Αντικειμενοστραφής ανάλυση εικόνων IKONOS για την εξέταση της επιδημίας της ξήρανσης της Κεφαλληνιακής ελάτης στον Εθνικό Δρυμό Πάρνηθας
Από RemoteSensing Wiki
ΠΕΡΙΛΗΨΗ
Σκοπός της μελέτης είναι η πιλοτική διερεύνηση της κατάστασης stress των ελάτων του δρυμού ανά βαθμίδα προσβολής βάσει της οδηγίας της ΕΟΚ (Ε.Ο.Κ / 1984 “Διάγνωση και κατάσταση ζημιών στα δάση”: έντονο stress: Ι, λιγότερο έντονο stress: ΙΙ, ασθενές stress: ΙΙΙ) χρησιμοποιώντας δύο περιβαλλοντικούς δείκτες, τον κανονικοποιημένο δείκτη βλάστησης (NDVI) μέσω της αντικειμενοστραφούς ανάλυσης της εικόνας, η οποία αποτελεί προχωρημένη μέθοδο τηλεπισκόπησης σε συνδυασμό με την in situ παρατήρηση και την μέτρηση του δείκτη φθορισμού (fluorescence) μέσω του φασματικού οργάνου PEA (Plant Efficiency Analyser). Ο συνδυασμός της τηλεπισκόπησης και της in situ παρατήρησης έδωσαν αρκετά ικανοποιητικά αποτελέσματα ώστε να επεκταθεί πέραν του πιλοτικού σταδίου των ελάτων που παρουσιάζουν stress (έντονο stress: Ι, λιγότερο έντονο stress: ΙΙ, ασθενές stress: ΙΙΙ) σ’ όλη την έκταση του ελατοδάσους ή σε παρόμοιο δασο-περιβάλλον, χρησιμοποιώντας αμφότερους τους περιβαλλοντικούς δείκτες, για την καλύτερη διαχείριση και προστασία του Εθνικού Δρυμού Πάρνηθας.
Μεθοδολογία
Αρχικά εντοπίστηκαν οι είκοσι (20) μόνιμες δοκιμαστικές επιφάνειες στο χώρο, οι οποίες είχαν χρησιμοποιηθεί σε παλαιότερη έρευνα (Τσόπελας, 2000), με σκοπό τη λήψη των δένδρων ελάτης σε κατάσταση stress με τη βοήθεια του ψηφιακού τοπογραφικού οργάνου GPS (GS50). Οι μόνιμες επιφάνειες βρίσκονται σ’ όλη την έκταση διάπλασης του ελατοδάσους, είναι κυκλικής διατομής, η καθεμία έχει έκταση ίση με 1 στρέμμα και φέρει ένα μονοσήμαντο αριθμό (π.χ. 11) για την διάκρισή της από τις υπόλοιπες επιφάνειες. Η έκθεση τους ποικίλει (Βόρεια – Νότια – Ανατολική – Δυτική - ΝΑ-ΝΔ), όπως και η κλίση (μέτριες - πολύ υψηλές), ενώ κάθε επιφάνεια φέρει άτομα ελάτης ασθενή ή νεκρά (δένδρα προσβεβλημένα από χιονοθλασσίες ή χιονοριψίες ή ανεμοριψίες, δένδρα προσβεβλημένα από το παράσιτο Viscum album, κ.α). Με το GPS ελήφθησαν τα κέντρα των επιφανειών καθώς και τα πιο χαρακτηριστικά δένδρα ελάτης που βρίσκονται σε κατάσταση stress (Ι,ΙΙ,ΙΙΙ). Στη συνέχεια έλαβε χώρα η μακροσκοπική παρατήρηση της κατάστασης stress των δένδρων ελάτης μέσω της αντικειμενοστραφούς ανάλυσης της εικόνας χρησιμοποιώντας δορυφορικές εικόνες Ikonos (έτος 2004), ανάλυσης 1μ, με τη βοήθεια του λογισμικού eCognition. Για τη σωστή παρατήρηση του φαινομένου πρωτίστως έγινε γεωμετρική διόρθωση των εικόνων με την βοήθεια του λογισμικού προγράμματος ER-Mapper 6.4, όπου για τη διαδικασία αυτή χρησιμοποιήθηκε ψηφιακό μοντέλο εδάφους 1:20.000, καθώς και 52 επίγεια σημεία ελέγχου GCP’ s (Ground Control Points), τα οποία αναφέρονταν στα ζεύγη συντεταγμένων των κέντρων των δοκιμαστικών