RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Χήρα Ίλια

2018-02-28T10:45:36Z

Ilia: Νέα σελίδα με '---- Μια αντικειμενοστραφής προσέγγιση για την ανίχνευση αλλαγών στον αστικό χώρο. [[Αναγνω...'

----

[[Μια αντικειμενοστραφής προσέγγιση για την ανίχνευση αλλαγών στον αστικό χώρο.]]

[[Αναγνωρίζοντας γεωμορφολογικά χαρακτηριστικά, χρησιμοποιώντας τεχνικές επεξεργασίας δεδομένων από το δορυφόρο LANDSAT-5/TM, στη νήσο Λέσβο.]]

[[Η μορφοδυναμική μιας άγονης «Playa» / αλυκής (Salar de Uyuni), με τη χρήση πολλαπλών-χρονικά εικόνων Landsat]]

[[Αξιολόγηση των τεχνικών ανίχνευσης στη παρακολούθηση μεταβολών στις κάλυψεις γης: Μια μελέτη περίπτωσης στη νέα περιοχή Burg El-Arab.]]

[[Χρήστης:Ilia]]

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

Αξιολόγηση των τεχνικών ανίχνευσης στη παρακολούθηση μεταβολών στις κάλυψεις γης: Μια μελέτη περίπτωσης στη νέα περιοχή Burg El-Arab.

2018-02-28T10:43:40Z

Ilia: Αξιολόγηση των τεχνικών ανίχνευσης στη παρακολούθηση μεταβολών στις καλύψεις γης: Μια μελέτη περίπτωσης στη νέα περιοχή Burg El-Arab.

== '''Αξιολόγηση των τεχνικών ανίχνευσης στη παρακολούθηση μεταβολών στις καλύψεις γης: Μια μελέτη περίπτωσης στη νέα περιοχή Burg El-Arab.''' ==

Η ανίχνευση των μεταβολών στις καλύψεις γης περιλαμβάνει την εφαρμογή ενός συνόλου δεδομένων, για την ποσοτική ανάλυση των διαφόρων τάξεων κάλυψης γης. Σημαντικό εργαλείο για την παρακολούθηση περιβαλλοντικών αλλαγών και καλύψεων γης αποτελεί η χρήση δεδομένων τηλεπισκόπησης.

Η περιοχή μελέτης είναι η New Burg El-Arab, 60 χλμ δυτικά της Αλεξάνδρειας στην Αίγυπτο. Πρόκειται για μια νέα βιομηχανική κοινότητα, η οποία αναπτύσσεται ραγδαία τα τελευταία χρόνια, με ταυτόχρονη ανάπτυξη μιας οργανωμένης αστικής κοινότητας. Έτσι, η παρακολούθηση, η αξιολόγηση και ο έλεγχος των μεταβολών στις καλύψεις γης της περιοχής, παράλληλα με την ποσοτική και ποιοτική ανάλυση τους, μπορεί να αποτελέσει μοχλό οικονομικής ανάπτυξης και ορθολογικής διαχείρισης των πόρων.

Στόχος του μελετητή είναι ο προσδιορισμός της φύσης και της έκτασης των αλλαγών στις καλύψεις γης της πόλης από το 1990 στο 2000, με τη χρήση πολυφασματικών εικόνων Landsat. Οι μέθοδοι που χρησιμοποιήθηκαν για τη χαρτογράφηση των αλλαγών είναι οι εξής: α) μετα-ταξινόμηση (post-classification), β) διαφορά εικόνων (image differencing), γ) λόγοι εικόνων (image ratioing) και δ) ανάλυση σε κύριες συνιστώσες (principal component analysis).

'''Δεδομένα'''

Οι δορυφορικές εικόνες που χρησιμοποιήθηκαν είναι το 1990 από το Landsat Thematic Mapper (TM) και το 2000 από το Landsat Enhanced Thematic Mapper (ETM). Η περιοχή έχει έκταση 53 τ.χλμ. (512 Χ 512 pixels, και χωρική ανάλυση 14,25μ.), ενώ και οι δυο εικόνες είναι διαθέσιμες στα κανάλια 7, 4, 2 (RGB).
[[Αρχείο:El_arab_1.jpeg | thumb | right | Εικόνα 1 : Δεδομένα ακρίβειας για την περιοχή μελέτης ]]

Εν συνεχεία, καταχωρήθηκε σε εικόνα από το google earth (2000) ο χάρτης αναφοράς του 1990, από την Αιγυπτιακή Αρχή Γενικής Έρευνας, με χωρική ανάλυση 14,25μ. χρησιμοποιώντας την τεχνική Nearest-neighbor, ο οποίος λειτούργησε και ως δεδομένα αναφοράς για τις κατηγορίες καλύψεων γης το 2000. Τα δύο αυτά δεδομένα αναφοράς, 1990 και 2000, (βλ.εικόνα 1), ύστερα από χρήση της ταξινόμησης μέγιστης πιθανοφάνειας, ταξινομήθηκαν σε έδαφος (S), βλάστηση (V) και αστικές περιοχές (U). Συγκρίνοντας λογικά του νέους ταξινομημένους χάρτες, παρήχθησαν δύο χάρτες αναφοράς, ο χάρτης αναφοράς ταξινομημένης αλλαγής (βλ.εικόνα 2α) και ο χάρτης αναφοράς αλλαγής/μη αλλαγής (βλ.εικόνα 2β).

[[Αρχείο:El_arab_2.jpeg | thumb | right | Εικόνα 2 a) Ο ταξινομημένος χάρτης ακρίβειας αλλαγών. 2b) Ο χάρτης αναφοράς αλλαγών/ μη αλλαγών. ]]

Έπειτα, πραγματοποιήθηκαν ραδιομετρικές διορθώσεις στις δύο εικόνες ώστε να εξαλειφθούν σφάλματα που προέρχονται από τις ατμοσφαιρικές συνθήκες, και τις συνθήκες φωτισμού/ ηλιακής ακτινοβολίας.

'''Μέθοδοι ανίχνευσης μεταβολών στις καλύψεις γης:

'''
• μετα-ταξινόμηση (post-classification): Παρήχθησαν τρεις τάξεις καλύψεων γης, έδαφος, βλάστηση και αστικός ιστός, για τις δύο κανονικοποιήμενες εικόνες Landsat 1990 και 2000. Ύστερα από σύγκριση των δύο ταξινομημένων εικόνων (μέγιστης πιθανοφάνειας) δημιουργήθηκαν εννέα κατηγορίες κάλυψης γης, με τις έξι τελευταίες να αποτελούν αλλαγές και τις τρεις πρώτες όχι. Για την αξιολόγηση και ακρίβεια των εικόνων των ταξινομημένων αλλαγών, έγινε σύγκριση με τα δεδομένα αναφοράς και προέκυψε ότι η σνολική ακρίβεια των εικόνων ταξινομημένων αλλαγών ανέρχεται στο 66,7% ενώ της εικόνας αλλαγής/ μη αλλαγής στο 73,9%.

• διαφορά εικόνων (image differencing): Πρόκειται για αφαίρεση της ψηφιακής τιμής ενός εικονοστοιχείου σε ένα κανάλι της εικόνας του 1990, από τη ψηφιακή τιμή του ίδιου εικονοστοιχείου και καναλιού, το 2000, ενώ πραγματοποιήθηκε για τα κανάλια 7, 4 και 2, με αποτέλεσμα τρεις εικόνες διαφορών. Ύστερα από ταξινόμηση των τριών εικόνων, προέκυψε η συνολική ακρίβεια της εικόνας της ταξινομημένης αλλαγής να είναι 53,56%, ενώ της εικόνας αλλαγής/ μη αλλαγής, 60,00%

• λόγοι εικόνων (image ratioing) :Πρόκειται για το λόγο της ψηφιακής τιμής ενός εικονοστοιχείου σε ένα κανάλι της εικόνας του 1990, προς τη ψηφιακή τιμή του ίδιου εικονοστοιχείου και καναλιού, το 2000, με αποτέλεσμα τριών εικόνων λόγων, ενώ προέκυψε ότι τη μεγαλύτερη ακρίβεια έχει το κανάλι 2. η συνολική ακρίβεια της εικόνας αλλαγής /μη αλλαγής είναι 64,80%. Η συνολική ακρίβεια της ταξινομημένης εικόνας αλλαγής είναι 57,04%, συγκρίνοντας με αντίστοιχους χάρτες αναφοράς.

