RemoteSensing Wiki - Συνεισφορές χρήστη [el]

ΔΑΣΗ ΣΤΗΝ ΠΕΡΙΟΧΗ CHERNOBYL

2009-09-09T20:22:13Z

Maria X.:

'''ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΗΣ ΚΑΤΑΣΤΑΣΗΣ ΤΩΝ ΔΑΣΩΝ ΣΤΗΝ ΠΕΡΙΟΧΗ ΤΟΥ CHERNOBYL ΜΕ ΤΗ ΧΡΗΣΗ ERS SAR ΔΕΔΟΜΕΝΩΝ'''

----

[[Εικόνα:one1.jpg|thumb|right|Εικόνα 1:Χάρτης της περιοχής Chernobyl. Το κόκκινο τόξο δείχνει την απαγορευμένη περιοχή.
πηγη:http://citeseer.ist.psu.edu/549080.html
]]
[[Εικόνα:two2.jpg|thumb|right|Εικόνα 2:Χάρτης των ειδών βλάστησης από cluster analysis των δεδομένων LHH+LHV+XVV SIR-C/X SAR. Κόκκινα-κατεστραμμένα δάση, πράσινα-κανονικά δάση, κίτρινη-αραιή βλάστηση, βαθύ-μπλε χωράφια. πηγη:http://citeseer.ist.psu.edu/549080.html]]

'''Εισαγωγή'''

Οι συνέπειες του καταστροφικού ατυχήματος στον σταθμό παραγωγής ενέργειας του Chernobyl στις 26 Απρίλη του 1986, τραβούν ακόμη και σήμερα την προσοχή των επιστημόνων ανά τον κόσμο. Ειδικότερα η περιοχή ακτίνας 30 χλμ. γύρω από τον σταθμό, η οποία αποτελεί την περιοχή απαγορευμένης εισόδου λόγω των υψηλών επιπέδων ραδιενέργειας και βρίσκεται στα σύνορα μεταξύ Ουκρανίας και Λευκορωσίας, αποτελεί σημείο εντατικής έρευνας και μελέτης.
Ο σκοπός της παρούσας εργασίας είναι η μελέτη της «εφαρμοσιμότητας» των ERS SAR δεδομένων 6-10 μετά το ατύχημα στην παρατήρηση της οικολογικής κατάστασης της περιοχής και ιδιαίτερα των δασών.
Δεδομένα SRL-2 SIR-C/X SAR (LHH, LHV, CHH, CHV και XVV κανάλια) με datatake 16_20, χρησιμοποιήθηκαν στη μελέτη παρά τη μεγάλη γωνία παρατήρησης ~600 .

'''Δεδομένα για τη Μελέτη'''

14 ERS PRI εικόνες της περιόδου 1992-1996 και SLCI δίδυμα ζεύγη επεξεργάστηκαν και αναλύθηκαν. Χάρτες σε κλίμακες 1:200000 και 1:100000, για την περιγραφή της κατάστασης στα τέλη του 1980, χρησιμοποιήθηκαν, όπως και μετεωρολογικά στοιχεία.

'''Περιγραφή της Περιοχής'''

Το νότιο κομμάτι της απαγορευμένης περιοχής γύρω από το εργοστάσιο καλύπτεται από πυκνό δάσος κυρίως πεύκων τα οποία είναι και πιο ευαίσθητα στην πυρηνική ακτινοβολία.
Η βλάστηση της περιοχής κατηγοριοποιήθηκε με βάση το βαθμό καταστροφής της από τη ραδιενέργεια σε 4 τάξεις.

'''Τεχνική που Χρησιμοποιήθηκε'''

Χρησιμοποιήθηκαν SIR-C/X SAR δεδομένα (μόνο το μέγιστο ύψος των συχνοτήτων) για την βλάστηση της περιοχής σε SRL-2 πτήση. Μάλιστα, cross-polarized δεδομένα έδωσαν καλύτερη πληροφορία για τη διάκριση των ορίων των δασών και το μέγεθος της καταστροφής τους.

Τα στοιχεία συνδυάστηκαν σε false colors (red - LHH, green - LHV, blue - XVV), για οπτική ανάλυση και αυτόματη κατηγοριοποίηση από cluster analysis. Έτσι εντοπίστηκαν και περιοχές πυρκαγιών όπως και μέρη ξηρού δάσους.
Επιπλέον, multitemporal ανάλυση εικόνων και interefrometry τεχνική επαναλαμβανόμενων τροχιών αποτέλεσε κομμάτι της επεξεργασίας. Ακόμη, αναλύθηκε μια σειρά από absolutely calibrated PRI εικόνων αρκετών χρόνων και διαφόρων εποχών από τον I-PAF, οι οποίες βοήθησαν στη σύνθεση multitemporal χαρτών με ποικίλους συνδυασμούς. Τέλος δύο SLCI εικόνες από διπλή λήψη τον Σεπτέμβριο 7 και 8 του 1995, επεξεργάστηκαν σαν interferometric ζευγάρι.

'''Αποτελέσματα'''

Τα χωράφια και τα κατεστραμμένα δάση παρατηρείται να έχουν τη μεγαλύτερες διακυμάνσεις . Ανάλυση της interferometric coherence για τις 19950907-19950908 εικόνες, μας δείχνει ότι μπορούμε εύκολα να διακρίνουμε τις περιοχές βλάστησης από τα χωράφια, αλλά δεν είναι εφικτό να ξεχωριστούν τα φυλλοβόλα από τα κωνοφόρα δάση.
Ο συνδυασμός των ERS intensity δεδομένων και του συνεκτικού χάρτη παρουσιάζονται παρακάτω όπου στο κόκκινο κανάλι είναι στοιχεία amplitude και στο πράσινο ανεστραμμένης coherence. Ελαφρώς κόκκινα σημάδια αποτελούν πιθανές περιοχές δασικών πυρκαγιών.

