RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Remote Sensing Applications in Water Resources

2024-01-30T21:34:31Z

Katerina Stamoulou:

'''Remote Sensing Applications in Water Resources'''/εφαρμογές τηλεπισκόπησης σε υδάτινους πόρους

'''ΣΥΓΓΡΑΦΕΙΣ: D. Nagesh Kumar* and T.V. Reshmidevi'''

[https://www.researchgate.net/publication/245538996_Remote_Sensing_Applications_in_Water_Resources Πηγή:]

'''Περίληψη'''

Η παρούσα μελέτη δίνει μια σύντομη παρουσίαση των πιθανών εφαρμογών της τηλεπισκόπησης για τους υδάτινους πόρους. Η χρήση των δορυφόρων, αρχικά, για την παρατήρηση της γης, έδωσε βήμα και για περαιτέρω ανάλυση των επιφανειακών χαρακτηριστικών με αποτέλεσμα να παρέχει πολύτιμες πληροφορίες και για την υδρολογική ανάλυση. Οι τεχνικές τηλεπισκόπησης έχουν χρησιμοποιηθεί ευρέως για την οριοθέτηση των υδάτινων επιφανειών, την εκτίμηση μετεωρολογικών μεταβλητών όπως η θερμοκρασία και η βροχόπτωση και για την εκτίμηση υδρολογικών καταστάσεων όπως την υγρασία του εδάφους ή την εξατμισοδιαπνοή κ.ά. Σήμερα, είναι εφικτή η παρακολούθηση πολύ κοντά στον πραγματικό χρόνο για καταστάσεις πλημμυρών, ξηρασίας, διαχείριση άρδευσης με την βοήθεια των δορυφορικών δεδομένων σε αρκετά υψηλή ανάλυση.

Όλες οι φωτογραφίες και οι παραπομπές αναφέρονται απο και στην πώτυπη μελέτη.

'''1.Εισαγωγή'''

Μέχρι σήμερα, υπήρχε έλλειψη λεπτομερών πληροφοριών σχετικά με την χωρική μεταβλητότητα των φυσικών και υδρολογικών παραμέτρων της λεκάνης απορροής. Ωστόσο, η ταχύτατη εξέλιξη της τεχνολογίας της τηλεπισκόπησης και η χρήση φασματικών δορυφορικών εικόνων αποτελούν σημαντικό εργαλείο για την καταγραφή της χωρικής διακύμανσης υδρομετεωρολογικών και υδατικών χαρακτηριστικών με αποτέλεσμα την επίτευξη χαρτογράφησης τους.

Οι εφαρμογές της τηλεπισκόπησης στην υδρολογία μπορούν να ταξινομηθούν σε τρεις βασικές κατηγορίες: i) Απλή οριοθέτηση εύκολα αναγνωρίσιμων περιοχών ή επιφανειακών χαρακτηριστικών όπως για παράδειγμα η χιονοκάλυψη, επιφανειακά νερά ή ιζήματα, ii) Λεπτομερέστερη ερμηνεία και ταξινόμηση των δεδομένων όπως γεωλογικά χαρακτηριστικά ή τύποι κάλυψης γης, Iii) Χρήση ψηφιακών υδρολογικών δεδομένων την σε συνδυασμό με επίγειες παρατηρήσεις για την εξαγωγή πιο σύνθετων συμπερασμάτων όπως π.χ η εδαφική υγρασία.

Μελέτες με δεδομένα που λαμβάνονται με απομακρυσμένες τεχνικές ανίχνευσης σε συνδυασμό με τα υδρολογικά και ποιοτικά μοντέλα, επιτυγχάνουν καλύτερη προσομοίωση και καλύτερη κατανόηση των υδάτινων πόρων και της ποιότητας τους. Αυτές οι μελέτες έχουν ένα ευρύ φάσμα εφαρμογής από ανάλυση μορφολογίας ποταμών μέχρι την διαχείριση την σχεδίαση άρδευσης ή την μελέτη υπόγειων υδάτων και την ποιότητα τους.

Η τηλεπισκόπηση είναι μια επιστήμη που παράγει δεδομένα για ένα αντικείμενο, περιοχή ή φαινόμενο χωρίς να καμία φυσική επαφή με αυτά, χρησιμοποιώντας αισθητήρες για την μέτρηση της ηλεκτρομαγνητικής ακτινοβολία('''EMR''')που αντανακλάται ή εκπέμπεται από το αντικείμενο/περιοχή.

Καθώς το φάσμα της ηλεκτρομαγνητικής ακτινοβολίας χωρίζεται σε ζώνες, η δορυφορική τηλεπισκόπηση συνήθως χρησιμοποιεί την ορατή ζώνη (VIS, μήκος κύματος 0,4-0,7 μm), το υπέρυθρο (IR, μήκος κύματος 0,7-100 μm) και οι περιοχές μικροκυμάτων (μήκος κύματος 0,1-100 cm).

Η περιοχή IR ταξινομείται,
σε εγγύς υπέρυθρη ακτινοβολία (NIR, 0,7-1,3 μm),

μεσαία IR (MIR, 1,3-3 μm) και

στις θερμικές ζώνες IR (TIR,3-5 μm και 8-14 μm)

Ανάλογα με το υψόμετρο του αισθητήρα, η '''τηλεπισκόπηση''' διακρίνεται σε '''επίγεια'''(με φορητούς αισθητήρες ή αισθητήρες πάνω σε κινούμενες πλατφόρμες), χαμηλού ή υψηλού υψομέτρου (αισθητήρες σε αεροσκάφη) και σε '''διαστημική''' (αισθητήρες σε πολικές τροχιές ή σε γεωστατικούς δορυφόρους).

Επίσης, υπάρχουν '''δύο τύποι αισθητήρων''':

'''ενεργητικοί''' (ραντάρ) που στέλνουν και λαμβάνουν ηλεκτρομαγνητικά σήματα και οι '''παθητικοί''' που καταγράφουν μόνο την ανακλώμενη ή εκπεμπόμενη ενέργεια.

Οι αισθητήρες διαφοροποιούνται ανάλογα σε ποια φασματική περιοχή λειτουργούν VIS/IR με συστήματα όπως ο πολυφασματικός σαρωτής Landsat (MSS), ο θεματικός χαρτογράφος (TM) και το φασματοραδιόμετρο απεικόνισης μέτριας ανάλυσης (MODIS).Ένας τυπικός υπερφασματικός αισθητήρας συλλέγει δεδομένα ανακλαστικότητας σε πάνω από 200 κανάλια (Hyperion της NASA-EO-1 220φασματικές ζώνες στο εύρος 0.4-2.4μm)

Η συγκεκριμένη εργασία, κατηγοριοποιεί τις εφαρμογές της τηλεπισκόπησης σε τρεις βασικές κατηγορίες που αναφέρθηκαν παραπάνω, προσφέροντας λεπτομέρειες και για τις πηγές των παγκόσμιων προϊόντων τηλεπισκόπησης.

'''2.Χαρτογράφηση υδάτινων πόρων'''

Η χαρτογράφηση των επιφανειακών ορίων των υδάτων ήταν μια από τις πρώτες εφαρμογές της τηλεπισκόπησης στο νερό. Η οπτική τηλεπισκόπηση των υδάτινων πόρων βασίζεται στην διαφορά των φασματικών υπογραφών του εδάφους και του νερού. Στο σχήμα 2 φαίνονται οι φασματικές υπογραφές του νερού, της βλάστησης, και του ξηρού εδάφους σε διαφορετικά μήκη κύματος.
Το νερό απορροφά ένα πολύ μεγάλο μέρος της ενέργειας στο NIR και στο MIR, ενώ η βλάστηση και το έδαφος έχουν υψηλότερη ανακλαστικότητα σε αυτά τα μήκη κύματος. Ως εκ τούτου, το νερό μπορεί να διαφοροποιηθεί πολύ εύκολα από την βλάστηση και το έδαφος, με σκουρότερο τόνο στις ζώνες IR.

Στην εικόνα 3,παρουσιάζεται μια εικόνα ενός τμήματος της λεκάνης του ποταμού Krishna σε διάφορες ζώνες του Landsat ETM+. Στις ζώνες VIS (ζώνες 1, 2 και 3) η διαφοροποίηση του ,νερού και άλλων χαρακτηριστικών δεν είναι πολύ σημαντική. Αντιθέτως, οι ζώνες IR (ζώνες 4 και 5) παρουσιάζουν έντονη αντίθεση μεταξύ τους λόγω των φτωχής ανάκλασης του νερού στην περιοχή IR του φάσματος EMR.

Η ακριβής διαγράμμιση των ορίων των υδάτινων σωμάτων απαιτεί δεδομένα από αισθητήρες με λεπτή χωρική ανάλυση όπως χρησιμοποιήθηκε στη περιοχή του Jodhpur στην Ινδία, όπου χρησιμοποιήθηκαν εικόνες Landsat TM με ανάλυση 30 μέτρων. Οι οπτικές τεχνικές τηλεπισκόπησης δίνουν λεπτομερή χωρική ανάλυση αλλά η δυνατότητα αυτή μπορεί να αξιοποιηθεί πλήρως σε καλές καιρικές συνθήκες μιας και παρουσία σύννεφων, κάτι που συνηθίζεται σε τροπικά κλίματα, εμποδίζει την καθαρότητα της εικόνας. Δίπλα σε αυτόν τον περιορισμό, έρχεται και η πυκνή βλάστηση. Τα ραντάρ (ενεργητικοί αισθητήρες σε μικροκύματα) μπορούν αν προσπελάσουν αυτούς τους περιορισμούς, καθώς τα μικροκύματα μπορούν να διαπεράσουν τα σύννεφα και την βλάστηση και, έτσι με την βοήθεια αυτών έχουν χαρτογραφηθεί επιτυχώς επιφανειακά νερά και πλημμυρισμένες περιοχές ακόμη και κάτω από πυκνά δάση.

Μία ακόμη σημαντική εξέλιξη είναι και η χρήση θερμικών ζωνών. Αυτή η μέθοδος χρησιμοποιήθηκε με επιτυχία στην λίμνη Chad στην κεντρική Αφρική, για την παρακολούθηση πλημμυρισμένων περιοχών χρησιμοποιώντας μετρήσεις θερμοκρασίας φωτεινότητας (TB) χρησιμοποιώντας TIR band (10.5–12.5 μm) με την θερμική ζώνη του Meteosat. Βέβαια, το μειονέκτημα της χαμηλής χωρικής ανάλυσης (5 χιλιόμετρα).

[[Αρχείο:Pic 8.JPG|thumb|center|]]
[[Αρχείο:Pic 9.JPG|thumb|center|]]

'''3.Εκτίμηση των υδρομετεωρολογικών Μεταβλητών'''

Οι υδρολογικές διεργασίες είναι εξαιρετικά ρευστές στη φύση, παρουσιάζοντας μεγάλες χωροχρονικές διακυμάνσεις. Οι συμβατικές μέθοδοι για την εκτίμηση αυτών των πολύπλοκων μεταβλητών στηρίζονται σε επιτόπιες μετρήσεις, για την πραγματοποίηση των οποίων, χρειάζονται πολλά ειδικά όργανα μέτρησης, το σημείο μπορεί να μην είναι προσβάσιμο κ.ά. Όλοι αυτοί είναι παράγοντες περιορισμού των δεδομένων σε λίγα σημεία και σε μια ανεπαρκής χρονική κάλυψη από τις οποίες χρειάζεται να προκύψουν τα χωρικά συνεχή δεδομένα. Εδώ, η εφαρμογή των τεχνικών τηλεπισκόπησης έρχεται να καλύψει αυτές τις δυσκολίες και αποτελεί σημαντικό άλμα για τις υδρολογικές καταγραφές και προσομοιώσεις. Αυτή η ενότητα εξηγεί εν συντομία την εφαρμογή αυτής της επιστήμης για την εκτίμηση της βροχόπτωσης , για το χιόνι και το ισοδύναμο νερού, εδαφική υγρασία και για τις παραμέτρους ποιότητας νερού.

[[Αρχείο:Pic 10.JPG|thumb|center|]]

'''3.4 Ποιότητα νερού'''

Όταν λέμε «ποιότητα του νερού» είναι ένας γενικός όρος ο οποίος όμως, περιλαμβάνει φυσικά, χημικά, θερμικά και βιολογικά χαρακτηριστικά του νερού (θερμοκρασία, περιεκτικότητα σε χλωροφύλλη, θρεπτικά συστατικά, αιωρούμενα στερεά, τριπτάνιο, διαλυμένο οξυγόνο, βακτήρια κλπ) Όλα αυτά τα χαρακτηριστικά του νερού για να μετρηθούν με συμβατικές μεθόδους απαιτεί περίπλοκες και χρονοβόρες διαδικασίες και το αποτέλεσμα που μπορεί να δώσει δεν είναι χρονικά και χωρικά ικανοποιητικά. Με τις εφαρμογές της τηλεπισκόπησης παρέχεται η δυνατότητα καλύτερης χωροχρονικής κάλυψης με αποτέλεσμα να κερδίζει ολοένα και περισσότερο έδαφος η εφαρμογή της.

Στο σχήμα 6 φαίνεται η παρουσία χλωροφύλλης σε ακτή της Καλιφόρνιας με την χρήση SeaWiFS και των αισθητήρων MODIS.

Η τηλεπισκόπηση είναι μια μέθοδος που χρησιμοποιείται για την εκτίμηση των παραμέτρων ποιότητας του νερού με τη μέτρηση των αλλαγών οπτικά, στις ιδιότητες του νερού που προκαλούνται από τους ρύπους. Στις βασικές παραμέτρους περιλαμβάνονται η περιεκτικότητα σε χλωροφύλλη, η θολερότητα, το βάθος secchi, τα ολικά αιωρούμενα στερεά, η έγχρωμη διαλυμένη οργανική ύλη και το τριπτόν.

Ακόμη,οι μέθοδοι θερμικής τηλεπισκόπησης χρησιμοποιούνται επίσης για την εκτίμηση της επιφανειακής θερμοκρασίας του νερού σε λίμνες και εκβολές ποταμών. Το βέλτιστο μήκος κύματος για τη μέτρηση των παραμέτρων ποιότητας του νερού εξαρτάται από την ουσία που μετράται.

Y = A + BX or Y = ABx (3)
όπου Υ είναι η μέτρηση που λαμβάνεται με τη χρήση του απομακρυσμένους αισθητήρες και Χ είναι η παράμετρος ποιότητας του νερού που μας ενδιαφέρει, και Α και Β είναι οι εμπειρικοί παράγοντες.

Για παράδειγμα, οι Harding et al. χρησιμοποίησαν τον ακόλουθο τύπο, είεμπειρική σχέση για την εκτίμηση της χλωροφύλλης στον κόλπο Chesapeake Bay.

log10 [Chlorophyll] = A + B (−log10 G) (4)

G= ( R2)²/R1R3 (5)

όπου Α και Β είναι εμπειρικές σταθερές που προκύπτουν από επιτόπιες μετρήσεις, R1, R2 και R3 είναι οι ακτινοβολίες στα 460 nm, 490 nm και 520 nm, αντίστοιχα.

Αν και είναι απλά και αποτελεσματικά, τα εμπειρικά μοντέλα δεν είναι πάντα εφαρμόσιμα. Τα αναλυτικά μοντέλα μπορούν να συνδέσουν τα ρυθμιστικά φυσικά στοιχεία με την ανάκλαση της υδάτινης επιφάνειας μέσω της εφαρμογής απλουστευμένων εξισώσεων μεταφοράς ακτινοβολίας (RTE). Η βαθμονόμηση των εμπειρικών συντελεστών είναι απαραίτητη για αυτά τα μοντέλα.

[[Αρχείο:Pic 11.JPG|thumb|center|]]

Για παράδειγμα, οι Volpe et al. χρησιμοποίησαν μια RTE για να καθορίσουν τη συγκέντρωση των αιωρούμενων σωματιδίων σε λιμνοθάλασσες/εκβολές ύδατων, συσχετίζοντας την ανακλαστικό ήτα που παρατηρήθηκε με μεθόδους τηλεπισκόπησης με τα φυσικά χαρακτηριστικά.Οι συντελεστές οπισθοσκέδασης και απορρόφησης προσδιορίστηκαν με βαθμονόμηση. Οι RTE αλγόριθμοι είναι περισσότερο κατανοητοί όσον αφορά το αποτέλεσμα τους και έτσι εφαρμόζονται συχνότερα από ότι τα εμπειρικά μοντέλα.

Αρχικά, η τηλεπισκόπηση για την ανάλυση ποιότητας του νερού χρησιμοποιούσε εικόνες από Landsat TM. όμως ήταν πολύ φτωχή η χρονική κάλυψη(1/16μέρες).Σήμερα, οι αναλύσεις έχουν βελτιωθεί σημαντικά μιας και αναπτυχθήκαν νέοι δορυφόροι και αισθητήρες. Έτσι, χρησιμοποιώντας έναν αισθητήρα MODIS (36φασματικές ζώνες) και το MERIS(15ζώνες) έχουμε πολύ καλύτερο αποτέλεσμα ποιότητας του νερού. Ακόμη καλύτερα αποτελέσματα έχουμε από υπερφασματικούς αισθητήρες οι οποίοι βοηθούν σημαντικά στην ανίχνευση ρύπων και οργανικών ουσιών στο νερό, στην αξιολόγηση της συνολικής αιωρούμενης ύλης και περιεκτικότητας χλωροφύλλης στα επιφανειακά ύδατα ή σε βαθυμετρικές έρευνες κ.ά.

'''4. Εφαρμογές της τηλεπισκόπησης στους υδάτινους πόρους'''

Η εκτίμηση μεταβλητών υδρομετεωρολογικής κατάστασης και η οριοθέτηση των επιφανειακών υδάτων με την χρήση της τηλεπισκόπησης χρησιμεύουν για την μοντελοποίηση βροχόπτωσης-απορροής, διαχείριση της άρδευσης , πρόβλεψη πλημμυρών παρακολούθηση της ξηρασίας, συλλογή βρόχινου νερού και σχεδιασμού και διαχείρισης λεκανών απορροής.

'''4.4 Διαχείριση άρδευσης'''

Οι εφαρμογές τηλεπισκόπησης στη διαχείριση της άρδευσης περιλαμβάνει την ταξινόμηση των καλλιεργειών, τη χαρτογράφηση των αρδευόμενων εκτάσεων, την αξιολόγηση της απόδοσης των συστημάτων άρδευσης και τις συμβουλευτικές υπηρεσίες άρδευσης.

Οι δορυφορικές εικόνες τηλεπισκόπησης χρησιμοποιούνται συνήθως για την ταξινόμηση των καλλιεργειών, με πολλαπλές εικόνες που αντιστοιχούν σε διάφορες καλλιεργητικές περιόδους. Οι φασματικές τιμές ανάκλασης που παρατηρούνται σε αυτές τις εικόνες σχετίζονται με συγκεκριμένες καλλιέργειες χρησιμοποιώντας δεδομένα επίγειας αλήθειας. Ο προσδιορισμός αρδευόμενων περιοχών από δορυφορικές εικόνες βασίζεται στην αξιολόγηση της υγείας των καλλιεργειών και της κατάστασης της εδαφικής υγρασίας.

Τα δορυφορικά δεδομένα τηλεπισκόπησης, χρησιμοποιούνται για την καταγραφή των χωρικών και χρονικών διακυμάνσεων της ET των καλλιεργειών και της εδαφικής υγρασίας, τα οποία στη συνέχεια συνδυάζονται με μοντέλα για την προσομοίωση της παραγωγής των καλλιεργειών και την εκτίμηση της αποτελεσματικότητας της άρδευσης. Η απόδοση των συστημάτων άρδευσης αξιολογείται με τη χρήση δεικτών όπως η σχετική παροχή νερού και η παροχή άρδευσης. (Δείκτης βλάστησης προσαρμοσμένος στο έδαφος (SAVI), NDVI ,Μετασχηματισμένος δείκτης βλάστησης (TVI), Κανονικοποιημένος Δείκτης Υγρασίας Διαφοράς (NDWI), Δείκτης Πράσινης Βλάστησης (GVI)). Αρκετές μελέτες που έχουν διεξαχθεί στο παρελθόν δείχνουν τις δυνατότητες του δεδομένα τηλεπισκόπησης από Landsat TM, MODIS,IRS-LISS και των αισθητήρων WiFS στην αξιολόγηση της απόδοσης των συστημάτων άρδευσης.

Οι συμβουλευτικές υπηρεσίες άρδευσης (IAS) βοηθούν τους αγρότες να βελτιώσουν την αποτελεσματικότητα της άρδευσης και να βελτιστοποιήσουν τη γεωργική παραγωγή από τη χρήση του αρδευτικού νερού. Οι συμβατικές μέθοδοι IAS που χρησιμοποιούν επιτόπιες μετρήσεις από τον αγρό ήταν λιγότερο ικανές να παρέχουν πληροφορίες με χωρική και χρονική ανάλυση.

'''4.5 Συγκομιδή βρόχινου νερού'''

Οι τεχνικές συλλογής του βρόχινου νερού εξαρτώνται από την τοποθεσία και απαιτούν ενδελεχή επιτόπια έρευνα. Για να είναι αποτελεσματική η εφαρμογή τους, είναι απαραίτητος ο προσδιορισμός των δυνατοτήτων συλλογής βρόχινου νερού και των κατάλληλων θέσεων για τα κτίρια.

Οι δυνατότητες συλλογής νερού μπορούν να αναλυθούν και οι κατάλληλες τοποθεσίες να προσδιοριστούν με τη χρήση τεχνικών τηλεπισκόπησης όπως οι αισθητήρες IRS 1D LISS-3 και IRS LISS-2. Προκειμένου να βρεθούν κατάλληλες θέσεις για τη συλλογή νερού στις λεκάνες απορροής Bakhar και Devak-Rui της Ινδίας, οι Jasrotia και Kumar, διεξήγαγαν μελέτες χρησιμοποιώντας δορυφορικές εικόνες για την εξαγωγή χαρτών χρήσης γης, κάλυψης γης, γεωλογίας και πληροφοριών αποστράγγισης. Οι μελέτες αυτές δείχνουν τα οφέλη από τη χρήση δεδομένων τηλεπισκόπησης για τον καθορισμό κατάλληλων θέσεων για κατασκευές συλλογής νερού και για την εκτίμηση της ικανότητας συλλογής απορροής.

'''5.Συμπερασματικά σχόλια'''

Η τεχνική της υπερφασματικής τηλεπισκόπησης προσφέρει λεπτή φασματική και χωρική ανάλυση, ενώ οι ενεργητικοί αισθητήρες μικροκυμάτων έχουν δυνατότητες για την ανάλυση πλημμυρών και τις υπηρεσίες προειδοποίησης για πλημμύρες. Τα δεδομένα τηλεπισκόπησης προσφέρουν καλύτερη χωρική και χρονική κάλυψη, επιτρέποντας την καλύτερη αναπαράσταση των μεταβλητών της υδρολογικής και μετεωρολογικής κατάστασης.

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

REMOTE SENSING OF WATER COLOR TO ASSESS WATER QUALITY IN A CHANGING CLIMATE

2024-01-30T21:23:29Z

Katerina Stamoulou:

'''REMOTE SENSING OF WATER COLOR TO ASSESS WATER QUALITY IN A CHANGING CLIMATE '''/ ΤΗΛΕΠΙΣΚΌΠΗΣΗ ΓΙΑ ΤΗΝ ΑΞΙΟΛΌΓΗΣΗ ΤΗΣ ΠΟΙΌΤΗΤΑΣ ΤΟΥ ΝΕΡΟΎ, ΜΕΣΑ ΑΠΟ ΤΟ ΧΡΩΜΑ ΤΟΥ ΝΕΡΟΥ,ΣΕ ΈΝΑ ΜΕΤΑΒΑΛΛΌΜΕΝΟ ΚΛΊΜΑ

'''Συγγραφέας:'''CAMERON MURRAY

[https://digitalcommons.uri.edu/theses/2142/ Πηγή ]

'''Περίληψη:''' Αυτή η μελέτη, χρησιμοποιώντας την τεχνολογία των γεωγραφικών συστημάτων πληροφοριών και της τηλεπισκόπησης, προκειμένου να αξιολογήσει την ποιότητα του νερού μέσα από φασματικές εικόνες οι οποίες αποδίδουν κάποια χαρακτηρίστηκα του όπως η ανάπτυξη των φυκιών, η όξινη αποστράγγιση ορυχείων και τα αιωρούμενα ιζήματα. Μέσα από έναν μεγάλο όγκο πληροφοριών που έχουν συλλεχθεί τα προηγούμενα έτη από δορυφόρους, καθιστούν δυνατή την παρακολούθηση αλλαγών στην ποιότητα των υδάτων.

'''Κεφάλαιο 1: Εισαγωγή'''

Το νερό είναι το βασικότερο αγαθό χωρίς το οποίο κανένα πλάσμα δεν μπορεί να ζήσει. Η πρόσβαση στο γλυκό νερό δεν είναι για όλους η ίδια καθώς λιγότερο από το 1% αυτού είναι προσβάσιμο από τον άνθρωπο και μέχρι το 2050 η ζήτηση αναμένεται να αυξηθεί σημαντικά. Η αλλαγή στην ποιότητα του νερού μόνο επιζήμιες επιπτώσεις μπορεί να έχει σε όλους τους τομείς. Αν συμπεριληφθεί και η κλιματική αλλαγή η οποία φέρνει μαζί της αυξημένες θερμοκρασίες και έντονες καταιγίδες, τότε τα προγράμματα για την παρακολούθηση των υδατικών πόρων είναι αναγκαία.

Οι τεχνικές τηλεπισκόπησης, μέσα απο την δυνατότητα για συχνές επανεπισκέψεις, ανάλυση χρονοσειρών και ιστορικά δεδομένα για αναδρομική ανάλυση, αποτελεί ένα πολύτιμο εργαλείο, το οποίο μπορεί να βοηθήσει αποτελεσματικά σε αυτήν την παρακολούθηση περιοχών με προβλήματα ποιότητας νερού.

Ωστόσο, υπάρχει ακόμη χώρος βελτίωσης και αποτελεί μεγάλη πρόκληση η χρήση της τηλεπισκόπησης σε πολύπλοκα υδάτινα συστήματα για την αναγνώριση των οποίων χρειάζεται η κατάλληλη επιλογή αισθητήρων και αλγορίθμων ταξινόμησης και αξιολόγησης. Διαφορετικοί αισθητήρες συλλαμβάνουν ακτινοβολία σε διάφορα μήκη κύματος, μετρώντας διαφορετικούς δείκτες ποιότητας νερού.

Επίσης, μέσα από την αλλαγή των χρωμάτων από τις φασματικές εικόνες η τηλεπισκόπηση μπορεί να τεκμηριώσει αυτές τις αλλαγές και να βοηθήσει στον εντοπισμό της μιας μολυσμένης περιοχής. Αναφέρονται γενικότερα τα οφέλη χρήσης της τηλεπισκόπησης όπως η πρόληψη επιβλαβούς ανάπτυξης φυκών καθώς και η εξοικονόμηση χρόνου και χρήματος, μέσα από την παρακολούθηση της όξινης αποστράγγισης και αιωρούμενων ιζημάτων στο νερό, από ορυχεία.

'''Κεφάλαιο 2: Τεχνολογία δορυφόρων'''

Η τηλεπισκόπηση περιλαμβάνει δύο κατηγορίες:

i)τους εναέριους αισθητήρες, οι οποίοι είναι τοποθετημένοι σε πλατφόρμες εντός της γήινης ατμόσφαιρας, και τους διαστημικούς αισθητήρες, οι οποίοι μεταφέρονται σε δορυφόρους που βρίσκονται σε τροχιά γύρω από τη Γη. Οι αερομεταφερόμενοι αισθητήρες προσφέρουν μια ευέλικτη προσέγγιση στην τηλεπισκόπηση, με υψηλότερη φασματική και χωρική ανάλυση, και μπορούν να διαμορφωθούν ανάλογα με την τοποθεσία της έρευνας. Είναι χρήσιμοι για την έρευνα της ποιότητας των υδάτων, αλλά είναι πολύπλοκοι και δαπανηροί σε σύγκριση με τις διαστημικές έρευνες.

ii)Οι διαστημικοί αισθητήρες είναι χρήσιμοι για πολύχρονες μελέτες και παρακολούθηση των τάσεων στην ποιότητα των υδάτων, αλλά έχουν πιο μικρή φασματική ανάλυση, περιορισμένη νεφοκάλυψη και δυσκολία στην ανάλυση των εικόνων, γεγονός που μπορεί να οδηγήσει σε υπερεκτίμηση ή υποεκτίμηση των παραμέτρων της ποιότητας των υδάτων.

Η παρούσα μελέτη επικεντρώνεται στη δορυφορική τηλεπισκόπηση, με τρεις αισθητήρες να χρησιμοποιούνται συχνότερα: Landsat 8, Sentinel-2 MultiSpectral Instrument (MSI) και Terra & Aqua MODIS. Ο Landsat-8, που εκτοξεύθηκε το 2013, παρέχει εποχιακή κάλυψη του πλανήτη στο ορατό, εγγύς υπέρυθρο, υπέρυθρο μικρού μήκους κύματος και θερμικό υπέρυθρο φάσμα.

[ [ Εικόνα: Pic_4.jpg | thumb | center | Table 1: Landsat 8 Bands, πηγή:https://digitalcommons.uri.edu/theses/2142/ ] ]

Οι Landsat 9 και Sentinel-2 είναι δύο δορυφόροι που εκτοξεύονται για να συλλέγουν εικόνες της Γης κάθε 8 ημέρες. Ο Landsat 9 σε συνδυασμό με τον Landsat 8 μπορεί να βοηθήσει τους επιστήμονες να λάβουν επιστημονικά τεκμηριωμένες αποφάσεις για βασικά ζητήματα όπως η χρήση του νερού, οι επιπτώσεις των πυρκαγιών, η υποβάθμιση των κοραλλιογενών υφάλων, η υποχώρηση των παγετώνων και η αποψίλωση των τροπικών δασών.

Ο Sentinel-2, που εκτοξεύτηκε το 2015, διαθέτει οπτικοηλεκτρονικό πολυφασματικό αισθητήρα για την αποτύπωση σε ορατές, κοντινές υπέρυθρες και υπέρυθρες φασματικές ζώνες μικρού μήκους κύματος. Η αποστολή επιτρέπει χρόνο επανέλεγχου 5 ημερών στον ισημερινό και 2-3 ημερών στα μεσαία γεωγραφικά πλάτη. Οι δορυφόροι Terra και Aqua χρησιμοποιούν το φασματικής απεικόνισης μέτριας ανάλυσης ('''MODIS''') για να βλέπουν την επιφάνεια της Γης κάθε 1-2 ημέρες, λαμβάνοντας δεδομένα σε 36 φασματικές ζώνες. Παρόλο που το '''MODIS''' δεν είναι τόσο ακριβές όσο τα σύνολα δεδομένων Landsat και Sentinel, η ευρεία διαθεσιμότητά του και τα χαμηλά ποσοστά επανεπισκέψεων το καθιστούν πολύτιμο για πολλές μελέτες.

[[Αρχείο:Pic 5.JPG|thumb|center|]]
[[Αρχείο:Pic 6.JPG|thumb|center|]]

Οι τεχνικές τηλεπισκόπησης χρησιμοποιούνται όλο και περισσότερο για τη μέτρηση της ποιότητας του νερού. Το '''Aquasat''', ένα πρόγραμμα που αναπτύχθηκε το 2019, χρησιμοποιεί εικόνες Landsat και in situ δείγματα από την πύλη ποιότητας νερού των Ηνωμένων Πολιτειών για να κάνει ακριβείς προβλέψεις της παγκόσμιας ποιότητας του νερού. Οι 600.000 αντιστοιχίσεις επιτρέπουν πιο αξιόπιστες προβλέψεις με βάση μόνο τις εικόνες Landsat.

Το '''AquaSat''' επικεντρώνεται στη χλωροφύλλη, τα ιζήματα, τον διαλυμένο άνθρακα και το βάθος του δίσκου '''Secchi'''. Η ομάδα σχεδιασμού, πρόκειται να ενσωματώσει περισσότερα σύνολα δορυφορικών δεδομένων, όπως το '''MODIS''', για να δημιουργήσει ένα πιο ισχυρό εργαλείο για την αξιολόγηση της ποιότητας των υδάτων. Αυτό το εργαλείο θα μπορούσε να είναι απαραίτητο για όλες τις μελέτες αξιολόγησης της ποιότητας του νερού.

'''Κεφάλαιο 3: Επιβλαβής ανάπτυξη φυκών'''

Η επιβλαβής ανάπτυξη των φυκών ('''HABs''') είναι ένα σημαντικό περιβαλλοντικό ζήτημα στα εσωτερικά υδάτινα σώματα, το οποίο προκαλείται από φωτοσυνθετικούς οργανισμούς που απαιτούν ηλιακό φως και θρεπτικά συστατικά. Αυτές οι μεγενθύσεις, συμβαίνουν την άνοιξη, όταν οι μεγαλύτερες ημέρες παρέχουν ισχυρότερο ηλιακό φως, οδηγώντας σε ευτροφισμό, διαταράσσοντας τον φυσικό κύκλο των βασικών θρεπτικών συστατικών. Καθώς οι οργανισμοί αναπτύσσονται, σχηματίζεται ένα παχύ στρώμα άλγης, που εμποδίζει το ηλιακό φως και αναστέλλει την ανάπτυξη των φωτοσυνθετικών οργανισμών. Η διαδικασία αποσύνθεσης καταναλώνει οξυγόνο, με αποτέλεσμα να δημιουργούνται "νεκρές ζώνες" όπου η υδρόβια ζωή δεν μπορεί να επιβιώσει. Τα κυανοβακτήρια, ο πιο κοινός τύπος HAB, περιέχουν τοξίνες, οι οποίες μπορούν να προκαλέσουν μόλυνση του πόσιμου νερού και των υδατοκαλλιεργειών.

Οι HABs έχουν επίσης οικονομικές και περιβαλλοντικές επιπτώσεις, κοστίζοντας στο έθνος σχεδόν 4,8 δισεκατομμύρια δολάρια ετησίως. Η παγκόσμια αύξηση του μεγέθους και της συχνότητας των HABs (Hydrogenous Algae Blooms) καθιστά αναγκαία την έγκαιρη ανίχνευση και την ολοκληρωμένη παρακολούθηση για την αποτελεσματική διαχείριση και τον μετριασμό των επιπτώσεων. Η κατανόηση της χωρικής και χρονικής κατανομής των HABs είναι ζωτικής σημασίας για αποτελεσματικές τεχνικές μετριασμού. Οι χρωστικές της χλωροφύλλης, οι οποίες αντανακλούν κυρίως το πράσινο, μπορούν να χρησιμοποιηθούν ως οπτικές υπογραφές των ανθίσεων των φυκών.

Οι δορυφορικές μετρήσεις μπορούν να ανιχνεύσουν τα πράσινα μήκη κύματος, παρέχοντας έναν αποτελεσματικό τρόπο παρακολούθησης των HABs. Η τηλεπισκόπηση, η οποία καταγράφηκε για πρώτη φορά στη δεκαετία του 1970, έχει χρησιμοποιηθεί για τον εντοπισμό σωματιδιακών ρύπων, γεγονότων λευκής θάλασσας και χλωροφύλλης.

Ωστόσο, οι περιορισμοί της τηλεπισκόπησης, όπως η νεφοκάλυψη και η αραιή συχνότητα των εικόνων, μπορούν να εξισορροπήσουν με την ενσωμάτωση της υδροδυναμικής και της οικολογικής παρακολούθησης. Μελέτες που χρησιμοποιούν δεδομένα Landsat έχουν δείξει ελπιδοφόρα αποτελέσματα, με αλγορίθμους που βασίζονται στο χρώμα να δείχνουν αξιοπιστία.

Οι Klemas et al. (2012) χρησιμοποίησαν ένα οριακό σημείο για τον εντοπισμό κυανοβακτηρίων στο νερό, αλλά η μέθοδος αυτή αμφισβητείται λόγω των ασαφών ορίων. Άλλοι ερευνητές έχουν χρησιμοποιήσει αισθητήρες όπως τα σύνολα δεδομένων MODIS, Meris και Sentinel, με τους Binding et al. (2018) να χρησιμοποιούν τον δείκτη μέγιστης χλωροφύλλης ('''MCI''') του MERIS για την ποσοτικοποίηση της μέγιστης ακτινοβολίας κοντά στα 700 nm.
Ωστόσο, η ανάμιξη που προκαλείται από τον άνεμο μπορεί να παραμορφώσει τα δορυφορικά δεδομένα, επηρεάζοντας τις μετρήσεις των HABs.

[[Αρχείο:Pic 7.JPG|thumb|center|]]

Πρόσφατες μελέτες έχουν αρχίσει να δοκιμάζουν προσεγγίσεις πολλαπλών αισθητήρων για την ανίχνευση των HABs, με τους Coffer et al. (2020), Ma et al. (2021) και Page et al. (2018) να παρουσιάζουν ελπιδοφόρα αποτελέσματα. Οι Coffer κ.ά. χρησιμοποίησαν το MERIS και το Sentinel-3A με έναν αλγόριθμο φασματικού σχήματος, ενώ οι Ma κ.ά. (2021) '''συνδύασαν το Terra/Aqua Modis, το Landsat 8 OLI και το Sentinel-2A/B MSI''', με αποτέλεσμα την αποδοτικότερη και ακριβέστερη επεξεργασία δεδομένων.

Η βιβλιογραφία υποδεικνύει ότι οι '''καλύτεροι αισθητήρες''' για την ανίχνευση της άνθισης των φυκών είναι εκείνοι με περισσότερα κανάλια των οποίων τα μήκη κυμαίνονται μεταξύ 550 και 700 nm για την μέγιστη ανάκλαση. Η ατμοσφαιρική διόρθωση είναι ζωτικής σημασίας για ακριβείς μετρήσεις και ο δείκτης επιπλέουσας άλγης ('''FLI''') για το MODIS είναι ανεξάρτητος από τον αισθητήρα.

Μια προσέγγιση πολλαπλών αισθητήρων μπορεί να παρέχει υψηλότερη συχνότητα παρατήρησης και λεπτομερέστερες χωρικές πληροφορίες, αλλά απαιτείται περισσότερη έρευνα για την εξεύρεση κατάλληλων αλγορίθμων. Οι δοκιμές επί τόπου είναι ζωτικής σημασίας για την επικύρωση των αποτελεσμάτων και την πρόοδο των τεχνικών τηλεπισκόπησης.

'''Κεφάλαιο 4: Όξινες αποστραγγίσεις ορυχείων'''

Η όξινη αποστράγγιση ορυχείων ('''AMD''') είναι ένας σημαντικός περιβαλλοντικός κίνδυνος, δεύτερος μετά την υπερθέρμανση του πλανήτη και την καταστροφή του όζοντος. Οι εξορυκτικές δραστηριότητες προκαλούν ζημιές στην επιφάνεια της γης και στο υπέδαφος, επηρεάζοντας περίπου 19.300 χιλιόμετρα ρεμάτων, ποταμών και λιμνών παγκοσμίως. Στις ΗΠΑ, χιλιάδες εγκαταλελειμμένα ανθρακωρυχεία έχουν μολύνει ποτάμια και ρέματα για δεκαετίες. Το όξινο νερό από τις εξορυκτικές δραστηριότητες αντιδρά με τις θειικές ενώσεις, προκαλώντας τη διάλυση βαρέων μετάλλων και προκαλώντας υψηλά επίπεδα ολικών διαλυμένων στερεών και μόλυνσης από μέταλλα.

«Η χημική εξίσωση για αυτές τις αντιδράσεις φαίνεται παρακάτω:

4FeS2 + 15O2 + 14H2O → 4Fe(OH)3 + 4SO4-2 + 16H+

Τα αντιδρώντα αυτής της εξίσωσης αντιπροσωπεύονται από τον πυρίτη, από την εξορυκτική δραστηριότητα (FeS2) που έρχεται σε επαφή με το οξυγόνο του αέρα (O2) και το νερό (H2O). Η αντίδραση μεταξύ αυτών των τριών στοιχείων παράγει υδροξείδιο του σιδήρου Fe(OH)3, θειικό άλας (SO4-2) και υδρογόνο (H+). Το υδροξείδιο του σιδήρου είναι το ίζημα που συμβάλλει στο έντονο πορτοκαλί χρώμα του AMD.»

Αυτό το τοξικό νερό καθιστά το νερό και, τα ιζήματα των ρεμάτων, ακατάλληλα για πόση και αναψυχή, επηρεάζοντας αρνητικά τον εξοπλισμό εξόρυξης και τα υδάτινα οικοσυστήματα.

Η επεξεργασία της AMD είναι πολύπλοκη, δαπανηρή και δύσκολη, καθώς οι συνθήκες της περιοχής, η σύνθεση του όξινου νερού των ορυχείων και οι μέθοδοι επεξεργασίας ποικίλλουν. Το 2021, η Γερουσία ενέκρινε νομοσχέδιο υποδομών ύψους 11,3 δισεκατομμυρίων δολαρίων για τον καθαρισμό των εγκαταλελειμμένων ανθρακωρυχείων, με προτεραιότητα σε αυτά που ενέχουν κινδύνους για την ασφάλεια και το πόσιμο νερό. Υπολογίζοντας 10,6 δισεκατομμύρια δολάρια σε κόστος κατασκευής, υπάρχει ανάγκη για αποτελεσματική ανίχνευση των υδάτινων σωμάτων προτεραιότητας.

Οι τεχνικές τηλεπισκόπησης μπορούν να συμβάλουν στη βελτίωση της περιβαλλοντικής παρακολούθησης των περιοχών εξόρυξης, και η φασματική επισκόπιση εικόνας μπορεί να αποτελέσει έναν αποτελεσματικό τρόπο εκτίμησης της μόλυνσης που σχετίζεται με την AMD.

'''Προηγούμενες μελέτες:'''

Οι Davies και Calvin (2017) διεξήγαγαν προσομοιώσεις της AMD σε εργαστηριακή κλίμακα για να μελετήσουν τη μοναδική φασματική απόκρισή της σε υδάτινα σώματα ορυχείων. Χρησιμοποίησαν μήκη κύματος ορατού έως μικρού μήκους κύματος υπέρυθρου για να αναλύσουν την ποιότητα του νερού σε λίμνες ορυχείων.

Τα αποτελέσματα έδειξαν ότι οι φασματικές υπογραφές Fe+3 ήταν κυρίαρχες και θα μπορούσαν να χρησιμοποιηθούν για διαγνωστική ταυτοποίηση. Τα μήκη κύματος μεταξύ 350 και 625 nm ήταν ιδιαίτερα χρήσιμα για τον ποσοτικό προσδιορισμό των συγκεντρώσεων Fe+3.

Η μελέτη διαπίστωσε ότι τα AMD και τα τεχνογενή ιζήματα που σχηματίστηκαν κατά την όξυνση είχαν υψηλότερη φασματική ανάκλαση στις περιοχές μηκών κύματος 650-750 nm από τα ουδέτερα νερά. Οι δορυφορικές απεικονίσεις, όπως οι Landsat και Sentinel, παρείχαν υψηλή χρονική ανάλυση και 10 φασματικές ζώνες στην ορατή κοντινή υπέρυθρη περιοχή, γεγονός που τις καθιστά πολύτιμες για τον εντοπισμό της ρύπανσης των υδάτων που σχετίζεται με την AMD.

Οι Blahwar κ.ά. (2012) διαπίστωσαν ότι η καλύτερη εικόνα για την ανάδειξη των ιζημάτων σιδήρου σε ξηρές κοίτες ρευμάτων ήταν ο συνδυασμός των αναλογιών της κόκκινης, πράσινης και μπλε ζώνης.

Η Kopackova (2019) εισήγαγε έναν νέο δείκτη για τα δεδομένα του Sentinel-2, τον Ds-2(AMD), ο οποίος επιτρέπει τη χαρτογράφηση των AMD και τη διαφοροποίηση μεταξύ δευτερογενών ορυκτών όπως ο ιαροσίτης και άλλα οξυϋδροξείδια.

Οι Seifi et al (2019) χρησιμοποίησαν δεδομένα Sentinel-2A και δεδομένα πεδίου για τον εντοπισμό και τη χαρτογράφηση σιδηρούχων ορυκτών για τον προσδιορισμό της παραγωγής AMD.

Η μέθοδος της φασματικής παραμέτρου γωνίας εφαρμόστηκε σε εικόνες Sentinel-2α για τον εντοπισμό ορυκτών AMD και την ταξινόμηση της περιοχής μελέτης. Η συνολική ακρίβεια της χαρτογράφησης με τη χρήση της μεθόδου φασματικής γωνιακής παραμέτρου ήταν 75%. Ωστόσο, οι περιορισμοί της χρήσης δορυφορικών συνόλων δεδομένων, όπως η χωρική ανάλυση και η νέφωση, μπορούν να περιορίσουν την αξιοπιστία των δορυφορικών δεδομένων.

Η υπερφασματική απεικόνιση έχει επεκτείνει τις δυνατότητες τηλεπισκόπησης για την AMD, παρέχοντας υψηλότερη χωρική και φασματική ανάλυση. Αισθητήρες όπως το ''HyMap'' μπορούν να ανιχνεύσουν ορυκτά AMD στο νερό, χρησιμεύοντας ως υποκατάστατα για χαμηλό pH, όξινα νερά ορυχείων και υποπροϊόντα αποβλήτων ορυχείων. Τα δεδομένα RGB με drone μπορούν να εντοπίσουν δευτερογενή ορυκτά AMD όπως ο ιαροσίτης και ο γκετίτης, και η τοπογράφηση με drone είναι μια γρήγορη, μη επεμβατική και φθηνή τεχνική για την χρόνια περιβαλλοντική παρακολούθηση.

Οι βιβλιοθήκες αναφοράς μπορούν να χρησιμοποιηθούν για τη διάγνωση φασμάτων και την αξιολόγηση μιγμάτων ορυκτών. Ωστόσο, τα αερομεταφερόμενα υπερφασματικά δεδομένα έχουν περιορισμούς, καθώς μπορούν να χρησιμοποιηθούν μόνο σε τοπικές περιοχές, σε αντίθεση με τις δορυφορικές παρατηρήσεις της γης που μπορούν να παρακολουθούν μεγάλες γεωγραφικές περιοχές.

'''Πρόταση:'''
Η έρευνα σχετικά με τα δεδομένα τηλεπισκόπησης για την παρακολούθηση των επιπτώσεων της ρύπανσης των υδάτων που σχετίζονται με τα ορυχεία είναι περιορισμένη, ενώ οι μέθοδοι ποικίλλουν μεταξύ δορυφόρων και UAS. Υπάρχει ανάγκη για περισσότερη έρευνα σχετικά με αποτελεσματικές τεχνικές τηλεπισκόπησης για την κατανόηση της παραγωγής ανθρακωρυχείων, τη συλλογή δειγμάτων εδάφους και νερού και την ενσωμάτωση υπερφασματικών εικόνων με δεδομένα πεδίου. Η τακτική παρακολούθηση της όξινης αποστράγγισης ορυχείων και της ποιότητας των υδάτων είναι απαραίτητη για τον εντοπισμό των αναδυόμενων προβλημάτων και την αποκατάσταση των χώρων των ορυχείων. Οι συστάσεις περιλαμβάνουν την αποφυγή επιρροών όπως το φυτικό υλικό ή η ατμόσφαιρα, τη χρήση κορυφών ανάκλασης μεταξύ 570 και 700 nm και την εξέταση των μολυσματικών μετάλλων της ξηρής περιόδου για πιο ακριβή υδατογραφήματα.

'''Κεφάλαιο 5: Αιωρούμενα Ιζήματα'''

Η διαφάνεια των υδάτων είναι ζωτικής σημασίας για την αξιολόγηση της ποιότητας των υδάτων και της υγείας των οικοσυστημάτων, καθώς δείχνει τη διαπερατότητα του φωτός. Τα αιωρούμενα ιζήματα,κυρίαρχο συστατικό στα εσωτερικά και παράκτια ύδατα, επηρεάζουν σημαντικά τη διαύγεια του νερού.

Καθώς οι αστικοί πληθυσμοί αυξάνονται, η παρακολούθηση των υδάτινων οικοσυστημάτων, όπως οι λίμνες, οι λιμνοθάλασσες και οι εκβολές ποταμών, καθίσταται απαραίτητη. Οι ανθρωπογενείς πιέσεις, όπως η ρύπανση, η συσσώρευση ιζημάτων, διαταράσσουν την οικολογική ισορροπία. Τα αιωρούμενα ιζήματα μειώνουν την αποθηκευτική ικανότητα, τον έλεγχο των πλημμυρών και τη διείσδυση του φωτός, επηρεάζοντας τις υδάτινες κοινότητες.

Η τακτική παρακολούθηση των διακυμάνσεων των αιωρούμενων στερεών είναι απαραίτητη για την κατανόηση των επιπτώσεών τους στα υδάτινα οικοσυστήματα και τον μετριασμό του προβλήματος. Οι '''δίσκοι Secchi''' είναι μέθοδος μέτρησης της διαφάνειας των υδάτων που απαιτούν πολύ εργασία και είναι χαμηλής απόδοσης, αλλά η τηλεπισκόπηση μπορεί να χρησιμοποιηθεί για την παρακολούθηση των διακυμάνσεων των αιωρούμενων ιζημάτων. Η τεχνική αυτή μπορεί να εντοπίσει αποτελεσματικότερα περιοχές μεγάλης κλίμακας και υδάτινα σώματα με ποιοτικά προβλήματα. Η δορυφορική τηλεπισκόπηση μπορεί να παρέχει συνοπτικές παρατηρήσεις από τις ορατές έως τις κοντινές υπέρυθρες φασματικές περιοχές, επιτρέποντας τον προσδιορισμό των συγκεντρώσεων των αιωρούμενων ιζημάτων. Οι πληροφορίες αυτές είναι ζωτικής σημασίας για την κατανόηση της δυναμικής της ποιότητας των υδάτων και τη διαχείριση των υδάτινων οικοσυστημάτων.

'''Προηγούμενες μελέτες:'''

Οι οπτικά ενεργές παράμετροι του νερού αξιολογούνται με τη χρήση της συμπεριφοράς του φωτός στα νερά. Η μοριακή σκέδαση του καθαρού νερού ακολουθεί μια παραβολική τάση, με την απορρόφηση να είναι υψηλότερη στο φάσμα από το ερυθρό έως το υπέρυθρο. Το σχήμα και το μέγεθος του νερού επηρεάζονται από το μέγεθος, το σχήμα και τη σύνθεση των σωματιδίων. Η διαφάνεια του δίσκου Secchi συσχετίζεται στενά με τη δορυφορική φασματική-ακτινομετρική παρατήρηση σε λίμνες.

Τα φάσματα κόκκινου έως εγγύς υπέρυθρου είναι καταλληλότερα για την παρακολούθηση των συγκεντρώσεων αιωρούμενων ιζημάτων, καθώς παρέχουν λεπτομερείς πληροφορίες σχετικά με την οριζόντια κατανομή. Πηγές δορυφορικών δεδομένων όπως ο Landsat χρησιμοποιούνται συνήθως για την ανάκτηση της συνολικής συγκέντρωσης αιωρούμενων ιζημάτων.

Για πιο αξιόπιστα αποτελέσματα απαιτούνται πιο εξειδικευμένα μοντέλα. Αναπτύχθηκε ένας νέος αλγόριθμος για την εξ αποστάσεως εκτίμηση των συγκεντρώσεων αιωρούμενων στερεών με βάση δείγματα από λίμνες και ταμιευτήρες σε όλη τη λιμναία ζώνη της Ανατολικής Πεδιάδας στην Κίνα.

Οι '''Jally''' et al. ανέπτυξαν έναν αλγόριθμο για την ανάκτηση δεδομένων συγκέντρωσης αιωρούμενων ιζημάτων με χρήση του Landsat 8 OLI και επιτόπιων μετρήσεων. Το μοντέλο έδειξε ένα παρόμοιο πρότυπο μεταξύ της εκτιμώμενης μέσω δορυφόρου και της παρατηρούμενης in situ SSC, και το Landsat 8 OLI αποτύπωσε την εποχιακή μεταβλητότητα σε όλους τους τομείς της λίμνης. Το μοντέλο γραμμικής παλινδρόμησης πολλαπλών ζωνών με ένα νέο συντελεστή για κάθε τοποθεσία βρέθηκε να είναι το καταλληλότερο για την εκτίμηση της SSC.

Οι Liu κ.ά. (2017) ανέπτυξαν μοντέλα για τη συγκέντρωση αιωρούμενων στερεών χρησιμοποιώντας το Sentinel-2 MSI, διαπιστώνοντας ότι τα μοντέλα που βασίζονται στο B7 στα 783 nm ήταν τα πιο ακριβή.

Οι Cui et al. (2022) χρησιμοποίησαν μια προσέγγιση πολλαπλών αισθητήρων, χρησιμοποιώντας δεδομένα τόσο από το Landsat 8 OLI όσο και από το Sentinel-2 MSI για να καθορίσουν τις καλύτερες μεθόδους ανάκτησης. Διαπιστώθηκε ότι το μοντέλο σημειοκεντρικής παλινδρόμησης με συνελικτικό νευρωνικό δίκτυο ('''PSRCNN''') είχε την καλύτερη απόδοση με μεγαλύτερη ακρίβεια και ευρωστία, αλλά ήταν λιγότερο σταθερό λόγω των περιορισμών των δειγματων.

'''Πρόταση:'''

Η τακτική παρακολούθηση της συγκέντρωσης των αιωρούμενων ιζημάτων με τη χρήση του Landsat 8 OLI μπορεί να βοηθήσει στην αντιμετώπιση περιβαλλοντικών προβλημάτων στις λίμνες, όπως η συσσώρευση ιζημάτων, η αποτελεσματικότητα της εκβάθυνσης, η ανάπτυξη των φυκών, η επίδραση των ιζημάτων στα θαλάσσια χόρτα, η διαφάνεια του νερού και η παραγωγικότητα των λιμνών. Τα δορυφορικά δεδομένα μπορούν να μειώσουν το κόστος των εργασιών πεδίου και να βελτιώσουν την κατανόηση των αντιδράσεων του οικοσυστήματος στις περιβαλλοντικές αλλαγές. Ωστόσο, απαιτείται περαιτέρω έρευνα για την ανάπτυξη αλγορίθμων για πιο αξιόπιστα δεδομένα και η μηχανική μάθηση θα μπορούσε να αποτελέσει χρήσιμο εργαλείο. Μια προσέγγιση πολλαπλών αισθητήρων θα μπορούσε να βελτιώσει τη συχνότητα επανεπισκέψεων στα δεδομένα Landsat, με χρόνο επανεπισκέψεων 2,9 ημέρες.

'''Κεφάλαιο 6: Συζήτηση'''

Το χρώμα του νερού επηρεάζεται από τα αιωρούμενα και διαλυμένα σωματίδια και τους ρύπους, με την άνθιση των φυκιών να εμφανίζεται πράσινη λόγω της περιεκτικότητας σε χλωροφύλλη, την όξινη αποστράγγιση ορυχείων να εμφανίζεται κόκκινη ή πορτοκαλί λόγω της συγκέντρωσης βαρέων μετάλλων και τα αιωρούμενα ιζήματα να εμφανίζονται καφέ ή μαυρισμένα. Το χρωματισμένο νερό αποτελεί ένδειξη κακής ποιότητας νερού, η οποία μπορεί να έχει δυσμενείς επιπτώσεις στην ανθρώπινη υγεία και στο υδάτινο περιβάλλον. Οι επί τόπου μετρήσεις είναι περιορισμένες και υπόκεινται σε σφάλματα.

Η δορυφορική τηλεπισκόπηση προσφέρει μια οικονομικά αποδοτική και προσιτή πλατφόρμα για την παρακολούθηση των γεγονότων ποιότητας του νερού. Ωστόσο, υπάρχουν περιορισμοί, όπως η χαμηλή ανάκλαση του μπλε φωτός και η υψηλή ανάκλαση του κόκκινου φωτός, που υποδηλώνουν κακή ποιότητα νερού. Η ατμοσφαιρική διόρθωση και οι αλγόριθμοι για την απομάκρυνση των επιδράσεων της βλάστησης είναι ουσιώδεις για την επεξεργασία των δεδομένων. Τα Landsat και Sentinel είναι τα πιο αξιόπιστα σύνολα δεδομένων, αλλά το Landsat 9 θα μπορούσε να συμβάλει στη μείωση του χρόνου επανάληψης σε 8 ημέρες. Το AquaSat, μια πλατφόρμα για τη συσχέτιση δεδομένων in situ με δεδομένα Landsat, θα μπορούσε να αποτελέσει ένα ισχυρό εργαλείο για την ανάλυση της ποιότητας των υδάτων.

Η τηλεπισκόπηση για την παρακολούθηση της ποιότητας των υδάτων περιλαμβάνει τη χρήση συγκεκριμένων ζωνών και μηκών κύματος για την ανίχνευση διαφορετικών γεγονότων. Για την ανάπτυξη των φυκών, οι πολλαπλές ζώνες είναι ιδανικές, με κορυφές ανάκλασης γύρω στα 665 και 709 nm. Η μόλυνση που σχετίζεται με την όξινη αποστράγγιση ορυχείων απαιτεί φασματικές ζώνες κόκκινου και κόκκινου άκρου, με μήκη κύματος που κυμαίνονται μεταξύ 570 και 700 nm.

Η ξηρή περίοδος μπορεί να παρέχει τα πιο αξιόπιστα αποτελέσματα για τον προσδιορισμό των υδάτινων σωμάτων ύψιστης προτεραιότητας. Τα φάσματα κόκκινου έως εγγύς υπέρυθρου είναι τα καλύτερα για τα αιωρούμενα ιζήματα, με μήκη κύματος που κυμαίνονται μεταξύ 700 και 800 nm. Η θερμοκρασία του νερού είναι ζωτικής σημασίας για την κατανόηση των φυσικών και βιοχημικών διεργασιών εντός ενός υδάτινου σώματος, επηρεάζοντας τη διαλυτότητα και τα επίπεδα διαλυμένου οξυγόνου.

Η χρήση γης και η κάλυψη γης που περιβάλλουν ένα υδάτινο σώμα παίζουν επίσης ρόλο στον υδρολογικό κύκλο, με την επιφανειακή απορροή να αποτελεί σημαντική πηγή ρύπανσης. Τα πρότυπα του τοπίου μεταβάλλονται συνεχώς και η κλιματική αλλαγή αποτελεί σοβαρή απειλή για τα σημερινά τοπία. Η ποσοτικοποίηση αυτών των χωρικών προτύπων είναι μόνο η αρχή της κατανόησης των οικολογικών διεργασιών, και η καλύτερη κατανόηση και πρακτική μπορεί να βοηθήσει στην ανάπτυξη αποτελεσματικών αιτιών για την ποιότητα των υδάτων και στρατηγικών μετριασμού.

Η δορυφορική τηλεπισκόπηση έχει χρησιμοποιηθεί ευρέως στην έρευνα για την ποιότητα των υδάτων από τη δεκαετία του 1970, αλλά η χρήση της για την τακτική ποιότητα των υδάτων δεν είναι συνηθισμένη. Οι κύριες προκλήσεις περιλαμβάνουν το κόστος, την ακρίβεια των προϊόντων δεδομένων, τη συνέχεια της δορυφορικής αποστολής και την έγκριση της διοίκησης. Οι ερευνητές πήραν συνεντεύξεις από ενδιαφερόμενους φορείς και περιβαλλοντικούς διαχειριστές για να κατανοήσουν γιατί δεν αποτελεί κοινή πρακτική. Το κόστος δεν είναι ευρέως γνωστό και η ακρίβεια αποτελεί σημαντική πρόκληση.

Η αξία της τηλεπισκόπησης έγκειται στη συνοπτική και συχνή κάλυψη πολυάριθμων υδάτινων σωμάτων, ανιχνεύοντας σχετικές αλλαγές και ανώμαλα γεγονότα. Η μελλοντική έρευνα θα πρέπει να επικεντρωθεί στη δημιουργία εργαλείων για την παρακολούθηση και τις τεχνικές συλλογής δεδομένων, στην αντιμετώπιση των κενών γνώσης και στην προώθηση της χρήσης πλατφορμών όπως το Google Earth Engine. Η δημιουργία ενός εργαλείου για την όξινη αποστράγγιση ορυχείων μπορεί να παρέχει δεδομένα για την ιεράρχηση της κατανομής ομοσπονδιακής χρηματοδότησης. Η NASA έχει σημειώσει πρόοδο στην τυποποίηση των μεθόδων για επιτυχημένες αποστολές, αλλά η χρήση της δορυφορικής τηλεπισκόπησης εξαρτάται από το ενδιαφέρον του εργατικού δυναμικού. Η επικοινωνία και η εκπαιδευτική προβολή είναι απαραίτητες για την επέκταση του τομέα και τη διασφάλιση της αξιοπιστίας των τεχνικών τηλεπισκόπησης.

[[category:Ανίχνευση μη σημειακών πηγών ρύπανσης]]

REMOTE SENSING OF WATER COLOR TO ASSESS WATER QUALITY IN A CHANGING CLIMATE

2024-01-30T21:21:31Z

Katerina Stamoulou:

'''REMOTE SENSING OF WATER COLOR TO ASSESS WATER QUALITY IN A CHANGING CLIMATE '''/ ΤΗΛΕΠΙΣΚΌΠΗΣΗ ΓΙΑ ΤΗΝ ΑΞΙΟΛΌΓΗΣΗ ΤΗΣ ΠΟΙΌΤΗΤΑΣ ΤΟΥ ΝΕΡΟΎ, ΜΕΣΑ ΑΠΟ ΤΟ ΧΡΩΜΑ ΤΟΥ ΝΕΡΟΥ,ΣΕ ΈΝΑ ΜΕΤΑΒΑΛΛΌΜΕΝΟ ΚΛΊΜΑ

'''Συγγραφέας:'''CAMERON MURRAY

[https://digitalcommons.uri.edu/theses/2142/ Πηγή ]

'''Περίληψη:''' Αυτή η μελέτη, χρησιμοποιώντας την τεχνολογία των γεωγραφικών συστημάτων πληροφοριών και της τηλεπισκόπησης, προκειμένου να αξιολογήσει την ποιότητα του νερού μέσα από φασματικές εικόνες οι οποίες αποδίδουν κάποια χαρακτηρίστηκα του όπως η ανάπτυξη των φυκιών, η όξινη αποστράγγιση ορυχείων και τα αιωρούμενα ιζήματα. Μέσα από έναν μεγάλο όγκο πληροφοριών που έχουν συλλεχθεί τα προηγούμενα έτη από δορυφόρους, καθιστούν δυνατή την παρακολούθηση αλλαγών στην ποιότητα των υδάτων.

'''Κεφάλαιο 1: Εισαγωγή'''

Το νερό είναι το βασικότερο αγαθό χωρίς το οποίο κανένα πλάσμα δεν μπορεί να ζήσει. Η πρόσβαση στο γλυκό νερό δεν είναι για όλους η ίδια καθώς λιγότερο από το 1% αυτού είναι προσβάσιμο από τον άνθρωπο και μέχρι το 2050 η ζήτηση αναμένεται να αυξηθεί σημαντικά. Η αλλαγή στην ποιότητα του νερού μόνο επιζήμιες επιπτώσεις μπορεί να έχει σε όλους τους τομείς. Αν συμπεριληφθεί και η κλιματική αλλαγή η οποία φέρνει μαζί της αυξημένες θερμοκρασίες και έντονες καταιγίδες, τότε τα προγράμματα για την παρακολούθηση των υδατικών πόρων είναι αναγκαία.

Οι τεχνικές τηλεπισκόπησης, μέσα απο την δυνατότητα για συχνές επανεπισκέψεις, ανάλυση χρονοσειρών και ιστορικά δεδομένα για αναδρομική ανάλυση, αποτελεί ένα πολύτιμο εργαλείο, το οποίο μπορεί να βοηθήσει αποτελεσματικά σε αυτήν την παρακολούθηση περιοχών με προβλήματα ποιότητας νερού.

Ωστόσο, υπάρχει ακόμη χώρος βελτίωσης και αποτελεί μεγάλη πρόκληση η χρήση της τηλεπισκόπησης σε πολύπλοκα υδάτινα συστήματα για την αναγνώριση των οποίων χρειάζεται η κατάλληλη επιλογή αισθητήρων και αλγορίθμων ταξινόμησης και αξιολόγησης. Διαφορετικοί αισθητήρες συλλαμβάνουν ακτινοβολία σε διάφορα μήκη κύματος, μετρώντας διαφορετικούς δείκτες ποιότητας νερού.

Επίσης, μέσα από την αλλαγή των χρωμάτων από τις φασματικές εικόνες η τηλεπισκόπηση μπορεί να τεκμηριώσει αυτές τις αλλαγές και να βοηθήσει στον εντοπισμό της μιας μολυσμένης περιοχής. Αναφέρονται γενικότερα τα οφέλη χρήσης της τηλεπισκόπησης όπως η πρόληψη επιβλαβούς ανάπτυξης φυκών καθώς και η εξοικονόμηση χρόνου και χρήματος, μέσα από την παρακολούθηση της όξινης αποστράγγισης και αιωρούμενων ιζημάτων στο νερό, από ορυχεία.

'''Κεφάλαιο 2: Τεχνολογία δορυφόρων'''

Η τηλεπισκόπηση περιλαμβάνει δύο κατηγορίες:

i)τους εναέριους αισθητήρες, οι οποίοι είναι τοποθετημένοι σε πλατφόρμες εντός της γήινης ατμόσφαιρας, και τους διαστημικούς αισθητήρες, οι οποίοι μεταφέρονται σε δορυφόρους που βρίσκονται σε τροχιά γύρω από τη Γη. Οι αερομεταφερόμενοι αισθητήρες προσφέρουν μια ευέλικτη προσέγγιση στην τηλεπισκόπηση, με υψηλότερη φασματική και χωρική ανάλυση, και μπορούν να διαμορφωθούν ανάλογα με την τοποθεσία της έρευνας. Είναι χρήσιμοι για την έρευνα της ποιότητας των υδάτων, αλλά είναι πολύπλοκοι και δαπανηροί σε σύγκριση με τις διαστημικές έρευνες.

ii)Οι διαστημικοί αισθητήρες είναι χρήσιμοι για πολύχρονες μελέτες και παρακολούθηση των τάσεων στην ποιότητα των υδάτων, αλλά έχουν πιο μικρή φασματική ανάλυση, περιορισμένη νεφοκάλυψη και δυσκολία στην ανάλυση των εικόνων, γεγονός που μπορεί να οδηγήσει σε υπερεκτίμηση ή υποεκτίμηση των παραμέτρων της ποιότητας των υδάτων.

Η παρούσα μελέτη επικεντρώνεται στη δορυφορική τηλεπισκόπηση, με τρεις αισθητήρες να χρησιμοποιούνται συχνότερα: Landsat 8, Sentinel-2 MultiSpectral Instrument (MSI) και Terra & Aqua MODIS. Ο Landsat-8, που εκτοξεύθηκε το 2013, παρέχει εποχιακή κάλυψη του πλανήτη στο ορατό, εγγύς υπέρυθρο, υπέρυθρο μικρού μήκους κύματος και θερμικό υπέρυθρο φάσμα.

[ [ Εικόνα: Pic_4.jpg | thumb | center | Table 1: Landsat 8 Bands, πηγή:https://digitalcommons.uri.edu/theses/2142/ ] ]

Οι Landsat 9 και Sentinel-2 είναι δύο δορυφόροι που εκτοξεύονται για να συλλέγουν εικόνες της Γης κάθε 8 ημέρες. Ο Landsat 9 σε συνδυασμό με τον Landsat 8 μπορεί να βοηθήσει τους επιστήμονες να λάβουν επιστημονικά τεκμηριωμένες αποφάσεις για βασικά ζητήματα όπως η χρήση του νερού, οι επιπτώσεις των πυρκαγιών, η υποβάθμιση των κοραλλιογενών υφάλων, η υποχώρηση των παγετώνων και η αποψίλωση των τροπικών δασών.

Ο Sentinel-2, που εκτοξεύτηκε το 2015, διαθέτει οπτικοηλεκτρονικό πολυφασματικό αισθητήρα για την αποτύπωση σε ορατές, κοντινές υπέρυθρες και υπέρυθρες φασματικές ζώνες μικρού μήκους κύματος. Η αποστολή επιτρέπει χρόνο επανέλεγχου 5 ημερών στον ισημερινό και 2-3 ημερών στα μεσαία γεωγραφικά πλάτη. Οι δορυφόροι Terra και Aqua χρησιμοποιούν το φασματικής απεικόνισης μέτριας ανάλυσης ('''MODIS''') για να βλέπουν την επιφάνεια της Γης κάθε 1-2 ημέρες, λαμβάνοντας δεδομένα σε 36 φασματικές ζώνες. Παρόλο που το '''MODIS''' δεν είναι τόσο ακριβές όσο τα σύνολα δεδομένων Landsat και Sentinel, η ευρεία διαθεσιμότητά του και τα χαμηλά ποσοστά επανεπισκέψεων το καθιστούν πολύτιμο για πολλές μελέτες.

[[Αρχείο:Pic 5.JPG|thumb|center|]]
[[Αρχείο:Pic 6.JPG|thumb|center|]]

Οι τεχνικές τηλεπισκόπησης χρησιμοποιούνται όλο και περισσότερο για τη μέτρηση της ποιότητας του νερού. Το '''Aquasat''', ένα πρόγραμμα που αναπτύχθηκε το 2019, χρησιμοποιεί εικόνες Landsat και in situ δείγματα από την πύλη ποιότητας νερού των Ηνωμένων Πολιτειών για να κάνει ακριβείς προβλέψεις της παγκόσμιας ποιότητας του νερού. Οι 600.000 αντιστοιχίσεις επιτρέπουν πιο αξιόπιστες προβλέψεις με βάση μόνο τις εικόνες Landsat.

Το '''AquaSat''' επικεντρώνεται στη χλωροφύλλη, τα ιζήματα, τον διαλυμένο άνθρακα και το βάθος του δίσκου '''Secchi'''. Η ομάδα σχεδιασμού, πρόκειται να ενσωματώσει περισσότερα σύνολα δορυφορικών δεδομένων, όπως το '''MODIS''', για να δημιουργήσει ένα πιο ισχυρό εργαλείο για την αξιολόγηση της ποιότητας των υδάτων. Αυτό το εργαλείο θα μπορούσε να είναι απαραίτητο για όλες τις μελέτες αξιολόγησης της ποιότητας του νερού.

'''Κεφάλαιο 3: Επιβλαβής ανάπτυξη φυκών'''

Η επιβλαβής ανάπτυξη των φυκών ('''HABs''') είναι ένα σημαντικό περιβαλλοντικό ζήτημα στα εσωτερικά υδάτινα σώματα, το οποίο προκαλείται από φωτοσυνθετικούς οργανισμούς που απαιτούν ηλιακό φως και θρεπτικά συστατικά. Αυτές οι μεγενθύσεις, συμβαίνουν την άνοιξη, όταν οι μεγαλύτερες ημέρες παρέχουν ισχυρότερο ηλιακό φως, οδηγώντας σε ευτροφισμό, διαταράσσοντας τον φυσικό κύκλο των βασικών θρεπτικών συστατικών. Καθώς οι οργανισμοί αναπτύσσονται, σχηματίζεται ένα παχύ στρώμα άλγης, που εμποδίζει το ηλιακό φως και αναστέλλει την ανάπτυξη των φωτοσυνθετικών οργανισμών. Η διαδικασία αποσύνθεσης καταναλώνει οξυγόνο, με αποτέλεσμα να δημιουργούνται "νεκρές ζώνες" όπου η υδρόβια ζωή δεν μπορεί να επιβιώσει. Τα κυανοβακτήρια, ο πιο κοινός τύπος HAB, περιέχουν τοξίνες, οι οποίες μπορούν να προκαλέσουν μόλυνση του πόσιμου νερού και των υδατοκαλλιεργειών.

Οι HABs έχουν επίσης οικονομικές και περιβαλλοντικές επιπτώσεις, κοστίζοντας στο έθνος σχεδόν 4,8 δισεκατομμύρια δολάρια ετησίως. Η παγκόσμια αύξηση του μεγέθους και της συχνότητας των HABs (Hydrogenous Algae Blooms) καθιστά αναγκαία την έγκαιρη ανίχνευση και την ολοκληρωμένη παρακολούθηση για την αποτελεσματική διαχείριση και τον μετριασμό των επιπτώσεων. Η κατανόηση της χωρικής και χρονικής κατανομής των HABs είναι ζωτικής σημασίας για αποτελεσματικές τεχνικές μετριασμού. Οι χρωστικές της χλωροφύλλης, οι οποίες αντανακλούν κυρίως το πράσινο, μπορούν να χρησιμοποιηθούν ως οπτικές υπογραφές των ανθίσεων των φυκών.

Οι δορυφορικές μετρήσεις μπορούν να ανιχνεύσουν τα πράσινα μήκη κύματος, παρέχοντας έναν αποτελεσματικό τρόπο παρακολούθησης των HABs. Η τηλεπισκόπηση, η οποία καταγράφηκε για πρώτη φορά στη δεκαετία του 1970, έχει χρησιμοποιηθεί για τον εντοπισμό σωματιδιακών ρύπων, γεγονότων λευκής θάλασσας και χλωροφύλλης.

Ωστόσο, οι περιορισμοί της τηλεπισκόπησης, όπως η νεφοκάλυψη και η αραιή συχνότητα των εικόνων, μπορούν να εξισορροπήσουν με την ενσωμάτωση της υδροδυναμικής και της οικολογικής παρακολούθησης. Μελέτες που χρησιμοποιούν δεδομένα Landsat έχουν δείξει ελπιδοφόρα αποτελέσματα, με αλγορίθμους που βασίζονται στο χρώμα να δείχνουν αξιοπιστία.

Οι Klemas et al. (2012) χρησιμοποίησαν ένα οριακό σημείο για τον εντοπισμό κυανοβακτηρίων στο νερό, αλλά η μέθοδος αυτή αμφισβητείται λόγω των ασαφών ορίων. Άλλοι ερευνητές έχουν χρησιμοποιήσει αισθητήρες όπως τα σύνολα δεδομένων MODIS, Meris και Sentinel, με τους Binding et al. (2018) να χρησιμοποιούν τον δείκτη μέγιστης χλωροφύλλης ('''MCI''') του MERIS για την ποσοτικοποίηση της μέγιστης ακτινοβολίας κοντά στα 700 nm.
Ωστόσο, η ανάμιξη που προκαλείται από τον άνεμο μπορεί να παραμορφώσει τα δορυφορικά δεδομένα, επηρεάζοντας τις μετρήσεις των HABs.

Πρόσφατες μελέτες έχουν αρχίσει να δοκιμάζουν προσεγγίσεις πολλαπλών αισθητήρων για την ανίχνευση των HABs, με τους Coffer et al. (2020), Ma et al. (2021) και Page et al. (2018) να παρουσιάζουν ελπιδοφόρα αποτελέσματα. Οι Coffer κ.ά. χρησιμοποίησαν το MERIS και το Sentinel-3A με έναν αλγόριθμο φασματικού σχήματος, ενώ οι Ma κ.ά. (2021) '''συνδύασαν το Terra/Aqua Modis, το Landsat 8 OLI και το Sentinel-2A/B MSI''', με αποτέλεσμα την αποδοτικότερη και ακριβέστερη επεξεργασία δεδομένων.

Η βιβλιογραφία υποδεικνύει ότι οι '''καλύτεροι αισθητήρες''' για την ανίχνευση της άνθισης των φυκών είναι εκείνοι με περισσότερα κανάλια των οποίων τα μήκη κυμαίνονται μεταξύ 550 και 700 nm για την μέγιστη ανάκλαση. Η ατμοσφαιρική διόρθωση είναι ζωτικής σημασίας για ακριβείς μετρήσεις και ο δείκτης επιπλέουσας άλγης ('''FLI''') για το MODIS είναι ανεξάρτητος από τον αισθητήρα.

Μια προσέγγιση πολλαπλών αισθητήρων μπορεί να παρέχει υψηλότερη συχνότητα παρατήρησης και λεπτομερέστερες χωρικές πληροφορίες, αλλά απαιτείται περισσότερη έρευνα για την εξεύρεση κατάλληλων αλγορίθμων. Οι δοκιμές επί τόπου είναι ζωτικής σημασίας για την επικύρωση των αποτελεσμάτων και την πρόοδο των τεχνικών τηλεπισκόπησης.

'''Κεφάλαιο 4: Όξινες αποστραγγίσεις ορυχείων'''

Η όξινη αποστράγγιση ορυχείων ('''AMD''') είναι ένας σημαντικός περιβαλλοντικός κίνδυνος, δεύτερος μετά την υπερθέρμανση του πλανήτη και την καταστροφή του όζοντος. Οι εξορυκτικές δραστηριότητες προκαλούν ζημιές στην επιφάνεια της γης και στο υπέδαφος, επηρεάζοντας περίπου 19.300 χιλιόμετρα ρεμάτων, ποταμών και λιμνών παγκοσμίως. Στις ΗΠΑ, χιλιάδες εγκαταλελειμμένα ανθρακωρυχεία έχουν μολύνει ποτάμια και ρέματα για δεκαετίες. Το όξινο νερό από τις εξορυκτικές δραστηριότητες αντιδρά με τις θειικές ενώσεις, προκαλώντας τη διάλυση βαρέων μετάλλων και προκαλώντας υψηλά επίπεδα ολικών διαλυμένων στερεών και μόλυνσης από μέταλλα.

«Η χημική εξίσωση για αυτές τις αντιδράσεις φαίνεται παρακάτω:

4FeS2 + 15O2 + 14H2O → 4Fe(OH)3 + 4SO4-2 + 16H+

Τα αντιδρώντα αυτής της εξίσωσης αντιπροσωπεύονται από τον πυρίτη, από την εξορυκτική δραστηριότητα (FeS2) που έρχεται σε επαφή με το οξυγόνο του αέρα (O2) και το νερό (H2O). Η αντίδραση μεταξύ αυτών των τριών στοιχείων παράγει υδροξείδιο του σιδήρου Fe(OH)3, θειικό άλας (SO4-2) και υδρογόνο (H+). Το υδροξείδιο του σιδήρου είναι το ίζημα που συμβάλλει στο έντονο πορτοκαλί χρώμα του AMD.»

Αυτό το τοξικό νερό καθιστά το νερό και, τα ιζήματα των ρεμάτων, ακατάλληλα για πόση και αναψυχή, επηρεάζοντας αρνητικά τον εξοπλισμό εξόρυξης και τα υδάτινα οικοσυστήματα.

Η επεξεργασία της AMD είναι πολύπλοκη, δαπανηρή και δύσκολη, καθώς οι συνθήκες της περιοχής, η σύνθεση του όξινου νερού των ορυχείων και οι μέθοδοι επεξεργασίας ποικίλλουν. Το 2021, η Γερουσία ενέκρινε νομοσχέδιο υποδομών ύψους 11,3 δισεκατομμυρίων δολαρίων για τον καθαρισμό των εγκαταλελειμμένων ανθρακωρυχείων, με προτεραιότητα σε αυτά που ενέχουν κινδύνους για την ασφάλεια και το πόσιμο νερό. Υπολογίζοντας 10,6 δισεκατομμύρια δολάρια σε κόστος κατασκευής, υπάρχει ανάγκη για αποτελεσματική ανίχνευση των υδάτινων σωμάτων προτεραιότητας.

Οι τεχνικές τηλεπισκόπησης μπορούν να συμβάλουν στη βελτίωση της περιβαλλοντικής παρακολούθησης των περιοχών εξόρυξης, και η φασματική επισκόπιση εικόνας μπορεί να αποτελέσει έναν αποτελεσματικό τρόπο εκτίμησης της μόλυνσης που σχετίζεται με την AMD.

'''Προηγούμενες μελέτες:'''

Οι Davies και Calvin (2017) διεξήγαγαν προσομοιώσεις της AMD σε εργαστηριακή κλίμακα για να μελετήσουν τη μοναδική φασματική απόκρισή της σε υδάτινα σώματα ορυχείων. Χρησιμοποίησαν μήκη κύματος ορατού έως μικρού μήκους κύματος υπέρυθρου για να αναλύσουν την ποιότητα του νερού σε λίμνες ορυχείων.

Τα αποτελέσματα έδειξαν ότι οι φασματικές υπογραφές Fe+3 ήταν κυρίαρχες και θα μπορούσαν να χρησιμοποιηθούν για διαγνωστική ταυτοποίηση. Τα μήκη κύματος μεταξύ 350 και 625 nm ήταν ιδιαίτερα χρήσιμα για τον ποσοτικό προσδιορισμό των συγκεντρώσεων Fe+3.

Η μελέτη διαπίστωσε ότι τα AMD και τα τεχνογενή ιζήματα που σχηματίστηκαν κατά την όξυνση είχαν υψηλότερη φασματική ανάκλαση στις περιοχές μηκών κύματος 650-750 nm από τα ουδέτερα νερά. Οι δορυφορικές απεικονίσεις, όπως οι Landsat και Sentinel, παρείχαν υψηλή χρονική ανάλυση και 10 φασματικές ζώνες στην ορατή κοντινή υπέρυθρη περιοχή, γεγονός που τις καθιστά πολύτιμες για τον εντοπισμό της ρύπανσης των υδάτων που σχετίζεται με την AMD.

Οι Blahwar κ.ά. (2012) διαπίστωσαν ότι η καλύτερη εικόνα για την ανάδειξη των ιζημάτων σιδήρου σε ξηρές κοίτες ρευμάτων ήταν ο συνδυασμός των αναλογιών της κόκκινης, πράσινης και μπλε ζώνης.

Η Kopackova (2019) εισήγαγε έναν νέο δείκτη για τα δεδομένα του Sentinel-2, τον Ds-2(AMD), ο οποίος επιτρέπει τη χαρτογράφηση των AMD και τη διαφοροποίηση μεταξύ δευτερογενών ορυκτών όπως ο ιαροσίτης και άλλα οξυϋδροξείδια.

Οι Seifi et al (2019) χρησιμοποίησαν δεδομένα Sentinel-2A και δεδομένα πεδίου για τον εντοπισμό και τη χαρτογράφηση σιδηρούχων ορυκτών για τον προσδιορισμό της παραγωγής AMD.

Η μέθοδος της φασματικής παραμέτρου γωνίας εφαρμόστηκε σε εικόνες Sentinel-2α για τον εντοπισμό ορυκτών AMD και την ταξινόμηση της περιοχής μελέτης. Η συνολική ακρίβεια της χαρτογράφησης με τη χρήση της μεθόδου φασματικής γωνιακής παραμέτρου ήταν 75%. Ωστόσο, οι περιορισμοί της χρήσης δορυφορικών συνόλων δεδομένων, όπως η χωρική ανάλυση και η νέφωση, μπορούν να περιορίσουν την αξιοπιστία των δορυφορικών δεδομένων.

Η υπερφασματική απεικόνιση έχει επεκτείνει τις δυνατότητες τηλεπισκόπησης για την AMD, παρέχοντας υψηλότερη χωρική και φασματική ανάλυση. Αισθητήρες όπως το ''HyMap'' μπορούν να ανιχνεύσουν ορυκτά AMD στο νερό, χρησιμεύοντας ως υποκατάστατα για χαμηλό pH, όξινα νερά ορυχείων και υποπροϊόντα αποβλήτων ορυχείων. Τα δεδομένα RGB με drone μπορούν να εντοπίσουν δευτερογενή ορυκτά AMD όπως ο ιαροσίτης και ο γκετίτης, και η τοπογράφηση με drone είναι μια γρήγορη, μη επεμβατική και φθηνή τεχνική για την χρόνια περιβαλλοντική παρακολούθηση.

Οι βιβλιοθήκες αναφοράς μπορούν να χρησιμοποιηθούν για τη διάγνωση φασμάτων και την αξιολόγηση μιγμάτων ορυκτών. Ωστόσο, τα αερομεταφερόμενα υπερφασματικά δεδομένα έχουν περιορισμούς, καθώς μπορούν να χρησιμοποιηθούν μόνο σε τοπικές περιοχές, σε αντίθεση με τις δορυφορικές παρατηρήσεις της γης που μπορούν να παρακολουθούν μεγάλες γεωγραφικές περιοχές.

'''Πρόταση:'''
Η έρευνα σχετικά με τα δεδομένα τηλεπισκόπησης για την παρακολούθηση των επιπτώσεων της ρύπανσης των υδάτων που σχετίζονται με τα ορυχεία είναι περιορισμένη, ενώ οι μέθοδοι ποικίλλουν μεταξύ δορυφόρων και UAS. Υπάρχει ανάγκη για περισσότερη έρευνα σχετικά με αποτελεσματικές τεχνικές τηλεπισκόπησης για την κατανόηση της παραγωγής ανθρακωρυχείων, τη συλλογή δειγμάτων εδάφους και νερού και την ενσωμάτωση υπερφασματικών εικόνων με δεδομένα πεδίου. Η τακτική παρακολούθηση της όξινης αποστράγγισης ορυχείων και της ποιότητας των υδάτων είναι απαραίτητη για τον εντοπισμό των αναδυόμενων προβλημάτων και την αποκατάσταση των χώρων των ορυχείων. Οι συστάσεις περιλαμβάνουν την αποφυγή επιρροών όπως το φυτικό υλικό ή η ατμόσφαιρα, τη χρήση κορυφών ανάκλασης μεταξύ 570 και 700 nm και την εξέταση των μολυσματικών μετάλλων της ξηρής περιόδου για πιο ακριβή υδατογραφήματα.

'''Κεφάλαιο 5: Αιωρούμενα Ιζήματα'''

Η διαφάνεια των υδάτων είναι ζωτικής σημασίας για την αξιολόγηση της ποιότητας των υδάτων και της υγείας των οικοσυστημάτων, καθώς δείχνει τη διαπερατότητα του φωτός. Τα αιωρούμενα ιζήματα,κυρίαρχο συστατικό στα εσωτερικά και παράκτια ύδατα, επηρεάζουν σημαντικά τη διαύγεια του νερού.

Καθώς οι αστικοί πληθυσμοί αυξάνονται, η παρακολούθηση των υδάτινων οικοσυστημάτων, όπως οι λίμνες, οι λιμνοθάλασσες και οι εκβολές ποταμών, καθίσταται απαραίτητη. Οι ανθρωπογενείς πιέσεις, όπως η ρύπανση, η συσσώρευση ιζημάτων, διαταράσσουν την οικολογική ισορροπία. Τα αιωρούμενα ιζήματα μειώνουν την αποθηκευτική ικανότητα, τον έλεγχο των πλημμυρών και τη διείσδυση του φωτός, επηρεάζοντας τις υδάτινες κοινότητες.

Η τακτική παρακολούθηση των διακυμάνσεων των αιωρούμενων στερεών είναι απαραίτητη για την κατανόηση των επιπτώσεών τους στα υδάτινα οικοσυστήματα και τον μετριασμό του προβλήματος. Οι '''δίσκοι Secchi''' είναι μέθοδος μέτρησης της διαφάνειας των υδάτων που απαιτούν πολύ εργασία και είναι χαμηλής απόδοσης, αλλά η τηλεπισκόπηση μπορεί να χρησιμοποιηθεί για την παρακολούθηση των διακυμάνσεων των αιωρούμενων ιζημάτων. Η τεχνική αυτή μπορεί να εντοπίσει αποτελεσματικότερα περιοχές μεγάλης κλίμακας και υδάτινα σώματα με ποιοτικά προβλήματα. Η δορυφορική τηλεπισκόπηση μπορεί να παρέχει συνοπτικές παρατηρήσεις από τις ορατές έως τις κοντινές υπέρυθρες φασματικές περιοχές, επιτρέποντας τον προσδιορισμό των συγκεντρώσεων των αιωρούμενων ιζημάτων. Οι πληροφορίες αυτές είναι ζωτικής σημασίας για την κατανόηση της δυναμικής της ποιότητας των υδάτων και τη διαχείριση των υδάτινων οικοσυστημάτων.

'''Προηγούμενες μελέτες:'''

Οι οπτικά ενεργές παράμετροι του νερού αξιολογούνται με τη χρήση της συμπεριφοράς του φωτός στα νερά. Η μοριακή σκέδαση του καθαρού νερού ακολουθεί μια παραβολική τάση, με την απορρόφηση να είναι υψηλότερη στο φάσμα από το ερυθρό έως το υπέρυθρο. Το σχήμα και το μέγεθος του νερού επηρεάζονται από το μέγεθος, το σχήμα και τη σύνθεση των σωματιδίων. Η διαφάνεια του δίσκου Secchi συσχετίζεται στενά με τη δορυφορική φασματική-ακτινομετρική παρατήρηση σε λίμνες.

Τα φάσματα κόκκινου έως εγγύς υπέρυθρου είναι καταλληλότερα για την παρακολούθηση των συγκεντρώσεων αιωρούμενων ιζημάτων, καθώς παρέχουν λεπτομερείς πληροφορίες σχετικά με την οριζόντια κατανομή. Πηγές δορυφορικών δεδομένων όπως ο Landsat χρησιμοποιούνται συνήθως για την ανάκτηση της συνολικής συγκέντρωσης αιωρούμενων ιζημάτων.

Για πιο αξιόπιστα αποτελέσματα απαιτούνται πιο εξειδικευμένα μοντέλα. Αναπτύχθηκε ένας νέος αλγόριθμος για την εξ αποστάσεως εκτίμηση των συγκεντρώσεων αιωρούμενων στερεών με βάση δείγματα από λίμνες και ταμιευτήρες σε όλη τη λιμναία ζώνη της Ανατολικής Πεδιάδας στην Κίνα.

Οι '''Jally''' et al. ανέπτυξαν έναν αλγόριθμο για την ανάκτηση δεδομένων συγκέντρωσης αιωρούμενων ιζημάτων με χρήση του Landsat 8 OLI και επιτόπιων μετρήσεων. Το μοντέλο έδειξε ένα παρόμοιο πρότυπο μεταξύ της εκτιμώμενης μέσω δορυφόρου και της παρατηρούμενης in situ SSC, και το Landsat 8 OLI αποτύπωσε την εποχιακή μεταβλητότητα σε όλους τους τομείς της λίμνης. Το μοντέλο γραμμικής παλινδρόμησης πολλαπλών ζωνών με ένα νέο συντελεστή για κάθε τοποθεσία βρέθηκε να είναι το καταλληλότερο για την εκτίμηση της SSC.

Οι Liu κ.ά. (2017) ανέπτυξαν μοντέλα για τη συγκέντρωση αιωρούμενων στερεών χρησιμοποιώντας το Sentinel-2 MSI, διαπιστώνοντας ότι τα μοντέλα που βασίζονται στο B7 στα 783 nm ήταν τα πιο ακριβή.

Οι Cui et al. (2022) χρησιμοποίησαν μια προσέγγιση πολλαπλών αισθητήρων, χρησιμοποιώντας δεδομένα τόσο από το Landsat 8 OLI όσο και από το Sentinel-2 MSI για να καθορίσουν τις καλύτερες μεθόδους ανάκτησης. Διαπιστώθηκε ότι το μοντέλο σημειοκεντρικής παλινδρόμησης με συνελικτικό νευρωνικό δίκτυο ('''PSRCNN''') είχε την καλύτερη απόδοση με μεγαλύτερη ακρίβεια και ευρωστία, αλλά ήταν λιγότερο σταθερό λόγω των περιορισμών των δειγματων.

'''Πρόταση:'''

Η τακτική παρακολούθηση της συγκέντρωσης των αιωρούμενων ιζημάτων με τη χρήση του Landsat 8 OLI μπορεί να βοηθήσει στην αντιμετώπιση περιβαλλοντικών προβλημάτων στις λίμνες, όπως η συσσώρευση ιζημάτων, η αποτελεσματικότητα της εκβάθυνσης, η ανάπτυξη των φυκών, η επίδραση των ιζημάτων στα θαλάσσια χόρτα, η διαφάνεια του νερού και η παραγωγικότητα των λιμνών. Τα δορυφορικά δεδομένα μπορούν να μειώσουν το κόστος των εργασιών πεδίου και να βελτιώσουν την κατανόηση των αντιδράσεων του οικοσυστήματος στις περιβαλλοντικές αλλαγές. Ωστόσο, απαιτείται περαιτέρω έρευνα για την ανάπτυξη αλγορίθμων για πιο αξιόπιστα δεδομένα και η μηχανική μάθηση θα μπορούσε να αποτελέσει χρήσιμο εργαλείο. Μια προσέγγιση πολλαπλών αισθητήρων θα μπορούσε να βελτιώσει τη συχνότητα επανεπισκέψεων στα δεδομένα Landsat, με χρόνο επανεπισκέψεων 2,9 ημέρες.

'''Κεφάλαιο 6: Συζήτηση'''

Το χρώμα του νερού επηρεάζεται από τα αιωρούμενα και διαλυμένα σωματίδια και τους ρύπους, με την άνθιση των φυκιών να εμφανίζεται πράσινη λόγω της περιεκτικότητας σε χλωροφύλλη, την όξινη αποστράγγιση ορυχείων να εμφανίζεται κόκκινη ή πορτοκαλί λόγω της συγκέντρωσης βαρέων μετάλλων και τα αιωρούμενα ιζήματα να εμφανίζονται καφέ ή μαυρισμένα. Το χρωματισμένο νερό αποτελεί ένδειξη κακής ποιότητας νερού, η οποία μπορεί να έχει δυσμενείς επιπτώσεις στην ανθρώπινη υγεία και στο υδάτινο περιβάλλον. Οι επί τόπου μετρήσεις είναι περιορισμένες και υπόκεινται σε σφάλματα.

Η δορυφορική τηλεπισκόπηση προσφέρει μια οικονομικά αποδοτική και προσιτή πλατφόρμα για την παρακολούθηση των γεγονότων ποιότητας του νερού. Ωστόσο, υπάρχουν περιορισμοί, όπως η χαμηλή ανάκλαση του μπλε φωτός και η υψηλή ανάκλαση του κόκκινου φωτός, που υποδηλώνουν κακή ποιότητα νερού. Η ατμοσφαιρική διόρθωση και οι αλγόριθμοι για την απομάκρυνση των επιδράσεων της βλάστησης είναι ουσιώδεις για την επεξεργασία των δεδομένων. Τα Landsat και Sentinel είναι τα πιο αξιόπιστα σύνολα δεδομένων, αλλά το Landsat 9 θα μπορούσε να συμβάλει στη μείωση του χρόνου επανάληψης σε 8 ημέρες. Το AquaSat, μια πλατφόρμα για τη συσχέτιση δεδομένων in situ με δεδομένα Landsat, θα μπορούσε να αποτελέσει ένα ισχυρό εργαλείο για την ανάλυση της ποιότητας των υδάτων.

Η τηλεπισκόπηση για την παρακολούθηση της ποιότητας των υδάτων περιλαμβάνει τη χρήση συγκεκριμένων ζωνών και μηκών κύματος για την ανίχνευση διαφορετικών γεγονότων. Για την ανάπτυξη των φυκών, οι πολλαπλές ζώνες είναι ιδανικές, με κορυφές ανάκλασης γύρω στα 665 και 709 nm. Η μόλυνση που σχετίζεται με την όξινη αποστράγγιση ορυχείων απαιτεί φασματικές ζώνες κόκκινου και κόκκινου άκρου, με μήκη κύματος που κυμαίνονται μεταξύ 570 και 700 nm.

Η ξηρή περίοδος μπορεί να παρέχει τα πιο αξιόπιστα αποτελέσματα για τον προσδιορισμό των υδάτινων σωμάτων ύψιστης προτεραιότητας. Τα φάσματα κόκκινου έως εγγύς υπέρυθρου είναι τα καλύτερα για τα αιωρούμενα ιζήματα, με μήκη κύματος που κυμαίνονται μεταξύ 700 και 800 nm. Η θερμοκρασία του νερού είναι ζωτικής σημασίας για την κατανόηση των φυσικών και βιοχημικών διεργασιών εντός ενός υδάτινου σώματος, επηρεάζοντας τη διαλυτότητα και τα επίπεδα διαλυμένου οξυγόνου.

Η χρήση γης και η κάλυψη γης που περιβάλλουν ένα υδάτινο σώμα παίζουν επίσης ρόλο στον υδρολογικό κύκλο, με την επιφανειακή απορροή να αποτελεί σημαντική πηγή ρύπανσης. Τα πρότυπα του τοπίου μεταβάλλονται συνεχώς και η κλιματική αλλαγή αποτελεί σοβαρή απειλή για τα σημερινά τοπία. Η ποσοτικοποίηση αυτών των χωρικών προτύπων είναι μόνο η αρχή της κατανόησης των οικολογικών διεργασιών, και η καλύτερη κατανόηση και πρακτική μπορεί να βοηθήσει στην ανάπτυξη αποτελεσματικών αιτιών για την ποιότητα των υδάτων και στρατηγικών μετριασμού.

Η δορυφορική τηλεπισκόπηση έχει χρησιμοποιηθεί ευρέως στην έρευνα για την ποιότητα των υδάτων από τη δεκαετία του 1970, αλλά η χρήση της για την τακτική ποιότητα των υδάτων δεν είναι συνηθισμένη. Οι κύριες προκλήσεις περιλαμβάνουν το κόστος, την ακρίβεια των προϊόντων δεδομένων, τη συνέχεια της δορυφορικής αποστολής και την έγκριση της διοίκησης. Οι ερευνητές πήραν συνεντεύξεις από ενδιαφερόμενους φορείς και περιβαλλοντικούς διαχειριστές για να κατανοήσουν γιατί δεν αποτελεί κοινή πρακτική. Το κόστος δεν είναι ευρέως γνωστό και η ακρίβεια αποτελεί σημαντική πρόκληση.

Η αξία της τηλεπισκόπησης έγκειται στη συνοπτική και συχνή κάλυψη πολυάριθμων υδάτινων σωμάτων, ανιχνεύοντας σχετικές αλλαγές και ανώμαλα γεγονότα. Η μελλοντική έρευνα θα πρέπει να επικεντρωθεί στη δημιουργία εργαλείων για την παρακολούθηση και τις τεχνικές συλλογής δεδομένων, στην αντιμετώπιση των κενών γνώσης και στην προώθηση της χρήσης πλατφορμών όπως το Google Earth Engine. Η δημιουργία ενός εργαλείου για την όξινη αποστράγγιση ορυχείων μπορεί να παρέχει δεδομένα για την ιεράρχηση της κατανομής ομοσπονδιακής χρηματοδότησης. Η NASA έχει σημειώσει πρόοδο στην τυποποίηση των μεθόδων για επιτυχημένες αποστολές, αλλά η χρήση της δορυφορικής τηλεπισκόπησης εξαρτάται από το ενδιαφέρον του εργατικού δυναμικού. Η επικοινωνία και η εκπαιδευτική προβολή είναι απαραίτητες για την επέκταση του τομέα και τη διασφάλιση της αξιοπιστίας των τεχνικών τηλεπισκόπησης.

[[category:Ανίχνευση μη σημειακών πηγών ρύπανσης]]

Multispectral Optical Remote Sensing for Water-Leak Detection

2024-01-30T21:15:43Z

Katerina Stamoulou:

'''Multispectral Optical Remote Sensing for Water-Leak Detection'''/
«Πολυφασματική Οπτική Απομακρυσμένη Ανίχνευση για τον Εντοπισμό Διαρροών Νερού»

'''Συγγραφείς:'''Jean-Claude Krapez, Javier Sanchis Muñoz, Christophe Mazel, Christian Chatelard, Philippe Déliot,
Yves-Michel Frédéric, Philippe Barillot, Franck Hélias, Juan Barba Polo, Vincent Olichon, Guillaume Serra,
Céline Brignolles, Alexandra Carvalho, Duarte Carreira, Anabela Oliveira, Elsa Alves,
André B. Fortunato, Alberto Azevedo, Paolo Benetazzo, Alessandro Bertoni and Isabelle Le Goff.

[https://www.researchgate.net/publication/358224497_Multispectral_Optical_Remote_Sensing_for_Water-Leak_Detection Πηγή]

'''Περίληψη Έρευνας:'''Σκοπός της εργασίας αυτής είναι η ανάπτυξη μιας υπηρεσίας οπτικής αεροπορικής ανίχνευσης διαρροών νερού (WADI—Water-tightness Airborne Detection Implementation/Υλοποίηση Αεροπορικού Εντοπισμού Διαρροής), μιας και η απώλεια νερού συνεπάγεται εξάντληση φυσικών πόρων και να παρέχει στις υδροδοτικές επιχειρήσεις ακριβείς και έγκαιρες πληροφορίες σχετικά με τις διαρροές στα κύρια δίκτυα μεταφοράς νερού εκτός αστικών περιοχών. Η μεθοδολογία περιλαμβάνει μετρήσεις με υπερφασματικές κάμερες και τη χρήση της Μεθόδου Τριγώνου και της Μεθόδου Τραπεζοειδούς για την ανίχνευση υψηλής υγρασίας, η οποία υποδεικνύει πιθανές διαρροές νερού. Μετά από πολλές δοκιμές, ο δείκτης Θερμοκρασίας-Φυτικότητας (T-VI), γνωστός και ώς μέθοδος τριγώνου/τραπεζοειδής μέθοδος, είναι πιο αποτελεσματικός. Αφού προσαρμόστηκε ο κατάλληλος εξοπλισμός σε αεροσκάφη(2 τύποι αέριων πλατφορμών:MAV και UAV, αναλύονται στην έρευνα), καταγράφτηκαν μετρήσεις πάνω από υδροδοτικά δίκτυα της Γαλλίας και της Πορτογαλίας. Αναλύοντας τα αποτελέσματα, καταλήγουν πως είναι εφικτός ο εντοπισμός τεχνιτών αλλά και πραγματικών διαρροών, αν και υπήρξαν και σφάλματα λόγω αυξημένης υγρασίας από φυσική ροή νερού ή από αυξημένη βλάστηση, παρόλα αυτά, μελλοντικά, με την συνεργασία των υδροδοτικών επιχειρήσεων καθώς και με την χρήση τοπογραφικών πληροφοριών, η μέθοδος εντοπισμού μπορεί να βελτιωθεί αρκετά και να μειωθούν αντίστοιχα και οι εσφαλμένες μετρήσεις-συναγερμοί διαρροής-.-.

