Ανίχνευση αλλαγών στις καλύψεις χρήσεων γης με τη χρήση δεδομένων LANDSAT
Από RemoteSensing Wiki
Εισαγωγή:
H χαρτογράφηση και παρακολούθηση της κάλυψης γης έχουν αναγνωριστεί ευρέως ως ένα σημαντικός επιστημονικός στόχος. Η κάλυψη του εδάφους επηρεάζει το ενεργειακό ισοζύγιο, τον προϋπολογισμό του άνθρακα, καθώς και τον υδρολογικό κύκλο, όπως πολλά διαφορετικά φυσικά χαρακτηριστικά μεταβάλλονται ως συνάρτηση κάλυψης γης, όπως ακτινοβολίας, τραχύτητας, φωτοσυνθετικής ικανότητας και της διαπνοής. Εικόνες από τη σειρά των δορυφόρων Landsat αποτελούν μία από τις πιο σημαντικές πηγές δεδομένων για τη μελέτη διαφόρων ειδών κάλυψης γης, όπως η αποψίλωση των δασών, η επέκταση της γεωργίας και της εντατικοποίησης, αστική ανάπτυξη, και την απώλεια υγροτόπων. Η ταξινόμηση των καλύψεων γης είναι ένα από τα πιο μελετημένα θέματα σε εφαρμογές απομακρυσμένης ανίχνευσης, καθώς και οι χάρτες κάλυψης του εδάφους παρέχουν τη βάση για πολλές εφαρμογές όπως η μοντελοποίηση των προϋπολογισμών του άνθρακα, η διαχείριση των δασών, καθώς και η εκτίμηση της απόδοσης των καλλιεργειών. Το άνοιγμα του αρχείου Landsat το 2008 οδήγησε σε μεγάλες αλλαγές στον τρόπο που χρησιμοποιούνται οι εικόνες Landsat. Προηγουμένως, μια ενιαία εικόνα Landsat κόστιζε εκατοντάδες δολάρια ΗΠΑ. Για ελαχιστοποίηση του κόστους, οι περισσότεροι ερευνητές συνήθως επέλεγαν να χρησιμοποιήσουν μόνο μερικά σύννεφο-δωρεάν εικόνες Landsat που αποκτήθηκαν κατά τη διάρκεια της καλλιεργητικής περιόδου για ανάλυση. Μετά την ελεύθερη πρόσβαση στο αρχείο Landsat, μελέτες που χρησιμοποιούν τις παρτίδες των εικόνων Landsat εμφανίζονται συχνότερα.
Δεδομένα και περιοχή μελέτης:
Η περιοχή μελέτης βρίσκεται στην παράκτια Νέα Αγγλία, Ηνωμένες Πολιτείες (Εικ. 1). Περιλαμβάνει το σύνολο του Rhode Island, καθώς και ένα μεγάλο μέρος της ανατολικής Μασαχουσέτης και τμήματα του Ανατολικού Κονέκτικατ. Έχει επιλεγεί επειδή: (1) περιλαμβάνει τη Βοστόνη για εύκολες επιτόπιες επισκέψεις, (2) περιλαμβάνει μια μεγάλη ποικιλία περιβαλλόντων και καλύψεις γης που παρέχουν πολλά παραδείγματα από τα κύρια είδη των αλλαγών κάλυψης γης που συμβαίνουν στις Ηνωμένες Πολιτείες, συμπεριλαμβανομένων: εκτεταμένη αστικοποίηση (τρεις μεγάλες μητροπολιτικές περιοχές-Βοστώνη, Providence, και Worcester), η εγκατάλειψη των γεωργικών τομέων, και αποψίλωση των δασών και (3) είναι σπάνιο να βρεθεί μια cloudfree δορυφορική εικόνα σε αυτόν τον τομέα της μελέτης, καθιστώντας τη μια εξαιρετική θέση για να δοκιμαστεί η ευρωστία του νέου αυτού αλγορίθμου. Τα δεδομένα