Συνεργατική Δυνατότητα Τηλεπισκόπησης Οπτικών και Ραντάρ Συστημάτων για την Παρακολούθηση της Χιονοκάλυψης
Από RemoteSensing Wiki
| (2 ενδιάμεσες αναθεωρήσεις δεν εμφανίζονται.) | |||
| Γραμμή 4: | Γραμμή 4: | ||
'''Ημερομηνία: 5 Οκτωβρίου 2024''' <br/> | '''Ημερομηνία: 5 Οκτωβρίου 2024''' <br/> | ||
| - | [[Αρχείο: | + | [[Αρχείο: 5_1.jpg | thumb | '''Εικόνα 1.''' Χάρτης της περιοχής μελέτης που απεικονίζει τις 5 οροσειρές της Ιβηρικής Χερσονήσου (Κανταβρικό, Πυρηναία, Κεντρικό Σύστημα, Ιβηρική, Σιέρα Νεβάδα) και το υψομετρικό τους ανάγλυφο.]] |
| - | [[Αρχείο: | + | [[Αρχείο: 5_2.jpg | thumb | '''Εικόνα 2.''' Διάγραμμα ροής της μεθοδολογίας: Συνδυασμός προϊόντων MODIS και HRS&I SWS για τη δημιουργία του τελικού χάρτη χιονοκάλυψης.]] |
| - | [[Αρχείο: | + | [[Αρχείο: 5_3.jpg | thumb | '''Εικόνα 3.''' Παραδείγματα χαρτών συνδυαστικής χιονοκάλυψης (HRS&I SWS + MODIS) για δύο χαρακτηριστικές ημερομηνίες: 4 Φεβρουαρίου 2017 (Χειμώνας) και 18 Απριλίου 2018 (Άνοιξη). ]] |
| - | [[Αρχείο: | + | [[Αρχείο: 5_4.jpg | thumb | '''Εικόνα 4.''' Διαγράμματα διασποράς που δείχνουν τη συσχέτιση μεταξύ υψομέτρου και πιθανότητας χιονιού.]] |
| - | [[Αρχείο: | + | [[Αρχείο: 5_5.jpg | thumb | '''Εικόνα 5.''' Μηνιαία κατανομή της χιονοκάλυψης στα Πυρηναία. Το γράφημα δείχνει τη συνολική έκταση χιονιού, διαχωρίζοντας τη συμβολή του MODIS από την πρόσθετη πληροφορία που ανακτήθηκε χάρη στο ραντάρ (HRS&I SWS).]] |
| - | [[Αρχείο: | + | [[Αρχείο: 5_6.jpg | thumb | '''Πίνακας 1.''' Μέγεθος της τάσης (%/πενταετία) των χρονικών μεταβολών του δείκτη PSCPI για κάθε μήνα στις κύριες οροσειρές.]] |
'''Περίληψη''' <br/> | '''Περίληψη''' <br/> | ||
| + | |||
| + | Η παρούσα μελέτη εντάσσεται στο ευρύτερο επιστημονικό αντικείμενο της Υδρολογίας και της Κλιματολογίας, εστιάζοντας στην κρίσιμη ανάγκη για ακριβή και διαχρονική παρακολούθηση της χιονοκάλυψης σε ορεινά οικοσυστήματα. Ο κύριος στόχος της εφαρμογής είναι η υπέρβαση των σημαντικών περιορισμών που θέτει η συχνή νεφοκάλυψη στις ορεινές περιοχές, η οποία παραδοσιακά εμποδίζει την παρατήρηση της επιφάνειας της Γης. Πριν την έλευση της Τηλεπισκόπησης, η παρακολούθηση τέτοιων φαινομένων βασιζόταν αποκλειστικά σε δίκτυα επίγειων μετεωρολογικών σταθμών και σε επιτόπιες δειγματοληψίες. Οι μέθοδοι αυτές παρείχαν μόνο σημειακές και χωρικά ασυνεχείς πληροφορίες, καθιστώντας αδύνατη την ακριβή χαρτογράφηση της κατανομής του χιονιού σε μεγάλες, δυσπρόσιτες και γεωμορφολογικά πολύπλοκες οροσειρές. Η έρευνα αυτή, εστιάζοντας σε πέντε οροσειρές της Ιβηρικής Χερσονήσου, επιχειρεί να αποδείξει πως η συνδυαστική χρήση διαφορετικών δορυφορικών τεχνολογιών μπορεί να καλύψει αυτά τα κενά πληροφόρησης. | ||
