RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Μπάσιου Άννα

2022-02-03T10:47:47Z

Annabasiou:

* [[Χαρτογράφηση γεωργικών προτύπων χρήσης γης από χρονοσειρές Landsat 8, χρησιμοποιώντας μια ιεραρχική προσέγγιση... | Χαρτογράφηση γεωργικών προτύπων χρήσης γης από χρονοσειρές Landsat 8, χρησιμοποιώντας μια ιεραρχική προσέγγιση βασισμένη στον αλγόριθμο Random Forest.]]

[[category:ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Μέτσοβο)]]

* [[Αξιοποιώντας τις χρονοσειρές των εικόνων Sentinel-1 και Sentinel-2 για την ανίχνευση της φαινολογίας λιβαδιών σε ορεινές περιοχές]]

* [[Αλλαγές στη φαινολογία του χιονιού από το 1979 έως το 2016 πάνω από τα όρη Tianshan, Κεντρική Ασία]]

* [[Διαχωρισμός των δομημένου περιοχών από τη γυμνή γη σε μεσογειακές πόλεις χρησιμοποιώντας εικόνες Sentinel-2A.]]

* [[Εφαρμογές Google Earth]]

Μπάσιου Άννα

2022-02-03T10:46:21Z

Annabasiou:

Εφαρμογές Google Earth

2022-02-03T10:44:11Z

Annabasiou:

[[category:Χαρτογραφία]]

'''Εφαρμογές Google earth.'''

'''Πρωτότυπος τίτλος:''' ''Google Earth Engine Applications''

'''Συγγραφέας: '''Onisimo Mutanga, Lalit Kumar

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.mdpi.com/2072-4292/11/5/591/htm]

'''Λέξεις-Κλειδιά: ''' υπολογιστικό νέφος, ανάλυση μαζικών δεδομένων, μακροπρόθεσμη παρακολούθηση, συστήματα έγκαιρης προειδοποίησης

'''Εισαγωγή'''

Το Google Earth Engine (GEE) είναι μια πλατφόρμα υπολογιστικού νέφους που έχει σχεδιαστεί για την αποθήκευση και επεξεργασία τεράστιων συνόλων δεδομένων (σε κλίμακα petabyte) για ανάλυση και τελική λήψη αποφάσεων . Μετά τη δωρεάν διαθεσιμότητα της σειράς Landsat το 2008, η Google αρχειοθέτησε όλα τα σύνολα δεδομένων και τα συνέδεσε με τη μηχανή υπολογιστικού νέφους για χρήση ανοιχτού κώδικα. Το τρέχον αρχείο δεδομένων περιλαμβάνει εκείνα από άλλους δορυφόρους, καθώς και σύνολα διανυσματικών δεδομένων που βασίζονται σε γεωγραφικά συστήματα πληροφοριών (GIS), κοινωνικά, δημογραφικά, καιρικά, ψηφιακά μοντέλα υψομέτρου και επίπεδα δεδομένων για το κλίμα.

Οι χρήστες μπορούν επίσης να προσθέτουν και να επιμελούνται τα δικά τους δεδομένα, ενώ χρησιμοποιούν το cloud της Google για να αναλάβουν όλη την επεξεργασία. Το τελικό αποτέλεσμα είναι ότι αυτό επιτρέπει τώρα στους επιστήμονες, τους ανεξάρτητους ερευνητές και τα έθνη να εξορύσσουν αυτή τη μαζική αποθήκη δεδομένων για την ανίχνευση αλλαγών, τις τάσεις των χαρτών και τον ποσοτικό προσδιορισμό των πόρων στην επιφάνεια της Γης όπως ποτέ άλλοτε. Καθώς δεν χρειάζονται οι μεγάλες δυνατότητες επεξεργασίας των τελευταίων υπολογιστών ή του πιο πρόσφατου λογισμικού, αυτό σημαίνει ότι οι φτωχοί σε πόρους ερευνητές στα φτωχότερα έθνη του κόσμου έχουν την ίδια ικανότητα να διεξάγουν ανάλυση με εκείνους στα πιο προηγμένα έθνη.
Σκοπός αυτού του ειδικού τεύχους ήταν να προσελκύσει έγγραφα που εκμεταλλεύονται τα γεωχωρικά εργαλεία υπολογιστικού νέφους του Google Engine για την επεξεργασία μεγάλων συνόλων δεδομένων για παγκόσμιες εφαρμογές. Ιδιαίτερη προτεραιότητα δόθηκε σε έγγραφα από αναπτυσσόμενες χώρες σχετικά με τον τρόπο με τον οποίο η διαθεσιμότητα δεδομένων και επεξεργασίας GEE επέτρεψε νέα έρευνα που ήταν δύσκολη ή αδύνατη πριν.. Είμαστε στην ευχάριστη θέση να αναφέρουμε ότι συνολικά 22 εργασίες δημοσιεύθηκαν σε αυτό το ειδικό τεύχος, οι οποίες καλύπτουν περιοχές γύρω από την παρακολούθηση της βλάστησης, τη χαρτογράφηση των καλλιεργήσιμων εκτάσεων, την αξιολόγηση του οικοσυστήματος και την ακαθάριστη πρωτογενή παραγωγικότητα, μεταξύ άλλων. Μια πληθώρα συνόλων δεδομένων που χρησιμοποιήθηκαν κυμαίνονταν από χονδροειδή δεδομένα χωρικής ανάλυσης όπως το MODIS (Φασματοφωτόμετρο Απεικόνισης Μέτριας Ανάλυσης) έως σύνολα δεδομένων πολύ υψηλής ανάλυσης (Worldview -2) και οι μελέτες κάλυπταν ολόκληρο τον πλανήτη σε διάφορες χωρικές και χρονικές κλίμακες.
Από την ίδρυσή της το 2010, η χρήση του Google Earth διερευνήθηκε χρησιμοποιώντας άρθρα που προέρχονται από συνολικά 158 περιοδικά. Η μελέτη έδειξε μια στρεβλή χρήση προς τις ανεπτυγμένες χώρες σε σύγκριση με αναπτυσσόμενες περιοχές όπως η Αφρική , με το Landsat να είναι το πιο ευρέως χρησιμοποιούμενο σύνολο δεδομένων.
Αυτό το άρθρο κατηγοριοποίησε τις εφημερίδες σε πέντε κύρια θέματα, των οποίων οι συνεισφορές συνοψίζονται.

'''Χαρτογράφηση και παρακολούθηση της βλάστησης'''

Ορισμένα άρθρα εξέτασαν τη χρησιμότητα του GEE στη χαρτογράφηση και την παρακολούθηση της βλάστησης. Αυτό περιλαμβάνει την παγκόσμια εκτίμηση βασικών μεταβλητών βιοποικιλότητας, όπως ο δείκτης περιοχής φύλλων (LAI), το κλάσμα απορροφούμενης φωτοσυνθετικής ενεργού ακτινοβολίας (FAPAR), η κάλυψη κλασματικής βλάστησης (FVC) και η περιεκτικότητα σε νερό θόλου (CWC) χρησιμοποιώντας ιστορικά δεδομένα MODIS . Σε πλανητική κλίμακα στο Βιετνάμ , χαρτογραφημένη βλάστηση με τη χρήση προϊόντων EVI που προέρχονται από το MODIS και της διαδικτυακής εφαρμογής GEE. Χρησιμοποιώντας μια καθορισμένη από τον χρήστη περίοδο αναφοράς, θα μπορούσαν να παρακολουθούν την υποβάθμιση ή τη βελτίωση της βλάστησης και τον αντίκτυπο των προσπαθειών μετριασμού από την κυβέρνηση του Βιετνάμ. Μια σχετική μελέτη σε ένα κινεζικό φυσικό καταφύγιο χρησιμοποίησε εποχιακά σύνθετα υλικά Landsat TM για να χαρτογραφήσει τη βλάστηση και τη γενική χερσαία περιοχή ελαχιστοποιώντας την κάλυψη νεφών και τις επιπτώσεις του εδάφους. Ένας συνδυασμός δεικτών φασματικής βλάστησης, βοηθητικών δεδομένων εδάφους και απλού μετασχηματισμού φωτισμού θα μπορούσε να προβλέψει την ταξινόμηση της βλάστησης με ακρίβεια άνω του 70% . Ένα πιο εκλεπτυσμένο και ακριβές σύνθετο NDVI 30 m, που εκτείνεται τα τελευταία 30 χρόνια, αναπτύχθηκε για τις Ηνωμένες Πολιτείες της Αμερικής χρησιμοποιώντας την πλατφόρμα πλανητικής επεξεργασίας που βασίζεται στο cloud του Google Engine . Τα ελλείποντα δεδομένα λόγω των νεφών συμπληρώθηκαν με τη χρήση μιας προσέγγισης μοντελοποίησης με γνώμονα το κλίμα και τα δεδομένα παρήχθησαν σε πολλαπλές κλίμακες . Χρησιμοποιώντας το Google Engine, μια μελέτη εκτίμησης οικοσυστήματος σε ένα ημιάγονο τοπίο της Βραζιλίας έδειξε ότι τα δεδομένα υψηλής χωρικής ανάλυσης (Worldview) θα μπορούσαν να αποφέρουν υψηλότερη ακρίβεια ταξινόμησης σε σύγκριση με τη μέση ανάλυση Landsat TM, με πλήρεις πληροφορίες φασματικής ανάλυσης . Τα δέντρα, οι θάμνοι και η γυμνή γη ταξινομήθηκαν, με σαφή διάκριση μεταξύ δέντρων και θάμνων, μια εργασία μαμούθ χρησιμοποιώντας προηγούμενα σύνολα δεδομένων.
Δόθηκε επίσης προσοχή στην παρακολούθηση της περιοχής με τη χρήση μακροπρόθεσμων δορυφορικών δεδομένων σε περιβάλλον υπολογιστικού νέφους. Συγκεκριμένα, στη Βραζιλία καταρτίστηκαν συνολικά 17 χάρτες βοσκοτόπων με τη χρήση δεδομένων MODIS από το 2000 έως το 2016 με ακρίβεια άνω του 80% . Τα αποτελέσματα έδειξαν αύξηση της βοσκοτόπων για τις περισσότερες περιοχές που αναλύθηκαν.

'''Χαρτογράφηση landcover'''

Ορισμένες μελέτες αξιολόγησαν τη δυναμική της κάλυψης της γης σε διαφορετικές χωρικές κλίμακες. Εκμεταλλευόμενη την GEE, η οποία παρέχει πρόσβαση στα δεδομένα και προηγμένες αναλυτικές τεχνικές για τα μαζικά δεδομένα, χρησιμοποίησε τον αλγόριθμο Bayesian Updating of Land Cover (BULC) για να συγχωνεύσει δεδομένα Landsat με το GlobCover 2009, βελτιώνοντας έτσι τη χωρική ανάλυση της παγκόσμιας παραγωγής από 300 m σε 30 m στη Βραζιλία. Η προσέγγιση εφαρμόζεται ευρέως, δεδομένου ότι χρησιμοποιεί έναν αλγόριθμο χωρίς επίβλεψη, ο οποίος δεν απαιτεί εντατικά δεδομένα επίγειας αλήθειας . Οι δυνατότητες της GEE καταδείχθηκαν επίσης στον χειρισμό τεράστιων μακροπρόθεσμων συνόλων δεδομένων σε παγκόσμια κλίμακα για την ανάλυση των επιπτώσεων της αλλαγής της κάλυψης της γης στην επιφανειακή αστική θερμότητα, εκμεταλλευόμενοι το ήδη καθιερωμένο εργαλείο για το κλίμα Engine για την εξαγωγή τεράστιων δεδομένων θερμοκρασίας επιφάνειας γης . Υποβλήθηκαν σε επεξεργασία περισσότερες από 6000 εικόνες Landsat από το 2000 έως το 2011.
Το πρόβλημα της νεφοκάλυψης δεν είναι νέο στην τηλεπισκόπηση. Η διαθεσιμότητα δεδομένων χρονοσήμανσης και πλατφόρμας GEE διευκόλυνε την ανάπτυξη αλγορίθμων που επιλύουν τα προβλήματα κάλυψης νέφους και επιπτώσεων εδάφους της χαρτογράφησης της κάλυψης γης σε μια κινεζική προστατευόμενη περιοχή . Η πλατφόρμα υπολογιστικού νέφους διευκόλυνε επίσης τον υπολογισμό των δεικτών φασματικής βλάστησης από τα πολυ-εποχιακά δεδομένα Landsat καθώς και τους αλγόριθμους ομαλοποίησης φωτισμού, αποφέροντας επιτυχημένα αποτελέσματα ταξινόμησης κάλυψης γης. Εκτός από τα δεδομένα landsat, μια άλλη μελέτη χρησιμοποίησε δορυφορικά δεδομένα υψηλής ανάλυσης Sentinel 1 και 2 για να χαρτογραφήσει την έκταση των υγροτόπων σε επαρχιακή κλίμακα στη Νέα Γη του Καναδά. Η μελέτη παρήγαγε τον πρώτο λεπτομερή περιφερειακό χάρτη υγροτόπων, αξιοποιώντας υψηλής ανάλυσης Sentinel SAR και οπτικά δεδομένα, την υπολογιστική ισχύ GEE και προηγμένους αλγόριθμους μηχανικής μάθησης.

'''Γεωργικές εφαρμογές'''

Οι γεωργικές εφαρμογές που περιλαμβάνουν εκτίμηση της απόδοσης των καλλιεργειών, χαρτογράφηση της περιοχής καλλιέργειας, ευπάθεια παρασίτων και ασθενειών και αξιολογήσεις καταλληλότητας, είναι κρίσιμες για τη διατήρηση της παραγωγικότητας και της επισιτιστικής ασφάλειας. Αυτό το τεύχος αναφέρει μια σειρά μελετών που χρησιμοποίησαν υπολογιστικό νέφος GEE για γεωργικές εφαρμογές σε διάφορες κλίμακες. Η πλατφόρμα GEE έδωσε την ευκαιρία να ενταφούν τα δεδομένα terra MODIS και η Landsat για την εκτίμηση της ακαθάριστης πρωτογενούς παραγωγικότητας επτά καλλιεργειών στη Μοντάνα των ΗΠΑ από το 2008 έως το 2015 σε χωρική ανάλυση 30 m . Τα εκτιμώμενα πρότυπα παραγωγικότητας των καλλιεργήσιμων εκτάσεων και οι εποχιακές διακυμάνσεις τους συγκρίνονται ευνοϊκά με τα στοιχεία για τις καλλιέργειες σε επίπεδο χώρας. Τα δεδομένα worldview 2 υψηλής χωρικής ανάλυσης χρησιμοποιήθηκαν επίσης για τη χαρτογράφηση ετερογενών καλλιεργήσιμων εκτάσεων μικροκαλλιέργειων στο αφρικανικό περιβάλλον του Μάλι, χρησιμοποιώντας κανόνες συνόλου. Η πλατφόρμα cloud, με υψηλές δυνατότητες επεξεργασίας, επέτρεψε τον υπολογισμό μιας σειράς κανόνων συνόλου για τη βελτιστοποίηση της ακρίβειας ταξινόμησης. Σε ηπειρωτική κλίμακα, οι καλλιεργήσιμες εκτάσεις και οι μη καλλιεργήσιμες εκτάσεις χαρτογραφήθηκαν για ολόκληρη την ήπειρο της Αφρικής χρησιμοποιώντας ένα συνδυασμό δεδομένων Sentinel 10 ημερών και δεδομένων 16 ημερών Landsat TM. Τα σύνθετα υλικά ανάλυσης 30 m δημιουργήθηκαν με τη χρήση δορυφορικών δεδομένων, μαζί με δεδομένα ανύψωσης που παράγουν ένα επίπεδο κλίσης 30 μέτρων που προέρχεται από την τοπογραφική αποστολή shuttle radar (SRTM) . Στη συνέχεια, τα δεδομένα υποβλήθηκαν σε ταξινομήσεις που βασίζονται σε εικονοστοιχεία (Random Forest) και αντικείμενο (Αναδρομική Ιεραρχική Τμηματοποίηση), με αποτελέσματα συγκρίσιμα με τις εκθέσεις του FAO.

'''Διαχείριση Καταστροφών και Επιστήμες της Γης'''

Ένα υδροηλεκτρικό μοντέλο snowcloud, που εφαρμόζεται σε διαφορετικά περιβάλλοντα στη Χιλή, την Ισπανία και τις ΗΠΑ αναπτύχθηκε χρησιμοποιώντας το MOD10A1 . Το μοντέλο που βασίζεται στο cloud προβλέπει μηνιαίες ροές ρευμάτων σε περιοχές χιονιού και χαρτογραφημένους χώρους χιονοκάλυψης. Όσον αφορά τις καταστροφές, ανέπτυξε ένα σύστημα πρόληψης και αντιμετώπισης πλημμυρών χρησιμοποιώντας την πλατφόρμα GEE που βασίζεται στο cloud. Το σύστημα ενσωματώνει μια ολόκληρη σειρά συνόλων δεδομένων από τηλεπισκόπηση και βοηθητικές πηγές σε κάθε στάδιο των πλημμυρικών συμβάντων (πριν, κατά τη διάρκεια και μετά), συμπεριλαμβανομένων των Formosat-2, ραντάρ συνθετικού διαφράγματος και γραφογραφικών δεδομένων GIS, και δοκιμάστηκε με επιτυχία για τη διαχείριση του Typhoon Soudelor τον Αύγουστο του 2015. Η πλατφόρμα GEE χρησιμοποιήθηκε επίσης για την αξιολόγηση της εμφάνισης ξηρασίας χρησιμοποιώντας την υγρασία του εδάφους ως δείκτη σε παγκόσμια κλίμακα . Το cloud διευκόλυνε την ενσωμάτωση των παγκόσμιων συνόλων δεδομένων υγρασίας του εδάφους και των διαδικτυακών εργαλείων επεξεργασίας για την πρόβλεψη της διάρκειας της ξηρασίας καθώς και της έντασης και το μοντέλο δοκιμάστηκε με επιτυχία στην Αιθιοπία και τη Νότια Αφρική.
Άλλες εφαρμογές σε αυτό το ζήτημα περιλαμβάνουν τη συγκάλυψη του νέφους χρησιμοποιώντας πολυχρονικές προσεγγίσεις , την παρακολούθηση επιφανειακών ιζήματος και τη χαρτογράφηση της περιοχής εξόρυξης με τη χρήση δεδομένων .

'''Συμπέρασμα'''

Συνοπτικά, αυτό το ζήτημα έχει αποδείξει τη δύναμη της πλατφόρμας GEE στο χειρισμό τεράστιων συνόλων δεδομένων σε διάφορες κλίμακες και την οικοδόμηση αυτοματοποιημένων προγραμμάτων που μπορούν να χρησιμοποιηθούν σε επιχειρησιακό επίπεδο. Αυτό είναι ένα μεγάλο βήμα για την επίλυση των περιβαλλοντικών προβλημάτων που επηρεάζουν τη γη και είναι κρίσιμο για την επίτευξη των αναπτυξιακών στόχων. Οι εφαρμογές που παρουσιάζονται είναι ευρείες, μεταξύ άλλων, από τη μεταλλεία, τη γεωργία, τις οικοσυστημικές υπηρεσίες και την παρακολούθηση της ξηρασίας. Η καθημερινή, μηνιαία, εποχιακή και μακροπρόθεσμη παρακολούθηση των φαινομένων σε υψηλή χωρική ανάλυση καλύπτοντας μεγάλες εκτάσεις είναι πλέον δυνατή με τη διαθεσιμότητα τέτοιων πλατφορμών που μπορούν να χειριστούν μαζικά δεδομένα.

Εφαρμογές Google Earth

2022-02-03T10:43:09Z

Annabasiou:

Εφαρμογές Google Earth

2022-02-03T10:42:26Z

Annabasiou:

Εφαρμογές Google Earth

2022-02-03T10:41:42Z

Annabasiou:

Εφαρμογές Google Earth

2022-02-03T10:41:20Z

Annabasiou:

[[category:Χαρτογραφία]]

'''Εφαρμογές Google earth.'''

'''Πρωτότυπος τίτλος:''' ''Google Earth Engine Applications''

'''Συγγραφέας: '''Onisimo Mutanga, Lalit Kumar

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.mdpi.com/2072-4292/11/5/591/htm]

'''Λέξεις-Κλειδιά: ''' υπολογιστικό νέφος, ανάλυση μαζικών δεδομένων, μακροπρόθεσμη παρακολούθηση, συστήματα έγκαιρης προειδοποίησης

'''Εισαγωγή'''
Το Google Earth Engine (GEE) είναι μια πλατφόρμα υπολογιστικού νέφους που έχει σχεδιαστεί για την αποθήκευση και επεξεργασία τεράστιων συνόλων δεδομένων (σε κλίμακα petabyte) για ανάλυση και τελική λήψη αποφάσεων . Μετά τη δωρεάν διαθεσιμότητα της σειράς Landsat το 2008, η Google αρχειοθέτησε όλα τα σύνολα δεδομένων και τα συνέδεσε με τη μηχανή υπολογιστικού νέφους για χρήση ανοιχτού κώδικα. Το τρέχον αρχείο δεδομένων περιλαμβάνει εκείνα από άλλους δορυφόρους, καθώς και σύνολα διανυσματικών δεδομένων που βασίζονται σε γεωγραφικά συστήματα πληροφοριών (GIS), κοινωνικά, δημογραφικά, καιρικά, ψηφιακά μοντέλα υψομέτρου και επίπεδα δεδομένων για το κλίμα.

Οι χρήστες μπορούν επίσης να προσθέτουν και να επιμελούνται τα δικά τους δεδομένα, ενώ χρησιμοποιούν το cloud της Google για να αναλάβουν όλη την επεξεργασία. Το τελικό αποτέλεσμα είναι ότι αυτό επιτρέπει τώρα στους επιστήμονες, τους ανεξάρτητους ερευνητές και τα έθνη να εξορύσσουν αυτή τη μαζική αποθήκη δεδομένων για την ανίχνευση αλλαγών, τις τάσεις των χαρτών και τον ποσοτικό προσδιορισμό των πόρων στην επιφάνεια της Γης όπως ποτέ άλλοτε. Καθώς δεν χρειάζονται οι μεγάλες δυνατότητες επεξεργασίας των τελευταίων υπολογιστών ή του πιο πρόσφατου λογισμικού, αυτό σημαίνει ότι οι φτωχοί σε πόρους ερευνητές στα φτωχότερα έθνη του κόσμου έχουν την ίδια ικανότητα να διεξάγουν ανάλυση με εκείνους στα πιο προηγμένα έθνη.
Σκοπός αυτού του ειδικού τεύχους ήταν να προσελκύσει έγγραφα που εκμεταλλεύονται τα γεωχωρικά εργαλεία υπολογιστικού νέφους του Google Engine για την επεξεργασία μεγάλων συνόλων δεδομένων για παγκόσμιες εφαρμογές. Ιδιαίτερη προτεραιότητα δόθηκε σε έγγραφα από αναπτυσσόμενες χώρες σχετικά με τον τρόπο με τον οποίο η διαθεσιμότητα δεδομένων και επεξεργασίας GEE επέτρεψε νέα έρευνα που ήταν δύσκολη ή αδύνατη πριν.. Είμαστε στην ευχάριστη θέση να αναφέρουμε ότι συνολικά 22 εργασίες δημοσιεύθηκαν σε αυτό το ειδικό τεύχος, οι οποίες καλύπτουν περιοχές γύρω από την παρακολούθηση της βλάστησης, τη χαρτογράφηση των καλλιεργήσιμων εκτάσεων, την αξιολόγηση του οικοσυστήματος και την ακαθάριστη πρωτογενή παραγωγικότητα, μεταξύ άλλων. Μια πληθώρα συνόλων δεδομένων που χρησιμοποιήθηκαν κυμαίνονταν από χονδροειδή δεδομένα χωρικής ανάλυσης όπως το MODIS (Φασματοφωτόμετρο Απεικόνισης Μέτριας Ανάλυσης) έως σύνολα δεδομένων πολύ υψηλής ανάλυσης (Worldview -2) και οι μελέτες κάλυπταν ολόκληρο τον πλανήτη σε διάφορες χωρικές και χρονικές κλίμακες.
Από την ίδρυσή της το 2010, η χρήση του Google Earth διερευνήθηκε χρησιμοποιώντας άρθρα που προέρχονται από συνολικά 158 περιοδικά. Η μελέτη έδειξε μια στρεβλή χρήση προς τις ανεπτυγμένες χώρες σε σύγκριση με αναπτυσσόμενες περιοχές όπως η Αφρική , με το Landsat να είναι το πιο ευρέως χρησιμοποιούμενο σύνολο δεδομένων.
Αυτό το άρθρο κατηγοριοποίησε τις εφημερίδες σε πέντε κύρια θέματα, των οποίων οι συνεισφορές συνοψίζονται.

'''Χαρτογράφηση και παρακολούθηση της βλάστησης'''

Ορισμένα άρθρα εξέτασαν τη χρησιμότητα του GEE στη χαρτογράφηση και την παρακολούθηση της βλάστησης. Αυτό περιλαμβάνει την παγκόσμια εκτίμηση βασικών μεταβλητών βιοποικιλότητας, όπως ο δείκτης περιοχής φύλλων (LAI), το κλάσμα απορροφούμενης φωτοσυνθετικής ενεργού ακτινοβολίας (FAPAR), η κάλυψη κλασματικής βλάστησης (FVC) και η περιεκτικότητα σε νερό θόλου (CWC) χρησιμοποιώντας ιστορικά δεδομένα MODIS . Σε πλανητική κλίμακα στο Βιετνάμ , χαρτογραφημένη βλάστηση με τη χρήση προϊόντων EVI που προέρχονται από το MODIS και της διαδικτυακής εφαρμογής GEE. Χρησιμοποιώντας μια καθορισμένη από τον χρήστη περίοδο αναφοράς, θα μπορούσαν να παρακολουθούν την υποβάθμιση ή τη βελτίωση της βλάστησης και τον αντίκτυπο των προσπαθειών μετριασμού από την κυβέρνηση του Βιετνάμ. Μια σχετική μελέτη σε ένα κινεζικό φυσικό καταφύγιο χρησιμοποίησε εποχιακά σύνθετα υλικά Landsat TM για να χαρτογραφήσει τη βλάστηση και τη γενική χερσαία περιοχή ελαχιστοποιώντας την κάλυψη νεφών και τις επιπτώσεις του εδάφους. Ένας συνδυασμός δεικτών φασματικής βλάστησης, βοηθητικών δεδομένων εδάφους και απλού μετασχηματισμού φωτισμού θα μπορούσε να προβλέψει την ταξινόμηση της βλάστησης με ακρίβεια άνω του 70% . Ένα πιο εκλεπτυσμένο και ακριβές σύνθετο NDVI 30 m, που εκτείνεται τα τελευταία 30 χρόνια, αναπτύχθηκε για τις Ηνωμένες Πολιτείες της Αμερικής χρησιμοποιώντας την πλατφόρμα πλανητικής επεξεργασίας που βασίζεται στο cloud του Google Engine . Τα ελλείποντα δεδομένα λόγω των νεφών συμπληρώθηκαν με τη χρήση μιας προσέγγισης μοντελοποίησης με γνώμονα το κλίμα και τα δεδομένα παρήχθησαν σε πολλαπλές κλίμακες . Χρησιμοποιώντας το Google Engine, μια μελέτη εκτίμησης οικοσυστήματος σε ένα ημιάγονο τοπίο της Βραζιλίας έδειξε ότι τα δεδομένα υψηλής χωρικής ανάλυσης (Worldview) θα μπορούσαν να αποφέρουν υψηλότερη ακρίβεια ταξινόμησης σε σύγκριση με τη μέση ανάλυση Landsat TM, με πλήρεις πληροφορίες φασματικής ανάλυσης . Τα δέντρα, οι θάμνοι και η γυμνή γη ταξινομήθηκαν, με σαφή διάκριση μεταξύ δέντρων και θάμνων, μια εργασία μαμούθ χρησιμοποιώντας προηγούμενα σύνολα δεδομένων.
Δόθηκε επίσης προσοχή στην παρακολούθηση της περιοχής με τη χρήση μακροπρόθεσμων δορυφορικών δεδομένων σε περιβάλλον υπολογιστικού νέφους. Συγκεκριμένα, στη Βραζιλία καταρτίστηκαν συνολικά 17 χάρτες βοσκοτόπων με τη χρήση δεδομένων MODIS από το 2000 έως το 2016 με ακρίβεια άνω του 80% . Τα αποτελέσματα έδειξαν αύξηση της βοσκοτόπων για τις περισσότερες περιοχές που αναλύθηκαν.

'''Χαρτογράφηση landcover'''

Ορισμένες μελέτες αξιολόγησαν τη δυναμική της κάλυψης της γης σε διαφορετικές χωρικές κλίμακες. Εκμεταλλευόμενη την GEE, η οποία παρέχει πρόσβαση στα δεδομένα και προηγμένες αναλυτικές τεχνικές για τα μαζικά δεδομένα, χρησιμοποίησε τον αλγόριθμο Bayesian Updating of Land Cover (BULC) για να συγχωνεύσει δεδομένα Landsat με το GlobCover 2009, βελτιώνοντας έτσι τη χωρική ανάλυση της παγκόσμιας παραγωγής από 300 m σε 30 m στη Βραζιλία. Η προσέγγιση εφαρμόζεται ευρέως, δεδομένου ότι χρησιμοποιεί έναν αλγόριθμο χωρίς επίβλεψη, ο οποίος δεν απαιτεί εντατικά δεδομένα επίγειας αλήθειας . Οι δυνατότητες της GEE καταδείχθηκαν επίσης στον χειρισμό τεράστιων μακροπρόθεσμων συνόλων δεδομένων σε παγκόσμια κλίμακα για την ανάλυση των επιπτώσεων της αλλαγής της κάλυψης της γης στην επιφανειακή αστική θερμότητα, εκμεταλλευόμενοι το ήδη καθιερωμένο εργαλείο για το κλίμα Engine για την εξαγωγή τεράστιων δεδομένων θερμοκρασίας επιφάνειας γης . Υποβλήθηκαν σε επεξεργασία περισσότερες από 6000 εικόνες Landsat από το 2000 έως το 2011.
Το πρόβλημα της νεφοκάλυψης δεν είναι νέο στην τηλεπισκόπηση. Η διαθεσιμότητα δεδομένων χρονοσήμανσης και πλατφόρμας GEE διευκόλυνε την ανάπτυξη αλγορίθμων που επιλύουν τα προβλήματα κάλυψης νέφους και επιπτώσεων εδάφους της χαρτογράφησης της κάλυψης γης σε μια κινεζική προστατευόμενη περιοχή . Η πλατφόρμα υπολογιστικού νέφους διευκόλυνε επίσης τον υπολογισμό των δεικτών φασματικής βλάστησης από τα πολυ-εποχιακά δεδομένα Landsat καθώς και τους αλγόριθμους ομαλοποίησης φωτισμού, αποφέροντας επιτυχημένα αποτελέσματα ταξινόμησης κάλυψης γης. Εκτός από τα δεδομένα landsat, μια άλλη μελέτη χρησιμοποίησε δορυφορικά δεδομένα υψηλής ανάλυσης Sentinel 1 και 2 για να χαρτογραφήσει την έκταση των υγροτόπων σε επαρχιακή κλίμακα στη Νέα Γη του Καναδά. Η μελέτη παρήγαγε τον πρώτο λεπτομερή περιφερειακό χάρτη υγροτόπων, αξιοποιώντας υψηλής ανάλυσης Sentinel SAR και οπτικά δεδομένα, την υπολογιστική ισχύ GEE και προηγμένους αλγόριθμους μηχανικής μάθησης.

'''Γεωργικές εφαρμογές'''

Οι γεωργικές εφαρμογές που περιλαμβάνουν εκτίμηση της απόδοσης των καλλιεργειών, χαρτογράφηση της περιοχής καλλιέργειας, ευπάθεια παρασίτων και ασθενειών και αξιολογήσεις καταλληλότητας, είναι κρίσιμες για τη διατήρηση της παραγωγικότητας και της επισιτιστικής ασφάλειας. Αυτό το τεύχος αναφέρει μια σειρά μελετών που χρησιμοποίησαν υπολογιστικό νέφος GEE για γεωργικές εφαρμογές σε διάφορες κλίμακες. Η πλατφόρμα GEE έδωσε την ευκαιρία να ενταφούν τα δεδομένα terra MODIS και η Landsat για την εκτίμηση της ακαθάριστης πρωτογενούς παραγωγικότητας επτά καλλιεργειών στη Μοντάνα των ΗΠΑ από το 2008 έως το 2015 σε χωρική ανάλυση 30 m . Τα εκτιμώμενα πρότυπα παραγωγικότητας των καλλιεργήσιμων εκτάσεων και οι εποχιακές διακυμάνσεις τους συγκρίνονται ευνοϊκά με τα στοιχεία για τις καλλιέργειες σε επίπεδο χώρας. Τα δεδομένα worldview 2 υψηλής χωρικής ανάλυσης χρησιμοποιήθηκαν επίσης για τη χαρτογράφηση ετερογενών καλλιεργήσιμων εκτάσεων μικροκαλλιέργειων στο αφρικανικό περιβάλλον του Μάλι, χρησιμοποιώντας κανόνες συνόλου. Η πλατφόρμα cloud, με υψηλές δυνατότητες επεξεργασίας, επέτρεψε τον υπολογισμό μιας σειράς κανόνων συνόλου για τη βελτιστοποίηση της ακρίβειας ταξινόμησης. Σε ηπειρωτική κλίμακα, οι καλλιεργήσιμες εκτάσεις και οι μη καλλιεργήσιμες εκτάσεις χαρτογραφήθηκαν για ολόκληρη την ήπειρο της Αφρικής χρησιμοποιώντας ένα συνδυασμό δεδομένων Sentinel 10 ημερών και δεδομένων 16 ημερών Landsat TM. Τα σύνθετα υλικά ανάλυσης 30 m δημιουργήθηκαν με τη χρήση δορυφορικών δεδομένων, μαζί με δεδομένα ανύψωσης που παράγουν ένα επίπεδο κλίσης 30 μέτρων που προέρχεται από την τοπογραφική αποστολή shuttle radar (SRTM) . Στη συνέχεια, τα δεδομένα υποβλήθηκαν σε ταξινομήσεις που βασίζονται σε εικονοστοιχεία (Random Forest) και αντικείμενο (Αναδρομική Ιεραρχική Τμηματοποίηση), με αποτελέσματα συγκρίσιμα με τις εκθέσεις του FAO.

'''Διαχείριση Καταστροφών και Επιστήμες της Γης'''

Ένα υδροηλεκτρικό μοντέλο snowcloud, που εφαρμόζεται σε διαφορετικά περιβάλλοντα στη Χιλή, την Ισπανία και τις ΗΠΑ αναπτύχθηκε χρησιμοποιώντας το MOD10A1 . Το μοντέλο που βασίζεται στο cloud προβλέπει μηνιαίες ροές ρευμάτων σε περιοχές χιονιού και χαρτογραφημένους χώρους χιονοκάλυψης. Όσον αφορά τις καταστροφές, ανέπτυξε ένα σύστημα πρόληψης και αντιμετώπισης πλημμυρών χρησιμοποιώντας την πλατφόρμα GEE που βασίζεται στο cloud. Το σύστημα ενσωματώνει μια ολόκληρη σειρά συνόλων δεδομένων από τηλεπισκόπηση και βοηθητικές πηγές σε κάθε στάδιο των πλημμυρικών συμβάντων (πριν, κατά τη διάρκεια και μετά), συμπεριλαμβανομένων των Formosat-2, ραντάρ συνθετικού διαφράγματος και γραφογραφικών δεδομένων GIS, και δοκιμάστηκε με επιτυχία για τη διαχείριση του Typhoon Soudelor τον Αύγουστο του 2015. Η πλατφόρμα GEE χρησιμοποιήθηκε επίσης για την αξιολόγηση της εμφάνισης ξηρασίας χρησιμοποιώντας την υγρασία του εδάφους ως δείκτη σε παγκόσμια κλίμακα . Το cloud διευκόλυνε την ενσωμάτωση των παγκόσμιων συνόλων δεδομένων υγρασίας του εδάφους και των διαδικτυακών εργαλείων επεξεργασίας για την πρόβλεψη της διάρκειας της ξηρασίας καθώς και της έντασης και το μοντέλο δοκιμάστηκε με επιτυχία στην Αιθιοπία και τη Νότια Αφρική.
Άλλες εφαρμογές σε αυτό το ζήτημα περιλαμβάνουν τη συγκάλυψη του νέφους χρησιμοποιώντας πολυχρονικές προσεγγίσεις , την παρακολούθηση επιφανειακών ιζήματος και τη χαρτογράφηση της περιοχής εξόρυξης με τη χρήση δεδομένων .

'''Συμπέρασμα'''

Συνοπτικά, αυτό το ζήτημα έχει αποδείξει τη δύναμη της πλατφόρμας GEE στο χειρισμό τεράστιων συνόλων δεδομένων σε διάφορες κλίμακες και την οικοδόμηση αυτοματοποιημένων προγραμμάτων που μπορούν να χρησιμοποιηθούν σε επιχειρησιακό επίπεδο. Αυτό είναι ένα μεγάλο βήμα για την επίλυση των περιβαλλοντικών προβλημάτων που επηρεάζουν τη γη και είναι κρίσιμο για την επίτευξη των αναπτυξιακών στόχων. Οι εφαρμογές που παρουσιάζονται είναι ευρείες, μεταξύ άλλων, από τη μεταλλεία, τη γεωργία, τις οικοσυστημικές υπηρεσίες και την παρακολούθηση της ξηρασίας. Η καθημερινή, μηνιαία, εποχιακή και μακροπρόθεσμη παρακολούθηση των φαινομένων σε υψηλή χωρική ανάλυση καλύπτοντας μεγάλες εκτάσεις είναι πλέον δυνατή με τη διαθεσιμότητα τέτοιων πλατφορμών που μπορούν να χειριστούν μαζικά δεδομένα.

Εφαρμογές Google Earth

2022-02-03T10:37:50Z

Annabasiou: Νέα σελίδα με ' category:Χαρτογραφία '''Εφαρμογές Google earth.''' '''Πρωτότυπος τίτλος:''' ''Google Earth Engine Applications'' '''Συγ...'

[[category:Χαρτογραφία]]

'''Εφαρμογές Google earth.'''

