Investigation of image analysis, geomorphometry and knowledge representation methods for landform mapping

Abstract

Landform mapping involves the subdivision of the complex land surface into landform entities and can support the reasoning about earth-related processes and landscape evolution. Automated landform mapping approaches have the potential to map extensive areas in a smaller amount of time than field mapping and manual interpretation of aerial photographs and topographic maps. However, a major concern of current automated landform mapping approaches is the manual fine-tuning of parameters in the classification process, in order to achieve realistic results for a specific study area. This problem in combination with the multiscale nature of landforms challenges the development of objective and reusable landform mapping approaches to other study areas without re-tuning of the whole classification process. The aimof this doctoral research was the development of objective and reusable automated mapping approaches for landforms of various scales and complexities. Within this context, several methods for the objective selection of classification parameters were investigated. The efficiency of the developed landform mapping approaches was tested to various landscapes, represented by Digital Elevation Models (DEMs) of a wide range of resolutions.The first contribution of this doctoral dissertation was the development of the first automated knowledge-based OBIA approach to classify the global undersea topography and geomorphological features through the SRTM30_PLUS bathymetry data. First, the global undersea topography was decomposed to morphometric regions of discrete morphometric properties and spatial scales defined by data-driven methods and multi-scale analysis. Then, the derived morphometric regions were assigned to characteristic undersea geomorphological feature classes with the development of a knowledge base, based on internationally accepted definitions. The knowledge-based classification approach was tested in six case studies of various tectonic settings and achieved the efficient extraction of 11 undersea geomorphological feature classes. The knowledge-based OBIA approach was able to map efficiently various geomorphological features present in different tectonic settings without re-tuning of the classification process.The second contribution was the development of an automated knowledge-based OBIA approach for the classification of land surface to landform elements, defined by discrete morphometric and contextual criteria and delimited by morphometric discontinuities (i.e. slope breaks and inflections). A spatially adaptive pattern-based approach was applied for the delimitation of morphometric objects of various shapes and sizes, present at the given DEM resolution. These objects were classified to 15 landform element classes based on semantic descriptions, including criteria of morphometry, relative topographic position and topological relations and spatially flexible fuzzy membership functions. The classification approach was tested to various landscapes and DEM resolutions. The results were visually analysed by draping them over DEMs and contours and quantitatively assessed with fuzzy classification tools. The approach was considered efficient for the automated classification of various landscapes and DEM resolutions, given that it uses spatially flexible methods for the objective and automated definition of the size of the derived morphometric objects and the thresholds of the fuzzy membership functions.The third contribution was the development of a highly efficient region-merging image segmentation algorithm for spectral and elevation remote sensing data. This algorithm copes with the multiscale nature of the visible features in a scene by allowing homogeneous image objects to be further merged with their highly correlated neighbours since they are likely to be parts of the same semantic object. The proposed method was applied to spectral and elevation data and its results were evaluated visually and with supervised and unsupervised evaluation methods. The comparison with the Multi-Resolution Segmentation (MRS) algorithm showed that the proposed region-merging method can produce improved segmentation results in terms of maximizing intra-object homogeneity and inter-object heterogeneity, as well as in the delimitation of semantic objects represented in spectral and elevation data.The fourth contribution of this dissertation was concerned with the classification of topographic surface to regions of macro-scale extent (i.e. land types) with similar variations or spatial distribution of landforms. Existing land type classification approaches ignore the complex structure of land surface and are applied over a single global scale of analysis. A promising solution to address the multiscale nature of land surface is to customise locally the window size based on the value of the topographic grain, which is a measure of broad scale texture of topography. The fifth chapter of this dissertation describes the development of a method for the automated and objective definition of topographic grain and anisotropy. The method is based on the line of sight principle, which connects local relief and horizontal distance through the zenith and nadir angles. Additionally, the computation of the topographic grain values over multiple directions offers the ability to define quantitatively the topographic anisotropy around each location. The approach was tested in five study areas in New Zealand in order to illustrate the improvements over the use of fixed size windows in the computation of the degree and orientation of anisotropy and several statistical parameters. The developed approach was proven to be more efficient in cases of heterogeneous topographies in comparison to existing topographic grain definition methods. The derived topographic grain values are relevant to the operational scale of the dominant formative process acting on the vicinity of each location. Each land type appears to have a characteristic pattern of topographic grain and anisotropy values, which agrees with the findings of published studies discussing the scale-dependence of topographic anisotropy measures. A modified version of the Hammond land type classification system is presented, which incorporates the use of statistical parameters computed over locally customised window sizes and based on the value of the topographic grain.

