Χάρτης αστικών πράσινων χώρων με τη χρήση της τηλεπισκόπησης : Σχετικές μελέτες σε Βουλγαρία και Σλοβακία

Από RemoteSensing Wiki

Μετάβαση σε: πλοήγηση, αναζήτηση

Χάρτης αστικών πράσινων χώρων με τη χρήση της τηλεπισκόπησης : Σχετικές μελέτες σε Βουλγαρία και Σλοβακία

Πρότυπος τίτλος: Mapping urban green spaces based on remote sensing data: case studies in bulgaria and slovakia

Συγγραφείς : Rumiana Vatseva, Monika Kopecka, Jan Otahel, Konstantin Rosina, Atanas Kitev, Stefan Genchev

[https://cartography-gis.com/docsbca/iccgis2016/ICCGIS2016-58.pdf Πηγή]



Εισαγωγή

Οι πράσινοι χώροι είναι ιδιαίτερα σημαντικοί για το μικροκλίμα, το οικοσύστημα, την ποιότητα του αέρα και την απορρόφηση του θορύβου σε μια αστική περιοχή για αυτό είναι απαραίτητη σημαντική η καταγραφή τους. Δεδομένα για την εκπόνηση της εργασίας αποκτήθηκαν από τις εφαρμογές CORINE Land Cover (CLC) και Urban Atlas (UA). Στόχος αυτής της μελέτης είναι η παρουσίαση της χωρικής κατανομής και της λειτουργικής ταξινόμησης των UGS σε Σόφια και Μπρατισλάβα, με υπόβαθρα τις διαθέσιμες δορυφορικές εικόνες Sentinel-2A στο πλαίσιο του ευρωπαϊκού προγράμματος παρατήρησης της γης του Copernicus. Κάθε εικόνα περιέχει 13 φασματικές ταινίες που έχουν φυσικές χωρικές αναλύσεις των 10 μέτρων (μπλε, πράσινη, κόκκινη και κοντινή υπέρυθρη ζώνη), 20 μ (κόκκινες ακραίες ζώνες) ή 60 μ κυματοειδείς υπέρυθρες ζώνες). Εικόνες χωρικής ανάλυσης μικρότερες από 10 m χρησιμοποιήθηκαν στη διαδικασία επιλογής των δειγμάτων κατάρτισης για εποπτευόμενη αυτόματη ταξινόμηση των εικόνων S2A.

Μεθοδολογία


Η φασματική ανάλυση και το εύρος ζώνης των δεδομένων S2A στις 13 ζώνες κυμαίνεται από 430 έως 2.300 nm. Χρησιμοποιήθηκαν αυτόματες μέθοδοι ταξινόμησης με λογική ακρίβεια. Για υψηλότερη ακρίβεια εφαρμόστηκε μια εποπτευόμενη προσέγγιση και δημιουργήθηκαν παραπάνω από 100 επιπλέον δείγματα ανα περιοχή μελέτης και η ταξινόμηση αυτών των δεδομένων πραγματοποιήθηκε στο λογισμικό ESA SNAP 3.0 αλλά και ESRI ArcGIS Desktop 10. Πολύγωνα μικρότερα από 500 m2 αφαιρέθηκαν και δεν λήφθηκαν υπόψη στην ταξινόμηση ενώ όλα τα υπόλοιπα ταξινομήθηκαν οπτικά σε κλίμακα 1:10000 ή 1:500. Στην Μπρατισλάβα, τα αρχικά αποτελέσματα της ταξινόμησης είχαν ως εξής: 51,6% αδιαπέρατες επιφάνειες, 46,6% αστική βλάστηση, 1,9% νερό. Το 20% του αστικού πρασίνου ήταν αυτό που υπήρχε μέσα στις οικογενειακές κατοικίες (σπίτια με αυλές). Τα υψηλότερα ποσοστά ξυλώδους βλάστησης ανιχνεύθηκαν στην τάξη Urban forest / Uncultivated park και στα Κοιμητήρια. Το χαμηλότερο μερίδιο της ξυλώδους βλάστησης βρέθηκε στους πράσινου χώρους του αεροδρομίου. Στη Σόφια τα αρχικά αποτελέσματα της ταξινόμησης είχαν ως εξής: 51,4% αδιαπέρατες επιφάνειες, 48,6% αστική βλάστηση, 0,1% νερό. Το 27% του αστικού πρασίνου ήταν αυτό που υπήρχε μέσα στις οικογενειακές κατοικίες (σπίτια με αυλές). Συμπερασματικά οι δύο προαναφερθέντες περιοχές έχουν σχεδόν το ίδιο ποσοστό αδιαπέρατης επιφάνειας. Η αστική βλάστηση είναι μεγαλύτερη κατά 2% στη Σόφια ενώ το νερό στην συγκεκριμένη είναι είναι σχεδόν ανύπαρκτο αν σκεφτεί κανείς πως φτάνει το 0.1%. Η πιο αξιόλογη διαφορά μεταξύ των παραπάνω πόλεων στο επίπεδο της αρχικής ταξινόμησης LC είναι η συνολική αναλογία κάλυψης δέντρων, η οποία στη Μπρατισλάβα είναι διπλάσια σε σύγκριση με τη Σόφια. Η Σόφια έχει επίσης σημαντικά υψηλότερο μερίδιο των αστικών πρασίνων σε κατοικημένες περιοχές (κατοικίες οικογενειακών και διαμερισμάτων αλλά μικρότερο ποσοστό άλλων τάξεων, π.χ. Πράσινο σε αθλητικές εγκαταστάσεις, αστική πρασινάδα σε δημόσιες εγκαταστάσεις και Σύνθετο πρότυπο καλλιέργειας. Συνοψίζοντας, με τη κατάλληλη χρήση τω δεδομένων που δόθηκαν από ψηφιακές αεροφωτογραφίες και με τις απαραίτητες επεξεργασίες προέκυψε εύκολα και απλά το αποτέλεσμα καταμέτρησης του αστικού πρασίνου σε δύο πόλεις. Η μέθοδος που χρησιμοποιήθηκε βασίζεται σε δορυφορικές εικόνες με σκοπό την παραγωγή θεματικών χαρτών υψηλής ανάλυσης και αποσκοπεί στην συστηματική διαχρονική παρακολούθηση των χώρων πρασίνου στις συγκεκριμένες περιοχές.

Εικόνα 1. Αποτελέσματα UGS για τα Σόφια
Εικόνα 2. Αποτελέσματα UGS για την Μπρατισλάβα


Αποτελέσματα

Η παρούσα μελέτη περίπτωσης έδειξε τις δυνατότητες αυτόματης εξαγωγής τάξεων UGS από δεδομένα Sentinel-2A και πρότεινε ένα σύστημα ταξινόμησης 15 κατηγοριών που ήταν επαρκές για να χαρακτηρίσει όλα τα UGS και στις δύο πόλεις που μελετήθηκαν. Σε μελλοντική έρευνα συζητάται να γίνει χρήση δεδομένων από τις θερμικές ζώνες Landsat 8 για την εκτίμηση της θερμοκρασίας επιφάνειας διαφόρων κατηγοριών UGS υπό διαφορετικές εποχιακές / καιρικές συνθήκες.

Προσωπικά εργαλεία