'''Πρωτότυπος τίτλος:''' ''Google Earth Engine Applications''

'''Συγγραφέας: '''Onisimo Mutanga, Lalit Kumar

'''Εισαγωγή'''
Το Google Earth Engine (GEE) είναι μια πλατφόρμα υπολογιστικού νέφους που έχει σχεδιαστεί για την αποθήκευση και επεξεργασία τεράστιων συνόλων δεδομένων (σε κλίμακα petabyte) για ανάλυση και τελική λήψη αποφάσεων . Μετά τη δωρεάν διαθεσιμότητα της σειράς Landsat το 2008, η Google αρχειοθέτησε όλα τα σύνολα δεδομένων και τα συνέδεσε με τη μηχανή υπολογιστικού νέφους για χρήση ανοιχτού κώδικα. Το τρέχον αρχείο δεδομένων περιλαμβάνει εκείνα από άλλους δορυφόρους, καθώς και σύνολα διανυσματικών δεδομένων που βασίζονται σε γεωγραφικά συστήματα πληροφοριών (GIS), κοινωνικά, δημογραφικά, καιρικά, ψηφιακά μοντέλα υψομέτρου και επίπεδα δεδομένων για το κλίμα.

Οι χρήστες μπορούν επίσης να προσθέτουν και να επιμελούνται τα δικά τους δεδομένα, ενώ χρησιμοποιούν το cloud της Google για να αναλάβουν όλη την επεξεργασία. Το τελικό αποτέλεσμα είναι ότι αυτό επιτρέπει τώρα στους επιστήμονες, τους ανεξάρτητους ερευνητές και τα έθνη να εξορύσσουν αυτή τη μαζική αποθήκη δεδομένων για την ανίχνευση αλλαγών, τις τάσεις των χαρτών και τον ποσοτικό προσδιορισμό των πόρων στην επιφάνεια της Γης όπως ποτέ άλλοτε. Καθώς δεν χρειάζονται οι μεγάλες δυνατότητες επεξεργασίας των τελευταίων υπολογιστών ή του πιο πρόσφατου λογισμικού, αυτό σημαίνει ότι οι φτωχοί σε πόρους ερευνητές στα φτωχότερα έθνη του κόσμου έχουν την ίδια ικανότητα να διεξάγουν ανάλυση με εκείνους στα πιο προηγμένα έθνη.
Σκοπός αυτού του ειδικού τεύχους ήταν να προσελκύσει έγγραφα που εκμεταλλεύονται τα γεωχωρικά εργαλεία υπολογιστικού νέφους του Google Engine για την επεξεργασία μεγάλων συνόλων δεδομένων για παγκόσμιες εφαρμογές. Ιδιαίτερη προτεραιότητα δόθηκε σε έγγραφα από αναπτυσσόμενες χώρες σχετικά με τον τρόπο με τον οποίο η διαθεσιμότητα δεδομένων και επεξεργασίας GEE επέτρεψε νέα έρευνα που ήταν δύσκολη ή αδύνατη πριν.. Είμαστε στην ευχάριστη θέση να αναφέρουμε ότι συνολικά 22 εργασίες δημοσιεύθηκαν σε αυτό το ειδικό τεύχος, οι οποίες καλύπτουν περιοχές γύρω από την παρακολούθηση της βλάστησης, τη χαρτογράφηση των καλλιεργήσιμων εκτάσεων, την αξιολόγηση του οικοσυστήματος και την ακαθάριστη πρωτογενή παραγωγικότητα, μεταξύ άλλων. Μια πληθώρα συνόλων δεδομένων που χρησιμοποιήθηκαν κυμαίνονταν από χονδροειδή δεδομένα χωρικής ανάλυσης όπως το MODIS (Φασματοφωτόμετρο Απεικόνισης Μέτριας Ανάλυσης) έως σύνολα δεδομένων πολύ υψηλής ανάλυσης (Worldview -2) και οι μελέτες κάλυπταν ολόκληρο τον πλανήτη σε διάφορες χωρικές και χρονικές κλίμακες.
Από την ίδρυσή της το 2010, η χρήση του Google Earth διερευνήθηκε χρησιμοποιώντας άρθρα που προέρχονται από συνολικά 158 περιοδικά. Η μελέτη έδειξε μια στρεβλή χρήση προς τις ανεπτυγμένες χώρες σε σύγκριση με αναπτυσσόμενες περιοχές όπως η Αφρική , με το Landsat να είναι το πιο ευρέως χρησιμοποιούμενο σύνολο δεδομένων.
Αυτό το άρθρο κατηγοριοποίησε τις εφημερίδες σε πέντε κύρια θέματα, των οποίων οι συνεισφορές συνοψίζονται.

'''Χαρτογράφηση και παρακολούθηση της βλάστησης'''

Ορισμένα άρθρα εξέτασαν τη χρησιμότητα του GEE στη χαρτογράφηση και την παρακολούθηση της βλάστησης. Αυτό περιλαμβάνει την παγκόσμια εκτίμηση βασικών μεταβλητών βιοποικιλότητας, όπως ο δείκτης περιοχής φύλλων (LAI), το κλάσμα απορροφούμενης φωτοσυνθετικής ενεργού ακτινοβολίας (FAPAR), η κάλυψη κλασματικής βλάστησης (FVC) και η περιεκτικότητα σε νερό θόλου (CWC) χρησιμοποιώντας ιστορικά δεδομένα MODIS . Σε πλανητική κλίμακα στο Βιετνάμ , χαρτογραφημένη βλάστηση με τη χρήση προϊόντων EVI που προέρχονται από το MODIS και της διαδικτυακής εφαρμογής GEE. Χρησιμοποιώντας μια καθορισμένη από τον χρήστη περίοδο αναφοράς, θα μπορούσαν να παρακολουθούν την υποβάθμιση ή τη βελτίωση της βλάστησης και τον αντίκτυπο των προσπαθειών μετριασμού από την κυβέρνηση του Βιετνάμ. Μια σχετική μελέτη σε ένα κινεζικό φυσικό καταφύγιο χρησιμοποίησε εποχιακά σύνθετα υλικά Landsat TM για να χαρτογραφήσει τη βλάστηση και τη γενική χερσαία περιοχή ελαχιστοποιώντας την κάλυψη νεφών και τις επιπτώσεις του εδάφους. Ένας συνδυασμός δεικτών φασματικής βλάστησης, βοηθητικών δεδομένων εδάφους και απλού μετασχηματισμού φωτισμού θα μπορούσε να προβλέψει την ταξινόμηση της βλάστησης με ακρίβεια άνω του 70% . Ένα πιο εκλεπτυσμένο και ακριβές σύνθετο NDVI 30 m, που εκτείνεται τα τελευταία 30 χρόνια, αναπτύχθηκε για τις Ηνωμένες Πολιτείες της Αμερικής χρησιμοποιώντας την πλατφόρμα πλανητικής επεξεργασίας που βασίζεται στο cloud του Google Engine . Τα ελλείποντα δεδομένα λόγω των νεφών συμπληρώθηκαν με τη χρήση μιας προσέγγισης μοντελοποίησης με γνώμονα το κλίμα και τα δεδομένα παρήχθησαν σε πολλαπλές κλίμακες . Χρησιμοποιώντας το Google Engine, μια μελέτη εκτίμησης οικοσυστήματος σε ένα ημιάγονο τοπίο της Βραζιλίας έδειξε ότι τα δεδομένα υψηλής χωρικής ανάλυσης (Worldview) θα μπορούσαν να αποφέρουν υψηλότερη ακρίβεια ταξινόμησης σε σύγκριση με τη μέση ανάλυση Landsat TM, με πλήρεις πληροφορίες φασματικής ανάλυσης . Τα δέντρα, οι θάμνοι και η γυμνή γη ταξινομήθηκαν, με σαφή διάκριση μεταξύ δέντρων και θάμνων, μια εργασία μαμούθ χρησιμοποιώντας προηγούμενα σύνολα δεδομένων.
Δόθηκε επίσης προσοχή στην παρακολούθηση της περιοχής με τη χρήση μακροπρόθεσμων δορυφορικών δεδομένων σε περιβάλλον υπολογιστικού νέφους. Συγκεκριμένα, στη Βραζιλία καταρτίστηκαν συνολικά 17 χάρτες βοσκοτόπων με τη χρήση δεδομένων MODIS από το 2000 έως το 2016 με ακρίβεια άνω του 80% . Τα αποτελέσματα έδειξαν αύξηση της βοσκοτόπων για τις περισσότερες περιοχές που αναλύθηκαν.

'''Χαρτογράφηση landcover'''

Ορισμένες μελέτες αξιολόγησαν τη δυναμική της κάλυψης της γης σε διαφορετικές χωρικές κλίμακες. Εκμεταλλευόμενη την GEE, η οποία παρέχει πρόσβαση στα δεδομένα και προηγμένες αναλυτικές τεχνικές για τα μαζικά δεδομένα, χρησιμοποίησε τον αλγόριθμο Bayesian Updating of Land Cover (BULC) για να συγχωνεύσει δεδομένα Landsat με το GlobCover 2009, βελτιώνοντας έτσι τη χωρική ανάλυση της παγκόσμιας παραγωγής από 300 m σε 30 m στη Βραζιλία. Η προσέγγιση εφαρμόζεται ευρέως, δεδομένου ότι χρησιμοποιεί έναν αλγόριθμο χωρίς επίβλεψη, ο οποίος δεν απαιτεί εντατικά δεδομένα επίγειας αλήθειας . Οι δυνατότητες της GEE καταδείχθηκαν επίσης στον χειρισμό τεράστιων μακροπρόθεσμων συνόλων δεδομένων σε παγκόσμια κλίμακα για την ανάλυση των επιπτώσεων της αλλαγής της κάλυψης της γης στην επιφανειακή αστική θερμότητα, εκμεταλλευόμενοι το ήδη καθιερωμένο εργαλείο για το κλίμα Engine για την εξαγωγή τεράστιων δεδομένων θερμοκρασίας επιφάνειας γης . Υποβλήθηκαν σε επεξεργασία περισσότερες από 6000 εικόνες Landsat από το 2000 έως το 2011.
Το πρόβλημα της νεφοκάλυψης δεν είναι νέο στην τηλεπισκόπηση. Η διαθεσιμότητα δεδομένων χρονοσήμανσης και πλατφόρμας GEE διευκόλυνε την ανάπτυξη αλγορίθμων που επιλύουν τα προβλήματα κάλυψης νέφους και επιπτώσεων εδάφους της χαρτογράφησης της κάλυψης γης σε μια κινεζική προστατευόμενη περιοχή . Η πλατφόρμα υπολογιστικού νέφους διευκόλυνε επίσης τον υπολογισμό των δεικτών φασματικής βλάστησης από τα πολυ-εποχιακά δεδομένα Landsat καθώς και τους αλγόριθμους ομαλοποίησης φωτισμού, αποφέροντας επιτυχημένα αποτελέσματα ταξινόμησης κάλυψης γης. Εκτός από τα δεδομένα landsat, μια άλλη μελέτη χρησιμοποίησε δορυφορικά δεδομένα υψηλής ανάλυσης Sentinel 1 και 2 για να χαρτογραφήσει την έκταση των υγροτόπων σε επαρχιακή κλίμακα στη Νέα Γη του Καναδά. Η μελέτη παρήγαγε τον πρώτο λεπτομερή περιφερειακό χάρτη υγροτόπων, αξιοποιώντας υψηλής ανάλυσης Sentinel SAR και οπτικά δεδομένα, την υπολογιστική ισχύ GEE και προηγμένους αλγόριθμους μηχανικής μάθησης.

'''Γεωργικές εφαρμογές'''

Οι γεωργικές εφαρμογές που περιλαμβάνουν εκτίμηση της απόδοσης των καλλιεργειών, χαρτογράφηση της περιοχής καλλιέργειας, ευπάθεια παρασίτων και ασθενειών και αξιολογήσεις καταλληλότητας, είναι κρίσιμες για τη διατήρηση της παραγωγικότητας και της επισιτιστικής ασφάλειας. Αυτό το τεύχος αναφέρει μια σειρά μελετών που χρησιμοποίησαν υπολογιστικό νέφος GEE για γεωργικές εφαρμογές σε διάφορες κλίμακες. Η πλατφόρμα GEE έδωσε την ευκαιρία να ενταφούν τα δεδομένα terra MODIS και η Landsat για την εκτίμηση της ακαθάριστης πρωτογενούς παραγωγικότητας επτά καλλιεργειών στη Μοντάνα των ΗΠΑ από το 2008 έως το 2015 σε χωρική ανάλυση 30 m . Τα εκτιμώμενα πρότυπα παραγωγικότητας των καλλιεργήσιμων εκτάσεων και οι εποχιακές διακυμάνσεις τους συγκρίνονται ευνοϊκά με τα στοιχεία για τις καλλιέργειες σε επίπεδο χώρας. Τα δεδομένα worldview 2 υψηλής χωρικής ανάλυσης χρησιμοποιήθηκαν επίσης για τη χαρτογράφηση ετερογενών καλλιεργήσιμων εκτάσεων μικροκαλλιέργειων στο αφρικανικό περιβάλλον του Μάλι, χρησιμοποιώντας κανόνες συνόλου. Η πλατφόρμα cloud, με υψηλές δυνατότητες επεξεργασίας, επέτρεψε τον υπολογισμό μιας σειράς κανόνων συνόλου για τη βελτιστοποίηση της ακρίβειας ταξινόμησης. Σε ηπειρωτική κλίμακα, οι καλλιεργήσιμες εκτάσεις και οι μη καλλιεργήσιμες εκτάσεις χαρτογραφήθηκαν για ολόκληρη την ήπειρο της Αφρικής χρησιμοποιώντας ένα συνδυασμό δεδομένων Sentinel 10 ημερών και δεδομένων 16 ημερών Landsat TM. Τα σύνθετα υλικά ανάλυσης 30 m δημιουργήθηκαν με τη χρήση δορυφορικών δεδομένων, μαζί με δεδομένα ανύψωσης που παράγουν ένα επίπεδο κλίσης 30 μέτρων που προέρχεται από την τοπογραφική αποστολή shuttle radar (SRTM) . Στη συνέχεια, τα δεδομένα υποβλήθηκαν σε ταξινομήσεις που βασίζονται σε εικονοστοιχεία (Random Forest) και αντικείμενο (Αναδρομική Ιεραρχική Τμηματοποίηση), με αποτελέσματα συγκρίσιμα με τις εκθέσεις του FAO.

'''Διαχείριση Καταστροφών και Επιστήμες της Γης'''

Ένα υδροηλεκτρικό μοντέλο snowcloud, που εφαρμόζεται σε διαφορετικά περιβάλλοντα στη Χιλή, την Ισπανία και τις ΗΠΑ αναπτύχθηκε χρησιμοποιώντας το MOD10A1 . Το μοντέλο που βασίζεται στο cloud προβλέπει μηνιαίες ροές ρευμάτων σε περιοχές χιονιού και χαρτογραφημένους χώρους χιονοκάλυψης. Όσον αφορά τις καταστροφές, ανέπτυξε ένα σύστημα πρόληψης και αντιμετώπισης πλημμυρών χρησιμοποιώντας την πλατφόρμα GEE που βασίζεται στο cloud. Το σύστημα ενσωματώνει μια ολόκληρη σειρά συνόλων δεδομένων από τηλεπισκόπηση και βοηθητικές πηγές σε κάθε στάδιο των πλημμυρικών συμβάντων (πριν, κατά τη διάρκεια και μετά), συμπεριλαμβανομένων των Formosat-2, ραντάρ συνθετικού διαφράγματος και γραφογραφικών δεδομένων GIS, και δοκιμάστηκε με επιτυχία για τη διαχείριση του Typhoon Soudelor τον Αύγουστο του 2015. Η πλατφόρμα GEE χρησιμοποιήθηκε επίσης για την αξιολόγηση της εμφάνισης ξηρασίας χρησιμοποιώντας την υγρασία του εδάφους ως δείκτη σε παγκόσμια κλίμακα . Το cloud διευκόλυνε την ενσωμάτωση των παγκόσμιων συνόλων δεδομένων υγρασίας του εδάφους και των διαδικτυακών εργαλείων επεξεργασίας για την πρόβλεψη της διάρκειας της ξηρασίας καθώς και της έντασης και το μοντέλο δοκιμάστηκε με επιτυχία στην Αιθιοπία και τη Νότια Αφρική.
Άλλες εφαρμογές σε αυτό το ζήτημα περιλαμβάνουν τη συγκάλυψη του νέφους χρησιμοποιώντας πολυχρονικές προσεγγίσεις , την παρακολούθηση επιφανειακών ιζήματος και τη χαρτογράφηση της περιοχής εξόρυξης με τη χρήση δεδομένων .

'''Συμπέρασμα'''

Συνοπτικά, αυτό το ζήτημα έχει αποδείξει τη δύναμη της πλατφόρμας GEE στο χειρισμό τεράστιων συνόλων δεδομένων σε διάφορες κλίμακες και την οικοδόμηση αυτοματοποιημένων προγραμμάτων που μπορούν να χρησιμοποιηθούν σε επιχειρησιακό επίπεδο. Αυτό είναι ένα μεγάλο βήμα για την επίλυση των περιβαλλοντικών προβλημάτων που επηρεάζουν τη γη και είναι κρίσιμο για την επίτευξη των αναπτυξιακών στόχων. Οι εφαρμογές που παρουσιάζονται είναι ευρείες, μεταξύ άλλων, από τη μεταλλεία, τη γεωργία, τις οικοσυστημικές υπηρεσίες και την παρακολούθηση της ξηρασίας. Η καθημερινή, μηνιαία, εποχιακή και μακροπρόθεσμη παρακολούθηση των φαινομένων σε υψηλή χωρική ανάλυση καλύπτοντας μεγάλες εκτάσεις είναι πλέον δυνατή με τη διαθεσιμότητα τέτοιων πλατφορμών που μπορούν να χειριστούν μαζικά δεδομένα.

Διαχωρισμός των δομημένου περιοχών από τη γυμνή γη σε μεσογειακές πόλεις χρησιμοποιώντας εικόνες Sentinel-2A.

2022-02-03T07:25:32Z

Annabasiou:

[[category:Εκτίμηση καταλληλότητας της γης για διάφορες εφαρμογές]]

'''Διαχωρισμός των δομημένων περιοχών από τη γυμνή γη σε μεσογειακές πόλεις χρησιμοποιώντας εικόνες Sentinel-2A.'''

'''Πρωτότυπος τίτλος:''' ''Separating Built-Up Areas from Bare Land in Mediterranean Cities Using Sentinel-2A Imagery''
[[Εικόνα:abasiou_wiki4_sxhma1.jpg | thumb| right|'''Σχήμα 1. '''
Χάρτης θέσης της κύριας περιοχής μελέτης και των περιοχών δοκιμής (Χάρτης χώρας από ESRI©, Καλιφόρνια, ΗΠΑ, πιο προσεκτική ματιά από το φυσικό σύνθετο χρώμα του Sentinel-2A).]]

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

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.mdpi.com/2072-4292/11/3/345/htm]

'''Λέξεις-Κλειδιά: ''' προσέγγιση πολλαπλών δεικτών, χαρτογράφηση χερσαίας κάλυψης/χρήσης, Ταξινόμηση SVM, γυμνή γη, δομημένη περιοχή

[[Εικόνα:abasiou_wiki4_sxhma2.JPG | thumb| right|'''Σχήμα 2.'''

Φασματικές καμπύλες ανάκλασης διαφορετικών τύπων κάλυψης/χρήσης γης (LCU), σύμφωνα με τις ζώνες εικόνας Sentinel-2A (κορυφαίες τιμές ανάκλασης ατμόσφαιρας που που προέρχονται από δορυφορική εικόνα ανάλυσης 12 bit) ]]

[[Εικόνα:abasiou_wiki4_sxhma3.JPG | thumb| right|'''Σχήμα 3.'''

Εικόνες του (α) Sentinel-2A RGB; β) ομαλοποιημένος δείκτης δημιουργίας διαφορών (NDBI)· γ) δείκτης δημιουργίας (BUI)· δ) δείκτης εξόρυξης δομημένης έκτασης (BAEI)· ε) νέος δείκτης δημιουργίας (NBI)· στ) δείκτης βλάστησης (VIBI)· ζ) δείκτης που βασίζεται σε ευρετήριο (IBI)· η) αστικός δείκτης (UI)· και i) γυμνό δείκτη εδάφους (BSI). ]]

[[Εικόνα:abasiou_wiki4_sxhma4.JPG | thumb| right|'''Σχήμα 4.'''

Οι εικόνες του (α) του Δείκτη Ομαλοποιημένης Διαφοράς (NDTI) και(β) ενός υποσυνόλου της NDTI αποτελούν παράδειγμα της αντίθεσης μεταξύ γυμνών εδαφών και δομημένων περιοχών. ]]

[[Εικόνα:abasiou_wiki4_pinakas1.JPG | thumb| right|'''Πίνακας 1.'''

Δείγμα κατάρτισης και κατανομή σημείων αξιολόγησης της ακρίβειας για τις περιφέρειες μελέτης. ]]

[[Εικόνα:abasiou_wiki4_sxhma5.JPG | thumb| right|'''Σχήμα 5.'''

Αποτελέσματα ταξινόμησης:α) NDBI· β)BUI· γ)BAEI· δ) NBI· ε)VIBI· στ)IBI· ζ) περιβάλλον εργασίας χρήστη· η)BSI· i)σύνολα πολλαπλών ευρετηρίων που βασίζονται σε NDTI· και(ι)πρωτότυπες φασματικές ζώνες. ]]

'''Εισαγωγή'''
Σε όλη την ιστορία, η αύξηση της πυκνότητας του πληθυσμού και η επέκταση των αστικών περιοχών, ιδίως στις μητροπολιτικές πόλεις, έχουν αλλάξει τη μορφή της επιφάνειας της Γης. Ο ρυθμός αύξησης της κάλυψης/χρήσης γης (LCU) έχει αυξηθεί τις τελευταίες δεκαετίες. Η αύξηση του πληθυσμού οδηγεί σε αύξηση της κατανάλωσης νερού και ενέργειας και προκαλεί αλλαγές στην επιφάνεια της γης, οι οποίες έχουν ως αποτέλεσμα την περιφερειακή έως παγκόσμια κλιματική αλλαγή και την υποβάθμιση του περιβάλλοντος.
Οι αλλαγές στην LCU που έχουν συμβεί λόγω της αστικοποίησης, της αποψίλωσης των δασών, των φυσικών καταστροφών και των έντονων γεωργικών πρακτικών, έχουν επηρεάσει σε μεγάλο βαθμό τα κλιματικά χαρακτηριστικά σε περιφερειακή και παγκόσμια κλίμακα. Οι αλλαγές αυτές οδηγούν γενικά σε αυξήσεις των θερμοκρασιών κοντά στην επιφάνεια και σχηματισμό των νήσων θερμότητας, οι οποίες προκαλούν άλλα κλιματικά φαινόμενα.
Η διαθεσιμότητα δωρεάν παγκόσμιων και ιστορικών δορυφορικών εικόνων παρέχει μια πολύτιμη ευκαιρία για τη χαρτογράφηση και την παρακολούθηση της LCU.
Ο κύριος στόχος αυτού του ερευνητικού έργου ήταν να προτείνει μια προσέγγιση ταξινόμησης SVM που βασίζεται σε πολλαπλούς δείκτες, για τη χαρτογράφηση επτά διαφορετικών κατηγοριών LCU, σε σύνθετες αστικές περιοχές. Η έρευνα επικεντρώθηκε στον διαχωρισμό των κατοικημένων περιοχών και των γυμνών εδαφών, εκτός από την παροχή ενός ακριβούς και αξιόπιστου χάρτη LCU, σε τρεις πυκνά αστικοποιημένες μητροπολιτικές πόλεις της Τουρκίας, χρησιμοποιώντας τις εικόνες Sentinel-2A.

'''Περιοχή μελέτης '''

Η Κωνσταντινούπολη είναι η πιο πυκνοκατοικημένη και η μεγαλύτερη πόλη της Τουρκίας, που βρίσκεται σε γεωγραφικό πλάτος 41°00′44,06" Β και γεωγραφικό μήκος 28°58′33,66" Ε, στο Βόρειο Ημισφαίριο, ενώνοντας τις δύο ηπείρους της Ασίας και της Ευρώπης. Η Κωνσταντινούπολη είναι επίσης μία από τις μεγαλύτερες μητροπολιτικές πόλεις της Ευρώπης, καλύπτοντας περίπου 5.500 χιλιόμετρα2, με πληθυσμό άνω των 15 εκατομμυρίων το 2017, που αντιστοιχεί στο 18% της χώρας . Η σημαντική αύξηση του πληθυσμού που σημειώθηκε λόγω της βιομηχανικής ανάπτυξης και της απρογραμμάτιστης αστικοποίησης, κατά το δεύτερο μισό του εικοστού αιώνα, είχε ως αποτέλεσμα κρίσιμους μετασχηματισμούς της δομής και της μορφολογίας της πόλης.

'''Μεθοδολογία '''

'' Προεπεξεργασία δορυφορικών εικόνων και εξαγωγή φασματικών υπογραφών''

Οι δορυφορικές εικόνες που χρησιμοποιήθηκαν σε αυτή την έρευνα αποκτήθηκαν σε συνθήκες καθαρού ουρανού, με ελάχιστες ατμοσφαιρικές διαταραχές. Για κάθε περιοχή χρησιμοποιήθηκε μία μόνο εικόνα. Ως εκ τούτου, δεν ήταν αναγκαίο ένα βήμα προεπεξεργασίας της ατμοσφαιρικής διόρθωσης.
Η χωρική ανάλυση των ζωνών εικόνας Sentinel-2 διέφερε μέσω των τμημάτων μήκους κύματος. Έτσι, υπήρχε ανάγκη για ομοιόμορφη χωρική ανάλυση για αναλύσεις όπως η δημιουργία φασματικού προφίλ βάσει σημείου, η δημιουργία φασματικού δείκτη και η ταξινόμηση πολυφασματικής εικόνας. Oι ζώνες ανάλυσης 20 m και 60 m των εικόνων Sentinel-2A ανανεώθηκαν στα 10 m, χρησιμοποιώντας την πλησιέστερη μέθοδο γείτονα, για να διατηρηθεί η ακεραιότητα της χωρικής ανάλυσης.
Στο επόμενο βήμα, εξήχθησαν φασματικά προφίλ διαφόρων τύπων αντικειμένων γης, συμπεριλαμβανομένων των δασών broadleaf, των φυλλοβόλας δασών, των γεωργικών εκτάσεων, της αστικής πράσινης κάλυψης, της δομημένης, βιομηχανικής περιοχής, της αραιής κατοικημένης περιοχής, του θαλασσινού νερού, των υδάτων της λίμνης, της άσφαλτου και της γυμνής γης, για να εξετάσουν και να συγκρίνουν την ικανότητα διαχωρισμού των ζωνών εικόνας Sentinel-2A(Σχήμα 2 ). Κατά τη διάρκεια της διαδικασίας ταξινόμησης, τα δείγματα από πλατύφυλλα και φυλλοβόλα δάση τοποθετήθηκαν στην κατηγορία των δασών, δείγματα από αστική πράσινη κάλυψη και γεωργικές εκτάσεις ανατέθηκαν στην κατηγορία βλάστησης και δείγματα από λίμνες και θάλασσες ανατέθηκαν στην κατηγορία ύδατος, για να ληφθούν οι επτά τύποι κάλυψης γης που χρησιμοποιήθηκαν στην παρούσα έρευνα.
Όπως δείχνει το σχήμα 2, η γυμνή γη είχε παρόμοια αντανάκλαση με τις κατοικημένες περιοχές και ήταν δύσκολο να προσδιοριστούν αυτές οι δύο κατηγορίες με τη χρήση ενός ενιαίου δείκτη. Ήταν απλό να προσδιοριστούν τα υδάτινα σώματα από άλλους τύπους κάλυψης γης, λόγω της μοναδικής φασματικής υπογραφής τους. Η σταδιακή μείωση της αντανάκλασης από τη ζώνη 1 στη ζώνη 12 ήταν ειδική για τα υδατικά συστήματα. Μια σημαντική αύξηση της αντανάκλασης στις ζώνες των κόκκινων άκρων (B5, B6, B7) και nir ζώνες (B8, B8a), σε σύγκριση με την κόκκινη ζώνη (B4) ήταν ειδική για την κάλυψη βλάστησης και θα μπορούσε να χρησιμοποιηθεί για την ανίχνευση φυτικών περιοχών. Επιπλέον, οι αναλύσεις της καμπύλης αντανάκλασης απέδειξαν ότι τα B1, B9 και B10 (εγγενής ανάλυση 60 m) δεν μπορούσαν να χρησιμοποιηθούν για τον διαχωρισμό των κατηγοριών κάλυψης γης. Οι παρατηρήσεις αυτές θα μπορούσαν να εξηγηθούν από τα χαρακτηριστικά αυτών των ζωνών. Β1 (παράκτιο αεροζόλ), επηρεασμένο έντονα από την ατμόσφαιρα και από τα Β9 και Β10, τα οποία ήταν υδρατμοί και κίρρος, δεν παρείχαν φασματικές πληροφορίες σχετικά με την επιφάνεια της Γης. Έτσι, αυτές οι ζώνες αφαιρέθηκαν από τα δεδομένα και πραγματοποιήθηκαν περαιτέρω αναλύσεις με τις υπόλοιπες 10 ζώνες. Η φασματική αξιολόγηση έδειξε ότι η κύρια πρόκληση ήταν ο διαχωρισμός της γυμνής γης και των κατοικημένων περιοχών, που ήταν ο κύριος στόχος αυτής της έρευνας.

'' Δημιουργία εικόνων πολλαπλών δεικτών''

Για το στοιχείο κάλυψης βλάστησης, εξετάστηκε ο δείκτης ομαλοποιημένης βλάστησης με βάση τις κόκκινες άκρες (NDVIre) και δύο γνωστοί δείκτες βλάστησης, ο προσαρμοσμένος στο έδαφος δείκτης βλάστησης (SAVI) , και ο NDVI. O Hansen et al. , είχε αξιολογήσει για πρώτη φορά το NDVIre αναλύοντας δεδομένα υπερφασματικής αντανάκλασης. Η Delgado et al.Mκαι η Frampton et al είχαν δοκιμάσει για πρώτη φορά τη δυνατότητα εφαρμογής της στα σχεδιασμένα τμήματα μήκους κύματος Sentinel-2, πριν από την έναρξη της δορυφορικής αποστολής, χρησιμοποιώντας δεδομένα από διάφορες επιτόπιες εκστρατείες του ΗΣΥ σε γεωργικές εγκαταστάσεις. Τα αποτελέσματα και των δύο μελετών έδειξαν ότι η εφαρμογή αυτού του δείκτη στο κόκκινο B4 του Sentinel-2 (665 nm) και στις νέες ζώνες B5 (705 nm) του κόκκινου άκρου, παρείχε υψηλές συσχετίσεις κατά την εκτίμηση του δείκτη περιοχής φύλλων και της περιεκτικότητας σε χλωροφύλλη. Pu et al και Zhu et al. εισήγαγε τη λειτουργική χρήση αυτού του δείκτη για τις δορυφορικές εικόνες Worldview-2. Απ' όσο γνωρίζουμε, αυτή η έρευνα είναι μια νέα αξιολόγηση του NDVIre σχετικά με τις επιχειρησιακές εικόνες Sentinel-2A.
Τέλος, για το συστατικό του υδατικού σώματος, εξετάστηκε ο ομαλοποιημένος δείκτης νερού διαφοράς (NDWI) και ο τροποποιημένος ομαλοποιημένος δείκτης νερού διαφοράς (MNDWI). Οι τύποι που σχετίζονται με τους παραπάνω φασματολογικούς δείκτες ήταν:

NDTI=((SWIR 1−SWIR 2))/((SWIR 1+SWIR 2)) (1)

NDVIre=((RedEdge 1−Red))/((RedEdge 1+Red)) (2)

NDVI=((NIR−Red))/((NIR+Red)) (3)

SAVI=((NIR−Red))/((NIR+Red+0.5))×1.5 (4)

NDWI=((Green−NIR))/((Green+NIR)) (5)

MNDWI=((Green−SWIR 1))/((Green+SWIR 1)) (6)

'' Πειραματική σύγκριση των υφιστάμενων ενσωματωμένων δεικτών''

Το κύριο ενδιαφέρον για την ταξινόμηση της LCU στις αστικές περιοχές είναι ο διαχωρισμός των γυμνών εκτάσεων και των κατοικημένων περιοχών, λόγω των παρόμοιων φασματικών χαρακτηριστικών τους. Η εξόρυξη της γυμνής γης είναι ένα δύσκολο έργο, λόγω της πολυπλοκότητας των συστατικών του εδάφους και των φασμάτων του εδάφους. Όπως δήλωσε ο Ben-Dor et al το χημικό συστατικό επηρεάζει άμεσα τη φασματική υπογραφή γυμνών εδαφών, οι οποίες μπορεί να είναι ισχυρές ή αδύναμες. Επιπλέον, πολλές από αυτές τις φασματικές υπογραφές αλληλοεπικαλύπτονται, γεγονός που καθιστά δύσκολο τον προσδιορισμό της κάλυψης του εδάφους. Κατά συνέπεια, τα φασματικά χαρακτηριστικά της κάλυψης του εδάφους, με διαφορετικά συστατικά και περιεκτικότητα σε νερό, μπορεί να διαφέρουν μεταξύ διαφορετικών περιβαλλόντων και εποχών, γεγονός που καθιστά δύσκολη τη διαφοροποίηση της γυμνής γης.

'' Ομαλοποιημένος δείκτης διαφοράς άροσης (NDTI)''

Για να προταθεί ένας δείκτης που μπορεί να αναδείξει τις κατοικημένες περιοχές και να τις διαχωρίσει από τη γυμνή γη, τα φασματικά προφίλ αυτών των δύο χαρακτηριστικών γης αναλύθηκαν σε διάφορα σημεία του δείγματος. Έδειξε ότι η διαφορά αντανάκλασης μεταξύ των ζωνών SWIR (ζώνες 11 και 12) ήταν υψηλότερη για τα εικονοστοιχεία που επιλέχθηκαν από τη γυμνή γη από ό, τι για τα εικονοστοιχεία που επιλέχθηκαν από τις κατοικημένες περιοχές. Αυτό υποδείκνυε την πιθανή αποτελεσματικότητα αυτών των δύο ζωνών SWIR για τη διαφοροποίηση της δομημένης περιοχής από τη γυμνή γη. Διερευνήθηκε η δυνατότητα εφαρμογής του NDTI στις ζώνες SWIR των εικόνων Sentinel-2A για την κατοικημένη περιοχή και την εξόρυξη γυμνών εκτάσεων. Ο δείκτης αυτός προτάθηκε για πρώτη φορά από τους van Deventer et al. για πρακτικές εδάφους, διαχείριση άροσης και χαρτογράφηση καταλοίπων καλλιεργειών και εφαρμόστηκε με επιτυχία από τους Daughtry et al. και Eskandari et al. για γεωργικές πρακτικές και διαχείριση του εδάφους. Απ' όσο γνωρίζουμε, είναι η πρώτη φορά που η NDTI χρησιμοποιείται ως συστατικό στοιχείο για τη διάκριση και τον διαχωρισμό των Τα στοιχεία της NDTI που παρέχονται στο σχήμα 4 και οι υφιστάμενοι ενσωματωμένοι δείκτες που παρέχονται στο σχήμα 3 δείχνουν ότι η NDTI μπορεί να αναδείξει τις αστικές περιοχές και αυξάνει την αντίθεση μεταξύ της γυμνής γης (κόκκινος κύκλος) και της δομημένης περιοχής (μπλε κύκλος). Αυτή η οπτική επιθεώρηση δείχνει την πιθανή αποτελεσματικότητα της NDTI, σε σύγκριση με τους υπάρχοντες ενσωματωμένους δείκτες.κατοικημένων περιοχών και της γυμνής γης.

'' Ομαλοποιημένος δείκτης διαφοράς άροσης (NDTI)''

Για να προταθεί ένας δείκτης που μπορεί να αναδείξει τις κατοικημένες περιοχές και να τις διαχωρίσει από τη γυμνή γη, τα φασματικά προφίλ αυτών των δύο χαρακτηριστικών γης αναλύθηκαν σε διάφορα σημεία του δείγματος. Έδειξε ότι η διαφορά αντανάκλασης μεταξύ των ζωνών SWIR (ζώνες 11 και 12) ήταν υψηλότερη για τα εικονοστοιχεία που επιλέχθηκαν από τη γυμνή γη από ό, τι για τα εικονοστοιχεία που επιλέχθηκαν από τις κατοικημένες περιοχές. Αυτό υποδείκνυε την πιθανή αποτελεσματικότητα αυτών των δύο ζωνών SWIR για τη διαφοροποίηση της δομημένης περιοχής από τη γυμνή γη. Διερευνήθηκε η δυνατότητα εφαρμογής του NDTI στις ζώνες SWIR των εικόνων Sentinel-2A για την κατοικημένη περιοχή και την εξόρυξη γυμνών εκτάσεων. Ο δείκτης αυτός προτάθηκε για πρώτη φορά από τους van Deventer et al. για πρακτικές εδάφους, διαχείριση άροσης και χαρτογράφηση καταλοίπων καλλιεργειών και εφαρμόστηκε με επιτυχία από τους Daughtry et al. και Eskandari et al. για γεωργικές πρακτικές και διαχείριση του εδάφους. Απ' όσο γνωρίζουμε, είναι η πρώτη φορά που η NDTI χρησιμοποιείται ως συστατικό στοιχείο για τη διάκριση και τον διαχωρισμό των Τα στοιχεία της NDTI που παρέχονται στο σχήμα 4 και οι υφιστάμενοι ενσωματωμένοι δείκτες που παρέχονται στο σχήμα 3 δείχνουν ότι η NDTI μπορεί να αναδείξει τις αστικές περιοχές και αυξάνει την αντίθεση μεταξύ της γυμνής γης (κόκκινος κύκλος) και της δομημένης περιοχής (μπλε κύκλος). Αυτή η οπτική επιθεώρηση δείχνει την πιθανή αποτελεσματικότητα της NDTI, σε σύγκριση με τους υπάρχοντες ενσωματωμένους δείκτες.κατοικημένων περιοχών και της γυμνής γης.

