RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Θερμική υπέρυθρη τηλεπισκόπηση της αστικής θερμότητας: Hotspots, βλάστηση και αξιολόγηση τεχνικών για χρήση στον αστικό σχεδιασμό

2024-03-08T18:20:37Z

I christofaki:

'''Πρωτότυπος τίτλος:''' ''Thermal infrared remote sensing of urban heat: Hotspots, vegetation, and an assessment of techniques for use in urban planning''

'''Συγγραφείς: ''' ''Andrew M. Coutts, Richard J. Harris, Thu Phan, Stephen J. Livesley, Nicholas S.G. Williams, Nigel J. Tapper''

'''Πηγή:''' https://www.sciencedirect.com/science/article/pii/S0034425716303509

''' Περίληψη '''
Η μείωση των περιοχών με υψηλή θερμοκρασία, των αστικών "hotspots" αποτελεί πρόκληση στον αστικό σχεδιασμό. Η μελέτη εξετάζει τη χρήση υπερυψηλής ανάλυσης αεροπορικών θερμικών υπερύθρων αισθητήρων για τον εντοπισμό αυτών των hotspots σε γειτονιές και δρόμους. Παρά την αναγνώριση περιοχών υψηλής θερμοκρασίας εδάφους, διαπιστώνεται ότι η σύνδεση με την υψηλή ατμοσφαιρική θερμοκρασία είναι πρόβλημα. Προτείνεται η χρήση πιο προσιτών και οικονομικών δορυφορικών προϊόντων, καθώς τα δεδομένα υψηλής ανάλυσης αποδεικνύονται μη κατάλληλα για την υποστήριξη αποφάσεων σχετικά με τον αστικό σχεδιασμό και την πράσινη ανάπτυξη της πόλης.


''' Εισαγωγή '''
Η σημασία της αύξησης της αστικής βλάστησης είναι μια καίρια στρατηγική για τη μείωση της αστικής θερμότητας, με αναφορά σε διάφορες μελέτες και ευρήματα από δορυφορική τηλεπισκόπηση. Το έλλειμμα πρακτικών κατευθυντηρίων γραμμών για την υλοποίηση της αστικής πράσινης ανάπτυξης αναδεικνύεται ως πρόκληση για τις δημοτικές αρχές με περιορισμένους πόρους. Ορισμένες αρχές εξετάζουν τη χρήση πολύ υψηλής ανάλυσης θερμικής υπέρυθρης (TIR) τηλεπισκόπησης για τον εντοπισμό των "σημείων ζέστης" και την ενημέρωση των στρατηγικών πράσινης ανάπτυξης της πόλης. Ωστόσο, υπάρχουν πολυπλοκότητες και περιορισμοί στη συλλογή και ερμηνεία των δεδομένων TIR, περιλαμβανομένων ζητημάτων όπως η διόρθωση εκπομπής, οι γωνίες θέασης και η χρονική συχνότητα. Η μελέτη έχει ως στόχο να εξετάσει την πιθανή εφαρμογή της πολύ υψηλής ανάλυσης TIR τηλεπισκόπησης για τον εντοπισμό των "σημείων ζέστης", να κατανοήσει την επίδραση της βλάστησης στην LST και να αξιολογήσει την καταλληλότητα της TIR τηλεπισκόπησης για την ενημέρωση των πράσινων επεμβάσεων για τη μείωση της αστικής θερμότητας. Στόχος είναι να παρέχεται καθοδήγηση για τους πολεοδόμους σχετικά με το πόσο χρήσιμη είναι η TIR τηλεπισκόπηση για στρατηγικές μείωσης της θερμότητας στις πόλεις.


''' 2. Μεθοδολογία '''

'''2.1 Απόκτηση δεδομένων τηλεπισκόπησης TIR υψηλής ανάλυσης'''
Η πόλη του Πορτ Φίλιπ (CoPP) στη Μελβούρνη, Αυστραλία, πραγματοποίησε ένα έργο τηλεπισκόπησης θερμικής υπερύθρου (TIR) κατά το καλοκαίρι του 2011-12 για τη συλλογή δεδομένων υψηλής ανάλυσης για την υλοποίηση μιας πολιτικής αυξημένης κάλυψης από δέντρα. Ο στόχος ήταν o εντοπισμός των "hotspots" (περιοχές με υψηλή θερμοκρασία) στο δήμο με χρήση θερμικών εικόνων και η προτεραιοποίησή τους για αστική πράσινη διαμόρφωση προκειμένου να αντιμετωπιστούν οι υψηλές θερμοκρασίες. Το έργο περιλάμβανε συνεργασία μεταξύ του CoPP, γειτονικών δήμων, της κυβέρνησης του Βικτοριανού κράτους, συμβούλων και ερευνητών πανεπιστημίου με στόχο την εξερεύνηση και αξιοποίηση των θερμικών εικόνων.
Οι ερευνητές ανέπτυξαν ένα πρωτόκολλο για τη συλλογή δεδομένων VHR TIR, καθορίζοντας συνθήκες πτήσης κατά τη διάρκεια της ημέρας και πριν την αυγή, με χαμηλές ταχύτητες ανέμου και σαφείς συνθήκες ορατότητας. Τα δεδομένα αποτύπωσαν "hotspots" με υψηλή θερμοκρασία ενώ η πτήση πραγματοποιήθηκε κατά τη διάρκεια μιας περιόδου υψηλών θερμοκρασιών τον Φεβρουάριο του 2012. Η ανάλυση των δεδομένων επέτρεψε στους ερευνητές να προτείνουν στρατηγικές αντιμετώπισης του θερμικού φορτίου στις αστικές περιοχές και να παράσχουν πληροφορίες για τη χρήση υψηλής ανάλυσης TIR στον προγραμματισμό πόλεων για την προσαρμογή στη θερμότητα..

'''2.2 Ταξινόμηση επιφανειών γης'''
Σε μια μελέτη που πραγματοποιήθηκε για την επεξεργασία και ερμηνεία θερμικών υπέρυθρων δεδομένων (TIR) πραγματοποιήθηκε λεπτομερής ταξινόμηση της επιφάνειας του εδάφους, χρησιμοποιώντας διάφορες πηγές δεδομένων όπως εναέριες εικόνες, υπερφασματικά δεδομένα και δεδομένα LiDAR. Η ταξινόμηση της επιφάνειας χρησιμοποιήθηκε για τον προσδιορισμό της κάλυψης της βλάστησης και την ανάθεση εκπομπικών τιμών σε κάθε τύπο επιφάνειας. (Εικ.1). Η μελέτη εστίασε στην επίδραση των χαρακτηριστικών της επιφάνειας στη θερμοκρασία επιφάνειας και στον εντοπισμό περιοχών με υψηλές θερμοκρασίες. Η μεθοδολογία περιλάμβανε τη χρήση λογισμικού επεξεργασίας εικόνας και τη δημιουργία ψηφιακών μοντέλων επιφάνειας. Η ακρίβεια της ταξινόμησης ήταν υψηλή, αν και παρατηρήθηκαν κάποια σφάλματα σε περιοχές σκιών..

[[Αρχείο:Εικονα_1_α1.jpg]]

''Εικ.1. α) Τύπος κάλυψης γης β) συντελεστής εκπομπής σε όλη την πόλη Port Phillip.''

'''2.3 Αξιολόγηση επιφάνειας εδάφους του LST'''
Έγινε αξιολόγηση της επιφανειακής θερμοκρασίας που είχε παραχθεί από δεδομένα υπερυψηλής ανάλυσης TIR, προκειμένου να εκτιμηθεί η ακρίβεια του προϊόντος στον προσδιορισμό θερμοκρασίας διάφορων επιφανειακών τύπων. Δημιουργήθηκαν πέντε τοποθεσίες σε διάφορες επιφάνειες, προσφέροντας ομοιογενή κάλυψη για τη σύγκριση με τα υψηλής ανάλυσης TIR δεδομένα. Καταγράφηκαν δεδομένα θερμοκρασίας και υγρασίας, ενώ δεν εφαρμόστηκε διόρθωση ατμοσφαιρικών συνθηκών. Η μελέτη αυτή παρείχε πληροφορίες σχετικά με την αξιοπιστία των δεδομένων TIR στην πρόβλεψη θερμοκρασιών διαφόρων επιφανειακών τύπων.

'''2.4 Ατμοσφαιρικές και εκπομπικές διορθώσεις'''
Κατά την διαδικασία διόρθωσης δεδομένων υπέρυθρης θερμότητας (TIR) για τον υπολογισμό της επιφανειακής μαύρης ακτινοβολίας, ιδίως μετρώντας τη φασματική ακτινοβολία και λαμβάνοντας υπόψη ατμοσφαιρικές επιδράσεις έγινε υπολογιστική πρόβλεψη της πραγματικής θερμοκρασίας της επιφάνειας του εδάφους (LST), εφαρμόζοντας διόρθωση ατμοσφαιρικής επιδράσεως με χρήση μοντέλου MODTRAN-5. Η διόρθωση εκπομπικότητας υπήρξε αναγκαία για την ανάθεση τιμών θερμοκρασίας σε επιφάνειες, χρησιμοποιώντας διάφορες προσεγγίσεις, και η έρευνα έδειξε ελπιδοφόρα αποτελέσματα για την ακρίβεια της LST σε σύγκριση με σημεία επίγειας αξιολόγησης, παρουσιάζοντας προκλήσεις όπως οι εκτιμήσεις εκπομπικότητας και γωνίες θέασης του αισθητήρα. Υπογραμμίστηκε η σημασία της διόρθωσης δεδομένων TIR, για ακριβείς εκτιμήσεις θερμοκρασίας επιφάνειας, λαμβάνοντας υπόψη διαφορετικούς τύπους επιφανειών και τιμές εκπομπικότητας.

'''2.5 Καθιέρωση διόρθωσης εκπομπής για στέγες κτιρίων'''
Στην προσπάθεια να καθοριστεί μια μοναδική τιμή εκπομπής για τα κτίρια, αντιμετωπίστηκαν δυσκολίες λόγω της μεγάλης διακύμανσης των τιμών στη βιβλιογραφία, ιδίως για μεταλλικά στέγαστρα, και την εξάρτηση των τιμών από το υλικό (π.χ. γαλβανισμένος χάλυβας, επιχρυσωμένο αλουμίνιο) και την κατάσταση της στέγης (π.χ. ποσότητα σκουριάς, βρωμιά). Αναλύοντας τα δεδομένα ακτινοβολίας TIR για το CoPP, παρατηρήθηκε ότι μερικά φωτεινά μεταλλικά στέγαστρα εμφάνιζαν πολύ χαμηλές τιμές ακτινοβολίας σε σύγκριση με άλλα είδη στεγών. Ως αποτέλεσμα, αναγνωρίστηκε ότι μια μοναδική τιμή εκπομπής δεν ήταν επαρκής και αναπτύχθηκε μια εκπομπή που μεταβάλλεται γραμμικά για τις στέγες, βασιζόμενη στο εύρος των παρατηρούμενων τιμών ακτινοβολίας τη νύχτα.

'''2.6 Παρατηρήσεις θερμοκρασίας αέρα'''
Όσον αφορά τη θερμοκρασία του αέρα, χρησιμοποιήθηκε η επιφανειακή θερμοκρασία (LST) ως προσέγγιση για τη θερμοκρασία του αέρα. Οι σχέσεις μεταξύ των δύο ήταν πιο στενές υπό σταθερές ατμοσφαιρικές συνθήκες, ενώ εμφανίζονταν ασύνδετες σε υψηλές ταχύτητες ανέμου. Διενεργήθηκαν διατομές αυτοκινήτων για να εξεταστούν οι σχέσεις μεταξύ LST και Ta σε διάφορα χωρικά επίπεδα. (Εικ.2). Τα αποτελέσματα αποκάλυψαν την παρουσία του Urban Heat Island (UHI) στο κέντρο της πόλης και ειδικότερα στην περιοχή του CoPP, όπου η θερμοκρασία του αέρα ήταν σημαντικά υψηλότερη από τις γειτονικές αγροτικές περιοχές. Αυτό επισημαίνει την ανάγκη για εστίαση στην έρευνα και τη σκέψη για την αντιμετώπιση της αστικής θερμαντικής επίπτωσης, πιθανώς με τη χρήση πράσινων περιοχών για τον περιορισμό του UHI.

[[Αρχείο:εικονα 2 α1.jpg‎]]

''Εικ.2. Διατομές αυτοκινήτων που διεξήχθησαν κατά τη διάρκεια των νυχτερινών αερομεταφερόμενων πτήσεων θερμικής τηλεπισκόπησης το πρωί της 26ης Φεβρουαρίου 2012. Το κόκκινο όριο είναι η πόλη Port Phillip.''

'''2.7 Απόκτηση δορυφορικών δεδομένων τηλεπισκόπησης TIR'''
Την ίδια ημέρα με την αεροπορική πτήση υψηλής ανάλυσης (VHR), ελήφθησαν δεδομένα υπερύθρου (TIR) από δορυφόρο με χαμηλή ανάλυση. Τα δεδομένα TIR από τον δορυφόρο προσέφεραν ευκαιρίες για την εξέταση των σχέσεων με ταξύ της θερμοκρασίας επιφάνειας εδάφους (LST) και της θερμοκρασίας του αέρα (Ta), καθώς και τη δυνατότητα σύγκρισης διαφορετικών προσεγγίσεων τηλεπισκόπησης. Επιπλέον, αποκτήθηκε εικόνα Landsat 7 ETM+ από την ίδια ημέρα με τις θερμικές πτήσεις, παρέχοντας δυνατότητες εξερεύνησης στον τομέα της συλλογής και χρήσης των δύο διαφορετικών προϊόντων αισθητήρων στον πολεοδομικό σχεδιασμό. Τα δεδομένα υπερύθρου χαμηλής ανάλυσης (VHR TIR) συγκεντρώθηκαν, συνεκρίθησαν και επεξεργάστηκαν με τα δεδομένα Landsat. Η θερμοκρασία φωτεινότητας χρησιμοποιήθηκε για την αποφυγή πιθανών αντιφάσεων που θα μπορούσαν να προκύψουν από διορθώσεις εκπομπής για κάθε σύνολο δεδομένων. Επιπλέον, ελήφθησαν και επεξεργάστηκαν δεδομένα TIR από τον δορυφόρο MODIS για την πόλη και την ύπαιθρο, τόσο κατά τη διάρκεια της ημέρας όσο και της νύχτας, παρέχοντας σημαντικό πλαίσιο για την κατανόηση της θερμικής δυναμικής του περιβάλλοντος. (Εικ.3) Η ανίχνευση από τον δορυφόρο MODIS αποκάλυψε τη σημαντική επίδραση του αστικού τοπίου στη θερμοκρασία επιφάνειας το βράδυ, όπου περιοχές όπως το Κέντρο Πόλης της Μελβούρνης κατέγραφαν υψηλότερες θερμοκρασίες από τα περίχωρα της πόλης. Αυτή η παρατήρηση υπογραμμίζει τη σημασία της περιοχής ως υψηλής προτεραιότητας για τη μείωση της αστικής θερμότητας.οποικιλότητας

[[Αρχείο:Εικονα_3_α1.jpg‎]]

''Εικ.3. Θερμοκρασία της επιφάνειας του εδάφους που προκύπτει από το MODIS (1 km) στις 13:00 EDT της 25ης Φεβρουαρίου 2014 (DAY) και στις 1:00 EDT της 26ης Φεβρουαρίου 2014 (NIGHT), και NDVI που προκύπτει από το MODIS (250 m). Εμφανίζονται οι δήμοι της Μελβούρνης και η νυχτερινή αυτοματοποιημένη διατομή από δυτικά προς νοτιοανατολικά παρουσιάζεται στις νυχτερινές εικόνες και του NDVI. Οι λευκές περιοχές είναι ελλιπή δεδομένα λόγω σύννεφων και υδάτινων επιφανειών.''

'''2.8 Προσδιορισμός hotspot'''
Η εργασία αυτή επικεντρώθηκε στη χρήση δεδομένων υπέρυθρης θερμότητας υψηλής ανάλυσης (VHR TIR) για τον εντοπισμό "hotspots", υποθέτοντας ότι περιοχές με υψηλή θερμοκρασία επιφάνειας (LST) αντιστοιχούν σε περιοχές υψηλής θερμοκρασίας αέρα (Ta). Η κλίμακα ανάλυσης επηρέασε τον τρόπο εντοπισμού των "hotspots", με τη συγκέντρωση των δεδομένων σε συγκεκριμένη χωρική ανάλυση να επιτρέπει τον ταχύτερο εντοπισμό γειτονιάς με υψηλή θερμοκρασία. Η επιλογή μιας κατάλληλης κλίμακας, όπως οι περιοχές στατιστικών της Australian Bureau of Statistics (ABS), επέτρεψε συγκρίσεις με άλλα στατιστικά δεδομένα. Στη συνέχεια, πραγματοποιήθηκε κατηγοριοποίηση των περιοχών σε τρεις κατηγορίες προτεραιότητας για την αστική πράσινη ανάπτυξη. Επίσης, εξετάστηκε η περίπτωση εντοπισμού "hotspots" σε δρόμους και δημόσιους χώρους με υψηλή θερμοκρασία αέρα σε συγκεκριμένη περιοχή, χρησιμοποιώντας δεδομένα υψηλής ανάλυσης LST. Η προσέγγιση αυτή επέτρεψε τη στοχευμένη αντιμετώπιση των περιοχών με υψηλή θερμοκρασία και υψηλή ανθρώπινη δραστηριότητα

'''2.9 Σχέσεις βλάστησης και LST'''
Εξετάζοντας τη σχέση μεταξύ της φυτικής κάλυψης και της θερμοκρασίας επιφάνειας του εδάφους (LST) σε μια συγκεκριμένη περιοχή χρησιμοποιήθηκαν δεδομένα υψηλής ανάλυσης υπέρυθρης θερμότητας (VHR TIR), τα οποία συγκεντρώθηκαν και αναλύθηκαν για να προσδιοριστεί ο μέσος όρος της LST σε όλη την περιοχή. Συγκρίθηκε με το ποσοστό βλάστησης, το οποίο χωρίστηκε σε κατηγορίες του 10%. Για πιο λεπτομερή ανάλυση, χρησιμοποιήθηκαν τμήματα δρόμων σε μια περιοχή ενδιαφέροντος, και καθορίστηκε το ποσοστό βλάστησης για κάθε τμήμα. Επιπλέον, λήφθηκε υπόψη η σχέση ύψους προς πλάτος (H:W) των αστικών φαραγγιών, με την ύψιστη πρόθεση να εξεταστεί η επίδρασή του στη μέση θερμοκρασία των φαραγγιών. Τα αποτελέσματα αναλύθηκαν χωρίζοντας τα τμήματα φαραγγιού σε ομάδες με βάση το H:W, και συγκρίθηκε ο συντελεστής γραμμικής παλινδρόμησης μεταξύ της βλάστησης και της μέσης θερμοκρασίας φαραγγιού για κάθε ομάδα.

'''2.10 Σχέσεις LST και θερμοκρασίας αέρα'''
Για να συγκριθεί η παρατηρούμενη θερμοκρασία αέρα (Ta) εντός της Κεντρικής Περιοχής Δραστηριοτήτων της Πόλης του Μελβούρνη με τη Θερμοκρασία Επιφάνειας εδάφους (LST) απαιτήθηκε η ακριβής ανάθεση της επίδρασης της επιφάνειας στη θερμοκρασία σε κλίμακα δρόμου, λαμβάνοντας υπόψη παράγοντες όπως παρακείμενες επιφάνειες, γεωμετρία τοπίου, κατεύθυνση ανέμου και τοπικές μετεωρολογικές συνθήκες. Για τον σκοπό αυτό, χρησιμοποιήθηκαν κυκλικοί δακτύλιοι με διάφορες ακτίνες γύρω από τα σημεία μέτρησης, ενώ πραγματοποιήθηκε σύγκριση με δεδομένα LST και NDVI ανάλυσης MODIS.

''' 3. Αποτελέσματα και συζήτηση '''

'''3.1 Προσδιορισμός σημείων πρόσβασης σε γειτονιά και δρόμους'''
Εξετάζοντας τα δεδομένα Very High Resolution Thermal Infrared (VHR TIR) για το Κέντρο Πόλης (CoPP), παρέχονται εικόνες τόσο για την ημέρα όσο και για τη νύχτα. (Εικ.4) Αυτές οι εικόνες χρησιμοποιούνται ως εργαλείο για να μεταφέρουν την επίδραση των επιφανειών στο αστικό κλίμα σε σχεδιαστές, συμβούλους και το κοινό. Η αναγνώριση σημείων υψηλής θερμοκρασίας αποδείχθηκε δύσκολη σε εικόνες υψηλής ανάλυσης, αλλά η προσέγγιση συγκέντρωσης επέτρεψε την άμεση αναγνώριση αυτών των σημείων. Οι εικόνες αποκάλυψαν τη σημασία των ακτινοβολητικών και θερμοδυναμικών ιδιοτήτων των επιφανειών στην επιφάνεια του εδάφους (Land Surface Temperature - LST). Επιπλέον, η ανάλυση επικεντρώθηκε στην περιοχή 'South Melbourne Central', (Εικ.6) επισημαίνοντας τη συσχέτιση της υψηλής LST με αδιαπέραστες επιφάνειες όπως στέγες και οδούς. Τα δεδομένα VHR TIR προτείνουν πιθανές τοποθεσίες για μέτρα μείωσης της θερμοκρασίας, όπως η φύτευση δέντρων για σκιά ή η άρδευση για μείωση της ημερήσιας LST. Η προσέγγιση αυτή παρέχει ένα βάσιμο σημείο εκκίνησης για περαιτέρω έρευνα και πρακτικές εφαρμογές στον χώρο της πόλης, ενισχύοντας την κατανόηση της επίδρασης των επιφανειών στο αστικό περιβάλλον.
Ενώ τα δεδομένα Very High Resolution Thermal Infrared (VHR TIR) μπορούν να βοηθήσουν στον εντοπισμό επιφανειών με υψηλή θερμοκρασία εδάφους κατά τη στιγμή της λήψης, υπάρχουν περιορισμοί στη χρήση αυτών των δεδομένων. Σφάλματα κατά τη συλλογή και επεξεργασία των δεδομένων, ατμοσφαιρικές διορθώσεις, και η ποιότητα της ταξινόμησης των επιφανειών γης μπορούν να επηρεάσουν την ποιότητα των δεδομένων. Επιπλέον, προβλήματα όπως μικρές ατέλειες ευθυγράμμισης, διαφορετικά μοτίβα σκίασης και αλλαγές στην κάλυψη του εδάφους μπορούν να οδηγήσουν σε ανακρίβειες στην ταξινόμηση και, συνεπώς, στην παραγωγή της θερμοκρασίας εδάφους. Επίσης η θερμοκρασία της εδαφικής επιφάνειας δεν αντικατοπτρίζει απαραίτητα τη συνολική ενεργειακή απόδοση των κτιρίων, υπογραμμίζοντας την ανάγκη για προσεκτική ερμηνεία των δεδομένων. Τέλος, παρουσιάζεται η προσέγγιση ιεράρχησης Norton et al. (2015) για τη βελτίωση της θερμικής άνεσης των πεζών, εφαρμοσμένη σε κλίμακα δρόμου, με επισημάνσεις για περαιτέρω έρευνα και επεμβάσεις στο αστικό περιβάλλον. (Εικ. 7)

[[Αρχείο:εικονα 4 α1.jpg‎]]

''Εικ.4. Δεδομένα τηλεπισκόπησης VHR TIR (°C) για την πόλη Port Phillip κατά τη διάρκεια της ημέρας και της νύχτας στις 25 (26) Φεβρουαρίου 2012 κατά τη διάρκεια θερμών καλοκαιρινών συνθηκών. Οι χρονικές κλίμακες ημέρας και νύχτας είναι διαφορετικές. Τα όρια είναι οι στατιστικές περιοχές απογραφής.''

[[Αρχείο:εικονα 5 α1.jpg‎]]

''Εικ.5. Θερμοκρασιακά σημεία σε κλίμακα γειτονιάς κατά τη διάρκεια της ημέρας και της νύχτας στο CoPP που προκύπτουν από τα δεδομένα τηλεπισκόπησης VHR TIR (°C), με άθροιση της LST για στατιστικές περιοχές και κατηγοριοποίηση σε τρεις κατηγορίες προτεραιότητας για αστικό πράσινο: (με τη χρήση ποσοτικής ταξινόμησης).''

[[Αρχείο:εικονα 6 α1.jpg‎]]

''Εικ.6. LST (°C) που προκύπτει από το VHR TIR για το "South Melbourne Central" κατά τη διάρκεια της ημέρας και της νύχτας και τη θέση του εντός της πόλης Port Phillip. Η ημερήσια και η νυχτερινή κλίμακα είναι διαφορετικές.''

[[Αρχείο:εικονα 7 α1.jpg‎]]

''Εικ.7. Σημεία εστίασης σε κλίμακα δρόμου κατά τη διάρκεια της ημέρας και της νύχτας στην περιοχή ενδιαφέροντος που προέκυψαν από τα δεδομένα τηλεπισκόπησης VHR TIR, με τη μέση τιμή LST για τα τμήματα του αστικού φαραγγιού και την κατηγοριοποίηση σε τρεις κατηγορίες προτεραιότητας για το αστικό πράσινο:Χαμηλή, μεσαία και υψηλή (με τη χρήση ποσοτικής ταξινόμησης )''

'''3.2 Η επίδραση της βλάστησης στις θερμοκρασίες της επιφάνειας του εδάφους'''
Εξετάζοντας τη σημασία της φυτοκάλυψης στη ρύθμιση της θερμοκρασίας της επιφάνειας κατά τη διάρκεια καυσώνων, παρατηρήθηκε γραμμική σχέση μεταξύ της επιφανειακής θερμοκρασίας του εδάφους (LST) και της φυτοκάλυψης κατά τη διάρκεια της ημέρας, με μείωση της LST κατά 1,2 °C για κάθε 10% αύξηση της φυτοκάλυψης. Παρόμοιες μειώσεις παρατηρήθηκαν και κατά τη νύχτα, ενώ η επίδραση αυτή ήταν μεγαλύτερη όταν η φυτοκάλυψη υπερέβαινε το 30%. Επιπλέον, η μείωση της LST συσχετίστηκε με τη φυτοκάλυψη ειδικά σε φαράγγια με φαρδείς, ανοιχτούς δρόμους, ενώ η επίδραση αυτή μειώνεται όταν τα φαράγγια είναι δομημένα με υψηλότερο ποσοστό ύψους προς πλάτος (H:W). Η έρευνα υπογραμμίζει την σημασία της βλάστησης στη μείωση της αστικής θερμότητας κατά τη διάρκεια καυσώνων, αλλά επίσης υπογραμμίζει την επίδραση άλλων χαρακτηριστικών επιφάνειας, όπως ο τύπος και η ανακλαστικότητα υλικών, που πρέπει να λαμβάνονται υπόψη για αποτελεσματικό μετριασμό της αστικής θερμότητας.

[[Αρχείο:εικονα 8 α1.jpg‎]]

''Εικ.8.Σχέσεις μεταξύ της φυτοκάλυψης και της θερμοκρασίας της επιφάνειας της γης κατά τη διάρκεια της ημέρας και της νύχτας για α) LST VHR TIR και φυτοκάλυψη συγκεντρωτικά στα 30 m (οι μπάρες σφάλματος είναι τυπική απόκλιση)- και β) μέση LST φαραγγιού και φυτοκάλυψη όταν H:W < 0,6.''

'''3.3 Σχέσεις μεταξύ της θερμοκρασίας της επιφάνειας της γης και της θερμοκρασίας του αέρα'''
Εξετάζοντας τη χρήση της τηλεπισκόπησης TIR για τον εντοπισμό θερμικών σημείων σε αστικά περιβάλλοντα, βασιζόμενη στην υπόθεση ότι τα πρότυπα θερμοκρασίας είναι παρόμοια με τα πρότυπα επιφανειακής θερμοκρασίας (LST), μετά από νυχτερινή πτήση, διεξήχθη τομή θερμοκρασίας (Ta) στην αστική περιοχή, συγκρίνοντας τα δεδομένα Ta με δεδομένα Very High Resolution (VHR) TIR. Τα αποτελέσματα έδειξαν ασθενή συσχέτιση μεταξύ LST και Ta σε υψηλές αναλύσεις, ωστόσο, με τη μείωση της ανάλυσης, παρατηρήθηκε σύγκλιση των περιοχών με υψηλή LST με τα θερμικά σημεία. Η LST συσχετίζεται επίσης με τη βλάστηση, ενώ παρατηρούνται αποσυνδέσεις σε ανοικτές περιοχές λόγω επιδράσεων της μεταφοράς αέριων μαζών. Συνολικά, σε κλίμακα πόλης, η LST λειτουργεί ως καλός δείκτης της Ta, ενώ παρατηρείται επιφανειακό Urban Heat Island (UHI). Το χαμηλό NDVI συσχετίζεται με υψηλή LST, υποδηλώνοντας την επίδραση της βλάστησης στη θερμοκρασία. Οι παρατηρήσεις αυτές υπογραμμίζουν τη σημασία της χωρικής και χρονικής ανάλυσης δεδομένων για την κατανόηση των σχέσεων μεταξύ φυτικής κάλυψης, επιφανειακής θερμοκρασίας και θερμοκρασίας αέρα σε αστικά περιβάλλοντα.

[[Αρχείο:εικονα 9 α1.jpg‎]]

''Εικ. 9. Διατομή της θερμοκρασίας του αέρα (κύκλοι) που πραγματοποιήθηκε στην πόλη Port Phillip στις 1:00 της 26ης Φεβρουαρίου 2012 (νύχτα της 25ης Φεβρουαρίου 2012), με επικάλυψη των στατιστικών περιοχών και των επιπέδων ιεράρχησής τους. Δίνεται επίσης μια σύγκριση των προφίλ της θερμοκρασίας του αέρα, της φυτοκάλυψης (από την ταξινόμηση της επιφάνειας της γης) και της LST (με τη χρήση ενός κινητού μέσου όρου 6 σημείων που αντιπροσωπεύει ένα χρονικό μέσο όρο 1 λεπτού και ένα ρυθμιστικό διάστημα 30 μέτρων). Ο άξονας x αντιστοιχεί στα σημεία (πλαίσια) του χάρτη.''

[[Αρχείο:εικονα 10 α1.jpg]]

''Εικ. 10. Διατομή από δυτικά προς νοτιοανατολικά στη μητροπολιτική Μελβούρνη με τη θερμοκρασία του αέρα από μια διατομή αυτοκινήτου στις 01:00 της 26ης Φεβρουαρίου 2012, LST από το MODIS σε ανάλυση 1 km, και Normalized Difference Vegetation Index (NDVI) συγκεντρωμένος σε ανάλυση 1 km (δεξιός άξονας).''

'''3.4. Συσχέτιση μεταξύ δεδομένων Landsat και VHR TIR'''
Περιγράφοντας μια σύγκριση της θερμοκρασίας φωτεινότητας δύο εικόνων την ίδια μέρα, μια από δεδομένα τηλεπισκόπησης VHR TIR ανάλυσης 30 m και μια από δεδομένα Landsat 7 ETM+, παρατηρείται ότι, παρά τις διαφορές λόγω παραγόντων όπως οι τύποι επιφάνειας και οι συνθήκες υγρασίας, οι εικόνες εμφανίζουν παρόμοια πρότυπα θερμότερων και πιο δροσερών περιοχών. Η χωρική συσχέτιση μεταξύ των δύο σετ δεδομένων είναι υψηλή. Παρά τη χαμηλότερη ανάλυση των δεδομένων Landsat, αυτά εξακολουθούν να είναι χρήσιμα για τον εντοπισμό περιοχών υψηλής θερμοκρασίας επιφάνειας. Η αξιοποίηση προσεγγίσεων πολυχρονικών εικόνων και μοντελοποίησης θα μπορούσε επίσης να βοηθήσει στην καλύτερη τεκμηρίωση χρονικά μεταβαλλόμενου LST. Ο Landsat αποδεικνύεται αποτελεσματικός για τον εντοπισμό "καυτών σημείων" σε αστικές περιοχές και παρέχει πληροφορίες για πιθανές παρεμβάσεις προκειμένου να μειωθεί η θερμότητα.

[[Αρχείο:εικονα 11 α1.jpg]]

''Εικ. 11. Σύγκριση των μοτίβων της επιφανειακής θερμοκρασίας φωτεινότητας σε όλη την πόλη Port Phillip στις 25 Φεβρουαρίου 2012 μεταξύ α) των δεδομένων τηλεπισκόπησης VHR TIR κατά τη διάρκεια της ημέρας (13:00) (ραδιομετρικά δεδομένα συγκεντρωμένα στα 60 m και επαναδειγματοληψία στα 30 m με χρήση κυβικής συνέλιξης)- και β) της εικόνας Landsat 7 ETM + thermal κατά τη διάρκεια της ημέρας (11:00). Οι λευκές περιοχές της εικόνας Landsat 7 είναι τα δεδομένα που λείπουν.''

[[Αρχείο:εικονα 12 α1.jpg]]

''Εικ. 12. Σύγκριση μεταξύ της θερμοκρασίας φωτεινότητας των δεδομένων 30 m VHR TIR με επαναδειγματοληψία στις 13:00 AEDT και των δεδομένων 30 m Landsat 7 ETM + στις 11:00 AEDT στις 25 Φεβρουαρίου 2012. Οι θερμοκρασίες της επιφάνειας της γης δεν αναμένεται να ταυτίζονται λόγω των διαφορετικών χρόνων λήψης, ωστόσο τα δεδομένα συσχετίζονται χωρικά.''

'''3.5. Πρακτική εφαρμογή της τηλεπισκόπησης VHR TIR στον πολεοδομικό σχεδιασμό'''
Εξετάζοντας τη χρήση προϊόντων θερμικής τηλεπισκόπησης(TIR) για τον αστικό σχεδιασμό και τη μείωση της θερμότητας η τοπική αυτοδιοίκηση επιδιώκει τον εντοπισμό θερμών περιοχών χρησιμοποιώντας δεδομένα TIR υψηλής ανάλυσης για τον καθορισμό περιοχών που χρειάζονται αύξηση των δέντρων για τη μείωση της θερμότητας. Αναφέρεται στην πρόκληση της χρήσης VHR TIR δεδομένων για τον εντοπισμό θερμών περιοχών σε γειτονιές και δρόμους. Υπογραμμίζεται ότι η υπόθεση περί αντιστοιχίας μεταξύ υψηλής LST και υψηλής θερμοκρασίας αέρα δεν είναι αξιόπιστη σε πολύ υψηλές αναλύσεις. Επισημαίνεται ότι τα δεδομένα Landsat TIR αποτελούν εναλλακτική λύση, προσιτή και με εδραιωμένες διαδικασίες επεξεργασίας. Καταλήγει ότι τα δεδομένα VHR TIR μπορούν να βοηθήσουν στον σχεδιασμό αστικών χώρων για βελτιωμένη θερμική άνεση, αλλά αναγνωρίζονται και περιορισμοί, όπως η δυσκολία συλλογής και η ανάγκη για υψηλή ποιότητα δεδομένων.

''' 4. Συμπεράσματα '''
Συμπερασματικά εξετάζεται ο σημαντικός ρόλος της TIR τηλεπισκόπησης στην αντιμετώπιση του προβλήματος της αστικής θερμότητας μέσω του αστικού σχεδιασμού. Η ανάλυση των δεδομένων υπογραμμίζει τη σημασία της κατάλληλης χωρικής κλίμακας, με ανάλυση >30 μέτρα, για τον εντοπισμό περιοχών υψηλής θερμοκρασίας επιφάνειας για τον σχεδιασμό πόλεων. Επίσης, επισημαίνεται ότι οι υποθέσεις σχετικά με τη συνύπαρξη υψηλής LST με hotspots ενισχύονται σε χαμηλότερες χωρικές αναλύσεις.
Τα δεδομένα συγκεντρώνονται για τον εντοπισμό των hotspots σε επίπεδο γειτονιάς και δρόμου, παρέχοντας πληροφορίες για αποφάσεις σχεδιασμού. Το κείμενο υπογραμμίζει επίσης τη σημασία άλλων εργαλείων, όπως το αστικό μοντελοποιητικό κλίμα, και προτείνει τη χρήση των δεδομένων TIR σε συνδυασμό με άλλα για βελτίωση του αστικού περιβάλλοντος. Συμπερασματικά, επισημαίνεται η ανάγκη καθορισμού της κλίμακας εφαρμογής των δεδομένων TIR, με την παροχή παραδειγμάτων για δορυφορικά προϊόντα και TIR σε επίπεδο δρόμου ή δημοσίων χώρων.

[[category:ΔΠΜΣ ]]

Θερμική υπέρυθρη τηλεπισκόπηση της αστικής θερμότητας: Hotspots, βλάστηση και αξιολόγηση τεχνικών για χρήση στον αστικό σχεδιασμό

2024-03-08T18:19:47Z

I christofaki:

Εκτίμηση τρωτότητας αστικών κτιρίων από πλημμύρες με βάση την ενσωμάτωση εικόνων τηλεπισκόπησης υψηλής ανάλυσης και προβολής δρόμου

2024-03-08T18:16:45Z

I christofaki:

'''Πρωτότυπος τίτλος:''' ''Flood vulnerability assessment of urban buildings based on integrating high-resolution remote sensing and street view images''

'''Συγγραφείς: ''' ''Ziyao Xing, Shuai Yang, Xuli Zan, Xinrui Dong, Yu Yao, Zhe Liu, Xiaodong Zhang''

'''Πηγή:'''https://www.sciencedirect.com/science/article/pii/S2210670723000781

''' Περίληψη '''
Η μελέτη προτείνει ένα πλαίσιο αξιολόγησης ευπάθειας κτιρίων χρησιμοποιώντας εικόνες από τηλεπισκόπηση και θέασης δρόμου. Με τη χρήση ενός μοντέλου σημασιολογικής εξακρίβωσης με βάση το UNet, το FSA-UNet, επιτυγχάνεται η ολοκληρωμένη εκμετάλλευση των πληροφοριών ευπάθειας. Τα αποτελέσματα δείχνουν ότι η προτεινόμενη μέθοδος είναι πιο ακριβής από τα παραδοσιακά μοντέλα και μπορεί να βελτιώσει την αξιολόγηση της ευπάθειας των κτιρίων. Η μελέτη αυτή προσφέρει υποστήριξη στη διαχείριση καταστροφών και τον αστικό σχεδιασμό.

'''1. Εισαγωγή '''
Η ανάγκη για αξιολόγηση και πρόβλεψη των κινδύνων πλημμύρας λόγω της συνεχούς κλιματικής αλλαγής και της αστικοποίησης κοντά σε ακτογραμμές και ποτάμια είναι επιτακτική. Η τρωτότητα των κτιρίων σε πλημμύρες είναι ζωτικής σημασίας για την ανθεκτικότητα των πόλεων. Μεθόδους αξιολόγησης που βασίζονται σε εικόνες θέασης δρόμου και τηλεπισκόπησης αναπτύσσονται για τη βελτίωση της ακρίβειας και της ευκολίας στην αξιολόγηση της τρωτότητας των κτιρίων. Η μελέτη προτείνει ένα νέο μοντέλο (FSA-UNet) που ενσωματώνει εικόνες οδικής προβολής και τηλεπισκόπησης για την αξιολόγηση της τρωτότητας των κτιρίων, ενώ παρέχει ένα πλαίσιο αξιολόγησης της τρωτότητας των κτιρίων με βάση τα εν λόγω χαρακτηριστικά. Αυτή η έρευνα έχει πολλαπλά οφέλη, συμβάλλοντας στη δημιουργία βιώσιμων και ανθεκτικών πόλεων και στην αποτελεσματική διαχείριση κινδύνων πλημμύρας.

'''2. Σχετικές εργασίες '''
Η τηλεπισκόπηση καθίσταται ολοένα και πιο σημαντική στον εντοπισμό και την αξιολόγηση κτιρίων, καθώς και στην εκτίμηση κινδύνων καταστροφών. Πολλές μελέτες έχουν εστιάσει στη χρήση της τηλεπισκόπησης για τη συλλογή πληροφοριών σχετικά με το περιβάλλον των κτιρίων και την εκτίμηση της τρωτότητάς τους. Ωστόσο, η αξιολόγηση της τρωτότητας των κτιρίων απαιτεί την αναγνώριση και τον χαρακτηρισμό τους, λαμβάνοντας υπόψη τα χαρακτηριστικά τους όπως το μέγεθος και ο τύπος της στέγης. Πολλές προσεγγίσεις βασίζονται στο χρώμα της οροφής για την αναγνώριση των υλικών κατασκευής, αγνοώντας άλλα σημαντικά μέρη του κτιρίου, γεγονός που μπορεί να οδηγήσει σε ανακρίβειες και ανεπάρκειες.
Πολλοί ερευνητές έχουν εργαστεί για τη βελτίωση της ακρίβειας των μεθόδων αξιολόγησης της τρωτότητας των κτιρίων ενσωματώνοντας δεδομένα από διάφορες πηγές. Παρόλα αυτά, η συλλογή δεδομένων πεδίου είναι δαπανηρή και η ποιότητά της ποικίλει, κάτι που την καθιστά ανεπαρκή για μεγάλης κλίμακας εφαρμογές. Άλλες πηγές δεδομένων, όπως εικόνες ραντάρ συνθετικού διαφράγματος ή εικόνες από UAV, έχουν χρησιμοποιηθεί για την εκτίμηση της τρωτότητας των κτιρίων με πιο οικονομικό τρόπο, αλλά η ακρίβεια σε ορισμένες περιπτώσεις παραμένει χαμηλή.
Επομένως, η ενσωμάτωση δεδομένων από διαφορετικές οπτικές γωνίες, συνδυάζοντας εικόνες οδικής προβολής με την τηλεπισκόπηση, μπορεί να συνιστά αποτελεσματική προσέγγιση για τη μείωση της δυσκολίας στην αξιολόγηση της τρωτότητας των κτιρίων.

'''3. Περιοχή μελέτης και δεδομένα'''
Η περιοχή μελέτης βρίσκεται στην αστική περιοχή του Hefei, στην επαρχία Anhui της Κίνας (εικ.1). Το Hefei έχει υποτροπικό κλίμα μουσώνων και διαθέτει ανεπτυγμένο σύστημα επιφανειακών υδάτων, συμπεριλαμβανομένης της λίμνης Chaohu, μίας από τις μεγαλύτερες λίμνες γλυκού νερού στην Κίνα.

[[Αρχείο:εικ.1 α5.jpg‎]]

''Εικ. 1. Τοποθεσία της περιοχής μελέτης και κατανομή των εικόνων θέασης του δρόμου.''

Για τη λεπτομερή αξιολόγηση της τρωτότητας των κτιρίων, απαιτούνται εικόνες τηλεπισκόπησης υψηλής ανάλυσης, οι οποίες προέρχονται από τον δικτυακό τόπο Tianditu και το Baidu Map. Οι εικόνες τηλεπισκόπησης προσφέρουν χωρική ανάλυση περίπου 0,5 m και αποτελούνται από πολυφασικές εικόνες χωρίς σύννεφα που συλλέχθηκαν από δορυφόρους το 2021. Επίσης, οι εικόνες προβολής δρόμου προέρχονται από το Baidu Map και χρησιμοποιούνται για την αναγνώριση των κύριων δρόμων αλλά και κάποιων εσωτερικών δρόμων κατοικημένης περιοχής στην περιοχή μελέτης. Η απόκτηση των εικόνων δρόμου γίνεται μέσω του API της Baidu, το οποίο επιτρέπει την αναζήτηση εικόνων προβολής δρόμου με βάση τις γεωγραφικές συντεταγμένες (εικ.2).

[[Αρχείο:εικ.2 α5.jpg‎]]

''Εικ. 2. Αντίστοιχη θέση των εικόνων θέασης του δρόμου και των εικόνων τηλεπισκόπησης.''

'''4. Μέθοδος'''
Η παρούσα ενότητα παρουσιάζει μια προτεινόμενη ροή εργασίας για την αξιολόγηση της τρωτότητας των κτιρίων σε πλημμύρες (εικ.3). Αρχικά, κατασκευάζεται ένα κριτήριο διαβάθμισης της τρωτότητας από πλημμύρες για αστικά κτίρια, με βάση τη βιβλιογραφία και τα χαρακτηριστικά του κτιρίου. Στη συνέχεια, παρουσιάζεται η μέθοδος συλλογής και προεπεξεργασίας δεδομένων, η οποία αποτελεί τη βάση για το μοντέλο σημασιολογικής τμηματοποίησης δεδομένων. Στη συνέχεια, γίνεται εισαγωγή στο UNet και ανάλυση του μοντέλου FSA-UNet για την εξαγωγή κτιρίων και την ταξινόμηση των τρωτών σημείων. Τέλος, αναπτύσσεται ένας δείκτης τρωτότητας αστικών κτιρίων βασισμένος στην ταξινόμηση της τρωτότητας, για την κατανόηση της χωρικής κατανομής της τρωτότητας των κτιρίων.

[[Αρχείο:εικ.3 α5.jpg‎]]

''Σχήμα 3. Ροή εργασίας για την αξιολόγηση της τρωτότητας του κτιρίου.''

'''4.1. Κριτήρια διαβάθμισης τρωτότητας'''
Τόσο ο πρόσκρουση όσο και η βύθιση της πλημμύρας μπορούν να προκαλέσουν ζημιές στα κτίρια οπότε είναι εξαιρετικής σημασίας η ικανότητα των δομικών υλικών και των κατασκευών να αντέχουν σε αυτά τα φαινόμενα. Διάφορες μελέτες έχουν επισημάνει τις διαφορετικές επιπτώσεις σε κτίρια ανάλογα με τα υλικά και την κατασκευή τους, όπως επίσης και τη σημασία του αριθμού των ορόφων και της ηλικίας τους. Με βάση αυτά, παρουσιάζονται συνοπτικά οι δείκτες τρωτότητας των κτιρίων, όπως φαίνεται στον Πίνακα 1.

[[Αρχείο:πινακας 1 α5.jpg‎]]

''Πίνακας 1. Δείκτες τρωτότητας κτιρίων.''

Οι εικόνες τηλεπισκόπησης παρέχουν πληροφορίες για τη δομή και το χρώμα της οροφής, ενώ οι εικόνες θέασης του δρόμου παρέχουν πληροφορίες υλικού μέσω των χαρακτηριστικών των εξωτερικών τοίχων και την έκταση των ζημιών του κτιρίου. Η διάκριση του αριθμού των ορόφων είναι σαφέστερη στις εικόνες θέασης του δρόμου. Με βάση τον αριθμό των ορόφων και την τρωτότητα των κτιρίων, γίνεται ομαδοποίηση των εικόνων, κατηγοριοποιώντας τα κτίρια σε διάφορα επίπεδα τρωτότητας. Συγκεκριμένα, τα πολυώροφα κτίρια κατατάσσονται στο επίπεδο 1, ενώ τα κτίρια μεσαίου ύψους στο επίπεδο 2. Τα κτίρια με χαλύβδινη κατασκευή κατατάσσονται στο επίπεδο 3, ενώ τα κτίρια από τοιχοποιία-σκυρόδεμα σε ελαφρώς υψηλότερη τρωτότητα (επίπεδο 4). Τέλος, γίνεται διαχωρισμός των κτιρίων σε 1-5 επίπεδα, με βάση τα κριτήρια που παρουσιάζονται στον Πίνακα 2, προκειμένου να επισημανθούν για σημασιολογική κατάτμηση.

[[Αρχείο:πινακας 2 α5.jpg‎]]

''Πίνακας 2. Επίπεδα τρωτότητας σε πλημμύρες των κτιρίων στην περιοχή μελέτης.''

'''4.2. Προεπεξεργασία εικόνας'''
Η διαδικασία προεπεξεργασίας των εικόνων τηλεπισκόπησης και οδοσκόπησης είναι σύνθετη και περιλαμβάνει πολλά βήματα. (εικ.4) Πρώτα, οι εικόνες θέασης δρόμου εξάγονται κάθε ορισμένο διάστημα για να μειωθεί ο υπολογιστικός φόρτος. Στη συνέχεια, προσαρμόζονται οι εικόνες τηλεπισκόπησης στην προοπτική των εικόνων θέασης δρόμου, λαμβάνοντας υπόψη τη γωνία και την τροχιά του οχήματος. Μετά, οι εικόνες τηλεπισκόπησης κόβονται και προσαρμόζονται σε συγκεκριμένα μεγέθη. Τέλος, αφαιρούνται η κορυφή και το κάτω μέρος των εικόνων οδοσκόπησης και κάθε εικόνα διαιρείται σε δύο μέρη, αριστερή και δεξιά πλευρά, με σκοπό τη μείωση του φόντου. Αυτές οι διαδικασίες βοηθούν στη βελτίωση της ακρίβειας και της απόδοσης του μοντέλου και στην εξαγωγή πιο σαφών χαρακτηριστικών κτιρίων.

[[Αρχείο:εικ.4 α5.jpg‎]]

''Εικ. 4. Ροή εργασίας προεπεξεργασίας δεδομένων.''

