Υπερφασματική τηλεπισκόπηση των παραμέτρων της υδατικής ποιότητας των μεγάλων ποταμών στη λεκάνη του ποταμού Ohio, ΗΠΑ

Από RemoteSensing Wiki

(Διαφορές μεταξύ αναθεωρήσεων)
Μετάβαση σε: πλοήγηση, αναζήτηση
 
(Μία ενδιάμεση αναθεώρηση δεν εμφανίζονται.)
Γραμμή 19: Γραμμή 19:
[[Εικόνα:ohio1.jpg|thumb|right|Συσχέτιση μεταξύ των παραμέτρων ποιότητας του νερού και των φασματικών δεικτών. Οι τιμές της συγκέντρωσης του φωσφόρου είναι πολλαπλασιασμένες με 100 για να προσαρμοστούν στην κλίμακα]]
[[Εικόνα:ohio1.jpg|thumb|right|Συσχέτιση μεταξύ των παραμέτρων ποιότητας του νερού και των φασματικών δεικτών. Οι τιμές της συγκέντρωσης του φωσφόρου είναι πολλαπλασιασμένες με 100 για να προσαρμοστούν στην κλίμακα]]
 +
Υλικά και μέθοδοι
Υλικά και μέθοδοι
Γραμμή 31: Γραμμή 32:
[[Εικόνα:ohio2.jpg|thumb|right|Χάρτης των παραμέτρων ποιότητας του νερού του ποταμού Ohio στη συμβολή του με τον ποταμό Licking κοντά στο Cincinnati, OH. Υψηλότερα επίπεδα χλωροφύλλης-α και θολερότητας απαντώνται στη συμβολή. Οι τιμές R2 των διαγραμμάτων διασποράς είναι πάνω από 0,9 υποδεικνύοντας υψηλή ακρίβεια.]]
[[Εικόνα:ohio2.jpg|thumb|right|Χάρτης των παραμέτρων ποιότητας του νερού του ποταμού Ohio στη συμβολή του με τον ποταμό Licking κοντά στο Cincinnati, OH. Υψηλότερα επίπεδα χλωροφύλλης-α και θολερότητας απαντώνται στη συμβολή. Οι τιμές R2 των διαγραμμάτων διασποράς είναι πάνω από 0,9 υποδεικνύοντας υψηλή ακρίβεια.]]
 +
Μοντέλα
Μοντέλα
Γραμμή 38: Γραμμή 40:
Ολικός φώσφορος = 0.1081 * log (554/675 nm) - 0.0371 (2)
Ολικός φώσφορος = 0.1081 * log (554/675 nm) - 0.0371 (2)
Θολερότητα = 186.59 * (710 – 740 nm) + 8.5516 (3)
Θολερότητα = 186.59 * (710 – 740 nm) + 8.5516 (3)
 +

Παρούσα αναθεώρηση της 12:29, 21 Απριλίου 2010

Hyperspectral Remote Sensing of Water Quality Parameters for Large Rivers in the Ohio River Basin, Naseer A. Shafique, Florence Fulk, Bradley C. Autrey, Joseph Flotemersch, http://www.tucson.ars.ag.gov/ICRW/Proceedings/Shafique.pdf


Αντικείμενο της εφαρμογής

Ο ευτροφισμός είναι ένα φαινόμενο που μειώνει την ποιότητα του νερού λόγω της υπέρμετρης αύξησης του φυτοπλαγκτού και του αιωρούμενου οργανικού φορτίου. Όταν αυτά αποσυντίθενται παρατηρούνται δυσάρεστες οσμές και αυξημένο μικροβιακό φορτίο, επικίνδυνο για την υγεία των καταναλωτών. Έτσι, οι διαχειριστές των υδάτινων πόρων πρέπει να βρίσκονται σε θέση να ανιχνεύουν με τον πιο αποτελεσματικό τρόπο την κατάσταση του νερού, κάτι που μπορεί να αποδειχθεί ιδιαίτερα δύσκολο για μεγάλα ποτάμια όπου οι μετρήσεις στο πεδίο είναι χρονοβόρες, οικονομικά ασύμφορες και λογιστικά περιορισμένες. Αυξήσεις σε παραμέτρους που αποτυπώνουν την ποιότητα του νερού, όπως η χλωροφύλλη-α, η θολερότητα, το σύνολο των αιρούμενων στερεών (TSS) και των θρεπτικών είναι σύμπτωμα ευτροφικών συνθηκών.