'' Αξιολόγηση ταξινόμησης και ακρίβειας''
Για την αξιολόγηση της ακρίβειας των αποτελεσμάτων ταξινόμησης, οι συνολικές ακρίβειες με τις μετρήσεις του χρήστη, του παραγωγού και της συνολικής ακρίβειας και της στατικής Kappa προήλθαν από τον πίνακα σύγχυσης. Η αξιολόγηση της ακρίβειας των αποτελεσμάτων ταξινόμησης πραγματοποιήθηκε με στρωματοποιημένα τυχαία σημεία και η αρχική εικόνα Sentinel-2A και οι εικόνες © Google Earth ως δεδομένα αναφοράς. Σχεδιάστηκε μια τυχαία κατανομή σημείων, ανάλογα με το δυναμικό ετερογένειας και την κάλυψη των τάξεων. Η κατανομή του δείγματος εκπαίδευσης και ο αριθμός των βαθμών που χρησιμοποιούνται στην αξιολόγηση ακρίβειας παρέχονται για κάθε κατηγορία και περιφέρεια του πίνακα 1.

'''Αποτελέσματα και συζήτηση '''

'' Αποτελέσματα για την κύρια περιοχή μελέτης''

Τα αποτελέσματα της ταξινόμησης και οι μετρήσεις αξιολόγησης της ακρίβειας έδειξαν ότι η NDTI, σε συνδυασμό με το NDVIre και το MNDWI, παρείχαν την υψηλότερη ακρίβεια, σε σύγκριση με άλλους συνδυασμούς, συμπεριλαμβανομένων των υφιστάμενων ενσωματωμένων δεικτών και της αρχικής ταξινόμησης εικόνας. Η οπτική ανάλυση των εικόνων που προκύπτουν στο Σχήμα 5 δείχνει ότι η NDTI επιλύει το πρόβλημα ανάμειξης της δομημένης και της γυμνής γης, κάτι που είναι προφανές σε άλλους ενσωματωμένους δείκτες. Επιπλέον, τα προβλήματα που σχετίζονται με την υπερεκτίμηση των κατοικημένων περιοχών και την υποτίμηση της γυμνής γης βελτιώθηκαν σημαντικά, χρησιμοποιώντας αυτόν τον συνδυασμό.
Αν και τα αποτελέσματα ταξινόμησης της εικόνας πολλαπλών δεικτών που βασίζεται σε NDTI υποτίμησαν την πυκνότητα της δομημένης περιοχής σε ορισμένες πυκνές κατοικημένες περιοχές, η προτεινόμενη μέθοδος ταξινόμησης εικόνας πολλαπλών δεικτών παρείχε αξιόπιστες πληροφορίες τόσο για γυμνές εκτάσεις όσο και για δομημένα εδάφη, ενώ κατηγοριοποίησε με ακρίβεια τις κατηγορίες κάλυψης γης νερού και βλάστησης.

''Επικύρωση ανεξάρτητων περιοχών δοκιμών''

Η αποτελεσματικότητα και η εφαρμοσιμότητα της προτεινόμενης προσέγγισης δοκιμάστηκε σε δύο μητροπολιτικές πόλεις της Τουρκίας, την Άγκυρα και την Κόνια. Οι περιφέρειες αυτές ήταν καλές υποψήφιες για την αξιολόγηση των επιδόσεων της μεθόδου πολλαπλών δεικτών, επειδή περιλαμβάνουν κατοικημένες και βιομηχανικές περιοχές που περιβάλλονται από εκτεταμένες γυμνές εκτάσεις, οι οποίες ταιριάζουν στον κύριο στόχο αυτής της έρευνας. Επιπλέον, οι ημερομηνίες απόκτησης εικόνας αντιπροσώπευαν διαφορετικές εποχιακές συνθήκες. Η ταξινόμηση SVM πραγματοποιήθηκε σε αυτές τις περιοχές για τα τρία σύνολα δεδομένων, τα οποία ήταν η αρχική εικόνα Sentinel-2A δέκα ζωνών, το σύνολο δεδομένων NDBI, NDVIre, MNDWI και το σύνολο δεδομένων NDTI, NDVIre, MNDWI.
Η ανάλυση των δύο ανεξάρτητων περιοχών δοκιμών έδειξε παρόμοια χαρακτηριστικά και υποστήριξε την αποτελεσματικότητα του πολυ-δείκτη που βασίζεται σε NDTI σε διαφορετικές χερσαίες και εποχιακές συνθήκες. Συγκεκριμένα, οι στέγες κτιρίων σε βιομηχανικές περιοχές ήταν κατασκευασμένες από υλικά και σκυρόδεμα με βάση το αλουμίνιο, ενώ οι στέγες των άλλων κτιρίων στις δομημένους χώρους ήταν κατασκευασμένες από πλακάκια κυρίως και στις περιοχές δοκιμών. Η διαφορά στο υλικό οροφής είχε ως αποτέλεσμα διαφορετικές φασματικές αντιδράσεις και επέτρεψε το διαχωρισμό στις αρχικές φασματικές ζώνες και τα δεδομένα πολλαπλών δεικτών για αυτές τις κατηγορίες. Έτσι, το πρόβλημα της ανάμειξης ήταν κυρίως μεταξύ γυμνών εκτάσεων και των κατοικημένων περιοχών και μεταξύ γυμνής γης και βιομηχανίας. Απαιτείται περαιτέρω ανάλυση για την αξιολόγηση των επιδόσεων της προτεινόμενης προσέγγισης σε περιοχές όπου οι βιομηχανικές και δομούμενες περιοχές αποτελούνταν από παρόμοια υλικά οροφής.
Τα αποτελέσματα της μελέτης και των περιοχών δοκιμών έδειξαν ότι, αν και οι ενσωματωμένοι δείκτες έχουν αποδειχθεί ότι αναδεικνύουν τις κατοικημένες περιοχές, οι επιδόσεις τους περιορίστηκαν σε ετερογενή τοπία, όπου οι αστικές περιοχές και οι γυμνές εκτάσεις ήταν μικτές. Ένας δείκτης υπέρυθρης βάσης βραχέων κυμάτων βελτίωσε τον διαχωρισμό των αστικών περιοχών και των γυμνών εδαφών, όπως φαίνεται σε αυτό το ερευνητικό έργο. Επιπλέον, οι πρόσφατα προστιθέμενοι φασματικές ζώνες κόκκινου άκρου του Sentinel-2A ενίσχυσαν την ανίχνευση και τη χαρτογράφηση της κάλυψης της βλάστησης.

'''Συμπεράσματα '''

Ο διαχωρισμός της γυμνής γης από τις αδιαπέραστες επιφάνειες και τις κατοικημένες περιοχές ήταν το κύριο πρόβλημα στη χαρτογράφηση των αστικοποιημένων περιοχών. Σε αυτό το ερευνητικό έργο, έχει προταθεί μια νέα προσέγγιση πολλαπλών δεικτών για την ταξινόμηση LCU των δορυφορικών εικόνων Sentinel-2A, εστιάζοντας στον διαχωρισμό της αστικής και της γυμνής γης, εκτός από άλλες κατηγορίες κάλυψης γης. Για τη βελτίωση της ακρίβειας ταξινόμησης και την επίλυση των προβλημάτων εσφαλμένης ταξινόμησης και υπερεκτίμησης, αναπτύχθηκε μεθοδολογία με τη χρήση φασματικών δεικτών που κατηγοριοποίησαν τις τρεις μεγάλες κατηγορίες κάλυψης γης, υδάτινα σώματα, κάλυψη βλάστησης και κατοικημένες περιοχές. Οι εικόνες πολλαπλών ευρετηρίων που δημιουργήθηκαν με διαφορετικούς συνδυασμούς ευρετηρίων ταξινομήθηκαν χρησιμοποιώντας τον αλγόριθμο SVM που βασίζεται στη μηχανική μάθηση. Τα αποτελέσματα ταξινόμησης πολλαπλών δεικτών συγκρίθηκαν με το αποτέλεσμα ταξινόμησης SVM της εικόνας Sentinel-2A δέκα ζωνών. Τα αποτελέσματα αυτής της έρευνας έδειξαν ότι η NDTI σε συνδυασμό με το NDVIre και το MNDWI βελτίωσαν τον διαχωρισμό μεταξύ των κατοικημένων περιοχών και των γυμνών εκτάσεων και βελτίωσαν σημαντικά την εσφαλμένη ταξινόμηση των γυμνών εκτάσεων ως δομημένους περιοχές. Επιπλέον, το NDTI, το οποίο υπολογίστηκε από τη διαφορά των ζωνών SWIR, διαιρούμενο με το άθροισμά τους, θα μπορούσε να εφαρμοστεί στις εικόνες Landsat 5, 7 και 8, καθώς και στις αποστολές Landsat που περιελάμβαναν τις ζώνες SWIR με παρόμοιο εύρος μήκους κύματος της αποστολής Sentinel-2. Αυτή η δυνατότητα εφαρμογής επέτρεψε μια περαιτέρω ανάλυση χρησιμοποιώντας συνδυασμένες ιστορικές αρχειακές αποστολές Landsat και υψηλότερες χωρικές και φασματικές εικόνες Sentinel-2A, για την ανίχνευση αλλαγών LCU μέσα από δεκαετίες. Αν και η ταξινόμηση των εικόνων Sentinel-2A δέκα ζωνών παρείχε αποδεκτά αποτελέσματα που σχετίζονται με τη δομημένη περιοχή και τις γυμνές κατηγορίες γης, η εικόνα πολλαπλών δεικτών του NDTI, του NDVIre και του MNDWI παρείχε πιο ερμηνευτικά και ενδεικτικά αποτελέσματα για τις κατοικημένες περιοχές, όσον αφορά το σχήμα, την ένταση και το μοτίβο. Ο προτεινόμενος συνδυασμός παρείχε επίσης ικανοποιητικά αποτελέσματα και βελτιώσεις ακρίβειας για τις άλλες κατηγορίες LCU, με ακρίβεια 85% ή καλύτερη στις τρεις περιφέρειες μελέτης, σε σύγκριση με άλλα σύνολα δεδομένων. Τα ευρήματα αυτά υποδεικνύουν την πιθανή αποτελεσματικότητα του προτεινόμενου πολυ-δείκτη που έχει οριστεί ως μέθοδος μείωσης της διάστασης στην πολυχρονική ανάλυση. Περαιτέρω μελέτες έχουν προγραμματιστεί για την ενσωμάτωση πολυχρονικών και πολυπολικών δεδομένων SAR, όπως το Sentinel 1 (για την επεξεργασία της αλυσίδας), προκειμένου να αξιοποιούνται τα δεδομένα SAR στο διαχωρισμό γυμνών εδαφών και δομημένου περιοχών.

Μπάσιου Άννα

2022-02-03T07:22:09Z

Annabasiou:

Μπάσιου Άννα

2022-02-03T07:09:55Z

Annabasiou:

* [[Χαρτογράφηση γεωργικών προτύπων χρήσης γης από χρονοσειρές Landsat 8, χρησιμοποιώντας μια ιεραρχική προσέγγιση... | Χαρτογράφηση γεωργικών προτύπων χρήσης γης από χρονοσειρές Landsat 8, χρησιμοποιώντας μια ιεραρχική προσέγγιση βασισμένη στον αλγόριθμο Random Forest.]]

[[category:ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Μέτσοβο)]]

* [[Αξιοποιώντας τις χρονοσειρές των εικόνων Sentinel-1 και Sentinel-2 για την ανίχνευση της φαινολογίας λιβαδιών σε ορεινές περιοχές]]

* [[Αλλαγές στη φαινολογία του χιονιού από το 1979 έως το 2016 πάνω από τα όρη Tianshan, Κεντρική Ασία]]

* [[Διαχωρισμός των δομημένων περιοχών από τη γυμνή γη σε μεσογειακές πόλεις χρησιμοποιώντας εικόνες Sentinel-2A.]]

Διαχωρισμός των δομημένου περιοχών από τη γυμνή γη σε μεσογειακές πόλεις χρησιμοποιώντας εικόνες Sentinel-2A.

2022-02-03T07:07:56Z

Annabasiou:

[[category:Εκτίμηση καταλληλότητας της γης για διάφορες εφαρμογές]]

'''Διαχωρισμός των δομημένου περιοχών από τη γυμνή γη σε μεσογειακές πόλεις χρησιμοποιώντας εικόνες Sentinel-2A.'''

'''Πρωτότυπος τίτλος:''' ''Separating Built-Up Areas from Bare Land in Mediterranean Cities Using Sentinel-2A Imagery''
[[Εικόνα:abasiou_wiki4_sxhma1.jpg | thumb| right|'''Σχήμα 1. '''
Χάρτης θέσης της κύριας περιοχής μελέτης και των περιοχών δοκιμής (Χάρτης χώρας από ESRI©, Καλιφόρνια, ΗΠΑ, πιο προσεκτική ματιά από το φυσικό σύνθετο χρώμα του Sentinel-2A).]]

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

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.mdpi.com/2072-4292/11/3/345/htm]

'''Λέξεις-Κλειδιά: ''' προσέγγιση πολλαπλών δεικτών, χαρτογράφηση χερσαίας κάλυψης/χρήσης, Ταξινόμηση SVM, γυμνή γη, δομημένη περιοχή

[[Εικόνα:abasiou_wiki4_sxhma2.JPG | thumb| right|'''Σχήμα 2.'''

Φασματικές καμπύλες ανάκλασης διαφορετικών τύπων κάλυψης/χρήσης γης (LCU), σύμφωνα με τις ζώνες εικόνας Sentinel-2A (κορυφαίες τιμές ανάκλασης ατμόσφαιρας που που προέρχονται από δορυφορική εικόνα ανάλυσης 12 bit) ]]

[[Εικόνα:abasiou_wiki4_sxhma3.JPG | thumb| right|'''Σχήμα 3.'''

Εικόνες του (α) Sentinel-2A RGB; β) ομαλοποιημένος δείκτης δημιουργίας διαφορών (NDBI)· γ) δείκτης δημιουργίας (BUI)· δ) δείκτης εξόρυξης δομημένης έκτασης (BAEI)· ε) νέος δείκτης δημιουργίας (NBI)· στ) δείκτης βλάστησης (VIBI)· ζ) δείκτης που βασίζεται σε ευρετήριο (IBI)· η) αστικός δείκτης (UI)· και i) γυμνό δείκτη εδάφους (BSI). ]]

[[Εικόνα:abasiou_wiki4_sxhma4.JPG | thumb| right|'''Σχήμα 4.'''

Οι εικόνες του (α) του Δείκτη Ομαλοποιημένης Διαφοράς (NDTI) και(β) ενός υποσυνόλου της NDTI αποτελούν παράδειγμα της αντίθεσης μεταξύ γυμνών εδαφών και δομημένων περιοχών. ]]

[[Εικόνα:abasiou_wiki4_pinakas1.JPG | thumb| right|'''Πίνακας 1.'''

Δείγμα κατάρτισης και κατανομή σημείων αξιολόγησης της ακρίβειας για τις περιφέρειες μελέτης. ]]

[[Εικόνα:abasiou_wiki4_sxhma5.JPG | thumb| right|'''Σχήμα 5.'''

Αποτελέσματα ταξινόμησης:α) NDBI· β)BUI· γ)BAEI· δ) NBI· ε)VIBI· στ)IBI· ζ) περιβάλλον εργασίας χρήστη· η)BSI· i)σύνολα πολλαπλών ευρετηρίων που βασίζονται σε NDTI· και(ι)πρωτότυπες φασματικές ζώνες. ]]

'''Εισαγωγή'''
Σε όλη την ιστορία, η αύξηση της πυκνότητας του πληθυσμού και η επέκταση των αστικών περιοχών, ιδίως στις μητροπολιτικές πόλεις, έχουν αλλάξει τη μορφή της επιφάνειας της Γης. Ο ρυθμός αύξησης της κάλυψης/χρήσης γης (LCU) έχει αυξηθεί τις τελευταίες δεκαετίες. Η αύξηση του πληθυσμού οδηγεί σε αύξηση της κατανάλωσης νερού και ενέργειας και προκαλεί αλλαγές στην επιφάνεια της γης, οι οποίες έχουν ως αποτέλεσμα την περιφερειακή έως παγκόσμια κλιματική αλλαγή και την υποβάθμιση του περιβάλλοντος.
Οι αλλαγές στην LCU που έχουν συμβεί λόγω της αστικοποίησης, της αποψίλωσης των δασών, των φυσικών καταστροφών και των έντονων γεωργικών πρακτικών, έχουν επηρεάσει σε μεγάλο βαθμό τα κλιματικά χαρακτηριστικά σε περιφερειακή και παγκόσμια κλίμακα. Οι αλλαγές αυτές οδηγούν γενικά σε αυξήσεις των θερμοκρασιών κοντά στην επιφάνεια και σχηματισμό των νήσων θερμότητας, οι οποίες προκαλούν άλλα κλιματικά φαινόμενα.
Η διαθεσιμότητα δωρεάν παγκόσμιων και ιστορικών δορυφορικών εικόνων παρέχει μια πολύτιμη ευκαιρία για τη χαρτογράφηση και την παρακολούθηση της LCU.
Ο κύριος στόχος αυτού του ερευνητικού έργου ήταν να προτείνει μια προσέγγιση ταξινόμησης SVM που βασίζεται σε πολλαπλούς δείκτες, για τη χαρτογράφηση επτά διαφορετικών κατηγοριών LCU, σε σύνθετες αστικές περιοχές. Η έρευνα επικεντρώθηκε στον διαχωρισμό των κατοικημένων περιοχών και των γυμνών εδαφών, εκτός από την παροχή ενός ακριβούς και αξιόπιστου χάρτη LCU, σε τρεις πυκνά αστικοποιημένες μητροπολιτικές πόλεις της Τουρκίας, χρησιμοποιώντας τις εικόνες Sentinel-2A.

'''Περιοχή μελέτης '''

Η Κωνσταντινούπολη είναι η πιο πυκνοκατοικημένη και η μεγαλύτερη πόλη της Τουρκίας, που βρίσκεται σε γεωγραφικό πλάτος 41°00′44,06" Β και γεωγραφικό μήκος 28°58′33,66" Ε, στο Βόρειο Ημισφαίριο, ενώνοντας τις δύο ηπείρους της Ασίας και της Ευρώπης. Η Κωνσταντινούπολη είναι επίσης μία από τις μεγαλύτερες μητροπολιτικές πόλεις της Ευρώπης, καλύπτοντας περίπου 5.500 χιλιόμετρα2, με πληθυσμό άνω των 15 εκατομμυρίων το 2017, που αντιστοιχεί στο 18% της χώρας . Η σημαντική αύξηση του πληθυσμού που σημειώθηκε λόγω της βιομηχανικής ανάπτυξης και της απρογραμμάτιστης αστικοποίησης, κατά το δεύτερο μισό του εικοστού αιώνα, είχε ως αποτέλεσμα κρίσιμους μετασχηματισμούς της δομής και της μορφολογίας της πόλης.

'''Μεθοδολογία '''

'' Προεπεξεργασία δορυφορικών εικόνων και εξαγωγή φασματικών υπογραφών''

Οι δορυφορικές εικόνες που χρησιμοποιήθηκαν σε αυτή την έρευνα αποκτήθηκαν σε συνθήκες καθαρού ουρανού, με ελάχιστες ατμοσφαιρικές διαταραχές. Για κάθε περιοχή χρησιμοποιήθηκε μία μόνο εικόνα. Ως εκ τούτου, δεν ήταν αναγκαίο ένα βήμα προεπεξεργασίας της ατμοσφαιρικής διόρθωσης.
Η χωρική ανάλυση των ζωνών εικόνας Sentinel-2 διέφερε μέσω των τμημάτων μήκους κύματος. Έτσι, υπήρχε ανάγκη για ομοιόμορφη χωρική ανάλυση για αναλύσεις όπως η δημιουργία φασματικού προφίλ βάσει σημείου, η δημιουργία φασματικού δείκτη και η ταξινόμηση πολυφασματικής εικόνας. Oι ζώνες ανάλυσης 20 m και 60 m των εικόνων Sentinel-2A ανανεώθηκαν στα 10 m, χρησιμοποιώντας την πλησιέστερη μέθοδο γείτονα, για να διατηρηθεί η ακεραιότητα της χωρικής ανάλυσης.
Στο επόμενο βήμα, εξήχθησαν φασματικά προφίλ διαφόρων τύπων αντικειμένων γης, συμπεριλαμβανομένων των δασών broadleaf, των φυλλοβόλας δασών, των γεωργικών εκτάσεων, της αστικής πράσινης κάλυψης, της δομημένης, βιομηχανικής περιοχής, της αραιής κατοικημένης περιοχής, του θαλασσινού νερού, των υδάτων της λίμνης, της άσφαλτου και της γυμνής γης, για να εξετάσουν και να συγκρίνουν την ικανότητα διαχωρισμού των ζωνών εικόνας Sentinel-2A(Σχήμα 2 ). Κατά τη διάρκεια της διαδικασίας ταξινόμησης, τα δείγματα από πλατύφυλλα και φυλλοβόλα δάση τοποθετήθηκαν στην κατηγορία των δασών, δείγματα από αστική πράσινη κάλυψη και γεωργικές εκτάσεις ανατέθηκαν στην κατηγορία βλάστησης και δείγματα από λίμνες και θάλασσες ανατέθηκαν στην κατηγορία ύδατος, για να ληφθούν οι επτά τύποι κάλυψης γης που χρησιμοποιήθηκαν στην παρούσα έρευνα.
Όπως δείχνει το σχήμα 2, η γυμνή γη είχε παρόμοια αντανάκλαση με τις κατοικημένες περιοχές και ήταν δύσκολο να προσδιοριστούν αυτές οι δύο κατηγορίες με τη χρήση ενός ενιαίου δείκτη. Ήταν απλό να προσδιοριστούν τα υδάτινα σώματα από άλλους τύπους κάλυψης γης, λόγω της μοναδικής φασματικής υπογραφής τους. Η σταδιακή μείωση της αντανάκλασης από τη ζώνη 1 στη ζώνη 12 ήταν ειδική για τα υδατικά συστήματα. Μια σημαντική αύξηση της αντανάκλασης στις ζώνες των κόκκινων άκρων (B5, B6, B7) και nir ζώνες (B8, B8a), σε σύγκριση με την κόκκινη ζώνη (B4) ήταν ειδική για την κάλυψη βλάστησης και θα μπορούσε να χρησιμοποιηθεί για την ανίχνευση φυτικών περιοχών. Επιπλέον, οι αναλύσεις της καμπύλης αντανάκλασης απέδειξαν ότι τα B1, B9 και B10 (εγγενής ανάλυση 60 m) δεν μπορούσαν να χρησιμοποιηθούν για τον διαχωρισμό των κατηγοριών κάλυψης γης. Οι παρατηρήσεις αυτές θα μπορούσαν να εξηγηθούν από τα χαρακτηριστικά αυτών των ζωνών. Β1 (παράκτιο αεροζόλ), επηρεασμένο έντονα από την ατμόσφαιρα και από τα Β9 και Β10, τα οποία ήταν υδρατμοί και κίρρος, δεν παρείχαν φασματικές πληροφορίες σχετικά με την επιφάνεια της Γης. Έτσι, αυτές οι ζώνες αφαιρέθηκαν από τα δεδομένα και πραγματοποιήθηκαν περαιτέρω αναλύσεις με τις υπόλοιπες 10 ζώνες. Η φασματική αξιολόγηση έδειξε ότι η κύρια πρόκληση ήταν ο διαχωρισμός της γυμνής γης και των κατοικημένων περιοχών, που ήταν ο κύριος στόχος αυτής της έρευνας.

'' Δημιουργία εικόνων πολλαπλών δεικτών''

Για το στοιχείο κάλυψης βλάστησης, εξετάστηκε ο δείκτης ομαλοποιημένης βλάστησης με βάση τις κόκκινες άκρες (NDVIre) και δύο γνωστοί δείκτες βλάστησης, ο προσαρμοσμένος στο έδαφος δείκτης βλάστησης (SAVI) , και ο NDVI. O Hansen et al. , είχε αξιολογήσει για πρώτη φορά το NDVIre αναλύοντας δεδομένα υπερφασματικής αντανάκλασης. Η Delgado et al.Mκαι η Frampton et al είχαν δοκιμάσει για πρώτη φορά τη δυνατότητα εφαρμογής της στα σχεδιασμένα τμήματα μήκους κύματος Sentinel-2, πριν από την έναρξη της δορυφορικής αποστολής, χρησιμοποιώντας δεδομένα από διάφορες επιτόπιες εκστρατείες του ΗΣΥ σε γεωργικές εγκαταστάσεις. Τα αποτελέσματα και των δύο μελετών έδειξαν ότι η εφαρμογή αυτού του δείκτη στο κόκκινο B4 του Sentinel-2 (665 nm) και στις νέες ζώνες B5 (705 nm) του κόκκινου άκρου, παρείχε υψηλές συσχετίσεις κατά την εκτίμηση του δείκτη περιοχής φύλλων και της περιεκτικότητας σε χλωροφύλλη. Pu et al και Zhu et al. εισήγαγε τη λειτουργική χρήση αυτού του δείκτη για τις δορυφορικές εικόνες Worldview-2. Απ' όσο γνωρίζουμε, αυτή η έρευνα είναι μια νέα αξιολόγηση του NDVIre σχετικά με τις επιχειρησιακές εικόνες Sentinel-2A.
Τέλος, για το συστατικό του υδατικού σώματος, εξετάστηκε ο ομαλοποιημένος δείκτης νερού διαφοράς (NDWI) και ο τροποποιημένος ομαλοποιημένος δείκτης νερού διαφοράς (MNDWI). Οι τύποι που σχετίζονται με τους παραπάνω φασματολογικούς δείκτες ήταν:

NDTI=((SWIR 1−SWIR 2))/((SWIR 1+SWIR 2)) (1)

NDVIre=((RedEdge 1−Red))/((RedEdge 1+Red)) (2)

NDVI=((NIR−Red))/((NIR+Red)) (3)

SAVI=((NIR−Red))/((NIR+Red+0.5))×1.5 (4)

NDWI=((Green−NIR))/((Green+NIR)) (5)

MNDWI=((Green−SWIR 1))/((Green+SWIR 1)) (6)

'' Πειραματική σύγκριση των υφιστάμενων ενσωματωμένων δεικτών''

Το κύριο ενδιαφέρον για την ταξινόμηση της LCU στις αστικές περιοχές είναι ο διαχωρισμός των γυμνών εκτάσεων και των κατοικημένων περιοχών, λόγω των παρόμοιων φασματικών χαρακτηριστικών τους. Η εξόρυξη της γυμνής γης είναι ένα δύσκολο έργο, λόγω της πολυπλοκότητας των συστατικών του εδάφους και των φασμάτων του εδάφους. Όπως δήλωσε ο Ben-Dor et al το χημικό συστατικό επηρεάζει άμεσα τη φασματική υπογραφή γυμνών εδαφών, οι οποίες μπορεί να είναι ισχυρές ή αδύναμες. Επιπλέον, πολλές από αυτές τις φασματικές υπογραφές αλληλοεπικαλύπτονται, γεγονός που καθιστά δύσκολο τον προσδιορισμό της κάλυψης του εδάφους. Κατά συνέπεια, τα φασματικά χαρακτηριστικά της κάλυψης του εδάφους, με διαφορετικά συστατικά και περιεκτικότητα σε νερό, μπορεί να διαφέρουν μεταξύ διαφορετικών περιβαλλόντων και εποχών, γεγονός που καθιστά δύσκολη τη διαφοροποίηση της γυμνής γης.

'' Ομαλοποιημένος δείκτης διαφοράς άροσης (NDTI)''

Για να προταθεί ένας δείκτης που μπορεί να αναδείξει τις κατοικημένες περιοχές και να τις διαχωρίσει από τη γυμνή γη, τα φασματικά προφίλ αυτών των δύο χαρακτηριστικών γης αναλύθηκαν σε διάφορα σημεία του δείγματος. Έδειξε ότι η διαφορά αντανάκλασης μεταξύ των ζωνών SWIR (ζώνες 11 και 12) ήταν υψηλότερη για τα εικονοστοιχεία που επιλέχθηκαν από τη γυμνή γη από ό, τι για τα εικονοστοιχεία που επιλέχθηκαν από τις κατοικημένες περιοχές. Αυτό υποδείκνυε την πιθανή αποτελεσματικότητα αυτών των δύο ζωνών SWIR για τη διαφοροποίηση της δομημένης περιοχής από τη γυμνή γη. Διερευνήθηκε η δυνατότητα εφαρμογής του NDTI στις ζώνες SWIR των εικόνων Sentinel-2A για την κατοικημένη περιοχή και την εξόρυξη γυμνών εκτάσεων. Ο δείκτης αυτός προτάθηκε για πρώτη φορά από τους van Deventer et al. για πρακτικές εδάφους, διαχείριση άροσης και χαρτογράφηση καταλοίπων καλλιεργειών και εφαρμόστηκε με επιτυχία από τους Daughtry et al. και Eskandari et al. για γεωργικές πρακτικές και διαχείριση του εδάφους. Απ' όσο γνωρίζουμε, είναι η πρώτη φορά που η NDTI χρησιμοποιείται ως συστατικό στοιχείο για τη διάκριση και τον διαχωρισμό των Τα στοιχεία της NDTI που παρέχονται στο σχήμα 4 και οι υφιστάμενοι ενσωματωμένοι δείκτες που παρέχονται στο σχήμα 3 δείχνουν ότι η NDTI μπορεί να αναδείξει τις αστικές περιοχές και αυξάνει την αντίθεση μεταξύ της γυμνής γης (κόκκινος κύκλος) και της δομημένης περιοχής (μπλε κύκλος). Αυτή η οπτική επιθεώρηση δείχνει την πιθανή αποτελεσματικότητα της NDTI, σε σύγκριση με τους υπάρχοντες ενσωματωμένους δείκτες.κατοικημένων περιοχών και της γυμνής γης.

'' Ομαλοποιημένος δείκτης διαφοράς άροσης (NDTI)''

Για να προταθεί ένας δείκτης που μπορεί να αναδείξει τις κατοικημένες περιοχές και να τις διαχωρίσει από τη γυμνή γη, τα φασματικά προφίλ αυτών των δύο χαρακτηριστικών γης αναλύθηκαν σε διάφορα σημεία του δείγματος. Έδειξε ότι η διαφορά αντανάκλασης μεταξύ των ζωνών SWIR (ζώνες 11 και 12) ήταν υψηλότερη για τα εικονοστοιχεία που επιλέχθηκαν από τη γυμνή γη από ό, τι για τα εικονοστοιχεία που επιλέχθηκαν από τις κατοικημένες περιοχές. Αυτό υποδείκνυε την πιθανή αποτελεσματικότητα αυτών των δύο ζωνών SWIR για τη διαφοροποίηση της δομημένης περιοχής από τη γυμνή γη. Διερευνήθηκε η δυνατότητα εφαρμογής του NDTI στις ζώνες SWIR των εικόνων Sentinel-2A για την κατοικημένη περιοχή και την εξόρυξη γυμνών εκτάσεων. Ο δείκτης αυτός προτάθηκε για πρώτη φορά από τους van Deventer et al. για πρακτικές εδάφους, διαχείριση άροσης και χαρτογράφηση καταλοίπων καλλιεργειών και εφαρμόστηκε με επιτυχία από τους Daughtry et al. και Eskandari et al. για γεωργικές πρακτικές και διαχείριση του εδάφους. Απ' όσο γνωρίζουμε, είναι η πρώτη φορά που η NDTI χρησιμοποιείται ως συστατικό στοιχείο για τη διάκριση και τον διαχωρισμό των Τα στοιχεία της NDTI που παρέχονται στο σχήμα 4 και οι υφιστάμενοι ενσωματωμένοι δείκτες που παρέχονται στο σχήμα 3 δείχνουν ότι η NDTI μπορεί να αναδείξει τις αστικές περιοχές και αυξάνει την αντίθεση μεταξύ της γυμνής γης (κόκκινος κύκλος) και της δομημένης περιοχής (μπλε κύκλος). Αυτή η οπτική επιθεώρηση δείχνει την πιθανή αποτελεσματικότητα της NDTI, σε σύγκριση με τους υπάρχοντες ενσωματωμένους δείκτες.κατοικημένων περιοχών και της γυμνής γης.

'' Αξιολόγηση ταξινόμησης και ακρίβειας''
Για την αξιολόγηση της ακρίβειας των αποτελεσμάτων ταξινόμησης, οι συνολικές ακρίβειες με τις μετρήσεις του χρήστη, του παραγωγού και της συνολικής ακρίβειας και της στατικής Kappa προήλθαν από τον πίνακα σύγχυσης. Η αξιολόγηση της ακρίβειας των αποτελεσμάτων ταξινόμησης πραγματοποιήθηκε με στρωματοποιημένα τυχαία σημεία και η αρχική εικόνα Sentinel-2A και οι εικόνες © Google Earth ως δεδομένα αναφοράς. Σχεδιάστηκε μια τυχαία κατανομή σημείων, ανάλογα με το δυναμικό ετερογένειας και την κάλυψη των τάξεων. Η κατανομή του δείγματος εκπαίδευσης και ο αριθμός των βαθμών που χρησιμοποιούνται στην αξιολόγηση ακρίβειας παρέχονται για κάθε κατηγορία και περιφέρεια του πίνακα 1.

'''Αποτελέσματα και συζήτηση '''

'' Αποτελέσματα για την κύρια περιοχή μελέτης''

Τα αποτελέσματα της ταξινόμησης και οι μετρήσεις αξιολόγησης της ακρίβειας έδειξαν ότι η NDTI, σε συνδυασμό με το NDVIre και το MNDWI, παρείχαν την υψηλότερη ακρίβεια, σε σύγκριση με άλλους συνδυασμούς, συμπεριλαμβανομένων των υφιστάμενων ενσωματωμένων δεικτών και της αρχικής ταξινόμησης εικόνας. Η οπτική ανάλυση των εικόνων που προκύπτουν στο Σχήμα 5 δείχνει ότι η NDTI επιλύει το πρόβλημα ανάμειξης της δομημένης και της γυμνής γης, κάτι που είναι προφανές σε άλλους ενσωματωμένους δείκτες. Επιπλέον, τα προβλήματα που σχετίζονται με την υπερεκτίμηση των κατοικημένων περιοχών και την υποτίμηση της γυμνής γης βελτιώθηκαν σημαντικά, χρησιμοποιώντας αυτόν τον συνδυασμό.
Αν και τα αποτελέσματα ταξινόμησης της εικόνας πολλαπλών δεικτών που βασίζεται σε NDTI υποτίμησαν την πυκνότητα της δομημένης περιοχής σε ορισμένες πυκνές κατοικημένες περιοχές, η προτεινόμενη μέθοδος ταξινόμησης εικόνας πολλαπλών δεικτών παρείχε αξιόπιστες πληροφορίες τόσο για γυμνές εκτάσεις όσο και για δομημένα εδάφη, ενώ κατηγοριοποίησε με ακρίβεια τις κατηγορίες κάλυψης γης νερού και βλάστησης.

''Επικύρωση ανεξάρτητων περιοχών δοκιμών''

Η αποτελεσματικότητα και η εφαρμοσιμότητα της προτεινόμενης προσέγγισης δοκιμάστηκε σε δύο μητροπολιτικές πόλεις της Τουρκίας, την Άγκυρα και την Κόνια. Οι περιφέρειες αυτές ήταν καλές υποψήφιες για την αξιολόγηση των επιδόσεων της μεθόδου πολλαπλών δεικτών, επειδή περιλαμβάνουν κατοικημένες και βιομηχανικές περιοχές που περιβάλλονται από εκτεταμένες γυμνές εκτάσεις, οι οποίες ταιριάζουν στον κύριο στόχο αυτής της έρευνας. Επιπλέον, οι ημερομηνίες απόκτησης εικόνας αντιπροσώπευαν διαφορετικές εποχιακές συνθήκες. Η ταξινόμηση SVM πραγματοποιήθηκε σε αυτές τις περιοχές για τα τρία σύνολα δεδομένων, τα οποία ήταν η αρχική εικόνα Sentinel-2A δέκα ζωνών, το σύνολο δεδομένων NDBI, NDVIre, MNDWI και το σύνολο δεδομένων NDTI, NDVIre, MNDWI.
Η ανάλυση των δύο ανεξάρτητων περιοχών δοκιμών έδειξε παρόμοια χαρακτηριστικά και υποστήριξε την αποτελεσματικότητα του πολυ-δείκτη που βασίζεται σε NDTI σε διαφορετικές χερσαίες και εποχιακές συνθήκες. Συγκεκριμένα, οι στέγες κτιρίων σε βιομηχανικές περιοχές ήταν κατασκευασμένες από υλικά και σκυρόδεμα με βάση το αλουμίνιο, ενώ οι στέγες των άλλων κτιρίων στις δομημένους χώρους ήταν κατασκευασμένες από πλακάκια κυρίως και στις περιοχές δοκιμών. Η διαφορά στο υλικό οροφής είχε ως αποτέλεσμα διαφορετικές φασματικές αντιδράσεις και επέτρεψε το διαχωρισμό στις αρχικές φασματικές ζώνες και τα δεδομένα πολλαπλών δεικτών για αυτές τις κατηγορίες. Έτσι, το πρόβλημα της ανάμειξης ήταν κυρίως μεταξύ γυμνών εκτάσεων και των κατοικημένων περιοχών και μεταξύ γυμνής γης και βιομηχανίας. Απαιτείται περαιτέρω ανάλυση για την αξιολόγηση των επιδόσεων της προτεινόμενης προσέγγισης σε περιοχές όπου οι βιομηχανικές και δομούμενες περιοχές αποτελούνταν από παρόμοια υλικά οροφής.
Τα αποτελέσματα της μελέτης και των περιοχών δοκιμών έδειξαν ότι, αν και οι ενσωματωμένοι δείκτες έχουν αποδειχθεί ότι αναδεικνύουν τις κατοικημένες περιοχές, οι επιδόσεις τους περιορίστηκαν σε ετερογενή τοπία, όπου οι αστικές περιοχές και οι γυμνές εκτάσεις ήταν μικτές. Ένας δείκτης υπέρυθρης βάσης βραχέων κυμάτων βελτίωσε τον διαχωρισμό των αστικών περιοχών και των γυμνών εδαφών, όπως φαίνεται σε αυτό το ερευνητικό έργο. Επιπλέον, οι πρόσφατα προστιθέμενοι φασματικές ζώνες κόκκινου άκρου του Sentinel-2A ενίσχυσαν την ανίχνευση και τη χαρτογράφηση της κάλυψης της βλάστησης.

