RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Τηλεπισκόπηση - Μια αποτελεσματική πηγή δεδομένων για την παρακολούθηση του αστικού χώρου

2013-02-12T18:40:30Z

Koutsopoulou:

'''Τίτλος'''

Remote Sensing – An Effective Data Source for Urban Monitoring

'''Πηγή'''

[http://www.earthzine.org/2011/07/20/remote-sensing-%E2%80%93-an-effective-data-source-for-urban-monitoring/ Earthzine]

'''Συγγραφείς'''

H. Taubenböck and T. Esch

Ο έλεγχος του αστικού χώρου συνεπάγεται πολλαπλές χρονικές παρατηρήσεις και μετρήσεις των μετασχηματισμών εντός των πόλεων. Το αστικό περιβάλλον είναι εξαιρετικά περίπλοκο, καθώς οι πόλεις αποτελούνται από ένα μεγάλο αριθμό ανθρώπων που ζουν σε κοντινή απόσταση και χαρακτηρίζονται από συνθήκες σχετικής πυκνότητας και ποικιλομορφίας σε δυναμικά αλληλένδετες διαδικασίες. Οι περισσότερες από τις συνθήκες και τις διαδικασίες σχετίζονται με το χώρο. Επομένως, για τη μέτρηση, την ανάλυση και την κατανόηση του αστικού περιβάλλοντος, των δυναμικών αλληλεπιδράσεων και των μόνιμων αλλαγών του, οι χωρικές πληροφορίες είναι ζωτικής σημασίας. Ως πηγή πληροφοριών, τα τηλεπισκοπικά δεδομένα είναι εγγενώς κατάλληλα για την παροχή πληροφοριών σχετικά με χαρακτηριστικά καλύψεων γης και των αλλαγών τους με την πάροδο του χρόνου, σε διάφορες χωρικές και χρονικές κλίμακες. Το παρόν άρθρο παρέχει μια επισκόπηση και παραδείγματα εφαρμογών του DLR (German Aerospace Center) για την επίδειξη των δυνατοτήτων και των περιορισμών της τηλεπισκόπησης στην παρακολούθηση του αστικού χώρου.

'''Αστικοποίηση'''
Η αστικοποίηση μπορεί ουσιαστικά να θεωρηθεί ως η μετάβαση από αγροτικές σε αστικές συνθήκες. Αυτό συνεπάγεται την αύξηση των ορίων μιας πόλης ή του δομημένου χώρου εν γένει. Η διαδικασία της αστικοποίησης μπορεί ουσιαστικά να προκληθεί από τρεις παράγοντες: τη φυσική αύξηση του πληθυσμού, τις τάσεις αστυφιλίας και την προσάρτηση μη αστικών περιοχών στο σχέδιο πόλης. Σύμφωνα με τις τελευταίες προβλέψεις των Ηνωμένων Εθνών σχεδόν ολόκληρη η αύξηση του πληθυσμού του πλανήτη για τα επόμενα 30 χρόνια θα απορροφηθεί από τις αστικές περιοχές.

Το πιο εμφανές αποτέλεσμα της αστικοποίησης είναι η χωρική επέκταση των πόλεων, που συχνά περιγράφεται ως «αστική εξάπλωση». Τα αίτια της αστικής ανάπτυξης και της εξάπλωσης των πόλεων ποικίλουν και αποτελούνται από μακρο-οικονομικούς και μικρο-οικονομικούς παράγοντες, δημογραφικούς παράγοντες, προτιμήσεις στέγασης, εσωτερικά προβλήματα της πόλης, ζητήματα μεταφορών και ρυθμιστικά πλαίσια.

Τα αίτια και οι συνέπειες της αστικοποίησης έχουν ως επί το πλείστον χωρική αναφορά. Για τις περισσότερες από τις προκλήσεις που σχετίζονται με την αστικοποίηση, η γνώση του χώρου απαιτείται για τον πολεοδομικό και χωροταξικό σχεδιασμό, την πολιτική, την επιστήμη, τη βιομηχανία και τους κατοίκους. Δεδομένου ότι η αστικοποίηση θα συνεχίσει να είναι μια από τις σημαντικότερες παγκόσμιες περιβαλλοντικές αλλαγές στο άμεσο μέλλον, η χωρική πληροφορία σχετικά με την τρέχουσα κατάσταση και η συνεχής γνώση των αλλαγών είναι ζωτικής σημασίας. Τα τηλεπισκοπικά δεδομένα αποτελούν κατάλληλη και ανεξάρτητη πηγή πληροφοριών σχετικά τον αστικό χώρο και τις αλλαγές του με την πάροδο του χρόνου, σε διάφορες χωρικές και χρονικές κλίμακες.

'''Οι δυνατότητες της τηλεπισκόπησης στην παρακολούθηση του αστικού χώρου'''

[[Εικόνα: rs_wiki_13_1.jpg| thumb| right| Εικόνα 1: Πολύ-αισθητηριακή ανάλυση της αστικής ανάπτυξης στην πόλη Μανίλα, Φιλιππίνες.]]
Η τηλεπισκόπηση επιτρέπει την ανεξάρτητη, γρήγορη, έγκαιρη, καθολική και σχετικά οικονομικά αποδοτική μετατροπή των δεδομένων (εικόνες) σε πληροφορίες. Χρησιμοποιώντας μια ποικιλία μεθοδολογιών, π.χ. στατιστικές και ταξινομήσεις, για αυτόματη εξαγωγή πληροφοριών για συγκεκριμένα σύνολα δεδομένων, αυτός ο μετασχηματισμός στοχεύει σε εφαρμόσιμα προϊόντα.

Για την πολυ-χρονική παρακολούθηση των αλλαγών στην επιφάνεια της γης υπάρχουν πολλαπλές τεχνικές. Τα τελευταία χρόνια η φασματική ανάλυση και η ενσωμάτωση Γεωγραφικών Συστημάτων Πληροφοριών και δεδομένων τηλεπισκόπησης έχουν αναχθεί σε σημαντικές τεχνικές ανίχνευσης των αλλαγών.

Η διαχρονική παρακολούθηση με τη χρήση τηλεπισκοπικών δεδομένων περιορίζεται στις διαθέσιμες πηγές δεδομένων. Έτσι, η παρακολούθηση για τα τελευταία 20 ή περισσότερα χρόνια μέχρι σήμερα στηρίζεται σε μέτριας ανάλυσης δεδομένα από αισθητήρες όπως Landsat, SPOT ή IRS. Η περιορισμένη γεωμετρική ανάλυση δεν επιτρέπει μεγάλη θεματική λεπτομέρεια, παρέχει όμως αρκετές πληροφορίες για την ανάλυση της χωρικής αστικής ανάπτυξης σε περιφερειακό επίπεδο, διακρίνοντας τις αστικοποιημένες και μη περιοχές.

[[Εικόνα: rs_wiki_13_4.jpg| thumb| left| Εικόνα 4: Εκτίμηση και παρακολούθηση του πληθυσμού σε διαφορετικές χρονικές στιγμές της ημέρας με βάση το 3D μοντέλο πόλης της εικόνας 3. Η ροή πληθυσμού εμφανίζει περιοχές που κερδίζουν πληθυσμό κατά τη διάρκεια της ημέρας.]]
[[Εικόνα: rs_wiki_13_2.jpg| thumb| right| Εικόνα 2: Ανάλυση της αστικής ανάπτυξης με τη χρήση εικόνων υψηλής ανάλυσης Ikonos από το (a) 2002 και (a) 2008 στη Βαρσοβία, Πολωνία. (c) Αντικειμενοστραφής ταξινόμηση για το 2002 (d Αντικειμενοστραφής ταξινόμηση για το 2008 (e) Διαχρονική διαφοροποίηση της ομοιογένειας (f) Διαχρονική διάκριση αλλαγών με βάση το NDVI.]]
[[Εικόνα: rs_wiki_13_3.jpg| thumb| right| Εικόνα 3: Μοντέλο 3D της παράκτιας πόλης Padang, Ινδονησία.]]
Η εικόνα 1 απεικονίζει το αποτέλεσμα της ανάλυσης της χωρικής ανάπτυξης από το 1975 μέχρι το 2010 στην πόλη Μανίλα των Φιλιππίνων, επισημαίνοντας την έντονη χωρική διάσταση της αστικής διάχυσης για τα τελευταία 35 χρόνια στις αναπτυσσόμενες χώρες. Τα επιμέρους σύνολα δεδομένων από το Landsat MSS το 1975 και Landsat TM το 1990 ταξινομήθηκαν χρησιμοποιώντας μια αντικειμενοστραφή προσέγγιση (object-oriented approach). Η ταξινόμηση των εικονοστοιχείων εφαρμόσθηκε για τον εντοπισμό του αστικού αποτυπώματος από δεδομένα TerraSAR-X για το 2010.

Με την άφιξη των δορυφορικών αισθητήρων υψηλής ανάλυσης κατά την τελευταία δεκαετία, οι προσεγγίσεις αστικής παρακολούθησης επιτρέπουν ένα υψηλότερο θεματικό και γεωμετρικό επίπεδο. Τεχνικές κατάτμησης (Segmentation techniques) ενισχύουν την αυτόματη ταξινόμηση χρησιμοποιώντας όχι μόνο φασματικά χαρακτηριστικά, αλλά επίσης το σχήμα, την υφή, την ιεραρχία και τη συνάφεια των πληροφοριών.

Οι εικόνες 2γ) και 2δ) δείχνουν δύο ξεχωριστά αποτελέσματα αντικειμενοστραφούς ταξινόμησης με βάση τις σχετικές εικόνες Ikonos από τα έτη 2002 και 2008 στη Βαρσοβία (εικόνες 2α και 2β). Η ταξινόμηση για την ανίχνευση των αλλαγών επιτρέπει τον εντοπισμό των περιοχών αστικοποίησης. Ωστόσο, η ακρίβεια ελαφρώς άνω του 80% κατά μέσο όρο ανά ταξινόμηση οδηγεί σε λάθη κατά την ανίχνευση των αλλαγών.

Οι εικόνες 2e) και f) δείχνουν μια διαφορετική προσέγγιση για τον εντοπισμό των μεταβολών. Ένας τεχνητός κατακερματισμός σκακιέρας χρησιμοποιείται για τον καθορισμό της χωρικής αναφοράς. Στη συγκεκριμένη περίπτωση χρησιμοποιήθηκε ένα πλέγμα των 100μ. Η «ομοιογένεια» των φασματικών τιμών σε αυτό το τεχνητό πλαίσιο υπολογίζεται για το 2002 και το 2008. Σε περίπτωση σημαντικής διαφοράς, η διαχρονική σύγκριση της υφής επιτρέπει τον εντοπισμό περιοχών με υψηλή πιθανότητα αλλαγών (2e). Η πολυ-χρονική σύγκριση εφαρμόσθηκε αναλογικά χρησιμοποιώντας το λόγο NDVI (Normalized Difference Vegetation Index). Οι δύο προσεγγίσεις ταυτοποιούν και εντοπίζουν τις περιοχές υψηλής πιθανότητας διαχρονικών μεταβολών. Ωστόσο, η τεχνητή σκακιέρα εμφανίζει επίσης προβλήματα ως προς τις οριακές αλλαγές σε σχέση με το μέγεθος του πλέγματος.

Τα ψηφιακά μοντέλα επιφάνειας LIDAR (Light Detection and Ranging) ή στερεο-εικόνες σε συνδυασμό με υψηλής ανάλυσης οπτικές τηλεπισκοπικές εικόνες έχουν χρησιμοποιηθεί ευρέως για την ταξινόμηση και μοντελοποίηση πόλεων σε 3D. Με τη χρήση υπερφασματικών δεδομένων μπορούν να προκύψουν ακόμη και πληροφορίες σχετικά με τα υλικά επιφάνειας (βλ. εικόνα 3).

Με βάση ένα τέτοιο 3D μοντέλο πόλης μπορούν να παραχθούν υψηλότερης κατάταξης προϊόντα, αναδεικνύοντας τις δυνατότητες παρακολούθησης του αστικού χώρου σε αυτή την κλίμακα: Κτιριακοί παράμετροι όπως ισόγειο, ύψος, τύπος οροφής ή αριθμός σπιτιών, σε συνδυασμό δομικές παραμέτρους όπως μέσο μέγεθος κτιρίου, πυκνότητα δόμησης, ποσοστό αδιαπέραστων επιφανειών και κυρίαρχα υλικά στέγης.

Για τη μελέτη περίπτωσης της πόλης Padang, χρησιμοποιήθηκε μια μέθοδος για την εκτίμηση της κατανομής του πληθυσμού σε συνάρτηση με το χρόνο. Ακριβείς πληροφορίες σχετικά με το μέγεθος του πληθυσμού ανά κτίριο σε διαφορετικές ώρες της ημέρας επιχειρήθηκε δειγματοληπτικά για 1.000 κτίρια κατανεμημένα σε όλη την πόλη. Διάφορες χρήσεις κτιρίων - κατοικία, εμπορική ή μικτή χρήση- χαρτογραφήθηκαν και ενσωματώθηκαν στο 3D μοντέλο της πόλης (βλ. εικόνα 3) ενώ παράλληλα φυσικές παράμετροι (π.χ. ύψη, τύπος οροφής, αδιαπέραστες επιφάνειες) συσχετίστηκαν με τις χρήσεις των κτιρίων.

Ο χώρος διαβίωσης υπολογίστηκε ως το ισόγειο πολλαπλασιαζόμενο με τον αριθμό των ορόφων και χρησιμοποιήθηκε για την εκτίμηση του μέσου όρου των κατοίκων ανά τετραγωνικό μέτρο σε διαφορετικές ώρες της ημέρας, σύμφωνα με τη χρήση. Η αξιολόγηση έδειξε ότι η δυναμική μεταβολή της κατανομής του πληθυσμού μπορεί να χαρτογραφηθεί σε επίπεδο κτιρίου στη σωστή διάσταση με ακρίβεια 65-90% (βλ. εικόνα 4).

[[category:Έλεγχος εφαρμογής πολεοδομικού σχεδιασμού]]

Τηλεπισκόπηση - Μια αποτελεσματική πηγή δεδομένων για την παρακολούθηση του αστικού χώρου

2013-02-12T18:39:36Z

Koutsopoulou:

'''Τίτλος'''

Remote Sensing – An Effective Data Source for Urban Monitoring

'''Πηγή'''

[http://www.earthzine.org/2011/07/20/remote-sensing-%E2%80%93-an-effective-data-source-for-urban-monitoring/ Earthzine]

'''Συγγραφείς'''

H. Taubenböck and T. Esch

Ο έλεγχος του αστικού χώρου συνεπάγεται πολλαπλές χρονικές παρατηρήσεις και μετρήσεις των μετασχηματισμών εντός των πόλεων. Το αστικό περιβάλλον είναι εξαιρετικά περίπλοκο, καθώς οι πόλεις αποτελούνται από ένα μεγάλο αριθμό ανθρώπων που ζουν σε κοντινή απόσταση και χαρακτηρίζονται από συνθήκες σχετικής πυκνότητας και ποικιλομορφίας σε δυναμικά αλληλένδετες διαδικασίες. Οι περισσότερες από τις συνθήκες και τις διαδικασίες σχετίζονται με το χώρο. Επομένως, για τη μέτρηση, την ανάλυση και την κατανόηση του αστικού περιβάλλοντος, των δυναμικών αλληλεπιδράσεων και των μόνιμων αλλαγών του, οι χωρικές πληροφορίες είναι ζωτικής σημασίας. Ως πηγή πληροφοριών, τα τηλεπισκοπικά δεδομένα είναι εγγενώς κατάλληλα για την παροχή πληροφοριών σχετικά με χαρακτηριστικά καλύψεων γης και των αλλαγών τους με την πάροδο του χρόνου, σε διάφορες χωρικές και χρονικές κλίμακες. Το παρόν άρθρο παρέχει μια επισκόπηση και παραδείγματα εφαρμογών του DLR (German Aerospace Center) για την επίδειξη των δυνατοτήτων και των περιορισμών της τηλεπισκόπησης στην παρακολούθηση του αστικού χώρου.

'''Αστικοποίηση'''
Η αστικοποίηση μπορεί ουσιαστικά να θεωρηθεί ως η μετάβαση από αγροτικές σε αστικές συνθήκες. Αυτό συνεπάγεται την αύξηση των ορίων μιας πόλης ή του δομημένου χώρου εν γένει. Η διαδικασία της αστικοποίησης μπορεί ουσιαστικά να προκληθεί από τρεις παράγοντες: τη φυσική αύξηση του πληθυσμού, τις τάσεις αστυφιλίας και την προσάρτηση μη αστικών περιοχών στο σχέδιο πόλης. Σύμφωνα με τις τελευταίες προβλέψεις των Ηνωμένων Εθνών σχεδόν ολόκληρη η αύξηση του πληθυσμού του πλανήτη για τα επόμενα 30 χρόνια θα απορροφηθεί από τις αστικές περιοχές.

Το πιο εμφανές αποτέλεσμα της αστικοποίησης είναι η χωρική επέκταση των πόλεων, που συχνά περιγράφεται ως «αστική εξάπλωση». Τα αίτια της αστικής ανάπτυξης και της εξάπλωσης των πόλεων ποικίλουν και αποτελούνται από μακρο-οικονομικούς και μικρο-οικονομικούς παράγοντες, δημογραφικούς παράγοντες, προτιμήσεις στέγασης, εσωτερικά προβλήματα της πόλης, ζητήματα μεταφορών και ρυθμιστικά πλαίσια.

Τα αίτια και οι συνέπειες της αστικοποίησης έχουν ως επί το πλείστον χωρική αναφορά. Για τις περισσότερες από τις προκλήσεις που σχετίζονται με την αστικοποίηση, η γνώση του χώρου απαιτείται για τον πολεοδομικό και χωροταξικό σχεδιασμό, την πολιτική, την επιστήμη, τη βιομηχανία και τους κατοίκους. Δεδομένου ότι η αστικοποίηση θα συνεχίσει να είναι μια από τις σημαντικότερες παγκόσμιες περιβαλλοντικές αλλαγές στο άμεσο μέλλον, η χωρική πληροφορία σχετικά με την τρέχουσα κατάσταση και η συνεχής γνώση των αλλαγών είναι ζωτικής σημασίας. Τα τηλεπισκοπικά δεδομένα αποτελούν κατάλληλη και ανεξάρτητη πηγή πληροφοριών σχετικά τον αστικό χώρο και τις αλλαγές του με την πάροδο του χρόνου, σε διάφορες χωρικές και χρονικές κλίμακες.

'''Οι δυνατότητες της τηλεπισκόπησης στην παρακολούθηση του αστικού χώρου'''

[[Εικόνα: rs_wiki_13_1.jpg| thumb| right| Εικόνα 1: Πολύ-αισθητηριακή ανάλυση της αστικής ανάπτυξης στην πόλη Μανίλα, Φιλιππίνες.]]
Η τηλεπισκόπηση επιτρέπει την ανεξάρτητη, γρήγορη, έγκαιρη, καθολική και σχετικά οικονομικά αποδοτική μετατροπή των δεδομένων (εικόνες) σε πληροφορίες. Χρησιμοποιώντας μια ποικιλία μεθοδολογιών, π.χ. στατιστικές και ταξινομήσεις, για αυτόματη εξαγωγή πληροφοριών για συγκεκριμένα σύνολα δεδομένων, αυτός ο μετασχηματισμός στοχεύει σε εφαρμόσιμα προϊόντα.

[[Εικόνα: rs_wiki_13_4.jpg| thumb| left| Εικόνα 4: Εκτίμηση και παρακολούθηση του πληθυσμού σε διαφορετικές χρονικές στιγμές της ημέρας με βάση το 3D μοντέλο πόλης της εικόνας 3. Η ροή πληθυσμού εμφανίζει περιοχές που κερδίζουν πληθυσμό κατά τη διάρκεια της ημέρας.]]
Για την πολυ-χρονική παρακολούθηση των αλλαγών στην επιφάνεια της γης υπάρχουν πολλαπλές τεχνικές. Τα τελευταία χρόνια η φασματική ανάλυση και η ενσωμάτωση Γεωγραφικών Συστημάτων Πληροφοριών και δεδομένων τηλεπισκόπησης έχουν αναχθεί σε σημαντικές τεχνικές ανίχνευσης των αλλαγών.

Η διαχρονική παρακολούθηση με τη χρήση τηλεπισκοπικών δεδομένων περιορίζεται στις διαθέσιμες πηγές δεδομένων. Έτσι, η παρακολούθηση για τα τελευταία 20 ή περισσότερα χρόνια μέχρι σήμερα στηρίζεται σε μέτριας ανάλυσης δεδομένα από αισθητήρες όπως Landsat, SPOT ή IRS. Η περιορισμένη γεωμετρική ανάλυση δεν επιτρέπει μεγάλη θεματική λεπτομέρεια, παρέχει όμως αρκετές πληροφορίες για την ανάλυση της χωρικής αστικής ανάπτυξης σε περιφερειακό επίπεδο, διακρίνοντας τις αστικοποιημένες και μη περιοχές.

[[Εικόνα: rs_wiki_13_2.jpg| thumb| right| Εικόνα 2: Ανάλυση της αστικής ανάπτυξης με τη χρήση εικόνων υψηλής ανάλυσης Ikonos από το (a) 2002 και (a) 2008 στη Βαρσοβία, Πολωνία. (c) Αντικειμενοστραφής ταξινόμηση για το 2002 (d Αντικειμενοστραφής ταξινόμηση για το 2008 (e) Διαχρονική διαφοροποίηση της ομοιογένειας (f) Διαχρονική διάκριση αλλαγών με βάση το NDVI.]]
[[Εικόνα: rs_wiki_13_3.jpg| thumb| right| Εικόνα 3: Μοντέλο 3D της παράκτιας πόλης Padang, Ινδονησία.]]
Η εικόνα 1 απεικονίζει το αποτέλεσμα της ανάλυσης της χωρικής ανάπτυξης από το 1975 μέχρι το 2010 στην πόλη Μανίλα των Φιλιππίνων, επισημαίνοντας την έντονη χωρική διάσταση της αστικής διάχυσης για τα τελευταία 35 χρόνια στις αναπτυσσόμενες χώρες. Τα επιμέρους σύνολα δεδομένων από το Landsat MSS το 1975 και Landsat TM το 1990 ταξινομήθηκαν χρησιμοποιώντας μια αντικειμενοστραφή προσέγγιση (object-oriented approach). Η ταξινόμηση των εικονοστοιχείων εφαρμόσθηκε για τον εντοπισμό του αστικού αποτυπώματος από δεδομένα TerraSAR-X για το 2010.

Με την άφιξη των δορυφορικών αισθητήρων υψηλής ανάλυσης κατά την τελευταία δεκαετία, οι προσεγγίσεις αστικής παρακολούθησης επιτρέπουν ένα υψηλότερο θεματικό και γεωμετρικό επίπεδο. Τεχνικές κατάτμησης (Segmentation techniques) ενισχύουν την αυτόματη ταξινόμηση χρησιμοποιώντας όχι μόνο φασματικά χαρακτηριστικά, αλλά επίσης το σχήμα, την υφή, την ιεραρχία και τη συνάφεια των πληροφοριών.

Οι εικόνες 2γ) και 2δ) δείχνουν δύο ξεχωριστά αποτελέσματα αντικειμενοστραφούς ταξινόμησης με βάση τις σχετικές εικόνες Ikonos από τα έτη 2002 και 2008 στη Βαρσοβία (εικόνες 2α και 2β). Η ταξινόμηση για την ανίχνευση των αλλαγών επιτρέπει τον εντοπισμό των περιοχών αστικοποίησης. Ωστόσο, η ακρίβεια ελαφρώς άνω του 80% κατά μέσο όρο ανά ταξινόμηση οδηγεί σε λάθη κατά την ανίχνευση των αλλαγών.

Οι εικόνες 2e) και f) δείχνουν μια διαφορετική προσέγγιση για τον εντοπισμό των μεταβολών. Ένας τεχνητός κατακερματισμός σκακιέρας χρησιμοποιείται για τον καθορισμό της χωρικής αναφοράς. Στη συγκεκριμένη περίπτωση χρησιμοποιήθηκε ένα πλέγμα των 100μ. Η «ομοιογένεια» των φασματικών τιμών σε αυτό το τεχνητό πλαίσιο υπολογίζεται για το 2002 και το 2008. Σε περίπτωση σημαντικής διαφοράς, η διαχρονική σύγκριση της υφής επιτρέπει τον εντοπισμό περιοχών με υψηλή πιθανότητα αλλαγών (2e). Η πολυ-χρονική σύγκριση εφαρμόσθηκε αναλογικά χρησιμοποιώντας το λόγο NDVI (Normalized Difference Vegetation Index). Οι δύο προσεγγίσεις ταυτοποιούν και εντοπίζουν τις περιοχές υψηλής πιθανότητας διαχρονικών μεταβολών. Ωστόσο, η τεχνητή σκακιέρα εμφανίζει επίσης προβλήματα ως προς τις οριακές αλλαγές σε σχέση με το μέγεθος του πλέγματος.

Τα ψηφιακά μοντέλα επιφάνειας LIDAR (Light Detection and Ranging) ή στερεο-εικόνες σε συνδυασμό με υψηλής ανάλυσης οπτικές τηλεπισκοπικές εικόνες έχουν χρησιμοποιηθεί ευρέως για την ταξινόμηση και μοντελοποίηση πόλεων σε 3D. Με τη χρήση υπερφασματικών δεδομένων μπορούν να προκύψουν ακόμη και πληροφορίες σχετικά με τα υλικά επιφάνειας (βλ. εικόνα 3).

Με βάση ένα τέτοιο 3D μοντέλο πόλης μπορούν να παραχθούν υψηλότερης κατάταξης προϊόντα, αναδεικνύοντας τις δυνατότητες παρακολούθησης του αστικού χώρου σε αυτή την κλίμακα: Κτιριακοί παράμετροι όπως ισόγειο, ύψος, τύπος οροφής ή αριθμός σπιτιών, σε συνδυασμό δομικές παραμέτρους όπως μέσο μέγεθος κτιρίου, πυκνότητα δόμησης, ποσοστό αδιαπέραστων επιφανειών και κυρίαρχα υλικά στέγης.