[[Εικόνα:tria3.jpg|thumb|center|Εικόνα 3:ERS SAR composite image for tandem pair 19950907-19950908 (R-intensity, G-inverted coherence)
πηγη:http://citeseer.ist.psu.edu/549080.html]]

Στην επόμενη εικόνα 4, φαίνεται η περιοχή του ξηρού δάσους. Στα αριστερά παρουσιάζεται σαν πολυ-χρονικός χάρτης (multitemporal map) (RGB συνδυασμός των sessions από τις 19920616, 19920929 και 19921103) και στα δεξιά φαίνεται η RGB σύσταση of intensity image and decorrelation map (Inverted coherence) για τα ζεύγη 19950907-19970908 (R-intensity, G-inverted coherence). Το λευκό βέλος αντιπροσωπεύει το προς τα δυτικά σημάδι του ατυχήματος. Τα μπλε σημάδια στη αριστερά εικόνα και τα αντίστοιχα πορτοκαλί στη δεξιά αντιστοιχούν στην περιοχή με την ολική-θανάσιμη καταστροφή των δέντρων.

[[Εικόνα:tesera4.jpg|thumb|center|Εικόνα 4:Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.πηγη:http://citeseer.ist.psu.edu/549080.html]]

[[Εικόνα:pente5.jpg|thumb|center|Εικόνα 5:Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.πηγη:http://citeseer.ist.psu.edu/549080.html]]

Η ζώνη των κατεστραμμένων δασών μπορεί να διακριθεί στο κέντρο της επόμενης εικόνας(6-7). Τα κίτρινα και πράσινα χρώματα αντιστοιχούν σε κωνοφόρα. Τα μικρά μαύρα σημεία είναι χαρακτηριστικά της θανατηφόρας καταστροφής.

[[Εικόνα:exi6.jpg|thumb|center|Εικόνα 6:Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement. πηγη:http://citeseer.ist.psu.edu/549080.html]]

[[Εικόνα:efta7.jpg|thumb|center|Εικόνα 7:Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement.πηγη:http://citeseer.ist.psu.edu/549080.html]]

'''Επίλογος'''

Από τη μελέτη αυτή φάνηκε ότι δεδομένα ERS SAR είναι χρήσιμα στην έρευνα της οικολογικής κατάστασης στην περιοχή γύρω από το πυρηνικό ατύχημα, ακόμη και 6 με 10 χρόνια αργότερα.
Τα C-band SAR δεδομένα σε μορφή multitemporal combination όπως και interferometric coherence από επαναλαμβανόμενες τροχιές interferometry, μπορούν να βοηθήσουν στη μελέτη της κατάστασης στην περιοχή του Chernobyl.

----
'''Πηγή:'''
''A.I. Zakharov, I.L. Kucheryavenkova, V.P. Sinilo, M.V. Sorochinsky, L.N. Shamarova
"Institute of Radio engineering and Electronics of Russian Academy of Sciences
Vvedensky sq. 1, Fryazino, 141120, Russia''

'''Email: aizakhar@ire.rssi.ru'''

''http://citeseer.ist.psu.edu/549080.html''
[[category:Αμμοδοχείο]]

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T20:21:36Z

Maria X.:

'''ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ 1: ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''
----

'''Εισαγωγή'''
[[Εικόνα:oxto8.jpg|thumb|right|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

[[Εικόνα:ennia9.jpg|thumb|right|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]
'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''
[[Εικόνα:Deka10.jpg|thumb|right|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]
Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

----
'''Πηγή:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''http://www.remotesensing.gr/gcm.pdf'''

'''ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ 2: ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

----

[[Εικόνα:dwdeka12.jpg|thumb|right|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]
[[Εικόνα:dekatria13.jpg|thumb|right|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

'''Εισαγωγή'''

Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

'''Αποτελέσματα'''
[[Εικόνα:dekatesera14.jpg|thumb|right|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

----
'''Πηγή:''' ''Joshua Schoen'' ''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T20:21:07Z

Maria X.:

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T20:20:04Z

Maria X.:

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''
----

'''Εισαγωγή'''
[[Εικόνα:oxto8.jpg|thumb|right|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

[[Εικόνα:ennia9.jpg|thumb|right|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]
'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''
[[Εικόνα:Deka10.jpg|thumb|right|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]
Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

'''Πηγή:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''http://www.remotesensing.gr/gcm.pdf'''
----

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

----

[[Εικόνα:dwdeka12.jpg|thumb|right|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]
[[Εικόνα:dekatria13.jpg|thumb|right|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

'''Εισαγωγή'''

Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

'''Αποτελέσματα'''
[[Εικόνα:dekatesera14.jpg|thumb|right|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

----
'''Πηγή:''' ''Joshua Schoen'' ''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T20:19:24Z

Maria X.:

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''
----

'''Εισαγωγή'''
[[Εικόνα:oxto8.jpg|thumb|right|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

[[Εικόνα:ennia9.jpg|thumb|right|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]
'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''
[[Εικόνα:Deka10.jpg|thumb|right|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]
Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

----
'''Πηγή:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''http://www.remotesensing.gr/gcm.pdf'''

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

----

[[Εικόνα:dwdeka12.jpg|thumb|right|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]
[[Εικόνα:dekatria13.jpg|thumb|right|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

'''Εισαγωγή'''

Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

'''Αποτελέσματα'''
[[Εικόνα:dekatesera14.jpg|thumb|right|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

----
'''Πηγή:''' ''Joshua Schoen'' ''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T20:17:54Z

Maria X.:

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''
----

'''Εισαγωγή'''
[[Εικόνα:oxto8.jpg|thumb|right|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

[[Εικόνα:ennia9.jpg|thumb|right|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]
'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''
[[Εικόνα:Deka10.jpg|thumb|right|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]
Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

----
'''Πηγή:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''http://www.remotesensing.gr/gcm.pdf'''

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

[[Εικόνα:dwdeka12.jpg|thumb|right|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]
[[Εικόνα:dekatria13.jpg|thumb|right|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

'''Από:''' ''Joshua Schoen''

''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''Πηγή: http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''

'''Εισαγωγή'''

Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

'''Αποτελέσματα'''
[[Εικόνα:dekatesera14.jpg|thumb|right|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T20:17:27Z

Maria X.:

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''
----

'''Εισαγωγή'''
[[Εικόνα:oxto8.jpg|thumb|right|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''
[[Εικόνα:ennia9.jpg|thumb|right|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''
[[Εικόνα:Deka10.jpg|thumb|right|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]
Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

----
'''Πηγή:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''http://www.remotesensing.gr/gcm.pdf'''

