Εντοπισμός Νεολιθικών Εγκαταστάσεων στη Θεσσαλία (Ελλάδα), μέσω Πολυφασματικών και Υπερφασματικών Δορυφορικών Απεικονίσεων
Από RemoteSensing Wiki
| Γραμμή 33: | Γραμμή 33: | ||
[[Α. Προεπεξεργασία δορυφορικών εικόνων]] | [[Α. Προεπεξεργασία δορυφορικών εικόνων]] | ||
| + | [[Εικόνα:Ts2012.2.22.jpg|thumb|center|Εικ.1:a. Μωσαϊκό εικόνων ASTER | ||
| + | b. Μωσαϊκό εικόνων IKONOS | ||
| + | c. Εικόνα Landsat | ||
| + | d. Εικόνα HYPERION | ||
| + | e. Μωσαϊκό αεροφωτογραφιών | ||
| + | ]] | ||
Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. | Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. '''(Εικ.2)''' Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων. | ||
Αναθεώρηση της 21:27, 24 Ιανουαρίου 2012
Πρωτότυπος τίτλος: Detection of Neolithic Settlements in Thessaly (Greece) Through Multispectral and Hyperspectral Satellite Imagery
Συγγραφείς: Dimitrios Alexakis, Apostolos Sarris, Theodoros Astaras, Konstantinos Albanakis
Έτος δημοσίευσης: 2009
Πηγή: Sensors 9 (2009) σελ 1167-1187(mdpi)
1. Εισαγωγή
Σκοπός της παρούσας έρευνας είναι η εφαρμογή διαφορετικών μεθόδων και μέσων δορυφορικής τηλεπισκόπησης, για τον εντοπισμό Νεολιθικών εγκαταστάσεων, στην περιοχή της Θεσσαλίας, τις επονομαζόμενες “μαγούλες”. Για το λόγο αυτό χρησιμοποιούνται 4 δορυφορικές εικόνες με διαφορετική χωρική ανάλυση (ASTER, Landsat, HYPERION, IKONOS).
2. Η περιοχή μελέτης και τα δεδομένα
Η Θεσσαλία είναι μια κλειστή γεωγραφική ενότητα που περιβάλλεται από οροσειρές (Όλυμπος και Αντιχασιά στα βόρεια, Όσσα, Μαυροβούνι και Πήλιο στα ανατολικά, Όρθρις στο νότο και Πίνδος στη δύση). Όλα τα λεκανοπέδια της περιοχής έχουν συνεχή κατοίκηση, ενώ η εύφορη κοιλάδα ευνοεί πολλαπλές καλλιέργειες. Υπάρχουν εκατοντάδες υψώματα (“μαγούλες”) (λόφοι ύψους 1-5μ. και διαμέτρου 300μ.), οι οποίοι, λόγω των εντατικών καλλιεργειών δεν είναι πλέον ορατοί. Αρχαιολογικές έρευνες περασμένων ετών περιορίστηκαν στην επιφανειακή συγκέντρωση ευρημάτων. (Εικ.1)
Στην παρούσα μελέτη συμπεριλήφθησαν τα εξής δορυφορικά και ψηφιακά χωρικά δεδομένα: - 4 εικόνες ASTER - 1 εικόνα Landsat ETM - 1 εικόνα HYPERION (μόνο 137 από τα 242 κανάλια χρησιμοποιήθηκαν στην ανάλυση) - 4 εικόνες IKONOS (για κάθε εικόνα τα πολυφασματικά κανάλια συγχωνεύθηκαν με το υψηλής ανάλυσης πανχρωματικό κανάλι, έτσι ώστε να πάρουμε 4 πανχρωματικά κανάλια-μπλε, πράσινο, κόκκινο και εγγύς υπέρυθρο) - 18 αεροφωτογραφίες από τη Γεωγραφική Υπηρεσία Στρατού (ΓΥΣ) - Τα αποτελέσματα τοπογραφικών αποτυπώσεων, μέσω GPS, περισσότερων από 342 Νεολιθικών εγκαταστάσεων της Θεσσαλίας - Ένα ψηφιακό μοντέλο αναγλύφου ανάλυσης 20μ. της περιοχής (αυτό δημιουργήθηκε με την ψηφιοποίηση, σε περιβάλλον GIS, 24 τοπογραφικών χαρτών σε κλίμακα 1:50.000 από τη ΓΥΣ)
3. Μέθοδος μελέτης και αποτελέσματα
Η επεξεργασία των δορυφορικών δεδομένων ακολούθησε 2 φάσεις: την προεπεξεργασία των δεδομένων και το λεπτομερέστερο στάδιο επεξεργασίας.