Πώς γινόταν παλαιότερα

Η δυνατότητα ανίχνευσης του ευτροφισμού σε διαφορετικά σημεία του ποταμού χωρίς οι επιστήμονες να βασίζονται στις μετρήσεις πεδίου, έχει απασχολήσει την επιστημονική κοινότητα για περισσότερες από δύο δεκαετίες. Πολλά μαθηματικά μοντέλα έχουν σχεδιαστεί και εφαρμοστεί σε ποτάμια, λίμνες και λιμνοθάλασσες (Lung 1986, Thomann and Mueller 1987, Kuo and Wu 1991, Kuo et al. 1994), τα οποία προσομοιάζουν συνθήκες ευτροφισμού με βάση την αρχική κατάσταση του υδάτινου σώματος. Για το λόγο αυτό απαιτούν συνολικά προγράμματα προσομοίωσης της ποιότητας του νερού, χωρίς, όμως, να αναπαριστούν με επιτυχία την κατάσταση ολόκληρου του υδάτινου σώματος.


Σκοπός της έρευνας

Η τηλεπισκόπηση είναι η μέθοδος που μπορεί να υπερβεί τα προβλήματα που προκύπτουν από την in situ έρευνα ή τα μαθηματικά μοντέλα, παρέχοντας έναν εναλλακτικό τρόπο ελέγχου την ποιότητας του νερού σε μεγαλύτερο εύρος χώρου και χρόνου (Shafique et al. 2001). Η παρούσα μελέτη επικεντρώνεται στην πρόβλεψη της συγκέντρωσης της χλωροφύλλης-α, της θολερότητας και της συγκέντρωσης του ολικού φωσφόρου χρησιμοποιώντας φασματικούς δείκτες που προήλθαν από φασματικά δεδομένα τα οποία συλλέχθηκαν από φασματο-ραδιόμετρα, ως ανεξάρτητες μεταβλητές. Επίσης, είναι η μοναδική που ανέπτυξε έναν τύπο παλινδρόμησης για συστήματα ρεόντων υδάτων, χρησιμοποιώντας, ειδικά, μεγάλα ποτάμια ως μοντέλα. Οι φασματικοί δείκτες είναι μετασχηματισμοί των τιμών της ανάκλασης σε συγκεκριμένα μήκη κύματος που ανταποκρίνονται κατ’ ελάχιστο σε μια συγκέντρωση της παραμέτρου που μας ενδιαφέρει, ελεγμένης στο πεδίο και μειώνουν την επίδραση άλλων οπτικά ενεργών συστατικών. Η μέθοδος που χρησιμοποιήθηκε έκανε συσχετισμούς με τη χρήση ταυτόχρονα συλλεχθέντων δεδομένων τηλεπισκόπησης, δεδομένων φασματόμετρου από το πεδίο και συλλεχθέντων δεδομένων από το πεδίο για την ποιότητα του νερού, με σκοπό να δείξει τη δυνατότητα των τεχνικών της τηλεπισκόπησης στην παρακολούθηση της ποιότητας του νερού σε μεγάλα ποτάμια. Η μελέτη αυτή πραγματεύεται, επίσης, την εφαρμογή των οπτικών ιδιοτήτων του νερού σε πολλαπλά ποτάμια συστήματα.


Συσχέτιση μεταξύ των παραμέτρων ποιότητας του νερού και των φασματικών δεικτών. Οι τιμές της συγκέντρωσης του φωσφόρου είναι πολλαπλασιασμένες με 100 για να προσαρμοστούν στην κλίμακα