'''Συμπεράσματα '''

Ο διαχωρισμός της γυμνής γης από τις αδιαπέραστες επιφάνειες και τις κατοικημένες περιοχές ήταν το κύριο πρόβλημα στη χαρτογράφηση των αστικοποιημένων περιοχών. Σε αυτό το ερευνητικό έργο, έχει προταθεί μια νέα προσέγγιση πολλαπλών δεικτών για την ταξινόμηση LCU των δορυφορικών εικόνων Sentinel-2A, εστιάζοντας στον διαχωρισμό της αστικής και της γυμνής γης, εκτός από άλλες κατηγορίες κάλυψης γης. Για τη βελτίωση της ακρίβειας ταξινόμησης και την επίλυση των προβλημάτων εσφαλμένης ταξινόμησης και υπερεκτίμησης, αναπτύχθηκε μεθοδολογία με τη χρήση φασματικών δεικτών που κατηγοριοποίησαν τις τρεις μεγάλες κατηγορίες κάλυψης γης, υδάτινα σώματα, κάλυψη βλάστησης και κατοικημένες περιοχές. Οι εικόνες πολλαπλών ευρετηρίων που δημιουργήθηκαν με διαφορετικούς συνδυασμούς ευρετηρίων ταξινομήθηκαν χρησιμοποιώντας τον αλγόριθμο SVM που βασίζεται στη μηχανική μάθηση. Τα αποτελέσματα ταξινόμησης πολλαπλών δεικτών συγκρίθηκαν με το αποτέλεσμα ταξινόμησης SVM της εικόνας Sentinel-2A δέκα ζωνών. Τα αποτελέσματα αυτής της έρευνας έδειξαν ότι η NDTI σε συνδυασμό με το NDVIre και το MNDWI βελτίωσαν τον διαχωρισμό μεταξύ των κατοικημένων περιοχών και των γυμνών εκτάσεων και βελτίωσαν σημαντικά την εσφαλμένη ταξινόμηση των γυμνών εκτάσεων ως δομημένους περιοχές. Επιπλέον, το NDTI, το οποίο υπολογίστηκε από τη διαφορά των ζωνών SWIR, διαιρούμενο με το άθροισμά τους, θα μπορούσε να εφαρμοστεί στις εικόνες Landsat 5, 7 και 8, καθώς και στις αποστολές Landsat που περιελάμβαναν τις ζώνες SWIR με παρόμοιο εύρος μήκους κύματος της αποστολής Sentinel-2. Αυτή η δυνατότητα εφαρμογής επέτρεψε μια περαιτέρω ανάλυση χρησιμοποιώντας συνδυασμένες ιστορικές αρχειακές αποστολές Landsat και υψηλότερες χωρικές και φασματικές εικόνες Sentinel-2A, για την ανίχνευση αλλαγών LCU μέσα από δεκαετίες. Αν και η ταξινόμηση των εικόνων Sentinel-2A δέκα ζωνών παρείχε αποδεκτά αποτελέσματα που σχετίζονται με τη δομημένη περιοχή και τις γυμνές κατηγορίες γης, η εικόνα πολλαπλών δεικτών του NDTI, του NDVIre και του MNDWI παρείχε πιο ερμηνευτικά και ενδεικτικά αποτελέσματα για τις κατοικημένες περιοχές, όσον αφορά το σχήμα, την ένταση και το μοτίβο. Ο προτεινόμενος συνδυασμός παρείχε επίσης ικανοποιητικά αποτελέσματα και βελτιώσεις ακρίβειας για τις άλλες κατηγορίες LCU, με ακρίβεια 85% ή καλύτερη στις τρεις περιφέρειες μελέτης, σε σύγκριση με άλλα σύνολα δεδομένων. Τα ευρήματα αυτά υποδεικνύουν την πιθανή αποτελεσματικότητα του προτεινόμενου πολυ-δείκτη που έχει οριστεί ως μέθοδος μείωσης της διάστασης στην πολυχρονική ανάλυση. Περαιτέρω μελέτες έχουν προγραμματιστεί για την ενσωμάτωση πολυχρονικών και πολυπολικών δεδομένων SAR, όπως το Sentinel 1 (για την επεξεργασία της αλυσίδας), προκειμένου να αξιοποιούνται τα δεδομένα SAR στο διαχωρισμό γυμνών εδαφών και δομημένου περιοχών.

Διαχωρισμός των δομημένου περιοχών από τη γυμνή γη σε μεσογειακές πόλεις χρησιμοποιώντας εικόνες Sentinel-2A.

2022-02-03T07:00:19Z

Annabasiou:

[[category:Εκτίμηση καταλληλότητας της γης για διάφορες εφαρμογές]]

'''Διαχωρισμός των δομημένου περιοχών από τη γυμνή γη σε μεσογειακές πόλεις χρησιμοποιώντας εικόνες Sentinel-2A.'''

'''Πρωτότυπος τίτλος:''' ''Separating Built-Up Areas from Bare Land in Mediterranean Cities Using Sentinel-2A Imagery''
[[Εικόνα:abasiou_wiki4_sxhma1.jpg | thumb| right|'''Σχήμα 1. '''
Χάρτης θέσης της κύριας περιοχής μελέτης και των περιοχών δοκιμής (Χάρτης χώρας από ESRI©, Καλιφόρνια, ΗΠΑ, πιο προσεκτική ματιά από το φυσικό σύνθετο χρώμα του Sentinel-2A).]]

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

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.mdpi.com/2072-4292/11/3/345/htm]

[[Εικόνα:abasiou_wiki4_sxhma2.JPG | thumb| right|'''Σχήμα 2.'''

Φασματικές καμπύλες ανάκλασης διαφορετικών τύπων κάλυψης/χρήσης γης (LCU), σύμφωνα με τις ζώνες εικόνας Sentinel-2A (κορυφαίες τιμές ανάκλασης ατμόσφαιρας που που προέρχονται από δορυφορική εικόνα ανάλυσης 12 bit) ]]

[[Εικόνα:abasiou_wiki4_sxhma3.JPG | thumb| right|'''Σχήμα 3.'''

Εικόνες του (α) Sentinel-2A RGB; β) ομαλοποιημένος δείκτης δημιουργίας διαφορών (NDBI)· γ) δείκτης δημιουργίας (BUI)· δ) δείκτης εξόρυξης δομημένης έκτασης (BAEI)· ε) νέος δείκτης δημιουργίας (NBI)· στ) δείκτης βλάστησης (VIBI)· ζ) δείκτης που βασίζεται σε ευρετήριο (IBI)· η) αστικός δείκτης (UI)· και i) γυμνό δείκτη εδάφους (BSI). ]]

[[Εικόνα:abasiou_wiki4_sxhma4.JPG | thumb| right|'''Σχήμα 4.'''

Οι εικόνες του (α) του Δείκτη Ομαλοποιημένης Διαφοράς (NDTI) και(β) ενός υποσυνόλου της NDTI αποτελούν παράδειγμα της αντίθεσης μεταξύ γυμνών εδαφών και δομημένων περιοχών. ]]

[[Εικόνα:abasiou_wiki4_pinakas1.JPG | thumb| right|'''Πίνακας 1.'''

Δείγμα κατάρτισης και κατανομή σημείων αξιολόγησης της ακρίβειας για τις περιφέρειες μελέτης. ]]

[[Εικόνα:abasiou_wiki4_sxhma5.JPG | thumb| right|'''Σχήμα 5.'''

Αποτελέσματα ταξινόμησης:α) NDBI· β)BUI· γ)BAEI· δ) NBI· ε)VIBI· στ)IBI· ζ) περιβάλλον εργασίας χρήστη· η)BSI· i)σύνολα πολλαπλών ευρετηρίων που βασίζονται σε NDTI· και(ι)πρωτότυπες φασματικές ζώνες. ]]

'''Εισαγωγή'''
Σε όλη την ιστορία, η αύξηση της πυκνότητας του πληθυσμού και η επέκταση των αστικών περιοχών, ιδίως στις μητροπολιτικές πόλεις, έχουν αλλάξει τη μορφή της επιφάνειας της Γης. Ο ρυθμός αύξησης της κάλυψης/χρήσης γης (LCU) έχει αυξηθεί τις τελευταίες δεκαετίες. Η αύξηση του πληθυσμού οδηγεί σε αύξηση της κατανάλωσης νερού και ενέργειας και προκαλεί αλλαγές στην επιφάνεια της γης, οι οποίες έχουν ως αποτέλεσμα την περιφερειακή έως παγκόσμια κλιματική αλλαγή και την υποβάθμιση του περιβάλλοντος.
Οι αλλαγές στην LCU που έχουν συμβεί λόγω της αστικοποίησης, της αποψίλωσης των δασών, των φυσικών καταστροφών και των έντονων γεωργικών πρακτικών, έχουν επηρεάσει σε μεγάλο βαθμό τα κλιματικά χαρακτηριστικά σε περιφερειακή και παγκόσμια κλίμακα. Οι αλλαγές αυτές οδηγούν γενικά σε αυξήσεις των θερμοκρασιών κοντά στην επιφάνεια και σχηματισμό των νήσων θερμότητας, οι οποίες προκαλούν άλλα κλιματικά φαινόμενα.
Η διαθεσιμότητα δωρεάν παγκόσμιων και ιστορικών δορυφορικών εικόνων παρέχει μια πολύτιμη ευκαιρία για τη χαρτογράφηση και την παρακολούθηση της LCU.
Ο κύριος στόχος αυτού του ερευνητικού έργου ήταν να προτείνει μια προσέγγιση ταξινόμησης SVM που βασίζεται σε πολλαπλούς δείκτες, για τη χαρτογράφηση επτά διαφορετικών κατηγοριών LCU, σε σύνθετες αστικές περιοχές. Η έρευνα επικεντρώθηκε στον διαχωρισμό των κατοικημένων περιοχών και των γυμνών εδαφών, εκτός από την παροχή ενός ακριβούς και αξιόπιστου χάρτη LCU, σε τρεις πυκνά αστικοποιημένες μητροπολιτικές πόλεις της Τουρκίας, χρησιμοποιώντας τις εικόνες Sentinel-2A.

'''Περιοχή μελέτης '''

Η Κωνσταντινούπολη είναι η πιο πυκνοκατοικημένη και η μεγαλύτερη πόλη της Τουρκίας, που βρίσκεται σε γεωγραφικό πλάτος 41°00′44,06" Β και γεωγραφικό μήκος 28°58′33,66" Ε, στο Βόρειο Ημισφαίριο, ενώνοντας τις δύο ηπείρους της Ασίας και της Ευρώπης. Η Κωνσταντινούπολη είναι επίσης μία από τις μεγαλύτερες μητροπολιτικές πόλεις της Ευρώπης, καλύπτοντας περίπου 5.500 χιλιόμετρα2, με πληθυσμό άνω των 15 εκατομμυρίων το 2017, που αντιστοιχεί στο 18% της χώρας . Η σημαντική αύξηση του πληθυσμού που σημειώθηκε λόγω της βιομηχανικής ανάπτυξης και της απρογραμμάτιστης αστικοποίησης, κατά το δεύτερο μισό του εικοστού αιώνα, είχε ως αποτέλεσμα κρίσιμους μετασχηματισμούς της δομής και της μορφολογίας της πόλης.

'''Μεθοδολογία '''

'' Προεπεξεργασία δορυφορικών εικόνων και εξαγωγή φασματικών υπογραφών''

Οι δορυφορικές εικόνες που χρησιμοποιήθηκαν σε αυτή την έρευνα αποκτήθηκαν σε συνθήκες καθαρού ουρανού, με ελάχιστες ατμοσφαιρικές διαταραχές. Για κάθε περιοχή χρησιμοποιήθηκε μία μόνο εικόνα. Ως εκ τούτου, δεν ήταν αναγκαίο ένα βήμα προεπεξεργασίας της ατμοσφαιρικής διόρθωσης.
Η χωρική ανάλυση των ζωνών εικόνας Sentinel-2 διέφερε μέσω των τμημάτων μήκους κύματος. Έτσι, υπήρχε ανάγκη για ομοιόμορφη χωρική ανάλυση για αναλύσεις όπως η δημιουργία φασματικού προφίλ βάσει σημείου, η δημιουργία φασματικού δείκτη και η ταξινόμηση πολυφασματικής εικόνας. Oι ζώνες ανάλυσης 20 m και 60 m των εικόνων Sentinel-2A ανανεώθηκαν στα 10 m, χρησιμοποιώντας την πλησιέστερη μέθοδο γείτονα, για να διατηρηθεί η ακεραιότητα της χωρικής ανάλυσης.
Στο επόμενο βήμα, εξήχθησαν φασματικά προφίλ διαφόρων τύπων αντικειμένων γης, συμπεριλαμβανομένων των δασών broadleaf, των φυλλοβόλας δασών, των γεωργικών εκτάσεων, της αστικής πράσινης κάλυψης, της δομημένης, βιομηχανικής περιοχής, της αραιής κατοικημένης περιοχής, του θαλασσινού νερού, των υδάτων της λίμνης, της άσφαλτου και της γυμνής γης, για να εξετάσουν και να συγκρίνουν την ικανότητα διαχωρισμού των ζωνών εικόνας Sentinel-2A(Σχήμα 2 ). Κατά τη διάρκεια της διαδικασίας ταξινόμησης, τα δείγματα από πλατύφυλλα και φυλλοβόλα δάση τοποθετήθηκαν στην κατηγορία των δασών, δείγματα από αστική πράσινη κάλυψη και γεωργικές εκτάσεις ανατέθηκαν στην κατηγορία βλάστησης και δείγματα από λίμνες και θάλασσες ανατέθηκαν στην κατηγορία ύδατος, για να ληφθούν οι επτά τύποι κάλυψης γης που χρησιμοποιήθηκαν στην παρούσα έρευνα.
Όπως δείχνει το σχήμα 2, η γυμνή γη είχε παρόμοια αντανάκλαση με τις κατοικημένες περιοχές και ήταν δύσκολο να προσδιοριστούν αυτές οι δύο κατηγορίες με τη χρήση ενός ενιαίου δείκτη. Ήταν απλό να προσδιοριστούν τα υδάτινα σώματα από άλλους τύπους κάλυψης γης, λόγω της μοναδικής φασματικής υπογραφής τους. Η σταδιακή μείωση της αντανάκλασης από τη ζώνη 1 στη ζώνη 12 ήταν ειδική για τα υδατικά συστήματα. Μια σημαντική αύξηση της αντανάκλασης στις ζώνες των κόκκινων άκρων (B5, B6, B7) και nir ζώνες (B8, B8a), σε σύγκριση με την κόκκινη ζώνη (B4) ήταν ειδική για την κάλυψη βλάστησης και θα μπορούσε να χρησιμοποιηθεί για την ανίχνευση φυτικών περιοχών. Επιπλέον, οι αναλύσεις της καμπύλης αντανάκλασης απέδειξαν ότι τα B1, B9 και B10 (εγγενής ανάλυση 60 m) δεν μπορούσαν να χρησιμοποιηθούν για τον διαχωρισμό των κατηγοριών κάλυψης γης. Οι παρατηρήσεις αυτές θα μπορούσαν να εξηγηθούν από τα χαρακτηριστικά αυτών των ζωνών. Β1 (παράκτιο αεροζόλ), επηρεασμένο έντονα από την ατμόσφαιρα και από τα Β9 και Β10, τα οποία ήταν υδρατμοί και κίρρος, δεν παρείχαν φασματικές πληροφορίες σχετικά με την επιφάνεια της Γης. Έτσι, αυτές οι ζώνες αφαιρέθηκαν από τα δεδομένα και πραγματοποιήθηκαν περαιτέρω αναλύσεις με τις υπόλοιπες 10 ζώνες. Η φασματική αξιολόγηση έδειξε ότι η κύρια πρόκληση ήταν ο διαχωρισμός της γυμνής γης και των κατοικημένων περιοχών, που ήταν ο κύριος στόχος αυτής της έρευνας.

'' Δημιουργία εικόνων πολλαπλών δεικτών''

Για το στοιχείο κάλυψης βλάστησης, εξετάστηκε ο δείκτης ομαλοποιημένης βλάστησης με βάση τις κόκκινες άκρες (NDVIre) και δύο γνωστοί δείκτες βλάστησης, ο προσαρμοσμένος στο έδαφος δείκτης βλάστησης (SAVI) , και ο NDVI. O Hansen et al. , είχε αξιολογήσει για πρώτη φορά το NDVIre αναλύοντας δεδομένα υπερφασματικής αντανάκλασης. Η Delgado et al.Mκαι η Frampton et al είχαν δοκιμάσει για πρώτη φορά τη δυνατότητα εφαρμογής της στα σχεδιασμένα τμήματα μήκους κύματος Sentinel-2, πριν από την έναρξη της δορυφορικής αποστολής, χρησιμοποιώντας δεδομένα από διάφορες επιτόπιες εκστρατείες του ΗΣΥ σε γεωργικές εγκαταστάσεις. Τα αποτελέσματα και των δύο μελετών έδειξαν ότι η εφαρμογή αυτού του δείκτη στο κόκκινο B4 του Sentinel-2 (665 nm) και στις νέες ζώνες B5 (705 nm) του κόκκινου άκρου, παρείχε υψηλές συσχετίσεις κατά την εκτίμηση του δείκτη περιοχής φύλλων και της περιεκτικότητας σε χλωροφύλλη. Pu et al και Zhu et al. εισήγαγε τη λειτουργική χρήση αυτού του δείκτη για τις δορυφορικές εικόνες Worldview-2. Απ' όσο γνωρίζουμε, αυτή η έρευνα είναι μια νέα αξιολόγηση του NDVIre σχετικά με τις επιχειρησιακές εικόνες Sentinel-2A.
Τέλος, για το συστατικό του υδατικού σώματος, εξετάστηκε ο ομαλοποιημένος δείκτης νερού διαφοράς (NDWI) και ο τροποποιημένος ομαλοποιημένος δείκτης νερού διαφοράς (MNDWI). Οι τύποι που σχετίζονται με τους παραπάνω φασματολογικούς δείκτες ήταν:

NDTI=((SWIR 1−SWIR 2))/((SWIR 1+SWIR 2)) (1)

NDVIre=((RedEdge 1−Red))/((RedEdge 1+Red)) (2)

NDVI=((NIR−Red))/((NIR+Red)) (3)

SAVI=((NIR−Red))/((NIR+Red+0.5))×1.5 (4)

NDWI=((Green−NIR))/((Green+NIR)) (5)

MNDWI=((Green−SWIR 1))/((Green+SWIR 1)) (6)

'' Πειραματική σύγκριση των υφιστάμενων ενσωματωμένων δεικτών''

Το κύριο ενδιαφέρον για την ταξινόμηση της LCU στις αστικές περιοχές είναι ο διαχωρισμός των γυμνών εκτάσεων και των κατοικημένων περιοχών, λόγω των παρόμοιων φασματικών χαρακτηριστικών τους. Η εξόρυξη της γυμνής γης είναι ένα δύσκολο έργο, λόγω της πολυπλοκότητας των συστατικών του εδάφους και των φασμάτων του εδάφους. Όπως δήλωσε ο Ben-Dor et al το χημικό συστατικό επηρεάζει άμεσα τη φασματική υπογραφή γυμνών εδαφών, οι οποίες μπορεί να είναι ισχυρές ή αδύναμες. Επιπλέον, πολλές από αυτές τις φασματικές υπογραφές αλληλοεπικαλύπτονται, γεγονός που καθιστά δύσκολο τον προσδιορισμό της κάλυψης του εδάφους. Κατά συνέπεια, τα φασματικά χαρακτηριστικά της κάλυψης του εδάφους, με διαφορετικά συστατικά και περιεκτικότητα σε νερό, μπορεί να διαφέρουν μεταξύ διαφορετικών περιβαλλόντων και εποχών, γεγονός που καθιστά δύσκολη τη διαφοροποίηση της γυμνής γης.

'' Ομαλοποιημένος δείκτης διαφοράς άροσης (NDTI)''

Για να προταθεί ένας δείκτης που μπορεί να αναδείξει τις κατοικημένες περιοχές και να τις διαχωρίσει από τη γυμνή γη, τα φασματικά προφίλ αυτών των δύο χαρακτηριστικών γης αναλύθηκαν σε διάφορα σημεία του δείγματος. Έδειξε ότι η διαφορά αντανάκλασης μεταξύ των ζωνών SWIR (ζώνες 11 και 12) ήταν υψηλότερη για τα εικονοστοιχεία που επιλέχθηκαν από τη γυμνή γη από ό, τι για τα εικονοστοιχεία που επιλέχθηκαν από τις κατοικημένες περιοχές. Αυτό υποδείκνυε την πιθανή αποτελεσματικότητα αυτών των δύο ζωνών SWIR για τη διαφοροποίηση της δομημένης περιοχής από τη γυμνή γη. Διερευνήθηκε η δυνατότητα εφαρμογής του NDTI στις ζώνες SWIR των εικόνων Sentinel-2A για την κατοικημένη περιοχή και την εξόρυξη γυμνών εκτάσεων. Ο δείκτης αυτός προτάθηκε για πρώτη φορά από τους van Deventer et al. για πρακτικές εδάφους, διαχείριση άροσης και χαρτογράφηση καταλοίπων καλλιεργειών και εφαρμόστηκε με επιτυχία από τους Daughtry et al. και Eskandari et al. για γεωργικές πρακτικές και διαχείριση του εδάφους. Απ' όσο γνωρίζουμε, είναι η πρώτη φορά που η NDTI χρησιμοποιείται ως συστατικό στοιχείο για τη διάκριση και τον διαχωρισμό των Τα στοιχεία της NDTI που παρέχονται στο σχήμα 4 και οι υφιστάμενοι ενσωματωμένοι δείκτες που παρέχονται στο σχήμα 3 δείχνουν ότι η NDTI μπορεί να αναδείξει τις αστικές περιοχές και αυξάνει την αντίθεση μεταξύ της γυμνής γης (κόκκινος κύκλος) και της δομημένης περιοχής (μπλε κύκλος). Αυτή η οπτική επιθεώρηση δείχνει την πιθανή αποτελεσματικότητα της NDTI, σε σύγκριση με τους υπάρχοντες ενσωματωμένους δείκτες.κατοικημένων περιοχών και της γυμνής γης.

'' Ομαλοποιημένος δείκτης διαφοράς άροσης (NDTI)''

Για να προταθεί ένας δείκτης που μπορεί να αναδείξει τις κατοικημένες περιοχές και να τις διαχωρίσει από τη γυμνή γη, τα φασματικά προφίλ αυτών των δύο χαρακτηριστικών γης αναλύθηκαν σε διάφορα σημεία του δείγματος. Έδειξε ότι η διαφορά αντανάκλασης μεταξύ των ζωνών SWIR (ζώνες 11 και 12) ήταν υψηλότερη για τα εικονοστοιχεία που επιλέχθηκαν από τη γυμνή γη από ό, τι για τα εικονοστοιχεία που επιλέχθηκαν από τις κατοικημένες περιοχές. Αυτό υποδείκνυε την πιθανή αποτελεσματικότητα αυτών των δύο ζωνών SWIR για τη διαφοροποίηση της δομημένης περιοχής από τη γυμνή γη. Διερευνήθηκε η δυνατότητα εφαρμογής του NDTI στις ζώνες SWIR των εικόνων Sentinel-2A για την κατοικημένη περιοχή και την εξόρυξη γυμνών εκτάσεων. Ο δείκτης αυτός προτάθηκε για πρώτη φορά από τους van Deventer et al. για πρακτικές εδάφους, διαχείριση άροσης και χαρτογράφηση καταλοίπων καλλιεργειών και εφαρμόστηκε με επιτυχία από τους Daughtry et al. και Eskandari et al. για γεωργικές πρακτικές και διαχείριση του εδάφους. Απ' όσο γνωρίζουμε, είναι η πρώτη φορά που η NDTI χρησιμοποιείται ως συστατικό στοιχείο για τη διάκριση και τον διαχωρισμό των Τα στοιχεία της NDTI που παρέχονται στο σχήμα 4 και οι υφιστάμενοι ενσωματωμένοι δείκτες που παρέχονται στο σχήμα 3 δείχνουν ότι η NDTI μπορεί να αναδείξει τις αστικές περιοχές και αυξάνει την αντίθεση μεταξύ της γυμνής γης (κόκκινος κύκλος) και της δομημένης περιοχής (μπλε κύκλος). Αυτή η οπτική επιθεώρηση δείχνει την πιθανή αποτελεσματικότητα της NDTI, σε σύγκριση με τους υπάρχοντες ενσωματωμένους δείκτες.κατοικημένων περιοχών και της γυμνής γης.

'' Αξιολόγηση ταξινόμησης και ακρίβειας''
Για την αξιολόγηση της ακρίβειας των αποτελεσμάτων ταξινόμησης, οι συνολικές ακρίβειες με τις μετρήσεις του χρήστη, του παραγωγού και της συνολικής ακρίβειας και της στατικής Kappa προήλθαν από τον πίνακα σύγχυσης. Η αξιολόγηση της ακρίβειας των αποτελεσμάτων ταξινόμησης πραγματοποιήθηκε με στρωματοποιημένα τυχαία σημεία και η αρχική εικόνα Sentinel-2A και οι εικόνες © Google Earth ως δεδομένα αναφοράς. Σχεδιάστηκε μια τυχαία κατανομή σημείων, ανάλογα με το δυναμικό ετερογένειας και την κάλυψη των τάξεων. Η κατανομή του δείγματος εκπαίδευσης και ο αριθμός των βαθμών που χρησιμοποιούνται στην αξιολόγηση ακρίβειας παρέχονται για κάθε κατηγορία και περιφέρεια του πίνακα 1.

'''Αποτελέσματα και συζήτηση '''

'' Αποτελέσματα για την κύρια περιοχή μελέτης''

Τα αποτελέσματα της ταξινόμησης και οι μετρήσεις αξιολόγησης της ακρίβειας έδειξαν ότι η NDTI, σε συνδυασμό με το NDVIre και το MNDWI, παρείχαν την υψηλότερη ακρίβεια, σε σύγκριση με άλλους συνδυασμούς, συμπεριλαμβανομένων των υφιστάμενων ενσωματωμένων δεικτών και της αρχικής ταξινόμησης εικόνας. Η οπτική ανάλυση των εικόνων που προκύπτουν στο Σχήμα 5 δείχνει ότι η NDTI επιλύει το πρόβλημα ανάμειξης της δομημένης και της γυμνής γης, κάτι που είναι προφανές σε άλλους ενσωματωμένους δείκτες. Επιπλέον, τα προβλήματα που σχετίζονται με την υπερεκτίμηση των κατοικημένων περιοχών και την υποτίμηση της γυμνής γης βελτιώθηκαν σημαντικά, χρησιμοποιώντας αυτόν τον συνδυασμό.
Αν και τα αποτελέσματα ταξινόμησης της εικόνας πολλαπλών δεικτών που βασίζεται σε NDTI υποτίμησαν την πυκνότητα της δομημένης περιοχής σε ορισμένες πυκνές κατοικημένες περιοχές, η προτεινόμενη μέθοδος ταξινόμησης εικόνας πολλαπλών δεικτών παρείχε αξιόπιστες πληροφορίες τόσο για γυμνές εκτάσεις όσο και για δομημένα εδάφη, ενώ κατηγοριοποίησε με ακρίβεια τις κατηγορίες κάλυψης γης νερού και βλάστησης.

''Επικύρωση ανεξάρτητων περιοχών δοκιμών''

Η αποτελεσματικότητα και η εφαρμοσιμότητα της προτεινόμενης προσέγγισης δοκιμάστηκε σε δύο μητροπολιτικές πόλεις της Τουρκίας, την Άγκυρα και την Κόνια. Οι περιφέρειες αυτές ήταν καλές υποψήφιες για την αξιολόγηση των επιδόσεων της μεθόδου πολλαπλών δεικτών, επειδή περιλαμβάνουν κατοικημένες και βιομηχανικές περιοχές που περιβάλλονται από εκτεταμένες γυμνές εκτάσεις, οι οποίες ταιριάζουν στον κύριο στόχο αυτής της έρευνας. Επιπλέον, οι ημερομηνίες απόκτησης εικόνας αντιπροσώπευαν διαφορετικές εποχιακές συνθήκες. Η ταξινόμηση SVM πραγματοποιήθηκε σε αυτές τις περιοχές για τα τρία σύνολα δεδομένων, τα οποία ήταν η αρχική εικόνα Sentinel-2A δέκα ζωνών, το σύνολο δεδομένων NDBI, NDVIre, MNDWI και το σύνολο δεδομένων NDTI, NDVIre, MNDWI.
Η ανάλυση των δύο ανεξάρτητων περιοχών δοκιμών έδειξε παρόμοια χαρακτηριστικά και υποστήριξε την αποτελεσματικότητα του πολυ-δείκτη που βασίζεται σε NDTI σε διαφορετικές χερσαίες και εποχιακές συνθήκες. Συγκεκριμένα, οι στέγες κτιρίων σε βιομηχανικές περιοχές ήταν κατασκευασμένες από υλικά και σκυρόδεμα με βάση το αλουμίνιο, ενώ οι στέγες των άλλων κτιρίων στις δομημένους χώρους ήταν κατασκευασμένες από πλακάκια κυρίως και στις περιοχές δοκιμών. Η διαφορά στο υλικό οροφής είχε ως αποτέλεσμα διαφορετικές φασματικές αντιδράσεις και επέτρεψε το διαχωρισμό στις αρχικές φασματικές ζώνες και τα δεδομένα πολλαπλών δεικτών για αυτές τις κατηγορίες. Έτσι, το πρόβλημα της ανάμειξης ήταν κυρίως μεταξύ γυμνών εκτάσεων και των κατοικημένων περιοχών και μεταξύ γυμνής γης και βιομηχανίας. Απαιτείται περαιτέρω ανάλυση για την αξιολόγηση των επιδόσεων της προτεινόμενης προσέγγισης σε περιοχές όπου οι βιομηχανικές και δομούμενες περιοχές αποτελούνταν από παρόμοια υλικά οροφής.
Τα αποτελέσματα της μελέτης και των περιοχών δοκιμών έδειξαν ότι, αν και οι ενσωματωμένοι δείκτες έχουν αποδειχθεί ότι αναδεικνύουν τις κατοικημένες περιοχές, οι επιδόσεις τους περιορίστηκαν σε ετερογενή τοπία, όπου οι αστικές περιοχές και οι γυμνές εκτάσεις ήταν μικτές. Ένας δείκτης υπέρυθρης βάσης βραχέων κυμάτων βελτίωσε τον διαχωρισμό των αστικών περιοχών και των γυμνών εδαφών, όπως φαίνεται σε αυτό το ερευνητικό έργο. Επιπλέον, οι πρόσφατα προστιθέμενοι φασματικές ζώνες κόκκινου άκρου του Sentinel-2A ενίσχυσαν την ανίχνευση και τη χαρτογράφηση της κάλυψης της βλάστησης.

'''Συμπεράσματα '''

Ο διαχωρισμός της γυμνής γης από τις αδιαπέραστες επιφάνειες και τις κατοικημένες περιοχές ήταν το κύριο πρόβλημα στη χαρτογράφηση των αστικοποιημένων περιοχών. Σε αυτό το ερευνητικό έργο, έχει προταθεί μια νέα προσέγγιση πολλαπλών δεικτών για την ταξινόμηση LCU των δορυφορικών εικόνων Sentinel-2A, εστιάζοντας στον διαχωρισμό της αστικής και της γυμνής γης, εκτός από άλλες κατηγορίες κάλυψης γης. Για τη βελτίωση της ακρίβειας ταξινόμησης και την επίλυση των προβλημάτων εσφαλμένης ταξινόμησης και υπερεκτίμησης, αναπτύχθηκε μεθοδολογία με τη χρήση φασματικών δεικτών που κατηγοριοποίησαν τις τρεις μεγάλες κατηγορίες κάλυψης γης, υδάτινα σώματα, κάλυψη βλάστησης και κατοικημένες περιοχές. Οι εικόνες πολλαπλών ευρετηρίων που δημιουργήθηκαν με διαφορετικούς συνδυασμούς ευρετηρίων ταξινομήθηκαν χρησιμοποιώντας τον αλγόριθμο SVM που βασίζεται στη μηχανική μάθηση. Τα αποτελέσματα ταξινόμησης πολλαπλών δεικτών συγκρίθηκαν με το αποτέλεσμα ταξινόμησης SVM της εικόνας Sentinel-2A δέκα ζωνών. Τα αποτελέσματα αυτής της έρευνας έδειξαν ότι η NDTI σε συνδυασμό με το NDVIre και το MNDWI βελτίωσαν τον διαχωρισμό μεταξύ των κατοικημένων περιοχών και των γυμνών εκτάσεων και βελτίωσαν σημαντικά την εσφαλμένη ταξινόμηση των γυμνών εκτάσεων ως δομημένους περιοχές. Επιπλέον, το NDTI, το οποίο υπολογίστηκε από τη διαφορά των ζωνών SWIR, διαιρούμενο με το άθροισμά τους, θα μπορούσε να εφαρμοστεί στις εικόνες Landsat 5, 7 και 8, καθώς και στις αποστολές Landsat που περιελάμβαναν τις ζώνες SWIR με παρόμοιο εύρος μήκους κύματος της αποστολής Sentinel-2. Αυτή η δυνατότητα εφαρμογής επέτρεψε μια περαιτέρω ανάλυση χρησιμοποιώντας συνδυασμένες ιστορικές αρχειακές αποστολές Landsat και υψηλότερες χωρικές και φασματικές εικόνες Sentinel-2A, για την ανίχνευση αλλαγών LCU μέσα από δεκαετίες. Αν και η ταξινόμηση των εικόνων Sentinel-2A δέκα ζωνών παρείχε αποδεκτά αποτελέσματα που σχετίζονται με τη δομημένη περιοχή και τις γυμνές κατηγορίες γης, η εικόνα πολλαπλών δεικτών του NDTI, του NDVIre και του MNDWI παρείχε πιο ερμηνευτικά και ενδεικτικά αποτελέσματα για τις κατοικημένες περιοχές, όσον αφορά το σχήμα, την ένταση και το μοτίβο. Ο προτεινόμενος συνδυασμός παρείχε επίσης ικανοποιητικά αποτελέσματα και βελτιώσεις ακρίβειας για τις άλλες κατηγορίες LCU, με ακρίβεια 85% ή καλύτερη στις τρεις περιφέρειες μελέτης, σε σύγκριση με άλλα σύνολα δεδομένων. Τα ευρήματα αυτά υποδεικνύουν την πιθανή αποτελεσματικότητα του προτεινόμενου πολυ-δείκτη που έχει οριστεί ως μέθοδος μείωσης της διάστασης στην πολυχρονική ανάλυση. Περαιτέρω μελέτες έχουν προγραμματιστεί για την ενσωμάτωση πολυχρονικών και πολυπολικών δεδομένων SAR, όπως το Sentinel 1 (για την επεξεργασία της αλυσίδας), προκειμένου να αξιοποιούνται τα δεδομένα SAR στο διαχωρισμό γυμνών εδαφών και δομημένου περιοχών.

Διαχωρισμός των δομημένου περιοχών από τη γυμνή γη σε μεσογειακές πόλεις χρησιμοποιώντας εικόνες Sentinel-2A.

2022-02-03T06:55:32Z

Annabasiou:

[[category:Εκτίμηση καταλληλότητας της γης για διάφορες εφαρμογές]]

'''Διαχωρισμός των δομημένου περιοχών από τη γυμνή γη σε μεσογειακές πόλεις χρησιμοποιώντας εικόνες Sentinel-2A.'''

'''Πρωτότυπος τίτλος:''' ''Separating Built-Up Areas from Bare Land in Mediterranean Cities Using Sentinel-2A Imagery''
[[Εικόνα:abasiou_wiki4_sxhma1.jpg | thumb| right|'''Σχήμα 1. '''
Χάρτης θέσης της κύριας περιοχής μελέτης και των περιοχών δοκιμής (Χάρτης χώρας από ESRI©, Καλιφόρνια, ΗΠΑ, πιο προσεκτική ματιά από το φυσικό σύνθετο χρώμα του Sentinel-2A).]]

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

[[Εικόνα:abasiou_wiki4_sxhma2.JPG | thumb| right|'''Σχήμα 2.'''

Φασματικές καμπύλες ανάκλασης διαφορετικών τύπων κάλυψης/χρήσης γης (LCU), σύμφωνα με τις ζώνες εικόνας Sentinel-2A (κορυφαίες τιμές ανάκλασης ατμόσφαιρας που που προέρχονται από δορυφορική εικόνα ανάλυσης 12 bit) ]]

[[Εικόνα:abasiou_wiki4_sxhma3.JPG | thumb| right|'''Σχήμα 3.'''

Εικόνες του (α) Sentinel-2A RGB; β) ομαλοποιημένος δείκτης δημιουργίας διαφορών (NDBI)· γ) δείκτης δημιουργίας (BUI)· δ) δείκτης εξόρυξης δομημένης έκτασης (BAEI)· ε) νέος δείκτης δημιουργίας (NBI)· στ) δείκτης βλάστησης (VIBI)· ζ) δείκτης που βασίζεται σε ευρετήριο (IBI)· η) αστικός δείκτης (UI)· και i) γυμνό δείκτη εδάφους (BSI). ]]

[[Εικόνα:abasiou_wiki4_sxhma4.JPG | thumb| right|'''Σχήμα 4.'''

Οι εικόνες του (α) του Δείκτη Ομαλοποιημένης Διαφοράς (NDTI) και(β) ενός υποσυνόλου της NDTI αποτελούν παράδειγμα της αντίθεσης μεταξύ γυμνών εδαφών και δομημένων περιοχών. ]]

[[Εικόνα:abasiou_wiki4_pinakas1.JPG | thumb| right|'''Πίνακας 1.'''

Δείγμα κατάρτισης και κατανομή σημείων αξιολόγησης της ακρίβειας για τις περιφέρειες μελέτης. ]]

[[Εικόνα:abasiou_wiki4_sxhma5.JPG | thumb| right|'''Σχήμα 5.'''

