Enhanced processing of SPOT multispectral satellite imagery for environmental monitoring and modelling

The Taita Hills in southeastern Kenya form the northernmost part of Africa’s Eastern Arc Mountains, which have been identified by Conservation International as one of the top ten biodiversity hotspots on Earth. As with many areas of the developing world, over recent decades the Taita Hills have experienced significant population growth leading to associated major changes in land use and land cover (LULC), as well as escalating land degradation, particularly soil erosion. Multi-temporal medium resolution multispectral optical satellite data, such as imagery from the SPOT HRV, HRVIR, and HRG sensors, provides a valuable source of information for environmental monitoring and modelling at a landscape level at local and regional scales. However, utilization of multi-temporal SPOT data in quantitative remote sensing studies requires the removal of atmospheric effects and the derivation of surface reflectance factor. Furthermore, for areas of rugged terrain, such as the Taita Hills, topographic correction is necessary to derive comparable reflectance throughout a SPOT scene. Reliable monitoring of LULC change over time and modelling of land degradation and human population distribution and abundance are of crucial importance to sustainable development, natural resource management, biodiversity conservation, and understanding and mitigating climate change and its impacts. The main purpose of this thesis was to develop and validate enhanced processing of SPOT satellite imagery for use in environmental monitoring and modelling at a landscape level, in regions of the developing world with limited ancillary data availability. The Taita Hills formed the application study site, whilst the Helsinki metropolitan region was used as a control site for validation and assessment of the applied atmospheric correction techniques, where multiangular reflectance field measurements were taken and where horizontal visibility meteorological data concurrent with image acquisition were available. The proposed historical empirical line method (HELM) for absolute atmospheric correction was found to be the only applied technique that could derive surface reflectance factor within an RMSE of < 0.02 ps in the SPOT visible and near-infrared bands; an accuracy level identified as a benchmark for successful atmospheric correction. A multi-scale segmentation/object relationship modelling (MSS/ORM) approach was applied to map LULC in the Taita Hills from the multi-temporal SPOT imagery. This object-based procedure was shown to derive significant improvements over a uni-scale maximum-likelihood technique. The derived LULC data was used in combination with low cost GIS geospatial layers describing elevation, rainfall and soil type, to model degradation in the Taita Hills in the form of potential soil loss, utilizing the simple universal soil loss equation (USLE). Furthermore, human population distribution and abundance were modelled with satisfactory results using only SPOT and GIS derived data and non-Gaussian predictive modelling techniques. The SPOT derived LULC data was found to be unnecessary as a predictor because the first and second order image texture measurements had greater power to explain variation in dwelling unit occurrence and abundance. The ability of the procedures to be implemented locally in the developing world using low-cost or freely available data and software was considered. The techniques discussed in this thesis are considered equally applicable to other medium- and high-resolution optical satellite imagery, as well the utilized SPOT data.

Taitavuoret sijaitsevat Kaakkois-Keniassa ja muodostavat pohjoisimman osan Itäisistä Kaarivuorista. Conservation International -järjestön mukaan Itäisten Kaarivuorten alue kuuluu luonnon monimuotoisuuden (biodiversiteetin) kannalta kymmenen tärkeimmän joukkoon maailmassa. Taitavuorilla, kuten monilla muilla kehittyvien maiden alueilla, viime vuosikymmenten aikana väestönkasvu on johtanut merkittäviin maankäytön muutoksiin kuten esimerkiksi kiihtyvään maan heikkenemiseen, erityisesti maaperäeroosion muodossa. Moniaikaiset optisen alueen SPOT-satelliittikuvat tarjoavat arvokasta tietoa ympäristön tilan seurantaan ja ympäristömallinnukseen paikallisella ja alueellisella tasolla. SPOT-satelliittikuva-aineiston hyödyntäminen kvantitatiivisessa kaukokartoituksessa vaatii kuitenkin ilmakehän vaikutuksen poistamista sekä maanpinnan heijastussuhteen määrittämistä. Lisäksi alueilla, joilla maasto on epätasaista, kuten Taitavuorilla, satelliittikuvalle on tehtävä topografinen korjaus, jotta maanpinnan heijastusarvot olisivat vertailukelpoisia koko satelliittikuvan alueella. Maankäytön muutosten monitorointi ja maaperän huononemisen sekä väestön levinneisyyden ja runsauden mallintaminen ovat ratkaisevan tärkeitä kestävälle kehitykselle, luonnonvarojen hallinnalle, biologisen monimuotoisuuden suojelulle ja ilmastonmuutoksen hillitsemiselle ja sen vaikutusten vähentämiselle. Tämän tutkimuksen tarkoituksena oli kehittää ja arvioida tehostettuja prosessointimenetelmiä SPOT-satelliittikuville. Tutkimuksessa kehitettyjä menetelmiä voidaan hyödyntää ympäristön tilan seurannassa ja mallintamisessa kehittyvissä maissa alueilla, joilla täydentävä tutkimusaineisto on puutteellista. Tässä tutkimuksessa Taitavuoret oli varsinainen tutkimusalue, jossa sovellukset kehitettiin ja Helsinki toimi kontrollialueena validoinnissa ja ilmakehäkorjausten hyvyyden arvioinnissa. Tutkimuksessa esitetty ilmakehäkorjaus menetelmä, ns. historical empirical line method (HELM), osoittautui ainoaksi menetelmäksi, jolla maanpinnan heijastussuhteen arvion keskivirhe (RMSE) oli < 0.02 ja suhteellinen tarkkuus < 10%. Yllä mainittu tarkkuustaso on yleisesti hyväksytty vertailuarvo osoittamaan ilmakehäkorjauksen onnistumisen. Monitasoista kuvasegmentointia ja objekti-orientoitunutta mallintamista (MSS/ORM) hyödynnettiin Taitavuorten maankäytön kartoittamisessa SPOT-satelliittikuvalta. Objekti-orientoitunut menetelmä onnistui parantamaan huomattavasti yksi-tasoista maximum-likelihood -luokitusta. Kuvasegmentoinnilla tuotettua Taitavuorten maankäyttöaineistoa käytettiin maaperän huonontumisen mallintamisessa yhdessä alhaisen kustannuksen geospatiaalisten karttatasojen kanssa, jotka kuvaavat mm. Taitavuorten topografiaa, sadantaa ja maaperää. Mallintamisessa arvioitiin potentiaalista maa-aineksen häviämistä ns. USLE-eroosiomallin avulla. Lisäksi Taitavuorten väestön leviämistä ja väestön määrää mallinnettiin SPOT-satelliittikuvalta ja paikkatieto-aineistoista saaduilla geospatiaalisilla muuttujilla. Ennustemallit kalibroitiin käyttäen epälineaarista regressiota. Mallinnuksessa pyrkimyksenä oli sen toistettavuus myös kehittyvissä maissa. Täten mallinnuksessa pyrittiin hyödyntämään alhaisen kustannuksen tai vapaasti saatavilla olevia aineistoja ja ohjelmistoja.