Εφαρμογή 2 στον Ελλαδικό χώρο

Από RemoteSensing Wiki

Αναθεώρηση της 15:08, 29 Μαρτίου 2012

Εφαρμογή 2: Σύγκριση των διαφορετικών αλγορίθμων επιβλεπόμενης Ταξινόμησης σε πεδινή περιοχή του Νομού Φθιώτιδας με χρήση πολυφασματικής εικόνας Landsat TM

Η ταξινόμηση των φασματικών εικόνων είναι μια επιτυχής εφαρμογή που χρησιμοποιείται για την παραγωγή χαρτών κάλυψης εδάφους, για την εκτίμηση της επιφάνειας των καλλιεργειών και της παραγωγής και για πολλούς άλλους σκοπούς. Σε αρκετές περιπτώσεις η ίδια η ταξινόμηση μπορεί να είναι το αντικείμενο της ανάλυσης. Υπάρχουν διάφορες διαδικασίες ταξινόμησης εικόνας που χρησιμοποιούνται για διαφορετικούς σκοπούς και διακρίνονται σε επιβλεπόμενες και μη επιβλεπόμενες ανάλογα με τον τρόπο που εκτελούνται.

Στόχος της παρούσας εφαρμογής είναι η σύγκριση των διαφορετικών αλγoρίθμων επιβλεπόμενης ταξινόμησης χρησιμοποιώντας μια δορυφορική εικόνα Landsat TM της περιοχής του Νομού Φθιώτιδας που βρίσκεται στην κεντρική Ελλάδα. Για το σκοπό αυτό, η ταξινόμηση της εδαφοκάλυψης της περιοχής μελέτης έγινε με τρείς διαφορετικές διαδικασίες επιβλεπόμενης ταξινόμησης και συγκεκριμένα με τη χρήση των μεθόδων της Μεγίστης Πιθανοφάνειας, της Ελάχιστης Απόστασης και της απόστασης Mahalanobis και στη συνέχεια τα αποτελέσματα συγκρίθηκαν μεταξύ τους.

Για την ταξινόμηση της περιοχής μελέτης χρησιμοποιήθηκε μια πολυφασματική εικόνα Landsat TM , που λήφθηκε στις 14 Απριλίου του 2007. Η εικόνα διορθώθηκε γεωμετρικά στο σύστημα συντεταγμένων WGS84. Όλες οι ταξινομήσεις εκτελέστηκαν στο λογισμικό επεξεργασίας εικόνας ER Mapper.

Εικόνα 1 : Το έγχρωμο σύνθετο 3,2,1 (R,G,B) της πολυφασματικής εικόνας Landsat TM της 14ης Απριλίου 2007, που απεικονίζει την περιοχή μελέτης της παρούσας εφαρμογής.

Αρχικά η κάλυψη και χρήση γης στην περιοχή μελέτης ταξινομήθηκε με τη μέθοδο της Μεγίστης Πιθανοφάνειας. Είναι γεγονός ότι ο ταξινομητής της Μ. Πιθανοφάνειας είναι ο πιο ισχυρός ταξινομητής στον τομέα της τηλεπισκόπησης και παράγει πολύ ακριβή αποτελέσματα. Στη συνέχεια επιλέχθηκε η μέθοδος της Ελάχιστης Απόστασης για την ταξινόμηση της περιοχής μελέτης. Ο ταξινομητής αυτός συνίσταται ιδιαίτερα σε όλες τις εφαρμογές ταξινόμησης εικόνας, καθώς είναι αρκετά ακριβής και είναι μια τεχνική γρηγορότερη από την ταξινόμηση της Μ. Πιθανοφάνειας. Τέλος, η εικόνα ταξινομήθηκε εκ νέου με βάση τον αλγόριθμο επιβλεπόμενης ταξινόμησης της απόστασης Mahalanobis. Η μέθοδος αυτή είναι παρόμοια με αυτή της Ελάχιστης Απόστασης.

Παρακάτω παρουσιάζονται οι ταξινομημένες εικόνες της περιοχής μελέτης, που παράχθηκαν με βάση τις μεθόδους επιβλεπόμενης ταξινόμησης της Μ. Πιθανοφάνειας, της Ελάχιστης Απόστασης και της απόστασης Mahalanobis, αντίστοιχα.

Εικόνα 2 :Το αποτέλεσμα της ταξινόμησης που παράχθηκε από την εικόνα Landsat TM, 7 καναλιών της 14ης Απριλίου 2007 με τη χρήση του επιβλεπόμενου ταξινομητή της Μεγίστης Πιθανοφάνειας .

Εικόνα 3 :Το αποτέλεσμα της ταξινόμησης που παράχθηκε από την εικόνα Landsat TM, 7 καναλιών της 14ης Απριλίου 2007 με τη χρήση του επιβλεπόμενου ταξινομητή της Ελάχιστης Απόστασης .

Εικόνα 4 : Το αποτέλεσμα της ταξινόμησης που παράχθηκε από την εικόνα Landsat TM, 7 καναλιών της 14ης Απριλίου 2007 με τη χρήση του επιβλεπόμενου ταξινομητή της απόστασης Mahalanobis.

Τα αποτελέσματα που λήφθηκαν από τις ταξινομημένες εικόνες συγκρίθηκαν μεταξύ τους. Σε ένα έδαφος σχετικά επίπεδο, με κάλυψη γης αρκετά εναλλασσόμενη και χρήσεις κυρίως γεωργικές αλλά και οικιστικές, ο αλγόριθμος της Ελάχιστης Απόστασης έδωσε πολύ γρήγορα και ικανοποιητικά αποτελέσματα. Σε σχέση με τον ταξινομητή της Μεγίστης Πιθανοφάνειας, όχι μόνο δεν υστέρησε, αλλά έδωσε ακριβέστερα αποτελέσματα, ιδιαίτερα στα όρια (αλλά και μέσα) των οικισμών. Επιβεβαιώνονται κατά κάποιο τρόπο και τα αποτελέσματα από την εργασία στο Αϊβαλί όπου όταν το έδαφος παρουσίαζε ανάγλυφο, ο ταξινομητής της Μεγίστης Πιθανοφάνειας έδινε καλύτερα αποτελέσματα αλλά εκεί όπου το έδαφος ήταν επίπεδο, η μέθοδος της Ελάχιστης Απόστασης αποδείχθηκε αρκετά ακριβής. Ο ταξινομητής με τον αλγόριθμο υπολογισμού της Mahalanobis αποστάσεως, αποδείχθηκε ο λιγότερο ακριβής από τους τρεις.