Α. Προεπεξεργασία δορυφορικών εικόνων
Κατ’αρχήν δημιουργήθηκαν ψηφιδωτά εικόνων, συγκαλύπτοντας τη θάλασσα, τα σύννεφα και τις χιονισμένες περιοχές με το λογισμικό Erdas Imagine 9.1. (Εικ.2) Στη συνέχεια έγινε αλλαγή του προβολικού συστήματος όλων των εικόνων στο ΕΓΣΑ 87 και τέλος μετασχηματίστηκαν οι ψηφιακές τιμές όλων των εικόνων σε τιμές ανακλαστικότητας, με τη χρήση διαφορετικών συναρτήσεων για κάθε τύπο εικόνας. Δημιουργήθηκαν διάφορα χρωμοσύνθετα, για να εξεταστεί η ικανότητά τους στον εντοπισμό των Νεολιθικών εγκαταστάσεων.
Στις εικόνες ASTER (2003) τα κατάλληλα χρωμοσύνθετα ήταν τα RGB(1,2,3), (3,2,5) και (2,3,7) (από τις 239 εγκαταστάσεις οι 39 ήταν έντονα ορατές, οι 49 μέτρια ορατές και οι 151 ελάχιστα ορατές). (Εικ.3,4) Τα αντίστοιχα χρωμοσύνθετα στις εικόνες IKONOS εντόπισαν 27 από τις 48 εγκαταστάσεις, 19 από τις οποίες ήταν σε υψόμετρο 4.6μ. και ήταν έντονα ορατές σε όλα τα χρωμοσύνθετα, εξαιτίας της μεγάλης χωρικής ανάλυσής τους. (Εικ.5) Ο εντοπισμός τους έγινε βάσει σχήματος, γραμμικότητας, τόνου, και υφής. Αντίθετα, οι εικόνες Landsat και HYPERION δεν αποδείχτηκαν τόσο βοηθητικές. Οι μέτριου ύψους αεροφωτογραφίες εντόπισαν και τις 5 εγκαταστάσεις που υπήρχαν εντός των ορίων τους.
Οι φασματικές υπογραφές έπαιξαν σημαντικό ρόλο στον εντοπισμό εγκαταστάσεων και χωρίστηκαν σε 2 κατηγορίες: α. Αυτές που προέρχονταν από πεδιάδες και β. Αυτές που προέρχονταν από ορεινές περιοχές (διαφορετική εδαφοκάλυψη). (Εικ.6) Τα βασικά στατιστικά χαρακτηριστικά κάθε καναλιού επέτρεψαν την επανακατηγοριοποίηση σε 2 κατηγορίες: α. Για όλα τα Pixels μέσα στο φάσμα της ανακλαστικότητας +/-σ και β. Για τα υπόλοιπα Pixels εκτός του φάσματος αυτού. (Εικ.7)
Η Ανάλυση Βασικού Στοιχείου είναι μια μαθηματική διαδικασία κατά την οποία μια σειρά συσχετιζόμενων μεταβλητών μετασχηματίζεται σε ένα μικρότερο αριθμό ασυσχέτιστων μεταβλητών που ονομάζονται Βασικά Στοιχεία. Η μέθοδος αυτή εφαρμόστηκε στις εικόνας ASTER, Landsat και HYPERION, για να μειωθεί το μέγεθος της μελέτης. Τα καλύτερα αποτελέσματα είχαμε με τις εικόνες ASTER. (Εικ.8)
Η Συγχώνευση Δεδομένων είναι η διαδικασία κατά την οποία συνδυάζονται εικόνες διαφορετικές χωρικής ανάλυσης, για να ενισχύσουμε συγκεκριμένα χαρακτηριστικά τους. Με τη βοήθεια του λογισμικού ERDAS ενώθηκαν εικόνες ASTER (15μ.) με HYPERION (30μ.) και IKONOS (1μ.) με HYPERION, χρησιμοποιώντας με αυτόν τον τρόπο τη μεγαλύτερη ραδιομετρική ανάλυση με τη μεγαλύτερη χωρική ανάλυση. (Εικ.9)
ΣΤ. Λειτουργία Φασματικής Ανάμιξης
Η Φασματική Ανάμιξη βρήκε εφαρμογή στις εικόνες HYPERION, μέσω του Erdas Imagine 9.1, επιλέγοντας μόνο τα κανάλια που έχουν τιμές ανακλαστικότητας πάνω από 0,3 και βάζοντας συντελεστή βαρύτητας σε κάθε κανάλι 0,14. (Εικ.10)
Με τη ραδιομετρική ενίσχυση των εικόνων ASTER, εντοπίστηκαν 57 εγκαταστάσεις. Η μη γραμμική ραδιομετρική ενίσχυση των εικόνων HYPERION, σε συνδυασμό με αντιστροφή φωτεινότητας, εντόπισε 8 στις 9 εγκαταστάσεις. Η αντίστοιχη διαδικασία στις εικόνες IKONOS αποκάλυψε το κυκλικό σχήμα ήδη γνωστών σχηματισμών και εντόπισε 10 ακόμη πιθανές περιοχές με την ίδια γεωμετρία, οι οποίες θα αποδειχθούν με επιτόπιους ελέγχους. (Εικ.11,12)
