RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Εξαγωγή μετρήσεων επιφανειακής Λευκαύγειας (albedo) από τους δορυφορικούς δέκτες του Landsat.

2011-01-15T12:45:35Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

Εξαγωγή μετρήσεων επιφανειακής Λευκαύγειας (albedo) από τους δορυφορικούς δέκτες του Landsat. Brest C.L., Goward S.D. Remote Sensing 1987, vol 8, No.3 (351-367) [http://www.informaworld.com/smpp/content~db=all~content=a777936285~frm=abslink]

Αντικείμενο Εφαρμογής Μελέτης 

Η λευκαύγεια (albedo)[http://en.wikipedia.org/wiki/Albedo] είναι το μέτρο ανακλαστικότητας μιας επιφάνειας ή ενός σώματος. Μετράται ως ο λόγος της ανακλώμενης προς την προσπίπτουσα ηλεκτρομαγνητική ακτινοβολία στην επιφάνεια ενός σώματος. Αποτελεί σημαντικό παράγοντα στην ανάπτυξη του κλίματος αφού είναι ένας από τους πιο καθοριστικούς συντελεστές του ποσού της ενέργειας που διατίθεται στην ατμόσφαιρά της γης. Παραδοσιακά η εύρεση των τιμών της λευκαύγειας γινόταν με τεχνικές που χρησιμοποιούσαν εδαφικές παρατηρήσεις με αποτέλεσμα να είναι αρκετά χρονοβόρες και να εφαρμόζεται σε περιοχές μικρής έκτασης. Σάυτή την μελέτη, η απόκτηση των τιμών της λευκαύγειας πραγματοποιείται με την χρήση δορυφορικών ψηφιακών απεικονίσεων από το δορυφόρο Landsat.

Περιοχή Μελέτης 
Ως περιοχή μελέτης επιλέχτηκε το Hartford του νομού Connecticut αφού πληρούσε τα κριτήρια για την εφαρμογή της Μελέτης (βλέπε εικόνα 1).

Συλλογή Δεδομένων 
Έγινε επιλογή 22 εδαφικώμν σημείων στην περιοχή του Hartford , ύστερα από σύγκριση δορυφορικών δεδομένων και αεροφωτογραφιών. Το κριτήριο επιλογής ήταν τα εδαφικά σημεία να παρουσιάζουν ένα ευρύ φάσμα τιμών ανάκλασης μεταξύ τους.
Πραγματοποιήθηκε διαλογή 27 δορυφορικών απεικονίσεων από το δορυφόρο Landsat στην περιοχή που είχαν επιλεγεί τα εδαφικά σημεία μεταξύ του έτους 1972 και 2978. Κριτήριο επιλογής ήταν καθαρές ατμοσφαιρικές συνθήκες για τις δορυφορικές εικόνες, ώστε να αποφευχθούν τυχόν παραμορφώσεις λόγω συννέφων.

Μεθοδολογία 
Με την βοήθεια μιας κάμερας, έγινε υπολογισμός της φασματική ανακλαστικότητας των 22 εδαφικών σημείων. Τα εδαφικά σημεία εντοπίζονται σε κάθε δορυφορική εικόνα με βάση την φασματική υπογραφή τους. Πραγματοποιείται διόρθωση και αποκατάσταση των εικόνων για την εξάλειψη τυχόν γεωμετρικών και ράδιο-μετρικών παραμορφώσεων . δημιουργείται ένα μοντέλο ανάλυσης παλινδρόμησης για την ποσοτική συσχέτιση των δεδομένων της απορροφημένης ακτινοβολίας των δεκτών b4(TM4) και b7 (TM7) του δορυφόρου Landsat, με τα δεδομένα των τιμών ανακλαστικότητας των σημείων που μετρήθηκαν. Γνωρίζοντας την φασματική ανακλαστικότητα του εδάφους και την φασματική διανομή της ηλιακής ακτινοβολίας, είναι εφικτή η μετατροπή των δεδομένων του Landsat σε μετρήσιμες τιμές λευκαύγειας.
The underlying concept is to divide a spectral reflectance curve into segments of uniform reflectance, each segment being represented by a narrow band measurement. An accurate albedo value is constructed from theses narrow band measurements by a weighted average technique. The weighting average factors for each band are the proportion of solar radiation, incident at the Earth’s surface in each segment.

[[Εικόνα:Spk_exagwgh_1_12.jpg|right|thumb||Εικόνα 1: Απλοποιημένες καμπύλες ανακλαστικότητας για (α) επιφάνειες με βλάστηση (b) επιφάνειες χωρίς βλάστηση.[http://www.informaworld.com/smpp/content~db=all~content=a777936285~frm=abslink]πηγή]]

Κανάλια που χρησιμοποιήθηκαν και εξισώσεις συσχέτισης 

Για την μελέτη χρησιμοποιήθηκαν τα κανάλια b4 και b7. Οι τελικές εξισώσεις-συσχετίσεις είναι:
Albedo=0.526*(b4)+0.362*(B7) +0.112(0.5*(b7)) για περιοχές-επιφάνειες με βλάστηση
Albedo=0.526*(B4)+0.474*(B7) για περιοχές-επιφάνειες χωρίς βλάστηση
Albedo= 0,526*(Β4)+0,232*(Β7)+0,130*(0,630*(Β7)+0,112(0,065*(Β7)) για επιφάνειες καλυμμένες με χιόνι.

[[Εικόνα:Spk_exagwgh_2_12.jpg|right|thumb||Εικόνα 2:Φασματική καμπύλη ανακλαστικότητας για επιφάνειες καλυμμένες με χιόνι.[http://www.informaworld.com/smpp/content~db=all~content=a777936285~frm=abslink]πηγή]]

Εκτίμηση της λειψυδρίας των καλλιεργιών, βασισμένη σε δεδομένα του θεματικού χαρτογράφου του δορυφόρου Landsat.

2011-01-15T12:43:21Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

Εκτίμηση της λειψυδρίας των καλλιεργιών, βασισμένη σε δεδομένα του θεματικού χαρτογράφου του δορυφόρου Landsat.
Ghulam A, LI 2-L, Qin Q, Yimit H, Wang J, Estimating Crop Water Stress with ETM+NIR and SWIR data, Agricultural and Forest, Forest Metereology 148 (2008) 1679-1695 [http://www.cid-inc.com/docs/CI-203%20Estimating%20crop%20water%20stress%20with%20ETM+%20NIR%20and%20SWIR%20data.pdf]

Αντικέιμενο Μελέτης 

Η ψηφιακή τηλεπισκόπηση της έλλειψης νερού σε καλλιέργειες από την ανάκλαση των εγγείς υπέρυθρων (NIR) και μικρών υπέρυθρων μήκων κύματος του οπτικού τομέα παρέχει ένα πολλά υποσχόμενο εργαλείο για τη χρήση δορυφορικών δεδομένων στον τομέα της γεωργίας. Η λειψυδρία σε συνδυασμό με την ξηρασία αποτελεί από τα μεγαλύτερα παγκόσμια προβλήματα που πρέπει να αντιμετωπίσει η επιστημονική κοινότητα όσον αφορά στην ανάπτυξη του τομέα της γεωργίας και όχι μόνο. Οι δορυφορικές εικόνες αποτελούν μία πολύτιμη βοήθεια στην απόκτηση πληροφοριών για την έλλειψη νερού σε καλλιέργειες (vegetation water stress) και την καταλληλότερη διαχείριση ύδατος στον τομέα της γεωργίας.

Στόχος Εφαρμογής 

Οι στόχοι της εφαρμογής είναι οι εξής:
1. Η περαιτέρω διερεύνηση των δυνατοτήτων των NIR και SWIR μήκων κύματος για την εκτίμηση της περιεκτικότητας σε υγρασία FMC (fuel moisture content), η οποία είναι πολύ χρήσιμη για τον προσδιορισμό της ζήτησης νερού σε καλλιέργειες.
2. Η δημιουργία και ανάπτυξη μίας λειτουργικής μεθόδου για την παρακολούθηση της έλλειψης νερού σε καλλιέργειες, η οποία να έχει παραχθεί εξ'ολοκλήρου από δορυφορικές εικόνες και να είναι εντελώς ανεξάρτητη από βοηθητικά δεδομένα.

Η παρούσα μελέτη επικεντρώνεται στην έρευνα της επίδρασης της επιφανειακής ξηρασίας στη βιοχημεία του ύψους της φυλλωσιάς των σιτηρών με τη βοήθεια του δείκτη έλλειψης νερού VWSI (vegetation water stress index) με σκοπό την παρακολούθηση της ξηρασίας των καλλιεργιών.

Περιοχή μελέτης – Συλλογή δεδομένων 

Εδαφικές μετρήσεις πραγματοποιήθηκαν σε τρεις περιοχές της Κίνας· της κεντρικής Shunyi που αποτελεί προάστιο του Πεκίνου και άλλων δύο περιοχών της Ningxia, επαρχίας της Βορειοδυτικής Κίνας (βλέπε Εικόνα 1). Κριτήριο επιλογής ήταν οι περιοχές να εκπροσωπούν διαφορετικά οικοσυστήματα. Χειμερινό σιτάρι καλλιεργήθηκε σε όλους τους τομείς των υπό μελέτη περιοχών κατά την διάρκεια του πειράματος. Βιοφυσικές μεταβλητές του ύψους της φυλλωσιάς των σιτιρών όπως η ισοδύναμη λεπτότητα-πάχος του νερού EWT (equivalent water thickness), η περιεκτικότητα σε υγρασία FMC, η περιεκτικότητα σε χλωροφύλλη, ο δείκτης φυλλικής επιφανείας LAI (leaf area index), καθώς και μετερεωλογικές και υδρολογικές παράμετροι συλλέχθηκαν από τις περιοχές μελέτης.

Μεθοδολογία ανάπτυξης δείκτη VWSI 

Σύμφωνα με ανάλυση ευαισθησίας, κατά τη μελέτη δορυφορικών εικόνων από περιοχές με βλάστηση, η ξηρή μάζα των φύλλων (leaf dry matter- DM) και η περιεκτηκότητα των φύλλων σε νερό (EWT), μπορούν να εντοπιστούν μέσω της μελέτης των ανακλάσεων των ακτίνων του φάσματος NIR (near infrared) και του φάσματος SWIR (short wavelength infrared). Μέσω στοιχείων σχετικά με την ανάκλαση των παραπάνω ακτίνων, για μία δορυφορική φωτογραφία μπορεί να υπολογιστεί ο δείκτης VSWI για μία έκταση (βλέπε εικόνες 2,3).
Στο παρόν άρθρο, ο δείκτης VSWI υπολογίστηκε για τις διάφορες δορυφορικές φωτογραφίες που είχαν ληφθεί από τις προαναφερθείσες περιοχές της Κίνας όπου είχαν διενεργηθεί μετρήσεις πεδίου και για τις οποίες είχε προσδιοριστεί ο FMC. Επιπλέον με χρήση του προγράμματος PROSPECΤ, έγινε προσομοίωση δεδομένων από δορυφορικές εικόνες με γνωστό FMC για τις οποίες προσδιορίστηκε ο VSWI. Με τον παραπάνω τρόπο δημιουργήθηκε ένα πλήθος στοιχείων για τη διερεύνηση της σχέσης μεταξύ FMC και VSWI. Με βάση την παραπάνω διερεύνηση παρατηρήθηκε υψηλή συσχέτιση μεταξύ των δύο δεικτών (βλέπε εικόνα 4).

Συμπεράσματα 

Εξετάζοντας τη σύνδεση μεταξύ του δείκτη VWSI και της περιεκτικότητας σε υγρασία FMC μέσω προσομοιώσεων ανάκλασης χρησιμοποιώντας δορυφορικές απεικονίσεις του δορυφόρου Landsat εκτιμήθηκε ότι ο δείκτης VWSI μπορεί να αποτελέσει ένα χρήσιμο εργαλείο για τη δημιουργία και το σχεδιασμό αδρευτικών πλάνων για τις καλλιέργειες. Η “συμπεριφορά” διακύμανση του δείκτη VWSI σε αντιστοιχία με τις διαφορετικές αρδευτικές τεχνικές κατά τη διάρκεια της χειμωνιάτικης καλλιεργιτικής περιόδου των σιτιρών που πραγματοποιήθηκαν στις τρεις περιοχές μελέτης φανέρωσε ότι ο VWSI αντανακλά τη ζήτηση νερού της καλλιέργειες. Οι τιμές του δείκτη VWSI μειώθηκαν πολύ κοντά στο μηδέν κατά τη διάρκεια του αρχικού σταδίου της άρδευσης των καλλιεργειών και αυξήθηκαν κατά το μέγιστο μετά την παύση των αρδευτικών διαδικασιών με την εξάντληση της εδαφικής υγρασίας του ριζικού συστήματος. Τα πρότυπα του δείκτη VWSI για κάθε αρδευτική διαδικασία είναι αντίθετα με τις δυναμικές της FMC και τις υγρασίες του εδάφους κατά τη διάρκεια των φαινολογικών φάσεων. Από τα αποτελέσματα των ερευνών εξήχθη το συμπέρασμα
ότι ο VWSI αποτελεί μία αξιόπιστη και αποτελεσματική τεχνική μέθοδο για την παρακολούθηση και την ποσοτικοποιήση της έλλειψης νερού. Έχει μεγάλες δυνατότητες να είναι εφαρμόσιμος ανεξάρτητα από την απόκτηση βοηθητικών δεδομένων, με την χρησιμοποίηση αποκλειστικά ψηφιακών τηλεσκοπικών εικόνων, για τον σχεδιασμό ενός χρονοδιαγράμματος άρδευσης των καλλιεργειών με απώτερο σκοπό την εξοικονόμηση ύδατος.

[[Εικόνα:Spk_lupsandreias_1_11.jpg|right|thumb||Εικόνα 1 Περιοχή μελέτης.[http://www.cid-inc.com/docs/CI-203%20Estimating%20crop%20water%20stress%20with%20ETM+%20NIR%20and%20SWIR%20data.pdf]πηγή]]

[[Εικόνα:Spk_lupsandreias_2_11.jpg|right|thumb||Εικόνα 2 Τραπέζιο που χρησιμοποιείται για το γραφικό προσδιορισμό του δείκτη VSWI από τις δορυφορικές φωτογραφίες.[http://www.cid-inc.com/docs/CI-203%20Estimating%20crop%20water%20stress%20with%20ETM+%20NIR%20and%20SWIR%20data.pdf]πηγή]]

[[Εικόνα:Spk_lupsandreias_3_11.jpg|right|thumb||Εικόνα 3 Γραφικός προσδιορισμός του VSWI σε διάφορες δορυφορικές φωτογραφίες.[http://www.cid-inc.com/docs/CI-203%20Estimating%20crop%20water%20stress%20with%20ETM+%20NIR%20and%20SWIR%20data.pdf]πηγή]]

[[Εικόνα:Spk_lupsandreias_4_11.jpg|right|thumb||Εικόνα 4 Διάγραμμα δείκτη VSWI και WDI όπου παρουσιάζεται η καλή μεταξύ τους συσχέτιση]]

Χρησιμοποίηση δορυφορικών εικόνων Landsat για τη μελέτη της εδαφικής υποβάθμισης και της “δυναμικής” της χρήσης γης.

2011-01-15T12:32:38Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

Χρησιμοποίηση δορυφορικών εικόνων Landsat για τη μελέτη της εδαφικής υποβάθμισης και της “δυναμικής” της χρήσης γης. Παράδειγμα μελέτης στη συνοικία Tamduong, της επαρχίας Vinphuc, στο Βιετνάμ. 
Trinh M.V., Duong N.D., Keulen H.V., “Using Landsat images for studying Landuse dynamics and soil degradation. Case study in Tamduong district, Vinphuc province, Vietnam”, International Symposium on Geoinformatics for Spatial Infrastructure Development in Garth and Allied Sciences 2004[http://gisws.media.osaka-cu.ac.jp/gisideas04/viewpaper.php?id=86]

1. Εισαγωγή 

Η δασική αποψίλωση, η επημοποίηση και η εδαφική υποβάθμιση αποτελούσαν παγκοσμίως τα πιο κρίσιμα περιβαλλοντικά ζητήματα της τελευταίας δεκαετίας. Η παρακολούθηση των συνθηκών κάλυψης και των αλλαγών της είναι απαραίτητη για τον εντοπισμό των περιβαλλοντικών προβλημάτων τόσο σε τοπική όσο και σε παγκόσμια κλίμακα. Η ψηφιακή τηλεπισκόπηση αποτελεί ένα από τα βασικά εργαλεία στην παρακολούθηση των τοπικών, περιφεριακών και παγκοσμίων περιβαλλοντικών ζητημάτων. Ιδιαιτέρως η χωρική ανάλυση μέσω του συνδυασμού των Γεωγραφικών Συστημάτων Πληροφοριών (GIS)[http://en.wikipedia.org/wiki/Geographic_information_system] και δορυφορικών εικόνων είναι πολλαπλά χρήσιμη για την περιβαλλοντική έρευνα και τις εφαρμογές της. Στο συγκεκριμένο άρθρο περιγράφεται μία μέθοδος κατά την οποία ψηφιακά δεδομένα από το δορυφόρο Landsat από διαφορετικές ημερομηνίες χρησιμοποιούνται σε συνδυασμό με πραγματικά εδαφικά δεδομένα για τη μελέτη της “δυναμικής” της χρήσης γης και της εδαφικής υποβάθμισης στη συνοικία Tamduong, στο βόρειο τμήμα του Βιετνάμ.

2. Μεθοδολογία 

2.1 Περιοχή Μελέτης 

Η περιοχή Tamduong στο Βιετνάμ βρίσκεται στα άναντη της λεκάνης απορροής του Ερυθρού ποταμού, περίπου 60km βορειοανατολικά του Hanoi. Η περιοχή έχει συνολική έκταση 19.799 εκταρίων, 8.045 εκτάρια γεωργικής γης, 6.744 εκτάρια δάσους και 1.628 εκτάρια μη καλλιεργούμενης γης. Επτά τύποι εδάφους μπορούν να διαχωριστούν: Acrisols, Cambisols, Glegsols, Fluvisols, Plinthosols, Arenosols και Leptosols.

2.2 Μεθοδολογία 

Τα δεδομένα που χρησιμοποιήθηκαν στη μελέτη αυτή είναι μία Landsat-MSS εικόνα (MSS84), που αποκτήθηκε στις 8 Μαίου 1984, και 4 Landsat-TM εικόνες, που αποκτήθηκαν στις 21 Οκτωβρίου 1992, στις 18 Οκτωβρίου 1996 και στις 11 Απριλίου 2000 (TM92, TM96 και TM00). Αν και οι εικόνες αποκτήθηκαν σε διαφορετικές ημερομηνίες, το καθεστώς κάλυψης γης είναι αρκετά παρόμοιο, διότι ο Οκτώβριος είναι η πρόωρη εποχή ξηρασίας με χαμηλή κάλυψη γης, όπωσ αντίστοιχα ο Απρίλιος και ο Μάιος, χρονικά διαστήματα κατά τα οποία η βιομάζα είναι πολύ χαμηλή, όπως είναι και η περιεκτικότητα του εδάφους σε νερό. Οι ψηφιακές εικόνες απεικονίζονται μέσω προσθετικών έγχρωμων συνθέτων, χρησιμοποιώντας τα τρία κύρια χρώματα, δηλαδή το κόκκινο, το πράσινο και το μπλε (RGB). Συγκεκριμένα, για την MSS84 εικόνα χρησιμοποιήθηκε ο συνδυασμός RGB=4:3:2 ενώ για τις Landsat-TM εικόνες ο συνδυασμός RGB=5:4:3. Επίσης, χρησιμοποιήθηκαν λόγοι καναλιών οι οποίοι προέκυψαν από τη διαίρεση των ψηφιακών τιμών σ'ένα φασματικό κανάλι, με τις αντίστοιχες σ'ένα άλλο, με σκοπό την ανάδειξη των φασματικών χαρακτηριστικών των διαφόρων στοιχείων των εικόνων ανεξάρτητα από την έκταση των συνθηκών φωτισμού κατόπτευσης και το τοπογραφικό ανάγλυφο της περιοχής. Σε αυτή τη μελέτη εφαρμόστηκαν οι εξής λόγοι: του κόκκινου καναλιού προς το πράσινο (ratio=L/G) και του κόκκινου καναλιού προς το εγγύς κανάλι (ratio=R/NIR). Στην Landsat-TM εικόνα πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση για την διάκριση του υποβαθμισμένου εδάφους από το δασικό έδαφος καθώς και άλλων κατηγοριών χρήσεων γης. Ο ταξινομημένος χάρτης προσαπμόστηκε κατάλληλα σε σύγκριση με τον τοπογραφικό χάρτη των υποιβαθμισμένων εδαφών της περιοχής σε συνδυασμό με επίγειους ελέγχους. Τα συμπεράσματα που εξήχθησαν για την εδαφική υποβάθμιση προήλθαν από τη σύγκριση των αποτελεσμάτων της επιβλεπόμενης ταξινόμησης που πραγματοποιήθηκε για κάθε RGB εικόνα-λόγος διαφορετικής ημερομηνίας απόκτησης, Σκοπός της όλης διαδικασίας ήταν η καλύτερη εξομοίωση της “δυναμικής” της χρήσης γης και η διάκριση των αλλαγών στα υποβαθμισμένα εδάφη της περιοχής μελέτης.

3. Αποτελέσματα 

3.1 Προεπεξεργασία Εικόνων 

Πριν την διαδικασία της ψηφιακής επεξεργασίας όλες οι εικόνες υπέστησαν ραδιομετρική διόρθωση. Πραγματοποιήθηκε διόρθωση της γωνίας ύψους του ηλίου, διόρθωση για την απόσταση γης-ηλίου και στη συνέχεια έγινε μετατροπή των ψηφιακών τιμών σε απόλυτες τιμές έντασης ακτινοβολίας. Κατόπιν οι εικόνες υπέστησαν γεωμετρική διόρθωση. Έγινε γεωαναφορά στις εικόνες και καταχώρηση τους σε συντεταγμένες UTMC (εγκάρσια μερκατορική προβολή)[http://en.wikipedia.org/wiki/Universal_Transverse_Mercator_coordinate_system], με τη χρησιμοποίηση σημείων επίγειου ελέγχου γνωστών γεωδαιτικών συντεταγμένων από ένα τοπογραφικό χάρτη της περιοχής μελέτης, κλίμακας 1:50.000.

3.2 Επιλογή Λόγων Καναλιών και Επεξεργασία Εικόνων 

Οι εικόνες-λόγοι είναι χρήσιμοι για την διάκριση μικρών φασματικών διαφορών μίας περιοχής κατόπευσης, οι οποίες ομογενοποιούνται από την διακύμανση των τιμών φωτεινότητας σε εικόνες μεμονωμένων φασματικών καναλιών ή στα έγχρωμα σύνθετα. Αυτό οφείλεται στο γεγονός ότι οι εικόνες-λόγοι απεικονίζουν τις διακυμάνσεις στις κλίσεις των καμπυλών φασματικής ανακλαστικότητας μεταξύ δύο καναλιών, ανεξαρτήτως των απολύτων τιμών ανακλαστικότητας που παρατηρούνται στα κανάλια. Με βάση αυτή την αρχή, η βλάστηση του εδάφους μπορεί να διακριθεί από το υποβαθμισμένο έδαφος με τη χρησιμοποιήση λόγων καναλιών. Συγκεκριμένα για το λόγο καναλιών R/G, τα γυμνά και υποβαθμισμένα εδάφη παρουσιάζουν υψηλή ανακλαστικότητα στο κόκκινο κανάλι αλλά χαμηλή στο πράσινο, ενώ τα εδάφη με βλάστηση παρουσιάζουν χαμηλή ανακλαστικότητα στο κόκκινο κανάλι. Ως εκ τούτου, η χρησιμοποίηση του λόγου R/G δίνει υψηλές ψηφιακές τιμές (οι οποίες έχουν μετραπεί σε απόλυτες τιμές έντασης ακτινοβολίας) για το υποβαθμισμένο έδαφος και χαμηλές για εδάφη με βλάστηση. Όταν η εικόνα απεικονίζεται μέσω του λόγου R/NiR, στοιχεία όπως το ωερό και οι δρόμοι, τα οποία έχουν υψηλές τιμές ανάκλασης στο κόκκινο κανάλι και χαμηλές τιμές στο εγγύς υπέρυθρο, να εμφανίζονται με ανοιχτόχρωμους τόνους. Χαρακτηριστικά όπως η βλάστηση εμφανίζονται με σκουρότερους τόνους λόγω της σχετικά μικρής ανακλαστικότητας στο κόκκινο κανάλι, και υψηλές ανακλαστικότητες στο εγγύς υπέρυθρο κανάλι. Και στις δύο εικόνες-λόγους (βλέπε εικόνα Ι), τα δάση (μπλε χρώμα) και τα υποβαθμισμένα εδάφη (κόκκινο χρώμα), μπορούν να διακριθούν εύκολα. Ο λόγος R/G όμως παρουσίασε ψηφιακές τιμές (DN) παρόμοιες μεταξύ των υποβαθμισμένων εδαφών και των κατοικίσιμων περιοχών, ενώ στο λόγο R/NiR ήταν εφικτή η διάκριση αυτών των στοιχείων, με τις κατοικίσιμες περιοχές να απεικονίζονται με πορτοκαλί χρώμα, οι αγροκαλλιέργειες με μπλε και τα δάση με πράσινο. Αυτή η διαφοροποίηση είχε ως αποτέλεσμα, κατά την εφαρμογή της μη επιβλεπόμενης ταξινόμησης, η εικόνα που απεικονίζεται μέσω του λόγου R/G να παρουσιάσει 4 φασματικές κατηγορίες ενώ από την εικόνα-λόγος R/NIR προέκυψαν 6 φασματικές κατηγορίες. Συνεπώς, προτιμήθηκε ο λόγος R/NIR για την περαιτέρω επεξεργασία και ανάλυση των εικόνων.

[[Εικόνα:Spk_doruforikoi_1_15.jpg|right|thumb||Εικόνα Ι. Αποτελέσματα επεξεργασίας εικόνων (a) έγχρωμο σύνθετο RGB 5:4:3, (b) λόγος καναλιού κόκκινο προς πράσινο, (c) επιβλεπόμενη ταξινόμηση με λόγο κόκκινο προς μπλε κανάλι, (d) λόγος καναλιού κόκκινο προς εγγύς υπέρυθρο, (e) υβριδική ταξινόμηση με λόγο κόκκινο προς εγγύς υπέρυθρο κανάλι, (f) επιβλεπόμενη ταξινόμηση με λόγο κόκκινο προς εγγύς υπέρυθρο κανάλι.[http://gisws.media.osaka-cu.ac.jp/gisideas04/viewpaper.php?id=86]πηγή]]

3.3 Εδαφική Υποβάθμιση 

Ο χάρτης της εδαφικής υποβάθμισης εξήχθη από τοπογραφικό χάρτη της περιοχής (Khang et al.,1998) σε συνδυασμό με επίγειους ελέγχους στην περιοχή μελέτης. Η κύρια αιτία της εδαφικής υποβάθμισης που υφίσταται η περιοχή είναι η υδατική διάβρωση που οφείλεται στη μείωση δασών, στη γεωργική παραγωγή σε εκτάσεις με κλίση χωρίς λίπασμα και στην ελλιπή προστασία του εδάφους. Τα περισσότερα εδάφη είναι αμμώδη με χαμηλό οργανικό άνθρακα, μικρή περιεκτικότητα σε θρεπτικά συστατικά, καθώς και χαμηλής ικανότητας ανταλλαγής κατιόντων.

3.4 Εδαφικές Παρατηρήσεις 

Για κάθε ένα από τα 21 σημεία επίγειου ελέγχου (γνωστών γεωδαιτικών συντεταγμένων) καθορίστηκε το είδος, η κατάσταση και ο βαθμός της εδαφικής υποβάθμισης και τα αποτελέσματα παρουσιάσαν ικανοποιητική συμβατότητα και σύμφωνα με τον ταξινομημένο χάρτη (από το λόγο R/NIR) με 9 έντονα υποβαθμισμένες παρατηρήσεις σε γυμνά εδάφη, αμμώδη και φυτειών ευκαλύπτου. Κατόπιν, έγινε σύγκριση των δεδομένων από τον ταξινομημένο χάρτη (κυρίως για τα υποβαθμισμένα εδάφη) με τα δεδομένα από τον χάρτη εδαφικής υποβάθμισης και τα αποτελέσματα της σύγκρισης έδειξαν και αυτά μεγάλη συμβατότητα.

3.5 “Δυναμική” Εδαφικής Υποβάθμισης 

Το υποβαθμισμένο έδαφος αναγνωρίστηκε κατά τη διαδικασία της ταξινόμησης με τη χρησιμοποίηση του λόγου R/NIR σε όλες τις εικόνες των ημερομηνιών 1984, 1992, 1996 και 2000. Τα αποτελέσματα (βλέπε εικόνα II) φανέρωναν την εικόνα της “δυναμικής” της υποβάθμισης του εδάφους από το 1984 και μετά. Η έκταση της εδαφικής υποβάθμισης στην περιοχή της Tamduong κυμάνθηκε από 2.437 εκτάρια το 1984 σε 3.282 εκτάρια το 1992, 2185 εκτάρια το 1996 και 2.576 εκτάρια το 2000. Η τάση αυτή είναι εύλογη και μπορεί να συσχετιστεί με την ανθρώπινη δραστηριότητα στην περιοχή: όταν κόπηκαν τα δάση, η υποβάθμιση του εδάφους ξεκίνησε να επιδεινώνεται μέχρι το 1992. Μεταξύ των ετών 1990-1992 πραγματοποιήθηκε μεγάλης κλίμακας αναδάσωση (επί το πλείστον ευκαλύπτων) με αποτέλεσμα να αυξάνεται η κάλυψη του εδάφους και η βιομάζα, μειώνοντας τη διάβρωση. Από το 1996 άρχισε ξανά η δασική εκμετάλλευση για την παραγωγή χαρτιού που είχε σαν συνέπεια την απότομη αύξηση της υποβάθμισης του εδάφους.

[[Εικόνα:Spk_doruforikoi_2_15.jpg|right|thumb||Εικόνα ΙΙ: Ταξινομημένοι χάρτες με τη χρησιμοποίηση του λόγου R/NIR το 1984, 1992 και 2000 στην Tamduong.[http://gisws.media.osaka-cu.ac.jp/gisideas04/viewpaper.php?id=86]πηγή]]

4. Συμπεράσματα 

Ο λόγος καναλιών R/NIR παρουσίασε καλύτερα αποτελέσματα από το λόγο R/G, χάρη στην χαμηλή συσχέτιση μεταξύ των δύο καναλιών (του κόκκινου και του εγγύς υπέρυθρου). Η σύγκριση μεταξύ των έγχρωμων σύνθετων ταξινομημένων εικόνων έδειξε ότι τα πιο διαβρωμένα εδάφη εντοπίζονται σε πρεινά μέρη και σε αμμώδη εδάφη με κλίση. Η “δυναμική” της εδαφικής υποβάθμισης και οι αυξομειώσεις της δικαιολογούνται πλήρως από την επιρροή της ανθρώπινης δραστηριότητας στην περιοχή. Τα αποτελέσματα αυτά δείχνουν τις δυνατότητες της χρήσης δορυφορικών απεικονίσεων για την αναγνώριση των υποβαθμισμένων εδαφών.

Εδαφική δορυφορική ραδιομετρία της διαβρωτικότητας του εδάφους, κατά μήκος της κλιματικής κλίσης της Ιουδαϊκής Ερήμου στο Ισραήλ

2011-01-15T12:28:04Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

“Εδαφική δορυφορική ραδιομετρία της διαβρωτικότητας κατά μήκος της κλιματικής κλίσης της Ιουδαϊκής Ερήμου στο Ισραήλ”
Shosany M., Sarah P., Jarmer T., Hill J., Lavec H., “Field and satellite radiometry of soil erodibility along the climatic gradient of the Judean Desert, Israel”, International Archives of Photogrammetry and Remote Sensing Vol XXXIII, Part B7, Amsterdam 2000. [http://www.isprs.org/proceedings/XXXIII/congress/part7/1385_XXXIII-part7.pdf]

Εισαγωγή 

Η απώλεια του εδάφους και της βλάστησης είναι τα πιο βασικά χαρακτηριστικά των διαδικασιών της ερημοποίησης[http://en.wikipedia.org/wiki/Desertification]. Η ένταση και η έκταση της εδαφικής υποβάθμισης προσελκύει μείζονα προσοχή ως ένα παγκόσμιο φαινόμενο αλλαγής και ως ένα περιφερειακό φαινόμενο της Μεσογείου. Ως εκ τούτου η δορυφορική τηλεπισκόπηση είναι η πιο κατάλληλη για την παρακολούθηση της εν λόγω εκτεταμένης περιβαλλοντικής απειλής υπό την προϋπόθεση ότι υπάρχουν τα κατάλληλα βιοφυσικά μοντέλα. Η παρούσα μελέτη στοχεύει στην αξιολόγηση δεικτών φασματικών λόγων (λόγων καναλιών ΤΜ), οι οποίοι επιτρέπουν τη χαρτογράφηση της εδαφικής διαβρωτικότητας μεταξύ των τομέων που εκπροσωπούν μετάβαση υγρών και ξηρών κλιματικών συνθηκών, όπως η υφιστάμενη στο περιθώριο της Ιουδαϊκής Ερήμου. Για την επίτευξη αυτού του σκοπού πραγματοποιήθηκαν μετρήσεις των φασματικών και βιοχημικών ιδιοτήτων των δειγμάτων του εδάφους καθώς και ανάλυση της συσχέτισης τους με τη χρησιμοποίηση λόγων καναλιών του δορυφόρου Landsat.

Συσχέτιση οργανικής ύλης και φασματικής ανάκλασης του εδάφους 

Πολλές μελέτες έχουν υποδείξει ότι η μείωση της οργανικής ύλης και του μεγέθους των σωματιδίων του εδάφους προκαλεί αύξηση της ανακλαστικότητας στη φασματική περιοχή του ορατού και εγγύς υπέρυθρου (NIR). Η μελέτη των Stoner και Baumgardner (1981) καθώς και πιο πρόσφατες όπως του Escadfal (1994) έχουν δείξει ότι η ευαισθησία ανάκλασης με οργανική ύλη είναι υψηλή στο ορατό φάσμα. Οι σχέσεις μεταξύ του συνολικού αδρανούς δομικού υλικού που υπάρχει στο έδαφος και της φασματικής ανάκλασης του εδάφους έχουν διερευνηθεί από την μελέτη των Bowers and Hanks (1965) και την μελέτη των Hant and Salisburg (1976), οι οποίες έχουν διαπιστώσει υψηλή ευαισθησία ανάκλασης τόσο στο ορατό όσο και στο εγγύς υπέρυθρο φάσμα για τα αδρανή δομικά υλικά του εδάφους.

Περιοχή μελέτης 

Στην μελέτη και την δειγματοληψία του εδάφους περιλαμβάνονται ραδιομετρικές μετρήσεις με το ραδιόμετρο Fieldspec με δυνατότητα ανάλυσης εώς 2nm. Το συνολικό μέγεθος, οι οργανικές ύλες και οι χημικές συνθέσεις των δειγμάτων του εδάφους προσδιορίστηκαν στο εργαστήριο και επιλέχθηκαν από τέσσερις περιοχές μελέτης. Κάθε μία αντιπροσωπεύει διαφορετικές κλιματολογικές συνθήκες (Μεσογειακό, ημίξηρο, ήπιο και ξηρό κλίμα). Συγκεκριμένα είναι οι εξής:
1. Giv'at Ye'arim (GIV). Αυτή η περιοχή βρίσκεται 11 χιλιόμετρα δυτικά της Ιερουσαλήμ σε υψόμετρο 650 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση είναι 620 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 17οC.
2. Ma'ale Adunim (MAL). Αυτή η περιοχή εντοπίζεται 6,5 χιλιόμετρα ανατολικά της Ιερουσαλήμ σε υψόμετρο 330 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση ειναι 330 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 19οC.
3. Mishor Adunim (MIS). Αυτή η περιοχή μελέτης βρίσκεται 6,5 χιλιόμετρα ανατολικά της Ιερουσαλήμ σε υψόμετρο 330 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση ειναι 330 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 19οC.
4. Kalia (KAL). Αυτή η περιοχή βρίσκεται 4 χιλιόμετρα δυτικά της Νεκρής Θάλασσας σε υψόμετρο 70 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση ειναι 120 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 23οC.

Το γεωλογικό υπόβαθρο σε όλες τισ περιοχές μελέτης είναι ασβεστολιθικό. Παρά την παρόμοια λιθολογία και τις τοπογραφικές συνθήκες που επικρατούν στις περιοχές μελέτης έχουν αναπτυχθεί διαφορετικοί τύποι εδάφους, αποτέλεσμα της μακροπρόθεσμης επίδρασης των ξεχωριστών κλιματικών συνθηκών κατά τη διάρκεια της τελευταίας χιλιετίας. Στο χώρο μελέτης 'GIV' ένα κόκκινο χώμα (Terra Rossa)[http://en.wikipedia.org/wiki/Terra_rosa_%28soil%29] έχει αναπτυχθεί το οποίο περιέχει μία σχετικά υψηλή ποσότητα από άργιλο (50%), ανθρακικό ασβέστιο (6%-8%) και μία μέση ποσότητα οργανικής ύλης (6%-8%). Στο χώρο μελέτης 'MAL' ένα καφετί χώμα (Rendzina)[http://en.wikipedia.org/wiki/Rendzina] έχει αναπτυχθεί το οποίο περιέχει μία μεσαία ποσότητα από άργιλο (30%), ανθρακικό ασβέστιο (30%) και μία μικρή ποσότητα οργανικής ύλης (2,5%-4,5%). Στην περιοχή μελέτης 'MIS' αναπτύχθηκε ένα ρηχό ασβεστολιθικό που περιέχει άργιλο, ανθρακικό ασβέστιο και μία ποσότητα οργανικής ύλης (20%, 50% και 2% αντίστοιχα). Ομοίως και στην περιοχή 'KAL' με ποσοστά 10%, 80% και 1% αντίστοιχα.

