Αντικείμενο της παρούσας μελέτης είναι η διερεύνηση της καταλληλότητας της
γεωμορφομετρικής και αντικειμενοστρεφής ανάλυσης στην αναγνώριση 9
γεωμορφολογικών σχηματισμών του φυσικού γήινου αναγλύφου, από ψηφιακό μοντέλο
εδάφους (Ψ.Μ.Ε). Τα αρχικά δεδομένα που χρησιμοποιήθηκαν ήταν ένα Ψ.Μ.Ε του
δορυφόρου ASTER στην περιοχή Death valley, ανάλυσης 25μ.x25μ και διαστάσεων 1018
km2. Η γεωμορφομετρική ανάλυση περιέλαβε μια σειρά από τους πιο συνήθεις δείκτες
έκφρασης του αναγλύφου όπως : κλίση (slope), καμπυλότητα παράλληλα στη διεύθυνση
της κλίσης (profile-curvature), καμπυλότητα κάθετα στη διεύθυνση της κλίσης
(planform-curvature), μέγιστη καμπυλότητα (max-curvature), ελάχιστη καμπυλότητα
(min-curvature), δείκτης τοπογραφικής θέσης (T.P.I). Οι δείκτες αυτοί υπολογίστηκαν
μέσω του ανοιχτού λογισμικού Saga gis.
Πριν ξεκινήσει η εφαρμογή της μεθοδολογίας κρίθηκε σκόπιμο να κανονικοποιηθούν
όλες οι τιμές των μορφομετρικών παραμέτρων στο διάστημα (-1,1) αφού πρώτα
αφαιρέθηκαν οι ακραίες τιμές με αποκοπή στα άκρα του ιστογράμματος συχνοτήτων.
Στο στάδιο της αντικειμενοστρεφής ανάλυσης, το οποίο υλοποιήθηκε στο λογισμικό
eCognition σχεδιάστηκαν τρία επίπεδα (0,1,2) κατάτμησης και ταξινόμησης, καθώς και
κάποιες τεχνικές συγχώνευσης. Ειδικότερα, στο επίπεδο 0 έγινε μία ταξινόμηση με βάση
τον δείκτη τοπογραφικής θέσης (T.P.I.) όπου η περιοχή μελέτης χωρίστηκε σε 6 βασικές
κατηγορίες και στο επίπεδο 1 έγινε η ταξινόμηση των 9 γεωμορφών με μοναδικό κριτήριο
τα γεωμετρικά τους χαρακτηριστικά. Κατόπιν στο τελικό επίπεδο 2 συνδυάστηκαν τα
δυο προηγούμενα και επιπλέον προστέθηκαν κάποιοι κανόνες αξιοποιώντας τη γνώση
που έχουμε όσον αφορά, τη συσχέτιση των κατηγοριών με τις γειτονικές τους αλλά και
κανόνες όσον αφορά το μέγεθος ή το σχήμα των αντικειμένων.
Απαραίτητο εργαλείο ορισμού των κλάσεων σε όλα τα επίπεδα, ήταν οι ασαφείς
συναρτήσεις συμμετοχής. Τα διαστήματα ασάφειας για τον κάθε κανόνα επιλέχθηκαν
ύστερα από αρκετή διερεύνηση και κατέδειξαν τη μεγάλη χρησιμότητα της ασαφούς
λογικής έναντι των αυστηρώς καθορισμένων ορίων. Τέλος τα αποτελέσματα της
μεθόδου αξιολογήθηκαν με τη χρήση αλγορίθμων του λογισμικού που αφορούν την
ευστάθεια της ταξινόμησης (best classification result, clasification stability) αλλά και με
την χρήση δειγμάτων( TTA mask) με ποσοστό επιτυχίας 75%.
Στα πλαίσια της αξιολόγησης, η βάση γνώσης εφαρμόστηκε σε ψηφιακό μοντέλο
εδάφους της περιοχής του Μετσόβου όπου το ανάγλυφο παρουσιάζει σημαντικές
διαφορές, δίνοντας αρκετά καλά αποτελέσματα.
The purpose of this study is to determine the suitability of geomorphometric and
object-based (OBIA) analysis on automatic extraction of 9 geomorphological features of the
earth's surface, using a digital elevation model (D.E.M.). The study area was chosen to be a
region of 1018 km2 from death valley, and for its digital representation an Aster D.E.M. of
25m.x25m. resolution was employed. The geomorphometric phase of the study witch took
place in Saga-gis, was the generation of the parameters describing surface relief. More
specifically, the following were produced : slope, profile-curvature, planform- curvature,
maximum curvature, minimum curvature, topographic position index (T.P.I). Before the
initiation of the procedure it seemed appropriate to eliminate the extreme values of the
morphometric parameters with histogram trimming and afterwards to normalize them in the
interval (-1,1).
The phase of OBIA was implemented through the eCognition software, where three
segmentation and clasification levels (0,1,2) were created. The intermediate levels (0,1) were
employed in order to come up with level 2 of the final classification. In detail, at level 0 a
classification of the study area into 6 main categories was produced, based only on the
topographic position index and in level 1 respectively, a classification of the study area into 9
geomorphological features, based strictly on local geometry. Finally level 2 incorporated the
two previous levels and moreover certain spatial / topologic rules were added in order to
represent knowledge related to the size and shape of the landforms and their spatial
association.
Fuzzy membership functions were an essential tool for defining classes at all levels and
demonstrated the great utility of fuzzy logic against strict defined thresholds. Finally, the
method is evaluated using software algorithms concerning the stability of the classification
(best classification result, clasification stability) and also by the use of samples (TTA mask)
with a success rate of 75%.
As part of the evaluation, the knowledge base was applied to a digital terrain model of
Metsovo area/region, where the terrain varies considerably, with fairly good results.