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

[[Εικόνα:dwdeka12.jpg|thumb|right|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]
[[Εικόνα:dekatria13.jpg|thumb|right|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

'''Από:''' ''Joshua Schoen''

''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''Πηγή: http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''

'''Εισαγωγή'''

Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

'''Αποτελέσματα'''
[[Εικόνα:dekatesera14.jpg|thumb|right|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΣΤΗΝ ΠΕΡΙΟΧΗ CHERNOBYL

2009-09-09T20:16:07Z

Maria X.:

'''ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΗΣ ΚΑΤΑΣΤΑΣΗΣ ΤΩΝ ΔΑΣΩΝ ΣΤΗΝ ΠΕΡΙΟΧΗ ΤΟΥ CHERNOBYL ΜΕ ΤΗ ΧΡΗΣΗ ERS SAR ΔΕΔΟΜΕΝΑ'''

----

[[Εικόνα:one1.jpg|thumb|right|Εικόνα 1:Χάρτης της περιοχής Chernobyl. Το κόκκινο τόξο δείχνει την απαγορευμένη περιοχή.
πηγη:http://citeseer.ist.psu.edu/549080.html
]]
[[Εικόνα:two2.jpg|thumb|right|Εικόνα 2:Χάρτης των ειδών βλάστησης από cluster analysis των δεδομένων LHH+LHV+XVV SIR-C/X SAR. Κόκκινα-κατεστραμμένα δάση, πράσινα-κανονικά δάση, κίτρινη-αραιή βλάστηση, βαθύ-μπλε χωράφια. πηγη:http://citeseer.ist.psu.edu/549080.html]]

'''Εισαγωγή'''

Οι συνέπειες του καταστροφικού ατυχήματος στον σταθμό παραγωγής ενέργειας του Chernobyl στις 26 Απρίλη του 1986, τραβούν ακόμη και σήμερα την προσοχή των επιστημόνων ανά τον κόσμο. Ειδικότερα η περιοχή ακτίνας 30 χλμ. γύρω από τον σταθμό, η οποία αποτελεί την περιοχή απαγορευμένης εισόδου λόγω των υψηλών επιπέδων ραδιενέργειας και βρίσκεται στα σύνορα μεταξύ Ουκρανίας και Λευκορωσίας, αποτελεί σημείο εντατικής έρευνας και μελέτης.
Ο σκοπός της παρούσας εργασίας είναι η μελέτη της «εφαρμοσιμότητας» των ERS SAR δεδομένων 6-10 μετά το ατύχημα στην παρατήρηση της οικολογικής κατάστασης της περιοχής και ιδιαίτερα των δασών.
Δεδομένα SRL-2 SIR-C/X SAR (LHH, LHV, CHH, CHV και XVV κανάλια) με datatake 16_20, χρησιμοποιήθηκαν στη μελέτη παρά τη μεγάλη γωνία παρατήρησης ~600 .

'''Δεδομένα για τη Μελέτη'''

14 ERS PRI εικόνες της περιόδου 1992-1996 και SLCI δίδυμα ζεύγη επεξεργάστηκαν και αναλύθηκαν. Χάρτες σε κλίμακες 1:200000 και 1:100000, για την περιγραφή της κατάστασης στα τέλη του 1980, χρησιμοποιήθηκαν, όπως και μετεωρολογικά στοιχεία.

'''Περιγραφή της Περιοχής'''

Το νότιο κομμάτι της απαγορευμένης περιοχής γύρω από το εργοστάσιο καλύπτεται από πυκνό δάσος κυρίως πεύκων τα οποία είναι και πιο ευαίσθητα στην πυρηνική ακτινοβολία.
Η βλάστηση της περιοχής κατηγοριοποιήθηκε με βάση το βαθμό καταστροφής της από τη ραδιενέργεια σε 4 τάξεις.

'''Τεχνική που Χρησιμοποιήθηκε'''

Χρησιμοποιήθηκαν SIR-C/X SAR δεδομένα (μόνο το μέγιστο ύψος των συχνοτήτων) για την βλάστηση της περιοχής σε SRL-2 πτήση. Μάλιστα, cross-polarized δεδομένα έδωσαν καλύτερη πληροφορία για τη διάκριση των ορίων των δασών και το μέγεθος της καταστροφής τους.

Τα στοιχεία συνδυάστηκαν σε false colors (red - LHH, green - LHV, blue - XVV), για οπτική ανάλυση και αυτόματη κατηγοριοποίηση από cluster analysis. Έτσι εντοπίστηκαν και περιοχές πυρκαγιών όπως και μέρη ξηρού δάσους.
Επιπλέον, multitemporal ανάλυση εικόνων και interefrometry τεχνική επαναλαμβανόμενων τροχιών αποτέλεσε κομμάτι της επεξεργασίας. Ακόμη, αναλύθηκε μια σειρά από absolutely calibrated PRI εικόνων αρκετών χρόνων και διαφόρων εποχών από τον I-PAF, οι οποίες βοήθησαν στη σύνθεση multitemporal χαρτών με ποικίλους συνδυασμούς. Τέλος δύο SLCI εικόνες από διπλή λήψη τον Σεπτέμβριο 7 και 8 του 1995, επεξεργάστηκαν σαν interferometric ζευγάρι.

'''Αποτελέσματα'''

Τα χωράφια και τα κατεστραμμένα δάση παρατηρείται να έχουν τη μεγαλύτερες διακυμάνσεις . Ανάλυση της interferometric coherence για τις 19950907-19950908 εικόνες, μας δείχνει ότι μπορούμε εύκολα να διακρίνουμε τις περιοχές βλάστησης από τα χωράφια, αλλά δεν είναι εφικτό να ξεχωριστούν τα φυλλοβόλα από τα κωνοφόρα δάση.
Ο συνδυασμός των ERS intensity δεδομένων και του συνεκτικού χάρτη παρουσιάζονται παρακάτω όπου στο κόκκινο κανάλι είναι στοιχεία amplitude και στο πράσινο ανεστραμμένης coherence. Ελαφρώς κόκκινα σημάδια αποτελούν πιθανές περιοχές δασικών πυρκαγιών.

