ΘΕΜΑΤΙΚΟΣ ΟΔΗΓΟΣ ΓΙΑ ΤΗΝ ΨΗΦΙΑΚΗ ΤΗΛΕΠΙΣΚΟΠΗΣΗ, ΒΑΣΙΣΜΕΝΗ ΣΕ ΝΥΧΤΕΡΙΝΕΣ ΛΗΨΕΙΣ ΦΩΤΩΝ, ΚΑΙ ΤΙΣ ΕΦΑΡΜΟΓΕΣ ΤΗΣ
Από RemoteSensing Wiki
ΘΕΜΑΤΙΚΟΣ ΟΔΗΓΟΣ ΓΙΑ ΤΗΝ ΨΗΦΙΑΚΗ ΤΗΛΕΠΙΣΚΟΠΗΣΗ, ΒΑΣΙΣΜΕΝΗ ΣΕ ΝΥΧΤΕΡΙΝΕΣ ΛΗΨΕΙΣ ΦΩΤΩΝ, ΚΑΙ ΤΙΣ ΕΦΑΡΜΟΓΕΣ ΤΗΣ
ΑΝΤΙΚΕΙΜΕΝΟ ΕΦΑΡΜΟΓΗΣ: ΘΕΜΑΤΙΚΟΣ ΟΔΗΓΟΣ ΕΦΑΡΜΟΓΩΝ ΨΗΦΙΑΚΗΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ
ΠΡΩΤΟΤΥΠΟΣ ΤΙΤΛΟΣ:CIESIN Thematic Guide to Night-time Light Remote Sensing and its Applications
ΣΥΓΓΡΑΦΕΙΣ:Christopher N.H. Doll
ΠΗΓΗ:CIESN (Center for International Earth Science Information Network, Columbia University), http://sedac.ciesin.columbia.edu/binaries/web/sedac/thematic-guides/ciesin_nl_tg.pdf
ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ: DMSP OLS, Stable lights, ΑΣΤΙΚΑ ΟΡΙΑ, ΠΛΗΘΥΣΜΟΣ,ΟΙΚΟΝΟΜΙΚΗ ΔΡΑΣΤΗΡΙΟΤΗΤΑ,ΦΩΤΟΡΥΠΑΝΣΗ,ΔΙΑΧΕΙΡΙΣΗ ΚΑΤΑΣΤΡΟΦΩΝ
ΠΕΡΙΛΗΨΗ
Οι ψηφιακές απεικονίσεις νυχτερινών φώτων (Night-time light imagery) αποτελούν ένα εξαιρετικό εργαλείο για την επιστήμη της ψηφιακής τηλεπισκόπησης, καθώς προσφέρουν μια αληθινή, «ανθρώπινη» οπτική της γήινης επιφάνειας. Η παρουσία τεχνητού φωτός κατά μήκος της υφηλίου, εξαρτάται εντελώς από την παρουσία ανθρώπινης δραστηριότητας, σε μορφή οικισμών, γεωργικών εκτάσεων, ναυτικών στόλων, καύσης φυσικού αερίου ή ακόμα και πυρκαγιών. Στο πρώτο μέρος του θεματικού οδηγού, θα έρθουμε σε επαφή με τους τύπους των δεδομένων, που μπορούμε να αποκτήσουμε με αυτή την μέθοδο ψηφιακής τηλεπισκόπησης, τα χαρακτηριστικά τους και τους περιορισμούς τους. Το δεύτερο μέρος, εξετάζει, τον τρόπο με τα δεδομένα αυτά χρησιμοποιούνται και με ποιόν τρόπο μας πληροφορούν για την παρουσία του ανθρώπου πάνω στη Γη.
