Χρήση του eCognition για καλύτερη διαχείριση και παρακολούθηση δασών.
Από RemoteSensing Wiki
(New page: Add Your Content Here category:Δασοπονία, Δασική διαχείριση Τον Μάρτιο του 2006, η πληµµύρα του ποταµού έβρου που ...) |
|||
| Γραμμή 20: | Γραμμή 20: | ||
'''Author:''' | '''Author:''' | ||
| - | + | Author | |
| - | + | Masami Shiba, Akemi Itaya | |
| - | + | Field Science Education and | |
| + | Research Center, Kyoto Uni- | ||
| + | versity, Japan Graduate School | ||
| + | of Bioagricultural Sciences, Na- | ||
| + | goya University, Japan | ||
| + | E-mail: | ||
| + | mshiba@kais.kyoto-u.ac.jp | ||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| + | Με τη χρήση υψηλής ανάλυσης | ||
| + | δορυφορικών εικόνων (IKONOS, Quick Bird) | ||
| + | είναι πιθανό να εντοπιστεί το είδος δασικής | ||
| + | κάλυψης και η αλλαγή στο περιβάλλον από ότι µε | ||
| + | συµβατικά δεδοµένα (εικόνες χαµηλής | ||
| + | ανάλυσης). Όµως η υψηλή ανάλυση αυτών των | ||
| + | εικόνων κάνει µια ταξινόµηση που βασίζεται | ||
| + | µόνο στα φασµατικά χαρακτηριστικά δύσκολη. | ||
| + | Οι τεχνικές αντικειµενοστραφούς | ||
| + | ταξινόµησης ξεπερνούν αυτό το πρόβληµα µε | ||
| + | το να ενσωµατώνουν τόσο φασµατικά όσο και | ||
| + | χωρικά χαρακτηριστικά. | ||
| + | Στην συγκεκρι µένη έρευνα | ||
| + | χρησιµοποιήθηκε ένα ψηφιακό µοντέλο | ||
| + | εδάφους του IKONOS (πανγχρωµατική εικόνα, | ||
| + | πολυφασµατικά δεδοµένα,διαχωριστική | ||
| + | ικανότητα 1m, επεξεργασία: όξυνση). Στόχος | ||
| + | είναι η δηµιουργία διακριτών περιοχών σε | ||
| + | δασική έκταση για επέµβαση. | ||
| + | Η ακρίβεια των αποτελεσµάτων δείχνει | ||
| + | καλύτερα αποτελέσµατα από αυτά που παράγει µια | ||
| + | pixel-based ταξινόµηση. Τα αποτελέσµατα δείχνουν | ||
| + | ότι µια αντικειµενοστραφής ταξινόµηση µπορεί να | ||
| + | συνεισφέρει σηµαντικά στη και στη λήψη | ||
| + | αποφάσεων και τη διαχείριση των δασών. | ||
| + | '''ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ-EIKONA:''' | ||
| + | Κεντρική Ιαπωνία, περιοχή Miyagawa. | ||
| + | Εµβαδό: 1600 ha | ||
| - | |||
| - | + | Δορυφόρος: IKONOS | |
| - | + | Πολυφασµατικά δεδοµένα διαχωριστικής ικανότητας: 1m | |
| - | + | Χρόνος λήψης: 23 Νοεµβρίου 2004 | |
| + | DEM της περιοχής (50m) | ||
| - | ''' | + | '''ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ:''' |
| - | + | Δηµιουργήθηκε | |
| + | •ψευδέχρωµο σύνθετο, | ||
| - | + | •µια εικόνα που προέκυψε από πράξεις καναλιών και συγκεκριµένα από υπολογισµό του | |
| - | + | δείκτη βλάστησης (NDVI) | |
| - | + | ||
| - | + | •To DEM τροποποιήθηκε στα 4m µε τη µέθοδο της διγραµµικής παρεµβολής για να | |
| + | ταυτίζεται µε την εικόνα του IKONOS | ||
| - | + | •Με την βοήθεια GIS δηµιουργήθηκαν τα αρχεία slope και aspect της µορφολογίας του | |
| + | εδάφους. | ||
| - | |||
| - | |||
| - | + | '''ΜΕΘΟΔΟΛΟΓΙΑ''' | |
| + | Το έγχρωµο σύνθετο και η εικόνα του NDVI χρησιµοποιήθηκαν για να εξαχθεί πληροφορία | ||
| + | κάλυψης εδάφους. Σε κάθε υψόµετρο ευδοκιµεί και άλλο είδος βλάστησης. Τα δεδοµένα | ||
| + | υψοµέτρου και κλίσης εδάφους (slope και aspect) χρησιµοποιήθηκαν για να γίνει η | ||
| + | κατάτµηση βάση του υψοµέτρου (άρα και της γνώσης του είδους βλάστησης που ευδοκιµεί | ||
| + | σε κάθε τµήµα της εικόνας). | ||
| + | '''2. Κατάτµηση''' | ||
| - | + | A. Κατάτμηση ενός ψευδέγχρωμου σύνθετου που αποτελούταν από την εικόνα του NDVI για την περιοχή και τοπογραφικά δεδομένα (slope και aspect) | |
| - | + | Εδώ κάθε αντικείμενο που διακρίνεται στην εικόνα είναι και περιοχή διαφορετικού υψομέτρου καθώς ο χάρτης κλίσεων έχει διαβαθμισεις του γκρίζου ανάλογα με το υψόμετρο αλλά και διαφορετικής βλάστησης ανάλογα με τον δείκτη NDVI. | |
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | χάρτης | + | |
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | + | ||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
Αναθεώρηση της 00:44, 30 Οκτωβρίου 2009
Add Your Content Here
Τον Μάρτιο του 2006, η πληµµύρα του ποταµού έβρου που σχηµατίζει τα Εληνοτουρκικά σύνορα προκάλεσε σοβαρότητες ζηµιές και στις δυο πλευρές. Χιλιάδες σπίτια και αγροτικές περιοχές πληµµύρησαν και καταστράφηκαν. Για να υπάρχει µια συνολική άποψη της καταστροφής και µια ξεκάθαρη τοποθέτηση του εύρους της πληµµύρας η συλλογή διαχρονικών πληροφοριών (multi- temporal satelite images) είναι ένα πολύτιµο εργαλείο για να εκτιµηθούν οι πληµµυρισµένες περιοχές. Σε αυτή την έρευνα διαχρονικές εικόνες του δορυφόρου SPOT χρησιµοποιήθηκαν.
