Αξιολόγηση των δεδομένων του δορυφόρου RADARSAT-1 για εντοπισμό καμένων περιοχών στην Νότια Ευρώπη
Από RemoteSensing Wiki
Αξιολόγηση των δεδομένων του δορυφόρου RADARSAT-1 για εντοπισμό καμένων περιοχών στην Νότια Ευρώπη
Πρωτότυπος τίτλος : Evaluation of RADARSAT-1 data for identification of burnt areas in Southern Europe
Συγγραφείς : Meritxell Gimeno, Jesus San-Miguel-Ayanz
Πηγή : Science Direct
Στην παρούσα εργασία μελετάται και αξιολογείται η συνδυασμένη ανάλυση των RADARSAT δεδομένων διαφορετικής χωρικής ανάλυσης, που αποκτήθηκαν από διαφορετικές γωνίες πρόσπτωσης, για χαρτογράφηση των καμένων περιοχών σε δασικές εκτάσεις της Κεντρικής Πορτογαλίας.
1. Εισαγωγή
Η χαρτογράφηση της έκτασης και των επιπτώσεων των δασικών πυρκαγιών είναι απαραίτητη για να κατανοήσουμε την σημασία των δασικών πυρκαγιών για το περιβάλλον αλλά και για να πάρουμε μέτρα προστασίας για τις περιοχές όπου η εμφάνιση των πυρκαγιών είναι συχνή. Οι περισσότερες τεχνικές για εντοπισμό και χαρτογράφηση των καμένων περιοχών στηρίζονται στην χρήση οπτικών ή θερμικών αισθητήρων. Οι τεχνικές αυτές όμως ενδέχεται να οδηγήσουν σε λάθος συμπεράσματα για την έκταση των καμένων εκτάσεων, λόγω έλλειψης δεδομένων που οφείλεται στην κάλυψη αρκετών περιοχών από συννεφιά ή λόγω χαμηλής ηλιακής ακτινοβολίας κατά τους χειμερινές κυρίως περιόδους. Μια εναλλακτική μέθοδο αποτελεί η χρήση SAR αισθητήρων, οι οποίοι μετρούν την οπισθοσκέδαση των καμένων περιοχών βασιζόμενοι στο μέγεθος, το σχήμα και την τραχύτητα της υπό εξέταση επιφάνειας , τις διηλεκτρικές ιδιότητες, την γωνία πρόσπτωσης και την τοπογραφία. Η εφαρμοσιμότητα βέβαια της τεχνικής που βασίζεται στους SAR αισθητήρες μπορεί να περιορίζεται ανάλογα με το περιβάλλον εφαρμογής, καθώς οι αλλαγές στην οπισθοσκέδαση πριν και μετά την πυρκαγιά οφείλονται σε αλλαγές της διηλεκτρικής σταθεράς των επιφανειών σκέδασης εξαιτίας της μεταβολής του ποσοστού υγρασίας τους. Ο σκοπός λοιπόν αυτής της εργασίας είναι να προσδιορίσει την καταλληλότητα των δεδομένων που προέρχονται από τον RADARSAT-1 και να αναπτύξει μηχανισμούς για την συνδυασμένη χρήση των δεδομένων των αισθητήρων SAR προκειμένου να γίνει χαρτογράφηση των καμένων περιοχών
2.Στοιχεία και περιοχή μελέτης
Ο δορυφόρος RADARSAT-1 διαθέτει την δυνατότητα απόκτησης SAR δεδομένων στο κανάλι C και πολικότητα ΗΗ σε ένα ευρύ φάσμα τρόπων ακτινοβολίας(beam modes) και γωνιών πρόσπτωσης, και συνεπώς σε ποικίλες χωρικές αναλύσεις. Σε αυτή την εφαρμογή, δεδομένα Wide Beam W1 με γωνία πρόσπτωσης 24.1ο – 30.2ο, δεδομένα ScanSar Narrow με γωνία πρόσπτωσης 19.3ο – 38.9ο και δεδομένα ScanSar SCNB με γωνία πρόσπτωσης 30.1ο – 46.5ο χρησιμοποιήθηκαν για να διερευνηθεί η καταλληλότητα των RADARSAT δεδομένων για χαρτογράφηση των καμένων περιοχών. Τρεις διαφορετικές εικόνες – δύο από αυτές πριν την εκδήλωση πυρκαγιάς και μία μετά - χρησιμοποιήθηκαν στην μελέτη αυτή, τραβηγμένες σε τρεις διαφορετικές ημερομηνίες και σε φθίνουσα τροχιά του δορυφόρου. Η περιοχή μελέτης βρίσκεται στην κεντρική Πορτογαλία, ανάμεσα στις συνοικίες Coimbra και Castelo Branco, περιοχή όπου πολλές φωτιές έλαβαν χώρα το καλοκαίρι του 2000. Οι λοφώδεις εκτάσεις κυριαρχούν στο νοτιανατολικό και βορειοδυτικό κομμάτι της περιοχής μελέτης, όπου το υψόμετρο κυμαίνεται μεταξύ 600m και 1200m με κλίσεις ως και 30ο.