ΕΙΣΑΓΩΓΗ
«Cities, like cats, will reveal themselves at night»
Rupert Brooke, Letters from America
Η παρουσία τεχνητού φωτός σε όλη την επιφάνεια της Γης προσφέρει μερικές από τις πιο «οπτικά» εντυπωσιακές λήψεις από το διάστημα . Η ανακάλυψη ότι ,το τεχνητό φως θα μπορούσε να ανιχνευθεί το βράδυ από έναν αισθητήρα, που αρχικά σχεδιάστηκε για να παρατηρεί την κίνηση των νεφών τη νύχτα, υπήρξε ένα από τα πιο απροσδόκητα οφέλη της τεχνολογίας της τηλεπισκόπησης . Αυτή λοιπόν η ικανότητα αντίληψης και εποπτείας της ανθρώπινης δραστηριότητας και των ανθρωπογενών παρεμβάσεων, δημιουργεί ερωτήματα στο κατά πόσο μπορούμε να επεμβαίνουμε στον πλανήτη μας σε παγκόσμια κλίμακα και με μεγάλη ταχύτητα . Από όταν ο Humphrey Davy για πρώτη φορά παρουσίασε μια λάμπα στο Royal Society το 1806, δεν έχει υπάρξει ούτε μία χώρα στον κόσμο, όπου δεν μπορεί να ανιχνευθεί από την παρουσία τεχνητού φωτός. Ωστόσο, οι πυκνώσεις τεχνητών φώτων ποικίλουν ανά χώρα. Η σχετική φωτεινότητα και χωρική διασπορά των φώτων μπορεί να προσφέρει γνώση για όλο το φάσμα των ανθρωπίνων δραστηριοτήτων. Οι μελέτες και εφαρμογές που θα παρουσιαστούν παρακάτω, αντιπροσωπεύουν το κύριο σώμα της έρευνας, που πραγματοποιείται με αυτά τα δεδομένα.
ΑΙΣΘΗΤΗΡΑΣ DMSP-OLS (DMSP-OLS sensor) KAI ΠΑΡΑΓΩΓΗ ΔΕΔΟΜΕΝΩΝ (data products)
Αυτή η ενότητα περιγράφει τα βασικά στοιχεία και χαρακτηριστικά του αισθητήρα DMSP-OLS, την ιστορία και τον τρόπο που «τραβάει» εικόνες το βράδυ. Στη συνέχεια παρουσιάζονται τα είδη των δεδομένων που διατίθενται προς ανάλυση. Το DMSP (Defense Meteorological Satellite Program) είναι ένα μετεωρολογικό πρόγραμμα του Αμερικανικού Υπουργείου Εθνικής Άμυνας, το οποίο δημιουργήθηκε περί τα μέσα της δεκαετίας του 1960, με στόχο την συλλογή στοιχείων για συγκέντρωση νεφών σε παγκόσμιο επίπεδο και σε καθημερινή βάση. Το σύστημα αναγνωρίστηκε επίσημα και διατέθηκε στην υπηρεσία της πολιτικής και της επιστημονικής κοινότητας, το 1972. Ο δορυφόρος DMSP πετά σε χαμηλή, γήινη τροχιά, συγχρονισμένη με τον ήλιο, (833 χιλιόμετρα μέσο υψόμετρο) και άρα περνά από το ίδιο σημείο συνήθως μεταξύ 20.30 και 21.30 κάθε βράδυ. Περιστρεφόμενος γύρω από τη Γη 14 φορές την ημέρα σημαίνει ότι, έχει την δυνατότητα παγκόσμιας κάλυψης κάθε 24 ώρες. Ο αισθητήρας OLS (Operational Linescan System ) έχει δύο ευρυζωνικούς αισθητήρες, έναν στην ορατή / εγγύς υπέρυθρη ζώνη συχνότητας (VNIR, 0,4 - 1,1 μm) και έναν στην θερμική υπέρυθρη ζώνη συχνότητας (10,5 - 12.6μm). Ο OLS είναι ένας περιοδικός, ραδιομετρικός σαρωτής με ευρύ οπτικό πεδίο (~ 3000 χιλιόμετρα λωρίδα), ο οποίος «τραβάει» εικόνες με πλασματική ανάλυση 0,56 χιλιομέτρων, η οποία επεξεργάζεται επί του σκάφους σε τετράγωνα pixel (5Χ5) ανάλυσης 2,8 χιλιόμετρων. Αυτό συμβαίνει ωστέ να μειωθεί ο όγκος της μνήμης που απαιτείται επί του δορυφόρου.
ΜΕΘΟΔΟΙ ΛΗΨΗΣ ΕΙΚΟΝΩΝ
Υπάρχουν τρεις, διαφορετικοί μέθοδοι επεξεργασίας εικόνων που σχετίζονται με τα σύνολα δεδομένων από τον DMSP-OLS.
