A tájszerkezet vizsgálata objektum alapú megközelítéssel alföldi mintaterületeken

A tájszerkezet vizsgálata objektum alapú megközelítéssel alföldi mintaterületeken Varga Orsolya Gyöngyi1 – Túri Zoltán2 2

1 hallgató, Debreceni Egyetem TTK, e-mail: [email protected]; egyetemi tanársegéd, Debreceni Egyetem TTK Természetföldrajzi és Geoinformatikai Tanszék, email: [email protected]

Abstract: In this paper the analysis of land cover changes between 1956 and 2005 is described. The object-based image analysis method was applied to examine three areas of 1 x 1 km in Hortobágy, Hajdúhát and Dél-Nyírség regions. The main purpose of the implemented analysis was to explore the applicability, advantages and disadvantages of the OBIA method in land cover analyses.

Bevezetés Kutatásunkban a Hortobágy, a Hajdúhát és a Dél-Nyírség területén kiválasztott egy-egy tájablakon végeztünk a felszínborítás változására vonatkozó vizsgálatokat, amelyet tájmetriai elemzéssel egészítettünk ki. Az elemzéshez az 1956., az 1989/90. és a 2005. évekből származó légifelvételeket használtunk fel, amelyeket objektum alapú képfeldolgozással elemeztünk. Nagy hangsúlyt fektettünk a módszer előnyeinek és hátrányainak, valamint az alkalmazás közben fellépő hibalehetőségek bemutatására.

1. ábra. A tájablakok elhelyezkedése

1

A mintaterületek rövid jellemzése A vizsgált kistájakon – Hortobágy, Dél-Nyírség és Hajdúhát – kiválasztott tájablakok 1x1 kilométeres területet ölelnek fel (1. ábra). A tájablakok véletlenszerűen kerültek kiválasztásra, ennek kivitelezése a Hawth’s Analysis Tools (BEYER 2004) modullal történt. Ez az ArcGIS-hez készült bővítmény többek között a különböző mintavételezési feladatok automatizált megoldását támogatja. A kistájkataszter adatai alapján mindhárom kistáj jelentős felszínborítási típusa a szántó (Hortobágy: 40,7%, Hajdúhát: 82,8%, Dél-Nyírség: 35%), valamint a Dél-Nyírségben az erdő, a Hortobágyon pedig a rét/legelő kategória területi részesedése is számottevő (DÖVÉNYI Z. 2010). A természeti tájakban a növényzet és a talaj szoros kapcsolatban van egymással és természetes tájmozaikokat képeznek. A mintaterületeken bár a társadalom termelő tevékenysége az eredeti tájmintázatot erősen módosította, a talajok így is fontos szerepet játszanak a tájszerkezet alakításában adszorpciós és pufferkapacításuk, mikrobiológiai aktivitásuk révén (SZABÓ SZ. 2001). Anyag és módszer Kutatásunkban légi távérzékeléssel készült felvételek kiértékelésével foglalkoztunk. A légifényképezés segítségével a film érzékenységétől függően viszonylag nagyfokú térbeli részletességű információt kapunk, de a módszer olcsóbb az egyéb távérzékelési módszerekhez képest (pl. űrfelvételek készítése) (LÓKI J. 2002). A felhasznált archív légifelvételek a Hadtörténeti Intézet és Múzeum Hadtörténeti Térképtárából származnak [1]. Az elemzés alapját pankromatikus felvételek képezték, valós színes légifényképek csak a 2005. évi időkeresztmetszet vizsgálatánál kerültek felhasználásra. Az idősíkok (1956, 1989/90, 2005) kiválasztásakor döntő szempont volt, hogy mely évekből érhetők el jó minőségű, a vegetációs periódus időszakában készült, a tájablakok területét lefedő felvételek. A felvételek elemzését a napjainkban egyre gyakrabban alkalmazott objektum alapú képfeldolgozással végeztük el. Az objektum alapú képfeldolgozás (OBIA – Object-based Image Analysis) elterjedését főként a nagyfelbontású képalkotás megjelenése tette lehetővé, valamint az olyan szoftverek elérhetősége, amelyek képesek a képfeldolgozás és a GIS funkciók egyidejű biztosítására egy objektum alapú környezetben (BLASCHKE 2000). Az OBIAval rokon értelmű terminusként használatos a GEOBIA kifejezés. A GEOBIA (Geographic Object-based Image Analysis) célja olyan automatizált módszerek kidolgozása, amelyek képesek a képelemeket jelentéssel bíró képi objektumokká alakítani, majd a kinyert földrajzi információkat földrajzi információs rendszerekbe integrálni. A módszer úgy próbálja jellemezni a

