RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Εντοπισμός Πετρελαιοκηλίδων από ανθρώπινη δραστηριότητα

2015-03-29T19:51:45Z

Manolis rallias:

[[Εικόνα: Image1.JPG‎ ‎ | thumb | right | '''Εικόνα 1'''
Περιοχή της Βαλτικής Θάλασσας με το γερμανικό νησί της Fehmarn (στο κέντρο) και ο Δανικό νησί της Lolland (στο άνω τμήμα και δεξί τμήμα). Η θαλάσσια περιοχή εν μέρει καλύπτεται από βιογενείς κηλίδες που είναι άφθονα σε αυτή την εποχή του έτους. Η εικόνα είναι ERS-2 SAR]]

[[Εικόνα: Image2.JPG ‎ | thumb | right | '''Εικόνα 2'''
Διαδρομή πλοίου προς βορρά. Με άσπρο σημείο φαίνεται το πλοίο ενώ με μαύρη γραμμή το πετρέλαιο που διαρρέει. Το ίχνος του πετρελαίου ανάλογα με τον χρόνο διευρύνεται όπως βλέπουμε στο νότιο τμήμα. Η εικόνα είναι ERS-1 SAR και αφορά περιοχή πάνω από τον Ειρηνικό Ωκεανό.]]

[[Εικόνα: Remote3.JPG‎ ‎ | thumb | right | '''Εικόνα 3'''
Ρύπανση με πετρελαιοειδή ανοικτά της ανατολικής ακτής της Μαλαισίας, σε πολυσύχναστη ναυτιλιακή πορεία. Ο άνεμος φυσούσε με ανατολική κατεύθυνση προκαλώντας αντίστοιχη διαφοροποίηση στο σχήμα των πετρελαιοκηλίδων. Εικόνα ERS-2 SAR]]

'''Πρωτότυπος Τίτλος''': Remote Sensing of oil spills

'''Συγγραφέας''': Warner Alpers

'''Εισαγωγή'''

Μία διαφορετική διάσταση του εντοπισμού πετρελαιοκηλίδων είναι οι διαρροές από τα πλοία. Οι διαρροές πετρελαιοειδών από τις ανθρώπινες δραστηριότητες στην θάλασσα συγκαταλέγονται ως ένα από τα μεγαλύτερα περιβαλλοντικά προβλήματα του πλανήτη. Αυτός είναι και ο λόγος που οι εθνικές κυβερνήσεις αλλά και διεθνείς οργανισμοί έχουν δημιουργήσει συγκεκριμένο νομικό πλαίσιο για την προστασία από το φαινόμενο αυτό. Χαρακτηριστικότερο τέτοιο μέτρο αντιμετώπισης της ρύπανσης από πετρελαιοειδή είναι η διεθνής Σύμβαση MARPOL 73/78 που ορίζει συγκεκριμένες απαιτήσεις για τις απορρίψεις πλοίων, με μέγιστα όρια των ποσοτήτων και υπό συγκεκριμένες αποστάσεις από τις ακτές. Ακόμη ορίζει μία σειρά από ειδικές περιοχές (π.χ. Μεσόγειος θάλασσα, Βαλτική κλπ) όπου οι απορρίψεις όπου οι απορρίψεις σχεδόν απαγορεύονται παντελώς.

Το ερώτημα που προκύπτει βέβαια είναι πως μπορούμε να ελέγξουμε την κατάσταση αλλά και να εντοπίσουμε γρήγορα πιθανές απορρίψεις πετρελαιοειδών στην θάλασσα; Απάντηση στο ερώτημα αυτό δίνει η τηλεπισκόπηση. Εικόνες ραντάρ από τους ευρωπαϊκούς δορυφόρους (ERS-1 και ERS-2) έχουν χρησιμοποιηθεί σε πολλές περιπτώσεις και έχουν προσφέρει πολύτιμα στοιχεία. Οι δορυφορικές εικόνες βέβαια συχνά αποτυγχάνουν να εντοπίσουν σημεία ρύπανσης από πετρέλαιο λόγω των μεγάλων χρονικών διαστημάτων που παρεμβάλλεται μεταξύ των λήψεων αλλά και του γεγονότος ότι η στιγμή λήψης συχνά είναι γνωστή σε εκείνους που ρυπαίνουν. Για τους λόγους αυτούς συχνά οι χώρες χρησιμοποιούν αεροπλάνα εποπτείας.

Σημαντικό σημείο διερεύνησης για την κατανόηση του ζητήματος είναι η πηγή των πετρελαιοειδών που καταλήγουν στην θάλασσα. Αυτά συνήθως προέρχονται από έκπλυση δεξαμενών καυσίμων πλοίων, από ατυχήματα σε πλοία και εξέδρες άντλησης πετρελαίου αλλά και από τις εργασίες συντήρησης των μηχανών των πλοίων.

Για τον εντοπισμό πετρελαιοκηλίδων που προκύπτουν από πηγές που προαναφέραμε η τηλεπισκόπηση χρησιμοποιεί συχνά τεχνικές που σχετίζονται με το σχήμα της ρύπανσης. Είναι γνωστό ότι η ρύπανση που προκαλείται από πλοία θα έχει γραμμική μορφή υπό συνθήκες νηνεμίας της θάλασσας, πράγμα που κάνει εύκολο τον εντοπισμό τους από εικόνες ραντάρ και αυτόματες τεχνικές ανίχνευσης. Είναι προφανές βεβαία ότι εφόσον το πλοίο πραγματοποιεί ελιγμούς ή υπάρχουν επιφανειακά θαλάσσια ρεύματα ο εντοπισμός με αυτήν την τεχνική μπορεί να μην επιφέρει τα αναμενόμενα αποτελέσματα. Στην περίπτωση που πετρελαιοειδή απορρίπτονται πλευρικά ενός σκάφους τότε αυτά σχηματίζουν αρχικά ένα μονοπάτι σε σχήμα V, ενώ στο τέλος της απόρριψης αυτό μετασχηματίζεται σε ένα επιμηκές παραλληλόγραμμο. Δεδομένου βέβαια ότι με το χρόνο μέρος των διαλυτών που περιλαμβάνει το πετρέλαιο εξατμίζονται, ο αέρας, ο ήλιος και ο κυματισμός διαχωρίζει το πετρέλαιο και το απλώνει η ανίχνευση του μέσω της τηλεπισκόπησης καθίσταται σταδιακή δυσκολότερη ή και αδύνατη.

'''Εικόνες ραντάρ'''

Τα ραντάρ εντοπίζουν το πετρέλαιο στην επιφάνεια της θάλασσας γιατί αυτό προκαλεί απόσβεση των κυμάτων (oil floating on the sea surface damp the short gravity-capillary waves). Εξαιτίας όμως ακριβώς αυτού του τρόπου εντοπισμού των πετρελαιοκηλίδων προκύπτουν και αρκετά προβλήματα. Υπάρχουν και μία σειρά άλλων πιθανών περιπτώσεων που οδηγούν στο ίδιο αποτέλεσμα και εμφανίζουν περιοχές ως δυνητικά ρυπασμένες με πετρέλαιο. Για παράδειγμα επιφανειακές ουσίες φυσικής προέλευσης που ονομάζονται βιογενείς κηλίδες (biogenic slicks) μπορεί αντίστοιχα να δώσουν σκοτεινά σχήματα στις εικόνες που παραπέμπουν σε πετρελαιοκηλίδες. Άλλη περίπτωση που προκαλεί σύγχυση είναι η ύπαρξη τύρβης που δημιουργείται από την προπέλα κάποιου πλοίου ή από μείωση της ταχύτητας του ανέμου π.χ. πίσω από νησιά. Σε αυτές τις περιπτώσεις για την ερμηνεία πιθανής ύπαρξης πετρελαίου θα πρέπει να συνεκτιμώνται και παράγοντες όπως το σχήμα των εμφανιζόμενων μαύρων σχημάτων και να ενσωματώνονται στοιχεία από την γνώση της περιοχής.

Για παράδειγμα για την ερμηνεία της Εικόνας 1 θα πρέπει υποχρεωτικά να γνωρίζουμε ότι το συγκεκριμένο χρονικό διάστημα που ελήφθει η εικόνα, το πλακτόν αναπτύσσεται γρήγορα στην Βαλτική θάλασσα και ως εκ τούτου το αποτέλεσμα οφείλεται αποκλειστικά σε φυσικούς παράγοντες και όχι στην ύπαρξη κάποιας πιθανής διαρροής πετρελαίου.

Στην Γερμανία το αερομεταφερόμενο σύστημα επιτήρησης που υπάρχει μέσω οργάνων τηλεπισκόπησης ανιχνεύει πετρελαιοκηλίδες καταγράφοντας την θέση και το μέγεθος τους. Στην συνέχεια μετράται το πάχος του στρώματος πετρελαίου και υπολογίζεται ο όγκος του υγρού που διέρρευσε, εντοπίζοντας το υπαίτιο σημείο διαρροής ενώ τέλος συντονίζονται και υποστηρίζονται εργασίες για τον περιορισμό και την αποκατάστασης της ρύπανσης. Είναι φανερό δηλαδή ότι οι τεχνικές τηλεπισκόπησης χρησιμοποιούνται σε όλο το φάσμα ενεργειών, από τον εντοπισμό της ρύπανσης μέχρι την αποκατάσταση του περιβάλλοντος.

'''Συμπεράσματα'''

Συμπερασματικά θα μπορούσε να ειπωθεί ότι υπάρχουν μία σειρά από μεθοδολογίες και πρακτικές για τον εντοπισμό διαρροής πετρελαιοειδών μέσω τηλεπισκοπικών δεδομένων. Η χρησιμότητα τέτοιων πρακτικών είναι πραγματικά τεράστιας σημασίας αν αναλογιστεί κανείς την ανάγκη προστασίας και διατήρησης των οικοσυστημάτων άλλα και των αρνητικών επιπτώσεων που συνεπάγεται η παρουσία πετρελαιοειδών στα θαλάσσια οικοσυστήματα. Επίσης πολύ σημαντικό γεγονός είναι ότι τέτοιου είδους ρύπανση είναι δύσκολα ανιχνεύσιμη με άλλα μέσα και τρόπους. Για την επιτυχή εφαρμογή πάντως των τηλεσκοπικών δεδομένων και ανεξάρτητα της μεθόδου εντοπισμού της ρύπανσης, σημαντικός παράγοντας αναδεικνύεται ο χρόνος. Η ανάλυση θα πρέπει να γίνεται άμεσα μετά από την ρύπανση όπου τα σημάδια είναι πιο εύκολα εντοπίσημα από τις αεροφωτογραφίες και τις δορυφορικές λήψεις.

Πηγή: http://www.ifm.zmaw.de/fileadmin/files/images/Staff/Werner_Alpers/PDF_ALPERS/saudi_arabia.pdf

[[category:Περιβαλλοντικές Επιπτώσεις]]

Εντοπισμός Πετρελαιοκηλίδων από ανθρώπινη δραστηριότητα

2015-03-29T19:51:28Z

Manolis rallias:

Εντοπισμός Πετρελαιοκηλίδων από ανθρώπινη δραστηριότητα

2015-03-29T19:20:21Z

Manolis rallias:

[[Εικόνα: Image1.JPG‎ ‎ | thumb | right | '''Εικόνα 1'''
Περιοχή της Βαλτικής Θάλασσας με το γερμανικό νησί της Fehmarn (στο κέντρο) και ο Δανικό νησί της Lolland (στο άνω τμήμα και δεξί τμήμα). Η θαλάσσια περιοχή εν μέρει καλύπτεται από βιογενείς κηλίδες που είναι άφθονα σε αυτή την εποχή του έτους. Η εικόνα είναι ERS-2 SAR]]

[[Εικόνα: Image2.JPG ‎ | thumb | right | '''Εικόνα 2'''
Διαδρομή πλοίου προς βορρά. Με άσπρο σημείο φαίνεται το πλοίο ενώ με μαύρη γραμμή το πετρέλαιο που διαρρέει. Το ίχνος του πετρελαίου ανάλογα με τον χρόνο διευρύνεται όπως βλέπουμε στο νότιο τμήμα. Η εικόνα είναι ERS-1 SAR και αφορά περιοχή πάνω από τον Ειρηνικό Ωκεανό.]]

[[Εικόνα: Remote3.JPG‎ ‎ | thumb | right | '''Εικόνα 3'''
Ρύπανση με πετρελαιοειδή ανοικτά της ανατολικής ακτής της Μαλαισίας, σε πολυσύχναστη ναυτιλιακή πορεία. Ο άνεμος φυσούσε με ανατολική κατεύθυνση προκαλώντας αντίστοιχη διαφοροποίηση στο σχήμα των πετρελαιοκηλίδων. Εικόνα ERS-2 SAR]]

'''Πρωτότυπος Τίτλος''': Remote Sensing of oil spills

'''Συγγραφέας''': Warner Alpers

'''Εισαγωγή'''

Μία διαφορετική διάσταση του εντοπισμού πετρελαιοκηλίδων είναι οι διαρροές από τα πλοία. Οι διαρροές πετρελαιοειδών από τις ανθρώπινες δραστηριότητες στην θάλασσα συγκαταλέγονται ως ένα από τα μεγαλύτερα περιβαλλοντικά προβλήματα του πλανήτη. Αυτός είναι και ο λόγος που οι εθνικές κυβερνήσεις αλλά και διεθνείς οργανισμοί έχουν δημιουργήσει συγκεκριμένο νομικό πλαίσιο για την προστασία από το φαινόμενο αυτό. Χαρακτηριστικότερο τέτοιο μέτρο αντιμετώπισης της ρύπανσης από πετρελαιοειδή είναι η διεθνής Σύμβαση MARPOL 73/78 που ορίζει συγκεκριμένες απαιτήσεις για τις απορρίψεις πλοίων, με μέγιστα όρια των ποσοτήτων και υπό συγκεκριμένες αποστάσεις από τις ακτές. Ακόμη ορίζει μία σειρά από ειδικές περιοχές (π.χ. Μεσόγειος θάλασσα, Βαλτική κλπ) όπου οι απορρίψεις όπου οι απορρίψεις σχεδόν απαγορεύονται παντελώς.

Το ερώτημα που προκύπτει βέβαια είναι πως μπορούμε να ελέγξουμε την κατάσταση αλλά και να εντοπίσουμε γρήγορα πιθανές απορρίψεις πετρελαιοειδών στην θάλασσα; Απάντηση στο ερώτημα αυτό δίνει η τηλεπισκόπηση. Εικόνες ραντάρ από τους ευρωπαϊκούς δορυφόρους (ERS-1 και ERS-2) έχουν χρησιμοποιηθεί σε πολλές περιπτώσεις και έχουν προσφέρει πολύτιμα στοιχεία. Οι δορυφορικές εικόνες βέβαια συχνά αποτυγχάνουν να εντοπίσουν σημεία ρύπανσης από πετρέλαιο λόγω των μεγάλων χρονικών διαστημάτων που παρεμβάλλεται μεταξύ των λήψεων αλλά και του γεγονότος ότι η στιγμή λήψης συχνά είναι γνωστή σε εκείνους που ρυπαίνουν. Για τους λόγους αυτούς συχνά οι χώρες χρησιμοποιούν αεροπλάνα εποπτείας.

Σημαντικό σημείο διερεύνησης για την κατανόηση του ζητήματος είναι η πηγή των πετρελαιοειδών που καταλήγουν στην θάλασσα. Αυτά συνήθως προέρχονται από έκπλυση δεξαμενών καυσίμων πλοίων, από ατυχήματα σε πλοία και εξέδρες άντλησης πετρελαίου αλλά και από τις εργασίες συντήρησης των μηχανών των πλοίων.

Για τον εντοπισμό πετρελαιοκηλίδων που προκύπτουν από πηγές που προαναφέραμε η τηλεπισκόπηση χρησιμοποιεί συχνά τεχνικές που σχετίζονται με το σχήμα της ρύπανσης. Είναι γνωστό ότι η ρύπανση που προκαλείται από πλοία θα έχει γραμμική μορφή υπό συνθήκες νηνεμίας της θάλασσας, πράγμα που κάνει εύκολο τον εντοπισμό τους από εικόνες ραντάρ και αυτόματες τεχνικές ανίχνευσης. Είναι προφανές βεβαία ότι εφόσον το πλοίο πραγματοποιεί ελιγμούς ή υπάρχουν επιφανειακά θαλάσσια ρεύματα ο εντοπισμός με αυτήν την τεχνική μπορεί να μην επιφέρει τα αναμενόμενα αποτελέσματα. Στην περίπτωση που πετρελαιοειδή απορρίπτονται πλευρικά ενός σκάφους τότε αυτά σχηματίζουν αρχικά ένα μονοπάτι σε σχήμα V, ενώ στο τέλος της απόρριψης αυτό μετασχηματίζεται σε ένα επιμηκές παραλληλόγραμμο. Δεδομένου βέβαια ότι με το χρόνο μέρος των διαλυτών που περιλαμβάνει το πετρέλαιο εξατμίζονται, ο αέρας, ο ήλιος και ο κυματισμός διαχωρίζει το πετρέλαιο και το απλώνει η ανίχνευση του μέσω της τηλεπισκόπησης καθίσταται σταδιακή δυσκολότερη ή και αδύνατη.

'''Εικόνες ραντάρ'''

Τα ραντάρ εντοπίζουν το πετρέλαιο στην επιφάνεια της θάλασσας γιατί αυτό προκαλεί απόσβεση των κυμάτων (oil floating on the sea surface damp the short gravity-capillary waves). Εξαιτίας όμως ακριβώς αυτού του τρόπου εντοπισμού των πετρελαιοκηλίδων προκύπτουν και αρκετά προβλήματα. Υπάρχουν και μία σειρά άλλων πιθανών περιπτώσεων που οδηγούν στο ίδιο αποτέλεσμα και εμφανίζουν περιοχές ως δυνητικά ρυπασμένες με πετρέλαιο. Για παράδειγμα επιφανειακές ουσίες φυσικής προέλευσης που ονομάζονται βιογενείς κηλίδες (biogenic slicks) μπορεί αντίστοιχα να δώσουν σκοτεινά σχήματα στις εικόνες που παραπέμπουν σε πετρελαιοκηλίδες. Άλλη περίπτωση που προκαλεί σύγχυση είναι η ύπαρξη τύρβης που δημιουργείται από την προπέλα κάποιου πλοίου ή από μείωση της ταχύτητας του ανέμου π.χ. πίσω από νησιά. Σε αυτές τις περιπτώσεις για την ερμηνεία πιθανής ύπαρξης πετρελαίου θα πρέπει να συνεκτιμώνται και παράγοντες όπως το σχήμα των εμφανιζόμενων μαύρων σχημάτων και να ενσωματώνονται στοιχεία από την γνώση της περιοχής.

Για παράδειγμα για την ερμηνεία της Εικόνας 1 θα πρέπει υποχρεωτικά να γνωρίζουμε ότι το συγκεκριμένο χρονικό διάστημα που ελήφθει η εικόνα, το πλακτόν αναπτύσσεται γρήγορα στην Βαλτική θάλασσα και ως εκ τούτου το αποτέλεσμα οφείλεται αποκλειστικά σε φυσικούς παράγοντες και όχι στην ύπαρξη κάποιας πιθανής διαρροής πετρελαίου.

Στην Γερμανία το αερομεταφερόμενο σύστημα επιτήρησης που υπάρχει μέσω οργάνων τηλεπισκόπησης ανιχνεύει πετρελαιοκηλίδες καταγράφοντας την θέση και το μέγεθος τους. Στην συνέχεια μετράται το πάχος του στρώματος πετρελαίου και υπολογίζεται ο όγκος του υγρού που διέρρευσε, εντοπίζοντας το υπαίτιο σημείο διαρροής ενώ τέλος συντονίζονται και υποστηρίζονται εργασίες για τον περιορισμό και την αποκατάστασης της ρύπανσης. Είναι φανερό δηλαδή ότι οι τεχνικές τηλεπισκόπησης χρησιμοποιούνται σε όλο το φάσμα ενεργειών, από τον εντοπισμό της ρύπανσης μέχρι την αποκατάσταση του περιβάλλοντος.

Πηγή: http://www.ifm.zmaw.de/fileadmin/files/images/Staff/Werner_Alpers/PDF_ALPERS/saudi_arabia.pdf

[[category:Περιβαλλοντικές Επιπτώσεις]]

Εντοπισμός Πετρελαιοκηλίδων από ανθρώπινη δραστηριότητα

2015-03-29T19:19:52Z

Manolis rallias:

[[Εικόνα: Image1.JPG‎ ‎ | thumb | right | '''Εικόνα 1'''
Περιοχή της Βαλτικής Θάλασσας με το γερμανικό νησί της Fehmarn (στο κέντρο) και ο Δανικό νησί της Lolland (στο άνω τμήμα και δεξί τμήμα). Η θαλάσσια περιοχή εν μέρει καλύπτεται από βιογενείς κηλίδες που είναι άφθονα σε αυτή την εποχή του έτους. Η εικόνα είναι ERS-2 SAR]]

[[Εικόνα: Image2.JPG ‎ | thumb | right | '''Εικόνα 2'''
Διαδρομή πλοίου προς βορρά. Με άσπρο σημείο φαίνεται το πλοίο ενώ με μαύρη γραμμή το πετρέλαιο που διαρρέει. Το ίχνος του πετρελαίου ανάλογα με τον χρόνο διευρύνεται όπως βλέπουμε στο νότιο τμήμα. Η εικόνα είναι ERS-1 SAR και αφορά περιοχή πάνω από τον Ειρηνικό Ωκεανό.]]

[[Εικόνα: Remote3.JPG‎ ‎ | thumb | right | '''Εικόνα 3'''
Ρύπανση με πετρελαιοειδή ανοικτά της ανατολικής ακτής της Μαλαισίας, σε πολυσύχναστη ναυτιλιακή πορεία. Ο άνεμος φυσούσε με ανατολική κατεύθυνση προκαλώντας αντίστοιχη διαφοροποίηση στο σχήμα των πετρελαιοκηλίδων. Εικόνα ERS-2 SAR]]

'''Πρωτότυπος Τίτλος''': Remote Sensing of oil spills

'''Συγγραφέας''': Warner Alpers

'''Εισαγωγή'''

Μία διαφορετική διάσταση του εντοπισμού πετρελαιοκηλίδων είναι οι διαρροές από τα πλοία. Οι διαρροές πετρελαιοειδών από τις ανθρώπινες δραστηριότητες στην θάλασσα συγκαταλέγονται ως ένα από τα μεγαλύτερα περιβαλλοντικά προβλήματα του πλανήτη. Αυτός είναι και ο λόγος που οι εθνικές κυβερνήσεις αλλά και διεθνείς οργανισμοί έχουν δημιουργήσει συγκεκριμένο νομικό πλαίσιο για την προστασία από το φαινόμενο αυτό. Χαρακτηριστικότερο τέτοιο μέτρο αντιμετώπισης της ρύπανσης από πετρελαιοειδή είναι η διεθνής Σύμβαση MARPOL 73/78 που ορίζει συγκεκριμένες απαιτήσεις για τις απορρίψεις πλοίων, με μέγιστα όρια των ποσοτήτων και υπό συγκεκριμένες αποστάσεις από τις ακτές. Ακόμη ορίζει μία σειρά από ειδικές περιοχές (π.χ. Μεσόγειος θάλασσα, Βαλτική κλπ) όπου οι απορρίψεις όπου οι απορρίψεις σχεδόν απαγορεύονται παντελώς.

Το ερώτημα που προκύπτει βέβαια είναι πως μπορούμε να ελέγξουμε την κατάσταση αλλά και να εντοπίσουμε γρήγορα πιθανές απορρίψεις πετρελαιοειδών στην θάλασσα; Απάντηση στο ερώτημα αυτό δίνει η τηλεπισκόπηση. Εικόνες ραντάρ από τους ευρωπαϊκούς δορυφόρους (ERS-1 και ERS-2) έχουν χρησιμοποιηθεί σε πολλές περιπτώσεις και έχουν προσφέρει πολύτιμα στοιχεία. Οι δορυφορικές εικόνες βέβαια συχνά αποτυγχάνουν να εντοπίσουν σημεία ρύπανσης από πετρέλαιο λόγω των μεγάλων χρονικών διαστημάτων που παρεμβάλλεται μεταξύ των λήψεων αλλά και του γεγονότος ότι η στιγμή λήψης συχνά είναι γνωστή σε εκείνους που ρυπαίνουν. Για τους λόγους αυτούς συχνά οι χώρες χρησιμοποιούν αεροπλάνα εποπτείας.

Σημαντικό σημείο διερεύνησης για την κατανόηση του ζητήματος είναι η πηγή των πετρελαιοειδών που καταλήγουν στην θάλασσα. Αυτά συνήθως προέρχονται από έκπλυση δεξαμενών καυσίμων πλοίων, από ατυχήματα σε πλοία και εξέδρες άντλησης πετρελαίου αλλά και από τις εργασίες συντήρησης των μηχανών των πλοίων.

Για τον εντοπισμό πετρελαιοκηλίδων που προκύπτουν από πηγές που προαναφέραμε η τηλεπισκόπηση χρησιμοποιεί συχνά τεχνικές που σχετίζονται με το σχήμα της ρύπανσης. Είναι γνωστό ότι η ρύπανση που προκαλείται από πλοία θα έχει γραμμική μορφή υπό συνθήκες νηνεμίας της θάλασσας, πράγμα που κάνει εύκολο τον εντοπισμό τους από εικόνες ραντάρ και αυτόματες τεχνικές ανίχνευσης. Είναι προφανές βεβαία ότι εφόσον το πλοίο πραγματοποιεί ελιγμούς ή υπάρχουν επιφανειακά θαλάσσια ρεύματα ο εντοπισμός με αυτήν την τεχνική μπορεί να μην επιφέρει τα αναμενόμενα αποτελέσματα. Στην περίπτωση που πετρελαιοειδή απορρίπτονται πλευρικά ενός σκάφους τότε αυτά σχηματίζουν αρχικά ένα μονοπάτι σε σχήμα V, ενώ στο τέλος της απόρριψης αυτό μετασχηματίζεται σε ένα επιμηκές παραλληλόγραμμο. Δεδομένου βέβαια ότι με το χρόνο μέρος των διαλυτών που περιλαμβάνει το πετρέλαιο εξατμίζονται, ο αέρας, ο ήλιος και ο κυματισμός διαχωρίζει το πετρέλαιο και το απλώνει η ανίχνευση του μέσω της τηλεπισκόπησης καθίσταται σταδιακή δυσκολότερη ή και αδύνατη.

'''Εικόνες ραντάρ'''

Τα ραντάρ εντοπίζουν το πετρέλαιο στην επιφάνεια της θάλασσας γιατί αυτό προκαλεί απόσβεση των κυμάτων (oil floating on the sea surface damp the short gravity-capillary waves). Εξαιτίας όμως ακριβώς αυτού του τρόπου εντοπισμού των πετρελαιοκηλίδων προκύπτουν και αρκετά προβλήματα. Υπάρχουν και μία σειρά άλλων πιθανών περιπτώσεων που οδηγούν στο ίδιο αποτέλεσμα και εμφανίζουν περιοχές ως δυνητικά ρυπασμένες με πετρέλαιο. Για παράδειγμα επιφανειακές ουσίες φυσικής προέλευσης που ονομάζονται βιογενείς κηλίδες (biogenic slicks) μπορεί αντίστοιχα να δώσουν σκοτεινά σχήματα στις εικόνες που παραπέμπουν σε πετρελαιοκηλίδες. Άλλη περίπτωση που προκαλεί σύγχυση είναι η ύπαρξη τύρβης που δημιουργείται από την προπέλα κάποιου πλοίου ή από μείωση της ταχύτητας του ανέμου π.χ. πίσω από νησιά. Σε αυτές τις περιπτώσεις για την ερμηνεία πιθανής ύπαρξης πετρελαίου θα πρέπει να συνεκτιμώνται και παράγοντες όπως το σχήμα των εμφανιζόμενων μαύρων σχημάτων και να ενσωματώνονται στοιχεία από την γνώση της περιοχής.

Για παράδειγμα για την ερμηνεία της Εικόνας 1 θα πρέπει υποχρεωτικά να γνωρίζουμε ότι το συγκεκριμένο χρονικό διάστημα που ελήφθει η εικόνα, το πλακτόν αναπτύσσεται γρήγορα στην Βαλτική θάλασσα και ως εκ τούτου το αποτέλεσμα οφείλεται αποκλειστικά σε φυσικούς παράγοντες και όχι στην ύπαρξη κάποιας πιθανής διαρροής πετρελαίου.

Στην Γερμανία το αερομεταφερόμενο σύστημα επιτήρησης που υπάρχει μέσω οργάνων τηλεπισκόπησης ανιχνεύει πετρελαιοκηλίδες καταγράφοντας την θέση και το μέγεθος τους. Στην συνέχεια μετράται το πάχος του στρώματος πετρελαίου και υπολογίζεται ο όγκος του υγρού που διέρρευσε, εντοπίζοντας το υπαίτιο σημείο διαρροής ενώ τέλος συντονίζονται και υποστηρίζονται εργασίες για τον περιορισμό και την αποκατάστασης της ρύπανσης. Είναι φανερό δηλαδή ότι οι τεχνικές τηλεπισκόπησης χρησιμοποιούνται σε όλο το φάσμα ενεργειών, από τον εντοπισμό της ρύπανσης μέχρι την αποκατάσταση του περιβάλλοντος.

Πηγή: http://www.ifm.zmaw.de/fileadmin/files/images/Staff/Werner_Alpers/PDF_ALPERS/saudi_arabia.pdf

[[category:Περιβαλλοντικές Επιπτώσεις]]

Εντοπισμός πετρελαιοκηλίδων και διαρροών αγωγών με χρήση τηλεπισκόπησης

2015-03-29T16:34:32Z

Manolis rallias:

[[Εικόνα: Oil1.JPG‎ ‎ | thumb | right | '''Εικόνα 1'''
Ο τρόπος που οι δορυφορικές εικόνες συμβάλουν στην παρακολούθηση των αγωγών και υποστηρίζουν το σύστημα λήψης αποφάσεων]]
[[Εικόνα: Oil2.JPG‎ ‎ | thumb | right | '''Εικόνα 2'''
Παράδειγμα χρήσης διαφόρων δεδομένων για την παρακολούθηση της κατάστασης αγωγών]]
[[Εικόνα: Oil3.JPG‎ ‎ | thumb | right | '''Εικόνα 3'''
Υπερφασματική εικόνα από διαρροή αγωγού πλησίον του ποταμού Patuxent]]
[[Εικόνα: Oil4.JPG‎ ‎ | thumb | right | '''Εικόνα 4'''
Δεδομένα που αποκτήθηκαν με τον AISA από διαρροή αγωγού πλησίον του ποταμού Patuxent]]

'''Πρωτότυπος Τίτλος''': Oil spill and pipeline condition assessment using remote sensing and data visualization management systems

'''Συγγραφείς''': William Roper, Subijoy Dutta

'''Εισαγωγή'''

Μία σημαντική εφαρμογή της τηλεπισκόπησης είναι η παρακολούθηση μεγάλων δικτύων μεταφοράς. Η σημαντικότητα των εφαρμογών αυτών προκύπτει από την κατανόηση του γεγονότος ότι για την παρακολούθηση και τον εντοπισμό διαρροών σε ένα ηλεκτρικό ή σε ένα δίκτυο μεταφοράς πετρελαίου ο έλεγχος μπορεί να αποδειχθεί χρονοβόρος ή ακόμη και αδύνατος (Οι παραδοσιακοί τρόποι περιλαμβάνουν περιοδική συντήρηση, επιθεωρήσεις, συμπεριλαμβανομένων των ερευνών διαρροής, ελέγχους με συσκευές ασφαλείας και πτήσεις με εναέρια μέσα), διότι τέτοια δίκτυα εκτείνονται σε εκατοντάδες ή και χιλιάδες χιλιόμετρα. Η τηλεπισκόπηση λοιπόν μπορεί να πραγματοποιήσει τον έλεγχο αυτόν, υπό συγκεκριμένες ιδιαιτερότητες όπως είναι ο έλεγχος σε δυσπρόσιτες περιοχές, σε μικρό χρονικό διάστημα, με αποτελεσματικότητα και με χαμηλότερο κόστος έναντι άλλων τεχνικών. Αν αναλογιστεί κανείς για παράδειγμα την επικινδυνότητα μίας διαρροής από αγωγό φυσικού αερίου γίνεται αμέσως αντιληπτή η σημαντικότητα ενός γρήγορου εντοπισμού του προβλήματος κάτι που παρέχει η τηλεπισκόπηση αλλά δεν μπορεί ο επιτόπιος έλεγχος του δικτύου. Εκτός βέβαια από την ασφάλεια των δικτύων η τηλεπισκόπηση μπορεί να βοηθήσει και στον εντοπισμό κλοπής ενέργειας ακόμη και στις πιο απομακρυσμένες περιοχές.

Στις ΗΠΑ που έχουν ένα εκτεταμένο σύστημα αγωγών ενέργειας η τηλεπισκόπηση διαδραματίζει βασικό ρόλο στην παρακολούθηση και εκτίμηση της κατάστασης των δικτύων αυτών. Σε πρώτο επίπεδο οι ΗΠΑ δημιούργησαν μία βάση δεδομένων που αφορά το σύνολο των δικτύων μεταφοράς, για την δημιουργία ενός εθνικού συστήματος χαρτογράφησης που περιέχει τις θέσεις αλλά και επιλεγμένα χαρακτηριστικά των γραμμών μεταφοράς φυσικού αερίου, γραμμών μεταφοράς άλλων επικίνδυνων υγρών καθώς και των εγκαταστάσεις υγροποιημένου φυσικού αερίου που λειτουργούν σε χερσαίες και υπεράκτιες περιοχές των Ηνωμένων Πολιτειών.

Μέσω της τηλεπισκόπησης στην συνέχεια αξιοποιούνται δορυφορικές εικόνες για την καταγραφή πιθανόν προβλημάτων. Μία τεχνική που χρησιμοποιείται ευρέως βασίζεται στο εξειδικευμένο λογισμικό PIMOS που δύναται να μοντελοποιήσει 5 τύπους ελαττωμάτων των αγωγών: την εξωτερική ή εσωτερική διάβρωση, την διάβρωση με μηχανική καταπόνηση ή δυναμοδιάβρωση ή εργοδιάβρωση (stress corrosion cracking), ελαττώματα υλικού ή κατασκευής και μηχανικές βλάβες.

'''Ολοκληρωμένο δορυφορικό σύστημα ανίχνευσης για την παρακολούθηση Αγωγού'''

Σαν παράδειγμα εφαρμογής των όσων αναφέραμε μπορούμε να δείξουμε την εικόνα 2, όπου συλλέχθηκαν τρεις διαφορετικές εικόνες, με μεγάλη ανάλυση, για μία περιοχή ενδιαφέροντος, για την παρακολούθηση αγωγών μεταφοράς. Πιο συγκεκριμένα, υπήρξε μία πολυφασματική εικόνα με resolution 4 μέτρων, μία εικόνα ραντάρ SAR και άλλες εικόνες που τραβήχτηκαν από την περιοχή.

Για διαρροές από αγωγούς ή εγκαταστάσεις πετρελαιοειδών χρησιμοποιούνται υπερφασματικές εικόνες. Πιο συγκεκριμένα, εξελιγμένοι υπερφασματικοί αισθητήρες όπως οι VNIR-SWIR είναι ιδανικοί στην ανίχνευση επιφανειών και εδάφους που έχουν επηρεαστεί από πετρελαιοειδή. Με αυτόν τον τρόπο υπάρχει η δυνατότητα ανίχνευσης υπόγειων διαρροών αγωγών και δεξαμενών ακόμη και μικρής έκτασης με την προϋπόθεση ότι θα είναι διαθέσιμες υψηλής ανάλυσης εικόνες. Δοκιμές έχουν δείξει ότι οι υδρογονάνθρακες στο έδαφος και τα πλαστικά που χαρακτηρίζονται από μέγιστα απορρόφησης σε μήκη κύματος 1730 και 2310nm.

Στην εικόνα 3 παρατηρούμε διαρροή από τον αγωγό πετρελαίου Piney Point στο Μέρυλαντ, που άργησε να εντοπιστεί, με αποτέλεσμα την διαρροή 140.000 γαλονιών πετρελαίου σε περιοχή του ποταμού Patuxent. Το κόστος αποκατάστασης του περιβάλλοντος ξεπέρασε τα 70 εκ. δολάρια.

Για την ρύπανση στον ποταμό Patuxent χρησιμοποιήθηκε ο αισθητήρας AISA που λαμβάνει δεδομένα από 25 συχνότητες (bands) από 400nm έως 800 nm. Ο λόγος μελέτης αυτής της περιοχής του φάσματος οφείλονταν στα χαρακτηριστικά ανάκλασης του νερού. Η εικόνα αναλύθηκε χρησιμοποιώντας δύο διαφορετικές ταξινομήσεις: μη επιβλεπόμενη και επιβλεπόμενη ταξινόμηση. Η εικόνα 4 με την επιβλεπόμενη ταξινόμηση έγινε με την χρήση της μεθόδου της μεγίστης πιθανοφάνειας (maximum likelihood method).

'''Συμπεράσματα'''

Εν κατακλείδι, είναι σημαντικό να αναφερθεί η μεγαλύτερη αποτελεσματικότητα των δορυφορικών εικόνων έναντι των άλλων πρακτικών παρακολούθησης των δικτύων μεταφοράς. Είναι χαρακτηριστικό ότι ακόμη και η χρήση αεροπλάνων για την παρακολούθηση και τον εντοπισμό πιθανών προβλημάτων σε αγωγούς έχει πολύ χαμηλότερα ποσοστά επιτυχίας από την χρήση αεροφωτογραφιών.

Πηγή:http://www.epa.gov/OEM/docs/oil/fss/fss06/roper_1.pdf

[[category:Περιβαλλοντικές Επιπτώσεις]]

Ανίχνευση πετρελαιοπηγών στους ωκεανούς με την χρήση τηλεπισκόπησης

2015-03-29T15:52:36Z

Manolis rallias:

[[Εικόνα: ‎detection1.JPG‎ ‎ | thumb | right | '''Εικόνα 1'''
Τρόπος διαφυγής πετρελαίου και φυσικού αερίου από υποθαλάσσια κοιτάσματα]]
[[Εικόνα: ‎detection2.JPG‎ ‎ | thumb | right | '''Εικόνα 2'''
Πετρελαιοκηλίδες στον κόλπο του Μεξικού, με πράσινο και κόκκινο χρώμα είναι κηλίδες που εντοπίστηκαν σε διαφορετική χρονική στιγμή μέσα σε έναν χρόνο]]
[[Εικόνα: ‎detection3.JPG‎ ‎ | thumb | right | '''Εικόνα 3'''
Διαρροές πετρελαίου (Surfacing oil pancakes) και φυσικού αερίου (gas bubbles) όπως φαίνονται από αεροφωτογραφίες]]
[[Εικόνα: ‎detection4.JPG‎ ‎ | thumb | right | '''Εικόνα 4'''
Εναέρια λήψη από την συνένωση μικρότερων πετρελαιοκηλίδων]]

'''Πρωτότυπος Τίτλος''': Detection of oil seepages in oceans by remote sensing

'''Συγγραφείς''': Subhobroto Mazumder and Kalyan Kumar Saha

'''Εισαγωγή'''

Η ανίχνευση πετρελαίου κυρίως σε θαλάσσιες περιοχές είναι μία σύνθετη διαδικασία δεδομένου ότι τα βάθη αναζήτησης των πηγών αυτών σταδιακά έχουν αυξηθεί. Παράλληλα με την αύξηση του βάθους έχει αυξηθεί και το κόστος αναζήτησης, γεγονός που καταδεικνύει ένα πεδίο δράσης για την τηλεπισκόπηση. Η τηλεπισκόπηση προσφέρει προσαρμοσμένους κατά περίπτωση και περιοχή, αποτελεσματικούς και αξιόπιστους τρόπους προσδιορισμού πιθανών υποθαλάσσιων πηγών πετρελαίου με χαμηλό κόστος. Αξιοποιώντας το γεγονός ότι συνήθως το πετρέλαιο από τέτοιες πηγές διαρρέει στο νερό και αφήνει σημάδια η τηλεπισκόπηση μέσω των δορυφορικών εικόνων συμβάλει στον προσδιορισμό συγκεκριμένων δυνητικών πηγών που χρίζουν περισσότερης έρευνας. Έτσι πολλές μεγάλες εταιρείες του κλάδου πλέον χρησιμοποιούν την τηλεπισκόπηση για μία αρχική διερεύνηση πιθανών κοιτασμάτων, σε αντικατάσταση άλλων μεθόδων όπως η επιτόπια έρευνα και τα σεισμικά προγράμματα που αποτελούν πρακτικές μεγαλύτερου κόστους.

Ο τρόπος εντοπισμού τέτοιων πιθανών σημείων γίνεται μέσω του προσδιορισμού συγκεκριμένων σημείων συγκέντρωσης πετρελαίου. Εκεί που εστιάζει βέβαια η έρευνα είναι στον εντοπισμό πετρελαιοκηλίδων που προήλθαν από την διαρροή υποθαλάσσιων πηγών και προσπαθεί να απομονώσει περιπτώσεις διαρροής από άλλα αίτια (π.χ. από διαρροή πλοίων κλπ).

'''Εφαρμογή'''

Ένας τρόπος για τον προσδιορισμό των πετρελαιοκηλίδων είναι η χρησιμοποίηση διάφορων παθητικών αισθητήρων. Για παράδειγμα οι θερμικοί υπέρυθροι αισθητήρες (thermal infrared sensors) θεωρείται ότι μπορούν να επιτύχουν ένα καλό αποτέλεσμα (Λειτουργώντας βάσει της μεταβολής της θερμικής αδράνειας (thermal inertia) του πετρελαίου σε σχέση με το περιβάλλον (το νερό δηλαδή), στοιχείο που κάνει το πετρέλαιο ορατό στους θερμικούς αισθητήρες), με βασικό μειονέκτημα τους την κακή διακριτική ικανότητα στο να ξεχωρίζουν το πετρέλαιο από άλλα προϊόντα του. Το αποτέλεσμα είναι απόρροια του γεγονότος ότι το πετρέλαιο παρουσιάζει θερμικές ιδιότητες που το διακρίνουν από το νερό. Πιο συγκεκριμένα, υπάρχουν διαφορές ως προς την θερμοχωρητικότητα, την θερμική αγωγιμότητα και την θερμική αδράνεια. Όσον αφορά στην θερμοχωρητικότητα, δηλαδή στην ικανότητα ενός υλικού να αποθηκεύει Θερμότητα, το μέγεθος αυτό είναι διπλάσιο για το νερό από ότι για το πετρέλαιο. Η θερμική αγωγιμότητα, δηλαδή το μέτρο του ρυθμού με τον οποίο θερμότητα θα περάσει μέσα από το υλικό είναι μεγαλύτερη για το πετρέλαιο σε σχέση με το νερό. Τέλος, για την θερμική αδράνεια, δηλαδή την ιδιότητα που έχει ένα υλικό να αντέχει τις αλλαγές της θερμοκρασίας, το νερό φαίνεται να έχει μεγαλύτερη θερμική αδράνεια από το πετρέλαιο.

Κύρια μειονεκτήματα της μεθόδου είναι ότι μπορούν εσφαλμένα να θεωρηθούν παγωμένα ρεύματα νερού ως πετρελαιοκηλίδες. Αυτό το πρόβλημα βέβαια μπορεί να ελαχιστοποιηθεί χρησιμοποιώντας πληροφορίες από το υπεριώδες φάσμα (ultraviolet spectral ranges) σε συνδυασμό με εικόνες από τους θερμικούς αισθητήρες. Τα σύννεφα επίσης μπορεί να αποτελέσουν εμπόδιο για την θερμική ανίχνευση, επειδή είναι καλοί απορροφητές της θερμικής ακτινοβολίας.

Ανάμεσα στους ενεργητικούς αισθητήρες (active sensors), εκείνοι που χρησιμοποιούνται με καλά αποτελέσματα είναι οι laser fluoro-sensors που λειτουργούν στο μήκος κύματος της υπεριώδους ακτινοβολίας (ultraviolet wavelength). Το βασικό πλεονέκτημα των αισθητήρων αυτών είναι η μοναδική διακριτική τους ικανότητα να εντοπίζουν το πετρέλαιο σε κάθε στρώμα νερού, πάγου ή χιονιού. Οι περισσότεροι laser fluoro-sensors που χρησιμοποιούνται για την ανίχνευση διαρροών πετρελαίου χρησιμοποιούν ένα λέιζερ στην περιοχή 0.3 με 0.355 μm. Το πετρέλαιο απορροφά σε αυτήν την περίπτωση το υπεριώδες φως που εκπέμπεται από τους fluorosensors και εκπέμπει ακτινοβολία στο ορατό φάσμα μεταξύ 0.4 με 0.65 μm, με μία οξεία κορυφή στα 0,48 μm. Αυτή η τεχνική βοηθά επίσης στην διάκριση μεταξύ εξευγενισμένου αργού πετρελαίου και βαρύ αργού, συγκρίνοντας την απόκριση φθορισμού του αργού πετρελαίου με ίχνη διαφόρων γνωστών πετρελαίων. Δηλαδή πρακτικά μπορεί να μας προσφέρει ένα τρόπο διάκρισης μεταξύ της ύπαρξης πετρελαίου από διαρροή υποθαλάσσιων πηγών και της ύπαρξης πετρελαίου από ανθρώπινες δραστηριότητες.

