Χαρτογράφηση της υποδομής του οδικού δικτύου χρησιμοποιώντας την Τηλεπισκόπηση και τα Γεωγραφικά Συστήματα Πληροφοριών

Από RemoteSensing Wiki

Χαρτογράφηση της υποδομής του οδικού δικτύου χρησιμοποιώντας την Τηλεπισκόπηση και τα Γεωγραφικά Συστήματα Πληροφοριών –Περιοχή μελέτης Taita Hills, Κένυα

Εικόνα 1: Η ροή εργασιών των διαφόρων μεθόδων εξαγωγής οδικού δικτύου που εφαρμόζονται σε αυτή τη διατριβή

Eικόνα 2:Αποτελέσματα της κατάτμησης στην αντικειμενοστρεφή ταξινόμηση, αριστερά πρώτο επίπεδο και δεξιά δεύτερο

Εικόνα 3: Η οπτική ερμηνεία της εικόνας SPOT (αριστερά) και τα υποσύνολα μωσαϊκού (δεξιά) της Wundanyi (κορυφή), Dembwa (μέση) και Mwatate (κάτω)

Αντικείμενο

Πρόκειται για διατριβή η οποία εστιάζει στη μελέτη της παρούσας κατάστασης της υποδομής του οδικού δικτύου και στη χαρτογράφηση της περιοχής Taita Hills , στη νοτιοανατολική Κένυα μέσω της Τηλεπισκόπησης και των γεωγραφικών συστημάτων πληροφοριών. Η μελέτη γίνεται από το τμήμα Γεωγραφίας του Πανεπιστημίου του Ελσίνκι.

Μεθοδολογία

Για τη δημιουργία μωσαϊκού της περιοχής μελέτης χρησιμοποιήθηκαν οι λήψεις μίας αερομεταφερόμενης έγχρωμης ψηφιακής μηχανής από το 2004. Πρόσθετα δεδομένα υπήρξαν οι απεικονίσεις του αισθητήρα SPOT, οι μετρήσεις με ραδιόμετρο χειρός στο πεδίο και οι πληροφορίες από σχετική βιβλιογραφία. Για την εξέταση των χαρακτηριστικών του οδικού δικτύου εφαρμόστηκαν τρεις τεχνικές (Εικόνα 1). Η πρώτη ήταν επιβλεπόμενη ταξινόμηση σε επίπεδο εικονοστοιχείου (Maximum Likelihood Classification), μια τεχνική που βασίζεται στον ορισμό γνωστών αντιπροσωπευτικών δειγμάτων χρήσεων γης, τις περιοχές εκπαίδευσης, και πραγματοποιήθηκε με το λογισμικό ERDAS IMAGINE. Η δεύτερη ήταν αντικειμενοστρεφή επιβλεπόμενη ταξινόμηση (object-oriented supervised classification) ή οποία πραγματοποιήθηκε με το λογισμικό eCognition και περιλαμβάνει κάτατμηση (Εικόνα 2), δημιουργία μιας ιεραρχίας τάξεων, ασαφή ταξινόμηση και στη συνέχεια κατάτμηση δεύτερου επιπέδου και εξαγωγή των οδικών χαρτών με μία αυτόματη διαδικασία διανυσματοποίησης. Τέλος χρησιμοποιήθηκε οπτική ερμηνεία (Εικόνα 3), η οποία έγινε με την βοήθεια του λογισμικού ArcGIS, στις οπτικά ενισχυμένες εικόνες από το λογισμικό ERDAS IMAGINE. Η υποδομή του οδικού δικτύου ολόκληρου του μωσαϊκού της εικόνας χαρτογραφήθηκε με την εφαρμογή των πιο κατάλληλων μεθόδων. Οι φασματικές υπογραφές των διάφορων οδικών επιφανειών συγκρίνονται με τα δεδομένα των μετρήσεων από το ραδιόμετρο.

Αποτελέσματα-Συμπεράσματα

Η μελέτη καταλήγει στο συμπέρασμα ότι η ταξινόμηση και η εξαγωγή των δρόμων παραμένουν ένας δύσκολος στόχος, και ότι η ακρίβεια των αποτελεσμάτων είναι ανεπαρκής ανεξάρτητα από την υψηλή χωρική ανάλυση του μωσαϊκού εικόνας το οποίο χρησιμοποιήθηκε σε αυτήν την διατριβή. Η οπτική ερμηνεία, από όλες τις μεθόδους οι οποίες εφαρμόστηκαν είναι η απλούστερη, η πιο ακριβής και έγκυρη τεχνική για τη χαρτογράφηση οδικού δικτύου. Ορισμένες επιφάνειες οδοστρώματος έχουν παρόμοιες φασματικές υπογραφές με άλλα αντικείμενα τα οποία καλύπτουν τη γη και η ανίχνευσή τους είναι ακόμη πιο πολύπλοκη έχοντας υπόψη την ύπαρξη βλάστησης, τα σύννεφα, τις σκιές, τη χαμηλή αντίθεση μεταξύ των δρόμων και των περιχώρων. Τα αποτελέσματα αυτής της έρευνας μπορούν να εφαρμοστούν στη χαρτογράφηση του οδικού δικτύου στις αναπτυσσόμενες χώρες σε ένα γενικότερο πλαίσιο, και με ορισμένους περιορισμούς.

Πηγή: Keskinen Antero Juha Paavali, 2007. Mapping Road Infrastructure in Developing Countries Applying Remote Sensing and GIS – The Case of the Taita Hills, Kenya. Part of the TAITA-project by the Department of Geography, University of Helsinki.