Υλικά και μέθοδοι

Στην έρευνα χρησιμοποιήθηκαν δεδομένα από το συμπαγή αερομεταφερόμενο φασματογραφικό απεικονιστή (compact airborne spectrographic imager – CASI) για περίπου 60 ναυτικά μίλια του ποταμού Great Miami και 80 ναυτικά μίλια του ποταμού Ohio. Επιλέχθηκαν 19 κατάλληλα φασματικά κανάλια με διακριτική ικανότητα 5nm, με βάση την ανάλυση των προκαταρκτικών φασματομετρικών δεδομένων του πεδίου, και προγραμματίστηκαν στη μονάδα του CASI. Τα δεδομένα συλλέχθηκαν κατά τη διάρκεια τεσσάρων εξορμήσεων στο πεδίο, κάτω από ίδιες συνθήκες κατά τα έτη 1999 και 2001. Ενώ τα υπερφασματικά δεδομένα συλλέγονταν από τον αερομεταφερόμενο CASI, in situ δείγματα νερού συλλέγονταν και ένα φασματόμετρο πεδίου χρησιμοποιούταν για τη συλλογή φασματικών δεδομένων απευθείας από το ποτάμι. Τα δεδομένα από το πεδίο, το εργαστήριο και τον αέρα αναλύθηκαν με συστηματικό τρόπο. Αρχικά, αναπτύχθηκε η φασματική βιβλιοθήκη και χρησιμοποιήθηκε για να καθορίσει τη μεταβλητότητα ή/ και τη σταθερότητα της απορρόφησης και των συντελεστών σκέδασης των ποταμών Great Miami και Ohio. Μονο-φασματικά κανάλια, αναλογίες φασματικών καναλιών και συνδυασμοί πολλαπλών καναλιών χρησιμοποιήθηκαν στη συνέχεια για τη δημιουργία εξισώσεων γραμμικής παλινδρόμησης. Τα ημι-εμπειρικά μοντέλα αναπτύχθηκαν σε φύλλα του προγράμματος Excel και οι εικόνες αναλύθηκαν χρησιμοποιώντας το λογισμικό επεξεργασίας εικόνων ENVI (3.6). Αρχικά, για να αντιπροσωπεύουν μια ενιαία μονάδα στην εικόνα, σκιάστηκαν οι περιοχές του νερού. Η τεχνική της μη επιβλεπόμενης ταξινόμησης K Mean, χρησιμοποιήθηκε για να κατηγοριοποιήσει τις απεικονίσεις σε φασματικά όμοιες κατηγορίες. Η τεχνική αυτή ταξινόμησης χρησιμοποιήθηκε πάνω από μια άλλη μέθοδο, την επιβλεπόμενη ταξινόμηση, καθώς οι εξακριβώσεις με βάση αυτή την ταξινόμηση, γίνονται στη βάση της ανθρώπινης όρασης, η οποία περιορίζεται στα ορατά μήκη κύματος (Vincent 1997). Πεδία διασποράς δημιουργήθηκαν ανάμεσα στις φασματικά ταξινομημένες εικόνες και στα δεδομένα πεδίου, με βάση τις γραμμικές τους τάσεις. Απλές γραμμικές παλινδρομήσεις χρησιμοποιήθηκαν για τον προσδιορισμό της σχέσης μεταξύ των μονών και των συνδυασμών καναλιών και των παραμέτρων ποιότητας του νερού. Με βάση τα εικονοστοιχεία των τοποθεσιών από τις οποίες συλλέχθηκαν τα δεδομένα πεδίου, δημιουργήθηκαν εξισώσεις για συγκεκριμένες παραμέτρους ποιότητας του νερού. Έπειτα, ολόκληρη η εικόνα μετατράπηκε σε ένα χάρτη ποιότητας του νερού χρησιμοποιώντας εξισώσεις πρόβλεψης. Κάποια από τα δεδομένα πεδίου χρησιμοποιήθηκαν στην επαλήθευση αυτών των εξισώσεων. Χρησιμοποιώντας την ημι-εμπειρική προσέγγιση, δημιουργήθηκαν ξεχωριστές εξισώσεις για κάθε παράμετρο. Η αναλυτική προσέγγιση της φασματικής ανάλυσης εικόνων χρησιμοποίησε τη φασματική βιβλιοθήκη που δημιουργήθηκε από τις έρευνες του 1999 για τον ποταμό Great Miami και του 2001 για τον ποταμό Ohio (Shafique et al. 2001). Το μοντέλο ανακλαστικότητας/ μεταφοράς ακτινοβολίας που χρησιμοποιήθηκε στην αναλυτική προσέγγιση ποσοτικοποιεί και προσομοιώνει την ατομική συνεισφορά των συστατικών του νερού στην ανάκλαση που μετρήθηκε από τους τηλεπισκοπικούς αισθητήρες. Η ανάπτυξη του μοντέλου ανακλαστικότητας/ μεταφοράς ακτινοβολίας βασίζεται στο πόσο καλά η ειδική απορρόφηση και ο συντελεστής διασποράς καθορίζονται για τα διάφορα συστατικά. Μόλις δημιουργήθηκαν σταθεροί συντελεστές, το μοντέλο μπόρεσε να χρησιμοποιηθεί για τη μαθηματική μετατροπή των αερομεταφερόμενων εικόνων σε χάρτες ποιότητας του νερού με περιορισμένη χρήση δεδομένων πεδίου. Η χρήση δεδομένων πεδίου μπόρεσε να μετριαστεί καθώς μια φυσική κατανόηση των αλληλεπιδράσεων ανάμεσα στα διάφορα συστατικά του νερού και στην ανακλαστικότητά του, ενσωματώθηκε στις εξισώσεις μεταφοράς ακτινοβολίας. Η επιτυχία της αναλυτικής προσέγγισης βασίζεται στον επιτυχή οπτικό χαρακτηρισμό του υδάτινου σώματος και στις δυνητικά συνεισφέρουσες πηγές, όπως η απόρριψη βιομηχανικών αποβλήτων. Μόλις λάβει χώρα ο χαρακτηρισμός αυτός, τα διαθέσιμα εργαλεία για την αξιολόγηση της ποιότητας του νερού μπορούν να προσαρμοστούν σε μια συγκεκριμένη περιοχή μελέτης.