Οι Ultraviolet images μπορούν να χρησιμοποιηθούν για να χαρτογραφήσουν λεπτά στρώματα πετρελαίου (π.χ. στρώματα πάχους 0,15 μm), πρώτον λόγω της υψηλής ανακλαστικότητας τους και δεύτερον, επειδή στην περιοχή αυτή η διαφορά στην φασματική απόκριση του πετρελαίου και του νερού είναι η μέγιστη. Κυριότερο μειονέκτημα των εικόνων αυτών είναι ότι εξαρτώνται από την ηλιακή ακτινοβολία και δεν μπορούν να λειτουργήσουν βράδυ ενώ προϋποθέτουν καλές καιρικές συνθήκες.

Ένας άλλος τρόπος ανίχνευσης με ενεργητικών αισθητήρα είναι τα ραντάρ τα οποία είναι και ισχυρά άλλα και μία οικονομικά αποδοτική λύση, για υπεράκτια ανίχνευση διαρροών. Αυτός ο τρόπος πέρα του γεγονότος ότι έχει μεγάλη ικανότητα ανίχνευσης μπορεί να χρησιμοποιηθεί με επιτυχία και το βράδυ καθώς και υπό όλες τις καιρικές συνθήκες. Στην περίπτωση των εικόνων ραντάρ οι συγκεντρώσεις πετρελαίου εμφανίζονται ως περιοχές που αντιδρούν διαφορετικά στον κυματισμό εν συγκρίσει με την θάλασσα.

'''Επίλογος'''

Η σημαντικότητα και η αξία των μεθόδων εντοπισμού διαρροής πετρελαίου μέσω τηλεπισκόπησης γίνεται κατανοητή όταν προσδιοριστεί το δυνητικό εύρος εφαρμογής της τεχνικής. Από έρευνα της πετρελαϊκής εταιρείας BP προκύπτει ότι πάνω από το 75% των παγκόσμιων λεκανών πετρελαίου παρατηρούνται διαρροές στην επιφάνεια. Αυτό σημαίνει ότι για πάνω από το 75% των περιπτώσεων θα μπορούσε να χρησιμοποιηθεί η τηλεπισκόπηση για τον προσδιορισμό διαρροών και πιθανών πηγών πετρελαίων. Εξίσου σημαντική είναι και η διαπίστωση ότι στις περισσότερες περιπτώσεις κοιτασμάτων διαρρέουν τουλάχιστον μικροί αλλά ανιχνεύσιμοι όγκοι πετρελαίου η φυσικού αερίου.

Οι ανιχνεύσεις πηγών πετρελαίου άλλωστε μέσω των επιφανειακών διαρροών δεν είναι ένα καινούργιο φαινόμενο. Οι πρώτες γεωτρήσεις για άντληση πετρελαίου και φυσικού αερίου ξεκίνησαν βάσει μία τέτοιας λογικής όπως το 1860 στην Πενσυλβανία και το Αζερμπαϊτζάν.

Πως όμως εντοπίζονται σχηματικά οι διαρροές αυτές; Τόσο το πετρέλαιο όσο και το φυσικό αέριο που διαρρέει από το βυθό της θάλασσα σχηματίζει φυσαλίδες οι οποίες φτάνοντας στην επιφάνεια σχηματίζουν μία λεπτή μεμβράνη (βλέπε: Εικόνα 1). Σε κατάσταση νηνεμίας στην θάλασσα αυτή η συγκέντρωση συχνά λαμβάνει την μορφή ομόκεντρων ιριδιζουσών σχημάτων με διάμετρο από 0,5 έως 1 μέτρο, γνωστό και ως ¨oil pancakes¨. Με την πάροδο του χρόνο οι κηλίδες αυτές μπορεί να ενωθούν σχηματίζοντας μεγαλύτερες που είναι ανιχνεύσιμες από αεροσκάφη και δορυφόρους (βλέπε: Εικόνα 2).

Πηγή: http://www.spgindia.org/conference/6thconf_kolkata06/290.pdf

[[category:Περιβαλλοντικές Επιπτώσεις]]

Σύγκριση μοντέλων πρόβλεψης αστικής εξάπλωσης σε μεσαίου μεγέθους ελληνική πόλη

2015-03-29T15:42:44Z

Manolis rallias:

[[Εικόνα: Karditsa1.JPG‎ | thumb | right | '''Εικόνα 1'''
Μεταβολές αστικής κάλυψης για τα έτη 1985, 1990, 2000 και 2007]]
[[Εικόνα: karditsa_t1.JPG‎ | thumb | right | '''Πίνακας 1'''
Χρονική μεταβολή του αστικού ιστού]]
[[Εικόνα: karditsa2_1.JPG‎ | thumb | right | '''Εικόνα 2'''
Πρόβλεψη της αστικής μορφής της Καρδίτσας για τα έτη 2012 και 2015 σύμφωνα με το μοντέλο SLEUTH (κλίμακα 1:40.000)]]
[[Εικόνα: karditsa2_2.JPG‎ | thumb | right | '''Εικόνα 3'''
Πρόβλεψη της αστικής μορφής της Καρδίτσας για τα έτη 2018 και 2021 σύμφωνα με το μοντέλο SLEUTH (κλίμακα 1:40.000)]]
[[Εικόνα: karditsa3_1.JPG | thumb | right | '''Εικόνα 4'''
Επιβλεπόμενη ταξινόμηση 1985 και 1992 (κλίμακα 1:40.000)]]
[[Εικόνα: karditsa3_2.JPG‎ | thumb | right | '''Εικόνα 5'''
Επιβλεπόμενη ταξινόμηση 2000 και 2011 (κλίμακα 1:40.000)]]
[[Εικόνα: karditsa4.JPG‎ | thumb | right | '''Εικόνα 6'''
Πρόβλεψη της αστικής μορφής της Καρδίτσας για το έτος 2021 σύμφωνα με το μοντέλο CA- Markov (κλίμακα 1:40.000) ]]

'''Πρωτότυπος Τίτλος''': ΣΥΓΚΡΙΣΗ ΜΟΝΤΕΛΩΝ ΠΡΟΒΛΕΨΗΣ ΑΣΤΙΚΗΣ ΕΞΑΠΛΩΣΗΣ ΣΕ ΜΕΣΑΙΟΥ ΜΕΓΕΘΟΥΣ ΕΛΛΗΝΙΚΗ ΠΟΛΗ (ΚΑΡΔΙΤΣΑΣ)

'''Συγγραφείς''': Κουκόσια Ηλιάνα, Σταθάκης Δημήτρης

'''Εισαγωγή'''

Στην περίπτωση της Καρδίτσας έγινε παρατήρηση και στην συνέχεια πρόβλεψη της αστικής εξάπλωσης με δύο μοντέλα που βασίζονται στη μέθοδο των Κυψελοειδών Αυτομάτων. Πιο συγκεκριμένα χρησιμοποιήθηκαν τα μοντέλα πρόβλεψης αστικής εξάπλωσης SLEUTH και CA-Markov.

'''Εφαρμογή του μοντέλου SLEUTH'''

Το μοντέλο SLEUTH περιλαμβάνει 6 βασικά βήματα για την υλοποίηση του: τη μεταγλώττιση (compilation) όπου με χρήση συγκεκριμένων εντολών, γίνεται η μετάφραση του πηγαίου κώδικα (source code) του SLEUTH, την προετοιμασία των χωροχρονικών δεδομένου εισόδου, τη βαθμονόμηση (calibration), κατά την οποία αναγνωρίζονται και προσομοιώνονται τα ιστορικά μοτίβα αστικής ανάπτυξης, την πρόβλεψη (prediction) όπου τα μοτίβα προβάλλονται σε μελλοντικά σημεία, την εξαγωγή και επεξεργασία των αποτελεσμάτων των δεδομένων εξόδου και την εκτίμηση της ακρίβειας του μοντέλου.

Στην συνέχεια το σύνολο των δεδομένων εισάγονται σε περιβάλλον GIS για την περαιτέρω επέξεργασία. Πιο συγκεκριμένα τα στοιχεία ήταν: εικόνες Landsat (αστικό 1985) (gif), σε grayscale, με ίδια όρια, ίδιο προβολικό σύστημα (ΕΓΣΑ 87) και ανάλυση. Τα δεδομένα εισαγωγή είναι οι κλίσεις γης (slope) και το ανάγλυφο (hillshade) της περιοχής μελέτης, οι περιοχές απαγόρευσης της δόμησης (excluded), δύο χρονιές καλύψεων γης (landuse), τέσσερεις χρονιές κάλυψης αστικής γης (urban) και δύο χρονιές μεταφορικών δικτύων (transport). Οι χρήσεις γης που αφορούν το αστικό περιβάλλον προήλθαν από εφαρμογή επιβλεπόμενης ταξινόμησης σε εικόνα Landsat του 1985 με χωρική ανάλυση 30 μ.

Από τις παραπάνω εικόνες φαίνεται ότι δεν υπήρξαν μεγάλη αύξηση της αστικής γης για τις περιόδους αναφοράς, με εξαίρεση ίσως το νοτιοδυτικό τμήμα που αναπτύχθηκε αρκετά. Η διαπίστωση αυτή ισχυροποιείται και από τα δεδομένα του κάτωθι Πίνακα, που δείχνουν επιπλέον ότι η μεγαλύτερη αύξηση των αστικών χρήσεων συντελέστηκε κατά την περίοδο 1985-1990 που συμπίπτει με τις επεκτάσεις του σχεδίου πόλης.

Στην συνέχεια και μέσω μία σειράς υποθέσεων αλλά και μεθοδολογίας (Για παράδειγμα συνυπολογίζεται η θέση των βασικών οδικών αξόνων καθώς και η πορεία ανάπτυξης του αστικού ιστού μέχρι εκείνη την στιγμή καθώς και μία σειρά από άλλα στοιχεία.) έγινε πρόβλεψη για την αστική επέκταση της Καρδίτσας στο διάστημα 2012 έως 2021. Σύμφωνα με το μοντέλο SLEUTH η εξάπλωση των αστικών χρήσεων θα είναι της τάξης του 33% μέχρι το 2021 και θα αφορά κυρίως το νοτιοδυτικό τμήμα της πόλης (έντονη επιρροή της περιφερειακής οδού) και σε μικρότερο βαθμό το ανατολικό τμήμα κατά μήκος του οδικού άξονα.

''' Εφαρμογή του μοντέλου CA- Markov'''

Στη μέθοδο αυτή όπως και στην προηγουμένη, σε πρώτη φάση χρησιμοποιήθηκαν αεροφωτογραφίες και τεχνικές τηλεπισκόπησης για τον προσδιορισμό της αστικής εξάπλωσης και στην συνέχεια το μοντέλο CA- Markov με στόχο την πρόβλεψη της αστικής διάχυσης στο μέλλον. Πιο συγκεκριμένα λοιπόν, η μεθοδολογία περιλαμβάνει τα εξής βασικά βήματα: την προεπεξεργασία των εικόνων, την ταξινόμηση (ορισμός φασματικών υπογραφών, επιβλεπόμενη ταξινόμηση, φιλτράρισμα, αποτίμηση ακρίβειας) και την εφαρμογή του μοντέλου CA- Markov.

Για την μελέτη της διαχρονικής εξέλιξης του αστικού ιστού χρησιμοποιήθηκαν δορυφορικά δεδομένα μεσαίας χωρικής διακριτικής ικανότητας του δορυφόρου Landsat (1985, 1992, 2000, 2011) καθώς και αεροφωτογραφίες πολύ υψηλής χωρικής διακριτικής ικανότητας (1999, 2000, 2009).

Η ταξινόμηση που χρησιμοποιήθηκε ήταν η επιβλεπόμενη ταξινόμηση με την αντιστοίχηση των pixels σε κατηγορίες να γίνεται βάσει της μεθόδου της μεγίστης πιθανοφάνειας (maximum likelihood). Για την ορθότερη επιλογή των δειγμάτων χρησιμοποιήθηκαν διάφορα διανυσματικά αρχεία (vector) όπως τα Corine 1990 & 2000, ορθοφωτοχάρτες του 1999 και του 2000 και ορθοφωτοχάρτες του κτηματολογίου για το έτος 2009. Για την βελτίωση του αποτελέσματος των ταξινομήσεων και για να είναι περισσότερο ευδιάκριτες οι χρήσεις μεταξύ τους εφαρμόστηκαν επίσης και κάποια φίλτρα εξομάλυνσης στις ταξινομήσεις.

Από τα αποτελέσματα των ταξινομήσεων προέκυψε ότι η πόλη έχει εξαπλωθεί λίγο προς τα βόρεια σε αντίθεση με το νοτιοδυτικό και νοτιοανατολικό τμήμα που είναι ευδιάκριτη η μεγαλύτερη αστική διάχυση. Η αστική εξάπλωση επίσης φαίνεται να έλαβε χώρα κυρίως την περίοδο 1985-1992 (της τάξης του 50%), ενώ της περιόδους 1992-2000 και 2000-2011 υπάρχει σχετικά σταθερή αστική επέκταση της τάξης του 19% περίπου.

Στην συνέχεια για την πρόβλεψη της αστικής επέκτασης στο μέλλον που ήταν και ο αρχικός στόχος χρησιμοποιήθηκαν οι εικόνες των ετών 2000 και 2001 και μέσω των πιθανοτήτων κατέληξε στην τελική εικόνα της Καρδίτσας το έτος 2021. Βασή του μοντέλου αυτού η πόλη θα επεκταθεί κατά 40% περίπου ομοιόμορφα γύρω από το υπάρχον αστικό περιβάλλον.

'''Σύγκριση δύο μεθόδων πρόβλεψης αστικής εξάπλωσης-συμπεράσματα'''

Από την εφαρμογή και των δύο μεθόδων πρόβλεψης της αστικής εξάπλωσης προκύπτει ότι το μοντέλο SLEUTH δίνει πιο ακριβή και ρεαλιστικά αποτελέσματα. Αυτή η διαπίστωση προκύπτει από την αναγνώριση των σημερινών τάσεων αστικοποίησης της Καρδίτσας. Η ακρίβεια των αποτελεσμάτων του SLEUTH οφείλεται στη διαδικασία της βαθμονόμησης καθώς και στο μεγαλύτερο εύρος δεδομένων εισόδου. Ένα σημαντικό πλεονέκτημα του συγκεκριμένου μοντέλου είναι ότι με τη βαθμονόμηση του τρόπου που μια περιοχή έχει αλλάξει στο παρελθόν, μπορεί να τεκμηριωθεί μια λογική πρόβλεψη για μελλοντική αλλαγή. Τα δεδομένα του Markov περιλαμβάνουν μόνο δύο έτη εξάπλωσης του αστικού ιστού, σε αντίθεση με το SLEUTH στο οποίο υπάρχει η δυνατότητα εισαγωγής πολλών ετών και 6 τύπων δεδομένων. Εξάλλου η πρόβλεψη της αστικής εξάπλωσης δεν εξαρτάται αποκλειστικά και μόνο από τη μελέτη της μεταβολής του αστικού ιστού, αλλά και από άλλους παράγοντες όπως το οδικό δίκτυο. Επίσης στο SLEUTH υπάρχει η δυνατότητα εισαγωγής διαφορετικών σεναρίων αστικής εξάπλωσης, όπως για παράδειγμα η παρόδια δόμηση ως αποτέλεσμα ενός νέου οδικού άξονα, πράγμα το οποίο επιτρέπει μια πιο έγκαιρη και ολοκληρωμένη πρόβλεψη της εκτενούς αστικοποίηση.

Ακόμη ένα σημαντικό πλεονέκτημα του SLEUTH είναι ότι στα δεδομένα εξαγωγής δημιουργούνται τόσες εικόνες όσες και οι χρονοσειρές μέχρι το έτος πρόβλεψης. Το Markov εξάγει μία εικόνα μόνο για το έτος πρόβλεψης, γεγονός που καθιστά δύσκολη τη μελέτη της αστικής εξέλιξης σε βάθος χρόνου. Επιπλέον, στις εικόνες εξαγωγής του SLEUTH υπάρχει μια εικόνα πιθανοτήτων προβολής του αστικού, που επιτρέπει την εστίαση του σχεδιασμού σε συγκεκριμένες περιοχές με υψηλά ποσοστά μελλοντικής αστικοποίησης, κάτι στο οποίο υστερεί σημαντικά το Markov. Τέλος αξίζει να σημειωθεί ότι το μοντέλο SLEUTH αποτελεί (free) λογισμικό χωρίς καμία χρέωση.

Από την άλλη πλευρά όμως η μέθοδος του SLEUTH παρουσιάζει κάποια σημαντικά μειονεκτήματα στη χρήση του, όπως τα ελλιπή δεδομένα για το αστικό και τις καλύψεις γης που είναι περιορισμένα κυρίως για τον Ελλαδικό χώρο.

Από την άλλη πλευρά, η μέθοδος Markov είναι πολύ απλούστερη λειτουργικά, πιο γρήγορη και απαιτεί μικρότερο όγκο raster αρχείων. Η συγκέντρωση δεδομένων είναι ευκολότερη (δορυφορικές εικόνες) και συνήθως χωρίς οικονομικό κόστος. Η ανάλυση όμως τηλεπισκοπικών δεδομένων από αστικές περιοχές είναι πολύπλοκη για διάφορούς λόγους, όπως ότι κάποιες κατηγορίες αστικών επιφανειών δεν είναι φασματικά διακριτές μεταξύ τους και η φυσική δομή πολλών ειδών χρήσεων γης διαφέρει από περιοχή σε περιοχή.

Γενικεύοντας, θα μπορούσε να ειπωθεί το μοντέλο SLEUTH προβλέπει την εξάπλωση του αστικού με βάση τις τάσεις αστικής εξάπλωσης των προηγούμενων ετών, όπως και τα περισσότερα μοντέλα πρόβλεψης, λαμβάνοντας κάποιες παραμέτρους όπως το οδικό οι κλίσεις εδάφους και το ανάγλυφο. Παράμετροι όμως όπως οι μεταβολές του πληθυσμού, η πληθυσμιακή πυκνότητα, η αξία γης, το ΑΕΠ και το όριο ακτογραμμής δεν εισάγονται στο μοντέλο, γεγονός που μειώνει τον βαθμό προσομοίωσης της αστικής εξάπλωσης με την πραγματικότητα. Σημαντικό επομένως θα ήταν μελλοντικά αν εφαρμόζονταν κάποιες προγραμματιστικές διορθώσεις προσθέτοντας τις παραμέτρους αυτές στα δεδομένα εισαγωγής του μοντέλου. Επίσης σημαντικό θα ήταν αν το μοντέλο μπορέσει στο μέλλον να προβλέψει την εκτεταμένη εκτός σχεδίου δόμηση. Αναφορικά στον ελλαδικό χώρο η εκτός σχεδίου δόμηση αποτελεί σημαντικό πρόβλημα του πολεοδομικού σχεδιασμού, αφού το μεγαλύτερο ποσοστό του εξωαστικού χώρου υπάγεται στο καθεστώς της γενικής νομοθεσίας περί εκτός σχεδίου δόμησης (Οικονόμου, 2009).

Πηγή: http://gisc.gr/sac/docs/proceedings_sac1/9_Koukosia_Stathakis_SAC1.pdf

[[category:Ανίχνευση μεταβολών αστικής γης]]

Σύγκριση μοντέλων πρόβλεψης αστικής εξάπλωσης σε μεσαίου μεγέθους ελληνική πόλη

2015-03-29T15:27:14Z

Manolis rallias:

Ανίχνευση και πρόβλεψη διαχρονικών αλλαγών κάλυψης γης στο νομό Μαγνησίας

2015-03-29T15:16:33Z

Manolis rallias:

[[Εικόνα: Magnisia1.JPG‎ ‎ | thumb | right | '''Εικόνα 1'''
Θεματικός χάρτης του νομού Μαγνησίας σύμφωνα με το πρόγραμμα CORINE 1990]]
[[Εικόνα: Magnisia2.JPG‎ ‎ | thumb | right | '''Εικόνα 2'''
Θεματικός χάρτης ταξινομημένης δορυφορικής εικόνας του 1986 του νομού Μαγνησίας σύμφωνα με το πρόγραμμα LIFE96ENV/GR/580]]
[[Εικόνα: Magnisia3.JPG ‎ | thumb | right | '''Εικόνα 3'''
Θεματικός χάρτης προβλέψεων καλύψεων γης κατά Markov για το έτος 2000 για τον νομό Μαγνησίας βάσει των δορυφορικών εικόνων του 1991 και του 1999]]

'''Πρωτότυπος Τίτλος''': Ανίχνευση και πρόβλεψη διαχρονικών αλλαγών κάλυψης γης στο νομό Μαγνησίας με την εφαρμογή της μεθόδου Markov και των κυτταρικών αυτόματων σε πολυφασματικές δορυφορικές εικόνες

'''Συγγραφέας''': Περάκης Κωνσταντίνος

'''Εισαγωγή'''

Σε μελέτη του Περάκη (2011) έγινε καταγραφή της υφιστάμενης κατάστασης του αστικού ιστού για τον νομό Μαγνησίας. Πιο συγκεκριμένα με χρήση τεχνικών τηλεπισκόπησης επιχειρήθηκε η αναγνώριση της αστικής εξάπλωσης του πολεοδομικού συγκροτήματος Βόλου-Νέας Ιώνιας και στην συνέχεια η πρόβλεψη της μελλοντικής επέκτασης και μορφής του αστικού χώρου.

'''Δεδομένα'''

Για την επίτευξη των στόχων της έρευνας χρησιμοποιήθηκαν τρείς δορυφορικές εικόνες του Landsat (06/1991, 06/1999 και 08/2000). Σε πρώτο επίπεδο λοιπόν έγιναν οι απαραίτητες ραδιομετρικές (Ραδιομέτρικα σφάλματα μπορεί να προκύψουν από σφάλματα στα όργανα καταγραφής, από παραμορφώσεις στην ραδιομετρία λόγω της ατμόσφαιρας ή τέλος από την εξάρτηση ορισμένων μηκών κύματος από την ηλιακή ενέργεια.) και γεωμετρικές διορθώσεις, ενώ στην συνέχεια ακολούθησε η διαδικασία ταξινόμησης των εικόνων. Πιο συγκεκριμένα, εφαρμόστηκαν επιβλεπόμενες ταξινομήσεις για την παραγωγή θεματικών χαρτών καλύψεων γης για κάθε μια από τις προαναφερθείσες (τρείς) χρονικές περιόδους. Για την αποφυγή σφαλμάτων και την επίτευξη του καλύτερου δυνατού αποτελέσματος χρησιμοποιήθηκε και πληροφορία από ήδη υπάρχοντες χάρτες κάλυψης της περιοχής μελέτης από τα ευρωπαϊκά προγράμματα LIFE96ENV/GR/580 σε κλίμακα 1:50.000 και CORINE (1990 και 2000) σε κλίμακα 1:100.000.

Εκτιμώντας τον βαθμό σημαντικότητας κάθε χρήσης αλλά και το γεγονός ότι κάποιες χρήσεις δεν εμφανίζονται στην υπό εξέταση περιοχή, οι καλύψεις γης ταξινομήθηκαν στις εξής κατηγορίες (Η κωδικοποίηση και οι κατηγορίες χρήσεων γης που αναφέρονται στις παρενθέσεις είναι βάσει του πίνακα από το πρόγραμμα CORINE):

1. Αστική οικοδόμηση (κατηγορίες του επιπ.3 με αριθμ. 1.1.1 και με αριθμ. 1.1.2)

2. Βιομηχανικές, εμπορικές ζώνες και δίκτυα επικοινωνίας (κατηγορίες του επιπ.3 με αριθμ. 1.2.1, με αριθμ. 1.2.2 και με αριθμ. 1.2.3)

3. Ορυχεία, χώροι απορρίψεως απορριμμάτων και χώροι οικοδόμησης (κατηγορίες του επιπ.3 με αριθμ. 1.3.1, με αριθμ. 1.3.2, με αριθμ. 1.3.3)

4. Οι κατηγορίες 1.4.1 και 1.4.2 ενσωματώθηκαν στην κατηγορία 11 παρακάτω γιατί διαπιστώθηκε μεγάλη προσέγγιση των φασματικών τους υπογραφών και λόγω της πολύ μικρής έκτασης σε επίπεδο νομού.

5. Αρόσιμη γη (κατηγορίες του επιπ.3 με αριθμ. 2.1.1 και με αριθμ. 2.1.2)

6. Δεν διαπιστώθηκε ύπαρξη της κατηγορίας 2.1.3

7. Οπωροφόρα δέντρα με φυτείες και σαρκώδεις καρπούς και αμπελώνες (κατηγορίες του επιπ.3 με αριθμ. 2.2.1 και με αριθμ. 2.2.2.)

8. Ελαιώνες (κατηγορία του επιπ.3 με αριθμ. 2.2.3.)

9. Ετερογενείς γεωργικές περιοχές (κατηγορία του επιπ.2 με αριθμ. 2.4., δηλ. όλες οι αντίστοιχες κατηγορίες του επιπ.3 που είναι οι 2.4.1, 2.4.2, 2.4.3 και 2.4.4)

10. Δάσος πλατύφυλλων (κατηγορία του επιπ.3 με αριθμ. 3.1.1.)

11. Δάσος κωνοφόρων-Μικτό δάσος (κατηγορίες του επιπ.3 με αριθμ. 3.1.2. και 3.1.3.)

12. Φυσικοί βοσκότοποι (περιλαμβάνει τις κατηγορίες του επιπ.3, 3.2.1 και 3.2.2 αλλά και την κατηγορία 2.3.1)

13. Σκληροφυλλική βλάστηση και μεταβατικές θαμνώδεις – δασώδεις εκτάσεις (κατηγορίες του επιπ.3 με αριθμ. 3.2.3. και 3.2.4.)

14. Οι κατηγορίες 3.3.1, 3.3.2 και 3.3.3 ενσωματώθηκαν στην κατηγορία 10 γιατί εμφάνισαν σχεδόν όμοιες φασματικές υπογραφές με την κατηγορία 3.2.2 που ανήκει στην κατηγορία 10 του παρόντος. Οι κατηγορίες 3.3.4 και 3.3.5 δεν υπάρχουν.

15. Υγρές επιφάνειες (ενσωματώθηκαν όλες οι κατηγορίες 4.1, 4.2, 5,1 και 5.2 του επιπέδου 2 και άρα και οι υποκατηγορίες του επιπέδου 3 γιατί ή δεν υπάρχουν ή παρουσιάζουν μεταξύ τους την ίδια φασματική συμπεριφορά, εκτός από την 5.2.3 η οποία δεν ταξινομήθηκε).

Στην συνέχεια εφαρμόστηκαν οι κλασικές μέθοδοι ταξινόμησης και τελικά χρησιμοποιήθηκαν τα αποτελέσματα της μεθόδου της Μέγιστης Πιθανοφάνειας. Σε αυτή την επιλογή συνετέλεσε το γεγονός ότι η συγκεκριμένη μέθοδος ταξινόμησης στην εφαρμογή των αλυσίδων Markov για την διαχρονική μελέτη αξιολογήθηκαν ως οι πλέον αξιόπιστες, με ακρίβεια ταξινόμησης της τάξης του 82% σύμφωνα με τις συγκρίσεις με τους θεματικούς χάρτες των ευρωπαϊκών προγραμμάτων CORINE και LIFE. Οι αξιολογήσεις αυτές πραγματοποιήθηκαν με διασταυρούμενους πίνακες (cross-classification tables) δειγματοληπτικών περιοχών των θεματικών αποτελεσμάτων (χάρτες καλύψεων γης) που προέκυψαν από τις ταξινομήσεις της ελάχιστης απόστασης από τον μέσο όρο των ομάδων(καλύψεων γης), της μεθόδου των παραλληλεπιπέδων και της μεθόδου της μέγιστης πιθανοφάνειας.

Στις Εικόνες 1 και 2 βλέπουμε τα αποτελέσματα από τον χάρτη CORINE 1990 αλλά και από την ταξινομημένη εικόνα του 1986 που δημιουργήθηκε με πληροφορίες του προγράμματος LIFE96ENV/GR/580. Είναι εμφανές ότι η ταξινομημένη εικόνα παρέχει μία πιο πλήρη και αναλυτική εικόνα για τις καλύψεις και χρήσεις της περιοχής έναντι του CORINE 1990 που εμφανίζει προβλήματα λόγω κλίμακας και γενίκευσης των δεδομένων.

Στον θεματικό χάρτη που προέκυψε με την εφαρμογή της μεθόδου Markov και των κυτταρικών αυτομάτων (Εικόνα 3), η πρόβλεψη των αλλαγών των καλύψεων γης για το 2000 είναι αρκετά ικανοποιητική. Φαίνεται ότι η ακρίβεια της μεθόδου για τις κυρίαρχες καλύψεις γης, όπως δάσος, σκληροφυλλική βλάστηση, αγροτικές καλύψεις και άγονες περιοχές έχει υψηλό βαθμό ακρίβειας.

Από την άλλη πλευρά, για καλύψεις μικρότερης έκτασης και ειδικότερα για τις αστικές και περιαστικές περιοχές η ακρίβεια της εφαρμογής της μεθόδου είναι χαμηλότερη. Το ίδιο παρατηρούμε στην Βορειοδυτική περιοχή της εικόνας όπου βρίσκεται η τεχνητή λίμνη Κάρλα. Το γεγονός αυτό ερμηνεύεται από το γεγονός ότι η μέθοδος Markov "ευνοεί βάσει πιθανοτήτων" τις καλύψεις που κατέχουν μεγάλες επιφάνειες στην εικόνα. Ένας πιθανά τομέας έρευνας στο μέλλον θα ήταν ο προσδιορισμός των συνθηκών που επηρεάζουν την εφαρμογή της μεθόδου Markov, (όπως π.χ. μικρές σε έκταση καλύψεις όπως οι ανθρωπογενείς παρεμβάσεις) και ενδεχόμενα η ποσοτική τους αποτίμηση.

'''Αξιολόγηση αποτελεσμάτων'''

Παρότι η ακρίβεια των αποτελεσμάτων μιας επεξεργασίας στην Τηλεπισκόπηση που δίνει σαν αποτελέσματα θεματικούς χάρτες κάλυψης γης όπως για παράδειγμα οι ταξινομήσεις, υπήρξε αντικείμενο έρευνας πολλών ερευνητών, ήδη από την δεκαετία του 1990 εντούτοις πληθώρα ζητημάτων απασχολούν μέχρι και σήμερα τους ερευνητές (Congalton κ.ά. 1983 Rosefield 1986, Cartersen 1987). Οι Congalton and Green, 1993, διαπιστώνουν, ότι διαφόρων τύπων σφάλματα μπορούν να υπεισέλθουν στον πίνακα λαθών (Error matrix), ο οποίος δείχνει την σχετική ακρίβεια της ταξινομημένης δορυφορικής εικόνας σε σχέση με οποιοδήποτε άλλο ψηφιακό αρχείο που απεικονίζει την ίδια περιοχή μελέτης. Στην έρευνα που παρουσιάσαμε, η ανάλυση της ακρίβειας των θεματικών χαρτών που προέκυψαν από την διαχρονική προβολή σε μελλοντική ημερομηνία, ακολουθεί την πιο γενικευμένη αντίληψη και μεθοδολογία την οποία υιοθέτησε και εφάρμοσε ο Pontius (2000) και σύμφωνα με την οποία ο πίνακας λαθών περιέχει εκτός από τα ποσοτικά λάθη για pixels που δεν αντιστοιχούν στην αρχική κατηγορία κάλυψης γης, και λάθη που αντιστοιχούν σε pixels που δεν βρίσκονται χωρικά στις αρχικές συντεταγμένες.

Δείκτες όπως ο Kappa Index of Agreement στην περίπτωση της πρόβλεψης κάλυψης γης του 2000 (και μετά από εφαρμογή της μεθόδου Markov με βάση τις δορυφορικές εικόνες του 1991 και του 1999), εφαρμόστηκε σε δύο επίπεδα δεδομένων και έδωσε τα εξής αποτελέσματα:
1. Για την σύμπτωση των θεματικών χαρτών μεταξύ CORINE 1990 και CORINE 2000 έδωσε τιμή 0.54, ενώ για τις ταξινομημένες εικόνες των αντιστοίχων ημερομηνιών 1991 και 1999 έδωσε την τιμή 0,5683.
2. Για την σύμπτωση της εικόνας πρόβλεψης κατά Markov με την αντίστοιχη ταξινομημένη εικόνα του 2000, η τιμή του δείκτη 0,7247 παρουσίασε μια αρκετά καλή θεματική-χωρική πρόβλεψη των καλύψεων γης, λαμβανομένων υπόψη και των σφαλμάτων ταξινόμησης από την επιλογή πολυγώνων για την δημιουργία φασματικών υπογραφών, και άλλων.

'''Συμπεράσματα'''

Η σε βάθος χρόνου μελέτη και πρόβλεψη των αλλαγών της κάλυψης γης με την μέθοδο Markov θα μπορούσε να ειπωθεί ότι οδηγεί σε σχετικά αξιόπιστα αποτελέσματα. Κύριο μειονέκτημα της μεθόδου αποτελεί η μη χωρική διάσταση των θεματικών αποτελεσμάτων που παράγονται. Αυτό το πρόβλημα στην παρούσα εργασία αντιμετωπίστηκε επιτυχώς με την εφαρμογή φίλτρων που δημιουργούνται από τα κυτταρικά αυτόματα. Ο δείκτης Kappa Index of Agreement ο οποίος χρησιμοποιήθηκε για τον έλεγχο σύμπτωσης των ταξινομημένων εικόνων με τους χάρτες CORINE των αντίστοιχων ημερομηνιών (1990 και 2000) έδωσε τιμές 0,57 και 0,54 αντίστοιχα. Από τη μικρή απόκλιση (της τάξης του 3%) που παρατηρήθηκε ανάμεσα στις δύο τιμές σύμπτωσης φαίνεται ότι:
• υπήρξαν σημαντικές αλλαγές στην κάλυψη γης του νομού Μαγνησίας κατά την περίοδο 1990-2000, και
• οι ταξινομήσεις είναι αξιόπιστες σε σχέση με το CORINE.

Με την εφαρμογή της μεθόδου Markov για την πρόβλεψη κάλυψης γης στο Νομό Μαγνησίας στο απώτερο μέλλον φαίνεται ότι οι κυρίαρχες κατηγορίες (π.χ. δάσος, χαμηλή βλάστηση, άγονα) επικρατούν σε βάρος των κατηγοριών που καταλαμβάνουν μικρές εκτάσεις, χωρίς το γεγονός αυτό να είναι απόλυτο (κυρίως για αστικές περιοχές).

Για να οδηγηθούμε σε ασφαλέστερα συμπεράσματα, προσεγγίσεις και προβλέψεις των αλλαγών στην κάλυψη γης στο απώτερο μέλλον όμως θα πρέπει να ενσωματωθούν στην διαδικασία θεματικές ή μεθοδολογικές συνθήκες οι οποίες να λαμβάνουν υπ’ όψη τις ανθρωπογενείς επιδράσεις (π.χ. αστικοποίηση, ανθρωπογενείς πυρκαγιές, κατασκευή μεγάλων δρόμων).

Πηγή: http://www.aeihoros.gr/article/el/anixneusi-kai-provlepsi-diaxronikon-allagon-kalupsis-gis-sto-nomo-magnisias-me-tin-efarmogi-tis-methodou-markov-kai-ton-kuttarikon-automaton-se-polufasmatikes-doruforikes-eikones

[[category:Ανίχνευση μεταβολών αστικής γης]]

Ανίχνευση και πρόβλεψη διαχρονικών αλλαγών κάλυψης γης στο νομό Μαγνησίας

2015-03-29T15:15:43Z

Manolis rallias:

[[Εικόνα: Magnisia1.JPG‎ ‎ | thumb | right | '''Εικόνα 1'''
Θεματικός χάρτης του νομού Μαγνησίας σύμφωνα με το πρόγραμμα CORINE 1990]]
[[Εικόνα: Magnisia2.JPG‎ ‎ | thumb | right | '''Εικόνα 2'''
Θεματικός χάρτης ταξινομημένης δορυφορικής εικόνας του 1986 του νομού Μαγνησίας σύμφωνα με το πρόγραμμα LIFE96ENV/GR/580]]
[[Εικόνα: Magnisia3.JPG ‎ | thumb | right | '''Εικόνα 3'''
Θεματικός χάρτης προβλέψεων καλύψεων γης κατά Markov για το έτος 2000 για τον νομό Μαγνησίας βάσει των δορυφορικών εικόνων του 1991 και του 1999]]

'''Πρωτότυπος Τίτλος''': Ανίχνευση και πρόβλεψη διαχρονικών αλλαγών κάλυψης γης στο νομό Μαγνησίας με την εφαρμογή της μεθόδου Markov και των κυτταρικών αυτόματων σε πολυφασματικές δορυφορικές εικόνες

'''Συγγραφέας''': Περάκης Κωνσταντίνος

'''Εισαγωγή'''

Σε μελέτη του Περάκη (2011) έγινε καταγραφή της υφιστάμενης κατάστασης του αστικού ιστού για τον νομό Μαγνησίας. Πιο συγκεκριμένα με χρήση τεχνικών τηλεπισκόπησης επιχειρήθηκε η αναγνώριση της αστικής εξάπλωσης του πολεοδομικού συγκροτήματος Βόλου-Νέας Ιώνιας και στην συνέχεια η πρόβλεψη της μελλοντικής επέκτασης και μορφής του αστικού χώρου.

'''Δεδομένα'''

Για την επίτευξη των στόχων της έρευνας χρησιμοποιήθηκαν τρείς δορυφορικές εικόνες του Landsat (06/1991, 06/1999 και 08/2000). Σε πρώτο επίπεδο λοιπόν έγιναν οι απαραίτητες ραδιομετρικές (Ραδιομέτρικα σφάλματα μπορεί να προκύψουν από σφάλματα στα όργανα καταγραφής, από παραμορφώσεις στην ραδιομετρία λόγω της ατμόσφαιρας ή τέλος από την εξάρτηση ορισμένων μηκών κύματος από την ηλιακή ενέργεια.) και γεωμετρικές διορθώσεις, ενώ στην συνέχεια ακολούθησε η διαδικασία ταξινόμησης των εικόνων. Πιο συγκεκριμένα, εφαρμόστηκαν επιβλεπόμενες ταξινομήσεις για την παραγωγή θεματικών χαρτών καλύψεων γης για κάθε μια από τις προαναφερθείσες (τρείς) χρονικές περιόδους. Για την αποφυγή σφαλμάτων και την επίτευξη του καλύτερου δυνατού αποτελέσματος χρησιμοποιήθηκε και πληροφορία από ήδη υπάρχοντες χάρτες κάλυψης της περιοχής μελέτης από τα ευρωπαϊκά προγράμματα LIFE96ENV/GR/580 σε κλίμακα 1:50.000 και CORINE (1990 και 2000) σε κλίμακα 1:100.000.

Εκτιμώντας τον βαθμό σημαντικότητας κάθε χρήσης αλλά και το γεγονός ότι κάποιες χρήσεις δεν εμφανίζονται στην υπό εξέταση περιοχή, οι καλύψεις γης ταξινομήθηκαν στις εξής κατηγορίες (Η κωδικοποίηση και οι κατηγορίες χρήσεων γης που αναφέρονται στις παρενθέσεις είναι βάσει του πίνακα από το πρόγραμμα CORINE):
1. Αστική οικοδόμηση (κατηγορίες του επιπ.3 με αριθμ. 1.1.1 και με αριθμ. 1.1.2)

2. Βιομηχανικές, εμπορικές ζώνες και δίκτυα επικοινωνίας (κατηγορίες του επιπ.3 με αριθμ. 1.2.1, με αριθμ. 1.2.2 και με αριθμ. 1.2.3)

3. Ορυχεία, χώροι απορρίψεως απορριμμάτων και χώροι οικοδόμησης (κατηγορίες του επιπ.3 με αριθμ. 1.3.1, με αριθμ. 1.3.2, με αριθμ. 1.3.3 )
4. Οι κατηγορίες 1.4.1 και 1.4.2 ενσωματώθηκαν στην κατηγορία 11 παρακάτω γιατί διαπιστώθηκε μεγάλη προσέγγιση των φασματικών τους υπογραφών και λόγω της πολύ μικρής έκτασης σε επίπεδο νομού.
5. Αρόσιμη γη (κατηγορίες του επιπ.3 με αριθμ. 2.1.1 και με αριθμ. 2.1.2)
6. Δεν διαπιστώθηκε ύπαρξη της κατηγορίας 2.1.3
7. Οπωροφόρα δέντρα με φυτείες και σαρκώδεις καρπούς και αμπελώνες (κατηγορίες του επιπ.3 με αριθμ. 2.2.1 και με αριθμ. 2.2.2.)
8. Ελαιώνες (κατηγορία του επιπ.3 με αριθμ. 2.2.3.)
9. Ετερογενείς γεωργικές περιοχές (κατηγορία του επιπ.2 με αριθμ. 2.4., δηλ. όλες οι αντίστοιχες κατηγορίες του επιπ.3 που είναι οι 2.4.1, 2.4.2, 2.4.3 και 2.4.4)
10. Δάσος πλατύφυλλων (κατηγορία του επιπ.3 με αριθμ. 3.1.1.)
11. Δάσος κωνοφόρων-Μικτό δάσος (κατηγορίες του επιπ.3 με αριθμ. 3.1.2. και 3.1.3.)
12. Φυσικοί βοσκότοποι (περιλαμβάνει τις κατηγορίες του επιπ.3, 3.2.1 και 3.2.2 αλλά και την κατηγορία 2.3.1)
13. Σκληροφυλλική βλάστηση και μεταβατικές θαμνώδεις – δασώδεις εκτάσεις (κατηγορίες του επιπ.3 με αριθμ. 3.2.3. και 3.2.4. )
14. Οι κατηγορίες 3.3.1, 3.3.2 και 3.3.3 ενσωματώθηκαν στην κατηγορία 10 γιατί εμφάνισαν σχεδόν όμοιες φασματικές υπογραφές με την κατηγορία 3.2.2 που ανήκει στην κατηγορία 10 του παρόντος. Οι κατηγορίες 3.3.4 και 3.3.5 δεν υπάρχουν.
15. Υγρές επιφάνειες (ενσωματώθηκαν όλες οι κατηγορίες 4.1, 4.2, 5,1 και 5.2 του επιπέδου 2 και άρα και οι υποκατηγορίες του επιπέδου 3 γιατί ή δεν υπάρχουν ή παρουσιάζουν μεταξύ τους την ίδια φασματική συμπεριφορά, εκτός από την 5.2.3 η οποία δεν ταξινομήθηκε).

Στην συνέχεια εφαρμόστηκαν οι κλασικές μέθοδοι ταξινόμησης και τελικά χρησιμοποιήθηκαν τα αποτελέσματα της μεθόδου της Μέγιστης Πιθανοφάνειας. Σε αυτή την επιλογή συνετέλεσε το γεγονός ότι η συγκεκριμένη μέθοδος ταξινόμησης στην εφαρμογή των αλυσίδων Markov για την διαχρονική μελέτη αξιολογήθηκαν ως οι πλέον αξιόπιστες, με ακρίβεια ταξινόμησης της τάξης του 82% σύμφωνα με τις συγκρίσεις με τους θεματικούς χάρτες των ευρωπαϊκών προγραμμάτων CORINE και LIFE. Οι αξιολογήσεις αυτές πραγματοποιήθηκαν με διασταυρούμενους πίνακες (cross-classification tables) δειγματοληπτικών περιοχών των θεματικών αποτελεσμάτων (χάρτες καλύψεων γης) που προέκυψαν από τις ταξινομήσεις της ελάχιστης απόστασης από τον μέσο όρο των ομάδων(καλύψεων γης), της μεθόδου των παραλληλεπιπέδων και της μεθόδου της μέγιστης πιθανοφάνειας.

Στις Εικόνες 1 και 2 βλέπουμε τα αποτελέσματα από τον χάρτη CORINE 1990 αλλά και από την ταξινομημένη εικόνα του 1986 που δημιουργήθηκε με πληροφορίες του προγράμματος LIFE96ENV/GR/580. Είναι εμφανές ότι η ταξινομημένη εικόνα παρέχει μία πιο πλήρη και αναλυτική εικόνα για τις καλύψεις και χρήσεις της περιοχής έναντι του CORINE 1990 που εμφανίζει προβλήματα λόγω κλίμακας και γενίκευσης των δεδομένων.

Στον θεματικό χάρτη που προέκυψε με την εφαρμογή της μεθόδου Markov και των κυτταρικών αυτομάτων (Εικόνα 3), η πρόβλεψη των αλλαγών των καλύψεων γης για το 2000 είναι αρκετά ικανοποιητική. Φαίνεται ότι η ακρίβεια της μεθόδου για τις κυρίαρχες καλύψεις γης, όπως δάσος, σκληροφυλλική βλάστηση, αγροτικές καλύψεις και άγονες περιοχές έχει υψηλό βαθμό ακρίβειας.

Από την άλλη πλευρά, για καλύψεις μικρότερης έκτασης και ειδικότερα για τις αστικές και περιαστικές περιοχές η ακρίβεια της εφαρμογής της μεθόδου είναι χαμηλότερη. Το ίδιο παρατηρούμε στην Βορειοδυτική περιοχή της εικόνας όπου βρίσκεται η τεχνητή λίμνη Κάρλα. Το γεγονός αυτό ερμηνεύεται από το γεγονός ότι η μέθοδος Markov "ευνοεί βάσει πιθανοτήτων" τις καλύψεις που κατέχουν μεγάλες επιφάνειες στην εικόνα. Ένας πιθανά τομέας έρευνας στο μέλλον θα ήταν ο προσδιορισμός των συνθηκών που επηρεάζουν την εφαρμογή της μεθόδου Markov, (όπως π.χ. μικρές σε έκταση καλύψεις όπως οι ανθρωπογενείς παρεμβάσεις) και ενδεχόμενα η ποσοτική τους αποτίμηση.

