Κολοβού Βασιλική
Από RemoteSensing Wiki
(/* «Ο αστικός περιβαλλοντικός δείκτης ‘Biotope Area Ratio’ – Μια ενισχυμένη προσέγγιση για αξιολόγηση και διαχείριση των αστικών οικοσυστημάτ) |
|||
(2 ενδιάμεσες αναθεωρήσεις δεν εμφανίζονται.) | |||
Γραμμή 1: | Γραμμή 1: | ||
- | + | [[category:ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Μέτσοβο)]] | |
- | + | ||
- | + | ||
== Χαρτογράφηση καμένων περιοχών στον Καναδά (1984-1999) με την χρήση του NOAA-AVHHR (Advanced Very High Resolution Radiometer) LTDR: Μία σύγκριση με τα άλλα προϊόντα τηλεπισκόπησης και των παραμέτρων πυρκαγιάς. == | == Χαρτογράφηση καμένων περιοχών στον Καναδά (1984-1999) με την χρήση του NOAA-AVHHR (Advanced Very High Resolution Radiometer) LTDR: Μία σύγκριση με τα άλλα προϊόντα τηλεπισκόπησης και των παραμέτρων πυρκαγιάς. == | ||
Γραμμή 129: | Γραμμή 127: | ||
- | '''2. ΑΝΑΛΥΣΗ ΤΟΥ ΔΕΙΚΤΗ BAR ΜΕΣΩ ΤΗΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ, ΜΕΘΟΔΟΛΟΓΙΑ'''[[Αρχείο:Δεδομένα.png | thumb | right | πηγή:«The urban environmental indicator “Biotope Area Ratio”—An enhanced approach to assess and manage the urban ecosystem services using high resolution remote-sensing»]] | + | '''2. ΑΝΑΛΥΣΗ ΤΟΥ ΔΕΙΚΤΗ BAR ΜΕΣΩ ΤΗΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ, ΜΕΘΟΔΟΛΟΓΙΑ'''[[Αρχείο:Δεδομένα.png | thumb | right | εικ. 1, πηγή:«The urban environmental indicator “Biotope Area Ratio”—An enhanced approach to assess and manage the urban ecosystem services using high resolution remote-sensing»]] |
- | Χρησιμοποιήθηκαν υψηλής ανάλυσης πολυφασματικά δεδομένα τηλεπισκόπησης και μέσα ανάλυσης για την εξαγωγή στοιχείων σε σχετικούς τύπους επιφανειών για την αξιολόγηση του BAR. Μελετήθηκαν και αναλύθηκαν αεροφωτογραφικά δεδομένα (HRSC-AX: υψηλής ανάλυσης camera) και δορυφορικά δεδομένα (IKONOS και QuickBird). | + | Χρησιμοποιήθηκαν υψηλής ανάλυσης πολυφασματικά δεδομένα τηλεπισκόπησης και μέσα ανάλυσης για την εξαγωγή στοιχείων σε σχετικούς τύπους επιφανειών για την αξιολόγηση του BAR. Μελετήθηκαν και αναλύθηκαν αεροφωτογραφικά δεδομένα (HRSC-AX: υψηλής ανάλυσης camera) και δορυφορικά δεδομένα (IKONOS και QuickBird)(εικ.1). |
- | '''2.1. ΠΕΡΙΠΤΩΣΗ ΒΕΡΟΛΙΝΟΥ''' | + | '''2.1. ΠΕΡΙΠΤΩΣΗ ΒΕΡΟΛΙΝΟΥ'''[[Αρχείο:Βερολινο.jpg | thumb | right | εικ. 2, πηγή:«The urban environmental indicator “Biotope Area Ratio”—An enhanced approach to assess and manage the urban ecosystem services using high resolution remote-sensing»]] |
- | Αρχικά, δημιουργήθηκε μία ταξινόμηση με στόχο το διαχωρισμό της βλάστησης, του γυμνού εδάφους, του νερού/ σκιάς, και των δομημένων επιφανειών. Έπειτα από την εφαρμογή του DSM επιτεύχθηκε ο διαχωρισμός της χαμηλής βλάστησης (γρασίδι) από την ψηλή (θάμνοι, δέντρα) και διαφοροποίηση της δομημένων επιφανειών σε ψηλούς και χαμηλούς. Επιπροσθέτως, χρησιμοποιήθηκαν πληροφορίες για τον καθορισμό των πράσινων στεγών. Φωτοερμηνεία χρησιμοποιήθηκε για τη βελτίωση των