Για τη μελέτη περίπτωσης της πόλης Padang, χρησιμοποιήθηκε μια μέθοδος για την εκτίμηση της κατανομής του πληθυσμού σε συνάρτηση με το χρόνο. Ακριβείς πληροφορίες σχετικά με το μέγεθος του πληθυσμού ανά κτίριο σε διαφορετικές ώρες της ημέρας επιχειρήθηκε δειγματοληπτικά για 1.000 κτίρια κατανεμημένα σε όλη την πόλη. Διάφορες χρήσεις κτιρίων - κατοικία, εμπορική ή μικτή χρήση- χαρτογραφήθηκαν και ενσωματώθηκαν στο 3D μοντέλο της πόλης (βλ. εικόνα 3) ενώ παράλληλα φυσικές παράμετροι (π.χ. ύψη, τύπος οροφής, αδιαπέραστες επιφάνειες) συσχετίστηκαν με τις χρήσεις των κτιρίων.

Ο χώρος διαβίωσης υπολογίστηκε ως το ισόγειο πολλαπλασιαζόμενο με τον αριθμό των ορόφων και χρησιμοποιήθηκε για την εκτίμηση του μέσου όρου των κατοίκων ανά τετραγωνικό μέτρο σε διαφορετικές ώρες της ημέρας, σύμφωνα με τη χρήση. Η αξιολόγηση έδειξε ότι η δυναμική μεταβολή της κατανομής του πληθυσμού μπορεί να χαρτογραφηθεί σε επίπεδο κτιρίου στη σωστή διάσταση με ακρίβεια 65-90% (βλ. εικόνα 4).

[[category:Έλεγχος εφαρμογής πολεοδομικού σχεδιασμού]]

Τηλεπισκόπηση - Μια αποτελεσματική πηγή δεδομένων για την παρακολούθηση του αστικού χώρου

2013-02-12T18:39:12Z

Koutsopoulou:

'''Τίτλος'''

Remote Sensing – An Effective Data Source for Urban Monitoring

'''Πηγή'''

[http://www.earthzine.org/2011/07/20/remote-sensing-%E2%80%93-an-effective-data-source-for-urban-monitoring/ Earthzine]

'''Συγγραφείς'''

H. Taubenböck and T. Esch

Ο έλεγχος του αστικού χώρου συνεπάγεται πολλαπλές χρονικές παρατηρήσεις και μετρήσεις των μετασχηματισμών εντός των πόλεων. Το αστικό περιβάλλον είναι εξαιρετικά περίπλοκο, καθώς οι πόλεις αποτελούνται από ένα μεγάλο αριθμό ανθρώπων που ζουν σε κοντινή απόσταση και χαρακτηρίζονται από συνθήκες σχετικής πυκνότητας και ποικιλομορφίας σε δυναμικά αλληλένδετες διαδικασίες. Οι περισσότερες από τις συνθήκες και τις διαδικασίες σχετίζονται με το χώρο. Επομένως, για τη μέτρηση, την ανάλυση και την κατανόηση του αστικού περιβάλλοντος, των δυναμικών αλληλεπιδράσεων και των μόνιμων αλλαγών του, οι χωρικές πληροφορίες είναι ζωτικής σημασίας. Ως πηγή πληροφοριών, τα τηλεπισκοπικά δεδομένα είναι εγγενώς κατάλληλα για την παροχή πληροφοριών σχετικά με χαρακτηριστικά καλύψεων γης και των αλλαγών τους με την πάροδο του χρόνου, σε διάφορες χωρικές και χρονικές κλίμακες. Το παρόν άρθρο παρέχει μια επισκόπηση και παραδείγματα εφαρμογών του DLR (German Aerospace Center) για την επίδειξη των δυνατοτήτων και των περιορισμών της τηλεπισκόπησης στην παρακολούθηση του αστικού χώρου.

'''Αστικοποίηση'''
Η αστικοποίηση μπορεί ουσιαστικά να θεωρηθεί ως η μετάβαση από αγροτικές σε αστικές συνθήκες. Αυτό συνεπάγεται την αύξηση των ορίων μιας πόλης ή του δομημένου χώρου εν γένει. Η διαδικασία της αστικοποίησης μπορεί ουσιαστικά να προκληθεί από τρεις παράγοντες: τη φυσική αύξηση του πληθυσμού, τις τάσεις αστυφιλίας και την προσάρτηση μη αστικών περιοχών στο σχέδιο πόλης. Σύμφωνα με τις τελευταίες προβλέψεις των Ηνωμένων Εθνών σχεδόν ολόκληρη η αύξηση του πληθυσμού του πλανήτη για τα επόμενα 30 χρόνια θα απορροφηθεί από τις αστικές περιοχές.

Το πιο εμφανές αποτέλεσμα της αστικοποίησης είναι η χωρική επέκταση των πόλεων, που συχνά περιγράφεται ως «αστική εξάπλωση». Τα αίτια της αστικής ανάπτυξης και της εξάπλωσης των πόλεων ποικίλουν και αποτελούνται από μακρο-οικονομικούς και μικρο-οικονομικούς παράγοντες, δημογραφικούς παράγοντες, προτιμήσεις στέγασης, εσωτερικά προβλήματα της πόλης, ζητήματα μεταφορών και ρυθμιστικά πλαίσια.

Τα αίτια και οι συνέπειες της αστικοποίησης έχουν ως επί το πλείστον χωρική αναφορά. Για τις περισσότερες από τις προκλήσεις που σχετίζονται με την αστικοποίηση, η γνώση του χώρου απαιτείται για τον πολεοδομικό και χωροταξικό σχεδιασμό, την πολιτική, την επιστήμη, τη βιομηχανία και τους κατοίκους. Δεδομένου ότι η αστικοποίηση θα συνεχίσει να είναι μια από τις σημαντικότερες παγκόσμιες περιβαλλοντικές αλλαγές στο άμεσο μέλλον, η χωρική πληροφορία σχετικά με την τρέχουσα κατάσταση και η συνεχής γνώση των αλλαγών είναι ζωτικής σημασίας. Τα τηλεπισκοπικά δεδομένα αποτελούν κατάλληλη και ανεξάρτητη πηγή πληροφοριών σχετικά τον αστικό χώρο και τις αλλαγές του με την πάροδο του χρόνου, σε διάφορες χωρικές και χρονικές κλίμακες.

'''Οι δυνατότητες της τηλεπισκόπησης στην παρακολούθηση του αστικού χώρου'''

[[Εικόνα: rs_wiki_13_1.jpg| thumb| right| Εικόνα 1: Πολύ-αισθητηριακή ανάλυση της αστικής ανάπτυξης στην πόλη Μανίλα, Φιλιππίνες.]]
Η τηλεπισκόπηση επιτρέπει την ανεξάρτητη, γρήγορη, έγκαιρη, καθολική και σχετικά οικονομικά αποδοτική μετατροπή των δεδομένων (εικόνες) σε πληροφορίες. Χρησιμοποιώντας μια ποικιλία μεθοδολογιών, π.χ. στατιστικές και ταξινομήσεις, για αυτόματη εξαγωγή πληροφοριών για συγκεκριμένα σύνολα δεδομένων, αυτός ο μετασχηματισμός στοχεύει σε εφαρμόσιμα προϊόντα.

Για την πολυ-χρονική παρακολούθηση των αλλαγών στην επιφάνεια της γης υπάρχουν πολλαπλές τεχνικές. Τα τελευταία χρόνια η φασματική ανάλυση και η ενσωμάτωση Γεωγραφικών Συστημάτων Πληροφοριών και δεδομένων τηλεπισκόπησης έχουν αναχθεί σε σημαντικές τεχνικές ανίχνευσης των αλλαγών.

Η διαχρονική παρακολούθηση με τη χρήση τηλεπισκοπικών δεδομένων περιορίζεται στις διαθέσιμες πηγές δεδομένων. Έτσι, η παρακολούθηση για τα τελευταία 20 ή περισσότερα χρόνια μέχρι σήμερα στηρίζεται σε μέτριας ανάλυσης δεδομένα από αισθητήρες όπως Landsat, SPOT ή IRS. Η περιορισμένη γεωμετρική ανάλυση δεν επιτρέπει μεγάλη θεματική λεπτομέρεια, παρέχει όμως αρκετές πληροφορίες για την ανάλυση της χωρικής αστικής ανάπτυξης σε περιφερειακό επίπεδο, διακρίνοντας τις αστικοποιημένες και μη περιοχές.

[[Εικόνα: rs_wiki_13_2.jpg| thumb| right| Εικόνα 2: Ανάλυση της αστικής ανάπτυξης με τη χρήση εικόνων υψηλής ανάλυσης Ikonos από το (a) 2002 και (a) 2008 στη Βαρσοβία, Πολωνία. (c) Αντικειμενοστραφής ταξινόμηση για το 2002 (d Αντικειμενοστραφής ταξινόμηση για το 2008 (e) Διαχρονική διαφοροποίηση της ομοιογένειας (f) Διαχρονική διάκριση αλλαγών με βάση το NDVI.]]
[[Εικόνα: rs_wiki_13_3.jpg| thumb| right| Εικόνα 3: Μοντέλο 3D της παράκτιας πόλης Padang, Ινδονησία.]]
[[Εικόνα: rs_wiki_13_4.jpg| thumb| left| Εικόνα 4: Εκτίμηση και παρακολούθηση του πληθυσμού σε διαφορετικές χρονικές στιγμές της ημέρας με βάση το 3D μοντέλο πόλης της εικόνας 3. Η ροή πληθυσμού εμφανίζει περιοχές που κερδίζουν πληθυσμό κατά τη διάρκεια της ημέρας.]]
Η εικόνα 1 απεικονίζει το αποτέλεσμα της ανάλυσης της χωρικής ανάπτυξης από το 1975 μέχρι το 2010 στην πόλη Μανίλα των Φιλιππίνων, επισημαίνοντας την έντονη χωρική διάσταση της αστικής διάχυσης για τα τελευταία 35 χρόνια στις αναπτυσσόμενες χώρες. Τα επιμέρους σύνολα δεδομένων από το Landsat MSS το 1975 και Landsat TM το 1990 ταξινομήθηκαν χρησιμοποιώντας μια αντικειμενοστραφή προσέγγιση (object-oriented approach). Η ταξινόμηση των εικονοστοιχείων εφαρμόσθηκε για τον εντοπισμό του αστικού αποτυπώματος από δεδομένα TerraSAR-X για το 2010.

Με την άφιξη των δορυφορικών αισθητήρων υψηλής ανάλυσης κατά την τελευταία δεκαετία, οι προσεγγίσεις αστικής παρακολούθησης επιτρέπουν ένα υψηλότερο θεματικό και γεωμετρικό επίπεδο. Τεχνικές κατάτμησης (Segmentation techniques) ενισχύουν την αυτόματη ταξινόμηση χρησιμοποιώντας όχι μόνο φασματικά χαρακτηριστικά, αλλά επίσης το σχήμα, την υφή, την ιεραρχία και τη συνάφεια των πληροφοριών.

Οι εικόνες 2γ) και 2δ) δείχνουν δύο ξεχωριστά αποτελέσματα αντικειμενοστραφούς ταξινόμησης με βάση τις σχετικές εικόνες Ikonos από τα έτη 2002 και 2008 στη Βαρσοβία (εικόνες 2α και 2β). Η ταξινόμηση για την ανίχνευση των αλλαγών επιτρέπει τον εντοπισμό των περιοχών αστικοποίησης. Ωστόσο, η ακρίβεια ελαφρώς άνω του 80% κατά μέσο όρο ανά ταξινόμηση οδηγεί σε λάθη κατά την ανίχνευση των αλλαγών.

Οι εικόνες 2e) και f) δείχνουν μια διαφορετική προσέγγιση για τον εντοπισμό των μεταβολών. Ένας τεχνητός κατακερματισμός σκακιέρας χρησιμοποιείται για τον καθορισμό της χωρικής αναφοράς. Στη συγκεκριμένη περίπτωση χρησιμοποιήθηκε ένα πλέγμα των 100μ. Η «ομοιογένεια» των φασματικών τιμών σε αυτό το τεχνητό πλαίσιο υπολογίζεται για το 2002 και το 2008. Σε περίπτωση σημαντικής διαφοράς, η διαχρονική σύγκριση της υφής επιτρέπει τον εντοπισμό περιοχών με υψηλή πιθανότητα αλλαγών (2e). Η πολυ-χρονική σύγκριση εφαρμόσθηκε αναλογικά χρησιμοποιώντας το λόγο NDVI (Normalized Difference Vegetation Index). Οι δύο προσεγγίσεις ταυτοποιούν και εντοπίζουν τις περιοχές υψηλής πιθανότητας διαχρονικών μεταβολών. Ωστόσο, η τεχνητή σκακιέρα εμφανίζει επίσης προβλήματα ως προς τις οριακές αλλαγές σε σχέση με το μέγεθος του πλέγματος.

Τα ψηφιακά μοντέλα επιφάνειας LIDAR (Light Detection and Ranging) ή στερεο-εικόνες σε συνδυασμό με υψηλής ανάλυσης οπτικές τηλεπισκοπικές εικόνες έχουν χρησιμοποιηθεί ευρέως για την ταξινόμηση και μοντελοποίηση πόλεων σε 3D. Με τη χρήση υπερφασματικών δεδομένων μπορούν να προκύψουν ακόμη και πληροφορίες σχετικά με τα υλικά επιφάνειας (βλ. εικόνα 3).

Με βάση ένα τέτοιο 3D μοντέλο πόλης μπορούν να παραχθούν υψηλότερης κατάταξης προϊόντα, αναδεικνύοντας τις δυνατότητες παρακολούθησης του αστικού χώρου σε αυτή την κλίμακα: Κτιριακοί παράμετροι όπως ισόγειο, ύψος, τύπος οροφής ή αριθμός σπιτιών, σε συνδυασμό δομικές παραμέτρους όπως μέσο μέγεθος κτιρίου, πυκνότητα δόμησης, ποσοστό αδιαπέραστων επιφανειών και κυρίαρχα υλικά στέγης.

Για τη μελέτη περίπτωσης της πόλης Padang, χρησιμοποιήθηκε μια μέθοδος για την εκτίμηση της κατανομής του πληθυσμού σε συνάρτηση με το χρόνο. Ακριβείς πληροφορίες σχετικά με το μέγεθος του πληθυσμού ανά κτίριο σε διαφορετικές ώρες της ημέρας επιχειρήθηκε δειγματοληπτικά για 1.000 κτίρια κατανεμημένα σε όλη την πόλη. Διάφορες χρήσεις κτιρίων - κατοικία, εμπορική ή μικτή χρήση- χαρτογραφήθηκαν και ενσωματώθηκαν στο 3D μοντέλο της πόλης (βλ. εικόνα 3) ενώ παράλληλα φυσικές παράμετροι (π.χ. ύψη, τύπος οροφής, αδιαπέραστες επιφάνειες) συσχετίστηκαν με τις χρήσεις των κτιρίων.

Ο χώρος διαβίωσης υπολογίστηκε ως το ισόγειο πολλαπλασιαζόμενο με τον αριθμό των ορόφων και χρησιμοποιήθηκε για την εκτίμηση του μέσου όρου των κατοίκων ανά τετραγωνικό μέτρο σε διαφορετικές ώρες της ημέρας, σύμφωνα με τη χρήση. Η αξιολόγηση έδειξε ότι η δυναμική μεταβολή της κατανομής του πληθυσμού μπορεί να χαρτογραφηθεί σε επίπεδο κτιρίου στη σωστή διάσταση με ακρίβεια 65-90% (βλ. εικόνα 4).

[[category:Έλεγχος εφαρμογής πολεοδομικού σχεδιασμού]]

Πρόγραμμα GeoSat: Εφαρμογές Τηλεπισκόπησης για την παρακολούθηση της δυναμικης των Αστικών Συστημάτων

2013-02-12T18:34:40Z

Koutsopoulou:

'''Τίτλος'''

The GeoSat Project: Using Remote Sensing to Keep Pace with Urban Dynamics

'''Πηγή'''

[http://www.earthzine.org/2011/11/09/the-geosat-project-using-remote-sensing-to-keep-pace-with-urban-dynamics/ Earthzine]

'''Συγγραφείς'''

T. Santos, S. Freire, J.A. Tenedório Research Centre for Geography and Regional Planning, Faculdade de Ciências Sociais e Humanas, FCSH, Universidade Nova de Lisboa, Portugal
A. Fonseca, N. Afonso National Laboratory for Civil Engineering (LNEC), Lisbon, Portugal
A. Navarro, F. Soares University of Lisbon, Faculty of Sciences, LATTEX-IDL, Portugal

Η παρούσα μελέτη εκπονήθηκε στο πλαίσιο του προγράμματος GeoSat για την εξαγωγή γεωγραφικών πληροφοριών μεγάλης κλίμακας από δορυφορικές εικόνες πολύ υψηλής ευκρίνειας. Σκοπός είναι η ανάπτυξη μεθόδων για την επιτάχυνση της διαδικασίας παραγωγής γεωγραφικών πληροφοριών για τον αστικό σχεδιασμό και την παρακολούθηση των χρήσεων γης.

'''Το κίνητρο του προγράμματος GeoSat'''

Η δυναμική του αστικού χώρου χαρακτηρίζεται από συνεχείς δραστηριότητες ανοικοδόμησης, κατεδάφισης, δενδροφύτευσης, δημιουργίας κοινόχρηστων χώρων κ.ά. Η δημιουργία και συνεχής ενημέρωση χαρτογραφικών βάσεων δεδομένων σε ένα διαρκώς εξελισσόμενο περιβάλλον αποτελεί σοβαρή πρόκληση.

Τα σημεία κλειδιά της εν λόγω δυναμικής είναι δύο και διακρίνονται στη χωρική διάσταση, δηλαδή στο διαθέσιμο χώρο όπου συντελείται η αστική ανάπτυξη, καθώς και στη χρονική διάσταση ή την περίοδο στην οποία διαδραματίζεται η τελευταία. Συγκεκριμένα, η χωρική δυναμική διακρίνεται σε εκτατική, δηλαδή στην προσθήκη νέων περιοχών στον αστικό χώρο, και σε εντατική, δηλαδή στην αύξηση του συντελεστή δόμησης σε μια περιοχή. Η χρονική δυναμική μπορεί να χαρακτηρισθεί ως ταχεία, μέση ή αργή, ανάλογα με το χρονικό διάστημα της μεταβολής. Οι χρονικές βάσεις αστικών δεδομένων έχουν άμεση εφαρμογή στην παρακολούθηση της αστικής διάχυσης, στην εκτίμηση περιβαλλοντικών επιπτώσεων, σε υδρολογικά μοντέλα, στην υποβάθμιση της επιφάνειας του εδάφους και στην ανάπτυξη τεχνικών πρόβλεψης μελλοντικών περιοχών αστικής ανάπτυξης.

Η ενημέρωση βάσεων κτηματολογικών δεδομένων, η διαχείριση αστικών περιοχών και η πρόβλεψη πιθανών καταστροφών όπως σεισμοί ή πλημμύρες απαιτούν την παραγωγή ψηφιακών χαρτών σε μεγάλη κλίμακα.

'''Η Δορυφορική Παρατήρηση της Γης για την υποστήριξη των διαδικασιών σχεδιασμού'''

Η χρήση αεροφωτογραφιών αποτελεί την πιο κοινή πηγή δεδομένων για τη χαρτογράφηση των ανθρωπίνων δραστηριοτήτων στο αστικό περιβάλλον. Τις τελευταίες δεκαετίες, ωστόσο, χρησιμοποιούνται δορυφορικές εικόνες ως εναλλακτική πηγή δεδομένων για τη χαρτογράφηση του αστικού χώρου, ιδιαίτερα λόγω της υψηλής χωρικής διακριτικής τους ικανότητας. Η εν λόγω εξέλιξη συμπίπτει με την ανάδειξη νέων ολοκληρωμένων μεθόδων και πεδίων εφαρμογής, τα οποία προηγουμένως ανήκαν στον τομέα της εναέριας τηλεπισκόπησης (airborne remote sensing ) και πλέον δύναται να αντιμετωπισθούν με δορυφορικές τηλεπισκοπικές μεθόδους.

Οι δορυφορικές εικόνες πολύ υψηλής ανάλυσης (VHR), με χωρική διακριτική ικανότητα ίση ή μικρότερη του ενός μέτρου, μπορούν να χρησιμοποιηθούν για την εξαγωγή γεωγραφικών πληροφοριών σε τοπική κλίμακα και σε τακτά χρονικά διαστήματα, ενώ παράλληλα η απόκτηση και επεξεργασία τους είναι αρκετά πιο εύκολη και γρήγορη σε σχέση με τις αεροφωτογραφίες. Ωστόσο, η λεπτομέρεια και η ποιότητα της εξαγόμενης πληροφορίας εξακολουθεί να είναι κατώτερη της πληροφορίας που εξάγεται με φωτογραμμετρικές μεθόδους.

'''Δείγματα εφαρμογών'''

Στην παρούσα μελέτη παρουσιάζονται τρεις εφαρμογές του προγράμματος GeoSat, η ενημέρωση υφιστάμενων χαρτών, η χαρτογράφηση αδιαπέραστων επιφανειών και η ανάλυση των δυνατοτήτων ηλιακής οροφής.

[[Εικόνα: rs_wiki_5_1.jpg| thumb| right| Εικόνα 2: Περιοχή μελέτης στην πόλη της Λισαβόνας.]]
[[Εικόνα: rs_wiki_5_2.jpg| thumb| left| Εικόνα 1: Ενημερωμένος χάρτης του 2005 όπου φαίνεται το είδος των αλλαγών που επήλθαν στην περιοχή μελέτης.]]
''Α. Ενημέρωση Υφιστάμενων Χαρτών''

Η μέθοδος που χρησιμοποιήθηκε για την ενημέρωση χάρτη σε περιοχή ανατολικά της Λισαβόνας βασίσθηκε σε υπάρχον χαρτογραφικό υπόβαθρο του 1998 κλίμακας 1:1000, σε δορυφορικές εικόνες και υψομετρικά δεδομένα. Τα υψομετρικά δεδομένα συγκεντρώθηκαν με το κανονικοποιημένο ψηφιακό μοντέλο εδάφους (normalized Digital Surface Model), με το οποίο απεικονίζεται η ανύψωση όλων των αντικειμένων από το έδαφος. Το ψηφιακό μοντέλο της περιοχής που χρησιμοποιήθηκε είναι του 2006 και έχει ανάλυση ενός μέτρου. Η pansharp QuickBird δορυφορική εικόνα, αντίστοιχα, ελήφθη το 2005 και έχει μέγεθος pixel 0,6 μ.
Σκοπός της εφαρμογής είναι η παραγωγή επικαιροποιημένης πληροφορίας για τις κατηγορίες ¨Κτίρια¨, ¨Παραρτήματα¨ και ¨Ερείπια¨ που παρουσιάζοντα στο χάρτη του 1998. Με τη δημιουργία του νέου χάρτη, η διαδικασία ταυτοποίησης των αλλαγών κατάφερε να εντοπίσει τις δομές που λείπουν και να εντοπίσει τις νέες.

[[Εικόνα: rs_wiki_5_4.jpg| thumb| right| Εικόνα 4: Χάρτης καλύψεων γης του 2008 διαμορφωμένος από εικόνες IKONOS του 2008 και δεδομένα LiDAR για την πόλη της Λισαβόνας.]]
[[Εικόνα: rs_wiki_5_3.jpg| thumb| left| Εικόνα 3: Η πόλη της Λισαβόνας και η εικόνα του IKONOS-2 που χρησιμοποιήθηκε για τη χαρτογράφηση των αδιαπέραστων επιφανειών.]]
''Β. Χαρτογράφηση Αδιαπέραστων Επιφανειών''

Ως αδιαπέραστες επιφάνειες μπορούν να ορισθούν κυρίως ανθρωπογενή στοιχεία, όπως δρόμοι, κτίρια, πεζοδρόμια και περιοχές στάθμευσης, στις οποίες δε μπορεί να διεισδύσει το νερό στο έδαφος. Πλέον, αποτελούν δείκτη εκτίμησης της βιωσιμότητας των αλλαγών χρήσεων γης λόγω της αστικής ανάπτυξης.

Ένας επικαιροποιημένος και λεπτομερής χάρτης αδιαπερατότητας για ολόκληρη την πόλη της Λισαβόνας δημιουργήθηκε με τη χρήση δορυφορικών εικόνων IKONOS-2 και του κανονικοποιημένου ψηφιακού μοντέλου εδάφους του 2006. Η ταξινόμηση στόχευσε στην εξαγωγή τριών βασικών καλύψεων εδάφους, της βλάστησης, των αδιαπέραστων επιφανειών και του εδάφους. Ο χάρτης των αδιαπέραστων επιφανειών, με την απόκρυψη των λοιπών κατηγοριών, περιλαμβάνει ένα μεγάλο εύρος υλικών με διαφορετικές φασματικές ιδιότητες. Σε δεύτερη ταξινόμηση διακρίθηκαν έξι κατηγορίες (Δέντρα,, χαμηλή βλάστηση, κτίρια, δρόμοι, λοιπές αδιαπέραστες επιφάνειες, έδαφος και νερό) με τελική συνολική ακρίβεια χάρτη 89%.

[[Εικόνα: rs_wiki_5_5.jpg| thumb| left| Εικόνα 5: Περιοχή μελέτης στη Λισαβόνα για ανάλυση του ηλιακού δυναμικού και ψηφιακό μοντέλο επιφάνειας του 2006.]]
[[Εικόνα: rs_wiki_5_6.jpg| thumb| right| Εικόνα 6: Ανάλυση για το ηλιακό δυναμικό της περιοχής μελέτης στη Λισαβόνα.]]
''Γ. Ανάλυση των Δυνατοτήτων Ηλιακής Οροφής με τη χρήση δεδομένων LiDAR''

Η μέθοδος που εφαρμόσθηκε χρησιμοποιεί υψομετρικά δεδομένα για την εκτίμηση της δυνατότητας ενσωμάτωσης ηλιακών συστημάτων ενέργειας σε κτίρια μιας αστικής συνοικίας. Η χρήση δεδομένων LiDAR μπορεί να διαδραματίσει σημαντικό ρόλο στην ανάλυση της καταλληλότητας των κτιρίων για υποδοχή ηλιακών συστημάτων.

Στην παρούσα εφαρμογή αναλύθηκε η καταλληλότητα των κτιριακών οροφών για την εγκατάσταση ηλιακών συστημάτων σε περιοχή συνολικής έκτασης 625 ha και εκτιμήθηκε η βέλτιστη τοποθεσία φωτοβολταϊκών συστημάτων. Ο προσδιορισμός της εισερχόμενης ηλιακής ακτινοβολίας σε επίπεδο οροφής συνεπάγεται τη μοντελοποίηση της ηλιακής ακτινοβολίας που προσπίπτει σε κάθε θέση. Τα δεδομένα που απαιτούνται είναι ένα ψηφιακό μοντέλο εδάφους και τα ¨ίχνη¨ των κτιρίων. Η διαδικασία περιλάμβανε τέσσερα βήματα: α) τον υπολογισμό της ηλιακής ακτινοβολίας για τη συνολική επιφάνεια, β) την εκτίμηση της ηλιακής ακτινοβολίας σε επίπεδο οροφής, γ) τον εντοπισμό των βέλτιστων θέσεων για την εγκατάσταση φωτοβολταϊκών συστημάτων και δ) ποσοτικοποίηση της ενέργειας που μπορεί να παραχθεί.