Αποτελέσματα ταξινόμησης:α) NDBI· β)BUI· γ)BAEI· δ) NBI· ε)VIBI· στ)IBI· ζ) περιβάλλον εργασίας χρήστη· η)BSI· i)σύνολα πολλαπλών ευρετηρίων που βασίζονται σε NDTI· και(ι)πρωτότυπες φασματικές ζώνες. ]]
'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.mdpi.com/2072-4292/11/3/345/htm]

'''Εισαγωγή'''
Σε όλη την ιστορία, η αύξηση της πυκνότητας του πληθυσμού και η επέκταση των αστικών περιοχών, ιδίως στις μητροπολιτικές πόλεις, έχουν αλλάξει τη μορφή της επιφάνειας της Γης. Ο ρυθμός αύξησης της κάλυψης/χρήσης γης (LCU) έχει αυξηθεί τις τελευταίες δεκαετίες. Η αύξηση του πληθυσμού οδηγεί σε αύξηση της κατανάλωσης νερού και ενέργειας και προκαλεί αλλαγές στην επιφάνεια της γης, οι οποίες έχουν ως αποτέλεσμα την περιφερειακή έως παγκόσμια κλιματική αλλαγή και την υποβάθμιση του περιβάλλοντος.
Οι αλλαγές στην LCU που έχουν συμβεί λόγω της αστικοποίησης, της αποψίλωσης των δασών, των φυσικών καταστροφών και των έντονων γεωργικών πρακτικών, έχουν επηρεάσει σε μεγάλο βαθμό τα κλιματικά χαρακτηριστικά σε περιφερειακή και παγκόσμια κλίμακα. Οι αλλαγές αυτές οδηγούν γενικά σε αυξήσεις των θερμοκρασιών κοντά στην επιφάνεια και σχηματισμό των νήσων θερμότητας, οι οποίες προκαλούν άλλα κλιματικά φαινόμενα.
Η διαθεσιμότητα δωρεάν παγκόσμιων και ιστορικών δορυφορικών εικόνων παρέχει μια πολύτιμη ευκαιρία για τη χαρτογράφηση και την παρακολούθηση της LCU.
Ο κύριος στόχος αυτού του ερευνητικού έργου ήταν να προτείνει μια προσέγγιση ταξινόμησης SVM που βασίζεται σε πολλαπλούς δείκτες, για τη χαρτογράφηση επτά διαφορετικών κατηγοριών LCU, σε σύνθετες αστικές περιοχές. Η έρευνα επικεντρώθηκε στον διαχωρισμό των κατοικημένων περιοχών και των γυμνών εδαφών, εκτός από την παροχή ενός ακριβούς και αξιόπιστου χάρτη LCU, σε τρεις πυκνά αστικοποιημένες μητροπολιτικές πόλεις της Τουρκίας, χρησιμοποιώντας τις εικόνες Sentinel-2A.

'''Περιοχή μελέτης '''

Η Κωνσταντινούπολη είναι η πιο πυκνοκατοικημένη και η μεγαλύτερη πόλη της Τουρκίας, που βρίσκεται σε γεωγραφικό πλάτος 41°00′44,06" Β και γεωγραφικό μήκος 28°58′33,66" Ε, στο Βόρειο Ημισφαίριο, ενώνοντας τις δύο ηπείρους της Ασίας και της Ευρώπης. Η Κωνσταντινούπολη είναι επίσης μία από τις μεγαλύτερες μητροπολιτικές πόλεις της Ευρώπης, καλύπτοντας περίπου 5.500 χιλιόμετρα2, με πληθυσμό άνω των 15 εκατομμυρίων το 2017, που αντιστοιχεί στο 18% της χώρας . Η σημαντική αύξηση του πληθυσμού που σημειώθηκε λόγω της βιομηχανικής ανάπτυξης και της απρογραμμάτιστης αστικοποίησης, κατά το δεύτερο μισό του εικοστού αιώνα, είχε ως αποτέλεσμα κρίσιμους μετασχηματισμούς της δομής και της μορφολογίας της πόλης.

'''Μεθοδολογία '''

'' Προεπεξεργασία δορυφορικών εικόνων και εξαγωγή φασματικών υπογραφών''

Οι δορυφορικές εικόνες που χρησιμοποιήθηκαν σε αυτή την έρευνα αποκτήθηκαν σε συνθήκες καθαρού ουρανού, με ελάχιστες ατμοσφαιρικές διαταραχές. Για κάθε περιοχή χρησιμοποιήθηκε μία μόνο εικόνα. Ως εκ τούτου, δεν ήταν αναγκαίο ένα βήμα προεπεξεργασίας της ατμοσφαιρικής διόρθωσης.
Η χωρική ανάλυση των ζωνών εικόνας Sentinel-2 διέφερε μέσω των τμημάτων μήκους κύματος. Έτσι, υπήρχε ανάγκη για ομοιόμορφη χωρική ανάλυση για αναλύσεις όπως η δημιουργία φασματικού προφίλ βάσει σημείου, η δημιουργία φασματικού δείκτη και η ταξινόμηση πολυφασματικής εικόνας. Oι ζώνες ανάλυσης 20 m και 60 m των εικόνων Sentinel-2A ανανεώθηκαν στα 10 m, χρησιμοποιώντας την πλησιέστερη μέθοδο γείτονα, για να διατηρηθεί η ακεραιότητα της χωρικής ανάλυσης.
Στο επόμενο βήμα, εξήχθησαν φασματικά προφίλ διαφόρων τύπων αντικειμένων γης, συμπεριλαμβανομένων των δασών broadleaf, των φυλλοβόλας δασών, των γεωργικών εκτάσεων, της αστικής πράσινης κάλυψης, της δομημένης, βιομηχανικής περιοχής, της αραιής κατοικημένης περιοχής, του θαλασσινού νερού, των υδάτων της λίμνης, της άσφαλτου και της γυμνής γης, για να εξετάσουν και να συγκρίνουν την ικανότητα διαχωρισμού των ζωνών εικόνας Sentinel-2A(Σχήμα 2 ). Κατά τη διάρκεια της διαδικασίας ταξινόμησης, τα δείγματα από πλατύφυλλα και φυλλοβόλα δάση τοποθετήθηκαν στην κατηγορία των δασών, δείγματα από αστική πράσινη κάλυψη και γεωργικές εκτάσεις ανατέθηκαν στην κατηγορία βλάστησης και δείγματα από λίμνες και θάλασσες ανατέθηκαν στην κατηγορία ύδατος, για να ληφθούν οι επτά τύποι κάλυψης γης που χρησιμοποιήθηκαν στην παρούσα έρευνα.
Όπως δείχνει το σχήμα 2, η γυμνή γη είχε παρόμοια αντανάκλαση με τις κατοικημένες περιοχές και ήταν δύσκολο να προσδιοριστούν αυτές οι δύο κατηγορίες με τη χρήση ενός ενιαίου δείκτη. Ήταν απλό να προσδιοριστούν τα υδάτινα σώματα από άλλους τύπους κάλυψης γης, λόγω της μοναδικής φασματικής υπογραφής τους. Η σταδιακή μείωση της αντανάκλασης από τη ζώνη 1 στη ζώνη 12 ήταν ειδική για τα υδατικά συστήματα. Μια σημαντική αύξηση της αντανάκλασης στις ζώνες των κόκκινων άκρων (B5, B6, B7) και nir ζώνες (B8, B8a), σε σύγκριση με την κόκκινη ζώνη (B4) ήταν ειδική για την κάλυψη βλάστησης και θα μπορούσε να χρησιμοποιηθεί για την ανίχνευση φυτικών περιοχών. Επιπλέον, οι αναλύσεις της καμπύλης αντανάκλασης απέδειξαν ότι τα B1, B9 και B10 (εγγενής ανάλυση 60 m) δεν μπορούσαν να χρησιμοποιηθούν για τον διαχωρισμό των κατηγοριών κάλυψης γης. Οι παρατηρήσεις αυτές θα μπορούσαν να εξηγηθούν από τα χαρακτηριστικά αυτών των ζωνών. Β1 (παράκτιο αεροζόλ), επηρεασμένο έντονα από την ατμόσφαιρα και από τα Β9 και Β10, τα οποία ήταν υδρατμοί και κίρρος, δεν παρείχαν φασματικές πληροφορίες σχετικά με την επιφάνεια της Γης. Έτσι, αυτές οι ζώνες αφαιρέθηκαν από τα δεδομένα και πραγματοποιήθηκαν περαιτέρω αναλύσεις με τις υπόλοιπες 10 ζώνες. Η φασματική αξιολόγηση έδειξε ότι η κύρια πρόκληση ήταν ο διαχωρισμός της γυμνής γης και των κατοικημένων περιοχών, που ήταν ο κύριος στόχος αυτής της έρευνας.

'' Δημιουργία εικόνων πολλαπλών δεικτών''

Για το στοιχείο κάλυψης βλάστησης, εξετάστηκε ο δείκτης ομαλοποιημένης βλάστησης με βάση τις κόκκινες άκρες (NDVIre) και δύο γνωστοί δείκτες βλάστησης, ο προσαρμοσμένος στο έδαφος δείκτης βλάστησης (SAVI) , και ο NDVI. O Hansen et al. , είχε αξιολογήσει για πρώτη φορά το NDVIre αναλύοντας δεδομένα υπερφασματικής αντανάκλασης. Η Delgado et al.Mκαι η Frampton et al είχαν δοκιμάσει για πρώτη φορά τη δυνατότητα εφαρμογής της στα σχεδιασμένα τμήματα μήκους κύματος Sentinel-2, πριν από την έναρξη της δορυφορικής αποστολής, χρησιμοποιώντας δεδομένα από διάφορες επιτόπιες εκστρατείες του ΗΣΥ σε γεωργικές εγκαταστάσεις. Τα αποτελέσματα και των δύο μελετών έδειξαν ότι η εφαρμογή αυτού του δείκτη στο κόκκινο B4 του Sentinel-2 (665 nm) και στις νέες ζώνες B5 (705 nm) του κόκκινου άκρου, παρείχε υψηλές συσχετίσεις κατά την εκτίμηση του δείκτη περιοχής φύλλων και της περιεκτικότητας σε χλωροφύλλη. Pu et al και Zhu et al. εισήγαγε τη λειτουργική χρήση αυτού του δείκτη για τις δορυφορικές εικόνες Worldview-2. Απ' όσο γνωρίζουμε, αυτή η έρευνα είναι μια νέα αξιολόγηση του NDVIre σχετικά με τις επιχειρησιακές εικόνες Sentinel-2A.
Τέλος, για το συστατικό του υδατικού σώματος, εξετάστηκε ο ομαλοποιημένος δείκτης νερού διαφοράς (NDWI) και ο τροποποιημένος ομαλοποιημένος δείκτης νερού διαφοράς (MNDWI). Οι τύποι που σχετίζονται με τους παραπάνω φασματολογικούς δείκτες ήταν:

NDTI=((SWIR 1−SWIR 2))/((SWIR 1+SWIR 2)) (1)

NDVIre=((RedEdge 1−Red))/((RedEdge 1+Red)) (2)

NDVI=((NIR−Red))/((NIR+Red)) (3)

SAVI=((NIR−Red))/((NIR+Red+0.5))×1.5 (4)

NDWI=((Green−NIR))/((Green+NIR)) (5)

MNDWI=((Green−SWIR 1))/((Green+SWIR 1)) (6)

'' Πειραματική σύγκριση των υφιστάμενων ενσωματωμένων δεικτών''

Το κύριο ενδιαφέρον για την ταξινόμηση της LCU στις αστικές περιοχές είναι ο διαχωρισμός των γυμνών εκτάσεων και των κατοικημένων περιοχών, λόγω των παρόμοιων φασματικών χαρακτηριστικών τους. Η εξόρυξη της γυμνής γης είναι ένα δύσκολο έργο, λόγω της πολυπλοκότητας των συστατικών του εδάφους και των φασμάτων του εδάφους. Όπως δήλωσε ο Ben-Dor et al το χημικό συστατικό επηρεάζει άμεσα τη φασματική υπογραφή γυμνών εδαφών, οι οποίες μπορεί να είναι ισχυρές ή αδύναμες. Επιπλέον, πολλές από αυτές τις φασματικές υπογραφές αλληλοεπικαλύπτονται, γεγονός που καθιστά δύσκολο τον προσδιορισμό της κάλυψης του εδάφους. Κατά συνέπεια, τα φασματικά χαρακτηριστικά της κάλυψης του εδάφους, με διαφορετικά συστατικά και περιεκτικότητα σε νερό, μπορεί να διαφέρουν μεταξύ διαφορετικών περιβαλλόντων και εποχών, γεγονός που καθιστά δύσκολη τη διαφοροποίηση της γυμνής γης.

'' Ομαλοποιημένος δείκτης διαφοράς άροσης (NDTI)''

Για να προταθεί ένας δείκτης που μπορεί να αναδείξει τις κατοικημένες περιοχές και να τις διαχωρίσει από τη γυμνή γη, τα φασματικά προφίλ αυτών των δύο χαρακτηριστικών γης αναλύθηκαν σε διάφορα σημεία του δείγματος. Έδειξε ότι η διαφορά αντανάκλασης μεταξύ των ζωνών SWIR (ζώνες 11 και 12) ήταν υψηλότερη για τα εικονοστοιχεία που επιλέχθηκαν από τη γυμνή γη από ό, τι για τα εικονοστοιχεία που επιλέχθηκαν από τις κατοικημένες περιοχές. Αυτό υποδείκνυε την πιθανή αποτελεσματικότητα αυτών των δύο ζωνών SWIR για τη διαφοροποίηση της δομημένης περιοχής από τη γυμνή γη. Διερευνήθηκε η δυνατότητα εφαρμογής του NDTI στις ζώνες SWIR των εικόνων Sentinel-2A για την κατοικημένη περιοχή και την εξόρυξη γυμνών εκτάσεων. Ο δείκτης αυτός προτάθηκε για πρώτη φορά από τους van Deventer et al. για πρακτικές εδάφους, διαχείριση άροσης και χαρτογράφηση καταλοίπων καλλιεργειών και εφαρμόστηκε με επιτυχία από τους Daughtry et al. και Eskandari et al. για γεωργικές πρακτικές και διαχείριση του εδάφους. Απ' όσο γνωρίζουμε, είναι η πρώτη φορά που η NDTI χρησιμοποιείται ως συστατικό στοιχείο για τη διάκριση και τον διαχωρισμό των Τα στοιχεία της NDTI που παρέχονται στο σχήμα 4 και οι υφιστάμενοι ενσωματωμένοι δείκτες που παρέχονται στο σχήμα 3 δείχνουν ότι η NDTI μπορεί να αναδείξει τις αστικές περιοχές και αυξάνει την αντίθεση μεταξύ της γυμνής γης (κόκκινος κύκλος) και της δομημένης περιοχής (μπλε κύκλος). Αυτή η οπτική επιθεώρηση δείχνει την πιθανή αποτελεσματικότητα της NDTI, σε σύγκριση με τους υπάρχοντες ενσωματωμένους δείκτες.κατοικημένων περιοχών και της γυμνής γης.

'' Ομαλοποιημένος δείκτης διαφοράς άροσης (NDTI)''

Για να προταθεί ένας δείκτης που μπορεί να αναδείξει τις κατοικημένες περιοχές και να τις διαχωρίσει από τη γυμνή γη, τα φασματικά προφίλ αυτών των δύο χαρακτηριστικών γης αναλύθηκαν σε διάφορα σημεία του δείγματος. Έδειξε ότι η διαφορά αντανάκλασης μεταξύ των ζωνών SWIR (ζώνες 11 και 12) ήταν υψηλότερη για τα εικονοστοιχεία που επιλέχθηκαν από τη γυμνή γη από ό, τι για τα εικονοστοιχεία που επιλέχθηκαν από τις κατοικημένες περιοχές. Αυτό υποδείκνυε την πιθανή αποτελεσματικότητα αυτών των δύο ζωνών SWIR για τη διαφοροποίηση της δομημένης περιοχής από τη γυμνή γη. Διερευνήθηκε η δυνατότητα εφαρμογής του NDTI στις ζώνες SWIR των εικόνων Sentinel-2A για την κατοικημένη περιοχή και την εξόρυξη γυμνών εκτάσεων. Ο δείκτης αυτός προτάθηκε για πρώτη φορά από τους van Deventer et al. για πρακτικές εδάφους, διαχείριση άροσης και χαρτογράφηση καταλοίπων καλλιεργειών και εφαρμόστηκε με επιτυχία από τους Daughtry et al. και Eskandari et al. για γεωργικές πρακτικές και διαχείριση του εδάφους. Απ' όσο γνωρίζουμε, είναι η πρώτη φορά που η NDTI χρησιμοποιείται ως συστατικό στοιχείο για τη διάκριση και τον διαχωρισμό των Τα στοιχεία της NDTI που παρέχονται στο σχήμα 4 και οι υφιστάμενοι ενσωματωμένοι δείκτες που παρέχονται στο σχήμα 3 δείχνουν ότι η NDTI μπορεί να αναδείξει τις αστικές περιοχές και αυξάνει την αντίθεση μεταξύ της γυμνής γης (κόκκινος κύκλος) και της δομημένης περιοχής (μπλε κύκλος). Αυτή η οπτική επιθεώρηση δείχνει την πιθανή αποτελεσματικότητα της NDTI, σε σύγκριση με τους υπάρχοντες ενσωματωμένους δείκτες.κατοικημένων περιοχών και της γυμνής γης.

'' Αξιολόγηση ταξινόμησης και ακρίβειας''
Για την αξιολόγηση της ακρίβειας των αποτελεσμάτων ταξινόμησης, οι συνολικές ακρίβειες με τις μετρήσεις του χρήστη, του παραγωγού και της συνολικής ακρίβειας και της στατικής Kappa προήλθαν από τον πίνακα σύγχυσης. Η αξιολόγηση της ακρίβειας των αποτελεσμάτων ταξινόμησης πραγματοποιήθηκε με στρωματοποιημένα τυχαία σημεία και η αρχική εικόνα Sentinel-2A και οι εικόνες © Google Earth ως δεδομένα αναφοράς. Σχεδιάστηκε μια τυχαία κατανομή σημείων, ανάλογα με το δυναμικό ετερογένειας και την κάλυψη των τάξεων. Η κατανομή του δείγματος εκπαίδευσης και ο αριθμός των βαθμών που χρησιμοποιούνται στην αξιολόγηση ακρίβειας παρέχονται για κάθε κατηγορία και περιφέρεια του πίνακα 1.

'''Αποτελέσματα και συζήτηση '''

'' Αποτελέσματα για την κύρια περιοχή μελέτης''

Τα αποτελέσματα της ταξινόμησης και οι μετρήσεις αξιολόγησης της ακρίβειας έδειξαν ότι η NDTI, σε συνδυασμό με το NDVIre και το MNDWI, παρείχαν την υψηλότερη ακρίβεια, σε σύγκριση με άλλους συνδυασμούς, συμπεριλαμβανομένων των υφιστάμενων ενσωματωμένων δεικτών και της αρχικής ταξινόμησης εικόνας. Η οπτική ανάλυση των εικόνων που προκύπτουν στο Σχήμα 5 δείχνει ότι η NDTI επιλύει το πρόβλημα ανάμειξης της δομημένης και της γυμνής γης, κάτι που είναι προφανές σε άλλους ενσωματωμένους δείκτες. Επιπλέον, τα προβλήματα που σχετίζονται με την υπερεκτίμηση των κατοικημένων περιοχών και την υποτίμηση της γυμνής γης βελτιώθηκαν σημαντικά, χρησιμοποιώντας αυτόν τον συνδυασμό.
Αν και τα αποτελέσματα ταξινόμησης της εικόνας πολλαπλών δεικτών που βασίζεται σε NDTI υποτίμησαν την πυκνότητα της δομημένης περιοχής σε ορισμένες πυκνές κατοικημένες περιοχές, η προτεινόμενη μέθοδος ταξινόμησης εικόνας πολλαπλών δεικτών παρείχε αξιόπιστες πληροφορίες τόσο για γυμνές εκτάσεις όσο και για δομημένα εδάφη, ενώ κατηγοριοποίησε με ακρίβεια τις κατηγορίες κάλυψης γης νερού και βλάστησης.

''Επικύρωση ανεξάρτητων περιοχών δοκιμών''

Η αποτελεσματικότητα και η εφαρμοσιμότητα της προτεινόμενης προσέγγισης δοκιμάστηκε σε δύο μητροπολιτικές πόλεις της Τουρκίας, την Άγκυρα και την Κόνια. Οι περιφέρειες αυτές ήταν καλές υποψήφιες για την αξιολόγηση των επιδόσεων της μεθόδου πολλαπλών δεικτών, επειδή περιλαμβάνουν κατοικημένες και βιομηχανικές περιοχές που περιβάλλονται από εκτεταμένες γυμνές εκτάσεις, οι οποίες ταιριάζουν στον κύριο στόχο αυτής της έρευνας. Επιπλέον, οι ημερομηνίες απόκτησης εικόνας αντιπροσώπευαν διαφορετικές εποχιακές συνθήκες. Η ταξινόμηση SVM πραγματοποιήθηκε σε αυτές τις περιοχές για τα τρία σύνολα δεδομένων, τα οποία ήταν η αρχική εικόνα Sentinel-2A δέκα ζωνών, το σύνολο δεδομένων NDBI, NDVIre, MNDWI και το σύνολο δεδομένων NDTI, NDVIre, MNDWI.
Η ανάλυση των δύο ανεξάρτητων περιοχών δοκιμών έδειξε παρόμοια χαρακτηριστικά και υποστήριξε την αποτελεσματικότητα του πολυ-δείκτη που βασίζεται σε NDTI σε διαφορετικές χερσαίες και εποχιακές συνθήκες. Συγκεκριμένα, οι στέγες κτιρίων σε βιομηχανικές περιοχές ήταν κατασκευασμένες από υλικά και σκυρόδεμα με βάση το αλουμίνιο, ενώ οι στέγες των άλλων κτιρίων στις δομημένους χώρους ήταν κατασκευασμένες από πλακάκια κυρίως και στις περιοχές δοκιμών. Η διαφορά στο υλικό οροφής είχε ως αποτέλεσμα διαφορετικές φασματικές αντιδράσεις και επέτρεψε το διαχωρισμό στις αρχικές φασματικές ζώνες και τα δεδομένα πολλαπλών δεικτών για αυτές τις κατηγορίες. Έτσι, το πρόβλημα της ανάμειξης ήταν κυρίως μεταξύ γυμνών εκτάσεων και των κατοικημένων περιοχών και μεταξύ γυμνής γης και βιομηχανίας. Απαιτείται περαιτέρω ανάλυση για την αξιολόγηση των επιδόσεων της προτεινόμενης προσέγγισης σε περιοχές όπου οι βιομηχανικές και δομούμενες περιοχές αποτελούνταν από παρόμοια υλικά οροφής.
Τα αποτελέσματα της μελέτης και των περιοχών δοκιμών έδειξαν ότι, αν και οι ενσωματωμένοι δείκτες έχουν αποδειχθεί ότι αναδεικνύουν τις κατοικημένες περιοχές, οι επιδόσεις τους περιορίστηκαν σε ετερογενή τοπία, όπου οι αστικές περιοχές και οι γυμνές εκτάσεις ήταν μικτές. Ένας δείκτης υπέρυθρης βάσης βραχέων κυμάτων βελτίωσε τον διαχωρισμό των αστικών περιοχών και των γυμνών εδαφών, όπως φαίνεται σε αυτό το ερευνητικό έργο. Επιπλέον, οι πρόσφατα προστιθέμενοι φασματικές ζώνες κόκκινου άκρου του Sentinel-2A ενίσχυσαν την ανίχνευση και τη χαρτογράφηση της κάλυψης της βλάστησης.

'''Συμπεράσματα '''

Ο διαχωρισμός της γυμνής γης από τις αδιαπέραστες επιφάνειες και τις κατοικημένες περιοχές ήταν το κύριο πρόβλημα στη χαρτογράφηση των αστικοποιημένων περιοχών. Σε αυτό το ερευνητικό έργο, έχει προταθεί μια νέα προσέγγιση πολλαπλών δεικτών για την ταξινόμηση LCU των δορυφορικών εικόνων Sentinel-2A, εστιάζοντας στον διαχωρισμό της αστικής και της γυμνής γης, εκτός από άλλες κατηγορίες κάλυψης γης. Για τη βελτίωση της ακρίβειας ταξινόμησης και την επίλυση των προβλημάτων εσφαλμένης ταξινόμησης και υπερεκτίμησης, αναπτύχθηκε μεθοδολογία με τη χρήση φασματικών δεικτών που κατηγοριοποίησαν τις τρεις μεγάλες κατηγορίες κάλυψης γης, υδάτινα σώματα, κάλυψη βλάστησης και κατοικημένες περιοχές. Οι εικόνες πολλαπλών ευρετηρίων που δημιουργήθηκαν με διαφορετικούς συνδυασμούς ευρετηρίων ταξινομήθηκαν χρησιμοποιώντας τον αλγόριθμο SVM που βασίζεται στη μηχανική μάθηση. Τα αποτελέσματα ταξινόμησης πολλαπλών δεικτών συγκρίθηκαν με το αποτέλεσμα ταξινόμησης SVM της εικόνας Sentinel-2A δέκα ζωνών. Τα αποτελέσματα αυτής της έρευνας έδειξαν ότι η NDTI σε συνδυασμό με το NDVIre και το MNDWI βελτίωσαν τον διαχωρισμό μεταξύ των κατοικημένων περιοχών και των γυμνών εκτάσεων και βελτίωσαν σημαντικά την εσφαλμένη ταξινόμηση των γυμνών εκτάσεων ως δομημένους περιοχές. Επιπλέον, το NDTI, το οποίο υπολογίστηκε από τη διαφορά των ζωνών SWIR, διαιρούμενο με το άθροισμά τους, θα μπορούσε να εφαρμοστεί στις εικόνες Landsat 5, 7 και 8, καθώς και στις αποστολές Landsat που περιελάμβαναν τις ζώνες SWIR με παρόμοιο εύρος μήκους κύματος της αποστολής Sentinel-2. Αυτή η δυνατότητα εφαρμογής επέτρεψε μια περαιτέρω ανάλυση χρησιμοποιώντας συνδυασμένες ιστορικές αρχειακές αποστολές Landsat και υψηλότερες χωρικές και φασματικές εικόνες Sentinel-2A, για την ανίχνευση αλλαγών LCU μέσα από δεκαετίες. Αν και η ταξινόμηση των εικόνων Sentinel-2A δέκα ζωνών παρείχε αποδεκτά αποτελέσματα που σχετίζονται με τη δομημένη περιοχή και τις γυμνές κατηγορίες γης, η εικόνα πολλαπλών δεικτών του NDTI, του NDVIre και του MNDWI παρείχε πιο ερμηνευτικά και ενδεικτικά αποτελέσματα για τις κατοικημένες περιοχές, όσον αφορά το σχήμα, την ένταση και το μοτίβο. Ο προτεινόμενος συνδυασμός παρείχε επίσης ικανοποιητικά αποτελέσματα και βελτιώσεις ακρίβειας για τις άλλες κατηγορίες LCU, με ακρίβεια 85% ή καλύτερη στις τρεις περιφέρειες μελέτης, σε σύγκριση με άλλα σύνολα δεδομένων. Τα ευρήματα αυτά υποδεικνύουν την πιθανή αποτελεσματικότητα του προτεινόμενου πολυ-δείκτη που έχει οριστεί ως μέθοδος μείωσης της διάστασης στην πολυχρονική ανάλυση. Περαιτέρω μελέτες έχουν προγραμματιστεί για την ενσωμάτωση πολυχρονικών και πολυπολικών δεδομένων SAR, όπως το Sentinel 1 (για την επεξεργασία της αλυσίδας), προκειμένου να αξιοποιούνται τα δεδομένα SAR στο διαχωρισμό γυμνών εδαφών και δομημένου περιοχών.

Διαχωρισμός των δομημένου περιοχών από τη γυμνή γη σε μεσογειακές πόλεις χρησιμοποιώντας εικόνες Sentinel-2A.

2022-02-03T06:50:04Z

Annabasiou:

[[category:Εκτίμηση καταλληλότητας της γης για διάφορες εφαρμογές]]

'''Πρωτότυπος τίτλος:''' ''Separating Built-Up Areas from Bare Land in Mediterranean Cities Using Sentinel-2A Imagery''
[[Εικόνα:abasiou_wiki4_sxhma1.jpg | thumb| right|'''Σχήμα 1. '''
Χάρτης θέσης της κύριας περιοχής μελέτης και των περιοχών δοκιμής (Χάρτης χώρας από ESRI©, Καλιφόρνια, ΗΠΑ, πιο προσεκτική ματιά από το φυσικό σύνθετο χρώμα του Sentinel-2A).]]

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

[[Εικόνα:abasiou_wiki4_sxhma2.JPG | thumb| right|'''Σχήμα 2.'''

Φασματικές καμπύλες ανάκλασης διαφορετικών τύπων κάλυψης/χρήσης γης (LCU), σύμφωνα με τις ζώνες εικόνας Sentinel-2A (κορυφαίες τιμές ανάκλασης ατμόσφαιρας που που προέρχονται από δορυφορική εικόνα ανάλυσης 12 bit) ]]

[[Εικόνα:abasiou_wiki4_sxhma3.JPG | thumb| right|'''Σχήμα 3.'''

Εικόνες του (α) Sentinel-2A RGB; β) ομαλοποιημένος δείκτης δημιουργίας διαφορών (NDBI)· γ) δείκτης δημιουργίας (BUI)· δ) δείκτης εξόρυξης δομημένης έκτασης (BAEI)· ε) νέος δείκτης δημιουργίας (NBI)· στ) δείκτης βλάστησης (VIBI)· ζ) δείκτης που βασίζεται σε ευρετήριο (IBI)· η) αστικός δείκτης (UI)· και i) γυμνό δείκτη εδάφους (BSI). ]]

[[Εικόνα:abasiou_wiki4_sxhma4.JPG | thumb| right|'''Σχήμα 4.'''

Οι εικόνες του (α) του Δείκτη Ομαλοποιημένης Διαφοράς (NDTI) και(β) ενός υποσυνόλου της NDTI αποτελούν παράδειγμα της αντίθεσης μεταξύ γυμνών εδαφών και δομημένων περιοχών. ]]

[[Εικόνα:abasiou_wiki4_pinakas1.JPG | thumb| right|'''Πίνακας 1.'''

Δείγμα κατάρτισης και κατανομή σημείων αξιολόγησης της ακρίβειας για τις περιφέρειες μελέτης. ]]

[[Εικόνα:abasiou_wiki4_sxhma5.JPG | thumb| right|'''Σχήμα 5.'''

Αποτελέσματα ταξινόμησης:α) NDBI· β)BUI· γ)BAEI· δ) NBI· ε)VIBI· στ)IBI· ζ) περιβάλλον εργασίας χρήστη· η)BSI· i)σύνολα πολλαπλών ευρετηρίων που βασίζονται σε NDTI· και(ι)πρωτότυπες φασματικές ζώνες. ]]
'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.mdpi.com/2072-4292/11/3/345/htm]

'''Εισαγωγή'''
Σε όλη την ιστορία, η αύξηση της πυκνότητας του πληθυσμού και η επέκταση των αστικών περιοχών, ιδίως στις μητροπολιτικές πόλεις, έχουν αλλάξει τη μορφή της επιφάνειας της Γης. Ο ρυθμός αύξησης της κάλυψης/χρήσης γης (LCU) έχει αυξηθεί τις τελευταίες δεκαετίες. Η αύξηση του πληθυσμού οδηγεί σε αύξηση της κατανάλωσης νερού και ενέργειας και προκαλεί αλλαγές στην επιφάνεια της γης, οι οποίες έχουν ως αποτέλεσμα την περιφερειακή έως παγκόσμια κλιματική αλλαγή και την υποβάθμιση του περιβάλλοντος.
Οι αλλαγές στην LCU που έχουν συμβεί λόγω της αστικοποίησης, της αποψίλωσης των δασών, των φυσικών καταστροφών και των έντονων γεωργικών πρακτικών, έχουν επηρεάσει σε μεγάλο βαθμό τα κλιματικά χαρακτηριστικά σε περιφερειακή και παγκόσμια κλίμακα. Οι αλλαγές αυτές οδηγούν γενικά σε αυξήσεις των θερμοκρασιών κοντά στην επιφάνεια και σχηματισμό των νήσων θερμότητας, οι οποίες προκαλούν άλλα κλιματικά φαινόμενα.
Η διαθεσιμότητα δωρεάν παγκόσμιων και ιστορικών δορυφορικών εικόνων παρέχει μια πολύτιμη ευκαιρία για τη χαρτογράφηση και την παρακολούθηση της LCU.
Ο κύριος στόχος αυτού του ερευνητικού έργου ήταν να προτείνει μια προσέγγιση ταξινόμησης SVM που βασίζεται σε πολλαπλούς δείκτες, για τη χαρτογράφηση επτά διαφορετικών κατηγοριών LCU, σε σύνθετες αστικές περιοχές. Η έρευνα επικεντρώθηκε στον διαχωρισμό των κατοικημένων περιοχών και των γυμνών εδαφών, εκτός από την παροχή ενός ακριβούς και αξιόπιστου χάρτη LCU, σε τρεις πυκνά αστικοποιημένες μητροπολιτικές πόλεις της Τουρκίας, χρησιμοποιώντας τις εικόνες Sentinel-2A.

'''Περιοχή μελέτης '''

Η Κωνσταντινούπολη είναι η πιο πυκνοκατοικημένη και η μεγαλύτερη πόλη της Τουρκίας, που βρίσκεται σε γεωγραφικό πλάτος 41°00′44,06" Β και γεωγραφικό μήκος 28°58′33,66" Ε, στο Βόρειο Ημισφαίριο, ενώνοντας τις δύο ηπείρους της Ασίας και της Ευρώπης. Η Κωνσταντινούπολη είναι επίσης μία από τις μεγαλύτερες μητροπολιτικές πόλεις της Ευρώπης, καλύπτοντας περίπου 5.500 χιλιόμετρα2, με πληθυσμό άνω των 15 εκατομμυρίων το 2017, που αντιστοιχεί στο 18% της χώρας . Η σημαντική αύξηση του πληθυσμού που σημειώθηκε λόγω της βιομηχανικής ανάπτυξης και της απρογραμμάτιστης αστικοποίησης, κατά το δεύτερο μισό του εικοστού αιώνα, είχε ως αποτέλεσμα κρίσιμους μετασχηματισμούς της δομής και της μορφολογίας της πόλης.

'''Μεθοδολογία '''

'' Προεπεξεργασία δορυφορικών εικόνων και εξαγωγή φασματικών υπογραφών''

Οι δορυφορικές εικόνες που χρησιμοποιήθηκαν σε αυτή την έρευνα αποκτήθηκαν σε συνθήκες καθαρού ουρανού, με ελάχιστες ατμοσφαιρικές διαταραχές. Για κάθε περιοχή χρησιμοποιήθηκε μία μόνο εικόνα. Ως εκ τούτου, δεν ήταν αναγκαίο ένα βήμα προεπεξεργασίας της ατμοσφαιρικής διόρθωσης.
Η χωρική ανάλυση των ζωνών εικόνας Sentinel-2 διέφερε μέσω των τμημάτων μήκους κύματος. Έτσι, υπήρχε ανάγκη για ομοιόμορφη χωρική ανάλυση για αναλύσεις όπως η δημιουργία φασματικού προφίλ βάσει σημείου, η δημιουργία φασματικού δείκτη και η ταξινόμηση πολυφασματικής εικόνας. Oι ζώνες ανάλυσης 20 m και 60 m των εικόνων Sentinel-2A ανανεώθηκαν στα 10 m, χρησιμοποιώντας την πλησιέστερη μέθοδο γείτονα, για να διατηρηθεί η ακεραιότητα της χωρικής ανάλυσης.
Στο επόμενο βήμα, εξήχθησαν φασματικά προφίλ διαφόρων τύπων αντικειμένων γης, συμπεριλαμβανομένων των δασών broadleaf, των φυλλοβόλας δασών, των γεωργικών εκτάσεων, της αστικής πράσινης κάλυψης, της δομημένης, βιομηχανικής περιοχής, της αραιής κατοικημένης περιοχής, του θαλασσινού νερού, των υδάτων της λίμνης, της άσφαλτου και της γυμνής γης, για να εξετάσουν και να συγκρίνουν την ικανότητα διαχωρισμού των ζωνών εικόνας Sentinel-2A(Σχήμα 2 ). Κατά τη διάρκεια της διαδικασίας ταξινόμησης, τα δείγματα από πλατύφυλλα και φυλλοβόλα δάση τοποθετήθηκαν στην κατηγορία των δασών, δείγματα από αστική πράσινη κάλυψη και γεωργικές εκτάσεις ανατέθηκαν στην κατηγορία βλάστησης και δείγματα από λίμνες και θάλασσες ανατέθηκαν στην κατηγορία ύδατος, για να ληφθούν οι επτά τύποι κάλυψης γης που χρησιμοποιήθηκαν στην παρούσα έρευνα.
Όπως δείχνει το σχήμα 2, η γυμνή γη είχε παρόμοια αντανάκλαση με τις κατοικημένες περιοχές και ήταν δύσκολο να προσδιοριστούν αυτές οι δύο κατηγορίες με τη χρήση ενός ενιαίου δείκτη. Ήταν απλό να προσδιοριστούν τα υδάτινα σώματα από άλλους τύπους κάλυψης γης, λόγω της μοναδικής φασματικής υπογραφής τους. Η σταδιακή μείωση της αντανάκλασης από τη ζώνη 1 στη ζώνη 12 ήταν ειδική για τα υδατικά συστήματα. Μια σημαντική αύξηση της αντανάκλασης στις ζώνες των κόκκινων άκρων (B5, B6, B7) και nir ζώνες (B8, B8a), σε σύγκριση με την κόκκινη ζώνη (B4) ήταν ειδική για την κάλυψη βλάστησης και θα μπορούσε να χρησιμοποιηθεί για την ανίχνευση φυτικών περιοχών. Επιπλέον, οι αναλύσεις της καμπύλης αντανάκλασης απέδειξαν ότι τα B1, B9 και B10 (εγγενής ανάλυση 60 m) δεν μπορούσαν να χρησιμοποιηθούν για τον διαχωρισμό των κατηγοριών κάλυψης γης. Οι παρατηρήσεις αυτές θα μπορούσαν να εξηγηθούν από τα χαρακτηριστικά αυτών των ζωνών. Β1 (παράκτιο αεροζόλ), επηρεασμένο έντονα από την ατμόσφαιρα και από τα Β9 και Β10, τα οποία ήταν υδρατμοί και κίρρος, δεν παρείχαν φασματικές πληροφορίες σχετικά με την επιφάνεια της Γης. Έτσι, αυτές οι ζώνες αφαιρέθηκαν από τα δεδομένα και πραγματοποιήθηκαν περαιτέρω αναλύσεις με τις υπόλοιπες 10 ζώνες. Η φασματική αξιολόγηση έδειξε ότι η κύρια πρόκληση ήταν ο διαχωρισμός της γυμνής γης και των κατοικημένων περιοχών, που ήταν ο κύριος στόχος αυτής της έρευνας.