• ανάλυση σε κύριες συνιστώσες (principal component analysis): Η συνιστώσα η οποία ανιχνεύει ορθότερα τις αλλαγές στις καλύψεις γης (πιο φωτεινές) και προέκυψε από την εν λόγω μέθοδο είναι η PC2. Ομοίως με τη μέθοδο της διαφοράς εικόνων δημιουργούνται οι εικόνες αλλαγής/ μη αλλαγής και ταξινομημένης αλλαγής με συνολική ακρίβεια 53,7% και 47,64% αντιστοίχως.

Έτσι, η μέθοδος της μετα-ταξινόμησης παρέχει τη μεγαλύτερη ακρίβεια, ενώ τη μικρότερη ακρίβεια παρέχει η ανάλυση σε κύριες συνιστώσες. Για όλες τις μεθόδους η συνολική ακρίβεια των εικόνων αλλαγής/ μη αλλαγής είναι υψηλότερες από τις ταξινομημένες εικόνες αλλαγής.

[[Αρχείο:El_arab_3.jpeg | thumb | right | Εικόνα 3 Χάρτες μεταβολών των καλύψεων γης, έδαφος, βλάστηση, αστικός ιστός, μεταξύ 1990 και 2000. ]]

Για την ποσοτική μελέτη της φύσης και της έκτασης των αλλαγών έγινε χρήση της ακριβέστερης μεθόδου, της μετα-ταξινόμησης. Η έκταση της κατηγορίας έδαφος έχει μειωθεί από 51,95 τ.χλμ. το 1990 σε 32,24 τ.χλμ. το 2000, γεγονός το οποίο οφείλεται στην αστική εξάπλωση από 0,68 τ.χλμ. το 1990 σε 9,50 τ.χλμ. το 2000, και επίσης λόγω της αύξησης της βλάστησης από 0,59 τ.χλμ. σε 11,48 τ.χλμ. το 2000. (βλ. Εικόνα 3)

'''Hafez A. Afify (2011) Evaluation of change detection techniques for monitoring land-cover changes: A case study in new Burg El-Arab area'''
Πηγή: [https://www.sciencedirect.com/science/article/pii/S1110016811000421]

[[category:Χαρτογραφία]]

Η μορφοδυναμική μιας άγονης «Playa» / αλυκής (Salar de Uyuni), με τη χρήση πολλαπλών-χρονικά εικόνων Landsat

2018-02-25T19:12:21Z

Ilia: Νέα σελίδα με '=='''Η μορφοδυναμική μιας άγονης «Playa»/ αλυκής, με τη χρήση πολλαπλών-χρονικά εικόνων Landsat σε μια...'

=='''Η μορφοδυναμική μιας άγονης «Playa»/ αλυκής, με τη χρήση πολλαπλών-χρονικά εικόνων Landsat σε μια ημι-άνυδρη εσωτερικά, λεκάνη απορροής της λίμνης Salar de Uyuni, στη Βολιβία.'''==

Οι playas, όντας μέρος των εσωτερικών λεκανών απορροής, έχουν εξέχουσα περιβαλλοντική σημασία, καθώς πρόκειται για οικοσυστήματα με σημαντικά ενδημικά μικρόβια, φυτά και ζώα, και βοηθούν στην ερμηνεία της σχέσης κλιματολογικών και τεκτονικών δραστηριοτήτων σε μια ήπειρο. Με τον όρο playas, νοείται μία επίπεδη περιοχή, η οποία καλύπτεται προσωρινά με νερό, και στη συνέχεια γίνεται ξηρή μέσω εξάτμισης, δηλαδή πρόκειται για ένα αλκαλικό επίπεδο ή αλυκή. Έχει αποδειχθεί ότι ιζήματα στις playas μπορούν να αποτελέσουν δυνητικές δεξαμενές υδρογονανθράκων. Η επιστήμη της τηλεπισκόπησης, αποτελεί εργαλείο για την ανίχνευση και συλλογή χωρικών πληροφοριών για τις playas. Ενώ η πλειονότητα των μελετών αφορά τεχνικές τηλεανίχνευσης εβαπορίτη, λίγες είναι οι μελέτες σχετικά με το μέγεθος των κόκκων και τις γεωμορφολογικές μεταβολές, λόγω δυσκολιών στη προσβασιμότητα είτε επικίνδυνων περιβαλλόντων.

Η παρούσα έρευνα αφορά την ανάλυση των μορφοδυναμικών μιας playa, από δεδομένα πολλαπλών χρονικά εικόνων Landsat, στην ημι-άνυδρη εσωτερικά λεκάνη απορροής της λίμνης Salar de Uyuni, στη Βολιβία. Η περιοχή μελέτης, βρίσκεται στο νοτιανατολικό άκρο της μεγαλύτερης λίμνης άλατος (Salar de Uyuni) σε υψόμετρο 3.656μ., και έχει έκταση 10.582 τ.χλμ.. Αξίζει να σημειωθεί ότι, η περιοχή βρίσκεται στο νότιο τμήμα της λεκάνης Altiplano, η οποία διαμορφώθηκε ως τμήμα των Βολιβιανών Άνδεων.

Στη παρούσα μελέτη, έγινε χρήση εικόνων Landsat, σε συνδυασμό με δεδομένα βροχόπτωσης (από το 1985 έως 2012, ημερησίως) και έρευνα πεδίου, ώστε οι ερευνητές να αναλύσουν τη μορφοδυναμική των playa. Αρχικά, προσδιορίζεται από τους ερευνητές, από τη δορυφορική εικόνα Landsat στις 11 Νοεμβρίου του 2012 και από πραγματικά δεδομένα εδάφους, η σχέση μεταξύ των διαφόρων τύπων των ιζημάτων (αλάτι, άμμος, άργιλος) και η ανακλαστικότητα αυτών. Στο σημείο αυτό, αναφέρεται η βασική θεωρία για τη σχέση αυτή. Εάν το ίζημα είναι πολύ παχύ (άρα και το πορώδες είναι υψηλό γεγονός που προδίδει υψηλή ικανότητα αποθήκευσης νερού), η ανακλαστικότητα είναι χαμηλή. Αντίστοιχα, όταν το ίζημα είναι ψιλή άμμος ή λάσπη, η ανακλαστικότητα είναι υψηλή. Ωστόσο, όταν η περιεκτικότητα σε άργιλο αυξάνεται, αυξάνεται και η ικανότητα αποθήκευσης νερού. Στην περιοχή, λόγω της εξατμισοδιαπνοής (1500 mm/έτος), το νερό στα ιζήματα καθιζάνει το άλας στη μακρά περίοδο ξηρασίας (Απρίλη με Νοέμβριο). Στην περίπτωση που η επιφάνεια καλύπτεται από αλάτι, η ανακλαστικότητα είναι μεγάλη σε αντίθεση με τις πλούσιες σε άργιλο περιοχές.

Ως εικόνα αναφοράς/ ακρίβειας χρησιμοποιήθηκε εικόνα Landsat TM 2011, για την ομαλοποίηση όλων των εικόνων Landsat από το 1985 έως το 2011 (επιλέγοντας εικόνες από τη ξηρή περίοδο, προσδιορίζοντάς τες ύστερα από την ανωτέρω συλλογή στοιχείων για τις κατακρημνίσεις), καταλήγοντας σε πολύ υψηλή συσχέτιση μεταξύ της εικόνας αναφοράς και της τελικής εικόνας.