'''''Λέξεις-κλειδιά:''' απομακρυσμένη ανίχνευση, διαρροή νερού, υπέρυθρη ακτινοβολία, Μέθοδος Τριγώνου, Μέθοδος Τραπεζοειδούς, υγρασία εδάφους, εξάτμιση, θερμική.
''

'''ΕΝΟΤΗΤΑ 1:'''

Η βελτιωμένη διαχείριση διαρροών μπορεί να αυξήσει την απόδοση του δικτύου, αλλά και να προστατεύσει την σπατάλη των φυσικών πόρων. Στην Ευρώπη, για παράδειγμα, οι ποσοστώσεις διαρροών διαφέρουν από 7% έως 50% ή περισσότερο, ενώ πολλές πόλεις υπερεκμεταλλεύονται τους υδροφόρους πόρους τους και πολλοί υγρότοποι απειλούνται.

Επιβάλλεται, λοιπόν, η αποτελεσματική και βιώσιμη χρήση των υδατικών πόρων προκειμένου να αντιμετωπιστούν αυτές οι προκλήσεις.
Παρά τις σημαντικές βελτιώσεις στην κατανόηση των οικονομικών απωλειών του συστήματος διανομής νερού, υπάρχουν περιορισμένες πληροφορίες σχετικά με την έκταση της διαρροής δικτύου μεταφοράς και τον τρόπο ποσοτικοποίησης και διαχείρισής της.

Επιπλέον, οι επίγειες μέθοδοι ανίχνευσης διαρροών, μέχρι τώρα πραγματοποιείτο με διάφορες τεχνικές μεθόδους εδάφους όπως την μέτρηση διαφορών πίεσης μεταξύ δύο βαλβίδων, μέσω του ήχου, με εδαφοδιεισδητικού ραντάρ ή με έγχυση αερίου. Στην πραγματικότητα, αυτές οι μέθοδοι, είναι συχνά δύσκολες και ανεπαρκείς για το δίκτυο μετάδοσης λόγω χαμηλής πίεσης, χαμηλής συχνότητας θορύβου, μεγάλης διαμέτρου, μη μεταλλικού υλικού και λίγων σημείων επαφής για ακουστική παρακολούθηση.

Ως εκ τούτου, υπάρχει ανάγκη για ανάπτυξη μεθόδων επιτήρησης δικτύου μεταφοράς που επιταχύνουν την παρακολούθηση των αγωγών
και των καναλιών με οικονομικά και χρονικά, αποδοτικό τρόπο. Οι τεχνικές τηλεπισκόπησης είναι ικανές να ανιχνεύσουν αλλαγές στην περιεκτικότητα του νερού στο έδαφος και την βλάστηση, αφού οι αερομεταφερόμενοι ενεργητικοί ή παθητικοί δέκτες είναι ευαίσθητοι στην διηλεκτρική σταθερά του εδάφους, άρα και στην υγρασία, και παρέχουν καλύτερες χωροχρονικές καλύψεις από τις επίγειες μεθόδους ανίχνευσης.

Οι οπτικές μέθοδοι έρχονται να καλύψουν τη δυσκολία καθώς παρατηρώντας μια φασματική εικόνα παρουσιάζεται διαφορά στα υγρά και ξηρά εδάφη, με τα πρώτα να είναι πιο σκοτεινά/σκούρα. Εδώ και σαράντα, σχεδόν, χρόνια γίνεται χρήση θερμικών εικόνων TIR για τον εντοπισμό διαρροών νερού κατά μήκος υδραγωγείων, κανάλια και αναχώματα. Από τις 39 πιθανών θέσεων εντοπισμένων διαρροών, 12 επαληθεύτηκαν ώς πραγματικές δίνοντας στην τεχνική αυτή μια ακρίβεια 31% με ένα 69% θετικά ψευδές αποτέλεσμα. Κατά τη διαδικασία επιτόπιας επισκόπησης, δεν εντοπίστηκαν άλλα σημεία διαρροής. Παρά την χαμηλή ακρίβεια ανίχνευσης, εν τούτοις, ο χρόνος εξοικονόμησης για τον έλεγχο των συγκεκριμένων σημείων, αντί ολόκληρου του δικτύου για τις διαρροές, ήταν πραγματικά πολύ μεγάλος. Επιπροσθέτως, προτάθηκε ο συνδυασμός έγχρωμης εικόνας και θερμικών εικόνων, προκειμένου να ελαχιστοποιηθούν τα σφάλματα ερμηνείας.

Έτσι, στις τελευταίες μελέτες συνδυάζονται TIR με κάμερες στο ορατό και στο εγγύς υπέρυθρο φάσμα, πολυφασματικές και υπερφασματικές κάμερες ή μέσω πολυφασματικού αισθητήρα που εκτείνεται από το ορατό ως το θερμικό υπέρυθρο. Τα δεδομένα εναέριας τηλεπισκόπησης ερμηνεύονται με συνδυασμένη ανάλυση από δορυφορικές εικόνες LANDSAT και από το google earth. Οι πρόσθετες φασματικές ζώνες ορατές στο SWIR, χρησιμοποιήθηκαν ως αυτόνομες πληροφορίες ή συγχωνεύτηκαν για να παρέχουν διάφορους δείκτες όπως οι γνωστοί δείκτες βλάστησης ή δείκτες υγρασίας ('''NDVI''', '''MSAVI''', '''CRI''', '''SRWI''', '''WBI''', '''NIRRR''' κ.λπ.).Οπότε, πρόσθετες πληροφορίες επέτρεψαν την αύξηση της απόδοσης του TIR μειώνοντας τον αριθμό ψευδών ανιχνεύσεων, για παράδειγμα βοηθώντας στον εντοπισμό τοποθεσιών που ήταν πιθανές να συγχέεται με τη διαρροή στις θερμικές εικόνες (π.χ. πυκνή βλάστηση).

Με απλή επεξεργασία σε κάποιον δείκτη βλάστησης, (δηλαδή '''NDVI'''), οι εικόνες σε NIR και Red, μπορούσαν να διαφοροποιήσουν το δέντρο και τη σκιά από τις κοντινές περιοχές διαρροής, κάτι που η θερμική εικόνα δεν μπορούσε να το κάνει. Το αποτέλεσμα ήταν να επιτευχθεί ένα ποσοστό επιτυχίας 93% για την ανίχνευση διαρροών σε συστήματα καναλιών με συνδυασμένη ανάλυση εικόνας TIR και '''NDVI'''. Ακόμα και απλές εικόνες από το Google Earth επιτρέπουν τη διόρθωση της ψευδούς αναγνώρισης της δραστηριότητας του νερού που παρέχεται από σκιές δέντρων στις TIR εικόνες. Επιπλέον, τα δεδομένα Landsat TM παρείχαν πληροφορίες σχετικά με τις αλληλεπιδράσεις της χρήσης γης και της βλάστησης με ζώνες διαρροής (στην περίπτωση αυτή, η χρήση του δείκτη '''MSAVI''' αποδείχθηκε ότι ήταν πιο αποτελεσματικό από το '''NDVI''' σε περίπτωση χαμηλής βλάστησης)
Η μέθοδος Triangle αποτελεί μια τεχνική χρησιμοποιούμενη για τον προσδιορισμό της υγρασίας του εδάφους και του έλλειμματος νερού στις καλλιέργειες, βασιζόμενη στα δεδομένα TIR και NIR.

Η βασική ιδέα είναι να εξαλείψει την αβεβαιότητα που σχετίζεται με την αφαίρεση και τον εντοπισμό της υγρασίας, εισάγοντας έναν δείκτη βλάστησης (VI) ως αναπαράσταση του κλάσματος κάλυψης της βλάστησης. Οι κλασικοί δείκτες βλάστησης παράγονται από τα ορατά και κοντινά υπέρυθρα (NIR) σήματα, τα οποία προέρχονται από μία ή δύο επιπλέον κάμερες. Στη συνέχεια, η θερμοκρασία και το VI που παρατηρούνται σε περιοχές με διαφορετικά επίπεδα κάλυψης και υγρασίας παρέχουν ένα διδιάστατο scatterplot που συχνά έχει τριγωνικό σχήμα. Οι πιο προηγμένες προσεγγίσεις χρησιμοποιούν ένα μοντέλο '''SVAT''' (Soil Vegetation Atmosphere Transfer) για να υπολογίσουν την υγρασία από τον αντιπροσωπευτικό σημείο (βάσει θερμοκρασίας και VI) μέσα στο τριγωνικό
διάγραμμα.

Πρόσφατες μελέτες εξετάζουν επίσης πρόσθετες παραμέτρους, όπως η φωτοδιαύγεια (albedo) ή ο δείκτης απορρόφησης κυτταρίνης ('''CAI'''), για τη διάκριση μεταξύ νεαρής και ωριμότερης βλάστησης. Η εισαγωγή μιας τρίτης παραμέτρου παρακολούθησης στην κλασική μέθοδο Triangle αναμένεται να επιτρέψει τη διάκριση μεταξύ περιοχών με διαφορετικά επίπεδα υγρασίας, αλλά με παρόμοιες τιμές θερμοκρασίας και δείκτη βλάστησης. Η μέθοδος Triangle/Trapezoid είναι πιο συνηθισμένη στην ανάλυση δορυφορικών εικόνων και παρέχει χάρτες υγρασίας εδάφους σε χαμηλή ανάλυση. Αντίθετα, οι προσπάθειες εφαρμογής της σε δεδομένα αερομεταφερόμενης τηλεπισκόπησης για υψηλότερη ανάλυση είναι λιγότερο συχνές και αντιμετωπίζουν δυσκολίες λόγω της ετερογένειας της επιφάνειας, η οποία εντείνεται από αισθητήρες υψηλής ανάλυσης.

Η ακρίβεια της ανίχνευσης διαρροής θερμικών υπέρυθρων (TIR) εξαρτάται από πολλούς παράγοντες, όπως η χρονική περίοδος, η ημέρα, η καθυστέρηση μετά από βροχή, και οι περιβαλλοντικές συνθήκες. Είναι δύσκολο να προσδιορίσουμε τον ιδανικό χρόνο για τις μετρήσεις TIR λόγω της επίδρασης της βλάστησης στις θερμοκρασίες. Ορισμένοι προτείνουν τον χειμώνα για καλύτερη ορατότητα των υγρών περιοχών, ενώ άλλοι προτιμούν το καλοκαίρι για μεγαλύτερη αντίθεση μεταξύ των περιοχών διαρροής και του περιβάλλοντος. Η κατάλληλη ημέρα για τις μετρήσεις TIR παραμένει αμφιλεγόμενη, αλλά οι θερμικές διαφορές είναι εμφανείς κατά τη δύση του ηλίου και λίγο μετά την ανατολή, με τη δυνατότητα μετρήσεων και κατά τις ώρες πριν τη δύση του ηλίου.

Εν τέλει, η επιτυχία των μετρήσεων TIR εξαρτάται από τα υλικά του δικτύου ύδρευσης και την θερμική διαφορά μεταξύ του νερού και άλλων αντικειμένων.
Πρόσφατες μετρήσεις έδειξαν ότι η καλύτερη αντίθεση παρατηρείται το απόγευμα και ότι εξαφανίζεται σχεδόν κατά τη δύση του ηλίου, εκτός από τη νύχτα

Το έργο H2020WADI (Υλοποίηση Ανίχνευσης Διαρροής Αέρα με Αδιαβροχοποίηση) είχε ως στόχο την ανάπτυξη μιας υπηρεσίας επιτήρησης ανίχνευσης διαρροής νερού από αέρος, προκειμένου να παρέχει στις υπηρεσίες ύδρευσης επαρκείς πληροφορίες σχετικά με διαρροές στις υδραυλικές υποδομές έξω από αστικές περιοχές, επιτρέποντας έτσι τις άμεσες και οικονομικές επισκευές, μειώνοντας τις απώλειες στα συστήματα διανομής νερού. Επιλέχθηκε ένα αεροπορικό σύστημα αντί για ένα βασισμένο σε δορυφόρο προκειμένου να επιτευχθεί μια καλύτερη ανάλυση, ιδανικά στο εύρος των 0,5 μέτρων. Η καινοτόμος ιδέα του WADI περιλαμβάνει τον συνδυασμό και τον βελτιστοποίηση συσκευών οπτικής απομακρυσμένης ανίχνευσης (πολυφασματικές και υπέρυθρες κάμερες) και την εφαρμογή τους σε δύο συμπληρωματικά αεροπορικές πλατφόρμες (πιλοτική και ασύρματη). Το έργο είχε επίσης ως στόχο τον έλεγχο και την επικύρωση του συστήματος σε δύο πραγματικά, αντίθετα σημεία ανίχνευσης διαρροής.
[[Αρχείο:Pic 1a.JPG|thumb|center|]]

[[Το άρθρο οργανώνεται ως εξής:]]
Στην Ενότητα 2 περιγράφεται ο σχεδιασμός των οπτικών συστημάτων αισθητήρων μετά τον έλεγχο διάφορων φασματικών συνδυασμών.

Στην Ενότητα 3 παρουσιάζονται τα αποτελέσματα επικύρωσης χρησιμοποιώντας την επιλεγμένη πολυφασματική μέθοδο και τα όργανα κατά τη διάρκεια μιας σειράς εκστρατειών σε διάφορες κλίμακες, χρησιμοποιώντας τόσο μια πιλοτική αεροπορική πλατφόρμα όσο και ένα UAV πάνω σε διάφορα τμήματα των δικτύων ύδρευσης της Société du Canal de Provence (SCP) στη Γαλλία και της EDIA (Empresa de Desenvolvimento e Infra-estruturas do Alqueva) στην Πορτογαλία.

Η Ενότητα 4 παρουσιάζει μια λεπτομερή ανάλυση της απόδοσης όλων των πτήσεων, συνοδευόμενη από μια συζήτηση σχετικά με την επιτυχία της μεθοδολογίας του WADI.

Τέλος, οι συμπεράσματα παρουσιάζονται στην Ενότητα 5.

'''ΕΝΟΤΗΤΑ 2:'''

'''2.1''' '''Υλικά και μέθοδοι:'''

Οι οπτικοί δέκτες που χρησιμοποιήθηκαν στην ασύρματη αεροπορική πλατφόρμα, κατέγραψαν μια σειρά μετρήσεων χρησιμοποιώντας θερμική υπέρυθρη κάμερα με μικροβολτόμετρα(αρχικά Α235 και στη συνέχεια Α655sc, FLIR,Portland,OR,USA) Δυο υπερφασματικές κάμερες Hyspex (NEO,Oslo,Norway) η μία στο ορατό φάσμα μέχρι το κοντινό υπέρυθρο (VNIR: 0.4–1m) και η άλλη, σε μικρά μήκη στο φάσμα υπέρυθρου (SWIR: 1–2.5m) (Εικόνα 1) Με αυτόν τον τρόπο έγινε η επιλογή του καλύτερου φασματικού συνδυασμού μέσα από την σύγκριση τιμών πολλών φασματικών δεικτών οπου αναμενόταν να διαφοροποιούνται σε υγρές και ξηρές περιοχές. Αυτό είχε ως αποτέλεσμα να επιλεχθούν πιο απλές και οικονομικές κάμερες για λειτουργικές εφαρμογές.
Η διαθεσιμότητα δεδομένων στο εύρος 0.4–2.5 μm και τα δεδομένα υπερύθρων θερμοκρασίας επέτρεψαν τον έλεγχο της αποτελεσματικότητας διάφορων δεικτών νερού.
Ο δείκτης PWI (Plant Water Index), που είναι επίσης γνωστός ως WBI (Water Band Index), προτάθηκε για τη χαρτογράφηση του υδατικού περιεχομένου της βλάστησης με τον ακόλουθο τύπο:
PWI = WBI = R900 / R970

Εδώ, R900 και R970 αναφέρονται στην ανακλαστικότητα που μετράται στη ζώνη των 900 nm και 970 nm αντίστοιχα. Αυτός ο δείκτης χρησιμοποιείται για να αξιολογήσει το περιεχόμενο νερού στην βλάστηση.
Δύο δείκτες αξιοποιούν την ζώνη απορρόφησης του νερού που βρίσκεται στα 1240 nm: το Κανονικοποιημένο Δείκτη Νερού Διαφοράς 1240 NDWI και τον απλό δείκτη νερού (simle ratio water index) SRWI
Χρησιμοποιώντας τις ζώνες απορρόφησης του νερού που επικρατούν στα 1640 και 2130 nm δημιουργηθηκαν δύο Κανονικοποιημένοι Δείκτες Διαφοράς Νερού, το NDWI1640 και το NDWI2130

Η διαδικασία αυτή αφορά τον υπολογισμό διάφορων δεικτών και μεθόδων για την εκτίμηση της υγρασίας σε αγροτικά περιβάλλοντα και εδάφη, από δορυφόρο. Οι δείκτες και οι μέθοδοι αυτές εξετάζονται για να αξιολογηθεί η περιεχόμενη υγρασία των φυτών και του εδάφους.

Χρησιμοποιούνται διάφορα μήκη κύματος από το οπτικό εύρος μέχρι το κοντινό υπέρυθρο (NIR και SWIR) για τη σύγκριση της απόδοσης στην εκτίμηση της υγρασίας.

Συγκεκριμένοι δείκτες σχεδιάστηκαν για την αξιολόγηση της υγρασίας του εδάφους. Περιλαμβάνουν τους δείκτες Water Index SOIL('''WISOIL'''), Normalized Soil Moisture Index('''NSMI'''), (Normalized Index of the NSWIR domain for SMC estimation from Linear correlation) '''NINSOL''' και Normalized Index of NSWIR domain for SMC estimation from Non-Linear correlation ('''NINSON'''), που αξιοποιούν τις αντανακλάσεις σε διάφορα μήκη κύματος. Επιλέχθηκε και το αντίθετο των NINSOL και NINSON και τα ονόμασαν '''RNINSOL''' και '''RNINSON''' (R σημαίνει "αναθεωρημένο") για τη δημιουργία δεικτών που αυξάνονται με την περιεκτικότητα σε υγρασία.

Ο δείκτης Cellulose Absorption Index ('''CAI''') χρησιμοποιείται για τη διάκριση μεταξύ ξηρών φυτικών υπολειμμάτων και εδάφους. Αυτός ο δείκτης είναι ευαίσθητος στην παρουσία νερού σε φυτικά υπολείμματα και εδάφη. Απουσιάζει πλήρως σε νεοφυή βλάστηση, είναι αρνητικός όταν υπάρχουν γυμνά εδάφη και όταν είναι κοντά στο μηδέν υποδηλώνει παρουσία νερού. Οι μέγιστες απόλυτες τιμές του δείχνουν την παρουσία ξηρής βλάστησης CAI > 0 ή ξηρού γτμνού εδάφους CAI < 0

Ο δείκτης ανάκλασης γήρανσης των φυτών '''PSRI''' (Plant Senescence Reflectance Index) χρησιμοποιείται για τον προσδιορισμό του σταδίου της διαφορετικότητας των φύλλων μέσω της αύξησης της αναλογίας των καροτενοειδών προς τη χλωροφύλλη. Περιλαμβάνει μόνο φασματικές ζώνες στο ορατό.

Η μέθοδος Triangle/Trapezoid συνδυάζει το θερμικό σήμα με ένα δείκτη βλάστησης(VI) και χρησιμοποιείται για την εκτίμηση της διαθεσιμότητας νερού ή του ρυθμού εξάτμισης σε ένα σημείο/pixel της εικόνας.
Αυτές οι διαδικασία εκτελείται με τη χρήση δορυφόρων και υποστηρίζει την ανίχνευση περιοχών με ανωμαλίες στην υγρασία που ίσως σχετίζονται με διαρροές νερού.

'''2.2 Αποτελέσματα:'''

Η προκαταρκτική ανάλυση που διενεργήθηκε τον Φεβρουάριο, τον Απρίλιο και τον Ιούλιο του 2017 σε διάφορες τοποθεσίες της υδροδοτικής υποδομής της SCP είχε στόχο τον εντοπισμό διαρροών στο δίκτυο. Κατά τη διάρκεια αυτής της ανάλυσης χρησιμοποιήθηκαν διάφοροι δείκτες και μέθοδοι για τον εντοπισμό των διαρροών, λαμβάνοντας υπόψη τις καιρικές συνθήκες και τις διάφορες τοποθεσίες.
Οι δείκτες που χρησιμοποιήθηκαν περιλαμβάνουν:
'''OSAVI''' (Optimized Soil-Adjusted Vegetation Index): Χρησιμοποιήθηκε για τον δείκτη βλάστησης, εξαιτίας της ανθεκτικότητάς του στην οπτική μεταβλητότητα του γυμνού εδάφους.
'''NDVI''' (Normalized Difference Vegetation Index): Χρησιμοποιήθηκε επίσης για τον δείκτη βλάστησης και παρουσίασε παρόμοια αποτελέσματα με το OSAVI.
'''PWI''' (Profile Wetness Index): Χρησιμοποιήθηκε για τον υγρασίας του εδάφους.
'''T-VI''' (Triangle/Trapezoid Vegetation Index): Χρησιμοποιήθηκε για τον εντοπισμό διαρροών, καθώς συνδύαζε τα δεδομένα VNIR (Visible and Near-Infrared) με τα SWIR (Short-Wave Infrared).

'''NSMI, RNINSOL, RNINSON, CAI:''' Διάφοροι άλλοι δείκτες που βασίζονται στα δεδομένα VNIR και SWIR, χρησιμοποιήθηκαν για τον εντοπισμό διαρροών.

'''Θερμική Εικόνα''' (Thermal Infrared Image): Χρησιμοποιήθηκε για τον εντοπισμό περιοχών χαμηλότερης θερμοκρασίας που μπορεί να υποδεικνύουν διαρροές.

Τα αποτελέσματα έδειξαν ότι οι δείκτες που βασίζονται στα δεδομένα SWIR ή η χρήση της θερμικής εικόνας είναι αποτελεσματικοί για τον εντοπισμό διαρροών στο δίκτυο υδροδότησης. Συνολικά, οι διάφοροι δείκτες και μέθοδοι που χρησιμοποιήθηκαν παρείχαν πολλές πληροφορίες για την ανίχνευση διαρροών, με τη θερμική εικόνα να επιδεικνύει τη μεγαλύτερη αποτελεσματικότητα.

[[Αρχείο:1.JPG|thumb|center|]]

[[Αρχείο:2.JPG|thumb|center|]]

'''ΕΝΟΤΗΤΑ 3:'''

'''3.1''' Υλικά και μέθοδοι:

Επιλογή πολυφασματικών καμερών: Η επιλογή κάμερας πολυφασματικής για την ανίχνευση διαρροής βασίστηκε στον καθορισμό των κατάλληλων μηκών κύματος για την εργασία.

'''Επικύρωση της Μεθόδου T-VI σε Διάφορες Κλίμακες:''' Ο στόχος ήταν η επικύρωση της μεθόδου Temperature–Vegetation Index (T-VI) σε διάφορες κλίμακες χρησιμοποιώντας δύο διαφορετικές πλατφόρμες – MAV και UAV.
'''Εγκατάσταση MAV:''' Το πιλοτικό αεροσκάφος (MAV) που χρησιμοποιήθηκε για τη μελέτη ήταν ένα Tecnam P2006T εξοπλισμένο με μια μηχανή πολυφασματική Spectrocam VNIR με φίλτρα στα 660 nm και 832.5 nm και μια θερμική υπέρυθρη (TIR) μηχανή του Noxcam 640L (7.7–9.3 μm). Οι πτήσεις με το MAV πραγματοποιήθηκαν σε υψόμετρο περίπου 800 μέτρων, με αποτέλεσμα χωρική ανάλυση 0.30 μέτρα για τη μηχανή VNIR και 0.48 μέτρα για τη μηχανή TIR.
'''Εγκατάσταση UAV:''' Το ανεπτυγμένο αεροσκάφος (UAV) ήταν ένα ειδικά σχεδιασμένο πολύ-ελικόπτερο εξοπλισμένο με μια μηχανή πολυφασματική RedEdge 3 (με πέντε φάσματα: 475, 560, 668, 717 και 840 nm) και μια μη θερμική TIR μηχανή Vue Pro R (7.5–13.5 μm). Οι πτήσεις με το UAV πραγματοποιήθηκαν σε υψόμετρο περίπου 50 μέτρων, με αποτέλεσμα χωρική ανάλυση 3.4 εκατοστά για τη μηχανή VNIR και 6.5 εκατοστά για τη μηχανή TIR.

'''Φάσματα:''' Και οι δύο πλατφόρμες χρησιμοποίησαν κοινά φάσματα, συμπεριλαμβανομένων των 660 nm (κόκκινο), 832.5 nm (NIR) και TIR για το MAV, και 668 nm (κόκκινο), 840 nm (NIR) και TIR για το UAV. Εφαρμόστηκε ακτινομετρική βαθμονόμηση στα δεδομένα του UAV για την απόκτηση φασματικών ανακλάσεων, ενώ τα δεδομένα του MAV παρέμειναν χωρίς βαθμονόμηση.

'''Προεπεξεργασία:''' Οι εικόνες και από τις δύο πλατφόρμες υποβλήθηκαν σε προ-επεξεργασία με το λογισμικό φωτογραμμετρικής επεξεργασίας Pix4D για την απόκτηση φασματικών orthomosaics. Στη συνέχεια, αυτές οι orthomosaics συγχωνεύτηκαν με το εξειδικευμένο λογισμικό επεξεργασίας Wadileaks, που αναπτύχθηκε στο πλαίσιο του έργου WADI.

'''Προκλήσεις Συγχώνευσης:''' Η συγχώνευση των εικόνων από το MAV απαιτούσε επιπλέον λογισμικό (Gefolki) λόγω ορισμένων σφαλμάτων συγχώνευσης. Σε κάθε περίπτωση, η συγχώνευση έγινε λαμβάνοντας ως βασική την εικόνα TIR, η οποία είναι η εικόνα με τη χαμηλότερη ανάλυση. Για τον σκοπό αυτό, οι εικόνες VNIR αναστράφηκαν με χρήση αλγορίθμου παρεμβολής με διστρωματική παρεμβολή.

'''3.2''' Αποτελέσματα της Πρώτης Εκστρατείας Ανίχνευσης Διαρροής με MAV και UAV (Γαλλία)

Τον Οκτώβριο του 2018, συλλέχθηκαν δεδομένα σε περιοχές ύδρευσης που διαχειρίζεται η SCP στη Γαλλία. Οι πτήσεις πραγματοποιήθηκαν τέσσερις ημέρες μετά από βροχές, με συχνά συννεφιασμένο ουρανό, περιορίζοντας την εξάτμιση του νερού. Είναι πιθανό ότι το έδαφος είχε ακόμη υψηλή υγρασία την ημέρα της πτήσης, μειώνοντας τη διαφορά στην υγρασία ανάμεσα στις περιοχές με διαρροές και το περιβάλλον έδαφος. Σε ορισμένες δοκιμαστικές περιοχές, παρατηρήθηκαν λιμνούλες νερού ως απομεινάρια από τις πρόσφατες βροχές.

Στην περιοχή δοκιμής Vauvenargues, συνδέθηκε ένας νέος σωλήνας πολυαιθυλενίου σε έναν υπάρχοντα ατσάλινο σωλήνα και θάφτηκε σε βάθος 1 μέτρου περίπου, περίπου ένα χρόνο πριν από τις πτήσεις.

[[Αρχείο:3.JPG|thumb|center|]]

Ο νέος σωλήνας είχε εξοπλισμό για την παρακολούθηση της ροής και της πίεσης, και τρύπες για την προσομοίωση διαρροών. Η υγρασία του εδάφους μετρήθηκε την ημέρα της πτήσης και αυξήθηκε σημαντικά κοντά στις διαρροές nº1 και nº2. Οι χάρτες Water Index που αποκτήθηκαν με τα αεροσκάφη δεν αποκάλυπταν σημαντική διαφορά κατά μήκος του διαρροούντος σωλήνα, εκτός από μερικά ασθενή σημεία που δεν αντιστοιχούν ακριβώς στις πραγματικές διαρροές nº1 και nº2.

Αυτά τα αποτελέσματα υποδηλώνουν ότι για επιτυχή ανίχνευση διαρροής απαιτείται η επιλογή μιας εποχής του έτους όπου η διαφορά στην εξάτμιση του νερού μεταξύ περιοχής με διαρροή και περιβάλλοντος είναι μεγαλύτερη. Στη Γαλλία, χρησιμοποιήθηκε μια ακίνητη πλατφόρμα κάμερας στο MAV για τις αεροπορικές εκστρατείες. Αργότερα, για τις εκστρατείες που πραγματοποιήθηκαν στην Πορτογαλία, αυτή αντικαταστάθηκε από μια 2-άξονα γυροσταθείσα πλατφόρμα που συνέβαλε στην λήψη εικόνων υψηλότερης ποιότητας.

'''3.3''' Αποτελέσματα μιας δεύτερης σειράς εκστρατειών ανίχνευσης διαρροών με το MAV και UAV (Πορτογαλία)

Τον Μάιο και τον Σεπτέμβριο του 2019 πραγματοποιήθηκαν δύο αερομεταφερόμενες εκστρατείες σε περιοχές του δικτύου ύδρευσης που διαχειρίζεται η EDIA στην Πορτογαλία. Σκοπός αυτών των εκστρατειών ήταν να επαληθευτούν τα αποτελέσματα που είχαν προκύψει από προηγούμενες εκστρατείες στη Γαλλία και να αξιολογηθεί πώς το Sensors 2022, 22, 1057 μπορεί να βελτιώσει την ανίχνευση διαρροών μέσω της χρήσης κατάλληλων μετεωρολογικών συνθηκών.

Κατά τη διάρκεια των εκστρατειών, πραγματοποιήθηκαν τεχνητές διαρροές με διάφορα σενάρια, περιλαμβανομένων επιφανειακών και υπόγειων διαρροών, μεμονωμένων ή επαναλαμβανόμενων συμβάντων, καθώς και διαρροών σε διάφορα εδαφικά περιβάλλοντα.

Επιπλέον, περιοχές με προηγούμενα συμβάντα ροής νερού περιλαμβάνονταν στα δρομολόγια πτήσης των UAV για να βοηθήσουν στην ερμηνεία των αποτελεσμάτων. Επίσης, πραγματοποιήθηκε ακουστική καμπάνια πριν από τις πτήσεις στο Μόντε Νόβο για τον εντοπισμό τυχόν τρεχουσών διαρροών.

Η ανάλυση των αποτελεσμάτων απέδειξε ότι οι μέθοδοι ήταν λιγότερο αποτελεσματικές σε σωλήνες από σκυρόδεμα και πλαστικούς σωλήνες σε σχέση με τους μεταλλικούς σωλήνες. Ακόμη, οι εικόνες που καταγράφηκαν από τα UAV αποκάλυψαν αντιθέσεις που προσέφεραν πληροφορίες σχετικά με την παρουσία νερού και την ανίχνευση διαρροών.

Τα οπτικά δεδομένα συμφώνησαν με μετρήσεις υγρασίας του εδάφους. Κατά τη διάρκεια πτήσεων τον Μάιο του 2019, παρατηρήθηκε απότομη μείωση της υγρασίας του εδάφους κοντά σε υδροστατήρες σε διάφορες αποστάσεις από αυτούς. Επιπροσθέτως, αναφέρεται ότι τα δεδομένα από την απομακρυσμένη ανίχνευση και τις μετρήσεις υγρασίας του εδάφους δείχνουν θετική συσχέτιση μεταξύ των δύο παραγόντων, παρά την κάποια διασπορά στα δεδομένα.

Τέλος, πραγματοποιήθηκαν πολλές μετρήσεις υγρασίας του εδάφους στα πεδία δοκιμών για την παρακολούθηση της ροής της τεχνητής διαρροής και την ερμηνεία των αποτελεσμάτων από αεροσκάφη UAV και MAV.

'''ΕΝΟΤΗΤΑ 4:''' '''Ανάλυση απόδοσης και συζήτηση'''

Η ανάλυση της εφαρμογής της υπηρεσίας WADI απαιτείται για να εντοπιστούν οι συνθήκες υπό τις οποίες το προτεινόμενο T-VI πολυφωτοανιχνευτικό σύστημα θα έχει μεγαλύτερες πιθανότητες επιτυχίας στον εντοπισμό διαρροών νερού. Αυτή η ανάλυση βασίστηκε σε 60 περιπτώσεις κατά τις πτήσεις στην Γαλλία και την Πορτογαλία, με επεξεργασμένες εικόνες UAV και MAV. Για την ανάλυση, οι περιπτώσεις αυτές κατηγοριοποιήθηκαν σε πραγματικές διαρροές, φυσικές ροές ή καθόλου διαρροές και φυσικές ροές. Η απόδοση δόθηκε λαμβάνοντας υπόψη διάφορες παραμέτρους όπως την τεχνολογία πτήσης, τις περιβαλλοντικές συνθήκες, τύπος εδάφους και βλάστηση.

Γενικά, το πολυφασματικό σύστημα T-VI επιτυγχάνει την αναγνώριση πραγματικών περιστατικών σε περίπου το 50% των περιπτώσεων, με σημαντική βελτίωση στην απόδοσή του από την υλοποίηση στην επικύρωση.

Επιπλέον, τα καλύτερα αποτελέσματα να παρατηρούνται υπό συνθήκες χωρίς βροχόπτωση. Επίσης, ο τύπος του εδάφους επηρέασε την ανίχνευση, με τα εδάφη άργιλου να παρουσιάζουν καλύτερα αποτελέσματα από τα εδάφη άμμου. Όσον αφορά τη βλάστηση, η τεχνολογία πτήσης δεν διαφέρει σημαντικά στην ανίχνευση, αλλά η ανάλυση έδειξε ότι δεν είναι κατάλληλη για περιοχές με δάση λόγω της χαμηλής ευαισθησίας του θερμικού σήματος στην υγρασία του εδάφους.
Αντίθετα, οι γεωργικές περιοχές με ακάλυπτα εδάφη και καλλιέργειες αποτελούν τις καλύτερες περιοχές για την επιτυχία της τεχνολογίας WADI.

Τέλος, η τεχνολογία πτήσης δεν διαφέρει σημαντικά στην ανίχνευση, με τα UAV και τα MAV να παρέχουν περίπου τα ίδια αποτελέσματα, με διαφορές στη χωρική κάλυψη και το κόστος εκμετάλλευσης.

'''ΕΝΟΤΗΤΑ 5:'''

Για την χαρτογράφηση της εξατμισοδιαπνοής και της υγρασίας τοπίου(≥1km) και αγρού(≥100m) είναι γνωστό ότι είναι πολύ αποτελεσματική η μέθοδος τριγώνου/τραπεζοειδούς, πολυφασματική οπτική μέθοδος της τηλεπισκόπησης. Στην προκειμένη, είναι καινοτόμος προσέγγιση για τον εντοπισμό διαρροής υδάτων, μιας και γίνεται προσπάθεια να αντληθούν πληροφορίες σε μορφή raster σε σύντομο χρονικό διάστημα για μεγάλα δίκτυα ύδρευσης. Η μέθοδος βασίζεται στην αρχή ότι οι διαρροές εκθέτους το έδαφος σε εντονότερη εξάτμιση λόγω της υψηλότερης υγρασίας και κατά συνέπεια, μείωση της επιφανειακής θερμοκρασίας. Ταυτόχρονα, με την αλλαγή αισθητήρων από αεροπλάνο σε drones υπάρχει η δυνατότητα να ληφθούν πιο αναλυτικές εικόνες(5cm) και να γινει εστίαση σε περιοχές που χρήζουν προσοχής και είναι δισπρόσιτες.

Βέβαια, λόγω της ύπαρξης πιθανής βλάστησης, επίσης, μειώνεται η επιφανειακή θερμοκρασία. Ωστόσο, η μέθοδος τριγώνου επιτρέπει την εμπειρική δημιουργία μιας κλίμακας ανάμεσα στην φαινομενική θερμοκρασία και την υγρασία του εδάφους.

Οι πληροφορίες σχετικά με το ποσοστό κάλυψης λαμβάνεται μέσω ενός δείκτη βλάστησης, για παράδειγμα του NDVI ή του OSAVI, ο οποίος υπολογίζεται από τη σχετική διαφορά στην οπτική ανάκλαση που μετράται στο κόκκινο και στο εγγύς υπέρυθρο. Τα δεδομένα αυτά παρέχονται από μια δεύτερη κάμερα που παρέχει εικόνες του περιοχής στις δύο αυτές συγκεκριμένες φασματικές ζώνες. Στο τέλος, ο συνδυασμός των τριών οπτικών σημάτων (κόκκινο, εγγύς υπέρυθρο και θερμικό υπέρυθρο) επιτρέπει τη χαρτογράφηση του λεγόμενου δείκτη νερού. Με την κατασκευή, οι περιορισμοί στη βαθμονόμηση των σημάτων χαλαρώνουν σημαντικά. Οποιοδήποτε ανωμαλία στην εικόνα WI η οποία εκδηλώνεται ως υψηλές τιμές στην κοντινή περιοχή της γραμμής του δικτύου, αποτελεί ένδειξη ύπαρξης πιθανής διαρροής.

Μια σειρά αεροπορικής τηλεπισκόπησης πραγματοποιήθηκαν με μηχανοκίνητο ανεμόπτερο, αεροπλάνο και μη επανδρωμένο αεροσκάφος από το 2017 έως το 2019 πάνω από το δίκτυο ύδρευσης SCP (Γαλλία) και EDIA (Πορτογαλία) πάνω από δίκτυα μεταφοράς, αρχικά για τον καθορισμό του πολυφασματικού συστήματος με στόχο την ανίχνευση διαρροών νερού και στη συνέχεια για την επικύρωσή του σε συνθήκες λειτουργίας. Σε αρκετές τοποθεσίες, υπήρχαν τόσο τεχνητές όσο και φυσικές διαρροές.

Αρχικά λειτούργησαν υπερφασματικές και θερμικές κάμερες για να ληφθούν φασματικές εικόνες που περιλαμβάνουν τις φασματικές ζώνες VNIR, SWIR και TIR. Τα καλύτερα αποτελέσματα επιτεύχθηκαν με την εφαρμογή της μεθόδου Triangle με συνδυασμό της θερμικής υπέρυθρης εικόνας με έναν δείκτη βλάστησης που κατασκευάστηκε από δύο εικόνες VNIR. Οι αντιθέσεις που επιτεύχθηκαν με τη μέθοδο SWIR με βάση την δείκτες και με τη λεγόμενη μέθοδο οπτικού τραπεζοειδούς ήταν χαμηλότερες.

Φασματικά βελτιστοποιημένοι οπτικοί αισθητήρες λειτούργησαν στη συνέχεια σε ένα μικρό αεροπλάνο και σε ένα UAV για την επίτευξη συμπληρωματικών πληροφοριών όσον αφορά την κλίμακα πεδίου και την ανάλυση. Μια προκαταρκτική πολυχρονική ανάλυση έδειξε ότι ο εντοπισμός της υπογραφής της διαρροής μπορεί να βελτιστοποιηθεί με προσεκτική επιλογή του χρόνου πτήσης σε σχέση με το ιστορικό της ηλιακής ακτινοβολίας.

Στην παρούσα μελέτη αναφέρονται πιθανοί ψευδείς συναγερμοί που μπορούν να προκύψουν από υψηλή βλάστηση και διακυμάνσεις στο έδαφος/τη βλάστηση, καθώς και οπτικές ιδιότητες που δεν αποκρίνονται επαρκώς στη μέθοδο Triangle. Άλλες πηγές παρερμηνείας περιλαμβάνουν τις σκιές της βλάστησης και τις υποδομές. Η συνεργασία με τις υπηρεσίες ύδρευσης μπορεί να βοηθήσει στη μείωση του ποσοστού ψευδών συναγερμών. Επιπλέον, οι βοηθητικές πληροφορίες μπορούν να χρησιμοποιηθούν για την απόρριψη ψευδών συναγερμών, όπως η πλάγια επικλίνουσα επιφάνεια του εδάφους και η ανωμαλία WI που επεκτείνεται προς τα πάνω από τον κοντινό σωλήνα.

Για να διευκολυνθεί η επαλήθευση των αποτελεσμάτων της τηλεπισκόπησης με την επί τόπου παρατήρηση, είναι σημαντικό να υπάρχει σύντομος χρόνος μεταξύ των πτήσεων και του επιτόπιου ελέγχου, ώστε οι συνθήκες να είναι όσο το δυνατόν πιο παρόμοιες στις δύο στιγμές. Τούτο είναι σημαντικό για την εξασφάλιση της ακρίβειας των αποτελεσμάτων. Επιπλέον, η ανάλυση αυτή πρέπει να επανεξεταστεί και να ενημερωθεί καθώς διεξάγονται νέες πτήσεις και ανακαλύπτονται νέα γεγονότα.

Τέλος, η μέθοδος ανίχνευσης διαρροών που χρησιμοποιήθηκε στην μελέτη είχε ικανοποιητική απόδοση με 50% ανίχνευση των γεγονότων με ακρίβεια. Αυτό επετεύχθη χάρη σε διάφορα χαρακτηριστικά της περιοχής, όπως οι γεωργικές ζώνες με γυμνά εδάφη, καλλιέργειες σε πρώιμο στάδιο ανάπτυξης και μεικτές περιοχές. Η τεχνολογία πτήσης που χρησιμοποιήθηκε φαίνεται να είναι κατάλληλη για την εκτέλεση ανίχνευσης διαρροών.

[[category:Υδατικοί Πόροι]]

Multispectral Optical Remote Sensing for Water-Leak Detection

2024-01-30T21:11:57Z

Katerina Stamoulou:

'''Multispectral Optical Remote Sensing for Water-Leak Detection'''/
«Πολυφασματική Οπτική Απομακρυσμένη Ανίχνευση για τον Εντοπισμό Διαρροών Νερού»

'''Συγγραφείς:'''Jean-Claude Krapez, Javier Sanchis Muñoz, Christophe Mazel, Christian Chatelard, Philippe Déliot,
Yves-Michel Frédéric, Philippe Barillot, Franck Hélias, Juan Barba Polo, Vincent Olichon, Guillaume Serra,
Céline Brignolles, Alexandra Carvalho, Duarte Carreira, Anabela Oliveira, Elsa Alves,
André B. Fortunato, Alberto Azevedo, Paolo Benetazzo, Alessandro Bertoni and Isabelle Le Goff.

[https://www.researchgate.net/publication/358224497_Multispectral_Optical_Remote_Sensing_for_Water-Leak_Detection Πηγή]

'''Περίληψη Έρευνας:'''Σκοπός της εργασίας αυτής είναι η ανάπτυξη μιας υπηρεσίας οπτικής αεροπορικής ανίχνευσης διαρροών νερού (WADI—Water-tightness Airborne Detection Implementation/Υλοποίηση Αεροπορικού Εντοπισμού Διαρροής), μιας και η απώλεια νερού συνεπάγεται εξάντληση φυσικών πόρων και να παρέχει στις υδροδοτικές επιχειρήσεις ακριβείς και έγκαιρες πληροφορίες σχετικά με τις διαρροές στα κύρια δίκτυα μεταφοράς νερού εκτός αστικών περιοχών. Η μεθοδολογία περιλαμβάνει μετρήσεις με υπερφασματικές κάμερες και τη χρήση της Μεθόδου Τριγώνου και της Μεθόδου Τραπεζοειδούς για την ανίχνευση υψηλής υγρασίας, η οποία υποδεικνύει πιθανές διαρροές νερού. Μετά από πολλές δοκιμές, ο δείκτης Θερμοκρασίας-Φυτικότητας (T-VI), γνωστός και ώς μέθοδος τριγώνου/τραπεζοειδής μέθοδος, είναι πιο αποτελεσματικός. Αφού προσαρμόστηκε ο κατάλληλος εξοπλισμός σε αεροσκάφη(2 τύποι αέριων πλατφορμών:MAV και UAV, αναλύονται στην έρευνα), καταγράφτηκαν μετρήσεις πάνω από υδροδοτικά δίκτυα της Γαλλίας και της Πορτογαλίας. Αναλύοντας τα αποτελέσματα, καταλήγουν πως είναι εφικτός ο εντοπισμός τεχνιτών αλλά και πραγματικών διαρροών, αν και υπήρξαν και σφάλματα λόγω αυξημένης υγρασίας από φυσική ροή νερού ή από αυξημένη βλάστηση, παρόλα αυτά, μελλοντικά, με την συνεργασία των υδροδοτικών επιχειρήσεων καθώς και με την χρήση τοπογραφικών πληροφοριών, η μέθοδος εντοπισμού μπορεί να βελτιωθεί αρκετά και να μειωθούν αντίστοιχα και οι εσφαλμένες μετρήσεις-συναγερμοί διαρροής-.-.

'''''Λέξεις-κλειδιά:''' απομακρυσμένη ανίχνευση, διαρροή νερού, υπέρυθρη ακτινοβολία, Μέθοδος Τριγώνου, Μέθοδος Τραπεζοειδούς, υγρασία εδάφους, εξάτμιση, θερμική.
''

'''ΕΝΟΤΗΤΑ 1:'''

Η βελτιωμένη διαχείριση διαρροών μπορεί να αυξήσει την απόδοση του δικτύου, αλλά και να προστατεύσει την σπατάλη των φυσικών πόρων. Στην Ευρώπη, για παράδειγμα, οι ποσοστώσεις διαρροών διαφέρουν από 7% έως 50% ή περισσότερο, ενώ πολλές πόλεις υπερεκμεταλλεύονται τους υδροφόρους πόρους τους και πολλοί υγρότοποι απειλούνται.

Επιβάλλεται, λοιπόν, η αποτελεσματική και βιώσιμη χρήση των υδατικών πόρων προκειμένου να αντιμετωπιστούν αυτές οι προκλήσεις.
Παρά τις σημαντικές βελτιώσεις στην κατανόηση των οικονομικών απωλειών του συστήματος διανομής νερού, υπάρχουν περιορισμένες πληροφορίες σχετικά με την έκταση της διαρροής δικτύου μεταφοράς και τον τρόπο ποσοτικοποίησης και διαχείρισής της.

Επιπλέον, οι επίγειες μέθοδοι ανίχνευσης διαρροών, μέχρι τώρα πραγματοποιείτο με διάφορες τεχνικές μεθόδους εδάφους όπως την μέτρηση διαφορών πίεσης μεταξύ δύο βαλβίδων, μέσω του ήχου, με εδαφοδιεισδητικού ραντάρ ή με έγχυση αερίου. Στην πραγματικότητα, αυτές οι μέθοδοι, είναι συχνά δύσκολες και ανεπαρκείς για το δίκτυο μετάδοσης λόγω χαμηλής πίεσης, χαμηλής συχνότητας θορύβου, μεγάλης διαμέτρου, μη μεταλλικού υλικού και λίγων σημείων επαφής για ακουστική παρακολούθηση.

Ως εκ τούτου, υπάρχει ανάγκη για ανάπτυξη μεθόδων επιτήρησης δικτύου μεταφοράς που επιταχύνουν την παρακολούθηση των αγωγών
και των καναλιών με οικονομικά και χρονικά, αποδοτικό τρόπο. Οι τεχνικές τηλεπισκόπησης είναι ικανές να ανιχνεύσουν αλλαγές στην περιεκτικότητα του νερού στο έδαφος και την βλάστηση, αφού οι αερομεταφερόμενοι ενεργητικοί ή παθητικοί δέκτες είναι ευαίσθητοι στην διηλεκτρική σταθερά του εδάφους, άρα και στην υγρασία, και παρέχουν καλύτερες χωροχρονικές καλύψεις από τις επίγειες μεθόδους ανίχνευσης.

Οι οπτικές μέθοδοι έρχονται να καλύψουν τη δυσκολία καθώς παρατηρώντας μια φασματική εικόνα παρουσιάζεται διαφορά στα υγρά και ξηρά εδάφη, με τα πρώτα να είναι πιο σκοτεινά/σκούρα. Εδώ και σαράντα, σχεδόν, χρόνια γίνεται χρήση θερμικών εικόνων TIR για τον εντοπισμό διαρροών νερού κατά μήκος υδραγωγείων, κανάλια και αναχώματα. Από τις 39 πιθανών θέσεων εντοπισμένων διαρροών, 12 επαληθεύτηκαν ώς πραγματικές δίνοντας στην τεχνική αυτή μια ακρίβεια 31% με ένα 69% θετικά ψευδές αποτέλεσμα. Κατά τη διαδικασία επιτόπιας επισκόπησης, δεν εντοπίστηκαν άλλα σημεία διαρροής. Παρά την χαμηλή ακρίβεια ανίχνευσης, εν τούτοις, ο χρόνος εξοικονόμησης για τον έλεγχο των συγκεκριμένων σημείων, αντί ολόκληρου του δικτύου για τις διαρροές, ήταν πραγματικά πολύ μεγάλος. Επιπροσθέτως, προτάθηκε ο συνδυασμός έγχρωμης εικόνας και θερμικών εικόνων, προκειμένου να ελαχιστοποιηθούν τα σφάλματα ερμηνείας.

Έτσι, στις τελευταίες μελέτες συνδυάζονται TIR με κάμερες στο ορατό και στο εγγύς υπέρυθρο φάσμα, πολυφασματικές και υπερφασματικές κάμερες ή μέσω πολυφασματικού αισθητήρα που εκτείνεται από το ορατό ως το θερμικό υπέρυθρο. Τα δεδομένα εναέριας τηλεπισκόπησης ερμηνεύονται με συνδυασμένη ανάλυση από δορυφορικές εικόνες LANDSAT και από το google earth. Οι πρόσθετες φασματικές ζώνες ορατές στο SWIR, χρησιμοποιήθηκαν ως αυτόνομες πληροφορίες ή συγχωνεύτηκαν για να παρέχουν διάφορους δείκτες όπως οι γνωστοί δείκτες βλάστησης ή δείκτες υγρασίας ('''NDVI''', '''MSAVI''', '''CRI''', '''SRWI''', '''WBI''', '''NIRRR''' κ.λπ.).Οπότε, πρόσθετες πληροφορίες επέτρεψαν την αύξηση της απόδοσης του TIR μειώνοντας τον αριθμό ψευδών ανιχνεύσεων, για παράδειγμα βοηθώντας στον εντοπισμό τοποθεσιών που ήταν πιθανές να συγχέεται με τη διαρροή στις θερμικές εικόνες (π.χ. πυκνή βλάστηση).

Με απλή επεξεργασία σε κάποιον δείκτη βλάστησης, (δηλαδή '''NDVI'''), οι εικόνες σε NIR και Red, μπορούσαν να διαφοροποιήσουν το δέντρο και τη σκιά από τις κοντινές περιοχές διαρροής, κάτι που η θερμική εικόνα δεν μπορούσε να το κάνει. Το αποτέλεσμα ήταν να επιτευχθεί ένα ποσοστό επιτυχίας 93% για την ανίχνευση διαρροών σε συστήματα καναλιών με συνδυασμένη ανάλυση εικόνας TIR και '''NDVI'''. Ακόμα και απλές εικόνες από το Google Earth επιτρέπουν τη διόρθωση της ψευδούς αναγνώρισης της δραστηριότητας του νερού που παρέχεται από σκιές δέντρων στις TIR εικόνες. Επιπλέον, τα δεδομένα Landsat TM παρείχαν πληροφορίες σχετικά με τις αλληλεπιδράσεις της χρήσης γης και της βλάστησης με ζώνες διαρροής (στην περίπτωση αυτή, η χρήση του δείκτη '''MSAVI''' αποδείχθηκε ότι ήταν πιο αποτελεσματικό από το '''NDVI''' σε περίπτωση χαμηλής βλάστησης)
Η μέθοδος Triangle αποτελεί μια τεχνική χρησιμοποιούμενη για τον προσδιορισμό της υγρασίας του εδάφους και του έλλειμματος νερού στις καλλιέργειες, βασιζόμενη στα δεδομένα TIR και NIR.

Η βασική ιδέα είναι να εξαλείψει την αβεβαιότητα που σχετίζεται με την αφαίρεση και τον εντοπισμό της υγρασίας, εισάγοντας έναν δείκτη βλάστησης (VI) ως αναπαράσταση του κλάσματος κάλυψης της βλάστησης. Οι κλασικοί δείκτες βλάστησης παράγονται από τα ορατά και κοντινά υπέρυθρα (NIR) σήματα, τα οποία προέρχονται από μία ή δύο επιπλέον κάμερες. Στη συνέχεια, η θερμοκρασία και το VI που παρατηρούνται σε περιοχές με διαφορετικά επίπεδα κάλυψης και υγρασίας παρέχουν ένα διδιάστατο scatterplot που συχνά έχει τριγωνικό σχήμα. Οι πιο προηγμένες προσεγγίσεις χρησιμοποιούν ένα μοντέλο '''SVAT''' (Soil Vegetation Atmosphere Transfer) για να υπολογίσουν την υγρασία από τον αντιπροσωπευτικό σημείο (βάσει θερμοκρασίας και VI) μέσα στο τριγωνικό
διάγραμμα.

Πρόσφατες μελέτες εξετάζουν επίσης πρόσθετες παραμέτρους, όπως η φωτοδιαύγεια (albedo) ή ο δείκτης απορρόφησης κυτταρίνης ('''CAI'''), για τη διάκριση μεταξύ νεαρής και ωριμότερης βλάστησης. Η εισαγωγή μιας τρίτης παραμέτρου παρακολούθησης στην κλασική μέθοδο Triangle αναμένεται να επιτρέψει τη διάκριση μεταξύ περιοχών με διαφορετικά επίπεδα υγρασίας, αλλά με παρόμοιες τιμές θερμοκρασίας και δείκτη βλάστησης. Η μέθοδος Triangle/Trapezoid είναι πιο συνηθισμένη στην ανάλυση δορυφορικών εικόνων και παρέχει χάρτες υγρασίας εδάφους σε χαμηλή ανάλυση. Αντίθετα, οι προσπάθειες εφαρμογής της σε δεδομένα αερομεταφερόμενης τηλεπισκόπησης για υψηλότερη ανάλυση είναι λιγότερο συχνές και αντιμετωπίζουν δυσκολίες λόγω της ετερογένειας της επιφάνειας, η οποία εντείνεται από αισθητήρες υψηλής ανάλυσης.

Η ακρίβεια της ανίχνευσης διαρροής θερμικών υπέρυθρων (TIR) εξαρτάται από πολλούς παράγοντες, όπως η χρονική περίοδος, η ημέρα, η καθυστέρηση μετά από βροχή, και οι περιβαλλοντικές συνθήκες. Είναι δύσκολο να προσδιορίσουμε τον ιδανικό χρόνο για τις μετρήσεις TIR λόγω της επίδρασης της βλάστησης στις θερμοκρασίες. Ορισμένοι προτείνουν τον χειμώνα για καλύτερη ορατότητα των υγρών περιοχών, ενώ άλλοι προτιμούν το καλοκαίρι για μεγαλύτερη αντίθεση μεταξύ των περιοχών διαρροής και του περιβάλλοντος. Η κατάλληλη ημέρα για τις μετρήσεις TIR παραμένει αμφιλεγόμενη, αλλά οι θερμικές διαφορές είναι εμφανείς κατά τη δύση του ηλίου και λίγο μετά την ανατολή, με τη δυνατότητα μετρήσεων και κατά τις ώρες πριν τη δύση του ηλίου.

Εν τέλει, η επιτυχία των μετρήσεων TIR εξαρτάται από τα υλικά του δικτύου ύδρευσης και την θερμική διαφορά μεταξύ του νερού και άλλων αντικειμένων.
Πρόσφατες μετρήσεις έδειξαν ότι η καλύτερη αντίθεση παρατηρείται το απόγευμα και ότι εξαφανίζεται σχεδόν κατά τη δύση του ηλίου, εκτός από τη νύχτα

Το έργο H2020WADI (Υλοποίηση Ανίχνευσης Διαρροής Αέρα με Αδιαβροχοποίηση) είχε ως στόχο την ανάπτυξη μιας υπηρεσίας επιτήρησης ανίχνευσης διαρροής νερού από αέρος, προκειμένου να παρέχει στις υπηρεσίες ύδρευσης επαρκείς πληροφορίες σχετικά με διαρροές στις υδραυλικές υποδομές έξω από αστικές περιοχές, επιτρέποντας έτσι τις άμεσες και οικονομικές επισκευές, μειώνοντας τις απώλειες στα συστήματα διανομής νερού. Επιλέχθηκε ένα αεροπορικό σύστημα αντί για ένα βασισμένο σε δορυφόρο προκειμένου να επιτευχθεί μια καλύτερη ανάλυση, ιδανικά στο εύρος των 0,5 μέτρων. Η καινοτόμος ιδέα του WADI περιλαμβάνει τον συνδυασμό και τον βελτιστοποίηση συσκευών οπτικής απομακρυσμένης ανίχνευσης (πολυφασματικές και υπέρυθρες κάμερες) και την εφαρμογή τους σε δύο συμπληρωματικά αεροπορικές πλατφόρμες (πιλοτική και ασύρματη). Το έργο είχε επίσης ως στόχο τον έλεγχο και την επικύρωση του συστήματος σε δύο πραγματικά, αντίθετα σημεία ανίχνευσης διαρροής.
[[Αρχείο:Pic 1a.JPG|thumb|center|]]

[[Το άρθρο οργανώνεται ως εξής:]]
Στην Ενότητα 2 περιγράφεται ο σχεδιασμός των οπτικών συστημάτων αισθητήρων μετά τον έλεγχο διάφορων φασματικών συνδυασμών.

Στην Ενότητα 3 παρουσιάζονται τα αποτελέσματα επικύρωσης χρησιμοποιώντας την επιλεγμένη πολυφασματική μέθοδο και τα όργανα κατά τη διάρκεια μιας σειράς εκστρατειών σε διάφορες κλίμακες, χρησιμοποιώντας τόσο μια πιλοτική αεροπορική πλατφόρμα όσο και ένα UAV πάνω σε διάφορα τμήματα των δικτύων ύδρευσης της Société du Canal de Provence (SCP) στη Γαλλία και της EDIA (Empresa de Desenvolvimento e Infra-estruturas do Alqueva) στην Πορτογαλία.

Η Ενότητα 4 παρουσιάζει μια λεπτομερή ανάλυση της απόδοσης όλων των πτήσεων, συνοδευόμενη από μια συζήτηση σχετικά με την επιτυχία της μεθοδολογίας του WADI.

Τέλος, οι συμπεράσματα παρουσιάζονται στην Ενότητα 5.

'''ΕΝΟΤΗΤΑ 2:'''

'''2.1''' '''Υλικά και μέθοδοι:'''

Οι οπτικοί δέκτες που χρησιμοποιήθηκαν στην ασύρματη αεροπορική πλατφόρμα, κατέγραψαν μια σειρά μετρήσεων χρησιμοποιώντας θερμική υπέρυθρη κάμερα με μικροβολτόμετρα(αρχικά Α235 και στη συνέχεια Α655sc, FLIR,Portland,OR,USA) Δυο υπερφασματικές κάμερες Hyspex (NEO,Oslo,Norway) η μία στο ορατό φάσμα μέχρι το κοντινό υπέρυθρο (VNIR: 0.4–1m) και η άλλη, σε μικρά μήκη στο φάσμα υπέρυθρου (SWIR: 1–2.5m) (Εικόνα 1) Με αυτόν τον τρόπο έγινε η επιλογή του καλύτερου φασματικού συνδυασμού μέσα από την σύγκριση τιμών πολλών φασματικών δεικτών οπου αναμενόταν να διαφοροποιούνται σε υγρές και ξηρές περιοχές. Αυτό είχε ως αποτέλεσμα να επιλεχθούν πιο απλές και οικονομικές κάμερες για λειτουργικές εφαρμογές.
Η διαθεσιμότητα δεδομένων στο εύρος 0.4–2.5 μm και τα δεδομένα υπερύθρων θερμοκρασίας επέτρεψαν τον έλεγχο της αποτελεσματικότητας διάφορων δεικτών νερού.
Ο δείκτης PWI (Plant Water Index), που είναι επίσης γνωστός ως WBI (Water Band Index), προτάθηκε για τη χαρτογράφηση του υδατικού περιεχομένου της βλάστησης με τον ακόλουθο τύπο:
PWI = WBI = R900 / R970

Εδώ, R900 και R970 αναφέρονται στην ανακλαστικότητα που μετράται στη ζώνη των 900 nm και 970 nm αντίστοιχα. Αυτός ο δείκτης χρησιμοποιείται για να αξιολογήσει το περιεχόμενο νερού στην βλάστηση.
Δύο δείκτες αξιοποιούν την ζώνη απορρόφησης του νερού που βρίσκεται στα 1240 nm: το Κανονικοποιημένο Δείκτη Νερού Διαφοράς 1240 NDWI και τον απλό δείκτη νερού (simle ratio water index) SRWI
Χρησιμοποιώντας τις ζώνες απορρόφησης του νερού που επικρατούν στα 1640 και 2130 nm δημιουργηθηκαν δύο Κανονικοποιημένοι Δείκτες Διαφοράς Νερού, το NDWI1640 και το NDWI2130

Η διαδικασία αυτή αφορά τον υπολογισμό διάφορων δεικτών και μεθόδων για την εκτίμηση της υγρασίας σε αγροτικά περιβάλλοντα και εδάφη, από δορυφόρο. Οι δείκτες και οι μέθοδοι αυτές εξετάζονται για να αξιολογηθεί η περιεχόμενη υγρασία των φυτών και του εδάφους.

Χρησιμοποιούνται διάφορα μήκη κύματος από το οπτικό εύρος μέχρι το κοντινό υπέρυθρο (NIR και SWIR) για τη σύγκριση της απόδοσης στην εκτίμηση της υγρασίας.

Συγκεκριμένοι δείκτες σχεδιάστηκαν για την αξιολόγηση της υγρασίας του εδάφους. Περιλαμβάνουν τους δείκτες Water Index SOIL('''WISOIL'''), Normalized Soil Moisture Index('''NSMI'''), (Normalized Index of the NSWIR domain for SMC estimation from Linear correlation) '''NINSOL''' και Normalized Index of NSWIR domain for SMC estimation from Non-Linear correlation ('''NINSON'''), που αξιοποιούν τις αντανακλάσεις σε διάφορα μήκη κύματος. Επιλέχθηκε και το αντίθετο των NINSOL και NINSON και τα ονόμασαν '''RNINSOL''' και '''RNINSON''' (R σημαίνει "αναθεωρημένο") για τη δημιουργία δεικτών που αυξάνονται με την περιεκτικότητα σε υγρασία.

Ο δείκτης Cellulose Absorption Index ('''CAI''') χρησιμοποιείται για τη διάκριση μεταξύ ξηρών φυτικών υπολειμμάτων και εδάφους. Αυτός ο δείκτης είναι ευαίσθητος στην παρουσία νερού σε φυτικά υπολείμματα και εδάφη. Απουσιάζει πλήρως σε νεοφυή βλάστηση, είναι αρνητικός όταν υπάρχουν γυμνά εδάφη και όταν είναι κοντά στο μηδέν υποδηλώνει παρουσία νερού. Οι μέγιστες απόλυτες τιμές του δείχνουν την παρουσία ξηρής βλάστησης CAI > 0 ή ξηρού γτμνού εδάφους CAI < 0

Ο δείκτης ανάκλασης γήρανσης των φυτών '''PSRI''' (Plant Senescence Reflectance Index) χρησιμοποιείται για τον προσδιορισμό του σταδίου της διαφορετικότητας των φύλλων μέσω της αύξησης της αναλογίας των καροτενοειδών προς τη χλωροφύλλη. Περιλαμβάνει μόνο φασματικές ζώνες στο ορατό.

Η μέθοδος Triangle/Trapezoid συνδυάζει το θερμικό σήμα με ένα δείκτη βλάστησης(VI) και χρησιμοποιείται για την εκτίμηση της διαθεσιμότητας νερού ή του ρυθμού εξάτμισης σε ένα σημείο/pixel της εικόνας.
Αυτές οι διαδικασία εκτελείται με τη χρήση δορυφόρων και υποστηρίζει την ανίχνευση περιοχών με ανωμαλίες στην υγρασία που ίσως σχετίζονται με διαρροές νερού.

'''2.2 Αποτελέσματα:'''

Η προκαταρκτική ανάλυση που διενεργήθηκε τον Φεβρουάριο, τον Απρίλιο και τον Ιούλιο του 2017 σε διάφορες τοποθεσίες της υδροδοτικής υποδομής της SCP είχε στόχο τον εντοπισμό διαρροών στο δίκτυο. Κατά τη διάρκεια αυτής της ανάλυσης χρησιμοποιήθηκαν διάφοροι δείκτες και μέθοδοι για τον εντοπισμό των διαρροών, λαμβάνοντας υπόψη τις καιρικές συνθήκες και τις διάφορες τοποθεσίες.
Οι δείκτες που χρησιμοποιήθηκαν περιλαμβάνουν:
'''OSAVI''' (Optimized Soil-Adjusted Vegetation Index): Χρησιμοποιήθηκε για τον δείκτη βλάστησης, εξαιτίας της ανθεκτικότητάς του στην οπτική μεταβλητότητα του γυμνού εδάφους.
'''NDVI''' (Normalized Difference Vegetation Index): Χρησιμοποιήθηκε επίσης για τον δείκτη βλάστησης και παρουσίασε παρόμοια αποτελέσματα με το OSAVI.
'''PWI''' (Profile Wetness Index): Χρησιμοποιήθηκε για τον υγρασίας του εδάφους.
'''T-VI''' (Triangle/Trapezoid Vegetation Index): Χρησιμοποιήθηκε για τον εντοπισμό διαρροών, καθώς συνδύαζε τα δεδομένα VNIR (Visible and Near-Infrared) με τα SWIR (Short-Wave Infrared).

'''NSMI, RNINSOL, RNINSON, CAI:''' Διάφοροι άλλοι δείκτες που βασίζονται στα δεδομένα VNIR και SWIR, χρησιμοποιήθηκαν για τον εντοπισμό διαρροών.

'''Θερμική Εικόνα''' (Thermal Infrared Image): Χρησιμοποιήθηκε για τον εντοπισμό περιοχών χαμηλότερης θερμοκρασίας που μπορεί να υποδεικνύουν διαρροές.

Τα αποτελέσματα έδειξαν ότι οι δείκτες που βασίζονται στα δεδομένα SWIR ή η χρήση της θερμικής εικόνας είναι αποτελεσματικοί για τον εντοπισμό διαρροών στο δίκτυο υδροδότησης. Συνολικά, οι διάφοροι δείκτες και μέθοδοι που χρησιμοποιήθηκαν παρείχαν πολλές πληροφορίες για την ανίχνευση διαρροών, με τη θερμική εικόνα να επιδεικνύει τη μεγαλύτερη αποτελεσματικότητα.

[[Αρχείο:1.JPG|thumb|center|]]
'''ΕΝΟΤΗΤΑ 3:'''

'''3.1''' Υλικά και μέθοδοι:

Επιλογή πολυφασματικών καμερών: Η επιλογή κάμερας πολυφασματικής για την ανίχνευση διαρροής βασίστηκε στον καθορισμό των κατάλληλων μηκών κύματος για την εργασία.

'''Επικύρωση της Μεθόδου T-VI σε Διάφορες Κλίμακες:''' Ο στόχος ήταν η επικύρωση της μεθόδου Temperature–Vegetation Index (T-VI) σε διάφορες κλίμακες χρησιμοποιώντας δύο διαφορετικές πλατφόρμες – MAV και UAV.
'''Εγκατάσταση MAV:''' Το πιλοτικό αεροσκάφος (MAV) που χρησιμοποιήθηκε για τη μελέτη ήταν ένα Tecnam P2006T εξοπλισμένο με μια μηχανή πολυφασματική Spectrocam VNIR με φίλτρα στα 660 nm και 832.5 nm και μια θερμική υπέρυθρη (TIR) μηχανή του Noxcam 640L (7.7–9.3 μm). Οι πτήσεις με το MAV πραγματοποιήθηκαν σε υψόμετρο περίπου 800 μέτρων, με αποτέλεσμα χωρική ανάλυση 0.30 μέτρα για τη μηχανή VNIR και 0.48 μέτρα για τη μηχανή TIR.
'''Εγκατάσταση UAV:''' Το ανεπτυγμένο αεροσκάφος (UAV) ήταν ένα ειδικά σχεδιασμένο πολύ-ελικόπτερο εξοπλισμένο με μια μηχανή πολυφασματική RedEdge 3 (με πέντε φάσματα: 475, 560, 668, 717 και 840 nm) και μια μη θερμική TIR μηχανή Vue Pro R (7.5–13.5 μm). Οι πτήσεις με το UAV πραγματοποιήθηκαν σε υψόμετρο περίπου 50 μέτρων, με αποτέλεσμα χωρική ανάλυση 3.4 εκατοστά για τη μηχανή VNIR και 6.5 εκατοστά για τη μηχανή TIR.

'''Φάσματα:''' Και οι δύο πλατφόρμες χρησιμοποίησαν κοινά φάσματα, συμπεριλαμβανομένων των 660 nm (κόκκινο), 832.5 nm (NIR) και TIR για το MAV, και 668 nm (κόκκινο), 840 nm (NIR) και TIR για το UAV. Εφαρμόστηκε ακτινομετρική βαθμονόμηση στα δεδομένα του UAV για την απόκτηση φασματικών ανακλάσεων, ενώ τα δεδομένα του MAV παρέμειναν χωρίς βαθμονόμηση.

'''Προεπεξεργασία:''' Οι εικόνες και από τις δύο πλατφόρμες υποβλήθηκαν σε προ-επεξεργασία με το λογισμικό φωτογραμμετρικής επεξεργασίας Pix4D για την απόκτηση φασματικών orthomosaics. Στη συνέχεια, αυτές οι orthomosaics συγχωνεύτηκαν με το εξειδικευμένο λογισμικό επεξεργασίας Wadileaks, που αναπτύχθηκε στο πλαίσιο του έργου WADI.

'''Προκλήσεις Συγχώνευσης:''' Η συγχώνευση των εικόνων από το MAV απαιτούσε επιπλέον λογισμικό (Gefolki) λόγω ορισμένων σφαλμάτων συγχώνευσης. Σε κάθε περίπτωση, η συγχώνευση έγινε λαμβάνοντας ως βασική την εικόνα TIR, η οποία είναι η εικόνα με τη χαμηλότερη ανάλυση. Για τον σκοπό αυτό, οι εικόνες VNIR αναστράφηκαν με χρήση αλγορίθμου παρεμβολής με διστρωματική παρεμβολή.

'''3.2''' Αποτελέσματα της Πρώτης Εκστρατείας Ανίχνευσης Διαρροής με MAV και UAV (Γαλλία)

Τον Οκτώβριο του 2018, συλλέχθηκαν δεδομένα σε περιοχές ύδρευσης που διαχειρίζεται η SCP στη Γαλλία. Οι πτήσεις πραγματοποιήθηκαν τέσσερις ημέρες μετά από βροχές, με συχνά συννεφιασμένο ουρανό, περιορίζοντας την εξάτμιση του νερού. Είναι πιθανό ότι το έδαφος είχε ακόμη υψηλή υγρασία την ημέρα της πτήσης, μειώνοντας τη διαφορά στην υγρασία ανάμεσα στις περιοχές με διαρροές και το περιβάλλον έδαφος. Σε ορισμένες δοκιμαστικές περιοχές, παρατηρήθηκαν λιμνούλες νερού ως απομεινάρια από τις πρόσφατες βροχές.

Στην περιοχή δοκιμής Vauvenargues, συνδέθηκε ένας νέος σωλήνας πολυαιθυλενίου σε έναν υπάρχοντα ατσάλινο σωλήνα και θάφτηκε σε βάθος 1 μέτρου περίπου, περίπου ένα χρόνο πριν από τις πτήσεις.

Ο νέος σωλήνας είχε εξοπλισμό για την παρακολούθηση της ροής και της πίεσης, και τρύπες για την προσομοίωση διαρροών. Η υγρασία του εδάφους μετρήθηκε την ημέρα της πτήσης και αυξήθηκε σημαντικά κοντά στις διαρροές nº1 και nº2. Οι χάρτες Water Index που αποκτήθηκαν με τα αεροσκάφη δεν αποκάλυπταν σημαντική διαφορά κατά μήκος του διαρροούντος σωλήνα, εκτός από μερικά ασθενή σημεία που δεν αντιστοιχούν ακριβώς στις πραγματικές διαρροές nº1 και nº2.

Αυτά τα αποτελέσματα υποδηλώνουν ότι για επιτυχή ανίχνευση διαρροής απαιτείται η επιλογή μιας εποχής του έτους όπου η διαφορά στην εξάτμιση του νερού μεταξύ περιοχής με διαρροή και περιβάλλοντος είναι μεγαλύτερη. Στη Γαλλία, χρησιμοποιήθηκε μια ακίνητη πλατφόρμα κάμερας στο MAV για τις αεροπορικές εκστρατείες. Αργότερα, για τις εκστρατείες που πραγματοποιήθηκαν στην Πορτογαλία, αυτή αντικαταστάθηκε από μια 2-άξονα γυροσταθείσα πλατφόρμα που συνέβαλε στην λήψη εικόνων υψηλότερης ποιότητας.

'''3.3''' Αποτελέσματα μιας δεύτερης σειράς εκστρατειών ανίχνευσης διαρροών με το MAV και UAV (Πορτογαλία)

Τον Μάιο και τον Σεπτέμβριο του 2019 πραγματοποιήθηκαν δύο αερομεταφερόμενες εκστρατείες σε περιοχές του δικτύου ύδρευσης που διαχειρίζεται η EDIA στην Πορτογαλία. Σκοπός αυτών των εκστρατειών ήταν να επαληθευτούν τα αποτελέσματα που είχαν προκύψει από προηγούμενες εκστρατείες στη Γαλλία και να αξιολογηθεί πώς το Sensors 2022, 22, 1057 μπορεί να βελτιώσει την ανίχνευση διαρροών μέσω της χρήσης κατάλληλων μετεωρολογικών συνθηκών.

Κατά τη διάρκεια των εκστρατειών, πραγματοποιήθηκαν τεχνητές διαρροές με διάφορα σενάρια, περιλαμβανομένων επιφανειακών και υπόγειων διαρροών, μεμονωμένων ή επαναλαμβανόμενων συμβάντων, καθώς και διαρροών σε διάφορα εδαφικά περιβάλλοντα.

Επιπλέον, περιοχές με προηγούμενα συμβάντα ροής νερού περιλαμβάνονταν στα δρομολόγια πτήσης των UAV για να βοηθήσουν στην ερμηνεία των αποτελεσμάτων. Επίσης, πραγματοποιήθηκε ακουστική καμπάνια πριν από τις πτήσεις στο Μόντε Νόβο για τον εντοπισμό τυχόν τρεχουσών διαρροών.

Η ανάλυση των αποτελεσμάτων απέδειξε ότι οι μέθοδοι ήταν λιγότερο αποτελεσματικές σε σωλήνες από σκυρόδεμα και πλαστικούς σωλήνες σε σχέση με τους μεταλλικούς σωλήνες. Ακόμη, οι εικόνες που καταγράφηκαν από τα UAV αποκάλυψαν αντιθέσεις που προσέφεραν πληροφορίες σχετικά με την παρουσία νερού και την ανίχνευση διαρροών.

Τα οπτικά δεδομένα συμφώνησαν με μετρήσεις υγρασίας του εδάφους. Κατά τη διάρκεια πτήσεων τον Μάιο του 2019, παρατηρήθηκε απότομη μείωση της υγρασίας του εδάφους κοντά σε υδροστατήρες σε διάφορες αποστάσεις από αυτούς. Επιπροσθέτως, αναφέρεται ότι τα δεδομένα από την απομακρυσμένη ανίχνευση και τις μετρήσεις υγρασίας του εδάφους δείχνουν θετική συσχέτιση μεταξύ των δύο παραγόντων, παρά την κάποια διασπορά στα δεδομένα.

Τέλος, πραγματοποιήθηκαν πολλές μετρήσεις υγρασίας του εδάφους στα πεδία δοκιμών για την παρακολούθηση της ροής της τεχνητής διαρροής και την ερμηνεία των αποτελεσμάτων από αεροσκάφη UAV και MAV.

'''ΕΝΟΤΗΤΑ 4:''' '''Ανάλυση απόδοσης και συζήτηση'''

Η ανάλυση της εφαρμογής της υπηρεσίας WADI απαιτείται για να εντοπιστούν οι συνθήκες υπό τις οποίες το προτεινόμενο T-VI πολυφωτοανιχνευτικό σύστημα θα έχει μεγαλύτερες πιθανότητες επιτυχίας στον εντοπισμό διαρροών νερού. Αυτή η ανάλυση βασίστηκε σε 60 περιπτώσεις κατά τις πτήσεις στην Γαλλία και την Πορτογαλία, με επεξεργασμένες εικόνες UAV και MAV. Για την ανάλυση, οι περιπτώσεις αυτές κατηγοριοποιήθηκαν σε πραγματικές διαρροές, φυσικές ροές ή καθόλου διαρροές και φυσικές ροές. Η απόδοση δόθηκε λαμβάνοντας υπόψη διάφορες παραμέτρους όπως την τεχνολογία πτήσης, τις περιβαλλοντικές συνθήκες, τύπος εδάφους και βλάστηση.

Γενικά, το πολυφασματικό σύστημα T-VI επιτυγχάνει την αναγνώριση πραγματικών περιστατικών σε περίπου το 50% των περιπτώσεων, με σημαντική βελτίωση στην απόδοσή του από την υλοποίηση στην επικύρωση.

Επιπλέον, τα καλύτερα αποτελέσματα να παρατηρούνται υπό συνθήκες χωρίς βροχόπτωση. Επίσης, ο τύπος του εδάφους επηρέασε την ανίχνευση, με τα εδάφη άργιλου να παρουσιάζουν καλύτερα αποτελέσματα από τα εδάφη άμμου. Όσον αφορά τη βλάστηση, η τεχνολογία πτήσης δεν διαφέρει σημαντικά στην ανίχνευση, αλλά η ανάλυση έδειξε ότι δεν είναι κατάλληλη για περιοχές με δάση λόγω της χαμηλής ευαισθησίας του θερμικού σήματος στην υγρασία του εδάφους.
Αντίθετα, οι γεωργικές περιοχές με ακάλυπτα εδάφη και καλλιέργειες αποτελούν τις καλύτερες περιοχές για την επιτυχία της τεχνολογίας WADI.

Τέλος, η τεχνολογία πτήσης δεν διαφέρει σημαντικά στην ανίχνευση, με τα UAV και τα MAV να παρέχουν περίπου τα ίδια αποτελέσματα, με διαφορές στη χωρική κάλυψη και το κόστος εκμετάλλευσης.

'''ΕΝΟΤΗΤΑ 5:'''

Για την χαρτογράφηση της εξατμισοδιαπνοής και της υγρασίας τοπίου(≥1km) και αγρού(≥100m) είναι γνωστό ότι είναι πολύ αποτελεσματική η μέθοδος τριγώνου/τραπεζοειδούς, πολυφασματική οπτική μέθοδος της τηλεπισκόπησης. Στην προκειμένη, είναι καινοτόμος προσέγγιση για τον εντοπισμό διαρροής υδάτων, μιας και γίνεται προσπάθεια να αντληθούν πληροφορίες σε μορφή raster σε σύντομο χρονικό διάστημα για μεγάλα δίκτυα ύδρευσης. Η μέθοδος βασίζεται στην αρχή ότι οι διαρροές εκθέτους το έδαφος σε εντονότερη εξάτμιση λόγω της υψηλότερης υγρασίας και κατά συνέπεια, μείωση της επιφανειακής θερμοκρασίας. Ταυτόχρονα, με την αλλαγή αισθητήρων από αεροπλάνο σε drones υπάρχει η δυνατότητα να ληφθούν πιο αναλυτικές εικόνες(5cm) και να γινει εστίαση σε περιοχές που χρήζουν προσοχής και είναι δισπρόσιτες.

Βέβαια, λόγω της ύπαρξης πιθανής βλάστησης, επίσης, μειώνεται η επιφανειακή θερμοκρασία. Ωστόσο, η μέθοδος τριγώνου επιτρέπει την εμπειρική δημιουργία μιας κλίμακας ανάμεσα στην φαινομενική θερμοκρασία και την υγρασία του εδάφους.

Οι πληροφορίες σχετικά με το ποσοστό κάλυψης λαμβάνεται μέσω ενός δείκτη βλάστησης, για παράδειγμα του NDVI ή του OSAVI, ο οποίος υπολογίζεται από τη σχετική διαφορά στην οπτική ανάκλαση που μετράται στο κόκκινο και στο εγγύς υπέρυθρο. Τα δεδομένα αυτά παρέχονται από μια δεύτερη κάμερα που παρέχει εικόνες του περιοχής στις δύο αυτές συγκεκριμένες φασματικές ζώνες. Στο τέλος, ο συνδυασμός των τριών οπτικών σημάτων (κόκκινο, εγγύς υπέρυθρο και θερμικό υπέρυθρο) επιτρέπει τη χαρτογράφηση του λεγόμενου δείκτη νερού. Με την κατασκευή, οι περιορισμοί στη βαθμονόμηση των σημάτων χαλαρώνουν σημαντικά. Οποιοδήποτε ανωμαλία στην εικόνα WI η οποία εκδηλώνεται ως υψηλές τιμές στην κοντινή περιοχή της γραμμής του δικτύου, αποτελεί ένδειξη ύπαρξης πιθανής διαρροής.

Μια σειρά αεροπορικής τηλεπισκόπησης πραγματοποιήθηκαν με μηχανοκίνητο ανεμόπτερο, αεροπλάνο και μη επανδρωμένο αεροσκάφος από το 2017 έως το 2019 πάνω από το δίκτυο ύδρευσης SCP (Γαλλία) και EDIA (Πορτογαλία) πάνω από δίκτυα μεταφοράς, αρχικά για τον καθορισμό του πολυφασματικού συστήματος με στόχο την ανίχνευση διαρροών νερού και στη συνέχεια για την επικύρωσή του σε συνθήκες λειτουργίας. Σε αρκετές τοποθεσίες, υπήρχαν τόσο τεχνητές όσο και φυσικές διαρροές.

Αρχικά λειτούργησαν υπερφασματικές και θερμικές κάμερες για να ληφθούν φασματικές εικόνες που περιλαμβάνουν τις φασματικές ζώνες VNIR, SWIR και TIR. Τα καλύτερα αποτελέσματα επιτεύχθηκαν με την εφαρμογή της μεθόδου Triangle με συνδυασμό της θερμικής υπέρυθρης εικόνας με έναν δείκτη βλάστησης που κατασκευάστηκε από δύο εικόνες VNIR. Οι αντιθέσεις που επιτεύχθηκαν με τη μέθοδο SWIR με βάση την δείκτες και με τη λεγόμενη μέθοδο οπτικού τραπεζοειδούς ήταν χαμηλότερες.

Φασματικά βελτιστοποιημένοι οπτικοί αισθητήρες λειτούργησαν στη συνέχεια σε ένα μικρό αεροπλάνο και σε ένα UAV για την επίτευξη συμπληρωματικών πληροφοριών όσον αφορά την κλίμακα πεδίου και την ανάλυση. Μια προκαταρκτική πολυχρονική ανάλυση έδειξε ότι ο εντοπισμός της υπογραφής της διαρροής μπορεί να βελτιστοποιηθεί με προσεκτική επιλογή του χρόνου πτήσης σε σχέση με το ιστορικό της ηλιακής ακτινοβολίας.

Στην παρούσα μελέτη αναφέρονται πιθανοί ψευδείς συναγερμοί που μπορούν να προκύψουν από υψηλή βλάστηση και διακυμάνσεις στο έδαφος/τη βλάστηση, καθώς και οπτικές ιδιότητες που δεν αποκρίνονται επαρκώς στη μέθοδο Triangle. Άλλες πηγές παρερμηνείας περιλαμβάνουν τις σκιές της βλάστησης και τις υποδομές. Η συνεργασία με τις υπηρεσίες ύδρευσης μπορεί να βοηθήσει στη μείωση του ποσοστού ψευδών συναγερμών. Επιπλέον, οι βοηθητικές πληροφορίες μπορούν να χρησιμοποιηθούν για την απόρριψη ψευδών συναγερμών, όπως η πλάγια επικλίνουσα επιφάνεια του εδάφους και η ανωμαλία WI που επεκτείνεται προς τα πάνω από τον κοντινό σωλήνα.

Για να διευκολυνθεί η επαλήθευση των αποτελεσμάτων της τηλεπισκόπησης με την επί τόπου παρατήρηση, είναι σημαντικό να υπάρχει σύντομος χρόνος μεταξύ των πτήσεων και του επιτόπιου ελέγχου, ώστε οι συνθήκες να είναι όσο το δυνατόν πιο παρόμοιες στις δύο στιγμές. Τούτο είναι σημαντικό για την εξασφάλιση της ακρίβειας των αποτελεσμάτων. Επιπλέον, η ανάλυση αυτή πρέπει να επανεξεταστεί και να ενημερωθεί καθώς διεξάγονται νέες πτήσεις και ανακαλύπτονται νέα γεγονότα.

Τέλος, η μέθοδος ανίχνευσης διαρροών που χρησιμοποιήθηκε στην μελέτη είχε ικανοποιητική απόδοση με 50% ανίχνευση των γεγονότων με ακρίβεια. Αυτό επετεύχθη χάρη σε διάφορα χαρακτηριστικά της περιοχής, όπως οι γεωργικές ζώνες με γυμνά εδάφη, καλλιέργειες σε πρώιμο στάδιο ανάπτυξης και μεικτές περιοχές. Η τεχνολογία πτήσης που χρησιμοποιήθηκε φαίνεται να είναι κατάλληλη για την εκτέλεση ανίχνευσης διαρροών.

[[category:Υδατικοί Πόροι]]

Multispectral Optical Remote Sensing for Water-Leak Detection

2024-01-30T21:10:01Z

Katerina Stamoulou:

'''Multispectral Optical Remote Sensing for Water-Leak Detection'''/
«Πολυφασματική Οπτική Απομακρυσμένη Ανίχνευση για τον Εντοπισμό Διαρροών Νερού»

'''Συγγραφείς:'''Jean-Claude Krapez, Javier Sanchis Muñoz, Christophe Mazel, Christian Chatelard, Philippe Déliot,
Yves-Michel Frédéric, Philippe Barillot, Franck Hélias, Juan Barba Polo, Vincent Olichon, Guillaume Serra,
Céline Brignolles, Alexandra Carvalho, Duarte Carreira, Anabela Oliveira, Elsa Alves,
André B. Fortunato, Alberto Azevedo, Paolo Benetazzo, Alessandro Bertoni and Isabelle Le Goff.

[https://www.researchgate.net/publication/358224497_Multispectral_Optical_Remote_Sensing_for_Water-Leak_Detection Πηγή]

'''Περίληψη Έρευνας:'''Σκοπός της εργασίας αυτής είναι η ανάπτυξη μιας υπηρεσίας οπτικής αεροπορικής ανίχνευσης διαρροών νερού (WADI—Water-tightness Airborne Detection Implementation/Υλοποίηση Αεροπορικού Εντοπισμού Διαρροής), μιας και η απώλεια νερού συνεπάγεται εξάντληση φυσικών πόρων και να παρέχει στις υδροδοτικές επιχειρήσεις ακριβείς και έγκαιρες πληροφορίες σχετικά με τις διαρροές στα κύρια δίκτυα μεταφοράς νερού εκτός αστικών περιοχών. Η μεθοδολογία περιλαμβάνει μετρήσεις με υπερφασματικές κάμερες και τη χρήση της Μεθόδου Τριγώνου και της Μεθόδου Τραπεζοειδούς για την ανίχνευση υψηλής υγρασίας, η οποία υποδεικνύει πιθανές διαρροές νερού. Μετά από πολλές δοκιμές, ο δείκτης Θερμοκρασίας-Φυτικότητας (T-VI), γνωστός και ώς μέθοδος τριγώνου/τραπεζοειδής μέθοδος, είναι πιο αποτελεσματικός. Αφού προσαρμόστηκε ο κατάλληλος εξοπλισμός σε αεροσκάφη(2 τύποι αέριων πλατφορμών:MAV και UAV, αναλύονται στην έρευνα), καταγράφτηκαν μετρήσεις πάνω από υδροδοτικά δίκτυα της Γαλλίας και της Πορτογαλίας. Αναλύοντας τα αποτελέσματα, καταλήγουν πως είναι εφικτός ο εντοπισμός τεχνιτών αλλά και πραγματικών διαρροών, αν και υπήρξαν και σφάλματα λόγω αυξημένης υγρασίας από φυσική ροή νερού ή από αυξημένη βλάστηση, παρόλα αυτά, μελλοντικά, με την συνεργασία των υδροδοτικών επιχειρήσεων καθώς και με την χρήση τοπογραφικών πληροφοριών, η μέθοδος εντοπισμού μπορεί να βελτιωθεί αρκετά και να μειωθούν αντίστοιχα και οι εσφαλμένες μετρήσεις-συναγερμοί διαρροής-.-.

'''''Λέξεις-κλειδιά:''' απομακρυσμένη ανίχνευση, διαρροή νερού, υπέρυθρη ακτινοβολία, Μέθοδος Τριγώνου, Μέθοδος Τραπεζοειδούς, υγρασία εδάφους, εξάτμιση, θερμική.
''

'''ΕΝΟΤΗΤΑ 1:'''

Η βελτιωμένη διαχείριση διαρροών μπορεί να αυξήσει την απόδοση του δικτύου, αλλά και να προστατεύσει την σπατάλη των φυσικών πόρων. Στην Ευρώπη, για παράδειγμα, οι ποσοστώσεις διαρροών διαφέρουν από 7% έως 50% ή περισσότερο, ενώ πολλές πόλεις υπερεκμεταλλεύονται τους υδροφόρους πόρους τους και πολλοί υγρότοποι απειλούνται.

Επιβάλλεται, λοιπόν, η αποτελεσματική και βιώσιμη χρήση των υδατικών πόρων προκειμένου να αντιμετωπιστούν αυτές οι προκλήσεις.
Παρά τις σημαντικές βελτιώσεις στην κατανόηση των οικονομικών απωλειών του συστήματος διανομής νερού, υπάρχουν περιορισμένες πληροφορίες σχετικά με την έκταση της διαρροής δικτύου μεταφοράς και τον τρόπο ποσοτικοποίησης και διαχείρισής της.

Επιπλέον, οι επίγειες μέθοδοι ανίχνευσης διαρροών, μέχρι τώρα πραγματοποιείτο με διάφορες τεχνικές μεθόδους εδάφους όπως την μέτρηση διαφορών πίεσης μεταξύ δύο βαλβίδων, μέσω του ήχου, με εδαφοδιεισδητικού ραντάρ ή με έγχυση αερίου. Στην πραγματικότητα, αυτές οι μέθοδοι, είναι συχνά δύσκολες και ανεπαρκείς για το δίκτυο μετάδοσης λόγω χαμηλής πίεσης, χαμηλής συχνότητας θορύβου, μεγάλης διαμέτρου, μη μεταλλικού υλικού και λίγων σημείων επαφής για ακουστική παρακολούθηση.

Ως εκ τούτου, υπάρχει ανάγκη για ανάπτυξη μεθόδων επιτήρησης δικτύου μεταφοράς που επιταχύνουν την παρακολούθηση των αγωγών
και των καναλιών με οικονομικά και χρονικά, αποδοτικό τρόπο. Οι τεχνικές τηλεπισκόπησης είναι ικανές να ανιχνεύσουν αλλαγές στην περιεκτικότητα του νερού στο έδαφος και την βλάστηση, αφού οι αερομεταφερόμενοι ενεργητικοί ή παθητικοί δέκτες είναι ευαίσθητοι στην διηλεκτρική σταθερά του εδάφους, άρα και στην υγρασία, και παρέχουν καλύτερες χωροχρονικές καλύψεις από τις επίγειες μεθόδους ανίχνευσης.

Οι οπτικές μέθοδοι έρχονται να καλύψουν τη δυσκολία καθώς παρατηρώντας μια φασματική εικόνα παρουσιάζεται διαφορά στα υγρά και ξηρά εδάφη, με τα πρώτα να είναι πιο σκοτεινά/σκούρα. Εδώ και σαράντα, σχεδόν, χρόνια γίνεται χρήση θερμικών εικόνων TIR για τον εντοπισμό διαρροών νερού κατά μήκος υδραγωγείων, κανάλια και αναχώματα. Από τις 39 πιθανών θέσεων εντοπισμένων διαρροών, 12 επαληθεύτηκαν ώς πραγματικές δίνοντας στην τεχνική αυτή μια ακρίβεια 31% με ένα 69% θετικά ψευδές αποτέλεσμα. Κατά τη διαδικασία επιτόπιας επισκόπησης, δεν εντοπίστηκαν άλλα σημεία διαρροής. Παρά την χαμηλή ακρίβεια ανίχνευσης, εν τούτοις, ο χρόνος εξοικονόμησης για τον έλεγχο των συγκεκριμένων σημείων, αντί ολόκληρου του δικτύου για τις διαρροές, ήταν πραγματικά πολύ μεγάλος. Επιπροσθέτως, προτάθηκε ο συνδυασμός έγχρωμης εικόνας και θερμικών εικόνων, προκειμένου να ελαχιστοποιηθούν τα σφάλματα ερμηνείας.

Έτσι, στις τελευταίες μελέτες συνδυάζονται TIR με κάμερες στο ορατό και στο εγγύς υπέρυθρο φάσμα, πολυφασματικές και υπερφασματικές κάμερες ή μέσω πολυφασματικού αισθητήρα που εκτείνεται από το ορατό ως το θερμικό υπέρυθρο. Τα δεδομένα εναέριας τηλεπισκόπησης ερμηνεύονται με συνδυασμένη ανάλυση από δορυφορικές εικόνες LANDSAT και από το google earth. Οι πρόσθετες φασματικές ζώνες ορατές στο SWIR, χρησιμοποιήθηκαν ως αυτόνομες πληροφορίες ή συγχωνεύτηκαν για να παρέχουν διάφορους δείκτες όπως οι γνωστοί δείκτες βλάστησης ή δείκτες υγρασίας ('''NDVI''', '''MSAVI''', '''CRI''', '''SRWI''', '''WBI''', '''NIRRR''' κ.λπ.).Οπότε, πρόσθετες πληροφορίες επέτρεψαν την αύξηση της απόδοσης του TIR μειώνοντας τον αριθμό ψευδών ανιχνεύσεων, για παράδειγμα βοηθώντας στον εντοπισμό τοποθεσιών που ήταν πιθανές να συγχέεται με τη διαρροή στις θερμικές εικόνες (π.χ. πυκνή βλάστηση).

Με απλή επεξεργασία σε κάποιον δείκτη βλάστησης, (δηλαδή '''NDVI'''), οι εικόνες σε NIR και Red, μπορούσαν να διαφοροποιήσουν το δέντρο και τη σκιά από τις κοντινές περιοχές διαρροής, κάτι που η θερμική εικόνα δεν μπορούσε να το κάνει. Το αποτέλεσμα ήταν να επιτευχθεί ένα ποσοστό επιτυχίας 93% για την ανίχνευση διαρροών σε συστήματα καναλιών με συνδυασμένη ανάλυση εικόνας TIR και '''NDVI'''. Ακόμα και απλές εικόνες από το Google Earth επιτρέπουν τη διόρθωση της ψευδούς αναγνώρισης της δραστηριότητας του νερού που παρέχεται από σκιές δέντρων στις TIR εικόνες. Επιπλέον, τα δεδομένα Landsat TM παρείχαν πληροφορίες σχετικά με τις αλληλεπιδράσεις της χρήσης γης και της βλάστησης με ζώνες διαρροής (στην περίπτωση αυτή, η χρήση του δείκτη '''MSAVI''' αποδείχθηκε ότι ήταν πιο αποτελεσματικό από το '''NDVI''' σε περίπτωση χαμηλής βλάστησης)
Η μέθοδος Triangle αποτελεί μια τεχνική χρησιμοποιούμενη για τον προσδιορισμό της υγρασίας του εδάφους και του έλλειμματος νερού στις καλλιέργειες, βασιζόμενη στα δεδομένα TIR και NIR.

Η βασική ιδέα είναι να εξαλείψει την αβεβαιότητα που σχετίζεται με την αφαίρεση και τον εντοπισμό της υγρασίας, εισάγοντας έναν δείκτη βλάστησης (VI) ως αναπαράσταση του κλάσματος κάλυψης της βλάστησης. Οι κλασικοί δείκτες βλάστησης παράγονται από τα ορατά και κοντινά υπέρυθρα (NIR) σήματα, τα οποία προέρχονται από μία ή δύο επιπλέον κάμερες. Στη συνέχεια, η θερμοκρασία και το VI που παρατηρούνται σε περιοχές με διαφορετικά επίπεδα κάλυψης και υγρασίας παρέχουν ένα διδιάστατο scatterplot που συχνά έχει τριγωνικό σχήμα. Οι πιο προηγμένες προσεγγίσεις χρησιμοποιούν ένα μοντέλο '''SVAT''' (Soil Vegetation Atmosphere Transfer) για να υπολογίσουν την υγρασία από τον αντιπροσωπευτικό σημείο (βάσει θερμοκρασίας και VI) μέσα στο τριγωνικό
διάγραμμα.

Πρόσφατες μελέτες εξετάζουν επίσης πρόσθετες παραμέτρους, όπως η φωτοδιαύγεια (albedo) ή ο δείκτης απορρόφησης κυτταρίνης ('''CAI'''), για τη διάκριση μεταξύ νεαρής και ωριμότερης βλάστησης. Η εισαγωγή μιας τρίτης παραμέτρου παρακολούθησης στην κλασική μέθοδο Triangle αναμένεται να επιτρέψει τη διάκριση μεταξύ περιοχών με διαφορετικά επίπεδα υγρασίας, αλλά με παρόμοιες τιμές θερμοκρασίας και δείκτη βλάστησης. Η μέθοδος Triangle/Trapezoid είναι πιο συνηθισμένη στην ανάλυση δορυφορικών εικόνων και παρέχει χάρτες υγρασίας εδάφους σε χαμηλή ανάλυση. Αντίθετα, οι προσπάθειες εφαρμογής της σε δεδομένα αερομεταφερόμενης τηλεπισκόπησης για υψηλότερη ανάλυση είναι λιγότερο συχνές και αντιμετωπίζουν δυσκολίες λόγω της ετερογένειας της επιφάνειας, η οποία εντείνεται από αισθητήρες υψηλής ανάλυσης.

Η ακρίβεια της ανίχνευσης διαρροής θερμικών υπέρυθρων (TIR) εξαρτάται από πολλούς παράγοντες, όπως η χρονική περίοδος, η ημέρα, η καθυστέρηση μετά από βροχή, και οι περιβαλλοντικές συνθήκες. Είναι δύσκολο να προσδιορίσουμε τον ιδανικό χρόνο για τις μετρήσεις TIR λόγω της επίδρασης της βλάστησης στις θερμοκρασίες. Ορισμένοι προτείνουν τον χειμώνα για καλύτερη ορατότητα των υγρών περιοχών, ενώ άλλοι προτιμούν το καλοκαίρι για μεγαλύτερη αντίθεση μεταξύ των περιοχών διαρροής και του περιβάλλοντος. Η κατάλληλη ημέρα για τις μετρήσεις TIR παραμένει αμφιλεγόμενη, αλλά οι θερμικές διαφορές είναι εμφανείς κατά τη δύση του ηλίου και λίγο μετά την ανατολή, με τη δυνατότητα μετρήσεων και κατά τις ώρες πριν τη δύση του ηλίου.

Εν τέλει, η επιτυχία των μετρήσεων TIR εξαρτάται από τα υλικά του δικτύου ύδρευσης και την θερμική διαφορά μεταξύ του νερού και άλλων αντικειμένων.
Πρόσφατες μετρήσεις έδειξαν ότι η καλύτερη αντίθεση παρατηρείται το απόγευμα και ότι εξαφανίζεται σχεδόν κατά τη δύση του ηλίου, εκτός από τη νύχτα

Το έργο H2020WADI (Υλοποίηση Ανίχνευσης Διαρροής Αέρα με Αδιαβροχοποίηση) είχε ως στόχο την ανάπτυξη μιας υπηρεσίας επιτήρησης ανίχνευσης διαρροής νερού από αέρος, προκειμένου να παρέχει στις υπηρεσίες ύδρευσης επαρκείς πληροφορίες σχετικά με διαρροές στις υδραυλικές υποδομές έξω από αστικές περιοχές, επιτρέποντας έτσι τις άμεσες και οικονομικές επισκευές, μειώνοντας τις απώλειες στα συστήματα διανομής νερού. Επιλέχθηκε ένα αεροπορικό σύστημα αντί για ένα βασισμένο σε δορυφόρο προκειμένου να επιτευχθεί μια καλύτερη ανάλυση, ιδανικά στο εύρος των 0,5 μέτρων. Η καινοτόμος ιδέα του WADI περιλαμβάνει τον συνδυασμό και τον βελτιστοποίηση συσκευών οπτικής απομακρυσμένης ανίχνευσης (πολυφασματικές και υπέρυθρες κάμερες) και την εφαρμογή τους σε δύο συμπληρωματικά αεροπορικές πλατφόρμες (πιλοτική και ασύρματη). Το έργο είχε επίσης ως στόχο τον έλεγχο και την επικύρωση του συστήματος σε δύο πραγματικά, αντίθετα σημεία ανίχνευσης διαρροής.
[[Αρχείο:Pic 1a.JPG|thumb|center|]]

[[Το άρθρο οργανώνεται ως εξής:]]
Στην Ενότητα 2 περιγράφεται ο σχεδιασμός των οπτικών συστημάτων αισθητήρων μετά τον έλεγχο διάφορων φασματικών συνδυασμών.

Στην Ενότητα 3 παρουσιάζονται τα αποτελέσματα επικύρωσης χρησιμοποιώντας την επιλεγμένη πολυφασματική μέθοδο και τα όργανα κατά τη διάρκεια μιας σειράς εκστρατειών σε διάφορες κλίμακες, χρησιμοποιώντας τόσο μια πιλοτική αεροπορική πλατφόρμα όσο και ένα UAV πάνω σε διάφορα τμήματα των δικτύων ύδρευσης της Société du Canal de Provence (SCP) στη Γαλλία και της EDIA (Empresa de Desenvolvimento e Infra-estruturas do Alqueva) στην Πορτογαλία.

Η Ενότητα 4 παρουσιάζει μια λεπτομερή ανάλυση της απόδοσης όλων των πτήσεων, συνοδευόμενη από μια συζήτηση σχετικά με την επιτυχία της μεθοδολογίας του WADI.

Τέλος, οι συμπεράσματα παρουσιάζονται στην Ενότητα 5.

