Object-oriented methods for habitat mapping at multiple scales – Case studies from Northern Germany and Wye Downs, UK

Από RemoteSensing Wiki

Έκδοση στις 20:38, 12 Φεβρουαρίου 2017 υπό τον/την Kostis soulidis (Συζήτηση | Συνεισφορές/Προσθήκες)
('διαφορά') ←Παλιότερη αναθεώρηση | εμφάνιση της τρέχουσας αναθεώρησης ('διαφορά') | Νεώτερη αναθεώρηση→ ('διαφορά')
Μετάβαση σε: πλοήγηση, αναζήτηση

Object-oriented methods for habitat mapping at multiple scales – Case studies from Northern Germany and Wye Downs, UK

Michael Bock, Panteleimon Xofis, Jonathan Mitchley, Godela Rossner, Michael Wissen

Στην παρούσα εργασία παρουσιάζεται μια εφαρμογή των τεχνικών aντικει -μενοστρεφούς για Habitat ταξινόμηση βάσει τηλεπισκοπικές εικόνες και βοηθητικών δεδομένων. Οι εκθέσεις της μελέτης τα αποτελέσματα της χαρτογράφησης των ενδιαιτημάτων σε πολλαπλές κλίμακες χρησιμοποιώντας την Παρατήρηση της Γης (EO) δεδομένων σε διάφορες χωρικές αναλύσεις και πολυχρονική ημερομηνίες απόκτησης. Ερευνούμε το ρόλος του αντικειμένου υφή και το πλαίσιο της ταξινόμησης, καθώς και η αξία της ενσωμάτωσης γνώσης από βοηθητικές πηγές δεδομένων. Χάρτες Habitat παρήχθησαν σε περιφερειακό και τοπικές κλίμακες σε δύο περιπτω σιολογικές μελέτες? Σλέσβιχ-Χολστάιν, Γερμανία και Wye Downs, Ηνωμένες Βασίλειο. Σε περιφερειακό επίπεδο, το κύριο καθήκον ήταν η ανάπτυξη μιας συνεκτικής σύστημα ταξινόμησης object-oriented που είναι μεταβιβάσιμα σε δορυφορικές εικόνες για άλλους χρόνια. Αυτό αποδεικνύεται για μια φορά σειρά Landsat TM / ETM + σκηνές. Σε τοπικό κλίμακα, οι έρευνες επικεντρώνονται στην ανάπτυξη των κατάλληλων κανόνα object-oriented δικτύων για τη λεπτομερή χαρτογράφηση των οικοτόπων, π.χ. ξηρά λιβάδια και οι υγρότοποι χρησιμοποιώντας πολύ υψηλή ανάλυση δορυφορικών και αερομεταφερόμενων εικόνες του σαρωτή. Τα αποτελέσματα αξιολογούνται χρησιμοποιώντας την αξιολόγηση στατιστική ακρίβεια και οπτική σύγκριση με τις παραδοσιακές fieldbased ενδιαιτημάτων χάρτες. Ότι η εφαρμογή των παραδοσιακών ταξινόμηση pixel-based να οδηγήσει σε pixelised (αλάτι και πιπέρι) εκπροσώπηση της κάλυψης γης, το αντικείμενο-based αποτέλεσμα την τεχνική ταξινόμησης σε αντικείμενα στερεά βιότοπο που επιτρέπει την εύκολη ενσωμάτωση σε ένα διάνυσμα-GIS για περαιτέρω ανάλυση. Το επίπεδο της λεπτομέρειας που λαμβάνονται σε τοπική κλίμακα είναι συγκρίσιμη με εκείνη που επιτυγχάνεται με την οπτική ερμηνεία των αεροφωτογραφιών ή fieldbased χαρτογράφησης και επίσης διατηρεί χωρικά ρητή, πληροφορίες πρόστιμο κλίμακας, όπως η απολέπιση καταπάτηση ή σχέδια των δασικών ορίων εντός των οικοτόπων.

