Αξιολόγηση της προόδου των εφαρμογών τηλεπισκόπισης στην χαρτογράφηση και την παρακολούθηση της διάβρωσης του εδάφους.

Από RemoteSensing Wiki

(Διαφορές μεταξύ αναθεωρήσεων)
Μετάβαση σε: πλοήγηση, αναζήτηση
 
(2 ενδιάμεσες αναθεωρήσεις δεν εμφανίζονται.)
Γραμμή 5: Γραμμή 5:
'''Συγγραφείς: Terrence Koena Sepuru and Timothy Dube''''''
'''Συγγραφείς: Terrence Koena Sepuru and Timothy Dube''''''
-
Στην παρούσα εργασία γίνεται ανασκόπηση της προόδου των εφαρμογών της τηλεπισκόπισης στον τομέα της έρευνας για τη διάβρωση του εδάφους. Για πρώτη φορά γίνεται αναφορά στα πλεονεκτήματα και τους περιορισμούς των δορυφορικών δεδομένων που χρησιμοποιούνται τόσο στην χαρτογράφηση όσο και στην παρακολούθηση της εδαφικής διάβρωσης σε διαφορετικές κλίμακες. Η τηλεπισκόπηση σε συνδυασμό με τα Γεωγραφικά Πληροφοριακά Συστήματα παρέχουν πολύτιμες πληροφορίες για την εκτίμηση, τον έλεγχο και την πρόβλεψη της υποβάθμισης του εδάφους σε μεγάλη χωρική κλίμακα, χωρίς να απαιτούνται εξειδικευμένα δεδομένα, χρόνος και κόστος, ιδιαίτερα σε περιβάλλοντα όπου η έρευνα πεδίου είναι δύσκολη (Eικόνα 1).
+
Στην παρούσα εργασία γίνεται ανασκόπηση της προόδου των εφαρμογών της τηλεπισκόπισης στον τομέα της έρευνας για τη διάβρωση του εδάφους. Για πρώτη φορά γίνεται αναφορά στα πλεονεκτήματα και τους περιορισμούς των δορυφορικών δεδομένων που χρησιμοποιούνται τόσο στην χαρτογράφηση όσο και στην παρακολούθηση της εδαφικής διάβρωσης σε διαφορετικές κλίμακες. Η τηλεπισκόπηση σε συνδυασμό με τα Γεωγραφικά Πληροφοριακά Συστήματα παρέχουν πολύτιμες πληροφορίες για την εκτίμηση, τον έλεγχο και την πρόβλεψη της υποβάθμισης του εδάφους σε μεγάλη χωρική κλίμακα, χωρίς να απαιτούνται εξειδικευμένα δεδομένα, χρόνος και κόστος, ιδιαίτερα σε περιβάλλοντα όπου η έρευνα πεδίου είναι δύσκολη (Eικόνα 1)[[Αρχείο:rs_wiki_erosion.jpg|thumb|right|Εικόνα 1: Κατανομή της εδαφικής υποβάθμισης λόγω δραστηριοτήτων του ανθρώπου σε παγκόσμιο επίπεδο.]].
   