Αποτελέσματα 

Η εφαρμογή τεχνικών κατηγοριοποίησης και ταξινόμησης στις βιοχημικές ιδιότητες των δεδομένων που προήλθαν από τη δειγματοληψία στις περιοχές μελέτης επέτρεψαν την αναγνώριση έξι ομαδοποιήσεων-συσσωρεύσεων (βλέπε εικόνα 1). Ακόμα, διαπιστώθηκε ότι αυτές οι φασματικές κατηγορίες είχαν επίσης χαρακτηριστικές υπογραφές, εκτός από τη διαφοροποίηση μεταξύ των ομαδοποιήσεων 5 και 3. Το κύριο χαρακτηριστικό που προκαλεί αυτή τη διαφοροποίηση είναι το επίπεδο ανάκλασης στο εγγύς και μεσαίο υπέρυθρο φασματικό κανάλι του δορυφόρου Landsat (βλέπε εικόνα 2). Η αξιολόγηση των σχέσεων της εδαφικής διαβρωτικότητας και της φασματικής ανακλαστικότητας έγινε με τη χρησιμοποίηση λόγων καναλιών σύμφωνα με την αναφορά των Pickup και Chewings (1996). Οι Shoshang και Lavee (1998) έχουν εφαρμόσει την ίδια τεχνική που χρησιμοποίει τους λόγους καναλιών κανάλι 2 προς κανάλι 4 και κανάλι 3 προς κανάλι 4 για την χαρτογράφηση της εδαφικής διαβρωτικότητας. Η εμπειρική αξιολόγηση των αποτελεσμάτων αυτών των δύο φασματικών λόγων για τέσσερα σημεία που αντιπροσωπεύουν τα διάφορα επίπεδα διάβρωσης φανέρωσαν μία γραμμική θετική συσχέτιση μεταξύ τριών παραγόντων: μεταβολές σε αυτούς τους δύο φασματικούς λόγους και στα επίπεδα διάβρωσης. Το μοτίβο των μεταβολών είναι στη πραγματικότητα ορθογώνιο όπως αναμενόταν από την αναφορά των Pickup και Chewings. Ένας νέος δείκτης διαβρωτικότητας διαμορφώθηκε στη συνέχεια σύμφωνα με το μοτίβο μεταβολών των δύο φασματικών λόγων. Η χαρτογράφηση των διαφόρων συνδυασμών λόγων καναλιών έδειξε ότι σε μεγάλο βαθμό αντιστοιχούν στις προαναφερθέντες γραμμικές σχέσεις (βλέπε εικόνα 3). Επίσης, εξήχθη το συμπέρασμα ότι ο γραμμικός συνδυασμός των λόγων καναλιών συσχετίζεται με την περιεκτικότητα σε οργανικό άνθρακα.

[[Εικόνα:Spk_edafiki_1_14.jpg|right|thumb||ΕΙΚΟΝΑ 1:Ομαδοποίηση οργανικού και ανόργανου άνθρακα και σιδήρου.[http://www.isprs.org/proceedings/XXXIII/congress/part7/1385_XXXIII-part7.pdf]πηγή]]

[[Εικόνα:Spk_edafiki_2_14.jpg|right|thumb||ΕΙΚΟΝΑ 2:Μέση ανακλαστικότητα κατηγοροιοποήσεων στα κανάλια του LANDSAT.[http://www.isprs.org/proceedings/XXXIII/congress/part7/1385_XXXIII-part7.pdf]πηγή]]

[[Εικόνα:Spk_edafiki_3_14.jpg|right|thumb||EIKONA 3 : Βιοχημικές ομαδοποιήσεις σε σχέση με τους συνδυασμούς φασματικών λόγων.[http://www.isprs.org/proceedings/XXXIII/congress/part7/1385_XXXIII-part7.pdf]πηγή]]

Συμπερασματα 

Η εφαρμογή δορυφορικών τηλεπισκοπικών τεχνικών για τη χαρτογράφηση της διάβρωσης του εδάφους είναι ευρέως διαδεδομένη. Αυτή η μελέτη αποσκοπεί στην ενίσχυση των σχέσεων των αποτελεσμάτων των λόγων καναλιών και των φυσικών ιδιοτήτων του εδάφους. Αποδείχτηκε ότι η διαβρωτικότητα είναι αντιστρόφως ανάλογη με την περιεκτικότητα του εδάφου σε οργανικό άνθρακα και ότι η χρησιμοποίηση λόγων καναλιών για την εύρεση αυτής της αναλογίας είναι αποτελεσματική με μεγάλη ακρίβεια.

“Εδαφική δορυφορική ραδιομετρία της διαβρωτικότητας κατά μήκος της κλιματικής κλίσης της Ιουδαϊκής Ερήμου στο Ισραήλ”

2011-01-15T12:22:33Z

Kontos spyros: Η “Εδαφική δορυφορική ραδιομετρία της διαβρωτικότητας κατά μήκος της κλιματικής κλίσης της Ιουδαϊκής Ερήμου στο Ισραήλ” μετονομάστηκε σ

#REDIRECT [[Εδαφική δορυφορική ραδιομετρία της διαβρωτικότητας κατά μήκος της κλιματικής κλίσης της Ιουδαϊκής Ερήμου στο Ισραήλ”]]

Εδαφική δορυφορική ραδιομετρία της διαβρωτικότητας του εδάφους, κατά μήκος της κλιματικής κλίσης της Ιουδαϊκής Ερήμου στο Ισραήλ

2011-01-15T12:22:33Z

[[category:Νέα δοκιμαστική υποκατηγορία]]

“Εδαφική δορυφορική ραδιομετρία της διαβρωτικότητας κατά μήκος της κλιματικής κλίσης της Ιουδαϊκής Ερήμου στο Ισραήλ”
Shosany M., Sarah P., Jarmer T., Hill J., Lavec H., “Field and satellite radiometry of soil erodibility along the climatic gradient of the Judean Desert, Israel”, International Archives of Photogrammetry and Remote Sensing Vol XXXIII, Part B7, Amsterdam 2000. [http://www.isprs.org/proceedings/XXXIII/congress/part7/1385_XXXIII-part7.pdf]

Εισαγωγή 

Η απώλεια του εδάφους και της βλάστησης είναι τα πιο βασικά χαρακτηριστικά των διαδικασιών της ερημοποίησης. Η ένταση και η έκταση της εδαφικής υποβάθμισης προσελκύει μείζονα προσοχή ως ένα παγκόσμιο φαινόμενο αλλαγής και ως ένα περιφερειακό φαινόμενο της Μεσογείου. Ως εκ τούτου η δορυφορική τηλεπισκόπηση είναι η πιο κατάλληλη για την παρακολούθηση της εν λόγω εκτεταμένης περιβαλλοντικής απειλής υπό την προϋπόθεση ότι υπάρχουν τα κατάλληλα βιοφυσικά μοντέλα. Η παρούσα μελέτη στοχεύει στην αξιολόγηση δεικτών φασματικών λόγων (λόγων καναλιών ΤΜ), οι οποίοι επιτρέπουν τη χαρτογράφηση της εδαφικής διαβρωτικότητας μεταξύ των τομέων που εκπροσωπούν μετάβαση υγρών και ξηρών κλιματικών συνθηκών, όπως η υφιστάμενη στο περιθώριο της Ιουδαϊκής Ερήμου. Για την επίτευξη αυτού του σκοπού πραγματοποιήθηκαν μετρήσεις των φασματικών και βιοχημικών ιδιοτήτων των δειγμάτων του εδάφους καθώς και ανάλυση της συσχέτισης τους με τη χρησιμοποίηση λόγων καναλιών του δορυφόρου Landsat.

Συσχέτιση οργανικής ύλης και φασματικής ανάκλασης του εδάφους 

Πολλές μελέτες έχουν υποδείξει ότι η μείωση της οργανικής ύλης και του μεγέθους των σωματιδίων του εδάφους προκαλεί αύξηση της ανακλαστικότητας στη φασματική περιοχή του ορατού και εγγύς υπέρυθρου (NIR). Η μελέτη των Stoner και Baumgardner (1981) καθώς και πιο πρόσφατες όπως του Escadfal (1994) έχουν δείξει ότι η ευαισθησία ανάκλασης με οργανική ύλη είναι υψηλή στο ορατό φάσμα. Οι σχέσεις μεταξύ του συνολικού αδρανούς δομικού υλικού που υπάρχει στο έδαφος και της φασματικής ανάκλασης του εδάφους έχουν διερευνηθεί από την μελέτη των Bowers and Hanks (1965) και την μελέτη των Hant and Salisburg (1976), οι οποίες έχουν διαπιστώσει υψηλή ευαισθησία ανάκλασης τόσο στο ορατό όσο και στο εγγύς υπέρυθρο φάσμα για τα αδρανή δομικά υλικά του εδάφους.

Περιοχή μελέτης 

Στην μελέτη και την δειγματοληψία του εδάφους περιλαμβάνονται ραδιομετρικές μετρήσεις με το ραδιόμετρο Fieldspec με δυνατότητα ανάλυσης εώς 2nm. Το συνολικό μέγεθος, οι οργανικές ύλες και οι χημικές συνθέσεις των δειγμάτων του εδάφους προσδιορίστηκαν στο εργαστήριο και επιλέχθηκαν από τέσσερις περιοχές μελέτης. Κάθε μία αντιπροσωπεύει διαφορετικές κλιματολογικές συνθήκες (Μεσογειακό, ημίξηρο, ήπιο και ξηρό κλίμα). Συγκεκριμένα είναι οι εξής:
1. Giv'at Ye'arim (GIV). Αυτή η περιοχή βρίσκεται 11 χιλιόμετρα δυτικά της Ιερουσαλήμ σε υψόμετρο 650 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση είναι 620 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 17οC.
2. Ma'ale Adunim (MAL). Αυτή η περιοχή εντοπίζεται 6,5 χιλιόμετρα ανατολικά της Ιερουσαλήμ σε υψόμετρο 330 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση ειναι 330 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 19οC.
3. Mishor Adunim (MIS). Αυτή η περιοχή μελέτης βρίσκεται 6,5 χιλιόμετρα ανατολικά της Ιερουσαλήμ σε υψόμετρο 330 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση ειναι 330 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 19οC.
4. Kalia (KAL). Αυτή η περιοχή βρίσκεται 4 χιλιόμετρα δυτικά της Νεκρής Θάλασσας σε υψόμετρο 70 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση ειναι 120 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 23οC.

Το γεωλογικό υπόβαθρο σε όλες τισ περιοχές μελέτης είναι ασβεστολιθικό. Παρά την παρόμοια λιθολογία και τις τοπογραφικές συνθήκες που επικρατούν στις περιοχές μελέτης έχουν αναπτυχθεί διαφορετικοί τύποι εδάφους, αποτέλεσμα της μακροπρόθεσμης επίδρασης των ξεχωριστών κλιματικών συνθηκών κατά τη διάρκεια της τελευταίας χιλιετίας. Στο χώρο μελέτης 'GIV' ένα κόκκινο χώμα (Terra Rossa) έχει αναπτυχθεί το οποίο περιέχει μία σχετικά υψηλή ποσότητα από άργιλο (50%), ανθρακικό ασβέστιο (6%-8%) και μία μέση ποσότητα οργανικής ύλης (6%-8%). Στο χώρο μελέτης 'MAL' ένα καφετί χώμα (Rendzina) έχει αναπτυχθεί το οποίο περιέχει μία μεσαία ποσότητα από άργιλο (30%), ανθρακικό ασβέστιο (30%) και μία μικρή ποσότητα οργανικής ύλης (2,5%-4,5%). Στην περιοχή μελέτης 'MIS' αναπτύχθηκε ένα ρηχό ασβεστολιθικό που περιέχει άργιλο, ανθρακικό ασβέστιο και μία ποσότητα οργανικής ύλης (20%, 50% και 2% αντίστοιχα). Ομοίως και στην περιοχή 'KAL' με ποσοστά 10%, 80% και 1% αντίστοιχα.

Αποτελέσματα 

Η εφαρμογή τεχνικών κατηγοριοποίησης και ταξινόμησης στις βιοχημικές ιδιότητες των δεδομένων που προήλθαν από τη δειγματοληψία στις περιοχές μελέτης επέτρεψαν την αναγνώριση έξι ομαδοποιήσεων-συσσωρεύσεων (εικόνα 1). Ακόμα, διαπιστώθηκε ότι αυτές οι φασματικές κατηγορίες είχαν επίσης χαρακτηριστικές υπογραφές, εκτός από τη διαφοροποίηση μεταξύ των ομαδοποιήσεων 5 και 3. Το κύριο χαρακτηριστικό που προκαλεί αυτή τη διαφοροποίηση είναι το επίπεδο ανάκλασης στο εγγύς και μεσαίο υπέρυθρο φασματικό κανάλι του δορυφόρου Landsat (εικόνα 2). Η αξιολόγηση των σχέσεων της εδαφικής διαβρωτικότητας και της φασματικής ανακλαστικότητας έγινε με τη χρησιμοποίηση λόγων καναλιών σύμφωνα με την αναφορά των Pickup και Chewings (1996). Οι Shoshang και Lavee (1998) έχουν εφαρμόσει την ίδια τεχνική που χρησιμοποίει τους λόγους καναλιών κανάλι 2 προς κανάλι 4 και κανάλι 3 προς κανάλι 4 για την χαρτογράφηση της εδαφικής διαβρωτικότητας. Η εμπειρική αξιολόγηση των αποτελεσμάτων αυτών των δύο φασματικών λόγων για τέσσερα σημεία που αντιπροσωπεύουν τα διάφορα επίπεδα διάβρωσης φανέρωσαν μία γραμμική θετική συσχέτιση μεταξύ τριών παραγόντων: μεταβολές σε αυτούς τους δύο φασματικούς λόγους και στα επίπεδα διάβρωσης. Το μοτίβο των μεταβολών είναι στη πραγματικότητα ορθογώνιο όπως αναμενόταν από την αναφορά των Pickup και Chewings. Ένας νέος δείκτης διαβρωτικότητας διαμορφώθηκε στη συνέχεια σύμφωνα με το μοτίβο μεταβολών των δύο φασματικών λόγων. Η χαρτογράφηση των διαφόρων συνδυασμών λόγων καναλιών έδειξε ότι σε μεγάλο βαθμό αντιστοιχούν στις προαναφερθέντες γραμμικές σχέσεις (εικόνα 3). Επίσης, εξήχθη το συμπέρασμα ότι ο γραμμικός συνδυασμός των λόγων καναλιών συσχετίζεται με την περιεκτικότητα σε οργανικό άνθρακα.

[[Εικόνα:Spk_edafiki_1_14.jpg|right|thumb||ΕΙΚΟΝΑ 1:Ομαδοποίηση οργανικού και ανόργανου άνθρακα και σιδήρου.[http://www.isprs.org/proceedings/XXXIII/congress/part7/1385_XXXIII-part7.pdf]πηγή]]

[[Εικόνα:Spk_edafiki_2_14.jpg|right|thumb||ΕΙΚΟΝΑ 2:Μέση ανακλαστικότητα κατηγοροιοποήσεων στα κανάλια του LANDSAT.[http://www.isprs.org/proceedings/XXXIII/congress/part7/1385_XXXIII-part7.pdf]πηγή]]

[[Εικόνα:Spk_edafiki_3_14.jpg|right|thumb||EIKONA 3 : Βιοχημικές ομαδοποιήσεις σε σχέση με τους συνδυασμούς φασματικών λόγων.[http://www.isprs.org/proceedings/XXXIII/congress/part7/1385_XXXIII-part7.pdf]πηγή]]

Συμπερασματα 

Η εφαρμογή δορυφορικών τηλεπισκοπικών τεχνικών για τη χαρτογράφηση της διάβρωσης του εδάφους είναι ευρέως διαδεδομένη. Αυτή η μελέτη αποσκοπεί στην ενίσχυση των σχέσεων των αποτελεσμάτων των λόγων καναλιών και των φυσικών ιδιοτήτων του εδάφους. Αποδείχτηκε ότι η διαβρωτικότητα είναι αντιστρόφως ανάλογη με την περιεκτικότητα του εδάφου σε οργανικό άνθρακα και ότι η χρησιμοποίηση λόγων καναλιών για την εύρεση αυτής της αναλογίας είναι αποτελεσματική με μεγάλη ακρίβεια.

Χρήση πολλαπλών φασματικών δεικτών για την εκτίμηση του μεγέθους των επιπτώσεων μίας πυρκαγιάς στην περιοχή Black Hills της νότιας Dakota

2011-01-15T12:21:41Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

“Χρήση πολλαπλών φασματικών δεικτών για την εκτίμηση του μεγέθους των επιπτώσεων μίας πυρκαγιάς στην περιοχή Black Hills της νότιας Dakota.”
“Use of multiple spectral indices to estimate burn severity in the Black Hills of South Dakota.”
Chen X., Zhu Z., Ohlen D., Huang C., Shi H., Pecora – The Future of Land Imaging...Going Operational November 18-20, 2008. [http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]

Εισαγωγή 

Λόγω της υψηλής χωρικής και χρονικής διακύμανσης και την αβεβαιότητα των δασικών πυρκαγιών, εξακολουθεί να είναι μία πρόκληση η ακριβής εκτίμηση της πληγείσας περιοχής καθώς και το ακριβές μέγεθος των επιπτώσεων μετά από μία μεγάλη πυρκαγιά. Τηλεπισκοπικές τεχνικές παρέχουν ένα βελτιωμένο τρόπο για την ανίχνευση της χωρικής και χρονικής μεταβλητότητας με χαμηλότερο κόστος και λιγότερο χρόνο από τις παραδοσιακές μεθόδους απογραφής των επιπτώσεων μίας πυρκαγιάς. Ο στόχος της παρούσας μελέτης είναι η ανάλυση των συσχετισμών μεταξύ των τηλεπισκοπικών φασματικών δεκτών και των εδαφικών δεδομένων της “σοβαρότητας” των επιπτώσεων μίας δασικής πυρκαγιάς που εξελίχτηκε στον Εθνικό Δρυμό Black Hills της νότιας Dakota κατά τη διάρκεια του Αυγούστου και του Σεπτεμβρίου του 2000. Η υπομελέτη φασματικών δεικτών περιλαμβάνει τον παραδοσιακό κανονικοποιημένο δείκτη βλάστησης (NDVi) και αυτών των νέων σχετικά δεικτών: τον ενισχυμένο δείκτη βλάστησης (EVI), τον κανονικοποιημένο δείκτη καταστροφής από φωτιά (NBR), καθώς και τον ενοποιημένο δασικό δείκτη (IFI).

Περιοχή μελέτης και δεδομένα 

Η περιοχή μελέτης ήταν ο Εθνικός Δρυμός στην περιοχή Black Hills στη Νότια Dakota (-103,85οW, 44,82oN, με υψόμετρο 1900μ.) (εικόνα 1). Η φωτιά “Jasper” όπως ονομάστηκε, ήταν η μεγαλύτερη πυρκαγιά που συνέβη στην περιοχή σε τουλάχιστον ένα αιώνα. Η πυρκαγιά ξεκίνησε στις 24 Αυγούστου του 2000 και ο έλεγχος τηης επιτεύχθηκε στις 25 Σεπτεμβρίου. Η καμένη έκταση ήταν περίπου 337,9 km2 (83.508 στρέμματα) και τα έξοδα καταστολής ήταν πάνω από 8,2 εκατομμύρια δολάρια.
Εβδομήνταμία γραφικές παραστάσεις-ιστογράμματα με βάση τα δεδομένα από την εφαρμογή του σύνθετου δείκτη φωτιάς (CBI), συλλέχθηκαν 21 μήνες μετά τον περιορισμό της φωτιάς από τις 13 Μαίου εώς τις 26 Μαίου του 2002, στην περιοχή μελέτης Blck Hills. Αυτές οι επίγειες μετρήσεις CBI χρησιμοποιήθηκαν για τη βαθμονόμηση και την επικύρωση των πραγματικών επιπτώσεων της φωτιάς στο έδαφος της περιοχής μελέτης. Λεπτομερείς παρατηρήσιμες πληροφορίες και εδαφικά δεδομένα, συμπεριλαμβανομένων των οργανικών υλικών που καταναλώνονται, τα χαρακτηριστικά του εναπομείνοντος οργανικού άνθρακα και της τέφρας, καθώς και τις δυνατότητες της βλαστικής θνησιμότητας και αναγέννησης, καταγράφηκαν και χρησιμοποιήθηκαν για την ανεξάρτητη αξιολόγηση του μεγέθους και της σοβαρότητας των επιπτώσεων της πυρκαγιάς. Η CBI τιμή κυμαίνεται μεταξύ 0 και 3 και η αξία της είναι ανάλογη με το βαθμό σοβαρότητας της φωτιάς.
Τα τηλεπισκοπικά δεδομένα που χρησιμοποιήθηκαν στην παρούσα μελέτη περιλαμβάνουν 2 Landsat5 απεικονίσεις που αποκτήθηκαν στις 2 Ιουνίου του 2000 (πριν τη φωτιά), και μια Landsat7 εικόνα που αποκτήθηκε στις 31 Μαίου του 2002 (21 μήνες μετά τη φωτιά).

[[Εικόνα:Spk_xrisi_1_13.jpg|right|thumb||Εικόνα 1: Περιοχή μελέτης της φωτιάς Jasper στο Black Hills National Forest της South Dakota.[http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]πηγή]]

Μέθοδοι 

Πραγματοποιήθηκε επεξεργασία των δεδομένων και των 3 Landsat εικόνων με σκοπό τη διόρθωση και την αποκατάσταση τους από γεωμετρικές παραμορφώσεις, την εξάλειψη τυχόν θορύβου και τη ραδιομετρική ρύθμιση τους. Οι 4 φασματικές δείκτες υπολογίστηκαν με τη χρησιμοποίηση των παρακάτω εξισώσεων για κάθε μία απεικόνιση.
Ο φασματικός δείκτης NDVI υπολογίζεται με τη χρησιμοποίηση της ανάκλασης στο κόκκινο και στο εγγύς υπέρυθρο των καναλιών 3 και 4 του δορυφόρου Landsat αντίστοιχα:

NDVI = (Band4-Band3)/(Band4+Band3)

Ο φασματικός δείκτης EVI υπολογίζεται με τη χρησιμοποίηση της ανάκλασης στο μπλε, στο κόκκινο και στο εγγύς ερυθρό των καναλιών 1,3 και 4 του δορυφόρου Landsat αντίστοιχα:

EVI = 2,5 x (Band4-Band3)/(Band4+6xBand3-7,5xBand1+1)

Ο φασματικός δείκτης IFI έχει αναπτυχθεί πρόσφατα και αντιπροσωπεύει την 'κατάσταση' του δάσους με τη χρησιμοποίηση κατάλληλων στατιστικών στοιχείων από τις δορυφορικές απεικονίσεις:

IFIp = [(1/NB)xΣi=1(bpi-bi/SDi)2]1/2

όπου bi και SDi είναι ο μέσος όρος και η τυπική απόκλιση των επιλεγμένων εικονοστοιχείων για τα i κανάλια, bpi είναι η φασματική τιμή του καναλιού i για το pixel p, και NB είναι ο αριθμός των φασματικών καναλιών. Σ'αυτή τη μελέτη, ο IFI υπολογίστηκε με τη χρησιμοποίηση των καναλιών 3,5 και 7 του δορυφόρου Landsat.
Κατόπιν, έγινε υπολογισμός της κατανομής των τιμών των 71 CBI γραφικών παραστάσεων-ιστογραμμάτων με βάση τριών θεματικών κατηγοριών. 11 CBI τιμές ιστογραμμάτων ήταν κάτω από 1, 27 τιμές κυμαινόνταν μεταξύ των τιμών 1 και 2, και 33 τιμές κυμαίνονταν μεταξύ 2 και 3 (εικόνα 2). Στη συνέχεια εξετάστηκε η γραμμική παλινδρόμηση ενιαίας μεταβλητής μεταξύ της συσχέτισης του κάθε φασματικού δείκτη ξεχωριστά και των εδαφικών CBI δεδομένων. Πολλαπλές μεταβλητές παλινδρόμησης χρησιμοποιήθηκαν επίσης για την εύρεση των διαφορών των φασματικών δεικτών πριν και μετά τη φωτιά με βάση τα CBI εδαφικά δεδομένα για την εκτίμηση των επιπτώσεων της πυρκαγιάς. Οι παράμετροι των γραμμικών παλινδρομήσεων υπολογίστηκαν με τη μέθοδο ελαχίστων τετραγώνων.

[[Εικόνα:Spk_xrisi_2_13.jpg|right|thumb||Εικόνα 2: Κατανομή των τιμών του δείκτη CBI.[http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]πηγή ]]

Ανάλυση και Αποτελέσματα 

Οι οικολογικές επιπτώσεις που υφίσταται μία περιοχή μετά τη φωτιά είναι γνωστές σε όλους μας. Τα πρώτα αποτελέσματα της φωτιάς, που ονομάζονται επίσης άμεσα αποτελέσματα, είναι οι πρώτες συνέπειες από την καύση της φωτιάς, δηλαδή της χημικής αντίδρασης που συνοδεύεται από έκλυση θερμότητας και φωτός. Τέτοια άμεσα αποτελέσματα είναι συνήθως ο τραυματισμός και ο θάνατος ζώων και φυτών, η κατανάλωση καυσίμων, η θέρμανση του εδάφους και η παραγωγή καπνού και τέφρας. Τα άμεσα αποτελέσματα προσδιορίζονται αμέσως μετά τη φωτιά σε αντίθεση με τα έμμεσα αποτελέσματα (όπως η διάβρωση του εδάφους, η διαδοχή της βλάστησης, τοπογραφικές και κλιματικές αλλαγές) που είναι μακροπρόθεσμα και ο ακριβής προσδιορισμός τους μπορεί να από λίγες ώρες εώς δεκάδες χρόνια. Η ψηφιακή τηλεπισκόπιση μπορεί να παρατηρήσει και να προσδιορίσει τα αποτελέσματα της φωτιάς με βάση τις σημαντικές μεταβολές της ηλεκτρομαγνητικής ακτινοβολίας των χαρακτηριστικών της επιφάνειας της περιοχής μελέτης. Συγκεκριμένα, σ'αυτήν τη μελέτη θα εξεταστούν οι φασματικοί δείκτες στο πρώτο και το δεύτερο χρόνο πριν και μετά της εκδήλωσης της πυρκαγιάς.
Οι γραμμικές παλινδρομήσεις ενιαίας μεταβλητής των μεταβολών των φασματικών δεικτών πριν και μετά τη πυρκαγιά, του πρώτου και του δεύτερου χρόνου σε σχέση με τα CBI δεδομένα, παρουσιάζονται στον πίνακα 1. Στον πρώτο χρόνο μετά τη φωτιά, τόσο ο NDVi όσο και ο EVi είχαν καλή συσχέτιση με τα CBI δεδομένα, με τις αξίες του R2 να είναι της τάξεως 0,69. Η αξία του R2 για το φασματικό δείκτη NBR ήταν της τάξεως 0,63, λίγο μικρότερη από τις προηγούμενες δύο. Αν ληφθούν υπόψιν μόνο 40 επιλεγόμενα ως πιο κατάλληλα ιστογράμματα από τα υπόλοιπα, οι συσχετίσεις παρουσιάζουν βελτίωση με τις τιμές του R2 να είναι 0,79, 0,79 και 0,76 για τους φασματικούς δείκτες NDVI, EVI και NBR αντίστοιχα. Τον δεύτερο χρόνο όλες οι τιμές R2 μειώθηκαν. Ο NBR παρουσίασε την καλύτερη συσχέτιση με τα CBI δεδομένα με την τιμη του R2 να είναι της τάξεως 0,60 και για τα 71 CBI ιστογράμματα και 0,74 για τα επιλεγόμενα 40 ιστογράμματα.
Οι μεταβολές των IFI δεδομένων τον πρώτο χρόνο πριν και μετά την εκδήλωση της πυρκαγιάς παρουσίασαν χαμηλή συσχέτιση με τα CBI δεδομένα. Αντίθετα, το δεύτερο χρόνο παρουσίασαν καλή συσχέτιση με τα CBI δεδομένα και την τιμή R2 να είναι της τάξεως του 0,62, η οποία είναι μεγαλύτερη σε σχέση με τις R2 τιμές των υπόλοιπων 3 φασματικών δεικτών για το 2002. Η συσχέτιση των IFI δεδομένων με τα επιλεγόμενα ιστογράμματα των CBI δεδομένων ήταν της τάξεως του 0,66.
Για την ανάλυση των πλεονεκτημάτων των τεσσάρων φασματικών δεικτών, εξετάστηκαν πολλαπλές μεταβλητές παλινδρόμησης των διαφορών τους για δύο χρόνια πριν και μετά την πυρκαγιά. Στον πίνακα 2 παρατίθονται οι συντελεστές των μεταβλητών των παλινδρομήσεων χρησιμοποιώντας τα 71 CBI ιστογράμματα αλλά και για τα 40 επιλεγμένα ιστογράμματα. Η σύγκριση των CBI δεδομένων με τα αποτελέσματα των πολλαπλών παλινδρομήσεων φαίνεται στην εικόνα 3. Η αξία της γραμμικής συσχέτισης R2 για αυτήν την σύγκριση ήταν της τάξεως του 0,86 και 0,87 για τα επιλεγμένα ιστογράμματα.

[[Εικόνα:Spk_xrisi_3_13.jpg|right|thumb||Πίνακας 1: Οι γραμμικές παλινδρομήσεις ενιαίας μεταβλητής των μεταβολών των φασματικών δεικτών πριν και μετά τη πυρκαγιά, του πρώτου και του δεύτερου χρόνου σε σχέση με τα CBI δεδομένα.[http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]πηγή ]]
[[Εικόνα:Spk_xrisi_4_13.jpg|left|thumb||Πίνακας 2: Οι συντελεστές των μεταβλητών των παλινδρομήσεων χρησιμοποιώντας τα 71 CBI ιστογράμματα.[http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]πηγή ]]
[[Εικόνα:Spk_xrisi_5_13.jpg|center|thumb||Εικόνα 3: Η σύγκριση των CBI δεδομένων με τα αποτελέσματα των πολλαπλών παλινδρομήσεων.[http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]πηγή ]]

Συμπεράσματα 

Η συγκεκριμένη μελέτη έδειξε ότι και οι 4 φασματικοί δείκτες έχουν τη δυνατότητα να αξιολογήσουν τη σοβαρότητα της φωτιάς και τη ζημιά στην βλάστηση σε ένα σύντομο χρονικό διάστημα μετά τη φωτιά. Και για τους 4 φασματικούς δείκτες χρησιμοποιήθηκαν πολλαπλές παλινδρομήσεις οι οποίες παρουσίασαν υψηλές συσχετίσεις με τα CBI δεδομένα που συλλέχθηκαν στην περιοχή μελέτης. Η αξία της γραμμικής συσχέτισης R2 ήταν της τάξεως του 0,86 για τα 71 ιστογράμματα και 0,87 για τα 40 επιλεγμένα ιστογράμματα. Με την εφαρμογή των λειτουργιών της πολλαπλής παλινδρόμησης, οι επιστήμονες θα μπορούσαν να εκτιμήσουν τα CBI δεδομένα της εφαρμογής του σύνθετου δείκτη φωτιάς CBI με μεγάλη ακρίβεια καθώς και με τη χρήση αποκλειστικά τηλεπισκοπικών δεδομένων. Επιπλέον, αυτοί οι φασματικοί δείκτες θα μπορούσαν να χρησιμποποιηθουν για την μακροπρόθεσμη παρακολούθηση των έμμεσων αποτελεσμάτων των πυρκαγιών.

Χρήση πολλαπλών φασματικών δεικτών για την εκτίμηση του μεγέθους των επιπτώσεων μίας πυρκαγιάς στην περιοχή Black Hills της νότιας Dakota

2011-01-15T12:21:05Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

“Χρήση πολλαπλών φασματικών δεικτών για την εκτίμηση του μεγέθους των επιπτώσεων μίας πυρκαγιάς στην περιοχή Black Hills της νότιας Dakota.”
“Use of multiple spectral indices to estimate burn severity in the Black Hills of South Dakota.”
Chen X., Zhu Z., Ohlen D., Huang C., Shi H., Pecora – The Future of Land Imaging...Going Operational November 18-20, 2008. [http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]

Εισαγωγή 

Λόγω της υψηλής χωρικής και χρονικής διακύμανσης και την αβεβαιότητα των δασικών πυρκαγιών, εξακολουθεί να είναι μία πρόκληση η ακριβής εκτίμηση της πληγείσας περιοχής καθώς και το ακριβές μέγεθος των επιπτώσεων μετά από μία μεγάλη πυρκαγιά. Τηλεπισκοπικές τεχνικές παρέχουν ένα βελτιωμένο τρόπο για την ανίχνευση της χωρικής και χρονικής μεταβλητότητας με χαμηλότερο κόστος και λιγότερο χρόνο από τις παραδοσιακές μεθόδους απογραφής των επιπτώσεων μίας πυρκαγιάς. Ο στόχος της παρούσας μελέτης είναι η ανάλυση των συσχετισμών μεταξύ των τηλεπισκοπικών φασματικών δεκτών και των εδαφικών δεδομένων της “σοβαρότητας” των επιπτώσεων μίας δασικής πυρκαγιάς που εξελίχτηκε στον Εθνικό Δρυμό Black Hills της νότιας Dakota κατά τη διάρκεια του Αυγούστου και του Σεπτεμβρίου του 2000. Η υπομελέτη φασματικών δεικτών περιλαμβάνει τον παραδοσιακό κανονικοποιημένο δείκτη βλάστησης (NDVi) και αυτών των νέων σχετικά δεικτών: τον ενισχυμένο δείκτη βλάστησης (EVI), τον κανονικοποιημένο δείκτη καταστροφής από φωτιά (NBR), καθώς και τον ενοποιημένο δασικό δείκτη (IFI).

Περιοχή μελέτης και δεδομένα 

Η περιοχή μελέτης ήταν ο Εθνικός Δρυμός στην περιοχή Black Hills στη Νότια Dakota (-103,85οW, 44,82oN, με υψόμετρο 1900μ.) (εικόνα 1). Η φωτιά “Jasper” όπως ονομάστηκε, ήταν η μεγαλύτερη πυρκαγιά που συνέβη στην περιοχή σε τουλάχιστον ένα αιώνα. Η πυρκαγιά ξεκίνησε στις 24 Αυγούστου του 2000 και ο έλεγχος τηης επιτεύχθηκε στις 25 Σεπτεμβρίου. Η καμένη έκταση ήταν περίπου 337,9 km2 (83.508 στρέμματα) και τα έξοδα καταστολής ήταν πάνω από 8,2 εκατομμύρια δολάρια.
Εβδομήνταμία γραφικές παραστάσεις-ιστογράμματα με βάση τα δεδομένα από την εφαρμογή του σύνθετου δείκτη φωτιάς (CBI), συλλέχθηκαν 21 μήνες μετά τον περιορισμό της φωτιάς από τις 13 Μαίου εώς τις 26 Μαίου του 2002, στην περιοχή μελέτης Blck Hills. Αυτές οι επίγειες μετρήσεις CBI χρησιμοποιήθηκαν για τη βαθμονόμηση και την επικύρωση των πραγματικών επιπτώσεων της φωτιάς στο έδαφος της περιοχής μελέτης. Λεπτομερείς παρατηρήσιμες πληροφορίες και εδαφικά δεδομένα, συμπεριλαμβανομένων των οργανικών υλικών που καταναλώνονται, τα χαρακτηριστικά του εναπομείνοντος οργανικού άνθρακα και της τέφρας, καθώς και τις δυνατότητες της βλαστικής θνησιμότητας και αναγέννησης, καταγράφηκαν και χρησιμοποιήθηκαν για την ανεξάρτητη αξιολόγηση του μεγέθους και της σοβαρότητας των επιπτώσεων της πυρκαγιάς. Η CBI τιμή κυμαίνεται μεταξύ 0 και 3 και η αξία της είναι ανάλογη με το βαθμό σοβαρότητας της φωτιάς.
Τα τηλεπισκοπικά δεδομένα που χρησιμοποιήθηκαν στην παρούσα μελέτη περιλαμβάνουν 2 Landsat5 απεικονίσεις που αποκτήθηκαν στις 2 Ιουνίου του 2000 (πριν τη φωτιά), και μια Landsat7 εικόνα που αποκτήθηκε στις 31 Μαίου του 2002 (21 μήνες μετά τη φωτιά).

