RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Αρχείο:Ag.1.JPG

2011-02-06T19:52:16Z

Ag.theodorou:

Αξιολόγηση της Θεματικής Πληροφορίας των Διαύλων του LANDSAT-5 ΤΜ για την Εκτίμηση Παραμέτρων των Δασικών Συστάδων στη Κασσάνδρα Χαλκιδικής

2011-02-06T19:52:03Z

Ag.theodorou:

Συγγραφείς: Γιώργος Μαλλίνης, Νίκος Κούτσιας, Απόστολος Μάκρας ,Μιχάλης Καρτέρης

<big>''' Αντικείμενο εφαρμογής'''</big>

Συμβολή της δορυφορικής τηλεπισκόπησης στη Δασοπονία.

<big>''' Στόχος της εφαρμογής'''</big>

Παρουσιάζεται η συμβολή της δορυφορικής τηλεπισκόπησης στον έλεγχο και προστασία των δασικών οικοσυστημάτων. Συγκεκριμένα πραγματοποιήθηκε αξιολόγηση των μέσης-υψηλής ευκρίνειας δορυφορικών δεδομένων του Θεματικού Χαρτογράφου LANDSAT-5 για τον υπολογισμό της πυκνότητας, της κυκλικής επιφάνειας, του ξυλώδες όγκου και της δασικής βιομάζας, ενός δασικού οικοσυστήματος υψηλού βαθμού ετερογένειας στη Χερσόνησο της Κασσάνδρας στη Χαλκιδική.

<big>''' Είδη δορυφορικών ή αερομεταφερόμενων συστημάτων, δεκτών και καναλιών'''</big>

1. Δορυφορικά δεδομένα του Landsat-5 Thematic Mapper με ημερομηνία λήψης το Σεπτέμβριο του έτους 1999. (Εικόνα 1)

2. Δορυφορική εικόνα IΚΟΝΟS με ημερομηνία λήψης τον Ιούνιο του 2000.

[[εικόνα:ag.1.JPG|center|400px|]]

Σχήμα 1. Δορυφορικές εικόνες της περιοχή μελέτης και κατανομή των δειγματοληπτικών επιφανειών

<big>''' Χρησιμότητα των δεκτών/καναλιών'''</big>

Η δορυφορική εικόνα IKONOS χρησιμοποιήθηκε για τη γεωμετρική προσαρμογή της δορυφορικής εικόνας του LANDSAT αλλά και για φωτοερμηνευτικούς σκοπούς.

<big>''' Μετρήσεις πεδίου'''</big>

Χρησιμοποιήθηκαν 34 δειγματοληπτικές τετράγωνες επιφάνειες 30 επί 30m για τη μέτρηση των πρωτογενών δασικών παραμέτρων βάσει των οποίων εκτιμήθηκαν και οι υπόλοιπες. (Πίνακας 1)

Πίνακας 1. Δασικές παράμετροι που μετρήθηκαν και εκτιμήθηκαν στις δειγματοληπτικές επιφάνειες

[[εικόνα:1.2.JPG|center|400px|]]

<big>''' Μεθοδολογία'''</big>

1. <big>''' Προεργασίες'''</big>

Η δορυφορική εικόνα του LANDSAT διορθώθηκε:

• Ραδιομετρικά

• Γεωμετρικά

Ακολούθησε τοπογραφική ομαλοποίηση με δύο μεθόδους:

• Με διόρθωση ημιτόνου (τριγωνομετρική προσέγγιση)

• C-διόρθωση (ημι-εμπειρική μέθοδος)

Για τη διαδικασία αυτή επιλέχθηκαν 198 σημεία σε περιοχές με Χαλέπιο Πεύκη οι οποίες παρουσίαζαν τοπογραφική μεταβλητότητα και για τα οποία μετρήθηκαν οι ψηφιακές τιμές σε κάθε δίαυλο και οι τιμές φωτεινότητάς τους.

2. <big>''' Ψηφιακές επεξεργασίες/αλγόριθμοι'''</big>

• Η ομαλοποιημένη εικόνα αξιολογήθηκε οπτικά και στατιστικά.

• Πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση στην αρχική και ομαλοποιημένη εικόνα (μέσω δύο αλγορίθμων: της μεγίστης πιθανοφάνειας και των συντελεστών γραμμικής διακριτικής συνάρτησης του Fisher)

• Eφαρμόστηκαν πολυφασματικοί μετασχηματισμοί (συνιστώσα Greeness του μετασχηματισμού Tasseled Cap)

• Eφαρμόστηκαν δείκτες βλάστησης (PVI, TSAVI, NDVI, RVI)

• Δοκιμάστηκαν διάφοροι συνδυασμοί των αρχικών καναλιών της τοπογραφικά ομαλοποιημένης εικόνας και των πολυφασματικών μετασχηματισμών των αρχικών διαύλων.

Επιλέχθηκε η ανάλυση της παλινδρόμησης για την εκτίμηση δασικών παραμέτρων.

3. <big>''' Χρήση επιπρόσθετων χαρτών και αναγκαιότητας τους'''</big>

Χρησιμοποιήθηκαν τοπογραφικοί χάρτες της Γεωγραφικής Υπηρεσίας Στρατού (ΓΥΣ), κλίμακας 1:5.000, στους οποίους ψηφιοποιήθηκαν οι χωροσταθμικές καμπύλες ισοδιάστασης 20m. Η διαδικασία αυτή ήταν αναγκαία προκειμένου να δημιουργηθεί το ψηφιακό μοντέλο εδάφους.

<big>''' Σημαντικά αποτελέσματα'''</big>

1. <big>''' Τοπογραφική ομαλοποίηση'''</big>

Δημιουργήθηκαν γραμμικά μοντέλα παλινδρόμησης (Πίνακας 2).

Πίνακας 2. Συντελεστές συσχέτισης μεταξύ των ψηφιακών τιμών και της φωτεινότητας πριν και μετά την τοπογραφική διόρθωση καθώς και οι υπολογισθείσες τιμές του παράγοντα c.

[[εικόνα:1.3.JPG|center|400px|]]

Μετά από οπτική αξιολόγηση της τοπογραφικής ομαλοποίησης διαπιστώθηκε πως:

-η εφαρμογή διόρθωσης του συνημίτονου προκάλεσε έντονη φασματική διαφοροποίηση των δεδομένων σε κορυφογραμμές και ανεπαρκή διόρθωση σε έντονα σκιασμένες περιοχές.

-αποτελεσματικότερη τοπογραφική ομαλοποίηση της εικόνας επετεύχθη με την ημι-εμπειρική μέθοδο. (Πίνακας 3)

Πίνακας 3. Επίδραση της τοπογραφικής ομαλοποίησης στις τιμές της εικόνας με την εμπειρική (γκρι κελιά) και τη μέθοδο του συνημίτονου (λευκά κελιά)

[[εικόνα:1.4.JPG|center|400px|]]

2. <big>''' Πολυφασματικοί μετασχηματισμοί'''</big>

Επιλέχθηκαν περιοχές γυμνού εδάφους για τις οποίες εκτιμήθηκε η καλύτερη δυνατή γραμμή προσαρμογής. (Σχήμα 2)

[[εικόνα:1.5.JPG|center|400px|]]

Σχήμα 2. Υπολογισμός της γραμμής εδάφους, χρησιμοποιώντας περιοχές με γυμνό έδαφος

3. <big>''' Ταξινόμηση εικόνας'''</big>

Η τοπογραφική ομαλοποίηση του Fisher βελτίωσε την ακρίβεια της ταξινόμησης. Τα συνοπτικά αποτελέσματα της ακρίβειας φαίνονται στον πίνακα 4.

Πίνακας 4. Μήτρα σημαντικότητας για την αρχική και την τοπογραφικά ομαλοποιημένη εικόνα με τη χρήση του αλγόριθμου της μέγιστης πιθανοφάνειας και των συντελεστών του Fisher

[[εικόνα:1.6.JPG|center|400px|]]

4. <big>''' Εκτίμηση δασικών παραμέτρων'''</big>

• Για την πολλαπλή παλινδρόμηση τα καλύτερα αποτελέσματα αφορούν την κυκλική επιφάνεια. Για όλες τις εξαρτημένες μεταβλητές τα καλύτερα αποτελέσματα, περιελάμβαναν τους φασματικούς διαύλους TM2 και TM3. (Πίνακας 5)

Πίνακας 5. Αποτελέσματα πολλαπλής γραμμικής παλινδρόμησης

[[εικόνα:1.7.JPG|center|400px|]]

• Για την απλή παλινδρόμηση ο δίαυλος που ήταν συσχετισμένος καλύτερα από όλους τους υπόλοιπους ήταν ο ΤΜ4. (Πίνακας 6)

Πίνακας 6. Αποτελέσματα απλής γραμμικής παλινδρόμησης

[[εικόνα:1.8.JPG|center|400px|]]

5. <big>''' Συμπεράσματα'''</big>

• Η τοπογραφική ομαλοποίηση ήταν επιτυχημένη και αναγκαία.

• Οι συντελεστές διακριτικής συνάρτησης του Fisher βελτίωσε την ακρίβεια της ταξινόμησης.

• Ένα μεγάλο ποσό της διακύμανσης των εξαρτημένων μεταβλητών έμεινε ανεξήγητο από τα μοντέλα της παλινδρόμησης.

• Το γεγονός ότι παρόμοιες ερευνητικές εργασίες που έχουν πραγματοποιηθεί σε ομοιόμορφα βόρεια δάση είχαν μεγαλύτερους συντελεστές συσχέτισης επιβεβαιώνει την επίδραση της μέτριας χωρικής διακριτότητας σε συνδυασμό με την αυξανόμενη ετερογένεια.

[[εικόνα:1.9.JPG|center|400px|]]

Σχήμα 3. Εύρος των ψηφιακών τιμών των εικονοστοιχείων, τα οποία αντιστοιχούν σε περιοχές καλυπτόμενες από χαλέπιο πεύκη. Διακρίνονται οι μέγιστες και οι ελάχιστες τιμές, καθώς και οι μέσες τιμές

[[category:Δασοπονία, Δασική διαχείριση]]

Αξιολόγηση της Θεματικής Πληροφορίας των Διαύλων του LANDSAT-5 ΤΜ για την Εκτίμηση Παραμέτρων των Δασικών Συστάδων στη Κασσάνδρα Χαλκιδικής

2011-02-06T19:51:25Z

Ag.theodorou:

Συγγραφείς: Γιώργος Μαλλίνης, Νίκος Κούτσιας, Απόστολος Μάκρας ,Μιχάλης Καρτέρης

<big>''' Αντικείμενο εφαρμογής'''</big>

Συμβολή της δορυφορικής τηλεπισκόπησης στη Δασοπονία.

<big>''' Στόχος της εφαρμογής'''</big>

Παρουσιάζεται η συμβολή της δορυφορικής τηλεπισκόπησης στον έλεγχο και προστασία των δασικών οικοσυστημάτων. Συγκεκριμένα πραγματοποιήθηκε αξιολόγηση των μέσης-υψηλής ευκρίνειας δορυφορικών δεδομένων του Θεματικού Χαρτογράφου LANDSAT-5 για τον υπολογισμό της πυκνότητας, της κυκλικής επιφάνειας, του ξυλώδες όγκου και της δασικής βιομάζας, ενός δασικού οικοσυστήματος υψηλού βαθμού ετερογένειας στη Χερσόνησο της Κασσάνδρας στη Χαλκιδική.

<big>''' Είδη δορυφορικών ή αερομεταφερόμενων συστημάτων, δεκτών και καναλιών'''</big>

1. Δορυφορικά δεδομένα του Landsat-5 Thematic Mapper με ημερομηνία λήψης το Σεπτέμβριο του έτους 1999. (Εικόνα 1)

2. Δορυφορική εικόνα IΚΟΝΟS με ημερομηνία λήψης τον Ιούνιο του 2000.

[[εικόνα:1.2.JPG|center|400px|]]

Σχήμα 1. Δορυφορικές εικόνες της περιοχή μελέτης και κατανομή των δειγματοληπτικών επιφανειών

<big>''' Χρησιμότητα των δεκτών/καναλιών'''</big>

Η δορυφορική εικόνα IKONOS χρησιμοποιήθηκε για τη γεωμετρική προσαρμογή της δορυφορικής εικόνας του LANDSAT αλλά και για φωτοερμηνευτικούς σκοπούς.

<big>''' Μετρήσεις πεδίου'''</big>

Χρησιμοποιήθηκαν 34 δειγματοληπτικές τετράγωνες επιφάνειες 30 επί 30m για τη μέτρηση των πρωτογενών δασικών παραμέτρων βάσει των οποίων εκτιμήθηκαν και οι υπόλοιπες. (Πίνακας 1)

Πίνακας 1. Δασικές παράμετροι που μετρήθηκαν και εκτιμήθηκαν στις δειγματοληπτικές επιφάνειες

[[εικόνα:1.2.JPG|center|400px|]]

<big>''' Μεθοδολογία'''</big>

1. <big>''' Προεργασίες'''</big>

Η δορυφορική εικόνα του LANDSAT διορθώθηκε:

• Ραδιομετρικά

• Γεωμετρικά

Ακολούθησε τοπογραφική ομαλοποίηση με δύο μεθόδους:

• Με διόρθωση ημιτόνου (τριγωνομετρική προσέγγιση)

• C-διόρθωση (ημι-εμπειρική μέθοδος)

Για τη διαδικασία αυτή επιλέχθηκαν 198 σημεία σε περιοχές με Χαλέπιο Πεύκη οι οποίες παρουσίαζαν τοπογραφική μεταβλητότητα και για τα οποία μετρήθηκαν οι ψηφιακές τιμές σε κάθε δίαυλο και οι τιμές φωτεινότητάς τους.

2. <big>''' Ψηφιακές επεξεργασίες/αλγόριθμοι'''</big>

• Η ομαλοποιημένη εικόνα αξιολογήθηκε οπτικά και στατιστικά.

• Πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση στην αρχική και ομαλοποιημένη εικόνα (μέσω δύο αλγορίθμων: της μεγίστης πιθανοφάνειας και των συντελεστών γραμμικής διακριτικής συνάρτησης του Fisher)

• Eφαρμόστηκαν πολυφασματικοί μετασχηματισμοί (συνιστώσα Greeness του μετασχηματισμού Tasseled Cap)

• Eφαρμόστηκαν δείκτες βλάστησης (PVI, TSAVI, NDVI, RVI)

• Δοκιμάστηκαν διάφοροι συνδυασμοί των αρχικών καναλιών της τοπογραφικά ομαλοποιημένης εικόνας και των πολυφασματικών μετασχηματισμών των αρχικών διαύλων.

Επιλέχθηκε η ανάλυση της παλινδρόμησης για την εκτίμηση δασικών παραμέτρων.

3. <big>''' Χρήση επιπρόσθετων χαρτών και αναγκαιότητας τους'''</big>

Χρησιμοποιήθηκαν τοπογραφικοί χάρτες της Γεωγραφικής Υπηρεσίας Στρατού (ΓΥΣ), κλίμακας 1:5.000, στους οποίους ψηφιοποιήθηκαν οι χωροσταθμικές καμπύλες ισοδιάστασης 20m. Η διαδικασία αυτή ήταν αναγκαία προκειμένου να δημιουργηθεί το ψηφιακό μοντέλο εδάφους.

<big>''' Σημαντικά αποτελέσματα'''</big>

1. <big>''' Τοπογραφική ομαλοποίηση'''</big>

Δημιουργήθηκαν γραμμικά μοντέλα παλινδρόμησης (Πίνακας 2).

Πίνακας 2. Συντελεστές συσχέτισης μεταξύ των ψηφιακών τιμών και της φωτεινότητας πριν και μετά την τοπογραφική διόρθωση καθώς και οι υπολογισθείσες τιμές του παράγοντα c.

[[εικόνα:1.3.JPG|center|400px|]]

Μετά από οπτική αξιολόγηση της τοπογραφικής ομαλοποίησης διαπιστώθηκε πως:

-η εφαρμογή διόρθωσης του συνημίτονου προκάλεσε έντονη φασματική διαφοροποίηση των δεδομένων σε κορυφογραμμές και ανεπαρκή διόρθωση σε έντονα σκιασμένες περιοχές.

-αποτελεσματικότερη τοπογραφική ομαλοποίηση της εικόνας επετεύχθη με την ημι-εμπειρική μέθοδο. (Πίνακας 3)

Πίνακας 3. Επίδραση της τοπογραφικής ομαλοποίησης στις τιμές της εικόνας με την εμπειρική (γκρι κελιά) και τη μέθοδο του συνημίτονου (λευκά κελιά)

[[εικόνα:1.4.JPG|center|400px|]]

2. <big>''' Πολυφασματικοί μετασχηματισμοί'''</big>

Επιλέχθηκαν περιοχές γυμνού εδάφους για τις οποίες εκτιμήθηκε η καλύτερη δυνατή γραμμή προσαρμογής. (Σχήμα 2)

[[εικόνα:1.5.JPG|center|400px|]]

Σχήμα 2. Υπολογισμός της γραμμής εδάφους, χρησιμοποιώντας περιοχές με γυμνό έδαφος

3. <big>''' Ταξινόμηση εικόνας'''</big>

Η τοπογραφική ομαλοποίηση του Fisher βελτίωσε την ακρίβεια της ταξινόμησης. Τα συνοπτικά αποτελέσματα της ακρίβειας φαίνονται στον πίνακα 4.