Χάρτης των παραμέτρων ποιότητας του νερού του ποταμού Ohio στη συμβολή του με τον ποταμό Licking κοντά στο Cincinnati, OH. Υψηλότερα επίπεδα χλωροφύλλης-α και θολερότητας απαντώνται στη συμβολή. Οι τιμές R2 των διαγραμμάτων διασποράς είναι πάνω από 0,9 υποδεικνύοντας υψηλή ακρίβεια.


Μοντέλα

Όλα τα κανάλια ελέγχθηκαν για σχέσεις με παραμέτρους ποιότητας του νερού ως ότου βρέθηκε ποια κανάλια και ποιες παράμετροι συσχετίζονταν με τη μεγαλύτερη βεβαιότητα. Τα διαγράμματα διασποράς έδειξαν ότι τα γραμμικά μοντέλα που χρησιμοποιούσαν το λόγο των μηκών κύματος 705/675nm και το λογαριθμικό λόγο 554/675nm μπορούν να περιγράψουν τη χλωροφύλλη-α και τον ολικό φώσφορο αντίστοιχα. Η λογαριθμική μετατροπή είναι χρήσιμη σε περιπτώσεις όπως αυτή, όπου είναι απαραίτητος ο τονισμός της διαφοροποίησης ανάμεσα στις τιμές με έναν τρόπο που να είναι αναλογικός του λόγου τους και όχι της απόλυτης διαφοράς τους. Οι τιμές που αντιπροσώπευαν τη διαφορά των 740nm από τα 710nm συσχετίζονταν καλύτερα με τη θολερότητα. Οι r-values και R2 του καθενός από αυτά ήταν πάνω 0,7 και 0,5 αντίστοιχα, υποδεικνύοντας την ικανότητα παροχής καλών γραμμικών μοντέλων γι’ αυτές τις παραμέτρους ποιότητας του νερού. Βασιζόμενοι στη γραμμική σχέση με τις παραμέτρους ποιότητας του νερού, οι φασματικοί δείκτες μετασχηματίστηκαν στα παρακάτω μαθηματικά μοντέλα για να υπολογίσουν τις συγκεντρώσεις των αντίστοιχων παραμέτρων ποιότητας. Χλωροφύλλη-α = 48.849 * (705/675 nm) - 34.876 (1) Ολικός φώσφορος = 0.1081 * log (554/675 nm) - 0.0371 (2) Θολερότητα = 186.59 * (710 – 740 nm) + 8.5516 (3)