κατηγοριών που προέκυψαν. Τέλος για την αξιολόγηση της κατηγοριοποίησης πρωτογενή στοιχεία συλλέχθηκαν και χαρτογραφήθηκαν. | + | Αρχικά, δημιουργήθηκε μία ταξινόμηση με στόχο το διαχωρισμό της βλάστησης, του γυμνού εδάφους, του νερού/ σκιάς, και των δομημένων επιφανειών. Έπειτα από την εφαρμογή του DSM επιτεύχθηκε ο διαχωρισμός της χαμηλής βλάστησης (γρασίδι) από την ψηλή (θάμνοι, δέντρα) και διαφοροποίηση της δομημένων επιφανειών σε ψηλούς και χαμηλούς. Επιπροσθέτως, χρησιμοποιήθηκαν πληροφορίες για τον καθορισμό των πράσινων στεγών. Φωτοερμηνεία χρησιμοποιήθηκε για τη βελτίωση των κατηγοριών που προέκυψαν. Τέλος για την αξιολόγηση της κατηγοριοποίησης πρωτογενή στοιχεία συλλέχθηκαν και χαρτογραφήθηκαν(εικ. 2). |
- | '''2.2. ΠΕΡΙΠΤΩΣΗ ΣΕΟΥΛ''' | + | '''2.2. ΠΕΡΙΠΤΩΣΗ ΣΕΟΥΛ'''[[Αρχείο:Εικόνα3.jpg | thumb | right | εικ. 3, πηγή:«The urban environmental indicator “Biotope Area Ratio”—An enhanced approach to assess and manage the urban ecosystem services using high resolution remote-sensing»]] |
- | Η επεξεργασία των δεδομένων συμπεριλαμβάνει τη ψηφιακή ένωση των δεδομένων του IKONOS και του QuickBird, τη γεωμετρική τους διόρθωση και το μετασχηματισμό του προβολικού συστήματος. Τα δεδομένα έπειτα ταξινομήθηκαν σε τέσσερις ομάδες: βλάστηση, μη βλάστηση, σκιά βλάστησης και μη σκιά/νερό βλάστησης. Προβλήματα μειώθηκαν με το majority filtering. Επιπλέον αντικείμενα μικρότερα των 100τ.μ. συμπεριλήφθησαν στα γειτονικά τους αντικείμενα. | + | Η επεξεργασία των δεδομένων συμπεριλαμβάνει τη ψηφιακή ένωση των δεδομένων του IKONOS και του QuickBird, τη γεωμετρική τους διόρθωση και το μετασχηματισμό του προβολικού συστήματος. Τα δεδομένα έπειτα ταξινομήθηκαν σε τέσσερις ομάδες: βλάστηση, μη βλάστηση, σκιά βλάστησης και μη σκιά/νερό βλάστησης. Προβλήματα μειώθηκαν με το majority filtering. Επιπλέον αντικείμενα μικρότερα των 100τ.μ. συμπεριλήφθησαν στα γειτονικά τους αντικείμενα(εικ. 3). |
Παρούσα αναθεώρηση της 01:07, 1 Μαρτίου 2012
Χαρτογράφηση καμένων περιοχών στον Καναδά (1984-1999) με την χρήση του NOAA-AVHHR (Advanced Very High Resolution Radiometer) LTDR: Μία σύγκριση με τα άλλα προϊόντα τηλεπισκόπησης και των παραμέτρων πυρκαγιάς.
«Burned area mapping time series in Canada (1984–1999) from NOAA-AVHRR LTDR: A comparison with other remote sensing products and fire perimeters»Κείμενο με πλάγιους χαρακτήρες
Συγγραφείς: Jose A. Moreno Ruiz, David Riaño, Manuel Arbelo , Nancy H.F. French, Susan L. Ustin, Michael L. Whiting
ΠΕΡΊΛΗΨΗ Ένας νέος αλγόριθμος δημιουργήθηκε για την χαρτογράφηση καμένων περιοχών στα δάση της τάιγκας στον Καναδά χρησιμοποιώντας το AVHHR και δεδομένα από το 1984 έως το 1999. Τα αποτελέσματα συγκρίθηκαν με αντίστοιχους χάρτες καμένων περιοχών AVHHR 1km και AVHHR-PAL 8km.
Ο αλγόριθμος συνδύαζε:
1) Απόλυτα και σχετικά ραδιομετρικά όρια,
2) ένα δίκτυο μετατροπής πιθανοτήτων Bayesian
3) ανάλυση γειτνίασης για χωρική συσχέτιση με τις πυρκαγιές.
