Τηλεπισκόπηση – Ψηφιακή Ανάλυση Εικόνας€¦ ·...

Τμήμα Φυσικών Πόρων & Περιβάλλοντος Τηλεπισκόπηση & Ψηφιακή Ανάλυση Εικόνας

TΕΙ ΚΡΗΤΗΣ ΠΑΡΑΡΤΗΜΑ ΧΑΝΙΩΝ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΦΥΣΙΚΩΝ ΠΟΡΩΝ & ΠΕΡΙΒΑΛΛΟΝΤΟΣ

Τηλεπισκόπηση & Ψηφιακή

Ανάλυση Εικόνας

Σημειώσεις Θεωρίας

Δρ. Κούλη Μαρία

Χ Α Ν Ι Α 2 0 1 5

3

1. ΒΑΣΙΚΕΣ ΑΡΧΕΣ ΤΗΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ

1.1 Η Διαδικασία της Τηλεπισκόπησης

Η Τηλεπισκόπηση (Remote Sensing) είναι η επιστήμη της λήψης

(απόκτησης) πληροφοριών (φασματικών, χωρικών, χρονικών) για αντικείμενα, μέσα

από ανάλυση δεδομένων τα οποία συλλέχθηκαν από ειδικά όργανα που δεν είχαν

φυσική επαφή με τα αντικείμενα (Αvery & Berlin, 1992).

H Tηλεπισκόπηση αποτελείται από δύο κύρια συστατικά που είναι η συλλογή και η

ανάλυση πληροφοριών. Η συλλογή πληροφοριών γίνεται με ειδικά όργανα ανίχνευσης

και καταγραφής τα οποία ονομάζονται απομακρυσμένοι αισθητήρες (remote sensors).

Οι αισθητήρες αυτοί κατά κύριο λόγο μεταφέρονται από αεροπλάνα και δορυφόρους

και μετρούν το ποσό της ηλεκτρομαγνητικής ενέργειας που ανακλάται ή εκπέμπεται

από αντικείμενα, σαρώνοντας την επιφάνεια εκατέρωθεν του δορυφόρου ή του

αεροπλάνου, σχηματίζοντας καθώς αυτά κινούνται μια εικόνα της γήινης επιφάνειας.

Η συνολική διαδικασία περιλαμβάνει ανίχνευση και καταγραφή της

ανακλώμενης ή εκπεμπόμενης ενέργειας και στην συνέχεια επεξεργασία, ανάλυση,

και εφαρμογή αυτών των καταγεγραμμένων πληροφοριών. Η συνολική διαδικασία

συνοψίζεται στα ακόλουθα επτά στοιχεία:

1. Πηγή Ενέργειας ή Φωτισμός (Energy Source or Illumination) (A): – η

πρώτη προϋπόθεση της Τηλεπισκόπησης είναι να υπάρχει μια πηγή ενέργειας η οποία

φωτίζει ή παρέχει ηλεκτρομαγνητική ενέργεια στον στόχο ενδιαφέροντος.

2. Ακτινοβολία και Ατμόσφαιρα (Radiation and the Atmosphere) (B): –καθώς

η ενέργεια ταξιδεύει από την πηγή στον στόχο, έρχεται σε επαφή και αλληλεπιδρά με

την ατμόσφαιρα από την οποία διέρχεται. Αυτή η αλληλεπίδραση μπορεί να λάβει

χώρα και για δεύτερη φορά καθώς η ενέργεια ταξιδεύει από τον στόχο στον

αισθητήρα.

4

3. Αλληλεπίδραση με τον Στόχο (Interaction with the Target) (C): – αφού η

ενέργεια προχωράει στον στόχο διαμέσου της ατμόσφαιρας, αλληλεπιδρά με τον

στόχο και η αλληλεπίδραση αυτή εξαρτάται από τον στόχο και από την ακτινοβολία.

4. Καταγραφή της Ενέργειας από τον Αισθητήρα (Recording of Energy by

the Sensor) (D): – αφού η ενέργεια έχει διαχυθεί ή απορροφηθεί από τον στόχο,

χρειαζόμαστε έναν αισθητήρα (απομακρυσμένο – όχι σε επαφή με τον στόχο) για να

συλλέξει και να καταγράψει την ηλεκτρομαγνητική ακτινοβολία.

5. Διάδοση, Λήψη και Επεξεργασία (Transmission, Reception, and Processing)

(E): – η ενέργεια η οποία καταγράφηκε από τον αισθητήρα πρέπει να μεταφερθεί,

συχνά σε ηλεκτρονική μορφή, σε έναν σταθμό λήψης και επεξεργασίας όπου τα

δεδομένα μετατρέπονται σε εικόνες.

6. Ερμηνεία και Ανάλυση (Interpretation and Analysis) (F): –η επεξεργασμένη

εικόνα ερμηνεύεται οπτικά, ψηφιακά ή και ηλεκτρονικά, προκειμένου να εξαχθούν

πληροφορίες για τον στόχο ενδιαφέροντος.

7. Εφαρμογή (Application) (G): – το τελευταίο στοιχείο της διαδικασίας

επιτυγχάνεται με την εφαρμογή των πληροφοριών τις οποίες συμπεράναμε από την

εικόνα και αφορούν τον στόχο, προκειμένου να κατανοήσουμε καλύτερα, και να

αναδείξουμε νέες πληροφορίες για να βοηθήσουμε στην επίλυση του προβλήματος.

Εικόνα 1 Τα πιο πάνω επτά (7) στοιχεία (Α-G) συνιστούν την διαδικασία της

Τηλεπισκόπησης.

5

1.2 Παθητική έναντι Ενεργητικής Τηλεπισκόπησης

Ανάλογα με τον τύπο της Πηγής Ενέργειας, η Τηλεπισκόπηση διακρίνεται σε

Παθητική όταν οι αισθητήρες ανιχνεύουν την ανακλώμενη ή εκπεμπόμενη

ηλεκτρομαγνητική ακτινοβολία από φυσικές πηγές, δηλαδή από τον ήλιο, και σε

Ενεργητική όταν οι αισθητήρες ανιχνεύουν την ανακλώμενη ενέργεια αντικειμένων

τα οποία «φωτίζονται» από τεχνητές πηγές ενέργειας όπως για παράδειγμα τα radar.

Ο ήλιος αποτελεί την σημαντικότερη πηγή ενέργειας για την

Τηλεπισκόπηση. Η ενέργειά του είναι είτε ανακλώμενη (για τα ορατά μήκη

κύματος) είτε απορροφούμενη και μετά επανα-εκπεμπόμενη, (για τα θερμικά

υπέρυθρα μήκη κύματος). Τα τηλεπισκοπικά συστήματα τα οποία μετρούν την

διαθέσιμη φυσική ενέργεια (δηλαδή την ενέργεια του ηλίου) ονομάζονται παθητικά

(passive sensors). Παθητικοί αισθητήρες μπορούν να χρησιμοποιηθούν για την

μέτρηση ενέργειας μόνο κατά την διάρκεια φωτισμού της γης από τον ήλιο. Δεν

υπάρχει ανακλώμενη ενέργεια κατά την διάρκεια της νύχτας. Η ενέργεια η οποία

εκπέμπεται φυσικά (όπως η θερμική υπέρυθρη) μπορεί να ανιχνευθεί ημέρα ή και

νύχτα αρκεί το ποσό της να είναι αρκετά μεγάλο ώστε να μπορεί να καταγραφεί.

Εικόνα 2 Παθητικός (α) και Ενεργητικός Αισθητήρας (β).

(α) (β)

6

Οι ενεργητικοί αισθητήρες (Active sensors), από την άλλη πλευρά, παρέχουν

για τις ανάγκες του φωτισμού την δική τους ενέργεια. Οι αισθητήρες αυτοί

εκπέμπουν

ακτινοβολία κατευθείαν στον στόχο ο οποίος πρόκειται να ερευνηθεί. Η

ακτινοβολία η οποία ανακλάται από τον στόχο ανιχνεύεται και μετράται από τον

αισθητήρα. Τα πλεονεκτήματα των ενεργητικών αισθητήρων είναι η δυνατότητα

καταγραφής κατά την διάρκεια όλου του 24ώρου σε κάθε εποχή του χρόνου.

Μπορούν επίσης να χρησιμοποιηθούν για την εξέταση μηκών κύματος τα οποία δεν

παρέχονται από τον ήλιο (π.χ. μικροκύματα) ή για να ελέγξουν καλύτερα τον τρόπο

και την ποιότητα φωτισμού του στόχου ενδιαφέροντος. Παρόλα αυτά, τα ενεργά

συστήματα απαιτούν την δημιουργία ενός σχετικά μεγάλου ποσού ενέργειας

προκειμένου να φωτιστούν επαρκώς οι στόχοι.

1.3 Ηλεκτρομαγνητική Ακτινοβολία

Όπως προαναφέρθηκε, η πρώτη προϋπόθεση της Τηλεπισκόπησης είναι η ύπαρξη

μιας πηγής ενέργειας η οποία φωτίζει τον στόχο (energy source to illuminate the

target) (εκτός και αν η ενέργεια εκπέμπεται από τον στόχο). Αυτή η ενέργεια είναι με

την μορφή της ηλεκτρομαγνητικής ακτινοβολίας.

Η Ηλεκτρομαγνητική ακτινοβολία (Electromagnetic Radiation, EMR) αποτελεί

τρόπο μετάδοσης της ηλεκτρομαγνητικής ενέργειας που μπορεί να ανιχνευθεί μόνο

όταν αλληλεπιδράσει με ύλη. Μεταφέρεται με συνεχή αρμονικά κύματα σε δύο

κυματικά πεδία, στο Ηλεκτρικό πεδίο (E) και στο Μαγνητικό πεδίο (M).

Και τα δύο πεδία ταξιδεύουν με την ταχύτητα του φωτός (c).

Δύο χαρακτηριστικά της ηλεκτρομαγνητικής ακτινοβολίας είναι ιδιαίτερα

σημαντικά για την κατανόηση της Τηλεπισκόπησης. Αυτά είναι το μήκος κύματος

(wavelength) και η συχνότητα (frequency).

Ως μήκος κύματος ορίζουμε την απόσταση μεταξύ δύο διαδοχικών σημείων του

κύματος. Τα σημεία αυτά πρέπει να έχουν την ίδια μετατόπιση και να βρίσκονται

στην ίδια φορά της κίνησης. Το μήκος κύματος συμβολίζεται με το Ελληνικό γράμμα

(λ). Το μέγεθός του μετράται σε μέτρα (m) ή σε υποδιαιρέσεις του μέτρου όπως είναι

7

τα νανόμετρα (nm, 10-9 metres), τα μικρόμετρα (μm, 10-6 metres) ή τα

εκατοστόμετρα (cm, 10-2 metres).

Η συχνότητα (Frequency) αναφέρεται στον αριθμό των μηκών κύματος τα

οποία διαγράφονται στην μονάδα του χρόνου. Η συχνότητα μετράται σε hertz (Hz),

(ισοδύναμο ενός κύκλου ανά δευτερόλεπτο: cycle per second), αλλά και σε

πολλαπλάσια του Hz. Μήκος κύματος και συχνότητα συνδέονται με τον εξής τύπο:

Εικόνα 3 (α) Το ηλεκτρομαγνητικό πεδίο, (β) μήκη κύματος (λ).

c=λν

Όπου:

λ= μήκος κύματος (m)

ν= συχνότητα (κύκλοι ανά δευτερόλεπτο, Hz)

c= ταχύτητα του φωτός (3x108m/s)

Συνεπώς, τα δύο φυσικά μεγέθη είναι αντιστρόφως ανάλογα (όταν το ένα

αυξάνει, το άλλο μειώνεται ανάλογα). Όσο μικρότερο είναι το μήκος κύματος, τόσο

(α)

(β)

8

μεγαλύτερη είναι η συχνότητα. Όσο μεγαλύτερο το μήκος κύματος τόσο μικραίνει η

συχνότητα. Η κατανόηση των χαρακτηριστικών της ηλεκτρομαγνητικής ακτινοβολίας

όσον αφορά στο μήκος κύματος και στην συχνότητα, είναι κρίσιμη για την

κατανόηση της πληροφορίας η οποία εξάγεται από τα τηλεπισκοπικά δεδομένα.

Ακολουθεί ο τρόπος με τον οποία κατηγοριοποιούμε την ηλεκτρομαγνητική

ακτινοβολία ακριβώς για αυτόν τον λόγο.

9

1.4 Το Ηλεκτρομαγνητικό Φάσμα

Ολόκληρο το εύρος της Ηλεκτρομαγνητικής ακτινοβολίας αποτελεί το

Ηλεκτρομαγνητικό Φάσμα (electromagnetic spectrum) το οποίο είναι συνεχές και

διαμορφώνεται με βάση το μήκος κύματος, τη συχνότητα και την ενέργεια των

φωτονίων. Το ηλεκτρομαγνητικό φάσμα διαχωρίζεται σε επιμέρους υποδιαιρέσεις οι

οποίες ονομάζονται φασματικά κανάλια ή ζώνες (bands).

Υπάρχουν πολλές περιοχές του ηλεκτρομαγνητικού φάσματος (δηλαδή πολλά

φασματικά κανάλια) οι οποίες είναι χρήσιμες για την Τηλεπισκόπηση. Για τους

περισσότερους σκοπούς, το υπεριώδες ή UV (ultraviolet or UV) τμήμα του

φάσματος έχει τα μικρότερα μήκη κύματος τα οποία είναι ιδιαίτερα πρακτικά για την

τηλεπισκόπηση. Η ακτινοβολία αυτή είναι ακριβώς μετά (πάνω από) το ιώδες τμήμα

του φάσματος, όπως δηλώνει και το όνομά της.

Το φως το οποίο μπορούν να δουν τα μάτια μας (οι δικοί μας αισθητήρες),

αποτελεί τμήμα του ορατού φάσματος (visible spectrum). Είναι σημαντικό να

αντιληφθούμε πόσο μικρό είναι το ορατό τμήμα του φάσματος σε σχέση με το

υπόλοιπο φάσμα. Υπάρχει πολύ μεγάλη ποσότητα ακτινοβολίας γύρω μας η οποία

είναι «αόρατη» (invisible) στα μάτια μας. Μπορεί όμως να ανιχνευθεί από ειδικά

όργανα και να χρησιμοποιηθεί προς όφελός μας. Τα ορατά μήκη κύματος καλύπτουν

ένα εύρος από περίπου 0.4 έως 0.7 μm. Το πιο μεγάλο μήκος κύματος είναι το

κόκκινο ενώ το πιο μικρό είναι το ιώδες. Τα πιο συνηθισμένα μήκη κύματος (τα οποία

εμείς αντιλαμβανόμαστε ως συγκεκριμένα χρώματα) του φάσματος δείχνονται πιο

κάτω (είναι σημαντικό να τονίσουμε ότι αυτά είναι τα μόνα μήκη κυμάτων τα οποία

μπορούμε να σχετίσουμε με τα χρώματα):

•Ιώδες (Violet): 0.4 - 0.446 μm

•Μπλε (Blue): 0.446 - 0.500 μm

•Πράσινο (Green): 0.500 - 0.578 μm

•Κίτρινο (Yellow): 0.578 - 0.592 μm

•Πορτοκαλί (Orange): 0.592 - 0.620 μm

10

•Κόκκινο (Red): 0.620 - 0.7 μm

Το μπλε, το πράσινο και το κόκκινο είναι τα βασικά χρώματα (primary colours)

ή τα βασικά μήκη κύματος του ορατού φάσματος. Καθορίζονται ως βασικά διότι

κανένα από αυτά δεν μπορεί να προκύψει από τον συνδυασμό των άλλων δύο, ενώ

όλα τα άλλα χρώματα του ορατού φάσματος μπορούν να προκύψουν

συνδυάζοντας το μπλε, το πράσινο και το κόκκινο σε διάφορες αναλογίες. Αν και

αντιλαμβανόμαστε το ηλιακό φως σαν ένα ομοιόμορφο ή ομοιογενές χρώμα, στην

πραγματικότητα αποτελείται από πολλά μήκη κύματος ακτινοβολίας και ιδιαίτερα από

το υπεριώδες, το ορατό και το υπέρυθρο τμήμα του φάσματος. Το ορατό τμήμα

μπορεί να αναλυθεί στις συνιστώσες του (δηλαδή στα χρώματα που το αποτελούν)

όταν το ηλιακό φως διέρχεται από ένα πρίσμα.

Το επόμενο κομμάτι του φάσματος είναι το υπέρυθρο (IR) το οποίο καλύπτει

τα μήκη κύματος τα οποία κυμαίνονται από 0.7 μm έως 100 μm, δηλαδή είναι

περισσότερο από 100 φορές πιο ευρύ από το ορατό φάσμα.!!! Η υπέρυθρη περιοχή

μπορεί να χωριστεί σε δυο κατηγορίες βάση των ιδιοτήτων της ακτινοβολίας: (α) το

ανακλώμενο υπέρυθρο IR, και το εκπεμπόμενο ή θερμικό υπέρυθρο IR. H

ακτινοβολία στην ανακλώμενη περιοχή του IR χρησιμοποιείται στην τηλεπισκόπηση

για σκοπούς παρόμοιους με αυτούς για τους οποίους χρησιμοποιείται η ακτινοβολία

στο ορατό φάσμα.

Το ανακλώμενο IR καλύπτει μήκη κύματος από 0.7 μm έως 3.0 μm.

Η θερμική IR περιοχή διαφέρει αρκετά από την ορατή και την ανακλώμενη IR

καθώς αυτή η ενέργεια είναι βασικά η ακτινοβολία η οποία απορροφάται από την

επιφάνεια της Γης με την μορφή θερμότητας.

Το θερμικό IR καλύπτει μήκη κύματος από περίπου 3.0 μm έως 100 μm.

Το τμήμα του φάσματος στο οποίο έχει στραφεί το ενδιαφέρον πρόσφατα, είναι

τα μικροκύματα (microwave region) από περίπου 1 mm έως 1 m. Αυτή η περιοχή

καλύπτει τα μεγαλύτερα μήκη κύματος τα οποία χρησιμοποιούνται στην

Τηλεπισκόπηση. Τα πιο μικρά μήκη κύματος έχουν ιδιότητες παρόμοιες του θερμικού

υπέρυθρου ενώ τα μεγαλύτερα μήκη κύματος πλησιάζουν αυτά τα οποία

χρησιμοποιούνται στο ραδιόφωνο.

11

Εικόνα 4 Το ηλεκτρομαγνητικό φάσμα και τα επιμέρους τμήματά του.

