Τιτλος αρθτου

Από RemoteSensing Wiki

(Διαφορές μεταξύ αναθεωρήσεων)
Μετάβαση σε: πλοήγηση, αναζήτηση
 
(9 ενδιάμεσες αναθεωρήσεις δεν εμφανίζονται.)
Γραμμή 1: Γραμμή 1:
-
[Εικόνα:rs wiki id artc2 img2.png | thumb | right |''' Εικόνα 1. Περιοχή Μελέτης, πηγή:'''[https://ars.els-cdn.com/content/image/1-s2.0-S1110982319304211-gr1_lrg.jpg]]
+
[[Εικόνα:rs wiki id artc2 img2.png | thumb | right |'''Εικόνα 1.Περιοχή Μελέτης, πηγή:'''[https://ars.els-cdn.com/content/image/1-s2.0S1110982319304211-gr1_lrg.jpg]]]
 +
[[Εικόνα:rs wiki id art2 img1.png | thumb | right |'''Εικόνα 2. Κατηγορίες ταξινόμησης. Αριστερά:Rosebank, Δεξιά: Soweto, πηγή:'''[https://ars.els-cdn.com/content/image/1-s2.0-S1110982319304211-gr4_lrg.jpg]]]
 +
[[Εικόνα:rs wiki id art2 img3.png | thumb | right |'''Εικόνα 3. Οι 4 κατηγορίες ποιότητας πρασίνου. Αριστερά:Rosebank, Δεξιά: Soweto Αριστερά:Rosebank, Δεξιά: Soweto, πηγή:'''[https://ars.els-cdn.com/content/image/1-s2.0-S1110982319304211-gr5_lrg.jpg]]]
-
[[ Εικόνα:rs wiki id art2 img1.png | thumb | right | '''Εικόνα 2. Κατηγορίες ταξινόμησης. Αριστερά:Rosebank, Δεξιά: Soweto, πηγή:'''[https://ars.els-cdn.com/content/image/1-s2.0-S1110982319304211-gr4_lrg.jpg]]
 
-
 
-
[[ Εικόνα:rs wiki id art2 img3.png | thumb | right | '''Εικόνα 3. Οι 4 κατηγορίες ποιότητας πρασίνου. Αριστερά:Rosebank, Δεξιά: Soweto Αριστερά:Rosebank, Δεξιά: Soweto, πηγή:'''[https://ars.els-cdn.com/content/image/1-s2.0-S1110982319304211-gr5_lrg.jpg]]
 
Γραμμή 52: Γραμμή 51:
Η περιοχή του Rosebank παρά τη μικρότερη τιμή βιομάζας, λόγω κυρίως μικρότερης έκτασης εμφάνισε πολύ μεγαλύτερο δείκτη πρασίνου(0.83%) σε σχέση με το Soweto(0.14). Ο δείκτης πρασίνου υπολογίστηκε με βάση τον παρακάτω λόγο:
Η περιοχή του Rosebank παρά τη μικρότερη τιμή βιομάζας, λόγω κυρίως μικρότερης έκτασης εμφάνισε πολύ μεγαλύτερο δείκτη πρασίνου(0.83%) σε σχέση με το Soweto(0.14). Ο δείκτης πρασίνου υπολογίστηκε με βάση τον παρακάτω λόγο:
 +
 +
''Δείκτης πρασίνου(greenness index )=Περιοχή που καλύπτεται από πράσινο/Συνολική έκταση περιοχής μελέτης''
''Δείκτης πρασίνου(greenness index )=Περιοχή που καλύπτεται από πράσινο/Συνολική έκταση περιοχής μελέτης''
 +
Από την έρευνα προέκυψε πως η χρήση της τηλεπισκόπησης μπορεί δυνητικά να αποτελέσει την πιο εφικτή  μέθοδο εκτίμησης βιομάζας σε σχέση με τις παραδοσιακές μεθόδους επιτόπιας συλλογής δεδομένων.  
Από την έρευνα προέκυψε πως η χρήση της τηλεπισκόπησης μπορεί δυνητικά να αποτελέσει την πιο εφικτή  μέθοδο εκτίμησης βιομάζας σε σχέση με τις παραδοσιακές μεθόδους επιτόπιας συλλογής δεδομένων.  
Γραμμή 60: Γραμμή 62:
-
  [[category:Καταγραφή πρασίνου]]
+
  [[category:Αμμοδοχείο]]