'' Δημιουργία εικόνων πολλαπλών δεικτών''

Για το στοιχείο κάλυψης βλάστησης, εξετάστηκε ο δείκτης ομαλοποιημένης βλάστησης με βάση τις κόκκινες άκρες (NDVIre) και δύο γνωστοί δείκτες βλάστησης, ο προσαρμοσμένος στο έδαφος δείκτης βλάστησης (SAVI) , και ο NDVI. O Hansen et al. , είχε αξιολογήσει για πρώτη φορά το NDVIre αναλύοντας δεδομένα υπερφασματικής αντανάκλασης. Η Delgado et al.Mκαι η Frampton et al είχαν δοκιμάσει για πρώτη φορά τη δυνατότητα εφαρμογής της στα σχεδιασμένα τμήματα μήκους κύματος Sentinel-2, πριν από την έναρξη της δορυφορικής αποστολής, χρησιμοποιώντας δεδομένα από διάφορες επιτόπιες εκστρατείες του ΗΣΥ σε γεωργικές εγκαταστάσεις. Τα αποτελέσματα και των δύο μελετών έδειξαν ότι η εφαρμογή αυτού του δείκτη στο κόκκινο B4 του Sentinel-2 (665 nm) και στις νέες ζώνες B5 (705 nm) του κόκκινου άκρου, παρείχε υψηλές συσχετίσεις κατά την εκτίμηση του δείκτη περιοχής φύλλων και της περιεκτικότητας σε χλωροφύλλη. Pu et al και Zhu et al. εισήγαγε τη λειτουργική χρήση αυτού του δείκτη για τις δορυφορικές εικόνες Worldview-2. Απ' όσο γνωρίζουμε, αυτή η έρευνα είναι μια νέα αξιολόγηση του NDVIre σχετικά με τις επιχειρησιακές εικόνες Sentinel-2A.
Τέλος, για το συστατικό του υδατικού σώματος, εξετάστηκε ο ομαλοποιημένος δείκτης νερού διαφοράς (NDWI) και ο τροποποιημένος ομαλοποιημένος δείκτης νερού διαφοράς (MNDWI). Οι τύποι που σχετίζονται με τους παραπάνω φασματολογικούς δείκτες ήταν:

NDTI=((SWIR 1−SWIR 2))/((SWIR 1+SWIR 2)) (1)

NDVIre=((RedEdge 1−Red))/((RedEdge 1+Red)) (2)

NDVI=((NIR−Red))/((NIR+Red)) (3)

SAVI=((NIR−Red))/((NIR+Red+0.5))×1.5 (4)

NDWI=((Green−NIR))/((Green+NIR)) (5)

MNDWI=((Green−SWIR 1))/((Green+SWIR 1)) (6)

'' Πειραματική σύγκριση των υφιστάμενων ενσωματωμένων δεικτών''

Το κύριο ενδιαφέρον για την ταξινόμηση της LCU στις αστικές περιοχές είναι ο διαχωρισμός των γυμνών εκτάσεων και των κατοικημένων περιοχών, λόγω των παρόμοιων φασματικών χαρακτηριστικών τους. Η εξόρυξη της γυμνής γης είναι ένα δύσκολο έργο, λόγω της πολυπλοκότητας των συστατικών του εδάφους και των φασμάτων του εδάφους. Όπως δήλωσε ο Ben-Dor et al το χημικό συστατικό επηρεάζει άμεσα τη φασματική υπογραφή γυμνών εδαφών, οι οποίες μπορεί να είναι ισχυρές ή αδύναμες. Επιπλέον, πολλές από αυτές τις φασματικές υπογραφές αλληλοεπικαλύπτονται, γεγονός που καθιστά δύσκολο τον προσδιορισμό της κάλυψης του εδάφους. Κατά συνέπεια, τα φασματικά χαρακτηριστικά της κάλυψης του εδάφους, με διαφορετικά συστατικά και περιεκτικότητα σε νερό, μπορεί να διαφέρουν μεταξύ διαφορετικών περιβαλλόντων και εποχών, γεγονός που καθιστά δύσκολη τη διαφοροποίηση της γυμνής γης.

'' Ομαλοποιημένος δείκτης διαφοράς άροσης (NDTI)''

Για να προταθεί ένας δείκτης που μπορεί να αναδείξει τις κατοικημένες περιοχές και να τις διαχωρίσει από τη γυμνή γη, τα φασματικά προφίλ αυτών των δύο χαρακτηριστικών γης αναλύθηκαν σε διάφορα σημεία του δείγματος. Έδειξε ότι η διαφορά αντανάκλασης μεταξύ των ζωνών SWIR (ζώνες 11 και 12) ήταν υψηλότερη για τα εικονοστοιχεία που επιλέχθηκαν από τη γυμνή γη από ό, τι για τα εικονοστοιχεία που επιλέχθηκαν από τις κατοικημένες περιοχές. Αυτό υποδείκνυε την πιθανή αποτελεσματικότητα αυτών των δύο ζωνών SWIR για τη διαφοροποίηση της δομημένης περιοχής από τη γυμνή γη. Διερευνήθηκε η δυνατότητα εφαρμογής του NDTI στις ζώνες SWIR των εικόνων Sentinel-2A για την κατοικημένη περιοχή και την εξόρυξη γυμνών εκτάσεων. Ο δείκτης αυτός προτάθηκε για πρώτη φορά από τους van Deventer et al. για πρακτικές εδάφους, διαχείριση άροσης και χαρτογράφηση καταλοίπων καλλιεργειών και εφαρμόστηκε με επιτυχία από τους Daughtry et al. και Eskandari et al. για γεωργικές πρακτικές και διαχείριση του εδάφους. Απ' όσο γνωρίζουμε, είναι η πρώτη φορά που η NDTI χρησιμοποιείται ως συστατικό στοιχείο για τη διάκριση και τον διαχωρισμό των Τα στοιχεία της NDTI που παρέχονται στο σχήμα 4 και οι υφιστάμενοι ενσωματωμένοι δείκτες που παρέχονται στο σχήμα 3 δείχνουν ότι η NDTI μπορεί να αναδείξει τις αστικές περιοχές και αυξάνει την αντίθεση μεταξύ της γυμνής γης (κόκκινος κύκλος) και της δομημένης περιοχής (μπλε κύκλος). Αυτή η οπτική επιθεώρηση δείχνει την πιθανή αποτελεσματικότητα της NDTI, σε σύγκριση με τους υπάρχοντες ενσωματωμένους δείκτες.κατοικημένων περιοχών και της γυμνής γης.

'' Ομαλοποιημένος δείκτης διαφοράς άροσης (NDTI)''

Για να προταθεί ένας δείκτης που μπορεί να αναδείξει τις κατοικημένες περιοχές και να τις διαχωρίσει από τη γυμνή γη, τα φασματικά προφίλ αυτών των δύο χαρακτηριστικών γης αναλύθηκαν σε διάφορα σημεία του δείγματος. Έδειξε ότι η διαφορά αντανάκλασης μεταξύ των ζωνών SWIR (ζώνες 11 και 12) ήταν υψηλότερη για τα εικονοστοιχεία που επιλέχθηκαν από τη γυμνή γη από ό, τι για τα εικονοστοιχεία που επιλέχθηκαν από τις κατοικημένες περιοχές. Αυτό υποδείκνυε την πιθανή αποτελεσματικότητα αυτών των δύο ζωνών SWIR για τη διαφοροποίηση της δομημένης περιοχής από τη γυμνή γη. Διερευνήθηκε η δυνατότητα εφαρμογής του NDTI στις ζώνες SWIR των εικόνων Sentinel-2A για την κατοικημένη περιοχή και την εξόρυξη γυμνών εκτάσεων. Ο δείκτης αυτός προτάθηκε για πρώτη φορά από τους van Deventer et al. για πρακτικές εδάφους, διαχείριση άροσης και χαρτογράφηση καταλοίπων καλλιεργειών και εφαρμόστηκε με επιτυχία από τους Daughtry et al. και Eskandari et al. για γεωργικές πρακτικές και διαχείριση του εδάφους. Απ' όσο γνωρίζουμε, είναι η πρώτη φορά που η NDTI χρησιμοποιείται ως συστατικό στοιχείο για τη διάκριση και τον διαχωρισμό των Τα στοιχεία της NDTI που παρέχονται στο σχήμα 4 και οι υφιστάμενοι ενσωματωμένοι δείκτες που παρέχονται στο σχήμα 3 δείχνουν ότι η NDTI μπορεί να αναδείξει τις αστικές περιοχές και αυξάνει την αντίθεση μεταξύ της γυμνής γης (κόκκινος κύκλος) και της δομημένης περιοχής (μπλε κύκλος). Αυτή η οπτική επιθεώρηση δείχνει την πιθανή αποτελεσματικότητα της NDTI, σε σύγκριση με τους υπάρχοντες ενσωματωμένους δείκτες.κατοικημένων περιοχών και της γυμνής γης.

'' Αξιολόγηση ταξινόμησης και ακρίβειας''
Για την αξιολόγηση της ακρίβειας των αποτελεσμάτων ταξινόμησης, οι συνολικές ακρίβειες με τις μετρήσεις του χρήστη, του παραγωγού και της συνολικής ακρίβειας και της στατικής Kappa προήλθαν από τον πίνακα σύγχυσης. Η αξιολόγηση της ακρίβειας των αποτελεσμάτων ταξινόμησης πραγματοποιήθηκε με στρωματοποιημένα τυχαία σημεία και η αρχική εικόνα Sentinel-2A και οι εικόνες © Google Earth ως δεδομένα αναφοράς. Σχεδιάστηκε μια τυχαία κατανομή σημείων, ανάλογα με το δυναμικό ετερογένειας και την κάλυψη των τάξεων. Η κατανομή του δείγματος εκπαίδευσης και ο αριθμός των βαθμών που χρησιμοποιούνται στην αξιολόγηση ακρίβειας παρέχονται για κάθε κατηγορία και περιφέρεια του πίνακα 1.

'''Αποτελέσματα και συζήτηση '''

'' Αποτελέσματα για την κύρια περιοχή μελέτης''

Τα αποτελέσματα της ταξινόμησης και οι μετρήσεις αξιολόγησης της ακρίβειας έδειξαν ότι η NDTI, σε συνδυασμό με το NDVIre και το MNDWI, παρείχαν την υψηλότερη ακρίβεια, σε σύγκριση με άλλους συνδυασμούς, συμπεριλαμβανομένων των υφιστάμενων ενσωματωμένων δεικτών και της αρχικής ταξινόμησης εικόνας. Η οπτική ανάλυση των εικόνων που προκύπτουν στο Σχήμα 5 δείχνει ότι η NDTI επιλύει το πρόβλημα ανάμειξης της δομημένης και της γυμνής γης, κάτι που είναι προφανές σε άλλους ενσωματωμένους δείκτες. Επιπλέον, τα προβλήματα που σχετίζονται με την υπερεκτίμηση των κατοικημένων περιοχών και την υποτίμηση της γυμνής γης βελτιώθηκαν σημαντικά, χρησιμοποιώντας αυτόν τον συνδυασμό.
Αν και τα αποτελέσματα ταξινόμησης της εικόνας πολλαπλών δεικτών που βασίζεται σε NDTI υποτίμησαν την πυκνότητα της δομημένης περιοχής σε ορισμένες πυκνές κατοικημένες περιοχές, η προτεινόμενη μέθοδος ταξινόμησης εικόνας πολλαπλών δεικτών παρείχε αξιόπιστες πληροφορίες τόσο για γυμνές εκτάσεις όσο και για δομημένα εδάφη, ενώ κατηγοριοποίησε με ακρίβεια τις κατηγορίες κάλυψης γης νερού και βλάστησης.

''Επικύρωση ανεξάρτητων περιοχών δοκιμών''

Η αποτελεσματικότητα και η εφαρμοσιμότητα της προτεινόμενης προσέγγισης δοκιμάστηκε σε δύο μητροπολιτικές πόλεις της Τουρκίας, την Άγκυρα και την Κόνια. Οι περιφέρειες αυτές ήταν καλές υποψήφιες για την αξιολόγηση των επιδόσεων της μεθόδου πολλαπλών δεικτών, επειδή περιλαμβάνουν κατοικημένες και βιομηχανικές περιοχές που περιβάλλονται από εκτεταμένες γυμνές εκτάσεις, οι οποίες ταιριάζουν στον κύριο στόχο αυτής της έρευνας. Επιπλέον, οι ημερομηνίες απόκτησης εικόνας αντιπροσώπευαν διαφορετικές εποχιακές συνθήκες. Η ταξινόμηση SVM πραγματοποιήθηκε σε αυτές τις περιοχές για τα τρία σύνολα δεδομένων, τα οποία ήταν η αρχική εικόνα Sentinel-2A δέκα ζωνών, το σύνολο δεδομένων NDBI, NDVIre, MNDWI και το σύνολο δεδομένων NDTI, NDVIre, MNDWI.
Η ανάλυση των δύο ανεξάρτητων περιοχών δοκιμών έδειξε παρόμοια χαρακτηριστικά και υποστήριξε την αποτελεσματικότητα του πολυ-δείκτη που βασίζεται σε NDTI σε διαφορετικές χερσαίες και εποχιακές συνθήκες. Συγκεκριμένα, οι στέγες κτιρίων σε βιομηχανικές περιοχές ήταν κατασκευασμένες από υλικά και σκυρόδεμα με βάση το αλουμίνιο, ενώ οι στέγες των άλλων κτιρίων στις δομημένους χώρους ήταν κατασκευασμένες από πλακάκια κυρίως και στις περιοχές δοκιμών. Η διαφορά στο υλικό οροφής είχε ως αποτέλεσμα διαφορετικές φασματικές αντιδράσεις και επέτρεψε το διαχωρισμό στις αρχικές φασματικές ζώνες και τα δεδομένα πολλαπλών δεικτών για αυτές τις κατηγορίες. Έτσι, το πρόβλημα της ανάμειξης ήταν κυρίως μεταξύ γυμνών εκτάσεων και των κατοικημένων περιοχών και μεταξύ γυμνής γης και βιομηχανίας. Απαιτείται περαιτέρω ανάλυση για την αξιολόγηση των επιδόσεων της προτεινόμενης προσέγγισης σε περιοχές όπου οι βιομηχανικές και δομούμενες περιοχές αποτελούνταν από παρόμοια υλικά οροφής.
Τα αποτελέσματα της μελέτης και των περιοχών δοκιμών έδειξαν ότι, αν και οι ενσωματωμένοι δείκτες έχουν αποδειχθεί ότι αναδεικνύουν τις κατοικημένες περιοχές, οι επιδόσεις τους περιορίστηκαν σε ετερογενή τοπία, όπου οι αστικές περιοχές και οι γυμνές εκτάσεις ήταν μικτές. Ένας δείκτης υπέρυθρης βάσης βραχέων κυμάτων βελτίωσε τον διαχωρισμό των αστικών περιοχών και των γυμνών εδαφών, όπως φαίνεται σε αυτό το ερευνητικό έργο. Επιπλέον, οι πρόσφατα προστιθέμενοι φασματικές ζώνες κόκκινου άκρου του Sentinel-2A ενίσχυσαν την ανίχνευση και τη χαρτογράφηση της κάλυψης της βλάστησης.

'''Συμπεράσματα '''

Ο διαχωρισμός της γυμνής γης από τις αδιαπέραστες επιφάνειες και τις κατοικημένες περιοχές ήταν το κύριο πρόβλημα στη χαρτογράφηση των αστικοποιημένων περιοχών. Σε αυτό το ερευνητικό έργο, έχει προταθεί μια νέα προσέγγιση πολλαπλών δεικτών για την ταξινόμηση LCU των δορυφορικών εικόνων Sentinel-2A, εστιάζοντας στον διαχωρισμό της αστικής και της γυμνής γης, εκτός από άλλες κατηγορίες κάλυψης γης. Για τη βελτίωση της ακρίβειας ταξινόμησης και την επίλυση των προβλημάτων εσφαλμένης ταξινόμησης και υπερεκτίμησης, αναπτύχθηκε μεθοδολογία με τη χρήση φασματικών δεικτών που κατηγοριοποίησαν τις τρεις μεγάλες κατηγορίες κάλυψης γης, υδάτινα σώματα, κάλυψη βλάστησης και κατοικημένες περιοχές. Οι εικόνες πολλαπλών ευρετηρίων που δημιουργήθηκαν με διαφορετικούς συνδυασμούς ευρετηρίων ταξινομήθηκαν χρησιμοποιώντας τον αλγόριθμο SVM που βασίζεται στη μηχανική μάθηση. Τα αποτελέσματα ταξινόμησης πολλαπλών δεικτών συγκρίθηκαν με το αποτέλεσμα ταξινόμησης SVM της εικόνας Sentinel-2A δέκα ζωνών. Τα αποτελέσματα αυτής της έρευνας έδειξαν ότι η NDTI σε συνδυασμό με το NDVIre και το MNDWI βελτίωσαν τον διαχωρισμό μεταξύ των κατοικημένων περιοχών και των γυμνών εκτάσεων και βελτίωσαν σημαντικά την εσφαλμένη ταξινόμηση των γυμνών εκτάσεων ως δομημένους περιοχές. Επιπλέον, το NDTI, το οποίο υπολογίστηκε από τη διαφορά των ζωνών SWIR, διαιρούμενο με το άθροισμά τους, θα μπορούσε να εφαρμοστεί στις εικόνες Landsat 5, 7 και 8, καθώς και στις αποστολές Landsat που περιελάμβαναν τις ζώνες SWIR με παρόμοιο εύρος μήκους κύματος της αποστολής Sentinel-2. Αυτή η δυνατότητα εφαρμογής επέτρεψε μια περαιτέρω ανάλυση χρησιμοποιώντας συνδυασμένες ιστορικές αρχειακές αποστολές Landsat και υψηλότερες χωρικές και φασματικές εικόνες Sentinel-2A, για την ανίχνευση αλλαγών LCU μέσα από δεκαετίες. Αν και η ταξινόμηση των εικόνων Sentinel-2A δέκα ζωνών παρείχε αποδεκτά αποτελέσματα που σχετίζονται με τη δομημένη περιοχή και τις γυμνές κατηγορίες γης, η εικόνα πολλαπλών δεικτών του NDTI, του NDVIre και του MNDWI παρείχε πιο ερμηνευτικά και ενδεικτικά αποτελέσματα για τις κατοικημένες περιοχές, όσον αφορά το σχήμα, την ένταση και το μοτίβο. Ο προτεινόμενος συνδυασμός παρείχε επίσης ικανοποιητικά αποτελέσματα και βελτιώσεις ακρίβειας για τις άλλες κατηγορίες LCU, με ακρίβεια 85% ή καλύτερη στις τρεις περιφέρειες μελέτης, σε σύγκριση με άλλα σύνολα δεδομένων. Τα ευρήματα αυτά υποδεικνύουν την πιθανή αποτελεσματικότητα του προτεινόμενου πολυ-δείκτη που έχει οριστεί ως μέθοδος μείωσης της διάστασης στην πολυχρονική ανάλυση. Περαιτέρω μελέτες έχουν προγραμματιστεί για την ενσωμάτωση πολυχρονικών και πολυπολικών δεδομένων SAR, όπως το Sentinel 1 (για την επεξεργασία της αλυσίδας), προκειμένου να αξιοποιούνται τα δεδομένα SAR στο διαχωρισμό γυμνών εδαφών και δομημένου περιοχών.

Διαχωρισμός των δομημένου περιοχών από τη γυμνή γη σε μεσογειακές πόλεις χρησιμοποιώντας εικόνες Sentinel-2A.

2022-02-03T06:43:47Z

Annabasiou:

Διαχωρισμός των δομημένου περιοχών από τη γυμνή γη σε μεσογειακές πόλεις χρησιμοποιώντας εικόνες Sentinel-2A.

2022-02-03T06:43:19Z

Annabasiou:

[[category:Εκτίμηση καταλληλότητας της γης για διάφορες εφαρμογές]]

'''Πρωτότυπος τίτλος:''' ''Separating Built-Up Areas from Bare Land in Mediterranean Cities Using Sentinel-2A Imagery''
[[Εικόνα:abasiou_wiki4_sxhma1.jpg | thumb| right|'''Σχήμα 1. '''
Χάρτης θέσης της κύριας περιοχής μελέτης και των περιοχών δοκιμής (Χάρτης χώρας από ESRI©, Καλιφόρνια, ΗΠΑ, πιο προσεκτική ματιά από το φυσικό σύνθετο χρώμα του Sentinel-2A).]]

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

[[Εικόνα:abasiou_wiki4_sxhma2.JPG | thumb| right|'''Σχήμα 2.'''

Φασματικές καμπύλες ανάκλασης διαφορετικών τύπων κάλυψης/χρήσης γης (LCU), σύμφωνα με τις ζώνες εικόνας Sentinel-2A (κορυφαίες τιμές ανάκλασης ατμόσφαιρας που που προέρχονται από δορυφορική εικόνα ανάλυσης 12 bit) ]]

[[Εικόνα:abasiou_wiki4_sxhma3.JPG | thumb| right|'''Σχήμα 3.'''

Εικόνες του (α) Sentinel-2A RGB; β) ομαλοποιημένος δείκτης δημιουργίας διαφορών (NDBI)· γ) δείκτης δημιουργίας (BUI)· δ) δείκτης εξόρυξης δομημένης έκτασης (BAEI)· ε) νέος δείκτης δημιουργίας (NBI)· στ) δείκτης βλάστησης (VIBI)· ζ) δείκτης που βασίζεται σε ευρετήριο (IBI)· η) αστικός δείκτης (UI)· και i) γυμνό δείκτη εδάφους (BSI). ]]

[[Εικόνα:abasiou_wiki4_sxhma4.JPG | thumb| right|'''Σχήμα 4.'''

Οι εικόνες του (α) του Δείκτη Ομαλοποιημένης Διαφοράς (NDTI) και(β) ενός υποσυνόλου της NDTI αποτελούν παράδειγμα της αντίθεσης μεταξύ γυμνών εδαφών και δομημένων περιοχών. ]]

[[Εικόνα:abasiou_wiki4_pinakas1.JPG | thumb| right|'''Πίνακας 1.'''

Δείγμα κατάρτισης και κατανομή σημείων αξιολόγησης της ακρίβειας για τις περιφέρειες μελέτης. ]]

[[Εικόνα:abasiou_wiki4_sxhma5.JPG | thumb| right|'''Σχήμα 5.'''

Αποτελέσματα ταξινόμησης:α) NDBI· β)BUI· γ)BAEI· δ) NBI· ε)VIBI· στ)IBI· ζ) περιβάλλον εργασίας χρήστη· η)BSI· i)σύνολα πολλαπλών ευρετηρίων που βασίζονται σε NDTI· και(ι)πρωτότυπες φασματικές ζώνες. ]]

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.mdpi.com/2072-4292/11/3/345/htm]

'''Εισαγωγή'''
Σε όλη την ιστορία, η αύξηση της πυκνότητας του πληθυσμού και η επέκταση των αστικών περιοχών, ιδίως στις μητροπολιτικές πόλεις, έχουν αλλάξει τη μορφή της επιφάνειας της Γης. Ο ρυθμός αύξησης της κάλυψης/χρήσης γης (LCU) έχει αυξηθεί τις τελευταίες δεκαετίες. Η αύξηση του πληθυσμού οδηγεί σε αύξηση της κατανάλωσης νερού και ενέργειας και προκαλεί αλλαγές στην επιφάνεια της γης, οι οποίες έχουν ως αποτέλεσμα την περιφερειακή έως παγκόσμια κλιματική αλλαγή και την υποβάθμιση του περιβάλλοντος.
Οι αλλαγές στην LCU που έχουν συμβεί λόγω της αστικοποίησης, της αποψίλωσης των δασών, των φυσικών καταστροφών και των έντονων γεωργικών πρακτικών, έχουν επηρεάσει σε μεγάλο βαθμό τα κλιματικά χαρακτηριστικά σε περιφερειακή και παγκόσμια κλίμακα. Οι αλλαγές αυτές οδηγούν γενικά σε αυξήσεις των θερμοκρασιών κοντά στην επιφάνεια και σχηματισμό των νήσων θερμότητας, οι οποίες προκαλούν άλλα κλιματικά φαινόμενα.
Η διαθεσιμότητα δωρεάν παγκόσμιων και ιστορικών δορυφορικών εικόνων παρέχει μια πολύτιμη ευκαιρία για τη χαρτογράφηση και την παρακολούθηση της LCU.
Ο κύριος στόχος αυτού του ερευνητικού έργου ήταν να προτείνει μια προσέγγιση ταξινόμησης SVM που βασίζεται σε πολλαπλούς δείκτες, για τη χαρτογράφηση επτά διαφορετικών κατηγοριών LCU, σε σύνθετες αστικές περιοχές. Η έρευνα επικεντρώθηκε στον διαχωρισμό των κατοικημένων περιοχών και των γυμνών εδαφών, εκτός από την παροχή ενός ακριβούς και αξιόπιστου χάρτη LCU, σε τρεις πυκνά αστικοποιημένες μητροπολιτικές πόλεις της Τουρκίας, χρησιμοποιώντας τις εικόνες Sentinel-2A.

'''Περιοχή μελέτης '''

Η Κωνσταντινούπολη είναι η πιο πυκνοκατοικημένη και η μεγαλύτερη πόλη της Τουρκίας, που βρίσκεται σε γεωγραφικό πλάτος 41°00′44,06" Β και γεωγραφικό μήκος 28°58′33,66" Ε, στο Βόρειο Ημισφαίριο, ενώνοντας τις δύο ηπείρους της Ασίας και της Ευρώπης. Η Κωνσταντινούπολη είναι επίσης μία από τις μεγαλύτερες μητροπολιτικές πόλεις της Ευρώπης, καλύπτοντας περίπου 5.500 χιλιόμετρα2, με πληθυσμό άνω των 15 εκατομμυρίων το 2017, που αντιστοιχεί στο 18% της χώρας . Η σημαντική αύξηση του πληθυσμού που σημειώθηκε λόγω της βιομηχανικής ανάπτυξης και της απρογραμμάτιστης αστικοποίησης, κατά το δεύτερο μισό του εικοστού αιώνα, είχε ως αποτέλεσμα κρίσιμους μετασχηματισμούς της δομής και της μορφολογίας της πόλης.

'''Μεθοδολογία '''

'' Προεπεξεργασία δορυφορικών εικόνων και εξαγωγή φασματικών υπογραφών''

Οι δορυφορικές εικόνες που χρησιμοποιήθηκαν σε αυτή την έρευνα αποκτήθηκαν σε συνθήκες καθαρού ουρανού, με ελάχιστες ατμοσφαιρικές διαταραχές. Για κάθε περιοχή χρησιμοποιήθηκε μία μόνο εικόνα. Ως εκ τούτου, δεν ήταν αναγκαίο ένα βήμα προεπεξεργασίας της ατμοσφαιρικής διόρθωσης.
Η χωρική ανάλυση των ζωνών εικόνας Sentinel-2 διέφερε μέσω των τμημάτων μήκους κύματος. Έτσι, υπήρχε ανάγκη για ομοιόμορφη χωρική ανάλυση για αναλύσεις όπως η δημιουργία φασματικού προφίλ βάσει σημείου, η δημιουργία φασματικού δείκτη και η ταξινόμηση πολυφασματικής εικόνας. Oι ζώνες ανάλυσης 20 m και 60 m των εικόνων Sentinel-2A ανανεώθηκαν στα 10 m, χρησιμοποιώντας την πλησιέστερη μέθοδο γείτονα, για να διατηρηθεί η ακεραιότητα της χωρικής ανάλυσης.
Στο επόμενο βήμα, εξήχθησαν φασματικά προφίλ διαφόρων τύπων αντικειμένων γης, συμπεριλαμβανομένων των δασών broadleaf, των φυλλοβόλας δασών, των γεωργικών εκτάσεων, της αστικής πράσινης κάλυψης, της δομημένης, βιομηχανικής περιοχής, της αραιής κατοικημένης περιοχής, του θαλασσινού νερού, των υδάτων της λίμνης, της άσφαλτου και της γυμνής γης, για να εξετάσουν και να συγκρίνουν την ικανότητα διαχωρισμού των ζωνών εικόνας Sentinel-2A(Σχήμα 2 ). Κατά τη διάρκεια της διαδικασίας ταξινόμησης, τα δείγματα από πλατύφυλλα και φυλλοβόλα δάση τοποθετήθηκαν στην κατηγορία των δασών, δείγματα από αστική πράσινη κάλυψη και γεωργικές εκτάσεις ανατέθηκαν στην κατηγορία βλάστησης και δείγματα από λίμνες και θάλασσες ανατέθηκαν στην κατηγορία ύδατος, για να ληφθούν οι επτά τύποι κάλυψης γης που χρησιμοποιήθηκαν στην παρούσα έρευνα.
Όπως δείχνει το σχήμα 2, η γυμνή γη είχε παρόμοια αντανάκλαση με τις κατοικημένες περιοχές και ήταν δύσκολο να προσδιοριστούν αυτές οι δύο κατηγορίες με τη χρήση ενός ενιαίου δείκτη. Ήταν απλό να προσδιοριστούν τα υδάτινα σώματα από άλλους τύπους κάλυψης γης, λόγω της μοναδικής φασματικής υπογραφής τους. Η σταδιακή μείωση της αντανάκλασης από τη ζώνη 1 στη ζώνη 12 ήταν ειδική για τα υδατικά συστήματα. Μια σημαντική αύξηση της αντανάκλασης στις ζώνες των κόκκινων άκρων (B5, B6, B7) και nir ζώνες (B8, B8a), σε σύγκριση με την κόκκινη ζώνη (B4) ήταν ειδική για την κάλυψη βλάστησης και θα μπορούσε να χρησιμοποιηθεί για την ανίχνευση φυτικών περιοχών. Επιπλέον, οι αναλύσεις της καμπύλης αντανάκλασης απέδειξαν ότι τα B1, B9 και B10 (εγγενής ανάλυση 60 m) δεν μπορούσαν να χρησιμοποιηθούν για τον διαχωρισμό των κατηγοριών κάλυψης γης. Οι παρατηρήσεις αυτές θα μπορούσαν να εξηγηθούν από τα χαρακτηριστικά αυτών των ζωνών. Β1 (παράκτιο αεροζόλ), επηρεασμένο έντονα από την ατμόσφαιρα και από τα Β9 και Β10, τα οποία ήταν υδρατμοί και κίρρος, δεν παρείχαν φασματικές πληροφορίες σχετικά με την επιφάνεια της Γης. Έτσι, αυτές οι ζώνες αφαιρέθηκαν από τα δεδομένα και πραγματοποιήθηκαν περαιτέρω αναλύσεις με τις υπόλοιπες 10 ζώνες. Η φασματική αξιολόγηση έδειξε ότι η κύρια πρόκληση ήταν ο διαχωρισμός της γυμνής γης και των κατοικημένων περιοχών, που ήταν ο κύριος στόχος αυτής της έρευνας.

'' Δημιουργία εικόνων πολλαπλών δεικτών''

Για το στοιχείο κάλυψης βλάστησης, εξετάστηκε ο δείκτης ομαλοποιημένης βλάστησης με βάση τις κόκκινες άκρες (NDVIre) και δύο γνωστοί δείκτες βλάστησης, ο προσαρμοσμένος στο έδαφος δείκτης βλάστησης (SAVI) , και ο NDVI. O Hansen et al. , είχε αξιολογήσει για πρώτη φορά το NDVIre αναλύοντας δεδομένα υπερφασματικής αντανάκλασης. Η Delgado et al.Mκαι η Frampton et al είχαν δοκιμάσει για πρώτη φορά τη δυνατότητα εφαρμογής της στα σχεδιασμένα τμήματα μήκους κύματος Sentinel-2, πριν από την έναρξη της δορυφορικής αποστολής, χρησιμοποιώντας δεδομένα από διάφορες επιτόπιες εκστρατείες του ΗΣΥ σε γεωργικές εγκαταστάσεις. Τα αποτελέσματα και των δύο μελετών έδειξαν ότι η εφαρμογή αυτού του δείκτη στο κόκκινο B4 του Sentinel-2 (665 nm) και στις νέες ζώνες B5 (705 nm) του κόκκινου άκρου, παρείχε υψηλές συσχετίσεις κατά την εκτίμηση του δείκτη περιοχής φύλλων και της περιεκτικότητας σε χλωροφύλλη. Pu et al και Zhu et al. εισήγαγε τη λειτουργική χρήση αυτού του δείκτη για τις δορυφορικές εικόνες Worldview-2. Απ' όσο γνωρίζουμε, αυτή η έρευνα είναι μια νέα αξιολόγηση του NDVIre σχετικά με τις επιχειρησιακές εικόνες Sentinel-2A.
Τέλος, για το συστατικό του υδατικού σώματος, εξετάστηκε ο ομαλοποιημένος δείκτης νερού διαφοράς (NDWI) και ο τροποποιημένος ομαλοποιημένος δείκτης νερού διαφοράς (MNDWI). Οι τύποι που σχετίζονται με τους παραπάνω φασματολογικούς δείκτες ήταν:

NDTI=((SWIR 1−SWIR 2))/((SWIR 1+SWIR 2)) (1)

NDVIre=((RedEdge 1−Red))/((RedEdge 1+Red)) (2)

NDVI=((NIR−Red))/((NIR+Red)) (3)

SAVI=((NIR−Red))/((NIR+Red+0.5))×1.5 (4)

NDWI=((Green−NIR))/((Green+NIR)) (5)

MNDWI=((Green−SWIR 1))/((Green+SWIR 1)) (6)

'' Πειραματική σύγκριση των υφιστάμενων ενσωματωμένων δεικτών''

Το κύριο ενδιαφέρον για την ταξινόμηση της LCU στις αστικές περιοχές είναι ο διαχωρισμός των γυμνών εκτάσεων και των κατοικημένων περιοχών, λόγω των παρόμοιων φασματικών χαρακτηριστικών τους. Η εξόρυξη της γυμνής γης είναι ένα δύσκολο έργο, λόγω της πολυπλοκότητας των συστατικών του εδάφους και των φασμάτων του εδάφους. Όπως δήλωσε ο Ben-Dor et al το χημικό συστατικό επηρεάζει άμεσα τη φασματική υπογραφή γυμνών εδαφών, οι οποίες μπορεί να είναι ισχυρές ή αδύναμες. Επιπλέον, πολλές από αυτές τις φασματικές υπογραφές αλληλοεπικαλύπτονται, γεγονός που καθιστά δύσκολο τον προσδιορισμό της κάλυψης του εδάφους. Κατά συνέπεια, τα φασματικά χαρακτηριστικά της κάλυψης του εδάφους, με διαφορετικά συστατικά και περιεκτικότητα σε νερό, μπορεί να διαφέρουν μεταξύ διαφορετικών περιβαλλόντων και εποχών, γεγονός που καθιστά δύσκολη τη διαφοροποίηση της γυμνής γης.

'' Ομαλοποιημένος δείκτης διαφοράς άροσης (NDTI)''

Για να προταθεί ένας δείκτης που μπορεί να αναδείξει τις κατοικημένες περιοχές και να τις διαχωρίσει από τη γυμνή γη, τα φασματικά προφίλ αυτών των δύο χαρακτηριστικών γης αναλύθηκαν σε διάφορα σημεία του δείγματος. Έδειξε ότι η διαφορά αντανάκλασης μεταξύ των ζωνών SWIR (ζώνες 11 και 12) ήταν υψηλότερη για τα εικονοστοιχεία που επιλέχθηκαν από τη γυμνή γη από ό, τι για τα εικονοστοιχεία που επιλέχθηκαν από τις κατοικημένες περιοχές. Αυτό υποδείκνυε την πιθανή αποτελεσματικότητα αυτών των δύο ζωνών SWIR για τη διαφοροποίηση της δομημένης περιοχής από τη γυμνή γη. Διερευνήθηκε η δυνατότητα εφαρμογής του NDTI στις ζώνες SWIR των εικόνων Sentinel-2A για την κατοικημένη περιοχή και την εξόρυξη γυμνών εκτάσεων. Ο δείκτης αυτός προτάθηκε για πρώτη φορά από τους van Deventer et al. για πρακτικές εδάφους, διαχείριση άροσης και χαρτογράφηση καταλοίπων καλλιεργειών και εφαρμόστηκε με επιτυχία από τους Daughtry et al. και Eskandari et al. για γεωργικές πρακτικές και διαχείριση του εδάφους. Απ' όσο γνωρίζουμε, είναι η πρώτη φορά που η NDTI χρησιμοποιείται ως συστατικό στοιχείο για τη διάκριση και τον διαχωρισμό των Τα στοιχεία της NDTI που παρέχονται στο σχήμα 4 και οι υφιστάμενοι ενσωματωμένοι δείκτες που παρέχονται στο σχήμα 3 δείχνουν ότι η NDTI μπορεί να αναδείξει τις αστικές περιοχές και αυξάνει την αντίθεση μεταξύ της γυμνής γης (κόκκινος κύκλος) και της δομημένης περιοχής (μπλε κύκλος). Αυτή η οπτική επιθεώρηση δείχνει την πιθανή αποτελεσματικότητα της NDTI, σε σύγκριση με τους υπάρχοντες ενσωματωμένους δείκτες.κατοικημένων περιοχών και της γυμνής γης.

'' Ομαλοποιημένος δείκτης διαφοράς άροσης (NDTI)''

Για να προταθεί ένας δείκτης που μπορεί να αναδείξει τις κατοικημένες περιοχές και να τις διαχωρίσει από τη γυμνή γη, τα φασματικά προφίλ αυτών των δύο χαρακτηριστικών γης αναλύθηκαν σε διάφορα σημεία του δείγματος. Έδειξε ότι η διαφορά αντανάκλασης μεταξύ των ζωνών SWIR (ζώνες 11 και 12) ήταν υψηλότερη για τα εικονοστοιχεία που επιλέχθηκαν από τη γυμνή γη από ό, τι για τα εικονοστοιχεία που επιλέχθηκαν από τις κατοικημένες περιοχές. Αυτό υποδείκνυε την πιθανή αποτελεσματικότητα αυτών των δύο ζωνών SWIR για τη διαφοροποίηση της δομημένης περιοχής από τη γυμνή γη. Διερευνήθηκε η δυνατότητα εφαρμογής του NDTI στις ζώνες SWIR των εικόνων Sentinel-2A για την κατοικημένη περιοχή και την εξόρυξη γυμνών εκτάσεων. Ο δείκτης αυτός προτάθηκε για πρώτη φορά από τους van Deventer et al. για πρακτικές εδάφους, διαχείριση άροσης και χαρτογράφηση καταλοίπων καλλιεργειών και εφαρμόστηκε με επιτυχία από τους Daughtry et al. και Eskandari et al. για γεωργικές πρακτικές και διαχείριση του εδάφους. Απ' όσο γνωρίζουμε, είναι η πρώτη φορά που η NDTI χρησιμοποιείται ως συστατικό στοιχείο για τη διάκριση και τον διαχωρισμό των Τα στοιχεία της NDTI που παρέχονται στο σχήμα 4 και οι υφιστάμενοι ενσωματωμένοι δείκτες που παρέχονται στο σχήμα 3 δείχνουν ότι η NDTI μπορεί να αναδείξει τις αστικές περιοχές και αυξάνει την αντίθεση μεταξύ της γυμνής γης (κόκκινος κύκλος) και της δομημένης περιοχής (μπλε κύκλος). Αυτή η οπτική επιθεώρηση δείχνει την πιθανή αποτελεσματικότητα της NDTI, σε σύγκριση με τους υπάρχοντες ενσωματωμένους δείκτες.κατοικημένων περιοχών και της γυμνής γης.

