Αυτόματη Αναγνώριση των Γεωμορφολογικών και Μορφοτεκτονικών Δομών με Αντικειμενοστρεφή Ανάλυση Εικόνας σε Ψηφιακό Μοντέλο Υποθαλάσσιου Αναγλύφου στην περιοχή νότια της Κρήτης

Abstract

Η παρούσα διπλωματική εργασία αφορά στην αυτόματη αναγνώριση των γεωμορφολογικών και μορφοτεκτονικών δομών του υποθαλάσσιου πυθμένα, με τη μέθοδο της αντικειμενοστρεφούς ανάλυσης εικόνας σε ψηφιακό μοντέλο υποθαλάσσιου αναγλύφου (Ψ.Μ.Υ.Α.), στην περιοχή νότια της Κρήτης. Τα αρχικά δεδομένα που ήταν διαθέσιμα για τη διεκπεραίωση αυτής της εργασίας, ήταν ένα Ψηφιακό Μοντέλο Υποθαλάσσιου Αναγλύφου (Ψ.Μ.Υ.Α.), ανάλυσης 150m×150m, το οποίο περιείχε μόνο υψομετρική πληροφορία και συγκεκριμένα βάθη. Από το Ψ.Μ.Υ.Α. προέκυψαν όλα τα παραγόμενα θεματικά επίπεδα, όπως είναι η κλίση (slope), ο προσανατολισμός (aspect), η καμπυλότητα (curvature), η καμπυλότητα κάθετα στη διεύθυνση κλίσης (Planform curvature), η καμπυλότητα παράλληλα στη διεύθυνση κλίσης (profile curvature) και ο δείκτης τοπογραφικής θέσης (Topographic Position Index), τα οποία παράχθηκαν στο ελεύθερο λογισμικό Saga GIS. Τα θεματικά αυτά επίπεδα εισήχθησαν στο λογισμικό eCognition Developer 8.7., με σκοπό την ανάπτυξη της αντικειμενοστρεφούς ανάλυσης εικόνας στα δεδομένα της περιοχής μελέτης. Στο περιβάλλον του eCognition δημιουργήθηκαν συνολικά 6 επίπεδα κατάτμησης και ταξινόμησης, τα οποία είχαν ως στόχο την αυτόματη εξαγωγή όλων των γεωμορφολογικών και μορφοτεκτονικών δομών που συναντώνται στην περιοχή μελέτης. Μερικές από τις σημαντικότερες δομές που εξήχθησαν ήταν: η τάφρος του Πτολεμαίου (trough), οι κύριες λεκάνες (main basins), οι λεκάνες επί των κλιτύων (intraslope basins), οι μικρές λεκάνες (small basins), η κρηπίδα (continental shelf), οι πεδιάδες (plain), οι ηπειρωτικές κατωφέρειες (continental slope), οι κρημνοί (escarpment), τα ηβώματα (seamounts), τα φαράγγια (canyons), οι υδροκρίτες (spurs), οι ασυνέχειες (discontinuities), τα ρήγματα (faults), οι μορφοτεκτονικές επιφάνειες ρηγμάτων (morphotectonic fault surface), το κατερχόμενο ρηξιτέμαχος (graben) και τα πιθανά κανονικά ρήγματα (normal faults). Εν συνεχεία, τα αποτελέσματα της ταξινόμησης αξιολογήθηκαν με τη βοήθεια κάποιων στατιστικών εργαλείων, τα οποία παρέχονται από το λογισμικό eCognition και αφορούν τη «σταθερότητα της ταξινόμησης» των αντικειμένων στις κλάσεις καθώς και το «βέλτιστο αποτέλεσμα της ταξινόμησης». Τα εργαλεία αυτά αξιολόγησαν τα αποτελέσματα με βάση το βαθμό συμμετοχής ενός αντικειμένου σε περισσότερες από μία τάξεις. Η τελική ταξινόμηση του εκάστοτε αντικειμένου πραγματοποιήθηκε στην τάξη για την οποία παρουσίαζε το μεγαλύτερο βαθμό συμμετοχής. Ο έλεγχος ευστάθειας της ταξινόμησης έδωσε πολύ καλά αποτελέσματα, με τις μέσες τιμές όλων σχεδόν των τάξεων, να κυμαίνονται κοντά στη μονάδα. Η αξιολόγηση των αποτελεσμάτων πραγματοποιήθηκε και με μια πιο ουσιαστική μέθοδο ποσοτικής αξιολόγησης με τη χρήση των καθιερωμένων δεικτών πληρότητας (Completeness), ορθότητας (Correctness) και ποιότητας (Quality). Οι τάξεις που αξιολογήθηκαν με την μέθοδο αυτή, ήταν: η τάφρος του Πτολεμαίου, οι κύριες λεκάνες, οι λεκάνες επί των κλιτύων, η ηπειρωτική κατωφέρεια, οι ασυνέχειες, τα ρήγματα και οι μορφοτεκτονικές επιφάνειες των ρηγμάτων. Τα αποτελέσματα που προέκυψαν από αυτή τη μέθοδο αξιολόγησης ήταν ιδιαιτέρως ικανοποιητικά, με τους δείκτες πληρότητας και ορθότητας να κυμαίνονται στο διάστημα [60%, 96%]. Τέλος πραγματοποιήθηκε ποιοτική αξιολόγηση της ταξινόμησης του πέμπτου επιπέδου «Level 4», με χρήση μάσκας επίγειου ελέγχου (TTA Mask). Οι τάξεις των φαραγγιών και των υδροκριτών του πέμπτου επιπέδου, περιείχαν πολύ μικρά αντικείμενα και λόγω αυτής της ιδιαιτερότητας του μεγέθους, η αξιολόγηση της ταξινόμησης των κλάσεων αυτών, ήταν δυνατόν να πραγματοποιηθεί μόνο με χρήση δειγμάτων. Τα αποτελέσματα της ποιοτικής αξιολόγησης ήταν εξαιρετικά, αφού ο δείκτης συνολικής ακρίβειας (Overall Accuracy) και για τις δύο τάξεις προέκυψε μονάδα.

