Δάση
Από RemoteSensing Wiki
Γραμμή 26: | Γραμμή 26: | ||
Επιπλέον, multitemporal ανάλυση εικόνων και interefrometry τεχνική επαναλαμβανόμενων τροχιών αποτέλεσε κομμάτι της επεξεργασίας. Ακόμη, αναλύθηκε μια σειρά από absolutely calibrated PRI εικόνων αρκετών χρόνων και διαφόρων εποχών από τον I-PAF, οι οποίες βοήθησαν στη σύνθεση multitemporal χαρτών με ποικίλους συνδυασμούς. Τέλος δύο SLCI εικόνες από διπλή λήψη τον Σεπτέμβριο 7 και 8 του 1995, επεξεργάστηκαν σαν interferometric ζευγάρι. | Επιπλέον, multitemporal ανάλυση εικόνων και interefrometry τεχνική επαναλαμβανόμενων τροχιών αποτέλεσε κομμάτι της επεξεργασίας. Ακόμη, αναλύθηκε μια σειρά από absolutely calibrated PRI εικόνων αρκετών χρόνων και διαφόρων εποχών από τον I-PAF, οι οποίες βοήθησαν στη σύνθεση multitemporal χαρτών με ποικίλους συνδυασμούς. Τέλος δύο SLCI εικόνες από διπλή λήψη τον Σεπτέμβριο 7 και 8 του 1995, επεξεργάστηκαν σαν interferometric ζευγάρι. | ||
- | |||
Χάρτης της περιοχής Chernobyl. Το κόκκινο τόξο δείχνει την απαγορευμένη περιοχή. | Χάρτης της περιοχής Chernobyl. Το κόκκινο τόξο δείχνει την απαγορευμένη περιοχή. | ||
Αναθεώρηση της 17:42, 15 Μαρτίου 2009
Add Your Content Here ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΗΣ ΚΑΤΑΣΤΑΣΗΣ ΤΩΝ ΔΑΣΩΝ ΣΤΗΝ ΠΕΡΙΟΧΗ ΤΟΥ CHERNOBYL ΜΕ ΤΗ ΧΡΗΣΗ ERS SAR ΔΕΔΟΜΕΝΑ
Από τους: A.I. Zakharov, I.L. Kucheryavenkova, V.P. Sinilo, M.V. Sorochinsky, L.N. Shamarova
"Institute of Radio engineering and Electronics of Russian Academy of Sciences
Vvedensky sq. 1, Fryazino, 141120, Russia
Email: aizakhar@ire.rssi.ru
Πηγή: http://citeseer.ist.psu.edu/549080.html
Εισαγωγή
Οι συνέπειες του καταστροφικού ατυχήματος στον σταθμό παραγωγής ενέργειας του Chernobyl στις 26 Απρίλη του 1986, τραβούν ακόμη και σήμερα την προσοχή των επιστημόνων ανά τον κόσμο. Ειδικότερα η περιοχή ακτίνας 30 χλμ. γύρω από τον σταθμό, η οποία αποτελεί την περιοχή απαγορευμένης εισόδου λόγω των υψηλών επιπέδων ραδιενέργειας και βρίσκεται στα σύνορα μεταξύ Ουκρανίας και Λευκορωσίας, αποτελεί σημείο εντατικής έρευνας και μελέτης.
Ο σκοπός της παρούσας εργασίας είναι η μελέτη της «εφαρμοσιμότητας» των ERS SAR δεδομένων 6-10 μετά το ατύχημα στην παρατήρηση της οικολογικής κατάστασης της περιοχής και ιδιαίτερα των δασών.
Δεδομένα SRL-2 SIR-C/X SAR (LHH, LHV, CHH, CHV και XVV κανάλια) με datatake 16_20, χρησιμοποιήθηκαν στη μελέτη παρά τη μεγάλη γωνία παρατήρησης ~600 .
Δεδομένα για τη Μελέτη 14 ERS PRI εικόνες της περιόδου 1992-1996 και SLCI δίδυμα ζεύγη επεξεργάστηκαν και αναλύθηκαν. Χάρτες σε κλίμακες 1:200000 και 1:100000, για την περιγραφή της κατάστασης στα τέλη του 1980, χρησιμοποιήθηκαν, όπως και μετεωρολογικά στοιχεία.
Περιγραφή της Περιοχής Το νότιο κομμάτι της απαγορευμένης περιοχής γύρω από το εργοστάσιο καλύπτεται από πυκνό δάσος κυρίως πεύκων τα οποία είναι και πιο ευαίσθητα στην πυρηνική ακτινοβολία. Η βλάστηση της περιοχής κατηγοριοποιήθηκε με βάση το βαθμό καταστροφής της από τη ραδιενέργεια σε 4 τάξεις.