'' Αξιολόγηση ταξινόμησης και ακρίβειας''
Για την αξιολόγηση της ακρίβειας των αποτελεσμάτων ταξινόμησης, οι συνολικές ακρίβειες με τις μετρήσεις του χρήστη, του παραγωγού και της συνολικής ακρίβειας και της στατικής Kappa προήλθαν από τον πίνακα σύγχυσης. Η αξιολόγηση της ακρίβειας των αποτελεσμάτων ταξινόμησης πραγματοποιήθηκε με στρωματοποιημένα τυχαία σημεία και η αρχική εικόνα Sentinel-2A και οι εικόνες © Google Earth ως δεδομένα αναφοράς. Σχεδιάστηκε μια τυχαία κατανομή σημείων, ανάλογα με το δυναμικό ετερογένειας και την κάλυψη των τάξεων. Η κατανομή του δείγματος εκπαίδευσης και ο αριθμός των βαθμών που χρησιμοποιούνται στην αξιολόγηση ακρίβειας παρέχονται για κάθε κατηγορία και περιφέρεια του πίνακα 1.

'''Αποτελέσματα και συζήτηση '''

'' Αποτελέσματα για την κύρια περιοχή μελέτης''

Τα αποτελέσματα της ταξινόμησης και οι μετρήσεις αξιολόγησης της ακρίβειας έδειξαν ότι η NDTI, σε συνδυασμό με το NDVIre και το MNDWI, παρείχαν την υψηλότερη ακρίβεια, σε σύγκριση με άλλους συνδυασμούς, συμπεριλαμβανομένων των υφιστάμενων ενσωματωμένων δεικτών και της αρχικής ταξινόμησης εικόνας. Η οπτική ανάλυση των εικόνων που προκύπτουν στο Σχήμα 5 δείχνει ότι η NDTI επιλύει το πρόβλημα ανάμειξης της δομημένης και της γυμνής γης, κάτι που είναι προφανές σε άλλους ενσωματωμένους δείκτες. Επιπλέον, τα προβλήματα που σχετίζονται με την υπερεκτίμηση των κατοικημένων περιοχών και την υποτίμηση της γυμνής γης βελτιώθηκαν σημαντικά, χρησιμοποιώντας αυτόν τον συνδυασμό.
Αν και τα αποτελέσματα ταξινόμησης της εικόνας πολλαπλών δεικτών που βασίζεται σε NDTI υποτίμησαν την πυκνότητα της δομημένης περιοχής σε ορισμένες πυκνές κατοικημένες περιοχές, η προτεινόμενη μέθοδος ταξινόμησης εικόνας πολλαπλών δεικτών παρείχε αξιόπιστες πληροφορίες τόσο για γυμνές εκτάσεις όσο και για δομημένα εδάφη, ενώ κατηγοριοποίησε με ακρίβεια τις κατηγορίες κάλυψης γης νερού και βλάστησης.

''Επικύρωση ανεξάρτητων περιοχών δοκιμών''

Η αποτελεσματικότητα και η εφαρμοσιμότητα της προτεινόμενης προσέγγισης δοκιμάστηκε σε δύο μητροπολιτικές πόλεις της Τουρκίας, την Άγκυρα και την Κόνια. Οι περιφέρειες αυτές ήταν καλές υποψήφιες για την αξιολόγηση των επιδόσεων της μεθόδου πολλαπλών δεικτών, επειδή περιλαμβάνουν κατοικημένες και βιομηχανικές περιοχές που περιβάλλονται από εκτεταμένες γυμνές εκτάσεις, οι οποίες ταιριάζουν στον κύριο στόχο αυτής της έρευνας. Επιπλέον, οι ημερομηνίες απόκτησης εικόνας αντιπροσώπευαν διαφορετικές εποχιακές συνθήκες. Η ταξινόμηση SVM πραγματοποιήθηκε σε αυτές τις περιοχές για τα τρία σύνολα δεδομένων, τα οποία ήταν η αρχική εικόνα Sentinel-2A δέκα ζωνών, το σύνολο δεδομένων NDBI, NDVIre, MNDWI και το σύνολο δεδομένων NDTI, NDVIre, MNDWI.
Η ανάλυση των δύο ανεξάρτητων περιοχών δοκιμών έδειξε παρόμοια χαρακτηριστικά και υποστήριξε την αποτελεσματικότητα του πολυ-δείκτη που βασίζεται σε NDTI σε διαφορετικές χερσαίες και εποχιακές συνθήκες. Συγκεκριμένα, οι στέγες κτιρίων σε βιομηχανικές περιοχές ήταν κατασκευασμένες από υλικά και σκυρόδεμα με βάση το αλουμίνιο, ενώ οι στέγες των άλλων κτιρίων στις δομημένους χώρους ήταν κατασκευασμένες από πλακάκια κυρίως και στις περιοχές δοκιμών. Η διαφορά στο υλικό οροφής είχε ως αποτέλεσμα διαφορετικές φασματικές αντιδράσεις και επέτρεψε το διαχωρισμό στις αρχικές φασματικές ζώνες και τα δεδομένα πολλαπλών δεικτών για αυτές τις κατηγορίες. Έτσι, το πρόβλημα της ανάμειξης ήταν κυρίως μεταξύ γυμνών εκτάσεων και των κατοικημένων περιοχών και μεταξύ γυμνής γης και βιομηχανίας. Απαιτείται περαιτέρω ανάλυση για την αξιολόγηση των επιδόσεων της προτεινόμενης προσέγγισης σε περιοχές όπου οι βιομηχανικές και δομούμενες περιοχές αποτελούνταν από παρόμοια υλικά οροφής.
Τα αποτελέσματα της μελέτης και των περιοχών δοκιμών έδειξαν ότι, αν και οι ενσωματωμένοι δείκτες έχουν αποδειχθεί ότι αναδεικνύουν τις κατοικημένες περιοχές, οι επιδόσεις τους περιορίστηκαν σε ετερογενή τοπία, όπου οι αστικές περιοχές και οι γυμνές εκτάσεις ήταν μικτές. Ένας δείκτης υπέρυθρης βάσης βραχέων κυμάτων βελτίωσε τον διαχωρισμό των αστικών περιοχών και των γυμνών εδαφών, όπως φαίνεται σε αυτό το ερευνητικό έργο. Επιπλέον, οι πρόσφατα προστιθέμενοι φασματικές ζώνες κόκκινου άκρου του Sentinel-2A ενίσχυσαν την ανίχνευση και τη χαρτογράφηση της κάλυψης της βλάστησης.

'''Συμπεράσματα '''

Ο διαχωρισμός της γυμνής γης από τις αδιαπέραστες επιφάνειες και τις κατοικημένες περιοχές ήταν το κύριο πρόβλημα στη χαρτογράφηση των αστικοποιημένων περιοχών. Σε αυτό το ερευνητικό έργο, έχει προταθεί μια νέα προσέγγιση πολλαπλών δεικτών για την ταξινόμηση LCU των δορυφορικών εικόνων Sentinel-2A, εστιάζοντας στον διαχωρισμό της αστικής και της γυμνής γης, εκτός από άλλες κατηγορίες κάλυψης γης. Για τη βελτίωση της ακρίβειας ταξινόμησης και την επίλυση των προβλημάτων εσφαλμένης ταξινόμησης και υπερεκτίμησης, αναπτύχθηκε μεθοδολογία με τη χρήση φασματικών δεικτών που κατηγοριοποίησαν τις τρεις μεγάλες κατηγορίες κάλυψης γης, υδάτινα σώματα, κάλυψη βλάστησης και κατοικημένες περιοχές. Οι εικόνες πολλαπλών ευρετηρίων που δημιουργήθηκαν με διαφορετικούς συνδυασμούς ευρετηρίων ταξινομήθηκαν χρησιμοποιώντας τον αλγόριθμο SVM που βασίζεται στη μηχανική μάθηση. Τα αποτελέσματα ταξινόμησης πολλαπλών δεικτών συγκρίθηκαν με το αποτέλεσμα ταξινόμησης SVM της εικόνας Sentinel-2A δέκα ζωνών. Τα αποτελέσματα αυτής της έρευνας έδειξαν ότι η NDTI σε συνδυασμό με το NDVIre και το MNDWI βελτίωσαν τον διαχωρισμό μεταξύ των κατοικημένων περιοχών και των γυμνών εκτάσεων και βελτίωσαν σημαντικά την εσφαλμένη ταξινόμηση των γυμνών εκτάσεων ως δομημένους περιοχές. Επιπλέον, το NDTI, το οποίο υπολογίστηκε από τη διαφορά των ζωνών SWIR, διαιρούμενο με το άθροισμά τους, θα μπορούσε να εφαρμοστεί στις εικόνες Landsat 5, 7 και 8, καθώς και στις αποστολές Landsat που περιελάμβαναν τις ζώνες SWIR με παρόμοιο εύρος μήκους κύματος της αποστολής Sentinel-2. Αυτή η δυνατότητα εφαρμογής επέτρεψε μια περαιτέρω ανάλυση χρησιμοποιώντας συνδυασμένες ιστορικές αρχειακές αποστολές Landsat και υψηλότερες χωρικές και φασματικές εικόνες Sentinel-2A, για την ανίχνευση αλλαγών LCU μέσα από δεκαετίες. Αν και η ταξινόμηση των εικόνων Sentinel-2A δέκα ζωνών παρείχε αποδεκτά αποτελέσματα που σχετίζονται με τη δομημένη περιοχή και τις γυμνές κατηγορίες γης, η εικόνα πολλαπλών δεικτών του NDTI, του NDVIre και του MNDWI παρείχε πιο ερμηνευτικά και ενδεικτικά αποτελέσματα για τις κατοικημένες περιοχές, όσον αφορά το σχήμα, την ένταση και το μοτίβο. Ο προτεινόμενος συνδυασμός παρείχε επίσης ικανοποιητικά αποτελέσματα και βελτιώσεις ακρίβειας για τις άλλες κατηγορίες LCU, με ακρίβεια 85% ή καλύτερη στις τρεις περιφέρειες μελέτης, σε σύγκριση με άλλα σύνολα δεδομένων. Τα ευρήματα αυτά υποδεικνύουν την πιθανή αποτελεσματικότητα του προτεινόμενου πολυ-δείκτη που έχει οριστεί ως μέθοδος μείωσης της διάστασης στην πολυχρονική ανάλυση. Περαιτέρω μελέτες έχουν προγραμματιστεί για την ενσωμάτωση πολυχρονικών και πολυπολικών δεδομένων SAR, όπως το Sentinel 1 (για την επεξεργασία της αλυσίδας), προκειμένου να αξιοποιούνται τα δεδομένα SAR στο διαχωρισμό γυμνών εδαφών και δομημένου περιοχών.

Αρχείο:Abasiou wiki4 sxhma5.jpg

2022-02-02T12:12:03Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 sxhma5.jpg"

Αρχείο:Abasiou wiki4 sxhma5.JPG

2022-02-02T12:11:34Z

Annabasiou:

Αρχείο:Abasiou wiki4 sxhma5.jpg

2022-02-02T12:10:40Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 sxhma5.jpg"

Αρχείο:Abasiou wiki4 sxhma5.jpg

2022-02-02T12:10:06Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 sxhma5.jpg"

Αρχείο:Abasiou wiki4 sxhma5.jpg

2022-02-02T12:09:30Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 sxhma5.jpg"

Αρχείο:Abasiou wiki4 pinakas1.jpg

2022-02-02T12:09:07Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 pinakas1.jpg"

Αρχείο:Abasiou wiki4 pinakas1.JPG

2022-02-02T12:07:42Z

Annabasiou:

Αρχείο:Abasiou wiki4 sxhma5.jpg

2022-02-02T12:07:21Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 sxhma5.jpg"

Αρχείο:Abasiou wiki4 pinakas1.jpg

2022-02-02T12:07:08Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 pinakas1.jpg"

Αρχείο:Abasiou wiki4 sxhma5.jpg

2022-02-02T12:05:54Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 sxhma5.jpg"

Αρχείο:Abasiou wiki4 pinakas1.jpg

2022-02-02T12:05:43Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 pinakas1.jpg"

Αρχείο:Abasiou wiki4 sxhma5.jpg

2022-02-02T12:05:15Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 sxhma5.jpg"

Αρχείο:Abasiou wiki4 sxhma4.jpg

2022-02-02T12:03:24Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 sxhma4.jpg"

Αρχείο:Abasiou wiki4 sxhma4.JPG

2022-02-02T12:02:36Z

Annabasiou:

Αρχείο:Abasiou wiki4 sxhma4.jpg

2022-02-02T12:01:54Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 sxhma4.jpg"

Αρχείο:Abasiou wiki4 sxhma3.jpg

2022-02-02T11:56:28Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 sxhma3.jpg"

Αρχείο:Abasiou wiki4 sxhma3.JPG

2022-02-02T11:55:49Z

Annabasiou:

Αρχείο:Abasiou wiki4 sxhma4.jpg

2022-02-02T11:55:11Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 sxhma4.jpg"

Αρχείο:Abasiou wiki4 sxhma3.jpg

2022-02-02T11:55:01Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 sxhma3.jpg"

Διαχωρισμός των δομημένου περιοχών από τη γυμνή γη σε μεσογειακές πόλεις χρησιμοποιώντας εικόνες Sentinel-2A.

2022-02-02T11:54:48Z

Annabasiou:

Add Your Content Here

[[category:Εκτίμηση καταλληλότητας της γης για διάφορες εφαρμογές]]

'''Πρωτότυπος τίτλος:''' ''Separating Built-Up Areas from Bare Land in Mediterranean Cities Using Sentinel-2A Imagery''
[[Εικόνα:abasiou_wiki4_sxhma1.jpg | thumb| right|'''Σχήμα 1. '''
Χάρτης θέσης της κύριας περιοχής μελέτης και των περιοχών δοκιμής (Χάρτης χώρας από ESRI©, Καλιφόρνια, ΗΠΑ, πιο προσεκτική ματιά από το φυσικό σύνθετο χρώμα του Sentinel-2A).]]

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

[[Εικόνα:abasiou_wiki4_sxhma2.JPG | thumb| right|'''Σχήμα 2.'''

Φασματικές καμπύλες ανάκλασης διαφορετικών τύπων κάλυψης/χρήσης γης (LCU), σύμφωνα με τις ζώνες εικόνας Sentinel-2A (κορυφαίες τιμές ανάκλασης ατμόσφαιρας που που προέρχονται από δορυφορική εικόνα ανάλυσης 12 bit) ]]

[[Εικόνα:abasiou_wiki4_sxhma3.JPG | thumb| right|'''Σχήμα 3.'''

Εικόνες του (α) Sentinel-2A RGB; β) ομαλοποιημένος δείκτης δημιουργίας διαφορών (NDBI)· γ) δείκτης δημιουργίας (BUI)· δ) δείκτης εξόρυξης δομημένης έκτασης (BAEI)· ε) νέος δείκτης δημιουργίας (NBI)· στ) δείκτης βλάστησης (VIBI)· ζ) δείκτης που βασίζεται σε ευρετήριο (IBI)· η) αστικός δείκτης (UI)· και i) γυμνό δείκτη εδάφους (BSI). ]]

[[Εικόνα:abasiou_wiki4_sxhma4.JPG | thumb| right|'''Σχήμα 4.'''

Οι εικόνες του (α) του Δείκτη Ομαλοποιημένης Διαφοράς (NDTI) και(β) ενός υποσυνόλου της NDTI αποτελούν παράδειγμα της αντίθεσης μεταξύ γυμνών εδαφών και δομημένων περιοχών. ]]

[[Εικόνα:abasiou_wiki4_pinakas1.JPG | thumb| right|'''Πίνακας 1.'''

Δείγμα κατάρτισης και κατανομή σημείων αξιολόγησης της ακρίβειας για τις περιφέρειες μελέτης. ]]

[[Εικόνα:abasiou_wiki4_sxhma5.JPG | thumb| right|'''Σχήμα 5.'''

Αποτελέσματα ταξινόμησης:α) NDBI· β)BUI· γ)BAEI· δ) NBI· ε)VIBI· στ)IBI· ζ) περιβάλλον εργασίας χρήστη· η)BSI· i)σύνολα πολλαπλών ευρετηρίων που βασίζονται σε NDTI· και(ι)πρωτότυπες φασματικές ζώνες. ]]

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.mdpi.com/2072-4292/11/3/345/htm]

'''Εισαγωγή'''
Σε όλη την ιστορία, η αύξηση της πυκνότητας του πληθυσμού και η επέκταση των αστικών περιοχών, ιδίως στις μητροπολιτικές πόλεις, έχουν αλλάξει τη μορφή της επιφάνειας της Γης. Ο ρυθμός αύξησης της κάλυψης/χρήσης γης (LCU) έχει αυξηθεί τις τελευταίες δεκαετίες. Η αύξηση του πληθυσμού οδηγεί σε αύξηση της κατανάλωσης νερού και ενέργειας και προκαλεί αλλαγές στην επιφάνεια της γης, οι οποίες έχουν ως αποτέλεσμα την περιφερειακή έως παγκόσμια κλιματική αλλαγή και την υποβάθμιση του περιβάλλοντος.
Οι αλλαγές στην LCU που έχουν συμβεί λόγω της αστικοποίησης, της αποψίλωσης των δασών, των φυσικών καταστροφών και των έντονων γεωργικών πρακτικών, έχουν επηρεάσει σε μεγάλο βαθμό τα κλιματικά χαρακτηριστικά σε περιφερειακή και παγκόσμια κλίμακα. Οι αλλαγές αυτές οδηγούν γενικά σε αυξήσεις των θερμοκρασιών κοντά στην επιφάνεια και σχηματισμό των νήσων θερμότητας, οι οποίες προκαλούν άλλα κλιματικά φαινόμενα.
Η διαθεσιμότητα δωρεάν παγκόσμιων και ιστορικών δορυφορικών εικόνων παρέχει μια πολύτιμη ευκαιρία για τη χαρτογράφηση και την παρακολούθηση της LCU.
Ο κύριος στόχος αυτού του ερευνητικού έργου ήταν να προτείνει μια προσέγγιση ταξινόμησης SVM που βασίζεται σε πολλαπλούς δείκτες, για τη χαρτογράφηση επτά διαφορετικών κατηγοριών LCU, σε σύνθετες αστικές περιοχές. Η έρευνα επικεντρώθηκε στον διαχωρισμό των κατοικημένων περιοχών και των γυμνών εδαφών, εκτός από την παροχή ενός ακριβούς και αξιόπιστου χάρτη LCU, σε τρεις πυκνά αστικοποιημένες μητροπολιτικές πόλεις της Τουρκίας, χρησιμοποιώντας τις εικόνες Sentinel-2A.

'''Περιοχή μελέτης '''

Η Κωνσταντινούπολη είναι η πιο πυκνοκατοικημένη και η μεγαλύτερη πόλη της Τουρκίας, που βρίσκεται σε γεωγραφικό πλάτος 41°00′44,06" Β και γεωγραφικό μήκος 28°58′33,66" Ε, στο Βόρειο Ημισφαίριο, ενώνοντας τις δύο ηπείρους της Ασίας και της Ευρώπης. Η Κωνσταντινούπολη είναι επίσης μία από τις μεγαλύτερες μητροπολιτικές πόλεις της Ευρώπης, καλύπτοντας περίπου 5.500 χιλιόμετρα2, με πληθυσμό άνω των 15 εκατομμυρίων το 2017, που αντιστοιχεί στο 18% της χώρας . Η σημαντική αύξηση του πληθυσμού που σημειώθηκε λόγω της βιομηχανικής ανάπτυξης και της απρογραμμάτιστης αστικοποίησης, κατά το δεύτερο μισό του εικοστού αιώνα, είχε ως αποτέλεσμα κρίσιμους μετασχηματισμούς της δομής και της μορφολογίας της πόλης.

'''Μεθοδολογία '''

'' Προεπεξεργασία δορυφορικών εικόνων και εξαγωγή φασματικών υπογραφών''

Οι δορυφορικές εικόνες που χρησιμοποιήθηκαν σε αυτή την έρευνα αποκτήθηκαν σε συνθήκες καθαρού ουρανού, με ελάχιστες ατμοσφαιρικές διαταραχές. Για κάθε περιοχή χρησιμοποιήθηκε μία μόνο εικόνα. Ως εκ τούτου, δεν ήταν αναγκαίο ένα βήμα προεπεξεργασίας της ατμοσφαιρικής διόρθωσης.
Η χωρική ανάλυση των ζωνών εικόνας Sentinel-2 διέφερε μέσω των τμημάτων μήκους κύματος. Έτσι, υπήρχε ανάγκη για ομοιόμορφη χωρική ανάλυση για αναλύσεις όπως η δημιουργία φασματικού προφίλ βάσει σημείου, η δημιουργία φασματικού δείκτη και η ταξινόμηση πολυφασματικής εικόνας. Oι ζώνες ανάλυσης 20 m και 60 m των εικόνων Sentinel-2A ανανεώθηκαν στα 10 m, χρησιμοποιώντας την πλησιέστερη μέθοδο γείτονα, για να διατηρηθεί η ακεραιότητα της χωρικής ανάλυσης.
Στο επόμενο βήμα, εξήχθησαν φασματικά προφίλ διαφόρων τύπων αντικειμένων γης, συμπεριλαμβανομένων των δασών broadleaf, των φυλλοβόλας δασών, των γεωργικών εκτάσεων, της αστικής πράσινης κάλυψης, της δομημένης, βιομηχανικής περιοχής, της αραιής κατοικημένης περιοχής, του θαλασσινού νερού, των υδάτων της λίμνης, της άσφαλτου και της γυμνής γης, για να εξετάσουν και να συγκρίνουν την ικανότητα διαχωρισμού των ζωνών εικόνας Sentinel-2A(Σχήμα 2 ). Κατά τη διάρκεια της διαδικασίας ταξινόμησης, τα δείγματα από πλατύφυλλα και φυλλοβόλα δάση τοποθετήθηκαν στην κατηγορία των δασών, δείγματα από αστική πράσινη κάλυψη και γεωργικές εκτάσεις ανατέθηκαν στην κατηγορία βλάστησης και δείγματα από λίμνες και θάλασσες ανατέθηκαν στην κατηγορία ύδατος, για να ληφθούν οι επτά τύποι κάλυψης γης που χρησιμοποιήθηκαν στην παρούσα έρευνα.
Όπως δείχνει το σχήμα 2, η γυμνή γη είχε παρόμοια αντανάκλαση με τις κατοικημένες περιοχές και ήταν δύσκολο να προσδιοριστούν αυτές οι δύο κατηγορίες με τη χρήση ενός ενιαίου δείκτη. Ήταν απλό να προσδιοριστούν τα υδάτινα σώματα από άλλους τύπους κάλυψης γης, λόγω της μοναδικής φασματικής υπογραφής τους. Η σταδιακή μείωση της αντανάκλασης από τη ζώνη 1 στη ζώνη 12 ήταν ειδική για τα υδατικά συστήματα. Μια σημαντική αύξηση της αντανάκλασης στις ζώνες των κόκκινων άκρων (B5, B6, B7) και nir ζώνες (B8, B8a), σε σύγκριση με την κόκκινη ζώνη (B4) ήταν ειδική για την κάλυψη βλάστησης και θα μπορούσε να χρησιμοποιηθεί για την ανίχνευση φυτικών περιοχών. Επιπλέον, οι αναλύσεις της καμπύλης αντανάκλασης απέδειξαν ότι τα B1, B9 και B10 (εγγενής ανάλυση 60 m) δεν μπορούσαν να χρησιμοποιηθούν για τον διαχωρισμό των κατηγοριών κάλυψης γης. Οι παρατηρήσεις αυτές θα μπορούσαν να εξηγηθούν από τα χαρακτηριστικά αυτών των ζωνών. Β1 (παράκτιο αεροζόλ), επηρεασμένο έντονα από την ατμόσφαιρα και από τα Β9 και Β10, τα οποία ήταν υδρατμοί και κίρρος, δεν παρείχαν φασματικές πληροφορίες σχετικά με την επιφάνεια της Γης. Έτσι, αυτές οι ζώνες αφαιρέθηκαν από τα δεδομένα και πραγματοποιήθηκαν περαιτέρω αναλύσεις με τις υπόλοιπες 10 ζώνες. Η φασματική αξιολόγηση έδειξε ότι η κύρια πρόκληση ήταν ο διαχωρισμός της γυμνής γης και των κατοικημένων περιοχών, που ήταν ο κύριος στόχος αυτής της έρευνας.

'' Δημιουργία εικόνων πολλαπλών δεικτών''

Για το στοιχείο κάλυψης βλάστησης, εξετάστηκε ο δείκτης ομαλοποιημένης βλάστησης με βάση τις κόκκινες άκρες (NDVIre) και δύο γνωστοί δείκτες βλάστησης, ο προσαρμοσμένος στο έδαφος δείκτης βλάστησης (SAVI) , και ο NDVI. O Hansen et al. , είχε αξιολογήσει για πρώτη φορά το NDVIre αναλύοντας δεδομένα υπερφασματικής αντανάκλασης. Η Delgado et al.Mκαι η Frampton et al είχαν δοκιμάσει για πρώτη φορά τη δυνατότητα εφαρμογής της στα σχεδιασμένα τμήματα μήκους κύματος Sentinel-2, πριν από την έναρξη της δορυφορικής αποστολής, χρησιμοποιώντας δεδομένα από διάφορες επιτόπιες εκστρατείες του ΗΣΥ σε γεωργικές εγκαταστάσεις. Τα αποτελέσματα και των δύο μελετών έδειξαν ότι η εφαρμογή αυτού του δείκτη στο κόκκινο B4 του Sentinel-2 (665 nm) και στις νέες ζώνες B5 (705 nm) του κόκκινου άκρου, παρείχε υψηλές συσχετίσεις κατά την εκτίμηση του δείκτη περιοχής φύλλων και της περιεκτικότητας σε χλωροφύλλη. Pu et al και Zhu et al. εισήγαγε τη λειτουργική χρήση αυτού του δείκτη για τις δορυφορικές εικόνες Worldview-2. Απ' όσο γνωρίζουμε, αυτή η έρευνα είναι μια νέα αξιολόγηση του NDVIre σχετικά με τις επιχειρησιακές εικόνες Sentinel-2A.
Τέλος, για το συστατικό του υδατικού σώματος, εξετάστηκε ο ομαλοποιημένος δείκτης νερού διαφοράς (NDWI) και ο τροποποιημένος ομαλοποιημένος δείκτης νερού διαφοράς (MNDWI). Οι τύποι που σχετίζονται με τους παραπάνω φασματολογικούς δείκτες ήταν:

NDTI=((SWIR 1−SWIR 2))/((SWIR 1+SWIR 2)) (1)

NDVIre=((RedEdge 1−Red))/((RedEdge 1+Red)) (2)

NDVI=((NIR−Red))/((NIR+Red)) (3)

SAVI=((NIR−Red))/((NIR+Red+0.5))×1.5 (4)

NDWI=((Green−NIR))/((Green+NIR)) (5)

MNDWI=((Green−SWIR 1))/((Green+SWIR 1)) (6)

'' Πειραματική σύγκριση των υφιστάμενων ενσωματωμένων δεικτών''

Το κύριο ενδιαφέρον για την ταξινόμηση της LCU στις αστικές περιοχές είναι ο διαχωρισμός των γυμνών εκτάσεων και των κατοικημένων περιοχών, λόγω των παρόμοιων φασματικών χαρακτηριστικών τους. Η εξόρυξη της γυμνής γης είναι ένα δύσκολο έργο, λόγω της πολυπλοκότητας των συστατικών του εδάφους και των φασμάτων του εδάφους. Όπως δήλωσε ο Ben-Dor et al το χημικό συστατικό επηρεάζει άμεσα τη φασματική υπογραφή γυμνών εδαφών, οι οποίες μπορεί να είναι ισχυρές ή αδύναμες. Επιπλέον, πολλές από αυτές τις φασματικές υπογραφές αλληλοεπικαλύπτονται, γεγονός που καθιστά δύσκολο τον προσδιορισμό της κάλυψης του εδάφους. Κατά συνέπεια, τα φασματικά χαρακτηριστικά της κάλυψης του εδάφους, με διαφορετικά συστατικά και περιεκτικότητα σε νερό, μπορεί να διαφέρουν μεταξύ διαφορετικών περιβαλλόντων και εποχών, γεγονός που καθιστά δύσκολη τη διαφοροποίηση της γυμνής γης.

'' Ομαλοποιημένος δείκτης διαφοράς άροσης (NDTI)''

Για να προταθεί ένας δείκτης που μπορεί να αναδείξει τις κατοικημένες περιοχές και να τις διαχωρίσει από τη γυμνή γη, τα φασματικά προφίλ αυτών των δύο χαρακτηριστικών γης αναλύθηκαν σε διάφορα σημεία του δείγματος. Έδειξε ότι η διαφορά αντανάκλασης μεταξύ των ζωνών SWIR (ζώνες 11 και 12) ήταν υψηλότερη για τα εικονοστοιχεία που επιλέχθηκαν από τη γυμνή γη από ό, τι για τα εικονοστοιχεία που επιλέχθηκαν από τις κατοικημένες περιοχές. Αυτό υποδείκνυε την πιθανή αποτελεσματικότητα αυτών των δύο ζωνών SWIR για τη διαφοροποίηση της δομημένης περιοχής από τη γυμνή γη. Διερευνήθηκε η δυνατότητα εφαρμογής του NDTI στις ζώνες SWIR των εικόνων Sentinel-2A για την κατοικημένη περιοχή και την εξόρυξη γυμνών εκτάσεων. Ο δείκτης αυτός προτάθηκε για πρώτη φορά από τους van Deventer et al. για πρακτικές εδάφους, διαχείριση άροσης και χαρτογράφηση καταλοίπων καλλιεργειών και εφαρμόστηκε με επιτυχία από τους Daughtry et al. και Eskandari et al. για γεωργικές πρακτικές και διαχείριση του εδάφους. Απ' όσο γνωρίζουμε, είναι η πρώτη φορά που η NDTI χρησιμοποιείται ως συστατικό στοιχείο για τη διάκριση και τον διαχωρισμό των Τα στοιχεία της NDTI που παρέχονται στο σχήμα 4 και οι υφιστάμενοι ενσωματωμένοι δείκτες που παρέχονται στο σχήμα 3 δείχνουν ότι η NDTI μπορεί να αναδείξει τις αστικές περιοχές και αυξάνει την αντίθεση μεταξύ της γυμνής γης (κόκκινος κύκλος) και της δομημένης περιοχής (μπλε κύκλος). Αυτή η οπτική επιθεώρηση δείχνει την πιθανή αποτελεσματικότητα της NDTI, σε σύγκριση με τους υπάρχοντες ενσωματωμένους δείκτες.κατοικημένων περιοχών και της γυμνής γης.

'' Ομαλοποιημένος δείκτης διαφοράς άροσης (NDTI)''

Για να προταθεί ένας δείκτης που μπορεί να αναδείξει τις κατοικημένες περιοχές και να τις διαχωρίσει από τη γυμνή γη, τα φασματικά προφίλ αυτών των δύο χαρακτηριστικών γης αναλύθηκαν σε διάφορα σημεία του δείγματος. Έδειξε ότι η διαφορά αντανάκλασης μεταξύ των ζωνών SWIR (ζώνες 11 και 12) ήταν υψηλότερη για τα εικονοστοιχεία που επιλέχθηκαν από τη γυμνή γη από ό, τι για τα εικονοστοιχεία που επιλέχθηκαν από τις κατοικημένες περιοχές. Αυτό υποδείκνυε την πιθανή αποτελεσματικότητα αυτών των δύο ζωνών SWIR για τη διαφοροποίηση της δομημένης περιοχής από τη γυμνή γη. Διερευνήθηκε η δυνατότητα εφαρμογής του NDTI στις ζώνες SWIR των εικόνων Sentinel-2A για την κατοικημένη περιοχή και την εξόρυξη γυμνών εκτάσεων. Ο δείκτης αυτός προτάθηκε για πρώτη φορά από τους van Deventer et al. για πρακτικές εδάφους, διαχείριση άροσης και χαρτογράφηση καταλοίπων καλλιεργειών και εφαρμόστηκε με επιτυχία από τους Daughtry et al. και Eskandari et al. για γεωργικές πρακτικές και διαχείριση του εδάφους. Απ' όσο γνωρίζουμε, είναι η πρώτη φορά που η NDTI χρησιμοποιείται ως συστατικό στοιχείο για τη διάκριση και τον διαχωρισμό των Τα στοιχεία της NDTI που παρέχονται στο σχήμα 4 και οι υφιστάμενοι ενσωματωμένοι δείκτες που παρέχονται στο σχήμα 3 δείχνουν ότι η NDTI μπορεί να αναδείξει τις αστικές περιοχές και αυξάνει την αντίθεση μεταξύ της γυμνής γης (κόκκινος κύκλος) και της δομημένης περιοχής (μπλε κύκλος). Αυτή η οπτική επιθεώρηση δείχνει την πιθανή αποτελεσματικότητα της NDTI, σε σύγκριση με τους υπάρχοντες ενσωματωμένους δείκτες.κατοικημένων περιοχών και της γυμνής γης.

'' Αξιολόγηση ταξινόμησης και ακρίβειας''
Για την αξιολόγηση της ακρίβειας των αποτελεσμάτων ταξινόμησης, οι συνολικές ακρίβειες με τις μετρήσεις του χρήστη, του παραγωγού και της συνολικής ακρίβειας και της στατικής Kappa προήλθαν από τον πίνακα σύγχυσης. Η αξιολόγηση της ακρίβειας των αποτελεσμάτων ταξινόμησης πραγματοποιήθηκε με στρωματοποιημένα τυχαία σημεία και η αρχική εικόνα Sentinel-2A και οι εικόνες © Google Earth ως δεδομένα αναφοράς. Σχεδιάστηκε μια τυχαία κατανομή σημείων, ανάλογα με το δυναμικό ετερογένειας και την κάλυψη των τάξεων. Η κατανομή του δείγματος εκπαίδευσης και ο αριθμός των βαθμών που χρησιμοποιούνται στην αξιολόγηση ακρίβειας παρέχονται για κάθε κατηγορία και περιφέρεια του πίνακα 1.

'''Αποτελέσματα και συζήτηση '''

'' Αποτελέσματα για την κύρια περιοχή μελέτης''

Τα αποτελέσματα της ταξινόμησης και οι μετρήσεις αξιολόγησης της ακρίβειας έδειξαν ότι η NDTI, σε συνδυασμό με το NDVIre και το MNDWI, παρείχαν την υψηλότερη ακρίβεια, σε σύγκριση με άλλους συνδυασμούς, συμπεριλαμβανομένων των υφιστάμενων ενσωματωμένων δεικτών και της αρχικής ταξινόμησης εικόνας. Η οπτική ανάλυση των εικόνων που προκύπτουν στο Σχήμα 5 δείχνει ότι η NDTI επιλύει το πρόβλημα ανάμειξης της δομημένης και της γυμνής γης, κάτι που είναι προφανές σε άλλους ενσωματωμένους δείκτες. Επιπλέον, τα προβλήματα που σχετίζονται με την υπερεκτίμηση των κατοικημένων περιοχών και την υποτίμηση της γυμνής γης βελτιώθηκαν σημαντικά, χρησιμοποιώντας αυτόν τον συνδυασμό.
Αν και τα αποτελέσματα ταξινόμησης της εικόνας πολλαπλών δεικτών που βασίζεται σε NDTI υποτίμησαν την πυκνότητα της δομημένης περιοχής σε ορισμένες πυκνές κατοικημένες περιοχές, η προτεινόμενη μέθοδος ταξινόμησης εικόνας πολλαπλών δεικτών παρείχε αξιόπιστες πληροφορίες τόσο για γυμνές εκτάσεις όσο και για δομημένα εδάφη, ενώ κατηγοριοποίησε με ακρίβεια τις κατηγορίες κάλυψης γης νερού και βλάστησης.

''Επικύρωση ανεξάρτητων περιοχών δοκιμών''

Η αποτελεσματικότητα και η εφαρμοσιμότητα της προτεινόμενης προσέγγισης δοκιμάστηκε σε δύο μητροπολιτικές πόλεις της Τουρκίας, την Άγκυρα και την Κόνια. Οι περιφέρειες αυτές ήταν καλές υποψήφιες για την αξιολόγηση των επιδόσεων της μεθόδου πολλαπλών δεικτών, επειδή περιλαμβάνουν κατοικημένες και βιομηχανικές περιοχές που περιβάλλονται από εκτεταμένες γυμνές εκτάσεις, οι οποίες ταιριάζουν στον κύριο στόχο αυτής της έρευνας. Επιπλέον, οι ημερομηνίες απόκτησης εικόνας αντιπροσώπευαν διαφορετικές εποχιακές συνθήκες. Η ταξινόμηση SVM πραγματοποιήθηκε σε αυτές τις περιοχές για τα τρία σύνολα δεδομένων, τα οποία ήταν η αρχική εικόνα Sentinel-2A δέκα ζωνών, το σύνολο δεδομένων NDBI, NDVIre, MNDWI και το σύνολο δεδομένων NDTI, NDVIre, MNDWI.
Η ανάλυση των δύο ανεξάρτητων περιοχών δοκιμών έδειξε παρόμοια χαρακτηριστικά και υποστήριξε την αποτελεσματικότητα του πολυ-δείκτη που βασίζεται σε NDTI σε διαφορετικές χερσαίες και εποχιακές συνθήκες. Συγκεκριμένα, οι στέγες κτιρίων σε βιομηχανικές περιοχές ήταν κατασκευασμένες από υλικά και σκυρόδεμα με βάση το αλουμίνιο, ενώ οι στέγες των άλλων κτιρίων στις δομημένους χώρους ήταν κατασκευασμένες από πλακάκια κυρίως και στις περιοχές δοκιμών. Η διαφορά στο υλικό οροφής είχε ως αποτέλεσμα διαφορετικές φασματικές αντιδράσεις και επέτρεψε το διαχωρισμό στις αρχικές φασματικές ζώνες και τα δεδομένα πολλαπλών δεικτών για αυτές τις κατηγορίες. Έτσι, το πρόβλημα της ανάμειξης ήταν κυρίως μεταξύ γυμνών εκτάσεων και των κατοικημένων περιοχών και μεταξύ γυμνής γης και βιομηχανίας. Απαιτείται περαιτέρω ανάλυση για την αξιολόγηση των επιδόσεων της προτεινόμενης προσέγγισης σε περιοχές όπου οι βιομηχανικές και δομούμενες περιοχές αποτελούνταν από παρόμοια υλικά οροφής.
Τα αποτελέσματα της μελέτης και των περιοχών δοκιμών έδειξαν ότι, αν και οι ενσωματωμένοι δείκτες έχουν αποδειχθεί ότι αναδεικνύουν τις κατοικημένες περιοχές, οι επιδόσεις τους περιορίστηκαν σε ετερογενή τοπία, όπου οι αστικές περιοχές και οι γυμνές εκτάσεις ήταν μικτές. Ένας δείκτης υπέρυθρης βάσης βραχέων κυμάτων βελτίωσε τον διαχωρισμό των αστικών περιοχών και των γυμνών εδαφών, όπως φαίνεται σε αυτό το ερευνητικό έργο. Επιπλέον, οι πρόσφατα προστιθέμενοι φασματικές ζώνες κόκκινου άκρου του Sentinel-2A ενίσχυσαν την ανίχνευση και τη χαρτογράφηση της κάλυψης της βλάστησης.