Επιπρόσθετα, οι μελετητές δημιούργησαν ένα έγχρωμο σύνθετο, με τα κανάλια 7(2.08–2.35 μm), 5 (1.55–1.75 μm) και 1 (0.45–0.52 μm), (βλ. Εικόνα 1) και σύμφωνα με αυτό αλλά και τα δεδομένα της δειγματοληψίας στην περιοχή, έγινε η επιλογή των περιοχών εκπαίδευσης, αναγνωρίζοντας τέσσερις τύπους υλικών στην επιφάνεια της περιοχής μελέτης. Τα υλικά είναι τα εξής, και παρουσιάζονται στην Εικόνα 2: A) μείγμα αλατιού και ιζημάτων (αλμυρή επιφάνεια), B) λάσπη (επιφάνεια πλούσια σε λάσπη), C) άργιλος, (επιφάνεια πλούσια σε άργιλο) και D) καθαρό αλάτι (επιφάνεια με παχιά κρούστα αλατιού.

[[Αρχείο:Bolivia_1.jpeg | thumb | right | Εικόνα 1: Περιοχή Μελέτης, έγχρωμο σύνθετο από εικόνα Landsat Thematic Mapper (TM) με τα κανάλια 7 (red), 5 (green) και 1 (blue), στις 24/2/2006. ]]

[[Αρχείο:Bolivia_2.jpeg | thumb | right | Εικόνα 2: Τύποι επιφανειακών υλικών. A) μείγμα αλατιού και ιζημάτων (αλμυρή επιφάνεια), B) λάσπη (επιφάνεια πλούσια σε λάσπη), C) άργιλος, (επιφάνεια πλούσια σε άργιλο) και D) καθαρό αλάτι (επιφάνεια με παχιά κρούστα αλατιού. ]]

Οι φασματικές βιβλιοθήκες που δημιουργήθηκαν για κάθε έναν από τους τέσσερις τύπους ιζήματος, χρησιμοποιήθηκαν για την ταξινόμηση, η οποία πραγματοποιήθηκε με τη μέθοδο της μέγιστης πιθανοφάνειας. Η προσέγγιση ολοκληρώθηκε με τη δημιουργία χάρτη ομαδοποίησης. Η αξιολόγηση ήταν επιτυχής, καθότι η συνολική ακρίβεια ήταν 92,83% και ο συντελεστής Kappa 0,90. Ακόμη, ερευνήθηκε η συνοχή της ανάκλασης συναρτήσει του χρόνου για διαφορετικές εικόνες και παρατηρήθηκε ότι η απόλυτη διαφορά των ποσοστών ανακλαστικότητας μεταξύ της εικόνας του 2011 και του 2012 ήταν μικρότερη του 3%, και λειτούργησε ως «κατώφλι» (threshold) για τη ταξινόμηση.

[[Αρχείο:Bolivia_3.jpeg | thumb | right | Εικόνα 3: Χάρτης ταξινόμησης εικόνας Landsat TM, στις 20 Οκτώβρίου 1995.]]

Συμπερασματικά, σύμφωνα με τους χάρτες ομαδοποίησης, η πλούσια σε άργιλο επιφάνεια παρέμεινε η πιο κυρίαρχη επιφάνεια, με ελάχιστες εξαιρέσεις, για ολόκληρη την περίοδο, με ποσοστό 40% επί του συνόλου της επιφάνειας της περιοχής μελέτης. Επίσης, η ποσότητα αλατιού ήταν σχετικά σταθερή με την πάροδο του χρόνου συγκριτικά με τα άλλα επιφανειακά υλικά στην περιοχή μελέτης. Η πλούσια σε λάσπη επιφάνεια έδειξε ότι σχετίζεται με τις πλαγιές και τις όχθες του ποταμού, ενώ η πλούσια σε άργιλο επιφάνεια σχετίζεται με τις πλημμύρες. Η επιφάνεια λάσπης έχει μια ασθενή συσχέτιση με την ετήσια βροχόπτωση, ενώ η αλμυρή επιφάνεια τείνει να είναι αντιστρόφως ανάλογη προς την ετήσια βροχόπτωση. Τέλος, ταυτοποιήθηκαν οι γεωμορφολογικές αλλαγές, όπως ο σχηματισμός ρωγμών και η εγκατάλειψη καναλιών του ποταμού, ενώ αυξήθηκε η επιφάνεια λάσπης λόγω υψηλών ετήσιων κατακρημνίσεων.

'''Πηγή: J. Li, M. Menenti, Al. Mousivand & S. M. Luthi (2014) Non-Vegetated Playa Morphodynamics Using Multi-Temporal Landsat Imagery in a Semi-Arid Endorheic Basin: Salar de Uyuni, Bolivia'''

Πρωτότυπο άρθρο εδώ: [https://www.researchgate.net/publication/267325661_Non-Vegetated_Playa_Morphodynamics_Using_Multi-Temporal_Landsat_Imagery_in_a_Semi-Arid_Endorheic_Basin_Salar_de_Uyuni_Bolivia]

[[category:Υδατικοί Πόροι]]

Αρχείο:Bolivia 3.jpeg

2018-02-25T19:10:59Z

Ilia:

Αρχείο:Bolivia 2.jpeg

2018-02-25T19:10:40Z

Ilia:

Αρχείο:Bolivia 1.jpeg

2018-02-25T19:10:24Z

Ilia:

Αναγνωρίζοντας γεωμορφολογικά χαρακτηριστικά, χρησιμοποιώντας τεχνικές επεξεργασίας δεδομένων από το δορυφόρο LANDSAT-5/TM, στη νήσο Λέσβο.

2018-02-25T18:29:11Z

Ilia: Νέα σελίδα με '=='''Αναγνωρίζοντας γεωμορφολογικά χαρακτηριστικά, χρησιμοποιώντας τεχνικές επεξεργασίας δε...'

=='''Αναγνωρίζοντας γεωμορφολογικά χαρακτηριστικά, χρησιμοποιώντας τεχνικές επεξεργασίας δεδομένων από το δορυφόρο LANDSAT-5/TM, στη νήσο Λέσβο'''==

Η παρούσα έρευνα αφορά τα γεωμορφολικά χαρακτηριστικά της νήσου Λέσβος (έκταση: 1632τ.χλμ.), στο βορειοανατολικό Αιγαίο. Με έρευνα πεδίου, καθώς και με την επεξεργασία δεδομένων μέσω δορυφορικών εικόνων του δορυφόρου LANDSAT-5rTM, πραγματοποίηθηκε η ανάλυση των γεωμορφολογικών χαρακτηριστικών του νησιού.

Όσον αφορά, τη γεωμορφολογία του νησιού, οι δύο κόλποι -του Γέρα, στα ανατολικά και Καλλονή, στα δυτικά- χωρίζουν το νησί σε τρία άνισα τμήματα.
Όσον αφορά, τα γεωλογικά χαρακτηριστικά του νησιού, πρόκειται για ένα συνδυασμό των γεωλογικών χαρακτηριστικών της Ελλάδας, του Αιγαίου πελάγους και της ανατολικής Μεσογείου.

Οι δυνάμεις των συγκρούσεων των ιζημάτων του εδάφους του νησιού, προκάλεσαν διάφορες παραμορφώσεις και μεταμορφώσεις και οδήγησαν σε σχηματισμό διαφόρων θερμών πηγών και εξερχομένων ροών λάβας. Το έδαφος, αποτελείται από μετακλαστικά πετρώματα, ηφαίστειο-κλαστικούς σχηματισμούς και οφιολιθικούς βράχους, ενώ συγκαταλέγεται στις πιο σεισμικά ενεργές περιοχές παγκοσμίως.