Τεχνική που Χρησιμοποιήθηκε Χρησιμοποιήθηκαν SIR-C/X SAR δεδομένα (μόνο το μέγιστο ύψος των συχνοτήτων) για την βλάστηση της περιοχής σε SRL-2 πτήση. Μάλιστα, cross-polarized δεδομένα έδωσαν καλύτερη πληροφορία για τη διάκριση των ορίων των δασών και το μέγεθος της καταστροφής τους. Τα στοιχεία συνδυάστηκαν σε false colors (red - LHH, green - LHV, blue - XVV), για οπτική ανάλυση και αυτόματη κατηγοριοποίηση από cluster analysis. Έτσι εντοπίστηκαν και περιοχές πυρκαγιών όπως και μέρη ξηρού δάσους. Επιπλέον, multitemporal ανάλυση εικόνων και interefrometry τεχνική επαναλαμβανόμενων τροχιών αποτέλεσε κομμάτι της επεξεργασίας. Ακόμη, αναλύθηκε μια σειρά από absolutely calibrated PRI εικόνων αρκετών χρόνων και διαφόρων εποχών από τον I-PAF, οι οποίες βοήθησαν στη σύνθεση multitemporal χαρτών με ποικίλους συνδυασμούς. Τέλος δύο SLCI εικόνες από διπλή λήψη τον Σεπτέμβριο 7 και 8 του 1995, επεξεργάστηκαν σαν interferometric ζευγάρι.
Χάρτης της περιοχής Chernobyl. Το κόκκινο τόξο δείχνει την απαγορευμένη περιοχή.
Χάρτης των ειδών βλάστησης από cluster analysis των δεδομένων LHH+LHV+XVV SIR-C/X SAR. Κόκκινα-κατεστραμμένα δάση, πράσινα-κανονικά δάση, κίτρινη-αραιή βλάστηση, βαθύ-μπλε χωράφια.
Αποτελέσματα
Τα χωράφια και τα κατεστραμμένα δάση παρατηρείται να έχουν τη μεγαλύτερες διακυμάνσεις 0 . Ανάλυση της interferometric coherence για τις 19950907-19950908 εικόνες, μας δείχνει ότι μπορούμε εύκολα να διακρίνουμε τις περιοχές βλάστησης από τα χωράφια, αλλά δεν είναι εφικτό να ξεχωριστούν τα φυλλοβόλα από τα κωνοφόρα δάση.
Ο συνδυασμός των ERS intensity δεδομένων και του συνεκτικού χάρτη παρουσιάζονται παρακάτω όπου στο κόκκινο κανάλι είναι στοιχεία amplitude και στο πράσινο ανεστραμμένης coherence. Ελαφρώς κόκκινα σημάδια αποτελούν πιθανές περιοχές δασικών πυρκαγιών.
ERS SAR composite image for tandem pair 19950907-19950908 (R-intensity, G-inverted coherence)
Στην επόμενη εικόνα, φαίνεται η περιοχή του ξηρού δάσους. Στα αριστερά παρουσιάζεται σαν πολυ-χρονικός χάρτης (multitemporal map) (RGB συνδυασμός των sessions από τις 19920616, 19920929 και 19921103) και στα δεξιά φαίνεται η RGB σύσταση of intensity image and decorrelation map (Inverted coherence) για τα ζεύγη 19950907-19970908 (R-intensity, G-inverted coherence). Το λευκό βέλος αντιπροσωπεύει το προς τα δυτικά σημάδι του ατυχήματος. Τα μπλε σημάδια στη αριστερά εικόνα και τα αντίστοιχα πορτοκαλί στη δεξιά αντιστοιχούν στην περιοχή με την ολική-θανάσιμη καταστροφή των δέντρων.
Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.
Η ζώνη των κατεστραμμένων δασών μπορεί να διακριθεί στο κέντρο της επόμενης εικόνας. Τα κίτρινα και πράσινα χρώματα αντιστοιχούν σε κωνοφόρα. Τα μικρά μαύρα σημεία είναι χαρακτηριστικά της θανατηφόρας καταστροφής.
Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement.
Επίλογος
Από τη μελέτη αυτή φάνηκε ότι δεδομένα ERS SAR είναι χρήσιμα στην έρευνα της οικολογικής κατάστασης στην περιοχή γύρω από το πυρηνικό ατύχημα, ακόμη και 6 με 10 χρόνια αργότερα.
Τα C-band SAR δεδομένα σε μορφή multitemporal combination όπως και interferometric coherence από επαναλαμβανόμενες τροχιές interferometry, μπορούν να βοηθήσουν στη μελέτη της κατάστασης στην περιοχή του Chernobyl.
ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ: A REMOTE SENSING PERSPECTIVE
Από τον: Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK Πηγή: http://www.remotesensing.gr/gcm.pdf
Εισαγωγή Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα. Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.
Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)
Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως « τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης δε διαφορετική κλίμακα (O’Brien, 2000).
Remote sensing και χαρτογράφηση της αποψίλωσης.
Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Παρόλα αυτά, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.
Εικόνα 1. Χάρτες ταξινόμησης χρήσεων γης τηςRondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Deforestation (yellow color) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.
Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.
Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά. Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα. Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα. Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).
Rondonia, Brazil. (A) The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B) Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C) Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D) Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004).
Συμπεράσματα
Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.
Ο ρόλος του remote sensing στο πρόβλημα.
ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ
Από: Joshua Schoen
Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)
Πηγή: http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
Εισαγωγή
Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.
Περιοχή Μελέτης Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.
Δεδομένα και Μέθοδοι
Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.
June 26, 1992 Landsat TM Image
July 13, 2001, Landsat ETM Image
Αποτελέσματα
Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.
Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .
Land Cover Classification Results
Συμπεράσματα Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.