Ταξινόμηση αγροτεμαχίων με χρήση αισθητήρων Landsat TM και QuickBird-Περιοχή μελέτης τα ελαιόδεντρα της Λέσβου
Από RemoteSensing Wiki
(Νέα σελίδα με 'Αντικείμενο της εφαρμογής Ταξινόμηση αγροτεμαχίων με χρήση αισθητήρων Landsat TM και QuickBird-Περιο...') |
|||
| Γραμμή 15: | Γραμμή 15: | ||
Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου | Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου | ||
| - | + | Η σπουδαιότητα των ελαιόδεντρων έγκειται στο γεγονός ότι αποτελούν την κύρια ή συμπληρωματική πηγή εσόδων για τους κατοίκους της Λέσβου. Σύμφωνα με τον κανονισμό Νο 2366/98 της Ευρωπαϊκής Επιτροπής τον Οκτώβριο του 1998, οι αγρότες λαμβάνουν επιχορήγηση για την παραγωγή τους μόνο εάν καταγράψουν τα αγροτεμάχιά τους και τα εισάγουν σε κατάλληλο χαρτογραφικό υπόβαθρο. Τα τελευταία 20 έτη ερευνητικά προγράμματα προσπάθησαν να χαρτογραφήσουν επαρκώς τα αγροτεμάχια από δεδομένα δορυφορικής τηλεπισκόπησης, αλλά η εξαγωγή συμπερασμάτων για τις χρήσεις και καλύψεις γης στη περιοχή της Μεσογείου ήταν δύσκολη εξαιτίας του πολύπλοκου αναγλύφου. Στην υπό μελέτη περίπτωση χρησιμοποιήθηκαν σαν αρχικά δεδομένα δορυφορικές εικόνες μέτριας έως υψηλής διακριτικής ικανότητας (Landsat TM) και πολύ υψηλής διακριτικής ικανότητας (QuickBird). Η εικόνα Landsat TM αποκτήθηκε στις 28/5/1999, διορθώθηκε γεωμετρικά από μετρήσεις GPS υψηλής ακρίβειας και γεωαναφέρθηκε στο Γεωδαιτικό Σύστημα Αναφοράς του 87. Επιπροσθέτως, αποκτήθηκαν περισσότερες από 15 εικόνες του QuickBird που κάλυπταν τη Λέσβο το καλοκαίρι του 2002. Τα μειονεκτήματα στη χρήση περισσότερων εικόνων υψηλής διακριτικής ικανότητας είναι το υψηλό κόστος και η νεφοκάλυψη στο 20% της περιοχής ενδιαφέροντος. Οι κατηγορίες που αναγνωρίστηκαν για να γίνει η ταξινόμηση της εικόνας Landat TM ήταν οι εξής: | |
| - | 1. παράκτιες περιοχές | + | 1.παράκτιες περιοχές |
| - | 2. θάλασσα | + | 2.θάλασσα |
| - | 3. αστική περιοχή | + | 3.αστική περιοχή |
| - | 4. άγονες εκτάσεις | + | 4.άγονες εκτάσεις |
| - | 5. δάσος πεύκων | + | 5.δάσος πεύκων |
| - | 6. αγροτεμάχια ελαιόδεντρων | + | 6.αγροτεμάχια ελαιόδεντρων |
| - | 7. δάσος δρυών | + | 7.δάσος δρυών |
| - | 8. δάσος καστανιών | + | 8.δάσος καστανιών |
| - | 9. αειθαλείς θάμνοι | + | 9.αειθαλείς θάμνοι |
| - | 10. δάσος φυλλοβόλων | + | 10.δάσος φυλλοβόλων |
| - | 11. καλλιεργήσιμες εκτάσεις | + | 11.καλλιεργήσιμες εκτάσεις |
| - | 12. βοσκότοποι | + | 12.βοσκότοποι |
Τα περιβόλια με ελαιόδεντρα χωρίστηκαν σε 5 επιμέρους κατηγορίες σύμφωνα με το είδος και την πυκνότητα της βλάστησης. Η Εικόνα 1 παρουσιάζει τις διάφορες κατηγορίες ελαιόδεντρων πάνω στις δορυφορικές εικόνες του QuickBird προσαρμόζοντας το εγγύς υπέρυθρο κανάλι στο κόκκινο, το μπλε στο μπλε και το πράσινο στο πράσινο. | Τα περιβόλια με ελαιόδεντρα χωρίστηκαν σε 5 επιμέρους κατηγορίες σύμφωνα με το είδος και την πυκνότητα της βλάστησης. Η Εικόνα 1 παρουσιάζει τις διάφορες κατηγορίες ελαιόδεντρων πάνω στις δορυφορικές εικόνες του QuickBird προσαρμόζοντας το εγγύς υπέρυθρο κανάλι στο κόκκινο, το μπλε στο μπλε και το πράσινο στο πράσινο. | ||
