Τηλεπισκόπηση στην Αστική Ανάλυση

Από RemoteSensing Wiki

Μετάβαση σε: πλοήγηση, αναζήτηση

Τίτλος: Remote Sensing Urban Analysis Συγγραφέας: Marco Gianinetto, Gabriele Candiani, Andrea Marchesi, Marco Rusmini, Francesco Rota Nodari, Pieralberto Maianti, Federico Frassy, and Giorgio Dalla Via Link αρχικού άρθρου: [[1]]

Sa5e1.png
Sa5e2.png

1. Αντικείμενο εργασίας Τις τελευταίες δεκαετίες, οι αναπτυσσόμενες χώρες, ιδίως στην Ασία, είδαν μια εντυπωσιακή αστική ανάπτυξη με σημαντικές επιπτώσεις στην περιβαλλοντική αλλαγή. Η τάση επέκτασης των αστικών περιοχών αναμένεται να αυξηθεί στο μέλλον με αρνητικές συνέπειες για την ανθρώπινη υγεία, το περιβάλλον και τα αναγκαία οικιστικά συστήματα. Σε πολλές περιπτώσεις, η περίπλοκη διαδικασία της μαζικής αστικής εξάπλωσης δεν μπορούσε να μελετηθεί σωστά, δεδομένου ότι τα κοινωνικοοικονομικά δεδομένα των αναπτυσσόμενων χωρών είναι συνήθως ελλιπή, μη ενημερωμένα, μη τυποποιημένα ή μη εύκολα προσβιβάσιμα. Η παρούσα εργασία ασχολείται με το πώς τηλεσκοπικά δεδομένα μπορούν να συνδράμουν στην χαρτογράφηση και την παρακολούθηση της δυναμικής του αστικού χώρου. Η έρευνα έγινε για μία αστική περιοχή στο Πακιστάν (Multan). Συγκεκριμένα αναλύει, επεξεργάζεται και αξιολογεί τα δεδομένα της αστικής ανάπτυξης της περιοχής για τα τελευταία 20 χρόνια.

2. Μεθοδολογία Multan είναι από τις μεγαλύτερες πόλεις του Πακιστάν και παρουσιάζει έναν ταχύτατο ρυθμό αστικοποίησης, που συνεπάγεται και χωρική ανάπτυξη. Το κέντρο της πόλης είναι εξαιρετικά πυκνή περιοχή που αποτελείται από μικρά παλιά σπίτια, στενούς δρόμους και αυξημένη εμπορική δραστηριότητα. Έτσι τα δορυφορικά δεδομένα χρησιμοποιήθηκαν για την παρακολούθηση των αλλαγών του αστικού περιβάλλοντος στον χώρο και τον χώρο. Τα δεδομένα είναι δορυφορικές εικόνες του Landsat-5 (MR), WorldView2 και GeoEye1 (VHR). Συγκεκριμένα χρησιμοποιήθηκε μια χρονοσειρά 22 σκηνών του Multan από το δορυφόρο Landsat-5 από το 1992 έως το 2011, δύο σκηνές WorldView-2 της 19ης Ιουνίου 2010 και ένα στερεοζεύγος GeoEye-1 της 25ης Απριλίου 2009. Στις εικόνες Landsat εφαρμόστηκε η ατμοσφαιρική τους διόρθωση. Οι ατμοσφαιρικά διορθωμένες εικόνες χρησιμοποιήθηκαν για τον υπολογισμό 3 δεικτών, κατάλληλων για τον εντοπισμό των κατηγοριών έδαφος, βλάστηση και νερό. Έπειτα οι εικόνες των 3 δεικτών χρησιμοποιήθηκαν για την εφαρμογή μη επιβλεπόμενης ταξινόμησης χρησιμοποιώντας τον αλγόριθμο k-mean. Το αποτέλεσμα για την κατηγορία αστική περιοχή διαχρονικά φαίνεται στο Fig. 1. Η σύγκριση των τριών κατηγοριών δείχνει μια μεγάλη επέκταση των αστικών περιοχών από το 1992 έως το 2011, με συνέπεια τη μείωση της βλαστησης. Η ποσοτική ανάλυση δείχνει ότι η αστικοποιημένη περιοχή του δήμου έχει σχεδόν διπλασιαστεί από το 1992 έως το 2011. Στη συνέχεια δημιουργήθηκε ένα τρισδιάστατο μοντέλο επιφανείας (DSM) του κέντρου της πόλης με τη χρήση του στερεοζέυγους των δορυφορικών εικόνων που λήφθηκαν από τον GeoEye-1 με χωρική ανάλυση 0.5m. Βάση μετρήσεων πεδίου εκτιμήθηκε ότι το 90% των αποτελεσμάτων του ύψους των κτηρίων βρέθηκε με ακρίβεια (+1,-1)m. Έπειτα με τις δορυφορικές εικόνες του δορυφόρου WorldView2 υπολογίστηκε η κίνηση (ταχύτητα οχημάτων και αριθμός αυτοκινήτων ανά 100 τετραγωνικά μέτρα) για κεντρικές οδούς και μεγάλες περιφερειακές οδούς στο Multan. Τα αποτελέσματα έδειξαν ακρίβεια 70% του υπολογισμού της κίνησης. Με τηλεσκοπικές μεθόδους ανιχνεύθηκε αστική βλάστηση στο κέντρο του Multan. Η ανάλυση των αστικών χώρων πρασίνου πραγματοποιήθηκε με τη χρήση εικόνων VHR από GeoEye-1 (2009) και WorlView-2 (2010). Τα πανχρωμικά και τα πολυφασματικά σύνολα δεδομένων κάθε αισθητήρα έχουν συνδυαστεί για να επωφεληθούν από την καλύτερη χωρική ανάλυση της πανχρωμικής ζώνης και την καλύτερη φασματική ανάλυση του πολυφασματικού σετ. Αυτή η διαδικασία, που ονομάζεται sharpening, έχει εκτελεστεί χρησιμοποιώντας την τεχνική GramSchmidt. Οι αστικοί χώροι πρασίνου έχουν ταξινομηθεί από το πανομοιότυπο σύνολο δεδομένων (GE-SHR και WV-SHR), χρησιμοποιώντας μια προσέγγιση OBIA (object-based image analysis). Τα αποτελέσματα φαίνονται στο Fig.2. Τα αποτελέσματα δείχνουν ότι οι χώροι πρασίνου αντιπροσωπεύουν περίπου το 1% της συνολικής επιφάνειας του κέντρου της πόλης, με πυκνότητα βλάστησης 260 φυτών ανά τετραγωνικό χιλιόμετρο.