Πίνακας 4. Μήτρα σημαντικότητας για την αρχική και την τοπογραφικά ομαλοποιημένη εικόνα με τη χρήση του αλγόριθμου της μέγιστης πιθανοφάνειας και των συντελεστών του Fisher

[[εικόνα:1.6.JPG|center|400px|]]

4. <big>''' Εκτίμηση δασικών παραμέτρων'''</big>

• Για την πολλαπλή παλινδρόμηση τα καλύτερα αποτελέσματα αφορούν την κυκλική επιφάνεια. Για όλες τις εξαρτημένες μεταβλητές τα καλύτερα αποτελέσματα, περιελάμβαναν τους φασματικούς διαύλους TM2 και TM3. (Πίνακας 5)

Πίνακας 5. Αποτελέσματα πολλαπλής γραμμικής παλινδρόμησης

[[εικόνα:1.7.JPG|center|400px|]]

• Για την απλή παλινδρόμηση ο δίαυλος που ήταν συσχετισμένος καλύτερα από όλους τους υπόλοιπους ήταν ο ΤΜ4. (Πίνακας 6)

Πίνακας 6. Αποτελέσματα απλής γραμμικής παλινδρόμησης

[[εικόνα:1.8.JPG|center|400px|]]

5. <big>''' Συμπεράσματα'''</big>

• Η τοπογραφική ομαλοποίηση ήταν επιτυχημένη και αναγκαία.

• Οι συντελεστές διακριτικής συνάρτησης του Fisher βελτίωσε την ακρίβεια της ταξινόμησης.

• Ένα μεγάλο ποσό της διακύμανσης των εξαρτημένων μεταβλητών έμεινε ανεξήγητο από τα μοντέλα της παλινδρόμησης.

• Το γεγονός ότι παρόμοιες ερευνητικές εργασίες που έχουν πραγματοποιηθεί σε ομοιόμορφα βόρεια δάση είχαν μεγαλύτερους συντελεστές συσχέτισης επιβεβαιώνει την επίδραση της μέτριας χωρικής διακριτότητας σε συνδυασμό με την αυξανόμενη ετερογένεια.

[[εικόνα:1.9.JPG|center|400px|]]

Σχήμα 3. Εύρος των ψηφιακών τιμών των εικονοστοιχείων, τα οποία αντιστοιχούν σε περιοχές καλυπτόμενες από χαλέπιο πεύκη. Διακρίνονται οι μέγιστες και οι ελάχιστες τιμές, καθώς και οι μέσες τιμές

[[category:Δασοπονία, Δασική διαχείριση]]

Αξιολόγηση της Θεματικής Πληροφορίας των Διαύλων του LANDSAT-5 ΤΜ για την Εκτίμηση Παραμέτρων των Δασικών Συστάδων στη Κασσάνδρα Χαλκιδικής

2011-02-06T19:50:30Z

Ag.theodorou:

Συγγραφείς: Γιώργος Μαλλίνης, Νίκος Κούτσιας, Απόστολος Μάκρας ,Μιχάλης Καρτέρης

<big>''' Αντικείμενο εφαρμογής'''</big>

Συμβολή της δορυφορικής τηλεπισκόπησης στη Δασοπονία.

<big>''' Στόχος της εφαρμογής'''</big>

Παρουσιάζεται η συμβολή της δορυφορικής τηλεπισκόπησης στον έλεγχο και προστασία των δασικών οικοσυστημάτων. Συγκεκριμένα πραγματοποιήθηκε αξιολόγηση των μέσης-υψηλής ευκρίνειας δορυφορικών δεδομένων του Θεματικού Χαρτογράφου LANDSAT-5 για τον υπολογισμό της πυκνότητας, της κυκλικής επιφάνειας, του ξυλώδες όγκου και της δασικής βιομάζας, ενός δασικού οικοσυστήματος υψηλού βαθμού ετερογένειας στη Χερσόνησο της Κασσάνδρας στη Χαλκιδική.

<big>''' Είδη δορυφορικών ή αερομεταφερόμενων συστημάτων, δεκτών και καναλιών'''</big>

1. Δορυφορικά δεδομένα του Landsat-5 Thematic Mapper με ημερομηνία λήψης το Σεπτέμβριο του έτους 1999. (Εικόνα 1)

2. Δορυφορική εικόνα IΚΟΝΟS με ημερομηνία λήψης τον Ιούνιο του 2000.

Σχήμα 1. Δορυφορικές εικόνες της περιοχή μελέτης και κατανομή των δειγματοληπτικών επιφανειών

<big>''' Χρησιμότητα των δεκτών/καναλιών'''</big>

Η δορυφορική εικόνα IKONOS χρησιμοποιήθηκε για τη γεωμετρική προσαρμογή της δορυφορικής εικόνας του LANDSAT αλλά και για φωτοερμηνευτικούς σκοπούς.

<big>''' Μετρήσεις πεδίου'''</big>

Χρησιμοποιήθηκαν 34 δειγματοληπτικές τετράγωνες επιφάνειες 30 επί 30m για τη μέτρηση των πρωτογενών δασικών παραμέτρων βάσει των οποίων εκτιμήθηκαν και οι υπόλοιπες. (Πίνακας 1)

Πίνακας 1. Δασικές παράμετροι που μετρήθηκαν και εκτιμήθηκαν στις δειγματοληπτικές επιφάνειες

[[εικόνα:1.2.JPG|center|400px|]]

<big>''' Μεθοδολογία'''</big>

1. <big>''' Προεργασίες'''</big>

Η δορυφορική εικόνα του LANDSAT διορθώθηκε:

• Ραδιομετρικά

• Γεωμετρικά

Ακολούθησε τοπογραφική ομαλοποίηση με δύο μεθόδους:

• Με διόρθωση ημιτόνου (τριγωνομετρική προσέγγιση)

• C-διόρθωση (ημι-εμπειρική μέθοδος)

Για τη διαδικασία αυτή επιλέχθηκαν 198 σημεία σε περιοχές με Χαλέπιο Πεύκη οι οποίες παρουσίαζαν τοπογραφική μεταβλητότητα και για τα οποία μετρήθηκαν οι ψηφιακές τιμές σε κάθε δίαυλο και οι τιμές φωτεινότητάς τους.

2. <big>''' Ψηφιακές επεξεργασίες/αλγόριθμοι'''</big>

• Η ομαλοποιημένη εικόνα αξιολογήθηκε οπτικά και στατιστικά.

• Πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση στην αρχική και ομαλοποιημένη εικόνα (μέσω δύο αλγορίθμων: της μεγίστης πιθανοφάνειας και των συντελεστών γραμμικής διακριτικής συνάρτησης του Fisher)

• Eφαρμόστηκαν πολυφασματικοί μετασχηματισμοί (συνιστώσα Greeness του μετασχηματισμού Tasseled Cap)

• Eφαρμόστηκαν δείκτες βλάστησης (PVI, TSAVI, NDVI, RVI)

• Δοκιμάστηκαν διάφοροι συνδυασμοί των αρχικών καναλιών της τοπογραφικά ομαλοποιημένης εικόνας και των πολυφασματικών μετασχηματισμών των αρχικών διαύλων.

Επιλέχθηκε η ανάλυση της παλινδρόμησης για την εκτίμηση δασικών παραμέτρων.

3. <big>''' Χρήση επιπρόσθετων χαρτών και αναγκαιότητας τους'''</big>

Χρησιμοποιήθηκαν τοπογραφικοί χάρτες της Γεωγραφικής Υπηρεσίας Στρατού (ΓΥΣ), κλίμακας 1:5.000, στους οποίους ψηφιοποιήθηκαν οι χωροσταθμικές καμπύλες ισοδιάστασης 20m. Η διαδικασία αυτή ήταν αναγκαία προκειμένου να δημιουργηθεί το ψηφιακό μοντέλο εδάφους.

<big>''' Σημαντικά αποτελέσματα'''</big>

1. <big>''' Τοπογραφική ομαλοποίηση'''</big>

Δημιουργήθηκαν γραμμικά μοντέλα παλινδρόμησης (Πίνακας 2).

Πίνακας 2. Συντελεστές συσχέτισης μεταξύ των ψηφιακών τιμών και της φωτεινότητας πριν και μετά την τοπογραφική διόρθωση καθώς και οι υπολογισθείσες τιμές του παράγοντα c.

[[εικόνα:1.3.JPG|center|400px|]]

Μετά από οπτική αξιολόγηση της τοπογραφικής ομαλοποίησης διαπιστώθηκε πως:

-η εφαρμογή διόρθωσης του συνημίτονου προκάλεσε έντονη φασματική διαφοροποίηση των δεδομένων σε κορυφογραμμές και ανεπαρκή διόρθωση σε έντονα σκιασμένες περιοχές.

-αποτελεσματικότερη τοπογραφική ομαλοποίηση της εικόνας επετεύχθη με την ημι-εμπειρική μέθοδο. (Πίνακας 3)

Πίνακας 3. Επίδραση της τοπογραφικής ομαλοποίησης στις τιμές της εικόνας με την εμπειρική (γκρι κελιά) και τη μέθοδο του συνημίτονου (λευκά κελιά)

[[εικόνα:1.4.JPG|center|400px|]]

2. <big>''' Πολυφασματικοί μετασχηματισμοί'''</big>

Επιλέχθηκαν περιοχές γυμνού εδάφους για τις οποίες εκτιμήθηκε η καλύτερη δυνατή γραμμή προσαρμογής. (Σχήμα 2)

[[εικόνα:1.5.JPG|center|400px|]]

Σχήμα 2. Υπολογισμός της γραμμής εδάφους, χρησιμοποιώντας περιοχές με γυμνό έδαφος

3. <big>''' Ταξινόμηση εικόνας'''</big>

Η τοπογραφική ομαλοποίηση του Fisher βελτίωσε την ακρίβεια της ταξινόμησης. Τα συνοπτικά αποτελέσματα της ακρίβειας φαίνονται στον πίνακα 4.

Πίνακας 4. Μήτρα σημαντικότητας για την αρχική και την τοπογραφικά ομαλοποιημένη εικόνα με τη χρήση του αλγόριθμου της μέγιστης πιθανοφάνειας και των συντελεστών του Fisher

[[εικόνα:1.6.JPG|center|400px|]]

4. <big>''' Εκτίμηση δασικών παραμέτρων'''</big>

• Για την πολλαπλή παλινδρόμηση τα καλύτερα αποτελέσματα αφορούν την κυκλική επιφάνεια. Για όλες τις εξαρτημένες μεταβλητές τα καλύτερα αποτελέσματα, περιελάμβαναν τους φασματικούς διαύλους TM2 και TM3. (Πίνακας 5)

Πίνακας 5. Αποτελέσματα πολλαπλής γραμμικής παλινδρόμησης

[[εικόνα:1.7.JPG|center|400px|]]

• Για την απλή παλινδρόμηση ο δίαυλος που ήταν συσχετισμένος καλύτερα από όλους τους υπόλοιπους ήταν ο ΤΜ4. (Πίνακας 6)

Πίνακας 6. Αποτελέσματα απλής γραμμικής παλινδρόμησης

[[εικόνα:1.8.JPG|center|400px|]]

5. <big>''' Συμπεράσματα'''</big>

• Η τοπογραφική ομαλοποίηση ήταν επιτυχημένη και αναγκαία.

• Οι συντελεστές διακριτικής συνάρτησης του Fisher βελτίωσε την ακρίβεια της ταξινόμησης.

• Ένα μεγάλο ποσό της διακύμανσης των εξαρτημένων μεταβλητών έμεινε ανεξήγητο από τα μοντέλα της παλινδρόμησης.

• Το γεγονός ότι παρόμοιες ερευνητικές εργασίες που έχουν πραγματοποιηθεί σε ομοιόμορφα βόρεια δάση είχαν μεγαλύτερους συντελεστές συσχέτισης επιβεβαιώνει την επίδραση της μέτριας χωρικής διακριτότητας σε συνδυασμό με την αυξανόμενη ετερογένεια.

[[εικόνα:1.9.JPG|center|400px|]]

Σχήμα 3. Εύρος των ψηφιακών τιμών των εικονοστοιχείων, τα οποία αντιστοιχούν σε περιοχές καλυπτόμενες από χαλέπιο πεύκη. Διακρίνονται οι μέγιστες και οι ελάχιστες τιμές, καθώς και οι μέσες τιμές

[[category:Δασοπονία, Δασική διαχείριση]]

Ανάλυση της Επικινδυνότητας για Εμφάνιση Κατολισθήσεων με Τηλεπισκοπικές Μεθόδους: Αποτελέσματα του ESA/SLAM PROJET

2011-02-06T19:45:47Z

Ag.theodorou:

<big>''' Ανάλυση της Επικινδυνότητας για Εμφάνιση Κατολισθήσεων με Τηλεπισκοπικές Μεθόδους: Αποτελέσματα του ESA/SLAM PROJET'''</big>

Συγγραφείς: P.Farina, S. Moretti, D. Colombo, A. Fumagalli, P. Manunta

<big>''' Αντικείμενο εφαρμογής'''</big>

Ανάλυση της επικινδυνότητας για εκδήλωση φαινομένων κατολισθήσεων.

<big>''' Στόχος εφαρμογής'''</big>

Το κείμενο είναι επικεντρωμένο στην περιγραφή της δραστηριότητας του “SLAM Project” (Service for Landslides Monitoring). To “SLAM Project” αποσκοπεί στο να αξιολογήσει τις ικανότητες της μεθόδου παρεμβαλλομετρίας SAR για να γίνει ένα εργαλείο για την εκτίμηση της επικινδυνότητας φαινομένων κατολίσθησης.

<big>''' Εισαγωγή'''</big>

Παραδοσιακές μέθοδοι που χρησιμοποιούνται για τη χαρτογράφηση και τη παρακολούθηση των μαζών μπορούν να επωφεληθούν από την εφαρμογή τεχνικών τηλεπισκόπησης σε συνδυασμό με ανάλυση GIS. Η χρησιμοποίηση νέων τεχνολογιών RS (όπως παρεμβαλλομετρία SAR και οπτικές εικόνες υψηλής ευκρίνειας) επιτρέπει την ταχεία απόκτηση ποσοτικών στοιχείων για μεγάλες εκτάσεις, μειώνοντας την εργασία πεδίου άρα και το κόστος. Αυτή η προσέγγιση έχει υιοθετηθεί στο “SLAM Project”, στα πλαίσια του οποίου, η επεξεργασία των Μόνιμων Σκεδαστών (Permanent Scatterers-PS technique) και η ανάλυση της υψηλής ευκρίνειας εικόνων εφαρμόστηκαν στην περιοχή λεκανών απορροής του ποταμού Άρνου (Κεντρική Ιταλία). Περίπου 350 SAR εικόνες έχουν επεξεργαστεί παρεμβαλλομετρικά μέσω της τεχνικής PS, και σε αυτές εντοπίστηκαν 650.000PS περίπου.

<big>''' Περιοχή μελέτης'''</big>

Περιοχή μελέτης είναι η λεκάνη απορροής του ποταμού Άρνου η οποία βρίσκεται στη Τοσκάνη (Σχήμα 1). Η περιοχή αυτή βρίσκεται στην ορεινή ζώνη στα βόρεια Απέννινα και επιλέχθηκε για το μεγάλο αριθμό μετακινήσεων μαζών (μέχρι σήμερα έχουν χαρτογραφηθεί πάνω από 30.000 κατολισθήσεις και 300 περίπου περιοχές με υψηλή επικινδυνότητα για φαινόμενα κατολισθήσεων).

Για την περιοχή υπολογίστηκε:

• 74% των κινήσεων των μαζών συμβαίνουν σε “επίπεδες” πλαγιές

• 20% των κατολισθήσεων συμβαίνουν σε μικρές πλαγιές και

• 5% συμβαίνουν από τις ροές του νερού.

[[εικόνα:ag_4.1.JPG|center|400px|]]

Σχήμα 1: Λεκάνη απορροής του ποταμού Άρνου

<big>''' Μεθοδολογία'''</big>

Τρία είναι τα προϊόντα έρευνας τα οποία παράγει το “SLAM Project”, η ανάλυση των οποίων έπεται.

1. Απογραφή κατολισθήσεων σε χάρτη

Το 2003 πραγματοποιήθηκε για την περιοχή του ποταμού Άρνου απογραφή των ενεργών και αδρανών κατολισθήσεων σε έναν χάρτη αναφοράς κλίμακας 1:10.000 με παραδοσιακά γεωμορφολογικά εργαλεία. Ο στόχος του “SLAM Project” ήταν η ένωση της απογραφής με την πληροφορία η οποία προήλθε από τους μόνιμους σκεδαστές της παρεμβαλλομετρικής ανάλυσης (PS technique). Η τεχνική αυτή παρέχει σημειακές πληροφορίες οι οποίες είναι πυκνές μόνο σε αστικές περιοχές. Για να δοθεί χωρική διάσταση στις PS πληροφορίες είναι απαραίτητο να συνδυαστούν με την ανάλυση δορυφορικών εικόνων ή αεροφωτογραφιών.
Περίπου 350 SAR εικόνες αποκτήθηκαν από το δορυφορικό σύστημα ERS1 & 2 από το 1992 έως το 2002 για την περιοχή μελέτης. Ανιχνεύτηκαν έτσι 650.000 PS τα οποία εισήχθησαν σε περιβάλλον GIS και συγκρίθηκαν με τον προηγούμενο χάρτη. Διαφορές ανάμεσα στα δύο σύνολα των στοιχείων αναλύθηκαν με οπτική ερμηνεία των εικόνων SPOT 5 και κάποιων αεροφωτογραφιών (με κλίμακα 1:30.000 έως 1:10.000) για να εντοπιστούν πιθανά σημεία εμφάνισης κατολισθήσεων.

Σε μια έκταση 1.750Km2 της περιοχής μελέτης ισχύουν τα εξής:

• 352 κατολισθήσεις (10,1%) χαρακτηρίζονται από την παρουσία ενός τουλάχιστον PS

• 154 (6,5%) νέες ασταθείς περιοχές βρέθηκαν οι οποίες έχουν χαρτογραφηθεί.