'''ΕΝΟΤΗΤΑ 2:'''

'''2.1''' '''Υλικά και μέθοδοι:'''

Οι οπτικοί δέκτες που χρησιμοποιήθηκαν στην ασύρματη αεροπορική πλατφόρμα, κατέγραψαν μια σειρά μετρήσεων χρησιμοποιώντας θερμική υπέρυθρη κάμερα με μικροβολτόμετρα(αρχικά Α235 και στη συνέχεια Α655sc, FLIR,Portland,OR,USA) Δυο υπερφασματικές κάμερες Hyspex (NEO,Oslo,Norway) η μία στο ορατό φάσμα μέχρι το κοντινό υπέρυθρο (VNIR: 0.4–1m) και η άλλη, σε μικρά μήκη στο φάσμα υπέρυθρου (SWIR: 1–2.5m) (Εικόνα 1) Με αυτόν τον τρόπο έγινε η επιλογή του καλύτερου φασματικού συνδυασμού μέσα από την σύγκριση τιμών πολλών φασματικών δεικτών οπου αναμενόταν να διαφοροποιούνται σε υγρές και ξηρές περιοχές. Αυτό είχε ως αποτέλεσμα να επιλεχθούν πιο απλές και οικονομικές κάμερες για λειτουργικές εφαρμογές.
Η διαθεσιμότητα δεδομένων στο εύρος 0.4–2.5 μm και τα δεδομένα υπερύθρων θερμοκρασίας επέτρεψαν τον έλεγχο της αποτελεσματικότητας διάφορων δεικτών νερού.
Ο δείκτης PWI (Plant Water Index), που είναι επίσης γνωστός ως WBI (Water Band Index), προτάθηκε για τη χαρτογράφηση του υδατικού περιεχομένου της βλάστησης με τον ακόλουθο τύπο:
PWI = WBI = R900 / R970

Εδώ, R900 και R970 αναφέρονται στην ανακλαστικότητα που μετράται στη ζώνη των 900 nm και 970 nm αντίστοιχα. Αυτός ο δείκτης χρησιμοποιείται για να αξιολογήσει το περιεχόμενο νερού στην βλάστηση.
Δύο δείκτες αξιοποιούν την ζώνη απορρόφησης του νερού που βρίσκεται στα 1240 nm: το Κανονικοποιημένο Δείκτη Νερού Διαφοράς 1240 NDWI και τον απλό δείκτη νερού (simle ratio water index) SRWI
Χρησιμοποιώντας τις ζώνες απορρόφησης του νερού που επικρατούν στα 1640 και 2130 nm δημιουργηθηκαν δύο Κανονικοποιημένοι Δείκτες Διαφοράς Νερού, το NDWI1640 και το NDWI2130

Η διαδικασία αυτή αφορά τον υπολογισμό διάφορων δεικτών και μεθόδων για την εκτίμηση της υγρασίας σε αγροτικά περιβάλλοντα και εδάφη, από δορυφόρο. Οι δείκτες και οι μέθοδοι αυτές εξετάζονται για να αξιολογηθεί η περιεχόμενη υγρασία των φυτών και του εδάφους.

Χρησιμοποιούνται διάφορα μήκη κύματος από το οπτικό εύρος μέχρι το κοντινό υπέρυθρο (NIR και SWIR) για τη σύγκριση της απόδοσης στην εκτίμηση της υγρασίας.

Συγκεκριμένοι δείκτες σχεδιάστηκαν για την αξιολόγηση της υγρασίας του εδάφους. Περιλαμβάνουν τους δείκτες Water Index SOIL('''WISOIL'''), Normalized Soil Moisture Index('''NSMI'''), (Normalized Index of the NSWIR domain for SMC estimation from Linear correlation) '''NINSOL''' και Normalized Index of NSWIR domain for SMC estimation from Non-Linear correlation ('''NINSON'''), που αξιοποιούν τις αντανακλάσεις σε διάφορα μήκη κύματος. Επιλέχθηκε και το αντίθετο των NINSOL και NINSON και τα ονόμασαν '''RNINSOL''' και '''RNINSON''' (R σημαίνει "αναθεωρημένο") για τη δημιουργία δεικτών που αυξάνονται με την περιεκτικότητα σε υγρασία.

Ο δείκτης Cellulose Absorption Index ('''CAI''') χρησιμοποιείται για τη διάκριση μεταξύ ξηρών φυτικών υπολειμμάτων και εδάφους. Αυτός ο δείκτης είναι ευαίσθητος στην παρουσία νερού σε φυτικά υπολείμματα και εδάφη. Απουσιάζει πλήρως σε νεοφυή βλάστηση, είναι αρνητικός όταν υπάρχουν γυμνά εδάφη και όταν είναι κοντά στο μηδέν υποδηλώνει παρουσία νερού. Οι μέγιστες απόλυτες τιμές του δείχνουν την παρουσία ξηρής βλάστησης CAI > 0 ή ξηρού γτμνού εδάφους CAI < 0

Ο δείκτης ανάκλασης γήρανσης των φυτών '''PSRI''' (Plant Senescence Reflectance Index) χρησιμοποιείται για τον προσδιορισμό του σταδίου της διαφορετικότητας των φύλλων μέσω της αύξησης της αναλογίας των καροτενοειδών προς τη χλωροφύλλη. Περιλαμβάνει μόνο φασματικές ζώνες στο ορατό.

Η μέθοδος Triangle/Trapezoid συνδυάζει το θερμικό σήμα με ένα δείκτη βλάστησης(VI) και χρησιμοποιείται για την εκτίμηση της διαθεσιμότητας νερού ή του ρυθμού εξάτμισης σε ένα σημείο/pixel της εικόνας.
Αυτές οι διαδικασία εκτελείται με τη χρήση δορυφόρων και υποστηρίζει την ανίχνευση περιοχών με ανωμαλίες στην υγρασία που ίσως σχετίζονται με διαρροές νερού.

'''2.2 Αποτελέσματα:'''

Η προκαταρκτική ανάλυση που διενεργήθηκε τον Φεβρουάριο, τον Απρίλιο και τον Ιούλιο του 2017 σε διάφορες τοποθεσίες της υδροδοτικής υποδομής της SCP είχε στόχο τον εντοπισμό διαρροών στο δίκτυο. Κατά τη διάρκεια αυτής της ανάλυσης χρησιμοποιήθηκαν διάφοροι δείκτες και μέθοδοι για τον εντοπισμό των διαρροών, λαμβάνοντας υπόψη τις καιρικές συνθήκες και τις διάφορες τοποθεσίες.
Οι δείκτες που χρησιμοποιήθηκαν περιλαμβάνουν:
'''OSAVI''' (Optimized Soil-Adjusted Vegetation Index): Χρησιμοποιήθηκε για τον δείκτη βλάστησης, εξαιτίας της ανθεκτικότητάς του στην οπτική μεταβλητότητα του γυμνού εδάφους.
'''NDVI''' (Normalized Difference Vegetation Index): Χρησιμοποιήθηκε επίσης για τον δείκτη βλάστησης και παρουσίασε παρόμοια αποτελέσματα με το OSAVI.
'''PWI''' (Profile Wetness Index): Χρησιμοποιήθηκε για τον υγρασίας του εδάφους.
'''T-VI''' (Triangle/Trapezoid Vegetation Index): Χρησιμοποιήθηκε για τον εντοπισμό διαρροών, καθώς συνδύαζε τα δεδομένα VNIR (Visible and Near-Infrared) με τα SWIR (Short-Wave Infrared).

'''NSMI, RNINSOL, RNINSON, CAI:''' Διάφοροι άλλοι δείκτες που βασίζονται στα δεδομένα VNIR και SWIR, χρησιμοποιήθηκαν για τον εντοπισμό διαρροών.

'''Θερμική Εικόνα''' (Thermal Infrared Image): Χρησιμοποιήθηκε για τον εντοπισμό περιοχών χαμηλότερης θερμοκρασίας που μπορεί να υποδεικνύουν διαρροές.

Τα αποτελέσματα έδειξαν ότι οι δείκτες που βασίζονται στα δεδομένα SWIR ή η χρήση της θερμικής εικόνας είναι αποτελεσματικοί για τον εντοπισμό διαρροών στο δίκτυο υδροδότησης. Συνολικά, οι διάφοροι δείκτες και μέθοδοι που χρησιμοποιήθηκαν παρείχαν πολλές πληροφορίες για την ανίχνευση διαρροών, με τη θερμική εικόνα να επιδεικνύει τη μεγαλύτερη αποτελεσματικότητα.

'''ΕΝΟΤΗΤΑ 3:'''

'''3.1''' Υλικά και μέθοδοι:

Επιλογή πολυφασματικών καμερών: Η επιλογή κάμερας πολυφασματικής για την ανίχνευση διαρροής βασίστηκε στον καθορισμό των κατάλληλων μηκών κύματος για την εργασία.

'''Επικύρωση της Μεθόδου T-VI σε Διάφορες Κλίμακες:''' Ο στόχος ήταν η επικύρωση της μεθόδου Temperature–Vegetation Index (T-VI) σε διάφορες κλίμακες χρησιμοποιώντας δύο διαφορετικές πλατφόρμες – MAV και UAV.
'''Εγκατάσταση MAV:''' Το πιλοτικό αεροσκάφος (MAV) που χρησιμοποιήθηκε για τη μελέτη ήταν ένα Tecnam P2006T εξοπλισμένο με μια μηχανή πολυφασματική Spectrocam VNIR με φίλτρα στα 660 nm και 832.5 nm και μια θερμική υπέρυθρη (TIR) μηχανή του Noxcam 640L (7.7–9.3 μm). Οι πτήσεις με το MAV πραγματοποιήθηκαν σε υψόμετρο περίπου 800 μέτρων, με αποτέλεσμα χωρική ανάλυση 0.30 μέτρα για τη μηχανή VNIR και 0.48 μέτρα για τη μηχανή TIR.
'''Εγκατάσταση UAV:''' Το ανεπτυγμένο αεροσκάφος (UAV) ήταν ένα ειδικά σχεδιασμένο πολύ-ελικόπτερο εξοπλισμένο με μια μηχανή πολυφασματική RedEdge 3 (με πέντε φάσματα: 475, 560, 668, 717 και 840 nm) και μια μη θερμική TIR μηχανή Vue Pro R (7.5–13.5 μm). Οι πτήσεις με το UAV πραγματοποιήθηκαν σε υψόμετρο περίπου 50 μέτρων, με αποτέλεσμα χωρική ανάλυση 3.4 εκατοστά για τη μηχανή VNIR και 6.5 εκατοστά για τη μηχανή TIR.

'''Φάσματα:''' Και οι δύο πλατφόρμες χρησιμοποίησαν κοινά φάσματα, συμπεριλαμβανομένων των 660 nm (κόκκινο), 832.5 nm (NIR) και TIR για το MAV, και 668 nm (κόκκινο), 840 nm (NIR) και TIR για το UAV. Εφαρμόστηκε ακτινομετρική βαθμονόμηση στα δεδομένα του UAV για την απόκτηση φασματικών ανακλάσεων, ενώ τα δεδομένα του MAV παρέμειναν χωρίς βαθμονόμηση.

'''Προεπεξεργασία:''' Οι εικόνες και από τις δύο πλατφόρμες υποβλήθηκαν σε προ-επεξεργασία με το λογισμικό φωτογραμμετρικής επεξεργασίας Pix4D για την απόκτηση φασματικών orthomosaics. Στη συνέχεια, αυτές οι orthomosaics συγχωνεύτηκαν με το εξειδικευμένο λογισμικό επεξεργασίας Wadileaks, που αναπτύχθηκε στο πλαίσιο του έργου WADI.

'''Προκλήσεις Συγχώνευσης:''' Η συγχώνευση των εικόνων από το MAV απαιτούσε επιπλέον λογισμικό (Gefolki) λόγω ορισμένων σφαλμάτων συγχώνευσης. Σε κάθε περίπτωση, η συγχώνευση έγινε λαμβάνοντας ως βασική την εικόνα TIR, η οποία είναι η εικόνα με τη χαμηλότερη ανάλυση. Για τον σκοπό αυτό, οι εικόνες VNIR αναστράφηκαν με χρήση αλγορίθμου παρεμβολής με διστρωματική παρεμβολή.

'''3.2''' Αποτελέσματα της Πρώτης Εκστρατείας Ανίχνευσης Διαρροής με MAV και UAV (Γαλλία)

Τον Οκτώβριο του 2018, συλλέχθηκαν δεδομένα σε περιοχές ύδρευσης που διαχειρίζεται η SCP στη Γαλλία. Οι πτήσεις πραγματοποιήθηκαν τέσσερις ημέρες μετά από βροχές, με συχνά συννεφιασμένο ουρανό, περιορίζοντας την εξάτμιση του νερού. Είναι πιθανό ότι το έδαφος είχε ακόμη υψηλή υγρασία την ημέρα της πτήσης, μειώνοντας τη διαφορά στην υγρασία ανάμεσα στις περιοχές με διαρροές και το περιβάλλον έδαφος. Σε ορισμένες δοκιμαστικές περιοχές, παρατηρήθηκαν λιμνούλες νερού ως απομεινάρια από τις πρόσφατες βροχές.

Στην περιοχή δοκιμής Vauvenargues, συνδέθηκε ένας νέος σωλήνας πολυαιθυλενίου σε έναν υπάρχοντα ατσάλινο σωλήνα και θάφτηκε σε βάθος 1 μέτρου περίπου, περίπου ένα χρόνο πριν από τις πτήσεις.

Ο νέος σωλήνας είχε εξοπλισμό για την παρακολούθηση της ροής και της πίεσης, και τρύπες για την προσομοίωση διαρροών. Η υγρασία του εδάφους μετρήθηκε την ημέρα της πτήσης και αυξήθηκε σημαντικά κοντά στις διαρροές nº1 και nº2. Οι χάρτες Water Index που αποκτήθηκαν με τα αεροσκάφη δεν αποκάλυπταν σημαντική διαφορά κατά μήκος του διαρροούντος σωλήνα, εκτός από μερικά ασθενή σημεία που δεν αντιστοιχούν ακριβώς στις πραγματικές διαρροές nº1 και nº2.

Αυτά τα αποτελέσματα υποδηλώνουν ότι για επιτυχή ανίχνευση διαρροής απαιτείται η επιλογή μιας εποχής του έτους όπου η διαφορά στην εξάτμιση του νερού μεταξύ περιοχής με διαρροή και περιβάλλοντος είναι μεγαλύτερη. Στη Γαλλία, χρησιμοποιήθηκε μια ακίνητη πλατφόρμα κάμερας στο MAV για τις αεροπορικές εκστρατείες. Αργότερα, για τις εκστρατείες που πραγματοποιήθηκαν στην Πορτογαλία, αυτή αντικαταστάθηκε από μια 2-άξονα γυροσταθείσα πλατφόρμα που συνέβαλε στην λήψη εικόνων υψηλότερης ποιότητας.

'''3.3''' Αποτελέσματα μιας δεύτερης σειράς εκστρατειών ανίχνευσης διαρροών με το MAV και UAV (Πορτογαλία)

Τον Μάιο και τον Σεπτέμβριο του 2019 πραγματοποιήθηκαν δύο αερομεταφερόμενες εκστρατείες σε περιοχές του δικτύου ύδρευσης που διαχειρίζεται η EDIA στην Πορτογαλία. Σκοπός αυτών των εκστρατειών ήταν να επαληθευτούν τα αποτελέσματα που είχαν προκύψει από προηγούμενες εκστρατείες στη Γαλλία και να αξιολογηθεί πώς το Sensors 2022, 22, 1057 μπορεί να βελτιώσει την ανίχνευση διαρροών μέσω της χρήσης κατάλληλων μετεωρολογικών συνθηκών.

Κατά τη διάρκεια των εκστρατειών, πραγματοποιήθηκαν τεχνητές διαρροές με διάφορα σενάρια, περιλαμβανομένων επιφανειακών και υπόγειων διαρροών, μεμονωμένων ή επαναλαμβανόμενων συμβάντων, καθώς και διαρροών σε διάφορα εδαφικά περιβάλλοντα.

Επιπλέον, περιοχές με προηγούμενα συμβάντα ροής νερού περιλαμβάνονταν στα δρομολόγια πτήσης των UAV για να βοηθήσουν στην ερμηνεία των αποτελεσμάτων. Επίσης, πραγματοποιήθηκε ακουστική καμπάνια πριν από τις πτήσεις στο Μόντε Νόβο για τον εντοπισμό τυχόν τρεχουσών διαρροών.

Η ανάλυση των αποτελεσμάτων απέδειξε ότι οι μέθοδοι ήταν λιγότερο αποτελεσματικές σε σωλήνες από σκυρόδεμα και πλαστικούς σωλήνες σε σχέση με τους μεταλλικούς σωλήνες. Ακόμη, οι εικόνες που καταγράφηκαν από τα UAV αποκάλυψαν αντιθέσεις που προσέφεραν πληροφορίες σχετικά με την παρουσία νερού και την ανίχνευση διαρροών.

Τα οπτικά δεδομένα συμφώνησαν με μετρήσεις υγρασίας του εδάφους. Κατά τη διάρκεια πτήσεων τον Μάιο του 2019, παρατηρήθηκε απότομη μείωση της υγρασίας του εδάφους κοντά σε υδροστατήρες σε διάφορες αποστάσεις από αυτούς. Επιπροσθέτως, αναφέρεται ότι τα δεδομένα από την απομακρυσμένη ανίχνευση και τις μετρήσεις υγρασίας του εδάφους δείχνουν θετική συσχέτιση μεταξύ των δύο παραγόντων, παρά την κάποια διασπορά στα δεδομένα.

Τέλος, πραγματοποιήθηκαν πολλές μετρήσεις υγρασίας του εδάφους στα πεδία δοκιμών για την παρακολούθηση της ροής της τεχνητής διαρροής και την ερμηνεία των αποτελεσμάτων από αεροσκάφη UAV και MAV.

'''ΕΝΟΤΗΤΑ 4:''' '''Ανάλυση απόδοσης και συζήτηση'''

Η ανάλυση της εφαρμογής της υπηρεσίας WADI απαιτείται για να εντοπιστούν οι συνθήκες υπό τις οποίες το προτεινόμενο T-VI πολυφωτοανιχνευτικό σύστημα θα έχει μεγαλύτερες πιθανότητες επιτυχίας στον εντοπισμό διαρροών νερού. Αυτή η ανάλυση βασίστηκε σε 60 περιπτώσεις κατά τις πτήσεις στην Γαλλία και την Πορτογαλία, με επεξεργασμένες εικόνες UAV και MAV. Για την ανάλυση, οι περιπτώσεις αυτές κατηγοριοποιήθηκαν σε πραγματικές διαρροές, φυσικές ροές ή καθόλου διαρροές και φυσικές ροές. Η απόδοση δόθηκε λαμβάνοντας υπόψη διάφορες παραμέτρους όπως την τεχνολογία πτήσης, τις περιβαλλοντικές συνθήκες, τύπος εδάφους και βλάστηση.

Γενικά, το πολυφασματικό σύστημα T-VI επιτυγχάνει την αναγνώριση πραγματικών περιστατικών σε περίπου το 50% των περιπτώσεων, με σημαντική βελτίωση στην απόδοσή του από την υλοποίηση στην επικύρωση.

Επιπλέον, τα καλύτερα αποτελέσματα να παρατηρούνται υπό συνθήκες χωρίς βροχόπτωση. Επίσης, ο τύπος του εδάφους επηρέασε την ανίχνευση, με τα εδάφη άργιλου να παρουσιάζουν καλύτερα αποτελέσματα από τα εδάφη άμμου. Όσον αφορά τη βλάστηση, η τεχνολογία πτήσης δεν διαφέρει σημαντικά στην ανίχνευση, αλλά η ανάλυση έδειξε ότι δεν είναι κατάλληλη για περιοχές με δάση λόγω της χαμηλής ευαισθησίας του θερμικού σήματος στην υγρασία του εδάφους.
Αντίθετα, οι γεωργικές περιοχές με ακάλυπτα εδάφη και καλλιέργειες αποτελούν τις καλύτερες περιοχές για την επιτυχία της τεχνολογίας WADI.

Τέλος, η τεχνολογία πτήσης δεν διαφέρει σημαντικά στην ανίχνευση, με τα UAV και τα MAV να παρέχουν περίπου τα ίδια αποτελέσματα, με διαφορές στη χωρική κάλυψη και το κόστος εκμετάλλευσης.

'''ΕΝΟΤΗΤΑ 5:'''

Για την χαρτογράφηση της εξατμισοδιαπνοής και της υγρασίας τοπίου(≥1km) και αγρού(≥100m) είναι γνωστό ότι είναι πολύ αποτελεσματική η μέθοδος τριγώνου/τραπεζοειδούς, πολυφασματική οπτική μέθοδος της τηλεπισκόπησης. Στην προκειμένη, είναι καινοτόμος προσέγγιση για τον εντοπισμό διαρροής υδάτων, μιας και γίνεται προσπάθεια να αντληθούν πληροφορίες σε μορφή raster σε σύντομο χρονικό διάστημα για μεγάλα δίκτυα ύδρευσης. Η μέθοδος βασίζεται στην αρχή ότι οι διαρροές εκθέτους το έδαφος σε εντονότερη εξάτμιση λόγω της υψηλότερης υγρασίας και κατά συνέπεια, μείωση της επιφανειακής θερμοκρασίας. Ταυτόχρονα, με την αλλαγή αισθητήρων από αεροπλάνο σε drones υπάρχει η δυνατότητα να ληφθούν πιο αναλυτικές εικόνες(5cm) και να γινει εστίαση σε περιοχές που χρήζουν προσοχής και είναι δισπρόσιτες.

Βέβαια, λόγω της ύπαρξης πιθανής βλάστησης, επίσης, μειώνεται η επιφανειακή θερμοκρασία. Ωστόσο, η μέθοδος τριγώνου επιτρέπει την εμπειρική δημιουργία μιας κλίμακας ανάμεσα στην φαινομενική θερμοκρασία και την υγρασία του εδάφους.

Οι πληροφορίες σχετικά με το ποσοστό κάλυψης λαμβάνεται μέσω ενός δείκτη βλάστησης, για παράδειγμα του NDVI ή του OSAVI, ο οποίος υπολογίζεται από τη σχετική διαφορά στην οπτική ανάκλαση που μετράται στο κόκκινο και στο εγγύς υπέρυθρο. Τα δεδομένα αυτά παρέχονται από μια δεύτερη κάμερα που παρέχει εικόνες του περιοχής στις δύο αυτές συγκεκριμένες φασματικές ζώνες. Στο τέλος, ο συνδυασμός των τριών οπτικών σημάτων (κόκκινο, εγγύς υπέρυθρο και θερμικό υπέρυθρο) επιτρέπει τη χαρτογράφηση του λεγόμενου δείκτη νερού. Με την κατασκευή, οι περιορισμοί στη βαθμονόμηση των σημάτων χαλαρώνουν σημαντικά. Οποιοδήποτε ανωμαλία στην εικόνα WI η οποία εκδηλώνεται ως υψηλές τιμές στην κοντινή περιοχή της γραμμής του δικτύου, αποτελεί ένδειξη ύπαρξης πιθανής διαρροής.

Μια σειρά αεροπορικής τηλεπισκόπησης πραγματοποιήθηκαν με μηχανοκίνητο ανεμόπτερο, αεροπλάνο και μη επανδρωμένο αεροσκάφος από το 2017 έως το 2019 πάνω από το δίκτυο ύδρευσης SCP (Γαλλία) και EDIA (Πορτογαλία) πάνω από δίκτυα μεταφοράς, αρχικά για τον καθορισμό του πολυφασματικού συστήματος με στόχο την ανίχνευση διαρροών νερού και στη συνέχεια για την επικύρωσή του σε συνθήκες λειτουργίας. Σε αρκετές τοποθεσίες, υπήρχαν τόσο τεχνητές όσο και φυσικές διαρροές.

Αρχικά λειτούργησαν υπερφασματικές και θερμικές κάμερες για να ληφθούν φασματικές εικόνες που περιλαμβάνουν τις φασματικές ζώνες VNIR, SWIR και TIR. Τα καλύτερα αποτελέσματα επιτεύχθηκαν με την εφαρμογή της μεθόδου Triangle με συνδυασμό της θερμικής υπέρυθρης εικόνας με έναν δείκτη βλάστησης που κατασκευάστηκε από δύο εικόνες VNIR. Οι αντιθέσεις που επιτεύχθηκαν με τη μέθοδο SWIR με βάση την δείκτες και με τη λεγόμενη μέθοδο οπτικού τραπεζοειδούς ήταν χαμηλότερες.

Φασματικά βελτιστοποιημένοι οπτικοί αισθητήρες λειτούργησαν στη συνέχεια σε ένα μικρό αεροπλάνο και σε ένα UAV για την επίτευξη συμπληρωματικών πληροφοριών όσον αφορά την κλίμακα πεδίου και την ανάλυση. Μια προκαταρκτική πολυχρονική ανάλυση έδειξε ότι ο εντοπισμός της υπογραφής της διαρροής μπορεί να βελτιστοποιηθεί με προσεκτική επιλογή του χρόνου πτήσης σε σχέση με το ιστορικό της ηλιακής ακτινοβολίας.

Στην παρούσα μελέτη αναφέρονται πιθανοί ψευδείς συναγερμοί που μπορούν να προκύψουν από υψηλή βλάστηση και διακυμάνσεις στο έδαφος/τη βλάστηση, καθώς και οπτικές ιδιότητες που δεν αποκρίνονται επαρκώς στη μέθοδο Triangle. Άλλες πηγές παρερμηνείας περιλαμβάνουν τις σκιές της βλάστησης και τις υποδομές. Η συνεργασία με τις υπηρεσίες ύδρευσης μπορεί να βοηθήσει στη μείωση του ποσοστού ψευδών συναγερμών. Επιπλέον, οι βοηθητικές πληροφορίες μπορούν να χρησιμοποιηθούν για την απόρριψη ψευδών συναγερμών, όπως η πλάγια επικλίνουσα επιφάνεια του εδάφους και η ανωμαλία WI που επεκτείνεται προς τα πάνω από τον κοντινό σωλήνα.

Για να διευκολυνθεί η επαλήθευση των αποτελεσμάτων της τηλεπισκόπησης με την επί τόπου παρατήρηση, είναι σημαντικό να υπάρχει σύντομος χρόνος μεταξύ των πτήσεων και του επιτόπιου ελέγχου, ώστε οι συνθήκες να είναι όσο το δυνατόν πιο παρόμοιες στις δύο στιγμές. Τούτο είναι σημαντικό για την εξασφάλιση της ακρίβειας των αποτελεσμάτων. Επιπλέον, η ανάλυση αυτή πρέπει να επανεξεταστεί και να ενημερωθεί καθώς διεξάγονται νέες πτήσεις και ανακαλύπτονται νέα γεγονότα.

Τέλος, η μέθοδος ανίχνευσης διαρροών που χρησιμοποιήθηκε στην μελέτη είχε ικανοποιητική απόδοση με 50% ανίχνευση των γεγονότων με ακρίβεια. Αυτό επετεύχθη χάρη σε διάφορα χαρακτηριστικά της περιοχής, όπως οι γεωργικές ζώνες με γυμνά εδάφη, καλλιέργειες σε πρώιμο στάδιο ανάπτυξης και μεικτές περιοχές. Η τεχνολογία πτήσης που χρησιμοποιήθηκε φαίνεται να είναι κατάλληλη για την εκτέλεση ανίχνευσης διαρροών.

[[category:Υδατικοί Πόροι]]

Using Hyperspectral Remote Sensing to MonitorWater Quality in Drinking Water Reservoirs

2024-01-30T21:06:56Z

Katerina Stamoulou:

'''Using Hyperspectral Remote Sensing to Monitor Water Quality in Drinking Water Reservoirs'''/ Παρακολούθηση ποιότητας πόσιμου νερού δεξαμενής, με υπερφασματική τηλεπισκόπηση.

'''Συγγραφείς:Clémence Goyens 1,* , Héloïse Lavigne 1, Antoine Dille 1 and Han Vervaeren 2'''

[https://www.mdpi.com/2072-4292/14/21/5607 Πηγή:]

[[Αρχείο:Pic 19.JPG|thumb|center|]]

'''Περίληψη:''' Στο Κέντρο Παραγωγής Νερού Blankaart, προβλήματα από ανάπτυξη φυκιών σε επιφανειακά νερά δεξαμενής, επηρέασαν την παραγωγή πόσιμου νερού. Για τον έλεγχο αυτής της ανάπτυξης φυκιών, εφαρμόζονται στρατηγικές όπως η έγχυση αλγοκτόνων. Το σύστημα HYPSTAR, λειτουργώντας από το 2021, παρακολουθεί την αποτελεσματικότητα αυτών των μεθόδων, μετρώντας με βιο-οπτικές παραμέτρους όπως χλωροφύλλη και αιωρούμενα σωματίδια. Η μελέτη δείχνει πώς τα δεδομένα του HYPSTAR βοηθούν στην γρήγορη και οικονομική παρακολούθηση των φυκιών, ενισχύοντας τη διαχείριση της ποιότητας του νερού.

'''Εισαγωγή:'''

Η συχνότητα ακραίων καλοκαιριών, η αστική επέκταση και οι κοινωνικο-οικονομικές πιέσεις απειλούν την ποιότητα και τη διαθεσιμότητα των επιφανειακών και υπόγειων υδάτινων πόρων. Το 2021, η Ευρωπαϊκή Επιτροπή υπογράμμισε την ανάγκη για ενέργειες προς διασφάλιση και βιώσιμη χρήση των πόρων γλυκού νερού. Η παραδοσιακή παρακολούθηση της ποιότητας του νερού, που βασίζεται σε δειγματοληψίες και εργαστηριακή ανάλυση, δεν επαρκεί για την παρακολούθηση διακυμάνσεων και τάσεων στην ποιότητα του νερού. Ως εκ τούτου, έχουν γίνει σημαντικές βελτιώσεις στις τεχνολογίες online παρακολούθησης για τη μέτρηση των φυσικών και χημικών παραμέτρων.

Ανάμεσα στις αυτοματοποιημένες τεχνολογίες, οι οπτικοί αισθητήρες που τοποθετούνται πάνω από την επιφάνεια του νερού έχουν αποδειχθεί οικονομικά αποδοτικοί για την παρακολούθηση της ποιότητας του νερού. Η ανάπτυξη της υπερφασματικής ακτινομετρίας επιτρέπει τώρα την ανίχνευση λεπτομερών φασματικών χαρακτηριστικών, ενισχύοντας την ικανότητα των αισθητήρων να αναλύουν τη βιοποικιλότητα στα ύδατα, όπως η σύνθεση και η πληθυσμιακή αφθονία του φυτοπλαγκτόν. Το σύστημα HYPSTAR, το οποίο τοποθετήθηκε από το 2021, συνδράμει στην παρακολούθηση της ποιότητας του νερού στο Κέντρο Παραγωγής Νερού Blankaart, μια σημαντική πηγή πόσιμου νερού στην παράκτια περιοχή του Βελγίου.

Στόχος της μελέτης είναι να αποδείξει τις δυνατότητες του HYPSTAR για αξιόπιστες μετρήσεις ανακλαστικότητας νερού με χαμηλές απαιτήσεις συντήρησης και υψηλή χρονική ανάλυση. Επιπλέον, εξετάζει πώς η συνεχής χρήση αυτών των μετρήσεων μπορεί να βελτιώσει την εκτίμηση της ποιότητας του νερού, εστιάζοντας στη χλωροφύλλη και τα αιωρούμενα σωματίδια. Χρησιμοποιεί δυο βασικούς δείκτες ποιότητας νερού, τη χλωροφύλλη και τα αιωρούμενα σωματίδια. Η μελέτη επιχειρεί επίσης να διερευνήσει τη δυνατότητα του HYPSTAR να ανιχνεύει τη φυκοκυανίνη, ένα μοναδικό χρωστικό των γλυκών νερών και των φυκιών.

''Το Τμήμα 1:'' περιγράφει τον αισθητήρα HYPSTAR και τα συλλεχθέντα δεδομένα, καθώς και την επεξεργασία που χρησιμοποιείται για την εκτίμηση της ανακλαστικότητας του νερού που επιστρέφει.
Τα δεδομένα δειγματοληψίας νερού που χρησιμοποιούνται για την επικύρωση των αλγορίθμων χλωροφύλλης(Chla) περιγράφονται στο ''Τμήμα 2.2. Το Τμήμα 2.3'' περιγράφει τους αλγόριθμους που χρησιμοποιούνται για την ανάκτηση των προϊόντων ποιότητας νερού, δηλαδή τη χλωροφύλλη και τα αιωρούμενα σωματίδια (SPM). Οι βελτιώσεις στους αλγορίθμους χλωροφύλλη παρουσιάζονται στο ''Τμήμα 3.2.'' Οι λαμβανόμενες μακροχρόνιες χρονοσειρές χλωροφύλλης(chla) και SPM μαζί με τα δεδομένα δειγματοληψίας νερού και ορισμένες ταυτόχρονες δορυφορικές εικόνες παρουσιάζονται στο'' Τμήμα 3.3''. Στο ''Τμήμα 3.4,'' ερευνάται τη δυνατότητα ανίχνευσης φυκοκυανίνης με τα δεδομένα HYPSTAR. Τέλος, ''στο Τμήμα 4'', συζητούνται οι πιθανές βελτιώσεις για περαιτέρω αξιοποίηση των δεδομένων και πώς τα προϊόντα ποιότητας νερού HYPSTAR θα μπορούσαν να χρησιμοποιηθούν για λειτουργική εκτίμηση της ποιότητας του νερού σε συνδυασμό με δορυφορικές εικόνες.

'''Σχήμα 1.''' Θέα από τη βορειοανατολική άκρη του τοίχου δεξαμενής Blankaart (αριστερά), λεπτομερής εικόνα του HYPSTAR που εγκαταστάθηκε κατά μήκος του κιγκλιδώματος 30 μέτρα από το συνοριακό άκρο (μέση), και αληθινή εικόνα χρωμάτων Sentinel 2A που λήφθηκε στις 2021-02-04 και επεξεργάστηκε με το ACOLITE [23] με τη δεξαμενή Blankaart στο κέντρο της εικόνας (πάνω δεξιά) και η παγχρωματική εικόνα GEOEye που λήφθηκε στις 2019-05-24 (κάτω δεξιά). Ένας κόκκινος σταυρός υποδεικνύει τη θέση του αισθητήρα (50.9888°N–2.8352°W). Το μπλε ημικύκλιο δείχνει τον προσανατολισμό του αισθητήρα κατά τη διάρκεια της ημέρας.

'''2. Υλικά και μέθοδοι'''

'''2.1. Δεδομένα ανακλαστικότητας νερού'''

'''2.1.1. HYPSTAR'''
Το HYPSTAR, ένα Υπερφασματικό Σύστημα Καταγραφής για Επίγεια και Υδάτινη Ακτινομετρία, εγκαταστάθηκε τον Ιανουάριο του 2021 στην δεξαμενή νερού του Blankaart WPC στο Βέλγιο. Αυτό το σύστημα μετρά συνεχώς την ανακλαστική και εισερχόμενη ακτινοβολία κατά τις ώρες ημέρας, εκτός από σύντομες περιόδους διακοπής για συντήρηση. Το HYPSTAR μετρά το ανακλώμενο φως στο ορατό
και κοντινό υπέρυθρο φασματικό εύρος και είναι εξοπλισμένο με GPS και ενσωματωμένη κάμερα για την οπτική επιθεώρηση των συνθηκών. Τοποθετήθηκε σε έναν τσιμεντένιο τοίχο της δεξαμενής, προσφέροντας μετρήσεις υψηλής ακρίβειας. Το HYPSTAR αναπτύχθηκε στο πλαίσιο του έργου HYPERNETS του H2020 και αποτελεί μέρος του δικτύου HYPERNETS.

'''2.1.2 Πρωτόκολλο συλλογής και επεξεργασίας δεδομένων'''

Η προσέγγιση πάνω από το νερό για τη μέτρηση της ποιότητας νερού περιλαμβάνει τη χρήση ραδιομέτρων για την προσπίπτουσα ακτινοβολία (Ld), την ανακλαστική ακτινοβολία επιφάνειας (Lu) και την ακτινοβολία που μεταδίδεται μέσω της διεπιφάνειας αέρα-νερού (Ed). Αυτές οι μετρήσεις επιτρέπουν τον υπολογισμό της ακτινοβολίας που εξέρχεται από το νερό, κρίσιμης για την ανάλυση της ποιότητας του νερού. Το HYPSTAR, το όργανο που χρησιμοποιείται, καταγράφει δεδομένα σε ορισμένες γωνίες, με κάθε γωνία να περιλαμβάνει πολλαπλές σαρώσεις που στη συνέχεια μετριάζονται. Οι μετρήσεις γίνονται κάθε 15 έως 30 λεπτά κατά τη διάρκεια της ημέρας και περιέχει τις ακόλουθες σειρές:
1.
Τρεις σαρώσεις του Ed(l, q = 180°, Df = +/- 90°);
2.
Τρεις σαρώσεις του Ld(l, q = 140°, Df = +/- 90°);
3.
Έξι σαρώσεις του Lu(l, q = 40°, Df = +/- 90°);
4.
Τρεις σαρώσεις του Ld(l, q = 140°, Df = +/- 90°);
5.
Τρεις σαρώσεις του Ed(l, q = 140°, Df = +/- 90°).
Η μέθοδος αυτή ακολουθεί το πρωτόκολλο μέτρησης και επεξεργασίας δεδομένων που υιοθετήθηκε από τη NASA και την IOCCG.

'''2.1.3 Επεξεργασία δεδομένων'''

Τα δεδομένα ακτινοβολίας επεξεργάζονται με τον επεξεργαστή Hypernets (ο οποίος είναι πλήρως προσβάσιμος: https://github.com/HYPERNETS/hypernets_processor, πρόσβαση στις 14 Οκτωβρίου 2022) και τον RHYMER («Αξιόπιστη επεξεργασία υπερ-φασματικής μέτρησης της ακτινοβολίας») για τον υπολογισμό της ανακλαστικότητας του νερού.

Υπάρχουν διάφορα βήματα επεξεργασίας και ελέγχου ποιότητας για τα δεδομένα. Το πρώτο βήμα είναι τα αυτούσια δεδομένα χωρίς επεξεργασία της ακτινοβολίας και της φωτεινότητας αλλά και των μαύρων περιοχών. Ως εκ τούτου, εφαρμόζονται φίλτρα για τη διάγνωση και αφαίρεση δεδομένων που μπορεί να είναι εσφαλμένα ή μη ποιοτικά. Ο επεξεργαστής επιτρέπει την παρακολούθηση της ποιότητας των δεδομένων ανακλαστικότητας του νερού και την αφαίρεση αμφιβόλων φασμάτων, ενώ επίσης χρησιμοποιεί δεδομένα από μετεωρολογικό σταθμό για την πρόβλεψη ταχύτητας ανέμου. Αυτά τα φίλτρα εξασφαλίζουν την ποιότητα των δεδομένων ανακλαστικότητας του νερού και την απόρριψη δεδομένων που δεν είναι αξιόπιστα για περαιτέρω ανάλυση.

Το '''πρώτο φίλτρο''' ελέγχει την αναλογία της ανακλαστικότητας Lu(l)/Ed(l) μεταξύ 800 και 950 nm και απορρίπτει τα φάσματα που επηρεάζονται από τον αφρό ή τα άλατα, όπου αυτή η αναλογία είναι μεγαλύτερη από 0,025 sr⁻¹.

Το '''δεύτερο φίλτρο''' εξετάζει τον παράγοντα παρόμοιας περιοχής φάσματος NIR (e(720, 780)) και απομακρύνει τα εσφαλμένα φάσματα, τα οποία δημιουργούνται από την αντανάκλαση του ήλιου ή του αέρα, όπου αυτός ο παράγοντας υπερβαίνει ένα καθορισμένο όριο.

Το '''τρίτο φίλτρο''' αφαιρεί τα φάσματα με αρνητικές ανακλαστικές τιμές μεταξύ 400 και 900nm (ανακριβή αφαίρεση ανακλαστικότητας της διεπιφάνειας αέρα-νερού).

Για τον υπολογισμό της ανακλαστικότητας του νερού, ο παράγοντας ανακλαστικότητας rF ανακτάται από τον πίνακα αναζήτησης του [26] χρησιμοποιώντας ως είσοδο την ηλιακή γωνία ηλίου, τη γωνία επισκόπησης, τη σχετική αζιμούθιο γωνία μεταξύ ηλίου και αισθητήρα και την ταχύτητα του ανέμου στα 10 μέτρα πάνω από την επιφάνεια της θάλασσας. Η ταχύτητα του ανέμου προέρχεται από έναν κοντινό σταθμό, δηλαδή τον σταθμό VLINDER που βρίσκεται στο Blankaart.

'''2.2 Αξιολόγηση δεδομένων'''

'''2.2.1: Συλλογή Δεδομένων Χλωροφύλλης (Chla)'''

Σε αυτό το υποκεφάλαιο, αναφέρεται η συλλογή δεδομένων χλωροφύλλης (Chla) μέσω δειγματοληψίας επιφανειακού νερού που πραγματοποιείται από τους υδρολόγους με δοχείο 5λίτρων. Τα δείγματα συλλέγονται ανά διάστημα και αξιολογούνται για την ποιότητα του νερού με μια φασματοφωτομετρική μέθοδος, 10200Η[31]. Συνολικά βρέθηκαν 43 συγκεντρώσεις chla από δειγματοληψείες από τον Ιανουάριο 2021 και μετά.

'''2.2.2: Διαδικασία Μετρήσεων Κυανοβακτηρίων και Διατομών'''

Η μέτρηση των αλγών έγινε χειροκίνητα, χρησιμοποιώντας το πρωτόκολλο δειγματοληψίας και προετοιμασίας που ακολουθεί το "Συνοπτικό Εγχειρίδιο Δειγματοληψίας, Μέτρησης και Ανάλυσης του Νερού" της Φλαμανδικής Κυβέρνησης και το ευρωπαϊκό πρότυπο EN 15204.

'''2.3.1: Αλγόριθμοι για τα Προϊόντα Ποιότητας του Νερού (Chla)'''

Στη μελέτη αυτή, δοκιμάστηκαν και συγκρίθηκαν διάφοροι αλγόριθμοι βασισμένοι στην "κόκκινη άκρη" (red-edge) τόσο με χρήση πολυφασματικών όσο και υπερφασματικών προσεγγίσεων, με στόχο την ανίχνευση της χλωροφύλλης α (Chla) σε θολά και ευτροφικά νερά. Οι αλγόριθμοι που βασίζονται στον υπολογισμό της απορρόφησης της Chla στα 665 nm (SIMIS) και στην εκτίμηση της Chla με βάση τις ανακλάσεις σε δύο συγκεκριμένες μήκη κύματος (CRAT) αξιολογήθηκαν.

Ο αλγόριθμος SIMIS υπολογίζει τις συγκεντρώσεις Chla με την εξίσωση:
αChl(665)=(ρw(709)/ρw(665))(αw(709)+bb)-bb-αw(665)
ChlSa=αChl(665)/α΄ph(665)

όπου α΄ph (665) είναι ο συντελεστής απορρόφησης της φυκοκυάνης ανά μονάδα συγκέντρωσης Chla.

Ο αλγόριθμος CRAT υπολογίζει τη Chla με την εξίσωση:

ChlCa=[aw(l2)−aw(l1)]/α΄ph(672)

όπου l2 επιλέγεται ατομικά στο διάστημα 704–740 nm ως το μήκος κύματος στο οποίο η ανάκλαση είναι ίση με την ανάκλαση στην κόκκινη απορρόφηση Chla (δηλαδή ρw(l2)=ρw(l1)) και l1 ισούται με 672 nm.

Η μελέτη επισημαίνει επίσης ότι οι τιμές α΄ph(l) μπορεί να διαφέρουν ανάλογα με διάφορους παράγοντες και προτείνεται η χρήση μιας μεταβλητής α΄ph(l) για την βελτίωση των εκτιμήσεων της συγκέντρωσης Chla.

Η μορφή της συνάρτησης που προτείνεται είναι: α΄ph(l)=A⋅Chl−Β

όπου Α και Β είναι συντελεστές εξαρτώμενοι από το μήκος κύματος.

Τέλος, η ακρίβεια των αλγορίθμων ChlS_a και ChlC_a αξιολογήθηκε με βάση τις εξής μετρικές:

•Το Root Mean Square Error ('''RMSE'''),
•Η κλίση (S) και το σημείο τομής (I) της παραμικρών τετραγώνων παλινδρόμησης,
•Το Mean Absolute Percentage Error ('''MAPE'''),
•Το '''BIAS'''.

'''2.3.2: Εκτίμηση Σωματιδίων Συστοιχίας (SPM)'''

Για τον υπολογισμό των σωματιδίων συστοιχίας (SPM), χρησιμοποιήθηκε ο αλγόριθμος από το Nechad et al. [45], με το μέτρο της ανακλαστικότητας του νερού στα 700 nm ως εξής:

<math> SPM = A˄N2010 x ρw(700) / 1- ( ρw(700)/C^N2010) </math> (8)

όπου οι σταθερές A˄N2010 και C˄N2010 είναι σταθερές τιμές (δηλαδή 445,11 και 1,13 αντίστοιχα) που λαμβάνονται από τον πίνακα 1 στο [45].

[[Αρχείο:Pic 20.JPG|thumb|center|]]

'''2.3.3: Κυανοβακτήρια'''

Εξετάζεται η ανάπτυξη και αξιολόγηση διαφόρων δεικτών για την ανίχνευση φυκοκυάνων, δεδομένης της ανεπαρκούς συσχέτισης μεταξύ δειγματοληψίας νερού και δεδομένων ανάκλασης HYPSTAR (μόνο δύο συσχετίσεις). Η αξιολόγηση συμπληρώθηκε με δύο επιπλέον μετρήσεις από τον αισθητήρα PANTHYR κατά τη διάρκεια μεγάλης απότομης ανάπτυξης φυκοκυάνων το 2019 και το 2020.

Οι δείκτες που αναπτύχθηκαν εστιάζουν στις φασματικές ιδιαιτερότητες των φυκοκυάνων λόγω της απορρόφησης του φυκοκυανίνης (PC) και των φαινομένων φθορισμού τους. Χρησιμοποιώντας έναν αναλυτικό αλγόριθμο, οι Simis και συνεργάτες πρότειναν τον υπολογισμό της συγκέντρωσης PC από την απορρόφησή του στα 620 nm, μετά από διόρθωση για την απορρόφηση του νερού και της χλωροφύλλης α.

Ο '''πρώτος δείκτης''', CI1, υπολογίζεται ως εξής:

CI1=[((ρw(709)/ρw(620))(aw(709)]+bb))−bb−αw(620)−e665−620⋅αChl(665)

όπου e665−620e665−620 είναι ο συντελεστής μετατροπής από αChl(665) σε αChl(620)(ίσο με 0.24) και d είναι ένας συντελεστής διόρθωσης.

Ο '''δεύτερος δείκτης''', CI2, είναι ο λόγος των μπαντών μεταξύ ρw(600) και ρw(700), όπως προτάθηκε από τον Mishra και τους συνεργάτες:

CI2=ρw(700)/ρw(600)

Οι μπάντες επιλέγονται για την χαμηλή μεταβλητότητά τους και την απουσία επιρροής από την απορρόφηση της χλωροφύλλης α στα 600 nm.

Ο '''τρίτος δείκτης''', CI3, προτάθηκε από τον Wynne και συνεργάτες και εστιάζει στο φάσμα γύρω από τα 681 nm, παρόμοιο με μια εξίσωση ύψους γραμμής φθορισμού:

CI3=ρw(681)−ρw(665)−[ρw(709)−ρw(665)][(681−665)/(709−665)]

Ένα αρνητικό αποτέλεσμα για το CI3 αναμένεται στην παρουσία φυκοκυάνων, ενώ ένα θετικό αποτέλεσμα στην απουσία τους.

Εικόνα 2:Αριθμός έγκυρων ακολουθιών που λαμβάνονται κάθε μέρα ("Όλες οι ακολουθίες"), και οι απομείναντες ακολουθίες μετά την αφαίρεση των φασμάτων που δεν ικανοποιούν τα ακόλουθα φίλτρα:

(1) Φίλτρο 1: Lu(l)/Ed(l) μεταξύ 800 και 950 nm > 0.025 sr^-1;

(2) Φίλτρο 2: e(720, 780) > 0.005; και

(3) Φίλτρο 3: αφαίρεση αρνητικών δεδομένων ανακλαστικότητας στην περιοχή 400–900 nm.

Σημειώστε ότι το όργανο ήταν σε συντήρηση και επαναβαθμονόμηση τον Φεβρουάριο–Απρίλιο του 2022.

'''3.Αποτελέσματα

3.1 Ανακλαστικότητα από το νερό.'''

Καταμετρήθηκαν 8116 φάσματα από 27/01/2021 έως 03/08/2022.
Αρχικά, 7933 φάσματα επιλέγονται μετά από ποιοτικό έλεγχο. Από αυτά, φάσματα με ε(720, 780) > 0.005 αφαιρούνται, αφήνοντας 6535 φάσματα. Περαιτέρω, αφαιρούνται φάσματα με αρνητικές τιμές μεταξύ 400-900 nm, παραμένοντας 2988 μετρήσεις. Περισσότερα δεδομένα αφαιρούνται τον χειμώνα λόγω δυσμενών καιρικών συνθηκών, με 38, 74 και 89 φάσματα να διατηρούνται τους μήνες Δεκέμβριο, Ιανουάριο και Φεβρουάριο αντίστοιχα. Το καλοκαίρι, ο αριθμός των φασμάτων κυμαίνεται μεταξύ 307 και 622 ανά μήνα. Όλα τα φάσματα εμφανίζουν τυπικά χαρακτηριστικά εσωτερικών υδάτων, με χαμηλότερες αντανακλάσεις στο μπλε φάσμα σε σύγκριση με το πράσινο και κόκκινο.

Η αντανάκλαση είναι υψηλότερη τον χειμώνα, ιδιαίτερα στο φάσμα 500-600 nm λόγω αυξημένης συγκέντρωσης σωματιδίων. Επίσης, παρατηρούνται διακριτικά φασματικά χαρακτηριστικά, όπως η αύξηση της αντανάκλασης στο φάσμα 680–750 nm κυρίως την άνοιξη και το καλοκαίρι, συνδεόμενη με αυξανόμενες συγκεντρώσεις Chla.

[[Αρχείο:Pic 21.JPG|thumb|center|]]

'''3.2 Ανάκτηση Chla'''

Την ίδια χρονική περίοδο, πραγματοποιήθηκαν 43 δειγματοληψίες νερού, σε 27 από αυτά μετρήθηκαν συγκεντρώσεις χλωροφύλλης chla με λήψεις από το HYPSTAR και ήταν έγκυρα όσον αφορά τα κριτήρια ποιότητας. Παρατηρείται ένα U-σχήμα στο φάσμα γύρω από τα 650-670 nm για τις υψηλότερες συγκεντρώσεις Chl-a, το οποίο είναι χαρακτηριστικό της υψηλής απορρόφησης φυκιοφυτοπλαγκτόν. Επίσης, παρατηρείται αύξηση στην ανακλαστικότητα γύρω από τα 710-720 nm και 555 nm για τις υψηλότερες συγκεντρώσεις Chl-a. Παρουσιάζεται η ακρίβεια των ανακτημένων συγκεντρώσεων Chl-a χρησιμοποιώντας τους αλγόριθμους CRAT και SIMIS.

Ο αλγόριθμος CRAT χρησιμοποιείται σε συγκεντρώσεις Chl-a περίπου από 10 έως 100 g/L, ενώ ο αλγόριθμος SIMIS είναι καλύτερος για συγκεντρώσεις περίπου 10 έως 119.56 g/L.

Τα RMSE είναι 8.20 g/L και 5.61 g/L για τους αλγόριθμους CRAT και SIMIS, αντίστοιχα. Και οι δύο αλγόριθμοι τείνουν να υπερεκτιμούν τις χαμηλές συγκεντρώσεις Chl-a και να υποεκτιμούν τις υψηλές συγκεντρώσεις.

Οι διάφορες τιμές του αναστολέα απορρόφησης (aph) παρατηρούνται να μειώνονται από 0.08 έως 0.006 m2/mg στην κορυφή της απορρόφησης Chl-a (δηλαδή, 665 nm). Για το 672 nm, οι τιμές του aph κυμαίνονται περίπου από 0.04 έως 0.006 m2/mg. Πίνακας 1 παρέχει τιμές για τα A και B στην Εξίσωση (5) όταν ανακτώνται με τον αλγόριθμο SIMIS.

[[Αρχείο:Pic 22.JPG|thumb|center|]]

[[Αρχείο:Pic 23.JPG|thumb|center|]]

'''3.3 Χρονικές σειρές Chla SPMQ:'''

Οι συγκεντρώσεις χλωροφύλλης από τις μετρήσεις του HYPSTAR ταυτίζονται με τις συγκεντρώσεις Chla που μετρήθηκαν στο νερό(ChlWa).Επίσης, παρατηρούνται υψηλές κορυφές στις συγκεντρώσεις ChlaSα και ChlaCα σε σχέση με τα δεδομένα των δειγμάτων νερού.Αυτες τις κορυφές ενδεχομένως τις επηρεάζουν οι παρακάτω παράγοντες:

1.υψηλή χρονική ανάλυση δεδομένων του HYPSTAR,
2. Αποτυχία απομάκρυνσης μη έγκυρων δεδομένων ή φασμάτων ανακλαστικότητας,
3. Λαθος εκτίμηση του a ph(I) σε υψηλές συγκεντρώσεις Chla.

Επίσης, παρατηρείται ότι κατά την άνοιξη και το καλοκαίρι λαμβάνονται μέτρα για την πρόληψη της ανάπτυξης των φυκιών (έγχυση αλγοκτόνου) στον υδροφόρο. Αυτό μπορεί να εξηγήσει γιατί οι συγκεντρώσεις Chla είναι περιορισμένες, ιδιαίτερα το καλοκαίρι του 2021, και γιατί σε ορισμένες περιπτώσεις παρατηρούνται απότομες πτώσεις των συγκεντρώσεων Chla (π.χ., τον Ιούλιο του 2022)

[[Αρχείο:Pic 24.JPG|thumb|center|]]

Το άρθρο αναφέρεται σε μια μελέτη σχετικά με την παρουσία σωματιδίων σε αναστάτωση (SPM) στο νερό. Διαπιστώνεται ότι οι τιμές του SPM κυμαίνονται από 0 έως 30 γραμμάρια ανά κυβικό μέτρο, με κάποιες εξαιρετικές περιπτώσεις που φτάνουν τα 60 γραμμάρια ανά κυβικό μέτρο. Οι υψηλότερες τιμές SPM παρατηρούνται κυρίως κατά τη διάρκεια καταιγίδων, όπου η ανακατεύθυνση των σωματιδίων από τον πυθμένα προς το νερό είναι πιο έντονη. Αυτό επιβεβαιώνεται από δορυφορικές εικόνες από τα συστήματα Landsat-9 OLI και Sentinel 2B-MSI, οι οποίες δείχνουν αυξημένες συγκεντρώσεις άνθρακα στη νότια πλευρά του τοίχου.

Επιπλέον, η μελέτη αυτή εξετάζει τη σχέση μεταξύ των τιμών ανακλαστικότητας και των τιμών SPM, καθώς και τις συγκεντρώσεις των ChlaSα και ChlaCα. Η ανάλυση αυτή παρέχει σημαντικές πληροφορίες για το πώς επηρεάζονται οι υδάτινοι πόροι από φυσικά φαινόμενα όπως οι καταιγίδες και οι πλημμύρες, και πώς αυτό μπορεί να επηρεάσει την ποιότητα του νερού σε μια συγκεκριμένη περιοχή.

'''3.4 Εντοπισμός Κυανοβακτηρίων: Μελέτη σκοπιμότητας'''

Στη μελέτη "Cyanobacteria Detection: A Feasibility Study", αξιολογήθηκαν διάφοροι δείκτες φυκοκυάνωσης (PC) μέσω της ανάλυσης υπερφασματικών δεδομένων τηλεπισκόπησης που λήφθηκαν από τον αισθητήρα PANTHYR. Τα δεδομένα αυτά παρείχαν πληροφορίες για τις αντανακλάσεις του νερού κατά τη διάρκεια μεγάλων εκρήξεων φυκοκυάνων το 2021 και το 2022. Συγκεκριμένα, το αποθέματος Blankaart παρουσίασε μικρή ανάπτυξη φυκοκυάνων, με μέγιστη συγκέντρωση 5 μικρογραμμαρίων ανά λίτρο.

Επίσης, παρουσιάζονται φάσματα αντανάκλασης νερού και η δεύτερη παράγωγος από εκρήξεις διατόμων και φυκοκυάνων, μέσα από τα οποία υπολογίζονται διάφοροι δείκτες.

Ο πρώτος δείκτης (CI1) δείχνει αύξηση τιμών με την αύξηση της συγκέντρωσης φυκοκυάνων, αλλά παρουσιάζει ένα πρόβλημα αντιστάθμισης στην απουσία φυκοκυάνων.

Ο δεύτερος δείκτης (CI2) χρησιμοποιεί το λόγο της αντανάκλασης του νερού στα 600 nm και 700 nm, με τη δεύτερη παράγωγο να είναι θετική στην παρουσία φυκοκυάνων.

Ο τρίτος δείκτης (CI3) αναμένεται να έχει αρνητική τιμή στην παρουσία φυκοκυάνων και θετική διαφορετικά, όμως δεν καταφέρνει να ανιχνεύσει φυκοκυάνωση με συγκέντρωση 4.7 mg/m³.

Εντούτοις, για υψηλότερες συγκεντρώσεις, ο CI3 είναι σημαντικά χαμηλότερος, προτείνοντας ότι ο δείκτης μπορεί να χρησιμοποιηθεί μόνο για την ανίχνευση σημαντικών αλλαγών στις συγκεντρώσεις φυκοκυάνων.

'''4. Συζήτηση'''

'''4.1. Περαιτέρω βελτίωση των προϊόντων ποιότητας νερού που παράγονται από το HYPSTAR'''

Το σύστημα HYPSTAR παρέχει σημαντικά δεδομένα με υψηλή χρονική ανάλυση και χαμηλές απαιτήσεις σε ανθρώπινο δυναμικό. Αυτά τα δεδομένα βοηθούν τους διαχειριστές νερού στην παρακολούθηση των τάσεων της χλωροφύλλης και στην αξιολόγηση των στρατηγικών για τον έλεγχο της επέκτασης των φυκιών.
Υπάρχει ανάγκη για περαιτέρω βελτίωση στην επεξεργασία δεδομένων, ιδίως στη διόρθωση της αντανάκλασης της διεπιφάνειας αέρα-νερού, για να μειωθούν οι ανακρίβειες και να αυξηθεί ο αριθμός των χρήσιμων δεδομένων.
Οι συγκεντρώσεις χλωροφύλλης που εντοπίζονται από το HYPSTAR ακολουθούν στενά τα δεδομένα δειγματοληψίας νερού, αλλά απαιτούνται περισσότερα δεδομένα για την περαιτέρω επικύρωση των αλγορίθμων.
Η ταχεία δοκιμή διαφόρων δεικτών φυκοκυάνων επιβεβαιώνει τη δυνατότητα παρακολούθησης της παρουσίας ή απουσίας των φυκοκυάνων σε πραγματικό χρόνο.

'''4.2 Πρώιμες Προειδοποιήσεις και Χωρική Παρακολούθηση:'''

Οι αυτόνομοι υπερφασματικοί αισθητήρες μπορούν να παρέχουν πρώιμες προειδοποιήσεις και να συμβάλλουν στη λήψη μέτρων πριν από την άνθηση φυκιών. Τα δεδομένα ακτινοβολίας μπορούν επίσης να χρησιμοποιηθούν για την προσέγγιση περιβαλλοντικών συνθηκών που επηρεάζουν την ανάπτυξη φυκιών.

Παρά την ανίχνευση μικρών διακυμάνσεων ποιότητας νερού από το HYPSTAR, υπάρχει περιορισμός στο πρώτο οπτικό βάθος και δεν παρέχεται συνοπτική εικόνα της λίμνης. Η χωρική μεταβλητότητα της ποιότητας νερού είναι επίσης κρίσιμη για την αποτελεσματική διαχείριση του νερού
'''
5. Συμπεράσματα'''

Τα κύρια συμπεράσματα της μελέτης είναι:

Η χρήση υπερφασματικών τεχνικών τηλεπισκόπησης αποδεικνύεται εφικτή και αποτελεσματική για την γρήγορη αξιολόγηση και παρακολούθηση της ποιότητας του νερού.

Τα υπερφασματικά δεδομένα με πολύ υψηλή χρονική ανάλυση παρέχουν σημαντικά οφέλη, επιτρέποντας την αποτύπωση μικρών χρονικών διακυμάνσεων στις συγκεντρώσεις Chla και SPM.

Οι αυτόνομες μετρήσεις απαιτούν ελάχιστη ανθρώπινη παρέμβαση, αυξάνοντας την αποδοτικότητα της διαδικασίας παρακολούθησης.

Οι υπερφασματικοί αισθητήρες βοηθούν στην ανίχνευση λεπτομερών φασματικών χαρακτηριστικών, όπως αυτά που απαιτούνται για την ανίχνευση φυκοκυάνων.
Για μια πληρέστερη ανάλυση, τα δεδομένα των υπερφασματικών αισθητήρων πρέπει να συμπληρωθούν με δορυφορικές εικόνες, προσφέροντας μια συνολική εικόνα των υδάτινων συστημάτων.

Τα δεδομένα είναι πολύτιμα αξιολογώντας την απόδοση αλγορίθμων διόρθωσης της ατμόσφαιρας, ειδικά για τη διόρθωση των εφελκυστικών αποτελεσμάτων ( φως που αντανακλάται από τη γη ή από λαμπερές επιφάνειες κοντά σε υδάτινες περιοχές μπορεί να παρεμβληθεί στην ανάλυση της αντανάκλασης του νερού, προκαλώντας παραμορφώσεις στα δεδομένα.)

Οι υπερφασματικοί αισθητήρες είναι αποτελεσματικοί στην έγκαιρη ανίχνευση ανάπτυξης φυκιών, προσφέροντας σημαντικά δεδομένα για τη διαχείριση της ποιότητας του νερού σε πόσιμες και αναψυκτικές λίμνες.

[[category:Ανίχνευση ρύπανσης υδάτινων όγκων]]

Using Hyperspectral Remote Sensing to MonitorWater Quality in Drinking Water Reservoirs

2024-01-30T21:05:07Z

Katerina Stamoulou:

'''Using Hyperspectral Remote Sensing to Monitor Water Quality in Drinking Water Reservoirs'''/ Παρακολούθηση ποιότητας πόσιμου νερού δεξαμενής, με υπερφασματική τηλεπισκόπηση.

'''Συγγραφείς:Clémence Goyens 1,* , Héloïse Lavigne 1, Antoine Dille 1 and Han Vervaeren 2'''

[https://www.mdpi.com/2072-4292/14/21/5607 Πηγή:]

[[Αρχείο:Pic 19.JPG|thumb|center|]]

'''Περίληψη:''' Στο Κέντρο Παραγωγής Νερού Blankaart, προβλήματα από ανάπτυξη φυκιών σε επιφανειακά νερά δεξαμενής, επηρέασαν την παραγωγή πόσιμου νερού. Για τον έλεγχο αυτής της ανάπτυξης φυκιών, εφαρμόζονται στρατηγικές όπως η έγχυση αλγοκτόνων. Το σύστημα HYPSTAR, λειτουργώντας από το 2021, παρακολουθεί την αποτελεσματικότητα αυτών των μεθόδων, μετρώντας με βιο-οπτικές παραμέτρους όπως χλωροφύλλη και αιωρούμενα σωματίδια. Η μελέτη δείχνει πώς τα δεδομένα του HYPSTAR βοηθούν στην γρήγορη και οικονομική παρακολούθηση των φυκιών, ενισχύοντας τη διαχείριση της ποιότητας του νερού.

'''Εισαγωγή:'''

Η συχνότητα ακραίων καλοκαιριών, η αστική επέκταση και οι κοινωνικο-οικονομικές πιέσεις απειλούν την ποιότητα και τη διαθεσιμότητα των επιφανειακών και υπόγειων υδάτινων πόρων. Το 2021, η Ευρωπαϊκή Επιτροπή υπογράμμισε την ανάγκη για ενέργειες προς διασφάλιση και βιώσιμη χρήση των πόρων γλυκού νερού. Η παραδοσιακή παρακολούθηση της ποιότητας του νερού, που βασίζεται σε δειγματοληψίες και εργαστηριακή ανάλυση, δεν επαρκεί για την παρακολούθηση διακυμάνσεων και τάσεων στην ποιότητα του νερού. Ως εκ τούτου, έχουν γίνει σημαντικές βελτιώσεις στις τεχνολογίες online παρακολούθησης για τη μέτρηση των φυσικών και χημικών παραμέτρων.

Ανάμεσα στις αυτοματοποιημένες τεχνολογίες, οι οπτικοί αισθητήρες που τοποθετούνται πάνω από την επιφάνεια του νερού έχουν αποδειχθεί οικονομικά αποδοτικοί για την παρακολούθηση της ποιότητας του νερού. Η ανάπτυξη της υπερφασματικής ακτινομετρίας επιτρέπει τώρα την ανίχνευση λεπτομερών φασματικών χαρακτηριστικών, ενισχύοντας την ικανότητα των αισθητήρων να αναλύουν τη βιοποικιλότητα στα ύδατα, όπως η σύνθεση και η πληθυσμιακή αφθονία του φυτοπλαγκτόν. Το σύστημα HYPSTAR, το οποίο τοποθετήθηκε από το 2021, συνδράμει στην παρακολούθηση της ποιότητας του νερού στο Κέντρο Παραγωγής Νερού Blankaart, μια σημαντική πηγή πόσιμου νερού στην παράκτια περιοχή του Βελγίου.

Στόχος της μελέτης είναι να αποδείξει τις δυνατότητες του HYPSTAR για αξιόπιστες μετρήσεις ανακλαστικότητας νερού με χαμηλές απαιτήσεις συντήρησης και υψηλή χρονική ανάλυση. Επιπλέον, εξετάζει πώς η συνεχής χρήση αυτών των μετρήσεων μπορεί να βελτιώσει την εκτίμηση της ποιότητας του νερού, εστιάζοντας στη χλωροφύλλη και τα αιωρούμενα σωματίδια. Χρησιμοποιεί δυο βασικούς δείκτες ποιότητας νερού, τη χλωροφύλλη και τα αιωρούμενα σωματίδια. Η μελέτη επιχειρεί επίσης να διερευνήσει τη δυνατότητα του HYPSTAR να ανιχνεύει τη φυκοκυανίνη, ένα μοναδικό χρωστικό των γλυκών νερών και των φυκιών.

''Το Τμήμα 1:'' περιγράφει τον αισθητήρα HYPSTAR και τα συλλεχθέντα δεδομένα, καθώς και την επεξεργασία που χρησιμοποιείται για την εκτίμηση της ανακλαστικότητας του νερού που επιστρέφει.
Τα δεδομένα δειγματοληψίας νερού που χρησιμοποιούνται για την επικύρωση των αλγορίθμων χλωροφύλλης(Chla) περιγράφονται στο ''Τμήμα 2.2. Το Τμήμα 2.3'' περιγράφει τους αλγόριθμους που χρησιμοποιούνται για την ανάκτηση των προϊόντων ποιότητας νερού, δηλαδή τη χλωροφύλλη και τα αιωρούμενα σωματίδια (SPM). Οι βελτιώσεις στους αλγορίθμους χλωροφύλλη παρουσιάζονται στο ''Τμήμα 3.2.'' Οι λαμβανόμενες μακροχρόνιες χρονοσειρές χλωροφύλλης(chla) και SPM μαζί με τα δεδομένα δειγματοληψίας νερού και ορισμένες ταυτόχρονες δορυφορικές εικόνες παρουσιάζονται στο'' Τμήμα 3.3''. Στο ''Τμήμα 3.4,'' ερευνάται τη δυνατότητα ανίχνευσης φυκοκυανίνης με τα δεδομένα HYPSTAR. Τέλος, ''στο Τμήμα 4'', συζητούνται οι πιθανές βελτιώσεις για περαιτέρω αξιοποίηση των δεδομένων και πώς τα προϊόντα ποιότητας νερού HYPSTAR θα μπορούσαν να χρησιμοποιηθούν για λειτουργική εκτίμηση της ποιότητας του νερού σε συνδυασμό με δορυφορικές εικόνες.

'''Σχήμα 1.''' Θέα από τη βορειοανατολική άκρη του τοίχου δεξαμενής Blankaart (αριστερά), λεπτομερής εικόνα του HYPSTAR που εγκαταστάθηκε κατά μήκος του κιγκλιδώματος 30 μέτρα από το συνοριακό άκρο (μέση), και αληθινή εικόνα χρωμάτων Sentinel 2A που λήφθηκε στις 2021-02-04 και επεξεργάστηκε με το ACOLITE [23] με τη δεξαμενή Blankaart στο κέντρο της εικόνας (πάνω δεξιά) και η παγχρωματική εικόνα GEOEye που λήφθηκε στις 2019-05-24 (κάτω δεξιά). Ένας κόκκινος σταυρός υποδεικνύει τη θέση του αισθητήρα (50.9888°N–2.8352°W). Το μπλε ημικύκλιο δείχνει τον προσανατολισμό του αισθητήρα κατά τη διάρκεια της ημέρας.

'''2. Υλικά και μέθοδοι'''

'''2.1. Δεδομένα ανακλαστικότητας νερού'''

'''2.1.1. HYPSTAR'''
Το HYPSTAR, ένα Υπερφασματικό Σύστημα Καταγραφής για Επίγεια και Υδάτινη Ακτινομετρία, εγκαταστάθηκε τον Ιανουάριο του 2021 στην δεξαμενή νερού του Blankaart WPC στο Βέλγιο. Αυτό το σύστημα μετρά συνεχώς την ανακλαστική και εισερχόμενη ακτινοβολία κατά τις ώρες ημέρας, εκτός από σύντομες περιόδους διακοπής για συντήρηση. Το HYPSTAR μετρά το ανακλώμενο φως στο ορατό
και κοντινό υπέρυθρο φασματικό εύρος και είναι εξοπλισμένο με GPS και ενσωματωμένη κάμερα για την οπτική επιθεώρηση των συνθηκών. Τοποθετήθηκε σε έναν τσιμεντένιο τοίχο της δεξαμενής, προσφέροντας μετρήσεις υψηλής ακρίβειας. Το HYPSTAR αναπτύχθηκε στο πλαίσιο του έργου HYPERNETS του H2020 και αποτελεί μέρος του δικτύου HYPERNETS.

'''2.1.2 Πρωτόκολλο συλλογής και επεξεργασίας δεδομένων'''

Η προσέγγιση πάνω από το νερό για τη μέτρηση της ποιότητας νερού περιλαμβάνει τη χρήση ραδιομέτρων για την προσπίπτουσα ακτινοβολία (Ld), την ανακλαστική ακτινοβολία επιφάνειας (Lu) και την ακτινοβολία που μεταδίδεται μέσω της διεπιφάνειας αέρα-νερού (Ed). Αυτές οι μετρήσεις επιτρέπουν τον υπολογισμό της ακτινοβολίας που εξέρχεται από το νερό, κρίσιμης για την ανάλυση της ποιότητας του νερού. Το HYPSTAR, το όργανο που χρησιμοποιείται, καταγράφει δεδομένα σε ορισμένες γωνίες, με κάθε γωνία να περιλαμβάνει πολλαπλές σαρώσεις που στη συνέχεια μετριάζονται. Οι μετρήσεις γίνονται κάθε 15 έως 30 λεπτά κατά τη διάρκεια της ημέρας και περιέχει τις ακόλουθες σειρές:
1.
Τρεις σαρώσεις του Ed(l, q = 180°, Df = +/- 90°);
2.
Τρεις σαρώσεις του Ld(l, q = 140°, Df = +/- 90°);
3.
Έξι σαρώσεις του Lu(l, q = 40°, Df = +/- 90°);
4.
Τρεις σαρώσεις του Ld(l, q = 140°, Df = +/- 90°);
5.
Τρεις σαρώσεις του Ed(l, q = 140°, Df = +/- 90°).
Η μέθοδος αυτή ακολουθεί το πρωτόκολλο μέτρησης και επεξεργασίας δεδομένων που υιοθετήθηκε από τη NASA και την IOCCG.

'''2.1.3 Επεξεργασία δεδομένων'''

Τα δεδομένα ακτινοβολίας επεξεργάζονται με τον επεξεργαστή Hypernets (ο οποίος είναι πλήρως προσβάσιμος: https://github.com/HYPERNETS/hypernets_processor, πρόσβαση στις 14 Οκτωβρίου 2022) και τον RHYMER («Αξιόπιστη επεξεργασία υπερ-φασματικής μέτρησης της ακτινοβολίας») για τον υπολογισμό της ανακλαστικότητας του νερού.

Υπάρχουν διάφορα βήματα επεξεργασίας και ελέγχου ποιότητας για τα δεδομένα. Το πρώτο βήμα είναι τα αυτούσια δεδομένα χωρίς επεξεργασία της ακτινοβολίας και της φωτεινότητας αλλά και των μαύρων περιοχών. Ως εκ τούτου, εφαρμόζονται φίλτρα για τη διάγνωση και αφαίρεση δεδομένων που μπορεί να είναι εσφαλμένα ή μη ποιοτικά. Ο επεξεργαστής επιτρέπει την παρακολούθηση της ποιότητας των δεδομένων ανακλαστικότητας του νερού και την αφαίρεση αμφιβόλων φασμάτων, ενώ επίσης χρησιμοποιεί δεδομένα από μετεωρολογικό σταθμό για την πρόβλεψη ταχύτητας ανέμου. Αυτά τα φίλτρα εξασφαλίζουν την ποιότητα των δεδομένων ανακλαστικότητας του νερού και την απόρριψη δεδομένων που δεν είναι αξιόπιστα για περαιτέρω ανάλυση.

Το '''πρώτο φίλτρο''' ελέγχει την αναλογία της ανακλαστικότητας Lu(l)/Ed(l) μεταξύ 800 και 950 nm και απορρίπτει τα φάσματα που επηρεάζονται από τον αφρό ή τα άλατα, όπου αυτή η αναλογία είναι μεγαλύτερη από 0,025 sr⁻¹.

Το '''δεύτερο φίλτρο''' εξετάζει τον παράγοντα παρόμοιας περιοχής φάσματος NIR (e(720, 780)) και απομακρύνει τα εσφαλμένα φάσματα, τα οποία δημιουργούνται από την αντανάκλαση του ήλιου ή του αέρα, όπου αυτός ο παράγοντας υπερβαίνει ένα καθορισμένο όριο.

Το '''τρίτο φίλτρο''' αφαιρεί τα φάσματα με αρνητικές ανακλαστικές τιμές μεταξύ 400 και 900nm (ανακριβή αφαίρεση ανακλαστικότητας της διεπιφάνειας αέρα-νερού).

Για τον υπολογισμό της ανακλαστικότητας του νερού, ο παράγοντας ανακλαστικότητας rF ανακτάται από τον πίνακα αναζήτησης του [26] χρησιμοποιώντας ως είσοδο την ηλιακή γωνία ηλίου, τη γωνία επισκόπησης, τη σχετική αζιμούθιο γωνία μεταξύ ηλίου και αισθητήρα και την ταχύτητα του ανέμου στα 10 μέτρα πάνω από την επιφάνεια της θάλασσας. Η ταχύτητα του ανέμου προέρχεται από έναν κοντινό σταθμό, δηλαδή τον σταθμό VLINDER που βρίσκεται στο Blankaart.

'''2.2 Αξιολόγηση δεδομένων'''

'''2.2.1: Συλλογή Δεδομένων Χλωροφύλλης (Chla)'''

Σε αυτό το υποκεφάλαιο, αναφέρεται η συλλογή δεδομένων χλωροφύλλης (Chla) μέσω δειγματοληψίας επιφανειακού νερού που πραγματοποιείται από τους υδρολόγους με δοχείο 5λίτρων. Τα δείγματα συλλέγονται ανά διάστημα και αξιολογούνται για την ποιότητα του νερού με μια φασματοφωτομετρική μέθοδος, 10200Η[31]. Συνολικά βρέθηκαν 43 συγκεντρώσεις chla από δειγματοληψείες από τον Ιανουάριο 2021 και μετά.

'''2.2.2: Διαδικασία Μετρήσεων Κυανοβακτηρίων και Διατομών'''

Η μέτρηση των αλγών έγινε χειροκίνητα, χρησιμοποιώντας το πρωτόκολλο δειγματοληψίας και προετοιμασίας που ακολουθεί το "Συνοπτικό Εγχειρίδιο Δειγματοληψίας, Μέτρησης και Ανάλυσης του Νερού" της Φλαμανδικής Κυβέρνησης και το ευρωπαϊκό πρότυπο EN 15204.

'''2.3.1: Αλγόριθμοι για τα Προϊόντα Ποιότητας του Νερού (Chla)'''

Στη μελέτη αυτή, δοκιμάστηκαν και συγκρίθηκαν διάφοροι αλγόριθμοι βασισμένοι στην "κόκκινη άκρη" (red-edge) τόσο με χρήση πολυφασματικών όσο και υπερφασματικών προσεγγίσεων, με στόχο την ανίχνευση της χλωροφύλλης α (Chla) σε θολά και ευτροφικά νερά. Οι αλγόριθμοι που βασίζονται στον υπολογισμό της απορρόφησης της Chla στα 665 nm (SIMIS) και στην εκτίμηση της Chla με βάση τις ανακλάσεις σε δύο συγκεκριμένες μήκη κύματος (CRAT) αξιολογήθηκαν.

Ο αλγόριθμος SIMIS υπολογίζει τις συγκεντρώσεις Chla με την εξίσωση:
αChl(665)=(ρw(709)/ρw(665))(αw(709)+bb)-bb-αw(665)
ChlSa=αChl(665)/α΄ph(665)

όπου α΄ph (665) είναι ο συντελεστής απορρόφησης της φυκοκυάνης ανά μονάδα συγκέντρωσης Chla.

Ο αλγόριθμος CRAT υπολογίζει τη Chla με την εξίσωση:

ChlCa=[aw(l2)−aw(l1)]/α΄ph(672)

όπου l2 επιλέγεται ατομικά στο διάστημα 704–740 nm ως το μήκος κύματος στο οποίο η ανάκλαση είναι ίση με την ανάκλαση στην κόκκινη απορρόφηση Chla (δηλαδή ρw(l2)=ρw(l1)) και l1 ισούται με 672 nm.

Η μελέτη επισημαίνει επίσης ότι οι τιμές α΄ph(l) μπορεί να διαφέρουν ανάλογα με διάφορους παράγοντες και προτείνεται η χρήση μιας μεταβλητής α΄ph(l) για την βελτίωση των εκτιμήσεων της συγκέντρωσης Chla.

Η μορφή της συνάρτησης που προτείνεται είναι: α΄ph(l)=A⋅Chl−Β

όπου Α και Β είναι συντελεστές εξαρτώμενοι από το μήκος κύματος.

Τέλος, η ακρίβεια των αλγορίθμων ChlS_a και ChlC_a αξιολογήθηκε με βάση τις εξής μετρικές:

•Το Root Mean Square Error ('''RMSE'''),
•Η κλίση (S) και το σημείο τομής (I) της παραμικρών τετραγώνων παλινδρόμησης,
•Το Mean Absolute Percentage Error ('''MAPE'''),
•Το '''BIAS'''.

'''2.3.2: Εκτίμηση Σωματιδίων Συστοιχίας (SPM)'''

Για τον υπολογισμό των σωματιδίων συστοιχίας (SPM), χρησιμοποιήθηκε ο αλγόριθμος από το Nechad et al. [45], με το μέτρο της ανακλαστικότητας του νερού στα 700 nm ως εξής:

<math> SPM = A˄N2010 x ρw(700) / 1- ( ρw(700)/C^N2010) </math> (8)

όπου οι σταθερές A˄N2010 και C˄N2010 είναι σταθερές τιμές (δηλαδή 445,11 και 1,13 αντίστοιχα) που λαμβάνονται από τον πίνακα 1 στο [45].

[[Αρχείο:Pic 20.JPG|thumb|center|]]

'''2.3.3: Κυανοβακτήρια'''

Εξετάζεται η ανάπτυξη και αξιολόγηση διαφόρων δεικτών για την ανίχνευση φυκοκυάνων, δεδομένης της ανεπαρκούς συσχέτισης μεταξύ δειγματοληψίας νερού και δεδομένων ανάκλασης HYPSTAR (μόνο δύο συσχετίσεις). Η αξιολόγηση συμπληρώθηκε με δύο επιπλέον μετρήσεις από τον αισθητήρα PANTHYR κατά τη διάρκεια μεγάλης απότομης ανάπτυξης φυκοκυάνων το 2019 και το 2020.

Οι δείκτες που αναπτύχθηκαν εστιάζουν στις φασματικές ιδιαιτερότητες των φυκοκυάνων λόγω της απορρόφησης του φυκοκυανίνης (PC) και των φαινομένων φθορισμού τους. Χρησιμοποιώντας έναν αναλυτικό αλγόριθμο, οι Simis και συνεργάτες πρότειναν τον υπολογισμό της συγκέντρωσης PC από την απορρόφησή του στα 620 nm, μετά από διόρθωση για την απορρόφηση του νερού και της χλωροφύλλης α.

Ο '''πρώτος δείκτης''', CI1, υπολογίζεται ως εξής:

CI1=[((ρw(709)/ρw(620))(aw(709)]+bb))−bb−αw(620)−e665−620⋅αChl(665)

όπου e665−620e665−620 είναι ο συντελεστής μετατροπής από αChl(665) σε αChl(620)(ίσο με 0.24) και d είναι ένας συντελεστής διόρθωσης.

Ο '''δεύτερος δείκτης''', CI2, είναι ο λόγος των μπαντών μεταξύ ρw(600) και ρw(700), όπως προτάθηκε από τον Mishra και τους συνεργάτες:

CI2=ρw(700)/ρw(600)

Οι μπάντες επιλέγονται για την χαμηλή μεταβλητότητά τους και την απουσία επιρροής από την απορρόφηση της χλωροφύλλης α στα 600 nm.

Ο '''τρίτος δείκτης''', CI3, προτάθηκε από τον Wynne και συνεργάτες και εστιάζει στο φάσμα γύρω από τα 681 nm, παρόμοιο με μια εξίσωση ύψους γραμμής φθορισμού:

CI3=ρw(681)−ρw(665)−[ρw(709)−ρw(665)][(681−665)/(709−665)]

Ένα αρνητικό αποτέλεσμα για το CI3 αναμένεται στην παρουσία φυκοκυάνων, ενώ ένα θετικό αποτέλεσμα στην απουσία τους.

Εικόνα 2:Αριθμός έγκυρων ακολουθιών που λαμβάνονται κάθε μέρα ("Όλες οι ακολουθίες"), και οι απομείναντες ακολουθίες μετά την αφαίρεση των φασμάτων που δεν ικανοποιούν τα ακόλουθα φίλτρα:

(1) Φίλτρο 1: Lu(l)/Ed(l) μεταξύ 800 και 950 nm > 0.025 sr^-1;

(2) Φίλτρο 2: e(720, 780) > 0.005; και

(3) Φίλτρο 3: αφαίρεση αρνητικών δεδομένων ανακλαστικότητας στην περιοχή 400–900 nm.

Σημειώστε ότι το όργανο ήταν σε συντήρηση και επαναβαθμονόμηση τον Φεβρουάριο–Απρίλιο του 2022.

'''3.Αποτελέσματα

3.1 Ανακλαστικότητα από το νερό.'''

Καταμετρήθηκαν 8116 φάσματα από 27/01/2021 έως 03/08/2022.
Αρχικά, 7933 φάσματα επιλέγονται μετά από ποιοτικό έλεγχο. Από αυτά, φάσματα με ε(720, 780) > 0.005 αφαιρούνται, αφήνοντας 6535 φάσματα. Περαιτέρω, αφαιρούνται φάσματα με αρνητικές τιμές μεταξύ 400-900 nm, παραμένοντας 2988 μετρήσεις. Περισσότερα δεδομένα αφαιρούνται τον χειμώνα λόγω δυσμενών καιρικών συνθηκών, με 38, 74 και 89 φάσματα να διατηρούνται τους μήνες Δεκέμβριο, Ιανουάριο και Φεβρουάριο αντίστοιχα. Το καλοκαίρι, ο αριθμός των φασμάτων κυμαίνεται μεταξύ 307 και 622 ανά μήνα. Όλα τα φάσματα εμφανίζουν τυπικά χαρακτηριστικά εσωτερικών υδάτων, με χαμηλότερες αντανακλάσεις στο μπλε φάσμα σε σύγκριση με το πράσινο και κόκκινο.

Η αντανάκλαση είναι υψηλότερη τον χειμώνα, ιδιαίτερα στο φάσμα 500-600 nm λόγω αυξημένης συγκέντρωσης σωματιδίων. Επίσης, παρατηρούνται διακριτικά φασματικά χαρακτηριστικά, όπως η αύξηση της αντανάκλασης στο φάσμα 680–750 nm κυρίως την άνοιξη και το καλοκαίρι, συνδεόμενη με αυξανόμενες συγκεντρώσεις Chla.

[[Αρχείο:Pic 21.JPG|thumb|center|]]

'''3.2 Ανάκτηση Chla'''

Την ίδια χρονική περίοδο, πραγματοποιήθηκαν 43 δειγματοληψίες νερού, σε 27 από αυτά μετρήθηκαν συγκεντρώσεις χλωροφύλλης chla με λήψεις από το HYPSTAR και ήταν έγκυρα όσον αφορά τα κριτήρια ποιότητας. Παρατηρείται ένα U-σχήμα στο φάσμα γύρω από τα 650-670 nm για τις υψηλότερες συγκεντρώσεις Chl-a, το οποίο είναι χαρακτηριστικό της υψηλής απορρόφησης φυκιοφυτοπλαγκτόν. Επίσης, παρατηρείται αύξηση στην ανακλαστικότητα γύρω από τα 710-720 nm και 555 nm για τις υψηλότερες συγκεντρώσεις Chl-a. Παρουσιάζεται η ακρίβεια των ανακτημένων συγκεντρώσεων Chl-a χρησιμοποιώντας τους αλγόριθμους CRAT και SIMIS.

Ο αλγόριθμος CRAT χρησιμοποιείται σε συγκεντρώσεις Chl-a περίπου από 10 έως 100 g/L, ενώ ο αλγόριθμος SIMIS είναι καλύτερος για συγκεντρώσεις περίπου 10 έως 119.56 g/L.

Τα RMSE είναι 8.20 g/L και 5.61 g/L για τους αλγόριθμους CRAT και SIMIS, αντίστοιχα. Και οι δύο αλγόριθμοι τείνουν να υπερεκτιμούν τις χαμηλές συγκεντρώσεις Chl-a και να υποεκτιμούν τις υψηλές συγκεντρώσεις.

Οι διάφορες τιμές του αναστολέα απορρόφησης (aph) παρατηρούνται να μειώνονται από 0.08 έως 0.006 m2/mg στην κορυφή της απορρόφησης Chl-a (δηλαδή, 665 nm). Για το 672 nm, οι τιμές του aph κυμαίνονται περίπου από 0.04 έως 0.006 m2/mg. Πίνακας 1 παρέχει τιμές για τα A και B στην Εξίσωση (5) όταν ανακτώνται με τον αλγόριθμο SIMIS.

[[Αρχείο:Pic 22.JPG|thumb|center|]]

[[Αρχείο:Pic 23.JPG|thumb|center|]]

'''3.3 Χρονικές σειρές Chla SPMQ:'''

Οι συγκεντρώσεις χλωροφύλλης από τις μετρήσεις του HYPSTAR ταυτίζονται με τις συγκεντρώσεις Chla που μετρήθηκαν στο νερό(ChlWa).Επίσης, παρατηρούνται υψηλές κορυφές στις συγκεντρώσεις ChlaSα και ChlaCα σε σχέση με τα δεδομένα των δειγμάτων νερού.Αυτες τις κορυφές ενδεχομένως τις επηρεάζουν οι παρακάτω παράγοντες:

1.υψηλή χρονική ανάλυση δεδομένων του HYPSTAR,
2. Αποτυχία απομάκρυνσης μη έγκυρων δεδομένων ή φασμάτων ανακλαστικότητας,
3. Λαθος εκτίμηση του a ph(I) σε υψηλές συγκεντρώσεις Chla.

Επίσης, παρατηρείται ότι κατά την άνοιξη και το καλοκαίρι λαμβάνονται μέτρα για την πρόληψη της ανάπτυξης των φυκιών (έγχυση αλγοκτόνου) στον υδροφόρο. Αυτό μπορεί να εξηγήσει γιατί οι συγκεντρώσεις Chla είναι περιορισμένες, ιδιαίτερα το καλοκαίρι του 2021, και γιατί σε ορισμένες περιπτώσεις παρατηρούνται απότομες πτώσεις των συγκεντρώσεων Chla (π.χ., τον Ιούλιο του 2022)

Το άρθρο αναφέρεται σε μια μελέτη σχετικά με την παρουσία σωματιδίων σε αναστάτωση (SPM) στο νερό. Διαπιστώνεται ότι οι τιμές του SPM κυμαίνονται από 0 έως 30 γραμμάρια ανά κυβικό μέτρο, με κάποιες εξαιρετικές περιπτώσεις που φτάνουν τα 60 γραμμάρια ανά κυβικό μέτρο. Οι υψηλότερες τιμές SPM παρατηρούνται κυρίως κατά τη διάρκεια καταιγίδων, όπου η ανακατεύθυνση των σωματιδίων από τον πυθμένα προς το νερό είναι πιο έντονη. Αυτό επιβεβαιώνεται από δορυφορικές εικόνες από τα συστήματα Landsat-9 OLI και Sentinel 2B-MSI, οι οποίες δείχνουν αυξημένες συγκεντρώσεις άνθρακα στη νότια πλευρά του τοίχου.

Επιπλέον, η μελέτη αυτή εξετάζει τη σχέση μεταξύ των τιμών ανακλαστικότητας και των τιμών SPM, καθώς και τις συγκεντρώσεις των ChlaSα και ChlaCα. Η ανάλυση αυτή παρέχει σημαντικές πληροφορίες για το πώς επηρεάζονται οι υδάτινοι πόροι από φυσικά φαινόμενα όπως οι καταιγίδες και οι πλημμύρες, και πώς αυτό μπορεί να επηρεάσει την ποιότητα του νερού σε μια συγκεκριμένη περιοχή.

'''3.4 Εντοπισμός Κυανοβακτηρίων: Μελέτη σκοπιμότητας'''

Στη μελέτη "Cyanobacteria Detection: A Feasibility Study", αξιολογήθηκαν διάφοροι δείκτες φυκοκυάνωσης (PC) μέσω της ανάλυσης υπερφασματικών δεδομένων τηλεπισκόπησης που λήφθηκαν από τον αισθητήρα PANTHYR. Τα δεδομένα αυτά παρείχαν πληροφορίες για τις αντανακλάσεις του νερού κατά τη διάρκεια μεγάλων εκρήξεων φυκοκυάνων το 2021 και το 2022. Συγκεκριμένα, το αποθέματος Blankaart παρουσίασε μικρή ανάπτυξη φυκοκυάνων, με μέγιστη συγκέντρωση 5 μικρογραμμαρίων ανά λίτρο.

Επίσης, παρουσιάζονται φάσματα αντανάκλασης νερού και η δεύτερη παράγωγος από εκρήξεις διατόμων και φυκοκυάνων, μέσα από τα οποία υπολογίζονται διάφοροι δείκτες.

Ο πρώτος δείκτης (CI1) δείχνει αύξηση τιμών με την αύξηση της συγκέντρωσης φυκοκυάνων, αλλά παρουσιάζει ένα πρόβλημα αντιστάθμισης στην απουσία φυκοκυάνων.

Ο δεύτερος δείκτης (CI2) χρησιμοποιεί το λόγο της αντανάκλασης του νερού στα 600 nm και 700 nm, με τη δεύτερη παράγωγο να είναι θετική στην παρουσία φυκοκυάνων.

Ο τρίτος δείκτης (CI3) αναμένεται να έχει αρνητική τιμή στην παρουσία φυκοκυάνων και θετική διαφορετικά, όμως δεν καταφέρνει να ανιχνεύσει φυκοκυάνωση με συγκέντρωση 4.7 mg/m³.

Εντούτοις, για υψηλότερες συγκεντρώσεις, ο CI3 είναι σημαντικά χαμηλότερος, προτείνοντας ότι ο δείκτης μπορεί να χρησιμοποιηθεί μόνο για την ανίχνευση σημαντικών αλλαγών στις συγκεντρώσεις φυκοκυάνων.

'''4. Συζήτηση'''

'''4.1. Περαιτέρω βελτίωση των προϊόντων ποιότητας νερού που παράγονται από το HYPSTAR'''

Το σύστημα HYPSTAR παρέχει σημαντικά δεδομένα με υψηλή χρονική ανάλυση και χαμηλές απαιτήσεις σε ανθρώπινο δυναμικό. Αυτά τα δεδομένα βοηθούν τους διαχειριστές νερού στην παρακολούθηση των τάσεων της χλωροφύλλης και στην αξιολόγηση των στρατηγικών για τον έλεγχο της επέκτασης των φυκιών.
Υπάρχει ανάγκη για περαιτέρω βελτίωση στην επεξεργασία δεδομένων, ιδίως στη διόρθωση της αντανάκλασης της διεπιφάνειας αέρα-νερού, για να μειωθούν οι ανακρίβειες και να αυξηθεί ο αριθμός των χρήσιμων δεδομένων.
Οι συγκεντρώσεις χλωροφύλλης που εντοπίζονται από το HYPSTAR ακολουθούν στενά τα δεδομένα δειγματοληψίας νερού, αλλά απαιτούνται περισσότερα δεδομένα για την περαιτέρω επικύρωση των αλγορίθμων.
Η ταχεία δοκιμή διαφόρων δεικτών φυκοκυάνων επιβεβαιώνει τη δυνατότητα παρακολούθησης της παρουσίας ή απουσίας των φυκοκυάνων σε πραγματικό χρόνο.

'''4.2 Πρώιμες Προειδοποιήσεις και Χωρική Παρακολούθηση:'''

Οι αυτόνομοι υπερφασματικοί αισθητήρες μπορούν να παρέχουν πρώιμες προειδοποιήσεις και να συμβάλλουν στη λήψη μέτρων πριν από την άνθηση φυκιών. Τα δεδομένα ακτινοβολίας μπορούν επίσης να χρησιμοποιηθούν για την προσέγγιση περιβαλλοντικών συνθηκών που επηρεάζουν την ανάπτυξη φυκιών.

Παρά την ανίχνευση μικρών διακυμάνσεων ποιότητας νερού από το HYPSTAR, υπάρχει περιορισμός στο πρώτο οπτικό βάθος και δεν παρέχεται συνοπτική εικόνα της λίμνης. Η χωρική μεταβλητότητα της ποιότητας νερού είναι επίσης κρίσιμη για την αποτελεσματική διαχείριση του νερού
'''
5. Συμπεράσματα'''

Τα κύρια συμπεράσματα της μελέτης είναι:

Η χρήση υπερφασματικών τεχνικών τηλεπισκόπησης αποδεικνύεται εφικτή και αποτελεσματική για την γρήγορη αξιολόγηση και παρακολούθηση της ποιότητας του νερού.

Τα υπερφασματικά δεδομένα με πολύ υψηλή χρονική ανάλυση παρέχουν σημαντικά οφέλη, επιτρέποντας την αποτύπωση μικρών χρονικών διακυμάνσεων στις συγκεντρώσεις Chla και SPM.

Οι αυτόνομες μετρήσεις απαιτούν ελάχιστη ανθρώπινη παρέμβαση, αυξάνοντας την αποδοτικότητα της διαδικασίας παρακολούθησης.

Οι υπερφασματικοί αισθητήρες βοηθούν στην ανίχνευση λεπτομερών φασματικών χαρακτηριστικών, όπως αυτά που απαιτούνται για την ανίχνευση φυκοκυάνων.
Για μια πληρέστερη ανάλυση, τα δεδομένα των υπερφασματικών αισθητήρων πρέπει να συμπληρωθούν με δορυφορικές εικόνες, προσφέροντας μια συνολική εικόνα των υδάτινων συστημάτων.

Τα δεδομένα είναι πολύτιμα αξιολογώντας την απόδοση αλγορίθμων διόρθωσης της ατμόσφαιρας, ειδικά για τη διόρθωση των εφελκυστικών αποτελεσμάτων ( φως που αντανακλάται από τη γη ή από λαμπερές επιφάνειες κοντά σε υδάτινες περιοχές μπορεί να παρεμβληθεί στην ανάλυση της αντανάκλασης του νερού, προκαλώντας παραμορφώσεις στα δεδομένα.)

Οι υπερφασματικοί αισθητήρες είναι αποτελεσματικοί στην έγκαιρη ανίχνευση ανάπτυξης φυκιών, προσφέροντας σημαντικά δεδομένα για τη διαχείριση της ποιότητας του νερού σε πόσιμες και αναψυκτικές λίμνες.

[[category:Ανίχνευση ρύπανσης υδάτινων όγκων]]

Using Hyperspectral Remote Sensing to MonitorWater Quality in Drinking Water Reservoirs

2024-01-30T21:01:58Z

Katerina Stamoulou:

'''Using Hyperspectral Remote Sensing to Monitor Water Quality in Drinking Water Reservoirs'''/ Παρακολούθηση ποιότητας πόσιμου νερού δεξαμενής, με υπερφασματική τηλεπισκόπηση.

'''Συγγραφείς:Clémence Goyens 1,* , Héloïse Lavigne 1, Antoine Dille 1 and Han Vervaeren 2'''

[https://www.mdpi.com/2072-4292/14/21/5607 Πηγή:]

[[Αρχείο:Pic 19.JPG|thumb|center|]]

'''Περίληψη:''' Στο Κέντρο Παραγωγής Νερού Blankaart, προβλήματα από ανάπτυξη φυκιών σε επιφανειακά νερά δεξαμενής, επηρέασαν την παραγωγή πόσιμου νερού. Για τον έλεγχο αυτής της ανάπτυξης φυκιών, εφαρμόζονται στρατηγικές όπως η έγχυση αλγοκτόνων. Το σύστημα HYPSTAR, λειτουργώντας από το 2021, παρακολουθεί την αποτελεσματικότητα αυτών των μεθόδων, μετρώντας με βιο-οπτικές παραμέτρους όπως χλωροφύλλη και αιωρούμενα σωματίδια. Η μελέτη δείχνει πώς τα δεδομένα του HYPSTAR βοηθούν στην γρήγορη και οικονομική παρακολούθηση των φυκιών, ενισχύοντας τη διαχείριση της ποιότητας του νερού.

'''Εισαγωγή:'''

Η συχνότητα ακραίων καλοκαιριών, η αστική επέκταση και οι κοινωνικο-οικονομικές πιέσεις απειλούν την ποιότητα και τη διαθεσιμότητα των επιφανειακών και υπόγειων υδάτινων πόρων. Το 2021, η Ευρωπαϊκή Επιτροπή υπογράμμισε την ανάγκη για ενέργειες προς διασφάλιση και βιώσιμη χρήση των πόρων γλυκού νερού. Η παραδοσιακή παρακολούθηση της ποιότητας του νερού, που βασίζεται σε δειγματοληψίες και εργαστηριακή ανάλυση, δεν επαρκεί για την παρακολούθηση διακυμάνσεων και τάσεων στην ποιότητα του νερού. Ως εκ τούτου, έχουν γίνει σημαντικές βελτιώσεις στις τεχνολογίες online παρακολούθησης για τη μέτρηση των φυσικών και χημικών παραμέτρων.

Ανάμεσα στις αυτοματοποιημένες τεχνολογίες, οι οπτικοί αισθητήρες που τοποθετούνται πάνω από την επιφάνεια του νερού έχουν αποδειχθεί οικονομικά αποδοτικοί για την παρακολούθηση της ποιότητας του νερού. Η ανάπτυξη της υπερφασματικής ακτινομετρίας επιτρέπει τώρα την ανίχνευση λεπτομερών φασματικών χαρακτηριστικών, ενισχύοντας την ικανότητα των αισθητήρων να αναλύουν τη βιοποικιλότητα στα ύδατα, όπως η σύνθεση και η πληθυσμιακή αφθονία του φυτοπλαγκτόν. Το σύστημα HYPSTAR, το οποίο τοποθετήθηκε από το 2021, συνδράμει στην παρακολούθηση της ποιότητας του νερού στο Κέντρο Παραγωγής Νερού Blankaart, μια σημαντική πηγή πόσιμου νερού στην παράκτια περιοχή του Βελγίου.

Στόχος της μελέτης είναι να αποδείξει τις δυνατότητες του HYPSTAR για αξιόπιστες μετρήσεις ανακλαστικότητας νερού με χαμηλές απαιτήσεις συντήρησης και υψηλή χρονική ανάλυση. Επιπλέον, εξετάζει πώς η συνεχής χρήση αυτών των μετρήσεων μπορεί να βελτιώσει την εκτίμηση της ποιότητας του νερού, εστιάζοντας στη χλωροφύλλη και τα αιωρούμενα σωματίδια. Χρησιμοποιεί δυο βασικούς δείκτες ποιότητας νερού, τη χλωροφύλλη και τα αιωρούμενα σωματίδια. Η μελέτη επιχειρεί επίσης να διερευνήσει τη δυνατότητα του HYPSTAR να ανιχνεύει τη φυκοκυανίνη, ένα μοναδικό χρωστικό των γλυκών νερών και των φυκιών.