• Μέθοδος ανίχνευσης συχνότητας (σταθερά φώτα, Stable lights) • Μέθοδος βαθμονόμησης της ακτινοβολίας (Radiance calibrated ) • Μέθοδος του μέσου, ψηφιακού αριθμού (Average Digital Number)
ΜΕΘΟΔΟΣ ΑΝΙΧΝΕΥΣΗΣ ΣΥΧΝΟΤΗΤΑΣ (Stable lights)
Το έργο του C. Elvidge και της ομάδας του στο NOAA-NGDC του Κολοράντο, για τη δημιουργία των εικόνων «σταθερών φώτων» αντιπροσωπεύει ίσως την μεγαλύτερη πρόοδο στην επεξεργασία των δεδομένων OLS φωτός. Η μέθοδος αυτή εφαρμόστηκε μεταξύ Οκτωβρίου 1994 και Μαρτίου 1995 κατά τις περιόδους χαμηλού, σεληνιακού φωτισμού. Ενώ το σεληνιακό φως ήταν ζωτικής σημασίας για την απεικόνιση νεφών το βράδυ, ωστόσο αποτέλεσε εμπόδιο για την παρατήρηση πηγών φωτός από το έδαφος λόγω της μειωμένης αντίθεσης των φωτεινών πηγών από το έδαφος. Επίσης, εμπόδια παρουσιάστηκαν από την αντανάκλαση του φωτός του ήλιου, που προκαλούσε διάσπαρτες λάμψεις και από τις κακές γραμμές σάρωσης. Στην περίοδο αυτή, τελικά κατασκευάστηκε ένα προσωρινό, νυχτερινό σύνθετο χωρίς απεικονίσεις νεφών. Η σύνθεση διαφορετικών λήψεων όχι μόνο επέτρεψε την εξάλειψη των νεφών από την εικόνα, αλλά επίσης διευκόλυνε και την ανάλυση των «σταθερών φώτων». Η παρουσία «σταθερών φώτων» (τεχνητών) είναι σημαντική για τη διάκριση διαφορετικών πηγών φωτός (π.χ. φώτα της πόλης, φώτα πλοίων ή δασικές πυρκαγιές). Ωστόσο, η διακύμανση της φωτεινότητας μεταξύ των τροχιών σημαίνει ότι, δεν είναι δυνατόν να καθοριστεί ένας ενιαίος ψηφιακός αριθμός (DN) ως κατώτατο όριο για τον εντοπισμό πηγών εκπομπής φωτός. Έτσι, αναπτύχθηκε ένας αλγόριθμος, ο οποίος θα μπορεί να ανιχνεύει αυτόματα το τεχνητό φως. Σύμφωνα με αυτόν τον αλγόριθμο ανίχνευσης, η τιμή κάθε pixel αποδίδεται ανάλογα με το ποσοστό των φορών, που εντοπίστηκε φως κατά τη διάρκεια των «καθαρών -χωρίς σύννεφα» διελεύσεων. Αναλύοντας τη χρονική συχνότητα και τη σταθερότητα των φώτων μπορούμε να διακρίνουμε την πιο πιθανή πηγή τους. Τα φώτα της πόλης, για παράδειγμα, μπορούν να προσδιοριστούν, επειδή είναι χρονικά σταθερά, οι δασικές πυρκαγιές μπορούν επίσης να εντοπιστούν λόγω της θέσης τους και της έλλειψης χρονικής σταθερότητας κατά την περίοδο σύνθεσης. Μέσω λοιπόν αυτής της διαδικασίας, το τελικό, παγκόσμιο, νυχτερινό σύνθετο μπορεί να διηγηθεί μια ποικιλία συμπερασμάτων για: • φώτα από ανθρώπινους οικισμούς και βιομηχανικές εγκαταστάσεις (φώτα πόλης) • πυρκαγιές • φώτα καύσης φυσικού αερίου • φώτα ναυτικών στόλων
ΜΕΘΟΔΟΣ ΒΑΘΜΟΝΟΜΗΣΗΣ ΑΚΤΙΝΟΒΟΛΙΑΣ (Radiance calibrated)