Παρούσα αναθεώρηση της 11:25, 22 Φεβρουαρίου 2021

Εικόνα 1.Περιοχή Μελέτης, πηγή:[1]
Εικόνα 2. Κατηγορίες ταξινόμησης. Αριστερά:Rosebank, Δεξιά: Soweto, πηγή:[2]
Εικόνα 3. Οι 4 κατηγορίες ποιότητας πρασίνου. Αριστερά:Rosebank, Δεξιά: Soweto Αριστερά:Rosebank, Δεξιά: Soweto, πηγή:[3]


Πρωτότυπος τίτλος: Estimating urban greenness index using remote sensing data: A case study of an affluent vs poor suburbs in the city of Johannesburg

Συγγραφείς: Khaled Abutaleb , Marko Freddy Mudede , Nsalambi Nkongolo, Solomon W. Newete

Πηγή: [4]

Λέξεις κλειδιά: αστικό πράσινο, υπέργεια βιομάζα, ταξινόμηση, SPOT 6

Περίληψη

Η ύπαρξη αστικών χώρων πρασίνου θεωρείται πλέον απαραίτητο συστατικό κάθε πολεοδομικού σχεδίου. Η ολοένα και αυξανόμενη πρόοδος στις τεχνολογίες τηλεπισκόπησης δίνει τη δυνατότητα αξιολόγησης του αστικού πρασίνου για μελλοντική βελτιωμένη διαχείριση. Στο παρόν γίνεται σύγκριση με τη βοήθεια δορυφορικών εικόνων SPOT 6 δύο προαστίων του Γιοχάνεσμπουργκ προκειμένου να ανιχνευθεί η περιβαλλοντική ποιότητα των δύο περιοχών σε σχέση με το αστικό πράσινο. Συγκρίνεται ο αλγόριθμος που προκύπτει από την ολική υπέργεια βιομάζα και τον δείκτη NDVI.Τα αποτελέσματα aανέδειξαν μια οικολογική ανισοτιμία μεταξύ των δύο περιοχών. Τα ευρήματα αυτά κρίνονται χρήσιμα για ένα πιο ορθό περιβαλλοντικό σχεδιασμό της πόλης του Γιοχάνεσμπουργκ.


Εισαγωγή

Σύμφωνα με τον Παγκόσμιο οργανισμό υγείας(2013), το 50% του παγκόσμιου πληθυσμού κατοικεί σε πόλεις γεγονός που οδηγεί την ύπαρξη πράσινων πνευμόνων στις πόλεις αναγκαία. Η αποτελεσματική εκτίμηση της βιομάζας του αστικού πρασίνου αποτελεί πολύ σημαντικό δείκτη για την περιβαλλοντική υγεία μιας πόλης. Η ανάπτυξη και διαθεσιμότητα υψηλής ανάλυσης δορυφορικών εικόνων έχει οδηγήσει στην εφαρμογή τεχνικών τηλεπισκόπησης για την αποτύπωση της αστικής υπέργειας βιομάζας. Συγκεκριμένα για την πόλη του Γιοχάνεσμπουργκ, η ύπαρξη πρασίνου εντοπίζεται σε πιο εύπορα τμήματα της πόλης ενώ η απουσία του είναι δείκτης για πιο φτωχές γειτονιές. Η μελέτη επικεντρώνεται στα πλούσια προάστια Sandton και Rosebank και στα φτωχότερα Soweto και Alexandra. Η καινοτομία αυτής της έρευνας έγκειται στην χρήση για πρώτη φορά δορυφορικών δεδομένων για την εκτίμηση της υπέργειας βιομάζας.


Περιοχή Μελέτης

Το προάστιο Soweto βρίσκεται νοτιοανατολικά του Γιοχάνεσμπουργκ και καλύπτει μία έκταση 224.80 τ.χιλιομέτρων με κυρίαρχο έγχρωμο πληθυσμό. Αντίθετα το προάστιο Rosebank βρίσκεται στο βόρειο τμήμα της πόλης σε έκταση 30.4 τ.χιλιομέτρων με πληθυσμιακή ισορροπία μεταξύ λευκών και έγχρωμων(εικόνα 1).