[[Εικόνα:tria3.jpg|thumb|center|Εικόνα 3:ERS SAR composite image for tandem pair 19950907-19950908 (R-intensity, G-inverted coherence)
πηγη:http://citeseer.ist.psu.edu/549080.html]]

Στην επόμενη εικόνα 4, φαίνεται η περιοχή του ξηρού δάσους. Στα αριστερά παρουσιάζεται σαν πολυ-χρονικός χάρτης (multitemporal map) (RGB συνδυασμός των sessions από τις 19920616, 19920929 και 19921103) και στα δεξιά φαίνεται η RGB σύσταση of intensity image and decorrelation map (Inverted coherence) για τα ζεύγη 19950907-19970908 (R-intensity, G-inverted coherence). Το λευκό βέλος αντιπροσωπεύει το προς τα δυτικά σημάδι του ατυχήματος. Τα μπλε σημάδια στη αριστερά εικόνα και τα αντίστοιχα πορτοκαλί στη δεξιά αντιστοιχούν στην περιοχή με την ολική-θανάσιμη καταστροφή των δέντρων.

[[Εικόνα:tesera4.jpg|thumb|center|Εικόνα 4:Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.πηγη:http://citeseer.ist.psu.edu/549080.html]]

[[Εικόνα:pente5.jpg|thumb|center|Εικόνα 5:Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.πηγη:http://citeseer.ist.psu.edu/549080.html]]

Η ζώνη των κατεστραμμένων δασών μπορεί να διακριθεί στο κέντρο της επόμενης εικόνας(6-7). Τα κίτρινα και πράσινα χρώματα αντιστοιχούν σε κωνοφόρα. Τα μικρά μαύρα σημεία είναι χαρακτηριστικά της θανατηφόρας καταστροφής.

[[Εικόνα:exi6.jpg|thumb|center|Εικόνα 6:Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement. πηγη:http://citeseer.ist.psu.edu/549080.html]]

[[Εικόνα:efta7.jpg|thumb|center|Εικόνα 7:Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement.πηγη:http://citeseer.ist.psu.edu/549080.html]]

'''Επίλογος'''

Από τη μελέτη αυτή φάνηκε ότι δεδομένα ERS SAR είναι χρήσιμα στην έρευνα της οικολογικής κατάστασης στην περιοχή γύρω από το πυρηνικό ατύχημα, ακόμη και 6 με 10 χρόνια αργότερα.
Τα C-band SAR δεδομένα σε μορφή multitemporal combination όπως και interferometric coherence από επαναλαμβανόμενες τροχιές interferometry, μπορούν να βοηθήσουν στη μελέτη της κατάστασης στην περιοχή του Chernobyl.

----
'''Πηγή:'''
''A.I. Zakharov, I.L. Kucheryavenkova, V.P. Sinilo, M.V. Sorochinsky, L.N. Shamarova
"Institute of Radio engineering and Electronics of Russian Academy of Sciences
Vvedensky sq. 1, Fryazino, 141120, Russia''

'''Email: aizakhar@ire.rssi.ru'''

''http://citeseer.ist.psu.edu/549080.html''
[[category:Αμμοδοχείο]]

ΔΑΣΗ ΣΤΗΝ ΠΕΡΙΟΧΗ CHERNOBYL

2009-09-09T20:15:37Z

Maria X.:

ΔΑΣΗ ΣΤΗΝ ΠΕΡΙΟΧΗ CHERNOBYL

2009-09-09T20:15:14Z

Maria X.:

'''ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΗΣ ΚΑΤΑΣΤΑΣΗΣ ΤΩΝ ΔΑΣΩΝ ΣΤΗΝ ΠΕΡΙΟΧΗ ΤΟΥ CHERNOBYL ΜΕ ΤΗ ΧΡΗΣΗ ERS SAR ΔΕΔΟΜΕΝΑ'''

----

[[Εικόνα:one1.jpg|thumb|right|Εικόνα 1:Χάρτης της περιοχής Chernobyl. Το κόκκινο τόξο δείχνει την απαγορευμένη περιοχή.
πηγη:http://citeseer.ist.psu.edu/549080.html
]]
[[Εικόνα:two2.jpg|thumb|right|Εικόνα 2:Χάρτης των ειδών βλάστησης από cluster analysis των δεδομένων LHH+LHV+XVV SIR-C/X SAR. Κόκκινα-κατεστραμμένα δάση, πράσινα-κανονικά δάση, κίτρινη-αραιή βλάστηση, βαθύ-μπλε χωράφια. πηγη:http://citeseer.ist.psu.edu/549080.html]]

'''Εισαγωγή'''

Οι συνέπειες του καταστροφικού ατυχήματος στον σταθμό παραγωγής ενέργειας του Chernobyl στις 26 Απρίλη του 1986, τραβούν ακόμη και σήμερα την προσοχή των επιστημόνων ανά τον κόσμο. Ειδικότερα η περιοχή ακτίνας 30 χλμ. γύρω από τον σταθμό, η οποία αποτελεί την περιοχή απαγορευμένης εισόδου λόγω των υψηλών επιπέδων ραδιενέργειας και βρίσκεται στα σύνορα μεταξύ Ουκρανίας και Λευκορωσίας, αποτελεί σημείο εντατικής έρευνας και μελέτης.
Ο σκοπός της παρούσας εργασίας είναι η μελέτη της «εφαρμοσιμότητας» των ERS SAR δεδομένων 6-10 μετά το ατύχημα στην παρατήρηση της οικολογικής κατάστασης της περιοχής και ιδιαίτερα των δασών.
Δεδομένα SRL-2 SIR-C/X SAR (LHH, LHV, CHH, CHV και XVV κανάλια) με datatake 16_20, χρησιμοποιήθηκαν στη μελέτη παρά τη μεγάλη γωνία παρατήρησης ~600 .

'''Δεδομένα για τη Μελέτη'''

14 ERS PRI εικόνες της περιόδου 1992-1996 και SLCI δίδυμα ζεύγη επεξεργάστηκαν και αναλύθηκαν. Χάρτες σε κλίμακες 1:200000 και 1:100000, για την περιγραφή της κατάστασης στα τέλη του 1980, χρησιμοποιήθηκαν, όπως και μετεωρολογικά στοιχεία.