Τα προβλήματα του σχετικά χαμηλού επιπέδου κορεσμού του 6bit - αισθητήρα στις φωτεινές, αστικές περιοχές οδήγησε στον πειραματισμό με μία νέα βάση δεδομένων χαμηλής απολαβής. Πρόκειται για μία μέθοδο ανίχνευσης ενός ευρύτερου φάσματος οικισμών, στην οποία διαφοροποιείται η πρόσληψη των δεδομένων (gain of the sensor). H τεχνική των ορίων (threshold), που χρησιμοποιείται στην μέθοδο των «σταθερών φώτων», αποδείχθηκε ότι, δεν είχε καλές επιδόσεις στον εντοπισμό διάχυτου φωτισμού, ο οποίος είναι συχνά χαμηλός και χωρικά διάσπαρτος. Για την ταυτοποίηση του, αναπτύχθηκε ένα νέο χειροκίνητο εργαλείο λογισμικού. Ο μέσος, ψηφιακός αριθμός (DN) της βαθμονομημένης ακτινοβολίας υπολογίζεται από το σύνολο των ψηφιακών απεικονίσεων. Δεδομένου ότι, η διακύμανση του μέσου, ψηφιακού αριθμού είναι ένας ολοκληρωμένος, φυσικός αριθμός, αυτό αποτελεί ένα ευέλικτο σύνολο δεδομένων, ως προς την χρήση του, σε μια ποικιλία σεναρίων, το οποίο στοχεύει στην εύρεση των κατάλληλων συσχετισμών μεταξύ ακτινοβολίας και παραμέτρων ενδιαφέροντος.
ΜΕΘΟΔΟΣ ΤΟΥ ΜΕΣΟΥ, ΨΗΦΙΑΚΟΥ ΑΡΙΘΜΟΥ (Average Digital Number)
Η τελευταία και πλέον πιο διαδεδομένη μέθοδος επεξεργασίας δεδομένων, νυχτερινού φωτός περιέχει την έννοια του μέσου, ψηφιακού αριθμού. Σε αυτή τη μέθοδο τα δεδομένα επεξεργάζονται, έτσι ώστε να χρησιμοποιηθούν μόνο τα υψηλής ποιότητος, ορατά δεδομένα. Τα pixel εξετάζονται προκειμένου να αφαιρεθούν όσα ανακλούν το σεληνιακό φως, εμφανίζουν μικρές λάμψεις, κακές γραμμές σάρωσης κλπ. Ενώ στην μέθοδο των «σταθερών φώτων», ο εντοπισμός των νεφών γίνεται χρησιμοποιώντας το θερμικό κανάλι, σε αυτή την περίπτωση χρησιμοποιείται ο διορθωτικός αλγόριθμος BRDF, κατά τον οποίο χρησιμοποιούνται μόνο τα κεντρικά τμήματα των τροχιακών σαρώσεων με τρόπο σύμφωνο ως προς τις εικόνες βαθμονομημένης ακτινοβολίας. Αυτή η συνεπής χρήση εικόνων από παρόμοια τμήματα της σάρωσης αποφεύγει τις μεγάλες διακυμάνσεις φωτεινότητας υπό ακραίες γωνίες προβολής. Αυτό διευκολύνει την ανάλυση των μεταβαλλόμενων σχημάτων φωτισμού καθώς εντοπίζει πιο εύκολα:
• Την εμφάνιση νέων πηγών φωτός • Την εξαφάνιση των πηγών φωτός • Την διαστολή και συστολή των πηγών φωτός • Τις θετικές και αρνητικές αλλαγές στη φωτεινότητα των πηγών
ΑΠΟΤΙΜΗΣΗ ΜΕΘΟΔΩΝ
Υπάρχουν δύο χωρικές και χρονικές ιδιότητες του προγράμματος DMSP-OLS, που επηρεάζουν την αποτελεσματικότητα των δεδομένων για το φάσμα των εφαρμογών. Αυτές αφορούν αλλαγές στην χωρική έκταση φωτισμένων περιοχών και τις διακυμάνσεις στην φωτεινότητα ενός pixel στην πάροδο του χρόνου. Ανάλογα με την φύση της εφαρμογής, η σχετική σημασία της χωρικής έκτασης σε σχέση με το περιεχόμενο των πληροφοριών (DN) ποικίλει. Η κατανόηση της συμπεριφοράς των φώτων στο χώρο και στο χρόνο, μπορεί να οδηγήσει σε μια ορθή, επιστημονική χρήση των δεδομένων και στην ελαχιστοποίηση παρερμηνείας των αποτελεσμάτων.
ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΠΡΟΓΡΑΜΜΑΤΟΣ DMSP-OLS (Applications of DMSP-OLS)
Το μεγαλύτερο εύρος ερευνητικών εφαρμογών με τη βοήθεια δεδομένων ψηφιακής τηλεπισκόπησης (remote sensing data), στον τομέα των κοινωνικών επιστημών καλύπτεται από τον θεματικό οδηγό CIESIN Thematic Guide to Social Science Applications of Remote Sensing (de Sherbinin et al. 2002). Στο συγκεκριμένο κείμενο, θα προσπαθήσουμε να εστιάσουμε περισσότερο στο πώς απαντούν τα δεδομένα από νυχτερινές λήψεις σε διάφορα ερευνητικά ερωτήματα, στον τομέα των κοινωνικών επιστημών. Οι εικόνες από νυχτερινές λήψεις φώτων χρησιμοποιούνται με πιο εύληπτο τρόπο στην διαδικασία χαρτογράφησης αστικών περιοχών. Η συγκεκριμένη δυνατότητα χαρτογράφησης περιοχών με ταχύτητα αλλά και με ακρίβεια διευκολύνει σε μεγάλο βαθμό την έρευνα πάνω σε ζητήματα αστικού χώρου. Επιπλέον, η χαρτογράφηση περιοχών σε σχέση με την παραγόμενη φωτεινότητα από σταθερές πηγές φωτός, μπορεί να παράγει συμπεράσματα σχετικά με την κοινωνικο-οικονομική κατάσταση μιας περιοχής. Τα παραδείγματα που ακολουθούν, αποτελούν μια προεπισκόπηση του εύρους εφαρμογών, που έχουν τα δεδομένα DMSP - OLS. Για μια ολοκληρωμένη μεθοδολογική περιγραφή , ο αναγνώστης μπορεί να συμβουλεύεται τις αναφορές που σχετίζονται με την κάθε εφαρμογή .
1. ΑΣΤΙΚΑ ΟΡΙΑ (Urban Extents)
Οι παγκόσμιοι χάρτες κάλυψης γης, αποτελούν χωρικές ταξινομήσεις της γήινης επιφάνειας. Παραδοσιακά, εστιάζουν στις μεγάλες περιοχές βλάστησης και στις καλλιεργήσιμες εκτάσεις, με τις αστικές περιοχές να αποτελούν συμπληρωματική χρήση. Αντίθετα, οι λήψεις νυχτερινών φώτων χαρτογραφούν σχεδόν αποκλειστικά τις αστικές εκτάσεις με ιδιαίτερα ακριβή τρόπο (αν λάβουμε υπόψη μας τον παράγοντα της αντανάκλασης της ακτινοβολίας, ο οποίος πρέπει να συμπεριληφθεί στην διαδικασία της χαρτογράφησης). Χρησιμοποιώντας διάφορες μεθόδους επεξεργασίας των λήψεων {μέθοδος ανίχνευσης συχνότητας (σταθερά φώτα), μέθοδος βαθμονόμησης της ακτινοβολίας, μέθοδος του μέσου, ψηφιακού αριθμού}, μπορούμε να χαρτογραφήσουμε, με μια χρονική αλληλουχία, την μεταβολή των ορίων, την διάχυση και την πυκνότητα των αστικών περιοχών.
2. ΠΛΗΘΥΣΜΟΣ (Population)
Οι μελέτες σχετικά με τον πληθυσμό περιοχών ανέκαθεν χρησιμοποιούσαν μεθόδους ψηφιακής τηλεπισκόπησης. Η πρόβλεψη για μεγέθη πληθυσμού με την χρήση δεδομένων DMSP – OLS στηρίζεται κυρίως στην σχέση μεταξύ του μεγέθους της εξεταζόμενης περιοχής και του πληθυσμού του. Το μοντέλο αλλομετρικής ανάπτυξης (allometric growth model, δηλαδή ότι κάθε περιοχή διαθέτει τον δικό της ρυθμό ανάπτυξης) χρησιμοποιήθηκε ευρέως για να περιγράψει την σχέση μεταξύ έκτασης-πληθυσμού, οποίος διατυπώθηκε από τους Stewart and Warntz (1958) με τον μαθηματικό τύπο: r = aPb, , όπου r η ακτίνα του κύκλου, που ισοδυναμεί με την έκταση της περιοχής, P ο πληθυσμός και a,b συντελεστές. Οι αρχικές μελέτες με δεδομένα DMSP-OLS, διεξήχθησαν στις Η.Π.Α και αποκάλυψαν μια εντυπωσιακή σύνδεση μεταξύ αστικών πηγών φωτός και πυκνότητας πληθυσμού στις ηπειρωτικές περιοχές (Sutton et al., 1997). Έτσι ξεκίνησε η διερεύνηση (Doll,1998) της σχέσης μεταξύ της έκτασης των φωτισμένων περιοχών και της κατανομής του πληθυσμού τους. Δημογραφικά και γεωγραφικά στοιχεία, για περίπου 2954 πόλεις, συγκεντρώθηκαν από διάφορες, επίσημες πηγές, ώστε να συγκριθούν με τα αποτελέσματα της μελέτης από νυχτερινές λήψεις.