[[Εικόνα:Spk_xrisi_1_13.jpg|right|thumb||Εικόνα 1: Περιοχή μελέτης της φωτιάς Jasper στο Black Hills National Forest της South Dakota.[http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]πηγή]]

Μέθοδοι 

Πραγματοποιήθηκε επεξεργασία των δεδομένων και των 3 Landsat εικόνων με σκοπό τη διόρθωση και την αποκατάσταση τους από γεωμετρικές παραμορφώσεις, την εξάλειψη τυχόν θορύβου και τη ραδιομετρική ρύθμιση τους. Οι 4 φασματικές δείκτες υπολογίστηκαν με τη χρησιμοποίηση των παρακάτω εξισώσεων για κάθε μία απεικόνιση.
Ο φασματικός δείκτης NDVI υπολογίζεται με τη χρησιμοποίηση της ανάκλασης στο κόκκινο και στο εγγύς υπέρυθρο των καναλιών 3 και 4 του δορυφόρου Landsat αντίστοιχα:

NDVI = (Band4-Band3)/(Band4+Band3)

Ο φασματικός δείκτης EVI υπολογίζεται με τη χρησιμοποίηση της ανάκλασης στο μπλε, στο κόκκινο και στο εγγύς ερυθρό των καναλιών 1,3 και 4 του δορυφόρου Landsat αντίστοιχα:

EVI = 2,5 x (Band4-Band3)/(Band4+6xBand3-7,5xBand1+1)

Ο φασματικός δείκτης IFI έχει αναπτυχθεί πρόσφατα και αντιπροσωπεύει την 'κατάσταση' του δάσους με τη χρησιμοποίηση κατάλληλων στατιστικών στοιχείων από τις δορυφορικές απεικονίσεις:

IFIp = [(1/NB)xΣi=1(bpi-bi/SDi)2]1/2

όπου bi και SDi είναι ο μέσος όρος και η τυπική απόκλιση των επιλεγμένων εικονοστοιχείων για τα i κανάλια, bpi είναι η φασματική τιμή του καναλιού i για το pixel p, και NB είναι ο αριθμός των φασματικών καναλιών. Σ'αυτή τη μελέτη, ο IFI υπολογίστηκε με τη χρησιμοποίηση των καναλιών 3,5 και 7 του δορυφόρου Landsat.
Κατόπιν, έγινε υπολογισμός της κατανομής των τιμών των 71 CBI γραφικών παραστάσεων-ιστογραμμάτων με βάση τριών θεματικών κατηγοριών. 11 CBI τιμές ιστογραμμάτων ήταν κάτω από 1, 27 τιμές κυμαινόνταν μεταξύ των τιμών 1 και 2, και 33 τιμές κυμαίνονταν μεταξύ 2 και 3 (εικόνα 2). Στη συνέχεια εξετάστηκε η γραμμική παλινδρόμηση ενιαίας μεταβλητής μεταξύ της συσχέτισης του κάθε φασματικού δείκτη ξεχωριστά και των εδαφικών CBI δεδομένων. Πολλαπλές μεταβλητές παλινδρόμησης χρησιμοποιήθηκαν επίσης για την εύρεση των διαφορών των φασματικών δεικτών πριν και μετά τη φωτιά με βάση τα CBI εδαφικά δεδομένα για την εκτίμηση των επιπτώσεων της πυρκαγιάς. Οι παράμετροι των γραμμικών παλινδρομήσεων υπολογίστηκαν με τη μέθοδο ελαχίστων τετραγώνων.

[[Εικόνα:Spk_xrisi_2_13.jpg|right|thumb||Εικόνα 2: Κατανομή των τιμών του δείκτη CBI.[http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]πηγή ]]

Ανάλυση και Αποτελέσματα 

Οι οικολογικές επιπτώσεις που υφίσταται μία περιοχή μετά τη φωτιά είναι γνωστές σε όλους μας. Τα πρώτα αποτελέσματα της φωτιάς, που ονομάζονται επίσης άμεσα αποτελέσματα, είναι οι πρώτες συνέπειες από την καύση της φωτιάς, δηλαδή της χημικής αντίδρασης που συνοδεύεται από έκλυση θερμότητας και φωτός. Τέτοια άμεσα αποτελέσματα είναι συνήθως ο τραυματισμός και ο θάνατος ζώων και φυτών, η κατανάλωση καυσίμων, η θέρμανση του εδάφους και η παραγωγή καπνού και τέφρας. Τα άμεσα αποτελέσματα προσδιορίζονται αμέσως μετά τη φωτιά σε αντίθεση με τα έμμεσα αποτελέσματα (όπως η διάβρωση του εδάφους, η διαδοχή της βλάστησης, τοπογραφικές και κλιματικές αλλαγές) που είναι μακροπρόθεσμα και ο ακριβής προσδιορισμός τους μπορεί να από λίγες ώρες εώς δεκάδες χρόνια. Η ψηφιακή τηλεπισκόπιση μπορεί να παρατηρήσει και να προσδιορίσει τα αποτελέσματα της φωτιάς με βάση τις σημαντικές μεταβολές της ηλεκτρομαγνητικής ακτινοβολίας των χαρακτηριστικών της επιφάνειας της περιοχής μελέτης. Συγκεκριμένα, σ'αυτήν τη μελέτη θα εξεταστούν οι φασματικοί δείκτες στο πρώτο και το δεύτερο χρόνο πριν και μετά της εκδήλωσης της πυρκαγιάς.
Οι γραμμικές παλινδρομήσεις ενιαίας μεταβλητής των μεταβολών των φασματικών δεικτών πριν και μετά τη πυρκαγιά, του πρώτου και του δεύτερου χρόνου σε σχέση με τα CBI δεδομένα, παρουσιάζονται στον πίνακα 1. Στον πρώτο χρόνο μετά τη φωτιά, τόσο ο NDVi όσο και ο EVi είχαν καλή συσχέτιση με τα CBI δεδομένα, με τις αξίες του R2 να είναι της τάξεως 0,69. Η αξία του R2 για το φασματικό δείκτη NBR ήταν της τάξεως 0,63, λίγο μικρότερη από τις προηγούμενες δύο. Αν ληφθούν υπόψιν μόνο 40 επιλεγόμενα ως πιο κατάλληλα ιστογράμματα από τα υπόλοιπα, οι συσχετίσεις παρουσιάζουν βελτίωση με τις τιμές του R2 να είναι 0,79, 0,79 και 0,76 για τους φασματικούς δείκτες NDVI, EVI και NBR αντίστοιχα. Τον δεύτερο χρόνο όλες οι τιμές R2 μειώθηκαν. Ο NBR παρουσίασε την καλύτερη συσχέτιση με τα CBI δεδομένα με την τιμη του R2 να είναι της τάξεως 0,60 και για τα 71 CBI ιστογράμματα και 0,74 για τα επιλεγόμενα 40 ιστογράμματα.
Οι μεταβολές των IFI δεδομένων τον πρώτο χρόνο πριν και μετά την εκδήλωση της πυρκαγιάς παρουσίασαν χαμηλή συσχέτιση με τα CBI δεδομένα. Αντίθετα, το δεύτερο χρόνο παρουσίασαν καλή συσχέτιση με τα CBI δεδομένα και την τιμή R2 να είναι της τάξεως του 0,62, η οποία είναι μεγαλύτερη σε σχέση με τις R2 τιμές των υπόλοιπων 3 φασματικών δεικτών για το 2002. Η συσχέτιση των IFI δεδομένων με τα επιλεγόμενα ιστογράμματα των CBI δεδομένων ήταν της τάξεως του 0,66.
Για την ανάλυση των πλεονεκτημάτων των τεσσάρων φασματικών δεικτών, εξετάστηκαν πολλαπλές μεταβλητές παλινδρόμησης των διαφορών τους για δύο χρόνια πριν και μετά την πυρκαγιά. Στον πίνακα 2 παρατίθονται οι συντελεστές των μεταβλητών των παλινδρομήσεων χρησιμοποιώντας τα 71 CBI ιστογράμματα αλλά και για τα 40 επιλεγμένα ιστογράμματα. Η σύγκριση των CBI δεδομένων με τα αποτελέσματα των πολλαπλών παλινδρομήσεων φαίνεται στην εικόνα 4. Η αξία της γραμμικής συσχέτισης R2 για αυτήν την σύγκριση ήταν της τάξεως του 0,86 και 0,87 για τα επιλεγμένα ιστογράμματα.

[[Εικόνα:Spk_xrisi_3_13.jpg|right|thumb||Πίνακας 1: Οι γραμμικές παλινδρομήσεις ενιαίας μεταβλητής των μεταβολών των φασματικών δεικτών πριν και μετά τη πυρκαγιά, του πρώτου και του δεύτερου χρόνου σε σχέση με τα CBI δεδομένα.[http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]πηγή ]]
[[Εικόνα:Spk_xrisi_4_13.jpg|left|thumb||Πίνακας 2: Οι συντελεστές των μεταβλητών των παλινδρομήσεων χρησιμοποιώντας τα 71 CBI ιστογράμματα.[http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]πηγή ]]
[[Εικόνα:Spk_xrisi_5_13.jpg|center|thumb||Εικόνα 3: Η σύγκριση των CBI δεδομένων με τα αποτελέσματα των πολλαπλών παλινδρομήσεων.[http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]πηγή ]]

Συμπεράσματα 

Η συγκεκριμένη μελέτη έδειξε ότι και οι 4 φασματικοί δείκτες έχουν τη δυνατότητα να αξιολογήσουν τη σοβαρότητα της φωτιάς και τη ζημιά στην βλάστηση σε ένα σύντομο χρονικό διάστημα μετά τη φωτιά. Και για τους 4 φασματικούς δείκτες χρησιμοποιήθηκαν πολλαπλές παλινδρομήσεις οι οποίες παρουσίασαν υψηλές συσχετίσεις με τα CBI δεδομένα που συλλέχθηκαν στην περιοχή μελέτης. Η αξία της γραμμικής συσχέτισης R2 ήταν της τάξεως του 0,86 για τα 71 ιστογράμματα και 0,87 για τα 40 επιλεγμένα ιστογράμματα. Με την εφαρμογή των λειτουργιών της πολλαπλής παλινδρόμησης, οι επιστήμονες θα μπορούσαν να εκτιμήσουν τα CBI δεδομένα της εφαρμογής του σύνθετου δείκτη φωτιάς CBI με μεγάλη ακρίβεια καθώς και με τη χρήση αποκλειστικά τηλεπισκοπικών δεδομένων. Επιπλέον, αυτοί οι φασματικοί δείκτες θα μπορούσαν να χρησιμποποιηθουν για την μακροπρόθεσμη παρακολούθηση των έμμεσων αποτελεσμάτων των πυρκαγιών.

Χρήση πολλαπλών φασματικών δεικτών για την εκτίμηση του μεγέθους των επιπτώσεων μίας πυρκαγιάς στην περιοχή Black Hills της νότιας Dakota

2011-01-15T12:20:32Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

“Χρήση πολλαπλών φασματικών δεικτών για την εκτίμηση του μεγέθους των επιπτώσεων μίας πυρκαγιάς στην περιοχή Black Hills της νότιας Dakota.”
“Use of multiple spectral indices to estimate burn severity in the Black Hills of South Dakota.”
Chen X., Zhu Z., Ohlen D., Huang C., Shi H., Pecora – The Future of Land Imaging...Going Operational November 18-20, 2008. [http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]

Εισαγωγή 

Λόγω της υψηλής χωρικής και χρονικής διακύμανσης και την αβεβαιότητα των δασικών πυρκαγιών, εξακολουθεί να είναι μία πρόκληση η ακριβής εκτίμηση της πληγείσας περιοχής καθώς και το ακριβές μέγεθος των επιπτώσεων μετά από μία μεγάλη πυρκαγιά. Τηλεπισκοπικές τεχνικές παρέχουν ένα βελτιωμένο τρόπο για την ανίχνευση της χωρικής και χρονικής μεταβλητότητας με χαμηλότερο κόστος και λιγότερο χρόνο από τις παραδοσιακές μεθόδους απογραφής των επιπτώσεων μίας πυρκαγιάς. Ο στόχος της παρούσας μελέτης είναι η ανάλυση των συσχετισμών μεταξύ των τηλεπισκοπικών φασματικών δεκτών και των εδαφικών δεδομένων της “σοβαρότητας” των επιπτώσεων μίας δασικής πυρκαγιάς που εξελίχτηκε στον Εθνικό Δρυμό Black Hills της νότιας Dakota κατά τη διάρκεια του Αυγούστου και του Σεπτεμβρίου του 2000. Η υπομελέτη φασματικών δεικτών περιλαμβάνει τον παραδοσιακό κανονικοποιημένο δείκτη βλάστησης (NDVi) και αυτών των νέων σχετικά δεικτών: τον ενισχυμένο δείκτη βλάστησης (EVI), τον κανονικοποιημένο δείκτη καταστροφής από φωτιά (NBR), καθώς και τον ενοποιημένο δασικό δείκτη (IFI).

Περιοχή μελέτης και δεδομένα 

Η περιοχή μελέτης ήταν ο Εθνικός Δρυμός στην περιοχή Black Hills στη Νότια Dakota (-103,85οW, 44,82oN, με υψόμετρο 1900μ.) (εικόνα 1). Η φωτιά “Jasper” όπως ονομάστηκε, ήταν η μεγαλύτερη πυρκαγιά που συνέβη στην περιοχή σε τουλάχιστον ένα αιώνα. Η πυρκαγιά ξεκίνησε στις 24 Αυγούστου του 2000 και ο έλεγχος τηης επιτεύχθηκε στις 25 Σεπτεμβρίου. Η καμένη έκταση ήταν περίπου 337,9 km2 (83.508 στρέμματα) και τα έξοδα καταστολής ήταν πάνω από 8,2 εκατομμύρια δολάρια.
Εβδομήνταμία γραφικές παραστάσεις-ιστογράμματα με βάση τα δεδομένα από την εφαρμογή του σύνθετου δείκτη φωτιάς (CBI), συλλέχθηκαν 21 μήνες μετά τον περιορισμό της φωτιάς από τις 13 Μαίου εώς τις 26 Μαίου του 2002, στην περιοχή μελέτης Blck Hills. Αυτές οι επίγειες μετρήσεις CBI χρησιμοποιήθηκαν για τη βαθμονόμηση και την επικύρωση των πραγματικών επιπτώσεων της φωτιάς στο έδαφος της περιοχής μελέτης. Λεπτομερείς παρατηρήσιμες πληροφορίες και εδαφικά δεδομένα, συμπεριλαμβανομένων των οργανικών υλικών που καταναλώνονται, τα χαρακτηριστικά του εναπομείνοντος οργανικού άνθρακα και της τέφρας, καθώς και τις δυνατότητες της βλαστικής θνησιμότητας και αναγέννησης, καταγράφηκαν και χρησιμοποιήθηκαν για την ανεξάρτητη αξιολόγηση του μεγέθους και της σοβαρότητας των επιπτώσεων της πυρκαγιάς. Η CBI τιμή κυμαίνεται μεταξύ 0 και 3 και η αξία της είναι ανάλογη με το βαθμό σοβαρότητας της φωτιάς.
Τα τηλεπισκοπικά δεδομένα που χρησιμοποιήθηκαν στην παρούσα μελέτη περιλαμβάνουν 2 Landsat5 απεικονίσεις που αποκτήθηκαν στις 2 Ιουνίου του 2000 (πριν τη φωτιά), και μια Landsat7 εικόνα που αποκτήθηκε στις 31 Μαίου του 2002 (21 μήνες μετά τη φωτιά).

[[Εικόνα:Spk_xrisi_1_13.jpg|right|thumb||Εικόνα 1: Περιοχή μελέτης της φωτιάς Jasper στο Black Hills National Forest της South Dakota.[http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]πηγή]]

Μέθοδοι 

Πραγματοποιήθηκε επεξεργασία των δεδομένων και των 3 Landsat εικόνων με σκοπό τη διόρθωση και την αποκατάσταση τους από γεωμετρικές παραμορφώσεις, την εξάλειψη τυχόν θορύβου και τη ραδιομετρική ρύθμιση τους. Οι 4 φασματικές δείκτες υπολογίστηκαν με τη χρησιμοποίηση των παρακάτω εξισώσεων για κάθε μία απεικόνιση.
Ο φασματικός δείκτης NDVI υπολογίζεται με τη χρησιμοποίηση της ανάκλασης στο κόκκινο και στο εγγύς υπέρυθρο των καναλιών 3 και 4 του δορυφόρου Landsat αντίστοιχα:

NDVI = (Band4-Band3)/(Band4+Band3)

Ο φασματικός δείκτης EVI υπολογίζεται με τη χρησιμοποίηση της ανάκλασης στο μπλε, στο κόκκινο και στο εγγύς ερυθρό των καναλιών 1,3 και 4 του δορυφόρου Landsat αντίστοιχα:

EVI = 2,5 x (Band4-Band3)/(Band4+6xBand3-7,5xBand1+1)

Ο φασματικός δείκτης IFI έχει αναπτυχθεί πρόσφατα και αντιπροσωπεύει την 'κατάσταση' του δάσους με τη χρησιμοποίηση κατάλληλων στατιστικών στοιχείων από τις δορυφορικές απεικονίσεις:

IFIp = [(1/NB)xΣi=1(bpi-bi/SDi)2]1/2

όπου bi και SDi είναι ο μέσος όρος και η τυπική απόκλιση των επιλεγμένων εικονοστοιχείων για τα i κανάλια, bpi είναι η φασματική τιμή του καναλιού i για το pixel p, και NB είναι ο αριθμός των φασματικών καναλιών. Σ'αυτή τη μελέτη, ο IFI υπολογίστηκε με τη χρησιμοποίηση των καναλιών 3,5 και 7 του δορυφόρου Landsat.
Κατόπιν, έγινε υπολογισμός της κατανομής των τιμών των 71 CBI γραφικών παραστάσεων-ιστογραμμάτων με βάση τριών θεματικών κατηγοριών. 11 CBI τιμές ιστογραμμάτων ήταν κάτω από 1, 27 τιμές κυμαινόνταν μεταξύ των τιμών 1 και 2, και 33 τιμές κυμαίνονταν μεταξύ 2 και 3 (εικόνα 2). Στη συνέχεια εξετάστηκε η γραμμική παλινδρόμηση ενιαίας μεταβλητής μεταξύ της συσχέτισης του κάθε φασματικού δείκτη ξεχωριστά και των εδαφικών CBI δεδομένων. Πολλαπλές μεταβλητές παλινδρόμησης χρησιμοποιήθηκαν επίσης για την εύρεση των διαφορών των φασματικών δεικτών πριν και μετά τη φωτιά με βάση τα CBI εδαφικά δεδομένα για την εκτίμηση των επιπτώσεων της πυρκαγιάς. Οι παράμετροι των γραμμικών παλινδρομήσεων υπολογίστηκαν με τη μέθοδο ελαχίστων τετραγώνων.

[[Εικόνα:Spk_xrisi_2_13.jpg|right|thumb||Εικόνα 2: Κατανομή των τιμών του δείκτη CBI.[http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]πηγή ]]

Ανάλυση και Αποτελέσματα 

Οι οικολογικές επιπτώσεις που υφίσταται μία περιοχή μετά τη φωτιά είναι γνωστές σε όλους μας. Τα πρώτα αποτελέσματα της φωτιάς, που ονομάζονται επίσης άμεσα αποτελέσματα, είναι οι πρώτες συνέπειες από την καύση της φωτιάς, δηλαδή της χημικής αντίδρασης που συνοδεύεται από έκλυση θερμότητας και φωτός. Τέτοια άμεσα αποτελέσματα είναι συνήθως ο τραυματισμός και ο θάνατος ζώων και φυτών, η κατανάλωση καυσίμων, η θέρμανση του εδάφους και η παραγωγή καπνού και τέφρας. Τα άμεσα αποτελέσματα προσδιορίζονται αμέσως μετά τη φωτιά σε αντίθεση με τα έμμεσα αποτελέσματα (όπως η διάβρωση του εδάφους, η διαδοχή της βλάστησης, τοπογραφικές και κλιματικές αλλαγές) που είναι μακροπρόθεσμα και ο ακριβής προσδιορισμός τους μπορεί να από λίγες ώρες εώς δεκάδες χρόνια. Η ψηφιακή τηλεπισκόπιση μπορεί να παρατηρήσει και να προσδιορίσει τα αποτελέσματα της φωτιάς με βάση τις σημαντικές μεταβολές της ηλεκτρομαγνητικής ακτινοβολίας των χαρακτηριστικών της επιφάνειας της περιοχής μελέτης. Συγκεκριμένα, σ'αυτήν τη μελέτη θα εξεταστούν οι φασματικοί δείκτες στο πρώτο και το δεύτερο χρόνο πριν και μετά της εκδήλωσης της πυρκαγιάς.
Οι γραμμικές παλινδρομήσεις ενιαίας μεταβλητής των μεταβολών των φασματικών δεικτών πριν και μετά τη πυρκαγιά, του πρώτου και του δεύτερου χρόνου σε σχέση με τα CBI δεδομένα, παρουσιάζονται στον πίνακα 1. Στον πρώτο χρόνο μετά τη φωτιά, τόσο ο NDVi όσο και ο EVi είχαν καλή συσχέτιση με τα CBI δεδομένα, με τις αξίες του R2 να είναι της τάξεως 0,69. Η αξία του R2 για το φασματικό δείκτη NBR ήταν της τάξεως 0,63, λίγο μικρότερη από τις προηγούμενες δύο. Αν ληφθούν υπόψιν μόνο 40 επιλεγόμενα ως πιο κατάλληλα ιστογράμματα από τα υπόλοιπα, οι συσχετίσεις παρουσιάζουν βελτίωση με τις τιμές του R2 να είναι 0,79, 0,79 και 0,76 για τους φασματικούς δείκτες NDVI, EVI και NBR αντίστοιχα. Τον δεύτερο χρόνο όλες οι τιμές R2 μειώθηκαν. Ο NBR παρουσίασε την καλύτερη συσχέτιση με τα CBI δεδομένα με την τιμη του R2 να είναι της τάξεως 0,60 και για τα 71 CBI ιστογράμματα και 0,74 για τα επιλεγόμενα 40 ιστογράμματα.
Οι μεταβολές των IFI δεδομένων τον πρώτο χρόνο πριν και μετά την εκδήλωση της πυρκαγιάς παρουσίασαν χαμηλή συσχέτιση με τα CBI δεδομένα. Αντίθετα, το δεύτερο χρόνο παρουσίασαν καλή συσχέτιση με τα CBI δεδομένα και την τιμή R2 να είναι της τάξεως του 0,62, η οποία είναι μεγαλύτερη σε σχέση με τις R2 τιμές των υπόλοιπων 3 φασματικών δεικτών για το 2002. Η συσχέτιση των IFI δεδομένων με τα επιλεγόμενα ιστογράμματα των CBI δεδομένων ήταν της τάξεως του 0,66.
Για την ανάλυση των πλεονεκτημάτων των τεσσάρων φασματικών δεικτών, εξετάστηκαν πολλαπλές μεταβλητές παλινδρόμησης των διαφορών τους για δύο χρόνια πριν και μετά την πυρκαγιά. Στον πίνακα 2 παρατίθονται οι συντελεστές των μεταβλητών των παλινδρομήσεων χρησιμοποιώντας τα 71 CBI ιστογράμματα αλλά και για τα 40 επιλεγμένα ιστογράμματα. Η σύγκριση των CBI δεδομένων με τα αποτελέσματα των πολλαπλών παλινδρομήσεων φαίνεται στην εικόνα 4. Η αξία της γραμμικής συσχέτισης R2 για αυτήν την σύγκριση ήταν της τάξεως του 0,86 και 0,87 για τα επιλεγμένα ιστογράμματα.

[[Εικόνα:Spk_xrisi_3_13.jpg|right|thumb||Πίνακας 1: Οι γραμμικές παλινδρομήσεις ενιαίας μεταβλητής των μεταβολών των φασματικών δεικτών πριν και μετά τη πυρκαγιά, του πρώτου και του δεύτερου χρόνου σε σχέση με τα CBI δεδομένα.[http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]πηγή ]]
[[Εικόνα:Spk_xrisi_4_13.jpg|right|thumb||Πίνακας 2: Οι συντελεστές των μεταβλητών των παλινδρομήσεων χρησιμοποιώντας τα 71 CBI ιστογράμματα.[http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]πηγή ]]
[[Εικόνα:Spk_xrisi_5_13.jpg|right|thumb||Εικόνα 3: Η σύγκριση των CBI δεδομένων με τα αποτελέσματα των πολλαπλών παλινδρομήσεων.[http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]πηγή ]]

Συμπεράσματα 

Η συγκεκριμένη μελέτη έδειξε ότι και οι 4 φασματικοί δείκτες έχουν τη δυνατότητα να αξιολογήσουν τη σοβαρότητα της φωτιάς και τη ζημιά στην βλάστηση σε ένα σύντομο χρονικό διάστημα μετά τη φωτιά. Και για τους 4 φασματικούς δείκτες χρησιμοποιήθηκαν πολλαπλές παλινδρομήσεις οι οποίες παρουσίασαν υψηλές συσχετίσεις με τα CBI δεδομένα που συλλέχθηκαν στην περιοχή μελέτης. Η αξία της γραμμικής συσχέτισης R2 ήταν της τάξεως του 0,86 για τα 71 ιστογράμματα και 0,87 για τα 40 επιλεγμένα ιστογράμματα. Με την εφαρμογή των λειτουργιών της πολλαπλής παλινδρόμησης, οι επιστήμονες θα μπορούσαν να εκτιμήσουν τα CBI δεδομένα της εφαρμογής του σύνθετου δείκτη φωτιάς CBI με μεγάλη ακρίβεια καθώς και με τη χρήση αποκλειστικά τηλεπισκοπικών δεδομένων. Επιπλέον, αυτοί οι φασματικοί δείκτες θα μπορούσαν να χρησιμποποιηθουν για την μακροπρόθεσμη παρακολούθηση των έμμεσων αποτελεσμάτων των πυρκαγιών.

Αρχείο:Spk xrisi 5 13.jpg

2011-01-15T12:16:47Z

Kontos spyros:

Αρχείο:Spk xrisi 4 13.jpg

2011-01-15T12:16:31Z

Kontos spyros:

Αρχείο:Spk xrisi 3 13.jpg

2011-01-15T12:16:13Z

Kontos spyros:

Χρήση του θεματικού χαρτογράφου Landsat, στη λιθολογική αναγνώριση και χαρτογράφηση της περιοχής Barramiya, στην ανατολική έρημο της Αίγυπτο.

2011-01-15T12:00:47Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

Χρήση του θεματικού χαρτογράφου Landsat, στη λιθολογική αναγνώριση και χαρτογράφηση της περιοχής Barramiya, στην ανατολική έρημο της Αίγυπτο. 

Gad S., Kusky T., Lithological mapping in the Eastern Desert of Egypt, the Barramiya area, using Landsat thematic mapper TM. Journal of African Earth Sciences 44 (2006) 196-202[http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VDT-4HYD9RH-3&_user=10&_coverDate=02%2F28%2F2006&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1599709619&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=01f5b4ecafdd9315748af75b5b353033&searchtype=a].

Εισαγωγή 

Στη συγκεκριμένη μελέτη χρησιμοποιούνται φασματικές τεχνικές αναδείξεως για την ενίσχυση των ψηφιακών εικόνων που προήλθαν από το δορυφόρο Landsat TM, με σκοπό τη λιθολογική χαρτογράφηση και την αναγνώριση των σερπεντινιτών στην περιοχή Barramiya, ανατολικά της Αιγύπτου(βλέπε εικόνα 1). Επίσης γίνεται σύγκριση αποτελεσμάτων με προηγούμενες μελέτες που εφαρμόζουν παρόμοιες τεχνικές.

[[Εικόνα:Spk_xrhsh_1_9.jpg|center|thumb||Εικόνα 1 :(LANDAST 742) Έγχωμη σύνθετη εικόνα της περιοχής μελέτης.[http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VDT-4HYD9RH-3&_user=10&_coverDate=02%2F28%2F2006&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1599709619&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=01f5b4ecafdd9315748af75b5b353033&searchtype=a]πηγή ]]

Στόχος μελέτης 

Οι πιο σημαντικοί παράγοντες επιτυχίας κατά την πραγματοποίηση λιθολογικής χαρτογράφησης περιοχής μέσω τηλεσκοπικών μεθόδων είναι οι εξής:
•Ο εντοπισμός της αυξημένης συγκέντρωσης των μετάλλων σε σχέση με το υπόβαθρο.
•Ο χαρακτηρισμός των ορυκτών που υπάρχουν στην περιοχή.
Ο σκοπός της συγκεκριμένης μελέτης είναι η αναγνώριση και ο εντοπισμός των σερπεντινιτών στην περιοχή Barramiya της Αιγύπτου.

Μεθοδολογία 

Βρίσκεται η διακριτική φασματική ανάκλαση των σερπεντινιτών και συγκρίνεται με τις φασματικές ανακλαστικότητες των άλλων πετρωμάτων (βλέπε Εικόνα 2).

[[Εικόνα:Spk_xrhsh_2_9.jpg|center|thumb||Εικόνα 2: Φασματική ανακλαστικότητα των σερπεντινίτων και των μεταβολκανικών πετρωμάτων.[http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VDT-4HYD9RH-3&_user=10&_coverDate=02%2F28%2F2006&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1599709619&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=01f5b4ecafdd9315748af75b5b353033&searchtype=a]πηγή]]

Στη συνέχεια εφαρμόζονται φασματικές τεχνικές αναδείξεως για την ενίσχυση των ψηφιακών εικόνων, ώστε να επιτευχθεί η αναγνώριση και ο εντοπισμός των σερπεντινιτών. Χρησιμοποιούνται λόγοι καναλιών που βασίζονται στη φασματική υπογραφή των σερπεντινιτών έναντι των άλλων πετρωμάτων, με σκοπό την αντιστάθμιση της διακύμανσης των ψηφιακών τιμών των καναλιών, η οποία οφείλεται στο τοπογραφικό ανάγλυφο και στις συνθήκες φωτισμού της περιοχής κατόπτευσης. Οι εικόνες – λόγοι που προκύπτουν από αυτήν την τεχνική, απεικονίζονται μέσω προσθετικών έγχρωμων σύνθετων, χρησιμοποιώντας τα τρία κύρια χρώματα, δηλαδή το κόκκινο, το πράσινο και το μπλε (RGB). Εφαρμόστηκαν οι RGB εικόνες – λόγοι (5/3,5/1,7/5) και (7/5,5/4,3/1) και αποδείχτηκαν πολύ αποτελεσματικά στη λιθολογική διάκριση της περιοχής μελέτης. Στην RGB εικόνα – λόγος (5/3,5/1,7/5), οι σερπεντινίτες εμφανίζονται σαν ένα σκούρο καφετί χρώμα, ενώ τα μεταβολκανικά πετρώματα σαν ένα ροζ-κίτρινο χρώμα (βλέπε εικόνα 3).

[[Εικόνα:Spk_xrhsh_3_9.jpg|center|thumb||Εικόνα 3 : LANDSAT 5/3,5/1,7/5, Έγχωμη σύνθετη εικόνα της περιοχής μελέτης Οι σεπεντινίτες φαίνονται με ένα σκούρο καφετί χρώμα ενώ τα μεταβολκανικά πετρώμετα σαν ένα ροζ-κίτρινο χρώμα.[http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VDT-4HYD9RH-3&_user=10&_coverDate=02%2F28%2F2006&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1599709619&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=01f5b4ecafdd9315748af75b5b353033&searchtype=a]πηγή]]

Στην RGB εικόνα – λόγος (7/5,5/4,3/1), οι σερπεντινίτες εμφανίζονται σαν ένα σκούρο καφετί χρώμα, ενώ τα μεταβολκανικά πετρώματα εμφανίζουν ένα κίτρινο-πράσινο χρώμα (βλέπε εικόνα 4).

[[Εικόνα:Spk_xrhsh_4_9.jpg|center|thumb||Εικόνα 4: LANDSAT 7/5,5/4,3/1, Έγχωμη σύνθετη εικόνα της περιοχής μελέτης Οι σερπεντινίτες εμφανίζονται με σκούρο καφέ χρώμα ενώ τα μεταβολκανικά πετρώματα με ένα κιτρινοπράσινο χρώμα.[http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VDT-4HYD9RH-3&_user=10&_coverDate=02%2F28%2F2006&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1599709619&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=01f5b4ecafdd9315748af75b5b353033&searchtype=a]πηγή]]

Έπειτα εφαρμόστηκαν τεχνικές επιβλεπόμενης ταξινόμησης για την κατηγοριοποίηση των δεδομένων. Δημιουργούνται πέντε τάξεις – φασματικά πρότυπα που «εκπροσωπούνται» από πέντε χρώματα, όπου το καθένα αντιστοιχεί σε συγκεκριμένο πέτρωμα (βλέπε εικόνα 5).

[[Εικόνα:Spk_xrhsh_5_9.jpg|center|thumb||Εικόνα 5: Εικόνα του αποτελέσματος της επιβλεπόμενης ταξινόμησης της περιοχής μελέτης.[http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VDT-4HYD9RH-3&_user=10&_coverDate=02%2F28%2F2006&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1599709619&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=01f5b4ecafdd9315748af75b5b353033&searchtype=a]πηγή]]

Οι σερπεντινίτες εμφανίζονται πράσινοι, τα μεταβολκανικά πετρώματα κόκκινα, οι γρανίτες σκούροι μπλε, οι μεταγενέστεροι γρανίτες κίτρινοι και τα αδιαφοροποίητα ιζήματα φαίνονται μαύρα. Τα αποτελέσματα της επιβλεπόμενης ταξινόμησης, συγκρίνονται με γεωλογικούς χάρτες της περιοχής μελέτης.

Αποτελέσματα 

Οι τεχνικές ενίσχυσης εικόνων που εφαρμόστηκαν σ’ αυτήν τη μελέτη, ενσωματώθηκαν με προηγούμενες μελέτες λιθολογικής χαρτογράφησης της περιοχής Barramiya. Αυτός ο συνδυασμός των δεδομένων επέτρεψε τη λιθολογική διάκριση των σερπεντινιτών από τα άλλα λιθολογικά πετρώματα. Για μια επιτυχημένη λιθολογική χαρτογράφηση, είναι θεμιτό να δοκιμαστούν διάφοροι λόγοι καναλιών, ανάλογα με το επιθυμητό αποτέλεσμα και το στόχο της εφαρμογής.

Εκτίμηση του μεγέθους των επιπτώσεων μιας πυρκαγιάς με χρήση σχετικού συντελεστή καταστροφής λόγω φωτιάς (dNBR)

2011-01-15T11:54:55Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

Εκτιμηση του μεγέθους των επιπτώσεων μιας πυρκαγυας με χρήση σχετικού συντελεστή καταστροφής λόγω φωτιάς (dNBR) 

Quantifying burn severity in a heterogeneous landscape with a relative version of the delta Normalized Burn Ratio (dNBR)
Miller J.D., Thode A.E. 2007, Remote Sensing and Environment,109,66-80[http://ddr.nal.usda.gov/bitstream/10113/37425/1/IND44308421.pdf]

Εισαγωγη 

Η εκτίμηση των καταστροφών στη φυσική βλάστηση και το έδαφος σε μία περιοχή που έχει πληγεί από πυρκαγιά, είναι ένας τομέας στον οποίο έχει εισαχθεί η χρήση και ανάλυση δορυφορικών εικόνων. Οι μέθοδοι που εφαρμόζονται, είναι η σύγκριση των δεικτών βλάστησης σε φωτογραφίες πριν και μετά την πυρκαγιά, ώστε να εκτιμάται το μέτρο της καταστροφής που έχει επέλθει στο φυσικό περιβάλλον. Το πρόβλημα με αυτή τη διαδικασία, είναι ότι λόγω της διαφοροποίησης της βλάστησης ανά περιοχή και της ποικιλίας των συνθηκών ανά περιοχή και φαινόμενο πυρκαγυιάς, οι μέχρι τώρα μέθοδοι δεν μπορούν να θέσουν ένα εννοιαίο πλαίσιο για τη σύγκριση μεταξύ διαφορετικών γεγονότων πυρκαγιάς με διαφορετικά χαρακτηριστικά (π.χ. διαφορετική ποσότητα βλάστησης πριν την πυρκαγυιά).

Στοχοι μελέτης 

Στο άρθρο των Miller και Thode, γίνεται προσπάθεια, με χρήση ενός σχετικού δείκτη καταστροφής λόγω πυρκαγιάς που να συνδέει την κατάσταση πριν και μετά τη φωτιά, να εκτιμηθεί μία κλίμακα που να μπορεί να εφαρμοστεί για διάφορες πυρκαγιές και για διάφορες συνθήκες βλάστησης.Η μελέτη έγινε ώστε οι δείκτες καταστροφής που εκτιμώνται για κάθε πυρκαγιά, να βρίσκονται σε ίδια κλίμακα ώστε να είναι δυνατή η σύγκριση μεταξύ διαφορετικών πυρκαγιών.

