RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Υπερφασματική τηλεπισκόπηση των παραμέτρων της υδατικής ποιότητας των μεγάλων ποταμών στη λεκάνη του ποταμού Ohio, ΗΠΑ

2010-02-09T19:03:51Z

Angelica-roma:

Hyperspectral Remote Sensing of Water Quality Parameters for Large Rivers in the Ohio River Basin, Naseer A. Shafique, Florence Fulk, Bradley C. Autrey, Joseph Flotemersch, http://www.tucson.ars.ag.gov/ICRW/Proceedings/Shafique.pdf

Αντικείμενο της εφαρμογής

Ο ευτροφισμός είναι ένα φαινόμενο που μειώνει την ποιότητα του νερού λόγω της υπέρμετρης αύξησης του φυτοπλαγκτού και του αιωρούμενου οργανικού φορτίου. Όταν αυτά αποσυντίθενται παρατηρούνται δυσάρεστες οσμές και αυξημένο μικροβιακό φορτίο, επικίνδυνο για την υγεία των καταναλωτών. Έτσι, οι διαχειριστές των υδάτινων πόρων πρέπει να βρίσκονται σε θέση να ανιχνεύουν με τον πιο αποτελεσματικό τρόπο την κατάσταση του νερού, κάτι που μπορεί να αποδειχθεί ιδιαίτερα δύσκολο για μεγάλα ποτάμια όπου οι μετρήσεις στο πεδίο είναι χρονοβόρες, οικονομικά ασύμφορες και λογιστικά περιορισμένες. Αυξήσεις σε παραμέτρους που αποτυπώνουν την ποιότητα του νερού, όπως η χλωροφύλλη-α, η θολερότητα, το σύνολο των αιρούμενων στερεών (TSS) και των θρεπτικών είναι σύμπτωμα ευτροφικών συνθηκών.

Πώς γινόταν παλαιότερα

Η δυνατότητα ανίχνευσης του ευτροφισμού σε διαφορετικά σημεία του ποταμού χωρίς οι επιστήμονες να βασίζονται στις μετρήσεις πεδίου, έχει απασχολήσει την επιστημονική κοινότητα για περισσότερες από δύο δεκαετίες. Πολλά μαθηματικά μοντέλα έχουν σχεδιαστεί και εφαρμοστεί σε ποτάμια, λίμνες και λιμνοθάλασσες (Lung 1986, Thomann and Mueller 1987, Kuo and Wu 1991, Kuo et al. 1994), τα οποία προσομοιάζουν συνθήκες ευτροφισμού με βάση την αρχική κατάσταση του υδάτινου σώματος. Για το λόγο αυτό απαιτούν συνολικά προγράμματα προσομοίωσης της ποιότητας του νερού, χωρίς, όμως, να αναπαριστούν με επιτυχία την κατάσταση ολόκληρου του υδάτινου σώματος.

Σκοπός της έρευνας

Η τηλεπισκόπηση είναι η μέθοδος που μπορεί να υπερβεί τα προβλήματα που προκύπτουν από την in situ έρευνα ή τα μαθηματικά μοντέλα, παρέχοντας έναν εναλλακτικό τρόπο ελέγχου την ποιότητας του νερού σε μεγαλύτερο εύρος χώρου και χρόνου (Shafique et al. 2001). Η παρούσα μελέτη επικεντρώνεται στην πρόβλεψη της συγκέντρωσης της χλωροφύλλης-α, της θολερότητας και της συγκέντρωσης του ολικού φωσφόρου χρησιμοποιώντας φασματικούς δείκτες που προήλθαν από φασματικά δεδομένα τα οποία συλλέχθηκαν από φασματο-ραδιόμετρα, ως ανεξάρτητες μεταβλητές. Επίσης, είναι η μοναδική που ανέπτυξε έναν τύπο παλινδρόμησης για συστήματα ρεόντων υδάτων, χρησιμοποιώντας, ειδικά, μεγάλα ποτάμια ως μοντέλα.
Οι φασματικοί δείκτες είναι μετασχηματισμοί των τιμών της ανάκλασης σε συγκεκριμένα μήκη κύματος που ανταποκρίνονται κατ’ ελάχιστο σε μια συγκέντρωση της παραμέτρου που μας ενδιαφέρει, ελεγμένης στο πεδίο και μειώνουν την επίδραση άλλων οπτικά ενεργών συστατικών. Η μέθοδος που χρησιμοποιήθηκε έκανε συσχετισμούς με τη χρήση ταυτόχρονα συλλεχθέντων δεδομένων τηλεπισκόπησης, δεδομένων φασματόμετρου από το πεδίο και συλλεχθέντων δεδομένων από το πεδίο για την ποιότητα του νερού, με σκοπό να δείξει τη δυνατότητα των τεχνικών της τηλεπισκόπησης στην παρακολούθηση της ποιότητας του νερού σε μεγάλα ποτάμια. Η μελέτη αυτή πραγματεύεται, επίσης, την εφαρμογή των οπτικών ιδιοτήτων του νερού σε πολλαπλά ποτάμια συστήματα.

[[Εικόνα:ohio1.jpg|thumb|right|Συσχέτιση μεταξύ των παραμέτρων ποιότητας του νερού και των φασματικών δεικτών. Οι τιμές της συγκέντρωσης του φωσφόρου είναι πολλαπλασιασμένες με 100 για να προσαρμοστούν στην κλίμακα]]

Υλικά και μέθοδοι

Στην έρευνα χρησιμοποιήθηκαν δεδομένα από το συμπαγή αερομεταφερόμενο φασματογραφικό απεικονιστή (compact airborne spectrographic imager – CASI) για περίπου 60 ναυτικά μίλια του ποταμού Great Miami και 80 ναυτικά μίλια του ποταμού Ohio. Επιλέχθηκαν 19 κατάλληλα φασματικά κανάλια με διακριτική ικανότητα 5nm, με βάση την ανάλυση των προκαταρκτικών φασματομετρικών δεδομένων του πεδίου, και προγραμματίστηκαν στη μονάδα του CASI. Τα δεδομένα συλλέχθηκαν κατά τη διάρκεια τεσσάρων εξορμήσεων στο πεδίο, κάτω από ίδιες συνθήκες κατά τα έτη 1999 και 2001. Ενώ τα υπερφασματικά δεδομένα συλλέγονταν από τον αερομεταφερόμενο CASI, ''in situ'' δείγματα νερού συλλέγονταν και ένα φασματόμετρο πεδίου χρησιμοποιούταν για τη συλλογή φασματικών δεδομένων απευθείας από το ποτάμι.
Τα δεδομένα από το πεδίο, το εργαστήριο και τον αέρα αναλύθηκαν με συστηματικό τρόπο. Αρχικά, αναπτύχθηκε η φασματική βιβλιοθήκη και χρησιμοποιήθηκε για να καθορίσει τη μεταβλητότητα ή/ και τη σταθερότητα της απορρόφησης και των συντελεστών σκέδασης των ποταμών Great Miami και Ohio. Μονο-φασματικά κανάλια, αναλογίες φασματικών καναλιών και συνδυασμοί πολλαπλών καναλιών χρησιμοποιήθηκαν στη συνέχεια για τη δημιουργία εξισώσεων γραμμικής παλινδρόμησης. Τα ημι-εμπειρικά μοντέλα αναπτύχθηκαν σε φύλλα του προγράμματος Excel και οι εικόνες αναλύθηκαν χρησιμοποιώντας το λογισμικό επεξεργασίας εικόνων ENVI (3.6).
Αρχικά, για να αντιπροσωπεύουν μια ενιαία μονάδα στην εικόνα, σκιάστηκαν οι περιοχές του νερού. Η τεχνική της μη επιβλεπόμενης ταξινόμησης K Mean, χρησιμοποιήθηκε για να κατηγοριοποιήσει τις απεικονίσεις σε φασματικά όμοιες κατηγορίες. Η τεχνική αυτή ταξινόμησης χρησιμοποιήθηκε πάνω από μια άλλη μέθοδο, την επιβλεπόμενη ταξινόμηση, καθώς οι εξακριβώσεις με βάση αυτή την ταξινόμηση, γίνονται στη βάση της ανθρώπινης όρασης, η οποία περιορίζεται στα ορατά μήκη κύματος (Vincent 1997). Πεδία διασποράς δημιουργήθηκαν ανάμεσα στις φασματικά ταξινομημένες εικόνες και στα δεδομένα πεδίου, με βάση τις γραμμικές τους τάσεις. Απλές γραμμικές παλινδρομήσεις χρησιμοποιήθηκαν για τον προσδιορισμό της σχέσης μεταξύ των μονών και των συνδυασμών καναλιών και των παραμέτρων ποιότητας του νερού.
Με βάση τα εικονοστοιχεία των τοποθεσιών από τις οποίες συλλέχθηκαν τα δεδομένα πεδίου, δημιουργήθηκαν εξισώσεις για συγκεκριμένες παραμέτρους ποιότητας του νερού. Έπειτα, ολόκληρη η εικόνα μετατράπηκε σε ένα χάρτη ποιότητας του νερού χρησιμοποιώντας εξισώσεις πρόβλεψης. Κάποια από τα δεδομένα πεδίου χρησιμοποιήθηκαν στην επαλήθευση αυτών των εξισώσεων. Χρησιμοποιώντας την ημι-εμπειρική προσέγγιση, δημιουργήθηκαν ξεχωριστές εξισώσεις για κάθε παράμετρο.
Η αναλυτική προσέγγιση της φασματικής ανάλυσης εικόνων χρησιμοποίησε τη φασματική βιβλιοθήκη που δημιουργήθηκε από τις έρευνες του 1999 για τον ποταμό Great Miami και του 2001 για τον ποταμό Ohio (Shafique et al. 2001). Το μοντέλο ανακλαστικότητας/ μεταφοράς ακτινοβολίας που χρησιμοποιήθηκε στην αναλυτική προσέγγιση ποσοτικοποιεί και προσομοιώνει την ατομική συνεισφορά των συστατικών του νερού στην ανάκλαση που μετρήθηκε από τους τηλεπισκοπικούς αισθητήρες. Η ανάπτυξη του μοντέλου ανακλαστικότητας/ μεταφοράς ακτινοβολίας βασίζεται στο πόσο καλά η ειδική απορρόφηση και ο συντελεστής διασποράς καθορίζονται για τα διάφορα συστατικά. Μόλις δημιουργήθηκαν σταθεροί συντελεστές, το μοντέλο μπόρεσε να χρησιμοποιηθεί για τη μαθηματική μετατροπή των αερομεταφερόμενων εικόνων σε χάρτες ποιότητας του νερού με περιορισμένη χρήση δεδομένων πεδίου. Η χρήση δεδομένων πεδίου μπόρεσε να μετριαστεί καθώς μια φυσική κατανόηση των αλληλεπιδράσεων ανάμεσα στα διάφορα συστατικά του νερού και στην ανακλαστικότητά του, ενσωματώθηκε στις εξισώσεις μεταφοράς ακτινοβολίας.
Η επιτυχία της αναλυτικής προσέγγισης βασίζεται στον επιτυχή οπτικό χαρακτηρισμό του υδάτινου σώματος και στις δυνητικά συνεισφέρουσες πηγές, όπως η απόρριψη βιομηχανικών αποβλήτων. Μόλις λάβει χώρα ο χαρακτηρισμός αυτός, τα διαθέσιμα εργαλεία για την αξιολόγηση της ποιότητας του νερού μπορούν να προσαρμοστούν σε μια συγκεκριμένη περιοχή μελέτης.

[[Εικόνα:ohio2.jpg|thumb|right|Χάρτης των παραμέτρων ποιότητας του νερού του ποταμού Ohio στη συμβολή του με τον ποταμό Licking κοντά στο Cincinnati, OH. Υψηλότερα επίπεδα χλωροφύλλης-α και θολερότητας απαντώνται στη συμβολή. Οι τιμές R2 των διαγραμμάτων διασποράς είναι πάνω από 0,9 υποδεικνύοντας υψηλή ακρίβεια.]]

Μοντέλα

Όλα τα κανάλια ελέγχθηκαν για σχέσεις με παραμέτρους ποιότητας του νερού ως ότου βρέθηκε ποια κανάλια και ποιες παράμετροι συσχετίζονταν με τη μεγαλύτερη βεβαιότητα. Τα διαγράμματα διασποράς έδειξαν ότι τα γραμμικά μοντέλα που χρησιμοποιούσαν το λόγο των μηκών κύματος 705/675nm και το λογαριθμικό λόγο 554/675nm μπορούν να περιγράψουν τη χλωροφύλλη-α και τον ολικό φώσφορο αντίστοιχα. Η λογαριθμική μετατροπή είναι χρήσιμη σε περιπτώσεις όπως αυτή, όπου είναι απαραίτητος ο τονισμός της διαφοροποίησης ανάμεσα στις τιμές με έναν τρόπο που να είναι αναλογικός του λόγου τους και όχι της απόλυτης διαφοράς τους. Οι τιμές που αντιπροσώπευαν τη διαφορά των 740nm από τα 710nm συσχετίζονταν καλύτερα με τη θολερότητα. Οι r-values και R2 του καθενός από αυτά ήταν πάνω 0,7 και 0,5 αντίστοιχα, υποδεικνύοντας την ικανότητα παροχής καλών γραμμικών μοντέλων γι’ αυτές τις παραμέτρους ποιότητας του νερού. Βασιζόμενοι στη γραμμική σχέση με τις παραμέτρους ποιότητας του νερού, οι φασματικοί δείκτες μετασχηματίστηκαν στα παρακάτω μαθηματικά μοντέλα για να υπολογίσουν τις συγκεντρώσεις των αντίστοιχων παραμέτρων ποιότητας.
Χλωροφύλλη-α = 48.849 * (705/675 nm) - 34.876 (1)
Ολικός φώσφορος = 0.1081 * log (554/675 nm) - 0.0371 (2)
Θολερότητα = 186.59 * (710 – 740 nm) + 8.5516 (3)

Αποτελέσματα και αξιολόγηση της μεθόδου

Η μελέτη αυτή δείχνει ότι η υπερφασματική τεχνική της τηλεπισκόπησης μπορεί να αποτελέσει ένα χρήσιμο εργαλείο για τον έλεγχο της διασποράς της χλωροφύλλης-α σε μεγάλα ποτάμια, σε αντίθεση με την περιορισμένη αξιοπιστία των δεικτών της θολερότητας και του ολικού φωσφόρου. Στη μελέτη αυτή βρέθηκε ότι τα μήκη κύματος 675 και 705nm από τα CASI δεδομένα ήταν τα καταλληλότερα για την πρόβλεψη των συγκεντρώσεων της χλωροφύλλης-α. Η ανάλυση συσχέτισης ανάμεσα στα τηλεπισκοπικά δεδομένα και τη χλωροφύλλη-α υποδήλωσε την πιθανότητα της χαρτογραφικής αποτύπωσης των συγκεντρώσεων της χλωροφύλλης-α με ακρίβεια. Οι ισχυρές συσχετίσεις των αναλογιών ανάκλασης που σχετίζονταν με αυτά τα μήκη κύματος με τα δεδομένα από το φασματόμετρο πεδίου, χρησιμοποιήθηκαν στην ανάπτυξη εξισώσεων και σταθερών για τις προβλεφθήσες συγκεντρώσεις στις περιοχές μελέτης.
Τα αποτελέσματα δείχνουν ότι είναι επίσης εφικτή η εκτίμηση των σχετικών επιπέδων της χλωροφύλλης-α σε μεγάλα ποτάμια, όταν δεν είναι διαθέσιμα δεδομένα από το πεδίο. Το γεγονός αυτό είναι πολύ σημαντικό, καθώς συνήθως ο συνολικός αριθμός των in situ δεδομένων περιορίζεται σε ένα μικρό τμήμα του ποταμού και αφορά μικρό χρονικό διάστημα. Επιπλέον, τα αποτελέσματα υποδεικνύουν ότι η χλωροφύλλη-α έχει μια μοναδική φασματική υπογραφή και είναι δυνατό να υπολογιστεί η συγκέντρωσή της σε κάθε υδάτινο σώμα της ενδοχώρας με τη χρήση του φασματικού δείκτη της.
Οι μέθοδοι που αναπτύχθηκαν και αναλύθηκαν στη μελέτη αυτή χρησιμοποίησαν τον CASI, αλλά θεωρείται ότι οι ίδιες πληροφορίες μπορούν να ληφθούν με τη χρήση υπερφασματικών δεδομένων από δορυφόρους, όπως ο Hyperion. Αν και η διακριτική ικανότητα των δεδομένων που συλλέγονται με τον Hyperion είναι μόνο 30m σε σύγκριση με την αντίστοιχη του CASI, που είναι 2m, η χρήση του δορυφόρου μπορεί να είναι πιο αποτελεσματική και εξίσου αξιόπιστη, καθώς το φασματόμετρο του Hyperion περιλαμβάνει κανάλια με το ίδιο μήκος κύματος που χρησιμοποιήθηκε στην περίπτωση αυτή για την ανίχνευση της χλωροφύλλης-α. Παρ’ όλ’ αυτά είναι, ακόμη, απαραίτητη η σύγκριση των αποτελεσμάτων των δεδομένων που συλλέχθηκαν από το πεδίο, από τον CASI και από τον Hyperion, για την ανίχνευση της αξιοπιστίας τους.
Οι μελλοντικές μελέτες θα παρέχουν πληροφορίες για το αν τα δεδομένα του δορυφόρου μπορούν να αναπληρώσουν των δεδομένα που έχουν συλλεχθεί από το πεδίο για τον προσδιορισμό των παραμέτρων που καθορίζουν την ποιότητα του νερού, όπως η συγκέντρωση της χλωροφύλλης-α, η θολερότητα ή τα θρεπτικά. Στο μέλλον μπορεί να αποδειχθεί ότι τα τηλεπισκοπικά δεδομένα από τον Hyperion είναι προτιμότερα για την ανίχνευση των ευτροφικών νερών σε μεγάλα ποτάμια.

[[category:Εκτίμηση ευτροφισμού των λιμνών]]

Εφαρμογή της τηλεπισκόπησης και των ΓΣΠ στον προγραμματισμό της μείωσης των πλημμυρικών επιπτώσεων στην περιοχή Munshiganj, Μπαγκλαντές

2010-02-09T19:02:13Z

Angelica-roma:

Application of Remote Sensing and GIS Techniques for Flood Vulnerability and Mitigation Planning in Munshiganj District of Bangladesh, K. Prathumchai, L. Samarakoon, http://www.geoinfo.ait.ac.th/publications/ACRS2005_Prathumchai_K.pdf

Αντικείμενο της εφαρμογής

Η πλημμύρα είναι ένα από τα πιο καταστρεπτικά φαινόμενα που επηρεάζει την ευημερία μιας κοινωνίας και ειδικά τα φτωχότερα στρώματά της. Οι περισσότερες από τις φυσικές καταστροφές που συμβαίνουν στην Ασία συνδέονται με τις πλημμύρες και έχουν μεγάλη επίδραση στον τοπικό πληθυσμό. Το Μπαγκλαντές είναι ίσως η χώρα που πλήττεται περισσότερο από τις πλημμύρες, καθώς βρίσκεται ανάμεσα στους ποταμούς Γάγγη, Μέγγνα και Βραχμαπούτρα, και διαβρέχεται από ένα σύνολο 230 ποταμών. Επειδή πρόκειται για μια πολύ πυκνοκατοικημένη χώρα, είναι μεγάλης σημασίας η ανάπτυξη ενός πλάνου διαχείρισης των καταστροφών και μείωσης των επιπτώσεων των πλημμυρών.

Στόχος της εφαρμογής

Στόχος της μελέτης αυτής ήταν η αξιολόγηση της χρήσης τηλεπισκόπησης και GIS για τα παρακάτω:
* Η προετοιμασία χάρτη πλημμύρας και η ανίχνευση της ευπάθειας της πλημμυρικής περιοχής.
* Η ανάπτυξη κριτηρίων και η ανίχνευση κατάλληλων τοποθεσιών για καταφύγια.
* Ο προσδιορισμός της καλύτερης οδού διαφυγής.
* Η πρόταση του κατάλληλου πλάνου αντιμετώπισης της πλημμύρας.

[[Εικόνα:bang1.jpg|thumb|right|Η περιοχή μελέτης]]

Περιοχή μελέτης

Ως περιοχή μελέτης επιλέχθηκε η Munshiganj. Η περιοχή έχει μέγεθος 919km2 και περικλείεται από τις περιοχές Jamuna, Padma, Meghna και Lakhya. Η πόλη της Dhaka, πρωτεύουσα του Μπαγκλαντές, βρίσκεται στα βόρεια της περιοχής μελέτης.

[[Εικόνα:bang2.jpg|thumb|right|Διάγραμμα που απεικονίζει τα βασικά βήματα της ανάλυσης]]

Δεδομένα που χρησιμοποιήθηκαν

Τα δεδομένα που χρησιμοποιήθηκαν στη μελέτη είναι τα ακόλουθα:
* Landsat TM 2002 Φεβρουάριος
* JERS SAR (L Band) 1996 Ιούνιος
* ADEOS AVNIR 1996 Νοέμβριος
* RADARSAT (Scan SAR Wide mode) 2004 Ιούλιος
* SRTM 2000
* Πληθυσμός (Sub-district) 2001
* Εικόνες χρήσεων γης και υψομέτρου, από σάρωση
* Υδάτινα σώματα, γεωργική γη, σχολεία, κολλέγια και νοσοκομεία, από ερμηνεία αεροφωτογραφιών των ετών 1999-2000
* Διοικητικά όρια και δρόμοι

Κάποιοι από τους χάρτες που προέκυψαν από τη χρήση δορυφόρων δημιουργήθηκαν στα πλαίσια του Mini-Project της Japan Aerospace Exploration Agency (JAXA) μαζί με τον Bangladesh Space Research and Remote Sensing Organization (SPARRSO) το 2004. Οι χάρτες αυτοί ήταν χάρτες χρήσεων γης, χάρτες των πλημμυρών και χάρτες πληθυσμιακής πυκνότητας που αποτυπώνουν την επίδραση της πλημμύρας στον τοπικό πληθυσμό. Επιπλέον, έγινε προσπάθεια για την ανάπτυξη μεθοδολογίας που θα οδηγούσε στην ανίχνευση των καταλληλότερων τοποθεσιών για καταφύγια καθώς και τον καταλληλότερο δρόμο διαφυγής.

[[Εικόνα:bang6.jpg|thumb|right|Χάρτης χρήσεων γης]]

Χάρτης χρήσεων γης

Τα διανυσματικά δεδομένα για την εδαφοκάλυψη στην περιοχή μελέτης χρησιμοποιήθηκαν για τη δημιουργία χάρτη χρήσεων γης. Τα δεδομένα αυτά πάρθηκαν από αεροφωτογραφίες των ετών 1999-2000. Η εδαφοκάλυψη και οι χρήσεις γης της περιοχής μελέτης παρατηρήθηκε ότι ήταν πολύ ετερογενείς. Παρ’ όλ’ αυτά η οπτική ερμηνεία, η πιο “πρωτόγονη” μέθοδος στην ερμηνεία εδαφικών χαρακτηριστικών, εφαρμόστηκε, χρησιμοποιώντας την τεχνική της ψηφιοποίησης στην οθόνη σε συγκεντρωτικά σύνολα δεδομένων. Δεδομένα ADEOS AVNIR και Landsat TM χρησιμοποιήθηκαν για την ερμηνεία των μπερδεμένων εδαφικών χαρακτηριστικών της περιοχής μελέτης.

[[Εικόνα:bang5.jpg|thumb|right|Χάρτης πλημμυρικής περιοχής]]

Χάρτης πλημμυρικής περιοχής

Ο χάρτης αυτός δημιουργήθηκε συνδυάζοντας οπτικά και SAR δεδομένα. Έγινε προσπάθεια να συνδυαστούν τα δεδομένα των δύο αισθητήρων έτσι ώστε να λαμβάνονται δεδομένα ακόμα και σε περιόδους βροχής όπου είναι δυνατό να ληφθούν οπτικά δεδομένα. Οι ADEOS AVNIR, JERS SAR καθώς και RADASAT χρησιμοποιήθηκαν για την ερμηνεία των πλημμυρισμένων και μη-πλημμυρισμένων περιοχών. Η ταξινόμηση απλής κατωφλείωσης και η οπτική ερμηνεία χρησιμοποιήθηκαν για την επεξεργασία τόσο των οπτικών όσο και των SAR δεδομένων. Η αναγνώριση των πλημμυρισμένων περιοχών δεν ήταν δύσκολη στις SAR εικόνες. Εκτός από λίγες εξαιρέσεις, η διασκόρπιση στις πλημμυρισμένες περιοχές ήταν χαμηλότερη συγκριτικά με άλλες περιοχές. Σε περιοχές με ορυζώνες και καλλιέργειες υακίνθων που αναγνωρίζονταν ως πλημμυρισμένες χρησιμοποιήθηκαν οπτικές εικόνες και επαλήθευση των χωραφιών ώστε να διαχωριστούν από τις πλημμυρισμένες, ενώ οι οπτικές εικόνες χρησιμοποιήθηκαν και για την αναγνώριση υδάτινων σωμάτων που δεν προκλήθηκαν από τη βροχόπτωση.

[[Εικόνα:bang3.jpg|thumb|right|Χάρτης πλημμυρικής ευπάθειας]]

Χάρτης πλημμυρικής ευπάθειας

Ο χάρτης πλημμυρικής ευπάθειας απεικονίζει τον πληθυσμό που πλήττεται στην πλημμυρισμένη περιοχή. Οι χάρτες απεικονίζουν την πληθυσμιακή πυκνότητα με βάση τα πληθυσμιακά δεδομένα που λήφθηκαν από στατιστικές υπηρεσίες και τις χρήσεις γης. Στη συνέχεια τέθηκαν κριτήρια για την καταλληλότητα συγκεκριμένων τοποθεσιών ως καταφύγια και επιλέχθηκαν κάποια από αυτά σε συνδυασμό και με το κόστος μετάβασης από τον τόπο διαμονής των πληγέντων ως το καταφύγιο. Το κόστος μετάβασης επηρεάζεται από 4 κριτήρια (ύψος πλημμύρας, πυκνότητα οδικού δικτύου, προσβασιμότητα στο οδικό δίκτυο, γεωγραφικό ανάγλυφο) και ανιχνεύεται συνδυάζοντας τα τέσσερα κριτήρια σε ψηφιδωτό περιβάλλον ΓΣΠ.

[[Εικόνα:bang4.jpg|thumb|right|Χάρτης καταλληλότερων δρόμων εκκένωσης]]

Καταλληλότερος δρόμος εκκένωσης

Ο καταλληλότερος δρόμος εκκένωσης της πλημμυρισμένης περιοχής υπολογίστηκε κάνωντας χρήση του εργαλείου Cost distance tool του ArcGIS. Το εργαλείο αυτό υπολογίζει το συνολικό κόστος της μετάβασης από μια συγκεκριμένη τοποθεσία σε κάθε καταφύγιο και παρουσιάζει τη διαδρομή με το λιγότερο κόστος.

Αποτελέσματα και αξιολόγηση των μεθόδων

Συμπερασματικά μπορούμε να πούμε ότι η χρήση δορυφορικών δεδομένων για τη χαρτογραφική αποτύπωση της πλημμυρικής περιοχής με λογική ακρίβεια, χρησιμοποιώντας εικόνες SAR και συνδέοντάς τις με οπτικές εικόνες, ήταν εφικτή. Η χρήση αυτή έχει μεγάλες πρακτικές δυνατότητες, ιδιαίτερα στους τροπικούς. Η οπτική ερμηνεία είναι αρκετά απλή και εύκολο να γίνει με περιορισμένους πόρους. Μπορεί να χρειαστεί η συσχέτιση με ψηφιακά μοντέλα υψομέτρου για διόρθωση σε περιοχές με αυξημένη σκίαση. Επίσης, η μέθοδος που χρησιμοποιήθηκε για την εκτίμηση της πληθυσμιακής πυκνότητας δίνει λογική προσέγγιση καθώς τα πληθυσμιακά δεδομένα ξαναμοιράστηκαν με βάση τις χρήσεις γης. Το τελικό προϊόν, ο χάρτης πλημμυρικού κινδύνου δηλαδή, είναι ο συνδυασμός των χρήσεων γης, της πλημμυρικής περιοχής και της πληθυσμιακής διασποράς. Ο συνδυασμός των πληροφοριών αυτών έγινε εφικτός σε περιβάλλον ΓΣΠ, αποδεικνύοντας και το δυναμικό των Γεωγραφικών Συστημάτων Πληροφοριών. Βρέθηκε ότι τα ΓΣΠ είναι ένα πολλά υποσχόμενο εργαλείο για την ανίχνευση των κατάλληλων καταφυγίων για την αποφυγή των πλημμυρών, καθώς και στην εύρεση του καλύτερου δρόμου διαφυγής και του κόστους αυτών.

[[category:Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ]]

Εφαρμογή της τηλεπισκόπησης και των ΓΣΠ στον προγραμματισμό της μείωσης των πλημμυρικών επιπτώσεων στην περιοχή Munshiganj, Μπαγκλαντές

2010-02-09T19:01:52Z

Angelica-roma:

Εφαρμογή της τηλεπισκόπησης και των ΓΣΠ στον προγραμματισμό της μείωσης των πλημμυρικών επιπτώσεων στην περιοχή Munshiganj, Μπαγκλαντές

2010-02-09T19:01:28Z

Angelica-roma:

Μοντέλο ενδιαιτημάτων και βιοποικιλότητας βασισμένο στην τηλεπισκόπηση και στα ΓΣΠ, στο οικοσύστημα Greater Yellowstone, ΗΠΑ

2010-02-09T19:00:44Z

Angelica-roma:

A remote sensing and GIS-based model of habitats and biodiversity in
the Greater Yellowstone Ecosystem, D. M. Debinski, K. Kindscer and M. E. Jakubauskas,
int. j. remote sensing, 1999, vol. 20, no. 17, 3281± 3291
http://www.public.iastate.edu/~debinski/documents/IntJRS-D&Jak&Kind99.pdf

Αντικείμενο της εφαρμογής

Καθώς γίνεται ολοένα και πιο ανησυχητική η εξαφάνιση ζωικών και φυτικών ειδών (Wilson 1988, Reid and Miller 1989) οι βιολόγοι προσπαθούν να ανιχνεύσουν ενδιαιτήματα σημαντικά για τη διατήρηση της βιοποικιλότητας. Ένας σημαντικός σύμμαχος στη διατήρηση της βιοποικιλότητας είναι η κατανόηση των περιβαλλοντικών παραμέτρων που καθορίζουν την κατανομή των ειδών. Πολλές μελέτες έχουν προτείνει ελέγξιμες υποθέσεις που σχετίζονται με τη μεταβολή της σχέσης γήινων ειδών και παρατηρημένων ή συμπερασμένων μεταβολών φυσικών περιβαλλοντικών παραγόντων (e.g. Simpson 1964, Terborgh 1970, James 1971, Pyle 1982, Owen 1990, Debinski and Brussard 1992, Kindscher 1994, Kindscher and Wells 1995). Εντούτοις, οι επιστήμονες έχουν αρχίσει να χρησιμοποιούν τη βοήθεια των δορυφόρων από τις αρχές της δεκαετίας του ’80 (Saxon 1983, De Wulf et al. 1988, Scott et al. 1993, Stoms and Estes 1993).
Η ανάλυση στο επίπεδο του τοπίου των ενδιαιτημάτων, χρησιμοποιώντας τηλεπισκόπηση και ΓΣΠ μπορεί να βοηθήσει στην εξήγηση του προτύπου διαφοροποίησης των ειδών σε χαμηλές διακριτικές ικανότητες (Urban et al. 1987, Turner 1989). Επιπλέον, η ανάλυση αυτή, μπορεί να βοηθήσει στη βελτιστοποίηση της στρατηγικής της δειγματοληψίας έτσι ώστε να πιστοποιείται ότι έχει παρθεί δείγμα από κάθε τύπο ενδιαιτήματος ή επιτρέπει τον έλεγχο των υποθέσεων που σχετίζονται με τη χωρική αντιστοιχία των προτύπων διαφοροποίησης των ειδών ανάμεσα στις ταξινομικές ομάδες (e.g. Prendergast et al. 1993).
Η gap analysis (Scott et al. 1993) βασίζεται στη χρήση τηλεπισκόπησης και ΓΣΠ για να κατηγοριοποιήσει τα ενδιαιτήματα και έπειτα να προβλέψει τις συναθροίσεις των ειδών που προβλέπεται να απαντηθούν στο συγκεκριμένο τύπο ενδιαιτήματος. Ο στόχος της gap analysis είναι να συγκρίνει τις προβλεπόμενες τοποθεσίες των ενδιαιτημάτων φυτών και ζώων με τις προϋπάρχουσες, ανιχνεύοντας έτσι τα γεωγραφικά κενά στα ενδιαιτήματα ή/ και στην προστασία των ειδών. Ένα από τα προβλήματα αυτής της τεχνικής είναι ότι δεν έχει ελεγχθεί διεξοδικά ως προς την ακρίβεια των προβλέψεών της (Flather et al. 1995).

Στόχος της εφαρμογής

Στη μελέτη χρησιμοποιήθηκαν δεδομένα τηλεπισκόπησης και ΓΣΠ για να κατασκευαστούν χάρτες που θα βοηθούσαν στο διαχωρισμό των ενδιαιτημάτων διευκολύνοντας τη μελέτη των δειγμάτων της βιοποικιλότητας στο Greater Yellowstone Ecosystem, ΗΠΑ. Οι σκοποί της έρευνας ήταν:
* ο προσδιορισμός των σχέσεων μεταξύ των διαφορετικών κατηγοριών ενδιαιτημάτων, με βάση τα πρότυπα φασματικής αντανάκλασης, και τα πρότυπα εξάπλωσης των φυτικών ή ζωικών ειδών, και
* ο έλεγχος της χωρικής αντιστοιχίας μεταξύ των ταξινομικών ομάδων σε περιοχές με μεγάλη ποικιλότητα ειδών.

Περιοχή μελέτης

Η περιοχή μελέτης αυτής της έρευνας ήταν μια περιοχή 32.375ha στη βορειο-δυτική γωνία του Greater Yellowstone Ecosystem. Το μέρος αυτό επιλέχτηκε καθώς είναι ένα από τα μεγαλύτερα ανέπαφα οικοσυστήματα των ΗΠΑ.

[[Εικόνα:yellowstone1.jpg|thumb|right|Η περιοχή μελέτης]]

Μέθοδοι

Η μεθοδολογία αυτής της μελέτης επιλέχθηκε με σκοπό την παραγωγή ενός χάρτη που θα απεικόνιζε τις φασματικά διαφορετικές τάξεις βλάστησης στην περιοχή μελέτης. Σήμερα στις ΗΠΑ χρησιμοποιούνται δεδομένα του Θεματικού Χαρτογράφου του δορυφόρου Landsat (Thematic Mapper, TM) για την απεικόνιση της βλάστησης στις περισσότερες μελέτες που πραγματεύονται κάλυψη ή χρήσεις γης. Ο ΤΜ αποτελείται από έξι φασματικά κανάλια (μπλε, πράσινο, κόκκινο, εγγύς υπέρυθρο και δύο μέσα υπέρυθρα) με μέγεθος εικονοστοιχείου 30m. Το θερμικό κανάλι δε χρησιμοποιήθηκε στη συγκεκριμένη μελέτη. Τα ΤΜ δεδομένα για την περιοχή μελέτης της 31ης Ιουλίου 1991 μετατράπηκαν από μονάδες φωτεινότητας (brightness values) σε μονάδες ακτινοβολίας (units of radiance) (mWcm-2 sr-1 μm-1) (Markham and Barker 1986). Στα δορυφορικά δεδομένα έγινε γεωαναφορά με ακρίβεια ± 0,5 εικονοστοιχείο (15m) και μετατροπή τους στο σύστημα αναφοράς Universal Transverse Mercator (εγκάρσια μερκατορική προβολή – UTM) ώστε να ταιριάζουν με τους τοπογραφικούς χάρτες της περιοχής.
Ένας επαναληπτικός, αυτοοργανούμενος αναλυτής δεδομένων (Iterative Self – Organizing Data Analysis, ISODATA) αλγόριθμος συσσωμάτωσης χρησιμοποιήθηκε στην εικόνα των τεσσάρων καναλιών για να προσδιορίσει φασματικά όμοια εικονοστοιχεία. Ο αλγόριθμος ISODATA λειτουργεί παρέχοντας αρχικά ένα συγκεκριμένο αριθμό από κέντρα συσσωρεύσεων (cluster centroids) στο φασματικό χώρο χαρακτηριστικών. Η ευκλείδεια απόσταση ανάμεσα σε κάθε εικονοστοιχείο και κάθε κέντρο συσσώρευσης υπολογίζεται και το εικονοστοιχείο αποδίδεται σε ένα κέντρο συσσώρευσης (τάξη). Έπειτα από την αξιολόγηση κάθε εικονοστοιχείου, μια νέα σειρά από κέντρα συσσωρεύσεων υπολογίζεται βασισμένη στη στατιστική των εικονοστοιχείων που αποδίδονται σε κάθε κέντρο. Η διαδικασία επαναλαμβάνεται μέχρι που ένα ποσοστό (συνήθως 95%) εικονοστοιχείων δεν αλλάζει τάξη.
Πενήντα αρχικά κέντρα συσσώρευσης προσδιορίστηκαν, δημιουργώντας ένα χάρτη πενήντα φασματικών τάξεων, έτσι ώστε να αποτυπώνεται κάθε τύπος κάλυψης γης. Έπειτα, κάθε φασματική τάξη προσδιορίστηκε χρησιμοποιώντας αεροφωτογραφίες και προσωπική γνώση της περιοχής και αποδόθηκε σε μια πληροφοριακή τάξη που αντιπροσώπευε έναν τύπο βλάστησης, δημιουργώντας έναν τελικό χάρτη φασματικά διαχωρισμένων τάξεων βλάστησης. Καθώς τα πολύγωνα των κλάσεων που ήταν μικρότερα από 1ha ήταν δύσκολο να ανιχνευθούν με βεβαιότητα στο πεδίο, ο τελικός χάρτης της βλάστησης μετατράπηκε σε διανυσματική Arc/Info μορφή και γενικεύτηκε σε μια ελάχιστη χαρτογραφική μονάδα 1ha (περίπου 11 ΤΜ εικονοστοιχεία). Στη συνέχεια, με βάση τα δεδομένα του χάρτη επιλέχθηκαν συγκεκριμένα σημεία-δείγματα στα οποία μελετήθηκαν τα πουλιά, οι πεταλούδες και τα φυτά.

Συμπεράσματα και αξιολόγηση των μεθόδων

Καθώς οι τηλεπισκοπικές εικόνες μετρούν την ενέργεια που ανακλάται από τα φυτά και την επιφάνεια του εδάφους και τα φυτικά δεδομένα ήταν πιο ποσοτικοποιημένα από τα δεδομένα για τα ζώα, αναμενόταν οι ταξινόμηση των ενδιαιτημάτων που βασιζόταν σε αυτά τα πρότυπα ανάκλασης να δείξει ισχυρές σχέσεις με το πρότυπο κατανομής των φυτικών ειδών. Αναμενόταν, επίσης, οι σχέσεις να είναι λιγότερο ισχυρές μεταξύ των ζωικών ειδών και των ενδιαιτημάτων, καθώς, όταν μετρήθηκαν τα ζωικά δεδομένα, τα ζώα μπορεί να ήταν παρόντα ή απόντα από την περιοχή. Τα αποτελέσματα επαλήθευσαν τις προβλέψεις.
Το 20 ± 30% των ζωικών τάξων και το 65 ± 100% των κυρίαρχων φυτικών ειδών σχετίζονταν σημαντικά με ένα ή περισσότερα ενδιαιτήματα. Κάποια από τα είδη που παρουσίαζαν σημαντικές σχέσεις ήταν πολύ κοινά. Παρ’ όλ’ αυτά, σπάνια ζωικά είδη παρουσίασαν ισχυρή σχέση με τύπους ενδιαιτημάτων αν είχαν υψηλή εξειδίκευση για τη χρήση του συγκεκριμένου ενδιαιτήματος (e.g., ''E. gillettii''). Τα αποτελέσματα αυτά, είναι σε ένα βαθμό συνάρτηση του κλάσματος της δειγματολειψίας.
Έτσι, για να δημιουργηθούν μοντέλα πρόβλεψης της σχέσης ενδιαιτημάτων και ειδών, χρησιμοποιώντας τηλεπισκοπικά δεδομένα και μεθόδους ΓΣΠ, ένα είδος πρέπει να είναι πολύ κοινό ή/ και πολύ εξειδικευμένο για έναν ή περισσότερους τύπους ενδιαιτημάτων. Για το λόγο αυτό, στη διαχείριση της βιοποικιλότητας, τα σπάνια είδη πρέπει να ερευνώνται χρησιμοποιώντας περισσότερο μεθόδους πεδίου. Η προσέγγιση αυτή μπορεί να αποδειχθεί πολύ χρήσιμη για τον προσδιορισμό πιθανών περιοχών για είδη με εξειδικευμένες απαιτήσεις ως προς τα ενδαιτήματα ή σε μεγάλα πάρκα όπου η εξάπλωση της χλωρίδας και της πανίδας δεν είναι ευρέως γνωστή.

[[category:Εκτίμηση βιοπικοιλότητας]]

Διαχείριση βιοποικιλότητας κάνοντας χρήση δεδομένων τηλεπισκόπησης και ΓΣΠ: Η περίπτωση μελέτης του Εθνικού Πάρκου της Digya, Γκάνα

2010-02-09T18:59:23Z

Angelica-roma:

Biodiversity Management Using Remotely Sensed Data and GIS Technologies: The Case of Digya National Park, Ghana, Yaw A. Twumasi, Tommy L. Coleman, Andrew Manu, http://www.isprs.org/publications/related/ISRSE/html/papers/316.pdf

[[Εικόνα:image0021.JPG|thumb|right|Η περιοχή μελέτης]]

Αντικείμενο της εφαρμογής

Η μείωση της βιοποικιλότητας έχει προσελκύσει την παγκόσμια προσοχή εδώ και περισσότερο από μια δεκαετία. Ένα από τα κύρια εμπόδια στον έλεγχο της βιοποικιλότητας σε πολλά μέρη του κόσμου, είναι η έλλειψη των κατάλληλων δεδομένων και πληροφοριών και ιδιαίτερα η έλλειψη λογισμικού ΓΣΠ ικανού να αναπαριστά την εξάπλωση των ειδών, περιλαμβάνοντας εικόνες τριών διαστάσεων, για καλύτερη αποτύπωση του προβλήματος και για ταχύτερη και ευκολότερη λήψη αποφάσεων αντιμετώπισης του προβλήματος.

Στόχος της εφαρμογής

Το εθνικό πάρκο Digya στην Γκάνα, που βρίσκεται στο επίκεντρο αυτής της μελέτης, δε διαθέτει την απαραίτητη βάση δεδομένων με πληροφορίες για την κάλυψη και τις χρήσεις γης. Λόγω έλλειψης αυτών των βασικών στοιχείων για τις τρέχουσες και τις παρελθούσες χρήσεις γης μέσα και γύρω από το πάρκο, θα ήταν δύσκολες οι μελλοντικές παρεμβάσεις βελτίωσης, αλλά και η ακεραιότητα του πάρκου. Στόχος αυτής της μελέτης είναι η προσθήκη πληροφοριών στις υπάρχουσες βάσεις δεδομένων για τους δασικούς πόρους του εθνικού πάρκου Digya, χρησιμοποιώντας δεδομένα τηλεπισκόπησης, γεωγραφικά συστήματα πληροφοριών και τεχνολογίες του παγκόσμιου συστήματος προσδιορισμού θέσης (GPS).

[[Εικόνα:ghan2.jpg|thumb|right|Εικόνα του Landsat TM (1985) από το πάρκο της Digya μετά την κατηγοριοποίηση]]

Περιοχή μελέτης

Το εθνικό πάρκο Digya βρίσκεται 300km από την Άκρα, πρωτεύουσα της Γκάνας, στην περιοχή Brong Ahafo. Συνορεύει στα βόρεια, νότια και ανατολικά με τη λίμνη Volta.

[[Εικόνα:ghan3.jpg|thumb|right|Εικόνα του Landsat TM (1991) από το πάρκο της Digya μετά την κατηγοριοποίηση]]

Συλλογή και ανάλυση δεδομένων

Λήφθηκαν δεδομένα Landsat TM και ETM+, των ημερών 27 Ιουνίου 1985, 14 Μαΐου 1991 και 18 Ιουνίου 2000 από το τμήμα Γεωλογικών Ερευνών των ΗΠΑ. Οι εικόνες εισήχθηκαν στο λογισμικό επεξεργασίας εικόνων ERDAS IMAGINE χρησιμοποιώντας τη μορφή εισαγωγής NLAPS. Μετά την εισαγωγή των δεδομένων, όλες οι εικόνες διορθώθηκαν ραδιομετρικά και προεπεξεργάστηκαν ώστε να απομακρυνθούν τα σύννεφα και οι γραμμές σάρωσης. Έπειτα έγινε γεωαναφορά στις τρεις εικόνες και καταχώρησή τους σε συντεταγμένες UTM (εγκάρσια μερκατορική προβολή). Οι εικόνες, στη συνέχεια αποκόπηκαν από μια μεγαλύτερη εικόνα, ώστε να δοθεί έμφαση στην περιοχή της Digya και παρουσιάστηκαν ως ψευδοχρωματικό σύνθετο όπου το κόκκινο ήταν στο κανάλι 4, το πράσινο στο κανάλι 3 και το μπλε στο κανάλι 1. Πραγματοποιήθηκαν, επίσης, διάφορες τεχνικές ενίσχυσης χρησιμοποιώντας φίλτρα για την επισήμανση κοινών χαρακτηριστικών στις εικόνες.
Έπειτα, έγινε ταξινόμηση των εικόνων χρησιμοποιώντας τη μέθοδο της επιβλεπόμενης ταξινόμησης. Για να επιτευχθεί αυτό, δημιουργήθηκαν διαφορετικές υπογραφές για να προσδιοριστεί η τάξη στην οποία ανήκει το κάθε εικονοστοιχείο. Μόλις δημιουργηθούν οι υπογραφές, χρησιμοποιήθηκαν τεχνικές πινάκων σύμπτωσης και διαχειρισιμότητας, ώστε να ελεγχθεί αν η συγκεκριμένη υπογραφή δείχνει την αντιπροσώπευση των εικονοστοιχείων στην ταξινομημένη εικόνα. Για τον έλεγχο της ακρίβειας της ταξινόμησης, εφαρμόστηκε η ταξινόμηση κατωφλείωσης (thresholding), η ταξινόμηση υπέρθεσης (classification overlay) και η εκτίμηση ακρίβειας. Η επιβλεπόμενη ταξινόμηση συγκρίθηκε με δεδομένα που συλλέχθηκαν από το πεδίο και η ακρίβεια της ταξινόμησης εκτιμήθηκε σε στοιχεία που βρίσκονταν πάνω από το 75%. Η τοποθεσία χωριών που βρίσκονταν μέσα και έξω από το πάρκο, καθορίστηκε με τη χρήση του συστήματος GPS.

[[Εικόνα:ghan4.jpg|thumb|right|Εικόνα του Landsat TM (2000) από το πάρκο της Digya μετά την κατηγοριοποίηση]]

Αποτελέσματα

Οι εικόνες και οι πίνακες δείχνουν τα αποτελέσματα της επιβλεπόμενης ταξινόμησης των εικόνων του Θεματικού Χαρτογράφου του Landsat (Thematic Mapper) και του Enhanced Thematic Mapper Plus του εθνικού πάρκου Digya και της περιοχής γύρω από αυτό, για τα έτη 1985, 1991 και 2000. Μια αναφορά ακρίβειας διενεργήθηκε, επίσης, για όλες τις εικόνες. Η τελική ακρίβεια της ταξινόμησης αναφέρθηκε στα 75,8 %, 81,8%, και 80%, αναλογικά για τα έτη 1985, 1991, και 2000. Η παρουσία νεφών στις εικόνες του 1985 και του 2000, έδωσε ένα συγκεχυμένο αποτέλεσμα όσον αφορά στην κάλυψη της γης, μειώνοντας, έτσι, την ακρίβεια της ταξινόμησης. Κακή τοποθέτηση κάποιων εικονοστοιχείων σε τάξεις συνέβη σε μερικές περιπτώσεις, όπως στην εικόνα του 1985 στην οποία κάποιες περιοχές καλλιεργειών μπερδεύτηκαν με περιοχές φυσικής βλάστησης. Η σύγχυση μπορεί να αποδοθεί σε εποχιακές εναλλαγές και παρόμοιες φασματικές εντάσεις μεταξύ των δύο περιοχών.
Τα αποτελέσματα της ταξινόμησης αποκάλυψαν ότι η κυριότερη αιτία της αποψίλωσης του πάρκου είναι το αυξανόμενο μέγεθος της λίμνης Volta, που αποτέλεσε το 65% των παραγόντων αποψίλωσης, συμπεριλαμβανομένων των οικισμών και την εξάπλωση της παράνομης καλλιέργειας. Το ποσοστό αυτό αυξάνεται στο 82%, αν συμπεριληφθεί η αύξηση των μαγκροβίων, ως παραπροϊόν της αύξησης του μεγέθους της λίμνης.
Το γενικό συμπέρασμα της μελέτης αυτής είναι ότι, αν και ο έλεγχος των ενδιαιτημάτων είναι απίθανο να συμβεί όσο βρίσκεται έξω από τα σχέδια της κυβέρνησης, οι επιδράσεις μπορούν να ελεγχθούν με τη δημιουργία και διατήρηση βάσης δεδομένων που καλύπτει έναν αριθμό παραμέτρων που βρίσκονται στον έλεγχο του Τμήματος Άγριας Ζωής (Wildlife Department).

[[category:Εκτίμηση βιοπικοιλότητας]]

Διαχείριση βιοποικιλότητας κάνοντας χρήση δεδομένων τηλεπισκόπησης και ΓΣΠ: Η περίπτωση μελέτης του Εθνικού Πάρκου της Digya, Γκάνα

2010-02-09T18:58:55Z

Angelica-roma:

Αγγελική Κουρουζίδου

2010-02-09T18:55:35Z

Angelica-roma:

* [[Διαχείριση βιοποικιλότητας κάνοντας χρήση δεδομένων τηλεπισκόπησης και ΓΣΠ: Η περίπτωση μελέτης του Εθνικού Πάρκου της Digya, Γκάνα]]

* [[Μοντέλο ενδιαιτημάτων και βιοποικιλότητας βασισμένο στην τηλεπισκόπηση και στα ΓΣΠ, στο οικοσύστημα Greater Yellowstone, ΗΠΑ]]

* [[Εφαρμογή της τηλεπισκόπησης και των ΓΣΠ στον προγραμματισμό της μείωσης των πλημμυρικών επιπτώσεων στην περιοχή Munshiganj, Μπαγκλαντές]]

* [[Δυναμική διαταραγμένων οικοσυστημάτων στην περιοχή της Αράλης, χρησιμοποιώντας μεθόδους τηλεπισκόπησης και ΓΣΠ]]

* [[Αξιολόγηση του λιμναίου ευτροφισμού με τη χρήση δεδομένων του ενισχυμένου θεματικού χαρτογράφου στο Wuhan, Κίνα]]

* [[Δείκτες δασικής βιοποικιλότητας στις κολομβιανές Άνδεις]]

* [[Υπερφασματική τηλεπισκόπηση των παραμέτρων της υδατικής ποιότητας των μεγάλων ποταμών στη λεκάνη του ποταμού Ohio, ΗΠΑ]]

* [[Αναγνώριση και ποσοτικοποίηση των αλλαγών στα μαγκρόβια δάση χρησιμοποιώντας τηλεπισκόπηση, η περίπτωση της Kakinada Bay, Ινδία]]

* [[Η εδαφική καταλληλότητα της φυσικής βλάστησης με τη χρήση τηλεπισκόπησης και ΓΣΠ]]

* [[Η χρήση της τηλεπισκόπησης για την ολοκληρωμένη διαχείριση των υδατικών πόρων: παραδείγματα από τη Βουλγαρία]]

* [[Τηλεπισκόπηση της λειτουργίας του ημίξηρου οικοσυστήματος της ανώτερης λεκάνης του ποταμού San Pedro, Αριζόνα]]

* [[Ο ρόλος κλειδί της τηλεπισκόπησης στην αξιολόγηση περιβαλλοντικών ζητημάτων που τίθενται από την εξόρυξη]]

* [[Δημιουργία μοντέλου πρόβλεψης των δυναμικών εξάρσεων των φυκών με τη χρήση τηλεπισκόπησης]]

* [[Η χρήση τηλεπισκόπησης και ΓΣΠ στην ανάλυση της υποβάθμισης των οικοσυστημάτων στη λεκάνη του ποταμού Νίγηρα]]

* [[Τηλεπισκόπηση της παράκτιας βλάστησης στην Ολλανδία και το Βέλγιο]]

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

Τηλεπισκόπηση της παράκτιας βλάστησης στην Ολλανδία και το Βέλγιο

2010-02-09T18:55:00Z

Angelica-roma:

Remote sensing of coastal vegetation in the Netherlands and Belgium, Sam Provoost, Mark van Til, Bart Deronde and Andries Knotters, Herrier J.-L., J. Mees, A. Salman, J. Seys, H. Van Nieuwenhuyse and I. Dobbelaere (Eds). 2005. p. 139-149 Proceedings ‘Dunes and Estuaries 2005’ – International Conference on Nature Restoration Practices in European Coastal Habitats, Koksijde, Belgium, 19-23 September 2005 VLIZ Special Publication 19, xiv + 685 pp. http://www.vliz.be/imisdocs/publications/73774.pdf

Αντικείμενο της εφαρμογής

Οι χάρτες βλάστησης είναι απαραίτητα εργαλεία για την οργάνωση και την αξιολόγηση στη βιολογία διατήρησης. Σε μεγάλη κλίμακα, οι στόχοι της διατήρησης μπορούν να προσδιοριστούν σε όρους ιδιοτήτων της βλάστησης, είτε λόγω της εγγενούς αξίας τους είτε λόγω της σημασίας τους στο χαρακτηρισμό των οικοσυστημάτων. Επιπλέον, υπάρχει μια αυξανόμενη αίτηση για δείκτες βιοποικιλότητας, σε μεγάλο βαθμό λόγω της ευρωπαϊκής οδηγίας για τα ενδιαιτήματα (European Habitat Directive) αλλά και σε εθνικό ή περιφερειακό επίπεδο. Παράλληλα, η συχνότητα αναφοράς φαίνεται να αυξάνεται. Οι τάσεις αυτές υπογραμμίζουν την ανάγκη αποτελεσματικών εργαλείων για λεπτομερή και επαναλαμβανόμενη χαρτογράφηση της βλάστησης.

Στόχος της εφαρμογής

Από καθαρά επιστημονική σκοπιά, οι λεπτομερείς χάρτες βλάστησης παρέχουν βασικές πληροφορίες για έρευνα στη δυναμική της βλάστησης ή στο χαρακτηρισμό των ενδιαιτημάτων. Η παρούσα μελέτη παρουσιάζει το παρελθόν, το παρόν και το μέλλον της χαρτογράφησης της βλάστησης στις παράκτιες αμμοθίνες και τα αλμυρά έλη κατά μήκος των βελγικών και των ολλανδικών ακτών. Το πρώτο τμήμα περιγράφει τη χαρτογράφηση της βλάστησης γενικά. Καθώς η τηλεπισκόπηση εμπλεκόταν πάντα σε μικρό ή μεγάλο βαθμό στη διαδικασία της χαρτογράφησης, στο δεύτερο μέρος παρουσιάζεται μια σύνοψη των τεχνικών που χρησιμοποιούνται. Μόνο οι αερομεταφερόμενοι τηλεπισκοπικοί δέκτες αναφέρονται, καθώς οι διαστημικές εικόνες δε φέρουν, προς το παρόν, τα χαρακτηριστικά που απαιτούνται για τις λεπτομερείς μελέτες που αφορούν στη βλάστηση. Στο τελευταίο μέρος παρουσιάζεται η τηλεπισκοπική εμπειρία σε ακτές της Ολλανδίας.

[[Εικόνα:bel1.jpg|thumb|right|Διάφοροι τύποι χαρτών βλάστησης: Α) σημασμένος διανυσματικός χάρτης χαρακτηριστικών σε αεροφωτογραφία Β) συνεχής ψηφιδωτός χάρτης που αναπαριστά τιμές του NDVI C) ασυνεχής ψηφιδωτός χάρτης που αναπαριστά πέντε τάξεις του NDVI]]

Ταξινόμηση και χαρτογράφηση της βλάστησης

Η βλάστηση μπορεί να ειδωθεί με διάφορους τρόπους, οι οποίοι θα αποτυπωθούν και στην ταξινόμηση και χαρτογράφησή της. Εδώ παρουσιάζονται τρεις κύριες προσεγγίσεις.
* Στην προσέγγιση αυτή, η βλάστηση είναι ένα απαραίτητο λειτουργικό στοιχείο στους κύκλους του άνθρακα, του νερού και των θρεπτικών, ενώ οι ιδιότητες της βλάστησης βασίζονται κυρίως σε χαρακτηριστικά όπως η βιομάζα, ο δείκτης φυλλικής επιφάνειας (leaf area index – LAI) ή φυσιολογικά χαρακτηριστικά. Η ταξινόμηση που βασίζεται στην “οικολογική συμπεριφορά” των ειδών, είναι μια παρόμοια προσέγγιση.
* Η φυσιογνωμική ταξινόμηση βασίζεται στην εξωτερική εμφάνιση της βλάστησης και σχετίζεται με τη δομή και τη βιομορφή των κύριων ειδών. Βασικές φυσιογνωμικές μονάδες ή “σχηματισμοί” τοποθετούνται σε σειρά από πάνω προς τα κάτω και χρησιμοποιούνται γενικά σε ένα ευρύ γεωγραφικό φάσμα (Whittaker, 1962).
* Η φυτοκοινωνιολογική ταξινόμηση προσδιορίζει τις φυτοκοινωνίες με τρόπο από κάτω προς τα πάνω, ξεκινώντας από αρχεία σύστασης των ειδών (Westhof and van der Maarel, 1973). Το σύστημα αυτό, σχετίζεται με τη βοτανική εξέλιξη και χρησιμοποιείται στην τυπολογία των ενδιαιτημάτων για τη διατήρησή τους στην Ολλανδία.

Η ιδανική ταξινόμηση πρέπει να περιέχει μια οικολογική, από πάνω προς τα κάτω προσέγγιση με ένα επεξεργασμένο σύνολο καταγραφών της βλάστησης σε έναν τοπολογικό οικότυπο (Klijn, 1997). Τέτοιες τυπολογίες έχουν χρησιμοποιηθεί μόνο σε εφαρμογές περιορισμένης κλίμακας μέχρι τώρα. Ο επιλεγμένος τύπος ταξινόμησης προσδιορίζει, σε μεγάλο βαθμό, και τις ιδιότητες του χάρτη. Οι συμβατικοί χάρτες βλάστησης – σε ορολογία ΓΣΠ – θα χαρακτηρίζονταν ως διανυσματικοί χάρτες ενός επιπέδου, αποτελούμενοι από πολύγωνα (ή πιθανόν γραμμές και σημεία), με αυθαίρετο σχήμα, επιφάνεια περιοχής και ιδιότητες. Οι διανυσματικοί χάρτες μπορούν εύκολα να φέρουν πολλές ιδιότητες, όπως, για παράδειγμα, μια ιεραρχική τυπολογία θα απαιτούσε, συνδέοντάς τις με μια βάση δεδομένων. Ποσοτικοποιημένα χαρακτηριστικά, όπως το ύψος, ο δείκτης φυλλικής επιφάνειας, η βιομάζα ή οι δείκτες βλάστησης θα ήταν καλύτερα να αποτυπωθούν σε ψηφιδωτό χάρτη. Οι ψηφιδωτοί χάρτες ή κάνναβοι, αποτελούνται από ψηφίδες ίδιου σχήματος (κυρίως τετράγωνα) στις οποίες μια συνεχής ή διακριτή τιμή αποδίδεται. Είναι καταλληλότεροι για τους υπολογιστικούς σκοπούς των ΓΣΠ και είναι συμβατοί με τις εικόνες που έχουν υποστεί γεωαναφορά και που αποθηκεύονται, επίσης, ως κανναβικά αρχεία. Μια άλλη δυνατότητα των καννάβων είναι η χρήση των “ασαφών” συνόρων, ενώ τα διανυσματικά αρχεία χωρίζονται πάντα από σαφή σύνορα. Οι ψηφιδωτοί χάρτες είναι, λοιπόν, καταλληλότεροι για την αποτύπωση των οικολογικών βαθμωτών χαρακτηριστικών, όπως το υψόμετρο ή η ένταση της βόσκησης.

Γενικές έννοιες της τηλεπισκόπησης

Γενικά, η τηλεπισκόπηση βασίζεται στην ανίχνευση της ηλεκτρομαγνητικής ακτινοβολίας από αισθητήρες σε αεροπλάνα ή δορυφόρους. Οι ενεργές τεχνικές μετρούν τα σήματα από τεχνητές πηγές φωτισμού, ενώ στην παθητική τηλεπισκόπηση δε συμμετέχει εξωτερική πηγή. Τα LIDAR (laser) and RADAR είναι τα πιο συνηθισμένα ενεργά συστήματα τηλεπισκόπησης. Τα LIDAR χρησιμοποιούνται συνήθως για την απόκτηση λεπτομερών ψηφιακών μοντέλων υψομέτρου. Παρ’ όλ’ αυτά, οι περισσότερες εφαρμογές μπορούν να χαρακτηριστούν ως παθητικές. Τα προσπίπτοντα ηλεκτρομαγνητικά κύματα μπορούν να απορροφηθούν, να μεταδοθούν ή να ανακλαστούν, είτε στην ατμόσφαιρα είτε στην επιφάνεια της γης. Τα σήματα που ανιχνεύονται, λοιπόν, από τους τηλε-αισθητήρες επηρεάζονται τόσο από τις ατμοσφαιρικές συνθήκες, όσο και από τα χαρακτηριστικά του τοπίου.
Η απόκτηση καθαρών φασματικών υπογραφών που απεικονίζουν τις χημικές και φυσικές ιδιότητες στοιχείων, απαιτεί μετρήσεις στη γη με φασματόμετρα πεδίου. Οι συσκευές αυτές, συνήθως ανιχνεύουν μήκη κύματος μεταξύ 350 και 2500nm, συμπεριλαμβανομένου του τμήματος του φάσματος που είναι ορατό στον άνθρωπο (περίπου 400 έως 700nm), το εγγύς υπέρυθρο (NIR, περίπου από 700 έως 1300nm) και το μικροκυματικό υπέρυθρο (SWIR, μεταξύ 1300 και 2500nm, Lillesand and Kiefer, 2000). Οι φασματικές μετρήσεις παρουσιάζονται συνήθως ως τιμές ανακλαστικότητας και προσδιορίζονται ως η αναλογία της ανακλώμενης προς την προσπίπτουσα ακτινοβολία.