| Γραμμή 23: | Γραμμή 25: | ||
'''Μέθοδοι''' <br/> | '''Μέθοδοι''' <br/> | ||
| + | Για την επίτευξη των στόχων της μελέτης χρησιμοποιήθηκε μια συνδυαστική μεθοδολογία που αξιοποιεί διαφορετικά είδη δορυφορικών συστημάτων, ενσωματώνοντας τόσο παθητικούς όσο και ενεργητικούς αισθητήρες. Συγκεκριμένα, έγινε χρήση του δορυφόρου Terra που φέρει τον οπτικό δέκτη MODIS (κάνοντας χρήση οπτικών και υπέρυθρων καναλιών), καθώς και του δορυφόρου Sentinel-1 της ευρωπαϊκής αποστολής Copernicus, ο οποίος είναι εξοπλισμένος με Ραντάρ Συνθετικού Ανοίγματος (SAR) στη ζώνη συχνοτήτων C-band. Η χρησιμότητα των συγκεκριμένων δεκτών λειτούργησε συμπληρωματικά, καθώς ο μεν MODIS προσέφερε μια μακροχρόνια και συνεπή χρονοσειρά οπτικών δεδομένων από το 2000 έως το 2022, ο δε Sentinel-1 αξιοποιήθηκε για τη μοναδική του ικανότητα να διαπερνά τα σύννεφα και να εντοπίζει το υγρό χιόνι κατά τις περιόδους τήξης, λειτουργώντας ως εργαλείο πλήρωσης κενών. | ||
| + | |||
| + | Σε επίπεδο προεπεξεργασίας και ψηφιακών επεξεργασιών, η μελέτη εφάρμοσε συγκεκριμένους αλγορίθμους και τεχνικές GIS. Αρχικά, για την ελαχιστοποίηση του θορύβου από τη νεφοκάλυψη στα οπτικά δεδομένα, χρησιμοποιήθηκαν οι 8-ήμερες συνθέσεις του προϊόντος MOD10A2, ενώ πραγματοποιήθηκε γεωαναφορά και επαναδειγματοληψία (resampling) για την ομογενοποίηση των δεδομένων. Στη συνέχεια, εφαρμόστηκε ο δείκτης Πιθανότητας Παρουσίας Χιονοκάλυψης (PSCPI), βασισμένος σε μεθόδους φασματικών λόγων και ταξινόμησης (classification), για την ποσοτικοποίηση της χιονοκάλυψης. Παράλληλα, ενσωματώθηκε το προϊόν HRS&I SWS για την ανάκτηση δεδομένων στις περιοχές που οι οπτικοί αισθητήρες αδυνατούσαν να καταγράψουν. Μια κρίσιμη ειδική επεξεργασία αφορούσε τη διαδικασία "gap-filling", κατά την οποία τα κενά των οπτικών εικόνων συμπληρώθηκαν με την πληροφορία υγρού χιονιού από το HRS&I SWS. Η εφαρμογή αυτής της μεθοδολογίας επέτρεψε τη δημιουργία ολοκληρωμένων χαρτών χιονοκάλυψης, αξιοποιώντας την υψηλή ανάλυση του προϊόντος ραντάρ. | ||
| + | |||
| + | Επιπρόσθετα, για την ανάλυση της επίδρασης της τοπογραφίας, έγινε χρήση του Ψηφιακού Μοντέλου Υψομέτρου (DEM) Copernicus GLO-30, η αναγκαιότητα του οποίου κρίθηκε επιτακτική για τη συσχέτιση του υψομέτρου με τη διάρκεια του χιονιού. Τέλος, η στατιστική ανάλυση των τάσεων πραγματοποιήθηκε με τη χρήση των αλγορίθμων Mann-Kendall και Sen’s slope estimator. | ||
'''Αποτελέσματα''' <br/> | '''Αποτελέσματα''' <br/> | ||
| + | |||
