Τηλεπισκόπηση αστικών χώρων πρασίνου: Ανασκόπηση

Από RemoteSensing Wiki

Τηλεπισκόπηση αστικών χώρων πρασίνου: Ανασκόπηση

Πρωτότυπος τίτλος: Remote sensing of urban green spaces: A review

Συγγραφείς: Amir Reza Shahtahmassebi, Chenlu Li, Yifan Fan, Yani Wu, Yue lin, Muye Gan, Ke Wang, Arunima Malik, George Alan Blackburn

Δημοσιεύθηκε: Ιανουάριος 2021 (Urban Forestry & Urban Greening)

Σύνδεσμος πρωτότυπου κειμένου: https://doi.org/10.1016/j.ufug.2020.126946

Εισαγωγή

Οι αστικοί χώροι πρασίνου (UGS, urban green spaces) διαδραματίζουν σπουδαίο ρόλο στην υγεία, την ευεξία και τα αισθητικά οφέλη στους κατοίκους των πόλεων, καθώς επίσης και σε μια σειρά περιβαλλοντικών προβλημάτων στις πόλεις, όπως είναι η αυξανόμενη ατμοσφαιρική ρύπανση και οι κλιματικές διαταραχές. Ως UGS ορίζονται όλα τα φυσικά, ημιφυσικά και τεχνητά συστήματα εντός, γύρω και μεταξύ αστικών περιοχών κάθε χωρικής κλίμακας. Μπορούν να χωριστούν ευρέως σε δύο κατηγορίες: (α) μεσαίας έως μεγάλης κλίμακας όπως πάρκα και αστικά δάση και (β) μικρής κλίμακας όπως κήποι ή χώροι πρασίνου ιδιωτικών κατοικιών και διάσπαρτα κομμάτια δέντρων. Οι περισσότερες μελέτες έχουν επικεντρωθεί σε UGS (κυρίως δέντρα) που καλύπτουν μεγάλες εκτάσεις, ενώ λιγότερες είναι οι μελέτες σχετικές με τους UGS μικρής κλίμακας, οι οποίες παρόλο που καταλαμβάνουν μια περιορισμένη περιοχή, όταν ληφθούν υπόψη στο σύνολό τους, μπορούν να αντιπροσωπεύουν ένα σημαντικό μέρος του αστικού χώρου. Έτσι, υπάρχει έντονη ανάγκη για προστασία και βελτίωση των υπαρχόντων UGS, και ταυτόχρονα ανάπτυξη νέων αστικών πράσινων υποδομών. Επομένως, η γνώση των χαρακτηριστικών των UGS (αφθονία, χωρική κατανομή και σύνθεση των ειδών) και τα δεδομένα είναι ζωτικής σημασίας για μια σειρά ζητημάτων στον πολεοδομικό σχεδιασμό, τη διαχείριση και τη δημόσια υγεία. Έχουν χρησιμοποιηθεί διάφορες προσεγγίσεις για τη συλλογή πληροφοριών σχετικά με τους UGS. Οι έρευνες στο πεδίο μπορούν να προσφέρουν ακριβείς πληροφορίες για τους UGS, αλλά είναι δαπανηρές και χρονοβόρες. Αν και η οπτική ερμηνεία και η χειροκίνητη ψηφιοποίηση από έντυπους χάρτες ή αεροφωτογραφίες είναι από τις πιο ακριβείς τεχνικές, μπορεί να είναι αρκετά υποκειμενικές και δύσκολο να αναπαραχθούν, οδηγώντας σε ασυνεπή αποτελέσματα. Τις τελευταίες δεκαετίες, οι τεχνολογίες τηλεπισκόπησης έχουν καταλάβει σημαντική θέση στη μελέτη και ανάλυση των UGS καθώς μπορούν να δημιουργήσουν επαναλαμβανόμενη και πλήρη κάλυψη σε διαφορετικές χωρικές κλίμακες και για διαφορετικές εποχές. Με βάση τις πρόσφατες εξελίξεις, όπως πολιτικές πρόσβασης χωρίς χρέωση δεδομένων και εικόνες υψηλής χωρικής ανάλυσης, η τηλεπισκόπηση παρέχει ένα πολύτιμο σύνολο εργαλείων που μπορούν να ελαχιστοποιήσουν την ανάγκη για έρευνα στο πεδίο, ακόμη και σε εξαιρετικά ετερογενή και πολύπλοκα αστικά περιβάλλοντα, παρέχοντας τη δυνατότητα εξαγωγής πληροφοριών για τους UGS με ακρίβεια (π.χ. ανίχνευση τοποθεσίας, αναγνώριση ειδών κάλυψης βλάστησης και εκτίμηση κλάσματος UGS), γρήγορα και με ελάχιστο κόστος. Η τηλεπισκόπηση έχει αποδειχθεί αποτελεσματική για τη χαρτογράφηση και ανίχνευση ειδών δέντρων που βρίσκονται στο δρόμο, καθώς και για την αξιολόγηση της υγείας της βλάστησης εντός UGSs. Σε αυτή την ανασκόπηση, εξετάζονται λεπτομερώς οι προσεγγίσεις τηλεπισκόπησης για τον χαρακτηρισμό των UGS και αξιολογείται η αποτελεσματικότητα διαφορετικών συστημάτων τηλεπισκόπησης και αναλυτικών τεχνικών.

