Τηλεπισκόπιση και GIS στην Ανάλυση της Επικινδυνότητας για Φαινόμενα Κατολισθήσεων χρησιμοποιώντας Χωρικά Στατιστικά Μοντέλα

Από RemoteSensing Wiki

Συγγραφείς: Biswajeet Pradhan & Ahmed M. Youssef

Αντικείμενο εφαρμογής

Ανάλυση της επικινδυνότητας για φαινόμενα κατολίσθησης.

Στόχος της εφαρμογής

Στην εργασία αυτή, τηλεπισκοπικά δεδομένα μαζί με άλλους πίνακες και δεδομένα τα οποία προέκυψαν, χρησιμοποιήθηκαν για να σκιαγραφήσουν τις ζώνες επικινδυνότητας κατολισθήσεων στην περιοχή Cameron στη Μαλαισία.

Χρησιμοποιήθηκαν δύο μέθοδοι για το σκοπό αυτό:

• Το Μοντέλο αναλογίας συχνοτήτων και

• Το Μοντέλο δισδιάστατης λογιστικής παλινδρόμησης

Περιοχή μελέτης

Η περιοχή μελέτης είναι το Cameron που βρίσκεται στο βορειότερο κεντρικό κομμάτι της χερσονήσου της Μαλαισίας και έχει έκταση 660Km2. Η γεωμορφολογία της περιοχής αποτελείται από ένα οροπέδιο μήκους 12Km, έχει υψηλό μέσο όρο ετήσιας βροχόπτωσης και έχουν συμβεί πολλές κατολισθήσεις κατά μήκος των ρεμάτων. (Εικόνα 1)

                                Εικόνα 1: Περιοχή μελέτης-Μαλαισία

Δημιουργία βάσης δεδομένων με χρήση τηλεπισκόπισης και GIS

Η χρησιμοποίηση τηλεπισκοπικών δεδομένων όπως αεροφωτογραφίες, γραφήματα και δορυφορικές εικόνες, χρησιμοποιούνται για την εξαγωγή σημαντικών πληροφοριών. Στην μελέτη αυτή χρησιμοποιήθηκαν αεροφωτογραφίες κλίμακας 1:25.000 και 1:50.000 της περιόδου 1981-2003. Μετά από φωτοερμηνεία εντοπίστηκαν οι θέσεις παλιών κατολισθήσεων κάτι το οποίο επαληθεύτηκε με επιτόπια έρευνα. Για να δημιουργηθεί η βάση δεδομένων για την αξιολόγηση της έκτασης και του αριθμού των κατολισθήσεων, χαρτογραφήθηκαν συνολικά 324 κατολισθήσεις.

Για την εφαρμογή της πιθανολογικής μεθόδου, δημιουργήθηκε μια χωρική βάση δεδομένων που συνδέει μεταξύ τους, τους παράγοντες οι οποίοι συμβάλλουν στην κατολίσθηση. Οι παράγοντες αυτοί είναι δέκα και ομαδοποιήθηκαν στις εξής κατηγορίες:

• Ψηφιακό μοντέλο εδάφους (DEM)-τοπογραφική βάση δεδομένων

• Γεωλογική βάση δεδομένων (λιθολογία, απόσταση από ρήγματα)

• Χάρτης εδάφους

• Χάρτης καλύψεων γης (ταξινόμηση έξι κατηγοριών σε δορυφορικές εικόνες Landsat TM)

• Χάρτης NDVI (από δορυφορικές εικόνες Landsat TM)

• Δεδομένα μετεωρολογικού σταθμού (ύψος βροχοπτώσεων)

Οι παραπάνω παράγοντες μετατράπηκαν σε raster πλέγμα με 10x10m κελιά. Η περιοχή πλέγματος είχε 2.418 σειρές και 1.490 στήλες, και 324 κελιά περιείχαν περιστατικά κατολισθήσεων.

Μεθοδολογία

1. Μοντέλο αναλογίας συχνοτήτων και εφαρμογές αυτού

Η συχνότητα υπολογίζεται από την ανάλυση της σχέσης μεταξύ των κατολισθήσεων και των παραγόντων οι οποίοι συμβάλλουν σε αυτό. Ως εκ τούτου οι αναλογίες συχνοτήτων για κάθε έναν από τους παράγοντες των κατολισθήσεων υπολογίστηκαν από τη σχέση τους με το φαινόμενο της κατολίσθησης.

