ΕΦΑΡΜΟΓΗ ΕΠΑΓΩΓΙΚΩΝ ΑΛΓΟΡΙΘΜΩΝ ΜΑΘΗΣΗΣ ΓΙΑ ΤΗΝ ΑΠΟΤΥΠΩΣΗ ΤΗΣ ΑΚΤΟΓΡΑΜΜΗΣ ΜΕ ΧΡΗΣΗ ΟΡΥΦΟΡΙΚΩΝ ΚΑΤΑΓΡΑΦΩΝ

Transcript

1 ΕΦΑΡΜΟΓΗ ΕΠΑΓΩΓΙΚΩΝ ΑΛΓΟΡΙΘΜΩΝ ΜΑΘΗΣΗΣ ΓΙΑ ΤΗΝ ΑΠΟΤΥΠΩΣΗ ΤΗΣ ΑΚΤΟΓΡΑΜΜΗΣ ΜΕ ΧΡΗΣΗ ΟΡΥΦΟΡΙΚΩΝ ΚΑΤΑΓΡΑΦΩΝ Μητράκα Ζηνοβία 1 Χρυσουλάκης Νεκτάριος 1* και Λιπάκης Μιχάλης 2 1 Ίδρυµα Τεχνολογίας και Έρευνας, Ινστιτούτο Υπολογιστικών Μαθηµατικών, Ν. Πλαστήρα 100, Βασιλικά Βουτών, Τ. Θ. 1385, 71110, Ηράκλειο 2 Οργανισµός Ανάπτυξης Ανατολικής Κρήτης * zedd2@iacm.forth.gr, τηλ: ΠΕΡΙΛΗΨΗ Η µεταβολή της ακτογραµµής µε την πάροδο του χρόνου θεωρείται µία από τις πιο δυναµικές διεργασίες στις παράκτιες περιοχές και έχει ιδιαίτερο ενδιαφέρον τόσο για την εκτίµηση του κινδύνου διάβρωσης, όσο και για την υποστήριξη αναπτυξιακών δραστηριοτήτων σε τοπικό επίπεδο. Τα τελευταία χρόνια, έχουν αναπτυχθεί διάφορες τεχνικές αποτύπωσης της ακτογραµµής µε χρήση δορυφορικών καταγραφών. Η ακρίβεια αποτύπωσης της ακτογραµµής εξαρτάται κυρίως από την ακρίβεια ορθοαναγωγής των δορυφορικών εικόνων που χρησιµοποιούνται και από την ακρίβεια της µεθόδου εξαγωγής της ακτογραµµής ως χαρακτηριστικό από τις εικόνες αυτές. Στην παρούσα εργασία, περιγράφεται η αποτύπωσης της ακτογραµµής της περιοχή της Γεωργιούπολης στην Κρήτη, για τα έτη 1998 και 2005 µε χρήση αεροφωτογραφιών και δορυφορικών δεδοµένων πολύ υψηλής χωρικής διακριτικής ικανότητας, αντίστοιχα. Η αποτύπωση αυτή πραγµατοποιήθηκε για τις ανάγκες του έργου BEACHMED-e/OpTIMAL το οποίο υλοποιήθηκε στα πλαίσια του INTERREG IIIC. Η διαδικασία αφορούσε αφενός στην ορθοαναγωγή των πρωτογενών δεδοµένων και αφετέρου στην εφαρµογή κατάλληλης µεθόδου διαχωρισµού των εικονοστοιχείων που αντιστοιχούσαν σε υδάτινες επιφάνειες από αυτά που αντιστοιχούσαν σε χερσαίες περιοχές. Για το διαχωρισµό αυτό, επιλέχθηκε τεχνική εξαγωγής χαρακτηριστικών, η οποία βασίζεται σε αλγορίθµους µάθησης. Για τον έλεγχο της ακρίβειας αποτύπωσης, πραγµατοποιήθηκε σύγκριση των αποτελεσµάτων που προέκυψαν για τα έτη 1998 και 2005 µε επιτόπιες παρατηρήσεις της ακτογραµµής µε τη βοήθεια διαφορικού GPS. εν παρατηρήθηκαν σηµαντικές µεταβολές στην ακτογραµµή για τη χρονική περίοδο που εξετάστηκε, εκτός από επιµέρους σηµεία, στα οποία η µεταβολή αποτυπώθηκε ευκρινώς. ΛΕΞΕΙΣ ΚΛΕΙ ΙΑ Ακτογραµµή, δορυφορικές καταγραφές, ορθοαναγωγή, εξαγωγή χαρακτηριστικών. 1. ΕΙΣΑΓΩΓΗ Οι παράκτιες περιοχές αποτελούν ένα δυναµικό περιβάλλον που εµπλέκει πολλές φυσικές διεργασίες όπως διάβρωση, παλιρροιακά φαινόµενα, ανύψωση της στάθµης της θάλασσας, εναπόθεση ιζηµάτων από τους ποταµούς κλπ. Οι διεργασίες αυτές παίζουν σηµαντικό ρόλο στη µεταβολή της ακτογραµµής. Η αποτύπωση της ακτογραµµής σε βάθος χρόνου, είναι

