RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Αναστασοπούλου Χριστίνα

2020-02-05T00:21:17Z

Christina Anas:

* [[Εφαρμογή τηλεπισκόπησης σχετικά με την γεω-οικολογική παρακολούθηση περιοχής εξόρυξης άνθρακα]]

* [[Εφαρμογή τηλεπισκόπησης για την έγκαιρη προειδοποίηση φυσικών μετεωρολογικών και υδρολογικών καταστροφών...]]

* [[Παρακολούθηση της μεταβολής των χρήσεων/κάλυψης γης στο δέλτα του αιγυπτιακού Νείλου χρησιμοποιώντας τηλεπισκόπηση]]

* [[Καταγραφή της μεταβλητότητας της διαύγειας του παράκτιου νερού με τον Landsat 8]]

* [[Εκτίμηση της επίδρασης της μεταβολής της βλάστησης στις βροχοπτώσεις και την θερμοκρασία...]]

* [[Χρονική ανίχνευση και πρόβλεψη της μεταβολής της γεωργικής γης από την αστικοποίηση εφαρμόζοντας μεθόδους τηλεπισκόπησης]]

* [[Σύγκριση των προσεγγίσεων που βασίζονται στην τηλεπισκόπηση για τη χαρτογράφηση της βαθυμετρίας των ρηχών, με καθαρά νερά ποταμών]]

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

Καταγραφή της μεταβλητότητας της διαύγειας του παράκτιου νερού με τον Landsat 8

2020-02-05T00:17:20Z

Christina Anas:

'''Καταγραφή της μεταβλητότητας της διαύγειας του παράκτιου νερού με τον Landsat 8'''

'''Πρωτότυπος τίτλος:''' Capturing coastal water clarity variability with Landsat 8

'''Συγγραφείς:''' Kelly M.A. Luisa a*, Jennie E. Rheuban b*, Maria T. Kavanaugh c*, David M. Glover b*, Jianwei Wei a*, Zhongping Lee a*, Scott C. Doney b*,d*

a* School for the Environment, University of Massachusetts Boston, Boston, MA, USA

b* Department of Marine Chemistry and Geochemistry, Woods Hole Oceanographic Institution, Woods Hole, MA 02543, USA

c* College of Earth, Ocean, and Atmospheric Sciences, Oregon State University, Corvallis, OR 97330, USA

d* Department of Environmental Sciences, University of Virginia, Charlottesville, VA 22904, USA

'''Δημοσιεύθηκε:''' Marine Pollution Bulletin, Αύγουστος 2019

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S0025326X19303571]

'''Λέξεις-Κλειδιά:''' Ποιότητα νερού, Βάθος δίσκου Secchi, Landsat 8

[[Εικόνα:p4photo1.png| thumb| right|'''Εικόνα 1:''' Εικόνα Landsat 8 με τις τέσσερις περιοχές μετρήσεων]]

[[Εικόνα:p4photo2.png| thumb| right|'''Εικόνα 2:''' L8 ZSD χάρτης για το Buzzards Bay]]

[[Εικόνα:p4photo3.png| thumb| right|'''Εικόνα 3:''' L8 ZSD χάρτης για το Cape Cod Bay]]

[[Εικόνα:p4photo4.png| thumb| right|'''Εικόνα 4:''' L8 ZSD χάρτης για το Upper Narragansett Bay]]

'''Αντικείμενο Εφαρμογής'''

Σε αυτή την μελέτη χρησιμοποιήθηκαν τα βάθη των δίσκων Secchi (ZSD) τεσσάρων παράκτιων υδάτινων οικοσυστημάτων για την επαλήθευση των ZSD που αποκτήθηκαν από τις εικόνες του Landsat 8 (L8) με σκοπό την δημιουργία χαρτών υψηλής χωρικής ανάλυσης ZSD και συνεπώς την βελτιωμένη παρακολούθηση της ποιότητας των παράκτιων υδάτων.

'''Εισαγωγή'''

Τα παράκτια οικοσυστήματα απαιτούν συστηματικές παρατηρήσεις για την καταγραφή των χωρο-χρονικών μεταβολών της διαύγειας των υδάτων τους. Oι επιτόπιες μετρήσεις της διαύγειας του νερού παρέχουν λεπτομερείς και ακριβής μετρήσεις αλλά πολλές φορές η κάλυψή τους περιορίζεται στο χώρο και στον χρόνο λόγω κόστους και υλικοτεχνικών υποδομών. Η τηλεπισκόπηση μπορεί να καλύψει αυτά τα χωρικά και χρονικά κενά που προκύπτουν. Ο Landsat 8, έχει χωρική ανάλυση 30m, η οποία επιτρέπει συνοπτικές παρατηρήσεις σε μικρές λίμνες, κολπίσκους και λιμάνια. Η εφαρμογή των Landsat απεικονίσεων στα εσωτερικά, στα ποτάμια και στα παράκτια ύδατα οδήγησε στην ανάπτυξη αλγορίθμων ποιότητας νερού με στόχο την απόκτηση ποσοτικών βιογεωχημικών πληροφοριών, όπως η χλωροφύλλη, η χρωματισμένη διαλυμένη οργανική ύλη, οι αιωρούμενες σωματιδιακές ουσίες και η διαύγεια του νερού. Η διαύγεια των υδάτων είναι ένα καλός δείκτης για την συνολική ποιότητα των υδάτων και μπορεί να προσδιοριστεί εύκολα από τον δίσκο του Secchi διαμέτρου 30 cm. Κάποιος μπορεί να μετρήσει την διαύγεια των υδάτων βυθίζοντας τον δίσκο του Secchi μέσα στο νερό μέχρι το σημείο που δεν θα τον βλέπει πια από την επιφάνεια. Αυτό το σημείο ονομάζεται βάθος του δίσκου του Secchi (ZSD). To ZSD καθορίζεται από την ποσότητα του φυτοπλαγκτόν, τη διαλυμένη οργανική ύλη και τα ανόργανα σωματίδια στη στήλη του ύδατος. Για την κατανόηση του ZSD με μεθόδους τηλεπισκόπησης προτάθηκε ένα νέο μοντέλο που συσχετίζει τον ZSD με τον συντελεστή διάχυτης εξασθένησης. Το μοντέλο αυτό βαθμονομήθηκε από επιτόπιες μετρήσεις του ZSD σε ωκεάνια, παράκτια και εσωτερικά ύδατα και εφαρμόστηκε στα τέσσερα υδατικά παράκτια οικοσυστήματα της '''Εικόνας 1'''. Οι μεταβολές στην εποχικότητα και τη βαθυμετρία, καθιστούν αυτές τις περιοχές ιδανικές θέσεις για την αξιολόγηση της ακρίβειας του αλγορίθμου L8 ZSD. Αυτή η μελέτη αποδεικνύει την χρησιμότητα της εφαρμογής του νέου αυτού αλγορίθμου για την διαύγεια του νερού και τονίζει την ικανότητα των εικόνων L8 να διευρύνουν την κατανόησή μας για τις διαχρονικές διακυμάνσεις της διαύγειας του θαλάσσιου νερού.

'''Μεθοδολογία-Ανάλυση'''

* '''Επιτόπιες μετρήσεις ZSD'''

Οι επιτόπιες μετρήσεις του ZSD συλλέχθηκαν από προγράμματα παρακολούθησης της ποιότητας του νερού στο Boston Harbor, Buzzards Bay, Cape Cod Bay και τον κόλπο Narragansett. Το ZSD καταγράφηκε ως το βάθος που ο δίσκος Secchi δεν είναι πλέον ορατός από κάποιο άτομο που βρίσκεται στην επιφάνεια. Οι επιτόπιες μετρήσεις του ZSD αρχίσαν τον Απρίλιο του 2013 μέχρι τον Δεκέμβριο του 2017 για να αντιστοιχούν με τις μετρήσεις του L8 (Landsat 8).

* '''Δορυφορικά δεδομένα'''

Για την μελέτη αυτή ανακτήθηκαν συνολικά 58 εικόνες καθαρού ουρανού L8 από τον Απρίλιο του 2013 μέχρι τον Δεκέμβριο 2017 από το Earth Explorer. Οι εικόνες του επιπέδου 1 υποβλήθηκαν σε επεξεργασία με το SeaDAS για τη δημιουργία τηλεσκοπικής ανακλαστικότητας (Rrs, sr-1). Για την ατμοσφαιρική διόρθωση, χρησιμοποιήθηκε ο αλγόριθμός NIR-SWIR. Τα προϊόντα Rrs υποβλήθηκαν σε περαιτέρω επεξεργασία με τον Quasi-Analytical αλγόριθμο για να προκύψουν οι συντελεστές συνολικής απορρόφησης a και οπισωσκέδασης bb με βάση τους οποίους προέκυψε ο συντελεστής διάχυτης απόσβεσης Kd (m-1).

* '''Αλγόριθμος L8 ZSD'''

To ZSD στην μελέτη αυτή εκφράζεται από την παρακάτω σχέση:

[[Εικόνα: p4photo5.png| thumb| center|]]

Όπου όπου Kd αντιπροσωπεύει τον ελάχιστο συντελεστή διάχυτης εξασθένησης ενός υδατικού οικοσυστήματος στην ορατή περιοχή (400-700 nm) και Rrs την αντίστοιχη τηλεσκοπική ανακλαστικότητα στο ίδιο μήκος κύματος. Ο Kd μπορεί εύκολα να προσδιοριστεί με την εισαγωγή διαφορετικών ζωνών του Rrs στο ορατό. Επειδή ο L8 έχει μόνο τέσσερις φασματικές ζώνες (443, 482, 561 και 670 nm) στο ορατό φάσμα, για να γεμίσει το φασματικό κενό μεταξύ 482 nm και 561 nm αναπτύχθηκε μια εμπειρική σχέση για την εκτίμηση του συντελεστή διάχυτης εξασθένησης στα 530 nm (Kd (530)) με σκοπό την βελτίωση του προσδιορισμού του ελαχίστου Kd στο ορατό φάσμα.

* '''Επαλήθευση'''

Οι τιμές ZSD του δορυφόρου L8 επαληθεύθηκαν από τις επιτόπιες μετρήσεις των τιμών ZSD για τις ίδιες μέρες από το 2013 έως το 2017.

'''Αποτελέσματα'''

* '''Σύγκριση επιτόπιων μετρήσεων ZSD και L8 ZSD για την ίδια ημέρα'''

Οι παρατηρούμενες τιμές διαφέρουν σημαντικά τόσο για την χλωροφύλλη (0,38-68,9 mg/m3) όσο και για την θολερότητα (0,1-77,4 NTU). Αν και η χλωροφύλλη δεν είναι ο μόνος δείκτης διαύγειας του νερού, ήταν το μόνο μακροχρόνια, οπτικά μεταβλητό συστατικό που παρείχε στοιχεία σχετικά με την διαύγεια του νερού. Ωστόσο, παρά τις διαφορές στο υποκείμενο νερό, την εποχή του χρόνου και στις επιτόπιες μετρήσεις των διάφορων παρατηρητών, υπήρξε καλή συμφωνία του ZSD (επιτόπιο έναντι L8 ZSD) μεταξύ των περιοχών του Buzzards Bay, Cape Cod Bay, Narragansett Bay. Οι διαφορές μεταξύ των επιτόπιων και των L8 ZSD πιθανότατα σχετίζονταν με τις μεθόδους ατμοσφαιρικής διόρθωσης, την ακρίβεια του Quasi-Analytical αλγορίθμου και τη χωρική μεταβλητότητα της διαύγειας του νερού.

* '''Διακύμανση της εμβέλειας του ZSD'''

Οι τιμές του L8 ZSD κατέγραψαν το εύρος και την κατανομή της διαύγειας του νερού που παρατηρείται κατά μήκος των Boston Harbor, Buzzards Bay, Cape Cod Bay, and Narragansett Bay και με βάση αυτό αξιολογήθηκε ο L8 ZSD αλγόριθμος και για τις 58 εικόνες . Στην περίπτωση των Boston Harbor, Buzzards Bay, and Narragansett Bay οι τιμές του L8 ZSD και του ZSD από επιτόπιες μετρήσεις διέφεραν από 1 έως 5m κάτι χαρακτηριστικό των μικρών λιμανιών σε αυτά τα τρία υδάτινα οικοσυστήματα. Στην περίπτωση του Cape Cod Bay το εύρος των τιμών ZSD και στις δύο περιπτώσεις διέφερε από 4-10m με την πλειοψηφία των μετρήσεων να συγκεντρώνονται γύρω στα 5-6m.

* '''Xρονική αξιολόγηση του ZSD'''

Οι επιτόπιες μετρήσεις του ZSD με αυτές του L8 ZSD στο Boston Harbor έδειξαν να έχουν συγκρίσιμες χρονοσειρές καθ’ όλη την περίοδο 2013-2017 και δεν παρουσίαζαν ιδιαίτερες εποχιακές τάσεις, αν και το L8 ZSD εμφανίστηκε σταθερά βαθύτερο από το επιτόπιο ZSD. Για τα Buzzards Bay και Cape Cod Bay την περίοδο 2013-2017 οι τιμές L8 ZSD ήταν χαμηλότερες κατά τους χειμερινούς μήνες (Δεκέμβριος-Φεβρουάριος) και υψηλότερες κατά τους ανοιξιάτικους μήνες (Μάρτιος-Μάιος). Το χαμηλό ZSD πιθανότατα σχετίζεται με τις υψηλές θερμοκρασίες και την αύξηση θρεπτικών συστατικών που αυξάνουν το φυτοπλαγκτόν κάτι που προκαλεί εποχιακή θολερότητα στο νερό.

* '''Χωρική αξιολόγηση του ZSD'''

Με βάση τις επαληθευμένες τιμές και τον αλγόριθμου του L8 ZSD δημιουργήθηκαν χάρτες για τα Buzzards Bay ('''Εικόνα 2'''), Cape Cod Bay ('''Εικόνα 3''') και Narragansett Bay ('''Εικόνα 4''') για τις 14 Μαρτίου 2014. Ενώ οι χάρτες ZSD αποτελούν ουσιαστικά ένα στιγμιότυπο των συνθηκών διαύγειας του νερού κατά τη διάρκεια της διαδρομής του L8, απεικονίζουν τα περιφερειακά χωρικά πρότυπα. Στο Buzzards Bay το ZSD φαίνεται να έχει μικρότερες τιμές στις εκβολές που συνορεύουν με τη νοτιοανατολική ηπειρωτική Μασαχουσέτη. Στο Cape Cod Bay παρατηρείται χαμηλό ZSD τόσο στο παράκτιο μέρος όσο και ανοιχτά της περιοχής. Στη δυτική άκρη του Cape Cod Bay, οι μεταβολές του ZSD θα μπορούσαν να συνδεθούν με την αντίθετη προς τη φορά των δεικτών ρολογιού κυκλοφορία του κόλπου της Μασαχουσέτης, τις παλιρροιακές ροές, την περίοδο ανθοφορίας του φυτοπλαγκτόν, την εκκένωση θρεπτικών ουσιών από την ενδοχώρα ή με συνδυασμό των παραπάνω. Τέλος, πολύ μικρές τιμές ZSD (1,5-3,5 μ.) εμφανίζονται να είναι ομοιόμορφα κατανεμημένες σε όλο το Upper Narragansett Bay.

'''Συμπεράσματα'''

Η συγκεκριμένη μελέτη τόνισε την εγκυρότητα της εφαρμογής του αλγορίθμου L8 ZSD στα διάφορα παράκτια υδατικά συστήματα συγκρίνοντας για την ίδια ημέρα τις επιτόπιες μετρήσεις του ZSD σε σχέση με αυτές του δορυφόρου L8 ZSD. Για την επαλήθευση και εφαρμογή του αλγορίθμου L8 ZSD χρησιμοποιήθηκαν γεωφυσικές και βιογεωχημικές πληροφορίες από οργανισμούς παρακολούθησης της ποιότητας του νερού. Η εφαρμογή του αλγορίθμου L8 ZSD υποδηλώνει τελικά μια αυστηρότερη αξιολόγηση των μοτίβων καθαρότητας του νερού. Η αντιστοίχηση των μετρήσεων και των χαρτών L8 ZSD με τις τοπικές πληροφορίες παρακολούθησης της ποιότητας των υδάτων θα ενισχύσει τις προσπάθειες των ομάδων παρακολούθησης της ποιότητας των υδάτων και τελικά θα ενημερώσει καλύτερα τους παράκτιους διαχειριστές, τους υπεύθυνους χάραξης πολιτικής και τις κοινότητες σχετικά με τις αλλαγές στην διαύγεια των παράκτιων υδάτων.

[[category:Παρακολούθηση παράκτιων οικοσυστημάτων]]

Καταγραφή της μεταβλητότητας της διαύγειας του παράκτιου νερού με τον Landsat 8

2020-02-05T00:16:55Z

Christina Anas:

Αναστασοπούλου Χριστίνα

2020-02-05T00:13:43Z

Christina Anas:

Αναστασοπούλου Χριστίνα

2020-02-05T00:12:56Z

Christina Anas:

* [[Εφαρμογή τηλεπισκόπησης σχετικά με την γεω-οικολογική παρακολούθηση περιοχής εξόρυξης άνθρακα]]

* [[Εφαρμογή τηλεπισκόπησης για την έγκαιρη προειδοποίηση φυσικών μετεωρολογικών και υδρολογικών καταστροφών...]]

* [[Παρακολούθηση της μεταβολής των χρήσεων/κάλυψης γης στο δέλτα του αιγυπτιακού Νείλου χρησιμοποιώντας τηλεπισκόπηση]]

* [[Καταγραφή της μεταβλητότητας της διαύγειας του παράκτιου νερού με τον Landsat 8]]

* [[Εκτίμηση της επίδρασης της μεταβολής της βλάστησης στις βροχοπτώσεις και την θερμοκρασία...]]

* [[Χρονική ανίχνευση και πρόβλεψη της μεταβολής της γεωργικής γης από την αστικοποίηση εφαρμόζοντας μεθόδους τηλεπισκόπησης]]

* [[Σύγκριση των προσεγγίσεων που βασίζονται στην τηλεπισκόπηση για τη χαρτογράφηση της βαθυμετρίας των ρηχών ποταμών καθαρού νερού]]

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

Αναστασοπούλου Χριστίνα

2020-02-05T00:10:14Z

Christina Anas:

* [[Εφαρμογή τηλεπισκόπησης σχετικά με την γεω-οικολογική παρακολούθηση περιοχής εξόρυξης άνθρακα]]

* [[Εφαρμογή τηλεπισκόπησης για την έγκαιρη προειδοποίηση φυσικών μετεωρολογικών και υδρολογικών καταστροφών με σκοπό την παροχή ασφάλειας των μεταφορών στην Μαύρη θάλασσα στην Γεωργία]]

* [[Παρακολούθηση της μεταβολής των χρήσεων/κάλυψης γης στο δέλτα του αιγυπτιακού Νείλου χρησιμοποιώντας τηλεπισκόπηση]]

* [[Καταγραφή της μεταβλητότητας της διαύγειας του παράκτιου νερού με τον Landsat 8]]

* [[Εκτίμηση της επίδρασης της μεταβολής της βλάστησης στις βροχοπτώσεις και την θερμοκρασία της επιφάνειας του εδάφους χρησιμοποιώντας την τηλεπισκόπηση στο υποτροπικό κλίμα της Αιθιοπίας]]

* [[Χρονική ανίχνευση και πρόβλεψη της μεταβολής της γεωργικής γης από την αστικοποίηση εφαρμόζοντας μεθόδους τηλεπισκόπησης]]

* [[Σύγκριση των προσεγγίσεων που βασίζονται στην τηλεπισκόπηση για τη χαρτογράφηση της βαθυμετρίας των ρηχών ποταμών καθαρού νερού]]

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

Καταγραφή της μεταβλητότητας της διαύγειας του παράκτιου νερού με τον Landsat 8

2020-02-05T00:02:37Z

Christina Anas:

'''Καταγραφή της μεταβλητότητας της διαύγειας του παράκτιου νερού με τον Landsat 8'''

'''Πρωτότυπος τίτλος:''' Capturing coastal water clarity variability with Landsat 8

'''Συγγραφείς:''' Kelly M.A. Luisa a*, Jennie E. Rheuban b*, Maria T. Kavanaugh c*, David M. Glover b*, Jianwei Wei a*, Zhongping Lee a*, Scott C. Doney b*,d*

a* School for the Environment, University of Massachusetts Boston, Boston, MA, USA

b* Department of Marine Chemistry and Geochemistry, Woods Hole Oceanographic Institution, Woods Hole, MA 02543, USA

c* College of Earth, Ocean, and Atmospheric Sciences, Oregon State University, Corvallis, OR 97330, USA

d* Department of Environmental Sciences, University of Virginia, Charlottesville, VA 22904, USA

'''Δημοσιεύθηκε:''' Marine Pollution Bulletin, Αύγουστος 2019

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S0025326X19303571]

'''Λέξεις-Κλειδιά:''' Ποιότητα νερού, Βάθος δίσκου Secchi, Landsat 8

[[Εικόνα:p4photo1.png| thumb| right|'''Εικόνα 1:''' Εικόνα Landsat 8 με τις τέσσερις περιοχές μετρήσεων]]

[[Εικόνα:p4photo2.png| thumb| right|'''Εικόνα 2:''' L8 ZSD χάρτης για το Buzzards Bay]]

[[Εικόνα:p4photo3.png| thumb| right|'''Εικόνα 3:''' L8 ZSD χάρτης για το Cape Cod Bay]]

[[Εικόνα:p4photo4.png| thumb| right|'''Εικόνα 4:''' L8 ZSD χάρτης για το Upper Narragansett Bay]]

'''Αντικείμενο Εφαρμογής'''

Σε αυτή την μελέτη χρησιμοποιήθηκαν τα βάθη των δίσκων Secchi (ZSD) τεσσάρων παράκτιων υδάτινων οικοσυστημάτων για την επαλήθευση των ZSD που αποκτήθηκαν από τις εικόνες του Landsat 8 (L8) με σκοπό την δημιουργία χαρτών υψηλής χωρικής ανάλυσης ZSD και συνεπώς την βελτιωμένη παρακολούθηση της ποιότητας των παράκτιων υδάτων.

'''Εισαγωγή'''

Τα παράκτια οικοσυστήματα απαιτούν συστηματικές παρατηρήσεις για την καταγραφή των χωρο-χρονικών μεταβολών της διαύγειας των υδάτων τους. Oι επιτόπιες μετρήσεις της διαύγειας του νερού παρέχουν λεπτομερείς και ακριβής μετρήσεις αλλά πολλές φορές η κάλυψή τους περιορίζεται στο χώρο και στον χρόνο λόγω κόστους και υλικοτεχνικών υποδομών. Η τηλεπισκόπηση μπορεί να καλύψει αυτά τα χωρικά και χρονικά κενά που προκύπτουν. Ο Landsat 8, έχει χωρική ανάλυση 30m, η οποία επιτρέπει συνοπτικές παρατηρήσεις σε μικρές λίμνες, κολπίσκους και λιμάνια. Η εφαρμογή των Landsat απεικονίσεων στα εσωτερικά, στα ποτάμια και στα παράκτια ύδατα οδήγησε στην ανάπτυξη αλγορίθμων ποιότητας νερού με στόχο την απόκτηση ποσοτικών βιογεωχημικών πληροφοριών, όπως η χλωροφύλλη, η χρωματισμένη διαλυμένη οργανική ύλη, οι αιωρούμενες σωματιδιακές ουσίες και η διαύγεια του νερού. Η διαύγεια των υδάτων είναι ένα καλός δείκτης για την συνολική ποιότητα των υδάτων και μπορεί να προσδιοριστεί εύκολα από τον δίσκο του Secchi διαμέτρου 30 cm. Κάποιος μπορεί να μετρήσει την διαύγεια των υδάτων βυθίζοντας τον δίσκο του Secchi μέσα στο νερό μέχρι το σημείο που δεν θα τον βλέπει πια από την επιφάνεια. Αυτό το σημείο ονομάζεται βάθος του δίσκου του Secchi (ZSD). To ZSD καθορίζεται από την ποσότητα του φυτοπλαγκτόν, τη διαλυμένη οργανική ύλη και τα ανόργανα σωματίδια στη στήλη του ύδατος. Για την κατανόηση του ZSD με μεθόδους τηλεπισκόπησης προτάθηκε ένα νέο μοντέλο που συσχετίζει τον ZSD με τον συντελεστή διάχυτης εξασθένησης. Το μοντέλο αυτό βαθμονομήθηκε από επιτόπιες μετρήσεις του ZSD σε ωκεάνια, παράκτια και εσωτερικά ύδατα και εφαρμόστηκε στα τέσσερα υδατικά παράκτια οικοσυστήματα της '''Εικόνας 1'''. Οι μεταβολές στην εποχικότητα και τη βαθυμετρία, καθιστούν αυτές τις περιοχές ιδανικές θέσεις για την αξιολόγηση της ακρίβειας του αλγορίθμου L8 ZSD. Αυτή η μελέτη αποδεικνύει την χρησιμότητα της εφαρμογής του νέου αυτού αλγορίθμου για την διαύγεια του νερού και τονίζει την ικανότητα των εικόνων L8 να διευρύνουν την κατανόησή μας για τις διαχρονικές διακυμάνσεις της διαύγειας του θαλάσσιου νερού.

'''Μεθοδολογία-Ανάλυση'''

'''1. Επιτόπιες μετρήσεις ZSD'''

Οι επιτόπιες μετρήσεις του ZSD συλλέχθηκαν από προγράμματα παρακολούθησης της ποιότητας του νερού στο Boston Harbor, Buzzards Bay, Cape Cod Bay και τον κόλπο Narragansett. Το ZSD καταγράφηκε ως το βάθος που ο δίσκος Secchi δεν είναι πλέον ορατός από κάποιο άτομο που βρίσκεται στην επιφάνεια. Οι επιτόπιες μετρήσεις του ZSD αρχίσαν τον Απρίλιο του 2013 μέχρι τον Δεκέμβριο του 2017 για να αντιστοιχούν με τις μετρήσεις του L8 (Landsat 8).

'''2. Δορυφορικά δεδομένα'''

Για την μελέτη αυτή ανακτήθηκαν συνολικά 58 εικόνες καθαρού ουρανού L8 από τον Απρίλιο του 2013 μέχρι τον Δεκέμβριο 2017 από το Earth Explorer. Οι εικόνες του επιπέδου 1 υποβλήθηκαν σε επεξεργασία με το SeaDAS για τη δημιουργία τηλεσκοπικής ανακλαστικότητας (Rrs, sr-1). Για την ατμοσφαιρική διόρθωση, χρησιμοποιήθηκε ο αλγόριθμός NIR-SWIR. Τα προϊόντα Rrs υποβλήθηκαν σε περαιτέρω επεξεργασία με τον Quasi-Analytical αλγόριθμο για να προκύψουν οι συντελεστές συνολικής απορρόφησης a και οπισωσκέδασης bb με βάση τους οποίους προέκυψε ο συντελεστής διάχυτης απόσβεσης Kd (m-1).

'''3. Αλγόριθμος L8 ZSD'''

To ZSD στην μελέτη αυτή εκφράζεται από την παρακάτω σχέση:

[[Εικόνα: p4photo5.png| thumb| center|]]

Όπου όπου Kd αντιπροσωπεύει τον ελάχιστο συντελεστή διάχυτης εξασθένησης ενός υδατικού οικοσυστήματος στην ορατή περιοχή (400-700 nm) και Rrs την αντίστοιχη τηλεσκοπική ανακλαστικότητα στο ίδιο μήκος κύματος. Ο Kd μπορεί εύκολα να προσδιοριστεί με την εισαγωγή διαφορετικών ζωνών του Rrs στο ορατό. Επειδή ο L8 έχει μόνο τέσσερις φασματικές ζώνες (443, 482, 561 και 670 nm) στο ορατό φάσμα, για να γεμίσει το φασματικό κενό μεταξύ 482 nm και 561 nm αναπτύχθηκε μια εμπειρική σχέση για την εκτίμηση του συντελεστή διάχυτης εξασθένησης στα 530 nm (Kd (530)) με σκοπό την βελτίωση του προσδιορισμού του ελαχίστου Kd στο ορατό φάσμα.

'''4. Επαλήθευση'''

Οι τιμές ZSD του δορυφόρου L8 επαληθεύθηκαν από τις επιτόπιες μετρήσεις των τιμών ZSD για τις ίδιες μέρες από το 2013 έως το 2017.

'''Αποτελέσματα'''

'''1. Σύγκριση επιτόπιων μετρήσεων ZSD και L8 ZSD για την ίδια ημέρα'''

Οι παρατηρούμενες τιμές διαφέρουν σημαντικά τόσο για την χλωροφύλλη (0,38-68,9 mg/m3) όσο και για την θολερότητα (0,1-77,4 NTU). Αν και η χλωροφύλλη δεν είναι ο μόνος δείκτης διαύγειας του νερού, ήταν το μόνο μακροχρόνια, οπτικά μεταβλητό συστατικό που παρείχε στοιχεία σχετικά με την διαύγεια του νερού. Ωστόσο, παρά τις διαφορές στο υποκείμενο νερό, την εποχή του χρόνου και στις επιτόπιες μετρήσεις των διάφορων παρατηρητών, υπήρξε καλή συμφωνία του ZSD (επιτόπιο έναντι L8 ZSD) μεταξύ των περιοχών του Buzzards Bay, Cape Cod Bay, Narragansett Bay. Οι διαφορές μεταξύ των επιτόπιων και των L8 ZSD πιθανότατα σχετίζονταν με τις μεθόδους ατμοσφαιρικής διόρθωσης, την ακρίβεια του Quasi-Analytical αλγορίθμου και τη χωρική μεταβλητότητα της διαύγειας του νερού.

'''2. Διακύμανση της εμβέλειας του ZSD'''

Οι τιμές του L8 ZSD κατέγραψαν το εύρος και την κατανομή της διαύγειας του νερού που παρατηρείται κατά μήκος των Boston Harbor, Buzzards Bay, Cape Cod Bay, and Narragansett Bay και με βάση αυτό αξιολογήθηκε ο L8 ZSD αλγόριθμος και για τις 58 εικόνες . Στην περίπτωση των Boston Harbor, Buzzards Bay, and Narragansett Bay οι τιμές του L8 ZSD και του ZSD από επιτόπιες μετρήσεις διέφεραν από 1 έως 5m κάτι χαρακτηριστικό των μικρών λιμανιών σε αυτά τα τρία υδάτινα οικοσυστήματα. Στην περίπτωση του Cape Cod Bay το εύρος των τιμών ZSD και στις δύο περιπτώσεις διέφερε από 4-10m με την πλειοψηφία των μετρήσεων να συγκεντρώνονται γύρω στα 5-6m.

'''3. Xρονική αξιολόγηση του ZSD'''

Οι επιτόπιες μετρήσεις του ZSD με αυτές του L8 ZSD στο Boston Harbor έδειξαν να έχουν συγκρίσιμες χρονοσειρές καθ’ όλη την περίοδο 2013-2017 και δεν παρουσίαζαν ιδιαίτερες εποχιακές τάσεις, αν και το L8 ZSD εμφανίστηκε σταθερά βαθύτερο από το επιτόπιο ZSD. Για τα Buzzards Bay και Cape Cod Bay την περίοδο 2013-2017 οι τιμές L8 ZSD ήταν χαμηλότερες κατά τους χειμερινούς μήνες (Δεκέμβριος-Φεβρουάριος) και υψηλότερες κατά τους ανοιξιάτικους μήνες (Μάρτιος-Μάιος). Το χαμηλό ZSD πιθανότατα σχετίζεται με τις υψηλές θερμοκρασίες και την αύξηση θρεπτικών συστατικών που αυξάνουν το φυτοπλαγκτόν κάτι που προκαλεί εποχιακή θολερότητα στο νερό.

'''4. Χωρική αξιολόγηση του ZSD'''

Με βάση τις επαληθευμένες τιμές και τον αλγόριθμου του L8 ZSD δημιουργήθηκαν χάρτες για τα Buzzards Bay ('''Εικόνα 2'''), Cape Cod Bay ('''Εικόνα 3''') και Narragansett Bay ('''Εικόνα 4''') για τις 14 Μαρτίου 2014. Ενώ οι χάρτες ZSD αποτελούν ουσιαστικά ένα στιγμιότυπο των συνθηκών διαύγειας του νερού κατά τη διάρκεια της διαδρομής του L8, απεικονίζουν τα περιφερειακά χωρικά πρότυπα. Στο Buzzards Bay το ZSD φαίνεται να έχει μικρότερες τιμές στις εκβολές που συνορεύουν με τη νοτιοανατολική ηπειρωτική Μασαχουσέτη. Στο Cape Cod Bay παρατηρείται χαμηλό ZSD τόσο στο παράκτιο μέρος όσο και ανοιχτά της περιοχής. Στη δυτική άκρη του Cape Cod Bay, οι μεταβολές του ZSD θα μπορούσαν να συνδεθούν με την αντίθετη προς τη φορά των δεικτών ρολογιού κυκλοφορία του κόλπου της Μασαχουσέτης, τις παλιρροιακές ροές, την περίοδο ανθοφορίας του φυτοπλαγκτόν, την εκκένωση θρεπτικών ουσιών από την ενδοχώρα ή με συνδυασμό των παραπάνω. Τέλος, πολύ μικρές τιμές ZSD (1,5-3,5 μ.) εμφανίζονται να είναι ομοιόμορφα κατανεμημένες σε όλο το Upper Narragansett Bay.

'''Συμπεράσματα'''

Η συγκεκριμένη μελέτη τόνισε την εγκυρότητα της εφαρμογής του αλγορίθμου L8 ZSD στα διάφορα παράκτια υδατικά συστήματα συγκρίνοντας για την ίδια ημέρα τις επιτόπιες μετρήσεις του ZSD σε σχέση με αυτές του δορυφόρου L8 ZSD. Για την επαλήθευση και εφαρμογή του αλγορίθμου L8 ZSD χρησιμοποιήθηκαν γεωφυσικές και βιογεωχημικές πληροφορίες από οργανισμούς παρακολούθησης της ποιότητας του νερού. Η εφαρμογή του αλγορίθμου L8 ZSD υποδηλώνει τελικά μια αυστηρότερη αξιολόγηση των μοτίβων καθαρότητας του νερού. Η αντιστοίχηση των μετρήσεων και των χαρτών L8 ZSD με τις τοπικές πληροφορίες παρακολούθησης της ποιότητας των υδάτων θα ενισχύσει τις προσπάθειες των ομάδων παρακολούθησης της ποιότητας των υδάτων και τελικά θα ενημερώσει καλύτερα τους παράκτιους διαχειριστές, τους υπεύθυνους χάραξης πολιτικής και τις κοινότητες σχετικά με τις αλλαγές στην διαύγεια των παράκτιων υδάτων.

[[category:Παρακολούθηση παράκτιων οικοσυστημάτων]]

Αρχείο:P4photo4.png

2020-02-05T00:02:20Z

Christina Anas: L8 ZSD χάρτης για το Upper Narragansett Bay

L8 ZSD χάρτης για το Upper Narragansett Bay

Αρχείο:P7photo1.png

2020-02-04T23:59:15Z

Christina Anas: Ορθοσωματικά και σημεία βαθμονόμησης και επικύρωσης για την άνοιξη

Ορθοσωματικά και σημεία βαθμονόμησης και επικύρωσης για την άνοιξη

Αρχείο:P7photo5.png

2020-02-04T23:54:23Z

Christina Anas: Ορθοσωματικό και βαθυμετρικά μοντέλα ανάλυσης 0.05μ. για το φθινόπωρο του 2017. (a-d) ολόκληρη η περιοχή ενδιαφέροντος.(e-h) κατάντη τμήμα του ποτα�

Ορθοσωματικό και βαθυμετρικά μοντέλα ανάλυσης 0.05μ. για το φθινόπωρο του 2017. (a-d) ολόκληρη η περιοχή ενδιαφέροντος.(e-h) κατάντη τμήμα του ποταμού (i-l) ανάντη τμήμα του ποταμού

Αρχείο:P7photo4.png

2020-02-04T23:53:36Z

Christina Anas: Βαθυμετρικά μοντέλα με χωρική ανάλυση 1 m για το φθινόπωρο του 2017. (a) SfM_A_1m. (β) ADCP_A_1m. (γ) Optical_A_1m

Βαθυμετρικά μοντέλα με χωρική ανάλυση 1 m για το φθινόπωρο του 2017. (a) SfM_A_1m. (β) ADCP_A_1m. (γ) Optical_A_1m

Αρχείο:P7photo3.png

2020-02-04T23:52:50Z

Christina Anas: Βαθυμετρικά μοντέλα με χωρική ανάλυση 1 m για την άνοιξη 2017. (a) SfM_S_1m. (β) ADCP_S_1m. (γ) Optical_S_1m

Βαθυμετρικά μοντέλα με χωρική ανάλυση 1 m για την άνοιξη 2017. (a) SfM_S_1m. (β) ADCP_S_1m. (γ) Optical_S_1m

Αρχείο:P7photo2.png

2020-02-04T23:52:15Z

Christina Anas: Ορθοσωματικά και σημεία βαθμονόμησης και επικύρωσης για το φθινόπωρο

Ορθοσωματικά και σημεία βαθμονόμησης και επικύρωσης για το φθινόπωρο

Σύγκριση των προσεγγίσεων που βασίζονται στην τηλεπισκόπηση για τη χαρτογράφηση της βαθυμετρίας των ρηχών, με καθαρά νερά ποταμών

2020-02-04T23:45:45Z

Christina Anas:

'''Σύγκριση των προσεγγίσεων που βασίζονται στην τηλεπισκόπηση για τη χαρτογράφηση της βαθυμετρίας των ρηχών ποταμών καθαρού νερού '''

'''Πρωτότυπος τίτλος:''' Comparison of remote sensing based approaches for mapping bathymetry of shallow, clear water rivers

'''Συγγραφείς:''' E. Kasvi a*, J. Salmela a*, E. Lotsari a,b*, T. Kumpula b*, S.N. Lane c*

a* UniversityofTurku,DepartmentofGeographyandGeology,FI-20014,Finland

b* UniversityofEasternFinland,DepartmentofGeographicalandHistoricalStudies,FI-80101Joensuu,Finland

c* University of Lausanne, Institute of Earth Surface Dynamics, CH-1015 Lausanne, Switzerland

'''Δημοσιεύθηκε:''' Geomorphology, 15 Μαϊου 2019

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S0169555X19300510]

'''Λέξεις-Κλειδιά:''' Φωτογραμμετρία, οπτική μοντελοποίηση, χαρτογράφηση, βαθυμετρία

[[Εικόνα: p7photo1.png| thumb| right|'''Εικόνα 1:'''Ορθοσωματικά και σημεία βαθμονόμησης και επικύρωσης για την άνοιξη. Τα κίτρινα σημεία βαθμονόμησης (CS 1, 3, 4 and 5) χρησιμοποιήθηκαν για την δημιουργία του Optical_S_1m. Τα κόκκινα σημεία βαθμονόμησης (CS 2 and 6) χρησιμοποιήθηκαν για την βαθμόνόμηση όλων των υπόλοιπων μοντέλων την περίοδο της άνοιξης]]

[[Εικόνα: p7photo2.png| thumb| right|'''Εικόνα 2:''': Ορθοσωματικά και σημεία βαθμονόμησης και επικύρωσης για το φθινόπωρο. Τα κίτρινα σημεία βαθμονόμησης (CS 1, 3, 4 and 5) χρησιμοποιήθηκαν για την δημιουργία του Optical_S_1m. Τα κόκκινα σημεία βαθμονόμησης (CS 2 and 6) χρησιμοποιήθηκαν για την βαθμόνόμηση όλων των υπόλοιπων μοντέλων την περίοδο του φθινοπώρου]]

[[Εικόνα: p7photo3.png| thumb| right|'''Εικόνα 3:''' Βαθυμετρικά μοντέλα με χωρική ανάλυση 1 m για την άνοιξη 2017. (a) SfM_S_1m. (β) ADCP_S_1m. (γ) Optical_S_1m]]

[[Εικόνα: p7photo4.png| thumb| right|'''Εικόνα 4:''' Βαθυμετρικά μοντέλα με χωρική ανάλυση 1 m για το φθινόπωρο του 2017. (a) SfM_A_1m. (β) ADCP_A_1m. (γ) Optical_A_1m]]

[[Εικόνα: p7photo5.png| thumb| right|'''Εικόνα 5:''' Ορθοσωματικό και βαθυμετρικά μοντέλα ανάλυσης 0.05μ. για το φθινόπωρο του 2017. (a-d) ολόκληρη η περιοχή ενδιαφέροντος.(e-h) κατάντη τμήμα του ποταμού (i-l) ανάντη τμήμα του ποταμού]]

'''Αντικείμενο Εφαρμογής'''

Η παρούσα μελέτη ασχολείται με τη χαρτογράφηση της βαθυμετρίας αβαθούς ύδατος με υψηλή χωρική ανάλυση και ακρίβεια, συγκρίνοντας τρεις προσεγγίσεις τηλεπισκόπησης, μία βασισμένη σε ηχητική ανάκλαση (ενεργή RS) και δύο σε φωτογραμμετρία (παθητική RS) την βαθυμετρική δομή από κίνηση (SfM) και την οπτική μοντελοποίηση. Τα μοντέλα συγκρίθηκαν με μετρήσεις πεδίου υψηλής ακρίβειας.