Παραδόξως, η ύπαρξη νυχτερινών φώτων μπορεί να είναι πιο ενδεικτική για την πυκνότητα των κατοίκων κατά την διάρκεια της ημέρας, καθώς παρατηρείται μεγάλη ημερήσια μετακίνηση ατόμων από περιοχή σε περιοχή λόγω δουλειάς. Επίσης, πολλές περιοχές, που συγκεντρώνουν γραφεία, επιχειρήσεις, εργοστάσια διατηρούν τα φώτα αναμμένα και κατά την διάρκεια της νύχτας (το «φαινόμενο της φωτεινότητας των περιοχών με μεγάλη οικονομική δραστηριότητα»). Έτσι η μελέτη κατανομής, προκειμένου να είναι ακριβής θα πρέπει να λάβει υπόψη της και άλλα χωρικά δεδομένα. Τα τελικά αποτελέσματα απέδειξαν ότι, τέτοιες μέθοδοι είναι αρκετά ακριβείς. Η διασπορά φωτεινότητας μπορεί επίσης να αποτελέσει εργαλείο έρευνας της πληθυσμιακής διασποράς, καθώς προσφέρει μια βαθμονόμηση κατανομής του πληθυσμού.
3. ΟΙΚΟΝΟΜΙΚΗ ΔΡΑΣΤΗΡΙΟΤΗΤΑ (Economic Activity)
Δεδομένης της ταύτισης μεταξύ των έντονων πηγών φωτός με τα αστικά κέντρα, τα οποία αποτελούν κόμβους οικονομικής δραστηριότητας, μια πιθανή εφαρμογή των δεδομένων DMSP-OLS αποτελεί η χαρτογράφηση της οικονομικής δραστηριότητας-κινητικότητας. Η συσχέτιση νυχτερινών πηγών φωτός με την οικονομική δραστηριότητα σε εθνικό επίπεδο, διατυπώθηκε αρχικά από τον Elvidge et al. (1997). Χρησιμοποιώντας δεδομένα από νυχτερινές λήψεις μεταξύ 1994-1995, το μέγεθος και την πυκνότητα των φωταγωγημένων περιοχών ανά χώρα, συνέκρινε τα αποτελέσματα με τα στοιχεία για το Εθνικό Ακαθάριστο Προϊόν (GDP) για χώρες με διακριτές οικονομικές αντιθέσεις. Αργότερα, ο Doll et al. (2000), υποστήριξε ότι υπάρχει μια παγκόσμια, εγγενής σχέση μεταξύ νυχτερινών φώτων και ΑΕΠ, η οποία οδήγησε στην δημιουργία ενός παγκόσμιου χάρτη, ο οποίος αποτυπώνει διακριτά την οικονομική δραστηριότητας κάθε χώρας, βασισμένο σε δορυφορικά δεδομένα. Η μεμονωμένη όμως χρήση δεδομένων DMSP-OLS δεν καλύπτει ολόκληρο το εύρος των οικονομικών δραστηριοτήτων κάθε χώρας. Οι συγκεκριμένοι χάρτες ομαδοποιούν οικονομικά δεδομένα για χώρες, όπου ο δευτερογενής και τριτογενής τομέας αποτελούν το 90% της οικονομίας. Η αγροτική δραστηριότητα εδώ, η οποία εμφανίζεται χωρικά πιο διεσπαρμένη, σε αυτούς τους χάρτες αποδίδεται στις αστικές περιοχές και όχι στις καλλιεργήσιμες εκτάσεις στην επαρχία, λόγω έλλειψης νυχτερινών πηγών φωτός. Αυτό αποτελεί ακόμα έναν παράγοντα προς διερεύνηση για την σύνταξη χαρτών.