Τα παραπάνω αποτελέσματα φαίνεται να επιβεβαιώνουν την εγκυρότητα της μεθοδολογίας για τη χαρτογράφηση κατολισθήσεων. (Σχήμα 2)

[[εικόνα:ag_4.2.JPG|center|400px|]]

Σχήμα 2: Επικάλυψη του χάρτη απογραφής με τα σημεία PS με κατάταξη βάσει της ταχύτητας του φαινομένου

2. Παρακολούθηση μετατόπισης των κατολισθήσεων

Η πληροφορία η οποία προέρχεται από τη μέθοδο SAR μπορεί να χρησιμοποιηθεί ως εργαλείο παρακολούθησης για αργές κατολισθήσεις (μερικά cm/year) και συμπληρωματικά σε άλλα in-situ στοιχεία τα οποία παρέχουν πληροφορίες για υπόγειες κινήσεις.
Το τελικό προϊόν μιας τέτοιας ανάλυσης αποτελείται από μια έκθεση για κάθε περιοχή μελέτης η οποία περιλαμβάνει το γεωλογικό μοντέλο του φαινομένου. Με αυτόν τον τρόπο επιτυγχάνεται μια αρχική συλλογή και αναθεώρηση των πληροφοριών από βιβλία για να επιτευχθεί η υπέρθεση των δεδομένων PS στον υφιστάμενο γεωμορφολογικό χάρτη.
Η παραπάνω διαδικασία επιτρέπει την ακριβή διαφοροποίηση των σταθερών περιοχών από τις περιοχές οι οποίες μετακινούνται και τη δημιουργία ζωνών στο χάρτη των περιοχών που επλήγησαν από κατολισθήσεις.
Τα αποτελέσματα της μεθόδου για τις περιοχές Firenze και Casalino φαίνονται στα σχήματα 3 και 4.

[[εικόνα:ag_4.3.JPG|center|400px|]]

Σχήμα 3: PS και in situ τοποθεσίες στο χωριό Casalino

[[εικόνα:ag_4.4.JPG|center|400px|]]

Σχήμα 4: Πιεζομετρικές και PS αναγνώσεις στο χωριό Casalino.

3. Χαρτογράφηση κινδύνου για κατολισθήσεις

Οι χάρτες που προκύπτουν για την περιοχή μελέτης έχουν 3 αυξανόμενα επίπεδα δραστηριότητας για τις κατολισθήσεις:

• Ενεργές-κατολισθήσεις οι οποίες δείχνουν σημάδια μιας πρόσφατης ενεργοποίησης (λιγότερο από 2 χρόνια πριν).

• Αδρανείς-κατολισθήσεις οι οποίες δεν κινούνται και έχουν συμβεί 2-10 χρόνια πριν.

• Ανενεργές-κατολισθήσεις οι οποίες ενεργοποιήθηκαν σε περιόδους οι οποίες χαρακτηρίζονται από διαφορετικές κλιματικές συνθήκες.

<big>'''Αποτελέσματα και Συμπεράσματα'''</big>

Τα αποτελέσματα τα οποία έχουν προκύψει ως τώρα για την περιοχή μελέτης, φαίνεται πως δημιουργούν προοπτικές τόσο για την ανάλυση σε περιφερειακή κλίμακα (όπως ο χάρτης απογραφής κατολισθήσεων για τη λεκάνη απορροής του ποταμού Άρνου) όσο και για την ανάλυση σε τοπική κλίμακα (όπως η παρακολούθηση φαινομένων τα οποία προκαλούν μεγάλο κίνδυνο).
Επιπλέον, η δυνατότητα πρόσβασης σε μια μεγάλη βάση δεδομένων όσον αφορά τη χρονική περίοδο κατά την οποία συνέβησαν κατολισθήσεις επιτρέπει την καλύτερη μελέτη του φαινομένου και την εξαγωγή συμπερασμάτων σε χρονική κλίμακα.
Τα αναμενόμενα αποτελέσματα του “SLAM Project” αναμένεται να υποστηρίζουν την ενδεχόμενη ένταξη των προϊόντων και των μεθοδολογιών του project, στις τρέχουσες πρακτικές που χρησιμοποιούνται από τους γεωλόγους που μελετούν τη λεκάνη απορροής του ποταμού Άρνου.

Τηλεπισκόπιση, Τεχνητή Νοημοσύνη και Συστήματα GIS στην Εκτίμηση Κινδύνου Πυρκαγιών

2011-02-06T19:27:49Z

Ag.theodorou:

Συγγραφείς: Χρήστος Βασιλάκος, Κώστας Καλαμποκίδης, Ιωάννης Χατζόπουλος, Γεώργιος Κάλλος και Ιωάννης Ματσίνος

<big>''' Αντικείμενο Εφαρμογής'''</big>

Εκτίμηση κινδύνου πυρκαγιών.

<big>''' Στόχος της Εφαρμογής'''</big>

Στόχος της εργασίας ήταν η δημιουργία, για πρώτη φορά ενός ποσοτικού συστήματος εκτίμησης κινδύνου πυρκαγιών, μεγάλης κλίμακας με δυνατότητα βραχυπρόθεσμης πρόγνωσης με περιοχή μελέτης το νησί της Λέσβου.

<big>''' Είδη δορυφορικών ή αερομεταφερόμενων συστημάτων'''</big>

Χρησιμοποιήθηκαν δορυφορικές εικόνες με υψηλή χωρική διακριτική ικανότητα από τους δέκτες:

• QuickBird με μέγεθος pixel 2,8m και

• Landsat ETM με μέγεθος pixel 30m στον πολυφασματικό και 15m στον πανχρωματικό.

<big>''' Είδη δορυφόρων, δεκτών, καναλιών'''</big>

Τα κανάλια του δέκτη Landsat ETM που επιλέχθηκαν ήταν τα εξής:

• Μπλε, πράσινο, κόκκινο και

• κοντινό υπέρυθρο που έχουν την ίδια φασματική ζώνη με τα 4 κανάλια του QuickBird.

Τα κανάλια αυτά συνενώθηκαν με το πανχρωματικό έτσι ώστε να προκύψει εικόνα με 4 φασματικές ζώνες και 15m διαχωριστική ικανότητα.

<big>''' Χρησιμότητα των δεκτών/καναλιών'''</big>

Τα δεδομένα από τους παραπάνω δέκτες χρησιμοποιήθηκαν για τον καθορισμό των παραμέτρων για τον υπολογισμό του Δείκτη Πιθανότητας Εμφάνισης Πυρκαγιάς. Συγκεκριμένα χρησιμοποιήθηκαν για τη χαρτογράφηση του οδικού δικτύου των οικισμών και των αγροτικών περιοχών.

<big>''' Προεπεξεργασίες'''</big>

Στις τηλεπισκοπικές εικόνες από το δέκτη QuickBird έγινε:

• γεωμετρική διόρθωση με τη βοήθεια χαρτών και GPS

• έπειτα συνένωση των εικόνων αυτών σε ένα ενιαίο μωσαϊκό πραγματοποιώντας παράλληλα και

• ραδιομετρικές διορθώσεις για να εξαλειφτούν οι διαφορές στα ιστογράμματά τους.

<big>''' Χρήση επιπρόσθετων χαρτών, βάσεων δεδομένων και χρησιμότητά τους'''</big>

• Μοντέλο πρόγνωσης καιρού SKIRON για τον υπολογισμό του Μετεωρολογικού Δείκτη Κινδύνου.

• Συστήματα Γεωγραφικών Πληροφοριών για τη διαχείριση, σύνθεση και χωρική ανάλυση των παραμέτρων ως θεματικών επιφανειών.

<big>''' Μεθοδολογία'''</big>

[[εικόνα:ag_3.1.JPG|center|400px|]]

Σχήμα 1: Διάγραμμα ροής μεθοδολογίας

Το κύριο αποτέλεσμα του συστήματος εκτίμησης κινδύνου είναι ο Δείκτης Πιθανότητας Εμφάνισης Πυρκαγιάς βασιζόμενους σε άλλους 3 δείκτες (σχήμα 1):

• Ο Μετεωρολογικός Δείκτης Κινδύνου (ΜΚΔ), ο οποίος υπολογίστηκε με τη μέθοδο των Πολυγώνων Thiessen. (Σχήμα 2)

[[εικόνα:ag_3.2.JPG|center|400px|]]

Σχήμα 2: Πολύγωνα Thiessen (α) των 4(+) μετεωρολογικών σταθμών και (β) των 8(+) σημείων πρόγνωσης μετεωρολογικών δεδομένων που υπολογίζονται από το μοντέλο SKIRON

• Ο Βλαστητικός Δείκτης Κινδύνου, ο οποίος υπολογίστηκε μέσω της δημιουργίας χωρικής επιφάνειας μοντέλων καύσιμης ύλης με χρήσεις γης CORINE οι οποίες αντιστοιχήθηκαν σε ένα από τα 13 μοντέλα καύσιμης ύλης του BEHAVE.

• O Κοινωνικο-Οικονομικός Δείκτης Κινδύνου, ο οποίος υπολογίστηκε με χαρτογράφηση του ανθρώπινου ρίσκου με συσχετισμό της χωρικής κατανομής της έναρξης των πυρκαγιών με την εγγύτητα σε ανθρώπινες δραστηριότητες. (Σχήμα 3)

[[εικόνα:ag_3.3.JPG|center|400px|]]

Σχήμα 3: Στατικές παράμετροι του συστήματος γραμμικά τεντωμένες στο διάστημα 0-1

Η προσέγγιση των συναρτήσεων για τον υπολογισμών των τριών αρχικών δεικτών πραγματοποιήθηκε με την χρήση των Νευρωνικών Δικτύων (ΝΝ) τα οποία εκπαιδεύτηκαν με την μέθοδο της ανάστροφης διάδοσης σφάλματος (Backpropagation). Η λογιστική συνάρτηση που χρησιμοποιήθηκε στα ενδιάμεσα επίπεδα επεξεργασίας αλλά και στην έξοδο του NN είναι η:

η οποία ήταν κατάλληλη για να δείξει την εμφάνιση ή μη πυρκαγιών λόγω του δυαδικού χαρακτήρα (0 ή 1) της εξαρτημένης μεταβλητής.

Ο Δείκτης Πιθανότητας Εμφάνισης Πυρκαγιάς (ΔΠΕΠ) υπολογίζεται με τη χρήση πολυκριτηριακής ανάλυσης (ΑΗΡ) των τριών επιμέρους δεικτών (κριτήρια), σύμφωνα με τη μέθοδο του σταθμισμένου μέσου (Πίνακας 2):

Όπου

w: βάρος κάθε δείκτη

δ: δείκτης

Πίνακας 1. Κλίμακα σχετικής σημαντικότητας

[[εικόνα:ag_3.4.JPG|center|400px|]]

<big>''' Αποτελέσματα-Συμπεράσματα'''</big>

Στον πίνακα 3 συγκεντρώνονται τα αποτελέσματα εκπαίδευσης και επαλήθευσης των νευρωνικών δικτύων.

Πίνακας 2: Αποτελέσματα εκπαίδευσης και επαλήθευσης των νευρωνικών δικτύων

[[εικόνα:ag_3.5.JPG|center|400px|]]

Ο τελικό τύπος υπολογισμού του Δείκτη Πιθανότητας Εμφάνισης Πυρκαγιών είναι:

ΔΠΕΠ=0,1311*ΜΚΔ + 0,2081*ΒΚΔ + 0,6608*ΚΟΔΚ

Στο Σχήμα 5 παρουσιάζεται ο ΔΠΕΠ στις ημερομηνίες 23/6/2003 και 27/8/2003.

[[εικόνα:ag_3.6.JPG|center|400px|]]

Σχήμα 4: ΔΠΕΠ στις ημερομηνίες 23/6/2003 και 27/8/2003

Οι παραπάνω χάρτες θα μπορούσαν να χρησιμοποιηθούν ως ένα σημαντικό εργαλείο υποστήριξης αποφάσεων για την πρόληψη και καταστολή των δασικών πυρκαγιών και για τον εντοπισμό περιοχών με αυξημένο δείκτη κινδύνου.

[[category:Δασικές Πυρκαγιές]]

Θεοδώρου Αγγελική

2011-02-06T19:24:51Z

Ag.theodorou:

*[[Τηλεπισκόπιση και GIS στην Ανάλυση της Επικινδυνότητας για Φαινόμενα Κατολισθήσεων χρησιμοποιώντας Χωρικά Στατιστικά Μοντέλα]]

* [[Ανάλυση της Επικινδυνότητας για Εμφάνιση Κατολισθήσεων με Τηλεπισκοπικές Μεθόδους: Αποτελέσματα του ESA/SLAM PROJET]]

* [[Αναλύοντας Χωρικά και Χρονικά τις Δασικές Πυρκαγιές και το πώς φαίνονται από το Διάστημα]]

* [[Τηλεπισκόπιση, Τεχνητή Νοημοσύνη και Συστήματα GIS στην Εκτίμηση Κινδύνου Πυρκαγιών]]

* [[Αξιολόγηση της Θεματικής Πληροφορίας των Διαύλων του LANDSAT-5 ΤΜ για την Εκτίμηση Παραμέτρων των Δασικών Συστάδων στη Κασσάνδρα Χαλκιδικής]]

[[category:ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Μέτσοβο)]]

Θεοδώρου Αγγελική

2011-02-06T19:20:00Z

Ag.theodorou:

*[[Τηλεπισκόπιση και GIS στην Ανάλυση της Επικινδυνότητας για Φαινόμενα Κατολισθήσεων χρησιμοποιώντας Χωρικά Στατιστικά Μοντέλα]]

* [[Ανάλυση της Επικινδυνότητας για Εμφάνιση Κατολισθήσεων με Τηλεπισκοπικές Μεθόδους: Αποτελέσματα του ESA/SLAM PROJET]]

* [[Αναλύοντας Χωρικά και Χρονικά τις Δασικές Πυρκαγιές και το πώς φαίνονται από το Διάστημα]]

* [[Τηλεπισκόπιση, Τεχνητή Νοημοσύνη και Συστήματα GIS στην Εκτίμηση Κινδύνου Πυρκαγιών]]

* [[Αξιολόγηση της Θεματικής Πληροφορίας των Διαύλων του LANDSAT-5 ΤΜ για την Εκτίμηση Παραμέτρων των Δασικών Συστάδων στη Κασσάνδρα της Χαλκιδικής]]

[[category:ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Μέτσοβο)]]

Αρχείο:1.9.JPG

2011-02-06T19:19:29Z

Ag.theodorou:

Αρχείο:1.8.JPG

2011-02-06T19:19:03Z

Ag.theodorou:

Αρχείο:1.7.JPG

2011-02-06T19:18:40Z

Ag.theodorou:

Αρχείο:1.6.JPG

2011-02-06T19:18:18Z

Ag.theodorou:

Αρχείο:1.5.JPG

2011-02-06T19:17:58Z

Ag.theodorou:

Αρχείο:1.4.JPG

2011-02-06T19:17:35Z

Ag.theodorou:

Αρχείο:1.3.JPG

2011-02-06T19:17:14Z

Ag.theodorou:

Αρχείο:1.2.JPG

2011-02-06T19:16:56Z

Ag.theodorou:

Θεοδώρου Αγγελική

2011-02-06T19:16:03Z

Ag.theodorou:

*[[Τηλεπισκόπιση και GIS στην Ανάλυση της Επικινδυνότητας για Φαινόμενα Κατολισθήσεων χρησιμοποιώντας Χωρικά Στατιστικά Μοντέλα]]

* [[Ανάλυση της Επικινδυνότητας για Εμφάνιση Κατολισθήσεων με Τηλεπισκοπικές Μεθόδους: Αποτελέσματα του ESA/SLAM PROJET]]

* [[Αναλύοντας Χωρικά και Χρονικά τις Δασικές Πυρκαγιές και το πώς φαίνονται από το Διάστημα]]

*[[Τηλεπισκόπιση, Τεχνητή Νοημοσύνη και Συστήματα GIS στην Εκτίμηση Κινδύνου Πυρκαγιών]]

*[[Αξιολόγηση της Θεματικής Πληροφορίας των Διαύλων του LANDSAT-5 ΤΜ για την Εκτίμηση Παραμέτρων των Δασικών Συστάδων στη Κασσάνδρα της Χαλκιδικής]]

[[category:ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Μέτσοβο)]]

Θεοδώρου Αγγελική

2011-02-06T19:15:27Z

Ag.theodorou:

*[[Τηλεπισκόπιση και GIS στην Ανάλυση της Επικινδυνότητας για Φαινόμενα Κατολισθήσεων χρησιμοποιώντας Χωρικά Στατιστικά Μοντέλα]]

* [[Ανάλυση της Επικινδυνότητας για Εμφάνιση Κατολισθήσεων με Τηλεπισκοπικές Μεθόδους: Αποτελέσματα του ESA/SLAM PROJET]]

* [[Αναλύοντας Χωρικά και Χρονικά τις Δασικές Πυρκαγιές και το πώς φαίνονται από το Διάστημα]]

*[[Τηλεπισκόπιση, Τεχνητή Νοημοσύνη και Συστήματα GIS στην Εκτίμηση Κινδύνου Πυρκαγιών]]
[[category:ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Μέτσοβο)]]

*[[Αξιολόγηση της Θεματικής Πληροφορίας των Διαύλων του LANDSAT-5 ΤΜ για την Εκτίμηση Παραμέτρων των Δασικών Συστάδων στη Κασσάνδρα της Χαλκιδικής]]

Αξιολόγηση της Θεματικής Πληροφορίας των Διαύλων του LANDSAT-5 ΤΜ για την Εκτίμηση Παραμέτρων των Δασικών Συστάδων στη Κασσάνδρα Χαλκιδικής

2011-02-06T19:14:05Z

Ag.theodorou: New page: Συγγραφείς: Γιώργος Μαλλίνης, Νίκος Κούτσιας, Απόστολος Μάκρας ,Μιχάλης Καρτέρης <big>''' Αντικείμενο εφ...

Συγγραφείς: Γιώργος Μαλλίνης, Νίκος Κούτσιας, Απόστολος Μάκρας ,Μιχάλης Καρτέρης

<big>''' Αντικείμενο εφαρμογής'''</big>

Συμβολή της δορυφορικής τηλεπισκόπησης στη Δασοπονία.

