Συγκριτική διερεύνηση φασματικών χαρακτηριστικών του Landsat 5 TM και Landsat 8 OLI/TIRS με επιβλεπόμενη και αντικειμενοστρεφή ταξινόμηση.

Abstract

Πιθανώς, κανένας συνδυασμός δύο τεχνολογιών δεν έχει δημιουργήσει περισσότερο ενδιαφέρον και εφαρμογές σε ένα ευρύ φάσμα επιστημών από ότι ο συνδυασμός της Τηλεπισκόπησης και της διαστημικής εξερεύνησης. Η μελέτη της Γης από το διάστημα έχει εξελιχθεί από την σφαίρα της καθαρής έρευνας σε αυτή της παγκόσμιας καθημερινής εφαρμογής. Η Διαστημική Τηλεπισκόπηση συνεχίζει να εξελίσσεται, καθώς νέοι βελτιωμένοι δέκτες και διαστημικοί φορείς τοποθετούνται σε τροχιά γύρω από τη Γη.

Αντικείμενο έρευνας της παρούσας διπλωματικής εργασίας αποτέλεσε ο όγδοος πλέον δορυφόρος γεωσκόπησης της αμερικανικής αποστολής Landsat, μιας συνεργασίας μεταξύ της NASA και του Αμερικανικού Γεωλογικού Ινστιτούτου. Οι δύο νέοι επιστημονικοί δέκτες που περιλαμβάνονται στην αποστολή LDCM (Landsat Data Continuity Mission), ο OLI και TIRS, αντιπροσωπεύουν προοδευτικές εξελίξεις στην τεχνολογία και απόδοση των δεκτών.

Στόχος της εργασίας αυτής ήταν η σύγκριση του δορυφόρου Landsat 8 με τον Landsat 5, μέσα από ανεξάρτητες ταξινομήσεις των δορυφορικών τους απεικονίσεων με δύο εναλλακτικές μεθοδολογίες. Η πρώτη μεθοδολογία αφορούσε την ταξινόμηση με βασική μονάδα χωρικής ανάλυσης το εικονοστοιχείο. Αρχικά λοιπόν πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση στις τηλεπισκοπικές απεικονίσεις των δύο δορυφόρων τόσο με τον αλγόριθμο της ελάχιστης απόστασης όσο και με τον αλγόριθμο της μέγιστης πιθανοφάνειας, ο οποίος επιλέχτηκε και ως βέλτιστος ταξινομητής.

Σημαντική διαφορά μεταξύ του Landsat 8 και Landsat 5 είναι η προσθήκη της παγχρωματικής μπάντας, με χωρική ανάλυση στα 15 m. Για το λόγο αυτό πραγματοποιήθηκε συγχώνευση του παγχρωματικού καναλιού με τα πολυφασματικά κανάλια της απεικόνισης με στόχο την αξιοποίηση της νέας εικόνας με τη βελτιωμένη χωρική ανάλυση και την εκ νέου ταξινόμησή της με τους παραπάνω αλγορίθμους προκειμένου να ερευνηθεί κατά πόσο συμβάλλει η διαδικασία της συγχώνευσης στην βελτίωση του αποτελέσματος.

Αφού πραγματοποιήθηκε η σύγκριση των αποτελεσμάτων της ταξινόμησης των τριών παραπάνω απεικονίσεων με δύο αλγόριθμους ταξινόμησης, τέθηκε ως επιπλέον στόχος η αξιοποίηση της αντικειμενοστραφούς ανάλυσης εικόνας, μιας μεθοδολογίας με βασική μονάδα χωρικής ανάλυσης το αντικείμενο. Σκοπός ήταν να διερευνηθεί κατά πόσο η αντικειμενοστραφής ανάλυση εικόνας μπορεί να συμβάλλει περαιτέρω στην βελτίωση του αποτελέσματος.

Καμία ταξινόμηση δεν θεωρήθηκε ολοκληρωμένη, έως ότου εκτιμηθεί η ακρίβειά της. Για τον λόγο αυτό δημιουργήθηκαν Πίνακες Σφαλμάτων Ταξινόμησης ( ή αλλιώς Πίνακες Σύγχυσης) για όλες τις ταξινομήσεις, με την επιλογή δεδομένων ελέγχου. Έτσι λοιπόν στο τελευταίο στάδιο της παρούσας διπλωματικής εργασίας αξιολογούνται τα αποτελέσματα των ταξινομήσεων τόσο ποιοτικά μέσω της διαδικασίας της φωτοερμηνείας όσο και ποσοτικά με τη χρήση κατάλληλων στατιστικών δεικτών. Με αποτέλεσμα η αντικειμενοστρεφής μέθοδος να παρέχει ακρίβεια της τάξης του 85% ενώ η επιβλεπόμενη ταξινόμηση να κυμαίνεται μεταξύ 59.1% - 74.7%.

Probably, no combination of two technologies has created more interest and applications in a broad range of sciences, than the combination of Remote Sensing and Space Exploration. The study of Earth from Space has evolved from pure research in a global daily application. Remote Sensing from Space continues developing, as new improved sensors and space platforms are placed in orbit around the Earth. Objective of this study was the eighth satellite in the Landsat series, a collaboration between NASA and the United States Geological Survey (USGS). The two science instruments aboard LDCM, the Operational Land Imager (OLI) and the Thermal Infrared Sensor (TIRS), represent evolutionary advances in sensor technology and performance. The purpose of this thesis was the comparison between Landsat 8 and Landsat 5, through individual classifications of their images by using two alternative methodologies. The first method involved a pixel based classification which was conducted with the Minimum Distance and Maximum Likelihood algorithms, where the last one was chosen as the most efficient classifier. Significant difference between Landsat 8 and Landsat 5 is the addition of the panchromatic band with 15 meter spatial resolution. Therefore a fusion algorithm was applied to the multispectral image in order to fully exploit the potential of increased spatial resolution of remotely sensed imagery and investigate if this process contributes to the improvement of the classification results. After the comparison of the classification results of the three images, by using two different classifiers, a further aim was added. The usage of object-oriented image analysis, whose purpose was to investigate if the result could be further, improved. None of classification results were considered completed until the estimation of its accuracy. Therefore a confusion matrix was created for each classification using training areas. Thus at the last stage of this research, evaluation of the classification results was implemented, through statistical indicators and photo-interpretation procedure. As a result the object based classification provided an accuracy of 85% versus the supervised classification whose indices were ranging over the interval 59.1% - 74.7%.