Κολοβού Βασιλική
Από RemoteSensing Wiki
(→«Ταξινόμηση καλλιεργειών με την χρήση στοιχείων SAR στις πεδιάδες της Βόρειας Κίνας.») |
(→«Ταξινόμηση καλλιεργειών με την χρήση στοιχείων SAR στις πεδιάδες της Βόρειας Κίνας.») |
||
Γραμμή 58: | Γραμμή 58: | ||
- | '''2.ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ''' | + | '''2.ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ'''[[Αρχείο:Περιοχή_μελέτης_Κίνα.jpg | thumb | right | Περιοχή Μελέτης, πηγή:«Crop classification using multi-configuration SAR data in the North China Plain»]] |
Η περιοχή μελέτης εντοπίζεται στον Yuncheng στην επαρχία Shandong της Κίνας. Η περιοχή ανήκει στην εύκρατη κλιματική ζώνη και αποτελεί χαρακτηριστικό παράδειγμα γεωργικής περιοχής χωρίς σχεδιασμό. Η περιοχή μελέτης που επιλέχθηκε είναι 15km x 15km και συγκεντρώνει τα τυπικά χαρακτηριστικά της ευρύτερης περιοχής. | Η περιοχή μελέτης εντοπίζεται στον Yuncheng στην επαρχία Shandong της Κίνας. Η περιοχή ανήκει στην εύκρατη κλιματική ζώνη και αποτελεί χαρακτηριστικό παράδειγμα γεωργικής περιοχής χωρίς σχεδιασμό. Η περιοχή μελέτης που επιλέχθηκε είναι 15km x 15km και συγκεντρώνει τα τυπικά χαρακτηριστικά της ευρύτερης περιοχής. | ||
+ | |||
+ | |||
+ | '''3.ΜΕΘΟΔΟΛΟΓΙΑ''' | ||
+ | Η ταξινόμηση πραγματοποιήθηκε με την SVM (vector machine) μηχανή ταξινόμησης, που χρησιμοποιείται ευρέως για ταξινομήσεις τηλεπισκόπησης. Οι τελικές ομάδες ταξινόμησης είναι οι παρακάτω: βαμβάκι, σιτάρι και μη καλλιεργήσιμες. Στις μη καλλιεργήσιμες εκτάσεις συμπεριλαμβάνονται: δρόμοι, νερό, δέντρα, γυμνό έδαφος και κατοικημένες περιοχές. Οι περιοχές εκπαίδευσης επιλέχθηκαν από τη συλλογή τυχαίων δειγμάτων ψηφιακών μονάδων του εδάφους και χρησιμοποιήθηκαν και σαν δείγματα επαλήθευσης. | ||
+ | |||
+ | |||
+ | '''4.ΑΠΟΤΕΛΕΣΜΑΤΑ''' | ||
+ | Τα αποτελέσματα της μελέτης δείχνουν ότι η χρήση των στοιχείων SAR κατάφερε να αποτυπώσει με μεγάλη ακρίβεια την αγροτική κατάταξη της περιοχής (σε μερικές περιπτώσεις και ακρίβεια της τάξης του 91,83%). Τα στοιχεία ASAR φαίνεται να ήταν πιο ακριβή από τα αντίστοιχα TerraSar που πάρθηκαν τις ίδιες χρονικές περιόδους, επίσης τα συνδυασμένα στοιχεία SAR δύο συχνοτήτων (C και X) ήταν πιο ακριβή από τα στοιχεία μίας πολυχρονικής (multitemporal) συχνότητας C. Δύο ASAR στοιχεία κατά τα νεαρά στάδια των φυτών και της άνθισης ήταν αρκετά για να έχουμε ακριβείς μετρήσεις και η προσθήκη στοιχείων από ακόμη νεαρότερα στάδια στην ανάπτυξη των φυτών δεν βελτίωσε την ακρίβεια των μετρήσεων. | ||
+ | |||
+ | |||
+ | '''5. ΣΥΜΠΕΡΑΣΜΑΤΑ''' | ||
+ | Τα συμπεράσματα αυτής της έρευνας δείχνουν ότι | ||
+ | 1) τα multi-temporal και τα multi-frequency SAR δεδομένα μπορούν να πετύχουν ικανοποιητική ακρίβεια ταξινόμηση για περιοχές άτακτης καλλιέργειας, | ||
+ | 2) ο συνδυασμός 2 συχνοτήτων SAR(Χ και C-band) είναι προτιμότερος από το multi-temporal C-Band ASAR δεδομένα για ταξινόμηση γεωργικών εκτάσεων σε αύτη τη μελέτη | ||
+ | 3) 2 χρονικά δεδομένα SAR στα νεαρά στάδια των φυτών και στη περίοδο άνθισης ήταν παρείχαν ικανοποιητική ακρίβεια ταξινόμηση | ||