Αρχεία σχετικά με φωτιές στο Δυτικό Καναδά τα οποία παραχωρήθηκαν από την Καναδική δασική υπηρεσία βοήθησαν στο να «τρέξει» ο αλγόριθμος. Η χαρτογράφηση με το AVHHR LTDR ταυτίστηκε με τα αποτελέσματα των προηγουμένων που προέρχονταν από το αρχείο της Καναδικής Δασικής υπηρεσίας. Η δημιουργία του συγκεκριμένου τρόπου χαρτογράφησης αποτελεί μια εξέλιξη του παλιότερου τρόπου χαρτογράφησης που βασιζόταν στο AVHHR-PAL 8km. Για την χαρτογράφηση δασών τάιγκας, καμένων περιοχών παγκοσμίως, η συγκεκριμένη μελέτη παρουσιάζει την μέθοδο με την πλέον μεγάλη ακρίβεια, που αντιπροσωπεύει το LTDR. Μία μέθοδο που παρουσιάζει μία από τις υψηλότερες χρονικές και τοπικές αναλύσεις καθημερινών εικόνων από δορυφόρο από την δεκαετία του 80.
1.ΕΙΣΑΓΩΓΗ
Αρκτικά δάση επιλέχθηκαν γι αυτή τη μελέτη για το σημαντικό ρόλο που έχουν στον κύκλο του αζώτου. Εξαιτίας το ψυχρού κλίματος και της αργής ανάπτυξης της βλάστησης, αύξηση στον αριθμό των αρκτικών δασών μπορεί να επιφέρει σημαντική μεταβολή στην ισορροπία του άνθρακα.
Η παρούσα μελέτη υπολογίζει την καμένη περιοχή ετησίως μέσα στα καναδικά αρκτικά δάση από τα αρχεία του LTDR τη χρονική περίοδο 1984 έως 1999 με την προοπτική της ανάπτυξης ενός αλγορίθμου για την χαρτογράφηση των αρκτικών δασών παγκοσμίως χρησιμοποιώντας το LTDR. Ο αλγόριθμος εμπλουτίστηκε και με περιστατικά πυρκαγιών από τα αρχεία της Εθνικής Καναδικής Υπηρεσίας.
Τα αρκτικά δάση του Καναδά καίγονται τουλάχιστον κάθε 280 χρόνια. Ο ετήσιος αριθμός και η έκταση των τοπικών πυρκαγιών εξαρτάται από το υψόμετρο και την απόσταση από τον ωκεανό. Για τον ακριβή υπολογισμό των καμένων εκτάσεων προτείνεται η εμπειρική προσέγγιση παρακάτω:
1) μέσα σε κάθε ψηφιακή μονάδα, διαφορετικά όρια για συγκεκριμένα φασματικά κανάλια και δείκτες μεταξύ ενός χρόνου και εκείνων που προηγούνται ή ακολουθούν,
2) Bayesian δίκτυο εκπαιδευμένο με καμένες τοποθεσίες από την Εθνική Δασική Ελβετική Υπηρεσία για να καθορίσει τη δυνατότητα ταξινόμησης των περιστατικών φωτιάς,
3) κριτήρια γειτνίασης πριν στο στάδιο της επεξεργασίας για να αυξηθεί η ακρίβεια της ταξινόμησης των ψηφιακών σημείων και τέλος
4) αξιολόγηση της ακρίβειας των χαρτών των ετήσιων καμένων περιοχών.
3.ΣΥΜΠΕΡΑΣΜΑΤΑ
Ο αλγόριθμος εκπαιδεύτηκε χρησιμοποιώντας κυρίως περιοχές αρκτικών δασών από τη στιγμή που κυριαρχούν στην περιοχή μελέτης. Βασίζεται στον εντοπισμό των πυρκαγιών μέσα από τις διαφοροποιήσεις του δάσους από χρόνο σε χρόνο. Γενικά οι ουλές από τις πυρκαγιές παραμένουν πάνω από ένα χρόνο ορατές, χωρίς αυτό να είναι απόλυτο. Πριν την εφαρμογή του Αλγορίθμου σε άλλες περιοχές πρέπει να ληφθούν υπόψη οι τοπικές θερμοκρασίες και τα ποσοστά υγρασίας, παράγοντες και οι δύο σημαντικοί για την ανάπτυξη των δασών.
«Ταξινόμηση καλλιεργειών με την χρήση στοιχείων SAR στις πεδιάδες της Βόρειας Κίνας.»