2 απαραίτητη για την παρακολούθηση της δυναµικής των παράκτιων περιοχών. Η ακτογραµµή ορίζεται ως το σύνορο µεταξύ χερσαίων και υδάτινων περιοχών. Ο ορισµός της ακτογραµµής είναι απλός, αλλά δεν συµβαίνει το ίδιο και µε τον προσδιορισµό της, αφού σε τοπικό επίπεδο, η στάθµη της θάλασσας µεταβάλλεται συνεχώς. Αυτό έχει ως αποτέλεσµα να δηµιουργείται σύγχυση µεταξύ των εµπλεκόµενων φορέων σχετικά µε το πώς η ακτογραµµή ορίζεται και πως η θέση της µπορεί να αποτυπωθεί µε ακρίβεια. Ο NOAA (National Oceanic and Atmospheric Administration) για παράδειγµα, χρησιµοποιεί τον ορισµό tide-coordinated shoreline, δηλαδή την ακτογραµµή η οποία αποτυπώνεται για δεδοµένο ύψος παλίρροιας (Li et al., 2001). Αντίθετα, η USGS (United States Geological Survey) θεωρεί την ακτογραµµή µια στιγµιαία απεικόνιση και την εξάγει από ορθοφωτοχάρτες κλίµακας 1: (Scott et al., 2003). Γίνεται λοιπόν φανερό, ότι λόγω του δυναµικού χαρακτήρα της ακτογραµµής και των διαφορετικών ορισµών που χρησιµοποιούνται, η αποτύπωσης και η παρακολούθησή της παρουσιάζουν σηµαντική δυσκολία. Σε παλαιότερες εργασίες, έχουν χρησιµοποιηθεί διάφορες µέθοδοι για την αποτύπωση και την ανίχνευση αλλαγών της ακτογραµµής. Σε µικρές σχετικά περιοχές χρησιµοποιούνται παραδοσιακές µέθοδοι αποτύπωσης πεδίου. Τα τελευταία χρόνια έχουν χρησιµοποιηθεί εκτενώς αεροφωτογραφίες (Ryan et al., 1991), οπτικά δορυφορικά δεδοµένα υψηλής χωρικής διακριτικής ικανότητας (Frazier and Page, 2000; Scott et al., 2003), καθώς και καταγραφές δορυφορικών ραντάρ συνθετικής κεραίας (Trebossen et al., 2005, Wu and Lee, 2007). Η νέα γενιά δορυφορικών συστηµάτων πολύ υψηλής χωρικής διακριτικής ικανότητας IKONOS και QuickBird, έχουν ανοίξει νέους ορίζοντες στην παρατήρηση της γης και την ψηφιακή χαρτογράφηση. Καταγραφές των δορυφόρων αυτών έχουν πρόσφατα χρησιµοποιηθεί για την αποτύπωση της ακτογραµµής και την παρακολούθηση των µεταβολών της. Οι Wang et al. (2003) και οι Di et al. (2003) εισήγαγαν µια καινοτόµες προσεγγίσεις για την εξαγωγή της ακτογραµµής από δεδοµένα IKONOS µε χρήση αλγορίθµων κατάτµησης εικόνας. Οι Li et al (2003) χρησιµοποίησαν στερεοζεύγη IKONOS για την εξαγωγή της ακτογραµµής µε χρήση φωτογραµµετρικών τεχνικών. Οι Chalabi et al. (2006) χρησιµοποίησαν τεχνικές φιλτραρίσµατος σε εικόνες IKONOS, µε βάση δεδοµένες τιµές κατωφλίων ψηφιακών τιµών σε κάθε φασµατικό κανάλι. Η αλλαγή της ακτογραµµής θεωρείται µια από τις πιο δυναµικές διαδικασίες των παράκτιων περιοχών. Έχει καταστεί αναγκαίο λοιπόν, να αποτυπωθεί η µεταβολή της ακτογραµµής τόσο για την εκτίµηση παράκτιων κινδύνων, όσο και για την υποστήριξη αναπτυξιακών δραστηριοτήτων σε τοπικό επίπεδο. ιάφορες τεχνικές ανίχνευσης αλλαγών έχουν προταθεί για το σκοπό αυτό (Elkoushy and Tolba, 2004, Bagli and Soille, 2003, Chalabi et al., 2006), όµως παρόλο που ενα πλήθος τεχνικών έχουν προταθεί για την παρακολούθηση των αλλαγών της ακτογραµµής, καµία µέθοδος δεν στερείται µειονεκτηµάτων. Πρακτικά, είναι δυνατό να χαρτογραφηθεί η ακτογραµµή µιας περιοχής σε δύο διαφορετικές χρονικές στιγµές και στη συνέχεια να αποτυπωθούν αλλαγές που ενδεχοµένως εµφανίστηκαν στην ακτογραµµή κατά την αντίστοιχη χρονική περίοδο. Οι διαφορές µεταξύ των δύο προαναφερθέντων στιγµιότυπων της ακτογραµµής ενδέχεται είτε να είναι πραγµατικές, είτε να οφείλονται σε σφάλµατα των µεθόδων αποτύπωσης που χρησιµοποιήθηκαν, είτε συνδυασµός και των δύο. Συνεπώς το σφάλµα της µεθόδου