+ | 4) Τα στοιχεία υφής των δεδομένων SAR την περίοδο άνθισης του σιταριού είναι χρήσιμα για τις γεωργικές ταξινομήσεις και βελτιώνουν την ακρίβειά τους. | ||
+ | Ολοκληρώνοντας, καταλήγουμε ότι τα στοιχεία SAR φαίνεται να αποτελούν αναπόσπαστο μελλοντικό εργαλείο αγροτικής διαχείρισης και σίγουρα αποτελούν μία συμπληρωματική πηγή πληροφοριών στα οπτικά στοιχεία που ήδη διαθέτουμε. | ||
== «Σύγκριση βάσεων δεδομένων των συστημάτων τηλεπισκόπισης LANDSAT TM και MODIS για την εκτίμηση της μεταβολής της φυτικής μάζας στην έρημο Σόνοραν, ΗΠΑ και πως αυτή η μεταβολή επηρεάζει το φυσικό περιβάλλον του «μεγαλοκέρατου προβάτου της ερήμου» (Ovis Canadensis nelsoni).» == | == «Σύγκριση βάσεων δεδομένων των συστημάτων τηλεπισκόπισης LANDSAT TM και MODIS για την εκτίμηση της μεταβολής της φυτικής μάζας στην έρημο Σόνοραν, ΗΠΑ και πως αυτή η μεταβολή επηρεάζει το φυσικό περιβάλλον του «μεγαλοκέρατου προβάτου της ερήμου» (Ovis Canadensis nelsoni).» == | ||
== «Ο αστικός περιβαλλοντικός δείκτης ‘Biotope Area Ratio’ – Μια ενισχυμένη προσέγγιση για αξιολόγηση και διαχείριση των αστικών οικοσυστημάτων μέσα από τη χρήση υψηλής ανάλυσης τηλεπισκόπησης» == | == «Ο αστικός περιβαλλοντικός δείκτης ‘Biotope Area Ratio’ – Μια ενισχυμένη προσέγγιση για αξιολόγηση και διαχείριση των αστικών οικοσυστημάτων μέσα από τη χρήση υψηλής ανάλυσης τηλεπισκόπησης» == |
Αναθεώρηση της 20:52, 25 Φεβρουαρίου 2012
Add Your Content Here
Χαρτογράφηση καμένων περιοχών στον Καναδά (1984-1999) με την χρήση του NOAA-AVHHR (Advanced Very High Resolution Radiometer) LTDR: Μία σύγκριση με τα άλλα προϊόντα τηλεπισκόπησης και των παραμέτρων πυρκαγιάς.
«Burned area mapping time series in Canada (1984–1999) from NOAA-AVHRR LTDR: A comparison with other remote sensing products and fire perimeters»Κείμενο με πλάγιους χαρακτήρες
Συγγραφείς: Jose A. Moreno Ruiz, David Riaño, Manuel Arbelo , Nancy H.F. French, Susan L. Ustin, Michael L. Whiting
ΠΕΡΊΛΗΨΗ Ένας νέος αλγόριθμος δημιουργήθηκε για την χαρτογράφηση καμένων περιοχών στα δάση της τάιγκας στον Καναδά χρησιμοποιώντας το AVHHR και δεδομένα από το 1984 έως το 1999. Τα αποτελέσματα συγκρίθηκαν με αντίστοιχους χάρτες καμένων περιοχών AVHHR 1km και AVHHR-PAL 8km.
Ο αλγόριθμος συνδύαζε:
1) Απόλυτα και σχετικά ραδιομετρικά όρια,
2) ένα δίκτυο μετατροπής πιθανοτήτων Bayesian
3) ανάλυση γειτνίασης για χωρική συσχέτιση με τις πυρκαγιές.
Αρχεία σχετικά με φωτιές στο Δυτικό Καναδά τα οποία παραχωρήθηκαν από την Καναδική δασική υπηρεσία βοήθησαν στο να «τρέξει» ο αλγόριθμος. Η χαρτογράφηση με το AVHHR LTDR ταυτίστηκε με τα αποτελέσματα των προηγουμένων που προέρχονταν από το αρχείο της Καναδικής Δασικής υπηρεσίας. Η δημιουργία του συγκεκριμένου τρόπου χαρτογράφησης αποτελεί μια εξέλιξη του παλιότερου τρόπου χαρτογράφησης που βασιζόταν στο AVHHR-PAL 8km. Για την χαρτογράφηση δασών τάιγκας, καμένων περιοχών παγκοσμίως, η συγκεκριμένη μελέτη παρουσιάζει την μέθοδο με την πλέον μεγάλη ακρίβεια, που αντιπροσωπεύει το LTDR. Μία μέθοδο που παρουσιάζει μία από τις υψηλότερες χρονικές και τοπικές αναλύσεις καθημερινών εικόνων από δορυφόρο από την δεκαετία του 80.