<big>''' Στόχος της εφαρμογής'''</big>

Παρουσιάζεται η συμβολή της δορυφορικής τηλεπισκόπησης στον έλεγχο και προστασία των δασικών οικοσυστημάτων. Συγκεκριμένα πραγματοποιήθηκε αξιολόγηση των μέσης-υψηλής ευκρίνειας δορυφορικών δεδομένων του Θεματικού Χαρτογράφου LANDSAT-5 για τον υπολογισμό της πυκνότητας, της κυκλικής επιφάνειας, του ξυλώδες όγκου και της δασικής βιομάζας, ενός δασικού οικοσυστήματος υψηλού βαθμού ετερογένειας στη Χερσόνησο της Κασσάνδρας στη Χαλκιδική.

<big>''' Είδη δορυφορικών ή αερομεταφερόμενων συστημάτων, δεκτών και καναλιών'''</big>

1. Δορυφορικά δεδομένα του Landsat-5 Thematic Mapper με ημερομηνία λήψης το Σεπτέμβριο του έτους 1999. (Εικόνα 1)

2. Δορυφορική εικόνα IΚΟΝΟS με ημερομηνία λήψης τον Ιούνιο του 2000.

[[εικόνα:1.1.JPG|center|400px|]]

Σχήμα 1. Δορυφορικές εικόνες της περιοχή μελέτης και κατανομή των δειγματοληπτικών επιφανειών

<big>''' Χρησιμότητα των δεκτών/καναλιών'''</big>

Η δορυφορική εικόνα IKONOS χρησιμοποιήθηκε για τη γεωμετρική προσαρμογή της δορυφορικής εικόνας του LANDSAT αλλά και για φωτοερμηνευτικούς σκοπούς.

<big>''' Μετρήσεις πεδίου'''</big>

Χρησιμοποιήθηκαν 34 δειγματοληπτικές τετράγωνες επιφάνειες 30 επί 30m για τη μέτρηση των πρωτογενών δασικών παραμέτρων βάσει των οποίων εκτιμήθηκαν και οι υπόλοιπες. (Πίνακας 1)

Πίνακας 1. Δασικές παράμετροι που μετρήθηκαν και εκτιμήθηκαν στις δειγματοληπτικές επιφάνειες

[[εικόνα:1.2.JPG|center|400px|]]

<big>''' Μεθοδολογία'''</big>

1. <big>''' Προεργασίες'''</big>

Η δορυφορική εικόνα του LANDSAT διορθώθηκε:

• Ραδιομετρικά

• Γεωμετρικά

Ακολούθησε τοπογραφική ομαλοποίηση με δύο μεθόδους:

• Με διόρθωση ημιτόνου (τριγωνομετρική προσέγγιση)

• C-διόρθωση (ημι-εμπειρική μέθοδος)

Για τη διαδικασία αυτή επιλέχθηκαν 198 σημεία σε περιοχές με Χαλέπιο Πεύκη οι οποίες παρουσίαζαν τοπογραφική μεταβλητότητα και για τα οποία μετρήθηκαν οι ψηφιακές τιμές σε κάθε δίαυλο και οι τιμές φωτεινότητάς τους.

2. <big>''' Ψηφιακές επεξεργασίες/αλγόριθμοι'''</big>

• Η ομαλοποιημένη εικόνα αξιολογήθηκε οπτικά και στατιστικά.

• Πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση στην αρχική και ομαλοποιημένη εικόνα (μέσω δύο αλγορίθμων: της μεγίστης πιθανοφάνειας και των συντελεστών γραμμικής διακριτικής συνάρτησης του Fisher)

• Eφαρμόστηκαν πολυφασματικοί μετασχηματισμοί (συνιστώσα Greeness του μετασχηματισμού Tasseled Cap)

• Eφαρμόστηκαν δείκτες βλάστησης (PVI, TSAVI, NDVI, RVI)

• Δοκιμάστηκαν διάφοροι συνδυασμοί των αρχικών καναλιών της τοπογραφικά ομαλοποιημένης εικόνας και των πολυφασματικών μετασχηματισμών των αρχικών διαύλων.

Επιλέχθηκε η ανάλυση της παλινδρόμησης για την εκτίμηση δασικών παραμέτρων.

3. <big>''' Χρήση επιπρόσθετων χαρτών και αναγκαιότητας τους'''</big>

Χρησιμοποιήθηκαν τοπογραφικοί χάρτες της Γεωγραφικής Υπηρεσίας Στρατού (ΓΥΣ), κλίμακας 1:5.000, στους οποίους ψηφιοποιήθηκαν οι χωροσταθμικές καμπύλες ισοδιάστασης 20m. Η διαδικασία αυτή ήταν αναγκαία προκειμένου να δημιουργηθεί το ψηφιακό μοντέλο εδάφους.

<big>''' Σημαντικά αποτελέσματα'''</big>

1. <big>''' Τοπογραφική ομαλοποίηση'''</big>

Δημιουργήθηκαν γραμμικά μοντέλα παλινδρόμησης (Πίνακας 2).

Πίνακας 2. Συντελεστές συσχέτισης μεταξύ των ψηφιακών τιμών και της φωτεινότητας πριν και μετά την τοπογραφική διόρθωση καθώς και οι υπολογισθείσες τιμές του παράγοντα c.

[[εικόνα:1.3.JPG|center|400px|]]

Μετά από οπτική αξιολόγηση της τοπογραφικής ομαλοποίησης διαπιστώθηκε πως:

-η εφαρμογή διόρθωσης του συνημίτονου προκάλεσε έντονη φασματική διαφοροποίηση των δεδομένων σε κορυφογραμμές και ανεπαρκή διόρθωση σε έντονα σκιασμένες περιοχές.

-αποτελεσματικότερη τοπογραφική ομαλοποίηση της εικόνας επετεύχθη με την ημι-εμπειρική μέθοδο. (Πίνακας 3)

Πίνακας 3. Επίδραση της τοπογραφικής ομαλοποίησης στις τιμές της εικόνας με την εμπειρική (γκρι κελιά) και τη μέθοδο του συνημίτονου (λευκά κελιά)

[[εικόνα:1.4.JPG|center|400px|]]

2. <big>''' Πολυφασματικοί μετασχηματισμοί'''</big>

Επιλέχθηκαν περιοχές γυμνού εδάφους για τις οποίες εκτιμήθηκε η καλύτερη δυνατή γραμμή προσαρμογής. (Σχήμα 2)

[[εικόνα:1.5.JPG|center|400px|]]

Σχήμα 2. Υπολογισμός της γραμμής εδάφους, χρησιμοποιώντας περιοχές με γυμνό έδαφος

3. <big>''' Ταξινόμηση εικόνας'''</big>

Η τοπογραφική ομαλοποίηση του Fisher βελτίωσε την ακρίβεια της ταξινόμησης. Τα συνοπτικά αποτελέσματα της ακρίβειας φαίνονται στον πίνακα 4.

Πίνακας 4. Μήτρα σημαντικότητας για την αρχική και την τοπογραφικά ομαλοποιημένη εικόνα με τη χρήση του αλγόριθμου της μέγιστης πιθανοφάνειας και των συντελεστών του Fisher

[[εικόνα:1.6.JPG|center|400px|]]

4. <big>''' Εκτίμηση δασικών παραμέτρων'''</big>

• Για την πολλαπλή παλινδρόμηση τα καλύτερα αποτελέσματα αφορούν την κυκλική επιφάνεια. Για όλες τις εξαρτημένες μεταβλητές τα καλύτερα αποτελέσματα, περιελάμβαναν τους φασματικούς διαύλους TM2 και TM3. (Πίνακας 5)

Πίνακας 5. Αποτελέσματα πολλαπλής γραμμικής παλινδρόμησης

[[εικόνα:1.7.JPG|center|400px|]]

• Για την απλή παλινδρόμηση ο δίαυλος που ήταν συσχετισμένος καλύτερα από όλους τους υπόλοιπους ήταν ο ΤΜ4. (Πίνακας 6)

Πίνακας 6. Αποτελέσματα απλής γραμμικής παλινδρόμησης

[[εικόνα:1.8.JPG|center|400px|]]

5. <big>''' Συμπεράσματα'''</big>

• Η τοπογραφική ομαλοποίηση ήταν επιτυχημένη και αναγκαία.

• Οι συντελεστές διακριτικής συνάρτησης του Fisher βελτίωσε την ακρίβεια της ταξινόμησης.

• Ένα μεγάλο ποσό της διακύμανσης των εξαρτημένων μεταβλητών έμεινε ανεξήγητο από τα μοντέλα της παλινδρόμησης.

• Το γεγονός ότι παρόμοιες ερευνητικές εργασίες που έχουν πραγματοποιηθεί σε ομοιόμορφα βόρεια δάση είχαν μεγαλύτερους συντελεστές συσχέτισης επιβεβαιώνει την επίδραση της μέτριας χωρικής διακριτότητας σε συνδυασμό με την αυξανόμενη ετερογένεια.

[[εικόνα:1.9.JPG|center|400px|]]

Σχήμα 3. Εύρος των ψηφιακών τιμών των εικονοστοιχείων, τα οποία αντιστοιχούν σε περιοχές καλυπτόμενες από χαλέπιο πεύκη. Διακρίνονται οι μέγιστες και οι ελάχιστες τιμές, καθώς και οι μέσες τιμές

[[category:Δασοπονία, Δασική διαχείριση]]

Θεοδώρου Αγγελική

2011-02-06T18:53:10Z

Ag.theodorou:

*[[Τηλεπισκόπιση και GIS στην Ανάλυση της Επικινδυνότητας για Φαινόμενα Κατολισθήσεων χρησιμοποιώντας Χωρικά Στατιστικά Μοντέλα]]

* [[Ανάλυση της Επικινδυνότητας για Εμφάνιση Κατολισθήσεων με Τηλεπισκοπικές Μεθόδους: Αποτελέσματα του ESA/SLAM PROJET]]

* [[Αναλύοντας Χωρικά και Χρονικά τις Δασικές Πυρκαγιές και το πώς φαίνονται από το Διάστημα]]

*[[Τηλεπισκόπιση, Τεχνητή Νοημοσύνη και Συστήματα GIS στην Εκτίμηση Κινδύνου Πυρκαγιών]]
[[category:ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Μέτσοβο)]]

Τηλεπισκόπιση, Τεχνητή Νοημοσύνη και Συστήματα GIS στην Εκτίμηση Κινδύνου Πυρκαγιών

2011-02-06T18:49:48Z

Ag.theodorou:

Τηλεπισκόπιση, Τεχνητή Νοημοσύνη και Συστήματα GIS στην Εκτίμηση Κινδύνου Πυρκαγιών

2011-02-06T18:44:34Z

Ag.theodorou:

Τηλεπισκόπιση, Τεχνητή Νοημοσύνη και Συστήματα GIS στην Εκτίμηση Κινδύνου Πυρκαγιών

2011-02-06T18:42:39Z

Ag.theodorou:

Αρχείο:Ag 3.6.JPG

2011-02-06T18:40:12Z

Ag.theodorou:

Αρχείο:Ag 3.5.JPG

2011-02-06T18:39:51Z

Ag.theodorou:

Αρχείο:Ag 3.4.JPG

2011-02-06T18:37:14Z

Ag.theodorou:

Αρχείο:Ag 3.3.JPG

2011-02-06T18:36:44Z

Ag.theodorou:

Αρχείο:Ag 3.2.JPG

2011-02-06T18:36:25Z

Ag.theodorou:

Αρχείο:Ag 3.1.JPG

2011-02-06T18:36:00Z

Ag.theodorou:

Τηλεπισκόπιση, Τεχνητή Νοημοσύνη και Συστήματα GIS στην Εκτίμηση Κινδύνου Πυρκαγιών

2011-02-06T18:35:40Z

Ag.theodorou: New page: Συγγραφείς: Χρήστος Βασιλάκος, Κώστας Καλαμποκίδης, Ιωάννης Χατζόπουλος, Γεώργιος Κάλλος και Ιωάννης ...

Θεοδώρου Αγγελική

2011-02-06T18:31:43Z

Ag.theodorou:

Θεοδώρου Αγγελική

2011-02-06T18:31:24Z

Ag.theodorou:

Αναλύοντας Χωρικά και Χρονικά τις Δασικές Πυρκαγιές και το πώς φαίνονται από το Διάστημα

2011-02-06T18:30:26Z

Ag.theodorou:

Συγγραφείς: Dr.Emilio Chuvieco and David Cocero

<big>''' Αντικείμενο εφαρμογής'''</big>

Πρόληψη πυρκαγιών και εκτίμηση των αποτελεσμάτων αυτών χρησιμοποιώντας τη δορυφορική τηλεπισκόπιση.

<big>''' Στόχος εφαρμογής'''</big>

Η εργασία αυτή παρουσιάζει σημερινές εφαρμογές και μελλοντικές ικανότητες των τηλεπισκοπικών συστημάτων για τις πυρκαγιές δίνοντας ιδιαίτερη έμφαση στις ευρωπαϊκές χώρες της Μεσογείου.

<big>''' Εισαγωγή'''</big>

Η εκτίμηση των αποτελεσμάτων των πυρκαγιών θεωρείται ένας κρίσιμος παράγοντας για τη καλή λειτουργία του οικοσυστήματος, από τότε που οι πυρκαγιές παίζουν πρωτεύοντα ρόλο στην σύνθεση της βλάστησης, στη βιοποικιλότητα, στη διάβρωση του εδάφους και στον υδρολογικό κύκλο.

<big>''' Το πρόβλημα'''</big>

Η εγκατάλειψη των αγροτικών περιοχών στη λεκάνη της Μεσογείου έφερε μια ασυνήθιστη συσσώρευση δασικής καύσιμης ύλης κάτι το οποίο αυξάνει τον κίνδυνο για δασικές πυρκαγιές. Από την άλλη πλευρά, η αύξηση χρήσης των δασών ως χώροι αναψυχής συνεπάγεται αύξηση των ανθρωπογενών αιτιών εκκίνησης μιας πυρκαγιάς. Σύμφωνα με τα τελευταία στατιστικά στοιχεία 200.000 πυρκαγιές συνέβησαν στις μεσογειακές χώρες στο διάστημα 1990-1993 καταστρέφοντας 2.000.000 εκτάρια γης.

<big>''' Μεθοδολογία'''</big>

Η δορυφορική τηλεπισκόπηση είναι ένα εργαλείο κατάλληλο για την έρευνα των δασικών πυρκαγιών καθώς οι δορυφορικοί δέκτες πάνω από μία περιοχή αποστέλλουν συνέχεια πληροφορίες κι έτσι συμβάλλουν στην πρόληψη, στην ανίχνευση και στη χαρτογράφηση των δασικών πυρκαγιών.

Η συμβολή της τηλεπισκόπησης στις δασικές πυρκαγιές μπορεί να ταξινομηθεί στις εξής κατηγορίες:

• Βραχυπρόθεσμη εκτίμηση κινδύνου για πυρκαγιές

Η εκτίμηση του κινδύνου για πυρκαγιές απαιτεί συνεχή παρακολούθηση της έλλειψης βλάστησης. Η πιο συνηθισμένη μέθοδος για την εκτίμηση της κατάστασης της βλάστησης είναι η ανάλυση των δεικτών βλάστησης (VI). Ένας εναλλακτικός τρόπος για την εκτίμηση της βλάστησης και της υγρασίας είναι η μελέτη του θερμικού δυναμικού από την κάλυψη της βλάστησης. Ο συνδυασμός της επιφανειακής θερμοκρασίας και του δείκτη NDVI εφαρμόστηκαν με επιτυχία στην εκτίμηση της επικινδυνότητας για πυρκαγιές στη νότια Γαλλία.

• Μακροπρόθεσμη εκτίμηση κινδύνου για πυρκαγιές

Ο μακροπρόθεσμος κίνδυνος αναφέρεται σε μόνιμους παράγοντες που σχετίζονται με τις πυρκαγιές όπως η τοπογραφία, η δομή της βλάστησης, οι ανθρώπινες δραστηριότητες ή οι μετεωρολογικές συνθήκες. Για το λόγο αυτό, οι ικανότητες των συστημάτων GIS μετατρέπουν τους παραπάνω παράγοντες σε κατάλληλα εργαλεία για τη χαρτογράφηση κινδύνου των πυρκαγιών. Τη τελευταία δεκαετία έχουν αναπτυχθεί αρκετές εφαρμογές GIS προς αυτήν την κατεύθυνση. Το κρίσιμο σημείο των εφαρμογών αυτών είναι το επίπεδο βλάστησης διότι έχει αποδειχθεί η στενή συσχέτιση ανάμεσα στην εξάπλωση και την ένταση μιας πυρκαγιάς, με τη βλάστηση (μοντέλο καυσίμου για πυρκαγιά). Για την εξέταση των «μοντέλων καυσίμου» χρησιμοποιείται η τηλεπισκόπιση μέσω της οποίας γίνεται ψηφιακή επεξεργασία δορυφορικών εικόνων. Οι περισσότεροι δουλεύουν με εικόνες Landsat-MSS ή TM, αλλά σημαντικά συμπεράσματα έχουν βγει και από χαμηλότερης ανάλυσης δέκτες όπως ο NOAA-AVHRR.

• Ανίχνευση πυρκαγιών (κατά τη διάρκεια μιας πυρκαγιάς)

Η ανίχνευση πυρκαγιών με τηλεπισκόπιση βασίζεται στην ανάλυση δεδομένων στη μέση υπέρυθρη συχνότητα. Δεδομένου ότι οι θερμοκρασίες στις δασικές πυρκαγιές κυμαίνονται από 500 έως 1000 K το καταλληλότερο κανάλι για την ανίχνευση πυρκαγιών εντοπίζεται ανάμεσα στο 5,8 και 2,9 μm. Ως συνέπεια, το μέσο υπέρυθρο κανάλι είναι πιο ευαίσθητο στην ανίχνευση και παρακολούθηση ενεργών πυρκαγιών.

