Δάση και Τηλεπισκόπηση
Από RemoteSensing Wiki
Αξιολόγηση της θεματικής πληροφορίας των διαύλων του LANDSAT-5 ΤΜ για την εκτίμηση παραμέτρων των δασικών συστάδων στη Χερσόνησο της Κασσάνδρας
1. Πρόλογος
Η παρακάτω εργασία εκπονήθηκε από τους: Γιώργο Μαλλίνη(1), Νίκο Κούτσια(2), Απόστολο Μάκρα(1), Μιχάλη Καρτέρη(1) (1) Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Σχολή Δασολογίας και Φυσικού Περιβάλλοντος Εργαστήριο Δασικής Διαχειριστικής και Τηλεπισκόπησης, (2) Πανεπιστήμιο Ζυρίχης, Τμήμα Γεωγραφίας, Τομέας Γεωγραφικών Συστημάτων Πληροφοριών
2. Περίληψη
Η δορυφορική τηλεπισκόπηση παρέχει νέες δυνατότητες και προοπτικές στους δασολόγους διαχειριστές για τον έλεγχο και την προστασία των δασικών οικοσυστημάτων. Αντικείμενο έρευνας της εργασίας αποτέλεσε η αξιολόγηση των μέσης-υψηλής ευκρίνειας δορυφορικών δεδομένων του Θεματικoύ Χαρτογράφου του LANDSAT-5 για τον υπολογισμό της πυκνότητας, της κυκλικής επιφάνειας, του ξυλώδες όγκου και της δασικής βιομάζας, ενός δασικού οικοσυστήματος υψηλού βαθμού ετερογένειας στη Βόρεια Ελλάδα. Η ψηφιακή ταξινόμηση με τη χρήση της γραμμικής διακριτικής συνάρτησης του Fisher έδωσε συνολική ακρίβεια ταξινόμησης 82%. Στα αρχικά δορυφορικά δεδομένα εφαρμόστηκαν διάφοροι πολυφασματικοί μετασχηματισμοί και τα παράγωγα συνθετικά κανάλια χρησιμοποιήθηκαν συνδυαστικά με τα αρχικά ως επεξηγηματικές μεταβλητές στα μοντέλα που αναπτύχθηκαν. Οι παράμετροι των δασικών οικοσυστημάτων που εξετάστηκαν παρουσίασαν παρόμοιο, αλλά μικρό βαθμό συσχέτισης με τα αρχικά και συνθετικά δορυφορικά δεδομένα. Μεταξύ αυτών οι φασματικοί δίαυλοι TM4 και TM7 παρουσίασαν την υψηλότερη συσχέτιση με τις υπό εξέταση δασικές παραμέτρους. Η χρησιμοποίηση των συνθετικών δεδομένων συνετέλεσε στην αύξηση των συντελεστών συσχέτισης και βοήθησε στην ανάπτυξη στατιστικά σημαντικών μοντέλων.