'''Εισαγωγή'''

Τα τελευταία χρόνια, αναπτύχθηκαν διάφορες τεχνικές για τη μέτρηση και την μοντελοποίηση της βαθυμετρίας των ρηχών νερών. Η τεχνική SfM είναι σχετικά φθηνή και μπορεί να επιτρέψει υψηλή χωρική ανάλυση. Βασίζεται σε ορατά φωτεινά κύματα και είναι ως εκ τούτου μια παθητική μέθοδος τηλεπισκόπησης. Η ανάλυση των μεθόδων που βασίζονται στην φωτογραμμετρία βασίζεται στην ανάλυση των εικονοστοιχείων της εικόνας του εδάφους. Η οπτική μοντελοποίηση έχει καθιερωθεί εδώ και καιρό για τη μέτρηση της βαθυμετρίας ρηχών υδάτων. Στηρίζεται στην αρχή ότι το φως απορροφάται καθώς διέρχεται από τη στήλη ύδατος και η μορφή αυτής της απορρόφησης ακολουθεί μια αρνητική εκθετική συνάρτηση. Το βάθος μπορεί να υπολογιστεί με βάση το φασματικό κανάλι RGB ή χρησιμοποιώντας την αναλογία των δύο ζωνών (λογαριθμικού μετασχηματισμού). Η τηλεπισκόπηση φαίνεται να προσφέρει μια ελκυστική εναλλακτική αλλά χρειάζεται επίσης βαθμονόμηση εδάφους. Για να αναπτύξουμε καλές πρακτικές στην ρηχή βαθυμετρική έρευνα του ποταμού, συγκρίνουμε εδώ τρεις υποσχόμενες προσεγγίσεις τηλεπισκόπησης για τη χαρτογράφηση της βαθυμετρίας του ποταμού με υψηλή ανάλυση. Χρησιμοποιήθηκαν (1) βαθυμετρικό SfM (2) σένσορας ADCP εξοπλισμένος με ανιχνευτή ηχώ, και (3) οπτική μοντελοποίηση για τη δημιουργία βαθυμετρικών μοντέλων ανάλυσης 1 m και 0,05 m για έναν ποταμό. Σχεδιάστηκε και μοντελοποιήθηκε η περιοχή μελέτης τόσο κατά την διάρκεια της άνοιξης με υψηλότερη θολερότητα και κατά συνέπεια πιο ανοιχτό χρώμα νερού (Ιούνιος 2017) όσο και κατά τη διάρκεια του φθινοπώρου με χαμηλή θολερότητα και χρώμα νερού (Σεπτέμβριος 2017). Τέλος, συγκρίθηκαν τα προκύπτοντα βαθυμετρικά μοντέλα με τις ακριβείς μετρήσεις επαλήθευσης βασισμένες στο πεδίο του VRS-GNSS (παγκόσμιο δορυφορικό σύστημα πλοήγησης με βάση τον εικονικό σταθμό αναφοράς) και το ADCP.

'''Μεθοδολογία-Ανάλυση'''
* '''Περιοχή μελέτης'''

Η περιοχή μελέτης βρίσκεται στην υπο-αρκτική Φινλανδία και απέχει 500m από τον ποταμό Pulmanki. Ο ποταμός Pulmanki είναι ένας ποταμός με άμμο ο οποίος περιέχει πέτρες και λιθόστρωτα στον πυθμένα. Επιπλέον, αντιμετωπίζει ετήσιες πλημμύρες που οφείλονται στις χιονοστιβάδες που αυξάνουν την θολερότητα του κανονικά καθαρού νερού για κάποιο χρονικό διάστημα.

* '''Μετρήσεις της ποιότητας του νερού'''

Το χρώμα και η θολερότητα του νερού αναλύθηκαν στο εργαστήριο με το φωτόμετρο YSI 9500 και τα ολικά αιωρούμενα στερεά (TSS) προσδιορίστηκαν χρησιμοποιώντας φιλτράρισμα. Το χρώμα του νερού εκφράστηκε χρησιμοποιώντας την κλίμακα χρώματος λευκόχρυσου/κοβαλτίου (κλίμακα Pt/Co). Οι αναλύσεις θολερότητας περιλάμβαναν διήθηση ενός δείγματος νερού μέσω του φίλτρου GF/B.

* '''Συλλογή βαθυμετρικών δεδομένων'''

Δύο σειρές αεροφωτογραφιών συλλέχθηκαν από την περιοχή μελέτης χρησιμοποιώντας DJI Phantom 4 για να δημιουργήσουν γεωμορφολογικά ορθοσωματικά την άνοιξη και το φθινόπωρο στην περιοχή ('''Εικόνες 1, 2'''). Έχει αποδειχθεί ότι τα πολλαπλά ύψη πτήσης μπορούν να μειώσουν την πιθανότητα συστηματικού σφάλματος και συνεπώς συλλέχθηκαν τρία σύνολα εικόνων 90,70 και 50μ πάνω από το έδαφος. Δύο γραμμές πτήσης, δηλαδή, εμπρός και πίσω, έτρεχαν σε κάθε υψόμετρο. Τα δεδομένα βαθυμετρίας που βασίζονται σε ηχητικά στοιχεία συλλέχθηκαν χρησιμοποιώντας ένα ADCP που συνδέθηκε με τηλεχειριζόμενη μίνι βάρκα. Το RiverSurveyor M9 και S5 καταγράφεται το βάθος της ροής από έναν ηχορτογράφο ηχώ με κάθετο προσανατολισμό που λειτουργεί σε 0,5 MHz και 1 MHz αντίστοιχα. Δοκιμάστηκε επίσης η ακρίβεια του dGPS: χρησιμοποιήθηκε σταθερή μέτρηση 10 λεπτών για να ποσοτικοποιηθούν οι μεταβολές των συντεταγμένων σε ένα σταθερό σημείο. Οι μέγιστες διαφορές από τις μέσες τιμές συντεταγμένων x και y ήταν 0,08 m και 0,23 m και οι τυπικές αποκλίσεις ήταν ± 0,04 m και ± 0,10 m. Τα δεδομένα βαθμονόμησης και επικύρωσης συλλέχθηκαν σε έξι διασταυρώσεις χρησιμοποιώντας τόσο το VRS-GNSS (ρηχές περιοχές) όσο και το ADCP (περιοχές πάνω από 1,2 m σε βάθος). Οι μετρήσεις χρησιμοποιήθηκαν για να συνεχιστεί η διατομή σε όλο το ποτάμι προς την εξωτερική όχθη. Τα δεδομένα ADCP συλλέχθηκαν χρησιμοποιώντας την απομακρυσμένη ελεγχόμενη βάρκα εξοπλισμένη με τη συσκευή ADCP και το VRS-GNSS. Συνολικά, συλλέχθηκαν 48 μετρήσεις βαθμονόμησης VRS-GNSS και 91 ADCP με μέση απόσταση 0,86 μ.

* '''Επεξεργασία βαθυμετρικών δεδομένων'''

Aρχικά, δημιουργήθηκαν δύο ορθοσωματικά και DSMs χρησιμοποιώντας τη φωτογραμμετρία SfM, η οποία βασίζεται σε αντιστοίχηση χαρακτηριστικών από πολλαπλές επικαλυπτόμενες εικόνες που αποκτήθηκαν από διαφορετικές οπτικές γωνίες. Ο αριθμός επικαλυπτόμενων εικόνων ήταν πέντε ή περισσότερες για ολόκληρη την περιοχή μελέτης και στις δύο εποχές μελέτης. Τα ορθοσωματικά και τα DSMs δημιουργήθηκαν τόσο για την άνοιξη (ορθοσωματικό 1, DSM 1) όσο και για το φθινόπωρο (ορθοσωματικό 2, DSM 2). Η μετα-επεξεργασία των δεδομένων ηχητικής ανάκλασης έγινε με δεδομένα εικονικής διόρθωσης που παρέχονται από το φινλανδικό δίκτυο σταθμών εικονικής αναφοράς, το οποίο επιτρέπει οριζόντια ακρίβεια ± 0.05 m.

* '''Βαθυμετρική μοντελοποίηση'''

'''1. SfM βαθυμετρική μοντελοποίηση'''

Σε αυτή την προσέγγιση, το πρόβλημα που προκύπτει από τη διάθλαση του φωτός όταν
εισέρχεται σε ένα υδατικό σώμα (δείκτης διάθλασης = 1.337, από τον αέρα (δείκτης διάθλασης = 1.0) αντιμετωπίζεται χρησιμοποιώντας αυτόματη επαναληπτική διόρθωση διάθλασης της κάμερας. Η προσέγγιση αυτή υπολογίζει το πραγματικό βάθος του υδατικού συστήματος με βάση τους δείκτες διάθλασης αέρα και νερού, τη γωνία διάθλασης, τη γωνία πρόσπτωσης από την κοίτη του ποταμού στη διεπαφή αέρα/ νερού και το εμφανές βάθος που βασίζεται στο DSM ('''Εικόνα 3α, 4α'''). Το ορθοσωματικό και το DSM περικόπηκαν για να συμπεριλάβουν μόνο την υγρή περιοχή. Οι θέσεις της κάμερας και οι προσανατολισμοί υπολογίστηκαν με βάση το Pix4D.

'''2. ADCP βαθυμετρική μοντελοποίηση'''

Τα σημεία ηχητικής ανάκλασης από την άνοιξη και το φθινόπωρο, υπολογίστηκαν
για 1 m (ADCP_S_1m και ADCP_A_1m) και 0,05 m (ADCP_A_0,05 m) χωρικής ανάλυσης χρησιμοποιώντας τη μέθοδο παρεμβολής Kriging ('''Εικόνα 3β, 4β'''). Λόγω της υψηλότερης απόρριψης και στάθμης ύδατος την άνοιξη σε σύγκριση με το φθινόπωρο, το ADCP_S_1m είχε ελαφρώς μεγαλύτερη χωρική κάλυψη σε σύγκριση με τα ADCP_A_1m και ADCP_A_0.05 m. Οι χωρικές καλύψεις των μοντέλων καθορίστηκαν με βάση τις μετρήσεις σημείων με ψηφιοποίηση της περιοχής κατά μήκος των σημείων που βρίσκονται πιο κοντά στις όχθες.

'''3. Οπτική βαθυμετρική μοντελοποίηση'''

Σε αυτή την μέθοδο αρχικά, ψηφιοποιήσαμε τις περιοχές μοντέλου στα ορθοσωματικά 1 και 2 έτσι ώστε να μην περιέχουν ξηρές περιοχές ή σκιές που προκαλούνται από τα δέντρα και τη βλάστηση, καθώς αυτά επηρεάζουν τη φωτεινότητα των εικονοστοιχείων και προκαλούν σφάλματα στην καμπύλη παλινδρόμησης. Στην συνέχεια, τα περικομμένα ορθοσωματικά υποβλήθηκαν σε νέα δειγματοληψία για να μειωθεί ο θόρυβος που προκλήθηκε από κυματισμούς στην κοίτη του ποταμού: το ορθοσωματικό 1 επανασχηματίστηκε σε εικόνες ανάλυσης 1m και το ορθοσωματικό 2 σε εικόνες 1m και 0.05m. Οι νέες τιμές εικονοστοιχείων βασίστηκαν στην μέθοδο του πλησιέστερου γείτονα. Συνολικά, χρησιμοποιήθηκαν 131 (άνοιξη) και 127 (φθινόπωρο) σημεία βαθμονόμησης με διακυμάνσεις βάθους των 0,04-1,66m (άνοιξη) και 0,02-1,80m (φθινόπωρο). Οι μοντελοποιημένες τιμές βάθους χρησιμοποιήθηκαν για τη δημιουργία βαθυμετρικού μοντέλου ('''Εικόνα 3γ, 4γ''') ράστερ ανάλυσης 1 m (Optical_S_1m και Optical_A_1m) και 0.05m (Optical_A_0.05 mb).

*'''Αξιολόγηση της ποιότητας των βαθυμετρικών μοντέλων'''

Για να ερευνηθεί η βαθυμετρική ποιότητα, συγκρίθηκαν οι τιμές βάθους του κάθε μοντέλου με τα δεδομένα επικύρωσης σημείων των διατομών. Για να αξιολογήσουμε την ακρίβεια, υπολογίσαμε το μέσο σφάλμα (ME) και το μέσο απόλυτο σφάλμα (MAE) και τα μέγιστα σφάλματα και την τυπική απόκλιση καθώς επίσης και τον συντελεστή συσχέτισης (r) και R. Με βάση την οπτική ερμηνεία, προσδιορίστηκαν τρεις συστάδες σφαλμάτων. Για να βρεθούν εξηγήσεις σχετικά με τους λόγους για τους αναγνωρισμένους συστάδες σφαλμάτων και τον εντοπισμό των σφαλμάτων στην περιοχή μελέτης, οι μετρούμενες και διαμορφωμένες τιμές απεικονίστηκαν σε εγκάρσιες τομές επικύρωσης.

'''Αποτελέσματα'''

Τα βαθυμετρικά μοντέλα δημιουργήθηκαν την άνοιξη και το φθινόπωρο καθώς οι υδρολογικές συνθήκες που επικρατούν είναι διαφορετικές κάθε φορά. Το φθινόπωρο, το νερό ήταν πολύ πιο καθαρό και η ορατότητα της κοίτης του ποταμού πολύ καλύτερη από τις αεροφωτογραφίες σε σχέση με την άνοιξη. Σύμφωνα με τα βαθυμετρικά μοντέλα της κίνησης SfM_S_1m τα θορυβώδη και βαθιά μέρη του ποταμού που βρισκόντουσαν κοντά στις όχθες του δεν μοντελοποιήθηκαν ικανοποιητικά. Ειδικά το Φθινόπωρο στην περίπτωση των ADCP_A_1m and ADCP_A_0.05 m το μοντέλο περιορίστηκε χωρικά λόγω των δυσκολιών που αντιμετώπισε το ADCP στις ρηχές περιοχές. Η '''Εικόνα 5''' απεικονίζει την βαθυμετρική ποικιλομορφία της κοίτης του ποταμού όπως αυτή απεικονίζεται στο ορθομοσαικό 1 από τις τρεις διαφορετικές προσεγγίσεις. Σύμφωνα με την εικόνα 5, η κοίτη είναι ιδιαίτερα καθαρή στο ανάντη τμήμα του ποταμού ενώ το κατάντη τμήμα είναι πιο ομαλό. Όπως ήταν αναμενόμενο οι προσεγγίσεις SfM_A_0.05m και Optical_A_0.05m έδειξαν πολύ καλύτερα βαθυμετρικά αποτελέσματα συγκριτικά με την ADCP_A_0.05 m. Ακόμη, στοιχεία κυματισμού φάνηκαν μόνο στο μοντέλο Optical_A_0.05 m.

'''Συμπεράσματα'''

Σε αυτή τη μελέτη δοκιμάστηκαν τρεις υποσχόμενες μέθοδοι τηλεπισκόπησης για να εξεταστεί η βαθυμετρία αβαθούς ύδατος με υψηλή ανάλυση. Οι τεχνικές τηλεπισκόπησης είναι ευνοϊκές για τη βαθυμετρική χαρτογράφηση καθώς δεν διαταράσσουν τις υδάτινες επιφάνειες ή την κοίτη του ποταμού και είναι γρήγορες στην εκτέλεση. Εφαρμόστηκε ηχητική ανάκλαση και δύο μέθοδοι με βάση τη φωτογραμμετρία: βαθυμετρική SfM και οπτική μοντελοποίηση. Την άνοιξη δημιουργήθηκε ένα μοντέλο ανάλυσης 1m και το φθινόπωρο δύο μοντέλα ανάλυσης 1 m και 0.05 m. Συγκρίθηκαν τα προκύπτοντα βαθυμετρικά μοντέλα με 93 και 54 σημεία μέτρησης με βάθη μεταξύ 0 και 1,5 m για την άνοιξη και το φθινόπωρο, αντίστοιχα. H πρώτη μέθοδος βασισμένη στη ADCP ηχητική ανάκλαση παρείχε τα πιο ακριβή βαθυμετρικά αποτελέσματα. Η θολερότητα της ροής, το χρώμα ή το βάθος, η παράκτια βλάστηση και οι καιρικές συνθήκες δεν επηρέασαν τις μετρήσεις. Η περιοχή μελέτης είχε σχετικά ομαλή κοίτη ποταμού με πολύ λίγες αλλαγές στη βαθυμετρία και χωρίς πέτρες και λιθόστρωτα, γεγονός που επέτρεψε επιτυχημένες μετρήσεις ADCP με πυκνότητα σημείου 0,63-1,3 μονάδες/m2. Η ποιότητα ενός βαθυμετρικού μοντέλου υψηλής ανάλυσης βάσει ADCP εξαρτάται σε μεγάλο βαθμό από την επιλεγμένη μέθοδο παρεμβολής. Οι κύριοι περιορισμοί του ADCP είναι η χαμηλή χωρική του ανάλυση, η αδυναμία μέτρησης βάθους <0 και οι εργασιακές απαιτήσεις για την χρήση του. Έτσι, το ADCP δεν είναι κατάλληλο για χαρτογράφηση μεγάλων περιοχών ή περιοχών με μεγάλο ποσοστό πολύ ρηχού νερό σε υψηλή ανάλυση. Είναι επίσης μακράν η πιο ακριβή από τις προσεγγίσεις που δοκιμάστηκαν. Στην δεύτερη μέθοδο η ποιότητα του βαθυμετρικού SfM ήταν εξαιρετικά ευαίσθητη στη θολερότητα της ροής και στο χρώμα. Τα σφάλματα αυξήθηκαν σημαντικά σε περιοχές με βάθη >0,8 m και μέσα περιοχές όπου η δομή της κοίτης του ποταμού δεν ήταν ξεκάθαρα ορατή. Η βαθυμετρική μέθοδος SfM απαιτεί, εκτός από το καθαρό νερό, μια ορατή κοίτη ποταμού με καλή δομή. Η ομαλή αμμώδης κοίτη στην περιοχή μελέτης δεν παρείχε επαρκή δομή για τη σωστή λειτουργία της διαδικασίας SfM, ειδικά όταν η ορατότητα ήταν κακή. Από την άλλη πλευρά, το βαθυμετρικό SfM δεν περιορίζεται τόσο πολύ όσο η οπτική μοντελοποίηση από τη μεταβλητότητα του υποστρώματος, την τυρβώδη ροή ή τις μεγάλες πέτρες και τα λιθόστρωτα στην κοίτη του ποταμού. Στην τρίτη μέθοδο εφαρμόστηκε οπτική μοντελοποίηση καθώς, το κοίτασμα του ποταμού ήταν ομαλό χωρίς μεγάλες πέτρες και πλακόστρωτα, το υποστρωματικό χρώμα ήταν συνεχές και η ροή δεν ήταν τυρβώδης. Το χρώμα και το βάθος του νερού επηρέασαν τη λειτουργικότητα των οπτικών μοντέλων σε κάποιο βαθμό, αλλά σαφώς λιγότερο από την βαθυμετρική μέθοδο SfM. Η ακρίβεια του μοντέλου βελτιώθηκε το φθινόπωρο που επικρατούσε χαμηλότερο χρώμα νερού και θολερότητα σε σύγκριση με την άνοιξη.

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

Σύγκριση των προσεγγίσεων που βασίζονται στην τηλεπισκόπηση για τη χαρτογράφηση της βαθυμετρίας των ρηχών, με καθαρά νερά ποταμών

2020-02-04T23:44:40Z

Christina Anas: Νέα σελίδα με ''''Σύγκριση των προσεγγίσεων που βασίζονται στην τηλεπισκόπηση για τη χαρτογράφηση της βαθυμ...'

'''Σύγκριση των προσεγγίσεων που βασίζονται στην τηλεπισκόπηση για τη χαρτογράφηση της βαθυμετρίας των ρηχών ποταμών καθαρού νερού '''

'''Πρωτότυπος τίτλος:''' Comparison of remote sensing based approaches for mapping bathymetry of shallow, clear water rivers

'''Συγγραφείς:''' E. Kasvi a*, J. Salmela a*, E. Lotsari a,b*, T. Kumpula b*, S.N. Lane c*

a* UniversityofTurku,DepartmentofGeographyandGeology,FI-20014,Finland

b* UniversityofEasternFinland,DepartmentofGeographicalandHistoricalStudies,FI-80101Joensuu,Finland

c* University of Lausanne, Institute of Earth Surface Dynamics, CH-1015 Lausanne, Switzerland

'''Δημοσιεύθηκε:''' Geomorphology, 15 Μαϊου 2019

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S0169555X19300510]

'''Λέξεις-Κλειδιά:''' Φωτογραμμετρία, οπτική μοντελοποίηση, χαρτογράφηση, βαθυμετρία

[[Εικόνα: p7photo1.png| thumb| right|'''Εικόνα 1:'''Ορθοσωματικά και σημεία βαθμονόμησης και επικύρωσης για την άνοιξη. Τα κίτρινα σημεία βαθμονόμησης (CS 1, 3, 4 and 5) χρησιμοποιήθηκαν για την δημιουργία του Optical_S_1m. Τα κόκκινα σημεία βαθμονόμησης (CS 2 and 6) χρησιμοποιήθηκαν για την βαθμόνόμηση όλων των υπόλοιπων μοντέλων την περίοδο της άνοιξης]]

[[Εικόνα: p7photo2.png| thumb| right|'''Εικόνα 2:''': Ορθοσωματικά και σημεία βαθμονόμησης και επικύρωσης για το φθινόπωρο. Τα κίτρινα σημεία βαθμονόμησης (CS 1, 3, 4 and 5) χρησιμοποιήθηκαν για την δημιουργία του Optical_S_1m. Τα κόκκινα σημεία βαθμονόμησης (CS 2 and 6) χρησιμοποιήθηκαν για την βαθμόνόμηση όλων των υπόλοιπων μοντέλων την περίοδο του φθινοπώρου]]

[[Εικόνα: p7photo3.png| thumb| right|'''Εικόνα 3:''' Βαθυμετρικά μοντέλα με χωρική ανάλυση 1 m για την άνοιξη 2017. (a) SfM_S_1m. (β) ADCP_S_1m. (γ) Optical_S_1m]]

[[Εικόνα: p7photo4.png| thumb| right|'''Εικόνα 4:''' Βαθυμετρικά μοντέλα με χωρική ανάλυση 1 m για το φθινόπωρο του 2017. (a) SfM_A_1m. (β) ADCP_A_1m. (γ) Optical_A_1m]]

[[Εικόνα: p7photo5.png| thumb| right|'''Εικόνα 5:''' Ορθοσωματικό και βαθυμετρικά μοντέλα ανάλυσης 0.05μ. για το φθινόπωρο του 2017. (a-d) ολόκληρη η περιοχή ενδιαφέροντος.(e-h) κατάντη τμήμα του ποταμού (i-l) ανάντη τμήμα του ποταμού]]

'''Αντικείμενο Εφαρμογής'''

Η παρούσα μελέτη ασχολείται με τη χαρτογράφηση της βαθυμετρίας αβαθούς ύδατος με υψηλή χωρική ανάλυση και ακρίβεια, συγκρίνοντας τρεις προσεγγίσεις τηλεπισκόπησης, μία βασισμένη σε ηχητική ανάκλαση (ενεργή RS) και δύο σε φωτογραμμετρία (παθητική RS) την βαθυμετρική δομή από κίνηση (SfM) και την οπτική μοντελοποίηση. Τα μοντέλα συγκρίθηκαν με μετρήσεις πεδίου υψηλής ακρίβειας.

'''Εισαγωγή'''

Τα τελευταία χρόνια, αναπτύχθηκαν διάφορες τεχνικές για τη μέτρηση και την μοντελοποίηση της βαθυμετρίας των ρηχών νερών. Η τεχνική SfM είναι σχετικά φθηνή και μπορεί να επιτρέψει υψηλή χωρική ανάλυση. Βασίζεται σε ορατά φωτεινά κύματα και είναι ως εκ τούτου μια παθητική μέθοδος τηλεπισκόπησης. Η ανάλυση των μεθόδων που βασίζονται στην φωτογραμμετρία βασίζεται στην ανάλυση των εικονοστοιχείων της εικόνας του εδάφους. Η οπτική μοντελοποίηση έχει καθιερωθεί εδώ και καιρό για τη μέτρηση της βαθυμετρίας ρηχών υδάτων. Στηρίζεται στην αρχή ότι το φως απορροφάται καθώς διέρχεται από τη στήλη ύδατος και η μορφή αυτής της απορρόφησης ακολουθεί μια αρνητική εκθετική συνάρτηση. Το βάθος μπορεί να υπολογιστεί με βάση το φασματικό κανάλι RGB ή χρησιμοποιώντας την αναλογία των δύο ζωνών (λογαριθμικού μετασχηματισμού). Η τηλεπισκόπηση φαίνεται να προσφέρει μια ελκυστική εναλλακτική αλλά χρειάζεται επίσης βαθμονόμηση εδάφους. Για να αναπτύξουμε καλές πρακτικές στην ρηχή βαθυμετρική έρευνα του ποταμού, συγκρίνουμε εδώ τρεις υποσχόμενες προσεγγίσεις τηλεπισκόπησης για τη χαρτογράφηση της βαθυμετρίας του ποταμού με υψηλή ανάλυση. Χρησιμοποιήθηκαν (1) βαθυμετρικό SfM (2) σένσορας ADCP εξοπλισμένος με ανιχνευτή ηχώ, και (3) οπτική μοντελοποίηση για τη δημιουργία βαθυμετρικών μοντέλων ανάλυσης 1 m και 0,05 m για έναν ποταμό. Σχεδιάστηκε και μοντελοποιήθηκε η περιοχή μελέτης τόσο κατά την διάρκεια της άνοιξης με υψηλότερη θολερότητα και κατά συνέπεια πιο ανοιχτό χρώμα νερού (Ιούνιος 2017) όσο και κατά τη διάρκεια του φθινοπώρου με χαμηλή θολερότητα και χρώμα νερού (Σεπτέμβριος 2017). Τέλος, συγκρίθηκαν τα προκύπτοντα βαθυμετρικά μοντέλα με τις ακριβείς μετρήσεις επαλήθευσης βασισμένες στο πεδίο του VRS-GNSS (παγκόσμιο δορυφορικό σύστημα πλοήγησης με βάση τον εικονικό σταθμό αναφοράς) και το ADCP.

'''Μεθοδολογία-Ανάλυση'''
* '''Περιοχή μελέτης'''

Η περιοχή μελέτης βρίσκεται στην υπο-αρκτική Φινλανδία και απέχει 500m από τον ποταμό Pulmanki. Ο ποταμός Pulmanki είναι ένας ποταμός με άμμο ο οποίος περιέχει πέτρες και λιθόστρωτα στον πυθμένα. Επιπλέον, αντιμετωπίζει ετήσιες πλημμύρες που οφείλονται στις χιονοστιβάδες που αυξάνουν την θολερότητα του κανονικά καθαρού νερού για κάποιο χρονικό διάστημα.

* '''Μετρήσεις της ποιότητας του νερού'''

Το χρώμα και η θολερότητα του νερού αναλύθηκαν στο εργαστήριο με το φωτόμετρο YSI 9500 και τα ολικά αιωρούμενα στερεά (TSS) προσδιορίστηκαν χρησιμοποιώντας φιλτράρισμα. Το χρώμα του νερού εκφράστηκε χρησιμοποιώντας την κλίμακα χρώματος λευκόχρυσου/κοβαλτίου (κλίμακα Pt/Co). Οι αναλύσεις θολερότητας περιλάμβαναν διήθηση ενός δείγματος νερού μέσω του φίλτρου GF/B.

* '''Συλλογή βαθυμετρικών δεδομένων'''

Δύο σειρές αεροφωτογραφιών συλλέχθηκαν από την περιοχή μελέτης χρησιμοποιώντας DJI Phantom 4 για να δημιουργήσουν γεωμορφολογικά ορθοσωματικά την άνοιξη και το φθινόπωρο στην περιοχή ('''Εικόνες 1, 2'''). Έχει αποδειχθεί ότι τα πολλαπλά ύψη πτήσης μπορούν να μειώσουν την πιθανότητα συστηματικού σφάλματος και συνεπώς συλλέχθηκαν τρία σύνολα εικόνων 90,70 και 50μ πάνω από το έδαφος. Δύο γραμμές πτήσης, δηλαδή, εμπρός και πίσω, έτρεχαν σε κάθε υψόμετρο. Τα δεδομένα βαθυμετρίας που βασίζονται σε ηχητικά στοιχεία συλλέχθηκαν χρησιμοποιώντας ένα ADCP που συνδέθηκε με τηλεχειριζόμενη μίνι βάρκα. Το RiverSurveyor M9 και S5 καταγράφεται το βάθος της ροής από έναν ηχορτογράφο ηχώ με κάθετο προσανατολισμό που λειτουργεί σε 0,5 MHz και 1 MHz αντίστοιχα. Δοκιμάστηκε επίσης η ακρίβεια του dGPS: χρησιμοποιήθηκε σταθερή μέτρηση 10 λεπτών για να ποσοτικοποιηθούν οι μεταβολές των συντεταγμένων σε ένα σταθερό σημείο. Οι μέγιστες διαφορές από τις μέσες τιμές συντεταγμένων x και y ήταν 0,08 m και 0,23 m και οι τυπικές αποκλίσεις ήταν ± 0,04 m και ± 0,10 m. Τα δεδομένα βαθμονόμησης και επικύρωσης συλλέχθηκαν σε έξι διασταυρώσεις χρησιμοποιώντας τόσο το VRS-GNSS (ρηχές περιοχές) όσο και το ADCP (περιοχές πάνω από 1,2 m σε βάθος). Οι μετρήσεις χρησιμοποιήθηκαν για να συνεχιστεί η διατομή σε όλο το ποτάμι προς την εξωτερική όχθη. Τα δεδομένα ADCP συλλέχθηκαν χρησιμοποιώντας την απομακρυσμένη ελεγχόμενη βάρκα εξοπλισμένη με τη συσκευή ADCP και το VRS-GNSS. Συνολικά, συλλέχθηκαν 48 μετρήσεις βαθμονόμησης VRS-GNSS και 91 ADCP με μέση απόσταση 0,86 μ.

* '''Επεξεργασία βαθυμετρικών δεδομένων'''

Aρχικά, δημιουργήθηκαν δύο ορθοσωματικά και DSMs χρησιμοποιώντας τη φωτογραμμετρία SfM, η οποία βασίζεται σε αντιστοίχηση χαρακτηριστικών από πολλαπλές επικαλυπτόμενες εικόνες που αποκτήθηκαν από διαφορετικές οπτικές γωνίες. Ο αριθμός επικαλυπτόμενων εικόνων ήταν πέντε ή περισσότερες για ολόκληρη την περιοχή μελέτης και στις δύο εποχές μελέτης. Τα ορθοσωματικά και τα DSMs δημιουργήθηκαν τόσο για την άνοιξη (ορθοσωματικό 1, DSM 1) όσο και για το φθινόπωρο (ορθοσωματικό 2, DSM 2). Η μετα-επεξεργασία των δεδομένων ηχητικής ανάκλασης έγινε με δεδομένα εικονικής διόρθωσης που παρέχονται από το φινλανδικό δίκτυο σταθμών εικονικής αναφοράς, το οποίο επιτρέπει οριζόντια ακρίβεια ± 0.05 m.

* '''Βαθυμετρική μοντελοποίηση'''

'''SfM βαθυμετρική μοντελοποίηση'''

Σε αυτή την προσέγγιση, το πρόβλημα που προκύπτει από τη διάθλαση του φωτός όταν
εισέρχεται σε ένα υδατικό σώμα (δείκτης διάθλασης = 1.337, από τον αέρα (δείκτης διάθλασης = 1.0) αντιμετωπίζεται χρησιμοποιώντας αυτόματη επαναληπτική διόρθωση διάθλασης της κάμερας. Η προσέγγιση αυτή υπολογίζει το πραγματικό βάθος του υδατικού συστήματος με βάση τους δείκτες διάθλασης αέρα και νερού, τη γωνία διάθλασης, τη γωνία πρόσπτωσης από την κοίτη του ποταμού στη διεπαφή αέρα/ νερού και το εμφανές βάθος που βασίζεται στο DSM ('''Εικόνα 3α, 4α'''). Το ορθοσωματικό και το DSM περικόπηκαν για να συμπεριλάβουν μόνο την υγρή περιοχή. Οι θέσεις της κάμερας και οι προσανατολισμοί υπολογίστηκαν με βάση το Pix4D.

'''ADCP βαθυμετρική μοντελοποίηση'''

Τα σημεία ηχητικής ανάκλασης από την άνοιξη και το φθινόπωρο, υπολογίστηκαν
για 1 m (ADCP_S_1m και ADCP_A_1m) και 0,05 m (ADCP_A_0,05 m) χωρικής ανάλυσης χρησιμοποιώντας τη μέθοδο παρεμβολής Kriging ('''Εικόνα 3β, 4β'''). Λόγω της υψηλότερης απόρριψης και στάθμης ύδατος την άνοιξη σε σύγκριση με το φθινόπωρο, το ADCP_S_1m είχε ελαφρώς μεγαλύτερη χωρική κάλυψη σε σύγκριση με τα ADCP_A_1m και ADCP_A_0.05 m. Οι χωρικές καλύψεις των μοντέλων καθορίστηκαν με βάση τις μετρήσεις σημείων με ψηφιοποίηση της περιοχής κατά μήκος των σημείων που βρίσκονται πιο κοντά στις όχθες.

'''Οπτική βαθυμετρική μοντελοποίηση'''

Σε αυτή την μέθοδο αρχικά, ψηφιοποιήσαμε τις περιοχές μοντέλου στα ορθοσωματικά 1 και 2 έτσι ώστε να μην περιέχουν ξηρές περιοχές ή σκιές που προκαλούνται από τα δέντρα και τη βλάστηση, καθώς αυτά επηρεάζουν τη φωτεινότητα των εικονοστοιχείων και προκαλούν σφάλματα στην καμπύλη παλινδρόμησης. Στην συνέχεια, τα περικομμένα ορθοσωματικά υποβλήθηκαν σε νέα δειγματοληψία για να μειωθεί ο θόρυβος που προκλήθηκε από κυματισμούς στην κοίτη του ποταμού: το ορθοσωματικό 1 επανασχηματίστηκε σε εικόνες ανάλυσης 1m και το ορθοσωματικό 2 σε εικόνες 1m και 0.05m. Οι νέες τιμές εικονοστοιχείων βασίστηκαν στην μέθοδο του πλησιέστερου γείτονα. Συνολικά, χρησιμοποιήθηκαν 131 (άνοιξη) και 127 (φθινόπωρο) σημεία βαθμονόμησης με διακυμάνσεις βάθους των 0,04-1,66m (άνοιξη) και 0,02-1,80m (φθινόπωρο). Οι μοντελοποιημένες τιμές βάθους χρησιμοποιήθηκαν για τη δημιουργία βαθυμετρικού μοντέλου ('''Εικόνα 3γ, 4γ''') ράστερ ανάλυσης 1 m (Optical_S_1m και Optical_A_1m) και 0.05m (Optical_A_0.05 mb).

*'''Αξιολόγηση της ποιότητας των βαθυμετρικών μοντέλων'''

Για να ερευνηθεί η βαθυμετρική ποιότητα, συγκρίθηκαν οι τιμές βάθους του κάθε μοντέλου με τα δεδομένα επικύρωσης σημείων των διατομών. Για να αξιολογήσουμε την ακρίβεια, υπολογίσαμε το μέσο σφάλμα (ME) και το μέσο απόλυτο σφάλμα (MAE) και τα μέγιστα σφάλματα και την τυπική απόκλιση καθώς επίσης και τον συντελεστή συσχέτισης (r) και R. Με βάση την οπτική ερμηνεία, προσδιορίστηκαν τρεις συστάδες σφαλμάτων. Για να βρεθούν εξηγήσεις σχετικά με τους λόγους για τους αναγνωρισμένους συστάδες σφαλμάτων και τον εντοπισμό των σφαλμάτων στην περιοχή μελέτης, οι μετρούμενες και διαμορφωμένες τιμές απεικονίστηκαν σε εγκάρσιες τομές επικύρωσης.

'''Αποτελέσματα'''

Τα βαθυμετρικά μοντέλα δημιουργήθηκαν την άνοιξη και το φθινόπωρο καθώς οι υδρολογικές συνθήκες που επικρατούν είναι διαφορετικές κάθε φορά. Το φθινόπωρο, το νερό ήταν πολύ πιο καθαρό και η ορατότητα της κοίτης του ποταμού πολύ καλύτερη από τις αεροφωτογραφίες σε σχέση με την άνοιξη. Σύμφωνα με τα βαθυμετρικά μοντέλα της κίνησης SfM_S_1m τα θορυβώδη και βαθιά μέρη του ποταμού που βρισκόντουσαν κοντά στις όχθες του δεν μοντελοποιήθηκαν ικανοποιητικά. Ειδικά το Φθινόπωρο στην περίπτωση των ADCP_A_1m and ADCP_A_0.05 m το μοντέλο περιορίστηκε χωρικά λόγω των δυσκολιών που αντιμετώπισε το ADCP στις ρηχές περιοχές. Η '''Εικόνα 5''' απεικονίζει την βαθυμετρική ποικιλομορφία της κοίτης του ποταμού όπως αυτή απεικονίζεται στο ορθομοσαικό 1 από τις τρεις διαφορετικές προσεγγίσεις. Σύμφωνα με την εικόνα 5, η κοίτη είναι ιδιαίτερα καθαρή στο ανάντη τμήμα του ποταμού ενώ το κατάντη τμήμα είναι πιο ομαλό. Όπως ήταν αναμενόμενο οι προσεγγίσεις SfM_A_0.05m και Optical_A_0.05m έδειξαν πολύ καλύτερα βαθυμετρικά αποτελέσματα συγκριτικά με την ADCP_A_0.05 m. Ακόμη, στοιχεία κυματισμού φάνηκαν μόνο στο μοντέλο Optical_A_0.05 m.

'''Συμπεράσματα'''

Σε αυτή τη μελέτη δοκιμάστηκαν τρεις υποσχόμενες μέθοδοι τηλεπισκόπησης για να εξεταστεί η βαθυμετρία αβαθούς ύδατος με υψηλή ανάλυση. Οι τεχνικές τηλεπισκόπησης είναι ευνοϊκές για τη βαθυμετρική χαρτογράφηση καθώς δεν διαταράσσουν τις υδάτινες επιφάνειες ή την κοίτη του ποταμού και είναι γρήγορες στην εκτέλεση. Εφαρμόστηκε ηχητική ανάκλαση και δύο μέθοδοι με βάση τη φωτογραμμετρία: βαθυμετρική SfM και οπτική μοντελοποίηση. Την άνοιξη δημιουργήθηκε ένα μοντέλο ανάλυσης 1m και το φθινόπωρο δύο μοντέλα ανάλυσης 1 m και 0.05 m. Συγκρίθηκαν τα προκύπτοντα βαθυμετρικά μοντέλα με 93 και 54 σημεία μέτρησης με βάθη μεταξύ 0 και 1,5 m για την άνοιξη και το φθινόπωρο, αντίστοιχα. H πρώτη μέθοδος βασισμένη στη ADCP ηχητική ανάκλαση παρείχε τα πιο ακριβή βαθυμετρικά αποτελέσματα. Η θολερότητα της ροής, το χρώμα ή το βάθος, η παράκτια βλάστηση και οι καιρικές συνθήκες δεν επηρέασαν τις μετρήσεις. Η περιοχή μελέτης είχε σχετικά ομαλή κοίτη ποταμού με πολύ λίγες αλλαγές στη βαθυμετρία και χωρίς πέτρες και λιθόστρωτα, γεγονός που επέτρεψε επιτυχημένες μετρήσεις ADCP με πυκνότητα σημείου 0,63-1,3 μονάδες/m2. Η ποιότητα ενός βαθυμετρικού μοντέλου υψηλής ανάλυσης βάσει ADCP εξαρτάται σε μεγάλο βαθμό από την επιλεγμένη μέθοδο παρεμβολής. Οι κύριοι περιορισμοί του ADCP είναι η χαμηλή χωρική του ανάλυση, η αδυναμία μέτρησης βάθους <0 και οι εργασιακές απαιτήσεις για την χρήση του. Έτσι, το ADCP δεν είναι κατάλληλο για χαρτογράφηση μεγάλων περιοχών ή περιοχών με μεγάλο ποσοστό πολύ ρηχού νερό σε υψηλή ανάλυση. Είναι επίσης μακράν η πιο ακριβή από τις προσεγγίσεις που δοκιμάστηκαν. Στην δεύτερη μέθοδο η ποιότητα του βαθυμετρικού SfM ήταν εξαιρετικά ευαίσθητη στη θολερότητα της ροής και στο χρώμα. Τα σφάλματα αυξήθηκαν σημαντικά σε περιοχές με βάθη >0,8 m και μέσα περιοχές όπου η δομή της κοίτης του ποταμού δεν ήταν ξεκάθαρα ορατή. Η βαθυμετρική μέθοδος SfM απαιτεί, εκτός από το καθαρό νερό, μια ορατή κοίτη ποταμού με καλή δομή. Η ομαλή αμμώδης κοίτη στην περιοχή μελέτης δεν παρείχε επαρκή δομή για τη σωστή λειτουργία της διαδικασίας SfM, ειδικά όταν η ορατότητα ήταν κακή. Από την άλλη πλευρά, το βαθυμετρικό SfM δεν περιορίζεται τόσο πολύ όσο η οπτική μοντελοποίηση από τη μεταβλητότητα του υποστρώματος, την τυρβώδη ροή ή τις μεγάλες πέτρες και τα λιθόστρωτα στην κοίτη του ποταμού. Στην τρίτη μέθοδο εφαρμόστηκε οπτική μοντελοποίηση καθώς, το κοίτασμα του ποταμού ήταν ομαλό χωρίς μεγάλες πέτρες και πλακόστρωτα, το υποστρωματικό χρώμα ήταν συνεχές και η ροή δεν ήταν τυρβώδης. Το χρώμα και το βάθος του νερού επηρέασαν τη λειτουργικότητα των οπτικών μοντέλων σε κάποιο βαθμό, αλλά σαφώς λιγότερο από την βαθυμετρική μέθοδο SfM. Η ακρίβεια του μοντέλου βελτιώθηκε το φθινόπωρο που επικρατούσε χαμηλότερο χρώμα νερού και θολερότητα σε σύγκριση με την άνοιξη.