''Το Τμήμα 1:'' περιγράφει τον αισθητήρα HYPSTAR και τα συλλεχθέντα δεδομένα, καθώς και την επεξεργασία που χρησιμοποιείται για την εκτίμηση της ανακλαστικότητας του νερού που επιστρέφει.
Τα δεδομένα δειγματοληψίας νερού που χρησιμοποιούνται για την επικύρωση των αλγορίθμων χλωροφύλλης(Chla) περιγράφονται στο ''Τμήμα 2.2. Το Τμήμα 2.3'' περιγράφει τους αλγόριθμους που χρησιμοποιούνται για την ανάκτηση των προϊόντων ποιότητας νερού, δηλαδή τη χλωροφύλλη και τα αιωρούμενα σωματίδια (SPM). Οι βελτιώσεις στους αλγορίθμους χλωροφύλλη παρουσιάζονται στο ''Τμήμα 3.2.'' Οι λαμβανόμενες μακροχρόνιες χρονοσειρές χλωροφύλλης(chla) και SPM μαζί με τα δεδομένα δειγματοληψίας νερού και ορισμένες ταυτόχρονες δορυφορικές εικόνες παρουσιάζονται στο'' Τμήμα 3.3''. Στο ''Τμήμα 3.4,'' ερευνάται τη δυνατότητα ανίχνευσης φυκοκυανίνης με τα δεδομένα HYPSTAR. Τέλος, ''στο Τμήμα 4'', συζητούνται οι πιθανές βελτιώσεις για περαιτέρω αξιοποίηση των δεδομένων και πώς τα προϊόντα ποιότητας νερού HYPSTAR θα μπορούσαν να χρησιμοποιηθούν για λειτουργική εκτίμηση της ποιότητας του νερού σε συνδυασμό με δορυφορικές εικόνες.

'''Σχήμα 1.''' Θέα από τη βορειοανατολική άκρη του τοίχου δεξαμενής Blankaart (αριστερά), λεπτομερής εικόνα του HYPSTAR που εγκαταστάθηκε κατά μήκος του κιγκλιδώματος 30 μέτρα από το συνοριακό άκρο (μέση), και αληθινή εικόνα χρωμάτων Sentinel 2A που λήφθηκε στις 2021-02-04 και επεξεργάστηκε με το ACOLITE [23] με τη δεξαμενή Blankaart στο κέντρο της εικόνας (πάνω δεξιά) και η παγχρωματική εικόνα GEOEye που λήφθηκε στις 2019-05-24 (κάτω δεξιά). Ένας κόκκινος σταυρός υποδεικνύει τη θέση του αισθητήρα (50.9888°N–2.8352°W). Το μπλε ημικύκλιο δείχνει τον προσανατολισμό του αισθητήρα κατά τη διάρκεια της ημέρας.

'''2. Υλικά και μέθοδοι'''

'''2.1. Δεδομένα ανακλαστικότητας νερού'''

'''2.1.1. HYPSTAR'''
Το HYPSTAR, ένα Υπερφασματικό Σύστημα Καταγραφής για Επίγεια και Υδάτινη Ακτινομετρία, εγκαταστάθηκε τον Ιανουάριο του 2021 στην δεξαμενή νερού του Blankaart WPC στο Βέλγιο. Αυτό το σύστημα μετρά συνεχώς την ανακλαστική και εισερχόμενη ακτινοβολία κατά τις ώρες ημέρας, εκτός από σύντομες περιόδους διακοπής για συντήρηση. Το HYPSTAR μετρά το ανακλώμενο φως στο ορατό
και κοντινό υπέρυθρο φασματικό εύρος και είναι εξοπλισμένο με GPS και ενσωματωμένη κάμερα για την οπτική επιθεώρηση των συνθηκών. Τοποθετήθηκε σε έναν τσιμεντένιο τοίχο της δεξαμενής, προσφέροντας μετρήσεις υψηλής ακρίβειας. Το HYPSTAR αναπτύχθηκε στο πλαίσιο του έργου HYPERNETS του H2020 και αποτελεί μέρος του δικτύου HYPERNETS.

'''2.1.2 Πρωτόκολλο συλλογής και επεξεργασίας δεδομένων'''

Η προσέγγιση πάνω από το νερό για τη μέτρηση της ποιότητας νερού περιλαμβάνει τη χρήση ραδιομέτρων για την προσπίπτουσα ακτινοβολία (Ld), την ανακλαστική ακτινοβολία επιφάνειας (Lu) και την ακτινοβολία που μεταδίδεται μέσω της διεπιφάνειας αέρα-νερού (Ed). Αυτές οι μετρήσεις επιτρέπουν τον υπολογισμό της ακτινοβολίας που εξέρχεται από το νερό, κρίσιμης για την ανάλυση της ποιότητας του νερού. Το HYPSTAR, το όργανο που χρησιμοποιείται, καταγράφει δεδομένα σε ορισμένες γωνίες, με κάθε γωνία να περιλαμβάνει πολλαπλές σαρώσεις που στη συνέχεια μετριάζονται. Οι μετρήσεις γίνονται κάθε 15 έως 30 λεπτά κατά τη διάρκεια της ημέρας και περιέχει τις ακόλουθες σειρές:
1.
Τρεις σαρώσεις του Ed(l, q = 180°, Df = +/- 90°);
2.
Τρεις σαρώσεις του Ld(l, q = 140°, Df = +/- 90°);
3.
Έξι σαρώσεις του Lu(l, q = 40°, Df = +/- 90°);
4.
Τρεις σαρώσεις του Ld(l, q = 140°, Df = +/- 90°);
5.
Τρεις σαρώσεις του Ed(l, q = 140°, Df = +/- 90°).
Η μέθοδος αυτή ακολουθεί το πρωτόκολλο μέτρησης και επεξεργασίας δεδομένων που υιοθετήθηκε από τη NASA και την IOCCG.

'''2.1.3 Επεξεργασία δεδομένων'''

Τα δεδομένα ακτινοβολίας επεξεργάζονται με τον επεξεργαστή Hypernets (ο οποίος είναι πλήρως προσβάσιμος: https://github.com/HYPERNETS/hypernets_processor, πρόσβαση στις 14 Οκτωβρίου 2022) και τον RHYMER («Αξιόπιστη επεξεργασία υπερ-φασματικής μέτρησης της ακτινοβολίας») για τον υπολογισμό της ανακλαστικότητας του νερού.

Υπάρχουν διάφορα βήματα επεξεργασίας και ελέγχου ποιότητας για τα δεδομένα. Το πρώτο βήμα είναι τα αυτούσια δεδομένα χωρίς επεξεργασία της ακτινοβολίας και της φωτεινότητας αλλά και των μαύρων περιοχών. Ως εκ τούτου, εφαρμόζονται φίλτρα για τη διάγνωση και αφαίρεση δεδομένων που μπορεί να είναι εσφαλμένα ή μη ποιοτικά. Ο επεξεργαστής επιτρέπει την παρακολούθηση της ποιότητας των δεδομένων ανακλαστικότητας του νερού και την αφαίρεση αμφιβόλων φασμάτων, ενώ επίσης χρησιμοποιεί δεδομένα από μετεωρολογικό σταθμό για την πρόβλεψη ταχύτητας ανέμου. Αυτά τα φίλτρα εξασφαλίζουν την ποιότητα των δεδομένων ανακλαστικότητας του νερού και την απόρριψη δεδομένων που δεν είναι αξιόπιστα για περαιτέρω ανάλυση.

Το '''πρώτο φίλτρο''' ελέγχει την αναλογία της ανακλαστικότητας Lu(l)/Ed(l) μεταξύ 800 και 950 nm και απορρίπτει τα φάσματα που επηρεάζονται από τον αφρό ή τα άλατα, όπου αυτή η αναλογία είναι μεγαλύτερη από 0,025 sr⁻¹.

Το '''δεύτερο φίλτρο''' εξετάζει τον παράγοντα παρόμοιας περιοχής φάσματος NIR (e(720, 780)) και απομακρύνει τα εσφαλμένα φάσματα, τα οποία δημιουργούνται από την αντανάκλαση του ήλιου ή του αέρα, όπου αυτός ο παράγοντας υπερβαίνει ένα καθορισμένο όριο.

Το '''τρίτο φίλτρο''' αφαιρεί τα φάσματα με αρνητικές ανακλαστικές τιμές μεταξύ 400 και 900nm (ανακριβή αφαίρεση ανακλαστικότητας της διεπιφάνειας αέρα-νερού).

Για τον υπολογισμό της ανακλαστικότητας του νερού, ο παράγοντας ανακλαστικότητας rF ανακτάται από τον πίνακα αναζήτησης του [26] χρησιμοποιώντας ως είσοδο την ηλιακή γωνία ηλίου, τη γωνία επισκόπησης, τη σχετική αζιμούθιο γωνία μεταξύ ηλίου και αισθητήρα και την ταχύτητα του ανέμου στα 10 μέτρα πάνω από την επιφάνεια της θάλασσας. Η ταχύτητα του ανέμου προέρχεται από έναν κοντινό σταθμό, δηλαδή τον σταθμό VLINDER που βρίσκεται στο Blankaart.

'''2.2 Αξιολόγηση δεδομένων'''

'''2.2.1: Συλλογή Δεδομένων Χλωροφύλλης (Chla)'''

Σε αυτό το υποκεφάλαιο, αναφέρεται η συλλογή δεδομένων χλωροφύλλης (Chla) μέσω δειγματοληψίας επιφανειακού νερού που πραγματοποιείται από τους υδρολόγους με δοχείο 5λίτρων. Τα δείγματα συλλέγονται ανά διάστημα και αξιολογούνται για την ποιότητα του νερού με μια φασματοφωτομετρική μέθοδος, 10200Η[31]. Συνολικά βρέθηκαν 43 συγκεντρώσεις chla από δειγματοληψείες από τον Ιανουάριο 2021 και μετά.

'''2.2.2: Διαδικασία Μετρήσεων Κυανοβακτηρίων και Διατομών'''

Η μέτρηση των αλγών έγινε χειροκίνητα, χρησιμοποιώντας το πρωτόκολλο δειγματοληψίας και προετοιμασίας που ακολουθεί το "Συνοπτικό Εγχειρίδιο Δειγματοληψίας, Μέτρησης και Ανάλυσης του Νερού" της Φλαμανδικής Κυβέρνησης και το ευρωπαϊκό πρότυπο EN 15204.

'''2.3.1: Αλγόριθμοι για τα Προϊόντα Ποιότητας του Νερού (Chla)'''

Στη μελέτη αυτή, δοκιμάστηκαν και συγκρίθηκαν διάφοροι αλγόριθμοι βασισμένοι στην "κόκκινη άκρη" (red-edge) τόσο με χρήση πολυφασματικών όσο και υπερφασματικών προσεγγίσεων, με στόχο την ανίχνευση της χλωροφύλλης α (Chla) σε θολά και ευτροφικά νερά. Οι αλγόριθμοι που βασίζονται στον υπολογισμό της απορρόφησης της Chla στα 665 nm (SIMIS) και στην εκτίμηση της Chla με βάση τις ανακλάσεις σε δύο συγκεκριμένες μήκη κύματος (CRAT) αξιολογήθηκαν.

Ο αλγόριθμος SIMIS υπολογίζει τις συγκεντρώσεις Chla με την εξίσωση:
αChl(665)=(ρw(709)/ρw(665))(αw(709)+bb)-bb-αw(665)
ChlSa=αChl(665)/α΄ph(665)

όπου α΄ph (665) είναι ο συντελεστής απορρόφησης της φυκοκυάνης ανά μονάδα συγκέντρωσης Chla.

Ο αλγόριθμος CRAT υπολογίζει τη Chla με την εξίσωση:

ChlCa=[aw(l2)−aw(l1)]/α΄ph(672)

όπου l2 επιλέγεται ατομικά στο διάστημα 704–740 nm ως το μήκος κύματος στο οποίο η ανάκλαση είναι ίση με την ανάκλαση στην κόκκινη απορρόφηση Chla (δηλαδή ρw(l2)=ρw(l1)) και l1 ισούται με 672 nm.

Η μελέτη επισημαίνει επίσης ότι οι τιμές α΄ph(l) μπορεί να διαφέρουν ανάλογα με διάφορους παράγοντες και προτείνεται η χρήση μιας μεταβλητής α΄ph(l) για την βελτίωση των εκτιμήσεων της συγκέντρωσης Chla.

Η μορφή της συνάρτησης που προτείνεται είναι: α΄ph(l)=A⋅Chl−Β

όπου Α και Β είναι συντελεστές εξαρτώμενοι από το μήκος κύματος.

Τέλος, η ακρίβεια των αλγορίθμων ChlS_a και ChlC_a αξιολογήθηκε με βάση τις εξής μετρικές:

•Το Root Mean Square Error ('''RMSE'''),
•Η κλίση (S) και το σημείο τομής (I) της παραμικρών τετραγώνων παλινδρόμησης,
•Το Mean Absolute Percentage Error ('''MAPE'''),
•Το '''BIAS'''.

'''2.3.2: Εκτίμηση Σωματιδίων Συστοιχίας (SPM)'''

Για τον υπολογισμό των σωματιδίων συστοιχίας (SPM), χρησιμοποιήθηκε ο αλγόριθμος από το Nechad et al. [45], με το μέτρο της ανακλαστικότητας του νερού στα 700 nm ως εξής:

<math> SPM = A˄N2010 x ρw(700) / 1- ( ρw(700)/C^N2010) </math> (8)

όπου οι σταθερές A˄N2010 και C˄N2010 είναι σταθερές τιμές (δηλαδή 445,11 και 1,13 αντίστοιχα) που λαμβάνονται από τον πίνακα 1 στο [45].

[[Αρχείο:Pic 20.JPG|thumb|center|]]

'''2.3.3: Κυανοβακτήρια'''

Εξετάζεται η ανάπτυξη και αξιολόγηση διαφόρων δεικτών για την ανίχνευση φυκοκυάνων, δεδομένης της ανεπαρκούς συσχέτισης μεταξύ δειγματοληψίας νερού και δεδομένων ανάκλασης HYPSTAR (μόνο δύο συσχετίσεις). Η αξιολόγηση συμπληρώθηκε με δύο επιπλέον μετρήσεις από τον αισθητήρα PANTHYR κατά τη διάρκεια μεγάλης απότομης ανάπτυξης φυκοκυάνων το 2019 και το 2020.

Οι δείκτες που αναπτύχθηκαν εστιάζουν στις φασματικές ιδιαιτερότητες των φυκοκυάνων λόγω της απορρόφησης του φυκοκυανίνης (PC) και των φαινομένων φθορισμού τους. Χρησιμοποιώντας έναν αναλυτικό αλγόριθμο, οι Simis και συνεργάτες πρότειναν τον υπολογισμό της συγκέντρωσης PC από την απορρόφησή του στα 620 nm, μετά από διόρθωση για την απορρόφηση του νερού και της χλωροφύλλης α.

Ο '''πρώτος δείκτης''', CI1, υπολογίζεται ως εξής:

CI1=[((ρw(709)/ρw(620))(aw(709)]+bb))−bb−αw(620)−e665−620⋅αChl(665)

όπου e665−620e665−620 είναι ο συντελεστής μετατροπής από αChl(665) σε αChl(620)(ίσο με 0.24) και d είναι ένας συντελεστής διόρθωσης.

Ο '''δεύτερος δείκτης''', CI2, είναι ο λόγος των μπαντών μεταξύ ρw(600) και ρw(700), όπως προτάθηκε από τον Mishra και τους συνεργάτες:

CI2=ρw(700)/ρw(600)

Οι μπάντες επιλέγονται για την χαμηλή μεταβλητότητά τους και την απουσία επιρροής από την απορρόφηση της χλωροφύλλης α στα 600 nm.

Ο '''τρίτος δείκτης''', CI3, προτάθηκε από τον Wynne και συνεργάτες και εστιάζει στο φάσμα γύρω από τα 681 nm, παρόμοιο με μια εξίσωση ύψους γραμμής φθορισμού:

CI3=ρw(681)−ρw(665)−[ρw(709)−ρw(665)][(681−665)/(709−665)]

Ένα αρνητικό αποτέλεσμα για το CI3 αναμένεται στην παρουσία φυκοκυάνων, ενώ ένα θετικό αποτέλεσμα στην απουσία τους.

Εικόνα 2:Αριθμός έγκυρων ακολουθιών που λαμβάνονται κάθε μέρα ("Όλες οι ακολουθίες"), και οι απομείναντες ακολουθίες μετά την αφαίρεση των φασμάτων που δεν ικανοποιούν τα ακόλουθα φίλτρα:

(1) Φίλτρο 1: Lu(l)/Ed(l) μεταξύ 800 και 950 nm > 0.025 sr^-1;

(2) Φίλτρο 2: e(720, 780) > 0.005; και

(3) Φίλτρο 3: αφαίρεση αρνητικών δεδομένων ανακλαστικότητας στην περιοχή 400–900 nm.

Σημειώστε ότι το όργανο ήταν σε συντήρηση και επαναβαθμονόμηση τον Φεβρουάριο–Απρίλιο του 2022.

'''3.Αποτελέσματα

3.1 Ανακλαστικότητα από το νερό.'''

Καταμετρήθηκαν 8116 φάσματα από 27/01/2021 έως 03/08/2022.
Αρχικά, 7933 φάσματα επιλέγονται μετά από ποιοτικό έλεγχο. Από αυτά, φάσματα με ε(720, 780) > 0.005 αφαιρούνται, αφήνοντας 6535 φάσματα. Περαιτέρω, αφαιρούνται φάσματα με αρνητικές τιμές μεταξύ 400-900 nm, παραμένοντας 2988 μετρήσεις. Περισσότερα δεδομένα αφαιρούνται τον χειμώνα λόγω δυσμενών καιρικών συνθηκών, με 38, 74 και 89 φάσματα να διατηρούνται τους μήνες Δεκέμβριο, Ιανουάριο και Φεβρουάριο αντίστοιχα. Το καλοκαίρι, ο αριθμός των φασμάτων κυμαίνεται μεταξύ 307 και 622 ανά μήνα. Όλα τα φάσματα εμφανίζουν τυπικά χαρακτηριστικά εσωτερικών υδάτων, με χαμηλότερες αντανακλάσεις στο μπλε φάσμα σε σύγκριση με το πράσινο και κόκκινο.

Η αντανάκλαση είναι υψηλότερη τον χειμώνα, ιδιαίτερα στο φάσμα 500-600 nm λόγω αυξημένης συγκέντρωσης σωματιδίων. Επίσης, παρατηρούνται διακριτικά φασματικά χαρακτηριστικά, όπως η αύξηση της αντανάκλασης στο φάσμα 680–750 nm κυρίως την άνοιξη και το καλοκαίρι, συνδεόμενη με αυξανόμενες συγκεντρώσεις Chla.

[[Αρχείο:Pic 21.JPG|thumb|center|]]

'''3.2 Ανάκτηση Chla'''

Την ίδια χρονική περίοδο, πραγματοποιήθηκαν 43 δειγματοληψίες νερού, σε 27 από αυτά μετρήθηκαν συγκεντρώσεις χλωροφύλλης chla με λήψεις από το HYPSTAR και ήταν έγκυρα όσον αφορά τα κριτήρια ποιότητας. Παρατηρείται ένα U-σχήμα στο φάσμα γύρω από τα 650-670 nm για τις υψηλότερες συγκεντρώσεις Chl-a, το οποίο είναι χαρακτηριστικό της υψηλής απορρόφησης φυκιοφυτοπλαγκτόν. Επίσης, παρατηρείται αύξηση στην ανακλαστικότητα γύρω από τα 710-720 nm και 555 nm για τις υψηλότερες συγκεντρώσεις Chl-a. Παρουσιάζεται η ακρίβεια των ανακτημένων συγκεντρώσεων Chl-a χρησιμοποιώντας τους αλγόριθμους CRAT και SIMIS.

Ο αλγόριθμος CRAT χρησιμοποιείται σε συγκεντρώσεις Chl-a περίπου από 10 έως 100 g/L, ενώ ο αλγόριθμος SIMIS είναι καλύτερος για συγκεντρώσεις περίπου 10 έως 119.56 g/L.

Τα RMSE είναι 8.20 g/L και 5.61 g/L για τους αλγόριθμους CRAT και SIMIS, αντίστοιχα. Και οι δύο αλγόριθμοι τείνουν να υπερεκτιμούν τις χαμηλές συγκεντρώσεις Chl-a και να υποεκτιμούν τις υψηλές συγκεντρώσεις.

Οι διάφορες τιμές του αναστολέα απορρόφησης (aph) παρατηρούνται να μειώνονται από 0.08 έως 0.006 m2/mg στην κορυφή της απορρόφησης Chl-a (δηλαδή, 665 nm). Για το 672 nm, οι τιμές του aph κυμαίνονται περίπου από 0.04 έως 0.006 m2/mg. Πίνακας 1 παρέχει τιμές για τα A και B στην Εξίσωση (5) όταν ανακτώνται με τον αλγόριθμο SIMIS.

'''3.3 Χρονικές σειρές Chla SPMQ:'''

Οι συγκεντρώσεις χλωροφύλλης από τις μετρήσεις του HYPSTAR ταυτίζονται με τις συγκεντρώσεις Chla που μετρήθηκαν στο νερό(ChlWa).Επίσης, παρατηρούνται υψηλές κορυφές στις συγκεντρώσεις ChlaSα και ChlaCα σε σχέση με τα δεδομένα των δειγμάτων νερού.Αυτες τις κορυφές ενδεχομένως τις επηρεάζουν οι παρακάτω παράγοντες:

1.υψηλή χρονική ανάλυση δεδομένων του HYPSTAR,
2. Αποτυχία απομάκρυνσης μη έγκυρων δεδομένων ή φασμάτων ανακλαστικότητας,
3. Λαθος εκτίμηση του a ph(I) σε υψηλές συγκεντρώσεις Chla.

Επίσης, παρατηρείται ότι κατά την άνοιξη και το καλοκαίρι λαμβάνονται μέτρα για την πρόληψη της ανάπτυξης των φυκιών (έγχυση αλγοκτόνου) στον υδροφόρο. Αυτό μπορεί να εξηγήσει γιατί οι συγκεντρώσεις Chla είναι περιορισμένες, ιδιαίτερα το καλοκαίρι του 2021, και γιατί σε ορισμένες περιπτώσεις παρατηρούνται απότομες πτώσεις των συγκεντρώσεων Chla (π.χ., τον Ιούλιο του 2022)

Το άρθρο αναφέρεται σε μια μελέτη σχετικά με την παρουσία σωματιδίων σε αναστάτωση (SPM) στο νερό. Διαπιστώνεται ότι οι τιμές του SPM κυμαίνονται από 0 έως 30 γραμμάρια ανά κυβικό μέτρο, με κάποιες εξαιρετικές περιπτώσεις που φτάνουν τα 60 γραμμάρια ανά κυβικό μέτρο. Οι υψηλότερες τιμές SPM παρατηρούνται κυρίως κατά τη διάρκεια καταιγίδων, όπου η ανακατεύθυνση των σωματιδίων από τον πυθμένα προς το νερό είναι πιο έντονη. Αυτό επιβεβαιώνεται από δορυφορικές εικόνες από τα συστήματα Landsat-9 OLI και Sentinel 2B-MSI, οι οποίες δείχνουν αυξημένες συγκεντρώσεις άνθρακα στη νότια πλευρά του τοίχου.

Επιπλέον, η μελέτη αυτή εξετάζει τη σχέση μεταξύ των τιμών ανακλαστικότητας και των τιμών SPM, καθώς και τις συγκεντρώσεις των ChlaSα και ChlaCα. Η ανάλυση αυτή παρέχει σημαντικές πληροφορίες για το πώς επηρεάζονται οι υδάτινοι πόροι από φυσικά φαινόμενα όπως οι καταιγίδες και οι πλημμύρες, και πώς αυτό μπορεί να επηρεάσει την ποιότητα του νερού σε μια συγκεκριμένη περιοχή.

'''3.4 Εντοπισμός Κυανοβακτηρίων: Μελέτη σκοπιμότητας'''

Στη μελέτη "Cyanobacteria Detection: A Feasibility Study", αξιολογήθηκαν διάφοροι δείκτες φυκοκυάνωσης (PC) μέσω της ανάλυσης υπερφασματικών δεδομένων τηλεπισκόπησης που λήφθηκαν από τον αισθητήρα PANTHYR. Τα δεδομένα αυτά παρείχαν πληροφορίες για τις αντανακλάσεις του νερού κατά τη διάρκεια μεγάλων εκρήξεων φυκοκυάνων το 2021 και το 2022. Συγκεκριμένα, το αποθέματος Blankaart παρουσίασε μικρή ανάπτυξη φυκοκυάνων, με μέγιστη συγκέντρωση 5 μικρογραμμαρίων ανά λίτρο.

Επίσης, παρουσιάζονται φάσματα αντανάκλασης νερού και η δεύτερη παράγωγος από εκρήξεις διατόμων και φυκοκυάνων, μέσα από τα οποία υπολογίζονται διάφοροι δείκτες.

Ο πρώτος δείκτης (CI1) δείχνει αύξηση τιμών με την αύξηση της συγκέντρωσης φυκοκυάνων, αλλά παρουσιάζει ένα πρόβλημα αντιστάθμισης στην απουσία φυκοκυάνων.

Ο δεύτερος δείκτης (CI2) χρησιμοποιεί το λόγο της αντανάκλασης του νερού στα 600 nm και 700 nm, με τη δεύτερη παράγωγο να είναι θετική στην παρουσία φυκοκυάνων.

Ο τρίτος δείκτης (CI3) αναμένεται να έχει αρνητική τιμή στην παρουσία φυκοκυάνων και θετική διαφορετικά, όμως δεν καταφέρνει να ανιχνεύσει φυκοκυάνωση με συγκέντρωση 4.7 mg/m³.

Εντούτοις, για υψηλότερες συγκεντρώσεις, ο CI3 είναι σημαντικά χαμηλότερος, προτείνοντας ότι ο δείκτης μπορεί να χρησιμοποιηθεί μόνο για την ανίχνευση σημαντικών αλλαγών στις συγκεντρώσεις φυκοκυάνων.

'''4. Συζήτηση'''

'''4.1. Περαιτέρω βελτίωση των προϊόντων ποιότητας νερού που παράγονται από το HYPSTAR'''

Το σύστημα HYPSTAR παρέχει σημαντικά δεδομένα με υψηλή χρονική ανάλυση και χαμηλές απαιτήσεις σε ανθρώπινο δυναμικό. Αυτά τα δεδομένα βοηθούν τους διαχειριστές νερού στην παρακολούθηση των τάσεων της χλωροφύλλης και στην αξιολόγηση των στρατηγικών για τον έλεγχο της επέκτασης των φυκιών.
Υπάρχει ανάγκη για περαιτέρω βελτίωση στην επεξεργασία δεδομένων, ιδίως στη διόρθωση της αντανάκλασης της διεπιφάνειας αέρα-νερού, για να μειωθούν οι ανακρίβειες και να αυξηθεί ο αριθμός των χρήσιμων δεδομένων.
Οι συγκεντρώσεις χλωροφύλλης που εντοπίζονται από το HYPSTAR ακολουθούν στενά τα δεδομένα δειγματοληψίας νερού, αλλά απαιτούνται περισσότερα δεδομένα για την περαιτέρω επικύρωση των αλγορίθμων.
Η ταχεία δοκιμή διαφόρων δεικτών φυκοκυάνων επιβεβαιώνει τη δυνατότητα παρακολούθησης της παρουσίας ή απουσίας των φυκοκυάνων σε πραγματικό χρόνο.

'''4.2 Πρώιμες Προειδοποιήσεις και Χωρική Παρακολούθηση:'''

Οι αυτόνομοι υπερφασματικοί αισθητήρες μπορούν να παρέχουν πρώιμες προειδοποιήσεις και να συμβάλλουν στη λήψη μέτρων πριν από την άνθηση φυκιών. Τα δεδομένα ακτινοβολίας μπορούν επίσης να χρησιμοποιηθούν για την προσέγγιση περιβαλλοντικών συνθηκών που επηρεάζουν την ανάπτυξη φυκιών.

Παρά την ανίχνευση μικρών διακυμάνσεων ποιότητας νερού από το HYPSTAR, υπάρχει περιορισμός στο πρώτο οπτικό βάθος και δεν παρέχεται συνοπτική εικόνα της λίμνης. Η χωρική μεταβλητότητα της ποιότητας νερού είναι επίσης κρίσιμη για την αποτελεσματική διαχείριση του νερού
'''
5. Συμπεράσματα'''

Τα κύρια συμπεράσματα της μελέτης είναι:

Η χρήση υπερφασματικών τεχνικών τηλεπισκόπησης αποδεικνύεται εφικτή και αποτελεσματική για την γρήγορη αξιολόγηση και παρακολούθηση της ποιότητας του νερού.

Τα υπερφασματικά δεδομένα με πολύ υψηλή χρονική ανάλυση παρέχουν σημαντικά οφέλη, επιτρέποντας την αποτύπωση μικρών χρονικών διακυμάνσεων στις συγκεντρώσεις Chla και SPM.

Οι αυτόνομες μετρήσεις απαιτούν ελάχιστη ανθρώπινη παρέμβαση, αυξάνοντας την αποδοτικότητα της διαδικασίας παρακολούθησης.

Οι υπερφασματικοί αισθητήρες βοηθούν στην ανίχνευση λεπτομερών φασματικών χαρακτηριστικών, όπως αυτά που απαιτούνται για την ανίχνευση φυκοκυάνων.
Για μια πληρέστερη ανάλυση, τα δεδομένα των υπερφασματικών αισθητήρων πρέπει να συμπληρωθούν με δορυφορικές εικόνες, προσφέροντας μια συνολική εικόνα των υδάτινων συστημάτων.

Τα δεδομένα είναι πολύτιμα αξιολογώντας την απόδοση αλγορίθμων διόρθωσης της ατμόσφαιρας, ειδικά για τη διόρθωση των εφελκυστικών αποτελεσμάτων ( φως που αντανακλάται από τη γη ή από λαμπερές επιφάνειες κοντά σε υδάτινες περιοχές μπορεί να παρεμβληθεί στην ανάλυση της αντανάκλασης του νερού, προκαλώντας παραμορφώσεις στα δεδομένα.)

Οι υπερφασματικοί αισθητήρες είναι αποτελεσματικοί στην έγκαιρη ανίχνευση ανάπτυξης φυκιών, προσφέροντας σημαντικά δεδομένα για τη διαχείριση της ποιότητας του νερού σε πόσιμες και αναψυκτικές λίμνες.

[[category:Ανίχνευση ρύπανσης υδάτινων όγκων]]

Using Hyperspectral Remote Sensing to MonitorWater Quality in Drinking Water Reservoirs

2024-01-30T21:00:15Z

Katerina Stamoulou:

'''Using Hyperspectral Remote Sensing to Monitor Water Quality in Drinking Water Reservoirs'''/ Παρακολούθηση ποιότητας πόσιμου νερού δεξαμενής, με υπερφασματική τηλεπισκόπηση.

'''Συγγραφείς:Clémence Goyens 1,* , Héloïse Lavigne 1, Antoine Dille 1 and Han Vervaeren 2'''

[https://www.mdpi.com/2072-4292/14/21/5607 Πηγή:]

[[Αρχείο:Pic 19.JPG|thumb|center|]]

'''Περίληψη:''' Στο Κέντρο Παραγωγής Νερού Blankaart, προβλήματα από ανάπτυξη φυκιών σε επιφανειακά νερά δεξαμενής, επηρέασαν την παραγωγή πόσιμου νερού. Για τον έλεγχο αυτής της ανάπτυξης φυκιών, εφαρμόζονται στρατηγικές όπως η έγχυση αλγοκτόνων. Το σύστημα HYPSTAR, λειτουργώντας από το 2021, παρακολουθεί την αποτελεσματικότητα αυτών των μεθόδων, μετρώντας με βιο-οπτικές παραμέτρους όπως χλωροφύλλη και αιωρούμενα σωματίδια. Η μελέτη δείχνει πώς τα δεδομένα του HYPSTAR βοηθούν στην γρήγορη και οικονομική παρακολούθηση των φυκιών, ενισχύοντας τη διαχείριση της ποιότητας του νερού.

'''Εισαγωγή:'''

Η συχνότητα ακραίων καλοκαιριών, η αστική επέκταση και οι κοινωνικο-οικονομικές πιέσεις απειλούν την ποιότητα και τη διαθεσιμότητα των επιφανειακών και υπόγειων υδάτινων πόρων. Το 2021, η Ευρωπαϊκή Επιτροπή υπογράμμισε την ανάγκη για ενέργειες προς διασφάλιση και βιώσιμη χρήση των πόρων γλυκού νερού. Η παραδοσιακή παρακολούθηση της ποιότητας του νερού, που βασίζεται σε δειγματοληψίες και εργαστηριακή ανάλυση, δεν επαρκεί για την παρακολούθηση διακυμάνσεων και τάσεων στην ποιότητα του νερού. Ως εκ τούτου, έχουν γίνει σημαντικές βελτιώσεις στις τεχνολογίες online παρακολούθησης για τη μέτρηση των φυσικών και χημικών παραμέτρων.

Ανάμεσα στις αυτοματοποιημένες τεχνολογίες, οι οπτικοί αισθητήρες που τοποθετούνται πάνω από την επιφάνεια του νερού έχουν αποδειχθεί οικονομικά αποδοτικοί για την παρακολούθηση της ποιότητας του νερού. Η ανάπτυξη της υπερφασματικής ακτινομετρίας επιτρέπει τώρα την ανίχνευση λεπτομερών φασματικών χαρακτηριστικών, ενισχύοντας την ικανότητα των αισθητήρων να αναλύουν τη βιοποικιλότητα στα ύδατα, όπως η σύνθεση και η πληθυσμιακή αφθονία του φυτοπλαγκτόν. Το σύστημα HYPSTAR, το οποίο τοποθετήθηκε από το 2021, συνδράμει στην παρακολούθηση της ποιότητας του νερού στο Κέντρο Παραγωγής Νερού Blankaart, μια σημαντική πηγή πόσιμου νερού στην παράκτια περιοχή του Βελγίου.

Στόχος της μελέτης είναι να αποδείξει τις δυνατότητες του HYPSTAR για αξιόπιστες μετρήσεις ανακλαστικότητας νερού με χαμηλές απαιτήσεις συντήρησης και υψηλή χρονική ανάλυση. Επιπλέον, εξετάζει πώς η συνεχής χρήση αυτών των μετρήσεων μπορεί να βελτιώσει την εκτίμηση της ποιότητας του νερού, εστιάζοντας στη χλωροφύλλη και τα αιωρούμενα σωματίδια. Χρησιμοποιεί δυο βασικούς δείκτες ποιότητας νερού, τη χλωροφύλλη και τα αιωρούμενα σωματίδια. Η μελέτη επιχειρεί επίσης να διερευνήσει τη δυνατότητα του HYPSTAR να ανιχνεύει τη φυκοκυανίνη, ένα μοναδικό χρωστικό των γλυκών νερών και των φυκιών.

''Το Τμήμα 1:'' περιγράφει τον αισθητήρα HYPSTAR και τα συλλεχθέντα δεδομένα, καθώς και την επεξεργασία που χρησιμοποιείται για την εκτίμηση της ανακλαστικότητας του νερού που επιστρέφει.
Τα δεδομένα δειγματοληψίας νερού που χρησιμοποιούνται για την επικύρωση των αλγορίθμων χλωροφύλλης(Chla) περιγράφονται στο ''Τμήμα 2.2. Το Τμήμα 2.3'' περιγράφει τους αλγόριθμους που χρησιμοποιούνται για την ανάκτηση των προϊόντων ποιότητας νερού, δηλαδή τη χλωροφύλλη και τα αιωρούμενα σωματίδια (SPM). Οι βελτιώσεις στους αλγορίθμους χλωροφύλλη παρουσιάζονται στο ''Τμήμα 3.2.'' Οι λαμβανόμενες μακροχρόνιες χρονοσειρές χλωροφύλλης(chla) και SPM μαζί με τα δεδομένα δειγματοληψίας νερού και ορισμένες ταυτόχρονες δορυφορικές εικόνες παρουσιάζονται στο'' Τμήμα 3.3''. Στο ''Τμήμα 3.4,'' ερευνάται τη δυνατότητα ανίχνευσης φυκοκυανίνης με τα δεδομένα HYPSTAR. Τέλος, ''στο Τμήμα 4'', συζητούνται οι πιθανές βελτιώσεις για περαιτέρω αξιοποίηση των δεδομένων και πώς τα προϊόντα ποιότητας νερού HYPSTAR θα μπορούσαν να χρησιμοποιηθούν για λειτουργική εκτίμηση της ποιότητας του νερού σε συνδυασμό με δορυφορικές εικόνες.

'''Σχήμα 1.''' Θέα από τη βορειοανατολική άκρη του τοίχου δεξαμενής Blankaart (αριστερά), λεπτομερής εικόνα του HYPSTAR που εγκαταστάθηκε κατά μήκος του κιγκλιδώματος 30 μέτρα από το συνοριακό άκρο (μέση), και αληθινή εικόνα χρωμάτων Sentinel 2A που λήφθηκε στις 2021-02-04 και επεξεργάστηκε με το ACOLITE [23] με τη δεξαμενή Blankaart στο κέντρο της εικόνας (πάνω δεξιά) και η παγχρωματική εικόνα GEOEye που λήφθηκε στις 2019-05-24 (κάτω δεξιά). Ένας κόκκινος σταυρός υποδεικνύει τη θέση του αισθητήρα (50.9888°N–2.8352°W). Το μπλε ημικύκλιο δείχνει τον προσανατολισμό του αισθητήρα κατά τη διάρκεια της ημέρας.

'''2. Υλικά και μέθοδοι'''

'''2.1. Δεδομένα ανακλαστικότητας νερού'''

'''2.1.1. HYPSTAR'''
Το HYPSTAR, ένα Υπερφασματικό Σύστημα Καταγραφής για Επίγεια και Υδάτινη Ακτινομετρία, εγκαταστάθηκε τον Ιανουάριο του 2021 στην δεξαμενή νερού του Blankaart WPC στο Βέλγιο. Αυτό το σύστημα μετρά συνεχώς την ανακλαστική και εισερχόμενη ακτινοβολία κατά τις ώρες ημέρας, εκτός από σύντομες περιόδους διακοπής για συντήρηση. Το HYPSTAR μετρά το ανακλώμενο φως στο ορατό
και κοντινό υπέρυθρο φασματικό εύρος και είναι εξοπλισμένο με GPS και ενσωματωμένη κάμερα για την οπτική επιθεώρηση των συνθηκών. Τοποθετήθηκε σε έναν τσιμεντένιο τοίχο της δεξαμενής, προσφέροντας μετρήσεις υψηλής ακρίβειας. Το HYPSTAR αναπτύχθηκε στο πλαίσιο του έργου HYPERNETS του H2020 και αποτελεί μέρος του δικτύου HYPERNETS.

'''2.1.2 Πρωτόκολλο συλλογής και επεξεργασίας δεδομένων'''

Η προσέγγιση πάνω από το νερό για τη μέτρηση της ποιότητας νερού περιλαμβάνει τη χρήση ραδιομέτρων για την προσπίπτουσα ακτινοβολία (Ld), την ανακλαστική ακτινοβολία επιφάνειας (Lu) και την ακτινοβολία που μεταδίδεται μέσω της διεπιφάνειας αέρα-νερού (Ed). Αυτές οι μετρήσεις επιτρέπουν τον υπολογισμό της ακτινοβολίας που εξέρχεται από το νερό, κρίσιμης για την ανάλυση της ποιότητας του νερού. Το HYPSTAR, το όργανο που χρησιμοποιείται, καταγράφει δεδομένα σε ορισμένες γωνίες, με κάθε γωνία να περιλαμβάνει πολλαπλές σαρώσεις που στη συνέχεια μετριάζονται. Οι μετρήσεις γίνονται κάθε 15 έως 30 λεπτά κατά τη διάρκεια της ημέρας και περιέχει τις ακόλουθες σειρές:
1.
Τρεις σαρώσεις του Ed(l, q = 180°, Df = +/- 90°);
2.
Τρεις σαρώσεις του Ld(l, q = 140°, Df = +/- 90°);
3.
Έξι σαρώσεις του Lu(l, q = 40°, Df = +/- 90°);
4.
Τρεις σαρώσεις του Ld(l, q = 140°, Df = +/- 90°);
5.
Τρεις σαρώσεις του Ed(l, q = 140°, Df = +/- 90°).
Η μέθοδος αυτή ακολουθεί το πρωτόκολλο μέτρησης και επεξεργασίας δεδομένων που υιοθετήθηκε από τη NASA και την IOCCG.

'''2.1.3 Επεξεργασία δεδομένων'''

Τα δεδομένα ακτινοβολίας επεξεργάζονται με τον επεξεργαστή Hypernets (ο οποίος είναι πλήρως προσβάσιμος: https://github.com/HYPERNETS/hypernets_processor, πρόσβαση στις 14 Οκτωβρίου 2022) και τον RHYMER («Αξιόπιστη επεξεργασία υπερ-φασματικής μέτρησης της ακτινοβολίας») για τον υπολογισμό της ανακλαστικότητας του νερού.

Υπάρχουν διάφορα βήματα επεξεργασίας και ελέγχου ποιότητας για τα δεδομένα. Το πρώτο βήμα είναι τα αυτούσια δεδομένα χωρίς επεξεργασία της ακτινοβολίας και της φωτεινότητας αλλά και των μαύρων περιοχών. Ως εκ τούτου, εφαρμόζονται φίλτρα για τη διάγνωση και αφαίρεση δεδομένων που μπορεί να είναι εσφαλμένα ή μη ποιοτικά. Ο επεξεργαστής επιτρέπει την παρακολούθηση της ποιότητας των δεδομένων ανακλαστικότητας του νερού και την αφαίρεση αμφιβόλων φασμάτων, ενώ επίσης χρησιμοποιεί δεδομένα από μετεωρολογικό σταθμό για την πρόβλεψη ταχύτητας ανέμου. Αυτά τα φίλτρα εξασφαλίζουν την ποιότητα των δεδομένων ανακλαστικότητας του νερού και την απόρριψη δεδομένων που δεν είναι αξιόπιστα για περαιτέρω ανάλυση.

Το '''πρώτο φίλτρο''' ελέγχει την αναλογία της ανακλαστικότητας Lu(l)/Ed(l) μεταξύ 800 και 950 nm και απορρίπτει τα φάσματα που επηρεάζονται από τον αφρό ή τα άλατα, όπου αυτή η αναλογία είναι μεγαλύτερη από 0,025 sr⁻¹.

Το '''δεύτερο φίλτρο''' εξετάζει τον παράγοντα παρόμοιας περιοχής φάσματος NIR (e(720, 780)) και απομακρύνει τα εσφαλμένα φάσματα, τα οποία δημιουργούνται από την αντανάκλαση του ήλιου ή του αέρα, όπου αυτός ο παράγοντας υπερβαίνει ένα καθορισμένο όριο.

Το '''τρίτο φίλτρο''' αφαιρεί τα φάσματα με αρνητικές ανακλαστικές τιμές μεταξύ 400 και 900nm (ανακριβή αφαίρεση ανακλαστικότητας της διεπιφάνειας αέρα-νερού).

Για τον υπολογισμό της ανακλαστικότητας του νερού, ο παράγοντας ανακλαστικότητας rF ανακτάται από τον πίνακα αναζήτησης του [26] χρησιμοποιώντας ως είσοδο την ηλιακή γωνία ηλίου, τη γωνία επισκόπησης, τη σχετική αζιμούθιο γωνία μεταξύ ηλίου και αισθητήρα και την ταχύτητα του ανέμου στα 10 μέτρα πάνω από την επιφάνεια της θάλασσας. Η ταχύτητα του ανέμου προέρχεται από έναν κοντινό σταθμό, δηλαδή τον σταθμό VLINDER που βρίσκεται στο Blankaart.

'''2.2 Αξιολόγηση δεδομένων'''

'''2.2.1: Συλλογή Δεδομένων Χλωροφύλλης (Chla)'''

Σε αυτό το υποκεφάλαιο, αναφέρεται η συλλογή δεδομένων χλωροφύλλης (Chla) μέσω δειγματοληψίας επιφανειακού νερού που πραγματοποιείται από τους υδρολόγους με δοχείο 5λίτρων. Τα δείγματα συλλέγονται ανά διάστημα και αξιολογούνται για την ποιότητα του νερού με μια φασματοφωτομετρική μέθοδος, 10200Η[31]. Συνολικά βρέθηκαν 43 συγκεντρώσεις chla από δειγματοληψείες από τον Ιανουάριο 2021 και μετά.

'''2.2.2: Διαδικασία Μετρήσεων Κυανοβακτηρίων και Διατομών'''

Η μέτρηση των αλγών έγινε χειροκίνητα, χρησιμοποιώντας το πρωτόκολλο δειγματοληψίας και προετοιμασίας που ακολουθεί το "Συνοπτικό Εγχειρίδιο Δειγματοληψίας, Μέτρησης και Ανάλυσης του Νερού" της Φλαμανδικής Κυβέρνησης και το ευρωπαϊκό πρότυπο EN 15204.

'''2.3.1: Αλγόριθμοι για τα Προϊόντα Ποιότητας του Νερού (Chla)'''

Στη μελέτη αυτή, δοκιμάστηκαν και συγκρίθηκαν διάφοροι αλγόριθμοι βασισμένοι στην "κόκκινη άκρη" (red-edge) τόσο με χρήση πολυφασματικών όσο και υπερφασματικών προσεγγίσεων, με στόχο την ανίχνευση της χλωροφύλλης α (Chla) σε θολά και ευτροφικά νερά. Οι αλγόριθμοι που βασίζονται στον υπολογισμό της απορρόφησης της Chla στα 665 nm (SIMIS) και στην εκτίμηση της Chla με βάση τις ανακλάσεις σε δύο συγκεκριμένες μήκη κύματος (CRAT) αξιολογήθηκαν.

Ο αλγόριθμος SIMIS υπολογίζει τις συγκεντρώσεις Chla με την εξίσωση:
αChl(665)=(ρw(709)/ρw(665))(αw(709)+bb)-bb-αw(665)
ChlSa=αChl(665)/α΄ph(665)

όπου α΄ph (665) είναι ο συντελεστής απορρόφησης της φυκοκυάνης ανά μονάδα συγκέντρωσης Chla.

Ο αλγόριθμος CRAT υπολογίζει τη Chla με την εξίσωση:

ChlCa=[aw(l2)−aw(l1)]/α΄ph(672)

όπου l2 επιλέγεται ατομικά στο διάστημα 704–740 nm ως το μήκος κύματος στο οποίο η ανάκλαση είναι ίση με την ανάκλαση στην κόκκινη απορρόφηση Chla (δηλαδή ρw(l2)=ρw(l1)) και l1 ισούται με 672 nm.

Η μελέτη επισημαίνει επίσης ότι οι τιμές α΄ph(l) μπορεί να διαφέρουν ανάλογα με διάφορους παράγοντες και προτείνεται η χρήση μιας μεταβλητής α΄ph(l) για την βελτίωση των εκτιμήσεων της συγκέντρωσης Chla.

Η μορφή της συνάρτησης που προτείνεται είναι: α΄ph(l)=A⋅Chl−Β

όπου Α και Β είναι συντελεστές εξαρτώμενοι από το μήκος κύματος.

Τέλος, η ακρίβεια των αλγορίθμων ChlS_a και ChlC_a αξιολογήθηκε με βάση τις εξής μετρικές:

•Το Root Mean Square Error ('''RMSE'''),
•Η κλίση (S) και το σημείο τομής (I) της παραμικρών τετραγώνων παλινδρόμησης,
•Το Mean Absolute Percentage Error ('''MAPE'''),
•Το '''BIAS'''.

'''2.3.2: Εκτίμηση Σωματιδίων Συστοιχίας (SPM)'''

Για τον υπολογισμό των σωματιδίων συστοιχίας (SPM), χρησιμοποιήθηκε ο αλγόριθμος από το Nechad et al. [45], με το μέτρο της ανακλαστικότητας του νερού στα 700 nm ως εξής:

<math> SPM = A˄N2010 x ρw(700) / 1- ( ρw(700)/C^N2010) </math> (8)

όπου οι σταθερές A˄N2010 και C˄N2010 είναι σταθερές τιμές (δηλαδή 445,11 και 1,13 αντίστοιχα) που λαμβάνονται από τον πίνακα 1 στο [45].

[[Αρχείο:Pic 20.JPG|thumb|center|]]

'''2.3.3: Κυανοβακτήρια'''

Εξετάζεται η ανάπτυξη και αξιολόγηση διαφόρων δεικτών για την ανίχνευση φυκοκυάνων, δεδομένης της ανεπαρκούς συσχέτισης μεταξύ δειγματοληψίας νερού και δεδομένων ανάκλασης HYPSTAR (μόνο δύο συσχετίσεις). Η αξιολόγηση συμπληρώθηκε με δύο επιπλέον μετρήσεις από τον αισθητήρα PANTHYR κατά τη διάρκεια μεγάλης απότομης ανάπτυξης φυκοκυάνων το 2019 και το 2020.

Οι δείκτες που αναπτύχθηκαν εστιάζουν στις φασματικές ιδιαιτερότητες των φυκοκυάνων λόγω της απορρόφησης του φυκοκυανίνης (PC) και των φαινομένων φθορισμού τους. Χρησιμοποιώντας έναν αναλυτικό αλγόριθμο, οι Simis και συνεργάτες πρότειναν τον υπολογισμό της συγκέντρωσης PC από την απορρόφησή του στα 620 nm, μετά από διόρθωση για την απορρόφηση του νερού και της χλωροφύλλης α.

Ο '''πρώτος δείκτης''', CI1, υπολογίζεται ως εξής:

CI1=[((ρw(709)/ρw(620))(aw(709)]+bb))−bb−αw(620)−e665−620⋅αChl(665)

όπου e665−620e665−620 είναι ο συντελεστής μετατροπής από αChl(665) σε αChl(620)(ίσο με 0.24) και d είναι ένας συντελεστής διόρθωσης.

Ο '''δεύτερος δείκτης''', CI2, είναι ο λόγος των μπαντών μεταξύ ρw(600) και ρw(700), όπως προτάθηκε από τον Mishra και τους συνεργάτες:

CI2=ρw(700)/ρw(600)

Οι μπάντες επιλέγονται για την χαμηλή μεταβλητότητά τους και την απουσία επιρροής από την απορρόφηση της χλωροφύλλης α στα 600 nm.

Ο '''τρίτος δείκτης''', CI3, προτάθηκε από τον Wynne και συνεργάτες και εστιάζει στο φάσμα γύρω από τα 681 nm, παρόμοιο με μια εξίσωση ύψους γραμμής φθορισμού:

CI3=ρw(681)−ρw(665)−[ρw(709)−ρw(665)][(681−665)/(709−665)]

Ένα αρνητικό αποτέλεσμα για το CI3 αναμένεται στην παρουσία φυκοκυάνων, ενώ ένα θετικό αποτέλεσμα στην απουσία τους.

Εικόνα 2:Αριθμός έγκυρων ακολουθιών που λαμβάνονται κάθε μέρα ("Όλες οι ακολουθίες"), και οι απομείναντες ακολουθίες μετά την αφαίρεση των φασμάτων που δεν ικανοποιούν τα ακόλουθα φίλτρα:

(1) Φίλτρο 1: Lu(l)/Ed(l) μεταξύ 800 και 950 nm > 0.025 sr^-1;

(2) Φίλτρο 2: e(720, 780) > 0.005; και

(3) Φίλτρο 3: αφαίρεση αρνητικών δεδομένων ανακλαστικότητας στην περιοχή 400–900 nm.

Σημειώστε ότι το όργανο ήταν σε συντήρηση και επαναβαθμονόμηση τον Φεβρουάριο–Απρίλιο του 2022.

'''3.Αποτελέσματα

3.1 Ανακλαστικότητα από το νερό.'''

Καταμετρήθηκαν 8116 φάσματα από 27/01/2021 έως 03/08/2022.
Αρχικά, 7933 φάσματα επιλέγονται μετά από ποιοτικό έλεγχο. Από αυτά, φάσματα με ε(720, 780) > 0.005 αφαιρούνται, αφήνοντας 6535 φάσματα. Περαιτέρω, αφαιρούνται φάσματα με αρνητικές τιμές μεταξύ 400-900 nm, παραμένοντας 2988 μετρήσεις. Περισσότερα δεδομένα αφαιρούνται τον χειμώνα λόγω δυσμενών καιρικών συνθηκών, με 38, 74 και 89 φάσματα να διατηρούνται τους μήνες Δεκέμβριο, Ιανουάριο και Φεβρουάριο αντίστοιχα. Το καλοκαίρι, ο αριθμός των φασμάτων κυμαίνεται μεταξύ 307 και 622 ανά μήνα. Όλα τα φάσματα εμφανίζουν τυπικά χαρακτηριστικά εσωτερικών υδάτων, με χαμηλότερες αντανακλάσεις στο μπλε φάσμα σε σύγκριση με το πράσινο και κόκκινο.

Η αντανάκλαση είναι υψηλότερη τον χειμώνα, ιδιαίτερα στο φάσμα 500-600 nm λόγω αυξημένης συγκέντρωσης σωματιδίων. Επίσης, παρατηρούνται διακριτικά φασματικά χαρακτηριστικά, όπως η αύξηση της αντανάκλασης στο φάσμα 680–750 nm κυρίως την άνοιξη και το καλοκαίρι, συνδεόμενη με αυξανόμενες συγκεντρώσεις Chla.

'''3.2 Ανάκτηση Chla'''

Την ίδια χρονική περίοδο, πραγματοποιήθηκαν 43 δειγματοληψίες νερού, σε 27 από αυτά μετρήθηκαν συγκεντρώσεις χλωροφύλλης chla με λήψεις από το HYPSTAR και ήταν έγκυρα όσον αφορά τα κριτήρια ποιότητας. Παρατηρείται ένα U-σχήμα στο φάσμα γύρω από τα 650-670 nm για τις υψηλότερες συγκεντρώσεις Chl-a, το οποίο είναι χαρακτηριστικό της υψηλής απορρόφησης φυκιοφυτοπλαγκτόν. Επίσης, παρατηρείται αύξηση στην ανακλαστικότητα γύρω από τα 710-720 nm και 555 nm για τις υψηλότερες συγκεντρώσεις Chl-a. Παρουσιάζεται η ακρίβεια των ανακτημένων συγκεντρώσεων Chl-a χρησιμοποιώντας τους αλγόριθμους CRAT και SIMIS.

Ο αλγόριθμος CRAT χρησιμοποιείται σε συγκεντρώσεις Chl-a περίπου από 10 έως 100 g/L, ενώ ο αλγόριθμος SIMIS είναι καλύτερος για συγκεντρώσεις περίπου 10 έως 119.56 g/L.

Τα RMSE είναι 8.20 g/L και 5.61 g/L για τους αλγόριθμους CRAT και SIMIS, αντίστοιχα. Και οι δύο αλγόριθμοι τείνουν να υπερεκτιμούν τις χαμηλές συγκεντρώσεις Chl-a και να υποεκτιμούν τις υψηλές συγκεντρώσεις.

Οι διάφορες τιμές του αναστολέα απορρόφησης (aph) παρατηρούνται να μειώνονται από 0.08 έως 0.006 m2/mg στην κορυφή της απορρόφησης Chl-a (δηλαδή, 665 nm). Για το 672 nm, οι τιμές του aph κυμαίνονται περίπου από 0.04 έως 0.006 m2/mg. Πίνακας 1 παρέχει τιμές για τα A και B στην Εξίσωση (5) όταν ανακτώνται με τον αλγόριθμο SIMIS.

'''3.3 Χρονικές σειρές Chla SPMQ:'''

Οι συγκεντρώσεις χλωροφύλλης από τις μετρήσεις του HYPSTAR ταυτίζονται με τις συγκεντρώσεις Chla που μετρήθηκαν στο νερό(ChlWa).Επίσης, παρατηρούνται υψηλές κορυφές στις συγκεντρώσεις ChlaSα και ChlaCα σε σχέση με τα δεδομένα των δειγμάτων νερού.Αυτες τις κορυφές ενδεχομένως τις επηρεάζουν οι παρακάτω παράγοντες:

1.υψηλή χρονική ανάλυση δεδομένων του HYPSTAR,
2. Αποτυχία απομάκρυνσης μη έγκυρων δεδομένων ή φασμάτων ανακλαστικότητας,
3. Λαθος εκτίμηση του a ph(I) σε υψηλές συγκεντρώσεις Chla.

Επίσης, παρατηρείται ότι κατά την άνοιξη και το καλοκαίρι λαμβάνονται μέτρα για την πρόληψη της ανάπτυξης των φυκιών (έγχυση αλγοκτόνου) στον υδροφόρο. Αυτό μπορεί να εξηγήσει γιατί οι συγκεντρώσεις Chla είναι περιορισμένες, ιδιαίτερα το καλοκαίρι του 2021, και γιατί σε ορισμένες περιπτώσεις παρατηρούνται απότομες πτώσεις των συγκεντρώσεων Chla (π.χ., τον Ιούλιο του 2022)

Το άρθρο αναφέρεται σε μια μελέτη σχετικά με την παρουσία σωματιδίων σε αναστάτωση (SPM) στο νερό. Διαπιστώνεται ότι οι τιμές του SPM κυμαίνονται από 0 έως 30 γραμμάρια ανά κυβικό μέτρο, με κάποιες εξαιρετικές περιπτώσεις που φτάνουν τα 60 γραμμάρια ανά κυβικό μέτρο. Οι υψηλότερες τιμές SPM παρατηρούνται κυρίως κατά τη διάρκεια καταιγίδων, όπου η ανακατεύθυνση των σωματιδίων από τον πυθμένα προς το νερό είναι πιο έντονη. Αυτό επιβεβαιώνεται από δορυφορικές εικόνες από τα συστήματα Landsat-9 OLI και Sentinel 2B-MSI, οι οποίες δείχνουν αυξημένες συγκεντρώσεις άνθρακα στη νότια πλευρά του τοίχου.

Επιπλέον, η μελέτη αυτή εξετάζει τη σχέση μεταξύ των τιμών ανακλαστικότητας και των τιμών SPM, καθώς και τις συγκεντρώσεις των ChlaSα και ChlaCα. Η ανάλυση αυτή παρέχει σημαντικές πληροφορίες για το πώς επηρεάζονται οι υδάτινοι πόροι από φυσικά φαινόμενα όπως οι καταιγίδες και οι πλημμύρες, και πώς αυτό μπορεί να επηρεάσει την ποιότητα του νερού σε μια συγκεκριμένη περιοχή.

'''3.4 Εντοπισμός Κυανοβακτηρίων: Μελέτη σκοπιμότητας'''

Στη μελέτη "Cyanobacteria Detection: A Feasibility Study", αξιολογήθηκαν διάφοροι δείκτες φυκοκυάνωσης (PC) μέσω της ανάλυσης υπερφασματικών δεδομένων τηλεπισκόπησης που λήφθηκαν από τον αισθητήρα PANTHYR. Τα δεδομένα αυτά παρείχαν πληροφορίες για τις αντανακλάσεις του νερού κατά τη διάρκεια μεγάλων εκρήξεων φυκοκυάνων το 2021 και το 2022. Συγκεκριμένα, το αποθέματος Blankaart παρουσίασε μικρή ανάπτυξη φυκοκυάνων, με μέγιστη συγκέντρωση 5 μικρογραμμαρίων ανά λίτρο.

Επίσης, παρουσιάζονται φάσματα αντανάκλασης νερού και η δεύτερη παράγωγος από εκρήξεις διατόμων και φυκοκυάνων, μέσα από τα οποία υπολογίζονται διάφοροι δείκτες.

Ο πρώτος δείκτης (CI1) δείχνει αύξηση τιμών με την αύξηση της συγκέντρωσης φυκοκυάνων, αλλά παρουσιάζει ένα πρόβλημα αντιστάθμισης στην απουσία φυκοκυάνων.

Ο δεύτερος δείκτης (CI2) χρησιμοποιεί το λόγο της αντανάκλασης του νερού στα 600 nm και 700 nm, με τη δεύτερη παράγωγο να είναι θετική στην παρουσία φυκοκυάνων.

Ο τρίτος δείκτης (CI3) αναμένεται να έχει αρνητική τιμή στην παρουσία φυκοκυάνων και θετική διαφορετικά, όμως δεν καταφέρνει να ανιχνεύσει φυκοκυάνωση με συγκέντρωση 4.7 mg/m³.

Εντούτοις, για υψηλότερες συγκεντρώσεις, ο CI3 είναι σημαντικά χαμηλότερος, προτείνοντας ότι ο δείκτης μπορεί να χρησιμοποιηθεί μόνο για την ανίχνευση σημαντικών αλλαγών στις συγκεντρώσεις φυκοκυάνων.

'''4. Συζήτηση'''

'''4.1. Περαιτέρω βελτίωση των προϊόντων ποιότητας νερού που παράγονται από το HYPSTAR'''

Το σύστημα HYPSTAR παρέχει σημαντικά δεδομένα με υψηλή χρονική ανάλυση και χαμηλές απαιτήσεις σε ανθρώπινο δυναμικό. Αυτά τα δεδομένα βοηθούν τους διαχειριστές νερού στην παρακολούθηση των τάσεων της χλωροφύλλης και στην αξιολόγηση των στρατηγικών για τον έλεγχο της επέκτασης των φυκιών.
Υπάρχει ανάγκη για περαιτέρω βελτίωση στην επεξεργασία δεδομένων, ιδίως στη διόρθωση της αντανάκλασης της διεπιφάνειας αέρα-νερού, για να μειωθούν οι ανακρίβειες και να αυξηθεί ο αριθμός των χρήσιμων δεδομένων.
Οι συγκεντρώσεις χλωροφύλλης που εντοπίζονται από το HYPSTAR ακολουθούν στενά τα δεδομένα δειγματοληψίας νερού, αλλά απαιτούνται περισσότερα δεδομένα για την περαιτέρω επικύρωση των αλγορίθμων.
Η ταχεία δοκιμή διαφόρων δεικτών φυκοκυάνων επιβεβαιώνει τη δυνατότητα παρακολούθησης της παρουσίας ή απουσίας των φυκοκυάνων σε πραγματικό χρόνο.

'''4.2 Πρώιμες Προειδοποιήσεις και Χωρική Παρακολούθηση:'''

Οι αυτόνομοι υπερφασματικοί αισθητήρες μπορούν να παρέχουν πρώιμες προειδοποιήσεις και να συμβάλλουν στη λήψη μέτρων πριν από την άνθηση φυκιών. Τα δεδομένα ακτινοβολίας μπορούν επίσης να χρησιμοποιηθούν για την προσέγγιση περιβαλλοντικών συνθηκών που επηρεάζουν την ανάπτυξη φυκιών.

Παρά την ανίχνευση μικρών διακυμάνσεων ποιότητας νερού από το HYPSTAR, υπάρχει περιορισμός στο πρώτο οπτικό βάθος και δεν παρέχεται συνοπτική εικόνα της λίμνης. Η χωρική μεταβλητότητα της ποιότητας νερού είναι επίσης κρίσιμη για την αποτελεσματική διαχείριση του νερού
'''
5. Συμπεράσματα'''

Τα κύρια συμπεράσματα της μελέτης είναι:

Η χρήση υπερφασματικών τεχνικών τηλεπισκόπησης αποδεικνύεται εφικτή και αποτελεσματική για την γρήγορη αξιολόγηση και παρακολούθηση της ποιότητας του νερού.

Τα υπερφασματικά δεδομένα με πολύ υψηλή χρονική ανάλυση παρέχουν σημαντικά οφέλη, επιτρέποντας την αποτύπωση μικρών χρονικών διακυμάνσεων στις συγκεντρώσεις Chla και SPM.

Οι αυτόνομες μετρήσεις απαιτούν ελάχιστη ανθρώπινη παρέμβαση, αυξάνοντας την αποδοτικότητα της διαδικασίας παρακολούθησης.

Οι υπερφασματικοί αισθητήρες βοηθούν στην ανίχνευση λεπτομερών φασματικών χαρακτηριστικών, όπως αυτά που απαιτούνται για την ανίχνευση φυκοκυάνων.
Για μια πληρέστερη ανάλυση, τα δεδομένα των υπερφασματικών αισθητήρων πρέπει να συμπληρωθούν με δορυφορικές εικόνες, προσφέροντας μια συνολική εικόνα των υδάτινων συστημάτων.

Τα δεδομένα είναι πολύτιμα αξιολογώντας την απόδοση αλγορίθμων διόρθωσης της ατμόσφαιρας, ειδικά για τη διόρθωση των εφελκυστικών αποτελεσμάτων ( φως που αντανακλάται από τη γη ή από λαμπερές επιφάνειες κοντά σε υδάτινες περιοχές μπορεί να παρεμβληθεί στην ανάλυση της αντανάκλασης του νερού, προκαλώντας παραμορφώσεις στα δεδομένα.)

Οι υπερφασματικοί αισθητήρες είναι αποτελεσματικοί στην έγκαιρη ανίχνευση ανάπτυξης φυκιών, προσφέροντας σημαντικά δεδομένα για τη διαχείριση της ποιότητας του νερού σε πόσιμες και αναψυκτικές λίμνες.

[[category:Ανίχνευση ρύπανσης υδάτινων όγκων]]

Using Hyperspectral Remote Sensing to MonitorWater Quality in Drinking Water Reservoirs

2024-01-30T20:58:06Z

Katerina Stamoulou:

'''Using Hyperspectral Remote Sensing to Monitor Water Quality in Drinking Water Reservoirs'''/ Παρακολούθηση ποιότητας πόσιμου νερού δεξαμενής, με υπερφασματική τηλεπισκόπηση.

'''Συγγραφείς:Clémence Goyens 1,* , Héloïse Lavigne 1, Antoine Dille 1 and Han Vervaeren 2'''

[https://www.mdpi.com/2072-4292/14/21/5607 Πηγή:]

[[Αρχείο:Pic 19.JPG|thumb|center|]]

'''Περίληψη:''' Στο Κέντρο Παραγωγής Νερού Blankaart, προβλήματα από ανάπτυξη φυκιών σε επιφανειακά νερά δεξαμενής, επηρέασαν την παραγωγή πόσιμου νερού. Για τον έλεγχο αυτής της ανάπτυξης φυκιών, εφαρμόζονται στρατηγικές όπως η έγχυση αλγοκτόνων. Το σύστημα HYPSTAR, λειτουργώντας από το 2021, παρακολουθεί την αποτελεσματικότητα αυτών των μεθόδων, μετρώντας με βιο-οπτικές παραμέτρους όπως χλωροφύλλη και αιωρούμενα σωματίδια. Η μελέτη δείχνει πώς τα δεδομένα του HYPSTAR βοηθούν στην γρήγορη και οικονομική παρακολούθηση των φυκιών, ενισχύοντας τη διαχείριση της ποιότητας του νερού.

'''Εισαγωγή:'''

Η συχνότητα ακραίων καλοκαιριών, η αστική επέκταση και οι κοινωνικο-οικονομικές πιέσεις απειλούν την ποιότητα και τη διαθεσιμότητα των επιφανειακών και υπόγειων υδάτινων πόρων. Το 2021, η Ευρωπαϊκή Επιτροπή υπογράμμισε την ανάγκη για ενέργειες προς διασφάλιση και βιώσιμη χρήση των πόρων γλυκού νερού. Η παραδοσιακή παρακολούθηση της ποιότητας του νερού, που βασίζεται σε δειγματοληψίες και εργαστηριακή ανάλυση, δεν επαρκεί για την παρακολούθηση διακυμάνσεων και τάσεων στην ποιότητα του νερού. Ως εκ τούτου, έχουν γίνει σημαντικές βελτιώσεις στις τεχνολογίες online παρακολούθησης για τη μέτρηση των φυσικών και χημικών παραμέτρων.

Ανάμεσα στις αυτοματοποιημένες τεχνολογίες, οι οπτικοί αισθητήρες που τοποθετούνται πάνω από την επιφάνεια του νερού έχουν αποδειχθεί οικονομικά αποδοτικοί για την παρακολούθηση της ποιότητας του νερού. Η ανάπτυξη της υπερφασματικής ακτινομετρίας επιτρέπει τώρα την ανίχνευση λεπτομερών φασματικών χαρακτηριστικών, ενισχύοντας την ικανότητα των αισθητήρων να αναλύουν τη βιοποικιλότητα στα ύδατα, όπως η σύνθεση και η πληθυσμιακή αφθονία του φυτοπλαγκτόν. Το σύστημα HYPSTAR, το οποίο τοποθετήθηκε από το 2021, συνδράμει στην παρακολούθηση της ποιότητας του νερού στο Κέντρο Παραγωγής Νερού Blankaart, μια σημαντική πηγή πόσιμου νερού στην παράκτια περιοχή του Βελγίου.

Στόχος της μελέτης είναι να αποδείξει τις δυνατότητες του HYPSTAR για αξιόπιστες μετρήσεις ανακλαστικότητας νερού με χαμηλές απαιτήσεις συντήρησης και υψηλή χρονική ανάλυση. Επιπλέον, εξετάζει πώς η συνεχής χρήση αυτών των μετρήσεων μπορεί να βελτιώσει την εκτίμηση της ποιότητας του νερού, εστιάζοντας στη χλωροφύλλη και τα αιωρούμενα σωματίδια. Χρησιμοποιεί δυο βασικούς δείκτες ποιότητας νερού, τη χλωροφύλλη και τα αιωρούμενα σωματίδια. Η μελέτη επιχειρεί επίσης να διερευνήσει τη δυνατότητα του HYPSTAR να ανιχνεύει τη φυκοκυανίνη, ένα μοναδικό χρωστικό των γλυκών νερών και των φυκιών.

''Το Τμήμα 1:'' περιγράφει τον αισθητήρα HYPSTAR και τα συλλεχθέντα δεδομένα, καθώς και την επεξεργασία που χρησιμοποιείται για την εκτίμηση της ανακλαστικότητας του νερού που επιστρέφει.
Τα δεδομένα δειγματοληψίας νερού που χρησιμοποιούνται για την επικύρωση των αλγορίθμων χλωροφύλλης(Chla) περιγράφονται στο ''Τμήμα 2.2. Το Τμήμα 2.3'' περιγράφει τους αλγόριθμους που χρησιμοποιούνται για την ανάκτηση των προϊόντων ποιότητας νερού, δηλαδή τη χλωροφύλλη και τα αιωρούμενα σωματίδια (SPM). Οι βελτιώσεις στους αλγορίθμους χλωροφύλλη παρουσιάζονται στο ''Τμήμα 3.2.'' Οι λαμβανόμενες μακροχρόνιες χρονοσειρές χλωροφύλλης(chla) και SPM μαζί με τα δεδομένα δειγματοληψίας νερού και ορισμένες ταυτόχρονες δορυφορικές εικόνες παρουσιάζονται στο'' Τμήμα 3.3''. Στο ''Τμήμα 3.4,'' ερευνάται τη δυνατότητα ανίχνευσης φυκοκυανίνης με τα δεδομένα HYPSTAR. Τέλος, ''στο Τμήμα 4'', συζητούνται οι πιθανές βελτιώσεις για περαιτέρω αξιοποίηση των δεδομένων και πώς τα προϊόντα ποιότητας νερού HYPSTAR θα μπορούσαν να χρησιμοποιηθούν για λειτουργική εκτίμηση της ποιότητας του νερού σε συνδυασμό με δορυφορικές εικόνες.

'''Σχήμα 1.''' Θέα από τη βορειοανατολική άκρη του τοίχου δεξαμενής Blankaart (αριστερά), λεπτομερής εικόνα του HYPSTAR που εγκαταστάθηκε κατά μήκος του κιγκλιδώματος 30 μέτρα από το συνοριακό άκρο (μέση), και αληθινή εικόνα χρωμάτων Sentinel 2A που λήφθηκε στις 2021-02-04 και επεξεργάστηκε με το ACOLITE [23] με τη δεξαμενή Blankaart στο κέντρο της εικόνας (πάνω δεξιά) και η παγχρωματική εικόνα GEOEye που λήφθηκε στις 2019-05-24 (κάτω δεξιά). Ένας κόκκινος σταυρός υποδεικνύει τη θέση του αισθητήρα (50.9888°N–2.8352°W). Το μπλε ημικύκλιο δείχνει τον προσανατολισμό του αισθητήρα κατά τη διάρκεια της ημέρας.

'''2. Υλικά και μέθοδοι'''

'''2.1. Δεδομένα ανακλαστικότητας νερού'''

'''2.1.1. HYPSTAR'''
Το HYPSTAR, ένα Υπερφασματικό Σύστημα Καταγραφής για Επίγεια και Υδάτινη Ακτινομετρία, εγκαταστάθηκε τον Ιανουάριο του 2021 στην δεξαμενή νερού του Blankaart WPC στο Βέλγιο. Αυτό το σύστημα μετρά συνεχώς την ανακλαστική και εισερχόμενη ακτινοβολία κατά τις ώρες ημέρας, εκτός από σύντομες περιόδους διακοπής για συντήρηση. Το HYPSTAR μετρά το ανακλώμενο φως στο ορατό
και κοντινό υπέρυθρο φασματικό εύρος και είναι εξοπλισμένο με GPS και ενσωματωμένη κάμερα για την οπτική επιθεώρηση των συνθηκών. Τοποθετήθηκε σε έναν τσιμεντένιο τοίχο της δεξαμενής, προσφέροντας μετρήσεις υψηλής ακρίβειας. Το HYPSTAR αναπτύχθηκε στο πλαίσιο του έργου HYPERNETS του H2020 και αποτελεί μέρος του δικτύου HYPERNETS.

'''2.1.2 Πρωτόκολλο συλλογής και επεξεργασίας δεδομένων'''

Η προσέγγιση πάνω από το νερό για τη μέτρηση της ποιότητας νερού περιλαμβάνει τη χρήση ραδιομέτρων για την προσπίπτουσα ακτινοβολία (Ld), την ανακλαστική ακτινοβολία επιφάνειας (Lu) και την ακτινοβολία που μεταδίδεται μέσω της διεπιφάνειας αέρα-νερού (Ed). Αυτές οι μετρήσεις επιτρέπουν τον υπολογισμό της ακτινοβολίας που εξέρχεται από το νερό, κρίσιμης για την ανάλυση της ποιότητας του νερού. Το HYPSTAR, το όργανο που χρησιμοποιείται, καταγράφει δεδομένα σε ορισμένες γωνίες, με κάθε γωνία να περιλαμβάνει πολλαπλές σαρώσεις που στη συνέχεια μετριάζονται. Οι μετρήσεις γίνονται κάθε 15 έως 30 λεπτά κατά τη διάρκεια της ημέρας και περιέχει τις ακόλουθες σειρές:
1.
Τρεις σαρώσεις του Ed(l, q = 180°, Df = +/- 90°);
2.
Τρεις σαρώσεις του Ld(l, q = 140°, Df = +/- 90°);
3.
Έξι σαρώσεις του Lu(l, q = 40°, Df = +/- 90°);
4.
Τρεις σαρώσεις του Ld(l, q = 140°, Df = +/- 90°);
5.
Τρεις σαρώσεις του Ed(l, q = 140°, Df = +/- 90°).
Η μέθοδος αυτή ακολουθεί το πρωτόκολλο μέτρησης και επεξεργασίας δεδομένων που υιοθετήθηκε από τη NASA και την IOCCG.

'''2.1.3 Επεξεργασία δεδομένων'''

Τα δεδομένα ακτινοβολίας επεξεργάζονται με τον επεξεργαστή Hypernets (ο οποίος είναι πλήρως προσβάσιμος: https://github.com/HYPERNETS/hypernets_processor, πρόσβαση στις 14 Οκτωβρίου 2022) και τον RHYMER («Αξιόπιστη επεξεργασία υπερ-φασματικής μέτρησης της ακτινοβολίας») για τον υπολογισμό της ανακλαστικότητας του νερού.

Υπάρχουν διάφορα βήματα επεξεργασίας και ελέγχου ποιότητας για τα δεδομένα. Το πρώτο βήμα είναι τα αυτούσια δεδομένα χωρίς επεξεργασία της ακτινοβολίας και της φωτεινότητας αλλά και των μαύρων περιοχών. Ως εκ τούτου, εφαρμόζονται φίλτρα για τη διάγνωση και αφαίρεση δεδομένων που μπορεί να είναι εσφαλμένα ή μη ποιοτικά. Ο επεξεργαστής επιτρέπει την παρακολούθηση της ποιότητας των δεδομένων ανακλαστικότητας του νερού και την αφαίρεση αμφιβόλων φασμάτων, ενώ επίσης χρησιμοποιεί δεδομένα από μετεωρολογικό σταθμό για την πρόβλεψη ταχύτητας ανέμου. Αυτά τα φίλτρα εξασφαλίζουν την ποιότητα των δεδομένων ανακλαστικότητας του νερού και την απόρριψη δεδομένων που δεν είναι αξιόπιστα για περαιτέρω ανάλυση.

Το '''πρώτο φίλτρο''' ελέγχει την αναλογία της ανακλαστικότητας Lu(l)/Ed(l) μεταξύ 800 και 950 nm και απορρίπτει τα φάσματα που επηρεάζονται από τον αφρό ή τα άλατα, όπου αυτή η αναλογία είναι μεγαλύτερη από 0,025 sr⁻¹.

Το '''δεύτερο φίλτρο''' εξετάζει τον παράγοντα παρόμοιας περιοχής φάσματος NIR (e(720, 780)) και απομακρύνει τα εσφαλμένα φάσματα, τα οποία δημιουργούνται από την αντανάκλαση του ήλιου ή του αέρα, όπου αυτός ο παράγοντας υπερβαίνει ένα καθορισμένο όριο.

Το '''τρίτο φίλτρο''' αφαιρεί τα φάσματα με αρνητικές ανακλαστικές τιμές μεταξύ 400 και 900nm (ανακριβή αφαίρεση ανακλαστικότητας της διεπιφάνειας αέρα-νερού).

Για τον υπολογισμό της ανακλαστικότητας του νερού, ο παράγοντας ανακλαστικότητας rF ανακτάται από τον πίνακα αναζήτησης του [26] χρησιμοποιώντας ως είσοδο την ηλιακή γωνία ηλίου, τη γωνία επισκόπησης, τη σχετική αζιμούθιο γωνία μεταξύ ηλίου και αισθητήρα και την ταχύτητα του ανέμου στα 10 μέτρα πάνω από την επιφάνεια της θάλασσας. Η ταχύτητα του ανέμου προέρχεται από έναν κοντινό σταθμό, δηλαδή τον σταθμό VLINDER που βρίσκεται στο Blankaart.

'''2.2 Αξιολόγηση δεδομένων'''

'''2.2.1: Συλλογή Δεδομένων Χλωροφύλλης (Chla)'''

Σε αυτό το υποκεφάλαιο, αναφέρεται η συλλογή δεδομένων χλωροφύλλης (Chla) μέσω δειγματοληψίας επιφανειακού νερού που πραγματοποιείται από τους υδρολόγους με δοχείο 5λίτρων. Τα δείγματα συλλέγονται ανά διάστημα και αξιολογούνται για την ποιότητα του νερού με μια φασματοφωτομετρική μέθοδος, 10200Η[31]. Συνολικά βρέθηκαν 43 συγκεντρώσεις chla από δειγματοληψείες από τον Ιανουάριο 2021 και μετά.

'''2.2.2: Διαδικασία Μετρήσεων Κυανοβακτηρίων και Διατομών'''

Η μέτρηση των αλγών έγινε χειροκίνητα, χρησιμοποιώντας το πρωτόκολλο δειγματοληψίας και προετοιμασίας που ακολουθεί το "Συνοπτικό Εγχειρίδιο Δειγματοληψίας, Μέτρησης και Ανάλυσης του Νερού" της Φλαμανδικής Κυβέρνησης και το ευρωπαϊκό πρότυπο EN 15204.

'''2.3.1: Αλγόριθμοι για τα Προϊόντα Ποιότητας του Νερού (Chla)'''

Στη μελέτη αυτή, δοκιμάστηκαν και συγκρίθηκαν διάφοροι αλγόριθμοι βασισμένοι στην "κόκκινη άκρη" (red-edge) τόσο με χρήση πολυφασματικών όσο και υπερφασματικών προσεγγίσεων, με στόχο την ανίχνευση της χλωροφύλλης α (Chla) σε θολά και ευτροφικά νερά. Οι αλγόριθμοι που βασίζονται στον υπολογισμό της απορρόφησης της Chla στα 665 nm (SIMIS) και στην εκτίμηση της Chla με βάση τις ανακλάσεις σε δύο συγκεκριμένες μήκη κύματος (CRAT) αξιολογήθηκαν.

Ο αλγόριθμος SIMIS υπολογίζει τις συγκεντρώσεις Chla με την εξίσωση:
αChl(665)=(ρw(709)/ρw(665))(αw(709)+bb)-bb-αw(665)
ChlSa=αChl(665)/α΄ph(665)

όπου α΄ph (665) είναι ο συντελεστής απορρόφησης της φυκοκυάνης ανά μονάδα συγκέντρωσης Chla.

Ο αλγόριθμος CRAT υπολογίζει τη Chla με την εξίσωση:

ChlCa=[aw(l2)−aw(l1)]/α΄ph(672)

όπου l2 επιλέγεται ατομικά στο διάστημα 704–740 nm ως το μήκος κύματος στο οποίο η ανάκλαση είναι ίση με την ανάκλαση στην κόκκινη απορρόφηση Chla (δηλαδή ρw(l2)=ρw(l1)) και l1 ισούται με 672 nm.

Η μελέτη επισημαίνει επίσης ότι οι τιμές α΄ph(l) μπορεί να διαφέρουν ανάλογα με διάφορους παράγοντες και προτείνεται η χρήση μιας μεταβλητής α΄ph(l) για την βελτίωση των εκτιμήσεων της συγκέντρωσης Chla.

Η μορφή της συνάρτησης που προτείνεται είναι: α΄ph(l)=A⋅Chl−Β

όπου Α και Β είναι συντελεστές εξαρτώμενοι από το μήκος κύματος.

Τέλος, η ακρίβεια των αλγορίθμων ChlS_a και ChlC_a αξιολογήθηκε με βάση τις εξής μετρικές:

•Το Root Mean Square Error ('''RMSE'''),
•Η κλίση (S) και το σημείο τομής (I) της παραμικρών τετραγώνων παλινδρόμησης,
•Το Mean Absolute Percentage Error ('''MAPE'''),
•Το '''BIAS'''.

'''2.3.2: Εκτίμηση Σωματιδίων Συστοιχίας (SPM)'''

Για τον υπολογισμό των σωματιδίων συστοιχίας (SPM), χρησιμοποιήθηκε ο αλγόριθμος από το Nechad et al. [45], με το μέτρο της ανακλαστικότητας του νερού στα 700 nm ως εξής:

<math> SPM = A˄N2010 x ρw(700) / 1- ( ρw(700)/C^N2010) </math> (8)

όπου οι σταθερές A˄N2010 και C˄N2010 είναι σταθερές τιμές (δηλαδή 445,11 και 1,13 αντίστοιχα) που λαμβάνονται από τον πίνακα 1 στο [45].

'''2.3.3: Κυανοβακτήρια'''

Εξετάζεται η ανάπτυξη και αξιολόγηση διαφόρων δεικτών για την ανίχνευση φυκοκυάνων, δεδομένης της ανεπαρκούς συσχέτισης μεταξύ δειγματοληψίας νερού και δεδομένων ανάκλασης HYPSTAR (μόνο δύο συσχετίσεις). Η αξιολόγηση συμπληρώθηκε με δύο επιπλέον μετρήσεις από τον αισθητήρα PANTHYR κατά τη διάρκεια μεγάλης απότομης ανάπτυξης φυκοκυάνων το 2019 και το 2020.

Οι δείκτες που αναπτύχθηκαν εστιάζουν στις φασματικές ιδιαιτερότητες των φυκοκυάνων λόγω της απορρόφησης του φυκοκυανίνης (PC) και των φαινομένων φθορισμού τους. Χρησιμοποιώντας έναν αναλυτικό αλγόριθμο, οι Simis και συνεργάτες πρότειναν τον υπολογισμό της συγκέντρωσης PC από την απορρόφησή του στα 620 nm, μετά από διόρθωση για την απορρόφηση του νερού και της χλωροφύλλης α.

Ο '''πρώτος δείκτης''', CI1, υπολογίζεται ως εξής:

CI1=[((ρw(709)/ρw(620))(aw(709)]+bb))−bb−αw(620)−e665−620⋅αChl(665)

όπου e665−620e665−620 είναι ο συντελεστής μετατροπής από αChl(665) σε αChl(620)(ίσο με 0.24) και d είναι ένας συντελεστής διόρθωσης.

Ο '''δεύτερος δείκτης''', CI2, είναι ο λόγος των μπαντών μεταξύ ρw(600) και ρw(700), όπως προτάθηκε από τον Mishra και τους συνεργάτες:

CI2=ρw(700)/ρw(600)

Οι μπάντες επιλέγονται για την χαμηλή μεταβλητότητά τους και την απουσία επιρροής από την απορρόφηση της χλωροφύλλης α στα 600 nm.

Ο '''τρίτος δείκτης''', CI3, προτάθηκε από τον Wynne και συνεργάτες και εστιάζει στο φάσμα γύρω από τα 681 nm, παρόμοιο με μια εξίσωση ύψους γραμμής φθορισμού:

CI3=ρw(681)−ρw(665)−[ρw(709)−ρw(665)][(681−665)/(709−665)]

Ένα αρνητικό αποτέλεσμα για το CI3 αναμένεται στην παρουσία φυκοκυάνων, ενώ ένα θετικό αποτέλεσμα στην απουσία τους.

Εικόνα 2:Αριθμός έγκυρων ακολουθιών που λαμβάνονται κάθε μέρα ("Όλες οι ακολουθίες"), και οι απομείναντες ακολουθίες μετά την αφαίρεση των φασμάτων που δεν ικανοποιούν τα ακόλουθα φίλτρα:

(1) Φίλτρο 1: Lu(l)/Ed(l) μεταξύ 800 και 950 nm > 0.025 sr^-1;

(2) Φίλτρο 2: e(720, 780) > 0.005; και

(3) Φίλτρο 3: αφαίρεση αρνητικών δεδομένων ανακλαστικότητας στην περιοχή 400–900 nm.

Σημειώστε ότι το όργανο ήταν σε συντήρηση και επαναβαθμονόμηση τον Φεβρουάριο–Απρίλιο του 2022.

'''3.Αποτελέσματα

3.1 Ανακλαστικότητα από το νερό.'''

Καταμετρήθηκαν 8116 φάσματα από 27/01/2021 έως 03/08/2022.
Αρχικά, 7933 φάσματα επιλέγονται μετά από ποιοτικό έλεγχο. Από αυτά, φάσματα με ε(720, 780) > 0.005 αφαιρούνται, αφήνοντας 6535 φάσματα. Περαιτέρω, αφαιρούνται φάσματα με αρνητικές τιμές μεταξύ 400-900 nm, παραμένοντας 2988 μετρήσεις. Περισσότερα δεδομένα αφαιρούνται τον χειμώνα λόγω δυσμενών καιρικών συνθηκών, με 38, 74 και 89 φάσματα να διατηρούνται τους μήνες Δεκέμβριο, Ιανουάριο και Φεβρουάριο αντίστοιχα. Το καλοκαίρι, ο αριθμός των φασμάτων κυμαίνεται μεταξύ 307 και 622 ανά μήνα. Όλα τα φάσματα εμφανίζουν τυπικά χαρακτηριστικά εσωτερικών υδάτων, με χαμηλότερες αντανακλάσεις στο μπλε φάσμα σε σύγκριση με το πράσινο και κόκκινο.

Η αντανάκλαση είναι υψηλότερη τον χειμώνα, ιδιαίτερα στο φάσμα 500-600 nm λόγω αυξημένης συγκέντρωσης σωματιδίων. Επίσης, παρατηρούνται διακριτικά φασματικά χαρακτηριστικά, όπως η αύξηση της αντανάκλασης στο φάσμα 680–750 nm κυρίως την άνοιξη και το καλοκαίρι, συνδεόμενη με αυξανόμενες συγκεντρώσεις Chla.

'''3.2 Ανάκτηση Chla'''

Την ίδια χρονική περίοδο, πραγματοποιήθηκαν 43 δειγματοληψίες νερού, σε 27 από αυτά μετρήθηκαν συγκεντρώσεις χλωροφύλλης chla με λήψεις από το HYPSTAR και ήταν έγκυρα όσον αφορά τα κριτήρια ποιότητας. Παρατηρείται ένα U-σχήμα στο φάσμα γύρω από τα 650-670 nm για τις υψηλότερες συγκεντρώσεις Chl-a, το οποίο είναι χαρακτηριστικό της υψηλής απορρόφησης φυκιοφυτοπλαγκτόν. Επίσης, παρατηρείται αύξηση στην ανακλαστικότητα γύρω από τα 710-720 nm και 555 nm για τις υψηλότερες συγκεντρώσεις Chl-a. Παρουσιάζεται η ακρίβεια των ανακτημένων συγκεντρώσεων Chl-a χρησιμοποιώντας τους αλγόριθμους CRAT και SIMIS.

Ο αλγόριθμος CRAT χρησιμοποιείται σε συγκεντρώσεις Chl-a περίπου από 10 έως 100 g/L, ενώ ο αλγόριθμος SIMIS είναι καλύτερος για συγκεντρώσεις περίπου 10 έως 119.56 g/L.

Τα RMSE είναι 8.20 g/L και 5.61 g/L για τους αλγόριθμους CRAT και SIMIS, αντίστοιχα. Και οι δύο αλγόριθμοι τείνουν να υπερεκτιμούν τις χαμηλές συγκεντρώσεις Chl-a και να υποεκτιμούν τις υψηλές συγκεντρώσεις.

Οι διάφορες τιμές του αναστολέα απορρόφησης (aph) παρατηρούνται να μειώνονται από 0.08 έως 0.006 m2/mg στην κορυφή της απορρόφησης Chl-a (δηλαδή, 665 nm). Για το 672 nm, οι τιμές του aph κυμαίνονται περίπου από 0.04 έως 0.006 m2/mg. Πίνακας 1 παρέχει τιμές για τα A και B στην Εξίσωση (5) όταν ανακτώνται με τον αλγόριθμο SIMIS.

'''3.3 Χρονικές σειρές Chla SPMQ:'''

Οι συγκεντρώσεις χλωροφύλλης από τις μετρήσεις του HYPSTAR ταυτίζονται με τις συγκεντρώσεις Chla που μετρήθηκαν στο νερό(ChlWa).Επίσης, παρατηρούνται υψηλές κορυφές στις συγκεντρώσεις ChlaSα και ChlaCα σε σχέση με τα δεδομένα των δειγμάτων νερού.Αυτες τις κορυφές ενδεχομένως τις επηρεάζουν οι παρακάτω παράγοντες:

1.υψηλή χρονική ανάλυση δεδομένων του HYPSTAR,
2. Αποτυχία απομάκρυνσης μη έγκυρων δεδομένων ή φασμάτων ανακλαστικότητας,
3. Λαθος εκτίμηση του a ph(I) σε υψηλές συγκεντρώσεις Chla.

Επίσης, παρατηρείται ότι κατά την άνοιξη και το καλοκαίρι λαμβάνονται μέτρα για την πρόληψη της ανάπτυξης των φυκιών (έγχυση αλγοκτόνου) στον υδροφόρο. Αυτό μπορεί να εξηγήσει γιατί οι συγκεντρώσεις Chla είναι περιορισμένες, ιδιαίτερα το καλοκαίρι του 2021, και γιατί σε ορισμένες περιπτώσεις παρατηρούνται απότομες πτώσεις των συγκεντρώσεων Chla (π.χ., τον Ιούλιο του 2022)

Το άρθρο αναφέρεται σε μια μελέτη σχετικά με την παρουσία σωματιδίων σε αναστάτωση (SPM) στο νερό. Διαπιστώνεται ότι οι τιμές του SPM κυμαίνονται από 0 έως 30 γραμμάρια ανά κυβικό μέτρο, με κάποιες εξαιρετικές περιπτώσεις που φτάνουν τα 60 γραμμάρια ανά κυβικό μέτρο. Οι υψηλότερες τιμές SPM παρατηρούνται κυρίως κατά τη διάρκεια καταιγίδων, όπου η ανακατεύθυνση των σωματιδίων από τον πυθμένα προς το νερό είναι πιο έντονη. Αυτό επιβεβαιώνεται από δορυφορικές εικόνες από τα συστήματα Landsat-9 OLI και Sentinel 2B-MSI, οι οποίες δείχνουν αυξημένες συγκεντρώσεις άνθρακα στη νότια πλευρά του τοίχου.

Επιπλέον, η μελέτη αυτή εξετάζει τη σχέση μεταξύ των τιμών ανακλαστικότητας και των τιμών SPM, καθώς και τις συγκεντρώσεις των ChlaSα και ChlaCα. Η ανάλυση αυτή παρέχει σημαντικές πληροφορίες για το πώς επηρεάζονται οι υδάτινοι πόροι από φυσικά φαινόμενα όπως οι καταιγίδες και οι πλημμύρες, και πώς αυτό μπορεί να επηρεάσει την ποιότητα του νερού σε μια συγκεκριμένη περιοχή.

'''3.4 Εντοπισμός Κυανοβακτηρίων: Μελέτη σκοπιμότητας'''

Στη μελέτη "Cyanobacteria Detection: A Feasibility Study", αξιολογήθηκαν διάφοροι δείκτες φυκοκυάνωσης (PC) μέσω της ανάλυσης υπερφασματικών δεδομένων τηλεπισκόπησης που λήφθηκαν από τον αισθητήρα PANTHYR. Τα δεδομένα αυτά παρείχαν πληροφορίες για τις αντανακλάσεις του νερού κατά τη διάρκεια μεγάλων εκρήξεων φυκοκυάνων το 2021 και το 2022. Συγκεκριμένα, το αποθέματος Blankaart παρουσίασε μικρή ανάπτυξη φυκοκυάνων, με μέγιστη συγκέντρωση 5 μικρογραμμαρίων ανά λίτρο.

Επίσης, παρουσιάζονται φάσματα αντανάκλασης νερού και η δεύτερη παράγωγος από εκρήξεις διατόμων και φυκοκυάνων, μέσα από τα οποία υπολογίζονται διάφοροι δείκτες.

Ο πρώτος δείκτης (CI1) δείχνει αύξηση τιμών με την αύξηση της συγκέντρωσης φυκοκυάνων, αλλά παρουσιάζει ένα πρόβλημα αντιστάθμισης στην απουσία φυκοκυάνων.

Ο δεύτερος δείκτης (CI2) χρησιμοποιεί το λόγο της αντανάκλασης του νερού στα 600 nm και 700 nm, με τη δεύτερη παράγωγο να είναι θετική στην παρουσία φυκοκυάνων.

Ο τρίτος δείκτης (CI3) αναμένεται να έχει αρνητική τιμή στην παρουσία φυκοκυάνων και θετική διαφορετικά, όμως δεν καταφέρνει να ανιχνεύσει φυκοκυάνωση με συγκέντρωση 4.7 mg/m³.

Εντούτοις, για υψηλότερες συγκεντρώσεις, ο CI3 είναι σημαντικά χαμηλότερος, προτείνοντας ότι ο δείκτης μπορεί να χρησιμοποιηθεί μόνο για την ανίχνευση σημαντικών αλλαγών στις συγκεντρώσεις φυκοκυάνων.

'''4. Συζήτηση'''

'''4.1. Περαιτέρω βελτίωση των προϊόντων ποιότητας νερού που παράγονται από το HYPSTAR'''

Το σύστημα HYPSTAR παρέχει σημαντικά δεδομένα με υψηλή χρονική ανάλυση και χαμηλές απαιτήσεις σε ανθρώπινο δυναμικό. Αυτά τα δεδομένα βοηθούν τους διαχειριστές νερού στην παρακολούθηση των τάσεων της χλωροφύλλης και στην αξιολόγηση των στρατηγικών για τον έλεγχο της επέκτασης των φυκιών.
Υπάρχει ανάγκη για περαιτέρω βελτίωση στην επεξεργασία δεδομένων, ιδίως στη διόρθωση της αντανάκλασης της διεπιφάνειας αέρα-νερού, για να μειωθούν οι ανακρίβειες και να αυξηθεί ο αριθμός των χρήσιμων δεδομένων.
Οι συγκεντρώσεις χλωροφύλλης που εντοπίζονται από το HYPSTAR ακολουθούν στενά τα δεδομένα δειγματοληψίας νερού, αλλά απαιτούνται περισσότερα δεδομένα για την περαιτέρω επικύρωση των αλγορίθμων.
Η ταχεία δοκιμή διαφόρων δεικτών φυκοκυάνων επιβεβαιώνει τη δυνατότητα παρακολούθησης της παρουσίας ή απουσίας των φυκοκυάνων σε πραγματικό χρόνο.

'''4.2 Πρώιμες Προειδοποιήσεις και Χωρική Παρακολούθηση:'''

Οι αυτόνομοι υπερφασματικοί αισθητήρες μπορούν να παρέχουν πρώιμες προειδοποιήσεις και να συμβάλλουν στη λήψη μέτρων πριν από την άνθηση φυκιών. Τα δεδομένα ακτινοβολίας μπορούν επίσης να χρησιμοποιηθούν για την προσέγγιση περιβαλλοντικών συνθηκών που επηρεάζουν την ανάπτυξη φυκιών.

Παρά την ανίχνευση μικρών διακυμάνσεων ποιότητας νερού από το HYPSTAR, υπάρχει περιορισμός στο πρώτο οπτικό βάθος και δεν παρέχεται συνοπτική εικόνα της λίμνης. Η χωρική μεταβλητότητα της ποιότητας νερού είναι επίσης κρίσιμη για την αποτελεσματική διαχείριση του νερού
'''
5. Συμπεράσματα'''

Τα κύρια συμπεράσματα της μελέτης είναι:

Η χρήση υπερφασματικών τεχνικών τηλεπισκόπησης αποδεικνύεται εφικτή και αποτελεσματική για την γρήγορη αξιολόγηση και παρακολούθηση της ποιότητας του νερού.

Τα υπερφασματικά δεδομένα με πολύ υψηλή χρονική ανάλυση παρέχουν σημαντικά οφέλη, επιτρέποντας την αποτύπωση μικρών χρονικών διακυμάνσεων στις συγκεντρώσεις Chla και SPM.

Οι αυτόνομες μετρήσεις απαιτούν ελάχιστη ανθρώπινη παρέμβαση, αυξάνοντας την αποδοτικότητα της διαδικασίας παρακολούθησης.

Οι υπερφασματικοί αισθητήρες βοηθούν στην ανίχνευση λεπτομερών φασματικών χαρακτηριστικών, όπως αυτά που απαιτούνται για την ανίχνευση φυκοκυάνων.
Για μια πληρέστερη ανάλυση, τα δεδομένα των υπερφασματικών αισθητήρων πρέπει να συμπληρωθούν με δορυφορικές εικόνες, προσφέροντας μια συνολική εικόνα των υδάτινων συστημάτων.

Τα δεδομένα είναι πολύτιμα αξιολογώντας την απόδοση αλγορίθμων διόρθωσης της ατμόσφαιρας, ειδικά για τη διόρθωση των εφελκυστικών αποτελεσμάτων ( φως που αντανακλάται από τη γη ή από λαμπερές επιφάνειες κοντά σε υδάτινες περιοχές μπορεί να παρεμβληθεί στην ανάλυση της αντανάκλασης του νερού, προκαλώντας παραμορφώσεις στα δεδομένα.)

Οι υπερφασματικοί αισθητήρες είναι αποτελεσματικοί στην έγκαιρη ανίχνευση ανάπτυξης φυκιών, προσφέροντας σημαντικά δεδομένα για τη διαχείριση της ποιότητας του νερού σε πόσιμες και αναψυκτικές λίμνες.

[[category:Ανίχνευση ρύπανσης υδάτινων όγκων]]

Remote Sensing Applications in Water Resources

2024-01-30T20:54:08Z

Katerina Stamoulou:

'''Remote Sensing Applications in Water Resources'''/εφαρμογές τηλεπισκόπησης σε υδάτινους πόρους

'''ΣΥΓΓΡΑΦΕΙΣ: D. Nagesh Kumar* and T.V. Reshmidevi'''
[https://www.researchgate.net/publication/245538996_Remote_Sensing_Applications_in_Water_Resources Πηγή:]

'''Περίληψη'''

Η παρούσα μελέτη δίνει μια σύντομη παρουσίαση των πιθανών εφαρμογών της τηλεπισκόπησης για τους υδάτινους πόρους. Η χρήση των δορυφόρων, αρχικά, για την παρατήρηση της γης, έδωσε βήμα και για περαιτέρω ανάλυση των επιφανειακών χαρακτηριστικών με αποτέλεσμα να παρέχει πολύτιμες πληροφορίες και για την υδρολογική ανάλυση. Οι τεχνικές τηλεπισκόπησης έχουν χρησιμοποιηθεί ευρέως για την οριοθέτηση των υδάτινων επιφανειών, την εκτίμηση μετεωρολογικών μεταβλητών όπως η θερμοκρασία και η βροχόπτωση και για την εκτίμηση υδρολογικών καταστάσεων όπως την υγρασία του εδάφους ή την εξατμισοδιαπνοή κ.ά. Σήμερα, είναι εφικτή η παρακολούθηση πολύ κοντά στον πραγματικό χρόνο για καταστάσεις πλημμυρών, ξηρασίας, διαχείριση άρδευσης με την βοήθεια των δορυφορικών δεδομένων σε αρκετά υψηλή ανάλυση.

Όλες οι φωτογραφίες και οι παραπομπές αναφέρονται απο και στην πώτυπη μελέτη.

'''1.Εισαγωγή'''

Μέχρι σήμερα, υπήρχε έλλειψη λεπτομερών πληροφοριών σχετικά με την χωρική μεταβλητότητα των φυσικών και υδρολογικών παραμέτρων της λεκάνης απορροής. Ωστόσο, η ταχύτατη εξέλιξη της τεχνολογίας της τηλεπισκόπησης και η χρήση φασματικών δορυφορικών εικόνων αποτελούν σημαντικό εργαλείο για την καταγραφή της χωρικής διακύμανσης υδρομετεωρολογικών και υδατικών χαρακτηριστικών με αποτέλεσμα την επίτευξη χαρτογράφησης τους.

Οι εφαρμογές της τηλεπισκόπησης στην υδρολογία μπορούν να ταξινομηθούν σε τρεις βασικές κατηγορίες: i) Απλή οριοθέτηση εύκολα αναγνωρίσιμων περιοχών ή επιφανειακών χαρακτηριστικών όπως για παράδειγμα η χιονοκάλυψη, επιφανειακά νερά ή ιζήματα, ii) Λεπτομερέστερη ερμηνεία και ταξινόμηση των δεδομένων όπως γεωλογικά χαρακτηριστικά ή τύποι κάλυψης γης, Iii) Χρήση ψηφιακών υδρολογικών δεδομένων την σε συνδυασμό με επίγειες παρατηρήσεις για την εξαγωγή πιο σύνθετων συμπερασμάτων όπως π.χ η εδαφική υγρασία.