'''4.3. Σημασιολογική κατάτμηση με FSA-UNet (Fusion-Self-Attention-UNet)'''
'''4.3.1. Επισκόπηση του FSA-UNet'''
Η εργασία παρουσιάζει ένα βελτιωμένο μοντέλο UNet, το οποίο ονομάζεται FSA-UNet (εικ.5). Το UNet είναι ένα δημοφιλές μοντέλο σημασιολογικής κατάτμησης εικόνας που επιλύει το πρόβλημα από άκρη σε άκρη. Το FSA-UNet βασίζεται στην αρχιτεκτονική του UNet, περιλαμβάνοντας ένα μονοπάτι συστολής (κωδικοποιητής) και ένα μονοπάτι επέκτασης (αποκωδικοποιητής). Χρησιμοποιείται το RestNet-50 ως κωδικοποιητής για την εξαγωγή χαρακτηριστικών χαμηλού έως υψηλού επιπέδου των εικόνων τηλεπισκόπησης και θέασης δρόμου αντίστοιχα. Το μοντέλο μειώνει την αρχική εικόνα και στη συνέχεια εξάγει τα χαρακτηριστικά χρησιμοποιώντας τέσσερα στάδια του resblock.

[[Αρχείο:εικ.5 α5.jpg‎]]

''Εικ.5. Η αρχιτεκτονική του προτεινόμενου FSA-UNet.''

Το παραδοσιακού μοντέλο UNet, χρησιμοποιεί μια συμμετρική δομή σχήματος U για να συγχωνεύσει τα βαθιά και ρηχά χαρακτηριστικά μέσω μιας σύνδεσης με παράκαμψη στρώματος. Προσθέτει ένα μπλοκ χαρακτηριστικών ακμής στο τελευταίο επίπεδο αποκωδικοποίησης για την ενίσχυση των χαρακτηριστικών των άκρων. Επιπλέον, σχεδιάζεται ένα μπλοκ αυτοπροσοχής χαρακτηριστικών πολλαπλών πηγών για την ενσωμάτωση των εικόνων τηλεπισκόπησης και θέασης δρόμου. Για την εξισορρόπηση μεταξύ απόδοσης και υπολογιστικών πόρων, η αυτοπροσοχή χρησιμοποιείται μόνο για τα βαθιά χαρακτηριστικά υψηλής διάστασης. Τέλος, τα αρχικά χαρακτηριστικά των κατώτερων στρωμάτων συγχωνεύονται απευθείας με τα χαρακτηριστικά τηλεπισκόπησης και τα χαρακτηριστικά ακμής, βελτιώνοντας έτσι το αποτέλεσμα της τμηματοποίησης.

'''4.3.2. Μπλοκ αυτοπροσοχής με σύντηξη χαρακτηριστικών πολλαπλών πηγών'''
Η έρευνα προτείνει τη χρήση ενός παραδοσιακού μηχανισμού αυτοπροσοχής για την εξαγωγή συνολικών πληροφοριών πλαισίου από διαφορετικά τμήματα ενός πίνακα εισόδου. Μια μονάδα αυτοπροσοχής σχεδιάζεται για την ενσωμάτωση εικόνων τηλεπισκόπησης και θέασης δρόμου για την επεξεργασία χαρακτηριστικών θέασης δρόμου. Η λειτουργία αυτοπροσοχής περιγράφεται ως αντιστοίχιση ενός ερωτήματος και ενός συνόλου ζευγών κλειδιού-τιμής σε μια έξοδο. Τα χαρακτηριστικά χαμηλού επιπέδου των εικόνων θέασης δρόμου και τηλεπισκόπησης εξάγονται και στη συνέχεια εισάγονται σε ένα μπλοκ αυτοεπιτήρησης. Αυτό συμβαίνει μέσω ενός γραμμικού μετασχηματισμού, ενώ τα κλειδιά και οι τιμές προέρχονται από τα χαρακτηριστικά της εικόνας του δρόμου. Το τελικό διάνυσμα εξόδου λαμβάνεται με βάση τον τύπο που περιγράφεται.

[[Αρχείο:ΤΥΠΟΣ 1.jpg‎]]

όπου H είναι ο πίνακας εξόδου, dk είναι η διάσταση του πίνακα τιμών και του πίνακα κλειδιών, softmax είναι η συνάρτηση κανονικοποιημένη ανά στήλη. fr είναι το χαρακτηριστικό γνώρισμα τηλεπισκόπησης και fs είναι το χαρακτηριστικό γνώρισμα της όψης του δρόμου.
Στη μελέτη αυτή, αναλύεται η εξαγωγή των χαμηλού επιπέδου χαρακτηριστικών από εικόνες προβολής δρόμου και τηλεπισκόπησης με βάση το ResNet-50. Αυτά τα χαρακτηριστικά εισέρχονται σε ένα μπλοκ αυτοπροσοχής, όπου διαπραγματεύονται και ενισχύουν την αναπαράσταση των χαρακτηριστικών της εικόνας προβολής δρόμου μέσω της αλληλεπίδρασης με τα χαρακτηριστικά των απομακρυσμένων αισθητήρων.

'''4.3.2. Μπλοκ ανίχνευσης ακμών'''
Το μοντέλο UNet αντιμετωπίζει το πρόβλημα της απώλειας πληροφοριών για τις ακμές, επηρεάζοντας την ακρίβεια της κατάτμησης. Σε αυτό το άρθρο επιλέγεται ο τελεστής Sobel, γνωστός για τη χρήση του στην ανίχνευση ακμών, για την εξαγωγή πληροφοριών ακμών από τις αρχικές εικόνες τηλεπισκόπησης. Ο τελεστής Sobel έχει αποδειχθεί ότι έχει υψηλότερη απόδοση σε σύγκριση με άλλους τελεστές, και χρησιμοποιείται για την εξαγωγή πληροφοριών κλίσης της περιοχής στόχου της εικόνας. Το προτεινόμενο μοντέλο εισάγει τον τελεστή Sobel μέσω ενός μπλοκ συνέλιξης, που ενσωματώνει τη λειτουργία συνέλιξης στη διαδικασία. Αυτό το μπλοκ ενισχύει την ικανότητα αναγνώρισης των ακμών του αντικειμένου εδάφους, ειδικά σε περιοχές όπου το κτίριο είναι σκιασμένο ή το έδαφος έχει παρόμοια χαρακτηριστικά με το κτίριο.

'''4.3.3. Εκπαίδευση μοντέλου'''
Το άρθρο αναφέρεται στη βελτίωση του μοντέλου UNet για την ακριβέστερη κατάτμηση εικόνων. Προτείνεται η χρήση του τελεστή Sobel για την εξαγωγή πληροφοριών ακμών, με καλύτερη απόδοση συγκριτικά με άλλους τελεστές. Το μοντέλο εκπαιδεύτηκε χρησιμοποιώντας μέθοδο 10-πλής διασταυρούμενης επικύρωσης και προ-εκπαιδευμένα μοντέλα βασίστηκαν στα σύνολα δεδομένων PASCAL SBD και VOC 2012. Η εκπαίδευση και αξιολόγηση έγιναν με συγκεκριμένα χαρακτηριστικά υπολογιστικού εξοπλισμού και λογισμικού.

'''4.4. Δείκτης τρωτότητας αστικών κτιρίων'''
Βασιζόμενο στα επίπεδα ευπάθειας των κτιρίων, το άρθρο προτείνει ένα δείκτη για τον υπολογισμό της χωρικής κατανομής της ευπάθειας των κτιρίων σε αστικές περιοχές. Συγκεκριμένα, η μελέτη διαιρέθηκε σε πλέγματα 500 μέτρων, και ο δείκτης υπολογίστηκε για κάθε πλέγμα προκειμένου να προσδιοριστεί ο βαθμός ευπάθειας διαφορετικών περιοχών. Ο δείκτης υπολογίζεται με βάση τη συνολική επιφάνεια των κτιρίων και την περιοχή που καλύπτεται από κάθε επίπεδο ευπάθειας, χρησιμοποιώντας βάρη ανάλογα με το επίπεδο αυτό.

'''5. Αποτελέσματα'''
'''5.1. Υπολογισμός ομοιότητας για την επέκταση των αποτελεσμάτων της ταξινόμησης τρωτότητας'''
Για την αναβάθμιση του μοντέλου UNet, το οποίο αντιμετωπίζει πρόβλημα απώλειας πληροφοριών για τις ακμές και δεν είναι ακριβές στην ταξινόμηση της τρωτότητας των κτιρίων σε περιοχές χωρίς εικόνες θέασης δρόμου, χρησιμοποιείται μόνο για την ταξινόμηση των κτιρίων σε δύο κατηγορίες: κτίριο και μη κτίριο, με ποσοστό mIoU 85%. Παρατηρείται ότι οι τύποι κτιρίων στην περιοχή μελέτης συχνά έχουν χαρακτηριστικά συνάθροισης, και έτσι πραγματοποιούνται διάφορα βήματα, συμπεριλαμβανομένης της λήψης περιγραμμάτων κτιρίων και του υπολογισμού του βαθμού ομοιότητας μεταξύ τους, για την τελική ανάθεση της κατηγορίας τρωτότητας του κάθε κτιρίου σε ολόκληρη την περιοχή μελέτης. (εικ.6)

[[Αρχείο:εικ.6 α5.jpg‎]]

''Εικ. 6. Σχηματικό διάγραμμα της διαδικασίας υπολογισμού. Η πράσινη περιοχή αντιπροσωπεύει τα κτίρια που μπορούν να παρατηρηθούν σε εικόνες street view, τα οποία ταξινομούνται από το FSA-UNet. Το κόκκινο πλαίσιο είναι το προς ταξινόμηση κτίριο και τα πράσινα πλαίσια είναι τα κτίρια με τα οποία υπολογίζονται οι ομοιότητες.''

'''5.2. Ανάλυση της αποτελεσματικότητας του μοντέλου'''
'''5.2.1. Σύγκριση των αποτελεσμάτων ταξινόμηση'''
Η εργασία αναλύει μια διαδικασία για την αξιολόγηση της τρωτότητας των κτιρίων σε περιοχές όπου δεν υπάρχουν διαθέσιμες εικόνες από την όψη του δρόμου, χρησιμοποιώντας διάφορες μεθόδους όπως η ακρίβεια, η ανάκληση, η μέση διατομή πάνω από την ένωση και η ακρίβεια. Το προτεινόμενο μοντέλο FSA-UNet συγκρίνεται με άλλα δημοφιλή μοντέλα, εμφανίζοντας υψηλότερη απόδοση σε μετρικές όπως η mIoU, η ανάκληση και η ακρίβεια (πινακας3).

[[Αρχείο:πινακας 3 α5.jpg‎]]

''Πίνακας 3. Σύγκριση ακρίβειας των διαφόρων μοντέλων.''

Η ανάλυση των προβλέψεων δείχνει ότι ορισμένα μοντέλα, όπως τα DeeplabV3+ και PSPNet, έχουν υψηλό ποσοστό λανθασμένων προβλέψεων (εικ.8), ενώ το μοντέλο HRNet αντιμετωπίζει δυσκολίες στον σωστό διαχωρισμό των επιπέδων ευπάθειας των κτιρίων. Το μοντέλο UNet είναι πιο ακριβές, αλλά υπάρχουν περιπτώσεις όπου πεζοδρόμια ταξινομούνται ως κτίρια. Επιπλέον, το UNetFormer κατατάσσει λανθασμένα ορισμένα κτίρια, ενώ το FSA-UNet μειώνει αισθητά αυτό το σφάλμα.

[[Αρχείο:εικ.7 α5.jpg‎]]

''Εικ 7. Σύγκριση με τα κοινά μοντέλα στη σημασιολογική κατάτμηση.''

Στην επόμενη παράγραφο παρουσιάζονται οι καμπύλες mIoU και απωλειών κατά τη διάρκεια της εκπαίδευσης του FSA-UNet (εικ.8), ενώ αναλύονται επίσης τα αποτελέσματα από τον πίνακα σύγχυσης, επιβεβαιώνοντας την αποτελεσματικότητά του σε διαφορετικά σενάρια ταξινόμησης κτιρίων (εικ9).

[[Αρχείο:εικ.8 α5.jpg‎]]

''Εικ. 8. Καμπύλη mIoU και απωλειών.''

[[Αρχείο:εικ.9 α5.jpg‎]]

''Εικ. 9. Ακρίβεια των κατηγοριών και πίνακας σύγχυσης.''

'''5.2.2. Πείραμα απόσβεσης'''
Η μελέτη συγκρίνει διάφορες εκδοχές ενός μοντέλου μηχανικής μάθησης για την ταξινόμηση κτιρίων σε εικόνες, εστιάζοντας στη βελτιστοποίηση της απόδοσης. Παρατηρείται ότι η προσθήκη ενός μπλοκ αυτοπροσοχής και των χαρακτηριστικών χαμηλού επιπέδου ενισχύει την απόδοση του μοντέλου, με το mIoU να βελτιώνεται κατά 2% και 6% αντίστοιχα. Η συνένωση των χαρακτηριστικών από την εικόνα θέασης του δρόμου και την τηλεπισκόπηση επιβεβαιώνει τη σημασία των χαρακτηριστικών του δρόμου για την ταξινόμηση. Επιπλέον, η προσθήκη ενός μπλοκ ανίχνευσης ακμών βελτιώνει την ακρίβεια, ενώ η εκπαίδευση του μοντέλου FSA-UNet απαιτεί περισσότερο χρόνο, αλλά με αμελητέα απώλεια χρόνου λόγω του μηχανισμού αυτοπροστασίας.

'''5.3. Χωρική κατανομή της τρωτότητας των κτιρίων'''
Η προτεινόμενη μέθοδος εφαρμόστηκε στο Hefei και παρουσιάζεται η χωρική κατανομή των διαφόρων επιπέδων τρωτότητας των κτιρίων (εικ.10). Παρατηρείται ότι τα πολυώροφα κτίρια από οπλισμένο σκυρόδεμα με χαμηλή τρωτότητα βρίσκονται κυρίως γύρω από τη δεύτερη περιφερειακή οδό, ενώ η περιοχή γύρω από το Huancheng Park Road έχει κυρίως πολυώροφα και χαμηλά κτίρια με μέτρια και χαμηλή τρωτότητα. Τα βιομηχανικά κτίρια είναι ευρέως κατανεμημένα εκτός της κύριας αστικής περιοχής, με τα περισσότερα να είναι μικρά εμπορικά κτίρια κατά μήκος των δρόμων στα περίχωρα των κατοικιών. Η περιοχή με την υψηλότερη τρωτότητα βρίσκεται στο βορειοανατολικό τμήμα της ανατολικής 2ης περιφερειακής οδού και στο ανατολικό τμήμα της κομητείας Feidong. Οι περιοχές αυτές είναι πυκνά κατοικημένες με ελάχιστο χώρο πρασίνου, κάτι που μπορεί να επιδεινώσει την αποστράγγιση κατά τις πλημμύρες.

[[Αρχείο:εικ.10 α5.jpg‎]]

''Εικ. 10. Χωρική κατανομή των αποτελεσμάτων τρωτότητας των κτιρίων από το FSA-UNet.''

Η μέθοδος υπολογισμού του δείκτη τρωτότητας των κτιρίων (εικ.11) δείχνει ότι περιοχές όπως η Baohe, η Luyang, η Shushan και η Yaohai έχουν αυξανόμενη τρωτότητα προς τα εξωτερικά, με κέντρο την παλιά πόλη. Η επιπλέον βελτίωση της τρωτότητας των κτιρίων είναι αναγκαία, ειδικά σε περιοχές που γειτνιάζουν με ποτάμια συστήματα, καθώς η υπερχείλιση των ποταμών μπορεί να προκαλέσει σοβαρές ζημιές.

[[Αρχείο:εικ.11 α5.jpg‎]]

''Εικ. 11. Χωρική κατανομή του δείκτη τρωτότητας των κτιρίων σε πλέγματα 500 μέτρων.''

'''6. Συζήτηση'''
Η προσέγγιση που προτείνεται στην εργασία αξιολογεί την τρωτότητα των κτιρίων για πλημμύρες χρησιμοποιώντας χαρακτηριστικά τηλεπισκόπησης και θέασης δρόμου. Αυτό παρέχει μια ολοκληρωμένη διαδικασία που περιλαμβάνει κριτήρια αξιολόγησης, προεπεξεργασία εικόνας και σημασιολογική κατάτμηση. Το μοντέλο FSA-UNet που προτείνεται μπορεί να ενσωματώσει τα χαρακτηριστικά της τηλεπισκόπησης και της θέασης του δρόμου για να βελτιώσει την αξιολόγηση. Αυτή είναι η πρώτη φορά που γίνεται προσπάθεια ενσωμάτωσης αυτών των δύο τεχνικών στην αξιολόγηση της τρωτότητας των κτιρίων για πλημμύρες, με τα αποτελέσματα να επιβεβαιώνουν την αποτελεσματικότητά τους. Τα κύρια ευρήματα, οι περιορισμοί και οι περαιτέρω μελέτες συζητούνται στη συνέχεια.

'''6.1. Κύρια ευρήματα και σύγκριση με προηγούμενες έρευνες'''
'''6.1.1. Αξιολόγηση της τρωτότητας των κτιρίων από πλημμύρες'''
Από την άλλη πλευρά, τα ευρήματα της παρούσας εργασίας και προηγούμενων ερευνών δείχνουν ότι η ευπάθεια στις πλημμύρες είναι διαφορετική στα αστικά κέντρα, τα προάστια και τις αγροτικές περιοχές, γεγονός που μπορεί να αποδοθεί στην υπερανάπτυξη των πόλεων στην Κίνα. Στην παρούσα εργασία, το ανατολικό τμήμα του Hefei διαθέτει σχετικά παλιά και εύθραυστα κτίρια, γεγονός που υποδηλώνει ότι οι αρμόδιες υπηρεσίες θα πρέπει να ενισχύσουν τη χωρική διαχείριση του κινδύνου πλημμύρας και να βελτιώσουν την ικανότητα πρόληψης της υπερχείλισης των κτιρίων.

'''6.1.2. Το κλειδί για την ενσωμάτωση της τηλεπισκόπησης και των εικόνων θέασης του δρόμου'''
Η συζήτηση σχετικά με τον τρόπο συγχώνευσης των εικόνων τηλεπισκόπησης και οδοσκόπησης στο μοντέλο είναι σημαντική. Οι διάφοροι τύποι συγχώνευσης πολυτροπικών δεδομένων περιλαμβάνουν τη συγχώνευση σε επίπεδο χαρακτηριστικών, εικόνας και μοντέλου. Η έρευνα δείχνει ότι η συγχώνευση σε επίπεδο απόφασης είναι συνήθως αποτελεσματικότερη, αλλά υπάρχουν και επιλογές συγχώνευσης σε επίπεδο χαρακτηριστικών. Το πρόβλημα της ευθυγράμμισης των χαρακτηριστικών αποτελεί πρόκληση στη συγχώνευση σε επίπεδο χαρακτηριστικών. Προτείνονται μεθόδοι όπως η περιστροφή των εικόνων τηλεπισκόπησης για βελτίωση της ευθυγράμμισης. Η επεξεργασία όπως η περιστροφή μπορεί να βελτιώσει την εφαρμογή μοντέλων. Ο μηχανισμός αυτοπροστασίας μπορεί να βελτιώσει την ευθυγράμμιση των χαρακτηριστικών. Επίσης, η χρήση εικόνων τηλεπισκόπησης χωρίς περιστροφή μπορεί να οδηγήσει σε χαμηλή ακρίβεια. Τέλος, η εργασία εξετάζει την ομοιότητα των χαρακτηριστικών τηλεπισκόπησης για να συμπληρώσει τα αποτελέσματα αξιολόγησης στην περιοχή χωρίς εικόνες θέασης του δρόμου.

'''7. Συμπεράσματα'''
Η έρευνα αυτή εξετάζει τη χρήση εικόνων θέασης του δρόμου και τηλεπισκόπησης για την αξιολόγηση της ευπάθειας των κτιρίων σε καταστροφές από πλημμύρες. Τα χαρακτηριστικά αυτών των εικόνων μπορούν να χρησιμοποιηθούν για την ανίχνευση δομικών στοιχείων και την αξιολόγηση τους. Το μοντέλο FSA-UNet που προτείνεται είναι σε θέση να συλλάβει τα χαρακτηριστικά από διάφορες πηγές δεδομένων, βελτιώνοντας έτσι την ικανότητα αξιολόγησης. Η μέθοδος αυτή μπορεί να προσαρμοστεί σε διάφορους κινδύνους και να χρησιμοποιηθεί για τον σχεδιασμό βιώσιμων αστικών περιοχών. Η ενσωμάτωση πολλαπλών πηγών δεδομένων μπορεί να βοηθήσει στην πιο ακριβή αξιολόγηση των κινδύνων πλημμύρας στην πράξη.

[[category:ΔΠΜΣ ]]

Εκτίμηση τρωτότητας αστικών κτιρίων από πλημμύρες με βάση την ενσωμάτωση εικόνων τηλεπισκόπησης υψηλής ανάλυσης και προβολής δρόμου

2024-03-08T18:02:22Z

I christofaki:

'''Πρωτότυπος τίτλος:''' ''Flood vulnerability assessment of urban buildings based on integrating high-resolution remote sensing and street view images''

'''Συγγραφείς: ''' ''Ziyao Xing, Shuai Yang, Xuli Zan, Xinrui Dong, Yu Yao, Zhe Liu, Xiaodong Zhang''

'''Πηγή:'''https://www.sciencedirect.com/science/article/pii/S2210670723000781

''' Περίληψη '''
Η μελέτη προτείνει ένα πλαίσιο αξιολόγησης ευπάθειας κτιρίων χρησιμοποιώντας εικόνες από τηλεπισκόπηση και θέασης δρόμου. Με τη χρήση ενός μοντέλου σημασιολογικής εξακρίβωσης με βάση το UNet, το FSA-UNet, επιτυγχάνεται η ολοκληρωμένη εκμετάλλευση των πληροφοριών ευπάθειας. Τα αποτελέσματα δείχνουν ότι η προτεινόμενη μέθοδος είναι πιο ακριβής από τα παραδοσιακά μοντέλα και μπορεί να βελτιώσει την αξιολόγηση της ευπάθειας των κτιρίων. Η μελέτη αυτή προσφέρει υποστήριξη στη διαχείριση καταστροφών και τον αστικό σχεδιασμό.

'''1. Εισαγωγή '''
Η ανάγκη για αξιολόγηση και πρόβλεψη των κινδύνων πλημμύρας λόγω της συνεχούς κλιματικής αλλαγής και της αστικοποίησης κοντά σε ακτογραμμές και ποτάμια είναι επιτακτική. Η τρωτότητα των κτιρίων σε πλημμύρες είναι ζωτικής σημασίας για την ανθεκτικότητα των πόλεων. Μεθόδους αξιολόγησης που βασίζονται σε εικόνες θέασης δρόμου και τηλεπισκόπησης αναπτύσσονται για τη βελτίωση της ακρίβειας και της ευκολίας στην αξιολόγηση της τρωτότητας των κτιρίων. Η μελέτη προτείνει ένα νέο μοντέλο (FSA-UNet) που ενσωματώνει εικόνες οδικής προβολής και τηλεπισκόπησης για την αξιολόγηση της τρωτότητας των κτιρίων, ενώ παρέχει ένα πλαίσιο αξιολόγησης της τρωτότητας των κτιρίων με βάση τα εν λόγω χαρακτηριστικά. Αυτή η έρευνα έχει πολλαπλά οφέλη, συμβάλλοντας στη δημιουργία βιώσιμων και ανθεκτικών πόλεων και στην αποτελεσματική διαχείριση κινδύνων πλημμύρας.

'''2. Σχετικές εργασίες '''
Η τηλεπισκόπηση καθίσταται ολοένα και πιο σημαντική στον εντοπισμό και την αξιολόγηση κτιρίων, καθώς και στην εκτίμηση κινδύνων καταστροφών. Πολλές μελέτες έχουν εστιάσει στη χρήση της τηλεπισκόπησης για τη συλλογή πληροφοριών σχετικά με το περιβάλλον των κτιρίων και την εκτίμηση της τρωτότητάς τους. Ωστόσο, η αξιολόγηση της τρωτότητας των κτιρίων απαιτεί την αναγνώριση και τον χαρακτηρισμό τους, λαμβάνοντας υπόψη τα χαρακτηριστικά τους όπως το μέγεθος και ο τύπος της στέγης. Πολλές προσεγγίσεις βασίζονται στο χρώμα της οροφής για την αναγνώριση των υλικών κατασκευής, αγνοώντας άλλα σημαντικά μέρη του κτιρίου, γεγονός που μπορεί να οδηγήσει σε ανακρίβειες και ανεπάρκειες.
Πολλοί ερευνητές έχουν εργαστεί για τη βελτίωση της ακρίβειας των μεθόδων αξιολόγησης της τρωτότητας των κτιρίων ενσωματώνοντας δεδομένα από διάφορες πηγές. Παρόλα αυτά, η συλλογή δεδομένων πεδίου είναι δαπανηρή και η ποιότητά της ποικίλει, κάτι που την καθιστά ανεπαρκή για μεγάλης κλίμακας εφαρμογές. Άλλες πηγές δεδομένων, όπως εικόνες ραντάρ συνθετικού διαφράγματος ή εικόνες από UAV, έχουν χρησιμοποιηθεί για την εκτίμηση της τρωτότητας των κτιρίων με πιο οικονομικό τρόπο, αλλά η ακρίβεια σε ορισμένες περιπτώσεις παραμένει χαμηλή.
Επομένως, η ενσωμάτωση δεδομένων από διαφορετικές οπτικές γωνίες, συνδυάζοντας εικόνες οδικής προβολής με την τηλεπισκόπηση, μπορεί να συνιστά αποτελεσματική προσέγγιση για τη μείωση της δυσκολίας στην αξιολόγηση της τρωτότητας των κτιρίων.

'''3. Περιοχή μελέτης και δεδομένα'''
Η περιοχή μελέτης βρίσκεται στην αστική περιοχή του Hefei, στην επαρχία Anhui της Κίνας (εικ.1). Το Hefei έχει υποτροπικό κλίμα μουσώνων και διαθέτει ανεπτυγμένο σύστημα επιφανειακών υδάτων, συμπεριλαμβανομένης της λίμνης Chaohu, μίας από τις μεγαλύτερες λίμνες γλυκού νερού στην Κίνα.

[[Αρχείο:εικ.1 α5.jpg‎]]

''Εικ. 1. Τοποθεσία της περιοχής μελέτης και κατανομή των εικόνων θέασης του δρόμου.''

Για τη λεπτομερή αξιολόγηση της τρωτότητας των κτιρίων, απαιτούνται εικόνες τηλεπισκόπησης υψηλής ανάλυσης, οι οποίες προέρχονται από τον δικτυακό τόπο Tianditu και το Baidu Map. Οι εικόνες τηλεπισκόπησης προσφέρουν χωρική ανάλυση περίπου 0,5 m και αποτελούνται από πολυφασικές εικόνες χωρίς σύννεφα που συλλέχθηκαν από δορυφόρους το 2021. Επίσης, οι εικόνες προβολής δρόμου προέρχονται από το Baidu Map και χρησιμοποιούνται για την αναγνώριση των κύριων δρόμων αλλά και κάποιων εσωτερικών δρόμων κατοικημένης περιοχής στην περιοχή μελέτης. Η απόκτηση των εικόνων δρόμου γίνεται μέσω του API της Baidu, το οποίο επιτρέπει την αναζήτηση εικόνων προβολής δρόμου με βάση τις γεωγραφικές συντεταγμένες (εικ.2).

'''4. Μέθοδος'''
Η παρούσα ενότητα παρουσιάζει μια προτεινόμενη ροή εργασίας για την αξιολόγηση της τρωτότητας των κτιρίων σε πλημμύρες (εικ.3). Αρχικά, κατασκευάζεται ένα κριτήριο διαβάθμισης της τρωτότητας από πλημμύρες για αστικά κτίρια, με βάση τη βιβλιογραφία και τα χαρακτηριστικά του κτιρίου. Στη συνέχεια, παρουσιάζεται η μέθοδος συλλογής και προεπεξεργασίας δεδομένων, η οποία αποτελεί τη βάση για το μοντέλο σημασιολογικής τμηματοποίησης δεδομένων. Στη συνέχεια, γίνεται εισαγωγή στο UNet και ανάλυση του μοντέλου FSA-UNet για την εξαγωγή κτιρίων και την ταξινόμηση των τρωτών σημείων. Τέλος, αναπτύσσεται ένας δείκτης τρωτότητας αστικών κτιρίων βασισμένος στην ταξινόμηση της τρωτότητας, για την κατανόηση της χωρικής κατανομής της τρωτότητας των κτιρίων.

'''4.1. Κριτήρια διαβάθμισης τρωτότητας'''
Οι εικόνες τηλεπισκόπησης παρέχουν πληροφορίες για τη δομή και το χρώμα της οροφής, ενώ οι εικόνες θέασης του δρόμου παρέχουν πληροφορίες υλικού μέσω των χαρακτηριστικών των εξωτερικών τοίχων και την έκταση των ζημιών του κτιρίου. Η διάκριση του αριθμού των ορόφων είναι σαφέστερη στις εικόνες θέασης του δρόμου. Με βάση τον αριθμό των ορόφων και την τρωτότητα των κτιρίων, γίνεται ομαδοποίηση των εικόνων, κατηγοριοποιώντας τα κτίρια σε διάφορα επίπεδα τρωτότητας. Συγκεκριμένα, τα πολυώροφα κτίρια κατατάσσονται στο επίπεδο 1, ενώ τα κτίρια μεσαίου ύψους στο επίπεδο 2. Τα κτίρια με χαλύβδινη κατασκευή κατατάσσονται στο επίπεδο 3, ενώ τα κτίρια από τοιχοποιία-σκυρόδεμα σε ελαφρώς υψηλότερη τρωτότητα (επίπεδο 4). Τέλος, γίνεται διαχωρισμός των κτιρίων σε 1-5 επίπεδα, με βάση τα κριτήρια που παρουσιάζονται στον Πίνακα 2, προκειμένου να επισημανθούν για σημασιολογική κατάτμηση.

'''4.2. Προεπεξεργασία εικόνας'''
Η διαδικασία προεπεξεργασίας των εικόνων τηλεπισκόπησης και οδοσκόπησης είναι σύνθετη και περιλαμβάνει πολλά βήματα. (εικ.4) Πρώτα, οι εικόνες θέασης δρόμου εξάγονται κάθε ορισμένο διάστημα για να μειωθεί ο υπολογιστικός φόρτος. Στη συνέχεια, προσαρμόζονται οι εικόνες τηλεπισκόπησης στην προοπτική των εικόνων θέασης δρόμου, λαμβάνοντας υπόψη τη γωνία και την τροχιά του οχήματος. Μετά, οι εικόνες τηλεπισκόπησης κόβονται και προσαρμόζονται σε συγκεκριμένα μεγέθη. Τέλος, αφαιρούνται η κορυφή και το κάτω μέρος των εικόνων οδοσκόπησης και κάθε εικόνα διαιρείται σε δύο μέρη, αριστερή και δεξιά πλευρά, με σκοπό τη μείωση του φόντου. Αυτές οι διαδικασίες βοηθούν στη βελτίωση της ακρίβειας και της απόδοσης του μοντέλου και στην εξαγωγή πιο σαφών χαρακτηριστικών κτιρίων.

'''4.3. Σημασιολογική κατάτμηση με FSA-UNet (Fusion-Self-Attention-UNet)'''
'''4.3.1. Επισκόπηση του FSA-UNet'''
Η εργασία παρουσιάζει ένα βελτιωμένο μοντέλο UNet, το οποίο ονομάζεται FSA-UNet (εικ.5). Το UNet είναι ένα δημοφιλές μοντέλο σημασιολογικής κατάτμησης εικόνας που επιλύει το πρόβλημα από άκρη σε άκρη. Το FSA-UNet βασίζεται στην αρχιτεκτονική του UNet, περιλαμβάνοντας ένα μονοπάτι συστολής (κωδικοποιητής) και ένα μονοπάτι επέκτασης (αποκωδικοποιητής). Χρησιμοποιείται το RestNet-50 ως κωδικοποιητής για την εξαγωγή χαρακτηριστικών χαμηλού έως υψηλού επιπέδου των εικόνων τηλεπισκόπησης και θέασης δρόμου αντίστοιχα. Το μοντέλο μειώνει την αρχική εικόνα και στη συνέχεια εξάγει τα χαρακτηριστικά χρησιμοποιώντας τέσσερα στάδια του resblock.

Το παραδοσιακού μοντέλο UNet, χρησιμοποιεί μια συμμετρική δομή σχήματος U για να συγχωνεύσει τα βαθιά και ρηχά χαρακτηριστικά μέσω μιας σύνδεσης με παράκαμψη στρώματος. Προσθέτει ένα μπλοκ χαρακτηριστικών ακμής στο τελευταίο επίπεδο αποκωδικοποίησης για την ενίσχυση των χαρακτηριστικών των άκρων. Επιπλέον, σχεδιάζεται ένα μπλοκ αυτοπροσοχής χαρακτηριστικών πολλαπλών πηγών για την ενσωμάτωση των εικόνων τηλεπισκόπησης και θέασης δρόμου. Για την εξισορρόπηση μεταξύ απόδοσης και υπολογιστικών πόρων, η αυτοπροσοχή χρησιμοποιείται μόνο για τα βαθιά χαρακτηριστικά υψηλής διάστασης. Τέλος, τα αρχικά χαρακτηριστικά των κατώτερων στρωμάτων συγχωνεύονται απευθείας με τα χαρακτηριστικά τηλεπισκόπησης και τα χαρακτηριστικά ακμής, βελτιώνοντας έτσι το αποτέλεσμα της τμηματοποίησης.

'''4.3.2. Μπλοκ αυτοπροσοχής με σύντηξη χαρακτηριστικών πολλαπλών πηγών'''
Η έρευνα προτείνει τη χρήση ενός παραδοσιακού μηχανισμού αυτοπροσοχής για την εξαγωγή συνολικών πληροφοριών πλαισίου από διαφορετικά τμήματα ενός πίνακα εισόδου. Μια μονάδα αυτοπροσοχής σχεδιάζεται για την ενσωμάτωση εικόνων τηλεπισκόπησης και θέασης δρόμου για την επεξεργασία χαρακτηριστικών θέασης δρόμου. Η λειτουργία αυτοπροσοχής περιγράφεται ως αντιστοίχιση ενός ερωτήματος και ενός συνόλου ζευγών κλειδιού-τιμής σε μια έξοδο. Τα χαρακτηριστικά χαμηλού επιπέδου των εικόνων θέασης δρόμου και τηλεπισκόπησης εξάγονται και στη συνέχεια εισάγονται σε ένα μπλοκ αυτοεπιτήρησης. Αυτό συμβαίνει μέσω ενός γραμμικού μετασχηματισμού, ενώ τα κλειδιά και οι τιμές προέρχονται από τα χαρακτηριστικά της εικόνας του δρόμου. Το τελικό διάνυσμα εξόδου λαμβάνεται με βάση τον τύπο που περιγράφεται.

όπου H είναι ο πίνακας εξόδου, dk είναι η διάσταση του πίνακα τιμών και του πίνακα κλειδιών, softmax είναι η συνάρτηση κανονικοποιημένη ανά στήλη. fr είναι το χαρακτηριστικό γνώρισμα τηλεπισκόπησης και fs είναι το χαρακτηριστικό γνώρισμα της όψης του δρόμου.
Στη μελέτη αυτή, αναλύεται η εξαγωγή των χαμηλού επιπέδου χαρακτηριστικών από εικόνες προβολής δρόμου και τηλεπισκόπησης με βάση το ResNet-50. Αυτά τα χαρακτηριστικά εισέρχονται σε ένα μπλοκ αυτοπροσοχής, όπου διαπραγματεύονται και ενισχύουν την αναπαράσταση των χαρακτηριστικών της εικόνας προβολής δρόμου μέσω της αλληλεπίδρασης με τα χαρακτηριστικά των απομακρυσμένων αισθητήρων.

'''4.3.2. Μπλοκ ανίχνευσης ακμών'''
Το μοντέλο UNet αντιμετωπίζει το πρόβλημα της απώλειας πληροφοριών για τις ακμές, επηρεάζοντας την ακρίβεια της κατάτμησης. Σε αυτό το άρθρο επιλέγεται ο τελεστής Sobel, γνωστός για τη χρήση του στην ανίχνευση ακμών, για την εξαγωγή πληροφοριών ακμών από τις αρχικές εικόνες τηλεπισκόπησης. Ο τελεστής Sobel έχει αποδειχθεί ότι έχει υψηλότερη απόδοση σε σύγκριση με άλλους τελεστές, και χρησιμοποιείται για την εξαγωγή πληροφοριών κλίσης της περιοχής στόχου της εικόνας. Το προτεινόμενο μοντέλο εισάγει τον τελεστή Sobel μέσω ενός μπλοκ συνέλιξης, που ενσωματώνει τη λειτουργία συνέλιξης στη διαδικασία. Αυτό το μπλοκ ενισχύει την ικανότητα αναγνώρισης των ακμών του αντικειμένου εδάφους, ειδικά σε περιοχές όπου το κτίριο είναι σκιασμένο ή το έδαφος έχει παρόμοια χαρακτηριστικά με το κτίριο.

'''4.3.3. Εκπαίδευση μοντέλου'''
Το άρθρο αναφέρεται στη βελτίωση του μοντέλου UNet για την ακριβέστερη κατάτμηση εικόνων. Προτείνεται η χρήση του τελεστή Sobel για την εξαγωγή πληροφοριών ακμών, με καλύτερη απόδοση συγκριτικά με άλλους τελεστές. Το μοντέλο εκπαιδεύτηκε χρησιμοποιώντας μέθοδο 10-πλής διασταυρούμενης επικύρωσης και προ-εκπαιδευμένα μοντέλα βασίστηκαν στα σύνολα δεδομένων PASCAL SBD και VOC 2012. Η εκπαίδευση και αξιολόγηση έγιναν με συγκεκριμένα χαρακτηριστικά υπολογιστικού εξοπλισμού και λογισμικού.

'''4.4. Δείκτης τρωτότητας αστικών κτιρίων'''
Βασιζόμενο στα επίπεδα ευπάθειας των κτιρίων, το άρθρο προτείνει ένα δείκτη για τον υπολογισμό της χωρικής κατανομής της ευπάθειας των κτιρίων σε αστικές περιοχές. Συγκεκριμένα, η μελέτη διαιρέθηκε σε πλέγματα 500 μέτρων, και ο δείκτης υπολογίστηκε για κάθε πλέγμα προκειμένου να προσδιοριστεί ο βαθμός ευπάθειας διαφορετικών περιοχών. Ο δείκτης υπολογίζεται με βάση τη συνολική επιφάνεια των κτιρίων και την περιοχή που καλύπτεται από κάθε επίπεδο ευπάθειας, χρησιμοποιώντας βάρη ανάλογα με το επίπεδο αυτό.

'''5. Αποτελέσματα'''
'''5.1. Υπολογισμός ομοιότητας για την επέκταση των αποτελεσμάτων της ταξινόμησης τρωτότητας'''
Για την αναβάθμιση του μοντέλου UNet, το οποίο αντιμετωπίζει πρόβλημα απώλειας πληροφοριών για τις ακμές και δεν είναι ακριβές στην ταξινόμηση της τρωτότητας των κτιρίων σε περιοχές χωρίς εικόνες θέασης δρόμου, χρησιμοποιείται μόνο για την ταξινόμηση των κτιρίων σε δύο κατηγορίες: κτίριο και μη κτίριο, με ποσοστό mIoU 85%. Παρατηρείται ότι οι τύποι κτιρίων στην περιοχή μελέτης συχνά έχουν χαρακτηριστικά συνάθροισης, και έτσι πραγματοποιούνται διάφορα βήματα, συμπεριλαμβανομένης της λήψης περιγραμμάτων κτιρίων και του υπολογισμού του βαθμού ομοιότητας μεταξύ τους, για την τελική ανάθεση της κατηγορίας τρωτότητας του κάθε κτιρίου σε ολόκληρη την περιοχή μελέτης. (εικ.6)

'''5.2. Ανάλυση της αποτελεσματικότητας του μοντέλου'''
'''5.2.1. Σύγκριση των αποτελεσμάτων ταξινόμηση'''
Η εργασία αναλύει μια διαδικασία για την αξιολόγηση της τρωτότητας των κτιρίων σε περιοχές όπου δεν υπάρχουν διαθέσιμες εικόνες από την όψη του δρόμου, χρησιμοποιώντας διάφορες μεθόδους όπως η ακρίβεια, η ανάκληση, η μέση διατομή πάνω από την ένωση και η ακρίβεια. Το προτεινόμενο μοντέλο FSA-UNet συγκρίνεται με άλλα δημοφιλή μοντέλα, εμφανίζοντας υψηλότερη απόδοση σε μετρικές όπως η mIoU, η ανάκληση και η ακρίβεια (πινακας3).

Η ανάλυση των προβλέψεων δείχνει ότι ορισμένα μοντέλα, όπως τα DeeplabV3+ και PSPNet, έχουν υψηλό ποσοστό λανθασμένων προβλέψεων (εικ.8), ενώ το μοντέλο HRNet αντιμετωπίζει δυσκολίες στον σωστό διαχωρισμό των επιπέδων ευπάθειας των κτιρίων. Το μοντέλο UNet είναι πιο ακριβές, αλλά υπάρχουν περιπτώσεις όπου πεζοδρόμια ταξινομούνται ως κτίρια. Επιπλέον, το UNetFormer κατατάσσει λανθασμένα ορισμένα κτίρια, ενώ το FSA-UNet μειώνει αισθητά αυτό το σφάλμα.

Στην επόμενη παράγραφο παρουσιάζονται οι καμπύλες mIoU και απωλειών κατά τη διάρκεια της εκπαίδευσης του FSA-UNet (εικ.8), ενώ αναλύονται επίσης τα αποτελέσματα από τον πίνακα σύγχυσης, επιβεβαιώνοντας την αποτελεσματικότητά του σε διαφορετικά σενάρια ταξινόμησης κτιρίων (εικ9).

'''5.2.2. Πείραμα απόσβεσης'''
Η μελέτη συγκρίνει διάφορες εκδοχές ενός μοντέλου μηχανικής μάθησης για την ταξινόμηση κτιρίων σε εικόνες, εστιάζοντας στη βελτιστοποίηση της απόδοσης. Παρατηρείται ότι η προσθήκη ενός μπλοκ αυτοπροσοχής και των χαρακτηριστικών χαμηλού επιπέδου ενισχύει την απόδοση του μοντέλου, με το mIoU να βελτιώνεται κατά 2% και 6% αντίστοιχα. Η συνένωση των χαρακτηριστικών από την εικόνα θέασης του δρόμου και την τηλεπισκόπηση επιβεβαιώνει τη σημασία των χαρακτηριστικών του δρόμου για την ταξινόμηση. Επιπλέον, η προσθήκη ενός μπλοκ ανίχνευσης ακμών βελτιώνει την ακρίβεια, ενώ η εκπαίδευση του μοντέλου FSA-UNet απαιτεί περισσότερο χρόνο, αλλά με αμελητέα απώλεια χρόνου λόγω του μηχανισμού αυτοπροστασίας.

'''5.3. Χωρική κατανομή της τρωτότητας των κτιρίων'''
Η προτεινόμενη μέθοδος εφαρμόστηκε στο Hefei και παρουσιάζεται η χωρική κατανομή των διαφόρων επιπέδων τρωτότητας των κτιρίων (εικ.10). Παρατηρείται ότι τα πολυώροφα κτίρια από οπλισμένο σκυρόδεμα με χαμηλή τρωτότητα βρίσκονται κυρίως γύρω από τη δεύτερη περιφερειακή οδό, ενώ η περιοχή γύρω από το Huancheng Park Road έχει κυρίως πολυώροφα και χαμηλά κτίρια με μέτρια και χαμηλή τρωτότητα. Τα βιομηχανικά κτίρια είναι ευρέως κατανεμημένα εκτός της κύριας αστικής περιοχής, με τα περισσότερα να είναι μικρά εμπορικά κτίρια κατά μήκος των δρόμων στα περίχωρα των κατοικιών. Η περιοχή με την υψηλότερη τρωτότητα βρίσκεται στο βορειοανατολικό τμήμα της ανατολικής 2ης περιφερειακής οδού και στο ανατολικό τμήμα της κομητείας Feidong. Οι περιοχές αυτές είναι πυκνά κατοικημένες με ελάχιστο χώρο πρασίνου, κάτι που μπορεί να επιδεινώσει την αποστράγγιση κατά τις πλημμύρες.
Η μέθοδος υπολογισμού του δείκτη τρωτότητας των κτιρίων (εικ.11) δείχνει ότι περιοχές όπως η Baohe, η Luyang, η Shushan και η Yaohai έχουν αυξανόμενη τρωτότητα προς τα εξωτερικά, με κέντρο την παλιά πόλη. Η επιπλέον βελτίωση της τρωτότητας των κτιρίων είναι αναγκαία, ειδικά σε περιοχές που γειτνιάζουν με ποτάμια συστήματα, καθώς η υπερχείλιση των ποταμών μπορεί να προκαλέσει σοβαρές ζημιές.

'''6. Συζήτηση'''
Η προσέγγιση που προτείνεται στην εργασία αξιολογεί την τρωτότητα των κτιρίων για πλημμύρες χρησιμοποιώντας χαρακτηριστικά τηλεπισκόπησης και θέασης δρόμου. Αυτό παρέχει μια ολοκληρωμένη διαδικασία που περιλαμβάνει κριτήρια αξιολόγησης, προεπεξεργασία εικόνας και σημασιολογική κατάτμηση. Το μοντέλο FSA-UNet που προτείνεται μπορεί να ενσωματώσει τα χαρακτηριστικά της τηλεπισκόπησης και της θέασης του δρόμου για να βελτιώσει την αξιολόγηση. Αυτή είναι η πρώτη φορά που γίνεται προσπάθεια ενσωμάτωσης αυτών των δύο τεχνικών στην αξιολόγηση της τρωτότητας των κτιρίων για πλημμύρες, με τα αποτελέσματα να επιβεβαιώνουν την αποτελεσματικότητά τους. Τα κύρια ευρήματα, οι περιορισμοί και οι περαιτέρω μελέτες συζητούνται στη συνέχεια.

'''6.1. Κύρια ευρήματα και σύγκριση με προηγούμενες έρευνες'''
'''6.1.1. Αξιολόγηση της τρωτότητας των κτιρίων από πλημμύρες'''
Από την άλλη πλευρά, τα ευρήματα της παρούσας εργασίας και προηγούμενων ερευνών δείχνουν ότι η ευπάθεια στις πλημμύρες είναι διαφορετική στα αστικά κέντρα, τα προάστια και τις αγροτικές περιοχές, γεγονός που μπορεί να αποδοθεί στην υπερανάπτυξη των πόλεων στην Κίνα. Στην παρούσα εργασία, το ανατολικό τμήμα του Hefei διαθέτει σχετικά παλιά και εύθραυστα κτίρια, γεγονός που υποδηλώνει ότι οι αρμόδιες υπηρεσίες θα πρέπει να ενισχύσουν τη χωρική διαχείριση του κινδύνου πλημμύρας και να βελτιώσουν την ικανότητα πρόληψης της υπερχείλισης των κτιρίων.

'''6.1.2. Το κλειδί για την ενσωμάτωση της τηλεπισκόπησης και των εικόνων θέασης του δρόμου'''
Η συζήτηση σχετικά με τον τρόπο συγχώνευσης των εικόνων τηλεπισκόπησης και οδοσκόπησης στο μοντέλο είναι σημαντική. Οι διάφοροι τύποι συγχώνευσης πολυτροπικών δεδομένων περιλαμβάνουν τη συγχώνευση σε επίπεδο χαρακτηριστικών, εικόνας και μοντέλου. Η έρευνα δείχνει ότι η συγχώνευση σε επίπεδο απόφασης είναι συνήθως αποτελεσματικότερη, αλλά υπάρχουν και επιλογές συγχώνευσης σε επίπεδο χαρακτηριστικών. Το πρόβλημα της ευθυγράμμισης των χαρακτηριστικών αποτελεί πρόκληση στη συγχώνευση σε επίπεδο χαρακτηριστικών. Προτείνονται μεθόδοι όπως η περιστροφή των εικόνων τηλεπισκόπησης για βελτίωση της ευθυγράμμισης. Η επεξεργασία όπως η περιστροφή μπορεί να βελτιώσει την εφαρμογή μοντέλων. Ο μηχανισμός αυτοπροστασίας μπορεί να βελτιώσει την ευθυγράμμιση των χαρακτηριστικών. Επίσης, η χρήση εικόνων τηλεπισκόπησης χωρίς περιστροφή μπορεί να οδηγήσει σε χαμηλή ακρίβεια. Τέλος, η εργασία εξετάζει την ομοιότητα των χαρακτηριστικών τηλεπισκόπησης για να συμπληρώσει τα αποτελέσματα αξιολόγησης στην περιοχή χωρίς εικόνες θέασης του δρόμου.

'''7. Συμπεράσματα'''
Η έρευνα αυτή εξετάζει τη χρήση εικόνων θέασης του δρόμου και τηλεπισκόπησης για την αξιολόγηση της ευπάθειας των κτιρίων σε καταστροφές από πλημμύρες. Τα χαρακτηριστικά αυτών των εικόνων μπορούν να χρησιμοποιηθούν για την ανίχνευση δομικών στοιχείων και την αξιολόγηση τους. Το μοντέλο FSA-UNet που προτείνεται είναι σε θέση να συλλάβει τα χαρακτηριστικά από διάφορες πηγές δεδομένων, βελτιώνοντας έτσι την ικανότητα αξιολόγησης. Η μέθοδος αυτή μπορεί να προσαρμοστεί σε διάφορους κινδύνους και να χρησιμοποιηθεί για τον σχεδιασμό βιώσιμων αστικών περιοχών. Η ενσωμάτωση πολλαπλών πηγών δεδομένων μπορεί να βοηθήσει στην πιο ακριβή αξιολόγηση των κινδύνων πλημμύρας στην πράξη.