   
Έχουν διεξαχθεί αρκετές μελέτες κάλυψης γης και χρήσεων γης που επικεντρώνονται στη βλάστηση και άλλες οικολογικές παραμέτρους, χωρίς να εμβαθύνουν σε περιβαλλοντικά ζητήματα που απαιτούν περισσότερες λεπτομέρειες, όπως είναι η διάβρωση εδάφους. Ο αριθμός των μελετών μειώνεται όταν γίνεται εκτίμηση της απώλειας του εδάφους και της υποβάθμισής του. Με τις δορυφορικές απεικονίσεις είναι δυνατή η παρατήρηση των χαρακτηριστικών της επιφάνειας του εδάφους μόνο όταν δεν υπάρχει κάλυψη βλάστησης. Τα περισσότερα δεδομένα για τη διάβρωση του εδάφους προέρχονται από τον αισθητήρα του δορυφόρου Landsat TM σε συνδυασμό με μεθόδους ταξινόμησης. Ο αισθητήρας Landsat TM διαθέτει εφτά κανάλια υψηλής φασματικής ανάλυσης και είναι κατάλληλος για τη χαρτογράφηση διαβρωμένων τοπίων.  
Έχουν διεξαχθεί αρκετές μελέτες κάλυψης γης και χρήσεων γης που επικεντρώνονται στη βλάστηση και άλλες οικολογικές παραμέτρους, χωρίς να εμβαθύνουν σε περιβαλλοντικά ζητήματα που απαιτούν περισσότερες λεπτομέρειες, όπως είναι η διάβρωση εδάφους. Ο αριθμός των μελετών μειώνεται όταν γίνεται εκτίμηση της απώλειας του εδάφους και της υποβάθμισής του. Με τις δορυφορικές απεικονίσεις είναι δυνατή η παρατήρηση των χαρακτηριστικών της επιφάνειας του εδάφους μόνο όταν δεν υπάρχει κάλυψη βλάστησης. Τα περισσότερα δεδομένα για τη διάβρωση του εδάφους προέρχονται από τον αισθητήρα του δορυφόρου Landsat TM σε συνδυασμό με μεθόδους ταξινόμησης. Ο αισθητήρας Landsat TM διαθέτει εφτά κανάλια υψηλής φασματικής ανάλυσης και είναι κατάλληλος για τη χαρτογράφηση διαβρωμένων τοπίων.  
-
Ο Randall (1993) οριοθέτησε διαβρωμένες περιοχές στην λεκάνη απορροής του ποταμού Olifant στη Νότια Αφρική χρησιμοποιώντας Landsat TM εικόνες και βρήκε ότι οι βαθιές σχισμές στο έδαφος μπορούν να χαρτογραφηθούν με μεγάλη ακρίβειαΟι Dhatal et al (2002) βρήκαν ότι τα ορατά κανάλια (κόκκινο, πράσινο και μπλε) του Landsat TM είναι κατάλληλα για την ανίχνευση των διαβρωμένων περιοχών μετά από ένα ακραίο επεισόδιο βροχόπτωσης. Ο Jensen (2005) επιπλέον επεσήμανε ότι τα εφτά φασματικά κανάλια του αισθητήρα Landsat TM διαθέτουν υψηλή φασματική ανάλυση κάνοντάς τον κατάλληλο για τη χαρτογράφηση των διαβρωμένων εδαφών. Με στόχο να δημιουργηθεί ένας χάρτης σημαντικά διαβρωμένων περιοχών, ο Beguería (2006) διέκρινε την εδαφική διάβρωση στο γυμνό έδαφος από τις ανθεκτικές προεξοχές των βράχων, χρησιμοποιώντας την επιβλεπόμενη ταξινόμηση σε τρεις απεικονίσεις του Θεματικού Χαρτογράφου (TM) Landsat διαφορετικών μηνών και με διαφορετικά σύνολα δεδομένων. Ελέγχθηκε η δυνατότητα παροχής πληροφοριών που προσφέρει η ενσωμάτωση εικόνων διαφορετικών εποχών στη διάκριση διαβρωμένων εδαφών, σε σύγκριση με τις πληροφορίες που παρέχουν οι απλές απεικονίσεις.  
+
Ο Randall (1993) οριοθέτησε διαβρωμένες περιοχές στην λεκάνη απορροής του ποταμού Olifant στη Νότια Αφρική χρησιμοποιώντας Landsat TM εικόνες και βρήκε ότι οι βαθιές σχισμές στο έδαφος μπορούν να χαρτογραφηθούν με μεγάλη ακρίβεια. Οι Dhatal et al (2002) βρήκαν ότι τα ορατά κανάλια (κόκκινο, πράσινο και μπλε) του Landsat TM είναι κατάλληλα για την ανίχνευση των διαβρωμένων περιοχών μετά από ένα ακραίο επεισόδιο βροχόπτωσης. Ο Jensen (2005) επιπλέον επεσήμανε ότι τα εφτά φασματικά κανάλια του αισθητήρα Landsat TM διαθέτουν υψηλή φασματική ανάλυση κάνοντάς τον κατάλληλο για τη χαρτογράφηση των διαβρωμένων εδαφών. Με στόχο να δημιουργηθεί ένας χάρτης σημαντικά διαβρωμένων περιοχών, ο Beguería (2006) διέκρινε την εδαφική διάβρωση στο γυμνό έδαφος από τις ανθεκτικές προεξοχές των βράχων, χρησιμοποιώντας την επιβλεπόμενη ταξινόμηση σε τρεις απεικονίσεις του Θεματικού Χαρτογράφου (TM) Landsat διαφορετικών μηνών και με διαφορετικά σύνολα δεδομένων. Ελέγχθηκε η δυνατότητα παροχής πληροφοριών που προσφέρει η ενσωμάτωση εικόνων διαφορετικών εποχών στη διάκριση διαβρωμένων εδαφών, σε σύγκριση με τις πληροφορίες που παρέχουν οι απλές απεικονίσεις.  