[[Εικόνα:bel2.jpg|thumb|right|Καμπύλες ανακλαστικότητας κάποιων χαρακτηριστικών στοιχείων παράκτιων ενδιαιτημάτων κατά μήκος των δυτικών ακτών του Βελγίου]]
[[Εικόνα:bel3.jpg|thumb|right|Ανακλαστικότητα τεσσάρων τύπων βλάστησης ασβεστολιθικών ξηρών θινών της υδρονομικής εγκατάστασης του Άμστερνταμ, το Μάιο και τον Ιούνιο του 2001(Van Til et al., 2004)]]

Φασματικά χαρακτηριστικά της βλάστησης

Η εικόνα δείχνει παραδείγματα καμπυλών ανάκλασης κάποιων βασικών (παράκτιων) χαρακτηριστικών του τοπίου μετρημένων με φασματόμετρο πεδίου (FieldSpec Pro Fr, Analytical Spectral Devices, Inc.). Τα διαφορετικά πρότυπα μπορούν να διαχωριστούν, υποδεικνύοντας τη δυνατότητα διαχωρισμού των διαφορετικών τάξεων χρήσης γης. Η ερμηνεία των φασματικών χαρακτηριστικών της βλάστησης σ’ αυτή την παράγραφο βασίζεται κυρίως στην επεξηγηματική μελέτη των Kumar et al. (2001).
Τα πράσινα φυτά παρουσιάζουν μια ισχυρή απορρόφηση του υπεριώδους και ορατού φωτός λόγω του χρωματισμού των φύλλων. Η κυρίαρχη απορρόφηση του κόκκινου και του μπλε προκαλεί το πράσινο χρώμα τους. Περισσότερο από το 70% της απορροφώμενης ακτινοβολίας μετατρέπεται σε θερμότητα, ενώ το μεγαλύτερο μέρος από το υπόλοιπο χρησιμοποιείται για τη φωτοσύνθεση. Η κυριαρχία της χρωστικής της χλωροφύλλης στα υγιή φύλλα εξηγεί το μέγιστο της απορρόφησης στα 420, 490 και 660nm. Το φαινόμενο αυτό είναι ορατό και στην εικόνα. Στα γερασμένα φύλλα, τα καροτένια και οι ξανθοφύλλες τείνουν να κυριαρχούν, γεγονός που αλλάζει το πρότυπο της απορρόφησης, και μέσω αυτού, το χρώμα. Το μέγιστο της κόκκινης απορρόφησης (690nm) στην καμπύλη ανάκλασης της λάσπης φαίνεται περίεργο, αλλά προκαλείται από φωτοσυνθετικές χρωστικές στα επιβενθικά φύκη (cf. Paterson et al., 1998).
Η ανακλαστικότητα της ξηρής άμμου (παραλία) είναι υψηλή στα ορατά μήκη κύματος, διευκολύνοντας το διαχωρισμό της από τις περιοχές τις βλάστησης. Την ώρα της μέτρησης, οι θίνες από βρύα (''Tortula ruralis ssp. ruraliformis'') είχαν αποξηρανθεί, γεγονός που εξηγεί τη μη αναμενόμενη καμπύλη ανακλαστικότητας στο διάγραμμα.
Το εγγύς υπέρυθρο απορροφάται σε πολύ μικρό βαθμό από τα πράσινα φυτά. Περισσότερο από το 95% της προσπίπτουσας ακτινοβολίας εκπέμπεται ή ανακλάται. Τα χαρακτηριστικά της ανώτερης στοιβάδας της επιδερμίδας και ο δείκτης ανακλαστικότητας της επιδερμίδας καθορίζουν την ανάκλαση από την επιφάνεια του φύλλου. Επίσης, η ανατομική δομή των φύλλων συνεισφέρει σημαντικά στην ανακλαστικότητα στο εγγύς υπέρυθρο (NIR). Στους πολυ-επίπεδους θόλους, η εκπεμπόμενη ακτινοβολία ανακλάται μερικώς από τα κατώτερα φύλλα, προκαλώντας αύξηση στη NIR ανάκλαση.
Η αντίθεση μεταξύ της απορρόφησης στο κόκκινο και το εγγύς υπέρυθρο, γνωστή και ως “red edge”, είναι ένα εμφανές φασματικό χαρακτηριστικό της υγιούς βλάστησης. Χρησιμοποιείται για να υπολογιστούν δείκτες βλάστησης, μεταξύ των οποίων και ο Normalised Difference Vegetation Index (NDVI = [NIR – RED] / [NIR + RED]), που χρησιμοποιείται συχνότερα.
Η ανακλαστικότητα στο μικροκυματικό υπέρυθρο συνδέεται με τα χαρακτηριστικά του υδατικού περιεχομένου. Το τμήμα αυτό του φάσματος χαρακτηρίζεται από κανάλια ευκρινούς απορρόφησης του νερού στα 1400 με 1850nm. Ένας μεγάλος αριθμός μελετών πραγματεύεται τις φασματικές ιδιότητες των φύλλων, των φυτών και των θόλων (Kumar et al., 2001), στις οποίες η βλάστηση αντιμετωπίζεται από μια λειτουργική οικολογική σκοπιά (κύκλοι των θρεπτικών, φυτικό stress, παραγωγή φυτομάζας, κτλ). Πράγματι, οι φασματικές ιδιότητες συνδέονται με τις βιοχημικές και φυσικές ιδιότητες κυρίως και όχι με τα είδη ως τέτοια. Μέσα στο ίδιο είδος, τα φυτά παρουσιάζουν μια ποικιλία φαινολογικών, μορφολογικών και φυσιολογικών καταστάσεων, περιπλέκοντας το φασματικό διαχωρισμό των τύπων της βλάστησης που βασίζεται στη σύνθεση των ειδών.
Παρ’ όλ’ αυτά, ο Schmidt (2003) ανίχνευσε χαρακτηριστικές φασματικές υπογραφές με στατιστικά σημαντικές διαφορές, για την πλειοψηφία των 27 τύπων βλάστησης των αλμυρών ελών. Η ταξινόμηση 19 τύπων βλάστησης βασισμένη στην ανάλυση κανονικής διασποράς των φασματόμετρων πεδίου (579 κανάλια), οδήγησε σε μια συνολική ακρίβεια του 91%.
Οι Van Til et al., (2004) μελέτησαν τα φασματικά χαρακτηριστικά ξηρών θινών στην ολλανδική ενδοχώρα. Τα φάσματα πεδίου 10 τύπων βλάστησης καταγράφηκαν το Μάιο και τον Ιούνιο και μετατράπηκαν σε 29 κανάλια για να προσομοιώσουν τον EPS-A υπερφασματικό σαρωτή. Μη παραμετρικές στατιστικές δοκιμές στα δεδομένα του Μαΐου έδειξαν διάκριση στα 42 από τα 45 ζευγάρια των τύπων. Στα δεδομένα του Ιουνίου, μόνο 37 από τα 45 ζευγάρια μπορούσαν να διακριθούν. Αποδείχτηκε δύσκολο να διαχωριστούν αρκετοί σημαντικοί τύποι βλάστησης, όπως βλάστηση που κυριαρχείται από ''Calamagrostis epigejos'' ή ''Ammophila arenaria''.

Αεροφωτογραφίες

Οι αναλογικές αεροφωτογραφίες είναι οι πιο βασικές τηλεπισκοπικές εικόνες. Οι παλιότερες ασπρόμαυρες φωτογραφίες από τις βελγικές ακτές χρονολογούνται από τον πρώτο παγκόσμιο πόλεμο. Μετά το δεύτερο παγκόσμιο πόλεμο λαμβάνονταν τακτικά αεροφωτογραφίες για χαρτογραφικούς ή αμυντικούς σκοπούς. Παγχρωματικές (ασπρόμαυρες) εικόνες απεικονίζουν την ανακλαστικότητα κατά μήκος ενός μεγάλου τμήματος του φάσματος σε ένα πληροφοριακό “κανάλι”. Η ερμηνεία βασίζεται στην κλίμακα του γκρίζου, στην υφή, το μέγεθος και το σχήμα των στοιχείων, στα πρότυπα και στα περιβάλλοντα στοιχεία. Αν και φαίνεται ανούσιο, η ερμηνεία των περιβαλλόντων στοιχείων είναι πολύ σημαντική κατά τη διάρκεια ερμηνείας των εικόνων. Λόγω της πολυπλοκότητάς του, το περιβάλλον είναι δύσκολο να μεταφραστεί σε αλγορίθμους στον υπολογιστή, γεγονός που κάνει την άμεση επεξεργασία από τον ερευνητή αναντικατάστατη.
Οι εικόνες πραγματικού χρώματος αποτελούνται από τρία κανάλια που αντιπροσωπεύουν το κόκκινο, το πράσινο και το μπλε (RGB) τμήμα του φάσματος. Λόγω της συσχέτισης των οπτικών καναλιών, οι επιπλέον πληροφορίες των έγχρωμων εικόνων είναι περιορισμένες. Το ευαίσθητο φιλμ του εγγύς υπέρυθρου, όμως, προσφέρει αξιοσημείωτα περισσότερες πληροφορίες για την έρευνα σχετικά με τη βλάστηση. Στις τυπικές υπέρυθρες εικόνες, το μπλε, το πράσινο και το κόκκινο επίπεδο αντιπροσωπεύουν την πράσινη, την κόκκινη και την εγγύς υπέρυθρη ανάκλαση αντίστοιχα, κάνοντάς τις να εμφανίζονται ως ψευδοχρωματικές εικόνες.
Η ερμηνεία σε βάθος απαιτεί τη χρήση ζευγών στερεο-εικόνων, που επιτρέπει την τρισδιάστατη απεικόνιση του τοπίου και της βλάστησης. Αρκετοί χάρτες βλάστησης έχουν δημιουργηθεί με αυτήν την τεχνική, κυρίως για εφαρμογές τοπικής κλίμακας. Παραδείγματα για εξολοκλήρου επιστημονική χρήση αεροφωτογραφιών είναι σπάνια (e.g. Van Dorp et al., 1985; Shanmugan and Barnsley, 2002).
Επαναλαμβανόμενες χαρτογραφήσεις των αλμυρών ελών της Ολλανδίας διεξάγονται από το Τμήμα Ερευνών του Υπουργείου Δημοσίων Έργων από τις αρχές της δεκαετίας του ’70 (Janssen, 2001). Η ίδια αρχή ξεκίνησε τη χαρτογράφηση της βλάστησης των θινών τη δεκαετία του ’80. Ένα παρόμοιο πρόγραμμα για τις βελγικές ακτές ξεκίνησε την ίδια περίοδο.

Ψηφιακές εικόνες

Οι ψηφιακές εικόνες αποκτούνται μέσω της σάρωσης των φωτογραφιών (τυπωμένων ή καλύτερα φιλμ) ή απευθείας με τη χρήση ψηφιακών τηλε-αισθητήρων. Η ποιότητα των εικόνων περιλαμβάνει τέσσερα στοιχεία (Lillesand and Kiefer, 2000): τη χωρική διακριτική ικανότητα, δηλαδή το μέγεθος ενός εικονοστοιχείου στη γη, τον αριθμό των καναλιών, τη φασματική διακριτική ικανότητα ή πλάτος των καναλιών και τη ραδιομετρική διακριτική ικανότητα. Για παράδειγμα, η τιμή ενός εικονοστοιχείου 8 bit, μπορεί να κυμαίνεται από 1 έως 256. Ο αριθμός των καναλιών μπορεί να κυμαίνεται από ένα (παγχρωματική εικόνα) έως πάνω από εκατό (υπερφασματική εικόνα). Οι πολυφασματικές εικόνες αποτελούνται από πολλά κανάλια.
Η ιδανική εικόνα θα είχε υψηλή χωρική διακριτική ικανότητα και πολλά φασματικά κανάλια, αλλά η βελτιστοποίηση και των δύο ιδιοτήτων είναι μια τεχνολογική πρόκληση. Η χωρική διακριτική ικανότητα του σαρωμένου φιλμ περιορίζεται από το μέγεθος των φωτεινών ευαίσθητων κόκκων, το οποίο είναι περίπου 7μm. Μια σύγχρονη διακριτική ικανότητα σάρωσης θα ήταν 15μm. Η εφαρμογή ενός ημι-αυτόματου συστήματος ταξινόμησης για τριών καναλιών ψευδοχρωματικές NIR εικόνες, ανεπτυγμένου για τις θίνες των ολλανδικών ακτών, απαιτεί μέγεθος εικονοστοιχείου 20cm (Droesen, 1999). Αυτή η ανάλυση θα μπορούσε να επιτευχθεί με τη χρήση αεροφωτογραφιών κλίμακας 1:15.000 (Van der Hagen and van Til, 2001). Η χρήση τέτοιας κλίμακας για την παραγωγή υψηλής ανάλυσης ορθοφωτογραφιών είναι πολύ οικονομικά αποδοτική σε σύγκριση με μεγαλύτερης ανάλυσης εικόνες, αλλά το πλεονέκτημα των τελευταίων είναι η πολύ καλύτερη εφαρμοσιμότητά τους για άμεση από τον ερευνητή στερεο-ερμηνεία. Οι ψηφιακές κάμερες έχουν ίδιες αναλύσεις και έχουν το πλεονέκτημα της υπερπήδησης της σάρωσης που μειώνει την ποιότητα καθώς και την ικανότητα καταγραφής σε τρία οπτικά κανάλια και στο εγγύς υπέρυθρο.
Οι γραμμικοί σαρωτές, σε αντίθεση με τις κάμερες λήψης, αποτελούνται από μια συστοιχία χωρικών αισθητήρων ανά φασματικό κανάλι και οι εικόνες “χτίζονται” σταδιακά καθώς το αεροπλάνο προχωράει. Οι περισσότεροι υπερφασματικοί σαρωτές ή τα φασματόμετρα εικόνας ανήκουν σ’ αυτή την κατηγορία αισθητήρων. Οι υπερφασματικοί σαρωτές του εμπορίου έχουν περίπου 100 με 300 κανάλια και χωρική διακριτική ικανότητα μέχρι 2,2nm. Αλλά ένας μεγαλύτερος αριθμός καναλιών μπορεί να επιτευχθεί με τη μείωση της διακριτικής ικανότητας λόγω του χρόνου που απαιτείται από τα ευαίσθητα στοιχεία (Charge Coupled Device) για την επίτευξη ενός αποδεκτού σήματος ως προς την αναλογία του θορύβου.
Οι εικόνες που αποκτώνται από γραμμικούς σαρωτές ή κάμερες λήψης συνεπάγονται, επίσης, διαφορετικές διαδικασίες γεωαναφοράς. Οι εικόνες της κάμερας, στις οποίες μια μεγάλη επιφάνεια καταγράφεται ταυτόχρονα, είναι γεωμετρικά σταθερές και μπορούν να υποστούν γεωαναφορά και διόρθωση με μεγάλη ακρίβεια (ανάλογα και με την τοπογραφία). Οι σαρωμένες εικόνες είναι πολύ πιο ευαίσθητες στις κινήσεις του αεροσκάφους και η γεωαναφορά απαιτεί λεπτομερή GPS και INS δεδομένα (Inertial Navigation System). Στην πράξη, η καλύτερη γεωμετρική ακρίβεια που μπορεί να επιτευχθεί φαίνεται να είναι περίπου δύο εικονοστοιχεία ή αρκετά μέτρα (Aspinall et al., 2002).

Ταξινόμηση εικόνων

Η επιτυχία της αυτοματοποιημένης ταξινόμησης των εικόνων βασίζεται πρωτίστως στη φασματική ομοιογένεια. Οι εικόνες παρουσιάζουν διαφοροποίηση στο χρώμα ή στις τιμές της ανάκλασης λόγω των τοπικών ατμοσφαιρικών συνθηκών, τη γωνία πρόσπτωσης της ηλιακής ακτινοβολίας, την ελάττωση του φωτός προς τα περιθώρια της εικόνας, κτλ., οπότε χρειάζεται να διορθωθούν ραδιομετρικά. Η διόρθωση σε πραγματικές τιμές ανάκλασης απαιτεί πληροφορίες για τα χαρακτηριστικά της κάμερας ή του σαρωτή και μετρήσεις πεδίου. Αυτό το βήμα είναι χρήσιμο για υπερφασματικά δεδομένα αλλά συνήθως παραλείπεται σε περίπτωση ψευδοχρωματικών εικόνων.
Η αυτοματοποιημένη ταξινόμηση μπορεί να είναι είτε επιβλεπόμενη είτε μη επιβλεπόμενη. Η επιβλεπόμενη ταξινόμηση βασίζεται σε φασματικές ομοιότητες μεταξύ εικόνας και περιοχών εκπαίδευσης (με γνωστό τύπο εδάφους). Η λειτουργικότητά της ευνοείται από την υψηλή φασματική ανάλυση που παρέχεται από τις υπερφασματικές εικόνες και από την υψηλή διακριτική ικανότητα, που μειώνει την εμφάνιση μπερδεμένων εικονοστοιχείων.
Οι μη επιβλεπόμενες ταξινομήσεις δε χρησιμοποιούν εικονοστοιχεία ελέγχου και δημιουργούν τάξεις εικονοστοιχείων βασισμένες στις φασματικές ιδιότητές τους. Αυτό μπορεί να είναι χρήσιμο για την ανίχνευση των φασματικών διαφορών μιας εικόνας, όμως μπορεί να είναι δύσκολος ο προσδιορισμός των λαμβανόμενων τάξεων. Μια άλλη διαφοροποίηση μπορεί να γίνει μεταξύ των μεθόδων ταξινόμησης που βασίζονται στα εικονοστοιχεία και εκείνων που βασίζονται στα αντικείμενα. Οι πρώτες αντιμετωπίζουν τα εικονοστοιχεία ως βασικά ταξινομικά στοιχεία, ενώ οι δεύτερες ομαδοποιούν τα εικονοστoιχεία σε αντικείμενα πριν από την ταξινόμηση (τμηματοποίηση των εικόνων). Και οι δύο μέθοδοι μπορούν να είναι είτε επιβλεπόμενες είτε μη επιβλεπόμενες (De Jong and Van der Meer, 2004).
Στην Ολλανδία, τα πρώτα βήματα για την ψηφιακή ερμηνεία των εικόνων έγιναν τη δεκαετία του ’90. Ψευδοχρωματικές αεροφωτογραφίες χρησιμοποιήθηκαν για ημι-αυτόματες ταξινομήσεις της βλάστησης σε ξηρές παράκτιες αμμοθίνες (Assendorp and Van der Meulen, 1994; Droesen et al., 1995). Ένας ασαφής ταξινομικός αλγόριθμος αναπτύχθηκε για να διακρίνει πέντε ποώδεις τύπους βλάστησης, βασισμένος σε δομικά χαρακτηριστικά. Η εξακρίβωση με δεδομένα πεδίου οδήγησε σε συντελεστές συσχέτισης από 0,8 έως 0,9 (Droesen, 1999). Ο Janssen (2001) χρησιμοποίησε πολυφασματικές CAESAR εικόνες με διακριτική ικανότητα 0,5m για την ταξινόμηση σε επτά τάξεις της βλάστησης αλμυρών ελών και πέτυχε μια συνολική ακρίβεια 75%.
Οι υπερφασματικές GER EPS-A εικόνες με μέγεθος εικονοστοιχείου 5m χρησιμοποιήθηκαν στην ταξινόμηση της βλάστησης των θινών από τους De Lange et al. (2004). Στη μελέτη αυτή 22 τάξεις βλάστησης χαρτογραφήθηκαν με ακρίβεια από 60 έως 70%. Ένα ειδικό σύστημα με πρόσθετες οικολογικές πληροφορίες χρησιμοποιήθηκε για την επίτευξη των μέγιστων δυνατών ακριβειών.
Οι Schmidt et al. (2004) χρησιμοποίησαν δεδομένα HYMAP με 3,5m διακριτική ικανότητα για τη χαρτογράφηση της βλάστησης των αλμυρών ελών. Μια ολική ακρίβεια του 40% επιτεύχθηκε για 19 τύπους βλάστησης. Η ενοποίηση με πρόσθετα δεδομένα υψομετρίας λέιζερ αύξησε την ακρίβεια στο 66%.
Αρκετές εικόνες είναι διαθέσιμες για τις βελγικές ακτές αλλά η ταξινόμηση βρίσκεται σε αρχικό στάδιο. Κατά τη διάρκεια του καλοκαιριού του 2004, οι θίνες και τα αλμυρά έλη των βελγικών ακτών μελετήθηκαν με υπερφασματικό AISA-Eagle αισθητήρα. Οι εικόνες ταξινομούνται στην παρούσα στιγμή (cf. Bertels et al., 2005).

[[Εικόνα:bel4.jpg|thumb|right|Κύριοι τύποι εικόνων και οι ιδιότητές τους (* = ανάλογα με τον αριθμό των καναλιών)]]

Επίλογος

Η χαρτογράφηση της παράκτιας βλάστησης με αυτόματη επεξεργασία εικόνων δεν έχει φτάσει σε ένα πλήρως λειτουργικό στάδιο στις πρακτικές διατήρησης, αν και η τρέχουσα γνώση και εμπειρία δείχνει ότι συγκεκριμένες τεχνικές ανταποκρίνονται πολύ καλά στο σκοπό αυτό. Στον πίνακα συνοψίζονται οι ιδιότητες και οι δυνατότητες της ταξινόμησης με τους κύριους τύπους εικόνων που σχετίζονται με τη χαρτογράφηση της βλάστησης. Αλλά, όπως περιγράφεται παρακάτω, η επιλογή μιας συγκεκριμένης εικόνας απαιτεί μια ενδελεχή εκτίμηση των διαφορετικών ποιοτήτων.
Οι πολύ υψηλής διακριτικής ικανότητας ψευδοχρωματικές εικόνες ευνοούν ακριβείς ταξινομήσεις περιορισμένου αριθμού τύπων βλάστησης σε ξηρές ποώδεις θίνες και αλμυρά έλη. Λόγω της δυνατότητας για μεγάλη γεωμετρική ακρίβεια, οι εικόνες αυτές είναι κατάλληλες για την παρακολούθηση της δυναμικής της βλάστησης, για παράδειγμα σε σχέση με τη διαχείριση της βόσκησης. Μια εκτίμηση κόστους για τις θίνες της υδρονομικής εγκατάστασης του Άμστερνταμ (3500ha) αποκάλυψε ότι η παραγωγή με το χέρι ενός χάρτη βλάστησης θα ήταν κατά 75% πιο ακριβή. Στην Ολλανδία έχει αναπτυχθεί μια ενότητα του ArcView, ώστε να διευκολυνθεί η ευρεία χρήση της τεχνικής αυτής. Μέχρι τώρα, έχει χρησιμοποιηθεί κυρίως σαρωμένο φιλμ, αλλά στο (εγγύς) μέλλον, οι εικόνες από ψηφιακή κάμερα πιθανόν να παίζουν σημαντικό ρόλο λόγω της υψηλότερης ραδιομετρικής τους ποιότητας.
Παρά τα πλεονεκτήματά τους, οι ψευδοχρωματικές εικόνες αναπαριστούν μόνο τρία (ευρεία) φασματικά κανάλια, γεγονός που μειώνει τη δυνατότητά τους για περαιτέρω βελτίωση στην ταξινόμηση των εικόνων. Οι φασματικές πληροφορίες περιλαμβάνονται στα κανάλια του κόκκινου και του εγγύς υπέρυθρου, τα οποία μόνο ασαφώς αντιπροσωπεύουν το “red edge”. Έτσι, οι τάξεις της βλάστησης που έχουν οριοθετηθεί ως τώρα αντιπροσωπεύουν τη δομή της βλάστησης. Σε οικοσυστήματα φτωχά σε είδη, όπως τα αλμυρά έλη, αυτό οδηγεί σε αρκετά ικανοποιητικά αποτελέσματα, όμως σε οικοσυστήματα με μεγάλη βιοποικιλότητα όπως αυτά των θινών, μόνο μια πολύ αδρή εικόνα της βλάστησης μπορεί να αποκτηθεί.
Τα υπερφασματικά δεδομένα περιέχουν πιο λεπτομερείς πληροφορίες για διαφορετικές πλευρές της βλάστησης. Η δουλειά του Schmidt (2003) έδειξε ότι οι περισσότερες τάξεις της βλάστησης των ελών μπορούν να διακριθούν φασματικά, τουλάχιστον με φασματοσκοπικές μετρήσεις πεδίου. Το πακέτο δεδομένων με φάσματα πεδίου της βλάστησης των θινών δεν είναι ακόμα μεγάλο και τα πρώτα αποτελέσματα υποδεικνύουν φασματική επικάλυψη μεταξύ των τύπων της βλάστησης. Αυτό είναι λογικό αν συγκρίνουμε τον αριθμό των ειδών των δύο συστημάτων. Η βλάστηση των αλμυρών ελών μπορεί να χαρακτηριστεί αρκετά καλά με τη χρήση περίπου 15 ειδών, ενώ οι ξηρές θίνες θα απαιτούσαν τουλάχιστον 50 είδη. Μια λεπτομερής καμπάνια για τις μετρήσεις της επίγειας ανάκλασης της βλάστησης των θινών είναι επιθυμητή και θα αποκαλύψει κάποιες πιθανότητες και περιορισμούς της υπερφασματικής τηλεπισκόπησης. Παρ’ όλ’ αυτά, λόγω της χαμηλότερης φασματικής και χωρικής διακριτικής ικανότητας και της ατμοσφαιρικής παραμόρφωσης στις αεροφωτογραφίες, οι μετρήσεις πεδίου θα είναι πάντα υψηλότερης ποιότητας, αντιπροσωπεύοντας τη μέγιστη εφικτή φασματική ικανότητα διαχωρισμού.
Σήμερα, η χρήση υπερφασματικών εικόνων για την τηλεπισκόπηση της παράκτιας βλάστησης δεν είναι ακόμα προφανής λόγω της εξαναγκασμένης χωρικής διακριτικής ικανότητας, τις δυσκολίες στη γεωαναφορά και του σχετικά μεγάλου κόστους. Η ακρίβεια της γεωαναφοράς είναι πολύ μεγάλης σημασίας για τη συσχέτιση εικόνων με GPS αναφερμένα δεδομένα επαλήθευσης από το πεδίο και φαίνεται ότι είναι εμπόδιο στα πρόσφατα προγράμματα τηλεπισκόπησης (cf. De Lange et al., 2004; Schmidt, 2003; Jacobson et al., 2000).
Κάθε εφαρμογή χρειάζεται μια θεμελιώδη εκτίμηση για τον αν είναι σημαντικότερη η χωρική ή η φασματική διακριτική ικανότητα, αντανακλώντας τη στάθμιση στην ταξινόμηση και τη γεωμετρική ακρίβεια. Μια ακόμη επιλογή του χρήστη σχετίζεται με τη στάθμιση μεταξύ της ακρίβειας της ταξινόμησης και των λεπτομεριών στις επεξηγήσεις των τάξεων. Οι παραγωγοί του χάρτη έχουν την ευθύνη να υποδείξουν τις πιθανότητες, ενώ οι χρήστες μπορούν να αποφασίσουν αν η αβεβαιότητα είναι αποδεκτή στον ίδιο το χάρτη ή στις τάξεις που αντιπροσωπεύει.
Σε μελλοντικές μελέτες, μια ποικιλία τεχνικών χρειάζεται να υποστεί έλεγχο ή επεξεργασία. Από τη μία πλευρά, αυτές σχετίζονται με την επεξεργασία των εικόνων ή την ταξινόμηση. Τεχνικές που λαμβάνουν υπόψιν τους τούς χωρικούς τομείς (π.χ. τμηματοποίηση εικόνων – image segmentation), τεχνικές επιλογής χαρακτηριστικών (π.χ. ανάλυση μικροκυμάτων – wavelet analysis) και μέθοδοι υπο-εικονοστοιχείων (sub-pixel) είναι μερικά μόνο παραδείγματα. Από την άλλη μεριά, πολλές μελέτες ανέδειξαν τη σημασία των βοηθητικών δεδομένων. Η ταξινόμηση των αλμυρών ελών συγκεκριμένα φαίνεται να βελτιώνεται σημαντικά με τη βοήθεια των Ψηφιακών Μοντέλων Εδάφους (Digital Terrain Models) που παραλαμβάνονται από υψομετρία λέιζερ (Brown, 2004; Schmidt, 2003). Στις θίνες τα δεδομένα υψομέτερου θα πρέπει να χρησιμοποιούνται πιο προσεκτικά και κατά προτίμηση σε συσχέτιση με την υδρολογία (Thackrah et al., 2002; De Lange et al., 2004). Τέλος, το ύψος των θόλων που προκίπτει από τη σάρωση με λέιζερ (Ritchie et al., 2001) μπορεί να παρέχει πολύ χρήσιμες συμπληρωματικές πληροφορίες για τη χαρτογράφιση της βλάστησης.

[[category:Παρακολούθηση παράκτιων οικοσυστημάτων]]

Τηλεπισκόπηση της παράκτιας βλάστησης στην Ολλανδία και το Βέλγιο

2010-02-09T18:52:49Z

Angelica-roma:

Αντικείμενο της εφαρμογής

Οι χάρτες βλάστησης είναι απαραίτητα εργαλεία για την οργάνωση και την αξιολόγηση στη βιολογία διατήρησης. Σε μεγάλη κλίμακα, οι στόχοι της διατήρησης μπορούν να προσδιοριστούν σε όρους ιδιοτήτων της βλάστησης, είτε λόγω της εγγενούς αξίας τους είτε λόγω της σημασίας τους στο χαρακτηρισμό των οικοσυστημάτων. Επιπλέον, υπάρχει μια αυξανόμενη αίτηση για δείκτες βιοποικιλότητας, σε μεγάλο βαθμό λόγω της ευρωπαϊκής οδηγίας για τα ενδιαιτήματα (European Habitat Directive) αλλά και σε εθνικό ή περιφερειακό επίπεδο. Παράλληλα, η συχνότητα αναφοράς φαίνεται να αυξάνεται. Οι τάσεις αυτές υπογραμμίζουν την ανάγκη αποτελεσματικών εργαλείων για λεπτομερή και επαναλαμβανόμενη χαρτογράφηση της βλάστησης.

Στόχος της εφαρμογής

Από καθαρά επιστημονική σκοπιά, οι λεπτομερείς χάρτες βλάστησης παρέχουν βασικές πληροφορίες για έρευνα στη δυναμική της βλάστησης ή στο χαρακτηρισμό των ενδιαιτημάτων. Η παρούσα μελέτη παρουσιάζει το παρελθόν, το παρόν και το μέλλον της χαρτογράφησης της βλάστησης στις παράκτιες αμμοθίνες και τα αλμυρά έλη κατά μήκος των βελγικών και των ολλανδικών ακτών. Το πρώτο τμήμα περιγράφει τη χαρτογράφηση της βλάστησης γενικά. Καθώς η τηλεπισκόπηση εμπλεκόταν πάντα σε μικρό ή μεγάλο βαθμό στη διαδικασία της χαρτογράφησης, στο δεύτερο μέρος παρουσιάζεται μια σύνοψη των τεχνικών που χρησιμοποιούνται. Μόνο οι αερομεταφερόμενοι τηλεπισκοπικοί δέκτες αναφέρονται, καθώς οι διαστημικές εικόνες δε φέρουν, προς το παρόν, τα χαρακτηριστικά που απαιτούνται για τις λεπτομερείς μελέτες που αφορούν στη βλάστηση. Στο τελευταίο μέρος παρουσιάζεται η τηλεπισκοπική εμπειρία σε ακτές της Ολλανδίας.

[[Εικόνα:bel1.jpg|thumb|right|Διάφοροι τύποι χαρτών βλάστησης: Α) σημασμένος διανυσματικός χάρτης χαρακτηριστικών σε αεροφωτογραφία Β) συνεχής ψηφιδωτός χάρτης που αναπαριστά τιμές του NDVI C) ασυνεχής ψηφιδωτός χάρτης που αναπαριστά πέντε τάξεις του NDVI]]

Ταξινόμηση και χαρτογράφηση της βλάστησης

Η βλάστηση μπορεί να ειδωθεί με διάφορους τρόπους, οι οποίοι θα αποτυπωθούν και στην ταξινόμηση και χαρτογράφησή της. Εδώ παρουσιάζονται τρεις κύριες προσεγγίσεις.
* Στην προσέγγιση αυτή, η βλάστηση είναι ένα απαραίτητο λειτουργικό στοιχείο στους κύκλους του άνθρακα, του νερού και των θρεπτικών, ενώ οι ιδιότητες της βλάστησης βασίζονται κυρίως σε χαρακτηριστικά όπως η βιομάζα, ο δείκτης φυλλικής επιφάνειας (leaf area index – LAI) ή φυσιολογικά χαρακτηριστικά. Η ταξινόμηση που βασίζεται στην “οικολογική συμπεριφορά” των ειδών, είναι μια παρόμοια προσέγγιση.
* Η φυσιογνωμική ταξινόμηση βασίζεται στην εξωτερική εμφάνιση της βλάστησης και σχετίζεται με τη δομή και τη βιομορφή των κύριων ειδών. Βασικές φυσιογνωμικές μονάδες ή “σχηματισμοί” τοποθετούνται σε σειρά από πάνω προς τα κάτω και χρησιμοποιούνται γενικά σε ένα ευρύ γεωγραφικό φάσμα (Whittaker, 1962).
* Η φυτοκοινωνιολογική ταξινόμηση προσδιορίζει τις φυτοκοινωνίες με τρόπο από κάτω προς τα πάνω, ξεκινώντας από αρχεία σύστασης των ειδών (Westhof and van der Maarel, 1973). Το σύστημα αυτό, σχετίζεται με τη βοτανική εξέλιξη και χρησιμοποιείται στην τυπολογία των ενδιαιτημάτων για τη διατήρησή τους στην Ολλανδία.

Η ιδανική ταξινόμηση πρέπει να περιέχει μια οικολογική, από πάνω προς τα κάτω προσέγγιση με ένα επεξεργασμένο σύνολο καταγραφών της βλάστησης σε έναν τοπολογικό οικότυπο (Klijn, 1997). Τέτοιες τυπολογίες έχουν χρησιμοποιηθεί μόνο σε εφαρμογές περιορισμένης κλίμακας μέχρι τώρα. Ο επιλεγμένος τύπος ταξινόμησης προσδιορίζει, σε μεγάλο βαθμό, και τις ιδιότητες του χάρτη. Οι συμβατικοί χάρτες βλάστησης – σε ορολογία ΓΣΠ – θα χαρακτηρίζονταν ως διανυσματικοί χάρτες ενός επιπέδου, αποτελούμενοι από πολύγωνα (ή πιθανόν γραμμές και σημεία), με αυθαίρετο σχήμα, επιφάνεια περιοχής και ιδιότητες. Οι διανυσματικοί χάρτες μπορούν εύκολα να φέρουν πολλές ιδιότητες, όπως, για παράδειγμα, μια ιεραρχική τυπολογία θα απαιτούσε, συνδέοντάς τις με μια βάση δεδομένων. Ποσοτικοποιημένα χαρακτηριστικά, όπως το ύψος, ο δείκτης φυλλικής επιφάνειας, η βιομάζα ή οι δείκτες βλάστησης θα ήταν καλύτερα να αποτυπωθούν σε ψηφιδωτό χάρτη. Οι ψηφιδωτοί χάρτες ή κάνναβοι, αποτελούνται από ψηφίδες ίδιου σχήματος (κυρίως τετράγωνα) στις οποίες μια συνεχής ή διακριτή τιμή αποδίδεται. Είναι καταλληλότεροι για τους υπολογιστικούς σκοπούς των ΓΣΠ και είναι συμβατοί με τις εικόνες που έχουν υποστεί γεωαναφορά και που αποθηκεύονται, επίσης, ως κανναβικά αρχεία. Μια άλλη δυνατότητα των καννάβων είναι η χρήση των “ασαφών” συνόρων, ενώ τα διανυσματικά αρχεία χωρίζονται πάντα από σαφή σύνορα. Οι ψηφιδωτοί χάρτες είναι, λοιπόν, καταλληλότεροι για την αποτύπωση των οικολογικών βαθμωτών χαρακτηριστικών, όπως το υψόμετρο ή η ένταση της βόσκησης.

Γενικές έννοιες της τηλεπισκόπησης

Γενικά, η τηλεπισκόπηση βασίζεται στην ανίχνευση της ηλεκτρομαγνητικής ακτινοβολίας από αισθητήρες σε αεροπλάνα ή δορυφόρους. Οι ενεργές τεχνικές μετρούν τα σήματα από τεχνητές πηγές φωτισμού, ενώ στην παθητική τηλεπισκόπηση δε συμμετέχει εξωτερική πηγή. Τα LIDAR (laser) and RADAR είναι τα πιο συνηθισμένα ενεργά συστήματα τηλεπισκόπησης. Τα LIDAR χρησιμοποιούνται συνήθως για την απόκτηση λεπτομερών ψηφιακών μοντέλων υψομέτρου. Παρ’ όλ’ αυτά, οι περισσότερες εφαρμογές μπορούν να χαρακτηριστούν ως παθητικές. Τα προσπίπτοντα ηλεκτρομαγνητικά κύματα μπορούν να απορροφηθούν, να μεταδοθούν ή να ανακλαστούν, είτε στην ατμόσφαιρα είτε στην επιφάνεια της γης. Τα σήματα που ανιχνεύονται, λοιπόν, από τους τηλε-αισθητήρες επηρεάζονται τόσο από τις ατμοσφαιρικές συνθήκες, όσο και από τα χαρακτηριστικά του τοπίου.
Η απόκτηση καθαρών φασματικών υπογραφών που απεικονίζουν τις χημικές και φυσικές ιδιότητες στοιχείων, απαιτεί μετρήσεις στη γη με φασματόμετρα πεδίου. Οι συσκευές αυτές, συνήθως ανιχνεύουν μήκη κύματος μεταξύ 350 και 2500nm, συμπεριλαμβανομένου του τμήματος του φάσματος που είναι ορατό στον άνθρωπο (περίπου 400 έως 700nm), το εγγύς υπέρυθρο (NIR, περίπου από 700 έως 1300nm) και το μικροκυματικό υπέρυθρο (SWIR, μεταξύ 1300 και 2500nm, Lillesand and Kiefer, 2000). Οι φασματικές μετρήσεις παρουσιάζονται συνήθως ως τιμές ανακλαστικότητας και προσδιορίζονται ως η αναλογία της ανακλώμενης προς την προσπίπτουσα ακτινοβολία.

[[Εικόνα:bel2.jpg|thumb|right|Καμπύλες ανακλαστικότητας κάποιων χαρακτηριστικών στοιχείων παράκτιων ενδιαιτημάτων κατά μήκος των δυτικών ακτών του Βελγίου]]
[[Εικόνα:bel3.jpg|thumb|right|Ανακλαστικότητα τεσσάρων τύπων βλάστησης ασβεστολιθικών ξηρών θινών της υδρονομικής εγκατάστασης του Άμστερνταμ, το Μάιο και τον Ιούνιο του 2001(Van Til et al., 2004)]]

Φασματικά χαρακτηριστικά της βλάστησης

Η εικόνα δείχνει παραδείγματα καμπυλών ανάκλασης κάποιων βασικών (παράκτιων) χαρακτηριστικών του τοπίου μετρημένων με φασματόμετρο πεδίου (FieldSpec Pro Fr, Analytical Spectral Devices, Inc.). Τα διαφορετικά πρότυπα μπορούν να διαχωριστούν, υποδεικνύοντας τη δυνατότητα διαχωρισμού των διαφορετικών τάξεων χρήσης γης. Η ερμηνεία των φασματικών χαρακτηριστικών της βλάστησης σ’ αυτή την παράγραφο βασίζεται κυρίως στην επεξηγηματική μελέτη των Kumar et al. (2001).
Τα πράσινα φυτά παρουσιάζουν μια ισχυρή απορρόφηση του υπεριώδους και ορατού φωτός λόγω του χρωματισμού των φύλλων. Η κυρίαρχη απορρόφηση του κόκκινου και του μπλε προκαλεί το πράσινο χρώμα τους. Περισσότερο από το 70% της απορροφώμενης ακτινοβολίας μετατρέπεται σε θερμότητα, ενώ το μεγαλύτερο μέρος από το υπόλοιπο χρησιμοποιείται για τη φωτοσύνθεση. Η κυριαρχία της χρωστικής της χλωροφύλλης στα υγιή φύλλα εξηγεί το μέγιστο της απορρόφησης στα 420, 490 και 660nm. Το φαινόμενο αυτό είναι ορατό και στην εικόνα. Στα γερασμένα φύλλα, τα καροτένια και οι ξανθοφύλλες τείνουν να κυριαρχούν, γεγονός που αλλάζει το πρότυπο της απορρόφησης, και μέσω αυτού, το χρώμα. Το μέγιστο της κόκκινης απορρόφησης (690nm) στην καμπύλη ανάκλασης της λάσπης φαίνεται περίεργο, αλλά προκαλείται από φωτοσυνθετικές χρωστικές στα επιβενθικά φύκη (cf. Paterson et al., 1998).
Η ανακλαστικότητα της ξηρής άμμου (παραλία) είναι υψηλή στα ορατά μήκη κύματος, διευκολύνοντας το διαχωρισμό της από τις περιοχές τις βλάστησης. Την ώρα της μέτρησης, οι θίνες από βρύα (''Tortula ruralis ssp. ruraliformis'') είχαν αποξηρανθεί, γεγονός που εξηγεί τη μη αναμενόμενη καμπύλη ανακλαστικότητας στο διάγραμμα.
Το εγγύς υπέρυθρο απορροφάται σε πολύ μικρό βαθμό από τα πράσινα φυτά. Περισσότερο από το 95% της προσπίπτουσας ακτινοβολίας εκπέμπεται ή ανακλάται. Τα χαρακτηριστικά της ανώτερης στοιβάδας της επιδερμίδας και ο δείκτης ανακλαστικότητας της επιδερμίδας καθορίζουν την ανάκλαση από την επιφάνεια του φύλλου. Επίσης, η ανατομική δομή των φύλλων συνεισφέρει σημαντικά στην ανακλαστικότητα στο εγγύς υπέρυθρο (NIR). Στους πολυ-επίπεδους θόλους, η εκπεμπόμενη ακτινοβολία ανακλάται μερικώς από τα κατώτερα φύλλα, προκαλώντας αύξηση στη NIR ανάκλαση.
Η αντίθεση μεταξύ της απορρόφησης στο κόκκινο και το εγγύς υπέρυθρο, γνωστή και ως “red edge”, είναι ένα εμφανές φασματικό χαρακτηριστικό της υγιούς βλάστησης. Χρησιμοποιείται για να υπολογιστούν δείκτες βλάστησης, μεταξύ των οποίων και ο Normalised Difference Vegetation Index (NDVI = [NIR – RED] / [NIR + RED]), που χρησιμοποιείται συχνότερα.
Η ανακλαστικότητα στο μικροκυματικό υπέρυθρο συνδέεται με τα χαρακτηριστικά του υδατικού περιεχομένου. Το τμήμα αυτό του φάσματος χαρακτηρίζεται από κανάλια ευκρινούς απορρόφησης του νερού στα 1400 με 1850nm. Ένας μεγάλος αριθμός μελετών πραγματεύεται τις φασματικές ιδιότητες των φύλλων, των φυτών και των θόλων (Kumar et al., 2001), στις οποίες η βλάστηση αντιμετωπίζεται από μια λειτουργική οικολογική σκοπιά (κύκλοι των θρεπτικών, φυτικό stress, παραγωγή φυτομάζας, κτλ). Πράγματι, οι φασματικές ιδιότητες συνδέονται με τις βιοχημικές και φυσικές ιδιότητες κυρίως και όχι με τα είδη ως τέτοια. Μέσα στο ίδιο είδος, τα φυτά παρουσιάζουν μια ποικιλία φαινολογικών, μορφολογικών και φυσιολογικών καταστάσεων, περιπλέκοντας το φασματικό διαχωρισμό των τύπων της βλάστησης που βασίζεται στη σύνθεση των ειδών.
Παρ’ όλ’ αυτά, ο Schmidt (2003) ανίχνευσε χαρακτηριστικές φασματικές υπογραφές με στατιστικά σημαντικές διαφορές, για την πλειοψηφία των 27 τύπων βλάστησης των αλμυρών ελών. Η ταξινόμηση 19 τύπων βλάστησης βασισμένη στην ανάλυση κανονικής διασποράς των φασματόμετρων πεδίου (579 κανάλια), οδήγησε σε μια συνολική ακρίβεια του 91%.
Οι Van Til et al., (2004) μελέτησαν τα φασματικά χαρακτηριστικά ξηρών θινών στην ολλανδική ενδοχώρα. Τα φάσματα πεδίου 10 τύπων βλάστησης καταγράφηκαν το Μάιο και τον Ιούνιο και μετατράπηκαν σε 29 κανάλια για να προσομοιώσουν τον EPS-A υπερφασματικό σαρωτή. Μη παραμετρικές στατιστικές δοκιμές στα δεδομένα του Μαΐου έδειξαν διάκριση στα 42 από τα 45 ζευγάρια των τύπων. Στα δεδομένα του Ιουνίου, μόνο 37 από τα 45 ζευγάρια μπορούσαν να διακριθούν. Αποδείχτηκε δύσκολο να διαχωριστούν αρκετοί σημαντικοί τύποι βλάστησης, όπως βλάστηση που κυριαρχείται από ''Calamagrostis epigejos'' ή ''Ammophila arenaria''.

Αεροφωτογραφίες

Οι αναλογικές αεροφωτογραφίες είναι οι πιο βασικές τηλεπισκοπικές εικόνες. Οι παλιότερες ασπρόμαυρες φωτογραφίες από τις βελγικές ακτές χρονολογούνται από τον πρώτο παγκόσμιο πόλεμο. Μετά το δεύτερο παγκόσμιο πόλεμο λαμβάνονταν τακτικά αεροφωτογραφίες για χαρτογραφικούς ή αμυντικούς σκοπούς. Παγχρωματικές (ασπρόμαυρες) εικόνες απεικονίζουν την ανακλαστικότητα κατά μήκος ενός μεγάλου τμήματος του φάσματος σε ένα πληροφοριακό “κανάλι”. Η ερμηνεία βασίζεται στην κλίμακα του γκρίζου, στην υφή, το μέγεθος και το σχήμα των στοιχείων, στα πρότυπα και στα περιβάλλοντα στοιχεία. Αν και φαίνεται ανούσιο, η ερμηνεία των περιβαλλόντων στοιχείων είναι πολύ σημαντική κατά τη διάρκεια ερμηνείας των εικόνων. Λόγω της πολυπλοκότητάς του, το περιβάλλον είναι δύσκολο να μεταφραστεί σε αλγορίθμους στον υπολογιστή, γεγονός που κάνει την άμεση επεξεργασία από τον ερευνητή αναντικατάστατη.
Οι εικόνες πραγματικού χρώματος αποτελούνται από τρία κανάλια που αντιπροσωπεύουν το κόκκινο, το πράσινο και το μπλε (RGB) τμήμα του φάσματος. Λόγω της συσχέτισης των οπτικών καναλιών, οι επιπλέον πληροφορίες των έγχρωμων εικόνων είναι περιορισμένες. Το ευαίσθητο φιλμ του εγγύς υπέρυθρου, όμως, προσφέρει αξιοσημείωτα περισσότερες πληροφορίες για την έρευνα σχετικά με τη βλάστηση. Στις τυπικές υπέρυθρες εικόνες, το μπλε, το πράσινο και το κόκκινο επίπεδο αντιπροσωπεύουν την πράσινη, την κόκκινη και την εγγύς υπέρυθρη ανάκλαση αντίστοιχα, κάνοντάς τις να εμφανίζονται ως ψευδοχρωματικές εικόνες.
Η ερμηνεία σε βάθος απαιτεί τη χρήση ζευγών στερεο-εικόνων, που επιτρέπει την τρισδιάστατη απεικόνιση του τοπίου και της βλάστησης. Αρκετοί χάρτες βλάστησης έχουν δημιουργηθεί με αυτήν την τεχνική, κυρίως για εφαρμογές τοπικής κλίμακας. Παραδείγματα για εξολοκλήρου επιστημονική χρήση αεροφωτογραφιών είναι σπάνια (e.g. Van Dorp et al., 1985; Shanmugan and Barnsley, 2002).
Επαναλαμβανόμενες χαρτογραφήσεις των αλμυρών ελών της Ολλανδίας διεξάγονται από το Τμήμα Ερευνών του Υπουργείου Δημοσίων Έργων από τις αρχές της δεκαετίας του ’70 (Janssen, 2001). Η ίδια αρχή ξεκίνησε τη χαρτογράφηση της βλάστησης των θινών τη δεκαετία του ’80. Ένα παρόμοιο πρόγραμμα για τις βελγικές ακτές ξεκίνησε την ίδια περίοδο.

Ψηφιακές εικόνες

Οι ψηφιακές εικόνες αποκτούνται μέσω της σάρωσης των φωτογραφιών (τυπωμένων ή καλύτερα φιλμ) ή απευθείας με τη χρήση ψηφιακών τηλε-αισθητήρων. Η ποιότητα των εικόνων περιλαμβάνει τέσσερα στοιχεία (Lillesand and Kiefer, 2000): τη χωρική διακριτική ικανότητα, δηλαδή το μέγεθος ενός εικονοστοιχείου στη γη, τον αριθμό των καναλιών, τη φασματική διακριτική ικανότητα ή πλάτος των καναλιών και τη ραδιομετρική διακριτική ικανότητα. Για παράδειγμα, η τιμή ενός εικονοστοιχείου 8 bit, μπορεί να κυμαίνεται από 1 έως 256. Ο αριθμός των καναλιών μπορεί να κυμαίνεται από ένα (παγχρωματική εικόνα) έως πάνω από εκατό (υπερφασματική εικόνα). Οι πολυφασματικές εικόνες αποτελούνται από πολλά κανάλια.
Η ιδανική εικόνα θα είχε υψηλή χωρική διακριτική ικανότητα και πολλά φασματικά κανάλια, αλλά η βελτιστοποίηση και των δύο ιδιοτήτων είναι μια τεχνολογική πρόκληση. Η χωρική διακριτική ικανότητα του σαρωμένου φιλμ περιορίζεται από το μέγεθος των φωτεινών ευαίσθητων κόκκων, το οποίο είναι περίπου 7μm. Μια σύγχρονη διακριτική ικανότητα σάρωσης θα ήταν 15μm. Η εφαρμογή ενός ημι-αυτόματου συστήματος ταξινόμησης για τριών καναλιών ψευδοχρωματικές NIR εικόνες, ανεπτυγμένου για τις θίνες των ολλανδικών ακτών, απαιτεί μέγεθος εικονοστοιχείου 20cm (Droesen, 1999). Αυτή η ανάλυση θα μπορούσε να επιτευχθεί με τη χρήση αεροφωτογραφιών κλίμακας 1:15.000 (Van der Hagen and van Til, 2001). Η χρήση τέτοιας κλίμακας για την παραγωγή υψηλής ανάλυσης ορθοφωτογραφιών είναι πολύ οικονομικά αποδοτική σε σύγκριση με μεγαλύτερης ανάλυσης εικόνες, αλλά το πλεονέκτημα των τελευταίων είναι η πολύ καλύτερη εφαρμοσιμότητά τους για άμεση από τον ερευνητή στερεο-ερμηνεία. Οι ψηφιακές κάμερες έχουν ίδιες αναλύσεις και έχουν το πλεονέκτημα της υπερπήδησης της σάρωσης που μειώνει την ποιότητα καθώς και την ικανότητα καταγραφής σε τρία οπτικά κανάλια και στο εγγύς υπέρυθρο.
Οι γραμμικοί σαρωτές, σε αντίθεση με τις κάμερες λήψης, αποτελούνται από μια συστοιχία χωρικών αισθητήρων ανά φασματικό κανάλι και οι εικόνες “χτίζονται” σταδιακά καθώς το αεροπλάνο προχωράει. Οι περισσότεροι υπερφασματικοί σαρωτές ή τα φασματόμετρα εικόνας ανήκουν σ’ αυτή την κατηγορία αισθητήρων. Οι υπερφασματικοί σαρωτές του εμπορίου έχουν περίπου 100 με 300 κανάλια και χωρική διακριτική ικανότητα μέχρι 2,2nm. Αλλά ένας μεγαλύτερος αριθμός καναλιών μπορεί να επιτευχθεί με τη μείωση της διακριτικής ικανότητας λόγω του χρόνου που απαιτείται από τα ευαίσθητα στοιχεία (Charge Coupled Device) για την επίτευξη ενός αποδεκτού σήματος ως προς την αναλογία του θορύβου.
Οι εικόνες που αποκτώνται από γραμμικούς σαρωτές ή κάμερες λήψης συνεπάγονται, επίσης, διαφορετικές διαδικασίες γεωαναφοράς. Οι εικόνες της κάμερας, στις οποίες μια μεγάλη επιφάνεια καταγράφεται ταυτόχρονα, είναι γεωμετρικά σταθερές και μπορούν να υποστούν γεωαναφορά και διόρθωση με μεγάλη ακρίβεια (ανάλογα και με την τοπογραφία). Οι σαρωμένες εικόνες είναι πολύ πιο ευαίσθητες στις κινήσεις του αεροσκάφους και η γεωαναφορά απαιτεί λεπτομερή GPS και INS δεδομένα (Inertial Navigation System). Στην πράξη, η καλύτερη γεωμετρική ακρίβεια που μπορεί να επιτευχθεί φαίνεται να είναι περίπου δύο εικονοστοιχεία ή αρκετά μέτρα (Aspinall et al., 2002).

Ταξινόμηση εικόνων

Η επιτυχία της αυτοματοποιημένης ταξινόμησης των εικόνων βασίζεται πρωτίστως στη φασματική ομοιογένεια. Οι εικόνες παρουσιάζουν διαφοροποίηση στο χρώμα ή στις τιμές της ανάκλασης λόγω των τοπικών ατμοσφαιρικών συνθηκών, τη γωνία πρόσπτωσης της ηλιακής ακτινοβολίας, την ελάττωση του φωτός προς τα περιθώρια της εικόνας, κτλ., οπότε χρειάζεται να διορθωθούν ραδιομετρικά. Η διόρθωση σε πραγματικές τιμές ανάκλασης απαιτεί πληροφορίες για τα χαρακτηριστικά της κάμερας ή του σαρωτή και μετρήσεις πεδίου. Αυτό το βήμα είναι χρήσιμο για υπερφασματικά δεδομένα αλλά συνήθως παραλείπεται σε περίπτωση ψευδοχρωματικών εικόνων.
Η αυτοματοποιημένη ταξινόμηση μπορεί να είναι είτε επιβλεπόμενη είτε μη επιβλεπόμενη. Η επιβλεπόμενη ταξινόμηση βασίζεται σε φασματικές ομοιότητες μεταξύ εικόνας και περιοχών εκπαίδευσης (με γνωστό τύπο εδάφους). Η λειτουργικότητά της ευνοείται από την υψηλή φασματική ανάλυση που παρέχεται από τις υπερφασματικές εικόνες και από την υψηλή διακριτική ικανότητα, που μειώνει την εμφάνιση μπερδεμένων εικονοστοιχείων.
Οι μη επιβλεπόμενες ταξινομήσεις δε χρησιμοποιούν εικονοστοιχεία ελέγχου και δημιουργούν τάξεις εικονοστοιχείων βασισμένες στις φασματικές ιδιότητές τους. Αυτό μπορεί να είναι χρήσιμο για την ανίχνευση των φασματικών διαφορών μιας εικόνας, όμως μπορεί να είναι δύσκολος ο προσδιορισμός των λαμβανόμενων τάξεων. Μια άλλη διαφοροποίηση μπορεί να γίνει μεταξύ των μεθόδων ταξινόμησης που βασίζονται στα εικονοστοιχεία και εκείνων που βασίζονται στα αντικείμενα. Οι πρώτες αντιμετωπίζουν τα εικονοστοιχεία ως βασικά ταξινομικά στοιχεία, ενώ οι δεύτερες ομαδοποιούν τα εικονοστoιχεία σε αντικείμενα πριν από την ταξινόμηση (τμηματοποίηση των εικόνων). Και οι δύο μέθοδοι μπορούν να είναι είτε επιβλεπόμενες είτε μη επιβλεπόμενες (De Jong and Van der Meer, 2004).
Στην Ολλανδία, τα πρώτα βήματα για την ψηφιακή ερμηνεία των εικόνων έγιναν τη δεκαετία του ’90. Ψευδοχρωματικές αεροφωτογραφίες χρησιμοποιήθηκαν για ημι-αυτόματες ταξινομήσεις της βλάστησης σε ξηρές παράκτιες αμμοθίνες (Assendorp and Van der Meulen, 1994; Droesen et al., 1995). Ένας ασαφής ταξινομικός αλγόριθμος αναπτύχθηκε για να διακρίνει πέντε ποώδεις τύπους βλάστησης, βασισμένος σε δομικά χαρακτηριστικά. Η εξακρίβωση με δεδομένα πεδίου οδήγησε σε συντελεστές συσχέτισης από 0,8 έως 0,9 (Droesen, 1999). Ο Janssen (2001) χρησιμοποίησε πολυφασματικές CAESAR εικόνες με διακριτική ικανότητα 0,5m για την ταξινόμηση σε επτά τάξεις της βλάστησης αλμυρών ελών και πέτυχε μια συνολική ακρίβεια 75%.
Οι υπερφασματικές GER EPS-A εικόνες με μέγεθος εικονοστοιχείου 5m χρησιμοποιήθηκαν στην ταξινόμηση της βλάστησης των θινών από τους De Lange et al. (2004). Στη μελέτη αυτή 22 τάξεις βλάστησης χαρτογραφήθηκαν με ακρίβεια από 60 έως 70%. Ένα ειδικό σύστημα με πρόσθετες οικολογικές πληροφορίες χρησιμοποιήθηκε για την επίτευξη των μέγιστων δυνατών ακριβειών.
Οι Schmidt et al. (2004) χρησιμοποίησαν δεδομένα HYMAP με 3,5m διακριτική ικανότητα για τη χαρτογράφηση της βλάστησης των αλμυρών ελών. Μια ολική ακρίβεια του 40% επιτεύχθηκε για 19 τύπους βλάστησης. Η ενοποίηση με πρόσθετα δεδομένα υψομετρίας λέιζερ αύξησε την ακρίβεια στο 66%.
Αρκετές εικόνες είναι διαθέσιμες για τις βελγικές ακτές αλλά η ταξινόμηση βρίσκεται σε αρχικό στάδιο. Κατά τη διάρκεια του καλοκαιριού του 2004, οι θίνες και τα αλμυρά έλη των βελγικών ακτών μελετήθηκαν με υπερφασματικό AISA-Eagle αισθητήρα. Οι εικόνες ταξινομούνται στην παρούσα στιγμή (cf. Bertels et al., 2005).

[[Εικόνα:bel4.jpg|thumb|right|Κύριοι τύποι εικόνων και οι ιδιότητές τους (* = ανάλογα με τον αριθμό των καναλιών)]]

Επίλογος

Η χαρτογράφηση της παράκτιας βλάστησης με αυτόματη επεξεργασία εικόνων δεν έχει φτάσει σε ένα πλήρως λειτουργικό στάδιο στις πρακτικές διατήρησης, αν και η τρέχουσα γνώση και εμπειρία δείχνει ότι συγκεκριμένες τεχνικές ανταποκρίνονται πολύ καλά στο σκοπό αυτό. Στον πίνακα συνοψίζονται οι ιδιότητες και οι δυνατότητες της ταξινόμησης με τους κύριους τύπους εικόνων που σχετίζονται με τη χαρτογράφηση της βλάστησης. Αλλά, όπως περιγράφεται παρακάτω, η επιλογή μιας συγκεκριμένης εικόνας απαιτεί μια ενδελεχή εκτίμηση των διαφορετικών ποιοτήτων.
Οι πολύ υψηλής διακριτικής ικανότητας ψευδοχρωματικές εικόνες ευνοούν ακριβείς ταξινομήσεις περιορισμένου αριθμού τύπων βλάστησης σε ξηρές ποώδεις θίνες και αλμυρά έλη. Λόγω της δυνατότητας για μεγάλη γεωμετρική ακρίβεια, οι εικόνες αυτές είναι κατάλληλες για την παρακολούθηση της δυναμικής της βλάστησης, για παράδειγμα σε σχέση με τη διαχείριση της βόσκησης. Μια εκτίμηση κόστους για τις θίνες της υδρονομικής εγκατάστασης του Άμστερνταμ (3500ha) αποκάλυψε ότι η παραγωγή με το χέρι ενός χάρτη βλάστησης θα ήταν κατά 75% πιο ακριβή. Στην Ολλανδία έχει αναπτυχθεί μια ενότητα του ArcView, ώστε να διευκολυνθεί η ευρεία χρήση της τεχνικής αυτής. Μέχρι τώρα, έχει χρησιμοποιηθεί κυρίως σαρωμένο φιλμ, αλλά στο (εγγύς) μέλλον, οι εικόνες από ψηφιακή κάμερα πιθανόν να παίζουν σημαντικό ρόλο λόγω της υψηλότερης ραδιομετρικής τους ποιότητας.
Παρά τα πλεονεκτήματά τους, οι ψευδοχρωματικές εικόνες αναπαριστούν μόνο τρία (ευρεία) φασματικά κανάλια, γεγονός που μειώνει τη δυνατότητά τους για περαιτέρω βελτίωση στην ταξινόμηση των εικόνων. Οι φασματικές πληροφορίες περιλαμβάνονται στα κανάλια του κόκκινου και του εγγύς υπέρυθρου, τα οποία μόνο ασαφώς αντιπροσωπεύουν το “red edge”. Έτσι, οι τάξεις της βλάστησης που έχουν οριοθετηθεί ως τώρα αντιπροσωπεύουν τη δομή της βλάστησης. Σε οικοσυστήματα φτωχά σε είδη, όπως τα αλμυρά έλη, αυτό οδηγεί σε αρκετά ικανοποιητικά αποτελέσματα, όμως σε οικοσυστήματα με μεγάλη βιοποικιλότητα όπως αυτά των θινών, μόνο μια πολύ αδρή εικόνα της βλάστησης μπορεί να αποκτηθεί.
Τα υπερφασματικά δεδομένα περιέχουν πιο λεπτομερείς πληροφορίες για διαφορετικές πλευρές της βλάστησης. Η δουλειά του Schmidt (2003) έδειξε ότι οι περισσότερες τάξεις της βλάστησης των ελών μπορούν να διακριθούν φασματικά, τουλάχιστον με φασματοσκοπικές μετρήσεις πεδίου. Το πακέτο δεδομένων με φάσματα πεδίου της βλάστησης των θινών δεν είναι ακόμα μεγάλο και τα πρώτα αποτελέσματα υποδεικνύουν φασματική επικάλυψη μεταξύ των τύπων της βλάστησης. Αυτό είναι λογικό αν συγκρίνουμε τον αριθμό των ειδών των δύο συστημάτων. Η βλάστηση των αλμυρών ελών μπορεί να χαρακτηριστεί αρκετά καλά με τη χρήση περίπου 15 ειδών, ενώ οι ξηρές θίνες θα απαιτούσαν τουλάχιστον 50 είδη. Μια λεπτομερής καμπάνια για τις μετρήσεις της επίγειας ανάκλασης της βλάστησης των θινών είναι επιθυμητή και θα αποκαλύψει κάποιες πιθανότητες και περιορισμούς της υπερφασματικής τηλεπισκόπησης. Παρ’ όλ’ αυτά, λόγω της χαμηλότερης φασματικής και χωρικής διακριτικής ικανότητας και της ατμοσφαιρικής παραμόρφωσης στις αεροφωτογραφίες, οι μετρήσεις πεδίου θα είναι πάντα υψηλότερης ποιότητας, αντιπροσωπεύοντας τη μέγιστη εφικτή φασματική ικανότητα διαχωρισμού.
Σήμερα, η χρήση υπερφασματικών εικόνων για την τηλεπισκόπηση της παράκτιας βλάστησης δεν είναι ακόμα προφανής λόγω της εξαναγκασμένης χωρικής διακριτικής ικανότητας, τις δυσκολίες στη γεωαναφορά και του σχετικά μεγάλου κόστους. Η ακρίβεια της γεωαναφοράς είναι πολύ μεγάλης σημασίας για τη συσχέτιση εικόνων με GPS αναφερμένα δεδομένα επαλήθευσης από το πεδίο και φαίνεται ότι είναι εμπόδιο στα πρόσφατα προγράμματα τηλεπισκόπησης (cf. De Lange et al., 2004; Schmidt, 2003; Jacobson et al., 2000).
Κάθε εφαρμογή χρειάζεται μια θεμελιώδη εκτίμηση για τον αν είναι σημαντικότερη η χωρική ή η φασματική διακριτική ικανότητα, αντανακλώντας τη στάθμιση στην ταξινόμηση και τη γεωμετρική ακρίβεια. Μια ακόμη επιλογή του χρήστη σχετίζεται με τη στάθμιση μεταξύ της ακρίβειας της ταξινόμησης και των λεπτομεριών στις επεξηγήσεις των τάξεων. Οι παραγωγοί του χάρτη έχουν την ευθύνη να υποδείξουν τις πιθανότητες, ενώ οι χρήστες μπορούν να αποφασίσουν αν η αβεβαιότητα είναι αποδεκτή στον ίδιο το χάρτη ή στις τάξεις που αντιπροσωπεύει.
Σε μελλοντικές μελέτες, μια ποικιλία τεχνικών χρειάζεται να υποστεί έλεγχο ή επεξεργασία. Από τη μία πλευρά, αυτές σχετίζονται με την επεξεργασία των εικόνων ή την ταξινόμηση. Τεχνικές που λαμβάνουν υπόψιν τους τούς χωρικούς τομείς (π.χ. τμηματοποίηση εικόνων – image segmentation), τεχνικές επιλογής χαρακτηριστικών (π.χ. ανάλυση μικροκυμάτων – wavelet analysis) και μέθοδοι υπο-εικονοστοιχείων (sub-pixel) είναι μερικά μόνο παραδείγματα. Από την άλλη μεριά, πολλές μελέτες ανέδειξαν τη σημασία των βοηθητικών δεδομένων. Η ταξινόμηση των αλμυρών ελών συγκεκριμένα φαίνεται να βελτιώνεται σημαντικά με τη βοήθεια των Ψηφιακών Μοντέλων Εδάφους (Digital Terrain Models) που παραλαμβάνονται από υψομετρία λέιζερ (Brown, 2004; Schmidt, 2003). Στις θίνες τα δεδομένα υψομέτερου θα πρέπει να χρησιμοποιούνται πιο προσεκτικά και κατά προτίμηση σε συσχέτιση με την υδρολογία (Thackrah et al., 2002; De Lange et al., 2004). Τέλος, το ύψος των θόλων που προκίπτει από τη σάρωση με λέιζερ (Ritchie et al., 2001) μπορεί να παρέχει πολύ χρήσιμες συμπληρωματικές πληροφορίες για τη χαρτογράφιση της βλάστησης.

[[category:Παρακολούθηση παράκτιων οικοσυστημάτων]]

Τηλεπισκόπηση της παράκτιας βλάστησης στην Ολλανδία και το Βέλγιο

2010-02-09T18:44:35Z

Angelica-roma:

Αντικείμενο της εφαρμογής

Οι χάρτες βλάστησης είναι απαραίτητα εργαλεία για την οργάνωση και την αξιολόγηση στη βιολογία διατήρησης. Σε μεγάλη κλίμακα, οι στόχοι της διατήρησης μπορούν να προσδιοριστούν σε όρους ιδιοτήτων της βλάστησης, είτε λόγω της εγγενούς αξίας τους είτε λόγω της σημασίας τους στο χαρακτηρισμό των οικοσυστημάτων. Επιπλέον, υπάρχει μια αυξανόμενη αίτηση για δείκτες βιοποικιλότητας, σε μεγάλο βαθμό λόγω της ευρωπαϊκής οδηγίας για τα ενδιαιτήματα (European Habitat Directive) αλλά και σε εθνικό ή περιφερειακό επίπεδο. Παράλληλα, η συχνότητα αναφοράς φαίνεται να αυξάνεται. Οι τάσεις αυτές υπογραμμίζουν την ανάγκη αποτελεσματικών εργαλείων για λεπτομερή και επαναλαμβανόμενη χαρτογράφηση της βλάστησης.

Στόχος της εφαρμογής

Από καθαρά επιστημονική σκοπιά, οι λεπτομερείς χάρτες βλάστησης παρέχουν βασικές πληροφορίες για έρευνα στη δυναμική της βλάστησης ή στο χαρακτηρισμό των ενδιαιτημάτων. Η παρούσα μελέτη παρουσιάζει το παρελθόν, το παρόν και το μέλλον της χαρτογράφησης της βλάστησης στις παράκτιες αμμοθίνες και τα αλμυρά έλη κατά μήκος των βελγικών και των ολλανδικών ακτών. Το πρώτο τμήμα περιγράφει τη χαρτογράφηση της βλάστησης γενικά. Καθώς η τηλεπισκόπηση εμπλεκόταν πάντα σε μικρό ή μεγάλο βαθμό στη διαδικασία της χαρτογράφησης, στο δεύτερο μέρος παρουσιάζεται μια σύνοψη των τεχνικών που χρησιμοποιούνται. Μόνο οι αερομεταφερόμενοι τηλεπισκοπικοί δέκτες αναφέρονται, καθώς οι διαστημικές εικόνες δε φέρουν, προς το παρόν, τα χαρακτηριστικά που απαιτούνται για τις λεπτομερείς μελέτες που αφορούν στη βλάστηση. Στο τελευταίο μέρος παρουσιάζεται η τηλεπισκοπική εμπειρία σε ακτές της Ολλανδίας.