επιφανειών και των δένδρων ελάτης σε κατάσταση stress που είχαν ληφθεί με το GPS. Στη συνέχεια, δημιουργήθηκε το έγχρωμο σύνθετο RGB:432 ώστε να τονιστεί η βλάστηση. Η ανάλυσή της εικόνας Ikonos περιέλαβε ένα επίπεδο (Level 1) κατάτμησης (Segmentation). Για τον προσδιορισμό των βαρών των κριτηρίων κατάτμησης (φασματικό και σχήματος), ελήφθη υπόψη ότι η βλάστηση εμφανίζεται σε συγκεντρώσεις συμπαγείς, που διαφοροποιούνται φασματικά έντονα από τα ελάχιστα δομικά στοιχεία του χώρου (δρόμοι). Το επόμενο στάδιο αποτελεί η ταξινόμηση βάσει της μεθόδου της εγγύτερης γειτνίασης με χρήση του φασματικού κριτηρίου του κανονικοποιημένου δείκτη βλάστησης (NDVI)(1),
NDVI = (ΝΙR - R)/ ( ΝΙR+ R) (1)
με τη βοήθεια της συνάρτησης ασαφούς συμμετοχής, τραπεζοειδούς μορφής, καθώς και τον λόγο ¼ για την κατηγορία gaiodi, χρησιμοποιώντας τη συνάρτηση της ασαφούς λογικής, τραπεζοειδούς μορφής. Εν συνεχεία έγινε η ταξινόμηση βάσει της μεθόδου της εγγύτερης γειτνίασης (standard nearest neighbor) ως προς τις μέσες φασματικές τιμές στα τρία κανάλια. Από τις 20 δοκιμαστικές επιφάνειες επιλέχθηκαν μόνο 4 δοκιμαστικές επιφάνειες με τα εξής τοπογραφικά χαρακτηριστικά: επικρατούσες κλίσεις ήπιες (10% - 20%) ή μέτριες (>20% & <45%), έκθεση νότια, νοτιοανατολική, νοτιοδυτική, με σκοπό τη λήψη δειγμάτων βελόνων ελάτης για τη μέτρηση του δείκτη φθορισμού (fluorescecnce: Fv/Fm)1 που παρουσιάζουν τα δένδρα ελάτης στις διάφορες καταστάσεις stress ( Ι, ΙΙ, ΙΙΙ). Στη συνέχεια διερευνήθηκε ο βαθμός συσχέτισης του δείκτη φθορισμού με τους δύο προαναφερθέντες αβιοτικούς παράγοντες του περιβάλλοντος βάσει της εξίσωσης μετασχηματισμού Fischer (1)
z =(1/2) * [ln(1+x)/(1-x)] (1)
όπου z: Fv/Fm, χ: έκθεση ή χ: κλίση
Εικ 1 Περιοχή μελέτης.
2 ΣΥΛΛΟΓΗ ΣΤΟΙΧΕΙΩΝ ΚΑΙ ΜΕΘΟΔΟΛΟΓΙΑ
3,1 Σύνολο δεδομένων i) Για τις ανάγκες αυτής της μελέτης μετά από κατάλληλη επεξεργασία των πρώτων ERS-2 δεδομένων, τρεις SAR PRI εικόνες (ανοδική τροχιά, ζώνη C, λ = 5,6 cm και VV σύστημα πόλωση) έχουν ληφθεί: (α) ERS-2, ημερομηνία της απόκτησης 18/6/1998, τροχιά 16530, καρέ 0765, 16 bits, Lat.: N38.587, Long.: E22.896, ώρα: 22:45 (β) ERS-2, ημερομηνία της απόκτησης 14/1/1999, τροχιά 19536, καρέ 0765, 16 bits, Lat.: Ν 38,587, Long.: E 22,896? Ώρα: 22:45 και (γ) ERS-2, ημερομηνία της απόκτησης 21/10/1999, τροχιά 23544, καρέ 0765, 16 bits, Lat.: Ν 38,587, Long.: Ε 22,896, ώρα: 22:45. ii) Landsat 7 Enhanced Thematic Mapper (ETM +) εικόνα (7 φασματικά κανάλια) ελήφθη και καλύπτει την περιοχή μελέτης (διαδρομή 184, σειρά 034), ημερομηνία της απόκτησης: 28 Ιουλίου 1999 (5 νεφοκάλυψη%). iii) Οι συνθήκες ανέμου της περιοχής μελέτης κατά τη διάρκεια της ημέρας αποκτηθήκαν από την Εθνική Μετεωρολογική Υπηρεσία. iv) Χάρτης ανατολικών παράλιων του Ευβοϊκού κόλπου, κλίμακας 1:50.000, από την Υδρογραφική Υπηρεσία Στρατού.