Μήκος Κύματος

(m)

Συχνότητα

(Hz)

Υπεριώδε

ς

Ορατό

Υπέρυθρο Μικροκύματα

12

1.5 Αλληλεπίδραση Ηλεκτρομαγνητικής Ακτινοβολίας με την

Ατμόσφαιρα

Πριν η ακτινοβολία η οποία χρησιμοποιείται από την Τηλεπισκόπηση φτάσει στην

επιφάνεια της Γης, ταξιδεύει διαμέσου της Γήινης ατμόσφαιρας. Σωματίδια και αέρια

τα οποία βρίσκονται στην ατμόσφαιρα επιδρούν στην εισερχόμενη ακτινοβολία. Οι

επιδράσεις αυτές εμφανίζονται με την μορφή της διάχυσης (scattering) και της

απορρόφησης (absorption).

Εικόνα 5 Αλληλεπίδραση Ακτινοβολίας και ατμόσφαιρας (Στάδιο 2).

Η διάχυση εμφανίζεται όταν σωματίδια ή μεγάλα μόρια αερίων τα οποία

βρίσκονται στην ατμόσφαιρα, αλληλεπιδρούν με την ηλεκτρομαγνητική ακτινοβολία

και αλλάζουν την κατεύθυνσή της. Το ποσοστό της διάχυσης εξαρτάται από πολλούς

παράγοντες όπως για παράδειγμα το μήκος κύματος της ακτινοβολίας, το

περιεχόμενο της ατμόσφαιρας σε σωματίδια και την απόσταση την οποία διανύει η

ακτινοβολία μέσα στην ατμόσφαιρα.

13

Εικόνα 6 Το φαινόμενο της

διάχυσης της ηλεκτρομαγνητικής

ακτινοβολίας καθώς περνά στην

Γήινη ατμόσφαιρα.

Η απορρόφηση είναι ένας άλλος μηχανισμός ο οποίος λαμβάνει χώρα όταν η

ηλεκτρομαγνητική ακτινοβολία διέρχεται από την Γήινη ατμόσφαιρα. Σε αντίθεση με

την διάχυση, το φαινόμενο αυτό αναγκάζει τα σωματίδια της ατμόσφαιρας να

απορροφούν ενέργεια σε διάφορα μήκη κύματος. Το όζον, το διοξείδιο του

άνθρακα και οι υδρατμοί είναι οι τρεις κυριότερες χημικές ενώσεις οι οποίες

απορροφούν την ηλεκτρομαγνητική ακτινοβολία.

Το όζον απορροφά την βλαβερή για όλους τους ζώντες οργανισμούς, υπεριώδη

ακτινοβολία του ηλίου.

Εικόνα 7 Το φαινόμενο της απορρόφησης της ηλεκτρομαγνητικής

ακτινοβολίας καθώς αυτή περνά στην Γήινη ατμόσφαιρα.

14

Το διοξείδιο του άνθρακα τείνει να απορροφά το μακρινό υπέρυθρο τμήμα του

ηλεκτρομαγνητικού φάσματος ενώ οι υδρατμοί της ατμόσφαιρας απορροφούν την

περισσότερη από την εισερχόμενη μεγάλου μήκους κύματος υπέρυθρη ακτινοβολία

αλλά και τμήμα των μικροκυμάτων.

Επειδή αυτά τα αέρια απορροφούν την ηλεκτρομαγνητική ακτινοβολία σε πολύ

συγκεκριμένες περιοχές του φάσματος, επηρεάζουν τις περιοχές του φάσματος οι

οποίες μπορούν να χρησιμοποιηθούν στην Τηλεπισκόπηση. Οι περιοχές του

φάσματος οι οποίες δεν επηρεάζονται από ατμοσφαιρική απορρόφηση και

επιπλέον είναι χρήσιμες στην Τηλεπισκόπηση, ονομάζονται ατμοσφαιρικά

παράθυρα (atmospheric windows).

Εικόνα 8 Συγκρίνοντας τις δυο πιο κοινές πηγές ενέργειας/ακτινοβολίας (τον ήλιο

και την γη) με τα ατμοσφαιρικά παράθυρα μπορούμε να προσδιορίσουμε τα μήκη

κύματος τα οποία είναι πιο αποτελεσματικά για την Τηλεπισκόπηση. Το ορατό τμήμα

του φάσματος, στο οποίο είναι και πιο ευαίσθητα τα μάτια μας, αντιστοιχεί τόσο σε

ένα ατμοσφαιρικό παράθυρο, όσο και στο υψηλότερο ενεργειακό επίπεδο του ηλίου.

Η θερμότητα η οποία εκπέμπεται από την γη αντιστοιχεί σε ένα παράθυρο γύρω στα

10 μm στο θερμικό υπέρυθρο (IR) τμήμα του φάσματος, ενώ το μεγάλο

ατμοσφαιρικό παράθυρο μετά το 1 mm σχετίζεται με την περιοχή των μικροκυμάτων.

15

Τώρα που κατανοήσαμε πώς ταξιδεύει η ηλεκτρομαγνητική ενέργεια, από την

πηγή της στην επιφάνεια, μπορούμε να εξετάσουμε τι συμβαίνει στην

ηλεκτρομαγνητική ακτινοβολία όταν φτάνει στην Γήινη επιφάνεια.

Η ακτινοβολία η οποία δεν απορροφάται αλλά ούτε και διαχέεται στην

ατμόσφαιρα, φτάνει στην επιφάνεια της Γης και αλληλεπιδρά με αυτήν. Υπάρχουν

τρία είδη αλληλεπίδρασης: μεταξύ της προσπίπτουσας ενέργειας (I) και της γήινης

επιφανείας: απορρόφηση (A), εκπομπή (T), και ανάκλαση (R).

Η ολική ενέργεια θα επιδράσει με την γήινη επιφάνεια με έναν ή περισσότερους

από τους παραπάνω τρόπους. Τα ποσοστά κάθε είδους αλληλεπίδρασης εξαρτώνται

από το μήκος κύματος της ενέργειας, το υλικό και τις ιδιότητες του αντικειμένου.

Η απορρόφηση (A) συμβαίνει όταν η ακτινοβολία (η ενέργεια) απορροφάται μέσα

στο αντικείμενο – στόχο, ενώ η εκπομπή (T) εμφανίζεται όταν η ακτινοβολία

διαπερνά τον στόχο. Η ανάκλαση (R) λαμβάνει χώρα όταν η ακτινοβολία

«αναπηδήσει» στον στόχο και αλλάξει κατεύθυνση. Στην Τηλεπισκόπηση

ενδιαφερόμαστε κατά κύριο λόγο για την μέτρηση της ανακλώμενης ακτινοβολίας

από τους στόχους.

Εικόνα 9 Αλληλεπίδραση της ηλεκτρομαγνητικής ακτινοβολίας με τον στόχο

ενδιαφέροντος (στάδιο 3).

16

Εικόνα 10 Αλληλεπίδραση της προσπίπτουσας ηλεκτρομαγνητικής ακτινοβολίας (Ι)

με τα φύλλα ενός φυτού. Τμήμα της ενέργειας ανακλάται (R), ορισμένη από την

ενέργεια απορροφάται (Α) και η υπόλοιπη διαπερνά τα φύλλα (Τ).

Όταν μια επιφάνεια είναι λεία και επίπεδη όλο ή το μεγαλύτερο μέρος της

ενέργειας η οποία ανακλάται, κατευθύνεται μακριά από την επιφάνεια σε μία

μοναδική κατεύθυνση (Εικόνα 11α). Όταν όμως η επιφάνεια του αντικειμένου είναι

τραχιά, τότε η ενέργεια ανακλάται σχεδόν ομοιόμορφα προς όλες τις κατευθύνσεις.

Τα περισσότερα αντικείμενα πάνω στην Γήινη επιφάνεια βρίσκονται κάπου ανάμεσα

στις δύο πιο πάνω ακραίες περιπτώσεις. Ο τρόπος ανάκλασης εξαρτάται από την

τραχύτητα της επιφάνειας πρόσπτωσης της ακτινοβολίας σε συνδυασμό με το μήκος

κύματος της προσπίπτουσας ακτινοβολίας.

Εικόνα 11 Ανάκλαση της προσπίπτουσας ηλεκτρομαγνητικής ακτινοβολίας σε λείο

και ομοιόμορφο αντικείμενο (οδικό δίκτυο) και σε ανομοιόμορφο αντικείμενο

(δέντρο).

17

Ας δούμε δυο παραδείγματα αντικειμένων – στόχων της Γήινης επιφάνειας και

πώς η ενέργεια του ορατού και του υπέρυθρου τμήματος του φάσματος αλληλεπιδρά

με αυτά:

Φύλλα: Ένα χημικό συστατικό των φύλλων, το οποίο καλείται χλωροφύλλη

απορροφά ισχυρά την ακτινοβολία στα κόκκινα και τα μπλε μήκη κύματος αλλά

ανακλά τα πράσινα μήκη κύματος. Τα φύλλα φαίνονται πιο πράσινα σε εμάς το

καλοκαίρι όταν δηλαδή περιέχουν το μεγαλύτερο ποσοστό χλωροφύλλης. Το

φθινόπωρο, όταν υπάρχει λιγότερη χλωροφύλλη στα φύλλα, η απορρόφηση είναι

μικρότερη ενώ αυξάνει το ποσοστό της ανάκλασης των κόκκινων μηκών κύματος

κάνοντας τα φύλλα να φαίνονται πιο κόκκινα ή πιο κίτρινα (το κίτρινο χρώμα είναι

ένας συνδυασμός των κόκκινων και πράσινων μηκών κύματος). Η εσωτερική δομή

των υγιών φύλλων λειτουργεί ως εξαίρετος διαχυτικός ανακλαστής των κοντινών

υπέρυθρων μηκών κύματος. Εάν τα μάτια μας ήταν ευαίσθητα στο κοντινό υπέρυθρο

τμήμα του φάσματος τα δέντρα θα μας φαίνονταν ιδιαίτερα φωτεινά. Στην

πραγματικότητα η μέτρηση και η παρακολούθηση της κοντινής υπέρυθρης

ανακλαστικότητας είναι ένας παράγοντας βάσει του οποίου οι επιστήμονες

αποφασίζουν κατά πόσο είναι ή δεν είναι υγιή τα φυτά.

Νερό: Τα πιο μεγάλα μήκη κύματος του ορατού φάσματος και η κοντινή

υπέρυθρη ακτινοβολία απορροφούνται περισσότερο από το νερό. Επιπλέον, το νερό

τυπικά φαίνεται μπλε ή μπλε-πράσινο εξαιτίας της ισχυρότερης ανακλαστικότητας στα

μικρά μήκη κύματος ή φαίνεται πιο σκοτεινό εάν το δούμε στα κόκκινα ή κοντινά

υπέρυθρα μήκη κύματος. Εάν υπάρχουν διαλυμένα ιζήματα (S, Εικόνα 12β) στα πάνω

στρώματα του νερού, τότε αυξάνεται η ανακλαστικότητα και η εμφάνιση του νερού

γίνεται πιο φωτεινή.

(α) (β)

18

Εικόνα 12 Αλληλεπίδραση του ορατού (R,G,B) και του υπέρυθρου (IR) τμήματος

της ηλεκτρομαγνητικής ακτινοβολίας με τα φύλλα των φυτών (α) και με το νερό

(β).

ΒΙΒΛΙΟΓΡΑΦΙΑ

NASA, "The Remote SensingTutorial", http://rst.gsfc.nasa.gov/Front/tofc.html

Canada Centre for Remote Sensing, "Tutorial: Fundamentals of Remote

Sensing"http://www.ccrs.nrcan.gc.ca/resource/tutor/fundam/index_e.php

http://rst.gsfc.nasa.gov/Front/tofc.html

http://www.ccrs.nrcan.gc.ca/resource/tutor/fundam/index_e.php

19

Φασματική Απόκριση (spectral response) των αντικειμένων

Κάθε αντικείμενο ή στόχος χαρακτηρίζεται από την φασματική απόκριση (spectral

response) και τις καμπύλες φασματικής υπογραφής. Ως φασματική απόκριση

ορίζουμε το ποσό και την φασματική κατανομή της ανακλώμενης και εκπεμπόμενης

ενέργειας από ένα αντικείμενο. Η φασματική απόκριση εξαρτάται από την σύσταση

και την κατάσταση στην οποία βρίσκεται ο στόχος ενδιαφέροντος και χρησιμοποιείται

σαν μέσο αναγνώρισης του στόχου αυτού. Διαφορετικά είδη αντικειμένων και

λεπτομερειών μπορούν να διαχωριστούν με την σύγκριση των αποκρίσεών τους.

Χαρακτηριστικά όπως το νερό και η φυτοκάλυψη μπορούν να διαχωριστούν εύκολα

ενώ άλλα όπως για παράδειγμα ο τύπος των πετρωμάτων, δεν είναι τόσο εύκολα

διαχωρίσιμα λόγω των κοντινών φασματικών αποκρίσεων των πετρωμάτων.

Συνεπώς, θα χρειαστούμε για την διάκρισή τους έναν αισθητήρα με υψηλότερη

φασματική διακριτική ικανότητα (spectral resolution). Η φασματική διακριτική

ικανότητα περιγράφει την ικανότητα ενός αισθητήρα να καθορίζει μικρά διαστήματα

μηκών κύματος. Όσο πιο μικρά τα διαστήματα αυτά, τόσο πιο στενό είναι το εύρος

μήκους κύματος για μια συγκεκριμένη ζώνη ή κανάλι.

Εικόνα 13 (α) Τυπικές καμπύλες φασματικής υπογραφής για τρία πολύ συνήθη

πετρώματα της γήινης επιφάνειας (limestone=ασβεστόλιθος, Arkose=Αρκόζη,

Basalt=Βασάλτης), (β) Τυπικές καμπύλες φασματικής υπογραφής για το νερό (water)

και την βλάστηση (vegetation).

(

α)

(

β)

22







23

2. ΧΑΡΑΚΤΗΡΙΣΤΙΚΆ ΤΩΝ ΕΙΚΟΝΩΝ

Πριν προχωρήσουμε πιο κάτω, στα ιδιαίτερα χαρακτηριστικά των

αισθητήρων, πρέπει να καθορίσουμε και να ορίσουμε μερικές βασικές

έννοιες:

2.1 Χωρική διακριτική ικανότητα (spatial resolution)

Η λεπτομερής ορατότητα μιας εικόνας εξαρτάται από την χωρική διακριτική

ικανότητα (spatial resolution) του αισθητήρα και αναφέρεται στο μέγεθος του

μικρότερου στοιχείου το οποίο μπορεί να ανιχνευθεί. Η χωρική διακριτική ικανότητα

των παθητικών αισθητήρων εξαρτάται κυρίως από την περιοχή της Γήινης επιφάνειας

η οποία «φαίνεται» από ένα ορισμένο υψόμετρο σε μια συγκεκριμένη χρονική στιγμή.

Το μέγεθος της περιοχής την οποία βλέπει ο αισθητήρας ονομάζεται resolution cell

(κυψελίδα ανάλυσης) και καθορίζει την μέγιστη χωρική διακριτική ικανότητα του

αισθητήρα. Για να ανιχνευθεί ένα ομοιογενές αντικείμενο θα πρέπει το

μέγεθός του να είναι ίσο ή μεγαλύτερο από το resolution cell. Εάν το

αντικείμενο είναι μικρότερο, δεν θα είναι ανιχνεύσιμο, καθώς η μέση φωτεινότητα

όλων των εντός της κυψελίδας ανάλυσης, αντικειμένων θα καταγραφεί.

Όπως έχει ήδη αναφερθεί, οι περισσότερες δορυφορικές εικόνες αποτελούνται

από μια κύρια μάζα πολλών εικονοστοιχείων (pixels), τα οποία είναι οι μικρότερες

μονάδες της εικόνας.

Εικόνα 14 Δορυφορικές εικόνες με διαφορετική χωρική διακριτική ικανότητα.

24

Εάν ένας αισθητήρας έχει χωρική διακριτική ικανότητα 20 m και μια εικόνα

παρουσιάζεται με πλήρη ανάλυση, τότε κάθε εικονοστοιχείο αντιπροσωπεύει μια

περιοχή του εδάφους 20m x 20m. Στην περίπτωση αυτή το μέγεθος των

εικονοστοιχείων και η χωρική διακριτική ικανότητα είναι ίδια.

Οι εικόνες στις οποίες είναι διακριτά μόνο τα πολύ μεγάλα αντικείμενα έχουν

μικρή διακριτική ικανότητα. Σε εικόνες μεγάλης διακριτικής ικανότητας, ακόμα και

πολύ μικρά αντικείμενα μπορούν να ανιχνευθούν. Οι στρατιωτικοί αισθητήρες για

παράδειγμα, είναι σχεδιασμένοι ώστε να μπορούν να διακρίνουν αντικείμενα με όση

δυνατόν μεγαλύτερη ακρίβεια. Οι εμπορικοί δορυφόροι παρέχουν εικόνες με

διακριτικές ικανότητες οι οποίες ποικίλουν από μερικά μέτρα έως και λίγα χιλιόμετρα.

Γενικά, όσο πιο μεγάλη η διακριτική ικανότητα, τόσο λιγότερη εδαφική έκταση

καλύπτεται από την εικόνα. Ο λόγος της απόστασης σε μια εικόνα ή έναν χάρτη προς

την πραγματική εδαφική απόσταση ονομάζεται κλίμακα. Εάν για παράδειγμα έχουμε

έναν χάρτη με κλίμακα 1:100,000, ένα αντικείμενο μήκους 1cm στον χάρτη θα είναι

στην πραγματικότητα 100,000cm (1km) στο έδαφος. Χάρτες ή εικόνες με μικρούς

λόγους αναφέρονται ως «μικρής κλίμακας» (π.χ. 1:100,000), ενώ αυτοί με

μεγαλύτερους λόγους (π.χ.1:5,000) είναι «μεγάλης κλίμακας».

2.2 Ραδιομετρική Διακριτική Ικανότητα

Ενώ η διευθέτηση των εικονοστοιχείων περιγράφει την χωρική δομή των εικόνων,

τα ραδιομετρικά χαρακτηριστικά περιγράφουν την περιεχόμενη πληροφορία. Κάθε

φορά που λαμβάνεται μια εικόνα από έναν αισθητήρα, η ευαισθησία του στο μέγεθος

της ηλεκτρομαγνητικής ενέργειας καθορίζει την ραδιομετρική του διακριτική

ικανότητα (radiometric resolution). Η ραδιομετρική διακριτική ικανότητα περιγράφει

την ικανότητα του συστήματος να διαχωρίζει πολύ μικρές διαφορές ενέργειας. Όσο

πιο μικρή είναι η ραδιομετρική διακριτική ικανότητα ενός αισθητήρα, τόσο πιο

ευαίσθητος είναι σε πολύ μικρές διαφορές ανακλώμενης ή εκπεμπόμενης ενέργειας.