Ταξινόμηση και χαρτογράφηση της βλάστησης

Η βλάστηση μπορεί να ειδωθεί με διάφορους τρόπους, οι οποίοι θα αποτυπωθούν και στην ταξινόμηση και χαρτογράφησή της. Εδώ παρουσιάζονται τρεις κύριες προσεγγίσεις.
* Στην προσέγγιση αυτή, η βλάστηση είναι ένα απαραίτητο λειτουργικό στοιχείο στους κύκλους του άνθρακα, του νερού και των θρεπτικών, ενώ οι ιδιότητες της βλάστησης βασίζονται κυρίως σε χαρακτηριστικά όπως η βιομάζα, ο δείκτης φυλλικής επιφάνειας (leaf area index – LAI) ή φυσιολογικά χαρακτηριστικά. Η ταξινόμηση που βασίζεται στην “οικολογική συμπεριφορά” των ειδών, είναι μια παρόμοια προσέγγιση.
* Η φυσιογνωμική ταξινόμηση βασίζεται στην εξωτερική εμφάνιση της βλάστησης και σχετίζεται με τη δομή και τη βιομορφή των κύριων ειδών. Βασικές φυσιογνωμικές μονάδες ή “σχηματισμοί” τοποθετούνται σε σειρά από πάνω προς τα κάτω και χρησιμοποιούνται γενικά σε ένα ευρύ γεωγραφικό φάσμα (Whittaker, 1962).
* Η φυτοκοινωνιολογική ταξινόμηση προσδιορίζει τις φυτοκοινωνίες με τρόπο από κάτω προς τα πάνω, ξεκινώντας από αρχεία σύστασης των ειδών (Westhof and van der Maarel, 1973). Το σύστημα αυτό, σχετίζεται με τη βοτανική εξέλιξη και χρησιμοποιείται στην τυπολογία των ενδιαιτημάτων για τη διατήρησή τους στην Ολλανδία.

Η ιδανική ταξινόμηση πρέπει να περιέχει μια οικολογική, από πάνω προς τα κάτω προσέγγιση με ένα επεξεργασμένο σύνολο καταγραφών της βλάστησης σε έναν τοπολογικό οικότυπο (Klijn, 1997). Τέτοιες τυπολογίες έχουν χρησιμοποιηθεί μόνο σε εφαρμογές περιορισμένης κλίμακας μέχρι τώρα. Ο επιλεγμένος τύπος ταξινόμησης προσδιορίζει, σε μεγάλο βαθμό, και τις ιδιότητες του χάρτη. Οι συμβατικοί χάρτες βλάστησης – σε ορολογία ΓΣΠ – θα χαρακτηρίζονταν ως διανυσματικοί χάρτες ενός επιπέδου, αποτελούμενοι από πολύγωνα (ή πιθανόν γραμμές και σημεία), με αυθαίρετο σχήμα, επιφάνεια περιοχής και ιδιότητες. Οι διανυσματικοί χάρτες μπορούν εύκολα να φέρουν πολλές ιδιότητες, όπως, για παράδειγμα, μια ιεραρχική τυπολογία θα απαιτούσε, συνδέοντάς τις με μια βάση δεδομένων. Ποσοτικοποιημένα χαρακτηριστικά, όπως το ύψος, ο δείκτης φυλλικής επιφάνειας, η βιομάζα ή οι δείκτες βλάστησης θα ήταν καλύτερα να αποτυπωθούν σε ψηφιδωτό χάρτη. Οι ψηφιδωτοί χάρτες ή κάνναβοι, αποτελούνται από ψηφίδες ίδιου σχήματος (κυρίως τετράγωνα) στις οποίες μια συνεχής ή διακριτή τιμή αποδίδεται. Είναι καταλληλότεροι για τους υπολογιστικούς σκοπούς των ΓΣΠ και είναι συμβατοί με τις εικόνες που έχουν υποστεί γεωαναφορά και που αποθηκεύονται, επίσης, ως κανναβικά αρχεία. Μια άλλη δυνατότητα των καννάβων είναι η χρήση των “ασαφών” συνόρων, ενώ τα διανυσματικά αρχεία χωρίζονται πάντα από σαφή σύνορα. Οι ψηφιδωτοί χάρτες είναι, λοιπόν, καταλληλότεροι για την αποτύπωση των οικολογικών βαθμωτών χαρακτηριστικών, όπως το υψόμετρο ή η ένταση της βόσκησης.

Γενικές έννοιες της τηλεπισκόπησης

Γενικά, η τηλεπισκόπηση βασίζεται στην ανίχνευση της ηλεκτρομαγνητικής ακτινοβολίας από αισθητήρες σε αεροπλάνα ή δορυφόρους. Οι ενεργές τεχνικές μετρούν τα σήματα από τεχνητές πηγές φωτισμού, ενώ στην παθητική τηλεπισκόπηση δε συμμετέχει εξωτερική πηγή. Τα LIDAR (laser) and RADAR είναι τα πιο συνηθισμένα ενεργά συστήματα τηλεπισκόπησης. Τα LIDAR χρησιμοποιούνται συνήθως για την απόκτηση λεπτομερών ψηφιακών μοντέλων υψομέτρου. Παρ’ όλ’ αυτά, οι περισσότερες εφαρμογές μπορούν να χαρακτηριστούν ως παθητικές. Τα προσπίπτοντα ηλεκτρομαγνητικά κύματα μπορούν να απορροφηθούν, να μεταδοθούν ή να ανακλαστούν, είτε στην ατμόσφαιρα είτε στην επιφάνεια της γης. Τα σήματα που ανιχνεύονται, λοιπόν, από τους τηλε-αισθητήρες επηρεάζονται τόσο από τις ατμοσφαιρικές συνθήκες, όσο και από τα χαρακτηριστικά του τοπίου.
Η απόκτηση καθαρών φασματικών υπογραφών που απεικονίζουν τις χημικές και φυσικές ιδιότητες στοιχείων, απαιτεί μετρήσεις στη γη με φασματόμετρα πεδίου. Οι συσκευές αυτές, συνήθως ανιχνεύουν μήκη κύματος μεταξύ 350 και 2500nm, συμπεριλαμβανομένου του τμήματος του φάσματος που είναι ορατό στον άνθρωπο (περίπου 400 έως 700nm), το εγγύς υπέρυθρο (NIR, περίπου από 700 έως 1300nm) και το μικροκυματικό υπέρυθρο (SWIR, μεταξύ 1300 και 2500nm, Lillesand and Kiefer, 2000). Οι φασματικές μετρήσεις παρουσιάζονται συνήθως ως τιμές ανακλαστικότητας και προσδιορίζονται ως η αναλογία της ανακλώμενης προς την προσπίπτουσα ακτινοβολία.

Φασματικά χαρακτηριστικά της βλάστησης

Η εικόνα δείχνει παραδείγματα καμπυλών ανάκλασης κάποιων βασικών (παράκτιων) χαρακτηριστικών του τοπίου μετρημένων με φασματόμετρο πεδίου (FieldSpec Pro Fr, Analytical Spectral Devices, Inc.). Τα διαφορετικά πρότυπα μπορούν να διαχωριστούν, υποδεικνύοντας τη δυνατότητα διαχωρισμού των διαφορετικών τάξεων χρήσης γης. Η ερμηνεία των φασματικών χαρακτηριστικών της βλάστησης σ’ αυτή την παράγραφο βασίζεται κυρίως στην επεξηγηματική μελέτη των Kumar et al. (2001).
Τα πράσινα φυτά παρουσιάζουν μια ισχυρή απορρόφηση του υπεριώδους και ορατού φωτός λόγω του χρωματισμού των φύλλων. Η κυρίαρχη απορρόφηση του κόκκινου και του μπλε προκαλεί το πράσινο χρώμα τους. Περισσότερο από το 70% της απορροφώμενης ακτινοβολίας μετατρέπεται σε θερμότητα, ενώ το μεγαλύτερο μέρος από το υπόλοιπο χρησιμοποιείται για τη φωτοσύνθεση. Η κυριαρχία της χρωστικής της χλωροφύλλης στα υγιή φύλλα εξηγεί το μέγιστο της απορρόφησης στα 420, 490 και 660nm. Το φαινόμενο αυτό είναι ορατό και στην εικόνα. Στα γερασμένα φύλλα, τα καροτένια και οι ξανθοφύλλες τείνουν να κυριαρχούν, γεγονός που αλλάζει το πρότυπο της απορρόφησης, και μέσω αυτού, το χρώμα. Το μέγιστο της κόκκινης απορρόφησης (690nm) στην καμπύλη ανάκλασης της λάσπης φαίνεται περίεργο, αλλά προκαλείται από φωτοσυνθετικές χρωστικές στα επιβενθικά φύκη (cf. Paterson et al., 1998).
Η ανακλαστικότητα της ξηρής άμμου (παραλία) είναι υψηλή στα ορατά μήκη κύματος, διευκολύνοντας το διαχωρισμό της από τις περιοχές τις βλάστησης. Την ώρα της μέτρησης, οι θίνες από βρύα (''Tortula ruralis ssp. ruraliformis'') είχαν αποξηρανθεί, γεγονός που εξηγεί τη μη αναμενόμενη καμπύλη ανακλαστικότητας στο διάγραμμα.
Το εγγύς υπέρυθρο απορροφάται σε πολύ μικρό βαθμό από τα πράσινα φυτά. Περισσότερο από το 95% της προσπίπτουσας ακτινοβολίας εκπέμπεται ή ανακλάται. Τα χαρακτηριστικά της ανώτερης στοιβάδας της επιδερμίδας και ο δείκτης ανακλαστικότητας της επιδερμίδας καθορίζουν την ανάκλαση από την επιφάνεια του φύλλου. Επίσης, η ανατομική δομή των φύλλων συνεισφέρει σημαντικά στην ανακλαστικότητα στο εγγύς υπέρυθρο (NIR). Στους πολυ-επίπεδους θόλους, η εκπεμπόμενη ακτινοβολία ανακλάται μερικώς από τα κατώτερα φύλλα, προκαλώντας αύξηση στη NIR ανάκλαση.
Η αντίθεση μεταξύ της απορρόφησης στο κόκκινο και το εγγύς υπέρυθρο, γνωστή και ως “red edge”, είναι ένα εμφανές φασματικό χαρακτηριστικό της υγιούς βλάστησης. Χρησιμοποιείται για να υπολογιστούν δείκτες βλάστησης, μεταξύ των οποίων και ο Normalised Difference Vegetation Index (NDVI = [NIR – RED] / [NIR + RED]), που χρησιμοποιείται συχνότερα.
Η ανακλαστικότητα στο μικροκυματικό υπέρυθρο συνδέεται με τα χαρακτηριστικά του υδατικού περιεχομένου. Το τμήμα αυτό του φάσματος χαρακτηρίζεται από κανάλια ευκρινούς απορρόφησης του νερού στα 1400 με 1850nm. Ένας μεγάλος αριθμός μελετών πραγματεύεται τις φασματικές ιδιότητες των φύλλων, των φυτών και των θόλων (Kumar et al., 2001), στις οποίες η βλάστηση αντιμετωπίζεται από μια λειτουργική οικολογική σκοπιά (κύκλοι των θρεπτικών, φυτικό stress, παραγωγή φυτομάζας, κτλ). Πράγματι, οι φασματικές ιδιότητες συνδέονται με τις βιοχημικές και φυσικές ιδιότητες κυρίως και όχι με τα είδη ως τέτοια. Μέσα στο ίδιο είδος, τα φυτά παρουσιάζουν μια ποικιλία φαινολογικών, μορφολογικών και φυσιολογικών καταστάσεων, περιπλέκοντας το φασματικό διαχωρισμό των τύπων της βλάστησης που βασίζεται στη σύνθεση των ειδών.
Παρ’ όλ’ αυτά, ο Schmidt (2003) ανίχνευσε χαρακτηριστικές φασματικές υπογραφές με στατιστικά σημαντικές διαφορές, για την πλειοψηφία των 27 τύπων βλάστησης των αλμυρών ελών. Η ταξινόμηση 19 τύπων βλάστησης βασισμένη στην ανάλυση κανονικής διασποράς των φασματόμετρων πεδίου (579 κανάλια), οδήγησε σε μια συνολική ακρίβεια του 91%.
Οι Van Til et al., (2004) μελέτησαν τα φασματικά χαρακτηριστικά ξηρών θινών στην ολλανδική ενδοχώρα. Τα φάσματα πεδίου 10 τύπων βλάστησης καταγράφηκαν το Μάιο και τον Ιούνιο και μετατράπηκαν σε 29 κανάλια για να προσομοιώσουν τον EPS-A υπερφασματικό σαρωτή. Μη παραμετρικές στατιστικές δοκιμές στα δεδομένα του Μαΐου έδειξαν διάκριση στα 42 από τα 45 ζευγάρια των τύπων. Στα δεδομένα του Ιουνίου, μόνο 37 από τα 45 ζευγάρια μπορούσαν να διακριθούν. Αποδείχτηκε δύσκολο να διαχωριστούν αρκετοί σημαντικοί τύποι βλάστησης, όπως βλάστηση που κυριαρχείται από ''Calamagrostis epigejos'' ή ''Ammophila arenaria''.

Αεροφωτογραφίες

Οι αναλογικές αεροφωτογραφίες είναι οι πιο βασικές τηλεπισκοπικές εικόνες. Οι παλιότερες ασπρόμαυρες φωτογραφίες από τις βελγικές ακτές χρονολογούνται από τον πρώτο παγκόσμιο πόλεμο. Μετά το δεύτερο παγκόσμιο πόλεμο λαμβάνονταν τακτικά αεροφωτογραφίες για χαρτογραφικούς ή αμυντικούς σκοπούς. Παγχρωματικές (ασπρόμαυρες) εικόνες απεικονίζουν την ανακλαστικότητα κατά μήκος ενός μεγάλου τμήματος του φάσματος σε ένα πληροφοριακό “κανάλι”. Η ερμηνεία βασίζεται στην κλίμακα του γκρίζου, στην υφή, το μέγεθος και το σχήμα των στοιχείων, στα πρότυπα και στα περιβάλλοντα στοιχεία. Αν και φαίνεται ανούσιο, η ερμηνεία των περιβαλλόντων στοιχείων είναι πολύ σημαντική κατά τη διάρκεια ερμηνείας των εικόνων. Λόγω της πολυπλοκότητάς του, το περιβάλλον είναι δύσκολο να μεταφραστεί σε αλγορίθμους στον υπολογιστή, γεγονός που κάνει την άμεση επεξεργασία από τον ερευνητή αναντικατάστατη.
Οι εικόνες πραγματικού χρώματος αποτελούνται από τρία κανάλια που αντιπροσωπεύουν το κόκκινο, το πράσινο και το μπλε (RGB) τμήμα του φάσματος. Λόγω της συσχέτισης των οπτικών καναλιών, οι επιπλέον πληροφορίες των έγχρωμων εικόνων είναι περιορισμένες. Το ευαίσθητο φιλμ του εγγύς υπέρυθρου, όμως, προσφέρει αξιοσημείωτα περισσότερες πληροφορίες για την έρευνα σχετικά με τη βλάστηση. Στις τυπικές υπέρυθρες εικόνες, το μπλε, το πράσινο και το κόκκινο επίπεδο αντιπροσωπεύουν την πράσινη, την κόκκινη και την εγγύς υπέρυθρη ανάκλαση αντίστοιχα, κάνοντάς τις να εμφανίζονται ως ψευδοχρωματικές εικόνες.
Η ερμηνεία σε βάθος απαιτεί τη χρήση ζευγών στερεο-εικόνων, που επιτρέπει την τρισδιάστατη απεικόνιση του τοπίου και της βλάστησης. Αρκετοί χάρτες βλάστησης έχουν δημιουργηθεί με αυτήν την τεχνική, κυρίως για εφαρμογές τοπικής κλίμακας. Παραδείγματα για εξολοκλήρου επιστημονική χρήση αεροφωτογραφιών είναι σπάνια (e.g. Van Dorp et al., 1985; Shanmugan and Barnsley, 2002).
Επαναλαμβανόμενες χαρτογραφήσεις των αλμυρών ελών της Ολλανδίας διεξάγονται από το Τμήμα Ερευνών του Υπουργείου Δημοσίων Έργων από τις αρχές της δεκαετίας του ’70 (Janssen, 2001). Η ίδια αρχή ξεκίνησε τη χαρτογράφηση της βλάστησης των θινών τη δεκαετία του ’80. Ένα παρόμοιο πρόγραμμα για τις βελγικές ακτές ξεκίνησε την ίδια περίοδο.

Ψηφιακές εικόνες

Οι ψηφιακές εικόνες αποκτούνται μέσω της σάρωσης των φωτογραφιών (τυπωμένων ή καλύτερα φιλμ) ή απευθείας με τη χρήση ψηφιακών τηλε-αισθητήρων. Η ποιότητα των εικόνων περιλαμβάνει τέσσερα στοιχεία (Lillesand and Kiefer, 2000): τη χωρική διακριτική ικανότητα, δηλαδή το μέγεθος ενός εικονοστοιχείου στη γη, τον αριθμό των καναλιών, τη φασματική διακριτική ικανότητα ή πλάτος των καναλιών και τη ραδιομετρική διακριτική ικανότητα. Για παράδειγμα, η τιμή ενός εικονοστοιχείου 8 bit, μπορεί να κυμαίνεται από 1 έως 256. Ο αριθμός των καναλιών μπορεί να κυμαίνεται από ένα (παγχρωματική εικόνα) έως πάνω από εκατό (υπερφασματική εικόνα). Οι πολυφασματικές εικόνες αποτελούνται από πολλά κανάλια.
Η ιδανική εικόνα θα είχε υψηλή χωρική διακριτική ικανότητα και πολλά φασματικά κανάλια, αλλά η βελτιστοποίηση και των δύο ιδιοτήτων είναι μια τεχνολογική πρόκληση. Η χωρική διακριτική ικανότητα του σαρωμένου φιλμ περιορίζεται από το μέγεθος των φωτεινών ευαίσθητων κόκκων, το οποίο είναι περίπου 7μm. Μια σύγχρονη διακριτική ικανότητα σάρωσης θα ήταν 15μm. Η εφαρμογή ενός ημι-αυτόματου συστήματος ταξινόμησης για τριών καναλιών ψευδοχρωματικές NIR εικόνες, ανεπτυγμένου για τις θίνες των ολλανδικών ακτών, απαιτεί μέγεθος εικονοστοιχείου 20cm (Droesen, 1999). Αυτή η ανάλυση θα μπορούσε να επιτευχθεί με τη χρήση αεροφωτογραφιών κλίμακας 1:15.000 (Van der Hagen and van Til, 2001). Η χρήση τέτοιας κλίμακας για την παραγωγή υψηλής ανάλυσης ορθοφωτογραφιών είναι πολύ οικονομικά αποδοτική σε σύγκριση με μεγαλύτερης ανάλυσης εικόνες, αλλά το πλεονέκτημα των τελευταίων είναι η πολύ καλύτερη εφαρμοσιμότητά τους για άμεση από τον ερευνητή στερεο-ερμηνεία. Οι ψηφιακές κάμερες έχουν ίδιες αναλύσεις και έχουν το πλεονέκτημα της υπερπήδησης της σάρωσης που μειώνει την ποιότητα καθώς και την ικανότητα καταγραφής σε τρία οπτικά κανάλια και στο εγγύς υπέρυθρο.
Οι γραμμικοί σαρωτές, σε αντίθεση με τις κάμερες λήψης, αποτελούνται από μια συστοιχία χωρικών αισθητήρων ανά φασματικό κανάλι και οι εικόνες “χτίζονται” σταδιακά καθώς το αεροπλάνο προχωράει. Οι περισσότεροι υπερφασματικοί σαρωτές ή τα φασματόμετρα εικόνας ανήκουν σ’ αυτή την κατηγορία αισθητήρων. Οι υπερφασματικοί σαρωτές του εμπορίου έχουν περίπου 100 με 300 κανάλια και χωρική διακριτική ικανότητα μέχρι 2,2nm. Αλλά ένας μεγαλύτερος αριθμός καναλιών μπορεί να επιτευχθεί με τη μείωση της διακριτικής ικανότητας λόγω του χρόνου που απαιτείται από τα ευαίσθητα στοιχεία (Charge Coupled Device) για την επίτευξη ενός αποδεκτού σήματος ως προς την αναλογία του θορύβου.
Οι εικόνες που αποκτώνται από γραμμικούς σαρωτές ή κάμερες λήψης συνεπάγονται, επίσης, διαφορετικές διαδικασίες γεωαναφοράς. Οι εικόνες της κάμερας, στις οποίες μια μεγάλη επιφάνεια καταγράφεται ταυτόχρονα, είναι γεωμετρικά σταθερές και μπορούν να υποστούν γεωαναφορά και διόρθωση με μεγάλη ακρίβεια (ανάλογα και με την τοπογραφία). Οι σαρωμένες εικόνες είναι πολύ πιο ευαίσθητες στις κινήσεις του αεροσκάφους και η γεωαναφορά απαιτεί λεπτομερή GPS και INS δεδομένα (Inertial Navigation System). Στην πράξη, η καλύτερη γεωμετρική ακρίβεια που μπορεί να επιτευχθεί φαίνεται να είναι περίπου δύο εικονοστοιχεία ή αρκετά μέτρα (Aspinall et al., 2002).

Ταξινόμηση εικόνων

Η επιτυχία της αυτοματοποιημένης ταξινόμησης των εικόνων βασίζεται πρωτίστως στη φασματική ομοιογένεια. Οι εικόνες παρουσιάζουν διαφοροποίηση στο χρώμα ή στις τιμές της ανάκλασης λόγω των τοπικών ατμοσφαιρικών συνθηκών, τη γωνία πρόσπτωσης της ηλιακής ακτινοβολίας, την ελάττωση του φωτός προς τα περιθώρια της εικόνας, κτλ., οπότε χρειάζεται να διορθωθούν ραδιομετρικά. Η διόρθωση σε πραγματικές τιμές ανάκλασης απαιτεί πληροφορίες για τα χαρακτηριστικά της κάμερας ή του σαρωτή και μετρήσεις πεδίου. Αυτό το βήμα είναι χρήσιμο για υπερφασματικά δεδομένα αλλά συνήθως παραλείπεται σε περίπτωση ψευδοχρωματικών εικόνων.
Η αυτοματοποιημένη ταξινόμηση μπορεί να είναι είτε επιβλεπόμενη είτε μη επιβλεπόμενη. Η επιβλεπόμενη ταξινόμηση βασίζεται σε φασματικές ομοιότητες μεταξύ εικόνας και περιοχών εκπαίδευσης (με γνωστό τύπο εδάφους). Η λειτουργικότητά της ευνοείται από την υψηλή φασματική ανάλυση που παρέχεται από τις υπερφασματικές εικόνες και από την υψηλή διακριτική ικανότητα, που μειώνει την εμφάνιση μπερδεμένων εικονοστοιχείων.
Οι μη επιβλεπόμενες ταξινομήσεις δε χρησιμοποιούν εικονοστοιχεία ελέγχου και δημιουργούν τάξεις εικονοστοιχείων βασισμένες στις φασματικές ιδιότητές τους. Αυτό μπορεί να είναι χρήσιμο για την ανίχνευση των φασματικών διαφορών μιας εικόνας, όμως μπορεί να είναι δύσκολος ο προσδιορισμός των λαμβανόμενων τάξεων. Μια άλλη διαφοροποίηση μπορεί να γίνει μεταξύ των μεθόδων ταξινόμησης που βασίζονται στα εικονοστοιχεία και εκείνων που βασίζονται στα αντικείμενα. Οι πρώτες αντιμετωπίζουν τα εικονοστοιχεία ως βασικά ταξινομικά στοιχεία, ενώ οι δεύτερες ομαδοποιούν τα εικονοστoιχεία σε αντικείμενα πριν από την ταξινόμηση (τμηματοποίηση των εικόνων). Και οι δύο μέθοδοι μπορούν να είναι είτε επιβλεπόμενες είτε μη επιβλεπόμενες (De Jong and Van der Meer, 2004).
Στην Ολλανδία, τα πρώτα βήματα για την ψηφιακή ερμηνεία των εικόνων έγιναν τη δεκαετία του ’90. Ψευδοχρωματικές αεροφωτογραφίες χρησιμοποιήθηκαν για ημι-αυτόματες ταξινομήσεις της βλάστησης σε ξηρές παράκτιες αμμοθίνες (Assendorp and Van der Meulen, 1994; Droesen et al., 1995). Ένας ασαφής ταξινομικός αλγόριθμος αναπτύχθηκε για να διακρίνει πέντε ποώδεις τύπους βλάστησης, βασισμένος σε δομικά χαρακτηριστικά. Η εξακρίβωση με δεδομένα πεδίου οδήγησε σε συντελεστές συσχέτισης από 0,8 έως 0,9 (Droesen, 1999). Ο Janssen (2001) χρησιμοποίησε πολυφασματικές CAESAR εικόνες με διακριτική ικανότητα 0,5m για την ταξινόμηση σε επτά τάξεις της βλάστησης αλμυρών ελών και πέτυχε μια συνολική ακρίβεια 75%.
Οι υπερφασματικές GER EPS-A εικόνες με μέγεθος εικονοστοιχείου 5m χρησιμοποιήθηκαν στην ταξινόμηση της βλάστησης των θινών από τους De Lange et al. (2004). Στη μελέτη αυτή 22 τάξεις βλάστησης χαρτογραφήθηκαν με ακρίβεια από 60 έως 70%. Ένα ειδικό σύστημα με πρόσθετες οικολογικές πληροφορίες χρησιμοποιήθηκε για την επίτευξη των μέγιστων δυνατών ακριβειών.
Οι Schmidt et al. (2004) χρησιμοποίησαν δεδομένα HYMAP με 3,5m διακριτική ικανότητα για τη χαρτογράφηση της βλάστησης των αλμυρών ελών. Μια ολική ακρίβεια του 40% επιτεύχθηκε για 19 τύπους βλάστησης. Η ενοποίηση με πρόσθετα δεδομένα υψομετρίας λέιζερ αύξησε την ακρίβεια στο 66%.
Αρκετές εικόνες είναι διαθέσιμες για τις βελγικές ακτές αλλά η ταξινόμηση βρίσκεται σε αρχικό στάδιο. Κατά τη διάρκεια του καλοκαιριού του 2004, οι θίνες και τα αλμυρά έλη των βελγικών ακτών μελετήθηκαν με υπερφασματικό AISA-Eagle αισθητήρα. Οι εικόνες ταξινομούνται στην παρούσα στιγμή (cf. Bertels et al., 2005).

Επίλογος

Η χαρτογράφηση της παράκτιας βλάστησης με αυτόματη επεξεργασία εικόνων δεν έχει φτάσει σε ένα πλήρως λειτουργικό στάδιο στις πρακτικές διατήρησης, αν και η τρέχουσα γνώση και εμπειρία δείχνει ότι συγκεκριμένες τεχνικές ανταποκρίνονται πολύ καλά στο σκοπό αυτό. Στον πίνακα συνοψίζονται οι ιδιότητες και οι δυνατότητες της ταξινόμησης με τους κύριους τύπους εικόνων που σχετίζονται με τη χαρτογράφηση της βλάστησης. Αλλά, όπως περιγράφεται παρακάτω, η επιλογή μιας συγκεκριμένης εικόνας απαιτεί μια ενδελεχή εκτίμηση των διαφορετικών ποιοτήτων.
Οι πολύ υψηλής διακριτικής ικανότητας ψευδοχρωματικές εικόνες ευνοούν ακριβείς ταξινομήσεις περιορισμένου αριθμού τύπων βλάστησης σε ξηρές ποώδεις θίνες και αλμυρά έλη. Λόγω της δυνατότητας για μεγάλη γεωμετρική ακρίβεια, οι εικόνες αυτές είναι κατάλληλες για την παρακολούθηση της δυναμικής της βλάστησης, για παράδειγμα σε σχέση με τη διαχείριση της βόσκησης. Μια εκτίμηση κόστους για τις θίνες της υδρονομικής εγκατάστασης του Άμστερνταμ (3500ha) αποκάλυψε ότι η παραγωγή με το χέρι ενός χάρτη βλάστησης θα ήταν κατά 75% πιο ακριβή. Στην Ολλανδία έχει αναπτυχθεί μια ενότητα του ArcView, ώστε να διευκολυνθεί η ευρεία χρήση της τεχνικής αυτής. Μέχρι τώρα, έχει χρησιμοποιηθεί κυρίως σαρωμένο φιλμ, αλλά στο (εγγύς) μέλλον, οι εικόνες από ψηφιακή κάμερα πιθανόν να παίζουν σημαντικό ρόλο λόγω της υψηλότερης ραδιομετρικής τους ποιότητας.
Παρά τα πλεονεκτήματά τους, οι ψευδοχρωματικές εικόνες αναπαριστούν μόνο τρία (ευρεία) φασματικά κανάλια, γεγονός που μειώνει τη δυνατότητά τους για περαιτέρω βελτίωση στην ταξινόμηση των εικόνων. Οι φασματικές πληροφορίες περιλαμβάνονται στα κανάλια του κόκκινου και του εγγύς υπέρυθρου, τα οποία μόνο ασαφώς αντιπροσωπεύουν το “red edge”. Έτσι, οι τάξεις της βλάστησης που έχουν οριοθετηθεί ως τώρα αντιπροσωπεύουν τη δομή της βλάστησης. Σε οικοσυστήματα φτωχά σε είδη, όπως τα αλμυρά έλη, αυτό οδηγεί σε αρκετά ικανοποιητικά αποτελέσματα, όμως σε οικοσυστήματα με μεγάλη βιοποικιλότητα όπως αυτά των θινών, μόνο μια πολύ αδρή εικόνα της βλάστησης μπορεί να αποκτηθεί.
Τα υπερφασματικά δεδομένα περιέχουν πιο λεπτομερείς πληροφορίες για διαφορετικές πλευρές της βλάστησης. Η δουλειά του Schmidt (2003) έδειξε ότι οι περισσότερες τάξεις της βλάστησης των ελών μπορούν να διακριθούν φασματικά, τουλάχιστον με φασματοσκοπικές μετρήσεις πεδίου. Το πακέτο δεδομένων με φάσματα πεδίου της βλάστησης των θινών δεν είναι ακόμα μεγάλο και τα πρώτα αποτελέσματα υποδεικνύουν φασματική επικάλυψη μεταξύ των τύπων της βλάστησης. Αυτό είναι λογικό αν συγκρίνουμε τον αριθμό των ειδών των δύο συστημάτων. Η βλάστηση των αλμυρών ελών μπορεί να χαρακτηριστεί αρκετά καλά με τη χρήση περίπου 15 ειδών, ενώ οι ξηρές θίνες θα απαιτούσαν τουλάχιστον 50 είδη. Μια λεπτομερής καμπάνια για τις μετρήσεις της επίγειας ανάκλασης της βλάστησης των θινών είναι επιθυμητή και θα αποκαλύψει κάποιες πιθανότητες και περιορισμούς της υπερφασματικής τηλεπισκόπησης. Παρ’ όλ’ αυτά, λόγω της χαμηλότερης φασματικής και χωρικής διακριτικής ικανότητας και της ατμοσφαιρικής παραμόρφωσης στις αεροφωτογραφίες, οι μετρήσεις πεδίου θα είναι πάντα υψηλότερης ποιότητας, αντιπροσωπεύοντας τη μέγιστη εφικτή φασματική ικανότητα διαχωρισμού.
Σήμερα, η χρήση υπερφασματικών εικόνων για την τηλεπισκόπηση της παράκτιας βλάστησης δεν είναι ακόμα προφανής λόγω της εξαναγκασμένης χωρικής διακριτικής ικανότητας, τις δυσκολίες στη γεωαναφορά και του σχετικά μεγάλου κόστους. Η ακρίβεια της γεωαναφοράς είναι πολύ μεγάλης σημασίας για τη συσχέτιση εικόνων με GPS αναφερμένα δεδομένα επαλήθευσης από το πεδίο και φαίνεται ότι είναι εμπόδιο στα πρόσφατα προγράμματα τηλεπισκόπησης (cf. De Lange et al., 2004; Schmidt, 2003; Jacobson et al., 2000).
Κάθε εφαρμογή χρειάζεται μια θεμελιώδη εκτίμηση για τον αν είναι σημαντικότερη η χωρική ή η φασματική διακριτική ικανότητα, αντανακλώντας τη στάθμιση στην ταξινόμηση και τη γεωμετρική ακρίβεια. Μια ακόμη επιλογή του χρήστη σχετίζεται με τη στάθμιση μεταξύ της ακρίβειας της ταξινόμησης και των λεπτομεριών στις επεξηγήσεις των τάξεων. Οι παραγωγοί του χάρτη έχουν την ευθύνη να υποδείξουν τις πιθανότητες, ενώ οι χρήστες μπορούν να αποφασίσουν αν η αβεβαιότητα είναι αποδεκτή στον ίδιο το χάρτη ή στις τάξεις που αντιπροσωπεύει.
Σε μελλοντικές μελέτες, μια ποικιλία τεχνικών χρειάζεται να υποστεί έλεγχο ή επεξεργασία. Από τη μία πλευρά, αυτές σχετίζονται με την επεξεργασία των εικόνων ή την ταξινόμηση. Τεχνικές που λαμβάνουν υπόψιν τους τούς χωρικούς τομείς (π.χ. τμηματοποίηση εικόνων – image segmentation), τεχνικές επιλογής χαρακτηριστικών (π.χ. ανάλυση μικροκυμάτων – wavelet analysis) και μέθοδοι υπο-εικονοστοιχείων (sub-pixel) είναι μερικά μόνο παραδείγματα. Από την άλλη μεριά, πολλές μελέτες ανέδειξαν τη σημασία των βοηθητικών δεδομένων. Η ταξινόμηση των αλμυρών ελών συγκεκριμένα φαίνεται να βελτιώνεται σημαντικά με τη βοήθεια των Ψηφιακών Μοντέλων Εδάφους (Digital Terrain Models) που παραλαμβάνονται από υψομετρία λέιζερ (Brown, 2004; Schmidt, 2003). Στις θίνες τα δεδομένα υψομέτερου θα πρέπει να χρησιμοποιούνται πιο προσεκτικά και κατά προτίμηση σε συσχέτιση με την υδρολογία (Thackrah et al., 2002; De Lange et al., 2004). Τέλος, το ύψος των θόλων που προκίπτει από τη σάρωση με λέιζερ (Ritchie et al., 2001) μπορεί να παρέχει πολύ χρήσιμες συμπληρωματικές πληροφορίες για τη χαρτογράφιση της βλάστησης.

[[category:Παρακολούθηση παράκτιων οικοσυστημάτων]]

Τηλεπισκόπηση της παράκτιας βλάστησης στην Ολλανδία και το Βέλγιο

2010-02-09T18:42:29Z

Angelica-roma: New page: Αντικείμενο της εφαρμογής Οι χάρτες βλάστησης είναι απαραίτητα εργαλεία για την οργάνωση και την αξι...

Αντικείμενο της εφαρμογής

Οι χάρτες βλάστησης είναι απαραίτητα εργαλεία για την οργάνωση και την αξιολόγηση στη βιολογία διατήρησης. Σε μεγάλη κλίμακα, οι στόχοι της διατήρησης μπορούν να προσδιοριστούν σε όρους ιδιοτήτων της βλάστησης, είτε λόγω της εγγενούς αξίας τους είτε λόγω της σημασίας τους στο χαρακτηρισμό των οικοσυστημάτων. Επιπλέον, υπάρχει μια αυξανόμενη αίτηση για δείκτες βιοποικιλότητας, σε μεγάλο βαθμό λόγω της ευρωπαϊκής οδηγίας για τα ενδιαιτήματα (European Habitat Directive) αλλά και σε εθνικό ή περιφερειακό επίπεδο. Παράλληλα, η συχνότητα αναφοράς φαίνεται να αυξάνεται. Οι τάσεις αυτές υπογραμμίζουν την ανάγκη αποτελεσματικών εργαλείων για λεπτομερή και επαναλαμβανόμενη χαρτογράφηση της βλάστησης.

Στόχος της εφαρμογής

Από καθαρά επιστημονική σκοπιά, οι λεπτομερείς χάρτες βλάστησης παρέχουν βασικές πληροφορίες για έρευνα στη δυναμική της βλάστησης ή στο χαρακτηρισμό των ενδιαιτημάτων. Η παρούσα μελέτη παρουσιάζει το παρελθόν, το παρόν και το μέλλον της χαρτογράφησης της βλάστησης στις παράκτιες αμμοθίνες και τα αλμυρά έλη κατά μήκος των βελγικών και των ολλανδικών ακτών. Το πρώτο τμήμα περιγράφει τη χαρτογράφηση της βλάστησης γενικά. Καθώς η τηλεπισκόπηση εμπλεκόταν πάντα σε μικρό ή μεγάλο βαθμό στη διαδικασία της χαρτογράφησης, στο δεύτερο μέρος παρουσιάζεται μια σύνοψη των τεχνικών που χρησιμοποιούνται. Μόνο οι αερομεταφερόμενοι τηλεπισκοπικοί δέκτες αναφέρονται, καθώς οι διαστημικές εικόνες δε φέρουν, προς το παρόν, τα χαρακτηριστικά που απαιτούνται για τις λεπτομερείς μελέτες που αφορούν στη βλάστηση. Στο τελευταίο μέρος παρουσιάζεται η τηλεπισκοπική εμπειρία σε ακτές της Ολλανδίας.

Ταξινόμηση και χαρτογράφηση της βλάστησης

Η βλάστηση μπορεί να ειδωθεί με διάφορους τρόπους, οι οποίοι θα αποτυπωθούν και στην ταξινόμηση και χαρτογράφησή της. Εδώ παρουσιάζονται τρεις κύριες προσεγγίσεις.
* Στην προσέγγιση αυτή, η βλάστηση είναι ένα απαραίτητο λειτουργικό στοιχείο στους κύκλους του άνθρακα, του νερού και των θρεπτικών, ενώ οι ιδιότητες της βλάστησης βασίζονται κυρίως σε χαρακτηριστικά όπως η βιομάζα, ο δείκτης φυλλικής επιφάνειας (leaf area index – LAI) ή φυσιολογικά χαρακτηριστικά. Η ταξινόμηση που βασίζεται στην “οικολογική συμπεριφορά” των ειδών, είναι μια παρόμοια προσέγγιση.
* Η φυσιογνωμική ταξινόμηση βασίζεται στην εξωτερική εμφάνιση της βλάστησης και σχετίζεται με τη δομή και τη βιομορφή των κύριων ειδών. Βασικές φυσιογνωμικές μονάδες ή “σχηματισμοί” τοποθετούνται σε σειρά από πάνω προς τα κάτω και χρησιμοποιούνται γενικά σε ένα ευρύ γεωγραφικό φάσμα (Whittaker, 1962).
* Η φυτοκοινωνιολογική ταξινόμηση προσδιορίζει τις φυτοκοινωνίες με τρόπο από κάτω προς τα πάνω, ξεκινώντας από αρχεία σύστασης των ειδών (Westhof and van der Maarel, 1973). Το σύστημα αυτό, σχετίζεται με τη βοτανική εξέλιξη και χρησιμοποιείται στην τυπολογία των ενδιαιτημάτων για τη διατήρησή τους στην Ολλανδία.

Η ιδανική ταξινόμηση πρέπει να περιέχει μια οικολογική, από πάνω προς τα κάτω προσέγγιση με ένα επεξεργασμένο σύνολο καταγραφών της βλάστησης σε έναν τοπολογικό οικότυπο (Klijn, 1997). Τέτοιες τυπολογίες έχουν χρησιμοποιηθεί μόνο σε εφαρμογές περιορισμένης κλίμακας μέχρι τώρα. Ο επιλεγμένος τύπος ταξινόμησης προσδιορίζει, σε μεγάλο βαθμό, και τις ιδιότητες του χάρτη. Οι συμβατικοί χάρτες βλάστησης – σε ορολογία ΓΣΠ – θα χαρακτηρίζονταν ως διανυσματικοί χάρτες ενός επιπέδου, αποτελούμενοι από πολύγωνα (ή πιθανόν γραμμές και σημεία), με αυθαίρετο σχήμα, επιφάνεια περιοχής και ιδιότητες. Οι διανυσματικοί χάρτες μπορούν εύκολα να φέρουν πολλές ιδιότητες, όπως, για παράδειγμα, μια ιεραρχική τυπολογία θα απαιτούσε, συνδέοντάς τις με μια βάση δεδομένων. Ποσοτικοποιημένα χαρακτηριστικά, όπως το ύψος, ο δείκτης φυλλικής επιφάνειας, η βιομάζα ή οι δείκτες βλάστησης θα ήταν καλύτερα να αποτυπωθούν σε ψηφιδωτό χάρτη. Οι ψηφιδωτοί χάρτες ή κάνναβοι, αποτελούνται από ψηφίδες ίδιου σχήματος (κυρίως τετράγωνα) στις οποίες μια συνεχής ή διακριτή τιμή αποδίδεται. Είναι καταλληλότεροι για τους υπολογιστικούς σκοπούς των ΓΣΠ και είναι συμβατοί με τις εικόνες που έχουν υποστεί γεωαναφορά και που αποθηκεύονται, επίσης, ως κανναβικά αρχεία. Μια άλλη δυνατότητα των καννάβων είναι η χρήση των “ασαφών” συνόρων, ενώ τα διανυσματικά αρχεία χωρίζονται πάντα από σαφή σύνορα. Οι ψηφιδωτοί χάρτες είναι, λοιπόν, καταλληλότεροι για την αποτύπωση των οικολογικών βαθμωτών χαρακτηριστικών, όπως το υψόμετρο ή η ένταση της βόσκησης.

Γενικές έννοιες της τηλεπισκόπησης

Γενικά, η τηλεπισκόπηση βασίζεται στην ανίχνευση της ηλεκτρομαγνητικής ακτινοβολίας από αισθητήρες σε αεροπλάνα ή δορυφόρους. Οι ενεργές τεχνικές μετρούν τα σήματα από τεχνητές πηγές φωτισμού, ενώ στην παθητική τηλεπισκόπηση δε συμμετέχει εξωτερική πηγή. Τα LIDAR (laser) and RADAR είναι τα πιο συνηθισμένα ενεργά συστήματα τηλεπισκόπησης. Τα LIDAR χρησιμοποιούνται συνήθως για την απόκτηση λεπτομερών ψηφιακών μοντέλων υψομέτρου. Παρ’ όλ’ αυτά, οι περισσότερες εφαρμογές μπορούν να χαρακτηριστούν ως παθητικές. Τα προσπίπτοντα ηλεκτρομαγνητικά κύματα μπορούν να απορροφηθούν, να μεταδοθούν ή να ανακλαστούν, είτε στην ατμόσφαιρα είτε στην επιφάνεια της γης. Τα σήματα που ανιχνεύονται, λοιπόν, από τους τηλε-αισθητήρες επηρεάζονται τόσο από τις ατμοσφαιρικές συνθήκες, όσο και από τα χαρακτηριστικά του τοπίου.
Η απόκτηση καθαρών φασματικών υπογραφών που απεικονίζουν τις χημικές και φυσικές ιδιότητες στοιχείων, απαιτεί μετρήσεις στη γη με φασματόμετρα πεδίου. Οι συσκευές αυτές, συνήθως ανιχνεύουν μήκη κύματος μεταξύ 350 και 2500nm, συμπεριλαμβανομένου του τμήματος του φάσματος που είναι ορατό στον άνθρωπο (περίπου 400 έως 700nm), το εγγύς υπέρυθρο (NIR, περίπου από 700 έως 1300nm) και το μικροκυματικό υπέρυθρο (SWIR, μεταξύ 1300 και 2500nm, Lillesand and Kiefer, 2000). Οι φασματικές μετρήσεις παρουσιάζονται συνήθως ως τιμές ανακλαστικότητας και προσδιορίζονται ως η αναλογία της ανακλώμενης προς την προσπίπτουσα ακτινοβολία.

Φασματικά χαρακτηριστικά της βλάστησης

Η εικόνα δείχνει παραδείγματα καμπυλών ανάκλασης κάποιων βασικών (παράκτιων) χαρακτηριστικών του τοπίου μετρημένων με φασματόμετρο πεδίου (FieldSpec Pro Fr, Analytical Spectral Devices, Inc.). Τα διαφορετικά πρότυπα μπορούν να διαχωριστούν, υποδεικνύοντας τη δυνατότητα διαχωρισμού των διαφορετικών τάξεων χρήσης γης. Η ερμηνεία των φασματικών χαρακτηριστικών της βλάστησης σ’ αυτή την παράγραφο βασίζεται κυρίως στην επεξηγηματική μελέτη των Kumar et al. (2001).
Τα πράσινα φυτά παρουσιάζουν μια ισχυρή απορρόφηση του υπεριώδους και ορατού φωτός λόγω του χρωματισμού των φύλλων. Η κυρίαρχη απορρόφηση του κόκκινου και του μπλε προκαλεί το πράσινο χρώμα τους. Περισσότερο από το 70% της απορροφώμενης ακτινοβολίας μετατρέπεται σε θερμότητα, ενώ το μεγαλύτερο μέρος από το υπόλοιπο χρησιμοποιείται για τη φωτοσύνθεση. Η κυριαρχία της χρωστικής της χλωροφύλλης στα υγιή φύλλα εξηγεί το μέγιστο της απορρόφησης στα 420, 490 και 660nm. Το φαινόμενο αυτό είναι ορατό και στην εικόνα. Στα γερασμένα φύλλα, τα καροτένια και οι ξανθοφύλλες τείνουν να κυριαρχούν, γεγονός που αλλάζει το πρότυπο της απορρόφησης, και μέσω αυτού, το χρώμα. Το μέγιστο της κόκκινης απορρόφησης (690nm) στην καμπύλη ανάκλασης της λάσπης φαίνεται περίεργο, αλλά προκαλείται από φωτοσυνθετικές χρωστικές στα επιβενθικά φύκη (cf. Paterson et al., 1998).
Η ανακλαστικότητα της ξηρής άμμου (παραλία) είναι υψηλή στα ορατά μήκη κύματος, διευκολύνοντας το διαχωρισμό της από τις περιοχές τις βλάστησης. Την ώρα της μέτρησης, οι θίνες από βρύα (Tortula ruralis ssp. ruraliformis) είχαν αποξηρανθεί, γεγονός που εξηγεί τη μη αναμενόμενη καμπύλη ανακλαστικότητας στο διάγραμμα.
Το εγγύς υπέρυθρο απορροφάται σε πολύ μικρό βαθμό από τα πράσινα φυτά. Περισσότερο από το 95% της προσπίπτουσας ακτινοβολίας εκπέμπεται ή ανακλάται. Τα χαρακτηριστικά της ανώτερης στοιβάδας της επιδερμίδας και ο δείκτης ανακλαστικότητας της επιδερμίδας καθορίζουν την ανάκλαση από την επιφάνεια του φύλλου. Επίσης, η ανατομική δομή των φύλλων συνεισφέρει σημαντικά στην ανακλαστικότητα στο εγγύς υπέρυθρο (NIR). Στους πολυ-επίπεδους θόλους, η εκπεμπόμενη ακτινοβολία ανακλάται μερικώς από τα κατώτερα φύλλα, προκαλώντας αύξηση στη NIR ανάκλαση.
Η αντίθεση μεταξύ της απορρόφησης στο κόκκινο και το εγγύς υπέρυθρο, γνωστή και ως “red edge”, είναι ένα εμφανές φασματικό χαρακτηριστικό της υγιούς βλάστησης. Χρησιμοποιείται για να υπολογιστούν δείκτες βλάστησης, μεταξύ των οποίων και ο Normalised Difference Vegetation Index (NDVI = [NIR – RED] / [NIR + RED]), που χρησιμοποιείται συχνότερα.
Η ανακλαστικότητα στο μικροκυματικό υπέρυθρο συνδέεται με τα χαρακτηριστικά του υδατικού περιεχομένου. Το τμήμα αυτό του φάσματος χαρακτηρίζεται από κανάλια ευκρινούς απορρόφησης του νερού στα 1400 με 1850nm. Ένας μεγάλος αριθμός μελετών πραγματεύεται τις φασματικές ιδιότητες των φύλλων, των φυτών και των θόλων (Kumar et al., 2001), στις οποίες η βλάστηση αντιμετωπίζεται από μια λειτουργική οικολογική σκοπιά (κύκλοι των θρεπτικών, φυτικό stress, παραγωγή φυτομάζας, κτλ). Πράγματι, οι φασματικές ιδιότητες συνδέονται με τις βιοχημικές και φυσικές ιδιότητες κυρίως και όχι με τα είδη ως τέτοια. Μέσα στο ίδιο είδος, τα φυτά παρουσιάζουν μια ποικιλία φαινολογικών, μορφολογικών και φυσιολογικών καταστάσεων, περιπλέκοντας το φασματικό διαχωρισμό των τύπων της βλάστησης που βασίζεται στη σύνθεση των ειδών.
Παρ’ όλ’ αυτά, ο Schmidt (2003) ανίχνευσε χαρακτηριστικές φασματικές υπογραφές με στατιστικά σημαντικές διαφορές, για την πλειοψηφία των 27 τύπων βλάστησης των αλμυρών ελών. Η ταξινόμηση 19 τύπων βλάστησης βασισμένη στην ανάλυση κανονικής διασποράς των φασματόμετρων πεδίου (579 κανάλια), οδήγησε σε μια συνολική ακρίβεια του 91%.
Οι Van Til et al., (2004) μελέτησαν τα φασματικά χαρακτηριστικά ξηρών θινών στην ολλανδική ενδοχώρα. Τα φάσματα πεδίου 10 τύπων βλάστησης καταγράφηκαν το Μάιο και τον Ιούνιο και μετατράπηκαν σε 29 κανάλια για να προσομοιώσουν τον EPS-A υπερφασματικό σαρωτή. Μη παραμετρικές στατιστικές δοκιμές στα δεδομένα του Μαΐου έδειξαν διάκριση στα 42 από τα 45 ζευγάρια των τύπων. Στα δεδομένα του Ιουνίου, μόνο 37 από τα 45 ζευγάρια μπορούσαν να διακριθούν. Αποδείχτηκε δύσκολο να διαχωριστούν αρκετοί σημαντικοί τύποι βλάστησης, όπως βλάστηση που κυριαρχείται από Calamagrostis epigejos ή Ammophila arenaria.

Αεροφωτογραφίες

Οι αναλογικές αεροφωτογραφίες είναι οι πιο βασικές τηλεπισκοπικές εικόνες. Οι παλιότερες ασπρόμαυρες φωτογραφίες από τις βελγικές ακτές χρονολογούνται από τον πρώτο παγκόσμιο πόλεμο. Μετά το δεύτερο παγκόσμιο πόλεμο λαμβάνονταν τακτικά αεροφωτογραφίες για χαρτογραφικούς ή αμυντικούς σκοπούς. Παγχρωματικές (ασπρόμαυρες) εικόνες απεικονίζουν την ανακλαστικότητα κατά μήκος ενός μεγάλου τμήματος του φάσματος σε ένα πληροφοριακό “κανάλι”. Η ερμηνεία βασίζεται στην κλίμακα του γκρίζου, στην υφή, το μέγεθος και το σχήμα των στοιχείων, στα πρότυπα και στα περιβάλλοντα στοιχεία. Αν και φαίνεται ανούσιο, η ερμηνεία των περιβαλλόντων στοιχείων είναι πολύ σημαντική κατά τη διάρκεια ερμηνείας των εικόνων. Λόγω της πολυπλοκότητάς του, το περιβάλλον είναι δύσκολο να μεταφραστεί σε αλγορίθμους στον υπολογιστή, γεγονός που κάνει την άμεση επεξεργασία από τον ερευνητή αναντικατάστατη.
Οι εικόνες πραγματικού χρώματος αποτελούνται από τρία κανάλια που αντιπροσωπεύουν το κόκκινο, το πράσινο και το μπλε (RGB) τμήμα του φάσματος. Λόγω της συσχέτισης των οπτικών καναλιών, οι επιπλέον πληροφορίες των έγχρωμων εικόνων είναι περιορισμένες. Το ευαίσθητο φιλμ του εγγύς υπέρυθρου, όμως, προσφέρει αξιοσημείωτα περισσότερες πληροφορίες για την έρευνα σχετικά με τη βλάστηση. Στις τυπικές υπέρυθρες εικόνες, το μπλε, το πράσινο και το κόκκινο επίπεδο αντιπροσωπεύουν την πράσινη, την κόκκινη και την εγγύς υπέρυθρη ανάκλαση αντίστοιχα, κάνοντάς τις να εμφανίζονται ως ψευδοχρωματικές εικόνες.
Η ερμηνεία σε βάθος απαιτεί τη χρήση ζευγών στερεο-εικόνων, που επιτρέπει την τρισδιάστατη απεικόνιση του τοπίου και της βλάστησης. Αρκετοί χάρτες βλάστησης έχουν δημιουργηθεί με αυτήν την τεχνική, κυρίως για εφαρμογές τοπικής κλίμακας. Παραδείγματα για εξολοκλήρου επιστημονική χρήση αεροφωτογραφιών είναι σπάνια (e.g. Van Dorp et al., 1985; Shanmugan and Barnsley, 2002).
Επαναλαμβανόμενες χαρτογραφήσεις των αλμυρών ελών της Ολλανδίας διεξάγονται από το Τμήμα Ερευνών του Υπουργείου Δημοσίων Έργων από τις αρχές της δεκαετίας του ’70 (Janssen, 2001). Η ίδια αρχή ξεκίνησε τη χαρτογράφηση της βλάστησης των θινών τη δεκαετία του ’80. Ένα παρόμοιο πρόγραμμα για τις βελγικές ακτές ξεκίνησε την ίδια περίοδο.

Ψηφιακές εικόνες

Οι ψηφιακές εικόνες αποκτούνται μέσω της σάρωσης των φωτογραφιών (τυπωμένων ή καλύτερα φιλμ) ή απευθείας με τη χρήση ψηφιακών τηλε-αισθητήρων. Η ποιότητα των εικόνων περιλαμβάνει τέσσερα στοιχεία (Lillesand and Kiefer, 2000): τη χωρική διακριτική ικανότητα, δηλαδή το μέγεθος ενός εικονοστοιχείου στη γη, τον αριθμό των καναλιών, τη φασματική διακριτική ικανότητα ή πλάτος των καναλιών και τη ραδιομετρική διακριτική ικανότητα. Για παράδειγμα, η τιμή ενός εικονοστοιχείου 8 bit, μπορεί να κυμαίνεται από 1 έως 256. Ο αριθμός των καναλιών μπορεί να κυμαίνεται από ένα (παγχρωματική εικόνα) έως πάνω από εκατό (υπερφασματική εικόνα). Οι πολυφασματικές εικόνες αποτελούνται από πολλά κανάλια.
Η ιδανική εικόνα θα είχε υψηλή χωρική διακριτική ικανότητα και πολλά φασματικά κανάλια, αλλά η βελτιστοποίηση και των δύο ιδιοτήτων είναι μια τεχνολογική πρόκληση. Η χωρική διακριτική ικανότητα του σαρωμένου φιλμ περιορίζεται από το μέγεθος των φωτεινών ευαίσθητων κόκκων, το οποίο είναι περίπου 7μm. Μια σύγχρονη διακριτική ικανότητα σάρωσης θα ήταν 15μm. Η εφαρμογή ενός ημι-αυτόματου συστήματος ταξινόμησης για τριών καναλιών ψευδοχρωματικές NIR εικόνες, ανεπτυγμένου για τις θίνες των ολλανδικών ακτών, απαιτεί μέγεθος εικονοστοιχείου 20cm (Droesen, 1999). Αυτή η ανάλυση θα μπορούσε να επιτευχθεί με τη χρήση αεροφωτογραφιών κλίμακας 1:15.000 (Van der Hagen and van Til, 2001). Η χρήση τέτοιας κλίμακας για την παραγωγή υψηλής ανάλυσης ορθοφωτογραφιών είναι πολύ οικονομικά αποδοτική σε σύγκριση με μεγαλύτερης ανάλυσης εικόνες, αλλά το πλεονέκτημα των τελευταίων είναι η πολύ καλύτερη εφαρμοσιμότητά τους για άμεση από τον ερευνητή στερεο-ερμηνεία. Οι ψηφιακές κάμερες έχουν ίδιες αναλύσεις και έχουν το πλεονέκτημα της υπερπήδησης της σάρωσης που μειώνει την ποιότητα καθώς και την ικανότητα καταγραφής σε τρία οπτικά κανάλια και στο εγγύς υπέρυθρο.
Οι γραμμικοί σαρωτές, σε αντίθεση με τις κάμερες λήψης, αποτελούνται από μια συστοιχία χωρικών αισθητήρων ανά φασματικό κανάλι και οι εικόνες “χτίζονται” σταδιακά καθώς το αεροπλάνο προχωράει. Οι περισσότεροι υπερφασματικοί σαρωτές ή τα φασματόμετρα εικόνας ανήκουν σ’ αυτή την κατηγορία αισθητήρων. Οι υπερφασματικοί σαρωτές του εμπορίου έχουν περίπου 100 με 300 κανάλια και χωρική διακριτική ικανότητα μέχρι 2,2nm. Αλλά ένας μεγαλύτερος αριθμός καναλιών μπορεί να επιτευχθεί με τη μείωση της διακριτικής ικανότητας λόγω του χρόνου που απαιτείται από τα ευαίσθητα στοιχεία (Charge Coupled Device) για την επίτευξη ενός αποδεκτού σήματος ως προς την αναλογία του θορύβου.
Οι εικόνες που αποκτώνται από γραμμικούς σαρωτές ή κάμερες λήψης συνεπάγονται, επίσης, διαφορετικές διαδικασίες γεωαναφοράς. Οι εικόνες της κάμερας, στις οποίες μια μεγάλη επιφάνεια καταγράφεται ταυτόχρονα, είναι γεωμετρικά σταθερές και μπορούν να υποστούν γεωαναφορά και διόρθωση με μεγάλη ακρίβεια (ανάλογα και με την τοπογραφία). Οι σαρωμένες εικόνες είναι πολύ πιο ευαίσθητες στις κινήσεις του αεροσκάφους και η γεωαναφορά απαιτεί λεπτομερή GPS και INS δεδομένα (Inertial Navigation System). Στην πράξη, η καλύτερη γεωμετρική ακρίβεια που μπορεί να επιτευχθεί φαίνεται να είναι περίπου δύο εικονοστοιχεία ή αρκετά μέτρα (Aspinall et al., 2002).

Ταξινόμηση εικόνων

Η επιτυχία της αυτοματοποιημένης ταξινόμησης των εικόνων βασίζεται πρωτίστως στη φασματική ομοιογένεια. Οι εικόνες παρουσιάζουν διαφοροποίηση στο χρώμα ή στις τιμές της ανάκλασης λόγω των τοπικών ατμοσφαιρικών συνθηκών, τη γωνία πρόσπτωσης της ηλιακής ακτινοβολίας, την ελάττωση του φωτός προς τα περιθώρια της εικόνας, κτλ., οπότε χρειάζεται να διορθωθούν ραδιομετρικά. Η διόρθωση σε πραγματικές τιμές ανάκλασης απαιτεί πληροφορίες για τα χαρακτηριστικά της κάμερας ή του σαρωτή και μετρήσεις πεδίου. Αυτό το βήμα είναι χρήσιμο για υπερφασματικά δεδομένα αλλά συνήθως παραλείπεται σε περίπτωση ψευδοχρωματικών εικόνων.
Η αυτοματοποιημένη ταξινόμηση μπορεί να είναι είτε επιβλεπόμενη είτε μη επιβλεπόμενη. Η επιβλεπόμενη ταξινόμηση βασίζεται σε φασματικές ομοιότητες μεταξύ εικόνας και περιοχών εκπαίδευσης (με γνωστό τύπο εδάφους). Η λειτουργικότητά της ευνοείται από την υψηλή φασματική ανάλυση που παρέχεται από τις υπερφασματικές εικόνες και από την υψηλή διακριτική ικανότητα, που μειώνει την εμφάνιση μπερδεμένων εικονοστοιχείων.
Οι μη επιβλεπόμενες ταξινομήσεις δε χρησιμοποιούν εικονοστοιχεία ελέγχου και δημιουργούν τάξεις εικονοστοιχείων βασισμένες στις φασματικές ιδιότητές τους. Αυτό μπορεί να είναι χρήσιμο για την ανίχνευση των φασματικών διαφορών μιας εικόνας, όμως μπορεί να είναι δύσκολος ο προσδιορισμός των λαμβανόμενων τάξεων. Μια άλλη διαφοροποίηση μπορεί να γίνει μεταξύ των μεθόδων ταξινόμησης που βασίζονται στα εικονοστοιχεία και εκείνων που βασίζονται στα αντικείμενα. Οι πρώτες αντιμετωπίζουν τα εικονοστοιχεία ως βασικά ταξινομικά στοιχεία, ενώ οι δεύτερες ομαδοποιούν τα εικονοστoιχεία σε αντικείμενα πριν από την ταξινόμηση (τμηματοποίηση των εικόνων). Και οι δύο μέθοδοι μπορούν να είναι είτε επιβλεπόμενες είτε μη επιβλεπόμενες (De Jong and Van der Meer, 2004).
Στην Ολλανδία, τα πρώτα βήματα για την ψηφιακή ερμηνεία των εικόνων έγιναν τη δεκαετία του ’90. Ψευδοχρωματικές αεροφωτογραφίες χρησιμοποιήθηκαν για ημι-αυτόματες ταξινομήσεις της βλάστησης σε ξηρές παράκτιες αμμοθίνες (Assendorp and Van der Meulen, 1994; Droesen et al., 1995). Ένας ασαφής ταξινομικός αλγόριθμος αναπτύχθηκε για να διακρίνει πέντε ποώδεις τύπους βλάστησης, βασισμένος σε δομικά χαρακτηριστικά. Η εξακρίβωση με δεδομένα πεδίου οδήγησε σε συντελεστές συσχέτισης από 0,8 έως 0,9 (Droesen, 1999). Ο Janssen (2001) χρησιμοποίησε πολυφασματικές CAESAR εικόνες με διακριτική ικανότητα 0,5m για την ταξινόμηση σε επτά τάξεις της βλάστησης αλμυρών ελών και πέτυχε μια συνολική ακρίβεια 75%.
Οι υπερφασματικές GER EPS-A εικόνες με μέγεθος εικονοστοιχείου 5m χρησιμοποιήθηκαν στην ταξινόμηση της βλάστησης των θινών από τους De Lange et al. (2004). Στη μελέτη αυτή 22 τάξεις βλάστησης χαρτογραφήθηκαν με ακρίβεια από 60 έως 70%. Ένα ειδικό σύστημα με πρόσθετες οικολογικές πληροφορίες χρησιμοποιήθηκε για την επίτευξη των μέγιστων δυνατών ακριβειών.
Οι Schmidt et al. (2004) χρησιμοποίησαν δεδομένα HYMAP με 3,5m διακριτική ικανότητα για τη χαρτογράφηση της βλάστησης των αλμυρών ελών. Μια ολική ακρίβεια του 40% επιτεύχθηκε για 19 τύπους βλάστησης. Η ενοποίηση με πρόσθετα δεδομένα υψομετρίας λέιζερ αύξησε την ακρίβεια στο 66%.
Αρκετές εικόνες είναι διαθέσιμες για τις βελγικές ακτές αλλά η ταξινόμηση βρίσκεται σε αρχικό στάδιο. Κατά τη διάρκεια του καλοκαιριού του 2004, οι θίνες και τα αλμυρά έλη των βελγικών ακτών μελετήθηκαν με υπερφασματικό AISA-Eagle αισθητήρα. Οι εικόνες ταξινομούνται στην παρούσα στιγμή (cf. Bertels et al., 2005).