Λόγω αυτού μερικές λοιπόν πλαγιές εμφανίζονται φωτεινότερες από άλλες(face-slopes και back-slopes ανάλογα με την θέση που βρίσκεται ο αισθητήρας), ανάλογα με την κλίση του αισθητήρα, ενώ μερικές περιοχές επισκιάζονται εντελώς και δεν καταγράφονται.
Η μελέτη επικεντρώνεται σε δύο περιοχές που επλήγησαν από την φωτιά και απεικονίζονται στην παρακάτω εικόνα με την ένδειξη 1 και 2 αντίστοιχα, καθώς και σε μικρότερες πληγείσες εκτάσεις που φαίνονται στην εικόνα.
3.Μεθοδολογία
Η επεξεργασία των RADARSAT-1 δεδομένων έγινε χρησιμοποιώντας το λογισμικό SARscape. Πριν από την ανάλυση των δεδομένων πραγματοποιήθηκε μια σειρά προ-επεξεργασιών. Ο θόρυβος εξαλείφθηκε και εφαρμόστηκε ένας αλγόριθμος για την γεω-αναφορά των εικόνων SAR ο οποίος βασίζεται στην προσέγγιση range-Doppler, δίνοντας την δυνατότητα ακριβούς γεωαναφοράς των SAR δεδομένων με την βοήθεια ενός ακριβούς σημείου ελέγχου επί του εδάφους. Οι εικόνες προβάλλονται στο σύστημα Hayford Gauss, καθώς όλα τα βοηθητικά δεδομένα παρέχονται από το ινστιτούτο INGA σε αυτό το σύστημα προβολής. Συγκεκριμένα το ινστιτούτο αυτό παρείχε έγχρωμες ορθοφωτογραφίες ανάλυσης 10m, οι οποίες χρησιμοποιούνται για την επιλογή των σημείων ελέγχου εδάφους, καθώς και ένα ψηφιακό μοντέλο εδάφους ανάλυσης 8m που έδωσε το ύψος αναφοράς του pixel. Πραγματοποιήθηκε επίσης μια γωνιακή κανονικοποίηση, κατά την οποία οι εικόνες κανονικοποιήθηκαν στις 20ο,25ο,30ο,35ο,40 ο και 45ο με σκοπό την πραγματοποίηση μιας μελέτης κατά την οποία η γωνία πρόσπτωσης είναι βέλτιστη για να διακρίνουμε καμένες εκτάσεις σε ορεινές περιοχές. Η δημιουργία λοιπόν multitemporal RGB εικόνων, καθώς και η αναλογία καναλιών και τα χαρακτηριστικά υφής μεταξύ των εικόνων πριν και μετά την εκδήλωση της πυρκαγιάς έδειξαν ότι οι χρονικές αλλαγές μπορούν να ανιχνευθούν ξεκάθαρα. Μια ποιοτική και ποσοτική διερεύνηση της σχέσης μεταξύ οπισθοσκέδασης και γωνίας πρόσπτωσης διεξήχθη για τις περιοχές face και back slopes. Τα καλύτερα αποτελέσματα, τα οποία λαμβάνονται όταν μεγιστοποιείται η διάκριση των καμένων περιοχών, χρησιμοποιήθηκαν ως είσοδο σε έναν συγκριτικό ταξινομητή νευρωνικού δικτύου(back propagation neural network,BPNN) ο οποίος εφαρμόστηκε για ταξινόμηση των εικόνων. Οι πέντε κατηγορίες που χρησιμοποιήθηκαν ως είσοδος/έξοδος στο νευρωνικό δίκτυο είναι : καμένες εκτάσεις σε περιοχές με θετική κλίση, καμένες εκτάσεις σε περιοχές με αρνητική κλίση, δασικές εκτάσεις, θάμνοι και υδάτινοι όγκοι.