Οι Hochschild et al. (2003) χρησιμοποίησαν εικόνα του Landsat 5 TM του έτους 1996 για την εκτίμηση της εδαφικής διάβρωσης στη λεκάνη απορροής του ποταμού Mbuluzi (Βασίλειο της Swaziland). Αυτό επιτεύχθηκε με την δημιουργία αρνητικής συσχέτισης ανάμεσα στα διαφορετικά επίπεδα διάβρωσης και στο ποσοστό κάλυψης βλάστησης. Επιπλέον, διέκρινε με τα δορυφορικά δεδομένα Landsat, τα επίπεδα διάβρωσης από ελαφριά αυλάκια στο έδαφος μέχρι βαθιές σχισμές.
Οι Hochschild et al. (2003) χρησιμοποίησαν εικόνα του Landsat 5 TM του έτους 1996 για την εκτίμηση της εδαφικής διάβρωσης στη λεκάνη απορροής του ποταμού Mbuluzi (Βασίλειο της Swaziland). Αυτό επιτεύχθηκε με την δημιουργία αρνητικής συσχέτισης ανάμεσα στα διαφορετικά επίπεδα διάβρωσης και στο ποσοστό κάλυψης βλάστησης. Επιπλέον, διέκρινε με τα δορυφορικά δεδομένα Landsat, τα επίπεδα διάβρωσης από ελαφριά αυλάκια στο έδαφος μέχρι βαθιές σχισμές.
Γραμμή 24: Γραμμή 24:
{| class="wikitable"
{| class="wikitable"
-
! Αισθητήρας !! Φασματικά κανάλια !! Χωρική ανάλυση (m) περιγραφή !!  !! Πλάτος λωρίδας κάλυψης !! Χρόνος κάλυψης της γης (ημέρες)
+
! Αισθητήρας !! Φασματικά κανάλια !! Χωρική ανάλυση (m) περιγραφή !!  !! Πλάτος λωρίδας κάλυψης !! Χρόνος κάλυψης της γης (ημέρες) !! Κόστος απόκτησης εικόνων (US $/km2)
|-
|-
-
|  ||  ||  ||  ||  (Km) ||  
+
|  ||  ||  ||  ||  (Km) ||  ||  
|-
|-
-
| Landsat Θεματικός Χαρτογράφος (TM) || 7 || 30 || Κανάλια (1–5 και 7) || 185 || 26
+
| Landsat Θεματικός Χαρτογράφος (TM) || 7 || 30 || Κανάλια (1–5 και 7) || 185 || 26 || Δωρεάν
|-
|-
-
|  ||  || 120 || Κανάλι 6 ||  ||  
+
|  ||  || 120 || Κανάλι 6 ||  ||  ||  
|-
|-
-
| Landsat Enhanced Thematic Mapper plus (ETM+) || 8 || 30 || Κανάλι (1–7) || 185 || 18
+
| Landsat Enhanced Thematic Mapper plus (ETM+) || 8 || 30 || Κανάλι (1–7) || 185 || 18 || Δωρεάν
|-
|-
-
|  ||  || 15 || Κανάλι 8 ||  ||  
+
|  ||  || 15 || Κανάλι 8 ||  ||  ||  
|-
|-
-
| Landsat Operation Land Imager (OIL) || 9 || 30 || Κανάλι (1–9) || 185 || 16
+
| Landsat Operation Land Imager (OLI) || 9 || 30 || Κανάλι (1–9) || 185 || 16 || Δωρεάν
|-
|-
-
|  ||  || 120 ||  ||  ||  
+
|  ||  || 120 ||  ||  ||  ||  
|-
|-
-
| Moderate Resolution Imaging Spectrometer (MODIS) || 36 || 250 || Κανάλι (1–2) || 2330 || 1–2
+
| Moderate Resolution Imaging Spectrometer (MODIS) || 36 || 250 || Κανάλι (1–2) || 2330 || 1–2 || Δωρεάν
|-
|-
-
|  ||  || 500 || Κανάλι (3–7) ||  ||  
+
|  ||  || 500 || Κανάλι (3–7) ||  ||  ||  
|-
|-
-
|  ||  || 1000 || Κανάλι (8–36) ||  ||  
+
|  ||  || 1000 || Κανάλι (8–36) ||  ||  ||  
|-
|-
-
| RapidEye || 5 || 5 || Όλα τα Κανάλια || 77 || 1 (off nadir) / 5.5 (nadir)
+
| RapidEye || 5 || 5 || Όλα τα Κανάλια || 77 || 1 (off nadir) / 5.5 (nadir) || US $1.28
|-
|-
-
| Système Pour l'Observation de la Terre 5 (SPOT 5), Υψηλής Ανάλυσης Στερεοσκοπικός (HRS), Υψηλής Ανάλυσης Γεωμετρικός (HRG) και Βλάστησης (VGT) || 5 || 10 || Κανάλι (1–3) || 60 || 2.5
+
| Système Pour l'Observation de la Terre 5 (SPOT 5), Υψηλής Ανάλυσης Στερεοσκοπικός (HRS), Υψηλής Ανάλυσης Γεωμετρικός (HRG) και Βλάστησης (VGT) || 5 || 10 || Κανάλι (1–3) || 60 || 2.5 || US $5.15
|-
|-
-
|  ||  || 20 || Κανάλι 4 ||  ||  
+
|  ||  || 20 || Κανάλι 4 ||  ||  ||  
|-
|-
-
| Quickbird || 5 || 2.40 || Όλα τα πολυφασματικά || 16.8 || 1–3.5
+
| Quickbird || 5 || 2.40 || Όλα τα πολυφασματικά || 16.8 || 1–3.5 || US $24
|-
|-
-
|  ||  || 0.60 || Πανχρωματικά  ||  ||  
+
|  ||  || 0.60 || Πανχρωματικά || ||  ||  
|-
|-
-
| World View−2 || 8 || 2 || Όλα τα πολυφασματικά || 16.4 || 1.1
+
| World View−2 || 8 || 2 || Όλα τα πολυφασματικά || 16.4 || 1.1 || US $28.5
|-
|-
-
|  ||  || 0.46 || Πανχρωματικά  ||  ||  
+
|  ||  || 0.46 || Πανχρωματικά || ||  ||  
|-
|-
-
| World View−3 || 8 || 1.24 || Όλα τα πολυφασματικά || 13.1 || 1
+
| World View−3 || 8 || 1.24 || Όλα τα πολυφασματικά || 13.1 || 1 || US $29
|-
|-
-
|  ||  || 0.31 || Πανχρωματικά  ||  ||  
+
|  ||  || 0.31 || Πανχρωματικά || ||  ||  
|-
|-
-
| Indian Remote Sensing Δορυφόρος (IRS-P6) || 4 ||  || Κανάλι (2–5) || 23.9–740 || 5
+
| Indian Remote Sensing Δορυφόρος (IRS-P6) || 4 ||  || Κανάλι (2–5) || 23.9–740 || 5 || US $20
|}
|}
-
 