Η γεωμορφολογική χαρτογράφηση ασχολείται με την κατάτμηση της φυσικής γήινης επιφάνειας (ΦΓΕ) σε γεωμορφές και μπορεί να υποστηρίξει τη συλλογιστική σχετικά με τις διαδικασίες που σχετίζονται με τη ΦΓΕ και τη γεωμορφολογική εξέλιξη του τοπίου. Οι αυτοματοποιημένες μέθοδοι χαρτογράφησης γεωμορφών έχουν τη δυνατότητα χαρτογράφησης μεγάλων εκτάσεων σε σύντομο χρονικό διάστημα σε σχέση με τις χρονοβόρες διαδικασίες της φωτοερμηνείας και της άμεσης χαρτογράφησης μίας περιοχής μελέτης. Ωστόσο, οι περισσότερες αυτοματοποιημένες προσεγγίσεις βασίζονται στην άδηλη γνώση του χρήστη και στην υποκειμενική ρύθμιση των παραμέτρων της διαδικασίας ταξινόμησης, προκειμένου να επιτευχθούν τα βέλτιστα αποτελέσματα για μία συγκεκριμένη περιοχή μελέτης. Αυτά τα προβλήματα σε συνδυασμό με την πολυδιάστατη φύση των γεωμορφών, εμποδίζουν την ανάπτυξη αντικειμενικών μεθόδων, οι οποίες μπορούν επαναχρησιμοποιηθούν σε άλλες περιοχές χωρίς την περαιτέρω υποκειμενική παρέμβαση του χρήστη. Στόχος αυτής της έρευνας ήταν η ανάπτυξη αντικειμενικών και αυτοματοποιημένων προσεγγίσεων χαρτογράφησης γεωμορφών. Στο πλαίσιο αυτό, διερευνήθηκαν αρκετές μέθοδοι για την αντικειμενική επιλογή των παραμέτρων ταξινόμησης. Οι μέθοδοι αυτές δοκιμάστηκαν σε διάφορες περιοχές μελέτης και ψηφιακά μοντέλα εδάφους, ώστε να αξιολογηθεί η δυνατότητα επαναχρησιμοποίησής τους.Η πρώτη συνεισφορά της παρούσας διατριβής ήταν η ανάπτυξη μίας αυτοματοποιημένης αντικειμενοστρεφούς προσέγγισης για την ταξινόμηση της παγκόσμιας υποθαλάσσιας τοπογραφίας και των γεωμορφών της με τη χρήση των βαθυμετρικών δεδομένων SRTM30_PLUS. Αρχικά, η παγκόσμια υποθαλάσσια τοπογραφία ταξινομήθηκε σε περιοχές με διακριτές μορφομετρικές ιδιότητες με τη χρήση μη-επιβλεπόμενων μεθόδων και της μεθόδους της πολυκλιμακωτής ανάλυσης. Στη συνέχεια, οι περιοχές με διακριτές μορφομετρικές ιδιότητες ταξινομήθηκαν σε 11 κατηγορίες υποθαλάσσιων γεωμορφών με την ανάπτυξη μίας βάσης γνώσης, η οποία βασίζεται σε διεθνώς αναγνωρισμένους ορισμούς. Η μέθοδος εφαρμόστηκε σε έξι περιοχές μελέτης με διαφορετικές γεωλογικές συνθήκες. Η αυτόματη μέθοδος θεωρήθηκε ότι μπορεί να χρησιμοποιηθεί σε διαφορετικές περιοχές μελέτης χωρίς την παρέμβαση του χρήστη, δεδομένου ότι τα ποσοστά ακριβείας των περισσοτέρων κατηγοριών γεωμορφών στις έξι περιοχές μελέτης ήταν αρκετά υψηλά.Η δεύτερη συνεισφορά της διατριβής ήταν η ανάπτυξη μίας αυτοματοποιημένης αντικειμενοστρεφούς προσέγγισης για την κατάτμηση της ΦΓΕ σε στοιχειώδεις γεωμορφές. Αρχικά, χρησιμοποιήθηκε μία μέθοδος αναγνώρισης προτύπων για την κατάτμηση των υψομετρικών δεδομένων σε κατάλληλα αντικείμενα, τα οποία οριοθετούνται από τις μορφομετρικές ασυνέχειες του ψηφιακού μοντέλου εδάφους. Αυτά τα αντικείμενα ταξινομήθηκαν σε 15 κατηγορίες στοιχειωδών γεωμορφών με κριτήρια μορφομετρίας, σχετικής τοπογραφικής θέσης και τοπολογικών σχέσεων σε συνδυασμό με χωρικά ευέλικτες συναρτήσεις συμμετοχής. Η μέθοδος ταξινόμησης εφαρμόστηκε σε πολλές περιοχές μελέτης και σε υψομετρικά δεδομένα διαφόρων χωρικών αναλύσεων. Η μέθοδος θεωρήθηκε αποτελεσματική για την ταξινόμηση των περιοχών μελέτης, λόγω της χρήσης χωρικά ευέλικτων μεθόδων για τον προσδιορισμό του μεγέθους των παραγόμενων αντικειμένων και των κριτηρίων ταξινόμησής τους.