[[category:Εκτίμηση καταλληλότητας της γης για διάφορες εφαρμογές]]

Αστικές εφαρμογές τηλεπισκόπησης για μία ταχύτατα αναπτυσσόμενη μεγαλούπολη: Δελχί, Ινδία

2013-02-12T18:16:06Z

Koutsopoulou:

'''Τίτλος'''

Urban remote sensing for a fast-growing megacity: Delhi, India

'''Πηγή'''

[http://spie.org/x17987.xml?pf=true&ArticleID=x17987 SPIE]

'''Συγγραφείς'''

Netzband Maik and Atiqur Rahman

Η αστικοποίηση αποτελεί ένα παγκόσμιο φαινόμενο του οποίου οι οικονομικές και κοινωνικές διαστάσεις διαφέρουν μεταξύ των αναπτυσσόμενων και ανεπτυγμένων χωρών. Χαρακτηριστικό παράδειγμα είναι η Ινδία, η οποία αντιμετωπίζει ένα μαζικό κύμα μετανάστευσης από την ύπαιθρο στις πόλεις αλλά και από μικρότερα αστικά κέντρα σε μεγαλουπόλεις όπως το Δελχί.

Ο πληθυσμός στο Δελχί ανέρχεται σε 14 εκ. κατοίκους και αναμένεται να ξεπεράσει τα 22 εκ. έως το 2021. Το 2001 η πληθυσμιακή πυκνότητα υπολογίστηκε σε 14.387 κατ./τ.χλμ. στις αστικές περιοχές και 1627 κατ./τ.χλμ. στις αγροτικές. Το 1901 το 47,34% του πληθυσμού του Δελχί διέμενε σε αγροτικές περιοχές ενώ αργότερα, το 1951, το ποσοστό συρρικνώθηκε σε 17,6% και κατέληξε σε 6,99% το 2001. Πράγματι, η ύπαιθρος συρρικνώθηκε από 1158 τ.χλμ. το 1961 σε 592 τ.χλμ. το 2001 ενώ αντίθετα, η αστική γη αυξήθηκε από 182 τ.χλμ. το 1970 σε περισσότερο από 750 τ.χλμ. το 2001.

Για την εκτίμηση των αστικών περιβαλλοντικών προβλημάτων, η διοίκηση και ο σχεδιασμός θα επωφελούνταν ιδιαίτερα από σύγχρονα δεδομένα σχετικά με τις δυναμικές εξελίξεις εντός και γύρω από τις πόλεις. Η παραγωγή δεδομένων με τηλεπισκοπικές μεθόδους, με βασικό πλεονέκτημα την επαναληπτική και συνοπτική θέαση και τις πολυφασματικές δυνατότητες, μπορούν να αποτελέσουν ένα ισχυρό εργαλείο χαρτογράφησης και ελέγχου των αλλαγών τόσο στον αστικό πυρήνα όσο και στην περιφέρεια.

Για το σκοπό αυτό μπορούν να χρησιμοποιηθούν διάφορα επίπεδα πληροφορίας, όπως δορυφορικές εικόνες και χάρτες, τα οποία μέσω αλληλεπίθεσης μπορούν να συνδιαμορφώσουν σύνθετους χάρτες απόδοσης του αστικού περιβάλλοντος και να αποτελέσουν πολύτιμη πηγή πληροφόρησης για το σχεδιασμό και τη διαχείριση της γης. Δεδομένου, ωστόσο, του εκτενούς μοντέλου μικτών χρήσεων γης στο Δελχί και άλλες πόλεις της Ινδίας και σε συνδυασμό με την απουσία μιας ολοκληρωμένης πηγής πληροφοριών, η ταξινόμηση των χρήσεων καθίσταται εξαιρετικά δύσκολη. Η ουσιαστική πρόκληση με τη χρήση των Γεωγραφικών Συστημάτων Πληροφοριών έγκειται στην ενσωμάτωση διαφορετικών τύπων πληροφοριών, χωρικών και θεματικών. Ο συνδυασμός των πληροφοριών αυτών με κοινωνικό-οικονομικά δεδομένα μπορούν να χρησιμοποιηθούν στο σχεδιασμό χρήσεων γης και τη διαμόρφωση πολιτικής. Στην παρούσα έρευνα, οι καλύψεις γης και η επιφανειακή θερμοκρασία διερευνώνται ως δείκτες αστικών μεταβολών.

Στην Ινδία, τα δεδομένα που συγκεντρώθηκαν από πολυφασματικό και παγχρωματικό δέκτη LISS-III του δορυφόρου IRS-1C υπήρξαν εξαιρετικά χρήσιμα για την ανάλυση του αστικού περιβάλλοντος και τη χαρτογράφηση των μεταβολών χρήσεων γης.. στην παρούσα μελέτη, ο χάρτες παράχθηκαν με τη χρήση δορυφορικών εικόνων Landsat thematic mapper του 1992 και εικόνων LISS-III του 2004. Επιπλέον χαρτογραφήθηκε και η επέκταση της πόλης του Δελχί από το 1992 έως το 2004. Τα αποτελέσματα δείχνουν πως ο συνδυασμός Γεωγραφικών Συστημάτων Πληροφοριών και τηλεισκόπησης μπορούν να παρέχουν κρίσιμης σημασίας δεδομένα σχετικά με το έδαφος και την προετοιμασία χαρτογραφικών υποβάθρων, τη διαμόρφωση σχεδιαστικών προτάσεων και την εφαρμογή ελεγκτικών μηχανισμών.

[[Εικόνα: rs_wiki_4_1.jpg| thumb| right| Εικόνα 1: Μεταβολές καλύψεων γης στο Δελχί μεταξύ 1992 και 2004.]]
Συνολικά εκ των 148.312 εκταρίων της γεωγραφικής επιφάνειας του Δελχί, τα 65.114 εκτάρια αφορούσαν γεωργική εκμετάλλευση το 1992 και 54.153 εκτάρια το 2004, μείωση της τάξεως του 12%. Την ίδια περίοδο, οι υψηλά πυκνοκατοικημένες περιοχές υπερδιπλασιάστηκαν σε βάρος της αγροτικής γης. Παρόμοιες μεταβολές συνέβησαν και στα περίχωρα της πόλης, ιδιαίτερα στο ανατολικό, νοτιοδυτικό και βόρειο τμήμα. Περιοχές μέσης και χαμηλής πυκνότητας κατοίκησης επίσης μειώθηκαν. Περαιτέρω, η κορυφογραμμή του Δελχί υποχωρεί με ταχύτατους ρυθμούς, από 6,69% της συνολικής έκτασης της πόλης το 1992 σε 5,52% το 2004. Η μείωση οφείλεται στη συνεχή παράνομη κοπή δέντρων, λατομικές και κατασκευαστικές δραστηριότητες στο νοτιοανατολικό τμήμα της πόλης.

[[Εικόνα: rs_wiki_4_2.jpg| thumb| right| Εικόνα 2: Νυχτερινές επιφανειακές θερμοκρασίες στο Δελχί.Δεδομένα ASTER 2005]]
Για την εκτίμηση της επιφανειακής θερμοκρασίας στο Δελχί, χρησιμοποιήθηκαν δεδομένα ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) του 2001 και 2005 για τη χωρική ανάλυση της θερμικής δομής του αστικού περιβάλλοντος. Η έρευνα συμπεριέλαβε την ανάλυση των θερμικών νησίδων (επιφάνειες πολύ υψηλής θερμοκρασίας) καθώς συνδέονται άμεσα με τα φυσικά χαρακτηριστικά και τις αστικές χρήσεις. Η μέθοδος που χρησιμοποιήθηκε περιλάμβανε παραμέτρους επιφανειακών ροών θερμότητας, την κατασκευή στατιστικών από θερμικές υπέρυθρες εικόνες ASTER και τη χρήση Γεωγραφικών Συστημάτων Πληροφοριών για το συνδυασμό των πληροφοριών αυτών με πληροφορίες χρήσεων/καλύψεων γης. Οι τελικές εικόνες παρουσιάζουν χωρικές και χρονικές διακυμάνσεις της επιφανειακής θερμοκρασίας και διακριτά μικροκλιματικά μοτίβα. Η συνδυαστική ερμηνεία των θερμικών εικόνων και της ταξινόμησης των χρήσεων γης αναδεικνύουν τις επιδράσεις και τις συνέπειες των φυσικών ιδιοτήτων της επιφάνειας.

Η εκτιμώμενη επιφανειακή θερμοκρασία κυμαίνεται μεταξύ 26,93°C έως 38,88 °C και μέση τιμή τους 32,66°C. Οι κεντρικές και ανατολικές περιοχές, οι οποίες χαρακτηρίζονται από υψηλή πληθυσμιακή πυκνότητα, εμφανίζουν υψηλότερες θερμοκρασίες σε σχέση με τις λοιπές λιγότερο πυκνοκατοικημένες περιοχές που περιλαμβάνουν αγροτικές καλλιέργειες και χέρσες εκτάσεις. Παρόμοια αποτελέσματα διεξήχθησαν και κατά τη διάρκεια της νύχτας, με υψηλότερες θερμοκρασίες να εμφανίζουν οι πυκνοκατοικημένες περιοχές, τα υδάτινα σώματα, οι βιομηχανικές περιοχές αι τέλος οι περιοχές χαμηλής πυκνότητας κατοίκησης.

Συνοψίζοντας, οι δορυφορικές εικόνες επέτρεψαν τον εντοπισμό ειδικών καλύψεων γης όπως αυθαιρέτων, ταχέως αναπτυσσόμενων περιοχών, ανοιχτών χώρων και χώρων πρασίνου. Η μητροπολιτική περιοχή του Δελχί αναπτύσσεται ραγδαία, ιδίως σε περιοχές που προηγουμένως χρησιμοποιούνταν ως αγροτικές εκτάσεις. Η έρευνα επίσης ανέδειξε μεγάλη αύξηση του ποσοστού αδιαπέραστης γης, μείωση του υδάτινου όγκου και της αγροτικής γης, τα οποία συνδυαστικά απειλούν την υγεία και τη βιωσιμότητα της πρωτεύουσας της Ινδίας.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Ουάσινγκτον, ΗΠΑ: Μια αστική θερμική νησίδα

2013-02-12T18:15:23Z

Koutsopoulou:

'''Τίτλος'''

AN URBAN HEAT ISLAND: WASHINGTON, D.C.

'''Πηγή'''

[http://www.oneonta.edu/faculty/baumanpr/geosat2/Urban_Heat_Island_2/Urban_Heat_Island_Part_II.htm SUNY Oneonta]

'''Συγγραφέας'''

Professor Paul R. Baumann, Department of Geography, State University of New York

[[Εικόνα: Rs_wiki_2_1.JPG| thumb| right| Εικόνα 1: Ψευδέγχρωμο σύνθετο (κανάλια 6,4,4).]]
[[Εικόνα: Rs_wiki_2_2.JPG| thumb| left| Πίνακας 1: Μετατροπές θερμοκρασίας.]]
Η διερεύνηση του φαινομένου της αστικής θερμικής νήσου στην Ουάσινγκτον των Η.Π.Α. πραγματοποιήθηκε σε πρώτο στάδιο με τη δημιουργία μιας σύνθετης εικόνας ψευδούς χρωματισμού, με τη χρήση των καναλιών 6 (Thermal Infrared) και 4 (Near Infrared) δορυφορικών δεδομένων Landsat. Η διαβάθμιση του κόκκινου χρώματος αντιπροσωπεύει τις περιοχές με υψηλή έως πολύ υψηλή θερμοκρασία ενώ του μπλε χρώματος τις πιο ψυχρές.

Σε δεύτερο στάδιο, οι τιμές των δεδομένων που αντιστοιχούν στο κανάλι 6 μετατράπηκαν σε τιμές θερμοκρασίας Fahrenheit για τη δημιουργία ενός χάρτη θερμοκρασιών Fahrenheit σε ολόκληρη την εδαφική επικράτεια της Ουάσινγκτον. Περαιτέρω, χρησιμοποιήθηκαν απογραφικά δεδομένα, αεροφωτογραφίες και τοπογραφικοί χάρτες σε συνδυασμό με τα δεδομένα θερμοκρασίας για την ανάλυση δύο αστικών συνοικιών και ενός αστικού πάρκου, σε σχέση με τις δημογραφικές συνθήκες και τις χρήσεις γης. Αντικείμενο αποτελεί η διερεύνηση του βαθμού επίδρασης των συνθηκών αυτών στη διαμόρφωση των διαφόρων επιπέδων θερμοκρασίας.
Συγκεκριμένα, η NASA ανέπτυξε ένα απλό μοντέλο μετατροπής των τιμών των δεδομένων του καναλιού 6 σε βαθμούς Kelvin, Celsius, and Fahrenheit, χρησιμοποιώντας τις αρχικές και όχι τις βελτιωμένες τιμές των δεδομένων. Αφού προσδιορίστηκαν η ελάχιστη και η μέγιστη τιμή δεδομένων του καναλιού 6 της εικόνας (120 και 161 αντίστοιχα), υπολογίσθηκαν βάσει μαθηματικών τύπων οι τιμές θερμοκρασίας που αντιστοιχούν σε κάθε τιμή του καναλιού 6. [[Εικόνα: Rs_wiki_2_3.JPG| thumb| right| Σχήμα 1: Ιστόγραμμα πυκνότητας.]] Συγκεκριμένες τιμές θερμοκρασίας χρησιμοποιούνται για το διαχωρισμό κλάσεων στο χάρτη. Ως παράδειγμα αναφέρεται η θερμοκρασία 65.1 ως η πλησιέστερη τιμή στην κλάση των 65oF. Η τιμή αυτή θα χρησιμοποιηθεί για την ταξινόμηση των pixels που αντιστοιχούν σε θερμοκρασία 65oF και κάτω. Οι τελικές κλάσεις που επιλέγονται εμφανίζονται στον πίνακα με έντονη σκίαση. Στην περίπτωση των 65oF η ψηφιακή τιμή είναι 123.

Η τεχνική ταξινόμησης χρησιμοποιεί ένα ιστόγραμμα του καναλιού 6 για τη διάκριση των δεδομένων σε κατηγορίες ή κλάσεις, όπου τα χρώματα αντιπροσωπεύουν τις διαφορετικές κλάσεις. Μόλις το ιστόγραμμα διαιρεθεί σε επιμέρους κλάσεις, το EarthScenes δημιουργεί ένα χάρτη ταξινόμησης των επιμέρους κλάσεων θερμοκρασίας και ένα πίνακα με τον αριθμό των pixels που περιέχονται σε κάθε κλάση.

[[Εικόνα: Rs_wiki_2_5.JPG| thumb| left| Πίνακας 2: Αριθμός pixels.]]
[[Εικόνα: Rs_wiki_2_4.JPG| thumb| right| Εικόνα 2: Χάρτης θερμοκρασιών, Ουάσινγκτον 1990.]]
Ο τελικός χάρτης αποτελεί ένα αρκετά λεπτομερές προϊόν καθώς οι περισσότερες αστικές περιοχές διαθέτουν περιορισμένο αριθμό Μετεωρολογικών Σταθμών, οι οποίοι δεν είναι σε θέση να παράγουν τόσο εξειδικευμένους χάρτες. Οι έντονες διαβαθμίσεις της θερμοκρασίας σε μια σχετικά περιορισμένη έκταση αποτελούν ένα αξιοσημείωτο φαινόμενο.

[[category:Αντιμετώπιση / Πρόληψη κινδύνων]]

Κουτσοπούλου Αντωνία

2013-02-12T18:14:22Z

Koutsopoulou:

* [[Όψη της αστικής εξάπλωσης από το διάστημα]]
* [[Δορυφορικός εντοπισμός θερμικών νησίδων στις βορειοανατολικές Η.Π.Α.]]
* [[Ουάσινγκτον, ΗΠΑ: Μια αστική θερμική νησίδα]]
* [[Αστικές εφαρμογές τηλεπισκόπησης για μία ταχύτατα αναπτυσσόμενη μεγαλούπολη: Δελχί, Ινδία]]
* [[Πρόγραμμα GeoSat: Εφαρμογές Τηλεπισκόπησης για την παρακολούθηση της δυναμικης των Αστικών Συστημάτων]]
* [[Χρήση δορυφορικών εικόνων Landsat για την παρακολούθηση των υγροτόπων της Μεσογείου: Παραδείγματα από το πρόγραμμα GlobWetland-II]]
* [[Δορυφορικό ραντάρ αποκαλύπτει καθίζηση του εδάφους πάνω από ορυχεία άνθρακα]]
* [[Εκτίμηση της βιομάζας των τροπικών δασών με τη χρήση πολυφασματικών ραδιομετρικών εικόνων]]
* [[Δορυφορική παρακολούθηση της ποιότητας του νερού με τη βοήθεια φασματοσκοπίας]]
* [[Αντιμετώπιση φυσικών καταστροφών με τηλεπισκόπηση - Η περίπτωση του σεισμού και του τσουνάμι στην Ιαπωνία]]
* [[Συνδυασμός δορυφορικών δεδομένων και κυκλοφοριακών μοντέλων για την παρακολούθηση της πετρελαιοκηλίδας Deepwater Horizon]]
* [[Πολύ-χρονική δορυφορική ανίχνευση αλλαγών στο αστικό περιβάλλον]]
* [[Τηλεπισκόπηση - Μια αποτελεσματική πηγή δεδομένων για την παρακολούθηση του αστικού χώρου]]

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

Τηλεπισκόπηση - Μια αποτελεσματική πηγή δεδομένων για την παρακολούθηση του αστικού χώρου

2013-02-12T18:13:40Z

Koutsopoulou:

Τηλεπισκόπηση - Μια αποτελεσματική πηγή δεδομένων για την παρακολούθηση του αστικού χώρου

2013-02-12T18:11:39Z

Koutsopoulou:

'''Τίτλος'''

Remote Sensing – An Effective Data Source for Urban Monitoring

'''Πηγή'''

[http://www.earthzine.org/2011/07/20/remote-sensing-%E2%80%93-an-effective-data-source-for-urban-monitoring/ Earthzine]

'''Συγγραφείς'''

H. Taubenböck and T. Esch

Ο έλεγχος του αστικού χώρου συνεπάγεται πολλαπλές χρονικές παρατηρήσεις και μετρήσεις των μετασχηματισμών εντός των πόλεων. Το αστικό περιβάλλον είναι εξαιρετικά περίπλοκο, καθώς οι πόλεις αποτελούνται από ένα μεγάλο αριθμό ανθρώπων που ζουν σε κοντινή απόσταση και χαρακτηρίζονται από συνθήκες σχετικής πυκνότητας και ποικιλομορφίας σε δυναμικά αλληλένδετες διαδικασίες. Οι περισσότερες από τις συνθήκες και τις διαδικασίες σχετίζονται με το χώρο. Επομένως, για τη μέτρηση, την ανάλυση και την κατανόηση του αστικού περιβάλλοντος, των δυναμικών αλληλεπιδράσεων και των μόνιμων αλλαγών του, οι χωρικές πληροφορίες είναι ζωτικής σημασίας. Ως πηγή πληροφοριών, τα τηλεπισκοπικά δεδομένα είναι εγγενώς κατάλληλα για την παροχή πληροφοριών σχετικά με χαρακτηριστικά καλύψεων γης και των αλλαγών τους με την πάροδο του χρόνου, σε διάφορες χωρικές και χρονικές κλίμακες. Το παρόν άρθρο παρέχει μια επισκόπηση και παραδείγματα εφαρμογών του DLR (German Aerospace Center) για την επίδειξη των δυνατοτήτων και των περιορισμών της τηλεπισκόπησης στην παρακολούθηση του αστικού χώρου.

'''Αστικοποίηση'''
Η αστικοποίηση μπορεί ουσιαστικά να θεωρηθεί ως η μετάβαση από αγροτικές σε αστικές συνθήκες. Αυτό συνεπάγεται την αύξηση των ορίων μιας πόλης ή του δομημένου χώρου εν γένει. Η διαδικασία της αστικοποίησης μπορεί ουσιαστικά να προκληθεί από τρεις παράγοντες: τη φυσική αύξηση του πληθυσμού, τις τάσεις αστυφιλίας και την προσάρτηση μη αστικών περιοχών στο σχέδιο πόλης. Σύμφωνα με τις τελευταίες προβλέψεις των Ηνωμένων Εθνών σχεδόν ολόκληρη η αύξηση του πληθυσμού του πλανήτη για τα επόμενα 30 χρόνια θα απορροφηθεί από τις αστικές περιοχές.

Το πιο εμφανές αποτέλεσμα της αστικοποίησης είναι η χωρική επέκταση των πόλεων, που συχνά περιγράφεται ως «αστική εξάπλωση». Τα αίτια της αστικής ανάπτυξης και της εξάπλωσης των πόλεων ποικίλουν και αποτελούνται από μακρο-οικονομικούς και μικρο-οικονομικούς παράγοντες, δημογραφικούς παράγοντες, προτιμήσεις στέγασης, εσωτερικά προβλήματα της πόλης, ζητήματα μεταφορών και ρυθμιστικά πλαίσια.

Τα αίτια και οι συνέπειες της αστικοποίησης έχουν ως επί το πλείστον χωρική αναφορά. Για τις περισσότερες από τις προκλήσεις που σχετίζονται με την αστικοποίηση, η γνώση του χώρου απαιτείται για τον πολεοδομικό και χωροταξικό σχεδιασμό, την πολιτική, την επιστήμη, τη βιομηχανία και τους κατοίκους. Δεδομένου ότι η αστικοποίηση θα συνεχίσει να είναι μια από τις σημαντικότερες παγκόσμιες περιβαλλοντικές αλλαγές στο άμεσο μέλλον, η χωρική πληροφορία σχετικά με την τρέχουσα κατάσταση και η συνεχής γνώση των αλλαγών είναι ζωτικής σημασίας. Τα τηλεπισκοπικά δεδομένα αποτελούν κατάλληλη και ανεξάρτητη πηγή πληροφοριών σχετικά τον αστικό χώρο και τις αλλαγές του με την πάροδο του χρόνου, σε διάφορες χωρικές και χρονικές κλίμακες.

'''Οι δυνατότητες της τηλεπισκόπησης στην παρακολούθηση του αστικού χώρου'''

[[Εικόνα: rs_wiki_13_1.jpg| thumb| right| Εικόνα 1: Πολύ-αισθητηριακή ανάλυση της αστικής ανάπτυξης στην πόλη Μανίλα, Φιλιππίνες.]]
Η τηλεπισκόπηση επιτρέπει την ανεξάρτητη, γρήγορη, έγκαιρη, καθολική και σχετικά οικονομικά αποδοτική μετατροπή των δεδομένων (εικόνες) σε πληροφορίες. Χρησιμοποιώντας μια ποικιλία μεθοδολογιών, π.χ. στατιστικές και ταξινομήσεις, για αυτόματη εξαγωγή πληροφοριών για συγκεκριμένα σύνολα δεδομένων, αυτός ο μετασχηματισμός στοχεύει σε εφαρμόσιμα προϊόντα.

Για την πολυ-χρονική παρακολούθηση των αλλαγών στην επιφάνεια της γης υπάρχουν πολλαπλές τεχνικές. Τα τελευταία χρόνια η φασματική ανάλυση και η ενσωμάτωση Γεωγραφικών Συστημάτων Πληροφοριών και δεδομένων τηλεπισκόπησης έχουν αναχθεί σε σημαντικές τεχνικές ανίχνευσης των αλλαγών.

Η διαχρονική παρακολούθηση με τη χρήση τηλεπισκοπικών δεδομένων περιορίζεται στις διαθέσιμες πηγές δεδομένων. Έτσι, η παρακολούθηση για τα τελευταία 20 ή περισσότερα χρόνια μέχρι σήμερα στηρίζεται σε μέτριας ανάλυσης δεδομένα από αισθητήρες όπως Landsat, SPOT ή IRS. Η περιορισμένη γεωμετρική ανάλυση δεν επιτρέπει μεγάλη θεματική λεπτομέρεια, παρέχει όμως αρκετές πληροφορίες για την ανάλυση της χωρικής αστικής ανάπτυξης σε περιφερειακό επίπεδο, διακρίνοντας τις αστικοποιημένες και μη περιοχές.

[[Εικόνα: rs_wiki_13_2.jpg| thumb| right| Εικόνα 2: Ανάλυση της αστικής ανάπτυξης με τη χρήση εικόνων υψηλής ανάλυσης Ikonos από το (a) 2002 και (a) 2008 στη Βαρσοβία, Πολωνία. (c) Αντικειμενοστραφής ταξινόμηση για το 2002 (d Αντικειμενοστραφής ταξινόμηση για το 2008 (e) Διαχρονική διαφοροποίηση της ομοιογένειας (f) Διαχρονική διάκριση αλλαγών με βάση το NDVI.]]
[[Εικόνα: rs_wiki_13_3.jpg| thumb| right| Εικόνα 3: Μοντέλο 3D της παράκτιας πόλης Padang, Ινδονησία.]]
[[Εικόνα: rs_wiki_13_4.jpg| thumb| left| Εικόνα 4: Εκτίμηση και παρακολούθηση του πληθυσμού σε διαφορετικές χρονικές στιγμές της ημέρας με βάση το 3D μοντέλο πόλης της εικόνας 3. Η ροή πληθυσμού εμφανίζει περιοχές που κερδίζουν πληθυσμό κατά τη διάρκεια της ημέρας.]]
Η εικόνα 1 απεικονίζει το αποτέλεσμα της ανάλυσης της χωρικής ανάπτυξης από το 1975 μέχρι το 2010 στην πόλη Μανίλα των Φιλιππίνων, επισημαίνοντας την έντονη χωρική διάσταση της αστικής διάχυσης για τα τελευταία 35 χρόνια στις αναπτυσσόμενες χώρες. Τα επιμέρους σύνολα δεδομένων από το Landsat MSS το 1975 και Landsat TM το 1990 ταξινομήθηκαν χρησιμοποιώντας μια αντικειμενοστραφή προσέγγιση (object-oriented approach). Η ταξινόμηση των εικονοστοιχείων εφαρμόσθηκε για τον εντοπισμό του αστικού αποτυπώματος από δεδομένα TerraSAR-X για το 2010.