'''Μέθοδοι ταξινόμησης: Δυνατότητες και περιορισμοί.'''
'''Μέθοδοι ταξινόμησης: Δυνατότητες και περιορισμοί.'''
Με την ταξινόμηση γίνεται ο προσδιορισμός ομάδων εικονοστοιχείων με κοινά χαρακτηριστικά σε μια δορυφορική εικόνα και η αναγνώριση και αναφορά τους σε πραγματικές τάξεις αντικειμένων της γήινης επιφάνειας με τη χρήση των φασματικών υπογραφών τους. Οι αλγόριθμοι ταξινόμησης μπορούν να διακριθούν σε παραμετρικούς ή μη παραμετρικούς. Και τα δύο είδη απαιτούν την είσοδο δεδομένων εκπαίδευσης, προκειμένου να εκπαιδευτεί ο αλγόριθμος και να αναγνωριστεί η ταυτότητα κάθε εικονοστοιχείου. Οι παραμετρικοί αλγόριθμοι χρησιμοποιούν παραμέτρους, όπως είναι το µέσο διάνυσµα (mean vector) και ο πίνακας συµµεταβλητότητας (variance-covariance matrices) για να καθοριστούν οι τάξεις και τα όρια μεταξύ τους, ενώ οι μη παραμετρικοί αλγόριθμοι δεν απαιτούν τη γνώση ή τον καθορισμό των χαρακτηριστικών των παραμέτρων. Υπάρχουν αρκετές μέθοδοι ταξινόμησης, όπως η επιβλεπόμενη, η μη επιβλεπόμενη ταξινόμηση και άλλες υβριδικές που χρησιμοποιούνται σε συνδυασμό με μαθηματικούς αλγόριθμους που περιλαμβάνουν τις τεχνικές: ISODATA, μέγιστης πιθανοφάνειας, της απόστασης Mahalanobis.
Με την ταξινόμηση γίνεται ο προσδιορισμός ομάδων εικονοστοιχείων με κοινά χαρακτηριστικά σε μια δορυφορική εικόνα και η αναγνώριση και αναφορά τους σε πραγματικές τάξεις αντικειμένων της γήινης επιφάνειας με τη χρήση των φασματικών υπογραφών τους. Οι αλγόριθμοι ταξινόμησης μπορούν να διακριθούν σε παραμετρικούς ή μη παραμετρικούς. Και τα δύο είδη απαιτούν την είσοδο δεδομένων εκπαίδευσης, προκειμένου να εκπαιδευτεί ο αλγόριθμος και να αναγνωριστεί η ταυτότητα κάθε εικονοστοιχείου. Οι παραμετρικοί αλγόριθμοι χρησιμοποιούν παραμέτρους, όπως είναι το µέσο διάνυσµα (mean vector) και ο πίνακας συµµεταβλητότητας (variance-covariance matrices) για να καθοριστούν οι τάξεις και τα όρια μεταξύ τους, ενώ οι μη παραμετρικοί αλγόριθμοι δεν απαιτούν τη γνώση ή τον καθορισμό των χαρακτηριστικών των παραμέτρων. Υπάρχουν αρκετές μέθοδοι ταξινόμησης, όπως η επιβλεπόμενη, η μη επιβλεπόμενη ταξινόμηση και άλλες υβριδικές που χρησιμοποιούνται σε συνδυασμό με μαθηματικούς αλγόριθμους που περιλαμβάνουν τις τεχνικές: ISODATA, μέγιστης πιθανοφάνειας, της απόστασης Mahalanobis.
Γραμμή 73: Γραμμή 72:
'''Συμπέρασμα'''
'''Συμπέρασμα'''
-
Αν και πολλοί ερευνητές έχουν μελετήσει τις διάφορες πτυχές της εδαφικής διάβρωσης, η χρονική και χωρική υποβάθμιση του εδάφους έχει λάβει μειωμένη προσοχή. Η παρούσα εργασία προσφέρει μια ανασκόπηση της προόδου των εφαρμογών της τηλεπισκόπισης στην παρακολούθηση της διάβρωσης του εδάφους στο χρόνο και το χώρο. Παρά την προσπάθεια να ποσοτικοποιηθεί η έκταση της διάβρωσης, οι περισσότερες προσπάθειες επικεντρώθηκαν σε μικρής κλίμακας εφαρμογές, όπως σε υπολεκάνες απορροής ποταμών και σε επίπεδα δήμου. Όμως, περισσότερη προσπάθεια απαιτείται για να εκτιμηθεί η χωρική ποικιλομορφία και η έκταση της εδαφικής διάβρωσης σε περιοχές μεγάλης χωρικής κάλυψης. Επιπλέον, η διάκριση της διάβρωσης η οποία οφείλεται σε διαφορετικές πρακτικές διαχείρισης της γης, απαιτείται για τον αποτελεσματικό έλεγχο των διαβρωμένων εδαφών και για τη λήψη των κατάλληλων μέτρων αποκατάστασης. Οι νέοι αισθητήρες όπως οι Sentinel 2 και Landsat 8, με βελτιωμένη χωρική, ραδιομετρική και χρονική ανάλυση παρέχουν τα απαραίτητα χωρικά εργαλεία για την παρακολούθηση  αυτών των περιοχών σε χαμηλό κόστος, ιδιαίτερα στις αναπτυσσόμενες χώρες. [[Αρχείο:rs_wiki_erosion.jpg|thumb|right|Εικόνα 1: Κατανομή της εδαφικής υποβάθμισης λόγω δραστηριοτήτων του ανθρώπου σε παγκόσμιο επίπεδο.]]
+
Αν και πολλοί ερευνητές έχουν μελετήσει τις διάφορες πτυχές της εδαφικής διάβρωσης, η χρονική και χωρική υποβάθμιση του εδάφους έχει λάβει μειωμένη προσοχή. Η παρούσα εργασία προσφέρει μια ανασκόπηση της προόδου των εφαρμογών της τηλεπισκόπισης στην παρακολούθηση της διάβρωσης του εδάφους στο χρόνο και το χώρο. Παρά την προσπάθεια να ποσοτικοποιηθεί η έκταση της διάβρωσης, οι περισσότερες προσπάθειες επικεντρώθηκαν σε μικρής κλίμακας εφαρμογές, όπως σε υπολεκάνες απορροής ποταμών και σε επίπεδα δήμου. Όμως, περισσότερη προσπάθεια απαιτείται για να εκτιμηθεί η χωρική ποικιλομορφία και η έκταση της εδαφικής διάβρωσης σε περιοχές μεγάλης χωρικής κάλυψης. Επιπλέον, η διάκριση της διάβρωσης η οποία οφείλεται σε διαφορετικές πρακτικές διαχείρισης της γης, απαιτείται για τον αποτελεσματικό έλεγχο των διαβρωμένων εδαφών και για τη λήψη των κατάλληλων μέτρων αποκατάστασης. Οι νέοι αισθητήρες όπως οι Sentinel 2 και Landsat 8, με βελτιωμένη χωρική, ραδιομετρική και χρονική ανάλυση παρέχουν τα απαραίτητα χωρικά εργαλεία για την παρακολούθηση  αυτών των περιοχών σε χαμηλό κόστος, ιδιαίτερα στις αναπτυσσόμενες χώρες.
  [[category:Erosion landforms]]
  [[category:Erosion landforms]]

