Εφαρμογή 3 στον Ελλαδικό χώρο

Από RemoteSensing Wiki

Αναθεώρηση της 15:33, 29 Μαρτίου 2012

Εφαρμογή 3: Ταξινόμηση της κάλυψης εδάφους σε έντονα ανώμαλο έδαφος: περίπτωση μελέτης η ορεινή περιοχή της Ευρυτανίας

Τα τηλεπισκοπικά δεδομένα είναι ιδιαίτερα χρήσιμα για την χαρτογράφηση της κάλυψης του εδάφους σε ορεινές περιοχές όπως ο Νομός Ευρυτανίας, καθώς αυτές οι περιοχές είναι γενικά απροσπέλαστες λόγω των υψηλών υψομέτρων και της πυκνής δενδροκάλυψης.

Σε αυτή την εφαρμογή αξιολογήθηκαν τα αποτελέσματα της ταξινόμησης της κάλυψης του εδάφους στην ορεινή περιοχή της Ευρυτανίας με υψηλές βουνοκορφές, χρησιμοποιώντας μια πολυφασματική εικόνα Landsat TM. Για το σκοπό αυτό επιλέχθηκαν οι επιβλεπόμενες μέθοδοι ταξινόμησης εικόνας της Μεγίστης Πιθανοφάνειας και της Ελάχιστης Απόστασης.

Ως περιοχή μελέτης για την εφαρμογή των ταξινομήσεων επιλέχθηκε ένα μεγάλο τμήμα του Νομού Ευρυτανίας. Ο νομός είναι σχεδόν ολοκληρωτικά καλυμμένος από βουνά και ποτάμια. Το υψόμετρο κυμαίνεται από τα 500m έως τα 2.315m. Η περιοχή καλύπτεται από πυκνή βλάστηση και συγκεκριμένα από έλατα, βελανιδιές, πουρνάρια και πλατάνια. Στην εικόνα 1 απεικονίζεται το έγχρωμο σύνθετο 3,2,1 (RGB) της περιοχής μελέτης στο οποίο διακρίνονται καθαρά το Καρπενήσι και ο ορεινός όγκος του Βελουχιού.

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. Στα βορειοδυτικά της εικόνας διακρίνονται η πόλη του Καρπενησίου και το όρος Βελούχι.

Για την ταξινόμηση της περιοχής μελέτης χρησιμοποιήθηκε μια πολυφασματική εικόνα Landsat TM , κανάλια 1-5 και 7 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 2 : Tο ψευδέγχρωμο σύνθετο 4,3,2 (R,G,B) της πολυφασματικής εικόνας Landsat TM της 14ης Απριλίου 2007, με έντονο κόκκινο χρώμα τονίζεται η πυκνή βλάστηση της περιοχής.

Εικόνα 3 : Tο ψευδέγχρωμο σύνθετο 4,5,3 (R,G,B) της πολυφασματικής εικόνας Landsat TM. Σε αυτό το σύνθετο τονίζεται το έντονα ανώμαλο ανάγλυφο της περιοχής μελέτης.

Τα βασικά στοιχεία που χρησιμοποιήθηκαν για την προετοιμασία του χάρτη κάλυψης εδάφους της περιοχής μελέτης ήταν πολυφασματικά Landsat TM ψηφιακά δεδομένα, ενώ το λογισμικό γραφικής απεικόνισης της Γης Google Earth χρησιμοποιήθηκε ως βοηθητικό στοιχείο, καθώς παρείχε υψηλής ανάλυσης δορυφορικές απεικονίσεις της περιοχής μελέτης. Έτσι, λαμβάνοντας υπόψη αυτές τις ψηφιακές πληροφορίες και γνωρίζοντας τη γεωμορφολογία και τα είδη βλάστησης της περιοχής, 9 τάξεις εδαφοκάλυψης καθορίστηκαν.

Η ψηφιακές δορυφορικές απεικονίσεις από το λογισμικό Google Earth, καθώς και διάφορες επίγειες φωτογραφίες που απεικόνιζαν την πραγματική κάλυψη του εδάφους χρησιμοποιήθηκαν ως πρόσθετα δεδομένα για την επιλογή των περιοχών εκπαίδευσης.

Η ψηφιακή επεξεργασία της εικόνας πραγματοποιήθηκε για την απόκτηση των 9 τάξεων ταξινομημένων χαρτών κάλυψης εδάφους. Αρχικά η ταξινόμηση έγινε με τον αλγόριθμο της Μεγίστης Πιθανοφάνειας και ακολούθησε η ταξινόμηση με τον ταξινομητή της Ελάχιστης Απόστασης. Επιλέχθηκαν αυτοί οι ταξινομητές διότι συνήθως παράγουν ακριβή και ορθά αποτελέσματα ταξινόμησης. Αυτά παρουσιάζονται παρακάτω.

Εικόνα 4 : O 9 τάξεων ταξινομημένος χάρτης που παράχθηκε από την εικόνα Landsat TM, κανάλια 1-5 και 7, με τη χρήση του επιβλεπόμενου ταξινομητή της Μεγίστης Πιθανοφάνειας.

Εικόνα 5 : O 9 τάξεων ταξινομημένος χάρτης που παράχθηκε από την εικόνα Landsat TM, κανάλια 1-5 και 7, ως αποτέλεσμα της ταξινόμησης με τη μέθοδο της Ελάχιστης Απόστασης .

Χωρίς να έχει γίνει ορθομετρική διόρθωση στα δορυφορικά δεδομένα και σε ένα έδαφος με έντονο ανάγλυφο και ραγδαία μεταβαλλόμενο, ο αλγόριθμος της Μεγίστης Πιθανοφάνειας έδωσε τα ακριβέστερα αποτελέσματα ακόμη και στα διαφορετικά είδη βλάστησης τα οποία ταξινόμησε ικανοποιητικά. Μάλιστα επιχειρήθηκε να γίνει σύγκριση των αποτελεσμάτων με την εργασία της ταξινόμησης στα Ιμαλάϊα, ώστε να αναδειχτεί που ακριβώς ενίσχυσε η χρήση του ψηφιακού μοντέλου εδάφους τον ταξινομητή της Μεγίστης Πιθανοφάνειας. Υπολογίστηκε ότι η ακρίβεια της ταξινόμησης λόγω της χρήσης υψομετρικών δεδομένων ακρίβειας καλύτερης από 3 μέτρα, αύξησε την ακρίβεια ταξινόμησης κατά 15% περίπου. Πάντως σε σχέση με τον αλγόριθμο της Ελάχιστης Απόστασης ο οποίος διαχώρισε πολύ καλά τα πολύγωνα βλάστησης – μη βλάστησης (γυμνό έδαφος, χιόνι, βράχια), ο αλγόριθμος της Μεγίστης Πιθανοφάνειας ήταν ακριβής και έδωσε ικανοποιητικές θεματικές κατηγορίες, διαχωρίζοντας ακόμη και τα έλατα από τα φυλλοβόλα της περιοχής.