Ένας Πράσινος Δείκτης που ενσωματώνει την Τηλεπισκόπηση και την Αντίληψη των Πολιτών για τους Χώρους Πρασίνου

Από RemoteSensing Wiki

Αναθεώρηση της 00:06, 8 Φεβρουαρίου 2017

Σχήμα 1: Τοποθεσία της πόλης του Σάλτσμπουργκ και η περιοχή μελέτης

Σχήμα 2: Η βάση γνώσης που χρησιμοποιείται για την κατάτμηση και ταξινόμηση

Πίνακας 1: Παράγοντες Κατάτμησης

Σχήμα 3: Ταξινόμηση της υψηλά δομημένης βλάστησης (πράσινο) και της χαμηλά-δομημένης βλάστησης (ανοιχτό πράσινο) στην ορθοφωτογραφία 4330-48/2

Σχήμα 4: Ορθοφωτογραφία 4330-48/2 στα αριστερά, η τελική ταξινόμηση (πράσινες και όχι-πράσινες περιοχές) στα δεξιά

Σχήμα 5: 3D-απεικόνιση των διαφορετικών σχηματισμών των γειτονικών κτιρίων

Πίνακας 2: Παράγοντες για μια «σταθμισμένη πράσινη Ποιότητα»

Σχήμα 6: Γραφική αναπαράσταση των 3 παραγόντων που χρησιμοποιήθηκαν για την απόκτηση μιας «σταθμισμένης πράσινης ποιότητας»

Σχήμα 7: Πράσινος Δείκτης κατηγοριοποιημένος σε 4 κλάσεις σε 100*100 ψηφιδωτά κελιά (ορθοφωτογραφία 4430-48/2)

Σχήμα 8: Κατανομή των παραγόντων «ποσοστά πολυώροφων κτιρίων (αριστερά) και «μεσαία απόσταση μεταξύ κτιρίων» (δεξιά) για την ορθοφωτογραφία 4430-48/2

Σχήμα 9: Συγκεντρωτική μέτρηση της «σταθμισμένης πράσινης ποιότητας» (για τον σταθμισμένο πίνακα 2)

Ένας Πράσινος Δείκτης που ενσωματώνει την Τηλεπισκόπηση και την Αντίληψη των Πολιτών για τους Χώρους Πρασίνου

E. Schöpfer a, *, S. Lang a, T. Blaschke a

a Centre for Geoinformatics (Z_GIS), University of Salzburg, Hellbrunnerstr. 34, 5020 Salzburg, Austria -(elisabeth.schoepfer, stefan.lang, thomas.blaschke)@sbg.ac.at

ΛΕΞΕΙΣ ΚΛΕΙΔΙΑ: GIS, Ανθρώπινη Εγκατάσταση, Βλάστηση, Ανάλυση, Ταξινόμηση, Πόλη, Αστικοί Χώροι Πρασίνου

Link: [1]

Αντικείμενο

Αντικείμενο του παρόντος άρθρου είναι η χρήση της αντικειμενοστραφούς ταξινόμησης στην ανίχνευση του αστικού πρασίνου στην πόλη του Σάλτσμπούργκ.

Στόχος Εφαρμογής

Η παρούσα εργασία αφορά τον χωρικό σχεδιασμό και επιθυμεί με τη χρήση της τηλεπισκόπησης να ανακτήσει δεδομένα θέασης από τους δείκτες και κατά πόσο συνδέονται με την ύπαρξη αστικών χώρων πρασίνου. Η εκτίμηση των αστικών χώρων είναι ιδιαίτερα σημαντική καθώς συμβάλει στον προσδιορισμό των χώρων ανοικοδόμησης και επανασχεδίασης σε μια πόλη, ενώ καθορίζει την ταυτότητά της, το βιοτικό επίπεδο και την ελκυστικότητά της. Η μελέτη των χώρων πρασίνου διαφέρει ανάλογα με την κλίμακα μελέτης, για το λόγο αυτό μπορεί να γίνει είτε με ορθοφωτογραφίες είτε με τη χρήση μεσαίας ανάλυσης δορυφορικών δεδομένων. Η παρούσα μελέτη αποτελεί τμήμα μελέτης όπου το τμήμα σχεδιασμού της πόλης του Σάλτσμπουργκ επιδιώκει να προσδιορίσει ένα ολοκληρωμένο σύνολο δεικτών για την αξιολόγηση της ποιότητας ζωής των κατοίκων. Ο «πράσινος δείκτης», που πρόκειται να αναλυθεί αποτελεί μέρος του συνόλου που προαναφέρθηκε. Στην ουσία επιδιώκεται να συνδυαστεί ο η ατομική αντίληψη των ατόμων με ταυτόχρονη ένδειξη της χωρικής κατανομής των κτιρίων.