3,2 τεχνικές επεξεργασίας δεδομένων Τα παρακάτω βήματα περιγράφουν τις διάφορες μεθόδους επεξεργασίας εικόνας και τεχνικές: i) Αρχικά παράχθηκε ένα Digital Elevation Model (DEM) της περιοχής μελέτης προέρχονται από τους 1:50.000 τοπογραφικους χαρτες που δημοσιεύθηκαν από την Ελληνική Γεωγραφική Υπηρεσία Στρατού. Οι ισοϋψείς καμπύλες ψηφιοποιηθήκαν σε διάστημα των 20 μέτρων στην πεδιάδα έως 40 μέτρα στα ορεινά. Επιπλέον, συγκεκριμένα σημεία επιφανείας συμπεριλαμβανομένων υψηλών και χαμηλών, ψηφιοποιηθήκαν προκειμένου να βελτιωθεί το τελικό ψηφιακό προϊόν. Μια μέθοδος γραμμικής παρεμβολής εφαρμόστηκε, με βάση την μέθοδο απόστασης Bongefors (ILWIS οδηγίες χρήσης, 2001) με στόχο τη μετατροπή του περιγράμματος των δεδομένων σε ένα DEM, με χωρική διακριτική ικανότητα 25 μέτρα. Με την πρόθεση του ελέγχου εγκυρότητας, το μοντέλο, παρεμβλήθηκε πάνω στον πρωτότυπο τοπογραφικό χάρτη. Έδειξε μια πολύ καλή αντιστοιχία των ισοϋψών καμπύλων. (ii) υποβλήθηκαν σε επεξεργασία τρεις εικόνες ραντάρ SAR.PRI, μετά τη δημιουργία ενός "παραθύρου" που περιέχει την περιοχή μελέτης, για ραδιομετρική διόρθωσης και βελτίωση. Το κύριο πρόβλημα με τα δεδομένα του SAR είναι τα σημάδια θορύβου που προκαλούνται από τυχαία αποτέλεσμα πολλών μικρών μεμονωμένων ανακλαστήρων εντός ενός δεδομένου pixel (Παρχαρίδης et al.1999). Το συνολικό αποτέλεσμα είναι μια εικόνα, με υφή "αλάτι και πιπέρι "υφή, η οποία αποσπά την προσοχή στο διερμηνέα. Προκειμένου να μειωθούν τα σημάδια θορύβου χρησιμοποιήθηκε επαναληπτικό φίλτρο ενίσχυσης Lee, με δύο συνεχείς χρήσεις του φίλτρου με διαφορετικές παραμέτρους κάθε φορά (σίγμα πολλαπλασιαστή και το μέγεθος του παραθύρου) αποδείχθηκε ότι έδωσε το καλύτερο αποτέλεσμα, μεταξύ όλων των τεχνικών. Για την εφαρμογή του φίλτρου η ειδική Coefficient of Variation Value της κάθε εικόνας υπολογίστηκε ενώ κάθε εικόνα ήταν χωρισμένη σε περιοχές τριών κατηγοριών. Η πρώτη περιοχή αντιστοιχεί σε ομοιογενείς ζώνες στις οποίες μπορεί η κηλίδα να εξαλειφθεί απλώς, η δεύτερη κατηγορία αντιστοιχεί σε ετερογενείς περιοχές στις οποίες η κηλίδα μπορεί να μειωθεί με τη διατήρηση υφής και η τρίτη κατηγορία αντιστοιχεί σε περιοχές που περιέχουν μεμονωμένα σημεία στόχους, στα οποία το φίλτρο διατηρηθεί την ήδη υπάρχουσα τιμή. Μετά την τεχνική φιλτραρίσματος που εφαρμόστηκε στις εικόνες στα 16-bit, τα