Περιοχή Μελέτης - Συλλογή Δεδομένων 

Τα δεδομένα που χρησιμοποιήθηκαν στο άρθρο των Miller και Thode, προήλθαν από την περιοχή της Sierra Nevada στην California (βλέπε Εικόνα 1). Η περιοχή μελέτης περιλαμβάνει διάφορα υψόμετρα (από 60 μέχρι 4418m) και συνολικά καλύπτει έκταση 11.5 εκ εκτάρια όπου περιλαμβάνονται δάση, εθνικοί δρυμοί και φυσικά μνημεία.
Η εκτίμηση της καταστροφής έγινε μέσω του δείκτη CBI(Composite Burn Index) που εισήχθει από τους Key και Benson (2005). Σύμφωνα με την παραπάνω μέθοδο, η καταστροφή λόγω πυρκαγιάς εκτιμάται με οπτική ταξινόμηση διαφόρων χαρακτηριστικών της καμμένης περιοχής και τελικά η σοβαρότητα της καταστροφής εκτιμάται από 1 έως 5 με 5 υψηλό βαθμό καταστροφής (καταστροφή μεγάλων δένδρων).
Οι δορυφορικές εικόνες Landsat που χρησιμοποιήθηκαν για πριν και μετά την πυρκαγιά, πάρθηκαν ώστε να είναι κοντά στην ημερομηνία του συμβάντος της πυρκαγιάς για την εξασφάλιση παρόμοιων συνθηκών ηλιοφάνειας.Πραγματοποιήθηκε η διαδικασία της διόρθωσης και αποκατάστασης των ψηφιακών απεικονίσεων με σκοπό την εξάλειψη τυχόν γεωμετρικών και ραδιομετρικών παραμορφώσεων στις εικόνες κατά την διαδικασία της λήψης τους.Για την εκτίμηση των αλλαγών στη βλάστηση χρησιμοποιήθηκε το κανάλι 4 (near infrared) που είναι πιο ευαίσθητο για τον εντοπισμό της χλωροφύλλης των φυτών, καθώς και το κανάλι 7 (mid infrared) που είναι πιο ευαίσθητο στον εντοπισμό του νερού στο έδαφος και τα φύλλα. Ο δείκτης καταστροφής λόγω πυρκαγιάς που εξάγεται, προέρχεται από την εξίσωση:
NBR=(band4-band7)/(band4+band7)
Για κάθε πυρκαγιά υπολογίστηκε ο δείκτης dNBR (διαφορά NBR περιοχής πριν και μετά την πυρκαγιά) ενώ η τιμές εκφράστηκαν ως ακέραιοι για να είναι συμβατές με τη μέθοδο CBI.
Με βάση τα παραπάνω δεδομένα (dNBR και CBI) για κάθε περιοχή, έγινε προσπάθεια συσχετσμού των δύο δεικτών ώστε να εκτιμηθεί μία κλίμακα που ν κάνει χρήση του dNBR.

Αναπτυξη και εφαρμογή σχετικού δείκτη καταστροφής λόγω πυρκαγιάς 
Στο παρόν άρθρο είναι επιθυμιτή η δημιουργία ενός δείκτη εκτίμησης καταστροφής από πυρκαγιά ο οποίος θα είναι ανεξάρτητος (δεν θα παρουσιάζει συσχέτιση) με τον αρχικό δείκτη

[[Εικόνα:Spk_epexergasia_1_10.jpg|right|thumb||Εικόνα 1. Περιοχή μελέτης (Sierra Nevada-California).[http://ddr.nal.usda.gov/bitstream/10113/37425/1/IND44308421.pdf]πηγή]]

NBR της περιοχής (πριν την πυρκαγιά) όπως συμβαίνει με το δείκτη CBI, που παρουσιάζει πολύ μικρή συσχετιση με την κατάσταση της περιοχής πριν την πυρκαγιά. Στην εικόνα 2 φαίνεται η μικρή συσχέτιση που παρουσιάζει ο δείκτης CBI με το αρχικό NBR και η μεγάλη συσχέτιση του dNBR με το αρχικό NBR πράγμα που καθιστά αναγκαία την εισαγωγή ενός νέου ανεξάρτητου δείκτη.
Μετά από μελέτη συσχέτισης διαφόρων εκδοχών του σχετικού dNBR τελικά η σχέση στην οποία καταλήγουν οι συγγραφείς είναι:
RdNBR=(PreFireNBR-PostFireNBR)/(SquareRoot(ABS(PreFireNBR/1000))
Στη συνέχεια, καθορίστηκαν τα όρια με βάση τα οποία θα κατατάσσεται το εύρος της καταστροφής σε κάθε περιοχή (thresholds) η καταληλότητα των οποίων εκτιμήθηκε με σύγκρισή τους με αυτά του CBI όπου βρέθηκε αρκετά καλή συμφωνία.
Τέλος επιλέχθηκαν ορισμένες πυρκαγιές για να εφαρμοστεί ο νέος δείκτης RdNBR. Στην εικόνα 3 φαίνεται μία περίπτωση από την πυρκαγιά Straylor όπου εικόνες Landsat έχουν κατηγοριοποιηθεί με βάση το δείκτη RdNBR και dNBR. Στην εικόνα είναι εμφανές ότι ειδικά στις περιοχές με μεγάλες καταστροφές ο RdNBR περουσιάζει μεγαλύτερη ομοιογένεια σε σχέση με τον NBR και δίνει πολύ αξιόπιστα αποτελέσματα. Επίσης, τα όρια κατάταξης των βλαβών λόγω πυρκαγιάς για τον RdΝBR συμπίπτουν αρκετά με αυτά του CBI. Παρόμοια αποτελέσματα προέκυψαν και για άλλες πυρκαγιές με ομογενή αλλά και ετερογενή βλάστηση περιοχής πριν την πυρκαγιά.

Συμπεράσματα 
Στο παρόν άρθρο εξετάστηκε η ανάπτυξη και η χρήση ενός σχετικού δείκτη καταστροφής λόγω πυρκαγιάς από τον οποίο το μεγαλύτερο όφελος είναι ότι δίνει το εύρος της καταστροφής σε μία κλίμακα γενικότερη που επιτρέπει συγκρίσεις μεταξύ διαφορετικών πυρκαγιών. Η διαφορά του δείκτη RdNBR από τον NBR είναι ότι ο δεύτερος δίνει ένα απόλυτο μέτρο της καταστροφής ενώ ο πρώτος μετρά την καταστροφή σε σχέση με την αρχική βλάστηση. Τα όρια με τα οποία κατατάσσεται το εύρος της καταστροφής εκτιμήθηκαν με γραμμική παρεμβολή και σχετίζονται με τα όρια του υπάρχοντος δείκτη CBI.

[[Εικόνα:Spk_epexergasia_2_10.jpg|right|thumb||Εικόνα 2 Συσχέτιση δείκτη CBI και dNBR με το αρχικό NBR πριν την πυρκαγιά. Είναι σαφές ότι ο CBI παρουσιάζει πολύ μικρότερη συσχέτιση με το αρχικό NBR από ότι ο dNBR.[http://ddr.nal.usda.gov/bitstream/10113/37425/1/IND44308421.pdf]πηγή]]

[[Εικόνα:Spk_epexergasia_3_10.jpg|right|thumb||Εικόνα 3 Τυπικά απότελέσματα για μία από τις πυρκαγιές που εκξετάστηκαν. Τα αποτελέσματα φαίνονται σε σχέση με το δείκτη RdNBR και το δείκτη dNBR.[http://ddr.nal.usda.gov/bitstream/10113/37425/1/IND44308421.pdf]πηγή]]

Χρησιμοποίηση δορυφορικών εικόνων Landsat για τη μελέτη της εδαφικής υποβάθμισης και της “δυναμικής” της χρήσης γης.

2011-01-13T19:06:34Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

Χρησιμοποίηση δορυφορικών εικόνων Landsat για τη μελέτη της εδαφικής υποβάθμισης και της “δυναμικής” της χρήσης γης. Παράδειγμα μελέτης στη συνοικία Tamduong, της επαρχίας Vinphuc, στο Βιετνάμ. 
Trinh M.V., Duong N.D., Keulen H.V., “Using Landsat images for studying Landuse dynamics and soil degradation. Case study in Tamduong district, Vinphuc province, Vietnam”, International Symposium on Geoinformatics for Spatial Infrastructure Development in Garth and Allied Sciences 2004[http://gisws.media.osaka-cu.ac.jp/gisideas04/viewpaper.php?id=86]

1. Εισαγωγή 

Η δασική αποψίλωση, η επημοποίηση και η εδαφική υποβάθμιση αποτελούσαν παγκοσμίως τα πιο κρίσιμα περιβαλλοντικά ζητήματα της τελευταίας δεκαετίας. Η παρακολούθηση των συνθηκών κάλυψης και των αλλαγών της είναι απαραίτητη για τον εντοπισμό των περιβαλλοντικών προβλημάτων τόσο σε τοπική όσο και σε παγκόσμια κλίμακα. Η ψηφιακή τηλεπισκόπηση αποτελεί ένα από τα βασικά εργαλεία στην παρακολούθηση των τοπικών, περιφεριακών και παγκοσμίων περιβαλλοντικών ζητημάτων. Ιδιαιτέρως η χωρική ανάλυση μέσω του συνδυασμού των Γεωγραφικών Συστημάτων Πληροφοριών (GIS) και δορυφορικών εικόνων είναι πολλαπλά χρήσιμη για την περιβαλλοντική έρευνα και τις εφαρμογές της. Στο συγκεκριμένο άρθρο περιγράφεται μία μέθοδος κατά την οποία ψηφιακά δεδομένα από το δορυφόρο Landsat από διαφορετικές ημερομηνίες χρησιμοποιούνται σε συνδυασμό με πραγματικά εδαφικά δεδομένα για τη μελέτη της “δυναμικής” της χρήσης γης και της εδαφικής υποβάθμισης στη συνοικία Tamduong, στο βόρειο τμήμα του Βιετνάμ.

2. Μεθοδολογία 

2.1 Περιοχή Μελέτης 

Η περιοχή Tamduong στο Βιετνάμ βρίσκεται στα άναντη της λεκάνης απορροής του Ερυθρού ποταμού, περίπου 60km βορειοανατολικά του Hanoi. Η περιοχή έχει συνολική έκταση 19.799 εκταρίων, 8.045 εκτάρια γεωργικής γης, 6.744 εκτάρια δάσους και 1.628 εκτάρια μη καλλιεργούμενης γης. Επτά τύποι εδάφους μπορούν να διαχωριστούν: Acrisols, Cambisols, Glegsols, Fluvisols, Plinthosols, Arenosols και Leptosols.

2.2 Μεθοδολογία 

Τα δεδομένα που χρησιμοποιήθηκαν στη μελέτη αυτή είναι μία Landsat-MSS εικόνα (MSS84), που αποκτήθηκε στις 8 Μαίου 1984, και 4 Landsat-TM εικόνες, που αποκτήθηκαν στις 21 Οκτωβρίου 1992, στις 18 Οκτωβρίου 1996 και στις 11 Απριλίου 2000 (TM92, TM96 και TM00). Αν και οι εικόνες αποκτήθηκαν σε διαφορετικές ημερομηνίες, το καθεστώς κάλυψης γης είναι αρκετά παρόμοιο, διότι ο Οκτώβριος είναι η πρόωρη εποχή ξηρασίας με χαμηλή κάλυψη γης, όπωσ αντίστοιχα ο Απρίλιος και ο Μάιος, χρονικά διαστήματα κατά τα οποία η βιομάζα είναι πολύ χαμηλή, όπως είναι και η περιεκτικότητα του εδάφους σε νερό. Οι ψηφιακές εικόνες απεικονίζονται μέσω προσθετικών έγχρωμων συνθέτων, χρησιμοποιώντας τα τρία κύρια χρώματα, δηλαδή το κόκκινο, το πράσινο και το μπλε (RGB). Συγκεκριμένα, για την MSS84 εικόνα χρησιμοποιήθηκε ο συνδυασμός RGB=4:3:2 ενώ για τις Landsat-TM εικόνες ο συνδυασμός RGB=5:4:3. Επίσης, χρησιμοποιήθηκαν λόγοι καναλιών οι οποίοι προέκυψαν από τη διαίρεση των ψηφιακών τιμών σ'ένα φασματικό κανάλι, με τις αντίστοιχες σ'ένα άλλο, με σκοπό την ανάδειξη των φασματικών χαρακτηριστικών των διαφόρων στοιχείων των εικόνων ανεξάρτητα από την έκταση των συνθηκών φωτισμού κατόπτευσης και το τοπογραφικό ανάγλυφο της περιοχής. Σε αυτή τη μελέτη εφαρμόστηκαν οι εξής λόγοι: του κόκκινου καναλιού προς το πράσινο (ratio=L/G) και του κόκκινου καναλιού προς το εγγύς κανάλι (ratio=R/NIR). Στην Landsat-TM εικόνα πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση για την διάκριση του υποβαθμισμένου εδάφους από το δασικό έδαφος καθώς και άλλων κατηγοριών χρήσεων γης. Ο ταξινομημένος χάρτης προσαπμόστηκε κατάλληλα σε σύγκριση με τον τοπογραφικό χάρτη των υποιβαθμισμένων εδαφών της περιοχής σε συνδυασμό με επίγειους ελέγχους. Τα συμπεράσματα που εξήχθησαν για την εδαφική υποβάθμιση προήλθαν από τη σύγκριση των αποτελεσμάτων της επιβλεπόμενης ταξινόμησης που πραγματοποιήθηκε για κάθε RGB εικόνα-λόγος διαφορετικής ημερομηνίας απόκτησης, Σκοπός της όλης διαδικασίας ήταν η καλύτερη εξομοίωση της “δυναμικής” της χρήσης γης και η διάκριση των αλλαγών στα υποβαθμισμένα εδάφη της περιοχής μελέτης.

3. Αποτελέσματα 

3.1 Προεπεξεργασία Εικόνων 

Πριν την διαδικασία της ψηφιακής επεξεργασίας όλες οι εικόνες υπέστησαν ραδιομετρική διόρθωση. Πραγματοποιήθηκε διόρθωση της γωνίας ύψους του ηλίου, διόρθωση για την απόσταση γης-ηλίου και στη συνέχεια έγινε μετατροπή των ψηφιακών τιμών σε απόλυτες τιμές έντασης ακτινοβολίας. Κατόπιν οι εικόνες υπέστησαν γεωμετρική διόρθωση. Έγινε γεωαναφορά στις εικόνες και καταχώρηση τους σε συντεταγμένες UTMC (εγκάρσια μερκατορική προβολή), με τη χρησιμοποίηση σημείων επίγειου ελέγχου γνωστών γεωδαιτικών συντεταγμένων από ένα τοπογραφικό χάρτη της περιοχής μελέτης, κλίμακας 1:50.000.

3.2 Επιλογή Λόγων Καναλιών και Επεξεργασία Εικόνων 

Οι εικόνες-λόγοι είναι χρήσιμοι για την διάκριση μικρών φασματικών διαφορών μίας περιοχής κατόπευσης, οι οποίες ομογενοποιούνται από την διακύμανση των τιμών φωτεινότητας σε εικόνες μεμονωμένων φασματικών καναλιών ή στα έγχρωμα σύνθετα. Αυτό οφείλεται στο γεγονός ότι οι εικόνες-λόγοι απεικονίζουν τις διακυμάνσεις στις κλίσεις των καμπυλών φασματικής ανακλαστικότητας μεταξύ δύο καναλιών, ανεξαρτήτως των απολύτων τιμών ανακλαστικότητας που παρατηρούνται στα κανάλια. Με βάση αυτή την αρχή, η βλάστηση του εδάφους μπορεί να διακριθεί από το υποβαθμισμένο έδαφος με τη χρησιμοποιήση λόγων καναλιών. Συγκεκριμένα για το λόγο καναλιών R/G, τα γυμνά και υποβαθμισμένα εδάφη παρουσιάζουν υψηλή ανακλαστικότητα στο κόκκινο κανάλι αλλά χαμηλή στο πράσινο, ενώ τα εδάφη με βλάστηση παρουσιάζουν χαμηλή ανακλαστικότητα στο κόκκινο κανάλι. Ως εκ τούτου, η χρησιμοποίηση του λόγου R/G δίνει υψηλές ψηφιακές τιμές (οι οποίες έχουν μετραπεί σε απόλυτες τιμές έντασης ακτινοβολίας) για το υποβαθμισμένο έδαφος και χαμηλές για εδάφη με βλάστηση. Όταν η εικόνα απεικονίζεται μέσω του λόγου R/NiR, στοιχεία όπως το ωερό και οι δρόμοι, τα οποία έχουν υψηλές τιμές ανάκλασης στο κόκκινο κανάλι και χαμηλές τιμές στο εγγύς υπέρυθρο, να εμφανίζονται με ανοιχτόχρωμους τόνους. Χαρακτηριστικά όπως η βλάστηση εμφανίζονται με σκουρότερους τόνους λόγω της σχετικά μικρής ανακλαστικότητας στο κόκκινο κανάλι, και υψηλές ανακλαστικότητες στο εγγύς υπέρυθρο κανάλι. Και στις δύο εικόνες-λόγους (εικόνα I), τα δάση (μπλε χρώμα) και τα υποβαθμισμένα εδάφη (κόκκινο χρώμα), μπορούν να διακριθούν εύκολα. Ο λόγος R/G όμως παρουσίασε ψηφιακές τιμές (DN) παρόμοιες μεταξύ των υποβαθμισμένων εδαφών και των κατοικίσιμων περιοχών, ενώ στο λόγο R/NiR ήταν εφικτή η διάκριση αυτών των στοιχείων, με τις κατοικίσιμες περιοχές να απεικονίζονται με πορτοκαλί χρώμα, οι αγροκαλλιέργειες με μπλε και τα δάση με πράσινο. Αυτή η διαφοροποίηση είχε ως αποτέλεσμα, κατά την εφαρμογή της μη επιβλεπόμενης ταξινόμησης, η εικόνα που απεικονίζεται μέσω του λόγου R/G να παρουσιάσει 4 φασματικές κατηγορίες ενώ από την εικόνα-λόγος R/NIR προέκυψαν 6 φασματικές κατηγορίες. Συνεπώς, προτιμήθηκε ο λόγος R/NIR για την περαιτέρω επεξεργασία και ανάλυση των εικόνων.

[[Εικόνα:Spk_doruforikoi_1_15.jpg|right|thumb||Εικόνα Ι. Αποτελέσματα επεξεργασίας εικόνων (a) έγχρωμο σύνθετο RGB 5:4:3, (b) λόγος καναλιού κόκκινο προς πράσινο, (c) επιβλεπόμενη ταξινόμηση με λόγο κόκκινο προς μπλε κανάλι, (d) λόγος καναλιού κόκκινο προς εγγύς υπέρυθρο, (e) υβριδική ταξινόμηση με λόγο κόκκινο προς εγγύς υπέρυθρο κανάλι, (f) επιβλεπόμενη ταξινόμηση με λόγο κόκκινο προς εγγύς υπέρυθρο κανάλι.[http://gisws.media.osaka-cu.ac.jp/gisideas04/viewpaper.php?id=86]πηγή]]

3.3 Εδαφική Υποβάθμιση 

Ο χάρτης της εδαφικής υποβάθμισης εξήχθη από τοπογραφικό χάρτη της περιοχής (Khang et al.,1998) σε συνδυασμό με επίγειους ελέγχους στην περιοχή μελέτης. Η κύρια αιτία της εδαφικής υποβάθμισης που υφίσταται η περιοχή είναι η υδατική διάβρωση που οφείλεται στη μείωση δασών, στη γεωργική παραγωγή σε εκτάσεις με κλίση χωρίς λίπασμα και στην ελλιπή προστασία του εδάφους. Τα περισσότερα εδάφη είναι αμμώδη με χαμηλό οργανικό άνθρακα, μικρή περιεκτικότητα σε θρεπτικά συστατικά, καθώς και χαμηλής ικανότητας ανταλλαγής κατιόντων.

3.4 Εδαφικές Παρατηρήσεις 

Για κάθε ένα από τα 21 σημεία επίγειου ελέγχου (γνωστών γεωδαιτικών συντεταγμένων) καθορίστηκε το είδος, η κατάσταση και ο βαθμός της εδαφικής υποβάθμισης και τα αποτελέσματα παρουσιάσαν ικανοποιητική συμβατότητα και σύμφωνα με τον ταξινομημένο χάρτη (από το λόγο R/NIR) με 9 έντονα υποβαθμισμένες παρατηρήσεις σε γυμνά εδάφη, αμμώδη και φυτειών ευκαλύπτου. Κατόπιν, έγινε σύγκριση των δεδομένων από τον ταξινομημένο χάρτη (κυρίως για τα υποβαθμισμένα εδάφη) με τα δεδομένα από τον χάρτη εδαφικής υποβάθμισης και τα αποτελέσματα της σύγκρισης έδειξαν και αυτά μεγάλη συμβατότητα.

3.5 “Δυναμική” Εδαφικής Υποβάθμισης 

Το υποβαθμισμένο έδαφος αναγνωρίστηκε κατά τη διαδικασία της ταξινόμησης με τη χρησιμοποίηση του λόγου R/NIR σε όλες τις εικόνες των ημερομηνιών 1984, 1992, 1996 και 2000. Τα αποτελέσματα (εικόνα II) φανέρωναν την εικόνα της “δυναμικής” της υποβάθμισης του εδάφους από το 1984 και μετά. Η έκταση της εδαφικής υποβάθμισης στην περιοχή της Tamduong κυμάνθηκε από 2.437 εκτάρια το 1984 σε 3.282 εκτάρια το 1992, 2185 εκτάρια το 1996 και 2.576 εκτάρια το 2000. Η τάση αυτή είναι εύλογη και μπορεί να συσχετιστεί με την ανθρώπινη δραστηριότητα στην περιοχή: όταν κόπηκαν τα δάση, η υποβάθμιση του εδάφους ξεκίνησε να επιδεινώνεται μέχρι το 1992. Μεταξύ των ετών 1990-1992 πραγματοποιήθηκε μεγάλης κλίμακας αναδάσωση (επί το πλείστον ευκαλύπτων) με αποτέλεσμα να αυξάνεται η κάλυψη του εδάφους και η βιομάζα, μειώνοντας τη διάβρωση. Από το 1996 άρχισε ξανά η δασική εκμετάλλευση για την παραγωγή χαρτιού που είχε σαν συνέπεια την απότομη αύξηση της υποβάθμισης του εδάφους.

[[Εικόνα:Spk_doruforikoi_2_15.jpg|right|thumb||Εικόνα ΙΙ: Ταξινομημένοι χάρτες με τη χρησιμοποίηση του λόγου R/NIR το 1984, 1992 και 2000 στην Tamduong.[http://gisws.media.osaka-cu.ac.jp/gisideas04/viewpaper.php?id=86]πηγή]]

4. Συμπεράσματα 

Ο λόγος καναλιών R/NIR παρουσίασε καλύτερα αποτελέσματα από το λόγο R/G, χάρη στην χαμηλή συσχέτιση μεταξύ των δύο καναλιών (του κόκκινου και του εγγύς υπέρυθρου). Η σύγκριση μεταξύ των έγχρωμων σύνθετων ταξινομημένων εικόνων έδειξε ότι τα πιο διαβρωμένα εδάφη εντοπίζονται σε πρεινά μέρη και σε αμμώδη εδάφη με κλίση. Η “δυναμική” της εδαφικής υποβάθμισης και οι αυξομειώσεις της δικαιολογούνται πλήρως από την επιρροή της ανθρώπινης δραστηριότητας στην περιοχή. Τα αποτελέσματα αυτά δείχνουν τις δυνατότητες της χρήσης δορυφορικών απεικονίσεων για την αναγνώριση των υποβαθμισμένων εδαφών.

Εκτίμηση της λειψυδρίας των καλλιεργιών, βασισμένη σε δεδομένα του θεματικού χαρτογράφου του δορυφόρου Landsat.

2011-01-13T19:04:38Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

Εκτίμηση της λειψυδρίας των καλλιεργιών, βασισμένη σε δεδομένα του θεματικού χαρτογράφου του δορυφόρου Landsat.
Ghulam A, LI 2-L, Qin Q, Yimit H, Wang J, Estimating Crop Water Stress with ETM+NIR and SWIR data, Agricultural and Forest, Forest Metereology 148 (2008) 1679-1695 [http://www.cid-inc.com/docs/CI-203%20Estimating%20crop%20water%20stress%20with%20ETM+%20NIR%20and%20SWIR%20data.pdf]

Αντικέιμενο Μελέτης 

Η ψηφιακή τηλεπισκόπηση της έλλειψης νερού σε καλλιέργειες από την ανάκλαση των εγγείς υπέρυθρων (NIR) και μικρών υπέρυθρων μήκων κύματος του οπτικού τομέα παρέχει ένα πολλά υποσχόμενο εργαλείο για τη χρήση δορυφορικών δεδομένων στον τομέα της γεωργίας. Η λειψυδρία σε συνδυασμό με την ξηρασία αποτελεί από τα μεγαλύτερα παγκόσμια προβλήματα που πρέπει να αντιμετωπίσει η επιστημονική κοινότητα όσον αφορά στην ανάπτυξη του τομέα της γεωργίας και όχι μόνο. Οι δορυφορικές εικόνες αποτελούν μία πολύτιμη βοήθεια στην απόκτηση πληροφοριών για την έλλειψη νερού σε καλλιέργειες (vegetation water stress) και την καταλληλότερη διαχείριση ύδατος στον τομέα της γεωργίας.

Στόχος Εφαρμογής 

Οι στόχοι της εφαρμογής είναι οι εξής:
1. Η περαιτέρω διερεύνηση των δυνατοτήτων των NIR και SWIR μήκων κύματος για την εκτίμηση της περιεκτικότητας σε υγρασία FMC (fuel moisture content), η οποία είναι πολύ χρήσιμη για τον προσδιορισμό της ζήτησης νερού σε καλλιέργειες.
2. Η δημιουργία και ανάπτυξη μίας λειτουργικής μεθόδου για την παρακολούθηση της έλλειψης νερού σε καλλιέργειες, η οποία να έχει παραχθεί εξ'ολοκλήρου από δορυφορικές εικόνες και να είναι εντελώς ανεξάρτητη από βοηθητικά δεδομένα.

Η παρούσα μελέτη επικεντρώνεται στην έρευνα της επίδρασης της επιφανειακής ξηρασίας στη βιοχημεία του ύψους της φυλλωσιάς των σιτηρών με τη βοήθεια του δείκτη έλλειψης νερού VWSI (vegetation water stress index) με σκοπό την παρακολούθηση της ξηρασίας των καλλιεργιών.

Περιοχή μελέτης – Συλλογή δεδομένων 

Εδαφικές μετρήσεις πραγματοποιήθηκαν σε τρεις περιοχές της Κίνας· της κεντρικής Shunyi που αποτελεί προάστιο του Πεκίνου και άλλων δύο περιοχών της Ningxia, επαρχίας της Βορειοδυτικής Κίνας (Εικόνα 1). Κριτήριο επιλογής ήταν οι περιοχές να εκπροσωπούν διαφορετικά οικοσυστήματα. Χειμερινό σιτάρι καλλιεργήθηκε σε όλους τους τομείς των υπό μελέτη περιοχών κατά την διάρκεια του πειράματος. Βιοφυσικές μεταβλητές του ύψους της φυλλωσιάς των σιτιρών όπως η ισοδύναμη λεπτότητα-πάχος του νερού EWT (equivalent water thickness), η περιεκτικότητα σε υγρασία FMC, η περιεκτικότητα σε χλωροφύλλη, ο δείκτης φυλλικής επιφανείας LAI (leaf area index), καθώς και μετερεωλογικές και υδρολογικές παράμετροι συλλέχθηκαν από τις περιοχές μελέτης.

Μεθοδολογία ανάπτυξης δείκτη VWSI 
Σύμφωνα με ανάλυση ευαισθησίας, κατά τη μελέτη δορυφορικών εικόνων από περιοχές με βλάστηση, η ξηρή μάζα των φύλλων (leaf dry matter- DM) και η περιεκτηκότητα των φύλλων σε νερό (EWT), μπορούν να εντοπιστούν μέσω της μελέτης των ανακλάσεων των ακτίνων του φάσματος NIR (near infrared) και του φάσματος SWIR (short wavelength infrared). Μέσω στοιχείων σχετικά με την ανάκλαση των παραπάνω ακτίνων, για μία δορυφορική φωτογραφία μπορεί να υπολογιστεί ο δείκτης VSWI για μία έκταση (εικόνες 2,3).
Στο παρόν άρθρο, ο δείκτης VSWI υπολογίστηκε για τις διάφορες δορυφορικές φωτογραφίες που είχαν ληφθεί από τις προαναφερθείσες περιοχές της Κίνας όπου είχαν διενεργηθεί μετρήσεις πεδίου και για τις οποίες είχε προσδιοριστεί ο FMC. Επιπλέον με χρήση του προγράμματος PROSPECΤ, έγινε προσομοίωση δεδομένων από δορυφορικές εικόνες με γνωστό FMC για τις οποίες προσδιορίστηκε ο VSWI. Με τον παραπάνω τρόπο δημιουργήθηκε ένα πλήθος στοιχείων για τη διερεύνηση της σχέσης μεταξύ FMC και VSWI. Με βάση την παραπάνω διερεύνηση παρατηρήθηκε υψηλή συσχέτιση μεταξύ των δύο δεικτών (εικόνα 4).

Συμπεράσματα 

Εξετάζοντας τη σύνδεση μεταξύ του δείκτη VWSI και της περιεκτικότητας σε υγρασία FMC μέσω προσομοιώσεων ανάκλασης χρησιμοποιώντας δορυφορικές απεικονίσεις του δορυφόρου Landsat εκτιμήθηκε ότι ο δείκτης VWSI μπορεί να αποτελέσει ένα χρήσιμο εργαλείο για τη δημιουργία και το σχεδιασμό αδρευτικών πλάνων για τις καλλιέργειες. Η “συμπεριφορά” διακύμανση του δείκτη VWSI σε αντιστοιχία με τις διαφορετικές αρδευτικές τεχνικές κατά τη διάρκεια της χειμωνιάτικης καλλιεργιτικής περιόδου των σιτιρών που πραγματοποιήθηκαν στις τρεις περιοχές μελέτης φανέρωσε ότι ο VWSI αντανακλά τη ζήτηση νερού της καλλιέργειες. Οι τιμές του δείκτη VWSI μειώθηκαν πολύ κοντά στο μηδέν κατά τη διάρκεια του αρχικού σταδίου της άρδευσης των καλλιεργειών και αυξήθηκαν κατά το μέγιστο μετά την παύση των αρδευτικών διαδικασιών με την εξάντληση της εδαφικής υγρασίας του ριζικού συστήματος. Τα πρότυπα του δείκτη VWSI για κάθε αρδευτική διαδικασία είναι αντίθετα με τις δυναμικές της FMC και τις υγρασίες του εδάφους κατά τη διάρκεια των φαινολογικών φάσεων. Από τα αποτελέσματα των ερευνών εξήχθη το συμπέρασμα
ότι ο VWSI αποτελεί μία αξιόπιστη και αποτελεσματική τεχνική μέθοδο για την παρακολούθηση και την ποσοτικοποιήση της έλλειψης νερού. Έχει μεγάλες δυνατότητες να είναι εφαρμόσιμος ανεξάρτητα από την απόκτηση βοηθητικών δεδομένων, με την χρησιμοποίηση αποκλειστικά ψηφιακών τηλεσκοπικών εικόνων, για τον σχεδιασμό ενός χρονοδιαγράμματος άρδευσης των καλλιεργειών με απώτερο σκοπό την εξοικονόμηση ύδατος.

[[Εικόνα:Spk_lupsandreias_1_11.jpg|right|thumb||Εικόνα 1 Περιοχή μελέτης.[http://www.cid-inc.com/docs/CI-203%20Estimating%20crop%20water%20stress%20with%20ETM+%20NIR%20and%20SWIR%20data.pdf]πηγή]]

[[Εικόνα:Spk_lupsandreias_2_11.jpg|right|thumb||Εικόνα 2 Τραπέζιο που χρησιμοποιείται για το γραφικό προσδιορισμό του δείκτη VSWI από τις δορυφορικές φωτογραφίες.[http://www.cid-inc.com/docs/CI-203%20Estimating%20crop%20water%20stress%20with%20ETM+%20NIR%20and%20SWIR%20data.pdf]πηγή]]

[[Εικόνα:Spk_lupsandreias_3_11.jpg|right|thumb||Εικόνα 3 Γραφικός προσδιορισμός του VSWI σε διάφορες δορυφορικές φωτογραφίες.[http://www.cid-inc.com/docs/CI-203%20Estimating%20crop%20water%20stress%20with%20ETM+%20NIR%20and%20SWIR%20data.pdf]πηγή]]

[[Εικόνα:Spk_lupsandreias_4_11.jpg|right|thumb||Εικόνα 4 Διάγραμμα δείκτη VSWI και WDI όπου παρουσιάζεται η καλή μεταξύ τους συσχέτιση]]

Εκτίμηση του μεγέθους των επιπτώσεων μιας πυρκαγιάς με χρήση σχετικού συντελεστή καταστροφής λόγω φωτιάς (dNBR)

2011-01-13T19:02:39Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

Εκτιμηση του μεγέθους των επιπτώσεων μιας πυρκαγυας με χρήση σχετικού συντελεστή καταστροφής λόγω φωτιάς (dNBR) [http://ddr.nal.usda.gov/bitstream/10113/37425/1/IND44308421.pdf]

Quantifying burn severity in a heterogeneous landscape with a relative version of the delta Normalized Burn Ratio (dNBR)
Miller J.D., Thode A.E. 2007, Remote Sensing and Environment,109,66-80

Εισαγωγη 

Η εκτίμηση των καταστροφών στη φυσική βλάστηση και το έδαφος σε μία περιοχή που έχει πληγεί από πυρκαγιά, είναι ένας τομέας στον οποίο έχει εισαχθεί η χρήση και ανάλυση δορυφορικών εικόνων. Οι μέθοδοι που εφαρμόζονται, είναι η σύγκριση των δεικτών βλάστησης σε φωτογραφίες πριν και μετά την πυρκαγιά, ώστε να εκτιμάται το μέτρο της καταστροφής που έχει επέλθει στο φυσικό περιβάλλον. Το πρόβλημα με αυτή τη διαδικασία, είναι ότι λόγω της διαφοροποίησης της βλάστησης ανά περιοχή και της ποικιλίας των συνθηκών ανά περιοχή και φαινόμενο πυρκαγυιάς, οι μέχρι τώρα μέθοδοι δεν μπορούν να θέσουν ένα εννοιαίο πλαίσιο για τη σύγκριση μεταξύ διαφορετικών γεγονότων πυρκαγιάς με διαφορετικά χαρακτηριστικά (π.χ. διαφορετική ποσότητα βλάστησης πριν την πυρκαγυιά).

Στοχοι μελέτης 

Στο άρθρο των Miller και Thode, γίνεται προσπάθεια, με χρήση ενός σχετικού δείκτη καταστροφής λόγω πυρκαγιάς που να συνδέει την κατάσταση πριν και μετά τη φωτιά, να εκτιμηθεί μία κλίμακα που να μπορεί να εφαρμοστεί για διάφορες πυρκαγιές και για διάφορες συνθήκες βλάστησης.Η μελέτη έγινε ώστε οι δείκτες καταστροφής που εκτιμώνται για κάθε πυρκαγιά, να βρίσκονται σε ίδια κλίμακα ώστε να είναι δυνατή η σύγκριση μεταξύ διαφορετικών πυρκαγιών.

Περιοχή Μελέτης - Συλλογή Δεδομένων 

Τα δεδομένα που χρησιμοποιήθηκαν στο άρθρο των Miller και Thode, προήλθαν από την περιοχή της Sierra Nevada στην California (Εικόνα 1). Η περιοχή μελέτης περιλαμβάνει διάφορα υψόμετρα (από 60 μέχρι 4418m) και συνολικά καλύπτει έκταση 11.5 εκ acres όπου περιλαμβάνονται δάση, εθνικοί δρυμοί και φυσικά μνημεία.
Η εκτίμηση της καταστροφής έγινε μέσω του δείκτη CBI(Composite Burn Index) που εισήχθει από τους Key και Benson (2005). Σύμφωνα με την παραπάνω μέθοδο, η καταστροφή λόγω πυρκαγιάς εκτιμάται με οπτική ταξινόμηση διαφόρων χαρακτηριστικών της καμμένης περιοχής και τελικά η σοβαρότητα της καταστροφής εκτιμάται από 1 έως 5 με 5 υψηλό βαθμό καταστροφής (καταστροφή μεγάλων δένδρων).
Οι δορυφορικές εικόνες Landsat που χρησιμοποιήθηκαν για πριν και μετά την πυρκαγιά, πάρθηκαν ώστε να είναι κοντά στην ημερομηνία του συμβάντος της πυρκαγιάς για την εξασφάλιση παρόμοιων συνθηκών ηλιοφάνειας.
Για την εκτίμηση των αλλαγών στη βλάστηση χρησιμοποιήθηκαν οι δέσμη συχνοτήτων 4 (near infrared) που είναι πιο ευαίσθητη για τον εντοπισμό της χλωροφύλλης των φυτών, καθώς και η δέσμη 7 (mid infrared) που είναι πιο ευαίσθητη στον εντοπισμό του νερού στο έδαφος και τα φύλλα. Ο δείκτης καταστροφής λόγω πυρκαγιάς που εξάγεται, προέρχεται από την εξίσωση:
NBR=(band4-band7)/(band4+band7)
Για κάθε πυρκαγιά υπολογίστηκε ο δείκτης dNBR (διαφορά NBR περιοχής πριν και μετά την πυρκαγιά) ενώ η τιμές εκφράστηκαν ως ακέραιοι για να είναι συμβατές με τη μέθοδο CBI.
Με βάση τα παραπάνω δεδομένα (dNBR και CBI) για κάθε περιοχή, έγινε προσπάθεια συσχετσμού των δύο δεικτών ώστε να εκτιμηθεί μία κλίμακα που ν κάνει χρήση του dNBR.