Επίλογος

Η χαρτογράφηση της παράκτιας βλάστησης με αυτόματη επεξεργασία εικόνων δεν έχει φτάσει σε ένα πλήρως λειτουργικό στάδιο στις πρακτικές διατήρησης, αν και η τρέχουσα γνώση και εμπειρία δείχνει ότι συγκεκριμένες τεχνικές ανταποκρίνονται πολύ καλά στο σκοπό αυτό. Στον πίνακα συνοψίζονται οι ιδιότητες και οι δυνατότητες της ταξινόμησης με τους κύριους τύπους εικόνων που σχετίζονται με τη χαρτογράφηση της βλάστησης. Αλλά, όπως περιγράφεται παρακάτω, η επιλογή μιας συγκεκριμένης εικόνας απαιτεί μια ενδελεχή εκτίμηση των διαφορετικών ποιοτήτων.
Οι πολύ υψηλής διακριτικής ικανότητας ψευδοχρωματικές εικόνες ευνοούν ακριβείς ταξινομήσεις περιορισμένου αριθμού τύπων βλάστησης σε ξηρές ποώδεις θίνες και αλμυρά έλη. Λόγω της δυνατότητας για μεγάλη γεωμετρική ακρίβεια, οι εικόνες αυτές είναι κατάλληλες για την παρακολούθηση της δυναμικής της βλάστησης, για παράδειγμα σε σχέση με τη διαχείριση της βόσκησης. Μια εκτίμηση κόστους για τις θίνες της υδρονομικής εγκατάστασης του Άμστερνταμ (3500ha) αποκάλυψε ότι η παραγωγή με το χέρι ενός χάρτη βλάστησης θα ήταν κατά 75% πιο ακριβή. Στην Ολλανδία έχει αναπτυχθεί μια ενότητα του ArcView, ώστε να διευκολυνθεί η ευρεία χρήση της τεχνικής αυτής. Μέχρι τώρα, έχει χρησιμοποιηθεί κυρίως σαρωμένο φιλμ, αλλά στο (εγγύς) μέλλον, οι εικόνες από ψηφιακή κάμερα πιθανόν να παίζουν σημαντικό ρόλο λόγω της υψηλότερης ραδιομετρικής τους ποιότητας.
Παρά τα πλεονεκτήματά τους, οι ψευδοχρωματικές εικόνες αναπαριστούν μόνο τρία (ευρεία) φασματικά κανάλια, γεγονός που μειώνει τη δυνατότητά τους για περαιτέρω βελτίωση στην ταξινόμηση των εικόνων. Οι φασματικές πληροφορίες περιλαμβάνονται στα κανάλια του κόκκινου και του εγγύς υπέρυθρου, τα οποία μόνο ασαφώς αντιπροσωπεύουν το “red edge”. Έτσι, οι τάξεις της βλάστησης που έχουν οριοθετηθεί ως τώρα αντιπροσωπεύουν τη δομή της βλάστησης. Σε οικοσυστήματα φτωχά σε είδη, όπως τα αλμυρά έλη, αυτό οδηγεί σε αρκετά ικανοποιητικά αποτελέσματα, όμως σε οικοσυστήματα με μεγάλη βιοποικιλότητα όπως αυτά των θινών, μόνο μια πολύ αδρή εικόνα της βλάστησης μπορεί να αποκτηθεί.
Τα υπερφασματικά δεδομένα περιέχουν πιο λεπτομερείς πληροφορίες για διαφορετικές πλευρές της βλάστησης. Η δουλειά του Schmidt (2003) έδειξε ότι οι περισσότερες τάξεις της βλάστησης των ελών μπορούν να διακριθούν φασματικά, τουλάχιστον με φασματοσκοπικές μετρήσεις πεδίου. Το πακέτο δεδομένων με φάσματα πεδίου της βλάστησης των θινών δεν είναι ακόμα μεγάλο και τα πρώτα αποτελέσματα υποδεικνύουν φασματική επικάλυψη μεταξύ των τύπων της βλάστησης. Αυτό είναι λογικό αν συγκρίνουμε τον αριθμό των ειδών των δύο συστημάτων. Η βλάστηση των αλμυρών ελών μπορεί να χαρακτηριστεί αρκετά καλά με τη χρήση περίπου 15 ειδών, ενώ οι ξηρές θίνες θα απαιτούσαν τουλάχιστον 50 είδη. Μια λεπτομερής καμπάνια για τις μετρήσεις της επίγειας ανάκλασης της βλάστησης των θινών είναι επιθυμητή και θα αποκαλύψει κάποιες πιθανότητες και περιορισμούς της υπερφασματικής τηλεπισκόπησης. Παρ’ όλ’ αυτά, λόγω της χαμηλότερης φασματικής και χωρικής διακριτικής ικανότητας και της ατμοσφαιρικής παραμόρφωσης στις αεροφωτογραφίες, οι μετρήσεις πεδίου θα είναι πάντα υψηλότερης ποιότητας, αντιπροσωπεύοντας τη μέγιστη εφικτή φασματική ικανότητα διαχωρισμού.
Σήμερα, η χρήση υπερφασματικών εικόνων για την τηλεπισκόπηση της παράκτιας βλάστησης δεν είναι ακόμα προφανής λόγω της εξαναγκασμένης χωρικής διακριτικής ικανότητας, τις δυσκολίες στη γεωαναφορά και του σχετικά μεγάλου κόστους. Η ακρίβεια της γεωαναφοράς είναι πολύ μεγάλης σημασίας για τη συσχέτιση εικόνων με GPS αναφερμένα δεδομένα επαλήθευσης από το πεδίο και φαίνεται ότι είναι εμπόδιο στα πρόσφατα προγράμματα τηλεπισκόπησης (cf. De Lange et al., 2004; Schmidt, 2003; Jacobson et al., 2000).
Κάθε εφαρμογή χρειάζεται μια θεμελιώδη εκτίμηση για τον αν είναι σημαντικότερη η χωρική ή η φασματική διακριτική ικανότητα, αντανακλώντας τη στάθμιση στην ταξινόμηση και τη γεωμετρική ακρίβεια. Μια ακόμη επιλογή του χρήστη σχετίζεται με τη στάθμιση μεταξύ της ακρίβειας της ταξινόμησης και των λεπτομεριών στις επεξηγήσεις των τάξεων. Οι παραγωγοί του χάρτη έχουν την ευθύνη να υποδείξουν τις πιθανότητες, ενώ οι χρήστες μπορούν να αποφασίσουν αν η αβεβαιότητα είναι αποδεκτή στον ίδιο το χάρτη ή στις τάξεις που αντιπροσωπεύει.
Σε μελλοντικές μελέτες, μια ποικιλία τεχνικών χρειάζεται να υποστεί έλεγχο ή επεξεργασία. Από τη μία πλευρά, αυτές σχετίζονται με την επεξεργασία των εικόνων ή την ταξινόμηση. Τεχνικές που λαμβάνουν υπόψιν τους τούς χωρικούς τομείς (π.χ. τμηματοποίηση εικόνων – image segmentation), τεχνικές επιλογής χαρακτηριστικών (π.χ. ανάλυση μικροκυμάτων – wavelet analysis) και μέθοδοι υπο-εικονοστοιχείων (sub-pixel) είναι μερικά μόνο παραδείγματα. Από την άλλη μεριά, πολλές μελέτες ανέδειξαν τη σημασία των βοηθητικών δεδομένων. Η ταξινόμηση των αλμυρών ελών συγκεκριμένα φαίνεται να βελτιώνεται σημαντικά με τη βοήθεια των Ψηφιακών Μοντέλων Εδάφους (Digital Terrain Models) που παραλαμβάνονται από υψομετρία λέιζερ (Brown, 2004; Schmidt, 2003). Στις θίνες τα δεδομένα υψομέτερου θα πρέπει να χρησιμοποιούνται πιο προσεκτικά και κατά προτίμηση σε συσχέτιση με την υδρολογία (Thackrah et al., 2002; De Lange et al., 2004). Τέλος, το ύψος των θόλων που προκίπτει από τη σάρωση με λέιζερ (Ritchie et al., 2001) μπορεί να παρέχει πολύ χρήσιμες συμπληρωματικές πληροφορίες για τη χαρτογράφιση της βλάστησης.

[[category:Παρακολούθηση παράκτιων οικοσυστημάτων]]

Αγγελική Κουρουζίδου

2010-02-09T18:40:17Z

Angelica-roma:

* [[Διαχείριση βιοποικιλότητας κάνοντας χρήση δεδομένων τηλεπισκόπησης και ΓΣΠ: Η περίπτωση μελέτης του Εθνικού Πάρκου της Digya, Γκάνα]]

* [[Μοντέλο ενδιαιτημάτων και βιοποικιλότητας βασισμένο στην τηλεπισκόπηση και στα ΓΣΠ, στο οικοσύστημα Greater Yellowstone, ΗΠΑ]]

* [[Εφαρμογή της τηλεπισκόπησης και των ΓΣΠ στον προγραμματισμό της μείωσης των πλημμυρικών επιπτώσεων στην περιοχή Munshiganj, Μπαγκλαντές]]

* [[Δυναμική διαταραγμένων οικοσυστημάτων στην περιοχή της Αράλης, χρησιμοποιώντας μεθόδους τηλεπισκόπησης και ΓΣΠ]]

* [[Αξιολόγηση του λιμναίου ευτροφισμού με τη χρήση δεδομένων του ενισχυμένου θεματικού χαρτογράφου στο Wuhan, Κίνα]]

* [[Δείκτες δασικής βιοποικιλότητας στις κολομβιανές Άνδεις]]

* [[Υπερφασματική τηλεπισκόπηση των παραμέτρων της υδατικής ποιότητας των μεγάλων ποταμών στη λεκάνη του ποταμού Ohio, ΗΠΑ]]

* [[Αναγνώριση και ποσοτικοποίηση των αλλαγών στα μαγκρόβια δάση χρησιμοποιώντας τηλεπισκόπηση, η περίπτωση της Kakinada Bay, Ινδία]]

* [[Η εδαφική καταλληλότητα της φυσικής βλάστησης με τη χρήση τηλεπισκόπησης και ΓΣΠ]]

* [[Η χρήση της τηλεπισκόπησης για την ολοκληρωμένη διαχείριση των υδατικών πόρων: παραδείγματα από τη Βουλγαρία]]

* [[Τηλεπισκόπηση της λειτουργίας του ημίξηρου οικοσυστήματος της ανώτερης λεκάνης του ποταμού San Pedro, Αριζόνα]]

* [[Ο ρόλος κλειδί της τηλεπισκόπησης στην αξιολόγηση περιβαλλοντικών ζητημάτων που τίθενται από την εξόρυξη]]

* [[Δημιουργία μοντέλου πρόβλεψης των δυναμικών εξάρσεων των φυκών με τη χρήση τηλεπισκόπησης]]

* [[Η χρήση τηλεπισκόπησης και ΓΣΠ στην ανάλυση της υποβάθμισης των οικοσυστημάτων στη λεκάνη του ποταμού Νίγηρα]]

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

Αρχείο:Nig2.jpg

2010-02-09T18:39:23Z

Angelica-roma:

Η χρήση τηλεπισκόπησης και ΓΣΠ στην ανάλυση της υποβάθμισης των οικοσυστημάτων στη λεκάνη του ποταμού Νίγηρα

2010-02-09T18:38:48Z

Angelica-roma:

Using Remote Sensing and GIS in the Analysis of Ecosystem Decline along the River Niger Basin: The Case of Mali and Niger, Yaw A. Twumasi, and Edmund C. Merem, ''Int. J. Environ. Res. Public Health'' 2007, 4(2), 173-184, http://www.mdpi.com/1660-4601/4/2/173

[[Εικόνα:nig2.jpg|thumb|right|Η περιοχή μελέτης]]

Εισαγωγή

Στην υποσαχάρια περιοχή της λεκάνης του ποταμού Νίγηρα, όπου κανένα από τα κύρια ποτάμια δε βρίσκεται μέσα στα σύνορα μίας μόνο χώρας, η παρακολούθηση της κατάστασης του ποτάμιου οικοσυστήματος είναι απαραίτητη για τη σωτηρία του. Ακόμη και οι παγκοσμίως προκηρυχθέντες στόχοι για βιωσιμότητα και περιβαλλοντική ασφάλεια, είναι ανεφάρμοστοι στην περιοχή χωρίς τη χρήση τηλεπισκόπησης και ΓΣΠ ως αγωγούς της περιβαλλοντικής υγείας στα κοινά ύδατα. Παρ’ όλ’ αυτά η συστηματική μελέτη της φύσης της συνεργασίας μεταξύ των κρατών που μοιράζονται τους υδάτινους πόρους στις ταραγμένες περιοχές της Μέσης Ανατολής, συνεχίζει να κυριαρχεί στη βιβλιογραφία, έναντι της ελάχιστης κάλυψης της υποσαχάριας Αφρικής και του ρόλου των ΓΣΠ και της τηλεπισκόπησης στην παρακολούθηση του προβλήματος.
Ερευνώντας τις αύξουσες δυνατότητες για την οξεία περιβαλλοντική υποβάθμιση του ποτάμιου οικοσυστήματος ανάμεσα στα κράτη Νίγηρα και Μάλι, με τις πιο σύγχρονες προσεγγίσεις στη διαστημική τεχνολογία ως υποστηρικτικό εργαλείο, όχι μόνο διευκολύνεται η ανάκαμψη του οικοσυστήματος και η αποφυγή συγκρούσεων, αλλά παρέχεται και η δυνατότητα οδήγησης στην προσέγγιση των χωρών μέσω της ανταλλαγής πληροφοριών.

[[Εικόνα:nig1.jpg|thumb|right|Αποτελέσματα της ταξινόμησης των εικόνων του 1987 και του 2000]]

Μέθοδοι που χρησιμοποιήθηκαν

Η μελέτη αυτή έχει μια μικτή προσέγγιση που περιλαμβάνει την ενοποίηση πρωτογενών δεδομένων που έχουν παρασχεθεί από κυβερνητικές πηγές και βάσεων δεδομένων από άλλους οργανισμούς. Τα ανεπεξέργαστα διαστημικά δεδομένα και οι δορυφορικές εικόνες που χρησιμοποιήθηκαν στην έρευνα παραχωρήθηκαν από την United States National Aeronautical and Space Administration (NASA) και άλλους οργανισμούς.

[[Εικόνα:nig3.jpg|thumb|right|Ταξινομημένη εικόνα του Landsat TM, της 13ης Οκτωβρίου 1987]]

Απόκτηση των δεδομένων

Το πρώτο βήμα περιλάμβανε την αναγνώριση των μεταβλητών που χρειάζονταν για την εκτίμηση των περιβαλλοντικών αλλαγών και της υποβάθμισης σε τοπικό επίπεδο. Οι μεταβλητές περιλαμβάνουν κοινωνικοοικονομικές και περιβαλλοντικές πληροφορίες, όπως χωράφια, οικισμούς, υδάτινους όγκους, δασικούς τύπους και πληθυσμούς. Η διαδικασία συνεχίστηκε με το σχεδιασμό καλουπιών δεδομένων για τις μεταβλητές, καλύπτοντας τις διάφορες περιόδους από το 1987 και το 2000 και έπειτα. Παράλληλα με τη διαδικασία του σχεδιασμού, η πρόσβαση σε βάσεις δεδομένων και επιστημονικά άρθρα σε διάφορους οργανισμούς, διευκόλυνε τη διαδικασία αναζήτησης.

[[Εικόνα:nig4.jpg|thumb|right|Ταξινομημένη εικόνα του Landsat TM, της 20ης Οκτωβρίου 2000]]

Επεξεργασία και ανάλυση των γεω-διαστημικών δεδομένων

Για τις χώρες Νίγηρα και Μάλι λήφθηκαν πολυ-εποχιακές εικόνες για τη μελέτη. Οι εικόνες που συγκεντρώθηκαν περιλαμβάνουν ζευγάρια δεδομένων Landsat Thematic Mapper (TM) and Enhanced Thematic Mapper (ETM+) από 13 Οκτωβρίου 1987 και 23 Σεπτεμβρίου 1999, 18 Νοεμβρίου 1986 και 12 Οκτωβρίου 2000, και 12 Νοεμβρίου 1985 και 20 Οκτωβρίου 2000. Όλες οι εικόνες επεξεργάστηκαν χρησιμοποιώντας το λογισμικό επεξεργασίας εικόνων ERDAS IMAGINE 8.7. Εισήχθηκαν στο ERDAS ως μοναδικά κανάλια και στη συνέχεια ομαδοποιήθηκαν. Τη διαδικασία αυτή ακολούθησε γεωμετρική διόρθωση των εικόνων για να αφαιρεθούν η θαμπάδα, οι γραμμές σάρωσης και η στίλβη, και έπειτα μωσαϊκοποίηση. Έπειτα, χρησιμοποιήθηκαν τεχνικές προσαρμογής των εικόνων, έτσι ώστε τα χρώματα να είναι ομοιογενή σε όλες. Μια τεχνική γραμμικής ενίσχυσης εκτελέστηκε σε όλες τις εικόνες και στη συνέχεια στα υποσύνολα για να δοθεί έμφαση στην περιοχή μελέτης, ενώ ακολούθησε και γεω-σύνδεση των διαστημικών δεδομένων. Τέλος, εφαρμόστηκαν τεχνικές μη επιβλεπόμενης ταξινόμησης για την κατηγοριοποίηση των δεδομένων.
Οι εναπομείνασες τεχνικές περιλάμβαναν χωρική ανάλυση και απόδοση (χάρτες-πίνακες-κείμενο) που κάλυπτε την περιοχή μελέτης με τη χρήση του ArcView GIS. Οι χωρικές μονάδες της ανάλυσης συνίστανται από τα δύο έθνη που βρίσκονται στη λεκάνη του ποταμού Νίγηρα. Τα αποτελέσματα για τις δύο χώρες αποτυπώθηκαν σε χάρτες και συγκρίθηκαν σε βάθος χρόνου. Η διαδικασία αυτή βοήθησε στην αποτύπωση της έκτασης της χωροχρονικής εξέλιξης της οικολογικής υποβάθμισης που προκλήθηκε από τις ανθρώπινες διαδικασίες στο οικοσύστημα της λεκάνης του ποταμού Νίγηρα.

Αποτελέσματα

Τα αποτελέσματα των ταξινομημένων εικόνων του 1987 και του 2000 παρουσιάζονται στις εικόνες. Παρατηρούμε ότι οι υδάτινοι όγκοι μειώθηκαν, όπως και τα υψίπεδα και η χαμηλή βλάστηση. Αντίθετα, οι περιοχές των οικισμών, των αγροτικών δραστηριοτήτων και οι γυμνές αυξήθηκαν. Οι αλλαγές αυτές μπορούν να αποδοθούν στις εποχιακές αλλαγές στα πρότυπα βροχής και στην αύξηση του πληθυσμού.

Αξιολόγηση των μεθόδων

Η ανάλυση της υποβάθμισης του οικοσυστήματος της κοιλάδας του Νίγηρα στο Νίγηρα και το Μάλι χρησιμοποιώντας τηλεπισκόπιση και ΓΣΠ, σε συνδυασμό με την αξιολόγηση των περιβαλλοντικών και υδρολογικών αλλαγών έδειξε μερικά σημαντικά αποτελέσματα. Η τεχνολογία των ΓΣΠ, που χρησιμοποιείται συχνά από τους επιστήμονες για τη χαρτογραφική αποτύπωση χωρικών δεδομένων, λειτουργεί ως ένα αποτελεσματικό εργαλείο για την παρακολούθηση για την υποβάθμιση πολύπλοκων τροπικών οικοσυστημάτων, όπως της λεκάνης του Νίγηρα, γεγονός απαραίτητο για την παροχή πληροφοριών για το εύρος της πίεσης που υφίσταται το οικοσύστημα.
Η χρήση δορυφορικών εικόνων και ΓΣΠ επιτάχυνε την ανάλυση της γεωγραφικής διάχυσης της ποτάμιας οικολογικής υποβάθμισης, περιλαμβάνοντας την ταξινόμηση κάλυψης και χρήσεων γης, τη χαμηλή βλάστηση, την υδρολογία και τις επεκτάσεις των οικισμών που απειλούσαν τη λεκάνη του Νίγηρα. Η μελέτη αυτή χρησιμεύει ως εργαλείο για την επιτάχυνση της λήψης αποφάσεων που είναι απαραίτητες για τη διατήρηση της υγείας αλλά και για την ανάκαμψη του ποτάμιου οικοσυστήματος.

[[category:Παρακολούθηση και ανάλυση λεκανών απορροής]]

Η χρήση τηλεπισκόπησης και ΓΣΠ στην ανάλυση της υποβάθμισης των οικοσυστημάτων στη λεκάνη του ποταμού Νίγηρα

2010-02-09T18:32:33Z

Angelica-roma: New page: Εισαγωγή Στην υποσαχάρια περιοχή της λεκάνης του ποταμού Νίγηρα, όπου κανένα από τα κύρια ποτάμια δε β...

Εισαγωγή

Στην υποσαχάρια περιοχή της λεκάνης του ποταμού Νίγηρα, όπου κανένα από τα κύρια ποτάμια δε βρίσκεται μέσα στα σύνορα μίας μόνο χώρας, η παρακολούθηση της κατάστασης του ποτάμιου οικοσυστήματος είναι απαραίτητη για τη σωτηρία του. Ακόμη και οι παγκοσμίως προκηρυχθέντες στόχοι για βιωσιμότητα και περιβαλλοντική ασφάλεια, είναι ανεφάρμοστοι στην περιοχή χωρίς τη χρήση τηλεπισκόπησης και ΓΣΠ ως αγωγούς της περιβαλλοντικής υγείας στα κοινά ύδατα. Παρ’ όλ’ αυτά η συστηματική μελέτη της φύσης της συνεργασίας μεταξύ των κρατών που μοιράζονται τους υδάτινους πόρους στις ταραγμένες περιοχές της Μέσης Ανατολής, συνεχίζει να κυριαρχεί στη βιβλιογραφία, έναντι της ελάχιστης κάλυψης της υποσαχάριας Αφρικής και του ρόλου των ΓΣΠ και της τηλεπισκόπησης στην παρακολούθηση του προβλήματος.
Ερευνώντας τις αύξουσες δυνατότητες για την οξεία περιβαλλοντική υποβάθμιση του ποτάμιου οικοσυστήματος ανάμεσα στα κράτη Νίγηρα και Μάλι, με τις πιο σύγχρονες προσεγγίσεις στη διαστημική τεχνολογία ως υποστηρικτικό εργαλείο, όχι μόνο διευκολύνεται η ανάκαμψη του οικοσυστήματος και η αποφυγή συγκρούσεων, αλλά παρέχεται και η δυνατότητα οδήγησης στην προσέγγιση των χωρών μέσω της ανταλλαγής πληροφοριών.

Μέθοδοι που χρησιμοποιήθηκαν

Η μελέτη αυτή έχει μια μικτή προσέγγιση που περιλαμβάνει την ενοποίηση πρωτογενών δεδομένων που έχουν παρασχεθεί από κυβερνητικές πηγές και βάσεων δεδομένων από άλλους οργανισμούς. Τα ανεπεξέργαστα διαστημικά δεδομένα και οι δορυφορικές εικόνες που χρησιμοποιήθηκαν στην έρευνα παραχωρήθηκαν από την United States National Aeronautical and Space Administration (NASA) και άλλους οργανισμούς.

Απόκτηση των δεδομένων

Το πρώτο βήμα περιλάμβανε την αναγνώριση των μεταβλητών που χρειάζονταν για την εκτίμηση των περιβαλλοντικών αλλαγών και της υποβάθμισης σε τοπικό επίπεδο. Οι μεταβλητές περιλαμβάνουν κοινωνικοοικονομικές και περιβαλλοντικές πληροφορίες, όπως χωράφια, οικισμούς, υδάτινους όγκους, δασικούς τύπους και πληθυσμούς. Η διαδικασία συνεχίστηκε με το σχεδιασμό καλουπιών δεδομένων για τις μεταβλητές, καλύπτοντας τις διάφορες περιόδους από το 1987 και το 2000 και έπειτα. Παράλληλα με τη διαδικασία του σχεδιασμού, η πρόσβαση σε βάσεις δεδομένων και επιστημονικά άρθρα σε διάφορους οργανισμούς, διευκόλυνε τη διαδικασία αναζήτησης.

Επεξεργασία και ανάλυση των γεω-διαστημικών δεδομένων

Για τις χώρες Νίγηρα και Μάλι λήφθηκαν πολυ-εποχιακές εικόνες για τη μελέτη. Οι εικόνες που συγκεντρώθηκαν περιλαμβάνουν ζευγάρια δεδομένων Landsat Thematic Mapper (TM) and Enhanced Thematic Mapper (ETM+) από 13 Οκτωβρίου 1987 και 23 Σεπτεμβρίου 1999, 18 Νοεμβρίου 1986 και 12 Οκτωβρίου 2000, και 12 Νοεμβρίου 1985 και 20 Οκτωβρίου 2000. Όλες οι εικόνες επεξεργάστηκαν χρησιμοποιώντας το λογισμικό επεξεργασίας εικόνων ERDAS IMAGINE 8.7. Εισήχθηκαν στο ERDAS ως μοναδικά κανάλια και στη συνέχεια ομαδοποιήθηκαν. Τη διαδικασία αυτή ακολούθησε γεωμετρική διόρθωση των εικόνων για να αφαιρεθούν η θαμπάδα, οι γραμμές σάρωσης και η στίλβη, και έπειτα μωσαϊκοποίηση. Έπειτα, χρησιμοποιήθηκαν τεχνικές προσαρμογής των εικόνων, έτσι ώστε τα χρώματα να είναι ομοιογενή σε όλες. Μια τεχνική γραμμικής ενίσχυσης εκτελέστηκε σε όλες τις εικόνες και στη συνέχεια στα υποσύνολα για να δοθεί έμφαση στην περιοχή μελέτης, ενώ ακολούθησε και γεω-σύνδεση των διαστημικών δεδομένων. Τέλος, εφαρμόστηκαν τεχνικές μη επιβλεπόμενης ταξινόμησης για την κατηγοριοποίηση των δεδομένων.
Οι εναπομείνασες τεχνικές περιλάμβαναν χωρική ανάλυση και απόδοση (χάρτες-πίνακες-κείμενο) που κάλυπτε την περιοχή μελέτης με τη χρήση του ArcView GIS. Οι χωρικές μονάδες της ανάλυσης συνίστανται από τα δύο έθνη που βρίσκονται στη λεκάνη του ποταμού Νίγηρα. Τα αποτελέσματα για τις δύο χώρες αποτυπώθηκαν σε χάρτες και συγκρίθηκαν σε βάθος χρόνου. Η διαδικασία αυτή βοήθησε στην αποτύπωση της έκτασης της χωροχρονικής εξέλιξης της οικολογικής υποβάθμισης που προκλήθηκε από τις ανθρώπινες διαδικασίες στο οικοσύστημα της λεκάνης του ποταμού Νίγηρα.

Αποτελέσματα

Τα αποτελέσματα των ταξινομημένων εικόνων του 1987 και του 2000 παρουσιάζονται στις εικόνες. Παρατηρούμε ότι οι υδάτινοι όγκοι μειώθηκαν, όπως και τα υψίπεδα και η χαμηλή βλάστηση. Αντίθετα, οι περιοχές των οικισμών, των αγροτικών δραστηριοτήτων και οι γυμνές αυξήθηκαν. Οι αλλαγές αυτές μπορούν να αποδοθούν στις εποχιακές αλλαγές στα πρότυπα βροχής και στην αύξηση του πληθυσμού.

Αξιολόγηση των μεθόδων

Η ανάλυση της υποβάθμισης του οικοσυστήματος της κοιλάδας του Νίγηρα στο Νίγηρα και το Μάλι χρησιμοποιώντας τηλεπισκόπιση και ΓΣΠ, σε συνδυασμό με την αξιολόγηση των περιβαλλοντικών και υδρολογικών αλλαγών έδειξε μερικά σημαντικά αποτελέσματα. Η τεχνολογία των ΓΣΠ, που χρησιμοποιείται συχνά από τους επιστήμονες για τη χαρτογραφική αποτύπωση χωρικών δεδομένων, λειτουργεί ως ένα αποτελεσματικό εργαλείο για την παρακολούθηση για την υποβάθμιση πολύπλοκων τροπικών οικοσυστημάτων, όπως της λεκάνης του Νίγηρα, γεγονός απαραίτητο για την παροχή πληροφοριών για το εύρος της πίεσης που υφίσταται το οικοσύστημα.
Η χρήση δορυφορικών εικόνων και ΓΣΠ επιτάχυνε την ανάλυση της γεωγραφικής διάχυσης της ποτάμιας οικολογικής υποβάθμισης, περιλαμβάνοντας την ταξινόμηση κάλυψης και χρήσεων γης, τη χαμηλή βλάστηση, την υδρολογία και τις επεκτάσεις των οικισμών που απειλούσαν τη λεκάνη του Νίγηρα. Η μελέτη αυτή χρησιμεύει ως εργαλείο για την επιτάχυνση της λήψης αποφάσεων που είναι απαραίτητες για τη διατήρηση της υγείας αλλά και για την ανάκαμψη του ποτάμιου οικοσυστήματος.

[[category:Παρακολούθηση και ανάλυση λεκανών απορροής]]

Αγγελική Κουρουζίδου

2010-02-09T18:30:07Z

Angelica-roma:

* [[Διαχείριση βιοποικιλότητας κάνοντας χρήση δεδομένων τηλεπισκόπησης και ΓΣΠ: Η περίπτωση μελέτης του Εθνικού Πάρκου της Digya, Γκάνα]]

* [[Μοντέλο ενδιαιτημάτων και βιοποικιλότητας βασισμένο στην τηλεπισκόπηση και στα ΓΣΠ, στο οικοσύστημα Greater Yellowstone, ΗΠΑ]]

* [[Εφαρμογή της τηλεπισκόπησης και των ΓΣΠ στον προγραμματισμό της μείωσης των πλημμυρικών επιπτώσεων στην περιοχή Munshiganj, Μπαγκλαντές]]

* [[Δυναμική διαταραγμένων οικοσυστημάτων στην περιοχή της Αράλης, χρησιμοποιώντας μεθόδους τηλεπισκόπησης και ΓΣΠ]]

* [[Αξιολόγηση του λιμναίου ευτροφισμού με τη χρήση δεδομένων του ενισχυμένου θεματικού χαρτογράφου στο Wuhan, Κίνα]]

* [[Δείκτες δασικής βιοποικιλότητας στις κολομβιανές Άνδεις]]

* [[Υπερφασματική τηλεπισκόπηση των παραμέτρων της υδατικής ποιότητας των μεγάλων ποταμών στη λεκάνη του ποταμού Ohio, ΗΠΑ]]

* [[Αναγνώριση και ποσοτικοποίηση των αλλαγών στα μαγκρόβια δάση χρησιμοποιώντας τηλεπισκόπηση, η περίπτωση της Kakinada Bay, Ινδία]]

* [[Η εδαφική καταλληλότητα της φυσικής βλάστησης με τη χρήση τηλεπισκόπησης και ΓΣΠ]]

* [[Η χρήση της τηλεπισκόπησης για την ολοκληρωμένη διαχείριση των υδατικών πόρων: παραδείγματα από τη Βουλγαρία]]

* [[Τηλεπισκόπηση της λειτουργίας του ημίξηρου οικοσυστήματος της ανώτερης λεκάνης του ποταμού San Pedro, Αριζόνα]]

* [[Ο ρόλος κλειδί της τηλεπισκόπησης στην αξιολόγηση περιβαλλοντικών ζητημάτων που τίθενται από την εξόρυξη]]

* [[Δημιουργία μοντέλου πρόβλεψης των δυναμικών εξάρσεων των φυκών με τη χρήση τηλεπισκόπησης]]

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

Δημιουργία μοντέλου πρόβλεψης των δυναμικών εξάρσεων των φυκών με τη χρήση τηλεπισκόπησης

2010-02-09T18:29:29Z

Angelica-roma:

The modeling for dynamic algae blooms prediction based on remote sensing, WEI Qingyu, JIANG Nanb, LU Hengc, HU Binb, http://www.isprs.org/congresses/beijing2008/proceedings/4_pdf/270.pdf

Αντικείμενο της εφαρμογής

Τα κυανοβακτήρια και ο ευτροφισμός των λιμνών στην Κίνα είναι ένα από τα μεγαλύτερα περιβαλλοντικά προβλήματα της περιοχής, ενώ ο έλεγχος του ευτροφισμού συγκεντρώνει την παγκόσμια ανησυχία. Η λίμνη Taihu βρίσκεται ανάμεσα στις επαρχίες Jiangsu και Zhejiang, και με μέσο βάθος 1,89m και επιφάνεια 2.338km2 αποτελεί την τρίτη μεγαλύτερη λίμνη της χώρας. Η περιοχή είναι οικονομικά αναπτυσσόμενη και συγκεντρώνει μεγάλη τουριστική κίνηση, γεγονός που οδηγεί σε σημειακές απορρίψεις ρύπων και στη δημιουργία εστιών ρύπανσης.
Ο ευτροφισμός της λίμνης Taihu είναι ο κύριος λόγος της περιβαλλοντικής κρίσης ολόκληρης της περιοχής. Ο αριθμός των κυανοβακτηρίων αυξάνεται με τάχιστους ρυθμούς, ειδικά σε περιόδους υψηλών θερμοκρασιών. Η υποβάθμιση της ποιότητας του νερού επηρεάζει την παρακείμενη πόλη Waxi, τα αποθέματα νερού τις οποίας εξαρτώνται άμεσα από τη λίμνη. Το 2007, σε μια έκρηξη της ποσότητας των κυανοβακτηρίων, διαταράχτηκε η ισορροπία του οικοσυστήματος, μειώθηκαν τα αποθέματα αλιείας και επλήγησαν οι υδατοκαλλιέργειες. Επιπλέον, έρευνες έδειξαν ότι η τοξίνη που παράγεται από τον κύριο πληθυσμό κυανοβακτηρίων (Microcystis), μπορεί να προξενήσει βλάβες στο συκώτι και καρκίνο στους ανθρώπους.

Στόχος της εφαρμογής

Η χρήση της τηλεπισκόπησης στην ανίχνευση των κυανοβακτηρίων του νερού πλεονεκτεί έναντι άλλων μεθόδων, καθώς όχι μόνο μπορεί να παρέχει γρήγορα την κατανομή του νερού ολόκληρης της λίμνης ως όλον, αλλά μπορεί και να εγκαθιδρύσει ένα διαρκές σύστημα παρακολούθησης της συγκέντρωσης των κυανοβακτηρίων (Chang, 2004). Παράλληλα, με τη βοήθεια τηλεπισκοπικών εικόνων κυανοβακτηρίων από δορυφόρους υψηλής διακριτικής ικανότητας μπορεί να ανιχνευθεί η βιοχημική επιρροή της αύξησής τους στο οικοσύστημα. Επιπλέον, η τηλεπισκόπηση μπορεί να παρέχει την επιστημονική βάση για τον έλεγχο των κυανοβακτηρίων, καθώς είχε προσφέρει αποτελεσματικά και οικονομικά εργαλεία για τον έλεγχο της ποιότητας του νερού που βρίσκεται στην ηπειρωτική χώρα (Krawczyk, 2003; Kutser, 2006).

[[Εικόνα:bloom1.jpg|thumb|right|Πλάνο του μοντέλου δυναμικής πρόγνωσης της έκρηξης των φυκών]]

Είδη δορυφορικών συστημάτων

Η μελέτη αυτή βασίζεται στις πηγές τηλεπισκόπισης MODIS. Οι αισθητήρες MODIS βρίσκονται στους δορυφόρους Terra και Aqua, οι οποίοι έχουν πλεονεκτήματα όπως το χαμηλό κόστος, το μεγάλο εύρος κάλυψης ή τον εύκολο χειρισμό για την παρακολούθηση των φυσικών καταστροφών, κτλ. Είναι ορατοί στο θερμικό υπέρυθρο φάσμα των 36 καναλιών, με διακριτική ικανότητα 250m ~ 1000m. Τα δεδομένα MODIS παίζουν έναν πολύ σημαντικό ρόλο στην παρακολούθηση των λιμνών της ηπειρωτικής χώρας (Bowers, 2001; Nezlin, 1999).
Το μοντέλο πρόγνωσης που εφαρμόζεται σ’ αυτή την έρευνα επικεντρώνεται στον έλεγχο της κατάστασης του υδάτινου όγκου της λίμνης Taihu, που βασίζεται στις εικόνες MODIS. Ο MODIS είναι ένας εγκάρσιος ραδιομετρικός σαρωτής με 36 φασματικά κανάλια: 29 με διαστάσεις εικονοστοιχείου 1km (στο ναδίρ), 5 με διαστάσεις 500m και 2 με διαστάσεις 250m. Ως πηγή δεδομένων των εξάρσεων φυτοπλαγκτού, υπολογίζει τη συγκέντρωση της χλωροφύλλης-α, με κανονικοποίηση βασισμένη σε δεδομένα που συλλέχθηκαν από το πεδίο.

Γεωμετρική διόρθωση

Η γεωμετρική διόρθωση χρησιμοποιεί την εκτίμηση Geographic Lat/Lon, σημείο αναφοράς για WGS-84. Η διόρθωση βασίζεται στις εγγενείς Lat/Lon πληροφορίες των δεδομένων 1Β του MODIS και εκτιμάται αυτόματα από το ENVI για διόρθωση της γεωμετρίας.

Ραδιομετρική βαθμονόμηση

Η τιμή της ακτινοβολίας πάνω στον αισθητήρα μπορεί να υπολογιστεί με ραδιομετρική βαθμονόμηση των δεδομένων της εικόνας στα μεταδεδομένα που έχουν εγγραφεί σε κάθε κανάλι.

[[Εικόνα:bloom2.jpg|thumb|right|Η εξάπλωση της χλωροφύλλης-α στη λίμνη Taihu στις 18 Απριλίου του 2008]]

Ατμοσφαιρική διόρθωση

Η μελέτη αυτή χρησιμοποίησε μια προσέγγιση βασισμένη στις εικόνες για την ατμοσφαιρική διόρθωση. Η μέθοδος έγκειται στην αποκοπή του μικρότερου άκρου του ιστογράμματος. Η βασική ιδέα είναι ότι μια εικόνα μπορεί πάντα να βρεθεί με έναν ή περισσότερους τύπους χαρακτηριστικών, των οποίων η ακτινοβολία ή η ανακλαστικότητα να είναι κοντά στο μηδέν. Έτσι η αντίστοιχη τοποθεσία των τιμών φωτεινότητας των εικονοστοιχείων στην εικόνα πρέπει να είναι η ίδια. Έχει μετρηθεί, όμως, ότι οι περιοχές αυτές στη φωτεινότητα των εικονοστοιχείων δεν είναι μηδέν. Η τιμή αυτή πρέπει να είναι στην ατμόσφαιρα και οδηγεί στη διασκόρπιση της τιμής της ακτινοβολίας.

[[Εικόνα:bloom3.jpg|thumb|right|Η εξάπλωση της χλωροφύλλης-α στη λίμνη Taihu στις 18 Απριλίου του 2008]]

Μοντέλο βασισμένο στα φασματικά χαρακτηριστικά της παρακολούθησης

Ως δείκτης χρησιμοποιήθηκε το γένος Microcystis που ανήκει στις μικροκυστίνες (κυανοφύκη). Για να παρατηρηθεί αν μπορεί να χρησιμοποιηθεί στα υπέρυθρα μήκη κύματος, αναπτύχθηκαν δύο παραμετρικές εξισώσεις για το φάσμα των μικροκυστινών στα 550 και 710nm. Παρατηρήθηκαν δύο εμφανή μέγιστα ανάκλασης και απορρόφησης στα 440 και 670nm. Συγκεκριμένα για το Microcystis, παρατηρείται ένα μέγιστο απορρόφησης κοντά στα 620nm, μοναδικό για το γένος. Τα μοναδικά αυτά φασματικά χαρακτηριστικά τους, κάνουν εφικτή τη μέτρηση της συγκέντρωσής τους με τη χρήση τηλεπισκόπησης. Στην εικόνα φαίνεται το μοντέλο της δυναμικής πρόβλεψης της έκρηξης των φυκών. Για την ολοκλήρωση του μοντέλου απαιτήθηκαν επίσης μελέτες στο πεδίο και το εργαστήριο.

Μοντέλο βασισμένο στην πρόβλεψη των καιρικών συνθηκών

Η θερμοκρασία και το φως παίζουν σημαντικό ρόλο στην αύξηση των φυκών, ενώ η κατεύθυνση και η ταχύτητα του ανέμου έχουν άμεσο αντίκτυπο στην εξάπλωσή τους στο νερό. Παρατηρώντας τις δύο εικόνες του δορυφόρου από την ίδια μέρα, σε διαφορετική όμως ώρα (11:25 και 13:00 αντίστοιχα) βλέπουμε ότι η κατανομή των φυκών είναι πολύ διαφορετική εξαιτίας των διαφορετικών καιρικών συνθηκών.
Το μοντέλο της τηλε-παρακολούθησης των εξάρσεων των φυκών δημιουργήθηκε για να παρουσιάσει την ποσότητα, την ταχύτητα και την εξάπλωση των κυττάτων του φυτοπλαγκτού με βάση τα δεδομένα του MODIS. Ειδικά, η μοντελοποίηση των υδρολογικών και περιβαλλοντικών διεργασιών και οι μεσο- και μακροπρόθεσμοι καιρικοί παράγοντες, σε συνδυασμό με την παρακολούθηση, τη διαχείριση και τον έλεγχο απαιτούν μεγάλη ποσότητα δεδομένων και πληροφοριών, διαφορετικά μοντέλα και τεχνικές, με ταχύτητα και ακρίβεια. Όλα αυτά μπορούν να ενσωματωθούν στο μοντέλο.

[[category:Εντοπισμός συγκεντρώσεων από επιφανειακά άλγη]]

Δημιουργία μοντέλου πρόβλεψης των δυναμικών εξάρσεων των φυκών με τη χρήση τηλεπισκόπησης

2010-02-09T18:28:42Z

Angelica-roma:

The modeling for dynamic algae blooms prediction based on remote sensing, WEI Qingyu, JIANG Nanb, LU Hengc, HU Binb, http://www.isprs.org/congresses/beijing2008/proceedings/4_pdf/270.pdf

Αντικείμενο της εφαρμογής

Τα κυανοβακτήρια και ο ευτροφισμός των λιμνών στην Κίνα είναι ένα από τα μεγαλύτερα περιβαλλοντικά προβλήματα της περιοχής, ενώ ο έλεγχος του ευτροφισμού συγκεντρώνει την παγκόσμια ανησυχία. Η λίμνη Taihu βρίσκεται ανάμεσα στις επαρχίες Jiangsu και Zhejiang, και με μέσο βάθος 1,89m και επιφάνεια 2.338km2 αποτελεί την τρίτη μεγαλύτερη λίμνη της χώρας. Η περιοχή είναι οικονομικά αναπτυσσόμενη και συγκεντρώνει μεγάλη τουριστική κίνηση, γεγονός που οδηγεί σε σημειακές απορρίψεις ρύπων και στη δημιουργία εστιών ρύπανσης.
Ο ευτροφισμός της λίμνης Taihu είναι ο κύριος λόγος της περιβαλλοντικής κρίσης ολόκληρης της περιοχής. Ο αριθμός των κυανοβακτηρίων αυξάνεται με τάχιστους ρυθμούς, ειδικά σε περιόδους υψηλών θερμοκρασιών. Η υποβάθμιση της ποιότητας του νερού επηρεάζει την παρακείμενη πόλη Waxi, τα αποθέματα νερού τις οποίας εξαρτώνται άμεσα από τη λίμνη. Το 2007, σε μια έκρηξη της ποσότητας των κυανοβακτηρίων, διαταράχτηκε η ισορροπία του οικοσυστήματος, μειώθηκαν τα αποθέματα αλιείας και επλήγησαν οι υδατοκαλλιέργειες. Επιπλέον, έρευνες έδειξαν ότι η τοξίνη που παράγεται από τον κύριο πληθυσμό κυανοβακτηρίων (Microcystis), μπορεί να προξενήσει βλάβες στο συκώτι και καρκίνο στους ανθρώπους.

Στόχος της εφαρμογής

Η χρήση της τηλεπισκόπησης στην ανίχνευση των κυανοβακτηρίων του νερού πλεονεκτεί έναντι άλλων μεθόδων, καθώς όχι μόνο μπορεί να παρέχει γρήγορα την κατανομή του νερού ολόκληρης της λίμνης ως όλον, αλλά μπορεί και να εγκαθιδρύσει ένα διαρκές σύστημα παρακολούθησης της συγκέντρωσης των κυανοβακτηρίων (Chang, 2004). Παράλληλα, με τη βοήθεια τηλεπισκοπικών εικόνων κυανοβακτηρίων από δορυφόρους υψηλής διακριτικής ικανότητας μπορεί να ανιχνευθεί η βιοχημική επιρροή της αύξησής τους στο οικοσύστημα. Επιπλέον, η τηλεπισκόπηση μπορεί να παρέχει την επιστημονική βάση για τον έλεγχο των κυανοβακτηρίων, καθώς είχε προσφέρει αποτελεσματικά και οικονομικά εργαλεία για τον έλεγχο της ποιότητας του νερού που βρίσκεται στην ηπειρωτική χώρα (Krawczyk, 2003; Kutser, 2006).

Είδη δορυφορικών συστημάτων

Η μελέτη αυτή βασίζεται στις πηγές τηλεπισκόπισης MODIS. Οι αισθητήρες MODIS βρίσκονται στους δορυφόρους Terra και Aqua, οι οποίοι έχουν πλεονεκτήματα όπως το χαμηλό κόστος, το μεγάλο εύρος κάλυψης ή τον εύκολο χειρισμό για την παρακολούθηση των φυσικών καταστροφών, κτλ. Είναι ορατοί στο θερμικό υπέρυθρο φάσμα των 36 καναλιών, με διακριτική ικανότητα 250m ~ 1000m. Τα δεδομένα MODIS παίζουν έναν πολύ σημαντικό ρόλο στην παρακολούθηση των λιμνών της ηπειρωτικής χώρας (Bowers, 2001; Nezlin, 1999).
Το μοντέλο πρόγνωσης που εφαρμόζεται σ’ αυτή την έρευνα επικεντρώνεται στον έλεγχο της κατάστασης του υδάτινου όγκου της λίμνης Taihu, που βασίζεται στις εικόνες MODIS. Ο MODIS είναι ένας εγκάρσιος ραδιομετρικός σαρωτής με 36 φασματικά κανάλια: 29 με διαστάσεις εικονοστοιχείου 1km (στο ναδίρ), 5 με διαστάσεις 500m και 2 με διαστάσεις 250m. Ως πηγή δεδομένων των εξάρσεων φυτοπλαγκτού, υπολογίζει τη συγκέντρωση της χλωροφύλλης-α, με κανονικοποίηση βασισμένη σε δεδομένα που συλλέχθηκαν από το πεδίο.

[[Εικόνα:bloom1.jpg|thumb|right|Πλάνο του μοντέλου δυναμικής πρόγνωσης της έκρηξης των φυκών]]

Γεωμετρική διόρθωση

Η γεωμετρική διόρθωση χρησιμοποιεί την εκτίμηση Geographic Lat/Lon, σημείο αναφοράς για WGS-84. Η διόρθωση βασίζεται στις εγγενείς Lat/Lon πληροφορίες των δεδομένων 1Β του MODIS και εκτιμάται αυτόματα από το ENVI για διόρθωση της γεωμετρίας.

Ραδιομετρική βαθμονόμηση

Η τιμή της ακτινοβολίας πάνω στον αισθητήρα μπορεί να υπολογιστεί με ραδιομετρική βαθμονόμηση των δεδομένων της εικόνας στα μεταδεδομένα που έχουν εγγραφεί σε κάθε κανάλι.

[[Εικόνα:bloom2.jpg|thumb|right|Η εξάπλωση της χλωροφύλλης-α στη λίμνη Taihu στις 18 Απριλίου του 2008]]

Ατμοσφαιρική διόρθωση

Η μελέτη αυτή χρησιμοποίησε μια προσέγγιση βασισμένη στις εικόνες για την ατμοσφαιρική διόρθωση. Η μέθοδος έγκειται στην αποκοπή του μικρότερου άκρου του ιστογράμματος. Η βασική ιδέα είναι ότι μια εικόνα μπορεί πάντα να βρεθεί με έναν ή περισσότερους τύπους χαρακτηριστικών, των οποίων η ακτινοβολία ή η ανακλαστικότητα να είναι κοντά στο μηδέν. Έτσι η αντίστοιχη τοποθεσία των τιμών φωτεινότητας των εικονοστοιχείων στην εικόνα πρέπει να είναι η ίδια. Έχει μετρηθεί, όμως, ότι οι περιοχές αυτές στη φωτεινότητα των εικονοστοιχείων δεν είναι μηδέν. Η τιμή αυτή πρέπει να είναι στην ατμόσφαιρα και οδηγεί στη διασκόρπιση της τιμής της ακτινοβολίας.

[[Εικόνα:bloom3.jpg|thumb|right|Η εξάπλωση της χλωροφύλλης-α στη λίμνη Taihu στις 18 Απριλίου του 2008]]

Μοντέλο βασισμένο στα φασματικά χαρακτηριστικά της παρακολούθησης

Ως δείκτης χρησιμοποιήθηκε το γένος Microcystis που ανήκει στις μικροκυστίνες (κυανοφύκη). Για να παρατηρηθεί αν μπορεί να χρησιμοποιηθεί στα υπέρυθρα μήκη κύματος, αναπτύχθηκαν δύο παραμετρικές εξισώσεις για το φάσμα των μικροκυστινών στα 550 και 710nm. Παρατηρήθηκαν δύο εμφανή μέγιστα ανάκλασης και απορρόφησης στα 440 και 670nm. Συγκεκριμένα για το Microcystis, παρατηρείται ένα μέγιστο απορρόφησης κοντά στα 620nm, μοναδικό για το γένος. Τα μοναδικά αυτά φασματικά χαρακτηριστικά τους, κάνουν εφικτή τη μέτρηση της συγκέντρωσής τους με τη χρήση τηλεπισκόπησης. Στην εικόνα φαίνεται το μοντέλο της δυναμικής πρόβλεψης της έκρηξης των φυκών. Για την ολοκλήρωση του μοντέλου απαιτήθηκαν επίσης μελέτες στο πεδίο και το εργαστήριο.

Μοντέλο βασισμένο στην πρόβλεψη των καιρικών συνθηκών

Η θερμοκρασία και το φως παίζουν σημαντικό ρόλο στην αύξηση των φυκών, ενώ η κατεύθυνση και η ταχύτητα του ανέμου έχουν άμεσο αντίκτυπο στην εξάπλωσή τους στο νερό. Παρατηρώντας τις δύο εικόνες του δορυφόρου από την ίδια μέρα, σε διαφορετική όμως ώρα (11:25 και 13:00 αντίστοιχα) βλέπουμε ότι η κατανομή των φυκών είναι πολύ διαφορετική εξαιτίας των διαφορετικών καιρικών συνθηκών.
Το μοντέλο της τηλε-παρακολούθησης των εξάρσεων των φυκών δημιουργήθηκε για να παρουσιάσει την ποσότητα, την ταχύτητα και την εξάπλωση των κυττάτων του φυτοπλαγκτού με βάση τα δεδομένα του MODIS. Ειδικά, η μοντελοποίηση των υδρολογικών και περιβαλλοντικών διεργασιών και οι μεσο- και μακροπρόθεσμοι καιρικοί παράγοντες, σε συνδυασμό με την παρακολούθηση, τη διαχείριση και τον έλεγχο απαιτούν μεγάλη ποσότητα δεδομένων και πληροφοριών, διαφορετικά μοντέλα και τεχνικές, με ταχύτητα και ακρίβεια. Όλα αυτά μπορούν να ενσωματωθούν στο μοντέλο.

[[category:Εντοπισμός συγκεντρώσεων από επιφανειακά άλγη]]

Δημιουργία μοντέλου πρόβλεψης των δυναμικών εξάρσεων των φυκών με τη χρήση τηλεπισκόπησης

2010-02-09T18:17:08Z

Angelica-roma: New page: Αντικείμενο της εφαρμογής Τα κυανοβακτήρια και ο ευτροφισμός των λιμνών στην Κίνα είναι ένα από τα με...

Αντικείμενο της εφαρμογής

Τα κυανοβακτήρια και ο ευτροφισμός των λιμνών στην Κίνα είναι ένα από τα μεγαλύτερα περιβαλλοντικά προβλήματα της περιοχής, ενώ ο έλεγχος του ευτροφισμού συγκεντρώνει την παγκόσμια ανησυχία. Η λίμνη Taihu βρίσκεται ανάμεσα στις επαρχίες Jiangsu και Zhejiang, και με μέσο βάθος 1,89m και επιφάνεια 2.338km2 αποτελεί την τρίτη μεγαλύτερη λίμνη της χώρας. Η περιοχή είναι οικονομικά αναπτυσσόμενη και συγκεντρώνει μεγάλη τουριστική κίνηση, γεγονός που οδηγεί σε σημειακές απορρίψεις ρύπων και στη δημιουργία εστιών ρύπανσης.
Ο ευτροφισμός της λίμνης Taihu είναι ο κύριος λόγος της περιβαλλοντικής κρίσης ολόκληρης της περιοχής. Ο αριθμός των κυανοβακτηρίων αυξάνεται με τάχιστους ρυθμούς, ειδικά σε περιόδους υψηλών θερμοκρασιών. Η υποβάθμιση της ποιότητας του νερού επηρεάζει την παρακείμενη πόλη Waxi, τα αποθέματα νερού τις οποίας εξαρτώνται άμεσα από τη λίμνη. Το 2007, σε μια έκρηξη της ποσότητας των κυανοβακτηρίων, διαταράχτηκε η ισορροπία του οικοσυστήματος, μειώθηκαν τα αποθέματα αλιείας και επλήγησαν οι υδατοκαλλιέργειες. Επιπλέον, έρευνες έδειξαν ότι η τοξίνη που παράγεται από τον κύριο πληθυσμό κυανοβακτηρίων (Microcystis), μπορεί να προξενήσει βλάβες στο συκώτι και καρκίνο στους ανθρώπους.

Στόχος της εφαρμογής

Η χρήση της τηλεπισκόπησης στην ανίχνευση των κυανοβακτηρίων του νερού πλεονεκτεί έναντι άλλων μεθόδων, καθώς όχι μόνο μπορεί να παρέχει γρήγορα την κατανομή του νερού ολόκληρης της λίμνης ως όλον, αλλά μπορεί και να εγκαθιδρύσει ένα διαρκές σύστημα παρακολούθησης της συγκέντρωσης των κυανοβακτηρίων (Chang, 2004). Παράλληλα, με τη βοήθεια τηλεπισκοπικών εικόνων κυανοβακτηρίων από δορυφόρους υψηλής διακριτικής ικανότητας μπορεί να ανιχνευθεί η βιοχημική επιρροή της αύξησής τους στο οικοσύστημα. Επιπλέον, η τηλεπισκόπηση μπορεί να παρέχει την επιστημονική βάση για τον έλεγχο των κυανοβακτηρίων, καθώς είχε προσφέρει αποτελεσματικά και οικονομικά εργαλεία για τον έλεγχο της ποιότητας του νερού που βρίσκεται στην ηπειρωτική χώρα (Krawczyk, 2003; Kutser, 2006).

Είδη δορυφορικών συστημάτων

Η μελέτη αυτή βασίζεται στις πηγές τηλεπισκόπισης MODIS. Οι αισθητήρες MODIS βρίσκονται στους δορυφόρους Terra και Aqua, οι οποίοι έχουν πλεονεκτήματα όπως το χαμηλό κόστος, το μεγάλο εύρος κάλυψης ή τον εύκολο χειρισμό για την παρακολούθηση των φυσικών καταστροφών, κτλ. Είναι ορατοί στο θερμικό υπέρυθρο φάσμα των 36 καναλιών, με διακριτική ικανότητα 250m ~ 1000m. Τα δεδομένα MODIS παίζουν έναν πολύ σημαντικό ρόλο στην παρακολούθηση των λιμνών της ηπειρωτικής χώρας (Bowers, 2001; Nezlin, 1999).
Το μοντέλο πρόγνωσης που εφαρμόζεται σ’ αυτή την έρευνα επικεντρώνεται στον έλεγχο της κατάστασης του υδάτινου όγκου της λίμνης Taihu, που βασίζεται στις εικόνες MODIS. Ο MODIS είναι ένας εγκάρσιος ραδιομετρικός σαρωτής με 36 φασματικά κανάλια: 29 με διαστάσεις εικονοστοιχείου 1km (στο ναδίρ), 5 με διαστάσεις 500m και 2 με διαστάσεις 250m. Ως πηγή δεδομένων των εξάρσεων φυτοπλαγκτού, υπολογίζει τη συγκέντρωση της χλωροφύλλης-α, με κανονικοποίηση βασισμένη σε δεδομένα που συλλέχθηκαν από το πεδίο.

Γεωμετρική διόρθωση

Η γεωμετρική διόρθωση χρησιμοποιεί την εκτίμηση Geographic Lat/Lon, σημείο αναφοράς για WGS-84. Η διόρθωση βασίζεται στις εγγενείς Lat/Lon πληροφορίες των δεδομένων 1Β του MODIS και εκτιμάται αυτόματα από το ENVI για διόρθωση της γεωμετρίας.

Ραδιομετρική βαθμονόμηση

Η τιμή της ακτινοβολίας πάνω στον αισθητήρα μπορεί να υπολογιστεί με ραδιομετρική βαθμονόμηση των δεδομένων της εικόνας στα μεταδεδομένα που έχουν εγγραφεί σε κάθε κανάλι.

Ατμοσφαιρική διόρθωση

Η μελέτη αυτή χρησιμοποίησε μια προσέγγιση βασισμένη στις εικόνες για την ατμοσφαιρική διόρθωση. Η μέθοδος έγκειται στην αποκοπή του μικρότερου άκρου του ιστογράμματος. Η βασική ιδέα είναι ότι μια εικόνα μπορεί πάντα να βρεθεί με έναν ή περισσότερους τύπους χαρακτηριστικών, των οποίων η ακτινοβολία ή η ανακλαστικότητα να είναι κοντά στο μηδέν. Έτσι η αντίστοιχη τοποθεσία των τιμών φωτεινότητας των εικονοστοιχείων στην εικόνα πρέπει να είναι η ίδια. Έχει μετρηθεί, όμως, ότι οι περιοχές αυτές στη φωτεινότητα των εικονοστοιχείων δεν είναι μηδέν. Η τιμή αυτή πρέπει να είναι στην ατμόσφαιρα και οδηγεί στη διασκόρπιση της τιμής της ακτινοβολίας.

Μοντέλο βασισμένο στα φασματικά χαρακτηριστικά της παρακολούθησης

Ως δείκτης χρησιμοποιήθηκε το γένος Microcystis που ανήκει στις μικροκυστίνες (κυανοφύκη). Για να παρατηρηθεί αν μπορεί να χρησιμοποιηθεί στα υπέρυθρα μήκη κύματος, αναπτύχθηκαν δύο παραμετρικές εξισώσεις για το φάσμα των μικροκυστινών στα 550 και 710nm. Παρατηρήθηκαν δύο εμφανή μέγιστα ανάκλασης και απορρόφησης στα 440 και 670nm. Συγκεκριμένα για το Microcystis, παρατηρείται ένα μέγιστο απορρόφησης κοντά στα 620nm, μοναδικό για το γένος. Τα μοναδικά αυτά φασματικά χαρακτηριστικά τους, κάνουν εφικτή τη μέτρηση της συγκέντρωσής τους με τη χρήση τηλεπισκόπησης. Στην εικόνα φαίνεται το μοντέλο της δυναμικής πρόβλεψης της έκρηξης των φυκών. Για την ολοκλήρωση του μοντέλου απαιτήθηκαν επίσης μελέτες στο πεδίο και το εργαστήριο.

Μοντέλο βασισμένο στην πρόβλεψη των καιρικών συνθηκών

Η θερμοκρασία και το φως παίζουν σημαντικό ρόλο στην αύξηση των φυκών, ενώ η κατεύθυνση και η ταχύτητα του ανέμου έχουν άμεσο αντίκτυπο στην εξάπλωσή τους στο νερό. Παρατηρώντας τις δύο εικόνες του δορυφόρου από την ίδια μέρα, σε διαφορετική όμως ώρα (11:25 και 13:00 αντίστοιχα) βλέπουμε ότι η κατανομή των φυκών είναι πολύ διαφορετική εξαιτίας των διαφορετικών καιρικών συνθηκών.
Το μοντέλο της τηλε-παρακολούθησης των εξάρσεων των φυκών δημιουργήθηκε για να παρουσιάσει την ποσότητα, την ταχύτητα και την εξάπλωση των κυττάτων του φυτοπλαγκτού με βάση τα δεδομένα του MODIS. Ειδικά, η μοντελοποίηση των υδρολογικών και περιβαλλοντικών διεργασιών και οι μεσο- και μακροπρόθεσμοι καιρικοί παράγοντες, σε συνδυασμό με την παρακολούθηση, τη διαχείριση και τον έλεγχο απαιτούν μεγάλη ποσότητα δεδομένων και πληροφοριών, διαφορετικά μοντέλα και τεχνικές, με ταχύτητα και ακρίβεια. Όλα αυτά μπορούν να ενσωματωθούν στο μοντέλο.

[[category:Εντοπισμός συγκεντρώσεων από επιφανειακά άλγη]]

Αγγελική Κουρουζίδου

2010-02-09T18:13:51Z

Angelica-roma:

* [[Διαχείριση βιοποικιλότητας κάνοντας χρήση δεδομένων τηλεπισκόπησης και ΓΣΠ: Η περίπτωση μελέτης του Εθνικού Πάρκου της Digya, Γκάνα]]

* [[Μοντέλο ενδιαιτημάτων και βιοποικιλότητας βασισμένο στην τηλεπισκόπηση και στα ΓΣΠ, στο οικοσύστημα Greater Yellowstone, ΗΠΑ]]

* [[Εφαρμογή της τηλεπισκόπησης και των ΓΣΠ στον προγραμματισμό της μείωσης των πλημμυρικών επιπτώσεων στην περιοχή Munshiganj, Μπαγκλαντές]]

* [[Δυναμική διαταραγμένων οικοσυστημάτων στην περιοχή της Αράλης, χρησιμοποιώντας μεθόδους τηλεπισκόπησης και ΓΣΠ]]

* [[Αξιολόγηση του λιμναίου ευτροφισμού με τη χρήση δεδομένων του ενισχυμένου θεματικού χαρτογράφου στο Wuhan, Κίνα]]

* [[Δείκτες δασικής βιοποικιλότητας στις κολομβιανές Άνδεις]]

* [[Υπερφασματική τηλεπισκόπηση των παραμέτρων της υδατικής ποιότητας των μεγάλων ποταμών στη λεκάνη του ποταμού Ohio, ΗΠΑ]]

* [[Αναγνώριση και ποσοτικοποίηση των αλλαγών στα μαγκρόβια δάση χρησιμοποιώντας τηλεπισκόπηση, η περίπτωση της Kakinada Bay, Ινδία]]

* [[Η εδαφική καταλληλότητα της φυσικής βλάστησης με τη χρήση τηλεπισκόπησης και ΓΣΠ]]

* [[Η χρήση της τηλεπισκόπησης για την ολοκληρωμένη διαχείριση των υδατικών πόρων: παραδείγματα από τη Βουλγαρία]]

* [[Τηλεπισκόπηση της λειτουργίας του ημίξηρου οικοσυστήματος της ανώτερης λεκάνης του ποταμού San Pedro, Αριζόνα]]

* [[Ο ρόλος κλειδί της τηλεπισκόπησης στην αξιολόγηση περιβαλλοντικών ζητημάτων που τίθενται από την εξόρυξη]]

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

Ο ρόλος κλειδί της τηλεπισκόπησης στην αξιολόγηση περιβαλλοντικών ζητημάτων που τίθενται από την εξόρυξη

2010-02-09T18:13:06Z

Angelica-roma:

The key roles of remote sensing techniques for evaluating environmental issues posed by mining: a case study, Yanhua Liu, Jinde Zhang, http://www.isprs.org/congresses/beijing2008/proceedings/8_pdf/12_WG-VIII-12/05.pdf

Αντικείμενο και στόχος της εφαρμογής

Η ταχεία οικονομική ανάπτυξη και η συνεχιζόμενη αύξηση του πληθυσμού τα τελευταία τριάντα χρόνια στην Κίνα έχουν κάνει επιτακτική την ανάγκη της αντιμετώπισης των περιβαλλοντικών προβλημάτων που έχουν προκύψει από την ανθρώπινη μεταλλευτική δραστηριότητα. Για την αντιμετώπισή τους και την επίτευξη της βιώσιμης ανάπτυξης, οι συγγραφείς του άρθρου προτείνουν μια στρατηγική τριών βημάτων. Πρώτον γίνεται προσπάθεια απόκτησης ακριβών πληροφοριών για τα περιβαλλοντικά προβλήματα με τη διεξαγωγή μιας γεω-περιβαλλοντικής έρευνας. Δεύτερον, δημιουργείται ένα λεπτομερές πλάνο επιδιόρθωσης και ένα αντίστοιχο σχέδιο – βάση επένδυσης στην παρούσα περιβαλλοντική κατάσταση, βασισμένο σε ποσοτικά δεδομένα. Τέλος, ξεκινάει η επιδιορθωτική δουλειά σε συνδυασμό με ένα μακροχρόνιο ελεγκτικό μηχανισμό για τη διατήρηση της καλής κατάστασης στις περιοχές των ορυχείων. Τα βασικά δεδομένα για τις περιβαλλοντικές πληροφορίες πρέπει να συλλεχθούν έγκαιρα για τη δημιουργία μιας βάσης δεδομένων για εύκολη αποθήκευση και χρήση. Η σύνθεση της τεχνικής της τηλεπισκόπησης και της συμβατικής δουλειάς στο πεδίο είναι μια αποτελεσματική προσέγγιση για την απόκτηση αυτών των δεδομένων. Στην έρευνα αυτή γίνεται μελέτη του ρόλου των υψηλής ανάλυσης δορυφορικών εικόνων και του αντίστοιχου λογισμικού επεξεργασίας των δεδομένων, καθώς και προτάσεις για τη βελτίωσή τους για μελλοντική χρήση.

[[Εικόνα:key1.jpg|thumb|right|Διάγραμμα της επεξεργασίας των δεδομένων]]

Περιοχή μελέτης

Η περιοχή μελέτης βρίσκεται στη βορειοανατολική Κίνα, κοντά στην πόλη Liaoyuan, σημαντική βιομηχανική περιοχή. Η μεταλλευτική δραστηριότητα χρονολογείται από το 1911 ενώ απαντώνται 33 τύποι ορυκτών, μεταξύ των οποίων άνθρακας, σίδηρος, μαγγάνιο, χρυσός, μάρμαρο, σιλικόνη, ασβεστόλιθος, κτλ.

[[Εικόνα:key2.jpg|thumb|right|Η γεωκωδικοποιημένη εικόνα για την περιοχή μελέτης]]

Προεπεξεργασία δεδομένων

Τα ανεπεξέργαστα δεδομένα των εικόνων συμπεριλαμβάνουν μια spot5 2,5m PA εικόνα and τρεις spot5 10m XS εικόνες και μπορούν να μετατραπούν σε μια έγχρωμη γεωκωδική ορθο-εικόνα, η οποία μπορεί να χρησιμοποιηθεί για την εξαγωγή βασικών περιβαλλοντικών δεδομένων σε δύο κύρια βήματα: συγχώνευση εικόνων και γεωκωδικοποίηση.
Όλη η πορεία επεξεργασίας των δεδομένων παρέχεται εύκολα από το σύστημα επεξεργασίας δεδομένων τηλεπισκόπισης ERDAS IMAGINE 8.5. Οι πρωτότυπες εικόνες αρχικά ενισχύονται ραδιομετρικά. Έπειτα, εφαρμόζοντας το πρωτόκολλο του συνθέτου RGB, οι τρεις 10m XS εικόνες, μετατρέπονται σε μια έγχρωμη εικόνα 10m. Σ’ αυτή τη φάση, μπορεί να ξεκινήσει το πρώτο βήμα της κυρίως επεξεργασίας, το οποίο περιλαμβάνει τη σύνδεση της 2,5m PA εικόνας και της 10m έγχρωμης XS εικόνας σε μια έγχρωμη 2,5m εικόνα. Μια από τις τεχνικές κλειδιά για τη συγχώνευση εικόνων, είναι η διόρθωση της XS εικόνας με βάση την PA εικόνα και τέλος, η εκτέλεση ενός αλγορίθμου συγχώνευσης, που ονομάζεται ανάλυση κυρίων συνιστωσών, για την ολοκλήρωση αυτού του βήματος.
Τα GCPs (ground control points, σημεία ελέγχου εδάφους) και DEM (digital elevation model, ψηφιακό μοντέλο εδάφους) είναι δύο προαπαιτούμενα δεδομένα εισόδου για τη διαδικασία γεωκωδικωποίησης των εικόνων. Τα GCPs μπορούν να επιλέξουν απευθείας από ένα χάρτη αναγλύφου κλίμακας 1:50.000 και το DEM μπορεί να δημιουργηθεί με την ψηφιοποίηση του περιγράμματος στον ίδιο χάρτη αναγλύφου. Το DEM που φαίνεται στην εικόνα είναι, επίσης, σημαντική πληροφορία για την αξιολόγηση του γεω-περιβάλλοντος, καθώς δεν είναι απλά έλεγχος της κίνησης του νερού που βρίσκεται κοντά στην επιφάνεια, αλλά μπορεί να επηρεάσει το τοπικό κλίμα.
Η γεωκωδικοποίηση είναι ένα ακόμα σημαντικό στοιχείο της επεξεργασίας. Στο βήμα αυτό η γεωμετρική αλλοίωση των δορυφορικών εικόνων μπορεί να διορθωθεί ώστε να λάβουμε την τελική ορθο-εικόνα, και κάθε εικονοστοιχείο της ορθο-εικόνας μπορεί να σχετιστεί με τις αντίστοιχες γεωγραφικές συνεταγμένες την ίδια στιγμή. Ένας διορθωμένος πολυωνυμικός αλγόριθμος, που λαμβάνει υπόψιν του τους πολύπλοκους παράγοντες του εδάφους, επιλέγεται για να εκτελέσει αυτό το βήμα.