Υλικά - Μέθοδοι

Αρχικά, πραγματοποιήθηκε αναζήτηση σε διάφορες σχετικές ιστοσελίδες με λέξεις-κλειδιά από το 1982 μέχρι και το 2019 και στη συνέχεια από 1500 άρθρα επιλέχθηκαν με διάφορα κριτήρια τα 159. Οι θεματικοί τομείς εφαρμογής που εξήχθησαν ήταν οι εξής: Απογραφή και αξιολόγηση, Βιομάζα και άνθρακας, Ανίχνευση αλλαγών, Υπηρεσίες σχετικές με το οικοσύστημα, Συνολική χαρτογράφηση των UGS, Χαρτογράφηση ειδών και Τρισδιάστατη μοντελοποίηση, όπως περιγράφονται και πιο αναλυτικά στα αποτελέσματα. Τέλος, πραγματοποιήθηκε στατιστική ανάλυση και παρουσίαση των αποτελεσμάτων.

Αποτελέσματα

Πρώτον, η αυξημένη διαθεσιμότητα τεχνολογίας τηλεπισκόπησης υψηλής χωρικής ανάλυσης κατέστησε δυνατή την παρακολούθηση ακριβής κλίμακας των UGS. Επιπλέον, εικόνες υψηλής χωρικής ανάλυσης έχουν γίνει διαθέσιμες σε παγκόσμια κλίμακα μέσω του Google Earth, με τη μορφή διαφορετικών προϊόντων, όπως αεροφωτογραφίες, δορυφορικές εικόνες και προβολές δρόμων. Δεύτερον, έχει υπάρξει μια ολοένα και πιο ευρεία ανάπτυξη δύο πηγών δεδομένων είτε μεμονωμένων είτε συνδυασμένων μεταξύ τους: Ανίχνευσης και εμβέλειας φωτός (LiDAR) και τεχνολογίες υπερφασματικής τηλεπισκόπησης. Οι αισθητήρες LiDAR είναι σε θέση να παράγουν ακριβείς πληροφορίες για την κατακόρυφη δομή της βλάστησης εντός των UGS χρησιμοποιώντας διακριτές επιστροφές και δεδομένα κυματομορφής. Οι υπερφασματικοί αισθητήρες διευκολύνουν την αναγνώριση ειδών βλάστησης εντός των UGS μέσω φασματοσκοπικής ανάλυσης. Η αυτόνομη ή συνδυασμένη χρήση του LiDAR και της υπερφασματικής ανίχνευσης έχει γίνει σημαντική σε πολλές πρακτικές μελέτες των UGS. Τρίτον, πριν από το 2008, το κόστος πρόσβασης σε εικόνες Landsat (μέτρια χωρική ανάλυση) είχε περιορίσει την ικανότητά μας να παρακολουθούμε UGS. Από το 2009, ωστόσο, όλες οι αρχειοθετημένες σκηνές Landsat έχουν γίνει διαθέσιμες σε όλους τους χρήστες χωρίς χρέωση μέσω πολλών ιστοσελίδων. Ο Ευρωπαϊκός Οργανισμός Διαστήματος έχει εφαρμόσει το πρόγραμμα Copernicus με μια πολιτική ελεύθερης και ανοιχτής πρόσβασης για εικόνες από τους δορυφόρους Sentinel από το 2015 (μέτριας χωρικής ανάλυσης οπτικά δεδομένα και δεδομένα ραντάρ) -ευεργετική σε πολλές μελέτες των UGS. Ένας επιπλέον λόγος για την αύξηση των μελετών που βασίζονται στην τηλεπισκόπηση των UGS ήταν οι εκκλήσεις διεθνών οργανισμών για πιο εκτεταμένες έρευνες των UGS τα τελευταία χρόνια. Για παράδειγμα, ο Παγκόσμιος Οργανισμός Υγείας (ΠΟΥ) έχει αφιερώσει μια ειδική έκθεση στα UGS που καταδεικνύει τα πολλαπλά οφέλη τους για τη δημόσια υγεία.

