσης, µία πολυφασµατική (multispectral) µε χωρική ανάλυση 4µ. και µία παγχρωµατική µε χωρική ανάλυση 1µ. µε ηµεροµηνία λήψης 16/07/2006. Εφαρµόστηκε συνδυασµός των δύο τεχνικών ταξινόµησης της καθοδηγούµενης και της µη-καθοδηγούµενης µε µεγαλύτερο βάρος στην καθοδηγούµενη. Η ταξινόµηση εφαρµόστηκε στην πολυφασµατική εικόνα ενώ η pansharpened (σύνθεση παγχρωµατικής και πολυφασµατικής ορθοεικόνας) χρησιµοποιήθηκε ως βασικό στοιχείο ελέγχου για τα αποτελέσµατα της ταξινόµησης. Η εκµάθηση του ταξινοµητή έγινε στην βάση του δείγµατος που προέκυψε από τις επίγειες εργασίες καταγραφής των καλλιεργειών. Η διαδικασία αυτή ήταν σηµαντική για την επιλογή δειγµάτων στην περιοχή µελέτης για την εκπαίδευση του αλγορίθµου ταξινόµησης των δορυφορικών εικόνων. Η συλλογή των δειγµάτων έγινε µε βάση τα έντυπα που δηµιουργήθηκαν από τις δορυφορικές εικόνες, στις οποίες είχαν προσηµειωθεί οι περιοχές λήψης δειγµάτων. Η συλλογή των δειγµάτων ήταν ενδεικτική για όλη την περιοχή µελέτης και πραγµατοποιήθηκε µε τη χρήση οργάνου GPS για την προβολή των δειγµάτων στις δορυφορικές ορθοεικόνες. Για την εκµάθηση του ταξινοµητή ψηφιοποιήθηκαν τα όρια των αγροτεµαχίων που επισκέφθηκαν οι παρατηρητές στο πεδίο και κατέγραψαν την περιεχόµενη καλλιέργεια. Οι αντίστοιχες περιοχές της εικόνας χρησιµοποιήθηκαν κατά το ήµισυ στη φάση της εκµάθησης του ταξινοµητή για την εξαγωγή αντιπροσωπευτικού δείγµατος φασµατικής πληροφορίας για τις καλλιέργειες και κατά το υπόλοιπο ήµισυ για ποιοτικό έλεγχο της ταξινόµησης. Η ταξινόµηση των διαθέσιµων δορυφορικών εικόνων έγινε µε την µέθοδο της µέγιστης πιθανοφάνειας (Maximum Likelihood Classification Method) ως εξής:

  • Επιλογή των καταλλήλων σκηνών
  • Επιλογή των φασµατικών υπογραφών των καλλιεργειών
  • Ταξινόµηση των επικρατέστερων χρήσεων γης
  • Αξιολόγηση των αποτελεσµάτων