3. Εισαγωγή
Η εισαγωγή της δορυφορικής τεχνολογίας σε επιχειρησιακό επίπεδο έδωσε νέες δυνατότητες στους δασολόγους για απογραφή, παρακολούθηση και διαχείριση των δασικών οικοσυστημάτων. Η επιτυχία της συνεισφοράς της δορυφορικής τηλεπισκόπησης, ως ένα σύγχρονο διαχειριστικό εργαλείο, στη δασοπονία επηρεάζεται από παράγοντες όπως είναι ο χρόνος λήψης των δεδομένων, η χωρική και φασματική διακριτική ικανότητα των δεδομένων, το είδος της καταγραφόμενης βλάστησης, η πυκνότητα, ηλικία, υγεία των συστάδων κ.λ.π.. Ως αποτέλεσμα, η χρήση των δορυφορικών δεδομένων έχει τοπική και όχι γενική αξία. Υπό συνθήκες περιβαλλοντικής ομοιομορφίας και ομοιογένειας, η τηλεπισκόπηση έχει αποδειχτεί ότι μπορεί να χρησιμοποιηθεί για την εκτίμηση και απογραφή παραμέτρων των δασικών συστάδων (Ripple et al., 1991; Ardo 1992, Danson and Curran, 1993; Woodcock et al,. 1994; Trotter et al,. 1997). Σε αντίθεση, υπό συνθήκες ετερογένειας και υψηλής χωρικής μεταβλητότητας η συμβολή της είναι περιορισμένη (Salvador and Pons 1998). Στα Μεσογειακού τύπου δασικά οικοσυστήματα συναντάται μεγαλύτερη ετερογένεια αναφορικά με τη σύνθεση και τη δομή τους. Αυτή η χωρική ετερογένεια είναι το αποτέλεσμα πολλών παραγόντων όπως η τοπογραφία, διαχειριστικές πρακτικές, κλιματικοί παράγοντες, κλπ. Ιστορικά, από χωρική και χρονική άποψη, η διαχείριση των Μεσογειακών δασών ήταν συχνά μεταβαλλόμενη. Υψηλό ποσοστό των δασών κατανέμονται σε μικρά τεμάχια ιδιοκτησίας τα οποία διαχειρίζονται από διαφορετικούς ιδιοκτήτες, οι οποίοι ακολουθούν διαφορετικές στρατηγικές. Τέλος, το Μεσογειακό κλίμα, με έντονη καλοκαιρινή ξηρασία, η οποία συχνά εμποδίζει την ανάπτυξη πλήρους κόμης και επιτρέπει τη δημιουργία ενός ετερογενούς υπόροφου, συμβάλει και αυτό στην προαναφερθείσα ετερογένεια. Ερευνητικά η εργασία αυτή πραγματεύεται την αξιολόγηση των μέσης-υψηλής ευκρίνειας δορυφορικών δεδομένων του Θεματικoύ Χαρτογράφου του LANDSAT-5 για τη χαρτογράφηση των παραμέτρων των Μεσογειακών δασικών οικοσυστημάτων. Συγκεκριμένα, εξετάζεται η περίπτωση ανάπτυξης μοντέλων παλινδρόμησης για την εκτίμηση της πυκνότητας, της κυκλικής επιφάνειας, του ξυλώδες όγκου και της δασικής βιομάζας, ενός δασικού οικοσυστήματος υψηλού βαθμού ετερογένειας στη Βόρεια Ελλάδα.
4. Υλικά και μέθοδοι
Περιοχή μελέτης
Η Χερσόνησος της Κασσάνδρας εκτείνεται στον άξονα των πλατών μεταξύ των 39 54’ 30’’ και 40 18’ 20’’ και στον άξονα των μηκών μεταξύ των 23 45’ 10’’ και 23 20’ 15’’. Ο κύριος κορμός της Χερσονήσου απαρτίζεται από μια βασική κορυφογραμμή, η οποία στο ύψος του χωριού Ν. Σκιώνη διχάζεται σε 2 μικρότερες. Στα τμήμα αυτό επικρατούν πολλές και απότομες χαραδρώσεις και μεγάλες εγκάρσιες κλίσεις. Η Χερσόνησος της Κασσάνδρας ανήκει στη φυτοκοινωνιολογική ένωση της Ευμεσογειακής ζώνης. Η δασική βλάστηση της περιοχής περιλαμβάνει ξηροθερμικά φρύγανα (θυμάρι, μέντα, ασφάκα), αριές, χαλέπιο πεύκη και κάποιες περιοχές με δρυ.
Δορυφορικά δεδομένα
Τα δορυφορικά δεδομένα που χρησιμοποιήθηκαν προέρχονται από το Θεματικό Χαρτογράφο του LANDSAT-5 (Σχήμα 1), με ημερομηνία λήψης το Σεπτέμβριο του 1999. Η εικόνα αντιστοιχεί στο path 183 και row 32 της τροχιάς του δορυφόρου. Επίσης, χρησιμοποιήθηκε μια δορυφορική εικόνα IKONOS με ημερομηνία λήψης τον Ιούνιο του 2000, και η οποία χρησιμοποιήθηκε κυρίως για τη γεωμετρική προσαρμογή της δορυφορικής εικόνας του LANDSAT όπως επίσης και για φωτοερμηνευτικούς σκοπούς.