| + | Η ανάλυση των αποτελεσμάτων ανέδειξε τη σημαντική χωρική διαφοροποίηση της χιονοκάλυψης, με τα Πυρηναία και τη Σιέρα Νεβάδα να εμφανίζουν τη μεγαλύτερη διάρκεια χιονιού. Οι στατιστικές επεξεργασίες επιβεβαίωσαν ότι το γεωγραφικό πλάτος επηρεάζει καθοριστικά το υψόμετρο της χιονοκάλυψης, με τον συντελεστή προσδιορισμού να αγγίζει πολύ υψηλές τιμές (R2 ≥ 0.84). Παράλληλα, η ισχυρή εξάρτηση της πιθανότητας χιονιού (PSCPI) από το υψόμετρο αποτυπώνεται ξεκάθαρα στα παρακάτω διαγράμματα διασποράς για κάθε οροσειρά ξεχωριστά. | ||
| + | |||
| + | Ένα από τα κρισιμότερα ευρήματα ήταν η εξαιρετική αποτελεσματικότητα της μεθόδου "gap-filling" με τη χρήση του προϊόντος HRS&I SWS. Το παρακάτω γράφημα αποτυπώνει ξεκάθαρα τη συνεισφορά του προϊόντος SWS στη συνολική χαρτογράφηση. Όπως φαίνεται, η συμβολή του (το τμήμα που προστίθεται στο συνολικό εμβαδό) είναι καθοριστική κατά τους εαρινούς μήνες, επιτρέποντας την ανάκτηση χιονοκάλυψης που οι οπτικοί αισθητήρες έχαναν λόγω νεφών. | ||
| + | |||
| + | Τέλος, η ανάλυση των κλιματικών τάσεων αποκάλυψε μια ανησυχητική μείωση. Ο παρακάτω πίνακας παρουσιάζει το μέγεθος της τάσης μεταβολής ανά πενταετία για κάθε μήνα. Οι αρνητικές τιμές κυριαρχούν, ιδιαίτερα τους χειμερινούς μήνες, υποδεικνύοντας σαφή συρρίκνωση της χιονοκάλυψης λόγω της κλιματικής αλλαγής. | ||
'''Συμπεράσματα''' <br/> | '''Συμπεράσματα''' <br/> | ||
| + | |||
| + | Η αξιολόγηση των μεθόδων καταδεικνύει ότι η συνέργεια μεταξύ οπτικών συστημάτων όπως ο MODIS και του προϊόντος HRS&I SWS αποτελεί μια εξαιρετικά αποτελεσματική προσέγγιση για την υδρολογική παρακολούθηση και τη διαχείριση των ορεινών υδάτινων πόρων. Οι συγγραφείς τονίζουν ότι, ενώ οι οπτικοί αισθητήρες παραμένουν αναντικατάστατοι για την ιστορική καταγραφή και την ευρεία κάλυψη, η συμπληρωματική χρήση προηγμένων προϊόντων ραντάρ είναι απαραίτητη για την υπέρβαση των ατμοσφαιρικών εμποδίων. Η προτεινόμενη μεθοδολογία κρίνεται πλέον ως επιχειρησιακά ώριμη και προτείνεται η επέκτασή της σε άλλες ορεινές περιοχές, προσφέροντας μια πιο ολοκληρωμένη και αξιόπιστη εικόνα της κρυόσφαιρας σε συνθήκες μεταβαλλόμενου κλίματος. | ||
[[category:Υδατικοί Πόροι]] | [[category:Υδατικοί Πόροι]] | ||
Παρούσα αναθεώρηση της 09:34, 7 Φεβρουαρίου 2026
Άρθρο: Συνεργατική Δυνατότητα Τηλεπισκόπησης Οπτικών και Ραντάρ Συστημάτων για την Παρακολούθηση της Χιονοκάλυψης
Συγγραφείς: Jose-David Hidalgo-Hidalgo, Antonio-Juan Collados-Lara, David Pulido-Velazquez, Steven R. Fassnacht, C. Husillos
Πηγή: https://doi.org/10.3390/rs16193705
Ημερομηνία: 5 Οκτωβρίου 2024
Περίληψη