[[Εικόνα:key3.jpg|thumb|right|Σωροί άνθρακα δίπλα σε δρόμους και κτήρια]]

Αναβάθμιση των διανυσματικών δεδομένων των παλιών χαρτών

Τα διανυσματικά δεδομένα παλιών χαρτών που έχουμε στη διάθεσή μας, τα οποία περιλαμβάνουν δρόμους, νερά, βλάστηση, χρήσεις γης, τοπογραφία, κτλ, είναι πολύ σημαντικά για την αξιολόγηση των περιβαλλοντικών συνθηκών της περιοχής μελέτης. Παρ’ όλ’ αυτά δεν μπορούν να χρησιμοποιηθούν απευθείας καθώς παύουν να είναι σύγχρονα λόγω της ταχείας οικονομικής ανάπτυξης. Έτσι, πρέπει να αναβαθμιστούν με βάση τη νέα ορθο-εικόνα. Από όλα τα δεδομένα, εξέχουσας σημασίας είναι αυτά που αφορούν στους υδάτινους αποδέκτες, καθώς η ρύπανση από τα ορυχεία στα παρακείμενα ύδατα είναι σημαντική και μεταφέρεται στις γύρω περιοχές μέσω της κίνησης του νερού.

[[Εικόνα:key4.jpg|thumb|right|Κύριο πλαίσιο για τη διαχείριση των δεδομένων]]

Βασικά δεδομένα για την κατάσταση του περιβάλλοντος λόγω των δραστηριοτήτων εξόρυξης

Τα βασικά δεδομένα που απαιτούνται για την εκτίμηση του περιβάλλοντος σε περιοχές εξόρυξης συνήθως περιλαμβάνουν την τοποθεσία των εστιών μόλυνσης και τις περιοχές που επηρεάζονται από τις εστίες αυτές. Κάποια από αυτά τα δεδομένα μπορούν να ληφθούν από τις γεωκωδικοποιημένες δορυφορικές εικόνες, ενώ τα υπόλοιπα από συγχώνευση δορυφορικών εικόνων και εργασίας πεδίου.
Το μαύρο χρώμα είναι ένα εμφανές χαρακτηριστικό του άνθρακα. Για το λόγο αυτό, μια μεγάλη ποσότητα ρύπανσης που οφείλεται στον άνθρακα που εξορύσσεται, μπορεί να ανιχνευτεί εύκολα από τις εικόνες. Σε κάποια ορυχεία, ο άνθρακας ή τα μέταλλα είναι υπαίθριας εκμετάλλευσης. Στις περιπτώσεις αυτές, μετά το τέλος της εξόρυξης, παραμένει ένας μεγάλος σωρός, καταστρέφοντας σημαντική ποσότητα εδάφους χρήσιμου στη γεωργία. Στα μεταλλεία, υπάρχει συνήθως μια δεξαμενή, η οποία χρησιμεύει στο διαχωρισμό των μεταλλευμάτων μεταξύ τους και αποτελεί ακόμα μία πηγή ρύπανσης, εύκολα ανιχνεύσιμη από το μαύρο της χρώμα.
Λόγω περιορισμού των τεχνικών εργαλείων, υπάρχουν κάποια βασικά δεδομένα που αντανακλούν την κατάσταση του γεωλογικού περιβάλλοντος λόγω των ορυχείων, όπως η καθίζηση, η υποχώρηση και οι ρωγμές του εδάφους, τα οποία, αν και σημαντικά, δεν μπορούν να ανιχνευθούν στις δορυφορικές εικόνες. Στην περίπτωση αυτή, απαιτείται εργασία στο πεδίο για την απόκτησή τους, χρησιμοποιώντας τις δορυφορικές εικόνες ως πρόσθετη βοήθεια, που θα υποδεικνύει τις πιθανές πηγές ρύπανσης.

[[Εικόνα:key5.jpg|thumb|right|Η είσοδοι του ορυχείου για την εξόρυξη άνθρακα]]

Κύριο πλαίσιο διαχείρισης των δεδομένων

Η συλλογή των βασικών δεδομένων είναι το πρώτο βήμα αξιολόγησης και ελέγχου της κατάστασης του γεωλογικού περιβάλλοντος που προκαλείται από τα ορυχεία. Έπειτα τα δεδομένα αυτά πρέπει να αναλυθούν ώστε να δημιουργηθούν μοντέλα της υπάρχουσας κατάστασης. Έτσι, δημιουργείται μια πορεία τριών σταδίων για περαιτέρω διαχείριση και ανάλυση των δεδομένων.
Στο πρώτο στάδιο, επιλέγεται ένα λογισμικό, όπως τα ERDAS ή ENVI, για να ερμηνεύσει τη γεωκωδικοποιημένη εικόνα ή τα δεδομένα από την εργασία πεδίου. Τα ληφθέντα διανυσματικά δεδομένα ταξινομούνται με βάση διαφορετικούς κανόνες. Ένας κανόνας είναι τα γεωμετρικά χαρακτηριστικά των δεδομένων, όπως τα σημεία, οι γραμμές και τα πολύγωνα. Ένας άλλος κανόνας αφορά στα φυσικά χαρακτηριστικά των δεδομένων, όπως η τοπογραφία, η επιφάνεια του νερού, η υποχώρηση του εδάφους, κτλ. Σε όλα τα δεδομένα προσδιορίζονται οι πληροφορίες της τοποθεσίας τους και φορτώνονται σε ένα σύστημα γεωδιαστημικής βάσης δεδομένων.
Στο δεύτερο βήμα, δημιουργείται η γεωδιαστημική βάση δεδομένων σε περιβάλλον ΓΣΠ. Τα ΓΣΠ, όπως το ArcGIS, αποτελούν ένα ισχυρό εργαλείο αποθήκευσης και διαχείρισης μεγάλης ποσότητας γεω-δεδομένων. Όλα τα διανυσματικά δεδομένα που προέρχονται από το πρώτο βήμα πρέπει να οργανωθούν ως διαφορετικά επίπεδα ΓΣΠ, ανάλογα με τα χαρακτηριστικά τους και να φορτωθούν στη βάση. Το σύστημα της βάσης είναι επίσης εφοδιασμένο με εργαλεία ανάπτυξης που χρησιμοποιούνται στη δημιουργία ενοτήτων στο τρίτο βήμα.
Στο βήμα αυτό διακρίνουμε δύο σημαντικές ενότητες: την ενότητα εκτίμησης και την ενότητα ελέγχου. Οι ενότητες αυτές αποτελούν ισχυρά εργαλεία για την οπτικοποίηση και τη χαρτογράφηση της κατάστασης του περιβάλλοντος. Η ενότητα εκτίμησης δίνει έμφαση στην ανάπτυξη ποσοτικών μοντέλων για την απόκτηση μιας ολοκληρωμένης οπτικής της κατάστασης του περιβάλλοντος ώστε να δημιουργηθεί ένα σχέδιο ανάκαμψης. Αντίθετα η ενότητα ελέγχου δίνει περισσότερη προσοχή στην προσφορά ποικίλων πληροφοριών συγκεκριμένων σημαντικών παραμέτρων που είναι ευαίσθητοι στις περιβαλλοντικές αλλαγές, έτσι ώστε η υποβάθμιση του περιβάλλοντος να ανιχνευτεί και να περιοριστεί έγκαιρα.

Συμπεράσματα

Για την αντιμετώπιση της ρύπανσης που προκαλείται από τα ορυχεία, απαιτείται η ανίχνευση και ο έλεγχος της υπάρχουσας περιβαλλοντικής κατάστασης. Στο σημείο αυτό, είδαμε ότι η τηλεπισκόπηση παίζει πολύ σημαντικό ρόλο, που χωρίζεται σε τρεις τομείς. Πρώτον, τα παλιά διανυσματικά δεδομένα μπορούν να αναβαθμιστούν και μερικά βασικά δεδομένα για το γεωλογικό περιβάλλον μπορούν να αποκτηθούν απευθείας από υψηλής ακρίβειας δορυφορικές εικόνες. Δεύτερον, οι δορυφορικές εικόνες μπορούν να χρησιμοποιηθούν ως βοηθητικό εργαλείο στην έρευνα πεδίου. Τέλος, όλα τα δεδομένα μπορούν να εφοδιαστούν με γεωγραφικές συντεταγμένες και να φορτωθούν εύκολα σε ένα γεω-διαστημικό σύστημα εφοδιασμένο με εργαλεία για την οπτικοποίηση, τον έλεγχο και την ανάλυση των δεδομένων.
Οι εικόνες της τηλεπισκόπησης μπορούν αναμφίβολα να παρέχουν πολύτιμες πληροφορίες για το γεωλογικό περιβάλλον και ο τελικός στόχος της μελέτης αυτής είναι η αξιολόγηση και ο έλεγχος της κατάστασης του γεωλογικού περιβάλλοντος στα μεγάλα ορυχεία της Κίνας. Προς το παρόν, μόνο ένα αρχικό σχέδιο έχει δημιουργηθεί και μόνο μια μικρή περιοχή έχει ερευνηθεί σύμφωνα με αυτές τις τεχνικές. Περαιτέρω μελέτη χρειάζεται για την επίτευξη του στόχου. Το επόμενο βήμα της έρευνας απαιτεί τη χρήση τεχνικών εργαλείων που θα περιλαμβάνουν τηλεπισκοπικές εικόνες διαφορετικών πηγών ή διαχωριστικών ικανοτήτων, όπως αεροφωτογραφίες, δορυφορικές εικόνες ή εικόνες SAR, για την απόκτηση πληροφοριών αποτελεσματικά και με ακρίβεια. Εν τω μεταξύ, μια επιπλέον σημαντική εργασία που πρέπει να διενεργηθεί είναι η δημιουργία ποσοτικών μοντέλων που θα απεικονίζουν την κατάσταση του γεωλογικού περιβάλλοντος, έτσι ώστε να μπουν οι βάσεις για την εξαγωγή ενός σχεδίου για τη χρήση των πρώτων υλών στα ορυχεία της Κίνας.

[[category:Περιβαλλοντικές Επιπτώσεις]]

Ο ρόλος κλειδί της τηλεπισκόπησης στην αξιολόγηση περιβαλλοντικών ζητημάτων που τίθενται από την εξόρυξη

2010-02-09T18:04:26Z

Angelica-roma: New page: Αντικείμενο και στόχος της εφαρμογής Η ταχεία οικονομική ανάπτυξη και η συνεχιζόμενη αύξηση του πληθ...

Αντικείμενο και στόχος της εφαρμογής

Η ταχεία οικονομική ανάπτυξη και η συνεχιζόμενη αύξηση του πληθυσμού τα τελευταία τριάντα χρόνια στην Κίνα έχουν κάνει επιτακτική την ανάγκη της αντιμετώπισης των περιβαλλοντικών προβλημάτων που έχουν προκύψει από την ανθρώπινη μεταλλευτική δραστηριότητα. Για την αντιμετώπισή τους και την επίτευξη της βιώσιμης ανάπτυξης, οι συγγραφείς του άρθρου προτείνουν μια στρατηγική τριών βημάτων. Πρώτον γίνεται προσπάθεια απόκτησης ακριβών πληροφοριών για τα περιβαλλοντικά προβλήματα με τη διεξαγωγή μιας γεω-περιβαλλοντικής έρευνας. Δεύτερον, δημιουργείται ένα λεπτομερές πλάνο επιδιόρθωσης και ένα αντίστοιχο σχέδιο – βάση επένδυσης στην παρούσα περιβαλλοντική κατάσταση, βασισμένο σε ποσοτικά δεδομένα. Τέλος, ξεκινάει η επιδιορθωτική δουλειά σε συνδυασμό με ένα μακροχρόνιο ελεγκτικό μηχανισμό για τη διατήρηση της καλής κατάστασης στις περιοχές των ορυχείων. Τα βασικά δεδομένα για τις περιβαλλοντικές πληροφορίες πρέπει να συλλεχθούν έγκαιρα για τη δημιουργία μιας βάσης δεδομένων για εύκολη αποθήκευση και χρήση. Η σύνθεση της τεχνικής της τηλεπισκόπησης και της συμβατικής δουλειάς στο πεδίο είναι μια αποτελεσματική προσέγγιση για την απόκτηση αυτών των δεδομένων. Στην έρευνα αυτή γίνεται μελέτη του ρόλου των υψηλής ανάλυσης δορυφορικών εικόνων και του αντίστοιχου λογισμικού επεξεργασίας των δεδομένων, καθώς και προτάσεις για τη βελτίωσή τους για μελλοντική χρήση.

Περιοχή μελέτης

Η περιοχή μελέτης βρίσκεται στη βορειοανατολική Κίνα, κοντά στην πόλη Liaoyuan, σημαντική βιομηχανική περιοχή. Η μεταλλευτική δραστηριότητα χρονολογείται από το 1911 ενώ απαντώνται 33 τύποι ορυκτών, μεταξύ των οποίων άνθρακας, σίδηρος, μαγγάνιο, χρυσός, μάρμαρο, σιλικόνη, ασβεστόλιθος, κτλ.

Προεπεξεργασία δεδομένων

Τα ανεπεξέργαστα δεδομένα των εικόνων συμπεριλαμβάνουν μια spot5 2,5m PA εικόνα and τρεις spot5 10m XS εικόνες και μπορούν να μετατραπούν σε μια έγχρωμη γεωκωδική ορθο-εικόνα, η οποία μπορεί να χρησιμοποιηθεί για την εξαγωγή βασικών περιβαλλοντικών δεδομένων σε δύο κύρια βήματα: συγχώνευση εικόνων και γεωκωδικοποίηση.
Όλη η πορεία επεξεργασίας των δεδομένων παρέχεται εύκολα από το σύστημα επεξεργασίας δεδομένων τηλεπισκόπισης ERDAS IMAGINE 8.5. Οι πρωτότυπες εικόνες αρχικά ενισχύονται ραδιομετρικά. Έπειτα, εφαρμόζοντας το πρωτόκολλο του συνθέτου RGB, οι τρεις 10m XS εικόνες, μετατρέπονται σε μια έγχρωμη εικόνα 10m. Σ’ αυτή τη φάση, μπορεί να ξεκινήσει το πρώτο βήμα της κυρίως επεξεργασίας, το οποίο περιλαμβάνει τη σύνδεση της 2,5m PA εικόνας και της 10m έγχρωμης XS εικόνας σε μια έγχρωμη 2,5m εικόνα. Μια από τις τεχνικές κλειδιά για τη συγχώνευση εικόνων, είναι η διόρθωση της XS εικόνας με βάση την PA εικόνα και τέλος, η εκτέλεση ενός αλγορίθμου συγχώνευσης, που ονομάζεται ανάλυση κυρίων συνιστωσών, για την ολοκλήρωση αυτού του βήματος.
Τα GCPs (ground control points, σημεία ελέγχου εδάφους) και DEM (digital elevation model, ψηφιακό μοντέλο εδάφους) είναι δύο προαπαιτούμενα δεδομένα εισόδου για τη διαδικασία γεωκωδικωποίησης των εικόνων. Τα GCPs μπορούν να επιλέξουν απευθείας από ένα χάρτη αναγλύφου κλίμακας 1:50.000 και το DEM μπορεί να δημιουργηθεί με την ψηφιοποίηση του περιγράμματος στον ίδιο χάρτη αναγλύφου. Το DEM που φαίνεται στην εικόνα είναι, επίσης, σημαντική πληροφορία για την αξιολόγηση του γεω-περιβάλλοντος, καθώς δεν είναι απλά έλεγχος της κίνησης του νερού που βρίσκεται κοντά στην επιφάνεια, αλλά μπορεί να επηρεάσει το τοπικό κλίμα.
Η γεωκωδικοποίηση είναι ένα ακόμα σημαντικό στοιχείο της επεξεργασίας. Στο βήμα αυτό η γεωμετρική αλλοίωση των δορυφορικών εικόνων μπορεί να διορθωθεί ώστε να λάβουμε την τελική ορθο-εικόνα, και κάθε εικονοστοιχείο της ορθο-εικόνας μπορεί να σχετιστεί με τις αντίστοιχες γεωγραφικές συνεταγμένες την ίδια στιγμή. Ένας διορθωμένος πολυωνυμικός αλγόριθμος, που λαμβάνει υπόψιν του τους πολύπλοκους παράγοντες του εδάφους, επιλέγεται για να εκτελέσει αυτό το βήμα.

Αναβάθμιση των διανυσματικών δεδομένων των παλιών χαρτών

Τα διανυσματικά δεδομένα παλιών χαρτών που έχουμε στη διάθεσή μας, τα οποία περιλαμβάνουν δρόμους, νερά, βλάστηση, χρήσεις γης, τοπογραφία, κτλ, είναι πολύ σημαντικά για την αξιολόγηση των περιβαλλοντικών συνθηκών της περιοχής μελέτης. Παρ’ όλ’ αυτά δεν μπορούν να χρησιμοποιηθούν απευθείας καθώς παύουν να είναι σύγχρονα λόγω της ταχείας οικονομικής ανάπτυξης. Έτσι, πρέπει να αναβαθμιστούν με βάση τη νέα ορθο-εικόνα. Από όλα τα δεδομένα, εξέχουσας σημασίας είναι αυτά που αφορούν στους υδάτινους αποδέκτες, καθώς η ρύπανση από τα ορυχεία στα παρακείμενα ύδατα είναι σημαντική και μεταφέρεται στις γύρω περιοχές μέσω της κίνησης του νερού.

Βασικά δεδομένα για την κατάσταση του περιβάλλοντος λόγω των δραστηριοτήτων εξόρυξης

Τα βασικά δεδομένα που απαιτούνται για την εκτίμηση του περιβάλλοντος σε περιοχές εξόρυξης συνήθως περιλαμβάνουν την τοποθεσία των εστιών μόλυνσης και τις περιοχές που επηρεάζονται από τις εστίες αυτές. Κάποια από αυτά τα δεδομένα μπορούν να ληφθούν από τις γεωκωδικοποιημένες δορυφορικές εικόνες, ενώ τα υπόλοιπα από συγχώνευση δορυφορικών εικόνων και εργασίας πεδίου.
Το μαύρο χρώμα είναι ένα εμφανές χαρακτηριστικό του άνθρακα. Για το λόγο αυτό, μια μεγάλη ποσότητα ρύπανσης που οφείλεται στον άνθρακα που εξορύσσεται, μπορεί να ανιχνευτεί εύκολα από τις εικόνες. Σε κάποια ορυχεία, ο άνθρακας ή τα μέταλλα είναι υπαίθριας εκμετάλλευσης. Στις περιπτώσεις αυτές, μετά το τέλος της εξόρυξης, παραμένει ένας μεγάλος σωρός, καταστρέφοντας σημαντική ποσότητα εδάφους χρήσιμου στη γεωργία. Στα μεταλλεία, υπάρχει συνήθως μια δεξαμενή, η οποία χρησιμεύει στο διαχωρισμό των μεταλλευμάτων μεταξύ τους και αποτελεί ακόμα μία πηγή ρύπανσης, εύκολα ανιχνεύσιμη από το μαύρο της χρώμα.
Λόγω περιορισμού των τεχνικών εργαλείων, υπάρχουν κάποια βασικά δεδομένα που αντανακλούν την κατάσταση του γεωλογικού περιβάλλοντος λόγω των ορυχείων, όπως η καθίζηση, η υποχώρηση και οι ρωγμές του εδάφους, τα οποία, αν και σημαντικά, δεν μπορούν να ανιχνευθούν στις δορυφορικές εικόνες. Στην περίπτωση αυτή, απαιτείται εργασία στο πεδίο για την απόκτησή τους, χρησιμοποιώντας τις δορυφορικές εικόνες ως πρόσθετη βοήθεια, που θα υποδεικνύει τις πιθανές πηγές ρύπανσης.

Κύριο πλαίσιο διαχείρισης των δεδομένων

Η συλλογή των βασικών δεδομένων είναι το πρώτο βήμα αξιολόγησης και ελέγχου της κατάστασης του γεωλογικού περιβάλλοντος που προκαλείται από τα ορυχεία. Έπειτα τα δεδομένα αυτά πρέπει να αναλυθούν ώστε να δημιουργηθούν μοντέλα της υπάρχουσας κατάστασης. Έτσι, δημιουργείται μια πορεία τριών σταδίων για περαιτέρω διαχείριση και ανάλυση των δεδομένων.
Στο πρώτο στάδιο, επιλέγεται ένα λογισμικό, όπως τα ERDAS ή ENVI, για να ερμηνεύσει τη γεωκωδικοποιημένη εικόνα ή τα δεδομένα από την εργασία πεδίου. Τα ληφθέντα διανυσματικά δεδομένα ταξινομούνται με βάση διαφορετικούς κανόνες. Ένας κανόνας είναι τα γεωμετρικά χαρακτηριστικά των δεδομένων, όπως τα σημεία, οι γραμμές και τα πολύγωνα. Ένας άλλος κανόνας αφορά στα φυσικά χαρακτηριστικά των δεδομένων, όπως η τοπογραφία, η επιφάνεια του νερού, η υποχώρηση του εδάφους, κτλ. Σε όλα τα δεδομένα προσδιορίζονται οι πληροφορίες της τοποθεσίας τους και φορτώνονται σε ένα σύστημα γεωδιαστημικής βάσης δεδομένων.
Στο δεύτερο βήμα, δημιουργείται η γεωδιαστημική βάση δεδομένων σε περιβάλλον ΓΣΠ. Τα ΓΣΠ, όπως το ArcGIS, αποτελούν ένα ισχυρό εργαλείο αποθήκευσης και διαχείρισης μεγάλης ποσότητας γεω-δεδομένων. Όλα τα διανυσματικά δεδομένα που προέρχονται από το πρώτο βήμα πρέπει να οργανωθούν ως διαφορετικά επίπεδα ΓΣΠ, ανάλογα με τα χαρακτηριστικά τους και να φορτωθούν στη βάση. Το σύστημα της βάσης είναι επίσης εφοδιασμένο με εργαλεία ανάπτυξης που χρησιμοποιούνται στη δημιουργία ενοτήτων στο τρίτο βήμα.
Στο βήμα αυτό διακρίνουμε δύο σημαντικές ενότητες: την ενότητα εκτίμησης και την ενότητα ελέγχου. Οι ενότητες αυτές αποτελούν ισχυρά εργαλεία για την οπτικοποίηση και τη χαρτογράφηση της κατάστασης του περιβάλλοντος. Η ενότητα εκτίμησης δίνει έμφαση στην ανάπτυξη ποσοτικών μοντέλων για την απόκτηση μιας ολοκληρωμένης οπτικής της κατάστασης του περιβάλλοντος ώστε να δημιουργηθεί ένα σχέδιο ανάκαμψης. Αντίθετα η ενότητα ελέγχου δίνει περισσότερη προσοχή στην προσφορά ποικίλων πληροφοριών συγκεκριμένων σημαντικών παραμέτρων που είναι ευαίσθητοι στις περιβαλλοντικές αλλαγές, έτσι ώστε η υποβάθμιση του περιβάλλοντος να ανιχνευτεί και να περιοριστεί έγκαιρα.

Συμπεράσματα

Για την αντιμετώπιση της ρύπανσης που προκαλείται από τα ορυχεία, απαιτείται η ανίχνευση και ο έλεγχος της υπάρχουσας περιβαλλοντικής κατάστασης. Στο σημείο αυτό, είδαμε ότι η τηλεπισκόπηση παίζει πολύ σημαντικό ρόλο, που χωρίζεται σε τρεις τομείς. Πρώτον, τα παλιά διανυσματικά δεδομένα μπορούν να αναβαθμιστούν και μερικά βασικά δεδομένα για το γεωλογικό περιβάλλον μπορούν να αποκτηθούν απευθείας από υψηλής ακρίβειας δορυφορικές εικόνες. Δεύτερον, οι δορυφορικές εικόνες μπορούν να χρησιμοποιηθούν ως βοηθητικό εργαλείο στην έρευνα πεδίου. Τέλος, όλα τα δεδομένα μπορούν να εφοδιαστούν με γεωγραφικές συντεταγμένες και να φορτωθούν εύκολα σε ένα γεω-διαστημικό σύστημα εφοδιασμένο με εργαλεία για την οπτικοποίηση, τον έλεγχο και την ανάλυση των δεδομένων.
Οι εικόνες της τηλεπισκόπησης μπορούν αναμφίβολα να παρέχουν πολύτιμες πληροφορίες για το γεωλογικό περιβάλλον και ο τελικός στόχος της μελέτης αυτής είναι η αξιολόγηση και ο έλεγχος της κατάστασης του γεωλογικού περιβάλλοντος στα μεγάλα ορυχεία της Κίνας. Προς το παρόν, μόνο ένα αρχικό σχέδιο έχει δημιουργηθεί και μόνο μια μικρή περιοχή έχει ερευνηθεί σύμφωνα με αυτές τις τεχνικές. Περαιτέρω μελέτη χρειάζεται για την επίτευξη του στόχου. Το επόμενο βήμα της έρευνας απαιτεί τη χρήση τεχνικών εργαλείων που θα περιλαμβάνουν τηλεπισκοπικές εικόνες διαφορετικών πηγών ή διαχωριστικών ικανοτήτων, όπως αεροφωτογραφίες, δορυφορικές εικόνες ή εικόνες SAR, για την απόκτηση πληροφοριών αποτελεσματικά και με ακρίβεια. Εν τω μεταξύ, μια επιπλέον σημαντική εργασία που πρέπει να διενεργηθεί είναι η δημιουργία ποσοτικών μοντέλων που θα απεικονίζουν την κατάσταση του γεωλογικού περιβάλλοντος, έτσι ώστε να μπουν οι βάσεις για την εξαγωγή ενός σχεδίου για τη χρήση των πρώτων υλών στα ορυχεία της Κίνας.

[[category:Περιβαλλοντικές Επιπτώσεις]]

Αγγελική Κουρουζίδου

2010-02-09T17:59:49Z

Angelica-roma:

* [[Διαχείριση βιοποικιλότητας κάνοντας χρήση δεδομένων τηλεπισκόπησης και ΓΣΠ: Η περίπτωση μελέτης του Εθνικού Πάρκου της Digya, Γκάνα]]

* [[Μοντέλο ενδιαιτημάτων και βιοποικιλότητας βασισμένο στην τηλεπισκόπηση και στα ΓΣΠ, στο οικοσύστημα Greater Yellowstone, ΗΠΑ]]

* [[Εφαρμογή της τηλεπισκόπησης και των ΓΣΠ στον προγραμματισμό της μείωσης των πλημμυρικών επιπτώσεων στην περιοχή Munshiganj, Μπαγκλαντές]]

* [[Δυναμική διαταραγμένων οικοσυστημάτων στην περιοχή της Αράλης, χρησιμοποιώντας μεθόδους τηλεπισκόπησης και ΓΣΠ]]

* [[Αξιολόγηση του λιμναίου ευτροφισμού με τη χρήση δεδομένων του ενισχυμένου θεματικού χαρτογράφου στο Wuhan, Κίνα]]

* [[Δείκτες δασικής βιοποικιλότητας στις κολομβιανές Άνδεις]]

* [[Υπερφασματική τηλεπισκόπηση των παραμέτρων της υδατικής ποιότητας των μεγάλων ποταμών στη λεκάνη του ποταμού Ohio, ΗΠΑ]]

* [[Αναγνώριση και ποσοτικοποίηση των αλλαγών στα μαγκρόβια δάση χρησιμοποιώντας τηλεπισκόπηση, η περίπτωση της Kakinada Bay, Ινδία]]

* [[Η εδαφική καταλληλότητα της φυσικής βλάστησης με τη χρήση τηλεπισκόπησης και ΓΣΠ]]

* [[Η χρήση της τηλεπισκόπησης για την ολοκληρωμένη διαχείριση των υδατικών πόρων: παραδείγματα από τη Βουλγαρία]]

* [[Τηλεπισκόπηση της λειτουργίας του ημίξηρου οικοσυστήματος της ανώτερης λεκάνης του ποταμού San Pedro, Αριζόνα]]

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

Αρχείο:Ariz2.jpg

2010-02-09T17:57:36Z

Angelica-roma:

Τηλεπισκόπηση της λειτουργίας του ημίξηρου οικοσυστήματος της ανώτερης λεκάνης του ποταμού San Pedro, Αριζόνα

2010-02-09T17:54:53Z

Angelica-roma:

Remote sensing of semi-arid ecosystem function in the upper San Pedro river Basin, Arizona, M.S. Moran, D.G. Williams, D. Goodrich, A. Chehbouni, A. Begue, G. Boulet, R. Davis, G. Dedieu, W. Eichinger, J. Everitt, B. Goff, C. Harlow, D. Hymer, A. Kahle, T. Keefer, Y.H. Kerr, R. Marsett, Y. Nouvellon, J. Qi, S. Schaeffer, J. Schieldge, K. Snyder, J. Toth, C. Watts, and I. Yucel, http://www.tucson.ars.ag.gov/salsa/archive/publications/ams_preprints/moran.PDF

Αντικείμενο και στόχος της εφαρμογής

Η λειτουργία του οικοσυστήματος της ημίξηρης λεκάνης του ποταμού San Pedro, στην Αριζόνα, συνδέεται άμεσα με τις ακραίες κλιματικές συνθήκες και τη μοναδική φυσιολογία της ξηροφυτικής και της παραποτάμιας βλάστησης. Ένας στόχος του προγράμματος SALSA (Semi-Arid Land Surface Atmosphere) ήταν ο έλεγχος του εδάφους, των φυτών και των ατμοσφαιρικών συνθηκών της ανώτερης λεκάνης του ποταμού που θα βοηθούσε στην καλύτερη κατανόηση της λειτουργίας του οικοσυστήματος και στη διαχείριση των περιορισμένων φυσικών πόρων. Αναπόσπαστο κομμάτι αυτού του στόχου ήταν η χρήση της τηλεπισκόπησης για τη μέτρηση των χαρακτηριστικών της γης στις επιθυμητές καιρικές και διαστημικές κλίμακες. Οι κλίμακες αυτές ποίκιλαν από ωριαίες μετρήσεις μεμονωμένων δέντρων (κατάλληλες για αισθητήρες που χειρίζονται με το χέρι) μέχρι μηνιαίες μετρήσεις ολόκληρης της λεκάνης (κατάλληλες για δορυφόρους που βρίσκονται σε τροχιά). Ένα διεπιστημονικό πείραμα διεξήχθη το 1997 για να διερευνήσει τη σύνδεση μεταξύ της βλάστησης και των υδρολογικών διεργασιών και να προσδιορίσει τις σχέσεις ανάμεσα σ’ αυτές τις διεργασίες και τη φασματική απόκριση φυτών και εδάφους.

Περιοχή μελέτης

Κατά τη διάρκεια της αυξητικής περιόδου του 1997, λήφθηκαν μετρήσεις των χαρακτηριστικών και των διαδικασιών των οικοσυστημάτων στο ανώτερο τμήμα της λεκάνης του ποταμού San Pedro στην Αριζόνα (ΗΠΑ) και το Μεξικό. Στην Αριζόνα οι εργασίες εστιάστηκαν στην παρόχθια ζώνη κοντά στην περιοχή Lewis Spring, ενώ στο Μεξικό διεξήχθησαν σε δύο ορεινές περιοχές (Zapata και Morelos).

[[Εικόνα:ariz1.jpg|thumb|right|Τηλεπισκοπικά δεδομένα που λήφθησαν κατά τη διάρκεια των πειραμάτων]]

Σχετικές τηλεπισκοπικές μετρήσεις

Σε συνδυασμό με τα πειράματα στις παραποτάμιες και ηπειρωτικές περιοχές, λαμβάνονταν μηνιαίες συλλογές εικόνων από τους δορυφόρους Landsat TM και ERS-2 SAR. Επιπλέον σε κάθε περιοχή, λήφθησαν μετρήσεις θερμοκρασίας και ανακλαστικότητας της γης με χειροκίνητα ραδιόμετρα για μικρής κλίμακας μελέτες και για επαλήθευση των δορυφορικών εικόνων.
Στην περιοχή Lewis Spring στην Αριζόνα, προγραμματίστηκαν πέντε περίοδοι για μετρήσεις (Μάρτιος, Απρίλιος, Ιούνιος, Αύγουστος και Οκτώβριος 1997). Αυτές συνέπεσαν με τα φαινολογικά στάδια των δέντρων και τις περιβαλλοντικές συνθήκες, καθώς και το πέρασμα των δορυφόρων Landsat και ERS-2. Επιπλέον, έγιναν διευθετήσεις ώστε τα αεροπλάνα που θα διέσχιζαν την περιοχή να παρέχουν εικόνες υψηλής διακριτικής ικανότητας (1, 5 και 15m) της παραποτάμιας περιοχής, των συνόρων με το Μεξικό και άλλων ηπειρωτικών περιοχών με αυξημένο ενδιαφέρον. Σε συνδυασμό με κάθε πέρασμα, λάμβανε χώρα ένας αριθμός διαδικασιών στο έδαφος, που έδινε τη δυνατότητα για ατμοσφαιρικές και συστηματικές διορθώσεις των δεδομένων (Qi et al., 1997). Οι διαδικασίες αυτές περιλάμβαναν τη χρήση μεγάλων βαθμονομημένων καλυμμάτων αναφοράς, που μπορούσαν εύκολα να οπτικοποιηθούν από τους αερομεταφερόμενους αισθητήρες, επί τόπου μετρήσεις ανακλαστικότητας φυτών και εδάφους σε μεγάλες περιοχές, ημερήσιες μετρήσεις της έντασης της ηλιακής ακτινοβολίας για τον υπολογισμό του ατμοσφαιρικού οπτικού βάθους και εκτόξευση μπαλονιών ραδιοβόλισης την ώρα του περάσματος για τη μέτρηση των ατμοσφαιρικών υδρατμών.
Τα επιστημονικά ζητήματα που έπρεπε να προσεγγίζουν οι επιστήμονες που έλαβαν μέρος στο πρόγραμμα SALSA και χρησιμοποίησαν τηλεπισκοπικά δεδομένα, μπορούν να χωριστούν σε τρεις κατηγορίες:
* Επεξεργασία εικόνων
* Εκτίμηση της επιφανειακής βλάστησης και των εδαφικών και ατμοσφαιρικών συνθηκών
* Εκτίμηση της κλίμακας μετρήσεων

[[Εικόνα:ariz2.jpg|thumb|right|Παραδείγματα φασματικής και χωρικής διακριτικής ικανότητας που λήφθηκαν κατά τη διάρκεια του προγράμματος SALSA: Landsat TM (πάνω αριστερά), ERS-2 SAR (πάνω αριστερά), Afrometrics airborne thermal (κάτω αριστερά) και NASA JPL TM simulator thermal (κάτω δεξιά)]]

Επεξεργασία εικόνων

Οι εικόνες που λήφθηκαν στο πείραμα SALSA κάλυπταν ένα μεγάλο εύρος φασματικών μηκών κύματος και διαστημικών κλιμάκων. Οι εικόνες από τον Landsat TM και τον ERS-2 SAR δείχνουν τη χωρική κάλυψη των δορυφόρων σε τροχιά και τη διαφορά στο πληροφοριακό περιεχόμενο των δύο μηκών κύματος (εγγύς υπέρυθρο και ραντάρ συνθετικής απεικόνισης (SAR)). Οι εικόνες από τους αερομεταφερόμενους αισθητήρες δείχνουν επιπρόσθετες πληροφορίες, διαθέσιμες από αισθητήρες υψηλής διακριτικής ικανότητας. Στην υψηλότερη διακριτική ικανότητα (θερμικά δεδομένα Agrometrics 0,6m) είναι δυνατή η διάκριση της θερμοκρασίας μεμονωμένων δέντρων και θάμνων.
Αν και η οπτική εκτίμηση των εικόνων είναι ενδιαφέρουσα, οι επιστημονικοί στόχοι του προγράμματος SALSA απαιτούσαν τα δεδομένα των εικόνων να καταχωρηθούν σε συντεταγμένες UTM και να μετατραπούν σε φυσικές ιδιότητες της γης όπως ανακλαστικότητα, θερμοκρασία και οπισθοσκέδαση. Επιπλέον, οι περισσότεροι επιστήμονες είχαν σκοπό να χρησιμοποιήσουν τα τηλεπισκοπικά δεδομένα σε φυσικά μοντέλα που απαιτούν υψηλό βαθμό ακρίβειας στις μετρήσεις. Όλες οι εικόνες του SALSA καταχωρήθηκαν σε UTM συντεταγμένες με ακρίβεια 0,5 εικονοστοιχείο στις περισσότερες περιπτώσεις. Οι εικόνες του Landsat TM είχαν διόρθωση εδάφους από το USGS και είχαν ακρίβεια 0,75 εικονοστοιχεία τόσο σε πεδινές όσο και ορεινές περιοχές. Η ακρίβεια αυτή θεωρείται βελτιωμένη σε σχέση με τα 3-6 εικονοστοιχεία που έχουμε σε ορεινές περιοχές με τη χρήση χειροκίνητης καταχώρησης χωρίς διόρθωση εδάφους.
Η πρώτη εικόνα που παράχθηκε από τα δεδομένα του SALSA ήταν ένας χάρτης υψηλής ανάλυσης βιομορφών της βλάστησης της λεκάνης του San Pedro, που δημιουργήθηκε χρησιμοποιώντας μη επιβλεπόμενη ταξινόμηση διαφόρων φασματικών τάξεων που αποκτήθηκαν από τον αερομεταφερόμενο αισθητήρα Deadalus με διαχωριστική ικανότητα 5m. Ο χάρτης αυτός επικυρώθηκε μετά από αναγνώριση στο πεδίο και χρησιμοποιήθηκε ως βάση για τις υπόλοιπες μελέτες.

[[Εικόνα:ariz3.jpg|thumb|right|Χάρτης υψηλής ανάλυσης των μορφών της βλάστησης κατά μήκος της παρόχθιας περιοχής του San Pedro, που προέκυψε από μη επιβλεπόμενη ταξινόμηση διαφόρων φασματικών καναλιών από τον JPL αερομεταφερόμενο TM προσομοιωτή αισθητήρα με 5m χωρική διακριτική ικανότητα]]

Εκτίμηση της επιφανειακής βλάστησης και των εδαφικών και ατμοσφαιρικών συνθηκών

Ο κύριος όγκος του προγράμματος SALSA εστιάζει στην αφομοίωση των πληροφοριών της τηλεπισκόπησης σε φυσικά μοντέλα για να προσδιορίσει χαρακτηριστικά όπως η αύξηση της βλάστησης, οι συνθήκες υγρασίας του εδάφους και οι ρυθμοί εξατμισοδιαπνοής των φυτών και του εδάφους. Η εκτίμηση των χαρακτηριστικών του εδάφους επετεύχθη χρησιμοποιώντας διάφορες προσεγγίσεις.
Οι Begue et al. ανέστρεψαν ένα μοντέλο μεταφοράς ακτινοβολίας του θόλου για να προσδιορίσουν τη δομή του θόλου (πυκνότητα των φυτών, περιοχή των φύλλων, φυτοκάλυψη) από την ανακλαστικότητά του μετρημένη από αερομεταφερόμενους αισθητήρες. Οι Nouvellon et al. ανέπτυξαν και δοκίμασαν ένα λειτουργικό μοντέλο βλάστησης που μπορεί να χρησιμοποιήσει δεδομένα τηλεπισκόπησης για να προσδιορίσει την εποχιακή δυναμική της ζωντανής και της νεκρής βιομάζας. Οι Chehbouni et al. χρησιμοποίησαν μια προσέγγιση που συνδύαζε κατευθυνόμενα δεδομένα στο ορατό, εγγύς υπέρυθρο και θερμικό φάσμα για να συμπεράνουν τα χαρακτηριστικά και την κατάσταση της βλάστησης.
Η υγρασία του εδάφους εκτιμήθηκε μέσα από ολοκληρωμένη ανάλυση από SAR οπισθοσκέδαση και ανακλαστικότητα του εδάφους στα κανάλια του ορατού και του εγγύς υπέρυθρου (Moran et al.). Οι πληροφορίες αυτές μπορούν να χρησιμοποιηθούν για βαθμονόμηση και επαλήθευση μοντέλων προσομοίωσης, που θα επιτρέπουν διαστημική εξακρίβωση των συνθηκών υγρασίας του εδάφους σε βάθος (Hymer et al.). Η εκτίμηση της επιφανειακής εξατμισοδιαπνοής έλαβε τη μεγαλύτερη προσοχή από τους επιστήμονες του SALSA. Μια προσέγγιση ήταν η χρήση τηλεπισκοπικών πληροφοριών για να οδηγήσουν ή να βαθμονομήσουν φυσικά μοντέλα. Η προσέγγιση αυτή χρησιμοποιήθηκε με ένα μέσης κλίμακας μετεωρολογικό μοντέλο (Toth et al.), ένα βασικό μοντέλο ενεργειακής ισορροπίας (Chehbouni et al.) και ένα SVAT (έδαφος-βλάστηση-ατμόσφαιρα) μοντέλο (Boulet et al.; Harlow et al.). Μια άλλη προσέγγιση ήταν ο συνδυασμός σημειακών μετρήσεων του ρυθμού εξατμισοδιαπνοής με χωρικές πληροφορίες από τηλεπισκοπικές εικόνες για την επέκταση των μετρήσεων σε μια ετερογενή περιοχή (Qi et al.; Goodrich et al.).

Εκτίμηση της κλίμακας μετρήσεων

Η μεγάλης κλίμακας εκτίμηση της ενεργειακής ισορροπίας του ημίξηρου, τοπογραφικά αδρού εδάφους είναι δύσκολη καθώς οι τύποι βλάστησης και χώματος αλλάζουν γρήγορα σε αποστάσεις μερικών εκατοντάδων μέτρων. Έτσι, έρχεται στην επιφάνεια το ερώτημα της αντιπροσωπευτικότητας των σημειακών μετρήσεων ενεργειακής ροής. Διεξάγονται έρευνες για τη χρήση τηλεπισκοπικών πληροφοριών σε συνδυασμό με σημειακές μετρήσεις ροής για την εκτίμηση της κατάλληλης κλίμακας μετρήσεων επιφανειακών ροών σε ορεινό, ετερογενές έδαφος (Kerr et al.; Eichinger et al.; Schieldge et al.). Οι πληροφορίες αυτές θα είναι χρήσιμες για τον προσδιορισμό των καταλληλότερων τοποθεσιών για τα μικρομετεωρολογικά όργανα σε μελλοντικά πειράματα.

[[category:Παρακολούθηση παράκτιων οικοσυστημάτων]]

Τηλεπισκόπηση της λειτουργίας του ημίξηρου οικοσυστήματος της ανώτερης λεκάνης του ποταμού San Pedro, Αριζόνα

2010-02-09T17:47:33Z

Angelica-roma: New page: Αντικείμενο και στόχος της εφαρμογής Η λειτουργία του οικοσυστήματος της ημίξηρης λεκάνης του ποταμο...

Αντικείμενο και στόχος της εφαρμογής

Η λειτουργία του οικοσυστήματος της ημίξηρης λεκάνης του ποταμού San Pedro, στην Αριζόνα, συνδέεται άμεσα με τις ακραίες κλιματικές συνθήκες και τη μοναδική φυσιολογία της ξηροφυτικής και της παραποτάμιας βλάστησης. Ένας στόχος του προγράμματος SALSA (Semi-Arid Land Surface Atmosphere) ήταν ο έλεγχος του εδάφους, των φυτών και των ατμοσφαιρικών συνθηκών της ανώτερης λεκάνης του ποταμού που θα βοηθούσε στην καλύτερη κατανόηση της λειτουργίας του οικοσυστήματος και στη διαχείριση των περιορισμένων φυσικών πόρων. Αναπόσπαστο κομμάτι αυτού του στόχου ήταν η χρήση της τηλεπισκόπησης για τη μέτρηση των χαρακτηριστικών της γης στις επιθυμητές καιρικές και διαστημικές κλίμακες. Οι κλίμακες αυτές ποίκιλαν από ωριαίες μετρήσεις μεμονωμένων δέντρων (κατάλληλες για αισθητήρες που χειρίζονται με το χέρι) μέχρι μηνιαίες μετρήσεις ολόκληρης της λεκάνης (κατάλληλες για δορυφόρους που βρίσκονται σε τροχιά). Ένα διεπιστημονικό πείραμα διεξήχθη το 1997 για να διερευνήσει τη σύνδεση μεταξύ της βλάστησης και των υδρολογικών διεργασιών και να προσδιορίσει τις σχέσεις ανάμεσα σ’ αυτές τις διεργασίες και τη φασματική απόκριση φυτών και εδάφους.

Περιοχή μελέτης

Κατά τη διάρκεια της αυξητικής περιόδου του 1997, λήφθηκαν μετρήσεις των χαρακτηριστικών και των διαδικασιών των οικοσυστημάτων στο ανώτερο τμήμα της λεκάνης του ποταμού San Pedro στην Αριζόνα (ΗΠΑ) και το Μεξικό. Στην Αριζόνα οι εργασίες εστιάστηκαν στην παρόχθια ζώνη κοντά στην περιοχή Lewis Spring, ενώ στο Μεξικό διεξήχθησαν σε δύο ορεινές περιοχές (Zapata και Morelos).

[[Εικόνα:ariz1|thumb|right|Τηλεπισκοπικά δεδομένα που λήφθησαν κατά τη διάρκεια των πειραμάτων]]

Σχετικές τηλεπισκοπικές μετρήσεις

Σε συνδυασμό με τα πειράματα στις παραποτάμιες και ηπειρωτικές περιοχές, λαμβάνονταν μηνιαίες συλλογές εικόνων από τους δορυφόρους Landsat TM και ERS-2 SAR. Επιπλέον σε κάθε περιοχή, λήφθησαν μετρήσεις θερμοκρασίας και ανακλαστικότητας της γης με χειροκίνητα ραδιόμετρα για μικρής κλίμακας μελέτες και για επαλήθευση των δορυφορικών εικόνων.
Στην περιοχή Lewis Spring στην Αριζόνα, προγραμματίστηκαν πέντε περίοδοι για μετρήσεις (Μάρτιος, Απρίλιος, Ιούνιος, Αύγουστος και Οκτώβριος 1997). Αυτές συνέπεσαν με τα φαινολογικά στάδια των δέντρων και τις περιβαλλοντικές συνθήκες, καθώς και το πέρασμα των δορυφόρων Landsat και ERS-2. Επιπλέον, έγιναν διευθετήσεις ώστε τα αεροπλάνα που θα διέσχιζαν την περιοχή να παρέχουν εικόνες υψηλής διακριτικής ικανότητας (1, 5 και 15m) της παραποτάμιας περιοχής, των συνόρων με το Μεξικό και άλλων ηπειρωτικών περιοχών με αυξημένο ενδιαφέρον. Σε συνδυασμό με κάθε πέρασμα, λάμβανε χώρα ένας αριθμός διαδικασιών στο έδαφος, που έδινε τη δυνατότητα για ατμοσφαιρικές και συστηματικές διορθώσεις των δεδομένων (Qi et al., 1997). Οι διαδικασίες αυτές περιλάμβαναν τη χρήση μεγάλων βαθμονομημένων καλυμμάτων αναφοράς, που μπορούσαν εύκολα να οπτικοποιηθούν από τους αερομεταφερόμενους αισθητήρες, επί τόπου μετρήσεις ανακλαστικότητας φυτών και εδάφους σε μεγάλες περιοχές, ημερήσιες μετρήσεις της έντασης της ηλιακής ακτινοβολίας για τον υπολογισμό του ατμοσφαιρικού οπτικού βάθους και εκτόξευση μπαλονιών ραδιοβόλισης την ώρα του περάσματος για τη μέτρηση των ατμοσφαιρικών υδρατμών.
Τα επιστημονικά ζητήματα που έπρεπε να προσεγγίζουν οι επιστήμονες που έλαβαν μέρος στο πρόγραμμα SALSA και χρησιμοποίησαν τηλεπισκοπικά δεδομένα, μπορούν να χωριστούν σε τρεις κατηγορίες:
* Επεξεργασία εικόνων
* Εκτίμηση της επιφανειακής βλάστησης και των εδαφικών και ατμοσφαιρικών συνθηκών
* Εκτίμηση της κλίμακας μετρήσεων

[[Εικόνα:ariz2|thumb|right|Παραδείγματα φασματικής και χωρικής διακριτικής ικανότητας που λήφθηκαν κατά τη διάρκεια του προγράμματος SALSA: Landsat TM (πάνω αριστερά), ERS-2 SAR (πάνω αριστερά), Afrometrics airborne thermal (κάτω αριστερά) και NASA JPL TM simulator thermal (κάτω δεξιά)]]

Επεξεργασία εικόνων

Οι εικόνες που λήφθηκαν στο πείραμα SALSA κάλυπταν ένα μεγάλο εύρος φασματικών μηκών κύματος και διαστημικών κλιμάκων. Οι εικόνες από τον Landsat TM και τον ERS-2 SAR δείχνουν τη χωρική κάλυψη των δορυφόρων σε τροχιά και τη διαφορά στο πληροφοριακό περιεχόμενο των δύο μηκών κύματος (εγγύς υπέρυθρο και ραντάρ συνθετικής απεικόνισης (SAR)). Οι εικόνες από τους αερομεταφερόμενους αισθητήρες δείχνουν επιπρόσθετες πληροφορίες, διαθέσιμες από αισθητήρες υψηλής διακριτικής ικανότητας. Στην υψηλότερη διακριτική ικανότητα (θερμικά δεδομένα Agrometrics 0,6m) είναι δυνατή η διάκριση της θερμοκρασίας μεμονωμένων δέντρων και θάμνων.
Αν και η οπτική εκτίμηση των εικόνων είναι ενδιαφέρουσα, οι επιστημονικοί στόχοι του προγράμματος SALSA απαιτούσαν τα δεδομένα των εικόνων να καταχωρηθούν σε συντεταγμένες UTM και να μετατραπούν σε φυσικές ιδιότητες της γης όπως ανακλαστικότητα, θερμοκρασία και οπισθοσκέδαση. Επιπλέον, οι περισσότεροι επιστήμονες είχαν σκοπό να χρησιμοποιήσουν τα τηλεπισκοπικά δεδομένα σε φυσικά μοντέλα που απαιτούν υψηλό βαθμό ακρίβειας στις μετρήσεις. Όλες οι εικόνες του SALSA καταχωρήθηκαν σε UTM συντεταγμένες με ακρίβεια 0,5 εικονοστοιχείο στις περισσότερες περιπτώσεις. Οι εικόνες του Landsat TM είχαν διόρθωση εδάφους από το USGS και είχαν ακρίβεια 0,75 εικονοστοιχεία τόσο σε πεδινές όσο και ορεινές περιοχές. Η ακρίβεια αυτή θεωρείται βελτιωμένη σε σχέση με τα 3-6 εικονοστοιχεία που έχουμε σε ορεινές περιοχές με τη χρήση χειροκίνητης καταχώρησης χωρίς διόρθωση εδάφους.
Η πρώτη εικόνα που παράχθηκε από τα δεδομένα του SALSA ήταν ένας χάρτης υψηλής ανάλυσης βιομορφών της βλάστησης της λεκάνης του San Pedro, που δημιουργήθηκε χρησιμοποιώντας μη επιβλεπόμενη ταξινόμηση διαφόρων φασματικών τάξεων που αποκτήθηκαν από τον αερομεταφερόμενο αισθητήρα Deadalus με διαχωριστική ικανότητα 5m. Ο χάρτης αυτός επικυρώθηκε μετά από αναγνώριση στο πεδίο και χρησιμοποιήθηκε ως βάση για τις υπόλοιπες μελέτες.

[[Εικόνα:ariz3|thumb|right|Χάρτης υψηλής ανάλυσης των μορφών της βλάστησης κατά μήκος της παρόχθιας περιοχής του San Pedro, που προέκυψε από μη επιβλεπόμενη ταξινόμηση διαφόρων φασματικών καναλιών από τον JPL αερομεταφερόμενο TM προσομοιωτή αισθητήρα με 5m χωρική διακριτική ικανότητα]]

Εκτίμηση της επιφανειακής βλάστησης και των εδαφικών και ατμοσφαιρικών συνθηκών

Ο κύριος όγκος του προγράμματος SALSA εστιάζει στην αφομοίωση των πληροφοριών της τηλεπισκόπησης σε φυσικά μοντέλα για να προσδιορίσει χαρακτηριστικά όπως η αύξηση της βλάστησης, οι συνθήκες υγρασίας του εδάφους και οι ρυθμοί εξατμισοδιαπνοής των φυτών και του εδάφους. Η εκτίμηση των χαρακτηριστικών του εδάφους επετεύχθη χρησιμοποιώντας διάφορες προσεγγίσεις.
Οι Begue et al. ανέστρεψαν ένα μοντέλο μεταφοράς ακτινοβολίας του θόλου για να προσδιορίσουν τη δομή του θόλου (πυκνότητα των φυτών, περιοχή των φύλλων, φυτοκάλυψη) από την ανακλαστικότητά του μετρημένη από αερομεταφερόμενους αισθητήρες. Οι Nouvellon et al. ανέπτυξαν και δοκίμασαν ένα λειτουργικό μοντέλο βλάστησης που μπορεί να χρησιμοποιήσει δεδομένα τηλεπισκόπησης για να προσδιορίσει την εποχιακή δυναμική της ζωντανής και της νεκρής βιομάζας. Οι Chehbouni et al. χρησιμοποίησαν μια προσέγγιση που συνδύαζε κατευθυνόμενα δεδομένα στο ορατό, εγγύς υπέρυθρο και θερμικό φάσμα για να συμπεράνουν τα χαρακτηριστικά και την κατάσταση της βλάστησης.
Η υγρασία του εδάφους εκτιμήθηκε μέσα από ολοκληρωμένη ανάλυση από SAR οπισθοσκέδαση και ανακλαστικότητα του εδάφους στα κανάλια του ορατού και του εγγύς υπέρυθρου (Moran et al.). Οι πληροφορίες αυτές μπορούν να χρησιμοποιηθούν για βαθμονόμηση και επαλήθευση μοντέλων προσομοίωσης, που θα επιτρέπουν διαστημική εξακρίβωση των συνθηκών υγρασίας του εδάφους σε βάθος (Hymer et al.). Η εκτίμηση της επιφανειακής εξατμισοδιαπνοής έλαβε τη μεγαλύτερη προσοχή από τους επιστήμονες του SALSA. Μια προσέγγιση ήταν η χρήση τηλεπισκοπικών πληροφοριών για να οδηγήσουν ή να βαθμονομήσουν φυσικά μοντέλα. Η προσέγγιση αυτή χρησιμοποιήθηκε με ένα μέσης κλίμακας μετεωρολογικό μοντέλο (Toth et al.), ένα βασικό μοντέλο ενεργειακής ισορροπίας (Chehbouni et al.) και ένα SVAT (έδαφος-βλάστηση-ατμόσφαιρα) μοντέλο (Boulet et al.; Harlow et al.). Μια άλλη προσέγγιση ήταν ο συνδυασμός σημειακών μετρήσεων του ρυθμού εξατμισοδιαπνοής με χωρικές πληροφορίες από τηλεπισκοπικές εικόνες για την επέκταση των μετρήσεων σε μια ετερογενή περιοχή (Qi et al.; Goodrich et al.).

Εκτίμηση της κλίμακας μετρήσεων

Η μεγάλης κλίμακας εκτίμηση της ενεργειακής ισορροπίας του ημίξηρου, τοπογραφικά αδρού εδάφους είναι δύσκολη καθώς οι τύποι βλάστησης και χώματος αλλάζουν γρήγορα σε αποστάσεις μερικών εκατοντάδων μέτρων. Έτσι, έρχεται στην επιφάνεια το ερώτημα της αντιπροσωπευτικότητας των σημειακών μετρήσεων ενεργειακής ροής. Διεξάγονται έρευνες για τη χρήση τηλεπισκοπικών πληροφοριών σε συνδυασμό με σημειακές μετρήσεις ροής για την εκτίμηση της κατάλληλης κλίμακας μετρήσεων επιφανειακών ροών σε ορεινό, ετερογενές έδαφος (Kerr et al.; Eichinger et al.; Schieldge et al.). Οι πληροφορίες αυτές θα είναι χρήσιμες για τον προσδιορισμό των καταλληλότερων τοποθεσιών για τα μικρομετεωρολογικά όργανα σε μελλοντικά πειράματα.

[[category:Παρακολούθηση παράκτιων οικοσυστημάτων]]

Αγγελική Κουρουζίδου

2010-02-09T17:36:01Z

Angelica-roma:

* [[Διαχείριση βιοποικιλότητας κάνοντας χρήση δεδομένων τηλεπισκόπησης και ΓΣΠ: Η περίπτωση μελέτης του Εθνικού Πάρκου της Digya, Γκάνα]]

* [[Μοντέλο ενδιαιτημάτων και βιοποικιλότητας βασισμένο στην τηλεπισκόπηση και στα ΓΣΠ, στο οικοσύστημα Greater Yellowstone, ΗΠΑ]]

* [[Εφαρμογή της τηλεπισκόπησης και των ΓΣΠ στον προγραμματισμό της μείωσης των πλημμυρικών επιπτώσεων στην περιοχή Munshiganj, Μπαγκλαντές]]

* [[Δυναμική διαταραγμένων οικοσυστημάτων στην περιοχή της Αράλης, χρησιμοποιώντας μεθόδους τηλεπισκόπησης και ΓΣΠ]]

* [[Αξιολόγηση του λιμναίου ευτροφισμού με τη χρήση δεδομένων του ενισχυμένου θεματικού χαρτογράφου στο Wuhan, Κίνα]]

* [[Δείκτες δασικής βιοποικιλότητας στις κολομβιανές Άνδεις]]

* [[Υπερφασματική τηλεπισκόπηση των παραμέτρων της υδατικής ποιότητας των μεγάλων ποταμών στη λεκάνη του ποταμού Ohio, ΗΠΑ]]

* [[Αναγνώριση και ποσοτικοποίηση των αλλαγών στα μαγκρόβια δάση χρησιμοποιώντας τηλεπισκόπηση, η περίπτωση της Kakinada Bay, Ινδία]]

* [[Η εδαφική καταλληλότητα της φυσικής βλάστησης με τη χρήση τηλεπισκόπησης και ΓΣΠ]]

* [[Η χρήση της τηλεπισκόπησης για την ολοκληρωμένη διαχείριση των υδατικών πόρων: παραδείγματα από τη Βουλγαρία]]

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

Η χρήση της τηλεπισκόπησης για την ολοκληρωμένη διαχείριση των υδατικών πόρων: παραδείγματα από τη Βουλγαρία

2010-02-09T17:35:25Z

Angelica-roma:

Remote Sensing for the purposes of the Integrated Water Resources Management: Examples from Bulgaria
Vassil Vassilev, Radko Radkov, Stefana Popova, Vessela Samoungi, Konstantin Stefanov, BALWOIS 2008 – Ohrid, Republic of Macedonia – 27, 31 May 2008, http://www.balwois.com/balwois/administration/full_paper/ffp-1260.pdf

[[Εικόνα:bulg1.jpg|thumb|right|Τελική διανυσματική βάση δεδομένων και πίνακας χαρακτηριστικών των χαρτογραφημένων υγροτόπων]]

Εισαγωγή

Οι δορυφορικές εικόνες είναι μια πολύτιμη βοήθεια στην απόκτηση πληροφοριών για τη κάλυψη και τις χρήσεις γης, καθώς και τις αλλαγές τις. Αντιπροσωπεύουν μια ανεξάρτητη πηγή πληροφοριών που μπορεί να αναβαθμίζεται συχνά. Επίσης, η ποικιλία στη διακριτική ικανότητα των δορυφόρων δίνει τη δυνατότητα απεικόνισης των υδρολογικών αντικειμένων σε διάφορες κλίμακες – σήμερα φτάνουμε μέχρι την κλίμακα 1:5.000. Παράλληλα, τα επίγεια μέσα παρακολούθησης μπορούν να συλλέξουν πληροφορίες για την επιφάνεια του νερού σε εκατοντάδες φασματικά κανάλια, επιτρέποντας στους υδρολόγους όχι μόνο να χαρτογραφήσουν τους υγροτόπους αλλά και να εξάγουν πληροφορίες για διάφορα χαρακτηριστικά του νερού όπως τα χρώμα, η αλατότητα, κτλ. Τέλος, η χρήση των δορυφόρων παρέχει χρήσιμα δεδομένα για την παρακολούθηση φυσικών καταστροφών, όπως οι πλημμύρες. Ο αυξανόμενος αριθμός δορυφόρων υψηλής και πολύ υψηλής διακριτικής ικανότητας δίνει τη δυνατότητα για την απόκτηση πληροφοριών με μεγάλη λεπτομέρεια σε μικρό χρονικό διάστημα από το καταστροφικό γεγονός, βοηθώντας στη δημιουργία χάρτη για την αντιμετώπιση της κρίσης.

[[Εικόνα:bulg2.jpg|thumb|right|Δίκτυο των ποταμών και κύριοι υδάτινοι όγκοι αναβαθμισμένοι στη βάση των SPOT 5 (5m color) δορυφορικών εικόνων]]
[[Εικόνα:bulg3.jpg|thumb|right|Υπηρεσία άμεσης ανάληψης δράσης για τις πλημμύρες του Δούναβη στην περιοχή της πόλης του Vidin, τον Απρίλιο του 2006]]

Καταγραφή Υγροτόπων

Οι υγρότοποι αποτελούν ένα σημαντικό μέρος του περιβάλλοντος καθώς συγκεντρώνουν μεγάλη βιοποικιλότητα και εμπεριέχουν οικολογική, οικονομική και κοινωνική αξία. Καταστρέφονται λόγω τεχνιτών αλλαγών στη στάθμη του νερού, τοξικών αποβλήτων, εισβολή ξενικών ειδών, αποξήρανση και έπειτα καλλιέργεια, κτλ. Για τους λόγους αυτούς απαιτείται παρακολούθηση, διαχείριση και διατήρηση των υγροτόπων. Όμως η συλλογή και αναβάθμιση των δεδομένων είναι δύσκολη λόγω της όχλησης που δημιουργείται από την έρευνα στο πεδίο και τη δυσκολία στην πρόσβαση. Η τεχνολογία της τηλεπισκόπησης ξεπερνάει αυτά τα προβλήματα και αποτελεί μια ταχεία μέθοδο για την καταγραφή και παρακολούθηση των υγροτόπων.
Το 2002 ο ReSAC (Remote Sensing Application Center) συμμετείχε σε μια έρευνα για την αναγνώριση και τον προσδιορισμό των τοποθεσιών των φυσικών και τεχνητών υγροτόπων της Βουλγαρίας. Κατά τη διάρκεια αυτής της μελέτης οι υγρότοποι απεικονίστηκαν σε κλίμακα 1:50.000, με δεδομένα των ετών 1989 έως 2000 από δορυφόρους LANDSAT TM και LANDSAT ETM με διακριτική ικανότητα 30m. Αναγνωρίστηκαν περισσότεροι από 7.800 υγρότοποι μόνο από την αντανάκλαση του νερού. Κατά τη διάρκεια της χαρτογράφησης χρησιμοποιήθηκαν διάφορες τεχνικές για την επεξεργασία των εικόνων. Η διαδικασία ταξινόμησης περιλάμβανε τόσο επιβλεπόμενη και μη επιβλεπόμενη ταξινόμηση, όσο και οπτική ερμηνεία και ψηφιοποίηση.
Αυτή ήταν η πρώτη προσπάθεια απεικόνισης των υγροτόπων της Βουλγαρίας με τηλεπισκόπηση σε εθνική κλίμακα. Για τη σκιαγράφηση των υδάτινων στοιχείων στις εικόνες του Landsat, προσδιορίστηκε ότι το νερό εμφανίζεται σχεδόν μαύρο στα έγχρωμα σύνθετα RGB (4,5,3) και RGB (4,5,7). Για το λόγο αυτό η έρευνα διεξήχθη μόνο σε τέσσερα κανάλια (κόκκινο, εγγύς υπέρυθρο, μέσο υπέρυθρο, θερμικό), επιταχύνοντας τη διαδικασία, μειώνοντας τη φασματική σύγχυση και αυξάνοντας την ακρίβεια του αποτελέσματος. Παρ’ όλ’ αυτά οι σκιές των νεφών και των λόφων συγχέονταν με τους υγροτόπους οπότε περεταίρω βελτιστοποίηση της ταξινόμησης απαιτήθηκε. Η φασματική διάκριση επιτεύχθηκε μέσω επιβλεπόμενης ταξινόμησης χρησιμοποιώντας περιοχές εκπαίδευσης εικονοστοιχείων που απεικόνιζαν τις μεικτές τάξεις. Ως επιπλέον επίπεδο με φασματική ενίσχυση για τη διάκριση της βλάστησης υπολογίστηκε ο NDVI (Normalized Difference Vegetation Index). Ο NDVI είναι μια αναλογία που υπερτονίζει τη διαφορά μεταξύ του κόκκινου και του εγγύς υπέρυθρου καναλιού έτσι ώστε να ενισχύσει την ορατότητα των εικονοστοιχείων που εικονίζουν τη βλάστηση.
Τα ψηφιδωτά προϊόντα της ταξινόμησης μετατράπηκαν σε διανυσματική μορφή και επιπλέον ιδιότητες προστέθηκαν. Για τους 7.800 αναγνωρισμένους υγροτόπους προστέθηκαν ιδιότητες όπως όνομα, κοντινότερος οικισμός, ποτάμι στο οποίο ανήκει ο υδάτινος όγκος, γεωγραφική τοποθεσία. Αυτό αποτέλεσε το πρώτο χαρτογραφικό προϊόν σε περιβάλλον ΓΣΠ για όλους τους υγροτόπους της Βουλγαρίας όπως και η βάση δεδομένων που δημιουργήθηκε.