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

Εφαρμογή τηλεπισκόπησης για την έγκαιρη προειδοποίηση φυσικών μετεωρολογικών και υδρολογικών καταστροφών...

2020-02-04T23:11:28Z

Christina Anas:

'''Εφαρμογή τηλεπισκόπησης για την έγκαιρη προειδοποίηση φυσικών μετεωρολογικών και υδρολογικών καταστροφών με σκοπό την παροχή ασφάλειας των μεταφορών στην Μαύρη θάλασσα στην Γεωργία'''

'''Πρωτότυπος τίτλος:''' Remote sensing for early warning of natural meteorological and hydrological disasters and provision of transportation safety over the Black Sea in Georgia

'''Συγγραφείς:''' G. Kordzakhiaa a*, L.Shengeliaa a*, G. Tvaurib b*, M. Tatishvilia a*, I. Mkurnalidzea a*

a* Institute of Hydrometeorology of Georgia, 150 D. Agmashenebeli Av., Tbilisi, 0112, Georgia

b* M. Nodia Geophysical Institute of Georgia, 1 Alesdidze St., Tbilisi, 0193, Georgia

'''Δημοσιεύθηκε:''' Procedia Social and Behavioral Sciences, 2011

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S187704281101281X]

'''Λέξεις-Κλειδιά:''' Καταστροφές, Ασφάλεια μεταφορών, Δορυφόροι τηλεπισκόπησης, Μαύρη Θάλασσα

[[Εικόνα: p2_Georgia1.jpg| thumb| right|'''Εικόνα 1:''' TERRA/MODIS δορυφορικές εικόνες: α) χωρίς χιονοκάλυψη β) με χιόνι]]

[[Εικόνα:p2_Georgia2.jpg| thumb| right|'''Eικόνα 2:''' Το περίγραμμα της παράκτιας ζώνης της Γεωργίας σύμφωνα με δορυφορικά δεδομένα]]

'''Αντικείμενο Εφαρμογής'''

Ερευνήθηκε η αποτελεσματικότητα της χρήσης δορυφορικών πληροφοριών για την έγκαιρη προειδοποίηση από μετεωρολογικές και υδρολογικές καταστροφές και την παροχή ασφάλειας των μεταφορών στη Μαύρη Θάλασσα στη Γεωργία. Προσδιορίστηκαν οι θερμοκρασίες θαλάσσιας επιφάνειας μέσω δορυφορικών πληροφοριών και πραγματοποιήθηκε επαλήθευση των αποτελεσμάτων που προέκυψαν με βάση διαδικασίες ποιοτικής αξιολόγησης.

'''Εισαγωγή'''

Η συχνότητα και η ένταση των φυσικών καταστροφών έχει αυξηθεί σημαντικά τα τελευταία δέκα χρόνια στη Γεωργία λόγω της κλιματικής αλλαγής. Διαπιστώνεται ότι το 80% των φυσικών καταστροφών, το 70% των ανθρώπινων ατυχημάτων και το 65% των οικονομικών απωλειών εξαρτώνται από τις καταστροφές που σχετίζονται με τον καιρό και το νερό. Ως εκ τούτου, ο εντοπισμός των φυσικών καταστροφών που σχετίζονται με τον καιρό και το νερό και η πρόβλεψή τους είναι εξαιρετικά σημαντική. Η χρήση των Δορυφορικών Τεχνολογιών έχει μεγάλη σημασία, καθώς:
* Οι δορυφόροι έχουν τη δυνατότητα να λαμβάνουν μετεωρολογικές και υδρολογικές πληροφορίες από ωκεανούς και δύσκολα προσπελάσιμες περιοχές της γης.
* Οι δορυφόροι αναγνωρίζουν γρήγορα τις φυσικές μετεωρολογικές και υδρολογικές καταστροφές και με αυτόν τρόπο προειδοποιούνται έγκαιρα οι υπεύθυνοι χάραξης πολιτικής.

'''Μεθοδολογία-Ανάλυση'''

Ανάμεσα σε ένα μεγάλο αριθμό δορυφόρων που κινούνται σε πολική τροχιά επιλέχθηκαν οι πιο αποτελεσματικοί για την έγκαιρη προειδοποίηση καταστροφών χαρακτηριστικών στην Γεωργία. Η ανάλυση έδειξε ότι οι πιο σημαντικοί είναι οι: NOAA, TERRA, AQUA, LANDSAT, SPOT, ERS και RADARSAT. Οι αναλύσεις των δορυφορικών δεδομένων που προαναφέρθηκαν δείχνουν ότι η χρήση δορυφορικών πληροφοριών για το έδαφος της Γεωργίας είναι πιο αποτελεσματική στην έγκαιρη προειδοποίηση πλημμυρών, περιβαλλοντικών ατυχημάτων όπως πετρελαιοκηλίδων, πυρκαγιές δασών και παροχή ασφάλειας στη ναυτιλία. Ανάμεσα στις φυσικές καταστροφές οι πλημμύρες είναι το πιο διαδεδομένο φαινόμενο. Οι πληροφορίες τηλεπισκόπησης είναι αποτελεσματικές για τη διαχείριση των πλημμυρών και παρέχουν δυνατότητες για:

* Λεπτομερή χαρτογράφηση που απαιτείται για την προετοιμασία χαρτών εκτίμησης επικινδυνότητας.
* Παροχή υδρολογικών μοντέλων με αρχικές συνθήκες.
* Ποσοτική αξιολόγηση της κατάστασης του εδάφους.
* Μοντελοποίηση πλημμυρών μεγάλης κλίμακας για τον προσδιορισμό των περιοχών υψηλού κινδύνου.
* Δυνατότητα έγκαιρης προειδοποίησης.

Για την σωστή πρόβλεψη της πλημμύρας χρειάζονται δεδομένα κάλυψης χιονιού. Οι εικόνες κάλυψης γης με και χωρίς κάλυψη χιονιού από τον δορυφόρο TERRA / MODIS παρουσιάζονται στην '''Εικόνα 1'''.
Ένα από τα μέτρα για την παροχή ασφάλειας στις μεταφορές στη θαλάσσια περιοχή είναι η επίτευξη προβλέψεων υψηλής ακρίβειας, ειδικά σε περίπτωση καταστροφών. Η επίτευξη επιτυχημένων προβλέψεων εξαρτάται από τα αρχικά δεδομένα της θερμοκρασίας της επιφάνειας της θάλασσας. Για τον προσδιορισμό αυτών των δεδομέων ήταν απαραίτητο ένα δίκτυο από υδρομετεωρολογικούς (ωκεανογραφικούς) σταθμούς που βρίσκονται στα Batumi, Kobuleti και Poti. Η έρευνα έδειξε ότι η χρήση των αισθητήρων AVHRR και MODIS ήταν η πιο αποτελεσματική, αλλά τα ληφθέντα δεδομένα χρειαζόντουσαν κάποια προσαρμογή και διόρθωση για να ελαχιστοποιηθούν τα αντίστοιχα σφάλματα. Αυτό πραγματοποιήθηκε εφαρμόζοντας βήμα προς βήμα ειδικές διαδικασίες ελέγχου ποιότητας /αξιολόγησης ποιότητας. Το πρώτο στάδιο ελέγχου αφορούσε σε επίπεδο των εικονοστοιχείων και το δεύτερο στάδιο σε επίπεδο δικτύου. Το κύριο στοιχείο της ανάλυσης ήταν ο εντοπισμός των ανωμαλιών και η απομάκρυνσή τους. Η ακρίβεια της θέσης είναι ζωτικής σημασίας για την επιτυχία του ελέγχου των δορυφορικών πληροφοριών. Για τη βελτίωση του περιγράμματος της παράκτιας ζώνης της Γεωργίας στη Μαύρη Θάλασσα, χρησιμοποιήθηκαν οι εικόνες αρχείου Landsat/ETM. Το περίγραμμα της παράκτιας ζώνης της Γεωργίας της Μαύρης Θάλασσας παρουσιάζεται στην '''Εικόνα 2'''.
Με βάση την έρευνα η μεθοδολογία ελέγχου ποιότητας /αξιολόγησης ποιότητας συνοψίζεται ως εξής:

* Κατά τη διάρκεια των υπολογισμών εξαιρέθηκαν τα εικονοστοιχεία για τα οποία η γωνία ζενιθ του δορυφόρου ήταν μεγαλύτερη των 530 και η γωνία ζενίθ του Ηλίου ήταν μικρότερη των 10.

* Οι τιμές της επιφανειακής θερμοκρασίας στην Μαύρη Θάλασσα υπολογίσθηκαν με νυχτερινό αλγόριθμο, αν η γωνία ζενίθ του Ηλίου υπερβεί τις 7500 , και αντίστοιχα με ημερήσιο αλγόριθμο εάν η γωνία ζενίθ του Ηλίου είναι μικρότερη από 7500.

* Οι υπολογισθείσες τιμές της επιφανειακής θερμοκρασίας είναι αντιπροσωπευτικές και χρησιμοποιούνται για εκείνα τα εικονοστοιχεία όπου οι δείκτες νεφών ισοδυναμούν με το 0.

* Το περίγραμμα της Μαύρης Θάλασσας για δορυφόρους με ανάλυση 30 m ή λιγότερο θα πρέπει να είναι παρόμοιο με αυτό της '''Εικόνας 2''' για την επίτευξη υψηλής ακρίβειας θέσης.

* Έλεγχος δορυφορικών δεδομένων που χαρακτηρίζονται ως ανεπαρκή εάν η απόκλιση των δορυφορικών υδρομετεωρολογικών δεδομένων τους είναι μεγαλύτερη από 3°C.

* Οι τιμές της επιφανειακής θερμοκρασίας της ακτής της Γεωργίας πρέπει να υπολογιστούν με πολυκαναλική μέθοδο για συγκεκριμένα εικονοστοιχεία των σταθμών Kobuleti και Poti.

'''Συμπεράσματα'''

Συμπερασματικά, από τη μεγάλη ποικιλία δορυφόρων παρατήρησης της Γης, η χρήση των δορυφόρων NOAA, AQUA, TERRA, LANDSAT και SPOT και των δορυφορικών συστημάτων RADARSAT και ERS είναι τα καταλληλότερα για την έγκαιρη προειδοποίηση των μετεωρολογικών και υδρολογικών καταστροφών που παρατηρούνται στην Γεωργία. Από όλες τις φυσικές καταστροφές που σχετίζονται με τις καιρικές συνθήκες και το νερό, η χρήση δορυφορικών δεδομένων είναι η πλέον αποτελεσματική για την έγκαιρη προειδοποίηση πλημμυρών, δασικών πυρκαγιών και για την παροχή ασφάλειας των μεταφορών στη Μαύρη Θάλασσα. Επιπλέον, οι καθιερωμένες διαδικασίες ελέγχου ποιότητας /αξιολόγησης ποιότητας είναι αποτελεσματικές για τη ρύθμιση και τη διόρθωση των δορυφορικών δεδομένων της θερμοκρασίας της επιφάνειας της θάλασσας στη Μαύρη Θάλασσα.

[[category:Διαχείριση κινδύνων]]

Παρακολούθηση της μεταβολής των χρήσεων/κάλυψης γης στο δέλτα του αιγυπτιακού Νείλου χρησιμοποιώντας τηλεπισκόπηση

2020-02-04T23:10:32Z

Christina Anas:

'''Παρακολούθηση της μεταβολής των χρήσεων/κάλυψης γης στο δέλτα του αιγυπτιακού Νείλου χρησιμοποιώντας τηλεπισκόπηση'''

'''Πρωτότυπος τίτλος:''' Detection of land use/cover change in Egyptian Nile Delta using remote sensing

'''Συγγραφείς:''' M.H. Elagouza, S.M. Abou-Shleel(a), A.A. Belal(b), M.A.O. El-Mohandesa

(a) Environment and Bio-Agric. Dept., Fac. of Agric., Al-Azhar Univ., Nasr City, Cairo, Egypt

(b) National Authority for Remote Sensing and Space Sciences (NARSS), Cairo, Egypt

'''Δημοσιεύθηκε:''' The Egyptian Journal of Remote Sensing and Space Science, 6 Ιανουαρίου 2019

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S1110982317304301]

'''Λέξεις-Κλειδιά:''' Χρήση/κάλυψη γης, Ανίχνευση μεταβολών, Δέλτα του Νείλου

[[Εικόνα: p3photo1.jpg| thumb| right|'''Εικόνα 1:''' Χρήσεις/Καλύψεις γης στην περιοχή μελέτης για τα έτη 1987, 2000 και 2015]]

[[Εικόνα: p3photo2.jpg| thumb| right|'''Πίνακας 1:''' Ποσοστό μεταβολής των διαφόρων κατηγοριών χρήσης/κάλυψης γης στην περιοχή μελέτης κατά την περίοδο 1987 έως 2015]]

[[Εικόνα: p3photo3.jpg| thumb| right|'''Πίνακας 2:''' Μεταβολή της αστικής περιοχής των κυβερνήσεων του δέλτα του Νείλου κατά την περίοδο 1987 έως 2015]]

'''Αντικείμενο Εφαρμογής'''

Η παρούσα μελέτη χρησιμοποιώντας μεθόδους τηλεπισκόπησης και GIS στοχεύει στην αξιολόγηση της μεταβολής των χρήσεων/κάλυψης γης που πραγματοποιήθηκαν στο δέλτα του Αιγυπτιακού Νείλου από το 1987 έως το 2015. Ο απώτερος σκοπό είναι να εκτιμηθούν οι επιπτώσεις που προκάλεσε η αιγυπτιακή επανάσταση του 2011 και κατά συνέπεια η απρογραμμάτιστη αστική εξάπλωση στις χρήσεις/καλύψεις γης.

'''Εισαγωγή'''

Το Δέλτα του Αιγυπτιακού Νείλου είναι μία από τις παλαιότερες γεωργικές περιοχές του κόσμου και αντιπροσωπεύει το 63% της ολικής αιγυπτιακής καλλιεργούμενης έκτασης. Στόχος της κυβέρνησης τα τελευταία χρόνια είναι η αύξηση της γεωργικής παραγωγής και ποιότητας μέσω της αύξησης των γεωργικών εκτάσεων. Παρ’όλα αυτά το πρόβλημα της εδαφικής υποβάθμισης προκαλεί μείωση των φυσικών πόρων και της προσφοράς των τροφίμων με σοβαρές κοινωνικοπολιτικές συνέπειες. Συνεπώς, υπάρχει ανάγκη για ακριβή και επικαιροποιημένα δεδομένα για την χρήση/κάλυψη γης που θα βοηθήσει στον απολογισμό των καλλιεργούμενων εκτάσεων. Η τηλεπισκόπηση είναι ένα πολύ χρήσιμο εργαλείο για αυτό τον σκοπό καθώς παρέχει ψηφιακά δεδομένα απεικονίσεων μεγάλων εκτάσεων γης. Επιπλέον οι τεχνολογίες GIS δίνουν την δυνατότητα της αποθήκευσης, της ανάλυσης και της εμφάνισης αυτών των ψηφιακών δεδομένων που απαιτούνται για την ανίχνευση των τυχόν μεταβολών στις χρήσεις γης και στην δημιουργία μίας βάσης δεδομένων. Στόχος αυτής της έρευνας είναι χρησιμοποιώντας δεδομένα τηλεπισκόπησης να προσδιοριστεί ο τύπος καθώς και ο ρυθμός μεταβολής των χρήσεων/καλύψεων γης της εξεταζόμενης περιοχής.

'''Μεθοδολογία-Ανάλυση'''

*'''Περιοχή μελέτης'''

Το Δέλτα του Νείλου βρίσκεται στη βόρεια Αίγυπτο μεταξύ των γεωγραφικών σημείων 29 ° 37 '52 "Ε και 32 ° 55' 49" E και 29 ° 37 '49 "Ν και 31 ° 41' 2" Ν. Επεκτείνεται σε μια έκταση 240km2 και αποτελεί την οικονομική καρδιά της Αιγύπτου καθώς εμπεριέχει την γονιμότερη γεωργική γη τα χώρας και γύρω από αυτό ζει το 50% του πληθυσμού.

*'''Συλλογή δεδομένων'''

Από της ιστοσελίδα USGS Earth Explorer ελήφθησαν τρεις διαφορετικοί τύποι εικόνων Landsat (Landsat 5 ΤΜ, Landsat 7 ETM + και Landsat 8 OLI TIRS). Για την επίτευξη των στόχων της μελέτης χρησιμοποιήθηκαν εικόνες από τρεις διαφορετικές ημερομηνίες 14/7/1987, 11/7/2000 και 5/7/2015.

*'''Προεπεξεργασία εικόνων'''

Στις εικόνες πραγματοποιήθηκε γεωμετρική διόρθωση χρησιμοποιώντας το λογισμικό EVNVI 5.1. Μετά από αυτό πραγματοποιήθηκε ατμοσφαιρική διόρθωση στο ορατό, εγγύς υπέρυθρο, μικροκυματικό υπέρυθρο σε όλες τις εικόνες του δορυφόρου Landsat. Τέλος, χρησιμοποιώντας το λογισμικό EVNVI 5.1 πραγματοποιήθηκε ατμοσφαιρική ανάλυση με βάση την αφαιρετική μέθοδο (dark-object) με σκοπό να διορθωθούν οι ατμοσφαιρικές επιδράσεις στα ανακλώμενα στοιχεία.

*'''Επεξεργασία εικόνων'''

Η επεξεργασία εικόνων έγινε με το λογισμικό ENVI 5.1. Πραγματοποιήθηκε μη επιβλεπόμενη ταξινόμηση χρησιμοποιώντας αλγορίθμους ανάλυσης δεδομένων (ISODATA) προκειμένου να προσδιοριστούν οι κλάσεις που υπάρχουν στην περιοχή μελέτης. Η μη επιβλεπόμενη ταξινόμηση βασίστηκε σε τεχνικές του σιγμοειδούς μοντέλου του ENVI 5.1. Οι Landsat εικόνες της περιοχής μελέτης ταξινομήθηκαν σε εννέα διαφορετικές κατηγορίες ανάλογα με τη χρήση/κάλυψη γης (γεωργικές, αστικές, νερό, υδατο-καλλιέργειες, φυσική βλάστηση, sabkha, αλάτι, γυμνό έδαφος και άμμος).

*'''Ανίχνευση αλλαγών μετά την ταξινόμηση'''
Μετά την ταξινόμηση έγινε η σύγκριση των διορθωμένων εικόνων μεταξύ των περιόδων 1987, 2000 και 2015. Οι ταξινομημένες εικόνες εισήχθησαν στο λογισμικό ArcGIS 10.2 για διανυσματικοποίηση, υπολογισμούς και σύγκριση ίδιων περιοχών μεταξύ διαφορετικών ημερομηνιών, με σκοπό τον εντοπισμό των αλλαγών που προέκυψαν από την αύξηση ή μείωση της χρήσης/κάλυψης γης. H στατιστική συσχέτιση υπολογίστηκε με βάση το F-test και το Duncan-test με όριο πιθανότητας 5%.

'''Αποτελέσματα'''

*'''Αλλαγές στις χρήσεις/καλύψεις γης στο Δέλτα του Νείλου'''

Οι ταξινομημένες εικόνες, μετά την προεπεξεργασία και την επιβλεπόμενη ταξινόμηση υπέδειξαν τα διαφορετικά μοτίβα χρήσης/κάλυψης γης στην περιοχή μελέτης ('''Εικόνα 1''').Οι μεταβολές των χρήσεων γης κατά την περίοδο από το 1987 έως το 2015 αυξομειώθηκαν ανάλογα με την αστική εξάπλωση και την αποκατάσταση των εδαφών ('''Πίνακας 1'''). Οι καλλιεργούμενες εκτάσεις αυξήθηκαν με ρυθμό 25,8% λόγω της γεωργικής επέκτασης στην έρημο καθώς και της αξιοποίησης των βόρειων λιμνών ενώ το συνολικό ποσοστό μεταβολής των αστικών περιοχών από το 1987 έως το 2015 έφτασε το 99%. Αντίθετη τάση ακολούθησαν οι υδάτινοι πόροι με ρυθμό μείωσης 27,4% ενώ οι ιχθυοτροφικές καλλιέργειες αυξήθηκαν με ποσοστό 266,8%. Η φυσική βλάστηση αυξήθηκε κατά 25,8% ενώ το sabkha μειώθηκε 60,3% για ολόκληρη την περίοδο μελέτης πιθανός λόγω της αύξησης των ιχθυοκαλλιεργειών.

*'''Μεταβολές στις κυβερνήσεις του Δέλτα του Νείλου κατά την περίοδο1987 έως το 2015'''

Όσον αφορά τις αλλαγές στη γεωργική έκταση, οι έντεκα κυβερνήσεις του Δέλτα του Νείλου έδειξαν τρία διαφορετικά πρότυπα. Το πρώτο μοντέλο περιλάμβανε έξι κυβερνήσεις (Sharkia, Monofiya, Ismailia, Kafr El-Sheikh, El-Behera και Αλεξάνδρεια), όπου η καλλιεργούμενη περιοχή παρουσίαζε συνεχή αύξηση από το 1987 έως το 2015. Στις περιοχές αυτές το 2015 η καλλιεργούμενη έκταση αντιπροσώπευε το 74,0% της συνολικής καλλιεργήσιμης έκτασης του δέλτα του Νείλου. Τέσσερις άλλες κυβερνήσεις αντιπροσώπευαν το δεύτερο πρότυπο (Qalyubia, Gharbia, Damietta και Dakahliea), όπου η γεωργική περιοχή μειώθηκε συνεχώς καθ 'όλη τη διάρκεια της μελέτης. Η έκταση που καλλιεργείται στις περιοχές αυτές, το 2015, αντιπροσώπευε το 26,0% της συνολικής καλλιεργούμενης έκτασης στο Δέλτα του Νείλου. Το τρίτο μοντέλο εκπροσωπήθηκε από τις κυβερνήσεις του Port Said, όπου η καλλιεργούμενη έκταση μειώθηκε κατά 71,1% κατά την περίοδο 1987-2000 και αυξήθηκε στη συνέχεια κατά 3029,8% από το 2000 έως το 2015. Τέλος, η αστική περιοχή αυξήθηκε σε όλες τις κυβερνήσεις του Δέλτα κατά τη διάρκεια της περιόδου μελέτης με ρυθμό αύξησης 105,6% ('''Πίνακας 2''').

'''Συμπεράσματα'''

Τα δορυφορικά δεδομένα είναι καλή και γρήγορη τεχνική παρακολούθησης των αλλαγών στη χρήση/κάλυψη γης με χαμηλό κόστος σε σύγκριση με τις συμβατικές μεθόδους ανίχνευσης. Επίσης, είναι αξιοσημείωτο πως οι περισσότερες αιγυπτιακές κυβερνήσεις έχουν επηρεαστεί σημαντικά από τις διαφορετικές κατηγορίες της κάλυψης γης, όπως η γεωργικές, οι αστικές, οι αμμώδεις και οι υδατικές περιοχές. Επιπροσθέτως, η μελέτη αυτή έδειξε ότι η περιοχή μελέτης έχει υποστεί μια πολύ σοβαρή αλλαγή χρήσης γης ως αποτέλεσμα της αστικής εξάπλωσης, πρόβλημα που πρέπει να μελετηθεί σοβαρά, από πολλές πλευρές, συμπεριλαμβανομένης και της κοινωνικοοικονομικής, προκειμένου να διατηρηθεί αυτή η πολύτιμη και περιορισμένη γεωργική γη και να αυξηθεί η παραγωγή της στο τομέα των τροφίμων. Τέλος, συνίσταται η συνεχής τηλεσκοπική συλλογή εικόνων, ανάλυση και ενημέρωση τους σχετικά με την αστικοποίηση στο Δέλτα του Νείλου για την ταχεία λήψη αποφάσεων από τις αρμόδιες αρχές.

[[category:Αστικός και περιφερειακός σχεδιασμός]]

Εκτίμηση της επίδρασης της μεταβολής της βλάστησης στις βροχοπτώσεις και την θερμοκρασία...

2020-02-04T23:09:12Z

Christina Anas:

'''Εκτίμηση της επίδρασης της μεταβολής της βλάστησης στις βροχοπτώσεις και την θερμοκρασία της επιφάνειας του εδάφους χρησιμοποιώντας την τηλεπισκόπηση στο υποτροπικό κλίμα της Αιθιοπίας '''

'''Πρωτότυπος τίτλος:''' An assessment of the vegetation cover change impact on rainfall and land surface temperature using remote sensing in a subtropical climate, Ethiopia

'''Συγγραφείς:''' Worku Nega a,c,*, Binyam Tesfaw Hailu a,d, Aramde Fetene b*

a* School of Earth Science, College of Natural and Computational Sciences, Addis Ababa University, Ethiopia

b* Ethiopian Institute of Architecture, Building Construction & City Development (EiABC), Addis Ababa University, Ethiopia

c* Institute of Land Administration, Department of Land Administration and Surveying, Debre Markos University, Ethiopia

d* Philipps-Universitat Marburg, Department of Geography, Deutschhausstraße 12, 35032, Marburg, Germany

'''Δημοσιεύθηκε:''' Remote Sensing Applications: Society and Environment, Νοέμβριος 2019

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S2352938519301880]

'''Λέξεις-Κλειδιά:''' βροχόπτωση, θερμοκρασία, βλάστηση

[[Εικόνα:p5photo1.png| thumb| right|'''Εικόνα 1:''' Χάρτης NDVI για τα έτη (α) 1985, (β) 2000, (γ) 2010, και (δ) 2017]]

[[Εικόνα:p5photo2.png| thumb| right|'''Εικόνα 2:''' Χάρτης κάλυψης γη της ζώνης North Gondar για τα έτη (α) 1985, (β) 2000, (γ) 2010, και (δ) 2017]]

'''Αντικείμενο Εφαρμογής'''

Σκοπός της μελέτης είναι να αξιολογηθούν οι μεταβολές της βλάστησης για την περίοδο από το 1985 έως το 2017 και να αξιολογηθούν οι επιπτώσεις της στις βροχοπτώσεις και στην επιφανειακή θερμοκρασία του εδάφους σε μια εξαιρετικά αποψιλωμένη και πολυπληθή περιοχή της Αιθιοπίας.

'''Εισαγωγή'''

Η μελέτη του ποσοστού της βλάστησης και των επιπτώσεών του στο περιβάλλον με τη χρήση τηλεπισκόπησης αποτελεί βασικό ζήτημα για αποτελεσματική λήψη αποφάσεων στη διατήρηση των φυσικών πόρων. Η αποψίλωση έχει ήδη επηρεάσει σημαντικά το κλίμα στην Αιθιοπία και αποτελεί σοβαρή απειλή για τις ατμοσφαιρικές συνθήκες, την απώλεια της βιοποικιλότητας, την ερημοποίηση και τον εκτοπισμό ανθρώπων. Η τεχνολογία τηλεπισκόπησης είναι σημαντική για την παρατήρηση και την ποσοτικοποίηση των φυσικών πόρων και των δυναμικών φαινομένων στην επιφάνεια της Γης. Τα τελευταία χρόνια, τα δεδομένα τηλεπισκόπησης έχουν αξιολογήσει αποτελεσματικά τις μακροπρόθεσμες αλλαγές στην κάλυψη της βλάστησης. Οι δορυφορικές εικόνες συνιστούν ένα οικονομικά αποδοτικό μέσο για συλλογή και ανάλυση δεδομένων κάλυψης γης σε μεγάλες γεωγραφικές περιοχές. Η χαρτογράφηση, η ποσοτικοποίηση και η παρακολούθηση της κάλυψης γης είναι απαραίτητες για την κατανόηση της τρέχουσας κατάστασης του τοπίου. Η εκτίμηση των χωροχρονικών αποκλίσεων της βλάστησης αποτελεί βασικό δείκτη για την κατανόηση των φυσικών αλλαγών του περιβάλλοντος. Ο NDVI μπορεί να χρησιμοποιηθεί ως δείκτης για τη μελέτη της διαχρονικής μεταβλητότητας της βλάστησης. Η μελέτη αυτή διερευνά τις επιπτώσεις της βλάστησης στις βροχοπτώσεις και την LST της ζώνης North Gondar για την περίοδο 1985-2017 χρησιμοποιώντας τηλεπισκόπηση και στατιστική ανάλυση.

'''Μεθοδολογία-Ανάλυση'''

*'''Περιοχή μελέτης'''

Η περιοχή μελέτης είναι η North Gondar Zone στην Αιθιοπία. Περιλαμβάνει 23 διοικητικές περιφέρειες και καλύπτει συνολική έκταση 4.476.421 εκτάρια με συνολικό πληθυσμό περίπου 3,5 εκ. Το κλίμα της περιοχής είναι υποτροπικό, δηλαδή θερμό κατά τη διάρκεια της ξηράς περιόδου (Οκτώβριος - Φεβρουάριος) και κρύο κατά τη διάρκεια της περιόδου των βροχών (Ιούνιος – Σεπτέμβριος) με μέση εποχιακή θερμοκρασία μεταξύ 20 και 25οC.

*'''Γεωχωρικά δεδομένα'''

Αυτή η μελέτη χρησιμοποιεί διάφορους τύπους δεδομένων τηλεπισκόπησης. Περιλαμβάνει πολυφασματικές εικόνες από τον Landsat 8 OLI (2017) και Landsat 5 TM (1985, 2000 και 2010) για την ανάλυση της βλάστησης όπως επίσης και δεδομένα MODIS/Terra LST (land surface temperature) από το 2000 έως το 2017 για την ανάλυση της τάσης της επιφανειακής θερμοκρασίας (LST). Ακόμη, για την ανάλυση της βροχόπτωσης χρησιμοποιήθηκαν δεδομένα από το Climate Hazards Group Infrared Precipitation with Stations (CHIRPS) για τα έτη 1981-2017.

*'''Προεπεξεργασία δεδομένων'''

Σε αυτή τη μελέτη, εφαρμόστηκαν ατμοσφαιρικές και ραδιομετρικές διορθώσεις, χρησιμοποιώντας το λογισμικό ERDAS Imagine 2015. Τα σύνολα δεδομένων MODIS διατέθηκαν στη μορφή ιεραρχικών δεδομένων (HDF) και για τη μετατροπή αυτών των αρχείων στο κατάλληλο σύστημα συντεταγμένων (Adindan UTM Zone 37 N) και στην μορφή tiff , χρησιμοποιήθηκε το ArcGIS 10.3.

*'''NDVI και οριοθέτηση εικόνας'''

Ο NDVI είναι ένας δείκτης βλάστησης που διακρίνει αποτελεσματικά την ύπαρξη της βλάστησης. Η τιμή NDVI ενός εικονοστοιχείου κυμαίνεται μεταξύ -1 και 1. Υψηλότερες τιμές υποδηλώνουν πλουσιότερη και υγιέστερη βλάστηση, ενώ οι τιμές πιο κοντά στο 0 και το -1 αντιστοιχούν σε άγονες εκτάσεις και υδάτινες επιφάνειες αντίστοιχα. Η σχέση το δείκτη NDVI είναι η ακόλουθη:

[[Εικόνα:p5photo3.png| thumb| center|]]

Εφαρμόστηκαν όρια για τον προσδιορισμό των ελάχιστων και μέγιστων τιμών κατωφλίου μίας επεξεργασμένης εικόνας NDVI. Στη μελέτη αυτή, το όριο καθορίστηκε στην τιμή 0,45. Οι δορυφορικές εικόνες με NDVI> 0.45 ταξινομήθηκαν ως βλάστηση και τα εικονοστοιχεία με τιμή <0.45 ταξινομήθηκαν ως περιοχές χωρίς βλάστηση. Σε αυτή τη μελέτη στις ταξινομημένες εικόνες χρησιμοποιήθηκε η μέθοδος image differencing για την ανίχνευση των μεταβολών της βλάστησης.

*'''Αξιολόγηση ακριβείας'''

Στη μελέτη αυτή, η ακρίβεια εκτιμήθηκε χρησιμοποιώντας σημεία ελέγχου εδάφους από παρατηρήσεις πεδίου ως κύρια πηγή δεδομένων αναφοράς συμπληρωματικά με τα σημεία του Google Earth. Συνολικά 500 σημεία αναφοράς και από τις δύο πηγές χρησιμοποιήθηκαν για να ταξινομήσουν την δορυφορική εικόνα και να επαληθεύσουν το αποτέλεσμα. Ακόμη υπολογίστηκε ο συντελεστής k ο οποίος δίνει μια εκτίμηση της συνολικής συμφωνίας μεταξύ των εικόνων και των στοιχείων αναφοράς.

*'''Υπολογισμός επιφανειακής θερμοκρασίας'''

Τα δεδομένα MODIS LST με χωρική ανάλυση 1 km βαθμονομήθηκαν για να λαμβάνουν τη θερμοκρασία σε βαθμούς Κελσίου με βάση την παρακάτω σχέση:

Θερμοκρασία(οC)= (ψηφιακός αριθμός*0.02)-273.15)

Η μέση μηνιαία τιμή LST για κάθε έτος στην περίοδο μελέτης (2000-2017) υπολογίστηκε χρησιμοποιώντας την αριθμομηχανή raster στο ArcGIS προσθέτοντας τέσσερις διαδοχικές σύνθετες εικόνες διάρκειας 8 ημερών και διαιρώντας με το 4. Στη συνέχεια, ο μέσος όρος LST της περιόδου ξηρασίας για κάθε έτος της περιόδου μελέτης υπολογίστηκε με βάση το λόγο του αθροίσματος του μηνιαίου LST για κάθε μήνα του έτους προς το 7, το οποίο δείχνει τον αριθμό των μηνών ξηρής περιόδου (Οκτώβριος-Απρίλιος ).

*'''Ανάλυση τάσεων και στατιστική ανάλυση'''

Η τάση των δεδομένων βροχόπτωσης και LST αναλύθηκε χρησιμοποιώντας το Mann-Kendall trend που δείχνει κατά πόσο οι τάσεις των χρονοσειρών της βροχόπτωσης και του LST μειώνονται, αυξάνονται ή δεν υπάρχουν. Ακόμη, για να ελεγχθεί ο συσχετισμός μεταξύ της κάλυψης από βλάστηση με τις μέσες ετήσιες τιμές των βροχοπτώσεων και της επιφανειακής θερμοκρασίας εφαρμόστηκε σε κάθε εικονοστοιχείο ο συντελεστής συσχέτισης Pearson (PCC).

'''Αποτελέσματα'''

*'''NDVI και καλύψεις γης'''

Σύμφωνα με την '''Εικόνα 1''' για τα έτη 1985 και 2017, o NDVI της περιοχής μελέτης κυμαίνεται από +1.00 έως -0.51 και +0.53 έως -0.22, αντίστοιχα. Το 2000 και 2010 οι τιμές NDVI κυμαίνονταν από -0,56 έως 0,67 και από -0,53 έως 0,63 αντίστοιχα. Συνολικά, η μέγιστη τιμή του δείκτη βλάστησης μειώθηκε από 1,00 το 1985 σε 0,53 το 2017συνεπώς, η κάλυψη της βλάστησης ήταν μεγαλύτερη το 1985 από ό,τι το 2017. Σύμφωνα με την '''Εικόνα 2''' μέχρι το 2000, η βλάστηση είχε μειωθεί στο 3,9% της συνολικής έκτασης. Μέχρι το 2017, μόνο το 2,6% της περιοχής μελέτης καλυπτόταν από βλάστηση. Συνολικά, η ζώνη North Gondar έχει χάσει περίπου το 2,1% της κάλυψης από βλάστηση τα τελευταία 32 χρόνια.

*'''Αξιολόγηση ακριβείας'''

Για το 1985, η αξιολόγηση ακρίβειας δείχνει ότι η συνολική ακρίβεια ήταν 86,4% με συντελεστή k=0,72. Ενώ το 2017 η συνολική ακρίβεια της εικόνας ταξινόμησης (92,2%) και του συντελεστή k (0,84) βελτιώθηκαν αμφότερες.

*'''Ανάλυση τάσεων ετήσιας βροχόπτωσης και ξηρής περιόδου LST'''

Η Mann-Kendall trend έδειξε ότι οι αλλαγές στη μέση, την ελάχιστη και την μέγιστη ετήσια βροχόπτωση κατά την περίοδο μελέτης ήταν στατιστικά αμελητέες. Ωστόσο, σε όλες τις τιμές παρατηρήθηκε μία μικρή ανοδική τάση κατά την περίοδο της μελέτης. Στην LST δεν διαπιστώθηκε καμία σημαντική τάση κατά την περίοδο της μελέτης.

*'''Σχέση μεταξύ NDVI και βλάστησης με τις βροχοπτώσεις'''

Η συσχέτιση Pearson δείχνει ότι ο NDVI και οι βροχοπτώσεις έχουν μέτρια συσχέτιση, με συντελεστή συσχέτισης R= 0,76. Ωστόσο, η τοπική μέση ετήσια βροχόπτωση ελαττώθηκε κατά 143,9 mm πιθανόν επειδή η βλάστηση μειώθηκε συνολικά κατά 56952 ha στα βόρεια, κεντρικά και νοτιοανατολικά τμήματα της περιοχής μελέτης από το 2000 μέχρι το 2017.

*'''Σχέση μεταξύ NDVI και βλάστησης με την LST'''

Ο συντελεστής συσχέτισης που επιτυγχάνεται για τα LST και NDVI είναι k= -0,98. Αυτό δείχνει ότι το LST είναι έντονα, αρνητικά συσχετισμένο με το NDVI. Συνεπώς, περιοχές με το λιγότερη κάλυψη βλάστησης εμφανίζουν μεγαλύτερες επιφανειακές θερμοκρασίες. Επιπλέον, η μέγιστη τιμή LST αυξήθηκε από 38,04 οC το 2000 σε 40,73 οC το 2010 ενώ η βλάστηση μειώθηκε σε μέγεθος από 173,971 ha το 2000 σε 141.785 ha το 2010. Για την περίοδο 2010 έως 2017, η βλάστηση μειώθηκε στα 117.019 ha και η μέγιστη LST έφτασε τους 42,63 οC.

'''Συμπεράσματα'''

Η μελέτη αυτή χρησιμοποιεί τις τιμές NDVI για την παρακολούθηση της βλάστησης στο κεντρικό, βόρειο και νοτιοανατολικό τμήμα της ζώνης North Gondar, της Αιθιοπίας. Τα αποτελέσματα έδειξαν πως η περιοχή μελέτης έχει χάσει το 2,1% της βλάστησης της τα τελευταία 32 χρόνια. Ακόμη, η περιοχή δείχνει μια τάση αύξησης της ελάχιστης, μέγιστης και μέσης ετήσιας βροχόπτωσης από το 1981 έως το 2017. Οι ετήσιες ελάχιστες, μέγιστες και μέσες βροχοπτώσεις αυξήθηκαν κατά 1,41 mm, 4,88 mm και 3,56 mm αντίστοιχα κατά την περίοδο της μελέτης. Το Mann-Kendall trend έδειξε επίσης ότι οι τάσεις στο ελάχιστο, μέγιστο και μέσο όρο LST δεν ήταν στατιστικά σημαντικές, ωστόσο, η ετήσια ελάχιστη, μέγιστη και μέση τιμή LST αυξήθηκε κατά 0,01οC, 0,09 ̊C και 0,03 ̊C, αντίστοιχα, κατά τη διάρκεια της περιόδου μελέτης. Οι στατιστική μελέτη έδειξε ότι μεταξύ των ετών 2000 και 2017, η μέση ετήσια βροχόπτωση μειώθηκε κατά 144 mm και η μέση ξηρή περίοδος LST αυξήθηκε κατά 2 ° C, καθώς η βλάστηση μειώθηκε κατά 56.952 ha.