Παρούσα αναθεώρηση της 19:35, 24 Φεβρουαρίου 2018

Αξιολόγηση της προόδου των εφαρμογών τηλεπισκόπισης στην χαρτογράφηση και την παρακολούθηση της διάβρωσης του εδάφους.

An appraisal on the progress of remote sensing applications in soil erosion mapping and monitoring. (2018) [1]

Συγγραφείς: Terrence Koena Sepuru and Timothy Dube'

Στην παρούσα εργασία γίνεται ανασκόπηση της προόδου των εφαρμογών της τηλεπισκόπισης στον τομέα της έρευνας για τη διάβρωση του εδάφους. Για πρώτη φορά γίνεται αναφορά στα πλεονεκτήματα και τους περιορισμούς των δορυφορικών δεδομένων που χρησιμοποιούνται τόσο στην χαρτογράφηση όσο και στην παρακολούθηση της εδαφικής διάβρωσης σε διαφορετικές κλίμακες. Η τηλεπισκόπηση σε συνδυασμό με τα Γεωγραφικά Πληροφοριακά Συστήματα παρέχουν πολύτιμες πληροφορίες για την εκτίμηση, τον έλεγχο και την πρόβλεψη της υποβάθμισης του εδάφους σε μεγάλη χωρική κλίμακα, χωρίς να απαιτούνται εξειδικευμένα δεδομένα, χρόνος και κόστος, ιδιαίτερα σε περιβάλλοντα όπου η έρευνα πεδίου είναι δύσκολη (Eικόνα 1)
Εικόνα 1: Κατανομή της εδαφικής υποβάθμισης λόγω δραστηριοτήτων του ανθρώπου σε παγκόσμιο επίπεδο.
.