«Crop classification using multi-configuration SAR data in the North China Plain»
Συγγραφείς:Kun Jiaab(a,b), Qiangzi Lia(a), Yichen Tiana(a), Bingfang Wua(a), Feifei Zhanga(a), Jihua Menga(a)
a: Institute of Remote Sensing Applications, Chinese Academy of Sciences, Beijing, 100101, PR China
b: Graduate University of Chinese Academy of Sciences, Beijing, 100049, PR China
1.ΕΙΣΑΓΩΓΗ
Η κατάταξη των καλλιεργειών με μέσα τηλεπισκόπισης αποτελεί σημαντικό κομμάτι της αγροτικής διαχείρισης μίας χώρας. Τα στοιχεία SAR (Synthetic aperture radar) είναι ελκυστικά για την διαδικασία της κατάταξης καλλιεργειών διότι προσφέρουν συνεχείς εικόνες στον χρήστη ασχέτως καιρού η ώρας.
Το αντικείμενο της συγκεκριμένης μελέτης είναι να ερευνήσει εφόσον και εάν επαρκούν τα SAR στοιχεία για να γίνει μια κατάταξη καλλιεργειών στις πεδιάδες της Βόρειας Κίνας. Για την συγκεκριμένη μελέτη χρησιμοποιήθηκαν “Multi-temporal Envisat advanced synthetic aperture radar (ASAR) στοιχεία και στοιχεία TerraSar τα οποία με ένα πρόγραμμα support vector machine (SVM) διαμορφώθηκαν σε κατάλληλο οπτικό υλικό (textures). Η ταξινόμηση με τη χρησιμοποίηση multi-configuration SAR δεδομένων έχει τη δυνατότητα να προσφέρει ακρίβεια και επιπλέον στον τομέα της γεωργίας υπάρχει η τάση για εφαρμογές δεδομένων SAR. Ωστόσο, σημαντικό ερώτημα παραμένει αν η εφαρμογή δεδομένων SAR είναι η καλύτερη δυνατή επιλογή για την ταξινόμηση των γεωργικών εκτάσεων.
Η περιοχή μελέτης εντοπίζεται στον Yuncheng στην επαρχία Shandong της Κίνας. Η περιοχή ανήκει στην εύκρατη κλιματική ζώνη και αποτελεί χαρακτηριστικό παράδειγμα γεωργικής περιοχής χωρίς σχεδιασμό. Η περιοχή μελέτης που επιλέχθηκε είναι 15km x 15km και συγκεντρώνει τα τυπικά χαρακτηριστικά της ευρύτερης περιοχής.
3.ΜΕΘΟΔΟΛΟΓΙΑ
Η ταξινόμηση πραγματοποιήθηκε με την SVM (vector machine) μηχανή ταξινόμησης, που χρησιμοποιείται ευρέως για ταξινομήσεις τηλεπισκόπησης. Οι τελικές ομάδες ταξινόμησης είναι οι παρακάτω: βαμβάκι, σιτάρι και μη καλλιεργήσιμες. Στις μη καλλιεργήσιμες εκτάσεις συμπεριλαμβάνονται: δρόμοι, νερό, δέντρα, γυμνό έδαφος και κατοικημένες περιοχές. Οι περιοχές εκπαίδευσης επιλέχθηκαν από τη συλλογή τυχαίων δειγμάτων ψηφιακών μονάδων του εδάφους και χρησιμοποιήθηκαν και σαν δείγματα επαλήθευσης.
4.ΑΠΟΤΕΛΕΣΜΑΤΑ
Τα αποτελέσματα της μελέτης δείχνουν ότι η χρήση των στοιχείων SAR κατάφερε να αποτυπώσει με μεγάλη ακρίβεια την αγροτική κατάταξη της περιοχής (σε μερικές περιπτώσεις και ακρίβεια της τάξης του 91,83%). Τα στοιχεία ASAR φαίνεται να ήταν πιο ακριβή από τα αντίστοιχα TerraSar που πάρθηκαν τις ίδιες χρονικές περιόδους, επίσης τα συνδυασμένα στοιχεία SAR δύο συχνοτήτων (C και X) ήταν πιο ακριβή από τα στοιχεία μίας πολυχρονικής (multitemporal) συχνότητας C. Δύο ASAR στοιχεία κατά τα νεαρά στάδια των φυτών και της άνθισης ήταν αρκετά για να έχουμε ακριβείς μετρήσεις και η προσθήκη στοιχείων από ακόμη νεαρότερα στάδια στην ανάπτυξη των φυτών δεν βελτίωσε την ακρίβεια των μετρήσεων.
5. ΣΥΜΠΕΡΑΣΜΑΤΑ
Τα συμπεράσματα αυτής της έρευνας δείχνουν ότι
1) τα multi-temporal και τα multi-frequency SAR δεδομένα μπορούν να πετύχουν ικανοποιητική ακρίβεια ταξινόμηση για περιοχές άτακτης καλλιέργειας,
2) ο συνδυασμός 2 συχνοτήτων SAR(Χ και C-band) είναι προτιμότερος από το multi-temporal C-Band ASAR δεδομένα για ταξινόμηση γεωργικών εκτάσεων σε αύτη τη μελέτη
3) 2 χρονικά δεδομένα SAR στα νεαρά στάδια των φυτών και στη περίοδο άνθισης ήταν παρείχαν ικανοποιητική ακρίβεια ταξινόμηση
4) Τα στοιχεία υφής των δεδομένων SAR την περίοδο άνθισης του σιταριού είναι χρήσιμα για τις γεωργικές ταξινομήσεις και βελτιώνουν την ακρίβειά τους.