Βοηθητικά δεδομένα
Για τη δημιουργία του τρισδιάστατου μοντέλου εδάφους της περιοχής έρευνας, ψηφιοποιήθηκαν οι χωροσταθμικές καμπύλες ισοδιάστασης 20 μέτρων από αντίστοιχους τοπογραφικούς χάρτες της Γεωγραφικής Υπηρεσίας Στρατού (ΓΥΣ), κλίμακας 1:5000. Το τρισδιάστατο μοντέλο εδάφους (DTM), χωρικής διακριτικής ανάλυσης 30 μέτρων προέκυψε με τη μέθοδο ψηφιδοποίησης TIN.
Μετρήσεις πεδίου
Συνολικά 34 δειγματοληπτικές επιφάνειες εγκαταστάθηκαν με στρωματωποιημένη τυχαία δειγματοληψία για τη μέτρηση των πρωτογενών δασικών παραμέτρων βάση των οποίων εκτιμήθηκαν και οι υπόλοιπες. Πιο συγκεκριμένα, τετράγωνες επιφάνειες διάστασης 30 επί 30 μέτρων χρησιμοποιήθηκαν για τη μέτρηση των πρωτογενών δασικών παραμέτρων, και στη συνέχεια οι μετρήσεις ανήχθησαν στο εκτάριο. Στις δειγματοληπτικές επιφάνειες μετρήθηκαν αρχικά ο αριθμός των κορμών, η στηθιαία διάμετρος και το ύψος των δένδρων και στη συνέχεια εκτιμήθηκαν ο ξυλώδης όγκος (με τη χρήση εμπειρικών εξισώσεων, καθώς δεν υπάρχουν μαζοπίνακες), η κυκλική επιφάνεια και η βιομάζα με τη χρήση αλλομετρικών εξισώσεων (Smiris et al. 1998). Στον Πίνακα 1 παρουσιάζονται κάποια περιγραφικά στατιστικά μεγέθη των δασικών παραμέτρων.
Μεθοδολογία
Κατά το στάδιο της προεπεξεργασίας η δορυφορική εικόνα του LANDSAT διορθώθηκε ραδιομετρικά και γεωμετρικά (Mather 1999). Η ραδιομετρική αναγωγή της εικόνας αναφέρεται καταρχήν στην αφαίρεση από κάθε εικονοστοιχείο των φασματικών διαύλων της τιμής μετατόπισης του ιστογράμματος από την αρχή των αξόνων (offset) λόγω των φαινομένων της σκέδασης (Richards, 1986). Στη συνέχεια πραγματοποιήθηκε τοπογραφική ομαλοποίηση της εικόνας. Αξιολογήθηκαν δύο μέθοδοι: η διόρθωση του ημίτονου και η C- διόρθωση (ημι-εμπειρική μέθοδος) (Meyer et. al., 1993). Η διόρθωση του ημίτονου είναι μια αυστηρά τριγωνομετρική προσέγγιση, βασισμένη στην υπόθεση ότι τα αντικείμενα παρουσιάζουν φασματική συμπεριφορά σύμφωνα με το νόμο του Lambertian (δηλ. ομοιόμορφη αντανάκλαση τις προσπίπτουσας ακτινοβολίας προς όλες τις κατευθύνσεις), αδιαφορώντας για την επίδραση της ατμόσφαιρας. Ο τύπος που χρησιμοποιείται είναι:
Lh=Lt (cos(sz)/cos(i)) (1)
Όπου,
LH= η ακτινοβολία που παρατηρείται από μια οριζόντια επιφάνεια. LT= η ακτινοβολία που προσπίπτει σε μια κεκλιμένη επιφάνεια. sz= η γωνία του ήλιου ως προς το ζενίθ. i= η προσπίπτουσα γωνία του ήλιου, σε σχέση με το κανονικό σε ένα εικονοστοιχείο. Βάση της δεύτερης μεθόδου, σύμφωνα με τον (Teillet et al.,1982), είναι η δυνατότητα να περιγραφούν τα αρχικά δεδομένα με τη μορφή:
LT=m cos(i) + b (2)
Έτσι εισήγαγε ένα νέο παράγοντα c, ο οποίος αντιπροσωπεύει τους συντελεστές (b, m) της γραμμής παλινδρόμησης. Η ομαλοποιημένη εικόνα αξιολογήθηκε τόσο οπτικά όσο και στατιστικά, ενώ στη συνέχεια ταξινομήθηκαν η αρχική και η ομαλοποιημένη εικόνα για την επιπρόσθετη αξιολόγησή τους. Στη συνέχεια εφαρμόστηκαν διάφοροι πολυφασματικοί μετασχηματισμοί και δείκτες βλάστησης,. Τα μετασχηματισμένα συνθετικά κανάλια ενισχύουν χαρακτηριστικά που δεν είναι ευδιάκριτα στην αρχική εικόνα, διατηρούν σημαντικό ποσό της αρχικής πληροφορίας σε λιγότερες διαστάσεις, συσχετίζονται περισσότερο με ενδογενείς παράγοντες των οικοσυστημάτων και βελτιώνουν την ακρίβεια της ταξινόμησης (Richards, 1986; Jensen, 1986; Conese et al., 1988; Wiegand et al., 1991; Baret and Guyot, 1991; Conese et al., 1988; Καρτέρης και Κούτσιας, 1996). Στη συγκεκριμένη εργασία χρησιμοποιήθηκαν οι μη τυποποιημένες κύριες συνιστώσες, η συνιστώσα Greeness του μετασχηματισμού Τasseled Cap (Crist and Cicone, 1984) και κάποιοι δείκτες βλάστησης (PVI, TSAVI, NDVI, RVI). Στη συνέχεια, για την επιβλεπόμενη ταξινόμηση της ομαλοποιημένης εικόνας εφαρμόστηκαν δυο διαφορετικοί αλγόριθμοι. Ο αλγόριθμος της μεγίστης πιθανοφάνειας, και οι συντελεστές γραμμικής διακριτικής συνάρτησης του Fisher. Η κυριότερη διαφορά μεταξύ αυτών είναι ότι ο αλγόριθμος της μέγιστης πιθανοφάνειας προϋποθέτει κανονικότητα των τιμών των δεδομένων και υπολογίζει την συνδιακύμανση για κάθε τάξη, ενώ αντίθετα η μέθοδος του Fisher δεν προϋποθέτει κάτι αντίστοιχο ενώ υπολογίζει ένα πίνακα συνδιακύμανσης μεταξύ των τάξεων. Ο κανόνας του Fisher, προσπαθεί να δημιουργήσει γραμμικούς συνδυασμούς των ανεξάρτητων μεταβλητών, έτσι ώστε να επιτευχθεί η μέγιστη μεταξύ τους διακριτότητα σε ένα χώρο δύο διαστάσεων. Όταν η κατανομή των τάξεων είναι άγνωστη ή μη κανονική, είναι αναμενόμενο ο αλγόριθμος του Fisher να παρουσιάζει καλύτερα αποτελέσματα (German et al., 1999). Τέλος δοκιμάστηκαν διάφοροι συνδυασμοί των αρχικών καναλιών της τοπογραφικά ομαλοποιημένης εικόνας καθώς και συνδυασμοί πολυφασματικών μετασχηματισμών των αρχικών διαύλων για την εκτίμηση των δασικών παραμέτρων. Επιλέχτηκε η ανάλυση της παλινδρόμησης αντί διαφόρων αλγορίθμων ταξινόμησης και δεικτών γειτνίασης διότι είναι μια τεχνική η οποία εκμεταλλεύεται το σύνολο της πληροφορίας η οποία παρέχεται από μια συνεχή μεταβλητή (όπως είναι συνήθως οι δασικές παράμετροι) (Salvador and Pons, 1998).