'''Τεχνικές επεξεργασίας των δεδομένων του LANDSAT-5rTM'''

Η δορυφορική εικόνα που χρησιμοποιήθηκε, επεξεργάστηκε με το πρόγραμμα ERDASS, και είναι από τις 20 Ιουνίου του 1990, ενώ υπέστη διόρθωσεις ώστε η εικόνα να αποδοθεί με εξαιρετική ακρίβεια. Πιο συγκεκριμένα, οι τεχνικές επεξεργασίας που πραγματοποίηθηκαν ήταν 1η) η Ανάλυση κυρίων συνιστωσών (Principal Component Analysis) και 2η) η Ψευδέγχρωμη Σύνθεση (False color composite). Έτσι, δημιουργήθηκαν ενισχυμένες δορυφορικές εικόνες που αποδίδουν τα τοπογραφικά και γεωμορφολογικά χαρακτηριστικά της Λέσβου, ενώ επιλέχθηκαν οι πιο κατάλληλες για φωτοερμηνεία και χαρτογράφηση (της γεωμορφολογίας) του νησιού. Από την ανάλυση των δορυφορικών εικόνων προέκυψε η ταυτοποίηση έξι σημαντικών γεωμορφολογικών «μονάδων» του νησιού: A)λόφοι τέφρας, B)κεκλιμένες πεδιάδες, πάνω από λάβα ή πετρώματα ηφαιστείου (Ignimbrite), C) λόφους με σχιστόλιθο, D) επίπεδα αλατιού, E) προσχωσιγενείς πεδιάδες (παράκτιων και ποτάμιων), F) λόφοι με οφιόλιθο, οι οποίες απεικονίζονται στην εικόνα 1.

[[Αρχείο:Lesvos.jpeg | thumb | right | Εικόνα 1: Χάρτης με τα γεωμορφολογικά χαρακτηριστικά και τα πετρώματα του νησιού. A)λόφοι τέφρας, B)κεκλιμένες πεδιάδες, πάνω από λάβα ή πετρώματα ηφαιστείου (Ignimbrite), C) λόφους με σχιστόλιθο, D) επίπεδα αλατιού, E) προσχωσιγενείς πεδιάδες (παράκτιων και ποτάμιων), F) λόφοι με οφιόλιθο. ]]

Στο νησί, διακρίνονται δύο είδη πεδιάδων, εκείνες που σχηματίστηκαν πάνω σε μεγάλες ροές λάβας (Β) και αυτές που σχηματίστηκαν κοντά σε ακτές από ποτάμιες διαδικασίες (Ε). Οι τελευταίες, αποτελούν καλλιεργούμενες εκτάσεις καθότι πρόκειται για τα πιο γόνιμα εδάφη του νησιού.
Ακόμη, τα πετρώματα της περιοχής, στους λόφους με σχιστόλιθο ή οφιόλιθο, (C & F) σε ορισμένες περιπτώσεις παρουσιάζουν δομικές αδυναμίες, σε αντίθεση με τα πετρώματα στους λόφους τέφρας (Α).

'''Πηγή: I.D. Novak, N. Soulakellis (2000) ''Identifying geomorphic features using LANDSAT-5rTM data processing techniques on Lesvos'', Greece. Geomorphology, pg 101-109''.'''

Πρωτότυπο άρθρο εδώ: [https://www.sciencedirect.com/science/article/pii/S0169555X00000039]

[[category:Γεωλογία – Εδαφολογία]]

Αρχείο:Lesvos.jpeg

2018-02-25T18:27:45Z

Ilia:

Αξιολόγηση των τεχνικών ανίχνευσης στη παρακολούθηση μεταβολών στις κάλυψεις γης: Μια μελέτη περίπτωσης στη νέα περιοχή Burg El-Arab.

2018-02-25T18:15:09Z

Ilia: Νέα σελίδα με '== '''Αξιολόγηση των τεχνικών ανίχνευσης στη παρακολούθηση μεταβολών στις κάλυψεις γης: Μια με...'

== '''Αξιολόγηση των τεχνικών ανίχνευσης στη παρακολούθηση μεταβολών στις κάλυψεις γης: Μια μελέτη περίπτωσης στη νέα περιοχή Burg El-Arab.''' ==

Η ανίχνευση των μεταβολών στις καλύψεις γης περιλαμβάνει την εφαρμογή ενός συνόλου δεδομένων, για την ποσοτική ανάλυση των διαφόρων τάξεων κάλυψης γης. Σημαντικό εργαλείο για την παρακολούθηση περιβαλλοντικών αλλαγών και καλύψεων γης αποτελεί η χρήση δεδομένων τηλεπισκόπησης.

Η περιοχή μελέτης είναι η New Burg El-Arab, 60 χλμ δυτικά της Αλεξάνδρειας στην Αίγυπτο. Πρόκειται για μια νέα βιομηχανική κοινότητα, η οποία αναπτύσσεται ραγδαία τα τελευταία χρόνια, με ταυτόχρονη ανάπτυξη μιας οργανωμένης αστικής κοινότητας. Έτσι, η παρακολούθηση, η αξιολόγηση και ο έλεγχος των μεταβολών στις καλύψεις γης της περιοχής, παράλληλα με την ποσοτική και ποιοτική ανάλυση τους, μπορεί να αποτελέσει μοχλό οικονομικής ανάπτυξης και ορθολογικής διαχείρισης των πόρων.

Στόχος του μελετητή είναι ο προσδιορισμός της φύσης και της έκτασης των αλλαγών στις καλύψεις γης της πόλης από το 1990 στο 2000, με τη χρήση πολυφασματικών εικόνων Landsat. Οι μέθοδοι που χρησιμοποιήθηκαν για τη χαρτογράφηση των αλλαγών είναι οι εξής: α) μετα-ταξινόμηση (post-classification), β) διαφορά εικόνων (image differencing), γ) λόγοι εικόνων (image ratioing) και δ) ανάλυση σε κύριες συνιστώσες (principal component analysis).

'''Δεδομένα'''

Οι δορυφορικές εικόνες που χρησιμοποιήθηκαν είναι το 1990 από το Landsat Thematic Mapper (TM) και το 2000 από το Landsat Enhanced Thematic Mapper (ETM). Η περιοχή έχει έκταση 53 τ.χλμ. (512 Χ 512 pixels, και χωρική ανάλυση 14,25μ.), ενώ και οι δυο εικόνες είναι διαθέσιμες στα κανάλια 7, 4, 2 (RGB).
[[Αρχείο:El_arab_1.jpeg | thumb | right | Εικόνα 1 : Δεδομένα ακρίβειας για την περιοχή μελέτης ]]

Εν συνεχεία, καταχωρήθηκε σε εικόνα από το google earth (2000) ο χάρτης αναφοράς του 1990, από την Αιγυπτιακή Αρχή Γενικής Έρευνας, με χωρική ανάλυση 14,25μ. χρησιμοποιώντας την τεχνική Nearest-neighbor, ο οποίος λειτούργησε και ως δεδομένα αναφοράς για τις κατηγορίες καλύψεων γης το 2000. Τα δύο αυτά δεδομένα αναφοράς, 1990 και 2000, (βλ.εικόνα 1), ύστερα από χρήση της ταξινόμησης μέγιστης πιθανοφάνειας, ταξινομήθηκαν σε έδαφος (S), βλάστηση (V) και αστικές περιοχές (U). Συγκρίνοντας λογικά του νέους ταξινομημένους χάρτες, παρήχθησαν δύο χάρτες αναφοράς, ο χάρτης αναφοράς ταξινομημένης αλλαγής (βλ.εικόνα 2α) και ο χάρτης αναφοράς αλλαγής/μη αλλαγής (βλ.εικόνα 2β).

[[Αρχείο:El_arab_2.jpeg | thumb | right | Εικόνα 2 a) Ο ταξινομημένος χάρτης ακρίβειας αλλαγών. 2b) Ο χάρτης αναφοράς αλλαγών/ μη αλλαγών. ]]

Έπειτα, πραγματοποιήθηκαν ραδιομετρικές διορθώσεις στις δύο εικόνες ώστε να εξαλειφθούν σφάλματα που προέρχονται από τις ατμοσφαιρικές συνθήκες, και τις συνθήκες φωτισμού/ ηλιακής ακτινοβολίας.