Τα δεδομένα εικόνας αντιπροσωπεύονται από θετικούς ψηφιακούς αριθμούς από

0 έως μια επιλεγμένη δύναμη του 2. Το εύρος αυτό αντιστοιχεί στον αριθμό των bits

τα οποία χρησιμοποιούνται για να κωδικοποιήσουν τα νούμερα σε ψηφιακή μορφή.

Κάθε bit καταγράφει μια δύναμη του 2 (π.χ. 1 bit=21=2). Ο μέγιστος αριθμός

φωτεινότητας εξαρτάται από το νούμερο των bits τα οποία χρησιμοποιήθηκαν για να

απεικονίσουν την καταγεγραμμένη ενέργεια. Επιπλέον, εάν ένας αισθητήρας

25

χρησιμοποίησε 8 bits για να καταγράψει τα δεδομένα θα πρέπει να είναι 28=256

ψηφιακές τιμές διαθέσιμες (0 έως 255). Εάν χρησιμοποίησε 4 bits, τότε μόνο 24=16

τιμές θα υπάρχουν (0 έως 15) και συνεπώς η ραδιομετρική διακριτική ικανότητα

στην δεύτερη περίπτωση θα είναι πολύ μικρή.

Τα δεδομένα εικόνας απεικονίζονται με μια ποικιλία τόνων του γκρίζου, όπου το

μαύρο χρώμα αντιπροσωπεύει τον ψηφιακό αριθμό 0, ενώ αντιθέτως το λευκό χρώμα

αντιπροσωπεύει την μέγιστη τιμή (π.χ., το 255 εάν πρόκειται για δεδομένα 8-bit).

Κατά την σύγκριση μιας εικόνας 2-bit με μια άλλη 8-bit, μπορούμε να αντιληφθούμε

μεγάλες σε επίπεδο διάκρισης λεπτομέρειας (διαφορετικές ραδιομετρικές διακριτικές

ικανότητες) (Εικόνα 15).

Εικόνα 13 Κατά την σύγκριση μιας εικόνας 2-bit (χαμηλή ραδιομετρική

διακριτική ικανότητα) (α) με μια άλλη 8-bit (υψηλή ραδιομετρική διακριτική

ικανότητα) (β), μπορούμε να αντιληφθούμε μεγάλες διαφορές σε επίπεδο διάκρισης

λεπτομέρειας.

(

α)

(

β)

26

2.3 Φασματική Διακριτική Ικανότητα

Οι περιοχές του φάσματος οι οποίες δεν επηρεάζονται από την ατμοσφαιρική

απορρόφηση και επιπλέον είναι χρήσιμες στην Τηλεπισκόπηση ονομάζονται

Ατμοσφαιρικά Παράθυρα. Τα ατμοσφαιρικά παράθυρα που χρησιμοποιούν τα

διάφορα καταγραφικά συστήματα καθώς και το ευρος των παραθύρων αυτών

ονομάζεται φασματική διακριτική ικανότητα ή φασματική δειγματοληψία.

Πολλά συστήματα Τηλεπισκόπησης καταγράφουν την ενέργεια σε διαφορετικά

διακριτά διαστήματα μηκών κύματος σε διάφορες φασματικές αναλύσεις. Τα

συστήματα αυτά είναι γνωστά ως πολυφασματικά (multi-spectral sensors).

Τα Ατμοσφαιρικά Παράθυρα της Τηλεπισκόπησης

27

Φασματική διακριτική Ικανότητα για τους 3 τύπους καταγραφικών συστημάτων

(Παγχρωματικός, Πολυφασματικός και Υπερφασματικός σαρωτής).

2.4 Χρονική Διακριτική Ικανότητα

Η χρονική διακριτική ικανότητα αφορά την ικανότητα του δέκτη να

επαναλαµβάνει τη µέτρησή του πάνω από την ίδια περιοχή µελέτης. Π.χ. ο δέκτης

Seviri λαµβάνει εικόνα κάθε 15 λεπτά πάνω από την ίδια περιοχή ενώ ο δέκτης

Thematic Mapper λαµβάνει εικόνα κάθε 16 µέρες.

28







29

4. ΕΙΔΗ ΔΟΡΥΦΟΡΩΝ

3. ΙΣΤΟΡΙΚΗ ΕΞΕΛΙΞΗ ΤΩΝ ΔΟΡΥΦΟΡΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

Πίνακας 1 Δορυφορικά Συστήματα –Ιστορική Εξέλιξη.

1891 Πρώτη Πρόταση (Rahrmann) για την χρήση πυραύλου ως πλατφόρμα

φωτογραφιών.

1908 Ανάπτυξη (Γερμανία) γυροσκοπικής κάμερας εγκατεστημένης πάνω σε

πύραυλο.

1946 Εικόνες του Διαστήματος αποκτούνται από πυραύλους V-2.

1957 Τίθεται σε τροχιά ο Sputnik 1 από την Σοβιετική Ένωση.

1960 Απόκτηση εικόνων από τον Μετεωρολογικό Δορυφόρο TIROS-1 (ΗΠΑ).

1961 Διαστημικές φωτογραφίες από το μη επανδρωμένο διαστημόπλοιο Mercury

MA-4

1964 Έναρξη μετεωρολικού δορυφορικού προγράμματος.

1965 Πρώτη επανδρωμένη πτήση Gemini (GT-3), με έγχρωμες φωτογραφίες.

1965 Gemini GT-4 διαστημικά φωτογραφικά πειράματα.

1965 Υπόδειξη του ERTS (Landsat) προγράμματος από την κυβέρνηση των ΗΠΑ

προς την NASA.

1966 Εκτόξευση των ATS (γεωσύγχρονων δορυφόρων με αισθητήρες εικόνας), η

οποία ακολουθείται από την εκτόξευση της σειράς SMS (GOES) το 1974.

1967

Αποστολές Apollo (πτήσεις σε τροχιά γύρω από την Γη) (Apollo-6, -7)

κορυφώνονται με SO65 πειράματα πολυφασματικής φωτογράφησης στο Apollo-9

(1968).

1972 Τίθενται σε τροχιά οι ERTS-1 (Landsat); Landsat-2 (1975); Landsat-3

1972

-73

Εκτόξευση του Skylab; σειρά πειραμάτων από αστροναύτες με EREP (Earth

Resources Experiment Package).

1975 Πτήση του Apollo-Soyuz και λήψη φωτογραφιών.

1978 Εκτόξευση του Seasat-1 τον Ιούνιο (αποτυχία μετά την πάροδο 99 ημερών).

30

1978 Αποστολή Χαρτογράφησης Θερμότητας (HCMM).

1979 Εκτοξεύεται ο Nimbus-7.

4.1 Μετεωρολογικοί Δορυφόροι / Αισθητήρες (Weather Satellites

/ Sensors)

Η παρακολούθηση και πρόβλεψη του καιρού ήταν μια από τις πρώτες εφαρμογές

της Τηλεπισκόπησης ενώ ο πρώτος μετεωρολογικός δορυφόρος ήταν ο TIROS-1

(Television and Infrared Observation Satellite - 1), ο οποίος τέθηκε σε τροχιά το

1960 από τις ΗΠΑ. Σήμερα, πολλές χώρες χρησιμοποιούν δορυφόρους για την

παρακολούθηση του καιρού. Γενικά, οι δορυφόροι αυτοί χρησιμοποιούν αισθητήρες

με όχι μεγάλη διακριτική ικανότητα και παρέχουν μεγάλη εδαφική κάλυψη. Οι

χρονικές τους διακριτικές ικανότητες είναι αρκετά μεγάλες και παρέχουν συχνές

παρατηρήσεις της Γήινης επιφανείας, της ατμοσφαιρικής υγρασίας και της

νεφοκάλυψης οι οποίες επιτρέπουν την συνεχή παρακολούθηση των παγκόσμιων

καιρικών συνθηκών και συνεπώς και της πρόβλεψης. Οι πιο γνωστοί και σημαντικοί

δορυφόροι/αισθητήρες οι οποίοι χρησιμοποιούνται για μετεωρολογικές εφαρμογές

είναι:

4.4.1.1 GOES

Το πρόγραμμα (Geo-stationary Operational Environmental Satellite) της NASA

είχε ως στόχο να προμηθεύσει την Μετεωρολογική Υπηρεσία των ΗΠΑ με συχνά,

μικρής κλίμακας δορυφορικά δεδομένα για την επιφάνεια της Γης και την

νεφοκάλυψη. Το πρόγραμμα και όλη η σειρά δορυφόρων GOES έχει εκτενώς

χρησιμοποιηθεί από τους μετεωρολόγους για την παρακολούθηση και πρόβλεψη του

καιρού για πάνω από 20 χρόνια. Οι δορυφόροι αυτοί είναι τμήμα ενός παγκόσμιου

δικτύου μετεωρολογικών δορυφόρων οι οποίοι έχουν τοποθετηθεί σε διαστήματα ανά

περίπου 70° (Γεωγραφικό Μήκος) γύρω από την Γη προκειμένου να παρέχουν

παγκόσμια κάλυψη. Η δεύτερη γενιά δορυφόρων ξεκίνησε με τον GOES-8 (τέθηκε σε

τροχιά το 1994). Παρέχουν σχεδόν συνεχή παρατήρηση της Γης (κάθε 15 λεπτά

παρέχεται και μια εικόνα).

31

NOAA AVHRR

Το πρόγραμμα NOAA είναι υπεύθυνο για μια σειρά δορυφόρων οι οποίοι

χρησιμοποιούνται τόσο για μετεωρολογικούς σκοπούς όσο και σε άλλες εφαρμογές.

Οι δορυφόροι αυτοί είναι ηλιο-σύγχρονοι με τροχιές κοντά στους πόλους (830-870

km πάνω από την Γη), και είναι τμήμα των εξελιγμένων δορυφόρων TIROS. Δύο

δορυφόροι, καθένας από τους οποίους παρέχει παγκόσμια κάλυψη «συνεργάζονται»

ώστε να εξασφαλίζουν πως τα δεδομένα τα οποία παρέχουν για κάθε περιοχή της Γης

δεν είναι παλαιότερα των 6 ωρών. Ο βασικός αισθητήρας των δορυφόρων NOAA ο

οποίος χρησιμοποιείται τόσο για μετεωρολογία όσο και για μικρής κλίμακας

παρατήρηση της Γης, είναι ο Advanced Very High Resolution Radiometer (AVHRR). Ο

AVHRR αισθητήρας ανιχνεύει την ακτινοβολία στο ορατό, το κοντινό-, το μέσο- και

το θερμικό υπέρυθρο τμήμα του ηλεκτρομαγνητικού φάσματος.

Πίνακας 2 Τα κανάλια του NOAA AVHRR

Ο AVHRR αν και με χαμηλή χωρική διακριτική ικανότητα σε σύγκριση με τους

τυπικούς αισθητήρες παρατήρησης της Γης, χρησιμοποιείται για την παρακολούθηση

τοπικών, μικρής κλίμακας φαινομένων όπως είναι η χαρτογράφηση της θαλάσσιας

επιφανειακής θερμοκρασίας, αλλά και η καταγραφή βλάστησης.

32

Άλλοι μετεωρολογικοί δορυφόροι είναι οι GMS οι οποίοι τέθηκαν σε τροχιά από

την κυβέρνηση της Ιαπωνίας, και οι Meteosat οι οποίοι βρίσκονται υπό την επίβλεψη

της Ευρωπαϊκής Ένωσης. Και οι δύο σειρές παρέχουν εικόνες της Γης ανά μισή ώρα.

Οι GMS έχουν δύο φασματικά κανάλια: 0.5 to 0.75 μm (1.25 km χωρική διακριτική

ικανότητα), και 10.5 to 12.5 μm (5 km χωρική διακριτική ικανότητα). Οι Meteosat

έχουν τρία φασματικά κανάλια: το ορατό κανάλι (0.4 to 1.1 μm; με 2.5 km χωρική

διακριτική ικανότητα), το μέσο-υπέρυθρο (5.7 to 7.1 μm; με 5 km χωρική διακριτική

ικανότητα), και το θερμικό υπέρυθρο (10.5 to 12.5 μm; επίσης με 5 km χωρική

διακριτική ικανότητα).

33

4.2 Κύρια Δορυφορικά Προγράμματα Παρακολούθησης της Γης

Landsat

Αν και πολλά από τα μετεωρολογικά δορυφορικά συστήματα (όπως αυτά τα οποία

περιγράφηκαν πιο πάνω) χρησιμοποιούνται και για την παρατήρηση της Γήινης

επιφάνειας δεν παρέχουν δυνατότητα λεπτομερούς χαρτογράφησής της. Λόγω της

μεγάλης επιτυχίας των μετεωρολογικών δορυφόρων στην δεκαετία του 1960,

σχεδιάστηκε ο πρώτος δορυφόρος ειδικά για την παρακολούθηση της Γήινης επιφάνειας,

ο Landsat-1, ο οποίος τέθηκε σε τροχιά από την NASA το 1972. Από τότε, το ιδιαίτερα

επιτυχημένο πρόγραμμα έχει συλλέξει πλήθος δεδομένων από όλο τον κόσμο με πολλούς

Landsat δορυφόρους. Αρχικά η διεύθυνση του προγράμματος ανήκε στην NASA, και

μεταφέρθηκε στο NOAA το 1983. Από το 1985, το πρόγραμμα εμπορευματοποιήθηκε

παρέχοντας δεδομένα σε χρήστες.

Η επιτυχία του Landsat οφείλεται σε διάφορους παράγοντες οι οποίοι περιλαμβάνουν

έναν συνδυασμό αισθητήρων με φασματικές ζώνες «κομμένες και ραμμένες» για την

παρατήρηση της Γης, λειτουργική χωρική διακριτική ικανότητα, και καλή κάλυψη

εδάφους. Η μεγάλη διάρκεια ζωής του προγράμματος παρέχει μεγάλο όγκο δεδομένων

καθιστώντας δυνατή τόσο την παρακολούθηση της Γήινης επιφανείας σε μήκος χρόνου

όσο και τις ιστορικές καταγραφές και μελέτες. Όλοι οι δορυφόροι Landsat τοποθετούνται

κοντά στους πόλους σε σύγχρονες του ηλίου τροχιές. Οι τρεις πρώτοι δορυφόροι

(Landsats 1-3) ήταν σε υψόμετρα γύρω στα 900 km με περίοδο τροχιάς 18 ημέρες ενώ

οι μεταγενέστεροι δορυφόροι σε 700 km και με περίοδο 16 ημερών. Όλοι οι δορυφόροι

Landsat περνούν από τον ισημερινό το πρωί.

Οι αισθητήρες με τους οποίους είναι εξοπλισμένοι οι δορυφόροι Landsat

περιλαμβάνουν το σύστημα κάμερας Return Beam Vidicon (RBV), το σύστημα

Πολυφασματικών Σαρωτών (MultiSpectral Scanner System (MSS)), και τον Θεματικό

Χαρτογράφο (Thematic Mapper (TM)). Το πιο διάσημο από τα συστήματα αυτά ήταν

αρχικά ο Πολυφασματικός Σαρωτής (MultiSpectral Scanner (MSS) και αργότερα ο

Θεματικός Χαρτογράφος (Thematic Mapper (TM). Καθένας από αυτούς τους αισθητήρες

συλλέγει δεδομένα σε πλάτος 185 km, και μια εικόνα καλύπτει μια περιοχή 185 km x 185

34

km. Ο MSS καταγράφει την ηλεκτρομαγνητική ακτινοβολία της επιφάνειας της Γης σε 4

φασματικά κανάλια (ζώνες). Κάθε κανάλι έχει χωρικη διακριτική ικανότητα 60 x 80 m και

ραδιομετρική διακριτική ικανότητα 6 bits, ή 64 ψηφιακών αριθμών.

Πίνακας 3 Τα φασματικά χαρακτηριστικά των καναλιών των δορυφόρων

Landsat-ΜSS

Η συλλογή των MSS δεδομένων τερματίστηκε το 1992, με την εισαγωγή και χρήση

των δεδομένων TM. Ο αισθητήρας TM παρέχει υψηλότερη χωρική και ραδιομετρική

ικανότητα, πιο λεπτομερείς φασματικές ζώνες (7 αντί για 4). Η χωρική διακριτική

ικανότητα του Θεματικού Χαρτογράφου είναι 30 m για όλα τα φασματικά κανάλια

(ζώνες) με εξαίρεση το θερμικό υπέρυθρο κανάλι το οποίο έχει διακριτική ικανότητα 120

m. Όλα τα κανάλια καταγράφονται σε 256 ψηφιακούς αριθμούς (8 bits). Ο πίνακας ο

οποίος ακολουθεί δίνει την φασματική διακριτική ικανότητα κάθε μιας από τις ζώνες,

καθώς και εφαρμογές για την κάθε μια από αυτές.

Τα δεδομένα τόσο από TM όσο και από MSS αισθητήρες χρησιμοποιούνται σε ένα

ευρύ πεδίο εφαρμογών, όπως στην διαχείριση φυσικών πόρων, στην χαρτογράφηση,

στην παρακολούθηση του περιβάλλοντος, και στην ανίχνευση μεταβολών οι οποίες

σημειώνονται με την πάροδο του χρόνου στο περιβάλλον (π.χ. στην παρακολούθηση

των δασών για τον έλεγχο της κοπής δέντρων) (Εικόνα 17).

Κανάλια Φασματικά Κανάλια (μm)

Landsat

1,2,3

Landsat

4,5 MSS 4 MSS 1 0.5 - 0.6 (πράσινο)

MSS 5 MSS 2 0.6 - 0.7 (κόκκινο)

MSS 6 MSS 3 0.7 - 0.8 (εγγύς

υπέρυθρο) MSS 7 MSS 4 0.8 - 1.1 (εγγύς

υπέρυθρο)

35

Πίνακας 4 Tα χαρακτηριστικά των Landast-TM Καναλιών και οι εφαρμογές τους

Εικόνα 14 Παρακολούθηση των δασών για τον έλεγχο της κοπής δέντρων.