μέθοδοι συστήματα ταξινόμησης εδαφοκάλυψης και των ενδιαιτημάτων Η πρώτη εναρμονισμένη ταξινόμηση κάλυψης γης σύστημα στην Ευρώπη ήταν η κάλυψη γης CORINE του έργου (Ευρωπαϊκός Οργανισμός Περιβάλλοντος (ΕΟΠ), 1999? Heymann et al., 1993) και η συμπληρωματική Βιοτόπους CORINE ταξινόμηση (ΕΟΧ, 1995). Και τα δύο συστήματα χρησιμοποιούνται τα δεδομένα και τις τεχνικές ΕΟ αλλά δεν έχουν ακόμη επιτευχθεί πανευρωπαϊκή εφαρμογή και κάλυψη. Ένα από τα προβλήματα με CORINE είναι ότι πολλές λεπτομέρειες τοπίο έχασε στα 25 εκτάρια ελάχιστη μονάδα χάρτη. Αρκετά πιο πρόσφατες ταξινομήσεις αναδύονται ως σημαντικά πρότυπα για διατήρησης στην Ευρώπη, π.χ. συστήματος EUNIS αναπτυχθεί από τον ΕΟΧ (Davies & Moss, 2002? Ευρωπαϊκό Οργανισμός Περιβάλλοντος (ΕΟΠ), 2003). η EUNIS ταξινόμηση των οικοτόπων είναι μια ολοκληρωμένη πανευρωπαϊκή Ευρωπαϊκό σύστημα για τη διευκόλυνση της εναρμονισμένης περιγραφή και η συλλογή των δεδομένων σε όλη την Ευρώπη μέσω της χρήσης των κριτηρίων για τον προσδιορισμό των οικοτόπων? καλύπτει όλους τους τύπους οικοτόπων από φυσικό να τεχνητή, από επίγεια σε γλυκά και θαλάσσια. EUNIS είναι επίσης cross-συγκρίσιμα με CORINE και με το σύστημα των οικοτόπων Natura 2000 (Ευρωπαϊκό ΑΡΘΡΟ ΣΤΟ ΔΕΛΤΙΟ 76 Μ Bock et al. Επιτροπή, 2003). Το πεδίο εφαρμογής του EUNIS ταξινόμηση περιορίζεται στο επίπεδο 3 (επίπεδο 4 για θαλάσσιων τύπων οικοτόπων). Στο επίπεδο 4 (5 για το θαλάσσιο τύποι) και κάτω, οι συστατικές μονάδες που από άλλα συστήματα ταξινόμησης (π.χ. εθνική συστήματα) και συνδυάζουν αυτά στο κοινό πλαίσιο. Το κλειδί ταξινόμησης EUNIS ενδιαιτημάτων ήταν επιλέγονται για χρήση στην παρούσα μελέτη ως συνήθως μεταχειρισμένα και οικολογική σύστημα ταξινόμησης. Χαρτογράφηση των οικοτόπων σε τοπική κλίμακα με Quickbird, Wye Downs περιοχή μελέτης Η Wye Downs Εθνικό Αποθεματικό Φύση (Ν.Ε.Ο.) είναι το ανατολικότερο Ν.Ε.Ο. στην Αγγλία και αποτελείται μέρος του συγκροτήματος των απότομες πλαγιές αποκόμματα και ξηρές κοιλάδες γνωστή ως η North Downs (γεωγραφικό πλάτος: 511090N, γεωγραφικό μήκος: 01580E). Αυτό το χαρακτηριστικό κιμωλία τοπίο έχει διαμορφωθεί κατά τη διάρκεια των 500 ετών περίοδο περίπου 10 000 χρόνια πριν, μέσα από τη διαδικασία της solifluction (ψύξης-απόψυξης) στην Αρκτική το κλίμα συνθήκες που επικρατούν εκείνη τη στιγμή. Το αποθεματικό ήταν ιδρύθηκε το 1961 και το 1967 με μια μικρή προσθήκη κατασκευασμένο το 2003. Ο πρωταρχικός στόχος της διατήρησης είναι να διατηρηθεί ένα από τα καλύτερα υπόλοιπα παραδείγματα κιμωλία downland (calcicolous λειμώνες) στην περιοχή μελέτης. Αυτό είναι ένα βιότοπο, η οποία έχει μειωθεί σημαντικά τα τελευταία 50 χρόνια λόγω της σύγχρονης μεθόδους καλλιέργειας. Το αποθεματικό καλύπτει περίπου 100 εκτάρια περίπου οι μισοί από τους οποίους είναι μικτά φυλλοβόλα δάση και το υπόλοιπο μισό είναι λειμώνες. Λόγω της εγγύτητα της ηπειρωτικής Ευρώπης ηπειρωτική η calcicolous λειμώνες είναι πλούσια σε άγρια λουλούδια συμπεριλαμβανομένων 