Μέθοδος ανίχνευσης ανεξέλεγκτων χωματερών μέσω τηλεπισκόπησης: διαμόρφωση και επικύρωση
Από RemoteSensing Wiki
Τίτλος: Μέθοδος ανίχνευσης ανεξέλεγκτων χωματερών μέσω τηλεπισκόπησης: διαμόρφωση και επικύρωση
Πρωτότυπος τίτλος: A method for the remote sensing identification of uncontrolled landfills: formulation and validation
Συγγραφείς: S. Silvestri, M. Omri
Πηγή: https://www.tandfonline.com/doi/abs/10.1080/01431160701311317
Εισαγωγή
Ο μεγάλος όγκος παραγόμενων αποβλήτων, ως αποτέλεσμα της οικονομικής ανάπτυξης και της πληθυσμιακής αύξησης, σε συνδυασμό με την επί χρόνια έλλειψη κανονισμών για τη διαχείρισή τους και το κόστος αυτής, έχει οδηγήσει σε ανεξέλεγκτες χωματερές. Ειδικά στην περιοχή μελέτης, στη ΒΑ Ιταλία στην κοιλάδα της Βενετίας, η βιομηχανική ανάπτυξη έχει οδηγήσει σε μεγάλο αριθμό παλιών και νέων χωματερών, συχνά κρυμμένων και επιβλαβών για τα περιβάλλοντα ύδατα.
Σκοπός της μελέτης είναι η χρήση τηλεπισκοπικών μεθόδων αναγνώρισης πιθανών χωματερών με τη χρήση δορυφορικών εικόνων IKONOS, για τον προσδιορισμό επιβαρυμένης από την εδαφική ρύπανση βλάστησης, ως κατάλληλου δείκτη, και χαρτογραφικών δεδομένων GIS.
Μεθοδολογία
Συλλογή και προεπεξεργασία δεδομένων: Για τους σκοπούς της μελέτης, χρησιμοποιήθηκαν οχτώ δορυφορικές λήψεις IKONOS που αφορούσαν στην περίοδο Ιουνίου-Ιουλίου 2001, οπότε οι καιρικές συνθήκες ήταν τέτοιες που να επιτρέπουν την ανάπτυξη της βλάστησης και τη διευκόλυνση διαχωρισμού της σε επιβαρυμένη και μη. Τα δεδομένα συμπτύχθηκαν, βαθμονομήθηκαν ραδιομετρικά και διορθώθηκαν ατμοσφαιρικά, προεπεξεργασία ιδιαίτερα σημαντική για δεδομένα που αφορούν σε διαφορετικές ημερομηνίες και μεγάλες περιοχές. Επιπρόσθετα δεδομένα σχετικά με τις χαρτογραφημένες χωματερές, τα οδικά δίκτυα και τις αεροφωτογραφίες της περιοχής συγκεντρώθηκαν για σκοπούς βοηθητικούς προς τη μεθοδολογία.
Βήματα για την αναγνώριση περιοχών ταφής αποβλήτων: Το πρώτο βήμα αφορά στην αρχική αναγνώριση όλων των πιθανών ρυπασμένων χώρων, μέσω προσδιορισμού ευρωστίας της βλάστησης. Η περιοχή μελέτης χωρίστηκε σε δύο υποπεριοχές, ώστε η πρώτη να χρησιμεύσει για τη λήψη δειγμάτων εκπαίδευσης και τη βαθμονόμηση της διαδικασίας ταξινόμησης, για την οποία χρησιμοποιήθηκε ο αλγόριθμος μέγιστης πιθανοφάνειας, και η δεύτερη για την εφαρμογή της ταξινόμησης και αξιολόγηση του βαθμονομημένου αλγορίθμου (εικόνα 1). Συνολικά ελήφθησαν 13 δείγματα εκπαίδευσης και ομαδοποιήθηκαν σε τέσσερεις κλάσεις: πολύ επιβαρυμένη βλάστηση, ανομοιογενώς επιβαρυμένη βλάστηση, γυμνό έδαφος και ελαφρώς επιβαρυμένη βλάστηση. Τα διαγράμματα ανακλαστικότητας των τεσσάρων κλάσεων φαίνονται στην εικόνα 2. Οι κλάσεις που προέκυψαν με τα αντίστοιχα στατιστικά τους χρησιμοποιήθηκαν για την ταξινόμηση της περιοχής επικύρωσης και την εξαγωγή συμπερασμάτων μέσω σύγκρισης με τις ήδη γνωστές χωματερές αυτής. Για τη σύγκριση χρησιμοποιήθηκαν τόσο πίνακες σύγχυσης με στόχο τον έλεγχο του ποσοστού επιτυχίας ταξινόμησης των κλάσεων, όσο και πίνακες προσδιορισμού της ύπαρξης ή μη και της έκτασης που καταλαμβάνουν οι κλάσεις στους χώρους που είναι γνωστές χωματερές.