4.Αποτελέσματα
Η ανάλυση του συντελεστή οπισθοσκέδασης υπό διαφορετικές γωνίες πρόσπτωσης έδειξε ότι χαμηλή τιμή για την γωνία πρόσπτωσης δίνει καλύτερα αποτελέσματα στον διαχωρισμό μεταξύ παρθένου δάσους και καμένων εκτάσεων. Επιπλέον, με την πάροδο του χρόνου, διαφορετική ήταν η πυκνότητα της οπισθοσκέδασης στις δασικές εκτάσεις και τις καμένες περιοχές υπό την ίδια γωνία πρόσπτωσης. Η ταξινόμηση πραγματοποιήθηκε με τις εικόνες κανονικοποιημένες σε γωνία πρόσπτωσης ίση με 20ο. Ως είσοδος στο νευρωνικό σύστημα που χρησιμοποιήθηκε για την ταξινόμηση δόθηκαν οι δυο εικόνες τραβηγμένες σε διαφορετικές χρονικές περιόδους(Αύγουστο –Φλεβάρη) και για τις οποίες η ανάλυση της οπισθοσκέδασης έδειξε ότι μεγιστοποιούν την διάκριση των καμένων εκτάσεων. 160 pixels για κάθε μια από τις 5 κατηγορίες που δόθηκαν παραπάνω χρησιμοποιήθηκαν για την εκπαίδευση του συστήματος, περίπου δηλαδή το 0,026% ολόκληρης της εικόνας. Η συνολική ακρίβεια της ταξινόμησης έφτασε το 83,37%. Στην εικόνα 2 βλέπουμε ένα έγχρωμο σύνθετο της μη ταξινομημένης εικόνας και στην συνέχεια την τελική ταξινομημένη εικόνα.
Παρά το ικανοποιητικό αποτέλεσμα της ταξινόμησης , μερικές περιοχές που ήταν κανονικό δάσος ταξινομήθηκαν σαν να ήταν καμένη έκταση, κάτι που οφείλεται στην υψηλή οπισθοσκέδαση που εμφανίζουν περιοχές με υψηλά ποσοστά υγρασίας.
5.Συμπεράσματα
Συνοπτικά παρατίθενται τα συμπεράσματα της μελέτης αυτής :
- η multi-temporal ανάλυση των εικόνων SAR επιτρέπει την διάκριση των καμένων εκτάσεων από τις περιοχές παρθένου δάσους. Οι αλλαγές στην οπισθοσκέδαση φαίνεται να σχετίζεται με τις συνθήκες υγρασίας των καμένων περιοχών, δηλαδή αυτές είναι ανιχνεύσιμες όταν υπάρχει αύξηση στην υγρασία του εδάφους.
- όσο μικρότερη η γωνία πρόσπτωσης τόσο πιο εύκολη η διάκριση των καμένων περιοχών