valós viszonyokat, hogy a felvételt objektumokra bontja, így modellezve az emberi érzékelés működését. Célja, hogy megfelelő elméleti alapot, módszert és eszközöket biztosítson a képek feldolgozásában alkalmazott emberi interpretáció reprodukálásához, amely a termelékenység növekedését, a szubjektivitás, a munka- és időigény csökkenését eredményezheti (HAY–CASTILLA 2006; HAY–CASTILLA 2008). Az objektum alapú képfeldolgozás szegmentációs eljárásokon alapul, a szegmentálás alkalmazásával növelhető az osztályozás pontossága a pixel alapú osztályozáshoz képest, eredményeként az osztályok közötti átmenet egyenletesebb lesz (VERŐNÉ WOJTASZEK M. 2010). A többfázisú szegmentálás során létrejön egy képobjektum hierarchia (2. ábra), amely objektumszintekből áll. Minden objektumszint a vizsgált kép bizonyos információkat tartalmazó virtuális másolata. Az objektum kapcsolódik a vele szomszédos objektumhoz az adott szinten, az őt magába foglaló szuperobjektumhoz a magasabb szinten és az őt alkotó alobjektumokhoz az alacsonyabb szinten (BENZ ET AL. 2004).

2. ábra. A képobjektum hierarchia sematikus ábrázolása (Definiens Developer 7 felhasználói kézikönyv nyomán)

Munkánkban az eCognition szoftverben elérhető többfázisú szegmentálás (multiresolution segmentation) alulról-felfelé régiónövesztő (bottom-up region merging technique) típusát alkalmaztuk. Ennek lényege, hogy a szomszédos, egymáshoz leginkább hasonló pixeleket vagy képobjektumokat olvasztja össze különböző homogenitási feltételek – szín, alak, kompaktság és simaság – alapján. A küszöbértékeket a felhasználó definiálja. A méretaránytényező (scale parameter) értékét fokozatosan növeltük (10, 25, 50, 100, 200), amely a heterogenitás növekedésével egyre nagyobb méretű képobjek-

3

tumokat eredményezett. A szín/alak (0,5, 0,5) és a kompaktság/simaság értékét (0,5, 0,5) a szegmentálás során nem módosítottuk. A létrejött objektumokat vektoros formátumba exportáltuk, osztályozásukat vizuális interpretációval végeztük. Az osztályba soroláshoz az 50 ezres léptékű CORINE felszínborítási adatbázis (CLC50) nómenklatúrájában megjelenő kategóriákat egyszerűsítve alkalmaztuk. A tájmetriai vizsgálat során osztály szintű mutatókat számítottunk a VLATE (Vector-based Landscape Analysis Tools Extension) bővítmény segítségével. A VLATE egy szintén az ArcGIS szoftverkörnyezetben használható bővítmény, amely lehetővé teszi az ökológiai és tájszerkezeti kutatások során leggyakrabban használt tájmetriai mutatók kiszámítását (LANG–TIEDE 2003; [2]). Eredmények A szegmentálást a tájablakokat részben vagy teljes egészében lefedő összes georeferált légifelvételen végrehajtottuk, ám az egyes tájablakok esetében a különböző hierarchiaszintek együttes alkalmazása hozott megfelelő eredményt. Az osztályozásnál a bizonytalanságok, hibalehetőségek csökkentésének érdekében igyekeztünk a rendelkezésre álló felvételek közül minél többet felhasználni, mert az archív felvételek esetében gyakoriak a tárolás során keletkezett sérülések, amelyek nehezítik az értékelést. Előfordulhat, hogy a legalacsonyabb hierarchiaszinten sem teljesen pontos az eredmény. Ekkor legtöbb esetben is csak néhány pixelt kitevő eltéréssel kell számolnunk, ám lényeges szempont az elemzésbe bevont felvételek minősége (sérült, gyűrődött vagy feliratozott-e, illetve zajos vagy nem elég kontrasztos az adott felvétel). A minőségből eredő hibákat az emberi érzékelés is nehezen szűri ki, de amennyiben egy területrészre vonatkozóan több felvételt elemzünk, az a vizuális interpretáció során megkönnyíti a helyes osztályozást. Az árnyékok lehatárolása szintén megnehezítheti az osztályba sorolást, mert az árnyékos területeket a kisebb hierarchiaszinteken a program még külön szegmensekbe sorolja, de a felsőbb szinteken már akár a facsoportokkal együtt kezeli, és ez a jelenség a hierarchiaszintek növekedésével egyre markánsabbá válik. Amennyiben a program képes pontosan lehatárolni ezeket, a vizuális interpretáció során a megfelelő kategóriához tudjuk besorolni a kérdéses területrészeket, ily módon ez orvosolható. Egyes esetekben ezért az alacsonyabb hierarchiaszinteken végrehajtott szegmentáció eredményét kell figyelembe vennünk. A szegmentálás során a területen előforduló (jellemzően szilárd burkolat nélküli) utak felületként jelennek meg. A legkisebb hierarchiaszinteken is előfordulnak olyan jelenségek, amelyek például egy vonalas objektum