'''Μέθοδοι ανίχνευσης μεταβολών στις καλύψεις γης:

'''
• μετα-ταξινόμηση (post-classification): Παρήχθησαν τρεις τάξεις καλύψεων γης, έδαφος, βλάστηση και αστικός ιστός, για τις δύο κανονικοποιήμενες εικόνες Landsat 1990 και 2000. Ύστερα από σύγκριση των δύο ταξινομημένων εικόνων (μέγιστης πιθανοφάνειας) δημιουργήθηκαν εννέα κατηγορίες κάλυψης γης, με τις έξι τελευταίες να αποτελούν αλλαγές και τις τρεις πρώτες όχι. Για την αξιολόγηση και ακρίβεια των εικόνων των ταξινομημένων αλλαγών, έγινε σύγκριση με τα δεδομένα αναφοράς και προέκυψε ότι η σνολική ακρίβεια των εικόνων ταξινομημένων αλλαγών ανέρχεται στο 66,7% ενώ της εικόνας αλλαγής/ μη αλλαγής στο 73,9%.

• διαφορά εικόνων (image differencing): Πρόκειται για αφαίρεση της ψηφιακής τιμής ενός εικονοστοιχείου σε ένα κανάλι της εικόνας του 1990, από τη ψηφιακή τιμή του ίδιου εικονοστοιχείου και καναλιού, το 2000, ενώ πραγματοποιήθηκε για τα κανάλια 7, 4 και 2, με αποτέλεσμα τρεις εικόνες διαφορών. Ύστερα από ταξινόμηση των τριών εικόνων, προέκυψε η συνολική ακρίβεια της εικόνας της ταξινομημένης αλλαγής να είναι 53,56%, ενώ της εικόνας αλλαγής/ μη αλλαγής, 60,00%

• λόγοι εικόνων (image ratioing) :Πρόκειται για το λόγο της ψηφιακής τιμής ενός εικονοστοιχείου σε ένα κανάλι της εικόνας του 1990, προς τη ψηφιακή τιμή του ίδιου εικονοστοιχείου και καναλιού, το 2000, με αποτέλεσμα τριών εικόνων λόγων, ενώ προέκυψε ότι τη μεγαλύτερη ακρίβεια έχει το κανάλι 2. η συνολική ακρίβεια της εικόνας αλλαγής /μη αλλαγής είναι 64,80%. Η συνολική ακρίβεια της ταξινομημένης εικόνας αλλαγής είναι 57,04%, συγκρίνοντας με αντίστοιχους χάρτες αναφοράς.

• ανάλυση σε κύριες συνιστώσες (principal component analysis): Η συνιστώσα η οποία ανιχνεύει ορθότερα τις αλλαγές στις καλύψεις γης (πιο φωτεινές) και προέκυψε από την εν λόγω μέθοδο είναι η PC2. Ομοίως με τη μέθοδο της διαφοράς εικόνων δημιουργούνται οι εικόνες αλλαγής/ μη αλλαγής και ταξινομημένης αλλαγής με συνολική ακρίβεια 53,7% και 47,64% αντιστοίχως.

Έτσι, η μέθοδος της μετα-ταξινόμησης παρέχει τη μεγαλύτερη ακρίβεια, ενώ τη μικρότερη ακρίβεια παρέχει η ανάλυση σε κύριες συνιστώσες. Για όλες τις μεθόδους η συνολική ακρίβεια των εικόνων αλλαγής/ μη αλλαγής είναι υψηλότερες από τις ταξινομημένες εικόνες αλλαγής.

[[Αρχείο:El_arab_3.jpeg | thumb | right | Εικόνα 3 Χάρτες μεταβολών των καλύψεων γης, έδαφος, βλάστηση, αστικός ιστός, μεταξύ 1990 και 2000. ]]

Για την ποσοτική μελέτη της φύσης και της έκτασης των αλλαγών έγινε χρήση της ακριβέστερης μεθόδου, της μετα-ταξινόμησης. Η έκταση της κατηγορίας έδαφος έχει μειωθεί από 51,95 τ.χλμ. το 1990 σε 32,24 τ.χλμ. το 2000, γεγονός το οποίο οφείλεται στην αστική εξάπλωση από 0,68 τ.χλμ. το 1990 σε 9,50 τ.χλμ. το 2000, και επίσης λόγω της αύξησης της βλάστησης από 0,59 τ.χλμ. σε 11,48 τ.χλμ. το 2000. (βλ. Εικόνα 3)

'''Hafez A. Afify (2011) Evaluation of change detection techniques for monitoring land-cover changes: A case study in new Burg El-Arab area'''
Πηγή: [https://www.sciencedirect.com/science/article/pii/S1110016811000421]

[[category:Χαρτογραφία]]

Αρχείο:El arab 3.jpeg

2018-02-25T18:13:35Z

Ilia:

Αρχείο:El arab 2.jpeg

2018-02-25T18:13:14Z

Ilia:

Αρχείο:El arab 1.jpeg

2018-02-25T18:12:53Z

Ilia:

Χρήστης:Ilia

2018-02-25T17:39:59Z

Ilia: /* Η αξιολόγηση της βιοποικιλότητας με τη βοήθεια της τηλεπισκόπησης στις ορεινές περιοχές: οι δυνατότητες της μεθόδου LiDAR να προβλέψει τ

== '''Η αξιολόγηση της βιοποικιλότητας με τη βοήθεια της τηλεπισκόπησης στις ορεινές περιοχές: οι δυνατότητες της μεθόδου LiDAR να προβλέψει τη συγκέντρωση σκαθαριών στα δάση.''' ==

Η διατήρηση της βιοποικιλότητας αποτελεί ένα από τα πιο σημαντικά περιβαλλοντικά ζητήματα, καθότι πλήττεται σοβαρά, και η αποτελεσματική διατήρησή της εξαρτάται από το συνδυασμό δεδομένων χωρικής κατανομής και βιοποικιλότητας. Ωστόσο, η έλλειψη ταξινόμων και οικονομικών πόρων αποκλείει τη χαρτογράφηση της σημαντικής ποικιλομορφίας ειδών και πληθυσμών. Ως εκ τούτου, η πλειονότητα των μελετών περί εφαρμογής της τηλεπισκόπησης για τη στρατηγική διαχείριση και μοντελοποίηση της ποικιλότητας, αφορούν κατά βάση σπονδυλωτά ζώα, και ελάχιστα αρθρόποδα (αν και εξέχουσας οικολογικής σημασίας). Σήμερα, η ποικιλότητα των ασπόνδυλων παρουσιάζει έντονη μείωση, με ταχύτερους ρυθμούς από ότι τα φυτά και τα σπονδυλωτά. Έτσι, χρειάζονται μέθοδοι για την άμεση, οικονομική και αποτελεσματική εκτίμηση της αξίας των βιοτόπων των ειδών, σε επίπεδο λεπτομέρειας, υφής και έκτασης (10-1000 εκτάρια), ικανής για ορθή την διαχείριση και διατήρηση τους. Τα ασπόνδυλα απαντώνται κυρίως σε δάση, όμως οι γνώσεις για σύνολα εντόμων που ζουν σε δάση δεν βρίσκονται σε ικανοποιητικό επίπεδο.

Η παρούσα έρευνα αφορά τις δυνατότητες της τεχνικής LiDAR (Light Detection And Ranging)–ένα αερομεταφερόμενο σύστημα με χρήση λέιζερ για σάρωση- να μοντελοποιεί τη σύνθεση του πληθυσμού, την ποικιλότητα και τη δραστηριότητα των σκαθαριών που ζουν στα δάση. Η περιοχή μελέτης είναι το Εθνικό Πάρκο Bavarian Forest (σε υψόμετρο 650-1400μ.) στη νοτιοανατολική Γερμανία.

