Ανάπτυξη αλγορίθμων και νευρωνικών δικτύων για εντοπισμό πετρελαιοκηλίδων με χρήση δεδομένων Landsat ETM+

Από RemoteSensing Wiki

Αντικείμενο εφαρμογής: Ανάπτυξη αλγορίθμων και νευρωνικών δικτύων για εντοπισμό πετρελαιοκηλίδων με χρήση δεδομένων Landsat ETM+.

Πρωτότυπος τίτλος: Development of band rationing algorithms and neural networks to detection of oil spills using Landsat ETM+ data.

Συγγραφείς: Alireza Taravat and Fabio Del Frate

Λέξεις κλειδιά: πετρελαιοκηλίδες, πολυφασματικός, Landsat ETM+, νευρωνικά δίκτυα, τηλεπισκόπηση

Σκοπός:

Η αποτελεσματική γνώση της χωρικής κατανομής και της έκτασης μιας πετρελαιοκηλίδας είναι απαραίτητος όρος για αποτελεσματική απόκριση αφού τα προϊόντα του πετρελαίου διαχέονται πολύ γρήγορα στην υδάτινη επιφάνεια με συνέπεια η πληγείσα περιοχή να καλύπτεται από λεπτά στρώματα πετρελαίου και να δημιουργούνται προβλήματα στα θαλάσσια οικοσυστήματα.

Η εμφάνιση των πετρελαιοκηλίδων κατά κύριο λόγο σχετίζεται με καθημερινές εργασίες όπως είναι το πλύσιμο ενός πλοίου τάνκερ ή από δυσλειτουργίες στη μηχανή των πλοίων και όχι τόσο από μεγάλα ατυχήματα πλοίων.

Η παρακολούθηση, ανίχνευση και η άμεση επέμβαση σε περιπτώσεις διαρροών πετρελαίου μπορεί να βελτιωθούν με χρήση δορυφορικών εικόνων με κατάλληλη χωρική διακριτική ικανότητα. Οι οπτικές ιδιότητες και η χημική σύσταση είναι αυτές που βοηθούν στην αναγνώριση των στρωμάτων πετρελαίου σε θαλάσσιο περιβάλλον με χρήση τεχνικών τηλεπισκόπησης. Η τηλεπισκοπική αυτή έρευνα μπορεί να γίνει μέσω ραντάρ και μικροκυματικών, υπεριωδών και οπτικών αισθητήρων.

Από οπτική άποψη, ένα στρώμα πετρελαίου μπορεί να ανιχνευτεί λόγω της κατοπτρικής ανάκλασης του φωτός από την επιφάνεια του στρώματος πετρελαίου και από την απορρόφηση του φωτός από τη στήλη του νερού πάνω από την οποία έχουμε τη πετρελαιοκηλίδα. Στην ορατή περιοχή του ηλεκτρομαγνητικού φάσματος, το πετρέλαιο έχει υψηλότερη τιμή επιφανειακής ανάκλασης από το νερό. Συνεπώς, η εύρεση πετρελαιοκηλίδων με τεχνικές τηλεπισκόπησης είναι αξιόπιστη όταν η μετρούμενη ακτινοβολία μεταξύ μιας μολυσμένης με πετρέλαιο επιφάνειας και μιας καθαρής επιφάνειας είναι μεγαλύτερη από τη μεταβλητότητα του φόντου. Οι μέχρι τώρα έρευνες για τον εντοπισμό πετρελαιοκηλίδων χρησιμοποιούσαν εικόνες SAR συνδυάζοντάς τες με στατιστικά μοντέλα στηριζόμενα σε κανόνες (Solberg et al. and Topouzelis et al.). Επιπλέον, η ανίχνευση μπορεί να γίνει με πολυεπίπεδο νευρωνικό δίκτυο με χρήση εικόνων ERS (Del Frate et al.).