3 αποτύπωσης που χρησιµοποιείται θα πρέπει να εκτιµηθεί και να ληφθεί υπόψη στους ποσοτικούς υπολογισµούς. Η ακρίβεια της ακτογραµµής που εξάγεται από δεδοµένα IKONOS ανάλυσης 1 m (pansharpen) είναι της τάξης των 2-4 m (Zhou and Li, 2000, Grodecki and Dial, 2003), Στις περισσότερες από τις προαναφερθείσες µεθόδους, η εξαγωγή της ακτογραµµής µε χρήση καταγραφών IKONOS βασίζεται σε φασµατική ταξινόµηση για την αποτύπωση της κάλυψης γης και στη συνέχεια στο διαχωρισµό των εικονοστοιχείων εκείνων που αντιστοιχούν στις χερσαίες από εκείνα που αντιστοιχούν στις υδάτινες περιοχές. Στη συνέχεια, δηµιουργούνται πολύγωνα που αντιστοιχούν στις προαναφερθείσες περιοχές. Τα πολύγωνα αυτά περιλαµβάνουν τα εικονοστοιχεία των αντίστοιχων τάξεων κάλυψης γης. Τέλος, η ακτογραµµή εξάγεται από το πολύγωνο που αντιστοιχεί στις υδάτινες περιοχές µε τη βοήθεια τεχνικών Γεωγραφικών Συστηµάτων Πληροφοριών. Για το λόγο αυτό, τόσο η ακρίβεια της ορθοαναγωγής, όσο και η ακρίβεια της ταξινόµησης της εικόνας καθορίζουν την ακρίβεια της εξαγόµενης ακτογραµµής. Ο ρόλος της ορθοαναγωγής έχει συζητηθεί παραπάνω. Σε ότι αφορά στην ακρίβεια της ταξινόµησης, αυτή εξαρτάται από τη χωρική, την φασµατική και την ραδιοµετρική διακριτική ικανότητα του δορυφορικού δέκτη και από τον αλγόριθµο φασµατικής ταξινόµησης (Lipakis et al., 2008). Η κάλυψη γης, όπως έχει δειχθεί σε πολλές εργασίες, µπορεί να προκύψει από ανάλυση δορυφορικών καταγραφών µε εφαρµογή µεθόδων φασµατικής ταξινόµησης (Congalton, 1991, Gong and Howarth, 1990, Gallego, 2004). Στις περισσότερες από τις παραπάνω εργασίες, επιχειρείται ταξινόµηση µε βάση την ψηφιακή τιµή κάθε εικονοστοιχείου, ωστόσο, η τεχνική αυτή δεν είναι πάντα κατάλληλη για την ανάλυση δορυφορικών δεδοµένα πολύ υψηλής χωρική διακριτικής ικανότητας (Foody, 2000, Kontoes et al., 2000). Στην περίπτωση αυτή θα πρέπει να λαµβάνεται υπόψη το χωρικό πλαίσιο της εικόνας και να χρησιµοποιούνται αντικειµενοστραφείς αλγόριθµοι και γενικά αλγόριθµοι οι οποίοι χρησιµοποιούν πληροφορία προερχόµενη και από τα γειτονικά του εικονοστοιχείου στόχου εικονοστοιχεία. ιάφορες µέθοδοι έχουν προταθεί, όπως νευρωνικά δίκτυα (Berberoglu et al., 2000), ασαφής λογική (Zang and Foody, 1998;), ανάλυση υφής (Stuckens et al., 2000), µηχανική µάθηση (VLS, 2007) και χρήση συµπληρωµατικών χωρικών δεδοµένων στο σχήµα ταξινόµησης (Harris and Ventura, 1995, Stefanov et al., 2001). Στην παρούσα εργασία, παρουσιάζεται η αποτύπωσης της ακτογραµµής της περιοχή της Γεωργιούπολης στην Κρήτη, για τα έτη 1998 και 2005 µε χρήση αεροφωτογραφιών και δορυφορικών δεδοµένων πολύ υψηλής χωρικής διακριτικής ικανότητας, αντίστοιχα. Η αποτύπωση αυτή πραγµατοποιήθηκε για τις ανάγκες του έργου BEACHMED-e/OpTIMAL το οποίο υλοποιήθηκε στα πλαίσια του INTERREG IIIC. Για την αποτύπωση της ακτογραµµής της παραπάνω περιοχής, πραγµατοποιήθηκε αρχικά ορθοαναγωγή των πρωτογενών δεδοµένων και στη συνέχεια διαχωρισµός των εικονοστοιχείων που αντιστοιχούσαν σε υδάτινες επιφάνειες από αυτά που αντιστοιχούσαν σε χερσαίες περιοχές µε χρήση αλγορίθµων τεχνητής νοηµοσύνης και συγκεκριµένα µηχανικής µάθησης (machine learning).

4 2. ΜΕΘΟ ΟΛΟΓΙΑ Η αποτύπωση της ακτογραµµής για την περιοχή της Γεωργιούπολης στην Κρήτη πραγµατοποιήθηκε έγινε για τα έτη 1998 και 2005 µε χρήση αεροφωτογραφιών και δορυφορικών καταγραφών IKONOS, αντίστοιχα. Τα αποτελέσµατα συγκρίθηκαν µε επιτόπιες µετρήσεις µε χρήση διαφορικού GPS για τον έλεγχο της αξιοπιστίας τους, καθώς και µεταξύ τους για την εκτίµηση των µεταβολών της ακτογραµµής στη συγκεκριµένη χρονική περίοδο. Όλα τα δεδοµένα διατέθηκαν από τον ΟΑΝΑΚ (Οργανισµός Ανάπτυξης Ανατολικής Κρήτης). Όπως είναι γνωστό το δορυφορικό σύστηµα IKONOS έχει τη δυνατότητα να παρέχει δεδοµένα πολύ υψηλής χωρικής διακριτικής ικανότητας, 1 m παγχρωµατικό και 4 m πολυφασµατικό, µε συγχώνευση των οποίων προκύπτουν έγχρωµες απεικονίσεις ανάλυσης 1 m (pansharpen) σε µπλε, κόκκινο, πράσινο και εγγύς υπέρυθρο (Leica, 2005). Το προϊόν αυτό χρησιµοποιήθηκε στην παρούσα εργασία αφού ορθοανορθώθηκε, για την εξάλειψη των γεωµετρικών παραµορφώσεων και την ορθή προβολή του στο σύστηµα ΕΓΣΑ87, εφόσον ποσοτικές εκτιµήσεις όπως αυτές της αποτύπωσης της ακτογραµµής πραγµατοποιούνται σε ορθοανηγµένες εικόνες. Ανεξάρτητα από τις διάφορες τεχνικές που µπορούν να εφαρµοστούν για την εξαγωγή και παρακολούθηση της ακτογραµµής από υψηλής χωρικής διακριτικής ικανότητας δορυφορικά δεδοµένα, πρακτικά ακολουθούνται τα παρακάτω βήµατα: Προ-επεξεργασία των δορυφορικών δεδοµένων. Καθορισµός και µέτρηση φωτοσταθερών σηµείων (Ground Control Points: GCPs) για την ορθή σύνδεση των συστηµάτων συντεταγµένων των πρωτογενών δεδοµένων µε το EGSA87. Προµήθεια ή παραγωγή κατάλληλου ψηφιακού µοντέλου εδάφους (DEM) Υπολογισµός των παραµέτρων των εξισώσεων αεροτριγωνισµού που χρησιµοποιούνται από το εκάστοτε µοντέλο γεωµετρικής διόρθωσης. Ορθοαναγωγή της εικόνας και προβολή της στο EGSA87. Καθορισµός του αλγορίθµου ταξινόµησης ή εξαγωγής χαρακτηριστικών που θα χρησιµοποιηθεί για την αποτύπωση της ακτογραµµής. Εξαγωγή της ακτογραµµής σε διανυσµατική µορφή. Παρακολούθηση των αλλαγών της ακτογραµµής επαναλαµβάνοντας τα παραπάνω βήµατα σε καθορισµένες χρονικές περιόδους µε σύγκριση της σχετικής θέσης των παραγόµενων ακτογραµµών. Είναι γνωστό ότι σε κάθε δορυφορικό σύστηµα λήψης είναι αναπόφευκτη η γεωµετρική παραµόρφωση των εικόνων που λαµβάνονται και κατά συνέπεια οι εικόνες αυτές δεν είναι δυνατόν να προβληθούν ως έχουν σε δεδοµένη χαρτογραφική προβολή, πριν διορθωθούν γεωµετρικά. Η γεωµετρική διόρθωση έχει άµεση σχέση µε το είδος του αισθητήρα, το ύψος πτήσης του, καθώς και το οπτικό του πεδίο. Ο Toutin (2004) προέβη σε µια κατηγοριοποίηση των γεωµετρικών παραµορφώσεων που υπεισέρχονται στη δορυφορική λήψη και έδειξε πως η γεωµετρική διόρθωση και κατά συνέπια η ορθοαναγωγή, µπορεί να πραγµατοποιηθεί βήµα προς βήµα χρησιµοποιώντας µια µαθηµατική συνάρτηση για την περιγραφή κάθε παραµόρφωσης. Η βέλτιστη µέθοδος για το σκοπό αυτό είναι η χρήση