Τέλος, μια επιπλέον «αντίστροφη» εφαρμογή, αποτελεί η χαρτογράφηση των οικονομικά υποβαθμισμένων περιοχών λόγω της ανυπαρξίας νυχτερινών πηγών φωτός.
4. ΕΚΠΟΜΠΗ ΑΕΡΙΩΝ ΤΟΥ ΘΕΡΜΟΚΗΠΙΟΥ (Greenhouse Gas Emissions)
Η ασυμφωνία που προκύπτει από την σύγκριση των δύο χαρτών κατά πάσα πιθανότητα οφείλεται στον τρόπο παραγωγής της ενέργειας (πυρηνική, αιολική, ηλιακή ενέργεια) αλλά και στον τρόπο χρήσης της. Πρέπει να προσμετρηθούν και οι «αόρατες» ενεργειακές χρήσεις και να προσμετρηθούν στις εκτιμήσεις. Τα διεσπαρμένα μεγέθη εκπομπών μεταξύ των δύο χαρτών, υπογραμμίζουν την ανάγκη περαιτέρω διερεύνησης. Όπως και με την οικονομική δραστηριότητα, τα τεχνητά φώτα μπορούν μόνο μερικώς να συλλάβουν το μέγεθος και την κατανομή των εκπομπών αερίων του θερμοκηπίου. Ενώ τα φώτα της πόλης μπορούν να λειτουργήσουν αντιπροσωπευτικά για γενικές / συνολικές διάχυτες εκπομπές, πιο συγκεκριμένες πληροφορίες για τις θέσεις των πυκνότερων ρευμάτων αέρα καθώς και μια ολοκληρωμένη βάση δεδομένων για τις θέσεις των σταθμών παραγωγής ηλεκτρικής ενέργειας, θα καταδείκνυαν τις σημειακές πηγές εκπομπής. Ένα στοιχείο, που ταυτοποιεί τις σημειακές πηγές και αναγνωρίζεται από σημειακό φωτισμό αποτελεί η καύση φυσικού αερίου. Η καύση φυσικού αερίου συμβαίνει σε εγκαταστάσεις παραγωγής/επεξεργασίας πετρελαίου και στις λήψεις DMSP-OLS εμφανίζεται ως φωτεινές, κυκλικές συστάδες.
5. ΦΩΤΟΡΥΠΑΝΣΗ (Light Pollution)
Πιθανώς η πιο εύληπτη εφαρμογή των δεδομένων DMSP-OLS είναι η χαρτογράφηση και ο υπολογισμός του ποσού φωτορύπανσης.
Το project MANTLE (Mapping Night-Time Light Emissions) ήταν ένα χρηματοδοτούμενο από την ΕΕ ερευνητικό πρόγραμμα, που διεξήχθη μεταξύ οκτώ ευρωπαϊκών, ακαδημαϊκών και ιδιωτικών φορέων. Χρησιμοποιώντας βασικά δεδομένα DMSP-OLS είχε ως στόχο να διερευνήσει την πιθανότητα συμπύκνωσης μια σειρά κοινωνικο-οικονομικών δεικτών, συμπεριλαμβανομένου του ΑΕΠ, του πληθυσμού, της κατανάλωσης ενέργειας κλπ. Χρησιμοποιώντας τεχνικές μοντελοποίησης βασισμένες σε GIS, αναπτύχθηκε μια μέθοδος τυπολόγησης της φωτορύπανσης ανάλογα με τις κατηγορίες κάλυψης γης. Συνδυάζοντας τέτοιου είδους στοιχεία με χωρικά δεδομένα, όπως οδικό δίκτυο, κατάφεραν να δημιουργήσουν χάρτες περιβαλλοντικών οχλήσεων.