Το δεύτερο βήμα περιλαμβάνει τη χρήση βοηθητικών έγχρωμων σύνθετων όπως το RGB και το NIRGB, καθώς και άλλων βοηθητικών στοιχείων, για τη χειρωνακτική ψηφιοποίηση όσων περιοχών ήταν πιθανές περιοχές ανεξέλεγκτης ταφής, αλλά δεν ταξινομήθηκαν ως τέτοιες (εικόνα 3). Τελικά 2944 χώροι αξιολογήθηκαν ως ρυπασμένοι.
Στο τρίτο βήμα γίνεται χρήση δεδομένων για το οδικό δίκτυο της περιοχής και αεροφωτογραφιών ή άλλων αρχείων, ώστε να ελεγχθεί η προσβασιμότητα στους ρυπασμένους χώρους και το η ιστορική εξέλιξη των δραστηριοτήτων κοντά σε αυτούς και να αποκλειστούν εκείνοι που δεν πληρούν τα κριτήρια.
Αποτελέσματα
Από την ταξινόμηση μέγιστης πιθανοφάνειας, το μεγαλύτερο μέρος της περιοχής μελέτης παρέμεινε αταξινόμητο, μεγάλο τμήμα της ταξινομήθηκε ως κατηγορία 3 ή 4, χωρίς απαραίτητα να ανήκει σε ρυπασμένο χώρο και μικρή μόνο έκταση καλύπτεται από πολύ επιβαρυμένη βλάστηση ή επιβαρυμένη βλάστηση με έντονη ανομοιογένεια.
Αξιολογώντας τα αποτελέσματα του πίνακα σύγχυσης, παρατηρείται ικανοποιητική επιτυχία ταξινόμησης των κλάσεων ενδιαφέροντος σε όλες σχεδόν τις εικόνες, η οποία ξεπερνούσε το 60%. Ωστόσο, σε κάποιες εικόνες και για συγκεκριμένες κλάσεις υπήρξαν σφάλματα που αποδίδονται σε παράγοντες όπως η λάθος ταξινόμηση κλάσεων λόγω παρόμοιας ανακλαστικότητας, προβλήματα λόγω ατελούς ατμοσφαιρικής ή γεωμετρικής διόρθωσης κλπ.
Από το δεύτερο πίνακα ελέγχου προέκυψε ότι σε όλους τους γνωστούς χώρους διάθεσης απορριμμάτων εντοπίστηκαν οι κλάσεις 1 έως 4, δείχνοντας πως η βλάστηση όντως μπορεί να αποτελέσει δείκτη για πιθανές χωματερές. Οι κλάσεις 1 και 2, ενώ υπάρχουν, καταλαμβάνουν μικρότερο ποσοστό της συνολικής βλάστησης αλλά και της συνολικής έκτασης περιοχής μελέτης, της τάξης του 10% και 8% αντίστοιχα, καταδεικνύοντας την ανάγκη συμπερίληψης μη αυτοματοποιημένων διαδικασιών ανίχνευσης ειδικά στη μελέτη μεγάλων περιοχών.
Τέλος, έπειτα από τον έλεγχο του οδικού δικτύου φάνηκε ότι όλες οι καταγεγραμμένες χωματερές ήταν προσβάσιμες, επομένως αποκλείστηκαν όσα πιθανά μέρη δεν ήταν κοντά σε δρόμους και ο αριθμός τους μειώθηκε από 2944 σε 1199.
Συμπεράσματα
Η παρούσα μελέτη έδειξε τη χρησιμότητα μεθόδων τηλεπισκόπησης για την ανίχνευση πιθανών σημείων παράνομης ταφής αποβλήτων σε περιοχές μεγάλης έκτασης. Η χρήση της μη υγιούς βλάστησης ως δείκτη για τον εντοπισμό των χωματερών αποδείχτηκε αποτελεσματική, ωστόσο λόγω της μεγάλης έκτασης της μελετώμενης περιοχής και του ότι η επιβαρυμένη βλάστηση μπορεί να μην καλύπτει όλο το μολυσμένο χώρο, η μέθοδος πρέπει να συμπεριλαμβάνει μη αυτοματοποιημένες διαδικασίες και βοηθητικά στοιχεία, όπως αεροφωτογραφίες και χάρτες οδικών δικτύων.