Πως γινόταν Παλιότερα

Χωρίς την χρήση της τηλεπισκόπησης η αποτίμηση των χώρων πρασίνου γινόταν μέσω της παραδοσιακής τοπογραφίας με μετρήσεις εδάφους και επιτόπια έρευνα.

Προεπεξεργασία

Η προεπεξεργασία των ορθοφωτογραφιών που απαιτείται είναι ο προσδιορισμός του γεωγραφικού συστήματος αναφοράς και συγκεκριμένα του Αυστριακού Συστήματος Αναφοράς (Austrian reference system). Ομοίως, η δορυφορική εικόνα Aster εγγράφεται στις ορθοφωτογραφίες χρησιμοποιώντας ένα δεύτερης τάξης πολυώνυμο μετασχηματισμού με τη μέθοδο του πλησιέστερου γείτονα.

Μεθοδολογία Αρχικά, για τον υπολογισμό των χώρων πρασίνου στο νοτιοκεντρικό τμήμα της πόλης του Σάλτσμπουργκ, συνολικής έκτασης 500ha (σχήμα 1), χρησιμοποιούνται συνολικά 16 ορθοφωτογραφίες από τις οποίες ταξινομήθηκαν η 1 από αυτές (No.433-48/2 με χωρική ανάλυση 0.1m), χρησιμοποιήθηκε σαν δείγμα η No.4330-48/3 για την δοκιμή της μεταφοράς ιεραρχίας και οι υπόλοιπες ακολούθησαν το ίδιο πρότυπο. Συμπληρωματικά, χρησιμοποιήθηκαν αρχεία ψηφιακού κτηματολογίου, που μετατράπηκαν σε raster με χωρική ανάλυση 0.8m. Για την χρήση περαιτέρω υπέρυθρης πληροφορίας ελήφθησαν δεδομένα Aster (ημερομηνία λήψης 18/05/2002). Για την ταξινόμηση των ορθοφωτογραφιών χρησιμοποιείται η αντικειμενοστραφής ταξινόμηση με χρήση Βάσεων Γνώσης η οποία είναι αποτέλεσμα της ραγδαία ανάπτυξης της τηλεπισκόπησης και της χρήσης δορυφορικών δεδομένων υψηλής ανάλυσης (Ikonos, Quickbird, κ.ά.). Η αντικειμενοστραφής ταξινόμηση βασίζεται σε αλγορίθμους και εφαρμογές κατάτμησης, οι οποίοι διαχρονικά βελτιώνονται συνεχώς. Η κατάτμηση της εικόνας παραμετροποιείται με βάση τα ιδιαίτερα χαρακτηριστικά των αντικειμένων όπως το σχήμα και η περίμετρος αλλά και βάση των τυπολογικών χαρακτηριστικών τους όπως είναι η εγγύτητα. Στην παρούσα μελέτη χρησιμοποιείται μια απλή Βάση Γνώσης με σκοπό να δημιουργηθεί η Ιεραρχία των Βάσεων (Σχήμα 2). Η βάση Γνώσης ελέγχει τον αριθμό των κατατμήσεων και τον ορισμό των κλάσεων. Η κατάτμηση της εικόνας ώστε να πραγματοποιηθεί η αντικειμενοστραφής ταξινόμηση δίνεται μέσω μιας προηγμένης region-growing και βασισμένη στη γνώση (knowledge-based) μεθόδου η οποία βασίστηκε στον αλγόριθμο των Baatz και Schäpe (2000). Η κατάτμηση πραγματοποιείται σε 3 στάδια με σκοπό την επίτευξη της όσο το δυνατό βέλτιστης απόδοσης. Το πρώτο επίπεδο έχει συντελεστή κατάτμησης 10, ενώ δημιουργήθηκε ένα δεύτερο επίπεδο με υψηλότερο βάρος στην σύμπτυξη των αντικειμένων. Από τον πίνακα 1 ως εισροή στην ταξινόμηση χρησιμοποιείται η φασματική διαφορά κατάτμησης. Η ταξινόμηση πραγματοποιείται σε μία ορθοφωτογραφία με δυνατότητα μεταφοράς της ιεραρχίας σε όλη την επιφάνεια της περιοχής μελέτης. Σε πρώτο βήμα διαχωρίζονται οι Σκιασμένες (13.5%) και οι Μη-Σκιασμένες περιοχές (86.5%) χρησιμοποιώντας την συνολική φωτεινότητα (σχήμα 3). Τα δεδομένα για τους πράσινους χώρους προκύπτουν από την αναλογία του πράσινου και της συνολικής φωτεινότητας ενώ για την κτισμένη επιφάνεια από την αναλογία του μπλε. Στο επόμενο βήμα πραγματοποιείται διαχωρισμός σε Υψηλά Δομημένη Βλάστηση (όπως δέντρα) και Χαμηλά Δομημένη Βλάστηση όπως κήποι και γρασίδι όπως προκύπτει από την διακύμανση στο πράσινο κανάλι. Στη συνέχεια πραγματοποιείται περαιτέρω κατάτμηση σε υψηλής και χαμηλής έντασης βλάστηση. Ο δείκτης βλάστησης NDVI χρησιμοποιείται για τον διαχωρισμό σε περιοχές με βλάστηση και χωρίς για τις σκιασμένες περιοχές(σχήμα 4). Για τον προσδιορισμό του αστικού πρασίνου ως δείκτης ποιότητας ζωής είναι απαραίτητο να προσδιοριστεί με βάση τα σημεία θέασης από τον κάτοικο της περιοχής. Για την επίτευξη του στόχου χρησιμοποιείται ένα τμήμα της περιοχής μεγέθους 1ha (σχήμα 5). Οι παράγοντες που χρησιμοποιούνται είναι α) το ποσοστό του πρασίνου, β) το ποσοστό των πολυώροφων κτιρίων και γ) η απόσταση των κτιρίων με κλίμακα από 0-1 (πίνακας 2, σχήμα 6).