'''Αξιολόγηση αποτελεσμάτων'''

Παρότι η ακρίβεια των αποτελεσμάτων μιας επεξεργασίας στην Τηλεπισκόπηση που δίνει σαν αποτελέσματα θεματικούς χάρτες κάλυψης γης όπως για παράδειγμα οι ταξινομήσεις, υπήρξε αντικείμενο έρευνας πολλών ερευνητών, ήδη από την δεκαετία του 1990 εντούτοις πληθώρα ζητημάτων απασχολούν μέχρι και σήμερα τους ερευνητές (Congalton κ.ά. 1983 Rosefield 1986, Cartersen 1987). Οι Congalton and Green, 1993, διαπιστώνουν, ότι διαφόρων τύπων σφάλματα μπορούν να υπεισέλθουν στον πίνακα λαθών (Error matrix), ο οποίος δείχνει την σχετική ακρίβεια της ταξινομημένης δορυφορικής εικόνας σε σχέση με οποιοδήποτε άλλο ψηφιακό αρχείο που απεικονίζει την ίδια περιοχή μελέτης. Στην έρευνα που παρουσιάσαμε, η ανάλυση της ακρίβειας των θεματικών χαρτών που προέκυψαν από την διαχρονική προβολή σε μελλοντική ημερομηνία, ακολουθεί την πιο γενικευμένη αντίληψη και μεθοδολογία την οποία υιοθέτησε και εφάρμοσε ο Pontius (2000) και σύμφωνα με την οποία ο πίνακας λαθών περιέχει εκτός από τα ποσοτικά λάθη για pixels που δεν αντιστοιχούν στην αρχική κατηγορία κάλυψης γης, και λάθη που αντιστοιχούν σε pixels που δεν βρίσκονται χωρικά στις αρχικές συντεταγμένες.

Δείκτες όπως ο Kappa Index of Agreement στην περίπτωση της πρόβλεψης κάλυψης γης του 2000 (και μετά από εφαρμογή της μεθόδου Markov με βάση τις δορυφορικές εικόνες του 1991 και του 1999), εφαρμόστηκε σε δύο επίπεδα δεδομένων και έδωσε τα εξής αποτελέσματα:
1. Για την σύμπτωση των θεματικών χαρτών μεταξύ CORINE 1990 και CORINE 2000 έδωσε τιμή 0.54, ενώ για τις ταξινομημένες εικόνες των αντιστοίχων ημερομηνιών 1991 και 1999 έδωσε την τιμή 0,5683.
2. Για την σύμπτωση της εικόνας πρόβλεψης κατά Markov με την αντίστοιχη ταξινομημένη εικόνα του 2000, η τιμή του δείκτη 0,7247 παρουσίασε μια αρκετά καλή θεματική-χωρική πρόβλεψη των καλύψεων γης, λαμβανομένων υπόψη και των σφαλμάτων ταξινόμησης από την επιλογή πολυγώνων για την δημιουργία φασματικών υπογραφών, και άλλων.

'''Συμπεράσματα'''

Η σε βάθος χρόνου μελέτη και πρόβλεψη των αλλαγών της κάλυψης γης με την μέθοδο Markov θα μπορούσε να ειπωθεί ότι οδηγεί σε σχετικά αξιόπιστα αποτελέσματα. Κύριο μειονέκτημα της μεθόδου αποτελεί η μη χωρική διάσταση των θεματικών αποτελεσμάτων που παράγονται. Αυτό το πρόβλημα στην παρούσα εργασία αντιμετωπίστηκε επιτυχώς με την εφαρμογή φίλτρων που δημιουργούνται από τα κυτταρικά αυτόματα. Ο δείκτης Kappa Index of Agreement ο οποίος χρησιμοποιήθηκε για τον έλεγχο σύμπτωσης των ταξινομημένων εικόνων με τους χάρτες CORINE των αντίστοιχων ημερομηνιών (1990 και 2000) έδωσε τιμές 0,57 και 0,54 αντίστοιχα. Από τη μικρή απόκλιση (της τάξης του 3%) που παρατηρήθηκε ανάμεσα στις δύο τιμές σύμπτωσης φαίνεται ότι:
• υπήρξαν σημαντικές αλλαγές στην κάλυψη γης του νομού Μαγνησίας κατά την περίοδο 1990-2000, και
• οι ταξινομήσεις είναι αξιόπιστες σε σχέση με το CORINE.

Με την εφαρμογή της μεθόδου Markov για την πρόβλεψη κάλυψης γης στο Νομό Μαγνησίας στο απώτερο μέλλον φαίνεται ότι οι κυρίαρχες κατηγορίες (π.χ. δάσος, χαμηλή βλάστηση, άγονα) επικρατούν σε βάρος των κατηγοριών που καταλαμβάνουν μικρές εκτάσεις, χωρίς το γεγονός αυτό να είναι απόλυτο (κυρίως για αστικές περιοχές).

Για να οδηγηθούμε σε ασφαλέστερα συμπεράσματα, προσεγγίσεις και προβλέψεις των αλλαγών στην κάλυψη γης στο απώτερο μέλλον όμως θα πρέπει να ενσωματωθούν στην διαδικασία θεματικές ή μεθοδολογικές συνθήκες οι οποίες να λαμβάνουν υπ’ όψη τις ανθρωπογενείς επιδράσεις (π.χ. αστικοποίηση, ανθρωπογενείς πυρκαγιές, κατασκευή μεγάλων δρόμων).

Πηγή: http://www.aeihoros.gr/article/el/anixneusi-kai-provlepsi-diaxronikon-allagon-kalupsis-gis-sto-nomo-magnisias-me-tin-efarmogi-tis-methodou-markov-kai-ton-kuttarikon-automaton-se-polufasmatikes-doruforikes-eikones

[[category:Ανίχνευση μεταβολών αστικής γης]]

Ανίχνευση και πρόβλεψη διαχρονικών αλλαγών κάλυψης γης στο νομό Μαγνησίας

2015-03-29T15:14:34Z

Manolis rallias:

[[Εικόνα: Magnisia1.JPG‎ ‎ | thumb | right | '''Εικόνα 1'''
Θεματικός χάρτης του νομού Μαγνησίας σύμφωνα με το πρόγραμμα CORINE 1990]]
[[Εικόνα: Magnisia2.JPG‎ ‎ | thumb | right | '''Εικόνα 2'''
Θεματικός χάρτης ταξινομημένης δορυφορικής εικόνας του 1986 του νομού Μαγνησίας σύμφωνα με το πρόγραμμα LIFE96ENV/GR/580]]
[[Εικόνα: Magnisia3.JPG ‎ | thumb | right | '''Εικόνα 3'''
Θεματικός χάρτης προβλέψεων καλύψεων γης κατά Markov για το έτος 2000 για τον νομό Μαγνησίας βάσει των δορυφορικών εικόνων του 1991 και του 1999]]

'''Πρωτότυπος Τίτλος''': Ανίχνευση και πρόβλεψη διαχρονικών αλλαγών κάλυψης γης στο νομό Μαγνησίας με την εφαρμογή της μεθόδου Markov και των κυτταρικών αυτόματων σε πολυφασματικές δορυφορικές εικόνες

'''Συγγραφέας''': Περάκης Κωνσταντίνος

'''Εισαγωγή'''

Σε μελέτη του Περάκη (2011) έγινε καταγραφή της υφιστάμενης κατάστασης του αστικού ιστού για τον νομό Μαγνησίας. Πιο συγκεκριμένα με χρήση τεχνικών τηλεπισκόπησης επιχειρήθηκε η αναγνώριση της αστικής εξάπλωσης του πολεοδομικού συγκροτήματος Βόλου-Νέας Ιώνιας και στην συνέχεια η πρόβλεψη της μελλοντικής επέκτασης και μορφής του αστικού χώρου.

'''Δεδομένα'''

Για την επίτευξη των στόχων της έρευνας χρησιμοποιήθηκαν τρείς δορυφορικές εικόνες του Landsat (06/1991, 06/1999 και 08/2000). Σε πρώτο επίπεδο λοιπόν έγιναν οι απαραίτητες ραδιομετρικές (Ραδιομέτρικα σφάλματα μπορεί να προκύψουν από σφάλματα στα όργανα καταγραφής, από παραμορφώσεις στην ραδιομετρία λόγω της ατμόσφαιρας ή τέλος από την εξάρτηση ορισμένων μηκών κύματος από την ηλιακή ενέργεια.) και γεωμετρικές διορθώσεις, ενώ στην συνέχεια ακολούθησε η διαδικασία ταξινόμησης των εικόνων. Πιο συγκεκριμένα, εφαρμόστηκαν επιβλεπόμενες ταξινομήσεις για την παραγωγή θεματικών χαρτών καλύψεων γης για κάθε μια από τις προαναφερθείσες (τρείς) χρονικές περιόδους. Για την αποφυγή σφαλμάτων και την επίτευξη του καλύτερου δυνατού αποτελέσματος χρησιμοποιήθηκε και πληροφορία από ήδη υπάρχοντες χάρτες κάλυψης της περιοχής μελέτης από τα ευρωπαϊκά προγράμματα LIFE96ENV/GR/580 σε κλίμακα 1:50.000 και CORINE (1990 και 2000) σε κλίμακα 1:100.000.

Εκτιμώντας τον βαθμό σημαντικότητας κάθε χρήσης αλλά και το γεγονός ότι κάποιες χρήσεις δεν εμφανίζονται στην υπό εξέταση περιοχή, οι καλύψεις γης ταξινομήθηκαν στις εξής κατηγορίες (Η κωδικοποίηση και οι κατηγορίες χρήσεων γης που αναφέρονται στις παρενθέσεις είναι βάσει του πίνακα από το πρόγραμμα CORINE):
1. Αστική οικοδόμηση (κατηγορίες του επιπ.3 με αριθμ. 1.1.1 και με αριθμ. 1.1.2)
2. Βιομηχανικές, εμπορικές ζώνες και δίκτυα επικοινωνίας (κατηγορίες του επιπ.3 με αριθμ. 1.2.1, με αριθμ. 1.2.2 και με αριθμ. 1.2.3)
3. Ορυχεία, χώροι απορρίψεως απορριμμάτων και χώροι οικοδόμησης (κατηγορίες του επιπ.3 με αριθμ. 1.3.1, με αριθμ. 1.3.2, με αριθμ. 1.3.3 )
4. Οι κατηγορίες 1.4.1 και 1.4.2 ενσωματώθηκαν στην κατηγορία 11 παρακάτω γιατί διαπιστώθηκε μεγάλη προσέγγιση των φασματικών τους υπογραφών και λόγω της πολύ μικρής έκτασης σε επίπεδο νομού.
5. Αρόσιμη γη (κατηγορίες του επιπ.3 με αριθμ. 2.1.1 και με αριθμ. 2.1.2)
6. Δεν διαπιστώθηκε ύπαρξη της κατηγορίας 2.1.3
7. Οπωροφόρα δέντρα με φυτείες και σαρκώδεις καρπούς και αμπελώνες (κατηγορίες του επιπ.3 με αριθμ. 2.2.1 και με αριθμ. 2.2.2.)
8. Ελαιώνες (κατηγορία του επιπ.3 με αριθμ. 2.2.3.)
9. Ετερογενείς γεωργικές περιοχές (κατηγορία του επιπ.2 με αριθμ. 2.4., δηλ. όλες οι αντίστοιχες κατηγορίες του επιπ.3 που είναι οι 2.4.1, 2.4.2, 2.4.3 και 2.4.4)
10. Δάσος πλατύφυλλων (κατηγορία του επιπ.3 με αριθμ. 3.1.1.)
11. Δάσος κωνοφόρων-Μικτό δάσος (κατηγορίες του επιπ.3 με αριθμ. 3.1.2. και 3.1.3.)
12. Φυσικοί βοσκότοποι (περιλαμβάνει τις κατηγορίες του επιπ.3, 3.2.1 και 3.2.2 αλλά και την κατηγορία 2.3.1)
13. Σκληροφυλλική βλάστηση και μεταβατικές θαμνώδεις – δασώδεις εκτάσεις (κατηγορίες του επιπ.3 με αριθμ. 3.2.3. και 3.2.4. )
14. Οι κατηγορίες 3.3.1, 3.3.2 και 3.3.3 ενσωματώθηκαν στην κατηγορία 10 γιατί εμφάνισαν σχεδόν όμοιες φασματικές υπογραφές με την κατηγορία 3.2.2 που ανήκει στην κατηγορία 10 του παρόντος. Οι κατηγορίες 3.3.4 και 3.3.5 δεν υπάρχουν.
15. Υγρές επιφάνειες (ενσωματώθηκαν όλες οι κατηγορίες 4.1, 4.2, 5,1 και 5.2 του επιπέδου 2 και άρα και οι υποκατηγορίες του επιπέδου 3 γιατί ή δεν υπάρχουν ή παρουσιάζουν μεταξύ τους την ίδια φασματική συμπεριφορά, εκτός από την 5.2.3 η οποία δεν ταξινομήθηκε).

Στην συνέχεια εφαρμόστηκαν οι κλασικές μέθοδοι ταξινόμησης και τελικά χρησιμοποιήθηκαν τα αποτελέσματα της μεθόδου της Μέγιστης Πιθανοφάνειας. Σε αυτή την επιλογή συνετέλεσε το γεγονός ότι η συγκεκριμένη μέθοδος ταξινόμησης στην εφαρμογή των αλυσίδων Markov για την διαχρονική μελέτη αξιολογήθηκαν ως οι πλέον αξιόπιστες, με ακρίβεια ταξινόμησης της τάξης του 82% σύμφωνα με τις συγκρίσεις με τους θεματικούς χάρτες των ευρωπαϊκών προγραμμάτων CORINE και LIFE. Οι αξιολογήσεις αυτές πραγματοποιήθηκαν με διασταυρούμενους πίνακες (cross-classification tables) δειγματοληπτικών περιοχών των θεματικών αποτελεσμάτων (χάρτες καλύψεων γης) που προέκυψαν από τις ταξινομήσεις της ελάχιστης απόστασης από τον μέσο όρο των ομάδων(καλύψεων γης), της μεθόδου των παραλληλεπιπέδων και της μεθόδου της μέγιστης πιθανοφάνειας.

Στις Εικόνες 1 και 2 βλέπουμε τα αποτελέσματα από τον χάρτη CORINE 1990 αλλά και από την ταξινομημένη εικόνα του 1986 που δημιουργήθηκε με πληροφορίες του προγράμματος LIFE96ENV/GR/580. Είναι εμφανές ότι η ταξινομημένη εικόνα παρέχει μία πιο πλήρη και αναλυτική εικόνα για τις καλύψεις και χρήσεις της περιοχής έναντι του CORINE 1990 που εμφανίζει προβλήματα λόγω κλίμακας και γενίκευσης των δεδομένων.

Στον θεματικό χάρτη που προέκυψε με την εφαρμογή της μεθόδου Markov και των κυτταρικών αυτομάτων (Εικόνα 3), η πρόβλεψη των αλλαγών των καλύψεων γης για το 2000 είναι αρκετά ικανοποιητική. Φαίνεται ότι η ακρίβεια της μεθόδου για τις κυρίαρχες καλύψεις γης, όπως δάσος, σκληροφυλλική βλάστηση, αγροτικές καλύψεις και άγονες περιοχές έχει υψηλό βαθμό ακρίβειας.

Από την άλλη πλευρά, για καλύψεις μικρότερης έκτασης και ειδικότερα για τις αστικές και περιαστικές περιοχές η ακρίβεια της εφαρμογής της μεθόδου είναι χαμηλότερη. Το ίδιο παρατηρούμε στην Βορειοδυτική περιοχή της εικόνας όπου βρίσκεται η τεχνητή λίμνη Κάρλα. Το γεγονός αυτό ερμηνεύεται από το γεγονός ότι η μέθοδος Markov "ευνοεί βάσει πιθανοτήτων" τις καλύψεις που κατέχουν μεγάλες επιφάνειες στην εικόνα. Ένας πιθανά τομέας έρευνας στο μέλλον θα ήταν ο προσδιορισμός των συνθηκών που επηρεάζουν την εφαρμογή της μεθόδου Markov, (όπως π.χ. μικρές σε έκταση καλύψεις όπως οι ανθρωπογενείς παρεμβάσεις) και ενδεχόμενα η ποσοτική τους αποτίμηση.

'''Αξιολόγηση αποτελεσμάτων'''

Παρότι η ακρίβεια των αποτελεσμάτων μιας επεξεργασίας στην Τηλεπισκόπηση που δίνει σαν αποτελέσματα θεματικούς χάρτες κάλυψης γης όπως για παράδειγμα οι ταξινομήσεις, υπήρξε αντικείμενο έρευνας πολλών ερευνητών, ήδη από την δεκαετία του 1990 εντούτοις πληθώρα ζητημάτων απασχολούν μέχρι και σήμερα τους ερευνητές (Congalton κ.ά. 1983 Rosefield 1986, Cartersen 1987). Οι Congalton and Green, 1993, διαπιστώνουν, ότι διαφόρων τύπων σφάλματα μπορούν να υπεισέλθουν στον πίνακα λαθών (Error matrix), ο οποίος δείχνει την σχετική ακρίβεια της ταξινομημένης δορυφορικής εικόνας σε σχέση με οποιοδήποτε άλλο ψηφιακό αρχείο που απεικονίζει την ίδια περιοχή μελέτης. Στην έρευνα που παρουσιάσαμε, η ανάλυση της ακρίβειας των θεματικών χαρτών που προέκυψαν από την διαχρονική προβολή σε μελλοντική ημερομηνία, ακολουθεί την πιο γενικευμένη αντίληψη και μεθοδολογία την οποία υιοθέτησε και εφάρμοσε ο Pontius (2000) και σύμφωνα με την οποία ο πίνακας λαθών περιέχει εκτός από τα ποσοτικά λάθη για pixels που δεν αντιστοιχούν στην αρχική κατηγορία κάλυψης γης, και λάθη που αντιστοιχούν σε pixels που δεν βρίσκονται χωρικά στις αρχικές συντεταγμένες.

Δείκτες όπως ο Kappa Index of Agreement στην περίπτωση της πρόβλεψης κάλυψης γης του 2000 (και μετά από εφαρμογή της μεθόδου Markov με βάση τις δορυφορικές εικόνες του 1991 και του 1999), εφαρμόστηκε σε δύο επίπεδα δεδομένων και έδωσε τα εξής αποτελέσματα:
1. Για την σύμπτωση των θεματικών χαρτών μεταξύ CORINE 1990 και CORINE 2000 έδωσε τιμή 0.54, ενώ για τις ταξινομημένες εικόνες των αντιστοίχων ημερομηνιών 1991 και 1999 έδωσε την τιμή 0,5683.
2. Για την σύμπτωση της εικόνας πρόβλεψης κατά Markov με την αντίστοιχη ταξινομημένη εικόνα του 2000, η τιμή του δείκτη 0,7247 παρουσίασε μια αρκετά καλή θεματική-χωρική πρόβλεψη των καλύψεων γης, λαμβανομένων υπόψη και των σφαλμάτων ταξινόμησης από την επιλογή πολυγώνων για την δημιουργία φασματικών υπογραφών, και άλλων.

'''Συμπεράσματα'''

Η σε βάθος χρόνου μελέτη και πρόβλεψη των αλλαγών της κάλυψης γης με την μέθοδο Markov θα μπορούσε να ειπωθεί ότι οδηγεί σε σχετικά αξιόπιστα αποτελέσματα. Κύριο μειονέκτημα της μεθόδου αποτελεί η μη χωρική διάσταση των θεματικών αποτελεσμάτων που παράγονται. Αυτό το πρόβλημα στην παρούσα εργασία αντιμετωπίστηκε επιτυχώς με την εφαρμογή φίλτρων που δημιουργούνται από τα κυτταρικά αυτόματα. Ο δείκτης Kappa Index of Agreement ο οποίος χρησιμοποιήθηκε για τον έλεγχο σύμπτωσης των ταξινομημένων εικόνων με τους χάρτες CORINE των αντίστοιχων ημερομηνιών (1990 και 2000) έδωσε τιμές 0,57 και 0,54 αντίστοιχα. Από τη μικρή απόκλιση (της τάξης του 3%) που παρατηρήθηκε ανάμεσα στις δύο τιμές σύμπτωσης φαίνεται ότι:
• υπήρξαν σημαντικές αλλαγές στην κάλυψη γης του νομού Μαγνησίας κατά την περίοδο 1990-2000, και
• οι ταξινομήσεις είναι αξιόπιστες σε σχέση με το CORINE.

Με την εφαρμογή της μεθόδου Markov για την πρόβλεψη κάλυψης γης στο Νομό Μαγνησίας στο απώτερο μέλλον φαίνεται ότι οι κυρίαρχες κατηγορίες (π.χ. δάσος, χαμηλή βλάστηση, άγονα) επικρατούν σε βάρος των κατηγοριών που καταλαμβάνουν μικρές εκτάσεις, χωρίς το γεγονός αυτό να είναι απόλυτο (κυρίως για αστικές περιοχές).

Για να οδηγηθούμε σε ασφαλέστερα συμπεράσματα, προσεγγίσεις και προβλέψεις των αλλαγών στην κάλυψη γης στο απώτερο μέλλον όμως θα πρέπει να ενσωματωθούν στην διαδικασία θεματικές ή μεθοδολογικές συνθήκες οι οποίες να λαμβάνουν υπ’ όψη τις ανθρωπογενείς επιδράσεις (π.χ. αστικοποίηση, ανθρωπογενείς πυρκαγιές, κατασκευή μεγάλων δρόμων).

Πηγή: http://www.aeihoros.gr/article/el/anixneusi-kai-provlepsi-diaxronikon-allagon-kalupsis-gis-sto-nomo-magnisias-me-tin-efarmogi-tis-methodou-markov-kai-ton-kuttarikon-automaton-se-polufasmatikes-doruforikes-eikones

[[category:Ανίχνευση μεταβολών αστικής γης]]

Ανίχνευση και πρόβλεψη διαχρονικών αλλαγών κάλυψης γης στο νομό Μαγνησίας

2015-03-29T15:12:59Z

Manolis rallias:

[[Εικόνα: Magnisia1.JPG‎ ‎ | thumb | right | '''Εικόνα 1'''
Θεματικός χάρτης του νομού Μαγνησίας σύμφωνα με το πρόγραμμα CORINE 1990]]
[[Εικόνα: Magnisia2.JPG‎ ‎ | thumb | right | '''Εικόνα 2'''
Θεματικός χάρτης ταξινομημένης δορυφορικής εικόνας του 1986 του νομού Μαγνησίας σύμφωνα με το πρόγραμμα LIFE96ENV/GR/580]]
[[Εικόνα: Magnisia3.JPG ‎ | thumb | right | '''Εικόνα 3'''
Θεματικός χάρτης προβλέψεων καλύψεων γης κατά Markov για το έτος 2000 για τον νομό Μαγνησίας βάσει των δορυφορικών εικόνων του 1991 και του 1999]]

'''Πρωτότυπος Τίτλος''': Ανίχνευση και πρόβλεψη διαχρονικών αλλαγών κάλυψης γης στο νομό Μαγνησίας με την εφαρμογή της μεθόδου Markov και των κυτταρικών αυτόματων σε πολυφασματικές δορυφορικές εικόνες

'''Συγγραφέας''': Περάκης Κωνσταντίνος

'''Εισαγωγή'''

Σε μελέτη του Περάκη (2011) έγινε καταγραφή της υφιστάμενης κατάστασης του αστικού ιστού για τον νομό Μαγνησίας. Πιο συγκεκριμένα με χρήση τεχνικών τηλεπισκόπησης επιχειρήθηκε η αναγνώριση της αστικής εξάπλωσης του πολεοδομικού συγκροτήματος Βόλου-Νέας Ιώνιας και στην συνέχεια η πρόβλεψη της μελλοντικής επέκτασης και μορφής του αστικού χώρου.

'''Δεδομένα'''

Για την επίτευξη των στόχων της έρευνας χρησιμοποιήθηκαν τρείς δορυφορικές εικόνες του Landsat (06/1991, 06/1999 και 08/2000). Σε πρώτο επίπεδο λοιπόν έγιναν οι απαραίτητες ραδιομετρικές (Ραδιομέτρικα σφάλματα μπορεί να προκύψουν από σφάλματα στα όργανα καταγραφής, από παραμορφώσεις στην ραδιομετρία λόγω της ατμόσφαιρας ή τέλος από την εξάρτηση ορισμένων μηκών κύματος από την ηλιακή ενέργεια.) και γεωμετρικές διορθώσεις, ενώ στην συνέχεια ακολούθησε η διαδικασία ταξινόμησης των εικόνων. Πιο συγκεκριμένα, εφαρμόστηκαν επιβλεπόμενες ταξινομήσεις για την παραγωγή θεματικών χαρτών καλύψεων γης για κάθε μια από τις προαναφερθείσες (τρείς) χρονικές περιόδους. Για την αποφυγή σφαλμάτων και την επίτευξη του καλύτερου δυνατού αποτελέσματος χρησιμοποιήθηκε και πληροφορία από ήδη υπάρχοντες χάρτες κάλυψης της περιοχής μελέτης από τα ευρωπαϊκά προγράμματα LIFE96ENV/GR/580 σε κλίμακα 1:50.000 και CORINE (1990 και 2000) σε κλίμακα 1:100.000.
Εκτιμώντας τον βαθμό σημαντικότητας κάθε χρήσης αλλά και το γεγονός ότι κάποιες χρήσεις δεν εμφανίζονται στην υπό εξέταση περιοχή, οι καλύψεις γης ταξινομήθηκαν στις εξής κατηγορίες (Η κωδικοποίηση και οι κατηγορίες χρήσεων γης που αναφέρονται στις παρενθέσεις είναι βάσει του πίνακα από το πρόγραμμα CORINE):
1. Αστική οικοδόμηση (κατηγορίες του επιπ.3 με αριθμ. 1.1.1 και με αριθμ. 1.1.2)
2. Βιομηχανικές, εμπορικές ζώνες και δίκτυα επικοινωνίας (κατηγορίες του επιπ.3 με αριθμ. 1.2.1, με αριθμ. 1.2.2 και με αριθμ. 1.2.3)
3. Ορυχεία, χώροι απορρίψεως απορριμμάτων και χώροι οικοδόμησης (κατηγορίες του επιπ.3 με αριθμ. 1.3.1, με αριθμ. 1.3.2, με αριθμ. 1.3.3 )
4. Οι κατηγορίες 1.4.1 και 1.4.2 ενσωματώθηκαν στην κατηγορία 11 παρακάτω γιατί διαπιστώθηκε μεγάλη προσέγγιση των φασματικών τους υπογραφών και λόγω της πολύ μικρής έκτασης σε επίπεδο νομού.
5. Αρόσιμη γη (κατηγορίες του επιπ.3 με αριθμ. 2.1.1 και με αριθμ. 2.1.2)
6. Δεν διαπιστώθηκε ύπαρξη της κατηγορίας 2.1.3
7. Οπωροφόρα δέντρα με φυτείες και σαρκώδεις καρπούς και αμπελώνες (κατηγορίες του επιπ.3 με αριθμ. 2.2.1 και με αριθμ. 2.2.2.)
8. Ελαιώνες (κατηγορία του επιπ.3 με αριθμ. 2.2.3.)
9. Ετερογενείς γεωργικές περιοχές (κατηγορία του επιπ.2 με αριθμ. 2.4., δηλ. όλες οι αντίστοιχες κατηγορίες του επιπ.3 που είναι οι 2.4.1, 2.4.2, 2.4.3 και 2.4.4)
10. Δάσος πλατύφυλλων (κατηγορία του επιπ.3 με αριθμ. 3.1.1.)
11. Δάσος κωνοφόρων-Μικτό δάσος (κατηγορίες του επιπ.3 με αριθμ. 3.1.2. και 3.1.3.)
12. Φυσικοί βοσκότοποι (περιλαμβάνει τις κατηγορίες του επιπ.3, 3.2.1 και 3.2.2 αλλά και την κατηγορία 2.3.1)
13. Σκληροφυλλική βλάστηση και μεταβατικές θαμνώδεις – δασώδεις εκτάσεις (κατηγορίες του επιπ.3 με αριθμ. 3.2.3. και 3.2.4. )
14. Οι κατηγορίες 3.3.1, 3.3.2 και 3.3.3 ενσωματώθηκαν στην κατηγορία 10 γιατί εμφάνισαν σχεδόν όμοιες φασματικές υπογραφές με την κατηγορία 3.2.2 που ανήκει στην κατηγορία 10 του παρόντος. Οι κατηγορίες 3.3.4 και 3.3.5 δεν υπάρχουν.
15. Υγρές επιφάνειες (ενσωματώθηκαν όλες οι κατηγορίες 4.1, 4.2, 5,1 και 5.2 του επιπέδου 2 και άρα και οι υποκατηγορίες του επιπέδου 3 γιατί ή δεν υπάρχουν ή παρουσιάζουν μεταξύ τους την ίδια φασματική συμπεριφορά, εκτός από την 5.2.3 η οποία δεν ταξινομήθηκε).

Στην συνέχεια εφαρμόστηκαν οι κλασικές μέθοδοι ταξινόμησης και τελικά χρησιμοποιήθηκαν τα αποτελέσματα της μεθόδου της Μέγιστης Πιθανοφάνειας. Σε αυτή την επιλογή συνετέλεσε το γεγονός ότι η συγκεκριμένη μέθοδος ταξινόμησης στην εφαρμογή των αλυσίδων Markov για την διαχρονική μελέτη αξιολογήθηκαν ως οι πλέον αξιόπιστες, με ακρίβεια ταξινόμησης της τάξης του 82% σύμφωνα με τις συγκρίσεις με τους θεματικούς χάρτες των ευρωπαϊκών προγραμμάτων CORINE και LIFE. Οι αξιολογήσεις αυτές πραγματοποιήθηκαν με διασταυρούμενους πίνακες (cross-classification tables) δειγματοληπτικών περιοχών των θεματικών αποτελεσμάτων (χάρτες καλύψεων γης) που προέκυψαν από τις ταξινομήσεις της ελάχιστης απόστασης από τον μέσο όρο των ομάδων(καλύψεων γης), της μεθόδου των παραλληλεπιπέδων και της μεθόδου της μέγιστης πιθανοφάνειας.

Στις Εικόνες 1 και 2 βλέπουμε τα αποτελέσματα από τον χάρτη CORINE 1990 αλλά και από την ταξινομημένη εικόνα του 1986 που δημιουργήθηκε με πληροφορίες του προγράμματος LIFE96ENV/GR/580. Είναι εμφανές ότι η ταξινομημένη εικόνα παρέχει μία πιο πλήρη και αναλυτική εικόνα για τις καλύψεις και χρήσεις της περιοχής έναντι του CORINE 1990 που εμφανίζει προβλήματα λόγω κλίμακας και γενίκευσης των δεδομένων.

Στον θεματικό χάρτη που προέκυψε με την εφαρμογή της μεθόδου Markov και των κυτταρικών αυτομάτων (Εικόνα 3), η πρόβλεψη των αλλαγών των καλύψεων γης για το 2000 είναι αρκετά ικανοποιητική. Φαίνεται ότι η ακρίβεια της μεθόδου για τις κυρίαρχες καλύψεις γης, όπως δάσος, σκληροφυλλική βλάστηση, αγροτικές καλύψεις και άγονες περιοχές έχει υψηλό βαθμό ακρίβειας.
Από την άλλη πλευρά, για καλύψεις μικρότερης έκτασης και ειδικότερα για τις αστικές και περιαστικές περιοχές η ακρίβεια της εφαρμογής της μεθόδου είναι χαμηλότερη. Το ίδιο παρατηρούμε στην Βορειοδυτική περιοχή της εικόνας όπου βρίσκεται η τεχνητή λίμνη Κάρλα. Το γεγονός αυτό ερμηνεύεται από το γεγονός ότι η μέθοδος Markov "ευνοεί βάσει πιθανοτήτων" τις καλύψεις που κατέχουν μεγάλες επιφάνειες στην εικόνα. Ένας πιθανά τομέας έρευνας στο μέλλον θα ήταν ο προσδιορισμός των συνθηκών που επηρεάζουν την εφαρμογή της μεθόδου Markov, (όπως π.χ. μικρές σε έκταση καλύψεις όπως οι ανθρωπογενείς παρεμβάσεις) και ενδεχόμενα η ποσοτική τους αποτίμηση.

'''Αξιολόγηση αποτελεσμάτων'''

Παρότι η ακρίβεια των αποτελεσμάτων μιας επεξεργασίας στην Τηλεπισκόπηση που δίνει σαν αποτελέσματα θεματικούς χάρτες κάλυψης γης όπως για παράδειγμα οι ταξινομήσεις, υπήρξε αντικείμενο έρευνας πολλών ερευνητών, ήδη από την δεκαετία του 1990 εντούτοις πληθώρα ζητημάτων απασχολούν μέχρι και σήμερα τους ερευνητές (Congalton κ.ά. 1983 Rosefield 1986, Cartersen 1987). Οι Congalton and Green, 1993, διαπιστώνουν, ότι διαφόρων τύπων σφάλματα μπορούν να υπεισέλθουν στον πίνακα λαθών (Error matrix), ο οποίος δείχνει την σχετική ακρίβεια της ταξινομημένης δορυφορικής εικόνας σε σχέση με οποιοδήποτε άλλο ψηφιακό αρχείο που απεικονίζει την ίδια περιοχή μελέτης. Στην έρευνα που παρουσιάσαμε, η ανάλυση της ακρίβειας των θεματικών χαρτών που προέκυψαν από την διαχρονική προβολή σε μελλοντική ημερομηνία, ακολουθεί την πιο γενικευμένη αντίληψη και μεθοδολογία την οποία υιοθέτησε και εφάρμοσε ο Pontius (2000) και σύμφωνα με την οποία ο πίνακας λαθών περιέχει εκτός από τα ποσοτικά λάθη για pixels που δεν αντιστοιχούν στην αρχική κατηγορία κάλυψης γης, και λάθη που αντιστοιχούν σε pixels που δεν βρίσκονται χωρικά στις αρχικές συντεταγμένες.
Δείκτες όπως ο Kappa Index of Agreement στην περίπτωση της πρόβλεψης κάλυψης γης του 2000 (και μετά από εφαρμογή της μεθόδου Markov με βάση τις δορυφορικές εικόνες του 1991 και του 1999), εφαρμόστηκε σε δύο επίπεδα δεδομένων και έδωσε τα εξής αποτελέσματα:
1. Για την σύμπτωση των θεματικών χαρτών μεταξύ CORINE 1990 και CORINE 2000 έδωσε τιμή 0.54, ενώ για τις ταξινομημένες εικόνες των αντιστοίχων ημερομηνιών 1991 και 1999 έδωσε την τιμή 0,5683.
2. Για την σύμπτωση της εικόνας πρόβλεψης κατά Markov με την αντίστοιχη ταξινομημένη εικόνα του 2000, η τιμή του δείκτη 0,7247 παρουσίασε μια αρκετά καλή θεματική-χωρική πρόβλεψη των καλύψεων γης, λαμβανομένων υπόψη και των σφαλμάτων ταξινόμησης από την επιλογή πολυγώνων για την δημιουργία φασματικών υπογραφών, και άλλων.

'''Συμπεράσματα'''

Η σε βάθος χρόνου μελέτη και πρόβλεψη των αλλαγών της κάλυψης γης με την μέθοδο Markov θα μπορούσε να ειπωθεί ότι οδηγεί σε σχετικά αξιόπιστα αποτελέσματα. Κύριο μειονέκτημα της μεθόδου αποτελεί η μη χωρική διάσταση των θεματικών αποτελεσμάτων που παράγονται. Αυτό το πρόβλημα στην παρούσα εργασία αντιμετωπίστηκε επιτυχώς με την εφαρμογή φίλτρων που δημιουργούνται από τα κυτταρικά αυτόματα. Ο δείκτης Kappa Index of Agreement ο οποίος χρησιμοποιήθηκε για τον έλεγχο σύμπτωσης των ταξινομημένων εικόνων με τους χάρτες CORINE των αντίστοιχων ημερομηνιών (1990 και 2000) έδωσε τιμές 0,57 και 0,54 αντίστοιχα. Από τη μικρή απόκλιση (της τάξης του 3%) που παρατηρήθηκε ανάμεσα στις δύο τιμές σύμπτωσης φαίνεται ότι:
• υπήρξαν σημαντικές αλλαγές στην κάλυψη γης του νομού Μαγνησίας κατά την περίοδο 1990-2000, και
• οι ταξινομήσεις είναι αξιόπιστες σε σχέση με το CORINE.
Με την εφαρμογή της μεθόδου Markov για την πρόβλεψη κάλυψης γης στο Νομό Μαγνησίας στο απώτερο μέλλον φαίνεται ότι οι κυρίαρχες κατηγορίες (π.χ. δάσος, χαμηλή βλάστηση, άγονα) επικρατούν σε βάρος των κατηγοριών που καταλαμβάνουν μικρές εκτάσεις, χωρίς το γεγονός αυτό να είναι απόλυτο (κυρίως για αστικές περιοχές).
Για να οδηγηθούμε σε ασφαλέστερα συμπεράσματα, προσεγγίσεις και προβλέψεις των αλλαγών στην κάλυψη γης στο απώτερο μέλλον όμως θα πρέπει να ενσωματωθούν στην διαδικασία θεματικές ή μεθοδολογικές συνθήκες οι οποίες να λαμβάνουν υπ’ όψη τις ανθρωπογενείς επιδράσεις (π.χ. αστικοποίηση, ανθρωπογενείς πυρκαγιές, κατασκευή μεγάλων δρόμων).

Πηγή: http://www.aeihoros.gr/article/el/anixneusi-kai-provlepsi-diaxronikon-allagon-kalupsis-gis-sto-nomo-magnisias-me-tin-efarmogi-tis-methodou-markov-kai-ton-kuttarikon-automaton-se-polufasmatikes-doruforikes-eikones

[[category:Ανίχνευση μεταβολών αστικής γης]]

Ανίχνευση και πρόβλεψη διαχρονικών αλλαγών κάλυψης γης στο νομό Μαγνησίας

2015-03-29T15:08:21Z

Manolis rallias:

Αρχείο:Magnisia3.JPG

2015-03-29T15:06:59Z

Manolis rallias:

Αρχείο:Magnisia2.JPG

2015-03-29T15:06:48Z

Manolis rallias:

Αρχείο:Magnisia1.JPG

2015-03-29T15:06:37Z

Manolis rallias:

Ανίχνευση και πρόβλεψη διαχρονικών αλλαγών κάλυψης γης στο νομό Μαγνησίας

2015-03-29T15:03:09Z

Manolis rallias:

[[Εικόνα: anixneysi1.JPG‎ ‎ | thumb | right | '''Εικόνα 1'''
Θεματικός χάρτης ταξινομημένης δορυφορικής εικόνας του 1986 του νομού Μαγνησίας σύμφωνα με το πρόγραμμα LIFE96ENV/GR/580]]
[[Εικόνα: anixneysi2.JPG‎ ‎ | thumb | right | '''Εικόνα 2'''
Θεματικός χάρτης ταξινομημένης δορυφορικής εικόνας του 1999 του νομού Μαγνησίας]]
[[Εικόνα: anixneysi3.JPG ‎ | thumb | right | '''Εικόνα 3'''
Θεματικός χάρτης ταξινομημένης δορυφορικής εικόνας του 2000 του νομού Μαγνησίας]]

'''Πρωτότυπος Τίτλος''': Ανίχνευση και πρόβλεψη διαχρονικών αλλαγών κάλυψης γης στο νομό Μαγνησίας με την εφαρμογή της μεθόδου Markov και των κυτταρικών αυτόματων σε πολυφασματικές δορυφορικές εικόνες

'''Συγγραφέας''': Περάκης Κωνσταντίνος

'''Εισαγωγή'''

Σε μελέτη του Περάκη (2011) έγινε καταγραφή της υφιστάμενης κατάστασης του αστικού ιστού για τον νομό Μαγνησίας. Πιο συγκεκριμένα με χρήση τεχνικών τηλεπισκόπησης επιχειρήθηκε η αναγνώριση της αστικής εξάπλωσης του πολεοδομικού συγκροτήματος Βόλου-Νέας Ιώνιας και στην συνέχεια η πρόβλεψη της μελλοντικής επέκτασης και μορφής του αστικού χώρου.

Για την επίτευξη των στόχων της έρευνας χρησιμοποιήθηκαν τρείς δορυφορικές εικόνες του Landsat (06/1991, 06/1999 και 08/2000). Σε πρώτο επίπεδο λοιπόν έγιναν οι απαραίτητες ραδιομετρικές (Ραδιομέτρικα σφάλματα μπορεί να προκύψουν από σφάλματα στα όργανα καταγραφής,
από παραμορφώσεις στην ραδιομετρία λόγω της ατμόσφαιρας ή τέλος από την εξάρτηση
ορισμένων μηκών κύματος από την ηλιακή ενέργεια.
) και γεωμετρικές διορθώσεις, ενώ στην συνέχεια ακολούθησε η διαδικασία ταξινόμησης των εικόνων. Πιο συγκεκριμένα, εφαρμόστηκαν επιβλεπόμενες ταξινομήσεις για την παραγωγή θεματικών χαρτών καλύψεων γης για κάθε μια από τις προαναφερθείσες τρείς χρονικές περιόδους. Για την αποφυγή σφαλμάτων και την επίτευξη του καλύτερου δυνατού αποτελέσματος χρησιμοποιήθηκε και πληροφορία από ήδη υπάρχοντες χάρτες κάλυψης της περιοχής μελέτης από τα ευρωπαϊκά προγράμματα LIFE96ENV/GR/580 σε κλίμακα 1:50.000 και CORINE (1990 και 2000) σε κλίμακα 1:100.000.

Εκτιμώντας τον βαθμό σημαντικότητας κάθε χρήσης αλλά και το γεγονός ότι κάποιες χρήσεις δεν εμφανίζονται στην υπό εξέταση περιοχή, οι καλύψεις γης ταξινομήθηκαν στις εξής κατηγορίες:

1. Αστική οικοδόμηση [κατηγορίες του επιπ.3 με αριθμ. 1.1.1 και με αριθμ. 1.1.2 (Η κωδικοποίηση και οι κατηγορίες χρήσεων γης που αναφέρονται στις παρενθέσεις είναι βάσει του πίνακα από το πρόγραμμα CORINE )]
2. Βιομηχανικές, εμπορικές ζώνες και δίκτυα επικοινωνίας (κατηγορίες του
επιπ.3 με αριθμ. 1.2.1, με αριθμ. 1.2.2 και με αριθμ. 1.2.3)
3. Ορυχεία, χώροι απορρίψεως απορριμμάτων και χώροι οικοδόμησης (κατηγο-
ρίες του επιπ.3 με αριθμ. 1.3.1, με αριθμ. 1.3.2, με αριθμ. 1.3.3 )
4. Οι κατηγορίες 1.4.1 και 1.4.2 ενσωματώθηκαν στην κατηγορία 11 παρακάτω
γιατί διαπιστώθηκε μεγάλη προσέγγιση των φασματικών τους υπογραφών και
λόγω της πολύ μικρής έκτασης σε επίπεδο νομού.
5. Αρόσιμη γη (κατηγορίες του επιπ.3 με αριθμ. 2.1.1 και με αριθμ. 2.1.2)
6. Δεν διαπιστώθηκε ύπαρξη της κατηγορίας 2.1.3
7. Οπωροφόρα δέντρα με φυτείες και σαρκώδεις καρπούς και αμπελώνες (κατη-
γορίες του επιπ.3 με αριθμ. 2.2.1 και με αριθμ. 2.2.2.)
8. Ελαιώνες (κατηγορία του επιπ.3 με αριθμ. 2.2.3.)
9. Ετερογενείς γεωργικές περιοχές (κατηγορία του επιπ.2 με αριθμ. 2.4., δηλ.
όλες οι αντίστοιχες κατηγορίες του επιπ.3 που είναι οι 2.4.1, 2.4.2, 2.4.3 και
2.4.4)
10. Δάσος πλατύφυλλων (κατηγορία του επιπ.3 με αριθμ. 3.1.1.)
11. Δάσος κωνοφόρων-Μικτό δάσος (κατηγορίες του επιπ.3 με αριθμ. 3.1.2. και
3.1.3.)
12. Φυσικοί βοσκότοποι (περιλαμβάνει τις κατηγορίες του επιπ.3, 3.2.1 και 3.2.2
αλλά και την κατηγορία 2.3.1)
13. Σκληροφυλλική βλάστηση και μεταβατικές θαμνώδεις – δασώδεις εκτάσεις
(κατηγορίες του επιπ.3 με αριθμ. 3.2.3. και 3.2.4. )
14. Οι κατηγορίες 3.3.1, 3.3.2 και 3.3.3 ενσωματώθηκαν στην κατηγορία 10 γιατί
εμφάνισαν σχεδόν όμοιες φασματικές υπογραφές με την κατηγορία 3.2.2 που
ανήκει στην κατηγορία 10 του παρόντος. Οι κατηγορίες 3.3.4 και 3.3.5 δεν
υπάρχουν.
15. Υγρές επιφάνειες (ενσωματώθηκαν όλες οι κατηγορίες 4.1, 4.2, 5,1 και 5.2 του
επιπέδου 2 και άρα και οι υποκατηγορίες του επιπέδου 3 γιατί ή δεν υπάρχουν
ή παρουσιάζουν μεταξύ τους την ίδια φασματική συμπεριφορά, εκτός από την
5.2.3 η οποία δεν ταξινομήθηκε).