| + | [[Εικόνα:Katigories_elaiodentron1.jpg|thumb|right|Κατηγορίες ελαιόδεντρων πάνω σε εικόνες Quickbird όπου υπάρχουν 90 έως 120 δέντρα ανά μονάδα επιφάνειας,Πηγή:http://www3.aegean.gr/environment/labs/Remote_sensing/publications/Haicta_02.pdf]] | ||
| + | [[Εικόνα:Katigories_elaiodentron2.jpg|thumb|right|Κατηγορίες ελαιόδεντρων πάνω σε εικόνες Quickbird όπου υπάρχουν 130 έως 150 δέντρα ανά μονάδα επιφάνειας,Πηγή:http://www3.aegean.gr/environment/labs/Remote_sensing/publications/Haicta_02.pdf]] | ||
| + | [[Εικόνα:Katigories_elaiodentron3.jpg|thumb|right|Κατηγορίες ελαιόδεντρων πάνω σε εικόνες Quickbird όπου υπάρχουν 160 έως 190 δέντρα ανά μονάδα επιφάνειας,Πηγή:http://www3.aegean.gr/environment/labs/Remote_sensing/publications/Haicta_02.pdf]] | ||
| + | [[Εικόνα:Katigories_elaiodentron4.jpg|thumb|right|Κατηγορίες ελαιόδεντρων πάνω σε εικόνες Quickbird όπου υπάρχουν 200 έως 230 δέντρα ανά μονάδα επιφάνειας σε ομαλό έδαφος,Πηγή:http://www3.aegean.gr/environment/labs/Remote_sensing/publications/Haicta_02.pdf]] | ||
| + | [[Εικόνα:Katigories_elaiodentron5.jpg|thumb|right|Κατηγορίες ελαιόδεντρων πάνω σε εικόνες Quickbird όπου υπάρχουν 200 έως 230 δέντρα ανά μονάδα επιφάνειας σε ορεινό ανάγλυφο,Πηγή:http://www3.aegean.gr/environment/labs/Remote_sensing/publications/Haicta_02.pdf]] | ||
Αφού συλλεχθούν όλα τα εκπαιδευτικά πεδία, λαμβάνει χώρα επιβλεπόμενη ταξινόμηση. Το λογισμικό, δηλαδή, υπολογίζει τα στατιστικά των ψηφιακών τιμών των εικονοστοιχείων που ανήκουν σε μία εκπαιδευτική περιοχή και τα οποία αποτελούν την φασματική υπογραφή της τάξης. Κατόπιν γίνεται απόδοση των εικονοστοιχείων της εικόνας σε τάξεις με βάση τις ψηφιακές τιμές και τις υπογραφές εφαρμόζοντας σαν μη παραμετρικό κανόνα τον κανόνα της ελάχιστης απόστασης και σαν παραμετρικό τον κανόνα της μέγιστης πιθανοφάνειας. | Αφού συλλεχθούν όλα τα εκπαιδευτικά πεδία, λαμβάνει χώρα επιβλεπόμενη ταξινόμηση. Το λογισμικό, δηλαδή, υπολογίζει τα στατιστικά των ψηφιακών τιμών των εικονοστοιχείων που ανήκουν σε μία εκπαιδευτική περιοχή και τα οποία αποτελούν την φασματική υπογραφή της τάξης. Κατόπιν γίνεται απόδοση των εικονοστοιχείων της εικόνας σε τάξεις με βάση τις ψηφιακές τιμές και τις υπογραφές εφαρμόζοντας σαν μη παραμετρικό κανόνα τον κανόνα της ελάχιστης απόστασης και σαν παραμετρικό τον κανόνα της μέγιστης πιθανοφάνειας. | ||
| Γραμμή 35: | Γραμμή 40: | ||
Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων ανάλυσης | Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων ανάλυσης | ||
