Μέτρηση της φασματικής υπογραφής των πολικών αρκούδων μέσω drone για τη βελτίωση της ανίχνευσής τους από το διάστημα

Από RemoteSensing Wiki

Παρούσα αναθεώρηση της 09:26, 31 Ιανουαρίου 2024

Πρωτότυπος τίτλος: Measuring the spectral signature of polar bears from a drone to improve their detection from space

Συγγραφείς: Dominique Chabot, Seth Stapleton, Charles M. Francis

Δημοσιεύθηκε: ELSEVIER, Biological Conservation, 2019

Link: https://www.sciencedirect.com/science/article/pii/S0006320719302678?casa_token=SylM2RpwP2cAAAAA:BlGaShjKZVaCuZgg8ZBHaDWHq42PfYFPEUhLNc0kOs6Csg-Eg6Zin_1MPCCereiuPuQPHixs

Εικόνα 1: Ursus Maritimus

Εικόνα 2: Φασματικές υπογραφές των ενήλικων αρκούδων όπως αυτές καταγράφηκαν από την πολυφασματική κάμερα του drone τον Οκτώβρη του 2014 στην περιοχή Churchill, MB του Καναδά

Εικόνα 3: Αποτελέσματα επιβλεπόμενης ταξινόμησης

Εικόνα 4: Πολυφασματική απεικόνιση με χιόνι για background

Εικόνα 5: Πολυφασματική απεικόνιση με στοιχεία βλάστησης εκτός από χιόνι και πάγο

Εικόνα 6: Πολυφασματική εικόνα με στοιχεία βράχων και χαλίκι

Αντικείμενο

Το παρόν άρθρο εστιάζει στην παρακολούθηση της πολικής αρκούδας (Ursus maritimus) μέσω drone με χρήση φασματικών υπογραφών και επιβλεπόμενης ταξινόμησης, με σκοπό την βελτίωση των μεθόδων και τεχνολογιών γύρω από την έρευνα των πληθυσμών της πολικής πανίδας που απειλείται άμεσα από την κλιματική αλλαγή. Ο στόχος της έρευνας ήταν να συλλεχτούν και να αναλυθούν εικόνες πολλών πολικών αρκούδων μαζί με ποικιλία πολλών χαρακτηριστικών του γύρω τοπίου που μπορεί να δημιουργούν σύγχυση στις φασματικές υπογραφές έτσι ώστε να καταγραφούν νέες πληροφορίες που θα μπορούσαν να βοηθήσουν στην αναγνώριση των αρκούδων στις δορυφορικές εικόνες. Ενώ οι τεχνολογίες τηλεπισκόπησης μέσω δορυφορικών εικόνων χρησιμοποιούνται πολλά χρόνια στον τομέα της μελέτης της άγριας πανίδας, μόνο τα τελευταία 20 χρόνια επιτεύχθηκε υψηλή χωρική ανάλυση, έτσι ώστε να μπορεί να γίνεται άμεσα ο εντοπισμός των ζώων. Στο παρελθόν έχουν πραγματοποιηθεί πολλές σχετικές μελέτες με ζώα σε αντίστοιχα περιβάλλοντα με αυτό της πολικής αρκούδας, όπως πιγκουΐνοι, φλαμίνγκο, φάλαινες, αλμπατρός και πολλών μεταναστευτικών πουλιών υπό εξαφάνιση.