17 είδη ορχιδέας. Τα πλούσια σε είδη γρασίδι είναι το προϊόν της παραδοσιακής λόφο βόσκηση από πρόβατα και βοοειδή, αν και κατά τις τελευταίες δεκαετίες η υπερβόσκηση έχει οδηγήσει σε αύξηση των χονδροειδών χόρτα και θάμνους. χρησιμοποιούνται τα δεδομένα Τόσο πολυφασματική και παγχρωματικό Quickbird εικόνες της περιοχής μελέτης αποκτήθηκαν στις 9 Δεκ 2002 στις 10:31 h για την εφαρμογή της χαρτογράφηση των ενδιαιτημάτων αντικείμενο που βασίζεται σε τοπική κλίμακα. Η παγχρωματικό εικόνα καλύπτει ένα φασματικό μήκος 450-900 nm σε χωρική ανάλυση των 0,7, ενώ πολυφασματική εικόνα αποτελείται από τέσσερις ζώνες Μπλε: 450-520 nm? Πράσινο: 520 - 600 nm? Κόκκινο: 630 - 690 nm? Κοντά-IR: 760-900nm σε μια χωρική ανάλυση της 2.7 m. Οι δύο εικόνες συντήχθηκαν χρησιμοποιώντας εξομάλυνσης προσέγγιση διαμόρφωσης του φίλτρου με βάση (SFIM), (Liu, 2000), και μια παν-ακονισμένα προϊόν με χωρική Ψήφισμα του 0,7 παρήχθη όπου ο υπό δοκιμή τεχνική χαρτογράφησης εφαρμόστηκε. SFIM βρέθηκε να είναι η πλέον κατάλληλη τεχνική για την σύντηξη των Quickbird εικόνες από τα τέσσερα συγκροτήματα της pansharpened προϊόν είχε μια συσχέτιση με την πρωτότυπο πολυφασματική ένα από περισσότερο από 96% σε όλες τις περιπτώσεις. Το παν-ακονισμένο εικόνα ήταν γεωμετρικά διορθώνονται με τη χρήση δεδομένων Land-Line (1: 2500) σε μια χωρική ακρίβεια 1m. Εκτός από τα τέσσερα πολυφασματική ζώνες, ο δείκτης βλάστησης κανονικοποιημένης διαφοράς (NDVI) στιβάδα υπολογίζεται επίσης και χρησιμοποιείται ο διαδικασία ταξινόμησης. Μόνο ένα υποσύνολο του αρχικού 64 km2 εικόνα χρησιμοποιήθηκε η οποία είχε συνολικό μέγεθος της 9.5 km2. Η ημερομηνία εξαγοράς, και ιδιαίτερα η απόκτηση χρόνο, είχε συνέπειες για την ποιότητα της εικόνας. Πρώτον, το Δεκέμβριο δεν υπήρχε φύλλωμα για την φυλλοβόλα πλατύφυλλα είδη κάνοντας διάκριση μεταξύ διαφορετικών πλατύφυλλων οικοτόπων δάση αδύνατο. Δεύτερον, και πιο αποφασιστικά, στις 10:31 h ο ήλιος ήταν σε μια μικρή γωνία και σε συνδυασμό με το έντονο ανάγλυφο της περιοχής ένα μεγάλο ποσοστό από αυτό καλύφθηκε από σκιές. Κατά συνέπεια, η σκιασμένη περιοχές διαχωρίστηκε από το unshadowed περιοχές νωρίς στη διαδικασία ταξινόμησης και αποτελούν αντικείμενο διαπραγμάτευσης σε ένα εντελώς διαφορετικό τρόπο. Ένα στερεό και drift χάρτη γεωλογίας σε ψηφιακή μορφή σε μια κλίμακα 1:50 000 χρησιμοποιήθηκε για να βοηθήσει την ταξινόμηση διαδικασία. Επιπλέον, ένα DTM σε κλίμακα 1:10 000 και μια κάθετη ανάλυση των 2m χρησιμοποιήθηκε από τα οποία παρήχθησαν μια πλαγιά και ένα στρώμα πτυχή. Ο στόχος της διαδικασίας κατάταξης ήταν να προσδιορίσει τις οκτώ κατηγορίες EUNIS παρουσιάζονται στον Πίνακα 4. Για την E1.2 τάξεις, E2.1, Ι, G1, G3.F2, μια F3 κατάλληλο σύνολο εκπαίδευσης έπρεπε να επιλεγεί, ενώ για την FA και G5 ταυτοποίησή τους επικαλείται ο γεωμετρία των αντικειμένων. Η επιλογή της εκπαίδευσης περιοχές που εμπλέκονται τα ακόλουθα βήματα: Πρώτον, εντοπίζονται στους τομείς της κατάρτισης