Περιοχές υλοτομημένες

μετά το 1984

Περιοχές υλοτομημένες

μετά το 1984

36

SPOT

Ο πρώτος δορυφόρος SPOT–1 του προγράμματος Système Pour l'Observation de la

Terre σχεδιάστηκε και τέθηκε σε τροχιά από το Εθνικό Κέντρο Διαστημικών Σπουδών

της Γαλλίας (CNES) με την υποστήριξη του Βελγίου και της Σουηδίας.

Ο SPOT-1 εκτοξεύθηκε το 1986, με τους υπόλοιπους δορυφόρους να ακολουθούν

κάθε τρία με τέσσερα χρόνια. Όλοι οι δορυφόροι του προγράμματος είναι ηλιο-

σύγχρονοι με τροχιές κοντά στους πόλους σε ύψος γύρω στα 830 km πάνω από την Γη

και πλήρη περιστροφή της Γης σε 26 ημέρες. Περνούν από τον ισημερινό περίπου στις

10:30 π.μ. τοπική ώρα. Οι SPOT σχεδιάστηκαν για να χρησιμοποιηθούν εμπορικά για την

πώληση δεδομένων.

Όλοι οι δορυφόροι SPOT έχουν δίδυμα υψηλής διακριτικής ικανότητας συστήματα

(high resolution visible (HRV)) τα οποία μπορούν να λειτουργούν ανεξάρτητα ή

συγχρόνως το ένα με το άλλο.

Κάθε σύστημα HRV έχει την ικανότητα να καταγράφει είτε σε ένα μόνο, αλλά πολύ

υψηλής χωρικής διακριτικής ικανότητας κανάλι (Παγχρωματικό-panchromatic) (PLA) ή σε

τρία κανάλια μικρότερης χωρικής διακριτικής ικανότητας (πολυφασματικό-multispectral

(MLA)). Το παγχρωματικό κανάλι έχει χωρική διακριτική ικανότητα 10 m, ενώ τα

πολυφασματικά κανάλια 20m. Ο πίνακας 5 περιέχει τα φασματικά χαρακτηριστικά και

των δυο συστημάτων SPOT.

Εικόνα 15 Τα δύο συστήματα των δορυφόρων SPOT.

37

Πίνακας 5 Φασματικά χαρακτηριστικά των δύο συστημάτων SPOT

Το σύστημα έχει την δυνατότητα να αποτυπώνει την εικόνα μιας περιοχής από

πολλές διαφορετικές γωνίες. Έτσι καθίσταται δυνατή η στερεοσκοπική εξέταση των

εικόνων.

Εικόνα 16 Δορυφορική Εικόνα SPOT.

Κανάλια Φασματικά Χαρακτηριστικά

(μm) Παγχρωματικό (PLA) 0.51 - 0.73 (μπλε-πράσινο-κόκκινο)

Πολυφασματικό (MLA)

Κανάλι 1 0.50 - 0.59 (πράσινο)

Κανάλι 2 0.61 - 0.68 (κόκκινο)

Κανάλι 3 0.79 - 0.89 (κοντινό υπέρυθρο)

38

Οι δορυφόροι SPOT έχουν ένα πλήθος πλεονεκτημάτων σε σχέση με άλλους

γνωστούς αισθητήρες. Η υψηλή χωρική διακριτική ικανότητα είναι ο κύριος λόγος της

μεγάλης τους δημοτικότητας. Οι SPOT επιτρέπουν εφαρμογές οι οποίες απαιτούν υψηλή

χωρική λεπτομέρεια όπως για παράδειγμα η αστική χαρτογράφηση. Οι πιθανές χρήσεις

και εφαρμογές των δεδομένων SPOT είναι πολυάριθμες. Τα στερεοσκοπικά ζεύγη από

τους SPOT είναι πολύ μεγάλης σημασίας σε χαρτογραφικές εφαρμογές και στην εξαγωγή

του ψηφιακού τοπογραφικού αναγλύφου (Digital Elevation Models - DEMs) από τα

δορυφορικά δεδομένα.

IRS

Η σειρά των Ινδικών (Indian Remote Sensing (IRS)) δορυφόρων συνδυάζει

χαρακτηριστικά τόσο των αισθητήρων των δορυφόρων Landsat MSS/TM όσο και των

δορυφόρων SPOT HRV. Ο τρίτος στην σειρά δορυφόρος ο IRS-1C, τέθηκε σε τροχιά τον

Δεκέμβριο του 1995.

Εκτός από την υψηλή χωρική διακριτική ικανότητα ο Παγχρωματικός Αισθητήρας

παρέχει την δυνατότητα στερεοσκοπικών εικόνων. Αυτά τα υψηλής χωρικής διακριτικής

ικανότητας δεδομένα είναι ιδιαίτερα χρήσιμα για εφαρμογές στον αστικό σχεδιασμό και

στην χαρτογραφία. Τα τέσσερα LISS-III πολυφασματικά κανάλια είναι παρόμοια με αυτά

του Landsat TM (κανάλια 1 έως 4) και προσφέρονται για τον διαχωρισμό της βλάστησης,

την χαρτογράφηση κάλυψης γης αλλά και για τον σχεδιασμό των φυσικών πόρων. Ο

αισθητήρας WiFS είναι παρόμοιος με αυτόν του NOAA AVHRR και τόσο η χωρική του

διακριτική ικανότητα όσο και ή κάλυψη που προσφέρει τον καθιστούν ιδιαίτερα χρήσιμο

για τοπικής κλίμακας παρακολούθηση της βλάστησης.


NASA, "The Remote Sensing Tutorial", http://rst.gsfc.nasa.gov/Front/tofc.html





39

5. ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ

Ο όρος «ψηφιακή επεξεργασία εικόνας» (digital image processing) αναφέρεται

στην χρήση ενός υπολογιστή με σκοπό την διαχείριση δεδομένων εικόνας τα οποία

έχουν αποθηκευτεί σε ψηφιακή μορφή (digital format). Ο σκοπός της επεξεργασίας

των ψηφιακών εικόνων για τις επιστήμες της γης είναι η ενίσχυση (enhancement) των

γεωγραφικών δεδομένων σε ψηφιακή μορφή ώστε να καταστούν πιο κατανοητά στον

χρήστη προκειμένου να εξάγει ποσοτικές πληροφορίες και να επιλύσει προβλήματα.

Μια ψηφιακή εικόνα αποθηκεύεται ως δυο διαστάσεων πλέγμα (array ή grid) μικρών

περιοχών τις οποίες ονομάζουμε εικονοστοιχεία (pixels). Κάθε εικονοστοιχείο αντιστοιχεί

χωρικά σε μια περιοχή της επιφάνειας της γης. Το πλέγμα αυτό καλείται raster

(κυψελωτό), και συνεπώς τα δεδομένα εικόνας αναφέρονται συχνά και ως raster

δεδομένα. Τα δεδομένα αυτά διευθετούνται σε οριζόντιες γραμμές (οι οποίες καλούνται

rows), και σε κάθετες στήλες οι οποίες καλούνται δείγματα (samples). Κάθε

εικονοστοιχείο (pixel) της raster εικόνας αντιπροσωπεύεται από έναν ψηφιακό αριθμό

(Digital Number = DN).

Εικόνα 17 Τα raster (κυψελωτά) δεδομένα και τα εικονοστοιχεία τα οποία

αντιπροσωπεύονται από ψηφιακούς αριθμούς.

40

Αυτοί οι ψηφιακοί αριθμοί των εικόνων (DNs) μπορεί να αντιπροσωπεύουν πολλούς

διαφορετικούς τύπους δεδομένων ανάλογα με την πηγή των δεδομένων. Για δορυφορικά

δεδομένα όπως οι Landsat και SPOT εικόνες , οι DNs αντιπροσωπεύουν την ένταση

(intensity) του ανακλώμενου φωτός στο ορατό (visible), το μέσο υπέρυθρο (infrared) ή

άλλα φασματικά μήκη. Για τα ψηφιακά τοπογραφικά μοντέλα (DTMs), οι DNs

αντιπροσωπεύουν το υψόμετρο.

Εφαρμόζοντας μαθηματικούς μετασχηματισμούς στους ψηφιακούς αριθμούς (DNs)

μέσω ενός λογισμικού πακέτου, μπορούμε να ενισχύσουμε τα δεδομένα εικόνας και ως

αποτέλεσμα να τονίσουμε και να εξάγουμε πολύ συγκεκριμένες και ακριβείς πληροφορίες

τις οποίες θα ήταν αδύνατο να αποκτήσουμε με την χρήση παραδοσιακών τεχνικών

φωτοερμηνείας.

Για τον λόγο αυτό η επεξεργασία των εικόνων αποτελεί ένα πανίσχυρο εργαλείο για

όλους τους τομείς των επιστημών της γης.

Από εδώ και στο εξής θα ασχοληθούμε με ασκήσεις οι οποίες δείχνουν πώς η

επεξεργασία εικόνας χρησιμοποιείται για την ενίσχυση των ψηφιακών δεδομένων και την

εξαγωγή πληροφοριών.

Πολλά ψηφιακά δεδομένα εικόνας αποτελούνται από πολλαπλά κανάλια (bands or

layers) δεδομένων τα οποία καλύπτουν την ίδια γεωγραφική περιοχή αλλά περιέχουν

διαφορετικές πληροφορίες. Για παράδειγμα, μια SPOT HRV-XS δορυφορική εικόνα έχει

τρία κανάλια δεδομένων. Κάθε ένα από αυτά αποτυπώνει την ανακλαστικότητα

(reflectance) της γήινης επιφάνειας σε διαφορετικά μήκη κύματος φωτός. Αφού κάθε ένα

κανάλι καταγράφει την ανακλαστικότητα σε μια διαφορετική περιοχή φάσματος, ο τύπος

αυτών των δεδομένων καλείται «πολυφασματικά δεδομένα» (multispectral data). Πολλές

ισχυρές τεχνικές επεξεργασίας εικόνας έχουν αναπτυχθεί προκειμένου να συνδυάζουν τα

διάφορα κανάλια των πολυφασματικών εικόνων με στόχο να αναδεικνύουν κάθε φορά

(ανάλογα με τον συνδυασμό) συγκεκριμένα χαρακτηριστικά όπως την αφθονία της

βλάστησης (vegetation abundance) τις παραμέτρους ποιότητας του νερού (water quality

parameters) ή το είδος των ορυκτών τα οποία είναι παρόντα στην γήινη επιφάνεια.

41

Η ψηφιακή επεξεργασία αποτελεί ένα πολύ σημαντικό εργαλείο για την

χαρτογράφηση, την ανάλυση και την μοντελοποίηση ενός μεγάλου εύρους εφαρμογών

των γεωεπιστημών. Τα παρακάτω είναι μερικές από τις πολλές εφαρμογές στις οποίες

χρησιμοποιείται συχνά η επεξεργασία των ψηφιακών εικόνων:

Χρήσεις Γης (land use)/Χαρτογράφηση κάλυψης γης και ανίχνευση μεταβολών

(land cover mapping and change detection)

Γεωργική παρακολούθηση και εκτίμηση (agricultural assessment and monitoring)

Διαχείριση Παράκτιων και Θαλάσσιων πόρων (coastal and marine resource

management)

Ορυκτολογική εξερεύνηση (mineral exploration)

Εξερεύνηση πετρελαίου και φυσικού αερίου (oil & gas exploration)

Διαχείριση δασικών πόρων (forest resource management)

Αστικός σχεδιασμός και ανίχνευση μεταβολών (urban planning and change

detection)

Σχεδιασμός τηλεπικοινωνιών (telecommunications siting and planning)

Φυσική ωκεανογραφία (physical oceanography)

Γεωλογική και τοπογραφική χαρτογράφηση (geology and topographic mapping)

Ανίχνευση θαλάσσιων παγόβουνων και χαρτογράφησή τους (sea ice detection

and mapping)

42

ΓΕΩΜΕΤΡΙΚΗ ΔΙΌΡΘΩΣΗ (ΓΕΩΔΑΙΤΙΚΉ ΑΝΑΓΩΓΉ) ΚΑΙ

ΡΑΔΙΟΜΕΤΡΙΚΉ ΔΙΌΡΘΩΣΗ ΤΩΝ ΔΟΡΥΦΟΡΙΚΏΝ ΨΗΦΙΑΚΏΝ

ΤΗΛΕΠΙΣΚΟΠΙΚΏΝ ΑΠΕΙΚΟΝΊΣΕΩΝ

Κάθε δορυφορική ψηφιακή τηλεπισκοπική απεικόνιση παραμορφώνεται γεωμετρικά

κατά την λήψη της. Μερικοί παράγοντες που παραμορφώνουν τη γεωμετρία της εικόνας

έχουν σχέση με την αλληλεπίδραση του συστήματος δορυφόρου - γης και είναι: α) η

κίνηση του φορέα (δορυφόρου), β) η περιστροφή της γης, γ) η επίδραση της

καμπυλότητας της γης κ.α.. Επιπλέον, οι παραμορφώσεις, τις οποίες υφίσταται μία

δορυφορική ψηφιακή τηλεπισκοπική απεικόνιση, εξαρτώνται από τον τρόπο λειτουργίας

του φασματικού σαρωτή (συστήματος λήψης), και κατά συνέπεια, τον τρόπο

καταγραφής της απεικόνισης. Οι παραμορφώσεις αυτές μπορεί να είναι γραμμικές ή μη

γραμμικές. Στην προσπάθεια εξάλειψης των παραμορφώσεων αυτών, χρησιμοποιούνται

παραμετρικά και μη παραμετρικά μοντέλα. Τα παραμετρικά μοντέλα λαβαίνουν υπόψη

τους:

Αναλυτικά μαθηματικά μοντέλα των υφιστάμενων παραμορφώσεων (για

παράδειγμα τη περιστροφή της γης σε σχέση με την χρονική διάρκεια καταγραφής

των ψηφίδων της ψηφιακής τηλεπισκοπικής απεικόνισης), ή

Δεδομένα πού καταγράφονται μαζί με τη δορυφορική ψηφιακή

τηλεπισκοπική απεικόνιση, και αφορούν, για παράδειγμα, στη θέση του

δορυφόρου, και το γεωμετρικό προσανατολισμό του σαρωτή (SPOT, ΤΜ). Το

μειονέκτημα είναι ότι τα δεδομένα αυτά δεν καταγράφονται συνεχώς αλλά σε

περιοδικά χρονικά διαστήματα, και έτσι είναι διαθέσιμα μόνο για ορισμένο αριθμό

ψηφίδων (Θεματικός Χαρτογράφος LANDSAT (LANDSAT-TM)) ή γραμμών (SPOT).

Για τις ψηφίδες ή τις γραμμές, οι οποίες βρίσκονται ενδιάμεσα, υποθέτουμε ότι

έχουμε γραμμική μεταβολή της παραμόρφωσης.

Για την εφαρμογή των παραμετρικών διορθώσεων χρησιμοποιούνται μη

παραμετρικά μοντέλα στην προσπάθεια διόρθωσης της γεωμετρίας της ψηφιακής

τηλεπισκοπικής απεικόνισης για τις υπολειπόμενες παραμορφώσεις. Στα μοντέλα αυτά

χρησιμοποιείται πληροφορία, η οποία αφορά στη θέση σημείων (π.χ. διασταυρώσεις

43

οδικών αρτηριών, κόμβοι υδρογραφικού δικτύου και χαρακτηριστικά σημεία επί των

ακτογραμμών), τα οποία διακρίνονται με ευκρίνεια, τόσο στη δορυφορική ψηφιακή

τηλεπισκοπική απεικόνιση, όσο και πάνω στην επιφάνεια της γης ή σε χαρτογραφικές

αναπαραστάσεις της γήινης επιφάνειας. Τα σημεία αυτά ονομάζονται σημεία επίγειου

ελέγχου και η θέση τους στην επιφάνεια της γης συνήθως εντοπίζεται από κάποιο

διαθέσιμο χάρτη, με αναφορά τις γεωγραφικές τους συντεταγμένες φ και λ, ή τις

γεωδαιτικές τους συντεταγμένες σε κάποιο Σύστημα Αναφοράς (π.χ. ΕΓΣΑ’87), ή μπορεί

να υπολογισθεί και με επιτόπου μετρήσεις (συνήθως με GPS). Ο σκοπός χρήσης των

συντεταγμένων των σημείων επιγείου ελέγχου (τόσο στη δορυφορική ψηφιακή

τηλεπισκοπική απεικόνιση, όσο και στο χάρτη) είναι η υλοποίηση ενός μετασχηματισμού

συντεταγμένων για όλα τα σημεία της δορυφορικής ψηφιακής τηλεπισκοπικής

απεικόνισης ως προς τον χάρτη. Οι συντρέχουσες προϋποθέσεις προκειμένου να

υλοποιηθεί σωστά ο μετασχηματισμός είναι οι ακόλουθες :

Τα σημεία επίγειου ελέγχου πρέπει να κατανέμονται ομοιόμορφα πάνω στην

εικόνα.

Οφείλει να είναι γνωστό το μοντέλο της παραμόρφωσης της δορυφορικής

απεικόνισης (γραμμικό, πολυωνυμικό κ.α.).

Οι συντεταγμένες των σημείων επίγειου ελέγχου τυγχάνουν επεξεργασίας από ένα

πρόγραμμα ελαχίστων τετραγώνων, ώστε να προσδιορισθούν οι συντελεστές των

δύο εξισώσεων μετασχηματισμού συντεταγμένων, οι οποίες μπορούν να

χρησιμοποιηθούν για να συσχετίσουν τις συντεταγμένες του γεωμετρικά ορθού χάρτη

με τις παραμορφωμένες συντεταγμένες της ψηφιακής απεικόνισης. Οι εξισώσεις

μετασχηματισμού συντεταγμένων δίνονται ως ακολούθως:

),(1 YXfx (1)

),(2 YXfy (2)

όπου:

),( yx συντεταγμένες της παραμορφωμένης ψηφιακής τηλεπισκοπικής

απεικόνισης

44

),( YX ορθές συντεταγμένες του χάρτη

),( 21 ff συναρτήσεις μετασχηματισμού

Μετά τον προσδιορισμό της συνάρτησης μετασχηματισμού των συντεταγμένων

απαιτείται μία διαδικασία προσδιορισμού των ψηφιακών τιμών των διαβαθμίσεων του

γκρι, οι οποίες χρησιμοποιούνται από την αρχική παραμορφωμένη εικόνα για να

τοποθετηθούν στη διορθωμένη (γεωμετρικά (γεωδαιτικά) ανηγμένη) απεικόνιση. Αυτή η

διαδικασία καλείται αναδόμηση της ψηφιακής τηλεπισκοπικής απεικόνισης και

χρησιμοποιεί τρεις μεθόδους: α) τη μέθοδο της εγγύτερης γειτνίασης, η οποία

παράγει μία τελική απεικόνιση, η οποία στηρίζεται στον υπολογισμό των ψηφιακών τιμών

των ψηφίδων βάσει της εγγύτερης ψηφίδας της αρχικής απεικόνισης, και παρουσιάζει το

μεγάλο πλεονέκτημα της ευκολίας των υπολογισμών και της αποφυγής αλλαγών των

ψηφιακών τιμών των διαβαθμίσεων του γκρι της αρχικής ψηφιακής τηλεπισκοπικής

απεικόνισης, β) τη διγραμμική μέθοδο αναδόμησης, η οποία λαμβάνει υπόψη της το

μέσο όρο των τεσσάρων (4) εγγύτερων ψηφίδων της απεικόνισης, και θεωρείται

ισοδύναμη διαδικασία της γραμμικής παρεμβολής στο διδιάστατο χώρο, και τέλος γ) την

κυβική συνέλιξη, η οποία υπολογίζεται από τις δεκαέξι (16) εγγύτερες τιμές της

αντίστοιχης ψηφίδας της αρχικής ψηφιακής απεικόνισης. Η μέθοδος αυτή δημιουργεί μία

τελική απεικόνιση, η οποία εμφανίζει περισσότερο οξυμένα τα στοιχεία της, αλλά

παράλληλα τροποποιεί αρκετά τις ψηφιακές τιμές των διαβαθμίσεων του γκρι της

αρχικής ψηφιακής τηλεπισκοπικής απεικόνισης (Lillesand – Kiefer, 1994, Αργιαλάς,

2000).