Αναπτυξη και εφαρμογή σχετικού δείκτη καταστροφής λόγω πυρκαγιάς 
Στο παρόν άρθρο είναι επιθυμιτή η δημιουργία ενός δείκτη εκτίμησης καταστροφής από πυρκαγιά ο οποίος θα είναι ανεξάρτητος (δεν θα παρουσιάζει συσχέτιση) με τον αρχικό δείκτη

[[Εικόνα:Spk_epexergasia_1_10.jpg|right|thumb||Εικόνα 1. Περιοχή μελέτης (Sierra Nevada-California).[http://ddr.nal.usda.gov/bitstream/10113/37425/1/IND44308421.pdf]πηγή]]

NBR της περιοχής (πριν την πυρκαγιά) όπως συμβαίνει με το δείκτη CBI, που παρουσιάζει πολύ μικρή συσχετιση με την κατάσταση της περιοχής πριν την πυρκαγιά. Από την εικόνα 2 φαίνεται η μικρή συσχέτιση που παρουσιάζει ο δείκτης CBI με το αρχικό NBR και η μεγάλη συσχέτιση του dNBR με το αρχικό NBR πράγμα που καθιστά αναγκαία την εισαγωγή ενός νέου ανεξάρτητου δείκτη.
Μετά από μελέτη συσχέτισης διαφόρων εκδοχών του σχετικού dNBR τελικά η σχέση στην οποία καταλήγουν οι συγγραφείς είναι:
RdNBR=(PreFireNBR-PostFireNBR)/(SquareRoot(ABS(PreFireNBR/1000))
Στη συνέχεια, καθορίστηκαν τα όρια με βάση τα οποία θα κατατάσσται το εύρος της καταστροφής σε κάθε περιοχή (thresholds) η καταληλότητα των οποίων εκτιμήθηκε με σύγκρισή τους με αυτά του CBI όπου βρέθηκε αρκετά καλή συμφωνία.
Τέλος επιλέχθηκαν ορισμένες πυρκαγιές για να εφαρμοστεί ο νέος δείκτης RdNBR. Στην εικόνα 3 φαίνεται μία περίπτωση από την πυρκαγιά Straylor όπου εικόνες Landsat έχουν κατηγοριοποιηθεί με βάση το δείκτη RdNBR και dNBR. Στην εικόνα είναι εμφανές ότι ειδικά στις περιοχές με μεγάλες καταστροφές ο RdNBR περουσιάζει μεγαλύτερη ομοιογένεια σε σχέση με τον NBR και δίνει πολύ αξιόπιστα αποτελέσματα. Επίσης, τα όρια κατάταξης των βλαβών λόγω πυρκαγιάς για τον RdΝBR συμπίπτουν αρκετά με αυτά του CBI. Παρόμοια αποτελέσματα προέκυψαν και για άλλες πυρκαγιές με ομογενή αλλά και ετερογενή βλάστηση περιοχής πριν την πυρκαγιά.

Συμπεράσματα 
Στο παρόν άρθρο εξετάστηκε η ανάπτυξη και η χρήση ενός σχετικού δείκτη καταστροφής λόγω πυρκαγιάς από τον οποίο το μεγαλύτερο όφελος είναι ότι δίνει το εύρος της καταστροφής σε μία κλίμακα γενικότερη που επιτρέπει συγκρίσεις μεταξύ διαφορετικών πυρκαγιών. Η διαφορά του δείκτη RdNBR από τον NBR είναι ότι ο δεύτερος δίνει ένα απόλυτο μέτρο της καταστροφής ενώ ο πρώτος μετρά την καταστροφή σε σχέση με την αρχική βλάστηση. Τα όρια με τα οποία κατατάσσεται το εύρος της καταστροφής εκτιμήθηκαν με γραμμική παρεμβολή και σχετίζονται με τα όρια του υπάρχοντος δείκτη CBI.

[[Εικόνα:Spk_epexergasia_2_10.jpg|right|thumb||Εικόνα 2 Συσχέτιση δείκτη CBI και dNBR με το αρχικό NBR πριν την πυρκαγιά. Είναι σαφές ότι ο CBI παρουσιάζει πολύ μικρότερη συσχέτιση με το αρχικό NBR από ότι ο dNBR.[http://ddr.nal.usda.gov/bitstream/10113/37425/1/IND44308421.pdf]πηγή]]

[[Εικόνα:Spk_epexergasia_3_10.jpg|right|thumb||Εικόνα 3 Τυπικά απότελέσματα για μία από τις πυρκαγιές που εκξετάστηκαν. Τα αποτελέσματα φαίνονται σε σχέση με το δείκτη RdNBR και το δείκτη dNBR.[http://ddr.nal.usda.gov/bitstream/10113/37425/1/IND44308421.pdf]πηγή]]

Εξαγωγή μετρήσεων επιφανειακής Λευκαύγειας (albedo) από τους δορυφορικούς δέκτες του Landsat.

2011-01-13T19:00:20Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

Εξαγωγή μετρήσεων επιφανειακής Λευκαύγειας (albedo) από τους δορυφορικούς δέκτες του Landsat. Brest C.L., Goward S.D. Remote Sensing 1987, vol 8, No.3 (351-367) [http://www.informaworld.com/smpp/content~db=all~content=a777936285~frm=abslink]

Αντικείμενο Εφαρμογής Μελέτης 

Η λευκαύγεια (albedo) είναι το μέτρο ανακλαστικότητας μιας επιφάνειας ή ενός σώματος. Μετράται ως ο λόγος της ανακλώμενης προς την προσπίπτουσα ηλεκτρομαγνητική ακτινοβολία στην επιφάνεια ενός σώματος. Αποτελεί σημαντικό παράγοντα στην ανάπτυξη του κλίματος αφού είναι ένας από τους πιο καθοριστικούς συντελεστές του ποσού της ενέργειας που διατίθεται στην ατμόσφαιρά της γης. Παραδοσιακά η εύρεση των τιμών της λευκαύγειας γινόταν με τεχνικές που χρησιμοποιούσαν εδαφικές παρατηρήσεις με αποτέλεσμα να είναι αρκετά χρονοβόρες και να εφαρμόζεται σε περιοχές μικρής έκτασης. Σάυτή την μελέτη, η απόκτηση των τιμών της λευκαύγειας πραγματοποιείται με την χρήση δορυφορικών ψηφιακών απεικονίσεων από το δορυφόρο Landsat.

Περιοχή Μελέτης 
Ως περιοχή μελέτης επιλέχτηκε το Hartford του νομού Connecticut αφού πληρούσε τα κριτήρια για την εφαρμογή της Μελέτης ΣΧΗΜΑ

Συλλογή Δεδομένων 
Έγινε επιλογή 22 εδαφικώμν σημείων στην περιοχή του Hartford , ύστερα από σύγκριση δορυφορικών δεδομένων και αεροφωτογραφιών. Το κριτήριο επιλογής ήταν τα εδαφικά σημεία να παρουσιάζουν ένα ευρύ φάσμα τιμών ανάκλασης μεταξύ τους.
Πραγματοποιήθηκε διαλογή 27 δορυφορικών απεικονίσεων από το δορυφόρο Landsat στην περιοχή που είχαν επιλεγεί τα εδαφικά σημεία μεταξύ του έτους 1972 και 2978. Κριτήριο επιλογής ήταν καθαρές ατμοσφαιρικές συνθήκες για τις δορυφορικές εικόνες, ώστε να αποφευχθούν τυχόν παραμορφώσεις λόγω συννέφων.

Μεθοδολογία 
Με την βοήθεια μιας κάμερας, έγινε υπολογισμός της φασματική ανακλαστικότητας των 22 εδαφικών σημείων. Τα εδαφικά σημεία εντοπίζονται σε κάθε δορυφορική εικόνα με βάση την φασματική υπογραφή τους. Πραγματοποιείται διόρθωση και αποκατάσταση των εικόνων για την εξάλειψη τυχόν γεωμετρικών και ράδιο-μετρικών παραμορφώσεων . δημιουργείται ένα μοντέλο ανάλυσης παλινδρόμησης για την ποσοτική συσχέτιση των δεδομένων της απορροφημένης ακτινοβολίας των δεκτών b4(TM4) και b7 (TM7) του δορυφόρου Landsat, με τα δεδομένα των τιμών ανακλαστικότητας των σημείων που μετρήθηκαν. Γνωρίζοντας την φασματική ανακλαστικότητα του εδάφους και την φασματική διανομή της ηλιακής ακτινοβολίας, είναι εφικτή η μετατροπή των δεδομένων του Landsat σε μετρήσιμες τιμές λευκαύγειας.
The underlying concept is to divide a spectral reflectance curve into segments of uniform reflectance, each segment being represented by a narrow band measurement. An accurate albedo value is constructed from theses narrow band measurements by a weighted average technique. The weighting average factors for each band are the proportion of solar radiation, incident at the Earth’s surface in each segment.

[[Εικόνα:Spk_exagwgh_1_12.jpg|right|thumb||Εικόνα 1: Απλοποιημένες καμπύλες ανακλαστικότητας για (α) επιφάνειες με βλάστηση (b) επιφάνειες χωρίς βλάστηση.[http://www.informaworld.com/smpp/content~db=all~content=a777936285~frm=abslink]πηγή]]

Κανάλια που χρησιμοποιήθηκαν και εξισώσεις συσχέτισης 

Για την μελέτη χρησιμοποιήθηκαν τα κανάλια b4 και b7. Οι τελικές εξισώσεις-συσχετίσεις είναι:
Albedo=0.526*(b4)+0.362*(B7) +0.112(0.5*(b7)) για περιοχές-επιφάνειες με βλάστηση
Albedo=0.526*(B4)+0.474*(B7) για περιοχές-επιφάνειες χωρίς βλάστηση
Albedo= 0,526*(Β4)+0,232*(Β7)+0,130*(0,630*(Β7)+0,112(0,065*(Β7)) για επιφάνειες καλυμμένες με χιόνι.

[[Εικόνα:Spk_exagwgh_2_12.jpg|right|thumb||Εικόνα 2:Φασματική καμπύλη ανακλαστικότητας για επιφάνειες καλυμμένες με χιόνι.[http://www.informaworld.com/smpp/content~db=all~content=a777936285~frm=abslink]πηγή]]

Εδαφική δορυφορική ραδιομετρία της διαβρωτικότητας του εδάφους, κατά μήκος της κλιματικής κλίσης της Ιουδαϊκής Ερήμου στο Ισραήλ

2011-01-13T18:57:47Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

“Εδαφική δορυφορική ραδιομετρία της διαβρωτικότητας κατά μήκος της κλιματικής κλίσης της Ιουδαϊκής Ερήμου στο Ισραήλ”
Shosany M., Sarah P., Jarmer T., Hill J., Lavec H., “Field and satellite radiometry of soil erodibility along the climatic gradient of the Judean Desert, Israel”, International Archives of Photogrammetry and Remote Sensing Vol XXXIII, Part B7, Amsterdam 2000. [http://www.isprs.org/proceedings/XXXIII/congress/part7/1385_XXXIII-part7.pdf]

Εισαγωγή 

Η απώλεια του εδάφους και της βλάστησης είναι τα πιο βασικά χαρακτηριστικά των διαδικασιών της ερημοποίησης. Η ένταση και η έκταση της εδαφικής υποβάθμισης προσελκύει μείζονα προσοχή ως ένα παγκόσμιο φαινόμενο αλλαγής και ως ένα περιφερειακό φαινόμενο της Μεσογείου. Ως εκ τούτου η δορυφορική τηλεπισκόπηση είναι η πιο κατάλληλη για την παρακολούθηση της εν λόγω εκτεταμένης περιβαλλοντικής απειλής υπό την προϋπόθεση ότι υπάρχουν τα κατάλληλα βιοφυσικά μοντέλα. Η παρούσα μελέτη στοχεύει στην αξιολόγηση δεικτών φασματικών λόγων (λόγων καναλιών ΤΜ), οι οποίοι επιτρέπουν τη χαρτογράφηση της εδαφικής διαβρωτικότητας μεταξύ των τομέων που εκπροσωπούν μετάβαση υγρών και ξηρών κλιματικών συνθηκών, όπως η υφιστάμενη στο περιθώριο της Ιουδαϊκής Ερήμου. Για την επίτευξη αυτού του σκοπού πραγματοποιήθηκαν μετρήσεις των φασματικών και βιοχημικών ιδιοτήτων των δειγμάτων του εδάφους καθώς και ανάλυση της συσχέτισης τους με τη χρησιμοποίηση λόγων καναλιών του δορυφόρου Landsat.

Συσχέτιση οργανικής ύλης και φασματικής ανάκλασης του εδάφους 

Πολλές μελέτες έχουν υποδείξει ότι η μείωση της οργανικής ύλης και του μεγέθους των σωματιδίων του εδάφους προκαλεί αύξηση της ανακλαστικότητας στη φασματική περιοχή του ορατού και εγγύς υπέρυθρου (NIR). Η μελέτη των Stoner και Baumgardner (1981) καθώς και πιο πρόσφατες όπως του Escadfal (1994) έχουν δείξει ότι η ευαισθησία ανάκλασης με οργανική ύλη είναι υψηλή στο ορατό φάσμα. Οι σχέσεις μεταξύ του συνολικού αδρανούς δομικού υλικού που υπάρχει στο έδαφος και της φασματικής ανάκλασης του εδάφους έχουν διερευνηθεί από την μελέτη των Bowers and Hanks (1965) και την μελέτη των Hant and Salisburg (1976), οι οποίες έχουν διαπιστώσει υψηλή ευαισθησία ανάκλασης τόσο στο ορατό όσο και στο εγγύς υπέρυθρο φάσμα για τα αδρανή δομικά υλικά του εδάφους.

Περιοχή μελέτης 

Στην μελέτη και την δειγματοληψία του εδάφους περιλαμβάνονται ραδιομετρικές μετρήσεις με το ραδιόμετρο Fieldspec με δυνατότητα ανάλυσης εώς 2nm. Το συνολικό μέγεθος, οι οργανικές ύλες και οι χημικές συνθέσεις των δειγμάτων του εδάφους προσδιορίστηκαν στο εργαστήριο και επιλέχθηκαν από τέσσερις περιοχές μελέτης. Κάθε μία αντιπροσωπεύει διαφορετικές κλιματολογικές συνθήκες (Μεσογειακό, ημίξηρο, ήπιο και ξηρό κλίμα). Συγκεκριμένα είναι οι εξής:
1. Giv'at Ye'arim (GIV). Αυτή η περιοχή βρίσκεται 11 χιλιόμετρα δυτικά της Ιερουσαλήμ σε υψόμετρο 650 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση είναι 620 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 17οC.
2. Ma'ale Adunim (MAL). Αυτή η περιοχή εντοπίζεται 6,5 χιλιόμετρα ανατολικά της Ιερουσαλήμ σε υψόμετρο 330 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση ειναι 330 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 19οC.
3. Mishor Adunim (MIS). Αυτή η περιοχή μελέτης βρίσκεται 6,5 χιλιόμετρα ανατολικά της Ιερουσαλήμ σε υψόμετρο 330 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση ειναι 330 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 19οC.
4. Kalia (KAL). Αυτή η περιοχή βρίσκεται 4 χιλιόμετρα δυτικά της Νεκρής Θάλασσας σε υψόμετρο 70 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση ειναι 120 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 23οC.

Το γεωλογικό υπόβαθρο σε όλες τισ περιοχές μελέτης είναι ασβεστολιθικό. Παρά την παρόμοια λιθολογία και τις τοπογραφικές συνθήκες που επικρατούν στις περιοχές μελέτης έχουν αναπτυχθεί διαφορετικοί τύποι εδάφους, αποτέλεσμα της μακροπρόθεσμης επίδρασης των ξεχωριστών κλιματικών συνθηκών κατά τη διάρκεια της τελευταίας χιλιετίας. Στο χώρο μελέτης 'GIV' ένα κόκκινο χώμα (Terra Rossa) έχει αναπτυχθεί το οποίο περιέχει μία σχετικά υψηλή ποσότητα από άργιλο (50%), ανθρακικό ασβέστιο (6%-8%) και μία μέση ποσότητα οργανικής ύλης (6%-8%). Στο χώρο μελέτης 'MAL' ένα καφετί χώμα (Rendzina) έχει αναπτυχθεί το οποίο περιέχει μία μεσαία ποσότητα από άργιλο (30%), ανθρακικό ασβέστιο (30%) και μία μικρή ποσότητα οργανικής ύλης (2,5%-4,5%). Στην περιοχή μελέτης 'MIS' αναπτύχθηκε ένα ρηχό ασβεστολιθικό που περιέχει άργιλο, ανθρακικό ασβέστιο και μία ποσότητα οργανικής ύλης (20%, 50% και 2% αντίστοιχα). Ομοίως και στην περιοχή 'KAL' με ποσοστά 10%, 80% και 1% αντίστοιχα.

Αποτελέσματα 

Η εφαρμογή τεχνικών κατηγοριοποίησης και ταξινόμησης στις βιοχημικές ιδιότητες των δεδομένων που προήλθαν από τη δειγματοληψία στις περιοχές μελέτης επέτρεψαν την αναγνώριση έξι ομαδοποιήσεων-συσσωρεύσεων (εικόνα 1). Ακόμα, διαπιστώθηκε ότι αυτές οι φασματικές κατηγορίες είχαν επίσης χαρακτηριστικές υπογραφές, εκτός από τη διαφοροποίηση μεταξύ των ομαδοποιήσεων 5 και 3. Το κύριο χαρακτηριστικό που προκαλεί αυτή τη διαφοροποίηση είναι το επίπεδο ανάκλασης στο εγγύς και μεσαίο υπέρυθρο φασματικό κανάλι του δορυφόρου Landsat (εικόνα 2). Η αξιολόγηση των σχέσεων της εδαφικής διαβρωτικότητας και της φασματικής ανακλαστικότητας έγινε με τη χρησιμοποίηση λόγων καναλιών σύμφωνα με την αναφορά των Pickup και Chewings (1996). Οι Shoshang και Lavee (1998) έχουν εφαρμόσει την ίδια τεχνική που χρησιμοποίει τους λόγους καναλιών κανάλι 2 προς κανάλι 4 και κανάλι 3 προς κανάλι 4 για την χαρτογράφηση της εδαφικής διαβρωτικότητας. Η εμπειρική αξιολόγηση των αποτελεσμάτων αυτών των δύο φασματικών λόγων για τέσσερα σημεία που αντιπροσωπεύουν τα διάφορα επίπεδα διάβρωσης φανέρωσαν μία γραμμική θετική συσχέτιση μεταξύ τριών παραγόντων: μεταβολές σε αυτούς τους δύο φασματικούς λόγους και στα επίπεδα διάβρωσης. Το μοτίβο των μεταβολών είναι στη πραγματικότητα ορθογώνιο όπως αναμενόταν από την αναφορά των Pickup και Chewings. Ένας νέος δείκτης διαβρωτικότητας διαμορφώθηκε στη συνέχεια σύμφωνα με το μοτίβο μεταβολών των δύο φασματικών λόγων. Η χαρτογράφηση των διαφόρων συνδυασμών λόγων καναλιών έδειξε ότι σε μεγάλο βαθμό αντιστοιχούν στις προαναφερθέντες γραμμικές σχέσεις (εικόνα 3). Επίσης, εξήχθη το συμπέρασμα ότι ο γραμμικός συνδυασμός των λόγων καναλιών συσχετίζεται με την περιεκτικότητα σε οργανικό άνθρακα.

[[Εικόνα:Spk_edafiki_1_14.jpg|right|thumb||ΕΙΚΟΝΑ 1:Ομαδοποίηση οργανικού και ανόργανου άνθρακα και σιδήρου.[http://www.isprs.org/proceedings/XXXIII/congress/part7/1385_XXXIII-part7.pdf]πηγή]]

[[Εικόνα:Spk_edafiki_2_14.jpg|right|thumb||ΕΙΚΟΝΑ 2:Μέση ανακλαστικότητα κατηγοροιοποήσεων στα κανάλια του LANDSAT.[http://www.isprs.org/proceedings/XXXIII/congress/part7/1385_XXXIII-part7.pdf]πηγή]]

[[Εικόνα:Spk_edafiki_3_14.jpg|right|thumb||EIKONA 3 : Βιοχημικές ομαδοποιήσεις σε σχέση με τους συνδυασμούς φασματικών λόγων.[http://www.isprs.org/proceedings/XXXIII/congress/part7/1385_XXXIII-part7.pdf]πηγή]]

Συμπερασματα 

Η εφαρμογή δορυφορικών τηλεπισκοπικών τεχνικών για τη χαρτογράφηση της διάβρωσης του εδάφους είναι ευρέως διαδεδομένη. Αυτή η μελέτη αποσκοπεί στην ενίσχυση των σχέσεων των αποτελεσμάτων των λόγων καναλιών και των φυσικών ιδιοτήτων του εδάφους. Αποδείχτηκε ότι η διαβρωτικότητα είναι αντιστρόφως ανάλογη με την περιεκτικότητα του εδάφου σε οργανικό άνθρακα και ότι η χρησιμοποίηση λόγων καναλιών για την εύρεση αυτής της αναλογίας είναι αποτελεσματική με μεγάλη ακρίβεια.

Χρήση πολλαπλών φασματικών δεικτών για την εκτίμηση του μεγέθους των επιπτώσεων μίας πυρκαγιάς στην περιοχή Black Hills της νότιας Dakota

2011-01-13T18:55:42Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

“Χρήση πολλαπλών φασματικών δεικτών για την εκτίμηση του μεγέθους των επιπτώσεων μίας πυρκαγιάς στην περιοχή Black Hills της νότιας Dakota.”
“Use of multiple spectral indices to estimate burn severity in the Black Hills of South Dakota.”
Chen X., Zhu Z., Ohlen D., Huang C., Shi H., Pecora – The Future of Land Imaging...Going Operational November 18-20, 2008. [http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]

Εισαγωγή 

Λόγω της υψηλής χωρικής και χρονικής διακύμανσης και την αβεβαιότητα των δασικών πυρκαγιών, εξακολουθεί να είναι μία πρόκληση η ακριβής εκτίμηση της πληγείσας περιοχής καθώς και το ακριβές μέγεθος των επιπτώσεων μετά από μία μεγάλη πυρκαγιά. Τηλεπισκοπικές τεχνικές παρέχουν ένα βελτιωμένο τρόπο για την ανίχνευση της χωρικής και χρονικής μεταβλητότητας με χαμηλότερο κόστος και λιγότερο χρόνο από τις παραδοσιακές μεθόδους απογραφής των επιπτώσεων μίας πυρκαγιάς. Ο στόχος της παρούσας μελέτης είναι η ανάλυση των συσχετισμών μεταξύ των τηλεπισκοπικών φασματικών δεκτών και των εδαφικών δεδομένων της “σοβαρότητας” των επιπτώσεων μίας δασικής πυρκαγιάς που εξελίχτηκε στον Εθνικό Δρυμό Black Hills της νότιας Dakota κατά τη διάρκεια του Αυγούστου και του Σεπτεμβρίου του 2000. Η υπομελέτη φασματικών δεικτών περιλαμβάνει τον παραδοσιακό κανονικοποιημένο δείκτη βλάστησης (NDVi) και αυτών των νέων σχετικά δεικτών: τον ενισχυμένο δείκτη βλάστησης (EVI), τον κανονικοποιημένο δείκτη καταστροφής από φωτιά (NBR), καθώς και τον ενοποιημένο δασικό δείκτη (IFI).

Περιοχή μελέτης και δεδομένα 

Η περιοχή μελέτης ήταν ο Εθνικός Δρυμός στην περιοχή Black Hills στη Νότια Dakota (-103,85οW, 44,82oN, με υψόμετρο 1900μ.) (εικόνα 1). Η φωτιά “Jasper” όπως ονομάστηκε, ήταν η μεγαλύτερη πυρκαγιά που συνέβη στην περιοχή σε τουλάχιστον ένα αιώνα. Η πυρκαγιά ξεκίνησε στις 24 Αυγούστου του 2000 και ο έλεγχος τηης επιτεύχθηκε στις 25 Σεπτεμβρίου. Η καμένη έκταση ήταν περίπου 337,9 km2 (83.508 στρέμματα) και τα έξοδα καταστολής ήταν πάνω από 8,2 εκατομμύρια δολάρια.
Εβδομήνταμία γραφικές παραστάσεις-ιστογράμματα με βάση τα δεδομένα από την εφαρμογή του σύνθετου δείκτη φωτιάς (CBI), συλλέχθηκαν 21 μήνες μετά τον περιορισμό της φωτιάς από τις 13 Μαίου εώς τις 26 Μαίου του 2002, στην περιοχή μελέτης Blck Hills. Αυτές οι επίγειες μετρήσεις CBI χρησιμοποιήθηκαν για τη βαθμονόμηση και την επικύρωση των πραγματικών επιπτώσεων της φωτιάς στο έδαφος της περιοχής μελέτης. Λεπτομερείς παρατηρήσιμες πληροφορίες και εδαφικά δεδομένα, συμπεριλαμβανομένων των οργανικών υλικών που καταναλώνονται, τα χαρακτηριστικά του εναπομείνοντος οργανικού άνθρακα και της τέφρας, καθώς και τις δυνατότητες της βλαστικής θνησιμότητας και αναγέννησης, καταγράφηκαν και χρησιμοποιήθηκαν για την ανεξάρτητη αξιολόγηση του μεγέθους και της σοβαρότητας των επιπτώσεων της πυρκαγιάς. Η CBI τιμή κυμαίνεται μεταξύ 0 και 3 και η αξία της είναι ανάλογη με το βαθμό σοβαρότητας της φωτιάς.
Τα τηλεπισκοπικά δεδομένα που χρησιμοποιήθηκαν στην παρούσα μελέτη περιλαμβάνουν 2 Landsat5 απεικονίσεις που αποκτήθηκαν στις 2 Ιουνίου του 2000 (πριν τη φωτιά), και μια Landsat7 εικόνα που αποκτήθηκε στις 31 Μαίου του 2002 (21 μήνες μετά τη φωτιά).

[[Εικόνα:Spk_xrisi_1_13.jpg|right|thumb||Εικόνα 1: Περιοχή μελέτης της φωτιάς Jasper στο Black Hills National Forest της South Dakota.[http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]πηγή]]

Μέθοδοι 

Πραγματοποιήθηκε επεξεργασία των δεδομένων και των 3 Landsat εικόνων με σκοπό τη διόρθωση και την αποκατάσταση τους από γεωμετρικές παραμορφώσεις, την εξάλειψη τυχόν θορύβου και τη ραδιομετρική ρύθμιση τους. Οι 4 φασματικές δείκτες υπολογίστηκαν με τη χρησιμοποίηση των παρακάτω εξισώσεων για κάθε μία απεικόνιση.
Ο φασματικός δείκτης NDVI υπολογίζεται με τη χρησιμοποίηση της ανάκλασης στο κόκκινο και στο εγγύς υπέρυθρο των καναλιών 3 και 4 του δορυφόρου Landsat αντίστοιχα:

NDVI = (Band4-Band3)/(Band4+Band3)

Ο φασματικός δείκτης EVI υπολογίζεται με τη χρησιμοποίηση της ανάκλασης στο μπλε, στο κόκκινο και στο εγγύς ερυθρό των καναλιών 1,3 και 4 του δορυφόρου Landsat αντίστοιχα:

EVI = 2,5 x (Band4-Band3)/(Band4+6xBand3-7,5xBand1+1)

Ο φασματικός δείκτης IFI έχει αναπτυχθεί πρόσφατα και αντιπροσωπεύει την 'κατάσταση' του δάσους με τη χρησιμοποίηση κατάλληλων στατιστικών στοιχείων από τις δορυφορικές απεικονίσεις:

IFIp = [(1/NB)xΣi=1(bpi-bi/SDi)2]1/2

όπου bi και SDi είναι ο μέσος όρος και η τυπική απόκλιση των επιλεγμένων εικονοστοιχείων για τα i κανάλια, bpi είναι η φασματική τιμή του καναλιού i για το pixel p, και NB είναι ο αριθμός των φασματικών καναλιών. Σ'αυτή τη μελέτη, ο IFI υπολογίστηκε με τη χρησιμοποίηση των καναλιών 3,5 και 7 του δορυφόρου Landsat.
Κατόπιν, έγινε υπολογισμός της κατανομής των τιμών των 71 CBI γραφικών παραστάσεων-ιστογραμμάτων με βάση τριών θεματικών κατηγοριών. 11 CBI τιμές ιστογραμμάτων ήταν κάτω από 1, 27 τιμές κυμαινόνταν μεταξύ των τιμών 1 και 2, και 33 τιμές κυμαίνονταν μεταξύ 2 και 3 (εικόνα 2). Στη συνέχεια εξετάστηκε η γραμμική παλινδρόμηση ενιαίας μεταβλητής μεταξύ της συσχέτισης του κάθε φασματικού δείκτη ξεχωριστά και των εδαφικών CBI δεδομένων. Πολλαπλές μεταβλητές παλινδρόμησης χρησιμοποιήθηκαν επίσης για την εύρεση των διαφορών των φασματικών δεικτών πριν και μετά τη φωτιά με βάση τα CBI εδαφικά δεδομένα για την εκτίμηση των επιπτώσεων της πυρκαγιάς. Οι παράμετροι των γραμμικών παλινδρομήσεων υπολογίστηκαν με τη μέθοδο ελαχίστων τετραγώνων.

[[Εικόνα:Spk_xrisi_2_13.jpg|right|thumb||Εικόνα 2: Κατανομή των τιμών του δείκτη CBI.[http://www.asprs.org/publications/proceedings/pecora17/0012.pdf]πηγή ]]

Ανάλυση και Αποτελέσματα 

Οι οικολογικές επιπτώσεις που υφίσταται μία περιοχή μετά τη φωτιά είναι γνωστές σε όλους μας. Τα πρώτα αποτελέσματα της φωτιάς, που ονομάζονται επίσης άμεσα αποτελέσματα, είναι οι πρώτες συνέπειες από την καύση της φωτιάς, δηλαδή της χημικής αντίδρασης που συνοδεύεται από έκλυση θερμότητας και φωτός. Τέτοια άμεσα αποτελέσματα είναι συνήθως ο τραυματισμός και ο θάνατος ζώων και φυτών, η κατανάλωση καυσίμων, η θέρμανση του εδάφους και η παραγωγή καπνού και τέφρας. Τα άμεσα αποτελέσματα προσδιορίζονται αμέσως μετά τη φωτιά σε αντίθεση με τα έμμεσα αποτελέσματα (όπως η διάβρωση του εδάφους, η διαδοχή της βλάστησης, τοπογραφικές και κλιματικές αλλαγές) που είναι μακροπρόθεσμα και ο ακριβής προσδιορισμός τους μπορεί να από λίγες ώρες εώς δεκάδες χρόνια. Η ψηφιακή τηλεπισκόπιση μπορεί να παρατηρήσει και να προσδιορίσει τα αποτελέσματα της φωτιάς με βάση τις σημαντικές μεταβολές της ηλεκτρομαγνητικής ακτινοβολίας των χαρακτηριστικών της επιφάνειας της περιοχής μελέτης. Συγκεκριμένα, σ'αυτήν τη μελέτη θα εξεταστούν οι φασματικοί δείκτες στο πρώτο και το δεύτερο χρόνο πριν και μετά της εκδήλωσης της πυρκαγιάς.
Οι γραμμικές παλινδρομήσεις ενιαίας μεταβλητής των μεταβολών των φασματικών δεικτών πριν και μετά τη πυρκαγιά, του πρώτου και του δεύτερου χρόνου σε σχέση με τα CBI δεδομένα, παρουσιάζονται στον πίνακα 1. Στον πρώτο χρόνο μετά τη φωτιά, τόσο ο NDVi όσο και ο EVi είχαν καλή συσχέτιση με τα CBI δεδομένα, με τις αξίες του R2 να είναι της τάξεως 0,69. Η αξία του R2 για το φασματικό δείκτη NBR ήταν της τάξεως 0,63, λίγο μικρότερη από τις προηγούμενες δύο. Αν ληφθούν υπόψιν μόνο 40 επιλεγόμενα ως πιο κατάλληλα ιστογράμματα από τα υπόλοιπα, οι συσχετίσεις παρουσιάζουν βελτίωση με τις τιμές του R2 να είναι 0,79, 0,79 και 0,76 για τους φασματικούς δείκτες NDVI, EVI και NBR αντίστοιχα. Τον δεύτερο χρόνο όλες οι τιμές R2 μειώθηκαν. Ο NBR παρουσίασε την καλύτερη συσχέτιση με τα CBI δεδομένα με την τιμη του R2 να είναι της τάξεως 0,60 και για τα 71 CBI ιστογράμματα και 0,74 για τα επιλεγόμενα 40 ιστογράμματα.
Οι μεταβολές των IFI δεδομένων τον πρώτο χρόνο πριν και μετά την εκδήλωση της πυρκαγιάς παρουσίασαν χαμηλή συσχέτιση με τα CBI δεδομένα. Αντίθετα, το δεύτερο χρόνο παρουσίασαν καλή συσχέτιση με τα CBI δεδομένα και την τιμή R2 να είναι της τάξεως του 0,62, η οποία είναι μεγαλύτερη σε σχέση με τις R2 τιμές των υπόλοιπων 3 φασματικών δεικτών για το 2002. Η συσχέτιση των IFI δεδομένων με τα επιλεγόμενα ιστογράμματα των CBI δεδομένων ήταν της τάξεως του 0,66.
Για την ανάλυση των πλεονεκτημάτων των τεσσάρων φασματικών δεικτών, εξετάστηκαν πολλαπλές μεταβλητές παλινδρόμησης των διαφορών τους για δύο χρόνια πριν και μετά την πυρκαγιά. Στον πίνακα 2 παρατίθονται οι συντελεστές των μεταβλητών των παλινδρομήσεων χρησιμοποιώντας τα 71 CBI ιστογράμματα αλλά και για τα 40 επιλεγμένα ιστογράμματα. Η σύγκριση των CBI δεδομένων με τα αποτελέσματα των πολλαπλών παλινδρομήσεων φαίνεται στην εικόνα 4. Η αξία της γραμμικής συσχέτισης R2 για αυτήν την σύγκριση ήταν της τάξεως του 0,86 και 0,87 για τα επιλεγμένα ιστογράμματα.

Συμπεράσματα 

Η συγκεκριμένη μελέτη έδειξε ότι και οι 4 φασματικοί δείκτες έχουν τη δυνατότητα να αξιολογήσουν τη σοβαρότητα της φωτιάς και τη ζημιά στην βλάστηση σε ένα σύντομο χρονικό διάστημα μετά τη φωτιά. Και για τους 4 φασματικούς δείκτες χρησιμοποιήθηκαν πολλαπλές παλινδρομήσεις οι οποίες παρουσίασαν υψηλές συσχετίσεις με τα CBI δεδομένα που συλλέχθηκαν στην περιοχή μελέτης. Η αξία της γραμμικής συσχέτισης R2 ήταν της τάξεως του 0,86 για τα 71 ιστογράμματα και 0,87 για τα 40 επιλεγμένα ιστογράμματα. Με την εφαρμογή των λειτουργιών της πολλαπλής παλινδρόμησης, οι επιστήμονες θα μπορούσαν να εκτιμήσουν τα CBI δεδομένα της εφαρμογής του σύνθετου δείκτη φωτιάς CBI με μεγάλη ακρίβεια καθώς και με τη χρήση αποκλειστικά τηλεπισκοπικών δεδομένων. Επιπλέον, αυτοί οι φασματικοί δείκτες θα μπορούσαν να χρησιμποποιηθουν για την μακροπρόθεσμη παρακολούθηση των έμμεσων αποτελεσμάτων των πυρκαγιών.

Χρησιμοποίηση δορυφορικών εικόνων Landsat για τη μελέτη της εδαφικής υποβάθμισης και της “δυναμικής” της χρήσης γης.

2011-01-13T17:54:48Z

Kontos spyros: New page: category:Νέα δοκιμαστική υποκατηγορία Χρησιμοποίηση δορυφορικών εικόνων Landsat για τη μελέτη της εδαφι...

[[category:Νέα δοκιμαστική υποκατηγορία]]

Χρησιμοποίηση δορυφορικών εικόνων Landsat για τη μελέτη της εδαφικής υποβάθμισης και της “δυναμικής” της χρήσης γης. Παράδειγμα μελέτης στη συνοικία Tamduong, της επαρχίας Vinphuc, στο Βιετνάμ. 
Trinh M.V., Duong N.D., Keulen H.V., “Using Landsat images for studying Landuse dynamics and soil degradation. Case study in Tamduong district, Vinphuc province, Vietnam”, International Symposium on Geoinformatics for Spatial Infrastructure Development in Garth and Allied Sciences 2004

1. Εισαγωγή 

Η δασική αποψίλωση, η επημοποίηση και η εδαφική υποβάθμιση αποτελούσαν παγκοσμίως τα πιο κρίσιμα περιβαλλοντικά ζητήματα της τελευταίας δεκαετίας. Η παρακολούθηση των συνθηκών κάλυψης και των αλλαγών της είναι απαραίτητη για τον εντοπισμό των περιβαλλοντικών προβλημάτων τόσο σε τοπική όσο και σε παγκόσμια κλίμακα. Η ψηφιακή τηλεπισκόπηση αποτελεί ένα από τα βασικά εργαλεία στην παρακολούθηση των τοπικών, περιφεριακών και παγκοσμίων περιβαλλοντικών ζητημάτων. Ιδιαιτέρως η χωρική ανάλυση μέσω του συνδυασμού των Γεωγραφικών Συστημάτων Πληροφοριών (GIS) και δορυφορικών εικόνων είναι πολλαπλά χρήσιμη για την περιβαλλοντική έρευνα και τις εφαρμογές της. Στο συγκεκριμένο άρθρο περιγράφεται μία μέθοδος κατά την οποία ψηφιακά δεδομένα από το δορυφόρο Landsat από διαφορετικές ημερομηνίες χρησιμοποιούνται σε συνδυασμό με πραγματικά εδαφικά δεδομένα για τη μελέτη της “δυναμικής” της χρήσης γης και της εδαφικής υποβάθμισης στη συνοικία Tamduong, στο βόρειο τμήμα του Βιετνάμ.