Οι δορυφόροι της Γης όπως είναι ο Landsat ή ο SPOT, δεν παρέχουν πληροφορίες με επαρκή χρονική συχνότητα για την ανίχνευση πυρκαγιών. Αντίθετα, οι μετεωρολογικοί δορυφόροι όπως ο NOAA-AVHRR, είναι περισσότερο χρήσιμοι για την ανίχνευση εξαιτίας του επαρκούς κύκλου κάλυψης (12 ώρες) και της υψηλής φασματικής τους ανάλυσης.

Χρησιμοποιώντας τέτοιες δορυφορικές εικόνες έχουν αναπτυχθεί πιλοτικές εφαρμογές στον Καναδά, σε τροπικά δάση και σε δάση της Μεσογείου. Η ακρίβεια ανίχνευσης των μικρών πυρκαγιών περιορίστηκε στο 10-12% και καλύτερα αποτελέσματα αναφέρθηκαν σε περιοχές χωρίς συννεφιά.

Μειονεκτήματα:

1. Χαμηλά θερμική ευαισθησία, μέχρι 320Κ (για το κανάλι 3 του AVHRR).

2. Κάποια σημεία δασικών πυρκαγιών μπορούν εύκολα να μπερδευτούν με αγροτικές πυρκαγιές ή με υπερθερμασμένα γυμνά εδάφη

Σε κάθε περίπτωση, οι αισθητήρες με υψηλότερη θερμική ευαισθησία είναι επιθυμητοί. Αυτό έχει επιτευχθεί στη Βραζιλία με τη κατασκευή αερομεταφερόμενων σαρωτών με θερμική ευαισθησία έως 900Κ. Μελλοντικά, ο MODIS θα περιλαμβάνει ένα μέσο υπέρυθρο κανάλι με θερμική ευαισθησία 500Κ.

• Εκτίμηση αποτελεσμάτων της πυρκαγιάς (μετά την πυρκαγιά)

Το διεθνώς αυξανόμενο ενδιαφέρον για τις επιδράσεις των πυρκαγιών απαιτεί μια ποσοτική αξιολόγηση της χρονικής και χωρικής κατανομής των πυρκαγιών. Οι περισσότερες χαρτογραφήσεις πυρκαγιών βασίζονται στα δεδομένα του καναλιού 3 το οποίο παρουσιάζει αρκετές δυσκολίες στην ανίχνευση των πυρκαγιών και κατ΄επέκταση στη χαρτογράφηση της καμένης γης.

Μια άλλη προσέγγιση στην αξιολόγηση των καμένων περιοχών είναι η καταμέτρηση των συνεπειών των πυρκαγιών με σύγκριση των δεικτών βλάστησης πριν και μετά την πυρκαγιά. Η καμένη γη εμφανίζει πολύ μικρή αντανάκλαση στο κοντινό υπέρυθρο, άρα οι τιμές του δείκτη NDVI της καμένης βλάστησης είναι πολύ μικρότερες από αυτές των υγιών φυτών.

<big>''' Συμπεράσματα και μελλοντικές προοπτικές'''</big>

Οι προοπτικές για καλύτερους αισθητήρες χωρικής και χρονικής ανάλυσης θα συμβάλλουν στο να ξεπεραστούν οι τωρινοί περιορισμοί των δορυφορικών δεδομένων για τη διαχείριση των πυρκαγιών. Τα δεδομένα από τον MODIS θα αυξήσουν τις παρεχόμενες λεπτομέρειες σε σχέση με αυτές που δίνει ο αισθητήρας AVHRR για τη βραχυπρόθεσμη εκτίμηση πυρκαγιάς αλλά και για τη χαρτογράφηση πυρκαγιών. Επίσης, η αυξανόμενη τάση προς το συνδυασμό της τηλεπισκόπισης με τα GIS συστήματα μπορεί να συνεισφέρει στην εκτίμηση του κινδύνου και των συνεπειών από τις πυρκαγιές.

Αναλύοντας Χωρικά και Χρονικά τις Δασικές Πυρκαγιές και το πώς φαίνονται από το Διάστημα

2011-02-06T18:30:08Z

Ag.theodorou:

<big>'''Συγγραφείς:'''</big> Dr.Emilio Chuvieco and David Cocero

<big>''' Αντικείμενο εφαρμογής'''</big>

Πρόληψη πυρκαγιών και εκτίμηση των αποτελεσμάτων αυτών χρησιμοποιώντας τη δορυφορική τηλεπισκόπιση.

<big>''' Στόχος εφαρμογής'''</big>

Η εργασία αυτή παρουσιάζει σημερινές εφαρμογές και μελλοντικές ικανότητες των τηλεπισκοπικών συστημάτων για τις πυρκαγιές δίνοντας ιδιαίτερη έμφαση στις ευρωπαϊκές χώρες της Μεσογείου.

<big>''' Εισαγωγή'''</big>

Η εκτίμηση των αποτελεσμάτων των πυρκαγιών θεωρείται ένας κρίσιμος παράγοντας για τη καλή λειτουργία του οικοσυστήματος, από τότε που οι πυρκαγιές παίζουν πρωτεύοντα ρόλο στην σύνθεση της βλάστησης, στη βιοποικιλότητα, στη διάβρωση του εδάφους και στον υδρολογικό κύκλο.

<big>''' Το πρόβλημα'''</big>

Η εγκατάλειψη των αγροτικών περιοχών στη λεκάνη της Μεσογείου έφερε μια ασυνήθιστη συσσώρευση δασικής καύσιμης ύλης κάτι το οποίο αυξάνει τον κίνδυνο για δασικές πυρκαγιές. Από την άλλη πλευρά, η αύξηση χρήσης των δασών ως χώροι αναψυχής συνεπάγεται αύξηση των ανθρωπογενών αιτιών εκκίνησης μιας πυρκαγιάς. Σύμφωνα με τα τελευταία στατιστικά στοιχεία 200.000 πυρκαγιές συνέβησαν στις μεσογειακές χώρες στο διάστημα 1990-1993 καταστρέφοντας 2.000.000 εκτάρια γης.

<big>''' Μεθοδολογία'''</big>

Η δορυφορική τηλεπισκόπηση είναι ένα εργαλείο κατάλληλο για την έρευνα των δασικών πυρκαγιών καθώς οι δορυφορικοί δέκτες πάνω από μία περιοχή αποστέλλουν συνέχεια πληροφορίες κι έτσι συμβάλλουν στην πρόληψη, στην ανίχνευση και στη χαρτογράφηση των δασικών πυρκαγιών.

Η συμβολή της τηλεπισκόπησης στις δασικές πυρκαγιές μπορεί να ταξινομηθεί στις εξής κατηγορίες:

• Βραχυπρόθεσμη εκτίμηση κινδύνου για πυρκαγιές

Η εκτίμηση του κινδύνου για πυρκαγιές απαιτεί συνεχή παρακολούθηση της έλλειψης βλάστησης. Η πιο συνηθισμένη μέθοδος για την εκτίμηση της κατάστασης της βλάστησης είναι η ανάλυση των δεικτών βλάστησης (VI). Ένας εναλλακτικός τρόπος για την εκτίμηση της βλάστησης και της υγρασίας είναι η μελέτη του θερμικού δυναμικού από την κάλυψη της βλάστησης. Ο συνδυασμός της επιφανειακής θερμοκρασίας και του δείκτη NDVI εφαρμόστηκαν με επιτυχία στην εκτίμηση της επικινδυνότητας για πυρκαγιές στη νότια Γαλλία.

• Μακροπρόθεσμη εκτίμηση κινδύνου για πυρκαγιές

Ο μακροπρόθεσμος κίνδυνος αναφέρεται σε μόνιμους παράγοντες που σχετίζονται με τις πυρκαγιές όπως η τοπογραφία, η δομή της βλάστησης, οι ανθρώπινες δραστηριότητες ή οι μετεωρολογικές συνθήκες. Για το λόγο αυτό, οι ικανότητες των συστημάτων GIS μετατρέπουν τους παραπάνω παράγοντες σε κατάλληλα εργαλεία για τη χαρτογράφηση κινδύνου των πυρκαγιών. Τη τελευταία δεκαετία έχουν αναπτυχθεί αρκετές εφαρμογές GIS προς αυτήν την κατεύθυνση. Το κρίσιμο σημείο των εφαρμογών αυτών είναι το επίπεδο βλάστησης διότι έχει αποδειχθεί η στενή συσχέτιση ανάμεσα στην εξάπλωση και την ένταση μιας πυρκαγιάς, με τη βλάστηση (μοντέλο καυσίμου για πυρκαγιά). Για την εξέταση των «μοντέλων καυσίμου» χρησιμοποιείται η τηλεπισκόπιση μέσω της οποίας γίνεται ψηφιακή επεξεργασία δορυφορικών εικόνων. Οι περισσότεροι δουλεύουν με εικόνες Landsat-MSS ή TM, αλλά σημαντικά συμπεράσματα έχουν βγει και από χαμηλότερης ανάλυσης δέκτες όπως ο NOAA-AVHRR.

• Ανίχνευση πυρκαγιών (κατά τη διάρκεια μιας πυρκαγιάς)

Η ανίχνευση πυρκαγιών με τηλεπισκόπιση βασίζεται στην ανάλυση δεδομένων στη μέση υπέρυθρη συχνότητα. Δεδομένου ότι οι θερμοκρασίες στις δασικές πυρκαγιές κυμαίνονται από 500 έως 1000 K το καταλληλότερο κανάλι για την ανίχνευση πυρκαγιών εντοπίζεται ανάμεσα στο 5,8 και 2,9 μm. Ως συνέπεια, το μέσο υπέρυθρο κανάλι είναι πιο ευαίσθητο στην ανίχνευση και παρακολούθηση ενεργών πυρκαγιών.

Οι δορυφόροι της Γης όπως είναι ο Landsat ή ο SPOT, δεν παρέχουν πληροφορίες με επαρκή χρονική συχνότητα για την ανίχνευση πυρκαγιών. Αντίθετα, οι μετεωρολογικοί δορυφόροι όπως ο NOAA-AVHRR, είναι περισσότερο χρήσιμοι για την ανίχνευση εξαιτίας του επαρκούς κύκλου κάλυψης (12 ώρες) και της υψηλής φασματικής τους ανάλυσης.

Χρησιμοποιώντας τέτοιες δορυφορικές εικόνες έχουν αναπτυχθεί πιλοτικές εφαρμογές στον Καναδά, σε τροπικά δάση και σε δάση της Μεσογείου. Η ακρίβεια ανίχνευσης των μικρών πυρκαγιών περιορίστηκε στο 10-12% και καλύτερα αποτελέσματα αναφέρθηκαν σε περιοχές χωρίς συννεφιά.

Μειονεκτήματα:

1. Χαμηλά θερμική ευαισθησία, μέχρι 320Κ (για το κανάλι 3 του AVHRR).

2. Κάποια σημεία δασικών πυρκαγιών μπορούν εύκολα να μπερδευτούν με αγροτικές πυρκαγιές ή με υπερθερμασμένα γυμνά εδάφη

Σε κάθε περίπτωση, οι αισθητήρες με υψηλότερη θερμική ευαισθησία είναι επιθυμητοί. Αυτό έχει επιτευχθεί στη Βραζιλία με τη κατασκευή αερομεταφερόμενων σαρωτών με θερμική ευαισθησία έως 900Κ. Μελλοντικά, ο MODIS θα περιλαμβάνει ένα μέσο υπέρυθρο κανάλι με θερμική ευαισθησία 500Κ.

• Εκτίμηση αποτελεσμάτων της πυρκαγιάς (μετά την πυρκαγιά)

Το διεθνώς αυξανόμενο ενδιαφέρον για τις επιδράσεις των πυρκαγιών απαιτεί μια ποσοτική αξιολόγηση της χρονικής και χωρικής κατανομής των πυρκαγιών. Οι περισσότερες χαρτογραφήσεις πυρκαγιών βασίζονται στα δεδομένα του καναλιού 3 το οποίο παρουσιάζει αρκετές δυσκολίες στην ανίχνευση των πυρκαγιών και κατ΄επέκταση στη χαρτογράφηση της καμένης γης.

Μια άλλη προσέγγιση στην αξιολόγηση των καμένων περιοχών είναι η καταμέτρηση των συνεπειών των πυρκαγιών με σύγκριση των δεικτών βλάστησης πριν και μετά την πυρκαγιά. Η καμένη γη εμφανίζει πολύ μικρή αντανάκλαση στο κοντινό υπέρυθρο, άρα οι τιμές του δείκτη NDVI της καμένης βλάστησης είναι πολύ μικρότερες από αυτές των υγιών φυτών.

<big>''' Συμπεράσματα και μελλοντικές προοπτικές'''</big>

Οι προοπτικές για καλύτερους αισθητήρες χωρικής και χρονικής ανάλυσης θα συμβάλλουν στο να ξεπεραστούν οι τωρινοί περιορισμοί των δορυφορικών δεδομένων για τη διαχείριση των πυρκαγιών. Τα δεδομένα από τον MODIS θα αυξήσουν τις παρεχόμενες λεπτομέρειες σε σχέση με αυτές που δίνει ο αισθητήρας AVHRR για τη βραχυπρόθεσμη εκτίμηση πυρκαγιάς αλλά και για τη χαρτογράφηση πυρκαγιών. Επίσης, η αυξανόμενη τάση προς το συνδυασμό της τηλεπισκόπισης με τα GIS συστήματα μπορεί να συνεισφέρει στην εκτίμηση του κινδύνου και των συνεπειών από τις πυρκαγιές.

Θεοδώρου Αγγελική

2011-02-06T18:10:52Z

Ag.theodorou:

Τηλεπισκόπιση και GIS στην Ανάλυση της Επικινδυνότητας για Φαινόμενα Κατολισθήσεων χρησιμοποιώντας Χωρικά Στατιστικά Μοντέλα

2011-02-06T18:06:16Z

Ag.theodorou:

Συγγραφείς: Biswajeet Pradhan & Ahmed M. Youssef

<big>'''Αντικείμενο εφαρμογής'''</big>

Ανάλυση της επικινδυνότητας για φαινόμενα κατολίσθησης.

<big>'''Στόχος της εφαρμογής'''</big>

Στην εργασία αυτή, τηλεπισκοπικά δεδομένα μαζί με άλλους πίνακες και δεδομένα τα οποία προέκυψαν, χρησιμοποιήθηκαν για να σκιαγραφήσουν τις ζώνες επικινδυνότητας κατολισθήσεων στην περιοχή Cameron στη Μαλαισία.

Χρησιμοποιήθηκαν δύο μέθοδοι για το σκοπό αυτό:

• Το Μοντέλο αναλογίας συχνοτήτων και

• Το Μοντέλο δισδιάστατης λογιστικής παλινδρόμησης

<big>'''Περιοχή μελέτης'''</big>

Η περιοχή μελέτης είναι το Cameron που βρίσκεται στο βορειότερο κεντρικό κομμάτι της χερσονήσου της Μαλαισίας και έχει έκταση 660Km2. Η γεωμορφολογία της περιοχής αποτελείται από ένα οροπέδιο μήκους 12Km, έχει υψηλό μέσο όρο ετήσιας βροχόπτωσης και έχουν συμβεί πολλές κατολισθήσεις κατά μήκος των ρεμάτων. (Εικόνα 1)

[[εικόνα:ag_5.1.JPG|center|400px|]]

Εικόνα 1: Περιοχή μελέτης-Μαλαισία

<big>'''Δημιουργία βάσης δεδομένων με χρήση τηλεπισκόπισης και GIS'''</big>

Η χρησιμοποίηση τηλεπισκοπικών δεδομένων όπως αεροφωτογραφίες, γραφήματα και δορυφορικές εικόνες, χρησιμοποιούνται για την εξαγωγή σημαντικών πληροφοριών. Στην μελέτη αυτή χρησιμοποιήθηκαν αεροφωτογραφίες κλίμακας 1:25.000 και 1:50.000 της περιόδου 1981-2003. Μετά από φωτοερμηνεία εντοπίστηκαν οι θέσεις παλιών κατολισθήσεων κάτι το οποίο επαληθεύτηκε με επιτόπια έρευνα. Για να δημιουργηθεί η βάση δεδομένων για την αξιολόγηση της έκτασης και του αριθμού των κατολισθήσεων, χαρτογραφήθηκαν συνολικά 324 κατολισθήσεις.

Για την εφαρμογή της πιθανολογικής μεθόδου, δημιουργήθηκε μια χωρική βάση δεδομένων που συνδέει μεταξύ τους, τους παράγοντες οι οποίοι συμβάλλουν στην κατολίσθηση. Οι παράγοντες αυτοί είναι δέκα και ομαδοποιήθηκαν στις εξής κατηγορίες:

• Ψηφιακό μοντέλο εδάφους (DEM)-τοπογραφική βάση δεδομένων

• Γεωλογική βάση δεδομένων (λιθολογία, απόσταση από ρήγματα)

• Χάρτης εδάφους

• Χάρτης καλύψεων γης (ταξινόμηση έξι κατηγοριών σε δορυφορικές εικόνες Landsat TM)

• Χάρτης NDVI (από δορυφορικές εικόνες Landsat TM)

• Δεδομένα μετεωρολογικού σταθμού (ύψος βροχοπτώσεων)

Οι παραπάνω παράγοντες μετατράπηκαν σε raster πλέγμα με 10x10m κελιά. Η περιοχή πλέγματος είχε 2.418 σειρές και 1.490 στήλες, και 324 κελιά περιείχαν περιστατικά κατολισθήσεων.

<big>'''Μεθοδολογία'''</big>

1. <big>'''Μοντέλο αναλογίας συχνοτήτων και εφαρμογές αυτού'''</big>

Η συχνότητα υπολογίζεται από την ανάλυση της σχέσης μεταξύ των κατολισθήσεων και των παραγόντων οι οποίοι συμβάλλουν σε αυτό. Ως εκ τούτου οι αναλογίες συχνοτήτων για κάθε έναν από τους παράγοντες των κατολισθήσεων υπολογίστηκαν από τη σχέση τους με το φαινόμενο της κατολίσθησης.