Η τρίτη συνεισφορά της διατριβής ήταν η ανάπτυξη ενός αλγόριθμου κατάτμησης εικόνας, που μπορεί να αντιμετωπίσει την πολυδιάστατη φύση των σημασιολογικών αντικειμένων που απεικονίζονται σε μία τηλεπισκοπική εικόνα. Ο αλγόριθμος επιτρέπει στα ομοιογενή αντικείμενα να συγχωνευθούν περαιτέρω με τα συγγενή γειτονικά αντικείμενα τους, δεδομένου ότι είναι πιθανό να αποτελούν μέρος ενός σημασιολογικού αντικειμένου. Η προτεινόμενη μέθοδος εφαρμόστηκε σε φασματικά και υψομετρικά δεδομένα και τα αποτελέσματά της αξιολογήθηκαν με επιβλεπόμενες και μη-επιβλεπόμενες μεθόδους αξιολόγησης. Η προτεινόμενη μέθοδος κατάτμησης μπορεί να παράγει βελτιωμένα αποτελέσματα από την άποψη της μεγιστοποίησης της εσωτερικής ομοιογένειας των αντικειμένων και της ετερογένειας μεταξύ των αντικειμένων καθώς και στην οριοθέτηση σημασιολογικών αντικειμένων. Τα αποτελέσματα της επιβλεπόμενης και μη-επιβλεπόμενης αξιολόγησης έδειξαν ότι η προτεινόμενη μέθοδος παράγει καλύτερα αποτελέσματα σε σχέση με την πολυκλιμακωτή κατάτμηση (Multi-Resolution Segmentation - MRS), που είναι η πιο διαδεδομένη μέθοδος κατάτμησης τηλεπισκοπικών δεδομένων.Η τέταρτη συμβολή αυτής της έρευνας ασχολείται με την ταξινόμηση φυσιογραφικών περιοχών. Οι περισσότερες μέθοδοι ταξινόμησης φυσιογραφικών περιοχών αγνοούν την πολύπλοκη δομή της επιφάνειας της γης και χρησιμοποιούν μόνο μία κλίμακα ανάλυσης. Για την αντιμετώπιση του προβλήματος αυτού έχει προταθεί η προσαρμογή της κλίμακας ανάλυσης με βάση την τιμή της τοπογραφικής υφής (topographic grain). Το πέμπτο κεφάλαιο της διατριβής περιγράφει την ανάπτυξη μίας μεθόδου για τον αυτοματοποιημένο και αντικειμενικό ορισμό της τοπογραφικής υφής και των ανισοτροπικών χαρακτηριστικών της ΦΓΕ με βάση την αρχή της γραμμής οράσεως (line of sight). Η μέθοδος δοκιμάστηκε σε πέντε περιοχές μελέτης ώστε να αποδειχθεί η αποτελεσματικότητα της χρήσης χωρικά ευέλικτων μεθόδων υπολογισμού των τοπογραφικών ανισοτροπικών ιδιοτήτων και αρκετών στατιστικών παραμέτρων. Η προσέγγιση αποδείχθηκε ότι είναι πιο αποτελεσματική σε περιοχές με ετερογενή τοπογραφία σε σύγκριση με τις υπάρχουσες μεθόδους προσδιορισμού της τοπογραφικής υφής. Οι παραγόμενες τιμές της τοπογραφικής υφής και των ανισοτροπικών χαρακτηριστικών παρουσιάζουν χαρακτηριστικά πρότυπα σε συγκεκριμένες κλίμακες ανάλυσης, οι οποίες ισοδυναμούν με την κλίμακα δράσης της κυρίαρχης γεωμορφολογικής διαδικασίας που ενεργεί στην τοπική τοπογραφία γύρω από κάθε χωρικό σημείο. Τέλος, παρουσιάζεται μια τροποποιημένη προσέγγιση του συστήματος ταξινόμησης του Hammond, η οποία ενσωματώνει τη χρήση στατιστικών παραμέτρων που υπολογίζονται σε τοπικά προσαρμοσμένες κλίμακες ανάλυσης και με βάση την τιμή της τοπογραφικής υφής.