Γιατί είναι απαραίτητη η τηλεπισκόπηση;

Η μελέτη της πολικής αρκούδας έχει αποδειχθεί αρκετά δύσκολή και ακριβή για τους ερευνητές της πολικής άγριας πανίδας. Το γεγονός αυτό αρχικά οφείλεται στο λευκό χρώμα της που δεν ξεχωρίζει εύκολα από το φυσικό της περιβάλλον το οποίο αποτελείται κυρίως από χιόνι και πάγο, αλλά και από την πολύ αραιή και μη ομοιόμορφη κατανομή της σε μεγάλης έκτασης πεδίο. Επιπρόσθετα, οι παραδοσιακές μέθοδοι παρακολούθησης της πολικής αρκούδας όπως είναι για παράδειγμα η «mark-recapture» μέθοδος, έχουν αποδειχτεί εξαιρετικά επικίνδυνες για τους ερευνητές καθώς πολλοί από αυτούς έχουν χάσει τη ζωή τους κατά τη διάρκεια ερευνών. Για να προσπεραστούν τα παραπάνω εμπόδια, με τη χρήση drone χαμηλού υψομέτρου ( ≤100m) έγινε μέτρηση της φασματικής υπογραφής της πολικής αρκούδας μέσα από πολυφασματικές εικόνες.

Μέθοδοι

Τα δεδομένα συλλέχθηκαν την χρονική περίοδο 27-31 Οκτωβρίου 2014 στην περιοχή Cape Churchill, Manitoba στον Καναδά όπου συγκεντρώνεται μεγάλος πληθυσμός πολικών αρκούδων από το Western Hudson Bay από το τέλος του καλοκαιριού έως την αρχή του χειμώνα. Της ημερομηνίες διεξαγωγής της έρευνας η θερμοκρασία κυμαινόταν από -1 έως -7 βαθμούς, οι άνεμοι από 10 έως 40 km/h και επικρατούσε κυρίως συννεφιά εκτός από την 31 Οκτώβρη που υπήρχε αραιή συννεφιά με ηλιοφάνεια Για τη συλλογή των δεδομένων έγινε χρήση ενός Responder drone helicopter (ING Robotic Aviation, Ottawa, ON, Canada) το οποίο ήταν εξοπλισμένο με μια Mini-MCA6 πολυφασματική κάμερα (Tetracam, Chatsworth, CA, USA) η οποία κατέγραψε έξι φασματικά κανάλια των 1280x1024- pixel με πλάτος 10nm: Το μπλε κανάλι (470nm), το πράσινο κανάλι(550nm) το κόκκινο κανάλι (690nm), το red-edge( 690nm) και το red-edge (710nm) και το εγγύς υπέρυθρο (810nm). Η διαδικασία της έρευνας ήταν η εξής: μια ομάδα ¨πεδίου¨ ταξίδευε στους κεντρικούς δρόμους της περιοχής μελέτης με ένα “Tundra Buggy bus” η με “pickup” φορτηγό τις ώρες με φως, ψάχνοντας για πολικές αρκούδες. Όταν εντοπιζόταν μια αρκούδα το όχημα σταματούσε 100-300 μέτρα μακριά και έθετε το drone σε λειτουργία, το οποίο ξεκινούσε την πτήση συνήθως από την οροφή του οχήματος, οδηγούταν μέσω χειροκίνητου radio-control και έφτανε περίπου στα 100 μέτρα ύψος τραβώντας ανά δύο δευτερόλεπτα απεικονίσεις. Οι απεικονίσεις στελνόντουσαν αυτόματα στο control-panel του drone έτσι ώστε να είναι σε θέση ο χειριστής να το οδηγήσει ακριβώς πάνω από την αρκούδα. Συνολικά συλλέχθηκαν 14 απεικονίσεις που οι 13 από αυτές αφορούν μια αρκούδα και 1 από αυτές μία αρκούδα με τα δύο μωρά της. Οι απεικονίσεις περιλαμβάνουν πια ποικιλία από τοπία τα οποία χοντρικά μπορούν να χωριστούν σε αυτά με πέτρες και χαλίκια, σε αυτά που υπάρχουν στοιχεία βλάστησης και σε αυτά με χιόνι ή/και πάγο. Όλες οι αρχικές εικόνες επεξεργάστηκαν χωρικά και υποβλήθηκαν σε πολυφασματική επεξεργασία των 8-bit (6 κανάλια ανά φωτογραφία) σε μορφή Tiff μέσω του Tetracam PixelWrench2 v1.2.4. Οι αναλύσεις πραγματοποιήθηκαν με το ENVI v5.4.1 (Exelis/Harris Geospatial, Boulder, CO, USA). Σε κάθε εικόνα, με χρήση πολυγώνων εστιάστηκε το αντικείμενο του ενδιαφέροντος και υπολογίστηκαν τα στατιστικά στοιχεία, ο μέσος αριθμός των pixel και η τυπική απόκλιση κάθε πολυγώνου, σε κάθε κανάλι ξεχωριστά. Ένα βασικό πρόβλημα που αντιμετωπίζεται είναι η ανάλυση των πολυφασματικών εικόνων (2.4m/ pixel) που φαίνεται να είναι αρκετά χαμηλή για την μελέτη αντικειμένων στο μέγεθος της αρκούδας, όμως ήδη από τον χρόνο διεξαγωγής της έρευνας έχει βελτιωθεί και φαίνεται ότι θα συνεχίσει να βελτιώνεται τα επόμενα χρόνια