Για τον υπολογισμό του δείκτη επικινδυνότητας για κατολισθήσεις (LSH), χρησιμοποιήθηκε η εξίσωση:

LSH=Fr1+Fr2+…+Frn

όπου Fr είναι η κατάταξη του κάθε παράγοντα.

Ο χάρτης επικινδυνότητας κατασκευάστηκε σύμφωνα με τις τιμές του LSH (Εικόνα 2).

[[εικόνα:ag_5.2.JPG|center|400px|]]

Εικόνα 2: Χάρτης επικινδυνότητας κατολισθήσεων με βάση το μοντέλο αναλογίας συχνοτήτων.

2. <big>'''Μοντέλο δισδιάστατης λογιστικής παλινδρόμησης και εφαρμογές αυτού'''</big>

Η πολυπαραγοντική ανάλυση επιτρέπει σε κάποιον να διαμορφώσει μια σχέση παλινδρόμησης μεταξύ μιας εξαρτημένης και πολλών ανεξάρτητων μεταβλητών. Στην παρούσα εφαρμογή, η εξαρτημένη μεταβλητή είναι δυαδική και αντιπροσωπεύει την ύπαρξη ή μη μιας κατολίσθησης. Ποσοτικά, η σχέση ανάμεσα στο συμβάν και στις εξαρτημένες του μεταβλητές εκφράζεται από τον τύπο:

p=1/(1+e-z)

όπου p=η πιθανότητα για να συμβεί μια κατολίσθηση (0 ή 1)

z=ο γραμμικός συνδυασμός

Επομένως, η λογιστική παλινδρόμηση δίνεται από τον τύπο:

Z=bo+b1x1+b2x2+…+bnxn

όπου bo=το σημείο τομής του μοντέλου

bi=οι κλίσεις του μοντέλου λογιστικής παλινδρόμησης και

xi=οι ανεξάρτητες μεταβλητές

Με αυτόν τον τρόπο εκτιμήθηκε η χωρική σχέση ανάμεσα στην κατολίσθηση ως συμβάν και στους παράγοντες που την επηρεάζουν. Οι χωρικές βάσεις δεδομένων του κάθε παράγοντα μετατράπηκαν σε αρχεία ASCII και οι συσχετίσεις μεταξύ
κατολισθήσεων και κάθε παράγοντα υπολογίστηκαν. Ο χάρτης επικινδυνότητας φαίνεται στην εικόνα 3.

[[εικόνα:ag_5.3.JPG|center|400px|]]

Εικόνα 3: Χάρτης επικινδυνότητας κατολισθήσεων με βάση το μοντέλο δισδιάστατης λογιστικής παλινδρόμησης.

<big>'''Αποτελέσματα'''</big>

Για την επαλήθευση των παραπάνω μοντέλων υπολογισμού έγιναν δύο παραδοχές:

• Οι κατολισθήσεις να συνδέονται με χωρικές πληροφορίες και

• μελλοντικές κατολισθήσεις θα ενεργοποιούνται από έναν συγκεκριμένο παράγοντα όπως βροχόπτωση ή σεισμός.

Επαλήθευση έγινε συγκρίνοντας τα γνωστά δεδομένα για τις κατολισθήσεις με το χάρτη του σχήματος 4. Οι καμπύλες δημιουργήθηκαν για τα ποσοστά τα οποία εξηγούν πόσο καλά το κάθε μοντέλο μπορεί να προβλέψει μια κατολίσθηση (Εικόνα 4).

[[εικόνα:ag_5.4.JPG|center|400px|]]

Εικόνα 4: Συγκεντρωτικά διαγράμματα συχνοτήτων που δείχνουν τον κίνδυνο για κατολισθήσεις (%) σε σχέση με το συνολικό ποσοστό των κατολισθήσεων που έχουν συμβεί.

<big>'''Συμπεράσματα'''</big>

Τα αποτελέσματα δείχνουν πως το μοντέλο αναλογίας συχνοτήτων έχει ακρίβεια στην πρόβλεψη 89,25% το οποίο είναι καλύτερο ποσοστό από το 85,73% του μοντέλου λογιστικής παλινδρόμησης.

Τηλεπισκόπιση και GIS στην Ανάλυση της Επικινδυνότητας για Φαινόμενα Κατολισθήσεων χρησιμοποιώντας Χωρικά Στατιστικά Μοντέλα

2011-02-06T18:06:07Z

Ag.theodorou:

Συγγραφείς:Biswajeet Pradhan & Ahmed M. Youssef

<big>'''Αντικείμενο εφαρμογής'''</big>

Ανάλυση της επικινδυνότητας για φαινόμενα κατολίσθησης.

<big>'''Στόχος της εφαρμογής'''</big>

Στην εργασία αυτή, τηλεπισκοπικά δεδομένα μαζί με άλλους πίνακες και δεδομένα τα οποία προέκυψαν, χρησιμοποιήθηκαν για να σκιαγραφήσουν τις ζώνες επικινδυνότητας κατολισθήσεων στην περιοχή Cameron στη Μαλαισία.

Χρησιμοποιήθηκαν δύο μέθοδοι για το σκοπό αυτό:

• Το Μοντέλο αναλογίας συχνοτήτων και

• Το Μοντέλο δισδιάστατης λογιστικής παλινδρόμησης

<big>'''Περιοχή μελέτης'''</big>

Η περιοχή μελέτης είναι το Cameron που βρίσκεται στο βορειότερο κεντρικό κομμάτι της χερσονήσου της Μαλαισίας και έχει έκταση 660Km2. Η γεωμορφολογία της περιοχής αποτελείται από ένα οροπέδιο μήκους 12Km, έχει υψηλό μέσο όρο ετήσιας βροχόπτωσης και έχουν συμβεί πολλές κατολισθήσεις κατά μήκος των ρεμάτων. (Εικόνα 1)

[[εικόνα:ag_5.1.JPG|center|400px|]]

Εικόνα 1: Περιοχή μελέτης-Μαλαισία

<big>'''Δημιουργία βάσης δεδομένων με χρήση τηλεπισκόπισης και GIS'''</big>

Η χρησιμοποίηση τηλεπισκοπικών δεδομένων όπως αεροφωτογραφίες, γραφήματα και δορυφορικές εικόνες, χρησιμοποιούνται για την εξαγωγή σημαντικών πληροφοριών. Στην μελέτη αυτή χρησιμοποιήθηκαν αεροφωτογραφίες κλίμακας 1:25.000 και 1:50.000 της περιόδου 1981-2003. Μετά από φωτοερμηνεία εντοπίστηκαν οι θέσεις παλιών κατολισθήσεων κάτι το οποίο επαληθεύτηκε με επιτόπια έρευνα. Για να δημιουργηθεί η βάση δεδομένων για την αξιολόγηση της έκτασης και του αριθμού των κατολισθήσεων, χαρτογραφήθηκαν συνολικά 324 κατολισθήσεις.

Για την εφαρμογή της πιθανολογικής μεθόδου, δημιουργήθηκε μια χωρική βάση δεδομένων που συνδέει μεταξύ τους, τους παράγοντες οι οποίοι συμβάλλουν στην κατολίσθηση. Οι παράγοντες αυτοί είναι δέκα και ομαδοποιήθηκαν στις εξής κατηγορίες:

• Ψηφιακό μοντέλο εδάφους (DEM)-τοπογραφική βάση δεδομένων

• Γεωλογική βάση δεδομένων (λιθολογία, απόσταση από ρήγματα)

• Χάρτης εδάφους

• Χάρτης καλύψεων γης (ταξινόμηση έξι κατηγοριών σε δορυφορικές εικόνες Landsat TM)

• Χάρτης NDVI (από δορυφορικές εικόνες Landsat TM)

• Δεδομένα μετεωρολογικού σταθμού (ύψος βροχοπτώσεων)

Οι παραπάνω παράγοντες μετατράπηκαν σε raster πλέγμα με 10x10m κελιά. Η περιοχή πλέγματος είχε 2.418 σειρές και 1.490 στήλες, και 324 κελιά περιείχαν περιστατικά κατολισθήσεων.

<big>'''Μεθοδολογία'''</big>

1. <big>'''Μοντέλο αναλογίας συχνοτήτων και εφαρμογές αυτού'''</big>

Η συχνότητα υπολογίζεται από την ανάλυση της σχέσης μεταξύ των κατολισθήσεων και των παραγόντων οι οποίοι συμβάλλουν σε αυτό. Ως εκ τούτου οι αναλογίες συχνοτήτων για κάθε έναν από τους παράγοντες των κατολισθήσεων υπολογίστηκαν από τη σχέση τους με το φαινόμενο της κατολίσθησης.

Για τον υπολογισμό του δείκτη επικινδυνότητας για κατολισθήσεις (LSH), χρησιμοποιήθηκε η εξίσωση:

LSH=Fr1+Fr2+…+Frn

όπου Fr είναι η κατάταξη του κάθε παράγοντα.

Ο χάρτης επικινδυνότητας κατασκευάστηκε σύμφωνα με τις τιμές του LSH (Εικόνα 2).

[[εικόνα:ag_5.2.JPG|center|400px|]]

Εικόνα 2: Χάρτης επικινδυνότητας κατολισθήσεων με βάση το μοντέλο αναλογίας συχνοτήτων.

2. <big>'''Μοντέλο δισδιάστατης λογιστικής παλινδρόμησης και εφαρμογές αυτού'''</big>

Η πολυπαραγοντική ανάλυση επιτρέπει σε κάποιον να διαμορφώσει μια σχέση παλινδρόμησης μεταξύ μιας εξαρτημένης και πολλών ανεξάρτητων μεταβλητών. Στην παρούσα εφαρμογή, η εξαρτημένη μεταβλητή είναι δυαδική και αντιπροσωπεύει την ύπαρξη ή μη μιας κατολίσθησης. Ποσοτικά, η σχέση ανάμεσα στο συμβάν και στις εξαρτημένες του μεταβλητές εκφράζεται από τον τύπο:

p=1/(1+e-z)

όπου p=η πιθανότητα για να συμβεί μια κατολίσθηση (0 ή 1)

z=ο γραμμικός συνδυασμός

Επομένως, η λογιστική παλινδρόμηση δίνεται από τον τύπο:

Z=bo+b1x1+b2x2+…+bnxn

όπου bo=το σημείο τομής του μοντέλου

bi=οι κλίσεις του μοντέλου λογιστικής παλινδρόμησης και

xi=οι ανεξάρτητες μεταβλητές

Με αυτόν τον τρόπο εκτιμήθηκε η χωρική σχέση ανάμεσα στην κατολίσθηση ως συμβάν και στους παράγοντες που την επηρεάζουν. Οι χωρικές βάσεις δεδομένων του κάθε παράγοντα μετατράπηκαν σε αρχεία ASCII και οι συσχετίσεις μεταξύ
κατολισθήσεων και κάθε παράγοντα υπολογίστηκαν. Ο χάρτης επικινδυνότητας φαίνεται στην εικόνα 3.

[[εικόνα:ag_5.3.JPG|center|400px|]]

Εικόνα 3: Χάρτης επικινδυνότητας κατολισθήσεων με βάση το μοντέλο δισδιάστατης λογιστικής παλινδρόμησης.

<big>'''Αποτελέσματα'''</big>

Για την επαλήθευση των παραπάνω μοντέλων υπολογισμού έγιναν δύο παραδοχές:

• Οι κατολισθήσεις να συνδέονται με χωρικές πληροφορίες και

• μελλοντικές κατολισθήσεις θα ενεργοποιούνται από έναν συγκεκριμένο παράγοντα όπως βροχόπτωση ή σεισμός.

Επαλήθευση έγινε συγκρίνοντας τα γνωστά δεδομένα για τις κατολισθήσεις με το χάρτη του σχήματος 4. Οι καμπύλες δημιουργήθηκαν για τα ποσοστά τα οποία εξηγούν πόσο καλά το κάθε μοντέλο μπορεί να προβλέψει μια κατολίσθηση (Εικόνα 4).

[[εικόνα:ag_5.4.JPG|center|400px|]]

Εικόνα 4: Συγκεντρωτικά διαγράμματα συχνοτήτων που δείχνουν τον κίνδυνο για κατολισθήσεις (%) σε σχέση με το συνολικό ποσοστό των κατολισθήσεων που έχουν συμβεί.

<big>'''Συμπεράσματα'''</big>

Τα αποτελέσματα δείχνουν πως το μοντέλο αναλογίας συχνοτήτων έχει ακρίβεια στην πρόβλεψη 89,25% το οποίο είναι καλύτερο ποσοστό από το 85,73% του μοντέλου λογιστικής παλινδρόμησης.

Τηλεπισκόπιση και GIS στην Ανάλυση της Επικινδυνότητας για Φαινόμενα Κατολισθήσεων χρησιμοποιώντας Χωρικά Στατιστικά Μοντέλα

2011-02-06T18:05:43Z

Ag.theodorou:

<big>''' Τηλεπισκόπιση και GIS στην Ανάλυση της Επικινδυνότητας για Φαινόμενα Κατολισθήσεων χρησιμοποιώντας Χωρικά Στατιστικά Μοντέλα'''</big>

Συγγραφείς:Biswajeet Pradhan & Ahmed M. Youssef

<big>'''Αντικείμενο εφαρμογής'''</big>

Ανάλυση της επικινδυνότητας για φαινόμενα κατολίσθησης.

<big>'''Στόχος της εφαρμογής'''</big>

Στην εργασία αυτή, τηλεπισκοπικά δεδομένα μαζί με άλλους πίνακες και δεδομένα τα οποία προέκυψαν, χρησιμοποιήθηκαν για να σκιαγραφήσουν τις ζώνες επικινδυνότητας κατολισθήσεων στην περιοχή Cameron στη Μαλαισία.

Χρησιμοποιήθηκαν δύο μέθοδοι για το σκοπό αυτό:

• Το Μοντέλο αναλογίας συχνοτήτων και

• Το Μοντέλο δισδιάστατης λογιστικής παλινδρόμησης

<big>'''Περιοχή μελέτης'''</big>

Η περιοχή μελέτης είναι το Cameron που βρίσκεται στο βορειότερο κεντρικό κομμάτι της χερσονήσου της Μαλαισίας και έχει έκταση 660Km2. Η γεωμορφολογία της περιοχής αποτελείται από ένα οροπέδιο μήκους 12Km, έχει υψηλό μέσο όρο ετήσιας βροχόπτωσης και έχουν συμβεί πολλές κατολισθήσεις κατά μήκος των ρεμάτων. (Εικόνα 1)

[[εικόνα:ag_5.1.JPG|center|400px|]]

Εικόνα 1: Περιοχή μελέτης-Μαλαισία

<big>'''Δημιουργία βάσης δεδομένων με χρήση τηλεπισκόπισης και GIS'''</big>

Η χρησιμοποίηση τηλεπισκοπικών δεδομένων όπως αεροφωτογραφίες, γραφήματα και δορυφορικές εικόνες, χρησιμοποιούνται για την εξαγωγή σημαντικών πληροφοριών. Στην μελέτη αυτή χρησιμοποιήθηκαν αεροφωτογραφίες κλίμακας 1:25.000 και 1:50.000 της περιόδου 1981-2003. Μετά από φωτοερμηνεία εντοπίστηκαν οι θέσεις παλιών κατολισθήσεων κάτι το οποίο επαληθεύτηκε με επιτόπια έρευνα. Για να δημιουργηθεί η βάση δεδομένων για την αξιολόγηση της έκτασης και του αριθμού των κατολισθήσεων, χαρτογραφήθηκαν συνολικά 324 κατολισθήσεις.

Για την εφαρμογή της πιθανολογικής μεθόδου, δημιουργήθηκε μια χωρική βάση δεδομένων που συνδέει μεταξύ τους, τους παράγοντες οι οποίοι συμβάλλουν στην κατολίσθηση. Οι παράγοντες αυτοί είναι δέκα και ομαδοποιήθηκαν στις εξής κατηγορίες:

• Ψηφιακό μοντέλο εδάφους (DEM)-τοπογραφική βάση δεδομένων

• Γεωλογική βάση δεδομένων (λιθολογία, απόσταση από ρήγματα)

• Χάρτης εδάφους

• Χάρτης καλύψεων γης (ταξινόμηση έξι κατηγοριών σε δορυφορικές εικόνες Landsat TM)

• Χάρτης NDVI (από δορυφορικές εικόνες Landsat TM)

• Δεδομένα μετεωρολογικού σταθμού (ύψος βροχοπτώσεων)

Οι παραπάνω παράγοντες μετατράπηκαν σε raster πλέγμα με 10x10m κελιά. Η περιοχή πλέγματος είχε 2.418 σειρές και 1.490 στήλες, και 324 κελιά περιείχαν περιστατικά κατολισθήσεων.

<big>'''Μεθοδολογία'''</big>

1. <big>'''Μοντέλο αναλογίας συχνοτήτων και εφαρμογές αυτού'''</big>

Η συχνότητα υπολογίζεται από την ανάλυση της σχέσης μεταξύ των κατολισθήσεων και των παραγόντων οι οποίοι συμβάλλουν σε αυτό. Ως εκ τούτου οι αναλογίες συχνοτήτων για κάθε έναν από τους παράγοντες των κατολισθήσεων υπολογίστηκαν από τη σχέση τους με το φαινόμενο της κατολίσθησης.

Για τον υπολογισμό του δείκτη επικινδυνότητας για κατολισθήσεις (LSH), χρησιμοποιήθηκε η εξίσωση:

LSH=Fr1+Fr2+…+Frn

όπου Fr είναι η κατάταξη του κάθε παράγοντα.

Ο χάρτης επικινδυνότητας κατασκευάστηκε σύμφωνα με τις τιμές του LSH (Εικόνα 2).

[[εικόνα:ag_5.2.JPG|center|400px|]]

Εικόνα 2: Χάρτης επικινδυνότητας κατολισθήσεων με βάση το μοντέλο αναλογίας συχνοτήτων.