Το ζήτημα της φωτορύπανσης γίνεται όλο και πιο δημοφιλές, λόγω ενός πρόσφατου άρθρου του National Geographic (KLINKENBORG, 2008) και της ανάπτυξης της International Dark-Sky Association. Σύμφωνα με τα παραπάνω, ανησυχία προκύπτει από τις επιπτώσεις του φαινομένου της φωτορύπανσης στην άγρια ζωή και στις ανθρώπινες κοινωνίες, λόγω του «λεκιάσματος» του νυχτερινού ουρανού από τεχνητό φως. Τα δεδομένα νυχτερινών λήψεων DMSP-OLS αποτελούν μια σημαντική μέθοδο παρακολούθησης της φωτορύπανσης λόγω της αύξηση του τεχνητού φωτισμού, ή μείωσης που οφείλεται σε οικονομικούς παράγοντες.
6. ΔΙΑΧΕΙΡΙΣΗ ΚΑΤΑΣΤΡΟΦΩΝ (Disaster Management)
Η παρατήρηση της παρουσίας (ή απουσίας) του τεχνητού φωτός, προσφέρει την δυνατότητα παρακολούθησης των αστικών και αγροτικών περιοχών μετά τον απόηχο μιας καταστροφής, όπως πυρκαγιά, σεισμός κλπ. Οι βλάβες σε φώτα του δρόμου, κτίρια ή σταθμούς παραγωγής ηλεκτρικής ενέργειας ή γραμμές ηλεκτρικού ρεύματος, μπορούν να έχουν ως αποτέλεσμα χαμηλότερα επίπεδα φωτός, τα οποία ανιχνεύονται μετά από μια μεγάλης κλίμακας καταστροφή. Οι ακόλουθες περιπτωσιολογικές μελέτες υπογραμμίζουν πώς τα δεδομένα DMSP-OLS μπορούν να χρησιμοποιηθούν για την ποσοτικοποίηση της καταστροφής αλλά και την λήψη αποφάσεων για άμεση αντιμετώπιση. Όπως συμβαίνει και με όλα τα οπτικά συστήματα τηλεπισκόπησης, και αυτό βασίζεται στην απουσία νεφώσεων. Ο προσδιορισμός των πυρκαγιών από δορυφορικές εικόνες διευκολύνεται λόγω της ξεχωριστών χωρικών και χρονικών τους χαρακτηριστικών. Στην περίπτωση πυρκαγιών, η καύση βιομάζας και οι εκπομπές της μπορούν να εντοπιστούν σε δασικές περιοχές από φώτα, που έχουν σύντομη χρονική διάρκεια και είναι εξαιρετικά φωτεινά.
Μια σειρά από μελέτες έχουν εξετάσει τη χρήση δεδομένων DMSP-OLS για την αξιολόγηση των πληγέντων περιοχών σε περιπτώσεις καταστροφών. Όπως και στην περίπτωση της ανίχνευσης πυρκαγιάς, χρειάζεται να γίνει σύγκριση μίας στιγμιαίας λήψης μετά την καταστροφή, με μια τυπική λήψη, που θα αποτυπώνει την μακροπρόθεσμη παρουσία τεχνητών φώτων.
ΠΑΡΑΡΤΗΜΑ
DMSP-OLS - Defense Meteorological Satellite Program (DMSP) Operating Linescan System (OLS) Το σύστημα OLS αποτελεί έναν αισθητήρα, ο οποίος ανιχνεύει φως την νύχτα. Είναι προσαρτημένος στην πλατφόρμα DMSP. Πολλαπλοί αισθητήρες μπορούν να προσαρτηθούν σε μια πλατφόρμα.
DN – Digital Number, ένας θετικός ακέραιος, που εκφράζει την φωτεινότητα των πηγών φωτός και σχετίζεται με την τιμή της φωτεινότητας, που λαμβάνει ο αισθητήρας.
GHG - Greenhouse Gas Emissions Ο όρος αναφέρεται σε όλα τα αέρια, που βρίσκονται στην ατμόσφαιρα της γης, τα οποία συμβάλλουν στην διόγκωση του φαινομένου του θερμοκηπίου και προέρχονται από ανθρωπογενείς δραστηριότητες. Αέρια μη ανθρωπογενούς προέλευσης είναι : οι υδρατμοί, το διοξείδιο του άνθρακα, το μεθάνιο, το νιτρικό οξείδιο και το όζον. Κάποιες ανθρωπογενείς δραστηριότητες όμως προσθέτουν τα επιτρεπτά όρια αυτών των αερίων.