δεδομένα είχαν συμπιεστεί και μετατραπεί από 16-bit σε 8-bit. Η πιο σημαντική λειτουργία είναι η συν-καταχώριση των τριών εικόνων. Η ακριβής χωρική καταχώριση των τριών εικόνων ημέρας αποτελεί ουσιώδη προϋπόθεση για την αποτελεσματική ανίχνευση αλλαγών. Οι τρεις επιμέρους σκηνές έχουν γεωγραφική αναφορά σε κοινή προβολή χάρτη, χρησιμοποιώντας Transverse Mercator σύστημα συντεταγμένων. Ένα Digital Elevation Model (DEM) χρησιμοποιηθηκε για orthorectification των τριών εικόνων. Σε διάφορες μελέτες σχετικά με διάφορους στόχους που έχει αποδειχθεί ότι multitemporal δεδομένα ERS παρέχουν περισσότερες πληροφορίες από τις μεμονωμένες σκηνές (Kattenborn et al. 1993, Leysen et al. 1993). Έτσι, ένα Temporal Differentiate Image (TDI) δημιουργήθηκε με τη χρήση εικόνων του Οκτωβρίου 1999 σαν κόκκινο,εικόνα του Ιανουαρίου 1999 ως πράσινο και Ιουνίου 1998 εικόνας ως μπλε. Αλλαγές στο backscattering coefficients μεταξύ των τριών εικόνων προκαλεί μια multicolor εικόνα που εδώ παρουσιάζεται σε αποχρώσεις του γκρι. (Εικ. 3).
Fig.3 The Temporal Differentiate radar Image (TDI) of the study area. This image reveals mainly the seasonal crop changes appear with white and light gray shades, and coastal shallow waters bathymetry appear with black and dark gray shades at the coastline area
Επιπλέον, διαπιστώθηκε ότι διάφορα χαρακτηριστικά της υφής και των συνδυασμών τους στους κύριους μετασχηματισμούς αυξάνουν τις θεματικές πληροφορίες των εικόνων SAR σημαντικά. Κατά συνέπεια, μια εικόνα RGB του Principal Component Transform (PCT) δημιουργήθηκε σε αποχρώσεις του γκρι (Σχήμα 4). Οι κυριοι μετασχηματισμοί ήταν μια μια στατιστική τεχνική πολλών μεταβλητών η οποία επιλέγει μη-συσχετίζοντες γραμμικά συνθέσεις (ιδιοδιανύσματα) από μια σειρά μεταβλητών με τέτοιο τρόπο, κάθε κύριο συστατικό εξόδου (γραμμική σύνθεση) δείχνει την ελάχιστη διακύμανση. Αυτές οι μεταβλητές στις πολυφασματικές εικόνες σχετίζονται με τη φασματική απόκριση των διαφόρων surficial χαρακτηριστικών. Ψηφιακή επεξεργασία εικόνας δορυφορικών δεδομένων διενεργήθηκε μέσω ERDAS IMAGINE v.8.6 λογισμικού, ενώ η χειραγώγηση των χωρικών πληροφοριών και η ψηφιοποίηση των θεματικών χαρτών έγιναν με τη χρήση ILWIS 3.0. Επιλεγμένοι τομείς έλεγχου πραγματοποιήθηκαν επίσης με σκοπό την εκτίμηση της ακρίβειας των ερμηνευτικών αποτελεσμάτων.
