Σύγκριση των τεχνικών υπολογισμού για την κάλυψη των σχετικών σημείων τομής δειγματοληψίας βλάστησης με εικόνες τηλεπισκόπησης
Από RemoteSensing Wiki
A comparison of cover calculation techniques for relating point-intercept vegetation sampling to remote sensing imagery
Jason W. Karla, Sarah E. McCordb, Brian C. Hadleyc a USDA Agricultural Research Service, Jornada Experimental Range, Las Cruces, NM, USA b Jornada Experimental Range, New Mexico State University, Las Cruces, NM, USA c USDI Bureau of Land Management, National Operations Center, Denver, CO, USA Received 23 September 2015, Revised 1 August 2016, Accepted 19 September 2016, Available online 28 September 2016
πηγή: [[1]]
Μετάφραση και Περίληψη
1. Εισαγωγή
Η ακριβής και έγκαιρη χωρική πρόβλεψη της φυτοκάλυψης είναι μια σημαντική πηγή δεδομένων για τη διαχείριση των φυσικών πόρων. Το μοντέλο βασίζεται σε προσεγγίσεις όπως γραμμική παλινδρόμηση, γεωστατιστική, τεχνικές όπως kriging παλινδρόμησης, το μοντέλο παλινδρόμησης δέντρων ή Bayesian παλινδρόμηση δέντρων είναι ισχυρές τεχνικές για την πρόβλεψη όχι μόνο της συνολικής κάλυψης της βλάστησης, αλλά και των επιμέρους συστατικών της πυκνής βλάστησης. Στόχος μας σε αυτό το paper ήταν να διερευνηθεί η θεωρία του σημείου τομής δειγματοληψίας σε σχέση με την πρόβλεψη των δεικτών βλάστησης από remote- sensing εικόνες, και να δοκιμαστεί η αντοχή των σχέσεων μεταξύ της υψηλής ανάλυσης δορυφορικών εικόνων και top-hit και κάθε-hit μεθόδων υπολογισμού φυτοκάλυψη σε δύο περιοχές μελέτης.
1.1. Θεωρία δειγματοληψίας σημείο τομής για την κάλυψη της βλάστησης
Η δειγματοληψία σε σημείο τομής βασίζεται στην ιδέα ότι, εάν ένας άπειρος αριθμός των μηδενικών διαστάσεων των σημείων τοποθετούνται σε ένα δισδιάστατο χώρο, η αναλογία των εν λόγω σημείων που υποκλέπτει ένα αντικείμενο ενδιαφέροντος (π.χ., βλάστηση κάλυψης, είδος φυτού, γυμνό εδάφους) ισούται με την κάλυψη του εν λόγω αντικειμένου εντός της καθορισμένης περιοχής. Τυπικά, όλα παρακολουθούνται και η βλάστηση καταγράφεται με τη σειρά με την οποία συναντάται. Στην πράξη, διάφοροι παράγοντες μπορούν να επηρεάσουν την ορθότητα και την ακρίβεια των εκτιμήσεων στο σημείο τομής της φυτοκάλυψης.
1.2. Περιοχές μελέτης
Οι συγκρίσεις στο σημείο τομής για τους υπολογισμούς κάλυψης με δορυφορικές εικόνες έγιναν σε εδάφη που διαχειρίζεται το Γραφείο των ΗΠΑ της διαχείρισης της γης (BLM) στις περιοχές μελέτης στην Καλιφόρνια και το Κολοράντο, ΗΠΑ. Η περιοχή μελέτης White River στο βορειοδυτικό Κολοράντο αποτελούνταν από ένα τμήμα 243700 εκταρίων με τη λεκάνη Piceance και χαρακτηρίζεται από βαθιές κοιλάδες και υψηλά οροπέδια.