Στο παρόν άρθρο μελετάται ο κόλπος του Μεξικού, όπου γίνεται χρήση ενός νευρωνικού δικτύου στηριζόμενο σε οπτικά δεδομένα, αφού από τη στιγμή που για κάθε εικονοστοιχείο (pixel) είναι διαθέσιμη η φασματική του υπογραφή είναι δυνατό να κατασκευαστεί ένας αλγόριθμος στηριζόμενος στα εικονοστοιχεία. Η μέθοδος αυτή χρησιμοποίησε εικόνες από τον δορυφόρο Landsat ETM+ και στηρίχτηκε στις διαφορετικές οπτικές ιδιότητες των κηλίδων πετρελαίου.

Μέθοδοι:

Οι εικόνες που χρησιμοποιήθηκαν από το δορυφόρο Landsat ETM+ αφορούν τις ημερομηνίες 1, 10, 17 Μαΐου 2010 και οι συντεταγμένες της περιοχής είναι 29Β-27Β και 87Δ-90Δ.

Ο δορυφόρος Landsat ETM+ έχει οχτώ δέκτες που μπορούν να συνδυαστούν με διάφορους τρόπους ώστε να αντιστοιχηθεί κάθε δέκτης σε ένα από τα ορατά κανάλια (κόκκινο, πράσινο, μπλε) προκειμένου να δημιουργηθεί εικόνα ψευδών χρωμάτων.

Με το πρόγραμμα ENVI ( Περιβάλλον για Οπτικοποίηση Εικόνων) και χρησιμοποιώντας το εργαλείο ¨Περιοχή Ενδιαφέροντος¨(Area of Interest) προέκυψαν εικόνες με πετρελαιοκηλίδες. Το σύστημα γεωαναφοράς που χρησιμοποιήθηκε είναι το WGS84. Έπειτα, η εικόνα εξήχθη με μορφή *.tif ώστε να μελετηθεί περισσότερο (φασματική ανίχνευση, φιλτράρισμα).

Στη συνέχεια πραγματοποιήθηκε διόρθωση με χρήση αλγορίθμων, σε πεδία της εικόνας όπου εντοπίζονται γραμμικές εμφανίσεις-λωρίδες χρησιμοποιώντας ως οδηγό τα pixels (εικονοστοιχεία) που εμφανίζουν λογικές τιμές της κλίμακας του γκρι και αντικαθιστώντας τα προβληματικά σημεία.

Για την εύρεση της καλύτερης αντίθεσης καθώς και για ποικιλία χρωμάτων χρησιμοποιήθηκαν διάφορες αναλογίες σε διαφορετικούς συνδυασμούς καναλιών. Για τη δοκιμή ταξινόμησης, χρησιμοποιήθηκαν MLPs, τα οποία βρέθηκε ότι έχουν τη καλύτερη τοπολογία για τις ταξινομήσεις των pixel.

Τα νευρωνικά δίκτυα αυτά είναι τροφοδοτούμενα όπου η ροή πληροφοριών ακολουθεί μία μόνο πορεία: τα δεδομένα εισάγονται και τα αποτελέσματα εξάγονται. Οι νευρώνες κάθε επιπέδου συνδέονται με τους υπόλοιπους νευρώνες σε ένα κοινό επίπεδο χωρίς όμως να μπορεί να γίνει ανατροφοδότηση νευρώνων που βρίσκονται σε προηγούμενα επίπεδα.

Κάθε νευρώνας χαρακτηρίζεται από τη λειτουργία ενεργοποίησης, η οποία απαντάται με διαφορετικές μορφές: λειτουργία ορίου, σιγμοειδής λειτουργία, τμηματική γραμμική λειτουργία. Στη παρούσα εργασία χρησιμοποιείται η σιγμοειδής συνάρτηση με χρήση της συνάρτησης της υπερβολικής εφαπτομένης.

Αποτελέσματα:

Εικόνα 1: Φασματικό προφίλ πετρελαιοκηλίδας 1ης Μαΐου 2010.