2. <big>'''Μοντέλο δισδιάστατης λογιστικής παλινδρόμησης και εφαρμογές αυτού'''</big>

Η πολυπαραγοντική ανάλυση επιτρέπει σε κάποιον να διαμορφώσει μια σχέση παλινδρόμησης μεταξύ μιας εξαρτημένης και πολλών ανεξάρτητων μεταβλητών. Στην παρούσα εφαρμογή, η εξαρτημένη μεταβλητή είναι δυαδική και αντιπροσωπεύει την ύπαρξη ή μη μιας κατολίσθησης. Ποσοτικά, η σχέση ανάμεσα στο συμβάν και στις εξαρτημένες του μεταβλητές εκφράζεται από τον τύπο:

p=1/(1+e-z)

όπου p=η πιθανότητα για να συμβεί μια κατολίσθηση (0 ή 1)

z=ο γραμμικός συνδυασμός

Επομένως, η λογιστική παλινδρόμηση δίνεται από τον τύπο:

Z=bo+b1x1+b2x2+…+bnxn

όπου bo=το σημείο τομής του μοντέλου

bi=οι κλίσεις του μοντέλου λογιστικής παλινδρόμησης και

xi=οι ανεξάρτητες μεταβλητές

Με αυτόν τον τρόπο εκτιμήθηκε η χωρική σχέση ανάμεσα στην κατολίσθηση ως συμβάν και στους παράγοντες που την επηρεάζουν. Οι χωρικές βάσεις δεδομένων του κάθε παράγοντα μετατράπηκαν σε αρχεία ASCII και οι συσχετίσεις μεταξύ
κατολισθήσεων και κάθε παράγοντα υπολογίστηκαν. Ο χάρτης επικινδυνότητας φαίνεται στην εικόνα 3.

[[εικόνα:ag_5.3.JPG|center|400px|]]

Εικόνα 3: Χάρτης επικινδυνότητας κατολισθήσεων με βάση το μοντέλο δισδιάστατης λογιστικής παλινδρόμησης.

<big>'''Αποτελέσματα'''</big>

Για την επαλήθευση των παραπάνω μοντέλων υπολογισμού έγιναν δύο παραδοχές:

• Οι κατολισθήσεις να συνδέονται με χωρικές πληροφορίες και

• μελλοντικές κατολισθήσεις θα ενεργοποιούνται από έναν συγκεκριμένο παράγοντα όπως βροχόπτωση ή σεισμός.

Επαλήθευση έγινε συγκρίνοντας τα γνωστά δεδομένα για τις κατολισθήσεις με το χάρτη του σχήματος 4. Οι καμπύλες δημιουργήθηκαν για τα ποσοστά τα οποία εξηγούν πόσο καλά το κάθε μοντέλο μπορεί να προβλέψει μια κατολίσθηση (Εικόνα 4).

[[εικόνα:ag_5.4.JPG|center|400px|]]

Εικόνα 4: Συγκεντρωτικά διαγράμματα συχνοτήτων που δείχνουν τον κίνδυνο για κατολισθήσεις (%) σε σχέση με το συνολικό ποσοστό των κατολισθήσεων που έχουν συμβεί.

<big>'''Συμπεράσματα'''</big>

Τα αποτελέσματα δείχνουν πως το μοντέλο αναλογίας συχνοτήτων έχει ακρίβεια στην πρόβλεψη 89,25% το οποίο είναι καλύτερο ποσοστό από το 85,73% του μοντέλου λογιστικής παλινδρόμησης.

Αρχείο:Ag 5.4.JPG

2011-02-06T18:04:15Z

Ag.theodorou:

Αρχείο:Ag 5.3.JPG

2011-02-06T18:03:51Z

Ag.theodorou:

Αρχείο:Ag 5.2.JPG

2011-02-06T18:03:29Z

Ag.theodorou:

Αρχείο:Ag 5.1.JPG

2011-02-06T18:03:02Z

Ag.theodorou:

Τηλεπισκόπιση και GIS στην Ανάλυση της Επικινδυνότητας για Φαινόμενα Κατολισθήσεων χρησιμοποιώντας Χωρικά Στατιστικά Μοντέλα

2011-02-06T18:02:40Z

Ag.theodorou: New page: <big>''' Τηλεπισκόπιση και GIS στην Ανάλυση της Επικινδυνότητας για Φαινόμενα Κατολισθήσεων χρησιμοποιώντ...

Ιβγυιωι

2011-02-06T17:28:20Z

Ag.theodorou: Η Ιβγυιωι μετονομάστηκε σε Δ

#REDIRECT [[Δ]]

Θεοδώρου Αγγελική

2011-02-06T17:21:12Z

Ag.theodorou:

[[Ανάλυση της Επικινδυνότητας για Εμφάνιση Κατολισθήσεων με Τηλεπισκοπικές Μεθόδους: Αποτελέσματα του ESA/SLAM PROJET]]

[[category:ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Μέτσοβο)]]

Αναλύοντας Χωρικά και Χρονικά τις Δασικές Πυρκαγιές και το πώς φαίνονται από το Διάστημα

2011-02-06T17:13:41Z

Ag.theodorou:

[[category:ΔΠΜΣ "Περιβάλλον και Ανάπτυξη" (Μέτσοβο)]]

<big>'''Αναλύοντας Χωρικά και Χρονικά τις Δασικές Πυρκαγιές και το πώς φαίνονται από το Διάστημα'''</big>

Συγγραφείς: Dr.Emilio Chuvieco and David Cocero

<big>''' Αντικείμενο εφαρμογής'''</big>

Πρόληψη πυρκαγιών και εκτίμηση των αποτελεσμάτων αυτών χρησιμοποιώντας τη δορυφορική τηλεπισκόπιση.

<big>''' Στόχος εφαρμογής'''</big>

Η εργασία αυτή παρουσιάζει σημερινές εφαρμογές και μελλοντικές ικανότητες των τηλεπισκοπικών συστημάτων για τις πυρκαγιές δίνοντας ιδιαίτερη έμφαση στις ευρωπαϊκές χώρες της Μεσογείου.

<big>''' Εισαγωγή'''</big>

Η εκτίμηση των αποτελεσμάτων των πυρκαγιών θεωρείται ένας κρίσιμος παράγοντας για τη καλή λειτουργία του οικοσυστήματος, από τότε που οι πυρκαγιές παίζουν πρωτεύοντα ρόλο στην σύνθεση της βλάστησης, στη βιοποικιλότητα, στη διάβρωση του εδάφους και στον υδρολογικό κύκλο.

<big>''' Το πρόβλημα'''</big>

Η εγκατάλειψη των αγροτικών περιοχών στη λεκάνη της Μεσογείου έφερε μια ασυνήθιστη συσσώρευση δασικής καύσιμης ύλης κάτι το οποίο αυξάνει τον κίνδυνο για δασικές πυρκαγιές. Από την άλλη πλευρά, η αύξηση χρήσης των δασών ως χώροι αναψυχής συνεπάγεται αύξηση των ανθρωπογενών αιτιών εκκίνησης μιας πυρκαγιάς. Σύμφωνα με τα τελευταία στατιστικά στοιχεία 200.000 πυρκαγιές συνέβησαν στις μεσογειακές χώρες στο διάστημα 1990-1993 καταστρέφοντας 2.000.000 εκτάρια γης.

<big>''' Μεθοδολογία'''</big>

Η δορυφορική τηλεπισκόπηση είναι ένα εργαλείο κατάλληλο για την έρευνα των δασικών πυρκαγιών καθώς οι δορυφορικοί δέκτες πάνω από μία περιοχή αποστέλλουν συνέχεια πληροφορίες κι έτσι συμβάλλουν στην πρόληψη, στην ανίχνευση και στη χαρτογράφηση των δασικών πυρκαγιών.

Η συμβολή της τηλεπισκόπησης στις δασικές πυρκαγιές μπορεί να ταξινομηθεί στις εξής κατηγορίες:

• Βραχυπρόθεσμη εκτίμηση κινδύνου για πυρκαγιές

Η εκτίμηση του κινδύνου για πυρκαγιές απαιτεί συνεχή παρακολούθηση της έλλειψης βλάστησης. Η πιο συνηθισμένη μέθοδος για την εκτίμηση της κατάστασης της βλάστησης είναι η ανάλυση των δεικτών βλάστησης (VI). Ένας εναλλακτικός τρόπος για την εκτίμηση της βλάστησης και της υγρασίας είναι η μελέτη του θερμικού δυναμικού από την κάλυψη της βλάστησης. Ο συνδυασμός της επιφανειακής θερμοκρασίας και του δείκτη NDVI εφαρμόστηκαν με επιτυχία στην εκτίμηση της επικινδυνότητας για πυρκαγιές στη νότια Γαλλία.

• Μακροπρόθεσμη εκτίμηση κινδύνου για πυρκαγιές

Ο μακροπρόθεσμος κίνδυνος αναφέρεται σε μόνιμους παράγοντες που σχετίζονται με τις πυρκαγιές όπως η τοπογραφία, η δομή της βλάστησης, οι ανθρώπινες δραστηριότητες ή οι μετεωρολογικές συνθήκες. Για το λόγο αυτό, οι ικανότητες των συστημάτων GIS μετατρέπουν τους παραπάνω παράγοντες σε κατάλληλα εργαλεία για τη χαρτογράφηση κινδύνου των πυρκαγιών. Τη τελευταία δεκαετία έχουν αναπτυχθεί αρκετές εφαρμογές GIS προς αυτήν την κατεύθυνση. Το κρίσιμο σημείο των εφαρμογών αυτών είναι το επίπεδο βλάστησης διότι έχει αποδειχθεί η στενή συσχέτιση ανάμεσα στην εξάπλωση και την ένταση μιας πυρκαγιάς, με τη βλάστηση (μοντέλο καυσίμου για πυρκαγιά). Για την εξέταση των «μοντέλων καυσίμου» χρησιμοποιείται η τηλεπισκόπιση μέσω της οποίας γίνεται ψηφιακή επεξεργασία δορυφορικών εικόνων. Οι περισσότεροι δουλεύουν με εικόνες Landsat-MSS ή TM, αλλά σημαντικά συμπεράσματα έχουν βγει και από χαμηλότερης ανάλυσης δέκτες όπως ο NOAA-AVHRR.

• Ανίχνευση πυρκαγιών (κατά τη διάρκεια μιας πυρκαγιάς)

Η ανίχνευση πυρκαγιών με τηλεπισκόπιση βασίζεται στην ανάλυση δεδομένων στη μέση υπέρυθρη συχνότητα. Δεδομένου ότι οι θερμοκρασίες στις δασικές πυρκαγιές κυμαίνονται από 500 έως 1000 K το καταλληλότερο κανάλι για την ανίχνευση πυρκαγιών εντοπίζεται ανάμεσα στο 5,8 και 2,9 μm. Ως συνέπεια, το μέσο υπέρυθρο κανάλι είναι πιο ευαίσθητο στην ανίχνευση και παρακολούθηση ενεργών πυρκαγιών.

Οι δορυφόροι της Γης όπως είναι ο Landsat ή ο SPOT, δεν παρέχουν πληροφορίες με επαρκή χρονική συχνότητα για την ανίχνευση πυρκαγιών. Αντίθετα, οι μετεωρολογικοί δορυφόροι όπως ο NOAA-AVHRR, είναι περισσότερο χρήσιμοι για την ανίχνευση εξαιτίας του επαρκούς κύκλου κάλυψης (12 ώρες) και της υψηλής φασματικής τους ανάλυσης.

Χρησιμοποιώντας τέτοιες δορυφορικές εικόνες έχουν αναπτυχθεί πιλοτικές εφαρμογές στον Καναδά, σε τροπικά δάση και σε δάση της Μεσογείου. Η ακρίβεια ανίχνευσης των μικρών πυρκαγιών περιορίστηκε στο 10-12% και καλύτερα αποτελέσματα αναφέρθηκαν σε περιοχές χωρίς συννεφιά.

Μειονεκτήματα:

1. Χαμηλά θερμική ευαισθησία, μέχρι 320Κ (για το κανάλι 3 του AVHRR).

2. Κάποια σημεία δασικών πυρκαγιών μπορούν εύκολα να μπερδευτούν με αγροτικές πυρκαγιές ή με υπερθερμασμένα γυμνά εδάφη

Σε κάθε περίπτωση, οι αισθητήρες με υψηλότερη θερμική ευαισθησία είναι επιθυμητοί. Αυτό έχει επιτευχθεί στη Βραζιλία με τη κατασκευή αερομεταφερόμενων σαρωτών με θερμική ευαισθησία έως 900Κ. Μελλοντικά, ο MODIS θα περιλαμβάνει ένα μέσο υπέρυθρο κανάλι με θερμική ευαισθησία 500Κ.

• Εκτίμηση αποτελεσμάτων της πυρκαγιάς (μετά την πυρκαγιά)

Το διεθνώς αυξανόμενο ενδιαφέρον για τις επιδράσεις των πυρκαγιών απαιτεί μια ποσοτική αξιολόγηση της χρονικής και χωρικής κατανομής των πυρκαγιών. Οι περισσότερες χαρτογραφήσεις πυρκαγιών βασίζονται στα δεδομένα του καναλιού 3 το οποίο παρουσιάζει αρκετές δυσκολίες στην ανίχνευση των πυρκαγιών και κατ΄επέκταση στη χαρτογράφηση της καμένης γης.

Μια άλλη προσέγγιση στην αξιολόγηση των καμένων περιοχών είναι η καταμέτρηση των συνεπειών των πυρκαγιών με σύγκριση των δεικτών βλάστησης πριν και μετά την πυρκαγιά. Η καμένη γη εμφανίζει πολύ μικρή αντανάκλαση στο κοντινό υπέρυθρο, άρα οι τιμές του δείκτη NDVI της καμένης βλάστησης είναι πολύ μικρότερες από αυτές των υγιών φυτών.

<big>''' Συμπεράσματα και μελλοντικές προοπτικές'''</big>

Οι προοπτικές για καλύτερους αισθητήρες χωρικής και χρονικής ανάλυσης θα συμβάλλουν στο να ξεπεραστούν οι τωρινοί περιορισμοί των δορυφορικών δεδομένων για τη διαχείριση των πυρκαγιών. Τα δεδομένα από τον MODIS θα αυξήσουν τις παρεχόμενες λεπτομέρειες σε σχέση με αυτές που δίνει ο αισθητήρας AVHRR για τη βραχυπρόθεσμη εκτίμηση πυρκαγιάς αλλά και για τη χαρτογράφηση πυρκαγιών. Επίσης, η αυξανόμενη τάση προς το συνδυασμό της τηλεπισκόπισης με τα GIS συστήματα μπορεί να συνεισφέρει στην εκτίμηση του κινδύνου και των συνεπειών από τις πυρκαγιές.

Θεοδώρου Αγγελική

2011-02-06T17:11:51Z

Ag.theodorou:

Add Your Content Here

[[Ανάλυση της Επικινδυνότητας για Εμφάνιση Κατολισθήσεων με Τηλεπισκοπικές Μεθόδους: Αποτελέσματα του ESA/SLAM PROJET]]

[[category:ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Μέτσοβο)]]

Θεοδώρου Αγγελική

2011-02-06T17:11:02Z

Ag.theodorou:

Add Your Content Here

[[Αναλύοντας Χωρικά και Χρονικά τις Δασικές Πυρκαγιές και το πώς φαίνονται από το Διάστημα]]

[[category:ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Μέτσοβο)]]

Αναλύοντας Χωρικά και Χρονικά τις Δασικές Πυρκαγιές και το πώς φαίνονται από το Διάστημα

2011-02-02T22:16:36Z

Ag.theodorou:

Add Your Content Here

[[category:ΔΠΜΣ "Περιβάλλον και Ανάπτυξη" (Μέτσοβο)]]

<big>'''Αναλύοντας Χωρικά και Χρονικά τις Δασικές Πυρκαγιές και το πώς φαίνονται από το Διάστημα'''</big>

Συγγραφείς: Dr.Emilio Chuvieco and David Cocero

<big>''' Αντικείμενο εφαρμογής'''</big>

Πρόληψη πυρκαγιών και εκτίμηση των αποτελεσμάτων αυτών χρησιμοποιώντας τη δορυφορική τηλεπισκόπιση.

<big>''' Στόχος εφαρμογής'''</big>

Η εργασία αυτή παρουσιάζει σημερινές εφαρμογές και μελλοντικές ικανότητες των τηλεπισκοπικών συστημάτων για τις πυρκαγιές δίνοντας ιδιαίτερη έμφαση στις ευρωπαϊκές χώρες της Μεσογείου.

<big>''' Εισαγωγή'''</big>

Η εκτίμηση των αποτελεσμάτων των πυρκαγιών θεωρείται ένας κρίσιμος παράγοντας για τη καλή λειτουργία του οικοσυστήματος, από τότε που οι πυρκαγιές παίζουν πρωτεύοντα ρόλο στην σύνθεση της βλάστησης, στη βιοποικιλότητα, στη διάβρωση του εδάφους και στον υδρολογικό κύκλο.

<big>''' Το πρόβλημα'''</big>

Η εγκατάλειψη των αγροτικών περιοχών στη λεκάνη της Μεσογείου έφερε μια ασυνήθιστη συσσώρευση δασικής καύσιμης ύλης κάτι το οποίο αυξάνει τον κίνδυνο για δασικές πυρκαγιές. Από την άλλη πλευρά, η αύξηση χρήσης των δασών ως χώροι αναψυχής συνεπάγεται αύξηση των ανθρωπογενών αιτιών εκκίνησης μιας πυρκαγιάς. Σύμφωνα με τα τελευταία στατιστικά στοιχεία 200.000 πυρκαγιές συνέβησαν στις μεσογειακές χώρες στο διάστημα 1990-1993 καταστρέφοντας 2.000.000 εκτάρια γης.