Ολοκληρώνοντας, καταλήγουμε ότι τα στοιχεία SAR φαίνεται να αποτελούν αναπόσπαστο μελλοντικό εργαλείο αγροτικής διαχείρισης και σίγουρα αποτελούν μία συμπληρωματική πηγή πληροφοριών στα οπτικά στοιχεία που ήδη διαθέτουμε.
«Σύγκριση βάσεων δεδομένων των συστημάτων τηλεπισκόπισης LANDSAT TM και MODIS για την εκτίμηση της μεταβολής της φυτικής μάζας στην έρημο Σόνοραν, ΗΠΑ και πως αυτή η μεταβολή επηρεάζει το φυσικό περιβάλλον του «μεγαλοκέρατου προβάτου της ερήμου» (Ovis Canadensis nelsoni).
«A comparison of Landsat TM and MODIS vegetation indices for estimating forage phenology in desert bighorn sheep (Ovis canadensis nelsoni) habitat in the Sonoran Desert, USA»
Συγγραφείς:Steven Edward Sesnie, Brett Gary Dickson, Jill Marie Rundall: Laboratory of Landscape Ecology and Conservation Biology, School of Earth Sciences and Environmental Sustainability, Northern Arizona University, Flagstaff, AZ, 86011, USA Steven Sheldon Rosenstock: Research Branch, Arizona Game and Fish Department, Phoenix, AZ, 85086, USA
Η περιοχή μελέτης περιλαμβάνει το Εθνικό Καταφύγιο Άγριας Ζωής Kofa και το Yuma Proving Ground στη νοτιοδυτική Αριζόνα. Τα «μεγαλοκέρατα» πρόβατα της περιοχής Σονόρα (Ovis Canadensis Mexicana) κατοικούν σε ημιορεινές περιοχές, οι οποίες είναι άγονες λόγω των ακανόνιστων, ελάχιστων και μικρής διάρκειας περιόδων βροχών που παρατηρούνται στην περιοχή. Παρόλη την σπανιότητα τους, οι περίοδοι αυτές βροχών, αποτελούν σημαντικό λόγο εγκατάστασης ή μετακίνησης κάποιου ζωικού πληθυσμού από την συγκεκριμένη περιοχή. Η δημιουργία στατιστικών μοντέλων που θα ασχολούνται με την βιολογία της διατήρησης του συγκεκριμένου πληθυσμού στην συγκεκριμένη περιοχή θα μας βοηθούσε στην καλύτερη κατανόηση της οικολογίας του είδους και στην μη εξαφάνιση του από την περιοχή. Οι μετρήσεις πεδίου είναι ανακριβείς όταν προσπαθούμε να υπολογίσουμε φυτική μάζα σε μία μεγάλη έκταση. Για αυτό το λόγο χρησιμοποιούμε δορυφορικά προγράμματα τηλεπισκόπισης τα οποία όμως παρουσιάζουν κάποιες αποκλίσεις στις τιμές τους ανάλογα με την μορφολογία ή την σκίαση του εδάφους. Στην συγκεκριμένη μελέτη προσπαθήσαμε να ελαχιστοποιήσουμε τις αποκλίσεις αυτές στα συστήματα ΤΜ και MODIS αντίστοιχα. Συγκρίναμε τις βάσεις δεδομένων βλάστησης (VI) που μας παρέχονται μέσω της μορφολογίας του εδάφους των συστημάτων ΤΜ και MODIS αντίστοιχα, με τις τιμές NDVI (normalized difference vegetation index) και EVI (enhanced vegetation index) αντίστοιχα των δύο συστημάτων , σε σκιασμένες και μη περιοχές. Η θέση του ήλιου επηρέασε αρνητικά επηρέασε αρνητικά τιμές των NDVI και EVI που πήραμε από το σύστημα ΤΜ σε περιοχές με «απότομη» αλλαγή στο υψόμετρο. Αντίθετα οι τιμές του NVDI που πήραμε από το MODIS δεν επηρεάστηκαν από την θέση του ήλιου η την μορφολογία του εδάφους, αλλά οι τιμές του EVI από το ίδιο προγραμμα (MODIS) είχαν μικρή ακρίβεια σε περιοχές με «απότομη» αλλαγή στο υψόμετρο. Η αποκλίσεις από τον μέσο όρο του NDVI και του EVI του συστήματος Modis διαφέρουν σημαντικά κατά του μήνες που η γωνία της ακτινοβολίας του ήλιου είναι χαμηλή. Ο μέσος όρος απόκλισης του MODIS EVI ήταν 20% χαμηλότερος από το NVDI . Τα καλύτερα αποτελέσματα του MODIS NVDI πάρθηκαν σε διάστημα 16 ημερών. Οι συγκεκριμένες μέθοδοι εκτιμήσεων της «φαινολογίας» και της παραγωγικότητας φυτών σε μία περιοχή, μπορούν να χρησιμοποιηθούν ούτως ώστε να μας παρέχουν ένα μοντέλο που θα μας επιτρέπει να προβλέπουμε την μετακίνηση και τη χρήση του συγκεκριμένου οικοσυστήματος από τον πληθυσμό των «μεγαλοκέρατων» της ερήμου σε μία μεγάλη έκταση.