Έχουν διεξαχθεί αρκετές μελέτες κάλυψης γης και χρήσεων γης που επικεντρώνονται στη βλάστηση και άλλες οικολογικές παραμέτρους, χωρίς να εμβαθύνουν σε περιβαλλοντικά ζητήματα που απαιτούν περισσότερες λεπτομέρειες, όπως είναι η διάβρωση εδάφους. Ο αριθμός των μελετών μειώνεται όταν γίνεται εκτίμηση της απώλειας του εδάφους και της υποβάθμισής του. Με τις δορυφορικές απεικονίσεις είναι δυνατή η παρατήρηση των χαρακτηριστικών της επιφάνειας του εδάφους μόνο όταν δεν υπάρχει κάλυψη βλάστησης. Τα περισσότερα δεδομένα για τη διάβρωση του εδάφους προέρχονται από τον αισθητήρα του δορυφόρου Landsat TM σε συνδυασμό με μεθόδους ταξινόμησης. Ο αισθητήρας Landsat TM διαθέτει εφτά κανάλια υψηλής φασματικής ανάλυσης και είναι κατάλληλος για τη χαρτογράφηση διαβρωμένων τοπίων.

Ο Randall (1993) οριοθέτησε διαβρωμένες περιοχές στην λεκάνη απορροής του ποταμού Olifant στη Νότια Αφρική χρησιμοποιώντας Landsat TM εικόνες και βρήκε ότι οι βαθιές σχισμές στο έδαφος μπορούν να χαρτογραφηθούν με μεγάλη ακρίβεια. Οι Dhatal et al (2002) βρήκαν ότι τα ορατά κανάλια (κόκκινο, πράσινο και μπλε) του Landsat TM είναι κατάλληλα για την ανίχνευση των διαβρωμένων περιοχών μετά από ένα ακραίο επεισόδιο βροχόπτωσης. Ο Jensen (2005) επιπλέον επεσήμανε ότι τα εφτά φασματικά κανάλια του αισθητήρα Landsat TM διαθέτουν υψηλή φασματική ανάλυση κάνοντάς τον κατάλληλο για τη χαρτογράφηση των διαβρωμένων εδαφών. Με στόχο να δημιουργηθεί ένας χάρτης σημαντικά διαβρωμένων περιοχών, ο Beguería (2006) διέκρινε την εδαφική διάβρωση στο γυμνό έδαφος από τις ανθεκτικές προεξοχές των βράχων, χρησιμοποιώντας την επιβλεπόμενη ταξινόμηση σε τρεις απεικονίσεις του Θεματικού Χαρτογράφου (TM) Landsat διαφορετικών μηνών και με διαφορετικά σύνολα δεδομένων. Ελέγχθηκε η δυνατότητα παροχής πληροφοριών που προσφέρει η ενσωμάτωση εικόνων διαφορετικών εποχών στη διάκριση διαβρωμένων εδαφών, σε σύγκριση με τις πληροφορίες που παρέχουν οι απλές απεικονίσεις.

Οι Hochschild et al. (2003) χρησιμοποίησαν εικόνα του Landsat 5 TM του έτους 1996 για την εκτίμηση της εδαφικής διάβρωσης στη λεκάνη απορροής του ποταμού Mbuluzi (Βασίλειο της Swaziland). Αυτό επιτεύχθηκε με την δημιουργία αρνητικής συσχέτισης ανάμεσα στα διαφορετικά επίπεδα διάβρωσης και στο ποσοστό κάλυψης βλάστησης. Επιπλέον, διέκρινε με τα δορυφορικά δεδομένα Landsat, τα επίπεδα διάβρωσης από ελαφριά αυλάκια στο έδαφος μέχρι βαθιές σχισμές.

Στην πόλη Nsikazi, στην επαρχία Mpumalanga της Νότιας Αφρικής, ο Wentzel (2002) χρησιμοποίησε τον δορυφόρο Indian Remote Sensing satellite (IRS) για τη χαρτογράφηση της εδαφικής διάβρωσης.