'''Περιγραφή της Περιοχής'''

Το νότιο κομμάτι της απαγορευμένης περιοχής γύρω από το εργοστάσιο καλύπτεται από πυκνό δάσος κυρίως πεύκων τα οποία είναι και πιο ευαίσθητα στην πυρηνική ακτινοβολία.
Η βλάστηση της περιοχής κατηγοριοποιήθηκε με βάση το βαθμό καταστροφής της από τη ραδιενέργεια σε 4 τάξεις.

'''Τεχνική που Χρησιμοποιήθηκε'''

Χρησιμοποιήθηκαν SIR-C/X SAR δεδομένα (μόνο το μέγιστο ύψος των συχνοτήτων) για την βλάστηση της περιοχής σε SRL-2 πτήση. Μάλιστα, cross-polarized δεδομένα έδωσαν καλύτερη πληροφορία για τη διάκριση των ορίων των δασών και το μέγεθος της καταστροφής τους.

Τα στοιχεία συνδυάστηκαν σε false colors (red - LHH, green - LHV, blue - XVV), για οπτική ανάλυση και αυτόματη κατηγοριοποίηση από cluster analysis. Έτσι εντοπίστηκαν και περιοχές πυρκαγιών όπως και μέρη ξηρού δάσους.
Επιπλέον, multitemporal ανάλυση εικόνων και interefrometry τεχνική επαναλαμβανόμενων τροχιών αποτέλεσε κομμάτι της επεξεργασίας. Ακόμη, αναλύθηκε μια σειρά από absolutely calibrated PRI εικόνων αρκετών χρόνων και διαφόρων εποχών από τον I-PAF, οι οποίες βοήθησαν στη σύνθεση multitemporal χαρτών με ποικίλους συνδυασμούς. Τέλος δύο SLCI εικόνες από διπλή λήψη τον Σεπτέμβριο 7 και 8 του 1995, επεξεργάστηκαν σαν interferometric ζευγάρι.

'''Αποτελέσματα'''

Τα χωράφια και τα κατεστραμμένα δάση παρατηρείται να έχουν τη μεγαλύτερες διακυμάνσεις . Ανάλυση της interferometric coherence για τις 19950907-19950908 εικόνες, μας δείχνει ότι μπορούμε εύκολα να διακρίνουμε τις περιοχές βλάστησης από τα χωράφια, αλλά δεν είναι εφικτό να ξεχωριστούν τα φυλλοβόλα από τα κωνοφόρα δάση.
Ο συνδυασμός των ERS intensity δεδομένων και του συνεκτικού χάρτη παρουσιάζονται παρακάτω όπου στο κόκκινο κανάλι είναι στοιχεία amplitude και στο πράσινο ανεστραμμένης coherence. Ελαφρώς κόκκινα σημάδια αποτελούν πιθανές περιοχές δασικών πυρκαγιών.

[[Εικόνα:tria3.jpg|thumb|center|Εικόνα 3:ERS SAR composite image for tandem pair 19950907-19950908 (R-intensity, G-inverted coherence)
πηγη:http://citeseer.ist.psu.edu/549080.html]]

Στην επόμενη εικόνα 4, φαίνεται η περιοχή του ξηρού δάσους. Στα αριστερά παρουσιάζεται σαν πολυ-χρονικός χάρτης (multitemporal map) (RGB συνδυασμός των sessions από τις 19920616, 19920929 και 19921103) και στα δεξιά φαίνεται η RGB σύσταση of intensity image and decorrelation map (Inverted coherence) για τα ζεύγη 19950907-19970908 (R-intensity, G-inverted coherence). Το λευκό βέλος αντιπροσωπεύει το προς τα δυτικά σημάδι του ατυχήματος. Τα μπλε σημάδια στη αριστερά εικόνα και τα αντίστοιχα πορτοκαλί στη δεξιά αντιστοιχούν στην περιοχή με την ολική-θανάσιμη καταστροφή των δέντρων.

[[Εικόνα:tesera4.jpg|thumb|center|Εικόνα 4:Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.πηγη:http://citeseer.ist.psu.edu/549080.html]]

[[Εικόνα:pente5.jpg|thumb|center|Εικόνα 5:Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.πηγη:http://citeseer.ist.psu.edu/549080.html]]

Η ζώνη των κατεστραμμένων δασών μπορεί να διακριθεί στο κέντρο της επόμενης εικόνας(6-7). Τα κίτρινα και πράσινα χρώματα αντιστοιχούν σε κωνοφόρα. Τα μικρά μαύρα σημεία είναι χαρακτηριστικά της θανατηφόρας καταστροφής.

[[Εικόνα:exi6.jpg|thumb|center|Εικόνα 6:Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement. πηγη:http://citeseer.ist.psu.edu/549080.html]]

[[Εικόνα:efta7.jpg|thumb|center|Εικόνα 7:Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement.πηγη:http://citeseer.ist.psu.edu/549080.html]]

'''Επίλογος'''

Από τη μελέτη αυτή φάνηκε ότι δεδομένα ERS SAR είναι χρήσιμα στην έρευνα της οικολογικής κατάστασης στην περιοχή γύρω από το πυρηνικό ατύχημα, ακόμη και 6 με 10 χρόνια αργότερα.
Τα C-band SAR δεδομένα σε μορφή multitemporal combination όπως και interferometric coherence από επαναλαμβανόμενες τροχιές interferometry, μπορούν να βοηθήσουν στη μελέτη της κατάστασης στην περιοχή του Chernobyl.