Στην συνέχεια εφαρμόστηκαν οι κλασικές μέθοδοι ταξινόμησης και τελικά χρησιμοποιήθηκαν τα αποτελέσματα της μεθόδου της Μέγιστης Πιθανοφάνειας. Σε αυτή την επιλογή συνετέλεσε το γεγονός ότι η συγκεκριμένη μέθοδος ταξινόμησης στην εφαρμογή των αλυσίδων Markov για την διαχρονική μελέτη αξιολογήθηκαν ως οι πλέον αξιόπιστες, με ακρίβεια ταξινόμησης της τάξης του 82% σύμφωνα με τις συγκρίσεις με τους θεματικούς χάρτες των ευρωπαϊκών προγραμμάτων CORINE και LIFE. Οι αξιολογήσεις αυτές πραγματοποιήθηκαν με διασταυρούμενους πίνακες (cross-classification tables) δειγματοληπτικών περιοχών των θεματικών αποτελεσμάτων(χάρτες καλύψεων γης) που προέκυψαν από τις ταξινομήσεις της ελάχιστης απόστασης από τον μέσο όρο των ομάδων(καλύψεων γης), της μεθόδου των παραλληλεπιπέδων και της μεθόδου της μέγιστης πιθανοφάνειας.

Πηγή: http://www.aeihoros.gr/article/el/anixneusi-kai-provlepsi-diaxronikon-allagon-kalupsis-gis-sto-nomo-magnisias-me-tin-efarmogi-tis-methodou-markov-kai-ton-kuttarikon-automaton-se-polufasmatikes-doruforikes-eikones

[[category:Ανίχνευση μεταβολών αστικής γης]]

Αλλαγές στον αστικό ιστό της Κωνσταντινούπολης

2015-03-28T15:30:13Z

Manolis rallias:

[[Εικόνα: instanbul1.JPG‎ ‎ | thumb | right | '''Εικόνα 1'''
Μωσαϊκό από εικόνες IKONOS της μητροπολιτικής περιοχής της Κωνσταντινούπολης]]
[[Εικόνα: instanbul2.JPG‎ ‎ | thumb | right | '''Εικόνα 2'''
Λεκάνη πόσιμου νερού με διαφορετικές ζώνες προστασίας]]
[[Εικόνα: instanbul3.JPG‎ ‎ | thumb | right | '''Εικόνα 3'''
Γρήγορη ανάπτυξη προαστίου της Κωνσταντινούπολης που εμποδίζει και την ανάπτυξη του οδικού δικτύου]]

'''Πρωτότυπος Τίτλος''': Detection of changes in Istanbul area with medium and high resolution space images

'''Συγγραφείς''': Bayburt S., Büyüksalih G., Baz I., Jacobsen K. και Kersten T.

'''Εισαγωγή'''

Η Κωνσταντινούπολη είναι μία από τις πιο ραγδαία αναπτυσσόμενες πόλεις κάτι που έχει αντίκτυπο και στην αύξηση του πληθυσμού της. Απόρροια αυτής της πορείας είναι η αύξηση των πιέσεων για δόμηση και επέκταση του αστικού ιστού. Από την άλλη πλευρά, αυτή η εξέλιξη δημιουργεί μία σειρά από προβλήματα και επιβάλλει την εφαρμογή μίας πολιτικής ελέγχου της δόμησης (ειδικά της αυθαίρετης) και εξασφάλισης των απαραίτητων εδαφών για κοινόχρηστους και κοινωφελείς χώρους καθώς και για την προστασία ευαίσθητων περιοχών, γεωργικών εδαφών κλπ.

'''Εφαρμογή'''

Για την καταγραφή της υπάρχουσας κατάστασης αλλά και των μεταβολών στην δόμηση της πόλης, η μητροπολιτική περιοχή της Κωνσταντινούπολης ελέγχεται μέσω της χρήσης δορυφορικών εικόνων. Πιο συγκεκριμένα χρησιμοποιείται ο Landsat για μία γενική εικόνα των κατηγόριων γης, υποστηριζόμενος από εικόνες SPOT 5 για την περιοχή του Μαρμαρά και εικόνες IKONOS που λαμβάνονται ανά τρίμηνο για την περιοχή του δήμου. Οι εικόνες IKONOS με διακριτική ικανότητα (resolution) ενός μέτρου χρησιμοποιούνται για την δημιουργία shape files με όλα τα κτίσματα του δήμου. Η διαδικασία δημιουργίας των περιγραμμάτων των κτιρίων βέβαια δεν γίνεται με αυτοματοποιημένο τρόπο καθώς η ανάλυση των εικόνων δεν επιτρέπει κάτι τέτοιο και πολλές φορές υπάρχουν ειδικά εμπόδια που θα έκαναν μία τέτοια διαδικασία μη αποτελεσματική. Για παράδειγμα, πολλές φορές οι νέες κατασκευές δεν είναι εύκολα αντιληπτές επειδή είναι μικρές σε μέγεθος, είναι μη μόνιμες κατασκευές ή είναι στην πρώιμη φάση τους.

Δηλαδή ο έλεγχος της δόμησης γίνεται ουσιαστικά σε τρία επίπεδα, μέσω του Landsat δίνεται μία πρόχειρη εικόνα για την αστικοποίηση, με τον SPOT 5 δίνεται μία λεπτομερής εικόνα για την περιοχή του Μαρμαρά και τέλος με τον IKONOS κάθε τρείς μήνες γίνεται έλεγχος των αυθαιρέτων.

Όπως φαίνεται και στην Εικόνα 1 πλέον υπάρχουν μωσαϊκά εικόνων από τον Ιούνιο του 2005, τα οποία συνεχώς ενημερώνονται.

Βάσει των λήψεων ανά τρίμηνο από τον IKONOS γίνεται χειρονακτικός έλεγχος των μεταβολών δόμησης. Η διαδικασία αυτή διαρκεί περίπου ένα μήνα και με αυτόν τον τρόπο υπάρχουν διαχρονικά οι μεταβολές από το 2002. Η διαδικασία εντοπισμού των μεταβολών διευκολύνεται από την παράθεση των ορθοφωτογραφιών του IKONOS με τα vector δεδομένα που έχουν δημιουργηθεί από την ψηφιοποίηση της υπάρχουσας κατάστασης προηγούμενων λήψεων.

Το μέτρο έχει σημαντική εφαρμογή και στις λεκάνες απορροής και στις περιοχές υδροδότησης της πόλης. Είναι προφανής η αξία διαφύλαξης αυτών των περιοχών σε μία μεγάλη πόλη ειδικά όταν βιώνει συχνά ξηρές περιόδους, όπως η Κωνσταντινούπολη. Όπως φαίνεται και στην Εικόνα 2 γύρω από αυτές τις περιοχές υπάρχουν ζώνες προστασίας και ο έλεγχος οποιοσδήποτε μεταβολής ελέγχεται αυστηρά ανά τρίμηνο που λαμβάνονται οι δορυφορικές εικόνες με στόχο την όσο το δυνατόν συντομότερη και πιο αποτελεσματική παρέμβαση.

Άλλο ένα επιμέρους πρόβλημα που προσπαθεί να περιορίσει η εφαρμογή της πολιτικής που περιγράφηκε παραπάνω είναι η εφαρμογή των σχεδίων πόλης. Όπως φαίνεται στην Εικόνα 3 η πρόβλεψη για επέκταση του αστικού οδικού δικτύου συχνά προσκρούει πάνω στην αυθαίρετη ανάπτυξη κατοικιών, γεγονός που στερεί την δυνατότητα υλοποίησης του σχεδιασμού. Με αυτόν τον τρόπο το αποτέλεσμα του σχεδιασμού χαρακτηρίζεται ως αρκετά προβληματικό και δεν δημιουργεί τον οικιστικό χώρο που δύναται να παράγει μέσα από κανονικές διαδικασίες. Επίσης προκύπτει μία άνιση αντιμετώπιση μεταξύ εκείνων που δημιούργησαν μία κατασκευή πριν το σχέδιο και δεν συνεισέφεραν στον σχεδιασμό και εκείνων που επειδή δεν έχουν προβεί σε αλλαγές συχνά επωμίζονται το μεγαλύτερο βάρος εισφοράς σε γη για την δημιουργία των απαραίτητων κοινόχρηστων και κοινωφελών χώρων.

'''Συμπεράσματα'''

Η ύπαρξη της πολιτικής ελέγχου της αστικής εξάπλωσης μέσω εφαρμογών της τηλεπισκόπησης στην Κωνσταντινούπολη έχει τριπλό στόχο (την διαφύλαξη γεωργικών εκτάσεων και άλλων πολύτιμων και ευαίσθητων περιοχών, τον περιορισμό της αυθαίρετης δόμησης και την εφαρμογή των πολεοδομικών σχεδίων και τέλος, την διαφύλαξη του πόσιμου νερού μέσω της προστασίας των λεκανών απορροής) και πολύ θετικά αποτελέσματα. Αν και η διαδικασία δεν είναι αρκετά αυτοματοποιημένη και απαιτεί χειρονακτική εργασία, εντούτοις φαίνεται διαχειρίσιμη και αρκετά αποτελεσματική. Ενδεχομένως η αυτοματοποίηση της διαδικασίας συλλογής, ελέγχου και ταυτοποίησης των στοιχείων αποτελεί ένα ζητούμενο για μελλοντική διερεύνηση. Σημαντικό είναι πάντως το γεγονός ότι έχει ήδη δημιουργηθεί μία βάση στοιχείων και δεδομένων όπου μπορούν να στηρίξουν μελλοντικές εφαρμογές και πολιτικές. Επίσης πολύ θετικά αποτιμάται το γεγονός ότι οι πληροφορίες που συλλέγονται είναι διαθέσιμες σε συστήματα GIS και προσβάσιμες από διάφορες δημόσιες υπηρεσίες αλλά και από τον δήμο της Κωνσταντινούπολης. Με αυτόν τον τρόπο η συλλογή των στοιχείων εξυπηρετεί πολλαπλούς σκοπούς και τα οφέλη πολλαπλασιάζονται.

Πηγή: http://www.ipi.uni-hannover.de/uploads/tx_tkpublikationen/BuildUp_Bochum.pdf

[[category:Ανίχνευση μεταβολών αστικής γης]]

Αλλαγές στον αστικό ιστό της Κωνσταντινούπολης

2015-03-28T15:29:55Z

Manolis rallias:

[[Εικόνα: instanbul1.JPG‎ ‎ | thumb | right | '''Εικόνα 1'''
Μωσαϊκό από εικόνες IKONOS της μητροπολιτικής περιοχής της Κωνσταντινούπολης]]
[[Εικόνα: instanbul2.JPG‎ ‎ | thumb | right | '''Εικόνα 2'''
Λεκάνη πόσιμου νερού με διαφορετικές ζώνες προστασίας]]
[[Εικόνα: instanbul3.JPG‎ ‎ | thumb | right | '''Εικόνα 3'''
Γρήγορη ανάπτυξη προαστίου της Κωνσταντινούπολης που εμποδίζει και την ανάπτυξη του οδικού δικτύου]]

'''Πρωτότυπος Τίτλος''': Detection of changes in Istanbul area with medium and high resolution space images

'''Συγγραφείς''': Bayburt S., Büyüksalih G., Baz I., Jacobsen K. και Kersten T.

'''Εισαγωγή'''

Η Κωνσταντινούπολη είναι μία από τις πιο ραγδαία αναπτυσσόμενες πόλεις κάτι που έχει αντίκτυπο και στην αύξηση του πληθυσμού της. Απόρροια αυτής της πορείας είναι η αύξηση των πιέσεων για δόμηση και επέκταση του αστικού ιστού. Από την άλλη πλευρά, αυτή η εξέλιξη δημιουργεί μία σειρά από προβλήματα και επιβάλλει την εφαρμογή μίας πολιτικής ελέγχου της δόμησης (ειδικά της αυθαίρετης) και εξασφάλισης των απαραίτητων εδαφών για κοινόχρηστους και κοινωφελείς χώρους καθώς και για την προστασία ευαίσθητων περιοχών, γεωργικών εδαφών κλπ.

'''Εφαρμογή'''

Για την καταγραφή της υπάρχουσας κατάστασης αλλά και των μεταβολών στην δόμηση της πόλης, η μητροπολιτική περιοχή της Κωνσταντινούπολης ελέγχεται μέσω της χρήσης δορυφορικών εικόνων. Πιο συγκεκριμένα χρησιμοποιείται ο Landsat για μία γενική εικόνα των κατηγόριων γης, υποστηριζόμενος από εικόνες SPOT 5 για την περιοχή του Μαρμαρά και εικόνες IKONOS που λαμβάνονται ανά τρίμηνο για την περιοχή του δήμου. Οι εικόνες IKONOS με διακριτική ικανότητα (resolution) ενός μέτρου χρησιμοποιούνται για την δημιουργία shape files με όλα τα κτίσματα του δήμου. Η διαδικασία δημιουργίας των περιγραμμάτων των κτιρίων βέβαια δεν γίνεται με αυτοματοποιημένο τρόπο καθώς η ανάλυση των εικόνων δεν επιτρέπει κάτι τέτοιο και πολλές φορές υπάρχουν ειδικά εμπόδια που θα έκαναν μία τέτοια διαδικασία μη αποτελεσματική. Για παράδειγμα, πολλές φορές οι νέες κατασκευές δεν είναι εύκολα αντιληπτές επειδή είναι μικρές σε μέγεθος, είναι μη μόνιμες κατασκευές ή είναι στην πρώιμη φάση τους.

Δηλαδή ο έλεγχος της δόμησης γίνεται ουσιαστικά σε τρία επίπεδα, μέσω του Landsat δίνεται μία πρόχειρη εικόνα για την αστικοποίηση, με τον SPOT 5 δίνεται μία λεπτομερής εικόνα για την περιοχή του Μαρμαρά και τέλος με τον IKONOS κάθε τρείς μήνες γίνεται έλεγχος των αυθαιρέτων.

Όπως φαίνεται και στην Εικόνα 1 πλέον υπάρχουν μωσαϊκά εικόνων από τον Ιούνιο του 2005, τα οποία συνεχώς ενημερώνονται.

Βάσει των λήψεων ανά τρίμηνο από τον IKONOS γίνεται χειρονακτικός έλεγχος των μεταβολών δόμησης. Η διαδικασία αυτή διαρκεί περίπου ένα μήνα και με αυτόν τον τρόπο υπάρχουν διαχρονικά οι μεταβολές από το 2002. Η διαδικασία εντοπισμού των μεταβολών διευκολύνεται από την παράθεση των ορθοφωτογραφιών του IKONOS με τα vector δεδομένα που έχουν δημιουργηθεί από την ψηφιοποίηση της υπάρχουσας κατάστασης προηγούμενων λήψεων.

Το μέτρο έχει σημαντική εφαρμογή και στις λεκάνες απορροής και στις περιοχές υδροδότησης της πόλης. Είναι προφανής η αξία διαφύλαξης αυτών των περιοχών σε μία μεγάλη πόλη ειδικά όταν βιώνει συχνά ξηρές περιόδους, όπως η Κωνσταντινούπολη. Όπως φαίνεται και στην Εικόνα 2 γύρω από αυτές τις περιοχές υπάρχουν ζώνες προστασίας και ο έλεγχος οποιοσδήποτε μεταβολής ελέγχεται αυστηρά ανά τρίμηνο που λαμβάνονται οι δορυφορικές εικόνες με στόχο την όσο το δυνατόν συντομότερη και πιο αποτελεσματική παρέμβαση.

Άλλο ένα επιμέρους πρόβλημα που προσπαθεί να περιορίσει η εφαρμογή της πολιτικής που περιγράφηκε παραπάνω είναι η εφαρμογή των σχεδίων πόλης. Όπως φαίνεται στην Εικόνα 3 η πρόβλεψη για επέκταση του αστικού οδικού δικτύου συχνά προσκρούει πάνω στην αυθαίρετη ανάπτυξη κατοικιών, γεγονός που στερεί την δυνατότητα υλοποίησης του σχεδιασμού. Με αυτόν τον τρόπο το αποτέλεσμα του σχεδιασμού χαρακτηρίζεται ως αρκετά προβληματικό και δεν δημιουργεί τον οικιστικό χώρο που δύναται να παράγει μέσα από κανονικές διαδικασίες. Επίσης προκύπτει μία άνιση αντιμετώπιση μεταξύ εκείνων που δημιούργησαν μία κατασκευή πριν το σχέδιο και δεν συνεισέφεραν στον σχεδιασμό και εκείνων που επειδή δεν έχουν προβεί σε αλλαγές συχνά επωμίζονται το μεγαλύτερο βάρος εισφοράς σε γη για την δημιουργία των απαραίτητων κοινόχρηστων και κοινωφελών χώρων.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Αλλαγές στον αστικό ιστό της Κωνσταντινούπολης

2015-03-28T15:29:36Z

Manolis rallias:

[[Εικόνα: instanbul1.JPG‎ ‎ | thumb | right | '''Εικόνα 1'''
Μωσαϊκό από εικόνες IKONOS της μητροπολιτικής περιοχής της Κωνσταντινούπολης]]
[[Εικόνα: instanbul2.JPG‎ ‎ | thumb | right | '''Εικόνα 2'''
Λεκάνη πόσιμου νερού με διαφορετικές ζώνες προστασίας]]
[[Εικόνα: instanbul3.JPG‎ ‎ | thumb | right | '''Εικόνα 3'''
Γρήγορη ανάπτυξη προαστίου της Κωνσταντινούπολης που εμποδίζει και την ανάπτυξη του οδικού δικτύου]]

'''Πρωτότυπος Τίτλος''': Detection of changes in Istanbul area with medium and high resolution space images

'''Συγγραφείς''': Bayburt S., Büyüksalih G., Baz I., Jacobsen K. και Kersten T.

'''Εισαγωγή'''

Η Κωνσταντινούπολη είναι μία από τις πιο ραγδαία αναπτυσσόμενες πόλεις κάτι που έχει αντίκτυπο και στην αύξηση του πληθυσμού της. Απόρροια αυτής της πορείας είναι η αύξηση των πιέσεων για δόμηση και επέκταση του αστικού ιστού. Από την άλλη πλευρά, αυτή η εξέλιξη δημιουργεί μία σειρά από προβλήματα και επιβάλλει την εφαρμογή μίας πολιτικής ελέγχου της δόμησης (ειδικά της αυθαίρετης) και εξασφάλισης των απαραίτητων εδαφών για κοινόχρηστους και κοινωφελείς χώρους καθώς και για την προστασία ευαίσθητων περιοχών, γεωργικών εδαφών κλπ.

'''Εφαρμογή'''

Για την καταγραφή της υπάρχουσας κατάστασης αλλά και των μεταβολών στην δόμηση της πόλης, η μητροπολιτική περιοχή της Κωνσταντινούπολης ελέγχεται μέσω της χρήσης δορυφορικών εικόνων. Πιο συγκεκριμένα χρησιμοποιείται ο Landsat για μία γενική εικόνα των κατηγόριων γης, υποστηριζόμενος από εικόνες SPOT 5 για την περιοχή του Μαρμαρά και εικόνες IKONOS που λαμβάνονται ανά τρίμηνο για την περιοχή του δήμου. Οι εικόνες IKONOS με διακριτική ικανότητα (resolution) ενός μέτρου χρησιμοποιούνται για την δημιουργία shape files με όλα τα κτίσματα του δήμου. Η διαδικασία δημιουργίας των περιγραμμάτων των κτιρίων βέβαια δεν γίνεται με αυτοματοποιημένο τρόπο καθώς η ανάλυση των εικόνων δεν επιτρέπει κάτι τέτοιο και πολλές φορές υπάρχουν ειδικά εμπόδια που θα έκαναν μία τέτοια διαδικασία μη αποτελεσματική. Για παράδειγμα, πολλές φορές οι νέες κατασκευές δεν είναι εύκολα αντιληπτές επειδή είναι μικρές σε μέγεθος, είναι μη μόνιμες κατασκευές ή είναι στην πρώιμη φάση τους.

Δηλαδή ο έλεγχος της δόμησης γίνεται ουσιαστικά σε τρία επίπεδα, μέσω του Landsat δίνεται μία πρόχειρη εικόνα για την αστικοποίηση, με τον SPOT 5 δίνεται μία λεπτομερής εικόνα για την περιοχή του Μαρμαρά και τέλος με τον IKONOS κάθε τρείς μήνες γίνεται έλεγχος των αυθαιρέτων.

Όπως φαίνεται και στην Εικόνα 1 πλέον υπάρχουν μωσαϊκά εικόνων από τον Ιούνιο του 2005, τα οποία συνεχώς ενημερώνονται.

Βάσει των λήψεων ανά τρίμηνο από τον IKONOS γίνεται χειρονακτικός έλεγχος των μεταβολών δόμησης. Η διαδικασία αυτή διαρκεί περίπου ένα μήνα και με αυτόν τον τρόπο υπάρχουν διαχρονικά οι μεταβολές από το 2002. Η διαδικασία εντοπισμού των μεταβολών διευκολύνεται από την παράθεση των ορθοφωτογραφιών του IKONOS με τα vector δεδομένα που έχουν δημιουργηθεί από την ψηφιοποίηση της υπάρχουσας κατάστασης προηγούμενων λήψεων.

Το μέτρο έχει σημαντική εφαρμογή και στις λεκάνες απορροής και στις περιοχές υδροδότησης της πόλης. Είναι προφανής η αξία διαφύλαξης αυτών των περιοχών σε μία μεγάλη πόλη ειδικά όταν βιώνει συχνά ξηρές περιόδους, όπως η Κωνσταντινούπολη. Όπως φαίνεται και στην Εικόνα 2 γύρω από αυτές τις περιοχές υπάρχουν ζώνες προστασίας και ο έλεγχος οποιοσδήποτε μεταβολής ελέγχεται αυστηρά ανά τρίμηνο που λαμβάνονται οι δορυφορικές εικόνες με στόχο την όσο το δυνατόν συντομότερη και πιο αποτελεσματική παρέμβαση.

Άλλο ένα επιμέρους πρόβλημα που προσπαθεί να περιορίσει η εφαρμογή της πολιτικής που περιγράφηκε παραπάνω είναι η εφαρμογή των σχεδίων πόλης. Όπως φαίνεται στην Εικόνα 3 η πρόβλεψη για επέκταση του αστικού οδικού δικτύου συχνά προσκρούει πάνω στην αυθαίρετη ανάπτυξη κατοικιών, γεγονός που στερεί την δυνατότητα υλοποίησης του σχεδιασμού. Με αυτόν τον τρόπο το αποτέλεσμα του σχεδιασμού χαρακτηρίζεται ως αρκετά προβληματικό και δεν δημιουργεί τον οικιστικό χώρο που δύναται να παράγει μέσα από κανονικές διαδικασίες. Επίσης προκύπτει μία άνιση αντιμετώπιση μεταξύ εκείνων που δημιούργησαν μία κατασκευή πριν το σχέδιο και δεν συνεισέφεραν στον σχεδιασμό και εκείνων που επειδή δεν έχουν προβεί σε αλλαγές συχνά επωμίζονται το μεγαλύτερο βάρος εισφοράς σε γη για την δημιουργία των απαραίτητων κοινόχρηστων και κοινωφελών χώρων.
'''Συμπεράσματα'''

Η ύπαρξη της πολιτικής ελέγχου της αστικής εξάπλωσης μέσω εφαρμογών της τηλεπισκόπησης στην Κωνσταντινούπολη έχει τριπλό στόχο (την διαφύλαξη γεωργικών εκτάσεων και άλλων πολύτιμων και ευαίσθητων περιοχών, τον περιορισμό της αυθαίρετης δόμησης και την εφαρμογή των πολεοδομικών σχεδίων και τέλος, την διαφύλαξη του πόσιμου νερού μέσω της προστασίας των λεκανών απορροής) και πολύ θετικά αποτελέσματα. Αν και η διαδικασία δεν είναι αρκετά αυτοματοποιημένη και απαιτεί χειρονακτική εργασία, εντούτοις φαίνεται διαχειρίσιμη και αρκετά αποτελεσματική. Ενδεχομένως η αυτοματοποίηση της διαδικασίας συλλογής, ελέγχου και ταυτοποίησης των στοιχείων αποτελεί ένα ζητούμενο για μελλοντική διερεύνηση. Σημαντικό είναι πάντως το γεγονός ότι έχει ήδη δημιουργηθεί μία βάση στοιχείων και δεδομένων όπου μπορούν να στηρίξουν μελλοντικές εφαρμογές και πολιτικές. Επίσης πολύ θετικά αποτιμάται το γεγονός ότι οι πληροφορίες που συλλέγονται είναι διαθέσιμες σε συστήματα GIS και προσβάσιμες από διάφορες δημόσιες υπηρεσίες αλλά και από τον δήμο της Κωνσταντινούπολης. Με αυτόν τον τρόπο η συλλογή των στοιχείων εξυπηρετεί πολλαπλούς σκοπούς και τα οφέλη πολλαπλασιάζονται.

Πηγή: http://www.ipi.uni-hannover.de/uploads/tx_tkpublikationen/BuildUp_Bochum.pdf

[[category:Ανίχνευση μεταβολών αστικής γης]]

Αλλαγές στον αστικό ιστό της Κωνσταντινούπολης

2015-03-28T15:28:20Z

Manolis rallias:

Αλλαγές στον αστικό ιστό της Κωνσταντινούπολης

2015-03-28T15:27:41Z

Manolis rallias:

Αλλαγές στον αστικό ιστό της Κωνσταντινούπολης

2015-03-28T15:08:33Z

Manolis rallias:

Ανίχνευση των αλλαγών στην δασική εδαφοκάλυψη μετά από πυρκαγιές στην Πορτογαλία

2015-03-28T14:52:02Z

Manolis rallias:

[[Εικόνα: dasoi.JPG‎ | thumb | right | '''Εικόνα 1'''
Εικόνα Landsat TM RGB (bands 5, 4, 7) που δείχνει δασική περιοχή που κάηκε το 1991 και αναδασώθηκε το 1993. Σύγκριση με την φυσική αναγέννηση την περίοδο 1991-1993 μετά την φωτιά ]]

'''Πρωτότυπος Τίτλος''': DETECTION OF CHANGES IN FOREST LANDCOVER TYPE AFTER FIRES IN PORTUGAL

'''Συγγραφείς''': Barbosa P., Caetano M. and Santos T.

'''Εισαγωγή'''

Για μία σειρά από λόγους τα δάση της Πορτογαλίας συχνά αντιμετωπίζουν τον κίνδυνο πυρκαγιών που μπορεί να καταστρέψουν μέρος ή και το σύνολο μία δασικής έκτασης. Πέρα από την πρόληψη των φαινόμενων αυτών και την έγκαιρη αντιμετώπισης τους, σε ένα δεύτερο επίπεδο απασχολεί η πορεία των καμένων εκτάσεων. Τέτοιες περιοχές μπορεί να αλλοιωθούν με την ανάπτυξη άλλων χρήσεων όπως αγροτικών και αστικών αλλά ακόμη και από την αναδάσωση με ξενικά προς το οικοσύστημα φυτά. Η συγκεκριμένη μελέτη λοιπόν έρχεται να συμβάλλει ακριβώς στον προσδιορισμό την φυσικής αναγέννησης των δασικών εκτάσεων μετά από πυρκαγιές αλλά και στην ανίχνευση μεταβολών στις χρήσεις ή καλύψεις γης.

'''Εφαρμογή-μεθοδολογία'''

Η περιοχή μελέτης βρίσκεται στο κεντρικό τμήμα της Πορτογαλίας, καταλαμβάνει μία έκταση 2.240 km2, έχει πληγεί από δασικές πυρκαγιές ενώ παράλληλα έχουν παρατηρηθεί και αλλαγές στον τύπο της βλάστησης στην προ πυρκαγιών περίοδο και στην μετά. Για την διερεύνηση του ζητήματος χρησιμοποιήθηκαν εικόνες Landsat 5-TM για την περίοδο 1990-1998. Οι δορυφορικές εικόνες ήταν τραβηγμένες είτε την άνοιξη είτε στις αρχές του καλοκαιριού ενώ υπήρχε τουλάχιστον μία εικόνα ανά έτος. Η βασική-αρχική επεξεργασία των εικόνων αφορούσε γεωμετρική και ραδιομετρική διόρθωση. Η μέθοδος που χρησιμοποιήθηκε στην επεξεργασία των εικόνων είναι εκείνη του πλησιέστερου γείτονα (The nearest neighbor re-sampling method) επειδή εξασφάλιζε την διατήρηση των αρχικών τιμών φωτεινότητας των pixels.

Για τον περιορισμό των σφαλμάτων χρησιμοποιήθηκε ένας χάρτης χρήσεων γης μετά του 1990 (προ των πυρκαγιών δηλαδή), αεροφωτογραφίες του 1995 που έδειχναν τις καλύψεις γης μετά τις πυρκαγιές καθώς και χάρτες με τις καμένες εκτάσεις ανά έτος.

Όσον αφορά στην μεθοδολογία που αναπτύχθηκε για την εύρεση του ζητούμενου, αυτή ήταν μία φασματική τεχνική ταυτοποίησης των αλλαγών βασισμένη στην διαφοροποίηση του δείκτη βλάστησης (Vegetation Index differencing). Ο δείκτης βλάστησης που χρησιμοποιήθηκε ήταν ο Atmosphere Resistant Vegetation Index (ARVI).

Στην περιοχή μελέτης ο δείκτης ARVI κυμάνθηκε σε υψηλές τιμές για καλύψεις βλάστησης, χαμηλές τιμές στην περίπτωση καμένων εκτάσεων και ακόμη χαμηλότερες τιμές για γυμνό έδαφος (terrain mobilisation/reforestation). Οι εικόνες με βάση των δείκτη ARVI που δημιουργήθηκαν υπολογίστηκαν με βάση δεδομένα (εικόνες δηλαδή) της χρονιάς των πυρκαγιών συγκρινόμενες με εικόνες από δύο διαδοχικά έτη μετά τις πυρκαγιές. Για το τελικό αποτέλεσμα κρίσιμο σημείο αποτέλεσαν τα κατώφλια-όρια όπου θα δεχόμασταν ότι υπάρχει σημαντική μεταβολή και τα όρια όπου θα θεωρείτο ότι η κατάσταση είναι ουσιαστικά αμετάβλητη. Για τον προσδιορισμό αυτών των ορίων λοιπόν λήφθηκε υπόψη η τυπική απόκλιση και η μέση τιμή αλλά και άλλες πηγές δεδομένων, όπως προαναφέρθηκε, έτσι ώστε οι μεταβολές που εντοπίζονται να είναι όσο το δυνατόν πιο αντιπροσωπευτικές.

Είναι εμφανές από την Εικόνα 1 ότι κατά την αναδάσωση του 1993 εισήχθησαν είδη που ήταν ξενικά προς το οικοσύστημα πριν τις πυρκαγιές. Αυτό αποτυπώνεται στις εικόνες με την διαφορά που υπάρχει στην κεντρική ζώνη όπου έγινε η αναδάσωση εν συγκρίσει με την υπόλοιπη περιοχή.

'''Συμπεράσματα'''

Η ανίχνευση των καλύψεων γης μετά από πυρκαγιές σε καμένες εκτάσεις έχει ιδιαιτέρα θετικό αποτέλεσμα για το οικοσύστημα. Είναι εξόχως σημαντική η ανίχνευση παράνομων φυτών και καλλιεργειών σε αναδασωτέες περιοχές. Η μέθοδος που χρησιμοποιήθηκε στην συγκεκριμένη έρευνα παράγει πολύ αξιόπιστα αποτελέσματα και δύναται να αποτελέσει ένα ισχυρό εργαλείο στην επίτευξη του επιθυμητού ελέγχου. Εκμεταλλευόμενοι τα διαφορετικά φασματικά χαρακτηριστικά δύναται να ταξινομηθούν διαφορετικού τύπου καλύψεις γης μετά από φαινόμενα πυρκαγιών και να αναγνωριστούν διαφορετικοί τύποι βλάστησης που αποτελεί και το κύριο ζητούμενο στην όλη διαδικασία.

Πηγή: http://www.isprs.org/proceedings/XXXIII/congress/part7/126_XXXIII-part7.pdf

[[category:Δασοπονία, Δασική διαχείριση]]

Ανίχνευση των αλλαγών στην δασική εδαφοκάλυψη μετά από πυρκαγιές στην Πορτογαλία

2015-03-28T14:49:14Z

Manolis rallias:

[[Εικόνα: dasoi.JPG‎ | thumb | right | '''Εικόνα 1'''
Εικόνα Landsat TM RGB (bands 5, 4, 7) που δείχνει δασική περιοχή που κάηκε το 1991 και αναδασώθηκε το 1993. Σύγκριση με την φυσική αναγέννηση την περίοδο 1991-1993 μετά την φωτιά ]]

'''Πρωτότυπος Τίτλος''': DETECTION OF CHANGES IN FOREST LANDCOVER TYPE AFTER FIRES IN PORTUGAL

'''Συγγραφείς''': Barbosa P., Caetano M. and Santos T.

'''Εισαγωγή'''

Για μία σειρά από λόγους τα δάση της Πορτογαλίας συχνά αντιμετωπίζουν τον κίνδυνο πυρκαγιών που μπορεί να καταστρέψουν μέρος ή και το σύνολο μία δασικής έκτασης. Πέρα από την πρόληψη των φαινόμενων αυτών και την έγκαιρη αντιμετώπισης τους, σε ένα δεύτερο επίπεδο απασχολεί η πορεία των καμένων εκτάσεων. Τέτοιες περιοχές μπορεί να αλλοιωθούν με την ανάπτυξη άλλων χρήσεων όπως αγροτικών και αστικών αλλά ακόμη και από την αναδάσωση με ξενικά προς το οικοσύστημα φυτά. Η συγκεκριμένη μελέτη λοιπόν έρχεται να συμβάλλει ακριβώς στον προσδιορισμό την φυσικής αναγέννησης των δασικών εκτάσεων μετά από πυρκαγιές αλλά και στην ανίχνευση μεταβολών στις χρήσεις ή καλύψεις γης.

'''Εφαρμογή-μεθοδολογία'''

Η περιοχή μελέτης βρίσκεται στο κεντρικό τμήμα της Πορτογαλίας, καταλαμβάνει μία έκταση 2.240 km2, έχει πληγεί από δασικές πυρκαγιές ενώ παράλληλα έχουν παρατηρηθεί και αλλαγές στον τύπο της βλάστησης στην προ πυρκαγιών περίοδο και στην μετά. Για την διερεύνηση του ζητήματος χρησιμοποιήθηκαν εικόνες Landsat 5-TM για την περίοδο 1990-1998. Οι δορυφορικές εικόνες ήταν τραβηγμένες είτε την άνοιξη είτε στις αρχές του καλοκαιριού ενώ υπήρχε τουλάχιστον μία εικόνα ανά έτος. Η βασική-αρχική επεξεργασία των εικόνων αφορούσε γεωμετρική και ραδιομετρική διόρθωση. Η μέθοδος που χρησιμοποιήθηκε στην επεξεργασία των εικόνων είναι εκείνη του πλησιέστερου γείτονα (The nearest neighbor re-sampling method) επειδή εξασφάλιζε την διατήρηση των αρχικών τιμών φωτεινότητας των pixels.

Για τον περιορισμό των σφαλμάτων χρησιμοποιήθηκε ένας χάρτης χρήσεων γης μετά του 1990 (προ των πυρκαγιών δηλαδή), αεροφωτογραφίες του 1995 που έδειχναν τις καλύψεις γης μετά τις πυρκαγιές καθώς και χάρτες με τις καμένες εκτάσεις ανά έτος.

Όσον αφορά στην μεθοδολογία που αναπτύχθηκε για την εύρεση του ζητούμενου, αυτή ήταν μία φασματική τεχνική ταυτοποίησης των αλλαγών βασισμένη στην διαφοροποίηση του δείκτη βλάστησης (Vegetation Index differencing). Ο δείκτης βλάστησης που χρησιμοποιήθηκε ήταν ο Atmosphere Resistant Vegetation Index (ARVI).

Στην περιοχή μελέτης ο δείκτης ARVI κυμάνθηκε σε υψηλές τιμές για καλύψεις βλάστησης, χαμηλές τιμές στην περίπτωση καμένων εκτάσεων και ακόμη χαμηλότερες τιμές για το έδαφος αναγέννησης/αναδάσωσης (terrain mobilisation/reforestation). Οι εικόνες με βάση των δείκτη ARVI που δημιουργήθηκαν υπολογίστηκαν με βάση δεδομένα (εικόνες δηλαδή) της χρονιάς των πυρκαγιών συγκρινόμενες με εικόνες από δύο διαδοχικά έτη μετά τις πυρκαγιές. Για το τελικό αποτέλεσμα κρίσιμο σημείο αποτέλεσαν τα κατώφλια-όρια όπου θα δεχόμασταν ότι υπάρχει σημαντική μεταβολή και τα όρια όπου θα θεωρείτο ότι η κατάσταση είναι ουσιαστικά αμετάβλητη. Για τον προσδιορισμό αυτών των ορίων λοιπόν λήφθηκε υπόψη η τυπική απόκλιση και η μέση τιμή αλλά και άλλες πηγές δεδομένων, όπως προαναφέρθηκε, έτσι ώστε οι μεταβολές που εντοπίζονται να είναι όσο το δυνατόν πιο αντιπροσωπευτικές.

Είναι εμφανές από την Εικόνα 1 ότι κατά την αναδάσωση του 1993 εισήχθησαν είδη που ήταν ξενικά προς το οικοσύστημα πριν τις πυρκαγιές. Αυτό αποτυπώνεται στις εικόνες με την διαφορά που υπάρχει στην κεντρική ζώνη όπου έγινε η αναδάσωση εν συγκρίσει με την υπόλοιπη περιοχή.

'''Συμπεράσματα'''

Η ανίχνευση των καλύψεων γης μετά από πυρκαγιές σε καμένες εκτάσεις έχει ιδιαιτέρα θετικό αποτέλεσμα για το οικοσύστημα. Είναι εξόχως σημαντική η ανίχνευση παράνομων φυτών και καλλιεργειών σε αναδασωτέες περιοχές. Η μέθοδος που χρησιμοποιήθηκε στην συγκεκριμένη έρευνα παράγει πολύ αξιόπιστα αποτελέσματα και δύναται να αποτελέσει ένα ισχυρό εργαλείο στην επίτευξη του επιθυμητού ελέγχου. Εκμεταλλευόμενοι τα διαφορετικά φασματικά χαρακτηριστικά δύναται να ταξινομηθούν διαφορετικού τύπου καλύψεις γης μετά από φαινόμενα πυρκαγιών και να αναγνωριστούν διαφορετικοί τύποι βλάστησης που αποτελεί και το κύριο ζητούμενο στην όλη διαδικασία.

Πηγή: http://www.isprs.org/proceedings/XXXIII/congress/part7/126_XXXIII-part7.pdf

[[category:Δασοπονία, Δασική διαχείριση]]

Ανίχνευση των αλλαγών στην δασική εδαφοκάλυψη μετά από πυρκαγιές στην Πορτογαλία

2015-03-28T14:48:36Z

Manolis rallias:

[[Εικόνα: dasoi.JPG‎ | thumb | right | '''Εικόνα 1'''
Εικόνα Landsat TM RGB (bands 5, 4, 7) που δείχνει δασική περιοχή που κάηκε το 1991 και αναδασώθηκε το 1993. Σύγκριση με την φυσική αναγέννηση την περίοδο 1991-1993 μετά την φωτιά ]]

'''Πρωτότυπος Τίτλος''': DETECTION OF CHANGES IN FOREST LANDCOVER TYPE AFTER FIRES IN PORTUGAL

'''Συγγραφείς''': Barbosa P., Caetano M. and Santos T.

'''Εισαγωγή'''

Για μία σειρά από λόγους τα δάση της Πορτογαλίας συχνά αντιμετωπίζουν τον κίνδυνο πυρκαγιών που μπορεί να καταστρέψουν μέρος ή και το σύνολο μία δασικής έκτασης. Πέρα από την πρόληψη των φαινόμενων αυτών και την έγκαιρη αντιμετώπισης τους, σε ένα δεύτερο επίπεδο απασχολεί η πορεία των καμένων εκτάσεων. Τέτοιες περιοχές μπορεί να αλλοιωθούν με την ανάπτυξη άλλων χρήσεων όπως αγροτικών και αστικών αλλά ακόμη και από την αναδάσωση με ξενικά προς το οικοσύστημα φυτά. Η συγκεκριμένη μελέτη λοιπόν έρχεται να συμβάλλει ακριβώς στον προσδιορισμό την φυσικής αναγέννησης των δασικών εκτάσεων μετά από πυρκαγιές αλλά και στην ανίχνευση μεταβολών στις χρήσεις ή καλύψεις γης.

'''Εφαρμογή-μεθοδολογία'''

Η περιοχή μελέτης βρίσκεται στο κεντρικό τμήμα της Πορτογαλίας, καταλαμβάνει μία έκταση 2.240 km2, έχει πληγεί από δασικές πυρκαγιές ενώ παράλληλα έχουν παρατηρηθεί και αλλαγές στον τύπο της βλάστησης στην προ πυρκαγιών περίοδο και στην μετά. Για την διερεύνηση του ζητήματος χρησιμοποιήθηκαν εικόνες Landsat 5-TM για την περίοδο 1990-1998. Οι δορυφορικές εικόνες ήταν τραβηγμένες είτε την άνοιξη είτε στις αρχές του καλοκαιριού ενώ υπήρχε τουλάχιστον μία εικόνα ανά έτος. Η βασική-αρχική επεξεργασία των εικόνων αφορούσε γεωμετρική και ραδιομετρική διόρθωση. Η μέθοδος που χρησιμοποιήθηκε στην επεξεργασία των εικόνων είναι εκείνη του πλησιέστερου γείτονα (The nearest neighbor re-sampling method) επειδή εξασφάλιζε την διατήρηση των αρχικών τιμών φωτεινότητας των pixels.

Για τον περιορισμό των σφαλμάτων χρησιμοποιήθηκε ένας χάρτης χρήσεων γης μετά του 1990 (προ των πυρκαγιών δηλαδή), αεροφωτογραφίες του 1995 που έδειχναν τις καλύψεις γης μετά τις πυρκαγιές καθώς και χάρτες με τις καμένες εκτάσεις ανά έτος.

Όσον αφορά στην μεθοδολογία που αναπτύχθηκε για την εύρεση του ζητούμενου, αυτή ήταν μία φασματική τεχνική ταυτοποίησης των αλλαγών βασισμένη στην διαφοροποίηση του δείκτη βλάστησης (Vegetation Index differencing). Ο δείκτης βλάστησης που χρησιμοποιήθηκε ήταν ο Atmosphere Resistant Vegetation Index (ARVI).

Στην περιοχή μελέτης ο δείκτης ARVI κυμάνθηκε σε υψηλές τιμές για καλύψεις βλάστησης, χαμηλές τιμές στην περίπτωση καμένων εκτάσεων και ακόμη χαμηλότερες τιμές για το έδαφος αναγέννησης/αναδάσωσης (terrain mobilisation/reforestation). Οι εικόνες με βάση των δείκτη ARVI που δημιουργήθηκαν υπολογίστηκαν με βάση δεδομένα (εικόνες δηλαδή) της χρονιάς των πυρκαγιών συγκρινόμενες με εικόνες από δύο διαδοχικά έτη μετά τις πυρκαγιές. Για το τελικό αποτέλεσμα κρίσιμο σημείο αποτέλεσαν τα κατώφλια-όρια όπου θα δεχόμασταν ότι υπάρχει σημαντική μεταβολή και τα όρια όπου θα θεωρείτο ότι η κατάσταση είναι ουσιαστικά αμετάβλητη. Για τον προσδιορισμό αυτών των ορίων λοιπόν λήφθηκε υπόψη η τυπική απόκλιση και η μέση τιμή αλλά και άλλες πηγές δεδομένων, όπως προαναφέρθηκε, έτσι ώστε οι μεταβολές που εντοπίζονται να είναι όσο το δυνατόν πιο αντιπροσωπευτικές.

Είναι εμφανές από την Εικόνα 1 ότι κατά την αναδάσωση του 1993 εισήχθησαν είδη που ήταν ξενικά προς το οικοσύστημα πριν τις πυρκαγιές. Αυτό αποτυπώνεται στις εικόνες με την διαφορά που υπάρχει στην κεντρική ζώνη όπου έγινε η αναδάσωση εν συγκρίσει με την υπόλοιπη περιοχή.

'''Συμπεράσματα'''

Η ανίχνευση των καλύψεων γης μετά από πυρκαγιές σε καμένες εκτάσεις έχει ιδιαιτέρα θετικό αποτέλεσμα για το οικοσύστημα. Είναι εξόχως σημαντική η ανίχνευση παράνομων φυτών και καλλιεργειών σε αναδασωτέες περιοχές. Η μέθοδος που χρησιμοποιήθηκε στην συγκεκριμένη έρευνα παράγει πολύ αξιόπιστα αποτελέσματα και δύναται να αποτελέσει ένα ισχυρό εργαλείο στην επίτευξη του επιθυμητού ελέγχου. Εκμεταλλευόμενοι τα διαφορετικά φασματικά χαρακτηριστικά δύναται να ταξινομηθούν διαφορετικού τύπου καλύψεις γης μετά από φαινόμενα πυρκαγιών και να αναγνωριστούν διαφορετικοί τύποι βλάστησης που αποτελεί και το κύριο ζητούμενο στην όλη διαδικασία.