[[Εικόνα:bulg4.jpg|thumb|right|Τα προϊόντα της ανάλυσης της στάθμης του νερού για την πόλη Ruse]]
[[Εικόνα:bulg5.jpg|thumb|right|Ανάλυση της επίδρασης των πλημμυρών στην περιοχή της πόλης Novi Iskar και των περιχώρων της, σε συνδυασμό με την ερμηνεία των επηρεασμένων περιοχών με βάση τους τύπους κάλυψης και χρήσης γης του CORINE 2000]]

Υπηρεσίες άμεσης ανάληψης δράσης

Από το 2005 ο ReSAC συμμετέχει στην κοινή πρωτοβουλία της Ευρωπαϊκής Επιτροπής και της Ευρωπαϊκού Οργανισμού Διαστήματος που έχει σαν στόχο την παροχή ενός κοινού συστήματος απόκτησης πληροφοριών σε όσους έχουν πληγεί από φυσικές και ανθρωπογενείς καταστροφές (αρχές και πολίτες) βασισμένου σε παρατηρήσεις από το διάστημα και από το πεδίο. Στο διάστημα 2005-2007 πολυάριθμες σοβαρές πλημμύρες συνέβησαν σε ολόκληρη τη Βουλγαρία λόγω ισχυρών βροχοπτώσεων και λιωσίματος του χιονιού στην Κεντρική Ευρώπη που επηρέασαν το κατώτερο κομμάτι του Δούναβη. Εικόνες του FORMOSAT και του SPOT χρησιμοποιήθηκαν για τη δημιουργία υπηρεσιών άμεσης ανάληψης δράσης ώστε να διευκολυνθεί η λήψη αποφάσεων κατά τη διάρκεια της κρίσης όσο και για την ελαχιστοποίηση των κινδύνων μελλοντικών πλημμυρών.

[[Εικόνα:bulg67.jpg|thumb|right|Χαρακτηριστικά των αισθητήρων που χρησιμοποιήθηκαν στο πρόγραμμα]]
[[Εικόνα:bulg8.jpg|thumb|right|Ο ποταμός Rusenski Lom σε ξηρές συνθήκες – μικροκυματικά δεδομένα υγρασίας του εδάφους στο υπέργειο (αριστερά) και το υπόγειο (δεξιά) τμήμα του]]

Μοντελοποίηση της στάθμης του νερού

Η μοντελοποίηση της στάθμης του νερού είναι ουσιώδης όταν πρέπει να προγραμματιστεί η απόκριση σε ένα καταστροφικό γεγονός. Δραστηριότητες όπως η εκκένωση, η διάσωση και η πρόληψη μπορούν να οργανωθούν αν είναι γνωστός ο χάρτης της εξέλιξης της στάθμης του νερού ενός ποταμού με μεγάλη ταχύτητας ροής. Κατά τη διάρκεια των πλημμυρών του Δούναβη τον Απρίλιο του 2006, ο ReSAC είχε στη διάθεσή του πληροφορίες Cadastral, IKONOS Orthophotos, Ψηφιακό Υψομετρικό Πρότυπο (DEM) σε κλίμακα 1:5.000 για την περιοχή της πόλης Ruse, με σκοπό να ετοιμάσει χάρτη με τις ευάλωτες στην πλημμύρα περιοχές σε συνδυασμό με τρισδιάστατες προσομοιώσεις, ώστε να προγραμματιστεί έγκαιρη αντίδραση.

[[Εικόνα:bulg9.jpg|thumb|right|Ο ποταμός Rusenski Lom – Ψηφιακό Υψομετρικό Πρότυπο (DEM) που παρήχθη από τον αισθητήρα LIDAR. Γενική επισκόπιση (αριστερά) και λεπτομερής άποψη (δεξιά)]]
[[Εικόνα:bulg10.jpg|thumb|right|Θερμικά υπέρυθρα δεδομένα από την περιοχή Nikolovo]]

Χαρτογράφηση των περιχών που απειλούνται από πλημμύρες

Τον Οκτώβριο του 2007 μπήκε σε εφαρμογή η οδηγία της Ευρωπαϊκής Ένωσης για την αντιμετώπιση του κινδύνου πλημμυρών, σύμφωνα με την οποία τα κράτη-μέλη υποχρεούνται να συντάξουν χάρτες για τις περιοχές που απειλούνται από πλημμύρες καθώς και πλάνα διαχείρισης των καταστροφών. Για το λόγο αυτό ξεκίνησε ένα πρόγραμμα στην περιοχή Novi Iskar, κοντά στη Σόφια, με σκοπό την ανάπτυξη μεθοδολογίας για την προσομοίωση και πρόβλεψη των πιθανών ζημιών στις υποδομές, σε κατοικίες, βιομηχανικές περιοχές, καλλιέργειες, κτλ. Το πρόγραμμα είχε σαν στόχο τη χρήση εικόνων από δορυφόρους σε συνδυασμό με τον έλεγχο της αποδοτικότητας του προϊόντος DEM του SPOT Image, Reference3D, για τους σκοπούς της μοντελοποίησης των πλημμυρών. Η υδραυλική μοντελοποίηση και προσομοίωση της ποσότητας και της στάθμης του νερού απαιτούσε πληροφορίες για το έδαφος στην περιοχή της πλημμύρας με μεγάλη ακρίβεια (περίπου 15cm) και για το λόγο αυτό αστικοί χάρτες με κλίμακα 1:5.000 ψηφιοποιήθηκαν.
Λόγω του γεγονότος ότι οι περισσότεροι από αυτούς τους χάρτες δεν είχαν εκσυγχρονιστεί για μια περίοδο 10-15 ετών, μετρήσεις στην πλημμυρική περιοχή κοντά στην πόλη Novi Iskar συλλέχθηκαν με το εργαλείο DGPS (ένα ακριβές σύστημα έρευνας που περιλαμβάνει ένα σταθμό βάσης MAPRT με εξωτερική κεραία MG-A5 και ένα δέκτη rover (Remotely Operated Video Enhanced Receiver) GMS-2. Για την προσομοίωση των πλημμυρών χρησιμοποιήθηκε το λογισμικό MIKE11 σε συνδυασμό με το ArcView GIS. Τα ανεπεξέργαστα δεδομένα χρησιμοποιήθηκαν για τη δημιουργία ενός ψηφιδωτού πλέγματος για την επιφάνεια του νερού. Τα δεδομένα αυτά μπορούν να χρησιμοποιηθούν, με τη βοήθεια ΓΣΠ, για την αντιμετώπιση των πλημμυρών και την αξιολόγηση της σοβαρότητάς τους.

Νέοι αισθητήρες για την παρακολούθηση του νερού και της εδαφικής υγρασίας

Τον Αύγουστο του 2007, η ομάδα του ReSAC συμμετείχε σε ένα διεθνές πείραμα τηλεπισκόπησης. Μια ομάδα εμπειρογνωμόνων δημιούργησε ένα νέο αερομεταφερόμενο σύστημα πολυ-αισθητήρων που βοηθάει τον πολιτικό κόσμο να λάβει ταχείες, ακριβείς και αποτελεσματικές αναλύσεις κινδύνου για υδάτινα σώματα και φράγματα, ακτές, χωράφια και άλλες περιοχές. Το σύστημα αυτό αποτελείται από διάφορα όργανα, συμπεριλαμβανομένου ενός σαρωτή για την ανίχνευση της (υπόγειας) υγρασίας του εδάφους και της ξηρασίας, μιας θερμικής υπέρυθρης κάμερας για τα θερμοκρασιακά δεδομένα του εδάφους, ενός σαρωτή lidar για υψομετρικά μοντέλα, χαρτογραφική απεικόνιση της βλάστησης και ανίχνευση των παραμορφώσεων, καθώς και μιας ψηφιακής φωτογραφικής μηχανής για εικόνες από το ορατό και το εγγύς υπέρυθρο φάσμα της περιοχής μελέτης. Όλοι οι αισθητήρες βρίσκονται πάνω στο ίδιο ελαφρύ αεροσκάφος και λειτουργούν ταυτόχρονα για την παραγωγή ενός μεγάλου εύρους πληροφοριών, οι οποίες στη συνέχεια αναλύονται από ένα σύστημα ελέγχου πληροφοριών (IMS).
Η περιοχή μελέτης κάλυψε την περιοχή των ποταμών Yantra και Roussenski Lom που εκβάλουν στο Δούναβη. Κατά τη διάρκεια του πειράματος ο καιρός άλλαζε με μεγάλη ταχύτητα από ξηρός σε πολύ υγρό, έτσι ώστε μοναδικές πληροφορίες συλλέχτηκαν σχετικά με την επιφανειακή υγρασία (ξηρές συνθήκες 0,05 – 0,10 g/cc, διάβρεξη έως 0,35 g/cc), την υπόγεια υγρασία (έως 0,35 g/cc σε κατάσταση διάβρεξης, αποκαλύπτοντας υπέρυγρες ζώνες κοντά σε φράγματα) και άλλες παραμέτρους υγρασίας. Η μικροκυματική ραδιομετρία είναι η τεχνολογία για τη μέτρηση της υγρασίας του εδάφους (στο υπέργειο και το υπόγειο τμήμα του) και για το λόγο αυτό είναι κατάλληλη για την παρακολούθηση των αναχωμάτων και των υδρολογικών παραμέτρων με τρόπο γρήγορο και αξιόπιστο.
Το πρόγραμμα απέδειξε με επιτυχία την αποτελεσματικότητα της χρήσης της τεχνολογίας των πολυ-αισθητήρων για την προληπτική διαχείριση των φυσικών κινδύνων, μέρος των οποίων είναι τα μέτρα πρόληψης των πλημμύρων και ο προληπτικός έλεγχος των εγκαταστάσεων προστασίας από τις πλημμύρες.

[[category:Υδατικοί Πόροι]]

Η χρήση της τηλεπισκόπησης για την ολοκληρωμένη διαχείριση των υδατικών πόρων: παραδείγματα από τη Βουλγαρία

2010-02-09T17:31:07Z

Angelica-roma:

[[Εικόνα:bulg1.jpg|thumb|right|Τελική διανυσματική βάση δεδομένων και πίνακας χαρακτηριστικών των χαρτογραφημένων υγροτόπων]]

Εισαγωγή

Οι δορυφορικές εικόνες είναι μια πολύτιμη βοήθεια στην απόκτηση πληροφοριών για τη κάλυψη και τις χρήσεις γης, καθώς και τις αλλαγές τις. Αντιπροσωπεύουν μια ανεξάρτητη πηγή πληροφοριών που μπορεί να αναβαθμίζεται συχνά. Επίσης, η ποικιλία στη διακριτική ικανότητα των δορυφόρων δίνει τη δυνατότητα απεικόνισης των υδρολογικών αντικειμένων σε διάφορες κλίμακες – σήμερα φτάνουμε μέχρι την κλίμακα 1:5.000. Παράλληλα, τα επίγεια μέσα παρακολούθησης μπορούν να συλλέξουν πληροφορίες για την επιφάνεια του νερού σε εκατοντάδες φασματικά κανάλια, επιτρέποντας στους υδρολόγους όχι μόνο να χαρτογραφήσουν τους υγροτόπους αλλά και να εξάγουν πληροφορίες για διάφορα χαρακτηριστικά του νερού όπως τα χρώμα, η αλατότητα, κτλ. Τέλος, η χρήση των δορυφόρων παρέχει χρήσιμα δεδομένα για την παρακολούθηση φυσικών καταστροφών, όπως οι πλημμύρες. Ο αυξανόμενος αριθμός δορυφόρων υψηλής και πολύ υψηλής διακριτικής ικανότητας δίνει τη δυνατότητα για την απόκτηση πληροφοριών με μεγάλη λεπτομέρεια σε μικρό χρονικό διάστημα από το καταστροφικό γεγονός, βοηθώντας στη δημιουργία χάρτη για την αντιμετώπιση της κρίσης.

[[Εικόνα:bulg2.jpg|thumb|right|Δίκτυο των ποταμών και κύριοι υδάτινοι όγκοι αναβαθμισμένοι στη βάση των SPOT 5 (5m color) δορυφορικών εικόνων]]
[[Εικόνα:bulg3.jpg|thumb|right|Υπηρεσία άμεσης ανάληψης δράσης για τις πλημμύρες του Δούναβη στην περιοχή της πόλης του Vidin, τον Απρίλιο του 2006]]

Καταγραφή Υγροτόπων

Οι υγρότοποι αποτελούν ένα σημαντικό μέρος του περιβάλλοντος καθώς συγκεντρώνουν μεγάλη βιοποικιλότητα και εμπεριέχουν οικολογική, οικονομική και κοινωνική αξία. Καταστρέφονται λόγω τεχνιτών αλλαγών στη στάθμη του νερού, τοξικών αποβλήτων, εισβολή ξενικών ειδών, αποξήρανση και έπειτα καλλιέργεια, κτλ. Για τους λόγους αυτούς απαιτείται παρακολούθηση, διαχείριση και διατήρηση των υγροτόπων. Όμως η συλλογή και αναβάθμιση των δεδομένων είναι δύσκολη λόγω της όχλησης που δημιουργείται από την έρευνα στο πεδίο και τη δυσκολία στην πρόσβαση. Η τεχνολογία της τηλεπισκόπησης ξεπερνάει αυτά τα προβλήματα και αποτελεί μια ταχεία μέθοδο για την καταγραφή και παρακολούθηση των υγροτόπων.
Το 2002 ο ReSAC (Remote Sensing Application Center) συμμετείχε σε μια έρευνα για την αναγνώριση και τον προσδιορισμό των τοποθεσιών των φυσικών και τεχνητών υγροτόπων της Βουλγαρίας. Κατά τη διάρκεια αυτής της μελέτης οι υγρότοποι απεικονίστηκαν σε κλίμακα 1:50.000, με δεδομένα των ετών 1989 έως 2000 από δορυφόρους LANDSAT TM και LANDSAT ETM με διακριτική ικανότητα 30m. Αναγνωρίστηκαν περισσότεροι από 7.800 υγρότοποι μόνο από την αντανάκλαση του νερού. Κατά τη διάρκεια της χαρτογράφησης χρησιμοποιήθηκαν διάφορες τεχνικές για την επεξεργασία των εικόνων. Η διαδικασία ταξινόμησης περιλάμβανε τόσο επιβλεπόμενη και μη επιβλεπόμενη ταξινόμηση, όσο και οπτική ερμηνεία και ψηφιοποίηση.
Αυτή ήταν η πρώτη προσπάθεια απεικόνισης των υγροτόπων της Βουλγαρίας με τηλεπισκόπηση σε εθνική κλίμακα. Για τη σκιαγράφηση των υδάτινων στοιχείων στις εικόνες του Landsat, προσδιορίστηκε ότι το νερό εμφανίζεται σχεδόν μαύρο στα έγχρωμα σύνθετα RGB (4,5,3) και RGB (4,5,7). Για το λόγο αυτό η έρευνα διεξήχθη μόνο σε τέσσερα κανάλια (κόκκινο, εγγύς υπέρυθρο, μέσο υπέρυθρο, θερμικό), επιταχύνοντας τη διαδικασία, μειώνοντας τη φασματική σύγχυση και αυξάνοντας την ακρίβεια του αποτελέσματος. Παρ’ όλ’ αυτά οι σκιές των νεφών και των λόφων συγχέονταν με τους υγροτόπους οπότε περεταίρω βελτιστοποίηση της ταξινόμησης απαιτήθηκε. Η φασματική διάκριση επιτεύχθηκε μέσω επιβλεπόμενης ταξινόμησης χρησιμοποιώντας περιοχές εκπαίδευσης εικονοστοιχείων που απεικόνιζαν τις μεικτές τάξεις. Ως επιπλέον επίπεδο με φασματική ενίσχυση για τη διάκριση της βλάστησης υπολογίστηκε ο NDVI (Normalized Difference Vegetation Index). Ο NDVI είναι μια αναλογία που υπερτονίζει τη διαφορά μεταξύ του κόκκινου και του εγγύς υπέρυθρου καναλιού έτσι ώστε να ενισχύσει την ορατότητα των εικονοστοιχείων που εικονίζουν τη βλάστηση.
Τα ψηφιδωτά προϊόντα της ταξινόμησης μετατράπηκαν σε διανυσματική μορφή και επιπλέον ιδιότητες προστέθηκαν. Για τους 7.800 αναγνωρισμένους υγροτόπους προστέθηκαν ιδιότητες όπως όνομα, κοντινότερος οικισμός, ποτάμι στο οποίο ανήκει ο υδάτινος όγκος, γεωγραφική τοποθεσία. Αυτό αποτέλεσε το πρώτο χαρτογραφικό προϊόν σε περιβάλλον ΓΣΠ για όλους τους υγροτόπους της Βουλγαρίας όπως και η βάση δεδομένων που δημιουργήθηκε.

[[Εικόνα:bulg4.jpg|thumb|right|Τα προϊόντα της ανάλυσης της στάθμης του νερού για την πόλη Ruse]]
[[Εικόνα:bulg5.jpg|thumb|right|Ανάλυση της επίδρασης των πλημμυρών στην περιοχή της πόλης Novi Iskar και των περιχώρων της, σε συνδυασμό με την ερμηνεία των επηρεασμένων περιοχών με βάση τους τύπους κάλυψης και χρήσης γης του CORINE 2000]]

Υπηρεσίες άμεσης ανάληψης δράσης

Από το 2005 ο ReSAC συμμετέχει στην κοινή πρωτοβουλία της Ευρωπαϊκής Επιτροπής και της Ευρωπαϊκού Οργανισμού Διαστήματος που έχει σαν στόχο την παροχή ενός κοινού συστήματος απόκτησης πληροφοριών σε όσους έχουν πληγεί από φυσικές και ανθρωπογενείς καταστροφές (αρχές και πολίτες) βασισμένου σε παρατηρήσεις από το διάστημα και από το πεδίο. Στο διάστημα 2005-2007 πολυάριθμες σοβαρές πλημμύρες συνέβησαν σε ολόκληρη τη Βουλγαρία λόγω ισχυρών βροχοπτώσεων και λιωσίματος του χιονιού στην Κεντρική Ευρώπη που επηρέασαν το κατώτερο κομμάτι του Δούναβη. Εικόνες του FORMOSAT και του SPOT χρησιμοποιήθηκαν για τη δημιουργία υπηρεσιών άμεσης ανάληψης δράσης ώστε να διευκολυνθεί η λήψη αποφάσεων κατά τη διάρκεια της κρίσης όσο και για την ελαχιστοποίηση των κινδύνων μελλοντικών πλημμυρών.

[[Εικόνα:bulg67.jpg|thumb|right|Χαρακτηριστικά των αισθητήρων που χρησιμοποιήθηκαν στο πρόγραμμα]]
[[Εικόνα:bulg8.jpg|thumb|right|Ο ποταμός Rusenski Lom σε ξηρές συνθήκες – μικροκυματικά δεδομένα υγρασίας του εδάφους στο υπέργειο (αριστερά) και το υπόγειο (δεξιά) τμήμα του]]

Μοντελοποίηση της στάθμης του νερού

Η μοντελοποίηση της στάθμης του νερού είναι ουσιώδης όταν πρέπει να προγραμματιστεί η απόκριση σε ένα καταστροφικό γεγονός. Δραστηριότητες όπως η εκκένωση, η διάσωση και η πρόληψη μπορούν να οργανωθούν αν είναι γνωστός ο χάρτης της εξέλιξης της στάθμης του νερού ενός ποταμού με μεγάλη ταχύτητας ροής. Κατά τη διάρκεια των πλημμυρών του Δούναβη τον Απρίλιο του 2006, ο ReSAC είχε στη διάθεσή του πληροφορίες Cadastral, IKONOS Orthophotos, Ψηφιακό Υψομετρικό Πρότυπο (DEM) σε κλίμακα 1:5.000 για την περιοχή της πόλης Ruse, με σκοπό να ετοιμάσει χάρτη με τις ευάλωτες στην πλημμύρα περιοχές σε συνδυασμό με τρισδιάστατες προσομοιώσεις, ώστε να προγραμματιστεί έγκαιρη αντίδραση.

[[Εικόνα:bulg9.jpg|thumb|right|Ο ποταμός Rusenski Lom – Ψηφιακό Υψομετρικό Πρότυπο (DEM) που παρήχθη από τον αισθητήρα LIDAR. Γενική επισκόπιση (αριστερά) και λεπτομερής άποψη (δεξιά)]]
[[Εικόνα:bulg10.jpg|thumb|right|Θερμικά υπέρυθρα δεδομένα από την περιοχή Nikolovo]]

Χαρτογράφηση των περιχών που απειλούνται από πλημμύρες

Τον Οκτώβριο του 2007 μπήκε σε εφαρμογή η οδηγία της Ευρωπαϊκής Ένωσης για την αντιμετώπιση του κινδύνου πλημμυρών, σύμφωνα με την οποία τα κράτη-μέλη υποχρεούνται να συντάξουν χάρτες για τις περιοχές που απειλούνται από πλημμύρες καθώς και πλάνα διαχείρισης των καταστροφών. Για το λόγο αυτό ξεκίνησε ένα πρόγραμμα στην περιοχή Novi Iskar, κοντά στη Σόφια, με σκοπό την ανάπτυξη μεθοδολογίας για την προσομοίωση και πρόβλεψη των πιθανών ζημιών στις υποδομές, σε κατοικίες, βιομηχανικές περιοχές, καλλιέργειες, κτλ. Το πρόγραμμα είχε σαν στόχο τη χρήση εικόνων από δορυφόρους σε συνδυασμό με τον έλεγχο της αποδοτικότητας του προϊόντος DEM του SPOT Image, Reference3D, για τους σκοπούς της μοντελοποίησης των πλημμυρών. Η υδραυλική μοντελοποίηση και προσομοίωση της ποσότητας και της στάθμης του νερού απαιτούσε πληροφορίες για το έδαφος στην περιοχή της πλημμύρας με μεγάλη ακρίβεια (περίπου 15cm) και για το λόγο αυτό αστικοί χάρτες με κλίμακα 1:5.000 ψηφιοποιήθηκαν.
Λόγω του γεγονότος ότι οι περισσότεροι από αυτούς τους χάρτες δεν είχαν εκσυγχρονιστεί για μια περίοδο 10-15 ετών, μετρήσεις στην πλημμυρική περιοχή κοντά στην πόλη Novi Iskar συλλέχθηκαν με το εργαλείο DGPS (ένα ακριβές σύστημα έρευνας που περιλαμβάνει ένα σταθμό βάσης MAPRT με εξωτερική κεραία MG-A5 και ένα δέκτη rover (Remotely Operated Video Enhanced Receiver) GMS-2. Για την προσομοίωση των πλημμυρών χρησιμοποιήθηκε το λογισμικό MIKE11 σε συνδυασμό με το ArcView GIS. Τα ανεπεξέργαστα δεδομένα χρησιμοποιήθηκαν για τη δημιουργία ενός ψηφιδωτού πλέγματος για την επιφάνεια του νερού. Τα δεδομένα αυτά μπορούν να χρησιμοποιηθούν, με τη βοήθεια ΓΣΠ, για την αντιμετώπιση των πλημμυρών και την αξιολόγηση της σοβαρότητάς τους.

Νέοι αισθητήρες για την παρακολούθηση του νερού και της εδαφικής υγρασίας

Τον Αύγουστο του 2007, η ομάδα του ReSAC συμμετείχε σε ένα διεθνές πείραμα τηλεπισκόπησης. Μια ομάδα εμπειρογνωμόνων δημιούργησε ένα νέο αερομεταφερόμενο σύστημα πολυ-αισθητήρων που βοηθάει τον πολιτικό κόσμο να λάβει ταχείες, ακριβείς και αποτελεσματικές αναλύσεις κινδύνου για υδάτινα σώματα και φράγματα, ακτές, χωράφια και άλλες περιοχές. Το σύστημα αυτό αποτελείται από διάφορα όργανα, συμπεριλαμβανομένου ενός σαρωτή για την ανίχνευση της (υπόγειας) υγρασίας του εδάφους και της ξηρασίας, μιας θερμικής υπέρυθρης κάμερας για τα θερμοκρασιακά δεδομένα του εδάφους, ενός σαρωτή lidar για υψομετρικά μοντέλα, χαρτογραφική απεικόνιση της βλάστησης και ανίχνευση των παραμορφώσεων, καθώς και μιας ψηφιακής φωτογραφικής μηχανής για εικόνες από το ορατό και το εγγύς υπέρυθρο φάσμα της περιοχής μελέτης. Όλοι οι αισθητήρες βρίσκονται πάνω στο ίδιο ελαφρύ αεροσκάφος και λειτουργούν ταυτόχρονα για την παραγωγή ενός μεγάλου εύρους πληροφοριών, οι οποίες στη συνέχεια αναλύονται από ένα σύστημα ελέγχου πληροφοριών (IMS).
Η περιοχή μελέτης κάλυψε την περιοχή των ποταμών Yantra και Roussenski Lom που εκβάλουν στο Δούναβη. Κατά τη διάρκεια του πειράματος ο καιρός άλλαζε με μεγάλη ταχύτητα από ξηρός σε πολύ υγρό, έτσι ώστε μοναδικές πληροφορίες συλλέχτηκαν σχετικά με την επιφανειακή υγρασία (ξηρές συνθήκες 0,05 – 0,10 g/cc, διάβρεξη έως 0,35 g/cc), την υπόγεια υγρασία (έως 0,35 g/cc σε κατάσταση διάβρεξης, αποκαλύπτοντας υπέρυγρες ζώνες κοντά σε φράγματα) και άλλες παραμέτρους υγρασίας. Η μικροκυματική ραδιομετρία είναι η τεχνολογία για τη μέτρηση της υγρασίας του εδάφους (στο υπέργειο και το υπόγειο τμήμα του) και για το λόγο αυτό είναι κατάλληλη για την παρακολούθηση των αναχωμάτων και των υδρολογικών παραμέτρων με τρόπο γρήγορο και αξιόπιστο.
Το πρόγραμμα απέδειξε με επιτυχία την αποτελεσματικότητα της χρήσης της τεχνολογίας των πολυ-αισθητήρων για την προληπτική διαχείριση των φυσικών κινδύνων, μέρος των οποίων είναι τα μέτρα πρόληψης των πλημμύρων και ο προληπτικός έλεγχος των εγκαταστάσεων προστασίας από τις πλημμύρες.

[[category:Υδατικοί Πόροι]]

Η χρήση της τηλεπισκόπησης για την ολοκληρωμένη διαχείριση των υδατικών πόρων: παραδείγματα από τη Βουλγαρία

2010-02-09T17:28:41Z

Angelica-roma:

Εισαγωγή

Οι δορυφορικές εικόνες είναι μια πολύτιμη βοήθεια στην απόκτηση πληροφοριών για τη κάλυψη και τις χρήσεις γης, καθώς και τις αλλαγές τις. Αντιπροσωπεύουν μια ανεξάρτητη πηγή πληροφοριών που μπορεί να αναβαθμίζεται συχνά. Επίσης, η ποικιλία στη διακριτική ικανότητα των δορυφόρων δίνει τη δυνατότητα απεικόνισης των υδρολογικών αντικειμένων σε διάφορες κλίμακες – σήμερα φτάνουμε μέχρι την κλίμακα 1:5.000. Παράλληλα, τα επίγεια μέσα παρακολούθησης μπορούν να συλλέξουν πληροφορίες για την επιφάνεια του νερού σε εκατοντάδες φασματικά κανάλια, επιτρέποντας στους υδρολόγους όχι μόνο να χαρτογραφήσουν τους υγροτόπους αλλά και να εξάγουν πληροφορίες για διάφορα χαρακτηριστικά του νερού όπως τα χρώμα, η αλατότητα, κτλ. Τέλος, η χρήση των δορυφόρων παρέχει χρήσιμα δεδομένα για την παρακολούθηση φυσικών καταστροφών, όπως οι πλημμύρες. Ο αυξανόμενος αριθμός δορυφόρων υψηλής και πολύ υψηλής διακριτικής ικανότητας δίνει τη δυνατότητα για την απόκτηση πληροφοριών με μεγάλη λεπτομέρεια σε μικρό χρονικό διάστημα από το καταστροφικό γεγονός, βοηθώντας στη δημιουργία χάρτη για την αντιμετώπιση της κρίσης.

[[Εικόνα:bulg1.jpg|thumb|right|Τελική διανυσματική βάση δεδομένων και πίνακας χαρακτηριστικών των χαρτογραφημένων υγροτόπων]]

Καταγραφή Υγροτόπων

Οι υγρότοποι αποτελούν ένα σημαντικό μέρος του περιβάλλοντος καθώς συγκεντρώνουν μεγάλη βιοποικιλότητα και εμπεριέχουν οικολογική, οικονομική και κοινωνική αξία. Καταστρέφονται λόγω τεχνιτών αλλαγών στη στάθμη του νερού, τοξικών αποβλήτων, εισβολή ξενικών ειδών, αποξήρανση και έπειτα καλλιέργεια, κτλ. Για τους λόγους αυτούς απαιτείται παρακολούθηση, διαχείριση και διατήρηση των υγροτόπων. Όμως η συλλογή και αναβάθμιση των δεδομένων είναι δύσκολη λόγω της όχλησης που δημιουργείται από την έρευνα στο πεδίο και τη δυσκολία στην πρόσβαση. Η τεχνολογία της τηλεπισκόπησης ξεπερνάει αυτά τα προβλήματα και αποτελεί μια ταχεία μέθοδο για την καταγραφή και παρακολούθηση των υγροτόπων.
Το 2002 ο ReSAC (Remote Sensing Application Center) συμμετείχε σε μια έρευνα για την αναγνώριση και τον προσδιορισμό των τοποθεσιών των φυσικών και τεχνητών υγροτόπων της Βουλγαρίας. Κατά τη διάρκεια αυτής της μελέτης οι υγρότοποι απεικονίστηκαν σε κλίμακα 1:50.000, με δεδομένα των ετών 1989 έως 2000 από δορυφόρους LANDSAT TM και LANDSAT ETM με διακριτική ικανότητα 30m. Αναγνωρίστηκαν περισσότεροι από 7.800 υγρότοποι μόνο από την αντανάκλαση του νερού. Κατά τη διάρκεια της χαρτογράφησης χρησιμοποιήθηκαν διάφορες τεχνικές για την επεξεργασία των εικόνων. Η διαδικασία ταξινόμησης περιλάμβανε τόσο επιβλεπόμενη και μη επιβλεπόμενη ταξινόμηση, όσο και οπτική ερμηνεία και ψηφιοποίηση.
Αυτή ήταν η πρώτη προσπάθεια απεικόνισης των υγροτόπων της Βουλγαρίας με τηλεπισκόπηση σε εθνική κλίμακα. Για τη σκιαγράφηση των υδάτινων στοιχείων στις εικόνες του Landsat, προσδιορίστηκε ότι το νερό εμφανίζεται σχεδόν μαύρο στα έγχρωμα σύνθετα RGB (4,5,3) και RGB (4,5,7). Για το λόγο αυτό η έρευνα διεξήχθη μόνο σε τέσσερα κανάλια (κόκκινο, εγγύς υπέρυθρο, μέσο υπέρυθρο, θερμικό), επιταχύνοντας τη διαδικασία, μειώνοντας τη φασματική σύγχυση και αυξάνοντας την ακρίβεια του αποτελέσματος. Παρ’ όλ’ αυτά οι σκιές των νεφών και των λόφων συγχέονταν με τους υγροτόπους οπότε περεταίρω βελτιστοποίηση της ταξινόμησης απαιτήθηκε. Η φασματική διάκριση επιτεύχθηκε μέσω επιβλεπόμενης ταξινόμησης χρησιμοποιώντας περιοχές εκπαίδευσης εικονοστοιχείων που απεικόνιζαν τις μεικτές τάξεις. Ως επιπλέον επίπεδο με φασματική ενίσχυση για τη διάκριση της βλάστησης υπολογίστηκε ο NDVI (Normalized Difference Vegetation Index). Ο NDVI είναι μια αναλογία που υπερτονίζει τη διαφορά μεταξύ του κόκκινου και του εγγύς υπέρυθρου καναλιού έτσι ώστε να ενισχύσει την ορατότητα των εικονοστοιχείων που εικονίζουν τη βλάστηση.
Τα ψηφιδωτά προϊόντα της ταξινόμησης μετατράπηκαν σε διανυσματική μορφή και επιπλέον ιδιότητες προστέθηκαν. Για τους 7.800 αναγνωρισμένους υγροτόπους προστέθηκαν ιδιότητες όπως όνομα, κοντινότερος οικισμός, ποτάμι στο οποίο ανήκει ο υδάτινος όγκος, γεωγραφική τοποθεσία. Αυτό αποτέλεσε το πρώτο χαρτογραφικό προϊόν σε περιβάλλον ΓΣΠ για όλους τους υγροτόπους της Βουλγαρίας όπως και η βάση δεδομένων που δημιουργήθηκε.

[[Εικόνα:bulg2.jpg|thumb|right|Δίκτυο των ποταμών και κύριοι υδάτινοι όγκοι αναβαθμισμένοι στη βάση των SPOT 5 (5m color) δορυφορικών εικόνων]]
[[Εικόνα:bulg3.jpg|thumb|right|Υπηρεσία άμεσης ανάληψης δράσης για τις πλημμύρες του Δούναβη στην περιοχή της πόλης του Vidin, τον Απρίλιο του 2006]]

Υπηρεσίες άμεσης ανάληψης δράσης

Από το 2005 ο ReSAC συμμετέχει στην κοινή πρωτοβουλία της Ευρωπαϊκής Επιτροπής και της Ευρωπαϊκού Οργανισμού Διαστήματος που έχει σαν στόχο την παροχή ενός κοινού συστήματος απόκτησης πληροφοριών σε όσους έχουν πληγεί από φυσικές και ανθρωπογενείς καταστροφές (αρχές και πολίτες) βασισμένου σε παρατηρήσεις από το διάστημα και από το πεδίο. Στο διάστημα 2005-2007 πολυάριθμες σοβαρές πλημμύρες συνέβησαν σε ολόκληρη τη Βουλγαρία λόγω ισχυρών βροχοπτώσεων και λιωσίματος του χιονιού στην Κεντρική Ευρώπη που επηρέασαν το κατώτερο κομμάτι του Δούναβη. Εικόνες του FORMOSAT και του SPOT χρησιμοποιήθηκαν για τη δημιουργία υπηρεσιών άμεσης ανάληψης δράσης ώστε να διευκολυνθεί η λήψη αποφάσεων κατά τη διάρκεια της κρίσης όσο και για την ελαχιστοποίηση των κινδύνων μελλοντικών πλημμυρών.

[[Εικόνα:bulg4.jpg|thumb|right|Τα προϊόντα της ανάλυσης της στάθμης του νερού για την πόλη Ruse]]
[[Εικόνα:bulg5.jpg|thumb|right|Ανάλυση της επίδρασης των πλημμυρών στην περιοχή της πόλης Novi Iskar και των περιχώρων της, σε συνδυασμό με την ερμηνεία των επηρεασμένων περιοχών με βάση τους τύπους κάλυψης και χρήσης γης του CORINE 2000]]

Μοντελοποίηση της στάθμης του νερού

Η μοντελοποίηση της στάθμης του νερού είναι ουσιώδης όταν πρέπει να προγραμματιστεί η απόκριση σε ένα καταστροφικό γεγονός. Δραστηριότητες όπως η εκκένωση, η διάσωση και η πρόληψη μπορούν να οργανωθούν αν είναι γνωστός ο χάρτης της εξέλιξης της στάθμης του νερού ενός ποταμού με μεγάλη ταχύτητας ροής. Κατά τη διάρκεια των πλημμυρών του Δούναβη τον Απρίλιο του 2006, ο ReSAC είχε στη διάθεσή του πληροφορίες Cadastral, IKONOS Orthophotos, Ψηφιακό Υψομετρικό Πρότυπο (DEM) σε κλίμακα 1:5.000 για την περιοχή της πόλης Ruse, με σκοπό να ετοιμάσει χάρτη με τις ευάλωτες στην πλημμύρα περιοχές σε συνδυασμό με τρισδιάστατες προσομοιώσεις, ώστε να προγραμματιστεί έγκαιρη αντίδραση.

[[Εικόνα:bulg67.jpg|thumb|right|Χαρακτηριστικά των αισθητήρων που χρησιμοποιήθηκαν στο πρόγραμμα]]
[[Εικόνα:bulg8.jpg|thumb|right|Ο ποταμός Rusenski Lom σε ξηρές συνθήκες – μικροκυματικά δεδομένα υγρασίας του εδάφους στο υπέργειο (αριστερά) και το υπόγειο (δεξιά) τμήμα του]]

Χαρτογράφηση των περιχών που απειλούνται από πλημμύρες

Τον Οκτώβριο του 2007 μπήκε σε εφαρμογή η οδηγία της Ευρωπαϊκής Ένωσης για την αντιμετώπιση του κινδύνου πλημμυρών, σύμφωνα με την οποία τα κράτη-μέλη υποχρεούνται να συντάξουν χάρτες για τις περιοχές που απειλούνται από πλημμύρες καθώς και πλάνα διαχείρισης των καταστροφών. Για το λόγο αυτό ξεκίνησε ένα πρόγραμμα στην περιοχή Novi Iskar, κοντά στη Σόφια, με σκοπό την ανάπτυξη μεθοδολογίας για την προσομοίωση και πρόβλεψη των πιθανών ζημιών στις υποδομές, σε κατοικίες, βιομηχανικές περιοχές, καλλιέργειες, κτλ. Το πρόγραμμα είχε σαν στόχο τη χρήση εικόνων από δορυφόρους σε συνδυασμό με τον έλεγχο της αποδοτικότητας του προϊόντος DEM του SPOT Image, Reference3D, για τους σκοπούς της μοντελοποίησης των πλημμυρών. Η υδραυλική μοντελοποίηση και προσομοίωση της ποσότητας και της στάθμης του νερού απαιτούσε πληροφορίες για το έδαφος στην περιοχή της πλημμύρας με μεγάλη ακρίβεια (περίπου 15cm) και για το λόγο αυτό αστικοί χάρτες με κλίμακα 1:5.000 ψηφιοποιήθηκαν.
Λόγω του γεγονότος ότι οι περισσότεροι από αυτούς τους χάρτες δεν είχαν εκσυγχρονιστεί για μια περίοδο 10-15 ετών, μετρήσεις στην πλημμυρική περιοχή κοντά στην πόλη Novi Iskar συλλέχθηκαν με το εργαλείο DGPS (ένα ακριβές σύστημα έρευνας που περιλαμβάνει ένα σταθμό βάσης MAPRT με εξωτερική κεραία MG-A5 και ένα δέκτη rover (Remotely Operated Video Enhanced Receiver) GMS-2. Για την προσομοίωση των πλημμυρών χρησιμοποιήθηκε το λογισμικό MIKE11 σε συνδυασμό με το ArcView GIS. Τα ανεπεξέργαστα δεδομένα χρησιμοποιήθηκαν για τη δημιουργία ενός ψηφιδωτού πλέγματος για την επιφάνεια του νερού. Τα δεδομένα αυτά μπορούν να χρησιμοποιηθούν, με τη βοήθεια ΓΣΠ, για την αντιμετώπιση των πλημμυρών και την αξιολόγηση της σοβαρότητάς τους.

[[Εικόνα:bulg9.jpg|thumb|right|Ο ποταμός Rusenski Lom – Ψηφιακό Υψομετρικό Πρότυπο (DEM) που παρήχθη από τον αισθητήρα LIDAR. Γενική επισκόπιση (αριστερά) και λεπτομερής άποψη (δεξιά)]]
[[Εικόνα:bulg10.jpg|thumb|right|Θερμικά υπέρυθρα δεδομένα από την περιοχή Nikolovo]]

Νέοι αισθητήρες για την παρακολούθηση του νερού και της εδαφικής υγρασίας

Τον Αύγουστο του 2007, η ομάδα του ReSAC συμμετείχε σε ένα διεθνές πείραμα τηλεπισκόπησης. Μια ομάδα εμπειρογνωμόνων δημιούργησε ένα νέο αερομεταφερόμενο σύστημα πολυ-αισθητήρων που βοηθάει τον πολιτικό κόσμο να λάβει ταχείες, ακριβείς και αποτελεσματικές αναλύσεις κινδύνου για υδάτινα σώματα και φράγματα, ακτές, χωράφια και άλλες περιοχές. Το σύστημα αυτό αποτελείται από διάφορα όργανα, συμπεριλαμβανομένου ενός σαρωτή για την ανίχνευση της (υπόγειας) υγρασίας του εδάφους και της ξηρασίας, μιας θερμικής υπέρυθρης κάμερας για τα θερμοκρασιακά δεδομένα του εδάφους, ενός σαρωτή lidar για υψομετρικά μοντέλα, χαρτογραφική απεικόνιση της βλάστησης και ανίχνευση των παραμορφώσεων, καθώς και μιας ψηφιακής φωτογραφικής μηχανής για εικόνες από το ορατό και το εγγύς υπέρυθρο φάσμα της περιοχής μελέτης. Όλοι οι αισθητήρες βρίσκονται πάνω στο ίδιο ελαφρύ αεροσκάφος και λειτουργούν ταυτόχρονα για την παραγωγή ενός μεγάλου εύρους πληροφοριών, οι οποίες στη συνέχεια αναλύονται από ένα σύστημα ελέγχου πληροφοριών (IMS).
Η περιοχή μελέτης κάλυψε την περιοχή των ποταμών Yantra και Roussenski Lom που εκβάλουν στο Δούναβη. Κατά τη διάρκεια του πειράματος ο καιρός άλλαζε με μεγάλη ταχύτητα από ξηρός σε πολύ υγρό, έτσι ώστε μοναδικές πληροφορίες συλλέχτηκαν σχετικά με την επιφανειακή υγρασία (ξηρές συνθήκες 0,05 – 0,10 g/cc, διάβρεξη έως 0,35 g/cc), την υπόγεια υγρασία (έως 0,35 g/cc σε κατάσταση διάβρεξης, αποκαλύπτοντας υπέρυγρες ζώνες κοντά σε φράγματα) και άλλες παραμέτρους υγρασίας. Η μικροκυματική ραδιομετρία είναι η τεχνολογία για τη μέτρηση της υγρασίας του εδάφους (στο υπέργειο και το υπόγειο τμήμα του) και για το λόγο αυτό είναι κατάλληλη για την παρακολούθηση των αναχωμάτων και των υδρολογικών παραμέτρων με τρόπο γρήγορο και αξιόπιστο.
Το πρόγραμμα απέδειξε με επιτυχία την αποτελεσματικότητα της χρήσης της τεχνολογίας των πολυ-αισθητήρων για την προληπτική διαχείριση των φυσικών κινδύνων, μέρος των οποίων είναι τα μέτρα πρόληψης των πλημμύρων και ο προληπτικός έλεγχος των εγκαταστάσεων προστασίας από τις πλημμύρες.

[[category:Υδατικοί Πόροι]]

Αρχείο:Bulg67.jpg

2010-02-09T17:18:13Z

Angelica-roma:

Η χρήση της τηλεπισκόπησης για την ολοκληρωμένη διαχείριση των υδατικών πόρων: παραδείγματα από τη Βουλγαρία

2010-02-09T17:11:16Z

Angelica-roma: New page: Εισαγωγή Οι δορυφορικές εικόνες είναι μια πολύτιμη βοήθεια στην απόκτηση πληροφοριών για τη κάλυψη κ...

Εισαγωγή

Οι δορυφορικές εικόνες είναι μια πολύτιμη βοήθεια στην απόκτηση πληροφοριών για τη κάλυψη και τις χρήσεις γης, καθώς και τις αλλαγές τις. Αντιπροσωπεύουν μια ανεξάρτητη πηγή πληροφοριών που μπορεί να αναβαθμίζεται συχνά. Επίσης, η ποικιλία στη διακριτική ικανότητα των δορυφόρων δίνει τη δυνατότητα απεικόνισης των υδρολογικών αντικειμένων σε διάφορες κλίμακες – σήμερα φτάνουμε μέχρι την κλίμακα 1:5.000. Παράλληλα, τα επίγεια μέσα παρακολούθησης μπορούν να συλλέξουν πληροφορίες για την επιφάνεια του νερού σε εκατοντάδες φασματικά κανάλια, επιτρέποντας στους υδρολόγους όχι μόνο να χαρτογραφήσουν τους υγροτόπους αλλά και να εξάγουν πληροφορίες για διάφορα χαρακτηριστικά του νερού όπως τα χρώμα, η αλατότητα, κτλ. Τέλος, η χρήση των δορυφόρων παρέχει χρήσιμα δεδομένα για την παρακολούθηση φυσικών καταστροφών, όπως οι πλημμύρες. Ο αυξανόμενος αριθμός δορυφόρων υψηλής και πολύ υψηλής διακριτικής ικανότητας δίνει τη δυνατότητα για την απόκτηση πληροφοριών με μεγάλη λεπτομέρεια σε μικρό χρονικό διάστημα από το καταστροφικό γεγονός, βοηθώντας στη δημιουργία χάρτη για την αντιμετώπιση της κρίσης.

Καταγραφή Υγροτόπων

Οι υγρότοποι αποτελούν ένα σημαντικό μέρος του περιβάλλοντος καθώς συγκεντρώνουν μεγάλη βιοποικιλότητα και εμπεριέχουν οικολογική, οικονομική και κοινωνική αξία. Καταστρέφονται λόγω τεχνιτών αλλαγών στη στάθμη του νερού, τοξικών αποβλήτων, εισβολή ξενικών ειδών, αποξήρανση και έπειτα καλλιέργεια, κτλ. Για τους λόγους αυτούς απαιτείται παρακολούθηση, διαχείριση και διατήρηση των υγροτόπων. Όμως η συλλογή και αναβάθμιση των δεδομένων είναι δύσκολη λόγω της όχλησης που δημιουργείται από την έρευνα στο πεδίο και τη δυσκολία στην πρόσβαση. Η τεχνολογία της τηλεπισκόπησης ξεπερνάει αυτά τα προβλήματα και αποτελεί μια ταχεία μέθοδο για την καταγραφή και παρακολούθηση των υγροτόπων.
Το 2002 ο ReSAC (Remote Sensing Application Center) συμμετείχε σε μια έρευνα για την αναγνώριση και τον προσδιορισμό των τοποθεσιών των φυσικών και τεχνητών υγροτόπων της Βουλγαρίας. Κατά τη διάρκεια αυτής της μελέτης οι υγρότοποι απεικονίστηκαν σε κλίμακα 1:50.000, με δεδομένα των ετών 1989 έως 2000 από δορυφόρους LANDSAT TM και LANDSAT ETM με διακριτική ικανότητα 30m. Αναγνωρίστηκαν περισσότεροι από 7.800 υγρότοποι μόνο από την αντανάκλαση του νερού. Κατά τη διάρκεια της χαρτογράφησης χρησιμοποιήθηκαν διάφορες τεχνικές για την επεξεργασία των εικόνων. Η διαδικασία ταξινόμησης περιλάμβανε τόσο επιβλεπόμενη και μη επιβλεπόμενη ταξινόμηση, όσο και οπτική ερμηνεία και ψηφιοποίηση.
Αυτή ήταν η πρώτη προσπάθεια απεικόνισης των υγροτόπων της Βουλγαρίας με τηλεπισκόπηση σε εθνική κλίμακα. Για τη σκιαγράφηση των υδάτινων στοιχείων στις εικόνες του Landsat, προσδιορίστηκε ότι το νερό εμφανίζεται σχεδόν μαύρο στα έγχρωμα σύνθετα RGB (4,5,3) και RGB (4,5,7). Για το λόγο αυτό η έρευνα διεξήχθη μόνο σε τέσσερα κανάλια (κόκκινο, εγγύς υπέρυθρο, μέσο υπέρυθρο, θερμικό), επιταχύνοντας τη διαδικασία, μειώνοντας τη φασματική σύγχυση και αυξάνοντας την ακρίβεια του αποτελέσματος. Παρ’ όλ’ αυτά οι σκιές των νεφών και των λόφων συγχέονταν με τους υγροτόπους οπότε περεταίρω βελτιστοποίηση της ταξινόμησης απαιτήθηκε. Η φασματική διάκριση επιτεύχθηκε μέσω επιβλεπόμενης ταξινόμησης χρησιμοποιώντας περιοχές εκπαίδευσης εικονοστοιχείων που απεικόνιζαν τις μεικτές τάξεις. Ως επιπλέον επίπεδο με φασματική ενίσχυση για τη διάκριση της βλάστησης υπολογίστηκε ο NDVI (Normalized Difference Vegetation Index). Ο NDVI είναι μια αναλογία που υπερτονίζει τη διαφορά μεταξύ του κόκκινου και του εγγύς υπέρυθρου καναλιού έτσι ώστε να ενισχύσει την ορατότητα των εικονοστοιχείων που εικονίζουν τη βλάστηση.
Τα ψηφιδωτά προϊόντα της ταξινόμησης μετατράπηκαν σε διανυσματική μορφή και επιπλέον ιδιότητες προστέθηκαν. Για τους 7.800 αναγνωρισμένους υγροτόπους προστέθηκαν ιδιότητες όπως όνομα, κοντινότερος οικισμός, ποτάμι στο οποίο ανήκει ο υδάτινος όγκος, γεωγραφική τοποθεσία. Αυτό αποτέλεσε το πρώτο χαρτογραφικό προϊόν σε περιβάλλον ΓΣΠ για όλους τους υγροτόπους της Βουλγαρίας όπως και η βάση δεδομένων που δημιουργήθηκε.

Υπηρεσίες άμεσης ανάληψης δράσης

Από το 2005 ο ReSAC συμμετέχει στην κοινή πρωτοβουλία της Ευρωπαϊκής Επιτροπής και της Ευρωπαϊκού Οργανισμού Διαστήματος που έχει σαν στόχο την παροχή ενός κοινού συστήματος απόκτησης πληροφοριών σε όσους έχουν πληγεί από φυσικές και ανθρωπογενείς καταστροφές (αρχές και πολίτες) βασισμένου σε παρατηρήσεις από το διάστημα και από το πεδίο. Στο διάστημα 2005-2007 πολυάριθμες σοβαρές πλημμύρες συνέβησαν σε ολόκληρη τη Βουλγαρία λόγω ισχυρών βροχοπτώσεων και λιωσίματος του χιονιού στην Κεντρική Ευρώπη που επηρέασαν το κατώτερο κομμάτι του Δούναβη. Εικόνες του FORMOSAT και του SPOT χρησιμοποιήθηκαν για τη δημιουργία υπηρεσιών άμεσης ανάληψης δράσης ώστε να διευκολυνθεί η λήψη αποφάσεων κατά τη διάρκεια της κρίσης όσο και για την ελαχιστοποίηση των κινδύνων μελλοντικών πλημμυρών.

Μοντελοποίηση της στάθμης του νερού

Η μοντελοποίηση της στάθμης του νερού είναι ουσιώδης όταν πρέπει να προγραμματιστεί η απόκριση σε ένα καταστροφικό γεγονός. Δραστηριότητες όπως η εκκένωση, η διάσωση και η πρόληψη μπορούν να οργανωθούν αν είναι γνωστός ο χάρτης της εξέλιξης της στάθμης του νερού ενός ποταμού με μεγάλη ταχύτητας ροής. Κατά τη διάρκεια των πλημμυρών του Δούναβη τον Απρίλιο του 2006, ο ReSAC είχε στη διάθεσή του πληροφορίες Cadastral, IKONOS Orthophotos, Ψηφιακό Υψομετρικό Πρότυπο (DEM) σε κλίμακα 1:5.000 για την περιοχή της πόλης Ruse, με σκοπό να ετοιμάσει χάρτη με τις ευάλωτες στην πλημμύρα περιοχές σε συνδυασμό με τρισδιάστατες προσομοιώσεις, ώστε να προγραμματιστεί έγκαιρη αντίδραση.

Χαρτογράφηση των περιχών που απειλούνται από πλημμύρες

Τον Οκτώβριο του 2007 μπήκε σε εφαρμογή η οδηγία της Ευρωπαϊκής Ένωσης για την αντιμετώπιση του κινδύνου πλημμυρών, σύμφωνα με την οποία τα κράτη-μέλη υποχρεούνται να συντάξουν χάρτες για τις περιοχές που απειλούνται από πλημμύρες καθώς και πλάνα διαχείρισης των καταστροφών. Για το λόγο αυτό ξεκίνησε ένα πρόγραμμα στην περιοχή Novi Iskar, κοντά στη Σόφια, με σκοπό την ανάπτυξη μεθοδολογίας για την προσομοίωση και πρόβλεψη των πιθανών ζημιών στις υποδομές, σε κατοικίες, βιομηχανικές περιοχές, καλλιέργειες, κτλ. Το πρόγραμμα είχε σαν στόχο τη χρήση εικόνων από δορυφόρους σε συνδυασμό με τον έλεγχο της αποδοτικότητας του προϊόντος DEM του SPOT Image, Reference3D, για τους σκοπούς της μοντελοποίησης των πλημμυρών. Η υδραυλική μοντελοποίηση και προσομοίωση της ποσότητας και της στάθμης του νερού απαιτούσε πληροφορίες για το έδαφος στην περιοχή της πλημμύρας με μεγάλη ακρίβεια (περίπου 15cm) και για το λόγο αυτό αστικοί χάρτες με κλίμακα 1:5.000 ψηφιοποιήθηκαν.
Λόγω του γεγονότος ότι οι περισσότεροι από αυτούς τους χάρτες δεν είχαν εκσυγχρονιστεί για μια περίοδο 10-15 ετών, μετρήσεις στην πλημμυρική περιοχή κοντά στην πόλη Novi Iskar συλλέχθηκαν με το εργαλείο DGPS (ένα ακριβές σύστημα έρευνας που περιλαμβάνει ένα σταθμό βάσης MAPRT με εξωτερική κεραία MG-A5 και ένα δέκτη rover (Remotely Operated Video Enhanced Receiver) GMS-2. Για την προσομοίωση των πλημμυρών χρησιμοποιήθηκε το λογισμικό MIKE11 σε συνδυασμό με το ArcView GIS. Τα ανεπεξέργαστα δεδομένα χρησιμοποιήθηκαν για τη δημιουργία ενός ψηφιδωτού πλέγματος για την επιφάνεια του νερού. Τα δεδομένα αυτά μπορούν να χρησιμοποιηθούν, με τη βοήθεια ΓΣΠ, για την αντιμετώπιση των πλημμυρών και την αξιολόγηση της σοβαρότητάς τους.

Νέοι αισθητήρες για την παρακολούθηση του νερού και της εδαφικής υγρασίας

Τον Αύγουστο του 2007, η ομάδα του ReSAC συμμετείχε σε ένα διεθνές πείραμα τηλεπισκόπησης. Μια ομάδα εμπειρογνωμόνων δημιούργησε ένα νέο αερομεταφερόμενο σύστημα πολυ-αισθητήρων που βοηθάει τον πολιτικό κόσμο να λάβει ταχείες, ακριβείς και αποτελεσματικές αναλύσεις κινδύνου για υδάτινα σώματα και φράγματα, ακτές, χωράφια και άλλες περιοχές. Το σύστημα αυτό αποτελείται από διάφορα όργανα, συμπεριλαμβανομένου ενός σαρωτή για την ανίχνευση της (υπόγειας) υγρασίας του εδάφους και της ξηρασίας, μιας θερμικής υπέρυθρης κάμερας για τα θερμοκρασιακά δεδομένα του εδάφους, ενός σαρωτή lidar για υψομετρικά μοντέλα, χαρτογραφική απεικόνιση της βλάστησης και ανίχνευση των παραμορφώσεων, καθώς και μιας ψηφιακής φωτογραφικής μηχανής για εικόνες από το ορατό και το εγγύς υπέρυθρο φάσμα της περιοχής μελέτης. Όλοι οι αισθητήρες βρίσκονται πάνω στο ίδιο ελαφρύ αεροσκάφος και λειτουργούν ταυτόχρονα για την παραγωγή ενός μεγάλου εύρους πληροφοριών, οι οποίες στη συνέχεια αναλύονται από ένα σύστημα ελέγχου πληροφοριών (IMS).
Η περιοχή μελέτης κάλυψε την περιοχή των ποταμών Yantra και Roussenski Lom που εκβάλουν στο Δούναβη. Κατά τη διάρκεια του πειράματος ο καιρός άλλαζε με μεγάλη ταχύτητα από ξηρός σε πολύ υγρό, έτσι ώστε μοναδικές πληροφορίες συλλέχτηκαν σχετικά με την επιφανειακή υγρασία (ξηρές συνθήκες 0,05 – 0,10 g/cc, διάβρεξη έως 0,35 g/cc), την υπόγεια υγρασία (έως 0,35 g/cc σε κατάσταση διάβρεξης, αποκαλύπτοντας υπέρυγρες ζώνες κοντά σε φράγματα) και άλλες παραμέτρους υγρασίας. Η μικροκυματική ραδιομετρία είναι η τεχνολογία για τη μέτρηση της υγρασίας του εδάφους (στο υπέργειο και το υπόγειο τμήμα του) και για το λόγο αυτό είναι κατάλληλη για την παρακολούθηση των αναχωμάτων και των υδρολογικών παραμέτρων με τρόπο γρήγορο και αξιόπιστο.
Το πρόγραμμα απέδειξε με επιτυχία την αποτελεσματικότητα της χρήσης της τεχνολογίας των πολυ-αισθητήρων για την προληπτική διαχείριση των φυσικών κινδύνων, μέρος των οποίων είναι τα μέτρα πρόληψης των πλημμύρων και ο προληπτικός έλεγχος των εγκαταστάσεων προστασίας από τις πλημμύρες.

[[category:Υδατικοί Πόροι]]

Αγγελική Κουρουζίδου

2010-02-09T17:03:20Z

Angelica-roma:

Η εδαφική καταλληλότητα της φυσικής βλάστησης με τη χρήση τηλεπισκόπησης και ΓΣΠ

2010-02-09T17:00:10Z

Angelica-roma:

Land suitability modeling of natural vegetation using integrated remote sensing and GIS techniques: a case study, A. H. El-Nahry, H. E. Khashaba, Journal of Applied Sciences 6 (1): 51-56, 2006, ISSN 1812-5654, 2006 Asian Network for Scientific Information, http://adsabs.harvard.edu/abs/2006JApSc...6...51E

Αντικείμενο της εφαρμογής

Ο κόλπος του Σουέζ θεωρείτε από την επιστημονική κοινότητα ως μία από τις πλουσιότερες κοινωνίες της Αιγύπτου σε όρους βιοποικιλότητας, ενδημισμού και ποικιλότητας ενδιαιτημάτων. Η χλωρίδα της είναι διαφορετική και μοναδική. Η οικονομική και φαρμακευτική της αξία είναι δυνητικά πολύ μεγάλη. Παρά, όμως, την αξία της αυτή, βρίσκεται κάτω από σοβαρή απειλή. Περισσότερο από το 80% της περιοχής έχει απογυμνωθεί από τη φυσική βλάστηση και έχει υποβαθμιστεί από την υπερβόσκηση και τη διάβρωση. Η βόσκηση είναι ο κύριος παράγοντας διατάραξης της βλάστησης.

Στόχος της εφαρμογής

Η ποσοτικοποίηση της ποικιλότητας των ειδών και η έκταση της όχλησης από ανθρώπους και ζώα είναι σημαντική για τη μελλοντική διαχείριση της βλάστησης. Οι άμεσοι στόχοι του προγράμματος παρακολούθησης του περιβάλλοντος περιλαμβάνουν την αναγνώριση και την ποσοτικοποίηση των επιδράσεων στο περιβάλλον διαφόρων δραστηριοτήτων. Σήμερα, η χρήση τηλεπισκόπησης και τεχνικών ΓΣΠ μπορεί να θεωρηθεί ως το καλύτερο εργαλείο για την αναγνώριση και την εκτίμηση της βλάστησης.

Υλικά και μέθοδοι

Τηλεπισκόπηση: Η ψηφιακή ανάλυση των εικόνων του δορυφόρου Landsat 7.0 – ETM +, του έτους 2005 εκτελέστηκε με τον τρόπο που αναφέρεται παρακάτω:
* Χειρισμός των δεδομένων συμπεριλαμβανομένων μεγέθυνση (βελτιστοποίηση) εικόνας, φιλτράρισμα και σύγκριση ιστογραμμάτων.
* Διόρθωση των εικόνων του δορυφόρου με τη χρήση ERDAS IMAGINE 8.7.
* Ενίσχυση της ανάλυσης από 30 σε 15m, με τη χρήση μεθοδολογίας συγχώνευσης εικόνας.
* Παραγωγή μωσαϊκής εικόνας από δύο Landsat 7.0 ΕΤΜ + δορυφορικές εικόνες που καλύπτουν όλη την περιοχή χρησιμοποιώντας το λογισμικό ENVI 4.1. Ο δείκτης βλάστησης NDVI παράχθηκε από τα κανάλια 3 και 4 του ΕΤΜ +.

ΓΣΠ: Το σχέδιο διεπαφής του χρήστη και η ενσωμάτωση του αναλυτικού μοντέλου καταλληλότητας έγινε με τη χρήση του προγράμματος ARC GIS έκδοση 9.0. Το Χωρικό Μοντέλο Καταλληλότητας της Γης (Land Suitability Spatial Model, LSSM) σχεδιάστηκε και η διαδικασία του μπορεί να συνοψιστεί παρακάτω:
* Interpolating points to raster of Texture, OC, TSS, CaCO3, pH, WHC, Normalized Difference Vegetation Index (NDVI).
* Επαναταξινόμηση των δεδομένων σε μια κοινή κλίμακα.
* Στάθμιση των δεδομένων με βάση τη σημασία τους.
* Χρήση conditional/algebra statements και εργαλεία επιλογής περιοχών.
* Συνδυασμός των δεδομένων για την εύρεση της πιο κατάλληλης τοποθεσίας για συγκεκριμένα χλωριδικά είδη.

Η χρήση τηλεπισκόπησης και ΓΣΠ συμπληρώθηκε από έρευνα στο πεδίο, έρευνα στο εργαστήριο και φυσικές και χημικές αναλύσεις.

[[Εικόνα:land1.jpg|thumb|right|Διάγραμμα ροής του LSSM]]

Αποτελέσματα

Μοντέλο βλάστησης: Τα ΓΣΠ και τα συστήματα ταξινόμησης της βλάστησης σε συνδυασμό με τις πολυάριθμες μεθόδους τηλεπισκόπησης και τις αυτοματοποιημένες και βασισμένες σε υπολογιστές τοπογραφικές μεθόδους, αποτελούν απαραίτητα εργαλεία στην προσπάθεια μοντελοποίησης της βλάστησης. Η μοντελοποίηση στοιχείων οικολογίας και βλάστησης απαιτεί την αναγνώριση χαρακτηριστικών της γης και του εδάφους, τη συμπεριφορά των φυτών (προσαρμογή) απέναντι στο παρακείμενο περιβάλλον σε συνδυασμό με την αλληλεπίδραση μεταξύ φυτών και εδάφους.
Συμπεριλαμβάνοντας τα χαρακτηριστικά του εδάφους, τα κριτήρια/ απαιτήσεις της φυσικής βλάστησης, την προσαρμογή στο οικοσύστημα και την αλληλεπίδραση φυτών/ εδάφους, μπορεί να δημιουργηθεί το Χωρικό Μοντέλο Καταλληλότητας της Γης (Land Suitability Spatial Model, LSSM). Το LSSM βασίζεται κυρίως σε δύο τεχνικές: τη γεωστατιστική και τη χωρική ανάλυση.

Γεωστατιστική ανάλυση: Η χαρτογραφική πληροφορία που ενσωματώθηκε στα ΓΣΠ, προέκυπτε συνήθως από παρατηρήσεις στο πεδίο, όπως ιδιότητες εδάφους και τύποι βλάστησης. Ο κύριος λόγος χρήσης της γεωστατιστικής ανάλυσης είναι η συμπλήρωση των κενών τιμών δεδομένων, για τη δημιουργία μιας συνεχούς επιφάνειας χρησιμοποιώντας την τεχνική των παρεμβολών. Η γεωστατιστική ανάλυση περιλαμβάνει μία ή περισσότερες μονάδες μέτρησης παρεμβολών για τη διευκόλυνση τέτοιων εκτιμήσεων. Η συνηθισμένη μέθοδος kriging δε χρησιμοποιήθηκε μόνο για να παρεμβάλει τα δεδομένα υφής που έλειπαν, και τα WHC, MC, TSS, OM, CaCO3, pH, αλλά και να ελέγξει την αξιοπιστία τους.

[[Εικόνα:land2.jpg|thumb|right|Η χωρική εξάπλωση των τριών ομάδων της φυσικής βλάστησης που προέκυψε από το LSSM]]

Χωρική ανάλυση: Η χωρική ανάλυση μετατρέπεται σε ένα πολύ χρήσιμο εργαλείο κατανόησης του κόσμου μας, καθώς τα συστήματα που μελετάμε γίνονται ολοένα και πιο σύνθετα και η παρατήρηση στο πεδίο δυσκολεύει. Ο Barendregt τροποποίησε ένα μη χωρικό, λογιστικό μοντέλο οπισθοδρόμησης που εκτελείται σε ένα ΓΣΠ, ως ένα βήμα προς την οικολογική μοντελοποίηση του τοπίου. Στη συγκεκριμένη μελέτη σχεδιάστηκε ένα χωρικό μοντέλο για την πρόβλεψη των κατάλληλων περιοχών για τη φυσική βλάστηση. Η κακή επιλογή περιοχών μπορεί να προκύψει από μια ποικιλία παραγόντων, με πιο κοινό τους ανενημέρωτους χάρτες χρήσεων γης. Παρ’ όλ’ αυτά, οι νέες τεχνολογίες στα ΓΣΠ παρέχουν την οργάνωση και τις δομές στη διαδικασία λήψης αποφάσεων. Ο στόχος αυτής της έρευνας είναι η διευκόλυνση της εφαρμογής της χωρικής ανάλυσης στη μελέτη των πολύπλοκων διαδικασιών στον κόλπο του Σουέζ.
Η εικόνα δείχνει το διάγραμμα ροής του LSSM. Τρεις ομάδες βλάστησης (Α, Β και C) δημιουργήθηκαν μετά την εφαρμογή του LSSM. Οι τύποι βλάστησης κυριαρχούνται από:
* Ομάδα Α: ''Alhagi maurarum, Cressa cretica, Tamarix nilotica''.
* Ομάδα Β: ''Zygphollum coccineum, Ochradenis baccatus, Acacia chrenbergiana, Halcocneum strobiliaceum, Nitraria retusa''.
* Ομάδα C: ''Parkinsonia aculata, Zilla spinosa, Limonium pruinosum, Haloxylon salicocornicum, Fagonia arabica''.
Η χωρική εξάπλωση των τριών ομάδων της φυσικής βλάστησης που προέκυψε από το LSSM φαίνεται στην εικόνα.