'''Συμπεράσματα '''

Ο διαχωρισμός της γυμνής γης από τις αδιαπέραστες επιφάνειες και τις κατοικημένες περιοχές ήταν το κύριο πρόβλημα στη χαρτογράφηση των αστικοποιημένων περιοχών. Σε αυτό το ερευνητικό έργο, έχει προταθεί μια νέα προσέγγιση πολλαπλών δεικτών για την ταξινόμηση LCU των δορυφορικών εικόνων Sentinel-2A, εστιάζοντας στον διαχωρισμό της αστικής και της γυμνής γης, εκτός από άλλες κατηγορίες κάλυψης γης. Για τη βελτίωση της ακρίβειας ταξινόμησης και την επίλυση των προβλημάτων εσφαλμένης ταξινόμησης και υπερεκτίμησης, αναπτύχθηκε μεθοδολογία με τη χρήση φασματικών δεικτών που κατηγοριοποίησαν τις τρεις μεγάλες κατηγορίες κάλυψης γης, υδάτινα σώματα, κάλυψη βλάστησης και κατοικημένες περιοχές. Οι εικόνες πολλαπλών ευρετηρίων που δημιουργήθηκαν με διαφορετικούς συνδυασμούς ευρετηρίων ταξινομήθηκαν χρησιμοποιώντας τον αλγόριθμο SVM που βασίζεται στη μηχανική μάθηση. Τα αποτελέσματα ταξινόμησης πολλαπλών δεικτών συγκρίθηκαν με το αποτέλεσμα ταξινόμησης SVM της εικόνας Sentinel-2A δέκα ζωνών. Τα αποτελέσματα αυτής της έρευνας έδειξαν ότι η NDTI σε συνδυασμό με το NDVIre και το MNDWI βελτίωσαν τον διαχωρισμό μεταξύ των κατοικημένων περιοχών και των γυμνών εκτάσεων και βελτίωσαν σημαντικά την εσφαλμένη ταξινόμηση των γυμνών εκτάσεων ως δομημένους περιοχές. Επιπλέον, το NDTI, το οποίο υπολογίστηκε από τη διαφορά των ζωνών SWIR, διαιρούμενο με το άθροισμά τους, θα μπορούσε να εφαρμοστεί στις εικόνες Landsat 5, 7 και 8, καθώς και στις αποστολές Landsat που περιελάμβαναν τις ζώνες SWIR με παρόμοιο εύρος μήκους κύματος της αποστολής Sentinel-2. Αυτή η δυνατότητα εφαρμογής επέτρεψε μια περαιτέρω ανάλυση χρησιμοποιώντας συνδυασμένες ιστορικές αρχειακές αποστολές Landsat και υψηλότερες χωρικές και φασματικές εικόνες Sentinel-2A, για την ανίχνευση αλλαγών LCU μέσα από δεκαετίες. Αν και η ταξινόμηση των εικόνων Sentinel-2A δέκα ζωνών παρείχε αποδεκτά αποτελέσματα που σχετίζονται με τη δομημένη περιοχή και τις γυμνές κατηγορίες γης, η εικόνα πολλαπλών δεικτών του NDTI, του NDVIre και του MNDWI παρείχε πιο ερμηνευτικά και ενδεικτικά αποτελέσματα για τις κατοικημένες περιοχές, όσον αφορά το σχήμα, την ένταση και το μοτίβο. Ο προτεινόμενος συνδυασμός παρείχε επίσης ικανοποιητικά αποτελέσματα και βελτιώσεις ακρίβειας για τις άλλες κατηγορίες LCU, με ακρίβεια 85% ή καλύτερη στις τρεις περιφέρειες μελέτης, σε σύγκριση με άλλα σύνολα δεδομένων. Τα ευρήματα αυτά υποδεικνύουν την πιθανή αποτελεσματικότητα του προτεινόμενου πολυ-δείκτη που έχει οριστεί ως μέθοδος μείωσης της διάστασης στην πολυχρονική ανάλυση. Περαιτέρω μελέτες έχουν προγραμματιστεί για την ενσωμάτωση πολυχρονικών και πολυπολικών δεδομένων SAR, όπως το Sentinel 1 (για την επεξεργασία της αλυσίδας), προκειμένου να αξιοποιούνται τα δεδομένα SAR στο διαχωρισμό γυμνών εδαφών και δομημένου περιοχών.

Αρχείο:Abasiou wiki4 sxhma2.JPG

2022-02-02T11:53:59Z

Annabasiou:

Αρχείο:Abasiou wiki4 sxhma5.jpg

2022-02-02T11:52:00Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 sxhma5.jpg"

Αρχείο:Abasiou wiki4 sxhma3.jpg

2022-02-02T11:51:48Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 sxhma3.jpg"

Αρχείο:Abasiou wiki4 sxhma2.jpg

2022-02-02T11:51:38Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 sxhma2.jpg"

Αρχείο:Abasiou wiki4 sxhma1.jpg

2022-02-02T11:51:28Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 sxhma1.jpg"

Αρχείο:Abasiou wiki4 sxhma1.jpg

2022-02-02T11:49:48Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 sxhma1.jpg"

Αρχείο:Abasiou wiki4 sxhma1.jpg

2022-02-02T11:49:12Z

Annabasiou: ανέβασμα νέας έκδοσης του "Αρχείο:Abasiou wiki4 sxhma1.jpg"

Αρχείο:Abasiou wiki4 pinakas1.jpg

2022-02-02T11:47:27Z

Annabasiou:

Αρχείο:Abasiou wiki4 sxhma5.jpg

2022-02-02T11:47:17Z

Annabasiou:

Αρχείο:Abasiou wiki4 sxhma4.jpg

2022-02-02T11:47:07Z

Annabasiou:

Αρχείο:Abasiou wiki4 sxhma3.jpg

2022-02-02T11:46:57Z

Annabasiou:

Αρχείο:Abasiou wiki4 sxhma2.jpg

2022-02-02T11:46:47Z

Annabasiou:

Αρχείο:Abasiou wiki4 sxhma1.jpg

2022-02-02T11:46:05Z

Annabasiou:

Διαχωρισμός των δομημένου περιοχών από τη γυμνή γη σε μεσογειακές πόλεις χρησιμοποιώντας εικόνες Sentinel-2A.

2022-02-02T11:45:31Z

Annabasiou:

Add Your Content Here

[[category:Εκτίμηση καταλληλότητας της γης για διάφορες εφαρμογές]]

'''Πρωτότυπος τίτλος:''' ''Separating Built-Up Areas from Bare Land in Mediterranean Cities Using Sentinel-2A Imagery''
[[Εικόνα:abasiou_wiki4_sxhma1.jpg | thumb| right|'''Σχήμα 1. '''
Χάρτης θέσης της κύριας περιοχής μελέτης και των περιοχών δοκιμής (Χάρτης χώρας από ESRI©, Καλιφόρνια, ΗΠΑ, πιο προσεκτική ματιά από το φυσικό σύνθετο χρώμα του Sentinel-2A).]]

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

[[Εικόνα:abasiou_wiki4_sxhma2.JPG | thumb| right|'''Σχήμα 2.'''

Φασματικές καμπύλες ανάκλασης διαφορετικών τύπων κάλυψης/χρήσης γης (LCU), σύμφωνα με τις ζώνες εικόνας Sentinel-2A (κορυφαίες τιμές ανάκλασης ατμόσφαιρας που που προέρχονται από δορυφορική εικόνα ανάλυσης 12 bit) ]]

[[Εικόνα:abasiou_wiki4_sxhma2.JPG | thumb| right|'''Σχήμα 2.'''

Φασματικές καμπύλες ανάκλασης διαφορετικών τύπων κάλυψης/χρήσης γης (LCU), σύμφωνα με τις ζώνες εικόνας Sentinel-2A (κορυφαίες τιμές ανάκλασης ατμόσφαιρας που που προέρχονται από δορυφορική εικόνα ανάλυσης 12 bit) ]]

[[Εικόνα:abasiou_wiki4_sxhma3.JPG | thumb| right|'''Σχήμα 3.'''

Εικόνες του (α) Sentinel-2A RGB; β) ομαλοποιημένος δείκτης δημιουργίας διαφορών (NDBI)· γ) δείκτης δημιουργίας (BUI)· δ) δείκτης εξόρυξης δομημένης έκτασης (BAEI)· ε) νέος δείκτης δημιουργίας (NBI)· στ) δείκτης βλάστησης (VIBI)· ζ) δείκτης που βασίζεται σε ευρετήριο (IBI)· η) αστικός δείκτης (UI)· και i) γυμνό δείκτη εδάφους (BSI). ]]

[[Εικόνα:abasiou_wiki4_sxhma4.JPG | thumb| right|'''Σχήμα 4.'''

Οι εικόνες του (α) του Δείκτη Ομαλοποιημένης Διαφοράς (NDTI) και(β) ενός υποσυνόλου της NDTI αποτελούν παράδειγμα της αντίθεσης μεταξύ γυμνών εδαφών και δομημένων περιοχών. ]]

[[Εικόνα:abasiou_wiki4_pinakas1.JPG | thumb| right|'''Πίνακας 1.'''

Δείγμα κατάρτισης και κατανομή σημείων αξιολόγησης της ακρίβειας για τις περιφέρειες μελέτης. ]]

[[Εικόνα:abasiou_wiki4_sxhma5.JPG | thumb| right|'''Σχήμα 5.'''

Αποτελέσματα ταξινόμησης:α) NDBI· β)BUI· γ)BAEI· δ) NBI· ε)VIBI· στ)IBI· ζ) περιβάλλον εργασίας χρήστη· η)BSI· i)σύνολα πολλαπλών ευρετηρίων που βασίζονται σε NDTI· και(ι)πρωτότυπες φασματικές ζώνες. ]]

'''Σύνδεσμος πρωτότυπου κειμένου:''' [https://www.mdpi.com/2072-4292/11/3/345/htm]

'''Εισαγωγή'''
Σε όλη την ιστορία, η αύξηση της πυκνότητας του πληθυσμού και η επέκταση των αστικών περιοχών, ιδίως στις μητροπολιτικές πόλεις, έχουν αλλάξει τη μορφή της επιφάνειας της Γης. Ο ρυθμός αύξησης της κάλυψης/χρήσης γης (LCU) έχει αυξηθεί τις τελευταίες δεκαετίες. Η αύξηση του πληθυσμού οδηγεί σε αύξηση της κατανάλωσης νερού και ενέργειας και προκαλεί αλλαγές στην επιφάνεια της γης, οι οποίες έχουν ως αποτέλεσμα την περιφερειακή έως παγκόσμια κλιματική αλλαγή και την υποβάθμιση του περιβάλλοντος.
Οι αλλαγές στην LCU που έχουν συμβεί λόγω της αστικοποίησης, της αποψίλωσης των δασών, των φυσικών καταστροφών και των έντονων γεωργικών πρακτικών, έχουν επηρεάσει σε μεγάλο βαθμό τα κλιματικά χαρακτηριστικά σε περιφερειακή και παγκόσμια κλίμακα. Οι αλλαγές αυτές οδηγούν γενικά σε αυξήσεις των θερμοκρασιών κοντά στην επιφάνεια και σχηματισμό των νήσων θερμότητας, οι οποίες προκαλούν άλλα κλιματικά φαινόμενα.
Η διαθεσιμότητα δωρεάν παγκόσμιων και ιστορικών δορυφορικών εικόνων παρέχει μια πολύτιμη ευκαιρία για τη χαρτογράφηση και την παρακολούθηση της LCU.
Ο κύριος στόχος αυτού του ερευνητικού έργου ήταν να προτείνει μια προσέγγιση ταξινόμησης SVM που βασίζεται σε πολλαπλούς δείκτες, για τη χαρτογράφηση επτά διαφορετικών κατηγοριών LCU, σε σύνθετες αστικές περιοχές. Η έρευνα επικεντρώθηκε στον διαχωρισμό των κατοικημένων περιοχών και των γυμνών εδαφών, εκτός από την παροχή ενός ακριβούς και αξιόπιστου χάρτη LCU, σε τρεις πυκνά αστικοποιημένες μητροπολιτικές πόλεις της Τουρκίας, χρησιμοποιώντας τις εικόνες Sentinel-2A.

'''Περιοχή μελέτης '''

Η Κωνσταντινούπολη είναι η πιο πυκνοκατοικημένη και η μεγαλύτερη πόλη της Τουρκίας, που βρίσκεται σε γεωγραφικό πλάτος 41°00′44,06" Β και γεωγραφικό μήκος 28°58′33,66" Ε, στο Βόρειο Ημισφαίριο, ενώνοντας τις δύο ηπείρους της Ασίας και της Ευρώπης. Η Κωνσταντινούπολη είναι επίσης μία από τις μεγαλύτερες μητροπολιτικές πόλεις της Ευρώπης, καλύπτοντας περίπου 5.500 χιλιόμετρα2, με πληθυσμό άνω των 15 εκατομμυρίων το 2017, που αντιστοιχεί στο 18% της χώρας . Η σημαντική αύξηση του πληθυσμού που σημειώθηκε λόγω της βιομηχανικής ανάπτυξης και της απρογραμμάτιστης αστικοποίησης, κατά το δεύτερο μισό του εικοστού αιώνα, είχε ως αποτέλεσμα κρίσιμους μετασχηματισμούς της δομής και της μορφολογίας της πόλης.

'''Μεθοδολογία '''

'' Προεπεξεργασία δορυφορικών εικόνων και εξαγωγή φασματικών υπογραφών''

Οι δορυφορικές εικόνες που χρησιμοποιήθηκαν σε αυτή την έρευνα αποκτήθηκαν σε συνθήκες καθαρού ουρανού, με ελάχιστες ατμοσφαιρικές διαταραχές. Για κάθε περιοχή χρησιμοποιήθηκε μία μόνο εικόνα. Ως εκ τούτου, δεν ήταν αναγκαίο ένα βήμα προεπεξεργασίας της ατμοσφαιρικής διόρθωσης.
Η χωρική ανάλυση των ζωνών εικόνας Sentinel-2 διέφερε μέσω των τμημάτων μήκους κύματος. Έτσι, υπήρχε ανάγκη για ομοιόμορφη χωρική ανάλυση για αναλύσεις όπως η δημιουργία φασματικού προφίλ βάσει σημείου, η δημιουργία φασματικού δείκτη και η ταξινόμηση πολυφασματικής εικόνας. Oι ζώνες ανάλυσης 20 m και 60 m των εικόνων Sentinel-2A ανανεώθηκαν στα 10 m, χρησιμοποιώντας την πλησιέστερη μέθοδο γείτονα, για να διατηρηθεί η ακεραιότητα της χωρικής ανάλυσης.
Στο επόμενο βήμα, εξήχθησαν φασματικά προφίλ διαφόρων τύπων αντικειμένων γης, συμπεριλαμβανομένων των δασών broadleaf, των φυλλοβόλας δασών, των γεωργικών εκτάσεων, της αστικής πράσινης κάλυψης, της δομημένης, βιομηχανικής περιοχής, της αραιής κατοικημένης περιοχής, του θαλασσινού νερού, των υδάτων της λίμνης, της άσφαλτου και της γυμνής γης, για να εξετάσουν και να συγκρίνουν την ικανότητα διαχωρισμού των ζωνών εικόνας Sentinel-2A(Σχήμα 2 ). Κατά τη διάρκεια της διαδικασίας ταξινόμησης, τα δείγματα από πλατύφυλλα και φυλλοβόλα δάση τοποθετήθηκαν στην κατηγορία των δασών, δείγματα από αστική πράσινη κάλυψη και γεωργικές εκτάσεις ανατέθηκαν στην κατηγορία βλάστησης και δείγματα από λίμνες και θάλασσες ανατέθηκαν στην κατηγορία ύδατος, για να ληφθούν οι επτά τύποι κάλυψης γης που χρησιμοποιήθηκαν στην παρούσα έρευνα.
Όπως δείχνει το σχήμα 2, η γυμνή γη είχε παρόμοια αντανάκλαση με τις κατοικημένες περιοχές και ήταν δύσκολο να προσδιοριστούν αυτές οι δύο κατηγορίες με τη χρήση ενός ενιαίου δείκτη. Ήταν απλό να προσδιοριστούν τα υδάτινα σώματα από άλλους τύπους κάλυψης γης, λόγω της μοναδικής φασματικής υπογραφής τους. Η σταδιακή μείωση της αντανάκλασης από τη ζώνη 1 στη ζώνη 12 ήταν ειδική για τα υδατικά συστήματα. Μια σημαντική αύξηση της αντανάκλασης στις ζώνες των κόκκινων άκρων (B5, B6, B7) και nir ζώνες (B8, B8a), σε σύγκριση με την κόκκινη ζώνη (B4) ήταν ειδική για την κάλυψη βλάστησης και θα μπορούσε να χρησιμοποιηθεί για την ανίχνευση φυτικών περιοχών. Επιπλέον, οι αναλύσεις της καμπύλης αντανάκλασης απέδειξαν ότι τα B1, B9 και B10 (εγγενής ανάλυση 60 m) δεν μπορούσαν να χρησιμοποιηθούν για τον διαχωρισμό των κατηγοριών κάλυψης γης. Οι παρατηρήσεις αυτές θα μπορούσαν να εξηγηθούν από τα χαρακτηριστικά αυτών των ζωνών. Β1 (παράκτιο αεροζόλ), επηρεασμένο έντονα από την ατμόσφαιρα και από τα Β9 και Β10, τα οποία ήταν υδρατμοί και κίρρος, δεν παρείχαν φασματικές πληροφορίες σχετικά με την επιφάνεια της Γης. Έτσι, αυτές οι ζώνες αφαιρέθηκαν από τα δεδομένα και πραγματοποιήθηκαν περαιτέρω αναλύσεις με τις υπόλοιπες 10 ζώνες. Η φασματική αξιολόγηση έδειξε ότι η κύρια πρόκληση ήταν ο διαχωρισμός της γυμνής γης και των κατοικημένων περιοχών, που ήταν ο κύριος στόχος αυτής της έρευνας.

'' Δημιουργία εικόνων πολλαπλών δεικτών''

Για το στοιχείο κάλυψης βλάστησης, εξετάστηκε ο δείκτης ομαλοποιημένης βλάστησης με βάση τις κόκκινες άκρες (NDVIre) και δύο γνωστοί δείκτες βλάστησης, ο προσαρμοσμένος στο έδαφος δείκτης βλάστησης (SAVI) , και ο NDVI. O Hansen et al. , είχε αξιολογήσει για πρώτη φορά το NDVIre αναλύοντας δεδομένα υπερφασματικής αντανάκλασης. Η Delgado et al.Mκαι η Frampton et al είχαν δοκιμάσει για πρώτη φορά τη δυνατότητα εφαρμογής της στα σχεδιασμένα τμήματα μήκους κύματος Sentinel-2, πριν από την έναρξη της δορυφορικής αποστολής, χρησιμοποιώντας δεδομένα από διάφορες επιτόπιες εκστρατείες του ΗΣΥ σε γεωργικές εγκαταστάσεις. Τα αποτελέσματα και των δύο μελετών έδειξαν ότι η εφαρμογή αυτού του δείκτη στο κόκκινο B4 του Sentinel-2 (665 nm) και στις νέες ζώνες B5 (705 nm) του κόκκινου άκρου, παρείχε υψηλές συσχετίσεις κατά την εκτίμηση του δείκτη περιοχής φύλλων και της περιεκτικότητας σε χλωροφύλλη. Pu et al και Zhu et al. εισήγαγε τη λειτουργική χρήση αυτού του δείκτη για τις δορυφορικές εικόνες Worldview-2. Απ' όσο γνωρίζουμε, αυτή η έρευνα είναι μια νέα αξιολόγηση του NDVIre σχετικά με τις επιχειρησιακές εικόνες Sentinel-2A.
Τέλος, για το συστατικό του υδατικού σώματος, εξετάστηκε ο ομαλοποιημένος δείκτης νερού διαφοράς (NDWI) και ο τροποποιημένος ομαλοποιημένος δείκτης νερού διαφοράς (MNDWI). Οι τύποι που σχετίζονται με τους παραπάνω φασματολογικούς δείκτες ήταν:

NDTI=((SWIR 1−SWIR 2))/((SWIR 1+SWIR 2)) (1)

NDVIre=((RedEdge 1−Red))/((RedEdge 1+Red)) (2)

NDVI=((NIR−Red))/((NIR+Red)) (3)

SAVI=((NIR−Red))/((NIR+Red+0.5))×1.5 (4)

NDWI=((Green−NIR))/((Green+NIR)) (5)

MNDWI=((Green−SWIR 1))/((Green+SWIR 1)) (6)

'' Πειραματική σύγκριση των υφιστάμενων ενσωματωμένων δεικτών''

Το κύριο ενδιαφέρον για την ταξινόμηση της LCU στις αστικές περιοχές είναι ο διαχωρισμός των γυμνών εκτάσεων και των κατοικημένων περιοχών, λόγω των παρόμοιων φασματικών χαρακτηριστικών τους. Η εξόρυξη της γυμνής γης είναι ένα δύσκολο έργο, λόγω της πολυπλοκότητας των συστατικών του εδάφους και των φασμάτων του εδάφους. Όπως δήλωσε ο Ben-Dor et al το χημικό συστατικό επηρεάζει άμεσα τη φασματική υπογραφή γυμνών εδαφών, οι οποίες μπορεί να είναι ισχυρές ή αδύναμες. Επιπλέον, πολλές από αυτές τις φασματικές υπογραφές αλληλοεπικαλύπτονται, γεγονός που καθιστά δύσκολο τον προσδιορισμό της κάλυψης του εδάφους. Κατά συνέπεια, τα φασματικά χαρακτηριστικά της κάλυψης του εδάφους, με διαφορετικά συστατικά και περιεκτικότητα σε νερό, μπορεί να διαφέρουν μεταξύ διαφορετικών περιβαλλόντων και εποχών, γεγονός που καθιστά δύσκολη τη διαφοροποίηση της γυμνής γης.

'' Ομαλοποιημένος δείκτης διαφοράς άροσης (NDTI)''

Για να προταθεί ένας δείκτης που μπορεί να αναδείξει τις κατοικημένες περιοχές και να τις διαχωρίσει από τη γυμνή γη, τα φασματικά προφίλ αυτών των δύο χαρακτηριστικών γης αναλύθηκαν σε διάφορα σημεία του δείγματος. Έδειξε ότι η διαφορά αντανάκλασης μεταξύ των ζωνών SWIR (ζώνες 11 και 12) ήταν υψηλότερη για τα εικονοστοιχεία που επιλέχθηκαν από τη γυμνή γη από ό, τι για τα εικονοστοιχεία που επιλέχθηκαν από τις κατοικημένες περιοχές. Αυτό υποδείκνυε την πιθανή αποτελεσματικότητα αυτών των δύο ζωνών SWIR για τη διαφοροποίηση της δομημένης περιοχής από τη γυμνή γη. Διερευνήθηκε η δυνατότητα εφαρμογής του NDTI στις ζώνες SWIR των εικόνων Sentinel-2A για την κατοικημένη περιοχή και την εξόρυξη γυμνών εκτάσεων. Ο δείκτης αυτός προτάθηκε για πρώτη φορά από τους van Deventer et al. για πρακτικές εδάφους, διαχείριση άροσης και χαρτογράφηση καταλοίπων καλλιεργειών και εφαρμόστηκε με επιτυχία από τους Daughtry et al. και Eskandari et al. για γεωργικές πρακτικές και διαχείριση του εδάφους. Απ' όσο γνωρίζουμε, είναι η πρώτη φορά που η NDTI χρησιμοποιείται ως συστατικό στοιχείο για τη διάκριση και τον διαχωρισμό των Τα στοιχεία της NDTI που παρέχονται στο σχήμα 4 και οι υφιστάμενοι ενσωματωμένοι δείκτες που παρέχονται στο σχήμα 3 δείχνουν ότι η NDTI μπορεί να αναδείξει τις αστικές περιοχές και αυξάνει την αντίθεση μεταξύ της γυμνής γης (κόκκινος κύκλος) και της δομημένης περιοχής (μπλε κύκλος). Αυτή η οπτική επιθεώρηση δείχνει την πιθανή αποτελεσματικότητα της NDTI, σε σύγκριση με τους υπάρχοντες ενσωματωμένους δείκτες.κατοικημένων περιοχών και της γυμνής γης.

'' Ομαλοποιημένος δείκτης διαφοράς άροσης (NDTI)''

Για να προταθεί ένας δείκτης που μπορεί να αναδείξει τις κατοικημένες περιοχές και να τις διαχωρίσει από τη γυμνή γη, τα φασματικά προφίλ αυτών των δύο χαρακτηριστικών γης αναλύθηκαν σε διάφορα σημεία του δείγματος. Έδειξε ότι η διαφορά αντανάκλασης μεταξύ των ζωνών SWIR (ζώνες 11 και 12) ήταν υψηλότερη για τα εικονοστοιχεία που επιλέχθηκαν από τη γυμνή γη από ό, τι για τα εικονοστοιχεία που επιλέχθηκαν από τις κατοικημένες περιοχές. Αυτό υποδείκνυε την πιθανή αποτελεσματικότητα αυτών των δύο ζωνών SWIR για τη διαφοροποίηση της δομημένης περιοχής από τη γυμνή γη. Διερευνήθηκε η δυνατότητα εφαρμογής του NDTI στις ζώνες SWIR των εικόνων Sentinel-2A για την κατοικημένη περιοχή και την εξόρυξη γυμνών εκτάσεων. Ο δείκτης αυτός προτάθηκε για πρώτη φορά από τους van Deventer et al. για πρακτικές εδάφους, διαχείριση άροσης και χαρτογράφηση καταλοίπων καλλιεργειών και εφαρμόστηκε με επιτυχία από τους Daughtry et al. και Eskandari et al. για γεωργικές πρακτικές και διαχείριση του εδάφους. Απ' όσο γνωρίζουμε, είναι η πρώτη φορά που η NDTI χρησιμοποιείται ως συστατικό στοιχείο για τη διάκριση και τον διαχωρισμό των Τα στοιχεία της NDTI που παρέχονται στο σχήμα 4 και οι υφιστάμενοι ενσωματωμένοι δείκτες που παρέχονται στο σχήμα 3 δείχνουν ότι η NDTI μπορεί να αναδείξει τις αστικές περιοχές και αυξάνει την αντίθεση μεταξύ της γυμνής γης (κόκκινος κύκλος) και της δομημένης περιοχής (μπλε κύκλος). Αυτή η οπτική επιθεώρηση δείχνει την πιθανή αποτελεσματικότητα της NDTI, σε σύγκριση με τους υπάρχοντες ενσωματωμένους δείκτες.κατοικημένων περιοχών και της γυμνής γης.

'' Αξιολόγηση ταξινόμησης και ακρίβειας''
Για την αξιολόγηση της ακρίβειας των αποτελεσμάτων ταξινόμησης, οι συνολικές ακρίβειες με τις μετρήσεις του χρήστη, του παραγωγού και της συνολικής ακρίβειας και της στατικής Kappa προήλθαν από τον πίνακα σύγχυσης. Η αξιολόγηση της ακρίβειας των αποτελεσμάτων ταξινόμησης πραγματοποιήθηκε με στρωματοποιημένα τυχαία σημεία και η αρχική εικόνα Sentinel-2A και οι εικόνες © Google Earth ως δεδομένα αναφοράς. Σχεδιάστηκε μια τυχαία κατανομή σημείων, ανάλογα με το δυναμικό ετερογένειας και την κάλυψη των τάξεων. Η κατανομή του δείγματος εκπαίδευσης και ο αριθμός των βαθμών που χρησιμοποιούνται στην αξιολόγηση ακρίβειας παρέχονται για κάθε κατηγορία και περιφέρεια του πίνακα 1.

'''Αποτελέσματα και συζήτηση '''

'' Αποτελέσματα για την κύρια περιοχή μελέτης''

Τα αποτελέσματα της ταξινόμησης και οι μετρήσεις αξιολόγησης της ακρίβειας έδειξαν ότι η NDTI, σε συνδυασμό με το NDVIre και το MNDWI, παρείχαν την υψηλότερη ακρίβεια, σε σύγκριση με άλλους συνδυασμούς, συμπεριλαμβανομένων των υφιστάμενων ενσωματωμένων δεικτών και της αρχικής ταξινόμησης εικόνας. Η οπτική ανάλυση των εικόνων που προκύπτουν στο Σχήμα 5 δείχνει ότι η NDTI επιλύει το πρόβλημα ανάμειξης της δομημένης και της γυμνής γης, κάτι που είναι προφανές σε άλλους ενσωματωμένους δείκτες. Επιπλέον, τα προβλήματα που σχετίζονται με την υπερεκτίμηση των κατοικημένων περιοχών και την υποτίμηση της γυμνής γης βελτιώθηκαν σημαντικά, χρησιμοποιώντας αυτόν τον συνδυασμό.
Αν και τα αποτελέσματα ταξινόμησης της εικόνας πολλαπλών δεικτών που βασίζεται σε NDTI υποτίμησαν την πυκνότητα της δομημένης περιοχής σε ορισμένες πυκνές κατοικημένες περιοχές, η προτεινόμενη μέθοδος ταξινόμησης εικόνας πολλαπλών δεικτών παρείχε αξιόπιστες πληροφορίες τόσο για γυμνές εκτάσεις όσο και για δομημένα εδάφη, ενώ κατηγοριοποίησε με ακρίβεια τις κατηγορίες κάλυψης γης νερού και βλάστησης.

''Επικύρωση ανεξάρτητων περιοχών δοκιμών''

Η αποτελεσματικότητα και η εφαρμοσιμότητα της προτεινόμενης προσέγγισης δοκιμάστηκε σε δύο μητροπολιτικές πόλεις της Τουρκίας, την Άγκυρα και την Κόνια. Οι περιφέρειες αυτές ήταν καλές υποψήφιες για την αξιολόγηση των επιδόσεων της μεθόδου πολλαπλών δεικτών, επειδή περιλαμβάνουν κατοικημένες και βιομηχανικές περιοχές που περιβάλλονται από εκτεταμένες γυμνές εκτάσεις, οι οποίες ταιριάζουν στον κύριο στόχο αυτής της έρευνας. Επιπλέον, οι ημερομηνίες απόκτησης εικόνας αντιπροσώπευαν διαφορετικές εποχιακές συνθήκες. Η ταξινόμηση SVM πραγματοποιήθηκε σε αυτές τις περιοχές για τα τρία σύνολα δεδομένων, τα οποία ήταν η αρχική εικόνα Sentinel-2A δέκα ζωνών, το σύνολο δεδομένων NDBI, NDVIre, MNDWI και το σύνολο δεδομένων NDTI, NDVIre, MNDWI.
Η ανάλυση των δύο ανεξάρτητων περιοχών δοκιμών έδειξε παρόμοια χαρακτηριστικά και υποστήριξε την αποτελεσματικότητα του πολυ-δείκτη που βασίζεται σε NDTI σε διαφορετικές χερσαίες και εποχιακές συνθήκες. Συγκεκριμένα, οι στέγες κτιρίων σε βιομηχανικές περιοχές ήταν κατασκευασμένες από υλικά και σκυρόδεμα με βάση το αλουμίνιο, ενώ οι στέγες των άλλων κτιρίων στις δομημένους χώρους ήταν κατασκευασμένες από πλακάκια κυρίως και στις περιοχές δοκιμών. Η διαφορά στο υλικό οροφής είχε ως αποτέλεσμα διαφορετικές φασματικές αντιδράσεις και επέτρεψε το διαχωρισμό στις αρχικές φασματικές ζώνες και τα δεδομένα πολλαπλών δεικτών για αυτές τις κατηγορίες. Έτσι, το πρόβλημα της ανάμειξης ήταν κυρίως μεταξύ γυμνών εκτάσεων και των κατοικημένων περιοχών και μεταξύ γυμνής γης και βιομηχανίας. Απαιτείται περαιτέρω ανάλυση για την αξιολόγηση των επιδόσεων της προτεινόμενης προσέγγισης σε περιοχές όπου οι βιομηχανικές και δομούμενες περιοχές αποτελούνταν από παρόμοια υλικά οροφής.
Τα αποτελέσματα της μελέτης και των περιοχών δοκιμών έδειξαν ότι, αν και οι ενσωματωμένοι δείκτες έχουν αποδειχθεί ότι αναδεικνύουν τις κατοικημένες περιοχές, οι επιδόσεις τους περιορίστηκαν σε ετερογενή τοπία, όπου οι αστικές περιοχές και οι γυμνές εκτάσεις ήταν μικτές. Ένας δείκτης υπέρυθρης βάσης βραχέων κυμάτων βελτίωσε τον διαχωρισμό των αστικών περιοχών και των γυμνών εδαφών, όπως φαίνεται σε αυτό το ερευνητικό έργο. Επιπλέον, οι πρόσφατα προστιθέμενοι φασματικές ζώνες κόκκινου άκρου του Sentinel-2A ενίσχυσαν την ανίχνευση και τη χαρτογράφηση της κάλυψης της βλάστησης.

'''Συμπεράσματα '''

Ο διαχωρισμός της γυμνής γης από τις αδιαπέραστες επιφάνειες και τις κατοικημένες περιοχές ήταν το κύριο πρόβλημα στη χαρτογράφηση των αστικοποιημένων περιοχών. Σε αυτό το ερευνητικό έργο, έχει προταθεί μια νέα προσέγγιση πολλαπλών δεικτών για την ταξινόμηση LCU των δορυφορικών εικόνων Sentinel-2A, εστιάζοντας στον διαχωρισμό της αστικής και της γυμνής γης, εκτός από άλλες κατηγορίες κάλυψης γης. Για τη βελτίωση της ακρίβειας ταξινόμησης και την επίλυση των προβλημάτων εσφαλμένης ταξινόμησης και υπερεκτίμησης, αναπτύχθηκε μεθοδολογία με τη χρήση φασματικών δεικτών που κατηγοριοποίησαν τις τρεις μεγάλες κατηγορίες κάλυψης γης, υδάτινα σώματα, κάλυψη βλάστησης και κατοικημένες περιοχές. Οι εικόνες πολλαπλών ευρετηρίων που δημιουργήθηκαν με διαφορετικούς συνδυασμούς ευρετηρίων ταξινομήθηκαν χρησιμοποιώντας τον αλγόριθμο SVM που βασίζεται στη μηχανική μάθηση. Τα αποτελέσματα ταξινόμησης πολλαπλών δεικτών συγκρίθηκαν με το αποτέλεσμα ταξινόμησης SVM της εικόνας Sentinel-2A δέκα ζωνών. Τα αποτελέσματα αυτής της έρευνας έδειξαν ότι η NDTI σε συνδυασμό με το NDVIre και το MNDWI βελτίωσαν τον διαχωρισμό μεταξύ των κατοικημένων περιοχών και των γυμνών εκτάσεων και βελτίωσαν σημαντικά την εσφαλμένη ταξινόμηση των γυμνών εκτάσεων ως δομημένους περιοχές. Επιπλέον, το NDTI, το οποίο υπολογίστηκε από τη διαφορά των ζωνών SWIR, διαιρούμενο με το άθροισμά τους, θα μπορούσε να εφαρμοστεί στις εικόνες Landsat 5, 7 και 8, καθώς και στις αποστολές Landsat που περιελάμβαναν τις ζώνες SWIR με παρόμοιο εύρος μήκους κύματος της αποστολής Sentinel-2. Αυτή η δυνατότητα εφαρμογής επέτρεψε μια περαιτέρω ανάλυση χρησιμοποιώντας συνδυασμένες ιστορικές αρχειακές αποστολές Landsat και υψηλότερες χωρικές και φασματικές εικόνες Sentinel-2A, για την ανίχνευση αλλαγών LCU μέσα από δεκαετίες. Αν και η ταξινόμηση των εικόνων Sentinel-2A δέκα ζωνών παρείχε αποδεκτά αποτελέσματα που σχετίζονται με τη δομημένη περιοχή και τις γυμνές κατηγορίες γης, η εικόνα πολλαπλών δεικτών του NDTI, του NDVIre και του MNDWI παρείχε πιο ερμηνευτικά και ενδεικτικά αποτελέσματα για τις κατοικημένες περιοχές, όσον αφορά το σχήμα, την ένταση και το μοτίβο. Ο προτεινόμενος συνδυασμός παρείχε επίσης ικανοποιητικά αποτελέσματα και βελτιώσεις ακρίβειας για τις άλλες κατηγορίες LCU, με ακρίβεια 85% ή καλύτερη στις τρεις περιφέρειες μελέτης, σε σύγκριση με άλλα σύνολα δεδομένων. Τα ευρήματα αυτά υποδεικνύουν την πιθανή αποτελεσματικότητα του προτεινόμενου πολυ-δείκτη που έχει οριστεί ως μέθοδος μείωσης της διάστασης στην πολυχρονική ανάλυση. Περαιτέρω μελέτες έχουν προγραμματιστεί για την ενσωμάτωση πολυχρονικών και πολυπολικών δεδομένων SAR, όπως το Sentinel 1 (για την επεξεργασία της αλυσίδας), προκειμένου να αξιοποιούνται τα δεδομένα SAR στο διαχωρισμό γυμνών εδαφών και δομημένου περιοχών.