5 ενός δυσδιάστατου ή τρισδιάστατου φυσικού τροχιακού µοντέλο (εφόσον αυτό είναι διαθέσιµο), το οποίο προσοµοιώνει τις συνθήκες της δορυφορικής λήψης, υπολογίζοντας και λαµβάνοντας υπόψη τη συµβολή στη γεωµετρική παραµόρφωση του καθενός από τους γενεσιουργούς της παράγοντες ξεχωριστά. Πρακτικά για την ορθοαναγωγή απαιτούνται δύο ειδών υπολογισµοί: Ένας γεωµετρικός µετασηµατιµός από το πεδίο της εικόνας στο πεδίο του χάρτη (EGSA87), για τον καθορισµό της θέσης κάθε εικονοστοιχείου της εικόνας στο χάρτη (ορθοανηγµένη εικόνα), µε βάση τις αρχικές του συντεταγµένες στο πεδίο της εικόνας. Ένα ραδιοµετρικό υπολογισµό της ψηφιακής τιµής κάθε εικονοστοιχείου στο πεδίο του χάρτη ως συνάρτηση των τιµών σε µια γειτονιά του εικονοστοιχείου αυτού στο πεδίο της εικόνας. Στην παρούσα εργασία το γεωµετρικό µοντέλο (IGM: Image Geometry Model) κάθε σκηνής ήταν διαθέσιµο µε τα δεδοµένα IKONOS. Το IGM περιλαµβάνει τις παραµέτρους που απαιτούνται για την ορθοαναγωγή κάθε σκηνής. Συγκεκριµένα, το IGM παρείχε τους άρρητους πολυωνυµικούς συντελεστές (RPCs: Rational Polynomial Coefficients) για τις σκηνές IKONOS που χρησιµοποιήθηκαν στην παρούσα εργασία. Οι RPCs είναι µια σειρά συντελεστών που περιγράφουν την σχέση µεταξύ της εικόνας τη στιγµή της λήψης της και της επιφάνειας της Γης την ίδια στιγµή. Αν και δεν περιγράφουν µε αυστηρό τρόπο τις παραµέτρους του δέκτη, είναι εύκολο να εφαρµοστούν και να πραγµατοποιηθούν οι γεωµετρικοί µετασχηµατισµοί µέσω ρητών συναρτήσεων (RF: Rational Functions). Χάρη στην ύπαρξη των RPCs, ο εξωτερικός προσανατολισµός κάθε σκηνής µπορεί να προσδιοριστεί µε ακρίβεια. Συνεπώς, στην περίπτωση που είναι διαθέσιµα το IGM, ένα ακριβές DEM και µερικά µε ακρίβεια προσδιορισµένα φωτοσταθερά σηµεία, τα δεδοµένα IKONOS µπορούν να ορθοκανονικοποιηθούν µε χρήση εξειδικευµένου φωτογραµµετικού λογισµικού όπως το Orthoengine (PCI, 2003) ή το Leica Photogrammetry Suite (Leica, 2005), το οποίο χρησιµοποιήθηκε στην παρούσα εργασία. Το επόµενο βήµα για την εξαγωγή της ακτογραµµής ήταν ο διαχωρισµός µεταξύ χερσαίων και θαλάσσιων περιοχών, δηλαδή η ταξινόµηση των εικονοστοιχείων της ορθοανηγµένης εικόνας για τον προσδιορισµό των πολυγώνων που αντιστοιχούσαν στις θαλάσσιες ή στις χερσαίες περιοχές. Λαµβάνοντας υπόψη τους περιορισµούς για την ταξινόµηση δορυφορικών δεδοµένων πολύ υψηλής χωρικής διακριτικής ικανότητας που αναφέρθηκαν στην Ενότητα 1, επελέγη να χρησιµοποιηθεί µια τεχνική της οποίας οι αλγόριθµοι να λαµβάνουν υπόψη τους εκτός από τη φασµατική πληροφορία κάθε εικονοστοιχείου, το αντίστοιχο χωρικό πλαίσιο, δηλαδή φασµατική πληροφορία προερχοµένη από τη γειτονιά (γειτονικά εικονοστοιχεία) του εικονοστοιχείου αυτού. Με τον τρόπο αυτό, εκτός από τη φασµατική υπογραφή, ελήφθη υπόψη από τον αλγόριθµο ταξινόµησης και η διάταξη των εικονοστοιχείων στο χώρο. Συγκεκριµένα εφαρµόστηκε η τεχνική της µηχανική µάθησης, η οποία λειτουργεί εκπαιδεύοντας έναν ταξινοµητή στο να ανιχνεύει χαρακτηριστικά σηµεία ενός αντικειµένου, γνωστά και ως οµοειδείς περιοχές (patches) και να ταξινοµεί οµάδες των περιοχών αυτών (αντικειµενοστραφής αλγόριθµος). Αυτού του τύπου ο ταξινοµητής χρησιµοποιεί επαγωγικούς αλγορίθµους µάθησης για την παραγωγή κανόνων ταξινόµησης από ένα σετ δεδοµένων. Όπως συµβαίνει και µε ένα νευρωνικό δίκτυο,