αναφοράς για την κάλυψη γης που συλλέγονται σε κάθε δεδομένη στιγμή (εντός της χρονικής περίοδου που καλύπτεται από τις εικόνες Landsat) θα λειτουργήσει για την κατάρτιση του CCDC αλγόριθμου. Τα δεδομένα αναφοράς κάλυψης γης που χρησιμοποιούνται σε αυτή την εργασία είχαν προηγουμένως χρησιμοποιηθεί για τη βαθμονόμηση του HERO Massachusetts Forest Monitoring Programme (MaFoMP) 2000 προϊόντος κάλυψης γης). Δημιουργήθηκαν με τη βοήθεια αεροφωτογραφιών και πολλές επισκέψεις πεδίου μεταξύ 2005 και 2007. Όλες οι τοποθεσίες αναφοράς ήταν 60 × 60 m διάσταση, και διανεμήθηκαν σε όλη τη Μασαχουσέτη για να συλλάβει τη μεταβλητότητα στις τιμές ανακλαστικότητας στην περιοχή μελέτης. Στα αρχικά δεδομένα, το νερό χωρίζεται σε δύο κατηγορίες κάλυψης γης (ρηχά νερά και βαθιά ύδατα). Για την απλοποίηση, τοποθετήθηκαν σε συνδυασμό ρηχά νερά και βαθιά νερά σε μία κατηγορίας κάλυψης γης-νερού. Υπάρχουν συνολικά 8220 χώροι αναφοράς για 16 κατηγορίες κάλυψης γης.
Μέθοδοι:
Η μελέτη αυτή είναι ένα "πρωτότυπο" για την ανίχνευση συνεχών αλλαγών και την ταξινόμηση χρησιμοποιώντας όλα τα διαθέσιμα δεδομένα Landsat. Εξετάζοντας την προσέγγιση αυτή για άλλες περιοχές με διαφορετικά περιβάλλοντα θα είναι η μελλοντική ερευνητική κατεύθυνση. Αυτός ο αλγόριθμος CCDC έχει πολλές συνιστώσες, συμπεριλαμβανομένων: προεπεξεργασία εικόνας, ανίχνευση συνεχών αλλαγών , και συνεχής ταξινόμηση καλύψεων γης. Προεπεξεργασία εικόνας Η γεωμετρική εγγραφή και η ατμοσφαιρική διόρθωση είναι κρίσιμης σημασίας για τον CCDC αλγόριθμο, καθώς διευκολύνει τη σύγκριση των εικόνων μέσα στο χρόνο. Σε αυτή την έρευνα, χρησιμοποιούμε μόνο εικόνες Landsat L1T που είναι πιο ακριβείς. Η ατμοσφαιρική διόρθωση πραγματοποιείται με χρήση Landsat Ecosystem Disturbance Adaptive Processing System (LEDAPS), στην οποία οι τιμές των πρώτων DN μετατρέπονται σε συντελεστή ανάκλασης επιφάνειας (SR) και φωτεινότητας θερμοκρασίας (BT). Το μοντέλο χρονοσειρών CCDC Γενικώς, η αλλαγή της επιφάνειας της γης μπορεί να διαιρεθεί σε τρεις κατηγορίες: (1) ενδο-ετήσια μεταβολή (Σχ. 2Α), που προκαλούνται από τη βλάστηση καθοδηγείται από τις εποχιακές τάσεις των περιβαλλοντικών παραγόντων όπως η θερμοκρασία και η καθίζηση, (2) η προοδευτική μεταξύ τους ετήσια μεταβολή (Εικόνα 2Β), που προκαλείται από την κλιματική μεταβλητότητα, την ανάπτυξη της βλάστησης ή σταδιακή αλλαγή στη διαχείριση της γης ή την υποβάθμιση του εδάφους και (3) η απότομη αλλαγή (Εικόνα 2C), που προκαλείται από την αποψίλωση των δασών, πλημμύρες, πυρκαγιές, έντομα, αστικοποίηση