Μελέτες με δεδομένα που λαμβάνονται με απομακρυσμένες τεχνικές ανίχνευσης σε συνδυασμό με τα υδρολογικά και ποιοτικά μοντέλα, επιτυγχάνουν καλύτερη προσομοίωση και καλύτερη κατανόηση των υδάτινων πόρων και της ποιότητας τους. Αυτές οι μελέτες έχουν ένα ευρύ φάσμα εφαρμογής από ανάλυση μορφολογίας ποταμών μέχρι την διαχείριση την σχεδίαση άρδευσης ή την μελέτη υπόγειων υδάτων και την ποιότητα τους.

Η τηλεπισκόπηση είναι μια επιστήμη που παράγει δεδομένα για ένα αντικείμενο, περιοχή ή φαινόμενο χωρίς να καμία φυσική επαφή με αυτά, χρησιμοποιώντας αισθητήρες για την μέτρηση της ηλεκτρομαγνητικής ακτινοβολία('''EMR''')που αντανακλάται ή εκπέμπεται από το αντικείμενο/περιοχή.

Καθώς το φάσμα της ηλεκτρομαγνητικής ακτινοβολίας χωρίζεται σε ζώνες, η δορυφορική τηλεπισκόπηση συνήθως χρησιμοποιεί την ορατή ζώνη (VIS, μήκος κύματος 0,4-0,7 μm), το υπέρυθρο (IR, μήκος κύματος 0,7-100 μm) και οι περιοχές μικροκυμάτων (μήκος κύματος 0,1-100 cm).

Η περιοχή IR ταξινομείται,
σε εγγύς υπέρυθρη ακτινοβολία (NIR, 0,7-1,3 μm),

μεσαία IR (MIR, 1,3-3 μm) και

στις θερμικές ζώνες IR (TIR,3-5 μm και 8-14 μm)

Ανάλογα με το υψόμετρο του αισθητήρα, η '''τηλεπισκόπηση''' διακρίνεται σε '''επίγεια'''(με φορητούς αισθητήρες ή αισθητήρες πάνω σε κινούμενες πλατφόρμες), χαμηλού ή υψηλού υψομέτρου (αισθητήρες σε αεροσκάφη) και σε '''διαστημική''' (αισθητήρες σε πολικές τροχιές ή σε γεωστατικούς δορυφόρους).

Επίσης, υπάρχουν '''δύο τύποι αισθητήρων''':

'''ενεργητικοί''' (ραντάρ) που στέλνουν και λαμβάνουν ηλεκτρομαγνητικά σήματα και οι '''παθητικοί''' που καταγράφουν μόνο την ανακλώμενη ή εκπεμπόμενη ενέργεια.

Οι αισθητήρες διαφοροποιούνται ανάλογα σε ποια φασματική περιοχή λειτουργούν VIS/IR με συστήματα όπως ο πολυφασματικός σαρωτής Landsat (MSS), ο θεματικός χαρτογράφος (TM) και το φασματοραδιόμετρο απεικόνισης μέτριας ανάλυσης (MODIS).Ένας τυπικός υπερφασματικός αισθητήρας συλλέγει δεδομένα ανακλαστικότητας σε πάνω από 200 κανάλια (Hyperion της NASA-EO-1 220φασματικές ζώνες στο εύρος 0.4-2.4μm)

Η συγκεκριμένη εργασία, κατηγοριοποιεί τις εφαρμογές της τηλεπισκόπησης σε τρεις βασικές κατηγορίες που αναφέρθηκαν παραπάνω, προσφέροντας λεπτομέρειες και για τις πηγές των παγκόσμιων προϊόντων τηλεπισκόπησης.

'''2.Χαρτογράφηση υδάτινων πόρων'''

Η χαρτογράφηση των επιφανειακών ορίων των υδάτων ήταν μια από τις πρώτες εφαρμογές της τηλεπισκόπησης στο νερό. Η οπτική τηλεπισκόπηση των υδάτινων πόρων βασίζεται στην διαφορά των φασματικών υπογραφών του εδάφους και του νερού. Στο σχήμα 2 φαίνονται οι φασματικές υπογραφές του νερού, της βλάστησης, και του ξηρού εδάφους σε διαφορετικά μήκη κύματος.
Το νερό απορροφά ένα πολύ μεγάλο μέρος της ενέργειας στο NIR και στο MIR, ενώ η βλάστηση και το έδαφος έχουν υψηλότερη ανακλαστικότητα σε αυτά τα μήκη κύματος. Ως εκ τούτου, το νερό μπορεί να διαφοροποιηθεί πολύ εύκολα από την βλάστηση και το έδαφος, με σκουρότερο τόνο στις ζώνες IR.

Στην εικόνα 3,παρουσιάζεται μια εικόνα ενός τμήματος της λεκάνης του ποταμού Krishna σε διάφορες ζώνες του Landsat ETM+. Στις ζώνες VIS (ζώνες 1, 2 και 3) η διαφοροποίηση του ,νερού και άλλων χαρακτηριστικών δεν είναι πολύ σημαντική. Αντιθέτως, οι ζώνες IR (ζώνες 4 και 5) παρουσιάζουν έντονη αντίθεση μεταξύ τους λόγω των φτωχής ανάκλασης του νερού στην περιοχή IR του φάσματος EMR.

Η ακριβής διαγράμμιση των ορίων των υδάτινων σωμάτων απαιτεί δεδομένα από αισθητήρες με λεπτή χωρική ανάλυση όπως χρησιμοποιήθηκε στη περιοχή του Jodhpur στην Ινδία, όπου χρησιμοποιήθηκαν εικόνες Landsat TM με ανάλυση 30 μέτρων. Οι οπτικές τεχνικές τηλεπισκόπησης δίνουν λεπτομερή χωρική ανάλυση αλλά η δυνατότητα αυτή μπορεί να αξιοποιηθεί πλήρως σε καλές καιρικές συνθήκες μιας και παρουσία σύννεφων, κάτι που συνηθίζεται σε τροπικά κλίματα, εμποδίζει την καθαρότητα της εικόνας. Δίπλα σε αυτόν τον περιορισμό, έρχεται και η πυκνή βλάστηση. Τα ραντάρ (ενεργητικοί αισθητήρες σε μικροκύματα) μπορούν αν προσπελάσουν αυτούς τους περιορισμούς, καθώς τα μικροκύματα μπορούν να διαπεράσουν τα σύννεφα και την βλάστηση και, έτσι με την βοήθεια αυτών έχουν χαρτογραφηθεί επιτυχώς επιφανειακά νερά και πλημμυρισμένες περιοχές ακόμη και κάτω από πυκνά δάση.

Μία ακόμη σημαντική εξέλιξη είναι και η χρήση θερμικών ζωνών. Αυτή η μέθοδος χρησιμοποιήθηκε με επιτυχία στην λίμνη Chad στην κεντρική Αφρική, για την παρακολούθηση πλημμυρισμένων περιοχών χρησιμοποιώντας μετρήσεις θερμοκρασίας φωτεινότητας (TB) χρησιμοποιώντας TIR band (10.5–12.5 μm) με την θερμική ζώνη του Meteosat. Βέβαια, το μειονέκτημα της χαμηλής χωρικής ανάλυσης (5 χιλιόμετρα).

[[Αρχείο:Pic 8.JPG|thumb|center|]]
[[Αρχείο:Pic 9.JPG|thumb|center|]]

'''3.Εκτίμηση των υδρομετεωρολογικών Μεταβλητών'''

Οι υδρολογικές διεργασίες είναι εξαιρετικά ρευστές στη φύση, παρουσιάζοντας μεγάλες χωροχρονικές διακυμάνσεις. Οι συμβατικές μέθοδοι για την εκτίμηση αυτών των πολύπλοκων μεταβλητών στηρίζονται σε επιτόπιες μετρήσεις, για την πραγματοποίηση των οποίων, χρειάζονται πολλά ειδικά όργανα μέτρησης, το σημείο μπορεί να μην είναι προσβάσιμο κ.ά. Όλοι αυτοί είναι παράγοντες περιορισμού των δεδομένων σε λίγα σημεία και σε μια ανεπαρκής χρονική κάλυψη από τις οποίες χρειάζεται να προκύψουν τα χωρικά συνεχή δεδομένα. Εδώ, η εφαρμογή των τεχνικών τηλεπισκόπησης έρχεται να καλύψει αυτές τις δυσκολίες και αποτελεί σημαντικό άλμα για τις υδρολογικές καταγραφές και προσομοιώσεις. Αυτή η ενότητα εξηγεί εν συντομία την εφαρμογή αυτής της επιστήμης για την εκτίμηση της βροχόπτωσης , για το χιόνι και το ισοδύναμο νερού, εδαφική υγρασία και για τις παραμέτρους ποιότητας νερού.

[[Αρχείο:Pic 10.JPG|thumb|center|]]

'''3.4 Ποιότητα νερού'''

Όταν λέμε «ποιότητα του νερού» είναι ένας γενικός όρος ο οποίος όμως, περιλαμβάνει φυσικά, χημικά, θερμικά και βιολογικά χαρακτηριστικά του νερού (θερμοκρασία, περιεκτικότητα σε χλωροφύλλη, θρεπτικά συστατικά, αιωρούμενα στερεά, τριπτάνιο, διαλυμένο οξυγόνο, βακτήρια κλπ) Όλα αυτά τα χαρακτηριστικά του νερού για να μετρηθούν με συμβατικές μεθόδους απαιτεί περίπλοκες και χρονοβόρες διαδικασίες και το αποτέλεσμα που μπορεί να δώσει δεν είναι χρονικά και χωρικά ικανοποιητικά. Με τις εφαρμογές της τηλεπισκόπησης παρέχεται η δυνατότητα καλύτερης χωροχρονικής κάλυψης με αποτέλεσμα να κερδίζει ολοένα και περισσότερο έδαφος η εφαρμογή της.

Στο σχήμα 6 φαίνεται η παρουσία χλωροφύλλης σε ακτή της Καλιφόρνιας με την χρήση SeaWiFS και των αισθητήρων MODIS.

Η τηλεπισκόπηση είναι μια μέθοδος που χρησιμοποιείται για την εκτίμηση των παραμέτρων ποιότητας του νερού με τη μέτρηση των αλλαγών οπτικά, στις ιδιότητες του νερού που προκαλούνται από τους ρύπους. Στις βασικές παραμέτρους περιλαμβάνονται η περιεκτικότητα σε χλωροφύλλη, η θολερότητα, το βάθος secchi, τα ολικά αιωρούμενα στερεά, η έγχρωμη διαλυμένη οργανική ύλη και το τριπτόν.

Ακόμη,οι μέθοδοι θερμικής τηλεπισκόπησης χρησιμοποιούνται επίσης για την εκτίμηση της επιφανειακής θερμοκρασίας του νερού σε λίμνες και εκβολές ποταμών. Το βέλτιστο μήκος κύματος για τη μέτρηση των παραμέτρων ποιότητας του νερού εξαρτάται από την ουσία που μετράται.

Y = A + BX or Y = ABx (3)
όπου Υ είναι η μέτρηση που λαμβάνεται με τη χρήση του απομακρυσμένους αισθητήρες και Χ είναι η παράμετρος ποιότητας του νερού που μας ενδιαφέρει, και Α και Β είναι οι εμπειρικοί παράγοντες.

Για παράδειγμα, οι Harding et al. χρησιμοποίησαν τον ακόλουθο τύπο, είεμπειρική σχέση για την εκτίμηση της χλωροφύλλης στον κόλπο Chesapeake Bay.

log10 [Chlorophyll] = A + B (−log10 G) (4)

G= ( R2)²/R1R3 (5)

όπου Α και Β είναι εμπειρικές σταθερές που προκύπτουν από επιτόπιες μετρήσεις, R1, R2 και R3 είναι οι ακτινοβολίες στα 460 nm, 490 nm και 520 nm, αντίστοιχα.

Αν και είναι απλά και αποτελεσματικά, τα εμπειρικά μοντέλα δεν είναι πάντα εφαρμόσιμα. Τα αναλυτικά μοντέλα μπορούν να συνδέσουν τα ρυθμιστικά φυσικά στοιχεία με την ανάκλαση της υδάτινης επιφάνειας μέσω της εφαρμογής απλουστευμένων εξισώσεων μεταφοράς ακτινοβολίας (RTE). Η βαθμονόμηση των εμπειρικών συντελεστών είναι απαραίτητη για αυτά τα μοντέλα.

[[Αρχείο:Pic 11.JPG|thumb|center|]]

Για παράδειγμα, οι Volpe et al. χρησιμοποίησαν μια RTE για να καθορίσουν τη συγκέντρωση των αιωρούμενων σωματιδίων σε λιμνοθάλασσες/εκβολές ύδατων, συσχετίζοντας την ανακλαστικό ήτα που παρατηρήθηκε με μεθόδους τηλεπισκόπησης με τα φυσικά χαρακτηριστικά.Οι συντελεστές οπισθοσκέδασης και απορρόφησης προσδιορίστηκαν με βαθμονόμηση. Οι RTE αλγόριθμοι είναι περισσότερο κατανοητοί όσον αφορά το αποτέλεσμα τους και έτσι εφαρμόζονται συχνότερα από ότι τα εμπειρικά μοντέλα.

Αρχικά, η τηλεπισκόπηση για την ανάλυση ποιότητας του νερού χρησιμοποιούσε εικόνες από Landsat TM. όμως ήταν πολύ φτωχή η χρονική κάλυψη(1/16μέρες).Σήμερα, οι αναλύσεις έχουν βελτιωθεί σημαντικά μιας και αναπτυχθήκαν νέοι δορυφόροι και αισθητήρες. Έτσι, χρησιμοποιώντας έναν αισθητήρα MODIS (36φασματικές ζώνες) και το MERIS(15ζώνες) έχουμε πολύ καλύτερο αποτέλεσμα ποιότητας του νερού. Ακόμη καλύτερα αποτελέσματα έχουμε από υπερφασματικούς αισθητήρες οι οποίοι βοηθούν σημαντικά στην ανίχνευση ρύπων και οργανικών ουσιών στο νερό, στην αξιολόγηση της συνολικής αιωρούμενης ύλης και περιεκτικότητας χλωροφύλλης στα επιφανειακά ύδατα ή σε βαθυμετρικές έρευνες κ.ά.

'''4. Εφαρμογές της τηλεπισκόπησης στους υδάτινους πόρους'''

Η εκτίμηση μεταβλητών υδρομετεωρολογικής κατάστασης και η οριοθέτηση των επιφανειακών υδάτων με την χρήση της τηλεπισκόπησης χρησιμεύουν για την μοντελοποίηση βροχόπτωσης-απορροής, διαχείριση της άρδευσης , πρόβλεψη πλημμυρών παρακολούθηση της ξηρασίας, συλλογή βρόχινου νερού και σχεδιασμού και διαχείρισης λεκανών απορροής.

'''4.4 Διαχείριση άρδευσης'''

Οι εφαρμογές τηλεπισκόπησης στη διαχείριση της άρδευσης περιλαμβάνει την ταξινόμηση των καλλιεργειών, τη χαρτογράφηση των αρδευόμενων εκτάσεων, την αξιολόγηση της απόδοσης των συστημάτων άρδευσης και τις συμβουλευτικές υπηρεσίες άρδευσης.

Οι δορυφορικές εικόνες τηλεπισκόπησης χρησιμοποιούνται συνήθως για την ταξινόμηση των καλλιεργειών, με πολλαπλές εικόνες που αντιστοιχούν σε διάφορες καλλιεργητικές περιόδους. Οι φασματικές τιμές ανάκλασης που παρατηρούνται σε αυτές τις εικόνες σχετίζονται με συγκεκριμένες καλλιέργειες χρησιμοποιώντας δεδομένα επίγειας αλήθειας. Ο προσδιορισμός αρδευόμενων περιοχών από δορυφορικές εικόνες βασίζεται στην αξιολόγηση της υγείας των καλλιεργειών και της κατάστασης της εδαφικής υγρασίας.

Τα δορυφορικά δεδομένα τηλεπισκόπησης, χρησιμοποιούνται για την καταγραφή των χωρικών και χρονικών διακυμάνσεων της ET των καλλιεργειών και της εδαφικής υγρασίας, τα οποία στη συνέχεια συνδυάζονται με μοντέλα για την προσομοίωση της παραγωγής των καλλιεργειών και την εκτίμηση της αποτελεσματικότητας της άρδευσης. Η απόδοση των συστημάτων άρδευσης αξιολογείται με τη χρήση δεικτών όπως η σχετική παροχή νερού και η παροχή άρδευσης. (Δείκτης βλάστησης προσαρμοσμένος στο έδαφος (SAVI), NDVI ,Μετασχηματισμένος δείκτης βλάστησης (TVI), Κανονικοποιημένος Δείκτης Υγρασίας Διαφοράς (NDWI), Δείκτης Πράσινης Βλάστησης (GVI)). Αρκετές μελέτες που έχουν διεξαχθεί στο παρελθόν δείχνουν τις δυνατότητες του δεδομένα τηλεπισκόπησης από Landsat TM, MODIS,IRS-LISS και των αισθητήρων WiFS στην αξιολόγηση της απόδοσης των συστημάτων άρδευσης.

Οι συμβουλευτικές υπηρεσίες άρδευσης (IAS) βοηθούν τους αγρότες να βελτιώσουν την αποτελεσματικότητα της άρδευσης και να βελτιστοποιήσουν τη γεωργική παραγωγή από τη χρήση του αρδευτικού νερού. Οι συμβατικές μέθοδοι IAS που χρησιμοποιούν επιτόπιες μετρήσεις από τον αγρό ήταν λιγότερο ικανές να παρέχουν πληροφορίες με χωρική και χρονική ανάλυση.

'''4.5 Συγκομιδή βρόχινου νερού'''

Οι τεχνικές συλλογής του βρόχινου νερού εξαρτώνται από την τοποθεσία και απαιτούν ενδελεχή επιτόπια έρευνα. Για να είναι αποτελεσματική η εφαρμογή τους, είναι απαραίτητος ο προσδιορισμός των δυνατοτήτων συλλογής βρόχινου νερού και των κατάλληλων θέσεων για τα κτίρια.

Οι δυνατότητες συλλογής νερού μπορούν να αναλυθούν και οι κατάλληλες τοποθεσίες να προσδιοριστούν με τη χρήση τεχνικών τηλεπισκόπησης όπως οι αισθητήρες IRS 1D LISS-3 και IRS LISS-2. Προκειμένου να βρεθούν κατάλληλες θέσεις για τη συλλογή νερού στις λεκάνες απορροής Bakhar και Devak-Rui της Ινδίας, οι Jasrotia και Kumar, διεξήγαγαν μελέτες χρησιμοποιώντας δορυφορικές εικόνες για την εξαγωγή χαρτών χρήσης γης, κάλυψης γης, γεωλογίας και πληροφοριών αποστράγγισης. Οι μελέτες αυτές δείχνουν τα οφέλη από τη χρήση δεδομένων τηλεπισκόπησης για τον καθορισμό κατάλληλων θέσεων για κατασκευές συλλογής νερού και για την εκτίμηση της ικανότητας συλλογής απορροής.

'''5.Συμπερασματικά σχόλια'''

Η τεχνική της υπερφασματικής τηλεπισκόπησης προσφέρει λεπτή φασματική και χωρική ανάλυση, ενώ οι ενεργητικοί αισθητήρες μικροκυμάτων έχουν δυνατότητες για την ανάλυση πλημμυρών και τις υπηρεσίες προειδοποίησης για πλημμύρες. Τα δεδομένα τηλεπισκόπησης προσφέρουν καλύτερη χωρική και χρονική κάλυψη, επιτρέποντας την καλύτερη αναπαράσταση των μεταβλητών της υδρολογικής και μετεωρολογικής κατάστασης.

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

Remote Sensing Applications in Water Resources

2024-01-30T20:51:47Z

Katerina Stamoulou:

'''Remote Sensing Applications in Water Resources'''/εφαρμογές τηλεπισκόπησης σε υδάτινους πόρους

'''ΣΥΓΓΡΑΦΕΙΣ: D. Nagesh Kumar* and T.V. Reshmidevi'''
[https://www.researchgate.net/publication/245538996_Remote_Sensing_Applications_in_Water_Resources Πηγή:]

'''Περίληψη'''

Η παρούσα μελέτη δίνει μια σύντομη παρουσίαση των πιθανών εφαρμογών της τηλεπισκόπησης για τους υδάτινους πόρους. Η χρήση των δορυφόρων, αρχικά, για την παρατήρηση της γης, έδωσε βήμα και για περαιτέρω ανάλυση των επιφανειακών χαρακτηριστικών με αποτέλεσμα να παρέχει πολύτιμες πληροφορίες και για την υδρολογική ανάλυση. Οι τεχνικές τηλεπισκόπησης έχουν χρησιμοποιηθεί ευρέως για την οριοθέτηση των υδάτινων επιφανειών, την εκτίμηση μετεωρολογικών μεταβλητών όπως η θερμοκρασία και η βροχόπτωση και για την εκτίμηση υδρολογικών καταστάσεων όπως την υγρασία του εδάφους ή την εξατμισοδιαπνοή κ.ά. Σήμερα, είναι εφικτή η παρακολούθηση πολύ κοντά στον πραγματικό χρόνο για καταστάσεις πλημμυρών, ξηρασίας, διαχείριση άρδευσης με την βοήθεια των δορυφορικών δεδομένων σε αρκετά υψηλή ανάλυση.

Όλες οι φωτογραφίες και οι παραπομπές αναφέρονται απο και στην πώτυπη μελέτη.

'''1.Εισαγωγή'''

Μέχρι σήμερα, υπήρχε έλλειψη λεπτομερών πληροφοριών σχετικά με την χωρική μεταβλητότητα των φυσικών και υδρολογικών παραμέτρων της λεκάνης απορροής. Ωστόσο, η ταχύτατη εξέλιξη της τεχνολογίας της τηλεπισκόπησης και η χρήση φασματικών δορυφορικών εικόνων αποτελούν σημαντικό εργαλείο για την καταγραφή της χωρικής διακύμανσης υδρομετεωρολογικών και υδατικών χαρακτηριστικών με αποτέλεσμα την επίτευξη χαρτογράφησης τους.

Οι εφαρμογές της τηλεπισκόπησης στην υδρολογία μπορούν να ταξινομηθούν σε τρεις βασικές κατηγορίες: i) Απλή οριοθέτηση εύκολα αναγνωρίσιμων περιοχών ή επιφανειακών χαρακτηριστικών όπως για παράδειγμα η χιονοκάλυψη, επιφανειακά νερά ή ιζήματα, ii) Λεπτομερέστερη ερμηνεία και ταξινόμηση των δεδομένων όπως γεωλογικά χαρακτηριστικά ή τύποι κάλυψης γης, Iii) Χρήση ψηφιακών υδρολογικών δεδομένων την σε συνδυασμό με επίγειες παρατηρήσεις για την εξαγωγή πιο σύνθετων συμπερασμάτων όπως π.χ η εδαφική υγρασία.

Μελέτες με δεδομένα που λαμβάνονται με απομακρυσμένες τεχνικές ανίχνευσης σε συνδυασμό με τα υδρολογικά και ποιοτικά μοντέλα, επιτυγχάνουν καλύτερη προσομοίωση και καλύτερη κατανόηση των υδάτινων πόρων και της ποιότητας τους. Αυτές οι μελέτες έχουν ένα ευρύ φάσμα εφαρμογής από ανάλυση μορφολογίας ποταμών μέχρι την διαχείριση την σχεδίαση άρδευσης ή την μελέτη υπόγειων υδάτων και την ποιότητα τους.

Η τηλεπισκόπηση είναι μια επιστήμη που παράγει δεδομένα για ένα αντικείμενο, περιοχή ή φαινόμενο χωρίς να καμία φυσική επαφή με αυτά, χρησιμοποιώντας αισθητήρες για την μέτρηση της ηλεκτρομαγνητικής ακτινοβολία('''EMR''')που αντανακλάται ή εκπέμπεται από το αντικείμενο/περιοχή.

Καθώς το φάσμα της ηλεκτρομαγνητικής ακτινοβολίας χωρίζεται σε ζώνες, η δορυφορική τηλεπισκόπηση συνήθως χρησιμοποιεί την ορατή ζώνη (VIS, μήκος κύματος 0,4-0,7 μm), το υπέρυθρο (IR, μήκος κύματος 0,7-100 μm) και οι περιοχές μικροκυμάτων (μήκος κύματος 0,1-100 cm).

Η περιοχή IR ταξινομείται,
σε εγγύς υπέρυθρη ακτινοβολία (NIR, 0,7-1,3 μm),

μεσαία IR (MIR, 1,3-3 μm) και

στις θερμικές ζώνες IR (TIR,3-5 μm και 8-14 μm)

Ανάλογα με το υψόμετρο του αισθητήρα, η '''τηλεπισκόπηση''' διακρίνεται σε '''επίγεια'''(με φορητούς αισθητήρες ή αισθητήρες πάνω σε κινούμενες πλατφόρμες), χαμηλού ή υψηλού υψομέτρου (αισθητήρες σε αεροσκάφη) και σε '''διαστημική''' (αισθητήρες σε πολικές τροχιές ή σε γεωστατικούς δορυφόρους).

Επίσης, υπάρχουν '''δύο τύποι αισθητήρων''':

'''ενεργητικοί''' (ραντάρ) που στέλνουν και λαμβάνουν ηλεκτρομαγνητικά σήματα και οι '''παθητικοί''' που καταγράφουν μόνο την ανακλώμενη ή εκπεμπόμενη ενέργεια.

Οι αισθητήρες διαφοροποιούνται ανάλογα σε ποια φασματική περιοχή λειτουργούν VIS/IR με συστήματα όπως ο πολυφασματικός σαρωτής Landsat (MSS), ο θεματικός χαρτογράφος (TM) και το φασματοραδιόμετρο απεικόνισης μέτριας ανάλυσης (MODIS).Ένας τυπικός υπερφασματικός αισθητήρας συλλέγει δεδομένα ανακλαστικότητας σε πάνω από 200 κανάλια (Hyperion της NASA-EO-1 220φασματικές ζώνες στο εύρος 0.4-2.4μm)

Η συγκεκριμένη εργασία, κατηγοριοποιεί τις εφαρμογές της τηλεπισκόπησης σε τρεις βασικές κατηγορίες που αναφέρθηκαν παραπάνω, προσφέροντας λεπτομέρειες και για τις πηγές των παγκόσμιων προϊόντων τηλεπισκόπησης.

'''2.Χαρτογράφηση υδάτινων πόρων'''

Η χαρτογράφηση των επιφανειακών ορίων των υδάτων ήταν μια από τις πρώτες εφαρμογές της τηλεπισκόπησης στο νερό. Η οπτική τηλεπισκόπηση των υδάτινων πόρων βασίζεται στην διαφορά των φασματικών υπογραφών του εδάφους και του νερού. Στο σχήμα 2 φαίνονται οι φασματικές υπογραφές του νερού, της βλάστησης, και του ξηρού εδάφους σε διαφορετικά μήκη κύματος.
Το νερό απορροφά ένα πολύ μεγάλο μέρος της ενέργειας στο NIR και στο MIR, ενώ η βλάστηση και το έδαφος έχουν υψηλότερη ανακλαστικότητα σε αυτά τα μήκη κύματος. Ως εκ τούτου, το νερό μπορεί να διαφοροποιηθεί πολύ εύκολα από την βλάστηση και το έδαφος, με σκουρότερο τόνο στις ζώνες IR.

Στην εικόνα 3,παρουσιάζεται μια εικόνα ενός τμήματος της λεκάνης του ποταμού Krishna σε διάφορες ζώνες του Landsat ETM+. Στις ζώνες VIS (ζώνες 1, 2 και 3) η διαφοροποίηση του ,νερού και άλλων χαρακτηριστικών δεν είναι πολύ σημαντική. Αντιθέτως, οι ζώνες IR (ζώνες 4 και 5) παρουσιάζουν έντονη αντίθεση μεταξύ τους λόγω των φτωχής ανάκλασης του νερού στην περιοχή IR του φάσματος EMR.

Η ακριβής διαγράμμιση των ορίων των υδάτινων σωμάτων απαιτεί δεδομένα από αισθητήρες με λεπτή χωρική ανάλυση όπως χρησιμοποιήθηκε στη περιοχή του Jodhpur στην Ινδία, όπου χρησιμοποιήθηκαν εικόνες Landsat TM με ανάλυση 30 μέτρων. Οι οπτικές τεχνικές τηλεπισκόπησης δίνουν λεπτομερή χωρική ανάλυση αλλά η δυνατότητα αυτή μπορεί να αξιοποιηθεί πλήρως σε καλές καιρικές συνθήκες μιας και παρουσία σύννεφων, κάτι που συνηθίζεται σε τροπικά κλίματα, εμποδίζει την καθαρότητα της εικόνας. Δίπλα σε αυτόν τον περιορισμό, έρχεται και η πυκνή βλάστηση. Τα ραντάρ (ενεργητικοί αισθητήρες σε μικροκύματα) μπορούν αν προσπελάσουν αυτούς τους περιορισμούς, καθώς τα μικροκύματα μπορούν να διαπεράσουν τα σύννεφα και την βλάστηση και, έτσι με την βοήθεια αυτών έχουν χαρτογραφηθεί επιτυχώς επιφανειακά νερά και πλημμυρισμένες περιοχές ακόμη και κάτω από πυκνά δάση.

Μία ακόμη σημαντική εξέλιξη είναι και η χρήση θερμικών ζωνών. Αυτή η μέθοδος χρησιμοποιήθηκε με επιτυχία στην λίμνη Chad στην κεντρική Αφρική, για την παρακολούθηση πλημμυρισμένων περιοχών χρησιμοποιώντας μετρήσεις θερμοκρασίας φωτεινότητας (TB) χρησιμοποιώντας TIR band (10.5–12.5 μm) με την θερμική ζώνη του Meteosat. Βέβαια, το μειονέκτημα της χαμηλής χωρικής ανάλυσης (5 χιλιόμετρα).

[[Αρχείο:Pic 8.JPG|thumb|center|]]
[[Αρχείο:Pic 9.JPG|thumb|center|]]

'''3.Εκτίμηση των υδρομετεωρολογικών Μεταβλητών'''

Οι υδρολογικές διεργασίες είναι εξαιρετικά ρευστές στη φύση, παρουσιάζοντας μεγάλες χωροχρονικές διακυμάνσεις. Οι συμβατικές μέθοδοι για την εκτίμηση αυτών των πολύπλοκων μεταβλητών στηρίζονται σε επιτόπιες μετρήσεις, για την πραγματοποίηση των οποίων, χρειάζονται πολλά ειδικά όργανα μέτρησης, το σημείο μπορεί να μην είναι προσβάσιμο κ.ά. Όλοι αυτοί είναι παράγοντες περιορισμού των δεδομένων σε λίγα σημεία και σε μια ανεπαρκής χρονική κάλυψη από τις οποίες χρειάζεται να προκύψουν τα χωρικά συνεχή δεδομένα. Εδώ, η εφαρμογή των τεχνικών τηλεπισκόπησης έρχεται να καλύψει αυτές τις δυσκολίες και αποτελεί σημαντικό άλμα για τις υδρολογικές καταγραφές και προσομοιώσεις. Αυτή η ενότητα εξηγεί εν συντομία την εφαρμογή αυτής της επιστήμης για την εκτίμηση της βροχόπτωσης , για το χιόνι και το ισοδύναμο νερού, εδαφική υγρασία και για τις παραμέτρους ποιότητας νερού.

[[Αρχείο:Pic 10.JPG|thumb|center|]]

'''3.4 Ποιότητα νερού'''

Όταν λέμε «ποιότητα του νερού» είναι ένας γενικός όρος ο οποίος όμως, περιλαμβάνει φυσικά, χημικά, θερμικά και βιολογικά χαρακτηριστικά του νερού (θερμοκρασία, περιεκτικότητα σε χλωροφύλλη, θρεπτικά συστατικά, αιωρούμενα στερεά, τριπτάνιο, διαλυμένο οξυγόνο, βακτήρια κλπ) Όλα αυτά τα χαρακτηριστικά του νερού για να μετρηθούν με συμβατικές μεθόδους απαιτεί περίπλοκες και χρονοβόρες διαδικασίες και το αποτέλεσμα που μπορεί να δώσει δεν είναι χρονικά και χωρικά ικανοποιητικά. Με τις εφαρμογές της τηλεπισκόπησης παρέχεται η δυνατότητα καλύτερης χωροχρονικής κάλυψης με αποτέλεσμα να κερδίζει ολοένα και περισσότερο έδαφος η εφαρμογή της.

Στο σχήμα 6 φαίνεται η παρουσία χλωροφύλλης σε ακτή της Καλιφόρνιας με την χρήση SeaWiFS και των αισθητήρων MODIS.

Η τηλεπισκόπηση είναι μια μέθοδος που χρησιμοποιείται για την εκτίμηση των παραμέτρων ποιότητας του νερού με τη μέτρηση των αλλαγών οπτικά, στις ιδιότητες του νερού που προκαλούνται από τους ρύπους. Στις βασικές παραμέτρους περιλαμβάνονται η περιεκτικότητα σε χλωροφύλλη, η θολερότητα, το βάθος secchi, τα ολικά αιωρούμενα στερεά, η έγχρωμη διαλυμένη οργανική ύλη και το τριπτόν.

Ακόμη,οι μέθοδοι θερμικής τηλεπισκόπησης χρησιμοποιούνται επίσης για την εκτίμηση της επιφανειακής θερμοκρασίας του νερού σε λίμνες και εκβολές ποταμών. Το βέλτιστο μήκος κύματος για τη μέτρηση των παραμέτρων ποιότητας του νερού εξαρτάται από την ουσία που μετράται.

Y = A + BX or Y = ABx (3)
όπου Υ είναι η μέτρηση που λαμβάνεται με τη χρήση του απομακρυσμένους αισθητήρες και Χ είναι η παράμετρος ποιότητας του νερού που μας ενδιαφέρει, και Α και Β είναι οι εμπειρικοί παράγοντες.

Για παράδειγμα, οι Harding et al. χρησιμοποίησαν τον ακόλουθο τύπο, είεμπειρική σχέση για την εκτίμηση της χλωροφύλλης στον κόλπο Chesapeake Bay.

log10 [Chlorophyll] = A + B (−log10 G) (4)

G= ( R2)²/R1R3 (5)

όπου Α και Β είναι εμπειρικές σταθερές που προκύπτουν από επιτόπιες μετρήσεις, R1, R2 και R3 είναι οι ακτινοβολίες στα 460 nm, 490 nm και 520 nm, αντίστοιχα.

Αν και είναι απλά και αποτελεσματικά, τα εμπειρικά μοντέλα δεν είναι πάντα εφαρμόσιμα. Τα αναλυτικά μοντέλα μπορούν να συνδέσουν τα ρυθμιστικά φυσικά στοιχεία με την ανάκλαση της υδάτινης επιφάνειας μέσω της εφαρμογής απλουστευμένων εξισώσεων μεταφοράς ακτινοβολίας (RTE). Η βαθμονόμηση των εμπειρικών συντελεστών είναι απαραίτητη για αυτά τα μοντέλα.

Για παράδειγμα, οι Volpe et al. χρησιμοποίησαν μια RTE για να καθορίσουν τη συγκέντρωση των αιωρούμενων σωματιδίων σε λιμνοθάλασσες/εκβολές ύδατων, συσχετίζοντας την ανακλαστικό ήτα που παρατηρήθηκε με μεθόδους τηλεπισκόπησης με τα φυσικά χαρακτηριστικά.Οι συντελεστές οπισθοσκέδασης και απορρόφησης προσδιορίστηκαν με βαθμονόμηση. Οι RTE αλγόριθμοι είναι περισσότερο κατανοητοί όσον αφορά το αποτέλεσμα τους και έτσι εφαρμόζονται συχνότερα από ότι τα εμπειρικά μοντέλα.

Αρχικά, η τηλεπισκόπηση για την ανάλυση ποιότητας του νερού χρησιμοποιούσε εικόνες από Landsat TM. όμως ήταν πολύ φτωχή η χρονική κάλυψη(1/16μέρες).Σήμερα, οι αναλύσεις έχουν βελτιωθεί σημαντικά μιας και αναπτυχθήκαν νέοι δορυφόροι και αισθητήρες. Έτσι, χρησιμοποιώντας έναν αισθητήρα MODIS (36φασματικές ζώνες) και το MERIS(15ζώνες) έχουμε πολύ καλύτερο αποτέλεσμα ποιότητας του νερού. Ακόμη καλύτερα αποτελέσματα έχουμε από υπερφασματικούς αισθητήρες οι οποίοι βοηθούν σημαντικά στην ανίχνευση ρύπων και οργανικών ουσιών στο νερό, στην αξιολόγηση της συνολικής αιωρούμενης ύλης και περιεκτικότητας χλωροφύλλης στα επιφανειακά ύδατα ή σε βαθυμετρικές έρευνες κ.ά.

'''4. Εφαρμογές της τηλεπισκόπησης στους υδάτινους πόρους'''

Η εκτίμηση μεταβλητών υδρομετεωρολογικής κατάστασης και η οριοθέτηση των επιφανειακών υδάτων με την χρήση της τηλεπισκόπησης χρησιμεύουν για την μοντελοποίηση βροχόπτωσης-απορροής, διαχείριση της άρδευσης , πρόβλεψη πλημμυρών παρακολούθηση της ξηρασίας, συλλογή βρόχινου νερού και σχεδιασμού και διαχείρισης λεκανών απορροής.

'''4.4 Διαχείριση άρδευσης'''

Οι εφαρμογές τηλεπισκόπησης στη διαχείριση της άρδευσης περιλαμβάνει την ταξινόμηση των καλλιεργειών, τη χαρτογράφηση των αρδευόμενων εκτάσεων, την αξιολόγηση της απόδοσης των συστημάτων άρδευσης και τις συμβουλευτικές υπηρεσίες άρδευσης.

Οι δορυφορικές εικόνες τηλεπισκόπησης χρησιμοποιούνται συνήθως για την ταξινόμηση των καλλιεργειών, με πολλαπλές εικόνες που αντιστοιχούν σε διάφορες καλλιεργητικές περιόδους. Οι φασματικές τιμές ανάκλασης που παρατηρούνται σε αυτές τις εικόνες σχετίζονται με συγκεκριμένες καλλιέργειες χρησιμοποιώντας δεδομένα επίγειας αλήθειας. Ο προσδιορισμός αρδευόμενων περιοχών από δορυφορικές εικόνες βασίζεται στην αξιολόγηση της υγείας των καλλιεργειών και της κατάστασης της εδαφικής υγρασίας.

Τα δορυφορικά δεδομένα τηλεπισκόπησης, χρησιμοποιούνται για την καταγραφή των χωρικών και χρονικών διακυμάνσεων της ET των καλλιεργειών και της εδαφικής υγρασίας, τα οποία στη συνέχεια συνδυάζονται με μοντέλα για την προσομοίωση της παραγωγής των καλλιεργειών και την εκτίμηση της αποτελεσματικότητας της άρδευσης. Η απόδοση των συστημάτων άρδευσης αξιολογείται με τη χρήση δεικτών όπως η σχετική παροχή νερού και η παροχή άρδευσης. (Δείκτης βλάστησης προσαρμοσμένος στο έδαφος (SAVI), NDVI ,Μετασχηματισμένος δείκτης βλάστησης (TVI), Κανονικοποιημένος Δείκτης Υγρασίας Διαφοράς (NDWI), Δείκτης Πράσινης Βλάστησης (GVI)). Αρκετές μελέτες που έχουν διεξαχθεί στο παρελθόν δείχνουν τις δυνατότητες του δεδομένα τηλεπισκόπησης από Landsat TM, MODIS,IRS-LISS και των αισθητήρων WiFS στην αξιολόγηση της απόδοσης των συστημάτων άρδευσης.

Οι συμβουλευτικές υπηρεσίες άρδευσης (IAS) βοηθούν τους αγρότες να βελτιώσουν την αποτελεσματικότητα της άρδευσης και να βελτιστοποιήσουν τη γεωργική παραγωγή από τη χρήση του αρδευτικού νερού. Οι συμβατικές μέθοδοι IAS που χρησιμοποιούν επιτόπιες μετρήσεις από τον αγρό ήταν λιγότερο ικανές να παρέχουν πληροφορίες με χωρική και χρονική ανάλυση.

'''4.5 Συγκομιδή βρόχινου νερού'''

Οι τεχνικές συλλογής του βρόχινου νερού εξαρτώνται από την τοποθεσία και απαιτούν ενδελεχή επιτόπια έρευνα. Για να είναι αποτελεσματική η εφαρμογή τους, είναι απαραίτητος ο προσδιορισμός των δυνατοτήτων συλλογής βρόχινου νερού και των κατάλληλων θέσεων για τα κτίρια.

Οι δυνατότητες συλλογής νερού μπορούν να αναλυθούν και οι κατάλληλες τοποθεσίες να προσδιοριστούν με τη χρήση τεχνικών τηλεπισκόπησης όπως οι αισθητήρες IRS 1D LISS-3 και IRS LISS-2. Προκειμένου να βρεθούν κατάλληλες θέσεις για τη συλλογή νερού στις λεκάνες απορροής Bakhar και Devak-Rui της Ινδίας, οι Jasrotia και Kumar, διεξήγαγαν μελέτες χρησιμοποιώντας δορυφορικές εικόνες για την εξαγωγή χαρτών χρήσης γης, κάλυψης γης, γεωλογίας και πληροφοριών αποστράγγισης. Οι μελέτες αυτές δείχνουν τα οφέλη από τη χρήση δεδομένων τηλεπισκόπησης για τον καθορισμό κατάλληλων θέσεων για κατασκευές συλλογής νερού και για την εκτίμηση της ικανότητας συλλογής απορροής.

'''5.Συμπερασματικά σχόλια'''

Η τεχνική της υπερφασματικής τηλεπισκόπησης προσφέρει λεπτή φασματική και χωρική ανάλυση, ενώ οι ενεργητικοί αισθητήρες μικροκυμάτων έχουν δυνατότητες για την ανάλυση πλημμυρών και τις υπηρεσίες προειδοποίησης για πλημμύρες. Τα δεδομένα τηλεπισκόπησης προσφέρουν καλύτερη χωρική και χρονική κάλυψη, επιτρέποντας την καλύτερη αναπαράσταση των μεταβλητών της υδρολογικής και μετεωρολογικής κατάστασης.

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

Remote Sensing Applications in Water Resources

2024-01-30T20:50:39Z

Katerina Stamoulou:

'''Remote Sensing Applications in Water Resources'''/εφαρμογές τηλεπισκόπησης σε υδάτινους πόρους

'''ΣΥΓΓΡΑΦΕΙΣ: D. Nagesh Kumar* and T.V. Reshmidevi'''
[https://www.researchgate.net/publication/245538996_Remote_Sensing_Applications_in_Water_Resources Πηγή:]

'''Περίληψη'''

Η παρούσα μελέτη δίνει μια σύντομη παρουσίαση των πιθανών εφαρμογών της τηλεπισκόπησης για τους υδάτινους πόρους. Η χρήση των δορυφόρων, αρχικά, για την παρατήρηση της γης, έδωσε βήμα και για περαιτέρω ανάλυση των επιφανειακών χαρακτηριστικών με αποτέλεσμα να παρέχει πολύτιμες πληροφορίες και για την υδρολογική ανάλυση. Οι τεχνικές τηλεπισκόπησης έχουν χρησιμοποιηθεί ευρέως για την οριοθέτηση των υδάτινων επιφανειών, την εκτίμηση μετεωρολογικών μεταβλητών όπως η θερμοκρασία και η βροχόπτωση και για την εκτίμηση υδρολογικών καταστάσεων όπως την υγρασία του εδάφους ή την εξατμισοδιαπνοή κ.ά. Σήμερα, είναι εφικτή η παρακολούθηση πολύ κοντά στον πραγματικό χρόνο για καταστάσεις πλημμυρών, ξηρασίας, διαχείριση άρδευσης με την βοήθεια των δορυφορικών δεδομένων σε αρκετά υψηλή ανάλυση.

Όλες οι φωτογραφίες και οι παραπομπές αναφέρονται απο και στην πώτυπη μελέτη.

'''1.Εισαγωγή'''

Μέχρι σήμερα, υπήρχε έλλειψη λεπτομερών πληροφοριών σχετικά με την χωρική μεταβλητότητα των φυσικών και υδρολογικών παραμέτρων της λεκάνης απορροής. Ωστόσο, η ταχύτατη εξέλιξη της τεχνολογίας της τηλεπισκόπησης και η χρήση φασματικών δορυφορικών εικόνων αποτελούν σημαντικό εργαλείο για την καταγραφή της χωρικής διακύμανσης υδρομετεωρολογικών και υδατικών χαρακτηριστικών με αποτέλεσμα την επίτευξη χαρτογράφησης τους.

Οι εφαρμογές της τηλεπισκόπησης στην υδρολογία μπορούν να ταξινομηθούν σε τρεις βασικές κατηγορίες: i) Απλή οριοθέτηση εύκολα αναγνωρίσιμων περιοχών ή επιφανειακών χαρακτηριστικών όπως για παράδειγμα η χιονοκάλυψη, επιφανειακά νερά ή ιζήματα, ii) Λεπτομερέστερη ερμηνεία και ταξινόμηση των δεδομένων όπως γεωλογικά χαρακτηριστικά ή τύποι κάλυψης γης, Iii) Χρήση ψηφιακών υδρολογικών δεδομένων την σε συνδυασμό με επίγειες παρατηρήσεις για την εξαγωγή πιο σύνθετων συμπερασμάτων όπως π.χ η εδαφική υγρασία.

Μελέτες με δεδομένα που λαμβάνονται με απομακρυσμένες τεχνικές ανίχνευσης σε συνδυασμό με τα υδρολογικά και ποιοτικά μοντέλα, επιτυγχάνουν καλύτερη προσομοίωση και καλύτερη κατανόηση των υδάτινων πόρων και της ποιότητας τους. Αυτές οι μελέτες έχουν ένα ευρύ φάσμα εφαρμογής από ανάλυση μορφολογίας ποταμών μέχρι την διαχείριση την σχεδίαση άρδευσης ή την μελέτη υπόγειων υδάτων και την ποιότητα τους.

Η τηλεπισκόπηση είναι μια επιστήμη που παράγει δεδομένα για ένα αντικείμενο, περιοχή ή φαινόμενο χωρίς να καμία φυσική επαφή με αυτά, χρησιμοποιώντας αισθητήρες για την μέτρηση της ηλεκτρομαγνητικής ακτινοβολία('''EMR''')που αντανακλάται ή εκπέμπεται από το αντικείμενο/περιοχή.

Καθώς το φάσμα της ηλεκτρομαγνητικής ακτινοβολίας χωρίζεται σε ζώνες, η δορυφορική τηλεπισκόπηση συνήθως χρησιμοποιεί την ορατή ζώνη (VIS, μήκος κύματος 0,4-0,7 μm), το υπέρυθρο (IR, μήκος κύματος 0,7-100 μm) και οι περιοχές μικροκυμάτων (μήκος κύματος 0,1-100 cm).

Η περιοχή IR ταξινομείται,
σε εγγύς υπέρυθρη ακτινοβολία (NIR, 0,7-1,3 μm),

μεσαία IR (MIR, 1,3-3 μm) και

στις θερμικές ζώνες IR (TIR,3-5 μm και 8-14 μm)

Ανάλογα με το υψόμετρο του αισθητήρα, η '''τηλεπισκόπηση''' διακρίνεται σε '''επίγεια'''(με φορητούς αισθητήρες ή αισθητήρες πάνω σε κινούμενες πλατφόρμες), χαμηλού ή υψηλού υψομέτρου (αισθητήρες σε αεροσκάφη) και σε '''διαστημική''' (αισθητήρες σε πολικές τροχιές ή σε γεωστατικούς δορυφόρους).

Επίσης, υπάρχουν '''δύο τύποι αισθητήρων''':

'''ενεργητικοί''' (ραντάρ) που στέλνουν και λαμβάνουν ηλεκτρομαγνητικά σήματα και οι '''παθητικοί''' που καταγράφουν μόνο την ανακλώμενη ή εκπεμπόμενη ενέργεια.

Οι αισθητήρες διαφοροποιούνται ανάλογα σε ποια φασματική περιοχή λειτουργούν VIS/IR με συστήματα όπως ο πολυφασματικός σαρωτής Landsat (MSS), ο θεματικός χαρτογράφος (TM) και το φασματοραδιόμετρο απεικόνισης μέτριας ανάλυσης (MODIS).Ένας τυπικός υπερφασματικός αισθητήρας συλλέγει δεδομένα ανακλαστικότητας σε πάνω από 200 κανάλια (Hyperion της NASA-EO-1 220φασματικές ζώνες στο εύρος 0.4-2.4μm)

Η συγκεκριμένη εργασία, κατηγοριοποιεί τις εφαρμογές της τηλεπισκόπησης σε τρεις βασικές κατηγορίες που αναφέρθηκαν παραπάνω, προσφέροντας λεπτομέρειες και για τις πηγές των παγκόσμιων προϊόντων τηλεπισκόπησης.

'''2.Χαρτογράφηση υδάτινων πόρων'''

Η χαρτογράφηση των επιφανειακών ορίων των υδάτων ήταν μια από τις πρώτες εφαρμογές της τηλεπισκόπησης στο νερό. Η οπτική τηλεπισκόπηση των υδάτινων πόρων βασίζεται στην διαφορά των φασματικών υπογραφών του εδάφους και του νερού. Στο σχήμα 2 φαίνονται οι φασματικές υπογραφές του νερού, της βλάστησης, και του ξηρού εδάφους σε διαφορετικά μήκη κύματος.
Το νερό απορροφά ένα πολύ μεγάλο μέρος της ενέργειας στο NIR και στο MIR, ενώ η βλάστηση και το έδαφος έχουν υψηλότερη ανακλαστικότητα σε αυτά τα μήκη κύματος. Ως εκ τούτου, το νερό μπορεί να διαφοροποιηθεί πολύ εύκολα από την βλάστηση και το έδαφος, με σκουρότερο τόνο στις ζώνες IR.

Στην εικόνα 3,παρουσιάζεται μια εικόνα ενός τμήματος της λεκάνης του ποταμού Krishna σε διάφορες ζώνες του Landsat ETM+. Στις ζώνες VIS (ζώνες 1, 2 και 3) η διαφοροποίηση του ,νερού και άλλων χαρακτηριστικών δεν είναι πολύ σημαντική. Αντιθέτως, οι ζώνες IR (ζώνες 4 και 5) παρουσιάζουν έντονη αντίθεση μεταξύ τους λόγω των φτωχής ανάκλασης του νερού στην περιοχή IR του φάσματος EMR.

Η ακριβής διαγράμμιση των ορίων των υδάτινων σωμάτων απαιτεί δεδομένα από αισθητήρες με λεπτή χωρική ανάλυση όπως χρησιμοποιήθηκε στη περιοχή του Jodhpur στην Ινδία, όπου χρησιμοποιήθηκαν εικόνες Landsat TM με ανάλυση 30 μέτρων. Οι οπτικές τεχνικές τηλεπισκόπησης δίνουν λεπτομερή χωρική ανάλυση αλλά η δυνατότητα αυτή μπορεί να αξιοποιηθεί πλήρως σε καλές καιρικές συνθήκες μιας και παρουσία σύννεφων, κάτι που συνηθίζεται σε τροπικά κλίματα, εμποδίζει την καθαρότητα της εικόνας. Δίπλα σε αυτόν τον περιορισμό, έρχεται και η πυκνή βλάστηση. Τα ραντάρ (ενεργητικοί αισθητήρες σε μικροκύματα) μπορούν αν προσπελάσουν αυτούς τους περιορισμούς, καθώς τα μικροκύματα μπορούν να διαπεράσουν τα σύννεφα και την βλάστηση και, έτσι με την βοήθεια αυτών έχουν χαρτογραφηθεί επιτυχώς επιφανειακά νερά και πλημμυρισμένες περιοχές ακόμη και κάτω από πυκνά δάση.

Μία ακόμη σημαντική εξέλιξη είναι και η χρήση θερμικών ζωνών. Αυτή η μέθοδος χρησιμοποιήθηκε με επιτυχία στην λίμνη Chad στην κεντρική Αφρική, για την παρακολούθηση πλημμυρισμένων περιοχών χρησιμοποιώντας μετρήσεις θερμοκρασίας φωτεινότητας (TB) χρησιμοποιώντας TIR band (10.5–12.5 μm) με την θερμική ζώνη του Meteosat. Βέβαια, το μειονέκτημα της χαμηλής χωρικής ανάλυσης (5 χιλιόμετρα).

[[Αρχείο:Pic 8.JPG|thumb|center|]]
[[Αρχείο:Pic 9.JPG|thumb|center|]]

'''3.Εκτίμηση των υδρομετεωρολογικών Μεταβλητών'''

Οι υδρολογικές διεργασίες είναι εξαιρετικά ρευστές στη φύση, παρουσιάζοντας μεγάλες χωροχρονικές διακυμάνσεις. Οι συμβατικές μέθοδοι για την εκτίμηση αυτών των πολύπλοκων μεταβλητών στηρίζονται σε επιτόπιες μετρήσεις, για την πραγματοποίηση των οποίων, χρειάζονται πολλά ειδικά όργανα μέτρησης, το σημείο μπορεί να μην είναι προσβάσιμο κ.ά. Όλοι αυτοί είναι παράγοντες περιορισμού των δεδομένων σε λίγα σημεία και σε μια ανεπαρκής χρονική κάλυψη από τις οποίες χρειάζεται να προκύψουν τα χωρικά συνεχή δεδομένα. Εδώ, η εφαρμογή των τεχνικών τηλεπισκόπησης έρχεται να καλύψει αυτές τις δυσκολίες και αποτελεί σημαντικό άλμα για τις υδρολογικές καταγραφές και προσομοιώσεις. Αυτή η ενότητα εξηγεί εν συντομία την εφαρμογή αυτής της επιστήμης για την εκτίμηση της βροχόπτωσης , για το χιόνι και το ισοδύναμο νερού, εδαφική υγρασία και για τις παραμέτρους ποιότητας νερού.

[[Αρχείο:paradeigma.jpg]]

'''3.4 Ποιότητα νερού'''

Όταν λέμε «ποιότητα του νερού» είναι ένας γενικός όρος ο οποίος όμως, περιλαμβάνει φυσικά, χημικά, θερμικά και βιολογικά χαρακτηριστικά του νερού (θερμοκρασία, περιεκτικότητα σε χλωροφύλλη, θρεπτικά συστατικά, αιωρούμενα στερεά, τριπτάνιο, διαλυμένο οξυγόνο, βακτήρια κλπ) Όλα αυτά τα χαρακτηριστικά του νερού για να μετρηθούν με συμβατικές μεθόδους απαιτεί περίπλοκες και χρονοβόρες διαδικασίες και το αποτέλεσμα που μπορεί να δώσει δεν είναι χρονικά και χωρικά ικανοποιητικά. Με τις εφαρμογές της τηλεπισκόπησης παρέχεται η δυνατότητα καλύτερης χωροχρονικής κάλυψης με αποτέλεσμα να κερδίζει ολοένα και περισσότερο έδαφος η εφαρμογή της.

Στο σχήμα 6 φαίνεται η παρουσία χλωροφύλλης σε ακτή της Καλιφόρνιας με την χρήση SeaWiFS και των αισθητήρων MODIS.

Η τηλεπισκόπηση είναι μια μέθοδος που χρησιμοποιείται για την εκτίμηση των παραμέτρων ποιότητας του νερού με τη μέτρηση των αλλαγών οπτικά, στις ιδιότητες του νερού που προκαλούνται από τους ρύπους. Στις βασικές παραμέτρους περιλαμβάνονται η περιεκτικότητα σε χλωροφύλλη, η θολερότητα, το βάθος secchi, τα ολικά αιωρούμενα στερεά, η έγχρωμη διαλυμένη οργανική ύλη και το τριπτόν.

Ακόμη,οι μέθοδοι θερμικής τηλεπισκόπησης χρησιμοποιούνται επίσης για την εκτίμηση της επιφανειακής θερμοκρασίας του νερού σε λίμνες και εκβολές ποταμών. Το βέλτιστο μήκος κύματος για τη μέτρηση των παραμέτρων ποιότητας του νερού εξαρτάται από την ουσία που μετράται.

Y = A + BX or Y = ABx (3)
όπου Υ είναι η μέτρηση που λαμβάνεται με τη χρήση του απομακρυσμένους αισθητήρες και Χ είναι η παράμετρος ποιότητας του νερού που μας ενδιαφέρει, και Α και Β είναι οι εμπειρικοί παράγοντες.

Για παράδειγμα, οι Harding et al. χρησιμοποίησαν τον ακόλουθο τύπο, είεμπειρική σχέση για την εκτίμηση της χλωροφύλλης στον κόλπο Chesapeake Bay.

log10 [Chlorophyll] = A + B (−log10 G) (4)

G= ( R2)²/R1R3 (5)

όπου Α και Β είναι εμπειρικές σταθερές που προκύπτουν από επιτόπιες μετρήσεις, R1, R2 και R3 είναι οι ακτινοβολίες στα 460 nm, 490 nm και 520 nm, αντίστοιχα.

Αν και είναι απλά και αποτελεσματικά, τα εμπειρικά μοντέλα δεν είναι πάντα εφαρμόσιμα. Τα αναλυτικά μοντέλα μπορούν να συνδέσουν τα ρυθμιστικά φυσικά στοιχεία με την ανάκλαση της υδάτινης επιφάνειας μέσω της εφαρμογής απλουστευμένων εξισώσεων μεταφοράς ακτινοβολίας (RTE). Η βαθμονόμηση των εμπειρικών συντελεστών είναι απαραίτητη για αυτά τα μοντέλα.

Για παράδειγμα, οι Volpe et al. χρησιμοποίησαν μια RTE για να καθορίσουν τη συγκέντρωση των αιωρούμενων σωματιδίων σε λιμνοθάλασσες/εκβολές ύδατων, συσχετίζοντας την ανακλαστικό ήτα που παρατηρήθηκε με μεθόδους τηλεπισκόπησης με τα φυσικά χαρακτηριστικά.Οι συντελεστές οπισθοσκέδασης και απορρόφησης προσδιορίστηκαν με βαθμονόμηση. Οι RTE αλγόριθμοι είναι περισσότερο κατανοητοί όσον αφορά το αποτέλεσμα τους και έτσι εφαρμόζονται συχνότερα από ότι τα εμπειρικά μοντέλα.

Αρχικά, η τηλεπισκόπηση για την ανάλυση ποιότητας του νερού χρησιμοποιούσε εικόνες από Landsat TM. όμως ήταν πολύ φτωχή η χρονική κάλυψη(1/16μέρες).Σήμερα, οι αναλύσεις έχουν βελτιωθεί σημαντικά μιας και αναπτυχθήκαν νέοι δορυφόροι και αισθητήρες. Έτσι, χρησιμοποιώντας έναν αισθητήρα MODIS (36φασματικές ζώνες) και το MERIS(15ζώνες) έχουμε πολύ καλύτερο αποτέλεσμα ποιότητας του νερού. Ακόμη καλύτερα αποτελέσματα έχουμε από υπερφασματικούς αισθητήρες οι οποίοι βοηθούν σημαντικά στην ανίχνευση ρύπων και οργανικών ουσιών στο νερό, στην αξιολόγηση της συνολικής αιωρούμενης ύλης και περιεκτικότητας χλωροφύλλης στα επιφανειακά ύδατα ή σε βαθυμετρικές έρευνες κ.ά.

'''4. Εφαρμογές της τηλεπισκόπησης στους υδάτινους πόρους'''

Η εκτίμηση μεταβλητών υδρομετεωρολογικής κατάστασης και η οριοθέτηση των επιφανειακών υδάτων με την χρήση της τηλεπισκόπησης χρησιμεύουν για την μοντελοποίηση βροχόπτωσης-απορροής, διαχείριση της άρδευσης , πρόβλεψη πλημμυρών παρακολούθηση της ξηρασίας, συλλογή βρόχινου νερού και σχεδιασμού και διαχείρισης λεκανών απορροής.

'''4.4 Διαχείριση άρδευσης'''

Οι εφαρμογές τηλεπισκόπησης στη διαχείριση της άρδευσης περιλαμβάνει την ταξινόμηση των καλλιεργειών, τη χαρτογράφηση των αρδευόμενων εκτάσεων, την αξιολόγηση της απόδοσης των συστημάτων άρδευσης και τις συμβουλευτικές υπηρεσίες άρδευσης.

Οι δορυφορικές εικόνες τηλεπισκόπησης χρησιμοποιούνται συνήθως για την ταξινόμηση των καλλιεργειών, με πολλαπλές εικόνες που αντιστοιχούν σε διάφορες καλλιεργητικές περιόδους. Οι φασματικές τιμές ανάκλασης που παρατηρούνται σε αυτές τις εικόνες σχετίζονται με συγκεκριμένες καλλιέργειες χρησιμοποιώντας δεδομένα επίγειας αλήθειας. Ο προσδιορισμός αρδευόμενων περιοχών από δορυφορικές εικόνες βασίζεται στην αξιολόγηση της υγείας των καλλιεργειών και της κατάστασης της εδαφικής υγρασίας.

Τα δορυφορικά δεδομένα τηλεπισκόπησης, χρησιμοποιούνται για την καταγραφή των χωρικών και χρονικών διακυμάνσεων της ET των καλλιεργειών και της εδαφικής υγρασίας, τα οποία στη συνέχεια συνδυάζονται με μοντέλα για την προσομοίωση της παραγωγής των καλλιεργειών και την εκτίμηση της αποτελεσματικότητας της άρδευσης. Η απόδοση των συστημάτων άρδευσης αξιολογείται με τη χρήση δεικτών όπως η σχετική παροχή νερού και η παροχή άρδευσης. (Δείκτης βλάστησης προσαρμοσμένος στο έδαφος (SAVI), NDVI ,Μετασχηματισμένος δείκτης βλάστησης (TVI), Κανονικοποιημένος Δείκτης Υγρασίας Διαφοράς (NDWI), Δείκτης Πράσινης Βλάστησης (GVI)). Αρκετές μελέτες που έχουν διεξαχθεί στο παρελθόν δείχνουν τις δυνατότητες του δεδομένα τηλεπισκόπησης από Landsat TM, MODIS,IRS-LISS και των αισθητήρων WiFS στην αξιολόγηση της απόδοσης των συστημάτων άρδευσης.

Οι συμβουλευτικές υπηρεσίες άρδευσης (IAS) βοηθούν τους αγρότες να βελτιώσουν την αποτελεσματικότητα της άρδευσης και να βελτιστοποιήσουν τη γεωργική παραγωγή από τη χρήση του αρδευτικού νερού. Οι συμβατικές μέθοδοι IAS που χρησιμοποιούν επιτόπιες μετρήσεις από τον αγρό ήταν λιγότερο ικανές να παρέχουν πληροφορίες με χωρική και χρονική ανάλυση.

'''4.5 Συγκομιδή βρόχινου νερού'''

Οι τεχνικές συλλογής του βρόχινου νερού εξαρτώνται από την τοποθεσία και απαιτούν ενδελεχή επιτόπια έρευνα. Για να είναι αποτελεσματική η εφαρμογή τους, είναι απαραίτητος ο προσδιορισμός των δυνατοτήτων συλλογής βρόχινου νερού και των κατάλληλων θέσεων για τα κτίρια.

Οι δυνατότητες συλλογής νερού μπορούν να αναλυθούν και οι κατάλληλες τοποθεσίες να προσδιοριστούν με τη χρήση τεχνικών τηλεπισκόπησης όπως οι αισθητήρες IRS 1D LISS-3 και IRS LISS-2. Προκειμένου να βρεθούν κατάλληλες θέσεις για τη συλλογή νερού στις λεκάνες απορροής Bakhar και Devak-Rui της Ινδίας, οι Jasrotia και Kumar, διεξήγαγαν μελέτες χρησιμοποιώντας δορυφορικές εικόνες για την εξαγωγή χαρτών χρήσης γης, κάλυψης γης, γεωλογίας και πληροφοριών αποστράγγισης. Οι μελέτες αυτές δείχνουν τα οφέλη από τη χρήση δεδομένων τηλεπισκόπησης για τον καθορισμό κατάλληλων θέσεων για κατασκευές συλλογής νερού και για την εκτίμηση της ικανότητας συλλογής απορροής.

'''5.Συμπερασματικά σχόλια'''

Η τεχνική της υπερφασματικής τηλεπισκόπησης προσφέρει λεπτή φασματική και χωρική ανάλυση, ενώ οι ενεργητικοί αισθητήρες μικροκυμάτων έχουν δυνατότητες για την ανάλυση πλημμυρών και τις υπηρεσίες προειδοποίησης για πλημμύρες. Τα δεδομένα τηλεπισκόπησης προσφέρουν καλύτερη χωρική και χρονική κάλυψη, επιτρέποντας την καλύτερη αναπαράσταση των μεταβλητών της υδρολογικής και μετεωρολογικής κατάστασης.

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

Remote Sensing of Turbidity in the Tennessee River Using

2024-01-30T19:37:03Z

Katerina Stamoulou:

'''Remote Sensing of Turbidity in the Tennessee River Using Landsat 8 Satellite'''/Μέτρηση της Θολότητας στον ποταμό Τενεσί με τηλεπισκόπηση και εικόνες landsat 8.

'''Συγγραφείς: A. K. M. Azad Hossain , Caleb Mathias and Richard Blanton'''

[https://www.mdpi.com/2072-4292/13/18/3785 Πηγή:]

'''Περίληψη:'''

Ο ποταμός Tennessee στις Ηνωμένες Πολιτείες είναι ένας από τους βασικότερους πόρους ύδατος της περιοχής ωστόσο είναι ένας από τους περισσότερο μολυσμένους ποταμούς στον κόσμο και άρα πηγή ρύπανσης η απορροή του. Για αυτό τον λόγο η παρακολούθησή του είναι αναγκαία και σε αυτό έρχεται να βοηθήσει η μέθοδος της τηλεπισκόπησης. Αυτή η μελέτη ανέπτυξε ένα αριθμητικό μοντέλο εκτίμησης της θολότητας του ποταμού αυτού και των παραποτάμων του, χρησιμοποιώντας δορυφορικές εικόνες LANDSAT 8 σε συνδυασμό με επιτόπιες μετρήσεις σε σχεδόν πραγματικό χρόνο. Τα αποτελέσματα που προκύπτουν δείχνουν ότι μπορεί να υπάρξει ένα αριθμητικό μοντέλο βασισμένο σε μη γραμμική παλινδρόμηση με βάση τις τιμές της ανάκλασης στην κόκκινη ζώνη του αισθητήρα Landsat 8 OLI προκειμένου να εκτιμηθεί η θολότητα στο νερό με υψηλή ακρίβεια. Η αξιολόγηση της ακρίβειας της εκτιμώμενης θολότητας πέτυχε τιμή συντελεστή προσδιορισμού (R2) και μέσο τετραγωνικό σφάλμα (RMSE) τόσο υψηλές όσο 0,97 και 1,41 NTU, αντίστοιχα. Το μοντέλο δοκιμάστηκε επίσης σε εικόνες που ελήφθησαν σε διαφορετική ημερομηνία για να εκτιμηθεί η δυνατότητά του για την εξ αποστάσεως εκτίμηση της θολότητας ρουτίνας και παρήγαγε ενθαρρυντικά αποτελέσματα με τιμήR2 0,94 και σχετικά υψηλό RMSE.

'''Λέξεις-κλειδιά:'''Landsat 8 Operational Land Imager (OLI), ποιότητα νερού, θολότητα, διαστημικός αισθητήρας, περιβαλλοντικοί δείκτες, δορυφορικές εικόνες, Chattanooga.

'''1.Εισαγωγή:'''

Η δορυφορική τηλεπισκόπηση προσφέρει εικόνες πολλών ετών μέσα από τις οποίες μπορεί να γίνει μελέτη περιοχής. Οι αισθητήρες των δορυφόρων μετρώντας την ηλιακή ακτινοβολία σε διάφορα μήκη κύματος η οποία αντανακλάται από τις διάφορες επιφάνειες, στην προκειμένη από το νερό, μπορεί να συσχετιστεί και με διάφορες άλλες παραμέτρους ποιότητας των υδάτων. Η μέθοδος της τηλεπισκόπησης πλεονεκτεί σε τρία επίπεδα: 1.συνεχείς λήψεις επιτρέπουν συνοπτικές εκτιμήσεις σε περιοχές μεγάλης έκτασης, 2.μπορεί να γίνει εκτίμηση ακόμη και σε μη προσβάσιμες περιοχές, 3.υπάρχει μεγάλο αρχείο δορυφορικών εικόνων μέσω των οποίων μπορεί να γίνει ιστορική εκτίμηση της ποιότητας του νερού.

Για τον ποταμό Tennessee δεν υπάρχει κάποιος αλγόριθμος τηλεπισκόπησης για την μελέτη της ποιότητας των επιφανιακών υδάτων του. Έτσι, στόχος αυτής της μελέτης αποτελεί η διερεύνηση των δυνατοτήτων της τηλεπισκόπησης για την μελέτη της ποιότητας των υδάτων στις λεκάνες απορροής του νοτιοανατολικού Τένεσι με την χρήση δορυφορικών εικόνων σε συνδυασμό με επιτόπιες μετρήσεις.

'''1.1Τηλεπισκόπηση για την ποιότητα του νερού'''

[[Αρχείο:Pic 12.JPG|thumb|center|]]

Η συνολική ακτινοβολία(Lt) που καταγράφει το σύστημα τηλεπισκόπησης είναι η συνάρτηση της ηλεκτρομαγνητικής ενέργειας τεσσάρων πηγών:
Α)Ακτινοβολία διαδρομής(Lp)
Β)Ακτινοβολία ελεύθερης επιφάνειας ή οριακού στρώματος(Ls)
Γ)Ογκομετρική ακτινοβολία του υπεδάφους(Lv)
Δ)Ακτινοβολία πυθμένα(Lb)

Και από τυπώνεται με την εξίσωση: Lt = Lp + Ls + Lv + Lb

Η ακτινοβολία διαδρομής(Lp), δεν είναι χρήσιμη καθώς δεν έρχεται σε επαφή με το νερό.
Η ακτινοβολία του οριακού στρώματος (Ls) είναι η ακτινοβολία που φτάνει στην διεπιφάνεια αέρα-νερού, για 1mm στο νερό και ανακλάται από την επιφάνεια του και αποτελεί την φασματική πληροφορία της επιφάνειας του νερού.

Η υπεδάφεια ογκομετρική ακτινοβολία(Lv), είναι η πληροφορία που διεισδύει στο νερό και αλληλεπιδρά με τα οργανικά ή ανόργανα συστατικά του και στη συνέχεια εξέρχεται.

Η ακτινοβολία του πυθμένα(Lb), είναι αυτή που φτάνει στον πυθμένα και εξάγεται από το νερό και μπορεί να μας δώσει πληροφορίες βάθους, χρώμα πυθμένα κ.ά.

Οι μελέτες για την ποιότητα του νερού που χρησιμοποιούν δεδομένα τηλεπισκόπησης ενδιαφέρονται συνήθως για τη μέτρηση της ογκομετρικής ακτινοβολίας(Lv) του υπεδάφους που εξέρχεται από τη στήλη του νερού προς τον αισθητήρα. Τα χαρακτηριστικά αυτής της ενέργειας ακτινοβολίας είναι συνάρτηση της συγκέντρωσης του καθαρού νερού(W), των ανόργανων αιωρούμενων ορυκτών(SM), της οργανικής χλωροφύλλης α (Chl-a), του διαλυμένου οργανικού υλικού(DOM) και του συνολικού ποσού της απορρόφησης και της εξασθένησης της σκέδασης που λαμβάνει χώρα στη στήλη νερού λόγω καθενός από αυτά τα συστατικά, c(λ), όπως φαίνεται στην εξίσωση (2)[8]:

Lv = f[Wc(λ),SMc(λ),Chl-ac(λ),DOMc(λ)]

Για την εκτίμηση των παραμέτρων ποιότητας του νερού (WQPs) από διάφορα δορυφορικά δεδομένα, χρησιμοποιούνται γενικά τρεις διαφορετικές προσεγγίσεις[3,4,9]:

1.'''Εμπειρική προσέγγιση.'''
Οι ψηφιακοί αριθμοί (DN) ή οι τιμές ακτινοβολίας στον αισθητήρα, καθώς και οι συνδυασμοί ζωνών τους, συσχετίζονται με επιτόπιες μετρήσεις διαφόρων WQPs, που συνήθως αποκτώνται σε σχεδόν πραγματικό χρόνο της υπέρβασης του αισθητήρα. Μια περίληψη των εμπειρικών προσεγγίσεων για τις λίμνες μπορεί να βρεθεί στο Lindell et al.[10].

2.'''Ημιεμπειρική προσέγγιση.'''

Αυτή η γνώση των φασματικών χαρακτηριστικών συμπεριλαμβάνεται στη στατιστική ανάλυση με εστίαση σε καλά επιλεγμένες φασματικές περιοχές και κατάλληλες φασματικές ζώνες που χρησιμοποιούνται ως συσχετισμοί. Ένα παράδειγμα ημιεμπειρικής προσέγγισης με διαφορετικούς αισθητήρες αναφέρεται από τους Härmä κ.ά.[11], οι οποίοι διερεύνησαν φινλανδικές λίμνες.

3. '''Αναλυτική προσέγγιση''', όπου οι WQPs σχετίζονται με τις εγγενείς οπτικές ιδιότητες του όγκου (IOPs) μέσω των ειδικών εγγενών οπτικών ιδιοτήτων (SIOPs). Ένα παράδειγμα μιας τέτοιας προσέγγισης, με χρήση του Landsat πάνω από λίμνες, μπορεί να βρεθεί στους Dekker et al.[14] για την ανάκτηση της συνολικής αιωρούμενης ύλης.

'''1.1.1 Θολότητα'''

Είναι ένα μέτρο διαύγειας του νερού, το οποίο αποτελεί μια από τις παραμέτρους καθαρότητας του και προκύπτει από το πόσο φως διαχέεται σε ένα υδάτινο σώμα. Οι δορυφόροι που χρησιμοποιούνται συνήθως για την εξαγωγή σχέσεων τηλεπισκόπησης με τη θολότητα περιλαμβάνουν τους Landsat 5, Landsat 8 και Sentinel-2 και συνήθως σε συνδυασμό ή μόνες τους οι ζώνες του κόκκινου και του εγγύς υπέρυθρου και του πράσινου σε πολλαπλές ζώνες για την ανάλυση της θολότητας.

Οι μέθοδοι που συνήθως ακολουθούνται για τη μέτρηση της θολότητας είναι οι αναλύσεις παλινδρόμησης με αλγόριθμους μιας ή πολλαπλών ζωνών. Ο προγραμματισμός γονιδιακής έκφρασης (GEP) και η γεωγραφικά και χρονικά σταθμισμένη παλινδρόμηση (GTWR) έχει αποδειχθεί ότι προβλέπουν τη θολότητα με μεγαλύτερη ακρίβεια από εκείνη της πολλαπλής γραμμικής παλινδρόμησης (MLR) μεταξύ διαφορετικών ταμιευτήρων[23,26].

'''1.1.2. Χλωροφύλλη α (Chl-a)'''

Είναι μια από τις περισσότερο μελετημένες παραμέτρους ποιότητας του νερού με τηλεπισκόπηση. Χρησιμοποιώντας δορυφόρους Landsat 1-3, 5, 8 Rapideye Sentinel-2 και MODIS οι περισσότερες μελέτες έχουν βρει μεγάλη συσχέτιση τιμών που ανιχνεύουν την χλωροφύλλη. Το ίδιο και με την βοήθεια αερομεταφερόμενης τηλεπισκόπησης. Ένας δείκτης χλωροφύλλης είναι ο MCA, ο οποίος αναπτύχθηκε για την ανίχνευση της άνθισης των φυκιών ειδικά με τις εικόνες του MEdium Resolution Imaging Spectrometer (MERIS). Ο δορυφορικός αστερισμός RapidEye της Planet χρησιμοποιήθηκε με επιτυχία σε λίμνες για τη δημιουργία ενός προϊόντος ισοδύναμου με εκείνο του MERIS που ανιχνεύει τον MCI[1].
'''
1.1.3. Συγκέντρωση αιωρούμενων ιζημάτων (SSC)'''

Οι τιμές SSC προκύπτουν από τη μέτρηση του ξηρού βάρους του ιζήματος από γνωστό όγκο νερού. έχει εκτιμηθεί με επιτυχία σε λιμναία, ποτάμια και εκβολικά περιβάλλοντα από διάφορους σύγχρονους διαστημικούς αισθητήρες, όπως οι IKONOS, Landsat 8, Sentinel-2, RapidEye και MODIS[34,40,41,42,43,44]. Η SSC έχει επίσης εκτιμηθεί χρησιμοποιώντας τη θολερότητα ως υποκατάστατο. Υπάρχει ανάγκη για συνεχή καταγραφή της SSC μεταξύ των σταθμών μέτρησης των υδάτων του περιβάλλοντος, ιδίως σε ρυπασμένα ποτάμια περιβάλλοντα, καθώς η συλλογή δεδομένων επί τόπου είναι αναποτελεσματική και δαπανηρή[45].

'''1.1.4. Ολικά αιωρούμενα στερεά (TSS)'''

Τα TSS είναι οπτικά ενεργά και διαφέρουν από τα SSC μόνο από τις διαφορετικές εργαστηριακές αναλύσεις που χρησιμοποιούνται για την αξιολόγηση του καθενός. Η αερομεταφερόμενη τηλεπισκόπηση έχει επιτύχει στην αξιολόγηση των TSS σε ταμιευτήρες και ποταμούς, σημειώνοντας συγκεκριμένα πλεονεκτήματα σε σχέση με τους διαστημικούς δορυφόρους, όπως λιγότερες ατμοσφαιρικές παρεμβολές, προσαρμόσιμη χωρική ανάλυση και λιγότερους χρονικούς περιορισμούς[30].

'''1.1.5. Αλατότητα'''

Οι Lagerloef κ.ά.[53] παρουσίασαν μια έρευνα τηλεπισκόπησης της αλατότητας πριν από το 1995 με τις πρώτες προσπάθειες που χρησιμοποίησαν τη διηλεκτρική σταθερά των αλατούχων διαλυμάτων ως φυσική βάση για την τηλεπισκόπηση της αλατότητας των ωκεανών με μικροκύματα. Τα αερομεταφερόμενα πειράματα μικροκυματικών ραδιομέτρων χαμηλής συχνότητας έχουν δείξει επιτυχία στη μέτρηση της αλατότητας της επιφάνειας των ακτών[54]. Τα μοντέλα γραμμικής παλινδρόμησης χρησιμοποιούνται συνήθως για την εκτίμηση της αλατότητας σε εκβολές και παράκτια ύδατα με τη χρήση εικόνων που λαμβάνονται από τους δορυφόρους Landsat 5 και Landsat 8[6,19,33,55,56].

'''1.1.6. Βάθος δίσκου Secchi (SDD)'''

Η SDD είναι ένα μέτρο της διαφάνειας του νερού, συγκεκριμένα το βάθος στο οποίο ο ίδιος ο αδιαφανής δίσκος Secchi χάνει την ορατότητα από την επιφάνεια. Η πιο συνηθισμένη μέθοδος είναι η χρήση ποικίλων τεχνικών ανάλυσης παλινδρόμησης για την πρόβλεψη της SDD, η οποία δοκιμάζεται σε σύγκριση με επιτόπιες μετρήσεις[20,30,32,39,40].

'''1.1.7. Ολικά διαλυμένα στερεά (TDS)'''

Τα TDS είναι ένα μέτρο των διαλυμένων ανόργανων και οργανικών ουσιών στο νερό και σχετίζονται με την ηλεκτρική αγωγιμότητα. Bασίζονται σε επιτόπιες μετρήσεις και σε δεδομένα ανάκλασης που λαμβάνονται από διαστημικούς οπτικούς αισθητήρες, όπως οι Landsat 5 και Landsat 8[21,57].

'''1.1.8. Διαλυμένο οξυγόνο (DO)'''

Το DO είναι οπτικά ανενεργό, αλλά η θερμοκρασία του νερού επηρεάζει σημαντικά το DO, καθώς το οξυγόνο διαλύεται ευκολότερα στο κρύο νερό απ' ό,τι στο ζεστό νερό. Δεν έχει καθιερωθεί κανένας αισθητήρας για την εκτέλεση σταθερά ακριβών μετρήσεων του DO με τηλεπισκόπηση[15].
'''
1.1.9. Διαλυμένος οργανικός άνθρακας (DOC)'''

Μη οπτικά εντοπίσιμη παράμετρος καθαρότητας του νερού και ελάχιστες εργασίες υπάρχουν με δορυφορικούς αισθητήρες. Ωστόσο, με χρήση αλγόριθμων κοινής αναλογίας ζωνών με την χρήση sentinel-2 [36] η χαρτογράφηση ήταν επιτυχής καθώς και με δεδομένα χρώματος από εικόνες SeaWiFS[59].

'''1.1.10. pH'''

Μη οπτικά εντοπίσιμη παράμετρος και δεν μπορεί να επιτευχθεί άμεση συσχέτιση μεταξύ της επιφανειακής ανάκλασης και των τιμών του pH. Χρησιμοποιώντας εικόνες RapidEye, οι Yigit Avdan κ.ά.[60] προσπάθησαν να αναπτύξουν ένα μοντέλο για την πρόβλεψη του pH συγκρίνοντας επιτόπιες μετρήσεις και τιμές ανακλαστικότητας αισθητήρων που ελήφθησαν πάνω από μια λίμνη, αλλά δεν μπόρεσαν να βρουν καμία συσχέτιση μεταξύ των δεδομένων.
'''
1.1.11. Ολικό άζωτο (TN) και ολικός φώσφορος (TP)'''

Οι συγκεντρώσεις TN και TP στο νερό είναι οπτικά ανενεργές. Ωστόσο, έχουν εκτιμηθεί έμμεσα με τη συσχέτισή τους με την οπτικά ενεργή χλωροφύλλη α, η οποία προσδιορίστηκε εύκολα με τη χρήση εικόνων Landsat 8[62].

'''1.1.12. Χρωματισμένη διαλυμένη οργανική ύλη (CDOM)'''

Το CDOM είναι ένα μεγάλο οπτικά μετρήσιμο τμήμα του DOC. Οι εσωτερικές υδάτινες μάζες έχουν υψηλές τιμές συσχέτισης κατά την αξιολόγηση της CDOM μέσω τηλεπισκόπησης με τη χρήση διαφόρων αισθητήρων, όπως οι Sentinel-2, Landsat 8 και MODIS[34,36].
'''
1.2. Στόχοι της παρούσας μελέτης'''

Η μελέτη αυτή πραγματοποιήθηκε από το εργαστήριο γεωλογικής και περιβαλλοντικής τηλεπισκόπησης(GERS-Lab) του Πανεπιστημίου του Τενεσί και σκοπός είναι η μελέτη της ποιότητας των νερών του ποταμού και των παραποτάμων με την χρήση τηλεπισκόπησης και συγκεκριμένα με την παρατήρηση δορυφορικών εικόνων,Landsat 8 Operational Land Imager (OLI), σε συνδυασμό με επιτόπιες μετρήσεις. Η μελέτη περιλαμβάνει ολοκληρωμένη βιβλιογραφία σε σχέση με την ποιότητα νερού και την εκτίμηση αλγοριθμικών μοντέλων για την εκτίμηση της θολότητας του, την οποία και ετέθη ως κεντρικό ενδιαφέρον.

'''2. Υλικά και μέθοδοι'''

'''2.1. Τόπος μελέτης'''

Ο ποταμός Τενεσί είναι από τους ποταμούς με την μεγαλύτερη ποικιλομορφία και αποτελεί βασικό πόρο για τους κατοίκους της περιοχής. Είναι παραπόταμος του ποταμού Οχάιο και βρίσκεται νοτιοανατολικά των ΗΠΑ μέσα στην κοιλάδα Τενεσί. Είναι η 5ημεγαλύτερη λεκάνη απορροής της χώρας και περιλαμβάνει και ακόμη 6 γειτονικές πολιτείες και ο ποταμός αποτελεί όριο μεταξύ δυο μεγάλων τμημάτων του Τενεσί: το κεντρικό και δυτικό Τενεσί.

Δυστυχώς, αποτελεί τον πιο μολυσμένο ποταμό παγκοσμίως και της 4η υδάτινη οδό τη χώρα. Κύρια αιτία μόλυνσης είναι η ανθρώπινη δραστηριότητα: εντομοκτόνα, λιπάσματα, και άλλα χημικά όπως φωσφορικά άλατα από το σαπούνι αυτοκινήτων τα οποία απορρέουν στον ποταμό λόγω της βροχής και του χιονιού και καταλήγουν στους υγροβιότοπους εξαπλώνοντας την μόλυνση και τον ευτροφισμό. ΟΙ ενώσεις αζώτου και φωσφόρου είναι ιδανικές για την ανάπτυξη των φυκιών. Αυτά, με την αποσύνθεση τους απορροφούν αρκετό οξυγόνο με αποτέλεσμα ζημία για άλλους οργανισμούς και παραγωγή άσχημων οσμών. Επομένως, είναι σημαντικό να καταγραφεί η έκταση της μόλυνσης και να βρεθούν λύσεις για την διατήρηση του ποταμού.

Η ανάπτυξη της πόλης Chattanooga, έχει περιβαλλοντικό αντίκτυπο. Με την εύρεση αλγόριθμου για θολότητας θα βοηθήσει στην παρουσίαση των επιπτώσεων της αλλαγής χρήσης γης και κάλυψης της στην αλλαγή της ποιότητας των υδατικών πόρων στις λεκάνες απορροής. Η παρούσα μελέτη επέλεξε ως περιοχή μελέτης το τμήμα του ποταμού Τενεσί που διέρχεται από την πόλη της Chattanooga. Η επιλεγμένη περιοχή περιλαμβάνει επίσης ένα τμήμα του South Chickamauga Creek που γειτνιάζει με τον ποταμό Tennessee.

'''2.2. Συλλογή δεδομένων'''

Η παρούσα μελέτη χρησιμοποιεί μια χρονοσειρά πολυφασματικών δορυφορικών εικόνων και ταυτόχρονα δεδομένα ποιότητας νερού που αποκτήθηκαν επιτόπου. Παρακάτω παρατείθεται περιγραφή συλλογής των δεδομένων:

'''2.2.1. Δορυφορικές εικόνες'''

Οι δορυφορικές εικόνες ελήφθησαν από τον Landsat 8 με εικόνες της περιοχής από αισθητήρα OLI (Operational Land Imager) στις 2 Δεκεμβρίου 2019 και 15 Αυγούστου 2019, μέσω του Earth Explorer.

[[Αρχείο:Pic 13.JPG |thumb|center|]]

'''2.2.2. Δεδομένα για την ποιότητα των υδάτων'''

Χρησιμοποιήθηκε ένα ερευνητικό σκάφος και ένας πολυπαραμετρικός καθετήρας Hydrolab HL7. Οι αισθητήρες του βαθμονομήθηκαν πριν τις μετρήσεις με βάση την λειτουργία του Hydrolab.

Καταγράφηκαν μετρήσεις σε :

108 δείγματα για τις 2 Δεκεμβρίου 2018
41 δείγματα για 13 Φεβρουαρίου 2019 και,
32 δείγματα γα τις 15 Αυγούστου 2019.

Για κάθε δείγμα, περίπου ίδιο βάθος 20 cm από την επιφάνεια, κάθε δευτερόλεπτο γινόταν λήψη δέκα μετρήσεων και το τελικό δείγμα αποτελούσε τον Μ.Ο αυτών.

Περάστηκαν σε excel και συσχετίστηκαν με τις συντεταγμένες των σημείων οπότε και απεικονίζονται όλα τα δεδομένα σε εικόνα. Κάθε μέτρηση αποθηκεύτηκες στο Hydrolab αλλά και χειρόγραφα.

'''2.3. Ανάπτυξη μοντέλου εκτίμησης θολότητας'''

Χρησιμοποιήθηκε εμπειρική προσέγγιση με βάση απλές παλινδρομήσεις των επιτόπιων μετρήσεων και των φασματικών δεδομένων επιφανειακής ανάκλασης από τον LANDSAT8. Στην εικόνα παρουσιάνται τα βήματα για την κατασκευή του μοντέλου θολότητας.
Σχήμα 5.Διάγραμμα ροής απεικονίζει τη ροή εργασίας που ακολουθήθηκε κατά την ανάπτυξη του μοντέλου.

[[Αρχείο:Pic 15.JPG|thumb|center|]]

'''2.3.1. Προεπεξεργασία δεδομένων'''

Για τις επιτόπιες μετρήσεις θολότητας δόθηκαν μοναδικοί αριθμοί και καταχωρήθηκαν σε Excell μαζί με τις συντεταγμένες τους, με τη χρήση του εργαλείου γεωεπεξεργασίας "XY Table to Point".

Οι επτά πολυφασματικές ζώνες που αναφέρονται στον πίνακα 1 στοιβάχθηκαν μεταξύ τους για να προετοιμαστεί μια σύνθετη πολυφασματική εικόνα επτά ζωνών για κάθε εικόνα που αποκτήθηκε (Σχήμα 3 και Σχήματα S1-S3). Για τον σκοπό αυτό, χρησιμοποιήθηκε το εργαλείο γεωεπεξεργασίας "Composite Bands".

Για την ακρίβεια της θέσης έγινε και μια επιτόπια αξιολόγηση και στην συνέχεια έγινε αποκοπή της εικόνας στην περιοχή μελέτης για να αφαιρεθούν τα περιττά εικονοστοιχεία. Κρατήθηκαν μόνο οι καθαρές ανεπηρέαστες από σύννεφα ή άλλους θορύβους. Ο συνολικός αριθμός των μετρήσεων θολότητας που χρησιμοποιήθηκαν για την παρούσα μελέτη είναι 96, ο οποίος περιλαμβάνει 32, 39 και 25 μετρήσεις για τις λήψεις εικόνων του Δεκεμβρίου, του Φεβρουαρίου και του Αυγούστου, αντίστοιχα.

'''2.3.2. Προετοιμασία των εισροών του μοντέλου'''

Η παρούσα μελέτη χρησιμοποίησε τα σύνολα δεδομένων του Δεκεμβρίου και του Φεβρουαρίου τόσο για την ανάπτυξη όσο και για τη δοκιμή του μοντέλου. Τα δεδομένα του Αυγούστου χρησιμοποιήθηκαν για την δοκιμή του μοντέλου ως ένα ξεχωριστό σύνολο δεδομένων.

Οι μετρήσεις για τις λήψεις εικόνων του Δεκεμβρίου και του Φεβρουαρίου χωρίστηκαν σε δύο σύνολα: εκπαίδευση και δοκιμή. Το σύνολο δεδομένων που χρησιμοποιήθηκε για την εκπαίδευση περιλάμβανε το 80% των μετρήσεων, ενώ το σύνολο δεδομένων που χρησιμοποιήθηκε για τη δοκιμή περιλάμβανε το 20% των μετρήσεων. Η επιλογή των μετρήσεων έγινε τυχαία με τη χρήση του "Subset Features" που διατίθεται στην ενότητα Geostatistical Analyst του λογισμικού ArcGIS Pro. Οι μετρήσεις συνδυάστηκαν για εκπαίδευση και την ανάπτυξη του μοντέλου και δοκιμάστηκαν και με τις μετρήσεις του Αυγούστου.

Με την χρήση "Extract Multi-Values to Points" απεικονίζεται φασματικά το κάθε σημείο δειγματοληψίας, αποθηκεύοντας την φασματική ανάκλαση για κάθε φασματική ζώνη σε κάθε θέση δείγματος και αυτό έδωσε έναν πίνακα Excell για την στατιστική ανάλυση.

'''2.3.3. Ανάπτυξη μοντέλου'''

Οι παλινδρομήσεις μιας ζώνης, για το σύνολο των δεδομένων που χρησιμοποιήθηκε για την εκπαίδευση, δημιούργησαν με την κατάλληλη επεξεργασία, διαγράμματα διασποράς από τις φασματικές ανακλάσεις για κάθε ζώνη στον άξονα x και στον άξονα ψ οι αντίστοιχες επιτόπιες μετρήσεις θολότητας. Οι παλινδρομήσεις καθόρισαν τις φασματικές ζώνες που χρησιμοποιήθηκαν ώς μεταβλητές, τις αντίστοιχες εξισώσεις και τελικά την παραγωγή συντελεστή R2 προσδιορισμού καλύτερης προσαρμογής μεταξύ υπολογιζόμενης γραμμής παλινδρόμησης και δεδομένων.

Το μοντέλο δημιουργήθηκε χρησιμοποιώντας το "ModelBuilder" που είναι διαθέσιμο στο λογισμικό ArcGIS Pro. Η ενότητα "ModelBuilder" χρησιμοποίησε διάφορα εργαλεία γεωεπεξεργασίας και το "Make Raster Layer" και "Raster Calculator". Το εργαλείο 'Raster Calculator' χρησιμοποίησε την επιλεγμένη εξίσωση παλινδρόμησης ως αλγεβρική έκφραση στην Python, χρησιμοποιώντας τις συγκεκριμένες φασματικές ζώνες ως μεταβλητές εισόδου (π.χ. τιμή ρBand). Το αποτέλεσμα αυτού του μοντέλου ήταν ένα ράστερ, για κάθε ημερομηνία λήψης εικόνας, το οποίο περιείχε προβλεπόμενες τιμές θολότητας σε κάθε εικονοστοιχείο νερού εντός της περιοχής μελέτης.

'''2.3.4. Αξιολόγηση της ακρίβειας'''

Η αξιολόγηση ακρίβειας έγινε με βάση τους συντελεστές R2 και του μέσου τετραγωνικού σφάλματος για κάθε ημερομηνία. Και η ικανότητα του μοντέλου να εκτιμά την θολότητα δοκιμάστηκε με τα δεδομένα του Αυγούστου.

[[Αρχείο:Pic 16.JPG|thumb|center|]]

'''3. Αποτελέσματα'''

Μετά από παρατήρηση των εξισώσεων παλινδρόμησης, των διαγραμμάτων διασποράς και των τιμών του συντελεστή R2, ακολούθησε ανάλυση των αποτελεσμάτων και αναδείχθηκε ότι οι ανακλάσεις στις ζώνες ένα έως τέσσερα έχουν σχέση μέτρια έως ισχυρή με την θολότητα με τιμές του R2 από 0,66 έως 0,95, ενώ οι ζώνες πέντε έως 7, από 0 έως 0,44. Υψηλότερο R2 = 0,95 παρήγαγε η μη γραμμική παλινδρόμηση στην ζώνη 4 (κόκκινο) και έτσι επιλέχθηκε αυτή για την εκτίμηση της θολότητας.

Για την ποιοτική ανάλυση των εικόνων Landsat χρησιμοποιήθηκε μια μάσκα νερού, επεξεργασμένη με τα Pixel QA rasters του Landsat, προκειμένου να αποκοπούν η επίδραση ανάκλασης του νέφους και του εδάφους. Παρουσιάζονται διαγράμματα θολότητας για διάφορες ημερομηνίες (Σχήμα 8 και Σχήμα 9 της μελέτης).

Οι προβλεπόμενες τιμές θολότητας συγκρίθηκαν με παρατηρούμενες τιμές για την αξιολόγηση του μοντέλου, για την ακρίβειά του υπολογίστηκε το μέσο τετραγωνικό σφάλμα και ο συντελεστής R2 και παρουσιάστηκαν τα διαγράμματα διασποράς καθώς και τετραγωνικό σφάλμα και ο συντελεστής R2 (σχήμα 10, σχήμα 12 , πίνακας 6 και 7 της πρότυπης μελέτης)

Η εκτίμηση της θολότητας του Αυγούστου έδωσε αποτελέσματα με γενικά υψηλή ακρίβεια, όπως αποδεικνύεται από την τιμήR2 =0,94. Η ληφθείσα τιμή RMSE 18,08 NTU ήταν σχετικά υψηλότερη από την αναμενόμενη- ωστόσο, αυτό θα μπορούσε να οφείλεται σε μερικές ακραίες τιμές που υπήρχαν στο σύνολο δεδομένων των σημείων δοκιμής, όπως φαίνεται στο Σχήμα 12.

'''4. Συζητήσεις'''

'''5. Συμπεράσματα'''

Η παρούσα έρευνα δημιούργησε ένα μοντέλο εκτίμησης της θολότητας χρησιμοποιώντας εικόνες από τη δορυφορική αποστολή Landsat 8, παρέχοντάς τη δυνατότητα να εκτιμηθεί η θολότητα στον ποταμό Tennessee κάθε 16 ημέρες σε χωρική ανάλυση 30 m.Τα αποτελέσματα που προέκυψαν από την παρούσα εργασία δείχνουν ότι μπορεί να αναπτυχθεί ένα απλό μοντέλο βασισμένο σε μη γραμμική παλινδρόμηση, με χρήση τις τιμές ανακλάσεων στο κόκκινο του αισθητήρα Landsat 8 OLI για την εκτίμηση της θολότητας του νερού. Το μοντέλο δοκιμάστηκε προκειμένου να χρησιμοποιηθεί ευρέως για την εκτίμηση της θολότητας στον ποταμό Τενεσί , ωστόσο, επειδή δοκιμάστηκε σε μια μόνο ημερομηνία θα μπορούσε να δοκιμασθεί εξίσου και σε άλλες ημερομηνίες λήψεις εικόνων με μετρήσεις θολότητας επιτόπιες.

[[category:Ανίχνευση μη σημειακών πηγών ρύπανσης]]

Remote Sensing of Turbidity in the Tennessee River Using

2024-01-30T19:32:48Z

Katerina Stamoulou:

'''Remote Sensing of Turbidity in the Tennessee River Using Landsat 8 Satellite'''/Μέτρηση της Θολότητας στον ποταμό Τενεσί με τηλεπισκόπηση και εικόνες landsat 8.

'''Συγγραφείς: A. K. M. Azad Hossain , Caleb Mathias and Richard Blanton'''

[https://www.mdpi.com/2072-4292/13/18/3785 Πηγή:]

'''Περίληψη:'''

Ο ποταμός Tennessee στις Ηνωμένες Πολιτείες είναι ένας από τους βασικότερους πόρους ύδατος της περιοχής ωστόσο είναι ένας από τους περισσότερο μολυσμένους ποταμούς στον κόσμο και άρα πηγή ρύπανσης η απορροή του. Για αυτό τον λόγο η παρακολούθησή του είναι αναγκαία και σε αυτό έρχεται να βοηθήσει η μέθοδος της τηλεπισκόπησης. Αυτή η μελέτη ανέπτυξε ένα αριθμητικό μοντέλο εκτίμησης της θολότητας του ποταμού αυτού και των παραποτάμων του, χρησιμοποιώντας δορυφορικές εικόνες LANDSAT 8 σε συνδυασμό με επιτόπιες μετρήσεις σε σχεδόν πραγματικό χρόνο. Τα αποτελέσματα που προκύπτουν δείχνουν ότι μπορεί να υπάρξει ένα αριθμητικό μοντέλο βασισμένο σε μη γραμμική παλινδρόμηση με βάση τις τιμές της ανάκλασης στην κόκκινη ζώνη του αισθητήρα Landsat 8 OLI προκειμένου να εκτιμηθεί η θολότητα στο νερό με υψηλή ακρίβεια. Η αξιολόγηση της ακρίβειας της εκτιμώμενης θολότητας πέτυχε τιμή συντελεστή προσδιορισμού (R2) και μέσο τετραγωνικό σφάλμα (RMSE) τόσο υψηλές όσο 0,97 και 1,41 NTU, αντίστοιχα. Το μοντέλο δοκιμάστηκε επίσης σε εικόνες που ελήφθησαν σε διαφορετική ημερομηνία για να εκτιμηθεί η δυνατότητά του για την εξ αποστάσεως εκτίμηση της θολότητας ρουτίνας και παρήγαγε ενθαρρυντικά αποτελέσματα με τιμήR2 0,94 και σχετικά υψηλό RMSE.

'''Λέξεις-κλειδιά:'''Landsat 8 Operational Land Imager (OLI), ποιότητα νερού, θολότητα, διαστημικός αισθητήρας, περιβαλλοντικοί δείκτες, δορυφορικές εικόνες, Chattanooga.

'''1.Εισαγωγή:'''

Η δορυφορική τηλεπισκόπηση προσφέρει εικόνες πολλών ετών μέσα από τις οποίες μπορεί να γίνει μελέτη περιοχής. Οι αισθητήρες των δορυφόρων μετρώντας την ηλιακή ακτινοβολία σε διάφορα μήκη κύματος η οποία αντανακλάται από τις διάφορες επιφάνειες, στην προκειμένη από το νερό, μπορεί να συσχετιστεί και με διάφορες άλλες παραμέτρους ποιότητας των υδάτων. Η μέθοδος της τηλεπισκόπησης πλεονεκτεί σε τρία επίπεδα: 1.συνεχείς λήψεις επιτρέπουν συνοπτικές εκτιμήσεις σε περιοχές μεγάλης έκτασης, 2.μπορεί να γίνει εκτίμηση ακόμη και σε μη προσβάσιμες περιοχές, 3.υπάρχει μεγάλο αρχείο δορυφορικών εικόνων μέσω των οποίων μπορεί να γίνει ιστορική εκτίμηση της ποιότητας του νερού.

Για τον ποταμό Tennessee δεν υπάρχει κάποιος αλγόριθμος τηλεπισκόπησης για την μελέτη της ποιότητας των επιφανιακών υδάτων του. Έτσι, στόχος αυτής της μελέτης αποτελεί η διερεύνηση των δυνατοτήτων της τηλεπισκόπησης για την μελέτη της ποιότητας των υδάτων στις λεκάνες απορροής του νοτιοανατολικού Τένεσι με την χρήση δορυφορικών εικόνων σε συνδυασμό με επιτόπιες μετρήσεις.