Πηγή: http://www.isprs.org/proceedings/XXXIII/congress/part7/126_XXXIII-part7.pdf

[[category:Δασοπονία, Δασική διαχείριση]]

Ανίχνευση της αστικής επέκτασης χρησιμοποιώντας Τηλεπισκοπικά δεδομένα και την μέθοδο Sub-Pixel Imperviousness

2015-03-28T14:21:01Z

Manolis rallias:

[[Εικόνα: Urban1.JPG‎ ‎ | thumb | right | '''Διάγραμμα 1'''
Η προτεινόμενη διαδικασία για την χαρτογράφηση των αδιαπέρατων επιφανειών και των αλλαγών τους, με την χρήση της τηλεπισκόπησης και του regression tree model]]
[[Εικόνα: Urban2.JPG‎ ‎ | thumb | right | '''Εικόνα 1'''
Subpixel percent imperviousness της βόρειας Ατλάντα, Τζόρτζια]]
[[Εικόνα: Urban3.JPG ‎ | thumb | right | '''Εικόνα 2'''
Subpixel percent imperviousness σε μέρος της πόλης όπου φαίνονται διάφορες σημαντικές μεταβολές εντός των σχημάτων]]

'''Πρωτότυπος Τίτλος''': Urban Land-Cover Change Detection through Sub-Pixel Imperviousness Mapping Using Remotely Sensed Data

'''Συγγραφείς''': Yang Limin, Xian George, Klaver Jacqueline and Deal Brian

'''Εισαγωγή'''

Στην Πολιτεία της Τζόρτζια και πιο συγκεκριμένα στο δυτικό τμήμα της έχει γίνει χρήση της τηλεπισκόπησης, με έναν διαφορετικό τρόπο, για την παρακολούθηση και τον έλεγχο της αστικής επέκτασης. Πιο συγκεκριμένα, χρησιμοποιήθηκαν δεδομένα που ελήφθησαν για μία περιοχή 180 χιλιομέτρων από τα ανατολικά προς τα δυτικά και 350 χιλιομέτρων από βορά προς νότο. Οι λήψεις έγιναν με τον Landsat 5 TM και τον Landsat 7 στις 9 Μαρτίου του 1993 και στις 11 Μαρτίου του 2001.

'''Μεθοδολογία'''

Οι εικόνες αυτές επεξεργάστηκαν κατάλληλα από το U.S. Geological Survey (USGS), έτσι ώστε τα αποτελέσματα να είναι συγκρίσιμα και αξιόπιστα. Στην συνέχεια ακολουθήθηκε η μεθοδολογία που φαίνεται στον Διάγραμμα 1 ως προς τον εντοπισμό της μεταβολής των χρήσεων μέσω των δεδομένων τηλεπισκόπησης και ενός μοντέλου παλινδρόμησης (regression tree model).

Το τελικό αποτέλεσμα ήταν εικόνες Landsat με διακριτική ικανότητα 30 μέτρων που έδειχναν την αδιαπερατότητα (imperviousness) των εδαφών από το νερό. Η λογική της μεθόδου ήταν ότι μεγάλο ποσοστό αδιαπερατότητας συνεπάγεται την ύπαρξη αστικών χρήσεων και υλικών όπως μπετόν, άσφαλτος κλπ ενώ όσο μικρότερο ήταν το ποσοστό αυτό γινόταν αντιληπτό ότι υπήρχαν μη αστικές χρήσεις όπως καλλιέργειες, δάση κλπ. Με αυτήν την προσέγγιση τα ανεπτυγμένα αστικά κέντρα εμφανίζουν αδιαπερατότητα μεγαλύτερη του 50%.

'''Αποτελέσμτα'''

Όπως φαίνεται λοιπόν και στην Εικόνα 1 και σημειώνεται σε κύκλο, στο βορειοδυτικό τμήμα της πόλης υπήρξαν έντονα σημάδια αστικοποίησης από το 1993 στο 2001. Πιο συγκεκριμένα, η περιοχή αυτή που βρίσκεται σε εγγύτητα με τον διαπολιτειακό αυτοκινητόδρομο 285 και τον US Highway 19, φαίνεται να γνώρισε ραγδαία ανάπτυξη. Από άλλες πηγές επιβεβαιώνεται ότι εκείνη η περιοχή ήταν μία από τις ταχύτερα αναπτυσσόμενες περιοχές κατοικίας από το 1987, κάνοντας επαλήθευση του αποτελέσματος.

Συνολικά ο ρυθμός αλλαγής των καλύψεων γης πάνω από την μητροπολιτική περιοχή της Ατλάντα είναι της τάξης του 7,5% στο διάστημα 1993-2001. Το νούμερο αυτό προκύπτει με την παραδοχή ότι οποιαδήποτε επιφάνεια εμφανίζει αδιαπερατότητα μεγαλύτερη του 10% προσμετράται ως αστική περιοχή. Αυτή βέβαια η παραδοχή μπορεί να εμπεριέχει υψηλό σφάλμα δεδομένου ότι δίνει ένα μεγάλο ποσοστό αστικής μεταβολής. Καθορίζοντας λοιπόν το όριο διάκρισης μέσω της αδιαπερατότητας στο 20% προκύπτει ένα νούμερο της τάξης του 4%, δηλαδή ένα ποσοστό κοντά σε εκείνο που δίνουν άλλες μελέτες όπως των Yang και Lo (2002), για την ίδια περιοχή. Εκείνοι δίνουν ένα ποσοστό 3,5% από Landsat δεδομένα του 1992 και 1997/1998.

Από την Εικόνα 2 φαίνεται η αστική επέκταση στο σημείο Α που είναι κοντά στην γέφυρα του Columbus. Αντίστοιχα στο σχήμα δύο που είναι μία στρατιωτική βάση φαίνεται η δημιουργία ενός δρόμου. Στο σχήμα C παρατηρούμε μία εξάπλωση της φυσικής βλάστησης έναντι των αστικών χρήσεων.

'''Συμπεράσματα'''

Η αναγνώριση των μεταβολών μέσω της μεθόδου sub-pixel percent imperviousness φαίνεται να αποτελεί μία πολλά υποσχόμενη διαδικασία. Σίγουρα μπορεί να λειτουργήσει συμπληρωματικά με άλλες προσεγγίσεις επί του θέματος ενώ σημαντικό είναι και το γεγονός ότι μπορεί κανείς να καταλάβει σε ένα βαθμό τι είδους αλλαγές συντελούνται κάθε φορά. Για παράδειγμα, όταν ανάμεσα σε δύο χρονικές περιόδους εντοπίζονται μεταβολές της διαπερατότητας της τάξης του 80% για μία περιοχή, μπορεί με σχετική ασφάλεια να ειπωθεί ότι έχει συντελεστεί μία μεγάλη αλλαγή από αγροτική ή δασική έκταση σε αστική με μεγάλη πυκνότητα. Από την άλλη πλευρά βέβαια, ένα σημείο που ενδεχομένως να οδηγεί σε σφάλματα είναι η περίπτωση όπου η μεταβολή της αδιαπερατότητας του εδάφους είναι σχετικά μικρή. Σε αυτές τις περιπτώσεις δεν μπορούν να εξαχθούν συμπεράσματα με βεβαιότητα. Τέλος, αυτή η προσέγγιση δυνητικά μπορεί να χρησιμοποιηθεί και για την αστική υδρολογία και για άλλες περιπτώσεις όπου μας απασχολεί η διαπερατότητα του εδάφους.

Πηγή: http://web.pdx.edu/~nauna/articles/Yang_etal_2003.pdf

[[category:Ανίχνευση μεταβολών αστικής γης]]

Αρχείο:Urban3.JPG

2015-03-28T14:19:58Z

Manolis rallias:

Αρχείο:Urban2.JPG

2015-03-28T14:19:48Z

Manolis rallias:

Αρχείο:Urban1.JPG

2015-03-28T14:19:34Z

Manolis rallias:

Ανίχνευση της αστικής επέκτασης χρησιμοποιώντας Τηλεπισκοπικά δεδομένα και την μέθοδο Sub-Pixel Imperviousness

2015-03-28T14:18:54Z

Manolis rallias: Νέα σελίδα με '[[Εικόνα: Masini2.jpg‎ ‎ | thumb | right | '''Διάγραμμα 1''' Η προτεινόμενη διαδικασία για την χαρτογράφηση τ...'

[[Εικόνα: Masini2.jpg‎ ‎ | thumb | right | '''Διάγραμμα 1'''
Η προτεινόμενη διαδικασία για την χαρτογράφηση των αδιαπέρατων επιφανειών και των αλλαγών τους, με την χρήση της τηλεπισκόπησης και του regression tree model]]
[[Εικόνα: Masini2.jpg‎ ‎ | thumb | right | '''Εικόνα 1'''
Subpixel percent imperviousness της βόρειας Ατλάντα, Τζόρτζια]]
[[Εικόνα: Masini2.jpg‎ ‎ | thumb | right | '''Εικόνα 2'''
Subpixel percent imperviousness σε μέρος της πόλης όπου φαίνονται διάφορες σημαντικές μεταβολές εντός των σχημάτων]]

'''Πρωτότυπος Τίτλος''': Urban Land-Cover Change Detection through Sub-Pixel Imperviousness Mapping Using Remotely Sensed Data

'''Συγγραφείς''': Yang Limin, Xian George, Klaver Jacqueline and Deal Brian

'''Εισαγωγή'''

Στην Πολιτεία της Τζόρτζια και πιο συγκεκριμένα στο δυτικό τμήμα της έχει γίνει χρήση της τηλεπισκόπησης, με έναν διαφορετικό τρόπο, για την παρακολούθηση και τον έλεγχο της αστικής επέκτασης. Πιο συγκεκριμένα, χρησιμοποιήθηκαν δεδομένα που ελήφθησαν για μία περιοχή 180 χιλιομέτρων από τα ανατολικά προς τα δυτικά και 350 χιλιομέτρων από βορά προς νότο. Οι λήψεις έγιναν με τον Landsat 5 TM και τον Landsat 7 στις 9 Μαρτίου του 1993 και στις 11 Μαρτίου του 2001.

'''Μεθοδολογία'''

Οι εικόνες αυτές επεξεργάστηκαν κατάλληλα από το U.S. Geological Survey (USGS), έτσι ώστε τα αποτελέσματα να είναι συγκρίσιμα και αξιόπιστα. Στην συνέχεια ακολουθήθηκε η μεθοδολογία που φαίνεται στον Διάγραμμα 1 ως προς τον εντοπισμό της μεταβολής των χρήσεων μέσω των δεδομένων τηλεπισκόπησης και ενός μοντέλου παλινδρόμησης (regression tree model).

Το τελικό αποτέλεσμα ήταν εικόνες Landsat με διακριτική ικανότητα 30 μέτρων που έδειχναν την αδιαπερατότητα (imperviousness) των εδαφών από το νερό. Η λογική της μεθόδου ήταν ότι μεγάλο ποσοστό αδιαπερατότητας συνεπάγεται την ύπαρξη αστικών χρήσεων και υλικών όπως μπετόν, άσφαλτος κλπ ενώ όσο μικρότερο ήταν το ποσοστό αυτό γινόταν αντιληπτό ότι υπήρχαν μη αστικές χρήσεις όπως καλλιέργειες, δάση κλπ. Με αυτήν την προσέγγιση τα ανεπτυγμένα αστικά κέντρα εμφανίζουν αδιαπερατότητα μεγαλύτερη του 50%.

'''Αποτελέσμτα'''

Όπως φαίνεται λοιπόν και στην Εικόνα 1 και σημειώνεται σε κύκλο, στο βορειοδυτικό τμήμα της πόλης υπήρξαν έντονα σημάδια αστικοποίησης από το 1993 στο 2001. Πιο συγκεκριμένα, η περιοχή αυτή που βρίσκεται σε εγγύτητα με τον διαπολιτειακό αυτοκινητόδρομο 285 και τον US Highway 19, φαίνεται να γνώρισε ραγδαία ανάπτυξη. Από άλλες πηγές επιβεβαιώνεται ότι εκείνη η περιοχή ήταν μία από τις ταχύτερα αναπτυσσόμενες περιοχές κατοικίας από το 1987, κάνοντας επαλήθευση του αποτελέσματος.

Συνολικά ο ρυθμός αλλαγής των καλύψεων γης πάνω από την μητροπολιτική περιοχή της Ατλάντα είναι της τάξης του 7,5% στο διάστημα 1993-2001. Το νούμερο αυτό προκύπτει με την παραδοχή ότι οποιαδήποτε επιφάνεια εμφανίζει αδιαπερατότητα μεγαλύτερη του 10% προσμετράται ως αστική περιοχή. Αυτή βέβαια η παραδοχή μπορεί να εμπεριέχει υψηλό σφάλμα δεδομένου ότι δίνει ένα μεγάλο ποσοστό αστικής μεταβολής. Καθορίζοντας λοιπόν το όριο διάκρισης μέσω της αδιαπερατότητας στο 20% προκύπτει ένα νούμερο της τάξης του 4%, δηλαδή ένα ποσοστό κοντά σε εκείνο που δίνουν άλλες μελέτες όπως των Yang και Lo (2002), για την ίδια περιοχή. Εκείνοι δίνουν ένα ποσοστό 3,5% από Landsat δεδομένα του 1992 και 1997/1998.

Από την Εικόνα 2 φαίνεται η αστική επέκταση στο σημείο Α που είναι κοντά στην γέφυρα του Columbus. Αντίστοιχα στο σχήμα δύο που είναι μία στρατιωτική βάση φαίνεται η δημιουργία ενός δρόμου. Στο σχήμα C παρατηρούμε μία εξάπλωση της φυσικής βλάστησης έναντι των αστικών χρήσεων.

'''Συμπεράσματα'''

Η αναγνώριση των μεταβολών μέσω της μεθόδου sub-pixel percent imperviousness φαίνεται να αποτελεί μία πολλά υποσχόμενη διαδικασία. Σίγουρα μπορεί να λειτουργήσει συμπληρωματικά με άλλες προσεγγίσεις επί του θέματος ενώ σημαντικό είναι και το γεγονός ότι μπορεί κανείς να καταλάβει σε ένα βαθμό τι είδους αλλαγές συντελούνται κάθε φορά. Για παράδειγμα, όταν ανάμεσα σε δύο χρονικές περιόδους εντοπίζονται μεταβολές της διαπερατότητας της τάξης του 80% για μία περιοχή, μπορεί με σχετική ασφάλεια να ειπωθεί ότι έχει συντελεστεί μία μεγάλη αλλαγή από αγροτική ή δασική έκταση σε αστική με μεγάλη πυκνότητα. Από την άλλη πλευρά βέβαια, ένα σημείο που ενδεχομένως να οδηγεί σε σφάλματα είναι η περίπτωση όπου η μεταβολή της αδιαπερατότητας του εδάφους είναι σχετικά μικρή. Σε αυτές τις περιπτώσεις δεν μπορούν να εξαχθούν συμπεράσματα με βεβαιότητα. Τέλος, αυτή η προσέγγιση δυνητικά μπορεί να χρησιμοποιηθεί και για την αστική υδρολογία και για άλλες περιπτώσεις όπου μας απασχολεί η διαπερατότητα του εδάφους.

Πηγή: http://web.pdx.edu/~nauna/articles/Yang_etal_2003.pdf

[[category:Ανίχνευση μεταβολών αστικής γης]]

Εφαρμογή της τηλεπισκόπησης για την παρακολούθηση της αστικής επέκτασης

2015-03-28T14:14:32Z

Manolis rallias:

[[Εικόνα: Remote sensing_table1.JPG‎ | thumb | right | '''Πίνακας 1'''
Κλίμακες για διάφορες εικόνες τηλεπισκόπησης]]
[[Εικόνα: Remote sensing_table2.JPG‎ | thumb | right | '''Πίνακας 2'''
Δορυφορικές εικόνες που χρησιμοποιήθηκαν στην περίπτωση της πόλης του Φοίνιξ]]
[[Εικόνα: Remote sensing_ypomnima.JPG‎ | thumb | right | '''Υπόμνημα''']]
[[Εικόνα: Remote sensing_image1.JPG‎ | thumb | right | '''Εικόνα 1'''
Αποτέλεσμα ταξινόμησης σε εικόνα TM του 1985]]
[[Εικόνα: Remote sensing_image2.JPG‎ | thumb | right | '''Εικόνα 2'''
Αλλαγές χρήσεων γης στην μητροπολιτική περιοχή του Φοίνιξ την περίοδο 1973-2003]]
[[Εικόνα: Remote sensing_image3.JPG‎ | thumb | right | '''Διάγραμμα 1'''
Ανάπτυξη αστικών χρήσεων (σε μ2) με βάση την απόσταση από το κέντρο της πόλης του Φοίνιξ το 1973]]
[[Εικόνα: Remote sensing_image4.JPG‎ | thumb | right | '''Διάγραμμα 2'''
Καμπύλες ανάπτυξης αστικών χρήσεων των έξι περιόδων]]

'''Πρωτότυπος Τίτλος''': Remote sensing for the monitoring of urban growth patterns

'''Συγγραφέας''': Moeller M. S.

'''Εισαγωγή'''

Οι αστικές περιοχές είναι από τις πλέον δυναμικές πάνω στην γη καθώς το μέγεθος του αυξάνεται σημαντικά με την πάροδο των ετών. Για την παρακολούθηση και την κατανόηση του φαινομένου αυτού, σημαντικό κεφάλαιο αποτελούν οι δορυφορικές εικόνες και η χρήση της τηλεπισκόπησης. Αν αναλογιστεί κανείς ότι σε πολλές περιπτώσεις η τηλεπισκόπηση είναι και ο μοναδικός τρόπος εντοπισμού των μεταβολών λόγω της μεγάλης έκτασης των πόλεων, γίνεται ακόμη καλύτερα αντιληπτό η προσφορά της επιστήμης αυτής.

Σημαντικό στοιχείο αποτελεί το γεγονός ότι μέσω της τηλεπισκόπησης δύναται να συγκριθούν και μελετηθούν διαχρονικά στοιχεία, να προστεθεί πληροφορία και από άλλες πηγές αλλά και να υπάρξει ενημέρωση της κατάστασης με εικόνες που συλλέγονται ανά τακτά χρονικά διαστήματα.

'''Χωρική ανάλυση και κλίμακα εφαρμογής'''

Η χωρική ανάλυση των εικόνων είναι μία από τις σημαντικότερες παραμέτρους στην αξιοποίηση των δεδομένων για την αστική επέκταση. Από την μία πλευρά γίνεται προσπάθεια εύρεσης εικόνων μεγαλύτερης χωρικής ανάλυσης ώστε να δίνουν μία καλύτερη αντίληψη του φαινομένου από την άλλη όμως, πολύ μεγάλης χωρικής ανάλυσης εικόνες δύναται να οδηγήσουν σε προβλήματα στην ταξινόμηση βάσει των λογαρίθμων στα δεδομένα της εικόνας. Για την απλοποίηση της διαδικασίας επιλογής των εικόνων λοιπόν, είναι αποδεκτό ότι για φαινόμενα όπως η αστική διάχυση μία κλίμακα από 1:25.000 μέχρι 1:50.000 είναι επαρκής. Αυτή η κλίμακα μπορεί να επιτευχθεί από αισθητήρες οι οποίοι παρέχουν χωρική ανάλυση από 4 μέχρι 50 μέτρα όπως φαίνεται και στον Πίνακα 1.

Η παρακολούθηση της αστικής επέκτασης είναι μία απαιτητική διαδικασία καθώς προϋποθέτει δέκτες που να μπορούν να ξεχωρίσουν μία σειρά από υλικά. Οι τεχνητές αστικές επιφάνειες μπορεί να αποτελούνται από σκυρόδεμα, άσφαλτο, ξύλο, μέταλλα αλλά ακόμη και από βλάστηση στην περίπτωση των φυτεμένων δωμάτων. Αν λοιπόν διαφορετικά υλικά αποτυπώνονται σε ένα pixel είναι δύσκολη η αντίληψη της κατάστασης. Για τον λόγο αυτό απαιτούνται υπερφασματικοί σαρωτές με μεγάλο αριθμό συχνοτήτων, καθεμία εκ των οποίων να έχει μικρό εύρος, της τάξης των 10nm. Τέτοια συστήματα τηλεπισκόπησης όμως είναι περιορισμένα και κυρίως σε πειραματικό στάδιο. Αισθητήρες που ανήκουν σε αυτή την κατηγορία είναι ο Hyperion, ο Aviris, ο CHRIS και ο ASTER.

Άλλο ένα σημείο προβληματισμού είναι η συχνότητα παροχής των στοιχείων (temporal resolution) καθώς οι αστικές περιοχές πρέπει να ελέγχονται ανά σύντομα χρονικά διαστήματα λόγω της γρήγορης μεταβολής τους, όπως έχει προαναφερθεί. Μία ικανοποιητική λύση στο ζήτημα αυτό προσφέρουν οι δορυφόροι Landsat και ASTER που μπορούν να παρέχουν δεδομένα ανά 16 μέρες.

Ο δορυφόρος Landsat είναι γενικά αποδεκτό ότι μπορεί να χρησιμοποιηθεί σε τέτοιου είδους πολεοδομικά θέματα καθώς εκτός των άλλων δίνει ένα ικανοποιητικό αποτέλεσμα ενώ ταυτόχρονα προσφέρει την δυνατότητα διερεύνησης εικόνων από το 1972. Έτσι, υπάρχει η δυνατότητα εντοπισμού μακροχρόνιων μεταβολών στις χρήσεις και καλύψεις γης. Σημαντικό πλεονέκτημα επίσης αποτελεί και το γεγονός ότι οι περισσότερες εικόνες του Landsat μπορούν να αποκτηθούν με μικρό κόστος ή ακόμη και δωρεάν από το διαδίκτυο.

'''Εφαρμογή παρακολούθησης της αστικής επέκτασης μέσω τηλεπισκόπησης στην μητροπολιτική περιοχή του Φοίνιξ'''

Για την παρακολούθηση της αστικής επέκτασης στην περιοχή του Φοίνιξ χρησιμοποιήθηκαν επτά δορυφορικές εικόνες που ελήφθησαν από το 1973 έως το 2003. Όλες οι εικόνες ελήφθησαν την περίοδο της άνοιξης, με μικρή νεφοκάλυψη ενώ στην συνέχεια διορθώθηκαν και γεωκωδικοποιήθηκαν.

Στην συγκεκριμένη περίπτωση επειδή χρησιμοποιήθηκαν εικόνες από διαφορετικούς αισθητήρες και επομένως υπήρχε διαφορετική διακριτική ικανότητα η ανίχνευση των μεταβολών μέσω συγκεκριμένων μεθόδων ήταν δύσκολη. Για να ταξινομηθούν λοιπόν με ακρίβεια οι εικόνες χρησιμοποιήθηκε μία εξελιγμένη αντικειμενοστραφής προσέγγιση ανάλυσης εικόνας. Τελικά προέκυψαν 10 κατηγορίες που θα μπορούσαν να διαχωριστούν σαφώς, αυτές που φαίνονται στο υπόμνημα.

Για την ανάλυση των αλλαγών χρήσεις δημιουργήθηκε ένας κάναβος με κελιά 500Χ500 m. Ο βασικός διαχωρισμός τελικά έγινε ανάμεσα σε τρείς βασικές κατηγορίες χρήσεων: τις καλλιεργήσιμες εκτάσεις, τις αστικές χρήσεις και την φυσική βλάστηση. Σε επόμενο επίπεδο υπολογίστηκαν οι αλλαγές των χρήσεων από φυσική βλάστηση ή καλλιεργήσιμες εκτάσεις σε αστικές χρήσεις για κάθε μια από τις έξι περιόδους.

Στην Εικόνα 2 φαίνονται οι αλλαγές σε διάστημα τριάντα ετών (από το 1973-2003). Πιο συγκεκριμένα με χρώμα πράσινο αποτυπώνονται οι γεωργικές χρήσεις, με μπεζ απόχρωση είναι οι εκτάσεις φυσικής βλάστησης και με ροζ οι αστικές χρήσεις που υπήρχαν από το 1973. Αυτό που έχει ενδιαφέρον είναι οι εκτάσεις με κόκκινο όπου οι χρήσεις από φυσική βλάστηση ή γεωργικές εκμεταλλεύσεις έδωσαν την θέση τους σε αστικές χρήσεις. Όλες αυτές οι εκτάσεις λοιπόν αποτελούν την αστική επέκταση της πόλης σε διάστημα 30 ετών.

Το Διάγραμμα 1 μας δίνει μία εικόνα για την αστική επέκταση σε σχέση με το κέντρο της πόλης το 1973. Είναι προφανές ότι οι περιοχές που απέχουν περισσότερο από το κέντρο του 1973 ανοικοδομήθηκαν σταδιακά και σε μεταγενέστερο χρόνο. Αυτό το διάγραμμα μας δίνει μία αίσθηση για τον χρόνο επέκτασης της πόλης σε κάθε περιμετρική περιοχή. Έτσι την περίοδο 1973-1979 η ανάπτυξη έλαβε χώρα κυρίως σε περιοχές 15 και 20 χιλιομέτρων μακριά από το κέντρο καθώς ο αστικός πυρήνας είχε ήδη κορεστεί ενώ την τελευταία περίοδο (2000-2003) βλέπουμε ανάπτυξη στο σύνολο των ζωνών από 15 έως 40 χιλιόμετρα. Σημαντική είναι και η διαπίστωση ότι πέρα των 45 χιλιομέτρων δεν καταγράφεται ιδιαίτερη ανοικοδόμηση της πόλης.

Το Διάγραμμα 2 μας δίνει τα ίδια στοιχεία αλλά με άλλον τρόπο παρουσίασης. Σε αυτό λοιπόν, βλέπουμε πιο καθαρά ότι για κάθε μεταγενέστερη περίοδο η οικοδομική δραστηριότητα συγκεντρώνονταν κατά βάση σε μία περιοχή μακρύτερα από το κέντρο της πόλης του 1973.

'''Συμπεράσματα'''

Η ανάλυση διαχρονικών τηλεπισκοπικών δεδομένων αποτελεί έναν αξιόπιστο, οικονομικό και σχετικά εύκολο τρόπο παρατήρησης ενός σύνθετου φαινομένου όπως η αστική επέκταση και διάχυση. Αυτό που πρέπει να βελτιωθεί είναι οι τεχνικές και οι μέθοδοι ανάλυσης των εικόνων μέσα από την υπάρχουσα εμπειρία των εφαρμογών στο συγκεκριμένο πεδίο. Στην βελτίωση των αποτελεσμάτων θα συνεισφέρει η έρευνα διαφορετικών αστικών περιοχών πάνω στο συγκεκριμένο ζήτημα.

Πηγή: http://www.isprs.org/proceedings/XXXVI/8-W27/moeller.pdf

[[category:Ανίχνευση μεταβολών αστικής γης]]

Εντοπισμός Πετρελαιοκηλίδων από ανθρώπινη δραστηριότητα

2015-03-28T14:14:08Z

Manolis rallias:

[[Εικόνα: Image1.JPG‎ ‎ | thumb | right | '''Εικόνα 1'''
Περιοχή της Βαλτικής Θάλασσας με το γερμανικό νησί της Fehmarn (στο κέντρο) και ο Δανικό νησί της Lolland (στο άνω τμήμα και δεξί τμήμα). Η θαλάσσια περιοχή εν μέρει καλύπτεται από βιογενείς κηλίδες που είναι άφθονα σε αυτή την εποχή του έτους. Η εικόνα είναι ERS-2 SAR]]

[[Εικόνα: Image2.JPG ‎ | thumb | right | '''Εικόνα 2'''
Διαδρομή πλοίου προς βορρά. Με άσπρο σημείο φαίνεται το πλοίο ενώ με μαύρη γραμμή το πετρέλαιο που διαρρέει. Το ίχνος του πετρελαίου ανάλογα με τον χρόνο διευρύνεται όπως βλέπουμε στο νότιο τμήμα. Η εικόνα είναι ERS-1 SAR και αφορά περιοχή πάνω από τον Ειρηνικό Ωκεανό.]]

[[Εικόνα: Remote3.JPG‎ ‎ | thumb | right | '''Εικόνα 3'''
Ρύπανση με πετρελαιοειδή ανοικτά της ανατολικής ακτής της Μαλαισίας, σε πολυσύχναστη ναυτιλιακή πορεία. Ο άνεμος φυσούσε με ανατολική κατεύθυνση προκαλώντας αντίστοιχη διαφοροποίηση στο σχήμα των πετρελαιοκηλίδων. Εικόνα ERS-2 SAR]]

'''Πρωτότυπος Τίτλος''': Remote Sensing of oil spills

'''Συγγραφέας''': Warner Alpers

'''Εισαγωγή'''

Μία διαφορετική διάσταση του εντοπισμού πετρελαιοκηλίδων είναι οι διαρροές από τα πλοία. Οι διαρροές πετρελαιοειδών από τις ανθρώπινες δραστηριότητες στην θάλασσα συγκαταλέγονται ως ένα από τα μεγαλύτερα περιβαλλοντικά προβλήματα του πλανήτη. Αυτός είναι και ο λόγος που οι εθνικές κυβερνήσεις αλλά και διεθνείς οργανισμοί έχουν δημιουργήσει συγκεκριμένο νομικό πλαίσιο για την προστασία από το φαινόμενο αυτό. Χαρακτηριστικότερο τέτοιο μέτρο αντιμετώπισης της ρύπανσης από πετρελαιοειδή είναι η διεθνής Σύμβαση MARPOL 73/78 που ορίζει συγκεκριμένες απαιτήσεις για τις απορρίψεις πλοίων, με μέγιστα όρια των ποσοτήτων και υπό συγκεκριμένες αποστάσεις από τις ακτές. Ακόμη ορίζει μία σειρά από ειδικές περιοχές (π.χ. Μεσόγειος θάλασσα, Βαλτική κλπ) όπου οι απορρίψεις απαγορεύονται σχεδόν εντελώς.

Το ερώτημα που προκύπτει βέβαια είναι πως μπορεί να ελέγχει η κατάσταση αλλά και να εντοπιστούν γρήγορα πιθανές απορρίψεις πετρελαιοειδών στην θάλασσα. Απάντηση στο ερώτημα αυτό δίνει η τηλεπισκόπηση. Εικόνες ραντάρ από τους ευρωπαϊκούς δορυφόρους (ERS-1 και ERS-2) έχουν χρησιμοποιηθεί σε πολλές περιπτώσεις και έχουν προσφέρει πολύτιμα στοιχεία. Οι δορυφορικές εικόνες βέβαια συχνά αποτυγχάνουν να εντοπίσουν σημεία ρύπανσης από πετρέλαιο λόγω των μεγάλων χρονικών διαστημάτων που παρεμβάλλεται μεταξύ των λήψεων αλλά και του γεγονότος ότι η στιγμή λήψης συχνά είναι γνωστή σε εκείνους που ρυπαίνουν. Για τους λόγους αυτούς συχνά οι χώρες χρησιμοποιούν αεροπλάνα εποπτείας.

Σημαντικό σημείο διερεύνησης για την κατανόηση του ζητήματος είναι η πηγή των πετρελαιοειδών που καταλήγουν στην θάλασσα. Αυτά συνήθως προέρχονται από έκπλυση δεξαμενών καυσίμων πλοίων, από ατυχήματα σε πλοία και εξέδρες άντλησης πετρελαίου αλλά και από τις εργασίες συντήρησης των μηχανών πλοίων.

Για τον εντοπισμό πετρελαιοκηλίδων που προκύπτουν από πηγές που προαναφέραμε η τηλεπισκόπηση χρησιμοποιεί συχνά τεχνικές που σχετίζονται με το σχήμα της ρύπανσης. Είναι γνωστό ότι η ρύπανση που προκαλείται από πλοία θα έχει γραμμική μορφή υπό συνθήκες νηνεμίας της θάλασσας, πράγμα που κάνει εύκολο τον εντοπισμό τους από εικόνες ραντάρ και αυτόματες τεχνικές ανίχνευσης. Είναι προφανές βεβαία ότι εφόσον το πλοίο πραγματοποιεί ελιγμούς ή υπάρχουν επιφανειακά θαλάσσια ρεύματα ο εντοπισμός με αυτήν την τεχνική μπορεί να μην επιφέρει τα αναμενόμενα αποτελέσματα. Στην περίπτωση που πετρελαιοειδή απορρίπτονται πλευρικά ενός σκάφους τότε αυτά σχηματίζουν αρχικά ένα μονοπάτι σε σχήμα V, ενώ στο τέλος της απόρριψης αυτό μετασχηματίζεται σε ένα επιμηκές παραλληλόγραμμο. Δεδομένου βέβαια ότι με το χρόνο μέρος των διαλυτών που περιλαμβάνει το πετρέλαιο εξατμίζονται, ο αέρας, ο ήλιος και ο κυματισμός διαχωρίζει το πετρέλαιο και το απλώνει η ανίχνευση του μέσω της τηλεπισκόπησης είναι δυσκολότερη ή και αδύνατη με το πέρασμα του χρόνου.

'''Εικόνες ραντάρ'''

Τα ραντάρ εντοπίζουν το πετρέλαιο στην επιφάνεια της θάλασσας γιατί αυτό προκαλεί απόσβεση των κυμάτων (oil floating on the sea surface damp the short gravity-capillary waves). Εξαιτίας όμως ακριβώς αυτού του τρόπου εντοπισμού των πετρελαιοκηλίδων από τα ραντάρ προκύπτουν και μία σειρά από προβλήματα. Υπάρχουν και μία σειρά άλλων πιθανών περιπτώσεων που οδηγούν στο ίδιο αποτέλεσμα και εμφανίζουν περιοχές ως δυνητικά ρυπασμένες με πετρέλαιο. Για παράδειγμα επιφανειακές ουσίες φυσικής προέλευσης που ονομάζονται βιογενείς κηλίδες (biogenic slicks) μπορεί αντίστοιχα να δώσουν σκοτεινά σχήματα στις εικόνες που παραπέμπουν σε πετρελαιοκηλίδες. Άλλη περίπτωση που προκαλεί σύγχυση είναι η ύπαρξη τύρβης που δημιουργείται από την προπέλα κάποιου πλοίου ή από μείωση της ταχύτητας του ανέμου π.χ. πίσω από νησιά. Σε αυτές τις περιπτώσεις για την ερμηνεία πιθανής ύπαρξης πετρελαίου θα πρέπει να συνεκτιμώνται και παράγοντες όπως το σχήμα των εμφανιζόμενων μαύρων σχημάτων και να ενσωματώνονται στοιχεία από την γνώση για την περιοχή της εικόνας.

Για παράδειγμα για την ερμηνεία της Εικόνας … θα πρέπει υποχρεωτικά να γνωρίζουμε ότι το συγκεκριμένο χρονικό διάστημα που ελήφθει η εικόνα το πλακτόν αναπτύσσεται γρήγορα στην Βαλτική θάλασσα και ως εκ τούτου το αποτέλεσμα οφείλεται αποκλειστικά σε φυσικούς παράγοντες και όχι στην ύπαρξη κάποιας πιθανής διαρροής πετρελαίου.

Στην Γερμανία το αερομεταφερόμενο σύστημα επιτήρησης που υπάρχει μέσω οργάνων τηλεπισκόπησης ανιχνεύουν πετρελαιοκηλίδες καταγράφοντας την θέση και το μέγεθος τους, μετρούν το πάχος του στρώματος πετρελαίου και υπολογίζουν τον όγκο του υγρού που διέρρευσε, εντοπίζουν το υπαίτιο σημείο διαρροής και τέλος συντονίζουν και υποστηρίζουν εργασίες αποκατάστασης της ρύπανσης. Είναι φανερό δηλαδή ότι οι τεχνικές τηλεπισκόπησης χρησιμοποιούνται σε όλο το φάσμα ενεργειών, από τον εντοπισμό της ρύπανσης μέχρι την αποκατάσταση του περιβάλλοντος στην προηγούμενη κατάσταση.

Πηγή: http://www.ifm.zmaw.de/fileadmin/files/images/Staff/Werner_Alpers/PDF_ALPERS/saudi_arabia.pdf

[[category:Περιβαλλοντικές Επιπτώσεις]]

Ραλλιάς Μανώλης

2015-03-28T14:06:30Z

Manolis rallias:

* [[Εφαρμογές της τηλεπισκόπησης στην αρχαιολογική έρευνα της βόρειας λιμνοθάλασσας της Βενετίας: Η περίπτωση του χαμένου οικισμού Constanciacus]]
* [[Ανίχνευση των αλλαγών στην δασική εδαφοκάλυψη μετά από πυρκαγιές στην Πορτογαλία]]
* [[Εντοπισμός Πετρελαιοκηλίδων από ανθρώπινη δραστηριότητα]]
* [[Εντοπισμός πετρελαιοκηλίδων και διαρροών αγωγών με χρήση τηλεπισκόπησης]]
* [[Ανίχνευση πετρελαιοπηγών στους ωκεανούς με την χρήση τηλεπισκόπησης]]
* [[Αλλαγές στον αστικό ιστό της Κωνσταντινούπολης]]
* [[Σύγκριση μοντέλων πρόβλεψης αστικής εξάπλωσης σε μεσαίου μεγέθους ελληνική πόλη]]
* [[Ανίχνευση και πρόβλεψη διαχρονικών αλλαγών κάλυψης γης στο νομό Μαγνησίας]]
* [[Εφαρμογή της τηλεπισκόπησης για την παρακολούθηση της αστικής επέκτασης]]
* [[Ανίχνευση της αστικής επέκτασης χρησιμοποιώντας Τηλεπισκοπικά δεδομένα και την μέθοδο Sub-Pixel Imperviousness ]]

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

Εφαρμογή της τηλεπισκόπησης για την παρακολούθηση της αστικής επέκτασης

2015-03-28T14:05:07Z

Manolis rallias:

[[Εικόνα: Remote sensing_table1.JPG‎ | thumb | right | '''Πίνακας 1'''
Κλίμακες για διάφορες εικόνες τηλεπισκόπησης]]
[[Εικόνα: Remote sensing_table2.JPG‎ | thumb | right | '''Πίνακας 2'''
Δορυφορικές εικόνες που χρησιμοποιήθηκαν στην περίπτωση της πόλης του Φοίνιξ]]
[[Εικόνα: Remote sensing_ypomnima.JPG‎ | thumb | right | '''Υπόμνημα''']]
[[Εικόνα: Remote sensing_image1.JPG‎ | thumb | right | '''Εικόνα 1'''
Αποτέλεσμα ταξινόμησης σε εικόνα TM του 1985]]
[[Εικόνα: Remote sensing_image2.JPG‎ | thumb | right | '''Εικόνα 2'''
Αλλαγές χρήσεων γης στην μητροπολιτική περιοχή του Φοίνιξ την περίοδο 1973-2003]]
[[Εικόνα: Remote sensing_image3.JPG‎ | thumb | right | '''Διάγραμμα 1'''
Ανάπτυξη αστικών χρήσεων (σε μ2) με βάση την απόσταση από το κέντρο της πόλης του Φοίνιξ το 1973]]
[[Εικόνα: Remote sensing_image4.JPG‎ | thumb | right | '''Διάγραμμα 2'''
Καμπύλες ανάπτυξης αστικών χρήσεων των έξι περιόδων]]

'''Πρωτότυπος Τίτλος''': Remote sensing for the monitoring of urban growth patterns

'''Συγγραφείς''': Moeller M. S.

'''Εισαγωγή'''

Οι αστικές περιοχές είναι από τις πλέον δυναμικές πάνω στην γη καθώς το μέγεθος του αυξάνεται σημαντικά με την πάροδο των ετών. Για την παρακολούθηση και την κατανόηση του φαινομένου αυτού, σημαντικό κεφάλαιο αποτελούν οι δορυφορικές εικόνες και η χρήση της τηλεπισκόπησης. Αν αναλογιστεί κανείς ότι σε πολλές περιπτώσεις η τηλεπισκόπηση είναι και ο μοναδικός τρόπος εντοπισμού των μεταβολών λόγω της μεγάλης έκτασης των πόλεων, γίνεται ακόμη καλύτερα αντιληπτό η προσφορά της επιστήμης αυτής.

Σημαντικό στοιχείο αποτελεί το γεγονός ότι μέσω της τηλεπισκόπησης δύναται να συγκριθούν και μελετηθούν διαχρονικά στοιχεία, να προστεθεί πληροφορία και από άλλες πηγές αλλά και να υπάρξει ενημέρωση της κατάστασης με εικόνες που συλλέγονται ανά τακτά χρονικά διαστήματα.

'''Χωρική ανάλυση και κλίμακα εφαρμογής'''

Η χωρική ανάλυση των εικόνων είναι μία από τις σημαντικότερες παραμέτρους στην αξιοποίηση των δεδομένων για την αστική επέκταση. Από την μία πλευρά γίνεται προσπάθεια εύρεσης εικόνων μεγαλύτερης χωρικής ανάλυσης ώστε να δίνουν μία καλύτερη αντίληψη του φαινομένου από την άλλη όμως, πολύ μεγάλης χωρικής ανάλυσης εικόνες δύναται να οδηγήσουν σε προβλήματα στην ταξινόμηση βάσει των λογαρίθμων στα δεδομένα της εικόνας. Για την απλοποίηση της διαδικασίας επιλογής των εικόνων λοιπόν, είναι αποδεκτό ότι για φαινόμενα όπως η αστική διάχυση μία κλίμακα από 1:25.000 μέχρι 1:50.000 είναι επαρκής. Αυτή η κλίμακα μπορεί να επιτευχθεί από αισθητήρες οι οποίοι παρέχουν χωρική ανάλυση από 4 μέχρι 50 μέτρα όπως φαίνεται και στον Πίνακα 1.

Η παρακολούθηση της αστικής επέκτασης είναι μία απαιτητική διαδικασία καθώς προϋποθέτει δέκτες που να μπορούν να ξεχωρίσουν μία σειρά από υλικά. Οι τεχνητές αστικές επιφάνειες μπορεί να αποτελούνται από σκυρόδεμα, άσφαλτο, ξύλο, μέταλλα αλλά ακόμη και από βλάστηση στην περίπτωση των φυτεμένων δωμάτων. Αν λοιπόν διαφορετικά υλικά αποτυπώνονται σε ένα pixel είναι δύσκολη η αντίληψη της κατάστασης. Για τον λόγο αυτό απαιτούνται υπερφασματικοί σαρωτές με μεγάλο αριθμό συχνοτήτων, καθεμία εκ των οποίων να έχει μικρό εύρος, της τάξης των 10nm. Τέτοια συστήματα τηλεπισκόπησης όμως είναι περιορισμένα και κυρίως σε πειραματικό στάδιο. Αισθητήρες που ανήκουν σε αυτή την κατηγορία είναι ο Hyperion, ο Aviris, ο CHRIS και ο ASTER.

Άλλο ένα σημείο προβληματισμού είναι η συχνότητα παροχής των στοιχείων (temporal resolution) καθώς οι αστικές περιοχές πρέπει να ελέγχονται ανά σύντομα χρονικά διαστήματα λόγω της γρήγορης μεταβολής τους, όπως έχει προαναφερθεί. Μία ικανοποιητική λύση στο ζήτημα αυτό προσφέρουν οι δορυφόροι Landsat και ASTER που μπορούν να παρέχουν δεδομένα ανά 16 μέρες.

Ο δορυφόρος Landsat είναι γενικά αποδεκτό ότι μπορεί να χρησιμοποιηθεί σε τέτοιου είδους πολεοδομικά θέματα καθώς εκτός των άλλων δίνει ένα ικανοποιητικό αποτέλεσμα ενώ ταυτόχρονα προσφέρει την δυνατότητα διερεύνησης εικόνων από το 1972. Έτσι, υπάρχει η δυνατότητα εντοπισμού μακροχρόνιων μεταβολών στις χρήσεις και καλύψεις γης. Σημαντικό πλεονέκτημα επίσης αποτελεί και το γεγονός ότι οι περισσότερες εικόνες του Landsat μπορούν να αποκτηθούν με μικρό κόστος ή ακόμη και δωρεάν από το διαδίκτυο.

'''Εφαρμογή παρακολούθησης της αστικής επέκτασης μέσω τηλεπισκόπησης στην μητροπολιτική περιοχή του Φοίνιξ'''

Για την παρακολούθηση της αστικής επέκτασης στην περιοχή του Φοίνιξ χρησιμοποιήθηκαν επτά δορυφορικές εικόνες που ελήφθησαν από το 1973 έως το 2003. Όλες οι εικόνες ελήφθησαν την περίοδο της άνοιξης, με μικρή νεφοκάλυψη ενώ στην συνέχεια διορθώθηκαν και γεωκωδικοποιήθηκαν.

Στην συγκεκριμένη περίπτωση επειδή χρησιμοποιήθηκαν εικόνες από διαφορετικούς αισθητήρες και επομένως υπήρχε διαφορετική διακριτική ικανότητα η ανίχνευση των μεταβολών μέσω συγκεκριμένων μεθόδων ήταν δύσκολη. Για να ταξινομηθούν λοιπόν με ακρίβεια οι εικόνες χρησιμοποιήθηκε μία εξελιγμένη αντικειμενοστραφής προσέγγιση ανάλυσης εικόνας. Τελικά προέκυψαν 10 κατηγορίες που θα μπορούσαν να διαχωριστούν σαφώς, αυτές που φαίνονται στο υπόμνημα.