Αποτελέσματα και αξιολόγηση της μεθόδου

Η μελέτη αυτή δείχνει ότι η υπερφασματική τεχνική της τηλεπισκόπησης μπορεί να αποτελέσει ένα χρήσιμο εργαλείο για τον έλεγχο της διασποράς της χλωροφύλλης-α σε μεγάλα ποτάμια, σε αντίθεση με την περιορισμένη αξιοπιστία των δεικτών της θολερότητας και του ολικού φωσφόρου. Στη μελέτη αυτή βρέθηκε ότι τα μήκη κύματος 675 και 705nm από τα CASI δεδομένα ήταν τα καταλληλότερα για την πρόβλεψη των συγκεντρώσεων της χλωροφύλλης-α. Η ανάλυση συσχέτισης ανάμεσα στα τηλεπισκοπικά δεδομένα και τη χλωροφύλλη-α υποδήλωσε την πιθανότητα της χαρτογραφικής αποτύπωσης των συγκεντρώσεων της χλωροφύλλης-α με ακρίβεια. Οι ισχυρές συσχετίσεις των αναλογιών ανάκλασης που σχετίζονταν με αυτά τα μήκη κύματος με τα δεδομένα από το φασματόμετρο πεδίου, χρησιμοποιήθηκαν στην ανάπτυξη εξισώσεων και σταθερών για τις προβλεφθήσες συγκεντρώσεις στις περιοχές μελέτης. Τα αποτελέσματα δείχνουν ότι είναι επίσης εφικτή η εκτίμηση των σχετικών επιπέδων της χλωροφύλλης-α σε μεγάλα ποτάμια, όταν δεν είναι διαθέσιμα δεδομένα από το πεδίο. Το γεγονός αυτό είναι πολύ σημαντικό, καθώς συνήθως ο συνολικός αριθμός των in situ δεδομένων περιορίζεται σε ένα μικρό τμήμα του ποταμού και αφορά μικρό χρονικό διάστημα. Επιπλέον, τα αποτελέσματα υποδεικνύουν ότι η χλωροφύλλη-α έχει μια μοναδική φασματική υπογραφή και είναι δυνατό να υπολογιστεί η συγκέντρωσή της σε κάθε υδάτινο σώμα της ενδοχώρας με τη χρήση του φασματικού δείκτη της. Οι μέθοδοι που αναπτύχθηκαν και αναλύθηκαν στη μελέτη αυτή χρησιμοποίησαν τον CASI, αλλά θεωρείται ότι οι ίδιες πληροφορίες μπορούν να ληφθούν με τη χρήση υπερφασματικών δεδομένων από δορυφόρους, όπως ο Hyperion. Αν και η διακριτική ικανότητα των δεδομένων που συλλέγονται με τον Hyperion είναι μόνο 30m σε σύγκριση με την αντίστοιχη του CASI, που είναι 2m, η χρήση του δορυφόρου μπορεί να είναι πιο αποτελεσματική και εξίσου αξιόπιστη, καθώς το φασματόμετρο του Hyperion περιλαμβάνει κανάλια με το ίδιο μήκος κύματος που χρησιμοποιήθηκε στην περίπτωση αυτή για την ανίχνευση της χλωροφύλλης-α. Παρ’ όλ’ αυτά είναι, ακόμη, απαραίτητη η σύγκριση των αποτελεσμάτων των δεδομένων που συλλέχθηκαν από το πεδίο, από τον CASI και από τον Hyperion, για την ανίχνευση της αξιοπιστίας τους. Οι μελλοντικές μελέτες θα παρέχουν πληροφορίες για το αν τα δεδομένα του δορυφόρου μπορούν να αναπληρώσουν των δεδομένα που έχουν συλλεχθεί από το πεδίο για τον προσδιορισμό των παραμέτρων που καθορίζουν την ποιότητα του νερού, όπως η συγκέντρωση της χλωροφύλλης-α, η θολερότητα ή τα θρεπτικά. Στο μέλλον μπορεί να αποδειχθεί ότι τα τηλεπισκοπικά δεδομένα από τον Hyperion είναι προτιμότερα για την ανίχνευση των ευτροφικών νερών σε μεγάλα ποτάμια.

Προσωπικά εργαλεία