Ο Πράσινος δείκτης που ενσωμάτωσε την τηλεπισκόπηση και την αντίληψη του πολίτη για τους πράσινους χώρους
Από RemoteSensing Wiki
(Νέα σελίδα με ' ''' Ο Πράσινος δείκτης που ενσωμάτωσε την τηλεπισκόπηση και την αντίληψη του πολίτη για τους...') |
|||
| Γραμμή 1: | Γραμμή 1: | ||
| - | |||
''' Ο Πράσινος δείκτης που ενσωμάτωσε την τηλεπισκόπηση και την αντίληψη του πολίτη για τους πράσινους χώρους ''' | ''' Ο Πράσινος δείκτης που ενσωμάτωσε την τηλεπισκόπηση και την αντίληψη του πολίτη για τους πράσινους χώρους ''' | ||
| Γραμμή 7: | Γραμμή 6: | ||
'''Συγγραφείς : E. Schöpfer, S. Lang a , Blaschke ''' | '''Συγγραφείς : E. Schöpfer, S. Lang a , Blaschke ''' | ||
| - | [ | + | [http://www.isprs.org/proceedings/XXXVI/8-W27/schoepfer.pdf |
Πηγή] | Πηγή] | ||
Παρούσα αναθεώρηση της 18:20, 31 Ιανουαρίου 2019
Ο Πράσινος δείκτης που ενσωμάτωσε την τηλεπισκόπηση και την αντίληψη του πολίτη για τους πράσινους χώρους
Πρότυπος τίτλος: A “green index” incorporating remote sensing and citizen’s perception of green space
Συγγραφείς : E. Schöpfer, S. Lang a , Blaschke
[http://www.isprs.org/proceedings/XXXVI/8-W27/schoepfer.pdf Πηγή]
Εισαγωγή
Οι πράσινοι χώροι σε μια αστική περιοχή είναι ιδιαίτερα σημαντικοί για την ποιότητα ζωής των κατοίκων της περιοχής για την προώθηση και την εκλυστικότητα της αλλά και για την προώθηση της βιώσιμης τοπικής ανάπτυξης. Η οικολογική διάσταση κυμαίνεται μεταξύ της πυκνότητας του πληθυσμού και της κατανάλωσης ελεύθερων χώρων. Στόχος της εργασίας είναι να αξιολογηθούν οι κοινωνικο-οικιστικές συνθήκες διότι με αυτόν τον τρόπο γίνεται η ολιστική προσέγγιση της σημασίας των πράσινων χώρων μέσα σε μια πόλη. Οι δισδιάστατοι χάρτες φαίνεται πως δεν αντικατοπτρίζουν άμεσα το «πράσινο αίσθημα» του πολίτη που ζει εκεί. Δηλαδή ο πράσινος χώρος με χαμηλό χλοοτάπητα και ψηλές πολυκατοικίες γύρω γύρω δεν είναι το ίδιο αντιληπτός με έναν πράσινο χώρο ίδιου μεγέθους που περιέχει δέντρα, λουλούδια και θάμνους και έχει γύρω του χαμηλή και αραιή δόμηση.