Η χαρτογράφηση των ελαιόδεντρων με τη χρήση ταξινόμησης δορυφορικών εικόνων είναι μία νέα μέθοδος με θετικά αποτελέσματα ιδιαίτερα για δυσπρόσιτες περιοχές ή για τοποθεσίες όπου υπάρχει έλλειψη στατιστικών και ιστορικών δεδομένων. Στην υπό εξέταση περίπτωση, χρησιμοποιήθηκαν εικόνες υψηλής διακριτικής ικανότητας για κάλυψη ολόκληρης της περιοχής μελέτης και για τη συλλογή δεδομένων πεδίου. Υπολογίστηκε το συνολικό εμβαδόν της Λέσβου που καλύπτεται από ελαιόδεντρα, το εμβαδόν για καθεμιά από τις 5 κατηγορίες και ο αριθμός των δέντρων κάθε κατηγορίας. Η Εικόνα 2 παρουσιάζει το χάρτη με τις κατηγορίες ελαιόδεντρων που προέκυψε από την ταξινόμηση εικόνας Landsat TM. | Η χαρτογράφηση των ελαιόδεντρων με τη χρήση ταξινόμησης δορυφορικών εικόνων είναι μία νέα μέθοδος με θετικά αποτελέσματα ιδιαίτερα για δυσπρόσιτες περιοχές ή για τοποθεσίες όπου υπάρχει έλλειψη στατιστικών και ιστορικών δεδομένων. Στην υπό εξέταση περίπτωση, χρησιμοποιήθηκαν εικόνες υψηλής διακριτικής ικανότητας για κάλυψη ολόκληρης της περιοχής μελέτης και για τη συλλογή δεδομένων πεδίου. Υπολογίστηκε το συνολικό εμβαδόν της Λέσβου που καλύπτεται από ελαιόδεντρα, το εμβαδόν για καθεμιά από τις 5 κατηγορίες και ο αριθμός των δέντρων κάθε κατηγορίας. Η Εικόνα 2 παρουσιάζει το χάρτη με τις κατηγορίες ελαιόδεντρων που προέκυψε από την ταξινόμηση εικόνας Landsat TM. | ||
| + | [[Εικόνα:Lesbos.jpg|thumb|right|Χάρτης της Λέσβου με τις 5 κατηγορίες των ελαιόδεντρων ύστερα από ταξινόμηση εικόνας Landsat TM,Πηγή:http://www3.aegean.gr/environment/labs/Remote_sensing/publications/Haicta_02.pdf]] | ||
Πηγή | Πηγή | ||
Παρούσα αναθεώρηση της 16:59, 14 Φεβρουαρίου 2012
Αντικείμενο της εφαρμογής Ταξινόμηση αγροτεμαχίων με χρήση αισθητήρων Landsat TM και QuickBird-Περιοχή μελέτης τα ελαιόδεντρα της Λέσβου
Στόχος της εφαρμογής Στόχος της παρούσας μελέτης είναι να λάβει χώρα μία χωρική κατανομή των ελαιόδεντρων της Λέσβου με επιβλεπόμενη ταξινόμηση δεδομένων από τον αισθητήρα QuickBird υψηλής διακριτικής ικανότητας, αλλά και να συγκριθούν τα αποτελέσματα της ταξινόμησης αυτής με αυτά που θα έδινε μία παλαιότερη τεχνική τηλεανίχνευσης που περιλαμβάνει την επιβλεπόμενη ταξινόμηση δεδομένων με διακριτική ικανότητα 30m και με συλλογή δεδομένων πεδίου με τη χρήση Διεθνούς Συστήματος Προσδιορισμού Θέσης (GPS, Global Positioning System).
Πως γινόταν παλαιότερα χωρίς τηλεπισκόπηση Προϋπήρχαν ορθοφωτοχάρτες βλάστησης του Υπουργείου Αγροτικής Ανάπτυξης, οι οποίοι συντάχθηκαν από αεροφωτογραφίες έτους λήψεως 1985.
Είδη δορυφορικών συστημάτων που χρησιμοποιήθηκαν Δορυφόρος QuickBird
Χρησιμότητα των δεκτών που χρησιμοποιήθηκαν Ο δέκτης QuickBird έχει μέχρι σήμερα την υψηλότερη χωρική διακριτική ικανότητα ανάμεσα στους άλλους δορυφόρους και τα δεδομένα του έχουν υψηλή ραδιομετρική ικανότητα ώστε οι αναλύσεις που γίνονται βάσει αυτών να είναι ακριβείς. Επιπλέον, διαθέτει δυνατότητα λήψης στερεοζευγών κατά μήκος της τροχιάς ώστε να μπορούν να παραχθούν ψηφιακά μοντέλα εδάφους μεγάλης χωρικής ανάλυσης.
