ArtISS

Projekt ArtISS (Artificial Impervious Surfaces detection with Snow-featured satellite imagery) to badania nad poprawą dokładności detekcji powierzchni nieprzepuszczalnych, osiągniętą dzięki zastosowaniu obrazów satelitarnych uzyskanych zimą lub w nocy.

Sztuczne (antropogeniczne) powierzchnie nieprzepuszczalne są jednym z najsilniejszych przejawów antropopresji. Pojawienie się powierzchni nieprzepuszczalnych modyfikuje warunki termiczno-wilgotnościowe danego miejsca, odciskając silne piętno na biotycznej i abiotycznej części środowiska. Uzasadnia to konieczność poprawnego wyznaczania zasięgu terenów nieprzepuszczalnych oraz monitorowania dalszych procesów przekształcania terenów naturalnych w sztuczne powierzchnie nieprzepuszczalne: beton, asfalt, bruk, zabudowę, itp. W tym celu wykorzystywane są obserwacje satelitarne, analizowane za pomocą metod cyfrowego przetwarzania obrazów.

W ramach projektu ArtISS weryfikowane było, czy pojawienie się pokrywy śnieżnej na obrazach satelitarnych przyczyni się do poprawy dokładności detekcji terenów nieprzepuszczalnych. Zwykle tego rodzaju dane uznawane są za mniej wartościowe, a tym samym pomijane w analizie (podobnie jak np. obserwacje z zachmurzeniem). W projekcie ArtISS przyjęte zostało natomiast założenie, że obecność pokrywy śnieżnej zmienia właściwości spektralne terenu, zwiększając kontrast spektralny między terenami nieprzepuszczalnymi a szeroko rozumianym tłem. W toku badań hipoteza ta okazała prawdziwa.

Analiza wykazała, że detekcja prowadzona na obrazach letnich była dokładniejsza, niż detekcja w oparciu o obrazy z pokrywą śnieżną, jednak gdy dane letnie i zimowe połączono w jeden wspólny zbiór, rezultat był najlepszy ze wszystkich otrzymanych. Oznacza to, że łączenie danych letnich i zimowych w jedną tzw. obserwację wieloczasową poprawia wiarygodność detekcji terenów nieprzepuszczalnych (mapy są dokładniejsze). Osiągnięta dokładność przekraczała zazwyczaj 93%, w najgorszym razie wynosząc 89%. Równie dokładnie klasyfikowane były tereny o zwartej zabudowie miejskiej, jak i rozproszonej zabudowie w terenach rolniczych. Dla tych ostatnich osiągano dotychczas dokładność na poziomie 30-50%.

Zaobserwowano także, że duże znaczenie dla tak dobrego rezultatu miała jednak nie tylko obecność pokrywy śnieżnej, ale w dużym stopniu rozwój metod klasyfikacji danych satelitarnych. Podejście, które zastosowano w badaniach to detekcja tzw. zespołem klasyfikatorów wg metody boosting. Klasyfikację taką cechuje duża autonomia działania, połączona z automatyczną optymalizacją procesu klasyfikacji. Motywowało to zespół badawczy projektu ArtISS do przeprowadzenia eksperymentu, w którym dane z jednego regionu świata (np. Chin) były klasyfikowane wg danych referencyjnych (treningowych) z innego regionu świata (np. Kanady).

Wyniki eksperymentu pokazały, że taka „klasyfikacja na odległość” pozwoliła otrzymać mapy o dokładności wahającej się od 62% do 95% (w większości przypadków ponad 80%). Oznacza to, że dzięki metodzie boosting możliwe będzie szybsze i wiarygodniejsze wykrywanie terenów nieprzepuszczalnych w skali całego świata.

Badania przetestowały również alternatywną metodę detekcji terenów nieprzepuszczalnych: obserwacje satelitarne wykonane nocą, w zakresie promieniowania widzialnego („nocne światła Ziemi”). W tym przypadku założono, że lokalizacja źródeł antropogenicznych świateł pokrywa się z lokalizacją terenów nieprzepuszczalnych. Do weryfikacji tego założenia wykorzystano fotografię Berlina, wykonaną przez astronautów Międzynarodowej Stacji Kosmicznej. Nigdy wcześniej nocne fotografie ze Stacji nie były wykorzystane do określania zasięgu terenów nieprzepuszczalnych.

Prosta klasyfikacja obrazu wykazała, że tego typu obserwacje pozwalają na opracowanie map aż o 83% dokładności. Wcześniejsze mapy bazujące na nocnych zobrazowaniach cechowała dokładność tylko 40%. W porównaniu z metodą bazującą na danych z pokrywą śnieżną, obserwacje nocne mogą być stosowane na całym świecie, a ich klasyfikacja jest znacznie szybsza. Pozwala to przypuszczać, że dane z Międzynarodowej Stacji Kosmicznej (lub planowanego satelity NightSat) znacznie przyczynią się do poprawy wiarygodności globalnych map zasięgu terenów nieprzepuszczalnych.

Okres realizacji projektu:	5 marca 2013 – 4 stycznia 2016 (projekt zakończony)
Źródło finansowania:	Narodowe Centrum Nauki, konkurs Opus
Kierownik projektu:	dr Andrzej Z. Kotarba (CBK PAN)

Powyżej: Klasyfikacja obrazu Landsat-9/OLI wg metodyki ArtISS (obszar badań: Winnipeg, Kanada). W górnym rzędzie obraz wykonany w porze letniej: w naturalnej kolorystyce (po lewej) oraz z udziałem kanału podczerwonego (po prawej). W dolnym rzędzie obraz zimowy w kolorach naturalnych oraz wynik wieloczasowej klasyfikacji obrazu letniego+zimowego. Ogólna dokładność klasyfikacji osiągnęła w tym przypadku 90.2±1.2%, dokładność producenta: 94.9±1.8%, dokładność użytkownika: 95.7±1.4%, a współczynnik kappa: 90.2±1.5%.