Μεθοδολογία
Η μελέτη πραγματοποιήθηκε στην πόλη Σάλτσμπουργκ στην Αυστρία και χρησιμοποιήθηκαν δύο αεροφωτογραφίες που τραβήχτηκαν τον Ιούλιο του 2002. Επίσης, για τα όρια των ορίων των ιδιοκτησιών και των αγροτεμαχίων χρησιμοποιήθηκαν δεδομένα του κτηματολογίου με πολύ καλή ανάλυση 0,8 μέτρα. Σε δεύτερη φάση, αποκτήθηκαν και ενσωματώθηκαν δεδομένα Aster (ζώνες VNIR) και χρησιμοποιήθηκε το λογισμικό Erdas Imagine 8.7 για τις ορθοφωτογραφίες με τη χρήση ενός μετασχηματισμού πολυωνύμων δεύτερης τάξης με την γειτονική δειγματοληψία. Ο κανονικοποιημένος δείκτης βλάστησης (NDVI) υπολογίστηκε από τα κανάλια NIR 2 και 3 για μεταγενέστερη σύντηξη δεδομένων. Επιπλέον, δημιουργήθηκε ένα δίκτυο γνωστικών αντικειμένων τα οποία υπάρχουν στην πόλη μελέτης και χρησιμοποιήθηκε μόνο ένα επίπεδο ταξινόμησης δηλαδή δεν ενσωματώθηκαν ορισμοί ιεράρχησης των κλάσεων. Η κατάτμηση της εικόνας πραγματοποιήθηκε σε τρία στάδια ώστε να αποκτηθούν πιο σαφή και κατακερματισμένα τμήματα στην εικόνα. Δημιουργήσαμε ένα λεπτό επίπεδο με μια παράμετρο κλίμακας 10, ακολουθούμενη από το δεύτερο επίπεδο με μεγαλύτερο βάρος στη συμπαγή αντικειμένων. Τέλος, η τμηματοποίηση της φασματικής διαφοράς χρησιμοποιήθηκε για το επίπεδο ταξινόμησης. Οι τεχνικές κατακερματισμού που χρησιμοποιήθηκαν βασίστηκαν σε μια προηγμένη προσέγγιση που βασίζεται στην ανάπτυξη μιας περιοχής και στη γνώση βασισμένη στον αλγόριθμο των Baatz και Schäpe (2000). Αρχικά οι σκιασμένες επιφάνειες της εικόνας ήταν το 13,5% της συνολικής εικόνας ενώ οι μη σκιασμένες περιοχές το 86,5% και διαχωρίστηκαν χρησιμοποιώντας υψηλή φωτεινότητα. Στη συνέχεια, οι μη σκιασμένες περιοχές που ήταν οι πράσινες περιοχές που ανιχνεύονται από τις πληροφορίες που προκύπτουν υποδιαιρούνταν περαιτέρω σε κατηγορίες παιδιών. Έπειτα, πραγματοποιήθηκε διάκριση μεταξύ υψηλής δομημένης βλάστησης π.χ. δέντρα και φράκτες αλλά και γκαζόν και κήποι. Οι χαμηλά δομημένες περιοχές χωρίστηκαν σε περιοχές με χαμηλή (βλάστηση) ένταση και υψηλή (βλάστηση) ένταση. Εκτελέστηκε η αναλογία μεταξύ της μπλε ζώνης και της συνολικής φωτεινότητας. Μέσα στην κλάση low_intensity χρησιμοποιήθηκαν οι μέσες τιμές της πράσινης ζώνης για την ταξινόμηση διαφορετικών αγροτικών πεδίων. Ομοίως, χρησιμοποιώντας την απόκλιση της ερυθράς ζώνης, η τάξη high_intensity θα μπορούσε να υποδιαιρεθεί περαιτέρω σε υδάτινα σώματα με χαμηλή τυπική απόκλιση και λιβάδια, αντίστοιχα. Ο δείκτης NDVI υπολογίστηκε από δεδομένα Aster και χρησιμοποιήθηκε ως πρόσθετο στρώμα εικόνας. Καθορίστηκε ένα διαχωριστικό 0,3 για να γίνει διάκριση μεταξύ βλάστησης και μη βλάστησης σκιασμένων περιοχών. Γίνεται η παραδοχή ότι ο χώρος πρασίνου μπορεί να εκληφθεί διαφορετικά ανάλογα με την άποψη του παρατηρητή δηλαδή στη συγκεκριμένη περίπτωση του κατοίκου της περιοχής και της οικοδομικής γειτονιάς στην οποία ζει. Όπως προαναφέρθηκε, σκοπός της εργασίας είναι να βρεθεί το σχετικό ποσό του πράσινου με το οποίο επιθυμείται να αντικατοπτριστεί η προσωπική κατάσταση. Για λόγους απλότητας η παραδοχή έγινε με μέσες μετρήσεις για το raster 1 ha αντί να μοντελοποιηθεί κάθε πιθανός σχηματισμός σε σχέση με τις αντιλήψεις των μεμονωμένων πολιτών.
Αποτελέσματα
Η μεθοδολογία θα μπορούσε να εφαρμοστεί στα μελλοντικά μοντέλα των αστικών συστημάτων αν και προτείνεται σε τέτοια μοντέλα να εργαστούν και οι εμπειρογνώμονες για να ενισχυθεί η διακριτική ικανότητα και να διαχωριστούν περισσότερα αντικείμενα ώστε να γίνει καλύτερα η διαδικασία της ταξινόμησης ως εκ τούτου να παραχθεί ένας καλύτερος ως προς την διακριτική ικανότητα θεματικός χάρτης.