5. Αποτελέσματα
Τοπογραφική ομαλοποίηση
Η επιλογή των δειγματοληπτικών σημείων για την τοπογραφική ομαλοποίηση έγινε σε περιοχές που καλύπτονται από Pinus halepensis, καθώς αυτή η κατηγορία είναι η κυρίαρχη στην περιοχή μελέτης. Επίσης, δόθηκε ιδιαίτερη σημασία ώστε τα σημεία να βρίσκονται σε περιοχή με τοπογραφική μεταβλητότητα με τη κατάλληλη ζωνοποίηση της περιοχής. Τελικά επιλέχτηκαν 198 σημεία χρησιμοποιώντας τη δορυφορική εικόνα IKONOS, για τα οποία μετρήθηκαν οι ψηφιακές τιμές (DN) σε κάθε δίαυλο του θεματικού χαρτογράφου, και οι τιμές φωτεινότητας τους (cos(i)-illumination). Στη συνέχεια δημιουργήθηκαν γραμμικά μοντέλα παλινδρόμησης τα οποία παρουσιάζονται στον Πίνακα 2 ενώ προσδιορίσθηκαν οι συντελεστές c (Πίνακας 2), για κάθε δίαυλο, βάση της σταθεράς και του συντελεστή παλινδρόμησης για κάθε κανάλι. Σε πρώτη φάση πραγματοποιήθηκε οπτική αξιολόγηση της τοπογραφικής ομαλοποίησης. Διαπιστώθηκε ότι η εφαρμογή της διόρθωσης του συνημίτονου προκάλεσε έντονη φασματική διαφοροποίηση των δεδομένων σε κορυφογραμμές και ανεπαρκή διόρθωση σε περιοχές έντονα σκιαζόμενες. Αυτό συνέβη διότι η μέθοδος θεωρεί ότι η μόνη ακτινοβολία που υπάρχει είναι η άμεση ακτινοβολία που αντανακλάται από την επιφάνεια του εδάφους. Αυτό προκύπτει και από το μαθηματικό τύπο, όπου όσο μικραίνει ο παράγοντας cos(i), δηλαδή η άμεση ακτινοβολία που φτάνει στη περιοχή, τόσο αυξάνει το μέγεθος της υπερδιόρθωσης. Παράλληλα, όπως παρατηρείται και από τον Πίνακα 2, η διόρθωση με την ημιεμπειρική μέθοδο μείωσε πολύ αποτελεσματικότερα τις αρχικές συσχετίσεις.
Τέλος όπως παρατηρείται και στον Πίνακα 3, ο λόγος της διακύμανσης των ραδιομετρικών τιμών για τέσσερις αγροτικές περιοχές χωρίς βλάστηση, μετά και πριν την διόρθωση, κυμαίνεται κάτω του 0.5 για την ημιεμπειρική μέθοδο σε όλους τους διαύλους του θεματικού χαρτογράφου, το οποίο επιβεβαιώνει την αποτελεσματικότερη τοπογραφική ομαλοποίηση της εικόνας.
Πολυφασματικοί μετασχηματισμοί
Για τον υπολογισμό του δείκτη PVI αλλά και του δείκτη TSAVI επιλέχτηκαν περιοχές στη δορυφορική εικόνα που αντιστοιχούν σε γυμνό έδαφος με διαφορετικές όμως τιμές αντανάκλασης (λόγω εδάφους). Για τις περιοχές αυτές εκτιμήθηκε η καλύτερη δυνατή γραμμή προσαρμογής (Σχήμα 2) των δεδομένων στο φασματικό χώρο που ορίζεται από τους διαύλους ΤΜ4 και ΤΜ3 (μέθοδος των ελαχίστων τετραγώνων).