και ούτω καθεξής. Ως εκ τούτου, χρησιμοποιούμε ένα μοντέλο της σειράς του χρόνου που έχει στοιχεία από την εποχικότητα και τα διαλείμματα που καταγράφει όλες τις τρεις κατηγορίες της αλλαγής επιφάνειας. Οι συντελεστές μοντέλου υπολογίζονται από την Ordinary Least Squares (OLS) μέθοδο με βάση τις υπόλοιπες σαφείς παρατηρήσεις Landsat. Χρησιμοποιούμε OLS αντί RIRLS απλά επειδή είναι ταχύτερη και πιο ακριβής, όταν όλες οι σημαντικές ακραίες τιμές έχουν αποκλειστεί. Συνεχής ταξινόμηση καλύψεων γης Η κύρια ιδέα της ταξινόμησης καλύψεων γης είναι ότι διαφορετικές κατηγορίες κάλυψης γης θα έχουν διαφορετικά σχήματα για τον εκτιμώμενο χρόνο σειράς μοντέλου. Το Σχήμα 3 απεικονίζει διαφορετικά εκτιμώμενα μοντέλα χρονοσειρών για τέσσερα διαφορετικά είδη της αλλαγής καλύψεων γης που σημειώθηκαν στη περιοχή μελέτης. Η Λήψη εικ. 3A για παράδειγμα, κατατάσσοντας την πρώτη φορά, ο αλγόριθμος CCDC είναι ικανός να παρέχει μια κάλυψη εδάφους κλάση (δάσος) για αυτό το pixel μεταξύ του 2001 και του 2003. Ομοίως, η κατάταξη για τα αποτελέσματα του δεύτερου μοντέλου χρονοσειρών παρέχει καλύψεις γης στην κατηγορία (ανεπτυγμένες) για αυτό το pixel μεταξύ του 2005 και του 2006. Τα κενά στη μέση των δύο μοντέλων ταξινομούνται ως "διαταραγμένα" επειδή η μεγάλη μεταβλητότητα των δεδομένων κατά τη διάρκεια της μετάβασης αποτρέπει μοντέλο προετοιμασίας. Η μείωση του Band 4 ανάκλασης: το δάσος αντανακλά έντονα στην ζώνη 4 ενώ οι ανεπτυγμένες περιοχές δεν το κάνουν. Η αύξηση στην ζώνη 6 οφείλεται κυρίως σεμειωμένη εξατμισοδιαπνοή και αστικές συνέπειες θερμικής νησίδας όταν το δάσος μετατρέπεται σε ανεπτυγμένες περιοχές. Όταν δάσος μετατρέπεται σε άγονο (Εικ. 3Β), οι σημαντικές αλλαγές που παρατηρούνται στο themost Band 5 και 7 Band, ως δάσος είναι συνήθως χαμηλή σε περιεκτικότητα σε SWIR μπάντες αλλά το άγονο έχει πάντα υψηλό συντελεστή ανάκλασης σε αυτές τις φασματικές ζώνες. Για ένα pixel που έχει υποστεί αλλαγή από δάσος στη χλόη (Εικόνα 3C), δεν υπάρχει μεγάλη διαφορά στα μοντέλα χρονολογικών σειρών στις ορατές ζώνες, αλλά η SWIR και οι θερμικές ζώνες είναι εντελώς διαφορετικές. Για το εικονοστοιχείο που άλλαξε από το δάσος με τη γεωργία , τα μοντέλα της σειράς των NIR και SWIR ταινίες δείχνουν τη μεγαλύτερη διαφορά. Αυτά τα παραδείγματα δείχνουν ότι οι πληροφορίες που περιέχονται στο χρόνο-μοντέλο της σειράς είναι χρήσιμες για την κατάταξη κάλυψης του εδάφους και με τη χρήση των συντελεστών του μοντέλου χρονοσειρών είναι δυνατόν να μια ενιαία ταξινόμηση καλύψεων γης για όλη την περίοδο.
