Μακροπρόθεσμη μεταβολή της χιονοκάλυψης στα βουνά Qilian (1986–2024): Μία υψηλής-ανάλυσης με βάση το Landsat ανάλυση

= Long-Term Snow Cover Change in the Qilian Mountains (1986–2024): A High-Resolution Landsat-Based Analysis =

'''Enwei Huang, Guofeng Zhu, Yuhao Wang, Rui Li, Yuxin Miao, Xiaoyu Qi, Qingyang Wang, Yinying Jiao, Qinqin Wang and Ling Zhao'''

'''[https://www.mdpi.com/2072-4292/17/14/2497 doi]'''


=== 1. Εισαγωγή ===
Η κάλυψη χιονιού αποτελεί κρίσιμο στοιχείο της κρυόσφαιρας και ζωτική πηγή νερού για τις άνυδρες περιοχές της βορειοδυτικής Κίνας. Τα βουνά Qilian (QLM), στην βορειοανατολική άκρη του Θιβετιανού Οροπεδίου, λειτουργούν ως οικολογικό φράγμα και περιοχή διατήρησης υδάτων. Λόγω της κλιματικής αλλαγής, η παρακολούθηση του χιονιού είναι απαραίτητη για την πρόβλεψη της διαθεσιμότητας νερού. Ενώ προηγούμενες μελέτες βασίζονταν σε δεδομένα MODIS (χαμηλής ανάλυσης 500m), η παρούσα έρευνα στοχεύει στη δημιουργία του πρώτου προϊόντος χιονιού υψηλής ανάλυσης (30m) για την περίοδο 1986-2024, καλύπτοντας ένα κενό 39 ετών ιστορικών δεδομένων.

[[Αρχείο:Eikona_01.png | right | thumb | 1.Περιοχή ενδιαφέροντος ]]

=== 2. Μεθοδολογία ===
Η μελέτη χρησιμοποίησε μια σύνθετη προσέγγιση τηλεπισκόπησης και στατιστικής ανάλυσης:

'''''α. Δεδομένα και Πηγές (Data Acquisition)'''''

Η μελέτη βασίστηκε σε μια στρατηγική συνδυασμού πολλαπλών αισθητήρων για την επίτευξη συνεχούς παρακολούθησης 39 ετών(1986-2025):

- Χρησιμοποιήθηκαν δεδομένα από τους Landsat 5 TM (1986-1999), Landsat 7 ETM+ (1999-2012), Landsat 8 OLI (2013-2020) και Landsat 9 OLI-2 (2021-2024).

- Η επεξεργασία έγινε μέσω του Google Earth Engine (GEE), το οποίο επέτρεψε την ανάλυση 42.006 εικόνων.

- Χρησιμοποιήθηκαν δεδομένα SRTM (Shuttle Radar Topography Mission) ανάλυσης 30 μέτρων για τον υπολογισμό του υψομέτρου, της κλίσης και του προσανατολισμού.

'''''β. Στρατηγική Κάλυψης Νεφών (Cloud Masking Strategy)'''''

Λόγω της συχνής παρουσίας νεφών στις ορεινές περιοχές, αναπτύχθηκε μια διπλή προσαρμοστική στρατηγική:

- ''Επιεικής (Lenient) Μάσκα:'' Αποκλείει μόνο τα βέβαια νέφη και τις σκιές τους, διατηρώντας το 65-75% των δεδομένων.

- ''Συντηρητική (Conservative) Μάσκα:'' Αποκλείει μόνο τα νέφη υψηλής εμπιστοσύνης, διατηρώντας το 75-85% των δεδομένων, κάτι που είναι κρίσιμο για τους χειμερινούς μήνες όπου τα δεδομένα είναι σπάνια.

'''''γ. Φασματικοί Δείκτες και Προεπεξεργασία'''''

Για την ακριβή αναγνώριση του χιονιού, πραγματοποιήθηκαν οι εξής ενέργειες:

- ''Ραδιομετρική Διόρθωση:'' Μετατροπή των ψηφιακών αριθμών (DN) σε τιμές επιφανειακής ανάκλασης (SR).

- ''Δείκτης NDSI (Normalized Difference Snow Index):'' Υπολογίστηκε με βάση την πράσινη (ρgreen) και τη βραχεία υπέρυθρη ζώνη (ρSWIR1). Ο δείκτης αυτός εκμεταλλεύεται την υψηλή ανακλαστικότητα του χιονιού στο ορατό φως και τη χαμηλή ανάκλασή του στο υπέρυθρο.

'''''δ. Αλγόριθμος Ταξινόμησης Χιονιού Τριών Επιπέδων'''''

Αντί για ένα απλό όριο, χρησιμοποιήθηκε ένα σύστημα τριών επιπέδων εμπιστοσύνης:

1. Βασική Εμπιστοσύνη (Basic): NDSI > 0,3.

