Εικόνες IKONOS υψηλής χωρικής ανάλυσης και ΓΣΠ στην εκτίμηση του αριθμού των δένδρων του παραποτάμιου δάσους της λίμνης Κερκίνης
Από RemoteSensing Wiki
ΕΙΣΑΓΩΓΗ
Η χρήση δορυφόρων υψηλής χωρικής και φασματικής ανάλυσης, όπως ο IKONOS, στη διαχείριση δασικών οικοσυστημάτων, γίνεται όλο και εντονότερη τα τελευταία χρόνια. Ο λόγος οφείλεται στο εύρος πληροφοριών που προκύπτουν μέσα από την αλγοριθμική επεξεργασία των υψηλής ανάλυσης δορυφορικών εικόνων. Στην παρούσα εργασία διερευνάται η συμβολή των εικόνων του δορυφόρου IKONOS στη μελέτη διαχείρισης του παραποτάμιου δάσους της λίμνης Κερκίνης. Αρχικά στα πλαίσια της εργασίας επιχειρείται μια προσπάθεια εκτίμησης του αριθμού των κορμών των δένδρων, με τη χρήση της σκιάς τους και εργαλείων όπως τον αλγόριθμο μη-επιβλεπόμενης ταξινόμησης ISODATΑ, της επιβλεπόμενης ταξινόμησης της μεγίστης πιθανοφάνειας (maximum likelihood), καθώς και εργαλείων χωρικής ανάλυσης. Στη συνέχεια ακολουθεί η επαλήθευση των αποτελεσμάτων βάση αεροφωτογραφιών της περιοχής και επίγειων σημείων ελέγχου. Η μεθοδολογία Στην ανάλυση αυτή τα δεδομένα IKONOS ήταν ραδιομετρικά διορθωμένα, ενώ η διόρθωσή τους λόγω ανάγλυφου, είχε επίσης ολοκληρωθεί. Στη συνέχεια ακολούθησε η διαδικασία συνδυασμού της πολυφασματικής (MS) και της παγχρωματικής (Pan) εικόνας και προέκυψε η τελική συνθετική εικόνα με μέγεθος ψηφίδας 1μ .Η μέθοδος που εφαρμόστηκε ήταν ο μετασχηματισμός στις κύριες συνιστώσες
ΣΥΜΠΕΡΑΣΜΑΤΑ
Από τον έλεγχο των αποτελεσμάτων προκύπτει ότι στις περιοχές όπου η πυκνότητα των δένδρων είναι μεγάλη, η μέθοδος απέδωσε λιγότερο σωστά αποτελέσματα, λόγω του ότι η σκιά που δημιουργήθηκε από γειτονικά δένδρα, λήφθηκε ως ένα πολύγωνο στο οποίο αποδόθηκε ένα σημείο. Σε περιοχές όπου υπήρχε μικρότερη πυκνότητα, ένα δένδρο απέδωσε μία σκιά, η οποία ταξινομήθηκε σωστά και αντιστοιχήθηκε με ένα σημείο . Γίνεται φανερό, ότι η ακρίβεια της μεθόδου εξαρτάται πρωτίστως από την ακρίβεια στη ταξινόμηση της τάξης ‘σκιά’, κάτι που εύκολα υλοποιείται, λόγω της φασματικής διαφοράς της τάξης αυτής με τις υπόλοιπες. Ωστόσο σε περιοχές που παρουσιάζουν φασματική ετερογένεια, μπορούν να υπάρξουν λανθασμένες ταξινομήσεις ψηφίδων. Για τη βελτίωση της ταξινόμησης, εφαρμόζονται διάφορες μέθοδοι όπως φίλτρα συνέλιξης κ.α. Συμπερασματικά, πρόκειται για μια γρήγορη εκτίμηση του αριθμού των δένδρων, η οποία μπορεί να βελτιωθεί , με τη χρήση και άλλων παραμέτρων, όπως δεδομένα από σαρωτές laser, τα οποία θα οδηγήσουν σε περαιτέρω κατάτμηση των μεγάλων πολυγώνων της σκιάς γειτονικών δένδρων.
http://geo.teicm.gr/ojs/index.php/Chorografies/article/view/25/31