'''1.1Τηλεπισκόπηση για την ποιότητα του νερού'''

Η συνολική ακτινοβολία(Lt) που καταγράφει το σύστημα τηλεπισκόπησης είναι η συνάρτηση της ηλεκτρομαγνητικής ενέργειας τεσσάρων πηγών:
Α)Ακτινοβολία διαδρομής(Lp)
Β)Ακτινοβολία ελεύθερης επιφάνειας ή οριακού στρώματος(Ls)
Γ)Ογκομετρική ακτινοβολία του υπεδάφους(Lv)
Δ)Ακτινοβολία πυθμένα(Lb)

Και από τυπώνεται με την εξίσωση: Lt = Lp + Ls + Lv + Lb

Η ακτινοβολία διαδρομής(Lp), δεν είναι χρήσιμη καθώς δεν έρχεται σε επαφή με το νερό.
Η ακτινοβολία του οριακού στρώματος (Ls) είναι η ακτινοβολία που φτάνει στην διεπιφάνεια αέρα-νερού, για 1mm στο νερό και ανακλάται από την επιφάνεια του και αποτελεί την φασματική πληροφορία της επιφάνειας του νερού.

Η υπεδάφεια ογκομετρική ακτινοβολία(Lv), είναι η πληροφορία που διεισδύει στο νερό και αλληλεπιδρά με τα οργανικά ή ανόργανα συστατικά του και στη συνέχεια εξέρχεται.

Η ακτινοβολία του πυθμένα(Lb), είναι αυτή που φτάνει στον πυθμένα και εξάγεται από το νερό και μπορεί να μας δώσει πληροφορίες βάθους, χρώμα πυθμένα κ.ά.

Οι μελέτες για την ποιότητα του νερού που χρησιμοποιούν δεδομένα τηλεπισκόπησης ενδιαφέρονται συνήθως για τη μέτρηση της ογκομετρικής ακτινοβολίας(Lv) του υπεδάφους που εξέρχεται από τη στήλη του νερού προς τον αισθητήρα. Τα χαρακτηριστικά αυτής της ενέργειας ακτινοβολίας είναι συνάρτηση της συγκέντρωσης του καθαρού νερού(W), των ανόργανων αιωρούμενων ορυκτών(SM), της οργανικής χλωροφύλλης α (Chl-a), του διαλυμένου οργανικού υλικού(DOM) και του συνολικού ποσού της απορρόφησης και της εξασθένησης της σκέδασης που λαμβάνει χώρα στη στήλη νερού λόγω καθενός από αυτά τα συστατικά, c(λ), όπως φαίνεται στην εξίσωση (2)[8]:

Lv = f[Wc(λ),SMc(λ),Chl-ac(λ),DOMc(λ)]

Για την εκτίμηση των παραμέτρων ποιότητας του νερού (WQPs) από διάφορα δορυφορικά δεδομένα, χρησιμοποιούνται γενικά τρεις διαφορετικές προσεγγίσεις[3,4,9]:

1.'''Εμπειρική προσέγγιση.'''
Οι ψηφιακοί αριθμοί (DN) ή οι τιμές ακτινοβολίας στον αισθητήρα, καθώς και οι συνδυασμοί ζωνών τους, συσχετίζονται με επιτόπιες μετρήσεις διαφόρων WQPs, που συνήθως αποκτώνται σε σχεδόν πραγματικό χρόνο της υπέρβασης του αισθητήρα. Μια περίληψη των εμπειρικών προσεγγίσεων για τις λίμνες μπορεί να βρεθεί στο Lindell et al.[10].

2.'''Ημιεμπειρική προσέγγιση.'''

Αυτή η γνώση των φασματικών χαρακτηριστικών συμπεριλαμβάνεται στη στατιστική ανάλυση με εστίαση σε καλά επιλεγμένες φασματικές περιοχές και κατάλληλες φασματικές ζώνες που χρησιμοποιούνται ως συσχετισμοί. Ένα παράδειγμα ημιεμπειρικής προσέγγισης με διαφορετικούς αισθητήρες αναφέρεται από τους Härmä κ.ά.[11], οι οποίοι διερεύνησαν φινλανδικές λίμνες.

3. '''Αναλυτική προσέγγιση''', όπου οι WQPs σχετίζονται με τις εγγενείς οπτικές ιδιότητες του όγκου (IOPs) μέσω των ειδικών εγγενών οπτικών ιδιοτήτων (SIOPs). Ένα παράδειγμα μιας τέτοιας προσέγγισης, με χρήση του Landsat πάνω από λίμνες, μπορεί να βρεθεί στους Dekker et al.[14] για την ανάκτηση της συνολικής αιωρούμενης ύλης.

'''1.1.1 Θολότητα'''

Είναι ένα μέτρο διαύγειας του νερού, το οποίο αποτελεί μια από τις παραμέτρους καθαρότητας του και προκύπτει από το πόσο φως διαχέεται σε ένα υδάτινο σώμα. Οι δορυφόροι που χρησιμοποιούνται συνήθως για την εξαγωγή σχέσεων τηλεπισκόπησης με τη θολότητα περιλαμβάνουν τους Landsat 5, Landsat 8 και Sentinel-2 και συνήθως σε συνδυασμό ή μόνες τους οι ζώνες του κόκκινου και του εγγύς υπέρυθρου και του πράσινου σε πολλαπλές ζώνες για την ανάλυση της θολότητας.

Οι μέθοδοι που συνήθως ακολουθούνται για τη μέτρηση της θολότητας είναι οι αναλύσεις παλινδρόμησης με αλγόριθμους μιας ή πολλαπλών ζωνών. Ο προγραμματισμός γονιδιακής έκφρασης (GEP) και η γεωγραφικά και χρονικά σταθμισμένη παλινδρόμηση (GTWR) έχει αποδειχθεί ότι προβλέπουν τη θολότητα με μεγαλύτερη ακρίβεια από εκείνη της πολλαπλής γραμμικής παλινδρόμησης (MLR) μεταξύ διαφορετικών ταμιευτήρων[23,26].

'''1.1.2. Χλωροφύλλη α (Chl-a)'''

Είναι μια από τις περισσότερο μελετημένες παραμέτρους ποιότητας του νερού με τηλεπισκόπηση. Χρησιμοποιώντας δορυφόρους Landsat 1-3, 5, 8 Rapideye Sentinel-2 και MODIS οι περισσότερες μελέτες έχουν βρει μεγάλη συσχέτιση τιμών που ανιχνεύουν την χλωροφύλλη. Το ίδιο και με την βοήθεια αερομεταφερόμενης τηλεπισκόπησης. Ένας δείκτης χλωροφύλλης είναι ο MCA, ο οποίος αναπτύχθηκε για την ανίχνευση της άνθισης των φυκιών ειδικά με τις εικόνες του MEdium Resolution Imaging Spectrometer (MERIS). Ο δορυφορικός αστερισμός RapidEye της Planet χρησιμοποιήθηκε με επιτυχία σε λίμνες για τη δημιουργία ενός προϊόντος ισοδύναμου με εκείνο του MERIS που ανιχνεύει τον MCI[1].
'''
1.1.3. Συγκέντρωση αιωρούμενων ιζημάτων (SSC)'''

Οι τιμές SSC προκύπτουν από τη μέτρηση του ξηρού βάρους του ιζήματος από γνωστό όγκο νερού. έχει εκτιμηθεί με επιτυχία σε λιμναία, ποτάμια και εκβολικά περιβάλλοντα από διάφορους σύγχρονους διαστημικούς αισθητήρες, όπως οι IKONOS, Landsat 8, Sentinel-2, RapidEye και MODIS[34,40,41,42,43,44]. Η SSC έχει επίσης εκτιμηθεί χρησιμοποιώντας τη θολερότητα ως υποκατάστατο. Υπάρχει ανάγκη για συνεχή καταγραφή της SSC μεταξύ των σταθμών μέτρησης των υδάτων του περιβάλλοντος, ιδίως σε ρυπασμένα ποτάμια περιβάλλοντα, καθώς η συλλογή δεδομένων επί τόπου είναι αναποτελεσματική και δαπανηρή[45].

'''1.1.4. Ολικά αιωρούμενα στερεά (TSS)'''

Τα TSS είναι οπτικά ενεργά και διαφέρουν από τα SSC μόνο από τις διαφορετικές εργαστηριακές αναλύσεις που χρησιμοποιούνται για την αξιολόγηση του καθενός. Η αερομεταφερόμενη τηλεπισκόπηση έχει επιτύχει στην αξιολόγηση των TSS σε ταμιευτήρες και ποταμούς, σημειώνοντας συγκεκριμένα πλεονεκτήματα σε σχέση με τους διαστημικούς δορυφόρους, όπως λιγότερες ατμοσφαιρικές παρεμβολές, προσαρμόσιμη χωρική ανάλυση και λιγότερους χρονικούς περιορισμούς[30].

'''1.1.5. Αλατότητα'''

Οι Lagerloef κ.ά.[53] παρουσίασαν μια έρευνα τηλεπισκόπησης της αλατότητας πριν από το 1995 με τις πρώτες προσπάθειες που χρησιμοποίησαν τη διηλεκτρική σταθερά των αλατούχων διαλυμάτων ως φυσική βάση για την τηλεπισκόπηση της αλατότητας των ωκεανών με μικροκύματα. Τα αερομεταφερόμενα πειράματα μικροκυματικών ραδιομέτρων χαμηλής συχνότητας έχουν δείξει επιτυχία στη μέτρηση της αλατότητας της επιφάνειας των ακτών[54]. Τα μοντέλα γραμμικής παλινδρόμησης χρησιμοποιούνται συνήθως για την εκτίμηση της αλατότητας σε εκβολές και παράκτια ύδατα με τη χρήση εικόνων που λαμβάνονται από τους δορυφόρους Landsat 5 και Landsat 8[6,19,33,55,56].

'''1.1.6. Βάθος δίσκου Secchi (SDD)'''

Η SDD είναι ένα μέτρο της διαφάνειας του νερού, συγκεκριμένα το βάθος στο οποίο ο ίδιος ο αδιαφανής δίσκος Secchi χάνει την ορατότητα από την επιφάνεια. Η πιο συνηθισμένη μέθοδος είναι η χρήση ποικίλων τεχνικών ανάλυσης παλινδρόμησης για την πρόβλεψη της SDD, η οποία δοκιμάζεται σε σύγκριση με επιτόπιες μετρήσεις[20,30,32,39,40].

'''1.1.7. Ολικά διαλυμένα στερεά (TDS)'''

Τα TDS είναι ένα μέτρο των διαλυμένων ανόργανων και οργανικών ουσιών στο νερό και σχετίζονται με την ηλεκτρική αγωγιμότητα. Bασίζονται σε επιτόπιες μετρήσεις και σε δεδομένα ανάκλασης που λαμβάνονται από διαστημικούς οπτικούς αισθητήρες, όπως οι Landsat 5 και Landsat 8[21,57].

'''1.1.8. Διαλυμένο οξυγόνο (DO)'''

Το DO είναι οπτικά ανενεργό, αλλά η θερμοκρασία του νερού επηρεάζει σημαντικά το DO, καθώς το οξυγόνο διαλύεται ευκολότερα στο κρύο νερό απ' ό,τι στο ζεστό νερό. Δεν έχει καθιερωθεί κανένας αισθητήρας για την εκτέλεση σταθερά ακριβών μετρήσεων του DO με τηλεπισκόπηση[15].
'''
1.1.9. Διαλυμένος οργανικός άνθρακας (DOC)'''

Μη οπτικά εντοπίσιμη παράμετρος καθαρότητας του νερού και ελάχιστες εργασίες υπάρχουν με δορυφορικούς αισθητήρες. Ωστόσο, με χρήση αλγόριθμων κοινής αναλογίας ζωνών με την χρήση sentinel-2 [36] η χαρτογράφηση ήταν επιτυχής καθώς και με δεδομένα χρώματος από εικόνες SeaWiFS[59].

'''1.1.10. pH'''

Μη οπτικά εντοπίσιμη παράμετρος και δεν μπορεί να επιτευχθεί άμεση συσχέτιση μεταξύ της επιφανειακής ανάκλασης και των τιμών του pH. Χρησιμοποιώντας εικόνες RapidEye, οι Yigit Avdan κ.ά.[60] προσπάθησαν να αναπτύξουν ένα μοντέλο για την πρόβλεψη του pH συγκρίνοντας επιτόπιες μετρήσεις και τιμές ανακλαστικότητας αισθητήρων που ελήφθησαν πάνω από μια λίμνη, αλλά δεν μπόρεσαν να βρουν καμία συσχέτιση μεταξύ των δεδομένων.
'''
1.1.11. Ολικό άζωτο (TN) και ολικός φώσφορος (TP)'''

Οι συγκεντρώσεις TN και TP στο νερό είναι οπτικά ανενεργές. Ωστόσο, έχουν εκτιμηθεί έμμεσα με τη συσχέτισή τους με την οπτικά ενεργή χλωροφύλλη α, η οποία προσδιορίστηκε εύκολα με τη χρήση εικόνων Landsat 8[62].

'''1.1.12. Χρωματισμένη διαλυμένη οργανική ύλη (CDOM)'''

Το CDOM είναι ένα μεγάλο οπτικά μετρήσιμο τμήμα του DOC. Οι εσωτερικές υδάτινες μάζες έχουν υψηλές τιμές συσχέτισης κατά την αξιολόγηση της CDOM μέσω τηλεπισκόπησης με τη χρήση διαφόρων αισθητήρων, όπως οι Sentinel-2, Landsat 8 και MODIS[34,36].
'''
1.2. Στόχοι της παρούσας μελέτης'''

Η μελέτη αυτή πραγματοποιήθηκε από το εργαστήριο γεωλογικής και περιβαλλοντικής τηλεπισκόπησης(GERS-Lab) του Πανεπιστημίου του Τενεσί και σκοπός είναι η μελέτη της ποιότητας των νερών του ποταμού και των παραποτάμων με την χρήση τηλεπισκόπησης και συγκεκριμένα με την παρατήρηση δορυφορικών εικόνων,Landsat 8 Operational Land Imager (OLI), σε συνδυασμό με επιτόπιες μετρήσεις. Η μελέτη περιλαμβάνει ολοκληρωμένη βιβλιογραφία σε σχέση με την ποιότητα νερού και την εκτίμηση αλγοριθμικών μοντέλων για την εκτίμηση της θολότητας του, την οποία και ετέθη ως κεντρικό ενδιαφέρον.

'''2. Υλικά και μέθοδοι'''

'''2.1. Τόπος μελέτης'''

Ο ποταμός Τενεσί είναι από τους ποταμούς με την μεγαλύτερη ποικιλομορφία και αποτελεί βασικό πόρο για τους κατοίκους της περιοχής. Είναι παραπόταμος του ποταμού Οχάιο και βρίσκεται νοτιοανατολικά των ΗΠΑ μέσα στην κοιλάδα Τενεσί. Είναι η 5ημεγαλύτερη λεκάνη απορροής της χώρας και περιλαμβάνει και ακόμη 6 γειτονικές πολιτείες και ο ποταμός αποτελεί όριο μεταξύ δυο μεγάλων τμημάτων του Τενεσί: το κεντρικό και δυτικό Τενεσί.

Δυστυχώς, αποτελεί τον πιο μολυσμένο ποταμό παγκοσμίως και της 4η υδάτινη οδό τη χώρα. Κύρια αιτία μόλυνσης είναι η ανθρώπινη δραστηριότητα: εντομοκτόνα, λιπάσματα, και άλλα χημικά όπως φωσφορικά άλατα από το σαπούνι αυτοκινήτων τα οποία απορρέουν στον ποταμό λόγω της βροχής και του χιονιού και καταλήγουν στους υγροβιότοπους εξαπλώνοντας την μόλυνση και τον ευτροφισμό. ΟΙ ενώσεις αζώτου και φωσφόρου είναι ιδανικές για την ανάπτυξη των φυκιών. Αυτά, με την αποσύνθεση τους απορροφούν αρκετό οξυγόνο με αποτέλεσμα ζημία για άλλους οργανισμούς και παραγωγή άσχημων οσμών. Επομένως, είναι σημαντικό να καταγραφεί η έκταση της μόλυνσης και να βρεθούν λύσεις για την διατήρηση του ποταμού.

Η ανάπτυξη της πόλης Chattanooga, έχει περιβαλλοντικό αντίκτυπο. Με την εύρεση αλγόριθμου για θολότητας θα βοηθήσει στην παρουσίαση των επιπτώσεων της αλλαγής χρήσης γης και κάλυψης της στην αλλαγή της ποιότητας των υδατικών πόρων στις λεκάνες απορροής. Η παρούσα μελέτη επέλεξε ως περιοχή μελέτης το τμήμα του ποταμού Τενεσί που διέρχεται από την πόλη της Chattanooga. Η επιλεγμένη περιοχή περιλαμβάνει επίσης ένα τμήμα του South Chickamauga Creek που γειτνιάζει με τον ποταμό Tennessee.

'''2.2. Συλλογή δεδομένων'''

Η παρούσα μελέτη χρησιμοποιεί μια χρονοσειρά πολυφασματικών δορυφορικών εικόνων και ταυτόχρονα δεδομένα ποιότητας νερού που αποκτήθηκαν επιτόπου. Παρακάτω παρατείθεται περιγραφή συλλογής των δεδομένων:

'''2.2.1. Δορυφορικές εικόνες'''

Οι δορυφορικές εικόνες ελήφθησαν από τον Landsat 8 με εικόνες της περιοχής από αισθητήρα OLI (Operational Land Imager) στις 2 Δεκεμβρίου 2019 και 15 Αυγούστου 2019, μέσω του Earth Explorer.

[[Αρχείο:Pic 13.JPG |thumb|center|]]

'''2.2.2. Δεδομένα για την ποιότητα των υδάτων'''

Χρησιμοποιήθηκε ένα ερευνητικό σκάφος και ένας πολυπαραμετρικός καθετήρας Hydrolab HL7. Οι αισθητήρες του βαθμονομήθηκαν πριν τις μετρήσεις με βάση την λειτουργία του Hydrolab.

Καταγράφηκαν μετρήσεις σε :

108 δείγματα για τις 2 Δεκεμβρίου 2018
41 δείγματα για 13 Φεβρουαρίου 2019 και,
32 δείγματα γα τις 15 Αυγούστου 2019.

Για κάθε δείγμα, περίπου ίδιο βάθος 20 cm από την επιφάνεια, κάθε δευτερόλεπτο γινόταν λήψη δέκα μετρήσεων και το τελικό δείγμα αποτελούσε τον Μ.Ο αυτών.

Περάστηκαν σε excel και συσχετίστηκαν με τις συντεταγμένες των σημείων οπότε και απεικονίζονται όλα τα δεδομένα σε εικόνα. Κάθε μέτρηση αποθηκεύτηκες στο Hydrolab αλλά και χειρόγραφα.

'''2.3. Ανάπτυξη μοντέλου εκτίμησης θολότητας'''

Χρησιμοποιήθηκε εμπειρική προσέγγιση με βάση απλές παλινδρομήσεις των επιτόπιων μετρήσεων και των φασματικών δεδομένων επιφανειακής ανάκλασης από τον LANDSAT8. Στην εικόνα παρουσιάνται τα βήματα για την κατασκευή του μοντέλου θολότητας.
Σχήμα 5.Διάγραμμα ροής απεικονίζει τη ροή εργασίας που ακολουθήθηκε κατά την ανάπτυξη του μοντέλου.

[[Αρχείο:Pic 15.JPG|thumb|center|]]

'''2.3.1. Προεπεξεργασία δεδομένων'''

Για τις επιτόπιες μετρήσεις θολότητας δόθηκαν μοναδικοί αριθμοί και καταχωρήθηκαν σε Excell μαζί με τις συντεταγμένες τους, με τη χρήση του εργαλείου γεωεπεξεργασίας "XY Table to Point".

Οι επτά πολυφασματικές ζώνες που αναφέρονται στον πίνακα 1 στοιβάχθηκαν μεταξύ τους για να προετοιμαστεί μια σύνθετη πολυφασματική εικόνα επτά ζωνών για κάθε εικόνα που αποκτήθηκε (Σχήμα 3 και Σχήματα S1-S3). Για τον σκοπό αυτό, χρησιμοποιήθηκε το εργαλείο γεωεπεξεργασίας "Composite Bands".

Για την ακρίβεια της θέσης έγινε και μια επιτόπια αξιολόγηση και στην συνέχεια έγινε αποκοπή της εικόνας στην περιοχή μελέτης για να αφαιρεθούν τα περιττά εικονοστοιχεία. Κρατήθηκαν μόνο οι καθαρές ανεπηρέαστες από σύννεφα ή άλλους θορύβους. Ο συνολικός αριθμός των μετρήσεων θολότητας που χρησιμοποιήθηκαν για την παρούσα μελέτη είναι 96, ο οποίος περιλαμβάνει 32, 39 και 25 μετρήσεις για τις λήψεις εικόνων του Δεκεμβρίου, του Φεβρουαρίου και του Αυγούστου, αντίστοιχα.

'''2.3.2. Προετοιμασία των εισροών του μοντέλου'''

Η παρούσα μελέτη χρησιμοποίησε τα σύνολα δεδομένων του Δεκεμβρίου και του Φεβρουαρίου τόσο για την ανάπτυξη όσο και για τη δοκιμή του μοντέλου. Τα δεδομένα του Αυγούστου χρησιμοποιήθηκαν για την δοκιμή του μοντέλου ως ένα ξεχωριστό σύνολο δεδομένων.

Οι μετρήσεις για τις λήψεις εικόνων του Δεκεμβρίου και του Φεβρουαρίου χωρίστηκαν σε δύο σύνολα: εκπαίδευση και δοκιμή. Το σύνολο δεδομένων που χρησιμοποιήθηκε για την εκπαίδευση περιλάμβανε το 80% των μετρήσεων, ενώ το σύνολο δεδομένων που χρησιμοποιήθηκε για τη δοκιμή περιλάμβανε το 20% των μετρήσεων. Η επιλογή των μετρήσεων έγινε τυχαία με τη χρήση του "Subset Features" που διατίθεται στην ενότητα Geostatistical Analyst του λογισμικού ArcGIS Pro. Οι μετρήσεις συνδυάστηκαν για εκπαίδευση και την ανάπτυξη του μοντέλου και δοκιμάστηκαν και με τις μετρήσεις του Αυγούστου.

Με την χρήση "Extract Multi-Values to Points" απεικονίζεται φασματικά το κάθε σημείο δειγματοληψίας, αποθηκεύοντας την φασματική ανάκλαση για κάθε φασματική ζώνη σε κάθε θέση δείγματος και αυτό έδωσε έναν πίνακα Excell για την στατιστική ανάλυση.

'''2.3.3. Ανάπτυξη μοντέλου'''

Οι παλινδρομήσεις μιας ζώνης, για το σύνολο των δεδομένων που χρησιμοποιήθηκε για την εκπαίδευση, δημιούργησαν με την κατάλληλη επεξεργασία, διαγράμματα διασποράς από τις φασματικές ανακλάσεις για κάθε ζώνη στον άξονα x και στον άξονα ψ οι αντίστοιχες επιτόπιες μετρήσεις θολότητας. Οι παλινδρομήσεις καθόρισαν τις φασματικές ζώνες που χρησιμοποιήθηκαν ώς μεταβλητές, τις αντίστοιχες εξισώσεις και τελικά την παραγωγή συντελεστή R2 προσδιορισμού καλύτερης προσαρμογής μεταξύ υπολογιζόμενης γραμμής παλινδρόμησης και δεδομένων.

Το μοντέλο δημιουργήθηκε χρησιμοποιώντας το "ModelBuilder" που είναι διαθέσιμο στο λογισμικό ArcGIS Pro. Η ενότητα "ModelBuilder" χρησιμοποίησε διάφορα εργαλεία γεωεπεξεργασίας και το "Make Raster Layer" και "Raster Calculator". Το εργαλείο 'Raster Calculator' χρησιμοποίησε την επιλεγμένη εξίσωση παλινδρόμησης ως αλγεβρική έκφραση στην Python, χρησιμοποιώντας τις συγκεκριμένες φασματικές ζώνες ως μεταβλητές εισόδου (π.χ. τιμή ρBand). Το αποτέλεσμα αυτού του μοντέλου ήταν ένα ράστερ, για κάθε ημερομηνία λήψης εικόνας, το οποίο περιείχε προβλεπόμενες τιμές θολότητας σε κάθε εικονοστοιχείο νερού εντός της περιοχής μελέτης.

'''2.3.4. Αξιολόγηση της ακρίβειας'''

Η αξιολόγηση ακρίβειας έγινε με βάση τους συντελεστές R2 και του μέσου τετραγωνικού σφάλματος για κάθε ημερομηνία. Και η ικανότητα του μοντέλου να εκτιμά την θολότητα δοκιμάστηκε με τα δεδομένα του Αυγούστου.

[[Αρχείο:Pic 16.JPG|thumb|center|]]

'''3. Αποτελέσματα'''

Μετά από παρατήρηση των εξισώσεων παλινδρόμησης, των διαγραμμάτων διασποράς και των τιμών του συντελεστή R2, ακολούθησε ανάλυση των αποτελεσμάτων και αναδείχθηκε ότι οι ανακλάσεις στις ζώνες ένα έως τέσσερα έχουν σχέση μέτρια έως ισχυρή με την θολότητα με τιμές του R2 από 0,66 έως 0,95, ενώ οι ζώνες πέντε έως 7, από 0 έως 0,44. Υψηλότερο R2 = 0,95 παρήγαγε η μη γραμμική παλινδρόμηση στην ζώνη 4 (κόκκινο) και έτσι επιλέχθηκε αυτή για την εκτίμηση της θολότητας.

Για την ποιοτική ανάλυση των εικόνων Landsat χρησιμοποιήθηκε μια μάσκα νερού, επεξεργασμένη με τα Pixel QA rasters του Landsat, προκειμένου να αποκοπούν η επίδραση ανάκλασης του νέφους και του εδάφους. Παρουσιάζονται διαγράμματα θολότητας για διάφορες ημερομηνίες (Σχήμα 8 και Σχήμα 9 της μελέτης).

Οι προβλεπόμενες τιμές θολότητας συγκρίθηκαν με παρατηρούμενες τιμές για την αξιολόγηση του μοντέλου, για την ακρίβειά του υπολογίστηκε το μέσο τετραγωνικό σφάλμα και ο συντελεστής R2 και παρουσιάστηκαν τα διαγράμματα διασποράς καθώς και τετραγωνικό σφάλμα και ο συντελεστής R2 (σχήμα 10, σχήμα 12 , πίνακας 6 και 7 της πρότυπης μελέτης)

Η εκτίμηση της θολότητας του Αυγούστου έδωσε αποτελέσματα με γενικά υψηλή ακρίβεια, όπως αποδεικνύεται από την τιμήR2 =0,94. Η ληφθείσα τιμή RMSE 18,08 NTU ήταν σχετικά υψηλότερη από την αναμενόμενη- ωστόσο, αυτό θα μπορούσε να οφείλεται σε μερικές ακραίες τιμές που υπήρχαν στο σύνολο δεδομένων των σημείων δοκιμής, όπως φαίνεται στο Σχήμα 12.

'''4. Συζητήσεις'''

'''5. Συμπεράσματα'''

Η παρούσα έρευνα δημιούργησε ένα μοντέλο εκτίμησης της θολότητας χρησιμοποιώντας εικόνες από τη δορυφορική αποστολή Landsat 8, παρέχοντάς τη δυνατότητα να εκτιμηθεί η θολότητα στον ποταμό Tennessee κάθε 16 ημέρες σε χωρική ανάλυση 30 m.Τα αποτελέσματα που προέκυψαν από την παρούσα εργασία δείχνουν ότι μπορεί να αναπτυχθεί ένα απλό μοντέλο βασισμένο σε μη γραμμική παλινδρόμηση, με χρήση τις τιμές ανακλάσεων στο κόκκινο του αισθητήρα Landsat 8 OLI για την εκτίμηση της θολότητας του νερού. Το μοντέλο δοκιμάστηκε προκειμένου να χρησιμοποιηθεί ευρέως για την εκτίμηση της θολότητας στον ποταμό Τενεσί , ωστόσο, επειδή δοκιμάστηκε σε μια μόνο ημερομηνία θα μπορούσε να δοκιμασθεί εξίσου και σε άλλες ημερομηνίες λήψεις εικόνων με μετρήσεις θολότητας επιτόπιες.

[[category:Ανίχνευση μη σημειακών πηγών ρύπανσης]]

Remote Sensing of Turbidity in the Tennessee River Using

2024-01-30T19:30:43Z

Katerina Stamoulou:

'''Remote Sensing of Turbidity in the Tennessee River Using Landsat 8 Satellite'''/Μέτρηση της Θολότητας στον ποταμό Τενεσί με τηλεπισκόπηση και εικόνες landsat 8.

'''Συγγραφείς: A. K. M. Azad Hossain , Caleb Mathias and Richard Blanton'''

[https://www.mdpi.com/2072-4292/13/18/3785 Πηγή:]

'''Περίληψη:'''

Ο ποταμός Tennessee στις Ηνωμένες Πολιτείες είναι ένας από τους βασικότερους πόρους ύδατος της περιοχής ωστόσο είναι ένας από τους περισσότερο μολυσμένους ποταμούς στον κόσμο και άρα πηγή ρύπανσης η απορροή του. Για αυτό τον λόγο η παρακολούθησή του είναι αναγκαία και σε αυτό έρχεται να βοηθήσει η μέθοδος της τηλεπισκόπησης. Αυτή η μελέτη ανέπτυξε ένα αριθμητικό μοντέλο εκτίμησης της θολότητας του ποταμού αυτού και των παραποτάμων του, χρησιμοποιώντας δορυφορικές εικόνες LANDSAT 8 σε συνδυασμό με επιτόπιες μετρήσεις σε σχεδόν πραγματικό χρόνο. Τα αποτελέσματα που προκύπτουν δείχνουν ότι μπορεί να υπάρξει ένα αριθμητικό μοντέλο βασισμένο σε μη γραμμική παλινδρόμηση με βάση τις τιμές της ανάκλασης στην κόκκινη ζώνη του αισθητήρα Landsat 8 OLI προκειμένου να εκτιμηθεί η θολότητα στο νερό με υψηλή ακρίβεια. Η αξιολόγηση της ακρίβειας της εκτιμώμενης θολότητας πέτυχε τιμή συντελεστή προσδιορισμού (R2) και μέσο τετραγωνικό σφάλμα (RMSE) τόσο υψηλές όσο 0,97 και 1,41 NTU, αντίστοιχα. Το μοντέλο δοκιμάστηκε επίσης σε εικόνες που ελήφθησαν σε διαφορετική ημερομηνία για να εκτιμηθεί η δυνατότητά του για την εξ αποστάσεως εκτίμηση της θολότητας ρουτίνας και παρήγαγε ενθαρρυντικά αποτελέσματα με τιμήR2 0,94 και σχετικά υψηλό RMSE.

'''Λέξεις-κλειδιά:'''Landsat 8 Operational Land Imager (OLI), ποιότητα νερού, θολότητα, διαστημικός αισθητήρας, περιβαλλοντικοί δείκτες, δορυφορικές εικόνες, Chattanooga.

'''1.Εισαγωγή:'''

Η δορυφορική τηλεπισκόπηση προσφέρει εικόνες πολλών ετών μέσα από τις οποίες μπορεί να γίνει μελέτη περιοχής. Οι αισθητήρες των δορυφόρων μετρώντας την ηλιακή ακτινοβολία σε διάφορα μήκη κύματος η οποία αντανακλάται από τις διάφορες επιφάνειες, στην προκειμένη από το νερό, μπορεί να συσχετιστεί και με διάφορες άλλες παραμέτρους ποιότητας των υδάτων. Η μέθοδος της τηλεπισκόπησης πλεονεκτεί σε τρία επίπεδα: 1.συνεχείς λήψεις επιτρέπουν συνοπτικές εκτιμήσεις σε περιοχές μεγάλης έκτασης, 2.μπορεί να γίνει εκτίμηση ακόμη και σε μη προσβάσιμες περιοχές, 3.υπάρχει μεγάλο αρχείο δορυφορικών εικόνων μέσω των οποίων μπορεί να γίνει ιστορική εκτίμηση της ποιότητας του νερού.

Για τον ποταμό Tennessee δεν υπάρχει κάποιος αλγόριθμος τηλεπισκόπησης για την μελέτη της ποιότητας των επιφανιακών υδάτων του. Έτσι, στόχος αυτής της μελέτης αποτελεί η διερεύνηση των δυνατοτήτων της τηλεπισκόπησης για την μελέτη της ποιότητας των υδάτων στις λεκάνες απορροής του νοτιοανατολικού Τένεσι με την χρήση δορυφορικών εικόνων σε συνδυασμό με επιτόπιες μετρήσεις.

'''1.1Τηλεπισκόπηση για την ποιότητα του νερού'''

Η συνολική ακτινοβολία(Lt) που καταγράφει το σύστημα τηλεπισκόπησης είναι η συνάρτηση της ηλεκτρομαγνητικής ενέργειας τεσσάρων πηγών:
Α)Ακτινοβολία διαδρομής(Lp)
Β)Ακτινοβολία ελεύθερης επιφάνειας ή οριακού στρώματος(Ls)
Γ)Ογκομετρική ακτινοβολία του υπεδάφους(Lv)
Δ)Ακτινοβολία πυθμένα(Lb)

Και από τυπώνεται με την εξίσωση: Lt = Lp + Ls + Lv + Lb

Η ακτινοβολία διαδρομής(Lp), δεν είναι χρήσιμη καθώς δεν έρχεται σε επαφή με το νερό.
Η ακτινοβολία του οριακού στρώματος (Ls) είναι η ακτινοβολία που φτάνει στην διεπιφάνεια αέρα-νερού, για 1mm στο νερό και ανακλάται από την επιφάνεια του και αποτελεί την φασματική πληροφορία της επιφάνειας του νερού.

Η υπεδάφεια ογκομετρική ακτινοβολία(Lv), είναι η πληροφορία που διεισδύει στο νερό και αλληλεπιδρά με τα οργανικά ή ανόργανα συστατικά του και στη συνέχεια εξέρχεται.

Η ακτινοβολία του πυθμένα(Lb), είναι αυτή που φτάνει στον πυθμένα και εξάγεται από το νερό και μπορεί να μας δώσει πληροφορίες βάθους, χρώμα πυθμένα κ.ά.

Οι μελέτες για την ποιότητα του νερού που χρησιμοποιούν δεδομένα τηλεπισκόπησης ενδιαφέρονται συνήθως για τη μέτρηση της ογκομετρικής ακτινοβολίας(Lv) του υπεδάφους που εξέρχεται από τη στήλη του νερού προς τον αισθητήρα. Τα χαρακτηριστικά αυτής της ενέργειας ακτινοβολίας είναι συνάρτηση της συγκέντρωσης του καθαρού νερού(W), των ανόργανων αιωρούμενων ορυκτών(SM), της οργανικής χλωροφύλλης α (Chl-a), του διαλυμένου οργανικού υλικού(DOM) και του συνολικού ποσού της απορρόφησης και της εξασθένησης της σκέδασης που λαμβάνει χώρα στη στήλη νερού λόγω καθενός από αυτά τα συστατικά, c(λ), όπως φαίνεται στην εξίσωση (2)[8]:

Lv = f[Wc(λ),SMc(λ),Chl-ac(λ),DOMc(λ)]

Για την εκτίμηση των παραμέτρων ποιότητας του νερού (WQPs) από διάφορα δορυφορικά δεδομένα, χρησιμοποιούνται γενικά τρεις διαφορετικές προσεγγίσεις[3,4,9]:

1.'''Εμπειρική προσέγγιση.'''
Οι ψηφιακοί αριθμοί (DN) ή οι τιμές ακτινοβολίας στον αισθητήρα, καθώς και οι συνδυασμοί ζωνών τους, συσχετίζονται με επιτόπιες μετρήσεις διαφόρων WQPs, που συνήθως αποκτώνται σε σχεδόν πραγματικό χρόνο της υπέρβασης του αισθητήρα. Μια περίληψη των εμπειρικών προσεγγίσεων για τις λίμνες μπορεί να βρεθεί στο Lindell et al.[10].

2.'''Ημιεμπειρική προσέγγιση.'''

Αυτή η γνώση των φασματικών χαρακτηριστικών συμπεριλαμβάνεται στη στατιστική ανάλυση με εστίαση σε καλά επιλεγμένες φασματικές περιοχές και κατάλληλες φασματικές ζώνες που χρησιμοποιούνται ως συσχετισμοί. Ένα παράδειγμα ημιεμπειρικής προσέγγισης με διαφορετικούς αισθητήρες αναφέρεται από τους Härmä κ.ά.[11], οι οποίοι διερεύνησαν φινλανδικές λίμνες.

3. '''Αναλυτική προσέγγιση''', όπου οι WQPs σχετίζονται με τις εγγενείς οπτικές ιδιότητες του όγκου (IOPs) μέσω των ειδικών εγγενών οπτικών ιδιοτήτων (SIOPs). Ένα παράδειγμα μιας τέτοιας προσέγγισης, με χρήση του Landsat πάνω από λίμνες, μπορεί να βρεθεί στους Dekker et al.[14] για την ανάκτηση της συνολικής αιωρούμενης ύλης.

'''1.1.1 Θολότητα'''

Είναι ένα μέτρο διαύγειας του νερού, το οποίο αποτελεί μια από τις παραμέτρους καθαρότητας του και προκύπτει από το πόσο φως διαχέεται σε ένα υδάτινο σώμα. Οι δορυφόροι που χρησιμοποιούνται συνήθως για την εξαγωγή σχέσεων τηλεπισκόπησης με τη θολότητα περιλαμβάνουν τους Landsat 5, Landsat 8 και Sentinel-2 και συνήθως σε συνδυασμό ή μόνες τους οι ζώνες του κόκκινου και του εγγύς υπέρυθρου και του πράσινου σε πολλαπλές ζώνες για την ανάλυση της θολότητας.

Οι μέθοδοι που συνήθως ακολουθούνται για τη μέτρηση της θολότητας είναι οι αναλύσεις παλινδρόμησης με αλγόριθμους μιας ή πολλαπλών ζωνών. Ο προγραμματισμός γονιδιακής έκφρασης (GEP) και η γεωγραφικά και χρονικά σταθμισμένη παλινδρόμηση (GTWR) έχει αποδειχθεί ότι προβλέπουν τη θολότητα με μεγαλύτερη ακρίβεια από εκείνη της πολλαπλής γραμμικής παλινδρόμησης (MLR) μεταξύ διαφορετικών ταμιευτήρων[23,26].

'''1.1.2. Χλωροφύλλη α (Chl-a)'''

Είναι μια από τις περισσότερο μελετημένες παραμέτρους ποιότητας του νερού με τηλεπισκόπηση. Χρησιμοποιώντας δορυφόρους Landsat 1-3, 5, 8 Rapideye Sentinel-2 και MODIS οι περισσότερες μελέτες έχουν βρει μεγάλη συσχέτιση τιμών που ανιχνεύουν την χλωροφύλλη. Το ίδιο και με την βοήθεια αερομεταφερόμενης τηλεπισκόπησης. Ένας δείκτης χλωροφύλλης είναι ο MCA, ο οποίος αναπτύχθηκε για την ανίχνευση της άνθισης των φυκιών ειδικά με τις εικόνες του MEdium Resolution Imaging Spectrometer (MERIS). Ο δορυφορικός αστερισμός RapidEye της Planet χρησιμοποιήθηκε με επιτυχία σε λίμνες για τη δημιουργία ενός προϊόντος ισοδύναμου με εκείνο του MERIS που ανιχνεύει τον MCI[1].
'''
1.1.3. Συγκέντρωση αιωρούμενων ιζημάτων (SSC)'''

Οι τιμές SSC προκύπτουν από τη μέτρηση του ξηρού βάρους του ιζήματος από γνωστό όγκο νερού. έχει εκτιμηθεί με επιτυχία σε λιμναία, ποτάμια και εκβολικά περιβάλλοντα από διάφορους σύγχρονους διαστημικούς αισθητήρες, όπως οι IKONOS, Landsat 8, Sentinel-2, RapidEye και MODIS[34,40,41,42,43,44]. Η SSC έχει επίσης εκτιμηθεί χρησιμοποιώντας τη θολερότητα ως υποκατάστατο. Υπάρχει ανάγκη για συνεχή καταγραφή της SSC μεταξύ των σταθμών μέτρησης των υδάτων του περιβάλλοντος, ιδίως σε ρυπασμένα ποτάμια περιβάλλοντα, καθώς η συλλογή δεδομένων επί τόπου είναι αναποτελεσματική και δαπανηρή[45].

'''1.1.4. Ολικά αιωρούμενα στερεά (TSS)'''

Τα TSS είναι οπτικά ενεργά και διαφέρουν από τα SSC μόνο από τις διαφορετικές εργαστηριακές αναλύσεις που χρησιμοποιούνται για την αξιολόγηση του καθενός. Η αερομεταφερόμενη τηλεπισκόπηση έχει επιτύχει στην αξιολόγηση των TSS σε ταμιευτήρες και ποταμούς, σημειώνοντας συγκεκριμένα πλεονεκτήματα σε σχέση με τους διαστημικούς δορυφόρους, όπως λιγότερες ατμοσφαιρικές παρεμβολές, προσαρμόσιμη χωρική ανάλυση και λιγότερους χρονικούς περιορισμούς[30].

'''1.1.5. Αλατότητα'''

Οι Lagerloef κ.ά.[53] παρουσίασαν μια έρευνα τηλεπισκόπησης της αλατότητας πριν από το 1995 με τις πρώτες προσπάθειες που χρησιμοποίησαν τη διηλεκτρική σταθερά των αλατούχων διαλυμάτων ως φυσική βάση για την τηλεπισκόπηση της αλατότητας των ωκεανών με μικροκύματα. Τα αερομεταφερόμενα πειράματα μικροκυματικών ραδιομέτρων χαμηλής συχνότητας έχουν δείξει επιτυχία στη μέτρηση της αλατότητας της επιφάνειας των ακτών[54]. Τα μοντέλα γραμμικής παλινδρόμησης χρησιμοποιούνται συνήθως για την εκτίμηση της αλατότητας σε εκβολές και παράκτια ύδατα με τη χρήση εικόνων που λαμβάνονται από τους δορυφόρους Landsat 5 και Landsat 8[6,19,33,55,56].

'''1.1.6. Βάθος δίσκου Secchi (SDD)'''

Η SDD είναι ένα μέτρο της διαφάνειας του νερού, συγκεκριμένα το βάθος στο οποίο ο ίδιος ο αδιαφανής δίσκος Secchi χάνει την ορατότητα από την επιφάνεια. Η πιο συνηθισμένη μέθοδος είναι η χρήση ποικίλων τεχνικών ανάλυσης παλινδρόμησης για την πρόβλεψη της SDD, η οποία δοκιμάζεται σε σύγκριση με επιτόπιες μετρήσεις[20,30,32,39,40].

'''1.1.7. Ολικά διαλυμένα στερεά (TDS)'''

Τα TDS είναι ένα μέτρο των διαλυμένων ανόργανων και οργανικών ουσιών στο νερό και σχετίζονται με την ηλεκτρική αγωγιμότητα. Bασίζονται σε επιτόπιες μετρήσεις και σε δεδομένα ανάκλασης που λαμβάνονται από διαστημικούς οπτικούς αισθητήρες, όπως οι Landsat 5 και Landsat 8[21,57].

'''1.1.8. Διαλυμένο οξυγόνο (DO)'''

Το DO είναι οπτικά ανενεργό, αλλά η θερμοκρασία του νερού επηρεάζει σημαντικά το DO, καθώς το οξυγόνο διαλύεται ευκολότερα στο κρύο νερό απ' ό,τι στο ζεστό νερό. Δεν έχει καθιερωθεί κανένας αισθητήρας για την εκτέλεση σταθερά ακριβών μετρήσεων του DO με τηλεπισκόπηση[15].
'''
1.1.9. Διαλυμένος οργανικός άνθρακας (DOC)'''

Μη οπτικά εντοπίσιμη παράμετρος καθαρότητας του νερού και ελάχιστες εργασίες υπάρχουν με δορυφορικούς αισθητήρες. Ωστόσο, με χρήση αλγόριθμων κοινής αναλογίας ζωνών με την χρήση sentinel-2 [36] η χαρτογράφηση ήταν επιτυχής καθώς και με δεδομένα χρώματος από εικόνες SeaWiFS[59].

'''1.1.10. pH'''

Μη οπτικά εντοπίσιμη παράμετρος και δεν μπορεί να επιτευχθεί άμεση συσχέτιση μεταξύ της επιφανειακής ανάκλασης και των τιμών του pH. Χρησιμοποιώντας εικόνες RapidEye, οι Yigit Avdan κ.ά.[60] προσπάθησαν να αναπτύξουν ένα μοντέλο για την πρόβλεψη του pH συγκρίνοντας επιτόπιες μετρήσεις και τιμές ανακλαστικότητας αισθητήρων που ελήφθησαν πάνω από μια λίμνη, αλλά δεν μπόρεσαν να βρουν καμία συσχέτιση μεταξύ των δεδομένων.
'''
1.1.11. Ολικό άζωτο (TN) και ολικός φώσφορος (TP)'''

Οι συγκεντρώσεις TN και TP στο νερό είναι οπτικά ανενεργές. Ωστόσο, έχουν εκτιμηθεί έμμεσα με τη συσχέτισή τους με την οπτικά ενεργή χλωροφύλλη α, η οποία προσδιορίστηκε εύκολα με τη χρήση εικόνων Landsat 8[62].

'''1.1.12. Χρωματισμένη διαλυμένη οργανική ύλη (CDOM)'''

Το CDOM είναι ένα μεγάλο οπτικά μετρήσιμο τμήμα του DOC. Οι εσωτερικές υδάτινες μάζες έχουν υψηλές τιμές συσχέτισης κατά την αξιολόγηση της CDOM μέσω τηλεπισκόπησης με τη χρήση διαφόρων αισθητήρων, όπως οι Sentinel-2, Landsat 8 και MODIS[34,36].
'''
1.2. Στόχοι της παρούσας μελέτης'''

Η μελέτη αυτή πραγματοποιήθηκε από το εργαστήριο γεωλογικής και περιβαλλοντικής τηλεπισκόπησης(GERS-Lab) του Πανεπιστημίου του Τενεσί και σκοπός είναι η μελέτη της ποιότητας των νερών του ποταμού και των παραποτάμων με την χρήση τηλεπισκόπησης και συγκεκριμένα με την παρατήρηση δορυφορικών εικόνων,Landsat 8 Operational Land Imager (OLI), σε συνδυασμό με επιτόπιες μετρήσεις. Η μελέτη περιλαμβάνει ολοκληρωμένη βιβλιογραφία σε σχέση με την ποιότητα νερού και την εκτίμηση αλγοριθμικών μοντέλων για την εκτίμηση της θολότητας του, την οποία και ετέθη ως κεντρικό ενδιαφέρον.

'''2. Υλικά και μέθοδοι'''

'''2.1. Τόπος μελέτης'''

Ο ποταμός Τενεσί είναι από τους ποταμούς με την μεγαλύτερη ποικιλομορφία και αποτελεί βασικό πόρο για τους κατοίκους της περιοχής. Είναι παραπόταμος του ποταμού Οχάιο και βρίσκεται νοτιοανατολικά των ΗΠΑ μέσα στην κοιλάδα Τενεσί. Είναι η 5ημεγαλύτερη λεκάνη απορροής της χώρας και περιλαμβάνει και ακόμη 6 γειτονικές πολιτείες και ο ποταμός αποτελεί όριο μεταξύ δυο μεγάλων τμημάτων του Τενεσί: το κεντρικό και δυτικό Τενεσί.

Δυστυχώς, αποτελεί τον πιο μολυσμένο ποταμό παγκοσμίως και της 4η υδάτινη οδό τη χώρα. Κύρια αιτία μόλυνσης είναι η ανθρώπινη δραστηριότητα: εντομοκτόνα, λιπάσματα, και άλλα χημικά όπως φωσφορικά άλατα από το σαπούνι αυτοκινήτων τα οποία απορρέουν στον ποταμό λόγω της βροχής και του χιονιού και καταλήγουν στους υγροβιότοπους εξαπλώνοντας την μόλυνση και τον ευτροφισμό. ΟΙ ενώσεις αζώτου και φωσφόρου είναι ιδανικές για την ανάπτυξη των φυκιών. Αυτά, με την αποσύνθεση τους απορροφούν αρκετό οξυγόνο με αποτέλεσμα ζημία για άλλους οργανισμούς και παραγωγή άσχημων οσμών. Επομένως, είναι σημαντικό να καταγραφεί η έκταση της μόλυνσης και να βρεθούν λύσεις για την διατήρηση του ποταμού.

Η ανάπτυξη της πόλης Chattanooga, έχει περιβαλλοντικό αντίκτυπο. Με την εύρεση αλγόριθμου για θολότητας θα βοηθήσει στην παρουσίαση των επιπτώσεων της αλλαγής χρήσης γης και κάλυψης της στην αλλαγή της ποιότητας των υδατικών πόρων στις λεκάνες απορροής. Η παρούσα μελέτη επέλεξε ως περιοχή μελέτης το τμήμα του ποταμού Τενεσί που διέρχεται από την πόλη της Chattanooga. Η επιλεγμένη περιοχή περιλαμβάνει επίσης ένα τμήμα του South Chickamauga Creek που γειτνιάζει με τον ποταμό Tennessee.

'''2.2. Συλλογή δεδομένων'''

Η παρούσα μελέτη χρησιμοποιεί μια χρονοσειρά πολυφασματικών δορυφορικών εικόνων και ταυτόχρονα δεδομένα ποιότητας νερού που αποκτήθηκαν επιτόπου. Παρακάτω παρατείθεται περιγραφή συλλογής των δεδομένων:

'''2.2.1. Δορυφορικές εικόνες'''

Οι δορυφορικές εικόνες ελήφθησαν από τον Landsat 8 με εικόνες της περιοχής από αισθητήρα OLI (Operational Land Imager) στις 2 Δεκεμβρίου 2019 και 15 Αυγούστου 2019, μέσω του Earth Explorer.

[[Αρχείο:Pic 13.JPG |thumb|center|]]

'''2.2.2. Δεδομένα για την ποιότητα των υδάτων'''

Χρησιμοποιήθηκε ένα ερευνητικό σκάφος και ένας πολυπαραμετρικός καθετήρας Hydrolab HL7. Οι αισθητήρες του βαθμονομήθηκαν πριν τις μετρήσεις με βάση την λειτουργία του Hydrolab.

Καταγράφηκαν μετρήσεις σε :

108 δείγματα για τις 2 Δεκεμβρίου 2018
41 δείγματα για 13 Φεβρουαρίου 2019 και,
32 δείγματα γα τις 15 Αυγούστου 2019.

Για κάθε δείγμα, περίπου ίδιο βάθος 20 cm από την επιφάνεια, κάθε δευτερόλεπτο γινόταν λήψη δέκα μετρήσεων και το τελικό δείγμα αποτελούσε τον Μ.Ο αυτών.

Περάστηκαν σε excel και συσχετίστηκαν με τις συντεταγμένες των σημείων οπότε και απεικονίζονται όλα τα δεδομένα σε εικόνα. Κάθε μέτρηση αποθηκεύτηκες στο Hydrolab αλλά και χειρόγραφα.

'''2.3. Ανάπτυξη μοντέλου εκτίμησης θολότητας'''

Χρησιμοποιήθηκε εμπειρική προσέγγιση με βάση απλές παλινδρομήσεις των επιτόπιων μετρήσεων και των φασματικών δεδομένων επιφανειακής ανάκλασης από τον LANDSAT8. Στην εικόνα παρουσιάνται τα βήματα για την κατασκευή του μοντέλου θολότητας.
Σχήμα 5.Διάγραμμα ροής απεικονίζει τη ροή εργασίας που ακολουθήθηκε κατά την ανάπτυξη του μοντέλου.

[[Αρχείο:Pic 15.JPG|thumb|center|]]

'''2.3.1. Προεπεξεργασία δεδομένων'''

Για τις επιτόπιες μετρήσεις θολότητας δόθηκαν μοναδικοί αριθμοί και καταχωρήθηκαν σε Excell μαζί με τις συντεταγμένες τους, με τη χρήση του εργαλείου γεωεπεξεργασίας "XY Table to Point".

Οι επτά πολυφασματικές ζώνες που αναφέρονται στον πίνακα 1 στοιβάχθηκαν μεταξύ τους για να προετοιμαστεί μια σύνθετη πολυφασματική εικόνα επτά ζωνών για κάθε εικόνα που αποκτήθηκε (Σχήμα 3 και Σχήματα S1-S3). Για τον σκοπό αυτό, χρησιμοποιήθηκε το εργαλείο γεωεπεξεργασίας "Composite Bands".

Για την ακρίβεια της θέσης έγινε και μια επιτόπια αξιολόγηση και στην συνέχεια έγινε αποκοπή της εικόνας στην περιοχή μελέτης για να αφαιρεθούν τα περιττά εικονοστοιχεία. Κρατήθηκαν μόνο οι καθαρές ανεπηρέαστες από σύννεφα ή άλλους θορύβους. Ο συνολικός αριθμός των μετρήσεων θολότητας που χρησιμοποιήθηκαν για την παρούσα μελέτη είναι 96, ο οποίος περιλαμβάνει 32, 39 και 25 μετρήσεις για τις λήψεις εικόνων του Δεκεμβρίου, του Φεβρουαρίου και του Αυγούστου, αντίστοιχα.

'''2.3.2. Προετοιμασία των εισροών του μοντέλου'''

Η παρούσα μελέτη χρησιμοποίησε τα σύνολα δεδομένων του Δεκεμβρίου και του Φεβρουαρίου τόσο για την ανάπτυξη όσο και για τη δοκιμή του μοντέλου. Τα δεδομένα του Αυγούστου χρησιμοποιήθηκαν για την δοκιμή του μοντέλου ως ένα ξεχωριστό σύνολο δεδομένων.

Οι μετρήσεις για τις λήψεις εικόνων του Δεκεμβρίου και του Φεβρουαρίου χωρίστηκαν σε δύο σύνολα: εκπαίδευση και δοκιμή. Το σύνολο δεδομένων που χρησιμοποιήθηκε για την εκπαίδευση περιλάμβανε το 80% των μετρήσεων, ενώ το σύνολο δεδομένων που χρησιμοποιήθηκε για τη δοκιμή περιλάμβανε το 20% των μετρήσεων. Η επιλογή των μετρήσεων έγινε τυχαία με τη χρήση του "Subset Features" που διατίθεται στην ενότητα Geostatistical Analyst του λογισμικού ArcGIS Pro. Οι μετρήσεις συνδυάστηκαν για εκπαίδευση και την ανάπτυξη του μοντέλου και δοκιμάστηκαν και με τις μετρήσεις του Αυγούστου.

Με την χρήση "Extract Multi-Values to Points" απεικονίζεται φασματικά το κάθε σημείο δειγματοληψίας, αποθηκεύοντας την φασματική ανάκλαση για κάθε φασματική ζώνη σε κάθε θέση δείγματος και αυτό έδωσε έναν πίνακα Excell για την στατιστική ανάλυση.

'''2.3.3. Ανάπτυξη μοντέλου'''

Οι παλινδρομήσεις μιας ζώνης, για το σύνολο των δεδομένων που χρησιμοποιήθηκε για την εκπαίδευση, δημιούργησαν με την κατάλληλη επεξεργασία, διαγράμματα διασποράς από τις φασματικές ανακλάσεις για κάθε ζώνη στον άξονα x και στον άξονα ψ οι αντίστοιχες επιτόπιες μετρήσεις θολότητας. Οι παλινδρομήσεις καθόρισαν τις φασματικές ζώνες που χρησιμοποιήθηκαν ώς μεταβλητές, τις αντίστοιχες εξισώσεις και τελικά την παραγωγή συντελεστή R2 προσδιορισμού καλύτερης προσαρμογής μεταξύ υπολογιζόμενης γραμμής παλινδρόμησης και δεδομένων.

Το μοντέλο δημιουργήθηκε χρησιμοποιώντας το "ModelBuilder" που είναι διαθέσιμο στο λογισμικό ArcGIS Pro. Η ενότητα "ModelBuilder" χρησιμοποίησε διάφορα εργαλεία γεωεπεξεργασίας και το "Make Raster Layer" και "Raster Calculator". Το εργαλείο 'Raster Calculator' χρησιμοποίησε την επιλεγμένη εξίσωση παλινδρόμησης ως αλγεβρική έκφραση στην Python, χρησιμοποιώντας τις συγκεκριμένες φασματικές ζώνες ως μεταβλητές εισόδου (π.χ. τιμή ρBand). Το αποτέλεσμα αυτού του μοντέλου ήταν ένα ράστερ, για κάθε ημερομηνία λήψης εικόνας, το οποίο περιείχε προβλεπόμενες τιμές θολότητας σε κάθε εικονοστοιχείο νερού εντός της περιοχής μελέτης.

'''2.3.4. Αξιολόγηση της ακρίβειας'''

Η αξιολόγηση ακρίβειας έγινε με βάση τους συντελεστές R2 και του μέσου τετραγωνικού σφάλματος για κάθε ημερομηνία. Και η ικανότητα του μοντέλου να εκτιμά την θολότητα δοκιμάστηκε με τα δεδομένα του Αυγούστου.

'''3. Αποτελέσματα'''

Μετά από παρατήρηση των εξισώσεων παλινδρόμησης, των διαγραμμάτων διασποράς και των τιμών του συντελεστή R2, ακολούθησε ανάλυση των αποτελεσμάτων και αναδείχθηκε ότι οι ανακλάσεις στις ζώνες ένα έως τέσσερα έχουν σχέση μέτρια έως ισχυρή με την θολότητα με τιμές του R2 από 0,66 έως 0,95, ενώ οι ζώνες πέντε έως 7, από 0 έως 0,44. Υψηλότερο R2 = 0,95 παρήγαγε η μη γραμμική παλινδρόμηση στην ζώνη 4 (κόκκινο) και έτσι επιλέχθηκε αυτή για την εκτίμηση της θολότητας.

Για την ποιοτική ανάλυση των εικόνων Landsat χρησιμοποιήθηκε μια μάσκα νερού, επεξεργασμένη με τα Pixel QA rasters του Landsat, προκειμένου να αποκοπούν η επίδραση ανάκλασης του νέφους και του εδάφους. Παρουσιάζονται διαγράμματα θολότητας για διάφορες ημερομηνίες (Σχήμα 8 και Σχήμα 9 της μελέτης).

Οι προβλεπόμενες τιμές θολότητας συγκρίθηκαν με παρατηρούμενες τιμές για την αξιολόγηση του μοντέλου, για την ακρίβειά του υπολογίστηκε το μέσο τετραγωνικό σφάλμα και ο συντελεστής R2 και παρουσιάστηκαν τα διαγράμματα διασποράς καθώς και τετραγωνικό σφάλμα και ο συντελεστής R2 (σχήμα 10, σχήμα 12 , πίνακας 6 και 7 της πρότυπης μελέτης)

Η εκτίμηση της θολότητας του Αυγούστου έδωσε αποτελέσματα με γενικά υψηλή ακρίβεια, όπως αποδεικνύεται από την τιμήR2 =0,94. Η ληφθείσα τιμή RMSE 18,08 NTU ήταν σχετικά υψηλότερη από την αναμενόμενη- ωστόσο, αυτό θα μπορούσε να οφείλεται σε μερικές ακραίες τιμές που υπήρχαν στο σύνολο δεδομένων των σημείων δοκιμής, όπως φαίνεται στο Σχήμα 12.

'''4. Συζητήσεις'''

'''5. Συμπεράσματα'''

Η παρούσα έρευνα δημιούργησε ένα μοντέλο εκτίμησης της θολότητας χρησιμοποιώντας εικόνες από τη δορυφορική αποστολή Landsat 8, παρέχοντάς τη δυνατότητα να εκτιμηθεί η θολότητα στον ποταμό Tennessee κάθε 16 ημέρες σε χωρική ανάλυση 30 m.Τα αποτελέσματα που προέκυψαν από την παρούσα εργασία δείχνουν ότι μπορεί να αναπτυχθεί ένα απλό μοντέλο βασισμένο σε μη γραμμική παλινδρόμηση, με χρήση τις τιμές ανακλάσεων στο κόκκινο του αισθητήρα Landsat 8 OLI για την εκτίμηση της θολότητας του νερού. Το μοντέλο δοκιμάστηκε προκειμένου να χρησιμοποιηθεί ευρέως για την εκτίμηση της θολότητας στον ποταμό Τενεσί , ωστόσο, επειδή δοκιμάστηκε σε μια μόνο ημερομηνία θα μπορούσε να δοκιμασθεί εξίσου και σε άλλες ημερομηνίες λήψεις εικόνων με μετρήσεις θολότητας επιτόπιες.

[[category:Ανίχνευση μη σημειακών πηγών ρύπανσης]]

Remote Sensing of Turbidity in the Tennessee River Using

2024-01-30T19:29:54Z

Katerina Stamoulou:

'''Remote Sensing of Turbidity in the Tennessee River Using Landsat 8 Satellite'''/Μέτρηση της Θολότητας στον ποταμό Τενεσί με τηλεπισκόπηση και εικόνες landsat 8.

'''Συγγραφείς: A. K. M. Azad Hossain , Caleb Mathias and Richard Blanton'''

[https://www.mdpi.com/2072-4292/13/18/3785 Πηγή:]

'''Περίληψη:'''

Ο ποταμός Tennessee στις Ηνωμένες Πολιτείες είναι ένας από τους βασικότερους πόρους ύδατος της περιοχής ωστόσο είναι ένας από τους περισσότερο μολυσμένους ποταμούς στον κόσμο και άρα πηγή ρύπανσης η απορροή του. Για αυτό τον λόγο η παρακολούθησή του είναι αναγκαία και σε αυτό έρχεται να βοηθήσει η μέθοδος της τηλεπισκόπησης. Αυτή η μελέτη ανέπτυξε ένα αριθμητικό μοντέλο εκτίμησης της θολότητας του ποταμού αυτού και των παραποτάμων του, χρησιμοποιώντας δορυφορικές εικόνες LANDSAT 8 σε συνδυασμό με επιτόπιες μετρήσεις σε σχεδόν πραγματικό χρόνο. Τα αποτελέσματα που προκύπτουν δείχνουν ότι μπορεί να υπάρξει ένα αριθμητικό μοντέλο βασισμένο σε μη γραμμική παλινδρόμηση με βάση τις τιμές της ανάκλασης στην κόκκινη ζώνη του αισθητήρα Landsat 8 OLI προκειμένου να εκτιμηθεί η θολότητα στο νερό με υψηλή ακρίβεια. Η αξιολόγηση της ακρίβειας της εκτιμώμενης θολότητας πέτυχε τιμή συντελεστή προσδιορισμού (R2) και μέσο τετραγωνικό σφάλμα (RMSE) τόσο υψηλές όσο 0,97 και 1,41 NTU, αντίστοιχα. Το μοντέλο δοκιμάστηκε επίσης σε εικόνες που ελήφθησαν σε διαφορετική ημερομηνία για να εκτιμηθεί η δυνατότητά του για την εξ αποστάσεως εκτίμηση της θολότητας ρουτίνας και παρήγαγε ενθαρρυντικά αποτελέσματα με τιμήR2 0,94 και σχετικά υψηλό RMSE.

'''Λέξεις-κλειδιά:'''Landsat 8 Operational Land Imager (OLI), ποιότητα νερού, θολότητα, διαστημικός αισθητήρας, περιβαλλοντικοί δείκτες, δορυφορικές εικόνες, Chattanooga.

'''1.Εισαγωγή:'''

Η δορυφορική τηλεπισκόπηση προσφέρει εικόνες πολλών ετών μέσα από τις οποίες μπορεί να γίνει μελέτη περιοχής. Οι αισθητήρες των δορυφόρων μετρώντας την ηλιακή ακτινοβολία σε διάφορα μήκη κύματος η οποία αντανακλάται από τις διάφορες επιφάνειες, στην προκειμένη από το νερό, μπορεί να συσχετιστεί και με διάφορες άλλες παραμέτρους ποιότητας των υδάτων. Η μέθοδος της τηλεπισκόπησης πλεονεκτεί σε τρία επίπεδα: 1.συνεχείς λήψεις επιτρέπουν συνοπτικές εκτιμήσεις σε περιοχές μεγάλης έκτασης, 2.μπορεί να γίνει εκτίμηση ακόμη και σε μη προσβάσιμες περιοχές, 3.υπάρχει μεγάλο αρχείο δορυφορικών εικόνων μέσω των οποίων μπορεί να γίνει ιστορική εκτίμηση της ποιότητας του νερού.

Για τον ποταμό Tennessee δεν υπάρχει κάποιος αλγόριθμος τηλεπισκόπησης για την μελέτη της ποιότητας των επιφανιακών υδάτων του. Έτσι, στόχος αυτής της μελέτης αποτελεί η διερεύνηση των δυνατοτήτων της τηλεπισκόπησης για την μελέτη της ποιότητας των υδάτων στις λεκάνες απορροής του νοτιοανατολικού Τένεσι με την χρήση δορυφορικών εικόνων σε συνδυασμό με επιτόπιες μετρήσεις.

'''1.1Τηλεπισκόπηση για την ποιότητα του νερού'''

Η συνολική ακτινοβολία(Lt) που καταγράφει το σύστημα τηλεπισκόπησης είναι η συνάρτηση της ηλεκτρομαγνητικής ενέργειας τεσσάρων πηγών:
Α)Ακτινοβολία διαδρομής(Lp)
Β)Ακτινοβολία ελεύθερης επιφάνειας ή οριακού στρώματος(Ls)
Γ)Ογκομετρική ακτινοβολία του υπεδάφους(Lv)
Δ)Ακτινοβολία πυθμένα(Lb)

Και από τυπώνεται με την εξίσωση: Lt = Lp + Ls + Lv + Lb

Η ακτινοβολία διαδρομής(Lp), δεν είναι χρήσιμη καθώς δεν έρχεται σε επαφή με το νερό.
Η ακτινοβολία του οριακού στρώματος (Ls) είναι η ακτινοβολία που φτάνει στην διεπιφάνεια αέρα-νερού, για 1mm στο νερό και ανακλάται από την επιφάνεια του και αποτελεί την φασματική πληροφορία της επιφάνειας του νερού.

Η υπεδάφεια ογκομετρική ακτινοβολία(Lv), είναι η πληροφορία που διεισδύει στο νερό και αλληλεπιδρά με τα οργανικά ή ανόργανα συστατικά του και στη συνέχεια εξέρχεται.

Η ακτινοβολία του πυθμένα(Lb), είναι αυτή που φτάνει στον πυθμένα και εξάγεται από το νερό και μπορεί να μας δώσει πληροφορίες βάθους, χρώμα πυθμένα κ.ά.

Οι μελέτες για την ποιότητα του νερού που χρησιμοποιούν δεδομένα τηλεπισκόπησης ενδιαφέρονται συνήθως για τη μέτρηση της ογκομετρικής ακτινοβολίας(Lv) του υπεδάφους που εξέρχεται από τη στήλη του νερού προς τον αισθητήρα. Τα χαρακτηριστικά αυτής της ενέργειας ακτινοβολίας είναι συνάρτηση της συγκέντρωσης του καθαρού νερού(W), των ανόργανων αιωρούμενων ορυκτών(SM), της οργανικής χλωροφύλλης α (Chl-a), του διαλυμένου οργανικού υλικού(DOM) και του συνολικού ποσού της απορρόφησης και της εξασθένησης της σκέδασης που λαμβάνει χώρα στη στήλη νερού λόγω καθενός από αυτά τα συστατικά, c(λ), όπως φαίνεται στην εξίσωση (2)[8]:

Lv = f[Wc(λ),SMc(λ),Chl-ac(λ),DOMc(λ)]

Για την εκτίμηση των παραμέτρων ποιότητας του νερού (WQPs) από διάφορα δορυφορικά δεδομένα, χρησιμοποιούνται γενικά τρεις διαφορετικές προσεγγίσεις[3,4,9]:

1.'''Εμπειρική προσέγγιση.'''
Οι ψηφιακοί αριθμοί (DN) ή οι τιμές ακτινοβολίας στον αισθητήρα, καθώς και οι συνδυασμοί ζωνών τους, συσχετίζονται με επιτόπιες μετρήσεις διαφόρων WQPs, που συνήθως αποκτώνται σε σχεδόν πραγματικό χρόνο της υπέρβασης του αισθητήρα. Μια περίληψη των εμπειρικών προσεγγίσεων για τις λίμνες μπορεί να βρεθεί στο Lindell et al.[10].

2.'''Ημιεμπειρική προσέγγιση.'''

Αυτή η γνώση των φασματικών χαρακτηριστικών συμπεριλαμβάνεται στη στατιστική ανάλυση με εστίαση σε καλά επιλεγμένες φασματικές περιοχές και κατάλληλες φασματικές ζώνες που χρησιμοποιούνται ως συσχετισμοί. Ένα παράδειγμα ημιεμπειρικής προσέγγισης με διαφορετικούς αισθητήρες αναφέρεται από τους Härmä κ.ά.[11], οι οποίοι διερεύνησαν φινλανδικές λίμνες.

3. '''Αναλυτική προσέγγιση''', όπου οι WQPs σχετίζονται με τις εγγενείς οπτικές ιδιότητες του όγκου (IOPs) μέσω των ειδικών εγγενών οπτικών ιδιοτήτων (SIOPs). Ένα παράδειγμα μιας τέτοιας προσέγγισης, με χρήση του Landsat πάνω από λίμνες, μπορεί να βρεθεί στους Dekker et al.[14] για την ανάκτηση της συνολικής αιωρούμενης ύλης.

'''1.1.1 Θολότητα'''

Είναι ένα μέτρο διαύγειας του νερού, το οποίο αποτελεί μια από τις παραμέτρους καθαρότητας του και προκύπτει από το πόσο φως διαχέεται σε ένα υδάτινο σώμα. Οι δορυφόροι που χρησιμοποιούνται συνήθως για την εξαγωγή σχέσεων τηλεπισκόπησης με τη θολότητα περιλαμβάνουν τους Landsat 5, Landsat 8 και Sentinel-2 και συνήθως σε συνδυασμό ή μόνες τους οι ζώνες του κόκκινου και του εγγύς υπέρυθρου και του πράσινου σε πολλαπλές ζώνες για την ανάλυση της θολότητας.

Οι μέθοδοι που συνήθως ακολουθούνται για τη μέτρηση της θολότητας είναι οι αναλύσεις παλινδρόμησης με αλγόριθμους μιας ή πολλαπλών ζωνών. Ο προγραμματισμός γονιδιακής έκφρασης (GEP) και η γεωγραφικά και χρονικά σταθμισμένη παλινδρόμηση (GTWR) έχει αποδειχθεί ότι προβλέπουν τη θολότητα με μεγαλύτερη ακρίβεια από εκείνη της πολλαπλής γραμμικής παλινδρόμησης (MLR) μεταξύ διαφορετικών ταμιευτήρων[23,26].

'''1.1.2. Χλωροφύλλη α (Chl-a)'''

Είναι μια από τις περισσότερο μελετημένες παραμέτρους ποιότητας του νερού με τηλεπισκόπηση. Χρησιμοποιώντας δορυφόρους Landsat 1-3, 5, 8 Rapideye Sentinel-2 και MODIS οι περισσότερες μελέτες έχουν βρει μεγάλη συσχέτιση τιμών που ανιχνεύουν την χλωροφύλλη. Το ίδιο και με την βοήθεια αερομεταφερόμενης τηλεπισκόπησης. Ένας δείκτης χλωροφύλλης είναι ο MCA, ο οποίος αναπτύχθηκε για την ανίχνευση της άνθισης των φυκιών ειδικά με τις εικόνες του MEdium Resolution Imaging Spectrometer (MERIS). Ο δορυφορικός αστερισμός RapidEye της Planet χρησιμοποιήθηκε με επιτυχία σε λίμνες για τη δημιουργία ενός προϊόντος ισοδύναμου με εκείνο του MERIS που ανιχνεύει τον MCI[1].
'''
1.1.3. Συγκέντρωση αιωρούμενων ιζημάτων (SSC)'''

Οι τιμές SSC προκύπτουν από τη μέτρηση του ξηρού βάρους του ιζήματος από γνωστό όγκο νερού. έχει εκτιμηθεί με επιτυχία σε λιμναία, ποτάμια και εκβολικά περιβάλλοντα από διάφορους σύγχρονους διαστημικούς αισθητήρες, όπως οι IKONOS, Landsat 8, Sentinel-2, RapidEye και MODIS[34,40,41,42,43,44]. Η SSC έχει επίσης εκτιμηθεί χρησιμοποιώντας τη θολερότητα ως υποκατάστατο. Υπάρχει ανάγκη για συνεχή καταγραφή της SSC μεταξύ των σταθμών μέτρησης των υδάτων του περιβάλλοντος, ιδίως σε ρυπασμένα ποτάμια περιβάλλοντα, καθώς η συλλογή δεδομένων επί τόπου είναι αναποτελεσματική και δαπανηρή[45].

'''1.1.4. Ολικά αιωρούμενα στερεά (TSS)'''

Τα TSS είναι οπτικά ενεργά και διαφέρουν από τα SSC μόνο από τις διαφορετικές εργαστηριακές αναλύσεις που χρησιμοποιούνται για την αξιολόγηση του καθενός. Η αερομεταφερόμενη τηλεπισκόπηση έχει επιτύχει στην αξιολόγηση των TSS σε ταμιευτήρες και ποταμούς, σημειώνοντας συγκεκριμένα πλεονεκτήματα σε σχέση με τους διαστημικούς δορυφόρους, όπως λιγότερες ατμοσφαιρικές παρεμβολές, προσαρμόσιμη χωρική ανάλυση και λιγότερους χρονικούς περιορισμούς[30].

'''1.1.5. Αλατότητα'''

Οι Lagerloef κ.ά.[53] παρουσίασαν μια έρευνα τηλεπισκόπησης της αλατότητας πριν από το 1995 με τις πρώτες προσπάθειες που χρησιμοποίησαν τη διηλεκτρική σταθερά των αλατούχων διαλυμάτων ως φυσική βάση για την τηλεπισκόπηση της αλατότητας των ωκεανών με μικροκύματα. Τα αερομεταφερόμενα πειράματα μικροκυματικών ραδιομέτρων χαμηλής συχνότητας έχουν δείξει επιτυχία στη μέτρηση της αλατότητας της επιφάνειας των ακτών[54]. Τα μοντέλα γραμμικής παλινδρόμησης χρησιμοποιούνται συνήθως για την εκτίμηση της αλατότητας σε εκβολές και παράκτια ύδατα με τη χρήση εικόνων που λαμβάνονται από τους δορυφόρους Landsat 5 και Landsat 8[6,19,33,55,56].

'''1.1.6. Βάθος δίσκου Secchi (SDD)'''

Η SDD είναι ένα μέτρο της διαφάνειας του νερού, συγκεκριμένα το βάθος στο οποίο ο ίδιος ο αδιαφανής δίσκος Secchi χάνει την ορατότητα από την επιφάνεια. Η πιο συνηθισμένη μέθοδος είναι η χρήση ποικίλων τεχνικών ανάλυσης παλινδρόμησης για την πρόβλεψη της SDD, η οποία δοκιμάζεται σε σύγκριση με επιτόπιες μετρήσεις[20,30,32,39,40].

'''1.1.7. Ολικά διαλυμένα στερεά (TDS)'''

Τα TDS είναι ένα μέτρο των διαλυμένων ανόργανων και οργανικών ουσιών στο νερό και σχετίζονται με την ηλεκτρική αγωγιμότητα. Bασίζονται σε επιτόπιες μετρήσεις και σε δεδομένα ανάκλασης που λαμβάνονται από διαστημικούς οπτικούς αισθητήρες, όπως οι Landsat 5 και Landsat 8[21,57].

'''1.1.8. Διαλυμένο οξυγόνο (DO)'''

Το DO είναι οπτικά ανενεργό, αλλά η θερμοκρασία του νερού επηρεάζει σημαντικά το DO, καθώς το οξυγόνο διαλύεται ευκολότερα στο κρύο νερό απ' ό,τι στο ζεστό νερό. Δεν έχει καθιερωθεί κανένας αισθητήρας για την εκτέλεση σταθερά ακριβών μετρήσεων του DO με τηλεπισκόπηση[15].
'''
1.1.9. Διαλυμένος οργανικός άνθρακας (DOC)'''

Μη οπτικά εντοπίσιμη παράμετρος καθαρότητας του νερού και ελάχιστες εργασίες υπάρχουν με δορυφορικούς αισθητήρες. Ωστόσο, με χρήση αλγόριθμων κοινής αναλογίας ζωνών με την χρήση sentinel-2 [36] η χαρτογράφηση ήταν επιτυχής καθώς και με δεδομένα χρώματος από εικόνες SeaWiFS[59].

'''1.1.10. pH'''

Μη οπτικά εντοπίσιμη παράμετρος και δεν μπορεί να επιτευχθεί άμεση συσχέτιση μεταξύ της επιφανειακής ανάκλασης και των τιμών του pH. Χρησιμοποιώντας εικόνες RapidEye, οι Yigit Avdan κ.ά.[60] προσπάθησαν να αναπτύξουν ένα μοντέλο για την πρόβλεψη του pH συγκρίνοντας επιτόπιες μετρήσεις και τιμές ανακλαστικότητας αισθητήρων που ελήφθησαν πάνω από μια λίμνη, αλλά δεν μπόρεσαν να βρουν καμία συσχέτιση μεταξύ των δεδομένων.
'''
1.1.11. Ολικό άζωτο (TN) και ολικός φώσφορος (TP)'''

Οι συγκεντρώσεις TN και TP στο νερό είναι οπτικά ανενεργές. Ωστόσο, έχουν εκτιμηθεί έμμεσα με τη συσχέτισή τους με την οπτικά ενεργή χλωροφύλλη α, η οποία προσδιορίστηκε εύκολα με τη χρήση εικόνων Landsat 8[62].

'''1.1.12. Χρωματισμένη διαλυμένη οργανική ύλη (CDOM)'''

Το CDOM είναι ένα μεγάλο οπτικά μετρήσιμο τμήμα του DOC. Οι εσωτερικές υδάτινες μάζες έχουν υψηλές τιμές συσχέτισης κατά την αξιολόγηση της CDOM μέσω τηλεπισκόπησης με τη χρήση διαφόρων αισθητήρων, όπως οι Sentinel-2, Landsat 8 και MODIS[34,36].
'''
1.2. Στόχοι της παρούσας μελέτης'''

Η μελέτη αυτή πραγματοποιήθηκε από το εργαστήριο γεωλογικής και περιβαλλοντικής τηλεπισκόπησης(GERS-Lab) του Πανεπιστημίου του Τενεσί και σκοπός είναι η μελέτη της ποιότητας των νερών του ποταμού και των παραποτάμων με την χρήση τηλεπισκόπησης και συγκεκριμένα με την παρατήρηση δορυφορικών εικόνων,Landsat 8 Operational Land Imager (OLI), σε συνδυασμό με επιτόπιες μετρήσεις. Η μελέτη περιλαμβάνει ολοκληρωμένη βιβλιογραφία σε σχέση με την ποιότητα νερού και την εκτίμηση αλγοριθμικών μοντέλων για την εκτίμηση της θολότητας του, την οποία και ετέθη ως κεντρικό ενδιαφέρον.

'''2. Υλικά και μέθοδοι'''

'''2.1. Τόπος μελέτης'''

Ο ποταμός Τενεσί είναι από τους ποταμούς με την μεγαλύτερη ποικιλομορφία και αποτελεί βασικό πόρο για τους κατοίκους της περιοχής. Είναι παραπόταμος του ποταμού Οχάιο και βρίσκεται νοτιοανατολικά των ΗΠΑ μέσα στην κοιλάδα Τενεσί. Είναι η 5ημεγαλύτερη λεκάνη απορροής της χώρας και περιλαμβάνει και ακόμη 6 γειτονικές πολιτείες και ο ποταμός αποτελεί όριο μεταξύ δυο μεγάλων τμημάτων του Τενεσί: το κεντρικό και δυτικό Τενεσί.

Δυστυχώς, αποτελεί τον πιο μολυσμένο ποταμό παγκοσμίως και της 4η υδάτινη οδό τη χώρα. Κύρια αιτία μόλυνσης είναι η ανθρώπινη δραστηριότητα: εντομοκτόνα, λιπάσματα, και άλλα χημικά όπως φωσφορικά άλατα από το σαπούνι αυτοκινήτων τα οποία απορρέουν στον ποταμό λόγω της βροχής και του χιονιού και καταλήγουν στους υγροβιότοπους εξαπλώνοντας την μόλυνση και τον ευτροφισμό. ΟΙ ενώσεις αζώτου και φωσφόρου είναι ιδανικές για την ανάπτυξη των φυκιών. Αυτά, με την αποσύνθεση τους απορροφούν αρκετό οξυγόνο με αποτέλεσμα ζημία για άλλους οργανισμούς και παραγωγή άσχημων οσμών. Επομένως, είναι σημαντικό να καταγραφεί η έκταση της μόλυνσης και να βρεθούν λύσεις για την διατήρηση του ποταμού.

Η ανάπτυξη της πόλης Chattanooga, έχει περιβαλλοντικό αντίκτυπο. Με την εύρεση αλγόριθμου για θολότητας θα βοηθήσει στην παρουσίαση των επιπτώσεων της αλλαγής χρήσης γης και κάλυψης της στην αλλαγή της ποιότητας των υδατικών πόρων στις λεκάνες απορροής. Η παρούσα μελέτη επέλεξε ως περιοχή μελέτης το τμήμα του ποταμού Τενεσί που διέρχεται από την πόλη της Chattanooga. Η επιλεγμένη περιοχή περιλαμβάνει επίσης ένα τμήμα του South Chickamauga Creek που γειτνιάζει με τον ποταμό Tennessee.

'''2.2. Συλλογή δεδομένων'''

Η παρούσα μελέτη χρησιμοποιεί μια χρονοσειρά πολυφασματικών δορυφορικών εικόνων και ταυτόχρονα δεδομένα ποιότητας νερού που αποκτήθηκαν επιτόπου. Παρακάτω παρατείθεται περιγραφή συλλογής των δεδομένων:

'''2.2.1. Δορυφορικές εικόνες'''

Οι δορυφορικές εικόνες ελήφθησαν από τον Landsat 8 με εικόνες της περιοχής από αισθητήρα OLI (Operational Land Imager) στις 2 Δεκεμβρίου 2019 και 15 Αυγούστου 2019, μέσω του Earth Explorer.

[[Αρχείο:Pic 13.JPG]]

'''2.2.2. Δεδομένα για την ποιότητα των υδάτων'''

Χρησιμοποιήθηκε ένα ερευνητικό σκάφος και ένας πολυπαραμετρικός καθετήρας Hydrolab HL7. Οι αισθητήρες του βαθμονομήθηκαν πριν τις μετρήσεις με βάση την λειτουργία του Hydrolab.

Καταγράφηκαν μετρήσεις σε :

108 δείγματα για τις 2 Δεκεμβρίου 2018
41 δείγματα για 13 Φεβρουαρίου 2019 και,
32 δείγματα γα τις 15 Αυγούστου 2019.

Για κάθε δείγμα, περίπου ίδιο βάθος 20 cm από την επιφάνεια, κάθε δευτερόλεπτο γινόταν λήψη δέκα μετρήσεων και το τελικό δείγμα αποτελούσε τον Μ.Ο αυτών.

Περάστηκαν σε excel και συσχετίστηκαν με τις συντεταγμένες των σημείων οπότε και απεικονίζονται όλα τα δεδομένα σε εικόνα. Κάθε μέτρηση αποθηκεύτηκες στο Hydrolab αλλά και χειρόγραφα.

'''2.3. Ανάπτυξη μοντέλου εκτίμησης θολότητας'''

Χρησιμοποιήθηκε εμπειρική προσέγγιση με βάση απλές παλινδρομήσεις των επιτόπιων μετρήσεων και των φασματικών δεδομένων επιφανειακής ανάκλασης από τον LANDSAT8. Στην εικόνα παρουσιάνται τα βήματα για την κατασκευή του μοντέλου θολότητας.
Σχήμα 5.Διάγραμμα ροής απεικονίζει τη ροή εργασίας που ακολουθήθηκε κατά την ανάπτυξη του μοντέλου.

[[Αρχείο:Pic 15.JPG|thumb|center|]]

'''2.3.1. Προεπεξεργασία δεδομένων'''

Για τις επιτόπιες μετρήσεις θολότητας δόθηκαν μοναδικοί αριθμοί και καταχωρήθηκαν σε Excell μαζί με τις συντεταγμένες τους, με τη χρήση του εργαλείου γεωεπεξεργασίας "XY Table to Point".

Οι επτά πολυφασματικές ζώνες που αναφέρονται στον πίνακα 1 στοιβάχθηκαν μεταξύ τους για να προετοιμαστεί μια σύνθετη πολυφασματική εικόνα επτά ζωνών για κάθε εικόνα που αποκτήθηκε (Σχήμα 3 και Σχήματα S1-S3). Για τον σκοπό αυτό, χρησιμοποιήθηκε το εργαλείο γεωεπεξεργασίας "Composite Bands".

Για την ακρίβεια της θέσης έγινε και μια επιτόπια αξιολόγηση και στην συνέχεια έγινε αποκοπή της εικόνας στην περιοχή μελέτης για να αφαιρεθούν τα περιττά εικονοστοιχεία. Κρατήθηκαν μόνο οι καθαρές ανεπηρέαστες από σύννεφα ή άλλους θορύβους. Ο συνολικός αριθμός των μετρήσεων θολότητας που χρησιμοποιήθηκαν για την παρούσα μελέτη είναι 96, ο οποίος περιλαμβάνει 32, 39 και 25 μετρήσεις για τις λήψεις εικόνων του Δεκεμβρίου, του Φεβρουαρίου και του Αυγούστου, αντίστοιχα.

'''2.3.2. Προετοιμασία των εισροών του μοντέλου'''

Η παρούσα μελέτη χρησιμοποίησε τα σύνολα δεδομένων του Δεκεμβρίου και του Φεβρουαρίου τόσο για την ανάπτυξη όσο και για τη δοκιμή του μοντέλου. Τα δεδομένα του Αυγούστου χρησιμοποιήθηκαν για την δοκιμή του μοντέλου ως ένα ξεχωριστό σύνολο δεδομένων.

Οι μετρήσεις για τις λήψεις εικόνων του Δεκεμβρίου και του Φεβρουαρίου χωρίστηκαν σε δύο σύνολα: εκπαίδευση και δοκιμή. Το σύνολο δεδομένων που χρησιμοποιήθηκε για την εκπαίδευση περιλάμβανε το 80% των μετρήσεων, ενώ το σύνολο δεδομένων που χρησιμοποιήθηκε για τη δοκιμή περιλάμβανε το 20% των μετρήσεων. Η επιλογή των μετρήσεων έγινε τυχαία με τη χρήση του "Subset Features" που διατίθεται στην ενότητα Geostatistical Analyst του λογισμικού ArcGIS Pro. Οι μετρήσεις συνδυάστηκαν για εκπαίδευση και την ανάπτυξη του μοντέλου και δοκιμάστηκαν και με τις μετρήσεις του Αυγούστου.

Με την χρήση "Extract Multi-Values to Points" απεικονίζεται φασματικά το κάθε σημείο δειγματοληψίας, αποθηκεύοντας την φασματική ανάκλαση για κάθε φασματική ζώνη σε κάθε θέση δείγματος και αυτό έδωσε έναν πίνακα Excell για την στατιστική ανάλυση.

'''2.3.3. Ανάπτυξη μοντέλου'''

Οι παλινδρομήσεις μιας ζώνης, για το σύνολο των δεδομένων που χρησιμοποιήθηκε για την εκπαίδευση, δημιούργησαν με την κατάλληλη επεξεργασία, διαγράμματα διασποράς από τις φασματικές ανακλάσεις για κάθε ζώνη στον άξονα x και στον άξονα ψ οι αντίστοιχες επιτόπιες μετρήσεις θολότητας. Οι παλινδρομήσεις καθόρισαν τις φασματικές ζώνες που χρησιμοποιήθηκαν ώς μεταβλητές, τις αντίστοιχες εξισώσεις και τελικά την παραγωγή συντελεστή R2 προσδιορισμού καλύτερης προσαρμογής μεταξύ υπολογιζόμενης γραμμής παλινδρόμησης και δεδομένων.

Το μοντέλο δημιουργήθηκε χρησιμοποιώντας το "ModelBuilder" που είναι διαθέσιμο στο λογισμικό ArcGIS Pro. Η ενότητα "ModelBuilder" χρησιμοποίησε διάφορα εργαλεία γεωεπεξεργασίας και το "Make Raster Layer" και "Raster Calculator". Το εργαλείο 'Raster Calculator' χρησιμοποίησε την επιλεγμένη εξίσωση παλινδρόμησης ως αλγεβρική έκφραση στην Python, χρησιμοποιώντας τις συγκεκριμένες φασματικές ζώνες ως μεταβλητές εισόδου (π.χ. τιμή ρBand). Το αποτέλεσμα αυτού του μοντέλου ήταν ένα ράστερ, για κάθε ημερομηνία λήψης εικόνας, το οποίο περιείχε προβλεπόμενες τιμές θολότητας σε κάθε εικονοστοιχείο νερού εντός της περιοχής μελέτης.

'''2.3.4. Αξιολόγηση της ακρίβειας'''

Η αξιολόγηση ακρίβειας έγινε με βάση τους συντελεστές R2 και του μέσου τετραγωνικού σφάλματος για κάθε ημερομηνία. Και η ικανότητα του μοντέλου να εκτιμά την θολότητα δοκιμάστηκε με τα δεδομένα του Αυγούστου.

'''3. Αποτελέσματα'''

Μετά από παρατήρηση των εξισώσεων παλινδρόμησης, των διαγραμμάτων διασποράς και των τιμών του συντελεστή R2, ακολούθησε ανάλυση των αποτελεσμάτων και αναδείχθηκε ότι οι ανακλάσεις στις ζώνες ένα έως τέσσερα έχουν σχέση μέτρια έως ισχυρή με την θολότητα με τιμές του R2 από 0,66 έως 0,95, ενώ οι ζώνες πέντε έως 7, από 0 έως 0,44. Υψηλότερο R2 = 0,95 παρήγαγε η μη γραμμική παλινδρόμηση στην ζώνη 4 (κόκκινο) και έτσι επιλέχθηκε αυτή για την εκτίμηση της θολότητας.

Για την ποιοτική ανάλυση των εικόνων Landsat χρησιμοποιήθηκε μια μάσκα νερού, επεξεργασμένη με τα Pixel QA rasters του Landsat, προκειμένου να αποκοπούν η επίδραση ανάκλασης του νέφους και του εδάφους. Παρουσιάζονται διαγράμματα θολότητας για διάφορες ημερομηνίες (Σχήμα 8 και Σχήμα 9 της μελέτης).

Οι προβλεπόμενες τιμές θολότητας συγκρίθηκαν με παρατηρούμενες τιμές για την αξιολόγηση του μοντέλου, για την ακρίβειά του υπολογίστηκε το μέσο τετραγωνικό σφάλμα και ο συντελεστής R2 και παρουσιάστηκαν τα διαγράμματα διασποράς καθώς και τετραγωνικό σφάλμα και ο συντελεστής R2 (σχήμα 10, σχήμα 12 , πίνακας 6 και 7 της πρότυπης μελέτης)

Η εκτίμηση της θολότητας του Αυγούστου έδωσε αποτελέσματα με γενικά υψηλή ακρίβεια, όπως αποδεικνύεται από την τιμήR2 =0,94. Η ληφθείσα τιμή RMSE 18,08 NTU ήταν σχετικά υψηλότερη από την αναμενόμενη- ωστόσο, αυτό θα μπορούσε να οφείλεται σε μερικές ακραίες τιμές που υπήρχαν στο σύνολο δεδομένων των σημείων δοκιμής, όπως φαίνεται στο Σχήμα 12.

'''4. Συζητήσεις'''

'''5. Συμπεράσματα'''

Η παρούσα έρευνα δημιούργησε ένα μοντέλο εκτίμησης της θολότητας χρησιμοποιώντας εικόνες από τη δορυφορική αποστολή Landsat 8, παρέχοντάς τη δυνατότητα να εκτιμηθεί η θολότητα στον ποταμό Tennessee κάθε 16 ημέρες σε χωρική ανάλυση 30 m.Τα αποτελέσματα που προέκυψαν από την παρούσα εργασία δείχνουν ότι μπορεί να αναπτυχθεί ένα απλό μοντέλο βασισμένο σε μη γραμμική παλινδρόμηση, με χρήση τις τιμές ανακλάσεων στο κόκκινο του αισθητήρα Landsat 8 OLI για την εκτίμηση της θολότητας του νερού. Το μοντέλο δοκιμάστηκε προκειμένου να χρησιμοποιηθεί ευρέως για την εκτίμηση της θολότητας στον ποταμό Τενεσί , ωστόσο, επειδή δοκιμάστηκε σε μια μόνο ημερομηνία θα μπορούσε να δοκιμασθεί εξίσου και σε άλλες ημερομηνίες λήψεις εικόνων με μετρήσεις θολότητας επιτόπιες.

[[category:Ανίχνευση μη σημειακών πηγών ρύπανσης]]

Remote Sensing of Turbidity in the Tennessee River Using

2024-01-30T19:25:43Z

Katerina Stamoulou:

'''Remote Sensing of Turbidity in the Tennessee River Using Landsat 8 Satellite'''/Μέτρηση της Θολότητας στον ποταμό Τενεσί με τηλεπισκόπηση και εικόνες landsat 8.

'''Συγγραφείς: A. K. M. Azad Hossain , Caleb Mathias and Richard Blanton'''

[https://www.mdpi.com/2072-4292/13/18/3785 Πηγή:]

'''Περίληψη:'''

Ο ποταμός Tennessee στις Ηνωμένες Πολιτείες είναι ένας από τους βασικότερους πόρους ύδατος της περιοχής ωστόσο είναι ένας από τους περισσότερο μολυσμένους ποταμούς στον κόσμο και άρα πηγή ρύπανσης η απορροή του. Για αυτό τον λόγο η παρακολούθησή του είναι αναγκαία και σε αυτό έρχεται να βοηθήσει η μέθοδος της τηλεπισκόπησης. Αυτή η μελέτη ανέπτυξε ένα αριθμητικό μοντέλο εκτίμησης της θολότητας του ποταμού αυτού και των παραποτάμων του, χρησιμοποιώντας δορυφορικές εικόνες LANDSAT 8 σε συνδυασμό με επιτόπιες μετρήσεις σε σχεδόν πραγματικό χρόνο. Τα αποτελέσματα που προκύπτουν δείχνουν ότι μπορεί να υπάρξει ένα αριθμητικό μοντέλο βασισμένο σε μη γραμμική παλινδρόμηση με βάση τις τιμές της ανάκλασης στην κόκκινη ζώνη του αισθητήρα Landsat 8 OLI προκειμένου να εκτιμηθεί η θολότητα στο νερό με υψηλή ακρίβεια. Η αξιολόγηση της ακρίβειας της εκτιμώμενης θολότητας πέτυχε τιμή συντελεστή προσδιορισμού (R2) και μέσο τετραγωνικό σφάλμα (RMSE) τόσο υψηλές όσο 0,97 και 1,41 NTU, αντίστοιχα. Το μοντέλο δοκιμάστηκε επίσης σε εικόνες που ελήφθησαν σε διαφορετική ημερομηνία για να εκτιμηθεί η δυνατότητά του για την εξ αποστάσεως εκτίμηση της θολότητας ρουτίνας και παρήγαγε ενθαρρυντικά αποτελέσματα με τιμήR2 0,94 και σχετικά υψηλό RMSE.

'''Λέξεις-κλειδιά:'''Landsat 8 Operational Land Imager (OLI), ποιότητα νερού, θολότητα, διαστημικός αισθητήρας, περιβαλλοντικοί δείκτες, δορυφορικές εικόνες, Chattanooga.

'''1.Εισαγωγή:'''

Η δορυφορική τηλεπισκόπηση προσφέρει εικόνες πολλών ετών μέσα από τις οποίες μπορεί να γίνει μελέτη περιοχής. Οι αισθητήρες των δορυφόρων μετρώντας την ηλιακή ακτινοβολία σε διάφορα μήκη κύματος η οποία αντανακλάται από τις διάφορες επιφάνειες, στην προκειμένη από το νερό, μπορεί να συσχετιστεί και με διάφορες άλλες παραμέτρους ποιότητας των υδάτων. Η μέθοδος της τηλεπισκόπησης πλεονεκτεί σε τρία επίπεδα: 1.συνεχείς λήψεις επιτρέπουν συνοπτικές εκτιμήσεις σε περιοχές μεγάλης έκτασης, 2.μπορεί να γίνει εκτίμηση ακόμη και σε μη προσβάσιμες περιοχές, 3.υπάρχει μεγάλο αρχείο δορυφορικών εικόνων μέσω των οποίων μπορεί να γίνει ιστορική εκτίμηση της ποιότητας του νερού.

Για τον ποταμό Tennessee δεν υπάρχει κάποιος αλγόριθμος τηλεπισκόπησης για την μελέτη της ποιότητας των επιφανιακών υδάτων του. Έτσι, στόχος αυτής της μελέτης αποτελεί η διερεύνηση των δυνατοτήτων της τηλεπισκόπησης για την μελέτη της ποιότητας των υδάτων στις λεκάνες απορροής του νοτιοανατολικού Τένεσι με την χρήση δορυφορικών εικόνων σε συνδυασμό με επιτόπιες μετρήσεις.

'''1.1Τηλεπισκόπηση για την ποιότητα του νερού'''

Η συνολική ακτινοβολία(Lt) που καταγράφει το σύστημα τηλεπισκόπησης είναι η συνάρτηση της ηλεκτρομαγνητικής ενέργειας τεσσάρων πηγών:
Α)Ακτινοβολία διαδρομής(Lp)
Β)Ακτινοβολία ελεύθερης επιφάνειας ή οριακού στρώματος(Ls)
Γ)Ογκομετρική ακτινοβολία του υπεδάφους(Lv)
Δ)Ακτινοβολία πυθμένα(Lb)

Και από τυπώνεται με την εξίσωση: Lt = Lp + Ls + Lv + Lb

Η ακτινοβολία διαδρομής(Lp), δεν είναι χρήσιμη καθώς δεν έρχεται σε επαφή με το νερό.
Η ακτινοβολία του οριακού στρώματος (Ls) είναι η ακτινοβολία που φτάνει στην διεπιφάνεια αέρα-νερού, για 1mm στο νερό και ανακλάται από την επιφάνεια του και αποτελεί την φασματική πληροφορία της επιφάνειας του νερού.

Η υπεδάφεια ογκομετρική ακτινοβολία(Lv), είναι η πληροφορία που διεισδύει στο νερό και αλληλεπιδρά με τα οργανικά ή ανόργανα συστατικά του και στη συνέχεια εξέρχεται.

Η ακτινοβολία του πυθμένα(Lb), είναι αυτή που φτάνει στον πυθμένα και εξάγεται από το νερό και μπορεί να μας δώσει πληροφορίες βάθους, χρώμα πυθμένα κ.ά.

Οι μελέτες για την ποιότητα του νερού που χρησιμοποιούν δεδομένα τηλεπισκόπησης ενδιαφέρονται συνήθως για τη μέτρηση της ογκομετρικής ακτινοβολίας(Lv) του υπεδάφους που εξέρχεται από τη στήλη του νερού προς τον αισθητήρα. Τα χαρακτηριστικά αυτής της ενέργειας ακτινοβολίας είναι συνάρτηση της συγκέντρωσης του καθαρού νερού(W), των ανόργανων αιωρούμενων ορυκτών(SM), της οργανικής χλωροφύλλης α (Chl-a), του διαλυμένου οργανικού υλικού(DOM) και του συνολικού ποσού της απορρόφησης και της εξασθένησης της σκέδασης που λαμβάνει χώρα στη στήλη νερού λόγω καθενός από αυτά τα συστατικά, c(λ), όπως φαίνεται στην εξίσωση (2)[8]:

Lv = f[Wc(λ),SMc(λ),Chl-ac(λ),DOMc(λ)]

Για την εκτίμηση των παραμέτρων ποιότητας του νερού (WQPs) από διάφορα δορυφορικά δεδομένα, χρησιμοποιούνται γενικά τρεις διαφορετικές προσεγγίσεις[3,4,9]:

1.'''Εμπειρική προσέγγιση.'''
Οι ψηφιακοί αριθμοί (DN) ή οι τιμές ακτινοβολίας στον αισθητήρα, καθώς και οι συνδυασμοί ζωνών τους, συσχετίζονται με επιτόπιες μετρήσεις διαφόρων WQPs, που συνήθως αποκτώνται σε σχεδόν πραγματικό χρόνο της υπέρβασης του αισθητήρα. Μια περίληψη των εμπειρικών προσεγγίσεων για τις λίμνες μπορεί να βρεθεί στο Lindell et al.[10].

2.'''Ημιεμπειρική προσέγγιση.'''

Αυτή η γνώση των φασματικών χαρακτηριστικών συμπεριλαμβάνεται στη στατιστική ανάλυση με εστίαση σε καλά επιλεγμένες φασματικές περιοχές και κατάλληλες φασματικές ζώνες που χρησιμοποιούνται ως συσχετισμοί. Ένα παράδειγμα ημιεμπειρικής προσέγγισης με διαφορετικούς αισθητήρες αναφέρεται από τους Härmä κ.ά.[11], οι οποίοι διερεύνησαν φινλανδικές λίμνες.

3. '''Αναλυτική προσέγγιση''', όπου οι WQPs σχετίζονται με τις εγγενείς οπτικές ιδιότητες του όγκου (IOPs) μέσω των ειδικών εγγενών οπτικών ιδιοτήτων (SIOPs). Ένα παράδειγμα μιας τέτοιας προσέγγισης, με χρήση του Landsat πάνω από λίμνες, μπορεί να βρεθεί στους Dekker et al.[14] για την ανάκτηση της συνολικής αιωρούμενης ύλης.

'''1.1.1 Θολότητα'''

Είναι ένα μέτρο διαύγειας του νερού, το οποίο αποτελεί μια από τις παραμέτρους καθαρότητας του και προκύπτει από το πόσο φως διαχέεται σε ένα υδάτινο σώμα. Οι δορυφόροι που χρησιμοποιούνται συνήθως για την εξαγωγή σχέσεων τηλεπισκόπησης με τη θολότητα περιλαμβάνουν τους Landsat 5, Landsat 8 και Sentinel-2 και συνήθως σε συνδυασμό ή μόνες τους οι ζώνες του κόκκινου και του εγγύς υπέρυθρου και του πράσινου σε πολλαπλές ζώνες για την ανάλυση της θολότητας.