Παλιότερες μελέτες έδειχναν ότι τα βραχύτερα κύματα ήταν πιο ευαίσθητα στις οπτικές ιδιότητες του πετρελαίου. Στη συγκεκριμένη μελέτη χρησιμοποιήθηκαν οι φασματικές ζώνες Β1 (480 nm), B2 (560 nm), B3 (660 nm), B4 (825 nm) του LANDSAT ETM+.

Οι δείκτες διάθλασης του πετρελαίου είναι μεγαλύτεροι από το νερό, ωστόσο μπορεί να παρατηρηθούν φαινόμενα κάλυψης αν χρησιμοποιηθούν διορθώσεις για την ατμόσφαιρα. Για τον προσδιορισμό της έκτασης της πετρελαιοκηλίδας χρησιμοποιήθηκαν απλά γεωμετρικά διορθωμένα δεδομένα.

Προκειμένου να βρεθεί η φασματική υπογραφή του πετρελαίου, κατασκευάστηκε φασματικό προφίλ (Εικόνα 1) στο οποίο ωστόσο η οπτική ερμηνεία των διαφορετικών φασματικών καναλιών δεν αποδίδει σημαντική υπογραφή του πετρελαίου. Για το λόγο αυτό, πραγματοποιήθηκαν δοκιμές χρησιμοποιώντας 65 διαφορετικούς συνδυασμούς καναλιών προκειμένου να ενισχυθεί η αντίθεση και να προσδιοριστούν οι ειδικές υπογραφές των πετρελαιοκηλίδων.

Εικόνα 2: Έγχρωμο σύνθετο του κόλπου του Μεξικού τη 1η Μαΐου 2010.

Οι λόγοι των καναλιών που έδωσαν τη καλύτερη αντίθεση είναι:

• (band 4/band 2)/band 1

• (band 3/band 2)/band 1

Σε μήκος κύματος 475-675 nm πετρέλαιο και νερό παρουσιάζουν αυξανόμενο φάσμα ανάκλασης ενώ σε μήκος κύματος 675-800 nm παρουσιάζουν διαφορετικό επίπεδο απορρόφησης. Έτσι μπορούμε να δούμε τα διαφορετικά χαρακτηριστικά τους με χρήση των παραπάνω λόγων.

Εικόνα 3 b,c: Ταξινομήσεις στη περιοχή μελέτης.

Προκειμένου λοιπόν να γίνει διάκριση της πετρελαιοκηλίδας από το καθαρό νερό στο κόλπο του Μεξικού, δημιουργήθηκαν έγχρωμα σύνθετα με χρήση δεδομένων από το δορυφόρο Landsat ETM+ (Εικόνα 2), στην οποία με κίτρινο χρώμα βλέπουμε τη πετρελαιοκηλίδα ενώ με μπλε και μωβ χρώμα αποτυπώνεται η περιοχή του νερού όπου απουσιάζει ή είναι σε πολύ μικρές συγκεντρώσεις το πετρέλαιο.

Στις Εικόνες 3 b, c παρατηρούμε δύο διαφορετικές ταξινομήσεις που έγιναν και στις οποίες με λευκό χρώμα φαίνεται το καθαρό νερό ενώ με μαύρο διακρίνεται η πετρελαιοκηλίδα. Η Εικόνα 3b αφορά επιβλεπόμενη ταξινόμηση με χρήση νευρωνικών δικτύων ενώ στην Εικόνα 3c η ταξινόμηση έγινε με τη μέθοδο του κατωφλίου. Από τις δύο αυτές ταξινομήσεις, παρατηρούμε ότι η ταξινόμηση με χρήση νευρωνικών δικτύων δίνει πληρέστερο αποτέλεσμα όσον αφορά την έκταση της πετρελαιοκηλίδας.

Συμπερασματικά, η χρήση εικόνων Landsat ETM+ σε συνδυασμό με νευρωνικά δίκτυα, είναι δυνατό να προσδιορίσουν με μεγαλύτερη ακρίβεια τη θέση και έκταση των πετρελαιοκηλίδων σε σχέση με εικόνες που προέρχονται μόνο από το SAR.

Πηγή στο διαδίκτυο: http://asp.eurasipjournals.com/content/2012/1/107