6 υπάρχουν αρκετά πλεονεκτήµατα στην χρήση αλγορίθµων µηχανικής µάθησης. Επειδή είναι δυνατό να χρησιµοποιηθούν βοηθητικά επίπεδα δεδοµένων για την βελτίωση του διαχωρισµού των κλάσεων, απαιτούνται λιγότερα δείγµατα περιοχών για εκπαίδευση. Επίσης, αυτό το µοντέλο µάθησης είναι µη παραµετρικό και δεν απαιτεί οµαλά κατανεµηµένα δεδοµένα. Μπορεί ακόµα να αναγνωρίσει µη γραµµικά πρότυπα στα δεδοµένα εισόδου τα οποία είναι πολύ πολύπλοκα για συµβατικές στατιστικές αναλύσεις. Στην παρούσα εργασία η τεχνική της µηχανικής µάθησης για την εξαγωγή της ακτογραµµής εφαρµόστηκε µε χρήση του λογισµικού Feature Analyst (VLS, 2007) σε περιβάλλον ERDAS Imagine (Leica, 2005). Το λογισµικό αυτό έχει σηµαντικά πλεονεκτήµατα στη εξαγωγή χαρακτηριστικών από πολύ υψηλής χωρικής διακριτικής ικανότητας δορυφορικά δεδοµένα, εφόσον µε βάση εάν µικρό και απλό σετ περιοχών εκπαίδευσης, αξιοποιεί την φασµατική σε συνδυασµό µε την χωρική πληροφορία, παρέχει τη δυνατότητα βελτιστοποίησης της τελικής ταξινόµησης αποµακρύνοντας από την κλάση ενδιαφέροντος εικονοστοιχεία τα οποία έχουν λανθασµένα εισαχθεί στην κλάση αυτή κατά την αρχική ταξινόµηση (clutter removal). Οι παραδοσιακές τεχνικές ταξινόµησης βασίζονται στη φασµατική υπογραφή και ίσως την υφή και τη διάταξη των εικονοστοιχείων στο χώρο. Ο αλγόριθµος που χρησιµοποιήθηκε στην παρούσα εργασία έλαβε υπόψη το σχήµα, το µέγεθος, τη φασµατική υπογραφή, η διάταξη στο χώρο, η σκίαση και τη συσχέτιση µεταξύ αντικειµένων (patches). Τα βήµατα της µεθόδου που χρησιµοποιήθηκε παρουσιάζονται στο διάγραµµα ροής της Εικόνας 1. Επιλογή χερσαίων και θαλάσσιων περιοχών εκπαίδευσης ηµιουργία αρχείου δεδοµένων εισαγωγής πολλαπλών κλάσεων Καθορισµός των παραµέτρων µάθησης και εκτέλεση του αλγορίθµου ιαχωρισµός των κλάσεων που αντιστοιχούν σε χερσαίες και θαλάσσιες περιοχές Μετατροπή του τελικού πολυγώνου σε γραµµικό στοιχείο Επιπλέον επεξεργασία για την παραγωγή του τελικού πολυγώνου Εικόνα 1. Μεθοδολογία εξαγωγής της ακτογραµµής από ορθοανηγµένες εικόνες πολύ υψηλής χωρικής διακριτικής ικανότητας µε χρήση αλγορίθµου µηχανικής µάθησης.

7 Η εξαγωγή της ακτογραµµής µε τη χρήση του προαναφερθέντος λογισµικού είναι µια ηµιαυτόµατη διαδικασία, η οποία περιλαµβάνει τα βήµατα που φαίνονται στην Εικόνα 1. Το πρώτο βήµα περιλαµβάνει τον καθορισµό των περιοχών εκπαίδευσης. Η επιλογή των περιοχών αυτών αποτελεί το πιο σηµαντικό τµήµα της διαδικασίας γιατί το τελικό αποτέλεσµα καθορίζεται σε µεγάλο βαθµό από το περιεχόµενο των περιοχών αυτών. Το σύνολο των περιοχών εκπαίδευσης αποτελείται από πολύγωνα τα οποία αντιστοιχούν σε δύο κλάσεις: θαλάσσιες και χερσαίες περιοχές. Αρχικά, η επιλογή πραγµατοποιείται δηµιουργώντας δύο σύνολα πολυγώνων τα οποία έπειτα συγχωνεύονται σε ένα ενιαίο σύνολο, το οποίο αποτελεί την είσοδο για τον αλγόριθµο εκπαίδευσης. Η επιλογή των πολυγώνων που θα αποτελέσουν το τελικό σύνολο εκπαίδευσης πραγµατοποιήθηκε έπειτα από µια σειρά δοκιµών, έτσι ώστε να αποφασιστεί ποιο σύνολο πολυγώνων αντιπροσωπεύει καλύτερα την κάθε κλάση. Το αποτέλεσµα των δοκιµών στα πλαίσια της παρούσας εργασίας, υπέδειξε τέσσερα πολύγωνα για την κλάση των θαλάσσιων περιοχών, τρία εκ των οποίων βρίσκονται πολύ κοντά στο σύνορο των δύο κλάσεων, και έξι πολύγωνα για την κλάση των χερσαίων περιοχών, τέσσερα από τα οποία βρίσκονται στις παραλιακές περιοχές. Τα πολύγωνα που αποτέλεσαν το σύνολο των περιοχών εκπαίδευσης φαίνονται στην Εικόνα 2. Τα µωβ πολύγωνα αντιστοιχούν στην κλάση των θαλάσσιων περιοχών και τα µπλε στην κλάση των χερσαίων περιοχών. Εικόνα 2. Ψευδόχρωµη σύνθεση RGB:3-2-1 των καναλιών 1, 2 και 3 της ορθοανηγµένης εικόνας IKONOS µε υπέρθεση των πολυγώνων που αντιστοιχούν στην κλάση των θαλάσσιων (µωβ) και χερσαίων (µπλε) περιοχών. Το επόµενο βήµα περιλαµβάνει την παραµετροποίηση του αλγορίθµου. Επιλέχθηκε να συµπεριληφθούν και τα τέσσερα κανάλια της εικόνας στην ανάλυση. Η φασµατική πληροφορία εξάχθηκε µέσω της φασµατικής υπογραφής κάθε εικονοστοιχείου, ενώ για την εξαγωγή χωρική πληροφορίας για κάθε ένα εικονοστοιχείο, ορίστηκε κατάλληλη αναπαράσταση εισόδου (input representation) του αλγορίθµου ταξινόµησης. Η

