Ανάπτυξη βάσης γνώσης σε περιβάλλον αντικειμενοστραφούς ανάλυσης ψηφιακών τηλεπισκοπικών δεδομένων με σκοπό την αυτόματη οριοθέτηση της παράκτιας ζώνης του Αιγιαλού

Abstract

Ο καθορισμός των παράκτιων ζωνών, ιδίως του τμήματος που γειτνιάζει άμεσα με τη θάλασσα, ήτοι του αιγιαλού, αποτελεί ένα απαραίτητο έργο υποδομής προκειμένου να διασφαλιστεί ο κοινόχρηστος χαρακτήρας των χώρων αυτών και να αποτραπούν οι καταπατήσεις εις βάρος του δημοσίου. Ως προς αυτή την απαίτηση κινήθηκε προ τετραετίας το έργο της Κτηματολόγιο Α.Ε., ώστε μέσω της φωτοερμηνείας τηλεπισκοπικών απεικονίσεων να γίνει η αντικειμενική εκτίμηση της Προκαταρτικής Οριογραμμής του Αιγιαλού και να αποτελέσει αυτή ένα χρήσιμο εργαλείο για την επίσπευση, σε μεταγενέστερο στάδιο, των διαδικασιών καθορισμού του αιγιαλού, όπως αυτός ρυθμίζεται βάσει του νομικού πλαισίου περί αιγιαλού και παραλίας, με πιο πρόσφατο τον Νόμο 2971/2001. Ως εκ τούτου η παρούσα εργασία αφορά στη διερεύνηση των δυνατοτήτων αντικειμενοστραφούς ανάλυσης για την αυτόματη οριοθέτηση του αιγιαλού, με γνώμονα βασικούς κανόνες και κριτήρια, όπως αυτά εμπεριέχονται στο τεύχος τεχνικών προδιαγραφών και συντάχθηκαν για την επιτυχή διεκπεραίωση του έργου. Η πραγματοποίηση του στόχου κατέστη δυνατή μέσω ανάπτυξης μίας βάσης γνώσης στο λογισμικό αντικειμενοστραφούς μεθοδολογίας eCognition, της εταιρίας DEFiNiENS Imaging GmbH, με δεδομένα ψηφιακές τηλεπισκοπικές απεικονίσεις των νομών Πρεβέζης και Εύβοιας, τεσσάρων καναλιών και ραδιομετρικής ανάλυσης 8 bit ανά κανάλι, ληφθέντες από την ψηφιακή κάμερα DMC. Τα κριτήρια βάσει των οποίων υλοποιείτο η χάραξη της ΠΟΑ αναλύονται εκτενώς στο θεωρητικό μέρος της εργασίας που προηγείται του πρακτικού, η υλοποίηση ωστόσο της αντικειμενοστραφούς μεθοδολογίας περιορίζεται σε τέσσερα εξ’ αυτών (στο σύνολό τους εννέα). Ως εκ τούτου η ανάλυση της 1ης απεικόνισης εστιάζεται στη μελέτη του κριτηρίου “όριο βλάστησης”, της 2ης στη μελέτη των κριτηρίων “στέψη πρανούς” και “ίχνος κύματος”, της 4ης στη μελέτη της “γραμμής δόμησης” ενώ η 3η απεικόνιση αναλύεται προκειμένου να εξεταστεί η ειδική περίπτωση του κριτηρίου “στέψη πρανούς”. Η ανάλυση τους περιέλαβε τέσσερα επίπεδα, η σειρά με την οποία ταξινομήθηκαν ακολουθεί τη σειρά με την οποία αυτά κατατμήθηκαν. Το τέταρτο, χονδρόκοκκο επίπεδο αποσκοπούσε στη δημιουργία μέγιστων αντικειμένων ώστε η εικόνα να διαχωριστεί στις δύο κύριες κατηγορίες, στεριά και θάλασσα, προκειμένου να προσδιοριστεί η εσώτερη προς τη θάλασσα οριογραμμή της ζώνης του αιγιαλού, ήτοι η ακτογραμμή. Στο πρώτο, αναλυτικό επίπεδο τα τμήματα στα οποία κατατμήθηκε η εικόνα ταξινομήθηκαν με βάση έναν δείκτη βλάστησης (scaled NDVI) σε περιοχές με ή χωρίς βλάστηση. Στο δεύτερο συνθετικό επίπεδο επιχειρήθηκε μία ευρύτερη ταξινόμηση του περιβάλλοντα χώρου, προκειμένου όλες οι θεματικές κατηγορίες που εντοπίζονται στην περιοχή να διαφαίνονται στο τελικό αποτέλεσμα και να πιστοποιούνται κατ’ αυτόν τον τρόπο τα κριτήρια που λήφθηκαν υπ’ όψιν εξ αρχής. Το τρίτο επίπεδο αποτέλεσε προϊόν της ταξινόμησης βάσει συνένωσης, που υλοποιήθηκε ως τελικό στάδιο στην ανάλυση του 2ου επιπέδου, προκειμένου μέσω της ενοποίησης των κατάλληλων τμημάτων να προκύψει τελικά η ζώνη του αιγιαλού ως ενιαία πλέον επιφάνεια, ο ορισμός της οποίας πραγματοποιήθηκε έπειτα σύμφωνα με τα κριτήρια που αποτέλεσαν κατά περίπτωση το αντικείμενο μελέτης. Η αξιολόγηση των αποτελεσμάτων, ποιοτική και ποσοτική, καταδεικνύει πως η αναγνώριση (οριοθέτηση) της παράκτιας ζώνης του αιγιαλού επετεύχθη με μεγάλη σχετικά ακρίβεια αφού οι δείκτες ορθότητας που υπολογίστηκαν για την εκάστοτε απεικόνιση κυμαίνονται σε υψηλά σχετικά επίπεδα, με τον ελάχιστο να ανέρχεται σε 71.5 για την 4η περιοχή και τον μέγιστο να αντιστοιχίζεται με την τιμή 86.8 για την 2η περιοχή. Εκτός της σύγκρισης της επιφάνειας του αιγιαλού, ως αποτέλεσμα της παρούσης μεθόδου, με την διατιθέμενη ψηφιοποιημένη επιφάνεια αυτού, πραγματοποιήθηκε η αξιολόγηση των αποτελεσμάτων ταξινόμησης και των υπολοίπων κατηγοριών, με εξειδικευμένα εργαλεία που διατίθενται από το λογισμικό ακριβώς για τον σκοπό αυτό, όπως το «καλύτερο αποτέλεσμα ταξινόμησης» και η «διαφορά ανάμεσα στον πρώτο και στον δεύτερο καλύτερο βαθμό συμμετοχής». Συνολικά η παρούσα εργασία καταδεικνύει πως η αντικειμενοστραφής μεθοδολογία παρουσιάζει μεγάλα πλεονεκτήματα έναντι των έως σήμερα διαθέσιμων μεθόδων, διότι ξεπερνά την ταξινόμηση στο επίπεδο του εικονοστοιχείου και χρησιμοποιεί, πέραν της φασματικής, χωρική πληροφορία, όπως αυτή διαδραμάτισε καθοριστικό ρόλο τόσο για τον ορισμό της κατηγορίας ενδιαφέροντος όσο και των δευτερευόντων. Πέραν της μελέτης των τεσσάρων κριτηρίων, εν δυνάμει προοπτική αποτελεί η διερεύνηση των υπολοίπων, προκειμένου βάσει των αποτελεσμάτων της να εκτιμηθεί ο βαθμός στον οποίο η αυτόματη, κατ’ αυτόν τον τρόπο, ανάδειξη του αιγιαλού μπορεί να υλοποιηθεί για το σύνολο του ελληνικού παράκτιου χώρου.