Συμπεράσματα

Αρχικά, πρέπει να αναφερθεί πως σύμφωνα με τον έλεγχο ακρίβειας των αποτελεσμάτων η οποία πραγματοποιήθηκε μέσω αυτόματης στρωματοποιημένης τυχαίας κατανομής για 100 σημεία, η εικόνα 4430-48/2 διαθέτει ποσοστό ακρίβειας 92%, ενώ η εικόνα στην οποία μεταφέρθηκε η ήδη διαμορφωμένη ιεραρχία διαθέτει 81%. Το τελικό αποτέλεσμα της κατανομής είναι ορατό στην εικόνα 7 ανά κελιά μεγέθους 100*100 m, ενώ στο σχήμα 8 είναι εμφανής η κατανομή των δεικτών «ποσοστό πολυώροφων κτιρίων» και «μέση απόσταση μεταξύ των κτιρίων». Τα τελικά αποτελέσματα παρουσιάζονται στο σχήμα 9. Είναι σημαντικό να αναφερθεί πως η παρούσα εργασία αποτελεί συνδυασμό των δυνατοτήτων της τηλεπισκόπησης και του GIS, καθώς η σύνθεση των επιμέρους παραγόντων έγιναν σε περιβάλλον GIS. Τα αποτελέσματα μπορούν να απεικονίσουν την πραγματική εικόνα και αίσθηση του δέκτη αλλά με μία επιφύλαξη καθώς η κατάτμηση της περιοχής σε τμήματα 100*100 δεν αντιπροσωπεύει την σύνδεση των αντικειμένων με τα αντικείμενα πλησίον τους.