Ανάκτηση των μεταβλητών της δομής του δάσους με βάση την ανάλυση της υφής μέσω εικόνων του IKONOS-2

Από RemoteSensing Wiki

Έκδοση στις 21:24, 23 Μαρτίου 2015 υπό τον/την Maria griva (Συζήτηση | Συνεισφορές/Προσθήκες)
('διαφορά') ←Παλιότερη αναθεώρηση | εμφάνιση της τρέχουσας αναθεώρησης ('διαφορά') | Νεώτερη αναθεώρηση→ ('διαφορά')
Μετάβαση σε: πλοήγηση, αναζήτηση
Εικόνα 1. Ένα υποσύνολο της εικόνας IKONOS που επεξηγεί τη δειγματοληπτική μέθοδο των τριών αντιπροσωπευτικών δασικών τύπων, πηγή: http://www.sciencedirect.com/science/article/pii/S0034425706000988

Τίτλος άρθρου: Ανάκτηση των μεταβλητών της δομής του δάσους με βάση την ανάλυση της υφής μέσω εικόνων του IKONOS-2


Οι τεχνικές τηλεπισκόπισης έχουν αποδειχθεί πολύτιμα εργαλεία χαμηλού κόστους που ενδείκνυνται στη χρήση όσον αφορά στη συχνή παρατήρηση των δασών. Παρόλα αυτά, τα λάθη εκτίμησης των σχετικών δασικών μεταβλητών παραμένουν πάρα πολύ υψηλά για τη λειτουργική χρήση των υψηλών χωρικών δορυφορικών στοιχείων, όπως το Landsat TM και το Spot HRV στα δάση. Οι πολύ υψηλής χωρικής ανάλυσης εικόνες, οι οποίες έχουν αποκτηθεί από τους νέους εμπορικούς δορυφόρους, όπως είναι ο IKONOS και QuickBird, αναμένεται να μειώσουν τα λάθη εκτίμησης σε ένα επίπεδο που να είναι αποδεκτό από τους δασοφύλακες. Η συγκεκριμένη έρευνα αξιολόγησε την 1m χωρική ανάλυση των εικόνων του IKONOS-2, ώστε να εκτιμήσει τις πέντε κύριες δασικές μεταβλητές, την ηλικία, το ύψος, την περιφέρεια, την πυκνότητα των στάσεων και τις γερασμένες περιοχές μέσα στις στάσεις. Τα παραπάνω υπολογίστηκαν βάσει των χαρακτηριστικών γνωρισμάτων σύστασης που προήλθαν από την γκρίζα ισόπεδη ομο-περιστατική μήτρα (GLCM).Οι συντελεστές του προσδιορισμού, R2, των καλύτερων προτύπων κυμαίνονται από 0,76 έως 0,82 για το ύψος, την περιφέρεια, την πυκνότητα των στάσεων και τις μεταβλητές της ηλικίας.