2. Μεθοδολογία 

2.1 Περιοχή Μελέτης 

Η περιοχή Tamduong στο Βιετνάμ βρίσκεται στα άναντη της λεκάνης απορροής του Ερυθρού ποταμού, περίπου 60km βορειοανατολικά του Hanoi. Η περιοχή έχει συνολική έκταση 19.799 εκταρίων, 8.045 εκτάρια γεωργικής γης, 6.744 εκτάρια δάσους και 1.628 εκτάρια μη καλλιεργούμενης γης. Επτά τύποι εδάφους μπορούν να διαχωριστούν: Acrisols, Cambisols, Glegsols, Fluvisols, Plinthosols, Arenosols και Leptosols.

2.2 Μεθοδολογία 

Τα δεδομένα που χρησιμοποιήθηκαν στη μελέτη αυτή είναι μία Landsat-MSS εικόνα (MSS84), που αποκτήθηκε στις 8 Μαίου 1984, και 4 Landsat-TM εικόνες, που αποκτήθηκαν στις 21 Οκτωβρίου 1992, στις 18 Οκτωβρίου 1996 και στις 11 Απριλίου 2000 (TM92, TM96 και TM00). Αν και οι εικόνες αποκτήθηκαν σε διαφορετικές ημερομηνίες, το καθεστώς κάλυψης γης είναι αρκετά παρόμοιο, διότι ο Οκτώβριος είναι η πρόωρη εποχή ξηρασίας με χαμηλή κάλυψη γης, όπωσ αντίστοιχα ο Απρίλιος και ο Μάιος, χρονικά διαστήματα κατά τα οποία η βιομάζα είναι πολύ χαμηλή, όπως είναι και η περιεκτικότητα του εδάφους σε νερό. Οι ψηφιακές εικόνες απεικονίζονται μέσω προσθετικών έγχρωμων συνθέτων, χρησιμοποιώντας τα τρία κύρια χρώματα, δηλαδή το κόκκινο, το πράσινο και το μπλε (RGB). Συγκεκριμένα, για την MSS84 εικόνα χρησιμοποιήθηκε ο συνδυασμός RGB=4:3:2 ενώ για τις Landsat-TM εικόνες ο συνδυασμός RGB=5:4:3. Επίσης, χρησιμοποιήθηκαν λόγοι καναλιών οι οποίοι προέκυψαν από τη διαίρεση των ψηφιακών τιμών σ'ένα φασματικό κανάλι, με τις αντίστοιχες σ'ένα άλλο, με σκοπό την ανάδειξη των φασματικών χαρακτηριστικών των διαφόρων στοιχείων των εικόνων ανεξάρτητα από την έκταση των συνθηκών φωτισμού κατόπτευσης και το τοπογραφικό ανάγλυφο της περιοχής. Σε αυτή τη μελέτη εφαρμόστηκαν οι εξής λόγοι: του κόκκινου καναλιού προς το πράσινο (ratio=L/G) και του κόκκινου καναλιού προς το εγγύς κανάλι (ratio=R/NIR). Στην Landsat-TM εικόνα πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση για την διάκριση του υποβαθμισμένου εδάφους από το δασικό έδαφος καθώς και άλλων κατηγοριών χρήσεων γης. Ο ταξινομημένος χάρτης προσαπμόστηκε κατάλληλα σε σύγκριση με τον τοπογραφικό χάρτη των υποιβαθμισμένων εδαφών της περιοχής σε συνδυασμό με επίγειους ελέγχους. Τα συμπεράσματα που εξήχθησαν για την εδαφική υποβάθμιση προήλθαν από τη σύγκριση των αποτελεσμάτων της επιβλεπόμενης ταξινόμησης που πραγματοποιήθηκε για κάθε RGB εικόνα-λόγος διαφορετικής ημερομηνίας απόκτησης, Σκοπός της όλης διαδικασίας ήταν η καλύτερη εξομοίωση της “δυναμικής” της χρήσης γης και η διάκριση των αλλαγών στα υποβαθμισμένα εδάφη της περιοχής μελέτης.

3. Αποτελέσματα 

3.1 Προεπεξεργασία Εικόνων 

Πριν την διαδικασία της ψηφιακής επεξεργασίας όλες οι εικόνες υπέστησαν ραδιομετρική διόρθωση. Πραγματοποιήθηκε διόρθωση της γωνίας ύψους του ηλίου, διόρθωση για την απόσταση γης-ηλίου και στη συνέχεια έγινε μετατροπή των ψηφιακών τιμών σε απόλυτες τιμές έντασης ακτινοβολίας. Κατόπιν οι εικόνες υπέστησαν γεωμετρική διόρθωση. Έγινε γεωαναφορά στις εικόνες και καταχώρηση τους σε συντεταγμένες UTMC (εγκάρσια μερκατορική προβολή), με τη χρησιμοποίηση σημείων επίγειου ελέγχου γνωστών γεωδαιτικών συντεταγμένων από ένα τοπογραφικό χάρτη της περιοχής μελέτης, κλίμακας 1:50.000.

3.2 Επιλογή Λόγων Καναλιών και Επεξεργασία Εικόνων 

Οι εικόνες-λόγοι είναι χρήσιμοι για την διάκριση μικρών φασματικών διαφορών μίας περιοχής κατόπευσης, οι οποίες ομογενοποιούνται από την διακύμανση των τιμών φωτεινότητας σε εικόνες μεμονωμένων φασματικών καναλιών ή στα έγχρωμα σύνθετα. Αυτό οφείλεται στο γεγονός ότι οι εικόνες-λόγοι απεικονίζουν τις διακυμάνσεις στις κλίσεις των καμπυλών φασματικής ανακλαστικότητας μεταξύ δύο καναλιών, ανεξαρτήτως των απολύτων τιμών ανακλαστικότητας που παρατηρούνται στα κανάλια. Με βάση αυτή την αρχή, η βλάστηση του εδάφους μπορεί να διακριθεί από το υποβαθμισμένο έδαφος με τη χρησιμοποιήση λόγων καναλιών. Συγκεκριμένα για το λόγο καναλιών R/G, τα γυμνά και υποβαθμισμένα εδάφη παρουσιάζουν υψηλή ανακλαστικότητα στο κόκκινο κανάλι αλλά χαμηλή στο πράσινο, ενώ τα εδάφη με βλάστηση παρουσιάζουν χαμηλή ανακλαστικότητα στο κόκκινο κανάλι. Ως εκ τούτου, η χρησιμοποίηση του λόγου R/G δίνει υψηλές ψηφιακές τιμές (οι οποίες έχουν μετραπεί σε απόλυτες τιμές έντασης ακτινοβολίας) για το υποβαθμισμένο έδαφος και χαμηλές για εδάφη με βλάστηση. Όταν η εικόνα απεικονίζεται μέσω του λόγου R/NiR, στοιχεία όπως το ωερό και οι δρόμοι, τα οποία έχουν υψηλές τιμές ανάκλασης στο κόκκινο κανάλι και χαμηλές τιμές στο εγγύς υπέρυθρο, να εμφανίζονται με ανοιχτόχρωμους τόνους. Χαρακτηριστικά όπως η βλάστηση εμφανίζονται με σκουρότερους τόνους λόγω της σχετικά μικρής ανακλαστικότητας στο κόκκινο κανάλι, και υψηλές ανακλαστικότητες στο εγγύς υπέρυθρο κανάλι. Και στις δύο εικόνες-λόγους (εικόνα I), τα δάση (μπλε χρώμα) και τα υποβαθμισμένα εδάφη (κόκκινο χρώμα), μπορούν να διακριθούν εύκολα. Ο λόγος R/G όμως παρουσίασε ψηφιακές τιμές (DN) παρόμοιες μεταξύ των υποβαθμισμένων εδαφών και των κατοικίσιμων περιοχών, ενώ στο λόγο R/NiR ήταν εφικτή η διάκριση αυτών των στοιχείων, με τις κατοικίσιμες περιοχές να απεικονίζονται με πορτοκαλί χρώμα, οι αγροκαλλιέργειες με μπλε και τα δάση με πράσινο. Αυτή η διαφοροποίηση είχε ως αποτέλεσμα, κατά την εφαρμογή της μη επιβλεπόμενης ταξινόμησης, η εικόνα που απεικονίζεται μέσω του λόγου R/G να παρουσιάσει 4 φασματικές κατηγορίες ενώ από την εικόνα-λόγος R/NIR προέκυψαν 6 φασματικές κατηγορίες. Συνεπώς, προτιμήθηκε ο λόγος R/NIR για την περαιτέρω επεξεργασία και ανάλυση των εικόνων.

[[Εικόνα:Spk_doruforikoi_1_15.jpg|right|thumb||Εικόνα Ι. Αποτελέσματα επεξεργασίας εικόνων (a) έγχρωμο σύνθετο RGB 5:4:3, (b) λόγος καναλιού κόκκινο προς πράσινο, (c) επιβλεπόμενη ταξινόμηση με λόγο κόκκινο προς μπλε κανάλι, (d) λόγος καναλιού κόκκινο προς εγγύς υπέρυθρο, (e) υβριδική ταξινόμηση με λόγο κόκκινο προς εγγύς υπέρυθρο κανάλι, (f) επιβλεπόμενη ταξινόμηση με λόγο κόκκινο προς εγγύς υπέρυθρο κανάλι]]

3.3 Εδαφική Υποβάθμιση 

Ο χάρτης της εδαφικής υποβάθμισης εξήχθη από τοπογραφικό χάρτη της περιοχής (Khang et al.,1998) σε συνδυασμό με επίγειους ελέγχους στην περιοχή μελέτης. Η κύρια αιτία της εδαφικής υποβάθμισης που υφίσταται η περιοχή είναι η υδατική διάβρωση που οφείλεται στη μείωση δασών, στη γεωργική παραγωγή σε εκτάσεις με κλίση χωρίς λίπασμα και στην ελλιπή προστασία του εδάφους. Τα περισσότερα εδάφη είναι αμμώδη με χαμηλό οργανικό άνθρακα, μικρή περιεκτικότητα σε θρεπτικά συστατικά, καθώς και χαμηλής ικανότητας ανταλλαγής κατιόντων.

3.4 Εδαφικές Παρατηρήσεις 

Για κάθε ένα από τα 21 σημεία επίγειου ελέγχου (γνωστών γεωδαιτικών συντεταγμένων) καθορίστηκε το είδος, η κατάσταση και ο βαθμός της εδαφικής υποβάθμισης και τα αποτελέσματα παρουσιάσαν ικανοποιητική συμβατότητα και σύμφωνα με τον ταξινομημένο χάρτη (από το λόγο R/NIR) με 9 έντονα υποβαθμισμένες παρατηρήσεις σε γυμνά εδάφη, αμμώδη και φυτειών ευκαλύπτου. Κατόπιν, έγινε σύγκριση των δεδομένων από τον ταξινομημένο χάρτη (κυρίως για τα υποβαθμισμένα εδάφη) με τα δεδομένα από τον χάρτη εδαφικής υποβάθμισης και τα αποτελέσματα της σύγκρισης έδειξαν και αυτά μεγάλη συμβατότητα.

3.5 “Δυναμική” Εδαφικής Υποβάθμισης 

Το υποβαθμισμένο έδαφος αναγνωρίστηκε κατά τη διαδικασία της ταξινόμησης με τη χρησιμοποίηση του λόγου R/NIR σε όλες τις εικόνες των ημερομηνιών 1984, 1992, 1996 και 2000. Τα αποτελέσματα (εικόνα II) φανέρωναν την εικόνα της “δυναμικής” της υποβάθμισης του εδάφους από το 1984 και μετά. Η έκταση της εδαφικής υποβάθμισης στην περιοχή της Tamduong κυμάνθηκε από 2.437 εκτάρια το 1984 σε 3.282 εκτάρια το 1992, 2185 εκτάρια το 1996 και 2.576 εκτάρια το 2000. Η τάση αυτή είναι εύλογη και μπορεί να συσχετιστεί με την ανθρώπινη δραστηριότητα στην περιοχή: όταν κόπηκαν τα δάση, η υποβάθμιση του εδάφους ξεκίνησε να επιδεινώνεται μέχρι το 1992. Μεταξύ των ετών 1990-1992 πραγματοποιήθηκε μεγάλης κλίμακας αναδάσωση (επί το πλείστον ευκαλύπτων) με αποτέλεσμα να αυξάνεται η κάλυψη του εδάφους και η βιομάζα, μειώνοντας τη διάβρωση. Από το 1996 άρχισε ξανά η δασική εκμετάλλευση για την παραγωγή χαρτιού που είχε σαν συνέπεια την απότομη αύξηση της υποβάθμισης του εδάφους.

[[Εικόνα:Spk_doruforikoi_2_15.jpg|right|thumb||Εικόνα ΙΙ: Ταξινομημένοι χάρτες με τη χρησιμοποίηση του λόγου R/NIR το 1984, 1992 και 2000 στην Tamduong.]]

4. Συμπεράσματα 

Ο λόγος καναλιών R/NIR παρουσίασε καλύτερα αποτελέσματα από το λόγο R/G, χάρη στην χαμηλή συσχέτιση μεταξύ των δύο καναλιών (του κόκκινου και του εγγύς υπέρυθρου). Η σύγκριση μεταξύ των έγχρωμων σύνθετων ταξινομημένων εικόνων έδειξε ότι τα πιο διαβρωμένα εδάφη εντοπίζονται σε πρεινά μέρη και σε αμμώδη εδάφη με κλίση. Η “δυναμική” της εδαφικής υποβάθμισης και οι αυξομειώσεις της δικαιολογούνται πλήρως από την επιρροή της ανθρώπινης δραστηριότητας στην περιοχή. Τα αποτελέσματα αυτά δείχνουν τις δυνατότητες της χρήσης δορυφορικών απεικονίσεων για την αναγνώριση των υποβαθμισμένων εδαφών.

Αρχείο:Spk doruforikoi 2 15.jpg

2011-01-13T17:53:38Z

Kontos spyros:

Αρχείο:Spk doruforikoi 1 15.jpg

2011-01-13T17:53:17Z

Kontos spyros:

Εδαφική δορυφορική ραδιομετρία της διαβρωτικότητας του εδάφους, κατά μήκος της κλιματικής κλίσης της Ιουδαϊκής Ερήμου στο Ισραήλ

2011-01-13T17:48:42Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

“Εδαφική δορυφορική ραδιομετρία της διαβρωτικότητας κατά μήκος της κλιματικής κλίσης της Ιουδαϊκής Ερήμου στο Ισραήλ”
Shosany M., Sarah P., Jarmer T., Hill J., Lavec H., “Field and satellite radiometry of soil erodibility along the climatic gradient of the Judean Desert, Israel”, International Archives of Photogrammetry and Remote Sensing Vol XXXIII, Part B7, Amsterdam 2000. 

Εισαγωγή 

Η απώλεια του εδάφους και της βλάστησης είναι τα πιο βασικά χαρακτηριστικά των διαδικασιών της ερημοποίησης. Η ένταση και η έκταση της εδαφικής υποβάθμισης προσελκύει μείζονα προσοχή ως ένα παγκόσμιο φαινόμενο αλλαγής και ως ένα περιφερειακό φαινόμενο της Μεσογείου. Ως εκ τούτου η δορυφορική τηλεπισκόπηση είναι η πιο κατάλληλη για την παρακολούθηση της εν λόγω εκτεταμένης περιβαλλοντικής απειλής υπό την προϋπόθεση ότι υπάρχουν τα κατάλληλα βιοφυσικά μοντέλα. Η παρούσα μελέτη στοχεύει στην αξιολόγηση δεικτών φασματικών λόγων (λόγων καναλιών ΤΜ), οι οποίοι επιτρέπουν τη χαρτογράφηση της εδαφικής διαβρωτικότητας μεταξύ των τομέων που εκπροσωπούν μετάβαση υγρών και ξηρών κλιματικών συνθηκών, όπως η υφιστάμενη στο περιθώριο της Ιουδαϊκής Ερήμου. Για την επίτευξη αυτού του σκοπού πραγματοποιήθηκαν μετρήσεις των φασματικών και βιοχημικών ιδιοτήτων των δειγμάτων του εδάφους καθώς και ανάλυση της συσχέτισης τους με τη χρησιμοποίηση λόγων καναλιών του δορυφόρου Landsat.

Συσχέτιση οργανικής ύλης και φασματικής ανάκλασης του εδάφους 

Πολλές μελέτες έχουν υποδείξει ότι η μείωση της οργανικής ύλης και του μεγέθους των σωματιδίων του εδάφους προκαλεί αύξηση της ανακλαστικότητας στη φασματική περιοχή του ορατού και εγγύς υπέρυθρου (NIR). Η μελέτη των Stoner και Baumgardner (1981) καθώς και πιο πρόσφατες όπως του Escadfal (1994) έχουν δείξει ότι η ευαισθησία ανάκλασης με οργανική ύλη είναι υψηλή στο ορατό φάσμα. Οι σχέσεις μεταξύ του συνολικού αδρανούς δομικού υλικού που υπάρχει στο έδαφος και της φασματικής ανάκλασης του εδάφους έχουν διερευνηθεί από την μελέτη των Bowers and Hanks (1965) και την μελέτη των Hant and Salisburg (1976), οι οποίες έχουν διαπιστώσει υψηλή ευαισθησία ανάκλασης τόσο στο ορατό όσο και στο εγγύς υπέρυθρο φάσμα για τα αδρανή δομικά υλικά του εδάφους.

Περιοχή μελέτης 

Στην μελέτη και την δειγματοληψία του εδάφους περιλαμβάνονται ραδιομετρικές μετρήσεις με το ραδιόμετρο Fieldspec με δυνατότητα ανάλυσης εώς 2nm. Το συνολικό μέγεθος, οι οργανικές ύλες και οι χημικές συνθέσεις των δειγμάτων του εδάφους προσδιορίστηκαν στο εργαστήριο και επιλέχθηκαν από τέσσερις περιοχές μελέτης. Κάθε μία αντιπροσωπεύει διαφορετικές κλιματολογικές συνθήκες (Μεσογειακό, ημίξηρο, ήπιο και ξηρό κλίμα). Συγκεκριμένα είναι οι εξής:
1. Giv'at Ye'arim (GIV). Αυτή η περιοχή βρίσκεται 11 χιλιόμετρα δυτικά της Ιερουσαλήμ σε υψόμετρο 650 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση είναι 620 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 17οC.
2. Ma'ale Adunim (MAL). Αυτή η περιοχή εντοπίζεται 6,5 χιλιόμετρα ανατολικά της Ιερουσαλήμ σε υψόμετρο 330 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση ειναι 330 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 19οC.
3. Mishor Adunim (MIS). Αυτή η περιοχή μελέτης βρίσκεται 6,5 χιλιόμετρα ανατολικά της Ιερουσαλήμ σε υψόμετρο 330 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση ειναι 330 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 19οC.
4. Kalia (KAL). Αυτή η περιοχή βρίσκεται 4 χιλιόμετρα δυτικά της Νεκρής Θάλασσας σε υψόμετρο 70 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση ειναι 120 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 23οC.

Το γεωλογικό υπόβαθρο σε όλες τισ περιοχές μελέτης είναι ασβεστολιθικό. Παρά την παρόμοια λιθολογία και τις τοπογραφικές συνθήκες που επικρατούν στις περιοχές μελέτης έχουν αναπτυχθεί διαφορετικοί τύποι εδάφους, αποτέλεσμα της μακροπρόθεσμης επίδρασης των ξεχωριστών κλιματικών συνθηκών κατά τη διάρκεια της τελευταίας χιλιετίας. Στο χώρο μελέτης 'GIV' ένα κόκκινο χώμα (Terra Rossa) έχει αναπτυχθεί το οποίο περιέχει μία σχετικά υψηλή ποσότητα από άργιλο (50%), ανθρακικό ασβέστιο (6%-8%) και μία μέση ποσότητα οργανικής ύλης (6%-8%). Στο χώρο μελέτης 'MAL' ένα καφετί χώμα (Rendzina) έχει αναπτυχθεί το οποίο περιέχει μία μεσαία ποσότητα από άργιλο (30%), ανθρακικό ασβέστιο (30%) και μία μικρή ποσότητα οργανικής ύλης (2,5%-4,5%). Στην περιοχή μελέτης 'MIS' αναπτύχθηκε ένα ρηχό ασβεστολιθικό που περιέχει άργιλο, ανθρακικό ασβέστιο και μία ποσότητα οργανικής ύλης (20%, 50% και 2% αντίστοιχα). Ομοίως και στην περιοχή 'KAL' με ποσοστά 10%, 80% και 1% αντίστοιχα.

Αποτελέσματα 

Η εφαρμογή τεχνικών κατηγοριοποίησης και ταξινόμησης στις βιοχημικές ιδιότητες των δεδομένων που προήλθαν από τη δειγματοληψία στις περιοχές μελέτης επέτρεψαν την αναγνώριση έξι ομαδοποιήσεων-συσσωρεύσεων (εικόνα 1). Ακόμα, διαπιστώθηκε ότι αυτές οι φασματικές κατηγορίες είχαν επίσης χαρακτηριστικές υπογραφές, εκτός από τη διαφοροποίηση μεταξύ των ομαδοποιήσεων 5 και 3. Το κύριο χαρακτηριστικό που προκαλεί αυτή τη διαφοροποίηση είναι το επίπεδο ανάκλασης στο εγγύς και μεσαίο υπέρυθρο φασματικό κανάλι του δορυφόρου Landsat (εικόνα 2). Η αξιολόγηση των σχέσεων της εδαφικής διαβρωτικότητας και της φασματικής ανακλαστικότητας έγινε με τη χρησιμοποίηση λόγων καναλιών σύμφωνα με την αναφορά των Pickup και Chewings (1996). Οι Shoshang και Lavee (1998) έχουν εφαρμόσει την ίδια τεχνική που χρησιμοποίει τους λόγους καναλιών κανάλι 2 προς κανάλι 4 και κανάλι 3 προς κανάλι 4 για την χαρτογράφηση της εδαφικής διαβρωτικότητας. Η εμπειρική αξιολόγηση των αποτελεσμάτων αυτών των δύο φασματικών λόγων για τέσσερα σημεία που αντιπροσωπεύουν τα διάφορα επίπεδα διάβρωσης φανέρωσαν μία γραμμική θετική συσχέτιση μεταξύ τριών παραγόντων: μεταβολές σε αυτούς τους δύο φασματικούς λόγους και στα επίπεδα διάβρωσης. Το μοτίβο των μεταβολών είναι στη πραγματικότητα ορθογώνιο όπως αναμενόταν από την αναφορά των Pickup και Chewings. Ένας νέος δείκτης διαβρωτικότητας διαμορφώθηκε στη συνέχεια σύμφωνα με το μοτίβο μεταβολών των δύο φασματικών λόγων. Η χαρτογράφηση των διαφόρων συνδυασμών λόγων καναλιών έδειξε ότι σε μεγάλο βαθμό αντιστοιχούν στις προαναφερθέντες γραμμικές σχέσεις (εικόνα 3). Επίσης, εξήχθη το συμπέρασμα ότι ο γραμμικός συνδυασμός των λόγων καναλιών συσχετίζεται με την περιεκτικότητα σε οργανικό άνθρακα.

[[Εικόνα:Spk_edafiki_1_14.jpg|right|thumb||ΕΙΚΟΝΑ 1:Ομαδοποίηση οργανικού και ανόργανου άνθρακα και σιδήρου]]

[[Εικόνα:Spk_edafiki_2_14.jpg|right|thumb||ΕΙΚΟΝΑ 2:Μέση ανακλαστικότητα κατηγοροιοποήσεων στα κανάλια του LANDSAT]]

[[Εικόνα:Spk_edafiki_3_14.jpg|right|thumb||EIKONA 3 : Βιοχημικές ομαδοποιήσεις σε σχέση με τους συνδυασμούς φασματικών λόγων]]

Συμπερασματα 

Η εφαρμογή δορυφορικών τηλεπισκοπικών τεχνικών για τη χαρτογράφηση της διάβρωσης του εδάφους είναι ευρέως διαδεδομένη. Αυτή η μελέτη αποσκοπεί στην ενίσχυση των σχέσεων των αποτελεσμάτων των λόγων καναλιών και των φυσικών ιδιοτήτων του εδάφους. Αποδείχτηκε ότι η διαβρωτικότητα είναι αντιστρόφως ανάλογη με την περιεκτικότητα του εδάφου σε οργανικό άνθρακα και ότι η χρησιμοποίηση λόγων καναλιών για την εύρεση αυτής της αναλογίας είναι αποτελεσματική με μεγάλη ακρίβεια.

Εδαφική δορυφορική ραδιομετρία της διαβρωτικότητας του εδάφους, κατά μήκος της κλιματικής κλίσης της Ιουδαϊκής Ερήμου στο Ισραήλ

2011-01-13T17:47:23Z

Kontos spyros: New page: category:Νέα δοκιμαστική υποκατηγορία “Εδαφική δορυφορική ραδιομετρία της διαβρωτικότητας κατά μήκ...

[[category:Νέα δοκιμαστική υποκατηγορία]]

“Εδαφική δορυφορική ραδιομετρία της διαβρωτικότητας κατά μήκος της κλιματικής κλίσης της Ιουδαϊκής Ερήμου στο Ισραήλ”
Shosany M., Sarah P., Jarmer T., Hill J., Lavec H., “Field and satellite radiometry of soil erodibility along the climatic gradient of the Judean Desert, Israel”, International Archives of Photogrammetry and Remote Sensing Vol XXXIII, Part B7, Amsterdam 2000. 

Εισαγωγή 

Η απώλεια του εδάφους και της βλάστησης είναι τα πιο βασικά χαρακτηριστικά των διαδικασιών της ερημοποίησης. Η ένταση και η έκταση της εδαφικής υποβάθμισης προσελκύει μείζονα προσοχή ως ένα παγκόσμιο φαινόμενο αλλαγής και ως ένα περιφερειακό φαινόμενο της Μεσογείου. Ως εκ τούτου η δορυφορική τηλεπισκόπηση είναι η πιο κατάλληλη για την παρακολούθηση της εν λόγω εκτεταμένης περιβαλλοντικής απειλής υπό την προϋπόθεση ότι υπάρχουν τα κατάλληλα βιοφυσικά μοντέλα. Η παρούσα μελέτη στοχεύει στην αξιολόγηση δεικτών φασματικών λόγων (λόγων καναλιών ΤΜ), οι οποίοι επιτρέπουν τη χαρτογράφηση της εδαφικής διαβρωτικότητας μεταξύ των τομέων που εκπροσωπούν μετάβαση υγρών και ξηρών κλιματικών συνθηκών, όπως η υφιστάμενη στο περιθώριο της Ιουδαϊκής Ερήμου. Για την επίτευξη αυτού του σκοπού πραγματοποιήθηκαν μετρήσεις των φασματικών και βιοχημικών ιδιοτήτων των δειγμάτων του εδάφους καθώς και ανάλυση της συσχέτισης τους με τη χρησιμοποίηση λόγων καναλιών του δορυφόρου Landsat.

Συσχέτιση οργανικής ύλης και φασματικής ανάκλασης του εδάφους 

Πολλές μελέτες έχουν υποδείξει ότι η μείωση της οργανικής ύλης και του μεγέθους των σωματιδίων του εδάφους προκαλεί αύξηση της ανακλαστικότητας στη φασματική περιοχή του ορατού και εγγύς υπέρυθρου (NIR). Η μελέτη των Stoner και Baumgardner (1981) καθώς και πιο πρόσφατες όπως του Escadfal (1994) έχουν δείξει ότι η ευαισθησία ανάκλασης με οργανική ύλη είναι υψηλή στο ορατό φάσμα. Οι σχέσεις μεταξύ του συνολικού αδρανούς δομικού υλικού που υπάρχει στο έδαφος και της φασματικής ανάκλασης του εδάφους έχουν διερευνηθεί από την μελέτη των Bowers and Hanks (1965) και την μελέτη των Hant and Salisburg (1976), οι οποίες έχουν διαπιστώσει υψηλή ευαισθησία ανάκλασης τόσο στο ορατό όσο και στο εγγύς υπέρυθρο φάσμα για τα αδρανή δομικά υλικά του εδάφους.

Περιοχή μελέτης 

Στην μελέτη και την δειγματοληψία του εδάφους περιλαμβάνονται ραδιομετρικές μετρήσεις με το ραδιόμετρο Fieldspec με δυνατότητα ανάλυσης εώς 2nm. Το συνολικό μέγεθος, οι οργανικές ύλες και οι χημικές συνθέσεις των δειγμάτων του εδάφους προσδιορίστηκαν στο εργαστήριο και επιλέχθηκαν από τέσσερις περιοχές μελέτης. Κάθε μία αντιπροσωπεύει διαφορετικές κλιματολογικές συνθήκες (Μεσογειακό, ημίξηρο, ήπιο και ξηρό κλίμα). Συγκεκριμένα είναι οι εξής:
1. Giv'at Ye'arim (GIV). Αυτή η περιοχή βρίσκεται 11 χιλιόμετρα δυτικά της Ιερουσαλήμ σε υψόμετρο 650 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση είναι 620 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 17οC.
2. Ma'ale Adunim (MAL). Αυτή η περιοχή εντοπίζεται 6,5 χιλιόμετρα ανατολικά της Ιερουσαλήμ σε υψόμετρο 330 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση ειναι 330 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 19οC.
3. Mishor Adunim (MIS). Αυτή η περιοχή μελέτης βρίσκεται 6,5 χιλιόμετρα ανατολικά της Ιερουσαλήμ σε υψόμετρο 330 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση ειναι 330 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 19οC.
4. Kalia (KAL). Αυτή η περιοχή βρίσκεται 4 χιλιόμετρα δυτικά της Νεκρής Θάλασσας σε υψόμετρο 70 μέτρων από τη μέση στάθμη της θάλασσας. Η μέση ετήσια βροχόπτωση ειναι 120 χιλιοστά και η μέση ετήσια θερμοκρασία είναι 23οC.

Το γεωλογικό υπόβαθρο σε όλες τισ περιοχές μελέτης είναι ασβεστολιθικό. Παρά την παρόμοια λιθολογία και τις τοπογραφικές συνθήκες που επικρατούν στις περιοχές μελέτης έχουν αναπτυχθεί διαφορετικοί τύποι εδάφους, αποτέλεσμα της μακροπρόθεσμης επίδρασης των ξεχωριστών κλιματικών συνθηκών κατά τη διάρκεια της τελευταίας χιλιετίας. Στο χώρο μελέτης 'GIV' ένα κόκκινο χώμα (Terra Rossa) έχει αναπτυχθεί το οποίο περιέχει μία σχετικά υψηλή ποσότητα από άργιλο (50%), ανθρακικό ασβέστιο (6%-8%) και μία μέση ποσότητα οργανικής ύλης (6%-8%). Στο χώρο μελέτης 'MAL' ένα καφετί χώμα (Rendzina) έχει αναπτυχθεί το οποίο περιέχει μία μεσαία ποσότητα από άργιλο (30%), ανθρακικό ασβέστιο (30%) και μία μικρή ποσότητα οργανικής ύλης (2,5%-4,5%). Στην περιοχή μελέτης 'MIS' αναπτύχθηκε ένα ρηχό ασβεστολιθικό που περιέχει άργιλο, ανθρακικό ασβέστιο και μία ποσότητα οργανικής ύλης (20%, 50% και 2% αντίστοιχα). Ομοίως και στην περιοχή 'KAL' με ποσοστά 10%, 80% και 1% αντίστοιχα.

Αποτελέσματα 

Η εφαρμογή τεχνικών κατηγοριοποίησης και ταξινόμησης στις βιοχημικές ιδιότητες των δεδομένων που προήλθαν από τη δειγματοληψία στις περιοχές μελέτης επέτρεψαν την αναγνώριση έξι ομαδοποιήσεων-συσσωρεύσεων (εικόνα 1). Ακόμα, διαπιστώθηκε ότι αυτές οι φασματικές κατηγορίες είχαν επίσης χαρακτηριστικές υπογραφές, εκτός από τη διαφοροποίηση μεταξύ των ομαδοποιήσεων 5 και 3. Το κύριο χαρακτηριστικό που προκαλεί αυτή τη διαφοροποίηση είναι το επίπεδο ανάκλασης στο εγγύς και μεσαίο υπέρυθρο φασματικό κανάλι του δορυφόρου Landsat (εικόνα 2). Η αξιολόγηση των σχέσεων της εδαφικής διαβρωτικότητας και της φασματικής ανακλαστικότητας έγινε με τη χρησιμοποίηση λόγων καναλιών σύμφωνα με την αναφορά των Pickup και Chewings (1996). Οι Shoshang και Lavee (1998) έχουν εφαρμόσει την ίδια τεχνική που χρησιμοποίει τους λόγους καναλιών κανάλι 2 προς κανάλι 4 και κανάλι 3 προς κανάλι 4 για την χαρτογράφηση της εδαφικής διαβρωτικότητας. Η εμπειρική αξιολόγηση των αποτελεσμάτων αυτών των δύο φασματικών λόγων για τέσσερα σημεία που αντιπροσωπεύουν τα διάφορα επίπεδα διάβρωσης φανέρωσαν μία γραμμική θετική συσχέτιση μεταξύ τριών παραγόντων: μεταβολές σε αυτούς τους δύο φασματικούς λόγους και στα επίπεδα διάβρωσης. Το μοτίβο των μεταβολών είναι στη πραγματικότητα ορθογώνιο όπως αναμενόταν από την αναφορά των Pickup και Chewings. Ένας νέος δείκτης διαβρωτικότητας διαμορφώθηκε στη συνέχεια σύμφωνα με το μοτίβο μεταβολών των δύο φασματικών λόγων. Η χαρτογράφηση των διαφόρων συνδυασμών λόγων καναλιών έδειξε ότι σε μεγάλο βαθμό αντιστοιχούν στις προαναφερθέντες γραμμικές σχέσεις (εικόνα 3). Επίσης, εξήχθη το συμπέρασμα ότι ο γραμμικός συνδυασμός των λόγων καναλιών συσχετίζεται με την περιεκτικότητα σε οργανικό άνθρακα.

[[Εικόνα:Spk_edafiki_1_14.jpg|right|thumb||ΕΙΚΟΝΑ 1:Ομαδοποίηση οργανικού και ανόργανου άνθρακα και σιδήρου]]

[[Εικόνα:Spk_edafiki_2_14.jpg.jpg|right|thumb||ΕΙΚΟΝΑ 2:Μέση ανακλαστικότητα κατηγοροιοποήσεων στα κανάλια του LANDSAT]]

[[Εικόνα:Spk_edafiki_3_14.jpg|right|thumb||EIKONA 3 : Βιοχημικές ομαδοποιήσεις σε σχέση με τους συνδυασμούς φασματικών λόγων]]

Συμπερασματα 

Η εφαρμογή δορυφορικών τηλεπισκοπικών τεχνικών για τη χαρτογράφηση της διάβρωσης του εδάφους είναι ευρέως διαδεδομένη. Αυτή η μελέτη αποσκοπεί στην ενίσχυση των σχέσεων των αποτελεσμάτων των λόγων καναλιών και των φυσικών ιδιοτήτων του εδάφους. Αποδείχτηκε ότι η διαβρωτικότητα είναι αντιστρόφως ανάλογη με την περιεκτικότητα του εδάφου σε οργανικό άνθρακα και ότι η χρησιμοποίηση λόγων καναλιών για την εύρεση αυτής της αναλογίας είναι αποτελεσματική με μεγάλη ακρίβεια.

Αρχείο:Spk edafiki 3 14.jpg

2011-01-13T17:46:40Z

Kontos spyros:

Αρχείο:Spk edafiki 2 14.jpg

2011-01-13T17:46:16Z

Kontos spyros:

Αρχείο:Spk edafiki 1 14.jpg

2011-01-13T17:45:39Z

Kontos spyros:

Χρήση πολλαπλών φασματικών δεικτών για την εκτίμηση του μεγέθους των επιπτώσεων μίας πυρκαγιάς στην περιοχή Black Hills της νότιας Dakota

2011-01-13T17:42:00Z

Kontos spyros: New page: category:Νέα δοκιμαστική υποκατηγορία “Χρήση πολλαπλών φασματικών δεικτών για την εκτίμηση του μεγέ...

[[category:Νέα δοκιμαστική υποκατηγορία]]

“Χρήση πολλαπλών φασματικών δεικτών για την εκτίμηση του μεγέθους των επιπτώσεων μίας πυρκαγιάς στην περιοχή Black Hills της νότιας Dakota.”
“Use of multiple spectral indices to estimate burn severity in the Black Hills of South Dakota.”
Chen X., Zhu Z., Ohlen D., Huang C., Shi H., Pecora – The Future of Land Imaging...Going Operational November 18-20, 2008. 