εικόνα δυναμικό χρησιμοποιώντας τις πληροφορίες που θα μπορούσαν να προκύψουν από Φάσεις 1 και 2 χάρτες ενδιαιτημάτων (Kent Wildlife Habitat Έρευνα Εταιρικής Σχέσης, 1995) καθώς και πληροφορίες ότι θα μπορούσε να προέρχεται από μια οπτική επιθεώρηση του η εικόνα. έχει ληφθεί ειδική μέριμνα ώστε να συμπεριλάβει περιοχές στο σύνολο εκπαίδευσης που απεικονίζεται μια ποικιλία Παραδείγματα της κατηγορίας στόχου που διαφέρει ως προς την εμφάνιση, κλπ Το τελικό σύνολο των τομέων εκπαίδευσης ήταν επιλεγεί μετά από επιτόπιες επισκέψεις Μάιο 2003 σε όλα τα περιοχές που περιλαμβάνονται στο πρώτο σετ των δυνατοτήτων κατάρτισης περιοχές και επιβεβαιώνοντας τον τύπο εδαφοκάλυψης τους in situ. Το ποσοστό της εκπαίδευσης καθορίζεται σε σχέση με το συνολική διαβαθμισμένων περιοχή στην κάθε κατηγορία ήταν 13% για E1.2, 15% για E2.1, 2% για το I, 7% για το G1, 19% για G3.F2, και 21% για F3. Αποτελέσματα και συζήτηση Χαρτογράφηση των οικοτόπων σε περιφερειακό και τοπικό κλίμακα, Σλέσβιχ-Χολστάιν, Γερμανία Στη γερμανική μελέτη περίπτωσης σε περιφερειακή κλίμακα, τρεις EUNIS επίπεδο 1 χάρτες ενδιαιτημάτων και τρεις εκτεταμένη χάρτες με τις κατηγορίες επιλεγμένο επίπεδο EUNIS 2 για τα 3 έτη 1990, 1995 και 2001 παρήχθησαν. Η ακρίβεια ταξινόμησης της περιφερειακής γης κάλυμμα χάρτη του 2001 αξιολογήθηκε με τη βοήθεια ενός μήτρα σφάλμα. Η συνολική ακρίβεια ήταν 86,19%, η συνολική Kappa Στατιστικά ήταν 0,80. η αξιολόγηση βασίστηκε σε στοιχεία έδαφος την αλήθεια από το πεδίο έρευνα το 2003, που δεν είχε χρησιμοποιηθεί για την εκπαίδευση (Πίνακας 3). Τα σημεία που επιλέχθηκαν ήταν οπτικά ελέγχεται με τα δεδομένα της εικόνας του 2001 και σε περιπτώσεις αβεβαιότητας αποκλείονται από το δείγμα. Πέντε εκατόν τριάντα τέσσερις δείγμα σημεία παρέμειναν με έμφαση σε καλλιεργήσιμες εκτάσεις και τα λιβάδια που είχε το υψηλότερο μερίδιο της περιοχής και τουλάχιστον 10 σημείων δειγματοληψίας για EUNIS κατηγορίας Β (παράκτιες άμμοι) η οποία εμφανίζεται σε πολύ λίγες περιοχές στην περιοχή. ο παραγωγοί ακρίβεια των τάξεων ήταν 36%, 80%, 75%, 76%, 91%, 68% και 91% για EUNIS κατηγορίες Α, Β, C, D, Ε, G, Ι, J, αντίστοιχα. Ο λόγος για την μάλλον χαμηλή ακρίβεια για τα θαλάσσια ενδιαιτήματα ήταν η δυσκολία της ταξινόμησης των παράκτιων αλάτι έλη. φαινολογία τους ποικίλλει πολύ λόγω της μεταβλητότητα σε περιόδους πλημμυρών? Επιπλέον, τους ταξινόμηση βασίζεται σε διαχωρισμό του θαλάσσιου και ευρωπαϊκό περιβάλλον σε επίπεδο 4 στο διαδικασία ταξινόμησης, η οποία είναι δύσκολο η ακτογραμμή, λόγω του αλγορίθμου κατάτμησης αντικειμένου (Πίνακας 4). Η ακρίβεια ταξινόμησης των χαρτών βιότοπο της 1990 και 1995 αξιολογήθηκε χρησιμοποιώντας στατιστική έρευνα δεδομένων, δεδομένου ότι δεν υπάρχουν στοιχεία πεδίου από την αντίστοιχη χρόνια ήταν διαθέσιμα. Στατιστικών δεδομένων υπό την προϋπόθεση ότι έκταση (ha) των καλλιεργειών, καλαμποκιού και χορτολιβαδικές εκτάσεις για κάθε κοινότητα ως μονάδα αναφοράς. Οι περιοχές