Remotely Sensed Urban Surface Ecological Index (RSUSEI): Ένα αναλυτικό πλαίσιο για την αξιολόγηση της Surface Ecological Status σε αστικά περιβάλλοντα

Από RemoteSensing Wiki

Πρωτότυπος τίτλος: Remotely Sensed Urban Surface Ecological Index (RSUSEI): Ένα αναλυτικό πλαίσιο για την αξιολόγηση της Surface Ecological Status σε αστικά περιβάλλοντα

Συγγραφείς: Mohammad Karimi Firozjaei, Solmaz Fathololoumi, Qihao Weng, Majid Kiavarz and Seyed Kazem Alavipanah

Δημοσιεύθηκε: Remote Sens. 2020, 12, 2029; doi:10.3390/rs12122029

Πηγή: https://www.mdpi.com/2072-4292/12/12/2029

Σκοπός
Η μελέτη αυτή αποσκοπεί στην παρουσίαση και εφαρμογή ενός νέου τηλεπισκοπικού αναλυτικού πλαισίου/ εργαλείου για την αξιολόγηση του Urban Surface Ecological Index (USEI). Ουσιαστικά πρόκειται για τη δημιουργία ενός νέου φασματικού δείκτη, που ονομάστηκε Remotely Sensed USEI (RSUSEI) και ο οποίος καταφέρνει να συμπεριλαμβάνει μια πληθώρα χαρακτηριστικών για των υπολογισμό του, γεγονός που τον καθιστά ιδιαίτερα χρήσιμο.

Περιοχή Μελέτης
Η έρευνα περιλαμβάνει τη μελέτη έξι πόλεων των Η.Π.Α: Μινεσότα, Λος Άντζελες, Σικάγο, Φοίνιξ, Ντάλας και Σιάτλ. Τα κριτήρια για την επιλογή των πόλεων αυτών αφορούν τις γεωγραφικές και κλιματικές συνθήκες, τα χαρακτηριστικά της επιφάνειας, την πυκνότητα του πληθυσμού και το μέγεθος της πόλης. Oι πόλεις αυτές παρουσιάζουν αισθητές διαφορές όσον αφορά τα παραπάνω κριτήρια, για αυτό και επιλέχθηκαν για την εφαρμογή αυτού του νέου αναλυτικού πλαισίου.

Δεδομένα
Για την πραγματοποίηση της έρευνας χρησιμοποιήθηκαν τα εξής:

• Εικόνες Landsat 8 από την Γεωλογική Υπηρεσία των ΗΠΑ. Όλες οι εικόνες είναι από το μήνα Σεπτέμβρη, με καθαρό ουρανό και με τα δέντρα να διατηρούν ακόμα τα φύλλα τους
  
• Το προϊόν MOD07 του Moderate Resolution Imaging Spectroradiometer (MODIS) για τη μέτρηση του Land Surface Temperature (LST)
  
• Στοιχεία σχετικά με την κάλυψη γης, όπως αυτά προσφέρονται από το National Land Cover Database (NLCD)
  

Μεθοδολογία
Το πρώτο στάδιο της μελέτης αφορά την προεπεξεργασία των εικόνων Landsat 8 και συγκεκριμένα, την ατμοσφαιρική διόρθωσή τους, για την οποία χρησιμοποιήθηκε το μοντέλο Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes (FLAASH). Στην συνέχεια δημιουργήθηκαν οι χάρτες, με τον καθένα να περιγράφει ένα βιοφυσικό χαρακτηριστικό της κάθε περιοχής μελέτης. Έτσι, με την εφαρμογή των Single Channel algorithm (SC), Tasseled cap transformation και φασματικών δεικτών (Πιν.1), προέκυψαν οι χάρτες Normalized Difference Vegetation Index (NDVI), Normalized Difference Soil Index (NDSI), Land Surface Temperature (LST) και Wetness. Αντίστοιχα, από τα στοιχεία του NLCD σχετικά με την κάλυψη γης παράχθηκε ο ISC χάρτης και στην συνέχεια ο χάρτης κάλυψης γης για κάθε περιοχή μελέτης. Εφαρμόζοντας τη μέθοδο του Principal Component Analysis (PCA) συνδυάστηκαν τα παραπάνω βιοφυσικά στοιχεία ώστε να παραχθούν οι USES χάρτες, οι οποίοι συγκρίθηκαν μεταξύ τους. Τέλος, με στατιστική ανάλυση των δεδομένων διερευνήθηκε ο βαθμός σύνδεσης μεταξύ των βιοχημικών χαρακτηριστικών (Εικ.1).