[[category:Καταγραφή πρασίνου]]

Αρχείο:P6photo9.png

2020-02-04T23:06:35Z

Christina Anas: Μελλοντική χωρική κατανομή των κήπων, των γεωργικών και των αστικών χρήσεων γης για το 2019, 2050 και 2100

Μελλοντική χωρική κατανομή των κήπων, των γεωργικών και των αστικών χρήσεων γης για το 2019, 2050 και 2100

Αρχείο:P6photo8.png

2020-02-04T23:05:56Z

Christina Anas: Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 2001 και του 2015

Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 2001 και του 2015

Αρχείο:P6photo7.png

2020-02-04T23:05:32Z

Christina Anas: Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 1987 και του 2015

Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 1987 και του 2015

Αρχείο:P6photo6.png

2020-02-04T23:04:57Z

Christina Anas: Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 1987 και του 2001

Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 1987 και του 2001

Αρχείο:P6photo5.png

2020-02-04T23:04:13Z

Christina Anas: Η χωρική τάση της αστικής επέκτασης στην γεωργική γη κατά την περίοδο 1987-2015

Η χωρική τάση της αστικής επέκτασης στην γεωργική γη κατά την περίοδο 1987-2015

Αρχείο:P6photo4.png

2020-02-04T23:03:22Z

Christina Anas: Χάρτες χρήσεων/κάλυψης γης (1987, 2001, 2015 και 2019) που προέκυψαν από την διαδικασία της εποπτευόμενης ταξινόμησης, της μετα-ταξινόμησης και του φ

Χάρτες χρήσεων/κάλυψης γης (1987, 2001, 2015 και 2019) που προέκυψαν από την διαδικασία της εποπτευόμενης ταξινόμησης, της μετα-ταξινόμησης και του φιλτραρίσματος

Αρχείο:P6photo3.png

2020-02-04T23:02:10Z

Christina Anas: Διαδικασία φιλτραρίσματος του χάρτη χρήσεων/κάλυψης γης για το 2015

Διαδικασία φιλτραρίσματος του χάρτη χρήσεων/κάλυψης γης για το 2015

Αρχείο:P6photo2.png

2020-02-04T23:01:41Z

Christina Anas: Διαδικασία ενίσχυσης στην μετα-ταξινόμηση του χάρτη χρήσεων/κάλυψης γης για το 2001

Διαδικασία ενίσχυσης στην μετα-ταξινόμηση του χάρτη χρήσεων/κάλυψης γης για το 2001

Αρχείο:P6photo1.png

2020-02-04T23:01:07Z

Christina Anas: Ψευδόχρωμο σύνθετο των εικόνων Landsat για τα έτη 1987, 2001, 2015, 2019

Ψευδόχρωμο σύνθετο των εικόνων Landsat για τα έτη 1987, 2001, 2015, 2019

Χρονική ανίχνευση και πρόβλεψη της μεταβολής της γεωργικής γης από την αστικοποίηση εφαρμόζοντας μεθόδους τηλεπισκόπησης

2020-02-04T23:00:17Z

Christina Anas:

''' Χρονική ανίχνευση και πρόβλεψη της μεταβολής της γεωργικής γης από την αστικοποίηση εφαρμόζοντας μεθόδους τηλεπισκόπησης '''

'''Πρωτότυπος τίτλος:''' Temporal detection and prediction of agricultural land consumption by urbanization using remote sensing

'''Συγγραφείς:''' Osama Rady Abd EL-kawy a*, Hassan Ahmed Ismail a*, Hythem Mohamed Yehia b*, Mohamed Abdelrady Allam a*

a* Department of Soil and Water Sciences, Faculty of Agriculture, Alexandria University, Egypt

b* Soil Salinity and Alkalinity Department, Soil & Water & Environment Institute, Agricultural Research Centre, Ministry of Agriculture, Egypt

'''Δημοσιεύθηκε:''' The Egyptian Journal of Remote Sensing and Space Science, Δεκέμβριος 2019

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S1110982318304757]

'''Λέξεις-Κλειδιά:''' Γεωργική γη, Αστικοποίηση, Χρήση/κάλυψη γης, Αλεξάνδρεια, El-Behiera, Αίγυπτος

[[Εικόνα:p6photo1.png| thumb| right|'''Εικόνα 1:''' Ψευδόχρωμο σύνθετο των εικόνων Landsat για τα έτη 1987, 2001, 2015, 2019]]

[[Εικόνα:p6photo2.png| thumb| right|'''Εικόνα 2:''' Διαδικασία ενίσχυσης στην μετα-ταξινόμηση του χάρτη χρήσεων/κάλυψης γης για το 2001]]

[[Εικόνα:p6photo3.png| thumb| right|'''Εικόνα 3:''' Διαδικασία φιλτραρίσματος του χάρτη χρήσεων/κάλυψης γης για το 2015]]

[[Εικόνα:p6photo4.png| thumb| right|'''Εικόνα 4:''' Χάρτες χρήσεων/κάλυψης γης (1987, 2001, 2015 και 2019) που προέκυψαν από την διαδικασία της εποπτευόμενης ταξινόμησης, της μετα-ταξινόμησης και του φιλτραρίσματος]]

[[Εικόνα:p6photo5.png| thumb| right|'''Εικόνα 5:''' Η χωρική τάση της αστικής επέκτασης στην γεωργική γη κατά την περίοδο 1987-2015]]

[[Εικόνα:p6photo6.png| thumb| right|'''Εικόνα 6:''' Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 1987 και του 2001]]

[[Εικόνα:p6photo7.png| thumb| right|'''Εικόνα 7:''' Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 1987 και του 2015]]

[[Εικόνα:p6photo8.png| thumb| right|'''Εικόνα 8:''' Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 2001 και του 2015]]

[[Εικόνα:p6photo9.png| thumb| right|'''Εικόνα 9:''' Μελλοντική χωρική κατανομή των κήπων, των γεωργικών και των αστικών χρήσεων γης για το 2019, 2050 και 2100]]

'''Αντικείμενο Εφαρμογής'''

Οι κύριοι στόχοι αυτής της έρευνας είναι να ανιχνεύσει και να ποσοτικοποιήσει τις μεταβολές της γεωργικής γης εξ αιτίας της αστικοποίησης καθώς και να προβλέψει τη μελλοντική εξέλιξη αυτής της διαδικασίας στις περιοχές της Αλεξάνδρειας και της El-Behiera χρησιμοποιώντας τις δορυφορικές εικόνες Landsat για τα έτη1987, 2001, 2015 και 2019.

'''Εισαγωγή'''

Χιλιάδες εκτάρια γεωργικής γης χάνονται από την αστικοποίηση σε όλο τον κόσμο κάθε χρόνο. Στην Αίγυπτο, η γεωργική γη είναι υπό συνεχή απειλή από την αστικοποίηση, εφόσον χάθηκαν περίπου 0,5 εκατομμύρια εκτάρια από τις πιο εύφορες γεωργικές εκτάσεις κατά την περίοδο 1965-2000. Ως η δεύτερη μεγαλύτερη πόλη της Αιγύπτου, η Αλεξάνδρεια γνώρισε ταχεία αύξηση του πληθυσμού της, η οποία οφείλεται στη μετανάστευση από την ύπαιθρο προς την πόλη. Η κυβέρνηση της Αλεξάνδρειας παράγει περίπου το 40% του συνόλου του εθνικού προϊόντος και το 8% του ΑΕΠ. Ο συνολικός αριθμός των κατοίκων προβλεπόταν σε 4,94 εκατομμύρια το 2021, αλλά ήδη έφθασε τα 5,31 εκατομμύρια το 2019 σύμφωνα με πρόσφατη απογραφή. Αυτό έχει ως αποτέλεσμα την αυξημένη απώλεια γεωργικής γης. Τα αποτελέσματα αυτής της έρευνας είναι πολύ σημαντικά για τους υπεύθυνους λήψης αποφάσεων σχετικά με την υιοθέτηση των κατάλληλων στρατηγικών για την αειφόρο διαχείριση της γης.

'''Μεθοδολογία-Ανάλυση'''

*'''Περιοχή μελέτης'''

Γεωγραφικά, η περιοχή μελέτης βρίσκεται στο βορειοανατολικό τμήμα της Αλεξάνδρειας και στο βορειοδυτικό τμήμα του διαμερίσματος El-Behiera. Περιορίζεται από τη Μεσόγειο Θάλασσα από το Βορρά και το κανάλι El-Mahmoudia από τον Νότο και καταλαμβάνει έκταση περίπου 28.789 ha. Ανήκει στην παλιά αγροτική γη της Αιγύπτου, πράγμα που σημαίνει ότι το έδαφος της είναι πολύ εύφορο. Οι κοινές χειμερινές καλλιέργειες που καλλιεργούνται στην περιοχή είναι το σιτάρι, το τριφύλλι, το κρεμμύδι, το κριθάρι και τα φασόλια. Το μεγαλύτερο μέρος της γης είναι επίπεδο, με διακυμάνσεις από 1 m κάτω από την επιφάνεια της θάλασσας έως 10 m πάνω από την επιφάνεια της θάλασσας.

*'''Πηγές δεδομένων και προ-επεξεργασία'''

Για αυτή τη μελέτη επιλέχθηκαν τέσσερις εικόνες Landsat οι οποίες αποκτήθηκαν για τον Ιανουάριο του 1987, τον Φεβρουάριο του 2001, τον Ιανουάριο του 2015 και τον Ιανουάριο του 2019 αντίστοιχα και φαίνονται στην '''Εικόνα 1'''. Οι επιλεγμένες εικόνες έχουν μηδενική νεφοκάλυψη, μέτριες χωρικές αναλύσεις και έχουν αποκτηθεί στη μέση της χειμερινής περιόδου, όπου όλη η γεωργική γη καλλιεργείται. Στην συνέχεια πραγματοποιήθηκε γεωμετρική διόρθωση. Για την καλύτερη διάκριση των στοιχείων εφαρμόστηκε η μέθοδος ενίσχυσης της αντίθεσης και το ψευδόχρωμο σύνθετο στην εικόνα.

*'''Ταξινόμηση εικόνων'''

Σε αυτή τη μελέτη, η ταξινόμηση εικόνων περιλαμβάνει τρεις διαδοχικές διαδικασίες: την εποπτευόμενη ταξινόμηση, τη μετα-ταξινόμηση και την διαδικασία φιλτραρίσματος. Στην περίπτωσή μας χρησιμοποιήθηκε η επιβλεπόμενη ταξινόμηση της μέγιστης πιθανοφάνειας. Συνολικά εντοπίστηκαν πέντε τύποι χρήσεων γης, οι οποίοι είναι η γεωργία, οι αστικές περιοχές, οι κήποι, η εθνική οδός και το νερό. Στην συνέχεια δημιουργήθηκαν τέσσερις αρχικοί χάρτες χρήσεων γης για τα έτη 1987, 2001, 2015 και 2015. Επειδή η ένταση της βλάστησης και οι εναλλαγές καλλιεργειών μπορεί να προκαλέσουν εσφαλμένη ταξινόμηση των προσωρινά ταξινομημένων εικόνων εφαρμόστηκε η διαδικασία μετα-ταξινόμησης στους προηγούμενους χάρτες ('''Εικόνα 2'''). Ακόμη καθώς η εθνική οδός και οι χρήσεις αστικής γης δεν διακρίνονται εύκολα αναμεταξύ τους διεξήχθη η διαδικασία του φιλτραρίσματος στον ήδη επεξεργασμένο χάρτη του 2001 ('''Εικόνα 3''') και στους αρχικούς χάρτες 2015 και 2019. Αυτή η διαδικασία παρήγαγε πιο ακριβείς χάρτες χρήσεων/κάλυψης γης και κατά συνέπεια ελαχιστοποίησε την υπερεκτίμηση των αστικών χρήσεων γης.

*'''Ανίχνευση και πρόβλεψη μεταβολών χρήσεων/κάλυψης γης'''

Σε αυτή την μελέτη εφαρμόστηκε η τεχνική σύγκρισης στην μετα-ταξινόμηση (PCC) για την ανίχνευση των αλλαγών χρήσεων γης μεταξύ των ταξινομημένων εικόνων. Δημιουργήθηκαν τρεις χάρτες μεταβολών (1987-2001, 2001-2015 και 1987-2015) που αντιπροσωπεύουν τη φύση, το μέγεθος και τη θέση των αλλαγών στις χρήσεις γης και το ποσό της μείωσης της γεωργικής γης με την αστικοποίηση. Η πρόβλεψη της αλλαγής χρήσεων γης πραγματοποιήθηκε με το Land Change Modeler (LCM) που στηρίζεται στην ανάλυση της αλυσίδας του Markov. Οι προβλέψεις χρήσεων γης εφαρμόστηκαν για τα έτη 2019, 2050 και 2100. Τέλος, ο χάρτης πρόβλεψης 2019 συγκρίθηκε με τον πραγματικό χάρτη 2019 που προέκυψε από την ταξινόμηση των εικόνων για να εκτιμηθεί η εγκυρότητα των προβλέψεων.

'''Αποτελέσματα'''

Η κατανομή χρήσεων γης για κάθε έτος μελέτης, όπως προέκυψαν από την εποπτευόμενη ταξινόμηση, την μετά-ταξινόμηση και τις διεργασίες φιλτραρίσματος παρουσιάζονται στην '''Εικόνα 4'''. Το αποτέλεσμα της ανάλυσης δείχνει ότι η γεωργική γη και οι αστικές περιοχές αποτελούν τις κυρίαρχες κατηγορίες στην περιοχή μελέτης. Κατά τη διάρκεια της μελέτης παρατηρήθηκε σημαντική μείωση της γεωργικής γης μαζί με την αξιοσημείωτη ανάπτυξη των αστικών περιοχών. Η εθνική οδός παρατηρήθηκε μόνο στους χάρτες του 2001, 2015 και 2019. Αντίστροφα, το νερό εξαφανίστηκε από τους χάρτες του 2015 και του 2019 ως αποτέλεσμα της συνεχούς επέκτασης και ανάπτυξης της ακτογραμμής. Στην '''Εικόνα 5''' παρουσιάζεται η χωρική τάση της αστικής επέκτασης στη γεωργική γη από το 1987 έως το 2019. Στις δύο περιοχές με κόκκινο χρώμα φαίνεται η πιο έντονη τάση αστικοποίησης. Η χωρική κατανομή των αλλαγών των χρήσεων γης απεικονίζεται στις '''Εικόνες 6-8'''. Σύμφωνα με τις προηγούμενες εικόνες φαίνεται ότι η γεωργική γη μειώθηκε κατά 4,51% και 6,52% κατά τις περιόδους 1987-2001 και 2001-2015 αντίστοιχα, με συνολική μείωση κατά 11,03% τις τελευταίες τρεις δεκαετίες (1987-2015). Από την άλλη πλευρά, η αστική περιοχή αυξήθηκε κατά 4,75% και 6,98% στις περιόδους 1987-2001 και 2001-2015, αντίστοιχα, με συνολική αύξηση 11,84% τις τελευταίες τρεις δεκαετίες. Στην συνέχεια δημιουργήθηκαν οι χάρτες πρόβλεψης χρήσεων γης για τα έτη 2019, 2050 και 2100 χρησιμοποιώντας το LCM ('''Εικόνα 9'''). Η πρόβλεψη πραγματοποιήθηκε μόνο για χρήσης γης όπως η γεωργία, οι αστικές περιοχές και οι κήποι. Σύμφωνα με τα αποτελέσματα, προβλέπεται ότι η γεωργική γη θα μειωθεί κατά 11,5% (3316 ha) και 24,5% (7039 ha) το 2050 και 2100, αντίστοιχα. Αντιστρόφως, οι αστικές εκτάσεις θα αυξηθούν κατά 12% (3430 ha) και 25% (7186 ha) το 2050 και 2100, αντίστοιχα. Αυτό σημαίνει ότι η γεωργική γη θα μπορούσε να εξαφανιστεί εντελώς μέσα στα επόμενα διακόσια χρόνια με βάση το σημερινό ποσοστό αστικοποίησης.

'''Συμπεράσματα'''

Το άρθρο αυτό αναλύει την τρέχουσα κατάσταση της αγροτικής γης εξ αιτίας της αστικοποίησης και προβλέπει την μελλοντική εξέλιξη αυτής της διαδικασίας στο βορειοανατολικό τμήμα της Αλεξάνδρειας και στο βορειοδυτικό τμήμα του διαμερίσματος El-Behiera. Η ανίχνευση και η πρόβλεψη της αλλαγής χρήσεων γης πραγματοποιήθηκε με συνδυασμό τεχνικών τηλεπισκόπησης και GIS. Στην μελέτη, αναπτύχθηκαν τέσσερις χάρτες χρήσεων γης (1987, 2001, 2015 και 2019) με βάση τις διαδικασίες ταξινόμησης, μετα-ταξινόμησης και φιλτραρίσματος. Οι διαδικασίες μετα-ταξινόμησης και φιλτραρίσματος παρατηρήθηκε ότι έχουν τη δυνατότητα να αυξήσουν την ακρίβεια των ταξινομημένων εικόνων και να ελαχιστοποιήσουν την υπερεκτίμηση των αστικών περιοχών. Τις τελευταίες τρεις δεκαετίες παρατηρήθηκε σημαντική μείωση (11,03%) στην αγροτική γη σε συνδυασμό με αξιοσημείωτη αύξηση (11,84%) των αστικών περιοχών, αυτό αντιστοιχεί κυρίως στη συνεχή αύξηση του πληθυσμού, την οικονομική ανάπτυξη και την κοινωνική ανάπτυξη. Η γεωργική γη θα μειωθεί κατά 11,5% και 24,5% το 2050 και 2100, αντίστοιχα, ενώ οι αστικές περιοχές θα αυξηθούν κατά 12% και 25% 2050 και 2100, αντίστοιχα. Αυτό απαιτεί τις συντονισμένες προσπάθειες της κυβέρνησης και της κοινωνίας για την μείωση αυτού του φαινομένου εφαρμόζοντας τις κατάλληλες πολιτικές σχεδιασμού και αγροτικής/αστικής ανάπτυξης.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Χρονική ανίχνευση και πρόβλεψη της μεταβολής της γεωργικής γης από την αστικοποίηση εφαρμόζοντας μεθόδους τηλεπισκόπησης

2020-02-04T22:59:54Z

Christina Anas:

''' Χρονική ανίχνευση και πρόβλεψη της μεταβολής της γεωργικής γης από την αστικοποίηση εφαρμόζοντας μεθόδους τηλεπισκόπησης '''

'''Πρωτότυπος τίτλος:''' Temporal detection and prediction of agricultural land consumption by urbanization using remote sensing

'''Συγγραφείς:''' Osama Rady Abd EL-kawy a*, Hassan Ahmed Ismail a*, Hythem Mohamed Yehia b*, Mohamed Abdelrady Allam a*

a* Department of Soil and Water Sciences, Faculty of Agriculture, Alexandria University, Egypt

b* Soil Salinity and Alkalinity Department, Soil & Water & Environment Institute, Agricultural Research Centre, Ministry of Agriculture, Egypt

'''Δημοσιεύθηκε:''' The Egyptian Journal of Remote Sensing and Space Science, Δεκέμβριος 2019

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S1110982318304757]

'''Λέξεις-Κλειδιά:''' Γεωργική γη, Αστικοποίηση, Χρήση/κάλυψη γης, Αλεξάνδρεια, El-Behiera, Αίγυπτος

[[Εικόνα:p6photo1.png| thumb| right|'''Εικόνα 1:''' Ψευδόχρωμο σύνθετο των εικόνων Landsat για τα έτη 1987, 2001, 2015, 2019]]

[[Εικόνα:p6photo2.png| thumb| right|'''Εικόνα 2:''' Διαδικασία ενίσχυσης στην μετα-ταξινόμηση του χάρτη χρήσεων/κάλυψης γης για το 2001]]

[[Εικόνα:p6photo3.png| thumb| right|'''Εικόνα 3:''' Διαδικασία φιλτραρίσματος του χάρτη χρήσεων/κάλυψης γης για το 2015]]

[[Εικόνα:p6photo4.png| thumb| right|'''Εικόνα 4:''' Χάρτες χρήσεων/κάλυψης γης (1987, 2001, 2015 και 2019) που προέκυψαν από την διαδικασία της εποπτευόμενης ταξινόμησης, της μετα-ταξινόμησης και του φιλτραρίσματος]]

[[Εικόνα:p6photo5.png| thumb| right|'''Εικόνα 5:''' Η χωρική τάση της αστικής επέκτασης στην γεωργική γη κατά την περίοδο 1987-2015]]

[[Εικόνα:p6photo6.png| thumb| right|'''Εικόνα 6:''' Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 1987 και του 2001]]

[[Εικόνα:p6photo7.png| thumb| right|'''Εικόνα 7:''' Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 1987 και του 2015]]

[[Εικόνα:p6photo8.png| thumb| right|'''Εικόνα 8:''' Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 2001 και του 2015]]

[[Εικόνα:p6photo9.png| thumb| right|'''Εικόνα 9:''' Μελλοντική χωρική κατανομή των κήπων, των γεωργικών και των αστικών χρήσεων γης για το 2019, 2050 και 2100]]

'''Αντικείμενο Εφαρμογής'''

Οι κύριοι στόχοι αυτής της έρευνας είναι να ανιχνεύσει και να ποσοτικοποιήσει τις μεταβολές της γεωργικής γης εξ αιτίας της αστικοποίησης καθώς και να προβλέψει τη μελλοντική εξέλιξη αυτής της διαδικασίας στις περιοχές της Αλεξάνδρειας και της El-Behiera χρησιμοποιώντας τις δορυφορικές εικόνες Landsat για τα έτη1987, 2001, 2015 και 2019.

'''Εισαγωγή'''

Χιλιάδες εκτάρια γεωργικής γης χάνονται από την αστικοποίηση σε όλο τον κόσμο κάθε χρόνο. Στην Αίγυπτο, η γεωργική γη είναι υπό συνεχή απειλή από την αστικοποίηση, εφόσον χάθηκαν περίπου 0,5 εκατομμύρια εκτάρια από τις πιο εύφορες γεωργικές εκτάσεις κατά την περίοδο 1965-2000. Ως η δεύτερη μεγαλύτερη πόλη της Αιγύπτου, η Αλεξάνδρεια γνώρισε ταχεία αύξηση του πληθυσμού της, η οποία οφείλεται στη μετανάστευση από την ύπαιθρο προς την πόλη. Η κυβέρνηση της Αλεξάνδρειας παράγει περίπου το 40% του συνόλου του εθνικού προϊόντος και το 8% του ΑΕΠ. Ο συνολικός αριθμός των κατοίκων προβλεπόταν σε 4,94 εκατομμύρια το 2021, αλλά ήδη έφθασε τα 5,31 εκατομμύρια το 2019 σύμφωνα με πρόσφατη απογραφή. Αυτό έχει ως αποτέλεσμα την αυξημένη απώλεια γεωργικής γης. Τα αποτελέσματα αυτής της έρευνας είναι πολύ σημαντικά για τους υπεύθυνους λήψης αποφάσεων σχετικά με την υιοθέτηση των κατάλληλων στρατηγικών για την αειφόρο διαχείριση της γης.

'''Μεθοδολογία-Ανάλυση'''

*'''Περιοχή μελέτης'''

Γεωγραφικά, η περιοχή μελέτης βρίσκεται στο βορειοανατολικό τμήμα της Αλεξάνδρειας και στο βορειοδυτικό τμήμα του διαμερίσματος El-Behiera. Περιορίζεται από τη Μεσόγειο Θάλασσα από το Βορρά και το κανάλι El-Mahmoudia από τον Νότο και καταλαμβάνει έκταση περίπου 28.789 ha. Ανήκει στην παλιά αγροτική γη της Αιγύπτου, πράγμα που σημαίνει ότι το έδαφος της είναι πολύ εύφορο. Οι κοινές χειμερινές καλλιέργειες που καλλιεργούνται στην περιοχή είναι το σιτάρι, το τριφύλλι, το κρεμμύδι, το κριθάρι και τα φασόλια. Το μεγαλύτερο μέρος της γης είναι επίπεδο, με διακυμάνσεις από 1 m κάτω από την επιφάνεια της θάλασσας έως 10 m πάνω από την επιφάνεια της θάλασσας.

*'''Πηγές δεδομένων και προ-επεξεργασία'''

Για αυτή τη μελέτη επιλέχθηκαν τέσσερις εικόνες Landsat οι οποίες αποκτήθηκαν για τον Ιανουάριο του 1987, τον Φεβρουάριο του 2001, τον Ιανουάριο του 2015 και τον Ιανουάριο του 2019 αντίστοιχα και φαίνονται στην '''Εικόνα 1'''. Οι επιλεγμένες εικόνες έχουν μηδενική νεφοκάλυψη, μέτριες χωρικές αναλύσεις και έχουν αποκτηθεί στη μέση της χειμερινής περιόδου, όπου όλη η γεωργική γη καλλιεργείται. Στην συνέχεια πραγματοποιήθηκε γεωμετρική διόρθωση. Για την καλύτερη διάκριση των στοιχείων εφαρμόστηκε η μέθοδος ενίσχυσης της αντίθεσης και το ψευδόχρωμο σύνθετο στην εικόνα.

*'''Ταξινόμηση εικόνων'''

Σε αυτή τη μελέτη, η ταξινόμηση εικόνων περιλαμβάνει τρεις διαδοχικές διαδικασίες: την εποπτευόμενη ταξινόμηση, τη μετα-ταξινόμηση και την διαδικασία φιλτραρίσματος. Στην περίπτωσή μας χρησιμοποιήθηκε η επιβλεπόμενη ταξινόμηση της μέγιστης πιθανοφάνειας. Συνολικά εντοπίστηκαν πέντε τύποι χρήσεων γης, οι οποίοι είναι η γεωργία, οι αστικές περιοχές, οι κήποι, η εθνική οδός και το νερό. Στην συνέχεια δημιουργήθηκαν τέσσερις αρχικοί χάρτες χρήσεων γης για τα έτη 1987, 2001, 2015 και 2015. Επειδή η ένταση της βλάστησης και οι εναλλαγές καλλιεργειών μπορεί να προκαλέσουν εσφαλμένη ταξινόμηση των προσωρινά ταξινομημένων εικόνων εφαρμόστηκε η διαδικασία μετα-ταξινόμησης στους προηγούμενους χάρτες ('''Εικόνα 2'''). Ακόμη καθώς η εθνική οδός και οι χρήσεις αστικής γης δεν διακρίνονται εύκολα αναμεταξύ τους διεξήχθη η διαδικασία του φιλτραρίσματος στον ήδη επεξεργασμένο χάρτη του 2001 ('''Εικόνα 3''') και στους αρχικούς χάρτες 2015 και 2019. Αυτή η διαδικασία παρήγαγε πιο ακριβείς χάρτες χρήσεων/κάλυψης γης και κατά συνέπεια ελαχιστοποίησε την υπερεκτίμηση των αστικών χρήσεων γης.

*'''Ανίχνευση και πρόβλεψη μεταβολών χρήσεων/κάλυψης γης'''

Σε αυτή την μελέτη εφαρμόστηκε η τεχνική σύγκρισης στην μετα-ταξινόμηση (PCC) για την ανίχνευση των αλλαγών χρήσεων γης μεταξύ των ταξινομημένων εικόνων. Δημιουργήθηκαν τρεις χάρτες μεταβολών (1987-2001, 2001-2015 και 1987-2015) που αντιπροσωπεύουν τη φύση, το μέγεθος και τη θέση των αλλαγών στις χρήσεις γης και το ποσό της μείωσης της γεωργικής γης με την αστικοποίηση. Η πρόβλεψη της αλλαγής χρήσεων γης πραγματοποιήθηκε με το Land Change Modeler (LCM) που στηρίζεται στην ανάλυση της αλυσίδας του Markov. Οι προβλέψεις χρήσεων γης εφαρμόστηκαν για τα έτη 2019, 2050 και 2100. Τέλος, ο χάρτης πρόβλεψης 2019 συγκρίθηκε με τον πραγματικό χάρτη 2019 που προέκυψε από την ταξινόμηση των εικόνων για να εκτιμηθεί η εγκυρότητα των προβλέψεων.

'''Αποτελέσματα'''
Η κατανομή χρήσεων γης για κάθε έτος μελέτης, όπως προέκυψαν από την εποπτευόμενη ταξινόμηση, την μετά-ταξινόμηση και τις διεργασίες φιλτραρίσματος παρουσιάζονται στην '''Εικόνα 4'''. Το αποτέλεσμα της ανάλυσης δείχνει ότι η γεωργική γη και οι αστικές περιοχές αποτελούν τις κυρίαρχες κατηγορίες στην περιοχή μελέτης. Κατά τη διάρκεια της μελέτης παρατηρήθηκε σημαντική μείωση της γεωργικής γης μαζί με την αξιοσημείωτη ανάπτυξη των αστικών περιοχών. Η εθνική οδός παρατηρήθηκε μόνο στους χάρτες του 2001, 2015 και 2019. Αντίστροφα, το νερό εξαφανίστηκε από τους χάρτες του 2015 και του 2019 ως αποτέλεσμα της συνεχούς επέκτασης και ανάπτυξης της ακτογραμμής. Στην '''Εικόνα 5''' παρουσιάζεται η χωρική τάση της αστικής επέκτασης στη γεωργική γη από το 1987 έως το 2019. Στις δύο περιοχές με κόκκινο χρώμα φαίνεται η πιο έντονη τάση αστικοποίησης. Η χωρική κατανομή των αλλαγών των χρήσεων γης απεικονίζεται στις '''Εικόνες 6-8'''. Σύμφωνα με τις προηγούμενες εικόνες φαίνεται ότι η γεωργική γη μειώθηκε κατά 4,51% και 6,52% κατά τις περιόδους 1987-2001 και 2001-2015 αντίστοιχα, με συνολική μείωση κατά 11,03% τις τελευταίες τρεις δεκαετίες (1987-2015). Από την άλλη πλευρά, η αστική περιοχή αυξήθηκε κατά 4,75% και 6,98% στις περιόδους 1987-2001 και 2001-2015, αντίστοιχα, με συνολική αύξηση 11,84% τις τελευταίες τρεις δεκαετίες. Στην συνέχεια δημιουργήθηκαν οι χάρτες πρόβλεψης χρήσεων γης για τα έτη 2019, 2050 και 2100 χρησιμοποιώντας το LCM ('''Εικόνα 9'''). Η πρόβλεψη πραγματοποιήθηκε μόνο για χρήσης γης όπως η γεωργία, οι αστικές περιοχές και οι κήποι. Σύμφωνα με τα αποτελέσματα, προβλέπεται ότι η γεωργική γη θα μειωθεί κατά 11,5% (3316 ha) και 24,5% (7039 ha) το 2050 και 2100, αντίστοιχα. Αντιστρόφως, οι αστικές εκτάσεις θα αυξηθούν κατά 12% (3430 ha) και 25% (7186 ha) το 2050 και 2100, αντίστοιχα. Αυτό σημαίνει ότι η γεωργική γη θα μπορούσε να εξαφανιστεί εντελώς μέσα στα επόμενα διακόσια χρόνια με βάση το σημερινό ποσοστό αστικοποίησης.

'''Συμπεράσματα'''

Το άρθρο αυτό αναλύει την τρέχουσα κατάσταση της αγροτικής γης εξ αιτίας της αστικοποίησης και προβλέπει την μελλοντική εξέλιξη αυτής της διαδικασίας στο βορειοανατολικό τμήμα της Αλεξάνδρειας και στο βορειοδυτικό τμήμα του διαμερίσματος El-Behiera. Η ανίχνευση και η πρόβλεψη της αλλαγής χρήσεων γης πραγματοποιήθηκε με συνδυασμό τεχνικών τηλεπισκόπησης και GIS. Στην μελέτη, αναπτύχθηκαν τέσσερις χάρτες χρήσεων γης (1987, 2001, 2015 και 2019) με βάση τις διαδικασίες ταξινόμησης, μετα-ταξινόμησης και φιλτραρίσματος. Οι διαδικασίες μετα-ταξινόμησης και φιλτραρίσματος παρατηρήθηκε ότι έχουν τη δυνατότητα να αυξήσουν την ακρίβεια των ταξινομημένων εικόνων και να ελαχιστοποιήσουν την υπερεκτίμηση των αστικών περιοχών. Τις τελευταίες τρεις δεκαετίες παρατηρήθηκε σημαντική μείωση (11,03%) στην αγροτική γη σε συνδυασμό με αξιοσημείωτη αύξηση (11,84%) των αστικών περιοχών, αυτό αντιστοιχεί κυρίως στη συνεχή αύξηση του πληθυσμού, την οικονομική ανάπτυξη και την κοινωνική ανάπτυξη. Η γεωργική γη θα μειωθεί κατά 11,5% και 24,5% το 2050 και 2100, αντίστοιχα, ενώ οι αστικές περιοχές θα αυξηθούν κατά 12% και 25% 2050 και 2100, αντίστοιχα. Αυτό απαιτεί τις συντονισμένες προσπάθειες της κυβέρνησης και της κοινωνίας για την μείωση αυτού του φαινομένου εφαρμόζοντας τις κατάλληλες πολιτικές σχεδιασμού και αγροτικής/αστικής ανάπτυξης.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Χρονική ανίχνευση και πρόβλεψη της μεταβολής της γεωργικής γης από την αστικοποίηση εφαρμόζοντας μεθόδους τηλεπισκόπησης

2020-02-04T22:59:21Z

Christina Anas:

''' Χρονική ανίχνευση και πρόβλεψη της μεταβολής της γεωργικής γης από την αστικοποίηση εφαρμόζοντας μεθόδους τηλεπισκόπησης '''

'''Πρωτότυπος τίτλος:''' Temporal detection and prediction of agricultural land consumption by urbanization using remote sensing

'''Συγγραφείς:''' Osama Rady Abd EL-kawy a*, Hassan Ahmed Ismail a*, Hythem Mohamed Yehia b*, Mohamed Abdelrady Allam a*

a* Department of Soil and Water Sciences, Faculty of Agriculture, Alexandria University, Egypt

b* Soil Salinity and Alkalinity Department, Soil & Water & Environment Institute, Agricultural Research Centre, Ministry of Agriculture, Egypt

'''Δημοσιεύθηκε:''' The Egyptian Journal of Remote Sensing and Space Science, Δεκέμβριος 2019

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S1110982318304757]

'''Λέξεις-Κλειδιά:''' Γεωργική γη, Αστικοποίηση, Χρήση/κάλυψη γης, Αλεξάνδρεια, El-Behiera, Αίγυπτος

[[Εικόνα:p6photo1.png| thumb| right|'''Εικόνα 1:''' Ψευδόχρωμο σύνθετο των εικόνων Landsat για τα έτη 1987, 2001, 2015, 2019]]

[[Εικόνα:p6photo2.png| thumb| right|'''Εικόνα 2:''' Διαδικασία ενίσχυσης στην μετα-ταξινόμηση του χάρτη χρήσεων/κάλυψης γης για το 2001]]

[[Εικόνα:p6photo3.png| thumb| right|'''Εικόνα 3:''' Διαδικασία φιλτραρίσματος του χάρτη χρήσεων/κάλυψης γης για το 2015]]

[[Εικόνα:p6photo4.png| thumb| right|'''Εικόνα 4:''' Χάρτες χρήσεων/κάλυψης γης (1987, 2001, 2015 και 2019) που προέκυψαν από την διαδικασία της εποπτευόμενης ταξινόμησης, της μετα-ταξινόμησης και του φιλτραρίσματος]]

[[Εικόνα:p6photo5.png| thumb| right|'''Εικόνα 5:''' Η χωρική τάση της αστικής επέκτασης στην γεωργική γη κατά την περίοδο 1987-2015]]

[[Εικόνα:p6photo6.png| thumb| right|'''Εικόνα 6:''' Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 1987 και του 2001]]

[[Εικόνα:p6photo7.png| thumb| right|'''Εικόνα 7:''' Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 1987 και του 2015]]

[[Εικόνα:p6photo8.png| thumb| right|'''Εικόνα 8:''' Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 2001 και του 2015]]

[[Εικόνα:p6photo9.png| thumb| right|'''Εικόνα 9:''' Μελλοντική χωρική κατανομή των κήπων, των γεωργικών και των αστικών χρήσεων γης για το 2019, 2050 και 2100]]

'''Αντικείμενο Εφαρμογής'''

Οι κύριοι στόχοι αυτής της έρευνας είναι να ανιχνεύσει και να ποσοτικοποιήσει τις μεταβολές της γεωργικής γης εξ αιτίας της αστικοποίησης καθώς και να προβλέψει τη μελλοντική εξέλιξη αυτής της διαδικασίας στις περιοχές της Αλεξάνδρειας και της El-Behiera χρησιμοποιώντας τις δορυφορικές εικόνες Landsat για τα έτη1987, 2001, 2015 και 2019.

'''Εισαγωγή'''

Χιλιάδες εκτάρια γεωργικής γης χάνονται από την αστικοποίηση σε όλο τον κόσμο κάθε χρόνο. Στην Αίγυπτο, η γεωργική γη είναι υπό συνεχή απειλή από την αστικοποίηση, εφόσον χάθηκαν περίπου 0,5 εκατομμύρια εκτάρια από τις πιο εύφορες γεωργικές εκτάσεις κατά την περίοδο 1965-2000. Ως η δεύτερη μεγαλύτερη πόλη της Αιγύπτου, η Αλεξάνδρεια γνώρισε ταχεία αύξηση του πληθυσμού της, η οποία οφείλεται στη μετανάστευση από την ύπαιθρο προς την πόλη. Η κυβέρνηση της Αλεξάνδρειας παράγει περίπου το 40% του συνόλου του εθνικού προϊόντος και το 8% του ΑΕΠ. Ο συνολικός αριθμός των κατοίκων προβλεπόταν σε 4,94 εκατομμύρια το 2021, αλλά ήδη έφθασε τα 5,31 εκατομμύρια το 2019 σύμφωνα με πρόσφατη απογραφή. Αυτό έχει ως αποτέλεσμα την αυξημένη απώλεια γεωργικής γης. Τα αποτελέσματα αυτής της έρευνας είναι πολύ σημαντικά για τους υπεύθυνους λήψης αποφάσεων σχετικά με την υιοθέτηση των κατάλληλων στρατηγικών για την αειφόρο διαχείριση της γης.

'''Μεθοδολογία-Ανάλυση'''

'''* Περιοχή μελέτης'''

Γεωγραφικά, η περιοχή μελέτης βρίσκεται στο βορειοανατολικό τμήμα της Αλεξάνδρειας και στο βορειοδυτικό τμήμα του διαμερίσματος El-Behiera. Περιορίζεται από τη Μεσόγειο Θάλασσα από το Βορρά και το κανάλι El-Mahmoudia από τον Νότο και καταλαμβάνει έκταση περίπου 28.789 ha. Ανήκει στην παλιά αγροτική γη της Αιγύπτου, πράγμα που σημαίνει ότι το έδαφος της είναι πολύ εύφορο. Οι κοινές χειμερινές καλλιέργειες που καλλιεργούνται στην περιοχή είναι το σιτάρι, το τριφύλλι, το κρεμμύδι, το κριθάρι και τα φασόλια. Το μεγαλύτερο μέρος της γης είναι επίπεδο, με διακυμάνσεις από 1 m κάτω από την επιφάνεια της θάλασσας έως 10 m πάνω από την επιφάνεια της θάλασσας.

'''* Πηγές δεδομένων και προ-επεξεργασία'''

Για αυτή τη μελέτη επιλέχθηκαν τέσσερις εικόνες Landsat οι οποίες αποκτήθηκαν για τον Ιανουάριο του 1987, τον Φεβρουάριο του 2001, τον Ιανουάριο του 2015 και τον Ιανουάριο του 2019 αντίστοιχα και φαίνονται στην '''Εικόνα 1'''. Οι επιλεγμένες εικόνες έχουν μηδενική νεφοκάλυψη, μέτριες χωρικές αναλύσεις και έχουν αποκτηθεί στη μέση της χειμερινής περιόδου, όπου όλη η γεωργική γη καλλιεργείται. Στην συνέχεια πραγματοποιήθηκε γεωμετρική διόρθωση. Για την καλύτερη διάκριση των στοιχείων εφαρμόστηκε η μέθοδος ενίσχυσης της αντίθεσης και το ψευδόχρωμο σύνθετο στην εικόνα.

'''* Ταξινόμηση εικόνων'''

Σε αυτή τη μελέτη, η ταξινόμηση εικόνων περιλαμβάνει τρεις διαδοχικές διαδικασίες: την εποπτευόμενη ταξινόμηση, τη μετα-ταξινόμηση και την διαδικασία φιλτραρίσματος. Στην περίπτωσή μας χρησιμοποιήθηκε η επιβλεπόμενη ταξινόμηση της μέγιστης πιθανοφάνειας. Συνολικά εντοπίστηκαν πέντε τύποι χρήσεων γης, οι οποίοι είναι η γεωργία, οι αστικές περιοχές, οι κήποι, η εθνική οδός και το νερό. Στην συνέχεια δημιουργήθηκαν τέσσερις αρχικοί χάρτες χρήσεων γης για τα έτη 1987, 2001, 2015 και 2015. Επειδή η ένταση της βλάστησης και οι εναλλαγές καλλιεργειών μπορεί να προκαλέσουν εσφαλμένη ταξινόμηση των προσωρινά ταξινομημένων εικόνων εφαρμόστηκε η διαδικασία μετα-ταξινόμησης στους προηγούμενους χάρτες ('''Εικόνα 2'''). Ακόμη καθώς η εθνική οδός και οι χρήσεις αστικής γης δεν διακρίνονται εύκολα αναμεταξύ τους διεξήχθη η διαδικασία του φιλτραρίσματος στον ήδη επεξεργασμένο χάρτη του 2001 ('''Εικόνα 3''') και στους αρχικούς χάρτες 2015 και 2019. Αυτή η διαδικασία παρήγαγε πιο ακριβείς χάρτες χρήσεων/κάλυψης γης και κατά συνέπεια ελαχιστοποίησε την υπερεκτίμηση των αστικών χρήσεων γης.

'''* Ανίχνευση και πρόβλεψη μεταβολών χρήσεων/κάλυψης γης'''

Σε αυτή την μελέτη εφαρμόστηκε η τεχνική σύγκρισης στην μετα-ταξινόμηση (PCC) για την ανίχνευση των αλλαγών χρήσεων γης μεταξύ των ταξινομημένων εικόνων. Δημιουργήθηκαν τρεις χάρτες μεταβολών (1987-2001, 2001-2015 και 1987-2015) που αντιπροσωπεύουν τη φύση, το μέγεθος και τη θέση των αλλαγών στις χρήσεις γης και το ποσό της μείωσης της γεωργικής γης με την αστικοποίηση. Η πρόβλεψη της αλλαγής χρήσεων γης πραγματοποιήθηκε με το Land Change Modeler (LCM) που στηρίζεται στην ανάλυση της αλυσίδας του Markov. Οι προβλέψεις χρήσεων γης εφαρμόστηκαν για τα έτη 2019, 2050 και 2100. Τέλος, ο χάρτης πρόβλεψης 2019 συγκρίθηκε με τον πραγματικό χάρτη 2019 που προέκυψε από την ταξινόμηση των εικόνων για να εκτιμηθεί η εγκυρότητα των προβλέψεων.

'''Αποτελέσματα'''
Η κατανομή χρήσεων γης για κάθε έτος μελέτης, όπως προέκυψαν από την εποπτευόμενη ταξινόμηση, την μετά-ταξινόμηση και τις διεργασίες φιλτραρίσματος παρουσιάζονται στην '''Εικόνα 4'''. Το αποτέλεσμα της ανάλυσης δείχνει ότι η γεωργική γη και οι αστικές περιοχές αποτελούν τις κυρίαρχες κατηγορίες στην περιοχή μελέτης. Κατά τη διάρκεια της μελέτης παρατηρήθηκε σημαντική μείωση της γεωργικής γης μαζί με την αξιοσημείωτη ανάπτυξη των αστικών περιοχών. Η εθνική οδός παρατηρήθηκε μόνο στους χάρτες του 2001, 2015 και 2019. Αντίστροφα, το νερό εξαφανίστηκε από τους χάρτες του 2015 και του 2019 ως αποτέλεσμα της συνεχούς επέκτασης και ανάπτυξης της ακτογραμμής. Στην '''Εικόνα 5''' παρουσιάζεται η χωρική τάση της αστικής επέκτασης στη γεωργική γη από το 1987 έως το 2019. Στις δύο περιοχές με κόκκινο χρώμα φαίνεται η πιο έντονη τάση αστικοποίησης. Η χωρική κατανομή των αλλαγών των χρήσεων γης απεικονίζεται στις '''Εικόνες 6-8'''. Σύμφωνα με τις προηγούμενες εικόνες φαίνεται ότι η γεωργική γη μειώθηκε κατά 4,51% και 6,52% κατά τις περιόδους 1987-2001 και 2001-2015 αντίστοιχα, με συνολική μείωση κατά 11,03% τις τελευταίες τρεις δεκαετίες (1987-2015). Από την άλλη πλευρά, η αστική περιοχή αυξήθηκε κατά 4,75% και 6,98% στις περιόδους 1987-2001 και 2001-2015, αντίστοιχα, με συνολική αύξηση 11,84% τις τελευταίες τρεις δεκαετίες. Στην συνέχεια δημιουργήθηκαν οι χάρτες πρόβλεψης χρήσεων γης για τα έτη 2019, 2050 και 2100 χρησιμοποιώντας το LCM ('''Εικόνα 9'''). Η πρόβλεψη πραγματοποιήθηκε μόνο για χρήσης γης όπως η γεωργία, οι αστικές περιοχές και οι κήποι. Σύμφωνα με τα αποτελέσματα, προβλέπεται ότι η γεωργική γη θα μειωθεί κατά 11,5% (3316 ha) και 24,5% (7039 ha) το 2050 και 2100, αντίστοιχα. Αντιστρόφως, οι αστικές εκτάσεις θα αυξηθούν κατά 12% (3430 ha) και 25% (7186 ha) το 2050 και 2100, αντίστοιχα. Αυτό σημαίνει ότι η γεωργική γη θα μπορούσε να εξαφανιστεί εντελώς μέσα στα επόμενα διακόσια χρόνια με βάση το σημερινό ποσοστό αστικοποίησης.

'''Συμπεράσματα'''

Το άρθρο αυτό αναλύει την τρέχουσα κατάσταση της αγροτικής γης εξ αιτίας της αστικοποίησης και προβλέπει την μελλοντική εξέλιξη αυτής της διαδικασίας στο βορειοανατολικό τμήμα της Αλεξάνδρειας και στο βορειοδυτικό τμήμα του διαμερίσματος El-Behiera. Η ανίχνευση και η πρόβλεψη της αλλαγής χρήσεων γης πραγματοποιήθηκε με συνδυασμό τεχνικών τηλεπισκόπησης και GIS. Στην μελέτη, αναπτύχθηκαν τέσσερις χάρτες χρήσεων γης (1987, 2001, 2015 και 2019) με βάση τις διαδικασίες ταξινόμησης, μετα-ταξινόμησης και φιλτραρίσματος. Οι διαδικασίες μετα-ταξινόμησης και φιλτραρίσματος παρατηρήθηκε ότι έχουν τη δυνατότητα να αυξήσουν την ακρίβεια των ταξινομημένων εικόνων και να ελαχιστοποιήσουν την υπερεκτίμηση των αστικών περιοχών. Τις τελευταίες τρεις δεκαετίες παρατηρήθηκε σημαντική μείωση (11,03%) στην αγροτική γη σε συνδυασμό με αξιοσημείωτη αύξηση (11,84%) των αστικών περιοχών, αυτό αντιστοιχεί κυρίως στη συνεχή αύξηση του πληθυσμού, την οικονομική ανάπτυξη και την κοινωνική ανάπτυξη. Η γεωργική γη θα μειωθεί κατά 11,5% και 24,5% το 2050 και 2100, αντίστοιχα, ενώ οι αστικές περιοχές θα αυξηθούν κατά 12% και 25% 2050 και 2100, αντίστοιχα. Αυτό απαιτεί τις συντονισμένες προσπάθειες της κυβέρνησης και της κοινωνίας για την μείωση αυτού του φαινομένου εφαρμόζοντας τις κατάλληλες πολιτικές σχεδιασμού και αγροτικής/αστικής ανάπτυξης.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Χρονική ανίχνευση και πρόβλεψη της μεταβολής της γεωργικής γης από την αστικοποίηση εφαρμόζοντας μεθόδους τηλεπισκόπησης

2020-02-04T22:58:31Z

Christina Anas:

''' Χρονική ανίχνευση και πρόβλεψη της μεταβολής της γεωργικής γης από την αστικοποίηση εφαρμόζοντας μεθόδους τηλεπισκόπησης '''

'''Πρωτότυπος τίτλος:''' Temporal detection and prediction of agricultural land consumption by urbanization using remote sensing

'''Συγγραφείς:''' Osama Rady Abd EL-kawy a*, Hassan Ahmed Ismail a*, Hythem Mohamed Yehia b*, Mohamed Abdelrady Allam a*

a* Department of Soil and Water Sciences, Faculty of Agriculture, Alexandria University, Egypt

b* Soil Salinity and Alkalinity Department, Soil & Water & Environment Institute, Agricultural Research Centre, Ministry of Agriculture, Egypt

'''Δημοσιεύθηκε:''' The Egyptian Journal of Remote Sensing and Space Science, Δεκέμβριος 2019

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S1110982318304757]

'''Λέξεις-Κλειδιά:''' Γεωργική γη, Αστικοποίηση, Χρήση/κάλυψη γης, Αλεξάνδρεια, El-Behiera, Αίγυπτος

[[Εικόνα:p6photo1.png| thumb| right|'''Εικόνα 1:''' Ψευδόχρωμο σύνθετο των εικόνων Landsat για τα έτη 1987, 2001, 2015, 2019]]

[[Εικόνα:p6photo2.png| thumb| right|'''Εικόνα 2:''' Διαδικασία ενίσχυσης στην μετα-ταξινόμηση του χάρτη χρήσεων/κάλυψης γης για το 2001]]

[[Εικόνα:p6photo3.png| thumb| right|'''Εικόνα 3:''' Διαδικασία φιλτραρίσματος του χάρτη χρήσεων/κάλυψης γης για το 2015]]

[[Εικόνα:p6photo4.png| thumb| right|'''Εικόνα 4:''' Χάρτες χρήσεων/κάλυψης γης (1987, 2001, 2015 και 2019) που προέκυψαν από την διαδικασία της εποπτευόμενης ταξινόμησης, της μετα-ταξινόμησης και του φιλτραρίσματος]]

[[Εικόνα:p6photo5.png| thumb| right|'''Εικόνα 5:''' Η χωρική τάση της αστικής επέκτασης στην γεωργική γη κατά την περίοδο 1987-2015]]

[[Εικόνα:p6photo6.png| thumb| right|'''Εικόνα 6:''' Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 1987 και του 2001]]

[[Εικόνα:p6photo7.png| thumb| right|'''Εικόνα 7:''' Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 1987 και του 2015]]

[[Εικόνα:p6photo8.png| thumb| right|'''Εικόνα 8:''' Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 2001 και του 2015]]

[[Εικόνα:p6photo9.png| thumb| right|'''Εικόνα 9:''' Μελλοντική χωρική κατανομή των κήπων, των γεωργικών και των αστικών χρήσεων γης για το 2019, 2050 και 2100]]

'''Αντικείμενο Εφαρμογής'''

Οι κύριοι στόχοι αυτής της έρευνας είναι να ανιχνεύσει και να ποσοτικοποιήσει τις μεταβολές της γεωργικής γης εξ αιτίας της αστικοποίησης καθώς και να προβλέψει τη μελλοντική εξέλιξη αυτής της διαδικασίας στις περιοχές της Αλεξάνδρειας και της El-Behiera χρησιμοποιώντας τις δορυφορικές εικόνες Landsat για τα έτη1987, 2001, 2015 και 2019.

'''Εισαγωγή'''

Χιλιάδες εκτάρια γεωργικής γης χάνονται από την αστικοποίηση σε όλο τον κόσμο κάθε χρόνο. Στην Αίγυπτο, η γεωργική γη είναι υπό συνεχή απειλή από την αστικοποίηση, εφόσον χάθηκαν περίπου 0,5 εκατομμύρια εκτάρια από τις πιο εύφορες γεωργικές εκτάσεις κατά την περίοδο 1965-2000. Ως η δεύτερη μεγαλύτερη πόλη της Αιγύπτου, η Αλεξάνδρεια γνώρισε ταχεία αύξηση του πληθυσμού της, η οποία οφείλεται στη μετανάστευση από την ύπαιθρο προς την πόλη. Η κυβέρνηση της Αλεξάνδρειας παράγει περίπου το 40% του συνόλου του εθνικού προϊόντος και το 8% του ΑΕΠ. Ο συνολικός αριθμός των κατοίκων προβλεπόταν σε 4,94 εκατομμύρια το 2021, αλλά ήδη έφθασε τα 5,31 εκατομμύρια το 2019 σύμφωνα με πρόσφατη απογραφή. Αυτό έχει ως αποτέλεσμα την αυξημένη απώλεια γεωργικής γης. Τα αποτελέσματα αυτής της έρευνας είναι πολύ σημαντικά για τους υπεύθυνους λήψης αποφάσεων σχετικά με την υιοθέτηση των κατάλληλων στρατηγικών για την αειφόρο διαχείριση της γης.

'''Μεθοδολογία-Ανάλυση'''

'''1. Περιοχή μελέτης'''

Γεωγραφικά, η περιοχή μελέτης βρίσκεται στο βορειοανατολικό τμήμα της Αλεξάνδρειας και στο βορειοδυτικό τμήμα του διαμερίσματος El-Behiera. Περιορίζεται από τη Μεσόγειο Θάλασσα από το Βορρά και το κανάλι El-Mahmoudia από τον Νότο και καταλαμβάνει έκταση περίπου 28.789 ha. Ανήκει στην παλιά αγροτική γη της Αιγύπτου, πράγμα που σημαίνει ότι το έδαφος της είναι πολύ εύφορο. Οι κοινές χειμερινές καλλιέργειες που καλλιεργούνται στην περιοχή είναι το σιτάρι, το τριφύλλι, το κρεμμύδι, το κριθάρι και τα φασόλια. Το μεγαλύτερο μέρος της γης είναι επίπεδο, με διακυμάνσεις από 1 m κάτω από την επιφάνεια της θάλασσας έως 10 m πάνω από την επιφάνεια της θάλασσας.

'''2. Πηγές δεδομένων και προ-επεξεργασία'''

Για αυτή τη μελέτη επιλέχθηκαν τέσσερις εικόνες Landsat οι οποίες αποκτήθηκαν για τον Ιανουάριο του 1987, τον Φεβρουάριο του 2001, τον Ιανουάριο του 2015 και τον Ιανουάριο του 2019 αντίστοιχα και φαίνονται στην '''Εικόνα 1'''. Οι επιλεγμένες εικόνες έχουν μηδενική νεφοκάλυψη, μέτριες χωρικές αναλύσεις και έχουν αποκτηθεί στη μέση της χειμερινής περιόδου, όπου όλη η γεωργική γη καλλιεργείται. Στην συνέχεια πραγματοποιήθηκε γεωμετρική διόρθωση. Για την καλύτερη διάκριση των στοιχείων εφαρμόστηκε η μέθοδος ενίσχυσης της αντίθεσης και το ψευδόχρωμο σύνθετο στην εικόνα.

'''3. Ταξινόμηση εικόνων'''

Σε αυτή τη μελέτη, η ταξινόμηση εικόνων περιλαμβάνει τρεις διαδοχικές διαδικασίες: την εποπτευόμενη ταξινόμηση, τη μετα-ταξινόμηση και την διαδικασία φιλτραρίσματος. Στην περίπτωσή μας χρησιμοποιήθηκε η επιβλεπόμενη ταξινόμηση της μέγιστης πιθανοφάνειας. Συνολικά εντοπίστηκαν πέντε τύποι χρήσεων γης, οι οποίοι είναι η γεωργία, οι αστικές περιοχές, οι κήποι, η εθνική οδός και το νερό. Στην συνέχεια δημιουργήθηκαν τέσσερις αρχικοί χάρτες χρήσεων γης για τα έτη 1987, 2001, 2015 και 2015. Επειδή η ένταση της βλάστησης και οι εναλλαγές καλλιεργειών μπορεί να προκαλέσουν εσφαλμένη ταξινόμηση των προσωρινά ταξινομημένων εικόνων εφαρμόστηκε η διαδικασία μετα-ταξινόμησης στους προηγούμενους χάρτες ('''Εικόνα 2'''). Ακόμη καθώς η εθνική οδός και οι χρήσεις αστικής γης δεν διακρίνονται εύκολα αναμεταξύ τους διεξήχθη η διαδικασία του φιλτραρίσματος στον ήδη επεξεργασμένο χάρτη του 2001 ('''Εικόνα 3''') και στους αρχικούς χάρτες 2015 και 2019. Αυτή η διαδικασία παρήγαγε πιο ακριβείς χάρτες χρήσεων/κάλυψης γης και κατά συνέπεια ελαχιστοποίησε την υπερεκτίμηση των αστικών χρήσεων γης.

'''4. Ανίχνευση και πρόβλεψη μεταβολών χρήσεων/κάλυψης γης'''

Σε αυτή την μελέτη εφαρμόστηκε η τεχνική σύγκρισης στην μετα-ταξινόμηση (PCC) για την ανίχνευση των αλλαγών χρήσεων γης μεταξύ των ταξινομημένων εικόνων. Δημιουργήθηκαν τρεις χάρτες μεταβολών (1987-2001, 2001-2015 και 1987-2015) που αντιπροσωπεύουν τη φύση, το μέγεθος και τη θέση των αλλαγών στις χρήσεις γης και το ποσό της μείωσης της γεωργικής γης με την αστικοποίηση. Η πρόβλεψη της αλλαγής χρήσεων γης πραγματοποιήθηκε με το Land Change Modeler (LCM) που στηρίζεται στην ανάλυση της αλυσίδας του Markov. Οι προβλέψεις χρήσεων γης εφαρμόστηκαν για τα έτη 2019, 2050 και 2100. Τέλος, ο χάρτης πρόβλεψης 2019 συγκρίθηκε με τον πραγματικό χάρτη 2019 που προέκυψε από την ταξινόμηση των εικόνων για να εκτιμηθεί η εγκυρότητα των προβλέψεων.

'''Αποτελέσματα'''
Η κατανομή χρήσεων γης για κάθε έτος μελέτης, όπως προέκυψαν από την εποπτευόμενη ταξινόμηση, την μετά-ταξινόμηση και τις διεργασίες φιλτραρίσματος παρουσιάζονται στην '''Εικόνα 4'''. Το αποτέλεσμα της ανάλυσης δείχνει ότι η γεωργική γη και οι αστικές περιοχές αποτελούν τις κυρίαρχες κατηγορίες στην περιοχή μελέτης. Κατά τη διάρκεια της μελέτης παρατηρήθηκε σημαντική μείωση της γεωργικής γης μαζί με την αξιοσημείωτη ανάπτυξη των αστικών περιοχών. Η εθνική οδός παρατηρήθηκε μόνο στους χάρτες του 2001, 2015 και 2019. Αντίστροφα, το νερό εξαφανίστηκε από τους χάρτες του 2015 και του 2019 ως αποτέλεσμα της συνεχούς επέκτασης και ανάπτυξης της ακτογραμμής. Στην '''Εικόνα 5''' παρουσιάζεται η χωρική τάση της αστικής επέκτασης στη γεωργική γη από το 1987 έως το 2019. Στις δύο περιοχές με κόκκινο χρώμα φαίνεται η πιο έντονη τάση αστικοποίησης. Η χωρική κατανομή των αλλαγών των χρήσεων γης απεικονίζεται στις '''Εικόνες 6-8'''. Σύμφωνα με τις προηγούμενες εικόνες φαίνεται ότι η γεωργική γη μειώθηκε κατά 4,51% και 6,52% κατά τις περιόδους 1987-2001 και 2001-2015 αντίστοιχα, με συνολική μείωση κατά 11,03% τις τελευταίες τρεις δεκαετίες (1987-2015). Από την άλλη πλευρά, η αστική περιοχή αυξήθηκε κατά 4,75% και 6,98% στις περιόδους 1987-2001 και 2001-2015, αντίστοιχα, με συνολική αύξηση 11,84% τις τελευταίες τρεις δεκαετίες. Στην συνέχεια δημιουργήθηκαν οι χάρτες πρόβλεψης χρήσεων γης για τα έτη 2019, 2050 και 2100 χρησιμοποιώντας το LCM ('''Εικόνα 9'''). Η πρόβλεψη πραγματοποιήθηκε μόνο για χρήσης γης όπως η γεωργία, οι αστικές περιοχές και οι κήποι. Σύμφωνα με τα αποτελέσματα, προβλέπεται ότι η γεωργική γη θα μειωθεί κατά 11,5% (3316 ha) και 24,5% (7039 ha) το 2050 και 2100, αντίστοιχα. Αντιστρόφως, οι αστικές εκτάσεις θα αυξηθούν κατά 12% (3430 ha) και 25% (7186 ha) το 2050 και 2100, αντίστοιχα. Αυτό σημαίνει ότι η γεωργική γη θα μπορούσε να εξαφανιστεί εντελώς μέσα στα επόμενα διακόσια χρόνια με βάση το σημερινό ποσοστό αστικοποίησης.

'''Συμπεράσματα'''

Το άρθρο αυτό αναλύει την τρέχουσα κατάσταση της αγροτικής γης εξ αιτίας της αστικοποίησης και προβλέπει την μελλοντική εξέλιξη αυτής της διαδικασίας στο βορειοανατολικό τμήμα της Αλεξάνδρειας και στο βορειοδυτικό τμήμα του διαμερίσματος El-Behiera. Η ανίχνευση και η πρόβλεψη της αλλαγής χρήσεων γης πραγματοποιήθηκε με συνδυασμό τεχνικών τηλεπισκόπησης και GIS. Στην μελέτη, αναπτύχθηκαν τέσσερις χάρτες χρήσεων γης (1987, 2001, 2015 και 2019) με βάση τις διαδικασίες ταξινόμησης, μετα-ταξινόμησης και φιλτραρίσματος. Οι διαδικασίες μετα-ταξινόμησης και φιλτραρίσματος παρατηρήθηκε ότι έχουν τη δυνατότητα να αυξήσουν την ακρίβεια των ταξινομημένων εικόνων και να ελαχιστοποιήσουν την υπερεκτίμηση των αστικών περιοχών. Τις τελευταίες τρεις δεκαετίες παρατηρήθηκε σημαντική μείωση (11,03%) στην αγροτική γη σε συνδυασμό με αξιοσημείωτη αύξηση (11,84%) των αστικών περιοχών, αυτό αντιστοιχεί κυρίως στη συνεχή αύξηση του πληθυσμού, την οικονομική ανάπτυξη και την κοινωνική ανάπτυξη. Η γεωργική γη θα μειωθεί κατά 11,5% και 24,5% το 2050 και 2100, αντίστοιχα, ενώ οι αστικές περιοχές θα αυξηθούν κατά 12% και 25% 2050 και 2100, αντίστοιχα. Αυτό απαιτεί τις συντονισμένες προσπάθειες της κυβέρνησης και της κοινωνίας για την μείωση αυτού του φαινομένου εφαρμόζοντας τις κατάλληλες πολιτικές σχεδιασμού και αγροτικής/αστικής ανάπτυξης.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Χρονική ανίχνευση και πρόβλεψη της μεταβολής της γεωργικής γης από την αστικοποίηση εφαρμόζοντας μεθόδους τηλεπισκόπησης

2020-02-04T22:57:22Z

Christina Anas: Νέα σελίδα με '''' Χρονική ανίχνευση και πρόβλεψη της μεταβολής της γεωργικής γης από την αστικοποίηση εφαρμ...'

''' Χρονική ανίχνευση και πρόβλεψη της μεταβολής της γεωργικής γης από την αστικοποίηση εφαρμόζοντας μεθόδους τηλεπισκόπησης '''

'''Πρωτότυπος τίτλος:''' Temporal detection and prediction of agricultural land consumption by urbanization using remote sensing
'''Συγγραφείς:''' Osama Rady Abd EL-kawy a*, Hassan Ahmed Ismail a*, Hythem Mohamed Yehia b*, Mohamed Abdelrady Allam a*

a* Department of Soil and Water Sciences, Faculty of Agriculture, Alexandria University, Egypt

b* Soil Salinity and Alkalinity Department, Soil & Water & Environment Institute, Agricultural Research Centre, Ministry of Agriculture, Egypt
'''Δημοσιεύθηκε:''' The Egyptian Journal of Remote Sensing and Space Science, Δεκέμβριος 2019
'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S1110982318304757]

'''Λέξεις-Κλειδιά:''' Γεωργική γη, Αστικοποίηση, Χρήση/κάλυψη γης, Αλεξάνδρεια, El-Behiera, Αίγυπτος

[[Εικόνα:p6photo1.png| thumb| right|'''Εικόνα 1:''' Ψευδόχρωμο σύνθετο των εικόνων Landsat για τα έτη 1987, 2001, 2015, 2019]]

[[Εικόνα:p6photo2.png| thumb| right|'''Εικόνα 2:''' Διαδικασία ενίσχυσης στην μετα-ταξινόμηση του χάρτη χρήσεων/κάλυψης γης για το 2001]]

[[Εικόνα:p6photo3.png| thumb| right|'''Εικόνα 3:''' Διαδικασία φιλτραρίσματος του χάρτη χρήσεων/κάλυψης γης για το 2015]]

[[Εικόνα:p6photo4.png| thumb| right|'''Εικόνα 4:''' Χάρτες χρήσεων/κάλυψης γης (1987, 2001, 2015 και 2019) που προέκυψαν από την διαδικασία της εποπτευόμενης ταξινόμησης, της μετα-ταξινόμησης και του φιλτραρίσματος]]

[[Εικόνα:p6photo5.png| thumb| right|'''Εικόνα 5:''' Η χωρική τάση της αστικής επέκτασης στην γεωργική γη κατά την περίοδο 1987-2015]]

[[Εικόνα:p6photo6.png| thumb| right|'''Εικόνα 6:''' Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 1987 και του 2001]]

[[Εικόνα:p6photo7.png| thumb| right|'''Εικόνα 7:''' Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 1987 και του 2015]]

[[Εικόνα:p6photo8.png| thumb| right|'''Εικόνα 8:''' Η χωρική μεταβολή των χρήσεων/κάλυψης γης μεταξύ του 2001 και του 2015]]

[[Εικόνα:p6photo9.png| thumb| right|'''Εικόνα 9:''' Μελλοντική χωρική κατανομή των κήπων, των γεωργικών και των αστικών χρήσεων γης για το 2019, 2050 και 2100]]

'''Αντικείμενο Εφαρμογής'''

Οι κύριοι στόχοι αυτής της έρευνας είναι να ανιχνεύσει και να ποσοτικοποιήσει τις μεταβολές της γεωργικής γης εξ αιτίας της αστικοποίησης καθώς και να προβλέψει τη μελλοντική εξέλιξη αυτής της διαδικασίας στις περιοχές της Αλεξάνδρειας και της El-Behiera χρησιμοποιώντας τις δορυφορικές εικόνες Landsat για τα έτη1987, 2001, 2015 και 2019.

'''Εισαγωγή'''

Χιλιάδες εκτάρια γεωργικής γης χάνονται από την αστικοποίηση σε όλο τον κόσμο κάθε χρόνο. Στην Αίγυπτο, η γεωργική γη είναι υπό συνεχή απειλή από την αστικοποίηση, εφόσον χάθηκαν περίπου 0,5 εκατομμύρια εκτάρια από τις πιο εύφορες γεωργικές εκτάσεις κατά την περίοδο 1965-2000. Ως η δεύτερη μεγαλύτερη πόλη της Αιγύπτου, η Αλεξάνδρεια γνώρισε ταχεία αύξηση του πληθυσμού της, η οποία οφείλεται στη μετανάστευση από την ύπαιθρο προς την πόλη. Η κυβέρνηση της Αλεξάνδρειας παράγει περίπου το 40% του συνόλου του εθνικού προϊόντος και το 8% του ΑΕΠ. Ο συνολικός αριθμός των κατοίκων προβλεπόταν σε 4,94 εκατομμύρια το 2021, αλλά ήδη έφθασε τα 5,31 εκατομμύρια το 2019 σύμφωνα με πρόσφατη απογραφή. Αυτό έχει ως αποτέλεσμα την αυξημένη απώλεια γεωργικής γης. Τα αποτελέσματα αυτής της έρευνας είναι πολύ σημαντικά για τους υπεύθυνους λήψης αποφάσεων σχετικά με την υιοθέτηση των κατάλληλων στρατηγικών για την αειφόρο διαχείριση της γης.

'''Μεθοδολογία-Ανάλυση'''

'''1. Περιοχή μελέτης'''
Γεωγραφικά, η περιοχή μελέτης βρίσκεται στο βορειοανατολικό τμήμα της Αλεξάνδρειας και στο βορειοδυτικό τμήμα του διαμερίσματος El-Behiera. Περιορίζεται από τη Μεσόγειο Θάλασσα από το Βορρά και το κανάλι El-Mahmoudia από τον Νότο και καταλαμβάνει έκταση περίπου 28.789 ha. Ανήκει στην παλιά αγροτική γη της Αιγύπτου, πράγμα που σημαίνει ότι το έδαφος της είναι πολύ εύφορο. Οι κοινές χειμερινές καλλιέργειες που καλλιεργούνται στην περιοχή είναι το σιτάρι, το τριφύλλι, το κρεμμύδι, το κριθάρι και τα φασόλια. Το μεγαλύτερο μέρος της γης είναι επίπεδο, με διακυμάνσεις από 1 m κάτω από την επιφάνεια της θάλασσας έως 10 m πάνω από την επιφάνεια της θάλασσας.

'''2. Πηγές δεδομένων και προ-επεξεργασία'''

Για αυτή τη μελέτη επιλέχθηκαν τέσσερις εικόνες Landsat οι οποίες αποκτήθηκαν για τον Ιανουάριο του 1987, τον Φεβρουάριο του 2001, τον Ιανουάριο του 2015 και τον Ιανουάριο του 2019 αντίστοιχα και φαίνονται στην '''Εικόνα 1'''. Οι επιλεγμένες εικόνες έχουν μηδενική νεφοκάλυψη, μέτριες χωρικές αναλύσεις και έχουν αποκτηθεί στη μέση της χειμερινής περιόδου, όπου όλη η γεωργική γη καλλιεργείται. Στην συνέχεια πραγματοποιήθηκε γεωμετρική διόρθωση. Για την καλύτερη διάκριση των στοιχείων εφαρμόστηκε η μέθοδος ενίσχυσης της αντίθεσης και το ψευδόχρωμο σύνθετο στην εικόνα.

'''3. Ταξινόμηση εικόνων'''

Σε αυτή τη μελέτη, η ταξινόμηση εικόνων περιλαμβάνει τρεις διαδοχικές διαδικασίες: την εποπτευόμενη ταξινόμηση, τη μετα-ταξινόμηση και την διαδικασία φιλτραρίσματος. Στην περίπτωσή μας χρησιμοποιήθηκε η επιβλεπόμενη ταξινόμηση της μέγιστης πιθανοφάνειας. Συνολικά εντοπίστηκαν πέντε τύποι χρήσεων γης, οι οποίοι είναι η γεωργία, οι αστικές περιοχές, οι κήποι, η εθνική οδός και το νερό. Στην συνέχεια δημιουργήθηκαν τέσσερις αρχικοί χάρτες χρήσεων γης για τα έτη 1987, 2001, 2015 και 2015. Επειδή η ένταση της βλάστησης και οι εναλλαγές καλλιεργειών μπορεί να προκαλέσουν εσφαλμένη ταξινόμηση των προσωρινά ταξινομημένων εικόνων εφαρμόστηκε η διαδικασία μετα-ταξινόμησης στους προηγούμενους χάρτες ('''Εικόνα 2'''). Ακόμη καθώς η εθνική οδός και οι χρήσεις αστικής γης δεν διακρίνονται εύκολα αναμεταξύ τους διεξήχθη η διαδικασία του φιλτραρίσματος στον ήδη επεξεργασμένο χάρτη του 2001 ('''Εικόνα 3''') και στους αρχικούς χάρτες 2015 και 2019. Αυτή η διαδικασία παρήγαγε πιο ακριβείς χάρτες χρήσεων/κάλυψης γης και κατά συνέπεια ελαχιστοποίησε την υπερεκτίμηση των αστικών χρήσεων γης.

'''4. Ανίχνευση και πρόβλεψη μεταβολών χρήσεων/κάλυψης γης'''

Σε αυτή την μελέτη εφαρμόστηκε η τεχνική σύγκρισης στην μετα-ταξινόμηση (PCC) για την ανίχνευση των αλλαγών χρήσεων γης μεταξύ των ταξινομημένων εικόνων. Δημιουργήθηκαν τρεις χάρτες μεταβολών (1987-2001, 2001-2015 και 1987-2015) που αντιπροσωπεύουν τη φύση, το μέγεθος και τη θέση των αλλαγών στις χρήσεις γης και το ποσό της μείωσης της γεωργικής γης με την αστικοποίηση. Η πρόβλεψη της αλλαγής χρήσεων γης πραγματοποιήθηκε με το Land Change Modeler (LCM) που στηρίζεται στην ανάλυση της αλυσίδας του Markov. Οι προβλέψεις χρήσεων γης εφαρμόστηκαν για τα έτη 2019, 2050 και 2100. Τέλος, ο χάρτης πρόβλεψης 2019 συγκρίθηκε με τον πραγματικό χάρτη 2019 που προέκυψε από την ταξινόμηση των εικόνων για να εκτιμηθεί η εγκυρότητα των προβλέψεων.

'''Αποτελέσματα'''
Η κατανομή χρήσεων γης για κάθε έτος μελέτης, όπως προέκυψαν από την εποπτευόμενη ταξινόμηση, την μετά-ταξινόμηση και τις διεργασίες φιλτραρίσματος παρουσιάζονται στην '''Εικόνα 4'''. Το αποτέλεσμα της ανάλυσης δείχνει ότι η γεωργική γη και οι αστικές περιοχές αποτελούν τις κυρίαρχες κατηγορίες στην περιοχή μελέτης. Κατά τη διάρκεια της μελέτης παρατηρήθηκε σημαντική μείωση της γεωργικής γης μαζί με την αξιοσημείωτη ανάπτυξη των αστικών περιοχών. Η εθνική οδός παρατηρήθηκε μόνο στους χάρτες του 2001, 2015 και 2019. Αντίστροφα, το νερό εξαφανίστηκε από τους χάρτες του 2015 και του 2019 ως αποτέλεσμα της συνεχούς επέκτασης και ανάπτυξης της ακτογραμμής. Στην '''Εικόνα 5''' παρουσιάζεται η χωρική τάση της αστικής επέκτασης στη γεωργική γη από το 1987 έως το 2019. Στις δύο περιοχές με κόκκινο χρώμα φαίνεται η πιο έντονη τάση αστικοποίησης. Η χωρική κατανομή των αλλαγών των χρήσεων γης απεικονίζεται στις '''Εικόνες 6-8'''. Σύμφωνα με τις προηγούμενες εικόνες φαίνεται ότι η γεωργική γη μειώθηκε κατά 4,51% και 6,52% κατά τις περιόδους 1987-2001 και 2001-2015 αντίστοιχα, με συνολική μείωση κατά 11,03% τις τελευταίες τρεις δεκαετίες (1987-2015). Από την άλλη πλευρά, η αστική περιοχή αυξήθηκε κατά 4,75% και 6,98% στις περιόδους 1987-2001 και 2001-2015, αντίστοιχα, με συνολική αύξηση 11,84% τις τελευταίες τρεις δεκαετίες. Στην συνέχεια δημιουργήθηκαν οι χάρτες πρόβλεψης χρήσεων γης για τα έτη 2019, 2050 και 2100 χρησιμοποιώντας το LCM ('''Εικόνα 9'''). Η πρόβλεψη πραγματοποιήθηκε μόνο για χρήσης γης όπως η γεωργία, οι αστικές περιοχές και οι κήποι. Σύμφωνα με τα αποτελέσματα, προβλέπεται ότι η γεωργική γη θα μειωθεί κατά 11,5% (3316 ha) και 24,5% (7039 ha) το 2050 και 2100, αντίστοιχα. Αντιστρόφως, οι αστικές εκτάσεις θα αυξηθούν κατά 12% (3430 ha) και 25% (7186 ha) το 2050 και 2100, αντίστοιχα. Αυτό σημαίνει ότι η γεωργική γη θα μπορούσε να εξαφανιστεί εντελώς μέσα στα επόμενα διακόσια χρόνια με βάση το σημερινό ποσοστό αστικοποίησης.

'''Συμπεράσματα'''

Το άρθρο αυτό αναλύει την τρέχουσα κατάσταση της αγροτικής γης εξ αιτίας της αστικοποίησης και προβλέπει την μελλοντική εξέλιξη αυτής της διαδικασίας στο βορειοανατολικό τμήμα της Αλεξάνδρειας και στο βορειοδυτικό τμήμα του διαμερίσματος El-Behiera. Η ανίχνευση και η πρόβλεψη της αλλαγής χρήσεων γης πραγματοποιήθηκε με συνδυασμό τεχνικών τηλεπισκόπησης και GIS. Στην μελέτη, αναπτύχθηκαν τέσσερις χάρτες χρήσεων γης (1987, 2001, 2015 και 2019) με βάση τις διαδικασίες ταξινόμησης, μετα-ταξινόμησης και φιλτραρίσματος. Οι διαδικασίες μετα-ταξινόμησης και φιλτραρίσματος παρατηρήθηκε ότι έχουν τη δυνατότητα να αυξήσουν την ακρίβεια των ταξινομημένων εικόνων και να ελαχιστοποιήσουν την υπερεκτίμηση των αστικών περιοχών. Τις τελευταίες τρεις δεκαετίες παρατηρήθηκε σημαντική μείωση (11,03%) στην αγροτική γη σε συνδυασμό με αξιοσημείωτη αύξηση (11,84%) των αστικών περιοχών, αυτό αντιστοιχεί κυρίως στη συνεχή αύξηση του πληθυσμού, την οικονομική ανάπτυξη και την κοινωνική ανάπτυξη. Η γεωργική γη θα μειωθεί κατά 11,5% και 24,5% το 2050 και 2100, αντίστοιχα, ενώ οι αστικές περιοχές θα αυξηθούν κατά 12% και 25% 2050 και 2100, αντίστοιχα. Αυτό απαιτεί τις συντονισμένες προσπάθειες της κυβέρνησης και της κοινωνίας για την μείωση αυτού του φαινομένου εφαρμόζοντας τις κατάλληλες πολιτικές σχεδιασμού και αγροτικής/αστικής ανάπτυξης.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Καταγραφή της μεταβλητότητας της διαύγειας του παράκτιου νερού με τον Landsat 8

2020-02-04T22:37:17Z

Christina Anas:

'''Καταγραφή της μεταβλητότητας της διαύγειας του παράκτιου νερού με τον Landsat 8'''

'''Πρωτότυπος τίτλος:''' Capturing coastal water clarity variability with Landsat 8
'''Συγγραφείς:''' Kelly M.A. Luisa a*, Jennie E. Rheuban b*, Maria T. Kavanaugh c*, David M. Glover b*, Jianwei Wei a*, Zhongping Lee a*, Scott C. Doney b*,d*

a* School for the Environment, University of Massachusetts Boston, Boston, MA, USA

b* Department of Marine Chemistry and Geochemistry, Woods Hole Oceanographic Institution, Woods Hole, MA 02543, USA

c* College of Earth, Ocean, and Atmospheric Sciences, Oregon State University, Corvallis, OR 97330, USA

d* Department of Environmental Sciences, University of Virginia, Charlottesville, VA 22904, USA

'''Δημοσιεύθηκε:''' Marine Pollution Bulletin, Αύγουστος 2019

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S0025326X19303571]

'''Λέξεις-Κλειδιά:''' Ποιότητα νερού, Βάθος δίσκου Secchi, Landsat 8

[[Εικόνα:p4photo1.png| thumb| right|'''Εικόνα 1:''' Εικόνα Landsat 8 με τις τέσσερις περιοχές μετρήσεων]]

[[Εικόνα:p4photo2.png| thumb| right|'''Εικόνα 2:''' L8 ZSD χάρτης για το Buzzards Bay]]

[[Εικόνα:p4photo3.png| thumb| right|'''Εικόνα 3:''' L8 ZSD χάρτης για το Cape Cod Bay]]

[[Εικόνα:p4photo4.png| thumb| right|'''Εικόνα 4:''' L8 ZSD χάρτης για το Upper Narragansett Bay]]

'''Αντικείμενο Εφαρμογής'''

Σε αυτή την μελέτη χρησιμοποιήθηκαν τα βάθη των δίσκων Secchi (ZSD) τεσσάρων παράκτιων υδάτινων οικοσυστημάτων για την επαλήθευση των ZSD που αποκτήθηκαν από τις εικόνες του Landsat 8 (L8) με σκοπό την δημιουργία χαρτών υψηλής χωρικής ανάλυσης ZSD και συνεπώς την βελτιωμένη παρακολούθηση της ποιότητας των παράκτιων υδάτων.

'''Εισαγωγή'''

Τα παράκτια οικοσυστήματα απαιτούν συστηματικές παρατηρήσεις για την καταγραφή των χωρο-χρονικών μεταβολών της διαύγειας των υδάτων τους. Oι επιτόπιες μετρήσεις της διαύγειας του νερού παρέχουν λεπτομερείς και ακριβής μετρήσεις αλλά πολλές φορές η κάλυψή τους περιορίζεται στο χώρο και στον χρόνο λόγω κόστους και υλικοτεχνικών υποδομών. Η τηλεπισκόπηση μπορεί να καλύψει αυτά τα χωρικά και χρονικά κενά που προκύπτουν. Ο Landsat 8, έχει χωρική ανάλυση 30m, η οποία επιτρέπει συνοπτικές παρατηρήσεις σε μικρές λίμνες, κολπίσκους και λιμάνια. Η εφαρμογή των Landsat απεικονίσεων στα εσωτερικά, στα ποτάμια και στα παράκτια ύδατα οδήγησε στην ανάπτυξη αλγορίθμων ποιότητας νερού με στόχο την απόκτηση ποσοτικών βιογεωχημικών πληροφοριών, όπως η χλωροφύλλη, η χρωματισμένη διαλυμένη οργανική ύλη, οι αιωρούμενες σωματιδιακές ουσίες και η διαύγεια του νερού. Η διαύγεια των υδάτων είναι ένα καλός δείκτης για την συνολική ποιότητα των υδάτων και μπορεί να προσδιοριστεί εύκολα από τον δίσκο του Secchi διαμέτρου 30 cm. Κάποιος μπορεί να μετρήσει την διαύγεια των υδάτων βυθίζοντας τον δίσκο του Secchi μέσα στο νερό μέχρι το σημείο που δεν θα τον βλέπει πια από την επιφάνεια. Αυτό το σημείο ονομάζεται βάθος του δίσκου του Secchi (ZSD). To ZSD καθορίζεται από την ποσότητα του φυτοπλαγκτόν, τη διαλυμένη οργανική ύλη και τα ανόργανα σωματίδια στη στήλη του ύδατος. Για την κατανόηση του ZSD με μεθόδους τηλεπισκόπησης προτάθηκε ένα νέο μοντέλο που συσχετίζει τον ZSD με τον συντελεστή διάχυτης εξασθένησης. Το μοντέλο αυτό βαθμονομήθηκε από επιτόπιες μετρήσεις του ZSD σε ωκεάνια, παράκτια και εσωτερικά ύδατα και εφαρμόστηκε στα τέσσερα υδατικά παράκτια οικοσυστήματα της '''Εικόνας 1'''. Οι μεταβολές στην εποχικότητα και τη βαθυμετρία, καθιστούν αυτές τις περιοχές ιδανικές θέσεις για την αξιολόγηση της ακρίβειας του αλγορίθμου L8 ZSD. Αυτή η μελέτη αποδεικνύει την χρησιμότητα της εφαρμογής του νέου αυτού αλγορίθμου για την διαύγεια του νερού και τονίζει την ικανότητα των εικόνων L8 να διευρύνουν την κατανόησή μας για τις διαχρονικές διακυμάνσεις της διαύγειας του θαλάσσιου νερού.

'''Μεθοδολογία-Ανάλυση'''

'''1. Επιτόπιες μετρήσεις ZSD'''

Οι επιτόπιες μετρήσεις του ZSD συλλέχθηκαν από προγράμματα παρακολούθησης της ποιότητας του νερού στο Boston Harbor, Buzzards Bay, Cape Cod Bay και τον κόλπο Narragansett. Το ZSD καταγράφηκε ως το βάθος που ο δίσκος Secchi δεν είναι πλέον ορατός από κάποιο άτομο που βρίσκεται στην επιφάνεια. Οι επιτόπιες μετρήσεις του ZSD αρχίσαν τον Απρίλιο του 2013 μέχρι τον Δεκέμβριο του 2017 για να αντιστοιχούν με τις μετρήσεις του L8 (Landsat 8).

'''2. Δορυφορικά δεδομένα'''

Για την μελέτη αυτή ανακτήθηκαν συνολικά 58 εικόνες καθαρού ουρανού L8 από τον Απρίλιο του 2013 μέχρι τον Δεκέμβριο 2017 από το Earth Explorer. Οι εικόνες του επιπέδου 1 υποβλήθηκαν σε επεξεργασία με το SeaDAS για τη δημιουργία τηλεσκοπικής ανακλαστικότητας (Rrs, sr-1). Για την ατμοσφαιρική διόρθωση, χρησιμοποιήθηκε ο αλγόριθμός NIR-SWIR. Τα προϊόντα Rrs υποβλήθηκαν σε περαιτέρω επεξεργασία με τον Quasi-Analytical αλγόριθμο για να προκύψουν οι συντελεστές συνολικής απορρόφησης a και οπισωσκέδασης bb με βάση τους οποίους προέκυψε ο συντελεστής διάχυτης απόσβεσης Kd (m-1).

'''3. Αλγόριθμος L8 ZSD'''

To ZSD στην μελέτη αυτή εκφράζεται από την παρακάτω σχέση:

[[Εικόνα: p4photo5.png| thumb| center|]]

Όπου όπου Kd αντιπροσωπεύει τον ελάχιστο συντελεστή διάχυτης εξασθένησης ενός υδατικού οικοσυστήματος στην ορατή περιοχή (400-700 nm) και Rrs την αντίστοιχη τηλεσκοπική ανακλαστικότητα στο ίδιο μήκος κύματος. Ο Kd μπορεί εύκολα να προσδιοριστεί με την εισαγωγή διαφορετικών ζωνών του Rrs στο ορατό. Επειδή ο L8 έχει μόνο τέσσερις φασματικές ζώνες (443, 482, 561 και 670 nm) στο ορατό φάσμα, για να γεμίσει το φασματικό κενό μεταξύ 482 nm και 561 nm αναπτύχθηκε μια εμπειρική σχέση για την εκτίμηση του συντελεστή διάχυτης εξασθένησης στα 530 nm (Kd (530)) με σκοπό την βελτίωση του προσδιορισμού του ελαχίστου Kd στο ορατό φάσμα.

'''4. Επαλήθευση'''

Οι τιμές ZSD του δορυφόρου L8 επαληθεύθηκαν από τις επιτόπιες μετρήσεις των τιμών ZSD για τις ίδιες μέρες από το 2013 έως το 2017.

'''Αποτελέσματα'''

'''1. Σύγκριση επιτόπιων μετρήσεων ZSD και L8 ZSD για την ίδια ημέρα'''

Οι παρατηρούμενες τιμές διαφέρουν σημαντικά τόσο για την χλωροφύλλη (0,38-68,9 mg/m3) όσο και για την θολερότητα (0,1-77,4 NTU). Αν και η χλωροφύλλη δεν είναι ο μόνος δείκτης διαύγειας του νερού, ήταν το μόνο μακροχρόνια, οπτικά μεταβλητό συστατικό που παρείχε στοιχεία σχετικά με την διαύγεια του νερού. Ωστόσο, παρά τις διαφορές στο υποκείμενο νερό, την εποχή του χρόνου και στις επιτόπιες μετρήσεις των διάφορων παρατηρητών, υπήρξε καλή συμφωνία του ZSD (επιτόπιο έναντι L8 ZSD) μεταξύ των περιοχών του Buzzards Bay, Cape Cod Bay, Narragansett Bay. Οι διαφορές μεταξύ των επιτόπιων και των L8 ZSD πιθανότατα σχετίζονταν με τις μεθόδους ατμοσφαιρικής διόρθωσης, την ακρίβεια του Quasi-Analytical αλγορίθμου και τη χωρική μεταβλητότητα της διαύγειας του νερού.

'''2. Διακύμανση της εμβέλειας του ZSD'''

Οι τιμές του L8 ZSD κατέγραψαν το εύρος και την κατανομή της διαύγειας του νερού που παρατηρείται κατά μήκος των Boston Harbor, Buzzards Bay, Cape Cod Bay, and Narragansett Bay και με βάση αυτό αξιολογήθηκε ο L8 ZSD αλγόριθμος και για τις 58 εικόνες . Στην περίπτωση των Boston Harbor, Buzzards Bay, and Narragansett Bay οι τιμές του L8 ZSD και του ZSD από επιτόπιες μετρήσεις διέφεραν από 1 έως 5m κάτι χαρακτηριστικό των μικρών λιμανιών σε αυτά τα τρία υδάτινα οικοσυστήματα. Στην περίπτωση του Cape Cod Bay το εύρος των τιμών ZSD και στις δύο περιπτώσεις διέφερε από 4-10m με την πλειοψηφία των μετρήσεων να συγκεντρώνονται γύρω στα 5-6m.

'''3. Xρονική αξιολόγηση του ZSD'''

Οι επιτόπιες μετρήσεις του ZSD με αυτές του L8 ZSD στο Boston Harbor έδειξαν να έχουν συγκρίσιμες χρονοσειρές καθ’ όλη την περίοδο 2013-2017 και δεν παρουσίαζαν ιδιαίτερες εποχιακές τάσεις, αν και το L8 ZSD εμφανίστηκε σταθερά βαθύτερο από το επιτόπιο ZSD. Για τα Buzzards Bay και Cape Cod Bay την περίοδο 2013-2017 οι τιμές L8 ZSD ήταν χαμηλότερες κατά τους χειμερινούς μήνες (Δεκέμβριος-Φεβρουάριος) και υψηλότερες κατά τους ανοιξιάτικους μήνες (Μάρτιος-Μάιος). Το χαμηλό ZSD πιθανότατα σχετίζεται με τις υψηλές θερμοκρασίες και την αύξηση θρεπτικών συστατικών που αυξάνουν το φυτοπλαγκτόν κάτι που προκαλεί εποχιακή θολερότητα στο νερό.

'''4. Χωρική αξιολόγηση του ZSD'''

Με βάση τις επαληθευμένες τιμές και τον αλγόριθμου του L8 ZSD δημιουργήθηκαν χάρτες για τα Buzzards Bay ('''Εικόνα 2'''), Cape Cod Bay ('''Εικόνα 3''') και Narragansett Bay ('''Εικόνα 4''') για τις 14 Μαρτίου 2014. Ενώ οι χάρτες ZSD αποτελούν ουσιαστικά ένα στιγμιότυπο των συνθηκών διαύγειας του νερού κατά τη διάρκεια της διαδρομής του L8, απεικονίζουν τα περιφερειακά χωρικά πρότυπα. Στο Buzzards Bay το ZSD φαίνεται να έχει μικρότερες τιμές στις εκβολές που συνορεύουν με τη νοτιοανατολική ηπειρωτική Μασαχουσέτη. Στο Cape Cod Bay παρατηρείται χαμηλό ZSD τόσο στο παράκτιο μέρος όσο και ανοιχτά της περιοχής. Στη δυτική άκρη του Cape Cod Bay, οι μεταβολές του ZSD θα μπορούσαν να συνδεθούν με την αντίθετη προς τη φορά των δεικτών ρολογιού κυκλοφορία του κόλπου της Μασαχουσέτης, τις παλιρροιακές ροές, την περίοδο ανθοφορίας του φυτοπλαγκτόν, την εκκένωση θρεπτικών ουσιών από την ενδοχώρα ή με συνδυασμό των παραπάνω. Τέλος, πολύ μικρές τιμές ZSD (1,5-3,5 μ.) εμφανίζονται να είναι ομοιόμορφα κατανεμημένες σε όλο το Upper Narragansett Bay.

'''Συμπεράσματα'''

Η συγκεκριμένη μελέτη τόνισε την εγκυρότητα της εφαρμογής του αλγορίθμου L8 ZSD στα διάφορα παράκτια υδατικά συστήματα συγκρίνοντας για την ίδια ημέρα τις επιτόπιες μετρήσεις του ZSD σε σχέση με αυτές του δορυφόρου L8 ZSD. Για την επαλήθευση και εφαρμογή του αλγορίθμου L8 ZSD χρησιμοποιήθηκαν γεωφυσικές και βιογεωχημικές πληροφορίες από οργανισμούς παρακολούθησης της ποιότητας του νερού. Η εφαρμογή του αλγορίθμου L8 ZSD υποδηλώνει τελικά μια αυστηρότερη αξιολόγηση των μοτίβων καθαρότητας του νερού. Η αντιστοίχηση των μετρήσεων και των χαρτών L8 ZSD με τις τοπικές πληροφορίες παρακολούθησης της ποιότητας των υδάτων θα ενισχύσει τις προσπάθειες των ομάδων παρακολούθησης της ποιότητας των υδάτων και τελικά θα ενημερώσει καλύτερα τους παράκτιους διαχειριστές, τους υπεύθυνους χάραξης πολιτικής και τις κοινότητες σχετικά με τις αλλαγές στην διαύγεια των παράκτιων υδάτων.

[[category:Παρακολούθηση παράκτιων οικοσυστημάτων]]

Αρχείο:P4photo5.png

2020-02-04T22:36:52Z

Christina Anas: ανέβασμα νέας έκδοσης του "Αρχείο:P4photo5.png"

Εκτίμηση της επίδρασης της μεταβολής της βλάστησης στις βροχοπτώσεις και την θερμοκρασία...

2020-02-04T22:36:02Z

Christina Anas:

'''Εκτίμηση της επίδρασης της μεταβολής της βλάστησης στις βροχοπτώσεις και την θερμοκρασία της επιφάνειας του εδάφους χρησιμοποιώντας την τηλεπισκόπηση στο υποτροπικό κλίμα της Αιθιοπίας '''

'''Πρωτότυπος τίτλος:''' An assessment of the vegetation cover change impact on rainfall and land surface temperature using remote sensing in a subtropical climate, Ethiopia

'''Συγγραφείς:''' Worku Nega a,c,*, Binyam Tesfaw Hailu a,d, Aramde Fetene b*

a* School of Earth Science, College of Natural and Computational Sciences, Addis Ababa University, Ethiopia

b* Ethiopian Institute of Architecture, Building Construction & City Development (EiABC), Addis Ababa University, Ethiopia

c* Institute of Land Administration, Department of Land Administration and Surveying, Debre Markos University, Ethiopia

d* Philipps-Universitat Marburg, Department of Geography, Deutschhausstraße 12, 35032, Marburg, Germany

'''Δημοσιεύθηκε:''' Remote Sensing Applications: Society and Environment, Νοέμβριος 2019

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S2352938519301880]

'''Λέξεις-Κλειδιά:''' βροχόπτωση, θερμοκρασία, βλάστηση

[[Εικόνα:p5photo1.png| thumb| right|'''Εικόνα 1:''' Χάρτης NDVI για τα έτη (α) 1985, (β) 2000, (γ) 2010, και (δ) 2017]]

[[Εικόνα:p5photo2.png| thumb| right|'''Εικόνα 2:''' Χάρτης κάλυψης γη της ζώνης North Gondar για τα έτη (α) 1985, (β) 2000, (γ) 2010, και (δ) 2017]]

'''Αντικείμενο Εφαρμογής'''

Σκοπός της μελέτης είναι να αξιολογηθούν οι μεταβολές της βλάστησης για την περίοδο από το 1985 έως το 2017 και να αξιολογηθούν οι επιπτώσεις της στις βροχοπτώσεις και στην επιφανειακή θερμοκρασία του εδάφους σε μια εξαιρετικά αποψιλωμένη και πολυπληθή περιοχή της Αιθιοπίας.

'''Εισαγωγή'''

Η μελέτη του ποσοστού της βλάστησης και των επιπτώσεών του στο περιβάλλον με τη χρήση τηλεπισκόπησης αποτελεί βασικό ζήτημα για αποτελεσματική λήψη αποφάσεων στη διατήρηση των φυσικών πόρων. Η αποψίλωση έχει ήδη επηρεάσει σημαντικά το κλίμα στην Αιθιοπία και αποτελεί σοβαρή απειλή για τις ατμοσφαιρικές συνθήκες, την απώλεια της βιοποικιλότητας, την ερημοποίηση και τον εκτοπισμό ανθρώπων. Η τεχνολογία τηλεπισκόπησης είναι σημαντική για την παρατήρηση και την ποσοτικοποίηση των φυσικών πόρων και των δυναμικών φαινομένων στην επιφάνεια της Γης. Τα τελευταία χρόνια, τα δεδομένα τηλεπισκόπησης έχουν αξιολογήσει αποτελεσματικά τις μακροπρόθεσμες αλλαγές στην κάλυψη της βλάστησης. Οι δορυφορικές εικόνες συνιστούν ένα οικονομικά αποδοτικό μέσο για συλλογή και ανάλυση δεδομένων κάλυψης γης σε μεγάλες γεωγραφικές περιοχές. Η χαρτογράφηση, η ποσοτικοποίηση και η παρακολούθηση της κάλυψης γης είναι απαραίτητες για την κατανόηση της τρέχουσας κατάστασης του τοπίου. Η εκτίμηση των χωροχρονικών αποκλίσεων της βλάστησης αποτελεί βασικό δείκτη για την κατανόηση των φυσικών αλλαγών του περιβάλλοντος. Ο NDVI μπορεί να χρησιμοποιηθεί ως δείκτης για τη μελέτη της διαχρονικής μεταβλητότητας της βλάστησης. Η μελέτη αυτή διερευνά τις επιπτώσεις της βλάστησης στις βροχοπτώσεις και την LST της ζώνης North Gondar για την περίοδο 1985-2017 χρησιμοποιώντας τηλεπισκόπηση και στατιστική ανάλυση.

'''Μεθοδολογία-Ανάλυση'''

'''1. Περιοχή μελέτης'''

Η περιοχή μελέτης είναι η North Gondar Zone στην Αιθιοπία. Περιλαμβάνει 23 διοικητικές περιφέρειες και καλύπτει συνολική έκταση 4.476.421 εκτάρια με συνολικό πληθυσμό περίπου 3,5 εκ. Το κλίμα της περιοχής είναι υποτροπικό, δηλαδή θερμό κατά τη διάρκεια της ξηράς περιόδου (Οκτώβριος - Φεβρουάριος) και κρύο κατά τη διάρκεια της περιόδου των βροχών (Ιούνιος – Σεπτέμβριος) με μέση εποχιακή θερμοκρασία μεταξύ 20 και 25οC.

'''2. Γεωχωρικά δεδομένα'''

Αυτή η μελέτη χρησιμοποιεί διάφορους τύπους δεδομένων τηλεπισκόπησης. Περιλαμβάνει πολυφασματικές εικόνες από τον Landsat 8 OLI (2017) και Landsat 5 TM (1985, 2000 και 2010) για την ανάλυση της βλάστησης όπως επίσης και δεδομένα MODIS/Terra LST (land surface temperature) από το 2000 έως το 2017 για την ανάλυση της τάσης της επιφανειακής θερμοκρασίας (LST). Ακόμη, για την ανάλυση της βροχόπτωσης χρησιμοποιήθηκαν δεδομένα από το Climate Hazards Group Infrared Precipitation with Stations (CHIRPS) για τα έτη 1981-2017.

'''3. Προεπεξεργασία δεδομένων'''

Σε αυτή τη μελέτη, εφαρμόστηκαν ατμοσφαιρικές και ραδιομετρικές διορθώσεις, χρησιμοποιώντας το λογισμικό ERDAS Imagine 2015. Τα σύνολα δεδομένων MODIS διατέθηκαν στη μορφή ιεραρχικών δεδομένων (HDF) και για τη μετατροπή αυτών των αρχείων στο κατάλληλο σύστημα συντεταγμένων (Adindan UTM Zone 37 N) και στην μορφή tiff , χρησιμοποιήθηκε το ArcGIS 10.3.

'''4. NDVI και οριοθέτηση εικόνας'''

Ο NDVI είναι ένας δείκτης βλάστησης που διακρίνει αποτελεσματικά την ύπαρξη της βλάστησης. Η τιμή NDVI ενός εικονοστοιχείου κυμαίνεται μεταξύ -1 και 1. Υψηλότερες τιμές υποδηλώνουν πλουσιότερη και υγιέστερη βλάστηση, ενώ οι τιμές πιο κοντά στο 0 και το -1 αντιστοιχούν σε άγονες εκτάσεις και υδάτινες επιφάνειες αντίστοιχα. Η σχέση το δείκτη NDVI είναι η ακόλουθη:

[[Εικόνα:p5photo3.png| thumb| center|]]

Εφαρμόστηκαν όρια για τον προσδιορισμό των ελάχιστων και μέγιστων τιμών κατωφλίου μίας επεξεργασμένης εικόνας NDVI. Στη μελέτη αυτή, το όριο καθορίστηκε στην τιμή 0,45. Οι δορυφορικές εικόνες με NDVI> 0.45 ταξινομήθηκαν ως βλάστηση και τα εικονοστοιχεία με τιμή <0.45 ταξινομήθηκαν ως περιοχές χωρίς βλάστηση. Σε αυτή τη μελέτη στις ταξινομημένες εικόνες χρησιμοποιήθηκε η μέθοδος image differencing για την ανίχνευση των μεταβολών της βλάστησης.

'''5. Αξιολόγηση ακριβείας'''

Στη μελέτη αυτή, η ακρίβεια εκτιμήθηκε χρησιμοποιώντας σημεία ελέγχου εδάφους από παρατηρήσεις πεδίου ως κύρια πηγή δεδομένων αναφοράς συμπληρωματικά με τα σημεία του Google Earth. Συνολικά 500 σημεία αναφοράς και από τις δύο πηγές χρησιμοποιήθηκαν για να ταξινομήσουν την δορυφορική εικόνα και να επαληθεύσουν το αποτέλεσμα. Ακόμη υπολογίστηκε ο συντελεστής k ο οποίος δίνει μια εκτίμηση της συνολικής συμφωνίας μεταξύ των εικόνων και των στοιχείων αναφοράς.

'''6. Υπολογισμός επιφανειακής θερμοκρασίας'''

Τα δεδομένα MODIS LST με χωρική ανάλυση 1 km βαθμονομήθηκαν για να λαμβάνουν τη θερμοκρασία σε βαθμούς Κελσίου με βάση την παρακάτω σχέση:

Θερμοκρασία(οC)= (ψηφιακός αριθμός*0.02)-273.15)

Η μέση μηνιαία τιμή LST για κάθε έτος στην περίοδο μελέτης (2000-2017) υπολογίστηκε χρησιμοποιώντας την αριθμομηχανή raster στο ArcGIS προσθέτοντας τέσσερις διαδοχικές σύνθετες εικόνες διάρκειας 8 ημερών και διαιρώντας με το 4. Στη συνέχεια, ο μέσος όρος LST της περιόδου ξηρασίας για κάθε έτος της περιόδου μελέτης υπολογίστηκε με βάση το λόγο του αθροίσματος του μηνιαίου LST για κάθε μήνα του έτους προς το 7, το οποίο δείχνει τον αριθμό των μηνών ξηρής περιόδου (Οκτώβριος-Απρίλιος ).

'''7. Ανάλυση τάσεων και στατιστική ανάλυση'''

Η τάση των δεδομένων βροχόπτωσης και LST αναλύθηκε χρησιμοποιώντας το Mann-Kendall trend που δείχνει κατά πόσο οι τάσεις των χρονοσειρών της βροχόπτωσης και του LST μειώνονται, αυξάνονται ή δεν υπάρχουν. Ακόμη, για να ελεγχθεί ο συσχετισμός μεταξύ της κάλυψης από βλάστηση με τις μέσες ετήσιες τιμές των βροχοπτώσεων και της επιφανειακής θερμοκρασίας εφαρμόστηκε σε κάθε εικονοστοιχείο ο συντελεστής συσχέτισης Pearson (PCC).

'''Αποτελέσματα'''

'''1. NDVI και καλύψεις γης'''

Σύμφωνα με την '''Εικόνα 1''' για τα έτη 1985 και 2017, o NDVI της περιοχής μελέτης κυμαίνεται από +1.00 έως -0.51 και +0.53 έως -0.22, αντίστοιχα. Το 2000 και 2010 οι τιμές NDVI κυμαίνονταν από -0,56 έως 0,67 και από -0,53 έως 0,63 αντίστοιχα. Συνολικά, η μέγιστη τιμή του δείκτη βλάστησης μειώθηκε από 1,00 το 1985 σε 0,53 το 2017συνεπώς, η κάλυψη της βλάστησης ήταν μεγαλύτερη το 1985 από ό,τι το 2017. Σύμφωνα με την '''Εικόνα 2''' μέχρι το 2000, η βλάστηση είχε μειωθεί στο 3,9% της συνολικής έκτασης. Μέχρι το 2017, μόνο το 2,6% της περιοχής μελέτης καλυπτόταν από βλάστηση. Συνολικά, η ζώνη North Gondar έχει χάσει περίπου το 2,1% της κάλυψης από βλάστηση τα τελευταία 32 χρόνια.

'''2. Αξιολόγηση ακριβείας'''

Για το 1985, η αξιολόγηση ακρίβειας δείχνει ότι η συνολική ακρίβεια ήταν 86,4% με συντελεστή k=0,72. Ενώ το 2017 η συνολική ακρίβεια της εικόνας ταξινόμησης (92,2%) και του συντελεστή k (0,84) βελτιώθηκαν αμφότερες.

'''3. Ανάλυση τάσεων ετήσιας βροχόπτωσης και ξηρής περιόδου LST'''

Η Mann-Kendall trend έδειξε ότι οι αλλαγές στη μέση, την ελάχιστη και την μέγιστη ετήσια βροχόπτωση κατά την περίοδο μελέτης ήταν στατιστικά αμελητέες. Ωστόσο, σε όλες τις τιμές παρατηρήθηκε μία μικρή ανοδική τάση κατά την περίοδο της μελέτης. Στην LST δεν διαπιστώθηκε καμία σημαντική τάση κατά την περίοδο της μελέτης.

'''4. Σχέση μεταξύ NDVI και βλάστησης με τις βροχοπτώσεις'''

Η συσχέτιση Pearson δείχνει ότι ο NDVI και οι βροχοπτώσεις έχουν μέτρια συσχέτιση, με συντελεστή συσχέτισης R= 0,76. Ωστόσο, η τοπική μέση ετήσια βροχόπτωση ελαττώθηκε κατά 143,9 mm πιθανόν επειδή η βλάστηση μειώθηκε συνολικά κατά 56952 ha στα βόρεια, κεντρικά και νοτιοανατολικά τμήματα της περιοχής μελέτης από το 2000 μέχρι το 2017.

'''5. Σχέση μεταξύ NDVI και βλάστησης με την LST'''

Ο συντελεστής συσχέτισης που επιτυγχάνεται για τα LST και NDVI είναι k= -0,98. Αυτό δείχνει ότι το LST είναι έντονα, αρνητικά συσχετισμένο με το NDVI. Συνεπώς, περιοχές με το λιγότερη κάλυψη βλάστησης εμφανίζουν μεγαλύτερες επιφανειακές θερμοκρασίες. Επιπλέον, η μέγιστη τιμή LST αυξήθηκε από 38,04 οC το 2000 σε 40,73 οC το 2010 ενώ η βλάστηση μειώθηκε σε μέγεθος από 173,971 ha το 2000 σε 141.785 ha το 2010. Για την περίοδο 2010 έως 2017, η βλάστηση μειώθηκε στα 117.019 ha και η μέγιστη LST έφτασε τους 42,63 οC.

'''Συμπεράσματα'''

Η μελέτη αυτή χρησιμοποιεί τις τιμές NDVI για την παρακολούθηση της βλάστησης στο κεντρικό, βόρειο και νοτιοανατολικό τμήμα της ζώνης North Gondar, της Αιθιοπίας. Τα αποτελέσματα έδειξαν πως η περιοχή μελέτης έχει χάσει το 2,1% της βλάστησης της τα τελευταία 32 χρόνια. Ακόμη, η περιοχή δείχνει μια τάση αύξησης της ελάχιστης, μέγιστης και μέσης ετήσιας βροχόπτωσης από το 1981 έως το 2017. Οι ετήσιες ελάχιστες, μέγιστες και μέσες βροχοπτώσεις αυξήθηκαν κατά 1,41 mm, 4,88 mm και 3,56 mm αντίστοιχα κατά την περίοδο της μελέτης. Το Mann-Kendall trend έδειξε επίσης ότι οι τάσεις στο ελάχιστο, μέγιστο και μέσο όρο LST δεν ήταν στατιστικά σημαντικές, ωστόσο, η ετήσια ελάχιστη, μέγιστη και μέση τιμή LST αυξήθηκε κατά 0,01οC, 0,09 ̊C και 0,03 ̊C, αντίστοιχα, κατά τη διάρκεια της περιόδου μελέτης. Οι στατιστική μελέτη έδειξε ότι μεταξύ των ετών 2000 και 2017, η μέση ετήσια βροχόπτωση μειώθηκε κατά 144 mm και η μέση ξηρή περίοδος LST αυξήθηκε κατά 2 ° C, καθώς η βλάστηση μειώθηκε κατά 56.952 ha.

[[category:Καταγραφή πρασίνου]]

Αρχείο:P5photo2.png

2020-02-04T22:35:17Z

Christina Anas: Χάρτης κάλυψης γη της ζώνης North Gondar για τα έτη (α) 1985, (β) 2000, (γ) 2010, και (δ) 2017

Χάρτης κάλυψης γη της ζώνης North Gondar για τα έτη (α) 1985, (β) 2000, (γ) 2010, και (δ) 2017

Αρχείο:P5photo1.png

2020-02-04T22:34:35Z

Christina Anas: Χάρτης NDVI για τα έτη (α) 1985, (β) 2000, (γ) 2010, και (δ) 2017

Χάρτης NDVI για τα έτη (α) 1985, (β) 2000, (γ) 2010, και (δ) 2017

Αρχείο:P5photo3.png

2020-02-04T22:33:46Z

Christina Anas:

Εκτίμηση της επίδρασης της μεταβολής της βλάστησης στις βροχοπτώσεις και την θερμοκρασία...

2020-02-04T22:33:24Z

Christina Anas:

'''Εκτίμηση της επίδρασης της μεταβολής της βλάστησης στις βροχοπτώσεις και την θερμοκρασία της επιφάνειας του εδάφους χρησιμοποιώντας την τηλεπισκόπηση στο υποτροπικό κλίμα της Αιθιοπίας '''

'''Πρωτότυπος τίτλος:''' An assessment of the vegetation cover change impact on rainfall and land surface temperature using remote sensing in a subtropical climate, Ethiopia

'''Συγγραφείς:''' Worku Nega a,c,*, Binyam Tesfaw Hailu a,d, Aramde Fetene b*
a* School of Earth Science, College of Natural and Computational Sciences, Addis Ababa University, Ethiopia
b* Ethiopian Institute of Architecture, Building Construction & City Development (EiABC), Addis Ababa University, Ethiopia
c* Institute of Land Administration, Department of Land Administration and Surveying, Debre Markos University, Ethiopia
d* Philipps-Universitat Marburg, Department of Geography, Deutschhausstraße 12, 35032, Marburg, Germany

'''Δημοσιεύθηκε:''' Remote Sensing Applications: Society and Environment, Νοέμβριος 2019

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S2352938519301880]

'''Λέξεις-Κλειδιά:''' βροχόπτωση, θερμοκρασία, βλάστηση

[[Εικόνα:p5photo1.png| thumb| right|'''Εικόνα 1:''' Χάρτης NDVI για τα έτη (α) 1985, (β) 2000, (γ) 2010, και (δ) 2017]]

[[Εικόνα:p5photo2.png| thumb| right|'''Εικόνα 2:''' Χάρτης κάλυψης γη της ζώνης North Gondar για τα έτη (α) 1985, (β) 2000, (γ) 2010, και (δ) 2017]]

'''Αντικείμενο Εφαρμογής'''

Σκοπός της μελέτης είναι να αξιολογηθούν οι μεταβολές της βλάστησης για την περίοδο από το 1985 έως το 2017 και να αξιολογηθούν οι επιπτώσεις της στις βροχοπτώσεις και στην επιφανειακή θερμοκρασία του εδάφους σε μια εξαιρετικά αποψιλωμένη και πολυπληθή περιοχή της Αιθιοπίας.

'''Εισαγωγή'''

Η μελέτη του ποσοστού της βλάστησης και των επιπτώσεών του στο περιβάλλον με τη χρήση τηλεπισκόπησης αποτελεί βασικό ζήτημα για αποτελεσματική λήψη αποφάσεων στη διατήρηση των φυσικών πόρων. Η αποψίλωση έχει ήδη επηρεάσει σημαντικά το κλίμα στην Αιθιοπία και αποτελεί σοβαρή απειλή για τις ατμοσφαιρικές συνθήκες, την απώλεια της βιοποικιλότητας, την ερημοποίηση και τον εκτοπισμό ανθρώπων. Η τεχνολογία τηλεπισκόπησης είναι σημαντική για την παρατήρηση και την ποσοτικοποίηση των φυσικών πόρων και των δυναμικών φαινομένων στην επιφάνεια της Γης. Τα τελευταία χρόνια, τα δεδομένα τηλεπισκόπησης έχουν αξιολογήσει αποτελεσματικά τις μακροπρόθεσμες αλλαγές στην κάλυψη της βλάστησης. Οι δορυφορικές εικόνες συνιστούν ένα οικονομικά αποδοτικό μέσο για συλλογή και ανάλυση δεδομένων κάλυψης γης σε μεγάλες γεωγραφικές περιοχές. Η χαρτογράφηση, η ποσοτικοποίηση και η παρακολούθηση της κάλυψης γης είναι απαραίτητες για την κατανόηση της τρέχουσας κατάστασης του τοπίου. Η εκτίμηση των χωροχρονικών αποκλίσεων της βλάστησης αποτελεί βασικό δείκτη για την κατανόηση των φυσικών αλλαγών του περιβάλλοντος. Ο NDVI μπορεί να χρησιμοποιηθεί ως δείκτης για τη μελέτη της διαχρονικής μεταβλητότητας της βλάστησης. Η μελέτη αυτή διερευνά τις επιπτώσεις της βλάστησης στις βροχοπτώσεις και την LST της ζώνης North Gondar για την περίοδο 1985-2017 χρησιμοποιώντας τηλεπισκόπηση και στατιστική ανάλυση.

'''Μεθοδολογία-Ανάλυση'''

'''1. Περιοχή μελέτης'''

Η περιοχή μελέτης είναι η North Gondar Zone στην Αιθιοπία. Περιλαμβάνει 23 διοικητικές περιφέρειες και καλύπτει συνολική έκταση 4.476.421 εκτάρια με συνολικό πληθυσμό περίπου 3,5 εκ. Το κλίμα της περιοχής είναι υποτροπικό, δηλαδή θερμό κατά τη διάρκεια της ξηράς περιόδου (Οκτώβριος - Φεβρουάριος) και κρύο κατά τη διάρκεια της περιόδου των βροχών (Ιούνιος – Σεπτέμβριος) με μέση εποχιακή θερμοκρασία μεταξύ 20 και 25οC.

'''2. Γεωχωρικά δεδομένα'''

Αυτή η μελέτη χρησιμοποιεί διάφορους τύπους δεδομένων τηλεπισκόπησης. Περιλαμβάνει πολυφασματικές εικόνες από τον Landsat 8 OLI (2017) και Landsat 5 TM (1985, 2000 και 2010) για την ανάλυση της βλάστησης όπως επίσης και δεδομένα MODIS/Terra LST (land surface temperature) από το 2000 έως το 2017 για την ανάλυση της τάσης της επιφανειακής θερμοκρασίας (LST). Ακόμη, για την ανάλυση της βροχόπτωσης χρησιμοποιήθηκαν δεδομένα από το Climate Hazards Group Infrared Precipitation with Stations (CHIRPS) για τα έτη 1981-2017.

'''3. Προεπεξεργασία δεδομένων'''

Σε αυτή τη μελέτη, εφαρμόστηκαν ατμοσφαιρικές και ραδιομετρικές διορθώσεις, χρησιμοποιώντας το λογισμικό ERDAS Imagine 2015. Τα σύνολα δεδομένων MODIS διατέθηκαν στη μορφή ιεραρχικών δεδομένων (HDF) και για τη μετατροπή αυτών των αρχείων στο κατάλληλο σύστημα συντεταγμένων (Adindan UTM Zone 37 N) και στην μορφή tiff , χρησιμοποιήθηκε το ArcGIS 10.3.

'''4. NDVI και οριοθέτηση εικόνας'''

Ο NDVI είναι ένας δείκτης βλάστησης που διακρίνει αποτελεσματικά την ύπαρξη της βλάστησης. Η τιμή NDVI ενός εικονοστοιχείου κυμαίνεται μεταξύ -1 και 1. Υψηλότερες τιμές υποδηλώνουν πλουσιότερη και υγιέστερη βλάστηση, ενώ οι τιμές πιο κοντά στο 0 και το -1 αντιστοιχούν σε άγονες εκτάσεις και υδάτινες επιφάνειες αντίστοιχα. Η σχέση το δείκτη NDVI είναι η ακόλουθη:

[[Εικόνα:p5photo3.png| thumb| center|]]

Εφαρμόστηκαν όρια για τον προσδιορισμό των ελάχιστων και μέγιστων τιμών κατωφλίου μίας επεξεργασμένης εικόνας NDVI. Στη μελέτη αυτή, το όριο καθορίστηκε στην τιμή 0,45. Οι δορυφορικές εικόνες με NDVI> 0.45 ταξινομήθηκαν ως βλάστηση και τα εικονοστοιχεία με τιμή <0.45 ταξινομήθηκαν ως περιοχές χωρίς βλάστηση. Σε αυτή τη μελέτη στις ταξινομημένες εικόνες χρησιμοποιήθηκε η μέθοδος image differencing για την ανίχνευση των μεταβολών της βλάστησης.

'''5. Αξιολόγηση ακριβείας'''

Στη μελέτη αυτή, η ακρίβεια εκτιμήθηκε χρησιμοποιώντας σημεία ελέγχου εδάφους από παρατηρήσεις πεδίου ως κύρια πηγή δεδομένων αναφοράς συμπληρωματικά με τα σημεία του Google Earth. Συνολικά 500 σημεία αναφοράς και από τις δύο πηγές χρησιμοποιήθηκαν για να ταξινομήσουν την δορυφορική εικόνα και να επαληθεύσουν το αποτέλεσμα. Ακόμη υπολογίστηκε ο συντελεστής k ο οποίος δίνει μια εκτίμηση της συνολικής συμφωνίας μεταξύ των εικόνων και των στοιχείων αναφοράς.

'''6. Υπολογισμός επιφανειακής θερμοκρασίας'''

Τα δεδομένα MODIS LST με χωρική ανάλυση 1 km βαθμονομήθηκαν για να λαμβάνουν τη θερμοκρασία σε βαθμούς Κελσίου με βάση την παρακάτω σχέση:

Θερμοκρασία(οC)= (ψηφιακός αριθμός*0.02)-273.15)

Η μέση μηνιαία τιμή LST για κάθε έτος στην περίοδο μελέτης (2000-2017) υπολογίστηκε χρησιμοποιώντας την αριθμομηχανή raster στο ArcGIS προσθέτοντας τέσσερις διαδοχικές σύνθετες εικόνες διάρκειας 8 ημερών και διαιρώντας με το 4. Στη συνέχεια, ο μέσος όρος LST της περιόδου ξηρασίας για κάθε έτος της περιόδου μελέτης υπολογίστηκε με βάση το λόγο του αθροίσματος του μηνιαίου LST για κάθε μήνα του έτους προς το 7, το οποίο δείχνει τον αριθμό των μηνών ξηρής περιόδου (Οκτώβριος-Απρίλιος ).

'''7. Ανάλυση τάσεων και στατιστική ανάλυση'''

Η τάση των δεδομένων βροχόπτωσης και LST αναλύθηκε χρησιμοποιώντας το Mann-Kendall trend που δείχνει κατά πόσο οι τάσεις των χρονοσειρών της βροχόπτωσης και του LST μειώνονται, αυξάνονται ή δεν υπάρχουν. Ακόμη, για να ελεγχθεί ο συσχετισμός μεταξύ της κάλυψης από βλάστηση με τις μέσες ετήσιες τιμές των βροχοπτώσεων και της επιφανειακής θερμοκρασίας εφαρμόστηκε σε κάθε εικονοστοιχείο ο συντελεστής συσχέτισης Pearson (PCC).

'''Αποτελέσματα'''

'''1. NDVI και καλύψεις γης'''

Σύμφωνα με την '''Εικόνα 1''' για τα έτη 1985 και 2017, o NDVI της περιοχής μελέτης κυμαίνεται από +1.00 έως -0.51 και +0.53 έως -0.22, αντίστοιχα. Το 2000 και 2010 οι τιμές NDVI κυμαίνονταν από -0,56 έως 0,67 και από -0,53 έως 0,63 αντίστοιχα. Συνολικά, η μέγιστη τιμή του δείκτη βλάστησης μειώθηκε από 1,00 το 1985 σε 0,53 το 2017συνεπώς, η κάλυψη της βλάστησης ήταν μεγαλύτερη το 1985 από ό,τι το 2017. Σύμφωνα με την '''Εικόνα 2''' μέχρι το 2000, η βλάστηση είχε μειωθεί στο 3,9% της συνολικής έκτασης. Μέχρι το 2017, μόνο το 2,6% της περιοχής μελέτης καλυπτόταν από βλάστηση. Συνολικά, η ζώνη North Gondar έχει χάσει περίπου το 2,1% της κάλυψης από βλάστηση τα τελευταία 32 χρόνια.

'''2. Αξιολόγηση ακριβείας'''

Για το 1985, η αξιολόγηση ακρίβειας δείχνει ότι η συνολική ακρίβεια ήταν 86,4% με συντελεστή k=0,72. Ενώ το 2017 η συνολική ακρίβεια της εικόνας ταξινόμησης (92,2%) και του συντελεστή k (0,84) βελτιώθηκαν αμφότερες.

'''3. Ανάλυση τάσεων ετήσιας βροχόπτωσης και ξηρής περιόδου LST'''

Η Mann-Kendall trend έδειξε ότι οι αλλαγές στη μέση, την ελάχιστη και την μέγιστη ετήσια βροχόπτωση κατά την περίοδο μελέτης ήταν στατιστικά αμελητέες. Ωστόσο, σε όλες τις τιμές παρατηρήθηκε μία μικρή ανοδική τάση κατά την περίοδο της μελέτης. Στην LST δεν διαπιστώθηκε καμία σημαντική τάση κατά την περίοδο της μελέτης.

'''4. Σχέση μεταξύ NDVI και βλάστησης με τις βροχοπτώσεις'''

Η συσχέτιση Pearson δείχνει ότι ο NDVI και οι βροχοπτώσεις έχουν μέτρια συσχέτιση, με συντελεστή συσχέτισης R= 0,76. Ωστόσο, η τοπική μέση ετήσια βροχόπτωση ελαττώθηκε κατά 143,9 mm πιθανόν επειδή η βλάστηση μειώθηκε συνολικά κατά 56952 ha στα βόρεια, κεντρικά και νοτιοανατολικά τμήματα της περιοχής μελέτης από το 2000 μέχρι το 2017.

'''5. Σχέση μεταξύ NDVI και βλάστησης με την LST'''

Ο συντελεστής συσχέτισης που επιτυγχάνεται για τα LST και NDVI είναι k= -0,98. Αυτό δείχνει ότι το LST είναι έντονα, αρνητικά συσχετισμένο με το NDVI. Συνεπώς, περιοχές με το λιγότερη κάλυψη βλάστησης εμφανίζουν μεγαλύτερες επιφανειακές θερμοκρασίες. Επιπλέον, η μέγιστη τιμή LST αυξήθηκε από 38,04 οC το 2000 σε 40,73 οC το 2010 ενώ η βλάστηση μειώθηκε σε μέγεθος από 173,971 ha το 2000 σε 141.785 ha το 2010. Για την περίοδο 2010 έως 2017, η βλάστηση μειώθηκε στα 117.019 ha και η μέγιστη LST έφτασε τους 42,63 οC.

'''Συμπεράσματα'''

Η μελέτη αυτή χρησιμοποιεί τις τιμές NDVI για την παρακολούθηση της βλάστησης στο κεντρικό, βόρειο και νοτιοανατολικό τμήμα της ζώνης North Gondar, της Αιθιοπίας. Τα αποτελέσματα έδειξαν πως η περιοχή μελέτης έχει χάσει το 2,1% της βλάστησης της τα τελευταία 32 χρόνια. Ακόμη, η περιοχή δείχνει μια τάση αύξησης της ελάχιστης, μέγιστης και μέσης ετήσιας βροχόπτωσης από το 1981 έως το 2017. Οι ετήσιες ελάχιστες, μέγιστες και μέσες βροχοπτώσεις αυξήθηκαν κατά 1,41 mm, 4,88 mm και 3,56 mm αντίστοιχα κατά την περίοδο της μελέτης. Το Mann-Kendall trend έδειξε επίσης ότι οι τάσεις στο ελάχιστο, μέγιστο και μέσο όρο LST δεν ήταν στατιστικά σημαντικές, ωστόσο, η ετήσια ελάχιστη, μέγιστη και μέση τιμή LST αυξήθηκε κατά 0,01οC, 0,09 ̊C και 0,03 ̊C, αντίστοιχα, κατά τη διάρκεια της περιόδου μελέτης. Οι στατιστική μελέτη έδειξε ότι μεταξύ των ετών 2000 και 2017, η μέση ετήσια βροχόπτωση μειώθηκε κατά 144 mm και η μέση ξηρή περίοδος LST αυξήθηκε κατά 2 ° C, καθώς η βλάστηση μειώθηκε κατά 56.952 ha.

[[category:Καταγραφή πρασίνου]]

Εκτίμηση της επίδρασης της μεταβολής της βλάστησης στις βροχοπτώσεις και την θερμοκρασία...

2020-02-04T22:32:53Z

Christina Anas:

'''Εκτίμηση της επίδρασης της μεταβολής της βλάστησης στις βροχοπτώσεις και την θερμοκρασία της επιφάνειας του εδάφους χρησιμοποιώντας την τηλεπισκόπηση στο υποτροπικό κλίμα της Αιθιοπίας '''

'''Πρωτότυπος τίτλος:''' An assessment of the vegetation cover change impact on rainfall and land surface temperature using remote sensing in a subtropical climate, Ethiopia

'''Συγγραφείς:''' Worku Nega a,c,*, Binyam Tesfaw Hailu a,d, Aramde Fetene b*
a* School of Earth Science, College of Natural and Computational Sciences, Addis Ababa University, Ethiopia
b* Ethiopian Institute of Architecture, Building Construction & City Development (EiABC), Addis Ababa University, Ethiopia
c* Institute of Land Administration, Department of Land Administration and Surveying, Debre Markos University, Ethiopia
d* Philipps-Universitat Marburg, Department of Geography, Deutschhausstraße 12, 35032, Marburg, Germany

'''Δημοσιεύθηκε:''' Remote Sensing Applications: Society and Environment, Νοέμβριος 2019

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S2352938519301880]

'''Λέξεις-Κλειδιά:''' βροχόπτωση, θερμοκρασία, βλάστηση

[[Εικόνα:p5photo1.png| thumb| right|'''Εικόνα 1:''' Χάρτης NDVI για τα έτη (α) 1985, (β) 2000, (γ) 2010, και (δ) 2017]]

[[Εικόνα:p5photo2.png| thumb| right|'''Εικόνα 2:''' Χάρτης κάλυψης γη της ζώνης North Gondar για τα έτη (α) 1985, (β) 2000, (γ) 2010, και (δ) 2017]]

'''Αντικείμενο Εφαρμογής'''

Σκοπός της μελέτης είναι να αξιολογηθούν οι μεταβολές της βλάστησης για την περίοδο από το 1985 έως το 2017 και να αξιολογηθούν οι επιπτώσεις της στις βροχοπτώσεις και στην επιφανειακή θερμοκρασία του εδάφους σε μια εξαιρετικά αποψιλωμένη και πολυπληθή περιοχή της Αιθιοπίας.

'''Εισαγωγή'''

Η μελέτη του ποσοστού της βλάστησης και των επιπτώσεών του στο περιβάλλον με τη χρήση τηλεπισκόπησης αποτελεί βασικό ζήτημα για αποτελεσματική λήψη αποφάσεων στη διατήρηση των φυσικών πόρων. Η αποψίλωση έχει ήδη επηρεάσει σημαντικά το κλίμα στην Αιθιοπία και αποτελεί σοβαρή απειλή για τις ατμοσφαιρικές συνθήκες, την απώλεια της βιοποικιλότητας, την ερημοποίηση και τον εκτοπισμό ανθρώπων. Η τεχνολογία τηλεπισκόπησης είναι σημαντική για την παρατήρηση και την ποσοτικοποίηση των φυσικών πόρων και των δυναμικών φαινομένων στην επιφάνεια της Γης. Τα τελευταία χρόνια, τα δεδομένα τηλεπισκόπησης έχουν αξιολογήσει αποτελεσματικά τις μακροπρόθεσμες αλλαγές στην κάλυψη της βλάστησης. Οι δορυφορικές εικόνες συνιστούν ένα οικονομικά αποδοτικό μέσο για συλλογή και ανάλυση δεδομένων κάλυψης γης σε μεγάλες γεωγραφικές περιοχές. Η χαρτογράφηση, η ποσοτικοποίηση και η παρακολούθηση της κάλυψης γης είναι απαραίτητες για την κατανόηση της τρέχουσας κατάστασης του τοπίου. Η εκτίμηση των χωροχρονικών αποκλίσεων της βλάστησης αποτελεί βασικό δείκτη για την κατανόηση των φυσικών αλλαγών του περιβάλλοντος. Ο NDVI μπορεί να χρησιμοποιηθεί ως δείκτης για τη μελέτη της διαχρονικής μεταβλητότητας της βλάστησης. Η μελέτη αυτή διερευνά τις επιπτώσεις της βλάστησης στις βροχοπτώσεις και την LST της ζώνης North Gondar για την περίοδο 1985-2017 χρησιμοποιώντας τηλεπισκόπηση και στατιστική ανάλυση.

'''Μεθοδολογία-Ανάλυση'''

'''1. Περιοχή μελέτης'''

Η περιοχή μελέτης είναι η North Gondar Zone στην Αιθιοπία. Περιλαμβάνει 23 διοικητικές περιφέρειες και καλύπτει συνολική έκταση 4.476.421 εκτάρια με συνολικό πληθυσμό περίπου 3,5 εκ. Το κλίμα της περιοχής είναι υποτροπικό, δηλαδή θερμό κατά τη διάρκεια της ξηράς περιόδου (Οκτώβριος - Φεβρουάριος) και κρύο κατά τη διάρκεια της περιόδου των βροχών (Ιούνιος – Σεπτέμβριος) με μέση εποχιακή θερμοκρασία μεταξύ 20 και 25οC.

'''2. Γεωχωρικά δεδομένα'''

Αυτή η μελέτη χρησιμοποιεί διάφορους τύπους δεδομένων τηλεπισκόπησης. Περιλαμβάνει πολυφασματικές εικόνες από τον Landsat 8 OLI (2017) και Landsat 5 TM (1985, 2000 και 2010) για την ανάλυση της βλάστησης όπως επίσης και δεδομένα MODIS/Terra LST (land surface temperature) από το 2000 έως το 2017 για την ανάλυση της τάσης της επιφανειακής θερμοκρασίας (LST). Ακόμη, για την ανάλυση της βροχόπτωσης χρησιμοποιήθηκαν δεδομένα από το Climate Hazards Group Infrared Precipitation with Stations (CHIRPS) για τα έτη 1981-2017.

'''3. Προεπεξεργασία δεδομένων'''

Σε αυτή τη μελέτη, εφαρμόστηκαν ατμοσφαιρικές και ραδιομετρικές διορθώσεις, χρησιμοποιώντας το λογισμικό ERDAS Imagine 2015. Τα σύνολα δεδομένων MODIS διατέθηκαν στη μορφή ιεραρχικών δεδομένων (HDF) και για τη μετατροπή αυτών των αρχείων στο κατάλληλο σύστημα συντεταγμένων (Adindan UTM Zone 37 N) και στην μορφή tiff , χρησιμοποιήθηκε το ArcGIS 10.3.

'''4. NDVI και οριοθέτηση εικόνας'''

Ο NDVI είναι ένας δείκτης βλάστησης που διακρίνει αποτελεσματικά την ύπαρξη της βλάστησης. Η τιμή NDVI ενός εικονοστοιχείου κυμαίνεται μεταξύ -1 και 1. Υψηλότερες τιμές υποδηλώνουν πλουσιότερη και υγιέστερη βλάστηση, ενώ οι τιμές πιο κοντά στο 0 και το -1 αντιστοιχούν σε άγονες εκτάσεις και υδάτινες επιφάνειες αντίστοιχα. Η σχέση το δείκτη NDVI είναι η ακόλουθη:

[[Εικόνα:p5photo3.png| thumb| center|]]

Εφαρμόστηκαν όρια για τον προσδιορισμό των ελάχιστων και μέγιστων τιμών κατωφλίου μίας επεξεργασμένης εικόνας NDVI. Στη μελέτη αυτή, το όριο καθορίστηκε στην τιμή 0,45. Οι δορυφορικές εικόνες με NDVI> 0.45 ταξινομήθηκαν ως βλάστηση και τα εικονοστοιχεία με τιμή <0.45 ταξινομήθηκαν ως περιοχές χωρίς βλάστηση. Σε αυτή τη μελέτη στις ταξινομημένες εικόνες χρησιμοποιήθηκε η μέθοδος image differencing για την ανίχνευση των μεταβολών της βλάστησης.

'''5. Αξιολόγηση ακριβείας'''

Στη μελέτη αυτή, η ακρίβεια εκτιμήθηκε χρησιμοποιώντας σημεία ελέγχου εδάφους από παρατηρήσεις πεδίου ως κύρια πηγή δεδομένων αναφοράς συμπληρωματικά με τα σημεία του Google Earth. Συνολικά 500 σημεία αναφοράς και από τις δύο πηγές χρησιμοποιήθηκαν για να ταξινομήσουν την δορυφορική εικόνα και να επαληθεύσουν το αποτέλεσμα. Ακόμη υπολογίστηκε ο συντελεστής k ο οποίος δίνει μια εκτίμηση της συνολικής συμφωνίας μεταξύ των εικόνων και των στοιχείων αναφοράς.

'''6. Υπολογισμός επιφανειακής θερμοκρασίας'''

Τα δεδομένα MODIS LST με χωρική ανάλυση 1 km βαθμονομήθηκαν για να λαμβάνουν τη θερμοκρασία σε βαθμούς Κελσίου με βάση την παρακάτω σχέση:

Θερμοκρασία(οC)= (ψηφιακός αριθμός*0.02)-273.15)

Η μέση μηνιαία τιμή LST για κάθε έτος στην περίοδο μελέτης (2000-2017) υπολογίστηκε χρησιμοποιώντας την αριθμομηχανή raster στο ArcGIS προσθέτοντας τέσσερις διαδοχικές σύνθετες εικόνες διάρκειας 8 ημερών και διαιρώντας με το 4. Στη συνέχεια, ο μέσος όρος LST της περιόδου ξηρασίας για κάθε έτος της περιόδου μελέτης υπολογίστηκε με βάση το λόγο του αθροίσματος του μηνιαίου LST για κάθε μήνα του έτους προς το 7, το οποίο δείχνει τον αριθμό των μηνών ξηρής περιόδου (Οκτώβριος-Απρίλιος ).

'''7. Ανάλυση τάσεων και στατιστική ανάλυση'''

Η τάση των δεδομένων βροχόπτωσης και LST αναλύθηκε χρησιμοποιώντας το Mann-Kendall trend που δείχνει κατά πόσο οι τάσεις των χρονοσειρών της βροχόπτωσης και του LST μειώνονται, αυξάνονται ή δεν υπάρχουν. Ακόμη, για να ελεγχθεί ο συσχετισμός μεταξύ της κάλυψης από βλάστηση με τις μέσες ετήσιες τιμές των βροχοπτώσεων και της επιφανειακής θερμοκρασίας εφαρμόστηκε σε κάθε εικονοστοιχείο ο συντελεστής συσχέτισης Pearson (PCC).

'''Αποτελέσματα'''

'''1. NDVI και καλύψεις γης'''

Σύμφωνα με την '''Εικόνα 1''' για τα έτη 1985 και 2017, o NDVI της περιοχής μελέτης κυμαίνεται από +1.00 έως -0.51 και +0.53 έως -0.22, αντίστοιχα. Το 2000 και 2010 οι τιμές NDVI κυμαίνονταν από -0,56 έως 0,67 και από -0,53 έως 0,63 αντίστοιχα. Συνολικά, η μέγιστη τιμή του δείκτη βλάστησης μειώθηκε από 1,00 το 1985 σε 0,53 το 2017συνεπώς, η κάλυψη της βλάστησης ήταν μεγαλύτερη το 1985 από ό,τι το 2017. Σύμφωνα με την '''Εικόνα 2''' μέχρι το 2000, η βλάστηση είχε μειωθεί στο 3,9% της συνολικής έκτασης. Μέχρι το 2017, μόνο το 2,6% της περιοχής μελέτης καλυπτόταν από βλάστηση. Συνολικά, η ζώνη North Gondar έχει χάσει περίπου το 2,1% της κάλυψης από βλάστηση τα τελευταία 32 χρόνια.

'''2. Αξιολόγηση ακριβείας'''

Για το 1985, η αξιολόγηση ακρίβειας δείχνει ότι η συνολική ακρίβεια ήταν 86,4% με συντελεστή k=0,72. Ενώ το 2017 η συνολική ακρίβεια της εικόνας ταξινόμησης (92,2%) και του συντελεστή k (0,84) βελτιώθηκαν αμφότερες.

'''3. Ανάλυση τάσεων ετήσιας βροχόπτωσης και ξηρής περιόδου LST'''

Η Mann-Kendall trend έδειξε ότι οι αλλαγές στη μέση, την ελάχιστη και την μέγιστη ετήσια βροχόπτωση κατά την περίοδο μελέτης ήταν στατιστικά αμελητέες. Ωστόσο, σε όλες τις τιμές παρατηρήθηκε μία μικρή ανοδική τάση κατά την περίοδο της μελέτης. Στην LST δεν διαπιστώθηκε καμία σημαντική τάση κατά την περίοδο της μελέτης.

'''4. Σχέση μεταξύ NDVI και βλάστησης με τις βροχοπτώσεις'''

Η συσχέτιση Pearson δείχνει ότι ο NDVI και οι βροχοπτώσεις έχουν μέτρια συσχέτιση, με συντελεστή συσχέτισης R= 0,76. Ωστόσο, η τοπική μέση ετήσια βροχόπτωση ελαττώθηκε κατά 143,9 mm πιθανόν επειδή η βλάστηση μειώθηκε συνολικά κατά 56952 ha στα βόρεια, κεντρικά και νοτιοανατολικά τμήματα της περιοχής μελέτης από το 2000 μέχρι το 2017.

'''5. Σχέση μεταξύ NDVI και βλάστησης με την LST'''

Ο συντελεστής συσχέτισης που επιτυγχάνεται για τα LST και NDVI είναι k= -0,98. Αυτό δείχνει ότι το LST είναι έντονα, αρνητικά συσχετισμένο με το NDVI. Συνεπώς, περιοχές με το λιγότερη κάλυψη βλάστησης εμφανίζουν μεγαλύτερες επιφανειακές θερμοκρασίες. Επιπλέον, η μέγιστη τιμή LST αυξήθηκε από 38,04 οC το 2000 σε 40,73 οC το 2010 ενώ η βλάστηση μειώθηκε σε μέγεθος από 173,971 ha το 2000 σε 141.785 ha το 2010. Για την περίοδο 2010 έως 2017, η βλάστηση μειώθηκε στα 117.019 ha και η μέγιστη LST έφτασε τους 42,63 οC.

'''Συμπεράσματα'''

Η μελέτη αυτή χρησιμοποιεί τις τιμές NDVI για την παρακολούθηση της βλάστησης στο κεντρικό, βόρειο και νοτιοανατολικό τμήμα της ζώνης North Gondar, της Αιθιοπίας. Τα αποτελέσματα έδειξαν πως η περιοχή μελέτης έχει χάσει το 2,1% της βλάστησης της τα τελευταία 32 χρόνια. Ακόμη, η περιοχή δείχνει μια τάση αύξησης της ελάχιστης, μέγιστης και μέσης ετήσιας βροχόπτωσης από το 1981 έως το 2017. Οι ετήσιες ελάχιστες, μέγιστες και μέσες βροχοπτώσεις αυξήθηκαν κατά 1,41 mm, 4,88 mm και 3,56 mm αντίστοιχα κατά την περίοδο της μελέτης. Το Mann-Kendall trend έδειξε επίσης ότι οι τάσεις στο ελάχιστο, μέγιστο και μέσο όρο LST δεν ήταν στατιστικά σημαντικές, ωστόσο, η ετήσια ελάχιστη, μέγιστη και μέση τιμή LST αυξήθηκε κατά 0,01οC, 0,09 ̊C και 0,03 ̊C, αντίστοιχα, κατά τη διάρκεια της περιόδου μελέτης. Οι στατιστική μελέτη έδειξε ότι μεταξύ των ετών 2000 και 2017, η μέση ετήσια βροχόπτωση μειώθηκε κατά 144 mm και η μέση ξηρή περίοδος LST αυξήθηκε κατά 2 ° C, καθώς η βλάστηση μειώθηκε κατά 56.952 ha.

[[category:Καταγραφή πρασίνου]]

Εκτίμηση της επίδρασης της μεταβολής της βλάστησης στις βροχοπτώσεις και την θερμοκρασία...

2020-02-04T22:31:48Z

Christina Anas: Νέα σελίδα με '''' Εκτίμηση της επίδρασης της μεταβολής της βλάστησης στις βροχοπτώσεις και την θερμοκρασία ...'

''' Εκτίμηση της επίδρασης της μεταβολής της βλάστησης στις βροχοπτώσεις και την θερμοκρασία της επιφάνειας του εδάφους χρησιμοποιώντας την τηλεπισκόπηση στο υποτροπικό κλίμα της Αιθιοπίας '''

'''Πρωτότυπος τίτλος:''' An assessment of the vegetation cover change impact on rainfall and land surface temperature using remote sensing in a subtropical climate, Ethiopia
'''Συγγραφείς:''' Worku Nega a,c,*, Binyam Tesfaw Hailu a,d, Aramde Fetene b*
a* School of Earth Science, College of Natural and Computational Sciences, Addis Ababa University, Ethiopia
b* Ethiopian Institute of Architecture, Building Construction & City Development (EiABC), Addis Ababa University, Ethiopia
c* Institute of Land Administration, Department of Land Administration and Surveying, Debre Markos University, Ethiopia
d* Philipps-Universitat Marburg, Department of Geography, Deutschhausstraße 12, 35032, Marburg, Germany

'''Δημοσιεύθηκε:''' Remote Sensing Applications: Society and Environment, Νοέμβριος 2019

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S2352938519301880]

'''Λέξεις-Κλειδιά:''' βροχόπτωση, θερμοκρασία, βλάστηση

[[Εικόνα:p5photo1.png| thumb| right|'''Εικόνα 1:''' Χάρτης NDVI για τα έτη (α) 1985, (β) 2000, (γ) 2010, και (δ) 2017]]

[[Εικόνα:p5photo2.png| thumb| right|'''Εικόνα 2:''' Χάρτης κάλυψης γη της ζώνης North Gondar για τα έτη (α) 1985, (β) 2000, (γ) 2010, και (δ) 2017]]

'''Αντικείμενο Εφαρμογής'''

Σκοπός της μελέτης είναι να αξιολογηθούν οι μεταβολές της βλάστησης για την περίοδο από το 1985 έως το 2017 και να αξιολογηθούν οι επιπτώσεις της στις βροχοπτώσεις και στην επιφανειακή θερμοκρασία του εδάφους σε μια εξαιρετικά αποψιλωμένη και πολυπληθή περιοχή της Αιθιοπίας.

'''Εισαγωγή'''

Η μελέτη του ποσοστού της βλάστησης και των επιπτώσεών του στο περιβάλλον με τη χρήση τηλεπισκόπησης αποτελεί βασικό ζήτημα για αποτελεσματική λήψη αποφάσεων στη διατήρηση των φυσικών πόρων. Η αποψίλωση έχει ήδη επηρεάσει σημαντικά το κλίμα στην Αιθιοπία και αποτελεί σοβαρή απειλή για τις ατμοσφαιρικές συνθήκες, την απώλεια της βιοποικιλότητας, την ερημοποίηση και τον εκτοπισμό ανθρώπων. Η τεχνολογία τηλεπισκόπησης είναι σημαντική για την παρατήρηση και την ποσοτικοποίηση των φυσικών πόρων και των δυναμικών φαινομένων στην επιφάνεια της Γης. Τα τελευταία χρόνια, τα δεδομένα τηλεπισκόπησης έχουν αξιολογήσει αποτελεσματικά τις μακροπρόθεσμες αλλαγές στην κάλυψη της βλάστησης. Οι δορυφορικές εικόνες συνιστούν ένα οικονομικά αποδοτικό μέσο για συλλογή και ανάλυση δεδομένων κάλυψης γης σε μεγάλες γεωγραφικές περιοχές. Η χαρτογράφηση, η ποσοτικοποίηση και η παρακολούθηση της κάλυψης γης είναι απαραίτητες για την κατανόηση της τρέχουσας κατάστασης του τοπίου. Η εκτίμηση των χωροχρονικών αποκλίσεων της βλάστησης αποτελεί βασικό δείκτη για την κατανόηση των φυσικών αλλαγών του περιβάλλοντος. Ο NDVI μπορεί να χρησιμοποιηθεί ως δείκτης για τη μελέτη της διαχρονικής μεταβλητότητας της βλάστησης. Η μελέτη αυτή διερευνά τις επιπτώσεις της βλάστησης στις βροχοπτώσεις και την LST της ζώνης North Gondar για την περίοδο 1985-2017 χρησιμοποιώντας τηλεπισκόπηση και στατιστική ανάλυση.

'''Μεθοδολογία-Ανάλυση'''

'''1. Περιοχή μελέτης'''

Η περιοχή μελέτης είναι η North Gondar Zone στην Αιθιοπία. Περιλαμβάνει 23 διοικητικές περιφέρειες και καλύπτει συνολική έκταση 4.476.421 εκτάρια με συνολικό πληθυσμό περίπου 3,5 εκ. Το κλίμα της περιοχής είναι υποτροπικό, δηλαδή θερμό κατά τη διάρκεια της ξηράς περιόδου (Οκτώβριος - Φεβρουάριος) και κρύο κατά τη διάρκεια της περιόδου των βροχών (Ιούνιος – Σεπτέμβριος) με μέση εποχιακή θερμοκρασία μεταξύ 20 και 25οC.

'''2. Γεωχωρικά δεδομένα'''

Αυτή η μελέτη χρησιμοποιεί διάφορους τύπους δεδομένων τηλεπισκόπησης. Περιλαμβάνει πολυφασματικές εικόνες από τον Landsat 8 OLI (2017) και Landsat 5 TM (1985, 2000 και 2010) για την ανάλυση της βλάστησης όπως επίσης και δεδομένα MODIS/Terra LST (land surface temperature) από το 2000 έως το 2017 για την ανάλυση της τάσης της επιφανειακής θερμοκρασίας (LST). Ακόμη, για την ανάλυση της βροχόπτωσης χρησιμοποιήθηκαν δεδομένα από το Climate Hazards Group Infrared Precipitation with Stations (CHIRPS) για τα έτη 1981-2017.

'''3. Προεπεξεργασία δεδομένων'''

Σε αυτή τη μελέτη, εφαρμόστηκαν ατμοσφαιρικές και ραδιομετρικές διορθώσεις, χρησιμοποιώντας το λογισμικό ERDAS Imagine 2015. Τα σύνολα δεδομένων MODIS διατέθηκαν στη μορφή ιεραρχικών δεδομένων (HDF) και για τη μετατροπή αυτών των αρχείων στο κατάλληλο σύστημα συντεταγμένων (Adindan UTM Zone 37 N) και στην μορφή tiff , χρησιμοποιήθηκε το ArcGIS 10.3.

'''4. NDVI και οριοθέτηση εικόνας'''

Ο NDVI είναι ένας δείκτης βλάστησης που διακρίνει αποτελεσματικά την ύπαρξη της βλάστησης. Η τιμή NDVI ενός εικονοστοιχείου κυμαίνεται μεταξύ -1 και 1. Υψηλότερες τιμές υποδηλώνουν πλουσιότερη και υγιέστερη βλάστηση, ενώ οι τιμές πιο κοντά στο 0 και το -1 αντιστοιχούν σε άγονες εκτάσεις και υδάτινες επιφάνειες αντίστοιχα. Η σχέση το δείκτη NDVI είναι η ακόλουθη:

[[Εικόνα:p5photo3.png| thumb| center|]]

Εφαρμόστηκαν όρια για τον προσδιορισμό των ελάχιστων και μέγιστων τιμών κατωφλίου μίας επεξεργασμένης εικόνας NDVI. Στη μελέτη αυτή, το όριο καθορίστηκε στην τιμή 0,45. Οι δορυφορικές εικόνες με NDVI> 0.45 ταξινομήθηκαν ως βλάστηση και τα εικονοστοιχεία με τιμή <0.45 ταξινομήθηκαν ως περιοχές χωρίς βλάστηση. Σε αυτή τη μελέτη στις ταξινομημένες εικόνες χρησιμοποιήθηκε η μέθοδος image differencing για την ανίχνευση των μεταβολών της βλάστησης.

'''5. Αξιολόγηση ακριβείας'''

Στη μελέτη αυτή, η ακρίβεια εκτιμήθηκε χρησιμοποιώντας σημεία ελέγχου εδάφους από παρατηρήσεις πεδίου ως κύρια πηγή δεδομένων αναφοράς συμπληρωματικά με τα σημεία του Google Earth. Συνολικά 500 σημεία αναφοράς και από τις δύο πηγές χρησιμοποιήθηκαν για να ταξινομήσουν την δορυφορική εικόνα και να επαληθεύσουν το αποτέλεσμα. Ακόμη υπολογίστηκε ο συντελεστής k ο οποίος δίνει μια εκτίμηση της συνολικής συμφωνίας μεταξύ των εικόνων και των στοιχείων αναφοράς.

'''6. Υπολογισμός επιφανειακής θερμοκρασίας'''

Τα δεδομένα MODIS LST με χωρική ανάλυση 1 km βαθμονομήθηκαν για να λαμβάνουν τη θερμοκρασία σε βαθμούς Κελσίου με βάση την παρακάτω σχέση:

Θερμοκρασία(οC)= (ψηφιακός αριθμός*0.02)-273.15)

Η μέση μηνιαία τιμή LST για κάθε έτος στην περίοδο μελέτης (2000-2017) υπολογίστηκε χρησιμοποιώντας την αριθμομηχανή raster στο ArcGIS προσθέτοντας τέσσερις διαδοχικές σύνθετες εικόνες διάρκειας 8 ημερών και διαιρώντας με το 4. Στη συνέχεια, ο μέσος όρος LST της περιόδου ξηρασίας για κάθε έτος της περιόδου μελέτης υπολογίστηκε με βάση το λόγο του αθροίσματος του μηνιαίου LST για κάθε μήνα του έτους προς το 7, το οποίο δείχνει τον αριθμό των μηνών ξηρής περιόδου (Οκτώβριος-Απρίλιος ).

'''7. Ανάλυση τάσεων και στατιστική ανάλυση'''

Η τάση των δεδομένων βροχόπτωσης και LST αναλύθηκε χρησιμοποιώντας το Mann-Kendall trend που δείχνει κατά πόσο οι τάσεις των χρονοσειρών της βροχόπτωσης και του LST μειώνονται, αυξάνονται ή δεν υπάρχουν. Ακόμη, για να ελεγχθεί ο συσχετισμός μεταξύ της κάλυψης από βλάστηση με τις μέσες ετήσιες τιμές των βροχοπτώσεων και της επιφανειακής θερμοκρασίας εφαρμόστηκε σε κάθε εικονοστοιχείο ο συντελεστής συσχέτισης Pearson (PCC).

'''Αποτελέσματα'''

'''1. NDVI και καλύψεις γης'''

Σύμφωνα με την '''Εικόνα 1''' για τα έτη 1985 και 2017, o NDVI της περιοχής μελέτης κυμαίνεται από +1.00 έως -0.51 και +0.53 έως -0.22, αντίστοιχα. Το 2000 και 2010 οι τιμές NDVI κυμαίνονταν από -0,56 έως 0,67 και από -0,53 έως 0,63 αντίστοιχα. Συνολικά, η μέγιστη τιμή του δείκτη βλάστησης μειώθηκε από 1,00 το 1985 σε 0,53 το 2017συνεπώς, η κάλυψη της βλάστησης ήταν μεγαλύτερη το 1985 από ό,τι το 2017. Σύμφωνα με την '''Εικόνα 2''' μέχρι το 2000, η βλάστηση είχε μειωθεί στο 3,9% της συνολικής έκτασης. Μέχρι το 2017, μόνο το 2,6% της περιοχής μελέτης καλυπτόταν από βλάστηση. Συνολικά, η ζώνη North Gondar έχει χάσει περίπου το 2,1% της κάλυψης από βλάστηση τα τελευταία 32 χρόνια.

'''2. Αξιολόγηση ακριβείας'''

Για το 1985, η αξιολόγηση ακρίβειας δείχνει ότι η συνολική ακρίβεια ήταν 86,4% με συντελεστή k=0,72. Ενώ το 2017 η συνολική ακρίβεια της εικόνας ταξινόμησης (92,2%) και του συντελεστή k (0,84) βελτιώθηκαν αμφότερες.

'''3. Ανάλυση τάσεων ετήσιας βροχόπτωσης και ξηρής περιόδου LST'''

Η Mann-Kendall trend έδειξε ότι οι αλλαγές στη μέση, την ελάχιστη και την μέγιστη ετήσια βροχόπτωση κατά την περίοδο μελέτης ήταν στατιστικά αμελητέες. Ωστόσο, σε όλες τις τιμές παρατηρήθηκε μία μικρή ανοδική τάση κατά την περίοδο της μελέτης. Στην LST δεν διαπιστώθηκε καμία σημαντική τάση κατά την περίοδο της μελέτης.

'''4. Σχέση μεταξύ NDVI και βλάστησης με τις βροχοπτώσεις'''

Η συσχέτιση Pearson δείχνει ότι ο NDVI και οι βροχοπτώσεις έχουν μέτρια συσχέτιση, με συντελεστή συσχέτισης R= 0,76. Ωστόσο, η τοπική μέση ετήσια βροχόπτωση ελαττώθηκε κατά 143,9 mm πιθανόν επειδή η βλάστηση μειώθηκε συνολικά κατά 56952 ha στα βόρεια, κεντρικά και νοτιοανατολικά τμήματα της περιοχής μελέτης από το 2000 μέχρι το 2017.

'''5. Σχέση μεταξύ NDVI και βλάστησης με την LST'''

Ο συντελεστής συσχέτισης που επιτυγχάνεται για τα LST και NDVI είναι k= -0,98. Αυτό δείχνει ότι το LST είναι έντονα, αρνητικά συσχετισμένο με το NDVI. Συνεπώς, περιοχές με το λιγότερη κάλυψη βλάστησης εμφανίζουν μεγαλύτερες επιφανειακές θερμοκρασίες. Επιπλέον, η μέγιστη τιμή LST αυξήθηκε από 38,04 οC το 2000 σε 40,73 οC το 2010 ενώ η βλάστηση μειώθηκε σε μέγεθος από 173,971 ha το 2000 σε 141.785 ha το 2010. Για την περίοδο 2010 έως 2017, η βλάστηση μειώθηκε στα 117.019 ha και η μέγιστη LST έφτασε τους 42,63 οC.

'''Συμπεράσματα'''

Η μελέτη αυτή χρησιμοποιεί τις τιμές NDVI για την παρακολούθηση της βλάστησης στο κεντρικό, βόρειο και νοτιοανατολικό τμήμα της ζώνης North Gondar, της Αιθιοπίας. Τα αποτελέσματα έδειξαν πως η περιοχή μελέτης έχει χάσει το 2,1% της βλάστησης της τα τελευταία 32 χρόνια. Ακόμη, η περιοχή δείχνει μια τάση αύξησης της ελάχιστης, μέγιστης και μέσης ετήσιας βροχόπτωσης από το 1981 έως το 2017. Οι ετήσιες ελάχιστες, μέγιστες και μέσες βροχοπτώσεις αυξήθηκαν κατά 1,41 mm, 4,88 mm και 3,56 mm αντίστοιχα κατά την περίοδο της μελέτης. Το Mann-Kendall trend έδειξε επίσης ότι οι τάσεις στο ελάχιστο, μέγιστο και μέσο όρο LST δεν ήταν στατιστικά σημαντικές, ωστόσο, η ετήσια ελάχιστη, μέγιστη και μέση τιμή LST αυξήθηκε κατά 0,01οC, 0,09 ̊C και 0,03 ̊C, αντίστοιχα, κατά τη διάρκεια της περιόδου μελέτης. Οι στατιστική μελέτη έδειξε ότι μεταξύ των ετών 2000 και 2017, η μέση ετήσια βροχόπτωση μειώθηκε κατά 144 mm και η μέση ξηρή περίοδος LST αυξήθηκε κατά 2 ° C, καθώς η βλάστηση μειώθηκε κατά 56.952 ha.

[[category:Καταγραφή πρασίνου]]

Καταγραφή της μεταβλητότητας της διαύγειας του παράκτιου νερού με τον Landsat 8

2020-02-04T22:17:44Z

Christina Anas:

'''Καταγραφή της μεταβλητότητας της διαύγειας του παράκτιου νερού με τον Landsat 8'''

'''Πρωτότυπος τίτλος:''' Capturing coastal water clarity variability with Landsat 8
'''Συγγραφείς:''' Kelly M.A. Luisa a*, Jennie E. Rheuban b*, Maria T. Kavanaugh c*, David M. Glover b*, Jianwei Wei a*, Zhongping Lee a*, Scott C. Doney b*,d*
a* School for the Environment, University of Massachusetts Boston, Boston, MA, USA
b* Department of Marine Chemistry and Geochemistry, Woods Hole Oceanographic Institution, Woods Hole, MA 02543, USA
c* College of Earth, Ocean, and Atmospheric Sciences, Oregon State University, Corvallis, OR 97330, USA
d* Department of Environmental Sciences, University of Virginia, Charlottesville, VA 22904, USA

'''Δημοσιεύθηκε:''' Marine Pollution Bulletin, Αύγουστος 2019

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S0025326X19303571]

'''Λέξεις-Κλειδιά:''' Ποιότητα νερού, Βάθος δίσκου Secchi, Landsat 8

[[Εικόνα:p4photo1.png| thumb| right|'''Εικόνα 1:''' Εικόνα Landsat 8 με τις τέσσερις περιοχές μετρήσεων]]

[[Εικόνα:p4photo2.png| thumb| right|'''Εικόνα 2:''' L8 ZSD χάρτης για το Buzzards Bay]]

[[Εικόνα:p4photo3.png| thumb| right|'''Εικόνα 3:''' L8 ZSD χάρτης για το Cape Cod Bay]]

[[Εικόνα:p4photo4.png| thumb| right|'''Εικόνα 4:''' L8 ZSD χάρτης για το Upper Narragansett Bay]]

'''Αντικείμενο Εφαρμογής'''

Σε αυτή την μελέτη χρησιμοποιήθηκαν τα βάθη των δίσκων Secchi (ZSD) τεσσάρων παράκτιων υδάτινων οικοσυστημάτων για την επαλήθευση των ZSD που αποκτήθηκαν από τις εικόνες του Landsat 8 (L8) με σκοπό την δημιουργία χαρτών υψηλής χωρικής ανάλυσης ZSD και συνεπώς την βελτιωμένη παρακολούθηση της ποιότητας των παράκτιων υδάτων.

'''Εισαγωγή'''

Τα παράκτια οικοσυστήματα απαιτούν συστηματικές παρατηρήσεις για την καταγραφή των χωρο-χρονικών μεταβολών της διαύγειας των υδάτων τους. Oι επιτόπιες μετρήσεις της διαύγειας του νερού παρέχουν λεπτομερείς και ακριβής μετρήσεις αλλά πολλές φορές η κάλυψή τους περιορίζεται στο χώρο και στον χρόνο λόγω κόστους και υλικοτεχνικών υποδομών. Η τηλεπισκόπηση μπορεί να καλύψει αυτά τα χωρικά και χρονικά κενά που προκύπτουν. Ο Landsat 8, έχει χωρική ανάλυση 30m, η οποία επιτρέπει συνοπτικές παρατηρήσεις σε μικρές λίμνες, κολπίσκους και λιμάνια. Η εφαρμογή των Landsat απεικονίσεων στα εσωτερικά, στα ποτάμια και στα παράκτια ύδατα οδήγησε στην ανάπτυξη αλγορίθμων ποιότητας νερού με στόχο την απόκτηση ποσοτικών βιογεωχημικών πληροφοριών, όπως η χλωροφύλλη, η χρωματισμένη διαλυμένη οργανική ύλη, οι αιωρούμενες σωματιδιακές ουσίες και η διαύγεια του νερού. Η διαύγεια των υδάτων είναι ένα καλός δείκτης για την συνολική ποιότητα των υδάτων και μπορεί να προσδιοριστεί εύκολα από τον δίσκο του Secchi διαμέτρου 30 cm. Κάποιος μπορεί να μετρήσει την διαύγεια των υδάτων βυθίζοντας τον δίσκο του Secchi μέσα στο νερό μέχρι το σημείο που δεν θα τον βλέπει πια από την επιφάνεια. Αυτό το σημείο ονομάζεται βάθος του δίσκου του Secchi (ZSD). To ZSD καθορίζεται από την ποσότητα του φυτοπλαγκτόν, τη διαλυμένη οργανική ύλη και τα ανόργανα σωματίδια στη στήλη του ύδατος. Για την κατανόηση του ZSD με μεθόδους τηλεπισκόπησης προτάθηκε ένα νέο μοντέλο που συσχετίζει τον ZSD με τον συντελεστή διάχυτης εξασθένησης. Το μοντέλο αυτό βαθμονομήθηκε από επιτόπιες μετρήσεις του ZSD σε ωκεάνια, παράκτια και εσωτερικά ύδατα και εφαρμόστηκε στα τέσσερα υδατικά παράκτια οικοσυστήματα της '''Εικόνας 1'''. Οι μεταβολές στην εποχικότητα και τη βαθυμετρία, καθιστούν αυτές τις περιοχές ιδανικές θέσεις για την αξιολόγηση της ακρίβειας του αλγορίθμου L8 ZSD. Αυτή η μελέτη αποδεικνύει την χρησιμότητα της εφαρμογής του νέου αυτού αλγορίθμου για την διαύγεια του νερού και τονίζει την ικανότητα των εικόνων L8 να διευρύνουν την κατανόησή μας για τις διαχρονικές διακυμάνσεις της διαύγειας του θαλάσσιου νερού.

'''Μεθοδολογία-Ανάλυση'''

'''1. Επιτόπιες μετρήσεις ZSD'''

Οι επιτόπιες μετρήσεις του ZSD συλλέχθηκαν από προγράμματα παρακολούθησης της ποιότητας του νερού στο Boston Harbor, Buzzards Bay, Cape Cod Bay και τον κόλπο Narragansett. Το ZSD καταγράφηκε ως το βάθος που ο δίσκος Secchi δεν είναι πλέον ορατός από κάποιο άτομο που βρίσκεται στην επιφάνεια. Οι επιτόπιες μετρήσεις του ZSD αρχίσαν τον Απρίλιο του 2013 μέχρι τον Δεκέμβριο του 2017 για να αντιστοιχούν με τις μετρήσεις του L8 (Landsat 8).