Για την ανάλυση των αλλαγών χρήσεις δημιουργήθηκε ένας κάναβος με κελιά 500Χ500 m. Ο βασικός διαχωρισμός τελικά έγινε ανάμεσα σε τρείς βασικές κατηγορίες χρήσεων: τις καλλιεργήσιμες εκτάσεις, τις αστικές χρήσεις και την φυσική βλάστηση. Σε επόμενο επίπεδο υπολογίστηκαν οι αλλαγές των χρήσεων από φυσική βλάστηση ή καλλιεργήσιμες εκτάσεις σε αστικές χρήσεις για κάθε μια από τις έξι περιόδους.

Στην Εικόνα 2 φαίνονται οι αλλαγές σε διάστημα τριάντα ετών (από το 1973-2003). Πιο συγκεκριμένα με χρώμα πράσινο αποτυπώνονται οι γεωργικές χρήσεις, με μπεζ απόχρωση είναι οι εκτάσεις φυσικής βλάστησης και με ροζ οι αστικές χρήσεις που υπήρχαν από το 1973. Αυτό που έχει ενδιαφέρον είναι οι εκτάσεις με κόκκινο όπου οι χρήσεις από φυσική βλάστηση ή γεωργικές εκμεταλλεύσεις έδωσαν την θέση τους σε αστικές χρήσεις. Όλες αυτές οι εκτάσεις λοιπόν αποτελούν την αστική επέκταση της πόλης σε διάστημα 30 ετών.

Το Διάγραμμα 1 μας δίνει μία εικόνα για την αστική επέκταση σε σχέση με το κέντρο της πόλης το 1973. Είναι προφανές ότι οι περιοχές που απέχουν περισσότερο από το κέντρο του 1973 ανοικοδομήθηκαν σταδιακά και σε μεταγενέστερο χρόνο. Αυτό το διάγραμμα μας δίνει μία αίσθηση για τον χρόνο επέκτασης της πόλης σε κάθε περιμετρική περιοχή. Έτσι την περίοδο 1973-1979 η ανάπτυξη έλαβε χώρα κυρίως σε περιοχές 15 και 20 χιλιομέτρων μακριά από το κέντρο καθώς ο αστικός πυρήνας είχε ήδη κορεστεί ενώ την τελευταία περίοδο (2000-2003) βλέπουμε ανάπτυξη στο σύνολο των ζωνών από 15 έως 40 χιλιόμετρα. Σημαντική είναι και η διαπίστωση ότι πέρα των 45 χιλιομέτρων δεν καταγράφεται ιδιαίτερη ανοικοδόμηση της πόλης.

Το Διάγραμμα 2 μας δίνει τα ίδια στοιχεία αλλά με άλλον τρόπο παρουσίασης. Σε αυτό λοιπόν, βλέπουμε πιο καθαρά ότι για κάθε μεταγενέστερη περίοδο η οικοδομική δραστηριότητα συγκεντρώνονταν κατά βάση σε μία περιοχή μακρύτερα από το κέντρο της πόλης του 1973.

'''Συμπεράσματα'''

Η ανάλυση διαχρονικών τηλεπισκοπικών δεδομένων αποτελεί έναν αξιόπιστο, οικονομικό και σχετικά εύκολο τρόπο παρατήρησης ενός σύνθετου φαινομένου όπως η αστική επέκταση και διάχυση. Αυτό που πρέπει να βελτιωθεί είναι οι τεχνικές και οι μέθοδοι ανάλυσης των εικόνων μέσα από την υπάρχουσα εμπειρία των εφαρμογών στο συγκεκριμένο πεδίο. Στην βελτίωση των αποτελεσμάτων θα συνεισφέρει η έρευνα διαφορετικών αστικών περιοχών πάνω στο συγκεκριμένο ζήτημα.

Πηγή: http://www.isprs.org/proceedings/XXXVI/8-W27/moeller.pdf

[[category:Ανίχνευση μεταβολών αστικής γης]]

Εφαρμογή της τηλεπισκόπησης για την παρακολούθηση της αστικής επέκτασης

2015-03-28T14:04:26Z

Manolis rallias:

[[Εικόνα: Remote sensing_table1.JPG‎ | thumb | right | '''Πίνακας 1'''
Κλίμακες για διάφορες εικόνες τηλεπισκόπησης]]
[[Εικόνα: Remote sensing_table2.JPG‎ | thumb | right | '''Πίνακας 2'''
Δορυφορικές εικόνες που χρησιμοποιήθηκαν στην περίπτωση της πόλης του Φοίνιξ]]
[[Εικόνα: Remote sensing_ypomnima.JPG‎ | thumb | right | '''Υπόμνημα''']]
[[Εικόνα: Remote sensing_image1.JPG‎ | thumb | right | '''Εικόνα 1'''
Αποτέλεσμα ταξινόμησης σε εικόνα TM του 1985]]
[[Εικόνα: Remote sensing_image2.JPG‎ | thumb | right | '''Εικόνα 2'''
Αλλαγές χρήσεων γης στην μητροπολιτική περιοχή του Φοίνιξ την περίοδο 1973-2003]]
[[Εικόνα: Remote sensing_image3.JPG‎ | thumb | right | '''Διάγραμμα 1'''
Ανάπτυξη αστικών χρήσεων (σε μ2) με βάση την απόσταση από το κέντρο της πόλης του Φοίνιξ το 1973]]
[[Εικόνα: Remote sensing_image4.JPG‎ | thumb | right | '''Διάγραμμα 2'''
Καμπύλες ανάπτυξης αστικών χρήσεων των έξι περιόδων]]

'''Πρωτότυπος Τίτλος''': Remote sensing for the monitoring of urban growth patterns

'''Συγγραφείς''': Moeller M. S.

'''Εισαγωγή'''

Οι αστικές περιοχές είναι από τις πλέον δυναμικές πάνω στην γη καθώς το μέγεθος του αυξάνεται σημαντικά με την πάροδο των ετών. Για την παρακολούθηση και την κατανόηση του φαινομένου αυτού, σημαντικό κεφάλαιο αποτελούν οι δορυφορικές εικόνες και η χρήση της τηλεπισκόπησης. Αν αναλογιστεί κανείς ότι σε πολλές περιπτώσεις η τηλεπισκόπηση είναι και ο μοναδικός τρόπος εντοπισμού των μεταβολών λόγω της μεγάλης έκτασης των πόλεων, γίνεται ακόμη καλύτερα αντιληπτό η προσφορά της επιστήμης αυτής.

Σημαντικό στοιχείο αποτελεί το γεγονός ότι μέσω της τηλεπισκόπησης δύναται να συγκριθούν και μελετηθούν διαχρονικά στοιχεία, να προστεθεί πληροφορία και από άλλες πηγές αλλά και να υπάρξει ενημέρωση της κατάστασης με εικόνες που συλλέγονται ανά τακτά χρονικά διαστήματα.

'''Χωρική ανάλυση και κλίμακα εφαρμογής'''

Η χωρική ανάλυση των εικόνων είναι μία από τις σημαντικότερες παραμέτρους στην αξιοποίηση των δεδομένων για την αστική επέκταση. Από την μία πλευρά γίνεται προσπάθεια εύρεσης εικόνων μεγαλύτερης χωρικής ανάλυσης ώστε να δίνουν μία καλύτερη αντίληψη του φαινομένου από την άλλη όμως, πολύ μεγάλης χωρικής ανάλυσης εικόνες δύναται να οδηγήσουν σε προβλήματα στην ταξινόμηση βάσει των λογαρίθμων στα δεδομένα της εικόνας. Για την απλοποίηση της διαδικασίας επιλογής των εικόνων λοιπόν, είναι αποδεκτό ότι για φαινόμενα όπως η αστική διάχυση μία κλίμακα από 1:25.000 μέχρι 1:50.000 είναι επαρκής. Αυτή η κλίμακα μπορεί να επιτευχθεί από αισθητήρες οι οποίοι παρέχουν χωρική ανάλυση από 4 μέχρι 50 μέτρα όπως φαίνεται και στον Πίνακα 1.

Η παρακολούθηση της αστικής επέκτασης είναι μία απαιτητική διαδικασία καθώς προϋποθέτει δέκτες που να μπορούν να ξεχωρίσουν μία σειρά από υλικά. Οι τεχνητές αστικές επιφάνειες μπορεί να αποτελούνται από σκυρόδεμα, άσφαλτο, ξύλο, μέταλλα αλλά ακόμη και από βλάστηση στην περίπτωση των φυτεμένων δωμάτων. Αν λοιπόν διαφορετικά υλικά αποτυπώνονται σε ένα pixel είναι δύσκολη η αντίληψη της κατάστασης. Για τον λόγο αυτό απαιτούνται υπερφασματικοί σαρωτές με μεγάλο αριθμό συχνοτήτων, καθεμία εκ των οποίων να έχει μικρό εύρος, της τάξης των 10nm. Τέτοια συστήματα τηλεπισκόπησης όμως είναι περιορισμένα και κυρίως σε πειραματικό στάδιο. Αισθητήρες που ανήκουν σε αυτή την κατηγορία είναι ο Hyperion, ο Aviris, ο CHRIS και ο ASTER.

Άλλο ένα σημείο προβληματισμού είναι η συχνότητα παροχής των στοιχείων (temporal resolution) καθώς οι αστικές περιοχές πρέπει να ελέγχονται ανά σύντομα χρονικά διαστήματα λόγω της γρήγορης μεταβολής τους, όπως έχει προαναφερθεί. Μία ικανοποιητική λύση στο ζήτημα αυτό προσφέρουν οι δορυφόροι Landsat και ASTER που μπορούν να παρέχουν δεδομένα ανά 16 μέρες.

Ο δορυφόρος Landsat είναι γενικά αποδεκτό ότι μπορεί να χρησιμοποιηθεί σε τέτοιου είδους πολεοδομικά θέματα καθώς εκτός των άλλων δίνει ένα ικανοποιητικό αποτέλεσμα ενώ ταυτόχρονα προσφέρει την δυνατότητα διερεύνησης εικόνων από το 1972. Έτσι, υπάρχει η δυνατότητα εντοπισμού μακροχρόνιων μεταβολών στις χρήσεις και καλύψεις γης. Σημαντικό πλεονέκτημα επίσης αποτελεί και το γεγονός ότι οι περισσότερες εικόνες του Landsat μπορούν να αποκτηθούν με μικρό κόστος ή ακόμη και δωρεάν από το διαδίκτυο.

'''Εφαρμογή παρακολούθησης της αστικής επέκτασης μέσω τηλεπισκόπησης στην μητροπολιτική περιοχή του Φοίνιξ'''

Για την παρακολούθηση της αστικής επέκτασης στην περιοχή του Φοίνιξ χρησιμοποιήθηκαν επτά δορυφορικές εικόνες που ελήφθησαν από το 1973 έως το 2003. Όλες οι εικόνες ελήφθησαν την περίοδο της άνοιξης, με μικρή νεφοκάλυψη ενώ στην συνέχεια διορθώθηκαν και γεωκωδικοποιήθηκαν.

Στην συγκεκριμένη περίπτωση επειδή χρησιμοποιήθηκαν εικόνες από διαφορετικούς αισθητήρες και επομένως υπήρχε διαφορετική διακριτική ικανότητα η ανίχνευση των μεταβολών μέσω συγκεκριμένων μεθόδων ήταν δύσκολη. Για να ταξινομηθούν λοιπόν με ακρίβεια οι εικόνες χρησιμοποιήθηκε μία εξελιγμένη αντικειμενοστραφής προσέγγιση ανάλυσης εικόνας. Τελικά προέκυψαν 10 κατηγορίες που θα μπορούσαν να διαχωριστούν σαφώς, αυτές που φαίνονται στο υπόμνημα.

Για την ανάλυση των αλλαγών χρήσεις δημιουργήθηκε ένας κάναβος με κελιά 500Χ500 m. Ο βασικός διαχωρισμός τελικά έγινε ανάμεσα σε τρείς βασικές κατηγορίες χρήσεων: τις καλλιεργήσιμες εκτάσεις, τις αστικές χρήσεις και την φυσική βλάστηση. Σε επόμενο επίπεδο υπολογίστηκαν οι αλλαγές των χρήσεων από φυσική βλάστηση ή καλλιεργήσιμες εκτάσεις σε αστικές χρήσεις για κάθε μια από τις έξι περιόδους.

Στην Εικόνα 2 φαίνονται οι αλλαγές σε διάστημα τριάντα ετών (από το 1973-2003). Πιο συγκεκριμένα με χρώμα πράσινο αποτυπώνονται οι γεωργικές χρήσεις, με μπεζ απόχρωση είναι οι εκτάσεις φυσικής βλάστησης και με ροζ οι αστικές χρήσεις που υπήρχαν από το 1973. Αυτό που έχει ενδιαφέρον είναι οι εκτάσεις με κόκκινο όπου οι χρήσεις από φυσική βλάστηση ή γεωργικές εκμεταλλεύσεις έδωσαν την θέση τους σε αστικές χρήσεις. Όλες αυτές οι εκτάσεις λοιπόν αποτελούν την αστική επέκταση της πόλης σε διάστημα 30 ετών.

Το Διάγραμμα 1 μας δίνει μία εικόνα για την αστική επέκταση σε σχέση με το κέντρο της πόλης το 1973. Είναι προφανές ότι οι περιοχές που απέχουν περισσότερο από το κέντρο του 1973 ανοικοδομήθηκαν σταδιακά και σε μεταγενέστερο χρόνο. Αυτό το διάγραμμα μας δίνει μία αίσθηση για τον χρόνο επέκτασης της πόλης σε κάθε περιμετρική περιοχή. Έτσι την περίοδο 1973-1979 η ανάπτυξη έλαβε χώρα κυρίως σε περιοχές 15 και 20 χιλιομέτρων μακριά από το κέντρο καθώς ο αστικός πυρήνας είχε ήδη κορεστεί ενώ την τελευταία περίοδο (2000-2003) βλέπουμε ανάπτυξη στο σύνολο των ζωνών από 15 έως 40 χιλιόμετρα. Σημαντική είναι και η διαπίστωση ότι πέρα των 45 χιλιομέτρων δεν καταγράφεται ιδιαίτερη ανοικοδόμηση της πόλης.

Το Διάγραμμα 2 μας δίνει τα ίδια στοιχεία αλλά με άλλον τρόπο παρουσίασης. Σε αυτό λοιπόν, βλέπουμε πιο καθαρά ότι για κάθε μεταγενέστερη περίοδο η οικοδομική δραστηριότητα συγκεντρώνονταν κατά βάση σε μία περιοχή μακρύτερα από το κέντρο της πόλης του 1973.

'''Συμπεράσματα'''

Η ανάλυση διαχρονικών τηλεπισκοπικών δεδομένων αποτελεί έναν αξιόπιστο, οικονομικό και σχετικά εύκολο τρόπο παρατήρησης ενός σύνθετου φαινομένου όπως η αστική επέκταση και διάχυση. Αυτό που πρέπει να βελτιωθεί είναι οι τεχνικές και οι μέθοδοι ανάλυσης των εικόνων μέσα από την υπάρχουσα εμπειρία των εφαρμογών στο συγκεκριμένο πεδίο. Στην βελτίωση των αποτελεσμάτων θα συνεισφέρει η έρευνα διαφορετικών αστικών περιοχών πάνω στο συγκεκριμένο ζήτημα.

Πηγή: http://www.isprs.org/proceedings/XXXVI/8-W27/moeller.pdf

[[category:Ανίχνευση μεταβολών αστικής γης]]

Εφαρμογή της τηλεπισκόπησης για την παρακολούθηση της αστικής επέκτασης

2015-03-28T14:04:10Z

Manolis rallias:

[[Εικόνα: Remote sensing_table1.JPG‎ | thumb | right | '''Πίνακας 1'''
Κλίμακες για διάφορες εικόνες τηλεπισκόπησης]]
[[Εικόνα: Remote sensing_table2.JPG‎ | thumb | right | '''Πίνακας 2'''
Δορυφορικές εικόνες που χρησιμοποιήθηκαν στην περίπτωση της πόλης του Φοίνιξ]]
[[Εικόνα: Remote sensing_ypomnima.JPG‎ | thumb | right | '''Υπόμνημα''']]
[[Εικόνα: Remote sensing_image1.JPG‎ | thumb | right | '''Εικόνα 1'''
Αποτέλεσμα ταξινόμησης σε εικόνα TM του 1985]]
[[Εικόνα: Remote sensing_image2.JPG‎ | thumb | right | '''Εικόνα 2'''
Αλλαγές χρήσεων γης στην μητροπολιτική περιοχή του Φοίνιξ την περίοδο 1973-2003]]
[[Εικόνα: Remote sensing_image3.JPG‎ | thumb | right | '''Διάγραμμα 1'''
Ανάπτυξη αστικών χρήσεων (σε μ2) με βάση την απόσταση από το κέντρο της πόλης του Φοίνιξ το 1973]]
[[Εικόνα: Remote sensing_image4.JPG‎ | thumb | right | '''Διάγραμμα 2'''
Καμπύλες ανάπτυξης αστικών χρήσεων των έξι περιόδων]]

'''Πρωτότυπος Τίτλος''': Remote sensing for the monitoring of urban growth patterns

'''Συγγραφείς''': Moeller M. S.

'''Εισαγωγή'''

Οι αστικές περιοχές είναι από τις πλέον δυναμικές πάνω στην γη καθώς το μέγεθος του αυξάνεται σημαντικά με την πάροδο των ετών. Για την παρακολούθηση και την κατανόηση του φαινομένου αυτού, σημαντικό κεφάλαιο αποτελούν οι δορυφορικές εικόνες και η χρήση της τηλεπισκόπησης. Αν αναλογιστεί κανείς ότι σε πολλές περιπτώσεις η τηλεπισκόπηση είναι και ο μοναδικός τρόπος εντοπισμού των μεταβολών λόγω της μεγάλης έκτασης των πόλεων, γίνεται ακόμη καλύτερα αντιληπτό η προσφορά της επιστήμης αυτής.

Σημαντικό στοιχείο αποτελεί το γεγονός ότι μέσω της τηλεπισκόπησης δύναται να συγκριθούν και μελετηθούν διαχρονικά στοιχεία, να προστεθεί πληροφορία και από άλλες πηγές αλλά και να υπάρξει ενημέρωση της κατάστασης με εικόνες που συλλέγονται ανά τακτά χρονικά διαστήματα.

'''Χωρική ανάλυση και κλίμακα εφαρμογής'''

Η χωρική ανάλυση των εικόνων είναι μία από τις σημαντικότερες παραμέτρους στην αξιοποίηση των δεδομένων για την αστική επέκταση. Από την μία πλευρά γίνεται προσπάθεια εύρεσης εικόνων μεγαλύτερης χωρικής ανάλυσης ώστε να δίνουν μία καλύτερη αντίληψη του φαινομένου από την άλλη όμως, πολύ μεγάλης χωρικής ανάλυσης εικόνες δύναται να οδηγήσουν σε προβλήματα στην ταξινόμηση βάσει των λογαρίθμων στα δεδομένα της εικόνας. Για την απλοποίηση της διαδικασίας επιλογής των εικόνων λοιπόν, είναι αποδεκτό ότι για φαινόμενα όπως η αστική διάχυση μία κλίμακα από 1:25.000 μέχρι 1:50.000 είναι επαρκής. Αυτή η κλίμακα μπορεί να επιτευχθεί από αισθητήρες οι οποίοι παρέχουν χωρική ανάλυση από 4 μέχρι 50 μέτρα όπως φαίνεται και στον Πίνακα 1.

Η παρακολούθηση της αστικής επέκτασης είναι μία απαιτητική διαδικασία καθώς προϋποθέτει δέκτες που να μπορούν να ξεχωρίσουν μία σειρά από υλικά. Οι τεχνητές αστικές επιφάνειες μπορεί να αποτελούνται από σκυρόδεμα, άσφαλτο, ξύλο, μέταλλα αλλά ακόμη και από βλάστηση στην περίπτωση των φυτεμένων δωμάτων. Αν λοιπόν διαφορετικά υλικά αποτυπώνονται σε ένα pixel είναι δύσκολη η αντίληψη της κατάστασης. Για τον λόγο αυτό απαιτούνται υπερφασματικοί σαρωτές με μεγάλο αριθμό συχνοτήτων, καθεμία εκ των οποίων να έχει μικρό εύρος, της τάξης των 10nm. Τέτοια συστήματα τηλεπισκόπησης όμως είναι περιορισμένα και κυρίως σε πειραματικό στάδιο. Αισθητήρες που ανήκουν σε αυτή την κατηγορία είναι ο Hyperion, ο Aviris, ο CHRIS και ο ASTER.

Άλλο ένα σημείο προβληματισμού είναι η συχνότητα παροχής των στοιχείων (temporal resolution) καθώς οι αστικές περιοχές πρέπει να ελέγχονται ανά σύντομα χρονικά διαστήματα λόγω της γρήγορης μεταβολής τους, όπως έχει προαναφερθεί. Μία ικανοποιητική λύση στο ζήτημα αυτό προσφέρουν οι δορυφόροι Landsat και ASTER που μπορούν να παρέχουν δεδομένα ανά 16 μέρες.

Ο δορυφόρος Landsat είναι γενικά αποδεκτό ότι μπορεί να χρησιμοποιηθεί σε τέτοιου είδους πολεοδομικά θέματα καθώς εκτός των άλλων δίνει ένα ικανοποιητικό αποτέλεσμα ενώ ταυτόχρονα προσφέρει την δυνατότητα διερεύνησης εικόνων από το 1972. Έτσι, υπάρχει η δυνατότητα εντοπισμού μακροχρόνιων μεταβολών στις χρήσεις και καλύψεις γης. Σημαντικό πλεονέκτημα επίσης αποτελεί και το γεγονός ότι οι περισσότερες εικόνες του Landsat μπορούν να αποκτηθούν με μικρό κόστος ή ακόμη και δωρεάν από το διαδίκτυο.

'''Εφαρμογή παρακολούθησης της αστικής επέκτασης μέσω τηλεπισκόπησης στην μητροπολιτική περιοχή του Φοίνιξ'''

Για την παρακολούθηση της αστικής επέκτασης στην περιοχή του Φοίνιξ χρησιμοποιήθηκαν επτά δορυφορικές εικόνες που ελήφθησαν από το 1973 έως το 2003. Όλες οι εικόνες ελήφθησαν την περίοδο της άνοιξης, με μικρή νεφοκάλυψη ενώ στην συνέχεια διορθώθηκαν και γεωκωδικοποιήθηκαν.

Στην συγκεκριμένη περίπτωση επειδή χρησιμοποιήθηκαν εικόνες από διαφορετικούς αισθητήρες και επομένως υπήρχε διαφορετική διακριτική ικανότητα η ανίχνευση των μεταβολών μέσω συγκεκριμένων μεθόδων ήταν δύσκολη. Για να ταξινομηθούν λοιπόν με ακρίβεια οι εικόνες χρησιμοποιήθηκε μία εξελιγμένη αντικειμενοστραφής προσέγγιση ανάλυσης εικόνας. Τελικά προέκυψαν 10 κατηγορίες που θα μπορούσαν να διαχωριστούν σαφώς, αυτές που φαίνονται στο υπόμνημα.

Για την ανάλυση των αλλαγών χρήσεις δημιουργήθηκε ένας κάναβος με κελιά 500Χ500 m. Ο βασικός διαχωρισμός τελικά έγινε ανάμεσα σε τρείς βασικές κατηγορίες χρήσεων: τις καλλιεργήσιμες εκτάσεις, τις αστικές χρήσεις και την φυσική βλάστηση. Σε επόμενο επίπεδο υπολογίστηκαν οι αλλαγές των χρήσεων από φυσική βλάστηση ή καλλιεργήσιμες εκτάσεις σε αστικές χρήσεις για κάθε μια από τις έξι περιόδους.

Στην Εικόνα 2 φαίνονται οι αλλαγές σε διάστημα τριάντα ετών (από το 1973-2003). Πιο συγκεκριμένα με χρώμα πράσινο αποτυπώνονται οι γεωργικές χρήσεις, με μπεζ απόχρωση είναι οι εκτάσεις φυσικής βλάστησης και με ροζ οι αστικές χρήσεις που υπήρχαν από το 1973. Αυτό που έχει ενδιαφέρον είναι οι εκτάσεις με κόκκινο όπου οι χρήσεις από φυσική βλάστηση ή γεωργικές εκμεταλλεύσεις έδωσαν την θέση τους σε αστικές χρήσεις. Όλες αυτές οι εκτάσεις λοιπόν αποτελούν την αστική επέκταση της πόλης σε διάστημα 30 ετών.

Το Διάγραμμα 1 μας δίνει μία εικόνα για την αστική επέκταση σε σχέση με το κέντρο της πόλης το 1973. Είναι προφανές ότι οι περιοχές που απέχουν περισσότερο από το κέντρο του 1973 ανοικοδομήθηκαν σταδιακά και σε μεταγενέστερο χρόνο. Αυτό το διάγραμμα μας δίνει μία αίσθηση για τον χρόνο επέκτασης της πόλης σε κάθε περιμετρική περιοχή. Έτσι την περίοδο 1973-1979 η ανάπτυξη έλαβε χώρα κυρίως σε περιοχές 15 και 20 χιλιομέτρων μακριά από το κέντρο καθώς ο αστικός πυρήνας είχε ήδη κορεστεί ενώ την τελευταία περίοδο (2000-2003) βλέπουμε ανάπτυξη στο σύνολο των ζωνών από 15 έως 40 χιλιόμετρα. Σημαντική είναι και η διαπίστωση ότι πέρα των 45 χιλιομέτρων δεν καταγράφεται ιδιαίτερη ανοικοδόμηση της πόλης.

Το Διάγραμμα 2 μας δίνει τα ίδια στοιχεία αλλά με άλλον τρόπο παρουσίασης. Σε αυτό λοιπόν, βλέπουμε πιο καθαρά ότι για κάθε μεταγενέστερη περίοδο η οικοδομική δραστηριότητα συγκεντρώνονταν κατά βάση σε μία περιοχή μακρύτερα από το κέντρο της πόλης του 1973.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Εφαρμογή της τηλεπισκόπησης για την παρακολούθηση της αστικής επέκτασης

2015-03-28T13:20:20Z

Manolis rallias:

[[Εικόνα: Remote sensing_table1.JPG‎ | thumb | right | '''Πίνακας 1'''
Κλίμακες για διάφορες εικόνες τηλεπισκόπησης]]
[[Εικόνα: Remote sensing_table2.JPG‎ | thumb | right | '''Πίνακας 2'''
Δορυφορικές εικόνες που χρησιμοποιήθηκαν στην περίπτωση της πόλης του Φοίνιξ]]
[[Εικόνα: Remote sensing_ypomnima.JPG‎ | thumb | right | '''Υπόμνημα''']]
[[Εικόνα: Remote sensing_image1.JPG‎ | thumb | right | '''Εικόνα 1'''
Αποτέλεσμα ταξινόμησης σε εικόνα TM του 1985]]
[[Εικόνα: Remote sensing_image2.JPG‎ | thumb | right | '''Εικόνα 2'''
Αλλαγές χρήσεων γης στην μητροπολιτική περιοχή του Φοίνιξ την περίοδο 1973-2003]]
[[Εικόνα: Remote sensing_image3.JPG‎ | thumb | right | '''Διάγραμμα 1'''
Ανάπτυξη αστικών χρήσεων (σε μ2) με βάση την απόσταση από το κέντρο της πόλης του Φοίνιξ το 1973]]
[[Εικόνα: Remote sensing_image4.JPG‎ | thumb | right | '''Διάγραμμα 2'''
Καμπύλες ανάπτυξης αστικών χρήσεων των έξι περιόδων]]

'''Πρωτότυπος Τίτλος''': Remote sensing for the monitoring of urban growth patterns

'''Συγγραφείς''': Moeller M. S.

'''Εισαγωγή'''

Οι αστικές περιοχές είναι από τις πλέον δυναμικές πάνω στην γη καθώς το μέγεθος του αυξάνεται σημαντικά με την πάροδο των ετών. Για την παρακολούθηση και την κατανόηση του φαινομένου αυτού, σημαντικό κεφάλαιο αποτελούν οι δορυφορικές εικόνες και η χρήση της τηλεπισκόπησης. Αν αναλογιστεί κανείς ότι σε πολλές περιπτώσεις η τηλεπισκόπηση είναι και ο μοναδικός τρόπος εντοπισμού των μεταβολών λόγω της μεγάλης έκτασης των πόλεων, γίνεται ακόμη καλύτερα αντιληπτό η προσφορά της επιστήμης αυτής.

Σημαντικό στοιχείο αποτελεί το γεγονός ότι μέσω της τηλεπισκόπησης δύναται να συγκριθούν και μελετηθούν διαχρονικά στοιχεία, να προστεθεί πληροφορία και από άλλες πηγές αλλά και να υπάρξει ενημέρωση της κατάστασης με εικόνες που συλλέγονται ανά τακτά χρονικά διαστήματα.

'''Χωρική ανάλυση και κλίμακα εφαρμογής'''

Η χωρική ανάλυση των εικόνων είναι μία από τις σημαντικότερες παραμέτρους στην αξιοποίηση των δεδομένων για την αστική επέκταση. Από την μία πλευρά γίνεται προσπάθεια εύρεσης εικόνων μεγαλύτερης χωρικής ανάλυσης ώστε να δίνουν μία καλύτερη αντίληψη του φαινομένου από την άλλη όμως, πολύ μεγάλης χωρικής ανάλυσης εικόνες δύναται να οδηγήσουν σε προβλήματα στην ταξινόμηση βάσει των λογαρίθμων στα δεδομένα της εικόνας. Για την απλοποίηση της διαδικασίας επιλογής των εικόνων λοιπόν, είναι αποδεκτό ότι για φαινόμενα όπως η αστική διάχυση μία κλίμακα από 1:25.000 μέχρι 1:50.000 είναι επαρκής. Αυτή η κλίμακα μπορεί να επιτευχθεί από αισθητήρες οι οποίοι παρέχουν χωρική ανάλυση από 4 μέχρι 50 μέτρα όπως φαίνεται και στον Πίνακα 1.

Η παρακολούθηση της αστικής επέκτασης είναι μία απαιτητική διαδικασία καθώς προϋποθέτει δέκτες που να μπορούν να ξεχωρίσουν μία σειρά από υλικά. Οι τεχνητές αστικές επιφάνειες μπορεί να αποτελούνται από σκυρόδεμα, άσφαλτο, ξύλο, μέταλλα αλλά ακόμη και από βλάστηση στην περίπτωση των φυτεμένων δωμάτων. Αν λοιπόν διαφορετικά υλικά αποτυπώνονται σε ένα pixel είναι δύσκολη η αντίληψη της κατάστασης. Για τον λόγο αυτό απαιτούνται υπερφασματικοί σαρωτές με μεγάλο αριθμό συχνοτήτων, καθεμία εκ των οποίων να έχει μικρό εύρος, της τάξης των 10nm. Τέτοια συστήματα τηλεπισκόπησης όμως είναι περιορισμένα και κυρίως σε πειραματικό στάδιο. Αισθητήρες που ανήκουν σε αυτή την κατηγορία είναι ο Hyperion, ο Aviris, ο CHRIS και ο ASTER.

Άλλο ένα σημείο προβληματισμού είναι η συχνότητα παροχής των στοιχείων (temporal resolution) καθώς οι αστικές περιοχές πρέπει να ελέγχονται ανά σύντομα χρονικά διαστήματα λόγω της γρήγορης μεταβολής τους, όπως έχει προαναφερθεί. Μία ικανοποιητική λύση στο ζήτημα αυτό προσφέρουν οι δορυφόροι Landsat και ASTER που μπορούν να παρέχουν δεδομένα ανά 16 μέρες.

Ο δορυφόρος Landsat είναι γενικά αποδεκτό ότι μπορεί να χρησιμοποιηθεί σε τέτοιου είδους πολεοδομικά θέματα καθώς εκτός των άλλων δίνει ένα ικανοποιητικό αποτέλεσμα ενώ ταυτόχρονα προσφέρει την δυνατότητα διερεύνησης εικόνων από το 1972. Έτσι, υπάρχει η δυνατότητα εντοπισμού μακροχρόνιων μεταβολών στις χρήσεις και καλύψεις γης. Σημαντικό πλεονέκτημα επίσης αποτελεί και το γεγονός ότι οι περισσότερες εικόνες του Landsat μπορούν να αποκτηθούν με μικρό κόστος ή ακόμη και δωρεάν από το διαδίκτυο.

'''Εφαρμογή παρακολούθησης της αστικής επέκτασης μέσω τηλεπισκόπησης στην μητροπολιτική περιοχή του Φοίνιξ'''

Για την παρακολούθηση της αστικής επέκτασης στην περιοχή του Φοίνιξ χρησιμοποιήθηκαν επτά δορυφορικές εικόνες που ελήφθησαν από το 1973 έως το 2003. Όλες οι εικόνες ελήφθησαν την περίοδο της άνοιξης, με μικρή νεφοκάλυψη ενώ στην συνέχεια διορθώθηκαν και γεωκωδικοποιήθηκαν.

Στην συγκεκριμένη περίπτωση επειδή χρησιμοποιήθηκαν εικόνες από διαφορετικούς αισθητήρες και επομένως υπήρχε διαφορετική διακριτική ικανότητα η ανίχνευση των μεταβολών μέσω συγκεκριμένων μεθόδων ήταν δύσκολη. Για να ταξινομηθούν λοιπόν με ακρίβεια οι εικόνες χρησιμοποιήθηκε μία εξελιγμένη αντικειμενοστραφής προσέγγιση ανάλυσης εικόνας. Τελικά προέκυψαν 10 κατηγορίες που θα μπορούσαν να διαχωριστούν σαφώς, αυτές που φαίνονται στο υπόμνημα.

Για την ανάλυση των αλλαγών χρήσεις δημιουργήθηκε ένας κάναβος με κελιά 500Χ500 m. Ο βασικός διαχωρισμός τελικά έγινε ανάμεσα σε τρείς βασικές κατηγορίες χρήσεων: τις καλλιεργήσιμες εκτάσεις, τις αστικές χρήσεις και την φυσική βλάστηση. Σε επόμενο επίπεδο υπολογίστηκαν οι αλλαγές των χρήσεων από φυσική βλάστηση ή καλλιεργήσιμες εκτάσεις σε αστικές χρήσεις για κάθε μια από τις έξι περιόδους.

Στην Εικόνα 2 φαίνονται οι αλλαγές σε διάστημα τριάντα ετών (από το 1973-2003). Πιο συγκεκριμένα με χρώμα πράσινο αποτυπώνονται οι γεωργικές χρήσεις, με μπεζ απόχρωση είναι οι εκτάσεις φυσικής βλάστησης και με ροζ οι αστικές χρήσεις που υπήρχαν από το 1973. Αυτό που έχει ενδιαφέρον είναι οι εκτάσεις με κόκκινο όπου οι χρήσεις από φυσική βλάστηση ή γεωργικές εκμεταλλεύσεις έδωσαν την θέση τους σε αστικές χρήσεις. Όλες αυτές οι εκτάσεις λοιπόν αποτελούν την αστική επέκταση της πόλης σε διάστημα 30 ετών.

Το Διάγραμμα 1 μας δίνει μία εικόνα για την αστική επέκταση σε σχέση με το κέντρο της πόλης το 1973. Είναι προφανές ότι οι περιοχές που απέχουν περισσότερο από το κέντρο του 1973 ανοικοδομήθηκαν σταδιακά και σε μεταγενέστερο χρόνο. Αυτό το διάγραμμα μας δίνει μία αίσθηση για τον χρόνο επέκτασης της πόλης σε κάθε περιμετρική περιοχή. Έτσι την περίοδο 1973-1979 η ανάπτυξη έλαβε χώρα κυρίως σε περιοχές 15 και 20 χιλιομέτρων μακριά από το κέντρο καθώς ο αστικός πυρήνας είχε ήδη κορεστεί ενώ την τελευταία περίοδο (2000-2003) βλέπουμε ανάπτυξη στο σύνολο των ζωνών από 15 έως 40 χιλιόμετρα. Σημαντική είναι και η διαπίστωση ότι πέρα των 45 χιλιομέτρων δεν καταγράφεται ιδιαίτερη ανοικοδόμηση της πόλης.

Το Διάγραμμα 2 μας δίνει τα ίδια στοιχεία αλλά με άλλον τρόπο παρουσίασης. Σε αυτό λοιπόν, βλέπουμε πιο καθαρά ότι για κάθε μεταγενέστερη περίοδο η οικοδομική δραστηριότητα συγκεντρώνονταν κατά βάση σε μία περιοχή μακρύτερα από το κέντρο της πόλης του 1973.

'''Συμπεράσματα'''

Η ανάλυση διαχρονικών τηλεπισκοπικών δεδομένων αποτελεί έναν αξιόπιστο, οικονομικό και σχετικά εύκολο τρόπο παρατήρησης ενός σύνθετου φαινομένου όπως η αστική επέκταση και διάχυση. Αυτό που πρέπει να βελτιωθεί είναι οι τεχνικές και οι μέθοδοι ανάλυσης των εικόνων μέσα από την υπάρχουσα εμπειρία των εφαρμογών στο συγκεκριμένο πεδίο. Στην βελτίωση των αποτελεσμάτων θα συνεισφέρει η έρευνα διαφορετικών αστικών περιοχών πάνω στο συγκεκριμένο ζήτημα.

Πηγή: http://www.isprs.org/proceedings/XXXVI/8-W27/moeller.pdf

[[category:Ανίχνευση μεταβολών αστικής γης]]

Εφαρμογή της τηλεπισκόπησης για την παρακολούθηση της αστικής επέκτασης

2015-03-28T13:20:07Z

Manolis rallias:

[[Εικόνα: Remote sensing_table1.JPG‎ | thumb | right | '''Πίνακας 1'''
Κλίμακες για διάφορες εικόνες τηλεπισκόπησης]]
[[Εικόνα: Remote sensing_table2.JPG‎ | thumb | right | '''Πίνακας 2'''
Δορυφορικές εικόνες που χρησιμοποιήθηκαν στην περίπτωση της πόλης του Φοίνιξ]]
[[Εικόνα: Remote sensing_ypomnima.JPG‎ | thumb | right | '''Υπόμνημα''']]
[[Εικόνα: Remote sensing_image1.JPG‎ | thumb | right | '''Εικόνα 1'''
Αποτέλεσμα ταξινόμησης σε εικόνα TM του 1985]]
[[Εικόνα: Remote sensing_image2.JPG‎ | thumb | right | '''Εικόνα 2'''
Αλλαγές χρήσεων γης στην μητροπολιτική περιοχή του Φοίνιξ την περίοδο 1973-2003]]
[[Εικόνα: Remote sensing_image3.JPG‎ | thumb | right | '''Διάγραμμα 1'''
Ανάπτυξη αστικών χρήσεων (σε μ2) με βάση την απόσταση από το κέντρο της πόλης του Φοίνιξ το 1973]]
[[Εικόνα: Remote sensing_image4.JPG‎ | thumb | right | '''Διάγραμμα 2'''
Καμπύλες ανάπτυξης αστικών χρήσεων των έξι περιόδων]]

'''Πρωτότυπος Τίτλος''': Remote sensing for the monitoring of urban growth patterns

'''Συγγραφείς''': Moeller M. S.

'''Εισαγωγή'''

Οι αστικές περιοχές είναι από τις πλέον δυναμικές πάνω στην γη καθώς το μέγεθος του αυξάνεται σημαντικά με την πάροδο των ετών. Για την παρακολούθηση και την κατανόηση του φαινομένου αυτού, σημαντικό κεφάλαιο αποτελούν οι δορυφορικές εικόνες και η χρήση της τηλεπισκόπησης. Αν αναλογιστεί κανείς ότι σε πολλές περιπτώσεις η τηλεπισκόπηση είναι και ο μοναδικός τρόπος εντοπισμού των μεταβολών λόγω της μεγάλης έκτασης των πόλεων, γίνεται ακόμη καλύτερα αντιληπτό η προσφορά της επιστήμης αυτής.

Σημαντικό στοιχείο αποτελεί το γεγονός ότι μέσω της τηλεπισκόπησης δύναται να συγκριθούν και μελετηθούν διαχρονικά στοιχεία, να προστεθεί πληροφορία και από άλλες πηγές αλλά και να υπάρξει ενημέρωση της κατάστασης με εικόνες που συλλέγονται ανά τακτά χρονικά διαστήματα.

'''Χωρική ανάλυση και κλίμακα εφαρμογής'''

Η χωρική ανάλυση των εικόνων είναι μία από τις σημαντικότερες παραμέτρους στην αξιοποίηση των δεδομένων για την αστική επέκταση. Από την μία πλευρά γίνεται προσπάθεια εύρεσης εικόνων μεγαλύτερης χωρικής ανάλυσης ώστε να δίνουν μία καλύτερη αντίληψη του φαινομένου από την άλλη όμως, πολύ μεγάλης χωρικής ανάλυσης εικόνες δύναται να οδηγήσουν σε προβλήματα στην ταξινόμηση βάσει των λογαρίθμων στα δεδομένα της εικόνας. Για την απλοποίηση της διαδικασίας επιλογής των εικόνων λοιπόν, είναι αποδεκτό ότι για φαινόμενα όπως η αστική διάχυση μία κλίμακα από 1:25.000 μέχρι 1:50.000 είναι επαρκής. Αυτή η κλίμακα μπορεί να επιτευχθεί από αισθητήρες οι οποίοι παρέχουν χωρική ανάλυση από 4 μέχρι 50 μέτρα όπως φαίνεται και στον Πίνακα 1.

Η παρακολούθηση της αστικής επέκτασης είναι μία απαιτητική διαδικασία καθώς προϋποθέτει δέκτες που να μπορούν να ξεχωρίσουν μία σειρά από υλικά. Οι τεχνητές αστικές επιφάνειες μπορεί να αποτελούνται από σκυρόδεμα, άσφαλτο, ξύλο, μέταλλα αλλά ακόμη και από βλάστηση στην περίπτωση των φυτεμένων δωμάτων. Αν λοιπόν διαφορετικά υλικά αποτυπώνονται σε ένα pixel είναι δύσκολη η αντίληψη της κατάστασης. Για τον λόγο αυτό απαιτούνται υπερφασματικοί σαρωτές με μεγάλο αριθμό συχνοτήτων, καθεμία εκ των οποίων να έχει μικρό εύρος, της τάξης των 10nm. Τέτοια συστήματα τηλεπισκόπησης όμως είναι περιορισμένα και κυρίως σε πειραματικό στάδιο. Αισθητήρες που ανήκουν σε αυτή την κατηγορία είναι ο Hyperion, ο Aviris, ο CHRIS και ο ASTER.

Άλλο ένα σημείο προβληματισμού είναι η συχνότητα παροχής των στοιχείων (temporal resolution) καθώς οι αστικές περιοχές πρέπει να ελέγχονται ανά σύντομα χρονικά διαστήματα λόγω της γρήγορης μεταβολής τους, όπως έχει προαναφερθεί. Μία ικανοποιητική λύση στο ζήτημα αυτό προσφέρουν οι δορυφόροι Landsat και ASTER που μπορούν να παρέχουν δεδομένα ανά 16 μέρες.

Ο δορυφόρος Landsat είναι γενικά αποδεκτό ότι μπορεί να χρησιμοποιηθεί σε τέτοιου είδους πολεοδομικά θέματα καθώς εκτός των άλλων δίνει ένα ικανοποιητικό αποτέλεσμα ενώ ταυτόχρονα προσφέρει την δυνατότητα διερεύνησης εικόνων από το 1972. Έτσι, υπάρχει η δυνατότητα εντοπισμού μακροχρόνιων μεταβολών στις χρήσεις και καλύψεις γης. Σημαντικό πλεονέκτημα επίσης αποτελεί και το γεγονός ότι οι περισσότερες εικόνες του Landsat μπορούν να αποκτηθούν με μικρό κόστος ή ακόμη και δωρεάν από το διαδίκτυο.

'''Εφαρμογή παρακολούθησης της αστικής επέκτασης μέσω τηλεπισκόπησης στην μητροπολιτική περιοχή του Φοίνιξ'''

Για την παρακολούθηση της αστικής επέκτασης στην περιοχή του Φοίνιξ χρησιμοποιήθηκαν επτά δορυφορικές εικόνες που ελήφθησαν από το 1973 έως το 2003. Όλες οι εικόνες ελήφθησαν την περίοδο της άνοιξης, με μικρή νεφοκάλυψη ενώ στην συνέχεια διορθώθηκαν και γεωκωδικοποιήθηκαν.

Στην συγκεκριμένη περίπτωση επειδή χρησιμοποιήθηκαν εικόνες από διαφορετικούς αισθητήρες και επομένως υπήρχε διαφορετική διακριτική ικανότητα η ανίχνευση των μεταβολών μέσω συγκεκριμένων μεθόδων ήταν δύσκολη. Για να ταξινομηθούν λοιπόν με ακρίβεια οι εικόνες χρησιμοποιήθηκε μία εξελιγμένη αντικειμενοστραφής προσέγγιση ανάλυσης εικόνας. Τελικά προέκυψαν 10 κατηγορίες που θα μπορούσαν να διαχωριστούν σαφώς, αυτές που φαίνονται στο υπόμνημα.

Για την ανάλυση των αλλαγών χρήσεις δημιουργήθηκε ένας κάναβος με κελιά 500Χ500 m. Ο βασικός διαχωρισμός τελικά έγινε ανάμεσα σε τρείς βασικές κατηγορίες χρήσεων: τις καλλιεργήσιμες εκτάσεις, τις αστικές χρήσεις και την φυσική βλάστηση. Σε επόμενο επίπεδο υπολογίστηκαν οι αλλαγές των χρήσεων από φυσική βλάστηση ή καλλιεργήσιμες εκτάσεις σε αστικές χρήσεις για κάθε μια από τις έξι περιόδους.

