Συνδυασμός δορυφορικών εικόνων ΙΚΟΝΟS υψηλής χωρικής ανάλυσης και ΓΣΠ στην εκτίμηση του αριθμού των δένδρων του παραποτάμιου

Από RemoteSensing Wiki

(Διαφορές μεταξύ αναθεωρήσεων)
Μετάβαση σε: πλοήγηση, αναζήτηση
 
Γραμμή 39: Γραμμή 39:
Αξιολογώντας αν η παραπάνω μεθοδολογία εξυπηρετεί το στόχο της εργασίας, προκύπτει ότι στις περιοχές που οι πυκνότητες των δέντρων είναι μεγάλη, η μέθοδος απέδωσε λιγότερα σωστά, διότι η σκιά από τα γειτονικά δέντρα επηρέαζε την ταξινόμηση, ενώ στις περιοχές όπου οι πυκνότητες των δέντρων η μέθοδος ήταν πιο επιτυχής. Έτσι η ακρίβεια της μεθόδου εξαρτάται από την ακρίβεια της ταξινόμησης των τάξεων, που την επηρεάζουν, γεγονός που δίνατε να ξεπεραστεί λόγω της φασματικής διαφοράς.  
Αξιολογώντας αν η παραπάνω μεθοδολογία εξυπηρετεί το στόχο της εργασίας, προκύπτει ότι στις περιοχές που οι πυκνότητες των δέντρων είναι μεγάλη, η μέθοδος απέδωσε λιγότερα σωστά, διότι η σκιά από τα γειτονικά δέντρα επηρέαζε την ταξινόμηση, ενώ στις περιοχές όπου οι πυκνότητες των δέντρων η μέθοδος ήταν πιο επιτυχής. Έτσι η ακρίβεια της μεθόδου εξαρτάται από την ακρίβεια της ταξινόμησης των τάξεων, που την επηρεάζουν, γεγονός που δίνατε να ξεπεραστεί λόγω της φασματικής διαφοράς.  
Συμπερασματικά η μέθοδος αυτή είναι μία γρήγορη εκτίμηση του αριθμού δέντρων, η οποία μπορεί να βελτιωθεί, με τη χρήση και άλλων παραμέτρων, όπως δεδομένα από σαρωτές laser και θα μπορούσε να εφαρμοστεί και σε επιχειρησιακό επίπεδο, συμβάλλοντας σε μελέτες διαχείρισης / προστασίας περιοχών με παρόμοιες συνθήκες βλάστησης.
Συμπερασματικά η μέθοδος αυτή είναι μία γρήγορη εκτίμηση του αριθμού δέντρων, η οποία μπορεί να βελτιωθεί, με τη χρήση και άλλων παραμέτρων, όπως δεδομένα από σαρωτές laser και θα μπορούσε να εφαρμοστεί και σε επιχειρησιακό επίπεδο, συμβάλλοντας σε μελέτες διαχείρισης / προστασίας περιοχών με παρόμοιες συνθήκες βλάστησης.
 +
 +
 +
[[category: Δασοπονία, Δασική διαχείριση]]

Παρούσα αναθεώρηση της 13:37, 19 Μαρτίου 2015

Συγγραφείς: Ι. Τσολακίδης, Μ. Δαβής, Ν. Κατσέλας

Πηγή: http://geo.teicm.gr/ojs/index.php/Chorografies/article/download/25/31

Εικόνα 1: Η Τελική συνθετική εικόνα (PanSharpened) (R=4, G=2, B=1)
Εικόνα 2: Ταξινομημένη εικόνα με τη μέθοδο ISODATA (10 τάξεις)
Εικόνα 3: Ταξινομημένη εικόνα
Εικόνα 4: Ασαφής ταξινομημένη εικόνα
Εικόνα 5: Αρχική (PanSharpened) εικόνα
Εικόνα 6: Αρχική (PanSharpened) εικόνα
Εικόνα 7: Σύγκριση αριθμού δένδρων επιτόπιου ελέγχου (μπλε) και ταξινόμησης (κόκκινο)

Αντικείμενο - Σκοπός - Δεδομένα - Μεθοδολογία - Συμπεράσματα


Αντικείμενο της εφαρμογής αυτής, είναι η διερεύνηση της συμβολής των εικόνων του δορυφόρου IKONOS στη μελέτη διαχείρισης του παραποτάμιου δάσους της λίμνης Κερκίνης. Η χρήση δορυφορικών μεθόδων μελέτης και ερμηνείας δασικών οικοσυστημάτων είναι ευρεία, δεδομένου του αριθμού και του είδους των δορυφόρων που υπάρχουν και κυρίως εικόνων υψηλής διακριτικότητας και φασματικής ανάλυσης.

