Εντοπισμός καταστροφών μέσω τηλεπισκόπησης στην αστική ζώνη του Χαλεπιού.
Από RemoteSensing Wiki
Εντοπισμός καταστροφών μέσω τηλεπισκόπησης στην αστική ζώνη του Χαλεπιού.
Πρωτότυπος τίτλος: Conflict Urbanism Aleppo Remote Sensing Urban Damage
Συγγραφείς: Jamon Van Den Hoek, Grga Basic, Laura Kurgan, Dare Brawley
Δημοσιεύθηκε: Center for Spatial Research, Columbia University
Εισαγωγή
Η συγκεκριμένη μελέτη περίπτωσης καταγράφει μια πειραματική προσέγγιση χρήσης χαμηλής ανάλυσης δορυφορικών εικόνων Landsat για την καταγραφή και τη χαρτογράφηση μεταβολών στις τιμές φάσματος pixel στην περιοχή του Χαλεπιού. Χρησιμοποιώντας μια μέθοδο που χρησιμοποιείται κατά βάση από επιστήμονες τηλεπισκόπησης για τη μελέτη οικολογικών αλλαγών, αναπτύχθηκε αλγόριθμος ειδικά για τη γεωγραφία του Χαλεπιού, με σκοπό τον τηλεπισκοπικό εντοπισμό καταστροφών στην αστική ζώνη της πόλης ως άμεσο αποτέλεσμα της πολεμικής σύρραξης. Χρησιμοποιώντας σχεδόν 200 δορυφορικές εικόνες ελεύθερης πρόσβασης, χαρτογραφήθηκε η χωρική και χρονική μεταβολή στις τιμές φάσματος των pixel των δορυφορικών εικόνων από το Χαλέπι, δημιουργώντας ένα αρχείο σημαντικών μεταβολών με 2 μετρήσεις ανά μήνα για τους τελευταίους 64 μήνες (2011-2016). Ως πειραματική μέθοδος πάσχει από ασάφειες και ελαττώματα, αλλά δύναται να ανοίξει νέους δρόμους για τη μελέτη των επιπτώσεων των πολεμικών συρράξεων σε αστικές περιοχές.
Προηγούμενες Προσεγγίσεις
Μέχρι σήμερα, εκτιμήσεις των καταστροφών στο Χαλέπι μέσω δορυφορικών εικόνων έχουν βασιστεί κατά κύριο λόγο σε ποιοτική, οπτική ερμηνεία εικόνων με πολύ υψηλή ανάλυση (μικρότερη του ενός μέτρου) από δύο διαφορετικές ημερομηνίες ενδιαφέροντος. Εμφανείς μεταβολές σε αστικά χαρακτηριστικά, όπως κατεστραμμένα κτίρια ή γέφυρες και καμένες εκτάσεις, έχουν καταγραφεί από οργανισμούς όπως οι Human Rights Watch (HRW) και United Nations Operational Satellite Applications Programme (UNOSAT). Παρόλο που οι μέθοδοι των προαναφερθέντων οργανισμών διαφέρουν ως προς τις οπτικές τεχνικές ανάλυσης και την επιλογή των ημερομηνιών, και οι δύο προσεγγίσεις βασίζονται σε ακριβές εμπορικές εικόνες, είναι ιδιαίτερα περιορισμένες χωρικά και δεν είναι αυτοματοποιημένες. Καθώς οι αναλύσεις των HRW και UNOSAT γίνονται κατά βάση με γνώμονα συγκεκριμένα και έντονα γεγονότα, όπως η έναρξη βομβαρδισμών από τη Ρωσία, υπάρχει έλλειψη πληροφορίας για τις πιθανόν μικρότερης κλίμακας ζημιών και καταστροφών που προκαλούνται σε καθημερινή βάση λόγω της σύρραξης. Και οι δύο οργανισμοί έχουν παράγει πολλαπλά γεωαναφερμένα σύνολα δεδομένων από εμπορικές δορυφορικές εικόνες οι οποίες αποτυπώνουν συγκεκριμένες περιοχές στο Χαλέπι, το Κομπάνι και τη Δαμασκό καθώς και σε άλλες μικρότερες πόλεις. Ο UNOSAT κυκλοφόρησε 2 χάρτες για το Χαλέπι για τα τελευταία 5 χρόνια χρησιμοποιώντας 5 δορυφορικές εικόνες, με τον HRW να χρησιμοποιεί παρόμοιες μεθόδους. Τα ζεύγη των φωτογραφιών που χρησιμοποιήθηκαν από τους δύο οργανισμούς για ένα συγκεκριμένο χάρτη, κυμαίνονται στην ημερομηνία λήψης από 5 έως 900 μέρες. Ενώ προσφέρουν στιγμιότυπα των καταστροφών λόγω του πολέμου, δεν καταγράφουν τις συνεχείς διακυμάνσεις κατά τη διάρκεια της σύρραξης.