Η παρούσα μελέτη εντάσσεται στο ευρύτερο επιστημονικό αντικείμενο της Υδρολογίας και της Κλιματολογίας, εστιάζοντας στην κρίσιμη ανάγκη για ακριβή και διαχρονική παρακολούθηση της χιονοκάλυψης σε ορεινά οικοσυστήματα. Ο κύριος στόχος της εφαρμογής είναι η υπέρβαση των σημαντικών περιορισμών που θέτει η συχνή νεφοκάλυψη στις ορεινές περιοχές, η οποία παραδοσιακά εμποδίζει την παρατήρηση της επιφάνειας της Γης. Πριν την έλευση της Τηλεπισκόπησης, η παρακολούθηση τέτοιων φαινομένων βασιζόταν αποκλειστικά σε δίκτυα επίγειων μετεωρολογικών σταθμών και σε επιτόπιες δειγματοληψίες. Οι μέθοδοι αυτές παρείχαν μόνο σημειακές και χωρικά ασυνεχείς πληροφορίες, καθιστώντας αδύνατη την ακριβή χαρτογράφηση της κατανομής του χιονιού σε μεγάλες, δυσπρόσιτες και γεωμορφολογικά πολύπλοκες οροσειρές. Η έρευνα αυτή, εστιάζοντας σε πέντε οροσειρές της Ιβηρικής Χερσονήσου, επιχειρεί να αποδείξει πως η συνδυαστική χρήση διαφορετικών δορυφορικών τεχνολογιών μπορεί να καλύψει αυτά τα κενά πληροφόρησης.
Μέθοδοι
Για την επίτευξη των στόχων της μελέτης χρησιμοποιήθηκε μια συνδυαστική μεθοδολογία που αξιοποιεί διαφορετικά είδη δορυφορικών συστημάτων, ενσωματώνοντας τόσο παθητικούς όσο και ενεργητικούς αισθητήρες. Συγκεκριμένα, έγινε χρήση του δορυφόρου Terra που φέρει τον οπτικό δέκτη MODIS (κάνοντας χρήση οπτικών και υπέρυθρων καναλιών), καθώς και του δορυφόρου Sentinel-1 της ευρωπαϊκής αποστολής Copernicus, ο οποίος είναι εξοπλισμένος με Ραντάρ Συνθετικού Ανοίγματος (SAR) στη ζώνη συχνοτήτων C-band. Η χρησιμότητα των συγκεκριμένων δεκτών λειτούργησε συμπληρωματικά, καθώς ο μεν MODIS προσέφερε μια μακροχρόνια και συνεπή χρονοσειρά οπτικών δεδομένων από το 2000 έως το 2022, ο δε Sentinel-1 αξιοποιήθηκε για τη μοναδική του ικανότητα να διαπερνά τα σύννεφα και να εντοπίζει το υγρό χιόνι κατά τις περιόδους τήξης, λειτουργώντας ως εργαλείο πλήρωσης κενών.
Σε επίπεδο προεπεξεργασίας και ψηφιακών επεξεργασιών, η μελέτη εφάρμοσε συγκεκριμένους αλγορίθμους και τεχνικές GIS. Αρχικά, για την ελαχιστοποίηση του θορύβου από τη νεφοκάλυψη στα οπτικά δεδομένα, χρησιμοποιήθηκαν οι 8-ήμερες συνθέσεις του προϊόντος MOD10A2, ενώ πραγματοποιήθηκε γεωαναφορά και επαναδειγματοληψία (resampling) για την ομογενοποίηση των δεδομένων. Στη συνέχεια, εφαρμόστηκε ο δείκτης Πιθανότητας Παρουσίας Χιονοκάλυψης (PSCPI), βασισμένος σε μεθόδους φασματικών λόγων και ταξινόμησης (classification), για την ποσοτικοποίηση της χιονοκάλυψης. Παράλληλα, ενσωματώθηκε το προϊόν HRS&I SWS για την ανάκτηση δεδομένων στις περιοχές που οι οπτικοί αισθητήρες αδυνατούσαν να καταγράψουν. Μια κρίσιμη ειδική επεξεργασία αφορούσε τη διαδικασία "gap-filling", κατά την οποία τα κενά των οπτικών εικόνων συμπληρώθηκαν με την πληροφορία υγρού χιονιού από το HRS&I SWS. Η εφαρμογή αυτής της μεθοδολογίας επέτρεψε τη δημιουργία ολοκληρωμένων χαρτών χιονοκάλυψης, αξιοποιώντας την υψηλή ανάλυση του προϊόντος ραντάρ.