Επαλήθευση στο πεδίο: Η έρευνα στο πεδίο έγινε με κύριους σκοπούς την εγκυρότητα του μοντέλου και την εξακρίβωση της πυκνότητας και της εξάπλωσης διαφορετικών ειδών. Οι προβλεφθήσες περιοχές χρησιμοποιώντας LSSM, συνδέονταν στενά με την εξάπλωση των ειδών στο χώρο. Η τεχνική του πίνακα σύγχυσης χρησιμοποιήθηκε για την επαλήθευση του μοντέλου. Με τις συνθήκες που επικρατούσαν στην περιοχή μελέτης, το ''Alhagi maurorum'' είναι το είδος με τη μεγαλύτερη αφθονία και απαντάται στο 60% των ειδών κοινωνίας. Τα ''Tamarix nilotica, Zygophyllum coccineum'' και ''Cressa cretica'' είναι συνοδά είδη και απαντώνται στο 25% των ειδών κοινωνίας. Τα υπόλοιπα είδη έχουν ποσοστό παρουσίας που ανέρχεται στο 15%.

[[category:Ανίχνευση άλλου είδους ζημιών]]

Η εδαφική καταλληλότητα της φυσικής βλάστησης με τη χρήση τηλεπισκόπησης και ΓΣΠ

2010-02-09T16:57:54Z

Angelica-roma:

Land suitability modeling of natural vegetation using integrated remote sensing and GIS techniques: a case study, A. H. El-Nahry, H. E. Khashaba, Journal of Applied Sciences 6 (1): 51-56, 2006, ISSN 1812-5654, 2006 Asian Network for Scientific Information, http://adsabs.harvard.edu/abs/2006JApSc...6...51E

Αντικείμενο της εφαρμογής

Ο κόλπος του Σουέζ θεωρείτε από την επιστημονική κοινότητα ως μία από τις πλουσιότερες κοινωνίες της Αιγύπτου σε όρους βιοποικιλότητας, ενδημισμού και ποικιλότητας ενδιαιτημάτων. Η χλωρίδα της είναι διαφορετική και μοναδική. Η οικονομική και φαρμακευτική της αξία είναι δυνητικά πολύ μεγάλη. Παρά, όμως, την αξία της αυτή, βρίσκεται κάτω από σοβαρή απειλή. Περισσότερο από το 80% της περιοχής έχει απογυμνωθεί από τη φυσική βλάστηση και έχει υποβαθμιστεί από την υπερβόσκηση και τη διάβρωση. Η βόσκηση είναι ο κύριος παράγοντας διατάραξης της βλάστησης.

Στόχος της εφαρμογής

Η ποσοτικοποίηση της ποικιλότητας των ειδών και η έκταση της όχλησης από ανθρώπους και ζώα είναι σημαντική για τη μελλοντική διαχείριση της βλάστησης. Οι άμεσοι στόχοι του προγράμματος παρακολούθησης του περιβάλλοντος περιλαμβάνουν την αναγνώριση και την ποσοτικοποίηση των επιδράσεων στο περιβάλλον διαφόρων δραστηριοτήτων. Σήμερα, η χρήση τηλεπισκόπησης και τεχνικών ΓΣΠ μπορεί να θεωρηθεί ως το καλύτερο εργαλείο για την αναγνώριση και την εκτίμηση της βλάστησης.

Υλικά και μέθοδοι

Τηλεπισκόπηση: Η ψηφιακή ανάλυση των εικόνων του δορυφόρου Landsat 7.0 – ETM +, του έτους 2005 εκτελέστηκε με τον τρόπο που αναφέρεται παρακάτω:
* Χειρισμός των δεδομένων συμπεριλαμβανομένων μεγέθυνση (βελτιστοποίηση) εικόνας, φιλτράρισμα και σύγκριση ιστογραμμάτων.
* Διόρθωση των εικόνων του δορυφόρου με τη χρήση ERDAS IMAGINE 8.7.
* Ενίσχυση της ανάλυσης από 30 σε 15m, με τη χρήση μεθοδολογίας συγχώνευσης εικόνας.
* Παραγωγή μωσαϊκής εικόνας από δύο Landsat 7.0 ΕΤΜ + δορυφορικές εικόνες που καλύπτουν όλη την περιοχή χρησιμοποιώντας το λογισμικό ENVI 4.1. Ο δείκτης βλάστησης NDVI παράχθηκε από τα κανάλια 3 και 4 του ΕΤΜ +.

ΓΣΠ: Το σχέδιο διεπαφής του χρήστη και η ενσωμάτωση του αναλυτικού μοντέλου καταλληλότητας έγινε με τη χρήση του προγράμματος ARC GIS έκδοση 9.0. Το Χωρικό Μοντέλο Καταλληλότητας της Γης (Land Suitability Spatial Model, LSSM) σχεδιάστηκε και η διαδικασία του μπορεί να συνοψιστεί παρακάτω:
* Interpolating points to raster of Texture, OC, TSS, CaCO3, pH, WHC, Normalized Difference Vegetation Index (NDVI).
* Επαναταξινόμηση των δεδομένων σε μια κοινή κλίμακα.
* Στάθμιση των δεδομένων με βάση τη σημασία τους.
* Χρήση conditional/algebra statements και εργαλεία επιλογής περιοχών.
* Συνδυασμός των δεδομένων για την εύρεση της πιο κατάλληλης τοποθεσίας για συγκεκριμένα χλωριδικά είδη.

Η χρήση τηλεπισκόπησης και ΓΣΠ συμπληρώθηκε από έρευνα στο πεδίο, έρευνα στο εργαστήριο και φυσικές και χημικές αναλύσεις.

[[Εικόνα:land1.jpg|thumb|right|Διάγραμμα ροής του LSSM]]

Αποτελέσματα

Μοντέλο βλάστησης: Τα ΓΣΠ και τα συστήματα ταξινόμησης της βλάστησης σε συνδυασμό με τις πολυάριθμες μεθόδους τηλεπισκόπησης και τις αυτοματοποιημένες και βασισμένες σε υπολογιστές τοπογραφικές μεθόδους, αποτελούν απαραίτητα εργαλεία στην προσπάθεια μοντελοποίησης της βλάστησης. Η μοντελοποίηση στοιχείων οικολογίας και βλάστησης απαιτεί την αναγνώριση χαρακτηριστικών της γης και του εδάφους, τη συμπεριφορά των φυτών (προσαρμογή) απέναντι στο παρακείμενο περιβάλλον σε συνδυασμό με την αλληλεπίδραση μεταξύ φυτών και εδάφους.
Συμπεριλαμβάνοντας τα χαρακτηριστικά του εδάφους, τα κριτήρια/ απαιτήσεις της φυσικής βλάστησης, την προσαρμογή στο οικοσύστημα και την αλληλεπίδραση φυτών/ εδάφους, μπορεί να δημιουργηθεί το Χωρικό Μοντέλο Καταλληλότητας της Γης (Land Suitability Spatial Model, LSSM). Το LSSM βασίζεται κυρίως σε δύο τεχνικές: τη γεωστατιστική και τη χωρική ανάλυση.

Γεωστατιστική ανάλυση: Η χαρτογραφική πληροφορία που ενσωματώθηκε στα ΓΣΠ, προέκυπτε συνήθως από παρατηρήσεις στο πεδίο, όπως ιδιότητες εδάφους και τύποι βλάστησης. Ο κύριος λόγος χρήσης της γεωστατιστικής ανάλυσης είναι η συμπλήρωση των κενών τιμών δεδομένων, για τη δημιουργία μιας συνεχούς επιφάνειας χρησιμοποιώντας την τεχνική των παρεμβολών. Η γεωστατιστική ανάλυση περιλαμβάνει μία ή περισσότερες μονάδες μέτρησης παρεμβολών για τη διευκόλυνση τέτοιων εκτιμήσεων. Η συνηθισμένη μέθοδος kriging δε χρησιμοποιήθηκε μόνο για να παρεμβάλει τα δεδομένα υφής που έλειπαν, και τα WHC, MC, TSS, OM, CaCO3, pH, αλλά και να ελέγξει την αξιοπιστία τους.

[[Εικόνα:land2.jpg|thumb|right|Η χωρική εξάπλωση των τριών ομάδων της φυσικής βλάστησης που προέκυψε από το LSSM]]

Χωρική ανάλυση: Η χωρική ανάλυση μετατρέπεται σε ένα πολύ χρήσιμο εργαλείο κατανόησης του κόσμου μας, καθώς τα συστήματα που μελετάμε γίνονται ολοένα και πιο σύνθετα και η παρατήρηση στο πεδίο δυσκολεύει. Ο Barendregt τροποποίησε ένα μη χωρικό, λογιστικό μοντέλο οπισθοδρόμησης που εκτελείται σε ένα ΓΣΠ, ως ένα βήμα προς την οικολογική μοντελοποίηση του τοπίου. Στη συγκεκριμένη μελέτη σχεδιάστηκε ένα χωρικό μοντέλο για την πρόβλεψη των κατάλληλων περιοχών για τη φυσική βλάστηση. Η κακή επιλογή περιοχών μπορεί να προκύψει από μια ποικιλία παραγόντων, με πιο κοινό τους ανενημέρωτους χάρτες χρήσεων γης. Παρ’ όλ’ αυτά, οι νέες τεχνολογίες στα ΓΣΠ παρέχουν την οργάνωση και τις δομές στη διαδικασία λήψης αποφάσεων. Ο στόχος αυτής της έρευνας είναι η διευκόλυνση της εφαρμογής της χωρικής ανάλυσης στη μελέτη των πολύπλοκων διαδικασιών στον κόλπο του Σουέζ.
Η εικόνα δείχνει το διάγραμμα ροής του LSSM. Τρεις ομάδες βλάστησης (Α, Β και C) δημιουργήθηκαν μετά την εφαρμογή του LSSM. Οι τύποι βλάστησης κυριαρχούνται από:
Ομάδα Α: ''Alhagi maurarum, Cressa cretica, Tamarix nilotica''.
Ομάδα Β: ''Zygphollum coccineum, Ochradenis baccatus, Acacia chrenbergiana, Halcocneum strobiliaceum, Nitraria retusa''.
Ομάδα C: ''Parkinsonia aculata, Zilla spinosa, Limonium pruinosum, Haloxylon salicocornicum, Fagonia arabica''.
Η χωρική εξάπλωση των τριών ομάδων της φυσικής βλάστησης που προέκυψε από το LSSM φαίνεται στην εικόνα.

Επαλήθευση στο πεδίο: Η έρευνα στο πεδίο έγινε με κύριους σκοπούς την εγκυρότητα του μοντέλου και την εξακρίβωση της πυκνότητας και της εξάπλωσης διαφορετικών ειδών. Οι προβλεφθήσες περιοχές χρησιμοποιώντας LSSM, συνδέονταν στενά με την εξάπλωση των ειδών στο χώρο. Η τεχνική του πίνακα σύγχυσης χρησιμοποιήθηκε για την επαλήθευση του μοντέλου. Με τις συνθήκες που επικρατούσαν στην περιοχή μελέτης, το ''Alhagi maurorum'' είναι το είδος με τη μεγαλύτερη αφθονία και απαντάται στο 60% των ειδών κοινωνίας. Τα ''Tamarix nilotica, Zygophyllum coccineum'' και ''Cressa cretica'' είναι συνοδά είδη και απαντώνται στο 25% των ειδών κοινωνίας. Τα υπόλοιπα είδη έχουν ποσοστό παρουσίας που ανέρχεται στο 15%.

[[category:Ανίχνευση άλλου είδους ζημιών]]

Η εδαφική καταλληλότητα της φυσικής βλάστησης με τη χρήση τηλεπισκόπησης και ΓΣΠ

2010-02-09T16:54:37Z

Angelica-roma:

Land suitability modeling of natural vegetation using integrated remote sensing and GIS techniques: a case study, A. H. El-Nahry, H. E. Khashaba, Journal of Applied Sciences 6 (1): 51-56, 2006, ISSN 1812-5654, 2006 Asian Network for Scientific Information, http://adsabs.harvard.edu/abs/2006JApSc...6...51E

Αντικείμενο της εφαρμογής

Ο κόλπος του Σουέζ θεωρείτε από την επιστημονική κοινότητα ως μία από τις πλουσιότερες κοινωνίες της Αιγύπτου σε όρους βιοποικιλότητας, ενδημισμού και ποικιλότητας ενδιαιτημάτων. Η χλωρίδα της είναι διαφορετική και μοναδική. Η οικονομική και φαρμακευτική της αξία είναι δυνητικά πολύ μεγάλη. Παρά, όμως, την αξία της αυτή, βρίσκεται κάτω από σοβαρή απειλή. Περισσότερο από το 80% της περιοχής έχει απογυμνωθεί από τη φυσική βλάστηση και έχει υποβαθμιστεί από την υπερβόσκηση και τη διάβρωση. Η βόσκηση είναι ο κύριος παράγοντας διατάραξης της βλάστησης.

Στόχος της εφαρμογής

Η ποσοτικοποίηση της ποικιλότητας των ειδών και η έκταση της όχλησης από ανθρώπους και ζώα είναι σημαντική για τη μελλοντική διαχείριση της βλάστησης. Οι άμεσοι στόχοι του προγράμματος παρακολούθησης του περιβάλλοντος περιλαμβάνουν την αναγνώριση και την ποσοτικοποίηση των επιδράσεων στο περιβάλλον διαφόρων δραστηριοτήτων. Σήμερα, η χρήση τηλεπισκόπησης και τεχνικών ΓΣΠ μπορεί να θεωρηθεί ως το καλύτερο εργαλείο για την αναγνώριση και την εκτίμηση της βλάστησης.

Υλικά και μέθοδοι

Τηλεπισκόπηση: Η ψηφιακή ανάλυση των εικόνων του δορυφόρου Landsat 7.0 – ETM +, του έτους 2005 εκτελέστηκε με τον τρόπο που αναφέρεται παρακάτω:
* Χειρισμός των δεδομένων συμπεριλαμβανομένων μεγέθυνση (βελτιστοποίηση) εικόνας, φιλτράρισμα και σύγκριση ιστογραμμάτων.
* Διόρθωση των εικόνων του δορυφόρου με τη χρήση ERDAS IMAGINE 8.7.
* Ενίσχυση της ανάλυσης από 30 σε 15m, με τη χρήση μεθοδολογίας συγχώνευσης εικόνας.
* Παραγωγή μωσαϊκής εικόνας από δύο Landsat 7.0 ΕΤΜ + δορυφορικές εικόνες που καλύπτουν όλη την περιοχή χρησιμοποιώντας το λογισμικό ENVI 4.1. Ο δείκτης βλάστησης NDVI παράχθηκε από τα κανάλια 3 και 4 του ΕΤΜ +.

ΓΣΠ: Το σχέδιο διεπαφής του χρήστη και η ενσωμάτωση του αναλυτικού μοντέλου καταλληλότητας έγινε με τη χρήση του προγράμματος ARC GIS έκδοση 9.0. Το Χωρικό Μοντέλο Καταλληλότητας της Γης (Land Suitability Spatial Model, LSSM) σχεδιάστηκε και η διαδικασία του μπορεί να συνοψιστεί παρακάτω:
* Interpolating points to raster of Texture, OC, TSS, CaCO3, pH, WHC, Normalized Difference Vegetation Index (NDVI).
* Επαναταξινόμηση των δεδομένων σε μια κοινή κλίμακα.
* Στάθμιση των δεδομένων με βάση τη σημασία τους.
* Χρήση conditional/algebra statements και εργαλεία επιλογής περιοχών.
* Συνδυασμός των δεδομένων για την εύρεση της πιο κατάλληλης τοποθεσίας για συγκεκριμένα χλωριδικά είδη.

Η χρήση τηλεπισκόπησης και ΓΣΠ συμπληρώθηκε από έρευνα στο πεδίο, έρευνα στο εργαστήριο και φυσικές και χημικές αναλύσεις.

Αποτελέσματα

Μοντέλο βλάστησης: Τα ΓΣΠ και τα συστήματα ταξινόμησης της βλάστησης σε συνδυασμό με τις πολυάριθμες μεθόδους τηλεπισκόπησης και τις αυτοματοποιημένες και βασισμένες σε υπολογιστές τοπογραφικές μεθόδους, αποτελούν απαραίτητα εργαλεία στην προσπάθεια μοντελοποίησης της βλάστησης. Η μοντελοποίηση στοιχείων οικολογίας και βλάστησης απαιτεί την αναγνώριση χαρακτηριστικών της γης και του εδάφους, τη συμπεριφορά των φυτών (προσαρμογή) απέναντι στο παρακείμενο περιβάλλον σε συνδυασμό με την αλληλεπίδραση μεταξύ φυτών και εδάφους.
Συμπεριλαμβάνοντας τα χαρακτηριστικά του εδάφους, τα κριτήρια/ απαιτήσεις της φυσικής βλάστησης, την προσαρμογή στο οικοσύστημα και την αλληλεπίδραση φυτών/ εδάφους, μπορεί να δημιουργηθεί το Χωρικό Μοντέλο Καταλληλότητας της Γης (Land Suitability Spatial Model, LSSM). Το LSSM βασίζεται κυρίως σε δύο τεχνικές: τη γεωστατιστική και τη χωρική ανάλυση.

Γεωστατιστική ανάλυση: Η χαρτογραφική πληροφορία που ενσωματώθηκε στα ΓΣΠ, προέκυπτε συνήθως από παρατηρήσεις στο πεδίο, όπως ιδιότητες εδάφους και τύποι βλάστησης. Ο κύριος λόγος χρήσης της γεωστατιστικής ανάλυσης είναι η συμπλήρωση των κενών τιμών δεδομένων, για τη δημιουργία μιας συνεχούς επιφάνειας χρησιμοποιώντας την τεχνική των παρεμβολών. Η γεωστατιστική ανάλυση περιλαμβάνει μία ή περισσότερες μονάδες μέτρησης παρεμβολών για τη διευκόλυνση τέτοιων εκτιμήσεων. Η συνηθισμένη μέθοδος kriging δε χρησιμοποιήθηκε μόνο για να παρεμβάλει τα δεδομένα υφής που έλειπαν, και τα WHC, MC, TSS, OM, CaCO3, pH, αλλά και να ελέγξει την αξιοπιστία τους.

[[Εικόνα:land1.jpg|thumb|right|Διάγραμμα ροής του LSSM]]

Χωρική ανάλυση: Η χωρική ανάλυση μετατρέπεται σε ένα πολύ χρήσιμο εργαλείο κατανόησης του κόσμου μας, καθώς τα συστήματα που μελετάμε γίνονται ολοένα και πιο σύνθετα και η παρατήρηση στο πεδίο δυσκολεύει. Ο Barendregt τροποποίησε ένα μη χωρικό, λογιστικό μοντέλο οπισθοδρόμησης που εκτελείται σε ένα ΓΣΠ, ως ένα βήμα προς την οικολογική μοντελοποίηση του τοπίου. Στη συγκεκριμένη μελέτη σχεδιάστηκε ένα χωρικό μοντέλο για την πρόβλεψη των κατάλληλων περιοχών για τη φυσική βλάστηση. Η κακή επιλογή περιοχών μπορεί να προκύψει από μια ποικιλία παραγόντων, με πιο κοινό τους ανενημέρωτους χάρτες χρήσεων γης. Παρ’ όλ’ αυτά, οι νέες τεχνολογίες στα ΓΣΠ παρέχουν την οργάνωση και τις δομές στη διαδικασία λήψης αποφάσεων. Ο στόχος αυτής της έρευνας είναι η διευκόλυνση της εφαρμογής της χωρικής ανάλυσης στη μελέτη των πολύπλοκων διαδικασιών στον κόλπο του Σουέζ.
Η εικόνα δείχνει το διάγραμμα ροής του LSSM. Τρεις ομάδες βλάστησης (Α, Β και C) δημιουργήθηκαν μετά την εφαρμογή του LSSM. Οι τύποι βλάστησης κυριαρχούνται από:
Ομάδα Α: ''Alhagi maurarum, Cressa cretica, Tamarix nilotica''.
Ομάδα Β: ''Zygphollum coccineum, Ochradenis baccatus, Acacia chrenbergiana, Halcocneum strobiliaceum, Nitraria retusa''.
Ομάδα C: ''Parkinsonia aculata, Zilla spinosa, Limonium pruinosum, Haloxylon salicocornicum, Fagonia arabica''.
Η χωρική εξάπλωση των τριών ομάδων της φυσικής βλάστησης που προέκυψε από το LSSM φαίνεται στην εικόνα.

[[Εικόνα:land2.jpg|thumb|right|Η χωρική εξάπλωση των τριών ομάδων της φυσικής βλάστησης που προέκυψε από το LSSM]]

Επαλήθευση στο πεδίο: Η έρευνα στο πεδίο έγινε με κύριους σκοπούς την εγκυρότητα του μοντέλου και την εξακρίβωση της πυκνότητας και της εξάπλωσης διαφορετικών ειδών. Οι προβλεφθήσες περιοχές χρησιμοποιώντας LSSM, συνδέονταν στενά με την εξάπλωση των ειδών στο χώρο. Η τεχνική του πίνακα σύγχυσης χρησιμοποιήθηκε για την επαλήθευση του μοντέλου. Με τις συνθήκες που επικρατούσαν στην περιοχή μελέτης, το ''Alhagi maurorum'' είναι το είδος με τη μεγαλύτερη αφθονία και απαντάται στο 60% των ειδών κοινωνίας. Τα ''Tamarix nilotica, Zygophyllum coccineum'' και ''Cressa cretica'' είναι συνοδά είδη και απαντώνται στο 25% των ειδών κοινωνίας. Τα υπόλοιπα είδη έχουν ποσοστό παρουσίας που ανέρχεται στο 15%.

[[category:Ανίχνευση άλλου είδους ζημιών]]

Η εδαφική καταλληλότητα της φυσικής βλάστησης με τη χρήση τηλεπισκόπησης και ΓΣΠ

2010-02-09T16:43:46Z

Angelica-roma: New page: Αντικείμενο της εφαρμογής Ο κόλπος του Σουέζ θεωρείτε από την επιστημονική κοινότητα ως μία από τις π...

Αντικείμενο της εφαρμογής

Ο κόλπος του Σουέζ θεωρείτε από την επιστημονική κοινότητα ως μία από τις πλουσιότερες κοινωνίες της Αιγύπτου σε όρους βιοποικιλότητας, ενδημισμού και ποικιλότητας ενδιαιτημάτων. Η χλωρίδα της είναι διαφορετική και μοναδική. Η οικονομική και φαρμακευτική της αξία είναι δυνητικά πολύ μεγάλη. Παρά, όμως, την αξία της αυτή, βρίσκεται κάτω από σοβαρή απειλή. Περισσότερο από το 80% της περιοχής έχει απογυμνωθεί από τη φυσική βλάστηση και έχει υποβαθμιστεί από την υπερβόσκηση και τη διάβρωση. Η βόσκηση είναι ο κύριος παράγοντας διατάραξης της βλάστησης.

Στόχος της εφαρμογής

Η ποσοτικοποίηση της ποικιλότητας των ειδών και η έκταση της όχλησης από ανθρώπους και ζώα είναι σημαντική για τη μελλοντική διαχείριση της βλάστησης. Οι άμεσοι στόχοι του προγράμματος παρακολούθησης του περιβάλλοντος περιλαμβάνουν την αναγνώριση και την ποσοτικοποίηση των επιδράσεων στο περιβάλλον διαφόρων δραστηριοτήτων. Σήμερα, η χρήση τηλεπισκόπησης και τεχνικών ΓΣΠ μπορεί να θεωρηθεί ως το καλύτερο εργαλείο για την αναγνώριση και την εκτίμηση της βλάστησης.

Υλικά και μέθοδοι

Τηλεπισκόπηση: Η ψηφιακή ανάλυση των εικόνων του δορυφόρου Landsat 7.0 – ETM +, του έτους 2005 εκτελέστηκε με τον τρόπο που αναφέρεται παρακάτω:
* Χειρισμός των δεδομένων συμπεριλαμβανομένων μεγέθυνση (βελτιστοποίηση) εικόνας, φιλτράρισμα και σύγκριση ιστογραμμάτων.
* Διόρθωση των εικόνων του δορυφόρου με τη χρήση ERDAS IMAGINE 8.7.
* Ενίσχυση της ανάλυσης από 30 σε 15m, με τη χρήση μεθοδολογίας συγχώνευσης εικόνας.
* Παραγωγή μωσαϊκής εικόνας από δύο Landsat 7.0 ΕΤΜ + δορυφορικές εικόνες που καλύπτουν όλη την περιοχή χρησιμοποιώντας το λογισμικό ENVI 4.1. Ο δείκτης βλάστησης NDVI παράχθηκε από τα κανάλια 3 και 4 του ΕΤΜ +.

ΓΣΠ: Το σχέδιο διεπαφής του χρήστη και η ενσωμάτωση του αναλυτικού μοντέλου καταλληλότητας έγινε με τη χρήση του προγράμματος ARC GIS έκδοση 9.0. Το Χωρικό Μοντέλο Καταλληλότητας της Γης (Land Suitability Spatial Model, LSSM) σχεδιάστηκε και η διαδικασία του μπορεί να συνοψιστεί παρακάτω:
* Interpolating points to raster of Texture, OC, TSS, CaCO3, pH, WHC, Normalized Difference Vegetation Index (NDVI).
* Επαναταξινόμηση των δεδομένων σε μια κοινή κλίμακα.
* Στάθμιση των δεδομένων με βάση τη σημασία τους.
* Χρήση conditional/algebra statements και εργαλεία επιλογής περιοχών.
* Συνδυασμός των δεδομένων για την εύρεση της πιο κατάλληλης τοποθεσίας για συγκεκριμένα χλωριδικά είδη.

Η χρήση τηλεπισκόπησης και ΓΣΠ συμπληρώθηκε από έρευνα στο πεδίο, έρευνα στο εργαστήριο και φυσικές και χημικές αναλύσεις.

Αποτελέσματα

Μοντέλο βλάστησης: Τα ΓΣΠ και τα συστήματα ταξινόμησης της βλάστησης σε συνδυασμό με τις πολυάριθμες μεθόδους τηλεπισκόπησης και τις αυτοματοποιημένες και βασισμένες σε υπολογιστές τοπογραφικές μεθόδους, αποτελούν απαραίτητα εργαλεία στην προσπάθεια μοντελοποίησης της βλάστησης. Η μοντελοποίηση στοιχείων οικολογίας και βλάστησης απαιτεί την αναγνώριση χαρακτηριστικών της γης και του εδάφους, τη συμπεριφορά των φυτών (προσαρμογή) απέναντι στο παρακείμενο περιβάλλον σε συνδυασμό με την αλληλεπίδραση μεταξύ φυτών και εδάφους.
Συμπεριλαμβάνοντας τα χαρακτηριστικά του εδάφους, τα κριτήρια/ απαιτήσεις της φυσικής βλάστησης, την προσαρμογή στο οικοσύστημα και την αλληλεπίδραση φυτών/ εδάφους, μπορεί να δημιουργηθεί το Χωρικό Μοντέλο Καταλληλότητας της Γης (Land Suitability Spatial Model, LSSM). Το LSSM βασίζεται κυρίως σε δύο τεχνικές: τη γεωστατιστική και τη χωρική ανάλυση.

Γεωστατιστική ανάλυση: Η χαρτογραφική πληροφορία που ενσωματώθηκε στα ΓΣΠ, προέκυπτε συνήθως από παρατηρήσεις στο πεδίο, όπως ιδιότητες εδάφους και τύποι βλάστησης. Ο κύριος λόγος χρήσης της γεωστατιστικής ανάλυσης είναι η συμπλήρωση των κενών τιμών δεδομένων, για τη δημιουργία μιας συνεχούς επιφάνειας χρησιμοποιώντας την τεχνική των παρεμβολών. Η γεωστατιστική ανάλυση περιλαμβάνει μία ή περισσότερες μονάδες μέτρησης παρεμβολών για τη διευκόλυνση τέτοιων εκτιμήσεων. Η συνηθισμένη μέθοδος kriging δε χρησιμοποιήθηκε μόνο για να παρεμβάλει τα δεδομένα υφής που έλειπαν, και τα WHC, MC, TSS, OM, CaCO3, pH, αλλά και να ελέγξει την αξιοπιστία τους.

Χωρική ανάλυση: Η χωρική ανάλυση μετατρέπεται σε ένα πολύ χρήσιμο εργαλείο κατανόησης του κόσμου μας, καθώς τα συστήματα που μελετάμε γίνονται ολοένα και πιο σύνθετα και η παρατήρηση στο πεδίο δυσκολεύει. Ο Barendregt τροποποίησε ένα μη χωρικό, λογιστικό μοντέλο οπισθοδρόμησης που εκτελείται σε ένα ΓΣΠ, ως ένα βήμα προς την οικολογική μοντελοποίηση του τοπίου. Στη συγκεκριμένη μελέτη σχεδιάστηκε ένα χωρικό μοντέλο για την πρόβλεψη των κατάλληλων περιοχών για τη φυσική βλάστηση. Η κακή επιλογή περιοχών μπορεί να προκύψει από μια ποικιλία παραγόντων, με πιο κοινό τους ανενημέρωτους χάρτες χρήσεων γης. Παρ’ όλ’ αυτά, οι νέες τεχνολογίες στα ΓΣΠ παρέχουν την οργάνωση και τις δομές στη διαδικασία λήψης αποφάσεων. Ο στόχος αυτής της έρευνας είναι η διευκόλυνση της εφαρμογής της χωρικής ανάλυσης στη μελέτη των πολύπλοκων διαδικασιών στον κόλπο του Σουέζ.
Η εικόνα δείχνει το διάγραμμα ροής του LSSM. Τρεις ομάδες βλάστησης (Α, Β και C) δημιουργήθηκαν μετά την εφαρμογή του LSSM. Οι τύποι βλάστησης κυριαρχούνται από:
Ομάδα Α: ''Alhagi maurarum, Cressa cretica, Tamarix nilotica''.
Ομάδα Β: ''Zygphollum coccineum, Ochradenis baccatus, Acacia chrenbergiana, Halcocneum strobiliaceum, Nitraria retusa''.
Ομάδα C: ''Parkinsonia aculata, Zilla spinosa, Limonium pruinosum, Haloxylon salicocornicum, Fagonia arabica''.
Η χωρική εξάπλωση των τριών ομάδων της φυσικής βλάστησης που προέκυψε από το LSSM φαίνεται στην εικόνα.

Επαλήθευση στο πεδίο: Η έρευνα στο πεδίο έγινε με κύριους σκοπούς την εγκυρότητα του μοντέλου και την εξακρίβωση της πυκνότητας και της εξάπλωσης διαφορετικών ειδών. Οι προβλεφθήσες περιοχές χρησιμοποιώντας LSSM, συνδέονταν στενά με την εξάπλωση των ειδών στο χώρο. Η τεχνική του πίνακα σύγχυσης χρησιμοποιήθηκε για την επαλήθευση του μοντέλου. Με τις συνθήκες που επικρατούσαν στην περιοχή μελέτης, το ''Alhagi maurorum'' είναι το είδος με τη μεγαλύτερη αφθονία και απαντάται στο 60% των ειδών κοινωνίας. Τα ''Tamarix nilotica, Zygophyllum coccineum'' και ''Cressa cretica'' είναι συνοδά είδη και απαντώνται στο 25% των ειδών κοινωνίας. Τα υπόλοιπα είδη έχουν ποσοστό παρουσίας που ανέρχεται στο 15%.

[[category:Ανίχνευση άλλου είδους ζημιών]]

Αγγελική Κουρουζίδου

2010-02-09T16:31:36Z

Angelica-roma:

Αναγνώριση και ποσοτικοποίηση των αλλαγών στα μαγκρόβια δάση χρησιμοποιώντας τηλεπισκόπηση, η περίπτωση της Kakinada Bay, Ινδία

2010-02-09T16:30:28Z

Angelica-roma:

Identification and quantification of changes in mangrove forest using remote sensing a case study near Kakinada Bay, Andhra Pradesh, India, Dr.Sridhar Vadlapudi, Map India Conference 2003, http://www.gisdevelopment.net/application/environment/wetland/mi03075.htm

[[Εικόνα:mang1.jpg|thumb|right|Τα δεδομένα που χρησιμοποιήθηκαν]]

Αντικείμενο της εφαρμογής

Τα μαγκρόβια είναι μια ομάδα φυτικών ειδών που έχουν υψηλή ανοχή στην αλατότητα και απαντώνται σε τροπικές και υποτροπικές περιοχές διαπαλιρροϊκής λιμνοθάλασσας, προφυλαγμένες παράκτιες περιοχές και μικρούς κόλπους. Κυριαρχούνται από μερικώς βυθισμένα σελερόφυλλα φυτικά είδη με τα οποία δε συνδέονται ταξινομικά. Τα μαγκρόβια αποτελούν ένα δυναμικό οικοσύστημα με μια πολύπλοκη σχέση μεταξύ των ειδών της χλωρίδας και της πανίδας χερσαίων και υδατικών συστημάτων και η βλάστηση παρουσιάζει ένα αειθαλές πρότυπο με ποικίλες μορφές ζωής. Τα μαγκρόβια επιτελούν τέσσερις κύριους ρόλους:
* Βοηθούν στη δημιουργία του χώματος, παγιδεύοντας κατακρημνίσματα.
* Χρησιμεύουν ως σήτα για το πλούσιο οργανικό χώμα που μεταφέρεται μέσω των ποταμών, στη θάλασσα.
* Δημιουργούν ένα καταφύγιο για ψάρια, θαλάσσια ασπόνδυλα, μαλάκια και πουλιά.
* Παρέχουν αιωρούμενη μη ζώσα ύλη, ενισχύοντας την παραγωγικότητα των οικοσυστημάτων.

Σκοπός της εφαρμογής

Η τηλεπισκόπηση χρησιμοποιείται για περισσότερες από δύο δεκαετίες. Όμως, λόγω της τάχιστης βελτίωσης της διακριτικής ικανότητας των δορυφόρων στην περιοχή του ορατού και τους εγγύς υπέρυθρου, καθώς και της διαθεσιμότητα των δεδομένων στην περιοχή των μικροκυμάτων, υπάρχει ανάγκη για συνεχή έρευνα στα υδατικά οικοσυστήματα με τη χρήση δορυφορικών δεδομένων. Επίσης, υπάρχει ένας αριθμός εργαλείων επεξεργασίας και ανάλυσης των εικόνων όπως τα ΓΣΠ, τα οποία δίνουν τη δυνατότητα επικάλυψης διαφορετικών επιπέδων πληροφοριών που λήφθηκαν από δορυφόρους ή άλλες πηγές με τελικό στόχο την απαιτούμενη πληροφορία. Ο βασικός στόχος της έρευνας αυτής είναι η χρήση τηλεπισκοπικών δεδομένων για την παρακολούθηση των αλλαγών στο μαγκρόβιο περιβάλλον και στην οικολογία του.

[[Εικόνα:mang2.jpg|thumb|right]]

Περιοχή μελέτης

Η περιοχή μελέτης βρίσκεται κοντά στην Kakinada της περιοχής East Godavari, στο Andhra Pradesh, στην Ινδία και περιλαμβάνει 15.282ha μαγκρόβιων. Για την περιοχή συλλέχθηκαν δορυφορικές και άλλες εικόνες και δημιουργήθηκαν χάρτες που απεικόνιζαν τις αλλαγές.

[[Εικόνα:mang3.jpg|thumb|right]]

Δεδομένα που χρησιμοποιήθηκαν

Χρησιμοποιήθηκαν δεδομένα του ινδικού δορυφόρου IRS (σε έντυπη και ψηφιακή μορφή) για τη χαρτογραφική αποτύπωση του μαγκρόβιου περιβάλλοντος. Δόθηκε προτεραιότητα στη συλλογή εικόνων χωρίς σύννεφα και στην ημερομηνία διέλευσης του δορυφόρου. Αρχικά χρησιμοποιήθηκαν ψευδοχρωματικά σύμπλοκα (FCC's) σε κλίμακες 1:50.000 και 1:250.000. Οι υπόλοιπες πληροφορίες αναφοράς που χρησιμοποιήθηκαν στην οπτική και ψηφιακή ερμηνεία των δεδομένων παρατίθενται παρακάτω:
* Χάρτης δασικών πόρων: αποτέλεσμα προηγούμενης έρευνας για τους δασικούς πόρους, σε κλίμακα 1:250.000.
* Χάρτης δασικής βλάστησης: δασική έρευνα στην Ινδία βασισμένη στην ερμηνεία φωτογραφικών δεδομένων μεταξύ 1987-1990, σε κλίμακα 1:250.000.
* Χάρτης καλλιεργειών: απεικόνιση των περιοχών καλλιέργειας, σε κλίμακα 1:250.000.
* Πληροφορίες για την κάλυψη και τις χρήσεις γης από έρευνα στο πεδίο του 1995.
* Τοπογραφικοί χάρτες.
* Προϋπάρχοντες θεματικοί χάρτες.
* Μετεωρολογικά δεδομένα.

[[Εικόνα:mang4.jpg|thumb|right]]

Εξοπλισμός που χρησιμοποιήθηκε

Η τηλεπισκοπική ανάλυση, αν και είναι πιθανή χωρίς τη χρήση περίπλοκων μηχανημάτων, δε δίνει το καλύτερο αποτέλεσμα χωρίς τη χρήση κατάλληλου εξοπλισμού. Στη μελέτη αυτή, η οπτική ερμηνεία έλαβε χώρα τοποθετώντας τα ψευδοχρωματικά σύμπλοκα σε ένα απλό φωτιζόμενο τραπέζι. Η ψηφιακή επεξεργασία των εικόνων, π.χ. ενίσχυση, έγινε με τη χρήση του λογισμικού επεξεργασίας εικόνων ERDAS.

[[Εικόνα:mang5.jpg|thumb|right]]

Μεθοδολογία

Η οπτική ερμηνεία έλαβε χώρα παρατηρώντας τα διαφορετικά στοιχεία ερμηνείας όπως ο τόνος, η υφή, το σχήμα, κτλ. Μετά την προκαταρκτική ερμηνεία διενεργήθηκε περιορισμένη έρευνα στο πεδίο για εξακρίβωση των στοιχείων. Η διόρθωση και ολοκλήρωση των χαρτών έγινε μετά την επιστροφή από το πεδίο.

[[Εικόνα:mang6.jpg|thumb|right|Αλλαγές στην κάλυψη και στις χρήσεις γης σε εκτάρια]]

Χαρτογραφική αποτύπωση των μαγκρόβιων στην περιοχή μελέτης.

Χρησιμοποιήθηκαν εικόνες IRS - IB, LISS II του Μάρτη του 1995, για την προετοιμασία χαρτών κάλυψης και χρήσεων γης, κλίμακας 1:50.000, οι οποίοι ερμηνεύτηκαν οπτικά ακολουθώντας το υπόμνημα του τμήματος διαστήματος του εθνικού προγράμματος αποστολών. Η διαδοχική φύση των IRS δεδομένων προσφέρει τη δυνατότητα παρακολούθησης των αλλαγών στις χρήσεις γης στα μαγκρόβια. Για το λόγο αυτό, ο συγκεκριμένος δορυφόρος έχει χρησιμοποιηθεί σε μεγάλο βαθμό για την αποτύπωση του προτύπου χρήσεων γης στα μαγκρόβια. Τόσο η οπτική, όσο και η ψηφιακή ανάλυση των IRS δεδομένων παρέχει χρήσιμες πληροφορίες, έτσι απαιτείται μικρής κλίμακας επαλήθευση με in situ έρευνες σε παράκτιες περιοχές, όπως τα μαγκρόβια δάση, ιχθυοκαλλιέργειες, κτλ. Οι πληροφορίες που λήφθηκαν από αυτές τις έρευνες, χρησιμοποιήθηκαν σε συνδυασμό με αυτές που προήλθαν από την ανάλυση των IRS δεδομένων.

Αποτελέσματα

Για τη συγκριτική ανάλυση και την ανίχνευση των αλλαγών έγινε σύγκριση με δεδομένα του Φεβρουαρίου του 1994. Παρατηρήθηκε ότι σε διάστημα ενός χρόνου, οι υδατοκαλλιέργειες προκάλεσαν μείωση του οικοσυστήματος των μαγκρόβιων κατά 22,69ha, κυρίως στην περιοχή Polavaram mandal, γεγονός που θα έχει σίγουρα επίδραση στην οικολογία της περιοχής. Παρατηρήθηκε ότι λόγω της πληθυσμιακής πίεσης, δημιουργήθηκαν νέοι οικισμοί συρρικνώνοντας τα μαγκρόβια. Η αυξημένη χρήση παρασιτοκτόνων κοντά στην περιοχή μελέτης και η βιομηχανική ρύπανση έχουν αλλάξει τελείως το οικοσύστημα, ενώ πολλές περιοχές κάτω από δάση μετατράπηκαν σε δεξαμενές ιχθυοκαλλιέργειας. Ο χάρτης που απεικονίζει αυτές τις αλλαγές ήταν το προϊόν που παρήχθη από αυτή την έρευνα.

[[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]

Αναγνώριση και ποσοτικοποίηση των αλλαγών στα μαγκρόβια δάση χρησιμοποιώντας τηλεπισκόπηση, η περίπτωση της Kakinada Bay, Ινδία

2010-02-09T16:28:45Z

Angelica-roma:

Identification and quantification of changes in mangrove forest using remote sensing a case study near Kakinada Bay, Andhra Pradesh, India, Dr.Sridhar Vadlapudi, Map India Conference 2003, http://www.gisdevelopment.net/application/environment/wetland/mi03075.htm

Αντικείμενο της εφαρμογής

Τα μαγκρόβια είναι μια ομάδα φυτικών ειδών που έχουν υψηλή ανοχή στην αλατότητα και απαντώνται σε τροπικές και υποτροπικές περιοχές διαπαλιρροϊκής λιμνοθάλασσας, προφυλαγμένες παράκτιες περιοχές και μικρούς κόλπους. Κυριαρχούνται από μερικώς βυθισμένα σελερόφυλλα φυτικά είδη με τα οποία δε συνδέονται ταξινομικά. Τα μαγκρόβια αποτελούν ένα δυναμικό οικοσύστημα με μια πολύπλοκη σχέση μεταξύ των ειδών της χλωρίδας και της πανίδας χερσαίων και υδατικών συστημάτων και η βλάστηση παρουσιάζει ένα αειθαλές πρότυπο με ποικίλες μορφές ζωής. Τα μαγκρόβια επιτελούν τέσσερις κύριους ρόλους:
* Βοηθούν στη δημιουργία του χώματος, παγιδεύοντας κατακρημνίσματα.
* Χρησιμεύουν ως σήτα για το πλούσιο οργανικό χώμα που μεταφέρεται μέσω των ποταμών, στη θάλασσα.
* Δημιουργούν ένα καταφύγιο για ψάρια, θαλάσσια ασπόνδυλα, μαλάκια και πουλιά.
* Παρέχουν αιωρούμενη μη ζώσα ύλη, ενισχύοντας την παραγωγικότητα των οικοσυστημάτων.

Σκοπός της εφαρμογής

Η τηλεπισκόπηση χρησιμοποιείται για περισσότερες από δύο δεκαετίες. Όμως, λόγω της τάχιστης βελτίωσης της διακριτικής ικανότητας των δορυφόρων στην περιοχή του ορατού και τους εγγύς υπέρυθρου, καθώς και της διαθεσιμότητα των δεδομένων στην περιοχή των μικροκυμάτων, υπάρχει ανάγκη για συνεχή έρευνα στα υδατικά οικοσυστήματα με τη χρήση δορυφορικών δεδομένων. Επίσης, υπάρχει ένας αριθμός εργαλείων επεξεργασίας και ανάλυσης των εικόνων όπως τα ΓΣΠ, τα οποία δίνουν τη δυνατότητα επικάλυψης διαφορετικών επιπέδων πληροφοριών που λήφθηκαν από δορυφόρους ή άλλες πηγές με τελικό στόχο την απαιτούμενη πληροφορία. Ο βασικός στόχος της έρευνας αυτής είναι η χρήση τηλεπισκοπικών δεδομένων για την παρακολούθηση των αλλαγών στο μαγκρόβιο περιβάλλον και στην οικολογία του.

[[Εικόνα:mang1.jpg|thumb|right|Τα δεδομένα που χρησιμοποιήθηκαν]]

Περιοχή μελέτης

Η περιοχή μελέτης βρίσκεται κοντά στην Kakinada της περιοχής East Godavari, στο Andhra Pradesh, στην Ινδία και περιλαμβάνει 15.282ha μαγκρόβιων. Για την περιοχή συλλέχθηκαν δορυφορικές και άλλες εικόνες και δημιουργήθηκαν χάρτες που απεικόνιζαν τις αλλαγές.

[[Εικόνα:mang2.jpg|thumb|right]]

Δεδομένα που χρησιμοποιήθηκαν

Χρησιμοποιήθηκαν δεδομένα του ινδικού δορυφόρου IRS (σε έντυπη και ψηφιακή μορφή) για τη χαρτογραφική αποτύπωση του μαγκρόβιου περιβάλλοντος. Δόθηκε προτεραιότητα στη συλλογή εικόνων χωρίς σύννεφα και στην ημερομηνία διέλευσης του δορυφόρου. Αρχικά χρησιμοποιήθηκαν ψευδοχρωματικά σύμπλοκα (FCC's) σε κλίμακες 1:50.000 και 1:250.000. Οι υπόλοιπες πληροφορίες αναφοράς που χρησιμοποιήθηκαν στην οπτική και ψηφιακή ερμηνεία των δεδομένων παρατίθενται παρακάτω:
* Χάρτης δασικών πόρων: αποτέλεσμα προηγούμενης έρευνας για τους δασικούς πόρους, σε κλίμακα 1:250.000.
* Χάρτης δασικής βλάστησης: δασική έρευνα στην Ινδία βασισμένη στην ερμηνεία φωτογραφικών δεδομένων μεταξύ 1987-1990, σε κλίμακα 1:250.000.
* Χάρτης καλλιεργειών: απεικόνιση των περιοχών καλλιέργειας, σε κλίμακα 1:250.000.
* Πληροφορίες για την κάλυψη και τις χρήσεις γης από έρευνα στο πεδίο του 1995.
* Τοπογραφικοί χάρτες.
* Προϋπάρχοντες θεματικοί χάρτες.
* Μετεωρολογικά δεδομένα.

[[Εικόνα:mang3.jpg|thumb|right]]

Εξοπλισμός που χρησιμοποιήθηκε

Η τηλεπισκοπική ανάλυση, αν και είναι πιθανή χωρίς τη χρήση περίπλοκων μηχανημάτων, δε δίνει το καλύτερο αποτέλεσμα χωρίς τη χρήση κατάλληλου εξοπλισμού. Στη μελέτη αυτή, η οπτική ερμηνεία έλαβε χώρα τοποθετώντας τα ψευδοχρωματικά σύμπλοκα σε ένα απλό φωτιζόμενο τραπέζι. Η ψηφιακή επεξεργασία των εικόνων, π.χ. ενίσχυση, έγινε με τη χρήση του λογισμικού επεξεργασίας εικόνων ERDAS.

[[Εικόνα:mang4.jpg|thumb|right]]

Μεθοδολογία

Η οπτική ερμηνεία έλαβε χώρα παρατηρώντας τα διαφορετικά στοιχεία ερμηνείας όπως ο τόνος, η υφή, το σχήμα, κτλ. Μετά την προκαταρκτική ερμηνεία διενεργήθηκε περιορισμένη έρευνα στο πεδίο για εξακρίβωση των στοιχείων. Η διόρθωση και ολοκλήρωση των χαρτών έγινε μετά την επιστροφή από το πεδίο.

[[Εικόνα:mang5.jpg|thumb|right]]

Χαρτογραφική αποτύπωση των μαγκρόβιων στην περιοχή μελέτης.

Χρησιμοποιήθηκαν εικόνες IRS - IB, LISS II του Μάρτη του 1995, για την προετοιμασία χαρτών κάλυψης και χρήσεων γης, κλίμακας 1:50.000, οι οποίοι ερμηνεύτηκαν οπτικά ακολουθώντας το υπόμνημα του τμήματος διαστήματος του εθνικού προγράμματος αποστολών. Η διαδοχική φύση των IRS δεδομένων προσφέρει τη δυνατότητα παρακολούθησης των αλλαγών στις χρήσεις γης στα μαγκρόβια. Για το λόγο αυτό, ο συγκεκριμένος δορυφόρος έχει χρησιμοποιηθεί σε μεγάλο βαθμό για την αποτύπωση του προτύπου χρήσεων γης στα μαγκρόβια. Τόσο η οπτική, όσο και η ψηφιακή ανάλυση των IRS δεδομένων παρέχει χρήσιμες πληροφορίες, έτσι απαιτείται μικρής κλίμακας επαλήθευση με in situ έρευνες σε παράκτιες περιοχές, όπως τα μαγκρόβια δάση, ιχθυοκαλλιέργειες, κτλ. Οι πληροφορίες που λήφθηκαν από αυτές τις έρευνες, χρησιμοποιήθηκαν σε συνδυασμό με αυτές που προήλθαν από την ανάλυση των IRS δεδομένων.

[[Εικόνα:mang6.jpg|thumb|right|Αλλαγές στην κάλυψη και στις χρήσεις γης σε εκτάρια]]

Αποτελέσματα

Για τη συγκριτική ανάλυση και την ανίχνευση των αλλαγών έγινε σύγκριση με δεδομένα του Φεβρουαρίου του 1994. Παρατηρήθηκε ότι σε διάστημα ενός χρόνου, οι υδατοκαλλιέργειες προκάλεσαν μείωση του οικοσυστήματος των μαγκρόβιων κατά 22,69ha, κυρίως στην περιοχή Polavaram mandal, γεγονός που θα έχει σίγουρα επίδραση στην οικολογία της περιοχής. Παρατηρήθηκε ότι λόγω της πληθυσμιακής πίεσης, δημιουργήθηκαν νέοι οικισμοί συρρικνώνοντας τα μαγκρόβια. Η αυξημένη χρήση παρασιτοκτόνων κοντά στην περιοχή μελέτης και η βιομηχανική ρύπανση έχουν αλλάξει τελείως το οικοσύστημα, ενώ πολλές περιοχές κάτω από δάση μετατράπηκαν σε δεξαμενές ιχθυοκαλλιέργειας. Ο χάρτης που απεικονίζει αυτές τις αλλαγές ήταν το προϊόν που παρήχθη από αυτή την έρευνα.

[[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]

Αναγνώριση και ποσοτικοποίηση των αλλαγών στα μαγκρόβια δάση χρησιμοποιώντας τηλεπισκόπηση, η περίπτωση της Kakinada Bay, Ινδία

2010-02-09T16:25:06Z

Angelica-roma:

Αντικείμενο της εφαρμογής

Τα μαγκρόβια είναι μια ομάδα φυτικών ειδών που έχουν υψηλή ανοχή στην αλατότητα και απαντώνται σε τροπικές και υποτροπικές περιοχές διαπαλιρροϊκής λιμνοθάλασσας, προφυλαγμένες παράκτιες περιοχές και μικρούς κόλπους. Κυριαρχούνται από μερικώς βυθισμένα σελερόφυλλα φυτικά είδη με τα οποία δε συνδέονται ταξινομικά. Τα μαγκρόβια αποτελούν ένα δυναμικό οικοσύστημα με μια πολύπλοκη σχέση μεταξύ των ειδών της χλωρίδας και της πανίδας χερσαίων και υδατικών συστημάτων και η βλάστηση παρουσιάζει ένα αειθαλές πρότυπο με ποικίλες μορφές ζωής. Τα μαγκρόβια επιτελούν τέσσερις κύριους ρόλους:
* Βοηθούν στη δημιουργία του χώματος, παγιδεύοντας κατακρημνίσματα.
* Χρησιμεύουν ως σήτα για το πλούσιο οργανικό χώμα που μεταφέρεται μέσω των ποταμών, στη θάλασσα.
* Δημιουργούν ένα καταφύγιο για ψάρια, θαλάσσια ασπόνδυλα, μαλάκια και πουλιά.
* Παρέχουν αιωρούμενη μη ζώσα ύλη, ενισχύοντας την παραγωγικότητα των οικοσυστημάτων.

Σκοπός της εφαρμογής

Η τηλεπισκόπηση χρησιμοποιείται για περισσότερες από δύο δεκαετίες. Όμως, λόγω της τάχιστης βελτίωσης της διακριτικής ικανότητας των δορυφόρων στην περιοχή του ορατού και τους εγγύς υπέρυθρου, καθώς και της διαθεσιμότητα των δεδομένων στην περιοχή των μικροκυμάτων, υπάρχει ανάγκη για συνεχή έρευνα στα υδατικά οικοσυστήματα με τη χρήση δορυφορικών δεδομένων. Επίσης, υπάρχει ένας αριθμός εργαλείων επεξεργασίας και ανάλυσης των εικόνων όπως τα ΓΣΠ, τα οποία δίνουν τη δυνατότητα επικάλυψης διαφορετικών επιπέδων πληροφοριών που λήφθηκαν από δορυφόρους ή άλλες πηγές με τελικό στόχο την απαιτούμενη πληροφορία. Ο βασικός στόχος της έρευνας αυτής είναι η χρήση τηλεπισκοπικών δεδομένων για την παρακολούθηση των αλλαγών στο μαγκρόβιο περιβάλλον και στην οικολογία του.

[[Εικόνα:mang1.jpg|thumb|right|Τα δεδομένα που χρησιμοποιήθηκαν]]

Περιοχή μελέτης

Η περιοχή μελέτης βρίσκεται κοντά στην Kakinada της περιοχής East Godavari, στο Andhra Pradesh, στην Ινδία και περιλαμβάνει 15.282ha μαγκρόβιων. Για την περιοχή συλλέχθηκαν δορυφορικές και άλλες εικόνες και δημιουργήθηκαν χάρτες που απεικόνιζαν τις αλλαγές.

[[Εικόνα:mang2.jpg|thumb|right]]

Δεδομένα που χρησιμοποιήθηκαν

Χρησιμοποιήθηκαν δεδομένα του ινδικού δορυφόρου IRS (σε έντυπη και ψηφιακή μορφή) για τη χαρτογραφική αποτύπωση του μαγκρόβιου περιβάλλοντος. Δόθηκε προτεραιότητα στη συλλογή εικόνων χωρίς σύννεφα και στην ημερομηνία διέλευσης του δορυφόρου. Αρχικά χρησιμοποιήθηκαν ψευδοχρωματικά σύμπλοκα (FCC's) σε κλίμακες 1:50.000 και 1:250.000. Οι υπόλοιπες πληροφορίες αναφοράς που χρησιμοποιήθηκαν στην οπτική και ψηφιακή ερμηνεία των δεδομένων παρατίθενται παρακάτω:
* Χάρτης δασικών πόρων: αποτέλεσμα προηγούμενης έρευνας για τους δασικούς πόρους, σε κλίμακα 1:250.000.
* Χάρτης δασικής βλάστησης: δασική έρευνα στην Ινδία βασισμένη στην ερμηνεία φωτογραφικών δεδομένων μεταξύ 1987-1990, σε κλίμακα 1:250.000.
* Χάρτης καλλιεργειών: απεικόνιση των περιοχών καλλιέργειας, σε κλίμακα 1:250.000.
* Πληροφορίες για την κάλυψη και τις χρήσεις γης από έρευνα στο πεδίο του 1995.
* Τοπογραφικοί χάρτες.
* Προϋπάρχοντες θεματικοί χάρτες.
* Μετεωρολογικά δεδομένα.

[[Εικόνα:mang3.jpg|thumb|right]

Εξοπλισμός που χρησιμοποιήθηκε

Η τηλεπισκοπική ανάλυση, αν και είναι πιθανή χωρίς τη χρήση περίπλοκων μηχανημάτων, δε δίνει το καλύτερο αποτέλεσμα χωρίς τη χρήση κατάλληλου εξοπλισμού. Στη μελέτη αυτή, η οπτική ερμηνεία έλαβε χώρα τοποθετώντας τα ψευδοχρωματικά σύμπλοκα σε ένα απλό φωτιζόμενο τραπέζι. Η ψηφιακή επεξεργασία των εικόνων, π.χ. ενίσχυση, έγινε με τη χρήση του λογισμικού επεξεργασίας εικόνων ERDAS.

[[Εικόνα:mang4.jpg|thumb|right]

Μεθοδολογία

Η οπτική ερμηνεία έλαβε χώρα παρατηρώντας τα διαφορετικά στοιχεία ερμηνείας όπως ο τόνος, η υφή, το σχήμα, κτλ. Μετά την προκαταρκτική ερμηνεία διενεργήθηκε περιορισμένη έρευνα στο πεδίο για εξακρίβωση των στοιχείων. Η διόρθωση και ολοκλήρωση των χαρτών έγινε μετά την επιστροφή από το πεδίο.

[[Εικόνα:mang5.jpg|thumb|right]]

Χαρτογραφική αποτύπωση των μαγκρόβιων στην περιοχή μελέτης.

Χρησιμοποιήθηκαν εικόνες IRS - IB, LISS II του Μάρτη του 1995, για την προετοιμασία χαρτών κάλυψης και χρήσεων γης, κλίμακας 1:50.000, οι οποίοι ερμηνεύτηκαν οπτικά ακολουθώντας το υπόμνημα του τμήματος διαστήματος του εθνικού προγράμματος αποστολών. Η διαδοχική φύση των IRS δεδομένων προσφέρει τη δυνατότητα παρακολούθησης των αλλαγών στις χρήσεις γης στα μαγκρόβια. Για το λόγο αυτό, ο συγκεκριμένος δορυφόρος έχει χρησιμοποιηθεί σε μεγάλο βαθμό για την αποτύπωση του προτύπου χρήσεων γης στα μαγκρόβια. Τόσο η οπτική, όσο και η ψηφιακή ανάλυση των IRS δεδομένων παρέχει χρήσιμες πληροφορίες, έτσι απαιτείται μικρής κλίμακας επαλήθευση με in situ έρευνες σε παράκτιες περιοχές, όπως τα μαγκρόβια δάση, ιχθυοκαλλιέργειες, κτλ. Οι πληροφορίες που λήφθηκαν από αυτές τις έρευνες, χρησιμοποιήθηκαν σε συνδυασμό με αυτές που προήλθαν από την ανάλυση των IRS δεδομένων.

[[Εικόνα:mang6.jpg|thumb|right|Αλλαγές στην κάλυψη και στις χρήσεις γης σε εκτάρια]]

Αποτελέσματα

Για τη συγκριτική ανάλυση και την ανίχνευση των αλλαγών έγινε σύγκριση με δεδομένα του Φεβρουαρίου του 1994. Παρατηρήθηκε ότι σε διάστημα ενός χρόνου, οι υδατοκαλλιέργειες προκάλεσαν μείωση του οικοσυστήματος των μαγκρόβιων κατά 22,69ha, κυρίως στην περιοχή Polavaram mandal, γεγονός που θα έχει σίγουρα επίδραση στην οικολογία της περιοχής. Παρατηρήθηκε ότι λόγω της πληθυσμιακής πίεσης, δημιουργήθηκαν νέοι οικισμοί συρρικνώνοντας τα μαγκρόβια. Η αυξημένη χρήση παρασιτοκτόνων κοντά στην περιοχή μελέτης και η βιομηχανική ρύπανση έχουν αλλάξει τελείως το οικοσύστημα, ενώ πολλές περιοχές κάτω από δάση μετατράπηκαν σε δεξαμενές ιχθυοκαλλιέργειας. Ο χάρτης που απεικονίζει αυτές τις αλλαγές ήταν το προϊόν που παρήχθη από αυτή την έρευνα.

[[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]

Αναγνώριση και ποσοτικοποίηση των αλλαγών στα μαγκρόβια δάση χρησιμοποιώντας τηλεπισκόπηση, η περίπτωση της Kakinada Bay, Ινδία

2010-02-09T16:17:41Z

Angelica-roma: New page: Αντικείμενο της εφαρμογής Τα μαγκρόβια είναι μια ομάδα φυτικών ειδών που έχουν υψηλή ανοχή στην αλατ...

Αντικείμενο της εφαρμογής

Τα μαγκρόβια είναι μια ομάδα φυτικών ειδών που έχουν υψηλή ανοχή στην αλατότητα και απαντώνται σε τροπικές και υποτροπικές περιοχές διαπαλιρροϊκής λιμνοθάλασσας, προφυλαγμένες παράκτιες περιοχές και μικρούς κόλπους. Κυριαρχούνται από μερικώς βυθισμένα σελερόφυλλα φυτικά είδη με τα οποία δε συνδέονται ταξινομικά. Τα μαγκρόβια αποτελούν ένα δυναμικό οικοσύστημα με μια πολύπλοκη σχέση μεταξύ των ειδών της χλωρίδας και της πανίδας χερσαίων και υδατικών συστημάτων και η βλάστηση παρουσιάζει ένα αειθαλές πρότυπο με ποικίλες μορφές ζωής. Τα μαγκρόβια επιτελούν τέσσερις κύριους ρόλους:
* Βοηθούν στη δημιουργία του χώματος, παγιδεύοντας κατακρημνίσματα.
* Χρησιμεύουν ως σήτα για το πλούσιο οργανικό χώμα που μεταφέρεται μέσω των ποταμών, στη θάλασσα.
* Δημιουργούν ένα καταφύγιο για ψάρια, θαλάσσια ασπόνδυλα, μαλάκια και πουλιά.
* Παρέχουν αιωρούμενη μη ζώσα ύλη, ενισχύοντας την παραγωγικότητα των οικοσυστημάτων.

Σκοπός της εφαρμογής

Η τηλεπισκόπηση χρησιμοποιείται για περισσότερες από δύο δεκαετίες. Όμως, λόγω της τάχιστης βελτίωσης της διακριτικής ικανότητας των δορυφόρων στην περιοχή του ορατού και τους εγγύς υπέρυθρου, καθώς και της διαθεσιμότητα των δεδομένων στην περιοχή των μικροκυμάτων, υπάρχει ανάγκη για συνεχή έρευνα στα υδατικά οικοσυστήματα με τη χρήση δορυφορικών δεδομένων. Επίσης, υπάρχει ένας αριθμός εργαλείων επεξεργασίας και ανάλυσης των εικόνων όπως τα ΓΣΠ, τα οποία δίνουν τη δυνατότητα επικάλυψης διαφορετικών επιπέδων πληροφοριών που λήφθηκαν από δορυφόρους ή άλλες πηγές με τελικό στόχο την απαιτούμενη πληροφορία. Ο βασικός στόχος της έρευνας αυτής είναι η χρήση τηλεπισκοπικών δεδομένων για την παρακολούθηση των αλλαγών στο μαγκρόβιο περιβάλλον και στην οικολογία του.

Περιοχή μελέτης

Η περιοχή μελέτης βρίσκεται κοντά στην Kakinada της περιοχής East Godavari, στο Andhra Pradesh, στην Ινδία και περιλαμβάνει 15.282ha μαγκρόβιων. Για την περιοχή συλλέχθηκαν δορυφορικές και άλλες εικόνες και δημιουργήθηκαν χάρτες που απεικόνιζαν τις αλλαγές.

Δεδομένα που χρησιμοποιήθηκαν

Χρησιμοποιήθηκαν δεδομένα του ινδικού δορυφόρου IRS (σε έντυπη και ψηφιακή μορφή) για τη χαρτογραφική αποτύπωση του μαγκρόβιου περιβάλλοντος. Δόθηκε προτεραιότητα στη συλλογή εικόνων χωρίς σύννεφα και στην ημερομηνία διέλευσης του δορυφόρου. Αρχικά χρησιμοποιήθηκαν ψευδοχρωματικά σύμπλοκα (FCC's) σε κλίμακες 1:50.000 και 1:250.000. Οι υπόλοιπες πληροφορίες αναφοράς που χρησιμοποιήθηκαν στην οπτική και ψηφιακή ερμηνεία των δεδομένων παρατίθενται παρακάτω:
* Χάρτης δασικών πόρων: αποτέλεσμα προηγούμενης έρευνας για τους δασικούς πόρους, σε κλίμακα 1:250.000.
* Χάρτης δασικής βλάστησης: δασική έρευνα στην Ινδία βασισμένη στην ερμηνεία φωτογραφικών δεδομένων μεταξύ 1987-1990, σε κλίμακα 1:250.000.
* Χάρτης καλλιεργειών: απεικόνιση των περιοχών καλλιέργειας, σε κλίμακα 1:250.000.
* Πληροφορίες για την κάλυψη και τις χρήσεις γης από έρευνα στο πεδίο του 1995.
* Τοπογραφικοί χάρτες.
* Προϋπάρχοντες θεματικοί χάρτες.
* Μετεωρολογικά δεδομένα.

Εξοπλισμός που χρησιμοποιήθηκε

Η τηλεπισκοπική ανάλυση, αν και είναι πιθανή χωρίς τη χρήση περίπλοκων μηχανημάτων, δε δίνει το καλύτερο αποτέλεσμα χωρίς τη χρήση κατάλληλου εξοπλισμού. Στη μελέτη αυτή, η οπτική ερμηνεία έλαβε χώρα τοποθετώντας τα ψευδοχρωματικά σύμπλοκα σε ένα απλό φωτιζόμενο τραπέζι. Η ψηφιακή επεξεργασία των εικόνων, π.χ. ενίσχυση, έγινε με τη χρήση του λογισμικού επεξεργασίας εικόνων ERDAS.

Μεθοδολογία

Η οπτική ερμηνεία έλαβε χώρα παρατηρώντας τα διαφορετικά στοιχεία ερμηνείας όπως ο τόνος, η υφή, το σχήμα, κτλ. Μετά την προκαταρκτική ερμηνεία διενεργήθηκε περιορισμένη έρευνα στο πεδίο για εξακρίβωση των στοιχείων. Η διόρθωση και ολοκλήρωση των χαρτών έγινε μετά την επιστροφή από το πεδίο.

Χαρτογραφική αποτύπωση των μαγκρόβιων στην περιοχή μελέτης.

Χρησιμοποιήθηκαν εικόνες IRS - IB, LISS II του Μάρτη του 1995, για την προετοιμασία χαρτών κάλυψης και χρήσεων γης, κλίμακας 1:50.000, οι οποίοι ερμηνεύτηκαν οπτικά ακολουθώντας το υπόμνημα του τμήματος διαστήματος του εθνικού προγράμματος αποστολών. Η διαδοχική φύση των IRS δεδομένων προσφέρει τη δυνατότητα παρακολούθησης των αλλαγών στις χρήσεις γης στα μαγκρόβια. Για το λόγο αυτό, ο συγκεκριμένος δορυφόρος έχει χρησιμοποιηθεί σε μεγάλο βαθμό για την αποτύπωση του προτύπου χρήσεων γης στα μαγκρόβια. Τόσο η οπτική, όσο και η ψηφιακή ανάλυση των IRS δεδομένων παρέχει χρήσιμες πληροφορίες, έτσι απαιτείται μικρής κλίμακας επαλήθευση με in situ έρευνες σε παράκτιες περιοχές, όπως τα μαγκρόβια δάση, ιχθυοκαλλιέργειες, κτλ. Οι πληροφορίες που λήφθηκαν από αυτές τις έρευνες, χρησιμοποιήθηκαν σε συνδυασμό με αυτές που προήλθαν από την ανάλυση των IRS δεδομένων.