Χωρικά, Χρονικά και Φασματικά Χαρακτηριστικά των Landsat εικόνων
Αντί των εμπορικών εικόνων, χρησιμοποιήθηκαν δορυφορικές φωτογραφίες ελεύθερης πρόσβασης από 2 δορυφόρους της NASA/USGS, τους Landsat 7 και 8. Κάθε δορυφόρος έχει συλλέξει φωτογραφίες πάνω από το Χαλέπι κάθε 16 μέρες από την έναρξη του πολέμου και συνολικά έχουν συλλεχθεί 238 φωτογραφίες από το Μάρτιο του 2011 έως τον Ιούλιο του 2016. Τα δεδομένα από τους δορυφόρους Landsat δεν προβλέπονταν να χρησιμοποιηθούν για τη διερεύνηση των επιπτώσεων ενόπλων συρράξεων σε αστικές υποδομές και είχαν αρχικά σχεδιαστεί για παρακολούθηση οικολογικών ζητημάτων, όπως αξιολόγηση δασικής υγείας ή επέκτασης αγροτικών εκτάσεων. Για αυτό το σκοπό, οι Landsat δορυφόροι έχουν δύο διαφορετικά είδη αισθητήρων. Έναν πολυφασματικό αισθητήρα, με μια σειρά καναλιών για τη μέτρηση διαφορετικών μηκών κύματος, συμπεριλαμβανομένης της υπέρυθρης, της ερυθρής, της πράσινης ή της μπλε ακτινοβολίας, σε ανάλυση 30 μέτρων στο έδαφος ανά pixel. Τα ποσοστά φωτός που ανακλώνται από αντικείμενα στο έδαφος και οι αλλαγές σε αυτά τα ποσοστά, προσφέρουν πληροφορίες για τη φύση του αντικειμένου και τις μεταβολές που επιδέχεται. Για παράδειγμα, ενώ η υγιής βλάστηση αντανακλά το μεγαλύτερο ποσοστό near-infrared ακτινοβολίας που δέχεται, απορροφά μεγάλο ποσοστό της ερυθρής ακτινοβολίας ώστε είναι δυνατή η ταυτοποίηση υγειούς βλάστησης συγκρίνοντας την ανακλώμενη near-infrared με την ερυθρή ακτινοβολία. Οι Landsat 7 και 8 είναι επίσης εφοδιασμένοι με έναν παγχρωματικό αισθητήρα ο οποίος σε ένα μοναδικό κανάλι συλλέγει ακτινοβολία ορατού φάσματος, ανακλώμενη από την επιφάνεια της Γης. Καθώς ο παγχρωματικός αισθητήρας συλλέγει ακτινοβολία η οποία θα είχε «μοιραστεί» σε διαφορετικά πολυφασματικά κανάλια, τα pixel σε μια παγχρωματική εικόνα μπορούν να έχουν μεγαλύτερη ανάλυση, παίρνοντας εικόνες σε ανάλυση 15 μέτρων στο έδαφος ανά pixel. Ο τόνος καθενός pixel σε μια παγχρωματική εικόνα απεικονίζεται από έναν αριθμό 8-bit, με τιμές από 0 έως 255 για απόλυτα μαύρο και απόλυτα άσπρο αντίστοιχα για κάθε pixel, με τα περισσότερα χαρακτηριστικά στο Χαλέπι να κυμαίνονται σε τιμές από 30 έως 100. Ένα pixel πάνω σε ασφαλτοστρωμένο δρόμο για παράδειγμα μπορεί στο παγχρωματικό κανάλι να έχει τιμή 62, ενώ μία τσιμεντένια ταράτσα 94. Βλάστηση όπως δέντρα και κήποι ή ακάλυπτο χώμα τείνουν να αποτυπώνονται σχετικά σκούρα με παγχρωματικές τιμές κοντά στο 24. Μεταξύ συνεχόμενων εικόνων με 16 μέρες διαφορά, πόσο μάλλον στην πορεία ενός χρόνο, οι τιμές των pixel μεταβάλλονται λόγω διαφορών στη θέση του ήλιου, ατμοσφαιρικής επιρροής.