Με την άφιξη των δορυφορικών αισθητήρων υψηλής ανάλυσης κατά την τελευταία δεκαετία, οι προσεγγίσεις αστικής παρακολούθησης επιτρέπουν ένα υψηλότερο θεματικό και γεωμετρικό επίπεδο. Τεχνικές κατάτμησης (Segmentation techniques) ενισχύουν την αυτόματη ταξινόμηση χρησιμοποιώντας όχι μόνο φασματικά χαρακτηριστικά, αλλά επίσης το σχήμα, την υφή, την ιεραρχία και τη συνάφεια των πληροφοριών.

Οι εικόνες 2γ) και 2δ) δείχνουν δύο ξεχωριστά αποτελέσματα αντικειμενοστραφούς ταξινόμησης με βάση τις σχετικές εικόνες Ikonos από τα έτη 2002 και 2008 στη Βαρσοβία (εικόνες 2α και 2β). Η ταξινόμηση για την ανίχνευση των αλλαγών επιτρέπει τον εντοπισμό των περιοχών αστικοποίησης. Ωστόσο, η ακρίβεια ελαφρώς άνω του 80% κατά μέσο όρο ανά ταξινόμηση οδηγεί σε λάθη κατά την ανίχνευση των αλλαγών.

Οι εικόνες 2e) και f) δείχνουν μια διαφορετική προσέγγιση για τον εντοπισμό των μεταβολών. Ένας τεχνητός κατακερματισμός σκακιέρας χρησιμοποιείται για τον καθορισμό της χωρικής αναφοράς. Στη συγκεκριμένη περίπτωση χρησιμοποιήθηκε ένα πλέγμα των 100μ. Η «ομοιογένεια» των φασματικών τιμών σε αυτό το τεχνητό πλαίσιο υπολογίζεται για το 2002 και το 2008. Σε περίπτωση σημαντικής διαφοράς, η διαχρονική σύγκριση της υφής επιτρέπει τον εντοπισμό περιοχών με υψηλή πιθανότητα αλλαγών (2e). Η πολυ-χρονική σύγκριση εφαρμόσθηκε αναλογικά χρησιμοποιώντας το λόγο NDVI (Normalized Difference Vegetation Index). Οι δύο προσεγγίσεις ταυτοποιούν και εντοπίζουν τις περιοχές υψηλής πιθανότητας διαχρονικών μεταβολών. Ωστόσο, η τεχνητή σκακιέρα εμφανίζει επίσης προβλήματα ως προς τις οριακές αλλαγές σε σχέση με το μέγεθος του πλέγματος.

Τα ψηφιακά μοντέλα επιφάνειας LIDAR (Light Detection and Ranging) ή στερεο-εικόνες σε συνδυασμό με υψηλής ανάλυσης οπτικές τηλεπισκοπικές εικόνες έχουν χρησιμοποιηθεί ευρέως για την ταξινόμηση και μοντελοποίηση πόλεων σε 3D. Με τη χρήση υπερφασματικών δεδομένων μπορούν να προκύψουν ακόμη και πληροφορίες σχετικά με τα υλικά επιφάνειας (βλ. εικόνα 3).

Με βάση ένα τέτοιο 3D μοντέλο πόλης μπορούν να παραχθούν υψηλότερης κατάταξης προϊόντα, αναδεικνύοντας τις δυνατότητες παρακολούθησης του αστικού χώρου σε αυτή την κλίμακα: Κτιριακοί παράμετροι όπως ισόγειο, ύψος, τύπος οροφής ή αριθμός σπιτιών, σε συνδυασμό δομικές παραμέτρους όπως μέσο μέγεθος κτιρίου, πυκνότητα δόμησης, ποσοστό αδιαπέραστων επιφανειών και κυρίαρχα υλικά στέγης.

Για τη μελέτη περίπτωσης της πόλης Padang, χρησιμοποιήθηκε μια μέθοδος για την εκτίμηση της κατανομής του πληθυσμού σε συνάρτηση με το χρόνο. Ακριβείς πληροφορίες σχετικά με το μέγεθος του πληθυσμού ανά κτίριο σε διαφορετικές ώρες της ημέρας επιχειρήθηκε δειγματοληπτικά για 1.000 κτίρια κατανεμημένα σε όλη την πόλη. Διάφορες χρήσεις κτιρίων - κατοικία, εμπορική ή μικτή χρήση- χαρτογραφήθηκαν και ενσωματώθηκαν στο 3D μοντέλο της πόλης (βλ. εικόνα 3) ενώ παράλληλα φυσικές παράμετροι (π.χ. ύψη, τύπος οροφής, αδιαπέραστες επιφάνειες) συσχετίστηκαν με τις χρήσεις των κτιρίων.

Ο χώρος διαβίωσης υπολογίστηκε ως το ισόγειο πολλαπλασιαζόμενο με τον αριθμό των ορόφων και χρησιμοποιήθηκε για την εκτίμηση του μέσου όρου των κατοίκων ανά τετραγωνικό μέτρο σε διαφορετικές ώρες της ημέρας, σύμφωνα με τη χρήση. Η αξιολόγηση έδειξε ότι η δυναμική μεταβολή της κατανομής του πληθυσμού μπορεί να χαρτογραφηθεί σε επίπεδο κτιρίου στη σωστή διάσταση με ακρίβεια 65-90% (βλ. εικόνα 4).

[[category:Έλεγχος εφαρμογής πολεοδομικού σχεδιασμού]]

Τηλεπισκόπηση - Μια αποτελεσματική πηγή δεδομένων για την παρακολούθηση του αστικού χώρου

2013-02-12T18:07:57Z

Koutsopoulou:

'''Τίτλος'''

Remote Sensing – An Effective Data Source for Urban Monitoring

'''Πηγή'''

[http://www.earthzine.org/2011/07/20/remote-sensing-%E2%80%93-an-effective-data-source-for-urban-monitoring/ Earthzine]

'''Συγγραφείς'''

H. Taubenböck and T. Esch

Ο έλεγχος του αστικού χώρου συνεπάγεται πολλαπλές χρονικές παρατηρήσεις και μετρήσεις των μετασχηματισμών εντός των πόλεων. Το αστικό περιβάλλον είναι εξαιρετικά περίπλοκο, καθώς οι πόλεις αποτελούνται από ένα μεγάλο αριθμό ανθρώπων που ζουν σε κοντινή απόσταση και χαρακτηρίζονται από συνθήκες σχετικής πυκνότητας και ποικιλομορφίας σε δυναμικά αλληλένδετες διαδικασίες. Οι περισσότερες από τις συνθήκες και τις διαδικασίες σχετίζονται με το χώρο. Επομένως, για τη μέτρηση, την ανάλυση και την κατανόηση του αστικού περιβάλλοντος, των δυναμικών αλληλεπιδράσεων και των μόνιμων αλλαγών του, οι χωρικές πληροφορίες είναι ζωτικής σημασίας. Ως πηγή πληροφοριών, τα τηλεπισκοπικά δεδομένα είναι εγγενώς κατάλληλα για την παροχή πληροφοριών σχετικά με χαρακτηριστικά καλύψεων γης και των αλλαγών τους με την πάροδο του χρόνου, σε διάφορες χωρικές και χρονικές κλίμακες. Το παρόν άρθρο παρέχει μια επισκόπηση και παραδείγματα εφαρμογών του DLR (German Aerospace Center) για την επίδειξη των δυνατοτήτων και των περιορισμών της τηλεπισκόπησης στην παρακολούθηση του αστικού χώρου.

'''Αστικοποίηση'''
Η αστικοποίηση μπορεί ουσιαστικά να θεωρηθεί ως η μετάβαση από αγροτικές σε αστικές συνθήκες. Αυτό συνεπάγεται την αύξηση των ορίων μιας πόλης ή του δομημένου χώρου εν γένει. Η διαδικασία της αστικοποίησης μπορεί ουσιαστικά να προκληθεί από τρεις παράγοντες: τη φυσική αύξηση του πληθυσμού, τις τάσεις αστυφιλίας και την προσάρτηση μη αστικών περιοχών στο σχέδιο πόλης. Σύμφωνα με τις τελευταίες προβλέψεις των Ηνωμένων Εθνών σχεδόν ολόκληρη η αύξηση του πληθυσμού του πλανήτη για τα επόμενα 30 χρόνια θα απορροφηθεί από τις αστικές περιοχές.

Το πιο εμφανές αποτέλεσμα της αστικοποίησης είναι η χωρική επέκταση των πόλεων, που συχνά περιγράφεται ως «αστική εξάπλωση». Τα αίτια της αστικής ανάπτυξης και της εξάπλωσης των πόλεων ποικίλουν και αποτελούνται από μακρο-οικονομικούς και μικρο-οικονομικούς παράγοντες, δημογραφικούς παράγοντες, προτιμήσεις στέγασης, εσωτερικά προβλήματα της πόλης, ζητήματα μεταφορών και ρυθμιστικά πλαίσια.

Τα αίτια και οι συνέπειες της αστικοποίησης έχουν ως επί το πλείστον χωρική αναφορά. Για τις περισσότερες από τις προκλήσεις που σχετίζονται με την αστικοποίηση, η γνώση του χώρου απαιτείται για τον πολεοδομικό και χωροταξικό σχεδιασμό, την πολιτική, την επιστήμη, τη βιομηχανία και τους κατοίκους. Δεδομένου ότι η αστικοποίηση θα συνεχίσει να είναι μια από τις σημαντικότερες παγκόσμιες περιβαλλοντικές αλλαγές στο άμεσο μέλλον, η χωρική πληροφορία σχετικά με την τρέχουσα κατάσταση και η συνεχής γνώση των αλλαγών είναι ζωτικής σημασίας. Τα τηλεπισκοπικά δεδομένα αποτελούν κατάλληλη και ανεξάρτητη πηγή πληροφοριών σχετικά τον αστικό χώρο και τις αλλαγές του με την πάροδο του χρόνου, σε διάφορες χωρικές και χρονικές κλίμακες.

'''Οι δυνατότητες της τηλεπισκόπησης στην παρακολούθηση του αστικού χώρου'''

[[Εικόνα: rs_wiki_13_1.jpg| thumb| right| Εικόνα 1: Πολύ-αισθητηριακή ανάλυση της αστικής ανάπτυξης στην πόλη Μανίλα, Φιλιππίνες.]]
Η τηλεπισκόπηση επιτρέπει την ανεξάρτητη, γρήγορη, έγκαιρη, καθολική και σχετικά οικονομικά αποδοτική μετατροπή των δεδομένων (εικόνες) σε πληροφορίες. Χρησιμοποιώντας μια ποικιλία μεθοδολογιών, π.χ. στατιστικές και ταξινομήσεις, για αυτόματη εξαγωγή πληροφοριών για συγκεκριμένα σύνολα δεδομένων, αυτός ο μετασχηματισμός στοχεύει σε εφαρμόσιμα προϊόντα.

Για την πολυ-χρονική παρακολούθηση των αλλαγών στην επιφάνεια της γης υπάρχουν πολλαπλές τεχνικές. Τα τελευταία χρόνια η φασματική ανάλυση και η ενσωμάτωση Γεωγραφικών Συστημάτων Πληροφοριών και δεδομένων τηλεπισκόπησης έχουν αναχθεί σε σημαντικές τεχνικές ανίχνευσης των αλλαγών.

Η διαχρονική παρακολούθηση με τη χρήση τηλεπισκοπικών δεδομένων περιορίζεται στις διαθέσιμες πηγές δεδομένων. Έτσι, η παρακολούθηση για τα τελευταία 20 ή περισσότερα χρόνια μέχρι σήμερα στηρίζεται σε μέτριας ανάλυσης δεδομένα από αισθητήρες όπως Landsat, SPOT ή IRS. Η περιορισμένη γεωμετρική ανάλυση δεν επιτρέπει μεγάλη θεματική λεπτομέρεια, παρέχει όμως αρκετές πληροφορίες για την ανάλυση της χωρικής αστικής ανάπτυξης σε περιφερειακό επίπεδο, διακρίνοντας τις αστικοποιημένες και μη περιοχές.

[[Εικόνα: rs_wiki_13_2.jpg| thumb| right| Εικόνα 2: Ανάλυση της αστικής ανάπτυξης με τη χρήση εικόνων υψηλής ανάλυσης Ikonos από το (a) 2002 και (a) 2008 στη Βαρσοβία, Πολωνία. (c) Αντικειμενοστραφής ταξινόμηση για το 2002 (d Αντικειμενοστραφής ταξινόμηση για το 2008 (e) Διαχρονική διαφοροποίηση της ομοιογένειας (f) Διαχρονική διάκριση αλλαγών με βάση το NDVI.]]
[[Εικόνα: rs_wiki_13_3.jpg| thumb| right| Εικόνα 3: Μοντέλο 3D της παράκτιας πόλης Padang, Ινδονησία.]]
[[Εικόνα: rs_wiki_13_4.jpg| thumb| left| Εικόνα 4: Εκτίμηση και παρακολούθηση του πληθυσμού σε διαφορετικές χρονικές στιγμές της ημέρας με βάση το 3D μοντέλο πόλης της εικόνας 3. Η ροή πληθυσμού εμφανίζει περιοχές που κερδίζουν πληθυσμό κατά τη διάρκεια της ημέρας.]]
Η εικόνα 1 απεικονίζει το αποτέλεσμα της ανάλυσης της χωρικής ανάπτυξης από το 1975 μέχρι το 2010 στην πόλη Μανίλα των Φιλιππίνων, επισημαίνοντας την έντονη χωρική διάσταση της αστικής διάχυσης για τα τελευταία 35 χρόνια στις αναπτυσσόμενες χώρες. Τα επιμέρους σύνολα δεδομένων από το Landsat MSS το 1975 και Landsat TM το 1990 ταξινομήθηκαν χρησιμοποιώντας μια αντικειμενοστραφή προσέγγιση (object-oriented approach). Η ταξινόμηση των εικονοστοιχείων εφαρμόσθηκε για τον εντοπισμό του αστικού αποτυπώματος από δεδομένα TerraSAR-X για το 2010.

Με την άφιξη των δορυφορικών αισθητήρων υψηλής ανάλυσης κατά την τελευταία δεκαετία, οι προσεγγίσεις αστικής παρακολούθησης επιτρέπουν ένα υψηλότερο θεματικό και γεωμετρικό επίπεδο. Τεχνικές κατάτμησης (Segmentation techniques) ενισχύουν την αυτόματη ταξινόμηση χρησιμοποιώντας όχι μόνο φασματικά χαρακτηριστικά, αλλά επίσης το σχήμα, την υφή, την ιεραρχία και τη συνάφεια των πληροφοριών.

Οι εικόνες 2γ) και 2δ) δείχνουν δύο ξεχωριστά αποτελέσματα αντικειμενοστραφούς ταξινόμησης με βάση τις σχετικές εικόνες Ikonos από τα έτη 2002 και 2008 στη Βαρσοβία (εικόνες 2α και 2β). Η ταξινόμηση για την ανίχνευση των αλλαγών επιτρέπει τον εντοπισμό των περιοχών αστικοποίησης. Ωστόσο, η ακρίβεια ελαφρώς άνω του 80% κατά μέσο όρο ανά ταξινόμηση οδηγεί σε λάθη κατά την ανίχνευση των αλλαγών.

Οι εικόνες 2e) και f) δείχνουν μια διαφορετική προσέγγιση για τον εντοπισμό των μεταβολών. Ένας τεχνητός κατακερματισμός σκακιέρας χρησιμοποιείται για τον καθορισμό της χωρικής αναφοράς. Στη συγκεκριμένη περίπτωση χρησιμοποιήθηκε ένα πλέγμα των 100μ. Η «ομοιογένεια» των φασματικών τιμών σε αυτό το τεχνητό πλαίσιο υπολογίζεται για το 2002 και το 2008. Σε περίπτωση σημαντικής διαφοράς, η διαχρονική σύγκριση της υφής επιτρέπει τον εντοπισμό περιοχών με υψηλή πιθανότητα αλλαγών (2e). Η πολυ-χρονική σύγκριση εφαρμόσθηκε αναλογικά χρησιμοποιώντας το λόγο NDVI (Normalized Difference Vegetation Index). Οι δύο προσεγγίσεις ταυτοποιούν και εντοπίζουν τις περιοχές υψηλής πιθανότητας διαχρονικών μεταβολών. Ωστόσο, η τεχνητή σκακιέρα εμφανίζει επίσης προβλήματα ως προς τις οριακές αλλαγές σε σχέση με το μέγεθος του πλέγματος.

Τα ψηφιακά μοντέλα επιφάνειας LIDAR (Light Detection and Ranging) ή στερεο-εικόνες σε συνδυασμό με υψηλής ανάλυσης οπτικές τηλεπισκοπικές εικόνες έχουν χρησιμοποιηθεί ευρέως για την ταξινόμηση και μοντελοποίηση πόλεων σε 3D. Με τη χρήση υπερφασματικών δεδομένων μπορούν να προκύψουν ακόμη και πληροφορίες σχετικά με τα υλικά επιφάνειας (βλ. εικόνα 3).

Με βάση ένα τέτοιο 3D μοντέλο πόλης μπορούν να παραχθούν υψηλότερης κατάταξης προϊόντα, αναδεικνύοντας τις δυνατότητες παρακολούθησης του αστικού χώρου σε αυτή την κλίμακα: Κτιριακοί παράμετροι όπως ισόγειο, ύψος, τύπος οροφής ή αριθμός σπιτιών, σε συνδυασμό δομικές παραμέτρους όπως μέσο μέγεθος κτιρίου, πυκνότητα δόμησης, ποσοστό αδιαπέραστων επιφανειών και κυρίαρχα υλικά στέγης.

Για τη μελέτη περίπτωσης της πόλης Padang, χρησιμοποιήθηκε μια μέθοδος για την εκτίμηση της κατανομής του πληθυσμού σε συνάρτηση με το χρόνο. Ακριβείς πληροφορίες σχετικά με το μέγεθος του πληθυσμού ανά κτίριο σε διαφορετικές ώρες της ημέρας επιχειρήθηκε δειγματοληπτικά για 1.000 κτίρια κατανεμημένα σε όλη την πόλη. Διάφορες χρήσεις κτιρίων - κατοικία, εμπορική ή μικτή χρήση- χαρτογραφήθηκαν και ενσωματώθηκαν στο 3D μοντέλο της πόλης (βλ. εικόνα 3.) ενώ παράλληλα φυσικές παράμετροι (π.χ. ύψη, τύπος οροφής, αδιαπέραστες επιφάνειες) συσχετίστηκαν με τις χρήσεις των κτιρίων.

Ο χώρος διαβίωσης υπολογίστηκε ως το ισόγειο πολλαπλασιαζόμενο με τον αριθμό των ορόφων και χρησιμοποιήθηκε για την εκτίμηση του μέσου όρου των κατοίκων ανά τετραγωνικό μέτρο σε διαφορετικές ώρες της ημέρας, σύμφωνα με τη χρήση. Η αξιολόγηση έδειξε ότι η δυναμική μεταβολή της κατανομής του πληθυσμού μπορεί να χαρτογραφηθεί σε επίπεδο κτιρίου στη σωστή διάσταση με ακρίβεια 65-90%.

[[category:Έλεγχος εφαρμογής πολεοδομικού σχεδιασμού]]

Τηλεπισκόπηση - Μια αποτελεσματική πηγή δεδομένων για την παρακολούθηση του αστικού χώρου

2013-02-12T18:03:57Z

Koutsopoulou:

'''Τίτλος'''

Remote Sensing – An Effective Data Source for Urban Monitoring

'''Πηγή'''

[http://www.earthzine.org/2011/07/20/remote-sensing-%E2%80%93-an-effective-data-source-for-urban-monitoring/ Earthzine]

'''Συγγραφείς'''

H. Taubenböck and T. Esch

Ο έλεγχος του αστικού χώρου συνεπάγεται πολλαπλές χρονικές παρατηρήσεις και μετρήσεις των μετασχηματισμών εντός των πόλεων. Το αστικό περιβάλλον είναι εξαιρετικά περίπλοκο, καθώς οι πόλεις αποτελούνται από ένα μεγάλο αριθμό ανθρώπων που ζουν σε κοντινή απόσταση και χαρακτηρίζονται από συνθήκες σχετικής πυκνότητας και ποικιλομορφίας σε δυναμικά αλληλένδετες διαδικασίες. Οι περισσότερες από τις συνθήκες και τις διαδικασίες σχετίζονται με το χώρο. Επομένως, για τη μέτρηση, την ανάλυση και την κατανόηση του αστικού περιβάλλοντος, των δυναμικών αλληλεπιδράσεων και των μόνιμων αλλαγών του, οι χωρικές πληροφορίες είναι ζωτικής σημασίας. Ως πηγή πληροφοριών, τα τηλεπισκοπικά δεδομένα είναι εγγενώς κατάλληλα για την παροχή πληροφοριών σχετικά με χαρακτηριστικά καλύψεων γης και των αλλαγών τους με την πάροδο του χρόνου, σε διάφορες χωρικές και χρονικές κλίμακες. Το παρόν άρθρο παρέχει μια επισκόπηση και παραδείγματα εφαρμογών του DLR (German Aerospace Center) για την επίδειξη των δυνατοτήτων και των περιορισμών της τηλεπισκόπησης στην παρακολούθηση του αστικού χώρου.

'''Αστικοποίηση'''
Η αστικοποίηση μπορεί ουσιαστικά να θεωρηθεί ως η μετάβαση από αγροτικές σε αστικές συνθήκες. Αυτό συνεπάγεται την αύξηση των ορίων μιας πόλης ή του δομημένου χώρου εν γένει. Η διαδικασία της αστικοποίησης μπορεί ουσιαστικά να προκληθεί από τρεις παράγοντες: τη φυσική αύξηση του πληθυσμού, τις τάσεις αστυφιλίας και την προσάρτηση μη αστικών περιοχών στο σχέδιο πόλης. Σύμφωνα με τις τελευταίες προβλέψεις των Ηνωμένων Εθνών σχεδόν ολόκληρη η αύξηση του πληθυσμού του πλανήτη για τα επόμενα 30 χρόνια θα απορροφηθεί από τις αστικές περιοχές.

Το πιο εμφανές αποτέλεσμα της αστικοποίησης είναι η χωρική επέκταση των πόλεων, που συχνά περιγράφεται ως «αστική εξάπλωση». Τα αίτια της αστικής ανάπτυξης και της εξάπλωσης των πόλεων ποικίλουν και αποτελούνται από μακρο-οικονομικούς και μικρο-οικονομικούς παράγοντες, δημογραφικούς παράγοντες, προτιμήσεις στέγασης, εσωτερικά προβλήματα της πόλης, ζητήματα μεταφορών και ρυθμιστικά πλαίσια.

Τα αίτια και οι συνέπειες της αστικοποίησης έχουν ως επί το πλείστον χωρική αναφορά. Για τις περισσότερες από τις προκλήσεις που σχετίζονται με την αστικοποίηση, η γνώση του χώρου απαιτείται για τον πολεοδομικό και χωροταξικό σχεδιασμό, την πολιτική, την επιστήμη, τη βιομηχανία και τους κατοίκους. Δεδομένου ότι η αστικοποίηση θα συνεχίσει να είναι μια από τις σημαντικότερες παγκόσμιες περιβαλλοντικές αλλαγές στο άμεσο μέλλον, η χωρική πληροφορία σχετικά με την τρέχουσα κατάσταση και η συνεχής γνώση των αλλαγών είναι ζωτικής σημασίας. Τα τηλεπισκοπικά δεδομένα αποτελούν κατάλληλη και ανεξάρτητη πηγή πληροφοριών σχετικά τον αστικό χώρο και τις αλλαγές του με την πάροδο του χρόνου, σε διάφορες χωρικές και χρονικές κλίμακες.

'''Οι δυνατότητες της τηλεπισκόπησης στην παρακολούθηση του αστικού χώρου'''

Η τηλεπισκόπηση επιτρέπει την ανεξάρτητη, γρήγορη, έγκαιρη, καθολική και σχετικά οικονομικά αποδοτική μετατροπή των δεδομένων (εικόνες) σε πληροφορίες. Χρησιμοποιώντας μια ποικιλία μεθοδολογιών, π.χ. στατιστικές και ταξινομήσεις, για αυτόματη εξαγωγή πληροφοριών για συγκεκριμένα σύνολα δεδομένων, αυτός ο μετασχηματισμός στοχεύει σε εφαρμόσιμα προϊόντα.

Για την πολυ-χρονική παρακολούθηση των αλλαγών στην επιφάνεια της γης υπάρχουν πολλαπλές τεχνικές. Τα τελευταία χρόνια η φασματική ανάλυση και η ενσωμάτωση Γεωγραφικών Συστημάτων Πληροφοριών και δεδομένων τηλεπισκόπησης έχουν αναχθεί σε σημαντικές τεχνικές ανίχνευσης των αλλαγών.

Η διαχρονική παρακολούθηση με τη χρήση τηλεπισκοπικών δεδομένων περιορίζεται στις διαθέσιμες πηγές δεδομένων. Έτσι, η παρακολούθηση για τα τελευταία 20 ή περισσότερα χρόνια μέχρι σήμερα στηρίζεται σε μέτριας ανάλυσης δεδομένα από αισθητήρες όπως Landsat, SPOT ή IRS. Η περιορισμένη γεωμετρική ανάλυση δεν επιτρέπει μεγάλη θεματική λεπτομέρεια, παρέχει όμως αρκετές πληροφορίες για την ανάλυση της χωρικής αστικής ανάπτυξης σε περιφερειακό επίπεδο, διακρίνοντας τις αστικοποιημένες και μη περιοχές.

[[Εικόνα: rs_wiki_13_1.jpg| thumb| right| Εικόνα 1: Πολύ-αισθητηριακή ανάλυση της αστικής ανάπτυξης στην πόλη Μανίλα, Φιλιππίνες.]]
Η εικόνα 1 απεικονίζει το αποτέλεσμα της ανάλυσης της χωρικής ανάπτυξης από το 1975 μέχρι το 2010 στην πόλη Μανίλα των Φιλιππίνων, επισημαίνοντας την έντονη χωρική διάσταση της αστικής διάχυσης για τα τελευταία 35 χρόνια στις αναπτυσσόμενες χώρες. Τα επιμέρους σύνολα δεδομένων από το Landsat MSS το 1975 και Landsat TM το 1990 ταξινομήθηκαν χρησιμοποιώντας μια αντικειμενοστραφή προσέγγιση (object-oriented approach). Η ταξινόμηση των εικονοστοιχείων εφαρμόσθηκε για τον εντοπισμό του αστικού αποτυπώματος από δεδομένα TerraSAR-X για το 2010.

