Χαρτογράφηση γεωργικών προτύπων χρήσης γης από χρονοσειρές Landsat 8, χρησιμοποιώντας μια ιεραρχική προσέγγιση...

Από RemoteSensing Wiki

(Διαφορές μεταξύ αναθεωρήσεων)
Μετάβαση σε: πλοήγηση, αναζήτηση
Γραμμή 43: Γραμμή 43:
Όλες οι αποκτήσεις L8 στην περιοχή μελέτης κατά τη χρονική περίοδο από τον Νοέμβριο του 2013 έως τον Οκτώβριο του 2016 υποβλήθηκαν σε επεξεργασία. Ολόκληρη η περιοχή μελέτης μπορεί να καλυφθεί από πέντε πλακίδια L8, όπως φαίνεται στην Εικόνα1 .
Όλες οι αποκτήσεις L8 στην περιοχή μελέτης κατά τη χρονική περίοδο από τον Νοέμβριο του 2013 έως τον Οκτώβριο του 2016 υποβλήθηκαν σε επεξεργασία. Ολόκληρη η περιοχή μελέτης μπορεί να καλυφθεί από πέντε πλακίδια L8, όπως φαίνεται στην Εικόνα1 .
-
Τα δεδομένα L8 με περισσότερο από 30% κάλυψη νέφους απορρίφθηκαν από περαιτέρω ανάλυση. Οι εικόνες που είναι διαθέσιμες σε αυτά τα πλακίδια για την περίοδο μελέτης παρατίθενται στο Εικόνα 2.
+
Τα δεδομένα L8 με περισσότερο από 30% κάλυψη νέφους απορρίφθηκαν από περαιτέρω ανάλυση. Οι εικόνες που είναι διαθέσιμες σε αυτά τα πλακίδια για την περίοδο μελέτης παρατίθενται στην Εικόνα 2.
''Προεπεξεργασία δεδομένων Landsat8''
''Προεπεξεργασία δεδομένων Landsat8''

Αναθεώρηση της 17:35, 19 Ιανουαρίου 2022

Πλήρης τίτλος εργασίας: Χαρτογράφηση γεωργικών προτύπων χρήσης γης από χρονοσειρές Landsat 8, χρησιμοποιώντας μια ιεραρχική προσέγγιση βασισμένη στον αλγόριθμο Random Forest. Πρωτότυπος τίτλος: Mapping Agricultural Landuse Patterns from Time Series of Landsat 8 Using Random Forest Based Hierarchial Approach

Εικόνα 1. Πέντε πλακίδια Landsat που καλύπτουν την περιοχή μελέτης. Οι αριθμοί υποδεικνύουν τη διαδρομή και τη σειρά, για παράδειγμα το 160/034 αντιπροσωπεύει τη διαδρομή 160 και τη σειρά 34.

Συγγραφέας: Sajid Pareeth, Poolad Karimi, Mojtaba Shafiei, Charlotte De Fraiture

Εικόνα 2. Κατάλογος δεδομένων L8 που χρησιμοποιούνται σε αυτή τη μελέτη σε πέντε πλακίδια. Οι ημερομηνίες με μαύρο χρώμα χρησιμοποιήθηκαν για την εξαγωγή δεδομένων για την καλοκαιρινή καλλιέργεια και εκείνοι με κόκκινο χρώμα για τη χειμερινή καλλιέργεια. Τα μπλε σημεία αντιπροσωπεύουν ημερομηνίες που χρησιμοποιούνται για την ανάπτυξη μοντέλων που εφαρμόστηκε ιεραρχικά ο αλγόριθμος Random Forest. Οι ημερομηνίες που δίνονται σε γκρίζα ζώνη για το έτος 2016 χρησιμοποιήθηκαν για την ανάπτυξη του χάρτη LULC. Σημειώστε ότι τα δεδομένα L8 από τη διαδρομή 158 χρησιμοποιήθηκαν μόνο για τον χάρτη LULC και τα δεδομένα που αποκτήθηκαν στις 16 Μαρτίου 2017 χρησιμοποιήθηκαν μόνο για την ανάπτυξη αλγόριθμου RF.
Πίνακας 1. Κύριοι τύποι LULC και αρδευόμενες υποκατηγορίες της λεκάνης Mashhad που εξήχθησαν σε αυτή τη μελέτη
Σχήμα 1. Διάγραμμα που δείχνει τα βασικά βήματα της μεθοδολογίας που χρησιμοποιείται σε αυτή τη μελέτη.
Πίνακας 2. Δείκτες πρόβλεψης μοντέλου RF. Σφάλμα OOB, Out Of Box.