8 αναπαράσταση εισόδου παρέχει στον αλγόριθµο πληροφορία για το εικονοστοιχείο στόχο σε συνάρτηση µε τις θέσεις και τις ψηφιακές τιµές των γειτονικών του εικονοστοιχείων. Για την παρούσα µελέτη καταλληλότερη κρίθηκε η πρότυπη αναπαράσταση Manhattan, που κυρίως χρησιµοποιείται για εξαγωγή συµπαγών στοιχείων κάλυψης γης. Η ακτίνα δράσης ορίστηκε σε 5 εικονοστοιχεία. Αυτό σηµαίνει πως, αν θεωρηθεί ότι το εικονοστοιχείο για το οποίο θα ληφθεί η απόφαση ταξινόµησης (µε κόκκινο πλαίσιο στην Εικόνα 3) είναι στο κέντρο ενός πλέγµατος 5 5, σύµφωνα µε το πρότυπο Manhattan ο αλγόριθµος θα λάβει υπόψη του 13 εικονοστοιχεία (µπλε στην Εικόνα 3) που το περιβάλλουν. Υπολογίζοντας 13 εικονοστοιχεία από κάθε κανάλι της εικόνας έχουµε ένα σύνολο από 52 εικονοστοιχεία που θα ληφθούν υπόψη για την ταξινόµηση κάθε εικονοστοιχείου στόχου. Για να διατηρηθούν τα σχετικά χαρακτηριστικά της κάθε κλάσης, στην προσπάθεια εντοπισµού µιας µεγάλης σε έκταση περιοχής, απαιτείται ο καθορισµός ενός ελάχιστου αριθµού εικονοστοιχείων που είναι απαραίτητα για τη δηµιουργία ενός αντικειµένου κλάσης. Στην παρούσα εργασία ορίστηκε σε 500 εικονοστοιχεία. Εικόνα 3. Το πρότυπο Manhattan που χρησιµοποιήθηκε. 3. ΑΠΟΤΕΛΕΣΜΑΤΑ Ως προϊόντα προηγούµενης µελέτης ήταν διαθέσιµα από τον ΟΑΝΑΚ µια ορθοανηγµέµη αεροφωτογραφία και ένα DEM ακριβείας της ευρύτερης περιοχής της Γεωργιούπολης. Η ανάλυση της αεροφωτογραφίας ήταν 1 m και η θέση κάθε εικονοστοιχείου της στο χώρο ήταν γνωστή µε ακρίβεια καλύτερη των 2 m (RMSExy < 2). Στην Εικόνα 2 φαίνεται η αεροφωτογραφία µε υπέρθεση του οδικού δικτύου της περιοχής (κόκκινες γραµµές). Με χρήση του λογισµικού Feature Analyst πραγµατοποιήθηκε ταξινόµηση της εικόνας σε δύο κλάσεις: χερσαίες και θαλάσσιε περιοχές. Στη συνέχεια, πραγµατοποιήθηκε εξαγωγή της ακτογραµµής ως το όριο του πολυγώνου πολύγωνο που αντιστοιχούσε στην κλάση των θαλάσσιων περιοχών. Η διαδικασία αυτή εφαρµόστηκε και στην εικόνα IKONOS και περιγράφεται µε περισσότερες λεπτοµέρειες παρακάτω. Η ακτογραµµή όπως αυτή αποτυπώθηκε για το 1998 φαίνεται στην Εικόνα 4 µε κίτρινο.

9 Εικόνα 4. Ορθοανηγµένη αεροφωτογραφία του 1998 µε υπέρθεση του οδικού δικτύου της περιοχής (κόκκινες γραµµές) και της εξαχθείσας ακτογραµµής (κίτρινη γραµµή). Για την αποτύπωση της ακτογραµµής του 2005 χρησιµοποιήθηκε µια πολυφασµατική εικόνα IKONOS. Το λογισµικό ERDAS Imagine (Leica, 2005) χρησιµοποιήθηκε για την προ-επεξεργασία της εικόνας, το λογισµικό LPS (Leica, 2005) χρησιµοποιήθηκε για την ορθοαναγωγή και το λογισµικό Feature Analyst (VLS, 2007) για την εξαγωγή της ακτογραµµής. Εικόνα 5. Προϊόν pansharpen τεσσάρων καναλιών ως ψευδόχρωµη σύνθεση RGB: Έχει προέλθει από συγχώνευση της παγχρωµατικής και πολυφασµατικής λήψης του IKONOS για την περιοχή της Γεωργιούπολης το 2005.