Οι ραδιομετρικές διορθώσεις εφαρμόζονται αμέσως μετά τη γεωμετρική διόρθωση

και την αναδόμηση των ψηφιακών τιμών της δορυφορικής τηλεπισκοπικής απεικόνισης.

Οι ραδιομετρικές διορθώσεις, οι οποίες πρέπει να διεξαχθούν πριν την εφαρμογή

τεχνικών επεξεργασίας ψηφιακών τηλεπισκοπικών απεικονίσεων, διακρίνονται σε δύο

κατηγορίες.

Α) Η πρώτη κατηγορία περιλαμβάνει τις ραδιομετρικές διορθώσεις, οι οποίες

πραγματοποιούνται για να περιοριστούν στο ελάχιστο δυνατό τα σφάλματα

λειτουργίας των αισθητήρων του σαρωτή και να βελτιστοποιηθεί το δυναμικό εύρος

45

λειτουργίας τους. Οι διορθώσεις αυτές γίνονται σε πραγματικό χρόνο κατά τη

λειτουργία του σαρωτή και επηρεάζουν τη βασική στάθμη και το βαθμό ενίσχυσης

των ειδικών διατάξεων των αισθητήρων.

Β) Η δεύτερη κατηγορία αφορά στις ατμοσφαιρικές διορθώσεις, οι οποίες εφαρμόζονται

προκειμένου να περιοριστεί η ραδιομετρική επίδραση εξωγενών παραγόντων, όπως

είναι η επίδραση της γήινης ατμόσφαιρας και του γήινου αναγλύφου κ.α., στο

λαμβανόμενο σήμα, κατά την διαδρομή της ακτινοβολίας μέχρι τον σαρωτή.

Η διόρθωση της επίδρασης του αναγλύφου στα ραδιομετρικά χαρακτηριστικά της

ψηφιακής τηλεπισκοπικής απεικόνισης απαιτεί την ύπαρξη ενός ψηφιακού

μοντέλου εδάφους για την διόρθωσή της.

Η επίδραση της διάχυσης του σήματος από την ατμόσφαιρα έχει ως συνέπεια την

αύξηση των τιμών φωτεινότητας των ψηφίδων σε κάθε κανάλι, με μικρότερη

ίσως επίδραση στα υπέρυθρα κανάλια. Έτσι, μία πρώτη προσέγγιση για τη

διόρθωση της επίδρασης της διάχυσης έγκειται στην μείωση των τιμών

φωτεινότητας των ψηφίδων του κάθε καναλιού κατά μία ποσότητα που

υπολογίζεται είτε με ρύθμιση των ιστογραμμάτων ή με παλινδρομική ρύθμιση.

Στη διεθνή βιβλιογραφία υπάρχουν ειδικά μοντέλα ατμοσφαιρικών διορθώσεων ,

τα οποία εξαλείφουν την επίδραση της ατμόσφαιρας (Lillesand και Kiefer, 1994,

2000).


Αργιαλάς Δ., (1994): Ψηφιακή Τηλεπισκόπηση, Σημειώσεις Ε.Μ.Π., Σχολή Αγρ.

& Τοπογρ. Μχκ

Photo-interpretation - Remote Sensing, 2003, Miliaressis, G., ION Editions,

Athens, (ISBN: 960-411-297-X).

Introduction to Geographic Information Systems and to Remote Sensing, 2000,

Vol.2, N.G., Giahoudi-Gianouli Editions, Thessalonica, (ISBN: 960-7425-309-8).






46

ΜΕΘΟΔΟΙ ΟΠΤΙΚΗΣ ΒΕΛΤΙΩΣΗΣ (ΕΝΙΣΧΥΣΗΣ), ΑΝΑΛΥΣΗΣ ΚΑΙ

ΕΠΕΞΕΡΓΑΣΙΑΣ ΤΩΝ ΔΟΡΥΦΟΡΙΚΩΝ ΨΗΦΙΑΚΩΝ ΤΗΛΕΠΙΣΚΟΠΙΚΩΝ

ΑΠΕΙΚΟΝΙΣΕΩΝ

Στο πλαίσιο της οπτικής βελτίωσης ανάλυσης και επεξεργασίας των δορυφορικών

ψηφιακών τηλεπισκοπικών απεικονίσεων των περιοχών έρευνας χρησιμοποιούνται

μέθοδοι και τεχνικές ενίσχυσης χαρακτηριστικών ενδιαφέροντος στις ψηφιακές

τηλεπισκοπικές απεικονίσεις. Οι τεχνικές αυτές έχουν ως στόχο την ανάδειξη των

χαρακτηριστικών των περιοχών έρευνας, καθώς και την ενίσχυση μέσω σαφέστερης

οπτικοποίησης των ομάδων οι οποίες παρουσιάζουν συγκεκριμένα φασματικά

χαρακτηριστικά, τα οποία τα καθιστούν αναγνωρίσιμα με τη χρήση των παραπάνω

τεχνικών.

Γενικότερα, ο σκοπός της οπτικής βελτίωσης (ενίσχυσης) των ψηφιακών

τηλεπισκοπικών απεικονίσεων είναι η διευκόλυνση της ερμηνείας τους με αύξηση της

διαχωρισιμότητας μεταξύ των αντικειμένων του πεδίου κατόπτευσης. Λόγω του ότι ο

ανθρώπινος οφθαλμός δεν έχει τη δυνατότητα διάκρισης μικρών ραδιομετρικών ή

φασματικών διαφορών, οι οποίες μπορεί να χαρακτηρίζουν τα αντικείμενα της γήινης

επιφάνειας, η ψηφιακή ενίσχυση (βελτίωση) των απεικονίσεων αποσκοπεί στην ενίσχυση

αυτών των ανεπαίσθητων διαφορών, ώστε να τις καταστήσει άμεσα αντιληπτές.

Οι περισσότερες τεχνικές ενίσχυσης ψηφιακών απεικονίσεων μπορούν να

κατηγοριοποιηθούν είτε ως σημειακοί ή ως τοπικοί τελεστές. Οι σημειακοί τελεστές

επιδρούν στην κάθε ψηφιακή τιμή μίας ψηφίδας της απεικόνισης, ανεξαρτήτως της

γειτονικής του ψηφίδας, σε αντίθεση με τους τοπικούς τελεστές, οι οποίοι μεταβάλλουν

τις τιμές της κάθε ψηφίδας, στηριζόμενοι στις τιμές των γειτονικών ψηφίδων.

Οι διαδικασίες ενίσχυσης των ψηφιακών απεικονίσεων κανονικά εφαρμόζονται μετά

τις κατάλληλες τεχνικές ραδιομετρικής αποκατάστασης (εξάλειψης θορύβου), και

κατατάσσονται στις ακόλουθες κατηγορίες:

Ενίσχυση της αντίθεσης των διαβαθμίσεων των τόνων του γκρι.

47

Ενίσχυση χωρικών στοιχείων με χρήση χωρικών φίλτρων (τοπικοί τελεστές) για την

ενίσχυση ακμών και ανάλυση FOURIER.

Ενίσχυση μέσω πολλαπλών καναλιών πολυφασματικών απεικονίσεων, με χρήση

πολυφασματικών λόγων και διαφορών καναλιών, ανάλυση κύριων συνιστωσών,

καθώς και της μεθόδου ενίσχυσης της αντίθεσης με αποσυσχέτιση (Lillesand – Kiefer,

1994, Αργιαλάς, 2000).

1 Εξομάλυνση ψηφιακών τηλεπισκοπικών απεικονίσεων και αφαίρεση θορύβου με

χρήση φίλτρων ομαλοποίησης (τοπικοί τελεστές)

Στις περιοχές έρευνας χρησιμοποιήθηκαν φίλτρα εξομάλυνσης στις ψηφιακές

τηλεπισκοπικές απεικονίσεις όλων των περιοχών έρευνας, και πιο συγκεκριμένα, φίλτρα

εξομάλυνσης Gauss πριν από την εφαρμογή των χωρικών φίλτρων υψηλής συχνότητας

στις ψηφιακές τηλεπισκοπικές απεικονίσεις για τη διατήρηση τοπικών διαφορών των

ψηφιακών τιμών φωτεινότητας στις απεικονίσεις των περιοχών έρευνας, για την

ανίχνευση γραμμικών στοιχείων (Lillesand και Kiefer, 2000), τα οποία αναδεικνύονται

καλύτερα στις υψηλές συχνότητες, όπως είναι το οδικό δίκτυο, με στόχο τον περαιτέρω

διαχωρισμό τους από τα υπόλοιπα γραμμικά στοιχεία γεωλογικού ενδιαφέροντος.

2 Ενίσχυση της αντίθεσης των διαβαθμίσεων των τόνων του γκρι

Τα συστήματα απεικόνισης ψηφιακών τηλεπισκοπικών απεικονίσεων, καθώς και οι

συσκευές καταγραφής τους, τυπικά λειτουργούν σε ένα εύρος 256 διαβαθμίσεων του

γκρι (ο μέγιστος αριθμός, ο οποίος μπορεί να απεικονισθεί σε μία ψηφιακή 8-bit

κωδικοποίηση). Οι ψηφιακές τιμές των διαβαθμίσεων του γκρι στις τηλεπισκοπικές

απεικονίσεις, σπανίως επεκτείνονται σε όλο αυτό το εύρος τιμών.

2.1 Γραμμική Επέκταση

Γι’ αυτό το λόγο, δηλαδή εφαρμόζεται η τεχνική ενίσχυσης της αντίθεσης των

διαβαθμίσεων του γκρι με γραμμική επέκταση του ιστογράμματος στις ψηφιακές

τηλεπισκοπικές απεικονίσεις. Η τεχνική αυτή εφαρμόζεται, τόσο στο αρχικό στάδιο

48

ερμηνείας των μεμονωμένων καναλιών των ψηφιακών τηλεπισκοπικών απεικονίσεων,

όσο και μετά την εφαρμογή των διάφορων τεχνικών και μεθόδων επεξεργασίας τους, για

τη βελτίωση της οπτικής τους εμφάνισης με σκοπό την ανάδειξη των περιοχών έρευνας.

Ο γενικότερος σκοπός της εφαρμογής αυτής της τεχνικής είναι η επέκταση του

μικρού εύρους των ψηφιακών τιμών μίας απεικόνισης εισόδου, σε ένα μεγαλύτερο εύρος

διαβαθμίσεων του γκρι. Η γραμμική επέκταση του ιστογράμματος που εφαρμόζεται σε

κάθε ψηφίδα της απεικόνισης εισόδου ακολουθεί τον εξής αλγόριθμο γραμμικής

επέκτασης:

255

MINMAX

MINDNND

(1)

όπου:

ND ψηφιακή τιμή αποδιδόμενη στην ψηφίδα της απεικόνισης εξόδου

DN αρχική ψηφιακή τιμή αποδιδόμενη στην ψηφίδα της απεικόνισης εισόδου

MIN ελάχιστη τιμή της απεικόνισης εισόδου, η οποία θα αποδοθεί στην τιμή 0 στην

απεικόνιση εξόδου

MAX μέγιστη τιμή της απεικόνισης εισόδου, η οποία θα αποδοθεί στην τιμή 255

στην απεικόνιση εξόδου

Λόγω του μειονεκτήματος της γραμμικής επέκτασης του ιστογράμματος να αποδίδει

τόσα επίπεδα απεικόνισης για τις σπάνιες διαβαθμίσεις του γκρι μιας απεικόνισης, όσα και

για αυτές που παρουσιάζονται με μεγαλύτερη συχνότητα, για τις ανάγκες των περιοχών

έρευνας χρησιμοποιήθηκε μια παραλλαγή του παραπάνω τύπου ενίσχυσης, η ενίσχυση

της αντίθεσης των διαβαθμίσεων του γκρι με επέκταση του ιστογράμματος και

αποκοπή των ακραίων τιμών του ιστογράμματος (Lillesand – Kiefer, 1994,

Αργιαλάς, 2000).

49

2.2. Ισοδυναμοποίηση του Ιστογράμματος (Histogram Equalisation)

Η ισοδυναμοποίηση του ιστογράμματος χρησιμοποιείται σε πιο δύσκολες περιπτώσεις

βελτίωσης της αντίθεσης. Μετά την διαδικασία βελτίωσης της αντίθεσης, η νέα εικόνα

που δημιουργείται έχει ομοιόμορφη κατανομή των εικονοστοιχείων κατά μήκος του

άξονα DN. Η μέθοδος αυτή, από μόνη της, περιέχει τον υπολογισμό του αριθμού των

εικονοστοιχείων σε κάθε τάξη ιστογράμματος κατανομής. Η τιμή αυτή μπορεί να βρεθεί

εύκολα με διαίρεση του Ν που αντιπροσωπεύει τον συνολικό αριθμό των εικονοστοιχείων

με το 256 που είναι ο αριθμός των τάξεων του γκρι.

50

Το ιστόγραμμα της αρχικής εικόνας μετατρέπεται σε αθροιστικό με τον

αριθμό των εικονοστοιχείων, στις τάξεις 0 μέχρι j, να αντιπροσωπεύεται από

το Cj όπου:

Cj=n0+n1+n2+n3+n4+……nj.

Η μέθοδος αυτή χρησιμοποιείται κυρίως σε μεμονωμένες εικόνες (εικόνες ενός

φασματικού καναλιού) και δεν κρίνεται κατάλληλη για έγχρωμες εμφανίσεις (συνδυασμό

φασματικών καναλιών).





Athens, (ISBN: 960-411-297-X).








51

3 Χρήση χωρικών φίλτρων – Τελεστές ανίχνευσης ακμών

Πρόκειται για τεχνικές οι οποίες δίνουν έμφαση στην επιλεκτική πληροφόρηση.

Γενικά, τα βασικά χαρακτηριστικά της εικόνας αποτελούν τα μεγάλης κλίμακας στοιχεία

όπως είναι η θάλασσα και η ξηρά. Αυτά τα μεγάλα χαρακτηριστικά εμπεριέχουν τοπικές

πληροφορίες, έως μικρής κλίμακας χαρακτηριστικά.

Τα φίλτρα είναι πίνακες m x n (μάσκες) οι οποίοι εφαρμόζονται στην εικόνα με σκοπό

να δώσουμε έμφαση ή να απαλύνουμε ορισμένα χαρακτηριστικά της. Τα φίλτρα

διακρίνονται σε χωρικά και φασματικά.

Τα χωρικά φίλτρα (Spatial filtering) αποτελούν μια ψηφιακή επεξεργασία η οποία

χρησιμοποιείται για να ενισχύσει την εμφάνιση μιας δορυφορικής εικόνας. Τα φίλτρα

αυτά έχουν σχεδιαστεί για να τονίζουν ή να εξομαλύνουν συγκεκριμένα χαρακτηριστικά

μιας εικόνας βασισμένα στην χωρική συχνότητα (spatial frequency). Η χωρική

συχνότητα σχετίζεται με την υφή της εικόνας (image texture) και αναφέρεται στην

συχνότητα μεταβολής των τόνων οι οποίοι εμφανίζονται σε μια εικόνα. Περιοχές τραχιάς

υφής, είναι οι περιοχές όπου ο τόνος μεταβάλλεται απότομα εντός μιας μικρής περιοχής

της εικόνας, και έχει υψηλές «χωρικές συχνότητες» ενώ, «ομαλές περιοχές» είναι αυτές

οι οποίες δείχνουν μικρή διακύμανση του τόνου και έχουν μικρή χωρική συχνότητα. Μια

συνήθης διαδικασία εφαρμογής φίλτρου περιλαμβάνει την μετακίνηση ενός

«παραθύρου» το οποίο αποτελείται από μερικά εικονοστοιχεία (pixels) με διαστάσεις 3x3

ή 5x5 ή 7x7, κ.τ.λ πάνω από κάθε εικονοστοιχείο της εικόνας. Με το τρόπο αυτό

εφαρμόζεται ένας μαθηματικός υπολογισμός χρησιμοποιώντας τις τιμές κάθε

εικονοστοιχείου κάτω από το «παράθυρο» και αντικαθιστώντας το κεντρικό

εικονοστοιχείο με μια νέα τιμή. Το παράθυρο μετακινείται κατά μήκος γραμμών και

στηλών ένα εικονοστοιχείο την φορά και ο υπολογισμός επαναλαμβάνεται έως ότου

ολόκληρη η αρχική εικόνα «φιλτραριστεί». Το αποτέλεσμα της διαδικασίας αυτής είναι η

δημιουργία (η παραγωγή) μιας καινούριας εικόνας. Μεταβάλλοντας τον υπολογισμό ο

οποίος εκτελείται κάθε φορά, τα φίλτρα μπορούν να σχεδιαστούν ανάλογα για το αν

θέλουμε να ενισχύσουμε ή να εξομαλύνουμε διάφορα χαρακτηριστικά της δορυφορικής

εικόνας.

52

Σε αντίθεση με τα φασματικά φίλτρα, τα οποία βοηθούν στην συγκράτηση ή την

διέλευση της ενέργειας από τις διάφορες φασματικές περιοχές, τα χωρικά φίλτρα

τονίζουν ή αποδυναμώνουν τα δεδομένα της εικόνας για διάφορες χωρικές συχνότητες.