Εικόνα 3. Γράφημα ράβδων που δείχνει την ετήσια αρδευόμενη επιφάνεια της αγρανάπαυσης, και πέντε τύπων χρήσεων γης. Σημειώστε ότι οι κατηγορίες «θερινή καλλιέργεια» και «χειμερινή καλλιέργεια» περιλαμβάνουν περιοχή «διπλής καλλιέργειας».

Σύνδεσμος πρωτότυπου κειμένου: [1]

Εισαγωγή Η αύξηση της ζήτησης για περισσότερη παραγωγή τροφίμων, στις ημιάγονες περιοχές της Ασίας και της Αφρικής οδηγεί στην ανάλογη αύξηση των αρδευόμενων εκτάσεων με αποτέλεσμα να ασκείται πίεση στους ήδη τεταμένους διαθέσιμους υδάτινους πόρους. Η εργασία αυτή έχει σκοπό την παρακολούθηση της χωρικής και χρονικής δυναμικής της αρδευθείσας χερσαίας γης για την εξασφάλιση της κατάλληλης κατανομής των υδάτων. Σε αυτή τη μελέτη, αναπτύξαμε μια νέα προσέγγιση χρησιμοποιώντας δεδομένα Landsat 8 (L8) και αλγόριθμο μηχανικής μάθησης Random Forest (RF), εισάγοντας ένα ιεραρχικό σύστημα μετα-επεξεργασίας για την εξαγωγή βασικών τύπων κάλυψης γης χρήσης γης (LULC)

Περιοχή μελέτης Τα δεδομένα των εικόνων συλλέχθηκαν στη λεκάνη του Marshad που βρίσκεται βορειοανατολικά του Ιράν σε διάφορα στάδια των καλλιεργειών σε περίοδο τριών συνεχόμενων ετών(2013-2014,2014-2015,2015-2016).

Μεθοδολογία

Δορυφορικά δεδομένα

Σε αυτή τη μελέτη χρησιμοποιήθηκαν δεδομένα που αποκτήθηκαν από το όργανο Operational Land Imager (OLI) σε δορυφόρο L8 που εκτοξεύτηκε τον Φεβρουάριο του 2013. Το L8 έχει έναν χρονικό κύκλο 16 ημερών, ο οποίος εξασφαλίζει το πολύ δύο εικόνες ανά μήνα στην περιοχή μελέτης.

https://usna.edu/Users/oceano/pguth/md_help/html/landsat_path_row.html


Όλες οι αποκτήσεις L8 στην περιοχή μελέτης κατά τη χρονική περίοδο από τον Νοέμβριο του 2013 έως τον Οκτώβριο του 2016 υποβλήθηκαν σε επεξεργασία. Ολόκληρη η περιοχή μελέτης μπορεί να καλυφθεί από πέντε πλακίδια L8, όπως φαίνεται στην Εικόνα1 . Τα δεδομένα L8 με περισσότερο από 30% κάλυψη νέφους απορρίφθηκαν από περαιτέρω ανάλυση. Οι εικόνες που είναι διαθέσιμες σε αυτά τα πλακίδια για την περίοδο μελέτης παρατίθενται στην Εικόνα 2.

Προεπεξεργασία δεδομένων Landsat8

Τα αποκτηθέντα δεδομένα L8 υποβλήθηκαν σε προεπεξεργασία για τη δημιουργία μιας χρονικής σειράς ζωνών ανάκλασης από όλα τα έγκυρα εικονοστοιχεία χωρίς σύννεφο. Το βήμα προεπεξεργασίας περιελάμβανε μετατροπή από ψηφιακό αριθμό (DN) σε ανακλάσεις Top Of Atmosphere (TOA) (Radiometric calibration), αφαίρεση νέφους με χρήση της ζώνης Quality Assessment (QA), επαναδειγματοληψία των φασματικών ζωνών (2–7) από 30 σε 15 m χωρική ανάλυση με χρήση της πανχρωματικής ζώνης (ζώνη 8) και μετατροπή των ανακλάσεων σε ακέραιους αριθμούς.