Βασικό στόχο αποτελεί η ανάπτυξη μεθοδολογίας για τη διάκριση δέντρων του παραποτάμιου οικοσυστήματος με τη χρήση εικόνων IKONOS, σε συνδυασμό με φωτοερμηνεία αεροφωτογραφιών και επιτόπιο έλεγχο, δηλαδή σε συνδυασμό με τις παραδοσιακές τεχνικές, που χρησιμοποιούνταν ευρέως σε διαχειριστικές μελέτες.

Τα δεδομένα που χρησιμοποιήθηκαν για την περιοχή μελέτης ήταν η συνθετική ορθοανηγμένη δορυφορική εικόνα IKONOS (Pan Sharpened) ημερομηνίας 30/9/2008 και συγκεκριμένα μία παγχρωματική (Pan) εικόνα ανάλυσης 1μ και μια πολυφασματική (MS) ανάλυσης 4μ και τεσσάρων διαύλων, στο ορατό και εγγύς υπέρυθρο φάσμα. Επίσης ψηφιακές αεροφωτογραφίες υψηλής ανάλυσης, που παρήχθησαν με επικάλυψη από ύψος 800μ και με μηχανή Canon Eos 7D, το Φεβρουάριο του 2011. Τέλος με χρήση gps χειρός συλλέχθηκαν 28 σημεία ελέγχου.

Σχετικά με την μεθοδολογία που ακολουθήθηκε, τα δεδομένα ήταν ήδη διορθωμένα ραδιομετρικά και λόγω ανάγλυφου, με την μέθοδο των κύριων συνιστωσών από τον προμηθευτή και έτσι με το συνδυασμό των εικόνων MS και Pan προέκυψε η τελική συνθετική εικόνα με μέγεθος ψηφίδας 1μ.

Στη συνέχεια εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση με τη μέθοδο ISODATA και μετά νέα ταξινόμηση με τη μέθοδο της μέγιστης πιθανοφάνειας και για την βελτίωση των λάθος ταξινομημένων ψηφίδων, έγινε ασαφής ταξινόμηση

Ακολούθησε ερμηνεία των αεροφωτογραφιών και έγινε ορισμός ομάδων ψηφίδων, ώστε να αποκοπούν οι ακατάλληλες ομάδες ψηφίδων.

Για τον τελικό έλεγχο της ακρίβειας της τελικής ταξινομημένης εικόνας χρησιμοποιήθηκαν 250 σημεία ελέγχου, που εξακριβώθηκαν στις αεροφωτογραφίες, με τυχαία κατανομή ίσων σε πλήθος σημείων για κάθε τάξη, για όλες τις προηγούμενες διαδικασίες χρησιμοποιήθηκε το λογισμικό ERDASIMAGIVE V.11.

Με το ίδιο λογισμικό έγινε η μετατροπή της τελικής ταξινομημένης εικόνας σε διανυσματική μορφή.

Με το ArcGIS 9.3.έγινε απόδοση των κεντροειδών των πολυγώνων σαν σημειακό επίπεδο.

Τέλος τα 28 δειγματοληπτικά σημεία επιτόπιου ελέγχου, χρησιμοποιήθηκαν για την ταύτιση των αποτελεσμάτων σημείων που εξάχθηκαν από την προηγούμενη αυτόματα διαδικασία και της υφιστάμενης κατάστασης

Αξιολογώντας αν η παραπάνω μεθοδολογία εξυπηρετεί το στόχο της εργασίας, προκύπτει ότι στις περιοχές που οι πυκνότητες των δέντρων είναι μεγάλη, η μέθοδος απέδωσε λιγότερα σωστά, διότι η σκιά από τα γειτονικά δέντρα επηρέαζε την ταξινόμηση, ενώ στις περιοχές όπου οι πυκνότητες των δέντρων η μέθοδος ήταν πιο επιτυχής. Έτσι η ακρίβεια της μεθόδου εξαρτάται από την ακρίβεια της ταξινόμησης των τάξεων, που την επηρεάζουν, γεγονός που δίνατε να ξεπεραστεί λόγω της φασματικής διαφοράς. Συμπερασματικά η μέθοδος αυτή είναι μία γρήγορη εκτίμηση του αριθμού δέντρων, η οποία μπορεί να βελτιωθεί, με τη χρήση και άλλων παραμέτρων, όπως δεδομένα από σαρωτές laser και θα μπορούσε να εφαρμοστεί και σε επιχειρησιακό επίπεδο, συμβάλλοντας σε μελέτες διαχείρισης / προστασίας περιοχών με παρόμοιες συνθήκες βλάστησης.

Προσωπικά εργαλεία