Προεπεξεργασίες, προχωρημένες, ειδικές και ψηφιακές επεξεργασίες και αποτελέσματά τους, χάρτες και αιτιολόγηση της χρησιμοποίησης κάθε στοιχείου Η σπουδαιότητα των ελαιόδεντρων έγκειται στο γεγονός ότι αποτελούν την κύρια ή συμπληρωματική πηγή εσόδων για τους κατοίκους της Λέσβου. Σύμφωνα με τον κανονισμό Νο 2366/98 της Ευρωπαϊκής Επιτροπής τον Οκτώβριο του 1998, οι αγρότες λαμβάνουν επιχορήγηση για την παραγωγή τους μόνο εάν καταγράψουν τα αγροτεμάχιά τους και τα εισάγουν σε κατάλληλο χαρτογραφικό υπόβαθρο. Τα τελευταία 20 έτη ερευνητικά προγράμματα προσπάθησαν να χαρτογραφήσουν επαρκώς τα αγροτεμάχια από δεδομένα δορυφορικής τηλεπισκόπησης, αλλά η εξαγωγή συμπερασμάτων για τις χρήσεις και καλύψεις γης στη περιοχή της Μεσογείου ήταν δύσκολη εξαιτίας του πολύπλοκου αναγλύφου. Στην υπό μελέτη περίπτωση χρησιμοποιήθηκαν σαν αρχικά δεδομένα δορυφορικές εικόνες μέτριας έως υψηλής διακριτικής ικανότητας (Landsat TM) και πολύ υψηλής διακριτικής ικανότητας (QuickBird). Η εικόνα Landsat TM αποκτήθηκε στις 28/5/1999, διορθώθηκε γεωμετρικά από μετρήσεις GPS υψηλής ακρίβειας και γεωαναφέρθηκε στο Γεωδαιτικό Σύστημα Αναφοράς του 87. Επιπροσθέτως, αποκτήθηκαν περισσότερες από 15 εικόνες του QuickBird που κάλυπταν τη Λέσβο το καλοκαίρι του 2002. Τα μειονεκτήματα στη χρήση περισσότερων εικόνων υψηλής διακριτικής ικανότητας είναι το υψηλό κόστος και η νεφοκάλυψη στο 20% της περιοχής ενδιαφέροντος. Οι κατηγορίες που αναγνωρίστηκαν για να γίνει η ταξινόμηση της εικόνας Landat TM ήταν οι εξής: 1.παράκτιες περιοχές 2.θάλασσα 3.αστική περιοχή 4.άγονες εκτάσεις 5.δάσος πεύκων 6.αγροτεμάχια ελαιόδεντρων 7.δάσος δρυών 8.δάσος καστανιών 9.αειθαλείς θάμνοι 10.δάσος φυλλοβόλων 11.καλλιεργήσιμες εκτάσεις 12.βοσκότοποι
Τα περιβόλια με ελαιόδεντρα χωρίστηκαν σε 5 επιμέρους κατηγορίες σύμφωνα με το είδος και την πυκνότητα της βλάστησης. Η Εικόνα 1 παρουσιάζει τις διάφορες κατηγορίες ελαιόδεντρων πάνω στις δορυφορικές εικόνες του QuickBird προσαρμόζοντας το εγγύς υπέρυθρο κανάλι στο κόκκινο, το μπλε στο μπλε και το πράσινο στο πράσινο.
Αφού συλλεχθούν όλα τα εκπαιδευτικά πεδία, λαμβάνει χώρα επιβλεπόμενη ταξινόμηση. Το λογισμικό, δηλαδή, υπολογίζει τα στατιστικά των ψηφιακών τιμών των εικονοστοιχείων που ανήκουν σε μία εκπαιδευτική περιοχή και τα οποία αποτελούν την φασματική υπογραφή της τάξης. Κατόπιν γίνεται απόδοση των εικονοστοιχείων της εικόνας σε τάξεις με βάση τις ψηφιακές τιμές και τις υπογραφές εφαρμόζοντας σαν μη παραμετρικό κανόνα τον κανόνα της ελάχιστης απόστασης και σαν παραμετρικό τον κανόνα της μέγιστης πιθανοφάνειας.
Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων ανάλυσης Η χαρτογράφηση των ελαιόδεντρων με τη χρήση ταξινόμησης δορυφορικών εικόνων είναι μία νέα μέθοδος με θετικά αποτελέσματα ιδιαίτερα για δυσπρόσιτες περιοχές ή για τοποθεσίες όπου υπάρχει έλλειψη στατιστικών και ιστορικών δεδομένων. Στην υπό εξέταση περίπτωση, χρησιμοποιήθηκαν εικόνες υψηλής διακριτικής ικανότητας για κάλυψη ολόκληρης της περιοχής μελέτης και για τη συλλογή δεδομένων πεδίου. Υπολογίστηκε το συνολικό εμβαδόν της Λέσβου που καλύπτεται από ελαιόδεντρα, το εμβαδόν για καθεμιά από τις 5 κατηγορίες και ο αριθμός των δέντρων κάθε κατηγορίας. Η Εικόνα 2 παρουσιάζει το χάρτη με τις κατηγορίες ελαιόδεντρων που προέκυψε από την ταξινόμηση εικόνας Landsat TM.
Πηγή 1. Christos Vasilakos-John Hatzopoulos-Kostas Kalabokidis-Kostas Koutsovilis-Argiroula Thomaidou, «Classification of agricultural fields by using Landsat TM and QuickBird sensors. The case study of olive trees in Lesvos island.»
2. Κωνσταντίνος Καρτάλης – Χαράλαμπος Φειδάς, Βιβλίο «Αρχές και εφαρμογές της δορυφορικής τηλεπισκόπησης», Β. Γκιούρδας Εκδοτική