10 Η µέθοδος Wavelet Resolution Merge (Leica, 2005) χρησιµοποιήθηκε για την συγχώνευση της παγχρωµατικής και της πολυφασµατικής λήψης του IKONOS µε αποτέλεσµα τη δηµιουργία του προϊόντος pansharpen τεσσάρων καναλιών (1-µπλε, 2-πράσινο, 3-κόκκινο και 4-εγγύς υπέρυθρο) ανάλυσης 1 m. Το προϊόν φαίνεται στην Εικόνα 5 ως ψευδόχρωµη σύνθεση RGB: των καναλιών του εγγύς υπερύθρου, του κόκκινου και του πράσινου. Η θέση των φωτοσταθερών σηµείων που προσδιορίστηκαν φαίνεται στην Εικόνα 6 µε υπέρθεση του οδικού δικτύου της περιοχής. Η ακρίβεια προσδιορισµού τους στο χώρο ήταν της τάξης του 1 m (RMSExy < 1 m). Εικόνα 6. Θέση των φωτοσταθερών σηµείων στην περιοχή µελέτης. Ο εσωτερικός και εξωτερικός προσανατολισµός υπολογίστηκαν αυτόµατα από το λογισµικό LPS, δεδοµένου ότι ήταν διαθέσιµα τα IGM και GCPs. Έπειτα ακολούθησε η διαδικασία αεροτριγωνισµού (Leica, 2005). Η διαδικασία αυτή έλαβε υπόψη της τις πηγές σφαλµάτων για τις οποίες έγινε λόγος νωρίτερα, όχι όµως και την επίδραση του αναγλύφου, η οποία ελήφθη υπόψη µε τη χρήση του DEM το οποίο είχε παραχθεί φωτογραµµετρικά µε χρήση στερεοζεύγους αεροφωτογραφιών κατά τη λήψη του Το αποτέλεσµα της ορθοαναγωγής φαίνεται στην Εικόνα 7, ως ψευδόχρωµη σύνθεση RGB:3-2-1 των καναλιών 1, 2 και 3 µε υπέρθεση του οδικού δικτύου (κόκκινες γραµµές) και της εξαχθείσας από την αεροφωτογραφία του 1998 ακτογραµµή (κίτρινη γραµµή). Η ανάλυση της εικόνας είναι 1 m και η ακρίβεια θέσης κάθε εικονοστοιχείου στο χώρο βρέθηκε καλύτερη των 2 m (RMSE < 2 m), µε συνέπεια, όπως έχει προαναφερθεί, η αναµενόµενη ακρίβεια του υπολογισµού της ακτογραµµής να είναι της τάξης των 4 m. Τα αποτελέσµατα της ταξινόµησης που πραγµατοποιήθηκε µε χρήση του λογισµικού Feature Analyst φαίνονται στην Εικόνα 8α. Αν και το σύνορο των δύο κλάσεων είναι η ίδια γραµµή (η ακτογραµµή), επιλέχθηκε το πολύγωνο της θάλασσας για την εξαγωγή της

11 ακτογραµµής. Χρησιµοποιήθηκε µια συνάρτηση του Feature Analyst για τον διαχωρισµό των πολυγώνων. Το πολύγωνο που αντιστοιχεί στις θαλάσσιε επιφάνειες επεξεργάστηκε περεταίρω µε χρήση του αλγορίθµου εξοµάλυνσης Bezier (VLS, 2007) µε την εξής παραµετροποίηση: Ο αριθµός των κορυφών σε κάθε µεριά ορίζεται να είναι 2 και η µέγιστη απόσταση που κάθε κορυφή επιτρέπεται µετακινηθεί είναι 3 m. Το αποτέλεσµα φαίνεται στην Εικόνα 8β. Από το πολύγωνο αυτό εξάχθηκε τελικά η ακτογραµµή που φαίνεται στην Εικόνα 9 ως υπέρθεση στην ορθοανηγµένη εικόνα IKONOS. Εικόνα 7. Ψευδόχρωµη σύνθεση RGB:3-2-1 των καναλιών 1, 2 και 3 της ορθοανηγµένης εικόνας IKONOS µε υπέρθεση του οδικού δικτύου (κόκκινες γραµµές) και της εξαχθείσας από την αεροφωτογραφία του 1998 ακτογραµµή (κίτρινη γραµµή). α) β) Εικόνα 8. α) Αποτέλεσµα της ταξινόµησης: δύο κλάσεις (θαλάσσιες και χερσαίες περιοχές) συνδυασµένες σε ένα επίπεδο. β) Πολύγωνο που αντιστοιχεί στην κλάση της θάλασσας ως υπέρθεση σε ψευδόχρωµη σύνθεση RGB:3-2-1 εικόνας IKONOS.

12 Εικόνα 9. Ψευδόχρωµη σύνθεση RGB:3-2-1 των καναλιών 1, 2 και 3 της ορθοανηγµένης εικόνας IKONOS του 2005 µε υπέρθεση της εξαχθείσας ακτογραµµής (κίτρινη γραµµή).

13 Οι εξαγόµενες ακτογραµµές για τα έτη 1998 και 2005 συγκρίθηκαν και υπολογίστηκε το µέσο τεραγονικό σφάλµα (RMSE) για να αποτυπωθεί η διαφορά στην ακτογραµµή για την περίοδο των 7 αυτών ετών. Το RMSE χρησιµοποιήθηκε για να αναδειχτεί η µέγιστη αλλαγή η οποία παρουσιάζεται παρακάτω. Το RMSE είναι µια ποσοτική εκτίµηση της ακρίβειας των εξαγόµενων ακτογραµµών που περιλαµβάνει συστηµατικά και τυχαία σφάλµατα. Τελικά, και οι δύο εξαγόµενες από τις εικόνες ακτογραµµές συγκριθήκανε µε ακτογραµµή υπολογιζόµενη από επιτόπιες µετρήσεις µε χρήση διαφορικού GPS. Οι τρεις γραµµές φαίνονται στην Εικόνα 10, όπου απεικονίζεται τµήµα της περιοχής µελέτης. Η ακτογραµµή που υπολογίστηκε µε επιτόπιες µετρήσεις απεικονίζεται µε κόκκινο και οι ακτογραµµές που υπολογίστηκαν από αεροφωτογραφίες (1998) και από δεδοµένα IKONOS (2005) φαίνονται µε πράσινο και κίτρινο αντίστοιχα. Το RMSE µεταξύ ακτογραµµής προερχόµενης από αεροφωτογραφία και GPS υπολογίστηκε σε 3.01 m. Το RMSE µεταξύ ακτογραµµής προερχόµενης από δορυφορικά δεδοµένα και GPS υπολογίστηκε σε 5.65 m. Τέλος, το RMSE µεταξύ ακτογραµµής προερχόµενης από δορυφορικά δεδοµένα και αεροφωτογραφία υπολογίστηκε σε 6.46 m. Εικόνα 10. Τµήµα της περιοχής µελέτης. Η εξαχθείσα µε επιτόπιες µετρήσεις ακτογραµµή φαίνεται µε κόκκινο, του 1998 µε πράσινο, ενώ του 2005 µε κίτρινο. 4. ΣΥΜΠΕΡΑΣΜΑΤΑ Η ανάλυση έδειξε ότι δεν υπήρχαν σηµαντικές αλλαγές στην ακτογραµµή για την περιοχή µελέτης, για την χρονική περίοδο 1998 µε 2005, εκτός από κάποια σηµεία, όπου η µεταβολή ήταν εµφανής. Η πιο σηµαντική αλλαγή εντοπίστηκε γύρω από την εκβολή χειµάρρου κοντά στον οικισµό της Γεωργιούπολης (Εικόνα 11), όπου η ακτογραµµή για το 1998 απεικονίζεται µε πράσινο και η ακτογραµµή για το 2005 απεικονίζεται µε κίτρινο χρώµα. Υπολογίστηκε µετατόπιση περίπου 50 m σε ΕΝΕ διεύθυνση.