'''2. Δορυφορικά δεδομένα'''

Για την μελέτη αυτή ανακτήθηκαν συνολικά 58 εικόνες καθαρού ουρανού L8 από τον Απρίλιο του 2013 μέχρι τον Δεκέμβριο 2017 από το Earth Explorer. Οι εικόνες του επιπέδου 1 υποβλήθηκαν σε επεξεργασία με το SeaDAS για τη δημιουργία τηλεσκοπικής ανακλαστικότητας (Rrs, sr-1). Για την ατμοσφαιρική διόρθωση, χρησιμοποιήθηκε ο αλγόριθμός NIR-SWIR. Τα προϊόντα Rrs υποβλήθηκαν σε περαιτέρω επεξεργασία με τον Quasi-Analytical αλγόριθμο για να προκύψουν οι συντελεστές συνολικής απορρόφησης a και οπισωσκέδασης bb με βάση τους οποίους προέκυψε ο συντελεστής διάχυτης απόσβεσης Kd (m-1).

'''3. Αλγόριθμος L8 ZSD'''

To ZSD στην μελέτη αυτή εκφράζεται από την παρακάτω σχέση:

[[Εικόνα: p4photo5.png| thumb| center|]]

Όπου όπου Kd αντιπροσωπεύει τον ελάχιστο συντελεστή διάχυτης εξασθένησης ενός υδατικού οικοσυστήματος στην ορατή περιοχή (400-700 nm) και Rrs την αντίστοιχη τηλεσκοπική ανακλαστικότητα στο ίδιο μήκος κύματος. Ο Kd μπορεί εύκολα να προσδιοριστεί με την εισαγωγή διαφορετικών ζωνών του Rrs στο ορατό. Επειδή ο L8 έχει μόνο τέσσερις φασματικές ζώνες (443, 482, 561 και 670 nm) στο ορατό φάσμα, για να γεμίσει το φασματικό κενό μεταξύ 482 nm και 561 nm αναπτύχθηκε μια εμπειρική σχέση για την εκτίμηση του συντελεστή διάχυτης εξασθένησης στα 530 nm (Kd (530)) με σκοπό την βελτίωση του προσδιορισμού του ελαχίστου Kd στο ορατό φάσμα.

'''4. Επαλήθευση'''

Οι τιμές ZSD του δορυφόρου L8 επαληθεύθηκαν από τις επιτόπιες μετρήσεις των τιμών ZSD για τις ίδιες μέρες από το 2013 έως το 2017.

'''Αποτελέσματα'''

'''1. Σύγκριση επιτόπιων μετρήσεων ZSD και L8 ZSD για την ίδια ημέρα'''

Οι παρατηρούμενες τιμές διαφέρουν σημαντικά τόσο για την χλωροφύλλη (0,38-68,9 mg/m3) όσο και για την θολερότητα (0,1-77,4 NTU). Αν και η χλωροφύλλη δεν είναι ο μόνος δείκτης διαύγειας του νερού, ήταν το μόνο μακροχρόνια, οπτικά μεταβλητό συστατικό που παρείχε στοιχεία σχετικά με την διαύγεια του νερού. Ωστόσο, παρά τις διαφορές στο υποκείμενο νερό, την εποχή του χρόνου και στις επιτόπιες μετρήσεις των διάφορων παρατηρητών, υπήρξε καλή συμφωνία του ZSD (επιτόπιο έναντι L8 ZSD) μεταξύ των περιοχών του Buzzards Bay, Cape Cod Bay, Narragansett Bay. Οι διαφορές μεταξύ των επιτόπιων και των L8 ZSD πιθανότατα σχετίζονταν με τις μεθόδους ατμοσφαιρικής διόρθωσης, την ακρίβεια του Quasi-Analytical αλγορίθμου και τη χωρική μεταβλητότητα της διαύγειας του νερού.

'''2. Διακύμανση της εμβέλειας του ZSD'''

Οι τιμές του L8 ZSD κατέγραψαν το εύρος και την κατανομή της διαύγειας του νερού που παρατηρείται κατά μήκος των Boston Harbor, Buzzards Bay, Cape Cod Bay, and Narragansett Bay και με βάση αυτό αξιολογήθηκε ο L8 ZSD αλγόριθμος και για τις 58 εικόνες . Στην περίπτωση των Boston Harbor, Buzzards Bay, and Narragansett Bay οι τιμές του L8 ZSD και του ZSD από επιτόπιες μετρήσεις διέφεραν από 1 έως 5m κάτι χαρακτηριστικό των μικρών λιμανιών σε αυτά τα τρία υδάτινα οικοσυστήματα. Στην περίπτωση του Cape Cod Bay το εύρος των τιμών ZSD και στις δύο περιπτώσεις διέφερε από 4-10m με την πλειοψηφία των μετρήσεων να συγκεντρώνονται γύρω στα 5-6m.

'''3. Xρονική αξιολόγηση του ZSD'''

Οι επιτόπιες μετρήσεις του ZSD με αυτές του L8 ZSD στο Boston Harbor έδειξαν να έχουν συγκρίσιμες χρονοσειρές καθ’ όλη την περίοδο 2013-2017 και δεν παρουσίαζαν ιδιαίτερες εποχιακές τάσεις, αν και το L8 ZSD εμφανίστηκε σταθερά βαθύτερο από το επιτόπιο ZSD. Για τα Buzzards Bay και Cape Cod Bay την περίοδο 2013-2017 οι τιμές L8 ZSD ήταν χαμηλότερες κατά τους χειμερινούς μήνες (Δεκέμβριος-Φεβρουάριος) και υψηλότερες κατά τους ανοιξιάτικους μήνες (Μάρτιος-Μάιος). Το χαμηλό ZSD πιθανότατα σχετίζεται με τις υψηλές θερμοκρασίες και την αύξηση θρεπτικών συστατικών που αυξάνουν το φυτοπλαγκτόν κάτι που προκαλεί εποχιακή θολερότητα στο νερό.

'''4. Χωρική αξιολόγηση του ZSD'''

Με βάση τις επαληθευμένες τιμές και τον αλγόριθμου του L8 ZSD δημιουργήθηκαν χάρτες για τα Buzzards Bay ('''Εικόνα 2'''), Cape Cod Bay ('''Εικόνα 3''') και Narragansett Bay ('''Εικόνα 4''') για τις 14 Μαρτίου 2014. Ενώ οι χάρτες ZSD αποτελούν ουσιαστικά ένα στιγμιότυπο των συνθηκών διαύγειας του νερού κατά τη διάρκεια της διαδρομής του L8, απεικονίζουν τα περιφερειακά χωρικά πρότυπα. Στο Buzzards Bay το ZSD φαίνεται να έχει μικρότερες τιμές στις εκβολές που συνορεύουν με τη νοτιοανατολική ηπειρωτική Μασαχουσέτη. Στο Cape Cod Bay παρατηρείται χαμηλό ZSD τόσο στο παράκτιο μέρος όσο και ανοιχτά της περιοχής. Στη δυτική άκρη του Cape Cod Bay, οι μεταβολές του ZSD θα μπορούσαν να συνδεθούν με την αντίθετη προς τη φορά των δεικτών ρολογιού κυκλοφορία του κόλπου της Μασαχουσέτης, τις παλιρροιακές ροές, την περίοδο ανθοφορίας του φυτοπλαγκτόν, την εκκένωση θρεπτικών ουσιών από την ενδοχώρα ή με συνδυασμό των παραπάνω. Τέλος, πολύ μικρές τιμές ZSD (1,5-3,5 μ.) εμφανίζονται να είναι ομοιόμορφα κατανεμημένες σε όλο το Upper Narragansett Bay.

'''Συμπεράσματα'''

Η συγκεκριμένη μελέτη τόνισε την εγκυρότητα της εφαρμογής του αλγορίθμου L8 ZSD στα διάφορα παράκτια υδατικά συστήματα συγκρίνοντας για την ίδια ημέρα τις επιτόπιες μετρήσεις του ZSD σε σχέση με αυτές του δορυφόρου L8 ZSD. Για την επαλήθευση και εφαρμογή του αλγορίθμου L8 ZSD χρησιμοποιήθηκαν γεωφυσικές και βιογεωχημικές πληροφορίες από οργανισμούς παρακολούθησης της ποιότητας του νερού. Η εφαρμογή του αλγορίθμου L8 ZSD υποδηλώνει τελικά μια αυστηρότερη αξιολόγηση των μοτίβων καθαρότητας του νερού. Η αντιστοίχηση των μετρήσεων και των χαρτών L8 ZSD με τις τοπικές πληροφορίες παρακολούθησης της ποιότητας των υδάτων θα ενισχύσει τις προσπάθειες των ομάδων παρακολούθησης της ποιότητας των υδάτων και τελικά θα ενημερώσει καλύτερα τους παράκτιους διαχειριστές, τους υπεύθυνους χάραξης πολιτικής και τις κοινότητες σχετικά με τις αλλαγές στην διαύγεια των παράκτιων υδάτων.

[[category:Παρακολούθηση παράκτιων οικοσυστημάτων]]

Αρχείο:P4photo5.png

2020-02-04T22:14:23Z

Christina Anas: ανέβασμα νέας έκδοσης του "Αρχείο:P4photo5.png"

Αρχείο:P4photo1.png

2020-02-04T22:11:59Z

Christina Anas: ανέβασμα νέας έκδοσης του "Αρχείο:P4photo1.png": Εικόνα Landsat 8 με τις τέσσερις περιοχές μετρήσεων

Εικόνα Landsat 8 με τις τέσσερις περιοχές μετρήσεων

Αρχείο:P4photo5.png

2020-02-04T22:11:22Z

Christina Anas: ανέβασμα νέας έκδοσης του "Αρχείο:P4photo5.png"

Καταγραφή της μεταβλητότητας της διαύγειας του παράκτιου νερού με τον Landsat 8

2020-02-04T22:09:59Z

Christina Anas:

'''Καταγραφή της μεταβλητότητας της διαύγειας του παράκτιου νερού με τον Landsat 8'''

'''Πρωτότυπος τίτλος:''' Capturing coastal water clarity variability with Landsat 8
'''Συγγραφείς:''' Kelly M.A. Luisa a*, Jennie E. Rheuban b*, Maria T. Kavanaugh c*, David M. Glover b*, Jianwei Wei a*, Zhongping Lee a*, Scott C. Doney b*,d*
a* School for the Environment, University of Massachusetts Boston, Boston, MA, USA
b* Department of Marine Chemistry and Geochemistry, Woods Hole Oceanographic Institution, Woods Hole, MA 02543, USA
c* College of Earth, Ocean, and Atmospheric Sciences, Oregon State University, Corvallis, OR 97330, USA
d* Department of Environmental Sciences, University of Virginia, Charlottesville, VA 22904, USA

'''Δημοσιεύθηκε:''' Marine Pollution Bulletin, Αύγουστος 2019

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S0025326X19303571]

'''Λέξεις-Κλειδιά:''' Ποιότητα νερού, Βάθος δίσκου Secchi, Landsat 8

[[Εικόνα: p4photo1.png| thumb| right|'''Εικόνα 1:''' Εικόνα Landsat 8 με τις τέσσερις περιοχές μετρήσεων]]

[[Εικόνα: p4photo2.png| thumb| right|'''Εικόνα 2:''' L8 ZSD χάρτης για το Buzzards Bay]]

[[Εικόνα: p4photo3.png| thumb| right|'''Εικόνα 3:''' L8 ZSD χάρτης για το Cape Cod Bay]]

[[Εικόνα: p4photo4.png| thumb| right|'''Εικόνα 4:''' L8 ZSD χάρτης για το Upper Narragansett Bay]]

'''Αντικείμενο Εφαρμογής'''

Σε αυτή την μελέτη χρησιμοποιήθηκαν τα βάθη των δίσκων Secchi (ZSD) τεσσάρων παράκτιων υδάτινων οικοσυστημάτων για την επαλήθευση των ZSD που αποκτήθηκαν από τις εικόνες του Landsat 8 (L8) με σκοπό την δημιουργία χαρτών υψηλής χωρικής ανάλυσης ZSD και συνεπώς την βελτιωμένη παρακολούθηση της ποιότητας των παράκτιων υδάτων.

'''Εισαγωγή'''

Τα παράκτια οικοσυστήματα απαιτούν συστηματικές παρατηρήσεις για την καταγραφή των χωρο-χρονικών μεταβολών της διαύγειας των υδάτων τους. Oι επιτόπιες μετρήσεις της διαύγειας του νερού παρέχουν λεπτομερείς και ακριβής μετρήσεις αλλά πολλές φορές η κάλυψή τους περιορίζεται στο χώρο και στον χρόνο λόγω κόστους και υλικοτεχνικών υποδομών. Η τηλεπισκόπηση μπορεί να καλύψει αυτά τα χωρικά και χρονικά κενά που προκύπτουν. Ο Landsat 8, έχει χωρική ανάλυση 30m, η οποία επιτρέπει συνοπτικές παρατηρήσεις σε μικρές λίμνες, κολπίσκους και λιμάνια. Η εφαρμογή των Landsat απεικονίσεων στα εσωτερικά, στα ποτάμια και στα παράκτια ύδατα οδήγησε στην ανάπτυξη αλγορίθμων ποιότητας νερού με στόχο την απόκτηση ποσοτικών βιογεωχημικών πληροφοριών, όπως η χλωροφύλλη, η χρωματισμένη διαλυμένη οργανική ύλη, οι αιωρούμενες σωματιδιακές ουσίες και η διαύγεια του νερού. Η διαύγεια των υδάτων είναι ένα καλός δείκτης για την συνολική ποιότητα των υδάτων και μπορεί να προσδιοριστεί εύκολα από τον δίσκο του Secchi διαμέτρου 30 cm. Κάποιος μπορεί να μετρήσει την διαύγεια των υδάτων βυθίζοντας τον δίσκο του Secchi μέσα στο νερό μέχρι το σημείο που δεν θα τον βλέπει πια από την επιφάνεια. Αυτό το σημείο ονομάζεται βάθος του δίσκου του Secchi (ZSD). To ZSD καθορίζεται από την ποσότητα του φυτοπλαγκτόν, τη διαλυμένη οργανική ύλη και τα ανόργανα σωματίδια στη στήλη του ύδατος. Για την κατανόηση του ZSD με μεθόδους τηλεπισκόπησης προτάθηκε ένα νέο μοντέλο που συσχετίζει τον ZSD με τον συντελεστή διάχυτης εξασθένησης. Το μοντέλο αυτό βαθμονομήθηκε από επιτόπιες μετρήσεις του ZSD σε ωκεάνια, παράκτια και εσωτερικά ύδατα και εφαρμόστηκε στα τέσσερα υδατικά παράκτια οικοσυστήματα της '''Εικόνας 1'''. Οι μεταβολές στην εποχικότητα και τη βαθυμετρία, καθιστούν αυτές τις περιοχές ιδανικές θέσεις για την αξιολόγηση της ακρίβειας του αλγορίθμου L8 ZSD. Αυτή η μελέτη αποδεικνύει την χρησιμότητα της εφαρμογής του νέου αυτού αλγορίθμου για την διαύγεια του νερού και τονίζει την ικανότητα των εικόνων L8 να διευρύνουν την κατανόησή μας για τις διαχρονικές διακυμάνσεις της διαύγειας του θαλάσσιου νερού.

'''Μεθοδολογία-Ανάλυση'''

'''1. Επιτόπιες μετρήσεις ZSD'''

Οι επιτόπιες μετρήσεις του ZSD συλλέχθηκαν από προγράμματα παρακολούθησης της ποιότητας του νερού στο Boston Harbor, Buzzards Bay, Cape Cod Bay και τον κόλπο Narragansett. Το ZSD καταγράφηκε ως το βάθος που ο δίσκος Secchi δεν είναι πλέον ορατός από κάποιο άτομο που βρίσκεται στην επιφάνεια. Οι επιτόπιες μετρήσεις του ZSD αρχίσαν τον Απρίλιο του 2013 μέχρι τον Δεκέμβριο του 2017 για να αντιστοιχούν με τις μετρήσεις του L8 (Landsat 8).

'''2. Δορυφορικά δεδομένα'''

Για την μελέτη αυτή ανακτήθηκαν συνολικά 58 εικόνες καθαρού ουρανού L8 από τον Απρίλιο του 2013 μέχρι τον Δεκέμβριο 2017 από το Earth Explorer. Οι εικόνες του επιπέδου 1 υποβλήθηκαν σε επεξεργασία με το SeaDAS για τη δημιουργία τηλεσκοπικής ανακλαστικότητας (Rrs, sr-1). Για την ατμοσφαιρική διόρθωση, χρησιμοποιήθηκε ο αλγόριθμός NIR-SWIR. Τα προϊόντα Rrs υποβλήθηκαν σε περαιτέρω επεξεργασία με τον Quasi-Analytical αλγόριθμο για να προκύψουν οι συντελεστές συνολικής απορρόφησης a και οπισωσκέδασης bb με βάση τους οποίους προέκυψε ο συντελεστής διάχυτης απόσβεσης Kd (m-1).

'''3. Αλγόριθμος L8 ZSD'''

To ZSD στην μελέτη αυτή εκφράζεται από την παρακάτω σχέση:

[[Εικόνα: p4photo5.png| thumb| center|]]

Όπου όπου Kd αντιπροσωπεύει τον ελάχιστο συντελεστή διάχυτης εξασθένησης ενός υδατικού οικοσυστήματος στην ορατή περιοχή (400-700 nm) και Rrs την αντίστοιχη τηλεσκοπική ανακλαστικότητα στο ίδιο μήκος κύματος. Ο Kd μπορεί εύκολα να προσδιοριστεί με την εισαγωγή διαφορετικών ζωνών του Rrs στο ορατό. Επειδή ο L8 έχει μόνο τέσσερις φασματικές ζώνες (443, 482, 561 και 670 nm) στο ορατό φάσμα, για να γεμίσει το φασματικό κενό μεταξύ 482 nm και 561 nm αναπτύχθηκε μια εμπειρική σχέση για την εκτίμηση του συντελεστή διάχυτης εξασθένησης στα 530 nm (Kd (530)) με σκοπό την βελτίωση του προσδιορισμού του ελαχίστου Kd στο ορατό φάσμα.

'''4. Επαλήθευση'''

Οι τιμές ZSD του δορυφόρου L8 επαληθεύθηκαν από τις επιτόπιες μετρήσεις των τιμών ZSD για τις ίδιες μέρες από το 2013 έως το 2017.

'''Αποτελέσματα'''

'''1. Σύγκριση επιτόπιων μετρήσεων ZSD και L8 ZSD για την ίδια ημέρα'''

Οι παρατηρούμενες τιμές διαφέρουν σημαντικά τόσο για την χλωροφύλλη (0,38-68,9 mg/m3) όσο και για την θολερότητα (0,1-77,4 NTU). Αν και η χλωροφύλλη δεν είναι ο μόνος δείκτης διαύγειας του νερού, ήταν το μόνο μακροχρόνια, οπτικά μεταβλητό συστατικό που παρείχε στοιχεία σχετικά με την διαύγεια του νερού. Ωστόσο, παρά τις διαφορές στο υποκείμενο νερό, την εποχή του χρόνου και στις επιτόπιες μετρήσεις των διάφορων παρατηρητών, υπήρξε καλή συμφωνία του ZSD (επιτόπιο έναντι L8 ZSD) μεταξύ των περιοχών του Buzzards Bay, Cape Cod Bay, Narragansett Bay. Οι διαφορές μεταξύ των επιτόπιων και των L8 ZSD πιθανότατα σχετίζονταν με τις μεθόδους ατμοσφαιρικής διόρθωσης, την ακρίβεια του Quasi-Analytical αλγορίθμου και τη χωρική μεταβλητότητα της διαύγειας του νερού.

'''2. Διακύμανση της εμβέλειας του ZSD'''

Οι τιμές του L8 ZSD κατέγραψαν το εύρος και την κατανομή της διαύγειας του νερού που παρατηρείται κατά μήκος των Boston Harbor, Buzzards Bay, Cape Cod Bay, and Narragansett Bay και με βάση αυτό αξιολογήθηκε ο L8 ZSD αλγόριθμος και για τις 58 εικόνες . Στην περίπτωση των Boston Harbor, Buzzards Bay, and Narragansett Bay οι τιμές του L8 ZSD και του ZSD από επιτόπιες μετρήσεις διέφεραν από 1 έως 5m κάτι χαρακτηριστικό των μικρών λιμανιών σε αυτά τα τρία υδάτινα οικοσυστήματα. Στην περίπτωση του Cape Cod Bay το εύρος των τιμών ZSD και στις δύο περιπτώσεις διέφερε από 4-10m με την πλειοψηφία των μετρήσεων να συγκεντρώνονται γύρω στα 5-6m.

'''3. Xρονική αξιολόγηση του ZSD'''

Οι επιτόπιες μετρήσεις του ZSD με αυτές του L8 ZSD στο Boston Harbor έδειξαν να έχουν συγκρίσιμες χρονοσειρές καθ’ όλη την περίοδο 2013-2017 και δεν παρουσίαζαν ιδιαίτερες εποχιακές τάσεις, αν και το L8 ZSD εμφανίστηκε σταθερά βαθύτερο από το επιτόπιο ZSD. Για τα Buzzards Bay και Cape Cod Bay την περίοδο 2013-2017 οι τιμές L8 ZSD ήταν χαμηλότερες κατά τους χειμερινούς μήνες (Δεκέμβριος-Φεβρουάριος) και υψηλότερες κατά τους ανοιξιάτικους μήνες (Μάρτιος-Μάιος). Το χαμηλό ZSD πιθανότατα σχετίζεται με τις υψηλές θερμοκρασίες και την αύξηση θρεπτικών συστατικών που αυξάνουν το φυτοπλαγκτόν κάτι που προκαλεί εποχιακή θολερότητα στο νερό.

'''4. Χωρική αξιολόγηση του ZSD'''

Με βάση τις επαληθευμένες τιμές και τον αλγόριθμου του L8 ZSD δημιουργήθηκαν χάρτες για τα Buzzards Bay ('''Εικόνα 2'''), Cape Cod Bay ('''Εικόνα 3''') και Narragansett Bay ('''Εικόνα 4''') για τις 14 Μαρτίου 2014. Ενώ οι χάρτες ZSD αποτελούν ουσιαστικά ένα στιγμιότυπο των συνθηκών διαύγειας του νερού κατά τη διάρκεια της διαδρομής του L8, απεικονίζουν τα περιφερειακά χωρικά πρότυπα. Στο Buzzards Bay το ZSD φαίνεται να έχει μικρότερες τιμές στις εκβολές που συνορεύουν με τη νοτιοανατολική ηπειρωτική Μασαχουσέτη. Στο Cape Cod Bay παρατηρείται χαμηλό ZSD τόσο στο παράκτιο μέρος όσο και ανοιχτά της περιοχής. Στη δυτική άκρη του Cape Cod Bay, οι μεταβολές του ZSD θα μπορούσαν να συνδεθούν με την αντίθετη προς τη φορά των δεικτών ρολογιού κυκλοφορία του κόλπου της Μασαχουσέτης, τις παλιρροιακές ροές, την περίοδο ανθοφορίας του φυτοπλαγκτόν, την εκκένωση θρεπτικών ουσιών από την ενδοχώρα ή με συνδυασμό των παραπάνω. Τέλος, πολύ μικρές τιμές ZSD (1,5-3,5 μ.) εμφανίζονται να είναι ομοιόμορφα κατανεμημένες σε όλο το Upper Narragansett Bay.

'''Συμπεράσματα'''

Η συγκεκριμένη μελέτη τόνισε την εγκυρότητα της εφαρμογής του αλγορίθμου L8 ZSD στα διάφορα παράκτια υδατικά συστήματα συγκρίνοντας για την ίδια ημέρα τις επιτόπιες μετρήσεις του ZSD σε σχέση με αυτές του δορυφόρου L8 ZSD. Για την επαλήθευση και εφαρμογή του αλγορίθμου L8 ZSD χρησιμοποιήθηκαν γεωφυσικές και βιογεωχημικές πληροφορίες από οργανισμούς παρακολούθησης της ποιότητας του νερού. Η εφαρμογή του αλγορίθμου L8 ZSD υποδηλώνει τελικά μια αυστηρότερη αξιολόγηση των μοτίβων καθαρότητας του νερού. Η αντιστοίχηση των μετρήσεων και των χαρτών L8 ZSD με τις τοπικές πληροφορίες παρακολούθησης της ποιότητας των υδάτων θα ενισχύσει τις προσπάθειες των ομάδων παρακολούθησης της ποιότητας των υδάτων και τελικά θα ενημερώσει καλύτερα τους παράκτιους διαχειριστές, τους υπεύθυνους χάραξης πολιτικής και τις κοινότητες σχετικά με τις αλλαγές στην διαύγεια των παράκτιων υδάτων.

[[category:Παρακολούθηση παράκτιων οικοσυστημάτων]]

Αρχείο:P4photo3.png

2020-02-04T22:09:38Z

Christina Anas: L8 ZSD χάρτης για το Cape Cod Bay

L8 ZSD χάρτης για το Cape Cod Bay

Αρχείο:P4photo2.png

2020-02-04T22:09:23Z

Christina Anas: L8 ZSD χάρτης για το Buzzards Bay

L8 ZSD χάρτης για το Buzzards Bay

Αρχείο:P4photo1.png

2020-02-04T22:08:54Z

Christina Anas: Εικόνα Landsat 8 με τις τέσσερις περιοχές μετρήσεων

Εικόνα Landsat 8 με τις τέσσερις περιοχές μετρήσεων

Αρχείο:P4photo5.png

2020-02-04T22:08:15Z

Christina Anas:

Καταγραφή της μεταβλητότητας της διαύγειας του παράκτιου νερού με τον Landsat 8

2020-02-04T22:08:05Z

Christina Anas:

'''Καταγραφή της μεταβλητότητας της διαύγειας του παράκτιου νερού με τον Landsat 8'''

'''Πρωτότυπος τίτλος:''' Capturing coastal water clarity variability with Landsat 8
'''Συγγραφείς:''' Kelly M.A. Luisa a*, Jennie E. Rheuban b*, Maria T. Kavanaugh c*, David M. Glover b*, Jianwei Wei a*, Zhongping Lee a*, Scott C. Doney b*,d*
a* School for the Environment, University of Massachusetts Boston, Boston, MA, USA
b* Department of Marine Chemistry and Geochemistry, Woods Hole Oceanographic Institution, Woods Hole, MA 02543, USA
c* College of Earth, Ocean, and Atmospheric Sciences, Oregon State University, Corvallis, OR 97330, USA
d* Department of Environmental Sciences, University of Virginia, Charlottesville, VA 22904, USA

'''Δημοσιεύθηκε:''' Marine Pollution Bulletin, Αύγουστος 2019

'''Σύνδεσμος πρότυπου κειμένου:''' [https://www.sciencedirect.com/science/article/pii/S0025326X19303571]

'''Λέξεις-Κλειδιά:''' Ποιότητα νερού, Βάθος δίσκου Secchi, Landsat 8

[[Εικόνα: p4photo1.png| thumb| right|'''Εικόνα 1:''' Εικόνα Landsat 8 με τις τέσσερις περιοχές μετρήσεων]]

[[Εικόνα: p4photo2.png| thumb| right|'''Εικόνα 2:''' L8 ZSD χάρτης για το Buzzards Bay]]

[[Εικόνα: p4photo3.png| thumb| right|'''Εικόνα 3:''' L8 ZSD χάρτης για το Cape Cod Bay]]

[[Εικόνα: p4photo3.png| thumb| right|'''Εικόνα 4:''' L8 ZSD χάρτης για το Upper Narragansett Bay]]

'''Αντικείμενο Εφαρμογής'''

Σε αυτή την μελέτη χρησιμοποιήθηκαν τα βάθη των δίσκων Secchi (ZSD) τεσσάρων παράκτιων υδάτινων οικοσυστημάτων για την επαλήθευση των ZSD που αποκτήθηκαν από τις εικόνες του Landsat 8 (L8) με σκοπό την δημιουργία χαρτών υψηλής χωρικής ανάλυσης ZSD και συνεπώς την βελτιωμένη παρακολούθηση της ποιότητας των παράκτιων υδάτων.

'''Εισαγωγή'''

Τα παράκτια οικοσυστήματα απαιτούν συστηματικές παρατηρήσεις για την καταγραφή των χωρο-χρονικών μεταβολών της διαύγειας των υδάτων τους. Oι επιτόπιες μετρήσεις της διαύγειας του νερού παρέχουν λεπτομερείς και ακριβής μετρήσεις αλλά πολλές φορές η κάλυψή τους περιορίζεται στο χώρο και στον χρόνο λόγω κόστους και υλικοτεχνικών υποδομών. Η τηλεπισκόπηση μπορεί να καλύψει αυτά τα χωρικά και χρονικά κενά που προκύπτουν. Ο Landsat 8, έχει χωρική ανάλυση 30m, η οποία επιτρέπει συνοπτικές παρατηρήσεις σε μικρές λίμνες, κολπίσκους και λιμάνια. Η εφαρμογή των Landsat απεικονίσεων στα εσωτερικά, στα ποτάμια και στα παράκτια ύδατα οδήγησε στην ανάπτυξη αλγορίθμων ποιότητας νερού με στόχο την απόκτηση ποσοτικών βιογεωχημικών πληροφοριών, όπως η χλωροφύλλη, η χρωματισμένη διαλυμένη οργανική ύλη, οι αιωρούμενες σωματιδιακές ουσίες και η διαύγεια του νερού. Η διαύγεια των υδάτων είναι ένα καλός δείκτης για την συνολική ποιότητα των υδάτων και μπορεί να προσδιοριστεί εύκολα από τον δίσκο του Secchi διαμέτρου 30 cm. Κάποιος μπορεί να μετρήσει την διαύγεια των υδάτων βυθίζοντας τον δίσκο του Secchi μέσα στο νερό μέχρι το σημείο που δεν θα τον βλέπει πια από την επιφάνεια. Αυτό το σημείο ονομάζεται βάθος του δίσκου του Secchi (ZSD). To ZSD καθορίζεται από την ποσότητα του φυτοπλαγκτόν, τη διαλυμένη οργανική ύλη και τα ανόργανα σωματίδια στη στήλη του ύδατος. Για την κατανόηση του ZSD με μεθόδους τηλεπισκόπησης προτάθηκε ένα νέο μοντέλο που συσχετίζει τον ZSD με τον συντελεστή διάχυτης εξασθένησης. Το μοντέλο αυτό βαθμονομήθηκε από επιτόπιες μετρήσεις του ZSD σε ωκεάνια, παράκτια και εσωτερικά ύδατα και εφαρμόστηκε στα τέσσερα υδατικά παράκτια οικοσυστήματα της '''Εικόνας 1'''. Οι μεταβολές στην εποχικότητα και τη βαθυμετρία, καθιστούν αυτές τις περιοχές ιδανικές θέσεις για την αξιολόγηση της ακρίβειας του αλγορίθμου L8 ZSD. Αυτή η μελέτη αποδεικνύει την χρησιμότητα της εφαρμογής του νέου αυτού αλγορίθμου για την διαύγεια του νερού και τονίζει την ικανότητα των εικόνων L8 να διευρύνουν την κατανόησή μας για τις διαχρονικές διακυμάνσεις της διαύγειας του θαλάσσιου νερού.

'''Μεθοδολογία-Ανάλυση'''

'''1. Επιτόπιες μετρήσεις ZSD'''

Οι επιτόπιες μετρήσεις του ZSD συλλέχθηκαν από προγράμματα παρακολούθησης της ποιότητας του νερού στο Boston Harbor, Buzzards Bay, Cape Cod Bay και τον κόλπο Narragansett. Το ZSD καταγράφηκε ως το βάθος που ο δίσκος Secchi δεν είναι πλέον ορατός από κάποιο άτομο που βρίσκεται στην επιφάνεια. Οι επιτόπιες μετρήσεις του ZSD αρχίσαν τον Απρίλιο του 2013 μέχρι τον Δεκέμβριο του 2017 για να αντιστοιχούν με τις μετρήσεις του L8 (Landsat 8).

'''2. Δορυφορικά δεδομένα'''

Για την μελέτη αυτή ανακτήθηκαν συνολικά 58 εικόνες καθαρού ουρανού L8 από τον Απρίλιο του 2013 μέχρι τον Δεκέμβριο 2017 από το Earth Explorer. Οι εικόνες του επιπέδου 1 υποβλήθηκαν σε επεξεργασία με το SeaDAS για τη δημιουργία τηλεσκοπικής ανακλαστικότητας (Rrs, sr-1). Για την ατμοσφαιρική διόρθωση, χρησιμοποιήθηκε ο αλγόριθμός NIR-SWIR. Τα προϊόντα Rrs υποβλήθηκαν σε περαιτέρω επεξεργασία με τον Quasi-Analytical αλγόριθμο για να προκύψουν οι συντελεστές συνολικής απορρόφησης a και οπισωσκέδασης bb με βάση τους οποίους προέκυψε ο συντελεστής διάχυτης απόσβεσης Kd (m-1).

'''3. Αλγόριθμος L8 ZSD'''

To ZSD στην μελέτη αυτή εκφράζεται από την παρακάτω σχέση:

[[Εικόνα: p4photo5.png| thumb| center|]]

Όπου όπου Kd αντιπροσωπεύει τον ελάχιστο συντελεστή διάχυτης εξασθένησης ενός υδατικού οικοσυστήματος στην ορατή περιοχή (400-700 nm) και Rrs την αντίστοιχη τηλεσκοπική ανακλαστικότητα στο ίδιο μήκος κύματος. Ο Kd μπορεί εύκολα να προσδιοριστεί με την εισαγωγή διαφορετικών ζωνών του Rrs στο ορατό. Επειδή ο L8 έχει μόνο τέσσερις φασματικές ζώνες (443, 482, 561 και 670 nm) στο ορατό φάσμα, για να γεμίσει το φασματικό κενό μεταξύ 482 nm και 561 nm αναπτύχθηκε μια εμπειρική σχέση για την εκτίμηση του συντελεστή διάχυτης εξασθένησης στα 530 nm (Kd (530)) με σκοπό την βελτίωση του προσδιορισμού του ελαχίστου Kd στο ορατό φάσμα.

'''4. Επαλήθευση'''

Οι τιμές ZSD του δορυφόρου L8 επαληθεύθηκαν από τις επιτόπιες μετρήσεις των τιμών ZSD για τις ίδιες μέρες από το 2013 έως το 2017.

'''Αποτελέσματα'''

'''1. Σύγκριση επιτόπιων μετρήσεων ZSD και L8 ZSD για την ίδια ημέρα'''

Οι παρατηρούμενες τιμές διαφέρουν σημαντικά τόσο για την χλωροφύλλη (0,38-68,9 mg/m3) όσο και για την θολερότητα (0,1-77,4 NTU). Αν και η χλωροφύλλη δεν είναι ο μόνος δείκτης διαύγειας του νερού, ήταν το μόνο μακροχρόνια, οπτικά μεταβλητό συστατικό που παρείχε στοιχεία σχετικά με την διαύγεια του νερού. Ωστόσο, παρά τις διαφορές στο υποκείμενο νερό, την εποχή του χρόνου και στις επιτόπιες μετρήσεις των διάφορων παρατηρητών, υπήρξε καλή συμφωνία του ZSD (επιτόπιο έναντι L8 ZSD) μεταξύ των περιοχών του Buzzards Bay, Cape Cod Bay, Narragansett Bay. Οι διαφορές μεταξύ των επιτόπιων και των L8 ZSD πιθανότατα σχετίζονταν με τις μεθόδους ατμοσφαιρικής διόρθωσης, την ακρίβεια του Quasi-Analytical αλγορίθμου και τη χωρική μεταβλητότητα της διαύγειας του νερού.

'''2. Διακύμανση της εμβέλειας του ZSD'''

Οι τιμές του L8 ZSD κατέγραψαν το εύρος και την κατανομή της διαύγειας του νερού που παρατηρείται κατά μήκος των Boston Harbor, Buzzards Bay, Cape Cod Bay, and Narragansett Bay και με βάση αυτό αξιολογήθηκε ο L8 ZSD αλγόριθμος και για τις 58 εικόνες . Στην περίπτωση των Boston Harbor, Buzzards Bay, and Narragansett Bay οι τιμές του L8 ZSD και του ZSD από επιτόπιες μετρήσεις διέφεραν από 1 έως 5m κάτι χαρακτηριστικό των μικρών λιμανιών σε αυτά τα τρία υδάτινα οικοσυστήματα. Στην περίπτωση του Cape Cod Bay το εύρος των τιμών ZSD και στις δύο περιπτώσεις διέφερε από 4-10m με την πλειοψηφία των μετρήσεων να συγκεντρώνονται γύρω στα 5-6m.

'''3. Xρονική αξιολόγηση του ZSD'''

Οι επιτόπιες μετρήσεις του ZSD με αυτές του L8 ZSD στο Boston Harbor έδειξαν να έχουν συγκρίσιμες χρονοσειρές καθ’ όλη την περίοδο 2013-2017 και δεν παρουσίαζαν ιδιαίτερες εποχιακές τάσεις, αν και το L8 ZSD εμφανίστηκε σταθερά βαθύτερο από το επιτόπιο ZSD. Για τα Buzzards Bay και Cape Cod Bay την περίοδο 2013-2017 οι τιμές L8 ZSD ήταν χαμηλότερες κατά τους χειμερινούς μήνες (Δεκέμβριος-Φεβρουάριος) και υψηλότερες κατά τους ανοιξιάτικους μήνες (Μάρτιος-Μάιος). Το χαμηλό ZSD πιθανότατα σχετίζεται με τις υψηλές θερμοκρασίες και την αύξηση θρεπτικών συστατικών που αυξάνουν το φυτοπλαγκτόν κάτι που προκαλεί εποχιακή θολερότητα στο νερό.

'''4. Χωρική αξιολόγηση του ZSD'''

Με βάση τις επαληθευμένες τιμές και τον αλγόριθμου του L8 ZSD δημιουργήθηκαν χάρτες για τα Buzzards Bay ('''Εικόνα 2'''), Cape Cod Bay ('''Εικόνα 3''') και Narragansett Bay ('''Εικόνα 4''') για τις 14 Μαρτίου 2014. Ενώ οι χάρτες ZSD αποτελούν ουσιαστικά ένα στιγμιότυπο των συνθηκών διαύγειας του νερού κατά τη διάρκεια της διαδρομής του L8, απεικονίζουν τα περιφερειακά χωρικά πρότυπα. Στο Buzzards Bay το ZSD φαίνεται να έχει μικρότερες τιμές στις εκβολές που συνορεύουν με τη νοτιοανατολική ηπειρωτική Μασαχουσέτη. Στο Cape Cod Bay παρατηρείται χαμηλό ZSD τόσο στο παράκτιο μέρος όσο και ανοιχτά της περιοχής. Στη δυτική άκρη του Cape Cod Bay, οι μεταβολές του ZSD θα μπορούσαν να συνδεθούν με την αντίθετη προς τη φορά των δεικτών ρολογιού κυκλοφορία του κόλπου της Μασαχουσέτης, τις παλιρροιακές ροές, την περίοδο ανθοφορίας του φυτοπλαγκτόν, την εκκένωση θρεπτικών ουσιών από την ενδοχώρα ή με συνδυασμό των παραπάνω. Τέλος, πολύ μικρές τιμές ZSD (1,5-3,5 μ.) εμφανίζονται να είναι ομοιόμορφα κατανεμημένες σε όλο το Upper Narragansett Bay.

'''Συμπεράσματα'''

Η συγκεκριμένη μελέτη τόνισε την εγκυρότητα της εφαρμογής του αλγορίθμου L8 ZSD στα διάφορα παράκτια υδατικά συστήματα συγκρίνοντας για την ίδια ημέρα τις επιτόπιες μετρήσεις του ZSD σε σχέση με αυτές του δορυφόρου L8 ZSD. Για την επαλήθευση και εφαρμογή του αλγορίθμου L8 ZSD χρησιμοποιήθηκαν γεωφυσικές και βιογεωχημικές πληροφορίες από οργανισμούς παρακολούθησης της ποιότητας του νερού. Η εφαρμογή του αλγορίθμου L8 ZSD υποδηλώνει τελικά μια αυστηρότερη αξιολόγηση των μοτίβων καθαρότητας του νερού. Η αντιστοίχηση των μετρήσεων και των χαρτών L8 ZSD με τις τοπικές πληροφορίες παρακολούθησης της ποιότητας των υδάτων θα ενισχύσει τις προσπάθειες των ομάδων παρακολούθησης της ποιότητας των υδάτων και τελικά θα ενημερώσει καλύτερα τους παράκτιους διαχειριστές, τους υπεύθυνους χάραξης πολιτικής και τις κοινότητες σχετικά με τις αλλαγές στην διαύγεια των παράκτιων υδάτων.

[[category:Παρακολούθηση παράκτιων οικοσυστημάτων]]