[[category:ΔΠΜΣ ]]

Αρχείο:Εικ.11 α5.jpg

2024-03-08T17:59:38Z

I christofaki: Εικ. 11. Χωρική κατανομή του δείκτη τρωτότητας των κτιρίων σε πλέγματα 500 μέτρων.

Εικ. 11. Χωρική κατανομή του δείκτη τρωτότητας των κτιρίων σε πλέγματα 500 μέτρων.

Αρχείο:Εικ.10 α5.jpg

2024-03-08T17:59:22Z

I christofaki: Εικ. 10. Χωρική κατανομή των αποτελεσμάτων τρωτότητας των κτιρίων από το FSA-UNet.

Εικ. 10. Χωρική κατανομή των αποτελεσμάτων τρωτότητας των κτιρίων από το FSA-UNet.

Αρχείο:Εικ.9 α5.jpg

2024-03-08T17:59:03Z

I christofaki: Εικ. 9. Ακρίβεια των κατηγοριών και πίνακας σύγχυσης.

Εικ. 9. Ακρίβεια των κατηγοριών και πίνακας σύγχυσης.

Αρχείο:Εικ.8 α5.jpg

2024-03-08T17:58:44Z

I christofaki: Εικ. 8. Καμπύλη mIoU και απωλειών.

Εικ. 8. Καμπύλη mIoU και απωλειών.

Αρχείο:Εικ.7 α5.jpg

2024-03-08T17:58:30Z

I christofaki: Εικ 7. Σύγκριση με τα κοινά μοντέλα στη σημασιολογική κατάτμηση.

Εικ 7. Σύγκριση με τα κοινά μοντέλα στη σημασιολογική κατάτμηση.

Αρχείο:Πινακας 3 α5.jpg

2024-03-08T17:57:46Z

I christofaki: Πίνακας 3. Σύγκριση ακρίβειας των διαφόρων μοντέλων.

Πίνακας 3. Σύγκριση ακρίβειας των διαφόρων μοντέλων.

Αρχείο:ΤΥΠΟΣ 1.jpg

2024-03-08T17:57:25Z

I christofaki:

Αρχείο:Εικ.6 α5.jpg

2024-03-08T17:57:08Z

I christofaki: Εικ. 6. Σχηματικό διάγραμμα της διαδικασίας υπολογισμού. Η πράσινη περιοχή αντιπροσωπεύει τα κτίρια που μπορούν να παρατηρηθούν σε εικόνες

Εικ. 6. Σχηματικό διάγραμμα της διαδικασίας υπολογισμού. Η πράσινη περιοχή αντιπροσωπεύει τα κτίρια που μπορούν να παρατηρηθούν σε εικόνες street view, τα οποία ταξινομούνται από το FSA-UNet. Το κόκκινο πλαίσιο είναι το προς ταξινόμηση κτίριο και τα πράσινα πλαίσια είναι τα κτίρια με τα οποία υπολογίζονται οι ομοιότητες.

Αρχείο:Εικ.5 α5.jpg

2024-03-08T17:56:41Z

I christofaki: Εικ.5. Η αρχιτεκτονική του προτεινόμενου FSA-UNet.

Εικ.5. Η αρχιτεκτονική του προτεινόμενου FSA-UNet.

Αρχείο:Πινακας 2 α5.jpg

2024-03-08T17:55:57Z

I christofaki: Πίνακας 2. Επίπεδα τρωτότητας σε πλημμύρες των κτιρίων στην περιοχή μελέτης.

Πίνακας 2. Επίπεδα τρωτότητας σε πλημμύρες των κτιρίων στην περιοχή μελέτης.

Αρχείο:Πινακας 1 α5.jpg

2024-03-08T17:55:16Z

I christofaki:

Αρχείο:Εικ.4 α5.jpg

2024-03-08T17:54:57Z

I christofaki: Εικ. 4. Ροή εργασίας προεπεξεργασίας δεδομένων.

Εικ. 4. Ροή εργασίας προεπεξεργασίας δεδομένων.

Αρχείο:Εικ.3 α5.jpg

2024-03-08T17:54:37Z

I christofaki: Σχήμα 3. Ροή εργασίας για την αξιολόγηση της τρωτότητας του κτιρίου.

Σχήμα 3. Ροή εργασίας για την αξιολόγηση της τρωτότητας του κτιρίου.

Αρχείο:Εικ.2 α5.jpg

2024-03-08T17:54:17Z

I christofaki: Εικ. 2. Αντίστοιχη θέση των εικόνων θέασης του δρόμου και των εικόνων τηλεπισκόπησης.

Εικ. 2. Αντίστοιχη θέση των εικόνων θέασης του δρόμου και των εικόνων τηλεπισκόπησης.

Αρχείο:Εικ.1 α5.jpg

2024-03-08T17:54:03Z

I christofaki: Εικ. 1. Τοποθεσία της περιοχής μελέτης και κατανομή των εικόνων θέασης του δρόμου.

Εικ. 1. Τοποθεσία της περιοχής μελέτης και κατανομή των εικόνων θέασης του δρόμου.

Εκτίμηση τρωτότητας αστικών κτιρίων από πλημμύρες με βάση την ενσωμάτωση εικόνων τηλεπισκόπησης υψηλής ανάλυσης και προβολής δρόμου

2024-03-08T17:51:05Z

I christofaki: Νέα σελίδα με ''''Πρωτότυπος τίτλος:''' ''Flood vulnerability assessment of urban buildings based on integrating high-resolution remote sensing and street view images'' ...'

'''Πρωτότυπος τίτλος:''' ''Flood vulnerability assessment of urban buildings based on integrating high-resolution remote sensing and street view images''

'''Συγγραφείς: ''' ''Ziyao Xing, Shuai Yang, Xuli Zan, Xinrui Dong, Yu Yao, Zhe Liu, Xiaodong Zhang''

'''Πηγή:'''https://www.sciencedirect.com/science/article/pii/S2210670723000781

''' Περίληψη '''
Η μελέτη προτείνει ένα πλαίσιο αξιολόγησης ευπάθειας κτιρίων χρησιμοποιώντας εικόνες από τηλεπισκόπηση και θέασης δρόμου. Με τη χρήση ενός μοντέλου σημασιολογικής εξακρίβωσης με βάση το UNet, το FSA-UNet, επιτυγχάνεται η ολοκληρωμένη εκμετάλλευση των πληροφοριών ευπάθειας. Τα αποτελέσματα δείχνουν ότι η προτεινόμενη μέθοδος είναι πιο ακριβής από τα παραδοσιακά μοντέλα και μπορεί να βελτιώσει την αξιολόγηση της ευπάθειας των κτιρίων. Η μελέτη αυτή προσφέρει υποστήριξη στη διαχείριση καταστροφών και τον αστικό σχεδιασμό.

'''1. Εισαγωγή '''
Η ανάγκη για αξιολόγηση και πρόβλεψη των κινδύνων πλημμύρας λόγω της συνεχούς κλιματικής αλλαγής και της αστικοποίησης κοντά σε ακτογραμμές και ποτάμια είναι επιτακτική. Η τρωτότητα των κτιρίων σε πλημμύρες είναι ζωτικής σημασίας για την ανθεκτικότητα των πόλεων. Μεθόδους αξιολόγησης που βασίζονται σε εικόνες θέασης δρόμου και τηλεπισκόπησης αναπτύσσονται για τη βελτίωση της ακρίβειας και της ευκολίας στην αξιολόγηση της τρωτότητας των κτιρίων. Η μελέτη προτείνει ένα νέο μοντέλο (FSA-UNet) που ενσωματώνει εικόνες οδικής προβολής και τηλεπισκόπησης για την αξιολόγηση της τρωτότητας των κτιρίων, ενώ παρέχει ένα πλαίσιο αξιολόγησης της τρωτότητας των κτιρίων με βάση τα εν λόγω χαρακτηριστικά. Αυτή η έρευνα έχει πολλαπλά οφέλη, συμβάλλοντας στη δημιουργία βιώσιμων και ανθεκτικών πόλεων και στην αποτελεσματική διαχείριση κινδύνων πλημμύρας.

'''2. Σχετικές εργασίες '''
Η τηλεπισκόπηση καθίσταται ολοένα και πιο σημαντική στον εντοπισμό και την αξιολόγηση κτιρίων, καθώς και στην εκτίμηση κινδύνων καταστροφών. Πολλές μελέτες έχουν εστιάσει στη χρήση της τηλεπισκόπησης για τη συλλογή πληροφοριών σχετικά με το περιβάλλον των κτιρίων και την εκτίμηση της τρωτότητάς τους. Ωστόσο, η αξιολόγηση της τρωτότητας των κτιρίων απαιτεί την αναγνώριση και τον χαρακτηρισμό τους, λαμβάνοντας υπόψη τα χαρακτηριστικά τους όπως το μέγεθος και ο τύπος της στέγης. Πολλές προσεγγίσεις βασίζονται στο χρώμα της οροφής για την αναγνώριση των υλικών κατασκευής, αγνοώντας άλλα σημαντικά μέρη του κτιρίου, γεγονός που μπορεί να οδηγήσει σε ανακρίβειες και ανεπάρκειες.
Πολλοί ερευνητές έχουν εργαστεί για τη βελτίωση της ακρίβειας των μεθόδων αξιολόγησης της τρωτότητας των κτιρίων ενσωματώνοντας δεδομένα από διάφορες πηγές. Παρόλα αυτά, η συλλογή δεδομένων πεδίου είναι δαπανηρή και η ποιότητά της ποικίλει, κάτι που την καθιστά ανεπαρκή για μεγάλης κλίμακας εφαρμογές. Άλλες πηγές δεδομένων, όπως εικόνες ραντάρ συνθετικού διαφράγματος ή εικόνες από UAV, έχουν χρησιμοποιηθεί για την εκτίμηση της τρωτότητας των κτιρίων με πιο οικονομικό τρόπο, αλλά η ακρίβεια σε ορισμένες περιπτώσεις παραμένει χαμηλή.
Επομένως, η ενσωμάτωση δεδομένων από διαφορετικές οπτικές γωνίες, συνδυάζοντας εικόνες οδικής προβολής με την τηλεπισκόπηση, μπορεί να συνιστά αποτελεσματική προσέγγιση για τη μείωση της δυσκολίας στην αξιολόγηση της τρωτότητας των κτιρίων.

'''3. Περιοχή μελέτης και δεδομένα'''
Η περιοχή μελέτης βρίσκεται στην αστική περιοχή του Hefei, στην επαρχία Anhui της Κίνας (εικ.1). Το Hefei έχει υποτροπικό κλίμα μουσώνων και διαθέτει ανεπτυγμένο σύστημα επιφανειακών υδάτων, συμπεριλαμβανομένης της λίμνης Chaohu, μίας από τις μεγαλύτερες λίμνες γλυκού νερού στην Κίνα.

Για τη λεπτομερή αξιολόγηση της τρωτότητας των κτιρίων, απαιτούνται εικόνες τηλεπισκόπησης υψηλής ανάλυσης, οι οποίες προέρχονται από τον δικτυακό τόπο Tianditu και το Baidu Map. Οι εικόνες τηλεπισκόπησης προσφέρουν χωρική ανάλυση περίπου 0,5 m και αποτελούνται από πολυφασικές εικόνες χωρίς σύννεφα που συλλέχθηκαν από δορυφόρους το 2021. Επίσης, οι εικόνες προβολής δρόμου προέρχονται από το Baidu Map και χρησιμοποιούνται για την αναγνώριση των κύριων δρόμων αλλά και κάποιων εσωτερικών δρόμων κατοικημένης περιοχής στην περιοχή μελέτης. Η απόκτηση των εικόνων δρόμου γίνεται μέσω του API της Baidu, το οποίο επιτρέπει την αναζήτηση εικόνων προβολής δρόμου με βάση τις γεωγραφικές συντεταγμένες (εικ.2).

'''4. Μέθοδος'''
Η παρούσα ενότητα παρουσιάζει μια προτεινόμενη ροή εργασίας για την αξιολόγηση της τρωτότητας των κτιρίων σε πλημμύρες (εικ.3). Αρχικά, κατασκευάζεται ένα κριτήριο διαβάθμισης της τρωτότητας από πλημμύρες για αστικά κτίρια, με βάση τη βιβλιογραφία και τα χαρακτηριστικά του κτιρίου. Στη συνέχεια, παρουσιάζεται η μέθοδος συλλογής και προεπεξεργασίας δεδομένων, η οποία αποτελεί τη βάση για το μοντέλο σημασιολογικής τμηματοποίησης δεδομένων. Στη συνέχεια, γίνεται εισαγωγή στο UNet και ανάλυση του μοντέλου FSA-UNet για την εξαγωγή κτιρίων και την ταξινόμηση των τρωτών σημείων. Τέλος, αναπτύσσεται ένας δείκτης τρωτότητας αστικών κτιρίων βασισμένος στην ταξινόμηση της τρωτότητας, για την κατανόηση της χωρικής κατανομής της τρωτότητας των κτιρίων.

'''4.1. Κριτήρια διαβάθμισης τρωτότητας'''
Οι εικόνες τηλεπισκόπησης παρέχουν πληροφορίες για τη δομή και το χρώμα της οροφής, ενώ οι εικόνες θέασης του δρόμου παρέχουν πληροφορίες υλικού μέσω των χαρακτηριστικών των εξωτερικών τοίχων και την έκταση των ζημιών του κτιρίου. Η διάκριση του αριθμού των ορόφων είναι σαφέστερη στις εικόνες θέασης του δρόμου. Με βάση τον αριθμό των ορόφων και την τρωτότητα των κτιρίων, γίνεται ομαδοποίηση των εικόνων, κατηγοριοποιώντας τα κτίρια σε διάφορα επίπεδα τρωτότητας. Συγκεκριμένα, τα πολυώροφα κτίρια κατατάσσονται στο επίπεδο 1, ενώ τα κτίρια μεσαίου ύψους στο επίπεδο 2. Τα κτίρια με χαλύβδινη κατασκευή κατατάσσονται στο επίπεδο 3, ενώ τα κτίρια από τοιχοποιία-σκυρόδεμα σε ελαφρώς υψηλότερη τρωτότητα (επίπεδο 4). Τέλος, γίνεται διαχωρισμός των κτιρίων σε 1-5 επίπεδα, με βάση τα κριτήρια που παρουσιάζονται στον Πίνακα 2, προκειμένου να επισημανθούν για σημασιολογική κατάτμηση.

'''4.2. Προεπεξεργασία εικόνας'''
Η διαδικασία προεπεξεργασίας των εικόνων τηλεπισκόπησης και οδοσκόπησης είναι σύνθετη και περιλαμβάνει πολλά βήματα. (εικ.4) Πρώτα, οι εικόνες θέασης δρόμου εξάγονται κάθε ορισμένο διάστημα για να μειωθεί ο υπολογιστικός φόρτος. Στη συνέχεια, προσαρμόζονται οι εικόνες τηλεπισκόπησης στην προοπτική των εικόνων θέασης δρόμου, λαμβάνοντας υπόψη τη γωνία και την τροχιά του οχήματος. Μετά, οι εικόνες τηλεπισκόπησης κόβονται και προσαρμόζονται σε συγκεκριμένα μεγέθη. Τέλος, αφαιρούνται η κορυφή και το κάτω μέρος των εικόνων οδοσκόπησης και κάθε εικόνα διαιρείται σε δύο μέρη, αριστερή και δεξιά πλευρά, με σκοπό τη μείωση του φόντου. Αυτές οι διαδικασίες βοηθούν στη βελτίωση της ακρίβειας και της απόδοσης του μοντέλου και στην εξαγωγή πιο σαφών χαρακτηριστικών κτιρίων.

'''4.3. Σημασιολογική κατάτμηση με FSA-UNet (Fusion-Self-Attention-UNet)'''
'''4.3.1. Επισκόπηση του FSA-UNet'''
Η εργασία παρουσιάζει ένα βελτιωμένο μοντέλο UNet, το οποίο ονομάζεται FSA-UNet (εικ.5). Το UNet είναι ένα δημοφιλές μοντέλο σημασιολογικής κατάτμησης εικόνας που επιλύει το πρόβλημα από άκρη σε άκρη. Το FSA-UNet βασίζεται στην αρχιτεκτονική του UNet, περιλαμβάνοντας ένα μονοπάτι συστολής (κωδικοποιητής) και ένα μονοπάτι επέκτασης (αποκωδικοποιητής). Χρησιμοποιείται το RestNet-50 ως κωδικοποιητής για την εξαγωγή χαρακτηριστικών χαμηλού έως υψηλού επιπέδου των εικόνων τηλεπισκόπησης και θέασης δρόμου αντίστοιχα. Το μοντέλο μειώνει την αρχική εικόνα και στη συνέχεια εξάγει τα χαρακτηριστικά χρησιμοποιώντας τέσσερα στάδια του resblock.

Το παραδοσιακού μοντέλο UNet, χρησιμοποιεί μια συμμετρική δομή σχήματος U για να συγχωνεύσει τα βαθιά και ρηχά χαρακτηριστικά μέσω μιας σύνδεσης με παράκαμψη στρώματος. Προσθέτει ένα μπλοκ χαρακτηριστικών ακμής στο τελευταίο επίπεδο αποκωδικοποίησης για την ενίσχυση των χαρακτηριστικών των άκρων. Επιπλέον, σχεδιάζεται ένα μπλοκ αυτοπροσοχής χαρακτηριστικών πολλαπλών πηγών για την ενσωμάτωση των εικόνων τηλεπισκόπησης και θέασης δρόμου. Για την εξισορρόπηση μεταξύ απόδοσης και υπολογιστικών πόρων, η αυτοπροσοχή χρησιμοποιείται μόνο για τα βαθιά χαρακτηριστικά υψηλής διάστασης. Τέλος, τα αρχικά χαρακτηριστικά των κατώτερων στρωμάτων συγχωνεύονται απευθείας με τα χαρακτηριστικά τηλεπισκόπησης και τα χαρακτηριστικά ακμής, βελτιώνοντας έτσι το αποτέλεσμα της τμηματοποίησης.

'''4.3.2. Μπλοκ αυτοπροσοχής με σύντηξη χαρακτηριστικών πολλαπλών πηγών'''
Η έρευνα προτείνει τη χρήση ενός παραδοσιακού μηχανισμού αυτοπροσοχής για την εξαγωγή συνολικών πληροφοριών πλαισίου από διαφορετικά τμήματα ενός πίνακα εισόδου. Μια μονάδα αυτοπροσοχής σχεδιάζεται για την ενσωμάτωση εικόνων τηλεπισκόπησης και θέασης δρόμου για την επεξεργασία χαρακτηριστικών θέασης δρόμου. Η λειτουργία αυτοπροσοχής περιγράφεται ως αντιστοίχιση ενός ερωτήματος και ενός συνόλου ζευγών κλειδιού-τιμής σε μια έξοδο. Τα χαρακτηριστικά χαμηλού επιπέδου των εικόνων θέασης δρόμου και τηλεπισκόπησης εξάγονται και στη συνέχεια εισάγονται σε ένα μπλοκ αυτοεπιτήρησης. Αυτό συμβαίνει μέσω ενός γραμμικού μετασχηματισμού, ενώ τα κλειδιά και οι τιμές προέρχονται από τα χαρακτηριστικά της εικόνας του δρόμου. Το τελικό διάνυσμα εξόδου λαμβάνεται με βάση τον τύπο που περιγράφεται.

όπου H είναι ο πίνακας εξόδου, dk είναι η διάσταση του πίνακα τιμών και του πίνακα κλειδιών, softmax είναι η συνάρτηση κανονικοποιημένη ανά στήλη. fr είναι το χαρακτηριστικό γνώρισμα τηλεπισκόπησης και fs είναι το χαρακτηριστικό γνώρισμα της όψης του δρόμου.
Στη μελέτη αυτή, αναλύεται η εξαγωγή των χαμηλού επιπέδου χαρακτηριστικών από εικόνες προβολής δρόμου και τηλεπισκόπησης με βάση το ResNet-50. Αυτά τα χαρακτηριστικά εισέρχονται σε ένα μπλοκ αυτοπροσοχής, όπου διαπραγματεύονται και ενισχύουν την αναπαράσταση των χαρακτηριστικών της εικόνας προβολής δρόμου μέσω της αλληλεπίδρασης με τα χαρακτηριστικά των απομακρυσμένων αισθητήρων.

'''4.3.2. Μπλοκ ανίχνευσης ακμών'''
Το μοντέλο UNet αντιμετωπίζει το πρόβλημα της απώλειας πληροφοριών για τις ακμές, επηρεάζοντας την ακρίβεια της κατάτμησης. Σε αυτό το άρθρο επιλέγεται ο τελεστής Sobel, γνωστός για τη χρήση του στην ανίχνευση ακμών, για την εξαγωγή πληροφοριών ακμών από τις αρχικές εικόνες τηλεπισκόπησης. Ο τελεστής Sobel έχει αποδειχθεί ότι έχει υψηλότερη απόδοση σε σύγκριση με άλλους τελεστές, και χρησιμοποιείται για την εξαγωγή πληροφοριών κλίσης της περιοχής στόχου της εικόνας. Το προτεινόμενο μοντέλο εισάγει τον τελεστή Sobel μέσω ενός μπλοκ συνέλιξης, που ενσωματώνει τη λειτουργία συνέλιξης στη διαδικασία. Αυτό το μπλοκ ενισχύει την ικανότητα αναγνώρισης των ακμών του αντικειμένου εδάφους, ειδικά σε περιοχές όπου το κτίριο είναι σκιασμένο ή το έδαφος έχει παρόμοια χαρακτηριστικά με το κτίριο.

'''4.3.3. Εκπαίδευση μοντέλου'''
Το άρθρο αναφέρεται στη βελτίωση του μοντέλου UNet για την ακριβέστερη κατάτμηση εικόνων. Προτείνεται η χρήση του τελεστή Sobel για την εξαγωγή πληροφοριών ακμών, με καλύτερη απόδοση συγκριτικά με άλλους τελεστές. Το μοντέλο εκπαιδεύτηκε χρησιμοποιώντας μέθοδο 10-πλής διασταυρούμενης επικύρωσης και προ-εκπαιδευμένα μοντέλα βασίστηκαν στα σύνολα δεδομένων PASCAL SBD και VOC 2012. Η εκπαίδευση και αξιολόγηση έγιναν με συγκεκριμένα χαρακτηριστικά υπολογιστικού εξοπλισμού και λογισμικού.

'''4.4. Δείκτης τρωτότητας αστικών κτιρίων'''
Βασιζόμενο στα επίπεδα ευπάθειας των κτιρίων, το άρθρο προτείνει ένα δείκτη για τον υπολογισμό της χωρικής κατανομής της ευπάθειας των κτιρίων σε αστικές περιοχές. Συγκεκριμένα, η μελέτη διαιρέθηκε σε πλέγματα 500 μέτρων, και ο δείκτης υπολογίστηκε για κάθε πλέγμα προκειμένου να προσδιοριστεί ο βαθμός ευπάθειας διαφορετικών περιοχών. Ο δείκτης υπολογίζεται με βάση τη συνολική επιφάνεια των κτιρίων και την περιοχή που καλύπτεται από κάθε επίπεδο ευπάθειας, χρησιμοποιώντας βάρη ανάλογα με το επίπεδο αυτό.

'''5. Αποτελέσματα'''
'''5.1. Υπολογισμός ομοιότητας για την επέκταση των αποτελεσμάτων της ταξινόμησης τρωτότητας'''
Για την αναβάθμιση του μοντέλου UNet, το οποίο αντιμετωπίζει πρόβλημα απώλειας πληροφοριών για τις ακμές και δεν είναι ακριβές στην ταξινόμηση της τρωτότητας των κτιρίων σε περιοχές χωρίς εικόνες θέασης δρόμου, χρησιμοποιείται μόνο για την ταξινόμηση των κτιρίων σε δύο κατηγορίες: κτίριο και μη κτίριο, με ποσοστό mIoU 85%. Παρατηρείται ότι οι τύποι κτιρίων στην περιοχή μελέτης συχνά έχουν χαρακτηριστικά συνάθροισης, και έτσι πραγματοποιούνται διάφορα βήματα, συμπεριλαμβανομένης της λήψης περιγραμμάτων κτιρίων και του υπολογισμού του βαθμού ομοιότητας μεταξύ τους, για την τελική ανάθεση της κατηγορίας τρωτότητας του κάθε κτιρίου σε ολόκληρη την περιοχή μελέτης. (εικ.6)

'''5.2. Ανάλυση της αποτελεσματικότητας του μοντέλου'''
'''5.2.1. Σύγκριση των αποτελεσμάτων ταξινόμηση'''
Η εργασία αναλύει μια διαδικασία για την αξιολόγηση της τρωτότητας των κτιρίων σε περιοχές όπου δεν υπάρχουν διαθέσιμες εικόνες από την όψη του δρόμου, χρησιμοποιώντας διάφορες μεθόδους όπως η ακρίβεια, η ανάκληση, η μέση διατομή πάνω από την ένωση και η ακρίβεια. Το προτεινόμενο μοντέλο FSA-UNet συγκρίνεται με άλλα δημοφιλή μοντέλα, εμφανίζοντας υψηλότερη απόδοση σε μετρικές όπως η mIoU, η ανάκληση και η ακρίβεια (πινακας3).

Η ανάλυση των προβλέψεων δείχνει ότι ορισμένα μοντέλα, όπως τα DeeplabV3+ και PSPNet, έχουν υψηλό ποσοστό λανθασμένων προβλέψεων (εικ.8), ενώ το μοντέλο HRNet αντιμετωπίζει δυσκολίες στον σωστό διαχωρισμό των επιπέδων ευπάθειας των κτιρίων. Το μοντέλο UNet είναι πιο ακριβές, αλλά υπάρχουν περιπτώσεις όπου πεζοδρόμια ταξινομούνται ως κτίρια. Επιπλέον, το UNetFormer κατατάσσει λανθασμένα ορισμένα κτίρια, ενώ το FSA-UNet μειώνει αισθητά αυτό το σφάλμα.

Στην επόμενη παράγραφο παρουσιάζονται οι καμπύλες mIoU και απωλειών κατά τη διάρκεια της εκπαίδευσης του FSA-UNet (εικ.8), ενώ αναλύονται επίσης τα αποτελέσματα από τον πίνακα σύγχυσης, επιβεβαιώνοντας την αποτελεσματικότητά του σε διαφορετικά σενάρια ταξινόμησης κτιρίων (εικ9).

'''5.2.2. Πείραμα απόσβεσης'''
Η μελέτη συγκρίνει διάφορες εκδοχές ενός μοντέλου μηχανικής μάθησης για την ταξινόμηση κτιρίων σε εικόνες, εστιάζοντας στη βελτιστοποίηση της απόδοσης. Παρατηρείται ότι η προσθήκη ενός μπλοκ αυτοπροσοχής και των χαρακτηριστικών χαμηλού επιπέδου ενισχύει την απόδοση του μοντέλου, με το mIoU να βελτιώνεται κατά 2% και 6% αντίστοιχα. Η συνένωση των χαρακτηριστικών από την εικόνα θέασης του δρόμου και την τηλεπισκόπηση επιβεβαιώνει τη σημασία των χαρακτηριστικών του δρόμου για την ταξινόμηση. Επιπλέον, η προσθήκη ενός μπλοκ ανίχνευσης ακμών βελτιώνει την ακρίβεια, ενώ η εκπαίδευση του μοντέλου FSA-UNet απαιτεί περισσότερο χρόνο, αλλά με αμελητέα απώλεια χρόνου λόγω του μηχανισμού αυτοπροστασίας.

'''5.3. Χωρική κατανομή της τρωτότητας των κτιρίων'''
Η προτεινόμενη μέθοδος εφαρμόστηκε στο Hefei και παρουσιάζεται η χωρική κατανομή των διαφόρων επιπέδων τρωτότητας των κτιρίων (εικ.10). Παρατηρείται ότι τα πολυώροφα κτίρια από οπλισμένο σκυρόδεμα με χαμηλή τρωτότητα βρίσκονται κυρίως γύρω από τη δεύτερη περιφερειακή οδό, ενώ η περιοχή γύρω από το Huancheng Park Road έχει κυρίως πολυώροφα και χαμηλά κτίρια με μέτρια και χαμηλή τρωτότητα. Τα βιομηχανικά κτίρια είναι ευρέως κατανεμημένα εκτός της κύριας αστικής περιοχής, με τα περισσότερα να είναι μικρά εμπορικά κτίρια κατά μήκος των δρόμων στα περίχωρα των κατοικιών. Η περιοχή με την υψηλότερη τρωτότητα βρίσκεται στο βορειοανατολικό τμήμα της ανατολικής 2ης περιφερειακής οδού και στο ανατολικό τμήμα της κομητείας Feidong. Οι περιοχές αυτές είναι πυκνά κατοικημένες με ελάχιστο χώρο πρασίνου, κάτι που μπορεί να επιδεινώσει την αποστράγγιση κατά τις πλημμύρες.
Η μέθοδος υπολογισμού του δείκτη τρωτότητας των κτιρίων (εικ.11) δείχνει ότι περιοχές όπως η Baohe, η Luyang, η Shushan και η Yaohai έχουν αυξανόμενη τρωτότητα προς τα εξωτερικά, με κέντρο την παλιά πόλη. Η επιπλέον βελτίωση της τρωτότητας των κτιρίων είναι αναγκαία, ειδικά σε περιοχές που γειτνιάζουν με ποτάμια συστήματα, καθώς η υπερχείλιση των ποταμών μπορεί να προκαλέσει σοβαρές ζημιές.

'''6. Συζήτηση'''
Η προσέγγιση που προτείνεται στην εργασία αξιολογεί την τρωτότητα των κτιρίων για πλημμύρες χρησιμοποιώντας χαρακτηριστικά τηλεπισκόπησης και θέασης δρόμου. Αυτό παρέχει μια ολοκληρωμένη διαδικασία που περιλαμβάνει κριτήρια αξιολόγησης, προεπεξεργασία εικόνας και σημασιολογική κατάτμηση. Το μοντέλο FSA-UNet που προτείνεται μπορεί να ενσωματώσει τα χαρακτηριστικά της τηλεπισκόπησης και της θέασης του δρόμου για να βελτιώσει την αξιολόγηση. Αυτή είναι η πρώτη φορά που γίνεται προσπάθεια ενσωμάτωσης αυτών των δύο τεχνικών στην αξιολόγηση της τρωτότητας των κτιρίων για πλημμύρες, με τα αποτελέσματα να επιβεβαιώνουν την αποτελεσματικότητά τους. Τα κύρια ευρήματα, οι περιορισμοί και οι περαιτέρω μελέτες συζητούνται στη συνέχεια.

'''6.1. Κύρια ευρήματα και σύγκριση με προηγούμενες έρευνες'''
'''6.1.1. Αξιολόγηση της τρωτότητας των κτιρίων από πλημμύρες'''
Από την άλλη πλευρά, τα ευρήματα της παρούσας εργασίας και προηγούμενων ερευνών δείχνουν ότι η ευπάθεια στις πλημμύρες είναι διαφορετική στα αστικά κέντρα, τα προάστια και τις αγροτικές περιοχές, γεγονός που μπορεί να αποδοθεί στην υπερανάπτυξη των πόλεων στην Κίνα. Στην παρούσα εργασία, το ανατολικό τμήμα του Hefei διαθέτει σχετικά παλιά και εύθραυστα κτίρια, γεγονός που υποδηλώνει ότι οι αρμόδιες υπηρεσίες θα πρέπει να ενισχύσουν τη χωρική διαχείριση του κινδύνου πλημμύρας και να βελτιώσουν την ικανότητα πρόληψης της υπερχείλισης των κτιρίων.

'''6.1.2. Το κλειδί για την ενσωμάτωση της τηλεπισκόπησης και των εικόνων θέασης του δρόμου'''
Η συζήτηση σχετικά με τον τρόπο συγχώνευσης των εικόνων τηλεπισκόπησης και οδοσκόπησης στο μοντέλο είναι σημαντική. Οι διάφοροι τύποι συγχώνευσης πολυτροπικών δεδομένων περιλαμβάνουν τη συγχώνευση σε επίπεδο χαρακτηριστικών, εικόνας και μοντέλου. Η έρευνα δείχνει ότι η συγχώνευση σε επίπεδο απόφασης είναι συνήθως αποτελεσματικότερη, αλλά υπάρχουν και επιλογές συγχώνευσης σε επίπεδο χαρακτηριστικών. Το πρόβλημα της ευθυγράμμισης των χαρακτηριστικών αποτελεί πρόκληση στη συγχώνευση σε επίπεδο χαρακτηριστικών. Προτείνονται μεθόδοι όπως η περιστροφή των εικόνων τηλεπισκόπησης για βελτίωση της ευθυγράμμισης. Η επεξεργασία όπως η περιστροφή μπορεί να βελτιώσει την εφαρμογή μοντέλων. Ο μηχανισμός αυτοπροστασίας μπορεί να βελτιώσει την ευθυγράμμιση των χαρακτηριστικών. Επίσης, η χρήση εικόνων τηλεπισκόπησης χωρίς περιστροφή μπορεί να οδηγήσει σε χαμηλή ακρίβεια. Τέλος, η εργασία εξετάζει την ομοιότητα των χαρακτηριστικών τηλεπισκόπησης για να συμπληρώσει τα αποτελέσματα αξιολόγησης στην περιοχή χωρίς εικόνες θέασης του δρόμου.

'''7. Συμπεράσματα'''
Η έρευνα αυτή εξετάζει τη χρήση εικόνων θέασης του δρόμου και τηλεπισκόπησης για την αξιολόγηση της ευπάθειας των κτιρίων σε καταστροφές από πλημμύρες. Τα χαρακτηριστικά αυτών των εικόνων μπορούν να χρησιμοποιηθούν για την ανίχνευση δομικών στοιχείων και την αξιολόγηση τους. Το μοντέλο FSA-UNet που προτείνεται είναι σε θέση να συλλάβει τα χαρακτηριστικά από διάφορες πηγές δεδομένων, βελτιώνοντας έτσι την ικανότητα αξιολόγησης. Η μέθοδος αυτή μπορεί να προσαρμοστεί σε διάφορους κινδύνους και να χρησιμοποιηθεί για τον σχεδιασμό βιώσιμων αστικών περιοχών. Η ενσωμάτωση πολλαπλών πηγών δεδομένων μπορεί να βοηθήσει στην πιο ακριβή αξιολόγηση των κινδύνων πλημμύρας στην πράξη.

[[category:ΔΠΜΣ ]]

Χριστοφάκη Ειρήνη

2024-03-08T17:22:50Z

I christofaki:

[[Θερμική υπέρυθρη τηλεπισκόπηση της αστικής θερμότητας: Hotspots, βλάστηση και αξιολόγηση τεχνικών για χρήση στον αστικό σχεδιασμό]]

[[Τηλεπισκόπηση θερμικού περιβάλλοντος εσωτερικού χώρου από το εξωτερικό του κτιρίου μέσω ανοίγματος παραθύρου με χρήση κάμερας υπερύθρων]]

[[Οι επιπτώσεις της αστικής μορφολογίας στις αστικές θερμικές νησίδες σε κατοικημένες περιοχές: Erzurum, Τουρκία]]

[[Εξέλιξη της κατάστασης υγείας της βλάστησης του τοπίου σε ένα τροπικής παράκτιας λιμνοθάλασσας:..]]

[[Εκτίμηση τρωτότητας αστικών κτιρίων από πλημμύρες με βάση την ενσωμάτωση εικόνων τηλεπισκόπησης υψηλής ανάλυσης και προβολής δρόμου]]

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

Εξέλιξη της κατάστασης υγείας της βλάστησης του τοπίου σε ένα τροπικής παράκτιας λιμνοθάλασσας:..

2024-03-08T17:19:00Z

I christofaki:

'''Πρωτότυπος τίτλος:''' ''Evolution of the Landscape's Vegetation Health Condition in a Tropical Coastal Lagoon: A Remote Sensing Study in the Case of Northern Colombia ''

'''Συγγραφείς: ''' ''Eva Jaramillo, Ivan Portnoy,*, Ana C Torregroza-Espinosa, Paola Larios-Giraldo''

'''Πηγή:'''https://www.sciencedirect.com/science/article/pii/S1877050923022573

''' Περίληψη '''
Η μελέτη εστιάζεται στην ανάλυση της υγείας της βλάστησης στην παράκτια λιμνοθάλασσα Ciénaga de Mallorquín στη Βόρεια Κολομβία, χρησιμοποιώντας δορυφορικές εικόνες από την αποστολή Landsat 8 και προηγμένες τεχνικές ανάλυσης δεδομένων. Το κλειδί της μελέτης είναι ο κανονικοποιημένος δείκτης διαφοράς βλάστησης (NDVI), ο οποίος μετρά τη βιομάζα και την υγεία της βλάστησης. Τα αποτελέσματα δείχνουν μια σημαντική μείωση των τιμών NDVI μεταξύ του 2013 και του 2018, αλλά και μια φάση ανάκαμψης μεταξύ 2018 και 2022. Ωστόσο, οι τιμές NDVI του 2022 παραμένουν χαμηλότερες από εκείνες του 2013, υποδεικνύοντας την ανάγκη συνεχούς διατήρησης του οικοσυστήματος. Η μελέτη αποδεικνύει την αξία της τηλεπισκόπησης ως εργαλείο για την παρακολούθηση και τη διαχείριση αειφορικών πρακτικών σε τροπικά παράκτια οικοσυστήματα.

'''1. Εισαγωγή '''
Επικεντρώνοντας στην ανάλυση της υγείας της βλάστησης σε τροπικές παράκτιες λιμνοθάλασσες, με έμφαση στην ανάγκη για αποτελεσματική διατήρηση και διαχείριση τους γίνεται κατανοητό ότι η δυναμική αυτών των οικοσυστημάτων είναι κρίσιμη, ενώ η τηλεπισκόπηση παρέχει ισχυρό εργαλείο για τη μελέτη της βλάστησης και την ανίχνευση αλλαγών. Η έρευνα εστιάζει σε μια παράκτια λιμνοθάλασσα στη Βόρεια Κολομβία και αναδεικνύει τη σημασία της διατήρησης της υγείας της βλάστησης σε αυτό το περιβάλλον, παρά τις πιέσεις που ασκούνται από την ανθρώπινη δραστηριότητα και την κλιματική αλλαγή.

'''2. Μέθοδοι '''
Στην παρούσα ενότητα παρέχεται λεπτομερής περιγραφή της περιοχής και του χρονικού πλαισίου της μελέτης (υποενότητα 2.1), της συλλογής δεδομένων διαδικασία (υποτμήμα 2.2), καθώς και η ανάλυση των δεδομένων που πραγματοποιήθηκε (υποτμήμα 2.3).

'''2.1. Περιοχή και χρονικό πλαίσιο της μελέτης'''
Η Ciénaga de Mallorquín είναι η μόνη παράκτια λιμνοθάλασσα με εκβολές ποταμών στη βόρεια Κολομβία (βλ. Εικόνα 1) και παγκοσμίως σημαντική ως μέρος της περιοχής Ραμσάρ του συστήματος εκβολών του δέλτα του ποταμού Μαγδαλένα, Ciénaga Grande de Santa Marta (η δεύτερη μεγαλύτερη στην Κολομβία με 400.000 εκτάρια).

[[Αρχείο:εικονα 1 α4.jpg‎]]

''Εικόνα 1. Περιοχή μελέτης''

Η Ciénaga de Mallorquín αποτελεί ένα ρηχό υδάτινο σώμα με πλημμυρικές εκτάσεις, αμμώδεις περιοχές και μαγγρόβια. Η περιοχή μελέτης περικλείεται σε ένα πολύγωνο με συγκεκριμένες γεωγραφικές συντεταγμένες. Οι κοινότητες που ζουν εκεί χρησιμοποιούν τη λιμνοθάλασσα για την προμήθεια νερού, την αλιεία και τη μεταφορά. Αυτό το υδάτινο σώμα αποτελεί σημαντικό οικονομικό και τουριστικό πόρο για τους κατοίκους, που βασίζουν το εισόδημά τους σε αυτό. Ωστόσο, η μόλυνση με βαρέα μέταλλα από μια χωματερή στη γειτονιά Las Flores και η ανακατεύθυνση χειμάρρων προς τη λιμνοθάλασσα αποτελούν προβλήματα. Η περιοχή παρακολουθήθηκε για την περίοδο 2013-2022 με τον μέσο όρο των δεδομένων ανά εξάμηνο να ανακτάται για την περαιτέρω ανάλυση.

'''2.2. Συλλογή δεδομένων'''
Η μελέτη χρησιμοποίησε δορυφορικές εικόνες από το Landsat 8 Collection 2 Tier 1 TOA Reflectance dataset της NASA για να ανακτήσει δεδομένα για την περιοχή της Ciénaga de Mallorquín. Χρησιμοποιώντας την πλατφόρμα Google Earth Engine, ανακτήθηκαν δεδομένα για το πρώτο και το δεύτερο εξάμηνο των ετών 2013, 2018 και 2022 με ανάλυση 20 μέτρων και απορρίφθηκαν εικόνες με περισσότερο από 50% συννεφοκάλυψη. Με βάση αυτά τα δεδομένα, υπολογίστηκε ο κανονικοποιημένος δείκτης βλάστησης (NDVI) για τις φασματικές ζώνες NIR και κόκκινη. Συνδυάζοντας τις εικόνες για κάθε εξάμηνο, παρήχθη μία ενιαία εικόνα NDVI.

'''2.3 Ανάλυση δεδομένων'''
Για την ανάλυση των δεδομένων NDVI, χρησιμοποιήθηκε το λογισμικό R version 4.3.0, με τον πηγαίο κώδικα να είναι διαθέσιμος στο GitHub. Μετά τη συλλογή και δημιουργία των εικόνων NDVI ανά εξάμηνο, χρησιμοποιήθηκε το πακέτο R raster για την απεικόνισή τους, με τη χρήση παλέτας από κόκκινο σε πράσινο για ευκολότερη ερμηνεία των τιμών NDVI. Το πακέτο R tiff χρησιμοποιήθηκε για την πρόσβαση στις τιμές NDVI pixel-wise. Έγινε υπολογισμός των μέσων τιμών NDVI για κάθε εικόνα και απεικονίστηκαν σε γραφική παράσταση NDVI-vs-time για περαιτέρω ανάλυση. Η σύγκριση των μέσων τιμών NDVI ανά εξάμηνο πραγματοποιήθηκε χρησιμοποιώντας δύο μετρικές. Πρώτον, χρησιμοποιήθηκε ο Δείκτης Παρόμοιας Δομής (SSIM), με τη βοήθεια του πακέτου R SpatialPack, και δεύτερον χρησιμοποιήθηκε η μέση διαφορά pixel-wise, η οποία ποσοτικοποιεί την αλλαγή μεταξύ των μέσων τιμών NDVI για κάθε περίοδο. Για την αξιολόγηση της σημαντικότητας της μέσης διαφοράς pixel-wise, εφαρμόστηκε μια διαδικασία bootstrapping.

'''3. Αποτελέσματα και συζήτηση '''
Το Σχήμα 2 παρουσιάζει τις εικόνες NDVI ανά εξάμηνο, επιτρέποντας μια ποιοτική αντίθεση των μοτίβων NDVI. Παρατηρούνται διαφορές που υποδεικνύουν μείωση και αύξηση των τιμών NDVI κατά τη δεκαετή περίοδο παρατήρησης. Ωστόσο, απαιτείται μια ποσοτική ανάλυση για να μετρηθεί η έκταση αυτών των αλλαγών.

[[Αρχείο:εικονα 2 α4.jpg‎]]

''Εικόνα 2. Εικόνες NDVI ανά εξάμηνο.''

Το Σχήμα 3.α παρουσιάζει το γράφημα NDVI-vs-time, επιβεβαιώνοντας τα παρατηρούμενα μοτίβα. Υπολογίστηκαν ο δείκτης SSIM και η μέση διαφορά για περίοδο 2013-II, 2018-I, 2018-II, 2022-I και 2022-II έναντι του βασικού σεναρίου του 2013-I. Τα αποτελέσματα δείχνουν σημαντική διαφορά μεταξύ των τιμών NDVI στην περίοδο 2022-II και του βασικού σεναρίου.

[[Αρχείο:εικονα 3 α4.jpg‎]]

''Εικόνα 3. α. Εξέλιξη των μέσων εξαμηνιαίων τιμών NDVI- β. Ιστόγραμμα του αποτελέσματος της διαδικασίας bootstrap για τη σύγκριση 2013-I έναντι 2022-II.''

[[Αρχείο:πινακας 1 α4.jpg‎]]

''Πίνακας 1. Αποτελέσματα συγκρίσεων κατά ζεύγη''

Αυτά τα ευρήματα είναι σημαντικά για τους υπεύθυνους λήψης των αποφάσεων, ειδικά σε περιοχές που αντιμετωπίζουν έλλειψη πόρων και είναι ευάλωτες στην κλιματική αλλαγή. Επιπλέον, η προστασία των μαγκροβίων είναι σημαντική για την πρόληψη πλημμυρών και την προστασία της πόλης από καταστροφικά καιρικά φαινόμενα. Τα έργα για την προστασία της λιμνοθάλασσας έχουν άμεσα οφέλη στον τοπικό πληθυσμό, αυξάνοντας τις αποδόσεις από την αλιεία και τον τουρισμό.

'''4. Συμπεράσματα '''
Αυτή η μελέτη αξιολογεί την εξέλιξη της βιομάζας της βλάστησης στην περιοχή της Ciénaga de Mallorquín και του αστικού της περιβάλλοντος με χρήση ανάλυσης δεδομένων τηλεπισκόπησης. Οι μέσες τιμές NDVI ανά εξάμηνο μετρήθηκαν και συγκρίθηκαν για την περίοδο 2013-2022, αποκαλύπτοντας σημαντική μείωση του NDVI μεταξύ του 2013 και του 2018, ακολουθούμενη από ανάκαμψη μέχρι το 2022. Παρά την ανάκαμψη, τα επίπεδα του NDVI το 2022 παραμένουν χαμηλότερα από εκείνα του 2013. Τα προβλήματα του περιβάλλοντος στη λιμνοθάλασσα έχουν οδηγήσει σε αλλαγές με άμεσο αντίκτυπο στον κοντινό πληθυσμό. Οι αρχές εργάζονται σε έργα ανάκαμψης της λιμνοθάλασσας, που αναμένεται να ωφελήσουν τον τοπικό πληθυσμό και να προστατεύσουν την περιοχή. Μελλοντικές μελέτες πρέπει να επικεντρωθούν στην ολοκλήρωση περισσότερων περιβαλλοντικών μεταβλητών για να δημιουργηθεί μια πιο ολοκληρωμένη γνώση του περιβάλλοντος της λιμνοθάλασσας και της γύρω περιοχής.

[[category:ΔΠΜΣ ]]

Αρχείο:Πινακας 1 α4.jpg

2024-03-08T17:15:22Z

I christofaki: Πίνακας 1. Αποτελέσματα συγκρίσεων κατά ζεύγη

Πίνακας 1. Αποτελέσματα συγκρίσεων κατά ζεύγη

Αρχείο:Εικονα 3 α4.jpg

2024-03-08T17:15:06Z

I christofaki: Εικόνα 3. α. Εξέλιξη των μέσων εξαμηνιαίων τιμών NDVI- β. Ιστόγραμμα του αποτελέσματος της διαδικασίας bootstrap για τη σύγκριση 2013-I έναντι 2022-II.

Εικόνα 3. α. Εξέλιξη των μέσων εξαμηνιαίων τιμών NDVI- β. Ιστόγραμμα του αποτελέσματος της διαδικασίας bootstrap για τη σύγκριση 2013-I έναντι 2022-II.

Αρχείο:Εικονα 2 α4.jpg

2024-03-08T17:14:42Z

I christofaki: Εικόνα 2. Εικόνες NDVI ανά εξάμηνο.

Εικόνα 2. Εικόνες NDVI ανά εξάμηνο.

Αρχείο:Εικονα 1 α4.jpg

2024-03-08T17:14:13Z

I christofaki: Εικόνα 1. Περιοχή μελέτης

Εικόνα 1. Περιοχή μελέτης

Εξέλιξη της κατάστασης υγείας της βλάστησης του τοπίου σε ένα τροπικής παράκτιας λιμνοθάλασσας:..

2024-03-08T17:09:56Z

I christofaki:

'''Πρωτότυπος τίτλος:''' ''Evolution of the Landscape's Vegetation Health Condition in a Tropical Coastal Lagoon: A Remote Sensing Study in the Case of Northern Colombia ''

'''Συγγραφείς: ''' ''Eva Jaramillo, Ivan Portnoy,*, Ana C Torregroza-Espinosa, Paola Larios-Giraldo''

'''Πηγή:'''https://www.sciencedirect.com/science/article/pii/S1877050923022573

''' Περίληψη '''
Η μελέτη εστιάζεται στην ανάλυση της υγείας της βλάστησης στην παράκτια λιμνοθάλασσα Ciénaga de Mallorquín στη Βόρεια Κολομβία, χρησιμοποιώντας δορυφορικές εικόνες από την αποστολή Landsat 8 και προηγμένες τεχνικές ανάλυσης δεδομένων. Το κλειδί της μελέτης είναι ο κανονικοποιημένος δείκτης διαφοράς βλάστησης (NDVI), ο οποίος μετρά τη βιομάζα και την υγεία της βλάστησης. Τα αποτελέσματα δείχνουν μια σημαντική μείωση των τιμών NDVI μεταξύ του 2013 και του 2018, αλλά και μια φάση ανάκαμψης μεταξύ 2018 και 2022. Ωστόσο, οι τιμές NDVI του 2022 παραμένουν χαμηλότερες από εκείνες του 2013, υποδεικνύοντας την ανάγκη συνεχούς διατήρησης του οικοσυστήματος. Η μελέτη αποδεικνύει την αξία της τηλεπισκόπησης ως εργαλείο για την παρακολούθηση και τη διαχείριση αειφορικών πρακτικών σε τροπικά παράκτια οικοσυστήματα.

'''1. Εισαγωγή '''
Επικεντρώνοντας στην ανάλυση της υγείας της βλάστησης σε τροπικές παράκτιες λιμνοθάλασσες, με έμφαση στην ανάγκη για αποτελεσματική διατήρηση και διαχείριση τους γίνεται κατανοητό ότι η δυναμική αυτών των οικοσυστημάτων είναι κρίσιμη, ενώ η τηλεπισκόπηση παρέχει ισχυρό εργαλείο για τη μελέτη της βλάστησης και την ανίχνευση αλλαγών. Η έρευνα εστιάζει σε μια παράκτια λιμνοθάλασσα στη Βόρεια Κολομβία και αναδεικνύει τη σημασία της διατήρησης της υγείας της βλάστησης σε αυτό το περιβάλλον, παρά τις πιέσεις που ασκούνται από την ανθρώπινη δραστηριότητα και την κλιματική αλλαγή.

'''2. Μέθοδοι '''
Στην παρούσα ενότητα παρέχεται λεπτομερής περιγραφή της περιοχής και του χρονικού πλαισίου της μελέτης (υποενότητα 2.1), της συλλογής δεδομένων διαδικασία (υποτμήμα 2.2), καθώς και η ανάλυση των δεδομένων που πραγματοποιήθηκε (υποτμήμα 2.3).

'''2.1. Περιοχή και χρονικό πλαίσιο της μελέτης'''
Η Ciénaga de Mallorquín είναι η μόνη παράκτια λιμνοθάλασσα με εκβολές ποταμών στη βόρεια Κολομβία (βλ. Εικόνα 1) και παγκοσμίως σημαντική ως μέρος της περιοχής Ραμσάρ του συστήματος εκβολών του δέλτα του ποταμού Μαγδαλένα, Ciénaga Grande de Santa Marta (η δεύτερη μεγαλύτερη στην Κολομβία με 400.000 εκτάρια).
Η Ciénaga de Mallorquín αποτελεί ένα ρηχό υδάτινο σώμα με πλημμυρικές εκτάσεις, αμμώδεις περιοχές και μαγγρόβια. Η περιοχή μελέτης περικλείεται σε ένα πολύγωνο με συγκεκριμένες γεωγραφικές συντεταγμένες. Οι κοινότητες που ζουν εκεί χρησιμοποιούν τη λιμνοθάλασσα για την προμήθεια νερού, την αλιεία και τη μεταφορά. Αυτό το υδάτινο σώμα αποτελεί σημαντικό οικονομικό και τουριστικό πόρο για τους κατοίκους, που βασίζουν το εισόδημά τους σε αυτό. Ωστόσο, η μόλυνση με βαρέα μέταλλα από μια χωματερή στη γειτονιά Las Flores και η ανακατεύθυνση χειμάρρων προς τη λιμνοθάλασσα αποτελούν προβλήματα. Η περιοχή παρακολουθήθηκε για την περίοδο 2013-2022 με τον μέσο όρο των δεδομένων ανά εξάμηνο να ανακτάται για την περαιτέρω ανάλυση.

'''2.2. Συλλογή δεδομένων'''
Η μελέτη χρησιμοποίησε δορυφορικές εικόνες από το Landsat 8 Collection 2 Tier 1 TOA Reflectance dataset της NASA για να ανακτήσει δεδομένα για την περιοχή της Ciénaga de Mallorquín. Χρησιμοποιώντας την πλατφόρμα Google Earth Engine, ανακτήθηκαν δεδομένα για το πρώτο και το δεύτερο εξάμηνο των ετών 2013, 2018 και 2022 με ανάλυση 20 μέτρων και απορρίφθηκαν εικόνες με περισσότερο από 50% συννεφοκάλυψη. Με βάση αυτά τα δεδομένα, υπολογίστηκε ο κανονικοποιημένος δείκτης βλάστησης (NDVI) για τις φασματικές ζώνες NIR και κόκκινη. Συνδυάζοντας τις εικόνες για κάθε εξάμηνο, παρήχθη μία ενιαία εικόνα NDVI.

'''2.3 Ανάλυση δεδομένων'''
Για την ανάλυση των δεδομένων NDVI, χρησιμοποιήθηκε το λογισμικό R version 4.3.0, με τον πηγαίο κώδικα να είναι διαθέσιμος στο GitHub. Μετά τη συλλογή και δημιουργία των εικόνων NDVI ανά εξάμηνο, χρησιμοποιήθηκε το πακέτο R raster για την απεικόνισή τους, με τη χρήση παλέτας από κόκκινο σε πράσινο για ευκολότερη ερμηνεία των τιμών NDVI. Το πακέτο R tiff χρησιμοποιήθηκε για την πρόσβαση στις τιμές NDVI pixel-wise. Έγινε υπολογισμός των μέσων τιμών NDVI για κάθε εικόνα και απεικονίστηκαν σε γραφική παράσταση NDVI-vs-time για περαιτέρω ανάλυση. Η σύγκριση των μέσων τιμών NDVI ανά εξάμηνο πραγματοποιήθηκε χρησιμοποιώντας δύο μετρικές. Πρώτον, χρησιμοποιήθηκε ο Δείκτης Παρόμοιας Δομής (SSIM), με τη βοήθεια του πακέτου R SpatialPack, και δεύτερον χρησιμοποιήθηκε η μέση διαφορά pixel-wise, η οποία ποσοτικοποιεί την αλλαγή μεταξύ των μέσων τιμών NDVI για κάθε περίοδο. Για την αξιολόγηση της σημαντικότητας της μέσης διαφοράς pixel-wise, εφαρμόστηκε μια διαδικασία bootstrapping.

'''3. Αποτελέσματα και συζήτηση '''
Το Σχήμα 2 παρουσιάζει τις εικόνες NDVI ανά εξάμηνο, επιτρέποντας μια ποιοτική αντίθεση των μοτίβων NDVI. Παρατηρούνται διαφορές που υποδεικνύουν μείωση και αύξηση των τιμών NDVI κατά τη δεκαετή περίοδο παρατήρησης. Ωστόσο, απαιτείται μια ποσοτική ανάλυση για να μετρηθεί η έκταση αυτών των αλλαγών.
Το Σχήμα 3.α παρουσιάζει το γράφημα NDVI-vs-time, επιβεβαιώνοντας τα παρατηρούμενα μοτίβα. Υπολογίστηκαν ο δείκτης SSIM και η μέση διαφορά για περίοδο 2013-II, 2018-I, 2018-II, 2022-I και 2022-II έναντι του βασικού σεναρίου του 2013-I. Τα αποτελέσματα δείχνουν σημαντική διαφορά μεταξύ των τιμών NDVI στην περίοδο 2022-II και του βασικού σεναρίου.
Αυτά τα ευρήματα είναι σημαντικά για τους υπεύθυνους λήψης των αποφάσεων, ειδικά σε περιοχές που αντιμετωπίζουν έλλειψη πόρων και είναι ευάλωτες στην κλιματική αλλαγή. Επιπλέον, η προστασία των μαγκροβίων είναι σημαντική για την πρόληψη πλημμυρών και την προστασία της πόλης από καταστροφικά καιρικά φαινόμενα. Τα έργα για την προστασία της λιμνοθάλασσας έχουν άμεσα οφέλη στον τοπικό πληθυσμό, αυξάνοντας τις αποδόσεις από την αλιεία και τον τουρισμό.

'''4. Συμπεράσματα '''
Αυτή η μελέτη αξιολογεί την εξέλιξη της βιομάζας της βλάστησης στην περιοχή της Ciénaga de Mallorquín και του αστικού της περιβάλλοντος με χρήση ανάλυσης δεδομένων τηλεπισκόπησης. Οι μέσες τιμές NDVI ανά εξάμηνο μετρήθηκαν και συγκρίθηκαν για την περίοδο 2013-2022, αποκαλύπτοντας σημαντική μείωση του NDVI μεταξύ του 2013 και του 2018, ακολουθούμενη από ανάκαμψη μέχρι το 2022. Παρά την ανάκαμψη, τα επίπεδα του NDVI το 2022 παραμένουν χαμηλότερα από εκείνα του 2013. Τα προβλήματα του περιβάλλοντος στη λιμνοθάλασσα έχουν οδηγήσει σε αλλαγές με άμεσο αντίκτυπο στον κοντινό πληθυσμό. Οι αρχές εργάζονται σε έργα ανάκαμψης της λιμνοθάλασσας, που αναμένεται να ωφελήσουν τον τοπικό πληθυσμό και να προστατεύσουν την περιοχή. Μελλοντικές μελέτες πρέπει να επικεντρωθούν στην ολοκλήρωση περισσότερων περιβαλλοντικών μεταβλητών για να δημιουργηθεί μια πιο ολοκληρωμένη γνώση του περιβάλλοντος της λιμνοθάλασσας και της γύρω περιοχής.

[[category:ΔΠΜΣ ]]

Εξέλιξη της κατάστασης υγείας της βλάστησης του τοπίου σε ένα τροπικής παράκτιας λιμνοθάλασσας:..

2024-03-08T17:09:24Z

I christofaki:

'''Πρωτότυπος τίτλος:''' ''Evolution of the Landscape's Vegetation Health Condition in a Tropical Coastal Lagoon: A Remote Sensing Study in the Case of Northern Colombia ''

'''Συγγραφείς: ''' ''Eva Jaramillo, Ivan Portnoy,*, Ana C Torregroza-Espinosa, Paola Larios-Giraldo''

'''Πηγή:'''https://www.sciencedirect.com/science/article/pii/S1877050923022573

''' Περίληψη '''
Η μελέτη εστιάζεται στην ανάλυση της υγείας της βλάστησης στην παράκτια λιμνοθάλασσα Ciénaga de Mallorquín στη Βόρεια Κολομβία, χρησιμοποιώντας δορυφορικές εικόνες από την αποστολή Landsat 8 και προηγμένες τεχνικές ανάλυσης δεδομένων. Το κλειδί της μελέτης είναι ο κανονικοποιημένος δείκτης διαφοράς βλάστησης (NDVI), ο οποίος μετρά τη βιομάζα και την υγεία της βλάστησης. Τα αποτελέσματα δείχνουν μια σημαντική μείωση των τιμών NDVI μεταξύ του 2013 και του 2018, αλλά και μια φάση ανάκαμψης μεταξύ 2018 και 2022. Ωστόσο, οι τιμές NDVI του 2022 παραμένουν χαμηλότερες από εκείνες του 2013, υποδεικνύοντας την ανάγκη συνεχούς διατήρησης του οικοσυστήματος. Η μελέτη αποδεικνύει την αξία της τηλεπισκόπησης ως εργαλείο για την παρακολούθηση και τη διαχείριση αειφορικών πρακτικών σε τροπικά παράκτια οικοσυστήματα.

'''1. Εισαγωγή '''
Επικεντρώνοντας στην ανάλυση της υγείας της βλάστησης σε τροπικές παράκτιες λιμνοθάλασσες, με έμφαση στην ανάγκη για αποτελεσματική διατήρηση και διαχείριση τους γίνεται κατανοητό ότι η δυναμική αυτών των οικοσυστημάτων είναι κρίσιμη, ενώ η τηλεπισκόπηση παρέχει ισχυρό εργαλείο για τη μελέτη της βλάστησης και την ανίχνευση αλλαγών. Η έρευνα εστιάζει σε μια παράκτια λιμνοθάλασσα στη Βόρεια Κολομβία και αναδεικνύει τη σημασία της διατήρησης της υγείας της βλάστησης σε αυτό το περιβάλλον, παρά τις πιέσεις που ασκούνται από την ανθρώπινη δραστηριότητα και την κλιματική αλλαγή.

'''2. Μέθοδοι '''
Στην παρούσα ενότητα παρέχεται λεπτομερής περιγραφή της περιοχής και του χρονικού πλαισίου της μελέτης (υποενότητα 2.1), της συλλογής δεδομένων διαδικασία (υποτμήμα 2.2), καθώς και η ανάλυση των δεδομένων που πραγματοποιήθηκε (υποτμήμα 2.3).

'''2.1. Περιοχή και χρονικό πλαίσιο της μελέτης'''
Η Ciénaga de Mallorquín είναι η μόνη παράκτια λιμνοθάλασσα με εκβολές ποταμών στη βόρεια Κολομβία (βλ. Εικόνα 1) και παγκοσμίως σημαντική ως μέρος της περιοχής Ραμσάρ του συστήματος εκβολών του δέλτα του ποταμού Μαγδαλένα, Ciénaga Grande de Santa Marta (η δεύτερη μεγαλύτερη στην Κολομβία με 400.000 εκτάρια).
Η Ciénaga de Mallorquín αποτελεί ένα ρηχό υδάτινο σώμα με πλημμυρικές εκτάσεις, αμμώδεις περιοχές και μαγγρόβια. Η περιοχή μελέτης περικλείεται σε ένα πολύγωνο με συγκεκριμένες γεωγραφικές συντεταγμένες. Οι κοινότητες που ζουν εκεί χρησιμοποιούν τη λιμνοθάλασσα για την προμήθεια νερού, την αλιεία και τη μεταφορά. Αυτό το υδάτινο σώμα αποτελεί σημαντικό οικονομικό και τουριστικό πόρο για τους κατοίκους, που βασίζουν το εισόδημά τους σε αυτό. Ωστόσο, η μόλυνση με βαρέα μέταλλα από μια χωματερή στη γειτονιά Las Flores και η ανακατεύθυνση χειμάρρων προς τη λιμνοθάλασσα αποτελούν προβλήματα. Η περιοχή παρακολουθήθηκε για την περίοδο 2013-2022 με τον μέσο όρο των δεδομένων ανά εξάμηνο να ανακτάται για την περαιτέρω ανάλυση.

'''2.2. Συλλογή δεδομένων'''
Η μελέτη χρησιμοποίησε δορυφορικές εικόνες από το Landsat 8 Collection 2 Tier 1 TOA Reflectance dataset της NASA για να ανακτήσει δεδομένα για την περιοχή της Ciénaga de Mallorquín. Χρησιμοποιώντας την πλατφόρμα Google Earth Engine, ανακτήθηκαν δεδομένα για το πρώτο και το δεύτερο εξάμηνο των ετών 2013, 2018 και 2022 με ανάλυση 20 μέτρων και απορρίφθηκαν εικόνες με περισσότερο από 50% συννεφοκάλυψη. Με βάση αυτά τα δεδομένα, υπολογίστηκε ο κανονικοποιημένος δείκτης βλάστησης (NDVI) για τις φασματικές ζώνες NIR και κόκκινη. Συνδυάζοντας τις εικόνες για κάθε εξάμηνο, παρήχθη μία ενιαία εικόνα NDVI.

'''2.3 Ανάλυση δεδομένων'''
Για την ανάλυση των δεδομένων NDVI, χρησιμοποιήθηκε το λογισμικό R version 4.3.0, με τον πηγαίο κώδικα να είναι διαθέσιμος στο GitHub. Μετά τη συλλογή και δημιουργία των εικόνων NDVI ανά εξάμηνο, χρησιμοποιήθηκε το πακέτο R raster για την απεικόνισή τους, με τη χρήση παλέτας από κόκκινο σε πράσινο για ευκολότερη ερμηνεία των τιμών NDVI. Το πακέτο R tiff χρησιμοποιήθηκε για την πρόσβαση στις τιμές NDVI pixel-wise. Έγινε υπολογισμός των μέσων τιμών NDVI για κάθε εικόνα και απεικονίστηκαν σε γραφική παράσταση NDVI-vs-time για περαιτέρω ανάλυση. Η σύγκριση των μέσων τιμών NDVI ανά εξάμηνο πραγματοποιήθηκε χρησιμοποιώντας δύο μετρικές. Πρώτον, χρησιμοποιήθηκε ο Δείκτης Παρόμοιας Δομής (SSIM), με τη βοήθεια του πακέτου R SpatialPack, και δεύτερον χρησιμοποιήθηκε η μέση διαφορά pixel-wise, η οποία ποσοτικοποιεί την αλλαγή μεταξύ των μέσων τιμών NDVI για κάθε περίοδο. Για την αξιολόγηση της σημαντικότητας της μέσης διαφοράς pixel-wise, εφαρμόστηκε μια διαδικασία bootstrapping.

'''3. Αποτελέσματα και συζήτηση '''
Το Σχήμα 2 παρουσιάζει τις εικόνες NDVI ανά εξάμηνο, επιτρέποντας μια ποιοτική αντίθεση των μοτίβων NDVI. Παρατηρούνται διαφορές που υποδεικνύουν μείωση και αύξηση των τιμών NDVI κατά τη δεκαετή περίοδο παρατήρησης. Ωστόσο, απαιτείται μια ποσοτική ανάλυση για να μετρηθεί η έκταση αυτών των αλλαγών.
Το Σχήμα 3.α παρουσιάζει το γράφημα NDVI-vs-time, επιβεβαιώνοντας τα παρατηρούμενα μοτίβα. Υπολογίστηκαν ο δείκτης SSIM και η μέση διαφορά για περίοδο 2013-II, 2018-I, 2018-II, 2022-I και 2022-II έναντι του βασικού σεναρίου του 2013-I. Τα αποτελέσματα δείχνουν σημαντική διαφορά μεταξύ των τιμών NDVI στην περίοδο 2022-II και του βασικού σεναρίου.
Αυτά τα ευρήματα είναι σημαντικά για τους υπεύθυνους λήψης των αποφάσεων, ειδικά σε περιοχές που αντιμετωπίζουν έλλειψη πόρων και είναι ευάλωτες στην κλιματική αλλαγή. Επιπλέον, η προστασία των μαγκροβίων είναι σημαντική για την πρόληψη πλημμυρών και την προστασία της πόλης από καταστροφικά καιρικά φαινόμενα. Τα έργα για την προστασία της λιμνοθάλασσας έχουν άμεσα οφέλη στον τοπικό πληθυσμό, αυξάνοντας τις αποδόσεις από την αλιεία και τον τουρισμό.

'''4. Συμπεράσματα '''
Αυτή η μελέτη αξιολογεί την εξέλιξη της βιομάζας της βλάστησης στην περιοχή της Ciénaga de Mallorquín και του αστικού της περιβάλλοντος με χρήση ανάλυσης δεδομένων τηλεπισκόπησης. Οι μέσες τιμές NDVI ανά εξάμηνο μετρήθηκαν και συγκρίθηκαν για την περίοδο 2013-2022, αποκαλύπτοντας σημαντική μείωση του NDVI μεταξύ του 2013 και του 2018, ακολουθούμενη από ανάκαμψη μέχρι το 2022. Παρά την ανάκαμψη, τα επίπεδα του NDVI το 2022 παραμένουν χαμηλότερα από εκείνα του 2013. Τα προβλήματα του περιβάλλοντος στη λιμνοθάλασσα έχουν οδηγήσει σε αλλαγές με άμεσο αντίκτυπο στον κοντινό πληθυσμό. Οι αρχές εργάζονται σε έργα ανάκαμψης της λιμνοθάλασσας, που αναμένεται να ωφελήσουν τον τοπικό πληθυσμό και να προστατεύσουν την περιοχή. Μελλοντικές μελέτες πρέπει να επικεντρωθούν στην ολοκλήρωση περισσότερων περιβαλλοντικών μεταβλητών για να δημιουργηθεί μια πιο ολοκληρωμένη γνώση του περιβάλλοντος της λιμνοθάλασσας και της γύρω περιοχής.

[[category:ΔΠΜΣ ]]

Εξέλιξη της κατάστασης υγείας της βλάστησης του τοπίου σε ένα τροπικής παράκτιας λιμνοθάλασσας:..

2024-03-08T17:09:12Z

I christofaki:

'''Πρωτότυπος τίτλος:''' ''Evolution of the Landscape's Vegetation Health Condition in a Tropical Coastal Lagoon: A Remote Sensing Study in the Case of Northern Colombia ''

'''Συγγραφείς: ''' ''Eva Jaramillo, Ivan Portnoy,*, Ana C Torregroza-Espinosa, Paola Larios-Giraldo''

'''Πηγή:'''https://www.sciencedirect.com/science/article/pii/S1877050923022573

''' Περίληψη '''
Η μελέτη εστιάζεται στην ανάλυση της υγείας της βλάστησης στην παράκτια λιμνοθάλασσα Ciénaga de Mallorquín στη Βόρεια Κολομβία, χρησιμοποιώντας δορυφορικές εικόνες από την αποστολή Landsat 8 και προηγμένες τεχνικές ανάλυσης δεδομένων. Το κλειδί της μελέτης είναι ο κανονικοποιημένος δείκτης διαφοράς βλάστησης (NDVI), ο οποίος μετρά τη βιομάζα και την υγεία της βλάστησης. Τα αποτελέσματα δείχνουν μια σημαντική μείωση των τιμών NDVI μεταξύ του 2013 και του 2018, αλλά και μια φάση ανάκαμψης μεταξύ 2018 και 2022. Ωστόσο, οι τιμές NDVI του 2022 παραμένουν χαμηλότερες από εκείνες του 2013, υποδεικνύοντας την ανάγκη συνεχούς διατήρησης του οικοσυστήματος. Η μελέτη αποδεικνύει την αξία της τηλεπισκόπησης ως εργαλείο για την παρακολούθηση και τη διαχείριση αειφορικών πρακτικών σε τροπικά παράκτια οικοσυστήματα.

'''1. Εισαγωγή '''
Επικεντρώνοντας στην ανάλυση της υγείας της βλάστησης σε τροπικές παράκτιες λιμνοθάλασσες, με έμφαση στην ανάγκη για αποτελεσματική διατήρηση και διαχείριση τους γίνεται κατανοητό ότι η δυναμική αυτών των οικοσυστημάτων είναι κρίσιμη, ενώ η τηλεπισκόπηση παρέχει ισχυρό εργαλείο για τη μελέτη της βλάστησης και την ανίχνευση αλλαγών. Η έρευνα εστιάζει σε μια παράκτια λιμνοθάλασσα στη Βόρεια Κολομβία και αναδεικνύει τη σημασία της διατήρησης της υγείας της βλάστησης σε αυτό το περιβάλλον, παρά τις πιέσεις που ασκούνται από την ανθρώπινη δραστηριότητα και την κλιματική αλλαγή.

'''2. Μέθοδοι '''
Στην παρούσα ενότητα παρέχεται λεπτομερής περιγραφή της περιοχής και του χρονικού πλαισίου της μελέτης (υποενότητα 2.1), της συλλογής δεδομένων διαδικασία (υποτμήμα 2.2), καθώς και η ανάλυση των δεδομένων που πραγματοποιήθηκε (υποτμήμα 2.3).

'''2.1. Περιοχή και χρονικό πλαίσιο της μελέτης'''
Η Ciénaga de Mallorquín είναι η μόνη παράκτια λιμνοθάλασσα με εκβολές ποταμών στη βόρεια Κολομβία (βλ. Εικόνα 1) και παγκοσμίως σημαντική ως μέρος της περιοχής Ραμσάρ του συστήματος εκβολών του δέλτα του ποταμού Μαγδαλένα, Ciénaga Grande de Santa Marta (η δεύτερη μεγαλύτερη στην Κολομβία με 400.000 εκτάρια).
Η Ciénaga de Mallorquín αποτελεί ένα ρηχό υδάτινο σώμα με πλημμυρικές εκτάσεις, αμμώδεις περιοχές και μαγγρόβια. Η περιοχή μελέτης περικλείεται σε ένα πολύγωνο με συγκεκριμένες γεωγραφικές συντεταγμένες. Οι κοινότητες που ζουν εκεί χρησιμοποιούν τη λιμνοθάλασσα για την προμήθεια νερού, την αλιεία και τη μεταφορά. Αυτό το υδάτινο σώμα αποτελεί σημαντικό οικονομικό και τουριστικό πόρο για τους κατοίκους, που βασίζουν το εισόδημά τους σε αυτό. Ωστόσο, η μόλυνση με βαρέα μέταλλα από μια χωματερή στη γειτονιά Las Flores και η ανακατεύθυνση χειμάρρων προς τη λιμνοθάλασσα αποτελούν προβλήματα. Η περιοχή παρακολουθήθηκε για την περίοδο 2013-2022 με τον μέσο όρο των δεδομένων ανά εξάμηνο να ανακτάται για την περαιτέρω ανάλυση.

'''2.2. Συλλογή δεδομένων'''
Η μελέτη χρησιμοποίησε δορυφορικές εικόνες από το Landsat 8 Collection 2 Tier 1 TOA Reflectance dataset της NASA για να ανακτήσει δεδομένα για την περιοχή της Ciénaga de Mallorquín. Χρησιμοποιώντας την πλατφόρμα Google Earth Engine, ανακτήθηκαν δεδομένα για το πρώτο και το δεύτερο εξάμηνο των ετών 2013, 2018 και 2022 με ανάλυση 20 μέτρων και απορρίφθηκαν εικόνες με περισσότερο από 50% συννεφοκάλυψη. Με βάση αυτά τα δεδομένα, υπολογίστηκε ο κανονικοποιημένος δείκτης βλάστησης (NDVI) για τις φασματικές ζώνες NIR και κόκκινη. Συνδυάζοντας τις εικόνες για κάθε εξάμηνο, παρήχθη μία ενιαία εικόνα NDVI.

'''2.3 Ανάλυση δεδομένων'''
Για την ανάλυση των δεδομένων NDVI, χρησιμοποιήθηκε το λογισμικό R version 4.3.0, με τον πηγαίο κώδικα να είναι διαθέσιμος στο GitHub. Μετά τη συλλογή και δημιουργία των εικόνων NDVI ανά εξάμηνο, χρησιμοποιήθηκε το πακέτο R raster για την απεικόνισή τους, με τη χρήση παλέτας από κόκκινο σε πράσινο για ευκολότερη ερμηνεία των τιμών NDVI. Το πακέτο R tiff χρησιμοποιήθηκε για την πρόσβαση στις τιμές NDVI pixel-wise. Έγινε υπολογισμός των μέσων τιμών NDVI για κάθε εικόνα και απεικονίστηκαν σε γραφική παράσταση NDVI-vs-time για περαιτέρω ανάλυση. Η σύγκριση των μέσων τιμών NDVI ανά εξάμηνο πραγματοποιήθηκε χρησιμοποιώντας δύο μετρικές. Πρώτον, χρησιμοποιήθηκε ο Δείκτης Παρόμοιας Δομής (SSIM), με τη βοήθεια του πακέτου R SpatialPack, και δεύτερον χρησιμοποιήθηκε η μέση διαφορά pixel-wise, η οποία ποσοτικοποιεί την αλλαγή μεταξύ των μέσων τιμών NDVI για κάθε περίοδο. Για την αξιολόγηση της σημαντικότητας της μέσης διαφοράς pixel-wise, εφαρμόστηκε μια διαδικασία bootstrapping.

'''3. Αποτελέσματα και συζήτηση '''
Το Σχήμα 2 παρουσιάζει τις εικόνες NDVI ανά εξάμηνο, επιτρέποντας μια ποιοτική αντίθεση των μοτίβων NDVI. Παρατηρούνται διαφορές που υποδεικνύουν μείωση και αύξηση των τιμών NDVI κατά τη δεκαετή περίοδο παρατήρησης. Ωστόσο, απαιτείται μια ποσοτική ανάλυση για να μετρηθεί η έκταση αυτών των αλλαγών.
Το Σχήμα 3.α παρουσιάζει το γράφημα NDVI-vs-time, επιβεβαιώνοντας τα παρατηρούμενα μοτίβα. Υπολογίστηκαν ο δείκτης SSIM και η μέση διαφορά για περίοδο 2013-II, 2018-I, 2018-II, 2022-I και 2022-II έναντι του βασικού σεναρίου του 2013-I. Τα αποτελέσματα δείχνουν σημαντική διαφορά μεταξύ των τιμών NDVI στην περίοδο 2022-II και του βασικού σεναρίου.
Αυτά τα ευρήματα είναι σημαντικά για τους υπεύθυνους λήψης των αποφάσεων, ειδικά σε περιοχές που αντιμετωπίζουν έλλειψη πόρων και είναι ευάλωτες στην κλιματική αλλαγή. Επιπλέον, η προστασία των μαγκροβίων είναι σημαντική για την πρόληψη πλημμυρών και την προστασία της πόλης από καταστροφικά καιρικά φαινόμενα. Τα έργα για την προστασία της λιμνοθάλασσας έχουν άμεσα οφέλη στον τοπικό πληθυσμό, αυξάνοντας τις αποδόσεις από την αλιεία και τον τουρισμό.

'''4. Συμπεράσματα '''
Αυτή η μελέτη αξιολογεί την εξέλιξη της βιομάζας της βλάστησης στην περιοχή της Ciénaga de Mallorquín και του αστικού της περιβάλλοντος με χρήση ανάλυσης δεδομένων τηλεπισκόπησης. Οι μέσες τιμές NDVI ανά εξάμηνο μετρήθηκαν και συγκρίθηκαν για την περίοδο 2013-2022, αποκαλύπτοντας σημαντική μείωση του NDVI μεταξύ του 2013 και του 2018, ακολουθούμενη από ανάκαμψη μέχρι το 2022. Παρά την ανάκαμψη, τα επίπεδα του NDVI το 2022 παραμένουν χαμηλότερα από εκείνα του 2013. Τα προβλήματα του περιβάλλοντος στη λιμνοθάλασσα έχουν οδηγήσει σε αλλαγές με άμεσο αντίκτυπο στον κοντινό πληθυσμό. Οι αρχές εργάζονται σε έργα ανάκαμψης της λιμνοθάλασσας, που αναμένεται να ωφελήσουν τον τοπικό πληθυσμό και να προστατεύσουν την περιοχή. Μελλοντικές μελέτες πρέπει να επικεντρωθούν στην ολοκλήρωση περισσότερων περιβαλλοντικών μεταβλητών για να δημιουργηθεί μια πιο ολοκληρωμένη γνώση του περιβάλλοντος της λιμνοθάλασσας και της γύρω περιοχής.

[[category:ΔΠΜΣ ]]

Εξέλιξη της κατάστασης υγείας της βλάστησης του τοπίου σε ένα τροπικής παράκτιας λιμνοθάλασσας:..

2024-03-08T17:02:59Z

I christofaki: Νέα σελίδα με ''''Πρωτότυπος τίτλος:''' ''Evolution of the Landscape's Vegetation Health Condition in a Tropical Coastal Lagoon: A Remote Sensing Study in the Case of Nor...'

Χριστοφάκη Ειρήνη

2024-03-08T16:58:19Z

I christofaki:

[[Θερμική υπέρυθρη τηλεπισκόπηση της αστικής θερμότητας: Hotspots, βλάστηση και αξιολόγηση τεχνικών για χρήση στον αστικό σχεδιασμό]]

[[Τηλεπισκόπηση θερμικού περιβάλλοντος εσωτερικού χώρου από το εξωτερικό του κτιρίου μέσω ανοίγματος παραθύρου με χρήση κάμερας υπερύθρων]]

[[Οι επιπτώσεις της αστικής μορφολογίας στις αστικές θερμικές νησίδες σε κατοικημένες περιοχές: Erzurum, Τουρκία]]

[[Εξέλιξη της κατάστασης υγείας της βλάστησης του τοπίου σε ένα τροπικής παράκτιας λιμνοθάλασσας:..]]

[[...]]

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

Οι επιπτώσεις της αστικής μορφολογίας στις αστικές θερμικές νησίδες σε κατοικημένες περιοχές: Erzurum, Τουρκία

2024-03-08T16:55:12Z

I christofaki:

'''Πρωτότυπος τίτλος:''' ''The Impacts of Urban Morphology on Urban Heat Islands in Housing Areas: The Case of Erzurum, Turkey ''

'''Συγγραφείς: ''' ''by Cansu Güller and Süleyman Toy''

'''Πηγή:''' https://www.mdpi.com/2071-1050/16/2/791

''' Περίληψη '''
Η παρούσα μελέτη εξετάζει τη σχέση μεταξύ της αστικής μορφολογίας και της έντασης των Urban Heat Islands (UHI) σε διάφορες περιοχές κατοικίας στην πόλη της Ερζουρούμ στην Τουρκία. Βρέθηκε ότι τα UHI επηρεάζονται από παράγοντες όπως τα δίκτυα δρόμων, οι κτιριακές δομές και η χρήση του εδάφους. Προτείνεται τη βελτιστοποίηση της αστικής μορφολογίας για τη μείωση των UHI, υπογραμμίζοντας τη σημασία της χρήσης συγκεκριμένων δεικτών και της χωρικής ειδικότητας στον σχεδιασμό και τον στρατηγικό σχεδιασμό των πόλεων για την αντιμετώπιση των κλιματικών προκλήσεων.

'''1.Εισαγωγή '''
Τα τελευταία χρόνια, τα ακραία καιρικά φαινόμενα, τα οποία προκαλούνται από την κλιματική αλλαγή, έχουν αναδειχθεί ως επείγουσες απειλές για τις κοινότητες. Η διαδικασία της αστικοποίησης συνεισφέρει σημαντικά στην κλιματική αλλαγή, με τον τρόπο που καταναλώνει ενέργεια και μολύνει την αστική ατμόσφαιρα, καθώς και με τον τρόπο που μετατρέπει σταδιακά φυσικές επιφάνειες της γης σε αδιαπέραστες. Οι αστικές επιφάνειες συνεχίζουν να διευρύνονται μέσα στις πόλεις, αλλάζοντας την αστική δομή και μορφολογία για να προσαρμοστούν στην αύξηση του πληθυσμού. Η επέκταση αυτή επηρεάζει σημαντικά το κλίμα μέσω του φαινομένου του νησιού θερμότητας της πόλης. Τα νησιά θερμότητας χαρακτηρίζουν τη διακριτή μεταβολή της θερμοκρασίας μεταξύ των μικροκλιμάτων μέσα σε μια πόλη και τις γύρω περιοχές. Η επέκταση των πόλεων έχει ενισχύσει αυτό το φαινόμενο, συμβάλλοντας στην αύξηση της κατανάλωσης ενέργειας, την επιδείνωση της μόλυνσης και τις δυσμενείς επιπτώσεις στη δημόσια υγεία και ευημερία. Επομένως, η άμεση αντιμετώπιση αυτού του φαινομένου είναι κρίσιμη, απαιτώντας μια σφαιρική κατανόηση των παραγόντων που επηρεάζουν τα νησιά θερμότητας για την αποτελεσματική μείωση των επιβλαβών τους επιπτώσεων.

'''2.Υλικα και μέθοδοι'''

'''2.1 Περιοχή σπουδών'''
Η μελέτη επιλέγει τρεις διαφορετικές περιοχές κατοικίας με διαφορετικά μορφολογικά πρότυπα στο κέντρο της Ερζουρούμ, Τουρκία. Αναλύονται οι μετρήσεις ηλιακής ακτινοβολίας και θερμοκρασίας για τις περιοχές αυτές. Το μελετώμενο έργο εστιάζει στην εξέταση της επίδρασης των μορφολογικών στοιχείων της πόλης στη δημιουργία των νησιών θερμότητας.
Η μελέτη εξετάζει τρεις διαφορετικές περιοχές κατοικίας στο κέντρο της Ερζουρούμ, Τουρκία, με διαφορετικά μορφολογικά χαρακτηριστικά. (εικ.1)

[[Αρχείο:εικονα 1 a3.jpg‎]]

''Εικ.1. α) Τύπος κάλυψης γης β) συντελεστής εκπομπής σε όλη την πόλη Port Phillip.''

Οι περιοχές αυτές έχουν αναπτυχθεί κατά τη διάρκεια του Σχεδίου Ανάπτυξης του 1967 και διαφέρουν σημαντικά στο ύψος, τη μορφή και τη διάταξη των κτιρίων, καθώς και στον σχεδιασμό των δρόμων. Η περιοχή Dadaşkent έχει υποστεί γρήγορη ανάπτυξη με υψηλά κτίρια και ευθύγραμμο οδικό δίκτυο, ενώ οι περιοχές Yenişehir και Yıldızkent έχουν χαρακτηριστεί από μεσαίας ύψους κτίρια και σχεδιασμό που επικεντρώνεται στην ισορροπία μεταξύ ανοικτών και κλειστών χώρων. Τέλος, η περιοχή Kayakyolu παρουσιάζει ένα μοναδικό συνδυασμό από χαρακτηριστικά όπως ασχεδίαστα χαμηλά κτίρια, υποβαθμισμένα δρόμους και σχεδιασμένα ψηλά κτίρια, παρά την ανάπτυξή της μετά την εισαγωγή του σχεδίου Ζεκί Υαπάρ. Η μελέτη επικεντρώνεται στην επίδραση αυτών των μορφολογικών χαρακτηριστικών στις θερμικές συνθήκες της περιοχής.

'''2.2 Χρονική περίοδος'''
Για τη μελέτη επιλέχθηκε η περίοδος του Ιουλίου 2022 λόγω της συχνής αίθριας κατάστασης του ουρανού. Ειδικότερα, η 15η Ιουλίου επιλέχθηκε λόγω του πολύ χαμηλού ποσοστού νεφώσεως και της βέλτιστης ποιότητας εικόνας. Η ημερομηνία αυτή χαρακτηρίζεται από μηνιαία μέγιστη θερμοκρασία 33 °C και ελάχιστη θερμοκρασία 14 °C, σύμφωνα με τα μετεωρολογικά δεδομένα από την Ερζουρούμ.

'''2.3. Υλικά'''
Χρησιμοποιήθηκαν δεδομένα από τηλεπισκόπηση μέσω του Landsat 8 Operational Land Imager (OLI) της Αμερικανικής Υπηρεσίας Γεωλογικής Εξέτασης (USGS). Τα δεδομένα του Landsat-8 OLI καταγράφηκαν κατά τη διάρκεια της ημέρας του καλοκαιριού τον Ιούλιο του 2022, στις 07:56. Η ανάλυση περιλάμβανε τον υπολογισμό των δεικτών NDBI, NDVI και LST.
Τα δεδομένα για το οδικό δίκτυο ελήφθησαν από δύο κύριες πηγές: το Open Street Map (OSM) και τη βάση δεδομένων της Γενικής Διεύθυνσης Υψηλών Οδών, γνωστή ως Atlas. Η εμπιστοσύνη στις πληροφορίες επαληθεύτηκε μέσω πρόσθετων πηγών, όπως οι Google Maps, Google Streets και οι δρόμοι του Environmental System Research Institute (ESRI). Τα δεδομένα αυτά ενσωματώθηκαν στο περιβάλλον GIS για να παραχθεί μια συνολική χαρτογράφηση.
Επιπλέον, πραγματοποιήθηκε πεδίο ερευνών για την εντοπισμό των περιοχών κατοικιών και των πράσινων χώρων σε κάθε περιοχή κατοικίας (HA). Αν και η μελέτη περιλαμβάνει πράσινους χώρους γνωστούς για τον αποτελεσματικό δροσισμό τους, η επίδρασή τους αποκλείστηκε από την ανάλυση για να διασφαλιστεί η ακρίβεια των αποτελεσμάτων.
Τέλος, τα ύψη και οι μορφές των κτιρίων ταξινομήθηκαν σε οκτώ κατηγορίες, και στα οκτώ διαφορετικά σημεία ελέγχου καταγράφηκαν εικόνες από τον ουρανό, ώστε να εξεταστεί η επίδραση τους στην ανάπτυξη

'''2.4. Μεθοδολογία'''
Η γενική διαδικασία μεθοδολογίας δίνεται στην εικ.2.

[[Αρχείο:εικονα 2 a3.jpg‎]]

''Εικ. 2. Διάγραμμα ροής της μεθόδου.''

'''2.4.1.Ανάλυση θερμοκρασίας στην επιφάνεια του εδάφους'''
Οι υπολογισμοί της Θερμοκρασίας της Επιφάνειας της Γης (LST) αποτελούν σημαντική τεχνική για την επισήμανση της χωρικής διανομής του φαινομένου του UHI (Urban Heat Island), το οποίο έχει μελετηθεί εκτενώς στη βιβλιογραφία. Η εξίσωση του NDVI είναι κρίσιμη κατά τον υπολογισμό της LST, ειδικά λόγω της γνωστής ικανότητας των πράσινων αστικών χώρων να ανακουφίζουν τη θερμοκρασία της επιφάνειας.
Για την ανάλυση της LST χρησιμοποιήθηκε το λογισμικό QGIS 3.12, ενώ για τους υπολογισμούς χρησιμοποιήθηκε το εργαλείο raster calculator για την μετατροπή των δεδομένων από τις ζώνες του Landsat 8 OLI. Η ζώνη 10 από τους δύο θερμικούς αισθητήρες υπερύθρων (TIRS) επιλέχθηκε ειδικά λόγω της υψηλότερης ακρίβειας των υπολογισμών LST. Μετά τη μετατροπή των τιμών DN σε ακτινοβολία στην κορυφή της ατμόσφαιρας (TOA), οι τιμές της θερμοκρασίας φωτεινότητας (BT) υπολογίστηκαν χρησιμοποιώντας τις θερμικές σταθερές που παρέχονται στα μεταδεδομένα.
Οι υπολογισμοί του NDVI είναι απαραίτητοι για τον προσδιορισμό του Pv (αναλογία φυτοκάλυψης) και του εκπομπού (ε) που χρησιμοποιούνται στους υπολογισμούς της LST. Τέλος, η LST υπολογίζεται χρησιμοποιώντας την εξίσωση που συνδυάζει το BT, το NDVI και το ε, ανάλογα με τον τύπο χρήσης της γης.

'''2.4.2. Ανάλυση σύνταξης χώρου'''
Η ανάλυση Space Syntax εξετάζει τα οδικά δίκτυα για να ορίσει με ακρίβεια τους αστικούς χώρους με βάση τα μορφολογικά χαρακτηριστικά που υπολογίζονται ποσοτικά με βάση τις συνδέσεις που φαίνονται στους χάρτες τομέων. Στην αστική κλίμακα, οι άξονες αντιπροσωπεύουν τμήματα δρόμων, και η Space Syntax εστιάζει στην τοπολογική διάσταση του οδικού δικτύου, ειδικά στο πώς αλληλεπιδρούν οι άξονες. Ο βαθμός ολοκλήρωσης αξιολογεί το βαθμό με τον οποίο το αρχικό τμήμα ενσωματώνεται στο γενικό σύστημα, με μεγαλύτερη ολοκλήρωση που υποδεικνύει μεγαλύτερο αριθμό συνδέσεων στο δίκτυο.
Η ανάλυση του Space Syntax πραγματοποιήθηκε χρησιμοποιώντας το λογισμικό DepthmapX (έκδοση 0.8.0). Αρχικά, δημιουργήθηκε ένας άξονας χάρτη της πόλης Ερζουρούμ στο QGIS 3.12. Στη συνέχεια, τα δεδομένα υποβλήθηκαν σε ανάλυση γωνιών τμήματος μέσα στο λογισμικό DepthmapX μετά τη μετατροπή τους σε μορφή shapefile.
Η Space Syntax βασίζεται σε τέσσερα βήματα που απεικονίζονται στην εικ.3 : (i) ο δρόμος προτύπου μετατρέπεται σε άξονα χάρτη, (ii) ο άξονας χάρτη μετατρέπεται σε δυαδικό γράφημα, (iii) υπολογίζεται η ολοκλήρωση κάθε κόμβου στο γράφημα ολοκλήρωσης, και (iv) οι τιμές χρωματίζονται και χαρτογραφούνται πίσω στον άξονα χάρτη, δημιουργώντας μια τελική αναπαράσταση χρωματικής κωδικοποίησης.

[[Αρχείο:εικονα 3 a3.jpg‎]]

''Εικ. 3. Διάγραμμα των βασικών βημάτων του Space Syntax. (1) μοτίβο δρόμου, (2) αξονικός χάρτης, (3) δυαδικός γράφος, (4) χάρτης ολοκλήρωσης.''

'''2.4.3. Φωτογραφική ανάλυση του συντελεστή Sky View'''
Οπτικές και φωτογραφικές τεχνικές χρησιμεύουν ως μέσα για την καθορισμό του SVF. Η φωτογραφική μεθοδολογία περιλαμβάνει τη χρήση ενός φακού fisheye για τη λήψη εικόνων αστικών φαραγγιών. Δεδομένου ότι δεν υπάρχει κανονισμένο ύψος για τη λήψη εικόνων SVF, οι εικόνες ελήφθησαν σε αυτή τη μελέτη το καλοκαίρι και κατά τη διάρκεια συνθηκών αίθριου και καθαρού ουρανού. Το λογισμικό Adobe Photoshop (έκδοση CS6) χρησιμοποιήθηκε για τον υπολογισμό των τιμών SVF από αυτές τις εικόνες. Αυτή η προσέγγιση εντόπισε αποτελεσματικά το SVF, ακόμη και σε εικόνες που τραβήχτηκαν κάτω από θόλους δέντρων, διακρίνοντας τον γαλάζιο ουρανό ανάμεσα σε κλαδιά και φύλλα. Μετά την ακριβή επιλογή του χρώματος του ουρανού, προσδιορίστηκε ο συνολικός αριθμός όλων των ορατών pixel στην εικόνα του φακού fisheye (β) και ο αριθμός των pixel που αντιπροσωπεύουν τον ορατό ουρανό (α). Και οι δύο μετρήσεις pixel καταγράφηκαν στο Microsoft Excel και οι τιμές SVF υπολογίστηκαν χρησιμοποιώντας την εξίσωση α/β σύμφωνα με τη μεθοδολογία που περιγράφεται στο Debbage

'''2.4.4. Ανάλυση NDBI και NDVI'''
Η χρήση των καναλιών Landsat επιτρέπει την αξιολόγηση δεικτών πυκνότητας χρήσης της γης (NDVI και NDBI) χρησιμοποιώντας διάφορες μεθόδους. Οι τεχνικές δεικτών φασματικής ανάλυσης βασίζονται στις ιδιότητες του ηλεκτρομαγνητικού φάσματος και στη φασματική συμπεριφορά των αστικών τοπίων όσον αφορά την απορρόφηση ή ανάκλαση. Στο πλαίσιο αυτό, οι χτισμένες περιοχές και οι ξερές εκτάσεις τείνουν να αντανακλούν περισσότερη ενέργεια στο μέσο υπέρυθρο (SWIR) σε σύγκριση με το εγγύς υπερύθρο (NIR). Αντίθετα, οι υδάτινες επιφάνειες δεν αντανακλούν στο υπερύθρο φάσμα. Οι υγιείς πράσινες επιφάνειες εμφανίζουν τυπικά υψηλότερη ανάκλαση στο NIR φάσμα σε σύγκριση με το SWIR φάσμα. Αυτές οι διαφορετικές ζώνες εντός των εικόνων δορυφόρου αντιπροσωπεύουν διάφορα μήκη κύματος του ηλεκτρομαγνητικού φάσματος, σχηματίζοντας τη βάση για διάφορες μεθόδους δεικτών φασματικής ανάλυσης και τους αντίστοιχους τους τύπους και μεθόδους υπολογισμού. Η εκτίμηση του NDVI είναι ένας από τους πιο διαδεδομένους δείκτες πυκνότητας χρήσης της γης για την αξιολόγηση της πυκνότητας των φυτών. Ο NDVI υπολογίζεται χρησιμοποιώντας την υψηλή ανάκλαση στο NIR και την υψηλή απορρόφηση στο κόκκινο φάσμα, ενώ, η χρήση του NDBI αναδεικνύει την πυκνότητα των χτισμάτων μεταξύ διαφορετικών κατηγοριών χρήσης γης

'''3. Αποτελέσματα'''

'''3.1. Αποτελέσματα της ανάλυσης της θερμοκρασίας της επιφάνειας του εδάφους'''
Οι περιοχές μελέτης έδειξαν μια χωρική κατανομή της LST στις περιοχές μελέτης με τιμές που κυμαίνονται από 41,86 °C έως 68,66 °C. Επισημαίνεται ότι η υψηλότερη τιμή LST καταγράφηκε στην HA2, όπου υπάρχουν συγκροτήματα με πολυώροφα κτίρια. Αντίθετα, τα κτίρια μεσαίων και χαμηλών ορόφων στις HA1 και HA3 εμφάνισαν σχετικά χαμηλότερες τιμές LST.

[[Αρχείο:εικονα 4 a3.jpg‎]]

''Εικ. 4. Χωρική κατανομή της LST στις περιοχές μελέτης.''

Η ανάλυση της LST ανέδειξε ότι η μέση τιμή LST στην HA2 ήταν η υψηλότερη (64,96 °C), ενώ ακολούθησαν η HA1 (64,44 °C) και η HA3 (63,97 °C).

[[Αρχείο:table 1 a3.jpg‎]]

''Πίνακας 1. Αποτελέσματα του τεστ πολλαπλών συγκρίσεων Duncan των τιμών LST για τα HA στην περιοχή μελέτης.''

Τα ευρήματα της ανάλυσης LISA έδειξαν μοτίβα ομαδοποίησης της LST στις HA1 και HA2, αλλά όχι στην HA3. Συγκεκριμένα, στην HA1 παρατηρήθηκαν συστάδες με χαμηλές τιμές στο βόρειο τμήμα και υψηλές τιμές στο νότιο τμήμα. Επίσης, στην HA2, το νότιο τμήμα με τα υψηλά πολυώροφα κτίρια εμφάνισε συστάδες με υψηλές τιμές, ενώ το βορειοδυτικό τμήμα είχε συστάδες με χαμηλές τιμές.

[[Αρχείο:εικονα 5 a3.jpg‎]]

''Εικ. 5. Τοπικοί δείκτες της ανάλυσης χωρικών συσχετίσεων.''

'''3.2. Αποτελέσματα της ανάλυσης space syntax'''
Η εικόνα 6 παρουσιάζει τον δείκτη ολοκλήρωσης του οδικού δικτύου της Έρζουρου, αναπαριστώντας τις τιμές ολοκλήρωσης σε διάφορες αποχρώσεις. Παρατηρείται ότι οι περιοχές με διαφορετικό επίπεδο ολοκλήρωσης είναι διακριτές, με τον κύριο άξονα να δείχνει υψηλότερη ολοκλήρωση σε σχέση με την περιφέρεια της πόλης. Οι τρεις περιοχές μελέτης έδειξαν
διαφορετικά επίπεδα ολοκλήρωσης, με το HA2 να ξεχωρίζει για την υψηλότερη ολοκλήρωση ενώ το ΗΑ1 παρουσίασε ολοκληρωμένες περιοχές στις βόρειες και νότιες περιοχές με την ολοκλήρωση να μειώνεται προς την περιφέρεια. Στο HA3, παρατηρήθηκε υψηλότερο επίπεδο ολοκλήρωσης στους βόρειους τομείς, με την ολοκλήρωση να μειώνεται προς τις νότιες περιοχές.

[[Αρχείο:eikona 6 a3.jpg‎]]

''Εικ. 6. Ο δείκτης ολοκλήρωσης των αξονικών γραμμών.''

'''3.3. Αποτελέσματα της ανάλυσης NDVI και NDBI'''
Ο Πίνακας 2 και ο Πίνακας 3 παρέχουν στατιστικές πληροφορίες για τις τιμές NDBI και NDVI στα τρία διαφορετικά HA. Από αυτούς τους πίνακες προκύπτει ότι το HA2 διαθέτει υψηλότερο NDBI, υποδεικνύοντας περισσότερες χτισμένες περιοχές σε σύγκριση με τα άλλα δύο, μαζί με χαμηλότερο ποσοστό πρασίνου. Αντίθετα, το HA1, που κυριαρχείται από μονοκατοικίες, εμφάνισε χαμηλότερες χτισμένες περιοχές και υψηλότερο ποσοστό πρασίνου. Οι χάρτες που απεικονίζουν τις κατανομές του NDBI και του NDVI (Σχήμα 7) δείχνουν εμφανώς τις διαφορές στις τιμές των δεικτών μεταξύ των διαφορετικών ΗΑ. Η τιμή NDVI στη δημόσια ζώνη στο βορειοδυτικό τμήμα του HA2 φαινόταν υψηλότερη λόγω των ενεργών κατασκευαστικών έργων για μια νέα περιοχή κατοικιών. Ωστόσο, αυτή η συγκεκριμένη περιοχή αποκλείστηκε από τη μελέτη, επικεντρώνοντας την προσοχή μόνο στα δεδομένα από τις υφιστάμενες κατοικημένες περιοχές.

[[Αρχείο:εικονα 7 a3.jpg‎]]

''Εικ. 7. Χάρτες NDBI και NDVI.''

[[Αρχείο:table 2 a3.jpg‎]]

''Πίνακας 2. Στατιστικά δεδομένα του NDBI για τα HA.''

[[Αρχείο:table 3 a3.jpg‎]]

''Πίνακας 3. Στατιστικά δεδομένα του NDVI για τα HAs.''

'''3.4. Αποτελέσματα της φωτογραφικής ανάλυσης του συντελεστή Sky View'''
Τα τρία διαφορετικά αστικά τμήματα παρουσίασαν διαφορετικά μορφολογικά χαρακτηριστικά, με το HA1 να έχει μεσαίου ύψους διαμερίσματα στο βόρειο μέρος και μονοκατοικίες στο νότιο, το HA2 να διαθέτει μεσαίου ύψους οικοδομικά τετράγωνα στο βόρειο τμήμα και συγκροτήματα με πολυόροφα κτίρια στο νότιο, ενώ το HA3 να παρουσιάζει ποικιλία από χαμηλές, ακανόνιστες κατοικίες στο νότιο μέρος και πολυώροφα διαμερίσματα στο νοτιοδυτικό. Η ανάλυση SVF αποκάλυψε ότι τα πολυώροφα διαμερίσματα είχαν χαμηλότερες τιμές SVF, ενώ τα χαμηλά κτίρια είχαν υψηλότερες τιμές SVF. Οι αυλές και τα γραμμικά μπλοκ συνήθως εμφάνιζαν υψηλότερες τιμές SVF. Τέλος, παρατηρήθηκαν διακριτά μοτίβα στην SVF μεταξύ διαφόρων κτιρίων, υπογραμμίζοντας την επίδραση των μορφών κατοικιών και των υψών τους στην SVF.

[[Αρχείο:εικονα 8 a3.jpg‎]]

''Εικ. 8. Ανάλυση SVF διαφορετικών τυπολογιών κατοικιών.''

'''3.5. Αποτελέσματα της ανάλυσης συσχέτισης μεταξύ της ολοκλήρωσης (Space Syntax), SVF, NDVI, NDBI και LST'''
Η μελέτη εξέτασε τις συσχετίσεις μεταξύ της θερμοκρασίας επιφάνειας της γης (LST) και δεικτών μορφολογίας σε τρία διαφορετικά Χωροταξικά Περιβάλλοντα (HA). Τα αποτελέσματα της ανάλυσης Pearson ανέδειξαν διαφορετικά χαρακτηριστικά μεταξύ των HA. Παρατηρήθηκε ότι οι τιμές LST τείνουν να αυξάνονται με υψηλότερες τιμές του δείκτη NDBI και να μειώνονται με υψηλότερες τιμές του δείκτη NDVI. Συγκεκριμένα, στα HA1 και HA2 παρατηρήθηκε έντονη θετική συσχέτιση μεταξύ NDBI και LST, ενώ το NDVI είχε σημαντική αρνητική επίδραση στο LST και στα δύο αυτά HA. Αντίθετα, στο HA3 δεν παρατηρήθηκε σημαντική συσχέτιση μεταξύ NDBI, NDVI και LST.
Το HA3 ξεχώρισε λόγω της μικτής μορφής κτιρίων, με χαμηλά κτίρια και πολυώροφες πολυκατοικίες. Η ποικιλομορφία αυτή οδήγησε σε διαφορετικές τιμές LST που δεν εξαρτώνταν αποκλειστικά από τους δείκτες NDBI και NDVI. Έτσι, η ανάλυση του δείκτη SVF αποδείχθηκε σημαντική για την κατανόηση των μεταβολών του LST. Οι διαφορετικοί τύποι κτιρίων επηρέαζαν σημαντικά το SVF, ιδίως στο HA3, με τον δείκτη SVF να εμφανίζει θετική συσχέτιση με το LST σε αυτό το HA.

[[Αρχείο:table 4 a3.jpg‎]]

''Πίνακας 4. Αποτελέσματα των αναλύσεων συσχέτισης μεταξύ SVF και LST σε HAs.''

Αντίθετα, στο HA2, όπου κυριαρχούσαν πολυώροφα κτίρια, παρατηρήθηκαν εξαιρετικά χαμηλές τιμές SVF. Παρά την μειωμένη πρόσληψη ηλιακής ακτινοβολίας λόγω του χαμηλού SVF, παρατηρήθηκε υψηλό επίπεδο γήινης ακτινοβολίας, οδηγώντας σε αύξηση του LST. Η συνεργασία μεταξύ του εξαιρετικά χαμηλού SVF και των μειωμένων τιμών NDVI στο HA2 συνέβαλε στην αύξηση του LST. Επιπλέον, ο δείκτης ολοκλήρωσης έδειξε συσχέτιση με το LST σε όλα τα HA, όπου μειωμένες τιμές δείκτη ολοκλήρωσης συνδέονταν με χαμηλότερες τιμές LST. Αυτή η συσχέτιση μπορεί να αποδοθεί σε αυξημένη σκίαση σε ενσωματωμένες περιοχές.

[[Αρχείο:table 5 a3.jpg‎]]

''Πίνακας 5. Αποτελέσματα των αναλύσεων συσχέτισης μεταξύ πολλαπλών αστικών μορφολογικών δεικτών στο HA1.''

[[Αρχείο:table 6 a3.jpg‎]]

''Πίνακας 6. Αποτελέσματα των αναλύσεων συσχέτισης μεταξύ πολλαπλών αστικών μορφολογικών δεικτών στο HA2.''

[[Αρχείο:table 7 a3.jpg‎]]

''Πίνακας 7. Αποτελέσματα των αναλύσεων συσχέτισης μεταξύ πολλαπλών αστικών μορφολογικών δεικτών στο HA3.''

'''4. Συζήτηση'''
Τα ευρήματα της μελέτης αυτής δείχνουν ότι τα Χωροταξικά Περιβάλλοντα (HA) που χαρακτηρίζονται από υψηλή πυκνότητα και υψηλά κτίρια βιώνουν υψηλότερη θερμοκρασία επιφάνειας του εδάφους (LST) το καλοκαίρι σε σύγκριση με τα HA που έχουν λιγότερα, μεσαίου ύψους και χαμηλά κτίρια. Αυτή η παρατήρηση είναι συμβατή με προηγούμενες μελέτες που εξετάζουν τη σχέση μεταξύ LST και αστικής μορφολογίας. Η σημασία των μορφολογικών χαρακτηριστικών στα HA δεν μπορεί να υποτιμηθεί, καθώς επηρεάζουν το μικροκλίμα και συμβάλλουν τελικά στην αύξηση της LST. Η ανάλυση Space Syntax δείχνει ότι ο δείκτης ολοκλήρωσης του δικτύου δρόμων έχει υψηλή επεξηγηματική ισχύ για την LST σε όλα τα HA, αλλά η κατεύθυνση της σχέσης μεταξύ LST και του δείκτη αυτού αλλάζει ανάλογα με τα χαρακτηριστικά κατοικιών κάθε ΗΑ. Η LST φαίνεται να μειώνεται σε περιοχές με υψηλή ολοκλήρωση στα ΗΑ1 και ΗΑ3, ενώ αυξάνεται σε περιοχές με αστικές πολυκατοικίες στο ΗΑ2. Η ανάλυση αυτή επισημαίνει την πολύπλοκη σχέση μεταξύ του αστικού σχεδιασμού και του ελέγχου της θερμοκρασίας και προκαλεί προβληματισμό σχετικά με τις προσδοκίες. Επιπλέον, οι δείκτες NDBI και NDVI είχαν σημαντική συσχέτιση με την LST σε ΗΑ1 και ΗΑ2, αλλά όχι στο ΗΑ3, υποδεικνύοντας την ανάγκη για πιο ολοκληρωμένες μελέτες σε περιβάλλοντα με διαφορετικά χαρακτηριστικά. Βασιζόμενοι στα ευρήματα, προτείνονται μέτρα για τη μείωση του φαινομένου Urban Heat Islands (UHI) με έμφαση στη διασφάλιση ποικιλομορφίας σε ύψη και μορφές κτιρίων και την ενίσχυση του πράσινου δικτύου της πόλης. Τέλος, η ανάλυση του δείκτη Συντελεστή Ορατότητας (SVF) έδειξε σημαντική συσχέτιση με την LST σε όλα τα ΗΑ, αναδεικνύοντας την ανάγκη για περαιτέρω έρευνα για να κατανοήσουμε πλήρως την πολυπλοκότητα της σχέσης μεταξύ τους.

'''5. Συμπεράσματα'''
Σε περιοχές κατοικιών στην Ερζουρούμ της Τουρκίας, όπου η έκθεση στην ηλιακή ακτινοβολία είναι υψηλή η αστική μορφολογία επηρεάζει το μικροκλίμα, ιδίως το φαινόμενο των Urban Heat Islands (UHI). Η σοβαρότητα του φαινομένου UHI διαφέρει ανάλογα με τον τύπο των κτιρίων, με τα ψηλά κτίρια να επιδεινώνουν το φαινόμενο περισσότερο από τα χαμηλά και μεσαίου ύψους κτίρια. Οι δείκτες χωρικής μορφής, όπως ο δείκτης ακεραιότητας και ο δείκτης παρατήρησης ουρανού (SVF), επηρεάζουν σημαντικά το UHI, με τον δείκτη SVF να έχει έντονη επίδραση σε περιοχές χαμηλής SVF. Η διανομή και διάταξη των κτιρίων επηρεάζει επίσης το UHI, με τα κτίρια μεσαίου ύψους να βοηθούν στη μείωσή του, ενώ οι υψηλοί πύργοι διαχωρισμένων κτιρίων είναι αποτελεσματικοί στην αντιμετώπισή του. Επιπλέον, η κάλυψη του εδάφους με βλάστηση (NDVI) και οι δείκτες έντασης χρήσης γης (NDBI) επηρεάζουν το UHI, με την περισσότερη πράσινη και τη σχεδιασμένη ανάπτυξη να εμφανίζουν κρυστάλλωση επί του φαινομένου.
Βασιζόμενη σε αυτά τα ευρήματα, η μελέτη υποστηρίζει την εξέταση χωρικών και ειδικών δεικτών κατά τον σχεδιασμό της αστικής μορφολογίας για τη μείωση του UHI. Επιπλέον, υπογραμμίζεται η σημασία της αντιμετώπισης του UHI στο πλαίσιο της κλιματικής αλλαγής, καθώς οι προτεινόμενες στρατηγικές μπορούν να βοηθήσουν στην προσαρμογή στις επιπτώσεις της κλιματικής αλλαγής και στη μείωση των εκπομπών αερίων του θερμοκηπίου.
Παρόλα αυτά, η μελέτη αναγνωρίζει περιορισμούς όπως η εστίαση στα δεδομένα θερμοκρασίας επιφάνειας κατά τους θερινούς μήνες και η έλλειψη δεδομένων για το χειμώνα, καλώντας για περαιτέρω έρευνα προκειμένου να διερευνηθεί η επίδραση των μορφολογικών δεικτών κατά τη διάρκεια του χειμώνα και να εξεταστούν παράγοντες.

[[category:ΔΠΜΣ ]]

Οι επιπτώσεις της αστικής μορφολογίας στις αστικές θερμικές νησίδες σε κατοικημένες περιοχές: Erzurum, Τουρκία

2024-03-08T16:54:19Z

I christofaki:

Οι επιπτώσεις της αστικής μορφολογίας στις αστικές θερμικές νησίδες σε κατοικημένες περιοχές: Erzurum, Τουρκία

2024-03-08T16:45:52Z

I christofaki:

'''Πρωτότυπος τίτλος:''' ''The Impacts of Urban Morphology on Urban Heat Islands in Housing Areas: The Case of Erzurum, Turkey ''

'''Συγγραφείς: ''' ''by Cansu Güller and Süleyman Toy''

'''Πηγή:''' https://www.mdpi.com/2071-1050/16/2/791

''' Περίληψη '''
Η παρούσα μελέτη εξετάζει τη σχέση μεταξύ της αστικής μορφολογίας και της έντασης των Urban Heat Islands (UHI) σε διάφορες περιοχές κατοικίας στην πόλη της Ερζουρούμ στην Τουρκία. Βρέθηκε ότι τα UHI επηρεάζονται από παράγοντες όπως τα δίκτυα δρόμων, οι κτιριακές δομές και η χρήση του εδάφους. Προτείνεται τη βελτιστοποίηση της αστικής μορφολογίας για τη μείωση των UHI, υπογραμμίζοντας τη σημασία της χρήσης συγκεκριμένων δεικτών και της χωρικής ειδικότητας στον σχεδιασμό και τον στρατηγικό σχεδιασμό των πόλεων για την αντιμετώπιση των κλιματικών προκλήσεων.

'''1.Εισαγωγή '''
Τα τελευταία χρόνια, τα ακραία καιρικά φαινόμενα, τα οποία προκαλούνται από την κλιματική αλλαγή, έχουν αναδειχθεί ως επείγουσες απειλές για τις κοινότητες. Η διαδικασία της αστικοποίησης συνεισφέρει σημαντικά στην κλιματική αλλαγή, με τον τρόπο που καταναλώνει ενέργεια και μολύνει την αστική ατμόσφαιρα, καθώς και με τον τρόπο που μετατρέπει σταδιακά φυσικές επιφάνειες της γης σε αδιαπέραστες. Οι αστικές επιφάνειες συνεχίζουν να διευρύνονται μέσα στις πόλεις, αλλάζοντας την αστική δομή και μορφολογία για να προσαρμοστούν στην αύξηση του πληθυσμού. Η επέκταση αυτή επηρεάζει σημαντικά το κλίμα μέσω του φαινομένου του νησιού θερμότητας της πόλης. Τα νησιά θερμότητας χαρακτηρίζουν τη διακριτή μεταβολή της θερμοκρασίας μεταξύ των μικροκλιμάτων μέσα σε μια πόλη και τις γύρω περιοχές. Η επέκταση των πόλεων έχει ενισχύσει αυτό το φαινόμενο, συμβάλλοντας στην αύξηση της κατανάλωσης ενέργειας, την επιδείνωση της μόλυνσης και τις δυσμενείς επιπτώσεις στη δημόσια υγεία και ευημερία. Επομένως, η άμεση αντιμετώπιση αυτού του φαινομένου είναι κρίσιμη, απαιτώντας μια σφαιρική κατανόηση των παραγόντων που επηρεάζουν τα νησιά θερμότητας για την αποτελεσματική μείωση των επιβλαβών τους επιπτώσεων.

'''2.Υλικα και μέθοδοι'''

'''2.1 Περιοχή σπουδών'''
Η μελέτη επιλέγει τρεις διαφορετικές περιοχές κατοικίας με διαφορετικά μορφολογικά πρότυπα στο κέντρο της Ερζουρούμ, Τουρκία. Αναλύονται οι μετρήσεις ηλιακής ακτινοβολίας και θερμοκρασίας για τις περιοχές αυτές. Το μελετώμενο έργο εστιάζει στην εξέταση της επίδρασης των μορφολογικών στοιχείων της πόλης στη δημιουργία των νησιών θερμότητας.
Η μελέτη εξετάζει τρεις διαφορετικές περιοχές κατοικίας στο κέντρο της Ερζουρούμ, Τουρκία, με διαφορετικά μορφολογικά χαρακτηριστικά. (εικ.1)

[[Αρχείο:εικονα 1 a3.jpg‎]]

''Εικ.1. α) Τύπος κάλυψης γης β) συντελεστής εκπομπής σε όλη την πόλη Port Phillip.''

Οι περιοχές αυτές έχουν αναπτυχθεί κατά τη διάρκεια του Σχεδίου Ανάπτυξης του 1967 και διαφέρουν σημαντικά στο ύψος, τη μορφή και τη διάταξη των κτιρίων, καθώς και στον σχεδιασμό των δρόμων. Η περιοχή Dadaşkent έχει υποστεί γρήγορη ανάπτυξη με υψηλά κτίρια και ευθύγραμμο οδικό δίκτυο, ενώ οι περιοχές Yenişehir και Yıldızkent έχουν χαρακτηριστεί από μεσαίας ύψους κτίρια και σχεδιασμό που επικεντρώνεται στην ισορροπία μεταξύ ανοικτών και κλειστών χώρων. Τέλος, η περιοχή Kayakyolu παρουσιάζει ένα μοναδικό συνδυασμό από χαρακτηριστικά όπως ασχεδίαστα χαμηλά κτίρια, υποβαθμισμένα δρόμους και σχεδιασμένα ψηλά κτίρια, παρά την ανάπτυξή της μετά την εισαγωγή του σχεδίου Ζεκί Υαπάρ. Η μελέτη επικεντρώνεται στην επίδραση αυτών των μορφολογικών χαρακτηριστικών στις θερμικές συνθήκες της περιοχής.

'''2.2 Χρονική περίοδος'''
Για τη μελέτη επιλέχθηκε η περίοδος του Ιουλίου 2022 λόγω της συχνής αίθριας κατάστασης του ουρανού. Ειδικότερα, η 15η Ιουλίου επιλέχθηκε λόγω του πολύ χαμηλού ποσοστού νεφώσεως και της βέλτιστης ποιότητας εικόνας. Η ημερομηνία αυτή χαρακτηρίζεται από μηνιαία μέγιστη θερμοκρασία 33 °C και ελάχιστη θερμοκρασία 14 °C, σύμφωνα με τα μετεωρολογικά δεδομένα από την Ερζουρούμ.

'''2.3. Υλικά'''
Χρησιμοποιήθηκαν δεδομένα από τηλεπισκόπηση μέσω του Landsat 8 Operational Land Imager (OLI) της Αμερικανικής Υπηρεσίας Γεωλογικής Εξέτασης (USGS). Τα δεδομένα του Landsat-8 OLI καταγράφηκαν κατά τη διάρκεια της ημέρας του καλοκαιριού τον Ιούλιο του 2022, στις 07:56. Η ανάλυση περιλάμβανε τον υπολογισμό των δεικτών NDBI, NDVI και LST.
Τα δεδομένα για το οδικό δίκτυο ελήφθησαν από δύο κύριες πηγές: το Open Street Map (OSM) και τη βάση δεδομένων της Γενικής Διεύθυνσης Υψηλών Οδών, γνωστή ως Atlas. Η εμπιστοσύνη στις πληροφορίες επαληθεύτηκε μέσω πρόσθετων πηγών, όπως οι Google Maps, Google Streets και οι δρόμοι του Environmental System Research Institute (ESRI). Τα δεδομένα αυτά ενσωματώθηκαν στο περιβάλλον GIS για να παραχθεί μια συνολική χαρτογράφηση.
Επιπλέον, πραγματοποιήθηκε πεδίο ερευνών για την εντοπισμό των περιοχών κατοικιών και των πράσινων χώρων σε κάθε περιοχή κατοικίας (HA). Αν και η μελέτη περιλαμβάνει πράσινους χώρους γνωστούς για τον αποτελεσματικό δροσισμό τους, η επίδρασή τους αποκλείστηκε από την ανάλυση για να διασφαλιστεί η ακρίβεια των αποτελεσμάτων.
Τέλος, τα ύψη και οι μορφές των κτιρίων ταξινομήθηκαν σε οκτώ κατηγορίες, και στα οκτώ διαφορετικά σημεία ελέγχου καταγράφηκαν εικόνες από τον ουρανό, ώστε να εξεταστεί η επίδραση τους στην ανάπτυξη

'''2.4. Μεθοδολογία'''
Η γενική διαδικασία μεθοδολογίας δίνεται στην εικ.2.

[[Αρχείο:εικονα 2 a3.jpg‎]]

''Εικ. 2. Διάγραμμα ροής της μεθόδου.''

'''2.4.1.Ανάλυση θερμοκρασίας στην επιφάνεια του εδάφους'''
Οι υπολογισμοί της Θερμοκρασίας της Επιφάνειας της Γης (LST) αποτελούν σημαντική τεχνική για την επισήμανση της χωρικής διανομής του φαινομένου του UHI (Urban Heat Island), το οποίο έχει μελετηθεί εκτενώς στη βιβλιογραφία. Η εξίσωση του NDVI είναι κρίσιμη κατά τον υπολογισμό της LST, ειδικά λόγω της γνωστής ικανότητας των πράσινων αστικών χώρων να ανακουφίζουν τη θερμοκρασία της επιφάνειας.
Για την ανάλυση της LST χρησιμοποιήθηκε το λογισμικό QGIS 3.12, ενώ για τους υπολογισμούς χρησιμοποιήθηκε το εργαλείο raster calculator για την μετατροπή των δεδομένων από τις ζώνες του Landsat 8 OLI. Η ζώνη 10 από τους δύο θερμικούς αισθητήρες υπερύθρων (TIRS) επιλέχθηκε ειδικά λόγω της υψηλότερης ακρίβειας των υπολογισμών LST. Μετά τη μετατροπή των τιμών DN σε ακτινοβολία στην κορυφή της ατμόσφαιρας (TOA), οι τιμές της θερμοκρασίας φωτεινότητας (BT) υπολογίστηκαν χρησιμοποιώντας τις θερμικές σταθερές που παρέχονται στα μεταδεδομένα.
Οι υπολογισμοί του NDVI είναι απαραίτητοι για τον προσδιορισμό του Pv (αναλογία φυτοκάλυψης) και του εκπομπού (ε) που χρησιμοποιούνται στους υπολογισμούς της LST. Τέλος, η LST υπολογίζεται χρησιμοποιώντας την εξίσωση που συνδυάζει το BT, το NDVI και το ε, ανάλογα με τον τύπο χρήσης της γης.

'''2.4.2. Ανάλυση σύνταξης χώρου'''
Η ανάλυση Space Syntax εξετάζει τα οδικά δίκτυα για να ορίσει με ακρίβεια τους αστικούς χώρους με βάση τα μορφολογικά χαρακτηριστικά που υπολογίζονται ποσοτικά με βάση τις συνδέσεις που φαίνονται στους χάρτες τομέων. Στην αστική κλίμακα, οι άξονες αντιπροσωπεύουν τμήματα δρόμων, και η Space Syntax εστιάζει στην τοπολογική διάσταση του οδικού δικτύου, ειδικά στο πώς αλληλεπιδρούν οι άξονες. Ο βαθμός ολοκλήρωσης αξιολογεί το βαθμό με τον οποίο το αρχικό τμήμα ενσωματώνεται στο γενικό σύστημα, με μεγαλύτερη ολοκλήρωση που υποδεικνύει μεγαλύτερο αριθμό συνδέσεων στο δίκτυο.
Η ανάλυση του Space Syntax πραγματοποιήθηκε χρησιμοποιώντας το λογισμικό DepthmapX (έκδοση 0.8.0). Αρχικά, δημιουργήθηκε ένας άξονας χάρτη της πόλης Ερζουρούμ στο QGIS 3.12. Στη συνέχεια, τα δεδομένα υποβλήθηκαν σε ανάλυση γωνιών τμήματος μέσα στο λογισμικό DepthmapX μετά τη μετατροπή τους σε μορφή shapefile.
Η Space Syntax βασίζεται σε τέσσερα βήματα που απεικονίζονται στην εικ.3 : (i) ο δρόμος προτύπου μετατρέπεται σε άξονα χάρτη, (ii) ο άξονας χάρτη μετατρέπεται σε δυαδικό γράφημα, (iii) υπολογίζεται η ολοκλήρωση κάθε κόμβου στο γράφημα ολοκλήρωσης, και (iv) οι τιμές χρωματίζονται και χαρτογραφούνται πίσω στον άξονα χάρτη, δημιουργώντας μια τελική αναπαράσταση χρωματικής κωδικοποίησης.

[[Αρχείο:εικονα 3 a3.jpg‎]]

''Εικ. 3. Διάγραμμα των βασικών βημάτων του Space Syntax. (1) μοτίβο δρόμου, (2) αξονικός χάρτης, (3) δυαδικός γράφος, (4) χάρτης ολοκλήρωσης.''

'''2.4.3. Φωτογραφική ανάλυση του συντελεστή Sky View'''
Οπτικές και φωτογραφικές τεχνικές χρησιμεύουν ως μέσα για την καθορισμό του SVF. Η φωτογραφική μεθοδολογία περιλαμβάνει τη χρήση ενός φακού fisheye για τη λήψη εικόνων αστικών φαραγγιών. Δεδομένου ότι δεν υπάρχει κανονισμένο ύψος για τη λήψη εικόνων SVF, οι εικόνες ελήφθησαν σε αυτή τη μελέτη το καλοκαίρι και κατά τη διάρκεια συνθηκών αίθριου και καθαρού ουρανού. Το λογισμικό Adobe Photoshop (έκδοση CS6) χρησιμοποιήθηκε για τον υπολογισμό των τιμών SVF από αυτές τις εικόνες. Αυτή η προσέγγιση εντόπισε αποτελεσματικά το SVF, ακόμη και σε εικόνες που τραβήχτηκαν κάτω από θόλους δέντρων, διακρίνοντας τον γαλάζιο ουρανό ανάμεσα σε κλαδιά και φύλλα. Μετά την ακριβή επιλογή του χρώματος του ουρανού, προσδιορίστηκε ο συνολικός αριθμός όλων των ορατών pixel στην εικόνα του φακού fisheye (β) και ο αριθμός των pixel που αντιπροσωπεύουν τον ορατό ουρανό (α). Και οι δύο μετρήσεις pixel καταγράφηκαν στο Microsoft Excel και οι τιμές SVF υπολογίστηκαν χρησιμοποιώντας την εξίσωση α/β σύμφωνα με τη μεθοδολογία που περιγράφεται στο Debbage

'''2.4.4. Ανάλυση NDBI και NDVI'''
Η χρήση των καναλιών Landsat επιτρέπει την αξιολόγηση δεικτών πυκνότητας χρήσης της γης (NDVI και NDBI) χρησιμοποιώντας διάφορες μεθόδους. Οι τεχνικές δεικτών φασματικής ανάλυσης βασίζονται στις ιδιότητες του ηλεκτρομαγνητικού φάσματος και στη φασματική συμπεριφορά των αστικών τοπίων όσον αφορά την απορρόφηση ή ανάκλαση. Στο πλαίσιο αυτό, οι χτισμένες περιοχές και οι ξερές εκτάσεις τείνουν να αντανακλούν περισσότερη ενέργεια στο μέσο υπέρυθρο (SWIR) σε σύγκριση με το εγγύς υπερύθρο (NIR). Αντίθετα, οι υδάτινες επιφάνειες δεν αντανακλούν στο υπερύθρο φάσμα. Οι υγιείς πράσινες επιφάνειες εμφανίζουν τυπικά υψηλότερη ανάκλαση στο NIR φάσμα σε σύγκριση με το SWIR φάσμα. Αυτές οι διαφορετικές ζώνες εντός των εικόνων δορυφόρου αντιπροσωπεύουν διάφορα μήκη κύματος του ηλεκτρομαγνητικού φάσματος, σχηματίζοντας τη βάση για διάφορες μεθόδους δεικτών φασματικής ανάλυσης και τους αντίστοιχους τους τύπους και μεθόδους υπολογισμού. Η εκτίμηση του NDVI είναι ένας από τους πιο διαδεδομένους δείκτες πυκνότητας χρήσης της γης για την αξιολόγηση της πυκνότητας των φυτών. Ο NDVI υπολογίζεται χρησιμοποιώντας την υψηλή ανάκλαση στο NIR και την υψηλή απορρόφηση στο κόκκινο φάσμα, ενώ, η χρήση του NDBI αναδεικνύει την πυκνότητα των χτισμάτων μεταξύ διαφορετικών κατηγοριών χρήσης γης

'''3. Αποτελέσματα'''

'''3.1. Αποτελέσματα της ανάλυσης της θερμοκρασίας της επιφάνειας του εδάφους'''
Οι περιοχές μελέτης έδειξαν μια χωρική κατανομή της LST στις περιοχές μελέτης με τιμές που κυμαίνονται από 41,86 °C έως 68,66 °C. Επισημαίνεται ότι η υψηλότερη τιμή LST καταγράφηκε στην HA2, όπου υπάρχουν συγκροτήματα με πολυώροφα κτίρια. Αντίθετα, τα κτίρια μεσαίων και χαμηλών ορόφων στις HA1 και HA3 εμφάνισαν σχετικά χαμηλότερες τιμές LST.

[[Αρχείο:εικονα 4 a3.jpg‎]]

''Εικ. 4. Χωρική κατανομή της LST στις περιοχές μελέτης.''

Η ανάλυση της LST ανέδειξε ότι η μέση τιμή LST στην HA2 ήταν η υψηλότερη (64,96 °C), ενώ ακολούθησαν η HA1 (64,44 °C) και η HA3 (63,97 °C).

[[Αρχείο:table 1 a3.jpg‎]]

''Πίνακας 1. Αποτελέσματα του τεστ πολλαπλών συγκρίσεων Duncan των τιμών LST για τα HA στην περιοχή μελέτης.''

Τα ευρήματα της ανάλυσης LISA έδειξαν μοτίβα ομαδοποίησης της LST στις HA1 και HA2, αλλά όχι στην HA3. Συγκεκριμένα, στην HA1 παρατηρήθηκαν συστάδες με χαμηλές τιμές στο βόρειο τμήμα και υψηλές τιμές στο νότιο τμήμα. Επίσης, στην HA2, το νότιο τμήμα με τα υψηλά πολυώροφα κτίρια εμφάνισε συστάδες με υψηλές τιμές, ενώ το βορειοδυτικό τμήμα είχε συστάδες με χαμηλές τιμές.

'''3.2. Αποτελέσματα της ανάλυσης space syntax'''
Η εικόνα 6 παρουσιάζει τον δείκτη ολοκλήρωσης του οδικού δικτύου της Έρζουρου, αναπαριστώντας τις τιμές ολοκλήρωσης σε διάφορες αποχρώσεις. Παρατηρείται ότι οι περιοχές με διαφορετικό επίπεδο ολοκλήρωσης είναι διακριτές, με τον κύριο άξονα να δείχνει υψηλότερη ολοκλήρωση σε σχέση με την περιφέρεια της πόλης. Οι τρεις περιοχές μελέτης έδειξαν
διαφορετικά επίπεδα ολοκλήρωσης, με το HA2 να ξεχωρίζει για την υψηλότερη ολοκλήρωση ενώ το ΗΑ1 παρουσίασε ολοκληρωμένες περιοχές στις βόρειες και νότιες περιοχές με την ολοκλήρωση να μειώνεται προς την περιφέρεια. Στο HA3, παρατηρήθηκε υψηλότερο επίπεδο ολοκλήρωσης στους βόρειους τομείς, με την ολοκλήρωση να μειώνεται προς τις νότιες περιοχές.

'''3.3. Αποτελέσματα της ανάλυσης NDVI και NDBI'''
Ο Πίνακας 2 και ο Πίνακας 3 παρέχουν στατιστικές πληροφορίες για τις τιμές NDBI και NDVI στα τρία διαφορετικά HA. Από αυτούς τους πίνακες προκύπτει ότι το HA2 διαθέτει υψηλότερο NDBI, υποδεικνύοντας περισσότερες χτισμένες περιοχές σε σύγκριση με τα άλλα δύο, μαζί με χαμηλότερο ποσοστό πρασίνου. Αντίθετα, το HA1, που κυριαρχείται από μονοκατοικίες, εμφάνισε χαμηλότερες χτισμένες περιοχές και υψηλότερο ποσοστό πρασίνου. Οι χάρτες που απεικονίζουν τις κατανομές του NDBI και του NDVI (Σχήμα 7) δείχνουν εμφανώς τις διαφορές στις τιμές των δεικτών μεταξύ των διαφορετικών ΗΑ. Η τιμή NDVI στη δημόσια ζώνη στο βορειοδυτικό τμήμα του HA2 φαινόταν υψηλότερη λόγω των ενεργών κατασκευαστικών έργων για μια νέα περιοχή κατοικιών. Ωστόσο, αυτή η συγκεκριμένη περιοχή αποκλείστηκε από τη μελέτη, επικεντρώνοντας την προσοχή μόνο στα δεδομένα από τις υφιστάμενες κατοικημένες περιοχές.

'''3.4. Αποτελέσματα της φωτογραφικής ανάλυσης του συντελεστή Sky View'''
Τα τρία διαφορετικά αστικά τμήματα παρουσίασαν διαφορετικά μορφολογικά χαρακτηριστικά, με το HA1 να έχει μεσαίου ύψους διαμερίσματα στο βόρειο μέρος και μονοκατοικίες στο νότιο, το HA2 να διαθέτει μεσαίου ύψους οικοδομικά τετράγωνα στο βόρειο τμήμα και συγκροτήματα με πολυόροφα κτίρια στο νότιο, ενώ το HA3 να παρουσιάζει ποικιλία από χαμηλές, ακανόνιστες κατοικίες στο νότιο μέρος και πολυώροφα διαμερίσματα στο νοτιοδυτικό. Η ανάλυση SVF αποκάλυψε ότι τα πολυώροφα διαμερίσματα είχαν χαμηλότερες τιμές SVF, ενώ τα χαμηλά κτίρια είχαν υψηλότερες τιμές SVF. Οι αυλές και τα γραμμικά μπλοκ συνήθως εμφάνιζαν υψηλότερες τιμές SVF. Τέλος, παρατηρήθηκαν διακριτά μοτίβα στην SVF μεταξύ διαφόρων κτιρίων, υπογραμμίζοντας την επίδραση των μορφών κατοικιών και των υψών τους στην SVF.

'''3.5. Αποτελέσματα της ανάλυσης συσχέτισης μεταξύ της ολοκλήρωσης (Space Syntax), SVF, NDVI, NDBI και LST'''
Η μελέτη εξέτασε τις συσχετίσεις μεταξύ της θερμοκρασίας επιφάνειας της γης (LST) και δεικτών μορφολογίας σε τρία διαφορετικά Χωροταξικά Περιβάλλοντα (HA). Τα αποτελέσματα της ανάλυσης Pearson ανέδειξαν διαφορετικά χαρακτηριστικά μεταξύ των HA. Παρατηρήθηκε ότι οι τιμές LST τείνουν να αυξάνονται με υψηλότερες τιμές του δείκτη NDBI και να μειώνονται με υψηλότερες τιμές του δείκτη NDVI. Συγκεκριμένα, στα HA1 και HA2 παρατηρήθηκε έντονη θετική συσχέτιση μεταξύ NDBI και LST, ενώ το NDVI είχε σημαντική αρνητική επίδραση στο LST και στα δύο αυτά HA. Αντίθετα, στο HA3 δεν παρατηρήθηκε σημαντική συσχέτιση μεταξύ NDBI, NDVI και LST.
Το HA3 ξεχώρισε λόγω της μικτής μορφής κτιρίων, με χαμηλά κτίρια και πολυώροφες πολυκατοικίες. Η ποικιλομορφία αυτή οδήγησε σε διαφορετικές τιμές LST που δεν εξαρτώνταν αποκλειστικά από τους δείκτες NDBI και NDVI. Έτσι, η ανάλυση του δείκτη SVF αποδείχθηκε σημαντική για την κατανόηση των μεταβολών του LST. Οι διαφορετικοί τύποι κτιρίων επηρέαζαν σημαντικά το SVF, ιδίως στο HA3, με τον δείκτη SVF να εμφανίζει θετική συσχέτιση με το LST σε αυτό το HA.
Αντίθετα, στο HA2, όπου κυριαρχούσαν πολυώροφα κτίρια, παρατηρήθηκαν εξαιρετικά χαμηλές τιμές SVF. Παρά την μειωμένη πρόσληψη ηλιακής ακτινοβολίας λόγω του χαμηλού SVF, παρατηρήθηκε υψηλό επίπεδο γήινης ακτινοβολίας, οδηγώντας σε αύξηση του LST. Η συνεργασία μεταξύ του εξαιρετικά χαμηλού SVF και των μειωμένων τιμών NDVI στο HA2 συνέβαλε στην αύξηση του LST. Επιπλέον, ο δείκτης ολοκλήρωσης έδειξε συσχέτιση με το LST σε όλα τα HA, όπου μειωμένες τιμές δείκτη ολοκλήρωσης συνδέονταν με χαμηλότερες τιμές LST. Αυτή η συσχέτιση μπορεί να αποδοθεί σε αυξημένη σκίαση σε ενσωματωμένες περιοχές.

'''4. Συζήτηση'''
Τα ευρήματα της μελέτης αυτής δείχνουν ότι τα Χωροταξικά Περιβάλλοντα (HA) που χαρακτηρίζονται από υψηλή πυκνότητα και υψηλά κτίρια βιώνουν υψηλότερη θερμοκρασία επιφάνειας του εδάφους (LST) το καλοκαίρι σε σύγκριση με τα HA που έχουν λιγότερα, μεσαίου ύψους και χαμηλά κτίρια. Αυτή η παρατήρηση είναι συμβατή με προηγούμενες μελέτες που εξετάζουν τη σχέση μεταξύ LST και αστικής μορφολογίας. Η σημασία των μορφολογικών χαρακτηριστικών στα HA δεν μπορεί να υποτιμηθεί, καθώς επηρεάζουν το μικροκλίμα και συμβάλλουν τελικά στην αύξηση της LST. Η ανάλυση Space Syntax δείχνει ότι ο δείκτης ολοκλήρωσης του δικτύου δρόμων έχει υψηλή επεξηγηματική ισχύ για την LST σε όλα τα HA, αλλά η κατεύθυνση της σχέσης μεταξύ LST και του δείκτη αυτού αλλάζει ανάλογα με τα χαρακτηριστικά κατοικιών κάθε ΗΑ. Η LST φαίνεται να μειώνεται σε περιοχές με υψηλή ολοκλήρωση στα ΗΑ1 και ΗΑ3, ενώ αυξάνεται σε περιοχές με αστικές πολυκατοικίες στο ΗΑ2. Η ανάλυση αυτή επισημαίνει την πολύπλοκη σχέση μεταξύ του αστικού σχεδιασμού και του ελέγχου της θερμοκρασίας και προκαλεί προβληματισμό σχετικά με τις προσδοκίες. Επιπλέον, οι δείκτες NDBI και NDVI είχαν σημαντική συσχέτιση με την LST σε ΗΑ1 και ΗΑ2, αλλά όχι στο ΗΑ3, υποδεικνύοντας την ανάγκη για πιο ολοκληρωμένες μελέτες σε περιβάλλοντα με διαφορετικά χαρακτηριστικά. Βασιζόμενοι στα ευρήματα, προτείνονται μέτρα για τη μείωση του φαινομένου Urban Heat Islands (UHI) με έμφαση στη διασφάλιση ποικιλομορφίας σε ύψη και μορφές κτιρίων και την ενίσχυση του πράσινου δικτύου της πόλης. Τέλος, η ανάλυση του δείκτη Συντελεστή Ορατότητας (SVF) έδειξε σημαντική συσχέτιση με την LST σε όλα τα ΗΑ, αναδεικνύοντας την ανάγκη για περαιτέρω έρευνα για να κατανοήσουμε πλήρως την πολυπλοκότητα της σχέσης μεταξύ τους.

'''5. Συμπεράσματα'''
Σε περιοχές κατοικιών στην Ερζουρούμ της Τουρκίας, όπου η έκθεση στην ηλιακή ακτινοβολία είναι υψηλή η αστική μορφολογία επηρεάζει το μικροκλίμα, ιδίως το φαινόμενο των Urban Heat Islands (UHI). Η σοβαρότητα του φαινομένου UHI διαφέρει ανάλογα με τον τύπο των κτιρίων, με τα ψηλά κτίρια να επιδεινώνουν το φαινόμενο περισσότερο από τα χαμηλά και μεσαίου ύψους κτίρια. Οι δείκτες χωρικής μορφής, όπως ο δείκτης ακεραιότητας και ο δείκτης παρατήρησης ουρανού (SVF), επηρεάζουν σημαντικά το UHI, με τον δείκτη SVF να έχει έντονη επίδραση σε περιοχές χαμηλής SVF. Η διανομή και διάταξη των κτιρίων επηρεάζει επίσης το UHI, με τα κτίρια μεσαίου ύψους να βοηθούν στη μείωσή του, ενώ οι υψηλοί πύργοι διαχωρισμένων κτιρίων είναι αποτελεσματικοί στην αντιμετώπισή του. Επιπλέον, η κάλυψη του εδάφους με βλάστηση (NDVI) και οι δείκτες έντασης χρήσης γης (NDBI) επηρεάζουν το UHI, με την περισσότερη πράσινη και τη σχεδιασμένη ανάπτυξη να εμφανίζουν κρυστάλλωση επί του φαινομένου.
Βασιζόμενη σε αυτά τα ευρήματα, η μελέτη υποστηρίζει την εξέταση χωρικών και ειδικών δεικτών κατά τον σχεδιασμό της αστικής μορφολογίας για τη μείωση του UHI. Επιπλέον, υπογραμμίζεται η σημασία της αντιμετώπισης του UHI στο πλαίσιο της κλιματικής αλλαγής, καθώς οι προτεινόμενες στρατηγικές μπορούν να βοηθήσουν στην προσαρμογή στις επιπτώσεις της κλιματικής αλλαγής και στη μείωση των εκπομπών αερίων του θερμοκηπίου.
Παρόλα αυτά, η μελέτη αναγνωρίζει περιορισμούς όπως η εστίαση στα δεδομένα θερμοκρασίας επιφάνειας κατά τους θερινούς μήνες και η έλλειψη δεδομένων για το χειμώνα, καλώντας για περαιτέρω έρευνα προκειμένου να διερευνηθεί η επίδραση των μορφολογικών δεικτών κατά τη διάρκεια του χειμώνα και να εξεταστούν παράγοντες.

[[category:ΔΠΜΣ ]]

Οι επιπτώσεις της αστικής μορφολογίας στις αστικές θερμικές νησίδες σε κατοικημένες περιοχές: Erzurum, Τουρκία

2024-03-08T16:45:16Z

I christofaki:

'''Πρωτότυπος τίτλος:''' ''The Impacts of Urban Morphology on Urban Heat Islands in Housing Areas: The Case of Erzurum, Turkey ''

'''Συγγραφείς: ''' ''by Cansu Güller and Süleyman Toy''

'''Πηγή:''' https://www.mdpi.com/2071-1050/16/2/791

''' Περίληψη '''
Η παρούσα μελέτη εξετάζει τη σχέση μεταξύ της αστικής μορφολογίας και της έντασης των Urban Heat Islands (UHI) σε διάφορες περιοχές κατοικίας στην πόλη της Ερζουρούμ στην Τουρκία. Βρέθηκε ότι τα UHI επηρεάζονται από παράγοντες όπως τα δίκτυα δρόμων, οι κτιριακές δομές και η χρήση του εδάφους. Προτείνεται τη βελτιστοποίηση της αστικής μορφολογίας για τη μείωση των UHI, υπογραμμίζοντας τη σημασία της χρήσης συγκεκριμένων δεικτών και της χωρικής ειδικότητας στον σχεδιασμό και τον στρατηγικό σχεδιασμό των πόλεων για την αντιμετώπιση των κλιματικών προκλήσεων.

'''1.Εισαγωγή '''
Τα τελευταία χρόνια, τα ακραία καιρικά φαινόμενα, τα οποία προκαλούνται από την κλιματική αλλαγή, έχουν αναδειχθεί ως επείγουσες απειλές για τις κοινότητες. Η διαδικασία της αστικοποίησης συνεισφέρει σημαντικά στην κλιματική αλλαγή, με τον τρόπο που καταναλώνει ενέργεια και μολύνει την αστική ατμόσφαιρα, καθώς και με τον τρόπο που μετατρέπει σταδιακά φυσικές επιφάνειες της γης σε αδιαπέραστες. Οι αστικές επιφάνειες συνεχίζουν να διευρύνονται μέσα στις πόλεις, αλλάζοντας την αστική δομή και μορφολογία για να προσαρμοστούν στην αύξηση του πληθυσμού. Η επέκταση αυτή επηρεάζει σημαντικά το κλίμα μέσω του φαινομένου του νησιού θερμότητας της πόλης. Τα νησιά θερμότητας χαρακτηρίζουν τη διακριτή μεταβολή της θερμοκρασίας μεταξύ των μικροκλιμάτων μέσα σε μια πόλη και τις γύρω περιοχές. Η επέκταση των πόλεων έχει ενισχύσει αυτό το φαινόμενο, συμβάλλοντας στην αύξηση της κατανάλωσης ενέργειας, την επιδείνωση της μόλυνσης και τις δυσμενείς επιπτώσεις στη δημόσια υγεία και ευημερία. Επομένως, η άμεση αντιμετώπιση αυτού του φαινομένου είναι κρίσιμη, απαιτώντας μια σφαιρική κατανόηση των παραγόντων που επηρεάζουν τα νησιά θερμότητας για την αποτελεσματική μείωση των επιβλαβών τους επιπτώσεων.

'''2.Υλικα και μέθοδοι'''

'''2.1 Περιοχή σπουδών'''
Η μελέτη επιλέγει τρεις διαφορετικές περιοχές κατοικίας με διαφορετικά μορφολογικά πρότυπα στο κέντρο της Ερζουρούμ, Τουρκία. Αναλύονται οι μετρήσεις ηλιακής ακτινοβολίας και θερμοκρασίας για τις περιοχές αυτές. Το μελετώμενο έργο εστιάζει στην εξέταση της επίδρασης των μορφολογικών στοιχείων της πόλης στη δημιουργία των νησιών θερμότητας.
Η μελέτη εξετάζει τρεις διαφορετικές περιοχές κατοικίας στο κέντρο της Ερζουρούμ, Τουρκία, με διαφορετικά μορφολογικά χαρακτηριστικά. (εικ.1)

[[Αρχείο:εικονα 1 a3.jpg‎]]

''Εικ.1. α) Τύπος κάλυψης γης β) συντελεστής εκπομπής σε όλη την πόλη Port Phillip.''

Οι περιοχές αυτές έχουν αναπτυχθεί κατά τη διάρκεια του Σχεδίου Ανάπτυξης του 1967 και διαφέρουν σημαντικά στο ύψος, τη μορφή και τη διάταξη των κτιρίων, καθώς και στον σχεδιασμό των δρόμων. Η περιοχή Dadaşkent έχει υποστεί γρήγορη ανάπτυξη με υψηλά κτίρια και ευθύγραμμο οδικό δίκτυο, ενώ οι περιοχές Yenişehir και Yıldızkent έχουν χαρακτηριστεί από μεσαίας ύψους κτίρια και σχεδιασμό που επικεντρώνεται στην ισορροπία μεταξύ ανοικτών και κλειστών χώρων. Τέλος, η περιοχή Kayakyolu παρουσιάζει ένα μοναδικό συνδυασμό από χαρακτηριστικά όπως ασχεδίαστα χαμηλά κτίρια, υποβαθμισμένα δρόμους και σχεδιασμένα ψηλά κτίρια, παρά την ανάπτυξή της μετά την εισαγωγή του σχεδίου Ζεκί Υαπάρ. Η μελέτη επικεντρώνεται στην επίδραση αυτών των μορφολογικών χαρακτηριστικών στις θερμικές συνθήκες της περιοχής.

'''2.2 Χρονική περίοδος'''
Για τη μελέτη επιλέχθηκε η περίοδος του Ιουλίου 2022 λόγω της συχνής αίθριας κατάστασης του ουρανού. Ειδικότερα, η 15η Ιουλίου επιλέχθηκε λόγω του πολύ χαμηλού ποσοστού νεφώσεως και της βέλτιστης ποιότητας εικόνας. Η ημερομηνία αυτή χαρακτηρίζεται από μηνιαία μέγιστη θερμοκρασία 33 °C και ελάχιστη θερμοκρασία 14 °C, σύμφωνα με τα μετεωρολογικά δεδομένα από την Ερζουρούμ.

'''2.3. Υλικά'''
Χρησιμοποιήθηκαν δεδομένα από τηλεπισκόπηση μέσω του Landsat 8 Operational Land Imager (OLI) της Αμερικανικής Υπηρεσίας Γεωλογικής Εξέτασης (USGS). Τα δεδομένα του Landsat-8 OLI καταγράφηκαν κατά τη διάρκεια της ημέρας του καλοκαιριού τον Ιούλιο του 2022, στις 07:56. Η ανάλυση περιλάμβανε τον υπολογισμό των δεικτών NDBI, NDVI και LST.
Τα δεδομένα για το οδικό δίκτυο ελήφθησαν από δύο κύριες πηγές: το Open Street Map (OSM) και τη βάση δεδομένων της Γενικής Διεύθυνσης Υψηλών Οδών, γνωστή ως Atlas. Η εμπιστοσύνη στις πληροφορίες επαληθεύτηκε μέσω πρόσθετων πηγών, όπως οι Google Maps, Google Streets και οι δρόμοι του Environmental System Research Institute (ESRI). Τα δεδομένα αυτά ενσωματώθηκαν στο περιβάλλον GIS για να παραχθεί μια συνολική χαρτογράφηση.
Επιπλέον, πραγματοποιήθηκε πεδίο ερευνών για την εντοπισμό των περιοχών κατοικιών και των πράσινων χώρων σε κάθε περιοχή κατοικίας (HA). Αν και η μελέτη περιλαμβάνει πράσινους χώρους γνωστούς για τον αποτελεσματικό δροσισμό τους, η επίδρασή τους αποκλείστηκε από την ανάλυση για να διασφαλιστεί η ακρίβεια των αποτελεσμάτων.
Τέλος, τα ύψη και οι μορφές των κτιρίων ταξινομήθηκαν σε οκτώ κατηγορίες, και στα οκτώ διαφορετικά σημεία ελέγχου καταγράφηκαν εικόνες από τον ουρανό, ώστε να εξεταστεί η επίδραση τους στην ανάπτυξη

'''2.4. Μεθοδολογία'''
Η γενική διαδικασία μεθοδολογίας δίνεται στην εικ.2.

[[Αρχείο:εικονα 2 a3.jpg‎]]

''Εικ. 2. Διάγραμμα ροής της μεθόδου.''

'''2.4.1.Ανάλυση θερμοκρασίας στην επιφάνεια του εδάφους'''
Οι υπολογισμοί της Θερμοκρασίας της Επιφάνειας της Γης (LST) αποτελούν σημαντική τεχνική για την επισήμανση της χωρικής διανομής του φαινομένου του UHI (Urban Heat Island), το οποίο έχει μελετηθεί εκτενώς στη βιβλιογραφία. Η εξίσωση του NDVI είναι κρίσιμη κατά τον υπολογισμό της LST, ειδικά λόγω της γνωστής ικανότητας των πράσινων αστικών χώρων να ανακουφίζουν τη θερμοκρασία της επιφάνειας.
Για την ανάλυση της LST χρησιμοποιήθηκε το λογισμικό QGIS 3.12, ενώ για τους υπολογισμούς χρησιμοποιήθηκε το εργαλείο raster calculator για την μετατροπή των δεδομένων από τις ζώνες του Landsat 8 OLI. Η ζώνη 10 από τους δύο θερμικούς αισθητήρες υπερύθρων (TIRS) επιλέχθηκε ειδικά λόγω της υψηλότερης ακρίβειας των υπολογισμών LST. Μετά τη μετατροπή των τιμών DN σε ακτινοβολία στην κορυφή της ατμόσφαιρας (TOA), οι τιμές της θερμοκρασίας φωτεινότητας (BT) υπολογίστηκαν χρησιμοποιώντας τις θερμικές σταθερές που παρέχονται στα μεταδεδομένα.
Οι υπολογισμοί του NDVI είναι απαραίτητοι για τον προσδιορισμό του Pv (αναλογία φυτοκάλυψης) και του εκπομπού (ε) που χρησιμοποιούνται στους υπολογισμούς της LST. Τέλος, η LST υπολογίζεται χρησιμοποιώντας την εξίσωση που συνδυάζει το BT, το NDVI και το ε, ανάλογα με τον τύπο χρήσης της γης.

'''2.4.2. Ανάλυση σύνταξης χώρου'''
Η ανάλυση Space Syntax εξετάζει τα οδικά δίκτυα για να ορίσει με ακρίβεια τους αστικούς χώρους με βάση τα μορφολογικά χαρακτηριστικά που υπολογίζονται ποσοτικά με βάση τις συνδέσεις που φαίνονται στους χάρτες τομέων. Στην αστική κλίμακα, οι άξονες αντιπροσωπεύουν τμήματα δρόμων, και η Space Syntax εστιάζει στην τοπολογική διάσταση του οδικού δικτύου, ειδικά στο πώς αλληλεπιδρούν οι άξονες. Ο βαθμός ολοκλήρωσης αξιολογεί το βαθμό με τον οποίο το αρχικό τμήμα ενσωματώνεται στο γενικό σύστημα, με μεγαλύτερη ολοκλήρωση που υποδεικνύει μεγαλύτερο αριθμό συνδέσεων στο δίκτυο.
Η ανάλυση του Space Syntax πραγματοποιήθηκε χρησιμοποιώντας το λογισμικό DepthmapX (έκδοση 0.8.0). Αρχικά, δημιουργήθηκε ένας άξονας χάρτη της πόλης Ερζουρούμ στο QGIS 3.12. Στη συνέχεια, τα δεδομένα υποβλήθηκαν σε ανάλυση γωνιών τμήματος μέσα στο λογισμικό DepthmapX μετά τη μετατροπή τους σε μορφή shapefile.
Η Space Syntax βασίζεται σε τέσσερα βήματα που απεικονίζονται στην εικ.3 : (i) ο δρόμος προτύπου μετατρέπεται σε άξονα χάρτη, (ii) ο άξονας χάρτη μετατρέπεται σε δυαδικό γράφημα, (iii) υπολογίζεται η ολοκλήρωση κάθε κόμβου στο γράφημα ολοκλήρωσης, και (iv) οι τιμές χρωματίζονται και χαρτογραφούνται πίσω στον άξονα χάρτη, δημιουργώντας μια τελική αναπαράσταση χρωματικής κωδικοποίησης.

[[Αρχείο:εικονα 3 a3.jpg‎]]

''Εικ. 3. Διάγραμμα των βασικών βημάτων του Space Syntax. (1) μοτίβο δρόμου, (2) αξονικός χάρτης, (3) δυαδικός γράφος, (4) χάρτης ολοκλήρωσης.''

'''2.4.3. Φωτογραφική ανάλυση του συντελεστή Sky View'''
Οπτικές και φωτογραφικές τεχνικές χρησιμεύουν ως μέσα για την καθορισμό του SVF. Η φωτογραφική μεθοδολογία περιλαμβάνει τη χρήση ενός φακού fisheye για τη λήψη εικόνων αστικών φαραγγιών. Δεδομένου ότι δεν υπάρχει κανονισμένο ύψος για τη λήψη εικόνων SVF, οι εικόνες ελήφθησαν σε αυτή τη μελέτη το καλοκαίρι και κατά τη διάρκεια συνθηκών αίθριου και καθαρού ουρανού. Το λογισμικό Adobe Photoshop (έκδοση CS6) χρησιμοποιήθηκε για τον υπολογισμό των τιμών SVF από αυτές τις εικόνες. Αυτή η προσέγγιση εντόπισε αποτελεσματικά το SVF, ακόμη και σε εικόνες που τραβήχτηκαν κάτω από θόλους δέντρων, διακρίνοντας τον γαλάζιο ουρανό ανάμεσα σε κλαδιά και φύλλα. Μετά την ακριβή επιλογή του χρώματος του ουρανού, προσδιορίστηκε ο συνολικός αριθμός όλων των ορατών pixel στην εικόνα του φακού fisheye (β) και ο αριθμός των pixel που αντιπροσωπεύουν τον ορατό ουρανό (α). Και οι δύο μετρήσεις pixel καταγράφηκαν στο Microsoft Excel και οι τιμές SVF υπολογίστηκαν χρησιμοποιώντας την εξίσωση α/β σύμφωνα με τη μεθοδολογία που περιγράφεται στο Debbage

'''2.4.4. Ανάλυση NDBI και NDVI'''
Η χρήση των καναλιών Landsat επιτρέπει την αξιολόγηση δεικτών πυκνότητας χρήσης της γης (NDVI και NDBI) χρησιμοποιώντας διάφορες μεθόδους. Οι τεχνικές δεικτών φασματικής ανάλυσης βασίζονται στις ιδιότητες του ηλεκτρομαγνητικού φάσματος και στη φασματική συμπεριφορά των αστικών τοπίων όσον αφορά την απορρόφηση ή ανάκλαση. Στο πλαίσιο αυτό, οι χτισμένες περιοχές και οι ξερές εκτάσεις τείνουν να αντανακλούν περισσότερη ενέργεια στο μέσο υπέρυθρο (SWIR) σε σύγκριση με το εγγύς υπερύθρο (NIR). Αντίθετα, οι υδάτινες επιφάνειες δεν αντανακλούν στο υπερύθρο φάσμα. Οι υγιείς πράσινες επιφάνειες εμφανίζουν τυπικά υψηλότερη ανάκλαση στο NIR φάσμα σε σύγκριση με το SWIR φάσμα. Αυτές οι διαφορετικές ζώνες εντός των εικόνων δορυφόρου αντιπροσωπεύουν διάφορα μήκη κύματος του ηλεκτρομαγνητικού φάσματος, σχηματίζοντας τη βάση για διάφορες μεθόδους δεικτών φασματικής ανάλυσης και τους αντίστοιχους τους τύπους και μεθόδους υπολογισμού. Η εκτίμηση του NDVI είναι ένας από τους πιο διαδεδομένους δείκτες πυκνότητας χρήσης της γης για την αξιολόγηση της πυκνότητας των φυτών. Ο NDVI υπολογίζεται χρησιμοποιώντας την υψηλή ανάκλαση στο NIR και την υψηλή απορρόφηση στο κόκκινο φάσμα, ενώ, η χρήση του NDBI αναδεικνύει την πυκνότητα των χτισμάτων μεταξύ διαφορετικών κατηγοριών χρήσης γης

'''3. Αποτελέσματα'''

'''3.1. Αποτελέσματα της ανάλυσης της θερμοκρασίας της επιφάνειας του εδάφους'''
Οι περιοχές μελέτης έδειξαν μια χωρική κατανομή της LST στις περιοχές μελέτης με τιμές που κυμαίνονται από 41,86 °C έως 68,66 °C. Επισημαίνεται ότι η υψηλότερη τιμή LST καταγράφηκε στην HA2, όπου υπάρχουν συγκροτήματα με πολυώροφα κτίρια. Αντίθετα, τα κτίρια μεσαίων και χαμηλών ορόφων στις HA1 και HA3 εμφάνισαν σχετικά χαμηλότερες τιμές LST.

[[Αρχείο:εικονα 4 a3.jpg‎]]

''Εικ. 4. Χωρική κατανομή της LST στις περιοχές μελέτης.''

Η ανάλυση της LST ανέδειξε ότι η μέση τιμή LST στην HA2 ήταν η υψηλότερη (64,96 °C), ενώ ακολούθησαν η HA1 (64,44 °C) και η HA3 (63,97 °C).

[[Αρχείο:table 1 a3.jpg‎]]

''Πίνακας 1. Αποτελέσματα του τεστ πολλαπλών συγκρίσεων Duncan των τιμών LST για τα HA στην περιοχή μελέτης.''

Τα ευρήματα της ανάλυσης LISA έδειξαν μοτίβα ομαδοποίησης της LST στις HA1 και HA2, αλλά όχι στην HA3. Συγκεκριμένα, στην HA1 παρατηρήθηκαν συστάδες με χαμηλές τιμές στο βόρειο τμήμα και υψηλές τιμές στο νότιο τμήμα. Επίσης, στην HA2, το νότιο τμήμα με τα υψηλά πολυώροφα κτίρια εμφάνισε συστάδες με υψηλές τιμές, ενώ το βορειοδυτικό τμήμα είχε συστάδες με χαμηλές τιμές.

'''3.2. Αποτελέσματα της ανάλυσης space syntax'''
Η εικόνα 6 παρουσιάζει τον δείκτη ολοκλήρωσης του οδικού δικτύου της Έρζουρου, αναπαριστώντας τις τιμές ολοκλήρωσης σε διάφορες αποχρώσεις. Παρατηρείται ότι οι περιοχές με διαφορετικό επίπεδο ολοκλήρωσης είναι διακριτές, με τον κύριο άξονα να δείχνει υψηλότερη ολοκλήρωση σε σχέση με την περιφέρεια της πόλης. Οι τρεις περιοχές μελέτης έδειξαν
διαφορετικά επίπεδα ολοκλήρωσης, με το HA2 να ξεχωρίζει για την υψηλότερη ολοκλήρωση ενώ το ΗΑ1 παρουσίασε ολοκληρωμένες περιοχές στις βόρειες και νότιες περιοχές με την ολοκλήρωση να μειώνεται προς την περιφέρεια. Στο HA3, παρατηρήθηκε υψηλότερο επίπεδο ολοκλήρωσης στους βόρειους τομείς, με την ολοκλήρωση να μειώνεται προς τις νότιες περιοχές.

'''3.3. Αποτελέσματα της ανάλυσης NDVI και NDBI'''
Ο Πίνακας 2 και ο Πίνακας 3 παρέχουν στατιστικές πληροφορίες για τις τιμές NDBI και NDVI στα τρία διαφορετικά HA. Από αυτούς τους πίνακες προκύπτει ότι το HA2 διαθέτει υψηλότερο NDBI, υποδεικνύοντας περισσότερες χτισμένες περιοχές σε σύγκριση με τα άλλα δύο, μαζί με χαμηλότερο ποσοστό πρασίνου. Αντίθετα, το HA1, που κυριαρχείται από μονοκατοικίες, εμφάνισε χαμηλότερες χτισμένες περιοχές και υψηλότερο ποσοστό πρασίνου. Οι χάρτες που απεικονίζουν τις κατανομές του NDBI και του NDVI (Σχήμα 7) δείχνουν εμφανώς τις διαφορές στις τιμές των δεικτών μεταξύ των διαφορετικών ΗΑ. Η τιμή NDVI στη δημόσια ζώνη στο βορειοδυτικό τμήμα του HA2 φαινόταν υψηλότερη λόγω των ενεργών κατασκευαστικών έργων για μια νέα περιοχή κατοικιών. Ωστόσο, αυτή η συγκεκριμένη περιοχή αποκλείστηκε από τη μελέτη, επικεντρώνοντας την προσοχή μόνο στα δεδομένα από τις υφιστάμενες κατοικημένες περιοχές.

'''3.4. Αποτελέσματα της φωτογραφικής ανάλυσης του συντελεστή Sky View'''
Τα τρία διαφορετικά αστικά τμήματα παρουσίασαν διαφορετικά μορφολογικά χαρακτηριστικά, με το HA1 να έχει μεσαίου ύψους διαμερίσματα στο βόρειο μέρος και μονοκατοικίες στο νότιο, το HA2 να διαθέτει μεσαίου ύψους οικοδομικά τετράγωνα στο βόρειο τμήμα και συγκροτήματα με πολυόροφα κτίρια στο νότιο, ενώ το HA3 να παρουσιάζει ποικιλία από χαμηλές, ακανόνιστες κατοικίες στο νότιο μέρος και πολυώροφα διαμερίσματα στο νοτιοδυτικό. Η ανάλυση SVF αποκάλυψε ότι τα πολυώροφα διαμερίσματα είχαν χαμηλότερες τιμές SVF, ενώ τα χαμηλά κτίρια είχαν υψηλότερες τιμές SVF. Οι αυλές και τα γραμμικά μπλοκ συνήθως εμφάνιζαν υψηλότερες τιμές SVF. Τέλος, παρατηρήθηκαν διακριτά μοτίβα στην SVF μεταξύ διαφόρων κτιρίων, υπογραμμίζοντας την επίδραση των μορφών κατοικιών και των υψών τους στην SVF.

'''3.5. Αποτελέσματα της ανάλυσης συσχέτισης μεταξύ της ολοκλήρωσης (Space Syntax), SVF, NDVI, NDBI και LST'''
Η μελέτη εξέτασε τις συσχετίσεις μεταξύ της θερμοκρασίας επιφάνειας της γης (LST) και δεικτών μορφολογίας σε τρία διαφορετικά Χωροταξικά Περιβάλλοντα (HA). Τα αποτελέσματα της ανάλυσης Pearson ανέδειξαν διαφορετικά χαρακτηριστικά μεταξύ των HA. Παρατηρήθηκε ότι οι τιμές LST τείνουν να αυξάνονται με υψηλότερες τιμές του δείκτη NDBI και να μειώνονται με υψηλότερες τιμές του δείκτη NDVI. Συγκεκριμένα, στα HA1 και HA2 παρατηρήθηκε έντονη θετική συσχέτιση μεταξύ NDBI και LST, ενώ το NDVI είχε σημαντική αρνητική επίδραση στο LST και στα δύο αυτά HA. Αντίθετα, στο HA3 δεν παρατηρήθηκε σημαντική συσχέτιση μεταξύ NDBI, NDVI και LST.
Το HA3 ξεχώρισε λόγω της μικτής μορφής κτιρίων, με χαμηλά κτίρια και πολυώροφες πολυκατοικίες. Η ποικιλομορφία αυτή οδήγησε σε διαφορετικές τιμές LST που δεν εξαρτώνταν αποκλειστικά από τους δείκτες NDBI και NDVI. Έτσι, η ανάλυση του δείκτη SVF αποδείχθηκε σημαντική για την κατανόηση των μεταβολών του LST. Οι διαφορετικοί τύποι κτιρίων επηρέαζαν σημαντικά το SVF, ιδίως στο HA3, με τον δείκτη SVF να εμφανίζει θετική συσχέτιση με το LST σε αυτό το HA.
Αντίθετα, στο HA2, όπου κυριαρχούσαν πολυώροφα κτίρια, παρατηρήθηκαν εξαιρετικά χαμηλές τιμές SVF. Παρά την μειωμένη πρόσληψη ηλιακής ακτινοβολίας λόγω του χαμηλού SVF, παρατηρήθηκε υψηλό επίπεδο γήινης ακτινοβολίας, οδηγώντας σε αύξηση του LST. Η συνεργασία μεταξύ του εξαιρετικά χαμηλού SVF και των μειωμένων τιμών NDVI στο HA2 συνέβαλε στην αύξηση του LST. Επιπλέον, ο δείκτης ολοκλήρωσης έδειξε συσχέτιση με το LST σε όλα τα HA, όπου μειωμένες τιμές δείκτη ολοκλήρωσης συνδέονταν με χαμηλότερες τιμές LST. Αυτή η συσχέτιση μπορεί να αποδοθεί σε αυξημένη σκίαση σε ενσωματωμένες περιοχές.

'''4. Συζήτηση'''
Τα ευρήματα της μελέτης αυτής δείχνουν ότι τα Χωροταξικά Περιβάλλοντα (HA) που χαρακτηρίζονται από υψηλή πυκνότητα και υψηλά κτίρια βιώνουν υψηλότερη θερμοκρασία επιφάνειας του εδάφους (LST) το καλοκαίρι σε σύγκριση με τα HA που έχουν λιγότερα, μεσαίου ύψους και χαμηλά κτίρια. Αυτή η παρατήρηση είναι συμβατή με προηγούμενες μελέτες που εξετάζουν τη σχέση μεταξύ LST και αστικής μορφολογίας. Η σημασία των μορφολογικών χαρακτηριστικών στα HA δεν μπορεί να υποτιμηθεί, καθώς επηρεάζουν το μικροκλίμα και συμβάλλουν τελικά στην αύξηση της LST. Η ανάλυση Space Syntax δείχνει ότι ο δείκτης ολοκλήρωσης του δικτύου δρόμων έχει υψηλή επεξηγηματική ισχύ για την LST σε όλα τα HA, αλλά η κατεύθυνση της σχέσης μεταξύ LST και του δείκτη αυτού αλλάζει ανάλογα με τα χαρακτηριστικά κατοικιών κάθε ΗΑ. Η LST φαίνεται να μειώνεται σε περιοχές με υψηλή ολοκλήρωση στα ΗΑ1 και ΗΑ3, ενώ αυξάνεται σε περιοχές με αστικές πολυκατοικίες στο ΗΑ2. Η ανάλυση αυτή επισημαίνει την πολύπλοκη σχέση μεταξύ του αστικού σχεδιασμού και του ελέγχου της θερμοκρασίας και προκαλεί προβληματισμό σχετικά με τις προσδοκίες. Επιπλέον, οι δείκτες NDBI και NDVI είχαν σημαντική συσχέτιση με την LST σε ΗΑ1 και ΗΑ2, αλλά όχι στο ΗΑ3, υποδεικνύοντας την ανάγκη για πιο ολοκληρωμένες μελέτες σε περιβάλλοντα με διαφορετικά χαρακτηριστικά. Βασιζόμενοι στα ευρήματα, προτείνονται μέτρα για τη μείωση του φαινομένου Urban Heat Islands (UHI) με έμφαση στη διασφάλιση ποικιλομορφίας σε ύψη και μορφές κτιρίων και την ενίσχυση του πράσινου δικτύου της πόλης. Τέλος, η ανάλυση του δείκτη Συντελεστή Ορατότητας (SVF) έδειξε σημαντική συσχέτιση με την LST σε όλα τα ΗΑ, αναδεικνύοντας την ανάγκη για περαιτέρω έρευνα για να κατανοήσουμε πλήρως την πολυπλοκότητα της σχέσης μεταξύ τους.

'''5. Συμπεράσματα'''
Σε περιοχές κατοικιών στην Ερζουρούμ της Τουρκίας, όπου η έκθεση στην ηλιακή ακτινοβολία είναι υψηλή η αστική μορφολογία επηρεάζει το μικροκλίμα, ιδίως το φαινόμενο των Urban Heat Islands (UHI). Η σοβαρότητα του φαινομένου UHI διαφέρει ανάλογα με τον τύπο των κτιρίων, με τα ψηλά κτίρια να επιδεινώνουν το φαινόμενο περισσότερο από τα χαμηλά και μεσαίου ύψους κτίρια. Οι δείκτες χωρικής μορφής, όπως ο δείκτης ακεραιότητας και ο δείκτης παρατήρησης ουρανού (SVF), επηρεάζουν σημαντικά το UHI, με τον δείκτη SVF να έχει έντονη επίδραση σε περιοχές χαμηλής SVF. Η διανομή και διάταξη των κτιρίων επηρεάζει επίσης το UHI, με τα κτίρια μεσαίου ύψους να βοηθούν στη μείωσή του, ενώ οι υψηλοί πύργοι διαχωρισμένων κτιρίων είναι αποτελεσματικοί στην αντιμετώπισή του. Επιπλέον, η κάλυψη του εδάφους με βλάστηση (NDVI) και οι δείκτες έντασης χρήσης γης (NDBI) επηρεάζουν το UHI, με την περισσότερη πράσινη και τη σχεδιασμένη ανάπτυξη να εμφανίζουν κρυστάλλωση επί του φαινομένου.
Βασιζόμενη σε αυτά τα ευρήματα, η μελέτη υποστηρίζει την εξέταση χωρικών και ειδικών δεικτών κατά τον σχεδιασμό της αστικής μορφολογίας για τη μείωση του UHI. Επιπλέον, υπογραμμίζεται η σημασία της αντιμετώπισης του UHI στο πλαίσιο της κλιματικής αλλαγής, καθώς οι προτεινόμενες στρατηγικές μπορούν να βοηθήσουν στην προσαρμογή στις επιπτώσεις της κλιματικής αλλαγής και στη μείωση των εκπομπών αερίων του θερμοκηπίου.
Παρόλα αυτά, η μελέτη αναγνωρίζει περιορισμούς όπως η εστίαση στα δεδομένα θερμοκρασίας επιφάνειας κατά τους θερινούς μήνες και η έλλειψη δεδομένων για το χειμώνα, καλώντας για περαιτέρω έρευνα προκειμένου να διερευνηθεί η επίδραση των μορφολογικών δεικτών κατά τη διάρκεια του χειμώνα και να εξεταστούν παράγοντες.

[[category:ΔΠΜΣ ]]

Οι επιπτώσεις της αστικής μορφολογίας στις αστικές θερμικές νησίδες σε κατοικημένες περιοχές: Erzurum, Τουρκία

2024-03-08T16:43:40Z

I christofaki:

'''Πρωτότυπος τίτλος:''' ''The Impacts of Urban Morphology on Urban Heat Islands in Housing Areas: The Case of Erzurum, Turkey ''

'''Συγγραφείς: ''' ''by Cansu Güller and Süleyman Toy''

'''Πηγή:''' https://www.mdpi.com/2071-1050/16/2/791

''' Περίληψη '''
Η παρούσα μελέτη εξετάζει τη σχέση μεταξύ της αστικής μορφολογίας και της έντασης των Urban Heat Islands (UHI) σε διάφορες περιοχές κατοικίας στην πόλη της Ερζουρούμ στην Τουρκία. Βρέθηκε ότι τα UHI επηρεάζονται από παράγοντες όπως τα δίκτυα δρόμων, οι κτιριακές δομές και η χρήση του εδάφους. Προτείνεται τη βελτιστοποίηση της αστικής μορφολογίας για τη μείωση των UHI, υπογραμμίζοντας τη σημασία της χρήσης συγκεκριμένων δεικτών και της χωρικής ειδικότητας στον σχεδιασμό και τον στρατηγικό σχεδιασμό των πόλεων για την αντιμετώπιση των κλιματικών προκλήσεων.

'''1.Εισαγωγή '''
Τα τελευταία χρόνια, τα ακραία καιρικά φαινόμενα, τα οποία προκαλούνται από την κλιματική αλλαγή, έχουν αναδειχθεί ως επείγουσες απειλές για τις κοινότητες. Η διαδικασία της αστικοποίησης συνεισφέρει σημαντικά στην κλιματική αλλαγή, με τον τρόπο που καταναλώνει ενέργεια και μολύνει την αστική ατμόσφαιρα, καθώς και με τον τρόπο που μετατρέπει σταδιακά φυσικές επιφάνειες της γης σε αδιαπέραστες. Οι αστικές επιφάνειες συνεχίζουν να διευρύνονται μέσα στις πόλεις, αλλάζοντας την αστική δομή και μορφολογία για να προσαρμοστούν στην αύξηση του πληθυσμού. Η επέκταση αυτή επηρεάζει σημαντικά το κλίμα μέσω του φαινομένου του νησιού θερμότητας της πόλης. Τα νησιά θερμότητας χαρακτηρίζουν τη διακριτή μεταβολή της θερμοκρασίας μεταξύ των μικροκλιμάτων μέσα σε μια πόλη και τις γύρω περιοχές. Η επέκταση των πόλεων έχει ενισχύσει αυτό το φαινόμενο, συμβάλλοντας στην αύξηση της κατανάλωσης ενέργειας, την επιδείνωση της μόλυνσης και τις δυσμενείς επιπτώσεις στη δημόσια υγεία και ευημερία. Επομένως, η άμεση αντιμετώπιση αυτού του φαινομένου είναι κρίσιμη, απαιτώντας μια σφαιρική κατανόηση των παραγόντων που επηρεάζουν τα νησιά θερμότητας για την αποτελεσματική μείωση των επιβλαβών τους επιπτώσεων.

'''2.Υλικα και μέθοδοι'''

'''2.1 Περιοχή σπουδών'''
Η μελέτη επιλέγει τρεις διαφορετικές περιοχές κατοικίας με διαφορετικά μορφολογικά πρότυπα στο κέντρο της Ερζουρούμ, Τουρκία. Αναλύονται οι μετρήσεις ηλιακής ακτινοβολίας και θερμοκρασίας για τις περιοχές αυτές. Το μελετώμενο έργο εστιάζει στην εξέταση της επίδρασης των μορφολογικών στοιχείων της πόλης στη δημιουργία των νησιών θερμότητας.
Η μελέτη εξετάζει τρεις διαφορετικές περιοχές κατοικίας στο κέντρο της Ερζουρούμ, Τουρκία, με διαφορετικά μορφολογικά χαρακτηριστικά. (εικ.1)

[[Αρχείο:εικονα 1 a3.jpg‎]]

''Εικ.1. α) Τύπος κάλυψης γης β) συντελεστής εκπομπής σε όλη την πόλη Port Phillip.''

Οι περιοχές αυτές έχουν αναπτυχθεί κατά τη διάρκεια του Σχεδίου Ανάπτυξης του 1967 και διαφέρουν σημαντικά στο ύψος, τη μορφή και τη διάταξη των κτιρίων, καθώς και στον σχεδιασμό των δρόμων. Η περιοχή Dadaşkent έχει υποστεί γρήγορη ανάπτυξη με υψηλά κτίρια και ευθύγραμμο οδικό δίκτυο, ενώ οι περιοχές Yenişehir και Yıldızkent έχουν χαρακτηριστεί από μεσαίας ύψους κτίρια και σχεδιασμό που επικεντρώνεται στην ισορροπία μεταξύ ανοικτών και κλειστών χώρων. Τέλος, η περιοχή Kayakyolu παρουσιάζει ένα μοναδικό συνδυασμό από χαρακτηριστικά όπως ασχεδίαστα χαμηλά κτίρια, υποβαθμισμένα δρόμους και σχεδιασμένα ψηλά κτίρια, παρά την ανάπτυξή της μετά την εισαγωγή του σχεδίου Ζεκί Υαπάρ. Η μελέτη επικεντρώνεται στην επίδραση αυτών των μορφολογικών χαρακτηριστικών στις θερμικές συνθήκες της περιοχής.

'''2.2 Χρονική περίοδος'''
Για τη μελέτη επιλέχθηκε η περίοδος του Ιουλίου 2022 λόγω της συχνής αίθριας κατάστασης του ουρανού. Ειδικότερα, η 15η Ιουλίου επιλέχθηκε λόγω του πολύ χαμηλού ποσοστού νεφώσεως και της βέλτιστης ποιότητας εικόνας. Η ημερομηνία αυτή χαρακτηρίζεται από μηνιαία μέγιστη θερμοκρασία 33 °C και ελάχιστη θερμοκρασία 14 °C, σύμφωνα με τα μετεωρολογικά δεδομένα από την Ερζουρούμ.

'''2.3. Υλικά'''
Χρησιμοποιήθηκαν δεδομένα από τηλεπισκόπηση μέσω του Landsat 8 Operational Land Imager (OLI) της Αμερικανικής Υπηρεσίας Γεωλογικής Εξέτασης (USGS). Τα δεδομένα του Landsat-8 OLI καταγράφηκαν κατά τη διάρκεια της ημέρας του καλοκαιριού τον Ιούλιο του 2022, στις 07:56. Η ανάλυση περιλάμβανε τον υπολογισμό των δεικτών NDBI, NDVI και LST.
Τα δεδομένα για το οδικό δίκτυο ελήφθησαν από δύο κύριες πηγές: το Open Street Map (OSM) και τη βάση δεδομένων της Γενικής Διεύθυνσης Υψηλών Οδών, γνωστή ως Atlas. Η εμπιστοσύνη στις πληροφορίες επαληθεύτηκε μέσω πρόσθετων πηγών, όπως οι Google Maps, Google Streets και οι δρόμοι του Environmental System Research Institute (ESRI). Τα δεδομένα αυτά ενσωματώθηκαν στο περιβάλλον GIS για να παραχθεί μια συνολική χαρτογράφηση.
Επιπλέον, πραγματοποιήθηκε πεδίο ερευνών για την εντοπισμό των περιοχών κατοικιών και των πράσινων χώρων σε κάθε περιοχή κατοικίας (HA). Αν και η μελέτη περιλαμβάνει πράσινους χώρους γνωστούς για τον αποτελεσματικό δροσισμό τους, η επίδρασή τους αποκλείστηκε από την ανάλυση για να διασφαλιστεί η ακρίβεια των αποτελεσμάτων.
Τέλος, τα ύψη και οι μορφές των κτιρίων ταξινομήθηκαν σε οκτώ κατηγορίες, και στα οκτώ διαφορετικά σημεία ελέγχου καταγράφηκαν εικόνες από τον ουρανό, ώστε να εξεταστεί η επίδραση τους στην ανάπτυξη

'''2.4. Μεθοδολογία'''
Η γενική διαδικασία μεθοδολογίας δίνεται στην εικ.2.

[[Αρχείο:εικονα 2 a3.jpg‎]]

''Εικ. 2. Διάγραμμα ροής της μεθόδου.''

'''2.4.1.Ανάλυση θερμοκρασίας στην επιφάνεια του εδάφους'''
Οι υπολογισμοί της Θερμοκρασίας της Επιφάνειας της Γης (LST) αποτελούν σημαντική τεχνική για την επισήμανση της χωρικής διανομής του φαινομένου του UHI (Urban Heat Island), το οποίο έχει μελετηθεί εκτενώς στη βιβλιογραφία. Η εξίσωση του NDVI είναι κρίσιμη κατά τον υπολογισμό της LST, ειδικά λόγω της γνωστής ικανότητας των πράσινων αστικών χώρων να ανακουφίζουν τη θερμοκρασία της επιφάνειας.
Για την ανάλυση της LST χρησιμοποιήθηκε το λογισμικό QGIS 3.12, ενώ για τους υπολογισμούς χρησιμοποιήθηκε το εργαλείο raster calculator για την μετατροπή των δεδομένων από τις ζώνες του Landsat 8 OLI. Η ζώνη 10 από τους δύο θερμικούς αισθητήρες υπερύθρων (TIRS) επιλέχθηκε ειδικά λόγω της υψηλότερης ακρίβειας των υπολογισμών LST. Μετά τη μετατροπή των τιμών DN σε ακτινοβολία στην κορυφή της ατμόσφαιρας (TOA), οι τιμές της θερμοκρασίας φωτεινότητας (BT) υπολογίστηκαν χρησιμοποιώντας τις θερμικές σταθερές που παρέχονται στα μεταδεδομένα.
Οι υπολογισμοί του NDVI είναι απαραίτητοι για τον προσδιορισμό του Pv (αναλογία φυτοκάλυψης) και του εκπομπού (ε) που χρησιμοποιούνται στους υπολογισμούς της LST. Τέλος, η LST υπολογίζεται χρησιμοποιώντας την εξίσωση που συνδυάζει το BT, το NDVI και το ε, ανάλογα με τον τύπο χρήσης της γης.

'''2.4.2. Ανάλυση σύνταξης χώρου'''
Η ανάλυση Space Syntax εξετάζει τα οδικά δίκτυα για να ορίσει με ακρίβεια τους αστικούς χώρους με βάση τα μορφολογικά χαρακτηριστικά που υπολογίζονται ποσοτικά με βάση τις συνδέσεις που φαίνονται στους χάρτες τομέων. Στην αστική κλίμακα, οι άξονες αντιπροσωπεύουν τμήματα δρόμων, και η Space Syntax εστιάζει στην τοπολογική διάσταση του οδικού δικτύου, ειδικά στο πώς αλληλεπιδρούν οι άξονες. Ο βαθμός ολοκλήρωσης αξιολογεί το βαθμό με τον οποίο το αρχικό τμήμα ενσωματώνεται στο γενικό σύστημα, με μεγαλύτερη ολοκλήρωση που υποδεικνύει μεγαλύτερο αριθμό συνδέσεων στο δίκτυο.
Η ανάλυση του Space Syntax πραγματοποιήθηκε χρησιμοποιώντας το λογισμικό DepthmapX (έκδοση 0.8.0). Αρχικά, δημιουργήθηκε ένας άξονας χάρτη της πόλης Ερζουρούμ στο QGIS 3.12. Στη συνέχεια, τα δεδομένα υποβλήθηκαν σε ανάλυση γωνιών τμήματος μέσα στο λογισμικό DepthmapX μετά τη μετατροπή τους σε μορφή shapefile.
Η Space Syntax βασίζεται σε τέσσερα βήματα που απεικονίζονται στην εικ.3 : (i) ο δρόμος προτύπου μετατρέπεται σε άξονα χάρτη, (ii) ο άξονας χάρτη μετατρέπεται σε δυαδικό γράφημα, (iii) υπολογίζεται η ολοκλήρωση κάθε κόμβου στο γράφημα ολοκλήρωσης, και (iv) οι τιμές χρωματίζονται και χαρτογραφούνται πίσω στον άξονα χάρτη, δημιουργώντας μια τελική αναπαράσταση χρωματικής κωδικοποίησης.

[[Αρχείο:εικονα 3 a3.jpg‎]]

''Εικ. 3. Διάγραμμα των βασικών βημάτων του Space Syntax. (1) μοτίβο δρόμου, (2) αξονικός χάρτης, (3) δυαδικός γράφος, (4) χάρτης ολοκλήρωσης.''

'''2.4.3. Φωτογραφική ανάλυση του συντελεστή Sky View'''
Οπτικές και φωτογραφικές τεχνικές χρησιμεύουν ως μέσα για την καθορισμό του SVF. Η φωτογραφική μεθοδολογία περιλαμβάνει τη χρήση ενός φακού fisheye για τη λήψη εικόνων αστικών φαραγγιών. Δεδομένου ότι δεν υπάρχει κανονισμένο ύψος για τη λήψη εικόνων SVF, οι εικόνες ελήφθησαν σε αυτή τη μελέτη το καλοκαίρι και κατά τη διάρκεια συνθηκών αίθριου και καθαρού ουρανού. Το λογισμικό Adobe Photoshop (έκδοση CS6) χρησιμοποιήθηκε για τον υπολογισμό των τιμών SVF από αυτές τις εικόνες. Αυτή η προσέγγιση εντόπισε αποτελεσματικά το SVF, ακόμη και σε εικόνες που τραβήχτηκαν κάτω από θόλους δέντρων, διακρίνοντας τον γαλάζιο ουρανό ανάμεσα σε κλαδιά και φύλλα. Μετά την ακριβή επιλογή του χρώματος του ουρανού, προσδιορίστηκε ο συνολικός αριθμός όλων των ορατών pixel στην εικόνα του φακού fisheye (β) και ο αριθμός των pixel που αντιπροσωπεύουν τον ορατό ουρανό (α). Και οι δύο μετρήσεις pixel καταγράφηκαν στο Microsoft Excel και οι τιμές SVF υπολογίστηκαν χρησιμοποιώντας την εξίσωση α/β σύμφωνα με τη μεθοδολογία που περιγράφεται στο Debbage

'''2.4.4. Ανάλυση NDBI και NDVI'''
Η χρήση των καναλιών Landsat επιτρέπει την αξιολόγηση δεικτών πυκνότητας χρήσης της γης (NDVI και NDBI) χρησιμοποιώντας διάφορες μεθόδους. Οι τεχνικές δεικτών φασματικής ανάλυσης βασίζονται στις ιδιότητες του ηλεκτρομαγνητικού φάσματος και στη φασματική συμπεριφορά των αστικών τοπίων όσον αφορά την απορρόφηση ή ανάκλαση. Στο πλαίσιο αυτό, οι χτισμένες περιοχές και οι ξερές εκτάσεις τείνουν να αντανακλούν περισσότερη ενέργεια στο μέσο υπέρυθρο (SWIR) σε σύγκριση με το εγγύς υπερύθρο (NIR). Αντίθετα, οι υδάτινες επιφάνειες δεν αντανακλούν στο υπερύθρο φάσμα. Οι υγιείς πράσινες επιφάνειες εμφανίζουν τυπικά υψηλότερη ανάκλαση στο NIR φάσμα σε σύγκριση με το SWIR φάσμα. Αυτές οι διαφορετικές ζώνες εντός των εικόνων δορυφόρου αντιπροσωπεύουν διάφορα μήκη κύματος του ηλεκτρομαγνητικού φάσματος, σχηματίζοντας τη βάση για διάφορες μεθόδους δεικτών φασματικής ανάλυσης και τους αντίστοιχους τους τύπους και μεθόδους υπολογισμού. Η εκτίμηση του NDVI είναι ένας από τους πιο διαδεδομένους δείκτες πυκνότητας χρήσης της γης για την αξιολόγηση της πυκνότητας των φυτών. Ο NDVI υπολογίζεται χρησιμοποιώντας την υψηλή ανάκλαση στο NIR και την υψηλή απορρόφηση στο κόκκινο φάσμα, ενώ, η χρήση του NDBI αναδεικνύει την πυκνότητα των χτισμάτων μεταξύ διαφορετικών κατηγοριών χρήσης γης

'''3. Αποτελέσματα'''

'''3.1. Αποτελέσματα της ανάλυσης της θερμοκρασίας της επιφάνειας του εδάφους'''
Οι περιοχές μελέτης έδειξαν μια χωρική κατανομή της LST στις περιοχές μελέτης με τιμές που κυμαίνονται από 41,86 °C έως 68,66 °C. Επισημαίνεται ότι η υψηλότερη τιμή LST καταγράφηκε στην HA2, όπου υπάρχουν συγκροτήματα με πολυώροφα κτίρια. Αντίθετα, τα κτίρια μεσαίων και χαμηλών ορόφων στις HA1 και HA3 εμφάνισαν σχετικά χαμηλότερες τιμές LST.

[[Αρχείο:εικονα 4 a3.jpg‎]]

''Εικ. 4. Χωρική κατανομή της LST στις περιοχές μελέτης.''

Η ανάλυση της LST ανέδειξε ότι η μέση τιμή LST στην HA2 ήταν η υψηλότερη (64,96 °C), ενώ ακολούθησαν η HA1 (64,44 °C) και η HA3 (63,97 °C).

Τα ευρήματα της ανάλυσης LISA έδειξαν μοτίβα ομαδοποίησης της LST στις HA1 και HA2, αλλά όχι στην HA3. Συγκεκριμένα, στην HA1 παρατηρήθηκαν συστάδες με χαμηλές τιμές στο βόρειο τμήμα και υψηλές τιμές στο νότιο τμήμα. Επίσης, στην HA2, το νότιο τμήμα με τα υψηλά πολυώροφα κτίρια εμφάνισε συστάδες με υψηλές τιμές, ενώ το βορειοδυτικό τμήμα είχε συστάδες με χαμηλές τιμές.

'''3.2. Αποτελέσματα της ανάλυσης space syntax'''
Η εικόνα 6 παρουσιάζει τον δείκτη ολοκλήρωσης του οδικού δικτύου της Έρζουρου, αναπαριστώντας τις τιμές ολοκλήρωσης σε διάφορες αποχρώσεις. Παρατηρείται ότι οι περιοχές με διαφορετικό επίπεδο ολοκλήρωσης είναι διακριτές, με τον κύριο άξονα να δείχνει υψηλότερη ολοκλήρωση σε σχέση με την περιφέρεια της πόλης. Οι τρεις περιοχές μελέτης έδειξαν
διαφορετικά επίπεδα ολοκλήρωσης, με το HA2 να ξεχωρίζει για την υψηλότερη ολοκλήρωση ενώ το ΗΑ1 παρουσίασε ολοκληρωμένες περιοχές στις βόρειες και νότιες περιοχές με την ολοκλήρωση να μειώνεται προς την περιφέρεια. Στο HA3, παρατηρήθηκε υψηλότερο επίπεδο ολοκλήρωσης στους βόρειους τομείς, με την ολοκλήρωση να μειώνεται προς τις νότιες περιοχές.

'''3.3. Αποτελέσματα της ανάλυσης NDVI και NDBI'''
Ο Πίνακας 2 και ο Πίνακας 3 παρέχουν στατιστικές πληροφορίες για τις τιμές NDBI και NDVI στα τρία διαφορετικά HA. Από αυτούς τους πίνακες προκύπτει ότι το HA2 διαθέτει υψηλότερο NDBI, υποδεικνύοντας περισσότερες χτισμένες περιοχές σε σύγκριση με τα άλλα δύο, μαζί με χαμηλότερο ποσοστό πρασίνου. Αντίθετα, το HA1, που κυριαρχείται από μονοκατοικίες, εμφάνισε χαμηλότερες χτισμένες περιοχές και υψηλότερο ποσοστό πρασίνου. Οι χάρτες που απεικονίζουν τις κατανομές του NDBI και του NDVI (Σχήμα 7) δείχνουν εμφανώς τις διαφορές στις τιμές των δεικτών μεταξύ των διαφορετικών ΗΑ. Η τιμή NDVI στη δημόσια ζώνη στο βορειοδυτικό τμήμα του HA2 φαινόταν υψηλότερη λόγω των ενεργών κατασκευαστικών έργων για μια νέα περιοχή κατοικιών. Ωστόσο, αυτή η συγκεκριμένη περιοχή αποκλείστηκε από τη μελέτη, επικεντρώνοντας την προσοχή μόνο στα δεδομένα από τις υφιστάμενες κατοικημένες περιοχές.

'''3.4. Αποτελέσματα της φωτογραφικής ανάλυσης του συντελεστή Sky View'''
Τα τρία διαφορετικά αστικά τμήματα παρουσίασαν διαφορετικά μορφολογικά χαρακτηριστικά, με το HA1 να έχει μεσαίου ύψους διαμερίσματα στο βόρειο μέρος και μονοκατοικίες στο νότιο, το HA2 να διαθέτει μεσαίου ύψους οικοδομικά τετράγωνα στο βόρειο τμήμα και συγκροτήματα με πολυόροφα κτίρια στο νότιο, ενώ το HA3 να παρουσιάζει ποικιλία από χαμηλές, ακανόνιστες κατοικίες στο νότιο μέρος και πολυώροφα διαμερίσματα στο νοτιοδυτικό. Η ανάλυση SVF αποκάλυψε ότι τα πολυώροφα διαμερίσματα είχαν χαμηλότερες τιμές SVF, ενώ τα χαμηλά κτίρια είχαν υψηλότερες τιμές SVF. Οι αυλές και τα γραμμικά μπλοκ συνήθως εμφάνιζαν υψηλότερες τιμές SVF. Τέλος, παρατηρήθηκαν διακριτά μοτίβα στην SVF μεταξύ διαφόρων κτιρίων, υπογραμμίζοντας την επίδραση των μορφών κατοικιών και των υψών τους στην SVF.

'''3.5. Αποτελέσματα της ανάλυσης συσχέτισης μεταξύ της ολοκλήρωσης (Space Syntax), SVF, NDVI, NDBI και LST'''
Η μελέτη εξέτασε τις συσχετίσεις μεταξύ της θερμοκρασίας επιφάνειας της γης (LST) και δεικτών μορφολογίας σε τρία διαφορετικά Χωροταξικά Περιβάλλοντα (HA). Τα αποτελέσματα της ανάλυσης Pearson ανέδειξαν διαφορετικά χαρακτηριστικά μεταξύ των HA. Παρατηρήθηκε ότι οι τιμές LST τείνουν να αυξάνονται με υψηλότερες τιμές του δείκτη NDBI και να μειώνονται με υψηλότερες τιμές του δείκτη NDVI. Συγκεκριμένα, στα HA1 και HA2 παρατηρήθηκε έντονη θετική συσχέτιση μεταξύ NDBI και LST, ενώ το NDVI είχε σημαντική αρνητική επίδραση στο LST και στα δύο αυτά HA. Αντίθετα, στο HA3 δεν παρατηρήθηκε σημαντική συσχέτιση μεταξύ NDBI, NDVI και LST.
Το HA3 ξεχώρισε λόγω της μικτής μορφής κτιρίων, με χαμηλά κτίρια και πολυώροφες πολυκατοικίες. Η ποικιλομορφία αυτή οδήγησε σε διαφορετικές τιμές LST που δεν εξαρτώνταν αποκλειστικά από τους δείκτες NDBI και NDVI. Έτσι, η ανάλυση του δείκτη SVF αποδείχθηκε σημαντική για την κατανόηση των μεταβολών του LST. Οι διαφορετικοί τύποι κτιρίων επηρέαζαν σημαντικά το SVF, ιδίως στο HA3, με τον δείκτη SVF να εμφανίζει θετική συσχέτιση με το LST σε αυτό το HA.
Αντίθετα, στο HA2, όπου κυριαρχούσαν πολυώροφα κτίρια, παρατηρήθηκαν εξαιρετικά χαμηλές τιμές SVF. Παρά την μειωμένη πρόσληψη ηλιακής ακτινοβολίας λόγω του χαμηλού SVF, παρατηρήθηκε υψηλό επίπεδο γήινης ακτινοβολίας, οδηγώντας σε αύξηση του LST. Η συνεργασία μεταξύ του εξαιρετικά χαμηλού SVF και των μειωμένων τιμών NDVI στο HA2 συνέβαλε στην αύξηση του LST. Επιπλέον, ο δείκτης ολοκλήρωσης έδειξε συσχέτιση με το LST σε όλα τα HA, όπου μειωμένες τιμές δείκτη ολοκλήρωσης συνδέονταν με χαμηλότερες τιμές LST. Αυτή η συσχέτιση μπορεί να αποδοθεί σε αυξημένη σκίαση σε ενσωματωμένες περιοχές.

'''4. Συζήτηση'''
Τα ευρήματα της μελέτης αυτής δείχνουν ότι τα Χωροταξικά Περιβάλλοντα (HA) που χαρακτηρίζονται από υψηλή πυκνότητα και υψηλά κτίρια βιώνουν υψηλότερη θερμοκρασία επιφάνειας του εδάφους (LST) το καλοκαίρι σε σύγκριση με τα HA που έχουν λιγότερα, μεσαίου ύψους και χαμηλά κτίρια. Αυτή η παρατήρηση είναι συμβατή με προηγούμενες μελέτες που εξετάζουν τη σχέση μεταξύ LST και αστικής μορφολογίας. Η σημασία των μορφολογικών χαρακτηριστικών στα HA δεν μπορεί να υποτιμηθεί, καθώς επηρεάζουν το μικροκλίμα και συμβάλλουν τελικά στην αύξηση της LST. Η ανάλυση Space Syntax δείχνει ότι ο δείκτης ολοκλήρωσης του δικτύου δρόμων έχει υψηλή επεξηγηματική ισχύ για την LST σε όλα τα HA, αλλά η κατεύθυνση της σχέσης μεταξύ LST και του δείκτη αυτού αλλάζει ανάλογα με τα χαρακτηριστικά κατοικιών κάθε ΗΑ. Η LST φαίνεται να μειώνεται σε περιοχές με υψηλή ολοκλήρωση στα ΗΑ1 και ΗΑ3, ενώ αυξάνεται σε περιοχές με αστικές πολυκατοικίες στο ΗΑ2. Η ανάλυση αυτή επισημαίνει την πολύπλοκη σχέση μεταξύ του αστικού σχεδιασμού και του ελέγχου της θερμοκρασίας και προκαλεί προβληματισμό σχετικά με τις προσδοκίες. Επιπλέον, οι δείκτες NDBI και NDVI είχαν σημαντική συσχέτιση με την LST σε ΗΑ1 και ΗΑ2, αλλά όχι στο ΗΑ3, υποδεικνύοντας την ανάγκη για πιο ολοκληρωμένες μελέτες σε περιβάλλοντα με διαφορετικά χαρακτηριστικά. Βασιζόμενοι στα ευρήματα, προτείνονται μέτρα για τη μείωση του φαινομένου Urban Heat Islands (UHI) με έμφαση στη διασφάλιση ποικιλομορφίας σε ύψη και μορφές κτιρίων και την ενίσχυση του πράσινου δικτύου της πόλης. Τέλος, η ανάλυση του δείκτη Συντελεστή Ορατότητας (SVF) έδειξε σημαντική συσχέτιση με την LST σε όλα τα ΗΑ, αναδεικνύοντας την ανάγκη για περαιτέρω έρευνα για να κατανοήσουμε πλήρως την πολυπλοκότητα της σχέσης μεταξύ τους.

'''5. Συμπεράσματα'''
Σε περιοχές κατοικιών στην Ερζουρούμ της Τουρκίας, όπου η έκθεση στην ηλιακή ακτινοβολία είναι υψηλή η αστική μορφολογία επηρεάζει το μικροκλίμα, ιδίως το φαινόμενο των Urban Heat Islands (UHI). Η σοβαρότητα του φαινομένου UHI διαφέρει ανάλογα με τον τύπο των κτιρίων, με τα ψηλά κτίρια να επιδεινώνουν το φαινόμενο περισσότερο από τα χαμηλά και μεσαίου ύψους κτίρια. Οι δείκτες χωρικής μορφής, όπως ο δείκτης ακεραιότητας και ο δείκτης παρατήρησης ουρανού (SVF), επηρεάζουν σημαντικά το UHI, με τον δείκτη SVF να έχει έντονη επίδραση σε περιοχές χαμηλής SVF. Η διανομή και διάταξη των κτιρίων επηρεάζει επίσης το UHI, με τα κτίρια μεσαίου ύψους να βοηθούν στη μείωσή του, ενώ οι υψηλοί πύργοι διαχωρισμένων κτιρίων είναι αποτελεσματικοί στην αντιμετώπισή του. Επιπλέον, η κάλυψη του εδάφους με βλάστηση (NDVI) και οι δείκτες έντασης χρήσης γης (NDBI) επηρεάζουν το UHI, με την περισσότερη πράσινη και τη σχεδιασμένη ανάπτυξη να εμφανίζουν κρυστάλλωση επί του φαινομένου.
Βασιζόμενη σε αυτά τα ευρήματα, η μελέτη υποστηρίζει την εξέταση χωρικών και ειδικών δεικτών κατά τον σχεδιασμό της αστικής μορφολογίας για τη μείωση του UHI. Επιπλέον, υπογραμμίζεται η σημασία της αντιμετώπισης του UHI στο πλαίσιο της κλιματικής αλλαγής, καθώς οι προτεινόμενες στρατηγικές μπορούν να βοηθήσουν στην προσαρμογή στις επιπτώσεις της κλιματικής αλλαγής και στη μείωση των εκπομπών αερίων του θερμοκηπίου.
Παρόλα αυτά, η μελέτη αναγνωρίζει περιορισμούς όπως η εστίαση στα δεδομένα θερμοκρασίας επιφάνειας κατά τους θερινούς μήνες και η έλλειψη δεδομένων για το χειμώνα, καλώντας για περαιτέρω έρευνα προκειμένου να διερευνηθεί η επίδραση των μορφολογικών δεικτών κατά τη διάρκεια του χειμώνα και να εξεταστούν παράγοντες.

[[category:ΔΠΜΣ ]]

Οι επιπτώσεις της αστικής μορφολογίας στις αστικές θερμικές νησίδες σε κατοικημένες περιοχές: Erzurum, Τουρκία

2024-03-08T16:41:47Z

I christofaki:

'''Πρωτότυπος τίτλος:''' ''The Impacts of Urban Morphology on Urban Heat Islands in Housing Areas: The Case of Erzurum, Turkey ''

'''Συγγραφείς: ''' ''by Cansu Güller and Süleyman Toy''

'''Πηγή:''' https://www.mdpi.com/2071-1050/16/2/791

''' Περίληψη '''
Η παρούσα μελέτη εξετάζει τη σχέση μεταξύ της αστικής μορφολογίας και της έντασης των Urban Heat Islands (UHI) σε διάφορες περιοχές κατοικίας στην πόλη της Ερζουρούμ στην Τουρκία. Βρέθηκε ότι τα UHI επηρεάζονται από παράγοντες όπως τα δίκτυα δρόμων, οι κτιριακές δομές και η χρήση του εδάφους. Προτείνεται τη βελτιστοποίηση της αστικής μορφολογίας για τη μείωση των UHI, υπογραμμίζοντας τη σημασία της χρήσης συγκεκριμένων δεικτών και της χωρικής ειδικότητας στον σχεδιασμό και τον στρατηγικό σχεδιασμό των πόλεων για την αντιμετώπιση των κλιματικών προκλήσεων.

'''1.Εισαγωγή '''
Τα τελευταία χρόνια, τα ακραία καιρικά φαινόμενα, τα οποία προκαλούνται από την κλιματική αλλαγή, έχουν αναδειχθεί ως επείγουσες απειλές για τις κοινότητες. Η διαδικασία της αστικοποίησης συνεισφέρει σημαντικά στην κλιματική αλλαγή, με τον τρόπο που καταναλώνει ενέργεια και μολύνει την αστική ατμόσφαιρα, καθώς και με τον τρόπο που μετατρέπει σταδιακά φυσικές επιφάνειες της γης σε αδιαπέραστες. Οι αστικές επιφάνειες συνεχίζουν να διευρύνονται μέσα στις πόλεις, αλλάζοντας την αστική δομή και μορφολογία για να προσαρμοστούν στην αύξηση του πληθυσμού. Η επέκταση αυτή επηρεάζει σημαντικά το κλίμα μέσω του φαινομένου του νησιού θερμότητας της πόλης. Τα νησιά θερμότητας χαρακτηρίζουν τη διακριτή μεταβολή της θερμοκρασίας μεταξύ των μικροκλιμάτων μέσα σε μια πόλη και τις γύρω περιοχές. Η επέκταση των πόλεων έχει ενισχύσει αυτό το φαινόμενο, συμβάλλοντας στην αύξηση της κατανάλωσης ενέργειας, την επιδείνωση της μόλυνσης και τις δυσμενείς επιπτώσεις στη δημόσια υγεία και ευημερία. Επομένως, η άμεση αντιμετώπιση αυτού του φαινομένου είναι κρίσιμη, απαιτώντας μια σφαιρική κατανόηση των παραγόντων που επηρεάζουν τα νησιά θερμότητας για την αποτελεσματική μείωση των επιβλαβών τους επιπτώσεων.

'''2.Υλικα και μέθοδοι'''

'''2.1 Περιοχή σπουδών'''
Η μελέτη επιλέγει τρεις διαφορετικές περιοχές κατοικίας με διαφορετικά μορφολογικά πρότυπα στο κέντρο της Ερζουρούμ, Τουρκία. Αναλύονται οι μετρήσεις ηλιακής ακτινοβολίας και θερμοκρασίας για τις περιοχές αυτές. Το μελετώμενο έργο εστιάζει στην εξέταση της επίδρασης των μορφολογικών στοιχείων της πόλης στη δημιουργία των νησιών θερμότητας.
Η μελέτη εξετάζει τρεις διαφορετικές περιοχές κατοικίας στο κέντρο της Ερζουρούμ, Τουρκία, με διαφορετικά μορφολογικά χαρακτηριστικά. (εικ.1)

[[Αρχείο:εικονα 1 a3.jpg‎]]

''Εικ.1. α) Τύπος κάλυψης γης β) συντελεστής εκπομπής σε όλη την πόλη Port Phillip.''

Οι περιοχές αυτές έχουν αναπτυχθεί κατά τη διάρκεια του Σχεδίου Ανάπτυξης του 1967 και διαφέρουν σημαντικά στο ύψος, τη μορφή και τη διάταξη των κτιρίων, καθώς και στον σχεδιασμό των δρόμων. Η περιοχή Dadaşkent έχει υποστεί γρήγορη ανάπτυξη με υψηλά κτίρια και ευθύγραμμο οδικό δίκτυο, ενώ οι περιοχές Yenişehir και Yıldızkent έχουν χαρακτηριστεί από μεσαίας ύψους κτίρια και σχεδιασμό που επικεντρώνεται στην ισορροπία μεταξύ ανοικτών και κλειστών χώρων. Τέλος, η περιοχή Kayakyolu παρουσιάζει ένα μοναδικό συνδυασμό από χαρακτηριστικά όπως ασχεδίαστα χαμηλά κτίρια, υποβαθμισμένα δρόμους και σχεδιασμένα ψηλά κτίρια, παρά την ανάπτυξή της μετά την εισαγωγή του σχεδίου Ζεκί Υαπάρ. Η μελέτη επικεντρώνεται στην επίδραση αυτών των μορφολογικών χαρακτηριστικών στις θερμικές συνθήκες της περιοχής.

'''2.2 Χρονική περίοδος'''
Για τη μελέτη επιλέχθηκε η περίοδος του Ιουλίου 2022 λόγω της συχνής αίθριας κατάστασης του ουρανού. Ειδικότερα, η 15η Ιουλίου επιλέχθηκε λόγω του πολύ χαμηλού ποσοστού νεφώσεως και της βέλτιστης ποιότητας εικόνας. Η ημερομηνία αυτή χαρακτηρίζεται από μηνιαία μέγιστη θερμοκρασία 33 °C και ελάχιστη θερμοκρασία 14 °C, σύμφωνα με τα μετεωρολογικά δεδομένα από την Ερζουρούμ.

'''2.3. Υλικά'''
Χρησιμοποιήθηκαν δεδομένα από τηλεπισκόπηση μέσω του Landsat 8 Operational Land Imager (OLI) της Αμερικανικής Υπηρεσίας Γεωλογικής Εξέτασης (USGS). Τα δεδομένα του Landsat-8 OLI καταγράφηκαν κατά τη διάρκεια της ημέρας του καλοκαιριού τον Ιούλιο του 2022, στις 07:56. Η ανάλυση περιλάμβανε τον υπολογισμό των δεικτών NDBI, NDVI και LST.
Τα δεδομένα για το οδικό δίκτυο ελήφθησαν από δύο κύριες πηγές: το Open Street Map (OSM) και τη βάση δεδομένων της Γενικής Διεύθυνσης Υψηλών Οδών, γνωστή ως Atlas. Η εμπιστοσύνη στις πληροφορίες επαληθεύτηκε μέσω πρόσθετων πηγών, όπως οι Google Maps, Google Streets και οι δρόμοι του Environmental System Research Institute (ESRI). Τα δεδομένα αυτά ενσωματώθηκαν στο περιβάλλον GIS για να παραχθεί μια συνολική χαρτογράφηση.
Επιπλέον, πραγματοποιήθηκε πεδίο ερευνών για την εντοπισμό των περιοχών κατοικιών και των πράσινων χώρων σε κάθε περιοχή κατοικίας (HA). Αν και η μελέτη περιλαμβάνει πράσινους χώρους γνωστούς για τον αποτελεσματικό δροσισμό τους, η επίδρασή τους αποκλείστηκε από την ανάλυση για να διασφαλιστεί η ακρίβεια των αποτελεσμάτων.
Τέλος, τα ύψη και οι μορφές των κτιρίων ταξινομήθηκαν σε οκτώ κατηγορίες, και στα οκτώ διαφορετικά σημεία ελέγχου καταγράφηκαν εικόνες από τον ουρανό, ώστε να εξεταστεί η επίδραση τους στην ανάπτυξη

'''2.4. Μεθοδολογία'''
Η γενική διαδικασία μεθοδολογίας δίνεται στην εικ.2.

[[Αρχείο:εικονα 2 a3.jpg‎]]

''Εικ. 2. Διάγραμμα ροής της μεθόδου.''

'''2.4.1.Ανάλυση θερμοκρασίας στην επιφάνεια του εδάφους'''
Οι υπολογισμοί της Θερμοκρασίας της Επιφάνειας της Γης (LST) αποτελούν σημαντική τεχνική για την επισήμανση της χωρικής διανομής του φαινομένου του UHI (Urban Heat Island), το οποίο έχει μελετηθεί εκτενώς στη βιβλιογραφία. Η εξίσωση του NDVI είναι κρίσιμη κατά τον υπολογισμό της LST, ειδικά λόγω της γνωστής ικανότητας των πράσινων αστικών χώρων να ανακουφίζουν τη θερμοκρασία της επιφάνειας.
Για την ανάλυση της LST χρησιμοποιήθηκε το λογισμικό QGIS 3.12, ενώ για τους υπολογισμούς χρησιμοποιήθηκε το εργαλείο raster calculator για την μετατροπή των δεδομένων από τις ζώνες του Landsat 8 OLI. Η ζώνη 10 από τους δύο θερμικούς αισθητήρες υπερύθρων (TIRS) επιλέχθηκε ειδικά λόγω της υψηλότερης ακρίβειας των υπολογισμών LST. Μετά τη μετατροπή των τιμών DN σε ακτινοβολία στην κορυφή της ατμόσφαιρας (TOA), οι τιμές της θερμοκρασίας φωτεινότητας (BT) υπολογίστηκαν χρησιμοποιώντας τις θερμικές σταθερές που παρέχονται στα μεταδεδομένα.
Οι υπολογισμοί του NDVI είναι απαραίτητοι για τον προσδιορισμό του Pv (αναλογία φυτοκάλυψης) και του εκπομπού (ε) που χρησιμοποιούνται στους υπολογισμούς της LST. Τέλος, η LST υπολογίζεται χρησιμοποιώντας την εξίσωση που συνδυάζει το BT, το NDVI και το ε, ανάλογα με τον τύπο χρήσης της γης.

'''2.4.2. Ανάλυση σύνταξης χώρου'''
Η ανάλυση Space Syntax εξετάζει τα οδικά δίκτυα για να ορίσει με ακρίβεια τους αστικούς χώρους με βάση τα μορφολογικά χαρακτηριστικά που υπολογίζονται ποσοτικά με βάση τις συνδέσεις που φαίνονται στους χάρτες τομέων. Στην αστική κλίμακα, οι άξονες αντιπροσωπεύουν τμήματα δρόμων, και η Space Syntax εστιάζει στην τοπολογική διάσταση του οδικού δικτύου, ειδικά στο πώς αλληλεπιδρούν οι άξονες. Ο βαθμός ολοκλήρωσης αξιολογεί το βαθμό με τον οποίο το αρχικό τμήμα ενσωματώνεται στο γενικό σύστημα, με μεγαλύτερη ολοκλήρωση που υποδεικνύει μεγαλύτερο αριθμό συνδέσεων στο δίκτυο.
Η ανάλυση του Space Syntax πραγματοποιήθηκε χρησιμοποιώντας το λογισμικό DepthmapX (έκδοση 0.8.0). Αρχικά, δημιουργήθηκε ένας άξονας χάρτη της πόλης Ερζουρούμ στο QGIS 3.12. Στη συνέχεια, τα δεδομένα υποβλήθηκαν σε ανάλυση γωνιών τμήματος μέσα στο λογισμικό DepthmapX μετά τη μετατροπή τους σε μορφή shapefile.
Η Space Syntax βασίζεται σε τέσσερα βήματα που απεικονίζονται στην εικ.3 : (i) ο δρόμος προτύπου μετατρέπεται σε άξονα χάρτη, (ii) ο άξονας χάρτη μετατρέπεται σε δυαδικό γράφημα, (iii) υπολογίζεται η ολοκλήρωση κάθε κόμβου στο γράφημα ολοκλήρωσης, και (iv) οι τιμές χρωματίζονται και χαρτογραφούνται πίσω στον άξονα χάρτη, δημιουργώντας μια τελική αναπαράσταση χρωματικής κωδικοποίησης.

[[Αρχείο:εικονα 3 a3.jpg‎]]

''Εικ. 3. Διάγραμμα των βασικών βημάτων του Space Syntax. (1) μοτίβο δρόμου, (2) αξονικός χάρτης, (3) δυαδικός γράφος, (4) χάρτης ολοκλήρωσης.''

'''2.4.3. Φωτογραφική ανάλυση του συντελεστή Sky View'''
Οπτικές και φωτογραφικές τεχνικές χρησιμεύουν ως μέσα για την καθορισμό του SVF. Η φωτογραφική μεθοδολογία περιλαμβάνει τη χρήση ενός φακού fisheye για τη λήψη εικόνων αστικών φαραγγιών. Δεδομένου ότι δεν υπάρχει κανονισμένο ύψος για τη λήψη εικόνων SVF, οι εικόνες ελήφθησαν σε αυτή τη μελέτη το καλοκαίρι και κατά τη διάρκεια συνθηκών αίθριου και καθαρού ουρανού. Το λογισμικό Adobe Photoshop (έκδοση CS6) χρησιμοποιήθηκε για τον υπολογισμό των τιμών SVF από αυτές τις εικόνες. Αυτή η προσέγγιση εντόπισε αποτελεσματικά το SVF, ακόμη και σε εικόνες που τραβήχτηκαν κάτω από θόλους δέντρων, διακρίνοντας τον γαλάζιο ουρανό ανάμεσα σε κλαδιά και φύλλα. Μετά την ακριβή επιλογή του χρώματος του ουρανού, προσδιορίστηκε ο συνολικός αριθμός όλων των ορατών pixel στην εικόνα του φακού fisheye (β) και ο αριθμός των pixel που αντιπροσωπεύουν τον ορατό ουρανό (α). Και οι δύο μετρήσεις pixel καταγράφηκαν στο Microsoft Excel και οι τιμές SVF υπολογίστηκαν χρησιμοποιώντας την εξίσωση α/β σύμφωνα με τη μεθοδολογία που περιγράφεται στο Debbage

'''2.4.4. Ανάλυση NDBI και NDVI'''
Η χρήση των καναλιών Landsat επιτρέπει την αξιολόγηση δεικτών πυκνότητας χρήσης της γης (NDVI και NDBI) χρησιμοποιώντας διάφορες μεθόδους. Οι τεχνικές δεικτών φασματικής ανάλυσης βασίζονται στις ιδιότητες του ηλεκτρομαγνητικού φάσματος και στη φασματική συμπεριφορά των αστικών τοπίων όσον αφορά την απορρόφηση ή ανάκλαση. Στο πλαίσιο αυτό, οι χτισμένες περιοχές και οι ξερές εκτάσεις τείνουν να αντανακλούν περισσότερη ενέργεια στο μέσο υπέρυθρο (SWIR) σε σύγκριση με το εγγύς υπερύθρο (NIR). Αντίθετα, οι υδάτινες επιφάνειες δεν αντανακλούν στο υπερύθρο φάσμα. Οι υγιείς πράσινες επιφάνειες εμφανίζουν τυπικά υψηλότερη ανάκλαση στο NIR φάσμα σε σύγκριση με το SWIR φάσμα. Αυτές οι διαφορετικές ζώνες εντός των εικόνων δορυφόρου αντιπροσωπεύουν διάφορα μήκη κύματος του ηλεκτρομαγνητικού φάσματος, σχηματίζοντας τη βάση για διάφορες μεθόδους δεικτών φασματικής ανάλυσης και τους αντίστοιχους τους τύπους και μεθόδους υπολογισμού. Η εκτίμηση του NDVI είναι ένας από τους πιο διαδεδομένους δείκτες πυκνότητας χρήσης της γης για την αξιολόγηση της πυκνότητας των φυτών. Ο NDVI υπολογίζεται χρησιμοποιώντας την υψηλή ανάκλαση στο NIR και την υψηλή απορρόφηση στο κόκκινο φάσμα, ενώ, η χρήση του NDBI αναδεικνύει την πυκνότητα των χτισμάτων μεταξύ διαφορετικών κατηγοριών χρήσης γης

'''3. Αποτελέσματα'''

'''3.1. Αποτελέσματα της ανάλυσης της θερμοκρασίας της επιφάνειας του εδάφους'''
Οι περιοχές μελέτης έδειξαν μια χωρική κατανομή της LST στις περιοχές μελέτης με τιμές που κυμαίνονται από 41,86 °C έως 68,66 °C. Επισημαίνεται ότι η υψηλότερη τιμή LST καταγράφηκε στην HA2, όπου υπάρχουν συγκροτήματα με πολυώροφα κτίρια. Αντίθετα, τα κτίρια μεσαίων και χαμηλών ορόφων στις HA1 και HA3 εμφάνισαν σχετικά χαμηλότερες τιμές LST.

Η ανάλυση της LST ανέδειξε ότι η μέση τιμή LST στην HA2 ήταν η υψηλότερη (64,96 °C), ενώ ακολούθησαν η HA1 (64,44 °C) και η HA3 (63,97 °C).

Τα ευρήματα της ανάλυσης LISA έδειξαν μοτίβα ομαδοποίησης της LST στις HA1 και HA2, αλλά όχι στην HA3. Συγκεκριμένα, στην HA1 παρατηρήθηκαν συστάδες με χαμηλές τιμές στο βόρειο τμήμα και υψηλές τιμές στο νότιο τμήμα. Επίσης, στην HA2, το νότιο τμήμα με τα υψηλά πολυώροφα κτίρια εμφάνισε συστάδες με υψηλές τιμές, ενώ το βορειοδυτικό τμήμα είχε συστάδες με χαμηλές τιμές.

'''3.2. Αποτελέσματα της ανάλυσης space syntax'''
Η εικόνα 6 παρουσιάζει τον δείκτη ολοκλήρωσης του οδικού δικτύου της Έρζουρου, αναπαριστώντας τις τιμές ολοκλήρωσης σε διάφορες αποχρώσεις. Παρατηρείται ότι οι περιοχές με διαφορετικό επίπεδο ολοκλήρωσης είναι διακριτές, με τον κύριο άξονα να δείχνει υψηλότερη ολοκλήρωση σε σχέση με την περιφέρεια της πόλης. Οι τρεις περιοχές μελέτης έδειξαν
διαφορετικά επίπεδα ολοκλήρωσης, με το HA2 να ξεχωρίζει για την υψηλότερη ολοκλήρωση ενώ το ΗΑ1 παρουσίασε ολοκληρωμένες περιοχές στις βόρειες και νότιες περιοχές με την ολοκλήρωση να μειώνεται προς την περιφέρεια. Στο HA3, παρατηρήθηκε υψηλότερο επίπεδο ολοκλήρωσης στους βόρειους τομείς, με την ολοκλήρωση να μειώνεται προς τις νότιες περιοχές.

'''3.3. Αποτελέσματα της ανάλυσης NDVI και NDBI'''
Ο Πίνακας 2 και ο Πίνακας 3 παρέχουν στατιστικές πληροφορίες για τις τιμές NDBI και NDVI στα τρία διαφορετικά HA. Από αυτούς τους πίνακες προκύπτει ότι το HA2 διαθέτει υψηλότερο NDBI, υποδεικνύοντας περισσότερες χτισμένες περιοχές σε σύγκριση με τα άλλα δύο, μαζί με χαμηλότερο ποσοστό πρασίνου. Αντίθετα, το HA1, που κυριαρχείται από μονοκατοικίες, εμφάνισε χαμηλότερες χτισμένες περιοχές και υψηλότερο ποσοστό πρασίνου. Οι χάρτες που απεικονίζουν τις κατανομές του NDBI και του NDVI (Σχήμα 7) δείχνουν εμφανώς τις διαφορές στις τιμές των δεικτών μεταξύ των διαφορετικών ΗΑ. Η τιμή NDVI στη δημόσια ζώνη στο βορειοδυτικό τμήμα του HA2 φαινόταν υψηλότερη λόγω των ενεργών κατασκευαστικών έργων για μια νέα περιοχή κατοικιών. Ωστόσο, αυτή η συγκεκριμένη περιοχή αποκλείστηκε από τη μελέτη, επικεντρώνοντας την προσοχή μόνο στα δεδομένα από τις υφιστάμενες κατοικημένες περιοχές.

'''3.4. Αποτελέσματα της φωτογραφικής ανάλυσης του συντελεστή Sky View'''
Τα τρία διαφορετικά αστικά τμήματα παρουσίασαν διαφορετικά μορφολογικά χαρακτηριστικά, με το HA1 να έχει μεσαίου ύψους διαμερίσματα στο βόρειο μέρος και μονοκατοικίες στο νότιο, το HA2 να διαθέτει μεσαίου ύψους οικοδομικά τετράγωνα στο βόρειο τμήμα και συγκροτήματα με πολυόροφα κτίρια στο νότιο, ενώ το HA3 να παρουσιάζει ποικιλία από χαμηλές, ακανόνιστες κατοικίες στο νότιο μέρος και πολυώροφα διαμερίσματα στο νοτιοδυτικό. Η ανάλυση SVF αποκάλυψε ότι τα πολυώροφα διαμερίσματα είχαν χαμηλότερες τιμές SVF, ενώ τα χαμηλά κτίρια είχαν υψηλότερες τιμές SVF. Οι αυλές και τα γραμμικά μπλοκ συνήθως εμφάνιζαν υψηλότερες τιμές SVF. Τέλος, παρατηρήθηκαν διακριτά μοτίβα στην SVF μεταξύ διαφόρων κτιρίων, υπογραμμίζοντας την επίδραση των μορφών κατοικιών και των υψών τους στην SVF.

'''3.5. Αποτελέσματα της ανάλυσης συσχέτισης μεταξύ της ολοκλήρωσης (Space Syntax), SVF, NDVI, NDBI και LST'''
Η μελέτη εξέτασε τις συσχετίσεις μεταξύ της θερμοκρασίας επιφάνειας της γης (LST) και δεικτών μορφολογίας σε τρία διαφορετικά Χωροταξικά Περιβάλλοντα (HA). Τα αποτελέσματα της ανάλυσης Pearson ανέδειξαν διαφορετικά χαρακτηριστικά μεταξύ των HA. Παρατηρήθηκε ότι οι τιμές LST τείνουν να αυξάνονται με υψηλότερες τιμές του δείκτη NDBI και να μειώνονται με υψηλότερες τιμές του δείκτη NDVI. Συγκεκριμένα, στα HA1 και HA2 παρατηρήθηκε έντονη θετική συσχέτιση μεταξύ NDBI και LST, ενώ το NDVI είχε σημαντική αρνητική επίδραση στο LST και στα δύο αυτά HA. Αντίθετα, στο HA3 δεν παρατηρήθηκε σημαντική συσχέτιση μεταξύ NDBI, NDVI και LST.
Το HA3 ξεχώρισε λόγω της μικτής μορφής κτιρίων, με χαμηλά κτίρια και πολυώροφες πολυκατοικίες. Η ποικιλομορφία αυτή οδήγησε σε διαφορετικές τιμές LST που δεν εξαρτώνταν αποκλειστικά από τους δείκτες NDBI και NDVI. Έτσι, η ανάλυση του δείκτη SVF αποδείχθηκε σημαντική για την κατανόηση των μεταβολών του LST. Οι διαφορετικοί τύποι κτιρίων επηρέαζαν σημαντικά το SVF, ιδίως στο HA3, με τον δείκτη SVF να εμφανίζει θετική συσχέτιση με το LST σε αυτό το HA.
Αντίθετα, στο HA2, όπου κυριαρχούσαν πολυώροφα κτίρια, παρατηρήθηκαν εξαιρετικά χαμηλές τιμές SVF. Παρά την μειωμένη πρόσληψη ηλιακής ακτινοβολίας λόγω του χαμηλού SVF, παρατηρήθηκε υψηλό επίπεδο γήινης ακτινοβολίας, οδηγώντας σε αύξηση του LST. Η συνεργασία μεταξύ του εξαιρετικά χαμηλού SVF και των μειωμένων τιμών NDVI στο HA2 συνέβαλε στην αύξηση του LST. Επιπλέον, ο δείκτης ολοκλήρωσης έδειξε συσχέτιση με το LST σε όλα τα HA, όπου μειωμένες τιμές δείκτη ολοκλήρωσης συνδέονταν με χαμηλότερες τιμές LST. Αυτή η συσχέτιση μπορεί να αποδοθεί σε αυξημένη σκίαση σε ενσωματωμένες περιοχές.

'''4. Συζήτηση'''
Τα ευρήματα της μελέτης αυτής δείχνουν ότι τα Χωροταξικά Περιβάλλοντα (HA) που χαρακτηρίζονται από υψηλή πυκνότητα και υψηλά κτίρια βιώνουν υψηλότερη θερμοκρασία επιφάνειας του εδάφους (LST) το καλοκαίρι σε σύγκριση με τα HA που έχουν λιγότερα, μεσαίου ύψους και χαμηλά κτίρια. Αυτή η παρατήρηση είναι συμβατή με προηγούμενες μελέτες που εξετάζουν τη σχέση μεταξύ LST και αστικής μορφολογίας. Η σημασία των μορφολογικών χαρακτηριστικών στα HA δεν μπορεί να υποτιμηθεί, καθώς επηρεάζουν το μικροκλίμα και συμβάλλουν τελικά στην αύξηση της LST. Η ανάλυση Space Syntax δείχνει ότι ο δείκτης ολοκλήρωσης του δικτύου δρόμων έχει υψηλή επεξηγηματική ισχύ για την LST σε όλα τα HA, αλλά η κατεύθυνση της σχέσης μεταξύ LST και του δείκτη αυτού αλλάζει ανάλογα με τα χαρακτηριστικά κατοικιών κάθε ΗΑ. Η LST φαίνεται να μειώνεται σε περιοχές με υψηλή ολοκλήρωση στα ΗΑ1 και ΗΑ3, ενώ αυξάνεται σε περιοχές με αστικές πολυκατοικίες στο ΗΑ2. Η ανάλυση αυτή επισημαίνει την πολύπλοκη σχέση μεταξύ του αστικού σχεδιασμού και του ελέγχου της θερμοκρασίας και προκαλεί προβληματισμό σχετικά με τις προσδοκίες. Επιπλέον, οι δείκτες NDBI και NDVI είχαν σημαντική συσχέτιση με την LST σε ΗΑ1 και ΗΑ2, αλλά όχι στο ΗΑ3, υποδεικνύοντας την ανάγκη για πιο ολοκληρωμένες μελέτες σε περιβάλλοντα με διαφορετικά χαρακτηριστικά. Βασιζόμενοι στα ευρήματα, προτείνονται μέτρα για τη μείωση του φαινομένου Urban Heat Islands (UHI) με έμφαση στη διασφάλιση ποικιλομορφίας σε ύψη και μορφές κτιρίων και την ενίσχυση του πράσινου δικτύου της πόλης. Τέλος, η ανάλυση του δείκτη Συντελεστή Ορατότητας (SVF) έδειξε σημαντική συσχέτιση με την LST σε όλα τα ΗΑ, αναδεικνύοντας την ανάγκη για περαιτέρω έρευνα για να κατανοήσουμε πλήρως την πολυπλοκότητα της σχέσης μεταξύ τους.

'''5. Συμπεράσματα'''
Σε περιοχές κατοικιών στην Ερζουρούμ της Τουρκίας, όπου η έκθεση στην ηλιακή ακτινοβολία είναι υψηλή η αστική μορφολογία επηρεάζει το μικροκλίμα, ιδίως το φαινόμενο των Urban Heat Islands (UHI). Η σοβαρότητα του φαινομένου UHI διαφέρει ανάλογα με τον τύπο των κτιρίων, με τα ψηλά κτίρια να επιδεινώνουν το φαινόμενο περισσότερο από τα χαμηλά και μεσαίου ύψους κτίρια. Οι δείκτες χωρικής μορφής, όπως ο δείκτης ακεραιότητας και ο δείκτης παρατήρησης ουρανού (SVF), επηρεάζουν σημαντικά το UHI, με τον δείκτη SVF να έχει έντονη επίδραση σε περιοχές χαμηλής SVF. Η διανομή και διάταξη των κτιρίων επηρεάζει επίσης το UHI, με τα κτίρια μεσαίου ύψους να βοηθούν στη μείωσή του, ενώ οι υψηλοί πύργοι διαχωρισμένων κτιρίων είναι αποτελεσματικοί στην αντιμετώπισή του. Επιπλέον, η κάλυψη του εδάφους με βλάστηση (NDVI) και οι δείκτες έντασης χρήσης γης (NDBI) επηρεάζουν το UHI, με την περισσότερη πράσινη και τη σχεδιασμένη ανάπτυξη να εμφανίζουν κρυστάλλωση επί του φαινομένου.
Βασιζόμενη σε αυτά τα ευρήματα, η μελέτη υποστηρίζει την εξέταση χωρικών και ειδικών δεικτών κατά τον σχεδιασμό της αστικής μορφολογίας για τη μείωση του UHI. Επιπλέον, υπογραμμίζεται η σημασία της αντιμετώπισης του UHI στο πλαίσιο της κλιματικής αλλαγής, καθώς οι προτεινόμενες στρατηγικές μπορούν να βοηθήσουν στην προσαρμογή στις επιπτώσεις της κλιματικής αλλαγής και στη μείωση των εκπομπών αερίων του θερμοκηπίου.
Παρόλα αυτά, η μελέτη αναγνωρίζει περιορισμούς όπως η εστίαση στα δεδομένα θερμοκρασίας επιφάνειας κατά τους θερινούς μήνες και η έλλειψη δεδομένων για το χειμώνα, καλώντας για περαιτέρω έρευνα προκειμένου να διερευνηθεί η επίδραση των μορφολογικών δεικτών κατά τη διάρκεια του χειμώνα και να εξεταστούν παράγοντες.

[[category:ΔΠΜΣ ]]

Οι επιπτώσεις της αστικής μορφολογίας στις αστικές θερμικές νησίδες σε κατοικημένες περιοχές: Erzurum, Τουρκία

2024-03-08T16:39:57Z

I christofaki:

'''Πρωτότυπος τίτλος:''' ''The Impacts of Urban Morphology on Urban Heat Islands in Housing Areas: The Case of Erzurum, Turkey ''

'''Συγγραφείς: ''' ''by Cansu Güller and Süleyman Toy''

'''Πηγή:''' https://www.mdpi.com/2071-1050/16/2/791

''' Περίληψη '''
Η παρούσα μελέτη εξετάζει τη σχέση μεταξύ της αστικής μορφολογίας και της έντασης των Urban Heat Islands (UHI) σε διάφορες περιοχές κατοικίας στην πόλη της Ερζουρούμ στην Τουρκία. Βρέθηκε ότι τα UHI επηρεάζονται από παράγοντες όπως τα δίκτυα δρόμων, οι κτιριακές δομές και η χρήση του εδάφους. Προτείνεται τη βελτιστοποίηση της αστικής μορφολογίας για τη μείωση των UHI, υπογραμμίζοντας τη σημασία της χρήσης συγκεκριμένων δεικτών και της χωρικής ειδικότητας στον σχεδιασμό και τον στρατηγικό σχεδιασμό των πόλεων για την αντιμετώπιση των κλιματικών προκλήσεων.

'''1.Εισαγωγή '''
Τα τελευταία χρόνια, τα ακραία καιρικά φαινόμενα, τα οποία προκαλούνται από την κλιματική αλλαγή, έχουν αναδειχθεί ως επείγουσες απειλές για τις κοινότητες. Η διαδικασία της αστικοποίησης συνεισφέρει σημαντικά στην κλιματική αλλαγή, με τον τρόπο που καταναλώνει ενέργεια και μολύνει την αστική ατμόσφαιρα, καθώς και με τον τρόπο που μετατρέπει σταδιακά φυσικές επιφάνειες της γης σε αδιαπέραστες. Οι αστικές επιφάνειες συνεχίζουν να διευρύνονται μέσα στις πόλεις, αλλάζοντας την αστική δομή και μορφολογία για να προσαρμοστούν στην αύξηση του πληθυσμού. Η επέκταση αυτή επηρεάζει σημαντικά το κλίμα μέσω του φαινομένου του νησιού θερμότητας της πόλης. Τα νησιά θερμότητας χαρακτηρίζουν τη διακριτή μεταβολή της θερμοκρασίας μεταξύ των μικροκλιμάτων μέσα σε μια πόλη και τις γύρω περιοχές. Η επέκταση των πόλεων έχει ενισχύσει αυτό το φαινόμενο, συμβάλλοντας στην αύξηση της κατανάλωσης ενέργειας, την επιδείνωση της μόλυνσης και τις δυσμενείς επιπτώσεις στη δημόσια υγεία και ευημερία. Επομένως, η άμεση αντιμετώπιση αυτού του φαινομένου είναι κρίσιμη, απαιτώντας μια σφαιρική κατανόηση των παραγόντων που επηρεάζουν τα νησιά θερμότητας για την αποτελεσματική μείωση των επιβλαβών τους επιπτώσεων.

'''2.Υλικα και μέθοδοι'''

'''2.1 Περιοχή σπουδών'''
Η μελέτη επιλέγει τρεις διαφορετικές περιοχές κατοικίας με διαφορετικά μορφολογικά πρότυπα στο κέντρο της Ερζουρούμ, Τουρκία. Αναλύονται οι μετρήσεις ηλιακής ακτινοβολίας και θερμοκρασίας για τις περιοχές αυτές. Το μελετώμενο έργο εστιάζει στην εξέταση της επίδρασης των μορφολογικών στοιχείων της πόλης στη δημιουργία των νησιών θερμότητας.
Η μελέτη εξετάζει τρεις διαφορετικές περιοχές κατοικίας στο κέντρο της Ερζουρούμ, Τουρκία, με διαφορετικά μορφολογικά χαρακτηριστικά. (εικ.1)

[[Αρχείο:εικονα 1 a3.jpg‎]]

''Εικ.1. α) Τύπος κάλυψης γης β) συντελεστής εκπομπής σε όλη την πόλη Port Phillip.''

Οι περιοχές αυτές έχουν αναπτυχθεί κατά τη διάρκεια του Σχεδίου Ανάπτυξης του 1967 και διαφέρουν σημαντικά στο ύψος, τη μορφή και τη διάταξη των κτιρίων, καθώς και στον σχεδιασμό των δρόμων. Η περιοχή Dadaşkent έχει υποστεί γρήγορη ανάπτυξη με υψηλά κτίρια και ευθύγραμμο οδικό δίκτυο, ενώ οι περιοχές Yenişehir και Yıldızkent έχουν χαρακτηριστεί από μεσαίας ύψους κτίρια και σχεδιασμό που επικεντρώνεται στην ισορροπία μεταξύ ανοικτών και κλειστών χώρων. Τέλος, η περιοχή Kayakyolu παρουσιάζει ένα μοναδικό συνδυασμό από χαρακτηριστικά όπως ασχεδίαστα χαμηλά κτίρια, υποβαθμισμένα δρόμους και σχεδιασμένα ψηλά κτίρια, παρά την ανάπτυξή της μετά την εισαγωγή του σχεδίου Ζεκί Υαπάρ. Η μελέτη επικεντρώνεται στην επίδραση αυτών των μορφολογικών χαρακτηριστικών στις θερμικές συνθήκες της περιοχής.

'''2.2 Χρονική περίοδος'''
Για τη μελέτη επιλέχθηκε η περίοδος του Ιουλίου 2022 λόγω της συχνής αίθριας κατάστασης του ουρανού. Ειδικότερα, η 15η Ιουλίου επιλέχθηκε λόγω του πολύ χαμηλού ποσοστού νεφώσεως και της βέλτιστης ποιότητας εικόνας. Η ημερομηνία αυτή χαρακτηρίζεται από μηνιαία μέγιστη θερμοκρασία 33 °C και ελάχιστη θερμοκρασία 14 °C, σύμφωνα με τα μετεωρολογικά δεδομένα από την Ερζουρούμ.

'''2.3. Υλικά'''
Χρησιμοποιήθηκαν δεδομένα από τηλεπισκόπηση μέσω του Landsat 8 Operational Land Imager (OLI) της Αμερικανικής Υπηρεσίας Γεωλογικής Εξέτασης (USGS). Τα δεδομένα του Landsat-8 OLI καταγράφηκαν κατά τη διάρκεια της ημέρας του καλοκαιριού τον Ιούλιο του 2022, στις 07:56. Η ανάλυση περιλάμβανε τον υπολογισμό των δεικτών NDBI, NDVI και LST.
Τα δεδομένα για το οδικό δίκτυο ελήφθησαν από δύο κύριες πηγές: το Open Street Map (OSM) και τη βάση δεδομένων της Γενικής Διεύθυνσης Υψηλών Οδών, γνωστή ως Atlas. Η εμπιστοσύνη στις πληροφορίες επαληθεύτηκε μέσω πρόσθετων πηγών, όπως οι Google Maps, Google Streets και οι δρόμοι του Environmental System Research Institute (ESRI). Τα δεδομένα αυτά ενσωματώθηκαν στο περιβάλλον GIS για να παραχθεί μια συνολική χαρτογράφηση.
Επιπλέον, πραγματοποιήθηκε πεδίο ερευνών για την εντοπισμό των περιοχών κατοικιών και των πράσινων χώρων σε κάθε περιοχή κατοικίας (HA). Αν και η μελέτη περιλαμβάνει πράσινους χώρους γνωστούς για τον αποτελεσματικό δροσισμό τους, η επίδρασή τους αποκλείστηκε από την ανάλυση για να διασφαλιστεί η ακρίβεια των αποτελεσμάτων.
Τέλος, τα ύψη και οι μορφές των κτιρίων ταξινομήθηκαν σε οκτώ κατηγορίες, και στα οκτώ διαφορετικά σημεία ελέγχου καταγράφηκαν εικόνες από τον ουρανό, ώστε να εξεταστεί η επίδραση τους στην ανάπτυξη

'''2.4. Μεθοδολογία'''
Η γενική διαδικασία μεθοδολογίας δίνεται στην εικ.2.

'''2.4.1.Ανάλυση θερμοκρασίας στην επιφάνεια του εδάφους'''
Οι υπολογισμοί της Θερμοκρασίας της Επιφάνειας της Γης (LST) αποτελούν σημαντική τεχνική για την επισήμανση της χωρικής διανομής του φαινομένου του UHI (Urban Heat Island), το οποίο έχει μελετηθεί εκτενώς στη βιβλιογραφία. Η εξίσωση του NDVI είναι κρίσιμη κατά τον υπολογισμό της LST, ειδικά λόγω της γνωστής ικανότητας των πράσινων αστικών χώρων να ανακουφίζουν τη θερμοκρασία της επιφάνειας.
Για την ανάλυση της LST χρησιμοποιήθηκε το λογισμικό QGIS 3.12, ενώ για τους υπολογισμούς χρησιμοποιήθηκε το εργαλείο raster calculator για την μετατροπή των δεδομένων από τις ζώνες του Landsat 8 OLI. Η ζώνη 10 από τους δύο θερμικούς αισθητήρες υπερύθρων (TIRS) επιλέχθηκε ειδικά λόγω της υψηλότερης ακρίβειας των υπολογισμών LST. Μετά τη μετατροπή των τιμών DN σε ακτινοβολία στην κορυφή της ατμόσφαιρας (TOA), οι τιμές της θερμοκρασίας φωτεινότητας (BT) υπολογίστηκαν χρησιμοποιώντας τις θερμικές σταθερές που παρέχονται στα μεταδεδομένα.
Οι υπολογισμοί του NDVI είναι απαραίτητοι για τον προσδιορισμό του Pv (αναλογία φυτοκάλυψης) και του εκπομπού (ε) που χρησιμοποιούνται στους υπολογισμούς της LST. Τέλος, η LST υπολογίζεται χρησιμοποιώντας την εξίσωση που συνδυάζει το BT, το NDVI και το ε, ανάλογα με τον τύπο χρήσης της γης.

'''2.4.2. Ανάλυση σύνταξης χώρου'''
Η ανάλυση Space Syntax εξετάζει τα οδικά δίκτυα για να ορίσει με ακρίβεια τους αστικούς χώρους με βάση τα μορφολογικά χαρακτηριστικά που υπολογίζονται ποσοτικά με βάση τις συνδέσεις που φαίνονται στους χάρτες τομέων. Στην αστική κλίμακα, οι άξονες αντιπροσωπεύουν τμήματα δρόμων, και η Space Syntax εστιάζει στην τοπολογική διάσταση του οδικού δικτύου, ειδικά στο πώς αλληλεπιδρούν οι άξονες. Ο βαθμός ολοκλήρωσης αξιολογεί το βαθμό με τον οποίο το αρχικό τμήμα ενσωματώνεται στο γενικό σύστημα, με μεγαλύτερη ολοκλήρωση που υποδεικνύει μεγαλύτερο αριθμό συνδέσεων στο δίκτυο.
Η ανάλυση του Space Syntax πραγματοποιήθηκε χρησιμοποιώντας το λογισμικό DepthmapX (έκδοση 0.8.0). Αρχικά, δημιουργήθηκε ένας άξονας χάρτη της πόλης Ερζουρούμ στο QGIS 3.12. Στη συνέχεια, τα δεδομένα υποβλήθηκαν σε ανάλυση γωνιών τμήματος μέσα στο λογισμικό DepthmapX μετά τη μετατροπή τους σε μορφή shapefile.
Η Space Syntax βασίζεται σε τέσσερα βήματα που απεικονίζονται στην εικ.3 : (i) ο δρόμος προτύπου μετατρέπεται σε άξονα χάρτη, (ii) ο άξονας χάρτη μετατρέπεται σε δυαδικό γράφημα, (iii) υπολογίζεται η ολοκλήρωση κάθε κόμβου στο γράφημα ολοκλήρωσης, και (iv) οι τιμές χρωματίζονται και χαρτογραφούνται πίσω στον άξονα χάρτη, δημιουργώντας μια τελική αναπαράσταση χρωματικής κωδικοποίησης.

'''2.4.3. Φωτογραφική ανάλυση του συντελεστή Sky View'''
Οπτικές και φωτογραφικές τεχνικές χρησιμεύουν ως μέσα για την καθορισμό του SVF. Η φωτογραφική μεθοδολογία περιλαμβάνει τη χρήση ενός φακού fisheye για τη λήψη εικόνων αστικών φαραγγιών. Δεδομένου ότι δεν υπάρχει κανονισμένο ύψος για τη λήψη εικόνων SVF, οι εικόνες ελήφθησαν σε αυτή τη μελέτη το καλοκαίρι και κατά τη διάρκεια συνθηκών αίθριου και καθαρού ουρανού. Το λογισμικό Adobe Photoshop (έκδοση CS6) χρησιμοποιήθηκε για τον υπολογισμό των τιμών SVF από αυτές τις εικόνες. Αυτή η προσέγγιση εντόπισε αποτελεσματικά το SVF, ακόμη και σε εικόνες που τραβήχτηκαν κάτω από θόλους δέντρων, διακρίνοντας τον γαλάζιο ουρανό ανάμεσα σε κλαδιά και φύλλα. Μετά την ακριβή επιλογή του χρώματος του ουρανού, προσδιορίστηκε ο συνολικός αριθμός όλων των ορατών pixel στην εικόνα του φακού fisheye (β) και ο αριθμός των pixel που αντιπροσωπεύουν τον ορατό ουρανό (α). Και οι δύο μετρήσεις pixel καταγράφηκαν στο Microsoft Excel και οι τιμές SVF υπολογίστηκαν χρησιμοποιώντας την εξίσωση α/β σύμφωνα με τη μεθοδολογία που περιγράφεται στο Debbage

'''2.4.4. Ανάλυση NDBI και NDVI'''
Η χρήση των καναλιών Landsat επιτρέπει την αξιολόγηση δεικτών πυκνότητας χρήσης της γης (NDVI και NDBI) χρησιμοποιώντας διάφορες μεθόδους. Οι τεχνικές δεικτών φασματικής ανάλυσης βασίζονται στις ιδιότητες του ηλεκτρομαγνητικού φάσματος και στη φασματική συμπεριφορά των αστικών τοπίων όσον αφορά την απορρόφηση ή ανάκλαση. Στο πλαίσιο αυτό, οι χτισμένες περιοχές και οι ξερές εκτάσεις τείνουν να αντανακλούν περισσότερη ενέργεια στο μέσο υπέρυθρο (SWIR) σε σύγκριση με το εγγύς υπερύθρο (NIR). Αντίθετα, οι υδάτινες επιφάνειες δεν αντανακλούν στο υπερύθρο φάσμα. Οι υγιείς πράσινες επιφάνειες εμφανίζουν τυπικά υψηλότερη ανάκλαση στο NIR φάσμα σε σύγκριση με το SWIR φάσμα. Αυτές οι διαφορετικές ζώνες εντός των εικόνων δορυφόρου αντιπροσωπεύουν διάφορα μήκη κύματος του ηλεκτρομαγνητικού φάσματος, σχηματίζοντας τη βάση για διάφορες μεθόδους δεικτών φασματικής ανάλυσης και τους αντίστοιχους τους τύπους και μεθόδους υπολογισμού. Η εκτίμηση του NDVI είναι ένας από τους πιο διαδεδομένους δείκτες πυκνότητας χρήσης της γης για την αξιολόγηση της πυκνότητας των φυτών. Ο NDVI υπολογίζεται χρησιμοποιώντας την υψηλή ανάκλαση στο NIR και την υψηλή απορρόφηση στο κόκκινο φάσμα, ενώ, η χρήση του NDBI αναδεικνύει την πυκνότητα των χτισμάτων μεταξύ διαφορετικών κατηγοριών χρήσης γης

'''3. Αποτελέσματα'''

'''3.1. Αποτελέσματα της ανάλυσης της θερμοκρασίας της επιφάνειας του εδάφους'''
Οι περιοχές μελέτης έδειξαν μια χωρική κατανομή της LST στις περιοχές μελέτης με τιμές που κυμαίνονται από 41,86 °C έως 68,66 °C. Επισημαίνεται ότι η υψηλότερη τιμή LST καταγράφηκε στην HA2, όπου υπάρχουν συγκροτήματα με πολυώροφα κτίρια. Αντίθετα, τα κτίρια μεσαίων και χαμηλών ορόφων στις HA1 και HA3 εμφάνισαν σχετικά χαμηλότερες τιμές LST.

Η ανάλυση της LST ανέδειξε ότι η μέση τιμή LST στην HA2 ήταν η υψηλότερη (64,96 °C), ενώ ακολούθησαν η HA1 (64,44 °C) και η HA3 (63,97 °C).

Τα ευρήματα της ανάλυσης LISA έδειξαν μοτίβα ομαδοποίησης της LST στις HA1 και HA2, αλλά όχι στην HA3. Συγκεκριμένα, στην HA1 παρατηρήθηκαν συστάδες με χαμηλές τιμές στο βόρειο τμήμα και υψηλές τιμές στο νότιο τμήμα. Επίσης, στην HA2, το νότιο τμήμα με τα υψηλά πολυώροφα κτίρια εμφάνισε συστάδες με υψηλές τιμές, ενώ το βορειοδυτικό τμήμα είχε συστάδες με χαμηλές τιμές.

'''3.2. Αποτελέσματα της ανάλυσης space syntax'''
Η εικόνα 6 παρουσιάζει τον δείκτη ολοκλήρωσης του οδικού δικτύου της Έρζουρου, αναπαριστώντας τις τιμές ολοκλήρωσης σε διάφορες αποχρώσεις. Παρατηρείται ότι οι περιοχές με διαφορετικό επίπεδο ολοκλήρωσης είναι διακριτές, με τον κύριο άξονα να δείχνει υψηλότερη ολοκλήρωση σε σχέση με την περιφέρεια της πόλης. Οι τρεις περιοχές μελέτης έδειξαν
διαφορετικά επίπεδα ολοκλήρωσης, με το HA2 να ξεχωρίζει για την υψηλότερη ολοκλήρωση ενώ το ΗΑ1 παρουσίασε ολοκληρωμένες περιοχές στις βόρειες και νότιες περιοχές με την ολοκλήρωση να μειώνεται προς την περιφέρεια. Στο HA3, παρατηρήθηκε υψηλότερο επίπεδο ολοκλήρωσης στους βόρειους τομείς, με την ολοκλήρωση να μειώνεται προς τις νότιες περιοχές.

'''3.3. Αποτελέσματα της ανάλυσης NDVI και NDBI'''
Ο Πίνακας 2 και ο Πίνακας 3 παρέχουν στατιστικές πληροφορίες για τις τιμές NDBI και NDVI στα τρία διαφορετικά HA. Από αυτούς τους πίνακες προκύπτει ότι το HA2 διαθέτει υψηλότερο NDBI, υποδεικνύοντας περισσότερες χτισμένες περιοχές σε σύγκριση με τα άλλα δύο, μαζί με χαμηλότερο ποσοστό πρασίνου. Αντίθετα, το HA1, που κυριαρχείται από μονοκατοικίες, εμφάνισε χαμηλότερες χτισμένες περιοχές και υψηλότερο ποσοστό πρασίνου. Οι χάρτες που απεικονίζουν τις κατανομές του NDBI και του NDVI (Σχήμα 7) δείχνουν εμφανώς τις διαφορές στις τιμές των δεικτών μεταξύ των διαφορετικών ΗΑ. Η τιμή NDVI στη δημόσια ζώνη στο βορειοδυτικό τμήμα του HA2 φαινόταν υψηλότερη λόγω των ενεργών κατασκευαστικών έργων για μια νέα περιοχή κατοικιών. Ωστόσο, αυτή η συγκεκριμένη περιοχή αποκλείστηκε από τη μελέτη, επικεντρώνοντας την προσοχή μόνο στα δεδομένα από τις υφιστάμενες κατοικημένες περιοχές.

'''3.4. Αποτελέσματα της φωτογραφικής ανάλυσης του συντελεστή Sky View'''
Τα τρία διαφορετικά αστικά τμήματα παρουσίασαν διαφορετικά μορφολογικά χαρακτηριστικά, με το HA1 να έχει μεσαίου ύψους διαμερίσματα στο βόρειο μέρος και μονοκατοικίες στο νότιο, το HA2 να διαθέτει μεσαίου ύψους οικοδομικά τετράγωνα στο βόρειο τμήμα και συγκροτήματα με πολυόροφα κτίρια στο νότιο, ενώ το HA3 να παρουσιάζει ποικιλία από χαμηλές, ακανόνιστες κατοικίες στο νότιο μέρος και πολυώροφα διαμερίσματα στο νοτιοδυτικό. Η ανάλυση SVF αποκάλυψε ότι τα πολυώροφα διαμερίσματα είχαν χαμηλότερες τιμές SVF, ενώ τα χαμηλά κτίρια είχαν υψηλότερες τιμές SVF. Οι αυλές και τα γραμμικά μπλοκ συνήθως εμφάνιζαν υψηλότερες τιμές SVF. Τέλος, παρατηρήθηκαν διακριτά μοτίβα στην SVF μεταξύ διαφόρων κτιρίων, υπογραμμίζοντας την επίδραση των μορφών κατοικιών και των υψών τους στην SVF.

'''3.5. Αποτελέσματα της ανάλυσης συσχέτισης μεταξύ της ολοκλήρωσης (Space Syntax), SVF, NDVI, NDBI και LST'''
Η μελέτη εξέτασε τις συσχετίσεις μεταξύ της θερμοκρασίας επιφάνειας της γης (LST) και δεικτών μορφολογίας σε τρία διαφορετικά Χωροταξικά Περιβάλλοντα (HA). Τα αποτελέσματα της ανάλυσης Pearson ανέδειξαν διαφορετικά χαρακτηριστικά μεταξύ των HA. Παρατηρήθηκε ότι οι τιμές LST τείνουν να αυξάνονται με υψηλότερες τιμές του δείκτη NDBI και να μειώνονται με υψηλότερες τιμές του δείκτη NDVI. Συγκεκριμένα, στα HA1 και HA2 παρατηρήθηκε έντονη θετική συσχέτιση μεταξύ NDBI και LST, ενώ το NDVI είχε σημαντική αρνητική επίδραση στο LST και στα δύο αυτά HA. Αντίθετα, στο HA3 δεν παρατηρήθηκε σημαντική συσχέτιση μεταξύ NDBI, NDVI και LST.
Το HA3 ξεχώρισε λόγω της μικτής μορφής κτιρίων, με χαμηλά κτίρια και πολυώροφες πολυκατοικίες. Η ποικιλομορφία αυτή οδήγησε σε διαφορετικές τιμές LST που δεν εξαρτώνταν αποκλειστικά από τους δείκτες NDBI και NDVI. Έτσι, η ανάλυση του δείκτη SVF αποδείχθηκε σημαντική για την κατανόηση των μεταβολών του LST. Οι διαφορετικοί τύποι κτιρίων επηρέαζαν σημαντικά το SVF, ιδίως στο HA3, με τον δείκτη SVF να εμφανίζει θετική συσχέτιση με το LST σε αυτό το HA.
Αντίθετα, στο HA2, όπου κυριαρχούσαν πολυώροφα κτίρια, παρατηρήθηκαν εξαιρετικά χαμηλές τιμές SVF. Παρά την μειωμένη πρόσληψη ηλιακής ακτινοβολίας λόγω του χαμηλού SVF, παρατηρήθηκε υψηλό επίπεδο γήινης ακτινοβολίας, οδηγώντας σε αύξηση του LST. Η συνεργασία μεταξύ του εξαιρετικά χαμηλού SVF και των μειωμένων τιμών NDVI στο HA2 συνέβαλε στην αύξηση του LST. Επιπλέον, ο δείκτης ολοκλήρωσης έδειξε συσχέτιση με το LST σε όλα τα HA, όπου μειωμένες τιμές δείκτη ολοκλήρωσης συνδέονταν με χαμηλότερες τιμές LST. Αυτή η συσχέτιση μπορεί να αποδοθεί σε αυξημένη σκίαση σε ενσωματωμένες περιοχές.

'''4. Συζήτηση'''
Τα ευρήματα της μελέτης αυτής δείχνουν ότι τα Χωροταξικά Περιβάλλοντα (HA) που χαρακτηρίζονται από υψηλή πυκνότητα και υψηλά κτίρια βιώνουν υψηλότερη θερμοκρασία επιφάνειας του εδάφους (LST) το καλοκαίρι σε σύγκριση με τα HA που έχουν λιγότερα, μεσαίου ύψους και χαμηλά κτίρια. Αυτή η παρατήρηση είναι συμβατή με προηγούμενες μελέτες που εξετάζουν τη σχέση μεταξύ LST και αστικής μορφολογίας. Η σημασία των μορφολογικών χαρακτηριστικών στα HA δεν μπορεί να υποτιμηθεί, καθώς επηρεάζουν το μικροκλίμα και συμβάλλουν τελικά στην αύξηση της LST. Η ανάλυση Space Syntax δείχνει ότι ο δείκτης ολοκλήρωσης του δικτύου δρόμων έχει υψηλή επεξηγηματική ισχύ για την LST σε όλα τα HA, αλλά η κατεύθυνση της σχέσης μεταξύ LST και του δείκτη αυτού αλλάζει ανάλογα με τα χαρακτηριστικά κατοικιών κάθε ΗΑ. Η LST φαίνεται να μειώνεται σε περιοχές με υψηλή ολοκλήρωση στα ΗΑ1 και ΗΑ3, ενώ αυξάνεται σε περιοχές με αστικές πολυκατοικίες στο ΗΑ2. Η ανάλυση αυτή επισημαίνει την πολύπλοκη σχέση μεταξύ του αστικού σχεδιασμού και του ελέγχου της θερμοκρασίας και προκαλεί προβληματισμό σχετικά με τις προσδοκίες. Επιπλέον, οι δείκτες NDBI και NDVI είχαν σημαντική συσχέτιση με την LST σε ΗΑ1 και ΗΑ2, αλλά όχι στο ΗΑ3, υποδεικνύοντας την ανάγκη για πιο ολοκληρωμένες μελέτες σε περιβάλλοντα με διαφορετικά χαρακτηριστικά. Βασιζόμενοι στα ευρήματα, προτείνονται μέτρα για τη μείωση του φαινομένου Urban Heat Islands (UHI) με έμφαση στη διασφάλιση ποικιλομορφίας σε ύψη και μορφές κτιρίων και την ενίσχυση του πράσινου δικτύου της πόλης. Τέλος, η ανάλυση του δείκτη Συντελεστή Ορατότητας (SVF) έδειξε σημαντική συσχέτιση με την LST σε όλα τα ΗΑ, αναδεικνύοντας την ανάγκη για περαιτέρω έρευνα για να κατανοήσουμε πλήρως την πολυπλοκότητα της σχέσης μεταξύ τους.

'''5. Συμπεράσματα'''
Σε περιοχές κατοικιών στην Ερζουρούμ της Τουρκίας, όπου η έκθεση στην ηλιακή ακτινοβολία είναι υψηλή η αστική μορφολογία επηρεάζει το μικροκλίμα, ιδίως το φαινόμενο των Urban Heat Islands (UHI). Η σοβαρότητα του φαινομένου UHI διαφέρει ανάλογα με τον τύπο των κτιρίων, με τα ψηλά κτίρια να επιδεινώνουν το φαινόμενο περισσότερο από τα χαμηλά και μεσαίου ύψους κτίρια. Οι δείκτες χωρικής μορφής, όπως ο δείκτης ακεραιότητας και ο δείκτης παρατήρησης ουρανού (SVF), επηρεάζουν σημαντικά το UHI, με τον δείκτη SVF να έχει έντονη επίδραση σε περιοχές χαμηλής SVF. Η διανομή και διάταξη των κτιρίων επηρεάζει επίσης το UHI, με τα κτίρια μεσαίου ύψους να βοηθούν στη μείωσή του, ενώ οι υψηλοί πύργοι διαχωρισμένων κτιρίων είναι αποτελεσματικοί στην αντιμετώπισή του. Επιπλέον, η κάλυψη του εδάφους με βλάστηση (NDVI) και οι δείκτες έντασης χρήσης γης (NDBI) επηρεάζουν το UHI, με την περισσότερη πράσινη και τη σχεδιασμένη ανάπτυξη να εμφανίζουν κρυστάλλωση επί του φαινομένου.
Βασιζόμενη σε αυτά τα ευρήματα, η μελέτη υποστηρίζει την εξέταση χωρικών και ειδικών δεικτών κατά τον σχεδιασμό της αστικής μορφολογίας για τη μείωση του UHI. Επιπλέον, υπογραμμίζεται η σημασία της αντιμετώπισης του UHI στο πλαίσιο της κλιματικής αλλαγής, καθώς οι προτεινόμενες στρατηγικές μπορούν να βοηθήσουν στην προσαρμογή στις επιπτώσεις της κλιματικής αλλαγής και στη μείωση των εκπομπών αερίων του θερμοκηπίου.
Παρόλα αυτά, η μελέτη αναγνωρίζει περιορισμούς όπως η εστίαση στα δεδομένα θερμοκρασίας επιφάνειας κατά τους θερινούς μήνες και η έλλειψη δεδομένων για το χειμώνα, καλώντας για περαιτέρω έρευνα προκειμένου να διερευνηθεί η επίδραση των μορφολογικών δεικτών κατά τη διάρκεια του χειμώνα και να εξεταστούν παράγοντες.

[[category:ΔΠΜΣ ]]

Οι επιπτώσεις της αστικής μορφολογίας στις αστικές θερμικές νησίδες σε κατοικημένες περιοχές: Erzurum, Τουρκία

2024-03-08T16:38:52Z

I christofaki:

'''Πρωτότυπος τίτλος:''' ''The Impacts of Urban Morphology on Urban Heat Islands in Housing Areas: The Case of Erzurum, Turkey ''

'''Συγγραφείς: ''' ''by Cansu Güller and Süleyman Toy''

'''Πηγή:''' https://www.mdpi.com/2071-1050/16/2/791

''' Περίληψη '''
Η παρούσα μελέτη εξετάζει τη σχέση μεταξύ της αστικής μορφολογίας και της έντασης των Urban Heat Islands (UHI) σε διάφορες περιοχές κατοικίας στην πόλη της Ερζουρούμ στην Τουρκία. Βρέθηκε ότι τα UHI επηρεάζονται από παράγοντες όπως τα δίκτυα δρόμων, οι κτιριακές δομές και η χρήση του εδάφους. Προτείνεται τη βελτιστοποίηση της αστικής μορφολογίας για τη μείωση των UHI, υπογραμμίζοντας τη σημασία της χρήσης συγκεκριμένων δεικτών και της χωρικής ειδικότητας στον σχεδιασμό και τον στρατηγικό σχεδιασμό των πόλεων για την αντιμετώπιση των κλιματικών προκλήσεων.

'''1.Εισαγωγή '''
Τα τελευταία χρόνια, τα ακραία καιρικά φαινόμενα, τα οποία προκαλούνται από την κλιματική αλλαγή, έχουν αναδειχθεί ως επείγουσες απειλές για τις κοινότητες. Η διαδικασία της αστικοποίησης συνεισφέρει σημαντικά στην κλιματική αλλαγή, με τον τρόπο που καταναλώνει ενέργεια και μολύνει την αστική ατμόσφαιρα, καθώς και με τον τρόπο που μετατρέπει σταδιακά φυσικές επιφάνειες της γης σε αδιαπέραστες. Οι αστικές επιφάνειες συνεχίζουν να διευρύνονται μέσα στις πόλεις, αλλάζοντας την αστική δομή και μορφολογία για να προσαρμοστούν στην αύξηση του πληθυσμού. Η επέκταση αυτή επηρεάζει σημαντικά το κλίμα μέσω του φαινομένου του νησιού θερμότητας της πόλης. Τα νησιά θερμότητας χαρακτηρίζουν τη διακριτή μεταβολή της θερμοκρασίας μεταξύ των μικροκλιμάτων μέσα σε μια πόλη και τις γύρω περιοχές. Η επέκταση των πόλεων έχει ενισχύσει αυτό το φαινόμενο, συμβάλλοντας στην αύξηση της κατανάλωσης ενέργειας, την επιδείνωση της μόλυνσης και τις δυσμενείς επιπτώσεις στη δημόσια υγεία και ευημερία. Επομένως, η άμεση αντιμετώπιση αυτού του φαινομένου είναι κρίσιμη, απαιτώντας μια σφαιρική κατανόηση των παραγόντων που επηρεάζουν τα νησιά θερμότητας για την αποτελεσματική μείωση των επιβλαβών τους επιπτώσεων.

'''2.Υλικα και μέθοδοι'''

'''2.1 Περιοχή σπουδών'''
Η μελέτη επιλέγει τρεις διαφορετικές περιοχές κατοικίας με διαφορετικά μορφολογικά πρότυπα στο κέντρο της Ερζουρούμ, Τουρκία. Αναλύονται οι μετρήσεις ηλιακής ακτινοβολίας και θερμοκρασίας για τις περιοχές αυτές. Το μελετώμενο έργο εστιάζει στην εξέταση της επίδρασης των μορφολογικών στοιχείων της πόλης στη δημιουργία των νησιών θερμότητας.
Η μελέτη εξετάζει τρεις διαφορετικές περιοχές κατοικίας στο κέντρο της Ερζουρούμ, Τουρκία, με διαφορετικά μορφολογικά χαρακτηριστικά. (εικ.1)
Οι περιοχές αυτές έχουν αναπτυχθεί κατά τη διάρκεια του Σχεδίου Ανάπτυξης του 1967 και διαφέρουν σημαντικά στο ύψος, τη μορφή και τη διάταξη των κτιρίων, καθώς και στον σχεδιασμό των δρόμων. Η περιοχή Dadaşkent έχει υποστεί γρήγορη ανάπτυξη με υψηλά κτίρια και ευθύγραμμο οδικό δίκτυο, ενώ οι περιοχές Yenişehir και Yıldızkent έχουν χαρακτηριστεί από μεσαίας ύψους κτίρια και σχεδιασμό που επικεντρώνεται στην ισορροπία μεταξύ ανοικτών και κλειστών χώρων. Τέλος, η περιοχή Kayakyolu παρουσιάζει ένα μοναδικό συνδυασμό από χαρακτηριστικά όπως ασχεδίαστα χαμηλά κτίρια, υποβαθμισμένα δρόμους και σχεδιασμένα ψηλά κτίρια, παρά την ανάπτυξή της μετά την εισαγωγή του σχεδίου Ζεκί Υαπάρ. Η μελέτη επικεντρώνεται στην επίδραση αυτών των μορφολογικών χαρακτηριστικών στις θερμικές συνθήκες της περιοχής.

'''2.2 Χρονική περίοδος'''
Για τη μελέτη επιλέχθηκε η περίοδος του Ιουλίου 2022 λόγω της συχνής αίθριας κατάστασης του ουρανού. Ειδικότερα, η 15η Ιουλίου επιλέχθηκε λόγω του πολύ χαμηλού ποσοστού νεφώσεως και της βέλτιστης ποιότητας εικόνας. Η ημερομηνία αυτή χαρακτηρίζεται από μηνιαία μέγιστη θερμοκρασία 33 °C και ελάχιστη θερμοκρασία 14 °C, σύμφωνα με τα μετεωρολογικά δεδομένα από την Ερζουρούμ.

[[Αρχείο:εικονα 1 a3.jpg‎]]

''Εικ.1. α) Τύπος κάλυψης γης β) συντελεστής εκπομπής σε όλη την πόλη Port Phillip.''

'''2.3. Υλικά'''
Χρησιμοποιήθηκαν δεδομένα από τηλεπισκόπηση μέσω του Landsat 8 Operational Land Imager (OLI) της Αμερικανικής Υπηρεσίας Γεωλογικής Εξέτασης (USGS). Τα δεδομένα του Landsat-8 OLI καταγράφηκαν κατά τη διάρκεια της ημέρας του καλοκαιριού τον Ιούλιο του 2022, στις 07:56. Η ανάλυση περιλάμβανε τον υπολογισμό των δεικτών NDBI, NDVI και LST.
Τα δεδομένα για το οδικό δίκτυο ελήφθησαν από δύο κύριες πηγές: το Open Street Map (OSM) και τη βάση δεδομένων της Γενικής Διεύθυνσης Υψηλών Οδών, γνωστή ως Atlas. Η εμπιστοσύνη στις πληροφορίες επαληθεύτηκε μέσω πρόσθετων πηγών, όπως οι Google Maps, Google Streets και οι δρόμοι του Environmental System Research Institute (ESRI). Τα δεδομένα αυτά ενσωματώθηκαν στο περιβάλλον GIS για να παραχθεί μια συνολική χαρτογράφηση.
Επιπλέον, πραγματοποιήθηκε πεδίο ερευνών για την εντοπισμό των περιοχών κατοικιών και των πράσινων χώρων σε κάθε περιοχή κατοικίας (HA). Αν και η μελέτη περιλαμβάνει πράσινους χώρους γνωστούς για τον αποτελεσματικό δροσισμό τους, η επίδρασή τους αποκλείστηκε από την ανάλυση για να διασφαλιστεί η ακρίβεια των αποτελεσμάτων.
Τέλος, τα ύψη και οι μορφές των κτιρίων ταξινομήθηκαν σε οκτώ κατηγορίες, και στα οκτώ διαφορετικά σημεία ελέγχου καταγράφηκαν εικόνες από τον ουρανό, ώστε να εξεταστεί η επίδραση τους στην ανάπτυξη

'''2.4. Μεθοδολογία'''
Η γενική διαδικασία μεθοδολογίας δίνεται στην εικ.2.

'''2.4.1.Ανάλυση θερμοκρασίας στην επιφάνεια του εδάφους'''
Οι υπολογισμοί της Θερμοκρασίας της Επιφάνειας της Γης (LST) αποτελούν σημαντική τεχνική για την επισήμανση της χωρικής διανομής του φαινομένου του UHI (Urban Heat Island), το οποίο έχει μελετηθεί εκτενώς στη βιβλιογραφία. Η εξίσωση του NDVI είναι κρίσιμη κατά τον υπολογισμό της LST, ειδικά λόγω της γνωστής ικανότητας των πράσινων αστικών χώρων να ανακουφίζουν τη θερμοκρασία της επιφάνειας.
Για την ανάλυση της LST χρησιμοποιήθηκε το λογισμικό QGIS 3.12, ενώ για τους υπολογισμούς χρησιμοποιήθηκε το εργαλείο raster calculator για την μετατροπή των δεδομένων από τις ζώνες του Landsat 8 OLI. Η ζώνη 10 από τους δύο θερμικούς αισθητήρες υπερύθρων (TIRS) επιλέχθηκε ειδικά λόγω της υψηλότερης ακρίβειας των υπολογισμών LST. Μετά τη μετατροπή των τιμών DN σε ακτινοβολία στην κορυφή της ατμόσφαιρας (TOA), οι τιμές της θερμοκρασίας φωτεινότητας (BT) υπολογίστηκαν χρησιμοποιώντας τις θερμικές σταθερές που παρέχονται στα μεταδεδομένα.
Οι υπολογισμοί του NDVI είναι απαραίτητοι για τον προσδιορισμό του Pv (αναλογία φυτοκάλυψης) και του εκπομπού (ε) που χρησιμοποιούνται στους υπολογισμούς της LST. Τέλος, η LST υπολογίζεται χρησιμοποιώντας την εξίσωση που συνδυάζει το BT, το NDVI και το ε, ανάλογα με τον τύπο χρήσης της γης.

'''2.4.2. Ανάλυση σύνταξης χώρου'''
Η ανάλυση Space Syntax εξετάζει τα οδικά δίκτυα για να ορίσει με ακρίβεια τους αστικούς χώρους με βάση τα μορφολογικά χαρακτηριστικά που υπολογίζονται ποσοτικά με βάση τις συνδέσεις που φαίνονται στους χάρτες τομέων. Στην αστική κλίμακα, οι άξονες αντιπροσωπεύουν τμήματα δρόμων, και η Space Syntax εστιάζει στην τοπολογική διάσταση του οδικού δικτύου, ειδικά στο πώς αλληλεπιδρούν οι άξονες. Ο βαθμός ολοκλήρωσης αξιολογεί το βαθμό με τον οποίο το αρχικό τμήμα ενσωματώνεται στο γενικό σύστημα, με μεγαλύτερη ολοκλήρωση που υποδεικνύει μεγαλύτερο αριθμό συνδέσεων στο δίκτυο.
Η ανάλυση του Space Syntax πραγματοποιήθηκε χρησιμοποιώντας το λογισμικό DepthmapX (έκδοση 0.8.0). Αρχικά, δημιουργήθηκε ένας άξονας χάρτη της πόλης Ερζουρούμ στο QGIS 3.12. Στη συνέχεια, τα δεδομένα υποβλήθηκαν σε ανάλυση γωνιών τμήματος μέσα στο λογισμικό DepthmapX μετά τη μετατροπή τους σε μορφή shapefile.
Η Space Syntax βασίζεται σε τέσσερα βήματα που απεικονίζονται στην εικ.3 : (i) ο δρόμος προτύπου μετατρέπεται σε άξονα χάρτη, (ii) ο άξονας χάρτη μετατρέπεται σε δυαδικό γράφημα, (iii) υπολογίζεται η ολοκλήρωση κάθε κόμβου στο γράφημα ολοκλήρωσης, και (iv) οι τιμές χρωματίζονται και χαρτογραφούνται πίσω στον άξονα χάρτη, δημιουργώντας μια τελική αναπαράσταση χρωματικής κωδικοποίησης.

'''2.4.3. Φωτογραφική ανάλυση του συντελεστή Sky View'''
Οπτικές και φωτογραφικές τεχνικές χρησιμεύουν ως μέσα για την καθορισμό του SVF. Η φωτογραφική μεθοδολογία περιλαμβάνει τη χρήση ενός φακού fisheye για τη λήψη εικόνων αστικών φαραγγιών. Δεδομένου ότι δεν υπάρχει κανονισμένο ύψος για τη λήψη εικόνων SVF, οι εικόνες ελήφθησαν σε αυτή τη μελέτη το καλοκαίρι και κατά τη διάρκεια συνθηκών αίθριου και καθαρού ουρανού. Το λογισμικό Adobe Photoshop (έκδοση CS6) χρησιμοποιήθηκε για τον υπολογισμό των τιμών SVF από αυτές τις εικόνες. Αυτή η προσέγγιση εντόπισε αποτελεσματικά το SVF, ακόμη και σε εικόνες που τραβήχτηκαν κάτω από θόλους δέντρων, διακρίνοντας τον γαλάζιο ουρανό ανάμεσα σε κλαδιά και φύλλα. Μετά την ακριβή επιλογή του χρώματος του ουρανού, προσδιορίστηκε ο συνολικός αριθμός όλων των ορατών pixel στην εικόνα του φακού fisheye (β) και ο αριθμός των pixel που αντιπροσωπεύουν τον ορατό ουρανό (α). Και οι δύο μετρήσεις pixel καταγράφηκαν στο Microsoft Excel και οι τιμές SVF υπολογίστηκαν χρησιμοποιώντας την εξίσωση α/β σύμφωνα με τη μεθοδολογία που περιγράφεται στο Debbage

'''2.4.4. Ανάλυση NDBI και NDVI'''
Η χρήση των καναλιών Landsat επιτρέπει την αξιολόγηση δεικτών πυκνότητας χρήσης της γης (NDVI και NDBI) χρησιμοποιώντας διάφορες μεθόδους. Οι τεχνικές δεικτών φασματικής ανάλυσης βασίζονται στις ιδιότητες του ηλεκτρομαγνητικού φάσματος και στη φασματική συμπεριφορά των αστικών τοπίων όσον αφορά την απορρόφηση ή ανάκλαση. Στο πλαίσιο αυτό, οι χτισμένες περιοχές και οι ξερές εκτάσεις τείνουν να αντανακλούν περισσότερη ενέργεια στο μέσο υπέρυθρο (SWIR) σε σύγκριση με το εγγύς υπερύθρο (NIR). Αντίθετα, οι υδάτινες επιφάνειες δεν αντανακλούν στο υπερύθρο φάσμα. Οι υγιείς πράσινες επιφάνειες εμφανίζουν τυπικά υψηλότερη ανάκλαση στο NIR φάσμα σε σύγκριση με το SWIR φάσμα. Αυτές οι διαφορετικές ζώνες εντός των εικόνων δορυφόρου αντιπροσωπεύουν διάφορα μήκη κύματος του ηλεκτρομαγνητικού φάσματος, σχηματίζοντας τη βάση για διάφορες μεθόδους δεικτών φασματικής ανάλυσης και τους αντίστοιχους τους τύπους και μεθόδους υπολογισμού. Η εκτίμηση του NDVI είναι ένας από τους πιο διαδεδομένους δείκτες πυκνότητας χρήσης της γης για την αξιολόγηση της πυκνότητας των φυτών. Ο NDVI υπολογίζεται χρησιμοποιώντας την υψηλή ανάκλαση στο NIR και την υψηλή απορρόφηση στο κόκκινο φάσμα, ενώ, η χρήση του NDBI αναδεικνύει την πυκνότητα των χτισμάτων μεταξύ διαφορετικών κατηγοριών χρήσης γης

'''3. Αποτελέσματα'''

'''3.1. Αποτελέσματα της ανάλυσης της θερμοκρασίας της επιφάνειας του εδάφους'''
Οι περιοχές μελέτης έδειξαν μια χωρική κατανομή της LST στις περιοχές μελέτης με τιμές που κυμαίνονται από 41,86 °C έως 68,66 °C. Επισημαίνεται ότι η υψηλότερη τιμή LST καταγράφηκε στην HA2, όπου υπάρχουν συγκροτήματα με πολυώροφα κτίρια. Αντίθετα, τα κτίρια μεσαίων και χαμηλών ορόφων στις HA1 και HA3 εμφάνισαν σχετικά χαμηλότερες τιμές LST.

Η ανάλυση της LST ανέδειξε ότι η μέση τιμή LST στην HA2 ήταν η υψηλότερη (64,96 °C), ενώ ακολούθησαν η HA1 (64,44 °C) και η HA3 (63,97 °C).

Τα ευρήματα της ανάλυσης LISA έδειξαν μοτίβα ομαδοποίησης της LST στις HA1 και HA2, αλλά όχι στην HA3. Συγκεκριμένα, στην HA1 παρατηρήθηκαν συστάδες με χαμηλές τιμές στο βόρειο τμήμα και υψηλές τιμές στο νότιο τμήμα. Επίσης, στην HA2, το νότιο τμήμα με τα υψηλά πολυώροφα κτίρια εμφάνισε συστάδες με υψηλές τιμές, ενώ το βορειοδυτικό τμήμα είχε συστάδες με χαμηλές τιμές.

'''3.2. Αποτελέσματα της ανάλυσης space syntax'''
Η εικόνα 6 παρουσιάζει τον δείκτη ολοκλήρωσης του οδικού δικτύου της Έρζουρου, αναπαριστώντας τις τιμές ολοκλήρωσης σε διάφορες αποχρώσεις. Παρατηρείται ότι οι περιοχές με διαφορετικό επίπεδο ολοκλήρωσης είναι διακριτές, με τον κύριο άξονα να δείχνει υψηλότερη ολοκλήρωση σε σχέση με την περιφέρεια της πόλης. Οι τρεις περιοχές μελέτης έδειξαν
διαφορετικά επίπεδα ολοκλήρωσης, με το HA2 να ξεχωρίζει για την υψηλότερη ολοκλήρωση ενώ το ΗΑ1 παρουσίασε ολοκληρωμένες περιοχές στις βόρειες και νότιες περιοχές με την ολοκλήρωση να μειώνεται προς την περιφέρεια. Στο HA3, παρατηρήθηκε υψηλότερο επίπεδο ολοκλήρωσης στους βόρειους τομείς, με την ολοκλήρωση να μειώνεται προς τις νότιες περιοχές.

'''3.3. Αποτελέσματα της ανάλυσης NDVI και NDBI'''
Ο Πίνακας 2 και ο Πίνακας 3 παρέχουν στατιστικές πληροφορίες για τις τιμές NDBI και NDVI στα τρία διαφορετικά HA. Από αυτούς τους πίνακες προκύπτει ότι το HA2 διαθέτει υψηλότερο NDBI, υποδεικνύοντας περισσότερες χτισμένες περιοχές σε σύγκριση με τα άλλα δύο, μαζί με χαμηλότερο ποσοστό πρασίνου. Αντίθετα, το HA1, που κυριαρχείται από μονοκατοικίες, εμφάνισε χαμηλότερες χτισμένες περιοχές και υψηλότερο ποσοστό πρασίνου. Οι χάρτες που απεικονίζουν τις κατανομές του NDBI και του NDVI (Σχήμα 7) δείχνουν εμφανώς τις διαφορές στις τιμές των δεικτών μεταξύ των διαφορετικών ΗΑ. Η τιμή NDVI στη δημόσια ζώνη στο βορειοδυτικό τμήμα του HA2 φαινόταν υψηλότερη λόγω των ενεργών κατασκευαστικών έργων για μια νέα περιοχή κατοικιών. Ωστόσο, αυτή η συγκεκριμένη περιοχή αποκλείστηκε από τη μελέτη, επικεντρώνοντας την προσοχή μόνο στα δεδομένα από τις υφιστάμενες κατοικημένες περιοχές.

'''3.4. Αποτελέσματα της φωτογραφικής ανάλυσης του συντελεστή Sky View'''
Τα τρία διαφορετικά αστικά τμήματα παρουσίασαν διαφορετικά μορφολογικά χαρακτηριστικά, με το HA1 να έχει μεσαίου ύψους διαμερίσματα στο βόρειο μέρος και μονοκατοικίες στο νότιο, το HA2 να διαθέτει μεσαίου ύψους οικοδομικά τετράγωνα στο βόρειο τμήμα και συγκροτήματα με πολυόροφα κτίρια στο νότιο, ενώ το HA3 να παρουσιάζει ποικιλία από χαμηλές, ακανόνιστες κατοικίες στο νότιο μέρος και πολυώροφα διαμερίσματα στο νοτιοδυτικό. Η ανάλυση SVF αποκάλυψε ότι τα πολυώροφα διαμερίσματα είχαν χαμηλότερες τιμές SVF, ενώ τα χαμηλά κτίρια είχαν υψηλότερες τιμές SVF. Οι αυλές και τα γραμμικά μπλοκ συνήθως εμφάνιζαν υψηλότερες τιμές SVF. Τέλος, παρατηρήθηκαν διακριτά μοτίβα στην SVF μεταξύ διαφόρων κτιρίων, υπογραμμίζοντας την επίδραση των μορφών κατοικιών και των υψών τους στην SVF.

'''3.5. Αποτελέσματα της ανάλυσης συσχέτισης μεταξύ της ολοκλήρωσης (Space Syntax), SVF, NDVI, NDBI και LST'''
Η μελέτη εξέτασε τις συσχετίσεις μεταξύ της θερμοκρασίας επιφάνειας της γης (LST) και δεικτών μορφολογίας σε τρία διαφορετικά Χωροταξικά Περιβάλλοντα (HA). Τα αποτελέσματα της ανάλυσης Pearson ανέδειξαν διαφορετικά χαρακτηριστικά μεταξύ των HA. Παρατηρήθηκε ότι οι τιμές LST τείνουν να αυξάνονται με υψηλότερες τιμές του δείκτη NDBI και να μειώνονται με υψηλότερες τιμές του δείκτη NDVI. Συγκεκριμένα, στα HA1 και HA2 παρατηρήθηκε έντονη θετική συσχέτιση μεταξύ NDBI και LST, ενώ το NDVI είχε σημαντική αρνητική επίδραση στο LST και στα δύο αυτά HA. Αντίθετα, στο HA3 δεν παρατηρήθηκε σημαντική συσχέτιση μεταξύ NDBI, NDVI και LST.
Το HA3 ξεχώρισε λόγω της μικτής μορφής κτιρίων, με χαμηλά κτίρια και πολυώροφες πολυκατοικίες. Η ποικιλομορφία αυτή οδήγησε σε διαφορετικές τιμές LST που δεν εξαρτώνταν αποκλειστικά από τους δείκτες NDBI και NDVI. Έτσι, η ανάλυση του δείκτη SVF αποδείχθηκε σημαντική για την κατανόηση των μεταβολών του LST. Οι διαφορετικοί τύποι κτιρίων επηρέαζαν σημαντικά το SVF, ιδίως στο HA3, με τον δείκτη SVF να εμφανίζει θετική συσχέτιση με το LST σε αυτό το HA.
Αντίθετα, στο HA2, όπου κυριαρχούσαν πολυώροφα κτίρια, παρατηρήθηκαν εξαιρετικά χαμηλές τιμές SVF. Παρά την μειωμένη πρόσληψη ηλιακής ακτινοβολίας λόγω του χαμηλού SVF, παρατηρήθηκε υψηλό επίπεδο γήινης ακτινοβολίας, οδηγώντας σε αύξηση του LST. Η συνεργασία μεταξύ του εξαιρετικά χαμηλού SVF και των μειωμένων τιμών NDVI στο HA2 συνέβαλε στην αύξηση του LST. Επιπλέον, ο δείκτης ολοκλήρωσης έδειξε συσχέτιση με το LST σε όλα τα HA, όπου μειωμένες τιμές δείκτη ολοκλήρωσης συνδέονταν με χαμηλότερες τιμές LST. Αυτή η συσχέτιση μπορεί να αποδοθεί σε αυξημένη σκίαση σε ενσωματωμένες περιοχές.

'''4. Συζήτηση'''
Τα ευρήματα της μελέτης αυτής δείχνουν ότι τα Χωροταξικά Περιβάλλοντα (HA) που χαρακτηρίζονται από υψηλή πυκνότητα και υψηλά κτίρια βιώνουν υψηλότερη θερμοκρασία επιφάνειας του εδάφους (LST) το καλοκαίρι σε σύγκριση με τα HA που έχουν λιγότερα, μεσαίου ύψους και χαμηλά κτίρια. Αυτή η παρατήρηση είναι συμβατή με προηγούμενες μελέτες που εξετάζουν τη σχέση μεταξύ LST και αστικής μορφολογίας. Η σημασία των μορφολογικών χαρακτηριστικών στα HA δεν μπορεί να υποτιμηθεί, καθώς επηρεάζουν το μικροκλίμα και συμβάλλουν τελικά στην αύξηση της LST. Η ανάλυση Space Syntax δείχνει ότι ο δείκτης ολοκλήρωσης του δικτύου δρόμων έχει υψηλή επεξηγηματική ισχύ για την LST σε όλα τα HA, αλλά η κατεύθυνση της σχέσης μεταξύ LST και του δείκτη αυτού αλλάζει ανάλογα με τα χαρακτηριστικά κατοικιών κάθε ΗΑ. Η LST φαίνεται να μειώνεται σε περιοχές με υψηλή ολοκλήρωση στα ΗΑ1 και ΗΑ3, ενώ αυξάνεται σε περιοχές με αστικές πολυκατοικίες στο ΗΑ2. Η ανάλυση αυτή επισημαίνει την πολύπλοκη σχέση μεταξύ του αστικού σχεδιασμού και του ελέγχου της θερμοκρασίας και προκαλεί προβληματισμό σχετικά με τις προσδοκίες. Επιπλέον, οι δείκτες NDBI και NDVI είχαν σημαντική συσχέτιση με την LST σε ΗΑ1 και ΗΑ2, αλλά όχι στο ΗΑ3, υποδεικνύοντας την ανάγκη για πιο ολοκληρωμένες μελέτες σε περιβάλλοντα με διαφορετικά χαρακτηριστικά. Βασιζόμενοι στα ευρήματα, προτείνονται μέτρα για τη μείωση του φαινομένου Urban Heat Islands (UHI) με έμφαση στη διασφάλιση ποικιλομορφίας σε ύψη και μορφές κτιρίων και την ενίσχυση του πράσινου δικτύου της πόλης. Τέλος, η ανάλυση του δείκτη Συντελεστή Ορατότητας (SVF) έδειξε σημαντική συσχέτιση με την LST σε όλα τα ΗΑ, αναδεικνύοντας την ανάγκη για περαιτέρω έρευνα για να κατανοήσουμε πλήρως την πολυπλοκότητα της σχέσης μεταξύ τους.

'''5. Συμπεράσματα'''
Σε περιοχές κατοικιών στην Ερζουρούμ της Τουρκίας, όπου η έκθεση στην ηλιακή ακτινοβολία είναι υψηλή η αστική μορφολογία επηρεάζει το μικροκλίμα, ιδίως το φαινόμενο των Urban Heat Islands (UHI). Η σοβαρότητα του φαινομένου UHI διαφέρει ανάλογα με τον τύπο των κτιρίων, με τα ψηλά κτίρια να επιδεινώνουν το φαινόμενο περισσότερο από τα χαμηλά και μεσαίου ύψους κτίρια. Οι δείκτες χωρικής μορφής, όπως ο δείκτης ακεραιότητας και ο δείκτης παρατήρησης ουρανού (SVF), επηρεάζουν σημαντικά το UHI, με τον δείκτη SVF να έχει έντονη επίδραση σε περιοχές χαμηλής SVF. Η διανομή και διάταξη των κτιρίων επηρεάζει επίσης το UHI, με τα κτίρια μεσαίου ύψους να βοηθούν στη μείωσή του, ενώ οι υψηλοί πύργοι διαχωρισμένων κτιρίων είναι αποτελεσματικοί στην αντιμετώπισή του. Επιπλέον, η κάλυψη του εδάφους με βλάστηση (NDVI) και οι δείκτες έντασης χρήσης γης (NDBI) επηρεάζουν το UHI, με την περισσότερη πράσινη και τη σχεδιασμένη ανάπτυξη να εμφανίζουν κρυστάλλωση επί του φαινομένου.
Βασιζόμενη σε αυτά τα ευρήματα, η μελέτη υποστηρίζει την εξέταση χωρικών και ειδικών δεικτών κατά τον σχεδιασμό της αστικής μορφολογίας για τη μείωση του UHI. Επιπλέον, υπογραμμίζεται η σημασία της αντιμετώπισης του UHI στο πλαίσιο της κλιματικής αλλαγής, καθώς οι προτεινόμενες στρατηγικές μπορούν να βοηθήσουν στην προσαρμογή στις επιπτώσεις της κλιματικής αλλαγής και στη μείωση των εκπομπών αερίων του θερμοκηπίου.
Παρόλα αυτά, η μελέτη αναγνωρίζει περιορισμούς όπως η εστίαση στα δεδομένα θερμοκρασίας επιφάνειας κατά τους θερινούς μήνες και η έλλειψη δεδομένων για το χειμώνα, καλώντας για περαιτέρω έρευνα προκειμένου να διερευνηθεί η επίδραση των μορφολογικών δεικτών κατά τη διάρκεια του χειμώνα και να εξεταστούν παράγοντες.

[[category:ΔΠΜΣ ]]

Αρχείο:Table 7 a3.jpg

2024-03-08T16:36:53Z

I christofaki: Πίνακας 7. Αποτελέσματα των αναλύσεων συσχέτισης μεταξύ πολλαπλών αστικών μορφολογικών δεικτών στο HA3.

Πίνακας 7. Αποτελέσματα των αναλύσεων συσχέτισης μεταξύ πολλαπλών αστικών μορφολογικών δεικτών στο HA3.

Αρχείο:Table 6 a3.jpg

2024-03-08T16:36:38Z

I christofaki: Πίνακας 6. Αποτελέσματα των αναλύσεων συσχέτισης μεταξύ πολλαπλών αστικών μορφολογικών δεικτών στο HA2.

Πίνακας 6. Αποτελέσματα των αναλύσεων συσχέτισης μεταξύ πολλαπλών αστικών μορφολογικών δεικτών στο HA2.

Αρχείο:Table 5 a3.jpg

2024-03-08T16:36:23Z

I christofaki: Πίνακας 5. Αποτελέσματα των αναλύσεων συσχέτισης μεταξύ πολλαπλών αστικών μορφολογικών δεικτών στο HA1.

Πίνακας 5. Αποτελέσματα των αναλύσεων συσχέτισης μεταξύ πολλαπλών αστικών μορφολογικών δεικτών στο HA1.

Αρχείο:Table 4 a3.jpg

2024-03-08T16:36:08Z

I christofaki: Πίνακας 4. Αποτελέσματα των αναλύσεων συσχέτισης μεταξύ SVF και LST σε HAs.

Πίνακας 4. Αποτελέσματα των αναλύσεων συσχέτισης μεταξύ SVF και LST σε HAs.

Αρχείο:Εικονα 8 a3.jpg

2024-03-08T16:35:55Z

I christofaki: Εικ. 8. Ανάλυση SVF διαφορετικών τυπολογιών κατοικιών.

Εικ. 8. Ανάλυση SVF διαφορετικών τυπολογιών κατοικιών.

Αρχείο:Table 3 a3.jpg

2024-03-08T16:35:40Z

I christofaki: Πίνακας 3. Στατιστικά δεδομένα του NDVI για τα HAs.

Πίνακας 3. Στατιστικά δεδομένα του NDVI για τα HAs.

Αρχείο:Table 2 a3.jpg

2024-03-08T16:35:21Z

I christofaki: Πίνακας 2. Στατιστικά δεδομένα του NDBI για τα HA.

Πίνακας 2. Στατιστικά δεδομένα του NDBI για τα HA.

Αρχείο:Εικονα 7 a3.jpg

2024-03-08T16:35:05Z

I christofaki: Εικ. 7. Χάρτες NDBI και NDVI.

Εικ. 7. Χάρτες NDBI και NDVI.

Αρχείο:Eikona 6 a3.jpg

2024-03-08T16:34:46Z

I christofaki: Εικ. 6. Ο δείκτης ολοκλήρωσης των αξονικών γραμμών.

Εικ. 6. Ο δείκτης ολοκλήρωσης των αξονικών γραμμών.

Αρχείο:Εικονα 5 a3.jpg

2024-03-08T16:34:27Z

I christofaki: Εικ. 5. Τοπικοί δείκτες της ανάλυσης χωρικών συσχετίσεων.

Εικ. 5. Τοπικοί δείκτες της ανάλυσης χωρικών συσχετίσεων.

Αρχείο:Table 1 a3.jpg

2024-03-08T16:34:06Z

I christofaki: Πίνακας 1. Αποτελέσματα του τεστ πολλαπλών συγκρίσεων Duncan των τιμών LST για τα HA στην περιοχή μελέτης.

Πίνακας 1. Αποτελέσματα του τεστ πολλαπλών συγκρίσεων Duncan των τιμών LST για τα HA στην περιοχή μελέτης.

Αρχείο:Εικονα 4 a3.jpg

2024-03-08T16:33:49Z

I christofaki: Εικ. 4. Χωρική κατανομή της LST στις περιοχές μελέτης.

Εικ. 4. Χωρική κατανομή της LST στις περιοχές μελέτης.