Ο Liggitt (1988) χρησιμοποίησε δεδομένα δορυφορικής τηλεπισκόπησης για την εκτίμηση της εδαφικής διάβρωσης στον ποταμό Mfolozi στην υποτροπική περιοχή KwaZulu-Natal στη Νότια Αφρική. Ερμήνευσε ορθοφωτογραφίες και αεροφωτογραφίες που είχαν ληφθεί διαφορετικές χρονικές στιγμές και σε διαφορετικές κλίμακες, για να εκτιμήσει την χωρική έκταση των διαβρωμένων περιοχών. Τα αποτελέσματα αυτής της εργασίας επιβεβαίωσαν την καθοριστική σημασία του γεωλογικού τύπου εδάφους στη διάβρωση, πέρα από την επίδραση παραγόντων που υπερισχύουν όπως είναι το κλίμα και η κάλυψη βλάστησης που έχουν οδηγήσει σε παρόμοιους τύπους εδάφους κατανεμημένους πάνω σε διαφορετικούς γεωλογικούς σχηματισμούς.

Αν και υψηλής χωρικής ανάλυσης απεικονίσεις, όπως των δορυφόρων SPOT 5, IKONOS, και Quikbird προσφέρουν υψηλής ποιότητας δεδομένα για πιθανή χρήσης στην εκτίμηση της εδαφικής διάβρωσης, η χρησιμότητά τους παραμένει περιορισμένη. Τα υψηλής ανάλυσης δεδομένα (IKONOS and QuickBird) έχουν υψηλό κόστος απόκτησης προκειμένου να χαρτογραφηθεί η διάβρωση μιας μεγάλης περιοχής. Οι δορυφόροι της σειράς SPOT παρέχουν υψηλής ανάλυσης εικόνες, καλύτερες από τον Landsat TM, όμως η χρήση τους είναι περιορισμένη στην εκτίμηση της εδαφικής διάβρωσης καθότι δεν μπορούν να ανιχνεύσουν λεπτομέρειες όπως τα μικρά αυλάκια στο έδαφος. Περισσότερες μελέτες απαιτούνται για να αποδειχθεί η αποτελεσματικότητα των εικόνων των δορυφόρων Sentinel και 2 Landsat 8 στην παρακολούθηση της διάβρωσης του εδάφους.

Η αξία της τηλεπισκόπισης σε συνδυασμό με τα Γεωγραφικά Πληροφοριακά Συστήματα για την χαρτογράφηση των διαβρωμένων εδαφών είναι ξεκάθαρη, αλλά δεν έχουν πραγματοποιηθεί αρκετές μελέτες μέχρι σήμερα. Επιπλέον δεν υπάρχει κάποια άλλη τεχνική που να συνδυάζει το κόστος και τα πλεονεκτήματα της δορυφορικής τηλεπισκόπισης (μεγάλη χωρική κάλυψη, αντικειμενικές και επαναλαμβανόμενες μετρήσεις). Στον πίνακα 1 αναφέρονται οι αισθητήρες που χρησιμοποιούνται για την παρακολούθηση της διάβρωσης εδαφών, τα χαρακτηριστικά τους καθώς και το κόστος απόκτησής τους.

Πίνακας 1. Χαρακτηριστικά δορυφορικών αισθητήρων που χρησιμοποιούνται στην παρακολούθηση της διάβρωσης του εδάφους και κόστος απόκτησης των απεικονίσεων.

Αισθητήρας Φασματικά κανάλια Χωρική ανάλυση (m) περιγραφή Πλάτος λωρίδας κάλυψης Χρόνος κάλυψης της γης (ημέρες) Κόστος απόκτησης εικόνων (US $/km2)
(Km)
Landsat Θεματικός Χαρτογράφος (TM) 7 30 Κανάλια (1–5 και 7) 185 26 Δωρεάν
120 Κανάλι 6
Landsat Enhanced Thematic Mapper plus (ETM+) 8 30 Κανάλι (1–7) 185 18 Δωρεάν
15 Κανάλι 8
Landsat Operation Land Imager (OLI) 9 30 Κανάλι (1–9) 185 16 Δωρεάν
120
Moderate Resolution Imaging Spectrometer (MODIS) 36 250 Κανάλι (1–2) 2330 1–2 Δωρεάν
500 Κανάλι (3–7)
1000 Κανάλι (8–36)
RapidEye 5 5 Όλα τα Κανάλια 77 1 (off nadir) / 5.5 (nadir) US $1.28
Système Pour l'Observation de la Terre 5 (SPOT 5), Υψηλής Ανάλυσης Στερεοσκοπικός (HRS), Υψηλής Ανάλυσης Γεωμετρικός (HRG) και Βλάστησης (VGT) 5 10 Κανάλι (1–3) 60 2.5 US $5.15
20 Κανάλι 4
Quickbird 5 2.40 Όλα τα πολυφασματικά 16.8 1–3.5 US $24
0.60 Πανχρωματικά
World View−2 8 2 Όλα τα πολυφασματικά 16.4 1.1 US $28.5
0.46 Πανχρωματικά
World View−3 8 1.24 Όλα τα πολυφασματικά 13.1 1 US $29
0.31 Πανχρωματικά
Indian Remote Sensing Δορυφόρος (IRS-P6) 4 Κανάλι (2–5) 23.9–740 5 US $20