Οι μέθοδοι που συνήθως ακολουθούνται για τη μέτρηση της θολότητας είναι οι αναλύσεις παλινδρόμησης με αλγόριθμους μιας ή πολλαπλών ζωνών. Ο προγραμματισμός γονιδιακής έκφρασης (GEP) και η γεωγραφικά και χρονικά σταθμισμένη παλινδρόμηση (GTWR) έχει αποδειχθεί ότι προβλέπουν τη θολότητα με μεγαλύτερη ακρίβεια από εκείνη της πολλαπλής γραμμικής παλινδρόμησης (MLR) μεταξύ διαφορετικών ταμιευτήρων[23,26].

'''1.1.2. Χλωροφύλλη α (Chl-a)'''

Είναι μια από τις περισσότερο μελετημένες παραμέτρους ποιότητας του νερού με τηλεπισκόπηση. Χρησιμοποιώντας δορυφόρους Landsat 1-3, 5, 8 Rapideye Sentinel-2 και MODIS οι περισσότερες μελέτες έχουν βρει μεγάλη συσχέτιση τιμών που ανιχνεύουν την χλωροφύλλη. Το ίδιο και με την βοήθεια αερομεταφερόμενης τηλεπισκόπησης. Ένας δείκτης χλωροφύλλης είναι ο MCA, ο οποίος αναπτύχθηκε για την ανίχνευση της άνθισης των φυκιών ειδικά με τις εικόνες του MEdium Resolution Imaging Spectrometer (MERIS). Ο δορυφορικός αστερισμός RapidEye της Planet χρησιμοποιήθηκε με επιτυχία σε λίμνες για τη δημιουργία ενός προϊόντος ισοδύναμου με εκείνο του MERIS που ανιχνεύει τον MCI[1].
'''
1.1.3. Συγκέντρωση αιωρούμενων ιζημάτων (SSC)'''

Οι τιμές SSC προκύπτουν από τη μέτρηση του ξηρού βάρους του ιζήματος από γνωστό όγκο νερού. έχει εκτιμηθεί με επιτυχία σε λιμναία, ποτάμια και εκβολικά περιβάλλοντα από διάφορους σύγχρονους διαστημικούς αισθητήρες, όπως οι IKONOS, Landsat 8, Sentinel-2, RapidEye και MODIS[34,40,41,42,43,44]. Η SSC έχει επίσης εκτιμηθεί χρησιμοποιώντας τη θολερότητα ως υποκατάστατο. Υπάρχει ανάγκη για συνεχή καταγραφή της SSC μεταξύ των σταθμών μέτρησης των υδάτων του περιβάλλοντος, ιδίως σε ρυπασμένα ποτάμια περιβάλλοντα, καθώς η συλλογή δεδομένων επί τόπου είναι αναποτελεσματική και δαπανηρή[45].

'''1.1.4. Ολικά αιωρούμενα στερεά (TSS)'''

Τα TSS είναι οπτικά ενεργά και διαφέρουν από τα SSC μόνο από τις διαφορετικές εργαστηριακές αναλύσεις που χρησιμοποιούνται για την αξιολόγηση του καθενός. Η αερομεταφερόμενη τηλεπισκόπηση έχει επιτύχει στην αξιολόγηση των TSS σε ταμιευτήρες και ποταμούς, σημειώνοντας συγκεκριμένα πλεονεκτήματα σε σχέση με τους διαστημικούς δορυφόρους, όπως λιγότερες ατμοσφαιρικές παρεμβολές, προσαρμόσιμη χωρική ανάλυση και λιγότερους χρονικούς περιορισμούς[30].

'''1.1.5. Αλατότητα'''

Οι Lagerloef κ.ά.[53] παρουσίασαν μια έρευνα τηλεπισκόπησης της αλατότητας πριν από το 1995 με τις πρώτες προσπάθειες που χρησιμοποίησαν τη διηλεκτρική σταθερά των αλατούχων διαλυμάτων ως φυσική βάση για την τηλεπισκόπηση της αλατότητας των ωκεανών με μικροκύματα. Τα αερομεταφερόμενα πειράματα μικροκυματικών ραδιομέτρων χαμηλής συχνότητας έχουν δείξει επιτυχία στη μέτρηση της αλατότητας της επιφάνειας των ακτών[54]. Τα μοντέλα γραμμικής παλινδρόμησης χρησιμοποιούνται συνήθως για την εκτίμηση της αλατότητας σε εκβολές και παράκτια ύδατα με τη χρήση εικόνων που λαμβάνονται από τους δορυφόρους Landsat 5 και Landsat 8[6,19,33,55,56].

'''1.1.6. Βάθος δίσκου Secchi (SDD)'''

Η SDD είναι ένα μέτρο της διαφάνειας του νερού, συγκεκριμένα το βάθος στο οποίο ο ίδιος ο αδιαφανής δίσκος Secchi χάνει την ορατότητα από την επιφάνεια. Η πιο συνηθισμένη μέθοδος είναι η χρήση ποικίλων τεχνικών ανάλυσης παλινδρόμησης για την πρόβλεψη της SDD, η οποία δοκιμάζεται σε σύγκριση με επιτόπιες μετρήσεις[20,30,32,39,40].

'''1.1.7. Ολικά διαλυμένα στερεά (TDS)'''

Τα TDS είναι ένα μέτρο των διαλυμένων ανόργανων και οργανικών ουσιών στο νερό και σχετίζονται με την ηλεκτρική αγωγιμότητα. Bασίζονται σε επιτόπιες μετρήσεις και σε δεδομένα ανάκλασης που λαμβάνονται από διαστημικούς οπτικούς αισθητήρες, όπως οι Landsat 5 και Landsat 8[21,57].

'''1.1.8. Διαλυμένο οξυγόνο (DO)'''

Το DO είναι οπτικά ανενεργό, αλλά η θερμοκρασία του νερού επηρεάζει σημαντικά το DO, καθώς το οξυγόνο διαλύεται ευκολότερα στο κρύο νερό απ' ό,τι στο ζεστό νερό. Δεν έχει καθιερωθεί κανένας αισθητήρας για την εκτέλεση σταθερά ακριβών μετρήσεων του DO με τηλεπισκόπηση[15].
'''
1.1.9. Διαλυμένος οργανικός άνθρακας (DOC)'''

Μη οπτικά εντοπίσιμη παράμετρος καθαρότητας του νερού και ελάχιστες εργασίες υπάρχουν με δορυφορικούς αισθητήρες. Ωστόσο, με χρήση αλγόριθμων κοινής αναλογίας ζωνών με την χρήση sentinel-2 [36] η χαρτογράφηση ήταν επιτυχής καθώς και με δεδομένα χρώματος από εικόνες SeaWiFS[59].

'''1.1.10. pH'''

Μη οπτικά εντοπίσιμη παράμετρος και δεν μπορεί να επιτευχθεί άμεση συσχέτιση μεταξύ της επιφανειακής ανάκλασης και των τιμών του pH. Χρησιμοποιώντας εικόνες RapidEye, οι Yigit Avdan κ.ά.[60] προσπάθησαν να αναπτύξουν ένα μοντέλο για την πρόβλεψη του pH συγκρίνοντας επιτόπιες μετρήσεις και τιμές ανακλαστικότητας αισθητήρων που ελήφθησαν πάνω από μια λίμνη, αλλά δεν μπόρεσαν να βρουν καμία συσχέτιση μεταξύ των δεδομένων.
'''
1.1.11. Ολικό άζωτο (TN) και ολικός φώσφορος (TP)'''

Οι συγκεντρώσεις TN και TP στο νερό είναι οπτικά ανενεργές. Ωστόσο, έχουν εκτιμηθεί έμμεσα με τη συσχέτισή τους με την οπτικά ενεργή χλωροφύλλη α, η οποία προσδιορίστηκε εύκολα με τη χρήση εικόνων Landsat 8[62].

'''1.1.12. Χρωματισμένη διαλυμένη οργανική ύλη (CDOM)'''

Το CDOM είναι ένα μεγάλο οπτικά μετρήσιμο τμήμα του DOC. Οι εσωτερικές υδάτινες μάζες έχουν υψηλές τιμές συσχέτισης κατά την αξιολόγηση της CDOM μέσω τηλεπισκόπησης με τη χρήση διαφόρων αισθητήρων, όπως οι Sentinel-2, Landsat 8 και MODIS[34,36].
'''
1.2. Στόχοι της παρούσας μελέτης'''

Η μελέτη αυτή πραγματοποιήθηκε από το εργαστήριο γεωλογικής και περιβαλλοντικής τηλεπισκόπησης(GERS-Lab) του Πανεπιστημίου του Τενεσί και σκοπός είναι η μελέτη της ποιότητας των νερών του ποταμού και των παραποτάμων με την χρήση τηλεπισκόπησης και συγκεκριμένα με την παρατήρηση δορυφορικών εικόνων,Landsat 8 Operational Land Imager (OLI), σε συνδυασμό με επιτόπιες μετρήσεις. Η μελέτη περιλαμβάνει ολοκληρωμένη βιβλιογραφία σε σχέση με την ποιότητα νερού και την εκτίμηση αλγοριθμικών μοντέλων για την εκτίμηση της θολότητας του, την οποία και ετέθη ως κεντρικό ενδιαφέρον.

'''2. Υλικά και μέθοδοι'''

'''2.1. Τόπος μελέτης'''

Ο ποταμός Τενεσί είναι από τους ποταμούς με την μεγαλύτερη ποικιλομορφία και αποτελεί βασικό πόρο για τους κατοίκους της περιοχής. Είναι παραπόταμος του ποταμού Οχάιο και βρίσκεται νοτιοανατολικά των ΗΠΑ μέσα στην κοιλάδα Τενεσί. Είναι η 5ημεγαλύτερη λεκάνη απορροής της χώρας και περιλαμβάνει και ακόμη 6 γειτονικές πολιτείες και ο ποταμός αποτελεί όριο μεταξύ δυο μεγάλων τμημάτων του Τενεσί: το κεντρικό και δυτικό Τενεσί.

Δυστυχώς, αποτελεί τον πιο μολυσμένο ποταμό παγκοσμίως και της 4η υδάτινη οδό τη χώρα. Κύρια αιτία μόλυνσης είναι η ανθρώπινη δραστηριότητα: εντομοκτόνα, λιπάσματα, και άλλα χημικά όπως φωσφορικά άλατα από το σαπούνι αυτοκινήτων τα οποία απορρέουν στον ποταμό λόγω της βροχής και του χιονιού και καταλήγουν στους υγροβιότοπους εξαπλώνοντας την μόλυνση και τον ευτροφισμό. ΟΙ ενώσεις αζώτου και φωσφόρου είναι ιδανικές για την ανάπτυξη των φυκιών. Αυτά, με την αποσύνθεση τους απορροφούν αρκετό οξυγόνο με αποτέλεσμα ζημία για άλλους οργανισμούς και παραγωγή άσχημων οσμών. Επομένως, είναι σημαντικό να καταγραφεί η έκταση της μόλυνσης και να βρεθούν λύσεις για την διατήρηση του ποταμού.

Η ανάπτυξη της πόλης Chattanooga, έχει περιβαλλοντικό αντίκτυπο. Με την εύρεση αλγόριθμου για θολότητας θα βοηθήσει στην παρουσίαση των επιπτώσεων της αλλαγής χρήσης γης και κάλυψης της στην αλλαγή της ποιότητας των υδατικών πόρων στις λεκάνες απορροής. Η παρούσα μελέτη επέλεξε ως περιοχή μελέτης το τμήμα του ποταμού Τενεσί που διέρχεται από την πόλη της Chattanooga. Η επιλεγμένη περιοχή περιλαμβάνει επίσης ένα τμήμα του South Chickamauga Creek που γειτνιάζει με τον ποταμό Tennessee.

'''2.2. Συλλογή δεδομένων'''

Η παρούσα μελέτη χρησιμοποιεί μια χρονοσειρά πολυφασματικών δορυφορικών εικόνων και ταυτόχρονα δεδομένα ποιότητας νερού που αποκτήθηκαν επιτόπου. Παρακάτω παρατείθεται περιγραφή συλλογής των δεδομένων:

'''2.2.1. Δορυφορικές εικόνες'''

Οι δορυφορικές εικόνες ελήφθησαν από τον Landsat 8 με εικόνες της περιοχής από αισθητήρα OLI (Operational Land Imager) στις 2 Δεκεμβρίου 2019 και 15 Αυγούστου 2019, μέσω του Earth Explorer.

[[Αρχείο:Pic 13.JPG]]

'''2.2.2. Δεδομένα για την ποιότητα των υδάτων'''

Χρησιμοποιήθηκε ένα ερευνητικό σκάφος και ένας πολυπαραμετρικός καθετήρας Hydrolab HL7. Οι αισθητήρες του βαθμονομήθηκαν πριν τις μετρήσεις με βάση την λειτουργία του Hydrolab.

Καταγράφηκαν μετρήσεις σε :

108 δείγματα για τις 2 Δεκεμβρίου 2018
41 δείγματα για 13 Φεβρουαρίου 2019 και,
32 δείγματα γα τις 15 Αυγούστου 2019.

Για κάθε δείγμα, περίπου ίδιο βάθος 20 cm από την επιφάνεια, κάθε δευτερόλεπτο γινόταν λήψη δέκα μετρήσεων και το τελικό δείγμα αποτελούσε τον Μ.Ο αυτών.

Περάστηκαν σε excel και συσχετίστηκαν με τις συντεταγμένες των σημείων οπότε και απεικονίζονται όλα τα δεδομένα σε εικόνα. Κάθε μέτρηση αποθηκεύτηκες στο Hydrolab αλλά και χειρόγραφα.

'''2.3. Ανάπτυξη μοντέλου εκτίμησης θολότητας'''

Χρησιμοποιήθηκε εμπειρική προσέγγιση με βάση απλές παλινδρομήσεις των επιτόπιων μετρήσεων και των φασματικών δεδομένων επιφανειακής ανάκλασης από τον LANDSAT8. Στην εικόνα παρουσιάνται τα βήματα για την κατασκευή του μοντέλου θολότητας.
Σχήμα 5.Διάγραμμα ροής απεικονίζει τη ροή εργασίας που ακολουθήθηκε κατά την ανάπτυξη του μοντέλου.

'''2.3.1. Προεπεξεργασία δεδομένων'''

Για τις επιτόπιες μετρήσεις θολότητας δόθηκαν μοναδικοί αριθμοί και καταχωρήθηκαν σε Excell μαζί με τις συντεταγμένες τους, με τη χρήση του εργαλείου γεωεπεξεργασίας "XY Table to Point".

Οι επτά πολυφασματικές ζώνες που αναφέρονται στον πίνακα 1 στοιβάχθηκαν μεταξύ τους για να προετοιμαστεί μια σύνθετη πολυφασματική εικόνα επτά ζωνών για κάθε εικόνα που αποκτήθηκε (Σχήμα 3 και Σχήματα S1-S3). Για τον σκοπό αυτό, χρησιμοποιήθηκε το εργαλείο γεωεπεξεργασίας "Composite Bands".

Για την ακρίβεια της θέσης έγινε και μια επιτόπια αξιολόγηση και στην συνέχεια έγινε αποκοπή της εικόνας στην περιοχή μελέτης για να αφαιρεθούν τα περιττά εικονοστοιχεία. Κρατήθηκαν μόνο οι καθαρές ανεπηρέαστες από σύννεφα ή άλλους θορύβους. Ο συνολικός αριθμός των μετρήσεων θολότητας που χρησιμοποιήθηκαν για την παρούσα μελέτη είναι 96, ο οποίος περιλαμβάνει 32, 39 και 25 μετρήσεις για τις λήψεις εικόνων του Δεκεμβρίου, του Φεβρουαρίου και του Αυγούστου, αντίστοιχα.

'''2.3.2. Προετοιμασία των εισροών του μοντέλου'''

Η παρούσα μελέτη χρησιμοποίησε τα σύνολα δεδομένων του Δεκεμβρίου και του Φεβρουαρίου τόσο για την ανάπτυξη όσο και για τη δοκιμή του μοντέλου. Τα δεδομένα του Αυγούστου χρησιμοποιήθηκαν για την δοκιμή του μοντέλου ως ένα ξεχωριστό σύνολο δεδομένων.

Οι μετρήσεις για τις λήψεις εικόνων του Δεκεμβρίου και του Φεβρουαρίου χωρίστηκαν σε δύο σύνολα: εκπαίδευση και δοκιμή. Το σύνολο δεδομένων που χρησιμοποιήθηκε για την εκπαίδευση περιλάμβανε το 80% των μετρήσεων, ενώ το σύνολο δεδομένων που χρησιμοποιήθηκε για τη δοκιμή περιλάμβανε το 20% των μετρήσεων. Η επιλογή των μετρήσεων έγινε τυχαία με τη χρήση του "Subset Features" που διατίθεται στην ενότητα Geostatistical Analyst του λογισμικού ArcGIS Pro. Οι μετρήσεις συνδυάστηκαν για εκπαίδευση και την ανάπτυξη του μοντέλου και δοκιμάστηκαν και με τις μετρήσεις του Αυγούστου.

Με την χρήση "Extract Multi-Values to Points" απεικονίζεται φασματικά το κάθε σημείο δειγματοληψίας, αποθηκεύοντας την φασματική ανάκλαση για κάθε φασματική ζώνη σε κάθε θέση δείγματος και αυτό έδωσε έναν πίνακα Excell για την στατιστική ανάλυση.

'''2.3.3. Ανάπτυξη μοντέλου'''

Οι παλινδρομήσεις μιας ζώνης, για το σύνολο των δεδομένων που χρησιμοποιήθηκε για την εκπαίδευση, δημιούργησαν με την κατάλληλη επεξεργασία, διαγράμματα διασποράς από τις φασματικές ανακλάσεις για κάθε ζώνη στον άξονα x και στον άξονα ψ οι αντίστοιχες επιτόπιες μετρήσεις θολότητας. Οι παλινδρομήσεις καθόρισαν τις φασματικές ζώνες που χρησιμοποιήθηκαν ώς μεταβλητές, τις αντίστοιχες εξισώσεις και τελικά την παραγωγή συντελεστή R2 προσδιορισμού καλύτερης προσαρμογής μεταξύ υπολογιζόμενης γραμμής παλινδρόμησης και δεδομένων.

Το μοντέλο δημιουργήθηκε χρησιμοποιώντας το "ModelBuilder" που είναι διαθέσιμο στο λογισμικό ArcGIS Pro. Η ενότητα "ModelBuilder" χρησιμοποίησε διάφορα εργαλεία γεωεπεξεργασίας και το "Make Raster Layer" και "Raster Calculator". Το εργαλείο 'Raster Calculator' χρησιμοποίησε την επιλεγμένη εξίσωση παλινδρόμησης ως αλγεβρική έκφραση στην Python, χρησιμοποιώντας τις συγκεκριμένες φασματικές ζώνες ως μεταβλητές εισόδου (π.χ. τιμή ρBand). Το αποτέλεσμα αυτού του μοντέλου ήταν ένα ράστερ, για κάθε ημερομηνία λήψης εικόνας, το οποίο περιείχε προβλεπόμενες τιμές θολότητας σε κάθε εικονοστοιχείο νερού εντός της περιοχής μελέτης.

'''2.3.4. Αξιολόγηση της ακρίβειας'''

Η αξιολόγηση ακρίβειας έγινε με βάση τους συντελεστές R2 και του μέσου τετραγωνικού σφάλματος για κάθε ημερομηνία. Και η ικανότητα του μοντέλου να εκτιμά την θολότητα δοκιμάστηκε με τα δεδομένα του Αυγούστου.

'''3. Αποτελέσματα'''

Μετά από παρατήρηση των εξισώσεων παλινδρόμησης, των διαγραμμάτων διασποράς και των τιμών του συντελεστή R2, ακολούθησε ανάλυση των αποτελεσμάτων και αναδείχθηκε ότι οι ανακλάσεις στις ζώνες ένα έως τέσσερα έχουν σχέση μέτρια έως ισχυρή με την θολότητα με τιμές του R2 από 0,66 έως 0,95, ενώ οι ζώνες πέντε έως 7, από 0 έως 0,44. Υψηλότερο R2 = 0,95 παρήγαγε η μη γραμμική παλινδρόμηση στην ζώνη 4 (κόκκινο) και έτσι επιλέχθηκε αυτή για την εκτίμηση της θολότητας.

Για την ποιοτική ανάλυση των εικόνων Landsat χρησιμοποιήθηκε μια μάσκα νερού, επεξεργασμένη με τα Pixel QA rasters του Landsat, προκειμένου να αποκοπούν η επίδραση ανάκλασης του νέφους και του εδάφους. Παρουσιάζονται διαγράμματα θολότητας για διάφορες ημερομηνίες (Σχήμα 8 και Σχήμα 9 της μελέτης).

Οι προβλεπόμενες τιμές θολότητας συγκρίθηκαν με παρατηρούμενες τιμές για την αξιολόγηση του μοντέλου, για την ακρίβειά του υπολογίστηκε το μέσο τετραγωνικό σφάλμα και ο συντελεστής R2 και παρουσιάστηκαν τα διαγράμματα διασποράς καθώς και τετραγωνικό σφάλμα και ο συντελεστής R2 (σχήμα 10, σχήμα 12 , πίνακας 6 και 7 της πρότυπης μελέτης)

Η εκτίμηση της θολότητας του Αυγούστου έδωσε αποτελέσματα με γενικά υψηλή ακρίβεια, όπως αποδεικνύεται από την τιμήR2 =0,94. Η ληφθείσα τιμή RMSE 18,08 NTU ήταν σχετικά υψηλότερη από την αναμενόμενη- ωστόσο, αυτό θα μπορούσε να οφείλεται σε μερικές ακραίες τιμές που υπήρχαν στο σύνολο δεδομένων των σημείων δοκιμής, όπως φαίνεται στο Σχήμα 12.

'''4. Συζητήσεις'''

'''5. Συμπεράσματα'''

Η παρούσα έρευνα δημιούργησε ένα μοντέλο εκτίμησης της θολότητας χρησιμοποιώντας εικόνες από τη δορυφορική αποστολή Landsat 8, παρέχοντάς τη δυνατότητα να εκτιμηθεί η θολότητα στον ποταμό Tennessee κάθε 16 ημέρες σε χωρική ανάλυση 30 m.Τα αποτελέσματα που προέκυψαν από την παρούσα εργασία δείχνουν ότι μπορεί να αναπτυχθεί ένα απλό μοντέλο βασισμένο σε μη γραμμική παλινδρόμηση, με χρήση τις τιμές ανακλάσεων στο κόκκινο του αισθητήρα Landsat 8 OLI για την εκτίμηση της θολότητας του νερού. Το μοντέλο δοκιμάστηκε προκειμένου να χρησιμοποιηθεί ευρέως για την εκτίμηση της θολότητας στον ποταμό Τενεσί , ωστόσο, επειδή δοκιμάστηκε σε μια μόνο ημερομηνία θα μπορούσε να δοκιμασθεί εξίσου και σε άλλες ημερομηνίες λήψεις εικόνων με μετρήσεις θολότητας επιτόπιες.

[[category:Ανίχνευση μη σημειακών πηγών ρύπανσης]]

Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ

2024-01-30T19:19:14Z

Katerina Stamoulou: Η Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ μετακινήθηκε στη θέση Remote Sensing Applications in Water Resources

#ΑΝΑΚΑΤΕΥΘΥΝΣΗ [[Remote Sensing Applications in Water Resources]]

Remote Sensing Applications in Water Resources

2024-01-30T19:19:14Z

Katerina Stamoulou: Η Καταγραφή πλημμυρών, εκτίμηση ζημιών κλπ μετακινήθηκε στη θέση Remote Sensing Applications in Water Resources

'''Remote Sensing Applications in Water Resources'''/εφαρμογές τηλεπισκόπησης σε υδάτινους πόρους

'''ΣΥΓΓΡΑΦΕΙΣ: D. Nagesh Kumar* and T.V. Reshmidevi'''
[https://www.researchgate.net/publication/245538996_Remote_Sensing_Applications_in_Water_Resources Πηγή:]

'''Περίληψη'''

Η παρούσα μελέτη δίνει μια σύντομη παρουσίαση των πιθανών εφαρμογών της τηλεπισκόπησης για τους υδάτινους πόρους. Η χρήση των δορυφόρων, αρχικά, για την παρατήρηση της γης, έδωσε βήμα και για περαιτέρω ανάλυση των επιφανειακών χαρακτηριστικών με αποτέλεσμα να παρέχει πολύτιμες πληροφορίες και για την υδρολογική ανάλυση. Οι τεχνικές τηλεπισκόπησης έχουν χρησιμοποιηθεί ευρέως για την οριοθέτηση των υδάτινων επιφανειών, την εκτίμηση μετεωρολογικών μεταβλητών όπως η θερμοκρασία και η βροχόπτωση και για την εκτίμηση υδρολογικών καταστάσεων όπως την υγρασία του εδάφους ή την εξατμισοδιαπνοή κ.ά. Σήμερα, είναι εφικτή η παρακολούθηση πολύ κοντά στον πραγματικό χρόνο για καταστάσεις πλημμυρών, ξηρασίας, διαχείριση άρδευσης με την βοήθεια των δορυφορικών δεδομένων σε αρκετά υψηλή ανάλυση.

'''1.Εισαγωγή'''

Μέχρι σήμερα, υπήρχε έλλειψη λεπτομερών πληροφοριών σχετικά με την χωρική μεταβλητότητα των φυσικών και υδρολογικών παραμέτρων της λεκάνης απορροής. Ωστόσο, η ταχύτατη εξέλιξη της τεχνολογίας της τηλεπισκόπησης και η χρήση φασματικών δορυφορικών εικόνων αποτελούν σημαντικό εργαλείο για την καταγραφή της χωρικής διακύμανσης υδρομετεωρολογικών και υδατικών χαρακτηριστικών με αποτέλεσμα την επίτευξη χαρτογράφησης τους.

Οι εφαρμογές της τηλεπισκόπησης στην υδρολογία μπορούν να ταξινομηθούν σε τρεις βασικές κατηγορίες: i) Απλή οριοθέτηση εύκολα αναγνωρίσιμων περιοχών ή επιφανειακών χαρακτηριστικών όπως για παράδειγμα η χιονοκάλυψη, επιφανειακά νερά ή ιζήματα, ii) Λεπτομερέστερη ερμηνεία και ταξινόμηση των δεδομένων όπως γεωλογικά χαρακτηριστικά ή τύποι κάλυψης γης, Iii) Χρήση ψηφιακών υδρολογικών δεδομένων την σε συνδυασμό με επίγειες παρατηρήσεις για την εξαγωγή πιο σύνθετων συμπερασμάτων όπως π.χ η εδαφική υγρασία.

Μελέτες με δεδομένα που λαμβάνονται με απομακρυσμένες τεχνικές ανίχνευσης σε συνδυασμό με τα υδρολογικά και ποιοτικά μοντέλα, επιτυγχάνουν καλύτερη προσομοίωση και καλύτερη κατανόηση των υδάτινων πόρων και της ποιότητας τους. Αυτές οι μελέτες έχουν ένα ευρύ φάσμα εφαρμογής από ανάλυση μορφολογίας ποταμών μέχρι την διαχείριση την σχεδίαση άρδευσης ή την μελέτη υπόγειων υδάτων και την ποιότητα τους.

Η τηλεπισκόπηση είναι μια επιστήμη που παράγει δεδομένα για ένα αντικείμενο, περιοχή ή φαινόμενο χωρίς να καμία φυσική επαφή με αυτά, χρησιμοποιώντας αισθητήρες για την μέτρηση της ηλεκτρομαγνητικής ακτινοβολία('''EMR''')που αντανακλάται ή εκπέμπεται από το αντικείμενο/περιοχή.

Καθώς το φάσμα της ηλεκτρομαγνητικής ακτινοβολίας χωρίζεται σε ζώνες, η δορυφορική τηλεπισκόπηση συνήθως χρησιμοποιεί την ορατή ζώνη (VIS, μήκος κύματος 0,4-0,7 μm), το υπέρυθρο (IR, μήκος κύματος 0,7-100 μm) και οι περιοχές μικροκυμάτων (μήκος κύματος 0,1-100 cm).

Η περιοχή IR ταξινομείται,
σε εγγύς υπέρυθρη ακτινοβολία (NIR, 0,7-1,3 μm),

μεσαία IR (MIR, 1,3-3 μm) και

στις θερμικές ζώνες IR (TIR,3-5 μm και 8-14 μm)

Ανάλογα με το υψόμετρο του αισθητήρα, η '''τηλεπισκόπηση''' διακρίνεται σε '''επίγεια'''(με φορητούς αισθητήρες ή αισθητήρες πάνω σε κινούμενες πλατφόρμες), χαμηλού ή υψηλού υψομέτρου (αισθητήρες σε αεροσκάφη) και σε '''διαστημική''' (αισθητήρες σε πολικές τροχιές ή σε γεωστατικούς δορυφόρους).

Επίσης, υπάρχουν '''δύο τύποι αισθητήρων''':

'''ενεργητικοί''' (ραντάρ) που στέλνουν και λαμβάνουν ηλεκτρομαγνητικά σήματα και οι '''παθητικοί''' που καταγράφουν μόνο την ανακλώμενη ή εκπεμπόμενη ενέργεια.

Οι αισθητήρες διαφοροποιούνται ανάλογα σε ποια φασματική περιοχή λειτουργούν VIS/IR με συστήματα όπως ο πολυφασματικός σαρωτής Landsat (MSS), ο θεματικός χαρτογράφος (TM) και το φασματοραδιόμετρο απεικόνισης μέτριας ανάλυσης (MODIS).Ένας τυπικός υπερφασματικός αισθητήρας συλλέγει δεδομένα ανακλαστικότητας σε πάνω από 200 κανάλια (Hyperion της NASA-EO-1 220φασματικές ζώνες στο εύρος 0.4-2.4μm)

Η συγκεκριμένη εργασία, κατηγοριοποιεί τις εφαρμογές της τηλεπισκόπησης σε τρεις βασικές κατηγορίες που αναφέρθηκαν παραπάνω, προσφέροντας λεπτομέρειες και για τις πηγές των παγκόσμιων προϊόντων τηλεπισκόπησης.

'''2.Χαρτογράφηση υδάτινων πόρων'''

Η χαρτογράφηση των επιφανειακών ορίων των υδάτων ήταν μια από τις πρώτες εφαρμογές της τηλεπισκόπησης στο νερό. Η οπτική τηλεπισκόπηση των υδάτινων πόρων βασίζεται στην διαφορά των φασματικών υπογραφών του εδάφους και του νερού. Στο σχήμα 2 φαίνονται οι φασματικές υπογραφές του νερού, της βλάστησης, και του ξηρού εδάφους σε διαφορετικά μήκη κύματος.
Το νερό απορροφά ένα πολύ μεγάλο μέρος της ενέργειας στο NIR και στο MIR, ενώ η βλάστηση και το έδαφος έχουν υψηλότερη ανακλαστικότητα σε αυτά τα μήκη κύματος. Ως εκ τούτου, το νερό μπορεί να διαφοροποιηθεί πολύ εύκολα από την βλάστηση και το έδαφος, με σκουρότερο τόνο στις ζώνες IR.

Στην εικόνα 3,παρουσιάζεται μια εικόνα ενός τμήματος της λεκάνης του ποταμού Krishna σε διάφορες ζώνες του Landsat ETM+. Στις ζώνες VIS (ζώνες 1, 2 και 3) η διαφοροποίηση του ,νερού και άλλων χαρακτηριστικών δεν είναι πολύ σημαντική. Αντιθέτως, οι ζώνες IR (ζώνες 4 και 5) παρουσιάζουν έντονη αντίθεση μεταξύ τους λόγω των φτωχής ανάκλασης του νερού στην περιοχή IR του φάσματος EMR.

Η ακριβής διαγράμμιση των ορίων των υδάτινων σωμάτων απαιτεί δεδομένα από αισθητήρες με λεπτή χωρική ανάλυση όπως χρησιμοποιήθηκε στη περιοχή του Jodhpur στην Ινδία, όπου χρησιμοποιήθηκαν εικόνες Landsat TM με ανάλυση 30 μέτρων. Οι οπτικές τεχνικές τηλεπισκόπησης δίνουν λεπτομερή χωρική ανάλυση αλλά η δυνατότητα αυτή μπορεί να αξιοποιηθεί πλήρως σε καλές καιρικές συνθήκες μιας και παρουσία σύννεφων, κάτι που συνηθίζεται σε τροπικά κλίματα, εμποδίζει την καθαρότητα της εικόνας. Δίπλα σε αυτόν τον περιορισμό, έρχεται και η πυκνή βλάστηση. Τα ραντάρ (ενεργητικοί αισθητήρες σε μικροκύματα) μπορούν αν προσπελάσουν αυτούς τους περιορισμούς, καθώς τα μικροκύματα μπορούν να διαπεράσουν τα σύννεφα και την βλάστηση και, έτσι με την βοήθεια αυτών έχουν χαρτογραφηθεί επιτυχώς επιφανειακά νερά και πλημμυρισμένες περιοχές ακόμη και κάτω από πυκνά δάση.

Μία ακόμη σημαντική εξέλιξη είναι και η χρήση θερμικών ζωνών. Αυτή η μέθοδος χρησιμοποιήθηκε με επιτυχία στην λίμνη Chad στην κεντρική Αφρική, για την παρακολούθηση πλημμυρισμένων περιοχών χρησιμοποιώντας μετρήσεις θερμοκρασίας φωτεινότητας (TB) χρησιμοποιώντας TIR band (10.5–12.5 μm) με την θερμική ζώνη του Meteosat. Βέβαια, το μειονέκτημα της χαμηλής χωρικής ανάλυσης (5 χιλιόμετρα).

'''3.Εκτίμηση των υδρομετεωρολογικών Μεταβλητών'''

Οι υδρολογικές διεργασίες είναι εξαιρετικά ρευστές στη φύση, παρουσιάζοντας μεγάλες χωροχρονικές διακυμάνσεις. Οι συμβατικές μέθοδοι για την εκτίμηση αυτών των πολύπλοκων μεταβλητών στηρίζονται σε επιτόπιες μετρήσεις, για την πραγματοποίηση των οποίων, χρειάζονται πολλά ειδικά όργανα μέτρησης, το σημείο μπορεί να μην είναι προσβάσιμο κ.ά. Όλοι αυτοί είναι παράγοντες περιορισμού των δεδομένων σε λίγα σημεία και σε μια ανεπαρκής χρονική κάλυψη από τις οποίες χρειάζεται να προκύψουν τα χωρικά συνεχή δεδομένα. Εδώ, η εφαρμογή των τεχνικών τηλεπισκόπησης έρχεται να καλύψει αυτές τις δυσκολίες και αποτελεί σημαντικό άλμα για τις υδρολογικές καταγραφές και προσομοιώσεις. Αυτή η ενότητα εξηγεί εν συντομία την εφαρμογή αυτής της επιστήμης για την εκτίμηση της βροχόπτωσης , για το χιόνι και το ισοδύναμο νερού, εδαφική υγρασία και για τις παραμέτρους ποιότητας νερού.

'''3.4 Ποιότητα νερού'''

Όταν λέμε «ποιότητα του νερού» είναι ένας γενικός όρος ο οποίος όμως, περιλαμβάνει φυσικά, χημικά, θερμικά και βιολογικά χαρακτηριστικά του νερού (θερμοκρασία, περιεκτικότητα σε χλωροφύλλη, θρεπτικά συστατικά, αιωρούμενα στερεά, τριπτάνιο, διαλυμένο οξυγόνο, βακτήρια κλπ) Όλα αυτά τα χαρακτηριστικά του νερού για να μετρηθούν με συμβατικές μεθόδους απαιτεί περίπλοκες και χρονοβόρες διαδικασίες και το αποτέλεσμα που μπορεί να δώσει δεν είναι χρονικά και χωρικά ικανοποιητικά. Με τις εφαρμογές της τηλεπισκόπησης παρέχεται η δυνατότητα καλύτερης χωροχρονικής κάλυψης με αποτέλεσμα να κερδίζει ολοένα και περισσότερο έδαφος η εφαρμογή της.

Στο σχήμα 6 φαίνεται η παρουσία χλωροφύλλης σε ακτή της Καλιφόρνιας με την χρήση SeaWiFS και των αισθητήρων MODIS.

Η τηλεπισκόπηση είναι μια μέθοδος που χρησιμοποιείται για την εκτίμηση των παραμέτρων ποιότητας του νερού με τη μέτρηση των αλλαγών οπτικά, στις ιδιότητες του νερού που προκαλούνται από τους ρύπους. Στις βασικές παραμέτρους περιλαμβάνονται η περιεκτικότητα σε χλωροφύλλη, η θολερότητα, το βάθος secchi, τα ολικά αιωρούμενα στερεά, η έγχρωμη διαλυμένη οργανική ύλη και το τριπτόν.

Ακόμη,οι μέθοδοι θερμικής τηλεπισκόπησης χρησιμοποιούνται επίσης για την εκτίμηση της επιφανειακής θερμοκρασίας του νερού σε λίμνες και εκβολές ποταμών. Το βέλτιστο μήκος κύματος για τη μέτρηση των παραμέτρων ποιότητας του νερού εξαρτάται από την ουσία που μετράται.

Y = A + BX or Y = ABx (3)
όπου Υ είναι η μέτρηση που λαμβάνεται με τη χρήση του απομακρυσμένους αισθητήρες και Χ είναι η παράμετρος ποιότητας του νερού που μας ενδιαφέρει, και Α και Β είναι οι εμπειρικοί παράγοντες.

Για παράδειγμα, οι Harding et al. χρησιμοποίησαν τον ακόλουθο τύπο, είεμπειρική σχέση για την εκτίμηση της χλωροφύλλης στον κόλπο Chesapeake Bay.

log10 [Chlorophyll] = A + B (−log10 G) (4)

G= ( R2)²/R1R3 (5)

όπου Α και Β είναι εμπειρικές σταθερές που προκύπτουν από επιτόπιες μετρήσεις, R1, R2 και R3 είναι οι ακτινοβολίες στα 460 nm, 490 nm και 520 nm, αντίστοιχα.

Αν και είναι απλά και αποτελεσματικά, τα εμπειρικά μοντέλα δεν είναι πάντα εφαρμόσιμα. Τα αναλυτικά μοντέλα μπορούν να συνδέσουν τα ρυθμιστικά φυσικά στοιχεία με την ανάκλαση της υδάτινης επιφάνειας μέσω της εφαρμογής απλουστευμένων εξισώσεων μεταφοράς ακτινοβολίας (RTE). Η βαθμονόμηση των εμπειρικών συντελεστών είναι απαραίτητη για αυτά τα μοντέλα.

Για παράδειγμα, οι Volpe et al. χρησιμοποίησαν μια RTE για να καθορίσουν τη συγκέντρωση των αιωρούμενων σωματιδίων σε λιμνοθάλασσες/εκβολές ύδατων, συσχετίζοντας την ανακλαστικό ήτα που παρατηρήθηκε με μεθόδους τηλεπισκόπησης με τα φυσικά χαρακτηριστικά.Οι συντελεστές οπισθοσκέδασης και απορρόφησης προσδιορίστηκαν με βαθμονόμηση. Οι RTE αλγόριθμοι είναι περισσότερο κατανοητοί όσον αφορά το αποτέλεσμα τους και έτσι εφαρμόζονται συχνότερα από ότι τα εμπειρικά μοντέλα.

Αρχικά, η τηλεπισκόπηση για την ανάλυση ποιότητας του νερού χρησιμοποιούσε εικόνες από Landsat TM. όμως ήταν πολύ φτωχή η χρονική κάλυψη(1/16μέρες).Σήμερα, οι αναλύσεις έχουν βελτιωθεί σημαντικά μιας και αναπτυχθήκαν νέοι δορυφόροι και αισθητήρες. Έτσι, χρησιμοποιώντας έναν αισθητήρα MODIS (36φασματικές ζώνες) και το MERIS(15ζώνες) έχουμε πολύ καλύτερο αποτέλεσμα ποιότητας του νερού. Ακόμη καλύτερα αποτελέσματα έχουμε από υπερφασματικούς αισθητήρες οι οποίοι βοηθούν σημαντικά στην ανίχνευση ρύπων και οργανικών ουσιών στο νερό, στην αξιολόγηση της συνολικής αιωρούμενης ύλης και περιεκτικότητας χλωροφύλλης στα επιφανειακά ύδατα ή σε βαθυμετρικές έρευνες κ.ά.

'''4. Εφαρμογές της τηλεπισκόπησης στους υδάτινους πόρους'''

Η εκτίμηση μεταβλητών υδρομετεωρολογικής κατάστασης και η οριοθέτηση των επιφανειακών υδάτων με την χρήση της τηλεπισκόπησης χρησιμεύουν για την μοντελοποίηση βροχόπτωσης-απορροής, διαχείριση της άρδευσης , πρόβλεψη πλημμυρών παρακολούθηση της ξηρασίας, συλλογή βρόχινου νερού και σχεδιασμού και διαχείρισης λεκανών απορροής.

'''4.4 Διαχείριση άρδευσης'''

Οι εφαρμογές τηλεπισκόπησης στη διαχείριση της άρδευσης περιλαμβάνει την ταξινόμηση των καλλιεργειών, τη χαρτογράφηση των αρδευόμενων εκτάσεων, την αξιολόγηση της απόδοσης των συστημάτων άρδευσης και τις συμβουλευτικές υπηρεσίες άρδευσης.

Οι δορυφορικές εικόνες τηλεπισκόπησης χρησιμοποιούνται συνήθως για την ταξινόμηση των καλλιεργειών, με πολλαπλές εικόνες που αντιστοιχούν σε διάφορες καλλιεργητικές περιόδους. Οι φασματικές τιμές ανάκλασης που παρατηρούνται σε αυτές τις εικόνες σχετίζονται με συγκεκριμένες καλλιέργειες χρησιμοποιώντας δεδομένα επίγειας αλήθειας. Ο προσδιορισμός αρδευόμενων περιοχών από δορυφορικές εικόνες βασίζεται στην αξιολόγηση της υγείας των καλλιεργειών και της κατάστασης της εδαφικής υγρασίας.

Τα δορυφορικά δεδομένα τηλεπισκόπησης, χρησιμοποιούνται για την καταγραφή των χωρικών και χρονικών διακυμάνσεων της ET των καλλιεργειών και της εδαφικής υγρασίας, τα οποία στη συνέχεια συνδυάζονται με μοντέλα για την προσομοίωση της παραγωγής των καλλιεργειών και την εκτίμηση της αποτελεσματικότητας της άρδευσης. Η απόδοση των συστημάτων άρδευσης αξιολογείται με τη χρήση δεικτών όπως η σχετική παροχή νερού και η παροχή άρδευσης. (Δείκτης βλάστησης προσαρμοσμένος στο έδαφος (SAVI), NDVI ,Μετασχηματισμένος δείκτης βλάστησης (TVI), Κανονικοποιημένος Δείκτης Υγρασίας Διαφοράς (NDWI), Δείκτης Πράσινης Βλάστησης (GVI)). Αρκετές μελέτες που έχουν διεξαχθεί στο παρελθόν δείχνουν τις δυνατότητες του δεδομένα τηλεπισκόπησης από Landsat TM, MODIS,IRS-LISS και των αισθητήρων WiFS στην αξιολόγηση της απόδοσης των συστημάτων άρδευσης.

Οι συμβουλευτικές υπηρεσίες άρδευσης (IAS) βοηθούν τους αγρότες να βελτιώσουν την αποτελεσματικότητα της άρδευσης και να βελτιστοποιήσουν τη γεωργική παραγωγή από τη χρήση του αρδευτικού νερού. Οι συμβατικές μέθοδοι IAS που χρησιμοποιούν επιτόπιες μετρήσεις από τον αγρό ήταν λιγότερο ικανές να παρέχουν πληροφορίες με χωρική και χρονική ανάλυση.

'''4.5 Συγκομιδή βρόχινου νερού'''

Οι τεχνικές συλλογής του βρόχινου νερού εξαρτώνται από την τοποθεσία και απαιτούν ενδελεχή επιτόπια έρευνα. Για να είναι αποτελεσματική η εφαρμογή τους, είναι απαραίτητος ο προσδιορισμός των δυνατοτήτων συλλογής βρόχινου νερού και των κατάλληλων θέσεων για τα κτίρια.

Οι δυνατότητες συλλογής νερού μπορούν να αναλυθούν και οι κατάλληλες τοποθεσίες να προσδιοριστούν με τη χρήση τεχνικών τηλεπισκόπησης όπως οι αισθητήρες IRS 1D LISS-3 και IRS LISS-2. Προκειμένου να βρεθούν κατάλληλες θέσεις για τη συλλογή νερού στις λεκάνες απορροής Bakhar και Devak-Rui της Ινδίας, οι Jasrotia και Kumar, διεξήγαγαν μελέτες χρησιμοποιώντας δορυφορικές εικόνες για την εξαγωγή χαρτών χρήσης γης, κάλυψης γης, γεωλογίας και πληροφοριών αποστράγγισης. Οι μελέτες αυτές δείχνουν τα οφέλη από τη χρήση δεδομένων τηλεπισκόπησης για τον καθορισμό κατάλληλων θέσεων για κατασκευές συλλογής νερού και για την εκτίμηση της ικανότητας συλλογής απορροής.

'''5.Συμπερασματικά σχόλια'''

Η τεχνική της υπερφασματικής τηλεπισκόπησης προσφέρει λεπτή φασματική και χωρική ανάλυση, ενώ οι ενεργητικοί αισθητήρες μικροκυμάτων έχουν δυνατότητες για την ανάλυση πλημμυρών και τις υπηρεσίες προειδοποίησης για πλημμύρες. Τα δεδομένα τηλεπισκόπησης προσφέρουν καλύτερη χωρική και χρονική κάλυψη, επιτρέποντας την καλύτερη αναπαράσταση των μεταβλητών της υδρολογικής και μετεωρολογικής κατάστασης.

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

Σταμούλου Αικατερίνη

2024-01-30T19:18:44Z

Katerina Stamoulou:

* [[Multispectral Optical Remote Sensing for Water-Leak Detection]]
* [[REMOTE SENSING OF WATER COLOR TO ASSESS WATER QUALITY IN A CHANGING CLIMATE ‎ ]]
* [[Remote Sensing of Turbidity in the Tennessee River Using]]
* [[Remote Sensing Applications in Water Resources]]
* [[Using Hyperspectral Remote Sensing to MonitorWater Quality in Drinking Water Reservoirs]]

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

Using Hyperspectral Remote Sensing to MonitorWater Quality in Drinking Water Reservoirs

2024-01-30T18:35:38Z

Katerina Stamoulou:

'''Using Hyperspectral Remote Sensing to Monitor Water Quality in Drinking Water Reservoirs'''/ Παρακολούθηση ποιότητας πόσιμου νερού δεξαμενής, με υπερφασματική τηλεπισκόπηση.

'''Συγγραφείς:Clémence Goyens 1,* , Héloïse Lavigne 1, Antoine Dille 1 and Han Vervaeren 2'''

[https://www.mdpi.com/2072-4292/14/21/5607 Πηγή:]

[[pic_1.jpg]]

'''Περίληψη:''' Στο Κέντρο Παραγωγής Νερού Blankaart, προβλήματα από ανάπτυξη φυκιών σε επιφανειακά νερά δεξαμενής, επηρέασαν την παραγωγή πόσιμου νερού. Για τον έλεγχο αυτής της ανάπτυξης φυκιών, εφαρμόζονται στρατηγικές όπως η έγχυση αλγοκτόνων. Το σύστημα HYPSTAR, λειτουργώντας από το 2021, παρακολουθεί την αποτελεσματικότητα αυτών των μεθόδων, μετρώντας με βιο-οπτικές παραμέτρους όπως χλωροφύλλη και αιωρούμενα σωματίδια. Η μελέτη δείχνει πώς τα δεδομένα του HYPSTAR βοηθούν στην γρήγορη και οικονομική παρακολούθηση των φυκιών, ενισχύοντας τη διαχείριση της ποιότητας του νερού.

'''Εισαγωγή:'''

Η συχνότητα ακραίων καλοκαιριών, η αστική επέκταση και οι κοινωνικο-οικονομικές πιέσεις απειλούν την ποιότητα και τη διαθεσιμότητα των επιφανειακών και υπόγειων υδάτινων πόρων. Το 2021, η Ευρωπαϊκή Επιτροπή υπογράμμισε την ανάγκη για ενέργειες προς διασφάλιση και βιώσιμη χρήση των πόρων γλυκού νερού. Η παραδοσιακή παρακολούθηση της ποιότητας του νερού, που βασίζεται σε δειγματοληψίες και εργαστηριακή ανάλυση, δεν επαρκεί για την παρακολούθηση διακυμάνσεων και τάσεων στην ποιότητα του νερού. Ως εκ τούτου, έχουν γίνει σημαντικές βελτιώσεις στις τεχνολογίες online παρακολούθησης για τη μέτρηση των φυσικών και χημικών παραμέτρων.

Ανάμεσα στις αυτοματοποιημένες τεχνολογίες, οι οπτικοί αισθητήρες που τοποθετούνται πάνω από την επιφάνεια του νερού έχουν αποδειχθεί οικονομικά αποδοτικοί για την παρακολούθηση της ποιότητας του νερού. Η ανάπτυξη της υπερφασματικής ακτινομετρίας επιτρέπει τώρα την ανίχνευση λεπτομερών φασματικών χαρακτηριστικών, ενισχύοντας την ικανότητα των αισθητήρων να αναλύουν τη βιοποικιλότητα στα ύδατα, όπως η σύνθεση και η πληθυσμιακή αφθονία του φυτοπλαγκτόν. Το σύστημα HYPSTAR, το οποίο τοποθετήθηκε από το 2021, συνδράμει στην παρακολούθηση της ποιότητας του νερού στο Κέντρο Παραγωγής Νερού Blankaart, μια σημαντική πηγή πόσιμου νερού στην παράκτια περιοχή του Βελγίου.

Στόχος της μελέτης είναι να αποδείξει τις δυνατότητες του HYPSTAR για αξιόπιστες μετρήσεις ανακλαστικότητας νερού με χαμηλές απαιτήσεις συντήρησης και υψηλή χρονική ανάλυση. Επιπλέον, εξετάζει πώς η συνεχής χρήση αυτών των μετρήσεων μπορεί να βελτιώσει την εκτίμηση της ποιότητας του νερού, εστιάζοντας στη χλωροφύλλη και τα αιωρούμενα σωματίδια. Χρησιμοποιεί δυο βασικούς δείκτες ποιότητας νερού, τη χλωροφύλλη και τα αιωρούμενα σωματίδια. Η μελέτη επιχειρεί επίσης να διερευνήσει τη δυνατότητα του HYPSTAR να ανιχνεύει τη φυκοκυανίνη, ένα μοναδικό χρωστικό των γλυκών νερών και των φυκιών.

''Το Τμήμα 1:'' περιγράφει τον αισθητήρα HYPSTAR και τα συλλεχθέντα δεδομένα, καθώς και την επεξεργασία που χρησιμοποιείται για την εκτίμηση της ανακλαστικότητας του νερού που επιστρέφει.
Τα δεδομένα δειγματοληψίας νερού που χρησιμοποιούνται για την επικύρωση των αλγορίθμων χλωροφύλλης(Chla) περιγράφονται στο ''Τμήμα 2.2. Το Τμήμα 2.3'' περιγράφει τους αλγόριθμους που χρησιμοποιούνται για την ανάκτηση των προϊόντων ποιότητας νερού, δηλαδή τη χλωροφύλλη και τα αιωρούμενα σωματίδια (SPM). Οι βελτιώσεις στους αλγορίθμους χλωροφύλλη παρουσιάζονται στο ''Τμήμα 3.2.'' Οι λαμβανόμενες μακροχρόνιες χρονοσειρές χλωροφύλλης(chla) και SPM μαζί με τα δεδομένα δειγματοληψίας νερού και ορισμένες ταυτόχρονες δορυφορικές εικόνες παρουσιάζονται στο'' Τμήμα 3.3''. Στο ''Τμήμα 3.4,'' ερευνάται τη δυνατότητα ανίχνευσης φυκοκυανίνης με τα δεδομένα HYPSTAR. Τέλος, ''στο Τμήμα 4'', συζητούνται οι πιθανές βελτιώσεις για περαιτέρω αξιοποίηση των δεδομένων και πώς τα προϊόντα ποιότητας νερού HYPSTAR θα μπορούσαν να χρησιμοποιηθούν για λειτουργική εκτίμηση της ποιότητας του νερού σε συνδυασμό με δορυφορικές εικόνες.

'''Σχήμα 1.''' Θέα από τη βορειοανατολική άκρη του τοίχου δεξαμενής Blankaart (αριστερά), λεπτομερής εικόνα του HYPSTAR που εγκαταστάθηκε κατά μήκος του κιγκλιδώματος 30 μέτρα από το συνοριακό άκρο (μέση), και αληθινή εικόνα χρωμάτων Sentinel 2A που λήφθηκε στις 2021-02-04 και επεξεργάστηκε με το ACOLITE [23] με τη δεξαμενή Blankaart στο κέντρο της εικόνας (πάνω δεξιά) και η παγχρωματική εικόνα GEOEye που λήφθηκε στις 2019-05-24 (κάτω δεξιά). Ένας κόκκινος σταυρός υποδεικνύει τη θέση του αισθητήρα (50.9888°N–2.8352°W). Το μπλε ημικύκλιο δείχνει τον προσανατολισμό του αισθητήρα κατά τη διάρκεια της ημέρας.

'''2. Υλικά και μέθοδοι'''

'''2.1. Δεδομένα ανακλαστικότητας νερού'''

'''2.1.1. HYPSTAR'''
Το HYPSTAR, ένα Υπερφασματικό Σύστημα Καταγραφής για Επίγεια και Υδάτινη Ακτινομετρία, εγκαταστάθηκε τον Ιανουάριο του 2021 στην δεξαμενή νερού του Blankaart WPC στο Βέλγιο. Αυτό το σύστημα μετρά συνεχώς την ανακλαστική και εισερχόμενη ακτινοβολία κατά τις ώρες ημέρας, εκτός από σύντομες περιόδους διακοπής για συντήρηση. Το HYPSTAR μετρά το ανακλώμενο φως στο ορατό
και κοντινό υπέρυθρο φασματικό εύρος και είναι εξοπλισμένο με GPS και ενσωματωμένη κάμερα για την οπτική επιθεώρηση των συνθηκών. Τοποθετήθηκε σε έναν τσιμεντένιο τοίχο της δεξαμενής, προσφέροντας μετρήσεις υψηλής ακρίβειας. Το HYPSTAR αναπτύχθηκε στο πλαίσιο του έργου HYPERNETS του H2020 και αποτελεί μέρος του δικτύου HYPERNETS.

'''2.1.2 Πρωτόκολλο συλλογής και επεξεργασίας δεδομένων'''

Η προσέγγιση πάνω από το νερό για τη μέτρηση της ποιότητας νερού περιλαμβάνει τη χρήση ραδιομέτρων για την προσπίπτουσα ακτινοβολία (Ld), την ανακλαστική ακτινοβολία επιφάνειας (Lu) και την ακτινοβολία που μεταδίδεται μέσω της διεπιφάνειας αέρα-νερού (Ed). Αυτές οι μετρήσεις επιτρέπουν τον υπολογισμό της ακτινοβολίας που εξέρχεται από το νερό, κρίσιμης για την ανάλυση της ποιότητας του νερού. Το HYPSTAR, το όργανο που χρησιμοποιείται, καταγράφει δεδομένα σε ορισμένες γωνίες, με κάθε γωνία να περιλαμβάνει πολλαπλές σαρώσεις που στη συνέχεια μετριάζονται. Οι μετρήσεις γίνονται κάθε 15 έως 30 λεπτά κατά τη διάρκεια της ημέρας και περιέχει τις ακόλουθες σειρές:
1.
Τρεις σαρώσεις του Ed(l, q = 180°, Df = +/- 90°);
2.
Τρεις σαρώσεις του Ld(l, q = 140°, Df = +/- 90°);
3.
Έξι σαρώσεις του Lu(l, q = 40°, Df = +/- 90°);
4.
Τρεις σαρώσεις του Ld(l, q = 140°, Df = +/- 90°);
5.
Τρεις σαρώσεις του Ed(l, q = 140°, Df = +/- 90°).
Η μέθοδος αυτή ακολουθεί το πρωτόκολλο μέτρησης και επεξεργασίας δεδομένων που υιοθετήθηκε από τη NASA και την IOCCG.

'''2.1.3 Επεξεργασία δεδομένων'''

Τα δεδομένα ακτινοβολίας επεξεργάζονται με τον επεξεργαστή Hypernets (ο οποίος είναι πλήρως προσβάσιμος: https://github.com/HYPERNETS/hypernets_processor, πρόσβαση στις 14 Οκτωβρίου 2022) και τον RHYMER («Αξιόπιστη επεξεργασία υπερ-φασματικής μέτρησης της ακτινοβολίας») για τον υπολογισμό της ανακλαστικότητας του νερού.

Υπάρχουν διάφορα βήματα επεξεργασίας και ελέγχου ποιότητας για τα δεδομένα. Το πρώτο βήμα είναι τα αυτούσια δεδομένα χωρίς επεξεργασία της ακτινοβολίας και της φωτεινότητας αλλά και των μαύρων περιοχών. Ως εκ τούτου, εφαρμόζονται φίλτρα για τη διάγνωση και αφαίρεση δεδομένων που μπορεί να είναι εσφαλμένα ή μη ποιοτικά. Ο επεξεργαστής επιτρέπει την παρακολούθηση της ποιότητας των δεδομένων ανακλαστικότητας του νερού και την αφαίρεση αμφιβόλων φασμάτων, ενώ επίσης χρησιμοποιεί δεδομένα από μετεωρολογικό σταθμό για την πρόβλεψη ταχύτητας ανέμου. Αυτά τα φίλτρα εξασφαλίζουν την ποιότητα των δεδομένων ανακλαστικότητας του νερού και την απόρριψη δεδομένων που δεν είναι αξιόπιστα για περαιτέρω ανάλυση.

Το '''πρώτο φίλτρο''' ελέγχει την αναλογία της ανακλαστικότητας Lu(l)/Ed(l) μεταξύ 800 και 950 nm και απορρίπτει τα φάσματα που επηρεάζονται από τον αφρό ή τα άλατα, όπου αυτή η αναλογία είναι μεγαλύτερη από 0,025 sr⁻¹.

Το '''δεύτερο φίλτρο''' εξετάζει τον παράγοντα παρόμοιας περιοχής φάσματος NIR (e(720, 780)) και απομακρύνει τα εσφαλμένα φάσματα, τα οποία δημιουργούνται από την αντανάκλαση του ήλιου ή του αέρα, όπου αυτός ο παράγοντας υπερβαίνει ένα καθορισμένο όριο.

Το '''τρίτο φίλτρο''' αφαιρεί τα φάσματα με αρνητικές ανακλαστικές τιμές μεταξύ 400 και 900nm (ανακριβή αφαίρεση ανακλαστικότητας της διεπιφάνειας αέρα-νερού).

Για τον υπολογισμό της ανακλαστικότητας του νερού, ο παράγοντας ανακλαστικότητας rF ανακτάται από τον πίνακα αναζήτησης του [26] χρησιμοποιώντας ως είσοδο την ηλιακή γωνία ηλίου, τη γωνία επισκόπησης, τη σχετική αζιμούθιο γωνία μεταξύ ηλίου και αισθητήρα και την ταχύτητα του ανέμου στα 10 μέτρα πάνω από την επιφάνεια της θάλασσας. Η ταχύτητα του ανέμου προέρχεται από έναν κοντινό σταθμό, δηλαδή τον σταθμό VLINDER που βρίσκεται στο Blankaart.

'''2.2 Αξιολόγηση δεδομένων'''

'''2.2.1: Συλλογή Δεδομένων Χλωροφύλλης (Chla)'''

Σε αυτό το υποκεφάλαιο, αναφέρεται η συλλογή δεδομένων χλωροφύλλης (Chla) μέσω δειγματοληψίας επιφανειακού νερού που πραγματοποιείται από τους υδρολόγους με δοχείο 5λίτρων. Τα δείγματα συλλέγονται ανά διάστημα και αξιολογούνται για την ποιότητα του νερού με μια φασματοφωτομετρική μέθοδος, 10200Η[31]. Συνολικά βρέθηκαν 43 συγκεντρώσεις chla από δειγματοληψείες από τον Ιανουάριο 2021 και μετά.

'''2.2.2: Διαδικασία Μετρήσεων Κυανοβακτηρίων και Διατομών'''

Η μέτρηση των αλγών έγινε χειροκίνητα, χρησιμοποιώντας το πρωτόκολλο δειγματοληψίας και προετοιμασίας που ακολουθεί το "Συνοπτικό Εγχειρίδιο Δειγματοληψίας, Μέτρησης και Ανάλυσης του Νερού" της Φλαμανδικής Κυβέρνησης και το ευρωπαϊκό πρότυπο EN 15204.

'''2.3.1: Αλγόριθμοι για τα Προϊόντα Ποιότητας του Νερού (Chla)'''

Στη μελέτη αυτή, δοκιμάστηκαν και συγκρίθηκαν διάφοροι αλγόριθμοι βασισμένοι στην "κόκκινη άκρη" (red-edge) τόσο με χρήση πολυφασματικών όσο και υπερφασματικών προσεγγίσεων, με στόχο την ανίχνευση της χλωροφύλλης α (Chla) σε θολά και ευτροφικά νερά. Οι αλγόριθμοι που βασίζονται στον υπολογισμό της απορρόφησης της Chla στα 665 nm (SIMIS) και στην εκτίμηση της Chla με βάση τις ανακλάσεις σε δύο συγκεκριμένες μήκη κύματος (CRAT) αξιολογήθηκαν.

Ο αλγόριθμος SIMIS υπολογίζει τις συγκεντρώσεις Chla με την εξίσωση:
αChl(665)=(ρw(709)/ρw(665))(αw(709)+bb)-bb-αw(665)
ChlSa=αChl(665)/α΄ph(665)

όπου α΄ph (665) είναι ο συντελεστής απορρόφησης της φυκοκυάνης ανά μονάδα συγκέντρωσης Chla.

Ο αλγόριθμος CRAT υπολογίζει τη Chla με την εξίσωση:

ChlCa=[aw(l2)−aw(l1)]/α΄ph(672)

όπου l2 επιλέγεται ατομικά στο διάστημα 704–740 nm ως το μήκος κύματος στο οποίο η ανάκλαση είναι ίση με την ανάκλαση στην κόκκινη απορρόφηση Chla (δηλαδή ρw(l2)=ρw(l1)) και l1 ισούται με 672 nm.

Η μελέτη επισημαίνει επίσης ότι οι τιμές α΄ph(l) μπορεί να διαφέρουν ανάλογα με διάφορους παράγοντες και προτείνεται η χρήση μιας μεταβλητής α΄ph(l) για την βελτίωση των εκτιμήσεων της συγκέντρωσης Chla.

Η μορφή της συνάρτησης που προτείνεται είναι: α΄ph(l)=A⋅Chl−Β

όπου Α και Β είναι συντελεστές εξαρτώμενοι από το μήκος κύματος.

Τέλος, η ακρίβεια των αλγορίθμων ChlS_a και ChlC_a αξιολογήθηκε με βάση τις εξής μετρικές:

•Το Root Mean Square Error ('''RMSE'''),
•Η κλίση (S) και το σημείο τομής (I) της παραμικρών τετραγώνων παλινδρόμησης,
•Το Mean Absolute Percentage Error ('''MAPE'''),
•Το '''BIAS'''.

'''2.3.2: Εκτίμηση Σωματιδίων Συστοιχίας (SPM)'''

Για τον υπολογισμό των σωματιδίων συστοιχίας (SPM), χρησιμοποιήθηκε ο αλγόριθμος από το Nechad et al. [45], με το μέτρο της ανακλαστικότητας του νερού στα 700 nm ως εξής:

<math> SPM = A˄N2010 x ρw(700) / 1- ( ρw(700)/C^N2010) </math> (8)

όπου οι σταθερές A˄N2010 και C˄N2010 είναι σταθερές τιμές (δηλαδή 445,11 και 1,13 αντίστοιχα) που λαμβάνονται από τον πίνακα 1 στο [45].

'''2.3.3: Κυανοβακτήρια'''

Εξετάζεται η ανάπτυξη και αξιολόγηση διαφόρων δεικτών για την ανίχνευση φυκοκυάνων, δεδομένης της ανεπαρκούς συσχέτισης μεταξύ δειγματοληψίας νερού και δεδομένων ανάκλασης HYPSTAR (μόνο δύο συσχετίσεις). Η αξιολόγηση συμπληρώθηκε με δύο επιπλέον μετρήσεις από τον αισθητήρα PANTHYR κατά τη διάρκεια μεγάλης απότομης ανάπτυξης φυκοκυάνων το 2019 και το 2020.

Οι δείκτες που αναπτύχθηκαν εστιάζουν στις φασματικές ιδιαιτερότητες των φυκοκυάνων λόγω της απορρόφησης του φυκοκυανίνης (PC) και των φαινομένων φθορισμού τους. Χρησιμοποιώντας έναν αναλυτικό αλγόριθμο, οι Simis και συνεργάτες πρότειναν τον υπολογισμό της συγκέντρωσης PC από την απορρόφησή του στα 620 nm, μετά από διόρθωση για την απορρόφηση του νερού και της χλωροφύλλης α.

Ο '''πρώτος δείκτης''', CI1, υπολογίζεται ως εξής:

CI1=[((ρw(709)/ρw(620))(aw(709)]+bb))−bb−αw(620)−e665−620⋅αChl(665)

όπου e665−620e665−620 είναι ο συντελεστής μετατροπής από αChl(665) σε αChl(620)(ίσο με 0.24) και d είναι ένας συντελεστής διόρθωσης.

Ο '''δεύτερος δείκτης''', CI2, είναι ο λόγος των μπαντών μεταξύ ρw(600) και ρw(700), όπως προτάθηκε από τον Mishra και τους συνεργάτες:

CI2=ρw(700)/ρw(600)

Οι μπάντες επιλέγονται για την χαμηλή μεταβλητότητά τους και την απουσία επιρροής από την απορρόφηση της χλωροφύλλης α στα 600 nm.

Ο '''τρίτος δείκτης''', CI3, προτάθηκε από τον Wynne και συνεργάτες και εστιάζει στο φάσμα γύρω από τα 681 nm, παρόμοιο με μια εξίσωση ύψους γραμμής φθορισμού:

CI3=ρw(681)−ρw(665)−[ρw(709)−ρw(665)][(681−665)/(709−665)]

Ένα αρνητικό αποτέλεσμα για το CI3 αναμένεται στην παρουσία φυκοκυάνων, ενώ ένα θετικό αποτέλεσμα στην απουσία τους.

Εικόνα 2:Αριθμός έγκυρων ακολουθιών που λαμβάνονται κάθε μέρα ("Όλες οι ακολουθίες"), και οι απομείναντες ακολουθίες μετά την αφαίρεση των φασμάτων που δεν ικανοποιούν τα ακόλουθα φίλτρα:

(1) Φίλτρο 1: Lu(l)/Ed(l) μεταξύ 800 και 950 nm > 0.025 sr^-1;

(2) Φίλτρο 2: e(720, 780) > 0.005; και

(3) Φίλτρο 3: αφαίρεση αρνητικών δεδομένων ανακλαστικότητας στην περιοχή 400–900 nm.

Σημειώστε ότι το όργανο ήταν σε συντήρηση και επαναβαθμονόμηση τον Φεβρουάριο–Απρίλιο του 2022.

'''3.Αποτελέσματα

3.1 Ανακλαστικότητα από το νερό.'''

Καταμετρήθηκαν 8116 φάσματα από 27/01/2021 έως 03/08/2022.
Αρχικά, 7933 φάσματα επιλέγονται μετά από ποιοτικό έλεγχο. Από αυτά, φάσματα με ε(720, 780) > 0.005 αφαιρούνται, αφήνοντας 6535 φάσματα. Περαιτέρω, αφαιρούνται φάσματα με αρνητικές τιμές μεταξύ 400-900 nm, παραμένοντας 2988 μετρήσεις. Περισσότερα δεδομένα αφαιρούνται τον χειμώνα λόγω δυσμενών καιρικών συνθηκών, με 38, 74 και 89 φάσματα να διατηρούνται τους μήνες Δεκέμβριο, Ιανουάριο και Φεβρουάριο αντίστοιχα. Το καλοκαίρι, ο αριθμός των φασμάτων κυμαίνεται μεταξύ 307 και 622 ανά μήνα. Όλα τα φάσματα εμφανίζουν τυπικά χαρακτηριστικά εσωτερικών υδάτων, με χαμηλότερες αντανακλάσεις στο μπλε φάσμα σε σύγκριση με το πράσινο και κόκκινο.

Η αντανάκλαση είναι υψηλότερη τον χειμώνα, ιδιαίτερα στο φάσμα 500-600 nm λόγω αυξημένης συγκέντρωσης σωματιδίων. Επίσης, παρατηρούνται διακριτικά φασματικά χαρακτηριστικά, όπως η αύξηση της αντανάκλασης στο φάσμα 680–750 nm κυρίως την άνοιξη και το καλοκαίρι, συνδεόμενη με αυξανόμενες συγκεντρώσεις Chla.

'''3.2 Ανάκτηση Chla'''

Την ίδια χρονική περίοδο, πραγματοποιήθηκαν 43 δειγματοληψίες νερού, σε 27 από αυτά μετρήθηκαν συγκεντρώσεις χλωροφύλλης chla με λήψεις από το HYPSTAR και ήταν έγκυρα όσον αφορά τα κριτήρια ποιότητας. Παρατηρείται ένα U-σχήμα στο φάσμα γύρω από τα 650-670 nm για τις υψηλότερες συγκεντρώσεις Chl-a, το οποίο είναι χαρακτηριστικό της υψηλής απορρόφησης φυκιοφυτοπλαγκτόν. Επίσης, παρατηρείται αύξηση στην ανακλαστικότητα γύρω από τα 710-720 nm και 555 nm για τις υψηλότερες συγκεντρώσεις Chl-a. Παρουσιάζεται η ακρίβεια των ανακτημένων συγκεντρώσεων Chl-a χρησιμοποιώντας τους αλγόριθμους CRAT και SIMIS.

Ο αλγόριθμος CRAT χρησιμοποιείται σε συγκεντρώσεις Chl-a περίπου από 10 έως 100 g/L, ενώ ο αλγόριθμος SIMIS είναι καλύτερος για συγκεντρώσεις περίπου 10 έως 119.56 g/L.

Τα RMSE είναι 8.20 g/L και 5.61 g/L για τους αλγόριθμους CRAT και SIMIS, αντίστοιχα. Και οι δύο αλγόριθμοι τείνουν να υπερεκτιμούν τις χαμηλές συγκεντρώσεις Chl-a και να υποεκτιμούν τις υψηλές συγκεντρώσεις.

Οι διάφορες τιμές του αναστολέα απορρόφησης (aph) παρατηρούνται να μειώνονται από 0.08 έως 0.006 m2/mg στην κορυφή της απορρόφησης Chl-a (δηλαδή, 665 nm). Για το 672 nm, οι τιμές του aph κυμαίνονται περίπου από 0.04 έως 0.006 m2/mg. Πίνακας 1 παρέχει τιμές για τα A και B στην Εξίσωση (5) όταν ανακτώνται με τον αλγόριθμο SIMIS.

'''3.3 Χρονικές σειρές Chla SPMQ:'''

Οι συγκεντρώσεις χλωροφύλλης από τις μετρήσεις του HYPSTAR ταυτίζονται με τις συγκεντρώσεις Chla που μετρήθηκαν στο νερό(ChlWa).Επίσης, παρατηρούνται υψηλές κορυφές στις συγκεντρώσεις ChlaSα και ChlaCα σε σχέση με τα δεδομένα των δειγμάτων νερού.Αυτες τις κορυφές ενδεχομένως τις επηρεάζουν οι παρακάτω παράγοντες:

1.υψηλή χρονική ανάλυση δεδομένων του HYPSTAR,
2. Αποτυχία απομάκρυνσης μη έγκυρων δεδομένων ή φασμάτων ανακλαστικότητας,
3. Λαθος εκτίμηση του a ph(I) σε υψηλές συγκεντρώσεις Chla.

Επίσης, παρατηρείται ότι κατά την άνοιξη και το καλοκαίρι λαμβάνονται μέτρα για την πρόληψη της ανάπτυξης των φυκιών (έγχυση αλγοκτόνου) στον υδροφόρο. Αυτό μπορεί να εξηγήσει γιατί οι συγκεντρώσεις Chla είναι περιορισμένες, ιδιαίτερα το καλοκαίρι του 2021, και γιατί σε ορισμένες περιπτώσεις παρατηρούνται απότομες πτώσεις των συγκεντρώσεων Chla (π.χ., τον Ιούλιο του 2022)

Το άρθρο αναφέρεται σε μια μελέτη σχετικά με την παρουσία σωματιδίων σε αναστάτωση (SPM) στο νερό. Διαπιστώνεται ότι οι τιμές του SPM κυμαίνονται από 0 έως 30 γραμμάρια ανά κυβικό μέτρο, με κάποιες εξαιρετικές περιπτώσεις που φτάνουν τα 60 γραμμάρια ανά κυβικό μέτρο. Οι υψηλότερες τιμές SPM παρατηρούνται κυρίως κατά τη διάρκεια καταιγίδων, όπου η ανακατεύθυνση των σωματιδίων από τον πυθμένα προς το νερό είναι πιο έντονη. Αυτό επιβεβαιώνεται από δορυφορικές εικόνες από τα συστήματα Landsat-9 OLI και Sentinel 2B-MSI, οι οποίες δείχνουν αυξημένες συγκεντρώσεις άνθρακα στη νότια πλευρά του τοίχου.

Επιπλέον, η μελέτη αυτή εξετάζει τη σχέση μεταξύ των τιμών ανακλαστικότητας και των τιμών SPM, καθώς και τις συγκεντρώσεις των ChlaSα και ChlaCα. Η ανάλυση αυτή παρέχει σημαντικές πληροφορίες για το πώς επηρεάζονται οι υδάτινοι πόροι από φυσικά φαινόμενα όπως οι καταιγίδες και οι πλημμύρες, και πώς αυτό μπορεί να επηρεάσει την ποιότητα του νερού σε μια συγκεκριμένη περιοχή.

'''3.4 Εντοπισμός Κυανοβακτηρίων: Μελέτη σκοπιμότητας'''

Στη μελέτη "Cyanobacteria Detection: A Feasibility Study", αξιολογήθηκαν διάφοροι δείκτες φυκοκυάνωσης (PC) μέσω της ανάλυσης υπερφασματικών δεδομένων τηλεπισκόπησης που λήφθηκαν από τον αισθητήρα PANTHYR. Τα δεδομένα αυτά παρείχαν πληροφορίες για τις αντανακλάσεις του νερού κατά τη διάρκεια μεγάλων εκρήξεων φυκοκυάνων το 2021 και το 2022. Συγκεκριμένα, το αποθέματος Blankaart παρουσίασε μικρή ανάπτυξη φυκοκυάνων, με μέγιστη συγκέντρωση 5 μικρογραμμαρίων ανά λίτρο.

Επίσης, παρουσιάζονται φάσματα αντανάκλασης νερού και η δεύτερη παράγωγος από εκρήξεις διατόμων και φυκοκυάνων, μέσα από τα οποία υπολογίζονται διάφοροι δείκτες.

Ο πρώτος δείκτης (CI1) δείχνει αύξηση τιμών με την αύξηση της συγκέντρωσης φυκοκυάνων, αλλά παρουσιάζει ένα πρόβλημα αντιστάθμισης στην απουσία φυκοκυάνων.

Ο δεύτερος δείκτης (CI2) χρησιμοποιεί το λόγο της αντανάκλασης του νερού στα 600 nm και 700 nm, με τη δεύτερη παράγωγο να είναι θετική στην παρουσία φυκοκυάνων.

Ο τρίτος δείκτης (CI3) αναμένεται να έχει αρνητική τιμή στην παρουσία φυκοκυάνων και θετική διαφορετικά, όμως δεν καταφέρνει να ανιχνεύσει φυκοκυάνωση με συγκέντρωση 4.7 mg/m³.

Εντούτοις, για υψηλότερες συγκεντρώσεις, ο CI3 είναι σημαντικά χαμηλότερος, προτείνοντας ότι ο δείκτης μπορεί να χρησιμοποιηθεί μόνο για την ανίχνευση σημαντικών αλλαγών στις συγκεντρώσεις φυκοκυάνων.

'''4. Συζήτηση'''

'''4.1. Περαιτέρω βελτίωση των προϊόντων ποιότητας νερού που παράγονται από το HYPSTAR'''

Το σύστημα HYPSTAR παρέχει σημαντικά δεδομένα με υψηλή χρονική ανάλυση και χαμηλές απαιτήσεις σε ανθρώπινο δυναμικό. Αυτά τα δεδομένα βοηθούν τους διαχειριστές νερού στην παρακολούθηση των τάσεων της χλωροφύλλης και στην αξιολόγηση των στρατηγικών για τον έλεγχο της επέκτασης των φυκιών.
Υπάρχει ανάγκη για περαιτέρω βελτίωση στην επεξεργασία δεδομένων, ιδίως στη διόρθωση της αντανάκλασης της διεπιφάνειας αέρα-νερού, για να μειωθούν οι ανακρίβειες και να αυξηθεί ο αριθμός των χρήσιμων δεδομένων.
Οι συγκεντρώσεις χλωροφύλλης που εντοπίζονται από το HYPSTAR ακολουθούν στενά τα δεδομένα δειγματοληψίας νερού, αλλά απαιτούνται περισσότερα δεδομένα για την περαιτέρω επικύρωση των αλγορίθμων.
Η ταχεία δοκιμή διαφόρων δεικτών φυκοκυάνων επιβεβαιώνει τη δυνατότητα παρακολούθησης της παρουσίας ή απουσίας των φυκοκυάνων σε πραγματικό χρόνο.

'''4.2 Πρώιμες Προειδοποιήσεις και Χωρική Παρακολούθηση:'''

Οι αυτόνομοι υπερφασματικοί αισθητήρες μπορούν να παρέχουν πρώιμες προειδοποιήσεις και να συμβάλλουν στη λήψη μέτρων πριν από την άνθηση φυκιών. Τα δεδομένα ακτινοβολίας μπορούν επίσης να χρησιμοποιηθούν για την προσέγγιση περιβαλλοντικών συνθηκών που επηρεάζουν την ανάπτυξη φυκιών.

Παρά την ανίχνευση μικρών διακυμάνσεων ποιότητας νερού από το HYPSTAR, υπάρχει περιορισμός στο πρώτο οπτικό βάθος και δεν παρέχεται συνοπτική εικόνα της λίμνης. Η χωρική μεταβλητότητα της ποιότητας νερού είναι επίσης κρίσιμη για την αποτελεσματική διαχείριση του νερού
'''
5. Συμπεράσματα'''

Τα κύρια συμπεράσματα της μελέτης είναι:

Η χρήση υπερφασματικών τεχνικών τηλεπισκόπησης αποδεικνύεται εφικτή και αποτελεσματική για την γρήγορη αξιολόγηση και παρακολούθηση της ποιότητας του νερού.

Τα υπερφασματικά δεδομένα με πολύ υψηλή χρονική ανάλυση παρέχουν σημαντικά οφέλη, επιτρέποντας την αποτύπωση μικρών χρονικών διακυμάνσεων στις συγκεντρώσεις Chla και SPM.

Οι αυτόνομες μετρήσεις απαιτούν ελάχιστη ανθρώπινη παρέμβαση, αυξάνοντας την αποδοτικότητα της διαδικασίας παρακολούθησης.

Οι υπερφασματικοί αισθητήρες βοηθούν στην ανίχνευση λεπτομερών φασματικών χαρακτηριστικών, όπως αυτά που απαιτούνται για την ανίχνευση φυκοκυάνων.
Για μια πληρέστερη ανάλυση, τα δεδομένα των υπερφασματικών αισθητήρων πρέπει να συμπληρωθούν με δορυφορικές εικόνες, προσφέροντας μια συνολική εικόνα των υδάτινων συστημάτων.

Τα δεδομένα είναι πολύτιμα αξιολογώντας την απόδοση αλγορίθμων διόρθωσης της ατμόσφαιρας, ειδικά για τη διόρθωση των εφελκυστικών αποτελεσμάτων ( φως που αντανακλάται από τη γη ή από λαμπερές επιφάνειες κοντά σε υδάτινες περιοχές μπορεί να παρεμβληθεί στην ανάλυση της αντανάκλασης του νερού, προκαλώντας παραμορφώσεις στα δεδομένα.)

Οι υπερφασματικοί αισθητήρες είναι αποτελεσματικοί στην έγκαιρη ανίχνευση ανάπτυξης φυκιών, προσφέροντας σημαντικά δεδομένα για τη διαχείριση της ποιότητας του νερού σε πόσιμες και αναψυκτικές λίμνες.

[[category:Ανίχνευση ρύπανσης υδάτινων όγκων]]

Σταμούλου Αικατερίνη

2024-01-30T18:34:38Z

Katerina Stamoulou:

* [[Multispectral Optical Remote Sensing for Water-Leak Detection]]
* [[REMOTE SENSING OF WATER COLOR TO ASSESS WATER QUALITY IN A CHANGING CLIMATE ‎ ]]
* [[Remote Sensing of Turbidity in the Tennessee River Using]]
* [[REMOTE SENSING OF WATER COLOR TO ASSESS WATER QUALITY IN A CHANGING CLIMATE ]]
* [[Using Hyperspectral Remote Sensing to MonitorWater Quality in Drinking Water Reservoirs]]

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

REMOTE SENSING OF WATER COLOR TO ASSESS WATER QUALITY IN A CHANGING CLIMATE

2024-01-29T11:14:08Z

Katerina Stamoulou:

'''REMOTE SENSING OF WATER COLOR TO ASSESS WATER QUALITY IN A CHANGING CLIMATE '''/ ΤΗΛΕΠΙΣΚΌΠΗΣΗ ΓΙΑ ΤΗΝ ΑΞΙΟΛΌΓΗΣΗ ΤΗΣ ΠΟΙΌΤΗΤΑΣ ΤΟΥ ΝΕΡΟΎ, ΜΕΣΑ ΑΠΟ ΤΟ ΧΡΩΜΑ ΤΟΥ ΝΕΡΟΥ,ΣΕ ΈΝΑ ΜΕΤΑΒΑΛΛΌΜΕΝΟ ΚΛΊΜΑ

'''Συγγραφέας:'''CAMERON MURRAY

[https://digitalcommons.uri.edu/theses/2142/ Πηγή ]

'''Περίληψη:''' Αυτή η μελέτη, χρησιμοποιώντας την τεχνολογία των γεωγραφικών συστημάτων πληροφοριών και της τηλεπισκόπησης, προκειμένου να αξιολογήσει την ποιότητα του νερού μέσα από φασματικές εικόνες οι οποίες αποδίδουν κάποια χαρακτηρίστηκα του όπως η ανάπτυξη των φυκιών, η όξινη αποστράγγιση ορυχείων και τα αιωρούμενα ιζήματα. Μέσα από έναν μεγάλο όγκο πληροφοριών που έχουν συλλεχθεί τα προηγούμενα έτη από δορυφόρους, καθιστούν δυνατή την παρακολούθηση αλλαγών στην ποιότητα των υδάτων.

'''Κεφάλαιο 1: Εισαγωγή'''

Το νερό είναι το βασικότερο αγαθό χωρίς το οποίο κανένα πλάσμα δεν μπορεί να ζήσει. Η πρόσβαση στο γλυκό νερό δεν είναι για όλους η ίδια καθώς λιγότερο από το 1% αυτού είναι προσβάσιμο από τον άνθρωπο και μέχρι το 2050 η ζήτηση αναμένεται να αυξηθεί σημαντικά. Η αλλαγή στην ποιότητα του νερού μόνο επιζήμιες επιπτώσεις μπορεί να έχει σε όλους τους τομείς. Αν συμπεριληφθεί και η κλιματική αλλαγή η οποία φέρνει μαζί της αυξημένες θερμοκρασίες και έντονες καταιγίδες, τότε τα προγράμματα για την παρακολούθηση των υδατικών πόρων είναι αναγκαία.

Οι τεχνικές τηλεπισκόπησης, μέσα απο την δυνατότητα για συχνές επανεπισκέψεις, ανάλυση χρονοσειρών και ιστορικά δεδομένα για αναδρομική ανάλυση, αποτελεί ένα πολύτιμο εργαλείο, το οποίο μπορεί να βοηθήσει αποτελεσματικά σε αυτήν την παρακολούθηση περιοχών με προβλήματα ποιότητας νερού.

Ωστόσο, υπάρχει ακόμη χώρος βελτίωσης και αποτελεί μεγάλη πρόκληση η χρήση της τηλεπισκόπησης σε πολύπλοκα υδάτινα συστήματα για την αναγνώριση των οποίων χρειάζεται η κατάλληλη επιλογή αισθητήρων και αλγορίθμων ταξινόμησης και αξιολόγησης. Διαφορετικοί αισθητήρες συλλαμβάνουν ακτινοβολία σε διάφορα μήκη κύματος, μετρώντας διαφορετικούς δείκτες ποιότητας νερού.

Επίσης, μέσα από την αλλαγή των χρωμάτων από τις φασματικές εικόνες η τηλεπισκόπηση μπορεί να τεκμηριώσει αυτές τις αλλαγές και να βοηθήσει στον εντοπισμό της μιας μολυσμένης περιοχής. Αναφέρονται γενικότερα τα οφέλη χρήσης της τηλεπισκόπησης όπως η πρόληψη επιβλαβούς ανάπτυξης φυκών καθώς και η εξοικονόμηση χρόνου και χρήματος, μέσα από την παρακολούθηση της όξινης αποστράγγισης και αιωρούμενων ιζημάτων στο νερό, από ορυχεία.

'''Κεφάλαιο 2: Τεχνολογία δορυφόρων'''

Η τηλεπισκόπηση περιλαμβάνει δύο κατηγορίες:

i)τους εναέριους αισθητήρες, οι οποίοι είναι τοποθετημένοι σε πλατφόρμες εντός της γήινης ατμόσφαιρας, και τους διαστημικούς αισθητήρες, οι οποίοι μεταφέρονται σε δορυφόρους που βρίσκονται σε τροχιά γύρω από τη Γη. Οι αερομεταφερόμενοι αισθητήρες προσφέρουν μια ευέλικτη προσέγγιση στην τηλεπισκόπηση, με υψηλότερη φασματική και χωρική ανάλυση, και μπορούν να διαμορφωθούν ανάλογα με την τοποθεσία της έρευνας. Είναι χρήσιμοι για την έρευνα της ποιότητας των υδάτων, αλλά είναι πολύπλοκοι και δαπανηροί σε σύγκριση με τις διαστημικές έρευνες.

ii)Οι διαστημικοί αισθητήρες είναι χρήσιμοι για πολύχρονες μελέτες και παρακολούθηση των τάσεων στην ποιότητα των υδάτων, αλλά έχουν πιο μικρή φασματική ανάλυση, περιορισμένη νεφοκάλυψη και δυσκολία στην ανάλυση των εικόνων, γεγονός που μπορεί να οδηγήσει σε υπερεκτίμηση ή υποεκτίμηση των παραμέτρων της ποιότητας των υδάτων.

Η παρούσα μελέτη επικεντρώνεται στη δορυφορική τηλεπισκόπηση, με τρεις αισθητήρες να χρησιμοποιούνται συχνότερα: Landsat 8, Sentinel-2 MultiSpectral Instrument (MSI) και Terra & Aqua MODIS. Ο Landsat-8, που εκτοξεύθηκε το 2013, παρέχει εποχιακή κάλυψη του πλανήτη στο ορατό, εγγύς υπέρυθρο, υπέρυθρο μικρού μήκους κύματος και θερμικό υπέρυθρο φάσμα.

[ [ Εικόνα: Pic_4.jpg | thumb | center | Table 1: Landsat 8 Bands, πηγή:https://digitalcommons.uri.edu/theses/2142/ ] ]

Οι Landsat 9 και Sentinel-2 είναι δύο δορυφόροι που εκτοξεύονται για να συλλέγουν εικόνες της Γης κάθε 8 ημέρες. Ο Landsat 9 σε συνδυασμό με τον Landsat 8 μπορεί να βοηθήσει τους επιστήμονες να λάβουν επιστημονικά τεκμηριωμένες αποφάσεις για βασικά ζητήματα όπως η χρήση του νερού, οι επιπτώσεις των πυρκαγιών, η υποβάθμιση των κοραλλιογενών υφάλων, η υποχώρηση των παγετώνων και η αποψίλωση των τροπικών δασών.

Ο Sentinel-2, που εκτοξεύτηκε το 2015, διαθέτει οπτικοηλεκτρονικό πολυφασματικό αισθητήρα για την αποτύπωση σε ορατές, κοντινές υπέρυθρες και υπέρυθρες φασματικές ζώνες μικρού μήκους κύματος. Η αποστολή επιτρέπει χρόνο επανέλεγχου 5 ημερών στον ισημερινό και 2-3 ημερών στα μεσαία γεωγραφικά πλάτη. Οι δορυφόροι Terra και Aqua χρησιμοποιούν το φασματικής απεικόνισης μέτριας ανάλυσης ('''MODIS''') για να βλέπουν την επιφάνεια της Γης κάθε 1-2 ημέρες, λαμβάνοντας δεδομένα σε 36 φασματικές ζώνες. Παρόλο που το '''MODIS''' δεν είναι τόσο ακριβές όσο τα σύνολα δεδομένων Landsat και Sentinel, η ευρεία διαθεσιμότητά του και τα χαμηλά ποσοστά επανεπισκέψεων το καθιστούν πολύτιμο για πολλές μελέτες.

Οι τεχνικές τηλεπισκόπησης χρησιμοποιούνται όλο και περισσότερο για τη μέτρηση της ποιότητας του νερού. Το '''Aquasat''', ένα πρόγραμμα που αναπτύχθηκε το 2019, χρησιμοποιεί εικόνες Landsat και in situ δείγματα από την πύλη ποιότητας νερού των Ηνωμένων Πολιτειών για να κάνει ακριβείς προβλέψεις της παγκόσμιας ποιότητας του νερού. Οι 600.000 αντιστοιχίσεις επιτρέπουν πιο αξιόπιστες προβλέψεις με βάση μόνο τις εικόνες Landsat.

Το '''AquaSat''' επικεντρώνεται στη χλωροφύλλη, τα ιζήματα, τον διαλυμένο άνθρακα και το βάθος του δίσκου '''Secchi'''. Η ομάδα σχεδιασμού, πρόκειται να ενσωματώσει περισσότερα σύνολα δορυφορικών δεδομένων, όπως το '''MODIS''', για να δημιουργήσει ένα πιο ισχυρό εργαλείο για την αξιολόγηση της ποιότητας των υδάτων. Αυτό το εργαλείο θα μπορούσε να είναι απαραίτητο για όλες τις μελέτες αξιολόγησης της ποιότητας του νερού.

'''Κεφάλαιο 3: Επιβλαβής ανάπτυξη φυκών'''

Η επιβλαβής ανάπτυξη των φυκών ('''HABs''') είναι ένα σημαντικό περιβαλλοντικό ζήτημα στα εσωτερικά υδάτινα σώματα, το οποίο προκαλείται από φωτοσυνθετικούς οργανισμούς που απαιτούν ηλιακό φως και θρεπτικά συστατικά. Αυτές οι μεγενθύσεις, συμβαίνουν την άνοιξη, όταν οι μεγαλύτερες ημέρες παρέχουν ισχυρότερο ηλιακό φως, οδηγώντας σε ευτροφισμό, διαταράσσοντας τον φυσικό κύκλο των βασικών θρεπτικών συστατικών. Καθώς οι οργανισμοί αναπτύσσονται, σχηματίζεται ένα παχύ στρώμα άλγης, που εμποδίζει το ηλιακό φως και αναστέλλει την ανάπτυξη των φωτοσυνθετικών οργανισμών. Η διαδικασία αποσύνθεσης καταναλώνει οξυγόνο, με αποτέλεσμα να δημιουργούνται "νεκρές ζώνες" όπου η υδρόβια ζωή δεν μπορεί να επιβιώσει. Τα κυανοβακτήρια, ο πιο κοινός τύπος HAB, περιέχουν τοξίνες, οι οποίες μπορούν να προκαλέσουν μόλυνση του πόσιμου νερού και των υδατοκαλλιεργειών.

Οι HABs έχουν επίσης οικονομικές και περιβαλλοντικές επιπτώσεις, κοστίζοντας στο έθνος σχεδόν 4,8 δισεκατομμύρια δολάρια ετησίως. Η παγκόσμια αύξηση του μεγέθους και της συχνότητας των HABs (Hydrogenous Algae Blooms) καθιστά αναγκαία την έγκαιρη ανίχνευση και την ολοκληρωμένη παρακολούθηση για την αποτελεσματική διαχείριση και τον μετριασμό των επιπτώσεων. Η κατανόηση της χωρικής και χρονικής κατανομής των HABs είναι ζωτικής σημασίας για αποτελεσματικές τεχνικές μετριασμού. Οι χρωστικές της χλωροφύλλης, οι οποίες αντανακλούν κυρίως το πράσινο, μπορούν να χρησιμοποιηθούν ως οπτικές υπογραφές των ανθίσεων των φυκών.

Οι δορυφορικές μετρήσεις μπορούν να ανιχνεύσουν τα πράσινα μήκη κύματος, παρέχοντας έναν αποτελεσματικό τρόπο παρακολούθησης των HABs. Η τηλεπισκόπηση, η οποία καταγράφηκε για πρώτη φορά στη δεκαετία του 1970, έχει χρησιμοποιηθεί για τον εντοπισμό σωματιδιακών ρύπων, γεγονότων λευκής θάλασσας και χλωροφύλλης.

Ωστόσο, οι περιορισμοί της τηλεπισκόπησης, όπως η νεφοκάλυψη και η αραιή συχνότητα των εικόνων, μπορούν να εξισορροπήσουν με την ενσωμάτωση της υδροδυναμικής και της οικολογικής παρακολούθησης. Μελέτες που χρησιμοποιούν δεδομένα Landsat έχουν δείξει ελπιδοφόρα αποτελέσματα, με αλγορίθμους που βασίζονται στο χρώμα να δείχνουν αξιοπιστία.

Οι Klemas et al. (2012) χρησιμοποίησαν ένα οριακό σημείο για τον εντοπισμό κυανοβακτηρίων στο νερό, αλλά η μέθοδος αυτή αμφισβητείται λόγω των ασαφών ορίων. Άλλοι ερευνητές έχουν χρησιμοποιήσει αισθητήρες όπως τα σύνολα δεδομένων MODIS, Meris και Sentinel, με τους Binding et al. (2018) να χρησιμοποιούν τον δείκτη μέγιστης χλωροφύλλης ('''MCI''') του MERIS για την ποσοτικοποίηση της μέγιστης ακτινοβολίας κοντά στα 700 nm.
Ωστόσο, η ανάμιξη που προκαλείται από τον άνεμο μπορεί να παραμορφώσει τα δορυφορικά δεδομένα, επηρεάζοντας τις μετρήσεις των HABs.

Πρόσφατες μελέτες έχουν αρχίσει να δοκιμάζουν προσεγγίσεις πολλαπλών αισθητήρων για την ανίχνευση των HABs, με τους Coffer et al. (2020), Ma et al. (2021) και Page et al. (2018) να παρουσιάζουν ελπιδοφόρα αποτελέσματα. Οι Coffer κ.ά. χρησιμοποίησαν το MERIS και το Sentinel-3A με έναν αλγόριθμο φασματικού σχήματος, ενώ οι Ma κ.ά. (2021) '''συνδύασαν το Terra/Aqua Modis, το Landsat 8 OLI και το Sentinel-2A/B MSI''', με αποτέλεσμα την αποδοτικότερη και ακριβέστερη επεξεργασία δεδομένων.

Η βιβλιογραφία υποδεικνύει ότι οι '''καλύτεροι αισθητήρες''' για την ανίχνευση της άνθισης των φυκών είναι εκείνοι με περισσότερα κανάλια των οποίων τα μήκη κυμαίνονται μεταξύ 550 και 700 nm για την μέγιστη ανάκλαση. Η ατμοσφαιρική διόρθωση είναι ζωτικής σημασίας για ακριβείς μετρήσεις και ο δείκτης επιπλέουσας άλγης ('''FLI''') για το MODIS είναι ανεξάρτητος από τον αισθητήρα.

Μια προσέγγιση πολλαπλών αισθητήρων μπορεί να παρέχει υψηλότερη συχνότητα παρατήρησης και λεπτομερέστερες χωρικές πληροφορίες, αλλά απαιτείται περισσότερη έρευνα για την εξεύρεση κατάλληλων αλγορίθμων. Οι δοκιμές επί τόπου είναι ζωτικής σημασίας για την επικύρωση των αποτελεσμάτων και την πρόοδο των τεχνικών τηλεπισκόπησης.

'''Κεφάλαιο 4: Όξινες αποστραγγίσεις ορυχείων'''

Η όξινη αποστράγγιση ορυχείων ('''AMD''') είναι ένας σημαντικός περιβαλλοντικός κίνδυνος, δεύτερος μετά την υπερθέρμανση του πλανήτη και την καταστροφή του όζοντος. Οι εξορυκτικές δραστηριότητες προκαλούν ζημιές στην επιφάνεια της γης και στο υπέδαφος, επηρεάζοντας περίπου 19.300 χιλιόμετρα ρεμάτων, ποταμών και λιμνών παγκοσμίως. Στις ΗΠΑ, χιλιάδες εγκαταλελειμμένα ανθρακωρυχεία έχουν μολύνει ποτάμια και ρέματα για δεκαετίες. Το όξινο νερό από τις εξορυκτικές δραστηριότητες αντιδρά με τις θειικές ενώσεις, προκαλώντας τη διάλυση βαρέων μετάλλων και προκαλώντας υψηλά επίπεδα ολικών διαλυμένων στερεών και μόλυνσης από μέταλλα.

«Η χημική εξίσωση για αυτές τις αντιδράσεις φαίνεται παρακάτω:

4FeS2 + 15O2 + 14H2O → 4Fe(OH)3 + 4SO4-2 + 16H+

Τα αντιδρώντα αυτής της εξίσωσης αντιπροσωπεύονται από τον πυρίτη, από την εξορυκτική δραστηριότητα (FeS2) που έρχεται σε επαφή με το οξυγόνο του αέρα (O2) και το νερό (H2O). Η αντίδραση μεταξύ αυτών των τριών στοιχείων παράγει υδροξείδιο του σιδήρου Fe(OH)3, θειικό άλας (SO4-2) και υδρογόνο (H+). Το υδροξείδιο του σιδήρου είναι το ίζημα που συμβάλλει στο έντονο πορτοκαλί χρώμα του AMD.»

Αυτό το τοξικό νερό καθιστά το νερό και, τα ιζήματα των ρεμάτων, ακατάλληλα για πόση και αναψυχή, επηρεάζοντας αρνητικά τον εξοπλισμό εξόρυξης και τα υδάτινα οικοσυστήματα.

Η επεξεργασία της AMD είναι πολύπλοκη, δαπανηρή και δύσκολη, καθώς οι συνθήκες της περιοχής, η σύνθεση του όξινου νερού των ορυχείων και οι μέθοδοι επεξεργασίας ποικίλλουν. Το 2021, η Γερουσία ενέκρινε νομοσχέδιο υποδομών ύψους 11,3 δισεκατομμυρίων δολαρίων για τον καθαρισμό των εγκαταλελειμμένων ανθρακωρυχείων, με προτεραιότητα σε αυτά που ενέχουν κινδύνους για την ασφάλεια και το πόσιμο νερό. Υπολογίζοντας 10,6 δισεκατομμύρια δολάρια σε κόστος κατασκευής, υπάρχει ανάγκη για αποτελεσματική ανίχνευση των υδάτινων σωμάτων προτεραιότητας.

Οι τεχνικές τηλεπισκόπησης μπορούν να συμβάλουν στη βελτίωση της περιβαλλοντικής παρακολούθησης των περιοχών εξόρυξης, και η φασματική επισκόπιση εικόνας μπορεί να αποτελέσει έναν αποτελεσματικό τρόπο εκτίμησης της μόλυνσης που σχετίζεται με την AMD.

'''Προηγούμενες μελέτες:'''

Οι Davies και Calvin (2017) διεξήγαγαν προσομοιώσεις της AMD σε εργαστηριακή κλίμακα για να μελετήσουν τη μοναδική φασματική απόκρισή της σε υδάτινα σώματα ορυχείων. Χρησιμοποίησαν μήκη κύματος ορατού έως μικρού μήκους κύματος υπέρυθρου για να αναλύσουν την ποιότητα του νερού σε λίμνες ορυχείων.

Τα αποτελέσματα έδειξαν ότι οι φασματικές υπογραφές Fe+3 ήταν κυρίαρχες και θα μπορούσαν να χρησιμοποιηθούν για διαγνωστική ταυτοποίηση. Τα μήκη κύματος μεταξύ 350 και 625 nm ήταν ιδιαίτερα χρήσιμα για τον ποσοτικό προσδιορισμό των συγκεντρώσεων Fe+3.

Η μελέτη διαπίστωσε ότι τα AMD και τα τεχνογενή ιζήματα που σχηματίστηκαν κατά την όξυνση είχαν υψηλότερη φασματική ανάκλαση στις περιοχές μηκών κύματος 650-750 nm από τα ουδέτερα νερά. Οι δορυφορικές απεικονίσεις, όπως οι Landsat και Sentinel, παρείχαν υψηλή χρονική ανάλυση και 10 φασματικές ζώνες στην ορατή κοντινή υπέρυθρη περιοχή, γεγονός που τις καθιστά πολύτιμες για τον εντοπισμό της ρύπανσης των υδάτων που σχετίζεται με την AMD.

Οι Blahwar κ.ά. (2012) διαπίστωσαν ότι η καλύτερη εικόνα για την ανάδειξη των ιζημάτων σιδήρου σε ξηρές κοίτες ρευμάτων ήταν ο συνδυασμός των αναλογιών της κόκκινης, πράσινης και μπλε ζώνης.

Η Kopackova (2019) εισήγαγε έναν νέο δείκτη για τα δεδομένα του Sentinel-2, τον Ds-2(AMD), ο οποίος επιτρέπει τη χαρτογράφηση των AMD και τη διαφοροποίηση μεταξύ δευτερογενών ορυκτών όπως ο ιαροσίτης και άλλα οξυϋδροξείδια.