1.ΕΙΣΑΓΩΓΗ
Αρκτικά δάση επιλέχθηκαν γι αυτή τη μελέτη για το σημαντικό ρόλο που έχουν στον κύκλο του αζώτου. Εξαιτίας το ψυχρού κλίματος και της αργής ανάπτυξης της βλάστησης, αύξηση στον αριθμό των αρκτικών δασών μπορεί να επιφέρει σημαντική μεταβολή στην ισορροπία του άνθρακα.
Η παρούσα μελέτη υπολογίζει την καμένη περιοχή ετησίως μέσα στα καναδικά αρκτικά δάση από τα αρχεία του LTDR τη χρονική περίοδο 1984 έως 1999 με την προοπτική της ανάπτυξης ενός αλγορίθμου για την χαρτογράφηση των αρκτικών δασών παγκοσμίως χρησιμοποιώντας το LTDR. Ο αλγόριθμος εμπλουτίστηκε και με περιστατικά πυρκαγιών από τα αρχεία της Εθνικής Καναδικής Υπηρεσίας.
Τα αρκτικά δάση του Καναδά καίγονται τουλάχιστον κάθε 280 χρόνια. Ο ετήσιος αριθμός και η έκταση των τοπικών πυρκαγιών εξαρτάται από το υψόμετρο και την απόσταση από τον ωκεανό. Για τον ακριβή υπολογισμό των καμένων εκτάσεων προτείνεται η εμπειρική προσέγγιση παρακάτω:
1) μέσα σε κάθε ψηφιακή μονάδα, διαφορετικά όρια για συγκεκριμένα φασματικά κανάλια και δείκτες μεταξύ ενός χρόνου και εκείνων που προηγούνται ή ακολουθούν,
2) Bayesian δίκτυο εκπαιδευμένο με καμένες τοποθεσίες από την Εθνική Δασική Ελβετική Υπηρεσία για να καθορίσει τη δυνατότητα ταξινόμησης των περιστατικών φωτιάς,
3) κριτήρια γειτνίασης πριν στο στάδιο της επεξεργασίας για να αυξηθεί η ακρίβεια της ταξινόμησης των ψηφιακών σημείων και τέλος
4) αξιολόγηση της ακρίβειας των χαρτών των ετήσιων καμένων περιοχών.
3.ΣΥΜΠΕΡΑΣΜΑΤΑ
Ο αλγόριθμος εκπαιδεύτηκε χρησιμοποιώντας κυρίως περιοχές αρκτικών δασών από τη στιγμή που κυριαρχούν στην περιοχή μελέτης. Βασίζεται στον εντοπισμό των πυρκαγιών μέσα από τις διαφοροποιήσεις του δάσους από χρόνο σε χρόνο. Γενικά οι ουλές από τις πυρκαγιές παραμένουν πάνω από ένα χρόνο ορατές, χωρίς αυτό να είναι απόλυτο. Πριν την εφαρμογή του Αλγορίθμου σε άλλες περιοχές πρέπει να ληφθούν υπόψη οι τοπικές θερμοκρασίες και τα ποσοστά υγρασίας, παράγοντες και οι δύο σημαντικοί για την ανάπτυξη των δασών.
«Ταξινόμηση καλλιεργειών με την χρήση στοιχείων SAR στις πεδιάδες της Βόρειας Κίνας.»
«Crop classification using multi-configuration SAR data in the North China Plain»
Συγγραφείς:Kun Jiaab(a,b), Qiangzi Lia(a), Yichen Tiana(a), Bingfang Wua(a), Feifei Zhanga(a), Jihua Menga(a)
a: Institute of Remote Sensing Applications, Chinese Academy of Sciences, Beijing, 100101, PR China
b: Graduate University of Chinese Academy of Sciences, Beijing, 100049, PR China
1.ΕΙΣΑΓΩΓΗ
Η κατάταξη των καλλιεργειών με μέσα τηλεπισκόπισης αποτελεί σημαντικό κομμάτι της αγροτικής διαχείρισης μίας χώρας. Τα στοιχεία SAR (Synthetic aperture radar) είναι ελκυστικά για την διαδικασία της κατάταξης καλλιεργειών διότι προσφέρουν συνεχείς εικόνες στον χρήστη ασχέτως καιρού η ώρας.