1.ΕΙΣΑΓΩΓΗ
Οι επιπτώσεις του εδάφους είναι ιδιαίτερης σημασίας στο περιβάλλον της ερήμου. Πολλά VI περιέχουν διορθώσεις όμοιες με εκείνες του EVI, αλλά μπορεί να παρουσιάσουν μεγαλύτερη ευαισθησία στις διαφοροποιήσεις της γωνίας του ήλιου, η οποία αλλάζει μέσα στο χρόνο και κατά τη διάρκεια λήψης της φωτογραφίας.Ο TM και ο MODIS προσφέρουν και σε αυτή την περίπτωση διαφορετικές χωρικές και χρονικές λύσεις. Ο πρώτος παράγει 30m pixel ανάλυση κάθε 16 μέρες. Ο MODIS έχει μικρότερη χωρική ανάλυση, παρέχει όμως μεγαλύτερο οπτικό πεδίο, μεγαλύτερη συχνότητα και καλύπτει την ίδια περιοχή τουλάχιστον μια φορά τη μέρα.
2.ΜΕΘΟΔΟΛΟΓΙΑ
Μια ετήσια χρονική σειρά των τιμών του VI μεταξύ Ιανουαρίου και Δεκεμβρίου του 2008 χρησιμοποιήθηκε για να υπολογιστούν οι φαινολογικοί κύκλοι και περίοδοι της αυξημένης φυτικής παραγωγικότητας.
Ένα σύνολο 13 χωρίς νεφοκάλυψη TM εικόνων και 23 MODIS χρησιμοποιήθηκαν για τη χαρτογράφηση βλάστησης μεταξύ Ιανουαρίου και Δεκεμβρίου 2008.
Μηνιαία στοιχεία για τη θερμοκρασία του αέρα και τα ποσά των κατακρημνίσεων για την κατανόηση του μοντέλου διακύμανσης της βλάστησης και της σύνδεσής της με το κλίμα της περιοχής μελέτης.
3.ΑΠΟΤΕΛΕΣΜΑΤΑ
Η αυξημένη φυτική παραγωγή είναι περισσότερο συνδεδεμένη με περιόδους αυξημένης κατακρήμνισης σε άγονες έρημες περιοχές. Όταν οι κατακρημνίσεις του χειμώνα και της άνοιξης είναι ικανοποιητικές ξεκινά η ανάπτυξη των φυτών μεταξύ Οκτωβρίου και Νοεμβρίου τα οποία ωριμάζουν μεταξύ Φλεβάρη και Απρίλη.
4.ΣΥΜΠΕΡΑΣΜΑΤΑ Μέσω των αποτελεσμάτων παρατηρήθηκε ότι ο MODIS NDVI είναι ο πιο κατάλληλος για εκτίμηση της βλάστησης σε άγονες και έρημες περιοχές. Ένα τέτοιο συμπέρασμα μπορεί να είναι χρήσιμο για την ανάπτυξη μοντέλων τα οποία ενσωματώνουν τη χρονική και χωρική ποικιλομορφία της περιοχής όπου κατοικούν τα «μεγαλοκέρατα» πρόβατα, και να αξιολογηθούν πιθανές επιπτώσεις κλιματικής αλλαγής και άλλων παραγόντων που μπορεί να επηρεάσουν το συγκεκριμένο είδος ή κάποιο άλλο.