Ταξινόμηση της εικόνας
Για την αξιολόγηση των φασματικών υπογραφών χρησιμοποιήθηκαν ο στατιστικός δείκτης διακριτότητας Jeffries-Μatusitsa (J-M) (Richards, 1986). Όπως προέκυψε από αυτόν τον δείκτη, η ταξινόμηση με την χρήση των φασματικών διαύλων της τοπογραφικά ομαλοποιημένης εικόνας, αύξησε την ελάχιστη τιμή διακριτότητας των φασματικών υπογραφών, σε σχέση με τους διαύλους της αρχικής εικόνας (1258 έναντι 1209). Η εκτίμηση της ακρίβειας της ταξινόμησης, βασίστηκε σε 205, τυχαία επιλεγμένα σημεία, ενώ για τον προσδιορισμό της τάξης στην οποία ανήκουν, χρησιμοποιήθηκε η δορυφορική εικόνα IKONOS. Τα συνοπτικά αποτελέσματα ελέγχου της ακρίβειας ταξινόμησης παρουσιάζονται στον Πίνακα 4. Ο στατιστικός έλεγχος της σημαντικότητας πραγματοποιήθηκε με το συντελεστή συμφωνίας Kappa (Cohen 1960, Banko 1998):
Z=K-K2 / varK1-varK2 (3) Όπως παρατηρείται από τoν Πίνακα 4 και τη σύγκριση της συνολικής αλλά και των άλλων μέτρων της ακρίβειας, η τοπογραφική ομαλοποίηση βελτίωσε την ακρίβεια ταξινόμησης. Η μέθοδος της τοπογραφικής ομαλοποίησης του Fisher βελτίωσε περαιτέρω την ακρίβεια της ταξινόμησης, το οποίο οφείλεται στις λιγότερες στατιστικές παραδοχές που απαιτεί η μέθοδος.
Εκτίμηση των δασικών παραμέτρων
Γενικά ο μικρός αριθμός των δειγματοληπτικών επιφανειών δεν επέτρεψε την ανάπτυξη μοντέλων με αυξημένο επίπεδο σημαντικότητας. Διαπιστώνεται ότι για την πολλαπλή γραμμική παλινδρόμηση τα καλύτερα αποτελέσματα αφορούν την κυκλική επιφάνεια, η οποία όμως αν και ιδιαίτερα για τον συνδυασμό ΤΜ2, ΤΜ3, ΤΜ4, κυμαίνεται σε επίπεδα σημαντικότητας 0.01, ο συντελεστής R2adj είναι σχετικά χαμηλός (0,242) δείχνοντας ότι μόνο 24.2% της μεταβολής των τιμών της κυκλικής επιφάνειας, μπορεί να ερμηνευτεί από τις μεταβολές των ανεξάρτητων μεταβλητών που συμμετέχουν στην εξίσωση παλινδρόμησης (Πίνακας 5).
Για τον ξυλώδη όγκο ο συνδυασμός των 4 φασματικών διαύλων ΤΜ2-ΤΜ5, σε επίπεδο σημαντικότητας 0.05, είχε έναν μη ικανοποιητικό προσαρμοσμένο συντελεστή πολλαπλού προσδιορισμού (0,183). Όσον αφορά τη βιομάζα παρατηρείται πως κανένα μοντέλο δεν μπόρεσε να καταστεί σημαντικό σε επίπεδο 0.05, ενώ και οι συντελεστές συσχέτισης ήταν γενικά χαμηλότεροι. Μια πρώτη παρατήρηση, που μπορεί να γίνει είναι ότι για όλες τις εξαρτημένες μεταβλητές, τα καλύτερα στατιστικά μοντέλα, περιελάμβαναν τους φασματικούς διαύλους ΤΜ2 και ΤΜ3.