[[Αρχείο:Study_Area_.jpeg | thumb | right | Το ανάγλυφο της Περιοχής Μελέτης, οι τομές για τα δείγμα Τ1-Τ4, και η θέση του Εθνικού Πάρκου, στο χάρτη της Γερμανίας. Οι 171 σταθμοί δειγματοληψίας παρουσιάζονται με λευκό σημείο. Το ένθετο στην κορυφή απεικονίζει ένα παράδειγμα του μοντέλου ψηφιακής επιφάνειας που δημιουργείται από LiDAR. ]]

Τα τροπικά δάση αποτελούν σημαντικό βιότοπο για συγκεντρώσεις σκαθαριών, και η LiDAR είναι ικανή να παρέχει στοιχεία για την πυκνότητα του στρώματος θόλου (αποτελεί τροφή των σκαθαριών), τα δασικά κενά, και το υψόμετρο της περιοχής, που μπορεί να λειτουργήσει ως δείκτης για τις κατακρημνίσεις, τη θερμοκρασία και τους τύπους βλάστησης. Τα δεδομένα από τη τη LiDAR συλλέχθηκαν το Μάιο του 2007, και οι περιβαλλοντικές μεταβλητές που προέκυψαν ήταν το υψόμετρο, το ύψος του θόλου, το μέγιστο ύψος των δέντρων. Εν συνεχεία, πραγματοποιήθηκε η αξιολόγηση των τιμών των ανωτέρω μεταβλητών (για τη δραστηριότητα, τον πλούτο και τη σύνθεση των συνόλων των σκαθαριών) και η σύγκρισή τους, μέσω της Canonical correlation analysis (CCA), με δεδομένα από συμβατικές, επίγειες μεθόδους πεδίου. Οι συμβατικές μέθοδοι πεδίου αφορούν την πρόσληψη δειγμάτων σε σκαθάρια είτε με κρυφές παγίδες, είτε με πτυσσόμενες παγίδες παρακολούθησης. Η δειγματοληψία πραγματοποιήθηκε ορίζοντας 171 σταθμούς δειγματοληψίας, κατά μήκος τεσσάρων τομών (Τ1, Τ2, Τ3, Τ4) σε περιοχές του δάσους με έντονη κλίση, το 2007, όπως απεικονίζεται στην εικόνα 1. Ακόμη, σημειώνεται ότι οι πληροφορίες στην Κεντρική Ευρώπη για διάφορα είδη σκαθαριών, όπως για τη διατροφή, τη διασπορά και το μέγεθος του σώματος, συνέβαλε στο να εντοπιστούν δείγματα για όλα τα είδη (782).

Οι προβλέψεις της τεχνικής LiDAR ήταν αρκετά ικανοποιητικές, ειδικότερα όσον αφορά το μέσο μέγεθος του σώματος και της σύνθεσης των ειδών. Η διαφορά στην προβλεψιμότητά της για ποικιλότητα των συνόλων από τα επίγεια δείγματα εξηγείται λόγω το μεγέθους των δειγμάτων (250 άτομα σε κάθε σταθμό κατά μέσο όρο). Έτσι, τα στατιστικά για τα δεδομένα LiDAR, απέδειξαν ότι πρόκειται για τεχνική, οικονομικά αποδοτική, για τη χαρτογράφηση βιοποικιλότητας, της τάξεως που αναλογεί στο 5 -10 % της επίγειας έρευνας, ακόμη και σε απομακρυσμένες ορεινές περιοχές και σε πολύπλοκα οικοσυστήματα όπως τα δάση. Ωστόσο, αξιόπιστα στοιχεία για τη βιοποικιλότητα απαιτούνται για την επικύρωση των στατιστικών μοντέλων. Τέλος, η χαρτογράφηση της βιοποικιλότητας μιας περιοχής μπορεί να αποτελέσει σημαντικό εργαλείο για το σχεδιασμό και τη διαχείριση, σε τοπική κλίμακα, περιοχών με σημαντική περιβαλλοντική αξία.
Συμπερασματικά, τα σκαθάρια αποτελούν ένα είδος εντόμου, με μέγεθος μικρότερο των 2 εκατοστών κατά μέσο όρο, και δρούν σε μικρές κλίμακες χώρου, ενώ η τραχεία υφή τους πιθανώς να σχετίζεται με την ευκολία στην αναζήτηση τροφής. Ακόμη, η δομή των θόλων καθορίζει τα χαρακτηριστικά του ενδιαιτήματος. Εν τέλει, μια τέτοια διαδικασία μοντελοποίησης, LiDAR, προσφέρει απλές, αλλά ταυτόχρονα, οικολογικά σημαντικές μεταβλητές για τη δραστηριότητα, τον πλούτο και τη σύνθεση των διαφόρων πληθυσμών σε μεγάλες περιοχές. Έτσι, συμβάλει στην αξιολόγηση ενδιαιτημάτων σε μεγάλες περιοχές, στον καθορισμό «hotspots» ποικιλομορφίας καθώς και στην παρακολούθηση των περιβαλλοντικών αλλαγών τόσο σε περιφερειακό αλλά και σε εθνικό επίπεδο διαχείρισης.

'''Πηγή: J. Muller & R. Brandl (2009) ''Assessing biodiversity by remote sensing in mountainous terrain: the potential of LiDAR to predict forest beetle assemblages''.
'''
Πρωτότυπο άρθρο εδώ: [http://onlinelibrary.wiley.com/doi/10.1111/j.1365-2664.2009.01677.x/full]

[[category:Εκτίμηση βιοπικοιλότητας]]

Μια αντικειμενοστραφής προσέγγιση για την ανίχνευση αλλαγών στον αστικό χώρο.

2018-02-25T17:27:38Z

Ilia: /* Μια αντικειμενοστραφής προσέγγιση για την ανίχνευση αλλαγών στον αστικό χώρο. */

== '''Μια αντικειμενοστραφής προσέγγιση για την ανίχνευση αλλαγών στον αστικό χώρο.''' ==

Η αστικοποίηση έχει σημαντικό αντίκτυπο στο φυσικό περιβάλλον και ο στρατηγικός και πολεοδομικός σχεδιασμός είναι το κυρίαρχο μέσο για την οργάνωση και προστασία του συνεχώς εναλλασόμενου αστικού περιβάλλοντος. Η χρήση και οι μέθοδοι της τηλεπισκόπησης συμβάλλουν στην υλοποίηση ολοκληρωμένων αστικών μελετών, ενώ οι ερευνήτες ασχολούνται με την αντικειμενοστραφή ανάλυση, και όχι με τις τεχνικές ταξινόμησης βάσει εικονοστοιχείων (pixel), για την παρακολούθηση των καλύψεων γης στον αστικό χώρο. Επιπρόσθετα, η χρήση δορυφορικών εικόνων διαφορετικής χρονολογίας λήψης αποτελούν μέσο για την καταγραφή και πρόβλεψη των αλλαγών στο αστικό περιβάλλον. Οι τεχνικές ανίχνευσης των αλλαγών χωρίζονται σε δύο κατηγορίες, τις μεθόδους προ-ταξινόμησης και μετά τη ταξινόμηση. Η πρώτη παρέχει πληροφορίες για την πιθανή χωρική αλλαγή, δίχως πληροφορίες για την αλλαγή στις καλύψεις γης, σε αντίθεση με τη δεύτερη μέθοδο, κατά την οποία πραγματοποιείται σύγκριση ταξινομημένων εικόνων ώστε να παρέχει λεπτομερείς πληροφορίες για τις αλλαγές των καλύψεων γης για κάθε αντικείμενο ή pixel.

'''Περιοχή μελέτης και δεδομένα'''

Η περιοχή μέλετης είναι το αστικό και περιαστικό περιβάλλον της Θεσσαλονίκης, λόγω της αυξανόμενης επέκτασης των προαστίων της πόλης. Στόχος της μελέτης είναι, μέσω τεχνικών αντικειμενοστραφούς ταξινόμησης, να γίνει καταγραφή των καλύψεων γης και ανίχνευση των αλλαγών τους από το έτος 2003 στο 2006.