Εισαγωγή 

Λόγω της υψηλής χωρικής και χρονικής διακύμανσης και την αβεβαιότητα των δασικών πυρκαγιών, εξακολουθεί να είναι μία πρόκληση η ακριβής εκτίμηση της πληγείσας περιοχής καθώς και το ακριβές μέγεθος των επιπτώσεων μετά από μία μεγάλη πυρκαγιά. Τηλεπισκοπικές τεχνικές παρέχουν ένα βελτιωμένο τρόπο για την ανίχνευση της χωρικής και χρονικής μεταβλητότητας με χαμηλότερο κόστος και λιγότερο χρόνο από τις παραδοσιακές μεθόδους απογραφής των επιπτώσεων μίας πυρκαγιάς. Ο στόχος της παρούσας μελέτης είναι η ανάλυση των συσχετισμών μεταξύ των τηλεπισκοπικών φασματικών δεκτών και των εδαφικών δεδομένων της “σοβαρότητας” των επιπτώσεων μίας δασικής πυρκαγιάς που εξελίχτηκε στον Εθνικό Δρυμό Black Hills της νότιας Dakota κατά τη διάρκεια του Αυγούστου και του Σεπτεμβρίου του 2000. Η υπομελέτη φασματικών δεικτών περιλαμβάνει τον παραδοσιακό κανονικοποιημένο δείκτη βλάστησης (NDVi) και αυτών των νέων σχετικά δεικτών: τον ενισχυμένο δείκτη βλάστησης (EVI), τον κανονικοποιημένο δείκτη καταστροφής από φωτιά (NBR), καθώς και τον ενοποιημένο δασικό δείκτη (IFI).

Περιοχή μελέτης και δεδομένα 

Η περιοχή μελέτης ήταν ο Εθνικός Δρυμός στην περιοχή Black Hills στη Νότια Dakota (-103,85οW, 44,82oN, με υψόμετρο 1900μ.) (εικόνα 1). Η φωτιά “Jasper” όπως ονομάστηκε, ήταν η μεγαλύτερη πυρκαγιά που συνέβη στην περιοχή σε τουλάχιστον ένα αιώνα. Η πυρκαγιά ξεκίνησε στις 24 Αυγούστου του 2000 και ο έλεγχος τηης επιτεύχθηκε στις 25 Σεπτεμβρίου. Η καμένη έκταση ήταν περίπου 337,9 km2 (83.508 στρέμματα) και τα έξοδα καταστολής ήταν πάνω από 8,2 εκατομμύρια δολάρια.
Εβδομήνταμία γραφικές παραστάσεις-ιστογράμματα με βάση τα δεδομένα από την εφαρμογή του σύνθετου δείκτη φωτιάς (CBI), συλλέχθηκαν 21 μήνες μετά τον περιορισμό της φωτιάς από τις 13 Μαίου εώς τις 26 Μαίου του 2002, στην περιοχή μελέτης Blck Hills. Αυτές οι επίγειες μετρήσεις CBI χρησιμοποιήθηκαν για τη βαθμονόμηση και την επικύρωση των πραγματικών επιπτώσεων της φωτιάς στο έδαφος της περιοχής μελέτης. Λεπτομερείς παρατηρήσιμες πληροφορίες και εδαφικά δεδομένα, συμπεριλαμβανομένων των οργανικών υλικών που καταναλώνονται, τα χαρακτηριστικά του εναπομείνοντος οργανικού άνθρακα και της τέφρας, καθώς και τις δυνατότητες της βλαστικής θνησιμότητας και αναγέννησης, καταγράφηκαν και χρησιμοποιήθηκαν για την ανεξάρτητη αξιολόγηση του μεγέθους και της σοβαρότητας των επιπτώσεων της πυρκαγιάς. Η CBI τιμή κυμαίνεται μεταξύ 0 και 3 και η αξία της είναι ανάλογη με το βαθμό σοβαρότητας της φωτιάς.
Τα τηλεπισκοπικά δεδομένα που χρησιμοποιήθηκαν στην παρούσα μελέτη περιλαμβάνουν 2 Landsat5 απεικονίσεις που αποκτήθηκαν στις 2 Ιουνίου του 2000 (πριν τη φωτιά), και μια Landsat7 εικόνα που αποκτήθηκε στις 31 Μαίου του 2002 (21 μήνες μετά τη φωτιά).

[[Εικόνα:Spk_xrisi_1_13.jpg|right|thumb||Εικόνα 1: Περιοχή μελέτης της φωτιάς Jasper στο Black Hills National Forest της South Dakota]]

Μέθοδοι 

Πραγματοποιήθηκε επεξεργασία των δεδομένων και των 3 Landsat εικόνων με σκοπό τη διόρθωση και την αποκατάσταση τους από γεωμετρικές παραμορφώσεις, την εξάλειψη τυχόν θορύβου και τη ραδιομετρική ρύθμιση τους. Οι 4 φασματικές δείκτες υπολογίστηκαν με τη χρησιμοποίηση των παρακάτω εξισώσεων για κάθε μία απεικόνιση.
Ο φασματικός δείκτης NDVI υπολογίζεται με τη χρησιμοποίηση της ανάκλασης στο κόκκινο και στο εγγύς υπέρυθρο των καναλιών 3 και 4 του δορυφόρου Landsat αντίστοιχα:

NDVI = (Band4-Band3)/(Band4+Band3)

Ο φασματικός δείκτης EVI υπολογίζεται με τη χρησιμοποίηση της ανάκλασης στο μπλε, στο κόκκινο και στο εγγύς ερυθρό των καναλιών 1,3 και 4 του δορυφόρου Landsat αντίστοιχα:

EVI = 2,5 x (Band4-Band3)/(Band4+6xBand3-7,5xBand1+1)

Ο φασματικός δείκτης IFI έχει αναπτυχθεί πρόσφατα και αντιπροσωπεύει την 'κατάσταση' του δάσους με τη χρησιμοποίηση κατάλληλων στατιστικών στοιχείων από τις δορυφορικές απεικονίσεις:

IFIp = [(1/NB)xΣi=1(bpi-bi/SDi)2]1/2

όπου bi και SDi είναι ο μέσος όρος και η τυπική απόκλιση των επιλεγμένων εικονοστοιχείων για τα i κανάλια, bpi είναι η φασματική τιμή του καναλιού i για το pixel p, και NB είναι ο αριθμός των φασματικών καναλιών. Σ'αυτή τη μελέτη, ο IFI υπολογίστηκε με τη χρησιμοποίηση των καναλιών 3,5 και 7 του δορυφόρου Landsat.
Κατόπιν, έγινε υπολογισμός της κατανομής των τιμών των 71 CBI γραφικών παραστάσεων-ιστογραμμάτων με βάση τριών θεματικών κατηγοριών. 11 CBI τιμές ιστογραμμάτων ήταν κάτω από 1, 27 τιμές κυμαινόνταν μεταξύ των τιμών 1 και 2, και 33 τιμές κυμαίνονταν μεταξύ 2 και 3 (εικόνα 2). Στη συνέχεια εξετάστηκε η γραμμική παλινδρόμηση ενιαίας μεταβλητής μεταξύ της συσχέτισης του κάθε φασματικού δείκτη ξεχωριστά και των εδαφικών CBI δεδομένων. Πολλαπλές μεταβλητές παλινδρόμησης χρησιμοποιήθηκαν επίσης για την εύρεση των διαφορών των φασματικών δεικτών πριν και μετά τη φωτιά με βάση τα CBI εδαφικά δεδομένα για την εκτίμηση των επιπτώσεων της πυρκαγιάς. Οι παράμετροι των γραμμικών παλινδρομήσεων υπολογίστηκαν με τη μέθοδο ελαχίστων τετραγώνων.

[[Εικόνα:Spk_xrisi_2_13.jpg|right|thumb||Εικόνα 2: Κατανομή των τιμών του δείκτη CBI ]]

Ανάλυση και Αποτελέσματα 

Οι οικολογικές επιπτώσεις που υφίσταται μία περιοχή μετά τη φωτιά είναι γνωστές σε όλους μας. Τα πρώτα αποτελέσματα της φωτιάς, που ονομάζονται επίσης άμεσα αποτελέσματα, είναι οι πρώτες συνέπειες από την καύση της φωτιάς, δηλαδή της χημικής αντίδρασης που συνοδεύεται από έκλυση θερμότητας και φωτός. Τέτοια άμεσα αποτελέσματα είναι συνήθως ο τραυματισμός και ο θάνατος ζώων και φυτών, η κατανάλωση καυσίμων, η θέρμανση του εδάφους και η παραγωγή καπνού και τέφρας. Τα άμεσα αποτελέσματα προσδιορίζονται αμέσως μετά τη φωτιά σε αντίθεση με τα έμμεσα αποτελέσματα (όπως η διάβρωση του εδάφους, η διαδοχή της βλάστησης, τοπογραφικές και κλιματικές αλλαγές) που είναι μακροπρόθεσμα και ο ακριβής προσδιορισμός τους μπορεί να από λίγες ώρες εώς δεκάδες χρόνια. Η ψηφιακή τηλεπισκόπιση μπορεί να παρατηρήσει και να προσδιορίσει τα αποτελέσματα της φωτιάς με βάση τις σημαντικές μεταβολές της ηλεκτρομαγνητικής ακτινοβολίας των χαρακτηριστικών της επιφάνειας της περιοχής μελέτης. Συγκεκριμένα, σ'αυτήν τη μελέτη θα εξεταστούν οι φασματικοί δείκτες στο πρώτο και το δεύτερο χρόνο πριν και μετά της εκδήλωσης της πυρκαγιάς.
Οι γραμμικές παλινδρομήσεις ενιαίας μεταβλητής των μεταβολών των φασματικών δεικτών πριν και μετά τη πυρκαγιά, του πρώτου και του δεύτερου χρόνου σε σχέση με τα CBI δεδομένα, παρουσιάζονται στον πίνακα 1. Στον πρώτο χρόνο μετά τη φωτιά, τόσο ο NDVi όσο και ο EVi είχαν καλή συσχέτιση με τα CBI δεδομένα, με τις αξίες του R2 να είναι της τάξεως 0,69. Η αξία του R2 για το φασματικό δείκτη NBR ήταν της τάξεως 0,63, λίγο μικρότερη από τις προηγούμενες δύο. Αν ληφθούν υπόψιν μόνο 40 επιλεγόμενα ως πιο κατάλληλα ιστογράμματα από τα υπόλοιπα, οι συσχετίσεις παρουσιάζουν βελτίωση με τις τιμές του R2 να είναι 0,79, 0,79 και 0,76 για τους φασματικούς δείκτες NDVI, EVI και NBR αντίστοιχα. Τον δεύτερο χρόνο όλες οι τιμές R2 μειώθηκαν. Ο NBR παρουσίασε την καλύτερη συσχέτιση με τα CBI δεδομένα με την τιμη του R2 να είναι της τάξεως 0,60 και για τα 71 CBI ιστογράμματα και 0,74 για τα επιλεγόμενα 40 ιστογράμματα.
Οι μεταβολές των IFI δεδομένων τον πρώτο χρόνο πριν και μετά την εκδήλωση της πυρκαγιάς παρουσίασαν χαμηλή συσχέτιση με τα CBI δεδομένα. Αντίθετα, το δεύτερο χρόνο παρουσίασαν καλή συσχέτιση με τα CBI δεδομένα και την τιμή R2 να είναι της τάξεως του 0,62, η οποία είναι μεγαλύτερη σε σχέση με τις R2 τιμές των υπόλοιπων 3 φασματικών δεικτών για το 2002. Η συσχέτιση των IFI δεδομένων με τα επιλεγόμενα ιστογράμματα των CBI δεδομένων ήταν της τάξεως του 0,66.
Για την ανάλυση των πλεονεκτημάτων των τεσσάρων φασματικών δεικτών, εξετάστηκαν πολλαπλές μεταβλητές παλινδρόμησης των διαφορών τους για δύο χρόνια πριν και μετά την πυρκαγιά. Στον πίνακα 2 παρατίθονται οι συντελεστές των μεταβλητών των παλινδρομήσεων χρησιμοποιώντας τα 71 CBI ιστογράμματα αλλά και για τα 40 επιλεγμένα ιστογράμματα. Η σύγκριση των CBI δεδομένων με τα αποτελέσματα των πολλαπλών παλινδρομήσεων φαίνεται στην εικόνα 4. Η αξία της γραμμικής συσχέτισης R2 για αυτήν την σύγκριση ήταν της τάξεως του 0,86 και 0,87 για τα επιλεγμένα ιστογράμματα.

Συμπεράσματα 

Η συγκεκριμένη μελέτη έδειξε ότι και οι 4 φασματικοί δείκτες έχουν τη δυνατότητα να αξιολογήσουν τη σοβαρότητα της φωτιάς και τη ζημιά στην βλάστηση σε ένα σύντομο χρονικό διάστημα μετά τη φωτιά. Και για τους 4 φασματικούς δείκτες χρησιμοποιήθηκαν πολλαπλές παλινδρομήσεις οι οποίες παρουσίασαν υψηλές συσχετίσεις με τα CBI δεδομένα που συλλέχθηκαν στην περιοχή μελέτης. Η αξία της γραμμικής συσχέτισης R2 ήταν της τάξεως του 0,86 για τα 71 ιστογράμματα και 0,87 για τα 40 επιλεγμένα ιστογράμματα. Με την εφαρμογή των λειτουργιών της πολλαπλής παλινδρόμησης, οι επιστήμονες θα μπορούσαν να εκτιμήσουν τα CBI δεδομένα της εφαρμογής του σύνθετου δείκτη φωτιάς CBI με μεγάλη ακρίβεια καθώς και με τη χρήση αποκλειστικά τηλεπισκοπικών δεδομένων. Επιπλέον, αυτοί οι φασματικοί δείκτες θα μπορούσαν να χρησιμποποιηθουν για την μακροπρόθεσμη παρακολούθηση των έμμεσων αποτελεσμάτων των πυρκαγιών.

Αρχείο:Spk xrisi 2 13.jpg

2011-01-13T17:41:21Z

Kontos spyros:

Αρχείο:Spk xrisi 1 13.jpg

2011-01-13T17:40:31Z

Kontos spyros:

Εξαγωγή μετρήσεων επιφανειακής Λευκαύγειας (albedo) από τους δορυφορικούς δέκτες του Landsat.

2011-01-13T17:36:44Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

Εξαγωγή μετρήσεων επιφανειακής Λευκαύγειας (albedo) από τους δορυφορικούς δέκτες του Landsat. Brest C.L., Goward S.D. Remote Sensing 1987, vol 8, No.3 (351-367) 

Αντικείμενο Εφαρμογής Μελέτης 

Η λευκαύγεια (albedo) είναι το μέτρο ανακλαστικότητας μιας επιφάνειας ή ενός σώματος. Μετράται ως ο λόγος της ανακλώμενης προς την προσπίπτουσα ηλεκτρομαγνητική ακτινοβολία στην επιφάνεια ενός σώματος. Αποτελεί σημαντικό παράγοντα στην ανάπτυξη του κλίματος αφού είναι ένας από τους πιο καθοριστικούς συντελεστές του ποσού της ενέργειας που διατίθεται στην ατμόσφαιρά της γης. Παραδοσιακά η εύρεση των τιμών της λευκαύγειας γινόταν με τεχνικές που χρησιμοποιούσαν εδαφικές παρατηρήσεις με αποτέλεσμα να είναι αρκετά χρονοβόρες και να εφαρμόζεται σε περιοχές μικρής έκτασης. Σάυτή την μελέτη, η απόκτηση των τιμών της λευκαύγειας πραγματοποιείται με την χρήση δορυφορικών ψηφιακών απεικονίσεων από το δορυφόρο Landsat.

Περιοχή Μελέτης 
Ως περιοχή μελέτης επιλέχτηκε το Hartford του νομού Connecticut αφού πληρούσε τα κριτήρια για την εφαρμογή της Μελέτης ΣΧΗΜΑ

Συλλογή Δεδομένων 
Έγινε επιλογή 22 εδαφικώμν σημείων στην περιοχή του Hartford , ύστερα από σύγκριση δορυφορικών δεδομένων και αεροφωτογραφιών. Το κριτήριο επιλογής ήταν τα εδαφικά σημεία να παρουσιάζουν ένα ευρύ φάσμα τιμών ανάκλασης μεταξύ τους.
Πραγματοποιήθηκε διαλογή 27 δορυφορικών απεικονίσεων από το δορυφόρο Landsat στην περιοχή που είχαν επιλεγεί τα εδαφικά σημεία μεταξύ του έτους 1972 και 2978. Κριτήριο επιλογής ήταν καθαρές ατμοσφαιρικές συνθήκες για τις δορυφορικές εικόνες, ώστε να αποφευχθούν τυχόν παραμορφώσεις λόγω συννέφων.

Μεθοδολογία 
Με την βοήθεια μιας κάμερας, έγινε υπολογισμός της φασματική ανακλαστικότητας των 22 εδαφικών σημείων. Τα εδαφικά σημεία εντοπίζονται σε κάθε δορυφορική εικόνα με βάση την φασματική υπογραφή τους. Πραγματοποιείται διόρθωση και αποκατάσταση των εικόνων για την εξάλειψη τυχόν γεωμετρικών και ράδιο-μετρικών παραμορφώσεων . δημιουργείται ένα μοντέλο ανάλυσης παλινδρόμησης για την ποσοτική συσχέτιση των δεδομένων της απορροφημένης ακτινοβολίας των δεκτών b4(TM4) και b7 (TM7) του δορυφόρου Landsat, με τα δεδομένα των τιμών ανακλαστικότητας των σημείων που μετρήθηκαν. Γνωρίζοντας την φασματική ανακλαστικότητα του εδάφους και την φασματική διανομή της ηλιακής ακτινοβολίας, είναι εφικτή η μετατροπή των δεδομένων του Landsat σε μετρήσιμες τιμές λευκαύγειας.
The underlying concept is to divide a spectral reflectance curve into segments of uniform reflectance, each segment being represented by a narrow band measurement. An accurate albedo value is constructed from theses narrow band measurements by a weighted average technique. The weighting average factors for each band are the proportion of solar radiation, incident at the Earth’s surface in each segment.

[[Εικόνα:Spk_exagwgh_1_12.jpg|right|thumb||Εικόνα 1: Απλοποιημένες καμπύλες ανακλαστικότητας για (α) επιφάνειες με βλάστηση (b) επιφάνειες χωρίς βλάστηση.]]

Κανάλια που χρησιμοποιήθηκαν και εξισώσεις συσχέτισης 

Για την μελέτη χρησιμοποιήθηκαν τα κανάλια b4 και b7. Οι τελικές εξισώσεις-συσχετίσεις είναι:
Albedo=0.526*(b4)+0.362*(B7) +0.112(0.5*(b7)) για περιοχές-επιφάνειες με βλάστηση
Albedo=0.526*(B4)+0.474*(B7) για περιοχές-επιφάνειες χωρίς βλάστηση
Albedo= 0,526*(Β4)+0,232*(Β7)+0,130*(0,630*(Β7)+0,112(0,065*(Β7)) για επιφάνειες καλυμμένες με χιόνι.

[[Εικόνα:Spk_exagwgh_2_12.jpg|right|thumb||Εικόνα 2:Φασματική καμπύλη ανακλαστικότητας για επιφάνειες καλυμμένες με χιόνι]]

Εξαγωγή μετρήσεων επιφανειακής Λευκαύγειας (albedo) από τους δορυφορικούς δέκτες του Landsat.

2011-01-13T17:36:18Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

Εξαγωγή μετρήσεων επιφανειακής Λευκαύγειας (albedo) από τους δορυφορικούς δέκτες του Landsat. Brest C.L., Goward S.D. Remote Sensing 1987, vol 8, No.3 (351-367) 

Αντικείμενο Εφαρμογής Μελέτης 

Η λευκαύγεια (albedo) είναι το μέτρο ανακλαστικότητας μιας επιφάνειας ή ενός σώματος. Μετράται ως ο λόγος της ανακλώμενης προς την προσπίπτουσα ηλεκτρομαγνητική ακτινοβολία στην επιφάνεια ενός σώματος. Αποτελεί σημαντικό παράγοντα στην ανάπτυξη του κλίματος αφού είναι ένας από τους πιο καθοριστικούς συντελεστές του ποσού της ενέργειας που διατίθεται στην ατμόσφαιρά της γης. Παραδοσιακά η εύρεση των τιμών της λευκαύγειας γινόταν με τεχνικές που χρησιμοποιούσαν εδαφικές παρατηρήσεις με αποτέλεσμα να είναι αρκετά χρονοβόρες και να εφαρμόζεται σε περιοχές μικρής έκτασης. Σάυτή την μελέτη, η απόκτηση των τιμών της λευκαύγειας πραγματοποιείται με την χρήση δορυφορικών ψηφιακών απεικονίσεων από το δορυφόρο Landsat.

Περιοχή Μελέτης 
Ως περιοχή μελέτης επιλέχτηκε το Hartford του νομού Connecticut αφού πληρούσε τα κριτήρια για την εφαρμογή της Μελέτης ΣΧΗΜΑ

Συλλογή Δεδομένων 
Έγινε επιλογή 22 εδαφικώμν σημείων στην περιοχή του Hartford , ύστερα από σύγκριση δορυφορικών δεδομένων και αεροφωτογραφιών. Το κριτήριο επιλογής ήταν τα εδαφικά σημεία να παρουσιάζουν ένα ευρύ φάσμα τιμών ανάκλασης μεταξύ τους.
Πραγματοποιήθηκε διαλογή 27 δορυφορικών απεικονίσεων από το δορυφόρο Landsat στην περιοχή που είχαν επιλεγεί τα εδαφικά σημεία μεταξύ του έτους 1972 και 2978. Κριτήριο επιλογής ήταν καθαρές ατμοσφαιρικές συνθήκες για τις δορυφορικές εικόνες, ώστε να αποφευχθούν τυχόν παραμορφώσεις λόγω συννέφων.

Μεθοδολογία 
Με την βοήθεια μιας κάμερας, έγινε υπολογισμός της φασματική ανακλαστικότητας των 22 εδαφικών σημείων. Τα εδαφικά σημεία εντοπίζονται σε κάθε δορυφορική εικόνα με βάση την φασματική υπογραφή τους. Πραγματοποιείται διόρθωση και αποκατάσταση των εικόνων για την εξάλειψη τυχόν γεωμετρικών και ράδιο-μετρικών παραμορφώσεων . δημιουργείται ένα μοντέλο ανάλυσης παλινδρόμησης για την ποσοτική συσχέτιση των δεδομένων της απορροφημένης ακτινοβολίας των δεκτών b4(TM4) και b7 (TM7) του δορυφόρου Landsat, με τα δεδομένα των τιμών ανακλαστικότητας των σημείων που μετρήθηκαν. Γνωρίζοντας την φασματική ανακλαστικότητα του εδάφους και την φασματική διανομή της ηλιακής ακτινοβολίας, είναι εφικτή η μετατροπή των δεδομένων του Landsat σε μετρήσιμες τιμές λευκαύγειας.
The underlying concept is to divide a spectral reflectance curve into segments of uniform reflectance, each segment being represented by a narrow band measurement. An accurate albedo value is constructed from theses narrow band measurements by a weighted average technique. The weighting average factors for each band are the proportion of solar radiation, incident at the Earth’s surface in each segment.

[[Εικόνα:Spk_exagwgh_1_12.jpg|right|thumb||Εικόνα 1: Απλοποιημένες καμπύλες ανακλαστικότητας για (α) επιφάνειες με βλάστηση (b) επιφάνειες χωρίς βλάστηση.]]

Κανάλια που χρησιμοποιήθηκα και εξισώσεις συσχέτισης .

Για την μελέτη χρησιμοποιήθηκαν τα κανάλια b4 και b7. Οι τελικές εξισώσεις-συσχετίσεις είναι:
Albedo=0.526*(b4)+0.362*(B7) +0.112(0.5*(b7)) για περιοχές-επιφάνειες με βλάστηση
Albedo=0.526*(B4)+0.474*(B7) για περιοχές-επιφάνειες χωρίς βλάστηση
Albedo= 0,526*(Β4)+0,232*(Β7)+0,130*(0,630*(Β7)+0,112(0,065*(Β7)) για επιφάνειες καλυμμένες με χιόνι.

[[Εικόνα:Spk_exagwgh_2_12.jpg|right|thumb||Εικόνα 2:Φασματική καμπύλη ανακλαστικότητας για επιφάνειες καλυμμένες με χιόνι]]

Εξαγωγή μετρήσεων επιφανειακής Λευκαύγειας (albedo) από τους δορυφορικούς δέκτες του Landsat.

2011-01-13T17:35:40Z

Kontos spyros: New page: category:Νέα δοκιμαστική υποκατηγορία Εξαγωγή μετρήσεων επιφανειακής Λευκαύγειας (albedo) από τους δορυ...

[[category:Νέα δοκιμαστική υποκατηγορία]]

Εξαγωγή μετρήσεων επιφανειακής Λευκαύγειας (albedo) από τους δορυφορικούς δέκτες του Landsat. Brest C.L., Goward S.D. Remote Sensing 1987, vol 8, No.3 (351-367) 

Αντικείμενο Εφαρμογής Μελέτης 

Η λευκαύγεια (albedo) είναι το μέτρο ανακλαστικότητας μιας επιφάνειας ή ενός σώματος. Μετράται ως ο λόγος της ανακλώμενης προς την προσπίπτουσα ηλεκτρομαγνητική ακτινοβολία στην επιφάνεια ενός σώματος. Αποτελεί σημαντικό παράγοντα στην ανάπτυξη του κλίματος αφού είναι ένας από τους πιο καθοριστικούς συντελεστές του ποσού της ενέργειας που διατίθεται στην ατμόσφαιρά της γης. Παραδοσιακά η εύρεση των τιμών της λευκαύγειας γινόταν με τεχνικές που χρησιμοποιούσαν εδαφικές παρατηρήσεις με αποτέλεσμα να είναι αρκετά χρονοβόρες και να εφαρμόζεται σε περιοχές μικρής έκτασης. Σάυτή την μελέτη, η απόκτηση των τιμών της λευκαύγειας πραγματοποιείται με την χρήση δορυφορικών ψηφιακών απεικονίσεων από το δορυφόρο Landsat.

Περιοχή Μελέτης 
Ως περιοχή μελέτης επιλέχτηκε το Hartford του νομού Connecticut αφού πληρούσε τα κριτήρια για την εφαρμογή της Μελέτης ΣΧΗΜΑ

Συλλογή Δεδομένων 
Έγινε επιλογή 22 εδαφικώμν σημείων στην περιοχή του Hartford , ύστερα από σύγκριση δορυφορικών δεδομένων και αεροφωτογραφιών. Το κριτήριο επιλογής ήταν τα εδαφικά σημεία να παρουσιάζουν ένα ευρύ φάσμα τιμών ανάκλασης μεταξύ τους.
Πραγματοποιήθηκε διαλογή 27 δορυφορικών απεικονίσεων από το δορυφόρο Landsat στην περιοχή που είχαν επιλεγεί τα εδαφικά σημεία μεταξύ του έτους 1972 και 2978. Κριτήριο επιλογής ήταν καθαρές ατμοσφαιρικές συνθήκες για τις δορυφορικές εικόνες, ώστε να αποφευχθούν τυχόν παραμορφώσεις λόγω συννέφων.

Μεθοδολογία 
Με την βοήθεια μιας κάμερας, έγινε υπολογισμός της φασματική ανακλαστικότητας των 22 εδαφικών σημείων. Τα εδαφικά σημεία εντοπίζονται σε κάθε δορυφορική εικόνα με βάση την φασματική υπογραφή τους. Πραγματοποιείται διόρθωση και αποκατάσταση των εικόνων για την εξάλειψη τυχόν γεωμετρικών και ράδιο-μετρικών παραμορφώσεων . δημιουργείται ένα μοντέλο ανάλυσης παλινδρόμησης για την ποσοτική συσχέτιση των δεδομένων της απορροφημένης ακτινοβολίας των δεκτών b4(TM4) και b7 (TM7) του δορυφόρου Landsat, με τα δεδομένα των τιμών ανακλαστικότητας των σημείων που μετρήθηκαν. Γνωρίζοντας την φασματική ανακλαστικότητα του εδάφους και την φασματική διανομή της ηλιακής ακτινοβολίας, είναι εφικτή η μετατροπή των δεδομένων του Landsat σε μετρήσιμες τιμές λευκαύγειας.
The underlying concept is to divide a spectral reflectance curve into segments of uniform reflectance, each segment being represented by a narrow band measurement. An accurate albedo value is constructed from theses narrow band measurements by a weighted average technique. The weighting average factors for each band are the proportion of solar radiation, incident at the Earth’s surface in each segment.

[[Εικόνα:Spk_exagwgh_1_12.jpg|right|thumb||Εικόνα 1: Απλοποιημένες καμπύλες ανακλαστικότητας για (α) επιφάνειες με βλάστηση (b) επιφάνειες χωρίς βλάστηση.]]

Κανάλια που χρησιμοποιήθηκα και εξισώσεις συσχέτισης.
Για την μελέτη χρησιμοποιήθηκαν τα κανάλια b4 και b7. Οι τελικές εξισώσεις-συσχετίσεις είναι:
Albedo=0.526*(b4)+0.362*(B7) +0.112(0.5*(b7)) για περιοχές-επιφάνειες με βλάστηση
Albedo=0.526*(B4)+0.474*(B7) για περιοχές-επιφάνειες χωρίς βλάστηση
Albedo= 0,526*(Β4)+0,232*(Β7)+0,130*(0,630*(Β7)+0,112(0,065*(Β7)) για επιφάνειες καλυμμένες με χιόνι.

[[Εικόνα:Spk_exagwgh_2_12.jpg|right|thumb||Εικόνα 2:Φασματική καμπύλη ανακλαστικότητας για επιφάνειες καλυμμένες με χιόνι]]

Αρχείο:Spk exagwgh 2 12.jpg

2011-01-13T17:34:40Z

Kontos spyros:

Αρχείο:Spk exagwgh 1 12.jpg

2011-01-13T17:34:04Z

Kontos spyros:

Εκτίμηση της λειψυδρίας των καλλιεργιών, βασισμένη σε δεδομένα του θεματικού χαρτογράφου του δορυφόρου Landsat.

2011-01-13T17:30:03Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

Εκτίμηση της λειψυδρίας των καλλιεργιών, βασισμένη σε δεδομένα του θεματικού χαρτογράφου του δορυφόρου Landsat.
Ghulam A, LI 2-L, Qin Q, Yimit H, Wang J, Estimating Crop Water Stress with ETM+NIR and SWIR data, Agricultural and Forest, Forest Metereology 148 (2008) 1679-1695 

Αντικέιμενο Μελέτης 

Η ψηφιακή τηλεπισκόπηση της έλλειψης νερού σε καλλιέργειες από την ανάκλαση των εγγείς υπέρυθρων (NIR) και μικρών υπέρυθρων μήκων κύματος του οπτικού τομέα παρέχει ένα πολλά υποσχόμενο εργαλείο για τη χρήση δορυφορικών δεδομένων στον τομέα της γεωργίας. Η λειψυδρία σε συνδυασμό με την ξηρασία αποτελεί από τα μεγαλύτερα παγκόσμια προβλήματα που πρέπει να αντιμετωπίσει η επιστημονική κοινότητα όσον αφορά στην ανάπτυξη του τομέα της γεωργίας και όχι μόνο. Οι δορυφορικές εικόνες αποτελούν μία πολύτιμη βοήθεια στην απόκτηση πληροφοριών για την έλλειψη νερού σε καλλιέργειες (vegetation water stress) και την καταλληλότερη διαχείριση ύδατος στον τομέα της γεωργίας.

Στόχος Εφαρμογής 

Οι στόχοι της εφαρμογής είναι οι εξής:
1. Η περαιτέρω διερεύνηση των δυνατοτήτων των NIR και SWIR μήκων κύματος για την εκτίμηση της περιεκτικότητας σε υγρασία FMC (fuel moisture content), η οποία είναι πολύ χρήσιμη για τον προσδιορισμό της ζήτησης νερού σε καλλιέργειες.
2. Η δημιουργία και ανάπτυξη μίας λειτουργικής μεθόδου για την παρακολούθηση της έλλειψης νερού σε καλλιέργειες, η οποία να έχει παραχθεί εξ'ολοκλήρου από δορυφορικές εικόνες και να είναι εντελώς ανεξάρτητη από βοηθητικά δεδομένα.

Η παρούσα μελέτη επικεντρώνεται στην έρευνα της επίδρασης της επιφανειακής ξηρασίας στη βιοχημεία του ύψους της φυλλωσιάς των σιτηρών με τη βοήθεια του δείκτη έλλειψης νερού VWSI (vegetation water stress index) με σκοπό την παρακολούθηση της ξηρασίας των καλλιεργιών.

Περιοχή μελέτης – Συλλογή δεδομένων 

Εδαφικές μετρήσεις πραγματοποιήθηκαν σε τρεις περιοχές της Κίνας· της κεντρικής Shunyi που αποτελεί προάστιο του Πεκίνου και άλλων δύο περιοχών της Ningxia, επαρχίας της Βορειοδυτικής Κίνας (Εικόνα 1). Κριτήριο επιλογής ήταν οι περιοχές να εκπροσωπούν διαφορετικά οικοσυστήματα. Χειμερινό σιτάρι καλλιεργήθηκε σε όλους τους τομείς των υπό μελέτη περιοχών κατά την διάρκεια του πειράματος. Βιοφυσικές μεταβλητές του ύψους της φυλλωσιάς των σιτιρών όπως η ισοδύναμη λεπτότητα-πάχος του νερού EWT (equivalent water thickness), η περιεκτικότητα σε υγρασία FMC, η περιεκτικότητα σε χλωροφύλλη, ο δείκτης φυλλικής επιφανείας LAI (leaf area index), καθώς και μετερεωλογικές και υδρολογικές παράμετροι συλλέχθηκαν από τις περιοχές μελέτης.

Μεθοδολογία ανάπτυξης δείκτη VWSI 
Σύμφωνα με ανάλυση ευαισθησίας, κατά τη μελέτη δορυφορικών εικόνων από περιοχές με βλάστηση, η ξηρή μάζα των φύλλων (leaf dry matter- DM) και η περιεκτηκότητα των φύλλων σε νερό (EWT), μπορούν να εντοπιστούν μέσω της μελέτης των ανακλάσεων των ακτίνων του φάσματος NIR (near infrared) και του φάσματος SWIR (short wavelength infrared). Μέσω στοιχείων σχετικά με την ανάκλαση των παραπάνω ακτίνων, για μία δορυφορική φωτογραφία μπορεί να υπολογιστεί ο δείκτης VSWI για μία έκταση (εικόνες 2,3).
Στο παρόν άρθρο, ο δείκτης VSWI υπολογίστηκε για τις διάφορες δορυφορικές φωτογραφίες που είχαν ληφθεί από τις προαναφερθείσες περιοχές της Κίνας όπου είχαν διενεργηθεί μετρήσεις πεδίου και για τις οποίες είχε προσδιοριστεί ο FMC. Επιπλέον με χρήση του προγράμματος PROSPECΤ, έγινε προσομοίωση δεδομένων από δορυφορικές εικόνες με γνωστό FMC για τις οποίες προσδιορίστηκε ο VSWI. Με τον παραπάνω τρόπο δημιουργήθηκε ένα πλήθος στοιχείων για τη διερεύνηση της σχέσης μεταξύ FMC και VSWI. Με βάση την παραπάνω διερεύνηση παρατηρήθηκε υψηλή συσχέτιση μεταξύ των δύο δεικτών (εικόνα 4).

Συμπεράσματα 

Εξετάζοντας τη σύνδεση μεταξύ του δείκτη VWSI και της περιεκτικότητας σε υγρασία FMC μέσω προσομοιώσεων ανάκλασης χρησιμοποιώντας δορυφορικές απεικονίσεις του δορυφόρου Landsat εκτιμήθηκε ότι ο δείκτης VWSI μπορεί να αποτελέσει ένα χρήσιμο εργαλείο για τη δημιουργία και το σχεδιασμό αδρευτικών πλάνων για τις καλλιέργειες. Η “συμπεριφορά” διακύμανση του δείκτη VWSI σε αντιστοιχία με τις διαφορετικές αρδευτικές τεχνικές κατά τη διάρκεια της χειμωνιάτικης καλλιεργιτικής περιόδου των σιτιρών που πραγματοποιήθηκαν στις τρεις περιοχές μελέτης φανέρωσε ότι ο VWSI αντανακλά τη ζήτηση νερού της καλλιέργειες. Οι τιμές του δείκτη VWSI μειώθηκαν πολύ κοντά στο μηδέν κατά τη διάρκεια του αρχικού σταδίου της άρδευσης των καλλιεργειών και αυξήθηκαν κατά το μέγιστο μετά την παύση των αρδευτικών διαδικασιών με την εξάντληση της εδαφικής υγρασίας του ριζικού συστήματος. Τα πρότυπα του δείκτη VWSI για κάθε αρδευτική διαδικασία είναι αντίθετα με τις δυναμικές της FMC και τις υγρασίες του εδάφους κατά τη διάρκεια των φαινολογικών φάσεων. Από τα αποτελέσματα των ερευνών εξήχθη το συμπέρασμα
ότι ο VWSI αποτελεί μία αξιόπιστη και αποτελεσματική τεχνική μέθοδο για την παρακολούθηση και την ποσοτικοποιήση της έλλειψης νερού. Έχει μεγάλες δυνατότητες να είναι εφαρμόσιμος ανεξάρτητα από την απόκτηση βοηθητικών δεδομένων, με την χρησιμοποίηση αποκλειστικά ψηφιακών τηλεσκοπικών εικόνων, για τον σχεδιασμό ενός χρονοδιαγράμματος άρδευσης των καλλιεργειών με απώτερο σκοπό την εξοικονόμηση ύδατος.

