ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Μέτσοβο):

Από RemoteSensing Wiki

Έκδοση στις 21:21, 9 Φεβρουαρίου 2011 υπό τον/την Lefki.mari (Συζήτηση | Συνεισφορές/Προσθήκες)
('διαφορά') ←Παλιότερη αναθεώρηση | εμφάνιση της τρέχουσας αναθεώρησης ('διαφορά') | Νεώτερη αναθεώρηση→ ('διαφορά')
Μετάβαση σε: πλοήγηση, αναζήτηση

Η χρήση της Τηλεπισκόπησης για την αναγνώριση κατολισθήσεων που προκλήθηκαν από τον σεισμό NIGATA-KEN CHUETSU που συνέβη το 2004 στην Ιαπωνία


Αντικείμενο εφαρμογής

Αντικείμενο της εφαρμογής είναι η χαρτογράφηση των κατολισθήσεων που προκλήθηκαν από τον σεισμό NIGATA-KEN CHUETSU που συνέβη το 2004 στην Ιαπωνία χρησιμοποιώντας δορυφορικές εικόνες υψηλής ανάλυσης από την περιοχή μετά τον σεισμό.


Στόχος της εφαρμογής

Στόχος της εφαρμογής είναι η χωρική αναγνώριση των κατολισθήσεων χρησιμοποιώντας ημιαυτόματες τεχνικές επεξεργασίας στις εικόνες υψηλής ανάλυσης που προήλθαν από τους δορυφόρους Quickbird και IKONOS.


Είδη δορυφορικών ή αερομεταφερόμενων συστημάτων

Χρησιμοποιήθηκε ο δορυφόρος Quickbird και IKONOS. Επιπλέον έγινε χαρτογράφηση των κατολισθήσεων με εναέρια αναγνώριση.


Είδη δορυφόρων, δεκτών και καναλιών

Χρησιμοποιήθηκαν δορυφορικές εικόνες που ελήφθησαν μια μέρα μετά από τον σεισμό για μια επιφάνεια έκτασης 250Km² που βρίσκεται στο βουνό Uonuma η οποία φαίνεται στην Εικόνα1. Τα πολυφασματικά χωρικά δεδομένα του δορυφόρου (QB) είχαν ανάλυση 2,4 m και του (IK) 4,0 m ενώ τα πανχρωματικά δεδομένα του (QB) είχαν ανάλυση 0,6 m και του (IK) 1,0 m.


Εικονα3.jpg
Εικόνα 1:Η εξεταζόμενη περιοχή στην περιοχή του επίκεντρου (Rathje 2006).


Χρησιμότητα των δεκτών/καναλιών

Λόγω της θέσης των δορυφόρων σχετικά με την εξεταζόμενη περιοχή οι γωνίες λήψεις ήταν λιγότερο από ιδανικές, 47° για τα δεδομένα του (QB) και 36° για τα δεδομένα του (IK). Τα αντίστοιχα δεδομένα για την μέρα πριν τον σεισμό λόγω της γωνίας λήψης και για τους δύο δορυφόρους δεν θα μπορούσαν να συγκριθούν σωστά με τα δεδομένα που ελήφθησαν μετά τον σεισμό.


Προεπεξεργασίες

Πραγματοποιήθηκε θεματική ταξινόμηση χρησιμοποιώντας την επιβλεπόμενη και μεγίστης πιθανοφάνειας ταξινόμηση με την χρήση του λογισμικού ENVI 4.3. Οι περισσότερες κατολισθήσεις χαρακτηρίζονται από μεγάλες περιοχές χωρίς βλάστηση, έτσι σκοπός της ταξινόμησης ήταν η αναγνώριση αυτών των περιοχών. Η ανάλυση περιελάμβανε τις ακόλουθες κατηγορίες : κατολισθήσεις, περιστροφική ολίσθηση, νερά με λάσπη, καλλιέργειες, νερό, βλάστηση και σκιές. Στην ταξινόμηση χρησιμοποιήθηκαν δέκα κανάλια τα οποία είναι: πράσινο, κόκκινο, μπλε, μέσο υπέρυθρο, πανχρωματικό και πέντε μετρήσεις υφής. Οι μετρήσεις υφής (Haralick 1973) χρησιμοποιήθηκαν για να αυξήσουν την ακρίβεια.


Ψηφιακές επεξεργασίες/αλγόριθμοι και αποτελέσματα

Η ποσοτική ακρίβεια της εκτίμησης υπολογίστηκε με την σύγκριση στοιχείων που είχαν παρθεί από το έδαφος. 20.000 εικονοστοιχεία αναγνωρίστηκαν κατ' ελάχιστο σε κάθε κατηγορία. Η συνολική ακρίβεια ήταν πάνω από 90% και ο συντελεστής Κappa πάνω από 0.9. Τα δεδομένα του (QB) είχαν ελαφρώς υψηλότερη συνολική ακρίβεια σε σχέση με του (IK) (94,5% έναντι 93%) ενώ ο συντελεστή Kappa ήταν κοινός. Συνολικά οι περιοχές κατολισθήσεων που προέκυψαν από τις δορυφορικές εικόνες δεν συμφωνούσαν με αυτές που προέκυψαν από την επιτόπια καταγραφή. Πολλοί είναι οι παράγοντες που οδήγησαν σε αυτή την ασυμφωνία. Κάποιες κατολισθήσεις είχαν αρκετή βλάστηση για αυτό και δεν μπόρεσαν να αναγνωριστούν στην ταξινόμηση. Σε κάποιες άλλες περιοχές κατολισθήσεις που εκτείνονταν σε μεγάλη απόσταση αναγνωρίστηκαν σαν περιστροφική ολίσθηση και έτσι ταξινομήθηκαν. Η παραμόρφωση της εικόνας οδήγησε σε ανακριβή χωρικό εντοπισμό της κατολίσθησης. Στην Εικόνα2 παρουσιάζεται μια περιοχή επιφάνειας 1Km² όπου έγινε ακριβής και μη ταξινόμηση. Στην ακριβή ταξινόμηση (Εικόνα 2α) παρουσιάζονται δύο μεγάλες κατολισθήσεις και κάποιες μικρότερες που στον σύνολο τους καλύπτουν το 10% της επιφάνειας. Οι ταξινομήσεις (QB και IK) αναγνώρισαν με ακρίβεια τις μεγάλες κατολισθήσεις, δεν έγινε όμως το ίδιο και με τις μικρότερες. Η ανακριβής ταξινόμηση παρουσιάζεται στην Εικόνα 2β όπου κατολισθήσεις βρίσκονται βόρεια και νότια ενός ανατολικοδυτικού δρόμου. Η πραγματική πυκνότητα των κατολισθήσεων είναι 5% ενώ η ταξινομήσεις έδωσαν 14% και 22% για τα δεδομένα του QB και IK αντίστοιχα. Η μεγαλύτερη πυκνότητα οφείλεται στην μη καταγραφή της περιστροφική ολίσθησης στην επιτόπια χαρτογράφηση.

Εικονα1.jpg
(α)
Εικονα2.jpg
(β)

Εικόνα 2: Αποτελέσματα ταξινόμησης , χάρτης κατολισθήσεων από την γεωγραφική υπηρεσία της Ιαπωνίας για την (α) ακριβή και ανακριβή (β) ταξινόμηση περιοχών. Σε κάθε περιοχή πρώτα απεικονίζεται τα αποτελέσματα του QB και στην συνέχεια του IK.


Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων

Συμπερασματικά η ταξινόμηση είχε επαρκή αποτελέσματα στην αναγνώριση των κατολισθήσεων σε περιοχές χωρίς βλάστηση. Παρόλα αυτά κατολισθήσεις χωρίς σημαντικά τμήματα δίχως βλάστηση δεν μπορούσαν να αναγνωριστούν. Επιπροσθέτως η παραμόρφωση της εικόνας και η σύγχυση στην ταξινόμηση οδήγησαν σε προβλήματα για την ακριβή αναγνώριση των κατολισθήσεων. Τα αποτελέσματα αυτής της έρευνας δείχνουν ότι η ταξινόμηση τηλεπισκοπικών εικόνων μπορούν να χρησιμοποιηθούν για την αναγνώριση κατολισθήσεων προερχόμενες από σεισμό αρκεί να δοθεί προσοχή στην ερμηνεία της ταξινόμησης.


Αρχικό κείμενο: Lucas P. Carr, Ellen M. Rathje (e.rathje@mail.utexas.ed) Department of Civil, Architectural and Environmental Engineering The University of Texas at Austin.

Προσωπικά εργαλεία