The initial data which were available for the implementation of this project included a Digital Seabed Elevation Model with an analysis of 150m×150m. From the Digital Seabed Elevation Model were derived the following thematic layers: the slope, the aspect, the curvature, the planform curvature, the profile curvature and the Topographic Position Index through the free software SAGA GIS. These layers were introduced in the eCognition Developer 8.7 software in order to develop the Object Based Image Analysis. In the eCognition environment, six levels of segmentation and classification were created the automatic extraction of all geomorphologic and morphotectonic features of the study area. Some of the major extracted features were: the Ptolemy trough, the main basins, the intraslope basins, the small basins, the continental shelf, the plains, the continental slope, the escarpments, the seamounts, the canyons, the spurs, the discontinuities, the faults, the morphotectonic fault surfaces, the grabens and the possible normal faults. Afterwards, the results of the classification were evaluated through specific statistical indices which are available within the eCognition software: the “Classification Stability” and the “Best Classification Result”. These tools assessed the results in accordance with the degree of participation of an object in more than one classes. The final classification of each object was accomplished based on the class which presented the highest membership value. The classification stability gave very good results with the mean values being around one. The evaluation of results has also taken place with the use of the well established indicators of Completeness, Correctness, and Quality. The classes which were assessed with this method were: the Ptolemy trough, the main basins, the intraslope basins, the continental slope, the discontinuities, the faults and the morphotectonic fault surface. The derived results were adequate as the range of these indicators varied among [60%, 96%]. Finally, a qualitative accuracy evaluation of the classification of “level 4” was carried out with the use of a TTA Mask. The classes of canyons and spurs of “level 4” contained very small objects and due to this restriction of size, the assessment of these classes was able to be accomplished only with the use of samples. The outcomes of this qualitative evaluation resulted into an overall accuracy index for both classes around one. Key words: Object Based Image Analysis, South Cretan Margin, Digital Seabed Elevation Model (DSEM), geomorphologic feature, morphotectonic feature, Ptolemy trough, submarine canyon, morphotectonic fault surface, graben.