Για τον υπολογισμό του δείκτη επικινδυνότητας για κατολισθήσεις (LSH), χρησιμοποιήθηκε η εξίσωση:

LSH=Fr1+Fr2+…+Frn

όπου Fr είναι η κατάταξη του κάθε παράγοντα.

Ο χάρτης επικινδυνότητας κατασκευάστηκε σύμφωνα με τις τιμές του LSH (Εικόνα 2).

               Εικόνα 2: Χάρτης επικινδυνότητας κατολισθήσεων με βάση το μοντέλο αναλογίας συχνοτήτων.
               

2. Μοντέλο δισδιάστατης λογιστικής παλινδρόμησης και εφαρμογές αυτού

Η πολυπαραγοντική ανάλυση επιτρέπει σε κάποιον να διαμορφώσει μια σχέση παλινδρόμησης μεταξύ μιας εξαρτημένης και πολλών ανεξάρτητων μεταβλητών. Στην παρούσα εφαρμογή, η εξαρτημένη μεταβλητή είναι δυαδική και αντιπροσωπεύει την ύπαρξη ή μη μιας κατολίσθησης. Ποσοτικά, η σχέση ανάμεσα στο συμβάν και στις εξαρτημένες του μεταβλητές εκφράζεται από τον τύπο:

p=1/(1+e-z)

όπου p=η πιθανότητα για να συμβεί μια κατολίσθηση (0 ή 1)

z=ο γραμμικός συνδυασμός

Επομένως, η λογιστική παλινδρόμηση δίνεται από τον τύπο:

Z=bo+b1x1+b2x2+…+bnxn

όπου bo=το σημείο τομής του μοντέλου

bi=οι κλίσεις του μοντέλου λογιστικής παλινδρόμησης και

xi=οι ανεξάρτητες μεταβλητές

Με αυτόν τον τρόπο εκτιμήθηκε η χωρική σχέση ανάμεσα στην κατολίσθηση ως συμβάν και στους παράγοντες που την επηρεάζουν. Οι χωρικές βάσεις δεδομένων του κάθε παράγοντα μετατράπηκαν σε αρχεία ASCII και οι συσχετίσεις μεταξύ κατολισθήσεων και κάθε παράγοντα υπολογίστηκαν. Ο χάρτης επικινδυνότητας φαίνεται στην εικόνα 3.

          Εικόνα 3: Χάρτης επικινδυνότητας κατολισθήσεων με βάση το μοντέλο δισδιάστατης λογιστικής παλινδρόμησης.

Αποτελέσματα

Για την επαλήθευση των παραπάνω μοντέλων υπολογισμού έγιναν δύο παραδοχές:

• Οι κατολισθήσεις να συνδέονται με χωρικές πληροφορίες και

• μελλοντικές κατολισθήσεις θα ενεργοποιούνται από έναν συγκεκριμένο παράγοντα όπως βροχόπτωση ή σεισμός.

Επαλήθευση έγινε συγκρίνοντας τα γνωστά δεδομένα για τις κατολισθήσεις με το χάρτη του σχήματος 4. Οι καμπύλες δημιουργήθηκαν για τα ποσοστά τα οποία εξηγούν πόσο καλά το κάθε μοντέλο μπορεί να προβλέψει μια κατολίσθηση (Εικόνα 4).

Εικόνα 4: Συγκεντρωτικά διαγράμματα συχνοτήτων που δείχνουν τον κίνδυνο για κατολισθήσεις (%) σε σχέση με το συνολικό ποσοστό των κατολισθήσεων που έχουν συμβεί.

Συμπεράσματα

Τα αποτελέσματα δείχνουν πως το μοντέλο αναλογίας συχνοτήτων έχει ακρίβεια στην πρόβλεψη 89,25% το οποίο είναι καλύτερο ποσοστό από το 85,73% του μοντέλου λογιστικής παλινδρόμησης.