'''Πηγή:'''
''A.I. Zakharov, I.L. Kucheryavenkova, V.P. Sinilo, M.V. Sorochinsky, L.N. Shamarova
"Institute of Radio engineering and Electronics of Russian Academy of Sciences
Vvedensky sq. 1, Fryazino, 141120, Russia''

'''Email: aizakhar@ire.rssi.ru'''

''http://citeseer.ist.psu.edu/549080.html''
[[category:Αμμοδοχείο]]

ΔΑΣΗ ΣΤΗΝ ΠΕΡΙΟΧΗ CHERNOBYL

2009-09-09T20:12:25Z

Maria X.:

'''ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΗΣ ΚΑΤΑΣΤΑΣΗΣ ΤΩΝ ΔΑΣΩΝ ΣΤΗΝ ΠΕΡΙΟΧΗ ΤΟΥ CHERNOBYL ΜΕ ΤΗ ΧΡΗΣΗ ERS SAR ΔΕΔΟΜΕΝΑ'''

[[Εικόνα:one1.jpg|thumb|right|Εικόνα 1:Χάρτης της περιοχής Chernobyl. Το κόκκινο τόξο δείχνει την απαγορευμένη περιοχή.
πηγη:http://citeseer.ist.psu.edu/549080.html
]]
[[Εικόνα:two2.jpg|thumb|right|Εικόνα 2:Χάρτης των ειδών βλάστησης από cluster analysis των δεδομένων LHH+LHV+XVV SIR-C/X SAR. Κόκκινα-κατεστραμμένα δάση, πράσινα-κανονικά δάση, κίτρινη-αραιή βλάστηση, βαθύ-μπλε χωράφια. πηγη:http://citeseer.ist.psu.edu/549080.html]]

'''Εισαγωγή'''

Οι συνέπειες του καταστροφικού ατυχήματος στον σταθμό παραγωγής ενέργειας του Chernobyl στις 26 Απρίλη του 1986, τραβούν ακόμη και σήμερα την προσοχή των επιστημόνων ανά τον κόσμο. Ειδικότερα η περιοχή ακτίνας 30 χλμ. γύρω από τον σταθμό, η οποία αποτελεί την περιοχή απαγορευμένης εισόδου λόγω των υψηλών επιπέδων ραδιενέργειας και βρίσκεται στα σύνορα μεταξύ Ουκρανίας και Λευκορωσίας, αποτελεί σημείο εντατικής έρευνας και μελέτης.
Ο σκοπός της παρούσας εργασίας είναι η μελέτη της «εφαρμοσιμότητας» των ERS SAR δεδομένων 6-10 μετά το ατύχημα στην παρατήρηση της οικολογικής κατάστασης της περιοχής και ιδιαίτερα των δασών.
Δεδομένα SRL-2 SIR-C/X SAR (LHH, LHV, CHH, CHV και XVV κανάλια) με datatake 16_20, χρησιμοποιήθηκαν στη μελέτη παρά τη μεγάλη γωνία παρατήρησης ~600 .

'''Δεδομένα για τη Μελέτη'''

14 ERS PRI εικόνες της περιόδου 1992-1996 και SLCI δίδυμα ζεύγη επεξεργάστηκαν και αναλύθηκαν. Χάρτες σε κλίμακες 1:200000 και 1:100000, για την περιγραφή της κατάστασης στα τέλη του 1980, χρησιμοποιήθηκαν, όπως και μετεωρολογικά στοιχεία.

'''Περιγραφή της Περιοχής'''

Το νότιο κομμάτι της απαγορευμένης περιοχής γύρω από το εργοστάσιο καλύπτεται από πυκνό δάσος κυρίως πεύκων τα οποία είναι και πιο ευαίσθητα στην πυρηνική ακτινοβολία.
Η βλάστηση της περιοχής κατηγοριοποιήθηκε με βάση το βαθμό καταστροφής της από τη ραδιενέργεια σε 4 τάξεις.

'''Τεχνική που Χρησιμοποιήθηκε'''

Χρησιμοποιήθηκαν SIR-C/X SAR δεδομένα (μόνο το μέγιστο ύψος των συχνοτήτων) για την βλάστηση της περιοχής σε SRL-2 πτήση. Μάλιστα, cross-polarized δεδομένα έδωσαν καλύτερη πληροφορία για τη διάκριση των ορίων των δασών και το μέγεθος της καταστροφής τους.

Τα στοιχεία συνδυάστηκαν σε false colors (red - LHH, green - LHV, blue - XVV), για οπτική ανάλυση και αυτόματη κατηγοριοποίηση από cluster analysis. Έτσι εντοπίστηκαν και περιοχές πυρκαγιών όπως και μέρη ξηρού δάσους.
Επιπλέον, multitemporal ανάλυση εικόνων και interefrometry τεχνική επαναλαμβανόμενων τροχιών αποτέλεσε κομμάτι της επεξεργασίας. Ακόμη, αναλύθηκε μια σειρά από absolutely calibrated PRI εικόνων αρκετών χρόνων και διαφόρων εποχών από τον I-PAF, οι οποίες βοήθησαν στη σύνθεση multitemporal χαρτών με ποικίλους συνδυασμούς. Τέλος δύο SLCI εικόνες από διπλή λήψη τον Σεπτέμβριο 7 και 8 του 1995, επεξεργάστηκαν σαν interferometric ζευγάρι.

'''Αποτελέσματα'''

Τα χωράφια και τα κατεστραμμένα δάση παρατηρείται να έχουν τη μεγαλύτερες διακυμάνσεις . Ανάλυση της interferometric coherence για τις 19950907-19950908 εικόνες, μας δείχνει ότι μπορούμε εύκολα να διακρίνουμε τις περιοχές βλάστησης από τα χωράφια, αλλά δεν είναι εφικτό να ξεχωριστούν τα φυλλοβόλα από τα κωνοφόρα δάση.
Ο συνδυασμός των ERS intensity δεδομένων και του συνεκτικού χάρτη παρουσιάζονται παρακάτω όπου στο κόκκινο κανάλι είναι στοιχεία amplitude και στο πράσινο ανεστραμμένης coherence. Ελαφρώς κόκκινα σημάδια αποτελούν πιθανές περιοχές δασικών πυρκαγιών.

[[Εικόνα:tria3.jpg|thumb|center|Εικόνα 3:ERS SAR composite image for tandem pair 19950907-19950908 (R-intensity, G-inverted coherence)
πηγη:http://citeseer.ist.psu.edu/549080.html]]

Στην επόμενη εικόνα 4, φαίνεται η περιοχή του ξηρού δάσους. Στα αριστερά παρουσιάζεται σαν πολυ-χρονικός χάρτης (multitemporal map) (RGB συνδυασμός των sessions από τις 19920616, 19920929 και 19921103) και στα δεξιά φαίνεται η RGB σύσταση of intensity image and decorrelation map (Inverted coherence) για τα ζεύγη 19950907-19970908 (R-intensity, G-inverted coherence). Το λευκό βέλος αντιπροσωπεύει το προς τα δυτικά σημάδι του ατυχήματος. Τα μπλε σημάδια στη αριστερά εικόνα και τα αντίστοιχα πορτοκαλί στη δεξιά αντιστοιχούν στην περιοχή με την ολική-θανάσιμη καταστροφή των δέντρων.