Ταξινόμηση

Προκειμένου να ερευνηθεί σε βάθος ποια χαρακτηριστικά του τοπίου συγχέονται περισσότερο με τις πολικές αρκούδες στις πολυφασματικές απεικονίσεις, πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση σε κάθε μια από τις επιλεγμένες εικόνες. Συγκεκριμένα έγινε χρήση του αλγορίθμου Maximum Likelihood και με threshold αυτό των 0.5001, σε κάθε εικόνα δημιουργήθηκαν δύο κλάσεις, μια αυτή που εμπεριείχε την αρκούδα (bear) και μια αυτή με όλη την υπόλοιπη εικόνα (background). Με τη χρήση του συγκεκριμένου threshold θα ταξινομούνταν στη κάθε κατηγορία μόνο τα pixel που είχαν πάνω από 50% πιθανότητα να ανήκουν σε μία από αυτές τις κατηγορίες και τα άλλα θα έμεναν αταξινόμητα. Προκειμένου να γίνει καλύτερα κατανοητό ποια κανάλια είναι καλύτερα να χρησιμοποιούνται για την διαφοροποίηση της πολικής αρκούδας με το γύρω περιβάλλον της, δημιουργήθηκε ένας κανόνας ταξινόμησης για κάθε σετ απεικονίσεων (δηλαδή ένας διαφορετικός κανόνας για τις εικόνες κάθε πτήσης), που εφαρμόστηκε σε συνδυασμό με τον αλγόριθμο Maximum Likelihood. Συγκεκριμένα, για κάθε φασματικό κανάλι, ορίστηκαν thresholds για την ταξινόμηση των pixel ως “bear”.

• Ως κατώτερο threshold ορίστηκε: Min(μέσος αριθμός pixel που περιέχει αρκούδα - την τυπική απόκλιση κάθε σετ εικόνων), για όλες τις εικόνες του σετ.

• Ως μεγαλύτερο threshold ορίστηκε: Max (μέσος αριθμός pixel που περιέχει αρκούδα + την τυπική απόκλιση κάθε σετ εικόνων), για όλες τις εικόνες του σετ. Τέλος, έγινε χρήση του IDL scripting application για την επεξεργασία όλων των εικόνων που περιείχαν αρκούδες (786 εικόνες) και για κάθε τελική ταξινομημένη εικόνα έγινε εξαγωγή του ποσοστού τις εκατό του αριθμού των pixel που χαρακτηρίστηκαν ως “bear” και αυτών που χαρακτηρίστηκαν ως “background”, καθώς και των pixel που ταξινομήθηκαν σε λανθασμένη κατηγορία.