Χαρτογράφηση της αλλαγής των τιμών των εικονοστοιχείων
Δεδομένου ότι οι δορυφορικές εικόνες είχαν μεταξύ τους απόσταση 16 ημερών, νέφη και οι σκιές αυτών, ενίοτε παρεμπόδιζαν την ορατότητα του δορυφόρου προς το Χαλέπι. Η αντιμετώπιση αυτού του προβλήματος με την αφαίρεση των νεφών και των σκιών τους είναι το πρώτο βήμα για την προετοιμασία των εικόνων προς ανάλυση. Η USGS παρέχει ένα χάρτη «συννεφιασμένων» pixel για κάθε δορυφορική εικόνα από Landsat εντοπίζοντας τα pixel εκείνα που είναι συγχρόνως πολύ φωτεινά και σχετικά ψυχρά, ενώ εντοπίζει τα pixel εκείνα στα οποία πέφτει η σκιά από τα σύννεφα βάση της θέσης τους και της γωνίας προσπίπτουσας ακτινοβολίας από τον ήλιο. Κάνοντας χρήση αυτών των χαρτών αφαιρέθηκαν τα σύννεφα και οι σκιές τους από τις εικόνες. Για κάθε ζεύγος φωτογραφιών ανά 16 ημέρες, καταγράφηκαν αλλαγές στις τιμές των pixel στην περιοχή του Χαλεπιού, και συγκεκριμένα στη φωτεινότητα υποδομών, όπως δρόμοι, αυτοκινητόδρομοι, αεροδιάδρομοι, γέφυρες, κτίρια αλλά και στη βλάστηση. Κτίρια που υπέστησαν ζημιές έτειναν να είναι σκουρότερα, με αποτέλεσμα τη μείωση της φασματικής τιμής των αντίστοιχων pixel στο παγχρωματικό κανάλι. Αντίθετα, περιοχές με κατεστραμμένη βλάστηση και δέντρα έτειναν να δείχνουν φωτεινότερες λόγω της καταστροφής του φυλλώματος και έκθεσης του φωτεινότερου εδάφους. Στο σύνολο των 238 εικόνων, το Χαλέπι στο μεγαλύτερο μέρος του μοιάζει να παραμένει σταθερό από τη μία εικόνα στην άλλη και οι περισσότερες από τις αλλαγές σε επίπεδο pixel είναι ιδιαίτερα χαμηλές. Μερικά pixel δείχνουν σημαντικές αλλαγές στις τιμές μεταξύ των εικόνων αλλά έντονες μεταβολές μπορεί να υποδεικνύουν ένα βομβαρδισμένο κτίριο ή μια διασταύρωση καλυμμένη από συντρίμμια. Για το σκοπό της καταγραφής της χωρικής και χρονικής διασποράς των καταστροφών στο Χαλέπι, μόνο μεταβολές πάνω από ένα ελάχιστο όριο θεωρήθηκαν σημαντικές, οπότε και αγνοήθηκαν μεταβολές που ενδεχομένως προέκυψαν από διαφορετικά αίτια. Λόγω της χρήσης εικόνων με 16 μέρες απόσταση, είναι δυνατόν να εντοπιστούν ζημιές μικρής έκτασης κατά τη διάρκεια του πολέμου. Για παράδειγμα, είναι δυνατό να χαρτογραφηθούν ζημιές στα και περί των νοσοκομείων στο Χαλέπι τα οποία έχουν βομβαρδιστεί επανειλημμένα ή να καταγραφούν οι επιπτώσεις του πολέμου στην ιστορική ακρόπολη. Είναι επίσης δυνατό να απεικονιστούν εφήμερες ή αλλαγές μικρότερης κλίμακας, οι οποίες σε διαφορετική περίπτωση δε θα γίνονταν αντιληπτές στις εκτιμήσεις των HRW και UNOSAT. Παράλληλα, οι ιδιαίτερα σημαντικοί στη μεταφορά αγαθών και ανθρωπιστικής βοήθειας δρόμοι και κόμβοι δείχνουν τακτικές μεταβολές κατά τη διάρκεια του πολέμου, οι οποίες περνούν απαρατήρητες στους χάρτες των HRW και UNOSAT. Για παράδειγμα, ο δρόμος Castello στο βόρειο τμήμα της πόλης, ο οποίος χρησίμευε για την πρόσβαση στα ανατολικά τμήματα τα οποία κατέχονταν από αντικαθεστωτικές δυνάμεις, κατά το Μάιο – Ιούνιο του 2016 έγινε εσκεμμένα στόχος. Το γεγονός αυτό καταγράφηκε εκτεταμένα μέσα από βίντεο στο YouTube και γίνεται επίσης εμφανές μέσω της παρούσας ανάλυσης.
Σύνδεσμος πρωτότυπου κειμένου: [1]