• Χωρική ανάλυση: Το 38% των δημοσιευμένων μελετών χρησιμοποίησε εικόνες υψηλής χωρικής ανάλυσης, ακολουθούμενες από εικόνες μέσης χωρικής ανάλυσης (17%) και συνδυασμό εικόνων υψηλής και μέσης χωρικής ανάλυσης (9%). Τα αποτελέσματα αυτής της μελέτης έδειξαν ότι οι UGS μπορούν να ληφθούν με επιτυχία χρησιμοποιώντας εικόνες με χωρική ανάλυση μεταξύ 2 m και 16 m, με λιγότερο επιτυχή αποτελέσματα σε χαμηλότερες αναλύσεις. Επιπλέον, αξίζει να σημειωθεί ότι ορισμένες μελέτες χρησιμοποίησαν αισθητήρες υψηλής χωρικής ανάλυσης σε μη επανδρωμένα εναέρια οχήματα (UAV) και αεροσκάφη.
• Φασματική ανάλυση: Η φασματική ανάλυση των οργάνων τηλεπισκόπησης μπορεί γενικά να χωριστεί σε δύο ομάδες: πολυφασματική και υπερφασματική. Τα πολυφασματικά συστήματα τείνουν να είναι ικανά να διακρίνουν τη βλάστηση εντός των αστικών περιοχών και να χαρτογραφούν τους UGS, ενώ οι υπερφασματικοί αισθητήρες συνήθως απαιτούνται για την αναγνώριση ειδών βλάστησης εντός των UGS. Παρά τη δυνητική αξία των υπερφασματικών αισθητήρων, παρατηρήθηκε ότι μόνο το 5% των μελετών έχουν χρησιμοποιήσει αυτούς τους αισθητήρες σε έρευνες UGS, ενώ οι υπόλοιπες βασίζονται στην πολυφασματική τηλεπισκόπηση κυρίως μέσης χωρικής ανάλυσης. Αυτό πιθανότατα οφείλεται στην περιορισμένη προσβασιμότητα σε υπερφασματικά δεδομένα που συλλέγονται από αερομεταφερόμενες πλατφόρμες και σε λίγους δορυφορικούς αισθητήρες που έχουν περιορισμένη χωρική κάλυψη και σχετικά υψηλό κόστος απόκτησης.
• Χρόνος λήψης εικόνας: Ο χρόνος λήψης εικόνας είναι πολύ σημαντικός παράγοντας στην τηλεπισκόπηση των UGS λόγω των κύκλων της βλάστησης που προκαλούν αλλαγές στη βιοχημεία των φύλλων και στη δομή του θόλου της βλάστησης. Γενικά, το φθινόπωρο και η άνοιξη έχει βρεθεί ότι είναι οι καταλληλότερες εποχές για τη χαρτογράφηση των UGS και τον εντοπισμό ειδών βλάστησης.
