Χαρτογραφώντας αγροτικούς οικισμούς σε χωρική ανάλυση 30μ δια της χρήσεως γεωχωρικής συγχώνευσης δεδομένων

Από RemoteSensing Wiki

Χαρτογραφώντας αγροτικούς οικισμούς σε χωρική ανάλυση 30μ δια της χρήσεως γεωχωρικής συγχώνευσης δεδομένων

Πρωτότυπος τίτλος: Mapping remote rural settlements at 30m spatial resolution using geospatial data-fusion

Συγγραφείς: Amanda Hoffman-Hall, Tatiana V. Loboda, Joanne V. Hall, Mark L. Carroll, Dong Chen

Δημοσιεύθηκε: Remote Sensing of Environment

Σύνδεσμος πρωτότυπου κειμένου: [1]

Λέξεις-Κλειδιά: Landsat, Αγροτικό περιβάλλον, Χαρτογράφηση πληθυσμού, Οικισμός, Ταξινόμηση εικόνας, Ανάπτυξη αλγορίθμων, Myanmar, Μέση ανάλυση, Τόπος, Χρήση γης

Εικόνα1: Χάρτης απεικόνισης της περιοχής μελέτης: Ann Township, εντός της πολιτείας Rakhine, εντός της επικράτειας της Μιανμάρ

Εικόνα2: Αποτελέσματα του αλγορίθμου χαρτογράφησης που παριστούν: (a) ένα αποτέλεσμα κατάλληλο για ανάλυση αποτυπώματος και (b) ένα αποτέλεσμα μη κατάλληλο για ανάλυση αποτυπώματος αλλά που προσδιορίζει με επιτυχία την τοποθεσία του οικισμού

Εικόνα3: Παραδείγματα σεναρίων εκτιμώμενα στη εκτίμηση ακρίβειας βάσει τοποθεσίας. Για έκαστη εικόνα το κόκκινο σημείο θα μπορούσε να εκτιμηθεί για την ακρίβεια. (a) Ορθά ταξινομημένο ως «οικισμός», (b) Εσφαλμένα ταξινομημένο ως «οικισμός», (c) Ορθά ταξινομημένο ως «μη οικισμός», (d) Εσφαλμένα ταξινομημένο ως «μη οικισμός». (Για την ερμηνεία των χρωματικών απεικονίσεων σε αυτό το πρότυπο σχήματος, ο αναγνώστης μπορεί να ανατρέξει στη διαδικτυακή έκδοση αυτού του άρθρου.)

Εικόνα4: Αποτελέσματα του χαρτογραφούντος αλγορίθμου (a) Συνολικά για την Ann Township, (β) μικρός χαρτογραφημένος οικισμός, η κόκκινη έλλειψη υποδηλώνει τη θέαση των κατασκευών επί εδάφους, (c) μέσος χαρτογραφημένος οικισμός (d) ευμεγέθης χαρτογραφημένος οικισμός. Τα χαρτογραφημένα pixels είναι όμοια σε όλους τους ένθετους χάρτες, αυτοί εκ δεξιών δείχνουν το ίχνος του περιγράμματος ώστε να επιτρέπει στον παρατηρητή να βλέπει την υποκείμενη εικόνα υψηλής ανάλυσης (Για την ερμηνεία των χρωματικών απεικονίσεων σε αυτό το πρότυπο σχήματος, ο αναγνώστης μπορεί να ανατρέξει στη διαδικτυακή έκδοση αυτού του άρθρου.)

Εισαγωγή

Η ακριβής και έγκαιρη χαρτογράφηση του πληθυσμού είναι κρίσιμη για την ασφάλεια των πολιτών, την πρόληψη από τις φυσικές καταστροφές, κ.ο.κ. Η συγκεκριμένη μελέτη παρέχει μία τεχνική για την ανίχνευση των μικρών αγροτικών οικισμών στην Ann Township της πολιτείας Rakhine της Μιανμάρ, συνδυάζοντας δορυφορικές εικόνες Landsat με διάφορα άλλα ανοικτά γεωχωρικά δεδομένα. H συγκεκριμένη μελέτη επικεντρώνεται στα χαρακτηριστικά της άναρχης δόμησης στην πόλη της Tswane στη Νότιο Αφρική (CoT) κατά την περίοδο 1984-2015, χρησιμοποιώντας εικόνες Landsat. Ο συγγραφέας χαρτογράφησε την κάλυψη γης στην ως άνω πόλη με την επιβλεπόμενη μέθοδο ταξινόμησης, η οποία συνοδεύτηκε με τεχνικές μεταταξινόμησης για τον προσδιορισμό τον μεταβολών. Έτσι προέκυψε ότι μεταξύ του ανωτέρω χρονικού διαστήματος υπήρχε μία αύξηση 109% στις δομημένες περιοχές, αποτέλεσμα που επιβεβαιώθηκε επίσης και από τις μετρικές τοπίου.