<big>''' Μεθοδολογία'''</big>

Η δορυφορική τηλεπισκόπηση είναι ένα εργαλείο κατάλληλο για την έρευνα των δασικών πυρκαγιών καθώς οι δορυφορικοί δέκτες πάνω από μία περιοχή αποστέλλουν συνέχεια πληροφορίες κι έτσι συμβάλλουν στην πρόληψη, στην ανίχνευση και στη χαρτογράφηση των δασικών πυρκαγιών.

Η συμβολή της τηλεπισκόπησης στις δασικές πυρκαγιές μπορεί να ταξινομηθεί στις εξής κατηγορίες:

• Βραχυπρόθεσμη εκτίμηση κινδύνου για πυρκαγιές

Η εκτίμηση του κινδύνου για πυρκαγιές απαιτεί συνεχή παρακολούθηση της έλλειψης βλάστησης. Η πιο συνηθισμένη μέθοδος για την εκτίμηση της κατάστασης της βλάστησης είναι η ανάλυση των δεικτών βλάστησης (VI). Ένας εναλλακτικός τρόπος για την εκτίμηση της βλάστησης και της υγρασίας είναι η μελέτη του θερμικού δυναμικού από την κάλυψη της βλάστησης. Ο συνδυασμός της επιφανειακής θερμοκρασίας και του δείκτη NDVI εφαρμόστηκαν με επιτυχία στην εκτίμηση της επικινδυνότητας για πυρκαγιές στη νότια Γαλλία.

• Μακροπρόθεσμη εκτίμηση κινδύνου για πυρκαγιές

Ο μακροπρόθεσμος κίνδυνος αναφέρεται σε μόνιμους παράγοντες που σχετίζονται με τις πυρκαγιές όπως η τοπογραφία, η δομή της βλάστησης, οι ανθρώπινες δραστηριότητες ή οι μετεωρολογικές συνθήκες. Για το λόγο αυτό, οι ικανότητες των συστημάτων GIS μετατρέπουν τους παραπάνω παράγοντες σε κατάλληλα εργαλεία για τη χαρτογράφηση κινδύνου των πυρκαγιών. Τη τελευταία δεκαετία έχουν αναπτυχθεί αρκετές εφαρμογές GIS προς αυτήν την κατεύθυνση. Το κρίσιμο σημείο των εφαρμογών αυτών είναι το επίπεδο βλάστησης διότι έχει αποδειχθεί η στενή συσχέτιση ανάμεσα στην εξάπλωση και την ένταση μιας πυρκαγιάς, με τη βλάστηση (μοντέλο καυσίμου για πυρκαγιά). Για την εξέταση των «μοντέλων καυσίμου» χρησιμοποιείται η τηλεπισκόπιση μέσω της οποίας γίνεται ψηφιακή επεξεργασία δορυφορικών εικόνων. Οι περισσότεροι δουλεύουν με εικόνες Landsat-MSS ή TM, αλλά σημαντικά συμπεράσματα έχουν βγει και από χαμηλότερης ανάλυσης δέκτες όπως ο NOAA-AVHRR.

• Ανίχνευση πυρκαγιών (κατά τη διάρκεια μιας πυρκαγιάς)

Η ανίχνευση πυρκαγιών με τηλεπισκόπιση βασίζεται στην ανάλυση δεδομένων στη μέση υπέρυθρη συχνότητα. Δεδομένου ότι οι θερμοκρασίες στις δασικές πυρκαγιές κυμαίνονται από 500 έως 1000 K το καταλληλότερο κανάλι για την ανίχνευση πυρκαγιών εντοπίζεται ανάμεσα στο 5,8 και 2,9 μm. Ως συνέπεια, το μέσο υπέρυθρο κανάλι είναι πιο ευαίσθητο στην ανίχνευση και παρακολούθηση ενεργών πυρκαγιών.

Οι δορυφόροι της Γης όπως είναι ο Landsat ή ο SPOT, δεν παρέχουν πληροφορίες με επαρκή χρονική συχνότητα για την ανίχνευση πυρκαγιών. Αντίθετα, οι μετεωρολογικοί δορυφόροι όπως ο NOAA-AVHRR, είναι περισσότερο χρήσιμοι για την ανίχνευση εξαιτίας του επαρκούς κύκλου κάλυψης (12 ώρες) και της υψηλής φασματικής τους ανάλυσης.

Χρησιμοποιώντας τέτοιες δορυφορικές εικόνες έχουν αναπτυχθεί πιλοτικές εφαρμογές στον Καναδά, σε τροπικά δάση και σε δάση της Μεσογείου. Η ακρίβεια ανίχνευσης των μικρών πυρκαγιών περιορίστηκε στο 10-12% και καλύτερα αποτελέσματα αναφέρθηκαν σε περιοχές χωρίς συννεφιά.

Μειονεκτήματα:

1. Χαμηλά θερμική ευαισθησία, μέχρι 320Κ (για το κανάλι 3 του AVHRR).

2. Κάποια σημεία δασικών πυρκαγιών μπορούν εύκολα να μπερδευτούν με αγροτικές πυρκαγιές ή με υπερθερμασμένα γυμνά εδάφη

Σε κάθε περίπτωση, οι αισθητήρες με υψηλότερη θερμική ευαισθησία είναι επιθυμητοί. Αυτό έχει επιτευχθεί στη Βραζιλία με τη κατασκευή αερομεταφερόμενων σαρωτών με θερμική ευαισθησία έως 900Κ. Μελλοντικά, ο MODIS θα περιλαμβάνει ένα μέσο υπέρυθρο κανάλι με θερμική ευαισθησία 500Κ.

• Εκτίμηση αποτελεσμάτων της πυρκαγιάς (μετά την πυρκαγιά)

Το διεθνώς αυξανόμενο ενδιαφέρον για τις επιδράσεις των πυρκαγιών απαιτεί μια ποσοτική αξιολόγηση της χρονικής και χωρικής κατανομής των πυρκαγιών. Οι περισσότερες χαρτογραφήσεις πυρκαγιών βασίζονται στα δεδομένα του καναλιού 3 το οποίο παρουσιάζει αρκετές δυσκολίες στην ανίχνευση των πυρκαγιών και κατ΄επέκταση στη χαρτογράφηση της καμένης γης.

Μια άλλη προσέγγιση στην αξιολόγηση των καμένων περιοχών είναι η καταμέτρηση των συνεπειών των πυρκαγιών με σύγκριση των δεικτών βλάστησης πριν και μετά την πυρκαγιά. Η καμένη γη εμφανίζει πολύ μικρή αντανάκλαση στο κοντινό υπέρυθρο, άρα οι τιμές του δείκτη NDVI της καμένης βλάστησης είναι πολύ μικρότερες από αυτές των υγιών φυτών.

<big>''' Συμπεράσματα και μελλοντικές προοπτικές'''</big>

Οι προοπτικές για καλύτερους αισθητήρες χωρικής και χρονικής ανάλυσης θα συμβάλλουν στο να ξεπεραστούν οι τωρινοί περιορισμοί των δορυφορικών δεδομένων για τη διαχείριση των πυρκαγιών. Τα δεδομένα από τον MODIS θα αυξήσουν τις παρεχόμενες λεπτομέρειες σε σχέση με αυτές που δίνει ο αισθητήρας AVHRR για τη βραχυπρόθεσμη εκτίμηση πυρκαγιάς αλλά και για τη χαρτογράφηση πυρκαγιών. Επίσης, η αυξανόμενη τάση προς το συνδυασμό της τηλεπισκόπισης με τα GIS συστήματα μπορεί να συνεισφέρει στην εκτίμηση του κινδύνου και των συνεπειών από τις πυρκαγιές.

''' Αναλύοντας Χωρικά και Χρονικά τις Δασικές Πυρκαγιές και το πώς φαίνονται από το Διάστημα

2011-02-02T22:14:15Z

Ag.theodorou: Η ''' Αναλύοντας Χωρικά και Χρονικά τις Δασικές Πυρκαγιές και το πώς φαίνονται από το Διάστημα μετονομάστηκε σε Αναλύοντας Χωρικά και Χρονι�

#REDIRECT [[Αναλύοντας Χωρικά και Χρονικά τις Δασικές Πυρκαγιές και το πώς φαίνονται από το Διάστημα]]

Αναλύοντας Χωρικά και Χρονικά τις Δασικές Πυρκαγιές και το πώς φαίνονται από το Διάστημα

2011-02-02T22:14:15Z

Add Your Content Here

[[category:ΔΠΜΣ ]]

<big>'''Αναλύοντας Χωρικά και Χρονικά τις Δασικές Πυρκαγιές και το πώς φαίνονται από το Διάστημα'''</big>

Συγγραφείς: Dr.Emilio Chuvieco and David Cocero

<big>''' Αντικείμενο εφαρμογής'''</big>

Πρόληψη πυρκαγιών και εκτίμηση των αποτελεσμάτων αυτών χρησιμοποιώντας τη δορυφορική τηλεπισκόπιση.

<big>''' Στόχος εφαρμογής'''</big>

Η εργασία αυτή παρουσιάζει σημερινές εφαρμογές και μελλοντικές ικανότητες των τηλεπισκοπικών συστημάτων για τις πυρκαγιές δίνοντας ιδιαίτερη έμφαση στις ευρωπαϊκές χώρες της Μεσογείου.

<big>''' Εισαγωγή'''</big>

Η εκτίμηση των αποτελεσμάτων των πυρκαγιών θεωρείται ένας κρίσιμος παράγοντας για τη καλή λειτουργία του οικοσυστήματος, από τότε που οι πυρκαγιές παίζουν πρωτεύοντα ρόλο στην σύνθεση της βλάστησης, στη βιοποικιλότητα, στη διάβρωση του εδάφους και στον υδρολογικό κύκλο.

<big>''' Το πρόβλημα'''</big>

Η εγκατάλειψη των αγροτικών περιοχών στη λεκάνη της Μεσογείου έφερε μια ασυνήθιστη συσσώρευση δασικής καύσιμης ύλης κάτι το οποίο αυξάνει τον κίνδυνο για δασικές πυρκαγιές. Από την άλλη πλευρά, η αύξηση χρήσης των δασών ως χώροι αναψυχής συνεπάγεται αύξηση των ανθρωπογενών αιτιών εκκίνησης μιας πυρκαγιάς. Σύμφωνα με τα τελευταία στατιστικά στοιχεία 200.000 πυρκαγιές συνέβησαν στις μεσογειακές χώρες στο διάστημα 1990-1993 καταστρέφοντας 2.000.000 εκτάρια γης.

<big>''' Μεθοδολογία'''</big>

Η δορυφορική τηλεπισκόπηση είναι ένα εργαλείο κατάλληλο για την έρευνα των δασικών πυρκαγιών καθώς οι δορυφορικοί δέκτες πάνω από μία περιοχή αποστέλλουν συνέχεια πληροφορίες κι έτσι συμβάλλουν στην πρόληψη, στην ανίχνευση και στη χαρτογράφηση των δασικών πυρκαγιών.

Η συμβολή της τηλεπισκόπησης στις δασικές πυρκαγιές μπορεί να ταξινομηθεί στις εξής κατηγορίες:

• Βραχυπρόθεσμη εκτίμηση κινδύνου για πυρκαγιές

Η εκτίμηση του κινδύνου για πυρκαγιές απαιτεί συνεχή παρακολούθηση της έλλειψης βλάστησης. Η πιο συνηθισμένη μέθοδος για την εκτίμηση της κατάστασης της βλάστησης είναι η ανάλυση των δεικτών βλάστησης (VI). Ένας εναλλακτικός τρόπος για την εκτίμηση της βλάστησης και της υγρασίας είναι η μελέτη του θερμικού δυναμικού από την κάλυψη της βλάστησης. Ο συνδυασμός της επιφανειακής θερμοκρασίας και του δείκτη NDVI εφαρμόστηκαν με επιτυχία στην εκτίμηση της επικινδυνότητας για πυρκαγιές στη νότια Γαλλία.

• Μακροπρόθεσμη εκτίμηση κινδύνου για πυρκαγιές

Ο μακροπρόθεσμος κίνδυνος αναφέρεται σε μόνιμους παράγοντες που σχετίζονται με τις πυρκαγιές όπως η τοπογραφία, η δομή της βλάστησης, οι ανθρώπινες δραστηριότητες ή οι μετεωρολογικές συνθήκες. Για το λόγο αυτό, οι ικανότητες των συστημάτων GIS μετατρέπουν τους παραπάνω παράγοντες σε κατάλληλα εργαλεία για τη χαρτογράφηση κινδύνου των πυρκαγιών. Τη τελευταία δεκαετία έχουν αναπτυχθεί αρκετές εφαρμογές GIS προς αυτήν την κατεύθυνση. Το κρίσιμο σημείο των εφαρμογών αυτών είναι το επίπεδο βλάστησης διότι έχει αποδειχθεί η στενή συσχέτιση ανάμεσα στην εξάπλωση και την ένταση μιας πυρκαγιάς, με τη βλάστηση (μοντέλο καυσίμου για πυρκαγιά). Για την εξέταση των «μοντέλων καυσίμου» χρησιμοποιείται η τηλεπισκόπιση μέσω της οποίας γίνεται ψηφιακή επεξεργασία δορυφορικών εικόνων. Οι περισσότεροι δουλεύουν με εικόνες Landsat-MSS ή TM, αλλά σημαντικά συμπεράσματα έχουν βγει και από χαμηλότερης ανάλυσης δέκτες όπως ο NOAA-AVHRR.

• Ανίχνευση πυρκαγιών (κατά τη διάρκεια μιας πυρκαγιάς)

Η ανίχνευση πυρκαγιών με τηλεπισκόπιση βασίζεται στην ανάλυση δεδομένων στη μέση υπέρυθρη συχνότητα. Δεδομένου ότι οι θερμοκρασίες στις δασικές πυρκαγιές κυμαίνονται από 500 έως 1000 K το καταλληλότερο κανάλι για την ανίχνευση πυρκαγιών εντοπίζεται ανάμεσα στο 5,8 και 2,9 μm. Ως συνέπεια, το μέσο υπέρυθρο κανάλι είναι πιο ευαίσθητο στην ανίχνευση και παρακολούθηση ενεργών πυρκαγιών.

Οι δορυφόροι της Γης όπως είναι ο Landsat ή ο SPOT, δεν παρέχουν πληροφορίες με επαρκή χρονική συχνότητα για την ανίχνευση πυρκαγιών. Αντίθετα, οι μετεωρολογικοί δορυφόροι όπως ο NOAA-AVHRR, είναι περισσότερο χρήσιμοι για την ανίχνευση εξαιτίας του επαρκούς κύκλου κάλυψης (12 ώρες) και της υψηλής φασματικής τους ανάλυσης.

Χρησιμοποιώντας τέτοιες δορυφορικές εικόνες έχουν αναπτυχθεί πιλοτικές εφαρμογές στον Καναδά, σε τροπικά δάση και σε δάση της Μεσογείου. Η ακρίβεια ανίχνευσης των μικρών πυρκαγιών περιορίστηκε στο 10-12% και καλύτερα αποτελέσματα αναφέρθηκαν σε περιοχές χωρίς συννεφιά.

Μειονεκτήματα:

1. Χαμηλά θερμική ευαισθησία, μέχρι 320Κ (για το κανάλι 3 του AVHRR).

2. Κάποια σημεία δασικών πυρκαγιών μπορούν εύκολα να μπερδευτούν με αγροτικές πυρκαγιές ή με υπερθερμασμένα γυμνά εδάφη

Σε κάθε περίπτωση, οι αισθητήρες με υψηλότερη θερμική ευαισθησία είναι επιθυμητοί. Αυτό έχει επιτευχθεί στη Βραζιλία με τη κατασκευή αερομεταφερόμενων σαρωτών με θερμική ευαισθησία έως 900Κ. Μελλοντικά, ο MODIS θα περιλαμβάνει ένα μέσο υπέρυθρο κανάλι με θερμική ευαισθησία 500Κ.

• Εκτίμηση αποτελεσμάτων της πυρκαγιάς (μετά την πυρκαγιά)

Το διεθνώς αυξανόμενο ενδιαφέρον για τις επιδράσεις των πυρκαγιών απαιτεί μια ποσοτική αξιολόγηση της χρονικής και χωρικής κατανομής των πυρκαγιών. Οι περισσότερες χαρτογραφήσεις πυρκαγιών βασίζονται στα δεδομένα του καναλιού 3 το οποίο παρουσιάζει αρκετές δυσκολίες στην ανίχνευση των πυρκαγιών και κατ΄επέκταση στη χαρτογράφηση της καμένης γης.

Μια άλλη προσέγγιση στην αξιολόγηση των καμένων περιοχών είναι η καταμέτρηση των συνεπειών των πυρκαγιών με σύγκριση των δεικτών βλάστησης πριν και μετά την πυρκαγιά. Η καμένη γη εμφανίζει πολύ μικρή αντανάκλαση στο κοντινό υπέρυθρο, άρα οι τιμές του δείκτη NDVI της καμένης βλάστησης είναι πολύ μικρότερες από αυτές των υγιών φυτών.

<big>''' Συμπεράσματα και μελλοντικές προοπτικές'''</big>

Οι προοπτικές για καλύτερους αισθητήρες χωρικής και χρονικής ανάλυσης θα συμβάλλουν στο να ξεπεραστούν οι τωρινοί περιορισμοί των δορυφορικών δεδομένων για τη διαχείριση των πυρκαγιών. Τα δεδομένα από τον MODIS θα αυξήσουν τις παρεχόμενες λεπτομέρειες σε σχέση με αυτές που δίνει ο αισθητήρας AVHRR για τη βραχυπρόθεσμη εκτίμηση πυρκαγιάς αλλά και για τη χαρτογράφηση πυρκαγιών. Επίσης, η αυξανόμενη τάση προς το συνδυασμό της τηλεπισκόπισης με τα GIS συστήματα μπορεί να συνεισφέρει στην εκτίμηση του κινδύνου και των συνεπειών από τις πυρκαγιές.