• LiDAR: Τα συστήματα ανίχνευσης και εμβέλειας φωτός προσφέρουν μία από τις πιο ακριβείς τεχνικές και μπορούν να μειώσουν την επίδραση της σκιάς, να μετρήσουν δομικά χαρακτηριστικά και βιοφυσικές παραμέτρους και να παρέχουν τρισδιάστατες πληροφορίες. Αρκετές μελέτες έχουν δείξει τα οφέλη του συνδυασμού του LiDAR με υπερφασματικά δεδομένα και εικόνες υψηλής χωρικής ανάλυσης.
• SAR (Synthetic Aperture Radar): Οι αισθητήρες SAR ανιχνεύουν την επιφάνεια της Γης μέρα ή νύχτα και κάτω από όλες τις καιρικές συνθήκες. Τα μεταδιδόμενα σήματα μικροκυμάτων μπορούν επίσης να διεισδύσουν στους θόλους βλάστησης και στα επιφανειακά στρώματα του εδάφους, τα οποία μπορεί να είναι χρήσιμα σε ορισμένες αξιολογήσεις των UGS. Ωστόσο, παρά τα πλεονεκτήματα τους, βιβλιογραφικά είναι ελάχιστη η χρήση δεδομένων SAR σε μελέτες των UGS. Ως εκ τούτου, η χρήση δεδομένων SAR σε μελέτες των UGS φαίνεται να είναι πολύτιμη για μελλοντικές έρευνες, και στη δασοκομία.
• Προϊόντα Google Earth - Google Street View: Μια σειρά μελετών (3,5 %) έχουν χρησιμοποιήσει προϊόντα Google Earth, συμπεριλαμβανομένου του Google Street View.
• Google Earth Engine (GEE): Η Google Earth Engine (GEE), μια υπολογιστική πλατφόρμα γεωχωρικής επεξεργασίας που βασίζεται σε νέφη, προσφέρει δορυφορική επεξεργασία δεδομένων και ανάλυση γεωγραφικού συστήματος πληροφοριών (GIS) από τοπική έως παγκόσμια κλίμακα.
• Προεπεξεργασία-ατμοσφαιρική διόρθωση: Η ποιότητα των δορυφορικών εικόνων συνήθως χρειάζεται να βελτιωθεί με τη χρήση αλγορίθμων διόρθωσης της ατμόσφαιρας. 38 από τις μελέτες χρησιμοποίησαν τεχνικές ατμοσφαιρικής διόρθωσης ως βήμα προεπεξεργασίας.
• Απαιτήσεις χρηστών και αποδοτικότητα κόστους: Το βασικό σκεπτικό πίσω από τη χρήση εικόνων τηλεπισκόπησης σε μελέτες των UGS είναι η μείωση του κόστους που σχετίζεται με τις διαδικασίες συλλογής δεδομένων πεδίου. Αν και το κόστος των εικόνων τηλεπισκόπησης θα μπορούσε να αποτελέσει εμπόδιο για λεπτομερείς, μεγάλης κλίμακας και επαναλαμβανόμενες μετρήσεις των UGS, υποστηρίζεται ότι αντισταθμίζεται από την αξία που προκύπτει από τέτοιες εργασίες για τη βελτίωση των UGS και την παροχή πολλαπλών οφελών και υπηρεσιών.