Μέθοδοι ταξινόμησης: Δυνατότητες και περιορισμοί. Με την ταξινόμηση γίνεται ο προσδιορισμός ομάδων εικονοστοιχείων με κοινά χαρακτηριστικά σε μια δορυφορική εικόνα και η αναγνώριση και αναφορά τους σε πραγματικές τάξεις αντικειμένων της γήινης επιφάνειας με τη χρήση των φασματικών υπογραφών τους. Οι αλγόριθμοι ταξινόμησης μπορούν να διακριθούν σε παραμετρικούς ή μη παραμετρικούς. Και τα δύο είδη απαιτούν την είσοδο δεδομένων εκπαίδευσης, προκειμένου να εκπαιδευτεί ο αλγόριθμος και να αναγνωριστεί η ταυτότητα κάθε εικονοστοιχείου. Οι παραμετρικοί αλγόριθμοι χρησιμοποιούν παραμέτρους, όπως είναι το µέσο διάνυσµα (mean vector) και ο πίνακας συµµεταβλητότητας (variance-covariance matrices) για να καθοριστούν οι τάξεις και τα όρια μεταξύ τους, ενώ οι μη παραμετρικοί αλγόριθμοι δεν απαιτούν τη γνώση ή τον καθορισμό των χαρακτηριστικών των παραμέτρων. Υπάρχουν αρκετές μέθοδοι ταξινόμησης, όπως η επιβλεπόμενη, η μη επιβλεπόμενη ταξινόμηση και άλλες υβριδικές που χρησιμοποιούνται σε συνδυασμό με μαθηματικούς αλγόριθμους που περιλαμβάνουν τις τεχνικές: ISODATA, μέγιστης πιθανοφάνειας, της απόστασης Mahalanobis. Εκτός από τις τεχνικές ταξινόμησης, υπάρχει άμεση σχέση ανάμεσα στο έδαφος και την ανακλαστικότητα της ηλεκτρομαγνητικής ακτινοβολίας που επιτρέπει την ανίχνευση του υποβαθμισμένου εδάφους και τη χαρτογράφηση της χωρικής του κατανομής. Η φασματική υπογραφή των διαφορετικών επιπέδων διάβρωσης του γυμνού εδάφους επηρεάζεται και καθορίζεται από την σύστασή του, την περιεκτικότητα σε μεταλλικά στοιχεία, την υγρασία και το οργανικό κλάσμα. Επιπλέον, η γνώση της φασματικής υπογραφής άλλων αντικειμένων όπως της βλάστησης, των χτισμένων περιοχών, της καλλιεργήσιμης γης, των υδάτινων σωμάτων συμβάλει στη φασματική διάκριση του εδάφους. Για την παρακολούθηση της διάβρωσης του εδάφους με τηλεπισκόπιση έχουν χρησιμοποιηθεί και οι δείκτες βλάστησης και κυρίως ο δείκτης βλάστησης κανονικοποιημένης διαφοράς (Normalized Difference Vegetation Index, NDVI) και τροποποιήσεις του όπως SAVI (Soil Adjusted Vegetation Index) και SARVI (Soil and Atmospherically Resistant Vegetation Index).

Συμπέρασμα Αν και πολλοί ερευνητές έχουν μελετήσει τις διάφορες πτυχές της εδαφικής διάβρωσης, η χρονική και χωρική υποβάθμιση του εδάφους έχει λάβει μειωμένη προσοχή. Η παρούσα εργασία προσφέρει μια ανασκόπηση της προόδου των εφαρμογών της τηλεπισκόπισης στην παρακολούθηση της διάβρωσης του εδάφους στο χρόνο και το χώρο. Παρά την προσπάθεια να ποσοτικοποιηθεί η έκταση της διάβρωσης, οι περισσότερες προσπάθειες επικεντρώθηκαν σε μικρής κλίμακας εφαρμογές, όπως σε υπολεκάνες απορροής ποταμών και σε επίπεδα δήμου. Όμως, περισσότερη προσπάθεια απαιτείται για να εκτιμηθεί η χωρική ποικιλομορφία και η έκταση της εδαφικής διάβρωσης σε περιοχές μεγάλης χωρικής κάλυψης. Επιπλέον, η διάκριση της διάβρωσης η οποία οφείλεται σε διαφορετικές πρακτικές διαχείρισης της γης, απαιτείται για τον αποτελεσματικό έλεγχο των διαβρωμένων εδαφών και για τη λήψη των κατάλληλων μέτρων αποκατάστασης. Οι νέοι αισθητήρες όπως οι Sentinel 2 και Landsat 8, με βελτιωμένη χωρική, ραδιομετρική και χρονική ανάλυση παρέχουν τα απαραίτητα χωρικά εργαλεία για την παρακολούθηση αυτών των περιοχών σε χαμηλό κόστος, ιδιαίτερα στις αναπτυσσόμενες χώρες.

Προσωπικά εργαλεία