Αποτελέσματα

Οι φασματικές υπογραφές των αρκούδων όπως αυτές καταγράφηκαν από την πολυφασματική κάμερα απεικονίζονται στην εικόνα 2. Οι φασματικές υπογραφές στις 28 Οκτωβρίου, δηλαδή των αρκούδων 4,5 και 6 είναι οι πιο αντιπροσωπευτικές υπογραφές ζώων σε πολικά περιβάλλοντα σύμφωνα με τη θεωρία που γνωρίζουμε έως τώρα. Οι υπόλοιπες υπογραφές συμβαδίζουν και αυτές με τη θεωρία έχοντας προφανώς κάποιες μικρές διαφοροποιήσεις που δεν κρίνονται αξιοσημείωτες. Άρα η φασματική υπογραφή της πολικής αρκούδας χαρακτηρίζεται από μια συνεχόμενη αύξηση της ανακλαστικότητας η οποία κυμαίνεται από ~0.35–0.45 στα470 nm, από 0.50 έως 0.60 στα 550 nm, από 0.60 έως 0.70 στα 660 nm και από 0.70 έως 0.85 στα 690 nm, οριακά υψηλή στα 710 nm και φτάνει από 0.80 έως 0.95 στα 810nm.

Τα αποτελέσματα της επιβλεπόμενης ταξινόμησης έχουν καταγραφεί στον πίνακα της εικόνας 3 όπου και για τις 13 ενήλικες αρκούδες αναφέρεται ο αριθμός των εικόνων που η κάθε μία απεικονίζεται, ο αριθμός των pixel στα οποία εμφανίζεται η αρκούδα σε κάθε εικόνα, το ποσοστό τις εκατό των pixel που απεικονίζουν αρκούδα και έχουν ταξινομηθεί ως “bear” και το ποσοστό τις εκατό των pixel που ενώ έπρεπε να ταξινομηθούν ως “bear” ταξινομήθηκαν ως “background”. Κάποια βασικά συμπεράσματα που προέκυψαν είναι τα εξής:

1. Η ταξινόμηση των απεικονίσεων σε περιοχές που κυριαρχεί το χιόνι και ο πάγος έχουν το μεγαλύτερο ποσοστό επιτυχίας λόγω της πολύ χαμηλότερης ανακλαστικότητας των αρκούδων στο μπλε και στο πράσινο κανάλι (εικόνα 4)

2. Η ταξινόμηση που εκτός από χιόνι και πάγο έχει και στοιχεία βλάστησης παρουσιάζει λάθη (εικόνα 5)

3. Η ταξινόμηση των απεικονίσεων που εμπεριέχουν χαρακτηριστικά όπως βράχους και χαλίκι παρουσιάσει τα περισσότερα χονδροειδή λάθη (εικόνα 6), όμως η ταξινόμηση βελτιώνεται κατά πολύ στο εγγύς υπέρυθρο κανάλι (810nm)

Σύνοψη

Η μελέτη χρησιμοποίησε ένα drone εφοδιασμένο με πολυφασματική κάμερα για τον εντοπισμό πολικών αρκούδων μέσω απομακρυσμένης ανίχνευσης. Οι φασματικές υπογραφές των αρκούδων ήταν παρόμοιες με αυτές σε προηγούμενες έρευνες και γνωστή θεωρία. Η ανάλυση των φασματικών υπογραφών και η χρήση του αλγορίθμου ταξινόμησης Maximum Likelihood έδειξαν ότι μπορεί να επιτευχθεί ακριβέστερος εντοπισμός των αρκούδων σε φωτεινούς βράχους, χαλίκι και χιονοκαλυμμένη βλάστηση δηλαδή στα περιβάλλοντα που ο διαχωρισμός της αρκούδας από το περιβάλλον της παρουσιάζει μεγαλύτερα προβλήματα. Τα αποτελέσματα υποδεικνύουν ότι η χρήση πολλαπλών φασματικών εικόνων με υψηλή χωρική ανάλυση μπορεί να μειώσει τα λάθη σε αναγνώριση, καθιστώντας τη μέθοδο χρήσιμη για την παρακολούθηση των πολικών αρκούδων και άλλων ειδών στην άγρια φύση.