Αναλυτικές τεχνικές στην τηλεπισκόπηση των UGS

Ο συνδυασμός των δυνατοτήτων διαφόρων αλγορίθμων σε ένα ενιαίο πλαίσιο τείνει να αυξήσει την απόδοση της τεχνικής. Σε αυτήν την έρευνα, η μέθοδος MTMF (mixture-tuned match filtering) χρησιμοποιήθηκε για την ανίχνευση ειδών ενώ η τμηματοποίηση πολλαπλής ανάλυσης χρησιμοποιήθηκε για τη διαφοροποίηση δασικών/μη δασικών και της λεκάνης απορροής για την οριοθέτηση στεφάνων δέντρων. Αυτή η μέθοδος διευκόλυνε τη σύνθεση πληροφοριών από LiDAR και υπερφασματικά δεδομένα. Ακόμη, πολλοί ερευνητές έχουν εφαρμόσει ανάλυση εικόνας βάσει αντικειμένων (OBIA, object-based image analysis) για τη χαρτογράφηση των UGS. Οι μέθοδοι κλασμάτων, επίσης, και η χαρτογράφηση αστικών χώρων πρασίνου σε επίπεδο κλασμάτων (επίπεδο υπο-pixel) παρέχει πληροφορίες για την πυκνότητα των περιοχών με βλάστηση στις αστικές περιοχές. Σε πληθώρα μελετών χρησιμοποιούνται δείκτες κάλυψης γης για τον χαρακτηρισμό των UGS από δορυφορικές εικόνες. Μεταξύ των δεικτών κάλυψης γης, ο δείκτης βλάστησης (NDVI) είναι ο πιο γνωστός και πιο ευρέως εφαρμοσμένος δείκτης για τη χαρτογράφηση των UGS. Κύριοι θεματικοί τομείς εφαρμογής για την τηλεπισκόπηση των UGS (α) Απογραφή και αξιολόγηση: Περιλαμβάνει μελέτες που αξιολογούν τις βιοφυσικές ιδιότητες των UGS, όπως ο δείκτης επιφάνειας των φύλλων, η υγεία της βλάστησης καθώς και τη γεωχωρική μοντελοποίηση. Οι υπόλοιπες μελέτες επικεντρώθηκαν σε άλλες πτυχές, όπως η μοντελοποίηση της φυλλικής περιοχής, η φαινολογία της βλάστησης, οι επιπτώσεις της αλατότητας και της ρύπανσης στην αστική βλάστηση και οι οικονομικές έρευνες. (β) Βιομάζα και άνθρακας: Τα δεδομένα τηλεπισκόπησης έχουν χρησιμοποιηθεί για την παρακολούθηση του άνθρακα και της βιομάζας εντός των UGS. Για παράδειγμα, καθιερώθηκαν μοντέλα μεταξύ των αποθεμάτων άνθρακα πάνω από το έδαφος σε UGS και αρκετών δεικτών βλάστησης. (γ) Ανίχνευση αλλαγών: Ορισμένες μελέτες έχουν χρησιμοποιήσει χωρική ανάλυση βασισμένη σε GIS για να ποσοτικοποιήσουν τις αλλαγές στους UGS εντός ομόκεντρων ζωνών προστασίας. (δ) Υπηρεσίες σχετικές με το αστικό οικοσύστημα: Βρέθηκαν τρεις μεγάλες ομάδες μελετών: μοντελοποίηση, έρευνα πολιτικής και ανάλυση μορφολογικού χωρικού προτύπου (MSPA). Η χαρτογράφηση για την παροχή υπηρεσιών οδικών δέντρων θα μπορούσε να βοηθήσει στην ιεράρχηση των περιοχών για νέα φύτευση, εντοπίζοντας δρόμους ή τμήματα τους με χαμηλή σκίαση. (ε) Συνολική χαρτογράφηση των UGS: Περιλαμβάνει μελέτες της χωρικής κατανομής των UGS που μπορεί να είναι σε κατηγορίες (δηλαδή UGS και μη UGS) ή κλασματικά (ποσοστό των UGS σε κάθε pixel). Η σημασία της δημιουργίας μιας βάσης δεδομένων για τη χωρική κατανομή και την αφθονία των UGS θα μπορούσε να διαδραματίσει σημαντικό ρόλο στην υποστήριξη των υφιστάμενων βιώσιμων αστικών κανονισμών και μπορεί να αναδειχθεί ως δείκτης του βαθμού αστικής ποιότητας. (στ) Χαρτογράφηση ειδών: Η επιστημονική κοινότητα και οι φορείς διαχείρισης αστικών περιοχών είναι πλέον σε θέση να προσδιορίζουν και να αναγνωρίζουν είδη βλάστησης (δέντρα και θάμνους) εντός των αστικών περιοχών με ακριβή και έγκαιρο τρόπο μέσω της τεχνολογίας τηλεπισκόπησης για την κατάλληλη διατήρησή τους και για την προστασία των UGS από χωροκατακτητικά είδη. (ζ) Τρισδιάστατη μοντελοποίηση: Αυτή η ομάδα μελετών καλύπτει την ανάλυση των κατακόρυφων χαρακτηριστικών των UGS και τη χρήση τέτοιων πληροφοριών για τη δημιουργία τρισδιάστατων μοντέλων. Τέτοιες μελέτες βασίζονται σε δεδομένα LiDAR και σε συνδυασμό εικόνων LiDAR και υψηλής χωρικής ανάλυσης.