Σε πολλές περιοχές ανά την υφήλιο η χαρτογράφηση του πληθυσμού δεν έχει επιτευχθεί, ελλείψει της απαραίτητης για τον σκοπό αυτό υποδομής. Οι απογραφές πληθυσμού στις αγροτικές περιοχές δεν γίνονται με την απαραίτητη συχνότητα, ούτως ώστε να διαφαίνεται μέσα από αυτές η δυναμική τους. Οι απομακρυσμένες αυτές περιοχές είναι μάλιστα πολύ πιο ευάλωτες στις φυσικές καταστροφές και εν γένει στις αλλαγές του περιβάλλοντος. Οι πληθυσμοί στις αγροτικές περιοχές καλύπτουν ένα σημαντικό ποσοστό του συνολικού πληθυσμού στην Μιανμάρ, με τους μισούς από αυτούς ζουν κάτω από τα όρια της φτώχειας.

Ο συγγραφέας, αφού κάνει μία επισκόπηση των δυνατοτήτων αλλά και των περιορισμών των διαφόρων τύπων δορυφορικών εικόνων, καταλήγει στη χρήση των εικόνων Landsat για τους σκοπούς της έρευνας. Σπουδαίο ρόλο στον εντοπισμό και τη χαρτογράφηση των οικισμών παίζουν οι λεγόμενες μετρικές τοπίου: Παράγοντες όπως η απόσταση από λίμνες, δρόμους, η απόσταση από πρόσφατη εστία πυρκαγιάς (παράμετρος η οποία επισημάνθηκε πρώτα από τον συγγραφέα) μπορούν να αποτελέσουν εργαλεία για την πρόβλεψη της θέσης των οικισμών (σε συνδυασμό πάντα με τα τηλεπισκοπικά δεδομένα).

Η συγκεκριμένη εργασία παρουσιάζει μία καινοτόμο μέθοδο συνδυασμού τηλεπισκόπησης και μηχανικής μάθησης για την χαρτογράφηση του τόπου των αγροτικών οικισμών. Την τεχνική αυτή επιχειρεί να την εφαρμόσει σ’ ένα θα λέγαμε παράδειγμα – πρόκληση: ενός αγροτικού οικισμού μεγέθους μόλις 30μ.

Μεθοδολογία

Κύριος στόχος της μελέτης είναι να προσδιοριστεί η παρουσία των οικισμών της Ann Township και όχι να καθοριστούν τα όρια στα οποία αυτοί επεκτείνονται. Οικισμός στην παρούσα θεωρείται οποιαδήποτε τοποθεσία εντός της οποίας υπάρχουν ανθρώπινα καταλύματα για προσωρινή ή μόνιμη διαμονή. Γενικά ακολουθήθηκαν τα εξής βήματα:

• Αλγόριθμος τυχαίου δάσους

Χρησιμοποιήθηκε ο αλγόριθμος του τυχαίου δάσους (random forest), ο οποίος αποτελεί μία μέθοδο επιβλεπόμενης ταξινόμησης, βασισμένη στη μηχανική μάθηση. Οικισμός στα πλαίσια της μεθόδου θεωρήθηκε οτιδήποτε περιείχε ανθρώπινες κατασκευές σε ποσοστό μεγαλύτερο του 25%. Τελικώς, δημιουργήθηκε ένας δυαδικός θεματικός χάρτης με τις κλάσεις: οικισμός και μη οικισμός, διάκριση για την οποία ο ερευνητής χρησιμοποίησε σαν όριο την τιμή πιθανότητας 65% (να είναι οικισμός).