Αποτελέσματα

Για τη συγκριτική ανάλυση και την ανίχνευση των αλλαγών έγινε σύγκριση με δεδομένα του Φεβρουαρίου του 1994. Παρατηρήθηκε ότι σε διάστημα ενός χρόνου, οι υδατοκαλλιέργειες προκάλεσαν μείωση του οικοσυστήματος των μαγκρόβιων κατά 22,69ha, κυρίως στην περιοχή Polavaram mandal, γεγονός που θα έχει σίγουρα επίδραση στην οικολογία της περιοχής. Παρατηρήθηκε ότι λόγω της πληθυσμιακής πίεσης, δημιουργήθηκαν νέοι οικισμοί συρρικνώνοντας τα μαγκρόβια. Η αυξημένη χρήση παρασιτοκτόνων κοντά στην περιοχή μελέτης και η βιομηχανική ρύπανση έχουν αλλάξει τελείως το οικοσύστημα, ενώ πολλές περιοχές κάτω από δάση μετατράπηκαν σε δεξαμενές ιχθυοκαλλιέργειας. Ο χάρτης που απεικονίζει αυτές τις αλλαγές ήταν το προϊόν που παρήχθη από αυτή την έρευνα.

[[category:Παρακολούθηση, χαρτογράφηση και ανάλυση ποταμών, λιμνών και υγροτόπων]]

Αγγελική Κουρουζίδου

2010-02-09T16:12:04Z

Angelica-roma:

Υπερφασματική τηλεπισκόπηση των παραμέτρων της υδατικής ποιότητας των μεγάλων ποταμών στη λεκάνη του ποταμού Ohio, ΗΠΑ

2010-02-09T16:10:36Z

Angelica-roma:

Υπερφασματική τηλεπισκόπηση των παραμέτρων της υδατικής ποιότητας των μεγάλων ποταμών στη λεκάνη του ποταμού Ohio, ΗΠΑ

2010-02-09T16:07:54Z

Angelica-roma:

Αντικείμενο της εφαρμογής

Ο ευτροφισμός είναι ένα φαινόμενο που μειώνει την ποιότητα του νερού λόγω της υπέρμετρης αύξησης του φυτοπλαγκτού και του αιωρούμενου οργανικού φορτίου. Όταν αυτά αποσυντίθενται παρατηρούνται δυσάρεστες οσμές και αυξημένο μικροβιακό φορτίο, επικίνδυνο για την υγεία των καταναλωτών. Έτσι, οι διαχειριστές των υδάτινων πόρων πρέπει να βρίσκονται σε θέση να ανιχνεύουν με τον πιο αποτελεσματικό τρόπο την κατάσταση του νερού, κάτι που μπορεί να αποδειχθεί ιδιαίτερα δύσκολο για μεγάλα ποτάμια όπου οι μετρήσεις στο πεδίο είναι χρονοβόρες, οικονομικά ασύμφορες και λογιστικά περιορισμένες. Αυξήσεις σε παραμέτρους που αποτυπώνουν την ποιότητα του νερού, όπως η χλωροφύλλη-α, η θολερότητα, το σύνολο των αιρούμενων στερεών (TSS) και των θρεπτικών είναι σύμπτωμα ευτροφικών συνθηκών.

Πώς γινόταν παλαιότερα

Η δυνατότητα ανίχνευσης του ευτροφισμού σε διαφορετικά σημεία του ποταμού χωρίς οι επιστήμονες να βασίζονται στις μετρήσεις πεδίου, έχει απασχολήσει την επιστημονική κοινότητα για περισσότερες από δύο δεκαετίες. Πολλά μαθηματικά μοντέλα έχουν σχεδιαστεί και εφαρμοστεί σε ποτάμια, λίμνες και λιμνοθάλασσες (Lung 1986, Thomann and Mueller 1987, Kuo and Wu 1991, Kuo et al. 1994), τα οποία προσομοιάζουν συνθήκες ευτροφισμού με βάση την αρχική κατάσταση του υδάτινου σώματος. Για το λόγο αυτό απαιτούν συνολικά προγράμματα προσομοίωσης της ποιότητας του νερού, χωρίς, όμως, να αναπαριστούν με επιτυχία την κατάσταση ολόκληρου του υδάτινου σώματος.

Σκοπός της έρευνας

Η τηλεπισκόπηση είναι η μέθοδος που μπορεί να υπερβεί τα προβλήματα που προκύπτουν από την in situ έρευνα ή τα μαθηματικά μοντέλα, παρέχοντας έναν εναλλακτικό τρόπο ελέγχου την ποιότητας του νερού σε μεγαλύτερο εύρος χώρου και χρόνου (Shafique et al. 2001). Η παρούσα μελέτη επικεντρώνεται στην πρόβλεψη της συγκέντρωσης της χλωροφύλλης-α, της θολερότητας και της συγκέντρωσης του ολικού φωσφόρου χρησιμοποιώντας φασματικούς δείκτες που προήλθαν από φασματικά δεδομένα τα οποία συλλέχθηκαν από φασματο-ραδιόμετρα, ως ανεξάρτητες μεταβλητές. Επίσης, είναι η μοναδική που ανέπτυξε έναν τύπο παλινδρόμησης για συστήματα ρεόντων υδάτων, χρησιμοποιώντας, ειδικά, μεγάλα ποτάμια ως μοντέλα.
Οι φασματικοί δείκτες είναι μετασχηματισμοί των τιμών της ανάκλασης σε συγκεκριμένα μήκη κύματος που ανταποκρίνονται κατ’ ελάχιστο σε μια συγκέντρωση της παραμέτρου που μας ενδιαφέρει, ελεγμένης στο πεδίο και μειώνουν την επίδραση άλλων οπτικά ενεργών συστατικών. Η μέθοδος που χρησιμοποιήθηκε έκανε συσχετισμούς με τη χρήση ταυτόχρονα συλλεχθέντων δεδομένων τηλεπισκόπησης, δεδομένων φασματόμετρου από το πεδίο και συλλεχθέντων δεδομένων από το πεδίο για την ποιότητα του νερού, με σκοπό να δείξει τη δυνατότητα των τεχνικών της τηλεπισκόπησης στην παρακολούθηση της ποιότητας του νερού σε μεγάλα ποτάμια. Η μελέτη αυτή πραγματεύεται, επίσης, την εφαρμογή των οπτικών ιδιοτήτων του νερού σε πολλαπλά ποτάμια συστήματα.

Υλικά και μέθοδοι

Στην έρευνα χρησιμοποιήθηκαν δεδομένα από το συμπαγή αερομεταφερόμενο φασματογραφικό απεικονιστή (compact airborne spectrographic imager – CASI) για περίπου 60 ναυτικά μίλια του ποταμού Great Miami και 80 ναυτικά μίλια του ποταμού Ohio. Επιλέχθηκαν 19 κατάλληλα φασματικά κανάλια με διακριτική ικανότητα 5nm, με βάση την ανάλυση των προκαταρκτικών φασματομετρικών δεδομένων του πεδίου, και προγραμματίστηκαν στη μονάδα του CASI. Τα δεδομένα συλλέχθηκαν κατά τη διάρκεια τεσσάρων εξορμήσεων στο πεδίο, κάτω από ίδιες συνθήκες κατά τα έτη 1999 και 2001. Ενώ τα υπερφασματικά δεδομένα συλλέγονταν από τον αερομεταφερόμενο CASI, ''in situ'' δείγματα νερού συλλέγονταν και ένα φασματόμετρο πεδίου χρησιμοποιούταν για τη συλλογή φασματικών δεδομένων απευθείας από το ποτάμι.
Τα δεδομένα από το πεδίο, το εργαστήριο και τον αέρα αναλύθηκαν με συστηματικό τρόπο. Αρχικά, αναπτύχθηκε η φασματική βιβλιοθήκη και χρησιμοποιήθηκε για να καθορίσει τη μεταβλητότητα ή/ και τη σταθερότητα της απορρόφησης και των συντελεστών σκέδασης των ποταμών Great Miami και Ohio. Μονο-φασματικά κανάλια, αναλογίες φασματικών καναλιών και συνδυασμοί πολλαπλών καναλιών χρησιμοποιήθηκαν στη συνέχεια για τη δημιουργία εξισώσεων γραμμικής παλινδρόμησης. Τα ημι-εμπειρικά μοντέλα αναπτύχθηκαν σε φύλλα του προγράμματος Excel και οι εικόνες αναλύθηκαν χρησιμοποιώντας το λογισμικό επεξεργασίας εικόνων ENVI (3.6).
Αρχικά, για να αντιπροσωπεύουν μια ενιαία μονάδα στην εικόνα, σκιάστηκαν οι περιοχές του νερού. Η τεχνική της μη επιβλεπόμενης ταξινόμησης K Mean, χρησιμοποιήθηκε για να κατηγοριοποιήσει τις απεικονίσεις σε φασματικά όμοιες κατηγορίες. Η τεχνική αυτή ταξινόμησης χρησιμοποιήθηκε πάνω από μια άλλη μέθοδο, την επιβλεπόμενη ταξινόμηση, καθώς οι εξακριβώσεις με βάση αυτή την ταξινόμηση, γίνονται στη βάση της ανθρώπινης όρασης, η οποία περιορίζεται στα ορατά μήκη κύματος (Vincent 1997). Πεδία διασποράς δημιουργήθηκαν ανάμεσα στις φασματικά ταξινομημένες εικόνες και στα δεδομένα πεδίου, με βάση τις γραμμικές τους τάσεις. Απλές γραμμικές παλινδρομήσεις χρησιμοποιήθηκαν για τον προσδιορισμό της σχέσης μεταξύ των μονών και των συνδυασμών καναλιών και των παραμέτρων ποιότητας του νερού.
Με βάση τα εικονοστοιχεία των τοποθεσιών από τις οποίες συλλέχθηκαν τα δεδομένα πεδίου, δημιουργήθηκαν εξισώσεις για συγκεκριμένες παραμέτρους ποιότητας του νερού. Έπειτα, ολόκληρη η εικόνα μετατράπηκε σε ένα χάρτη ποιότητας του νερού χρησιμοποιώντας εξισώσεις πρόβλεψης. Κάποια από τα δεδομένα πεδίου χρησιμοποιήθηκαν στην επαλήθευση αυτών των εξισώσεων. Χρησιμοποιώντας την ημι-εμπειρική προσέγγιση, δημιουργήθηκαν ξεχωριστές εξισώσεις για κάθε παράμετρο.
Η αναλυτική προσέγγιση της φασματικής ανάλυσης εικόνων χρησιμοποίησε τη φασματική βιβλιοθήκη που δημιουργήθηκε από τις έρευνες του 1999 για τον ποταμό Great Miami και του 2001 για τον ποταμό Ohio (Shafique et al. 2001). Το μοντέλο ανακλαστικότητας/ μεταφοράς ακτινοβολίας που χρησιμοποιήθηκε στην αναλυτική προσέγγιση ποσοτικοποιεί και προσομοιώνει την ατομική συνεισφορά των συστατικών του νερού στην ανάκλαση που μετρήθηκε από τους τηλεπισκοπικούς αισθητήρες. Η ανάπτυξη του μοντέλου ανακλαστικότητας/ μεταφοράς ακτινοβολίας βασίζεται στο πόσο καλά η ειδική απορρόφηση και ο συντελεστής διασποράς καθορίζονται για τα διάφορα συστατικά. Μόλις δημιουργήθηκαν σταθεροί συντελεστές, το μοντέλο μπόρεσε να χρησιμοποιηθεί για τη μαθηματική μετατροπή των αερομεταφερόμενων εικόνων σε χάρτες ποιότητας του νερού με περιορισμένη χρήση δεδομένων πεδίου. Η χρήση δεδομένων πεδίου μπόρεσε να μετριαστεί καθώς μια φυσική κατανόηση των αλληλεπιδράσεων ανάμεσα στα διάφορα συστατικά του νερού και στην ανακλαστικότητά του, ενσωματώθηκε στις εξισώσεις μεταφοράς ακτινοβολίας.
Η επιτυχία της αναλυτικής προσέγγισης βασίζεται στον επιτυχή οπτικό χαρακτηρισμό του υδάτινου σώματος και στις δυνητικά συνεισφέρουσες πηγές, όπως η απόρριψη βιομηχανικών αποβλήτων. Μόλις λάβει χώρα ο χαρακτηρισμός αυτός, τα διαθέσιμα εργαλεία για την αξιολόγηση της ποιότητας του νερού μπορούν να προσαρμοστούν σε μια συγκεκριμένη περιοχή μελέτης.

[[Εικόνα:ohio1.jpg|thumb|right|Συσχέτιση μεταξύ των παραμέτρων ποιότητας του νερού και των φασματικών δεικτών. Οι τιμές της συγκέντρωσης του φωσφόρου είναι πολλαπλασιασμένες με 100 για να προσαρμοστούν στην κλίμακα]]

Μοντέλα

Όλα τα κανάλια ελέγχθηκαν για σχέσεις με παραμέτρους ποιότητας του νερού ως ότου βρέθηκε ποια κανάλια και ποιες παράμετροι συσχετίζονταν με τη μεγαλύτερη βεβαιότητα. Τα διαγράμματα διασποράς έδειξαν ότι τα γραμμικά μοντέλα που χρησιμοποιούσαν το λόγο των μηκών κύματος 705/675nm και το λογαριθμικό λόγο 554/675nm μπορούν να περιγράψουν τη χλωροφύλλη-α και τον ολικό φώσφορο αντίστοιχα. Η λογαριθμική μετατροπή είναι χρήσιμη σε περιπτώσεις όπως αυτή, όπου είναι απαραίτητος ο τονισμός της διαφοροποίησης ανάμεσα στις τιμές με έναν τρόπο που να είναι αναλογικός του λόγου τους και όχι της απόλυτης διαφοράς τους. Οι τιμές που αντιπροσώπευαν τη διαφορά των 740nm από τα 710nm συσχετίζονταν καλύτερα με τη θολερότητα. Οι r-values και R2 του καθενός από αυτά ήταν πάνω 0,7 και 0,5 αντίστοιχα, υποδεικνύοντας την ικανότητα παροχής καλών γραμμικών μοντέλων γι’ αυτές τις παραμέτρους ποιότητας του νερού. Βασιζόμενοι στη γραμμική σχέση με τις παραμέτρους ποιότητας του νερού, οι φασματικοί δείκτες μετασχηματίστηκαν στα παρακάτω μαθηματικά μοντέλα για να υπολογίσουν τις συγκεντρώσεις των αντίστοιχων παραμέτρων ποιότητας.
Χλωροφύλλη-α = 48.849 * (705/675 nm) - 34.876 (1)
Ολικός φώσφορος = 0.1081 * log (554/675 nm) - 0.0371 (2)
Θολερότητα = 186.59 * (710 – 740 nm) + 8.5516 (3)

[[Εικόνα:ohio2.jpg|thumb|right|Χάρτης των παραμέτρων ποιότητας του νερού του ποταμού Ohio στη συμβολή του με τον ποταμό Licking κοντά στο Cincinnati, OH. Υψηλότερα επίπεδα χλωροφύλλης-α και θολερότητας απαντώνται στη συμβολή. Οι τιμές R2 των διαγραμμάτων διασποράς είναι πάνω από 0,9 υποδεικνύοντας υψηλή ακρίβεια.]]

Αποτελέσματα και αξιολόγηση της μεθόδου

Η μελέτη αυτή δείχνει ότι η υπερφασματική τεχνική της τηλεπισκόπησης μπορεί να αποτελέσει ένα χρήσιμο εργαλείο για τον έλεγχο της διασποράς της χλωροφύλλης-α σε μεγάλα ποτάμια, σε αντίθεση με την περιορισμένη αξιοπιστία των δεικτών της θολερότητας και του ολικού φωσφόρου. Στη μελέτη αυτή βρέθηκε ότι τα μήκη κύματος 675 και 705nm από τα CASI δεδομένα ήταν τα καταλληλότερα για την πρόβλεψη των συγκεντρώσεων της χλωροφύλλης-α. Η ανάλυση συσχέτισης ανάμεσα στα τηλεπισκοπικά δεδομένα και τη χλωροφύλλη-α υποδήλωσε την πιθανότητα της χαρτογραφικής αποτύπωσης των συγκεντρώσεων της χλωροφύλλης-α με ακρίβεια. Οι ισχυρές συσχετίσεις των αναλογιών ανάκλασης που σχετίζονταν με αυτά τα μήκη κύματος με τα δεδομένα από το φασματόμετρο πεδίου, χρησιμοποιήθηκαν στην ανάπτυξη εξισώσεων και σταθερών για τις προβλεφθήσες συγκεντρώσεις στις περιοχές μελέτης.
Τα αποτελέσματα δείχνουν ότι είναι επίσης εφικτή η εκτίμηση των σχετικών επιπέδων της χλωροφύλλης-α σε μεγάλα ποτάμια, όταν δεν είναι διαθέσιμα δεδομένα από το πεδίο. Το γεγονός αυτό είναι πολύ σημαντικό, καθώς συνήθως ο συνολικός αριθμός των in situ δεδομένων περιορίζεται σε ένα μικρό τμήμα του ποταμού και αφορά μικρό χρονικό διάστημα. Επιπλέον, τα αποτελέσματα υποδεικνύουν ότι η χλωροφύλλη-α έχει μια μοναδική φασματική υπογραφή και είναι δυνατό να υπολογιστεί η συγκέντρωσή της σε κάθε υδάτινο σώμα της ενδοχώρας με τη χρήση του φασματικού δείκτη της.
Οι μέθοδοι που αναπτύχθηκαν και αναλύθηκαν στη μελέτη αυτή χρησιμοποίησαν τον CASI, αλλά θεωρείται ότι οι ίδιες πληροφορίες μπορούν να ληφθούν με τη χρήση υπερφασματικών δεδομένων από δορυφόρους, όπως ο Hyperion. Αν και η διακριτική ικανότητα των δεδομένων που συλλέγονται με τον Hyperion είναι μόνο 30m σε σύγκριση με την αντίστοιχη του CASI, που είναι 2m, η χρήση του δορυφόρου μπορεί να είναι πιο αποτελεσματική και εξίσου αξιόπιστη, καθώς το φασματόμετρο του Hyperion περιλαμβάνει κανάλια με το ίδιο μήκος κύματος που χρησιμοποιήθηκε στην περίπτωση αυτή για την ανίχνευση της χλωροφύλλης-α. Παρ’ όλ’ αυτά είναι, ακόμη, απαραίτητη η σύγκριση των αποτελεσμάτων των δεδομένων που συλλέχθηκαν από το πεδίο, από τον CASI και από τον Hyperion, για την ανίχνευση της αξιοπιστίας τους.
Οι μελλοντικές μελέτες θα παρέχουν πληροφορίες για το αν τα δεδομένα του δορυφόρου μπορούν να αναπληρώσουν των δεδομένα που έχουν συλλεχθεί από το πεδίο για τον προσδιορισμό των παραμέτρων που καθορίζουν την ποιότητα του νερού, όπως η συγκέντρωση της χλωροφύλλης-α, η θολερότητα ή τα θρεπτικά. Στο μέλλον μπορεί να αποδειχθεί ότι τα τηλεπισκοπικά δεδομένα από τον Hyperion είναι προτιμότερα για την ανίχνευση των ευτροφικών νερών σε μεγάλα ποτάμια.

[[category:Εκτίμηση ευτροφισμού των λιμνών]]

Υπερφασματική τηλεπισκόπηση των παραμέτρων της υδατικής ποιότητας των μεγάλων ποταμών στη λεκάνη του ποταμού Ohio, ΗΠΑ

2010-02-09T16:04:27Z

Angelica-roma: New page: Αντικείμενο της εφαρμογής Ο ευτροφισμός είναι ένα φαινόμενο που μειώνει την ποιότητα του νερού λόγω τ...

Αντικείμενο της εφαρμογής

Ο ευτροφισμός είναι ένα φαινόμενο που μειώνει την ποιότητα του νερού λόγω της υπέρμετρης αύξησης του φυτοπλαγκτού και του αιωρούμενου οργανικού φορτίου. Όταν αυτά αποσυντίθενται παρατηρούνται δυσάρεστες οσμές και αυξημένο μικροβιακό φορτίο, επικίνδυνο για την υγεία των καταναλωτών. Έτσι, οι διαχειριστές των υδάτινων πόρων πρέπει να βρίσκονται σε θέση να ανιχνεύουν με τον πιο αποτελεσματικό τρόπο την κατάσταση του νερού, κάτι που μπορεί να αποδειχθεί ιδιαίτερα δύσκολο για μεγάλα ποτάμια όπου οι μετρήσεις στο πεδίο είναι χρονοβόρες, οικονομικά ασύμφορες και λογιστικά περιορισμένες. Αυξήσεις σε παραμέτρους που αποτυπώνουν την ποιότητα του νερού, όπως η χλωροφύλλη-α, η θολερότητα, το σύνολο των αιρούμενων στερεών (TSS) και των θρεπτικών είναι σύμπτωμα ευτροφικών συνθηκών.

Πώς γινόταν παλαιότερα

Η δυνατότητα ανίχνευσης του ευτροφισμού σε διαφορετικά σημεία του ποταμού χωρίς οι επιστήμονες να βασίζονται στις μετρήσεις πεδίου, έχει απασχολήσει την επιστημονική κοινότητα για περισσότερες από δύο δεκαετίες. Πολλά μαθηματικά μοντέλα έχουν σχεδιαστεί και εφαρμοστεί σε ποτάμια, λίμνες και λιμνοθάλασσες (Lung 1986, Thomann and Mueller 1987, Kuo and Wu 1991, Kuo et al. 1994), τα οποία προσομοιάζουν συνθήκες ευτροφισμού με βάση την αρχική κατάσταση του υδάτινου σώματος. Για το λόγο αυτό απαιτούν συνολικά προγράμματα προσομοίωσης της ποιότητας του νερού, χωρίς, όμως, να αναπαριστούν με επιτυχία την κατάσταση ολόκληρου του υδάτινου σώματος.

Σκοπός της έρευνας

Η τηλεπισκόπηση είναι η μέθοδος που μπορεί να υπερβεί τα προβλήματα που προκύπτουν από την in situ έρευνα ή τα μαθηματικά μοντέλα, παρέχοντας έναν εναλλακτικό τρόπο ελέγχου την ποιότητας του νερού σε μεγαλύτερο εύρος χώρου και χρόνου (Shafique et al. 2001). Η παρούσα μελέτη επικεντρώνεται στην πρόβλεψη της συγκέντρωσης της χλωροφύλλης-α, της θολερότητας και της συγκέντρωσης του ολικού φωσφόρου χρησιμοποιώντας φασματικούς δείκτες που προήλθαν από φασματικά δεδομένα τα οποία συλλέχθηκαν από φασματο-ραδιόμετρα, ως ανεξάρτητες μεταβλητές. Επίσης, είναι η μοναδική που ανέπτυξε έναν τύπο παλινδρόμησης για συστήματα ρεόντων υδάτων, χρησιμοποιώντας, ειδικά, μεγάλα ποτάμια ως μοντέλα.
Οι φασματικοί δείκτες είναι μετασχηματισμοί των τιμών της ανάκλασης σε συγκεκριμένα μήκη κύματος που ανταποκρίνονται κατ’ ελάχιστο σε μια συγκέντρωση της παραμέτρου που μας ενδιαφέρει, ελεγμένης στο πεδίο και μειώνουν την επίδραση άλλων οπτικά ενεργών συστατικών. Η μέθοδος που χρησιμοποιήθηκε έκανε συσχετισμούς με τη χρήση ταυτόχρονα συλλεχθέντων δεδομένων τηλεπισκόπησης, δεδομένων φασματόμετρου από το πεδίο και συλλεχθέντων δεδομένων από το πεδίο για την ποιότητα του νερού, με σκοπό να δείξει τη δυνατότητα των τεχνικών της τηλεπισκόπησης στην παρακολούθηση της ποιότητας του νερού σε μεγάλα ποτάμια. Η μελέτη αυτή πραγματεύεται, επίσης, την εφαρμογή των οπτικών ιδιοτήτων του νερού σε πολλαπλά ποτάμια συστήματα.

Υλικά και μέθοδοι

Στην έρευνα χρησιμοποιήθηκαν δεδομένα από το συμπαγή αερομεταφερόμενο φασματογραφικό απεικονιστή (compact airborne spectrographic imager – CASI) για περίπου 60 ναυτικά μίλια του ποταμού Great Miami και 80 ναυτικά μίλια του ποταμού Ohio. Επιλέχθηκαν 19 κατάλληλα φασματικά κανάλια με διακριτική ικανότητα 5nm, με βάση την ανάλυση των προκαταρκτικών φασματομετρικών δεδομένων του πεδίου, και προγραμματίστηκαν στη μονάδα του CASI. Τα δεδομένα συλλέχθηκαν κατά τη διάρκεια τεσσάρων εξορμήσεων στο πεδίο, κάτω από ίδιες συνθήκες κατά τα έτη 1999 και 2001. Ενώ τα υπερφασματικά δεδομένα συλλέγονταν από τον αερομεταφερόμενο CASI, ''in situ'' δείγματα νερού συλλέγονταν και ένα φασματόμετρο πεδίου χρησιμοποιούταν για τη συλλογή φασματικών δεδομένων απευθείας από το ποτάμι.
Τα δεδομένα από το πεδίο, το εργαστήριο και τον αέρα αναλύθηκαν με συστηματικό τρόπο. Αρχικά, αναπτύχθηκε η φασματική βιβλιοθήκη και χρησιμοποιήθηκε για να καθορίσει τη μεταβλητότητα ή/ και τη σταθερότητα της απορρόφησης και των συντελεστών σκέδασης των ποταμών Great Miami και Ohio. Μονο-φασματικά κανάλια, αναλογίες φασματικών καναλιών και συνδυασμοί πολλαπλών καναλιών χρησιμοποιήθηκαν στη συνέχεια για τη δημιουργία εξισώσεων γραμμικής παλινδρόμησης. Τα ημι-εμπειρικά μοντέλα αναπτύχθηκαν σε φύλλα του προγράμματος Excel και οι εικόνες αναλύθηκαν χρησιμοποιώντας το λογισμικό επεξεργασίας εικόνων ENVI (3.6).
Αρχικά, για να αντιπροσωπεύουν μια ενιαία μονάδα στην εικόνα, σκιάστηκαν οι περιοχές του νερού. Η τεχνική της μη επιβλεπόμενης ταξινόμησης K Mean, χρησιμοποιήθηκε για να κατηγοριοποιήσει τις απεικονίσεις σε φασματικά όμοιες κατηγορίες. Η τεχνική αυτή ταξινόμησης χρησιμοποιήθηκε πάνω από μια άλλη μέθοδο, την επιβλεπόμενη ταξινόμηση, καθώς οι εξακριβώσεις με βάση αυτή την ταξινόμηση, γίνονται στη βάση της ανθρώπινης όρασης, η οποία περιορίζεται στα ορατά μήκη κύματος (Vincent 1997). Πεδία διασποράς δημιουργήθηκαν ανάμεσα στις φασματικά ταξινομημένες εικόνες και στα δεδομένα πεδίου, με βάση τις γραμμικές τους τάσεις. Απλές γραμμικές παλινδρομήσεις χρησιμοποιήθηκαν για τον προσδιορισμό της σχέσης μεταξύ των μονών και των συνδυασμών καναλιών και των παραμέτρων ποιότητας του νερού.
Με βάση τα εικονοστοιχεία των τοποθεσιών από τις οποίες συλλέχθηκαν τα δεδομένα πεδίου, δημιουργήθηκαν εξισώσεις για συγκεκριμένες παραμέτρους ποιότητας του νερού. Έπειτα, ολόκληρη η εικόνα μετατράπηκε σε ένα χάρτη ποιότητας του νερού χρησιμοποιώντας εξισώσεις πρόβλεψης. Κάποια από τα δεδομένα πεδίου χρησιμοποιήθηκαν στην επαλήθευση αυτών των εξισώσεων. Χρησιμοποιώντας την ημι-εμπειρική προσέγγιση, δημιουργήθηκαν ξεχωριστές εξισώσεις για κάθε παράμετρο.
Η αναλυτική προσέγγιση της φασματικής ανάλυσης εικόνων χρησιμοποίησε τη φασματική βιβλιοθήκη που δημιουργήθηκε από τις έρευνες του 1999 για τον ποταμό Great Miami και του 2001 για τον ποταμό Ohio (Shafique et al. 2001). Το μοντέλο ανακλαστικότητας/ μεταφοράς ακτινοβολίας που χρησιμοποιήθηκε στην αναλυτική προσέγγιση ποσοτικοποιεί και προσομοιώνει την ατομική συνεισφορά των συστατικών του νερού στην ανάκλαση που μετρήθηκε από τους τηλεπισκοπικούς αισθητήρες. Η ανάπτυξη του μοντέλου ανακλαστικότητας/ μεταφοράς ακτινοβολίας βασίζεται στο πόσο καλά η ειδική απορρόφηση και ο συντελεστής διασποράς καθορίζονται για τα διάφορα συστατικά. Μόλις δημιουργήθηκαν σταθεροί συντελεστές, το μοντέλο μπόρεσε να χρησιμοποιηθεί για τη μαθηματική μετατροπή των αερομεταφερόμενων εικόνων σε χάρτες ποιότητας του νερού με περιορισμένη χρήση δεδομένων πεδίου. Η χρήση δεδομένων πεδίου μπόρεσε να μετριαστεί καθώς μια φυσική κατανόηση των αλληλεπιδράσεων ανάμεσα στα διάφορα συστατικά του νερού και στην ανακλαστικότητά του, ενσωματώθηκε στις εξισώσεις μεταφοράς ακτινοβολίας.
Η επιτυχία της αναλυτικής προσέγγισης βασίζεται στον επιτυχή οπτικό χαρακτηρισμό του υδάτινου σώματος και στις δυνητικά συνεισφέρουσες πηγές, όπως η απόρριψη βιομηχανικών αποβλήτων. Μόλις λάβει χώρα ο χαρακτηρισμός αυτός, τα διαθέσιμα εργαλεία για την αξιολόγηση της ποιότητας του νερού μπορούν να προσαρμοστούν σε μια συγκεκριμένη περιοχή μελέτης.

Μοντέλα

Όλα τα κανάλια ελέγχθηκαν για σχέσεις με παραμέτρους ποιότητας του νερού ως ότου βρέθηκε ποια κανάλια και ποιες παράμετροι συσχετίζονταν με τη μεγαλύτερη βεβαιότητα. Τα διαγράμματα διασποράς έδειξαν ότι τα γραμμικά μοντέλα που χρησιμοποιούσαν το λόγο των μηκών κύματος 705/675nm και το λογαριθμικό λόγο 554/675nm μπορούν να περιγράψουν τη χλωροφύλλη-α και τον ολικό φώσφορο αντίστοιχα. Η λογαριθμική μετατροπή είναι χρήσιμη σε περιπτώσεις όπως αυτή, όπου είναι απαραίτητος ο τονισμός της διαφοροποίησης ανάμεσα στις τιμές με έναν τρόπο που να είναι αναλογικός του λόγου τους και όχι της απόλυτης διαφοράς τους. Οι τιμές που αντιπροσώπευαν τη διαφορά των 740nm από τα 710nm συσχετίζονταν καλύτερα με τη θολερότητα. Οι r-values και R2 του καθενός από αυτά ήταν πάνω 0,7 και 0,5 αντίστοιχα, υποδεικνύοντας την ικανότητα παροχής καλών γραμμικών μοντέλων γι’ αυτές τις παραμέτρους ποιότητας του νερού. Βασιζόμενοι στη γραμμική σχέση με τις παραμέτρους ποιότητας του νερού, οι φασματικοί δείκτες μετασχηματίστηκαν στα παρακάτω μαθηματικά μοντέλα για να υπολογίσουν τις συγκεντρώσεις των αντίστοιχων παραμέτρων ποιότητας.
Χλωροφύλλη-α = 48.849 * (705/675 nm) - 34.876 (1)
Ολικός φώσφορος = 0.1081 * log (554/675 nm) - 0.0371 (2)
Θολερότητα = 186.59 * (710 – 740 nm) + 8.5516 (3)

Αποτελέσματα και αξιολόγηση της μεθόδου

Η μελέτη αυτή δείχνει ότι η υπερφασματική τεχνική της τηλεπισκόπησης μπορεί να αποτελέσει ένα χρήσιμο εργαλείο για τον έλεγχο της διασποράς της χλωροφύλλης-α σε μεγάλα ποτάμια, σε αντίθεση με την περιορισμένη αξιοπιστία των δεικτών της θολερότητας και του ολικού φωσφόρου. Στη μελέτη αυτή βρέθηκε ότι τα μήκη κύματος 675 και 705nm από τα CASI δεδομένα ήταν τα καταλληλότερα για την πρόβλεψη των συγκεντρώσεων της χλωροφύλλης-α. Η ανάλυση συσχέτισης ανάμεσα στα τηλεπισκοπικά δεδομένα και τη χλωροφύλλη-α υποδήλωσε την πιθανότητα της χαρτογραφικής αποτύπωσης των συγκεντρώσεων της χλωροφύλλης-α με ακρίβεια. Οι ισχυρές συσχετίσεις των αναλογιών ανάκλασης που σχετίζονταν με αυτά τα μήκη κύματος με τα δεδομένα από το φασματόμετρο πεδίου, χρησιμοποιήθηκαν στην ανάπτυξη εξισώσεων και σταθερών για τις προβλεφθήσες συγκεντρώσεις στις περιοχές μελέτης.
Τα αποτελέσματα δείχνουν ότι είναι επίσης εφικτή η εκτίμηση των σχετικών επιπέδων της χλωροφύλλης-α σε μεγάλα ποτάμια, όταν δεν είναι διαθέσιμα δεδομένα από το πεδίο. Το γεγονός αυτό είναι πολύ σημαντικό, καθώς συνήθως ο συνολικός αριθμός των in situ δεδομένων περιορίζεται σε ένα μικρό τμήμα του ποταμού και αφορά μικρό χρονικό διάστημα. Επιπλέον, τα αποτελέσματα υποδεικνύουν ότι η χλωροφύλλη-α έχει μια μοναδική φασματική υπογραφή και είναι δυνατό να υπολογιστεί η συγκέντρωσή της σε κάθε υδάτινο σώμα της ενδοχώρας με τη χρήση του φασματικού δείκτη της.
Οι μέθοδοι που αναπτύχθηκαν και αναλύθηκαν στη μελέτη αυτή χρησιμοποίησαν τον CASI, αλλά θεωρείται ότι οι ίδιες πληροφορίες μπορούν να ληφθούν με τη χρήση υπερφασματικών δεδομένων από δορυφόρους, όπως ο Hyperion. Αν και η διακριτική ικανότητα των δεδομένων που συλλέγονται με τον Hyperion είναι μόνο 30m σε σύγκριση με την αντίστοιχη του CASI, που είναι 2m, η χρήση του δορυφόρου μπορεί να είναι πιο αποτελεσματική και εξίσου αξιόπιστη, καθώς το φασματόμετρο του Hyperion περιλαμβάνει κανάλια με το ίδιο μήκος κύματος που χρησιμοποιήθηκε στην περίπτωση αυτή για την ανίχνευση της χλωροφύλλης-α. Παρ’ όλ’ αυτά είναι, ακόμη, απαραίτητη η σύγκριση των αποτελεσμάτων των δεδομένων που συλλέχθηκαν από το πεδίο, από τον CASI και από τον Hyperion, για την ανίχνευση της αξιοπιστίας τους.
Οι μελλοντικές μελέτες θα παρέχουν πληροφορίες για το αν τα δεδομένα του δορυφόρου μπορούν να αναπληρώσουν των δεδομένα που έχουν συλλεχθεί από το πεδίο για τον προσδιορισμό των παραμέτρων που καθορίζουν την ποιότητα του νερού, όπως η συγκέντρωση της χλωροφύλλης-α, η θολερότητα ή τα θρεπτικά. Στο μέλλον μπορεί να αποδειχθεί ότι τα τηλεπισκοπικά δεδομένα από τον Hyperion είναι προτιμότερα για την ανίχνευση των ευτροφικών νερών σε μεγάλα ποτάμια.

[[category:Εκτίμηση ευτροφισμού των λιμνών]]

Αγγελική Κουρουζίδου

2010-02-09T16:00:04Z

Angelica-roma:

Δείκτες δασικής βιοποικιλότητας στις κολομβιανές Άνδεις

2010-02-09T15:47:17Z

Angelica-roma:

Forest Biodiversity Indicators in the Colombian Andes, N. Rodríguez, D. Armenteras, M.H. A. Rincón, M. Morales & S. Sua, http://proceedings.esri.com/library/userconf/proc04/docs/pap1014.pdf

Εισαγωγή

Η περιοχή των βόρειων Άνδεων περικλείει μερικές από τις 200 περιοχές προτεραιότητας για τη διατήρηση της βιοποικιλότητας (WWF, 1997), λόγω της μοναδικής βιοποικιλότητάς της και του βαθμού κινδύνου που αντιμετωπίζει. Η περιοχή φιλοξενεί μια μεγάλη ποικιλία ενδιαιτημάτων, τα οποία έχουν ευνοήσει την εξέλιξη ενός μεγάλου αριθμού φυτικών και ζωικών ειδών, γεγονός που συνέβαλε στην αναγνώριση της Κολομβίας ως μιας από τις πιο ανομοιογενείς χώρες στον κόσμο (Mittermeier et al., 1999).
Οι κολομβιανές Άνδεις έχουν επηρεαστεί σε μεγάλο βαθμό από τις ανθρώπινες δραστηριότητες. Λόγω του ρυθμού μετατροπής των φυσικών οικοσυστημάτων και της μείωσης της βιοποικιλότητας, ολόκληρα οικοσυστήματα και ένας μεγάλος αριθμός ειδών παρουσιάζουν υψηλό κίνδυνο εξαφάνισης. Οι απώλειες αυτές, έχουν σοβαρές επιπτώσεις στα αγαθά και τις υπηρεσίες που προσφέρονται από την περιοχή και μπορεί να επηρεάσουν την ανάπτυξη των κοινωνικών και οικονομικών δραστηριοτήτων του τοπικού πληθυσμού (WWF, 2001).

Στόχος της εφαρμογής

Ένας τρόπος για την κατανόηση των σχέσεων μεταξύ των ανθρώπων και του περιβάλλοντός τους, είναι η μελέτη του οικοσυστήματος και ο προσδιορισμός των κοινωνικο-οικονομικών διεργασιών. Η προσέγγιση αυτή επιτρέπει στις περιβαλλοντικές αρχές να στρέψουν την προσοχή τους στις περιοχές προτεραιότητας διατήρησης ή να αναπτύξουν μοντέλα για την εξήγηση των μελλοντικών σεναρίων (Rudas et al., 2002). Η μελέτη της βιοποικιλότητας σε τοπικό επίπεδο έχει το οικοσύστημα ως μονάδα από το οποίο η δομή και η σύνθεση αναλύονται. Το οικοσύστημα χρησιμεύει ως βάση για ένα πρόγραμμα παρακολούθησης (Josse et al., 2003).
Η παρούσα μελέτη συμπεριέλαβε την ανάλυση της δομής του οικοσυστήματος και κοινωνικο-οικονομικούς παράγοντες στις κολομβιανές Άνδεις, ως μέρος του προγράμματος με τίτλο «Διατήρηση και βιώσιμη χρήση της βιοποικιλότητας στις κολομβιανές Άνδεις». Το πρόγραμμα αυτό διενεργείται από το Ινστιτούτο Humboldt, και θα χρησιμεύσει ως βάση για ένα πρόγραμμα παρακολούθησης της βιοποικιλότητας.

Περιοχή μελέτης

Η Κολομβία μοιράζεται την περιοχή των Άνδεων με τη Βενεζουέλα, το Περού, το Εκουαδόρ και τη Βολιβία, καταλαμβάνοντας το 23% της συνολικής περιοχής (28.771km2). Παρατηρούνται πολλοί διαφορετικοί τύποι βλάστησης ως αποτέλεσμα της ποικιλότητας του κλίματος, της γεωλογίας, της γεωμορφολογίας και του εδάφους, μεταξύ των οποίων τα páramos, (ψηλά) ανδικά και υπο-ανδικά δάση και ξηροφυτικά είδη, αναγνωρισμένα διεθνώς για τη μοναδικότητα και την ευθραυστότητά τους. Οι κολομβιανές Άνδεις απλώνονται από την περιοχή Serranía de Perijá, 2000km νότια μέχρι το λεγόμενο Nudo de los Pastos, στα σύνορα με το Εκουαδόρ.

[[Εικόνα:colomb1.jpg|thumb|right|Πρότυπα αποψίλωσης των δασών στις κολομβιανές Άνδεις (Εικόνες Landsat ETM 453)]]

Χαρτογραφική αποτύπωση των οικοσυστημάτων

Η χαρτογράφηση των οικοσυστημάτων βασίζεται στη γενική διαπίστωση ότι τα οικοσυστήματα οριοθετούνται από τις ιδιοκτησίες γης και το βαθμό της δουλειάς. Η βάση δεδομένων δημιουργείται με τέτοιο τρόπο που η κλίμακα συνδέεται με το επίπεδο των λεπτομερειών στις πληροφορίες των ζωντανών οργανισμών. Η επεξεργασία της χαρτογράφισης του οικοσυστήματος γίνεται με ιεραρχικό τρόπο, επιτρέποντας την εφαρμογή του μοντέλου σε διαφορετικές περιοχές της χώρας και μπορεί να χρησιμοποιηθεί σε ποικίλες χωρικές και χρονικές κλίμακες (Bayle 1996, Rodríguez et al., 2004).
Χρησιμοποιώντας εργαλεία τηλεπισκόπησης και ΓΣΠ, τα οικοσυστήματα αναγνωρίστηκαν με επιβλεπόμενη ερμηνεία 40 πολυ-φασματικών Landsat TM και ETM εικόνων, κλίμακας 1:250.000. Η διαδικασία αυτή έγινε για δύο περιόδους: 1985-1987 και 1998-2003. Οι πληροφορίες συμπληρώθηκαν και με έρευνα στο πεδίο. Οι εικόνες επεξεργάστηκαν με τη χρήση των λογισμικών ERDAS imagine v 8.3 και ArcGis v 8.2 και ενσωματώθηκαν σε βάση δεδομένων του Microsoft Access®. Η οπτικοποίηση έλαβε χώρα με το ESRI Map Objects®.

[[Εικόνα:colomb2.jpg|thumb|right|Δείκτες της κατάστασης των οικοσυστημάτων στις κολομβιανές Άνδεις]]

Δείκτες

Ακολουθώντας το σχήμα κατάσταση-πίεση-απόκριση, που εκτιμά τη βιοποικιλότητα σε μια δεδομένη στιγμή, τις ανθρώπινες δραστηριότητες που την απειλούν και την απόκριση της κοινωνίας μέσω της περιβαλλοντικής πολιτικής (Ortiz et al., 2004), μετρήθηκαν κάποιοι δείκτες που βοηθούν στην ανίχνευση και παρακολούθηση ειδών-κλειδιών της βιοποικιλότητας με στόχο τη διατήρηση και τη βιώσιμη χρήση τους. Εφαρμόζοντας ΓΣΠ και οικολογία του τοπίου, λήφθηκαν οι δείκτες (περιοχή, πλούτος, κατακερματισμός και επαναφορά) της κατάστασης των οικοσυστημάτων από το χάρτη των οικοσυστημάτων. Οι δείκτες της κατάστασης και της πίεσης, λαμβάνοντας υπ’ όψιν οικονομικούς, κοινωνικούς, δημογραφικούς και παράγοντες παραγωγής, υπολογίστηκαν από δεδομένα από τα Departamento Nacional de Planeación (DPN), Ministerio de Agricultura, Departamento Administrativo Nacional de Estadísticas (DANE) και Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM). Η αντιπροσώπευση των οικοσυστημάτων στο σύνολο των προστατευόμενων περιοχών στις κολομβιανές Άνδεις, χρησιμοποιήθηκε ως ο δείκτης απόκρισης.

[[Εικόνα:colomb3.jpg|thumb|right|Παράγοντες πίεσης των δασικών πόρων στην Κολομβία]]

Αποτελέσματα και συζήτηση

Για τις κολομβιανές Άνδεις, αναγνωρίστηκαν τέσσερις τύποι διαφορετικών μορφών ανάπτυξης του χώρου με 162 διαφορετικά οικοσυστήματα. Σε γενικές γραμμές, παρατηρούνται διαδικασίες μεγάλου κατακερματισμού στην περιοχή σε σύγκριση με άλλες περιοχές της χώρας, γεγονός που συνδέεται με την κοινωνικο-οικονομική δυναμική της χώρας. Η πυκνότητα του πληθυσμού και η οικονομική δραστηριότητα είναι δυνητικά καταστροφικές για τη βιοποικιλότητα. Η περιοχή συγκεντρώνει περισσότερο από το 69% του πληθυσμού της χώρας με πυκνότητα ανάμεσα σε 1,5 και 2,8 ανά ha.
Αλλαγές στις χρήσεις γης προς γεωργικές και κτηνοτροφικές χρήσεις έχουν μετατρέψει τους δασικούς σχηματισμούς. Ο κατακερματισμός είναι ένα από τα σημαντικότερα προβλήματα, καθώς λόγω της γεωγραφικής απομόνωσης τα εναπομείναντα οικοσυστήματα υπόκεινται σε μείωση της βιοποικιλότητάς τους, σε χαμηλή γονιδιακή ροή και εξαφάνιση του πληθυσμού τους.
Η μελέτη αυτή είναι μέρος ενός υψηλής προτεραιότητας προγράμματος που έχει ως κύριο στόχο την αύξηση της διατήρησης, της γνώσης και της βιώσιμης χρήσης της βιοποικιλότητας της περιοχής. Είναι, επίσης, μέρος της φάσης ελέγχου του προγράμματος, με το οποίο οι αλλαγές στη βιοποικιλότητα μπορούν να συγκριθούν. Αναμένεται στο μέλλον να χρησιμοποιηθεί η πολλαπλής κλίμακας ανάλυση των δεικτών κατάστασης και η αναγνώριση της αποψίλωσης που θα βοηθήσει στο σχεδιασμό και την ερμηνεία μοντέλων πρόγνωσης που θα σχετίζονται με τη δυναμική δασικών οικοσυστημάτων, ως μια προσπάθεια να δοθούν τα εργαλεία στον πολιτικό κόσμο για τη διατήρηση και διαχείριση της βιοποικιλότητας.

[[category:Εκτίμηση βιοπικοιλότητας]]

Δείκτες δασικής βιοποικιλότητας στις κολομβιανές Άνδεις

2010-02-09T15:39:58Z

Angelica-roma:

Εισαγωγή

Η περιοχή των βόρειων Άνδεων περικλείει μερικές από τις 200 περιοχές προτεραιότητας για τη διατήρηση της βιοποικιλότητας (WWF, 1997), λόγω της μοναδικής βιοποικιλότητάς της και του βαθμού κινδύνου που αντιμετωπίζει. Η περιοχή φιλοξενεί μια μεγάλη ποικιλία ενδιαιτημάτων, τα οποία έχουν ευνοήσει την εξέλιξη ενός μεγάλου αριθμού φυτικών και ζωικών ειδών, γεγονός που συνέβαλε στην αναγνώριση της Κολομβίας ως μιας από τις πιο ανομοιογενείς χώρες στον κόσμο (Mittermeier et al., 1999).
Οι κολομβιανές Άνδεις έχουν επηρεαστεί σε μεγάλο βαθμό από τις ανθρώπινες δραστηριότητες. Λόγω του ρυθμού μετατροπής των φυσικών οικοσυστημάτων και της μείωσης της βιοποικιλότητας, ολόκληρα οικοσυστήματα και ένας μεγάλος αριθμός ειδών παρουσιάζουν υψηλό κίνδυνο εξαφάνισης. Οι απώλειες αυτές, έχουν σοβαρές επιπτώσεις στα αγαθά και τις υπηρεσίες που προσφέρονται από την περιοχή και μπορεί να επηρεάσουν την ανάπτυξη των κοινωνικών και οικονομικών δραστηριοτήτων του τοπικού πληθυσμού (WWF, 2001).

Στόχος της εφαρμογής

Ένας τρόπος για την κατανόηση των σχέσεων μεταξύ των ανθρώπων και του περιβάλλοντός τους, είναι η μελέτη του οικοσυστήματος και ο προσδιορισμός των κοινωνικο-οικονομικών διεργασιών. Η προσέγγιση αυτή επιτρέπει στις περιβαλλοντικές αρχές να στρέψουν την προσοχή τους στις περιοχές προτεραιότητας διατήρησης ή να αναπτύξουν μοντέλα για την εξήγηση των μελλοντικών σεναρίων (Rudas et al., 2002). Η μελέτη της βιοποικιλότητας σε τοπικό επίπεδο έχει το οικοσύστημα ως μονάδα από το οποίο η δομή και η σύνθεση αναλύονται. Το οικοσύστημα χρησιμεύει ως βάση για ένα πρόγραμμα παρακολούθησης (Josse et al., 2003).
Η παρούσα μελέτη συμπεριέλαβε την ανάλυση της δομής του οικοσυστήματος και κοινωνικο-οικονομικούς παράγοντες στις κολομβιανές Άνδεις, ως μέρος του προγράμματος με τίτλο «Διατήρηση και βιώσιμη χρήση της βιοποικιλότητας στις κολομβιανές Άνδεις». Το πρόγραμμα αυτό διενεργείται από το Ινστιτούτο Humboldt, και θα χρησιμεύσει ως βάση για ένα πρόγραμμα παρακολούθησης της βιοποικιλότητας.

Περιοχή μελέτης

Η Κολομβία μοιράζεται την περιοχή των Άνδεων με τη Βενεζουέλα, το Περού, το Εκουαδόρ και τη Βολιβία, καταλαμβάνοντας το 23% της συνολικής περιοχής (28.771km2). Παρατηρούνται πολλοί διαφορετικοί τύποι βλάστησης ως αποτέλεσμα της ποικιλότητας του κλίματος, της γεωλογίας, της γεωμορφολογίας και του εδάφους, μεταξύ των οποίων τα páramos, (ψηλά) ανδικά και υπο-ανδικά δάση και ξηροφυτικά είδη, αναγνωρισμένα διεθνώς για τη μοναδικότητα και την ευθραυστότητά τους. Οι κολομβιανές Άνδεις απλώνονται από την περιοχή Serranía de Perijá, 2000km νότια μέχρι το λεγόμενο Nudo de los Pastos, στα σύνορα με το Εκουαδόρ.

[[Εικόνα:colomb1|thumb|right|Πρότυπα αποψίλωσης των δασών στις κολομβιανές Άνδεις (Εικόνες Landsat ETM 453)]]

Χαρτογραφική αποτύπωση των οικοσυστημάτων

Η χαρτογράφηση των οικοσυστημάτων βασίζεται στη γενική διαπίστωση ότι τα οικοσυστήματα οριοθετούνται από τις ιδιοκτησίες γης και το βαθμό της δουλειάς. Η βάση δεδομένων δημιουργείται με τέτοιο τρόπο που η κλίμακα συνδέεται με το επίπεδο των λεπτομερειών στις πληροφορίες των ζωντανών οργανισμών. Η επεξεργασία της χαρτογράφισης του οικοσυστήματος γίνεται με ιεραρχικό τρόπο, επιτρέποντας την εφαρμογή του μοντέλου σε διαφορετικές περιοχές της χώρας και μπορεί να χρησιμοποιηθεί σε ποικίλες χωρικές και χρονικές κλίμακες (Bayle 1996, Rodríguez et al., 2004).
Χρησιμοποιώντας εργαλεία τηλεπισκόπησης και ΓΣΠ, τα οικοσυστήματα αναγνωρίστηκαν με επιβλεπόμενη ερμηνεία 40 πολυ-φασματικών Landsat TM και ETM εικόνων, κλίμακας 1:250.000. Η διαδικασία αυτή έγινε για δύο περιόδους: 1985-1987 και 1998-2003. Οι πληροφορίες συμπληρώθηκαν και με έρευνα στο πεδίο. Οι εικόνες επεξεργάστηκαν με τη χρήση των λογισμικών ERDAS imagine v 8.3 και ArcGis v 8.2 και ενσωματώθηκαν σε βάση δεδομένων του Microsoft Access®. Η οπτικοποίηση έλαβε χώρα με το ESRI Map Objects®.

[[Εικόνα:colomb2|thumb|right|Δείκτες της κατάστασης των οικοσυστημάτων στις κολομβιανές Άνδεις]]

Δείκτες

Ακολουθώντας το σχήμα κατάσταση-πίεση-απόκριση, που εκτιμά τη βιοποικιλότητα σε μια δεδομένη στιγμή, τις ανθρώπινες δραστηριότητες που την απειλούν και την απόκριση της κοινωνίας μέσω της περιβαλλοντικής πολιτικής (Ortiz et al., 2004), μετρήθηκαν κάποιοι δείκτες που βοηθούν στην ανίχνευση και παρακολούθηση ειδών-κλειδιών της βιοποικιλότητας με στόχο τη διατήρηση και τη βιώσιμη χρήση τους. Εφαρμόζοντας ΓΣΠ και οικολογία του τοπίου, λήφθηκαν οι δείκτες (περιοχή, πλούτος, κατακερματισμός και επαναφορά) της κατάστασης των οικοσυστημάτων από το χάρτη των οικοσυστημάτων. Οι δείκτες της κατάστασης και της πίεσης, λαμβάνοντας υπ’ όψιν οικονομικούς, κοινωνικούς, δημογραφικούς και παράγοντες παραγωγής, υπολογίστηκαν από δεδομένα από τα Departamento Nacional de Planeación (DPN), Ministerio de Agricultura, Departamento Administrativo Nacional de Estadísticas (DANE) και Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM). Η αντιπροσώπευση των οικοσυστημάτων στο σύνολο των προστατευόμενων περιοχών στις κολομβιανές Άνδεις, χρησιμοποιήθηκε ως ο δείκτης απόκρισης.

[[Εικόνα:colomb3|thumb|right|Παράγοντες πίεσης των δασικών πόρων στην Κολομβία]]

Αποτελέσματα και συζήτηση

Για τις κολομβιανές Άνδεις, αναγνωρίστηκαν τέσσερις τύποι διαφορετικών μορφών ανάπτυξης του χώρου με 162 διαφορετικά οικοσυστήματα. Σε γενικές γραμμές, παρατηρούνται διαδικασίες μεγάλου κατακερματισμού στην περιοχή σε σύγκριση με άλλες περιοχές της χώρας, γεγονός που συνδέεται με την κοινωνικο-οικονομική δυναμική της χώρας. Η πυκνότητα του πληθυσμού και η οικονομική δραστηριότητα είναι δυνητικά καταστροφικές για τη βιοποικιλότητα. Η περιοχή συγκεντρώνει περισσότερο από το 69% του πληθυσμού της χώρας με πυκνότητα ανάμεσα σε 1,5 και 2,8 ανά ha.
Αλλαγές στις χρήσεις γης προς γεωργικές και κτηνοτροφικές χρήσεις έχουν μετατρέψει τους δασικούς σχηματισμούς. Ο κατακερματισμός είναι ένα από τα σημαντικότερα προβλήματα, καθώς λόγω της γεωγραφικής απομόνωσης τα εναπομείναντα οικοσυστήματα υπόκεινται σε μείωση της βιοποικιλότητάς τους, σε χαμηλή γονιδιακή ροή και εξαφάνιση του πληθυσμού τους.
Η μελέτη αυτή είναι μέρος ενός υψηλής προτεραιότητας προγράμματος που έχει ως κύριο στόχο την αύξηση της διατήρησης, της γνώσης και της βιώσιμης χρήσης της βιοποικιλότητας της περιοχής. Είναι, επίσης, μέρος της φάσης ελέγχου του προγράμματος, με το οποίο οι αλλαγές στη βιοποικιλότητα μπορούν να συγκριθούν. Αναμένεται στο μέλλον να χρησιμοποιηθεί η πολλαπλής κλίμακας ανάλυση των δεικτών κατάστασης και η αναγνώριση της αποψίλωσης που θα βοηθήσει στο σχεδιασμό και την ερμηνεία μοντέλων πρόγνωσης που θα σχετίζονται με τη δυναμική δασικών οικοσυστημάτων, ως μια προσπάθεια να δοθούν τα εργαλεία στον πολιτικό κόσμο για τη διατήρηση και διαχείριση της βιοποικιλότητας.

[[category:Εκτίμηση βιοπικοιλότητας]]

Δείκτες δασικής βιοποικιλότητας στις κολομβιανές Άνδεις

2010-02-09T15:36:07Z

Angelica-roma: New page: Εισαγωγή Η περιοχή των βόρειων Άνδεων περικλείει μερικές από τις 200 περιοχές προτεραιότητας για τη δι...

Εισαγωγή

Η περιοχή των βόρειων Άνδεων περικλείει μερικές από τις 200 περιοχές προτεραιότητας για τη διατήρηση της βιοποικιλότητας (WWF, 1997), λόγω της μοναδικής βιοποικιλότητάς της και του βαθμού κινδύνου που αντιμετωπίζει. Η περιοχή φιλοξενεί μια μεγάλη ποικιλία ενδιαιτημάτων, τα οποία έχουν ευνοήσει την εξέλιξη ενός μεγάλου αριθμού φυτικών και ζωικών ειδών, γεγονός που συνέβαλε στην αναγνώριση της Κολομβίας ως μιας από τις πιο ανομοιογενείς χώρες στον κόσμο (Mittermeier et al., 1999).
Οι κολομβιανές Άνδεις έχουν επηρεαστεί σε μεγάλο βαθμό από τις ανθρώπινες δραστηριότητες. Λόγω του ρυθμού μετατροπής των φυσικών οικοσυστημάτων και της μείωσης της βιοποικιλότητας, ολόκληρα οικοσυστήματα και ένας μεγάλος αριθμός ειδών παρουσιάζουν υψηλό κίνδυνο εξαφάνισης. Οι απώλειες αυτές, έχουν σοβαρές επιπτώσεις στα αγαθά και τις υπηρεσίες που προσφέρονται από την περιοχή και μπορεί να επηρεάσουν την ανάπτυξη των κοινωνικών και οικονομικών δραστηριοτήτων του τοπικού πληθυσμού (WWF, 2001).

Στόχος της εφαρμογής

Ένας τρόπος για την κατανόηση των σχέσεων μεταξύ των ανθρώπων και του περιβάλλοντός τους, είναι η μελέτη του οικοσυστήματος και ο προσδιορισμός των κοινωνικο-οικονομικών διεργασιών. Η προσέγγιση αυτή επιτρέπει στις περιβαλλοντικές αρχές να στρέψουν την προσοχή τους στις περιοχές προτεραιότητας διατήρησης ή να αναπτύξουν μοντέλα για την εξήγηση των μελλοντικών σεναρίων (Rudas et al., 2002). Η μελέτη της βιοποικιλότητας σε τοπικό επίπεδο έχει το οικοσύστημα ως μονάδα από το οποίο η δομή και η σύνθεση αναλύονται. Το οικοσύστημα χρησιμεύει ως βάση για ένα πρόγραμμα παρακολούθησης (Josse et al., 2003).
Η παρούσα μελέτη συμπεριέλαβε την ανάλυση της δομής του οικοσυστήματος και κοινωνικο-οικονομικούς παράγοντες στις κολομβιανές Άνδεις, ως μέρος του προγράμματος με τίτλο «Διατήρηση και βιώσιμη χρήση της βιοποικιλότητας στις κολομβιανές Άνδεις». Το πρόγραμμα αυτό διενεργείται από το Ινστιτούτο Humboldt, και θα χρησιμεύσει ως βάση για ένα πρόγραμμα παρακολούθησης της βιοποικιλότητας.

Περιοχή μελέτης

Η Κολομβία μοιράζεται την περιοχή των Άνδεων με τη Βενεζουέλα, το Περού, το Εκουαδόρ και τη Βολιβία, καταλαμβάνοντας το 23% της συνολικής περιοχής (28.771km2). Παρατηρούνται πολλοί διαφορετικοί τύποι βλάστησης ως αποτέλεσμα της ποικιλότητας του κλίματος, της γεωλογίας, της γεωμορφολογίας και του εδάφους, μεταξύ των οποίων τα páramos, (ψηλά) ανδικά και υπο-ανδικά δάση και ξηροφυτικά είδη, αναγνωρισμένα διεθνώς για τη μοναδικότητα και την ευθραυστότητά τους. Οι κολομβιανές Άνδεις απλώνονται από την περιοχή Serranía de Perijá, 2000km νότια μέχρι το λεγόμενο Nudo de los Pastos, στα σύνορα με το Εκουαδόρ.

Χαρτογραφική αποτύπωση των οικοσυστημάτων

Η χαρτογράφηση των οικοσυστημάτων βασίζεται στη γενική διαπίστωση ότι τα οικοσυστήματα οριοθετούνται από τις ιδιοκτησίες γης και το βαθμό της δουλειάς. Η βάση δεδομένων δημιουργείται με τέτοιο τρόπο που η κλίμακα συνδέεται με το επίπεδο των λεπτομερειών στις πληροφορίες των ζωντανών οργανισμών. Η επεξεργασία της χαρτογράφισης του οικοσυστήματος γίνεται με ιεραρχικό τρόπο, επιτρέποντας την εφαρμογή του μοντέλου σε διαφορετικές περιοχές της χώρας και μπορεί να χρησιμοποιηθεί σε ποικίλες χωρικές και χρονικές κλίμακες (Bayle 1996, Rodríguez et al., 2004).
Χρησιμοποιώντας εργαλεία τηλεπισκόπησης και ΓΣΠ, τα οικοσυστήματα αναγνωρίστηκαν με επιβλεπόμενη ερμηνεία 40 πολυ-φασματικών Landsat TM και ETM εικόνων, κλίμακας 1:250.000. Η διαδικασία αυτή έγινε για δύο περιόδους: 1985-1987 και 1998-2003. Οι πληροφορίες συμπληρώθηκαν και με έρευνα στο πεδίο. Οι εικόνες επεξεργάστηκαν με τη χρήση των λογισμικών ERDAS imagine v 8.3 και ArcGis v 8.2 και ενσωματώθηκαν σε βάση δεδομένων του Microsoft Access®. Η οπτικοποίηση έλαβε χώρα με το ESRI Map Objects®.

Δείκτες

Ακολουθώντας το σχήμα κατάσταση-πίεση-απόκριση, που εκτιμά τη βιοποικιλότητα σε μια δεδομένη στιγμή, τις ανθρώπινες δραστηριότητες που την απειλούν και την απόκριση της κοινωνίας μέσω της περιβαλλοντικής πολιτικής (Ortiz et al., 2004), μετρήθηκαν κάποιοι δείκτες που βοηθούν στην ανίχνευση και παρακολούθηση ειδών-κλειδιών της βιοποικιλότητας με στόχο τη διατήρηση και τη βιώσιμη χρήση τους. Εφαρμόζοντας ΓΣΠ και οικολογία του τοπίου, λήφθηκαν οι δείκτες (περιοχή, πλούτος, κατακερματισμός και επαναφορά) της κατάστασης των οικοσυστημάτων από το χάρτη των οικοσυστημάτων. Οι δείκτες της κατάστασης και της πίεσης, λαμβάνοντας υπ’ όψιν οικονομικούς, κοινωνικούς, δημογραφικούς και παράγοντες παραγωγής, υπολογίστηκαν από δεδομένα από τα Departamento Nacional de Planeación (DPN), Ministerio de Agricultura, Departamento Administrativo Nacional de Estadísticas (DANE) και Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM). Η αντιπροσώπευση των οικοσυστημάτων στο σύνολο των προστατευόμενων περιοχών στις κολομβιανές Άνδεις, χρησιμοποιήθηκε ως ο δείκτης απόκρισης.

Αποτελέσματα και συζήτηση

Για τις κολομβιανές Άνδεις, αναγνωρίστηκαν τέσσερις τύποι διαφορετικών μορφών ανάπτυξης του χώρου με 162 διαφορετικά οικοσυστήματα. Σε γενικές γραμμές, παρατηρούνται διαδικασίες μεγάλου κατακερματισμού στην περιοχή σε σύγκριση με άλλες περιοχές της χώρας, γεγονός που συνδέεται με την κοινωνικο-οικονομική δυναμική της χώρας. Η πυκνότητα του πληθυσμού και η οικονομική δραστηριότητα είναι δυνητικά καταστροφικές για τη βιοποικιλότητα. Η περιοχή συγκεντρώνει περισσότερο από το 69% του πληθυσμού της χώρας με πυκνότητα ανάμεσα σε 1,5 και 2,8 ανά ha.
Αλλαγές στις χρήσεις γης προς γεωργικές και κτηνοτροφικές χρήσεις έχουν μετατρέψει τους δασικούς σχηματισμούς. Ο κατακερματισμός είναι ένα από τα σημαντικότερα προβλήματα, καθώς λόγω της γεωγραφικής απομόνωσης τα εναπομείναντα οικοσυστήματα υπόκεινται σε μείωση της βιοποικιλότητάς τους, σε χαμηλή γονιδιακή ροή και εξαφάνιση του πληθυσμού τους.
Η μελέτη αυτή είναι μέρος ενός υψηλής προτεραιότητας προγράμματος που έχει ως κύριο στόχο την αύξηση της διατήρησης, της γνώσης και της βιώσιμης χρήσης της βιοποικιλότητας της περιοχής. Είναι, επίσης, μέρος της φάσης ελέγχου του προγράμματος, με το οποίο οι αλλαγές στη βιοποικιλότητα μπορούν να συγκριθούν. Αναμένεται στο μέλλον να χρησιμοποιηθεί η πολλαπλής κλίμακας ανάλυση των δεικτών κατάστασης και η αναγνώριση της αποψίλωσης που θα βοηθήσει στο σχεδιασμό και την ερμηνεία μοντέλων πρόγνωσης που θα σχετίζονται με τη δυναμική δασικών οικοσυστημάτων, ως μια προσπάθεια να δοθούν τα εργαλεία στον πολιτικό κόσμο για τη διατήρηση και διαχείριση της βιοποικιλότητας.

[[category:Εκτίμηση βιοπικοιλότητας]]