14 Εικόνα 11. Τµήµα της περιοχής µελέτης. Η ακτογραµµή του 1998 φαίνεται µε πράσινο και του 2005 µε κίτρινο. Η µεταβολή στις εκβολές του ποταµού είναι εµφανής. ΒΙΒΛΙΟΓΡΑΦΙΑ Bagli, S.and Soille, P., Morhological automatic extraction of Pan-European coastline from Landsat ETM+ images. International Symposium on GIS and Computer Cartography for Coastal Zone Management, Genova, Italy. Berberoglu, S., Lloyd, C. D., Atkinson, P. M. and Curran, P. J., The integration of spectral and textural information using neural networks for land cover mapping in the Mediterranean. Computers & Geosciences, 26, Chalabi, A., Mohd-Lokman, H., Mohd-Suffian, I., Karamali., K., Karthigeyan., V. and Masita, M., Monitoring shoreline change using Ikonos image and aerial photographs: a case study of Kuala Terengganu area, Malaysia. In: Proceedings of the ISPRS Mid-term Symposium Proceeding, Enschede, The Netherlands. Congalton, R. G., A Review of Assessing the Accuracy of Classifications of Remotely Sensed Data. Remote Sensing of Environment, 37, Di, K., Wang, J., Ma, R. and Li, R., Automatic shoreline extraction from high-resolution Ikonos satellite imagery. In proceeding of the Annual ASPRS Conference. Anchorage, Alaska. Elkoushy, A. A. and Tolba, R. A., Prediction of shoreline change by using satellite aerial imagery. In: Proceeding of the XX ISPRS Congress, Istanbul, Turkey. Foody, G. M., Estimation of sub-pixel land cover composition in the presence of untrained classes. Computers & Geosciences, 26, Frazier, P. S. and Page, K. J., Water body detection and delineation with Landsat TM data. Photogrammetric Engineering and Remote Sensing, 66, Gallego, F. J., Remote sensing and land cover area estimation. International Journal of Remote Sensing, 25, Gong, P. and Howarth, P. J., The use of structural information for improving land-cover classification accuracies at the rural urban fringe. Photogrammetric Engineering and Remote Sensing, 56,

15 Grodecki, J. and Dial, G., Block adjustment of highresolution satellite images described by rational polynomials. Photogrammetric Engineering and Remote Sensing, 69, Harris, P. M. and Ventura, S. J., The integration of geographic data with remotely sensed imagery to improve classification in an urban area. Photogrammetric Engineering and Remote Sensing, 61, Kontoes, C. C., Raptis, V., Lautner, M. and Oberstadler, R., The potential of kernel classification techniques for land use mapping in urban areas using 5 m-spatial resolution IRS-1C imagery. International Journal of Remote Sensing, 21, Leica, ERDAS Field Guide. Leica Geosystems. Atlanta, Georgia, USA. Li, R., Di, K. and Ma, R., D Shoreline Extraction from IKONOS Satellite Imagery. Martin LRG Howarth PJ and Holder G (1988) Multispectral classification of land use at the rural-urban fringe using SPOT data. Canadian Journal of Remote Sensing, 14, Lipakis, M., Chrysoulakis, N. and Kamarianakis, Y., Shoreline extraction using satellite imagery. In: Pranzini, E. and Wetzel, E. (eds): Beach Erosion Monitoring. Results from BEACHMED/e-OpTIMAL Project (Optimization des Techniques Integrées de Monitorage Appliquées aux Lottoraux) INTERREG IIIC South. Nuova Grafica Fiorentina, Florence, Italy, pp PCI, OrthoEngine User Guide, PCI Geomatics, Ontario, Canada. Ryan, T. W., Sementilli, P. J. Yuen, P. and Hunt, B. R., Extraction of shoreline features by neural nets and image processing. Photogrammetric Engineering and Remote Sensing, 57, Scott, J. W., Moore, L. R., Harris, W. M. and Reed, M. D., Using the Landsat 7 Enhanced Thematic Mapper Tasseled Cap Transformation to Extract Shoreline. Open-File Report OF U.S. Geological Survey. Stefanov, W. L, Ramseyc, M. S. and Christensen, P. R., Monitoring urban land cover change: An expert system approach to land cover classification of semiarid to arid urban centers. Remote Sensing of Environment, 77, Stuckens, J., Coppin, P. R. and Bauer, M. E., Integrating contextual information with perpixel classification for improved land cover classification. Remote Sensing of Environment, 71, Toutin, Th., Review article: Geometric processing of remote sensing images: models, algorithms and methods. International Journal of Remote Sensing, 25, Trebossen, H., Deffontaines, B., Classeau, N., Kouame, J. and Rudant., J-P., Monitoring coastal evolution and associated littoral hazards of French Guiana shoreline with radar images. Comptes Rendus Geosciences, 337, VLS, Feature Analyst Version 4.1 for Imagine. Reference Manual. Visual Learning Systems Inc. Missoula, USA. Wang, K. D. J., Ma, R. and Li, R., Automatic shoreline extraction from high resolution Ikonos satellite imagery. In: Proceedings of the ASPRS Annual Conference, Anchorage, Alaska. Wu, T. D. and Lee, M. T., Geological Lineament and Shoreline Detection in SAR Images In Proceeding of IEEE Geosciences and Remote Sensing Symposium (IGARSS 2007), Barcelona, Spain. Zang, J. and Foody, G. M., A fuzzy classification of sub-urban land cover from remotely sensed imagery. International Journal of Remote Sensing, 19: Zhou, G. and Li. R., Accuracy Evaluation of Ground Points from IKONOS High-Resolution Satellite Imagery. Photogrammetric Engineering and Remote Sensing, 66,