Author:
Author Masami Shiba, Akemi Itaya Field Science Education and Research Center, Kyoto Uni- versity, Japan Graduate School of Bioagricultural Sciences, Na- goya University, Japan E-mail: mshiba@kais.kyoto-u.ac.jp
Με τη χρήση υψηλής ανάλυσης δορυφορικών εικόνων (IKONOS, Quick Bird) είναι πιθανό να εντοπιστεί το είδος δασικής κάλυψης και η αλλαγή στο περιβάλλον από ότι µε συµβατικά δεδοµένα (εικόνες χαµηλής ανάλυσης). Όµως η υψηλή ανάλυση αυτών των εικόνων κάνει µια ταξινόµηση που βασίζεται µόνο στα φασµατικά χαρακτηριστικά δύσκολη. Οι τεχνικές αντικειµενοστραφούς ταξινόµησης ξεπερνούν αυτό το πρόβληµα µε το να ενσωµατώνουν τόσο φασµατικά όσο και χωρικά χαρακτηριστικά. Στην συγκεκρι µένη έρευνα χρησιµοποιήθηκε ένα ψηφιακό µοντέλο εδάφους του IKONOS (πανγχρωµατική εικόνα, πολυφασµατικά δεδοµένα,διαχωριστική ικανότητα 1m, επεξεργασία: όξυνση). Στόχος είναι η δηµιουργία διακριτών περιοχών σε δασική έκταση για επέµβαση. Η ακρίβεια των αποτελεσµάτων δείχνει καλύτερα αποτελέσµατα από αυτά που παράγει µια pixel-based ταξινόµηση. Τα αποτελέσµατα δείχνουν ότι µια αντικειµενοστραφής ταξινόµηση µπορεί να συνεισφέρει σηµαντικά στη και στη λήψη αποφάσεων και τη διαχείριση των δασών.
ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ-EIKONA:
Κεντρική Ιαπωνία, περιοχή Miyagawa. Εµβαδό: 1600 ha
Δορυφόρος: IKONOS
Πολυφασµατικά δεδοµένα διαχωριστικής ικανότητας: 1m
Χρόνος λήψης: 23 Νοεµβρίου 2004
DEM της περιοχής (50m)
ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ:
Δηµιουργήθηκε •ψευδέχρωµο σύνθετο,
•µια εικόνα που προέκυψε από πράξεις καναλιών και συγκεκριµένα από υπολογισµό του δείκτη βλάστησης (NDVI)
•To DEM τροποποιήθηκε στα 4m µε τη µέθοδο της διγραµµικής παρεµβολής για να ταυτίζεται µε την εικόνα του IKONOS
•Με την βοήθεια GIS δηµιουργήθηκαν τα αρχεία slope και aspect της µορφολογίας του εδάφους.
ΜΕΘΟΔΟΛΟΓΙΑ
Το έγχρωµο σύνθετο και η εικόνα του NDVI χρησιµοποιήθηκαν για να εξαχθεί πληροφορία κάλυψης εδάφους. Σε κάθε υψόµετρο ευδοκιµεί και άλλο είδος βλάστησης. Τα δεδοµένα υψοµέτρου και κλίσης εδάφους (slope και aspect) χρησιµοποιήθηκαν για να γίνει η κατάτµηση βάση του υψοµέτρου (άρα και της γνώσης του είδους βλάστησης που ευδοκιµεί σε κάθε τµήµα της εικόνας).
2. Κατάτµηση
A. Κατάτμηση ενός ψευδέγχρωμου σύνθετου που αποτελούταν από την εικόνα του NDVI για την περιοχή και τοπογραφικά δεδομένα (slope και aspect)
Εδώ κάθε αντικείμενο που διακρίνεται στην εικόνα είναι και περιοχή διαφορετικού υψομέτρου καθώς ο χάρτης κλίσεων έχει διαβαθμισεις του γκρίζου ανάλογα με το υψόμετρο αλλά και διαφορετικής βλάστησης ανάλογα με τον δείκτη NDVI.
ΠΙΝΑΚΑΣ ΕΙΚΟΝΩΝ
| Στάδια | Εικόνες | ||
|---|---|---|---|
| Εσύστηµα παρακολούθησης πληµµύρας | ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ - ΕΙΚΟΝΑ |
  | |
| 1. Κατάτμηση |   | ||
| 2α. Ταξινόμηση (pixel-based) |   | ||
| 2β.Ταξινόμηση (object-based) |
   | ||
| Επιπλέον ανάλυση |
 | ||