Μεθοδολογία

Οι δορυφορικές εικόνες SPOT 6 που χρησιμοποιήθηκαν ταξινομήθηκαν με τη χρήση του αλγορίθμου τυχαίου δάσους. Το τυχαίο δάσος είναι μια μέθοδος που λειτουργεί με την κατασκευή πολλαπλών δέντρων αποφάσεων κατά τη διάρκεια της φάσης εκπαίδευσης. Οι αποφάσεις της πλειοψηφίας των δένδρων είναι η τελική απόφαση του τυχαίου δάσους. Οι δύο περιοχές μελέτης ταξινομήθηκαν σε εννέα κατηγορίες οι οποίες είναι: P. x acerifolia(είδος δέντρου), J mimosifolia(είδος δέντρου), διαφορετική βλάστηση, χορτάρι, άσπρη κατασκευή , καφέ κατασκευή, γυμνό έδαφος, νερό και πισίνα(εικόνα 1).Χρησιμοποιήθηκαν τα λογισμικά Arc Map 10.5 και ENVI 5.3 για την επεξεργασία των εικόνων και το R3.4.1 για την ταξινόμηση με τυχαία δάση. Στη συνέχεια υπολογίστηκε ο δείκτης NDVI που μπορεί να αναδείξει την ποιότητα της βλάστησης. Κυμαίνεται μεταξύ των τιμών -1 και 1, με τις υψηλές τιμές να αντιστοιχούν σε πυκνή βλάστηση. Ο υπολογισμός του δείκτη γίνεται με τον λόγο της κανονικοποιημένης διαφοράς των καναλιών εγγύς υπέρυθρο και κόκκινο όπως φαίνεται παρακάτω:

NDVIi =NIRi - Redi/ NIRi+ Redi

Όπου το i αντιστοιχεί στη θέση του pixel.

Αναφορικά με την εξαγωγή της υπέργειας βιομάζας από τις δορυφορικές εικόνες SPOT 6 η διαδικασία που ακολουθήθηκε ήταν η εξής. Αρχικά εκτιμήθηκε η υπέργεια βιομάζα μέσω αλλομετρικών εξισώσεων. Στη συνέχεια υπολογίστηκε ο δείκτης NDVI από τη δορυφορική εικόνα για το Rosebunk. Στη συνέχεια δημιουργήθηκε ένα διάγραμμα διασποράς με τις τιμές της βιομάζας και του NDVI. Τέλος αναπτύχθηκε ένα μοντέλο εικόνας που εκτιμά την υπέργεια βιομάζα με βάση τις καλύτερες παραμέτρους.


Αποτελέσματα

Η ταξινόμηση με τυχαία δάση εμφανίζει ολική ακρίβεια 96.59% και υποδεικνύει πως το μοντέλο ταξινόμησης μπορεί να θεωρηθεί ακριβές(εικόνα 2).Αναφορικά με τον δείκτη NDVI,οι εικόνες επανα-ταξινομήθηκαν σε 4 τάξεις από χαμηλή έως και πολύ υψηλή ποιότητα πρασίνου.(εικόνα 3).Οι διαφορές μεταξύ των δύο περιοχών όπως φαίνεται δεν είναι μεγάλες. Σχετικά με την εκτίμηση της υπέργειας βιομάζας αναδείχθηκε πως στο Soweto οι τιμές ήταν μεγαλύτερες από το Rosebank, γεγονός που οφείλεται μάλλον στη μεγαλύτερη έκταση της περιοχής καθώς ο δείκτης πρασίνου στο τελευταίο είναι πολύ μεγαλύτερος σε σχέση με το Soweto.


Συμπεράσματα

Η περιοχή του Rosebank παρά τη μικρότερη τιμή βιομάζας, λόγω κυρίως μικρότερης έκτασης εμφάνισε πολύ μεγαλύτερο δείκτη πρασίνου(0.83%) σε σχέση με το Soweto(0.14). Ο δείκτης πρασίνου υπολογίστηκε με βάση τον παρακάτω λόγο:


Δείκτης πρασίνου(greenness index )=Περιοχή που καλύπτεται από πράσινο/Συνολική έκταση περιοχής μελέτης


Από την έρευνα προέκυψε πως η χρήση της τηλεπισκόπησης μπορεί δυνητικά να αποτελέσει την πιο εφικτή μέθοδο εκτίμησης βιομάζας σε σχέση με τις παραδοσιακές μεθόδους επιτόπιας συλλογής δεδομένων.

Προσωπικά εργαλεία