2. Μέση Εμπιστοσύνη (Medium): NDSI > 0,35 και επιπλέον φασματικά όρια στο μπλε και υπέρυθρο.

3. Υψηλή Εμπιστοσύνη (High): NDSI > 0,4 με τα πιο αυστηρά κατώφλια ανάκλασης. 

Η τελική μάσκα χιονιού προέκυψε από τη λογική ένωση (OR) αυτών των τριών επιπέδων.

'''''ε. Χωρική Παρεμβολή και Συμπλήρωση Κενών'''''

Για τη συμπλήρωση των κενών που προκαλούνται από σύννεφα ή από την αστοχία του αισθητήρα SLC-off του Landsat 7, εφαρμόστηκαν:

- Αλγόριθμος χωρικής παρεμβολής (focal statistics) που χρησιμοποιεί ένα κυκλικό παράθυρο ακτίνας 150 μέτρων για την εκτίμηση των ελλειπουσών τιμών από τα γειτονικά pixel.

- Δημιουργία μηνιαίων σύνθετων εικόνων χρησιμοποιώντας τη διάμεσο τιμή(median compositing), γεγονός που καταστέλλει τον θόρυβο και τις ακραίες τιμές.

'''''στ. Στατιστική Ανάλυση Τάσεων (Trend Analysis)'''''

Η ανάλυση της μεταβολής στον χρόνο έγινε με δύο μη παραμετρικές μεθόδους:

- Sen-Theil Trend Analysis: Χρησιμοποιήθηκε για τον υπολογισμό του ρυθμού μεταβολής (κλίση) της χιονοκάλυψης και του υψομέτρου της χιονογραμμής.

- Mann-Kendall Test: Εφαρμόστηκε για να διαπιστωθεί αν οι παρατηρούμενες τάσεις είναι στατιστικά σημαντικές ή οφείλονται σε τυχαίες διακυμάνσεις.

Αυτή η πολυεπίπεδη προσέγγιση επέτρεψε στους ερευνητές να ξεπεράσουν τους περιορισμούς των παραδοσιακών μεθόδων (όπως το MODIS) και να προσφέρουν μια εικόνα υψηλής ακρίβειας για τις αλλαγές στο χιόνι της περιοχής.

== 3. Αποτελέσματα == 
Τα κυριότερα ευρήματα της ανάλυσης είναι:

- ''Έκταση Χιονοκάλυψης (SCE):'' Η μέση ετήσια κάλυψη χιονιού στα QLM ανήλθε σε 15,73%. Παρατηρήθηκε μια ελαφρά πτωτική τάση (-0,046% ανά έτος), η οποία όμως δεν κρίθηκε στατιστικά σημαντική.

- ''Μετακίνηση Χιονογραμμής (Snowline):'' Διαπιστώθηκε σημαντική άνοδος της χιονογραμμής, με το μέσο υψόμετρο να αυξάνεται κατά 3,98 m/έτος και το ελάχιστο υψόμετρο κατά 2,81 m/έτος.

- ''Υψομετρική Διαφοροποίηση:'' Η μείωση του χιονιού ήταν εντονότερη σε υψόμετρα άνω των 5000m και σε χαμηλά υψόμετρα (2000-3500m), ενώ οι ενδιάμεσες περιοχές παρέμειναν σχετικά σταθερές.

- ''Εποχικότητα:'' Η μέγιστη κάλυψη καταγράφεται τον Φεβρουάριο (27,5%) και η ελάχιστη τον Αύγουστο (2,8%).

== 4. Συζήτηση ==

Η έρευνα αναδεικνύει την ανωτερότητα των δεδομένων υψηλής ανάλυσης:

- ''Αξιοπιστία Δεδομένων:'' Η χρήση των Landsat 8 και 9 βελτίωσε σημαντικά την ακρίβεια ανίχνευσης, επιτυγχάνοντας κάλυψη παρατήρησης 93,4%.

- ''Σύγκριση με MODIS:'' Η σύγκριση έδειξε ότι το MODIS υποτιμά συστηματικά την κάλυψη χιονιού στις ορεινές περιοχές (κατά περίπου 8,06%), γεγονός που καθιστά τα δεδομένα Landsat πιο ευαίσθητα και αξιόπιστα για τέτοια περιβάλλοντα.

Τα αποτελέσματα παρέχουν επιστημονικά τεκμήρια για τη διαχείριση των υδάτινων πόρων και τη χάραξη στρατηγικών προσαρμογής στην κλιματική αλλαγή στην ευρύτερη περιοχή. Η άνοδος της χιονογραμμής αποτελεί σαφή δείκτη της επίδρασης της υπερθέρμανσης του πλανήτη στα ορεινά οικοσυστήματα.


 
[[category:ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Μέτσοβο)]]