megszakítottságát okozzák, holott az az adott helyen a valóságban nem szakad meg (pl. az út fölé hajló fa lombkoronájának kitakaró hatása miatt). Ezért

3. ábra. A három tájablak felszínborításának változásai

5

ennek a felszínborítási típusnak az egyértelmű lehatárolása csupán a szegmentálás eredménye alapján nem volt lehetséges, annak pontosabb ábrázolása a vizuális interpretáció segítségével digitalizált, majd maszkként betöltött vektoros állomány formájában volna megoldható. A szegmentálás objektív eredményt ad, mivel az objektumok lehatárolása pontos lesz, ám az osztályozás során a felhasználói felügyelet elengedhetetlen. Tapasztalataink alapján az objektum alapú képfeldolgozás a tájszerkezet vizsgálatában jól alkalmazható módszer, amely a feldolgozás idejét jelentősen csökkentheti. A szegmentálás eredménye vektoros rendszerekbe integrálható, amelyek további térbeli elemzésekre adnak lehetőséget (pl. tájmetriai mutatók számítása). A legjelentősebb tájszerkezeti válzotások a dél-nyírségi mintaterületen történtek. Az utolsó vizsgált idősíkban itt megjelenik az összes felszínborítási típus, a másik két tájablaknál általában 2-3 típus elegendő volt a felszínborítás jellemzéséhez (3. ábra). A tájmetriai elemzés során a kerületet, területet, szegélyhosszt, alakot, magterületet, diverzitást és felosztottságot jellemző főbb osztály szintű mutatókat határoztuk meg (MCGARIGAL–MARKS, 1995). Első lépésben az egyes felszínborítási kategóriákba tartozó foltok száma, területe (m2), valamint a teljes tájablak területéhez viszonyított aránya (%) került meghatározásra. A beépített területek alacsony részaránya abból következik, hogy a véletlenszerűen kiválasztott tájablakok területén település nem, mindössze egykét tanya vagy mezőgazdasági/ipari létesítmény található. Az első idősíkhoz képest a mintaterületeken ennek a felszínborítási kategóriának a területi részesedése csökkent, amelyet a 2. és a 3. tájablakban a tanyák fokozatos eltűnése okoz. Magas fraktáldimenzió érték különösen az erdő- és gyepterületeknél tapasztalható, mert a többsoros mezővédő erdősávok és a gyepterületek igen elnyúló és keskeny (főleg utakat kísérő) elemeket alkotnak. A szántótól eltérő felszínborítási típusokat alkotó foltok fraktáldimenzió értéke a vizsgált tájablakok területén jellemzően magas, mert alakjuk jobbára erősen szabálytalan, míg a szántók esetében 1,5 alatti értékekkel találkozhatunk. A hortobágyi tájablaknál a gyepterületek, míg a hajdúháti tájablak esetében az erdőterületek mutatták a legmagasabb felosztottsági értéket. Itt a 3. ábrán látható állapot szerint csupán facsoportok/fasorok jelennek meg a tájszerkezetben, amelyeket szántóterület vesz körül. A dél-nyírségi tájablakban 1956-ban a beépített területek magas felosztottságát az összefüggő szántóterületben megjelenő elszórt tanyák adják, ugyanakkor a tájablakot lefedő 2005-ös felvételeken igen elszórtan beépített terület és gyepterület is látható, amely az adott osztályok esetében a felosztottságot növeli. Következtetések