Με την άφιξη των δορυφορικών αισθητήρων υψηλής ανάλυσης κατά την τελευταία δεκαετία, οι προσεγγίσεις αστικής παρακολούθησης επιτρέπουν ένα υψηλότερο θεματικό και γεωμετρικό επίπεδο. Τεχνικές κατάτμησης (Segmentation techniques) ενισχύουν την αυτόματη ταξινόμηση χρησιμοποιώντας όχι μόνο φασματικά χαρακτηριστικά, αλλά επίσης το σχήμα, την υφή, την ιεραρχία και τη συνάφεια των πληροφοριών.

Οι εικόνες 2γ) και 2δ) δείχνουν δύο ξεχωριστά αποτελέσματα αντικειμενοστραφούς ταξινόμησης με βάση τις σχετικές εικόνες Ikonos από τα έτη 2002 και 2008 στη Βαρσοβία (εικόνες 2α και 2β). Η ταξινόμηση για την ανίχνευση των αλλαγών επιτρέπει τον εντοπισμό των περιοχών αστικοποίησης. Ωστόσο, η ακρίβεια ελαφρώς άνω του 80% κατά μέσο όρο ανά ταξινόμηση οδηγεί σε λάθη κατά την ανίχνευση των αλλαγών.

Οι εικόνες 2e) και f) δείχνουν μια διαφορετική προσέγγιση για τον εντοπισμό των μεταβολών. Ένας τεχνητός κατακερματισμός σκακιέρας χρησιμοποιείται για τον καθορισμό της χωρικής αναφοράς. Στη συγκεκριμένη περίπτωση χρησιμοποιήθηκε ένα πλέγμα των 100μ. Η «ομοιογένεια» των φασματικών τιμών σε αυτό το τεχνητό πλαίσιο υπολογίζεται για το 2002 και το 2008. Σε περίπτωση σημαντικής διαφοράς, η διαχρονική σύγκριση της υφής επιτρέπει τον εντοπισμό περιοχών με υψηλή πιθανότητα αλλαγών (2e). Η πολυ-χρονική σύγκριση εφαρμόσθηκε αναλογικά χρησιμοποιώντας το λόγο NDVI (Normalized Difference Vegetation Index). Οι δύο προσεγγίσεις ταυτοποιούν και εντοπίζουν τις περιοχές υψηλής πιθανότητας διαχρονικών μεταβολών. Ωστόσο, η τεχνητή σκακιέρα εμφανίζει επίσης προβλήματα ως προς τις οριακές αλλαγές σε σχέση με το μέγεθος του πλέγματος.

Τα ψηφιακά μοντέλα επιφάνειας LIDAR (Light Detection and Ranging) ή στερεο-εικόνες σε συνδυασμό με υψηλής ανάλυσης οπτικές τηλεπισκοπικές εικόνες έχουν χρησιμοποιηθεί ευρέως για την ταξινόμηση και μοντελοποίηση πόλεων σε 3D. Με τη χρήση υπερφασματικών δεδομένων μπορούν να προκύψουν ακόμη και πληροφορίες σχετικά με τα υλικά επιφάνειας (βλ. εικόνα 3).

Με βάση ένα τέτοιο 3D μοντέλο πόλης μπορούν να παραχθούν υψηλότερης κατάταξης προϊόντα, αναδεικνύοντας τις δυνατότητες παρακολούθησης του αστικού χώρου σε αυτή την κλίμακα: Κτιριακοί παράμετροι όπως ισόγειο, ύψος, τύπος οροφής ή αριθμός σπιτιών, σε συνδυασμό δομικές παραμέτρους όπως μέσο μέγεθος κτιρίου, πυκνότητα δόμησης, ποσοστό αδιαπέραστων επιφανειών και κυρίαρχα υλικά στέγης.

Για τη μελέτη περίπτωσης της πόλης Padang, χρησιμοποιήθηκε μια μέθοδος για την εκτίμηση της κατανομής του πληθυσμού σε συνάρτηση με το χρόνο. Ακριβείς πληροφορίες σχετικά με το μέγεθος του πληθυσμού ανά κτίριο σε διαφορετικές ώρες της ημέρας επιχειρήθηκε δειγματοληπτικά για 1.000 κτίρια κατανεμημένα σε όλη την πόλη. Διάφορες χρήσεις κτιρίων - κατοικία, εμπορική ή μικτή χρήση- χαρτογραφήθηκαν και ενσωματώθηκαν στο 3D μοντέλο της πόλης (βλ. εικόνα 3.) ενώ παράλληλα φυσικές παράμετροι (π.χ. ύψη, τύπος οροφής, αδιαπέραστες επιφάνειες) συσχετίστηκαν με τις χρήσεις των κτιρίων.

Ο χώρος διαβίωσης υπολογίστηκε ως το ισόγειο πολλαπλασιαζόμενο με τον αριθμό των ορόφων και χρησιμοποιήθηκε για την εκτίμηση του μέσου όρου των κατοίκων ανά τετραγωνικό μέτρο σε διαφορετικές ώρες της ημέρας, σύμφωνα με τη χρήση. Η αξιολόγηση έδειξε ότι η δυναμική μεταβολή της κατανομής του πληθυσμού μπορεί να χαρτογραφηθεί σε επίπεδο κτιρίου στη σωστή διάσταση με ακρίβεια 65-90%.

[[category:Έλεγχος εφαρμογής πολεοδομικού σχεδιασμού]]

Αρχείο:Rs wiki 13 4.jpg

2013-02-12T17:58:40Z

Koutsopoulou:

Αρχείο:Rs wiki 13 3.jpg

2013-02-12T17:58:28Z

Koutsopoulou:

Αρχείο:Rs wiki 13 2.jpg

2013-02-12T17:58:16Z

Koutsopoulou:

Αρχείο:Rs wiki 13 1.jpg

2013-02-12T17:58:04Z

Koutsopoulou:

Τηλεπισκόπηση - Μια αποτελεσματική πηγή δεδομένων για την παρακολούθηση του αστικού χώρου

2013-02-12T17:57:14Z

Koutsopoulou: Νέα σελίδα με 'Add Your Content Here category:Έλεγχος εφαρμογής πολεοδομικού σχεδιασμού'

Add Your Content Here

[[category:Έλεγχος εφαρμογής πολεοδομικού σχεδιασμού]]

Κουτσοπούλου Αντωνία

2013-02-12T17:51:08Z

Koutsopoulou:

* [[Όψη της αστικής εξάπλωσης από το διάστημα]]
* [[Δορυφορικός εντοπισμός θερμικών νησίδων στις βορειοανατολικές Η.Π.Α.]]
* [[Ουάσινγκτον, ΗΠΑ: Μια αστική θερμική νησίδα]]
* [[Αστικές εφαρμογές τηλεπισκόπησης για μία ταχύτατα αναπτυσσόμενη μεγαλούπολη: Δελχί, Ινδία]]
* [[Πρόγραμμα GeoSat: Εφαρμογές Τηλεπισκόπησης για την παρακολούθηση της δυναμικης των Αστικών Συστημάτων]]
* [[Χρήση δορυφορικών εικόνων Landsat για την παρακολούθηση των υγροτόπων της Μεσογείου: Παραδείγματα από το πρόγραμμα GlobWetland-II]]
* [[Δορυφορικό ραντάρ αποκαλύπτει καθίζηση του εδάφους πάνω από ορυχεία άνθρακα]]
* [[Εκτίμηση της βιομάζας των τροπικών δασών με τη χρήση πολυφασματικών ραδιομετρικών εικόνων]]
* [[Δορυφορική παρακολούθηση της ποιότητας του νερού με τη βοήθεια φασματοσκοπίας]]
* [[Αντιμετώπιση φυσικών καταστροφών με τηλεπισκόπηση - Η περίπτωση του σεισμού και του τσουνάμι στην Ιαπωνία]]
* [[Συνδυασμός δορυφορικών δεδομένων και κυκλοφοριακών μοντέλων για την παρακολούθηση της πετρελαιοκηλίδας Deepwater Horizon]]
* [[Πολύ-χρονική δορυφορική ανίχνευση αλλαγών στο αστικό περιβάλλον]]

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

Πολύ-χρονική δορυφορική ανίχνευση αλλαγών στο αστικό περιβάλλον

2013-02-12T17:50:11Z

Koutsopoulou:

'''Τίτλος'''

Satellite-based multitemporal-change detection in urban environments

'''Πηγή'''

[http://spie.org/x44379.xml?highlight=x2420&ArticleID=x44379 SPIE]

'''Συγγραφέας'''

Ni-Bin Chang

[[Εικόνα: rs_wiki_12_1.jpg| thumb| right| Εικόνα 1: Τοποθεσία της περιοχής Dalian και αντίστοιχες εικόνες SPOT-5 του 2003 και 2007.]]
Αστικοποίηση ορίζεται η φυσική ανάπτυξη των αστικών περιοχών. Η βελτίωση της διαχείρισης της γης εξαρτάται σε μεγάλο βαθμό από την ικανότητα παρακολούθησης της αλλαγής χρήσεων-καλύψεων γης σε πραγματικό χρόνο, έτσι ώστε να μπορούν να αντιμετωπιστούν έγκαιρα και επαρκώς μια σειρά από αστικά/αγροτικά αναπτυξιακά ζητήματα. Η ανάλυση των δορυφορικών αισθητήρων και η υπολογιστική ικανότητα των ταξινομητών που χρησιμοποιούνται για την επεξεργασία της εικόνας πρέπει να είναι καλά ενσωματωμένοι στην ανίχνευση των αλλαγών, πολυχρονικών και μη. Αυτό μπορεί να οδηγήσει σε βελτιώσεις στη διαχείριση της γης και των παράκτιων περιοχών, στον περιορισμό των κινδύνων, στην αντιμετώπιση καταστάσεων έκτακτης ανάγκης και εν γένει στο σχεδιασμό. Η τεχνολογία δορυφορικής τηλεπισκόπησης υψηλής ανάλυσης και η επιστήμη που συνδέεται με την αξιολόγηση των χρήσεων και καλύψεων γης σε αστικές περιοχές (LULC) χρησιμοποιούν ένα ευρύ φάσμα εικόνων και αλγορίθμων για διάφορες εφαρμογές.

Μελέτες ταξινόμησης δορυφορικών εικόνων χρησιμοποιούν στατιστικές μεθόδους, όπως ταξινόμηση μεγίστης πιθανοφάνειας και πλησιέστερου σημείου. Τα τελευταία χρόνια, μέθοδοι που βασίζονται στην τεχνητή νοημοσύνη και σε τεχνικές μηχανικής μάθησης έχουν γίνει δημοφιλείς. Ωστόσο, οι υπάρχουσες τεχνικές επεξεργασίας με τη χρήση μεθόδων LULC είναι συχνά χρονοβόρες, επίπονες και κουραστικές στη χρήση, με αποτέλεσμα τη μη διαθεσιμότητα των αποτελεσμάτων εντός του καθορισμένου χρονικού πλαισίου. Στην παρούσα έρευνα αναπτύχθηκε μια νέα μέθοδος ταξινόμησης με τη χρήση εικόνων SPOT-5, ανάλυσης 2,5μ., για την παρακολούθηση της παράκτιας ζώνης, τις αστικές/αγροτικές αλληλεπιδράσεις και τις αλλαγές στο οικοσύστημα στο Νταλιάν (Κίνα). Κατασκευάστηκε ένας ταξινομητής με βάση το Lanczos (partial extreme-learning machine,PL-ELM), ένα νέο αλγόριθμο με γρήγορη ταχύτητα μάθησης και εξαιρετική απόδοση γενίκευσης.

[[Εικόνα: rs_wiki_12_2.jpg| thumb| right| Εικόνα 2: Τελικά αποτελέσματα ταξινόμησης βάσει εικόνων του (α) 2003 και (β) 2007 με τη χρήση Lanczos.]]
Ως μελέτη περίπτωσης επιλέχθηκε η περιοχή Νταλιάν με βάση εικόνες που συλλέχθηκαν κατά το 2003 και 2007 (βλ. εικόνα 1), η οποία υποστηρίζει πλήρως τις ανάγκες παρακολούθησης και βοηθά στην ανίχνευση ταχέων αλλαγών όσον αφορά τις αστικές επεκτάσεις. Δεδομένου ότι διαφορετικές τάξεις αποτελεσμάτων LULC μπορεί να έχουν παρόμοια φασματικά χαρακτηριστικά, πραγματοποιήθηκε εξαγωγή χαρακτηριστικών υφής και δεικτών βλάστησης, τα οποία συμπεριλήφθηκαν στη διαδικασία ταξινόμησης για την ενίσχυση της ακρίβειας των αποτελεσμάτων. Προστέθηκαν νέα χαρακτηριστικά στα pixels της εικόνας και εισήχθη ο «κανονικοποιημένος δείκτης βλάστησης» καθώς και τέσσερα χαρακτηριστικά υφής (γωνιακή ροπή αδράνειας, αντίθεση, συσχέτιση και ομοιογένεια). Η επικύρωση της διαδικασίας με βάση πραγματικά δεδομένα εδάφους και συγκρίσεις με τις γνωστές μεθόδους ταξινόμησης αποδεικνύει την αξιοπιστία της προτεινόμενης προσέγγισης PL-ELM ως προς την ακρίβεια ταξινόμησης και την ταχύτητα επεξεργασίας. Τα χαρακτηριστικά LULC διακρίθηκαν σε έξι μεγάλες κατηγορίες, συμπεριλαμβανομένων των υδάτων, δασών, βοσκοτόπων, γυμνών γηπέδων, κτιρίων και δρόμων. Στη συνέχεια έγινε σύγκριση της ακρίβειας ταξινόμησης για όλους τους βασικούς τύπους, για τον καθορισμό της συνολικής ακρίβειας καθώς και των συντελεστών Kappa. Η μέθοδος PL-ELM υπερτερεί έναντι πέντε άλλων μεγάλων αλγορίθμων, συμπεριλαμβανομένης της ταξινόμησης μεγίστης πιθανοφάνειας, πλησιέστερου σημείου και του αλγορίθμου του Bayes.

Πραγματοποιήθηκε εκτίμηση της ακρίβειας ταξινόμησης της προτεινόμενης μεθόδου έναντι ενός συνόλου πειραματικών δεδομένων, τα οποία αποτελούνταν από 500 εξακριβωμένα σημεία δεδομένων εδάφους, οπότε και επαληθεύτηκε πλήρως η απόδοση του ταξινομητή PL-ELM. Η εικόνα 2 απεικονίζει τις διεργασίες αστικής επέκτασης χρησιμοποιώντας τα ακόλουθα στατιστικά στοιχεία. Από το 2003 έως το 2007, η περιοχή που καλύπτεται από νερό μειώθηκε κατά 12.7206 km2 ως αποτέλεσμα των παράκτιων εγγειοβελτιωτικών έργων. Επιπλέον, η δόμηση στην περιοχή αυξήθηκε κατά 7,8086 km2. Το γεγονός αυτό αποτελεί ισχυρή ένδειξη της ταχείας αστικής ανάπτυξης. Η ταχεία αύξηση της χρωματισμένης με καφέ περιοχής (η οποία αντιπροσωπεύει τα κτίρια) δείχνει υψηλούς ρυθμούς αστικοποίησης λόγω της αύξησης του πληθυσμού και της μετανάστευσης. Η υπέρογκη μείωση της κάλυψης του νερού που προκαλείται από τα εγγειοβελτιωτικά έργα είναι ένα συμβολικό δείγμα της αστικοποίησης και της επικρατούσας πολιτικής διαχείρισης της γης. Η δραστική μείωση των βοσκοτόπων κατά το σύντομο αυτό χρονικό διάστημα συνεπάγεται απώλεια σημαντικών στοιχείων του οικοσυστήματος.

Εν ολίγοις, η μέθοδος ταξινόμησης LULC βασίζεται σε ένα καινοτόμο αλγόριθμο μηχανικής μάθησης και εφαρμόσθηκε σε δύο SPOT-5 εικόνες, που αποκτήθηκαν το 2003 και το 2007, για την παραγωγή χαρτών LULC με χωρική ανάλυση 2,5μ. Τα αποτελέσματά επιτρέπουν την ανάπτυξη ενός συστήματος ταχείας ανίχνευσης των αλλαγών για την παρακολούθηση της αστικοποίησης, η οποία κατευθύνεται τόσο από ανθρώπινες ενέργειες όσο και από φυσικές καταστροφές.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Πολύ-χρονική δορυφορική ανίχνευση αλλαγών στο αστικό περιβάλλον

2013-02-12T17:48:30Z

Koutsopoulou:

'''Τίτλος'''

Satellite-based multitemporal-change detection in urban environments

'''Πηγή'''

[http://spie.org/x44379.xml?highlight=x2420&ArticleID=x44379 SPIE]

'''Συγγραφέας'''

Ni-Bin Chang

Αστικοποίηση ορίζεται η φυσική ανάπτυξη των αστικών περιοχών. Η βελτίωση της διαχείρισης της γης εξαρτάται σε μεγάλο βαθμό από την ικανότητα παρακολούθησης της αλλαγής χρήσεων-καλύψεων γης σε πραγματικό χρόνο, έτσι ώστε να μπορούν να αντιμετωπιστούν έγκαιρα και επαρκώς μια σειρά από αστικά/αγροτικά αναπτυξιακά ζητήματα. Η ανάλυση των δορυφορικών αισθητήρων και η υπολογιστική ικανότητα των ταξινομητών που χρησιμοποιούνται για την επεξεργασία της εικόνας πρέπει να είναι καλά ενσωματωμένοι στην ανίχνευση των αλλαγών, πολυχρονικών και μη. Αυτό μπορεί να οδηγήσει σε βελτιώσεις στη διαχείριση της γης και των παράκτιων περιοχών, στον περιορισμό των κινδύνων, στην αντιμετώπιση καταστάσεων έκτακτης ανάγκης και εν γένει στο σχεδιασμό. Η τεχνολογία δορυφορικής τηλεπισκόπησης υψηλής ανάλυσης και η επιστήμη που συνδέεται με την αξιολόγηση των χρήσεων και καλύψεων γης σε αστικές περιοχές (LULC) χρησιμοποιούν ένα ευρύ φάσμα εικόνων και αλγορίθμων για διάφορες εφαρμογές.

Μελέτες ταξινόμησης δορυφορικών εικόνων χρησιμοποιούν στατιστικές μεθόδους, όπως ταξινόμηση μεγίστης πιθανοφάνειας και πλησιέστερου σημείου. Τα τελευταία χρόνια, μέθοδοι που βασίζονται στην τεχνητή νοημοσύνη και σε τεχνικές μηχανικής μάθησης έχουν γίνει δημοφιλείς. Ωστόσο, οι υπάρχουσες τεχνικές επεξεργασίας με τη χρήση μεθόδων LULC είναι συχνά χρονοβόρες, επίπονες και κουραστικές στη χρήση, με αποτέλεσμα τη μη διαθεσιμότητα των αποτελεσμάτων εντός του καθορισμένου χρονικού πλαισίου. Στην παρούσα έρευνα αναπτύχθηκε μια νέα μέθοδος ταξινόμησης με τη χρήση εικόνων SPOT-5, ανάλυσης 2,5μ., για την παρακολούθηση της παράκτιας ζώνης, τις αστικές/αγροτικές αλληλεπιδράσεις και τις αλλαγές στο οικοσύστημα στο Νταλιάν (Κίνα). Κατασκευάστηκε ένας ταξινομητής με βάση το Lanczos (partial extreme-learning machine,PL-ELM), ένα νέο αλγόριθμο με γρήγορη ταχύτητα μάθησης και εξαιρετική απόδοση γενίκευσης.

[[Εικόνα: rs_wiki_12_1.jpg| thumb| right| Εικόνα 1: Αστική εξάπλωση, Ατλάντα.]]
Ως μελέτη περίπτωσης επιλέχθηκε η περιοχή Νταλιάν με βάση εικόνες που συλλέχθηκαν κατά το 2003 και 2007 (βλ. εικόνα 1), η οποία υποστηρίζει πλήρως τις ανάγκες παρακολούθησης και βοηθά στην ανίχνευση ταχέων αλλαγών όσον αφορά τις αστικές επεκτάσεις. Δεδομένου ότι διαφορετικές τάξεις αποτελεσμάτων LULC μπορεί να έχουν παρόμοια φασματικά χαρακτηριστικά, πραγματοποιήθηκε εξαγωγή χαρακτηριστικών υφής και δεικτών βλάστησης, τα οποία συμπεριλήφθηκαν στη διαδικασία ταξινόμησης για την ενίσχυση της ακρίβειας των αποτελεσμάτων. Προστέθηκαν νέα χαρακτηριστικά στα pixels της εικόνας και εισήχθη ο «κανονικοποιημένος δείκτης βλάστησης» καθώς και τέσσερα χαρακτηριστικά υφής (γωνιακή ροπή αδράνειας, αντίθεση, συσχέτιση και ομοιογένεια). Η επικύρωση της διαδικασίας με βάση πραγματικά δεδομένα εδάφους και συγκρίσεις με τις γνωστές μεθόδους ταξινόμησης αποδεικνύει την αξιοπιστία της προτεινόμενης προσέγγισης PL-ELM ως προς την ακρίβεια ταξινόμησης και την ταχύτητα επεξεργασίας. Τα χαρακτηριστικά LULC διακρίθηκαν σε έξι μεγάλες κατηγορίες, συμπεριλαμβανομένων των υδάτων, δασών, βοσκοτόπων, γυμνών γηπέδων, κτιρίων και δρόμων. Στη συνέχεια έγινε σύγκριση της ακρίβειας ταξινόμησης για όλους τους βασικούς τύπους, για τον καθορισμό της συνολικής ακρίβειας καθώς και των συντελεστών Kappa. Η μέθοδος PL-ELM υπερτερεί έναντι πέντε άλλων μεγάλων αλγορίθμων, συμπεριλαμβανομένης της ταξινόμησης μεγίστης πιθανοφάνειας, πλησιέστερου σημείου και του αλγορίθμου του Bayes.

[[Εικόνα: rs_wiki_12_2.jpg| thumb| right| Εικόνα 1: Αστική εξάπλωση, Ατλάντα.]]
Πραγματοποιήθηκε εκτίμηση της ακρίβειας ταξινόμησης της προτεινόμενης μεθόδου έναντι ενός συνόλου πειραματικών δεδομένων, τα οποία αποτελούνταν από 500 εξακριβωμένα σημεία δεδομένων εδάφους, οπότε και επαληθεύτηκε πλήρως η απόδοση του ταξινομητή PL-ELM. Η εικόνα 2 απεικονίζει τις διεργασίες αστικής επέκτασης χρησιμοποιώντας τα ακόλουθα στατιστικά στοιχεία. Από το 2003 έως το 2007, η περιοχή που καλύπτεται από νερό μειώθηκε κατά 12.7206 km2 ως αποτέλεσμα των παράκτιων εγγειοβελτιωτικών έργων. Επιπλέον, η δόμηση στην περιοχή αυξήθηκε κατά 7,8086 km2. Το γεγονός αυτό αποτελεί ισχυρή ένδειξη της ταχείας αστικής ανάπτυξης. Η ταχεία αύξηση της χρωματισμένης με καφέ περιοχής (η οποία αντιπροσωπεύει τα κτίρια) δείχνει υψηλούς ρυθμούς αστικοποίησης λόγω της αύξησης του πληθυσμού και της μετανάστευσης. Η υπέρογκη μείωση της κάλυψης του νερού που προκαλείται από τα εγγειοβελτιωτικά έργα είναι ένα συμβολικό δείγμα της αστικοποίησης και της επικρατούσας πολιτικής διαχείρισης της γης. Η δραστική μείωση των βοσκοτόπων κατά το σύντομο αυτό χρονικό διάστημα συνεπάγεται απώλεια σημαντικών στοιχείων του οικοσυστήματος.

Εν ολίγοις, η μέθοδος ταξινόμησης LULC βασίζεται σε ένα καινοτόμο αλγόριθμο μηχανικής μάθησης και εφαρμόσθηκε σε δύο SPOT-5 εικόνες, που αποκτήθηκαν το 2003 και το 2007, για την παραγωγή χαρτών LULC με χωρική ανάλυση 2,5μ. Τα αποτελέσματά επιτρέπουν την ανάπτυξη ενός συστήματος ταχείας ανίχνευσης των αλλαγών για την παρακολούθηση της αστικοποίησης, η οποία κατευθύνεται τόσο από ανθρώπινες ενέργειες όσο και από φυσικές καταστροφές.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Πολύ-χρονική δορυφορική ανίχνευση αλλαγών στο αστικό περιβάλλον

2013-02-12T17:44:47Z

Koutsopoulou: Νέα σελίδα με 'Add Your Content Here category:Ανίχνευση μεταβολών αστικής γης'

Add Your Content Here

[[category:Ανίχνευση μεταβολών αστικής γης]]

Αρχείο:Rs wiki 12 2.jpg

2013-02-12T17:43:59Z

Koutsopoulou:

Αρχείο:Rs wiki 12 1.jpg

2013-02-12T17:43:41Z

Koutsopoulou:

Κουτσοπούλου Αντωνία

2013-02-12T17:42:16Z

Koutsopoulou:

* [[Όψη της αστικής εξάπλωσης από το διάστημα]]
* [[Δορυφορικός εντοπισμός θερμικών νησίδων στις βορειοανατολικές Η.Π.Α.]]
* [[Ουάσινγκτον, ΗΠΑ: Μια αστική θερμική νησίδα]]
* [[Αστικές εφαρμογές τηλεπισκόπησης για μία ταχύτατα αναπτυσσόμενη μεγαλούπολη: Δελχί, Ινδία]]
* [[Πρόγραμμα GeoSat: Εφαρμογές Τηλεπισκόπησης για την παρακολούθηση της δυναμικης των Αστικών Συστημάτων]]
* [[Χρήση δορυφορικών εικόνων Landsat για την παρακολούθηση των υγροτόπων της Μεσογείου: Παραδείγματα από το πρόγραμμα GlobWetland-II]]
* [[Δορυφορικό ραντάρ αποκαλύπτει καθίζηση του εδάφους πάνω από ορυχεία άνθρακα]]
* [[Εκτίμηση της βιομάζας των τροπικών δασών με τη χρήση πολυφασματικών ραδιομετρικών εικόνων]]
* [[Δορυφορική παρακολούθηση της ποιότητας του νερού με τη βοήθεια φασματοσκοπίας]]
* [[Αντιμετώπιση φυσικών καταστροφών με τηλεπισκόπηση - Η περίπτωση του σεισμού και του τσουνάμι στην Ιαπωνία]]
* [[Συνδυασμός δορυφορικών δεδομένων και κυκλοφοριακών μοντέλων για την παρακολούθηση της πετρελαιοκηλίδας Deepwater Horizon]]

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

Συνδυασμός δορυφορικών δεδομένων και κυκλοφοριακών μοντέλων για την παρακολούθηση της πετρελαιοκηλίδας Deepwater Horizon

2013-02-12T17:41:15Z

Koutsopoulou:

'''Τίτλος'''

Satellites, models combine to track Deepwater Horizon oil spill

'''Πηγή'''

[http://spie.org/x48050.xml?highlight=x2420&ArticleID=x48050 SPIE]

'''Συγγραφείς'''

Yonggang Liu, Robert H. Weisberg, Chuanmin Hu and Lianyuan Zheng

Ως η μεγαλύτερη υπεράκτια πετρελαιοκηλίδα στην ιστορία των ΗΠΑ, η έκρηξη στην εξέδρα άντλησης πετρελαίου Deepwater Horizon παρουσίασε μια άνευ προηγουμένου απειλή για τον Κόλπο του Μεξικού. Απαραίτητη ήταν η δημιουργία ενός συστήματος για την παρακολούθηση του πετρελαίου, τόσο επιφανειακά όσο και σε βάθος, για τον περιορισμό και την καθοδήγηση των πλοίων έρευνας. Ένα τέτοιο σύστημα εφαρμόσθηκε στο Πανεπιστήμιο της Νότιας Φλόριντα (USF) με αριθμητική μοντελοποίηση, παρατήρηση και δορυφορικά δεδομένα από τα υφιστάμενα συστήματα παρατήρησης των παράκτιων ωκεάνιων περιοχών.