Στο πλαίσιο της οπτικής βελτίωσης (ενίσχυσης), ανάλυσης και επεξεργασίας των

δορυφορικών ψηφιακών τηλεπισκοπικών απεικονίσεων για την ανίχνευση των

φωτογραμμώσεων, πραγματοποιείται χρήση και διερεύνηση χωρικών φίλτρων και

τελεστών ανίχνευσης ακμών (χώρος των αποστάσεων), με σκοπό α) την ανάδειξη και

χαρτογράφηση όλων των ευθύγραμμων και καμπυλόγραμμων χαρακτηριστικών

ενδιαφέροντος, όπως τεκτονικών γραμμώσεων (ρηγμάτων), των λιθολογικών ορίων, των

ορίων των ηφαιστειακών δομών, κ.α., και β) την απομάκρυνση του ενυπάρχοντος

συστηματικού θορύβου, ο οποίος υπεισέρχεται στις απεικονίσεις τη στιγμή της λήψης,

και ο οποίος παρουσιάζεται με τη μορφή γραμμών συγκεκριμένης διεύθυνσης.

Α) Χρήση χωρικών φίλτρων – τελεστών ενίσχυσης ακμών

1) Γραμμικά φίλτρα συνέλιξης για την ενίσχυση ακμών

Μάσκες διευθύνσεων (compass gradient masks) και φίλτρα τονισμού /

ενίσχυσης

Σ’ αυτή την κατηγορία δημιουργoύνται εικόνες φίλτρων στις τέσσερις (4)

βασικότερες διευθύνσεις (Β-Ν, Α-Δ, ΒΑ-ΝΔ, ΒΔ-ΝΑ) (Haralick, 1984, Jain, 1996, Jensen,

1996, Ρόκος, 1999). Οι μάσκες διευθύνσεων (compass gradient masks)

Φίλτρο

3x3

Διαδικασία εφαρμογής ενός φίλτρου 3x3 στα εικονοστοιχεία μιας εικόνας.

53

χρησιμοποιούνται για την διεξαγωγή διδιάστατης, διακριτής, ενίσχυσης ακμών κατά

κατεύθυνση (Jain, 1989, Pratt, 1991). Μερικά παραδείγματα τέτοιων φίλτρων είναι τα

ακόλουθα:

Μάσκα Η =

111

1 21

1 1 1

Βορράς

Μάσκα Ι =

1 11

1 21

1 1 1

ΒΑ

Μάσκα J =

1 1 1

1 21

1 1 1

Ανατολή

Μάσκα Κ =

1 1 1

1 21

1 1 1

ΝΑ

Τα ονόματα των φίλτρων διεύθυνσης υποδηλώνουν τη διεύθυνση κλίσης της

μέγιστης απόκρισης. Για παράδειγμα, το φίλτρο Ανατολικής διεύθυνσης (μάσκα J)

παράγει το μέγιστο αποτέλεσμα των αλλαγών στις τιμές φωτεινότητας των ακμών από

Δύση προς Ανατολή. Τα φίλτρα κατεύθυνσης έχουν μηδενικό συντελεστή βάρους (Pratt,

1991), γεγονός που σημαίνει, ότι δεν επιφέρουν καμία αλλαγή στις τιμές φωτεινότητας

για περιοχές, οι οποίες δεν εμφανίζουν ακμές.

Γραμμικά φίλτρα παραγώγου

54

Αυτά τα φίλτρα τονίζουν τα γραμμικά όρια / ακμές κατά μήκος των δύο βασικών

διευθύνσεων οριζόντια (διεύθυνση Β-Ν) και κάθετη (διεύθυνση Α-Δ)), καθώς και

συνδυασμός των δύο, βασισμένος σε πρόσθεση φίλτρων.

Μία απευθείας μέθοδος για την εξαγωγή ακμών σε ψηφιακές τηλεπισκοπικές

απεικονίσεις είναι η εφαρμογή των γραμμικών φίλτρων υπολογισμού της πρώτης

παραγώγου μεταξύ δύο γειτονικών ψηφίδων. Οι αλγόριθμοι, οι οποίοι υπολογίζουν την

πρώτη παράγωγο της απεικόνισης εισόδου, κατά την οριζόντια, την κάθετη και τις δύο

διαγώνιες διευθύνσεις, είναι οι εξής:

Κατακόρυφη διεύθυνση: KBVBVBV jijiji 1,,,

Οριζόντια διεύθυνση: KBVBVBV jijiji ,1,,

ΒΑ διαγώνια διεύθυνση: KBVBVBV jijiji 1,1,,

NA διαγώνια διεύθυνση: KBVBVBV jijiji 1,1,,

Το αποτέλεσμα αυτής της αφαίρεσης μπορεί να είναι είτε θετικό ή αρνητικό. Για αυτό

το λόγο προστίθεται μία σταθερά K (η οποία συνήθως παίρνει την τιμή 127), έτσι ώστε

όλες οι τιμές να γίνουν θετικές και να συμπεριλαμβάνονται στο διάστημα από 0 μέχρι

255. Η τελική απεικόνιση υπόκεινται γραμμική επέκταση ιστογράμματος για να

ενισχυθούν περαιτέρω οι ακμές (Avery – Berlin, 1992). Το καλύτερο είναι να έχουν η

μέγιστη και η ελάχιστη τιμή του ιστογράμματος της απεικόνισης, ομοιόμορφη απόσταση

από την τιμή 127 του μεσοδιαστήματος [0, 255]. Αυτό έχει ως αποτέλεσμα, οι

ομοιογενείς περιοχές να εμφανίζονται με διαβαθμίσεις των τόνων του γκρι, ενώ οι

σημαντικές ακμές να γίνονται μαύρες ή άσπρες (Jensen, 1996).

Φίλτρα ενίσχυσης ακμών από συγκεκριμένη ηλιακή γωνία φωτισμού στις

τέσσερις (4) βασικές διευθύνσεις

Τα φίλτρα ενίσχυσης ακμών από συγκεκριμένη ηλιακή γωνία φωτισμού έχουν

μέγεθος μάσκας 3x3, και το αποτέλεσμα της εφαρμογής τους είναι η δημιουργία χαρτών

55

σκιασμένου αναγλύφου. Για παράδειγμα, ας υποτεθεί η χρήση ενός φίλτρου με

ηλιακή γωνία φωτισμού από τη ΒΑ διεύθυνση. Σε αυτή την περίπτωση θα αναδειχθούν οι

ακμές (για τη συγκεκριμένη εφαρμογή, οι γεωλογικές φωτογραμμώσεις, όπως τα

ρήγματα), οι οποίες βρίσκονται στη διαγώνια διεύθυνση από ΒΔ προς ΝΑ. Ενδεικτικό

παράδειγμα ενός φίλτρου αυτής της μορφής είναι και το εξής:

Μάσκα ΗΦΒΑ =

0 1 1

1 0 1

1 1 0

Ηλιακή γωνία φωτισμού από τη ΒΑ διεύθυνση

Φίλτρα υψηλής συχνότητας

Στο πλαίσιο αυτής της κατηγορίας δημιουργούνται εικόνες φίλτρων συνέλιξης

Laplace (το οποίο αποτελεί και φίλτρο δεύτερης παραγώγου) (Pratt, 1991, Jensen,

1996), μη γραμμικού φίλτρου με μέγεθος μάσκας 1x33, γραμμικού φίλτρου συνέλιξης

FORD με μέγεθος μάσκας 5x5 (Ford, et al, 1983), φίλτρων ενίσχυσης (όξυνσης) ακμών

(sharpening filters) με μέγεθος μάσκας 3x3 και 11x11 (ERMAPPER 5.5 Tutorial,

ERMAPPER 5.5 Reference Manual), εικόνες φίλτρων συνέλιξης Biedny – Monroe και Russ

(Biedny – Monroe, 1991, Russ, 1992, Jensen, 1996).

Ειδικότερα, τα φίλτρα συνέλιξης Laplace, τα οποία είναι και τα δημοφιλέστερα

φίλτρα υψηλής συχνότητας, μπορούν να εφαρμοσθούν σε ψηφιακές απεικονίσεις για την

ενίσχυση των ακμών. Η Λαπλασιανή (Laplacian) είναι μία δεύτερη παράγωγος (σε

αντιδιαστολή με την κλίση (διεύθυνση), η οποία είναι πρώτη παράγωγος) και είναι

ανεξάρτητη της στροφής, γεγονός που σημαίνει ότι μένει ανεπηρέαστη σε οποιαδήποτε

μεταβολή κατεύθυνσης των ασυνεχειών (ακμών), αλλά θεωρείται ιδιαίτερα ευαίσθητη

στην παρουσία θορύβου. Ενδεικτικά, παρατίθενται παραδείγματα φίλτρων συνέλιξης

Laplace:

ΜάσκαΤ=…..

0 10

1 4 1

1 1 0

56

Μάσκα U =

1 11

1 8 1

11 1

Σε γενικές γραμμές, τα φίλτρα συνέλιξης Laplace αναδεικνύουν σημεία, γραμμές και

ακμές σε μία ψηφιακή απεικόνιση, και καταστέλλουν τις ομοιόμορφες και ομαλές

περιοχές. Επειδή, δεν είναι εύκολο να ερμηνευθεί από μόνη της μία απεικόνιση, η οποία

προκύπτει από την εφαρμογή ενός φίλτρου συνέλιξης Laplace, συνήθως η εικόνα αυτή

προστίθεται στην αρχική απεικόνιση με τη χρήση του ακόλουθου φίλτρου (Bernstein,

1983, Jensen, 1996):

ΜάσκαΧ=……

0 10

1 5 1

0 1 0

Οι προαναφερθείσες κατηγορίες φίλτρων παρήγαγαν απεικονίσεις, οι οποίες

προήλθαν από την απευθείας εφαρμογή των φίλτρων αυτών, ή τον μεταξύ τους

αλγεβρικό συνδυασμό (συνδυασμό φίλτρων υψηλής συχνότητας και συνδυασμό

φίλτρων υψηλής συχνότητας με φίλτρα ομαλοποίησης Gauss).

Το φίλτρο Gauss έχει ως αποτέλεσμα ένα «κεντροβαρικό μέσο όρο» της γειτονιάς

μίας ψηφίδας, με το μέσο όρο αυτό να κλίνει περισσότερο προς την τιμή των κεντρικών

ψηφίδων. Αυτή είναι και η διαφορά μεταξύ του φίλτρου εξομάλυνσης του Gauss και του

φίλτρου διαμέσου, το οποίο παρέχει έναν ομοιόμορφο κεντροβαρικό μέσο όρο. Εξαιτίας

αυτής της διαφοράς, το φίλτρο Gauss παρέχει «ομαλότερη» εξομάλυνση και διατηρεί

καλύτερα τις ακμές από το φίλτρο διαμέσου παρόμοιου μεγέθους μάσκας (Fisher, et. al,

2000, http://www.dai.ed.ac.uk/HIPR2/gsmooth.htm).

Ενδεικτικές εφαρμογές αυτών των φίλτρων εμπεριέχονται στο CD, το οποίο

συνοδεύει το τεύχος της τελικής έκθεσης του έργου.

2) Φίλτρα ανίχνευσης ακμών

http://www.dai.ed.ac.uk/HIPR2/gsmooth.htm

57

Σ' αυτή την κατηγορία εμπίπτουν το φίλτρο Prewitt, καθώς και το μη γραμμικό

φίλτρο Sobel. Μπορεί επίσης να θεωρηθεί, ότι τα συγκεκριμένα δύο φίλτρα, δηλαδή το

φίλτρο Prewitt και το φίλτρο Sobel είναι μια εναλλακτική προσέγγιση της ανίχνευσης

ακμών με εφαρμογή διαφορικής παραγώγισης (παραγώγου κατά κλίση).

Το φίλτρο Prewitt ανιχνεύει τις ακμές, οι οποίες εμφανίζονται κατά τη διεύθυνση ΒΑ-

ΝΔ (45ο) και τη διεύθυνση Α-Δ (0ο), μετά τη διαδοχική εφαρμογή αυτών των δύο

φίλτρων διεύθυνσης (Gonzales – Woods, 1992).

Μάσκα Ι =

1 11

1 21

1 1 1

Διεύθυνση 45ο

Μάσκα J =

1 1 1

1 21

1 1 1

Διεύθυνση 0ο

To μη γραμμικό φίλτρο Sobel υπολογίζει τη διακριτή παράγωγο κατά την οριζόντια

και την κάθετη διεύθυνση για μία θέση ),( ji μίας ψηφίδας. Οι ορθογώνιες

συντεταγμένες της παραγώγου είναι:

)}1,1(),1(2)1,1({

)}1,1(),1(2)1,1({1

jijiji

jijiji

(

29)

και

)}1,1()1,(2)1,1({

)}1,1()1,(2)1,1({2

jijiji

jijiji

(

30)

Στη συνέχεια, πρέπει να εφαρμοσθεί ένα κατώφλι για τη δημιουργία ενός χάρτη

ακμών, στον οποίο θα έχουν απαλοιφεί οι μικρές αποκρίσεις λόγω θορύβου και μικρών

παραγώγων. Ο τελεστής Sobel είναι ισοδύναμος στην ταυτόχρονη χρήση των παρακάτω

φίλτρων κατά την οριζόντια και την κάθετη διεύθυνση:

58

121

0 0 0

1 2 1

1

και

1 0 1

2 0 2

1 0 1

2

(31)

ενώ το μέτρο της κλίσης υπολογίζεται από τον τύπο (Richards,1995):

)(2

22

1 (

32)

Τα φίλτρα ανίχνευσης ακμών χρησιμοποιούνται κυρίως σε διαδικασίες

αυτοματοποίησης (πρώτο στάδιο αυτόματης εξαγωγής ακμών), για την άμεση

δημιουργία δυαδικών χαρτών.





Athens, (ISBN: 960-411-297-X).








59

4. ΑΝΑΛΥΣΗ ΚΥΡΙΩΝ ΣΥΝΙΣΤΩΣΩΝ – ΕΝΙΣΧΥΣΗ ΜΕ ΤΗΝ ΜΕΘΟΔΟ ΤΗΣ

ΑΠΟΣΥΣΧΕΤΙΣΗΣ (DECORRELATION STRETCHING)

Η σημαντική συσχέτιση μεταξύ των καναλιών είναι ένα πρόβλημα, το οποίο συχνά

συναντάται στην ανάλυση των πολυφασματικών ψηφιακών απεικονίσεων. Δηλαδή,

απεικονίσεις, οι οποίες έχουν παραχθεί από ψηφιακά δεδομένα σε διάφορα μήκη

κύματος, συχνά εμφανίζονται παρόμοιες, και κατά συνέπεια, εμπεριέχουν την ίδια

πληροφορία. Ο μετασχηματισμός κυρίων συνιστωσών (Principal Component

Analysis – PCA) είναι μία τεχνική, η οποία έχει αναπτυχθεί ώστε να εξαλείψει ή να

ελαττώσει αυτού του είδους τους πλεονασμούς από τις πολυφασματικές ψηφιακές

τηλεπισκοπικές απεικονίσεις. Αυτός ο μετασχηματισμός μπορεί να εφαρμοσθεί, είτε ως

μία τεχνική ενίσχυσης πριν από την ερμηνεία των πολυφασματικών ψηφιακών

τηλεπισκοπικών απεικονίσεων, ή ως μία προεπεξεργασία πριν την αυτόματη διαδικασία

της ταξινόμησης των απεικονίσεων αυτών.

Οι τιμές των κύριων συνιστωσών είναι απλώς γραμμικοί συνδυασμοί των

πρωτογενών ψηφιακών τηλεπισκοπικών απεικονίσεων. Για τα κανάλια μίας

πολυφασματικής ψηφιακής τηλεπισκοπικής απεικόνισης, η πρώτη κύρια συνιστώσα (PC1)

περιλαμβάνει το μεγαλύτερο ποσοστό της συνολικής διασποράς της απεικόνισης, ενώ οι

συνιστώσες που ακολουθούν περιλαμβάνουν μειωμένα ποσοστά της συνολικής

διασποράς της απεικόνισης, σε σχέση με την προηγούμενη συνιστώσα. Επιπρόσθετα,

επειδή η κάθε νέα συνιστώσα επιλέγεται να είναι ορθογώνια προς όλες τις προηγούμενες,

τα μετασχηματισμένα δεδομένα είναι ασυσχέτιστα (Lillesand – Kiefer, 1994, Αργιαλάς,

2000).

Η ανάλυση κυρίων συνιστωσών χρησιμοποιείται κυρίως για τη «συμπίεση» της

πληροφορίας των πολυφασματικών ψηφιακών τηλεπισκοπικών απεικονίσεων, και κατά

συνέπεια τη μείωση της διάστασης του χώρου των καναλιών. Όπως είναι ήδη γνωστό,

για τις ψηφιακές τηλεπισκοπικές απεικονίσεις LANDSAT-TM, οι οποίες παρουσιάζουν

πληροφορία σε 7 φασματικές περιοχές, ο μετασχηματισμός κυρίων συνιστωσών

χρησιμεύει για την απόδοση του 93% περίπου της φασματικής πληροφορίας σε τρεις

μόνο συνιστώσες, οι οποίες είναι ασυσχέτιστες μεταξύ τους, και συχνά με μεγαλύτερη

60

δυνατότητα ερμηνείας από τα αρχικά δεδομένα (Lillesand και Kiefer, 1994, Jensen,

1996, Ρόκος, 1998, Αργιαλάς, 2000).

Η τεχνική της ενίσχυσης με αποσυσχέτιση (decorrelation stretching) έχει ως

στόχο την μετατροπή της κατανομής των ψηφιακών τιμών των κύριων συνιστωσών των

ψηφιακών τηλεπισκοπικών απεικονίσεων LANDSAT-TM (και όχι της πρωτογενούς

απεικόνισης LANDSAT-TM), μέσα στο εύρος ψηφιακών τιμών από 0 έως 255 για την

αξιοποίηση του πλήρους φάσματος των ψηφιακών τιμών. Όπως προαναφέρθηκε, ένας

μετασχηματισμός κύριων συνιστωσών είναι μία πολυφασματική απεικόνιση σε ένα

σύνολο μεταξύ τους ορθογώνιων απεικονίσεων που απεικονίζουν την μεταβλητότητα

μεταξύ των καναλιών. Εξαρτώμενες από τα εύρη των ψηφιακών τιμών και τη

μεταβλητότητα των διακεκριμένων καναλιών εισόδου, αυτές οι νέες απεικονίσεις (κύριες

συνιστώσες) καταλαμβάνουν ένα μόνο μέρος του πιθανού εύρους των ψηφιακών τιμών

από το 0-255. Γι’ αυτό το λόγο, το ιστόγραμμα κάθε κύριας συνιστώσας επεκτείνεται στο

εύρος 0-255 και η νέα ενισχυμένη με αυτή τη μέθοδο απεικόνισης της κύριας

συνιστώσας επαναμετασχηματίζεται στο χώρο των αρχικών δεδομένων.