Coastal zone mapping, including the segment that is directly adjacent to sea, namely the foreshore, is an essential infrastructure so as to ensure its proper use by the public. This requirement was initiated, four years ago, by the project of HELLENIC Cadastre Organization, so as through visual interpretation of remotely sensed imagery to make an objective assessment of the preliminary borderline of the foreshore so that to be a useful tool for speeding up at a later stage the determination procedures, as regulated under the legal framework on foreshore and beach, most recently by the law 2971/2001. Therefore, the present study is investigating the potential of object-based (OBIA) image analysis to automatically define the foreshore, based on rules and criteria as contained in the issue of technical specifications. The goal was achieved by developing a knowledge base in the object-oriented image processing software eCognition, by Definiens Imaging GmbH, with four bands, 8 bits (per band) remotely sensed images of the prefectures of Preveza and Evia, as acquired from the digital camera DMC. The nine criteria for the delineation of foreshore were analyzed in the theoretical part of study, however the implementation of object-based methodology was limited to four of them. Four different sites were analyzed. Consequently, the analysis of the first image dataset focuses on the study of “boundary vegetation” criterion, the second one focuses on the study of “gradient of the sloping surface” and “tidemark” criteria, the fourth focuses on the study of “building line” criterion, while the third image is analyzed in order to study the special case of the criterion “gradient of the sloping surface”. The process of object-based image analysis included four levels which were classified following the order in which they where segmented. The fourth, coarser level aimed at creating the largest possible polygons so as the image be divided into two main categories, land and sea, in order to determine the inner border of foreshore to the sea, which is the coastline. On the first detailed level, the polygons to which the image was segmented were subsequently classified, according to a vegetation index (scaled NDVI) to areas with or without vegetation. The second synthesizing level attempted a broader classification of the surrounding area so that all thematic categories identified in the region to appear in this final classification result. The third level was created by classification based segmentation (Classification-based fusion of image objects), so by integrating the appropriate segments of the second level to obtain the coastal zone of foreshore as one single segment. The evaluation of the results, both qualitative and quantitative, strongly indicates that the delineation of foreshore was achieved with sufficient accuracy, as the index correctness which was calculated for each image was relatively high, with the minimum amount of 71.5 for the fourth region and the maximum with the value 86.8 for the second region. Besides comparing the area of extracted foreshore to the manually determined foreshore, the evaluation of classification of the secondary categories was also implemented with specialized tools, available in the software just for this purpose, such as “best classification result” and “classification stability”. In summation, the present diploma thesis shows that object-oriented image analysis demonstrates significant advantages in comparison to the available up to now pixel-based methods, because it uses beyond the spectral, spatial information, which has played a key role in defining the desired categories. Apart from studying the four criteria, a potential prospect is the investigation of the rest of them, so based on the results to assess the extent to which this approach can be implemented for the entire Greek coastal areas.