Η ανάγκη για ένα λειτουργικό σύστηµα παρακολούθησης πληµµύρας στην Τουρκία: Η περίπτωση του ποταµού Έβρου

Από RemoteSensing Wiki

(Διαφορές μεταξύ αναθεωρήσεων)
Μετάβαση σε: πλοήγηση, αναζήτηση
(ΠΙΝΑΚΑΣ ΕΙΚΟΝΩΝ)
(ΠΙΝΑΚΑΣ ΕΙΚΟΝΩΝ)
Γραμμή 174: Γραμμή 174:
Πηγή: www.definiens.com/resource-center_61_24_0.html]]
Πηγή: www.definiens.com/resource-center_61_24_0.html]]
-
[[Εικόνα:Object_taksinomisi_a.jpg|thumb|center|Εικόνα 5.  Μετά την πληµµύρα. Ακρίβεια ταξινόµησης: 100 %. Συντελεστής kappa: 0.86    Πηγή: www.definiens.com/resource-center_61_24_0.html]]
+
 
[[Εικόνα:Gis.jpg|thumb|center|Εικόνα 5.  Με εντονο κόκκινο εµφανίζονται οι περιοχές όπου είναι εντελώς κάτω από το νερο. Οι περιοχές  
[[Εικόνα:Gis.jpg|thumb|center|Εικόνα 5.  Με εντονο κόκκινο εµφανίζονται οι περιοχές όπου είναι εντελώς κάτω από το νερο. Οι περιοχές  
που επηρεάστηκαν στο ελάχιστο από την πληµµύρα είναι µε πράσινο και οι ενδιάµεσοι  
που επηρεάστηκαν στο ελάχιστο από την πληµµύρα είναι µε πράσινο και οι ενδιάµεσοι  

Αναθεώρηση της 23:55, 29 Οκτωβρίου 2009

Add Your Content Here

Τον Μάρτιο του 2006, η πληµµύρα του ποταµού έβρου που σχηµατίζει τα Εληνοτουρκικά σύνορα προκάλεσε σοβαρότητες ζηµιές και στις δυο πλευρές. Χιλιάδες σπίτια και αγροτικές περιοχές πληµµύρησαν και καταστράφηκαν. Για να υπάρχει µια συνολική άποψη της καταστροφής και µια ξεκάθαρη τοποθέτηση του εύρους της πληµµύρας η συλλογή διαχρονικών πληροφοριών (multi- temporal satelite images) είναι ένα πολύτιµο εργαλείο για να εκτιµηθούν οι πληµµυρισµένες περιοχές. Σε αυτή την έρευνα διαχρονικές εικόνες του δορυφόρου SPOT χρησιµοποιήθηκαν.


Author:

Ayda AKKARTAL, Barı GÖRAL, Z. Damla UÇA AVCI, Filiz SUNAR

1 Istanbul Technical University, Center for Satellite Communica- tions and Remote Sensing, 34469 Maslak Istanbul, Turkey ayda@cscsr.itu.edu.tr, baris@cscsr.itu.edu.tr, damla@cscsr.itu.edu.tr

2 Istanbul Technical University, Civil Engineering Faculty, Remote Sensing Division, 34469 Maslak Istanbul, Turkey fsunar@ins.itu.edu.tr



EIKONA:

Σύνορα Τουρκίας-Βουλγαρίας-Ελλάδας

Τεχνικές επεξεργασίας εικόνας:

Συγχώνευση δεδοµένων, Κατάτµηση, Ταξινόµηση.


ΜΕΘΟΔΟΛΟΓΙΑ

1. Γεωµετρική Διόρθωση

Για να µπορούµε να δεντοπίσουµε µε ακρίβεια τις αλλαγές που έγιναν κατά την πληµµύρα πρέπει να αναφερθούν οι εικόνες η µια πάνω στην άλλη. Χρησιµοποιούµε σαν βάση την εικόνα µε τη µεγαλύτερη χωρική ανάλυση ( high resolution SPOT Pan image).

2. Κατάτµηση

Η κατάτµηση έγινε µε σκοπό να διαχωριστούν οι υδάτινες µάζες από τις υπόλοιπες περιοχές.

3. Ταξινόµηση

α.Έγινε επιβλεπόµενη ταξινόµηση µε την µέθοδο της µέγιστης πιθανοφάνειας.

β.Έγινε αντικειµενοστραφής ταξινόµηση


1. ΚΑΤΑΤΜΗΣΗ:

Για την κατάτµηση χρησιµοποιήθηκαν οι τιµές του καναλιού :εγγύς υπέρυθρο.

Οι τιµές ανακλαστικότητας που χρησιµοποιήθηκαν για τον διαχωρισµό είναι

Εικόνες πριν από την πληµµύρα: 15-52 --------> Ποταµός Εικόνες µετά την πληµµύρα: 14-45--------> Ποταµός και πληµµυρισµένη περιοχή

΄Ελεγχος κατάτμησης:

Χρησιμοποιήθηκε ως βάση αναφοράς ο κτηματολογικός χάρτης της περιοχής που έχει σαν χαρτογραφική μονάδα το γεωτεμάχιο και η κατάτμηση κρίθηκε ικανοποιητική.