Το τελικό αποτέλεσμα της επέκτασης του ιστογράμματος των κύριων συνιστωσών με

αποσυσχέτιση είναι η ενίσχυση των λιγότερο συσχετισμένων συνιστωσών των αρχικών

απεικονίσεων. Όταν αυτές οι απεικονίσεις υποστούν επέκταση του ιστογράμματος με

αυτή τη μέθοδο και μετασχηματιστούν στο σύστημα RGB, το αποτέλεσμα θα είναι μία

απεικόνιση, η οποία θα παρουσιάζει αυξημένο βαθμό κορεσμού των χρωμάτων της

(Lillesand και Kiefer, 1994, Αργιαλάς, 2000).

61

ΦΑΣΜΑΤΙΚΟΙ ΛΟΓΟΙ

Οι λόγοι καναλιών είναι ενισχύσεις, οι οποίες προκύπτουν από τη διαίρεση των

ψηφιακών τιμών σ’ ένα φασματικό κανάλι, με τις αντίστοιχες τιμές σε ένα άλλο κανάλι.

Ένα κύριο πλεονέκτημα των φασματικών λόγων μεταξύ καναλιών μίας πολυφασματικής

απεικόνισης είναι ότι αναδεικνύουν τα φασματικά χαρακτηριστικά των διαφόρων

στοιχείων της απεικόνισης, ανεξάρτητα από την έκταση των συνθηκών φωτισμού της

περιοχής κατόπτευσης. Συνεπώς, μία απεικόνιση, η οποία προκύπτει από την εφαρμογή

ενός φασματικού λόγου μεταξύ δύο καναλιών για μία περιοχής κατόπτευσης, θα

μπορούσε αποτελεσματικά να αντισταθμίσει τη διακύμανση των ψηφιακών τιμών, η

οποία οφείλεται στο τοπογραφικό ανάγλυφο, και μ’ αυτό τον τρόπο, δίνει έμφαση στη

φασματική και χρωματική πληροφορία μίας πολυφασματικής ψηφιακής απεικόνισης

(Lillesand και Kiefer, 1994, Αργιαλάς, 2000).

Η επεξεργασία της δημιουργίας φασματικών λόγων και έγχρωμων συνθέτων με

εικόνες λόγους υποβοηθά στην επιλογή αντιπροσωπευτικών δειγμάτων εκπαίδευσης

συγκεκριμένων θεματικών τάξεων κατά το στάδιο της επιβλεπόμενης ταξινόμησης, αλλά

συνήθως αποτελεί ένα αυτόνομο στάδιο επεξεργασιών μίας ψηφιακής τηλεπισκοπικής

απεικόνισης. Από αυτή τη διαδικασία λαμβάνονται πολύ χρήσιμα συμπεράσματα α) για

τα φασματικά χαρακτηριστικά της κάλυψης γης των περιοχών έρευνας, τα οποία

συνδέονται άμεσα με την ορυκτολογική σύσταση του εδάφους των περιοχών αυτών και

β) για την οριοθέτηση των ζωνών των περιοχών έρευνας.

Ο αριθμός των φασματικών λόγων που μπορούν να αναπτυχθούν από n κανάλια

δεδομένων είναι n(n-1). Συνεπώς για τα δεδομένα Landsat-TM (εξαιρουμένου του

θερμικού καναλιού) μπορούν να αναπτυχθούν 6 (7-1), ή 30 δυνατοί συνδυασμοί λόγων.

Για παράδειγμα, ο λόγος του εγγύς υπέρυθρου προς το κόκκινο, για την υγιή βλάστηση

είναι συνήθως πολύ υψηλός ενώ για τις περιπτώσεις της υπό κάμψη βλάστησης, είναι

τυπικά χαμηλότερος καθώς η υπέρυθρη ανακλαστικότητα μειώνεται ενώ η κόκκινη

αυξάνεται. Αυτού του είδους ο λόγος έχει χρησιμοποιηθεί εκτεταμένα ως δείκτης

βλάστησης με σκοπό την σχετική ποσοτικοποίηση της πράσινης βλάστησης και της

βιομάζας.

62

Οι πιο γνωστοί δείκτες βλάστησης είναι:

IR/R (Υπέρυθρο/Ερυθρό): πρόκειται για δείκτη ποιότητας βλάστησης. Οι φωτεινές

περιοχές αντιπροσωπεύουν την υγιή βλάστηση.

Vegetation Index (Δείκτης βλάστησης): Εκτίμηση της υγιούς βλάστησης

NDVI: Κανονικοποιημένος δείκτης βλάστησης.

Είναι δείκτης εδαφικής κάλυψης της βλάστησης. [(ΝIR-R)/(ΝIR+R)]

Η εξίσωση δίνει τιμές που κυμαίνονται -1 - 1. Ενδεικτικές αρνητικές τιμές είναι τα

σύννεφα, το χιόνι, το νερό και άλλες περιοχές δίχως βλάστηση, ενώ οι

θετικές τιμές υποδηλώνουν βλάστηση. Όσο υψηλότερη είναι η τιμή NDVI, τόσο

πιο πράσινη ή φωτοσυνθετικά ενεργή, είναι η φυτική κάλυψη της περιοχής.

O δείκτης NDVI σχετίζεται ισχυρά με τον δείκτη φυλλικής επιφάνειας (Leaf

Area Index - LAI), το ποσοστό της απορροφούμενης φωτοσυνθετικά ενεργής

ακτινοβολίας (Fraction of Absorbed Photosynthetically Active Radiation - FAPAR),

και το ποσοστό φυτοκάλυψης της περιοχής (fractional vegetation cover – fc)

(Carlson & Ripley, 1997). Αυτές οι παράμετροι είναι πολύ σημαντικές στην μελέτη

της πρωτογενούς παραγωγικότητας και του κύκλου του άνθρακα και γι' αυτό το

λόγο η παραγωγή παγκόσμιων χαρτών NDVI και η διαθεσιμότητα μακρών

αρχείων δορυφορικών δεδομένων αποτελεί πολύ ενδιαφέρον στοιχείο στην

μελέτη των κλιματικών αλλαγών.

65

TNDVI: Μετασχηματισμένος δείκτης βλάστησης.

Οι φασματικοί λόγοι 5/7 και 3/1 χρησιμοποιούνται για τον εντοπισμό των ζωνών

υδροθερμικής εξαλλοίωσης. Οι συγκεκριμένοι φασματικοί λόγοι χρησιμοποιήθηκαν στη

βιβλιογραφία (Gupta, 1991, Sabins, 1997) για τον εντοπισμό ζωνών υδροθερμικής

εξαλλοίωσης σε επιθερμικά κοιτάσματα χρυσού και πορφυριτικά κοιτάσματα χαλκού,

όπως για παράδειγμα για την περιοχή του Cuprite, στο Goldfield της Νεβάδα – Η.Π.Α., η

οποία παρουσίασε παρόμοια δομή και ζώνωση εξαλλοιώσεων. Οι περιοχές, οι οποίες

εμφανίζονται με άσπρο χρώμα αλλά και ανοιχτό γκρι σ’ αυτό το ψευδέγχρωμο σύνθετο,

είναι οι περιοχές εξαλλοιώσεων μεγαλύτερης έντασης (πυριτίωση, προχωρημένη

αργιλική, αργιλική). Οι περιοχές, οι οποίες εμφανίζονται με σκούρους τόνους του γκρι

ορίζουν εξαλλοιώσεις χαμηλότερης έντασης, όπως σερικιτίωση, επιδοτίωση και

προπυλιτίωση. Οι περιοχές με χρώμα μαύρο ή πολύ σκούρο γκρι αντιπροσωπεύουν

αναλλοίωτες λάβες (Sabins, 1997, 1999).

Αναλυτικότερα, στην απεικόνιση η οποία προκύπτει από την εφαρμογή του λόγου

5/7, δίνεται έμφαση στις φασματικές διαφορές που παρουσιάζουν τα υδροθερμικά

εξαλλοιωμένα αργιλικά ορυκτά ιλλίτης, καολίνης και μοντμοριλλονίτης. Αυτά τα ορυκτά

εμφανίζουν διακριτά χαρακτηριστικά απορρόφησης (ελάχιστη ανακλαστικότητα) στο

εύρος του μήκους κύματος του καναλιού 7 του Θεματικού Χαρτογράφου του LANDSAT

(LANDSAT-TM), ενώ παρουσιάζουν τη μέγιστη ανακλαστικότητα στο κανάλι 5. Γι' αυτό

το λόγο, η χρήση του φασματικού λόγου 5/7 παρουσιάζει αρκετά μεγάλο ενδιαφέρον και

κρίνεται απαραίτητη για την ανίχνευση των συγκεκριμένων υδροθερμικών αργιλικών

ορυκτών.

Από την άλλη πλευρά, η εφαρμογή του φασματικού λόγου 3/1 παρέχει απεικονίσεις

στις οποίες διαχωρίζονται τα οξείδια του σιδήρου και τα θειικά ορυκτά. Πιο

συγκεκριμένα, στο κανάλι 1 (μπλε) της ψηφιακής τηλεπισκοπικής απεικόνισης LANDSAT-

TM, τα ορυκτά τα οποία περιέχουν οξείδια του σιδήρου παρουσιάζουν χαμηλή

ανακλαστικότητα, ενώ στο κανάλι 3 (κόκκινο), τα ίδια ορυκτά παρουσιάζουν υψηλή

ανακλαστικότητα. Ιδιαίτερα, όσον αφορά στο λόγο 3/1, παρουσιάζεται δυσκολία στον

66

απευθείας διαχωρισμό της φασματικής απόκρισης των αργιλικών ορυκτών από τη

βλάστηση, και γι’ αυτό το λόγο προτιμάται η χρήση του μέσα σε έγχρωμο σύνθετο.





Athens, (ISBN: 960-411-297-X).








67

ΤΑΞΙΝΟΜΗΣΗ ΠΟΛΥΦΑΣΜΑΤΙΚΩΝ ΨΗΦΙΑΚΩΝ

ΤΗΛΕΠΙΣΚΟΠΙΚΩΝ ΑΠΕΙΚΟΝΙΣΕΩΝ

ΕΙΣΑΓΩΓΗ – ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΤΑΞΙΝΟΜΗΣΗΣ

Η ταξινόμηση (classification) ενός συνόλου πολυφασματικών ψηφιακών

τηλεπισκοπικών απεικονίσεων περιλαμβάνει το συσχετισμό κάθε ψηφίδας της

απεικόνισης με μια ονομασία που περιγράφει ένα πραγματικό αντικείμενο ή σημείο στο

έδαφος. Οταν αυτή η διαδικασία εκτελείται για όλες τις ψηφίδες, τότε το αποτέλεσμα

είναι ένας θεματικός χάρτης, στον οποίο παρουσιάζεται η γεωγραφική κατανομή των

«θεματικών τάξεων», και όχι οι πολυειδείς λεπτομέρειες, οι οποίες σχετίζονται με κάθε

θέση, οι οποίες παρουσιάζονται στον τοπογραφικό χάρτη.

Οι τελικοί θεματικοί χάρτες παράγονται ως αποτέλεσμα ολοκληρωμένης διαδικασίας

επιβλεπόμενης ταξινόμησης και υπολογισμού της ακρίβειάς της με τη χρήση δειγμάτων

υπαίθρου (Σχήμα).

Επιβλεπόμενη Ταξινόμηση

Μη Επιβλεπόμενη

Ταξινόμηση

Επιλογή των πεδίων

Εκπαίδευσης

Ταξινόμηση της ψηφιακής

τηλεπισκοπικής απεικόνισης

Εισαγωγή / Εκτίμηση των

φασματικών υπογραφών

Εκτίμηση ταξινόμησης

Σχήμα Απλοποιημένο διάγραμμα ροής, στο οποίο απεικονίζονται τα κυριότερα στάδια

εκτέλεσης ολοκληρωμένης διαδικασίας ταξινόμησης σε πολυφασματικές απεικονίσεις.

68

Α.1. ΜΗ ΕΠΙΒΛΕΠΟΜΕΝΗ ΤΑΞΙΝΟΜΗΣΗ – ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ - ΔΙΑΔΙΚΑΣΙΑ

Η ταξινόμηση αυτή αποβλέπει στην εξαγωγή των κύριων φασματικών τάξεων, οι

οποίες εμφανίζονται σε μια ψηφιακή τηλεπισκοπική απεικόνιση, και στην εκ των υστέρων

αναγνώριση και αντιστοίχησή τους σε πραγματικές τάξεις αντικειμένων / εμφανίσεων της

γήινης επιφάνειας.

Στη μη επιβλεπόμενη ταξινόμηση (unsupervised classification) δεν υπάρχουν φόρμες,

ώστε να συσχετιστεί κάθε ψηφίδα, παρά μια μέθοδος κατανομής και ανακατανομής των

ανεξαρτήτων ψηφίδων σ’ ένα αρχικό σύνολο των αυθαίρετα επιλεγμένων ομάδων

(clusters) (Dhodhi, et al., 1999). Ο αριθμός των ομάδων θεωρείται γνωστός εκ των

προτέρων. Σ’ αυτή την ταξινόμηση δεν χρησιμοποιείται δείγμα εκπαίδευσης (training

sample), όπως στην εκτέλεση της επιβλεπόμενης ταξινόμησης. Ομαδοποιούνται οι

ψηφίδες σύμφωνα με τη φασματική τους απόκριση. Οι τάξεις, οι οποίες προκύπτουν από

τη μη επιβλεπόμενη ταξινόμηση είναι καθαρά φασματικές τάξεις. Κατά την ανάλυση της

απεικόνισης προσδιορίζεται η φασματική υπογραφή των χαρακτηριστικών της γήινης

επιφάνειας για αυτές τις φασματικές τάξεις, συγκρίνοντας τα δεδομένα από την

ταξινόμηση της απεικόνισης με εκείνα τα δεδομένα επιγείου ελέγχου που

69

χρησιμοποιούνται ως αναφορά (Shirokawa P,

http://www.csupomona.edu/~pishirokawa/).

Η μη επιβλεπόμενη ταξινόμηση εκτελείται με τη χρήση του αλγόριθμου ISODATA,

προκαθορίζοντας τον αριθμό των τάξεων, στον οποίο θα ταξινομηθεί η κάθε ψηφιακή

απεικόνιση, ώστε να επιτευχθεί τελικά η βελτίωση της επιβλεπόμενης ταξινόμησης.

Πραγματοποιείται για τουλάχιστον τόσες φασματικές τάξεις όσες αναγνωρίστηκαν στην

επιβλεπόμενη ταξινόμηση και στη συνέχεια επιχειρείται η χρήση μεγαλύτερου αριθμού

φασματικών τάξεων για τη βελτίωση της επιβλεπόμενης ταξινόμησης.

Α.1.1 Αλγόριθμοι

Oι αλγόριθμοι που χρησιμοποιούνται στην εκτέλεση της μη επιβλεπόμενης

ταξινόμησης είναι οι εξής (TNTmips, Version 6.5, 2001):

των κ- μέσων (k-means)

Απλοποιημένη ομαδοποίηση μίας διέλευσης (Simple One- Pass Clustering)

Fuzzy C - Means

της Γωνίας Ελάχιστης Κατανομής

της Αυτόματης Διαχείρισης

Adaptive Reasonance

ISODATA

Ο αλγόριθμος ISODATA

Ο γνωστός αλγόριθμος ταξινόμησης ISODATA (Iterative Self-Organizing Data

Analysis) (Tou – Gonzalez, 1974), είναι δυνατόν να θεωρηθεί ως το σημείο αναφοράς για

όλους τους αλγορίθμους της μη επιβλεπόμενης ταξινόμησης. Ο αλγόριθμος ISODATA

αποτελεί μια μέθοδο, η οποία χρησιμοποιεί την Ευκλείδεια απόσταση ως μέτρο

σύγκρισης, ώστε να συγκεντρώσει τα δεδομένα στοιχεία σε διαφορετικές τάξεις.

http://www.csupomona.edu/~pishirokawa/

70

Τα πλεονεκτήματα του αλγόριθμου ΙSODATA είναι ότι απαιτεί σχετικά λίγα δεδομένα

από τον χρήστη και εκτελεί ένα μεγάλο αριθμό επαναλήψεων, έως ότου εξαχθούν τα

αναμενόμενα αποτελέσματα (Scarpace, 1998).

Οι παράμετροι, οι οποίες ορίζονται κατά την εκτέλεση της ταξινόμησης με τον

αλγόριθμο ΙSODATA είναι:

μέγιστος αριθμός τάξεων

το ελάχιστο ποσοστό ψηφίδων που ανήκουν σε μια τάξη

η μέγιστη τυπική απόκλιση της κατανομής μιας ταξινόμησης

η ελάχιστη απόσταση μεταξύ των μέσων δύο τάξεων

Ο στόχος της τεχνικής ISODATA είναι να κατανείμει ένα δεδομένο σύνολο των p

διανυσμάτων των ψηφίδων σε ακριβώς C ασύνδετα σύνολα, όπου C<<p. Έτσι

αποκαλύπτεται μια φυσική ομαδοποίηση αντικειμένων, η οποία μέχρι πρότινος δεν ήταν

προφανής. Ο αλγόριθμος αυτός στηρίζεται στον αλγόριθμο των k-μέσων, με επιπλέον

εμπειρικά κριτήρια, τα οποία ελέγχουν τη συνένωση ή την κατάτμηση των ομάδων. Η

κατάτμηση εκτελείται αν μια ομάδα έχει μια μεταβλητή μεγαλύτερη από το

προκαθορισμένο κατώφλι (όριο αποδοχής ή απόρριψης) του χρήστη, ενώ η συνένωση

πραγματοποιείται όταν η απόσταση μεταξύ δύο ομάδων είναι μικρότερη από το κατώφλι,

το οποίο ορίστηκε από τον χρήστη (Dhodhi, et al., 1999).