A tájablakok az őket befoglaló kistájaknak mindössze egy kisméretű részletét képviselik, ezért azok teljes körű tájökológiai jellemzéséhez nem elegendőek. Egy nagyobb tájablak vagy az egész kistáj vizsgálata átfogóbb képet adna a valós viszonyokról, viszont ez a feldolgozás idejét nagyságrendekkel megnövelné. A képosztályozás teljes körű vagy részleges automatizálása révén nemcsak a feldolgozás ideje csökken, hanem az egységnyi idő alatt vizsgálható tájrészletek területe is nő. A vizsgálatok alapvető tanulsága azonban az, hogy az emberi beavatkozásnak és döntési folyamatnak valamilyen szinten a tájelemzésben mindig jelen kell lennie, más módszerekkel nem helyettesíthető. Köszönetnyilvánítás A munka az NTP-TDK-13-023 sz. „Tehetséggondozási Program a DE Természettudományi és Technológiai Kar tudományos diákköri műhelyeiben” című pályázati támogatással készült. Felhasznált irodalom BENZ, U. – HOFMANN, P. – WILLHAUCK, G. – LINGENFELDER, I. – HEYNEN, M. (2004): Multiresolution, object-oriented fuzzy analysis of remote sensing data for GISready information. ISPRS Journal of Photogrammetry and Remote Sensing 58 (3–4), 239–258. BEYER, H.L. (2004): Hawth’s Analysis Tools for ArcGIS. http://www.spatialecology.com/htools (letöltés: 2013. augusztus) BLASCHKE, T. – LANG, S. – LORUP, E. – STROBL, J. – ZEIL, P. (2000): Object-oriented image processing in an integrated GIS/remote sensing environment and perspectives for environmental applications. In: CREMERS, A. – GREVE, K. (eds.): Environmental Information for Planning, Politics and the Public. Metropolis Verlag, Marburg, pp. 555–570. DEFINIENS AG (2007): Definiens Developer 7 User Guide. München, 500 p. http://ecognition.cc/download/userguide.pdf (letöltés: 2013. június) DÖVÉNYI Z. (SZERK.) (2010): Magyarország kistájainak katasztere. MTA Földrajztudományi Kutatóintézet, Budapest, 876 p. HAY, G. J. – CASTILLA, G. (2008): Geographic Object-Based Image Analysis (GEOBIA): A new name for a new discipline. In: Blaschke, T. – Lang, S. – Hay, G. (eds.): Object-Based Image Analysis: Spatial Concepts for Knowledge-Driven Remote Sensing Applications. Springer-Verlag, Berlin-Heidelberg, pp. 75–90. HAY, G. J. – CASTILLA, G. (2006): Object-Based Image Analysis: Strengths, Weaknesses, Opportunities and Threats (SWOT). International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. No. XXXVI-4/C42, 3 p. LANG, S. – TIEDE, D. (2003): vLATE Extension für ArcGIS – vektorbasiertes Tool zur quantitativen Landschaftsstrukturanalyse. ESRI Anwenderkonferenz, Innsbruck (CD)

7

http://downloads2.esri.com/campus/uploads/library/pdfs/68464.pdf (letöltés: 2013. november) LÓKI J. (2002): Távérzékelés. Debreceni Egyetem Kossuth Egyetemi Kiadója, Debrecen, pp. 9–93. MCGARIGAL, K. – MARKS, B. (1995): FRAGSTATS: spatial pattern analysis program for quantifying landscape structure. Gen. Tech. Report PNW-GTR-351. USDA Forest Service, Pacific Northwest Research Station, Portland, 134 p. http://www.umass.edu/landeco/pubs/mcgarigal.marks.1995.pdf (letöltés: 2013. június) SZABÓ SZ. (2001): Connection between Soil and Landscape Sensitivity. Ekologia/Ecology (Bratislava) 20:, 285–291. VERŐNÉ WOJTASZEK M. (2010): Fotointerpretáció és távérzékelés 5. Távérzékeléssel szerzett adatok számítógépes kiértékelése. Digitális Tankönyvtár. http://www.tankonyvtar.hu/en/tartalom/tamop425/0027_FOI5/ch01s02.html (letöltés: 2013. november)

Internetes hivatkozások [1] http://www.militaria.hu/hadtorteneti-intezet-es-muzeum/terkeptar/a-terkeptargyujtemenye (letöltés: 2013. október) [2] https://sites.google.com/site/largvlate/gis-tools/v-late (letöltés: 2013. október)