Τηλεπισκοπικές και γεωπληροφοριακές μέθοδοι στη μελέτη περιβαλλοντικών θεμάτων: η αντικειμενοστραφής ανάλυση δορυφορικών δεδομένων στην ανίχνευση ορίων επιφανειακών χωρικών οντοτήτων

Abstract

The science of remote sensing is an important "tool" for the investigation of various fields of Earth and environmental sciences, offering the possibility of studying extensive areas in a cost-effective way, while at the same time recording valuable information about the Earth's surface. The integration of remote sensing data into a Geographic Information System (GIS), enables the synergistic processing of spatial data from multiple sources, through processes such as visual interpretation, modeling, visualization, land-use/cover classification and geospatial analysis, contributing to decision-making processes. The remote sensing community, after significant advances in sensor technology, faced the challenge of searching for new techniques for utilizing and analyzing image data. On this basis, a framework has emerged that uses the object as the main unit for analysis and has contributed to the exploitation of this new data. This framework is object-based image analysis (OBIA). OBIA is based on dividing a satellite image into meaningful objects (rather than individual pixels). In particular, it evaluates their discrete features through spectral and spatial scale as opposed to traditional pixel-based techniques that exclusively examine the spectral signatures of features to extract useful thematic information. Image segmentation forms the initial and integral part in the production of the fundamental elements of OBIA. It is about dividing an image into spatially connected and homogeneous (spectrally) regions (segments) that are the basis for further analysis. In this thesis, environmental problems are considered based on the surface spatial entity, facilitating the clear identification of each object of interest. The definition of this entity is particularly important for the design and development of the appropriate methodology for detecting its boundaries. The integration of object-based image analysis into such a methodological framework relied on the fact that OBIA is based on the division of a satellite imagery into meaningful objects, which in our case are the spatial reference entities. Initially, the theoretical background of the thesis includes extensive bibliographic research concerning object-based image analysis and in particular segmentation methods, from the established to the most modern ones. Following, a thorough review and meta-analysis of modern applications of image segmentation methods is presented. The theoretical part is completed with the basic building blocks of the Python programming language that was mainly utilized in the experimental part of the thesis. Subsequently, the research that was implemented through the initial experimental approaches is presented. This led to the development of an image segmentation plugin (Terminus), its integration into QGIS software and the formulation of object-based analysis methodological frameworks for satellite data. The Terminus image segmentation plugin was developed in the Python programming language to provide a user-friendly and easy-to-use tool for segmenting satellite images. In addition, it enables the user to calculate various descriptive statistics for each segment, which can be used to measure certain quantitative characteristics of the image segmentation result, as well as for the subsequent stage of image classification (if necessary). It should also be noted that each of the algorithms included in the plugin produces two results, in the form of a vector and a raster file. The first can be used to implement an object-based classification, while the second can be used to display a user-defined color composite and integrate it into a semantic segmentation methodology. In the framework of the doctoral thesis, methodologies and techniques for detecting spatial entity boundaries were designed, developed and evaluated for the study of environmental issues based on object-based image analysis. The developed methodological frameworks and corresponding experimental approaches include the integration of spectral indices and geoinformation methods for detecting surface mine boundaries and areas affected by a catastrophic phenomenon (fire) in optical data and surface water bodies with SAR data. Also, an object-based analysis of thermal satellite data and convolutional neural network models (CNN) to detect boundaries of land cover areas and flood-prone areas (forecast) are included.