Η περιοχή μελέτης βρίσκεται στην περιοχή Hautes- Fagnes, στο ανατολικό Βέλγιο. Οι δασικές εκτάσεις στη συγκεκριμένη περιοχή καλύπτουν περίπου 7900 εκτάρια και αποτελούνται κυρίως από τρία είδη δέντρων: βελανιδιά, η οποία καλύπτει ποσοστό 15%, κοινή οξιά με ποσοστό 14% και ερυθρελάτη της Νορβηγίας, η οποία είναι το κύριο είδος και έχει ποσοστό 55%. Η βασική περιοχή βρέθηκε να συσχετίζεται αδύναμα στις μεταβλητές σύστασης (R2=0.35). Τα σχετικά λάθη πρόβλεψης τεσσάρων από τις πέντε δασικών μεταβλητών ήταν συγκρίσιμα με τα συνηθισμένα λάθη στους καταλόγους δειγματοληψίας (ύψος 10%, περιφέρεια 15%, βασική περιοχή 16%, ηλικία 18%), αλλά το λάθος εκτίμησης της πυκνότητας των στάσεων με ποσοστό 29% παρέμεινε πολύ υψηλό για τη χρήση τους στο δασικό προγραμματισμό. Η ανάλυση ευαισθησίας των παραμέτρων GLCM έδειξε ότι οι σημαντικότερες παράμετροι ήταν το χαρακτηριστικό γνώρισμα σύστασης, η μετατόπιση και το μέγεθος των παραθύρων. Η παράμετρος προσανατολισμού είχε τα ελάχιστα αποτελέσματα στις R2 τιμές, ακόμα και αν επηρέασε τις τιμές των χαρακτηριστικών γνωρισμάτων της σύστασης. Η εκτίμηση των μεταβλητών των δασικών δομών βρίσκεται στο επίκεντρο του ενδιαφέροντος από τον πρώτο καιρό εμφάνισης της ψηφιακής τηλεπισκόπισης. Οι αεροφωτογραφίες έχουν χρησιμοποιηθεί εκτενώς στη χαρτογράφηση και στον κατάλογο των δασικών εκτάσεων. Βέβαια, η διαδικασία αυτή είναι χρονοβόρα, υποκειμενική και ιδιαίτερα εξαρτώμενη από την εμπειρία των διερμηνέων, δεδομένου ότι είναι βασισμένη συνολικά στην οπτική ερμηνεία. Οι αυτοποιημένες τεχνικές ανάλυσης εικόνας παρέχουν μία γρηγορότερη, εναλλακτική μέθοδο των δασικών παραμέτρων από τα διαστημικά και αερομεταφερόμενα ψηφιακά στοιχεία. Τα στοιχεία τηλεπισκόπισης συλλέχθηκαν από πολυφασματικές και πανγρωματικές εικόνες από το δορυφόρο IKONOS-2 που αποκτήθηκαν ταυτόχρονα στις 26 Οκτωβρίου 2001. Ένα παγχρωματικό υποσύνολο εικόνας που είναι αντιπροσωπευτικό των δασικών τύπων της περιοχής παρουσιάζεται στην Εικόνα 1. Η μελέτη αυτή έδειξε ότι τα χαρακτηριστικά γνωρίσματα GLCM που προέρχονται από τις εικόνες IKONOS-2 με χωρική ανάλυση 1m είναι σημαντικά για τον υπολογισμό των κωνοφόρων δασικών μεταβλητών. Τα σχετικά λάθη πρόβλεψης των δύο από τις πέντε δασικές μεταβλητές ήταν μέσα στα συνηθισμένα λάθη της δειγματοληψίας (ύψος 10%, περιφέρεια 15%), ενώ οι άλλοι δύο (βασική περιοχή 16% και ηλικία 18%) ήταν αρκετά κοντά στο σχετικό κατώτατο όριο λάθους (15%) έτσι ώστε τα αποτελέσματά τους να είναι χρήσιμα στο δασικό προγραμματισμό. Το λάθος εκτίμησης της πυκνότητας παρέμεινε αρκετά υψηλό (29%) για τη σχετική χρήση. Οι παράμετροι GLCM, οι οποίες επηρέασαν τις εκτιμήσεις των δασικών μεταβλητών, ήταν η απόσταση δια-εικονοκυττάρου και το μέγεθος των παραθύρων. Η επίδραση τους μπορεί να αφορά αφενός, τα δασικά χαρακτηριστικά και τη χωρική ανάλυση της εικόνας και αφετέρου τη γεωμετρία ήλιος- στόχος- αισθητήρες κατά τη διάρκεια της απόκτησης της εικόνας. Για παράδειγμα, μία καλή εκτίμηση του ύψους παράχθηκε από το μέτρο συσχετισμού που υπολογίστηκε στην παράλληλη κατεύθυνση των σκιών των δέντρων με αντικατάσταση 1 pixel με 15x15 pixels που κινούν το παράθυρο. Επίσης, φάνηκε ότι το μέτρο συσχετισμού ήταν καλύτερο από τα άλλα μέτρα σύστασης επειδή η γωνία ζενίθ του ήλιου ήταν υψηλή και ο αισθητήρας ήταν σχεδόν σε μπροστινή θέση, γεγονός που επιτρέπει τις μεγάλες σκιές των δέντρων. Ο συσχετισμός παρείχε, επιπλέον, τις καλύτερες εκτιμήσεις τις περιφέρειας και τις ηλικίας, οι οποίες συσχετίστηκαν άμεσα και με το ύψος. Η πυκνότητα και η βασική περιοχή υπολογίστηκαν καλύτερα από το μέτρο αντίθεσης, βάσει της παραμέτρου προσανατολισμού GLCM που τέθηκε κάθετα στην κατεύθυνση των σκιών.


Η παραπάνω μελέτη κατέδειξε τη μεγάλη δυνατότητα της πολύ υψηλής χωρικής ανάλυσης για την ανάκτηση των κωνοφόρων δασικών δομών. Παρόλα αυτά, απαιτείται περεταίρω έρευνα έτσι ώστε να τεκμηριωθεί η απόδοση της ανάκτησης σε διαφορετικές περιβαλλοντικές συνθήκες, συμπεριλαμβανομένων των τοπογραφικών αλλαγών.

ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Αθήνα)

Μαρία Γρίβα

Προσωπικά εργαλεία