Επιπρόσθετα, για την ανάλυση της επίδρασης της τοπογραφίας, έγινε χρήση του Ψηφιακού Μοντέλου Υψομέτρου (DEM) Copernicus GLO-30, η αναγκαιότητα του οποίου κρίθηκε επιτακτική για τη συσχέτιση του υψομέτρου με τη διάρκεια του χιονιού. Τέλος, η στατιστική ανάλυση των τάσεων πραγματοποιήθηκε με τη χρήση των αλγορίθμων Mann-Kendall και Sen’s slope estimator.
Αποτελέσματα
Η ανάλυση των αποτελεσμάτων ανέδειξε τη σημαντική χωρική διαφοροποίηση της χιονοκάλυψης, με τα Πυρηναία και τη Σιέρα Νεβάδα να εμφανίζουν τη μεγαλύτερη διάρκεια χιονιού. Οι στατιστικές επεξεργασίες επιβεβαίωσαν ότι το γεωγραφικό πλάτος επηρεάζει καθοριστικά το υψόμετρο της χιονοκάλυψης, με τον συντελεστή προσδιορισμού να αγγίζει πολύ υψηλές τιμές (R2 ≥ 0.84). Παράλληλα, η ισχυρή εξάρτηση της πιθανότητας χιονιού (PSCPI) από το υψόμετρο αποτυπώνεται ξεκάθαρα στα παρακάτω διαγράμματα διασποράς για κάθε οροσειρά ξεχωριστά.
Ένα από τα κρισιμότερα ευρήματα ήταν η εξαιρετική αποτελεσματικότητα της μεθόδου "gap-filling" με τη χρήση του προϊόντος HRS&I SWS. Το παρακάτω γράφημα αποτυπώνει ξεκάθαρα τη συνεισφορά του προϊόντος SWS στη συνολική χαρτογράφηση. Όπως φαίνεται, η συμβολή του (το τμήμα που προστίθεται στο συνολικό εμβαδό) είναι καθοριστική κατά τους εαρινούς μήνες, επιτρέποντας την ανάκτηση χιονοκάλυψης που οι οπτικοί αισθητήρες έχαναν λόγω νεφών.
Τέλος, η ανάλυση των κλιματικών τάσεων αποκάλυψε μια ανησυχητική μείωση. Ο παρακάτω πίνακας παρουσιάζει το μέγεθος της τάσης μεταβολής ανά πενταετία για κάθε μήνα. Οι αρνητικές τιμές κυριαρχούν, ιδιαίτερα τους χειμερινούς μήνες, υποδεικνύοντας σαφή συρρίκνωση της χιονοκάλυψης λόγω της κλιματικής αλλαγής.
Συμπεράσματα
Η αξιολόγηση των μεθόδων καταδεικνύει ότι η συνέργεια μεταξύ οπτικών συστημάτων όπως ο MODIS και του προϊόντος HRS&I SWS αποτελεί μια εξαιρετικά αποτελεσματική προσέγγιση για την υδρολογική παρακολούθηση και τη διαχείριση των ορεινών υδάτινων πόρων. Οι συγγραφείς τονίζουν ότι, ενώ οι οπτικοί αισθητήρες παραμένουν αναντικατάστατοι για την ιστορική καταγραφή και την ευρεία κάλυψη, η συμπληρωματική χρήση προηγμένων προϊόντων ραντάρ είναι απαραίτητη για την υπέρβαση των ατμοσφαιρικών εμποδίων. Η προτεινόμενη μεθοδολογία κρίνεται πλέον ως επιχειρησιακά ώριμη και προτείνεται η επέκτασή της σε άλλες ορεινές περιοχές, προσφέροντας μια πιο ολοκληρωμένη και αξιόπιστη εικόνα της κρυόσφαιρας σε συνθήκες μεταβαλλόμενου κλίματος.