• Ανακλαστικότητα επιφάνειας Landsat

Ο προαναφερθείς αλγόριθμος δέχεται 84 διαφορετικά ανοιχτά δεδομένα εισόδου, συμπεριλαμβανομένων: Landsat 8 κώδικας ανακλαστικότητας επιφάνειας (LaSRC), δεδομένα ανακλαστικότητας επιφάνειας για τον λειτουργική απεικόνιση εδάφους ((OLI), και ανώτερο στρώμα ατμόσφαιρας (TOA) φωτεινότητας – θερμοκρασίας για τον αισθητήρα θερμικού υπέρυθρου (TIRS). Δεδομένα LaSRC αποκτήθηκαν για την ξηρή χειμερινή περίοδο του 2014, περιλαμβανομένης μίας καθαρής εικόνας (από σύννεφα).

• Χωρικοί δείκτες

Χωρικοί δείκτες που αναπαριστούν τις ιδιαιτερότητες της βλάστησης αλλά και του ανθρώπινου τοπίου της Μιανμάρ χρησιμοποιήθηκαν για την εκπαίδευση του αλγορίθμου της μηχανικής μάθησης, ώστε να ξεχωρίζει καλύτερα τους οικισμούς από τα υπόλοιπα στοιχεία.

• Μετρικές τοπίου

Τα μετρητικά χαρακτηριστικά του τόπου αξιοποιήθηκαν ώστε να ξεπεραστεί το πρόβλημα της μειωμένης χωρικής ανάλυσης των δορυφόρων. Τα τελευταία αναλύονται σε δύο βασικές συνιστώσες: 1) Στην υπάρχουσα γνώση γύρω από τους οικισμούς καθώς και τις συνήθειες ζωής των ανθρώπων σε αυτούς και 2) Τη διαθεσιμότητα των στοιχείων. Οι μετρικές αυτές είτε είναι εφαρμόσιμες καθολικά στα πρότυπα (μοτίβα) των οικισμών, είτε αφορούν αποκλειστικά την περιοχή μελέτης.

• Εκτίμηση ακρίβειας βάσει εικονοστοιχείων

Ανοιχτά δεδομένα εικόνων υψηλής ευκρίνειας χρησιμοποιήθηκαν τόσο για τη συγκέντρωση των περιοχών εκπαίδευσης του αλγορίθμου, όσο και για τον έλεγχο των αποτελεσμάτων.

• Εκτίμηση ακριβείας βάσει τοποθεσίας

Απαραίτητη κρίθηκε από τον ερευνητή η σε δεύτερο επίπεδο επαλήθευση των αποτελεσμάτων, στα πλαίσια της οποίας κάθε pixel που αντιστοιχούσε σε οικισμό περιορίστηκε στο ArcGIS στα 500μ.

Αποτελέσματα

Ο αλγόριθμος παρήγαγε αποτελέσματα με υψηλό βαθμό ανίχνευσης οικισμών, καθώς τα σφάλματα ταξινόμησης περιορίστηκαν σε χαμηλά ποσοστά. Το ποσοστό διαχωρισμού της τελικής ταξινόμησης (65%) επιλέχθηκε, καθώς θεωρήθηκε από το συγγραφέα ως κατάλληλο για τον προσδιορισμό των τοποθεσιών (όχι δηλαδή αυστηρά καθορισμένων περιοχών).

Σύμφωνα με την παραχθείσα χαρτογράφηση των οικισμών, αυτοί φαίνεται πως δεσπόζουν κατά μήκος της ακτής και πλησίον της μεγαλύτερης πόλης της Ann. Ο συγγραφέας αναλύει πολλές ακόμα συναφείς πληροφορίες γύρω από το μέγεθος και τη χωρική κατανομή των οικισμών. Ο αλγόριθμος δε που χρησιμοποίησε κατάφερε να αποτυπώσει από μερικές οικιστικές μονάδες μέχρι και μεγάλης κλίμακας οικιστικά σύνολα.

Τα αποτελέσματα έδειξαν ότι οι άνθρωποι ζούνε αρκετά πιο απομακρυσμένα απ’ ότι θεωρούσαμε, στα ανατολικά της περιφέρειας, κατά κύριο λόγο σε υπερβολικά μικρούς και απομακρυσμένους οικισμούς.