Αναφορικά με τα μοντέλα της απλής γραμμικής παλινδρόμησης ο δίαυλος που ήταν καλύτερα συσχετισμένος από όλους τους υπόλοιπους, ήταν ο ΤΜ4. Αντίθετα περισσότερο θετικά ήταν τα αποτελέσματα για τους περισσότερους δείκτες βλάστησης και για τη δεύτερη κύρια συνιστώσα. Ιδιαίτερα για την εκτίμηση του ξυλώδους όγκου, η συσχέτιση μεταξύ του δείκτη PVI αλλά και της δεύτερης κύριας συνιστώσας, ήταν υψηλή σε επίπεδο στατιστικής σημαντικότητας 0.01 (Πίνακας 6).
6. Συμπεράσματα
Η τοπογραφική ομαλοποίηση που πραγματοποιήθηκε στη δορυφορική εικόνα LANDSAT-5, ήταν επιτυχημένη και αναγκαία, εξαιτίας του έντονου ανάγλυφου της περιοχής μελέτης. Επίσης η ταξινόμηση που πραγματοποιήθηκε με τη χρήση των συντελεστών διακριτικής συνάρτησης του Fisher, βελτίωσε τη συνολική ακρίβεια ταξινόμησης όπως διαπιστώθηκε με τα σχετικά στατιστικά μέτρα. Το γεγονός αυτό οφείλεται μάλλον στο ότι η μέθοδος αυτή της ταξινόμησης δεν προϋποθέτει, οι τάξεις τις οποίες προσπαθεί να διαχωρίσει, να ακολουθούν την κανονική κατανομή, κάτι που σπάνια άλλωστε συμβαίνει στην πραγματικότητα.
Παρά το γεγονός ότι σε κάποια μοντέλα (π.χ. κυκλική επιφάνεια), η συσχέτιση κυμάνθηκε σε ικανοποιητικά επίπεδα, ένα μεγάλο ποσό της διακύμανσης των εξαρτημένων μεταβλητών, έμεινε ανεξήγητο από τα μοντέλα της παλινδρόμησης. Όπως μπορεί να διαπιστωθεί σε όλους τους διαύλους πλην των ΤΜ4-5, το εύρος των τιμών είναι ιδιαίτερα μικρό. Εντύπωση προκάλεσε το γεγονός, ότι ο δίαυλος ΤΜ5, δεν παρουσίασε αρνητική συσχέτιση, γεγονός όμως που ίσως εξηγείται από το στοιχείο ότι οι παράγοντες που ασκούν τη μεγαλύτερη επίδραση στις τιμές φωτεινότητας που καταγράφει ο φασματικός δίαυλος ΤΜ5, είναι οι σκιές και η περιεχόμενη στην κομοστέγη υγρασία (Horler and Ahern, 1986); ιδιαίτερα ο πρώτος παράγοντας στην περιοχή μελέτης παρουσίαζε πολύ μεγάλη μεταβλητότητα Παρόμοια προβλήματα εντοπίζονται και σε άλλες εργασίες (Danson and Curran, 1991; Trotter et al., 1997; Salvador and Pons, 1998), με διαφορετικά δασικά είδη. Επίσης το γεγονός ότι παρόμοιες ερευνητικές εργασίες που έχουν πραγματοποιηθεί σε ομοιόμορφα βόρεια δάση και σε φυτείες κωνοφόρων (Spanner et al.,1990; Ripple et al.,1991; Ardo, 1992; Duncan et al., 1993; Ekstrand, 1994; Trotter et al., 1997), είχαν μεγαλύτερους συντελεστές συσχέτισης επιβεβαιώνει την επίδραση της μέτριας χωρικής διακριτότητας σε συνδυασμό με την αυξημένη ετερογένεια. Τέλος περιοριστικό παράγοντα για τη δημιουργία αξιόπιστων μοντέλων εκτίμησης των δασικών παραμέτρων, πιθανότατα αποτελεί και ο τρόπος που καταγράφεται η ραδιομετρική πληροφορία από τον δέκτη (Rees, 1990; Salvador and Pons, 1998), καθώς επηρεάζει το διαθέσιμο εύρος για την καταγραφή των δασικών εκτάσεων (Σχήμα 3), εκ των ψηφιακών τιμών του θεματικού χαρτογράφου (0- 255).