Η μοίρα του πετρελαίου στον ωκεανό εξαρτάται από πολλούς παράγοντες, συμπεριλαμβανομένων της μεταφοράς και διασποράς με την κυκλοφορία, των χημικών μετασχηματισμών και της βιολογικής κατανάλωσης. Σημαντικές πληροφορίες, όπως η ταχύτητα ροής του πετρελαίου, ήταν άγνωστες κατά τη διάρκεια του συμβάντος. Δραστηριότητες περιορισμού της καταστροφής (διασπορά, καύση και «ξάφρισμα») προσέθεσαν περαιτέρω αβεβαιότητες. Για τη μείωση αυτών των αβεβαιοτήτων καθώς και της εγγενούς αύξησης του σφάλματος του μοντέλου, χρησιμοποιήθηκαν επιφανειακές θέσεις πετρελαίου από δορυφορικές εικόνες για τη συχνή επανεκκίνηση διαφόρων μοντέλων.

[[Εικόνα: rs_wiki_11_1.jpg| thumb| right| Εικόνα 1: Η πρόγνωση των 3,5 ημερών της επιφανειακής τροχιάς πετρελαίου με το (α) West Florida Shelf (WFS) model, (β) Gulf of Mexico Hybrid Coordinate Ocean Model (HYCOM), (γ) South Atlantic Bight–Gulf of Mexico (SABGOM) model και (δ) Global HYCOM. Το μαύρο δηλώνει τα εικονικά σωματίδια και το μωβ τις περιοχές επέκτασης τους. Το υπόβαθρο αντιστοιχεί στη θερμοκρασία της επιφάνειας της θάλασσας (SST) και στα θαλάσσια ρεύματα.]]
[[Εικόνα: rs_wiki_11_2.jpg| thumb| left| Εικόνα 2: Υπόγειες τροχιές των σωματιδίων προερχόμενες από μοντέλο West Florida Shelf. Το εισαγωγικό βάθος παρέχεται. Η χρωματική κωδικοποίηση υποδηλώνει το σχετικό βάθος μεταξύ του πυθμένα (-1) και της επιφάνειας (0).]]
Η παρακολούθηση του πετρελαίου στο σύνθετο περιβάλλον των ωκεανών ξεκινά με ένα σύστημα κυκλοφοριακών μοντέλων των ωκεανών που αντιπροσωπεύουν τα περιφερειακά πεδία ροής, συμπεριλαμβανομένων των βαθέων ωκεάνιων ρευμάτων που ενυπάρχουν στον Κόλπο του Μεξικού και τα ρηχών ρευμάτων της υφαλοκρηπίδας. Όλα υπολογίζονται με τρισδιάστατο τρόπο, εξαρτώμενο από την πυκνότητα.

Χρησιμοποιήθηκαν δορυφορικά δεδομένα από μέσης ανάλυσης φασματοραδιόμετρο και φασματόμετρο (Moderate Resolution Imaging Spectroradiometer καο Medium Resolution Imaging Spectrometer) για την ερμηνεία της θέσης και του μεγέθους της επιφανειακής πετρελαιοκηλίδας. Προστέθηκαν αναλύσεις δεδομένων ραντάρ συνθετικού διαφράγματος, όταν τα σύννεφα επισκίαζαν τις δορυφορικές εικόνες.

Οι προκύπτουσες δορυφορικές θέσεις πετρελαίου σε κάθε μοντέλο «εμβολιάσθηκαν» με εικονικά σωματίδια. Αυτά τα σωματίδια στη συνέχεια προσάχθηκαν από τα μοντελοποιημένα πεδία επιφανειακής ταχύτητας. Νέα σωματίδια απελευθερώνονταν στην περιοχή του φρέατος κάθε τρεις ώρες για την προσομοίωση της συνεχούς ροής του πετρελαίου. Το σύνθετο όλων αυτών των σωματιδίων συνέβαλε στην επέκταση της χωρικής επιφάνειας του πετρελαίου (βλ. εικόνα 1).

Για την πρόγνωση του υπόγειου πετρελαίου (αλλά με εκ των προτέρων γνώση του βάθους), χρησιμοποιήθηκε το μοντέλο West Florida Shelf για την τρισδιάστατη παρακολούθηση της πλευστότητας των εικονικών σωματιδίων, προερχόμενων από διάφορα βάθη (βλ. εικόνα 2). Παρά τους περιορισμούς στην παρατήρηση, οι υπόγειες προβλέψεις αποδείχθηκαν χρήσιμες Οι ισοβαθείς τροχιές των σωματιδίων σε βάθος προς τα νοτιοδυτικά, μαζί με τις πιο σφαιρικές τροχιές στα βορειοανατολικά υψηλότερα στη στήλη του νερού, επιβεβαιώθηκαν με in situ παρατηρήσεις.

Εν ολίγοις, ένα σύστημα για την παρακολούθηση πετρελαίου εφαρμόστηκε άμεσα για την πετρελαιοκηλίδα Deepwater Horizon παρατάσσοντας ένα σύνολο κυκλοφοριακών μοντέλων και δορυφορικών παρατηρήσεων. Οι προβλέψεις διαδόθηκαν και χρησιμοποιοίθηκαν από ομοσπονδιακές και κρατικές υπηρεσίες που είναι αρμόδιες για τον περιορισμό της πετρελαιοκηλίδας. Αυτή η ταχεία ανταπόκριση αποτελεί παράδειγμα για τον τρόπο με τον οποίο ένα ολοκληρωμένο σύστημα παρακολούθησης των ωκεανών, υπό μορφή συνεργασίας μεταξύ της ακαδημαϊκής κοινότητας, των αρμόδιων φορέων και του ιδιωτικού τομέα, μπορεί να αποτελέσει μεγάλο εθνικό πλεονέκτημα. Δεδομένου ότι τα στοιχεία των εν λόγω συστημάτων παρατήρησης ήδη υπάρχουν, είναι σημαντικό αυτά να διατηρηθούν και να αυξηθούν έτσι ώστε να παρακολουθείται η κατάσταση των παράκτιων ωκεάνιων συστημάτων, με σκοπό την πρόβλεψη μελλοντικών φυσικών ή τεχνητών γεγονότων.

[[category:Χαρτογράφηση και παρακολούθηση πετρελαιοκηλίδων]]

Συνδυασμός δορυφορικών δεδομένων και κυκλοφοριακών μοντέλων για την παρακολούθηση της πετρελαιοκηλίδας Deepwater Horizon

2013-02-12T17:38:55Z

Koutsopoulou:

'''Τίτλος'''

Satellites, models combine to track Deepwater Horizon oil spill

'''Πηγή'''

[http://spie.org/x48050.xml?highlight=x2420&ArticleID=x48050 SPIE]

'''Συγγραφείς'''

Yonggang Liu, Robert H. Weisberg, Chuanmin Hu and Lianyuan Zheng

Ως η μεγαλύτερη υπεράκτια πετρελαιοκηλίδα στην ιστορία των ΗΠΑ, η έκρηξη στην εξέδρα άντλησης πετρελαίου Deepwater Horizon παρουσίασε μια άνευ προηγουμένου απειλή για τον Κόλπο του Μεξικού. Απαραίτητη ήταν η δημιουργία ενός συστήματος για την παρακολούθηση του πετρελαίου, τόσο επιφανειακά όσο και σε βάθος, για τον περιορισμό και την καθοδήγηση των πλοίων έρευνας. Ένα τέτοιο σύστημα εφαρμόσθηκε στο Πανεπιστήμιο της Νότιας Φλόριντα (USF) με αριθμητική μοντελοποίηση, παρατήρηση και δορυφορικά δεδομένα από τα υφιστάμενα συστήματα παρατήρησης των παράκτιων ωκεάνιων περιοχών.

Η μοίρα του πετρελαίου στον ωκεανό εξαρτάται από πολλούς παράγοντες, συμπεριλαμβανομένων της μεταφοράς και διασποράς με την κυκλοφορία, των χημικών μετασχηματισμών και της βιολογικής κατανάλωσης. Σημαντικές πληροφορίες, όπως η ταχύτητα ροής του πετρελαίου, ήταν άγνωστες κατά τη διάρκεια του συμβάντος. Δραστηριότητες περιορισμού της καταστροφής (διασπορά, καύση και «ξάφρισμα») προσέθεσαν περαιτέρω αβεβαιότητες. Για τη μείωση αυτών των αβεβαιοτήτων καθώς και της εγγενούς αύξησης του σφάλματος του μοντέλου, χρησιμοποιήθηκαν επιφανειακές θέσεις πετρελαίου από δορυφορικές εικόνες για τη συχνή επανεκκίνηση διαφόρων μοντέλων.

Η παρακολούθηση του πετρελαίου στο σύνθετο περιβάλλον των ωκεανών ξεκινά με ένα σύστημα κυκλοφοριακών μοντέλων των ωκεανών που αντιπροσωπεύουν τα περιφερειακά πεδία ροής, συμπεριλαμβανομένων των βαθέων ωκεάνιων ρευμάτων που ενυπάρχουν στον Κόλπο του Μεξικού και τα ρηχών ρευμάτων της υφαλοκρηπίδας. Όλα υπολογίζονται με τρισδιάστατο τρόπο, εξαρτώμενο από την πυκνότητα.

Χρησιμοποιήθηκαν δορυφορικά δεδομένα από μέσης ανάλυσης φασματοραδιόμετρο και φασματόμετρο (Moderate Resolution Imaging Spectroradiometer καο Medium Resolution Imaging Spectrometer) για την ερμηνεία της θέσης και του μεγέθους της επιφανειακής πετρελαιοκηλίδας. Προστέθηκαν αναλύσεις δεδομένων ραντάρ συνθετικού διαφράγματος, όταν τα σύννεφα επισκίαζαν τις δορυφορικές εικόνες.

[[Εικόνα: rs_wiki_11_1.jpg| thumb| right| Εικόνα 1: Η πρόγνωση των 3,5 ημερών της επιφανειακής τροχιάς πετρελαίου με το (α) West Florida Shelf (WFS) model, (β) Gulf of Mexico Hybrid Coordinate Ocean Model (HYCOM), (γ) South Atlantic Bight–Gulf of Mexico (SABGOM) model και (δ) Global HYCOM. Το μαύρο δηλώνει τα εικονικά σωματίδια και το μωβ τις περιοχές επέκτασης τους. Το υπόβαθρο αντιστοιχεί στη θερμοκρασία της επιφάνειας της θάλασσας (SST) και στα θαλάσσια ρεύματα.]]
Οι προκύπτουσες δορυφορικές θέσεις πετρελαίου σε κάθε μοντέλο «εμβολιάσθηκαν» με εικονικά σωματίδια. Αυτά τα σωματίδια στη συνέχεια προσάχθηκαν από τα μοντελοποιημένα πεδία επιφανειακής ταχύτητας. Νέα σωματίδια απελευθερώνονταν στην περιοχή του φρέατος κάθε τρεις ώρες για την προσομοίωση της συνεχούς ροής του πετρελαίου. Το σύνθετο όλων αυτών των σωματιδίων συνέβαλε στην επέκταση της χωρικής επιφάνειας του πετρελαίου (βλ. εικόνα 1).

Για την πρόγνωση του υπόγειου πετρελαίου (αλλά με εκ των προτέρων γνώση του βάθους), χρησιμοποιήθηκε το μοντέλο West Florida Shelf για την τρισδιάστατη παρακολούθηση της πλευστότητας των εικονικών σωματιδίων, προερχόμενων από διάφορα βάθη (βλ. εικόνα 2). Παρά τους περιορισμούς στην παρατήρηση, οι υπόγειες προβλέψεις αποδείχθηκαν χρήσιμες Οι ισοβαθείς τροχιές των σωματιδίων σε βάθος προς τα νοτιοδυτικά, μαζί με τις πιο σφαιρικές τροχιές στα βορειοανατολικά υψηλότερα στη στήλη του νερού, επιβεβαιώθηκαν με in situ παρατηρήσεις.

[[Εικόνα: rs_wiki_11_2.jpg| thumb| right| Εικόνα 1: Υπόγειες τροχιές των σωματιδίων προερχόμενες από μοντέλο West Florida Shelf. Το εισαγωγικό βάθος παρέχεται. Η χρωματική κωδικοποίηση υποδηλώνει το σχετικό βάθος μεταξύ του πυθμένα (-1) και της επιφάνειας (0).]]
Εν ολίγοις, ένα σύστημα για την παρακολούθηση πετρελαίου εφαρμόστηκε άμεσα για την πετρελαιοκηλίδα Deepwater Horizon παρατάσσοντας ένα σύνολο κυκλοφοριακών μοντέλων και δορυφορικών παρατηρήσεων. Οι προβλέψεις διαδόθηκαν και χρησιμοποιοίθηκαν από ομοσπονδιακές και κρατικές υπηρεσίες που είναι αρμόδιες για τον περιορισμό της πετρελαιοκηλίδας. Αυτή η ταχεία ανταπόκριση αποτελεί παράδειγμα για τον τρόπο με τον οποίο ένα ολοκληρωμένο σύστημα παρακολούθησης των ωκεανών, υπό μορφή συνεργασίας μεταξύ της ακαδημαϊκής κοινότητας, των αρμόδιων φορέων και του ιδιωτικού τομέα, μπορεί να αποτελέσει μεγάλο εθνικό πλεονέκτημα. Δεδομένου ότι τα στοιχεία των εν λόγω συστημάτων παρατήρησης ήδη υπάρχουν, είναι σημαντικό αυτά να διατηρηθούν και να αυξηθούν έτσι ώστε να παρακολουθείται η κατάσταση των παράκτιων ωκεάνιων συστημάτων, με σκοπό την πρόβλεψη μελλοντικών φυσικών ή τεχνητών γεγονότων.

[[category:Χαρτογράφηση και παρακολούθηση πετρελαιοκηλίδων]]

Αρχείο:Rs wiki 11 2.jpg

2013-02-12T17:33:54Z

Koutsopoulou:

Αρχείο:Rs wiki 11 1.jpg

2013-02-12T17:33:21Z

Koutsopoulou:

Συνδυασμός δορυφορικών δεδομένων και κυκλοφοριακών μοντέλων για την παρακολούθηση της πετρελαιοκηλίδας Deepwater Horizon

2013-02-12T17:32:46Z

Koutsopoulou: Νέα σελίδα με 'Add Your Content Here category:Χαρτογράφηση και παρακολούθηση πετρελαιοκηλίδων'

Add Your Content Here

[[category:Χαρτογράφηση και παρακολούθηση πετρελαιοκηλίδων]]

Κουτσοπούλου Αντωνία

2013-02-12T17:26:38Z

Koutsopoulou:

* [[Όψη της αστικής εξάπλωσης από το διάστημα]]
* [[Δορυφορικός εντοπισμός θερμικών νησίδων στις βορειοανατολικές Η.Π.Α.]]
* [[Ουάσινγκτον, ΗΠΑ: Μια αστική θερμική νησίδα]]
* [[Αστικές εφαρμογές τηλεπισκόπησης για μία ταχύτατα αναπτυσσόμενη μεγαλούπολη: Δελχί, Ινδία]]
* [[Πρόγραμμα GeoSat: Εφαρμογές Τηλεπισκόπησης για την παρακολούθηση της δυναμικης των Αστικών Συστημάτων]]
* [[Χρήση δορυφορικών εικόνων Landsat για την παρακολούθηση των υγροτόπων της Μεσογείου: Παραδείγματα από το πρόγραμμα GlobWetland-II]]
* [[Δορυφορικό ραντάρ αποκαλύπτει καθίζηση του εδάφους πάνω από ορυχεία άνθρακα]]
* [[Εκτίμηση της βιομάζας των τροπικών δασών με τη χρήση πολυφασματικών ραδιομετρικών εικόνων]]
* [[Δορυφορική παρακολούθηση της ποιότητας του νερού με τη βοήθεια φασματοσκοπίας]]
* [[Αντιμετώπιση φυσικών καταστροφών με τηλεπισκόπηση - Η περίπτωση του σεισμού και του τσουνάμι στην Ιαπωνία]]

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

Αντιμετώπιση φυσικών καταστροφών με τηλεπισκόπηση - Η περίπτωση του σεισμού και του τσουνάμι στην Ιαπωνία

2013-02-12T17:25:44Z

Koutsopoulou:

'''Τίτλος'''

Responding to natural disasters with satellite imagery

'''Πηγή'''

[http://spie.org/x49004.xml?highlight=x2420&ArticleID=x49004 SPIE]

'''Συγγραφείς'''

Cheng-Chien Liu and Nai-Yu Chen

Ο Formosat-2 είναι ένας δορυφόρος απεικόνιση της γης που εκτοξεύθηκε στις 20 Μαΐου 2004 και λειτουργεί υπό τον Εθνικό Οργανισμό Διαστήματος Ταϊβάν (NSPO). Είναι ο μοναδικός δορυφόρος υψηλής ανάλυσης με τη δυνατότητα απόκτησης επανειλημμένων εικόνων μιας περιοχής ενδιαφέροντος κάθε μέρα (καθημερινή επανάληψη). Εικόνες του μπορούν να χρησιμοποιηθούν για την κατανομή της γης, τη διερεύνηση των φυσικών πόρων, τη δασοκομία, την προστασία του περιβάλλοντος, την πρόληψη των καταστροφών, τη διάσωση και για άλλες εφαρμογές. Πρόσφατα, ο Formosat-2 και το αυτόματο σύστημα επεξεργασίας εικόνας (F2 AIPS, υλοποιήθηκε στα τέλη του 2005) αποδείχθηκαν χρήσιμα για την αντιμετώπιση σεισμικών εκδηλώσεων και τσουνάμι στην Ιαπωνία.

[[Εικόνα: rs_wiki_10_1.jpg| thumb| right| Εικόνα 1: Formosat-2 εικόνα πριν τη φωτιά στο διυλιστηρίο Chiba (αριστερά, Google Earth) και μετά το σεισμό και το τσουνάμι (δεξιά, Formosat-2).]]
[[Εικόνα: rs_wiki_10_2.jpg| thumb| right| Εικόνα 2: Formosat-2 εικόνα του αεροδρόμιου Σεντάι πριν (αριστερά, Google Earth) και μετά το σεισμό και το τσουνάμι (δεξιά, Formosat-2).]]
[[Εικόνα: rs_wiki_10_3.jpg| thumb| right| Εικόνα 3: Formosat-2 εικόνα του Iwate of Miyako πριν (αριστερά, Google Earth) και μετά το σεισμό και το τσουνάμι (δεξιά, Formosat-2).]]
[[Εικόνα: rs_wiki_10_4.jpg| thumb| right| Εικόνα 4: Formosat-2 εικόνα του πυρηνικού εργοστασίου Fukushima I πριν (αριστερά, Google Earth) και μετά το σεισμό και το τσουνάμι (δεξιά, Formosat-2). Οι αριθμοί υποδεικνύουν τους πυρηνικούς αντιδραστήρες 1, 2, 3 και 4.]]
Στις 11 Μαρτίου 2011 στις 2:46 μ.μ. τοπική ώρα, σεισμός μεγέθους 9.0R χτύπησε την Ιαπωνία, και το επερχόμενο τσουνάμι 10μ. σάρωσε τη βορειοανατολική ακτή της χώρας μέσα σε 15 λεπτά. Η Πλατφόρμα των Ηνωμένων Εθνών για Διαστημική Πληροφορία για τη Διαχείριση Καταστροφών και Αντιμετώπιση Καταστάσεων Εκτάκτου Ανάγκης ξεκίνησε τη Διεθνή Χάρτα για το Διάστημα και τις Μεγάλες Καταστροφές με στόχο το συντονισμό των δορυφόρων των διαφόρων χωρών για την απόκτηση εικόνων των πληγεισών περιοχών. Μόλις αποκτήθηκε η πρώτη εικόνα Formosat-2 της πληγείσας περιοχής μετά την καταστροφή, η επεξεργασία έγινε εντός 2 ωρών και δημοσιεύτηκε στο Παγκόσμιο Σύστημα Παρακολούθησης Περιβάλλοντος και Αξιολόγησης Καταστροφών (GEMDAS).

Ο GEMDAS παρέχει έκτοτε ένα κανάλι για τη συνεχή ενημέρωση του διεθνούς κοινού σχετικά με τα συμβάντα στη Σεντάι μετά την καταστροφή. Εικόνες της φωτιάς στο διυλιστήριο Chiba (βλ. εικόνα 1), το Sendai Airport (βλ. εικόνα 2), το Miyako Iwate (βλ. εικόνα 3) και το πυρηνικό εργοστάσιο Φουκουσίμα Ι (βλ. εικόνα 4), μεταξύ άλλων, ενημερώνονται συχνά.

Ο ρόλος του GEMDAS στην ιαπωνική καταστροφή μπορεί να αποδοθεί σε τρεις παράγοντες. Η καθημερινή επαναληπτική τροχιά και η υψηλή ευελιξία του Formosat-2, το αυτόματο σύστημα επεξεργασίας εικόνας του δορυφόρου (F2 AIPS), και το διαδικτυακό σύστημα γεωχωρικών πληροφοριών για δημοσιοποίηση των εικόνων στο ευρύ κοινό, συνέβαλαν στην αποτελεσματική αντιμετώπιση των καταστροφών.

Ο δορυφόρος Formosat-2, εξοπλισμένος με μια συστοιχία CCD με 12.000 pixels, είναι ένας υψηλής χωρικής ανάλυσης αισθητήρας. Επιπλέον, η αποστολή αποδεικνύει ότι η χρονική διακριτική ικανότητα των τηλεπισκοπικών συστημάτων μπορεί να βελτιωθεί με την ανάπτυξη ενός συστήματος καθημερινής επαναληπτικής τροχιάς. Κάθε καταγραφόμενη σκηνή μπορεί να παρατηρηθεί συστηματικά από την ίδια γωνία λήψης και υπό παρόμοιες συνθήκες ηλιοφάνειας.

Ωστόσο, η μοναδικά προσαρμοσμένη τροχιά του δορυφόρου και ο αντίκτυπος της ευθυγράμμισης του αισθητήρα δημιουργούν νέες προκλήσεις στην επεξεργασία εικόνας. Αυτές περιλαμβάνουν την απώλεια ή κακή καταγραφή δεδομένων από κανάλι σε κανάλι, η οποία προκαλείται όταν μεμονωμένες γραμμές χρώματος στις συστοιχίες CCD σαρώνουν το έδαφος διαδοχικά με μία μικρή χρονική υστέρηση. Αναπτύχθηκε κατόπιν το αυτόματο σύστημα F2 AIPS για την επεξεργασία μεγάλης ποσότητας εικόνων Formosat-2 σε καθημερινή βάση. Το σύστημα χρησιμοποιεί παγχρωματικό κανάλι (μια εικόνα κλίμακας του γκρι που καλύπτει το κόκκινο, πράσινο και μπλε τμήμα του ηλεκτρομαγνητικού φάσματος) ως βασική εικόνα. Τα άλλα τέσσερα πολυφασματικά κανάλια συν-καταχωρούνται στην εικόνα-βάση, χρησιμοποιώντας μια τεχνική που ονομάζεται γρήγορη εξομάλυνση εγκάρσιου συντελεστή (fast normalize cross coefficient). Η συν-εγγραφή της γενικής εικόνας είναι μια χρονοβόρα διαδικασία, αλλά με το σύστημα F2 είναι δυνατή η επεξεργασία ενός προτύπου (12 × 12 χλμ.) σε περίπου είκοσι λεπτά σε έναν απλό προσωπικό υπολογιστή εξοπλισμένο με επεξεργαστή Pentium IV 2,4 GHz. Επιπλέον, το σύστημα διορθώνει όλα τα προβλήματα της επεξεργασίας της εικόνας που προκαλείται από την ευθυγράμμιση του αισθητήρα. Με την επιτυχή εφαρμογή του F2 AIPS, είναι εφικτή η συνεχής παρακολουθηση του παγκόσμιου περιβάλλοντος και η ταχεία αντίδραση σε καταστροφικά γεγονότα, όπως οι στην πυρκαγιές Καλιφόρνια το 2007, ο σεισμός Sichuan στην Κίνα το 2008 και ο τυφώνας Morakot το 2009.

Ένας άλλος σημαντικός παράγοντας για την αποτελεσματική αντιμετώπιση των φυσικών καταστροφών με δορυφορικές εικόνες είναι η κατανομή των γεωχωρικών πληροφοριών. Μεταξύ των διαφόρων εμπορικών πλατφόρμων που διατίθενται για το σκοπό αυτό, επιλέχθηκε η χρήση της εφαρμογής Google Earth, η οποία έχει το μεγαλύτερο αριθμό χρηστών. Για την ικανοποίηση των αιτημάτων του κοινού και των κυβερνητικών φορέων, εφαρμόσθηκε η τεχνική υπερ-επικάλυψης για τη μετατροπή κάθε εικόνας Formosat-2 σε μια σειρά επιπέδων με διαφορετικές πληροφορίες. Ανάλογα με την περιοχή πλοήγησης από το χρήστη, μόνο τα επίπεδα πληροφορίας που εμπίπτουν εντός της περιοχής ενδιαφέροντος εμφανίζονται στο διαδίκτυο. Με αυτό το είδος επεξεργασίας, μια μεγάλη δορυφορική εικόνα μπορεί να πλοηγηθεί από έναν αριθμό χρηστών του διαδικτύου ταυτόχρονα.