των ενδιαιτημάτων συνοψίζονται για κάθε κοινότητα και συσχετίζονται με τα στατιστικά στοιχεία. η αντιπροσωπευτικότητα των χαρτών βιότοπο για την πιο δυναμική τάξεις της γεωργικής χρήσης της γης αποδεικνύεται με συντελεστές συσχέτισης άνω του 0,9 (P ¼ 0:01). Μια παρόμοια επικύρωση και για άλλες κατηγορίες Δεν ήταν δυνατή λόγω της ανεπαρκούς αναφοράς δεδομένα. Γενικά, ωστόσο, μπορεί να αναφερθεί ότι τύπων κάλυψης γης με μεταβλητά μεγέθη αντικείμενο και μορφές φτάσει χαμηλότερες τιμές ακρίβεια από τις κατηγορίες με όρια σαφώς διακριτή αντικείμενο, όπως είναι η περίπτωση των γεωργικών και χορτολιβαδικές εκτάσεις αγροτεμαχίων. Η ποιότητα της χαρτογράφησης των ενδιαιτημάτων σε κλίμακες μικρότερες από 1:10 000 μετράται σε σχέση με τις παραδοσιακές μεθόδους, όπως η εναέρια φωτοερμηνεία ή σε επί τόπου έρευνα πεδίου. Επιπλέον, τα αποτελέσματα πρέπει να ταιριάζουν με τις απαιτήσεις για ένα ελάχιστο χαρτογράφηση μονάδα 0.3-1 εκταρίων που ορίζονται από την εθνική εφαρμογή των ευρωπαϊκών μέτρων όπως το δίκτυο Natura 2000, η ΟΠΥ και η ΚΓΠ. Συγκρισιμότητα των διαφόρων ενδιαίτημα χάρτες ή οποιοδήποτε αρχείο πεδίο αρχίζει με το σημασιολογικό ορισμό των κατηγοριών σύμφωνα με έναν ορισμένο ονοματολογία. Το σχήμα 7 δείχνει τρεις χάρτες βιότοπο της Wildes Moor της ΤτΕ με ένα εναρμονισμένο τάξη θρύλος. Μετά από μια μακρά περίοδο εκφυλισμό που προκαλείται από αποστράγγιση, η ΤτΕ είναι πλέον σε μεγάλο βαθμό κάτω από τη φύση διαχείριση των μέτρων διατήρησης και για την αναγέννηση περιλαμβάνουν την αύξηση του επιπέδου του νερού. Μια οπτική ανάλυση δείχνει ότι FFH- και BNTK χάρτες ακολουθήσει η ορίων των αγροτεμαχίων τομέα, ενώ την κατάταξη HRSC αντιπροσωπεύει την οικότονο χαρακτήρα της ΤτΕ πιο ρεαλιστικά εντός των συνόρων BNTK. Όλοι χάρτες διαφέρουν ως προς τον καθορισμό και την οριοθέτηση των οικοτόπων. Οι διαδικασίες ταξινόμησης object-oriented εφαρμοστεί σε VHR-δεδομένα δίνουν παρόμοια αποτελέσματα και επιπρόσθετα με υψηλότερη χωρική λεπτομέρεια. Απο την άλλη Αντιθέτως, η υψηλή διαφοροποίηση των αντικειμένων και μέσα αντικείμενα πρέπει να εναρμονιστούν ώστε να είναι συμβατά και συγκρίσιμα με τα υπάρχοντα χάρτες. Ακρίβεια ήταν δεν αξιολογήθηκε με στατιστικές μεθόδους λόγω έλλειψης επαρκών στοιχείων αλήθειας έδαφος, αλλά οπτική επιθεώρηση παρουσιάζει ενθαρρυντικά αποτελέσματα μέσα σε όλα τα ενδιαιτήματα. Όπως και προαναφέρθηκε, ΕΟ-με βάση τη χαρτογράφηση των οικοτόπων με δεδομένα VHR μπορεί να χαρακτηριστεί ως ένα σύνθετο πρόβλημα που μπορεί να λυθεί μόνο με την εστίαση σε συγκεκριμένα αντικείμενα-στόχους. Αυτό συνεπάγεται τη χρήση ενός συνδυασμός της υπάρχουσας γνώσης, όπως είναι η χάρτες BNTK και τα δεδομένα του εδάφους, και η φασματική και συμφραζόμενα ιδιότητες του αντικειμένου. Ανίχνευση δασικές εκτάσεις και κτίρια απέδωσε καλά με το χρήση του DSM και της ολοκλήρωσης της χρονικής τομέα με την υποστήριξη δορυφορικά δεδομένα χαμηλότερη ανάλυση η ταξινόμηση σε όλα τα επίπεδα.