2. Μέθοδοι
2.1. Δείγμα για το σχεδιασμό και τη συλλογή δεδομένων πεδίου
Και οι δύο περιοχές μελέτης αποτελούν μέρος των σχεδίων για μακροπρόθεσμη παρακολούθηση μέσω της αξιολόγησης, της απογραφής του BLM και την παρακολούθηση του προγράμματος (AIM) . Θεσεις για τα δείγματα επιλέχθηκαν τυχαία εντός των περιοχών μελέτης κατά τρόπο που να παρέχει δεδομένα για την ενημέρωση των στόχων διαχείρισης των σχεδίων χρήσης γης του BLM σε κάθε περιοχή. Επειδή ο στόχος της παρούσας μελέτης ήταν να εξετάσει την επίδραση των διαφορετικών υπολογισμών δείκτη σχετικά με τη σχέση των δεδομένων από σημείο δειγματοληψίας σε δορυφορικές εικόνες, χρησιμοποιήσαμε μόνο το υποσύνολο δειγμάτων τοποθεσιών από κάθε περιοχή μελέτης, η οποία συνέπεσε με τις διαθέσιμες εικόνες. Η επιλογής του δείγματος στην περιοχή μελέτης White River διαστρωματώθηκε από την κοινότητα και το δυναμικό των φυτών, όπως περιγράφεται στις έρευνες του εδάφους της περιοχής. Η επιλογής του δείγματος στην περιοχή της Βόρειας Καλιφόρνιας διαστρωματώθηκε χρησιμοποιώντας τις κατηγορίες που ορίζονται από την μη επιβλεπόμενη ταξινόμηση των Landsat εικόνων επειδή οι πληροφορίες για την φυτική κοινότητα δυναμικόυ ήταν ασυνεπής (και σε ορισμένες περιπτώσεις δεν είναι διαθέσιμη) σε όλη την περιοχή μελέτης. Η προϋπόθεση για τη χρήση της ταξινόμησης Landsat για το σχεδιασμό του δείγματος ήταν ότι αυτό θα βοηθήσει να διασφαλισθεί η καλή κατανομή των θέσεων του δείγματος μεταξύ των διαφόρων τύπων βλάστησης στην περιοχή μελέτης.
2.2. Υπολογισμοί δείκτη κάλυψης
Ακολουθήσαμε Herrick et al. (2009) για τον υπολογισμό των δεικτών κάλυψης βλάστησης από τα δεδομένα στο σημείο τομής. Για τους σκοπούς της παρούσας μελέτης, θα συγκεντρώνονται πληροφορίες για τα είδη επιπέδου σε μεγάλες μορφές ζωής, και υπολογίζονται οι εκτιμήσεις του δείκτη σε επίπεδο ιστότοπου για τα ακόλουθα: ετήσια και πολυετή πλατύφυλλα, ετήσιων και πολυετών αγροστωδών, θάμνοι, και την κάλυψη των αρτεμίσιων. Σε κάθε θέση του δείγματος, τα στοιχεία διατομής συνενώθηκαν για να υπολογίσει τις εκτιμήσεις κάλυψης σε επίπεδο ιστότοπου.
2.3. Απόκτηση και επεξεργασία εικόνας
RapidEye πολυφασματικών δορυφορικών εικόνων αποκτήθηκε για την περιοχή μελέτης White River. Η άνω του μέσου όρου των βροχοπτώσεων, η περιοχή μελέτης White River, το 2011 θα μπορούσε να οδηγήσει σε λιγότερο γυμνό έδαφος και μεγαλύτερη κάλυψη των χόρτων και πλατύφυλλων, που ενδέχεται να επηρεάσουν τις συσχετίσεις μεταξύ των δεδομένων πεδίου και τις εικόνες που συλλέχθηκαν ένα χρόνο νωρίτερα. Ωστόσο, αυτό θα επηρεάσει και τις δύο μεθόδους. Οι μέθοδοι υπολογισμού των δεικτών κάλυψης (top-hit και κάθε-hit). Κατά μέσο όρο οι τιμές ζώνης RapidEye εντός της ζώνης του οικοπέδου πεδίο που παρέχεται μια σειρά μέτρων εικόνων ανάλογα σε κλίμακα με τις παρατηρήσεις πεδίου.