Η ταχεία αντίδραση σε ένα παγκόσμιο καταστροφικό γεγονός με δορυφορικά δεδομένα απαιτεί την έγκαιρη απόκτηση της δορυφορικής εικόνας, τη γρήγορη επεξεργασία των δεδομένων και την ευρεία διανομή πληροφοριών. Τα χαρακτηριστικά του Formosat-2 υποδεικνύουν ότι εικόνες από μια συγκεκριμένη περιοχή μπορούν να ληφθούν μέσα σε μία ημέρα, ενώ το σύστημα επεξεργασίας εικόνας F2 AIPS δίνει τη δυνατότητα γρήγορης επεξεργασίας μεγάλης ποσότητας δορυφορικών εικόνων. Η ευρεία διανομή πληροφοριών επιτυγχάνεται μέσω GEMDAS. Το σύστημα, το οποίο είναι πλέον πλήρως λειτουργικό, είναι μια αποτελεσματική προσέγγιση για την ανταλλαγή μεγάλων ποσοτήτων τηλεπισκοπικών εικόνων μέσω του διαδικτύου.

[[category:Ανίχνευση καταστροφών κτιρίων από σεισμό]]

Αντιμετώπιση φυσικών καταστροφών με τηλεπισκόπηση - Η περίπτωση του σεισμού και του τσουνάμι στην Ιαπωνία

2013-02-12T16:53:34Z

Koutsopoulou:

'''Τίτλος'''

Responding to natural disasters with satellite imagery

'''Πηγή'''

[http://spie.org/x49004.xml?highlight=x2420&ArticleID=x49004 SPIE]

'''Συγγραφείς'''

Cheng-Chien Liu and Nai-Yu Chen

[[Εικόνα: rs_wiki_10_1.jpg| thumb| right| Εικόνα 1: Αστική εξάπλωση, Ατλάντα.]]
Ο Formosat-2 είναι ένας δορυφόρος απεικόνιση της γης που εκτοξεύθηκε στις 20 Μαΐου 2004 και λειτουργεί υπό τον Εθνικό Οργανισμό Διαστήματος Ταϊβάν (NSPO). Είναι ο μοναδικός δορυφόρος υψηλής ανάλυσης με τη δυνατότητα απόκτησης επανειλημμένων εικόνων μιας περιοχής ενδιαφέροντος κάθε μέρα (καθημερινή επανάληψη). Εικόνες του μπορούν να χρησιμοποιηθούν για την κατανομή της γης, τη διερεύνηση των φυσικών πόρων, τη δασοκομία, την προστασία του περιβάλλοντος, την πρόληψη των καταστροφών, τη διάσωση και για άλλες εφαρμογές. Πρόσφατα, ο Formosat-2 και το αυτόματο σύστημα επεξεργασίας εικόνας (F2 AIPS, υλοποιήθηκε στα τέλη του 2005) αποδείχθηκαν χρήσιμα για την αντιμετώπιση σεισμικών εκδηλώσεων και τσουνάμι στην Ιαπωνία.

Στις 11 Μαρτίου 2011 στις 2:46 μ.μ. τοπική ώρα, σεισμός μεγέθους 9.0R χτύπησε την Ιαπωνία, και το επερχόμενο τσουνάμι 10μ. σάρωσε τη βορειοανατολική ακτή της χώρας μέσα σε 15 λεπτά. Η Πλατφόρμα των Ηνωμένων Εθνών για Διαστημική Πληροφορία για τη Διαχείριση Καταστροφών και Αντιμετώπιση Καταστάσεων Εκτάκτου Ανάγκης ξεκίνησε τη Διεθνή Χάρτα για το Διάστημα και τις Μεγάλες Καταστροφές με στόχο το συντονισμό των δορυφόρων των διαφόρων χωρών για την απόκτηση εικόνων των πληγεισών περιοχών. Μόλις αποκτήθηκε η πρώτη εικόνα Formosat-2 της πληγείσας περιοχής μετά την καταστροφή, η επεξεργασία έγινε εντός 2 ωρών και δημοσιεύτηκε στο Παγκόσμιο Σύστημα Παρακολούθησης Περιβάλλοντος και Αξιολόγησης Καταστροφών (GEMDAS).

Ο GEMDAS παρέχει έκτοτε ένα κανάλι για τη συνεχή ενημέρωση του διεθνούς κοινού σχετικά με τα συμβάντα στη Σεντάι μετά την καταστροφή. Εικόνες της φωτιάς στο διυλιστήριο Chiba (βλ. εικόνα 1), το Sendai Airport (βλ. εικόνα 2), το Miyako Iwate (βλ. εικόνα 3) και το πυρηνικό εργοστάσιο Φουκουσίμα Ι (βλ. εικόνα 4), μεταξύ άλλων, ενημερώνονται συχνά.

Ο ρόλος του GEMDAS στην ιαπωνική καταστροφή μπορεί να αποδοθεί σε τρεις παράγοντες. Η καθημερινή επαναληπτική τροχιά και η υψηλή ευελιξία του Formosat-2, το αυτόματο σύστημα επεξεργασίας εικόνας του δορυφόρου (F2 AIPS), και το διαδικτυακό σύστημα γεωχωρικών πληροφοριών για δημοσιοποίηση των εικόνων στο ευρύ κοινό, συνέβαλαν στην αποτελεσματική αντιμετώπιση των καταστροφών.

[[Εικόνα: rs_wiki_10_2.jpg| thumb| right| Εικόνα 1: Αστική εξάπλωση, Ατλάντα.]]
[[Εικόνα: rs_wiki_10_3.jpg| thumb| right| Εικόνα 1: Αστική εξάπλωση, Ατλάντα.]]
[[Εικόνα: rs_wiki_10_4.jpg| thumb| right| Εικόνα 1: Αστική εξάπλωση, Ατλάντα.]]
Ο δορυφόρος Formosat-2, εξοπλισμένος με μια συστοιχία CCD με 12.000 pixels, είναι ένας υψηλής χωρικής ανάλυσης αισθητήρας. Επιπλέον, η αποστολή αποδεικνύει ότι η χρονική διακριτική ικανότητα των τηλεπισκοπικών συστημάτων μπορεί να βελτιωθεί με την ανάπτυξη ενός συστήματος καθημερινής επαναληπτικής τροχιάς. Κάθε καταγραφόμενη σκηνή μπορεί να παρατηρηθεί συστηματικά από την ίδια γωνία λήψης και υπό παρόμοιες συνθήκες ηλιοφάνειας.

Ωστόσο, η μοναδικά προσαρμοσμένη τροχιά του δορυφόρου και ο αντίκτυπος της ευθυγράμμισης του αισθητήρα δημιουργούν νέες προκλήσεις στην επεξεργασία εικόνας. Αυτές περιλαμβάνουν την απώλεια ή κακή καταγραφή δεδομένων από κανάλι σε κανάλι, η οποία προκαλείται όταν μεμονωμένες γραμμές χρώματος στις συστοιχίες CCD σαρώνουν το έδαφος διαδοχικά με μία μικρή χρονική υστέρηση. Αναπτύχθηκε κατόπιν το αυτόματο σύστημα F2 AIPS για την επεξεργασία μεγάλης ποσότητας εικόνων Formosat-2 σε καθημερινή βάση. Το σύστημα χρησιμοποιεί παγχρωματικό κανάλι (μια εικόνα κλίμακας του γκρι που καλύπτει το κόκκινο, πράσινο και μπλε τμήμα του ηλεκτρομαγνητικού φάσματος) ως βασική εικόνα. Τα άλλα τέσσερα πολυφασματικά κανάλια συν-καταχωρούνται στην εικόνα-βάση, χρησιμοποιώντας μια τεχνική που ονομάζεται γρήγορη εξομάλυνση εγκάρσιου συντελεστή (fast normalize cross coefficient). Η συν-εγγραφή της γενικής εικόνας είναι μια χρονοβόρα διαδικασία, αλλά με το σύστημα F2 είναι δυνατή η επεξεργασία ενός προτύπου (12 × 12 χλμ.) σε περίπου είκοσι λεπτά σε έναν απλό προσωπικό υπολογιστή εξοπλισμένο με επεξεργαστή Pentium IV 2,4 GHz. Επιπλέον, το σύστημα διορθώνει όλα τα προβλήματα της επεξεργασίας της εικόνας που προκαλείται από την ευθυγράμμιση του αισθητήρα. Με την επιτυχή εφαρμογή του F2 AIPS, είναι εφικτή η συνεχής παρακολουθηση του παγκόσμιου περιβάλλοντος και η ταχεία αντίδραση σε καταστροφικά γεγονότα, όπως οι στην πυρκαγιές Καλιφόρνια το 2007, ο σεισμός Sichuan στην Κίνα το 2008 και ο τυφώνας Morakot το 2009.

Ένας άλλος σημαντικός παράγοντας για την αποτελεσματική αντιμετώπιση των φυσικών καταστροφών με δορυφορικές εικόνες είναι η κατανομή των γεωχωρικών πληροφοριών. Μεταξύ των διαφόρων εμπορικών πλατφόρμων που διατίθενται για το σκοπό αυτό, επιλέχθηκε η χρήση της εφαρμογής Google Earth, η οποία έχει το μεγαλύτερο αριθμό χρηστών. Για την ικανοποίηση των αιτημάτων του κοινού και των κυβερνητικών φορέων, εφαρμόσθηκε η τεχνική υπερ-επικάλυψης για τη μετατροπή κάθε εικόνας Formosat-2 σε μια σειρά επιπέδων με διαφορετικές πληροφορίες. Ανάλογα με την περιοχή πλοήγησης από το χρήστη, μόνο τα επίπεδα πληροφορίας που εμπίπτουν εντός της περιοχής ενδιαφέροντος εμφανίζονται στο διαδίκτυο. Με αυτό το είδος επεξεργασίας, μια μεγάλη δορυφορική εικόνα μπορεί να πλοηγηθεί από έναν αριθμό χρηστών του διαδικτύου ταυτόχρονα.

Η ταχεία αντίδραση σε ένα παγκόσμιο καταστροφικό γεγονός με δορυφορικά δεδομένα απαιτεί την έγκαιρη απόκτηση της δορυφορικής εικόνας, τη γρήγορη επεξεργασία των δεδομένων και την ευρεία διανομή πληροφοριών. Τα χαρακτηριστικά του Formosat-2 υποδεικνύουν ότι εικόνες από μια συγκεκριμένη περιοχή μπορούν να ληφθούν μέσα σε μία ημέρα, ενώ το σύστημα επεξεργασίας εικόνας F2 AIPS δίνει τη δυνατότητα γρήγορης επεξεργασίας μεγάλης ποσότητας δορυφορικών εικόνων. Η ευρεία διανομή πληροφοριών επιτυγχάνεται μέσω GEMDAS. Το σύστημα, το οποίο είναι πλέον πλήρως λειτουργικό, είναι μια αποτελεσματική προσέγγιση για την ανταλλαγή μεγάλων ποσοτήτων τηλεπισκοπικών εικόνων μέσω του διαδικτύου.

[[category:Ανίχνευση καταστροφών κτιρίων από σεισμό]]

Αντιμετώπιση φυσικών καταστροφών με τηλεπισκόπηση - Η περίπτωση του σεισμού και του τσουνάμι στην Ιαπωνία

2013-02-12T16:52:34Z

Koutsopoulou:

'''Τίτλος'''

Responding to natural disasters with satellite imagery

'''Πηγή'''

[http://spie.org/x49004.xml?highlight=x2420&ArticleID=x49004 SPIE]

'''Συγγραφείς'''

Cheng-Chien Liu and Nai-Yu Chen

[[Εικόνα: rs_wiki_10_1.jpg| thumb| right| Εικόνα 1: Αστική εξάπλωση, Ατλάντα.]]
Ο Formosat-2 είναι ένας δορυφόρος απεικόνιση της γης που εκτοξεύθηκε στις 20 Μαΐου 2004 και λειτουργεί υπό τον Εθνικό Οργανισμό Διαστήματος Ταϊβάν (NSPO). Είναι ο μοναδικός δορυφόρος υψηλής ανάλυσης με τη δυνατότητα απόκτησης επανειλημμένων εικόνων μιας περιοχής ενδιαφέροντος κάθε μέρα (καθημερινή επανάληψη). Εικόνες του μπορούν να χρησιμοποιηθούν για την κατανομή της γης, τη διερεύνηση των φυσικών πόρων, τη δασοκομία, την προστασία του περιβάλλοντος, την πρόληψη των καταστροφών, τη διάσωση και για άλλες εφαρμογές. Πρόσφατα, ο Formosat-2 και το αυτόματο σύστημα επεξεργασίας εικόνας (F2 AIPS, υλοποιήθηκε στα τέλη του 2005) αποδείχθηκαν χρήσιμα για την αντιμετώπιση σεισμικών εκδηλώσεων και τσουνάμι στην Ιαπωνία.

Στις 11 Μαρτίου 2011 στις 2:46 μ.μ. τοπική ώρα, σεισμός μεγέθους 9.0R χτύπησε την Ιαπωνία, και το επερχόμενο τσουνάμι 10μ. σάρωσε τη βορειοανατολική ακτή της χώρας μέσα σε 15 λεπτά. Η Πλατφόρμα των Ηνωμένων Εθνών για Διαστημική Πληροφορία για τη Διαχείριση Καταστροφών και Αντιμετώπιση Καταστάσεων Εκτάκτου Ανάγκης ξεκίνησε τη Διεθνή Χάρτα για το Διάστημα και τις Μεγάλες Καταστροφές με στόχο το συντονισμό των δορυφόρων των διαφόρων χωρών για την απόκτηση εικόνων των πληγεισών περιοχών. Μόλις αποκτήθηκε η πρώτη εικόνα Formosat-2 της πληγείσας περιοχής μετά την καταστροφή, η επεξεργασία έγινε εντός 2 ωρών και δημοσιεύτηκε στο Παγκόσμιο Σύστημα Παρακολούθησης Περιβάλλοντος και Αξιολόγησης Καταστροφών (GEMDAS).

Ο GEMDAS παρέχει έκτοτε ένα κανάλι για τη συνεχή ενημέρωση του διεθνούς κοινού σχετικά με τα συμβάντα στη Σεντάι μετά την καταστροφή. Εικόνες της φωτιάς στο διυλιστήριο Chiba (βλ. εικόνα 1), το Sendai Airport (βλ. εικόνα 2), το Miyako Iwate (βλ. εικόνα 3) και το πυρηνικό εργοστάσιο Φουκουσίμα Ι (βλ. σχήμα 4), μεταξύ άλλων, ενημερώνονται συχνά.

Ο ρόλος του GEMDAS στην ιαπωνική καταστροφή μπορεί να αποδοθεί σε τρεις παράγοντες. Η καθημερινή επαναληπτική τροχιά και η υψηλή ευελιξία του Formosat-2, το αυτόματο σύστημα επεξεργασίας εικόνας του δορυφόρου (F2 AIPS), και το διαδικτυακό σύστημα γεωχωρικών πληροφοριών για δημοσιοποίηση των εικόνων στο ευρύ κοινό, συνέβαλαν στην αποτελεσματική αντιμετώπιση των καταστροφών.

[[Εικόνα: rs_wiki_10_2.jpg| thumb| right| Εικόνα 1: Αστική εξάπλωση, Ατλάντα.]]
[[Εικόνα: rs_wiki_10_3.jpg| thumb| right| Εικόνα 1: Αστική εξάπλωση, Ατλάντα.]]
[[Εικόνα: rs_wiki_10_4.jpg| thumb| right| Εικόνα 1: Αστική εξάπλωση, Ατλάντα.]]
Ο δορυφόρος Formosat-2, εξοπλισμένος με μια συστοιχία CCD με 12.000 pixels, είναι ένας υψηλής χωρικής ανάλυσης αισθητήρας. Επιπλέον, η αποστολή αποδεικνύει ότι η χρονική διακριτική ικανότητα των τηλεπισκοπικών συστημάτων μπορεί να βελτιωθεί με την ανάπτυξη ενός συστήματος καθημερινής επαναληπτικής τροχιάς. Κάθε καταγραφόμενη σκηνή μπορεί να παρατηρηθεί συστηματικά από την ίδια γωνία λήψης και υπό παρόμοιες συνθήκες ηλιοφάνειας.

Ωστόσο, η μοναδικά προσαρμοσμένη τροχιά του δορυφόρου και ο αντίκτυπος της ευθυγράμμισης του αισθητήρα δημιουργούν νέες προκλήσεις στην επεξεργασία εικόνας. Αυτές περιλαμβάνουν την απώλεια ή κακή καταγραφή δεδομένων από κανάλι σε κανάλι, η οποία προκαλείται όταν μεμονωμένες γραμμές χρώματος στις συστοιχίες CCD σαρώνουν το έδαφος διαδοχικά με μία μικρή χρονική υστέρηση. Αναπτύχθηκε κατόπιν το αυτόματο σύστημα F2 AIPS για την επεξεργασία μεγάλης ποσότητας εικόνων Formosat-2 σε καθημερινή βάση. Το σύστημα χρησιμοποιεί παγχρωματικό κανάλι (μια εικόνα κλίμακας του γκρι που καλύπτει το κόκκινο, πράσινο και μπλε τμήμα του ηλεκτρομαγνητικού φάσματος) ως βασική εικόνα. Τα άλλα τέσσερα πολυφασματικά κανάλια συν-καταχωρούνται στην εικόνα-βάση, χρησιμοποιώντας μια τεχνική που ονομάζεται γρήγορη εξομάλυνση εγκάρσιου συντελεστή (fast normalize cross coefficient). Η συν-εγγραφή της γενικής εικόνας είναι μια χρονοβόρα διαδικασία, αλλά με το σύστημα F2 είναι δυνατή η επεξεργασία ενός προτύπου (12 × 12 χλμ.) σε περίπου είκοσι λεπτά σε έναν απλό προσωπικό υπολογιστή εξοπλισμένο με επεξεργαστή Pentium IV 2,4 GHz. Επιπλέον, το σύστημα διορθώνει όλα τα προβλήματα της επεξεργασίας της εικόνας που προκαλείται από την ευθυγράμμιση του αισθητήρα. Με την επιτυχή εφαρμογή του F2 AIPS, είναι εφικτή η συνεχής παρακολουθηση του παγκόσμιου περιβάλλοντος και η ταχεία αντίδραση σε καταστροφικά γεγονότα, όπως οι στην πυρκαγιές Καλιφόρνια το 2007, ο σεισμός Sichuan στην Κίνα το 2008 και ο τυφώνας Morakot το 2009.

Ένας άλλος σημαντικός παράγοντας για την αποτελεσματική αντιμετώπιση των φυσικών καταστροφών με δορυφορικές εικόνες είναι η κατανομή των γεωχωρικών πληροφοριών. Μεταξύ των διαφόρων εμπορικών πλατφόρμων που διατίθενται για το σκοπό αυτό, επιλέχθηκε η χρήση της εφαρμογής Google Earth, η οποία έχει το μεγαλύτερο αριθμό χρηστών. Για την ικανοποίηση των αιτημάτων του κοινού και των κυβερνητικών φορέων, εφαρμόσθηκε η τεχνική υπερ-επικάλυψης για τη μετατροπή κάθε εικόνας Formosat-2 σε μια σειρά επιπέδων με διαφορετικές πληροφορίες. Ανάλογα με την περιοχή πλοήγησης από το χρήστη, μόνο τα επίπεδα πληροφορίας που εμπίπτουν εντός της περιοχής ενδιαφέροντος εμφανίζονται στο διαδίκτυο. Με αυτό το είδος επεξεργασίας, μια μεγάλη δορυφορική εικόνα μπορεί να πλοηγηθεί από έναν αριθμό χρηστών του διαδικτύου ταυτόχρονα.

Η ταχεία αντίδραση σε ένα παγκόσμιο καταστροφικό γεγονός με δορυφορικά δεδομένα απαιτεί την έγκαιρη απόκτηση της δορυφορικής εικόνας, τη γρήγορη επεξεργασία των δεδομένων και την ευρεία διανομή πληροφοριών. Τα χαρακτηριστικά του Formosat-2 υποδεικνύουν ότι εικόνες από μια συγκεκριμένη περιοχή μπορούν να ληφθούν μέσα σε μία ημέρα, ενώ το σύστημα επεξεργασίας εικόνας F2 AIPS δίνει τη δυνατότητα γρήγορης επεξεργασίας μεγάλης ποσότητας δορυφορικών εικόνων. Η ευρεία διανομή πληροφοριών επιτυγχάνεται μέσω GEMDAS. Το σύστημα, το οποίο είναι πλέον πλήρως λειτουργικό, είναι μια αποτελεσματική προσέγγιση για την ανταλλαγή μεγάλων ποσοτήτων τηλεπισκοπικών εικόνων μέσω του διαδικτύου.

[[category:Ανίχνευση καταστροφών κτιρίων από σεισμό]]

Αντιμετώπιση φυσικών καταστροφών με τηλεπισκόπηση - Η περίπτωση του σεισμού και του τσουνάμι στην Ιαπωνία

2013-02-12T16:48:17Z

Koutsopoulou: Νέα σελίδα με 'Add Your Content Here category:Ανίχνευση καταστροφών κτιρίων από σεισμό'

Add Your Content Here

[[category:Ανίχνευση καταστροφών κτιρίων από σεισμό]]

Αρχείο:Rs wiki 10 4.jpg

2013-02-12T16:43:45Z

Koutsopoulou:

Αρχείο:Rs wiki 10 3.jpg

2013-02-12T16:43:28Z

Koutsopoulou:

Αρχείο:Rs wiki 10 2.jpg

2013-02-12T16:43:07Z

Koutsopoulou:

Αρχείο:Rs wiki 10 1.jpg

2013-02-12T16:42:46Z

Koutsopoulou:

Αρχείο:Rs wiki 9 1.jpg

2013-02-12T16:41:59Z

Koutsopoulou: ανέβασμα νέας έκδοσης του "Αρχείο:Rs wiki 9 1.jpg"

Κουτσοπούλου Αντωνία

2013-02-12T16:39:39Z

Koutsopoulou:

Δορυφορική παρακολούθηση της ποιότητας του νερού με τη βοήθεια φασματοσκοπίας

2013-02-12T16:38:52Z

Koutsopoulou:

'''Τίτλος'''

Spectroscopy-assisted satellite water quality monitoring

'''Πηγή'''

[http://spie.org/x48906.xml?highlight=x2420&ArticleID=x48906 SPIE]

'''Συγγραφείς'''

Diofantos Hadjimitsis and Chris Clayton

Η παρακολούθηση της ποιότητας του νερού τυπικά περιλαμβάνει δαπανηρές και χρονοβόρες επιτόπιες έρευνες, όπου λαμβάνονται δείγματα νερού και μεταφέρονται σε εργαστήρια. Εκεί τα δείγματα αναλύονται και μετρώνται δείκτες ποιότητας νερού, όπως χλωροφύλλη α (Chl-α), σωματιδιακός οργανικός άνθρακας (POC), και αιωρούμενα στερεά (SS). Αυτή η διαδικασία δύο σταδίων επιτρέπει την ακριβή μέτρηση σε ένα υδάτινο σώμα, αλλά μόνο στα διακριτά σημεία όπου τα δείγματα αποκτήθηκαν. Για την παράκαμψη της δειγματοληψίας, η δορυφορική τηλεπισκόπηση παρέχει πλήρη και συνοπτική γεωγραφική κάλυψη της ποιότητας του νερού των εσωτερικών υδατικών συστημάτων, όπως λίμνες, ταμιευτήρες, ποτάμια και φράγματα. Με την τηλεπισκόπηση προκαθορίζεται φασματοσκοπικά η βέλτιστη περιοχή φάσματος για τους δείκτες ποιότητας του νερού πριν την επεξεργασία των δορυφορικών εικόνων, με στόχο τη βελτίωση των μοντέλων πρόβλεψης για την ποιότητα του νερού.

[[Εικόνα: rs_wiki_9_3.jpg| thumb| left| Σχήμα 1: Συσχέτιση (r2) μεταξύ συγκέντρωσης chl-α και GER1500 ανάκλασης για τους ταμιευτήρες Datchet, Wraysbury, και Queen Mary. Κάθε τιμή r2 υπολογίστηκε για κάθε μήκος κύματος του GER1500. Τα κανάλια 1 και 2 αντιστοιχούν στο μπλε και κόκκινο φασματικό κανάλι του Landsat αντίστοιχα.]]
[[Εικόνα: rs_wiki_9_4.jpg| thumb| left| Σχήμα 2: Συσχέτιση (r2) μεταξύ συγκέντρωσης POC και GER1500 ανάκλασης για τους ταμιευτήρες Datchet, Wraysbury, και Queen Mary. Κάθε τιμή r2 υπολογίστηκε για κάθε μήκος κύματος του GER1500. Τα κανάλια 1 και 2 αντιστοιχούν στο μπλε και κόκκινο φασματικό κανάλι του Landsat αντίστοιχα.]]
Πολλά δορυφορικά συστήματα χρησιμοποιούνται για την παρακολούθηση της ποιότητας του νερού στην ενδοχώρα, συμπεριλαμβανομένων των Land Satellite (Landsat), Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) και Medium Resolution Imaging Spectrometer (MERIS). Οι εικόνες των παραπάνω δορυφόρων χρησιμοποιούνται σε συνδυασμό με in situ δειγματοληπτικές μετρήσεις της ποιότητας του νερού για τον προσδιορισμό του επιπέδου ρύπανσης. Περαιτέρω, στατιστικές τεχνικές χρησιμοποιούνται για τον προσδιορισμό συσχετίσεων μεταξύ δορυφορικών φασματικών καναλιών ή συνδυασμούς αυτών, και των επιθυμητών δεικτών ποιότητας των υδάτων. Οι συσχετίσεις αυτές χρησιμοποιούνται στη συνέχεια για την ανάπτυξη υπολογιστικών εξισώσεων για τα επίπεδα Chl-α, POC και SS.