Στην Εικόνα 2 φαίνονται οι αλλαγές σε διάστημα τριάντα ετών (από το 1973-2003). Πιο συγκεκριμένα με χρώμα πράσινο αποτυπώνονται οι γεωργικές χρήσεις, με μπεζ απόχρωση είναι οι εκτάσεις φυσικής βλάστησης και με ροζ οι αστικές χρήσεις που υπήρχαν από το 1973. Αυτό που έχει ενδιαφέρον είναι οι εκτάσεις με κόκκινο όπου οι χρήσεις από φυσική βλάστηση ή γεωργικές εκμεταλλεύσεις έδωσαν την θέση τους σε αστικές χρήσεις. Όλες αυτές οι εκτάσεις λοιπόν αποτελούν την αστική επέκταση της πόλης σε διάστημα 30 ετών.

Το Διάγραμμα 1 μας δίνει μία εικόνα για την αστική επέκταση σε σχέση με το κέντρο της πόλης το 1973. Είναι προφανές ότι οι περιοχές που απέχουν περισσότερο από το κέντρο του 1973 ανοικοδομήθηκαν σταδιακά και σε μεταγενέστερο χρόνο. Αυτό το διάγραμμα μας δίνει μία αίσθηση για τον χρόνο επέκτασης της πόλης σε κάθε περιμετρική περιοχή. Έτσι την περίοδο 1973-1979 η ανάπτυξη έλαβε χώρα κυρίως σε περιοχές 15 και 20 χιλιομέτρων μακριά από το κέντρο καθώς ο αστικός πυρήνας είχε ήδη κορεστεί ενώ την τελευταία περίοδο (2000-2003) βλέπουμε ανάπτυξη στο σύνολο των ζωνών από 15 έως 40 χιλιόμετρα. Σημαντική είναι και η διαπίστωση ότι πέρα των 45 χιλιομέτρων δεν καταγράφεται ιδιαίτερη ανοικοδόμηση της πόλης.

Το Διάγραμμα 2 μας δίνει τα ίδια στοιχεία αλλά με άλλον τρόπο παρουσίασης. Σε αυτό λοιπόν, βλέπουμε πιο καθαρά ότι για κάθε μεταγενέστερη περίοδο η οικοδομική δραστηριότητα συγκεντρώνονταν κατά βάση σε μία περιοχή μακρύτερα από το κέντρο της πόλης του 1973.

'''Συμπεράσματα'''

Η ανάλυση διαχρονικών τηλεπισκοπικών δεδομένων αποτελεί έναν αξιόπιστο, οικονομικό και σχετικά εύκολο τρόπο παρατήρησης ενός σύνθετου φαινομένου όπως η αστική επέκταση και διάχυση. Αυτό που πρέπει να βελτιωθεί είναι οι τεχνικές και οι μέθοδοι ανάλυσης των εικόνων μέσα από την υπάρχουσα εμπειρία των εφαρμογών στο συγκεκριμένο πεδίο. Στην βελτίωση των αποτελεσμάτων θα συνεισφέρει η έρευνα διαφορετικών αστικών περιοχών πάνω στο συγκεκριμένο ζήτημα.

Πηγή: http://www.isprs.org/proceedings/XXXVI/8-W27/moeller.pdf

[[category:Ανίχνευση μεταβολών αστικής γης]]

Εφαρμογή της τηλεπισκόπησης για την παρακολούθηση της αστικής επέκτασης

2015-03-28T13:15:25Z

Manolis rallias:

[[Εικόνα: Remote sensing_table1.JPG‎ | thumb | right | '''Πίνακας 1'''
Κλίμακες για διάφορες εικόνες τηλεπισκόπησης]]
[[Εικόνα: Remote sensing_table2.JPG‎ | thumb | right | '''Πίνακας 2'''
Δορυφορικές εικόνες που χρησιμοποιήθηκαν στην περίπτωση της πόλης του Φοίνιξ]]
[[Εικόνα: Remote sensing_ypomnima.JPG‎ | thumb | right | '''Υπόμνημα''']]
[[Εικόνα: Remote sensing_image1.JPG‎ | thumb | right | '''Εικόνα 1'''
Αποτέλεσμα ταξινόμησης σε εικόνα TM του 1985]]
[[Εικόνα: Remote sensing_image2.JPG‎ | thumb | right | '''Εικόνα 2'''
Αλλαγές χρήσεων γης στην μητροπολιτική περιοχή του Φοίνιξ την περίοδο 1973-2003]]
[[Εικόνα: Remote sensing_image3.JPG‎ | thumb | right | '''Διάγραμμα 1'''
Ανάπτυξη αστικών χρήσεων (σε μ2) με βάση την απόσταση από το κέντρο της πόλης του Φοίνιξ το 1973]]
[[Εικόνα: Remote sensing_image4.JPG‎ | thumb | right | '''Διάγραμμα 2'''
Καμπύλες ανάπτυξης αστικών χρήσεων των έξι περιόδων]]

'''Πρωτότυπος Τίτλος''': Remote sensing for the monitoring of urban growth patterns

'''Συγγραφείς''': Moeller M. S.

'''Εισαγωγή'''

Οι αστικές περιοχές είναι από τις πλέον δυναμικές πάνω στην γη καθώς το μέγεθος του αυξάνεται σημαντικά με την πάροδο των ετών. Για την παρακολούθηση και την κατανόηση του φαινομένου αυτού, σημαντικό κεφάλαιο αποτελούν οι δορυφορικές εικόνες και η χρήση της τηλεπισκόπησης. Αν αναλογιστεί κανείς ότι σε πολλές περιπτώσεις η τηλεπισκόπηση είναι και ο μοναδικός τρόπος εντοπισμού των μεταβολών λόγω της μεγάλης έκτασης των πόλεων, γίνεται ακόμη καλύτερα αντιληπτό η προσφορά της επιστήμης αυτής.

Σημαντικό στοιχείο αποτελεί το γεγονός ότι μέσω της τηλεπισκόπησης δύναται να συγκριθούν και μελετηθούν διαχρονικά στοιχεία, να προστεθεί πληροφορία και από άλλες πηγές αλλά και να υπάρξει ενημέρωση της κατάστασης με εικόνες που συλλέγονται ανά τακτά χρονικά διαστήματα.

'''Χωρική ανάλυση και κλίμακα εφαρμογής'''

Η χωρική ανάλυση των εικόνων είναι μία από τις σημαντικότερες παραμέτρους στην αξιοποίηση των δεδομένων για την αστική επέκταση. Από την μία πλευρά γίνεται προσπάθεια εύρεσης εικόνων μεγαλύτερης χωρικής ανάλυσης ώστε να δίνουν μία καλύτερη αντίληψη του φαινομένου από την άλλη όμως, πολύ μεγάλης χωρικής ανάλυσης εικόνες δύναται να οδηγήσουν σε προβλήματα στην ταξινόμηση βάσει των λογαρίθμων στα δεδομένα της εικόνας. Για την απλοποίηση της διαδικασίας επιλογής των εικόνων λοιπόν, είναι αποδεκτό ότι για φαινόμενα όπως η αστική διάχυση μία κλίμακα από 1:25.000 μέχρι 1:50.000 είναι επαρκής. Αυτή η κλίμακα μπορεί να επιτευχθεί από αισθητήρες οι οποίοι παρέχουν χωρική ανάλυση από 4 μέχρι 50 μέτρα όπως φαίνεται και στον Πίνακα 1.

Η παρακολούθηση της αστικής επέκτασης είναι μία απαιτητική διαδικασία καθώς προϋποθέτει δέκτες που να μπορούν να ξεχωρίσουν μία σειρά από υλικά. Οι τεχνητές αστικές επιφάνειες μπορεί να αποτελούνται από σκυρόδεμα, άσφαλτο, ξύλο, μέταλλα αλλά ακόμη και από βλάστηση στην περίπτωση των φυτεμένων δωμάτων. Αν λοιπόν διαφορετικά υλικά αποτυπώνονται σε ένα pixel είναι δύσκολη η αντίληψη της κατάστασης. Για τον λόγο αυτό απαιτούνται υπερφασματικοί σαρωτές με μεγάλο αριθμό συχνοτήτων, καθεμία εκ των οποίων να έχει μικρό εύρος, της τάξης των 10nm. Τέτοια συστήματα τηλεπισκόπησης όμως είναι περιορισμένα και κυρίως σε πειραματικό στάδιο. Αισθητήρες που ανήκουν σε αυτή την κατηγορία είναι ο Hyperion, ο Aviris, ο CHRIS και ο ASTER.

Άλλο ένα σημείο προβληματισμού είναι η συχνότητα παροχής των στοιχείων (temporal resolution) καθώς οι αστικές περιοχές πρέπει να ελέγχονται ανά σύντομα χρονικά διαστήματα λόγω της γρήγορης μεταβολής τους, όπως έχει προαναφερθεί. Μία ικανοποιητική λύση στο ζήτημα αυτό προσφέρουν οι δορυφόροι Landsat και ASTER που μπορούν να παρέχουν δεδομένα ανά 16 μέρες.

Ο δορυφόρος Landsat είναι γενικά αποδεκτό ότι μπορεί να χρησιμοποιηθεί σε τέτοιου είδους πολεοδομικά θέματα καθώς εκτός των άλλων δίνει ένα ικανοποιητικό αποτέλεσμα ενώ ταυτόχρονα προσφέρει την δυνατότητα διερεύνησης εικόνων από το 1972. Έτσι, υπάρχει η δυνατότητα εντοπισμού μακροχρόνιων μεταβολών στις χρήσεις και καλύψεις γης. Σημαντικό πλεονέκτημα επίσης αποτελεί και το γεγονός ότι οι περισσότερες εικόνες του Landsat μπορούν να αποκτηθούν με μικρό κόστος ή ακόμη και δωρεάν από το διαδίκτυο.

'''Εφαρμογή παρακολούθησης της αστικής επέκτασης μέσω τηλεπισκόπησης στην μητροπολιτική περιοχή του Φοίνιξ'''

Για την παρακολούθηση της αστικής επέκτασης στην περιοχή του Φοίνιξ χρησιμοποιήθηκαν επτά δορυφορικές εικόνες που ελήφθησαν από το 1973 έως το 2003. Όλες οι εικόνες ελήφθησαν την περίοδο της άνοιξης, με μικρή νεφοκάλυψη ενώ στην συνέχεια διορθώθηκαν και γεωκωδικοποιήθηκαν.

Στην συγκεκριμένη περίπτωση επειδή χρησιμοποιήθηκαν εικόνες από διαφορετικούς αισθητήρες και επομένως υπήρχε διαφορετική διακριτική ικανότητα η ανίχνευση των μεταβολών μέσω συγκεκριμένων μεθόδων ήταν δύσκολη. Για να ταξινομηθούν λοιπόν με ακρίβεια οι εικόνες χρησιμοποιήθηκε μία εξελιγμένη αντικειμενοστραφής προσέγγιση ανάλυσης εικόνας. Τελικά προέκυψαν 10 κατηγορίες που θα μπορούσαν να διαχωριστούν σαφώς, αυτές που φαίνονται στο υπόμνημα.

Για την ανάλυση των αλλαγών χρήσεις δημιουργήθηκε ένας κάναβος με κελιά 500Χ500 m. Ο βασικός διαχωρισμός τελικά έγινε ανάμεσα σε τρείς βασικές κατηγορίες χρήσεων: τις καλλιεργήσιμες εκτάσεις, τις αστικές χρήσεις και την φυσική βλάστηση. Σε επόμενο επίπεδο υπολογίστηκαν οι αλλαγές των χρήσεων από φυσική βλάστηση ή καλλιεργήσιμες εκτάσεις σε αστικές χρήσεις για κάθε μια από τις έξι περιόδους.

Στην Εικόνα 2 φαίνονται οι αλλαγές σε διάστημα τριάντα ετών (από το 1973-2003). Πιο συγκεκριμένα με χρώμα πράσινο αποτυπώνονται οι γεωργικές χρήσεις, με μπεζ απόχρωση είναι οι εκτάσεις φυσικής βλάστησης και με ροζ οι αστικές χρήσεις που υπήρχαν από το 1973. Αυτό που έχει ενδιαφέρον είναι οι εκτάσεις με κόκκινο όπου οι χρήσεις από φυσική βλάστηση ή γεωργικές εκμεταλλεύσεις έδωσαν την θέση τους σε αστικές χρήσεις. Όλες αυτές οι εκτάσεις λοιπόν αποτελούν την αστική επέκταση της πόλης σε διάστημα 30 ετών.

Το Διάγραμμα 1 μας δίνει μία εικόνα για την αστική επέκταση σε σχέση με το κέντρο της πόλης το 1973. Είναι προφανές ότι οι περιοχές που απέχουν περισσότερο από το κέντρο του 1973 ανοικοδομήθηκαν σταδιακά και σε μεταγενέστερο χρόνο. Αυτό το διάγραμμα μας δίνει μία αίσθηση για τον χρόνο επέκτασης της πόλης σε κάθε περιμετρική περιοχή. Έτσι την περίοδο 1973-1979 η ανάπτυξη έλαβε χώρα κυρίως σε περιοχές 15 και 20 χιλιομέτρων μακριά από το κέντρο καθώς ο αστικός πυρήνας είχε ήδη κορεστεί ενώ την τελευταία περίοδο (2000-2003) βλέπουμε ανάπτυξη στο σύνολο των ζωνών από 15 έως 40 χιλιόμετρα. Σημαντική είναι και η διαπίστωση ότι πέρα των 45 χιλιομέτρων δεν καταγράφεται ιδιαίτερη ανοικοδόμηση της πόλης.

Το Διάγραμμα 2 μας δίνει τα ίδια στοιχεία αλλά με άλλον τρόπο παρουσίασης. Σε αυτό λοιπόν, βλέπουμε πιο καθαρά ότι για κάθε μεταγενέστερη περίοδο η οικοδομική δραστηριότητα συγκεντρώνονταν κατά βάση σε μία περιοχή μακρύτερα από το κέντρο της πόλης του 1973.

'''Συμπεράσματα'''

Η ανάλυση διαχρονικών τηλεπισκοπικών δεδομένων αποτελεί έναν αξιόπιστο, οικονομικό και σχετικά εύκολο τρόπο παρατήρησης ενός σύνθετου φαινομένου όπως η αστική επέκταση και διάχυση. Αυτό που πρέπει να βελτιωθεί είναι οι τεχνικές και οι μέθοδοι ανάλυσης των εικόνων μέσα από την υπάρχουσα εμπειρία των εφαρμογών στο συγκεκριμένο πεδίο. Στην βελτίωση των αποτελεσμάτων θα συνεισφέρει η έρευνα διαφορετικών αστικών περιοχών πάνω στο συγκεκριμένο ζήτημα.

Πηγή: http://www.isprs.org/proceedings/XXXVI/8-W27/moeller.pdf

[[category:Ανίχνευση μεταβολών αστικής γης]]

Εφαρμογή της τηλεπισκόπησης για την παρακολούθηση της αστικής επέκτασης

2015-03-28T13:08:49Z

Manolis rallias:

[[Εικόνα: Remote sensing_table1.JPG‎ | thumb | right | '''Πίνακας 1'''
Κλίμακες για διάφορες εικόνες τηλεπισκόπησης]]
[[Εικόνα: Remote sensing_table2.JPG‎ | thumb | right | '''Πίνακας 2'''
Δορυφορικές εικόνες που χρησιμοποιήθηκαν στην περίπτωση της πόλης του Φοίνιξ]]
[[Εικόνα: Remote sensing_ypomnima.JPG‎ | thumb | right | '''Υπόμνημα''']]
[[Εικόνα: Remote sensing_image1.JPG‎ | thumb | right | '''Εικόνα 1'''
Αποτέλεσμα ταξινόμησης σε εικόνα TM του 1985]]
[[Εικόνα: Remote sensing_image2.JPG‎ | thumb | right | '''Εικόνα 2'''
Αλλαγές χρήσεων γης στην μητροπολιτική περιοχή του Φοίνιξ την περίοδο 1973-2003]]
[[Εικόνα: Remote sensing_image3.JPG‎ | thumb | right | '''Διάγραμμα 1'''
Ανάπτυξη αστικών χρήσεων (σε μ2) με βάση την απόσταση από το κέντρο της πόλης του Φοίνιξ το 1973]]
[[Εικόνα: Remote sensing_image4.JPG‎ | thumb | right | '''Διάγραμμα 2'''
Καμπύλες ανάπτυξης αστικών χρήσεων των έξι περιόδων]]

'''Πρωτότυπος Τίτλος''': Remote sensing for the monitoring of urban growth patterns

'''Συγγραφείς''': Moeller M. S.

'''Εισαγωγή'''

Οι αστικές περιοχές είναι από τις πλέον δυναμικές πάνω στην γη καθώς το μέγεθος του αυξάνεται σημαντικά με την πάροδο των ετών. Για την παρακολούθηση και την κατανόηση του φαινομένου αυτού, σημαντικό κεφάλαιο αποτελούν οι δορυφορικές εικόνες και η χρήση της τηλεπισκόπησης. Αν αναλογιστεί κανείς ότι σε πολλές περιπτώσεις η τηλεπισκόπηση είναι και ο μοναδικός τρόπος εντοπισμού των μεταβολών λόγω της μεγάλης έκτασης των πόλεων, γίνεται ακόμη καλύτερα αντιληπτό η προσφορά της επιστήμης αυτής.

Σημαντικό στοιχείο αποτελεί το γεγονός ότι μέσω της τηλεπισκόπησης δύναται να συγκριθούν και μελετηθούν διαχρονικά στοιχεία, να προστεθεί πληροφορία και από άλλες πηγές αλλά και να υπάρξει ενημέρωση της κατάστασης με εικόνες που συλλέγονται ανά τακτά χρονικά διαστήματα.

'''Χωρική ανάλυση και κλίμακα εφαρμογής'''

Η χωρική ανάλυση των εικόνων είναι μία από τις σημαντικότερες παραμέτρους στην αξιοποίηση των δεδομένων για την αστική επέκταση. Από την μία πλευρά γίνεται προσπάθεια εύρεσης εικόνων μεγαλύτερης χωρικής ανάλυσης ώστε να δίνουν μία καλύτερη αντίληψη του φαινομένου από την άλλη όμως, πολύ μεγάλης χωρικής ανάλυσης εικόνες δύναται να οδηγήσουν σε προβλήματα στην ταξινόμηση βάσει των λογαρίθμων στα δεδομένα της εικόνας. Για την απλοποίηση της διαδικασίας επιλογής των εικόνων λοιπόν, είναι αποδεκτό ότι για φαινόμενα όπως η αστική διάχυση μία κλίμακα από 1:25.000 μέχρι 1:50.000 είναι επαρκής. Αυτή η κλίμακα μπορεί να επιτευχθεί από αισθητήρες οι οποίοι παρέχουν χωρική ανάλυση από 4 μέχρι 50 μέτρα όπως φαίνεται και στον Πίνακα 1.

Η παρακολούθηση της αστικής επέκτασης είναι μία απαιτητική διαδικασία καθώς προϋποθέτει δέκτες που να μπορούν να ξεχωρίσουν μία σειρά από υλικά. Οι τεχνητές αστικές επιφάνειες μπορεί να αποτελούνται από σκυρόδεμα, άσφαλτο, ξύλο, μέταλλα αλλά ακόμη και από βλάστηση στην περίπτωση των φυτεμένων δωμάτων. Αν λοιπόν διαφορετικά υλικά αποτυπώνονται σε ένα pixel είναι δύσκολη η αντίληψη της κατάστασης. Για τον λόγο αυτό απαιτούνται υπερφασματικοί σαρωτές με μεγάλο αριθμό συχνοτήτων, καθεμία εκ των οποίων να έχει μικρό εύρος, της τάξης των 10nm. Τέτοια συστήματα τηλεπισκόπησης όμως είναι περιορισμένα και κυρίως σε πειραματικό στάδιο. Αισθητήρες που ανήκουν σε αυτή την κατηγορία είναι ο Hyperion, ο Aviris, ο CHRIS και ο ASTER.

Άλλο ένα σημείο προβληματισμού είναι η συχνότητα παροχής των στοιχείων (temporal resolution) καθώς οι αστικές περιοχές πρέπει να ελέγχονται ανά σύντομα χρονικά διαστήματα λόγω της γρήγορης μεταβολής τους, όπως έχει προαναφερθεί. Μία ικανοποιητική λύση στο ζήτημα αυτό προσφέρουν οι δορυφόροι Landsat και ASTER που μπορούν να παρέχουν δεδομένα ανά 16 μέρες.

Ο δορυφόρος Landsat είναι γενικά αποδεκτό ότι μπορεί να χρησιμοποιηθεί σε τέτοιου είδους πολεοδομικά θέματα καθώς εκτός των άλλων δίνει ένα ικανοποιητικό αποτέλεσμα ενώ ταυτόχρονα προσφέρει την δυνατότητα διερεύνησης εικόνων από το 1972. Έτσι, υπάρχει η δυνατότητα εντοπισμού μακροχρόνιων μεταβολών στις χρήσεις και καλύψεις γης. Σημαντικό πλεονέκτημα επίσης αποτελεί και το γεγονός ότι οι περισσότερες εικόνες του Landsat μπορούν να αποκτηθούν με μικρό κόστος ή ακόμη και δωρεάν από το διαδίκτυο.

'''Εφαρμογή παρακολούθησης της αστικής επέκτασης μέσω τηλεπισκόπησης στην μητροπολιτική περιοχή του Φοίνιξ'''

Για την παρακολούθηση της αστικής επέκτασης στην περιοχή του Φοίνιξ χρησιμοποιήθηκαν επτά δορυφορικές εικόνες που ελήφθησαν από το 1973 έως το 2003. Όλες οι εικόνες ελήφθησαν την περίοδο της άνοιξης, με μικρή νεφοκάλυψη ενώ στην συνέχεια διορθώθηκαν και γεωκωδικοποιήθηκαν.

Στην συγκεκριμένη περίπτωση επειδή χρησιμοποιήθηκαν εικόνες από διαφορετικούς αισθητήρες και επομένως υπήρχε διαφορετική διακριτική ικανότητα η ανίχνευση των μεταβολών μέσω συγκεκριμένων μεθόδων ήταν δύσκολη. Για να ταξινομηθούν λοιπόν με ακρίβεια οι εικόνες χρησιμοποιήθηκε μία εξελιγμένη αντικειμενοστραφής προσέγγιση ανάλυσης εικόνας. Τελικά προέκυψαν 10 κατηγορίες που θα μπορούσαν να διαχωριστούν σαφώς, αυτές που φαίνονται στο υπόμνημα.

Για την ανάλυση των αλλαγών χρήσεις δημιουργήθηκε ένας κάναβος με κελιά 500Χ500 m. Ο βασικός διαχωρισμός τελικά έγινε ανάμεσα σε τρείς βασικές κατηγορίες χρήσεων: τις καλλιεργήσιμες εκτάσεις, τις αστικές χρήσεις και την φυσική βλάστηση. Σε επόμενο επίπεδο υπολογίστηκαν οι αλλαγές των χρήσεων από φυσική βλάστηση ή καλλιεργήσιμες εκτάσεις σε αστικές χρήσεις για κάθε μια από τις έξι περιόδους.

Στην Εικόνα 2 φαίνονται οι αλλαγές σε διάστημα τριάντα ετών (από το 1973-2003). Πιο συγκεκριμένα με χρώμα πράσινο αποτυπώνονται οι γεωργικές χρήσεις, με μπεζ απόχρωση είναι οι εκτάσεις φυσικής βλάστησης και με ροζ οι αστικές χρήσεις που υπήρχαν από το 1973. Αυτό που έχει ενδιαφέρον είναι οι εκτάσεις με κόκκινο όπου οι χρήσεις από φυσική βλάστηση ή γεωργικές εκμεταλλεύσεις έδωσαν την θέση τους σε αστικές χρήσεις. Όλες αυτές οι εκτάσεις λοιπόν αποτελούν την αστική επέκταση της πόλης σε διάστημα 30 ετών.

Το Διάγραμμα 1 μας δίνει μία εικόνα για την αστική επέκταση σε σχέση με το κέντρο της πόλης το 1973. Είναι προφανές ότι οι περιοχές που απέχουν περισσότερο από το κέντρο του 1973 ανοικοδομήθηκαν σταδιακά και σε μεταγενέστερο χρόνο. Αυτό το διάγραμμα μας δίνει μία αίσθηση για τον χρόνο επέκτασης της πόλης σε κάθε περιμετρική περιοχή. Έτσι την περίοδο 1973-1979 η ανάπτυξη έλαβε χώρα κυρίως σε περιοχές 15 και 20 χιλιομέτρων μακριά από το κέντρο καθώς ο αστικός πυρήνας είχε ήδη κορεστεί ενώ την τελευταία περίοδο (2000-2003) βλέπουμε ανάπτυξη στο σύνολο των ζωνών από 15 έως 40 χιλιόμετρα. Σημαντική είναι και η διαπίστωση ότι πέρα των 45 χιλιομέτρων δεν καταγράφεται ιδιαίτερη ανοικοδόμηση της πόλης.

Το Διάγραμμα 2 μας δίνει τα ίδια στοιχεία αλλά με άλλον τρόπο παρουσίασης. Σε αυτό λοιπόν, βλέπουμε πιο καθαρά ότι για κάθε μεταγενέστερη περίοδο η οικοδομική δραστηριότητα συγκεντρώνονταν κατά βάση σε μία περιοχή μακρύτερα από το κέντρο της πόλης του 1973.

Πηγή: http://www.isprs.org/proceedings/XXXVI/8-W27/moeller.pdf

[[category:Ανίχνευση μεταβολών αστικής γης]]

Εφαρμογή της τηλεπισκόπησης για την παρακολούθηση της αστικής επέκτασης

2015-03-28T13:07:05Z

Manolis rallias:

[[Εικόνα: Remote sensing_table1.JPG‎ | thumb | right | '''Πίνακας 1'''
Κλίμακες για διάφορες εικόνες τηλεπισκόπησης]]
[[Εικόνα: Remote sensing_table2.JPG‎ | thumb | right | '''Πίνακας 2'''
Δορυφορικές εικόνες που χρησιμοποιήθηκαν στην περίπτωση της πόλης του Φοίνιξ]]
[[Εικόνα: Remote sensing_ypomnima.JPG‎ | thumb | right | '''Υπόμνημα''']]
[[Εικόνα: Remote sensing_image1.JPG‎ | thumb | right | '''Εικόνα 1'''
Αποτέλεσμα ταξινόμησης σε εικόνα TM του 1985]]
[[Εικόνα: Remote sensing_image2.JPG‎ | thumb | right | '''Εικόνα 2'''
Αλλαγές χρήσεων γης στην μητροπολιτική περιοχή του Φοίνιξ την περίοδο 1973-2003]]
[[Εικόνα: Remote sensing_image3.JPG‎ | thumb | right | '''Διάγραμμα 1'''
Ανάπτυξη αστικών χρήσεων (σε μ2) με βάση την απόσταση από το κέντρο της πόλης του Φοίνιξ το 1973]]
[[Εικόνα: Remote sensing_image4.JPG‎ | thumb | right | '''Διάγραμμα 2'''
Καμπύλες ανάπτυξης αστικών χρήσεων των έξι περιόδων]]

'''Πρωτότυπος Τίτλος''': Remote sensing for the monitoring of urban growth patterns

'''Συγγραφείς''': Moeller M. S.

'''Εισαγωγή'''

Οι αστικές περιοχές είναι από τις πλέον δυναμικές πάνω στην γη καθώς το μέγεθος του αυξάνεται σημαντικά με την πάροδο των ετών. Για την παρακολούθηση και την κατανόηση του φαινομένου αυτού, σημαντικό κεφάλαιο αποτελούν οι δορυφορικές εικόνες και η χρήση της τηλεπισκόπησης. Αν αναλογιστεί κανείς ότι σε πολλές περιπτώσεις η τηλεπισκόπηση είναι και ο μοναδικός τρόπος εντοπισμού των μεταβολών λόγω της μεγάλης έκτασης των πόλεων, γίνεται ακόμη καλύτερα αντιληπτό η προσφορά της επιστήμης αυτής.

Σημαντικό στοιχείο αποτελεί το γεγονός ότι μέσω της τηλεπισκόπησης δύναται να συγκριθούν και μελετηθούν διαχρονικά στοιχεία, να προστεθεί πληροφορία και από άλλες πηγές αλλά και να υπάρξει ενημέρωση της κατάστασης με εικόνες που συλλέγονται ανά τακτά χρονικά διαστήματα.

'''Χωρική ανάλυση και κλίμακα εφαρμογής'''

Η χωρική ανάλυση των εικόνων είναι μία από τις σημαντικότερες παραμέτρους στην αξιοποίηση των δεδομένων για την αστική επέκταση. Από την μία πλευρά γίνεται προσπάθεια εύρεσης εικόνων μεγαλύτερης χωρικής ανάλυσης ώστε να δίνουν μία καλύτερη αντίληψη του φαινομένου από την άλλη όμως, πολύ μεγάλης χωρικής ανάλυσης εικόνες δύναται να οδηγήσουν σε προβλήματα στην ταξινόμηση βάσει των λογαρίθμων στα δεδομένα της εικόνας. Για την απλοποίηση της διαδικασίας επιλογής των εικόνων λοιπόν, είναι αποδεκτό ότι για φαινόμενα όπως η αστική διάχυση μία κλίμακα από 1:25.000 μέχρι 1:50.000 είναι επαρκής. Αυτή η κλίμακα μπορεί να επιτευχθεί από αισθητήρες οι οποίοι παρέχουν χωρική ανάλυση από 4 μέχρι 50 μέτρα όπως φαίνεται και στον Πίνακα 1.

Η παρακολούθηση της αστικής επέκτασης είναι μία απαιτητική διαδικασία καθώς προϋποθέτει δέκτες που να μπορούν να ξεχωρίσουν μία σειρά από υλικά. Οι τεχνητές αστικές επιφάνειες μπορεί να αποτελούνται από σκυρόδεμα, άσφαλτο, ξύλο, μέταλλα αλλά ακόμη και από βλάστηση στην περίπτωση των φυτεμένων δωμάτων. Αν λοιπόν διαφορετικά υλικά αποτυπώνονται σε ένα pixel είναι δύσκολη η αντίληψη της κατάστασης. Για τον λόγο αυτό απαιτούνται υπερφασματικοί σαρωτές με μεγάλο αριθμό συχνοτήτων, καθεμία εκ των οποίων να έχει μικρό εύρος, της τάξης των 10nm. Τέτοια συστήματα τηλεπισκόπησης όμως είναι περιορισμένα και κυρίως σε πειραματικό στάδιο. Αισθητήρες που ανήκουν σε αυτή την κατηγορία είναι ο Hyperion, ο Aviris, ο CHRIS και ο ASTER.

Άλλο ένα σημείο προβληματισμού είναι η συχνότητα παροχής των στοιχείων (temporal resolution) καθώς οι αστικές περιοχές πρέπει να ελέγχονται ανά σύντομα χρονικά διαστήματα λόγω της γρήγορης μεταβολής τους, όπως έχει προαναφερθεί. Μία ικανοποιητική λύση στο ζήτημα αυτό προσφέρουν οι δορυφόροι Landsat και ASTER που μπορούν να παρέχουν δεδομένα ανά 16 μέρες.

Ο δορυφόρος Landsat είναι γενικά αποδεκτό ότι μπορεί να χρησιμοποιηθεί σε τέτοιου είδους πολεοδομικά θέματα καθώς εκτός των άλλων δίνει ένα ικανοποιητικό αποτέλεσμα ενώ ταυτόχρονα προσφέρει την δυνατότητα διερεύνησης εικόνων από το 1972. Έτσι, υπάρχει η δυνατότητα εντοπισμού μακροχρόνιων μεταβολών στις χρήσεις και καλύψεις γης. Σημαντικό πλεονέκτημα επίσης αποτελεί και το γεγονός ότι οι περισσότερες εικόνες του Landsat μπορούν να αποκτηθούν με μικρό κόστος ή ακόμη και δωρεάν από το διαδίκτυο.

'''Εφαρμογή παρακολούθησης της αστικής επέκτασης μέσω τηλεπισκόπησης στην μητροπολιτική περιοχή του Φοίνιξ'''

Για την παρακολούθηση της αστικής επέκτασης στην περιοχή του Φοίνιξ χρησιμοποιήθηκαν επτά δορυφορικές εικόνες που ελήφθησαν από το 1973 έως το 2003. Όλες οι εικόνες ελήφθησαν την περίοδο της άνοιξης, με μικρή νεφοκάλυψη ενώ στην συνέχεια διορθώθηκαν και γεωκωδικοποιήθηκαν.

Στην συγκεκριμένη περίπτωση επειδή χρησιμοποιήθηκαν εικόνες από διαφορετικούς αισθητήρες και επομένως υπήρχε διαφορετική διακριτική ικανότητα η ανίχνευση των μεταβολών μέσω συγκεκριμένων μεθόδων ήταν δύσκολη. Για να ταξινομηθούν λοιπόν με ακρίβεια οι εικόνες χρησιμοποιήθηκε μία εξελιγμένη αντικειμενοστραφής προσέγγιση ανάλυσης εικόνας. Τελικά προέκυψαν 10 κατηγορίες που θα μπορούσαν να διαχωριστούν σαφώς, αυτές που φαίνονται στο υπόμνημα.

Για την ανάλυση των αλλαγών χρήσεις δημιουργήθηκε ένας κάναβος με κελιά 500Χ500 m. Ο βασικός διαχωρισμός τελικά έγινε ανάμεσα σε τρείς βασικές κατηγορίες χρήσεων: τις καλλιεργήσιμες εκτάσεις, τις αστικές χρήσεις και την φυσική βλάστηση. Σε επόμενο επίπεδο υπολογίστηκαν οι αλλαγές των χρήσεων από φυσική βλάστηση ή καλλιεργήσιμες εκτάσεις σε αστικές χρήσεις για κάθε μια από τις έξι περιόδους.

Στην Εικόνα 2 φαίνονται οι αλλαγές σε διάστημα τριάντα ετών (από το 1973-2003). Πιο συγκεκριμένα με χρώμα πράσινο αποτυπώνονται οι γεωργικές χρήσεις, με μπεζ απόχρωση είναι οι εκτάσεις φυσικής βλάστησης και με ροζ οι αστικές χρήσεις που υπήρχαν από το 1973. Αυτό που έχει ενδιαφέρον είναι οι εκτάσεις με κόκκινο όπου οι χρήσεις από φυσική βλάστηση ή γεωργικές εκμεταλλεύσεις έδωσαν την θέση τους σε αστικές χρήσεις. Όλες αυτές οι εκτάσεις λοιπόν αποτελούν την αστική επέκταση της πόλης σε διάστημα 30 ετών.

Το Διάγραμμα 1 μας δίνει μία εικόνα για την αστική επέκταση σε σχέση με το κέντρο της πόλης το 1973. Είναι προφανές ότι οι περιοχές που απέχουν περισσότερο από το κέντρο του 1973 κτιζόντουσαν σταδιακά και σε μεταγενέστερο χρόνο. Αυτό το διάγραμμα μας δίνει μία αίσθηση για τον χρόνο επέκτασης της πόλης σε κάθε περιμετρική περιοχή. Έτσι την περίοδο 1973-1979 η ανάπτυξη έλαβε χώρα κυρίως σε περιοχές 15 και 20 χιλιομέτρων μακριά από το κέντρο καθώς ο αστικός πυρήνας είχε ήδη κορεστεί ενώ την τελευταία περίοδο (2000-2003) βλέπουμε ανάπτυξη στο σύνολο των ζωνών από 15 έως 40 χιλιόμετρα. Σημαντική είναι και η διαπίστωση ότι πέρα των 45 χιλιομέτρων δεν καταγράφεται ιδιαίτερη ανοικοδόμηση της πόλης.

Το Διάγραμμα 2 μας δίνει τα ίδια στοιχεία αλλά με άλλον τρόπο παρουσίασης. Σε αυτό λοιπόν, βλέπουμε πιο καθαρά ότι για κάθε μεταγενέστερη περίοδο η οικοδομική δραστηριότητα συγκεντρώνονταν κατά βάση σε μία περιοχή μακρύτερα από το κέντρο της πόλης του 1973.

Πηγή: http://www.isprs.org/proceedings/XXXVI/8-W27/moeller.pdf

[[category:Ανίχνευση μεταβολών αστικής γης]]

Εφαρμογή της τηλεπισκόπησης για την παρακολούθηση της αστικής επέκτασης

2015-03-28T13:05:24Z

Manolis rallias:

[[Εικόνα: Remote sensing_table1.JPG‎ | thumb | right | '''Πίνακας 1'''
Κλίμακες για διάφορες εικόνες τηλεπισκόπησης]]
[[Εικόνα: Remote sensing_table2.JPG‎ | thumb | right | '''Πίνακας 2'''
Δορυφορικές εικόνες που χρησιμοποιήθηκαν στην περίπτωση της πόλης του Φοίνιξ]]
[[Εικόνα: Remote sensing_ypomnima.JPG‎ | thumb | right | '''Υπόμνημα''']]
[[Εικόνα: Remote sensing_image1.JPG‎ | thumb | right | '''Εικόνα 1'''
Αποτέλεσμα ταξινόμησης σε εικόνα TM του 1985]]
[[Εικόνα: Remote sensing_image2.JPG‎ | thumb | right | '''Εικόνα 2'''
Αλλαγές χρήσεων γης στην μητροπολιτική περιοχή του Φοίνιξ την περίοδο 1973-2003]]
[[Εικόνα: Remote sensing_image3.JPG‎ | thumb | right | '''Διάγραμμα 1'''
Ανάπτυξη αστικών χρήσεων (σε μ2) με βάση την απόσταση από το κέντρο της πόλης του Φοίνιξ το 1973]]
[[Εικόνα: Remote sensing_image4.JPG‎ | thumb | right | '''Διάγραμμα 2'''
Καμπύλες ανάπτυξης αστικών χρήσεων των έξι περιόδων]]

'''Πρωτότυπος Τίτλος''': Remote sensing for the monitoring of urban growth patterns

'''Συγγραφείς''': Moeller M. S.

'''Εισαγωγή'''

Οι αστικές περιοχές είναι από τις πλέον δυναμικές πάνω στην γη καθώς το μέγεθος του αυξάνεται σημαντικά με την πάροδο των ετών. Για την παρακολούθηση και την κατανόηση του φαινομένου αυτού, σημαντικό κεφάλαιο αποτελούν οι δορυφορικές εικόνες και η χρήση της τηλεπισκόπησης. Αν αναλογιστεί κανείς ότι σε πολλές περιπτώσεις η τηλεπισκόπηση είναι και ο μοναδικός τρόπος εντοπισμού των μεταβολών λόγω της μεγάλης έκτασης των πόλεων, γίνεται ακόμη καλύτερα αντιληπτό η προσφορά της επιστήμης αυτής.

Σημαντικό στοιχείο αποτελεί το γεγονός ότι μέσω της τηλεπισκόπησης δύναται να συγκριθούν και μελετηθούν διαχρονικά στοιχεία, να προστεθεί πληροφορία και από άλλες πηγές αλλά και να υπάρξει ενημέρωση της κατάστασης με εικόνες που συλλέγονται ανά τακτά χρονικά διαστήματα.

'''Χωρική ανάλυση και κλίμακα εφαρμογής'''

Η χωρική ανάλυση των εικόνων είναι μία από τις σημαντικότερες παραμέτρους στην αξιοποίηση των δεδομένων για την αστική επέκταση. Από την μία πλευρά γίνεται προσπάθεια εύρεσης εικόνων μεγαλύτερης χωρικής ανάλυσης ώστε να δίνουν μία καλύτερη αντίληψη του φαινομένου από την άλλη όμως, πολύ μεγάλης χωρικής ανάλυσης εικόνες δύναται να οδηγήσουν σε προβλήματα στην ταξινόμηση βάσει των λογαρίθμων στα δεδομένα της εικόνας. Για την απλοποίηση της διαδικασίας επιλογής των εικόνων λοιπόν, είναι αποδεκτό ότι για φαινόμενα όπως η αστική διάχυση μία κλίμακα από 1:25.000 μέχρι 1:50.000 είναι επαρκής. Αυτή η κλίμακα μπορεί να επιτευχθεί από αισθητήρες οι οποίοι παρέχουν χωρική ανάλυση από 4 μέχρι 50 μέτρα όπως φαίνεται και στον Πίνακα 1.

Η παρακολούθηση της αστικής επέκτασης είναι μία απαιτητική διαδικασία καθώς προϋποθέτει δέκτες που να μπορούν να ξεχωρίσουν μία σειρά από υλικά. Οι τεχνητές αστικές επιφάνειες μπορεί να αποτελούνται από σκυρόδεμα, άσφαλτο, ξύλο, μέταλλα αλλά ακόμη και από βλάστηση στην περίπτωση των φυτεμένων δωμάτων. Αν λοιπόν διαφορετικά υλικά αποτυπώνονται σε ένα pixel είναι δύσκολη η αντίληψη της κατάστασης. Για τον λόγο αυτό απαιτούνται υπερφασματικοί σαρωτές με μεγάλο αριθμό συχνοτήτων, καθεμία εκ των οποίων να έχει μικρό εύρος, της τάξης των 10nm. Τέτοια συστήματα τηλεπισκόπησης όμως είναι περιορισμένα και κυρίως σε πειραματικό στάδιο. Αισθητήρες που ανήκουν σε αυτή την κατηγορία είναι ο Hyperion, ο Aviris, ο CHRIS και ο ASTER.

Άλλο ένα σημείο προβληματισμού είναι η συχνότητα παροχής των στοιχείων (temporal resolution) καθώς οι αστικές περιοχές πρέπει να ελέγχονται ανά σύντομα χρονικά διαστήματα λόγω της γρήγορης μεταβολής τους, όπως έχει προαναφερθεί. Μία ικανοποιητική λύση στο ζήτημα αυτό προσφέρουν οι δορυφόροι Landsat και ASTER που μπορούν να παρέχουν δεδομένα ανά 16 μέρες.

Ο δορυφόρος Landsat είναι γενικά αποδεκτό ότι μπορεί να χρησιμοποιηθεί σε τέτοιου είδους πολεοδομικά θέματα καθώς εκτός των άλλων δίνει ένα ικανοποιητικό αποτέλεσμα ενώ ταυτόχρονα προσφέρει την δυνατότητα διερεύνησης εικόνων από το 1972. Έτσι, υπάρχει η δυνατότητα εντοπισμού μακροχρόνιων μεταβολών στις χρήσεις και καλύψεις γης. Σημαντικό πλεονέκτημα επίσης αποτελεί και το γεγονός ότι οι περισσότερες εικόνες του Landsat μπορούν να αποκτηθούν με μικρό κόστος ή ακόμη και δωρεάν από το διαδίκτυο.

'''Εφαρμογή παρακολούθησης της αστικής επέκτασης μέσω τηλεπισκόπησης στην μητροπολιτική περιοχή του Φοίνιξ'''

Για την παρακολούθηση της αστικής επέκτασης στην περιοχή του Φοίνιξ χρησιμοποιήθηκαν επτά δορυφορικές εικόνες που ελήφθησαν από το 1973 έως το 2003. Όλες οι εικόνες ελήφθησαν την περίοδο της άνοιξης, με μικρή νεφοκάλυψη ενώ στην συνέχεια διορθώθηκαν και γεωκωδικοποιήθηκαν.

Στην συγκεκριμένη περίπτωση επειδή χρησιμοποιήθηκαν εικόνες από διαφορετικούς αισθητήρες και επομένως υπήρχε διαφορετική διακριτική ικανότητα η ανίχνευση των μεταβολών μέσω συγκεκριμένων μεθόδων ήταν δύσκολη. Για να ταξινομηθούν λοιπόν με ακρίβεια οι εικόνες χρησιμοποιήθηκε μία εξελιγμένη αντικειμενοστραφής προσέγγιση ανάλυσης εικόνας. Τελικά προέκυψαν 10 κατηγορίες που θα μπορούσαν να διαχωριστούν σαφώς, αυτές που φαίνονται στο υπόμνημα.

Για την ανάλυση των αλλαγών χρήσεις δημιουργήθηκε ένας κάναβος με κελιά500Χ500 m. Ο βασικός διαχωρισμός τελικά έγινε ανάμεσα σε τρείς βασικές κατηγορίες χρήσεων: τις καλλιεργήσιμες εκτάσεις, τις αστικές χρήσεις και την φυσική βλάστηση. Σε επόμενο επίπεδο υπολογίστηκαν οι αλλαγές των χρήσεων από φυσική βλάστηση ή καλλιεργήσιμες εκτάσεις σε αστικές χρήσεις για κάθε μια από τις έξι περιόδους.

Στην Εικόνα 2 φαίνονται οι αλλαγές σε διάστημα τριάντα ετών (από το 1973-2003). Πιο συγκεκριμένα με χρώμα πράσινο αποτυπώνονται οι γεωργικές χρήσεις, με μπεζ απόχρωση είναι οι εκτάσεις φυσικής βλάστησης και με ροζ οι αστικές χρήσεις που υπήρχαν από το 1973. Αυτό που έχει ενδιαφέρον είναι οι εκτάσεις με κόκκινο όπου οι χρήσεις από φυσική βλάστηση ή γεωργικές εκμεταλλεύσεις έδωσαν την θέση τους σε αστικές χρήσεις. Όλες αυτές οι εκτάσεις λοιπόν αποτελούν την αστική επέκταση της πόλης σε διάστημα 30 ετών.