Με το λογισμικό πακέτο Erdas Imagine 9.0., πραγματοποιήθηκε η σύγκριση δύο εικόνων, ύστερα από γεωμετρικές διορθώσεις και ταξινόμηση, μιας εικόνας Quickbird από τον Ιούλιο του 2003, και μια εικόνας Ikonos από τον Ιούλιο του 2006.

'''Μεθοδολογία'''
Το σημαντικότερο πλεονέκτημα της αντικειμενοστραφούς επεξεργασίας εικόνων, είναι η ομαδοποίηση γειτονικών pixel, σύμφωνα με τη χωρική και φασματική ομοιογένεια τους. Σημειώνεται, ότι ο στατιστικός θόρυβος στις διάφορες τάξεις καλύψεων γης αυξάνεται λόγω της φασματικής μεταβλητότητας των εικόνων υψηλής ανάλυσης, καθιστώντας απαραίτητη την εύρεση συμπληρωματικών πληροφορίων. Έτσι, χρησιμοποιείται ο κανονικοποιημένος δείκτης βλάστησης διαφοράς (NDVI) για τις περιοχές με βλάστηση. Το επόμενο βήμα της διαδικασίας ήταν η ανάλυση των εικόνων σε κύριες συνιστώσες (Principal Components Analysis- PCA), ώστε να επιτευχθεί η συμπίεση των δεδομένων των εικόνων. Στη παρούσα έρευνα οι πληροφορίες των τριών πρώτων συνιστωσών συνέβαλαν στον προσδιορισμό των τάξεων των χρήσεων γης. Η PC 2 οδήγησε στην ανίχνευση οικιστικών περιοχών και η PC 3 στην ανίχνευση του εδάφους και των στεγών από κεραμίδια. Ακόμη, οι δύο τελευταίες συνιστώσες χρησιμοποιήθηκαν για την δημιουργία του δείκτη σκίασης (Shadow General Indicator= Blue band – PC 1). Αρχικά, ως εικόνα βάσης θεωρείται η εικόνα Quickbird (2003) ενώ ανιχνεύθηκαν και οι περιοχές με και χωρίς βλάστηση σύμφωνα με τέσσερα κανάλια, το δείκτη NDVI και τις PC1, PC2, PC3, δίνοντας τις αρχικές τάξεις των καλύψεων γης. Οι κατηγορίες καλύψεων γης που προέκυψαν ήταν οι εξής: πυκνή βλάστηση, αραιή βλάστηση, οι περιοχές χωρίς βλάστηση κατηγοριοποιήθηκαν ως σκιά, έδαφος και οικιστικές περιοχές, ενώ με τη χρήση της PC3 και το χαρακτηριστικό σχήματος “rectangular fit” προσδιορίστηκαν οι στέγες από κεραμίδι. [[Αρχείο:urban_1.jpeg | thumb | right | Εικόνα 1: Χάρτης μεταβολών καλύψεων γης (μωβ χρώμα) μεταξύ των ετών 2003 και 2006.]]

Ομοίως πραγματοποιήθηκε η ταξινόμηση της εικόνας Ikonos (2006) με τους ίδιους τύπους καλύψεων γης. Για την ανίχνευση των αλλαγών στις καλύψεις γης μεταξύ των δύο εικόνων, τα αντικείμενα των δύο ταξινομημένων εικόνων είχαν τα ίδια χωρικά όρια και οι αλλαγές στα αντικείμενα προσδιορίστηκαν με σημαντική ακρίβεια. Συγκρίνοντας τις νέες εικόνες, τα αντικείμενα που πλέον δεν ανήκουν στην ίδια τάξη-κατηγορία κάλυψης γης χαρακτηρίζονται ως αλλαγές της εκάστοτε κατηγορίας, όπως παρουσιάζονται στην εικόνα 1 με μωβ χρώμα.

'''Συμπεράσματα'''
Έπειτα από την αξιολόγηση των αποτελεσμάτων της ταξινόμησης, με τη χρήση είκοσι τυχαίων δειγμάτων για κάθε κατηγορία κάλυψης γης, τα στατιστικά ακρίβειας θεωρήθηκαν ικανοποιητικά (δεδομένου της έλλειψης στοιχείων κτηματολόγιου).
Οι κατηγορίες γυμνό έδαφος και αραιή βλάστηση παρουσίασαν τις σημαντικότερες αλλαγές. Το 23% της οικιστικής περιοχής, το 2006, προκύπτει από τις δύο παραπάνω κατηγορίες, γεγονός που προδίδει την εξάλειψη των υπαίθριων χώρων στη περιοχή μελέτης (βλ. Διάγραμμα 1).
Τα αποτελέσματα επιβεβαίωσαν την αστική εξάπλωση της πόλης της Θεσσαλονίκης, μέσω της εξάλειψης των υπαίθριων περιοχών και της μετατροπή τους σε οικιστικές περιοχές. Η διαδικασία που πραγματοποιήθηκε στη παρούσα έρευνα, μπορεί να λειτουργήσει ως εργαλείο για προβλέψεις αστικής ανάπτυξης και για μελέτες καλύψεων γης.
[[Αρχείο:urban_2.jpeg | thumb | right | Διάγραμμα 1: Το διάγραμμα αλλαγών (%) μεταξύ των ετών 2003 και 2006 για κάθε κατηγορία κάλυψης γης. ]]

'''Πηγή: G. Doxani , S. Siachalou, M. Tsakiri- Strati (2008) An Object-Oriented Approach To Urban Land Cover Change Detection'''

Πρωτότυπο άρθρο εδώ: [http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.183.9369&rep=rep1&type=pdf]

[[category:Ανίχνευση μεταβολών αστικής γης]]

Μια αντικειμενοστραφής προσέγγιση για την ανίχνευση αλλαγών στον αστικό χώρο.

2018-02-25T17:27:03Z

Ilia: Νέα σελίδα με '== '''Μια αντικειμενοστραφής προσέγγιση για την ανίχνευση μεταβολών στον αστικό χώρο.''' == Η αστ...'

== '''Μια αντικειμενοστραφής προσέγγιση για την ανίχνευση μεταβολών στον αστικό χώρο.''' ==

Η αστικοποίηση έχει σημαντικό αντίκτυπο στο φυσικό περιβάλλον και ο στρατηγικός και πολεοδομικός σχεδιασμός είναι το κυρίαρχο μέσο για την οργάνωση και προστασία του συνεχώς εναλλασόμενου αστικού περιβάλλοντος. Η χρήση και οι μέθοδοι της τηλεπισκόπησης συμβάλλουν στην υλοποίηση ολοκληρωμένων αστικών μελετών, ενώ οι ερευνήτες ασχολούνται με την αντικειμενοστραφή ανάλυση, και όχι με τις τεχνικές ταξινόμησης βάσει εικονοστοιχείων (pixel), για την παρακολούθηση των καλύψεων γης στον αστικό χώρο. Επιπρόσθετα, η χρήση δορυφορικών εικόνων διαφορετικής χρονολογίας λήψης αποτελούν μέσο για την καταγραφή και πρόβλεψη των αλλαγών στο αστικό περιβάλλον. Οι τεχνικές ανίχνευσης των αλλαγών χωρίζονται σε δύο κατηγορίες, τις μεθόδους προ-ταξινόμησης και μετά τη ταξινόμηση. Η πρώτη παρέχει πληροφορίες για την πιθανή χωρική αλλαγή, δίχως πληροφορίες για την αλλαγή στις καλύψεις γης, σε αντίθεση με τη δεύτερη μέθοδο, κατά την οποία πραγματοποιείται σύγκριση ταξινομημένων εικόνων ώστε να παρέχει λεπτομερείς πληροφορίες για τις αλλαγές των καλύψεων γης για κάθε αντικείμενο ή pixel.

