การทำความเข้าใจและประเมินความเหมาะสมของ ALB สำหรับการทำแผนที่ท้องทะเลแบบอัตโนมัติ
บทความนี้นำเสนอวิธีการใหม่ในการทำความเข้าใจและประเมินความเหมาะสมของการวัดความลึกจากเครื่องเลเซอร์ Lidar แบบอากาศยาน (Airborne Lidar Bathymetry - ALB) สำหรับการจำแนกและทำแผนที่ท้องทะเลแบบอัตโนมัติ วิธีนี้ช่วยให้สามารถบันทึกความลึกต่ำกว่าแผ่นดิสก์ Secchi ได้
ALB เป็นเทคโนโลยีการวัดที่ทันสมัยสำหรับการวัดความลึกในสภาพแวดล้อมใต้น้ำตื้นอย่างรวดเร็ว ข้อมูลจาก ALB เหมาะสำหรับการทำแผนที่ชายฝั่งใกล้ฝั่ง เช่น การกำหนดรูปทรงของพื้นทะเลและโครงสร้างป้องกันชายฝั่ง บทความนี้นำเสนอวิธีการใหม่ในการทำความเข้าใจและประเมินความเหมาะสมของ ALB สำหรับการจำแนกและทำแผนที่ท้องทะเลแบบอัตโนมัติ
การขยายตัวของมนุษย์เข้าสู่พื้นที่ชายฝั่งและการใช้งานอย่างเข้มข้นเพื่อวัตถุประสงค์ทางเศรษฐกิจและนันทนาการต้องการข้อมูลเกี่ยวกับสถานะ การพัฒนา และการทำงานของพื้นที่เหล่านี้ การบริหารจัดการเขตชายฝั่งอย่างมีประสิทธิภาพที่ใช้ทรัพยากรอย่างเต็มที่ในขณะที่มั่นใจในความปลอดภัยของผู้คนที่อาศัยอยู่ในพื้นที่นี้จึงเป็นสิ่งสำคัญที่ต้องติดตามและทำแผนที่เขตชายฝั่ง ซึ่งเป็นเรื่องท้าทายทั้งในด้านเทคนิคและการจัดการ
การทำแผนที่ชายฝั่งตื้น
การทำแผนที่ชายฝั่งเป็นเครื่องมือพื้นฐานที่สนับสนุนวิศวกรรมชายฝั่ง เป็นองค์ประกอบสำคัญในการติดตามและประเมินสภาพของชายฝั่ง ทำให้สามารถระบุพื้นที่ที่อ่อนไหวต่อการกัดเซาะได้ ซึ่งช่วยให้การจัดการป้องกันชายฝั่งมีประสิทธิภาพและประหยัด ในกรณีของชายฝั่งที่ได้รับการป้องกัน การสำรวจทำให้สามารถตรวจสอบการทำงานและประสิทธิภาพของการเสริมแรงได้ ซึ่งช่วยปรับปรุงการปฏิบัติทางวิศวกรรม
การวัดความลึกของทะเลด้วย Lidar สามารถวัดพื้นที่ชายฝั่งตื้นได้อย่างมีประสิทธิภาพ เมื่อเทียบกับระบบอะคูสติก การสำรวจทำได้รวดเร็วขึ้นในพื้นที่ตื้นด้วยต้นทุนที่ต่ำกว่า เครื่องสแกนเลเซอร์แบบ Bathymetric ใช้ลำแสงสีเขียว (532nm) เพื่อบันทึกความลึกใต้ผิวน้ำ วิธีการนี้มีพลังงานสูงกว่าและความถี่ของพัลส์เลเซอร์ต่ำกว่า เนื่องจากเวลาการสะท้อนของลำแสงที่สะท้อนกลับนานกว่า
การระบุและจำแนกประเภทของธรณีสัณฐานของพื้นทะเลจากชุดข้อมูลการสำรวจระยะไกลสามารถทำได้ด้วยมือ อัตโนมัติ หรือกึ่งอัตโนมัติ การทำแผนที่ด้วยมือเป็นงานที่ต้องใช้แรงงานมากและใช้เวลานาน และต้องใช้ล่ามที่เชี่ยวชาญเพียงคนเดียว ดังนั้น การศึกษานี้จึงเสนอวิธีการทำแผนที่พื้นทะเลตื้นโดยอัตโนมัติโดยอิงจากชุดข้อมูล ALB สำหรับทะเลบอลติกตอนใต้
พื้นที่ศึกษาและชุดข้อมูลที่ได้รับ