Εικόνα 1 : Διάγραμμα ροής του νέου αναλυτικού πλαισίου

Η νέα αυτή προσέγγιση βασίστηκε στην υπόθεση, γνωστή και ως μοντέλο V-I-S, πως o αστικός ιστός αποτελείται από τρία μέρη: έδαφος, χλωρίδα και αδιαπέραστες επιφάνειες (Εικ.2). Επομένως, για κάθε εικονοστοιχείο δίνεται το ποσοστό συμμετοχής καθενός από τα παραπάνω στοιχεία.

Εικόνα 2 : V-I-S μοντέλο

Αποτελέσματα
1. Χωρική κατανομή των βιοφυσικών χαρακτηριστικών κάθε πόλης Οι κανονικοποιημένοι χάρτες των LST, NDVI, NDSI, και Wetness έδειξαν ότι τα κέντρα των πόλεων έχουν υψηλότερες τιμές LST και NDSI σε σχέση με τα περίχωρα, καθώς και χαμηλότερες τιμές NDVI. Επίσης, τις χαμηλότερες τιμές ISC παρουσίασαν οι πόλεις με την περισσότερη φυτοκάλυψη. Παραλληλα υπολογίστηκαν οι τυπικές αποκλίσεις, οι οποίες έδειξαν ότι όσο μεγαλύτερες είναι, τόσο μεγαλύτερη είναι και η χωρική μεταβλητότητα των βιοφυσικών χαρακτηριστικών, κάτι που πιθανώς οφείλεται στις διαφορετικές χρήσεις γης. Συμπερασματικά, η ανθρώπινες δραστηριότητες επηρεάζουν τα φυσικά χαρακτηριστικά της επιφάνειας της γης, όπως είναι η ανακλαστικότητα, η αγωγιμότητα, η εξατμισοδιαπνοή, το albedo και η θερμοχωριτικότητα των υλικών.

2. Χωρική κατανομή του USES Η χωρική κατανομή του USES ποικίλλει μεταξύ των διαφόρων πόλεων που μελετήθηκαν. Οι περιοχές με υψηλές τιμές στον δείκτη RSUSEI παρουσίασαν χαμηλότερη ποιότητα όσον αφορά το δείκτη USES, δηλαδή είχαν υψηλές τιμές LST, ISC, NDSI, NDVI και χαμηλές τιμές Wetness. Τα καλύτερα αποτελέσματα όσον αφορά το USES τα είχε το Σιάτλ, ενώ τα χειρότερα το Λος Αντζελες (Εικ.3). Παρά τις διαφορές που παρουσιάζουν οι πόλεις μεταξύ τους σχετικά με τα βιοφυσικά χαρακτηριστικά τους, οι τιμές των τυπικών αποκλίσεων είναι σχετικά υψηλές και δεν διαφέρουν αισθητά μεταξύ τους, γεγονός αναδεικνύει τη χωρική μεταβλητότητα του USES. Η μεταβλητότητα αυτή επιβεβαιώνεται και από την χωρική κατανομή του δείκτη RSUSEI.

Εικόνα 3 : Φασματικοί δείκτες που χρησιμοποιήθηκαν στην έρευνα

3. Βαθμός συνδεσιμότητας των βιοφυσικών χαρακτηριστικών του μοντέλου USES Τα αποτελέσματα της εφαρμογής του νέου δείκτη RSUSEI δείχνουν πως πράγματι αποτελεί ένα αρκετά αποδοτικό εργαλείο όσον αφορά τον διαχωρισμό του USES με βάση τις χρήσεις γης. Επίσης, τα αποτελέσματα ανέδειξαν ως τον πιο σημαντικό παράγοντα για τον συσχετισμό των δύο δεικτών την στεγανότητα.