7. Βιβλιογραφία
• Kαρτέρης M. και Ν. Κούτσιας, 1996: Αξιολόγηση δεδομένων-μεθόδων τηλεπισκόπισης και γεωγραφικά συστήματα πληροφοριών στη χαρτογράφηση δασικής καύσιμης ύλης. Τελική έκθεση Πενεδ 91, ΕΔ 332,Εργαστήριο Δασικής Διαχειριστικής και Τηλεπισκόπησης, Τμήμα Δασολογίας και Φυσικού Περιβάλλοντος, Αριστοτέλειο Πανεπιστήμιο, Θεσσαλονίκη. • Ardo J., 1992: Volume quantification of coniferous forest compartments using spectral radiance recorded by Landsat Thematic Mapper. International Journal of Remote Sensing, 13, 1779-1786. • Banko G., 1998: A Review of Assessing the Accuracy of Classifications of Remotely Sensed Data and of Methods Including Remote Sensing Data in Forest Inventory, Interim Report, IR-98-081. International Institute for Applied Systems Analysis. • Baret F. and G. Guyot, 1991: Potentials and limits of vegetation indices for LAI and APAR assessment. Remote Sensing of Environment, 35, 161-173. • Cohen J., 1960: A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20(1), 37-40. • Conese C., G. Maracchi, F. Miglietta, F. Maselli and V.M. Sacco, 1988: Forest classification by principal component analyses of TM data. International Journal of Remote Sensing, 9, 1597-1612. • Crist E.P. and R.C. Cicone, 1984: Application of the Tasseled Cap concept to simulated Thematic Mapper data. Photogrammentric Εngineering an Remote Sensing, 50, 343-352. • Danson F.M., and P.J. Curran, 1991: Structural controls on the remotely sensed response of coniferous forest plantations. ESA SP-319. 5th international colloquium on physical measurements and signatures in remote sensing. • Danson F.M., and P.J. Curran, 1993: Factors affecting the remotely sensed response of coniferous forest plantations. Remote Sensing of Environment, 43, 55–65. • Ekstrand S., 1994: Assessment of forest damage with Landsat TM: Correction for varying forest stand characteristics. Remote Sensing of Environment, 47, 291–302. • German G., G. West and M. Gahegan, 1999: Statistical and AI techniques in GIS classification: A comparison. 11th annual colloquium of the spatial information research centre. • Jensen J.R., 1986: Introductory Digital Image Processing: A Remote Sensing Perspective. Prentice-Hall, New York. • Mather P., 1999: Computer Processing of Remotely Sensing Image: An Introduction. John Wiley & Sons, New York. • Meyer P., K.I. Itten, T. Kellenberger, S. Sandmeirer, and R. Sandmeirer, 1993: Radiometric corrections of topographically induced effects on Landsat TM data in an alpine environment. Journal of Photogrammetry and Remote Sensing, 48(4), 17-28. • Rees W.G., 1990: Physical Principles of Remote Sensing. Cambridge University Press, Cambridge. • Richards J.A., 1986: Remote Sensing Digital Image Analysis. An Introduction. Spinger-Verlag, Berlin. • Ripple W.J., S. Wang, D.I. Isaacson and D.P. Paine, 1991: A preliminary comparison of Landsat Thematic mapper and Spot-1 HRV multispectral data for estimating coniferous forest volume. International Journal of Remote Sensing. 12(9), 1971-1977. • Salvador R., and X. Pons, 1998: On the applicability of Landsat TM images to Mediterranean forest inventories. Forest Ecology and Management, 104, 193-208. • Smiris P., F. Maris and N. Stamou, 1998. Structure and stem analysis of Pinus halepensis mill forests in the Kassandra Peninsula-Chalkidiki. Silva Gandavensis, 65, 63-83. • Teillet P.M., B. Guindon, and D.G. Goodenough, 1982: On the slope - aspect correction of multispectral scanner data. Canadian Journal of Remote Sensing, 8, 84-106.