Συμπέρασμα

Η παρακολούθηση του συνολικού μεγέθους, των τάσεων και των χωρικών προτύπων των UGS είναι κρίσιμη για τον αποτελεσματικό σχεδιασμό για τη βελτίωση των περιβαλλοντικών συνθηκών εντός των πόλεων και για τη βιώσιμη διαχείριση της αστικής βλάστησης. Η ανασκόπηση έδειξε ότι για την ανάλυση UGS, οι μελέτες έχουν χρησιμοποιήσει δεδομένα που αποτελούνται από δύο κύριες κατηγορίες. Πρώτον, δορυφορικές εικόνες σε μέτρια χωρική ανάλυση. Εδώ, αισθητήρες όπως ο Landsat και ο Sentinel (οπτικοί αισθητήρες) έχουν συμβάλει σημαντικά στις δυνατότητες στη συνολική χαρτογράφηση των UGS και στην ανίχνευση αλλαγών χρησιμοποιώντας αρχεία χρονοσειρών. Τέτοια δεδομένα προσφέρουν τα πλεονεκτήματα της απαίτησης λιγότερο περίπλοκων τεχνικών επεξεργασίας εικόνας και της ελεύθερης πρόσβασης. Ωστόσο, η χωρική ανάλυση αυτών των αισθητήρων εμποδίζει τη διαδικασία ανίχνευσης χαρακτηριστικών λεπτής κλίμακας των UGS σε πολύπλοκες αστικές περιοχές. Αντίθετα, αισθητήρες με υψηλή και εξαιρετικά υψηλή χωρική ανάλυση (π.χ. IKONOS) έχουν προσφέρει πληροφορίες λεπτής κλίμακας (π.χ. ανιχνεύσεις δέντρων αστικών δρόμων, παρακολουθώντας τις ανεπαίσθητες αλλαγές στους USGs). Ένας αριθμός μελετών χρησιμοποίησε LiDAR, υπερφασματικές και άλλες πηγές δεδομένων προκειμένου να προσδιοριστούν συγκεκριμένα χαρακτηριστικά των UGS. Τα δεδομένα LiDAR, οι εικόνες εξαιρετικά υψηλής χωρικής ανάλυσης, τα υπερφασματικά δεδομένα και τα προϊόντα Google Earth παρέχουν ένα φάσμα χρήσιμων πληροφοριών είτε μεμονωμένα ή σε συνδυασμό. Οι τεχνικές που χρησιμοποιούνται περιλαμβάνουν υβριδικές προσεγγίσεις, κλασματική ανάλυση, δείκτες κάλυψης γης, ταξινόμηση ανά pixel, δειγματοληψία σημείων, οπτική ερμηνεία και ανάλυση προϋπαρχόντων χαρτών. Η ανασκόπηση ανέλαβε επίσης σε βάθος ανάλυση των προσεγγίσεων επεξεργασίας εικόνας που χρησιμοποιούνται για την εξαγωγή πληροφοριών σχετικά με τους UGS.

Συντομογραφίες

• UGS: Urban Green Spaces, Αστικοί χώροι πρασίνου
• LiDAR: Light Detection and Ranging, Ανίχνευση και εμβέλεια φωτός
• UAV: Unmanned aerial vehicles, Μη επανδρωμένα εναέρια οχήματα
• SAR: Synthetic Aperture Radar
• GEE: Google Earth Engine
• MTMF: Mixture-tuned match filtering
• OBIA: Object-based image analysis
• NDVI: Normalized Difference Vegetation Index
• MSPA: Μorphological spatial pattern analysis