Το αντικείμενο της συγκεκριμένης μελέτης είναι να ερευνήσει εφόσον και εάν επαρκούν τα SAR στοιχεία για να γίνει μια κατάταξη καλλιεργειών στις πεδιάδες της Βόρειας Κίνας. Για την συγκεκριμένη μελέτη χρησιμοποιήθηκαν “Multi-temporal Envisat advanced synthetic aperture radar (ASAR) στοιχεία και στοιχεία TerraSar τα οποία με ένα πρόγραμμα support vector machine (SVM) διαμορφώθηκαν σε κατάλληλο οπτικό υλικό (textures). Η ταξινόμηση με τη χρησιμοποίηση multi-configuration SAR δεδομένων έχει τη δυνατότητα να προσφέρει ακρίβεια και επιπλέον στον τομέα της γεωργίας υπάρχει η τάση για εφαρμογές δεδομένων SAR. Ωστόσο, σημαντικό ερώτημα παραμένει αν η εφαρμογή δεδομένων SAR είναι η καλύτερη δυνατή επιλογή για την ταξινόμηση των γεωργικών εκτάσεων.
Η περιοχή μελέτης εντοπίζεται στον Yuncheng στην επαρχία Shandong της Κίνας. Η περιοχή ανήκει στην εύκρατη κλιματική ζώνη και αποτελεί χαρακτηριστικό παράδειγμα γεωργικής περιοχής χωρίς σχεδιασμό. Η περιοχή μελέτης που επιλέχθηκε είναι 15km x 15km και συγκεντρώνει τα τυπικά χαρακτηριστικά της ευρύτερης περιοχής.
3.ΜΕΘΟΔΟΛΟΓΙΑ
Η ταξινόμηση πραγματοποιήθηκε με την SVM (vector machine) μηχανή ταξινόμησης, που χρησιμοποιείται ευρέως για ταξινομήσεις τηλεπισκόπησης. Οι τελικές ομάδες ταξινόμησης είναι οι παρακάτω: βαμβάκι, σιτάρι και μη καλλιεργήσιμες. Στις μη καλλιεργήσιμες εκτάσεις συμπεριλαμβάνονται: δρόμοι, νερό, δέντρα, γυμνό έδαφος και κατοικημένες περιοχές. Οι περιοχές εκπαίδευσης επιλέχθηκαν από τη συλλογή τυχαίων δειγμάτων ψηφιακών μονάδων του εδάφους και χρησιμοποιήθηκαν και σαν δείγματα επαλήθευσης.
4.ΑΠΟΤΕΛΕΣΜΑΤΑ
Τα αποτελέσματα της μελέτης δείχνουν ότι η χρήση των στοιχείων SAR κατάφερε να αποτυπώσει με μεγάλη ακρίβεια την αγροτική κατάταξη της περιοχής (σε μερικές περιπτώσεις και ακρίβεια της τάξης του 91,83%). Τα στοιχεία ASAR φαίνεται να ήταν πιο ακριβή από τα αντίστοιχα TerraSar που πάρθηκαν τις ίδιες χρονικές περιόδους, επίσης τα συνδυασμένα στοιχεία SAR δύο συχνοτήτων (C και X) ήταν πιο ακριβή από τα στοιχεία μίας πολυχρονικής (multitemporal) συχνότητας C. Δύο ASAR στοιχεία κατά τα νεαρά στάδια των φυτών και της άνθισης ήταν αρκετά για να έχουμε ακριβείς μετρήσεις και η προσθήκη στοιχείων από ακόμη νεαρότερα στάδια στην ανάπτυξη των φυτών δεν βελτίωσε την ακρίβεια των μετρήσεων.
5. ΣΥΜΠΕΡΑΣΜΑΤΑ
Τα συμπεράσματα αυτής της έρευνας δείχνουν ότι
1) τα multi-temporal και τα multi-frequency SAR δεδομένα μπορούν να πετύχουν ικανοποιητική ακρίβεια ταξινόμηση για περιοχές άτακτης καλλιέργειας,
2) ο συνδυασμός 2 συχνοτήτων SAR(Χ και C-band) είναι προτιμότερος από το multi-temporal C-Band ASAR δεδομένα για ταξινόμηση γεωργικών εκτάσεων σε αύτη τη μελέτη
3) 2 χρονικά δεδομένα SAR στα νεαρά στάδια των φυτών και στη περίοδο άνθισης ήταν παρείχαν ικανοποιητική ακρίβεια ταξινόμηση
4) Τα στοιχεία υφής των δεδομένων SAR την περίοδο άνθισης του σιταριού είναι χρήσιμα για τις γεωργικές ταξινομήσεις και βελτιώνουν την ακρίβειά τους.
Ολοκληρώνοντας, καταλήγουμε ότι τα στοιχεία SAR φαίνεται να αποτελούν αναπόσπαστο μελλοντικό εργαλείο αγροτικής διαχείρισης και σίγουρα αποτελούν μία συμπληρωματική πηγή πληροφοριών στα οπτικά στοιχεία που ήδη διαθέτουμε.