Το Διάγραμμα 1 μας δίνει μία εικόνα για την αστική επέκταση σε σχέση με το κέντρο της πόλης το 1973. Είναι προφανές ότι οι περιοχές που απέχουν περισσότερο από το κέντρο του 1973 κτιζόντουσαν σταδιακά και σε μεταγενέστερο χρόνο. Αυτό το διάγραμμα μας δίνει μία αίσθηση για τον χρόνο επέκτασης της πόλης σε κάθε περιμετρική περιοχή. Έτσι την περίοδο 1973-1979 η ανάπτυξη έλαβε χώρα κυρίως σε περιοχές 15 και 20 χιλιομέτρων μακριά από το κέντρο καθώς ο αστικός πυρήνας είχε ήδη κορεστεί ενώ την τελευταία περίοδο (2000-2003) βλέπουμε ανάπτυξη στο σύνολο των ζωνών από 15 έως 40 χιλιόμετρα. Σημαντική είναι και η διαπίστωση ότι πέρα των 45 χιλιομέτρων δεν καταγράφεται ιδιαίτερη ανοικοδόμηση της πόλης.

Το Διάγραμμα 2 μας δίνει τα ίδια στοιχεία αλλά με άλλον τρόπο παρουσίασης. Σε αυτό λοιπόν, βλέπουμε πιο καθαρά ότι για κάθε μεταγενέστερη περίοδο η οικοδομική δραστηριότητα συγκεντρώνονταν κατά βάση σε μία περιοχή μακρύτερα από το κέντρο της πόλης του 1973.

Πηγή: http://www.isprs.org/proceedings/XXXVI/8-W27/moeller.pdf

[[category:Ανίχνευση μεταβολών αστικής γης]]

Εφαρμογή της τηλεπισκόπησης για την παρακολούθηση της αστικής επέκτασης

2015-03-28T12:59:49Z

Manolis rallias:

[[Εικόνα: Remote sensing_table1.JPG‎ | thumb | right | '''Πίνακας 1'''
Κλίμακες για διάφορες εικόνες τηλεπισκόπησης]]
[[Εικόνα: Remote sensing_table2.JPG‎ | thumb | right | '''Πίνακας 2'''
Δορυφορικές εικόνες που χρησιμοποιήθηκαν στην περίπτωση της πόλης του Φοίνιξ]]
[[Εικόνα: Remote sensing_ypomnima.JPG‎ | thumb | right | '''Υπόμνημα''']]
[[Εικόνα: Remote sensing_image1.JPG‎ | thumb | right | '''Εικόνα 1'''
Αποτέλεσμα ταξινόμησης σε εικόνα TM του 1985]]
[[Εικόνα: Remote sensing_image2.JPG‎ | thumb | right | '''Εικόνα 2'''
Αλλαγές χρήσεων γης στην μητροπολιτική περιοχή του Φοίνιξ την περίοδο 1973-2003]]
[[Εικόνα: Remote sensing_image3.JPG‎ | thumb | right | '''Διάγραμμα 1'''
Ανάπτυξη αστικών χρήσεων (σε μ2) με βάση την απόσταση από το κέντρο της πόλης του Φοίνιξ το 1973]]
[[Εικόνα: Remote sensing_image4.JPG‎ | thumb | right | '''Διάγραμμα 2'''
Καμπύλες ανάπτυξης αστικών χρήσεων των έξι περιόδων]]

'''Πρωτότυπος Τίτλος''': Remote sensing for the monitoring of urban growth patterns

'''Συγγραφείς''': Moeller M. S.

'''Εισαγωγή'''

Οι αστικές περιοχές είναι από τις πλέον δυναμικές πάνω στην γη καθώς το μέγεθος του αυξάνεται σημαντικά με την πάροδο των ετών. Για την παρακολούθηση και την κατανόηση του φαινομένου αυτού, σημαντικό κεφάλαιο αποτελούν οι δορυφορικές εικόνες και η χρήση της τηλεπισκόπησης. Αν αναλογιστεί κανείς ότι σε πολλές περιπτώσεις η τηλεπισκόπηση είναι και ο μοναδικός τρόπος εντοπισμού των μεταβολών λόγω της μεγάλης έκτασης των πόλεων, γίνεται ακόμη καλύτερα αντιληπτό η προσφορά της επιστήμης αυτής.

Σημαντικό στοιχείο αποτελεί το γεγονός ότι μέσω της τηλεπισκόπησης δύναται να συγκριθούν και μελετηθούν διαχρονικά στοιχεία, να προστεθεί πληροφορία και από άλλες πηγές αλλά και να υπάρξει ενημέρωση της κατάστασης με εικόνες που συλλέγονται ανά τακτά χρονικά διαστήματα.

'''Χωρική ανάλυση και κλίμακα εφαρμογής'''

Η χωρική ανάλυση των εικόνων είναι μία από τις σημαντικότερες παραμέτρους στην αξιοποίηση των δεδομένων για την αστική επέκταση. Από την μία πλευρά γίνεται προσπάθεια εύρεσης εικόνων μεγαλύτερης χωρικής ανάλυσης ώστε να δίνουν μία καλύτερη αντίληψη του φαινομένου από την άλλη όμως, πολύ μεγάλης χωρικής ανάλυσης εικόνες δύναται να οδηγήσουν σε προβλήματα στην ταξινόμηση βάσει των λογαρίθμων στα δεδομένα της εικόνας. Για την απλοποίηση της διαδικασίας επιλογής των εικόνων λοιπόν, είναι αποδεκτό ότι για φαινόμενα όπως η αστική διάχυση μία κλίμακα από 1:25.000 μέχρι 1:50.000 είναι επαρκής. Αυτή η κλίμακα μπορεί να επιτευχθεί από αισθητήρες οι οποίοι παρέχουν χωρική ανάλυση από 4 μέχρι 50 μέτρα όπως φαίνεται και στον Πίνακα 1.

Η παρακολούθηση της αστικής επέκτασης είναι μία απαιτητική διαδικάσια καθώς προϋποθέτει δέκτες που να μπορούν να ξεχωρίσουν μία σειρά από υλικά. Οι τεχνητές αστικές επιφάνειες μπορεί να αποτελούνται από σκυρόδεμα, άσφαλτο, ξύλο, μέταλλα αλλά ακόμη και από βλάστηση στην περίπτωση των φυτεμένων δωμάτων. Αν λοιπόν διαφορετικά υλικά αποτυπώνονται σε ένα pixel είναι δύσκολη η αντίληψη της κατάστασης. Για τον λόγο αυτό απαιτούνται υπερφασματικοί σαρωτές με μεγάλο αριθμό συχνοτήτων καθεμία εκ των οποίων να έχει μικρό εύρος, της τάξης των 10nm. Τέτοια συστήματα τηλεπισκόπησης όμως είναι περιορισμένα και κυρίως σε πειραματικό στάδιο. Αισθητήρες που ανήκουν σε αυτή την κατηγορία είναι ο Hyperion, ο Aviris, ο CHRIS και ο ASTER.

Άλλο ένα σημείο προβληματισμού είναι η συχνότητα παροχής των στοιχείων (temporal resolution) καθώς οι αστικές περιοχές πρέπει να ελέγχονται ανά σύντομα χρονικά διαστήματα λόγω της γρήγορης μεταβολής τους, όπως έχει προαναφερθεί. Μία ικανοποιητική λύση στο ζήτημα αυτό προσφέρουν οι δορυφόροι Landsat και ASTER που μπορούν να παρέχουν δεδομένα ανά 16 μέρες.

Ο δορυφόρος Landsat είναι γενικά αποδεκτό ότι μπορεί να χρησιμοποιηθεί σε τέτοιου είδους πολεοδομικά θέματα. Δίνει ένα ικανοποιητικό αποτέλεσμα ενώ ταυτόχρονα μπορούν να ερευνηθούν εικόνες από το 1972 και να εντοπιστούν μακροχρόνιες μεταβολές στις χρήσεις και καλύψεις γης. Σημαντικό πλεονέκτημα επίσης αποτελεί και το γεγονός ότι οι περισσότερες εικόνες του Landsat μπορούν να αποκτηθούν με μικρό κόστος ή ακόμη και δωρεάν από το διαδίκτυο.

'''Εφαρμογή παρακολούθηση της αστικής επέκτασης μέσω τηλεπισκόπησης στην μητροπολιτική περιοχή του Φοίνιξ'''

Για την παρακολούθηση της αστικής επέκτασης στην περιοχή του Φοίνιξ χρησιμοποιήθηκαν επτά δορυφορικές εικόνες που ελήφθησαν από το 1973 έως το 2003. Όλες οι εικόνες ελήφθησαν την περίοδο της άνοιξης, με μικρή νεφοκάλυψη ενώ στην συνέχεια διορθώθηκαν και γεωκωδικοποιήθηκαν.

Στην συγκεκριμένη περίπτωση επειδή χρησιμοποιήθηκαν εικόνες από διαφορετικούς αισθητήρες και επομένως υπήρχε διαφορετική διακριτική ικανότητα η ανίχνευση των μεταβολών μέσω συγκεκριμένων μεθόδων ήταν δύσκολη. Για να ταξινομηθούν λοιπόν με ακρίβεια οι εικόνες χρησιμοποιήθηκε μία εξελιγμένη αντικειμενοστραφής προσέγγιση ανάλυσης εικόνας. Τελικά προέκυψαν 10 κατηγορίες που θα μπορούσαν να διαχωριστούν σαφώς, αυτές που φαίνονται στο υπόμνημα.

Για την ανάλυση των αλλαγών χρήσεις δημιουργήθηκε ένας κάναβος με κελιά500Χ500 m. Ο βασικός διαχωρισμός τελικά έγινε ανάμεσα σε τρείς βασικές κατηγορίες χρήσεων: τις καλλιεργήσιμες εκτάσεις, τις αστικές χρήσεις και την φυσική βλάστηση. Σε επόμενο επίπεδο υπολογίστηκαν οι αλλαγές των χρήσεων από φυσική βλάστηση ή καλλιεργήσιμες εκτάσεις σε αστικές χρήσεις για κάθε μια από τις έξι περιόδους.

Στην Εικόνα 2 φαίνονται οι αλλαγές σε διάστημα τριάντα ετών (από το 1973-2003). Πιο συγκεκριμένα με χρώμα πράσινο αποτυπώνονται οι γεωργικές χρήσεις, με μπεζ απόχρωση είναι οι εκτάσεις φυσικής βλάστησης και με ροζ οι αστικές χρήσεις που υπήρχαν από το 1973. Αυτό που έχει ενδιαφέρον είναι οι εκτάσεις με κόκκινο όπου οι χρήσεις από φυσική βλάστηση ή γεωργικές εκμεταλλεύσεις έδωσαν την θέση τους σε αστικές χρήσεις. Όλες αυτές οι εκτάσεις λοιπόν αποτελούν την αστική επέκταση της πόλης σε διάστημα 30 ετών.

Το Διάγραμμα 1 μας δίνει μία εικόνα για την αστική επέκταση σε σχέση με το κέντρο της πόλης το 1973. Είναι προφανές ότι οι περιοχές που απέχουν περισσότερο από το κέντρο του 1973 κτιζόντουσαν σταδιακά και σε μεταγενέστερο χρόνο. Αυτό το διάγραμμα μας δίνει μία αίσθηση για τον χρόνο επέκτασης της πόλης σε κάθε περιμετρική περιοχή. Έτσι την περίοδο 1973-1979 η ανάπτυξη έλαβε χώρα κυρίως σε περιοχές 15 και 20 χιλιομέτρων μακριά από το κέντρο καθώς ο αστικός πυρήνας είχε ήδη κορεστεί ενώ την τελευταία περίοδο (2000-2003) βλέπουμε ανάπτυξη στο σύνολο των ζωνών από 15 έως 40 χιλιόμετρα. Σημαντική είναι και η διαπίστωση ότι πέρα των 45 χιλιομέτρων δεν καταγράφεται ιδιαίτερη ανοικοδόμηση της πόλης.

Το Διάγραμμα 2 μας δίνει τα ίδια στοιχεία αλλά με άλλον τρόπο παρουσίασης. Σε αυτό λοιπόν, βλέπουμε πιο καθαρά ότι για κάθε μεταγενέστερη περίοδο η οικοδομική δραστηριότητα συγκεντρώνονταν κατά βάση σε μία περιοχή μακρύτερα από το κέντρο της πόλης του 1973.

Πηγή: http://www.isprs.org/proceedings/XXXVI/8-W27/moeller.pdf

[[category:Ανίχνευση μεταβολών αστικής γης]]

Εφαρμογές της τηλεπισκόπησης στην αρχαιολογική έρευνα της βόρειας λιμνοθάλασσας της Βενετίας: Η περίπτωση του χαμένου οικισμού Constanciacus

2015-03-28T12:50:01Z

Manolis rallias:

[[Εικόνα: arxaia1.jpg‎ | thumb | right | '''Εικόνα 1'''
Άποψη της περιοχής έρευνας για αρχαιολογικά ευρήματα]]
[[Εικόνα: arxaia2.JPG‎ | thumb | right | '''Εικόνα 2'''
Το δυτικό τμήμα του νησιού Sant Ariano όπου με πράσινο χρώμα απεικονίζονται γραμμικές ανωμαλίες στο έδαφος που εντοπίστηκαν μέσω της τηλεπισκόπησης]]
[[Εικόνα: Arxaia3.JPG | thumb | right | '''Εικόνα 3'''
Τα ίχνη που ανιχνεύτηκαν και χαρτογραφήθηκαν για το νησί La Cura (υπόβαθρο από εικόνα True Color Quickbird)]]
[[Εικόνα: Arxaia4.JPG‎ | thumb | right | '''Εικόνα 4'''
Τηλεπισκοπικά δεδομένα σε αντιπαραβολή με ιστορικούς χάρτες της περιοχής: Νησιά Motta dei Cunicci και Sant Andrea]]

'''Πρωτότυπος Τίτλος''': Remote sensing applications and archaeological research in the Northern Lagoon of Venice: the case of the lost settlement of Constanciacus

'''Συγγραφείς''': Cottica D., Traviglia A.

'''Εισαγωγή'''

Το έργο με την ονομασία ¨Project Constanciacus¨ προέβλεπε την αρχαιολογική έρευνα στην βόρεια λιμνοθάλασσα της Βενετίας με σκοπό τον εντοπισμό, αποκατάσταση, προστασία και ανάδειξη μίας ομάδας νησιών που υπήρχαν στην περιοχή από τα αρχαία χρόνια και εκ των οποίων μόλις δύο υπάρχουν και είναι γνωστά σήμερα, τα εγκαταλελειμμένα νησιά Sant'Ariano και La Cura. Οι ανασκαφές είχαν ιδιαίτερη αξία αφού αναζητούσαν στοιχεία από την ιστορία της Βενετίας και έψαχναν απαντήσεις πάνω στο ερώτημα του πως ήταν η περιοχή πριν την ύπαρξη της γνωστής μεσαιωνικής πόλης και αγοράς.

'''Τηλεσκοπικά δεδομένα-Εφαρμογή'''

Για την σπουδαία αυτή αρχαιολογική έρευνα απαιτήθηκε συμμετοχή διαφόρων επιστημονικών πεδίων-με κύριο ρόλο να διαδραματίζουν οι εφαρμογές της τηλεπισκόπησης, δεδομένου ότι το σύμπλεγμα των υπό αναζήτηση νησιών πιθανολογούταν ότι βρίσκονταν είτε κάτω από την επιφάνεια της γης είτε κάτω από τα ρηχά νερά της λιμνοθάλασσας. Προς αυτήν την κατεύθυνση η τηλεπισκόπηση κλήθηκε να συνεισφέρει στην έρευνα εντοπίζοντας πιθανές αρχαιολογικές περιοχές μέσω του εντοπισμού ανωμαλιών στο έδαφος ή στην βλάστηση που ενδεχομένως να σχετίζονται με αρχαιολογικά ευρήματα και αρχαίες κατασκευές. Πηγές από παλιά κείμενα και χάρτες έδιναν πληροφορίες για την σημαντικότητα της περιοχής αλλά τα στοιχεία που υπήρχαν ήταν λιγοστά και οι έρευνες που είχαν διενεργηθεί ήταν ελάχιστες παρά την σημαντικότητα της εν λόγω περιοχής.

Όπως προκύπτει και από την Εικόνα 1 η περιοχή έρευνας χαρακτηρίζεται από έντονη βλάστηση, δύσκολη προσβασιμότητα, ειδικές περιβαλλοντικές συνθήκες με πολλά προστατευόμενα είδη πανίδας και χλωρίδας. Στο εύθραυστο αυτό φυσικό περιβάλλον ήταν δύσκολο να γίνουν ευρείας κλίμακας αρχαιολογικές ανασκαφές και σε αυτό βοήθησε η τηλεπισκόπηση όπου αναγνώρισε πιθανά σημεία αρχαιολογικού ενδιαφέροντος. Βέλτιστη πρακτική έρευνας λοιπόν θεωρήθηκε η χρήση δορυφορικών εικόνων και η χρήση εφαρμογών του GIS που σε συνδυασμό με παλιούς χάρτες για την περιοχή και βιβλιογραφικές αναφορές οδήγησαν σε πιθανές αρχαιολογικές περιοχές. Σε ένα δεύτερο στάδιο συνδυάστηκαν και παραδοσιακές αρχαιολογικές τεχνικές έρευνας όπως η στρωματογραφική ανασκαφή, υποβρύχια έρευνα κλπ. Όπως φαίνεται και στην Εικόνα 2, μετά από ενδελεχή έρευνα αναγνωρίστηκαν οι ευθείες Α, B και C, που τελικά όπως αποδείχτηκε αποτελούν μέρος των αρχαίων τοίχων.

Για τους σκοπούς της αρχαιολογικής έρευνας χρησιμοποιήθηκαν τόσο δορυφορικές εικόνες όσο και πλάγιες ή κάθετες αεροφωτογραφίες. Το ζητούμενο ήταν με βάση την γνώση πάνω στα ιδιαίτερα χαρακτηριστικά της περιοχής καθώς και την παρεχόμενη γνώση από ιστορικές πηγές ή προγενέστερες έρευνες να εντοπιστούν διαφορές στο ανάγλυφο ή την βλάστηση των περιοχών που είναι απόρροια αρχαίων κατασκευών. Οι εικόνες που χρησιμοποιήθηκαν ήταν διαφόρων χρονικών περιόδων, έτσι υπήρχαν εικόνες από την δεκαετία του ΄30 μέχρι και σύγχρονες ορθοφωτογραφίες μεγάλης διακριτικής ικανότητας του 2004. Για την δεκαετία 1994-2004 υπήρχε μία εικόνα ανά έτος ενώ για το διάστημα μέχρι το 1970 μία εικόνα ανά πενταετία. Από τις εικόνες αυτές ιδιαίτερη έμφαση στην ανάλυση τους δόθηκε στις εικόνες υψηλής ανάλυσης Ikonos του 2000, 2001, 2002 και 20004 και μίας εικόνα Quickbird του 2003, ενώ υπήρξαν και εικόνες που δεν αξιοποιήθηκαν στην πρώτη φάση. Έγινε λοιπόν μία επιλογή του υλικού λόγω και της μεγάλης του ποσότητας και στην περαιτέρω επεξεργασία (π.χ. χρήση φίλτρων), πέρασε μόνο ένα μέρος των εικόνων.

Οι εικόνες Ikonos και Quickbird θεωρούνται ως οι πλέον κατάλληλες για αρχαιολογική χρήση δεδομένης της ακρίβειας της χωρικής διακριτικής τους ικανότητας άλλα και της μεγάλης κάλυψης του ηλεκτρομαγνητικού φάσματος. Οι εικόνες Ikonos του 2000 και 2002 που αποκτήθηκαν περιείχαν 4 πολυφασματικά κανάλια και ένα παγχρωματικό. Το πολυφασματικό κανάλι λάμβανε πληροφορίες στην φασματική περιοχή από το μπλε σε NIR με χωρική ανάλυση 4μέτρων. ο παγχρωματικός δέκτης από την άλλη πλευρά μάζευε δεδομένα στο ορατό και στην περιοχή του NIR, με το ηλεκτρομαγνητικό φάσμα να έχει εύρος ζώνης από 450 nm έως 850 nm και χωρική ανάλυση 0,8 μέτρα. Με στόχο την εκμετάλλευση των πολυφασματικών πληροφοριών που παρείχαν οι εικόνες Ikonos ακολουθήθηκαν διάφορες τεχνικές όπως η εφαρμογή του δείκτη βλάστησης, η ανάλυση κυρίων συνιστωσών (PCA) κλπ, επιλέγοντας κάθε φορά την κατάλληλη επεξεργασία ανάλογα αν εξετάζονταν η γη, η λιμνοθάλασσα, η βλάστηση κλπ. Τα αποτελέσματα που προέκυψαν δείχνουν υψηλό βαθμό ταυτοποίησης των δυνητικά αρχαιολογικών περιοχών που προσδιορίστηκαν από τις εικόνες και των αρχαιολογικών ιχνών που ταυτοποιήθηκαν στην συνέχεια από την αρχαιολογική έρευνα.

'''Συμπεράσματα'''

Συμπερασματικά μπορεί να ειπωθεί ότι η τηλεπισκόπηση δίνει μία εναλλακτική προσέγγιση για το προσδιορισμό πιθανόν αρχαιολογικών περιοχών και ευρημάτων και μπορεί να αποτελέσει χρήσιμη πρακτική σε περιπτώσεις όπου υπάρχει δυσκολία επιτόπιας έρευνα της περιοχής, όπως στην περίπτωση της Βενετίας. Από την αρχαιολογική έρευνα που έγινε στην περιοχή της Βενετίας προκύπτει ότι τα αποτελέσματα της τηλεπισκόπησης είναι αρκετά αξιόπιστα αν και ακόμη δεν έχει ολοκληρωθεί η διαδικασία διασταύρωσης των ενδείξεων από τις εικόνες και της επιτόπιας έρευνας.

Πηγή:http://www.sciencedirect.com/science/article/pii/S0305440310003845

[[category:Αρχαιολογία]]

Εφαρμογή της τηλεπισκόπησης για την παρακολούθηση της αστικής επέκτασης

2015-03-24T20:21:19Z

Manolis rallias:

[[Εικόνα: Remote sensing_table1.JPG‎ | thumb | right | '''Πίνακας 1'''
Κλίμακες για διάφορες εικόνες τηλεπισκόπησης]]
[[Εικόνα: Remote sensing_table2.JPG‎ | thumb | right | '''Πίνακας 2'''
Δορυφορικές εικόνες που χρησιμοποιήθηκαν στην περίπτωση της πόλης του Φοίνιξ]]
[[Εικόνα: Remote sensing_ypomnima.JPG‎ | thumb | right | '''Υπόμνημα''']]
[[Εικόνα: Remote sensing_image1.JPG‎ | thumb | right | '''Εικόνα 1'''
Αποτέλεσμα ταξινόμησης σε εικόνα TM του 1985]]
[[Εικόνα: Remote sensing_image2.JPG‎ | thumb | right | '''Εικόνα 2'''
Αλλαγές χρήσεων γης στην μητροπολιτική περιοχή του Φοίνιξ την περίοδο 1973-2003]]
[[Εικόνα: Remote sensing_image3.JPG‎ | thumb | right | '''Διάγραμμα 1'''
Ανάπτυξη αστικών χρήσεων (σε μ2) με βάση την απόσταση από το κέντρο της πόλης του Φοίνιξ το 1973]]
[[Εικόνα: Remote sensing_image4.JPG‎ | thumb | right | '''Διάγραμμα 2'''
Καμπύλες ανάπτυξης αστικών χρήσεων των έξι περιόδων]]

'''Πρωτότυπος Τίτλος''': Remote sensing for the monitoring of urban growth patterns

'''Συγγραφείς''': Moeller M. S.

'''Εισαγωγή'''

Οι αστικές περιοχές είναι από τις πλέον δυναμικές πάνω στην γη καθώς το μέγεθος του αυξάνεται σημαντικά με την πάροδο των ετών. Για την παρακολούθηση και την κατανόηση του φαινομένου αυτού, οι δορυφορικές εικόνες και η χρήση της τηλεπισκόπησης αποτελούν σημαντικό κεφάλαιο. Αν αναλογιστεί κανείς ότι σε πολλές περιπτώσεις η τηλεπισκόπηση είναι και ο μοναδικός τρόπος εντοπισμού των μεταβολών λόγω της μεγάλης έκτασης των πόλεων, γίνεται ακόμη καλύτερα αντιληπτό η προσφορά του κλάδου.

Σημαντικό στοιχείο αποτελεί το γεγονός ότι μπορούν να συγκρίνονται διαχρονικά τα στοιχεία, να προσθέτεται πληροφορία και από άλλες πηγές αλλά και να υπάρχει ενημέρωση της κατάστασης με εικόνες που συλλέγονται ανά τακτά χρονικά διαστήματα.

Η χωρική ανάλυση των εικόνων είναι μία από τις σημαντικότερες παραμέτρους στην αξιοποίηση των δεδομένων για την αστική επέκταση. Από την μία πλευρά γίνεται προσπάθεια εύρεσης εικόνων μεγαλύτερης χωρικής ανάλυσης ώστε να δίνουν μία καλύτερη αντίληψη του φαινομένου από την άλλη όμως, πολύ μεγάλης χωρικής ανάλυσης εικόνες δύναται να οδηγήσουν σε προβλήματα στην ταξινόμηση βάσει των λογαρίθμων στα δεδομένα της εικόνας. Για την απλοποίηση της διαδικασίας επιλογής των εικόνων λοιπόν, είναι αποδεκτό ότι για φαινόμενα όπως η αστική διάχυση μία κλίμακα από 1:25.000 μέχρι 1:50.000 είναι επαρκής. Αυτή η κλίμακα μπορεί να επιτευχθεί από αισθητήρες οι οποίοι παρέχουν χωρική ανάλυση από 4 μέχρι 50 μέτρα όπως φαίνεται και στον Πίνακα 1.

Η παρακολούθηση της αστικής επέκτασης είναι μία απαιτητική διαδικάσια καθώς προϋποθέτει δέκτες που να μπορούν να ξεχωρίσουν μία σειρά από υλικά. Οι τεχνητές αστικές επιφάνειες μπορεί να αποτελούνται από σκυρόδεμα, άσφαλτο, ξύλο, μέταλλα αλλά ακόμη και από βλάστηση στην περίπτωση των φυτεμένων δωμάτων. Αν λοιπόν διαφορετικά υλικά αποτυπώνονται σε ένα pixel είναι δύσκολη η αντίληψη της κατάστασης. Για τον λόγο αυτό απαιτούνται υπερφασματικοί σαρωτές με μεγάλο αριθμό συχνοτήτων καθεμία εκ των οποίων να έχει μικρό εύρος, της τάξης των 10nm. Τέτοια συστήματα τηλεπισκόπησης όμως είναι περιορισμένα και κυρίως σε πειραματικό στάδιο. Αισθητήρες που ανήκουν σε αυτή την κατηγορία είναι ο Hyperion, ο Aviris, ο CHRIS και ο ASTER.

Άλλο ένα σημείο προβληματισμού είναι η συχνότητα παροχής των στοιχείων (temporal resolution) καθώς οι αστικές περιοχές πρέπει να ελέγχονται ανά σύντομα χρονικά διαστήματα λόγω της γρήγορης μεταβολής τους, όπως έχει προαναφερθεί. Μία ικανοποιητική λύση στο ζήτημα αυτό προσφέρουν οι δορυφόροι Landsat και ASTER που μπορούν να παρέχουν δεδομένα ανά 16 μέρες.

Ο δορυφόρος Landsat είναι γενικά αποδεκτό ότι μπορεί να χρησιμοποιηθεί σε τέτοιου είδους πολεοδομικά θέματα. Δίνει ένα ικανοποιητικό αποτέλεσμα ενώ ταυτόχρονα μπορούν να ερευνηθούν εικόνες από το 1972 και να εντοπιστούν μακροχρόνιες μεταβολές στις χρήσεις και καλύψεις γης. Σημαντικό πλεονέκτημα επίσης αποτελεί και το γεγονός ότι οι περισσότερες εικόνες του Landsat μπορούν να αποκτηθούν με μικρό κόστος ή ακόμη και δωρεάν από το διαδίκτυο.

'''Εφαρμογή παρακολούθηση της αστικής επέκτασης μέσω τηλεπισκόπησης στην μητροπολιτική περιοχή του Φοίνιξ'''

Για την παρακολούθηση της αστικής επέκτασης στην περιοχή του Φοίνιξ χρησιμοποιήθηκαν επτά δορυφορικές εικόνες που ελήφθησαν από το 1973 έως το 2003. Όλες οι εικόνες ελήφθησαν την περίοδο της άνοιξης, με μικρή νεφοκάλυψη ενώ στην συνέχεια διορθώθηκαν και γεωκωδικοποιήθηκαν.

Στην συγκεκριμένη περίπτωση επειδή χρησιμοποιήθηκαν εικόνες από διαφορετικούς αισθητήρες και επομένως υπήρχε διαφορετική διακριτική ικανότητα η ανίχνευση των μεταβολών μέσω συγκεκριμένων μεθόδων ήταν δύσκολη. Για να ταξινομηθούν λοιπόν με ακρίβεια οι εικόνες χρησιμοποιήθηκε μία εξελιγμένη αντικειμενοστραφής προσέγγιση ανάλυσης εικόνας. Τελικά προέκυψαν 10 κατηγορίες που θα μπορούσαν να διαχωριστούν σαφώς, αυτές που φαίνονται στο υπόμνημα.

Για την ανάλυση των αλλαγών χρήσεις δημιουργήθηκε ένας κάναβος με κελιά500Χ500 m. Ο βασικός διαχωρισμός τελικά έγινε ανάμεσα σε τρείς βασικές κατηγορίες χρήσεων: τις καλλιεργήσιμες εκτάσεις, τις αστικές χρήσεις και την φυσική βλάστηση. Σε επόμενο επίπεδο υπολογίστηκαν οι αλλαγές των χρήσεων από φυσική βλάστηση ή καλλιεργήσιμες εκτάσεις σε αστικές χρήσεις για κάθε μια από τις έξι περιόδους.

Στην Εικόνα 2 φαίνονται οι αλλαγές σε διάστημα τριάντα ετών (από το 1973-2003). Πιο συγκεκριμένα με χρώμα πράσινο αποτυπώνονται οι γεωργικές χρήσεις, με μπεζ απόχρωση είναι οι εκτάσεις φυσικής βλάστησης και με ροζ οι αστικές χρήσεις που υπήρχαν από το 1973. Αυτό που έχει ενδιαφέρον είναι οι εκτάσεις με κόκκινο όπου οι χρήσεις από φυσική βλάστηση ή γεωργικές εκμεταλλεύσεις έδωσαν την θέση τους σε αστικές χρήσεις. Όλες αυτές οι εκτάσεις λοιπόν αποτελούν την αστική επέκταση της πόλης σε διάστημα 30 ετών.

Το Διάγραμμα 1 μας δίνει μία εικόνα για την αστική επέκταση σε σχέση με το κέντρο της πόλης το 1973. Είναι προφανές ότι οι περιοχές που απέχουν περισσότερο από το κέντρο του 1973 κτιζόντουσαν σταδιακά και σε μεταγενέστερο χρόνο. Αυτό το διάγραμμα μας δίνει μία αίσθηση για τον χρόνο επέκτασης της πόλης σε κάθε περιμετρική περιοχή. Έτσι την περίοδο 1973-1979 η ανάπτυξη έλαβε χώρα κυρίως σε περιοχές 15 και 20 χιλιομέτρων μακριά από το κέντρο καθώς ο αστικός πυρήνας είχε ήδη κορεστεί ενώ την τελευταία περίοδο (2000-2003) βλέπουμε ανάπτυξη στο σύνολο των ζωνών από 15 έως 40 χιλιόμετρα. Σημαντική είναι και η διαπίστωση ότι πέρα των 45 χιλιομέτρων δεν καταγράφεται ιδιαίτερη ανοικοδόμηση της πόλης.

Το Διάγραμμα 2 μας δίνει τα ίδια στοιχεία αλλά με άλλον τρόπο παρουσίασης. Σε αυτό λοιπόν, βλέπουμε πιο καθαρά ότι για κάθε μεταγενέστερη περίοδο η οικοδομική δραστηριότητα συγκεντρώνονταν κατά βάση σε μία περιοχή μακρύτερα από το κέντρο της πόλης του 1973.

Πηγή: http://www.isprs.org/proceedings/XXXVI/8-W27/moeller.pdf

[[category:Ανίχνευση μεταβολών αστικής γης]]

Εφαρμογή της τηλεπισκόπησης για την παρακολούθηση της αστικής επέκτασης

2015-03-24T17:33:14Z

Manolis rallias:

[[Εικόνα: Remote sensing_image1.JPG‎ | thumb | right | '''Εικόνα 1'''
Αποτέλεσμα ταξινόμησης σε εικόνα TM του 1985]]

[[Εικόνα: Remote sensing_image2.JPG‎ | thumb | right | '''Εικόνα 2'''
Αλλαγές χρήσεων γης στην μητροπολιτική περιοχή του Φοίνιξ την περίοδο 1973-2003]]

'''Πρωτότυπος Τίτλος''': Remote sensing for the monitoring of urban growth patterns

'''Συγγραφείς''': Moeller M. S.

'''Εισαγωγή'''

Οι αστικές περιοχές είναι από τις πλέον δυναμικές πάνω στην γη καθώς το μέγεθος του αυξάνεται σημαντικά με την πάροδο των ετών. Για την παρακολούθηση και την κατανόηση του φαινομένου αυτού, οι δορυφορικές εικόνες και η χρήση της τηλεπισκόπησης αποτελούν σημαντικό κεφάλαιο. Αν αναλογιστεί κανείς ότι σε πολλές περιπτώσεις η τηλεπισκόπηση είναι και ο μοναδικός τρόπος εντοπισμού των μεταβολών λόγω της μεγάλης έκτασης των πόλεων, γίνεται ακόμη καλύτερα αντιληπτό η προσφορά του κλάδου.

Σημαντικό στοιχείο αποτελεί το γεγονός ότι μπορούν να συγκρίνονται διαχρονικά τα στοιχεία, να προσθέτεται πληροφορία και από άλλες πηγές αλλά και να υπάρχει ενημέρωση της κατάστασης με εικόνες που συλλέγονται ανά τακτά χρονικά διαστήματα.

Η χωρική ανάλυση των εικόνων είναι μία από τις σημαντικότερες παραμέτρους στην αξιοποίηση των δεδομένων για την αστική επέκταση. Από την μία πλευρά γίνεται προσπάθεια εύρεσης εικόνων μεγαλύτερης χωρικής ανάλυσης ώστε να δίνουν μία καλύτερη αντίληψη του φαινομένου από την άλλη όμως, πολύ μεγάλης χωρικής ανάλυσης εικόνες δύναται να οδηγήσουν σε προβλήματα στην ταξινόμηση βάσει των λογαρίθμων στα δεδομένα της εικόνας. Για την απλοποίηση της διαδικασίας επιλογής των εικόνων λοιπόν, είναι αποδεκτό ότι για φαινόμενα όπως η αστική διάχυση μία κλίμακα από 1:25.000 μέχρι 1:50.000 είναι επαρκής. Αυτή η κλίμακα μπορεί να επιτευχθεί από αισθητήρες οι οποίοι παρέχουν χωρική ανάλυση από 4 μέχρι 50 μέτρα όπως φαίνεται και στον Πίνακα 1.

Η παρακολούθηση της αστικής επέκτασης είναι μία απαιτητική διαδικάσια καθώς προϋποθέτει δέκτες που να μπορούν να ξεχωρίσουν μία σειρά από υλικά. Οι τεχνητές αστικές επιφάνειες μπορεί να αποτελούνται από σκυρόδεμα, άσφαλτο, ξύλο, μέταλλα αλλά ακόμη και από βλάστηση στην περίπτωση των φυτεμένων δωμάτων. Αν λοιπόν διαφορετικά υλικά αποτυπώνονται σε ένα pixel είναι δύσκολη η αντίληψη της κατάστασης. Για τον λόγο αυτό απαιτούνται υπερφασματικοί σαρωτές με μεγάλο αριθμό συχνοτήτων καθεμία εκ των οποίων να έχει μικρό εύρος, της τάξης των 10nm. Τέτοια συστήματα τηλεπισκόπησης όμως είναι περιορισμένα και κυρίως σε πειραματικό στάδιο. Αισθητήρες που ανήκουν σε αυτή την κατηγορία είναι ο Hyperion, ο Aviris, ο CHRIS και ο ASTER.

Άλλο ένα σημείο προβληματισμού είναι η συχνότητα παροχής των στοιχείων (temporal resolution) καθώς οι αστικές περιοχές πρέπει να ελέγχονται ανά σύντομα χρονικά διαστήματα λόγω της γρήγορης μεταβολής τους, όπως έχει προαναφερθεί. Μία ικανοποιητική λύση στο ζήτημα αυτό προσφέρουν οι δορυφόροι Landsat και ASTER που μπορούν να παρέχουν δεδομένα ανά 16 μέρες.

Ο δορυφόρος Landsat είναι γενικά αποδεκτό ότι μπορεί να χρησιμοποιηθεί σε τέτοιου είδους πολεοδομικά θέματα. Δίνει ένα ικανοποιητικό αποτέλεσμα ενώ ταυτόχρονα μπορούν να ερευνηθούν εικόνες από το 1972 και να εντοπιστούν μακροχρόνιες μεταβολές στις χρήσεις και καλύψεις γης. Σημαντικό πλεονέκτημα επίσης αποτελεί και το γεγονός ότι οι περισσότερες εικόνες του Landsat μπορούν να αποκτηθούν με μικρό κόστος ή ακόμη και δωρεάν από το διαδίκτυο.

'''Εφαρμογή παρακολούθηση της αστικής επέκτασης μέσω τηλεπισκόπησης στην μητροπολιτική περιοχή του Φοίνιξ'''

Για την παρακολούθηση της αστικής επέκτασης στην περιοχή του Φοίνιξ χρησιμοποιήθηκαν επτά δορυφορικές εικόνες που ελήφθησαν από το 1973 έως το 2003. Όλες οι εικόνες ελήφθησαν την περίοδο της άνοιξης, με μικρή νεφοκάλυψη ενώ στην συνέχεια διορθώθηκαν και γεωκωδικοποιήθηκαν.

Στην συγκεκριμένη περίπτωση επειδή χρησιμοποιήθηκαν εικόνες από διαφορετικούς αισθητήρες και επομένως υπήρχε διαφορετική διακριτική ικανότητα η ανίχνευση των μεταβολών μέσω συγκεκριμένων μεθόδων ήταν δύσκολη. Για να ταξινομηθούν λοιπόν με ακρίβεια οι εικόνες χρησιμοποιήθηκε μία εξελιγμένη αντικειμενοστραφής προσέγγιση ανάλυσης εικόνας. Τελικά προέκυψαν 10 κατηγορίες που θα μπορούσαν να διαχωριστούν σαφώς, αυτές που φαίνονται στο υπόμνημα.

Για την ανάλυση των αλλαγών χρήσεις δημιουργήθηκε ένας κάναβος με κελιά500Χ500 m. Ο βασικός διαχωρισμός τελικά έγινε ανάμεσα σε τρείς βασικές κατηγορίες χρήσεων: τις καλλιεργήσιμες εκτάσεις, τις αστικές χρήσεις και την φυσική βλάστηση. Σε επόμενο επίπεδο υπολογίστηκαν οι αλλαγές των χρήσεων από φυσική βλάστηση ή καλλιεργήσιμες εκτάσεις σε αστικές χρήσεις για κάθε μια από τις έξι περιόδους.

Στην Εικόνα 2 φαίνονται οι αλλαγές σε διάστημα τριάντα ετών (από το 1973-2003). Πιο συγκεκριμένα με χρώμα πράσινο αποτυπώνονται οι γεωργικές χρήσεις, με μπεζ απόχρωση είναι οι εκτάσεις φυσικής βλάστησης και με ροζ οι αστικές χρήσεις που υπήρχαν από το 1973. Αυτό που έχει ενδιαφέρον είναι οι εκτάσεις με κόκκινο όπου οι χρήσεις από φυσική βλάστηση ή γεωργικές εκμεταλλεύσεις έδωσαν την θέση τους σε αστικές χρήσεις. Όλες αυτές οι εκτάσεις λοιπόν αποτελούν την αστική επέκταση της πόλης σε διάστημα 30 ετών.

Το Διάγραμμα 1 μας δίνει μία εικόνα για την αστική επέκταση σε σχέση με το κέντρο της πόλης το 1973. Είναι προφανές ότι οι περιοχές που απέχουν περισσότερο από το κέντρο του 1973 κτιζόντουσαν σταδιακά και σε μεταγενέστερο χρόνο. Αυτό το διάγραμμα μας δίνει μία αίσθηση για τον χρόνο επέκτασης της πόλης σε κάθε περιμετρική περιοχή. Έτσι την περίοδο 1973-1979 η ανάπτυξη έλαβε χώρα κυρίως σε περιοχές 15 και 20 χιλιομέτρων μακριά από το κέντρο καθώς ο αστικός πυρήνας είχε ήδη κορεστεί ενώ την τελευταία περίοδο (2000-2003) βλέπουμε ανάπτυξη στο σύνολο των ζωνών από 15 έως 40 χιλιόμετρα. Σημαντική είναι και η διαπίστωση ότι πέρα των 45 χιλιομέτρων δεν καταγράφεται ιδιαίτερη ανοικοδόμηση της πόλης.

Το Διάγραμμα 2 μας δίνει τα ίδια στοιχεία αλλά με άλλον τρόπο παρουσίασης. Σε αυτό λοιπόν, βλέπουμε πιο καθαρά ότι για κάθε μεταγενέστερη περίοδο η οικοδομική δραστηριότητα συγκεντρώνονταν κατά βάση σε μία περιοχή μακρύτερα από το κέντρο της πόλης του 1973.

Πηγή: http://www.isprs.org/proceedings/XXXVI/8-W27/moeller.pdf

[[category:Ανίχνευση μεταβολών αστικής γης]]

Εφαρμογή της τηλεπισκόπησης για την παρακολούθηση της αστικής επέκτασης

2015-03-24T17:29:06Z

Manolis rallias:

Εφαρμογή της τηλεπισκόπησης για την παρακολούθηση της αστικής επέκτασης

2015-03-24T17:28:36Z

Manolis rallias:

Εφαρμογή της τηλεπισκόπησης για την παρακολούθηση της αστικής επέκτασης

2015-03-24T17:23:25Z

Manolis rallias:

Εφαρμογή της τηλεπισκόπησης για την παρακολούθηση της αστικής επέκτασης

2015-03-24T17:20:53Z

Manolis rallias:

[[Εικόνα: Remote sensing_image1.JPG‎ | thumb | right | '''Εικόνα 1'''
Αποτέλεσμα ταξινόμησης σε εικόνα TM του 1985]]

'''Πρωτότυπος Τίτλος''': Remote sensing for the monitoring of urban growth patterns

'''Συγγραφείς''': Moeller M. S.

'''Εισαγωγή'''

Οι αστικές περιοχές είναι από τις πλέον δυναμικές πάνω στην γη καθώς το μέγεθος του αυξάνεται σημαντικά με την πάροδο των ετών. Για την παρακολούθηση και την κατανόηση του φαινομένου αυτού, οι δορυφορικές εικόνες και η χρήση της τηλεπισκόπησης αποτελούν σημαντικό κεφάλαιο. Αν αναλογιστεί κανείς ότι σε πολλές περιπτώσεις η τηλεπισκόπηση είναι και ο μοναδικός τρόπος εντοπισμού των μεταβολών λόγω της μεγάλης έκτασης των πόλεων, γίνεται ακόμη καλύτερα αντιληπτό η προσφορά του κλάδου.

Σημαντικό στοιχείο αποτελεί το γεγονός ότι μπορούν να συγκρίνονται διαχρονικά τα στοιχεία, να προσθέτεται πληροφορία και από άλλες πηγές αλλά και να υπάρχει ενημέρωση της κατάστασης με εικόνες που συλλέγονται ανά τακτά χρονικά διαστήματα.

Η χωρική ανάλυση των εικόνων είναι μία από τις σημαντικότερες παραμέτρους στην αξιοποίηση των δεδομένων για την αστική επέκταση. Από την μία πλευρά γίνεται προσπάθεια εύρεσης εικόνων μεγαλύτερης χωρικής ανάλυσης ώστε να δίνουν μία καλύτερη αντίληψη του φαινομένου από την άλλη όμως, πολύ μεγάλης χωρικής ανάλυσης εικόνες δύναται να οδηγήσουν σε προβλήματα στην ταξινόμηση βάσει των λογαρίθμων στα δεδομένα της εικόνας. Για την απλοποίηση της διαδικασίας επιλογής των εικόνων λοιπόν, είναι αποδεκτό ότι για φαινόμενα όπως η αστική διάχυση μία κλίμακα από 1:25.000 μέχρι 1:50.000 είναι επαρκής. Αυτή η κλίμακα μπορεί να επιτευχθεί από αισθητήρες οι οποίοι παρέχουν χωρική ανάλυση από 4 μέχρι 50 μέτρα όπως φαίνεται και στον Πίνακα 1.

Πηγή: http://www.isprs.org/proceedings/XXXVI/8-W27/moeller.pdf

[[category:Ανίχνευση μεταβολών αστικής γης]]