2.4. Στατιστικές αναλύσεις
Η στατιστική ανάλυση ακολούθησε δύο βήματα: Πρώτον, αξιολογήσαμε την αντιστοιχία μεταξύ των κάθε-hit και top-hit υπολογισμοι κάλυψης για κάθε δείκτη. Στη συνέχεια χρησιμοποιείται μια παλινδρόμηση beta-διανομής για να προσδιοριστεί ποσοτικά η σχέση μεταξύ οποιουδήποτε-hit και δείκτες κάλυψης top-hit και τις εικόνες RapidEye. Όλες οι στατιστικές αναλύσεις πραγματοποιήθηκαν στο R έκδοση 3.1, χρησιμοποιώντας το πακέτο beta reg που αναπτύχθηκε από Κριμπάρι-Neto και Zeileis (2010).Οι διαφορές beta -διανομής για το πώς κάθε-hit και top-hit δείκτες κάλυψης συσχετίζονται με τηλεπισκοπικές εικόνες και θα εξαρτηθεί εν μέρει από το πόσο έντονα σχετίζονται οι δύο υπολογισμοί δείκτη. Κατά συνέπεια, καταγράφεται για πρώτη φορά τα top-hit και κάθε-hit εκτιμήσεις κάλυψης ένας εναντίον του άλλου και υπολογίζεται η μέση τιμή και τυπική απόκλιση του δείγματος για κάθε δείκτη. Χρησιμοποιήσαμε beta παλινδρόμηση για τη μοντελοποίηση των σχέσεων μεταξύ των δύο υπολογισμών δείκτης κάλυψης και του μέσου όρου και Stan-Dard απόκλιση τιμών ζώνης RapidEye σε κάθε θέση δείγματος. Η υπόθεση με αυτήν την προσέγγιση είναι η καταλληλότερη μέθοδος υπολογισμού του δείκτη και θα οδηγήσει σε ένα μοντέλο που εξηγεί περισσότερο τη μεταβλητότητα των τιμών των δεικτών.
3. Αποτελέσματα
Τα ολοκληρωμένα αποτελέσματα του φυλλώματος κάλυψη σε όλους τους ιστότοπους του δείγματος στην περιοχή μελέτης White River κατά μέσο όρο είναι 48,8% (SD = 16,9%), ενώ η μέση συνολική κάλυψη φυλλώματος για τις περιοχές της Βόρειας Καλιφόρνια ήταν 69,4% (SD = 21,7%) (Εικ. 1) .Οι κάθε-hit εκτιμήσεις κάλυψης ήταν αρκετά υψηλότερες (σε = 0.05level) από την top-hit εκτιμήση για την κάλυψη των πολυετών και ετήσιων πλατύφυλλων στην περιοχή μελέτης White River. Αποκλίσεις των εκτιμήσεων κάλυψης οποιαδήποτε-hit ήταν επίσης αρκετά καλύτερες από τις διακυμάνσεις των top-hit για την κάλυψη των ετήσιων και πολυετών πλατύφυλλων και πρασίνου σε αυτήν την περιοχή μελέτης (p <0,01 για όλες τις τέσσερις δείκτες). Για τους δείκτες theshrub και αρτεμισία, top-hit εκτιμήσεις κάλυψης ήταν μόνο ελαφρώς χαμηλότερες από ό, τι οποιαδήποτε-hit εκτιμήσεις, και οι διακυμάνσεις ήταν ελαφρώς χαμηλότερες, αλλά όχι σημαντικά διαφορετικές (δείκτες p = 0,56 και p = 0,4515 forshrub και αρτεμισία, αντίστοιχα) μεταξύ των δύο μεθόδων. στην περιοχή μελέτης της Βόρειας Καλιφόρνιας, οι διαφορές μεταξύ οποιοδήποτε-χτύπημα και top-hit εκτιμήσεις καλυμματος δείκτης ήταν γενικά ελάχιστες, μόνο με πολυετή πλατύφυλλα που δείχνει μια μέτρια διαφορά (p = 0.099). Διακυμάνσεις των κάθε-hit και top-hit εκτιμήσεις κάλυψης ήταν διαφορετικές μόνο για τα ετήσια (p = 0,085) και πολυετή πλατύφυλλα (p = 0,007). Όταν χαρτογραφήθηκε η περιοχή μελέτης White River, οι τυχόν πληγές από μοντέλα κάλυψης προβλέπουν μια καλύτερη περιοχή ως έχοντας υψηλότερες τιμές κάλυψης από τα top-hit μοντέλα κάλυψης για όλους τους δείκτες (Εικ.2). Στην περιοχή μελέτης της Βόρειας Καλιφόρνιας, μοντέλο beta παλινδρόμησης ταιριάζει και ποικίλλει επίσης μεταξύ του δείκτη και της μεθόδου υπολογισμού κάλυψης από ψευδο-R2 = 0.2455 για top-hit κάλυψη σε γρασίδι στο ψευδό-R2 = 0.6085 για top-hit ετήσια χλοοτάπητα. Συνολικά, ωστόσο, οι διαφορές στο μοντέλο που ταιριάζει και τη συνολική απόδοση του μοντέλου για τη Βόρεια Καλιφόρνια ήταν μικρότερες από ότι εκείνες που βρίσκονται σε White River.
4. Συζήτηση
Και στις δύο περιοχές μελέτης μας, οι εκτιμήσεις καλύπτουν οποιαδήποτε-hit εκτελείται καλά ή και καλύτερα από τις εκτιμήσεις top-hit για την πρόβλεψη της κάλυψης από RapidEye εικόνες για όλους τους δείκτες. Το αποτέλεσμα αυτό έρχεται σε αντίθεση με τη συμβατική ιδέα ότι μόνο top- πληροφορίες πυκνώματος φύλλων είναι σημαντικές για εφαρμογή στην τηλεπισκόπισης. Εν μέρει, αυτό μπορεί να οφείλεται σε διαφορές στην κλίμακα και τον ορισμό της κάλυψης μεταξύ δειγματοληψίας σε σημείο τομής και απομακρυσμένες εικόνες. Οι τεχνικές σε σημείο τομής εκτιμούν κάλυψη πάνω από μια ορισμένη περιοχή από την αναλογία των σημεία όπου κάτι συναντάται. Ενώ το ποσοστό του πυκνώματος των φύλλων στην κορυφή έναντι του από κάτω είναι ένας νόμιμος δείκτης για τον υπολογισμό αυτών των δεδομένων, το σημείο τομής έχει έτσι τη χρήση ενός αυστηρού φυλλώματος που ορίζεται ως πυκνότητα φύλλων. Στα αποτελέσματά μας, όπου υπάρχουν οι κανονικοποιημένες RMSE αξίες και χαρτογραφήθηκαν οι προβλέψεις για την κάλυψη της Βόρειας Καλιφόρνιας ήταν παρόμοια μεταξύ των μεθόδων αλλά διαφορετικές σε πολλές περιπτώσεις για την περιοχή White River. Σε αυτό το βιότοπο παρουσιάζεται μια σύγκριση των διαφόρων μεθόδων για τον υπολογισμό φυτοκάλυψης από τα δεδομένα δειγματοληψίας σε σημείο τομής για ένα περιορισμένο σύνολο δεικτών και μόνο σε δύο συστήματα μελέτης.
5. Συμπέρασμα
Τα αποτελέσματά μας δεν υποστηρίζουν την ιδέα ότι πάνω-hit εκτιμήσεις κάλυψης από τη δειγματοληψία σε σημείο τομής είναι η πιο κατάλληλη για εφαρμογές τηλεπισκόπισης σε άνυδρο και ημι-άνυδρο θαμνώδες περιβάλλον. Στην πραγματικότητα, έχουν δύο σειρές των διαφόρων δεικτών που υπολογίζονται από τα ίδια δεδομένα και μπορεί να προκαλέσει πρόσθετη σύγχυση μιας κατάστασης και υπάρχει ήδη σημαντική συζήτηση σχετικά με το πώς η κάλυψη της βλάστησης θα πρέπει να μετρηθεί και να χρησιμοποιηθεί. Τελικά, η επιλογή των δεικτών που θα χρησιμοποιηθεί για την ανάπτυξη της ταξινόμησης στην τηλεπισκόπησης ή μοντέλα πρόβλεψης θα πρέπει να βασίζονται για πρώτη φορά στην έννοια ή την ερμηνεία του δείκτη για ένα δεδομένο οικοσύστημα, και για δεύτερη στο πόσο καλά ο δείκτης αποδίδει σε εφαρμογές μοντελοποίησης.