Συµπεράσµατα

Στην παρούσα µελέτη παρουσιάστηκε ένα σχέδιο για την κοστολόγηση του αρδευτικού νερού στον Κάµπο Χανίων, λαµβάνοντας υπόψη τις οικονοµικές, κοινωνικές και περιβαλλοντικές συνθήκες της περιοχής, και βασίστηκε στη χρήση τεχνικών της δορυφορικής Τηλεπισκόπησης και των Γεωγραφικών Συστηµάτων Πληροφοριών. Τα αρχικά δεδοµένα που συλλέχθηκαν δεν βοήθησαν πολύ στην ταξινόµηση των καλλιεργειών. Το πρόγραµµα CORINE παρ’ ότι αποτέλεσε µία πρώτη προσπάθεια δηµιουργίας µιας βάσης δεδοµένων σε εθνικό επίπεδο, έδωσε δεδοµένα κλίµακας 1:100.000 τα οποία σήµερα είναι περιορισµένης χρησιµότητας λόγω της παλαιότητας τους και σε καµία περίπτωση δεν µπορούν να χρησιµοποιηθούν σε πρακτικό επίπεδο όσον αφορά την λεπτοµερή κάλυψη/χρήση γης. Τα δορυφορικά δεδοµένα του Ikonos παρουσίασαν µία αδυναµία διάκρισης συγκεκριµένων τύπων κάλυψης/χρήσης γης (χαµηλό ποσοστό ταξινόµησης= 65%), λόγω της περιορισµένης φασµατικής ανάλυσής τους και των παραγόντων εκείνων που συναντώνται στην περιοχή και αφορούν τον πολυτεµαχισµό του αγροτικού κλήρου, τις µικρές εκτάσεις των αγροτεµαχίων, την συχνή συγκαλλιέργεια (Αβοκάντο µε Τριφύλλι ή Λαχανόκηποι µε Τρυφύλλι) και τις παραπλήσεις φασµατικές υπογραφές των κλάσεων ταξινόµησης. Τα µεγαλύτερο πρόβληµα που παρουσιάσθηκε ήταν οι παραπλήσεις φασµατικές υπογραφές των εσπεριδοειδών µε τα νεότερα σε ηλικία ελαιόδεντρα τα οποία είναι παρόµοιων διαστάσεων και παρόµοιας πυκνότητας φύτευσης µε τα εσπεριδοειδή. Επίσης, ένας ακόµη παράγοντας σύγχυσης φασµατικής υπογραφής αυτών των καλλιεργειών είναι ότι την εποχή λήψης της συγκεκριµένης δορυφορικής εικόνας (Ιούλιος 2006) και το δυο αυτά είδη δεν έχουν ούτε καρπό ούτε και ανθό για να έχουµε καλύτερους δείκτες διαφοροποιήσεις των. Παρόµοιας φύσης πρόβληµα είναι η αλλαγή από τον έναν τύπο καλλιέργειας στον άλλο. Με κίνητρο την υψηλή επιδότηση από την Ευρωπαϊκή Ένωση, για νέου είδους καλλιέργειες, υπάρχει µια τάση αντικατάστασης των ελαιοδέντρων και πολλών εσπεριδοειδών από αβοκάντο. Στην περίπτωση αυτή οι καλλιεργητές φυτεύουν περιµετρικά αβοκάντο µε αποτέλεσµα η ταξινόµηση σε αυτούς του είδους τις καλλιέργειες να δίνει εσφαλµένα αποτελέσµατα. Όλα τα παραπάνω προβλήµατα είναι αντιµετωπίσιµα και οδεύουν προς λύση δεδοµένου ότι το προϊόν του θεµατικού χάρτη που εξήχθη αποτελεί πρώτο αποτέλεσµα ενός πιλοτικού Έργου το οποίο βρίσκεται ακόµα σε εξέλιξη. Η ολοκλήρωση του συστήµατος θα πραγµατοποιηθεί µετά από την ανάλυση και επεξεργασία νέων δορυφορικών δεδοµένων (Ikonos), που θα ληφθούν κατά τη διάρκεια του 2007, τα οποία και θα ενσωµατωθούν στην συνέχεια στο σύστηµα και θα παράγουν ένα θεµατικό χάρτη υψηλότερης ακρίβειας. Είδη έχει ξεκινήσει καθοδηγούµενη ταξινόµηση σε επίπεδο ΤΟΕΒ (Τοπικοί Οργανισµοί Εγγείων Βελτιώσεων) όπου θα ληφθούν καινούργια δείγµατα εδάφους και έτσι θα περιορισθεί κατά µεγάλο ποσοστό το πρόβληµα σύγχυσης της φασµατικής υπογραφής µεταξύ παρόµοιων καλλιεργειών. Επίσης χρησιµοποιώντας το Ψηφιακού Μοντέλου Εδάφους θα γίνει καλύτερος διαχωρισµός των ελαιοδέντρων από τα εσπεριδοειδή αφού τα πρώτα καλλιεργούνται σε µεγαλύτερα και απότοµα υψόµετρα ενώ τα εσπεριδοειδή συναντώνται κατά µήκος των παραποτάµιων πεδιάδων. Βάζοντας τέτοιας φύσεως περιορισµούς και κριτήρια, λαµβάνοντας περισσότερα δείγµατα εδάφους αλλά και διορθώνοντας λάθος αποτελέσµατα ερµηνεύοντας τον πρώτο θεµατικό χάρτη σε πραγµατικό χρόνο τα αποτελέσµατα της ταξινόµησης θα βελτιωθούν και στόχος της εργασίας είναι να προσεγγίσουν ποσοστό ακρίβειας 80% περίπου. Είναι όµως γεγονός ότι, αν και η εξέλιξη της δορυφορικής τεχνολογίας έχει φτάσει σε υψηλό επίπεδο και δίνει προϊόντα υψηλής χωρικής ανάλυσης (0.6µ. στο παγχρωµατικό και 2.4µ. στο πολυφασµατικό – δορυφόρος Quickbird), δεν παρατηρείται αντίστοιχη βελτίωση στη φασµατική ανάλυση των δορυφορικών δεδοµένων και η αναγνώριση - διάκριση των καλλιεργειών παραµένει σε µεγάλο βαθµό ένα πολύπλοκο πρόβληµα.

[1]

Προσωπικά εργαλεία