[[Εικόνα:Spk_lupsandreias_1_11.jpg|right|thumb||Εικόνα 1 Περιοχή μελέτης]]

[[Εικόνα:Spk_lupsandreias_2_11.jpg|right|thumb||Εικόνα 2 Τραπέζιο που χρησιμοποιείται για το γραφικό προσδιορισμό του δείκτη VSWI από τις δορυφορικές φωτογραφίες]]

[[Εικόνα:Spk_lupsandreias_3_11.jpg|right|thumb||Εικόνα 3 Γραφικός προσδιορισμός του VSWI σε διάφορες δορυφορικές φωτογραφίες]]

[[Εικόνα:Spk_lupsandreias_4_11.jpg|right|thumb||Εικόνα 4 Διάγραμμα δείκτη VSWI και WDI όπου παρουσιάζεται η καλή μεταξύ τους συσχέτιση]]

Εκτίμηση της λειψυδρίας των καλλιεργιών, βασισμένη σε δεδομένα του θεματικού χαρτογράφου του δορυφόρου Landsat.

2011-01-13T17:29:18Z

Kontos spyros: New page: category:Νέα δοκιμαστική υποκατηγορία Εκτίμηση της λειψυδρίας των καλλιεργιών, βασισμένη σε δεδομένα τ...

[[category:Νέα δοκιμαστική υποκατηγορία]]

Εκτίμηση της λειψυδρίας των καλλιεργιών, βασισμένη σε δεδομένα του θεματικού χαρτογράφου του δορυφόρου Landsat.
Ghulam A, LI 2-L, Qin Q, Yimit H, Wang J, Estimating Crop Water Stress with ETM+NIR and SWIR data, Agricultural and Forest, Forest Metereology 148 (2008) 1679-1695

Αντικέιμενο Μελέτης 

Η ψηφιακή τηλεπισκόπηση της έλλειψης νερού σε καλλιέργειες από την ανάκλαση των εγγείς υπέρυθρων (NIR) και μικρών υπέρυθρων μήκων κύματος του οπτικού τομέα παρέχει ένα πολλά υποσχόμενο εργαλείο για τη χρήση δορυφορικών δεδομένων στον τομέα της γεωργίας. Η λειψυδρία σε συνδυασμό με την ξηρασία αποτελεί από τα μεγαλύτερα παγκόσμια προβλήματα που πρέπει να αντιμετωπίσει η επιστημονική κοινότητα όσον αφορά στην ανάπτυξη του τομέα της γεωργίας και όχι μόνο. Οι δορυφορικές εικόνες αποτελούν μία πολύτιμη βοήθεια στην απόκτηση πληροφοριών για την έλλειψη νερού σε καλλιέργειες (vegetation water stress) και την καταλληλότερη διαχείριση ύδατος στον τομέα της γεωργίας.

Στόχος Εφαρμογής 

Οι στόχοι της εφαρμογής είναι οι εξής:
1. Η περαιτέρω διερεύνηση των δυνατοτήτων των NIR και SWIR μήκων κύματος για την εκτίμηση της περιεκτικότητας σε υγρασία FMC (fuel moisture content), η οποία είναι πολύ χρήσιμη για τον προσδιορισμό της ζήτησης νερού σε καλλιέργειες.
2. Η δημιουργία και ανάπτυξη μίας λειτουργικής μεθόδου για την παρακολούθηση της έλλειψης νερού σε καλλιέργειες, η οποία να έχει παραχθεί εξ'ολοκλήρου από δορυφορικές εικόνες και να είναι εντελώς ανεξάρτητη από βοηθητικά δεδομένα.

Η παρούσα μελέτη επικεντρώνεται στην έρευνα της επίδρασης της επιφανειακής ξηρασίας στη βιοχημεία του ύψους της φυλλωσιάς των σιτηρών με τη βοήθεια του δείκτη έλλειψης νερού VWSI (vegetation water stress index) με σκοπό την παρακολούθηση της ξηρασίας των καλλιεργιών.

Περιοχή μελέτης – Συλλογή δεδομένων 

Εδαφικές μετρήσεις πραγματοποιήθηκαν σε τρεις περιοχές της Κίνας· της κεντρικής Shunyi που αποτελεί προάστιο του Πεκίνου και άλλων δύο περιοχών της Ningxia, επαρχίας της Βορειοδυτικής Κίνας (Εικόνα 1). Κριτήριο επιλογής ήταν οι περιοχές να εκπροσωπούν διαφορετικά οικοσυστήματα. Χειμερινό σιτάρι καλλιεργήθηκε σε όλους τους τομείς των υπό μελέτη περιοχών κατά την διάρκεια του πειράματος. Βιοφυσικές μεταβλητές του ύψους της φυλλωσιάς των σιτιρών όπως η ισοδύναμη λεπτότητα-πάχος του νερού EWT (equivalent water thickness), η περιεκτικότητα σε υγρασία FMC, η περιεκτικότητα σε χλωροφύλλη, ο δείκτης φυλλικής επιφανείας LAI (leaf area index), καθώς και μετερεωλογικές και υδρολογικές παράμετροι συλλέχθηκαν από τις περιοχές μελέτης.

Μεθοδολογία ανάπτυξης δείκτη VWSI 
Σύμφωνα με ανάλυση ευαισθησίας, κατά τη μελέτη δορυφορικών εικόνων από περιοχές με βλάστηση, η ξηρή μάζα των φύλλων (leaf dry matter- DM) και η περιεκτηκότητα των φύλλων σε νερό (EWT), μπορούν να εντοπιστούν μέσω της μελέτης των ανακλάσεων των ακτίνων του φάσματος NIR (near infrared) και του φάσματος SWIR (short wavelength infrared). Μέσω στοιχείων σχετικά με την ανάκλαση των παραπάνω ακτίνων, για μία δορυφορική φωτογραφία μπορεί να υπολογιστεί ο δείκτης VSWI για μία έκταση (εικόνες 2,3).
Στο παρόν άρθρο, ο δείκτης VSWI υπολογίστηκε για τις διάφορες δορυφορικές φωτογραφίες που είχαν ληφθεί από τις προαναφερθείσες περιοχές της Κίνας όπου είχαν διενεργηθεί μετρήσεις πεδίου και για τις οποίες είχε προσδιοριστεί ο FMC. Επιπλέον με χρήση του προγράμματος PROSPECΤ, έγινε προσομοίωση δεδομένων από δορυφορικές εικόνες με γνωστό FMC για τις οποίες προσδιορίστηκε ο VSWI. Με τον παραπάνω τρόπο δημιουργήθηκε ένα πλήθος στοιχείων για τη διερεύνηση της σχέσης μεταξύ FMC και VSWI. Με βάση την παραπάνω διερεύνηση παρατηρήθηκε υψηλή συσχέτιση μεταξύ των δύο δεικτών (εικόνα 4).

Συμπεράσματα 

Εξετάζοντας τη σύνδεση μεταξύ του δείκτη VWSI και της περιεκτικότητας σε υγρασία FMC μέσω προσομοιώσεων ανάκλασης χρησιμοποιώντας δορυφορικές απεικονίσεις του δορυφόρου Landsat εκτιμήθηκε ότι ο δείκτης VWSI μπορεί να αποτελέσει ένα χρήσιμο εργαλείο για τη δημιουργία και το σχεδιασμό αδρευτικών πλάνων για τις καλλιέργειες. Η “συμπεριφορά” διακύμανση του δείκτη VWSI σε αντιστοιχία με τις διαφορετικές αρδευτικές τεχνικές κατά τη διάρκεια της χειμωνιάτικης καλλιεργιτικής περιόδου των σιτιρών που πραγματοποιήθηκαν στις τρεις περιοχές μελέτης φανέρωσε ότι ο VWSI αντανακλά τη ζήτηση νερού της καλλιέργειες. Οι τιμές του δείκτη VWSI μειώθηκαν πολύ κοντά στο μηδέν κατά τη διάρκεια του αρχικού σταδίου της άρδευσης των καλλιεργειών και αυξήθηκαν κατά το μέγιστο μετά την παύση των αρδευτικών διαδικασιών με την εξάντληση της εδαφικής υγρασίας του ριζικού συστήματος. Τα πρότυπα του δείκτη VWSI για κάθε αρδευτική διαδικασία είναι αντίθετα με τις δυναμικές της FMC και τις υγρασίες του εδάφους κατά τη διάρκεια των φαινολογικών φάσεων. Από τα αποτελέσματα των ερευνών εξήχθη το συμπέρασμα
ότι ο VWSI αποτελεί μία αξιόπιστη και αποτελεσματική τεχνική μέθοδο για την παρακολούθηση και την ποσοτικοποιήση της έλλειψης νερού. Έχει μεγάλες δυνατότητες να είναι εφαρμόσιμος ανεξάρτητα από την απόκτηση βοηθητικών δεδομένων, με την χρησιμοποίηση αποκλειστικά ψηφιακών τηλεσκοπικών εικόνων, για τον σχεδιασμό ενός χρονοδιαγράμματος άρδευσης των καλλιεργειών με απώτερο σκοπό την εξοικονόμηση ύδατος.

[[Εικόνα:Spk_lupsandreias_1_11.jpg|right|thumb||Εικόνα 1 Περιοχή μελέτης]]

[[Εικόνα:Spk_lupsandreias_2_11.jpg|right|thumb||Εικόνα 2 Τραπέζιο που χρησιμοποιείται για το γραφικό προσδιορισμό του δείκτη VSWI από τις δορυφορικές φωτογραφίες]]

[[Εικόνα:Spk_lupsandreias_3_11.jpg|right|thumb||Εικόνα 3 Γραφικός προσδιορισμός του VSWI σε διάφορες δορυφορικές φωτογραφίες]]

[[Εικόνα:Spk_lupsandreias_4_11.jpg|right|thumb||Εικόνα 4 Διάγραμμα δείκτη VSWI και WDI όπου παρουσιάζεται η καλή μεταξύ τους συσχέτιση]]

Αρχείο:Spk lupsandreias 4 11.jpg

2011-01-13T17:27:04Z

Kontos spyros:

Αρχείο:Spk lupsandreias 3 11.jpg

2011-01-13T17:26:48Z

Kontos spyros:

Αρχείο:Spk lupsandreias 2 11.jpg

2011-01-13T17:26:32Z

Kontos spyros:

Αρχείο:Spk lupsandreias 1 11.jpg

2011-01-13T17:26:16Z

Kontos spyros:

Εκτίμηση του μεγέθους των επιπτώσεων μιας πυρκαγιάς με χρήση σχετικού συντελεστή καταστροφής λόγω φωτιάς (dNBR)

2011-01-13T17:20:03Z

Kontos spyros: New page: category:Νέα δοκιμαστική υποκατηγορία Εκτιμηση του μεγέθους των επιπτώσεων μιας πυρκαγυας με χρήση σ...

[[category:Νέα δοκιμαστική υποκατηγορία]]

Εκτιμηση του μεγέθους των επιπτώσεων μιας πυρκαγυας με χρήση σχετικού συντελεστή καταστροφής λόγω φωτιάς (dNBR) 

Quantifying burn severity in a heterogeneous landscape with a relative version of the delta Normalized Burn Ratio (dNBR)
Miller J.D., Thode A.E. 2007, Remote Sensing and Environment,109,66-80

Εισαγωγη 

Η εκτίμηση των καταστροφών στη φυσική βλάστηση και το έδαφος σε μία περιοχή που έχει πληγεί από πυρκαγιά, είναι ένας τομέας στον οποίο έχει εισαχθεί η χρήση και ανάλυση δορυφορικών εικόνων. Οι μέθοδοι που εφαρμόζονται, είναι η σύγκριση των δεικτών βλάστησης σε φωτογραφίες πριν και μετά την πυρκαγιά, ώστε να εκτιμάται το μέτρο της καταστροφής που έχει επέλθει στο φυσικό περιβάλλον. Το πρόβλημα με αυτή τη διαδικασία, είναι ότι λόγω της διαφοροποίησης της βλάστησης ανά περιοχή και της ποικιλίας των συνθηκών ανά περιοχή και φαινόμενο πυρκαγυιάς, οι μέχρι τώρα μέθοδοι δεν μπορούν να θέσουν ένα εννοιαίο πλαίσιο για τη σύγκριση μεταξύ διαφορετικών γεγονότων πυρκαγιάς με διαφορετικά χαρακτηριστικά (π.χ. διαφορετική ποσότητα βλάστησης πριν την πυρκαγυιά).

Στοχοι μελέτης 

Στο άρθρο των Miller και Thode, γίνεται προσπάθεια, με χρήση ενός σχετικού δείκτη καταστροφής λόγω πυρκαγιάς που να συνδέει την κατάσταση πριν και μετά τη φωτιά, να εκτιμηθεί μία κλίμακα που να μπορεί να εφαρμοστεί για διάφορες πυρκαγιές και για διάφορες συνθήκες βλάστησης.Η μελέτη έγινε ώστε οι δείκτες καταστροφής που εκτιμώνται για κάθε πυρκαγιά, να βρίσκονται σε ίδια κλίμακα ώστε να είναι δυνατή η σύγκριση μεταξύ διαφορετικών πυρκαγιών.

Περιοχή Μελέτης - Συλλογή Δεδομένων 

Τα δεδομένα που χρησιμοποιήθηκαν στο άρθρο των Miller και Thode, προήλθαν από την περιοχή της Sierra Nevada στην California (Εικόνα 1). Η περιοχή μελέτης περιλαμβάνει διάφορα υψόμετρα (από 60 μέχρι 4418m) και συνολικά καλύπτει έκταση 11.5 εκ acres όπου περιλαμβάνονται δάση, εθνικοί δρυμοί και φυσικά μνημεία.
Η εκτίμηση της καταστροφής έγινε μέσω του δείκτη CBI(Composite Burn Index) που εισήχθει από τους Key και Benson (2005). Σύμφωνα με την παραπάνω μέθοδο, η καταστροφή λόγω πυρκαγιάς εκτιμάται με οπτική ταξινόμηση διαφόρων χαρακτηριστικών της καμμένης περιοχής και τελικά η σοβαρότητα της καταστροφής εκτιμάται από 1 έως 5 με 5 υψηλό βαθμό καταστροφής (καταστροφή μεγάλων δένδρων).
Οι δορυφορικές εικόνες Landsat που χρησιμοποιήθηκαν για πριν και μετά την πυρκαγιά, πάρθηκαν ώστε να είναι κοντά στην ημερομηνία του συμβάντος της πυρκαγιάς για την εξασφάλιση παρόμοιων συνθηκών ηλιοφάνειας.
Για την εκτίμηση των αλλαγών στη βλάστηση χρησιμοποιήθηκαν οι δέσμη συχνοτήτων 4 (near infrared) που είναι πιο ευαίσθητη για τον εντοπισμό της χλωροφύλλης των φυτών, καθώς και η δέσμη 7 (mid infrared) που είναι πιο ευαίσθητη στον εντοπισμό του νερού στο έδαφος και τα φύλλα. Ο δείκτης καταστροφής λόγω πυρκαγιάς που εξάγεται, προέρχεται από την εξίσωση:
NBR=(band4-band7)/(band4+band7)
Για κάθε πυρκαγιά υπολογίστηκε ο δείκτης dNBR (διαφορά NBR περιοχής πριν και μετά την πυρκαγιά) ενώ η τιμές εκφράστηκαν ως ακέραιοι για να είναι συμβατές με τη μέθοδο CBI.
Με βάση τα παραπάνω δεδομένα (dNBR και CBI) για κάθε περιοχή, έγινε προσπάθεια συσχετσμού των δύο δεικτών ώστε να εκτιμηθεί μία κλίμακα που ν κάνει χρήση του dNBR.

Αναπτυξη και εφαρμογή σχετικού δείκτη καταστροφής λόγω πυρκαγιάς 
Στο παρόν άρθρο είναι επιθυμιτή η δημιουργία ενός δείκτη εκτίμησης καταστροφής από πυρκαγιά ο οποίος θα είναι ανεξάρτητος (δεν θα παρουσιάζει συσχέτιση) με τον αρχικό δείκτη

[[Εικόνα:Spk_epexergasia_1_10.jpg|right|thumb||Εικόνα 1. Περιοχή μελέτης (Sierra Nevada-California)]]

NBR της περιοχής (πριν την πυρκαγιά) όπως συμβαίνει με το δείκτη CBI, που παρουσιάζει πολύ μικρή συσχετιση με την κατάσταση της περιοχής πριν την πυρκαγιά. Από την εικόνα 2 φαίνεται η μικρή συσχέτιση που παρουσιάζει ο δείκτης CBI με το αρχικό NBR και η μεγάλη συσχέτιση του dNBR με το αρχικό NBR πράγμα που καθιστά αναγκαία την εισαγωγή ενός νέου ανεξάρτητου δείκτη.
Μετά από μελέτη συσχέτισης διαφόρων εκδοχών του σχετικού dNBR τελικά η σχέση στην οποία καταλήγουν οι συγγραφείς είναι:
RdNBR=(PreFireNBR-PostFireNBR)/(SquareRoot(ABS(PreFireNBR/1000))
Στη συνέχεια, καθορίστηκαν τα όρια με βάση τα οποία θα κατατάσσται το εύρος της καταστροφής σε κάθε περιοχή (thresholds) η καταληλότητα των οποίων εκτιμήθηκε με σύγκρισή τους με αυτά του CBI όπου βρέθηκε αρκετά καλή συμφωνία.
Τέλος επιλέχθηκαν ορισμένες πυρκαγιές για να εφαρμοστεί ο νέος δείκτης RdNBR. Στην εικόνα 3 φαίνεται μία περίπτωση από την πυρκαγιά Straylor όπου εικόνες Landsat έχουν κατηγοριοποιηθεί με βάση το δείκτη RdNBR και dNBR. Στην εικόνα είναι εμφανές ότι ειδικά στις περιοχές με μεγάλες καταστροφές ο RdNBR περουσιάζει μεγαλύτερη ομοιογένεια σε σχέση με τον NBR και δίνει πολύ αξιόπιστα αποτελέσματα. Επίσης, τα όρια κατάταξης των βλαβών λόγω πυρκαγιάς για τον RdΝBR συμπίπτουν αρκετά με αυτά του CBI. Παρόμοια αποτελέσματα προέκυψαν και για άλλες πυρκαγιές με ομογενή αλλά και ετερογενή βλάστηση περιοχής πριν την πυρκαγιά.

Συμπεράσματα 
Στο παρόν άρθρο εξετάστηκε η ανάπτυξη και η χρήση ενός σχετικού δείκτη καταστροφής λόγω πυρκαγιάς από τον οποίο το μεγαλύτερο όφελος είναι ότι δίνει το εύρος της καταστροφής σε μία κλίμακα γενικότερη που επιτρέπει συγκρίσεις μεταξύ διαφορετικών πυρκαγιών. Η διαφορά του δείκτη RdNBR από τον NBR είναι ότι ο δεύτερος δίνει ένα απόλυτο μέτρο της καταστροφής ενώ ο πρώτος μετρά την καταστροφή σε σχέση με την αρχική βλάστηση. Τα όρια με τα οποία κατατάσσεται το εύρος της καταστροφής εκτιμήθηκαν με γραμμική παρεμβολή και σχετίζονται με τα όρια του υπάρχοντος δείκτη CBI.

[[Εικόνα:Spk_epexergasia_2_10.jpg|right|thumb||Εικόνα 2 Συσχέτιση δείκτη CBI και dNBR με το αρχικό NBR πριν την πυρκαγιά. Είναι σαφές ότι ο CBI παρουσιάζει πολύ μικρότερη συσχέτιση με το αρχικό NBR από ότι ο dNBR.]]

[[Εικόνα:Spk_epexergasia_3_10.jpg|right|thumb||Εικόνα 3 Τυπικά απότελέσματα για μία από τις πυρκαγιές που εκξετάστηκαν. Τα αποτελέσματα φαίνονται σε σχέση με το δείκτη RdNBR και το δείκτη dNBR]]

Αρχείο:Spk epexergasia 3 10.jpg

2011-01-13T17:14:58Z

Kontos spyros:

Αρχείο:Spk epexergasia 2 10.jpg

2011-01-13T17:14:43Z

Kontos spyros:

Αρχείο:Spk epexergasia 1 10.jpg

2011-01-13T17:14:24Z

Kontos spyros:

Χρήση του θεματικού χαρτογράφου Landsat, στη λιθολογική αναγνώριση και χαρτογράφηση της περιοχής Barramiya, στην ανατολική έρημο της Αίγυπτο.

2011-01-07T17:54:12Z

Kontos spyros:

[[category:Νέα δοκιμαστική υποκατηγορία]]

Χρήση του θεματικού χαρτογράφου Landsat, στη λιθολογική αναγνώριση και χαρτογράφηση της περιοχής Barramiya, στην ανατολική έρημο της Αίγυπτο. 

Gad S., Kusky T., Lithological mapping in the Eastern Desert of Egypt, the Barramiya area, using Landsat thematic mapper TM. Journal of African Earth Sciences 44 (2006) 196-202[http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VDT-4HYD9RH-3&_user=10&_coverDate=02%2F28%2F2006&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1599709619&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=01f5b4ecafdd9315748af75b5b353033&searchtype=a].

Εισαγωγή 

Στη συγκεκριμένη μελέτη χρησιμοποιούνται φασματικές τεχνικές αναδείξεως για την ενίσχυση των ψηφιακών εικόνων που προήλθαν από το δορυφόρο Landsat TM, με σκοπό τη λιθολογική χαρτογράφηση και την αναγνώριση των σερπεντινιτών στην περιοχή Barramiya, ανατολικά της Αιγύπτου. Επίσης γίνεται σύγκριση αποτελεσμάτων με προηγούμενες μελέτες που εφαρμόζουν παρόμοιες τεχνικές.

[[Εικόνα:Spk_xrhsh_1_9.jpg|center|thumb||Εικόνα 1 :(LANDAST 742) Έγχωμη σύνθετη εικόνα της περιοχής μελέτης.[http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VDT-4HYD9RH-3&_user=10&_coverDate=02%2F28%2F2006&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1599709619&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=01f5b4ecafdd9315748af75b5b353033&searchtype=a]πηγή ]]

Στόχος μελέτης 

Οι πιο σημαντικοί παράγοντες επιτυχίας κατά την πραγματοποίηση λιθολογικής χαρτογράφησης περιοχής μέσω τηλεσκοπικών μεθόδων είναι οι εξής:
•Ο εντοπισμός της αυξημένης συγκέντρωσης των μετάλλων σε σχέση με το υπόβαθρο.
•Ο χαρακτηρισμός των ορυκτών που υπάρχουν στην περιοχή.
Ο σκοπός της συγκεκριμένης μελέτης είναι η αναγνώριση και ο εντοπισμός των σερπεντινιτών στην περιοχή Barramiya της Αιγύπτου.

Μεθοδολογία 

Βρίσκεται η διακριτική φασματική ανάκλαση των σερπεντινιτών και συγκρίνεται με τις φασματικές ανακλαστικότητες των άλλων πετρωμάτων Εικόνα 2).

[[Εικόνα:Spk_xrhsh_2_9.jpg|center|thumb||Εικόνα 2: Φασματική ανακλαστικότητα των σερπεντινίτων και των μεταβολκανικών πετρωμάτων.[http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VDT-4HYD9RH-3&_user=10&_coverDate=02%2F28%2F2006&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1599709619&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=01f5b4ecafdd9315748af75b5b353033&searchtype=a]πηγή]]

Στη συνέχεια εφαρμόζονται φασματικές τεχνικές αναδείξεως για την ενίσχυση των ψηφιακών εικόνων, ώστε να επιτευχθεί η αναγνώριση και ο εντοπισμός των σερπεντινιτών. Χρησιμοποιούνται λόγοι καναλιών που βασίζονται στη φασματική υπογραφή των σερπεντινιτών έναντι των άλλων πετρωμάτων, με σκοπό την αντιστάθμιση της διακύμανσης των ψηφιακών τιμών των καναλιών, η οποία οφείλεται στο τοπογραφικό ανάγλυφο και στις συνθήκες φωτισμού της περιοχής κατόπτευσης. Οι εικόνες – λόγοι που προκύπτουν από αυτήν την τεχνική, απεικονίζονται μέσω προσθετικών έγχρωμων σύνθετων, χρησιμοποιώντας τα τρία κύρια χρώματα, δηλαδή το κόκκινο, το πράσινο και το μπλε (RGB). Εφαρμόστηκαν οι RGB εικόνες – λόγοι (5/3,5/1,7/5) και (7/5,5/4,3/1) και αποδείχτηκαν πολύ αποτελεσματικά στη λιθολογική διάκριση της περιοχής μελέτης. Στην RGB εικόνα – λόγος (5/3,5/1,7/5), οι σερπεντινίτες εμφανίζονται σαν ένα σκούρο καφετί χρώμα, ενώ τα μεταβολκανικά πετρώματα σαν ένα ροζ-κίτρινο χρώμα (εικόνα 4).

[[Εικόνα:Spk_xrhsh_3_9.jpg|center|thumb||Εικόνα 3 : LANDSAT 5/3,5/1,7/5, Έγχωμη σύνθετη εικόνα της περιοχής μελέτης Οι σεπεντινίτες φαίνονται με ένα σκούρο καφετί χρώμα ενώ τα μεταβολκανικά πετρώμετα σαν ένα ροζ-κίτρινο χρώμα.[http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VDT-4HYD9RH-3&_user=10&_coverDate=02%2F28%2F2006&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1599709619&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=01f5b4ecafdd9315748af75b5b353033&searchtype=a]πηγή]]

Στην RGB εικόνα – λόγος (7/5,5/4,3/1), οι σερπεντινίτες εμφανίζονται σαν ένα σκούρο καφετί χρώμα, ενώ τα μεταβολκανικά πετρώματα εμφανίζουν ένα κίτρινο-πράσινο χρώμα (εικόνα 5).

[[Εικόνα:Spk_xrhsh_4_9.jpg|center|thumb||Εικόνα 4: LANDSAT 7/5,5/4,3/1, Έγχωμη σύνθετη εικόνα της περιοχής μελέτης Οι σερπεντινίτες εμφανίζονται με σκούρο καφέ χρώμα ενώ τα μεταβολκανικά πετρώματα με ένα κιτρινοπράσινο χρώμα.[http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VDT-4HYD9RH-3&_user=10&_coverDate=02%2F28%2F2006&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1599709619&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=01f5b4ecafdd9315748af75b5b353033&searchtype=a]πηγή]]

Έπειτα εφαρμόστηκαν τεχνικές επιβλεπόμενης ταξινόμησης για την κατηγοριοποίηση των δεδομένων. Δημιουργούνται πέντε τάξεις – φασματικά πρότυπα που «εκπροσωπούνται» από πέντε χρώματα, όπου το καθένα αντιστοιχεί σε συγκεκριμένο πέτρωμα (εικόνα 8).

[[Εικόνα:Spk_xrhsh_5_9.jpg|center|thumb||Εικόνα 5: Εικόνα του αποτελέσματος της επιβλεπόμενης ταξινόμησης της περιοχής μελέτης.[http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VDT-4HYD9RH-3&_user=10&_coverDate=02%2F28%2F2006&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1599709619&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=01f5b4ecafdd9315748af75b5b353033&searchtype=a]πηγή]]

Οι σερπεντινίτες εμφανίζονται πράσινοι, τα μεταβολκανικά πετρώματα κόκκινα, οι γρανίτες σκούροι μπλε, οι μεταγενέστεροι γρανίτες κίτρινοι και τα αδιαφοροποίητα ιζήματα φαίνονται μαύρα. Τα αποτελέσματα της επιβλεπόμενης ταξινόμησης, συγκρίνονται με γεωλογικούς χάρτες της περιοχής μελέτης.

Αποτελέσματα 

Οι τεχνικές ενίσχυσης εικόνων που εφαρμόστηκαν σ’ αυτήν τη μελέτη, ενσωματώθηκαν με προηγούμενες μελέτες λιθολογικής χαρτογράφησης της περιοχής Barramiya. Αυτός ο συνδυασμός των δεδομένων επέτρεψε τη λιθολογική διάκριση των σερπεντινιτών από τα άλλα λιθολογικά πετρώματα. Για μια επιτυχημένη λιθολογική χαρτογράφηση, είναι θεμιτό να δοκιμαστούν διάφοροι λόγοι καναλιών, ανάλογα με το επιθυμητό αποτέλεσμα και το στόχο της εφαρμογής.

Χρήση του θεματικού χαρτογράφου Landsat, στη λιθολογική αναγνώριση και χαρτογράφηση της περιοχής Barramiya, στην ανατολική έρημο της Αίγυπτο.

2011-01-07T17:51:42Z

Kontos spyros: New page: category:Νέα δοκιμαστική υποκατηγορία Χρήση του θεματικού χαρτογράφου Landsat, στη λιθολογική αναγνώρισ...

[[category:Νέα δοκιμαστική υποκατηγορία]]

Χρήση του θεματικού χαρτογράφου Landsat, στη λιθολογική αναγνώριση και χαρτογράφηση της περιοχής Barramiya, στην ανατολική έρημο της Αίγυπτο. 

Gad S., Kusky T., Lithological mapping in the Eastern Desert of Egypt, the Barramiya area, using Landsat thematic mapper TM. Journal of African Earth Sciences 44 (2006) 196-202[http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VDT-4HYD9RH-3&_user=10&_coverDate=02%2F28%2F2006&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1599709619&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=01f5b4ecafdd9315748af75b5b353033&searchtype=a].

Εισαγωγή 

Στη συγκεκριμένη μελέτη χρησιμοποιούνται φασματικές τεχνικές αναδείξεως για την ενίσχυση των ψηφιακών εικόνων που προήλθαν από το δορυφόρο Landsat TM, με σκοπό τη λιθολογική χαρτογράφηση και την αναγνώριση των σερπεντινιτών στην περιοχή Barramiya, ανατολικά της Αιγύπτου. Επίσης γίνεται σύγκριση αποτελεσμάτων με προηγούμενες μελέτες που εφαρμόζουν παρόμοιες τεχνικές.

[[Εικόνα:Spk_xrhsh_1_9.jpg|right|thumb||Εικόνα 1 :(LANDAST 742) Έγχωμη σύνθετη εικόνα της περιοχής μελέτης.[http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VDT-4HYD9RH-3&_user=10&_coverDate=02%2F28%2F2006&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1599709619&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=01f5b4ecafdd9315748af75b5b353033&searchtype=a]πηγή ]]

Στόχος μελέτης 

Οι πιο σημαντικοί παράγοντες επιτυχίας κατά την πραγματοποίηση λιθολογικής χαρτογράφησης περιοχής μέσω τηλεσκοπικών μεθόδων είναι οι εξής:
•Ο εντοπισμός της αυξημένης συγκέντρωσης των μετάλλων σε σχέση με το υπόβαθρο.
•Ο χαρακτηρισμός των ορυκτών που υπάρχουν στην περιοχή.
Ο σκοπός της συγκεκριμένης μελέτης είναι η αναγνώριση και ο εντοπισμός των σερπεντινιτών στην περιοχή Barramiya της Αιγύπτου.

Μεθοδολογία 

Βρίσκεται η διακριτική φασματική ανάκλαση των σερπεντινιτών και συγκρίνεται με τις φασματικές ανακλαστικότητες των άλλων πετρωμάτων Εικόνα 2).

[[Εικόνα:Spk_xrhsh_2_9.jpg|right|thumb||Εικόνα 2: Φασματική ανακλαστικότητα των σερπεντινίτων και των μεταβολκανικών πετρωμάτων.[http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VDT-4HYD9RH-3&_user=10&_coverDate=02%2F28%2F2006&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1599709619&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=01f5b4ecafdd9315748af75b5b353033&searchtype=a]πηγή]]

Στη συνέχεια εφαρμόζονται φασματικές τεχνικές αναδείξεως για την ενίσχυση των ψηφιακών εικόνων, ώστε να επιτευχθεί η αναγνώριση και ο εντοπισμός των σερπεντινιτών. Χρησιμοποιούνται λόγοι καναλιών που βασίζονται στη φασματική υπογραφή των σερπεντινιτών έναντι των άλλων πετρωμάτων, με σκοπό την αντιστάθμιση της διακύμανσης των ψηφιακών τιμών των καναλιών, η οποία οφείλεται στο τοπογραφικό ανάγλυφο και στις συνθήκες φωτισμού της περιοχής κατόπτευσης. Οι εικόνες – λόγοι που προκύπτουν από αυτήν την τεχνική, απεικονίζονται μέσω προσθετικών έγχρωμων σύνθετων, χρησιμοποιώντας τα τρία κύρια χρώματα, δηλαδή το κόκκινο, το πράσινο και το μπλε (RGB). Εφαρμόστηκαν οι RGB εικόνες – λόγοι (5/3,5/1,7/5) και (7/5,5/4,3/1) και αποδείχτηκαν πολύ αποτελεσματικά στη λιθολογική διάκριση της περιοχής μελέτης. Στην RGB εικόνα – λόγος (5/3,5/1,7/5), οι σερπεντινίτες εμφανίζονται σαν ένα σκούρο καφετί χρώμα, ενώ τα μεταβολκανικά πετρώματα σαν ένα ροζ-κίτρινο χρώμα (εικόνα 4).

[[Εικόνα:Spk_xrhsh_3_9.jpg|right|thumb||Εικόνα 3 : LANDSAT 5/3,5/1,7/5, Έγχωμη σύνθετη εικόνα της περιοχής μελέτης Οι σεπεντινίτες φαίνονται με ένα σκούρο καφετί χρώμα ενώ τα μεταβολκανικά πετρώμετα σαν ένα ροζ-κίτρινο χρώμα.[http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VDT-4HYD9RH-3&_user=10&_coverDate=02%2F28%2F2006&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1599709619&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=01f5b4ecafdd9315748af75b5b353033&searchtype=a]πηγή]]

Στην RGB εικόνα – λόγος (7/5,5/4,3/1), οι σερπεντινίτες εμφανίζονται σαν ένα σκούρο καφετί χρώμα, ενώ τα μεταβολκανικά πετρώματα εμφανίζουν ένα κίτρινο-πράσινο χρώμα (εικόνα 5).

[[Εικόνα:Spk_xrhsh_4_9.jpg|right|thumb||Εικόνα 4: LANDSAT 7/5,5/4,3/1, Έγχωμη σύνθετη εικόνα της περιοχής μελέτης Οι σερπεντινίτες εμφανίζονται με σκούρο καφέ χρώμα ενώ τα μεταβολκανικά πετρώματα με ένα κιτρινοπράσινο χρώμα.[http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VDT-4HYD9RH-3&_user=10&_coverDate=02%2F28%2F2006&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1599709619&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=01f5b4ecafdd9315748af75b5b353033&searchtype=a]πηγή]]

Έπειτα εφαρμόστηκαν τεχνικές επιβλεπόμενης ταξινόμησης για την κατηγοριοποίηση των δεδομένων. Δημιουργούνται πέντε τάξεις – φασματικά πρότυπα που «εκπροσωπούνται» από πέντε χρώματα, όπου το καθένα αντιστοιχεί σε συγκεκριμένο πέτρωμα (εικόνα 8).

[[Εικόνα:Spk_xrhsh_5_9.jpg|right|thumb||Εικόνα 5: Εικόνα του αποτελέσματος της επιβλεπόμενης ταξινόμησης της περιοχής μελέτης.[http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VDT-4HYD9RH-3&_user=10&_coverDate=02%2F28%2F2006&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1599709619&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=01f5b4ecafdd9315748af75b5b353033&searchtype=a]πηγή]]

Οι σερπεντινίτες εμφανίζονται πράσινοι, τα μεταβολκανικά πετρώματα κόκκινα, οι γρανίτες σκούροι μπλε, οι μεταγενέστεροι γρανίτες κίτρινοι και τα αδιαφοροποίητα ιζήματα φαίνονται μαύρα. Τα αποτελέσματα της επιβλεπόμενης ταξινόμησης, συγκρίνονται με γεωλογικούς χάρτες της περιοχής μελέτης.

Αποτελέσματα 

Οι τεχνικές ενίσχυσης εικόνων που εφαρμόστηκαν σ’ αυτήν τη μελέτη, ενσωματώθηκαν με προηγούμενες μελέτες λιθολογικής χαρτογράφησης της περιοχής Barramiya. Αυτός ο συνδυασμός των δεδομένων επέτρεψε τη λιθολογική διάκριση των σερπεντινιτών από τα άλλα λιθολογικά πετρώματα. Για μια επιτυχημένη λιθολογική χαρτογράφηση, είναι θεμιτό να δοκιμαστούν διάφοροι λόγοι καναλιών, ανάλογα με το επιθυμητό αποτέλεσμα και το στόχο της εφαρμογής.

Αρχείο:Spk xrhsh 5 9.jpg

2011-01-07T17:44:54Z

Kontos spyros:

Αρχείο:Spk xrhsh 4 9.jpg

2011-01-07T17:44:35Z

Kontos spyros:

Αρχείο:Spk xrhsh 3 9.jpg

2011-01-07T17:44:19Z

Kontos spyros: