Παρακολούθηση και ανάλυση της μετεγκατάστασης και αποκατάστασης κατοικημένων περιοχών με βάση πολλαπλούς δείκτες τηλεπισκόπησης
Από RemoteSensing Wiki
| Γραμμή 12: | Γραμμή 12: | ||
Το άρθρο παρουσιάζει μια καινοτόμο προσέγγιση μέσω τηλεπισκόπησης, για την παρακολούθηση της προόδου σε έργα αλλαγής χρήσης γης. Η μελέτη επικεντρώνεται στην περιοχή της πεδιάδας του Κίτρινου Ποταμού στην επαρχία Χενάν της Κίνας, ένα εκτεταμένο αγροτικό/οικιστικό περιβάλλον που απειλείται από πλημμύρες και όπου η πολιτεία υλοποίησε προγράμματα μετεγκατάστασης κατοίκων από περιοχές υψηλού κινδύνου πλημμυρών σε ασφαλέστερες θέσεις. Η μετεγκατάσταση και ο εξής επακόλουθος στόχος — η επανάκτηση της γης των κατεδαφισμένων οικισμών για γεωργική χρήση — παρουσιάζουν σημαντικές προκλήσεις στην εφαρμογή και αξιολόγησή τους. Ουσιαστικά, η μετατροπή της πρώην οικιστικής γης σε αγροτική γη μεταφράζεται σε φυτική κάλυψη που πρέπει να διακριθεί από άλλες μορφές χρήσης γης στο χάρτη. Ως εκ τούτου, το άρθρο επιχειρεί να προσφέρει μια αξιόπιστη μέθοδο με remote sensing που να μπορεί να παρακολουθεί σε λεπτομερές επίπεδο την πρόοδο αυτών των αλλαγών — τόσο την κατεδάφιση/μετεγκατάσταση όσο και την καλύτερη επανάκτηση/γεωργική επανάχρηση — με υψηλή ακρίβεια. Η κεντρική υπόθεση είναι ότι οι αλλαγές στην κάλυψη εδάφους — από δομημένη οικιστική χρήση σε γυμνό χώμα και τελικά σε καλλιεργήσιμη γη — μπορούν να εντοπιστούν και να ποσοτικοποιηθούν μέσω πολλαπλών δεικτών τηλεπισκόπησης, δεδομένων υψηλής ανάλυσης και στατιστικών μοντέλων. | Το άρθρο παρουσιάζει μια καινοτόμο προσέγγιση μέσω τηλεπισκόπησης, για την παρακολούθηση της προόδου σε έργα αλλαγής χρήσης γης. Η μελέτη επικεντρώνεται στην περιοχή της πεδιάδας του Κίτρινου Ποταμού στην επαρχία Χενάν της Κίνας, ένα εκτεταμένο αγροτικό/οικιστικό περιβάλλον που απειλείται από πλημμύρες και όπου η πολιτεία υλοποίησε προγράμματα μετεγκατάστασης κατοίκων από περιοχές υψηλού κινδύνου πλημμυρών σε ασφαλέστερες θέσεις. Η μετεγκατάσταση και ο εξής επακόλουθος στόχος — η επανάκτηση της γης των κατεδαφισμένων οικισμών για γεωργική χρήση — παρουσιάζουν σημαντικές προκλήσεις στην εφαρμογή και αξιολόγησή τους. Ουσιαστικά, η μετατροπή της πρώην οικιστικής γης σε αγροτική γη μεταφράζεται σε φυτική κάλυψη που πρέπει να διακριθεί από άλλες μορφές χρήσης γης στο χάρτη. Ως εκ τούτου, το άρθρο επιχειρεί να προσφέρει μια αξιόπιστη μέθοδο με remote sensing που να μπορεί να παρακολουθεί σε λεπτομερές επίπεδο την πρόοδο αυτών των αλλαγών — τόσο την κατεδάφιση/μετεγκατάσταση όσο και την καλύτερη επανάκτηση/γεωργική επανάχρηση — με υψηλή ακρίβεια. Η κεντρική υπόθεση είναι ότι οι αλλαγές στην κάλυψη εδάφους — από δομημένη οικιστική χρήση σε γυμνό χώμα και τελικά σε καλλιεργήσιμη γη — μπορούν να εντοπιστούν και να ποσοτικοποιηθούν μέσω πολλαπλών δεικτών τηλεπισκόπησης, δεδομένων υψηλής ανάλυσης και στατιστικών μοντέλων. | ||
| - | [[ Αρχείο:PPANAGIS_3.1.PNG | thumb | right | Δορυφορικές και UAV εικόνες των διάφορων σταδίων της μετεγκατάστασης και αποκατάστασης των οικισμών ]] | + | [[Αρχείο:PPANAGIS_3.1.PNG|thumb|right|Δορυφορικές και UAV εικόνες των διάφορων σταδίων της μετεγκατάστασης και αποκατάστασης των οικισμών]] |
| Γραμμή 23: | Γραμμή 23: | ||
Για την ταξινόμηση της κάλυψης γης εφαρμόστηκαν πολλαπλοί δείκτες όπως ο Enhanced Artificial Surface Index (EASI: ένας νέος δείκτης που ενσωματώνει προηγούμενους δείκτες Επιφανειακής Τεχνητής Κάλυψης και πρόσθετους παράγοντες για την καλύτερη διάκριση μεταξύ αγρού, γης και κατασκευής), και ο Κernel Normalized Difference Vegetation Index (kNDVI: μια βελτιωμένη μορφή του NDVI που αντιμετωπίζει την κορεσμό των φυτικών δεικτών σε υψηλής κάλυψης περιοχές. Οι δείκτες αυτοί εφαρμόστηκαν σε χάρτες υψηλής ανάλυσης, και με βάση διάφορα κατώφλια (thresholds) των δεικτών πραγματοποιήθηκε η ταξινόμηση των 246 οικισμών που μελετήθηκαν σε τρεις κατηγορίες: (α) 56 μη μετεγκατασταθέντες (κυριαρχία κτισμένου περιβάλλοντος), (β) 134 μετεγκατασταθέντες αλλά μη επανακτηθέντες από γεωργική χρήση (κυριαρχία γυμνού εδάφους ή σποραδικής βλάστησης) και (γ) 56 μετεγκατασταθέντες και επανακτηθέντες από γεωργική χρήση ή/και φυσική βλάστηση (υψηλή φυτική κάλυψη). | Για την ταξινόμηση της κάλυψης γης εφαρμόστηκαν πολλαπλοί δείκτες όπως ο Enhanced Artificial Surface Index (EASI: ένας νέος δείκτης που ενσωματώνει προηγούμενους δείκτες Επιφανειακής Τεχνητής Κάλυψης και πρόσθετους παράγοντες για την καλύτερη διάκριση μεταξύ αγρού, γης και κατασκευής), και ο Κernel Normalized Difference Vegetation Index (kNDVI: μια βελτιωμένη μορφή του NDVI που αντιμετωπίζει την κορεσμό των φυτικών δεικτών σε υψηλής κάλυψης περιοχές. Οι δείκτες αυτοί εφαρμόστηκαν σε χάρτες υψηλής ανάλυσης, και με βάση διάφορα κατώφλια (thresholds) των δεικτών πραγματοποιήθηκε η ταξινόμηση των 246 οικισμών που μελετήθηκαν σε τρεις κατηγορίες: (α) 56 μη μετεγκατασταθέντες (κυριαρχία κτισμένου περιβάλλοντος), (β) 134 μετεγκατασταθέντες αλλά μη επανακτηθέντες από γεωργική χρήση (κυριαρχία γυμνού εδάφους ή σποραδικής βλάστησης) και (γ) 56 μετεγκατασταθέντες και επανακτηθέντες από γεωργική χρήση ή/και φυσική βλάστηση (υψηλή φυτική κάλυψη). | ||
| - | [[ Αρχείο:PPANAGIS_3.2.PNG | thumb | right | Βέλτιστα κατώφλια για την εξαγωγή κτισμένων εκτάσεων και βλάστησης με χρήση EASI και kNDVI ]] | + | [[Αρχείο:PPANAGIS_3.2.PNG|thumb|right|Βέλτιστα κατώφλια για την εξαγωγή κτισμένων εκτάσεων και βλάστησης με χρήση EASI και kNDVI]] |
| Γραμμή 32: | Γραμμή 32: | ||
Δεδομένου του αριθμού των οικισμών που δεν μετεγκαταστάθηκαν, ή μετεγκαταστάθηκαν και δεν επανακτήθηκαν ή μετεγκαταστάθηκαν και η γη που καταλάμβαναν επανακτήθηκε ως γεωργική πια, φάνηκε ότι η κατεδάφιση και μετεγκατάσταση είχε ένα γενικό ποσοστό ολοκλήρωσης 77%, αλλά η μετατροπή σε γεωργική χρήση ήταν μόλις 23%, πολύ μικρότερη από τους στόχους των πολιτικών σχεδίων. Επιπλέον, οι επιτόπιες παρατηρήσεις έδειξαν ότι η ταξινόμηση κάποιων περιοχών ως «αποκατεστημένες» μπορεί να είναι σχετικά παραπλανητική λόγω της σποραδικής βλάστησης ή των φυτεύσεων από κατοίκους, γεγονός που μειώνει ελαφρώς την ακρίβεια στη μελέτη της επανάκτησης της γης. | Δεδομένου του αριθμού των οικισμών που δεν μετεγκαταστάθηκαν, ή μετεγκαταστάθηκαν και δεν επανακτήθηκαν ή μετεγκαταστάθηκαν και η γη που καταλάμβαναν επανακτήθηκε ως γεωργική πια, φάνηκε ότι η κατεδάφιση και μετεγκατάσταση είχε ένα γενικό ποσοστό ολοκλήρωσης 77%, αλλά η μετατροπή σε γεωργική χρήση ήταν μόλις 23%, πολύ μικρότερη από τους στόχους των πολιτικών σχεδίων. Επιπλέον, οι επιτόπιες παρατηρήσεις έδειξαν ότι η ταξινόμηση κάποιων περιοχών ως «αποκατεστημένες» μπορεί να είναι σχετικά παραπλανητική λόγω της σποραδικής βλάστησης ή των φυτεύσεων από κατοίκους, γεγονός που μειώνει ελαφρώς την ακρίβεια στη μελέτη της επανάκτησης της γης. | ||
| - | [[ Αρχείο:PPANAGIS_3.3.PNG | thumb | right | Σχηματικό διάγραμμα των επιπτώσεων της υλοποίησης έργων μετεγκατάστασης και αποκατάστασης με βάση τα EASI και kNDVI ]] | + | [[Αρχείο:PPANAGIS_3.3.PNG|thumb|right|Σχηματικό διάγραμμα των επιπτώσεων της υλοποίησης έργων μετεγκατάστασης και αποκατάστασης με βάση τα EASI και kNDVI]] |
Αναθεώρηση της 13:16, 30 Ιανουαρίου 2026
Παρακολούθηση και ανάλυση της μετεγκατάστασης και αποκατάστασης κατοικημένων περιοχών με βάση πολλαπλούς δείκτες τηλεπισκόπησης
Monitoring and Analysis of Relocation and Reclamation of Residential Areas Based on Multiple Remote Sensing Indices
Συγγραφείς: Huiping Huang, Yingqi Wang, Chao Yuan, Wenlu Zhu, Yichen Tian
Πηγή: [[1]]
Εισαγωγή
Το άρθρο παρουσιάζει μια καινοτόμο προσέγγιση μέσω τηλεπισκόπησης, για την παρακολούθηση της προόδου σε έργα αλλαγής χρήσης γης. Η μελέτη επικεντρώνεται στην περιοχή της πεδιάδας του Κίτρινου Ποταμού στην επαρχία Χενάν της Κίνας, ένα εκτεταμένο αγροτικό/οικιστικό περιβάλλον που απειλείται από πλημμύρες και όπου η πολιτεία υλοποίησε προγράμματα μετεγκατάστασης κατοίκων από περιοχές υψηλού κινδύνου πλημμυρών σε ασφαλέστερες θέσεις. Η μετεγκατάσταση και ο εξής επακόλουθος στόχος — η επανάκτηση της γης των κατεδαφισμένων οικισμών για γεωργική χρήση — παρουσιάζουν σημαντικές προκλήσεις στην εφαρμογή και αξιολόγησή τους. Ουσιαστικά, η μετατροπή της πρώην οικιστικής γης σε αγροτική γη μεταφράζεται σε φυτική κάλυψη που πρέπει να διακριθεί από άλλες μορφές χρήσης γης στο χάρτη. Ως εκ τούτου, το άρθρο επιχειρεί να προσφέρει μια αξιόπιστη μέθοδο με remote sensing που να μπορεί να παρακολουθεί σε λεπτομερές επίπεδο την πρόοδο αυτών των αλλαγών — τόσο την κατεδάφιση/μετεγκατάσταση όσο και την καλύτερη επανάκτηση/γεωργική επανάχρηση — με υψηλή ακρίβεια. Η κεντρική υπόθεση είναι ότι οι αλλαγές στην κάλυψη εδάφους — από δομημένη οικιστική χρήση σε γυμνό χώμα και τελικά σε καλλιεργήσιμη γη — μπορούν να εντοπιστούν και να ποσοτικοποιηθούν μέσω πολλαπλών δεικτών τηλεπισκόπησης, δεδομένων υψηλής ανάλυσης και στατιστικών μοντέλων.
Μεθοδολογία
Το πεδίο εφαρμογής αφορά μια έκταση περίπου 2.116 km² με μεγάλο πληθυσμό και αγροτικές εκτάσεις, όπου πραγματοποιήθηκαν προγράμματα μετεγκατάστασης κατοίκων και επανάκτησης γης από το 2015 έως το 2023. Η μελέτη χρησιμοποίησε σειρές δορυφορικών εικόνων μέσα στα χρόνια αυτά, από τον Landsat-8 OLI με ανάλυση 30 m για βασικούς δείκτες, και τον GaoFen-2 (GF-2) με ανάλυση 4 m για λεπτομερή ανάλυση κάλυψης γης. Επιπλέον, χρησιμοποιήθηκαν δεδομένα Human Settlement Footprint (WSF) για τον εντοπισμό των φυσικών ορίων των οικισμών του 2015 και πολυγωνικά στοιχεία “Points of Interest” (POI) για τη συσχέτιση των οικισμών με ονόματα και τοποθεσίες.
Ένα βασικό τεχνικό πρόβλημα ήταν ότι οι εικόνες GF-2 δεν περιέχουν ζώνες βραχείας υπέρυθρης ακτινοβολίας (SWIR), απαραίτητες για αρκετούς δείκτες κάλυψης γης. Για να αντιμετωπιστεί αυτό, οι ερευνητές χρησιμοποίησαν ένα Random Forest μοντέλο για να προβλέψουν και να δημιουργήσουν υψηλής ανάλυσης SWIR bands από δεδομένα Landsat-8, εισάγοντας έτσι εύρος φάσματος και υψηλή χωρική λεπτομέρεια στους δείκτες της μελέτης.
Για την ταξινόμηση της κάλυψης γης εφαρμόστηκαν πολλαπλοί δείκτες όπως ο Enhanced Artificial Surface Index (EASI: ένας νέος δείκτης που ενσωματώνει προηγούμενους δείκτες Επιφανειακής Τεχνητής Κάλυψης και πρόσθετους παράγοντες για την καλύτερη διάκριση μεταξύ αγρού, γης και κατασκευής), και ο Κernel Normalized Difference Vegetation Index (kNDVI: μια βελτιωμένη μορφή του NDVI που αντιμετωπίζει την κορεσμό των φυτικών δεικτών σε υψηλής κάλυψης περιοχές. Οι δείκτες αυτοί εφαρμόστηκαν σε χάρτες υψηλής ανάλυσης, και με βάση διάφορα κατώφλια (thresholds) των δεικτών πραγματοποιήθηκε η ταξινόμηση των 246 οικισμών που μελετήθηκαν σε τρεις κατηγορίες: (α) 56 μη μετεγκατασταθέντες (κυριαρχία κτισμένου περιβάλλοντος), (β) 134 μετεγκατασταθέντες αλλά μη επανακτηθέντες από γεωργική χρήση (κυριαρχία γυμνού εδάφους ή σποραδικής βλάστησης) και (γ) 56 μετεγκατασταθέντες και επανακτηθέντες από γεωργική χρήση ή/και φυσική βλάστηση (υψηλή φυτική κάλυψη).
Αποτελέσματα
Η εφαρμογή του Random Forest για downscaling των SWIR bands, επιβεβαίωσε ότι η διαδικασία διατήρησε το προηγούμενο πληροφοριακό περιεχόμενο, αυξάνοντας τη χωρική λεπτομέρειά του. Η συνολική ακρίβεια της αναγνώρισης της κατάστασης των περιοχών μελέτης μέσω EASI και kNDVI έφτασε στο 93,5%, ελέγχοντας αποτελέσματα με υψηλής ανάλυσης εικόνες και επιτόπιες μετρήσεις, επιβεβαιώνοντας υψηλή ταυτοποίηση κτισμένου περιβάλλοντος, κενής γης και γεωργικών εκτάσεων.
Δεδομένου του αριθμού των οικισμών που δεν μετεγκαταστάθηκαν, ή μετεγκαταστάθηκαν και δεν επανακτήθηκαν ή μετεγκαταστάθηκαν και η γη που καταλάμβαναν επανακτήθηκε ως γεωργική πια, φάνηκε ότι η κατεδάφιση και μετεγκατάσταση είχε ένα γενικό ποσοστό ολοκλήρωσης 77%, αλλά η μετατροπή σε γεωργική χρήση ήταν μόλις 23%, πολύ μικρότερη από τους στόχους των πολιτικών σχεδίων. Επιπλέον, οι επιτόπιες παρατηρήσεις έδειξαν ότι η ταξινόμηση κάποιων περιοχών ως «αποκατεστημένες» μπορεί να είναι σχετικά παραπλανητική λόγω της σποραδικής βλάστησης ή των φυτεύσεων από κατοίκους, γεγονός που μειώνει ελαφρώς την ακρίβεια στη μελέτη της επανάκτησης της γης.
Συμπεράσματα
Το άρθρο καταλήγει ότι η ενσωμάτωση πολλών τηλεπισκοπικών δεικτών, η χρήση στατιστικών μοντέλων downscaling και η ταξινόμηση σε επίπεδο οικισμού, δημιουργούν μια αποτελεσματική μεθοδολογία για την παρακολούθηση της αλλαγής χρήσης της.
Συνοπτικά, ο συνδυασμός EASI και kNDVI απέδωσε υψηλή διακριτική ικανότητα μεταξύ των διάφορων νέων καλύψεων γης, ενώ η αξιολόγηση της υλοποίησης των πολιτικών μετεγκατάστασης και επανάκτησης αποκάλυψε σημαντική καθυστέρηση στις φάσεις ανάκτησης. Επίσης, η προτεινόμενη μεθοδολογία, ιδίως η δημιουργία υψηλής ανάλυσης SWIR bands μέσω μηχανικής μάθησης, έχει μεγάλη εφαρμοστική δυνατότητα και σε άλλες περιπτώσεις παρακολούθησης αλλαγών χρήσης γης, πέρα από την παρούσα περίπτωση. Τέλος, προτείνεται ότι κάθε μελλοντική έρευνα θα πρέπει να ενσωματώνει σειρές εικόνων σε βάθος χρόνου και τεχνικές βαθιάς μάθησης για περαιτέρω βελτίωση της απόδοσης των remote sensing δεικτών.