Η επιστήμη της τηλεπισκόπησης αποτελεί σημαντικό «εργαλείο» για τη διερεύνηση των διαφόρων πεδίων των επιστημών της γης και του περιβάλλοντος, προσφέροντας τη δυνατότητα μελέτης εκτεταμένων εκτάσεων με οικονομικά αποδοτικό τρόπο, ενώ ταυτόχρονα καταγράφονται πολύτιμες πληροφορίες για την επιφάνεια τη γης. Η ενσωμάτωση των τηλεπισκοπικών δεδομένων σε ένα Γεωγραφικό Σύστημα Πληροφοριών (GIS), επιτρέπει τη συνεργιστική επεξεργασία χωρικών δεδομένων από πολλαπλές πηγές, μέσω διαδικασιών όπως η οπτική ερμηνεία, η μοντελοποίηση, η οπτικοποίηση, η ταξινόμηση της κάλυψης και χρήσης γης και η γεωχωρική ανάλυση, συμβάλλοντας στις διαδικασίες λήψης αποφάσεων. Η κοινότητα της Τηλεπισκόπησης, έπειτα από σημαντικές εξελίξεις στην τεχνολογία των αισθητήρων, αντιμετώπισε την πρόκληση αναζήτησης νέων τεχνικών αξιοποίησης και ανάλυσης δεδομένων εικόνας. Στη βάση αυτή, προέκυψε ένα πλαίσιο που χρησιμοποιεί το αντικείμενο ως κύρια μονάδα για την ανάλυση και συνέβαλε στην εκμετάλλευση των νέων αυτών δεδομένων. Το πλαίσιο αυτό συνιστά την αντικειμενοστραφή ανάλυση εικόνας (object-based image analysis, OBIA). H OBIA βασίζεται στη διαίρεση μιας δορυφορικής εικόνας σε αντικείμενα που έχουν νόημα (και όχι μεμονωμένα εικονοστοιχεία). Συγκεκριμένα, αξιολογεί τα διακριτά χαρακτηριστικά τους μέσω φασματικής και χωρικής κλίμακας σε αντίθεση με τις παραδοσιακές τεχνικές που βασίζονται σε εικονοστοιχεία και εξετάζουν αποκλειστικά τις φασματικές υπογραφές των χαρακτηριστικών για να εξάγουν χρήσιμες θεματικές πληροφορίες. Η κατάτμηση εικόνας αποτελεί το αρχικό και αναπόσπαστο τμήμα στην παραγωγή των θεμελιωδών στοιχείων της ΟΒΙA. Πρόκειται για τη διαίρεση μιας εικόνας σε χωρικά συνδεδεμένες και ομοιογενείς (φασματικά) περιοχές (segments) που αποτελούν τη βάση για περαιτέρω ανάλυση. Στην παρούσα διατριβή γίνεται θεώρηση των περιβαλλοντικών προβλημάτων με βάση την επιφανειακή χωρική οντότητα, διευκολύνοντας το σαφή προσδιορισμό του εκάστοτε αντικειμένου ενδιαφέροντος. Ο καθορισμός της οντότητας αυτής είναι ιδιαίτερα σημαντικός για το σχεδιασμό και την ανάπτυξη της κατάλληλης μεθοδολογίας ανίχνευσης των ορίων της. Η ενσωμάτωση της αντικειμενοστραφούς ανάλυσης εικόνας σε ένα τέτοιο μεθοδολογικό πλαίσιο στηρίχθηκε στο γεγονός ότι η OBIA βασίζεται στη διαίρεση μιας δορυφορικής εικόνας σε αντικείμενα που έχουν νόημα, τα οποία στην περίπτωσή μας είναι οι χωρικές οντότητες αναφοράς. Αρχικά, στο θεωρητικό υπόβαθρο της διατριβής παρατίθεται μια εκτενής βιβλιογραφική διερεύνηση που αφορά την αντικειμενοστραφή ανάλυση εικόνας και ειδικότερα τις μεθόδους κατάτμησης, από τις καθιερωμένες στις πιο σύγχρονες. Στη συνέχεια, παρουσιάζεται μια εμπεριστατωμένη ανασκόπηση και μια μετα-ανάλυση των σύγχρονων εφαρμογών των μεθόδων κατάτμησης εικόνας. Το θεωρητικό μέρος ολοκληρώνεται με τα βασικά δομικά στοιχεία της γλώσσας προγραμματισμού Python που αξιοποιήθηκε σημαντικά, κυρίως στο πειραματικό μέρος της διατριβής. Στη συνέχεια, παρατίθεται η διερεύνηση που υλοποιήθηκε μέσω των αρχικών πειραματικών προσεγγίσεων, η οποία οδήγησε στην ανάπτυξη ενός προσθέτου κατάτμησης εικόνας (Terminus) και την ενσωμάτωση του στο λογισμικό QGIS και τη σύνθεση μεθοδολογικών πλαισίων αντικειμενοστραφούς ανάλυσης δορυφορικών δεδομένων. Το πρόσθετο κατάτμησης εικόνας Terminus αναπτύχθηκε στη γλώσσα προγραμματισμού Python για να παρέχει ένα φιλικό προς το χρήστη και εύκολο στη χρήση εργαλείο για την κατάτμηση δορυφορικών εικόνων. Επιπλέον, παρέχει τη δυνατότητα στο χρήστη υπολογισμού διαφόρων περιγραφικών στατιστικών για κάθε περιοχή κατάτμησης, τα οποία μπορούν να αξιοποιηθούν για τη μέτρηση ορισμένων ποσοτικών χαρακτηριστικών του αποτελέσματος της κατάτμησης εικόνας, καθώς και για το μετέπειτα στάδιο της ταξινόμησης εικόνας (εφόσον χρειαστεί). Ακόμη, πρέπει να σημειωθεί ότι κάθε ένας από τους αλγόριθμους που περιλαμβάνονται στο πρόσθετο, παράγει δύο αποτελέσματα, με τη μορφή ενός διανυσματικού (vector) και ενός ψηφιδωτού αρχείου (raster). Το πρώτο μπορεί να χρησιμοποιηθεί για την υλοποίηση μιας αντικειμενοστραφούς ταξινόμησης, ενώ το δεύτερο για την απεικόνιση ένα χρωματικού συνθέτου επιλογής του χρήστη και την ενσωμάτωση σε μια μεθοδολογία σημασιολογικής κατάτμησης εικόνας. Στο πλαίσιο εκπόνησης της διδακτορικής διατριβής, σχεδιάστηκαν, αναπτύχθηκαν και αξιολογήθηκαν μεθοδολογίες και τεχνικές ανίχνευσης ορίων χωρικών οντοτήτων για τη μελέτη περιβαλλοντικών θεμάτων με βάση την αντικειμενοστραφή ανάλυση εικόνας. Τα αναπτυχθέντα μεθοδολογικά πλαίσια και οι αντίστοιχες πειραματικές προσεγγίσεις περιλαμβάνουν την ενσωμάτωση φασματικών δεικτών και γεωπληροφοριακών μεθόδων για την ανίχνευση ορίων επιφανειακών ορυχείων και περιοχής που έχει πληγεί από καταστροφικό φαινόμενο (πυρκαγιά) σε οπτικά δεδομένα και επιφανειακών υδάτινων σωμάτων με δεδομένα SAR. Ακόμη, συμπεριλαμβάνονται η αντικειμενοστραφής ανάλυση θερμικών δορυφορικών δεδομένων και μοντέλα συνελικτικών νευρωνικών δικτύων (CNN) για την ανίχνευση ορίων περιοχών κάλυψης γης και περιοχών επιδεκτικών στην πλημμύρα (πρόβλεψη).