Θεωρούμε ένα σύνολο γεωμετρικά διορθωμένων καναλιών ψηφιακών

τηλεπισκοπικών απεικονίσεων, όπου iN είναι o αριθμός των καναλιών στο σύνολο

αυτό και pN ο αριθμός των ψηφίδων σε κάθε κανάλι. Ο στόχος του αλγορίθμου

ISODATA είναι να συσχετίσει κάθε διάνυσμα ψηφίδας από το σύνολο αυτό με μία από τις

προεπιλεγμένες ομάδες (clusters) M . Αυτή η διαδικασία στηρίζεται στην ελάχιστη

Ευκλείδεια απόσταση του διανύσματος της ψηφίδας από το κέντρο κάθε ομάδας

(cluster), γνωστό ως κεντροειδές. Αν το if αντιπροσωπεύει το διάνυσμα της ψηφίδας

για κάθε i ψηφίδα, τότε:

TNiiiii ffff

)(),2()1( ......, (

38)

71

Η Ευκλείδεια απόσταση ijD μεταξύ του διανύσματος if της ψηφίδας και του

κεντροειδούς jx , ορίζεται ως:

])([ 2)()( kjkiij xfD

(

39)

όπου )(kif είναι το κ-στό συστατικό του i διανύσματος της ψηφίδας και )(kjx είναι

το κ-στό συστατικό του κεντροειδούς της j ομάδας (cluster).

Aν η διαφορά μεταξύ των νέων σχηματισθέντων κεντροειδών και των αντιστοίχων

παλαιών είναι μεγαλύτερη από το όριο σύγκλισης (CT), το οποίο είναι μια καθορισμένη

από το χρήστη, παράμετρος, επαναλαμβάνεται η διαδικασία υπολογισμού της

Ευκλείδειας απόστασης των ψηφίδων από τα νέα κεντροειδή και ο συσχετισμός τους με

τα πλησιέστερα. Η διαδικασία ολοκληρώνεται όταν επιτευχθεί η σύγκλιση, δηλαδή όταν

η διαφορά μεταξύ των παλαιών και των νέων κεντροειδών είναι μικρότερη από το όριο

σύγκλισης CT.

Μετά από τη σύγκλιση, εκτελείται η συνένωση ή η κατάτμηση των ομάδων, και η

παραπάνω διαδικασία επαναλαμβάνεται με νέο αριθμό ομάδων, μέχρις ότου κριθεί

απαραίτητη η παύση της διαδικασίας αυτής. Αυτό συμβαίνει, είτε όταν επιτευχθεί ο

επιθυμητός αριθμός των ομάδων Μ, ή όταν δεν υπάρχουν πλέον διαθέσιμες ομάδες για

συνένωση ή κατάτμηση (Dhodhi, et al., 1999).

Η τεχνική ISODATA επαναλαμβάνει τη δημιουργία ομάδων (clustering) μέχρις ότου:

α) εκτελεστεί ένας μέγιστος αριθμός επαναλήψεων,

β) προκύψει μέγιστη τιμή των «αμετάβλητων» ψηφίδων μεταξύ δύο επαναλήψεων.

Παρόλο που έχουν χρησιμοποιηθεί διαφορετικές τεχνικές για την ελάττωση του

χρόνου επεξεργασίας στον κλασικό αλγόριθμο ISODATA, ο αλγόριθμος αυτός παραμένει

εξαιρετικά χρονοβόρος όταν διεξάγεται σε κεντρική μονάδα επεξεργασίας. Με σκοπό τη

μείωση του χρόνου επεξεργασίας, σχεδιάστηκε και αναπτύχθηκε μια τεχνική

κατανεμημένης επεξεργασίας αλγορίθμου ISODATA (D-ISODATA) στο δίκτυο των

72

σταθμών επεξεργασίας, η οποία έχει εξασφαλίσει οικονομία χρόνου (Dhodhi, et al.,

1999).

Για τη μείωση του φόρτου επεξεργασίας, εφαρμόζεται η τεχνική ISODATA μόνο στις

πρώτες τρεις κύριες συνιστώσες της αρχικής πολυφασματικής ψηφιακής απεικόνισης.

Οπωσδήποτε, το μειονέκτημα της ανάλυσης κυρίων συνιστωσών είναι ότι στηρίζεται

αποκλειστικά στη στατιστική σημασία του φάσματος. Τα μικρού μεγέθους αντικείμενα

και χαρακτηριστικά της γήινης επιφάνειας θα είναι κατά πάσα πιθανότητα ορατά στις

τελευταίες κύριες συνιστώσες. Με τη διαδικασία αυτή αγνοούνται οι τελευταίες

απεικονίσεις των κύριων συνιστωσών, με αποτελέσμα την απώλεια σημαντικής

πληροφορίας. Εναλλακτικά, εξαιτίας της σημαντικής ταχύτητας επεξεργασίας του

αλγορίθμου D-ISODATA, είναι δυνατό να εφαρμοσθεί αυτή η τεχνική στο σύνολο των

πολυφασματικών ψηφιακών τηλεπισκοπικών απεικονίσεων απευθείας, στο δίκτυο των

σταθμών εργασίας, διατηρώντας έτσι όλα τα φασματικά χαρακτηριστικά των δεδομένων,

ανεξάρτητα από τη στατιστική τους έννοια (Dhodhi, et al., 1999).





Athens, (ISBN: 960-411-297-X).








73

ΕΠΙΒΛΕΠΟΜΕΝΗ ΤΑΞΙΝΟΜΗΣΗ ΤΩΝ ΠΟΛΥΦΑΣΜΑΤΙΚΩΝ ΨΗΦΙΑΚΩΝ

ΤΗΛΕΠΙΣΚΟΠΙΚΩΝ ΑΠΕΙΚΟΝΙΣΕΩΝ ΕΠΙΜΕΡΟΥΣ ΕΝΝΟΙΕΣ – ΔΙΑΔΙΚΑΣΙΑ

Δείγμα εκπαίδευσης ορίζεται ένα σύνολο ψηφίδων, οι οποίες έχουν επιλεγεί να

αντιπροσωπεύσουν μια συγκεκριμένη θεματική τάξη.

Οι αλγόριθμοι, οι οποίοι χρησιμοποιούνται για τη διεξαγωγή επιβλεπόμενων

ταξινομήσεων είναι οι ακόλουθοι:

Ο κανόνας του παραλληλεπιπέδου

Η Mahalanobis απόσταση

Ο κανόνας της μέγιστης πιθανοφάνειας (με εφαρμογή του κριτηρίου του Bayes)

Τα πλεονεκτήματα του αλγόριθμου της μέγιστης πιθανοφάνειας έναντι των άλλων

αλγορίθμων της επιβλεπόμενης ταξινόμησης είναι τα εξής:

Ο αλγόριθμος της μέγιστης πιθανοφάνειας είναι ο πιο ακριβής μεταξύ των

αλγορίθμων, τους οποίους διαθέτει το λογισμικό ERDAS Imagine (εφόσον τα

εισαγόμενα δείγματα εκπαίδευσης παρουσιάζουν κανονική χωρική κατανομή),

λόγω του ότι λαμβάνει υπόψιν τις περισσότερες μεταβλητές.

Λαμβάνει υπόψιν τη μεταβλητότητα των τάξεων χρησιμοποιώντας τον πίνακα

συμμεταβλητότητας (covariance matrix).

Τα κύρια βήματα για μια επιβλεπόμενη ταξινόμηση είναι συνοπτικά τα ακόλουθα

(Lillesand - Kiefer, 1994):

1. Δημιουργία και καθορισμός φασματικών υπογραφών

Οι φασματικές υπογραφές ορίζουν τις ομάδες των δεδομένων, τα οποία καθορίζουν

ένα δείγμα εκπαίδευσης (training sample), ένα αντικείμενο του παραμετρικού χώρου

(feature space object), (Kloer, 1994), ή κάποια ομάδα (cluster).

2. Αξιολόγηση των φασματικών υπογραφών

74

Το λογισμικό ERDAS Imagine V. 8.4. δίνει την δυνατότητα στο χρήστη να

αξιολογήσει τις φασματικές υπογραφές, τις οποίες έχει συλλέξει κατά το πρώτο στάδιο

της επεξεργασίας. Οι μέθοδοι εκτίμησης και αξιολόγησης συσχετίζονται με τους

αντίστοιχους αλγόριθμους ταξινόμησης και παρέχουν κριτήρια, όπως είναι τα ποσοστά

επιτυχώς ταξινομημένων ψηφίδων σε μια συγκεκριμένη τάξη, η στατιστική απόσταση

μεταξύ των υπογραφών, κ.α.

3. Απαραίτητες τροποποιήσεις των φασματικών υπογραφών

Μετά το στάδιο της αξιολόγησης, είναι ωφέλιμο να ενοποιηθούν ή να διαγραφούν

συγκεκριμένες φασματικές υπογραφές, ή να εξαλειφθούν τα πλεονάζοντα κανάλια, να

προστεθούν νέα κανάλια, ή να εκτελεστούν άλλου είδους διαδικασίες για τη βελτίωση

της επιβλεπόμενης ταξινόμησης, όπως για παράδειγμα, να χρησιμοποιηθούν τα

αποτελέσματα της μη επιβλεπόμενης ταξινόμησης.

4. Αλγόριθμοι Ταξινόμησης (Κανόνες Ταξινόμησης)

Οι αλγόριθμοι ταξινομήσεων διακρίνονται σε παραμετρικούς, οι οποίοι στηρίζονται

στις στατιστικές επεξεργασίες των φασματικών υπογραφών και στον πίνακα

συμμεταβλητότητας (covariance matrix), καθώς και σε μη παραμετρικούς. Στην

παρούσα εργασία χρησιμοποιήθηκε ο παραμετρικός αλγόριθμος της μέγιστης

πιθανοφάνειας.

5. Εκτίμηση της ακρίβειας της επιβλεπόμενης ταξινόμησης

Η αξιολόγηση της επιβλεπόμενης ταξινόμησης είναι ένα από τα σημαντικότερα στάδια

για την ολοκλήρωση μιας τέτοιας διαδικασίας. Από το αποτέλεσμα της φάσης αυτής

κρίνεται πόσο καλά «εκπαιδεύτηκε» ουσιαστικά ο υπολογιστής για την εκτέλεση της

ταξινόμησης, και αναλόγως, είτε αποφασίζεται η διεξαγωγή μιας νέας ταξινόμησης με

μεγαλύτερα ποσοστά επιτυχίας, ή η βελτίωση της υπάρχουσας. Για το αν ένα ποσοστό

επιτυχίας είναι αποδεκτό ή όχι, αυτό είναι άμεσα εξαρτώμενο από την ποιότητα των

ψηφιακών απεικονίσεων, και κατ' επέκτασιν, της περιοχής έρευνας (ποσοστό

ομοιογένειας), καθώς και από το είδος της ταξινόμησης (χρήση γης, γεωλογική -

λιθολογική, κ.α.).

75

Στο στάδιο της εκτίμησης της ακρίβειας της ταξινόμησης, χρησιμοποιoύνται συνήθως

οι εξής τρεις μέθοδοι:

Διαδικασία υπέρθεσης κατά την επιβλεπόμενη ταξινόμηση (Classification overlay):

Στο σημείο αυτό χρειάζονται τα αποτελέσματα της μη επιβλεπόμενης

ταξινόμησης. Η μη επιβλεπόμενη ταξινόμηση έγινε αρχικά με τον ίδιο αριθμό

τάξεων, που διαχωρίστηκαν και στην επιβλεπόμενη ταξινόμηση και στη συνέχεια

εκτελέστηκε με περισσότερες τάξεις, ώστε να διαπιστωθεί αν υπάρχουν άλλες

φασματικές τάξεις, οι οποίες δεν μπόρεσαν να εντοπισθούν από την επεξεργασία

της επιβλεπόμενης ταξινόμησης. Στο παραγόμενο προϊόν της μη επιβλεπόμενης

ταξινόμησης αποδόθηκαν ονόματα στις τάξεις, προκειμένου να συγκριθεί με αυτό

της επιβλεπόμενης ταξινόμησης. Έτσι, με τη διαδικασία της υπέρθεσης (overlay)

της μη επιβλεπόμενης και της αρχικής εικόνας χαρακτηρίστηκαν οι διαφορετικές

τάξεις. Με την ίδια διαδικασία της υπέρθεσης πραγματοποιήθηκε και η σύγκριση

των αποτελεσμάτων της μη επιβλεπόμενης με την επιβλεπόμενη εικόνα.

Όρια αποδοχής - απόρριψης (Thresholding): Η διαδικασία αυτή αναγνωρίζει τις

ψηφίδες της τελικής εικόνας, τα οποία πιθανόν να έχουν ταξινομηθεί λάθος,

χρωματίζοντας τα μαύρα. Ο διαχωρισμός των λάθος ψηφίδων γίνεται υπολογίζοντας

τα ιστογράμματα για κάθε τάξη του χάρτη απόστασης, που παράχθηκε μαζί με αυτόν

της επιβλεπόμενης ταξινόμησης. Από το σχήμα του ιστογράμματος είναι δυνατόν ο

χρήστης να ορίσει τη λεγόμενη Χ2 (chi-square) τιμή, είτε «αποκόπτοντας» κάποιο

τμήμα του ιστογράμματος, είτε δίνοντας κάποια τιμή σε αυτή την παράμετρο. Και

στις δύο περιπτώσεις το αποτέλεσμα είναι η επεξαίρεση της λεγόμενης «ουράς» του

ιστογράμματος. Η εικόνα που προκύπτει από αυτή τη διαδικασία περιέχει τις μαύρες

περιοχές των πιθανόν λάθος ταξινομημένων ψηφίδων.

Εκτίμηση Ακρίβειας (Accuracy assessment): Είναι τις περισσότερες φορές το τελικό

στάδιο της ταξινόμησης, κατά το οποίο γίνεται η συσχέτιση της ταξινόμησης με

δεδομένα πεδίου, τα θεωρούμενα ως αληθή δεδομένα. Δίνεται η δυνατότητα στον

χρήστη να συγκρίνει συγκεκριμένες ψηφίδες στο θεματικό χάρτη της ταξινόμησης

με ψηφίδες αναφοράς (δεδομένα πεδίου), για τα οποία η τάξη είναι γνωστή.

76

Το αποτέλεσμα της εκτίμησης της ακρίβειας εξαρτάται από τα δείγματα εκπαίδευσης,

από τη φύση της ίδιας της ταξινόμησης (Janssen - Van de Wel, 1994), αλλά και από τον

τρόπο συλλογής και τον αριθμό των δεδομένων πεδίου (Skidmore – Turner, 1992). Ο

τρόπος συλλογής των δειγμάτων πεδίου καλό θα ήταν να είναι τέτοιος, ώστε να

υπάρχουν δείγματα από όλες τις διακριτές τάξεις της ταξινόμησης. Σύμφωνα με τον

Congalton (1991), σε περιπτώσεις έλλειψης δεδομένων πεδίου, οι ψηφίδες αναφοράς

καλό θα ήταν να συλλέγονται τυχαία, για να αποφευχθεί η πιθανότητα ο χρήστης να

επιλέξει τις ίδιες ψηφίδες με αυτά των δειγμάτων εκπαίδευσης. Σχετικά με τον αριθμό

αναφέρεται ότι περισσότερες από 250 ψηφίδες αναφοράς χρειάζονται για την εκτίμηση

μέσης ακρίβειας μιας τάξης ± 5%.

Ο πίνακας σφαλμάτων (error matrix) είναι ο πίνακας που παράγεται από τη

διαδικασία της εκτίμησης της ακρίβειας της ταξινόμησης. Σε αυτόν τον πίνακα

περιέχονται τα παρακάτω στοιχεία:

Συνολική Ακρίβεια (Overall Accuracy): είναι η γενική ακρίβεια της ταξινόμησης.

Ακρίβεια του Χρήστη (User Accuracy): είναι το ποσοστό συγκεκριμένων δεδομένων

αναφοράς που έχουν ταξινομηθεί στην ίδια τάξη, π.χ. το σύνολο των ψηφίδων

πυριτίωσης που να έχουν ταξινομηθεί στην τάξη πυριτίωσης.

Ακρίβεια του Παραγωγού (Producer Accuracy): είναι το αντίστροφο της ακρίβειας

του χρήστη, δηλαδή είναι το ποσοστό που ομάδα ταξινομημένων ψηφίδων, τάξη

ταξινόμησης, έχουν βρεθεί ως ψηφίδες αναφοράς.

Kappa ή στατιστικό Κ: Ο συντελεστής αυτός εκφράζει την αναλογική μείωση του

παραγόμενου λάθους από τη διαδικασία της ταξινόμησης με το λάθος της τυχαίας

ταξινόμησης. Για παράδειγμα, η τιμή 0.82 σημαίνει ότι η διαδικασία της ταξινόμησης

απέφυγε 82% από το λάθος μιας τυχαίας ταξινόμησης (Congalton, 1991).

Η φύση της ταξινόμησης, (π.χ. λιθολογική), παίζει σημαντικό ρόλο στην εκτίμηση της

ακρίβειας της ταξινόμησης. Δεδομένου του πλήθους των παραγόντων που εμπλέκονται

(βλάστηση, υγρασία, διάβρωση, μη αμιγή πετρώματα, ποικιλότητα εξαλλοιώσεων σε

μικρές αποστάσεις, κ.ά.) αλλοιώνεται η φασματική απόκριση συγκεριμένης τάξης,

δίνοντας μεγάλο αριθμό μικτών ψηφίδων και κατ’ επέκταση χαμηλή ακρίβεια

ταξινόμησης.

77

6. Τελικό προϊόν

Tο τελικό προϊόν είναι ένας θεματικός χάρτης, ο οποίος συνήθως περιλαμβάνει

στοιχεία όπως είναι οι τιμές των θεματικών τάξεων, η ονοματολογία τους, τα στατιστικά

τους στοιχεία, καθώς και το αντίστοιχο ιστόγραμμα των τάξεων αυτών.

Επιβλεπόμενη ταξινόμηση μέγιστης πιθανοφάνειας

Οι επιβλεπόμενες ταξινομήσεις περιλαμβάνουν τα εξής κύρια στάδια:

α) Συλλογή των δειγμάτων εκπαίδευσης

β) Αξιολόγηση των δειγμάτων εκπαίδευσης και επαναπροσδιορισμός τους

γ) Εκτίμηση της ακρίβειας της ταξινόμησης

δ) Τελικό προϊόν – θεματικός χάρτης





Athens, (ISBN: 960-411-297-X).








Τηλεπισκόπηση – Ψηφιακή Ανάλυση Εικόνας€¦ ·...

Documents

Transcript of Τηλεπισκόπηση – Ψηφιακή Ανάλυση Εικόνας€¦ ·...