พื้นที่การศึกษาตั้งอยู่ที่ชายฝั่งของโปแลนด์ในทะเลบอลติกตอนใต้ มีการเลือกพื้นที่ศึกษา 6 แห่งตามแนวชายฝั่งซึ่งเป็นแถบของพื้นทะเลที่ขยายจากแนวชายฝั่งไปถึงความลึกประมาณ 5.5 เมตร พื้นที่ 4 แห่งนี้มีลักษณะสิ่งแวดล้อมธรรมชาติ และ 2 แห่ง (ใกล้เมือง Rowy และ Ustka) ถูกเปลี่ยนแปลงโดยมนุษย์ วิธีการประมวลผลที่พัฒนาขึ้นยังถูกนำมาใช้กับส่วนแนวชายฝั่งยาว 48 กม. ของทะเลบอลติกตอนใต้ด้วย
การศึกษาใช้ข้อมูล ALB จากสำนักงานการเดินเรือในเมือง Gdynia ผ่านพอร์ทัล SIPAM ข้อมูลอยู่ในรูปแบบโมเดลความสูงทางดิจิตอล (DEMs) ที่สร้างขึ้นโดยใช้กลุ่มจุดที่ลงทะเบียนในรูปแบบข้อมูล .las การวัดได้มาจาก OPEGIEKA ด้วยข้อกำหนดดังนี้: ความหนาแน่นการสแกนเฉลี่ยขั้นต่ำ 2x12.4 จุด/ตร.ม. ข้อผิดพลาดแนวนอนเฉลี่ยของจุด (XY) 0.02 ม. และข้อผิดพลาดแนวดิ่งเฉลี่ยของจุด (H) ไม่เกิน 0.07 ม. โมเดลที่ได้ในรูปแบบของโมเดลภูมิประเทศถูกนำเสนอในรูปที่ 2
การจำแนกรูปทรงพื้นทะเลด้วยมือ
ขอบเขตทางพื้นที่ของรูปทรงพื้นทะเล 9 ประเภทและโครงสร้างที่มนุษย์สร้างขึ้น 3 ประเภทถูกแยกออกด้วยมือจากการตีความและการวิเคราะห์ข้อมูล ALB โดยนักธรณีวิทยาที่มีความเชี่ยวชาญ การวิเคราะห์ได้รับการสนับสนุนโดยการตรวจสอบเพิ่มเติมของการบรรเทาพื้นทะเลและการตีความความลึก ความลาดเอียงและทิศทาง (รวมถึงการกำหนดขอบ ฐานลาด สันรูปทรงและแกนรูปทรงลุ่ม) ดังนั้นจึงแยกแยะชั้นวัตถุ 13 ประเภท ได้แก่ วัตถุประดิษฐ์ เตียงคลื่น เตียงคลื่นพร้อมวัตถุประดิษฐ์ เตียงเรียบ เตียงเรียบพร้อมวัตถุประดิษฐ์ ความผิดปกติอื่น ๆ เตียงลุ่มที่ไม่เรียบ คลื่นริ้วรูปลิ้น คลื่นริ้วตรงหรือคด โครงสร้างกันคลื่น แบ่งคลื่นจมน้ำ โมดูลแนวปะการังเทียมและพีท
การประมวลผลข้อมูล ALB แบบอัตโนมัติ
การวัดความลึกของทะเลจาก ALB ช่วยให้สามารถดึงคุณลักษณะได้ทั้งหมด 21 ประการ เช่น ความลาดเอียง ทิศทาง ความขรุขระและความโค้งงอ รวมถึงคุณลักษณะที่ซับซ้อนมากขึ้น เช่น รูปทรงธรณีหรือความแบนของยอดสันในหลายระดับ (MrRTF) คุณลักษณะเหล่านี้ถูกนำไปใช้กับอัลกอริทึมการเลือกคุณลักษณะที่ผลลัพธ์ถูกนำไปใช้สำหรับการจำแนก
จุดควบคุมความจริงพื้นฐานถูกสร้างขึ้นจากการจำแนกด้วยมือและกระบวนการสุ่ม พวกมันถูกแยกออกเพื่อการฝึกอบรมและการทดสอบและถูกนำไปใช้เป็นข้อมูลนำเข้าให้กับตัวจำแนกแบบมีผู้ดูแล การกำหนดและจำแนกรูปทรงพื้นทะเลโดยอัตโนมัติถูกดำเนินการโดยการวิเคราะห์ภาพเชิงวัตถุนอกจากนี้ยังมีการใช้คุณลักษณะต่าง ๆ ที่ซับซ้อนมากขึ้น เช่น รูปทรงธรณีหรือความแบนของยอดสันในหลายระดับ (MrRTF) โดยการดึงคุณลักษณะเหล่านี้ใช้กับอัลกอริทึมการเลือกคุณลักษณะและการจำแนก
การสร้างจุดควบคุมความจริงพื้นฐานเกิดขึ้นจากการจำแนกด้วยมือและการสุ่มตัวอย่าง พวกมันถูกแยกออกเพื่อการฝึกอบรมและการทดสอบ และถูกนำไปใช้เป็นข้อมูลนำเข้าให้กับตัวจำแนกแบบมีผู้ดูแล การกำหนดและจำแนกรูปทรงพื้นทะเลโดยอัตโนมัติถูกดำเนินการโดยการวิเคราะห์ภาพเชิงวัตถุ