Fig.4 The Principal Component Transform radar Image (TDI) of the study area
3 ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ
Ο σκοπός της ερμηνείας της χρονικής διαφοροποιημένης εικόνα του ραντάρ ήταν διττός. Πρώτον, όλες τις αλλαγές που σημειώθηκαν κατά το σύντομο χρονικό διάστημα (Ιούνιος 1998 με Οκτώβριος 1999) είχαν χαρτογραφηθεί, και δεύτερον, σε σύγκριση με σκοπό να εξεταστεί η δυνατότητα να διακριθεί η φύση αυτών των αλλαγών. Στο σχήμα 5α οι σκούρες γκρι περιοχές αποτελούν τομείς στους οποίους ο backscattering συντελεστής είναι χαμηλός και παρέμεινε σταθερός σε σχέση με την επιλεγμένη χρονική περίοδο. Οι τομείς αυτοί αντιστοιχούν σε σχετικά invariant χαρακτηριστικά επιφάνειας που υπάρχουν κυρίως στις βόρειες και νότιες ορεινές περιοχές. Λευκές και ανοιχτόυ γκρι αποχρώσεις στην παράκτια πεδιάδα περιοχή έχουν αποδοθεί, κυρίως, για τις εποχιακές αλλαγές των καλλιεργειών. Έτσι, η λευκή περιοχή αντιστοιχεί σε καλλιέργειες με μεγάλες backscattering τον Ιανουάριο ή και τον Ιανουάριο και τον Οκτώβριο, όπως χειμερινές καλλιέργειες σίτου και μηδικές καλλιέργειες, οι οποίες καλλιεργούνται τόσο το χειμώνα όσο και το καλοκαίρι. Οι ανοιχτές γκρι και γκρι περιοχές αντιστοιχούν σε καλλιέργειες με μεγάλες backscattering τον Ιούνιο, ή τον Οκτώβριο. Κατά τη διάρκεια της λήξης του βαμβακιού του Ιουνίου και των καλλιεργειών αραβοσίτου κατά την ανθοφορία, η μηδική είναι στην περίοδο συγκομιδής και το ρύζι είναι στο αρχικό στάδιο της ανάπτυξης. Στο τέλος του Οκτωβρίου, βαμβάκι, καλαμπόκι και το ρύζι είναι στο τέλος της περιόδου συγκομιδής και το backscattering εξαρτάται από την ποικιλία της κάθε καλλιέργειας. Το μαύρο και πολύ σκούρο γκρι στην εικόνα αντιστοιχούν σε σχετικά σταθερά πολύ χαμηλά backscattering επιφανειακά χαρακτηριστικά, όπως, οι σκιασμένες πλαγιές, οι μεγάλοι δρόμοι και τα κανάλια αποστράγγισης και, τέλος, για την κατάσταση της επιφάνειας της θάλασσας. Το τελευταίο χαρακτηριστικό εξαρτάται από την κατεύθυνση του ανέμου η οποία μπορεί να δημιουργήσει μια άγρια ή ήρεμη επιφάνεια νερού (φαίνεται άσπρο ή μαύρο αντίστοιχα) και αλλάζει τα βάθη σε διάφορές περιοχές κατά μήκος της ακτογραμμής. Στο 5δ σχήμα φαίνονται οι αβαθείς περιοχές στο βόρειο τμήμα του κόλπου κοντά στο μικρό λιμάνι της Στυλίδας (σημείο 1) που καταγράφονται στον υδρογραφικό χάρτη της περιοχής. Στο principalcomponent transform της εικόνας οι περιοχές αυτές αναδεικνύονται και να φαίνονται πιο καθαρά (εικ.5b-σημείο 2), ενώ στην εικόνα Landsat είναι δυσδιάκριτες (εικ.5c). Αυτές οι ρηχές περιοχές βρίσκονται στις δύο πλευρές του λιμανιού.
Fig.5(a) The Temporal Differentiate radar Image (TDI) of Maliakos gulf (point 1 shows the shallow areas), (b) The Principal Component Transform radar Image (TDI) of the gulf (point 2 shows the shallow areas), (c) The Landsat 7 true color image covers Maliakos gulf, (d) The hydrographical map of Maliakos gulf.
Πηγή: Em. Psomiadis and G. Migiros, Is. Parcharidis, S. Poulos ,SHORT PERIOD CHANGE DETECTION OF SPERCHIOS LOWER DELTA AREA USING SPACE RADAR IMAGES