«Ο αστικός περιβαλλοντικός δείκτης ‘Biotope Area Ratio’ – Μια ενισχυμένη προσέγγιση για αξιολόγηση και διαχείριση των αστικών οικοσυστημάτων μέσα από τη χρήση υψηλής ανάλυσης τηλεπισκόπησης»
«The urban environmental indicator “Biotope Area Ratio”—An enhanced approach to assess and manage the urban ecosystem services using high resolution remote-sensing»
Συγγραφείς: Tobia Lakesa : Geomatics Lab, Geography Department, Humboldt-Universitaet zu Berlin, Unter den Linden 6, 10099 Berlin, Germany Hyun-Ok Kimb :Satellite Data Application Department, Korea Aerospace Research Institute, 115 Gwahangno, Yuseong-gu, Daejeon, Republic of Korea
ΠΕΡΙΛΗΨΗ
Η ανάλυση της περιβαλλοντικής κατάστασης στις αστικές περιοχές είναι ζωτικής σημασίας εξαιτίας του διαφοροποιημένου αστικού περιβάλλοντος και των επιπτώσεων του στο οικοσύστημα μέσα από τη ραγδαία αύξηση του αστικού πληθυσμού. Μεγάλη πρόκληση παραμένει η ανάπτυξη μεθόδων για αξιολόγηση και εκτίμηση των περιβαλλοντικών λειτουργιών ώστε να τις συμπεριλάβουμε στη διαδικασία του αστικού σχεδιασμού. Σε αυτή την διατριβή ο αστικός περιβαλλοντικός δείκτης “Biotope Area Ratio” (BAR) είναι υπό μελέτη. Στόχος είναι η ανάλυση των πλεονεκτημάτων και των ορίων του στη αξιολόγηση και τη διαχείριση της λειτουργίας αστικών οικοσυστημάτων χρησιμοποιώντας υψηλής ανάλυσης τηλεπισκοπικών μεθόδων. Μέσα από την επιλογή και σύγκριση δύο αστικών οικοσυστημάτων του Βερολίνου και της Σεούλ μελετάται η επιτυχημένη εφαρμογή του BAR.
1. ΕΙΣΑΓΩΓΗ
Η ένταση και η πολύ-λειτουργικότητα των χρήσεων γης στις αστικές περιοχές μεταβάλλουν το τοπικό αστικό οικοσύστημα σε μεγάλο βαθμό και ασκούν μεγάλη πίεση στα βιοτικά και αβιοτικά υποσυστήματα : μείωση χλωρίδας και πανίδας, επιπτώσεις στον κύκλο του νερού, ρύπανση υδάτων και γης κ.α. Το αστικό οικοσύστημα με τη σειρά του επηρεάζει της τοπικές συνθήκες διαβίωσης του αστικού πληθυσμού μέσω της περιβαλλοντικής μόλυνσης και της ταυτόχρονης παροχής λειτουργιών, οι οποίες επιδρούν θετικά στον αστικό πληθυσμό. Μερικά θετικά αποτελέσματα της λειτουργίας του αστικού οικοσυστήματος είναι: το φιλτράρισμα του αέρα, η ρύθμιση του μικροκλίματος, η μείωση της ηχορύπανσης κ.α.
Καθώς αυξάνεται η σημασία της μελέτης των παροχών των αστικών οικοσυστημάτων μέσα από την αναγνώριση της προσφοράς τους στην ανθρώπινη υγεία και στην ποιότητα της ζωής στις πόλεις, παραμένει το ερώτημα με ποιους τρόπους διαχειριζόμαστε και εκτιμάμε τα οφέλη αυτά. Για την εφαρμογή των περιβαλλοντικών αστικών δεικτών είναι ζωτικής σημασίας η πρόσβαση στις απαραίτητες πληροφορίες μέσα από μια αξιόπιστη προσέγγιση. Με τις σύγχρονες εξελίξεις της τηλεπισκόπησης και των δυνατοτήτων που προσφέρει στη χαρτογράφηση και στα υψηλής ανάλυσης δεδομένα, νέες δυνατότητες για την εφαρμογή της στον αστικό σχεδιασμό ανοίγονται
Σκοπός της μελέτης είναι η αξιολόγηση και η εκτίμηση των παραπάνω περιβαλλοντικών λειτουργιών μέσα στα αστικά οικοσυστήματα και συγκεκριμένα στις περιπτώσεις του Βερολίνου και της Σεούλ. Μέσα από την ανάλυση εφαρμογής του BAR στις δύο αυτές περιπτώσεις με τη χρήση της τηλεπισκόπησης, μελετώνται τα πλεονεκτήματα και οι προκλήσεις στη διαχείριση των αστικών οικοσυστημάτων καθώς και οι δυνατότητες της τηλεπισκόπησης στη χαρτογράφηση απαραίτητων πληροφοριών για αυτά.