Οι Seifi et al (2019) χρησιμοποίησαν δεδομένα Sentinel-2A και δεδομένα πεδίου για τον εντοπισμό και τη χαρτογράφηση σιδηρούχων ορυκτών για τον προσδιορισμό της παραγωγής AMD.

Η μέθοδος της φασματικής παραμέτρου γωνίας εφαρμόστηκε σε εικόνες Sentinel-2α για τον εντοπισμό ορυκτών AMD και την ταξινόμηση της περιοχής μελέτης. Η συνολική ακρίβεια της χαρτογράφησης με τη χρήση της μεθόδου φασματικής γωνιακής παραμέτρου ήταν 75%. Ωστόσο, οι περιορισμοί της χρήσης δορυφορικών συνόλων δεδομένων, όπως η χωρική ανάλυση και η νέφωση, μπορούν να περιορίσουν την αξιοπιστία των δορυφορικών δεδομένων.

Η υπερφασματική απεικόνιση έχει επεκτείνει τις δυνατότητες τηλεπισκόπησης για την AMD, παρέχοντας υψηλότερη χωρική και φασματική ανάλυση. Αισθητήρες όπως το ''HyMap'' μπορούν να ανιχνεύσουν ορυκτά AMD στο νερό, χρησιμεύοντας ως υποκατάστατα για χαμηλό pH, όξινα νερά ορυχείων και υποπροϊόντα αποβλήτων ορυχείων. Τα δεδομένα RGB με drone μπορούν να εντοπίσουν δευτερογενή ορυκτά AMD όπως ο ιαροσίτης και ο γκετίτης, και η τοπογράφηση με drone είναι μια γρήγορη, μη επεμβατική και φθηνή τεχνική για την χρόνια περιβαλλοντική παρακολούθηση.

Οι βιβλιοθήκες αναφοράς μπορούν να χρησιμοποιηθούν για τη διάγνωση φασμάτων και την αξιολόγηση μιγμάτων ορυκτών. Ωστόσο, τα αερομεταφερόμενα υπερφασματικά δεδομένα έχουν περιορισμούς, καθώς μπορούν να χρησιμοποιηθούν μόνο σε τοπικές περιοχές, σε αντίθεση με τις δορυφορικές παρατηρήσεις της γης που μπορούν να παρακολουθούν μεγάλες γεωγραφικές περιοχές.

'''Πρόταση:'''
Η έρευνα σχετικά με τα δεδομένα τηλεπισκόπησης για την παρακολούθηση των επιπτώσεων της ρύπανσης των υδάτων που σχετίζονται με τα ορυχεία είναι περιορισμένη, ενώ οι μέθοδοι ποικίλλουν μεταξύ δορυφόρων και UAS. Υπάρχει ανάγκη για περισσότερη έρευνα σχετικά με αποτελεσματικές τεχνικές τηλεπισκόπησης για την κατανόηση της παραγωγής ανθρακωρυχείων, τη συλλογή δειγμάτων εδάφους και νερού και την ενσωμάτωση υπερφασματικών εικόνων με δεδομένα πεδίου. Η τακτική παρακολούθηση της όξινης αποστράγγισης ορυχείων και της ποιότητας των υδάτων είναι απαραίτητη για τον εντοπισμό των αναδυόμενων προβλημάτων και την αποκατάσταση των χώρων των ορυχείων. Οι συστάσεις περιλαμβάνουν την αποφυγή επιρροών όπως το φυτικό υλικό ή η ατμόσφαιρα, τη χρήση κορυφών ανάκλασης μεταξύ 570 και 700 nm και την εξέταση των μολυσματικών μετάλλων της ξηρής περιόδου για πιο ακριβή υδατογραφήματα.

'''Κεφάλαιο 5: Αιωρούμενα Ιζήματα'''

Η διαφάνεια των υδάτων είναι ζωτικής σημασίας για την αξιολόγηση της ποιότητας των υδάτων και της υγείας των οικοσυστημάτων, καθώς δείχνει τη διαπερατότητα του φωτός. Τα αιωρούμενα ιζήματα,κυρίαρχο συστατικό στα εσωτερικά και παράκτια ύδατα, επηρεάζουν σημαντικά τη διαύγεια του νερού.

Καθώς οι αστικοί πληθυσμοί αυξάνονται, η παρακολούθηση των υδάτινων οικοσυστημάτων, όπως οι λίμνες, οι λιμνοθάλασσες και οι εκβολές ποταμών, καθίσταται απαραίτητη. Οι ανθρωπογενείς πιέσεις, όπως η ρύπανση, η συσσώρευση ιζημάτων, διαταράσσουν την οικολογική ισορροπία. Τα αιωρούμενα ιζήματα μειώνουν την αποθηκευτική ικανότητα, τον έλεγχο των πλημμυρών και τη διείσδυση του φωτός, επηρεάζοντας τις υδάτινες κοινότητες.

Η τακτική παρακολούθηση των διακυμάνσεων των αιωρούμενων στερεών είναι απαραίτητη για την κατανόηση των επιπτώσεών τους στα υδάτινα οικοσυστήματα και τον μετριασμό του προβλήματος. Οι '''δίσκοι Secchi''' είναι μέθοδος μέτρησης της διαφάνειας των υδάτων που απαιτούν πολύ εργασία και είναι χαμηλής απόδοσης, αλλά η τηλεπισκόπηση μπορεί να χρησιμοποιηθεί για την παρακολούθηση των διακυμάνσεων των αιωρούμενων ιζημάτων. Η τεχνική αυτή μπορεί να εντοπίσει αποτελεσματικότερα περιοχές μεγάλης κλίμακας και υδάτινα σώματα με ποιοτικά προβλήματα. Η δορυφορική τηλεπισκόπηση μπορεί να παρέχει συνοπτικές παρατηρήσεις από τις ορατές έως τις κοντινές υπέρυθρες φασματικές περιοχές, επιτρέποντας τον προσδιορισμό των συγκεντρώσεων των αιωρούμενων ιζημάτων. Οι πληροφορίες αυτές είναι ζωτικής σημασίας για την κατανόηση της δυναμικής της ποιότητας των υδάτων και τη διαχείριση των υδάτινων οικοσυστημάτων.

'''Προηγούμενες μελέτες:'''

Οι οπτικά ενεργές παράμετροι του νερού αξιολογούνται με τη χρήση της συμπεριφοράς του φωτός στα νερά. Η μοριακή σκέδαση του καθαρού νερού ακολουθεί μια παραβολική τάση, με την απορρόφηση να είναι υψηλότερη στο φάσμα από το ερυθρό έως το υπέρυθρο. Το σχήμα και το μέγεθος του νερού επηρεάζονται από το μέγεθος, το σχήμα και τη σύνθεση των σωματιδίων. Η διαφάνεια του δίσκου Secchi συσχετίζεται στενά με τη δορυφορική φασματική-ακτινομετρική παρατήρηση σε λίμνες.

Τα φάσματα κόκκινου έως εγγύς υπέρυθρου είναι καταλληλότερα για την παρακολούθηση των συγκεντρώσεων αιωρούμενων ιζημάτων, καθώς παρέχουν λεπτομερείς πληροφορίες σχετικά με την οριζόντια κατανομή. Πηγές δορυφορικών δεδομένων όπως ο Landsat χρησιμοποιούνται συνήθως για την ανάκτηση της συνολικής συγκέντρωσης αιωρούμενων ιζημάτων.

Για πιο αξιόπιστα αποτελέσματα απαιτούνται πιο εξειδικευμένα μοντέλα. Αναπτύχθηκε ένας νέος αλγόριθμος για την εξ αποστάσεως εκτίμηση των συγκεντρώσεων αιωρούμενων στερεών με βάση δείγματα από λίμνες και ταμιευτήρες σε όλη τη λιμναία ζώνη της Ανατολικής Πεδιάδας στην Κίνα.

Οι '''Jally''' et al. ανέπτυξαν έναν αλγόριθμο για την ανάκτηση δεδομένων συγκέντρωσης αιωρούμενων ιζημάτων με χρήση του Landsat 8 OLI και επιτόπιων μετρήσεων. Το μοντέλο έδειξε ένα παρόμοιο πρότυπο μεταξύ της εκτιμώμενης μέσω δορυφόρου και της παρατηρούμενης in situ SSC, και το Landsat 8 OLI αποτύπωσε την εποχιακή μεταβλητότητα σε όλους τους τομείς της λίμνης. Το μοντέλο γραμμικής παλινδρόμησης πολλαπλών ζωνών με ένα νέο συντελεστή για κάθε τοποθεσία βρέθηκε να είναι το καταλληλότερο για την εκτίμηση της SSC.

Οι Liu κ.ά. (2017) ανέπτυξαν μοντέλα για τη συγκέντρωση αιωρούμενων στερεών χρησιμοποιώντας το Sentinel-2 MSI, διαπιστώνοντας ότι τα μοντέλα που βασίζονται στο B7 στα 783 nm ήταν τα πιο ακριβή.

Οι Cui et al. (2022) χρησιμοποίησαν μια προσέγγιση πολλαπλών αισθητήρων, χρησιμοποιώντας δεδομένα τόσο από το Landsat 8 OLI όσο και από το Sentinel-2 MSI για να καθορίσουν τις καλύτερες μεθόδους ανάκτησης. Διαπιστώθηκε ότι το μοντέλο σημειοκεντρικής παλινδρόμησης με συνελικτικό νευρωνικό δίκτυο ('''PSRCNN''') είχε την καλύτερη απόδοση με μεγαλύτερη ακρίβεια και ευρωστία, αλλά ήταν λιγότερο σταθερό λόγω των περιορισμών των δειγματων.

'''Πρόταση:'''

Η τακτική παρακολούθηση της συγκέντρωσης των αιωρούμενων ιζημάτων με τη χρήση του Landsat 8 OLI μπορεί να βοηθήσει στην αντιμετώπιση περιβαλλοντικών προβλημάτων στις λίμνες, όπως η συσσώρευση ιζημάτων, η αποτελεσματικότητα της εκβάθυνσης, η ανάπτυξη των φυκών, η επίδραση των ιζημάτων στα θαλάσσια χόρτα, η διαφάνεια του νερού και η παραγωγικότητα των λιμνών. Τα δορυφορικά δεδομένα μπορούν να μειώσουν το κόστος των εργασιών πεδίου και να βελτιώσουν την κατανόηση των αντιδράσεων του οικοσυστήματος στις περιβαλλοντικές αλλαγές. Ωστόσο, απαιτείται περαιτέρω έρευνα για την ανάπτυξη αλγορίθμων για πιο αξιόπιστα δεδομένα και η μηχανική μάθηση θα μπορούσε να αποτελέσει χρήσιμο εργαλείο. Μια προσέγγιση πολλαπλών αισθητήρων θα μπορούσε να βελτιώσει τη συχνότητα επανεπισκέψεων στα δεδομένα Landsat, με χρόνο επανεπισκέψεων 2,9 ημέρες.

'''Κεφάλαιο 6: Συζήτηση'''

Το χρώμα του νερού επηρεάζεται από τα αιωρούμενα και διαλυμένα σωματίδια και τους ρύπους, με την άνθιση των φυκιών να εμφανίζεται πράσινη λόγω της περιεκτικότητας σε χλωροφύλλη, την όξινη αποστράγγιση ορυχείων να εμφανίζεται κόκκινη ή πορτοκαλί λόγω της συγκέντρωσης βαρέων μετάλλων και τα αιωρούμενα ιζήματα να εμφανίζονται καφέ ή μαυρισμένα. Το χρωματισμένο νερό αποτελεί ένδειξη κακής ποιότητας νερού, η οποία μπορεί να έχει δυσμενείς επιπτώσεις στην ανθρώπινη υγεία και στο υδάτινο περιβάλλον. Οι επί τόπου μετρήσεις είναι περιορισμένες και υπόκεινται σε σφάλματα.

Η δορυφορική τηλεπισκόπηση προσφέρει μια οικονομικά αποδοτική και προσιτή πλατφόρμα για την παρακολούθηση των γεγονότων ποιότητας του νερού. Ωστόσο, υπάρχουν περιορισμοί, όπως η χαμηλή ανάκλαση του μπλε φωτός και η υψηλή ανάκλαση του κόκκινου φωτός, που υποδηλώνουν κακή ποιότητα νερού. Η ατμοσφαιρική διόρθωση και οι αλγόριθμοι για την απομάκρυνση των επιδράσεων της βλάστησης είναι ουσιώδεις για την επεξεργασία των δεδομένων. Τα Landsat και Sentinel είναι τα πιο αξιόπιστα σύνολα δεδομένων, αλλά το Landsat 9 θα μπορούσε να συμβάλει στη μείωση του χρόνου επανάληψης σε 8 ημέρες. Το AquaSat, μια πλατφόρμα για τη συσχέτιση δεδομένων in situ με δεδομένα Landsat, θα μπορούσε να αποτελέσει ένα ισχυρό εργαλείο για την ανάλυση της ποιότητας των υδάτων.

Η τηλεπισκόπηση για την παρακολούθηση της ποιότητας των υδάτων περιλαμβάνει τη χρήση συγκεκριμένων ζωνών και μηκών κύματος για την ανίχνευση διαφορετικών γεγονότων. Για την ανάπτυξη των φυκών, οι πολλαπλές ζώνες είναι ιδανικές, με κορυφές ανάκλασης γύρω στα 665 και 709 nm. Η μόλυνση που σχετίζεται με την όξινη αποστράγγιση ορυχείων απαιτεί φασματικές ζώνες κόκκινου και κόκκινου άκρου, με μήκη κύματος που κυμαίνονται μεταξύ 570 και 700 nm.

Η ξηρή περίοδος μπορεί να παρέχει τα πιο αξιόπιστα αποτελέσματα για τον προσδιορισμό των υδάτινων σωμάτων ύψιστης προτεραιότητας. Τα φάσματα κόκκινου έως εγγύς υπέρυθρου είναι τα καλύτερα για τα αιωρούμενα ιζήματα, με μήκη κύματος που κυμαίνονται μεταξύ 700 και 800 nm. Η θερμοκρασία του νερού είναι ζωτικής σημασίας για την κατανόηση των φυσικών και βιοχημικών διεργασιών εντός ενός υδάτινου σώματος, επηρεάζοντας τη διαλυτότητα και τα επίπεδα διαλυμένου οξυγόνου.

Η χρήση γης και η κάλυψη γης που περιβάλλουν ένα υδάτινο σώμα παίζουν επίσης ρόλο στον υδρολογικό κύκλο, με την επιφανειακή απορροή να αποτελεί σημαντική πηγή ρύπανσης. Τα πρότυπα του τοπίου μεταβάλλονται συνεχώς και η κλιματική αλλαγή αποτελεί σοβαρή απειλή για τα σημερινά τοπία. Η ποσοτικοποίηση αυτών των χωρικών προτύπων είναι μόνο η αρχή της κατανόησης των οικολογικών διεργασιών, και η καλύτερη κατανόηση και πρακτική μπορεί να βοηθήσει στην ανάπτυξη αποτελεσματικών αιτιών για την ποιότητα των υδάτων και στρατηγικών μετριασμού.

Η δορυφορική τηλεπισκόπηση έχει χρησιμοποιηθεί ευρέως στην έρευνα για την ποιότητα των υδάτων από τη δεκαετία του 1970, αλλά η χρήση της για την τακτική ποιότητα των υδάτων δεν είναι συνηθισμένη. Οι κύριες προκλήσεις περιλαμβάνουν το κόστος, την ακρίβεια των προϊόντων δεδομένων, τη συνέχεια της δορυφορικής αποστολής και την έγκριση της διοίκησης. Οι ερευνητές πήραν συνεντεύξεις από ενδιαφερόμενους φορείς και περιβαλλοντικούς διαχειριστές για να κατανοήσουν γιατί δεν αποτελεί κοινή πρακτική. Το κόστος δεν είναι ευρέως γνωστό και η ακρίβεια αποτελεί σημαντική πρόκληση.

Η αξία της τηλεπισκόπησης έγκειται στη συνοπτική και συχνή κάλυψη πολυάριθμων υδάτινων σωμάτων, ανιχνεύοντας σχετικές αλλαγές και ανώμαλα γεγονότα. Η μελλοντική έρευνα θα πρέπει να επικεντρωθεί στη δημιουργία εργαλείων για την παρακολούθηση και τις τεχνικές συλλογής δεδομένων, στην αντιμετώπιση των κενών γνώσης και στην προώθηση της χρήσης πλατφορμών όπως το Google Earth Engine. Η δημιουργία ενός εργαλείου για την όξινη αποστράγγιση ορυχείων μπορεί να παρέχει δεδομένα για την ιεράρχηση της κατανομής ομοσπονδιακής χρηματοδότησης. Η NASA έχει σημειώσει πρόοδο στην τυποποίηση των μεθόδων για επιτυχημένες αποστολές, αλλά η χρήση της δορυφορικής τηλεπισκόπησης εξαρτάται από το ενδιαφέρον του εργατικού δυναμικού. Η επικοινωνία και η εκπαιδευτική προβολή είναι απαραίτητες για την επέκταση του τομέα και τη διασφάλιση της αξιοπιστίας των τεχνικών τηλεπισκόπησης.

[[category:Ανίχνευση μη σημειακών πηγών ρύπανσης]]

REMOTE SENSING OF WATER COLOR TO ASSESS WATER QUALITY IN A CHANGING CLIMATE

2024-01-29T11:10:00Z

Katerina Stamoulou:

'''REMOTE SENSING OF WATER COLOR TO ASSESS WATER QUALITY IN A CHANGING CLIMATE '''/ ΤΗΛΕΠΙΣΚΌΠΗΣΗ ΓΙΑ ΤΗΝ ΑΞΙΟΛΌΓΗΣΗ ΤΗΣ ΠΟΙΌΤΗΤΑΣ ΤΟΥ ΝΕΡΟΎ, ΜΕΣΑ ΑΠΟ ΤΟ ΧΡΩΜΑ ΤΟΥ ΝΕΡΟΥ,ΣΕ ΈΝΑ ΜΕΤΑΒΑΛΛΌΜΕΝΟ ΚΛΊΜΑ

'''Συγγραφέας:'''CAMERON MURRAY

[https://digitalcommons.uri.edu/theses/2142/ Πηγή ]

'''Περίληψη:''' Αυτή η μελέτη, χρησιμοποιώντας την τεχνολογία των γεωγραφικών συστημάτων πληροφοριών και της τηλεπισκόπησης, προκειμένου να αξιολογήσει την ποιότητα του νερού μέσα από φασματικές εικόνες οι οποίες αποδίδουν κάποια χαρακτηρίστηκα του όπως η ανάπτυξη των φυκιών, η όξινη αποστράγγιση ορυχείων και τα αιωρούμενα ιζήματα. Μέσα από έναν μεγάλο όγκο πληροφοριών που έχουν συλλεχθεί τα προηγούμενα έτη από δορυφόρους, καθιστούν δυνατή την παρακολούθηση αλλαγών στην ποιότητα των υδάτων.

'''Κεφάλαιο 1: Εισαγωγή'''

Το νερό είναι το βασικότερο αγαθό χωρίς το οποίο κανένα πλάσμα δεν μπορεί να ζήσει. Η πρόσβαση στο γλυκό νερό δεν είναι για όλους η ίδια καθώς λιγότερο από το 1% αυτού είναι προσβάσιμο από τον άνθρωπο και μέχρι το 2050 η ζήτηση αναμένεται να αυξηθεί σημαντικά. Η αλλαγή στην ποιότητα του νερού μόνο επιζήμιες επιπτώσεις μπορεί να έχει σε όλους τους τομείς. Αν συμπεριληφθεί και η κλιματική αλλαγή η οποία φέρνει μαζί της αυξημένες θερμοκρασίες και έντονες καταιγίδες, τότε τα προγράμματα για την παρακολούθηση των υδατικών πόρων είναι αναγκαία.

Οι τεχνικές τηλεπισκόπησης, μέσα απο την δυνατότητα για συχνές επανεπισκέψεις, ανάλυση χρονοσειρών και ιστορικά δεδομένα για αναδρομική ανάλυση, αποτελεί ένα πολύτιμο εργαλείο, το οποίο μπορεί να βοηθήσει αποτελεσματικά σε αυτήν την παρακολούθηση περιοχών με προβλήματα ποιότητας νερού.

Ωστόσο, υπάρχει ακόμη χώρος βελτίωσης και αποτελεί μεγάλη πρόκληση η χρήση της τηλεπισκόπησης σε πολύπλοκα υδάτινα συστήματα για την αναγνώριση των οποίων χρειάζεται η κατάλληλη επιλογή αισθητήρων και αλγορίθμων ταξινόμησης και αξιολόγησης. Διαφορετικοί αισθητήρες συλλαμβάνουν ακτινοβολία σε διάφορα μήκη κύματος, μετρώντας διαφορετικούς δείκτες ποιότητας νερού.

Επίσης, μέσα από την αλλαγή των χρωμάτων από τις φασματικές εικόνες η τηλεπισκόπηση μπορεί να τεκμηριώσει αυτές τις αλλαγές και να βοηθήσει στον εντοπισμό της μιας μολυσμένης περιοχής. Αναφέρονται γενικότερα τα οφέλη χρήσης της τηλεπισκόπησης όπως η πρόληψη επιβλαβούς ανάπτυξης φυκών καθώς και η εξοικονόμηση χρόνου και χρήματος, μέσα από την παρακολούθηση της όξινης αποστράγγισης και αιωρούμενων ιζημάτων στο νερό, από ορυχεία.

'''Κεφάλαιο 2: Τεχνολογία δορυφόρων'''

Η τηλεπισκόπηση περιλαμβάνει δύο κατηγορίες:

i)τους εναέριους αισθητήρες, οι οποίοι είναι τοποθετημένοι σε πλατφόρμες εντός της γήινης ατμόσφαιρας, και τους διαστημικούς αισθητήρες, οι οποίοι μεταφέρονται σε δορυφόρους που βρίσκονται σε τροχιά γύρω από τη Γη. Οι αερομεταφερόμενοι αισθητήρες προσφέρουν μια ευέλικτη προσέγγιση στην τηλεπισκόπηση, με υψηλότερη φασματική και χωρική ανάλυση, και μπορούν να διαμορφωθούν ανάλογα με την τοποθεσία της έρευνας. Είναι χρήσιμοι για την έρευνα της ποιότητας των υδάτων, αλλά είναι πολύπλοκοι και δαπανηροί σε σύγκριση με τις διαστημικές έρευνες.

ii)Οι διαστημικοί αισθητήρες είναι χρήσιμοι για πολύχρονες μελέτες και παρακολούθηση των τάσεων στην ποιότητα των υδάτων, αλλά έχουν πιο μικρή φασματική ανάλυση, περιορισμένη νεφοκάλυψη και δυσκολία στην ανάλυση των εικόνων, γεγονός που μπορεί να οδηγήσει σε υπερεκτίμηση ή υποεκτίμηση των παραμέτρων της ποιότητας των υδάτων.

Η παρούσα μελέτη επικεντρώνεται στη δορυφορική τηλεπισκόπηση, με τρεις αισθητήρες να χρησιμοποιούνται συχνότερα: Landsat 8, Sentinel-2 MultiSpectral Instrument (MSI) και Terra & Aqua MODIS. Ο Landsat-8, που εκτοξεύθηκε το 2013, παρέχει εποχιακή κάλυψη του πλανήτη στο ορατό, εγγύς υπέρυθρο, υπέρυθρο μικρού μήκους κύματος και θερμικό υπέρυθρο φάσμα.

[[Αρχείο:pic_4]]

Οι Landsat 9 και Sentinel-2 είναι δύο δορυφόροι που εκτοξεύονται για να συλλέγουν εικόνες της Γης κάθε 8 ημέρες. Ο Landsat 9 σε συνδυασμό με τον Landsat 8 μπορεί να βοηθήσει τους επιστήμονες να λάβουν επιστημονικά τεκμηριωμένες αποφάσεις για βασικά ζητήματα όπως η χρήση του νερού, οι επιπτώσεις των πυρκαγιών, η υποβάθμιση των κοραλλιογενών υφάλων, η υποχώρηση των παγετώνων και η αποψίλωση των τροπικών δασών.

Ο Sentinel-2, που εκτοξεύτηκε το 2015, διαθέτει οπτικοηλεκτρονικό πολυφασματικό αισθητήρα για την αποτύπωση σε ορατές, κοντινές υπέρυθρες και υπέρυθρες φασματικές ζώνες μικρού μήκους κύματος. Η αποστολή επιτρέπει χρόνο επανέλεγχου 5 ημερών στον ισημερινό και 2-3 ημερών στα μεσαία γεωγραφικά πλάτη. Οι δορυφόροι Terra και Aqua χρησιμοποιούν το φασματικής απεικόνισης μέτριας ανάλυσης ('''MODIS''') για να βλέπουν την επιφάνεια της Γης κάθε 1-2 ημέρες, λαμβάνοντας δεδομένα σε 36 φασματικές ζώνες. Παρόλο που το '''MODIS''' δεν είναι τόσο ακριβές όσο τα σύνολα δεδομένων Landsat και Sentinel, η ευρεία διαθεσιμότητά του και τα χαμηλά ποσοστά επανεπισκέψεων το καθιστούν πολύτιμο για πολλές μελέτες.

Οι τεχνικές τηλεπισκόπησης χρησιμοποιούνται όλο και περισσότερο για τη μέτρηση της ποιότητας του νερού. Το '''Aquasat''', ένα πρόγραμμα που αναπτύχθηκε το 2019, χρησιμοποιεί εικόνες Landsat και in situ δείγματα από την πύλη ποιότητας νερού των Ηνωμένων Πολιτειών για να κάνει ακριβείς προβλέψεις της παγκόσμιας ποιότητας του νερού. Οι 600.000 αντιστοιχίσεις επιτρέπουν πιο αξιόπιστες προβλέψεις με βάση μόνο τις εικόνες Landsat.

Το '''AquaSat''' επικεντρώνεται στη χλωροφύλλη, τα ιζήματα, τον διαλυμένο άνθρακα και το βάθος του δίσκου '''Secchi'''. Η ομάδα σχεδιασμού, πρόκειται να ενσωματώσει περισσότερα σύνολα δορυφορικών δεδομένων, όπως το '''MODIS''', για να δημιουργήσει ένα πιο ισχυρό εργαλείο για την αξιολόγηση της ποιότητας των υδάτων. Αυτό το εργαλείο θα μπορούσε να είναι απαραίτητο για όλες τις μελέτες αξιολόγησης της ποιότητας του νερού.

'''Κεφάλαιο 3: Επιβλαβής ανάπτυξη φυκών'''

Η επιβλαβής ανάπτυξη των φυκών ('''HABs''') είναι ένα σημαντικό περιβαλλοντικό ζήτημα στα εσωτερικά υδάτινα σώματα, το οποίο προκαλείται από φωτοσυνθετικούς οργανισμούς που απαιτούν ηλιακό φως και θρεπτικά συστατικά. Αυτές οι μεγενθύσεις, συμβαίνουν την άνοιξη, όταν οι μεγαλύτερες ημέρες παρέχουν ισχυρότερο ηλιακό φως, οδηγώντας σε ευτροφισμό, διαταράσσοντας τον φυσικό κύκλο των βασικών θρεπτικών συστατικών. Καθώς οι οργανισμοί αναπτύσσονται, σχηματίζεται ένα παχύ στρώμα άλγης, που εμποδίζει το ηλιακό φως και αναστέλλει την ανάπτυξη των φωτοσυνθετικών οργανισμών. Η διαδικασία αποσύνθεσης καταναλώνει οξυγόνο, με αποτέλεσμα να δημιουργούνται "νεκρές ζώνες" όπου η υδρόβια ζωή δεν μπορεί να επιβιώσει. Τα κυανοβακτήρια, ο πιο κοινός τύπος HAB, περιέχουν τοξίνες, οι οποίες μπορούν να προκαλέσουν μόλυνση του πόσιμου νερού και των υδατοκαλλιεργειών.

Οι HABs έχουν επίσης οικονομικές και περιβαλλοντικές επιπτώσεις, κοστίζοντας στο έθνος σχεδόν 4,8 δισεκατομμύρια δολάρια ετησίως. Η παγκόσμια αύξηση του μεγέθους και της συχνότητας των HABs (Hydrogenous Algae Blooms) καθιστά αναγκαία την έγκαιρη ανίχνευση και την ολοκληρωμένη παρακολούθηση για την αποτελεσματική διαχείριση και τον μετριασμό των επιπτώσεων. Η κατανόηση της χωρικής και χρονικής κατανομής των HABs είναι ζωτικής σημασίας για αποτελεσματικές τεχνικές μετριασμού. Οι χρωστικές της χλωροφύλλης, οι οποίες αντανακλούν κυρίως το πράσινο, μπορούν να χρησιμοποιηθούν ως οπτικές υπογραφές των ανθίσεων των φυκών.

Οι δορυφορικές μετρήσεις μπορούν να ανιχνεύσουν τα πράσινα μήκη κύματος, παρέχοντας έναν αποτελεσματικό τρόπο παρακολούθησης των HABs. Η τηλεπισκόπηση, η οποία καταγράφηκε για πρώτη φορά στη δεκαετία του 1970, έχει χρησιμοποιηθεί για τον εντοπισμό σωματιδιακών ρύπων, γεγονότων λευκής θάλασσας και χλωροφύλλης.

Ωστόσο, οι περιορισμοί της τηλεπισκόπησης, όπως η νεφοκάλυψη και η αραιή συχνότητα των εικόνων, μπορούν να εξισορροπήσουν με την ενσωμάτωση της υδροδυναμικής και της οικολογικής παρακολούθησης. Μελέτες που χρησιμοποιούν δεδομένα Landsat έχουν δείξει ελπιδοφόρα αποτελέσματα, με αλγορίθμους που βασίζονται στο χρώμα να δείχνουν αξιοπιστία.

Οι Klemas et al. (2012) χρησιμοποίησαν ένα οριακό σημείο για τον εντοπισμό κυανοβακτηρίων στο νερό, αλλά η μέθοδος αυτή αμφισβητείται λόγω των ασαφών ορίων. Άλλοι ερευνητές έχουν χρησιμοποιήσει αισθητήρες όπως τα σύνολα δεδομένων MODIS, Meris και Sentinel, με τους Binding et al. (2018) να χρησιμοποιούν τον δείκτη μέγιστης χλωροφύλλης ('''MCI''') του MERIS για την ποσοτικοποίηση της μέγιστης ακτινοβολίας κοντά στα 700 nm.
Ωστόσο, η ανάμιξη που προκαλείται από τον άνεμο μπορεί να παραμορφώσει τα δορυφορικά δεδομένα, επηρεάζοντας τις μετρήσεις των HABs.

Πρόσφατες μελέτες έχουν αρχίσει να δοκιμάζουν προσεγγίσεις πολλαπλών αισθητήρων για την ανίχνευση των HABs, με τους Coffer et al. (2020), Ma et al. (2021) και Page et al. (2018) να παρουσιάζουν ελπιδοφόρα αποτελέσματα. Οι Coffer κ.ά. χρησιμοποίησαν το MERIS και το Sentinel-3A με έναν αλγόριθμο φασματικού σχήματος, ενώ οι Ma κ.ά. (2021) '''συνδύασαν το Terra/Aqua Modis, το Landsat 8 OLI και το Sentinel-2A/B MSI''', με αποτέλεσμα την αποδοτικότερη και ακριβέστερη επεξεργασία δεδομένων.

Η βιβλιογραφία υποδεικνύει ότι οι '''καλύτεροι αισθητήρες''' για την ανίχνευση της άνθισης των φυκών είναι εκείνοι με περισσότερα κανάλια των οποίων τα μήκη κυμαίνονται μεταξύ 550 και 700 nm για την μέγιστη ανάκλαση. Η ατμοσφαιρική διόρθωση είναι ζωτικής σημασίας για ακριβείς μετρήσεις και ο δείκτης επιπλέουσας άλγης ('''FLI''') για το MODIS είναι ανεξάρτητος από τον αισθητήρα.

Μια προσέγγιση πολλαπλών αισθητήρων μπορεί να παρέχει υψηλότερη συχνότητα παρατήρησης και λεπτομερέστερες χωρικές πληροφορίες, αλλά απαιτείται περισσότερη έρευνα για την εξεύρεση κατάλληλων αλγορίθμων. Οι δοκιμές επί τόπου είναι ζωτικής σημασίας για την επικύρωση των αποτελεσμάτων και την πρόοδο των τεχνικών τηλεπισκόπησης.

'''Κεφάλαιο 4: Όξινες αποστραγγίσεις ορυχείων'''

Η όξινη αποστράγγιση ορυχείων ('''AMD''') είναι ένας σημαντικός περιβαλλοντικός κίνδυνος, δεύτερος μετά την υπερθέρμανση του πλανήτη και την καταστροφή του όζοντος. Οι εξορυκτικές δραστηριότητες προκαλούν ζημιές στην επιφάνεια της γης και στο υπέδαφος, επηρεάζοντας περίπου 19.300 χιλιόμετρα ρεμάτων, ποταμών και λιμνών παγκοσμίως. Στις ΗΠΑ, χιλιάδες εγκαταλελειμμένα ανθρακωρυχεία έχουν μολύνει ποτάμια και ρέματα για δεκαετίες. Το όξινο νερό από τις εξορυκτικές δραστηριότητες αντιδρά με τις θειικές ενώσεις, προκαλώντας τη διάλυση βαρέων μετάλλων και προκαλώντας υψηλά επίπεδα ολικών διαλυμένων στερεών και μόλυνσης από μέταλλα.

«Η χημική εξίσωση για αυτές τις αντιδράσεις φαίνεται παρακάτω:

4FeS2 + 15O2 + 14H2O → 4Fe(OH)3 + 4SO4-2 + 16H+

Τα αντιδρώντα αυτής της εξίσωσης αντιπροσωπεύονται από τον πυρίτη, από την εξορυκτική δραστηριότητα (FeS2) που έρχεται σε επαφή με το οξυγόνο του αέρα (O2) και το νερό (H2O). Η αντίδραση μεταξύ αυτών των τριών στοιχείων παράγει υδροξείδιο του σιδήρου Fe(OH)3, θειικό άλας (SO4-2) και υδρογόνο (H+). Το υδροξείδιο του σιδήρου είναι το ίζημα που συμβάλλει στο έντονο πορτοκαλί χρώμα του AMD.»

Αυτό το τοξικό νερό καθιστά το νερό και, τα ιζήματα των ρεμάτων, ακατάλληλα για πόση και αναψυχή, επηρεάζοντας αρνητικά τον εξοπλισμό εξόρυξης και τα υδάτινα οικοσυστήματα.

Η επεξεργασία της AMD είναι πολύπλοκη, δαπανηρή και δύσκολη, καθώς οι συνθήκες της περιοχής, η σύνθεση του όξινου νερού των ορυχείων και οι μέθοδοι επεξεργασίας ποικίλλουν. Το 2021, η Γερουσία ενέκρινε νομοσχέδιο υποδομών ύψους 11,3 δισεκατομμυρίων δολαρίων για τον καθαρισμό των εγκαταλελειμμένων ανθρακωρυχείων, με προτεραιότητα σε αυτά που ενέχουν κινδύνους για την ασφάλεια και το πόσιμο νερό. Υπολογίζοντας 10,6 δισεκατομμύρια δολάρια σε κόστος κατασκευής, υπάρχει ανάγκη για αποτελεσματική ανίχνευση των υδάτινων σωμάτων προτεραιότητας.

Οι τεχνικές τηλεπισκόπησης μπορούν να συμβάλουν στη βελτίωση της περιβαλλοντικής παρακολούθησης των περιοχών εξόρυξης, και η φασματική επισκόπιση εικόνας μπορεί να αποτελέσει έναν αποτελεσματικό τρόπο εκτίμησης της μόλυνσης που σχετίζεται με την AMD.

'''Προηγούμενες μελέτες:'''

Οι Davies και Calvin (2017) διεξήγαγαν προσομοιώσεις της AMD σε εργαστηριακή κλίμακα για να μελετήσουν τη μοναδική φασματική απόκρισή της σε υδάτινα σώματα ορυχείων. Χρησιμοποίησαν μήκη κύματος ορατού έως μικρού μήκους κύματος υπέρυθρου για να αναλύσουν την ποιότητα του νερού σε λίμνες ορυχείων.

Τα αποτελέσματα έδειξαν ότι οι φασματικές υπογραφές Fe+3 ήταν κυρίαρχες και θα μπορούσαν να χρησιμοποιηθούν για διαγνωστική ταυτοποίηση. Τα μήκη κύματος μεταξύ 350 και 625 nm ήταν ιδιαίτερα χρήσιμα για τον ποσοτικό προσδιορισμό των συγκεντρώσεων Fe+3.

Η μελέτη διαπίστωσε ότι τα AMD και τα τεχνογενή ιζήματα που σχηματίστηκαν κατά την όξυνση είχαν υψηλότερη φασματική ανάκλαση στις περιοχές μηκών κύματος 650-750 nm από τα ουδέτερα νερά. Οι δορυφορικές απεικονίσεις, όπως οι Landsat και Sentinel, παρείχαν υψηλή χρονική ανάλυση και 10 φασματικές ζώνες στην ορατή κοντινή υπέρυθρη περιοχή, γεγονός που τις καθιστά πολύτιμες για τον εντοπισμό της ρύπανσης των υδάτων που σχετίζεται με την AMD.

Οι Blahwar κ.ά. (2012) διαπίστωσαν ότι η καλύτερη εικόνα για την ανάδειξη των ιζημάτων σιδήρου σε ξηρές κοίτες ρευμάτων ήταν ο συνδυασμός των αναλογιών της κόκκινης, πράσινης και μπλε ζώνης.

Η Kopackova (2019) εισήγαγε έναν νέο δείκτη για τα δεδομένα του Sentinel-2, τον Ds-2(AMD), ο οποίος επιτρέπει τη χαρτογράφηση των AMD και τη διαφοροποίηση μεταξύ δευτερογενών ορυκτών όπως ο ιαροσίτης και άλλα οξυϋδροξείδια.

Οι Seifi et al (2019) χρησιμοποίησαν δεδομένα Sentinel-2A και δεδομένα πεδίου για τον εντοπισμό και τη χαρτογράφηση σιδηρούχων ορυκτών για τον προσδιορισμό της παραγωγής AMD.

Η μέθοδος της φασματικής παραμέτρου γωνίας εφαρμόστηκε σε εικόνες Sentinel-2α για τον εντοπισμό ορυκτών AMD και την ταξινόμηση της περιοχής μελέτης. Η συνολική ακρίβεια της χαρτογράφησης με τη χρήση της μεθόδου φασματικής γωνιακής παραμέτρου ήταν 75%. Ωστόσο, οι περιορισμοί της χρήσης δορυφορικών συνόλων δεδομένων, όπως η χωρική ανάλυση και η νέφωση, μπορούν να περιορίσουν την αξιοπιστία των δορυφορικών δεδομένων.

Η υπερφασματική απεικόνιση έχει επεκτείνει τις δυνατότητες τηλεπισκόπησης για την AMD, παρέχοντας υψηλότερη χωρική και φασματική ανάλυση. Αισθητήρες όπως το ''HyMap'' μπορούν να ανιχνεύσουν ορυκτά AMD στο νερό, χρησιμεύοντας ως υποκατάστατα για χαμηλό pH, όξινα νερά ορυχείων και υποπροϊόντα αποβλήτων ορυχείων. Τα δεδομένα RGB με drone μπορούν να εντοπίσουν δευτερογενή ορυκτά AMD όπως ο ιαροσίτης και ο γκετίτης, και η τοπογράφηση με drone είναι μια γρήγορη, μη επεμβατική και φθηνή τεχνική για την χρόνια περιβαλλοντική παρακολούθηση.

Οι βιβλιοθήκες αναφοράς μπορούν να χρησιμοποιηθούν για τη διάγνωση φασμάτων και την αξιολόγηση μιγμάτων ορυκτών. Ωστόσο, τα αερομεταφερόμενα υπερφασματικά δεδομένα έχουν περιορισμούς, καθώς μπορούν να χρησιμοποιηθούν μόνο σε τοπικές περιοχές, σε αντίθεση με τις δορυφορικές παρατηρήσεις της γης που μπορούν να παρακολουθούν μεγάλες γεωγραφικές περιοχές.

'''Πρόταση:'''
Η έρευνα σχετικά με τα δεδομένα τηλεπισκόπησης για την παρακολούθηση των επιπτώσεων της ρύπανσης των υδάτων που σχετίζονται με τα ορυχεία είναι περιορισμένη, ενώ οι μέθοδοι ποικίλλουν μεταξύ δορυφόρων και UAS. Υπάρχει ανάγκη για περισσότερη έρευνα σχετικά με αποτελεσματικές τεχνικές τηλεπισκόπησης για την κατανόηση της παραγωγής ανθρακωρυχείων, τη συλλογή δειγμάτων εδάφους και νερού και την ενσωμάτωση υπερφασματικών εικόνων με δεδομένα πεδίου. Η τακτική παρακολούθηση της όξινης αποστράγγισης ορυχείων και της ποιότητας των υδάτων είναι απαραίτητη για τον εντοπισμό των αναδυόμενων προβλημάτων και την αποκατάσταση των χώρων των ορυχείων. Οι συστάσεις περιλαμβάνουν την αποφυγή επιρροών όπως το φυτικό υλικό ή η ατμόσφαιρα, τη χρήση κορυφών ανάκλασης μεταξύ 570 και 700 nm και την εξέταση των μολυσματικών μετάλλων της ξηρής περιόδου για πιο ακριβή υδατογραφήματα.

'''Κεφάλαιο 5: Αιωρούμενα Ιζήματα'''

Η διαφάνεια των υδάτων είναι ζωτικής σημασίας για την αξιολόγηση της ποιότητας των υδάτων και της υγείας των οικοσυστημάτων, καθώς δείχνει τη διαπερατότητα του φωτός. Τα αιωρούμενα ιζήματα,κυρίαρχο συστατικό στα εσωτερικά και παράκτια ύδατα, επηρεάζουν σημαντικά τη διαύγεια του νερού.

Καθώς οι αστικοί πληθυσμοί αυξάνονται, η παρακολούθηση των υδάτινων οικοσυστημάτων, όπως οι λίμνες, οι λιμνοθάλασσες και οι εκβολές ποταμών, καθίσταται απαραίτητη. Οι ανθρωπογενείς πιέσεις, όπως η ρύπανση, η συσσώρευση ιζημάτων, διαταράσσουν την οικολογική ισορροπία. Τα αιωρούμενα ιζήματα μειώνουν την αποθηκευτική ικανότητα, τον έλεγχο των πλημμυρών και τη διείσδυση του φωτός, επηρεάζοντας τις υδάτινες κοινότητες.

Η τακτική παρακολούθηση των διακυμάνσεων των αιωρούμενων στερεών είναι απαραίτητη για την κατανόηση των επιπτώσεών τους στα υδάτινα οικοσυστήματα και τον μετριασμό του προβλήματος. Οι '''δίσκοι Secchi''' είναι μέθοδος μέτρησης της διαφάνειας των υδάτων που απαιτούν πολύ εργασία και είναι χαμηλής απόδοσης, αλλά η τηλεπισκόπηση μπορεί να χρησιμοποιηθεί για την παρακολούθηση των διακυμάνσεων των αιωρούμενων ιζημάτων. Η τεχνική αυτή μπορεί να εντοπίσει αποτελεσματικότερα περιοχές μεγάλης κλίμακας και υδάτινα σώματα με ποιοτικά προβλήματα. Η δορυφορική τηλεπισκόπηση μπορεί να παρέχει συνοπτικές παρατηρήσεις από τις ορατές έως τις κοντινές υπέρυθρες φασματικές περιοχές, επιτρέποντας τον προσδιορισμό των συγκεντρώσεων των αιωρούμενων ιζημάτων. Οι πληροφορίες αυτές είναι ζωτικής σημασίας για την κατανόηση της δυναμικής της ποιότητας των υδάτων και τη διαχείριση των υδάτινων οικοσυστημάτων.

'''Προηγούμενες μελέτες:'''

Οι οπτικά ενεργές παράμετροι του νερού αξιολογούνται με τη χρήση της συμπεριφοράς του φωτός στα νερά. Η μοριακή σκέδαση του καθαρού νερού ακολουθεί μια παραβολική τάση, με την απορρόφηση να είναι υψηλότερη στο φάσμα από το ερυθρό έως το υπέρυθρο. Το σχήμα και το μέγεθος του νερού επηρεάζονται από το μέγεθος, το σχήμα και τη σύνθεση των σωματιδίων. Η διαφάνεια του δίσκου Secchi συσχετίζεται στενά με τη δορυφορική φασματική-ακτινομετρική παρατήρηση σε λίμνες.

Τα φάσματα κόκκινου έως εγγύς υπέρυθρου είναι καταλληλότερα για την παρακολούθηση των συγκεντρώσεων αιωρούμενων ιζημάτων, καθώς παρέχουν λεπτομερείς πληροφορίες σχετικά με την οριζόντια κατανομή. Πηγές δορυφορικών δεδομένων όπως ο Landsat χρησιμοποιούνται συνήθως για την ανάκτηση της συνολικής συγκέντρωσης αιωρούμενων ιζημάτων.

Για πιο αξιόπιστα αποτελέσματα απαιτούνται πιο εξειδικευμένα μοντέλα. Αναπτύχθηκε ένας νέος αλγόριθμος για την εξ αποστάσεως εκτίμηση των συγκεντρώσεων αιωρούμενων στερεών με βάση δείγματα από λίμνες και ταμιευτήρες σε όλη τη λιμναία ζώνη της Ανατολικής Πεδιάδας στην Κίνα.

Οι '''Jally''' et al. ανέπτυξαν έναν αλγόριθμο για την ανάκτηση δεδομένων συγκέντρωσης αιωρούμενων ιζημάτων με χρήση του Landsat 8 OLI και επιτόπιων μετρήσεων. Το μοντέλο έδειξε ένα παρόμοιο πρότυπο μεταξύ της εκτιμώμενης μέσω δορυφόρου και της παρατηρούμενης in situ SSC, και το Landsat 8 OLI αποτύπωσε την εποχιακή μεταβλητότητα σε όλους τους τομείς της λίμνης. Το μοντέλο γραμμικής παλινδρόμησης πολλαπλών ζωνών με ένα νέο συντελεστή για κάθε τοποθεσία βρέθηκε να είναι το καταλληλότερο για την εκτίμηση της SSC.

Οι Liu κ.ά. (2017) ανέπτυξαν μοντέλα για τη συγκέντρωση αιωρούμενων στερεών χρησιμοποιώντας το Sentinel-2 MSI, διαπιστώνοντας ότι τα μοντέλα που βασίζονται στο B7 στα 783 nm ήταν τα πιο ακριβή.

Οι Cui et al. (2022) χρησιμοποίησαν μια προσέγγιση πολλαπλών αισθητήρων, χρησιμοποιώντας δεδομένα τόσο από το Landsat 8 OLI όσο και από το Sentinel-2 MSI για να καθορίσουν τις καλύτερες μεθόδους ανάκτησης. Διαπιστώθηκε ότι το μοντέλο σημειοκεντρικής παλινδρόμησης με συνελικτικό νευρωνικό δίκτυο ('''PSRCNN''') είχε την καλύτερη απόδοση με μεγαλύτερη ακρίβεια και ευρωστία, αλλά ήταν λιγότερο σταθερό λόγω των περιορισμών των δειγματων.

'''Πρόταση:'''

Η τακτική παρακολούθηση της συγκέντρωσης των αιωρούμενων ιζημάτων με τη χρήση του Landsat 8 OLI μπορεί να βοηθήσει στην αντιμετώπιση περιβαλλοντικών προβλημάτων στις λίμνες, όπως η συσσώρευση ιζημάτων, η αποτελεσματικότητα της εκβάθυνσης, η ανάπτυξη των φυκών, η επίδραση των ιζημάτων στα θαλάσσια χόρτα, η διαφάνεια του νερού και η παραγωγικότητα των λιμνών. Τα δορυφορικά δεδομένα μπορούν να μειώσουν το κόστος των εργασιών πεδίου και να βελτιώσουν την κατανόηση των αντιδράσεων του οικοσυστήματος στις περιβαλλοντικές αλλαγές. Ωστόσο, απαιτείται περαιτέρω έρευνα για την ανάπτυξη αλγορίθμων για πιο αξιόπιστα δεδομένα και η μηχανική μάθηση θα μπορούσε να αποτελέσει χρήσιμο εργαλείο. Μια προσέγγιση πολλαπλών αισθητήρων θα μπορούσε να βελτιώσει τη συχνότητα επανεπισκέψεων στα δεδομένα Landsat, με χρόνο επανεπισκέψεων 2,9 ημέρες.

'''Κεφάλαιο 6: Συζήτηση'''

Το χρώμα του νερού επηρεάζεται από τα αιωρούμενα και διαλυμένα σωματίδια και τους ρύπους, με την άνθιση των φυκιών να εμφανίζεται πράσινη λόγω της περιεκτικότητας σε χλωροφύλλη, την όξινη αποστράγγιση ορυχείων να εμφανίζεται κόκκινη ή πορτοκαλί λόγω της συγκέντρωσης βαρέων μετάλλων και τα αιωρούμενα ιζήματα να εμφανίζονται καφέ ή μαυρισμένα. Το χρωματισμένο νερό αποτελεί ένδειξη κακής ποιότητας νερού, η οποία μπορεί να έχει δυσμενείς επιπτώσεις στην ανθρώπινη υγεία και στο υδάτινο περιβάλλον. Οι επί τόπου μετρήσεις είναι περιορισμένες και υπόκεινται σε σφάλματα.

Η δορυφορική τηλεπισκόπηση προσφέρει μια οικονομικά αποδοτική και προσιτή πλατφόρμα για την παρακολούθηση των γεγονότων ποιότητας του νερού. Ωστόσο, υπάρχουν περιορισμοί, όπως η χαμηλή ανάκλαση του μπλε φωτός και η υψηλή ανάκλαση του κόκκινου φωτός, που υποδηλώνουν κακή ποιότητα νερού. Η ατμοσφαιρική διόρθωση και οι αλγόριθμοι για την απομάκρυνση των επιδράσεων της βλάστησης είναι ουσιώδεις για την επεξεργασία των δεδομένων. Τα Landsat και Sentinel είναι τα πιο αξιόπιστα σύνολα δεδομένων, αλλά το Landsat 9 θα μπορούσε να συμβάλει στη μείωση του χρόνου επανάληψης σε 8 ημέρες. Το AquaSat, μια πλατφόρμα για τη συσχέτιση δεδομένων in situ με δεδομένα Landsat, θα μπορούσε να αποτελέσει ένα ισχυρό εργαλείο για την ανάλυση της ποιότητας των υδάτων.

Η τηλεπισκόπηση για την παρακολούθηση της ποιότητας των υδάτων περιλαμβάνει τη χρήση συγκεκριμένων ζωνών και μηκών κύματος για την ανίχνευση διαφορετικών γεγονότων. Για την ανάπτυξη των φυκών, οι πολλαπλές ζώνες είναι ιδανικές, με κορυφές ανάκλασης γύρω στα 665 και 709 nm. Η μόλυνση που σχετίζεται με την όξινη αποστράγγιση ορυχείων απαιτεί φασματικές ζώνες κόκκινου και κόκκινου άκρου, με μήκη κύματος που κυμαίνονται μεταξύ 570 και 700 nm.

Η ξηρή περίοδος μπορεί να παρέχει τα πιο αξιόπιστα αποτελέσματα για τον προσδιορισμό των υδάτινων σωμάτων ύψιστης προτεραιότητας. Τα φάσματα κόκκινου έως εγγύς υπέρυθρου είναι τα καλύτερα για τα αιωρούμενα ιζήματα, με μήκη κύματος που κυμαίνονται μεταξύ 700 και 800 nm. Η θερμοκρασία του νερού είναι ζωτικής σημασίας για την κατανόηση των φυσικών και βιοχημικών διεργασιών εντός ενός υδάτινου σώματος, επηρεάζοντας τη διαλυτότητα και τα επίπεδα διαλυμένου οξυγόνου.

Η χρήση γης και η κάλυψη γης που περιβάλλουν ένα υδάτινο σώμα παίζουν επίσης ρόλο στον υδρολογικό κύκλο, με την επιφανειακή απορροή να αποτελεί σημαντική πηγή ρύπανσης. Τα πρότυπα του τοπίου μεταβάλλονται συνεχώς και η κλιματική αλλαγή αποτελεί σοβαρή απειλή για τα σημερινά τοπία. Η ποσοτικοποίηση αυτών των χωρικών προτύπων είναι μόνο η αρχή της κατανόησης των οικολογικών διεργασιών, και η καλύτερη κατανόηση και πρακτική μπορεί να βοηθήσει στην ανάπτυξη αποτελεσματικών αιτιών για την ποιότητα των υδάτων και στρατηγικών μετριασμού.

Η δορυφορική τηλεπισκόπηση έχει χρησιμοποιηθεί ευρέως στην έρευνα για την ποιότητα των υδάτων από τη δεκαετία του 1970, αλλά η χρήση της για την τακτική ποιότητα των υδάτων δεν είναι συνηθισμένη. Οι κύριες προκλήσεις περιλαμβάνουν το κόστος, την ακρίβεια των προϊόντων δεδομένων, τη συνέχεια της δορυφορικής αποστολής και την έγκριση της διοίκησης. Οι ερευνητές πήραν συνεντεύξεις από ενδιαφερόμενους φορείς και περιβαλλοντικούς διαχειριστές για να κατανοήσουν γιατί δεν αποτελεί κοινή πρακτική. Το κόστος δεν είναι ευρέως γνωστό και η ακρίβεια αποτελεί σημαντική πρόκληση.

Η αξία της τηλεπισκόπησης έγκειται στη συνοπτική και συχνή κάλυψη πολυάριθμων υδάτινων σωμάτων, ανιχνεύοντας σχετικές αλλαγές και ανώμαλα γεγονότα. Η μελλοντική έρευνα θα πρέπει να επικεντρωθεί στη δημιουργία εργαλείων για την παρακολούθηση και τις τεχνικές συλλογής δεδομένων, στην αντιμετώπιση των κενών γνώσης και στην προώθηση της χρήσης πλατφορμών όπως το Google Earth Engine. Η δημιουργία ενός εργαλείου για την όξινη αποστράγγιση ορυχείων μπορεί να παρέχει δεδομένα για την ιεράρχηση της κατανομής ομοσπονδιακής χρηματοδότησης. Η NASA έχει σημειώσει πρόοδο στην τυποποίηση των μεθόδων για επιτυχημένες αποστολές, αλλά η χρήση της δορυφορικής τηλεπισκόπησης εξαρτάται από το ενδιαφέρον του εργατικού δυναμικού. Η επικοινωνία και η εκπαιδευτική προβολή είναι απαραίτητες για την επέκταση του τομέα και τη διασφάλιση της αξιοπιστίας των τεχνικών τηλεπισκόπησης.

[[category:Ανίχνευση μη σημειακών πηγών ρύπανσης]]

Water leak detection

2024-01-29T11:06:00Z

Katerina Stamoulou: Η Water leak detection μετακινήθηκε στη θέση Multispectral Optical Remote Sensing for Water-Leak Detection

#ΑΝΑΚΑΤΕΥΘΥΝΣΗ [[Multispectral Optical Remote Sensing for Water-Leak Detection]]

Multispectral Optical Remote Sensing for Water-Leak Detection

2024-01-29T11:06:00Z

Katerina Stamoulou: Η Water leak detection μετακινήθηκε στη θέση Multispectral Optical Remote Sensing for Water-Leak Detection

'''Multispectral Optical Remote Sensing for Water-Leak Detection'''/
«Πολυφασματική Οπτική Απομακρυσμένη Ανίχνευση για τον Εντοπισμό Διαρροών Νερού»

'''Συγγραφείς:'''Jean-Claude Krapez, Javier Sanchis Muñoz, Christophe Mazel, Christian Chatelard, Philippe Déliot,
Yves-Michel Frédéric, Philippe Barillot, Franck Hélias, Juan Barba Polo, Vincent Olichon, Guillaume Serra,
Céline Brignolles, Alexandra Carvalho, Duarte Carreira, Anabela Oliveira, Elsa Alves,
André B. Fortunato, Alberto Azevedo, Paolo Benetazzo, Alessandro Bertoni and Isabelle Le Goff.

[https://www.researchgate.net/publication/358224497_Multispectral_Optical_Remote_Sensing_for_Water-Leak_Detection Πηγή]

'''Περίληψη Έρευνας:'''Σκοπός της εργασίας αυτής είναι η ανάπτυξη μιας υπηρεσίας οπτικής αεροπορικής ανίχνευσης διαρροών νερού (WADI—Water-tightness Airborne Detection Implementation/Υλοποίηση Αεροπορικού Εντοπισμού Διαρροής), μιας και η απώλεια νερού συνεπάγεται εξάντληση φυσικών πόρων και να παρέχει στις υδροδοτικές επιχειρήσεις ακριβείς και έγκαιρες πληροφορίες σχετικά με τις διαρροές στα κύρια δίκτυα μεταφοράς νερού εκτός αστικών περιοχών. Η μεθοδολογία περιλαμβάνει μετρήσεις με υπερφασματικές κάμερες και τη χρήση της Μεθόδου Τριγώνου και της Μεθόδου Τραπεζοειδούς για την ανίχνευση υψηλής υγρασίας, η οποία υποδεικνύει πιθανές διαρροές νερού. Μετά από πολλές δοκιμές, ο δείκτης Θερμοκρασίας-Φυτικότητας (T-VI), γνωστός και ώς μέθοδος τριγώνου/τραπεζοειδής μέθοδος, είναι πιο αποτελεσματικός. Αφού προσαρμόστηκε ο κατάλληλος εξοπλισμός σε αεροσκάφη(2 τύποι αέριων πλατφορμών:MAV και UAV, αναλύονται στην έρευνα), καταγράφτηκαν μετρήσεις πάνω από υδροδοτικά δίκτυα της Γαλλίας και της Πορτογαλίας. Αναλύοντας τα αποτελέσματα, καταλήγουν πως είναι εφικτός ο εντοπισμός τεχνιτών αλλά και πραγματικών διαρροών, αν και υπήρξαν και σφάλματα λόγω αυξημένης υγρασίας από φυσική ροή νερού ή από αυξημένη βλάστηση, παρόλα αυτά, μελλοντικά, με την συνεργασία των υδροδοτικών επιχειρήσεων καθώς και με την χρήση τοπογραφικών πληροφοριών, η μέθοδος εντοπισμού μπορεί να βελτιωθεί αρκετά και να μειωθούν αντίστοιχα και οι εσφαλμένες μετρήσεις-συναγερμοί διαρροής-.-.

'''''Λέξεις-κλειδιά:''' απομακρυσμένη ανίχνευση, διαρροή νερού, υπέρυθρη ακτινοβολία, Μέθοδος Τριγώνου, Μέθοδος Τραπεζοειδούς, υγρασία εδάφους, εξάτμιση, θερμική.
''

'''ΕΝΟΤΗΤΑ 1:'''

Η βελτιωμένη διαχείριση διαρροών μπορεί να αυξήσει την απόδοση του δικτύου, αλλά και να προστατεύσει την σπατάλη των φυσικών πόρων. Στην Ευρώπη, για παράδειγμα, οι ποσοστώσεις διαρροών διαφέρουν από 7% έως 50% ή περισσότερο, ενώ πολλές πόλεις υπερεκμεταλλεύονται τους υδροφόρους πόρους τους και πολλοί υγρότοποι απειλούνται.

Επιβάλλεται, λοιπόν, η αποτελεσματική και βιώσιμη χρήση των υδατικών πόρων προκειμένου να αντιμετωπιστούν αυτές οι προκλήσεις.
Παρά τις σημαντικές βελτιώσεις στην κατανόηση των οικονομικών απωλειών του συστήματος διανομής νερού, υπάρχουν περιορισμένες πληροφορίες σχετικά με την έκταση της διαρροής δικτύου μεταφοράς και τον τρόπο ποσοτικοποίησης και διαχείρισής της.

Επιπλέον, οι επίγειες μέθοδοι ανίχνευσης διαρροών, μέχρι τώρα πραγματοποιείτο με διάφορες τεχνικές μεθόδους εδάφους όπως την μέτρηση διαφορών πίεσης μεταξύ δύο βαλβίδων, μέσω του ήχου, με εδαφοδιεισδητικού ραντάρ ή με έγχυση αερίου. Στην πραγματικότητα, αυτές οι μέθοδοι, είναι συχνά δύσκολες και ανεπαρκείς για το δίκτυο μετάδοσης λόγω χαμηλής πίεσης, χαμηλής συχνότητας θορύβου, μεγάλης διαμέτρου, μη μεταλλικού υλικού και λίγων σημείων επαφής για ακουστική παρακολούθηση.

Ως εκ τούτου, υπάρχει ανάγκη για ανάπτυξη μεθόδων επιτήρησης δικτύου μεταφοράς που επιταχύνουν την παρακολούθηση των αγωγών
και των καναλιών με οικονομικά και χρονικά, αποδοτικό τρόπο. Οι τεχνικές τηλεπισκόπησης είναι ικανές να ανιχνεύσουν αλλαγές στην περιεκτικότητα του νερού στο έδαφος και την βλάστηση, αφού οι αερομεταφερόμενοι ενεργητικοί ή παθητικοί δέκτες είναι ευαίσθητοι στην διηλεκτρική σταθερά του εδάφους, άρα και στην υγρασία, και παρέχουν καλύτερες χωροχρονικές καλύψεις από τις επίγειες μεθόδους ανίχνευσης.

Οι οπτικές μέθοδοι έρχονται να καλύψουν τη δυσκολία καθώς παρατηρώντας μια φασματική εικόνα παρουσιάζεται διαφορά στα υγρά και ξηρά εδάφη, με τα πρώτα να είναι πιο σκοτεινά/σκούρα. Εδώ και σαράντα, σχεδόν, χρόνια γίνεται χρήση θερμικών εικόνων TIR για τον εντοπισμό διαρροών νερού κατά μήκος υδραγωγείων, κανάλια και αναχώματα. Από τις 39 πιθανών θέσεων εντοπισμένων διαρροών, 12 επαληθεύτηκαν ώς πραγματικές δίνοντας στην τεχνική αυτή μια ακρίβεια 31% με ένα 69% θετικά ψευδές αποτέλεσμα. Κατά τη διαδικασία επιτόπιας επισκόπησης, δεν εντοπίστηκαν άλλα σημεία διαρροής. Παρά την χαμηλή ακρίβεια ανίχνευσης, εν τούτοις, ο χρόνος εξοικονόμησης για τον έλεγχο των συγκεκριμένων σημείων, αντί ολόκληρου του δικτύου για τις διαρροές, ήταν πραγματικά πολύ μεγάλος. Επιπροσθέτως, προτάθηκε ο συνδυασμός έγχρωμης εικόνας και θερμικών εικόνων, προκειμένου να ελαχιστοποιηθούν τα σφάλματα ερμηνείας.

Έτσι, στις τελευταίες μελέτες συνδυάζονται TIR με κάμερες στο ορατό και στο εγγύς υπέρυθρο φάσμα, πολυφασματικές και υπερφασματικές κάμερες ή μέσω πολυφασματικού αισθητήρα που εκτείνεται από το ορατό ως το θερμικό υπέρυθρο. Τα δεδομένα εναέριας τηλεπισκόπησης ερμηνεύονται με συνδυασμένη ανάλυση από δορυφορικές εικόνες LANDSAT και από το google earth. Οι πρόσθετες φασματικές ζώνες ορατές στο SWIR, χρησιμοποιήθηκαν ως αυτόνομες πληροφορίες ή συγχωνεύτηκαν για να παρέχουν διάφορους δείκτες όπως οι γνωστοί δείκτες βλάστησης ή δείκτες υγρασίας ('''NDVI''', '''MSAVI''', '''CRI''', '''SRWI''', '''WBI''', '''NIRRR''' κ.λπ.).Οπότε, πρόσθετες πληροφορίες επέτρεψαν την αύξηση της απόδοσης του TIR μειώνοντας τον αριθμό ψευδών ανιχνεύσεων, για παράδειγμα βοηθώντας στον εντοπισμό τοποθεσιών που ήταν πιθανές να συγχέεται με τη διαρροή στις θερμικές εικόνες (π.χ. πυκνή βλάστηση).

Με απλή επεξεργασία σε κάποιον δείκτη βλάστησης, (δηλαδή '''NDVI'''), οι εικόνες σε NIR και Red, μπορούσαν να διαφοροποιήσουν το δέντρο και τη σκιά από τις κοντινές περιοχές διαρροής, κάτι που η θερμική εικόνα δεν μπορούσε να το κάνει. Το αποτέλεσμα ήταν να επιτευχθεί ένα ποσοστό επιτυχίας 93% για την ανίχνευση διαρροών σε συστήματα καναλιών με συνδυασμένη ανάλυση εικόνας TIR και '''NDVI'''. Ακόμα και απλές εικόνες από το Google Earth επιτρέπουν τη διόρθωση της ψευδούς αναγνώρισης της δραστηριότητας του νερού που παρέχεται από σκιές δέντρων στις TIR εικόνες. Επιπλέον, τα δεδομένα Landsat TM παρείχαν πληροφορίες σχετικά με τις αλληλεπιδράσεις της χρήσης γης και της βλάστησης με ζώνες διαρροής (στην περίπτωση αυτή, η χρήση του δείκτη '''MSAVI''' αποδείχθηκε ότι ήταν πιο αποτελεσματικό από το '''NDVI''' σε περίπτωση χαμηλής βλάστησης)
Η μέθοδος Triangle αποτελεί μια τεχνική χρησιμοποιούμενη για τον προσδιορισμό της υγρασίας του εδάφους και του έλλειμματος νερού στις καλλιέργειες, βασιζόμενη στα δεδομένα TIR και NIR.

Η βασική ιδέα είναι να εξαλείψει την αβεβαιότητα που σχετίζεται με την αφαίρεση και τον εντοπισμό της υγρασίας, εισάγοντας έναν δείκτη βλάστησης (VI) ως αναπαράσταση του κλάσματος κάλυψης της βλάστησης. Οι κλασικοί δείκτες βλάστησης παράγονται από τα ορατά και κοντινά υπέρυθρα (NIR) σήματα, τα οποία προέρχονται από μία ή δύο επιπλέον κάμερες. Στη συνέχεια, η θερμοκρασία και το VI που παρατηρούνται σε περιοχές με διαφορετικά επίπεδα κάλυψης και υγρασίας παρέχουν ένα διδιάστατο scatterplot που συχνά έχει τριγωνικό σχήμα. Οι πιο προηγμένες προσεγγίσεις χρησιμοποιούν ένα μοντέλο '''SVAT''' (Soil Vegetation Atmosphere Transfer) για να υπολογίσουν την υγρασία από τον αντιπροσωπευτικό σημείο (βάσει θερμοκρασίας και VI) μέσα στο τριγωνικό
διάγραμμα.

Πρόσφατες μελέτες εξετάζουν επίσης πρόσθετες παραμέτρους, όπως η φωτοδιαύγεια (albedo) ή ο δείκτης απορρόφησης κυτταρίνης ('''CAI'''), για τη διάκριση μεταξύ νεαρής και ωριμότερης βλάστησης. Η εισαγωγή μιας τρίτης παραμέτρου παρακολούθησης στην κλασική μέθοδο Triangle αναμένεται να επιτρέψει τη διάκριση μεταξύ περιοχών με διαφορετικά επίπεδα υγρασίας, αλλά με παρόμοιες τιμές θερμοκρασίας και δείκτη βλάστησης. Η μέθοδος Triangle/Trapezoid είναι πιο συνηθισμένη στην ανάλυση δορυφορικών εικόνων και παρέχει χάρτες υγρασίας εδάφους σε χαμηλή ανάλυση. Αντίθετα, οι προσπάθειες εφαρμογής της σε δεδομένα αερομεταφερόμενης τηλεπισκόπησης για υψηλότερη ανάλυση είναι λιγότερο συχνές και αντιμετωπίζουν δυσκολίες λόγω της ετερογένειας της επιφάνειας, η οποία εντείνεται από αισθητήρες υψηλής ανάλυσης.

Η ακρίβεια της ανίχνευσης διαρροής θερμικών υπέρυθρων (TIR) εξαρτάται από πολλούς παράγοντες, όπως η χρονική περίοδος, η ημέρα, η καθυστέρηση μετά από βροχή, και οι περιβαλλοντικές συνθήκες. Είναι δύσκολο να προσδιορίσουμε τον ιδανικό χρόνο για τις μετρήσεις TIR λόγω της επίδρασης της βλάστησης στις θερμοκρασίες. Ορισμένοι προτείνουν τον χειμώνα για καλύτερη ορατότητα των υγρών περιοχών, ενώ άλλοι προτιμούν το καλοκαίρι για μεγαλύτερη αντίθεση μεταξύ των περιοχών διαρροής και του περιβάλλοντος. Η κατάλληλη ημέρα για τις μετρήσεις TIR παραμένει αμφιλεγόμενη, αλλά οι θερμικές διαφορές είναι εμφανείς κατά τη δύση του ηλίου και λίγο μετά την ανατολή, με τη δυνατότητα μετρήσεων και κατά τις ώρες πριν τη δύση του ηλίου.

Εν τέλει, η επιτυχία των μετρήσεων TIR εξαρτάται από τα υλικά του δικτύου ύδρευσης και την θερμική διαφορά μεταξύ του νερού και άλλων αντικειμένων.
Πρόσφατες μετρήσεις έδειξαν ότι η καλύτερη αντίθεση παρατηρείται το απόγευμα και ότι εξαφανίζεται σχεδόν κατά τη δύση του ηλίου, εκτός από τη νύχτα

Το έργο H2020WADI (Υλοποίηση Ανίχνευσης Διαρροής Αέρα με Αδιαβροχοποίηση) είχε ως στόχο την ανάπτυξη μιας υπηρεσίας επιτήρησης ανίχνευσης διαρροής νερού από αέρος, προκειμένου να παρέχει στις υπηρεσίες ύδρευσης επαρκείς πληροφορίες σχετικά με διαρροές στις υδραυλικές υποδομές έξω από αστικές περιοχές, επιτρέποντας έτσι τις άμεσες και οικονομικές επισκευές, μειώνοντας τις απώλειες στα συστήματα διανομής νερού. Επιλέχθηκε ένα αεροπορικό σύστημα αντί για ένα βασισμένο σε δορυφόρο προκειμένου να επιτευχθεί μια καλύτερη ανάλυση, ιδανικά στο εύρος των 0,5 μέτρων. Η καινοτόμος ιδέα του WADI περιλαμβάνει τον συνδυασμό και τον βελτιστοποίηση συσκευών οπτικής απομακρυσμένης ανίχνευσης (πολυφασματικές και υπέρυθρες κάμερες) και την εφαρμογή τους σε δύο συμπληρωματικά αεροπορικές πλατφόρμες (πιλοτική και ασύρματη). Το έργο είχε επίσης ως στόχο τον έλεγχο και την επικύρωση του συστήματος σε δύο πραγματικά, αντίθετα σημεία ανίχνευσης διαρροής.

[[Το άρθρο οργανώνεται ως εξής:]]
Στην Ενότητα 2 περιγράφεται ο σχεδιασμός των οπτικών συστημάτων αισθητήρων μετά τον έλεγχο διάφορων φασματικών συνδυασμών.

Στην Ενότητα 3 παρουσιάζονται τα αποτελέσματα επικύρωσης χρησιμοποιώντας την επιλεγμένη πολυφασματική μέθοδο και τα όργανα κατά τη διάρκεια μιας σειράς εκστρατειών σε διάφορες κλίμακες, χρησιμοποιώντας τόσο μια πιλοτική αεροπορική πλατφόρμα όσο και ένα UAV πάνω σε διάφορα τμήματα των δικτύων ύδρευσης της Société du Canal de Provence (SCP) στη Γαλλία και της EDIA (Empresa de Desenvolvimento e Infra-estruturas do Alqueva) στην Πορτογαλία.

Η Ενότητα 4 παρουσιάζει μια λεπτομερή ανάλυση της απόδοσης όλων των πτήσεων, συνοδευόμενη από μια συζήτηση σχετικά με την επιτυχία της μεθοδολογίας του WADI.

Τέλος, οι συμπεράσματα παρουσιάζονται στην Ενότητα 5.

'''ΕΝΟΤΗΤΑ 2:'''

'''2.1''' '''Υλικά και μέθοδοι:'''

Οι οπτικοί δέκτες που χρησιμοποιήθηκαν στην ασύρματη αεροπορική πλατφόρμα, κατέγραψαν μια σειρά μετρήσεων χρησιμοποιώντας θερμική υπέρυθρη κάμερα με μικροβολτόμετρα(αρχικά Α235 και στη συνέχεια Α655sc, FLIR,Portland,OR,USA) Δυο υπερφασματικές κάμερες Hyspex (NEO,Oslo,Norway) η μία στο ορατό φάσμα μέχρι το κοντινό υπέρυθρο (VNIR: 0.4–1m) και η άλλη, σε μικρά μήκη στο φάσμα υπέρυθρου (SWIR: 1–2.5m) (Εικόνα 1) Με αυτόν τον τρόπο έγινε η επιλογή του καλύτερου φασματικού συνδυασμού μέσα από την σύγκριση τιμών πολλών φασματικών δεικτών οπου αναμενόταν να διαφοροποιούνται σε υγρές και ξηρές περιοχές. Αυτό είχε ως αποτέλεσμα να επιλεχθούν πιο απλές και οικονομικές κάμερες για λειτουργικές εφαρμογές.
Η διαθεσιμότητα δεδομένων στο εύρος 0.4–2.5 μm και τα δεδομένα υπερύθρων θερμοκρασίας επέτρεψαν τον έλεγχο της αποτελεσματικότητας διάφορων δεικτών νερού.
Ο δείκτης PWI (Plant Water Index), που είναι επίσης γνωστός ως WBI (Water Band Index), προτάθηκε για τη χαρτογράφηση του υδατικού περιεχομένου της βλάστησης με τον ακόλουθο τύπο:
PWI = WBI = R900 / R970

Εδώ, R900 και R970 αναφέρονται στην ανακλαστικότητα που μετράται στη ζώνη των 900 nm και 970 nm αντίστοιχα. Αυτός ο δείκτης χρησιμοποιείται για να αξιολογήσει το περιεχόμενο νερού στην βλάστηση.
Δύο δείκτες αξιοποιούν την ζώνη απορρόφησης του νερού που βρίσκεται στα 1240 nm: το Κανονικοποιημένο Δείκτη Νερού Διαφοράς 1240 NDWI και τον απλό δείκτη νερού (simle ratio water index) SRWI
Χρησιμοποιώντας τις ζώνες απορρόφησης του νερού που επικρατούν στα 1640 και 2130 nm δημιουργηθηκαν δύο Κανονικοποιημένοι Δείκτες Διαφοράς Νερού, το NDWI1640 και το NDWI2130

Η διαδικασία αυτή αφορά τον υπολογισμό διάφορων δεικτών και μεθόδων για την εκτίμηση της υγρασίας σε αγροτικά περιβάλλοντα και εδάφη, από δορυφόρο. Οι δείκτες και οι μέθοδοι αυτές εξετάζονται για να αξιολογηθεί η περιεχόμενη υγρασία των φυτών και του εδάφους.

Χρησιμοποιούνται διάφορα μήκη κύματος από το οπτικό εύρος μέχρι το κοντινό υπέρυθρο (NIR και SWIR) για τη σύγκριση της απόδοσης στην εκτίμηση της υγρασίας.

Συγκεκριμένοι δείκτες σχεδιάστηκαν για την αξιολόγηση της υγρασίας του εδάφους. Περιλαμβάνουν τους δείκτες Water Index SOIL('''WISOIL'''), Normalized Soil Moisture Index('''NSMI'''), (Normalized Index of the NSWIR domain for SMC estimation from Linear correlation) '''NINSOL''' και Normalized Index of NSWIR domain for SMC estimation from Non-Linear correlation ('''NINSON'''), που αξιοποιούν τις αντανακλάσεις σε διάφορα μήκη κύματος. Επιλέχθηκε και το αντίθετο των NINSOL και NINSON και τα ονόμασαν '''RNINSOL''' και '''RNINSON''' (R σημαίνει "αναθεωρημένο") για τη δημιουργία δεικτών που αυξάνονται με την περιεκτικότητα σε υγρασία.

Ο δείκτης Cellulose Absorption Index ('''CAI''') χρησιμοποιείται για τη διάκριση μεταξύ ξηρών φυτικών υπολειμμάτων και εδάφους. Αυτός ο δείκτης είναι ευαίσθητος στην παρουσία νερού σε φυτικά υπολείμματα και εδάφη. Απουσιάζει πλήρως σε νεοφυή βλάστηση, είναι αρνητικός όταν υπάρχουν γυμνά εδάφη και όταν είναι κοντά στο μηδέν υποδηλώνει παρουσία νερού. Οι μέγιστες απόλυτες τιμές του δείχνουν την παρουσία ξηρής βλάστησης CAI > 0 ή ξηρού γτμνού εδάφους CAI < 0

Ο δείκτης ανάκλασης γήρανσης των φυτών '''PSRI''' (Plant Senescence Reflectance Index) χρησιμοποιείται για τον προσδιορισμό του σταδίου της διαφορετικότητας των φύλλων μέσω της αύξησης της αναλογίας των καροτενοειδών προς τη χλωροφύλλη. Περιλαμβάνει μόνο φασματικές ζώνες στο ορατό.

Η μέθοδος Triangle/Trapezoid συνδυάζει το θερμικό σήμα με ένα δείκτη βλάστησης(VI) και χρησιμοποιείται για την εκτίμηση της διαθεσιμότητας νερού ή του ρυθμού εξάτμισης σε ένα σημείο/pixel της εικόνας.
Αυτές οι διαδικασία εκτελείται με τη χρήση δορυφόρων και υποστηρίζει την ανίχνευση περιοχών με ανωμαλίες στην υγρασία που ίσως σχετίζονται με διαρροές νερού.

'''2.2 Αποτελέσματα:'''

Η προκαταρκτική ανάλυση που διενεργήθηκε τον Φεβρουάριο, τον Απρίλιο και τον Ιούλιο του 2017 σε διάφορες τοποθεσίες της υδροδοτικής υποδομής της SCP είχε στόχο τον εντοπισμό διαρροών στο δίκτυο. Κατά τη διάρκεια αυτής της ανάλυσης χρησιμοποιήθηκαν διάφοροι δείκτες και μέθοδοι για τον εντοπισμό των διαρροών, λαμβάνοντας υπόψη τις καιρικές συνθήκες και τις διάφορες τοποθεσίες.
Οι δείκτες που χρησιμοποιήθηκαν περιλαμβάνουν:
'''OSAVI''' (Optimized Soil-Adjusted Vegetation Index): Χρησιμοποιήθηκε για τον δείκτη βλάστησης, εξαιτίας της ανθεκτικότητάς του στην οπτική μεταβλητότητα του γυμνού εδάφους.
'''NDVI''' (Normalized Difference Vegetation Index): Χρησιμοποιήθηκε επίσης για τον δείκτη βλάστησης και παρουσίασε παρόμοια αποτελέσματα με το OSAVI.
'''PWI''' (Profile Wetness Index): Χρησιμοποιήθηκε για τον υγρασίας του εδάφους.
'''T-VI''' (Triangle/Trapezoid Vegetation Index): Χρησιμοποιήθηκε για τον εντοπισμό διαρροών, καθώς συνδύαζε τα δεδομένα VNIR (Visible and Near-Infrared) με τα SWIR (Short-Wave Infrared).

'''NSMI, RNINSOL, RNINSON, CAI:''' Διάφοροι άλλοι δείκτες που βασίζονται στα δεδομένα VNIR και SWIR, χρησιμοποιήθηκαν για τον εντοπισμό διαρροών.

'''Θερμική Εικόνα''' (Thermal Infrared Image): Χρησιμοποιήθηκε για τον εντοπισμό περιοχών χαμηλότερης θερμοκρασίας που μπορεί να υποδεικνύουν διαρροές.

Τα αποτελέσματα έδειξαν ότι οι δείκτες που βασίζονται στα δεδομένα SWIR ή η χρήση της θερμικής εικόνας είναι αποτελεσματικοί για τον εντοπισμό διαρροών στο δίκτυο υδροδότησης. Συνολικά, οι διάφοροι δείκτες και μέθοδοι που χρησιμοποιήθηκαν παρείχαν πολλές πληροφορίες για την ανίχνευση διαρροών, με τη θερμική εικόνα να επιδεικνύει τη μεγαλύτερη αποτελεσματικότητα.

'''ΕΝΟΤΗΤΑ 3:'''

'''3.1''' Υλικά και μέθοδοι:

Επιλογή πολυφασματικών καμερών: Η επιλογή κάμερας πολυφασματικής για την ανίχνευση διαρροής βασίστηκε στον καθορισμό των κατάλληλων μηκών κύματος για την εργασία.

'''Επικύρωση της Μεθόδου T-VI σε Διάφορες Κλίμακες:''' Ο στόχος ήταν η επικύρωση της μεθόδου Temperature–Vegetation Index (T-VI) σε διάφορες κλίμακες χρησιμοποιώντας δύο διαφορετικές πλατφόρμες – MAV και UAV.
'''Εγκατάσταση MAV:''' Το πιλοτικό αεροσκάφος (MAV) που χρησιμοποιήθηκε για τη μελέτη ήταν ένα Tecnam P2006T εξοπλισμένο με μια μηχανή πολυφασματική Spectrocam VNIR με φίλτρα στα 660 nm και 832.5 nm και μια θερμική υπέρυθρη (TIR) μηχανή του Noxcam 640L (7.7–9.3 μm). Οι πτήσεις με το MAV πραγματοποιήθηκαν σε υψόμετρο περίπου 800 μέτρων, με αποτέλεσμα χωρική ανάλυση 0.30 μέτρα για τη μηχανή VNIR και 0.48 μέτρα για τη μηχανή TIR.
'''Εγκατάσταση UAV:''' Το ανεπτυγμένο αεροσκάφος (UAV) ήταν ένα ειδικά σχεδιασμένο πολύ-ελικόπτερο εξοπλισμένο με μια μηχανή πολυφασματική RedEdge 3 (με πέντε φάσματα: 475, 560, 668, 717 και 840 nm) και μια μη θερμική TIR μηχανή Vue Pro R (7.5–13.5 μm). Οι πτήσεις με το UAV πραγματοποιήθηκαν σε υψόμετρο περίπου 50 μέτρων, με αποτέλεσμα χωρική ανάλυση 3.4 εκατοστά για τη μηχανή VNIR και 6.5 εκατοστά για τη μηχανή TIR.

'''Φάσματα:''' Και οι δύο πλατφόρμες χρησιμοποίησαν κοινά φάσματα, συμπεριλαμβανομένων των 660 nm (κόκκινο), 832.5 nm (NIR) και TIR για το MAV, και 668 nm (κόκκινο), 840 nm (NIR) και TIR για το UAV. Εφαρμόστηκε ακτινομετρική βαθμονόμηση στα δεδομένα του UAV για την απόκτηση φασματικών ανακλάσεων, ενώ τα δεδομένα του MAV παρέμειναν χωρίς βαθμονόμηση.

'''Προεπεξεργασία:''' Οι εικόνες και από τις δύο πλατφόρμες υποβλήθηκαν σε προ-επεξεργασία με το λογισμικό φωτογραμμετρικής επεξεργασίας Pix4D για την απόκτηση φασματικών orthomosaics. Στη συνέχεια, αυτές οι orthomosaics συγχωνεύτηκαν με το εξειδικευμένο λογισμικό επεξεργασίας Wadileaks, που αναπτύχθηκε στο πλαίσιο του έργου WADI.

'''Προκλήσεις Συγχώνευσης:''' Η συγχώνευση των εικόνων από το MAV απαιτούσε επιπλέον λογισμικό (Gefolki) λόγω ορισμένων σφαλμάτων συγχώνευσης. Σε κάθε περίπτωση, η συγχώνευση έγινε λαμβάνοντας ως βασική την εικόνα TIR, η οποία είναι η εικόνα με τη χαμηλότερη ανάλυση. Για τον σκοπό αυτό, οι εικόνες VNIR αναστράφηκαν με χρήση αλγορίθμου παρεμβολής με διστρωματική παρεμβολή.

'''3.2''' Αποτελέσματα της Πρώτης Εκστρατείας Ανίχνευσης Διαρροής με MAV και UAV (Γαλλία)

Τον Οκτώβριο του 2018, συλλέχθηκαν δεδομένα σε περιοχές ύδρευσης που διαχειρίζεται η SCP στη Γαλλία. Οι πτήσεις πραγματοποιήθηκαν τέσσερις ημέρες μετά από βροχές, με συχνά συννεφιασμένο ουρανό, περιορίζοντας την εξάτμιση του νερού. Είναι πιθανό ότι το έδαφος είχε ακόμη υψηλή υγρασία την ημέρα της πτήσης, μειώνοντας τη διαφορά στην υγρασία ανάμεσα στις περιοχές με διαρροές και το περιβάλλον έδαφος. Σε ορισμένες δοκιμαστικές περιοχές, παρατηρήθηκαν λιμνούλες νερού ως απομεινάρια από τις πρόσφατες βροχές.

Στην περιοχή δοκιμής Vauvenargues, συνδέθηκε ένας νέος σωλήνας πολυαιθυλενίου σε έναν υπάρχοντα ατσάλινο σωλήνα και θάφτηκε σε βάθος 1 μέτρου περίπου, περίπου ένα χρόνο πριν από τις πτήσεις.

Ο νέος σωλήνας είχε εξοπλισμό για την παρακολούθηση της ροής και της πίεσης, και τρύπες για την προσομοίωση διαρροών. Η υγρασία του εδάφους μετρήθηκε την ημέρα της πτήσης και αυξήθηκε σημαντικά κοντά στις διαρροές nº1 και nº2. Οι χάρτες Water Index που αποκτήθηκαν με τα αεροσκάφη δεν αποκάλυπταν σημαντική διαφορά κατά μήκος του διαρροούντος σωλήνα, εκτός από μερικά ασθενή σημεία που δεν αντιστοιχούν ακριβώς στις πραγματικές διαρροές nº1 και nº2.

Αυτά τα αποτελέσματα υποδηλώνουν ότι για επιτυχή ανίχνευση διαρροής απαιτείται η επιλογή μιας εποχής του έτους όπου η διαφορά στην εξάτμιση του νερού μεταξύ περιοχής με διαρροή και περιβάλλοντος είναι μεγαλύτερη. Στη Γαλλία, χρησιμοποιήθηκε μια ακίνητη πλατφόρμα κάμερας στο MAV για τις αεροπορικές εκστρατείες. Αργότερα, για τις εκστρατείες που πραγματοποιήθηκαν στην Πορτογαλία, αυτή αντικαταστάθηκε από μια 2-άξονα γυροσταθείσα πλατφόρμα που συνέβαλε στην λήψη εικόνων υψηλότερης ποιότητας.

'''3.3''' Αποτελέσματα μιας δεύτερης σειράς εκστρατειών ανίχνευσης διαρροών με το MAV και UAV (Πορτογαλία)

Τον Μάιο και τον Σεπτέμβριο του 2019 πραγματοποιήθηκαν δύο αερομεταφερόμενες εκστρατείες σε περιοχές του δικτύου ύδρευσης που διαχειρίζεται η EDIA στην Πορτογαλία. Σκοπός αυτών των εκστρατειών ήταν να επαληθευτούν τα αποτελέσματα που είχαν προκύψει από προηγούμενες εκστρατείες στη Γαλλία και να αξιολογηθεί πώς το Sensors 2022, 22, 1057 μπορεί να βελτιώσει την ανίχνευση διαρροών μέσω της χρήσης κατάλληλων μετεωρολογικών συνθηκών.

Κατά τη διάρκεια των εκστρατειών, πραγματοποιήθηκαν τεχνητές διαρροές με διάφορα σενάρια, περιλαμβανομένων επιφανειακών και υπόγειων διαρροών, μεμονωμένων ή επαναλαμβανόμενων συμβάντων, καθώς και διαρροών σε διάφορα εδαφικά περιβάλλοντα.

Επιπλέον, περιοχές με προηγούμενα συμβάντα ροής νερού περιλαμβάνονταν στα δρομολόγια πτήσης των UAV για να βοηθήσουν στην ερμηνεία των αποτελεσμάτων. Επίσης, πραγματοποιήθηκε ακουστική καμπάνια πριν από τις πτήσεις στο Μόντε Νόβο για τον εντοπισμό τυχόν τρεχουσών διαρροών.

Η ανάλυση των αποτελεσμάτων απέδειξε ότι οι μέθοδοι ήταν λιγότερο αποτελεσματικές σε σωλήνες από σκυρόδεμα και πλαστικούς σωλήνες σε σχέση με τους μεταλλικούς σωλήνες. Ακόμη, οι εικόνες που καταγράφηκαν από τα UAV αποκάλυψαν αντιθέσεις που προσέφεραν πληροφορίες σχετικά με την παρουσία νερού και την ανίχνευση διαρροών.

Τα οπτικά δεδομένα συμφώνησαν με μετρήσεις υγρασίας του εδάφους. Κατά τη διάρκεια πτήσεων τον Μάιο του 2019, παρατηρήθηκε απότομη μείωση της υγρασίας του εδάφους κοντά σε υδροστατήρες σε διάφορες αποστάσεις από αυτούς. Επιπροσθέτως, αναφέρεται ότι τα δεδομένα από την απομακρυσμένη ανίχνευση και τις μετρήσεις υγρασίας του εδάφους δείχνουν θετική συσχέτιση μεταξύ των δύο παραγόντων, παρά την κάποια διασπορά στα δεδομένα.

Τέλος, πραγματοποιήθηκαν πολλές μετρήσεις υγρασίας του εδάφους στα πεδία δοκιμών για την παρακολούθηση της ροής της τεχνητής διαρροής και την ερμηνεία των αποτελεσμάτων από αεροσκάφη UAV και MAV.

'''ΕΝΟΤΗΤΑ 4:''' '''Ανάλυση απόδοσης και συζήτηση'''

Η ανάλυση της εφαρμογής της υπηρεσίας WADI απαιτείται για να εντοπιστούν οι συνθήκες υπό τις οποίες το προτεινόμενο T-VI πολυφωτοανιχνευτικό σύστημα θα έχει μεγαλύτερες πιθανότητες επιτυχίας στον εντοπισμό διαρροών νερού. Αυτή η ανάλυση βασίστηκε σε 60 περιπτώσεις κατά τις πτήσεις στην Γαλλία και την Πορτογαλία, με επεξεργασμένες εικόνες UAV και MAV. Για την ανάλυση, οι περιπτώσεις αυτές κατηγοριοποιήθηκαν σε πραγματικές διαρροές, φυσικές ροές ή καθόλου διαρροές και φυσικές ροές. Η απόδοση δόθηκε λαμβάνοντας υπόψη διάφορες παραμέτρους όπως την τεχνολογία πτήσης, τις περιβαλλοντικές συνθήκες, τύπος εδάφους και βλάστηση.

Γενικά, το πολυφασματικό σύστημα T-VI επιτυγχάνει την αναγνώριση πραγματικών περιστατικών σε περίπου το 50% των περιπτώσεων, με σημαντική βελτίωση στην απόδοσή του από την υλοποίηση στην επικύρωση.

Επιπλέον, τα καλύτερα αποτελέσματα να παρατηρούνται υπό συνθήκες χωρίς βροχόπτωση. Επίσης, ο τύπος του εδάφους επηρέασε την ανίχνευση, με τα εδάφη άργιλου να παρουσιάζουν καλύτερα αποτελέσματα από τα εδάφη άμμου. Όσον αφορά τη βλάστηση, η τεχνολογία πτήσης δεν διαφέρει σημαντικά στην ανίχνευση, αλλά η ανάλυση έδειξε ότι δεν είναι κατάλληλη για περιοχές με δάση λόγω της χαμηλής ευαισθησίας του θερμικού σήματος στην υγρασία του εδάφους.
Αντίθετα, οι γεωργικές περιοχές με ακάλυπτα εδάφη και καλλιέργειες αποτελούν τις καλύτερες περιοχές για την επιτυχία της τεχνολογίας WADI.

Τέλος, η τεχνολογία πτήσης δεν διαφέρει σημαντικά στην ανίχνευση, με τα UAV και τα MAV να παρέχουν περίπου τα ίδια αποτελέσματα, με διαφορές στη χωρική κάλυψη και το κόστος εκμετάλλευσης.

'''ΕΝΟΤΗΤΑ 5:'''

Για την χαρτογράφηση της εξατμισοδιαπνοής και της υγρασίας τοπίου(≥1km) και αγρού(≥100m) είναι γνωστό ότι είναι πολύ αποτελεσματική η μέθοδος τριγώνου/τραπεζοειδούς, πολυφασματική οπτική μέθοδος της τηλεπισκόπησης. Στην προκειμένη, είναι καινοτόμος προσέγγιση για τον εντοπισμό διαρροής υδάτων, μιας και γίνεται προσπάθεια να αντληθούν πληροφορίες σε μορφή raster σε σύντομο χρονικό διάστημα για μεγάλα δίκτυα ύδρευσης. Η μέθοδος βασίζεται στην αρχή ότι οι διαρροές εκθέτους το έδαφος σε εντονότερη εξάτμιση λόγω της υψηλότερης υγρασίας και κατά συνέπεια, μείωση της επιφανειακής θερμοκρασίας. Ταυτόχρονα, με την αλλαγή αισθητήρων από αεροπλάνο σε drones υπάρχει η δυνατότητα να ληφθούν πιο αναλυτικές εικόνες(5cm) και να γινει εστίαση σε περιοχές που χρήζουν προσοχής και είναι δισπρόσιτες.

Βέβαια, λόγω της ύπαρξης πιθανής βλάστησης, επίσης, μειώνεται η επιφανειακή θερμοκρασία. Ωστόσο, η μέθοδος τριγώνου επιτρέπει την εμπειρική δημιουργία μιας κλίμακας ανάμεσα στην φαινομενική θερμοκρασία και την υγρασία του εδάφους.

Οι πληροφορίες σχετικά με το ποσοστό κάλυψης λαμβάνεται μέσω ενός δείκτη βλάστησης, για παράδειγμα του NDVI ή του OSAVI, ο οποίος υπολογίζεται από τη σχετική διαφορά στην οπτική ανάκλαση που μετράται στο κόκκινο και στο εγγύς υπέρυθρο. Τα δεδομένα αυτά παρέχονται από μια δεύτερη κάμερα που παρέχει εικόνες του περιοχής στις δύο αυτές συγκεκριμένες φασματικές ζώνες. Στο τέλος, ο συνδυασμός των τριών οπτικών σημάτων (κόκκινο, εγγύς υπέρυθρο και θερμικό υπέρυθρο) επιτρέπει τη χαρτογράφηση του λεγόμενου δείκτη νερού. Με την κατασκευή, οι περιορισμοί στη βαθμονόμηση των σημάτων χαλαρώνουν σημαντικά. Οποιοδήποτε ανωμαλία στην εικόνα WI η οποία εκδηλώνεται ως υψηλές τιμές στην κοντινή περιοχή της γραμμής του δικτύου, αποτελεί ένδειξη ύπαρξης πιθανής διαρροής.

Μια σειρά αεροπορικής τηλεπισκόπησης πραγματοποιήθηκαν με μηχανοκίνητο ανεμόπτερο, αεροπλάνο και μη επανδρωμένο αεροσκάφος από το 2017 έως το 2019 πάνω από το δίκτυο ύδρευσης SCP (Γαλλία) και EDIA (Πορτογαλία) πάνω από δίκτυα μεταφοράς, αρχικά για τον καθορισμό του πολυφασματικού συστήματος με στόχο την ανίχνευση διαρροών νερού και στη συνέχεια για την επικύρωσή του σε συνθήκες λειτουργίας. Σε αρκετές τοποθεσίες, υπήρχαν τόσο τεχνητές όσο και φυσικές διαρροές.

Αρχικά λειτούργησαν υπερφασματικές και θερμικές κάμερες για να ληφθούν φασματικές εικόνες που περιλαμβάνουν τις φασματικές ζώνες VNIR, SWIR και TIR. Τα καλύτερα αποτελέσματα επιτεύχθηκαν με την εφαρμογή της μεθόδου Triangle με συνδυασμό της θερμικής υπέρυθρης εικόνας με έναν δείκτη βλάστησης που κατασκευάστηκε από δύο εικόνες VNIR. Οι αντιθέσεις που επιτεύχθηκαν με τη μέθοδο SWIR με βάση την δείκτες και με τη λεγόμενη μέθοδο οπτικού τραπεζοειδούς ήταν χαμηλότερες.

Φασματικά βελτιστοποιημένοι οπτικοί αισθητήρες λειτούργησαν στη συνέχεια σε ένα μικρό αεροπλάνο και σε ένα UAV για την επίτευξη συμπληρωματικών πληροφοριών όσον αφορά την κλίμακα πεδίου και την ανάλυση. Μια προκαταρκτική πολυχρονική ανάλυση έδειξε ότι ο εντοπισμός της υπογραφής της διαρροής μπορεί να βελτιστοποιηθεί με προσεκτική επιλογή του χρόνου πτήσης σε σχέση με το ιστορικό της ηλιακής ακτινοβολίας.

Στην παρούσα μελέτη αναφέρονται πιθανοί ψευδείς συναγερμοί που μπορούν να προκύψουν από υψηλή βλάστηση και διακυμάνσεις στο έδαφος/τη βλάστηση, καθώς και οπτικές ιδιότητες που δεν αποκρίνονται επαρκώς στη μέθοδο Triangle. Άλλες πηγές παρερμηνείας περιλαμβάνουν τις σκιές της βλάστησης και τις υποδομές. Η συνεργασία με τις υπηρεσίες ύδρευσης μπορεί να βοηθήσει στη μείωση του ποσοστού ψευδών συναγερμών. Επιπλέον, οι βοηθητικές πληροφορίες μπορούν να χρησιμοποιηθούν για την απόρριψη ψευδών συναγερμών, όπως η πλάγια επικλίνουσα επιφάνεια του εδάφους και η ανωμαλία WI που επεκτείνεται προς τα πάνω από τον κοντινό σωλήνα.

Για να διευκολυνθεί η επαλήθευση των αποτελεσμάτων της τηλεπισκόπησης με την επί τόπου παρατήρηση, είναι σημαντικό να υπάρχει σύντομος χρόνος μεταξύ των πτήσεων και του επιτόπιου ελέγχου, ώστε οι συνθήκες να είναι όσο το δυνατόν πιο παρόμοιες στις δύο στιγμές. Τούτο είναι σημαντικό για την εξασφάλιση της ακρίβειας των αποτελεσμάτων. Επιπλέον, η ανάλυση αυτή πρέπει να επανεξεταστεί και να ενημερωθεί καθώς διεξάγονται νέες πτήσεις και ανακαλύπτονται νέα γεγονότα.

Τέλος, η μέθοδος ανίχνευσης διαρροών που χρησιμοποιήθηκε στην μελέτη είχε ικανοποιητική απόδοση με 50% ανίχνευση των γεγονότων με ακρίβεια. Αυτό επετεύχθη χάρη σε διάφορα χαρακτηριστικά της περιοχής, όπως οι γεωργικές ζώνες με γυμνά εδάφη, καλλιέργειες σε πρώιμο στάδιο ανάπτυξης και μεικτές περιοχές. Η τεχνολογία πτήσης που χρησιμοποιήθηκε φαίνεται να είναι κατάλληλη για την εκτέλεση ανίχνευσης διαρροών.

[[category:Υδατικοί Πόροι]]

Αρχείο:Pic 24.JPG

2024-01-28T20:16:53Z

Katerina Stamoulou:

Αρχείο:Pic 23.JPG

2024-01-28T20:16:42Z

Katerina Stamoulou:

Αρχείο:Pic 22.JPG

2024-01-28T20:16:28Z

Katerina Stamoulou:

Αρχείο:Pic 21.JPG

2024-01-28T20:16:17Z

Katerina Stamoulou:

Αρχείο:Pic 20.JPG

2024-01-28T20:16:05Z

Katerina Stamoulou:

Αρχείο:Pic 19.JPG

2024-01-28T20:15:51Z

Katerina Stamoulou:

Αρχείο:Pic 18.JPG

2024-01-28T20:15:38Z

Katerina Stamoulou:

Αρχείο:Pic 17.JPG

2024-01-28T20:15:26Z

Katerina Stamoulou:

Αρχείο:Pic 16.JPG

2024-01-28T20:15:13Z

Katerina Stamoulou: ανέβασμα νέας έκδοσης του "Αρχείο:Pic 16.JPG"

Αρχείο:Pic 15.JPG

2024-01-28T20:14:58Z

Katerina Stamoulou:

Αρχείο:Pic 14.JPG

2024-01-28T20:14:45Z

Katerina Stamoulou:

Αρχείο:Pic 13.JPG

2024-01-28T20:14:31Z

Katerina Stamoulou:

Αρχείο:Pic 16.JPG

2024-01-28T20:14:16Z

Katerina Stamoulou:

Αρχείο:Pic 12.JPG

2024-01-28T20:14:03Z

Katerina Stamoulou:

Αρχείο:Pic 11.JPG

2024-01-28T20:13:50Z

Katerina Stamoulou:

Αρχείο:Pic 10.JPG

2024-01-28T20:13:37Z

Katerina Stamoulou:

Αρχείο:Pic 9.JPG

2024-01-28T20:13:23Z

Katerina Stamoulou:

Αρχείο:Pic 8.JPG

2024-01-28T20:13:08Z

Katerina Stamoulou:

Αρχείο:Pic 7.JPG

2024-01-28T20:12:55Z

Katerina Stamoulou:

Αρχείο:Pic 6.JPG

2024-01-28T20:12:40Z

Katerina Stamoulou:

Αρχείο:Pic 5.JPG

2024-01-28T20:12:27Z

Katerina Stamoulou:

Αρχείο:Pic 4.JPG

2024-01-28T20:12:13Z

Katerina Stamoulou:

Αρχείο:3.JPG

2024-01-28T20:10:44Z

Katerina Stamoulou: ανέβασμα νέας έκδοσης του "Αρχείο:3.JPG": Αποτελέσματα που ελήφθησαν πάνω από το πεδίο δοκιμών Esparron στις 16 Φεβρουαρίου 2017. (α) Χάρτης τη