[[Εικόνα:tesera4.jpg|thumb|center|Εικόνα 4:Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.πηγη:http://citeseer.ist.psu.edu/549080.html]]

[[Εικόνα:pente5.jpg|thumb|center|Εικόνα 5:Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.πηγη:http://citeseer.ist.psu.edu/549080.html]]

Η ζώνη των κατεστραμμένων δασών μπορεί να διακριθεί στο κέντρο της επόμενης εικόνας(6-7). Τα κίτρινα και πράσινα χρώματα αντιστοιχούν σε κωνοφόρα. Τα μικρά μαύρα σημεία είναι χαρακτηριστικά της θανατηφόρας καταστροφής.

[[Εικόνα:exi6.jpg|thumb|center|Εικόνα 6:Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement. πηγη:http://citeseer.ist.psu.edu/549080.html]]

[[Εικόνα:efta7.jpg|thumb|center|Εικόνα 7:Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement.πηγη:http://citeseer.ist.psu.edu/549080.html]]

'''Επίλογος'''

Από τη μελέτη αυτή φάνηκε ότι δεδομένα ERS SAR είναι χρήσιμα στην έρευνα της οικολογικής κατάστασης στην περιοχή γύρω από το πυρηνικό ατύχημα, ακόμη και 6 με 10 χρόνια αργότερα.
Τα C-band SAR δεδομένα σε μορφή multitemporal combination όπως και interferometric coherence από επαναλαμβανόμενες τροχιές interferometry, μπορούν να βοηθήσουν στη μελέτη της κατάστασης στην περιοχή του Chernobyl.

'''Πηγή:'''
''A.I. Zakharov, I.L. Kucheryavenkova, V.P. Sinilo, M.V. Sorochinsky, L.N. Shamarova
"Institute of Radio engineering and Electronics of Russian Academy of Sciences
Vvedensky sq. 1, Fryazino, 141120, Russia''

'''Email: aizakhar@ire.rssi.ru'''

''http://citeseer.ist.psu.edu/549080.html''
[[category:Αμμοδοχείο]]

ΔΑΣΗ ΣΤΗΝ ΠΕΡΙΟΧΗ CHERNOBYL

2009-09-09T20:11:55Z

Maria X.:

ΔΑΣΗ ΣΤΗΝ ΠΕΡΙΟΧΗ CHERNOBYL

2009-09-09T19:53:28Z

Maria X.:

'''ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΗΣ ΚΑΤΑΣΤΑΣΗΣ ΤΩΝ ΔΑΣΩΝ ΣΤΗΝ ΠΕΡΙΟΧΗ ΤΟΥ CHERNOBYL ΜΕ ΤΗ ΧΡΗΣΗ ERS SAR ΔΕΔΟΜΕΝΑ'''

'''Από τους:''' ''A.I. Zakharov, I.L. Kucheryavenkova, V.P. Sinilo, M.V. Sorochinsky, L.N. Shamarova
"Institute of Radio engineering and Electronics of Russian Academy of Sciences
Vvedensky sq. 1, Fryazino, 141120, Russia''

'''Email: aizakhar@ire.rssi.ru'''

''Πηγή: http://citeseer.ist.psu.edu/549080.html''
[[Εικόνα:one1.jpg|thumb|right|Εικόνα 1:Χάρτης της περιοχής Chernobyl. Το κόκκινο τόξο δείχνει την απαγορευμένη περιοχή.
πηγη:http://citeseer.ist.psu.edu/549080.html
]]
[[Εικόνα:two2.jpg|thumb|right|Εικόνα 2:Χάρτης των ειδών βλάστησης από cluster analysis των δεδομένων LHH+LHV+XVV SIR-C/X SAR. Κόκκινα-κατεστραμμένα δάση, πράσινα-κανονικά δάση, κίτρινη-αραιή βλάστηση, βαθύ-μπλε χωράφια. πηγη:http://citeseer.ist.psu.edu/549080.html]]

'''Εισαγωγή'''

Οι συνέπειες του καταστροφικού ατυχήματος στον σταθμό παραγωγής ενέργειας του Chernobyl στις 26 Απρίλη του 1986, τραβούν ακόμη και σήμερα την προσοχή των επιστημόνων ανά τον κόσμο. Ειδικότερα η περιοχή ακτίνας 30 χλμ. γύρω από τον σταθμό, η οποία αποτελεί την περιοχή απαγορευμένης εισόδου λόγω των υψηλών επιπέδων ραδιενέργειας και βρίσκεται στα σύνορα μεταξύ Ουκρανίας και Λευκορωσίας, αποτελεί σημείο εντατικής έρευνας και μελέτης.
Ο σκοπός της παρούσας εργασίας είναι η μελέτη της «εφαρμοσιμότητας» των ERS SAR δεδομένων 6-10 μετά το ατύχημα στην παρατήρηση της οικολογικής κατάστασης της περιοχής και ιδιαίτερα των δασών.
Δεδομένα SRL-2 SIR-C/X SAR (LHH, LHV, CHH, CHV και XVV κανάλια) με datatake 16_20, χρησιμοποιήθηκαν στη μελέτη παρά τη μεγάλη γωνία παρατήρησης ~600 .

'''Δεδομένα για τη Μελέτη'''

14 ERS PRI εικόνες της περιόδου 1992-1996 και SLCI δίδυμα ζεύγη επεξεργάστηκαν και αναλύθηκαν. Χάρτες σε κλίμακες 1:200000 και 1:100000, για την περιγραφή της κατάστασης στα τέλη του 1980, χρησιμοποιήθηκαν, όπως και μετεωρολογικά στοιχεία.

'''Περιγραφή της Περιοχής'''

Το νότιο κομμάτι της απαγορευμένης περιοχής γύρω από το εργοστάσιο καλύπτεται από πυκνό δάσος κυρίως πεύκων τα οποία είναι και πιο ευαίσθητα στην πυρηνική ακτινοβολία.
Η βλάστηση της περιοχής κατηγοριοποιήθηκε με βάση το βαθμό καταστροφής της από τη ραδιενέργεια σε 4 τάξεις.