Η. Ταξινόμηση γης και δείκτες βλάστησης
Επιλέχθηκε η μέθοδος της επιβλεπόμενης ταξινόμησης στις εικόνες Landsat και ASTER. Για την ταξινόμηση καθορίστηκαν 5 διαφορετικές κατηγορίες: ακάλυπτη γη, ακαλλιέργητη γη, καλλιεργημένη γη, αστικές περιοχές και ταμιευτήρες νερού. Από όλους τους αλγόριθμους ταξινόμησης που εφαρμόστηκαν, καλύτερα αποτελέσματα είχε ο Μahalanobis (fuzzy classification) (Εικ.13) Ο δείκτης κανονικοποίησης της διαφοράς βλάστησης (NDVI) χρησιμοποιήθηκε για ανάλυση των στοιχείων βλάστησης, έτσι όπως αυτά καταγράφονται σε διαφορετικές εποχές του έτους. Τα δεδομένα λαμβάνονται κυρίως από ανακλάσεις στο ερυθρό και το εγγύς υπέρυθρο. Έτσι, ο δείκτης NDVI στην εαρινή εικόνα ASTER ήταν υψηλότερος από την αντίστοιχη θερινή εικόνα Landsat. (Εικ.14)
Η μέθοδος αυτή εφαρμόστηκε σε εικόνες ASTER και είχε ως αποτέλεσμα τον εντοπισμό 36 Νεολιθικών εγκαταστάσεων και επίσης εκτίμηση της επιφανείας τους σε περιβάλλον GIS. (Εικ.15)
Χρησιμοποιήθηκαν μόνο δύο φίλτρα ενίσχυσης των δορυφορικών εικόνων: το Sobel δεξί διαγώνιο 3x3 και το Laplace 3x3. Η μεγαλύτερη αποτελεσματικότητα αυτών επετεύχθη στο κανάλι 1 των εικόνων ASTER. (Εικ.16)
Κ. Αντικειμενοστραφής τηλεπισκόπηση
Η εφαρμογή της μεθόδου αυτής στις εικόνες ASTER κατάφερε να εντοπίσει ευκρινώς μόνο 15 από τοις 234 εγκαταστάσεις, ενώ 185 δεν διακρίνονται καθόλου και 34 διακρίνονται μετρίως. (Εικ.17)
4. Μοντέλο πρόβλεψης
Αφού έγιναν όλες οι προαναφερόμενες ενισχύσεις, δημιουργήθηκε ένα μοντέλο πρόβλεψης για την ευρύτερη περιοχή του θεσσαλικού κάμπου. Όλα τα δεδομένα αναταξινομήθηκαν και εφαρμόστηκε ένας συντελεστής βαρύτητας (από 1 έως 9), με αντίστοιχες κατηγοριοποιήσεις. Ο τελικός χάρτης που προέκυψε τελικά, από την ψηφιοποίηση των δεδομένων στο ArcGIS9.1, έδωσε περιοχές με μεγάλη πιθανότητα ευρημάτων και άλλες με μεσαία ή μικρή. (Εικ.18)
5. Συμπεράσματα
Η συγκεκριμένη μελέτη αποδεικνύει τα οφέλη της δορυφορικής τηλεπισκόπησης στην αρχαιολογία, μέσω συσχετισμού εικόνων από διαφορετικούς δορυφόρους. Ειδικότερα, οι εικόνες ASTER αποδείχτηκαν οι πλέον αξιόπιστες για τον εντοπισμό Νεολιθικών εγκαταστάσεων, καθώς μπορούσαν να συνδυάσουν μέση χωρική ανάλυση με υψηλή φασματική ανάλυση. Αντίθετα, οι εικόνες Landsat δεν είχαν ακριβή αποτελέσματα, εξαιτίας κυρίως του χρόνου λήψης των φωτογραφιών. ΟΙ υψηλές φασματικές δυνατότητες των εικόνων HYPERION, σε συνδυασμό με τις υψηλής ανάλυσης εικόνες IKONOS κατάφεραν να υποδείξουν όχι μόνο τη θέση των ζητούμενων εγκαταστάσεων, αλλά και το περίγραμμά τους. Οι αποτελεσματικότερες ενισχύσεις ήταν: η ενίσχυση μη-συσχετισμού, η ραδιομετρική και η χωρική ενίσχυση. Οι αναλογικές αεροφωτογραφίες δεν μπορούν από μόνες τους να δώσουν ακριβή αποτελέσματα, αλλά πρέπει να συνδυαστούν με κατάλληλα ενισχυμένες δορυφορικές φωτογραφίες. Συμπερασματικά, οι δορυφορικές φωτογραφίες μπορούν να φανούν πολύτιμες στον εντοπισμό αρχαιολογικών ευρημάτων, ειδικά αν συνδυαστούν με τα ιδιαίτερα γεωμορφολογικά χαρακτηριστικά κάθε περιοχής.