Χρησιμοποιήθηκαν υψηλής ανάλυσης πολυφασματικά δεδομένα τηλεπισκόπησης και μέσα ανάλυσης για την εξαγωγή στοιχείων σε σχετικούς τύπους επιφανειών για την αξιολόγηση του BAR. Μελετήθηκαν και αναλύθηκαν αεροφωτογραφικά δεδομένα (HRSC-AX: υψηλής ανάλυσης camera) και δορυφορικά δεδομένα (IKONOS και QuickBird)(εικ.1).
Αρχικά, δημιουργήθηκε μία ταξινόμηση με στόχο το διαχωρισμό της βλάστησης, του γυμνού εδάφους, του νερού/ σκιάς, και των δομημένων επιφανειών. Έπειτα από την εφαρμογή του DSM επιτεύχθηκε ο διαχωρισμός της χαμηλής βλάστησης (γρασίδι) από την ψηλή (θάμνοι, δέντρα) και διαφοροποίηση της δομημένων επιφανειών σε ψηλούς και χαμηλούς. Επιπροσθέτως, χρησιμοποιήθηκαν πληροφορίες για τον καθορισμό των πράσινων στεγών. Φωτοερμηνεία χρησιμοποιήθηκε για τη βελτίωση των κατηγοριών που προέκυψαν. Τέλος για την αξιολόγηση της κατηγοριοποίησης πρωτογενή στοιχεία συλλέχθηκαν και χαρτογραφήθηκαν(εικ. 2).
Η επεξεργασία των δεδομένων συμπεριλαμβάνει τη ψηφιακή ένωση των δεδομένων του IKONOS και του QuickBird, τη γεωμετρική τους διόρθωση και το μετασχηματισμό του προβολικού συστήματος. Τα δεδομένα έπειτα ταξινομήθηκαν σε τέσσερις ομάδες: βλάστηση, μη βλάστηση, σκιά βλάστησης και μη σκιά/νερό βλάστησης. Προβλήματα μειώθηκαν με το majority filtering. Επιπλέον αντικείμενα μικρότερα των 100τ.μ. συμπεριλήφθησαν στα γειτονικά τους αντικείμενα(εικ. 3).
3. ΑΠΟΤΕΛΕΣΜΑΤΑ
Η τηλεπισκόπηση παρέχει τη δυνατότητα για διαφοροποίηση των αστικών επιφανειών, τόσο σε επίπεδο ατομικής περιουσίας όσο και σε επίπεδο πόλης, τα οποία μπορούν να αξιοποιηθούν από το BAR. Η αυτόματη ταξινόμηση των ακολούθων τύπων επιφανειών βάση των φασματικών τους χαρακτηριστικών ήταν εφικτή μέσω αεροφωτογραφιών στο Βερολίνο, με ακρίβεια 79%, παρόλα αυτά , σε μια τόσο υψηλής ποιότητας χωρική ανάλυση υπήρξε σημαντικό ποσό λανθασμένης ταξινόμησης ετερογενών αστικών επιφανειών. Ακολουθώντας μια επαναληπτική ενίσχυση βάση πληροφοριών επιφανειακού ύψους, προέκυψε η δυνατότητα περεταίρω διαφοροποιήσεων και μεγαλύτερης ακρίβειας. Στην δεύτερη περίπτωση η αυτόματη ταξινόμηση έφτασε ποσοστό ακρίβειας 86.7%. προβλήματα παρουσιάστηκαν στις σκιασμένες περιοχές εμποδίζοντας την ικανοποιητική ταξινόμησή τους.
4. ΣΥΜΠΕΡΑΣΜΑΤΑ
Η Τηλεπισκόπηση παρέχει μία αξιόπιστη μέθοδο για συλλογή πληροφοριών που αφορούν το BAR σε διάφορα επίπεδα: προ-συμπτωματικός έλεγχος, παρακολούθηση των δεδομένων του BAR και εστιασμένος έλεγχος για πιστοποίηση των μέτρων του. Η παρακολούθηση και ο έλεγχος του παρόντος BAR μιας αστικής περιοχής θα προσφέρει νέες οπτικές για τη διανομή και τη βαθμολόγηση των επιδόσεων του και επιπλέον τα μέτρα του θα δύναται να είναι σε μεγαλύτερο βαθμό λεπτομερή και μέσω της τηλεπισκόπησης να παρέχονται επιπλέον πεδία χαρτογράφησης.
Τέλος, το υψηλότερο επίπεδο λεπτομερειών και πληροφοριών για το BAR μπορεί να αποκτηθεί μέσω της φωτοερμηνείας των δεδομένων της τηλεπισκόπησης με τη βοήθεια ειδικών και την αξιοποίηση της τοπικής γνώσης.