การประเมินประสิทธิภาพของตัวทำนายและตัวจำแนกประเภทที่ใช้การเรียนรู้ของเครื่อง
การวิเคราะห์การเลือกคุณลักษณะยืนยันว่าทุกคุณลักษณะมีความสำคัญสำหรับการจำแนกประเภทโดยอัตโนมัติ ดังนั้นคุณลักษณะทั้งหมดจึงถูกใช้เป็นข้อมูลนำเข้าสำหรับการวิเคราะห์ MrRTF ซึ่งพัฒนาขึ้นสำหรับการศึกษาเรื่องน้ำ แต่ได้กลายเป็นตัวทำนายที่ดีสำหรับยอดสันทรายและยอดของรูปทรงพื้นทะเลที่เล็กกว่า เช่น เมการิปเปิล ดังนั้นจึงถูกเสนอเป็นการวินิจฉัยที่เป็นไปได้สำหรับการกำหนดรูปทรงพื้นทะเลที่ใกล้ฝั่ง
การศึกษานี้พิสูจน์แล้วว่าตัวจำแนกประเภทแบบป่าแบบสุ่ม (RF) เหมาะสมสำหรับการจำแนกรูปทรงพื้นทะเลและโครงสร้างที่มนุษย์สร้างขึ้นอย่างแม่นยำโดยอัตโนมัติโดยอิงจากการวัด ALB RF มีประสิทธิภาพสูงสุดของตัวจำแนกประเภททั้งหมดที่ทดสอบ การเปรียบเทียบผลลัพธ์โดยรวมกับการจำแนกด้วยมือแสดงให้เห็นถึงความสอดคล้องกันอย่างดีสำหรับรูปทรงพื้นทะเลหลักทั้งหมด อัลกอริทึมเดียวกันนี้ทำงานได้ดีในพื้นที่ที่ซับซ้อนมากขึ้นซึ่งมีการผสมผสานระหว่างรูปทรงพื้นทะเลธรรมชาติและโครงสร้างที่มนุษย์สร้างขึ้นบนพื้นทะเล รวมถึงสภาพแวดล้อมใกล้ฝั่งยาว 48 กม. ของทะเลบอลติกตอนใต้ ความแม่นยำในทุกสถานการณ์แตกต่างกันระหว่างประมาณ 75% ถึง 91% โดยมีค่ามัธยฐาน 84% ความคิดเห็นของผู้เชี่ยวชาญอิสระแสดงให้เห็นว่าการแบ่งส่วนที่ได้ผลนั้นสามารถใช้งานได้และถูกต้อง
การจำแนกประเภทโดยอัตโนมัติจะมาแทนที่การตีความด้วยมือหรือไม่?
การวิจัยที่นำเสนอครอบคลุมแง่มุมต่าง ๆ ของการกำหนดและการประเมินวิธีการทำแผนที่โดยอัตโนมัติโดยอิงจากชุดข้อมูล ALB รูปทรงพื้นทะเล 9 ประเภทและโครงสร้างที่มนุษย์สร้างขึ้น 3 ประเภทที่เกิดขึ้นในเขตใกล้ฝั่งของทะเลบอลติกตอนใต้ถูกแยกแยะเพื่อพิสูจน์ความเหมาะสมของชุดข้อมูล ALB ที่มีความละเอียดสูงสำหรับการทำแผนที่ใกล้ฝั่งโดยอัตโนมัติ การดึง MrRTF สามารถนำไปใช้ได้อย่างมีประสิทธิภาพในการกำหนดยอดสันทรายโดยอัตโนมัติ ซึ่งมีความสำคัญอย่างยิ่งต่อการป้องกันชายฝั่ง การครอบคลุมพื้นที่ของ ALB ที่นำเสนอในการศึกษานี้แสดงให้เห็นว่ายังมีโอกาสในการปรับปรุงความแม่นยำและช่วงการเจาะของการวัดด้วยเลเซอร์แบบ Bathymetric แม้ว่าจะมีการทดสอบคุณลักษณะทางธรณีหลายประการ แต่คุณลักษณะทุติยภูมิจากแหล่งอื่นหรือตามมาตราส่วนเชิงพื้นที่อื่นอาจช่วยปรับปรุงประสิทธิภาพการจำแนกประเภทได้ ดังนั้น แม้ว่าจะยังมีพื้นที่สำหรับความก้าวหน้า แต่ความก้าวหน้าที่สำคัญได้เกิดขึ้นแล้วในด้านนี้
ขอบคุณข้อมูลจาก: https://www.hydro-international.com/content/article/shallow-seabed-mapping-based-on-airborne-lidar-bathymetry
แนะนำ LiDAR สำหรับ Airborne Lidar Bathymetry: https://www.thaiskyvision.com/ys-navigator
Comments