[[Εικόνα: rs_wiki_9_1.jpg| thumb| right| Εικόνα 1: Εικόνα Landsat TM της κάτω κοιλάδας του Τάμεση στην περιοχή του αεροδρομίου Heathrow, Ηνωμένο Βασίλειο.]]
[[Εικόνα: rs_wiki_9_2.jpg| thumb| right| Εικόνα 2: Φασματοραδιόμετρο πεδίου GER1500 (Spectra Vista Corporation) εξοπλισμένο με ανιχνευτή οπτικών ινών για τη μέτρηση της ανάκλασης στην επιφάνεια του νερού.]]
Παρά το γεγονός ότι έχουν υπάρξει αναφορές σχετικά με τη χρήση της δορυφορικής τηλεπισκόπησης των εσωτερικών υδάτων, σχετικά λίγες μελέτες έχουν εξετάσει το πρόβλημα της ατμοσφαιρικής παρέμβασης στο δορυφορικό σήμα. Για παράδειγμα, η ακτινοβολία από την επιφάνεια της Γης υφίσταται σημαντική αλληλεπίδραση με την ατμόσφαιρα προτού φτάσει στο δορυφορικό αισθητήρα. Αυτές οι αλληλεπιδράσεις είναι πιο σοβαρές όταν οι στοχευμένες επιφάνειες αποτελούνται από υδάτινα σώματα, ιδίως όταν πρόκειται για πολυφασματικά δεδομένα δορυφορικών χρονοσειρών. Οι ατμοσφαιρικές επιδράσεις αποτελούν το μεγαλύτερο μέρος στη μέτρηση της ακτινοβολίας στο ορατό φάσμα όταν πρόκειται για εσωτερικά ύδατα (60-90%). Επομένως, είναι απαραίτητη μία αξιόπιστη και αποτελεσματική ατμοσφαιρική διόρθωση κατά την προ-επεξεργασία των ψηφιακών δορυφορικών δεδομένων.

Για τον καθορισμό της ανάκλασης στην επιφάνεια του νερού πραγματοποιήθηκαν μετρήσεις στο έδαφος, σε μηδενικό περίπου βάθος. Χρησιμοποιήθηκε ένα φασματοραδιόμετρο (GER1500, Spectra Vista Corporation), το οποίο καλύπτει τη φασματική περιοχή 350-1050nm. Αφού επιλέχθηκαν οι δεξαμενές επεξεργασίας νερού της κάτω κοιλάδας του Τάμεση (Ηνωμένο Βασίλειο) ως περιοχή μελέτης (βλ. εικόνα 1), πραγματοποιήθηκαν μετρήσεις τόσο στις δεξαμενές όσο και σε ένα λευκό πάνελ spectralon (το οποίο χρησιμοποιήθηκε για τη μέτρηση της εισερχόμενης ηλιακής ακτινοβολίας). Με ένα φασματοραδιόμετρο πεδίου συναρμολογημένο με έναν ανιχνευτή οπτικών ινών, μετρήθηκαν οι τιμές ανακλαστικότητας σε διάφορα βάθη νερού από 0 έως 6m (βλ. εικόνα 2). Στη συνέχεια υπολογίσθηκαν οι τιμές ανάκλασης επιφάνειας που ισοδύναμούν με τα κανάλια 1-4 του Landsat-5 TM, όπου το κανάλι 1 ανιχνεύει τα μήκη κύματος 0,45-0.52μm, το κανάλι 2 ανιχνεύει 0.52-0.60μm, το κανάλι 3 ανιχνεύει 0,63-0.69μm και το κανάλι 4 ανιχνεύει 0.76-0.90μm. Για την απόδοση της in-band ανακλαστικότητος, επακολούθησε φιλτράρισμα των πειραματικών μετρήσεων μέσω των σχετικών φασματικών συναρτήσεων αποκρίσεως του Landsat-5 TM και λήφθηκε η μέση τιμή εντός των ορίων των τεσσάρων καναλιών.

Εντοπίσθηκαν οι πιθανοί προγνωστικοί παράγοντες για Chl-α και POC χρησιμοποιώντας γραμμική ανάλυση παλινδρόμησης μεταξύ των καταμετρηθέντων μέσων τιμών ανακλαστικότητας εντός του φασματικού εύρους του φασματοραδιομέτρου και των συγκεντρώσεων (μg/L) του Chl-α και POC στα δείγματα νερού. Κάθε μοντέλο παλινδρόμησης-512 στο σύνολο-αντιστοιχούσε σε ένα μετρημένο μήκος κύματος, όπου οι υψηλότερες τιμές συντελεστών συσχέτισης (r2) για Chl-α και POC αντιστοιχούσαν στα μήκη κύματος που βρέθηκαν. Συγκεκριμένα, βρέθηκαν συσχετίσεις για Chl-α στα 400-450nm (r2 = 0,80 έως 0,60) και 730-735nm (r2> 0,60: βλ. σχήμα 1). Για POC βρήκαμε συσχετίσεις στα 400-530nm (r2 = 0,80 έως 0,60) και 728-735nm (με r2> 0,60: βλ. σχήμα 2). Αυτά τα μήκη κύματος αντιστοιχούν στο βέλτιστο μήκος κύματος που τα Chl-α και POC μπορούν να ανακτηθούν μέσω δορυφόρου. Δηλαδή οι φασματικές περιοχές Landsat TM για Chl-α είναι το κανάλι 1 και για POC τα κανάλια 1 και 2. Τέλος εφαρμόσθηκε αλγόριθμος ατμοσφαιρικής διόρθωσης στα μοντέλα παλινδρόμησης και υποβλήθηκαν σε επεξεργασία πρόσφατα αρχειοθετημένες εικόνες Landsat TM/ETM+ για περαιτέρω ρύθμιση και επικύρωση της προ-επεξεργασίας.

Συνοπτικά, αναπτύχθηκε μια νέα μέθοδος για τον καθορισμό της βέλτιστης φασματικής περιοχής – με τη χρήση in situ φασματοραδιομετρικών μετρήσεων πεδίου - κατά την οποία οι παράμετροι ποιότητας του νερού μπορούν να ανακτηθούν από δεδομένα δορυφορικής εικόνας. Αρκετά γραμμικά και πολλαπλά γραμμικά υποδείγματα παλινδρόμησης εφαρμόστηκαν σχετίζοντας από την ατμοσφαιρικά διορθωμένες τιμές ανακλαστικότητας και συγκεντρώσεις Chl-a και POC.

[[category:Αξιολόγηση υδρολογικών αποθεμάτων / δυναμικού]]

Δορυφορική παρακολούθηση της ποιότητας του νερού με τη βοήθεια φασματοσκοπίας

2013-02-12T16:31:40Z

Koutsopoulou:

'''Τίτλος'''

Spectroscopy-assisted satellite water quality monitoring

'''Πηγή'''

[http://spie.org/x48906.xml?highlight=x2420&ArticleID=x48906 SPIE]

'''Συγγραφείς'''

Diofantos Hadjimitsis and Chris Clayton

Η παρακολούθηση της ποιότητας του νερού τυπικά περιλαμβάνει δαπανηρές και χρονοβόρες επιτόπιες έρευνες, όπου λαμβάνονται δείγματα νερού και μεταφέρονται σε εργαστήρια. Εκεί τα δείγματα αναλύονται και μετρώνται δείκτες ποιότητας νερού, όπως χλωροφύλλη α (Chl-α), σωματιδιακός οργανικός άνθρακας (POC), και αιωρούμενα στερεά (SS). Αυτή η διαδικασία δύο σταδίων επιτρέπει την ακριβή μέτρηση σε ένα υδάτινο σώμα, αλλά μόνο στα διακριτά σημεία όπου τα δείγματα αποκτήθηκαν. Για την παράκαμψη της δειγματοληψίας, η δορυφορική τηλεπισκόπηση παρέχει πλήρη και συνοπτική γεωγραφική κάλυψη της ποιότητας του νερού των εσωτερικών υδατικών συστημάτων, όπως λίμνες, ταμιευτήρες, ποτάμια και φράγματα. Με την τηλεπισκόπηση προκαθορίζεται φασματοσκοπικά η βέλτιστη περιοχή φάσματος για τους δείκτες ποιότητας του νερού πριν την επεξεργασία των δορυφορικών εικόνων, με στόχο τη βελτίωση των μοντέλων πρόβλεψης για την ποιότητα του νερού.

Πολλά δορυφορικά συστήματα χρησιμοποιούνται για την παρακολούθηση της ποιότητας του νερού στην ενδοχώρα, συμπεριλαμβανομένων των Land Satellite (Landsat), Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) και Medium Resolution Imaging Spectrometer (MERIS). Οι εικόνες των παραπάνω δορυφόρων χρησιμοποιούνται σε συνδυασμό με in situ δειγματοληπτικές μετρήσεις της ποιότητας του νερού για τον προσδιορισμό του επιπέδου ρύπανσης. Περαιτέρω, στατιστικές τεχνικές χρησιμοποιούνται για τον προσδιορισμό συσχετίσεων μεταξύ δορυφορικών φασματικών καναλιών ή συνδυασμούς αυτών, και των επιθυμητών δεικτών ποιότητας των υδάτων. Οι συσχετίσεις αυτές χρησιμοποιούνται στη συνέχεια για την ανάπτυξη υπολογιστικών εξισώσεων για τα επίπεδα Chl-α, POC και SS.

Παρά το γεγονός ότι έχουν υπάρξει αναφορές σχετικά με τη χρήση της δορυφορικής τηλεπισκόπησης των εσωτερικών υδάτων, σχετικά λίγες μελέτες έχουν εξετάσει το πρόβλημα της ατμοσφαιρικής παρέμβασης στο δορυφορικό σήμα. Για παράδειγμα, η ακτινοβολία από την επιφάνεια της Γης υφίσταται σημαντική αλληλεπίδραση με την ατμόσφαιρα προτού φτάσει στο δορυφορικό αισθητήρα. Αυτές οι αλληλεπιδράσεις είναι πιο σοβαρές όταν οι στοχευμένες επιφάνειες αποτελούνται από υδάτινα σώματα, ιδίως όταν πρόκειται για πολυφασματικά δεδομένα δορυφορικών χρονοσειρών. Οι ατμοσφαιρικές επιδράσεις αποτελούν το μεγαλύτερο μέρος στη μέτρηση της ακτινοβολίας στο ορατό φάσμα όταν πρόκειται για εσωτερικά ύδατα (60-90%). Επομένως, είναι απαραίτητη μία αξιόπιστη και αποτελεσματική ατμοσφαιρική διόρθωση κατά την προ-επεξεργασία των ψηφιακών δορυφορικών δεδομένων.

[[Εικόνα: rs_wiki_9_1.jpg| thumb| right| Εικόνα 1: Μεταβολές καλύψεων γης στο Δελχί μεταξύ 1992 και 2004.]]
[[Εικόνα: rs_wiki_9_2.jpg| thumb| right| Εικόνα 1: Μεταβολές καλύψεων γης στο Δελχί μεταξύ 1992 και 2004.]]
Για τον καθορισμό της ανάκλασης στην επιφάνεια του νερού πραγματοποιήθηκαν μετρήσεις στο έδαφος, σε μηδενικό περίπου βάθος. Χρησιμοποιήθηκε ένα φασματοραδιόμετρο (GER1500, Spectra Vista Corporation), το οποίο καλύπτει τη φασματική περιοχή 350-1050nm. Αφού επιλέχθηκαν οι δεξαμενές επεξεργασίας νερού της κάτω κοιλάδας του Τάμεση (Ηνωμένο Βασίλειο) ως περιοχή μελέτης (βλ. εικόνα 1), πραγματοποιήθηκαν μετρήσεις τόσο στις δεξαμενές όσο και σε ένα λευκό πάνελ spectralon (το οποίο χρησιμοποιήθηκε για τη μέτρηση της εισερχόμενης ηλιακής ακτινοβολίας). Με ένα φασματοραδιόμετρο πεδίου συναρμολογημένο με έναν ανιχνευτή οπτικών ινών, μετρήθηκαν οι τιμές ανακλαστικότητας σε διάφορα βάθη νερού από 0 έως 6m (βλ. εικόνα 2). Στη συνέχεια υπολογίσθηκαν οι τιμές ανάκλασης επιφάνειας που ισοδύναμούν με τα κανάλια 1-4 του Landsat-5 TM, όπου το κανάλι 1 ανιχνεύει τα μήκη κύματος 0,45-0.52μm, το κανάλι 2 ανιχνεύει 0.52-0.60μm, το κανάλι 3 ανιχνεύει 0,63-0.69μm και το κανάλι 4 ανιχνεύει 0.76-0.90μm. Για την απόδοση της in-band ανακλαστικότητος, επακολούθησε φιλτράρισμα των πειραματικών μετρήσεων μέσω των σχετικών φασματικών συναρτήσεων αποκρίσεως του Landsat-5 TM και λήφθηκε η μέση τιμή εντός των ορίων των τεσσάρων καναλιών.

[[Εικόνα: rs_wiki_9_3.jpg| thumb| right| Εικόνα 1: Μεταβολές καλύψεων γης στο Δελχί μεταξύ 1992 και 2004.]]
[[Εικόνα: rs_wiki_9_4.jpg| thumb| right| Εικόνα 1: Μεταβολές καλύψεων γης στο Δελχί μεταξύ 1992 και 2004.]]
Εντοπίσθηκαν οι πιθανοί προγνωστικοί παράγοντες για Chl-α και POC χρησιμοποιώντας γραμμική ανάλυση παλινδρόμησης μεταξύ των καταμετρηθέντων μέσων τιμών ανακλαστικότητας εντός του φασματικού εύρους του φασματοραδιομέτρου και των συγκεντρώσεων (μg/L) του Chl-α και POC στα δείγματα νερού. Κάθε μοντέλο παλινδρόμησης-512 στο σύνολο-αντιστοιχούσε σε ένα μετρημένο μήκος κύματος, όπου οι υψηλότερες τιμές συντελεστών συσχέτισης (r2) για Chl-α και POC αντιστοιχούσαν στα μήκη κύματος που βρέθηκαν. Συγκεκριμένα, βρέθηκαν συσχετίσεις για Chl-α στα 400-450nm (r2 = 0,80 έως 0,60) και 730-735nm (r2> 0,60: βλ. εικόνα 3). Για POC βρήκαμε συσχετίσεις στα 400-530nm (r2 = 0,80 έως 0,60) και 728-735nm (με r2> 0,60: βλ. εικόνα 4). Αυτά τα μήκη κύματος αντιστοιχούν στο βέλτιστο μήκος κύματος που τα Chl-α και POC μπορούν να ανακτηθούν μέσω δορυφόρου. Δηλαδή οι φασματικές περιοχές Landsat TM για Chl-α είναι το κανάλι 1 και για POC τα κανάλια 1 και 2. Τέλος εφαρμόσθηκε αλγόριθμος ατμοσφαιρικής διόρθωσης στα μοντέλα παλινδρόμησης και υποβλήθηκαν σε επεξεργασία πρόσφατα αρχειοθετημένες εικόνες Landsat TM/ETM+ για περαιτέρω ρύθμιση και επικύρωση της προ-επεξεργασίας.

Συνοπτικά, αναπτύχθηκε μια νέα μέθοδος για τον καθορισμό της βέλτιστης φασματικής περιοχής – με τη χρήση in situ φασματοραδιομετρικών μετρήσεων πεδίου - κατά την οποία οι παράμετροι ποιότητας του νερού μπορούν να ανακτηθούν από δεδομένα δορυφορικής εικόνας. Αρκετά γραμμικά και πολλαπλά γραμμικά υποδείγματα παλινδρόμησης εφαρμόστηκαν σχετίζοντας από την ατμοσφαιρικά διορθωμένες τιμές ανακλαστικότητας και συγκεντρώσεις Chl-a και POC.

[[category:Αξιολόγηση υδρολογικών αποθεμάτων / δυναμικού]]

Δορυφορική παρακολούθηση της ποιότητας του νερού με τη βοήθεια φασματοσκοπίας

2013-02-12T16:25:52Z

Koutsopoulou: Νέα σελίδα με 'Add Your Content Here category:Αξιολόγηση υδρολογικών αποθεμάτων / δυναμικού'

Add Your Content Here

[[category:Αξιολόγηση υδρολογικών αποθεμάτων / δυναμικού]]

Αρχείο:Rs wiki 9 4.jpg

2013-02-12T16:23:50Z

Koutsopoulou:

Αρχείο:Rs wiki 9 3.jpg

2013-02-12T16:23:32Z

Koutsopoulou:

Αρχείο:Rs wiki 9 2.jpg

2013-02-12T16:23:05Z

Koutsopoulou:

Αρχείο:Rs wiki 9 1.jpg

2013-02-12T16:22:44Z

Koutsopoulou:

Κουτσοπούλου Αντωνία

2013-02-12T16:18:26Z

Koutsopoulou:

Κουτσοπούλου Αντωνία

2013-02-12T16:17:19Z

Koutsopoulou:

Εκτίμηση της βιομάζας των τροπικών δασών με τη χρήση πολυφασματικών ραδιομετρικών εικόνων

2013-02-12T16:16:22Z

Koutsopoulou:

'''Τίτλος'''

Tropical forest biomass assessment using multi-frequency radar imagery

'''Πηγή'''

[http://spie.org/x51854.xml?highlight=x2420&ArticleID=x51854 SPIE]

'''Συγγραφείς'''

Sandra Englhart, Vanessa Keuck and Florian Siegert

Ο συνδυασμός των καναλιών X και L επιτρέπει την ακριβή εκτίμηση της υπέργειας βιομάζας και παρέχει πληροφορίες σχετικά με τη χωρική διακύμανση μεταξύ των διαφόρων δασικών οικοσυστημάτων και την υποβάθμιση των δασών.

Στο πλαίσιο της διεθνούς προσπάθειας για μείωση των ανθρωπογενών εκπομπών αερίων του θερμοκηπίου, έχουν αναπτυχθεί διάφοροι μηχανισμοί αντιμετώπισης της κλιματικής αλλαγής. Παράδειγμα αποτελεί η μείωση των εκπομπών από την αποψίλωση και την υποβάθμιση των δασών (REDD), με στόχο την πρόληψη της αποψίλωσης των δασών, γεγονός που έγινε δεκτό κατά τη διάσκεψη για την κλιματική αλλαγή στο Κανκούν το 2010. Η ακριβής ποσοτικοποίηση της υπέργειας βιομάζας (AGB) είναι ιδιαίτερα σημαντική σε αυτήν την προσπάθεια, ειδικά στα τροπικά δάση όπου αποθηκεύονται τεράστιες ποσότητες άνθρακα.

Λόγω της δύσκολης επιτόπιας πρόσβασης στα τροπικά δάση, οι δορυφορικές παρατηρήσεις και μετρήσεις θα μπορούσαν να γίνουν το κύριο μέσο παρακολούθηση της AGB σε τροπικές περιοχές. Οι αισθητήρες των διαστημικών ραντάρ συνθετικού διαφράγματος (SAR) είναι ενεργά συστήματα που μεταδίδουν μικροκυματική ενέργεια σε μήκη κύματος που κυμαίνονται από 3,1 εκατοστά (κανάλι X) έως 23,6 εκατοστά (κανάλι L). Λειτουργούν ανεξάρτητα από τον καιρό και την ώρα μετάδοσης (ημέρα ή νύχτα), γεγονός ιδιαίτερα χρήσιμο σε τροπικές περιοχές, οι οποίες συχνά καλύπτονται από σύννεφα.

Στο πλαίσιο αυτό διερευνήθηκαν οι δυνατότητες της συνδυασμένης χρήσης των TerraSAR-X (X-band) και ALOS PALSAR (L-band) για την εκτίμηση της AGB σε ανέπαφα και υποβαθμισμένα τροπικά δάση, σε ένα ιδιαίτερα πλούσιο σε άνθρακα δασικό οικοσύστημα στο Βόρνεο της Ινδονησίας. Μεγαλύτερα μήκη κύματος SAR έχουν αποδειχθεί ότι είναι πιο χρήσιμα για την εκτίμηση της AGB, καθώς η οπισθοσκέδαση αυξάνει με τις αλλαγές στη βιομάζα. Η ανάλυση βιομάζας με τη χρήση ραντάρ συνήθως περιορίζεται από τον κορεσμό του σήματος ραντάρ σε υψηλές τιμές βιομάζας, το οποίο συμβαίνει όταν ο λόγος της βιομάζας προς την οπισθοσκέδαση προσεγγίζει το μηδέν. Ο κορεσμός στα μικρότερα μήκη κύματος (κανάλι X) εμφανίζεται σχετικά γρήγορα- περίπου 50 τόνοι ανά εκτάριο (t/ha)-ενώ στα μεγαλύτερα μήκη κύματος (κανάλι L) εμφανίζεται σε υψηλά επίπεδα βιομάζας (150t/ha έως και 600t/ha). Ωστόσο, το επίπεδο κορεσμού επηρεάζεται όχι μόνο από τη συχνότητα SAR αλλά επίσης και από τον αριθμό και την ποιότητα των σημειακών δεδομένων των δασικών αποθεμάτων.

Η συλλογή και επεξεργασία των δεδομένα AGB έγινε βάση των δασικών καταλόγων και τεχνικών LIDAR, μετρήσεις, η οποία θεωρείται σήμερα η πιο ακριβής μέθοδος εκτίμησης βιομάζας. Η βάση δεδομένων παρείχε ένα τεράστιο αριθμό (n = 3970) εκτιμήσεων της AGB σε όλο το εύρος της βιομάζας, από ξυλώδη αναγέννηση μέχρι ώριμα παρθένα δάση. Οι εκτιμήσεις αυτές χρησιμοποιήθηκαν για τη μοντελοποίηση της παλινδρόμησης της βιομάζας βάσει πολυφασματικών δεδομένων SAR.

[[Εικόνα: rs_wiki_8_1.jpg| thumb| right| Εικόνα 1: Εκτιμήσεις υπέργειας βιομάζας των πολύ-χρονικών TerraSAR-X, ALOS PALSAR και συνδυασμένα μοντέλα παλινδρόμησης αποψιλωμένων περιοχών με χαμηλή βιομάζα (επάνω πάνελ) και δασικών περιοχών με σημαντικά αποθέματα τύρφης και υψηλή βιομάζα (κάτω πάνελ). Αριστερά παρουσιάζονται εικόνες Landsat από τις 19 Μαΐου 2008. Οι φωτογραφίες δείχνουν παραδείγματα από διαφορετικές καλύψεις γης που υποδεικνύονται με βέλη στο χάρτη βιομάζας.]]
Η σχέση μεταξύ των σημάτων ραντάρ και της AGB αναλύθηκε χρησιμοποιώντας χωρικούς μέσους συντελεστές οπισθοσκέδασης σε μέγεθος πλέγματος ενός εκταρίου, η οποία πρόσφερε την καλύτερη ισορροπία μεταξύ ραδιομετρικής ακρίβειας και απώλειας χωρικής ακρίβειας. Για την ελαχιστοποίηση των δυνητικών επιπτώσεων των βροχοπτώσεων, των επιφανειακών υδάτων, και της υγρασίας του εδάφους, χρησιμοποιήθηκαν μόνο εικόνες ραντάρ που αποκτήθηκαν κατά τη διάρκεια της ξηρής περιόδου (Μάιος-Οκτώβριος). Τα μοντέλα παλινδρόμησης εφαρμόσθηκαν στη συνέχεια σε ολόκληρη την περιοχή μελέτης, προκειμένου να εκτιμηθεί η χωρική πολυπλοκότητα της μεταβολής της βιομάζας σε διάφορα δασικά οικοσυστήματα. Τα αποτελέσματα συγκρίθηκαν με δεδομένα από πρόσθετες πηγές, όπως Landsat, RapidEye, και παρατηρήσεις πεδίου.

Το μοντέλο παλινδρόμησης της AGB βάσει εικόνων TerraSAR-X και ALOS PALSAR έδειξαν ότι τα πολυ-χρονικά (multi-temporal) μοντέλα παλινδρόμησης είναι πιο ακριβή από τα μονο-χρονικά (mono-temporal). Τα μονο-χρονικά μοντέλα παλινδρόμησης επηρεάζονται από τις καιρικές συνθήκες πριν και κατά τη διάρκεια λήψης της εικόνας, με αποτέλεσμα η χωρική και χρονική δυνατότητα μεταφοράς τους να είναι περιορισμένη. Τα πολυ-χρονικά μοντέλα αντισταθμίζουν για τις διάφορες καιρικές συνθήκες και επιδέχονται χρονική και χωρική μεταφορά.

Η έρευνα έδειξε ότι η μπάντα Χ είναι καλύτερη για την εκτίμηση της βιομάζας σε χαμηλές τιμές ενώ η μπάντα L για υψηλές τιμές βιομάζας. Η συνδυασμένη χρήση εικόνων TerraSAR-Χ και ALOS PALSAR πέτυχε την πιο ακριβή εκτίμηση σε όλο το εύρος της βιομάζας (βλ. Εικόνα 1). Ο κορεσμός του συνδυασμένου πολυ-χρονικού μοντέλου TerraSAR-X και ALOS PALSAR ήταν 300t/ha, αλλά το χωρικό πρότυπο των τιμών της AGB και μια σύγκριση με πολυφασματικές εικόνες δείχνουν ότι να είναι δυνατό να εκτιμηθούν επίπεδα βιομάζας έως και 600t/ha. Τέλος, διερευνήθηκαν οι περιορισμοί για τη χωρική και χρονική μεταφορά των μοντέλων παλινδρόμησης βιομάζας.

Πρόσθετα επιτόπια δεδομένα βιομάζας θα μπορούσαν να βελτιώσουν τη βαθμονόμηση του μοντέλου και την επικύρωση του. Επί του παρόντος επεκτείνονται και αναβαθμίζονται οι δασικοί κατάλογοι και οι μετρήσεις lidar. Η διαδικασία αυτή αναμένεται να δώσει πιο ακριβή αποτελέσματα για την AGB, η οποία θα επιτρέπει και ακριβέστερη μοντελοποίηση. Πιο συγκεκριμένα, επίκειται η λεπτομερής ανάλυση της χωρικής μεταφοράς, ειδικά μεταξύ διαφορετικών οικοσυστημάτων.

[[category:Εκτίμηση βιομάζας]]

Αρχείο:Rs wiki 8 1.jpg

2013-02-12T16:07:38Z

Koutsopoulou:

Εκτίμηση της βιομάζας των τροπικών δασών με τη χρήση πολυφασματικών ραδιομετρικών εικόνων

2013-02-12T16:06:39Z

Koutsopoulou: Νέα σελίδα με 'Add Your Content Here category:Εκτίμηση βιομάζας'

Add Your Content Here

[[category:Εκτίμηση βιομάζας]]