'''Περιοχή μελέτης και δεδομένα'''

Η περιοχή μέλετης είναι το αστικό και περιαστικό περιβάλλον της Θεσσαλονίκης, λόγω της αυξανόμενης επέκτασης των προαστίων της πόλης. Στόχος της μελέτης είναι, μέσω τεχνικών αντικειμενοστραφούς ταξινόμησης, να γίνει καταγραφή των καλύψεων γης και ανίχνευση των αλλαγών τους από το έτος 2003 στο 2006.

Με το λογισμικό πακέτο Erdas Imagine 9.0., πραγματοποιήθηκε η σύγκριση δύο εικόνων, ύστερα από γεωμετρικές διορθώσεις και ταξινόμηση, μιας εικόνας Quickbird από τον Ιούλιο του 2003, και μια εικόνας Ikonos από τον Ιούλιο του 2006.

'''Μεθοδολογία'''
Το σημαντικότερο πλεονέκτημα της αντικειμενοστραφούς επεξεργασίας εικόνων, είναι η ομαδοποίηση γειτονικών pixel, σύμφωνα με τη χωρική και φασματική ομοιογένεια τους. Σημειώνεται, ότι ο στατιστικός θόρυβος στις διάφορες τάξεις καλύψεων γης αυξάνεται λόγω της φασματικής μεταβλητότητας των εικόνων υψηλής ανάλυσης, καθιστώντας απαραίτητη την εύρεση συμπληρωματικών πληροφορίων. Έτσι, χρησιμοποιείται ο κανονικοποιημένος δείκτης βλάστησης διαφοράς (NDVI) για τις περιοχές με βλάστηση. Το επόμενο βήμα της διαδικασίας ήταν η ανάλυση των εικόνων σε κύριες συνιστώσες (Principal Components Analysis- PCA), ώστε να επιτευχθεί η συμπίεση των δεδομένων των εικόνων. Στη παρούσα έρευνα οι πληροφορίες των τριών πρώτων συνιστωσών συνέβαλαν στον προσδιορισμό των τάξεων των χρήσεων γης. Η PC 2 οδήγησε στην ανίχνευση οικιστικών περιοχών και η PC 3 στην ανίχνευση του εδάφους και των στεγών από κεραμίδια. Ακόμη, οι δύο τελευταίες συνιστώσες χρησιμοποιήθηκαν για την δημιουργία του δείκτη σκίασης (Shadow General Indicator= Blue band – PC 1). Αρχικά, ως εικόνα βάσης θεωρείται η εικόνα Quickbird (2003) ενώ ανιχνεύθηκαν και οι περιοχές με και χωρίς βλάστηση σύμφωνα με τέσσερα κανάλια, το δείκτη NDVI και τις PC1, PC2, PC3, δίνοντας τις αρχικές τάξεις των καλύψεων γης. Οι κατηγορίες καλύψεων γης που προέκυψαν ήταν οι εξής: πυκνή βλάστηση, αραιή βλάστηση, οι περιοχές χωρίς βλάστηση κατηγοριοποιήθηκαν ως σκιά, έδαφος και οικιστικές περιοχές, ενώ με τη χρήση της PC3 και το χαρακτηριστικό σχήματος “rectangular fit” προσδιορίστηκαν οι στέγες από κεραμίδι. [[Αρχείο:urban_1.jpeg | thumb | right | Εικόνα 1: Χάρτης μεταβολών καλύψεων γης (μωβ χρώμα) μεταξύ των ετών 2003 και 2006.]]

Ομοίως πραγματοποιήθηκε η ταξινόμηση της εικόνας Ikonos (2006) με τους ίδιους τύπους καλύψεων γης. Για την ανίχνευση των αλλαγών στις καλύψεις γης μεταξύ των δύο εικόνων, τα αντικείμενα των δύο ταξινομημένων εικόνων είχαν τα ίδια χωρικά όρια και οι αλλαγές στα αντικείμενα προσδιορίστηκαν με σημαντική ακρίβεια. Συγκρίνοντας τις νέες εικόνες, τα αντικείμενα που πλέον δεν ανήκουν στην ίδια τάξη-κατηγορία κάλυψης γης χαρακτηρίζονται ως αλλαγές της εκάστοτε κατηγορίας, όπως παρουσιάζονται στην εικόνα 1 με μωβ χρώμα.

'''Συμπεράσματα'''
Έπειτα από την αξιολόγηση των αποτελεσμάτων της ταξινόμησης, με τη χρήση είκοσι τυχαίων δειγμάτων για κάθε κατηγορία κάλυψης γης, τα στατιστικά ακρίβειας θεωρήθηκαν ικανοποιητικά (δεδομένου της έλλειψης στοιχείων κτηματολόγιου).
Οι κατηγορίες γυμνό έδαφος και αραιή βλάστηση παρουσίασαν τις σημαντικότερες αλλαγές. Το 23% της οικιστικής περιοχής, το 2006, προκύπτει από τις δύο παραπάνω κατηγορίες, γεγονός που προδίδει την εξάλειψη των υπαίθριων χώρων στη περιοχή μελέτης (βλ. Διάγραμμα 1).
Τα αποτελέσματα επιβεβαίωσαν την αστική εξάπλωση της πόλης της Θεσσαλονίκης, μέσω της εξάλειψης των υπαίθριων περιοχών και της μετατροπή τους σε οικιστικές περιοχές. Η διαδικασία που πραγματοποιήθηκε στη παρούσα έρευνα, μπορεί να λειτουργήσει ως εργαλείο για προβλέψεις αστικής ανάπτυξης και για μελέτες καλύψεων γης.
[[Αρχείο:urban_2.jpeg | thumb | right | Διάγραμμα 1: Το διάγραμμα αλλαγών (%) μεταξύ των ετών 2003 και 2006 για κάθε κατηγορία κάλυψης γης. ]]

'''Πηγή: G. Doxani , S. Siachalou, M. Tsakiri- Strati (2008) An Object-Oriented Approach To Urban Land Cover Change Detection'''

Πρωτότυπο άρθρο εδώ: [http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.183.9369&rep=rep1&type=pdf]

[[category:Ανίχνευση μεταβολών αστικής γης]]

Αρχείο:Urban 2.jpeg

2018-02-25T17:26:15Z

Ilia: Διάγραμμα 1 Το διάγραμμα αλλαγών (%) μεταξύ των ετών 2003 και 2006 για κάθε κατηγορία κάλυψης γης.

Διάγραμμα 1 Το διάγραμμα αλλαγών (%) μεταξύ των ετών 2003 και 2006 για κάθε κατηγορία κάλυψης γης.

Αρχείο:Urban 1.jpeg

2018-02-25T17:24:43Z

Ilia: Εικόνα 1 Χάρτης αλλαγών (μωβ χρώμα) μεταξύ των ετών 2003 και 2006.

Εικόνα 1 Χάρτης αλλαγών (μωβ χρώμα) μεταξύ των ετών 2003 και 2006.

Χρήστης:Ilia

2018-02-25T17:00:27Z

Ilia: Νέα σελίδα με '== '''Η αξιολόγηση της βιοποικιλότητας με τη βοήθεια της τηλεπισκόπησης στις ορεινές περιοχές: ...'

Αρχείο:Study Area .jpeg

2018-02-25T16:59:38Z

Ilia:

Αρχείο:Study area .jpg

2018-02-25T16:27:04Z

Ilia: Το ανάγλυφο της Περιοχής Μελέτης, οι τομές για τα δείγμα Τ1-Τ4, και η θέση του Εθνικού Πάρκου, στο χάρτη της Γερμανίας. Οι 171 σταθμοί δειγματολ

Το ανάγλυφο της Περιοχής Μελέτης, οι τομές για τα δείγμα Τ1-Τ4, και η θέση του Εθνικού Πάρκου, στο χάρτη της Γερμανίας. Οι 171 σταθμοί δειγματοληψίας παρουσιάζονται με λευκό σημείο. Το ένθετο στην κορυφή απεικονίζει ένα παράδειγμα του μοντέλου ψηφιακής επιφάνειας που δημιουργείται από LiDAR.