Σχήμα 7. Natura 2000 βιότοπο Wildes Moor , Schleswig- Holstein, Σύγκριση των τριών χάρτες ενδιαιτημάτων από διαφορετικής προέλευσης με τη χρήση ενός εναρμονισμένου κλειδί ταξινόμησης.


Συμπεράσματα και προοπτικές Τα αποτελέσματα που παρουσιάζονται στο παρόν έγγραφο δείχνουν ότι αντικειμενοστραφής ταξινόμηση των δεδομένων ΕΟ είναι ένα πολύτιμη μέθοδος για τη χαρτογράφηση των ενδιαιτημάτων σε ένα εύρος διαφορετικών κλιμάκων. Εκτελεί πολύ καλά, όταν εφαρμόζεται σε HSR δεδομένων (Landsat 30m) για το παραγωγή του οικοτόπου χαρτών σε περιφερειακό επίπεδο με χοντρό θεματική ανάλυση. Η μέθοδος εκτελεί εξαιρετικά καλά όταν εφαρμόζεται σε δεδομένα VHSR (Quickbird 0,7 m, HRSC 4m) για την παραγωγή τοπικών κλίμακα χάρτες με πρόστιμο θεματική ανάλυση. Ένα από τα κύρια καθήκοντα την παρακολούθηση της διατήρησης είναι η παραγωγή χαρτών για προηγούμενη φορά έμμηνα. Τα αποτελέσματα που παρουσιάζονται εδώ δείχνουν ότι μεθόδους αντικειμενοστραφή παρέχουν ευελιξία στην την ικανότητα να μεταφέρει συστήματα ταξινόμησης που αναπτύχθηκε με τη χρήση πρόσφατων εικόνων, όπου μια δίκαιη σύνολο του εδάφους δεδομένων αλήθεια είναι διαθέσιμο, με το παρελθόν εικόνες, όπου απόκτηση των στοιχείων εδάφους αλήθεια είναι συνήθως αδύνατη. Συγκρινόμενη με τις παραδοσιακές τεχνικές χαρτογράφησης των ενδιαιτημάτων (Φωτοερμηνεία αέρα, μελέτη πεδίου), μεθόδους αντικειμενοστραφή παρέχουν τα αποτελέσματα των συγκρίσιμη ακρίβεια παρέχοντας ταυτόχρονα κατά τη Ταυτόχρονα ενισχύεται χωρική λεπτομέρεια και την ικανότητα για την ανίχνευση εντός-βιότοπο διακύμανσης και κλίσεις, όπως Ecotones, από την ανάλυση της ασαφούς κατηγορίας συνδρομές. Η ικανότητα να ανιχνεύει κλίσεις σε διαδοχής οικοσυστήματα, όπως τα ενδιαιτήματα τυρφώνες στην η γερμανική περιοχή μελέτης αποτελεί σημαντικό ικανότητα. Οι ιεραρχικές προσεγγίσεις ταξινόμησης που απασχολούνται στην παρούσα μελέτη επιτρέπει την ακριβή ταξινόμηση των τύπων οικοτόπων, οι οποίες εμφανίζονται σε διαφορετικές χωρικές κλίμακες. Για παράδειγμα, μεγάλης κλίμακας οικοτόπων δάση μπορούν να ανιχνευθούν σε υψηλότερες, χονδροειδή επίπεδα κατάτμησης, ενώ η μικρής κλίμακας ενδιαιτήματα, όπως οι διάδρομοι δασών και δενδροστοιχιών μπορεί να ανιχνευθεί σε χαμηλότερες, λεπτότερα τμηματοποίηση επίπεδα. Η ικανότητα να εξαγάγει τα αντικείμενα της εικόνας σε οποιοδήποτε σημείο σε όλη τη διαδικασία ταξινόμησης επιτρέπει η ενσωμάτωση του ήχου στατιστικών μεθόδων, όπως Γραμμική Διαχωριστική Ανάλυση, στην ανίχνευση από τα πιο σημαντικά χαρακτηριστικά αντικείμενο για το διαφοροποίηση των στοχοθετημένων κατηγοριών. Ένα σημαντικό πλεονέκτημα των μεθόδων object-oriented είναι η ικανότητα να ενσωματώσουν την εξωτερική γνώση ή πρόσθετα στοιχεία ΕΟ στη διαδικασία ταξινόμησης και να αναπτύξουν τους κανόνες της γνώσης στην ταξινόμηση. Η διευκόλυνση αυτή επιτρέπει την ακριβή ταυτοποίηση και ταξινόμηση των οικοτόπων με παρόμοια φασματικά χαρακτηριστικά, όπως τα λιβάδια. Το αποτελεσματικό διαχωρισμό των διαφόρων βοσκοτόπων τύπους χρησιμοποιώντας δεδομένα EO και τεχνικές ταξινόμησης έχει εδώ και καιρό ένα πρόβλημα? ωστόσο στο Wye Downs μελέτη περίπτωσης ήμασταν σε θέση να διακρίνουν μεταξύ του σχετίζεται στενά με ασβεστολιθικά και μεσοτροφικά λειμώνες οικοτόπων σε υψηλό βαθμό ακρίβεια χρησιμοποιώντας γεωλογικά δεδομένα. Ομοίως, η αβέβαιο ανάθεση των καλλιεργήσιμων εδαφών, η διαχείριση λιβάδια και ημι-φυσικών οικοτόπων στο γερμανικό μελέτη περίπτωσης λύθηκε με την ενσωμάτωση των multitemporal στοιχεία ΕΟ. Αντικειμενοστραφής μεθόδους ταξινόμησης και σύνολα που βασίζεται στη γνώση των κανόνων που επιτρέπουν την ουσιαστική περιορισμούς της καθαρά φασματικές και pixel-based μέθοδοι που πρέπει να ξεπεραστούν και να αυξήσει το δυναμικό για η χρήση των δεδομένων ΕΟ για τη διατήρηση της φύσης καθήκοντα παρακολούθησης. Η ευρύτερη χρήση της τηλεπισκόπησης δεδομένα για τη χαρτογράφηση των ενδιαιτημάτων εξαρτάται, ωστόσο, σε μια πολλαπλότητα των πρόσθετων παραγόντων, συμπεριλαμβανομένης φασματικής και χρονική ανάλυση, σημασιολογική και γεωμετρικά την ακρίβεια και τη διαθεσιμότητα των κατάλληλων ΕΟ και βοηθητικά δεδομένα. Σε επίπεδο ευρωπαϊκής πολιτικής, η κύρια κινητήρια δύναμη σε αυτή τη δεκαετία είναι η συνεχιζόμενη εφαρμογή της Παγκόσμιας Παρακολούθησης του Περιβάλλοντος και της Ασφάλειας (GMES), η κοινή πρωτοβουλία του η Ευρωπαϊκή Επιτροπή και το Ευρωπαϊκό Οργανισμός Διαστήματος (www.gmes.info). η αντιμετώπιση της θέματα φύσης και της βιοποικιλότητας, το GMES θα πρέπει να διευκολύνει η δημιουργία συνεπής σε ολόκληρη την ΕΕ μηχανήματα για την καταγραφή και χαρτογράφηση των επίγειων και των θαλάσσιων οικοτόπων με βάση συμφωνημένα EUNIS και Οδηγίες Habitat τυπολογίες (Wyatt, Briggs & Ryder, 2003). Όμως, το πιο σημαντικό, η γενική αποδοχή από την κοινότητα των χρηστών και η επιτυχής ενσωμάτωση των νέων αυτών πληροφοριών προϊόντων σε υπάρχοντα παρακολούθηση της διατήρησης διαδικασιών εξαρτάται τελικά από οικονομική αποδοτικότητα τους

Προσωπικά εργαλεία