3. Συμπεράσματα Οι δορυφόροι μπορούν να χρησιμοποιηθούν με επιτυχία για τη χαρτογράφηση των χωροχρονικών μεταβολών τόσο μεγάλων όσο και μικρών περιοχών. Όσον αφορά τις αστικές μελέτες, οι εικόνες μέσης ανάλυσης μπορούν να δώσουν μια συνοπτική επισκόπηση. Η χωρική τους ανάλυση είναι κατάλληλη για μελέτες σε επίπεδο δήμων και η διαθεσιμότητα ιστορικών δεδομένων, που συλλέχθηκαν τα τελευταία 40 χρόνια, καθιστά δυνατή μια μοναδική περιγραφή της αστικής δυναμικής τόσο για τις οικιστικές όσο και για τις αγροτικές περιοχές. Από την άλλη πλευρά, οι δορυφόροι υψηλής ανάλυσης μπορούν να δώσουν μια λεπτομερή γεωμετρική περιγραφή του αστικού περιβάλλοντος και τα προϊόντα απεικόνισής τους μπορούν να χρησιμοποιηθούν, μεταξύ άλλων, για την ενημέρωση των υφιστάμενων χαρτών, για τη μοντελοποίηση τρισδιάστατων πόλεων ή για την παρακολούθηση του αστικού πράσινου. Επιπλέον, η δυνατότητα συγχώνευσης και ενσωμάτωσης δεδομένων που χαρακτηρίζονται από διαφορετικές χωρικές, φασματικές και ραδιομετρικές ιδιότητες καθιστά τη δορυφορική τηλεπισκόπηση μια ισχυρή και κλιμακούμενη τεχνολογία που μπορεί να προσαρμοστεί σε διαφορετικά πλαίσια και ανάγκες. Όσον αφορά τις μελλοντικές δραστηριότητες που σχεδιάζονται στην πόλη Multan ή και γενικά σε παρόμοια έργα που θα διεξαχθούν, οι τεχνικές τηλεπισκόπησης θα μπορούσαν να χρησιμοποιηθούν αποτελεσματικά όχι μόνο στις δράσεις υλοποίησης αλλά και για ενδιάμεση αξιολόγηση και παρακολούθηση μετά την ολοκλήρωση των εργασιών. Όλα αυτά τα στοιχεία και οι πληροφορίες που συλλέγονται από τα παραπάνω θα μπορούσαν επίσης να χρησιμοποιηθούν για τη δημιουργία μοντέλων που σχετίζονται με θέματα όπως τα φαινόμενα της αστικής θερμότητας, η ποιότητα του αέρα και η ρύπανση ή η διαχείριση του δικτύου για τη βελτίωση της συνολικής ποιότητας ζωής των πολιτών.

Προσωπικά εργαλεία