2. ΤΑΞΙΝΟΜΗΣΗ:

α. Μέθοδος της µέγιστης πιθανοφάνειας

ΑΠΟΤΕΛΕΣΜΑΤΑ

Η περιοχή που κάλυπτε ο ποταµός πριν την πληµµύρα είναι 1.536.125 τ.µ. Η περιοχή της πληµµύρας συµπεριλαµβανοµέου και του ποταµού είναι 7.539.000 τ.µ. Η παραπάνω µέθοδος κρίθηκε ανεπαρκής για την ακριβή εκτίµηση των πληµµυρισµένων περιοχών.

β. Αντικειµενοστραφής ταξινόµηση


ΕΠΙΠΛΕΟΝ ΑΝΑΛΥΣΗ:

Ενσωµάτωση σε GIS

Ψηφιοποιήθηκαν τα όρια των χωραφιών στην εικόνα µε τη µεγαλύτερη χωρική ανάλυση που είχαµε στη διάθεσή µας (SPOT5 Pan). Στη συνέχεια ενσωµατώθηκαν όλα τα δεδοµένα (εικόνες, ταξινοµήσεις, κλπ ) ένα ΣΓΠ. Στη συνέχεια αφού καταγράφηκε στη βάση δεδοµενων ο ιδιοκτήτης του κάθε χωραφιού, το εµβαδό του κάθε χωραφιού, τον κτηµατολογικό αριθµό κ.ο.κ για να γίνει προσοµοίωση ενός πραγµατικού συστήµατος διαχείρισης πληµµύρας.



ΠΙΝΑΚΑΣ ΕΙΚΟΝΩΝ

Στάδια Εικόνες
Εντοπισμός αγροτικών τεμαχίων (eCognition) ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ - ΕΙΚΟΝΑ
Εικόνα 1. Η περιοχή µελέτης και η αντίστοιχη εικόνα του δορυφόρου SPOT4 Πηγή: www.definiens.com/resource-center_61_24_0.html
Εικόνα 2. ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΤΩΝ ΕΙΚΟΝΩΝ Πηγή: www.definiens.com/resource-center_61_24_0.html
1. Κατάτμηση
Εικόνα 2. Παράμετροι κατάτμησης Πηγή: www.definiens.com/resource-center_61_24_0.html
Εικόνα 2. Πηγή: www.definiens.com/resource-center_61_24_0.html
2α. Ταξινόμηση (pixel-based)
Εικόνα 4. Πριν την πληµµύρα. Ακρίβεια ταξινόµησης: 95.9538%. Συντελεστής kappa: 0.9477 Πηγή: www.definiens.com/resource-center_61_24_0.html
Εικόνα 5. Μετά την πληµµύρα. Ακρίβεια ταξινόµησης: 96.2847 %. Συντελεστής kappa: 0.9538 Πηγή: www.definiens.com/resource-center_61_24_0.html
2β.Ταξινόμηση (object-based)
Εικόνα 5. Κατηγορίες ταξινόμησης Πηγή: www.definiens.com/resource-center_61_24_0.html
Εικόνα 5. Μετά την πληµµύρα. Ακρίβεια ταξινόµησης: 100 %. Συντελεστής kappa: 0.86 Πηγή: www.definiens.com/resource-center_61_24_0.html
Εικόνα 5. Μετά την πληµµύρα. Ακρίβεια ταξινόµησης: 0.898 %. Συντελεστής kappa: 0.86 Πηγή: www.definiens.com/resource-center_61_24_0.html
Επιπλέον ανάλυση
Εικόνα 6. Εξαγωγή σε ένα Σύστημα Γεωγραφικών Πληροφοριών για διαχείριση και εισαγωγή πληροφορίας για τα γεωτεμάχια. Ψηφιοποιήθηκαν τα όρια των χωραφιών στην εικόνα µε τη µεγαλύτερη χωρική ανάλυση που είχαµε στη διάθεσή µας (SPOT5 Pan). Στη συνέχεια ενσωµατώθηκαν όλα τα δεδοµένα (εικόνες, ταξινοµήσεις, κλπ ) ένα ΣΓΠ. Στη συνέχεια αφού καταγράφηκε στη βάση δεδοµενων ο ιδιοκτήτης του κάθε χωραφιού, το εµβαδό του κάθε χωραφιού, τον κτηµατολογικό αριθµό κ.ο.κ για να γίνει προσοµοίωση ενός πραγµατικού συστήµατος διαχείρισης πληµµύρας. Πηγή: www.definiens.com/resource-center_61_24_0.html


Εικόνα 5. Με εντονο κόκκινο εµφανίζονται οι περιοχές όπου είναι εντελώς κάτω από το νερο. Οι περιοχές που επηρεάστηκαν στο ελάχιστο από την πληµµύρα είναι µε πράσινο και οι ενδιάµεσοι χρωµατισµοί αντιστοιχούν στις περιοχές µε µεγαλύτερο (αποχρώσεις του κόκκινου) και µικρότερο (αποχρώσεις του πράσινου) πρόβληµα. Πηγή: www.definiens.com/resource-center_61_24_0.html
Προσωπικά εργαλεία