Δείγματα εκπαίδευσης και επικύρωσης

Τα χωρικά και χρονικά δείγματα που αντιπροσωπεύουν τους κύριους τύπους LULC (στο εξής, αναφέρονται επίσης ως τάξεις) στην περιοχή μελέτης είναι τα κύρια συστατικά οποιασδήποτε εποπτευόμενης προσέγγισης ταξινόμησης. Ο Πίνακας 1 παραθέτει τους κύριους τύπους LULC και τις αρδευόμενες υποκατηγορίες που εξήχθησαν για τη λεκάνη του Mashhad σε αυτή τη μελέτη.

Ταξινόμηση με χρήση αλγόριθμου (RF)

Το Random Forest είναι ένας ταξινομητής συνόλου που χρησιμοποιεί πολλαπλά δέντρα αποφάσεων που ακολουθούνται από πλειοψηφία για την πρόβλεψη μιας κλάσης. Ο ταξινομητής RF χρησιμοποιεί δείγματα εκκίνησης για την ανάπτυξη κάθε δέντρου και τα δείγματα που δεν χρησιμοποιούνται για την κατασκευή του δέντρου ονομάζονται δείγματα Out Of Bag (OOB). Η προσέγγιση ταξινόμησης ακολουθεί βασικά στάδια, όπως απεικονίζεται στο σχήμα 1:

Αποτελέσματα

Σύμφωνα με τις εκτιμήσεις συσχέτισης, τα αναδομημένα κανάλια μπορούσαν να διατηρήσουν περίπου το 98% των φασματικών λεπτομερειών βελτιώνοντας παράλληλα τη χωρική ανάλυση στα 15 m. Ο Πίνακας 2 παραθέτει τους δείκτες επικύρωσης του μοντέλου για καθεμία από τις επτά κύριες κατηγορίες LULC. Εξήχθησαν πέντε τύποι αρδευόμενων χρήσεων γης για τρία καλλιεργητικά έτη. Η εικόνα 3 δείχνει τη διακύμανση στην αρδευόμενη επιφάνεια αγρανάπαυσης και πέντε αρδευόμενων τύπων χρήσης γης σε τρία καλλιεργητικά έτη.

Συμπεράσματα

Η μελέτη ανέπτυξε μια νέα προσέγγιση για την εξαγωγή αρδευόμενων τύπων χρήσης γης από χρονοσειρές δεδομένων L8 χρησιμοποιώντας μια ιεραρχική προσέγγιση βασισμένη στον αλγόριθμο Random Forest. Η αρδευτική δυναμική της περιοχής σε πολλές εποχές μπορεί να δώσει κρίσιμες πληροφορίες σχετικά με το πρότυπο χρήσης της γεωργικής γης και την αντίστοιχη κατανάλωση νερού. Στη γεωργία είναι απαραίτητη η χρήση νερού, επομένως τα χωρικά και χρονικά κατανεμημένα δεδομένα για τη χρήση γης και νερού είναι απαραίτητα για τον εντοπισμό συγκεκριμένων ζητημάτων τοποθεσίας και, στη συνέχεια, για την εξεύρεση λύσεων που να εφαρμόζονται για τη βελτίωση της αποδοτικότητας της χρήσης του νερού. Η μέθοδος που παρουσιάζεται σε αυτή τη μελέτη μπορεί να προσαρμοστεί σε ένα λειτουργικό σύστημα παρακολούθησης χρησιμοποιώντας την τηλεπισκόπηση δορυφορικών δεδομένων και προσέγγιση μηχανικής ταξινόμησης βάσει αλγορίθμου. Η προσέγγιση χρησιμοποιεί βιβλιοθήκες ανοιχτού κώδικα που παρέχουν τεράστιες ευκαιρίες στη βελτιστοποίηση της απόδοσης και επιτρέπει την επέκταση της μεθόδου με περιορισμένο κόστος. Τέλος, ένα τέτοιο σύστημα έχει τη δυνατότητα να στηρίζει τους υπαλλήλους που είναι αρμόδιοι για τα ύδατα και τη γεωργία, τους διαχειριστές, τους σχεδιαστές και τους υπεύθυνους λήψης αποφάσεων για την παρακολούθηση και τον σχεδιασμό των πόρων για βιώσιμη χρήση.

Προσωπικά εργαλεία