Ocena przydatności obrazów hiperspektralnych APEX oraz maszyn wektorów nośnych (SVM) do klasyfikacji roślinności subalpejskiej i alpejskiej Karkonoszy

Promieniowanie elektromagnetyczne interferuje w sposób selektywny z molekułami materii, tworząc charakterystyki spektralne. Są one unikatowe dla poszczególnych gatunków czy zbiorowisk roślinnych, odzwierciedlając ich stan fizjologiczny, budowę anatomiczną i morfologiczną. Są one analizowane przy użyciu teledetekcji hiperspektralnej, która dzięki wysokiej rozdzielczości spektralnej i radiometrycznej, a w przypadku obrazów lotniczych także i przestrzennej pozwalają na identyfikację zbiorowisk roślinnych. Celem niniejszej pracy była klasyfikacja roślinności subalpejskiej i alpejskiej Karkonoszy na podstawie lotniczych obrazów hiperspektralnych APEX. Do tego celu posłużono się jedną z najbardziej obiecujących metod, jaką są maszyny wektorów nośnych (Support Vector Machine, SVM). Obszar badań obejmował najwyższe partie polskich oraz czeskich Karkonoszy w granicach parków narodowych, na których występowały zbiorowiska roślinności subalpejskiej i alpejskiej. Obrazy APEX składające się z 288 kanałów spektralnych w zakresie 380,5-2500 nm o rozdzielczości przestrzennej 3,12 m pozyskane zostały 10 września 2012 roku przez Niemiecką Agencję Kosmiczną (DLR) w ramach projektu European Facility for Airborne Research (EUFAR) HyMountEcos (Hyperspectral Remote Sensing for Mountain Ecosystem). Obrazy APEX zostały skalibrowane radiometrycznie oraz skorygowane geometrycznie i atmosferycznie w belgijskim instytucie VITO (operator skanera APEX). Następnie obrazy poddano redukcji przestrzeni spektralnej przy użyciu trzech metod: Principal Component Analysis, Minimum Noise Fraction oraz wyborze najbardziej informacyjnych kanałów spektralnych. Jako materiał referencyjny do klasyfikacji zbiorowisk roślinnych wykorzystana została mapa roślinności nieleśnej w skali 1:10 000 opracowana przez B. Wojtunia i L. Żołnierza (2002), obejmująca 48 zbiorowisk roślinnych należących do 13 typów roślinności. Na podstawie mapy referencyjnej z roku 2002, ortofotomapy o rozdzielczości przestrzennej 12 cm, a także informacji pozyskanych w terenie w sierpniu 2013 oraz 2014 roku z wykorzystaniem odbiornika GPS Trimble GeoXT, opracowane zostały wzorce o klasyfikacji i weryfikacji uzyskanych wyników. Klasyfikacje metodą maszyn wektorów nośnych przeprowadzano na obszarach testowych okolic Szrenicy oraz Małego Stawu, przy użyciu różnych funkcji jądra SVM (liniowej, radialnej, wielomianowej i sigmoidalnej). Modyfikowano także parametry obliczeniowe SVM, a także testowano różne zestawy pikseli treningowych, weryfikacyjnych oraz liczby klas. Finalnie, klasyfikacja przeprowadzona została na całym obszarze Karkonoszy znajdującym się powyżej 1200 m n.p.m., pokrywającym się z linią zobrazowania APEX. W wyniku otrzymano obrazy poklasyfikacyjne w postaci map prezentujących rozkład przestrzenny 24 klas roślinności subalpejskiej i alpejskiej Karkonoszy. Zestawy pikseli weryfikacyjnych pozwoliły na utworzenie macierzy błędów, a także obliczenie dokładności całkowitych, współczynników kappa oraz dokładności charakteryzujących poszczególne klasy: producenta i użytkownika. Dokładność całkowita klasyfikacji całego obszaru Karkonoszy wyniosła 85,5%, kappa 0,84, również dokładności uzyskane dla poszczególnych klas zbiorowisk roślinnych były wysokie – 17 z 24 klas zaklasyfikowało się na poziomie powyżej 80% dokładności producenta. Najwyższe dokładności osiągnięto dla rozległych, homogenicznych klas (murawy halne, murawy bliźniczkowe, traworośla wysokogórskie, zbiorowiska trzęślicy modrej), najniższe dla klas reprezentowanych przez mniejsze zestawy treningowe, mniej jednorodne i trudne do identyfikacji ze względu na niewielkie obszary, najczęściej zacienione (ziołorośle miłosny górskiej, zarośla wierzby lapońskiej). Przedstawione wyniki potwierdzają, że dane hiperspektralne w połączeniu z metodą maszyn wektorów nośnych pozwalają klasyfikować górskie zbiorowiska roślinne.

Plant species and communities have specific properties, which can be analysed using hyperspectral remote sensing. Large number of narrow, contiguous, spectral bands at high spatial and spectral resolution allows to identify and analyse vegetation communities. The aim of the study was to classify subalpine and alpine vegetation communities based on APEX hyperspectral images using Support Vector Machines (SVM). The study area covers the subalpine and alpine vegetation zone of the Giant Mountains in Poland and Czechia. The APEX data characterized by 288 bands in the wavelength range 380.5-2500 nm and the spatial resoultion of 3.12 m were acquired on 10th September 2012 by the DLR Braunschweig (Germany) in the framework of the HyMountEcos (EUFAR) project. APEX data were calibrated radiometrically and corrected geometrically and atmospherically at VITO (Belgium) facilities. After that the dimensionality reduction using three different methods, involving Principal Component Analysis and Minimum Noise Fraction methods and spectral band selection approach, was performed. As reference the vector map of non-forest vegetation distribution at the 1:10 000 scale elaborated by Wojtuń and Żołnierz (2002) and field mapping were used. Based on reference vegetation map, 12-cm resolution orthophotomap and terrain validation performed in 2013 and 2014 using the GPS Trimble GeoXT receiver training and validation patterns were collected. Support Vector Machines were optimised on test areas near Szrenica and Mały Staw using different kernel functions, parameters, training/validation sample sets and different number of classes. Finally, classification was performed on whole area of Giant Mountains above 1200 m a.s.l., covering APEX flightline. As a result, post classification maps of 24 classes of subalpine and alpine vegetation were obtained. Validation samples allowed to assess the total, user, producer accuracies, kappa coefficient and error matrix. Overall accuracy for whole Giant Mountain area was 85.5%, kappa was 0.84, also accuracies for each class of vegetation communities were high – 17/24 classes were classified of more than 80% of producer accuracy. The highest accuracies achieved large, homogeneous classes (Carici (rigidae)-Festucetum airoidis, Carici (rigidae)-Nardetum, Calamagrostion, Molinia caerulea), the lowest – classes represented by smaller training sample sets, less homogeneous and difficult to identify because of the small areas, usually shaded (Adenostyletum alliariae, Salicetum lapponum). The results show that Imaging Spectroscopy and used methods are useful for the classification of the dominant plant communities of mountain areas.