'''Τεχνική που Χρησιμοποιήθηκε'''

Χρησιμοποιήθηκαν SIR-C/X SAR δεδομένα (μόνο το μέγιστο ύψος των συχνοτήτων) για την βλάστηση της περιοχής σε SRL-2 πτήση. Μάλιστα, cross-polarized δεδομένα έδωσαν καλύτερη πληροφορία για τη διάκριση των ορίων των δασών και το μέγεθος της καταστροφής τους.

Τα στοιχεία συνδυάστηκαν σε false colors (red - LHH, green - LHV, blue - XVV), για οπτική ανάλυση και αυτόματη κατηγοριοποίηση από cluster analysis. Έτσι εντοπίστηκαν και περιοχές πυρκαγιών όπως και μέρη ξηρού δάσους.
Επιπλέον, multitemporal ανάλυση εικόνων και interefrometry τεχνική επαναλαμβανόμενων τροχιών αποτέλεσε κομμάτι της επεξεργασίας. Ακόμη, αναλύθηκε μια σειρά από absolutely calibrated PRI εικόνων αρκετών χρόνων και διαφόρων εποχών από τον I-PAF, οι οποίες βοήθησαν στη σύνθεση multitemporal χαρτών με ποικίλους συνδυασμούς. Τέλος δύο SLCI εικόνες από διπλή λήψη τον Σεπτέμβριο 7 και 8 του 1995, επεξεργάστηκαν σαν interferometric ζευγάρι.

'''Αποτελέσματα'''

Τα χωράφια και τα κατεστραμμένα δάση παρατηρείται να έχουν τη μεγαλύτερες διακυμάνσεις . Ανάλυση της interferometric coherence για τις 19950907-19950908 εικόνες, μας δείχνει ότι μπορούμε εύκολα να διακρίνουμε τις περιοχές βλάστησης από τα χωράφια, αλλά δεν είναι εφικτό να ξεχωριστούν τα φυλλοβόλα από τα κωνοφόρα δάση.
Ο συνδυασμός των ERS intensity δεδομένων και του συνεκτικού χάρτη παρουσιάζονται παρακάτω όπου στο κόκκινο κανάλι είναι στοιχεία amplitude και στο πράσινο ανεστραμμένης coherence. Ελαφρώς κόκκινα σημάδια αποτελούν πιθανές περιοχές δασικών πυρκαγιών.

[[Εικόνα:tria3.jpg|thumb|center|Εικόνα 3:ERS SAR composite image for tandem pair 19950907-19950908 (R-intensity, G-inverted coherence)
πηγη:http://citeseer.ist.psu.edu/549080.html]]

Στην επόμενη εικόνα 4, φαίνεται η περιοχή του ξηρού δάσους. Στα αριστερά παρουσιάζεται σαν πολυ-χρονικός χάρτης (multitemporal map) (RGB συνδυασμός των sessions από τις 19920616, 19920929 και 19921103) και στα δεξιά φαίνεται η RGB σύσταση of intensity image and decorrelation map (Inverted coherence) για τα ζεύγη 19950907-19970908 (R-intensity, G-inverted coherence). Το λευκό βέλος αντιπροσωπεύει το προς τα δυτικά σημάδι του ατυχήματος. Τα μπλε σημάδια στη αριστερά εικόνα και τα αντίστοιχα πορτοκαλί στη δεξιά αντιστοιχούν στην περιοχή με την ολική-θανάσιμη καταστροφή των δέντρων.

[[Εικόνα:tesera4.jpg|thumb|center|Εικόνα 4:Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.πηγη:http://citeseer.ist.psu.edu/549080.html]]

[[Εικόνα:pente5.jpg|thumb|center|Εικόνα 5:Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.πηγη:http://citeseer.ist.psu.edu/549080.html]]

Η ζώνη των κατεστραμμένων δασών μπορεί να διακριθεί στο κέντρο της επόμενης εικόνας(6-7). Τα κίτρινα και πράσινα χρώματα αντιστοιχούν σε κωνοφόρα. Τα μικρά μαύρα σημεία είναι χαρακτηριστικά της θανατηφόρας καταστροφής.

[[Εικόνα:exi6.jpg|thumb|center|Εικόνα 6:Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement. πηγη:http://citeseer.ist.psu.edu/549080.html]]

[[Εικόνα:efta7.jpg|thumb|center|Εικόνα 7:Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement.πηγη:http://citeseer.ist.psu.edu/549080.html]]

'''Επίλογος'''

Από τη μελέτη αυτή φάνηκε ότι δεδομένα ERS SAR είναι χρήσιμα στην έρευνα της οικολογικής κατάστασης στην περιοχή γύρω από το πυρηνικό ατύχημα, ακόμη και 6 με 10 χρόνια αργότερα.
Τα C-band SAR δεδομένα σε μορφή multitemporal combination όπως και interferometric coherence από επαναλαμβανόμενες τροχιές interferometry, μπορούν να βοηθήσουν στη μελέτη της κατάστασης στην περιοχή του Chernobyl.

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΣΤΗΝ ΠΕΡΙΟΧΗ CHERNOBYL

2009-09-09T19:53:12Z

Maria X.:

'''ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΗΣ ΚΑΤΑΣΤΑΣΗΣ ΤΩΝ ΔΑΣΩΝ ΣΤΗΝ ΠΕΡΙΟΧΗ ΤΟΥ CHERNOBYL ΜΕ ΤΗ ΧΡΗΣΗ ERS SAR ΔΕΔΟΜΕΝΑ'''

'''Από τους:''' ''A.I. Zakharov, I.L. Kucheryavenkova, V.P. Sinilo, M.V. Sorochinsky, L.N. Shamarova
"Institute of Radio engineering and Electronics of Russian Academy of Sciences
Vvedensky sq. 1, Fryazino, 141120, Russia''

'''Email: aizakhar@ire.rssi.ru'''

''Πηγή: http://citeseer.ist.psu.edu/549080.html''

'''Εισαγωγή'''

Οι συνέπειες του καταστροφικού ατυχήματος στον σταθμό παραγωγής ενέργειας του Chernobyl στις 26 Απρίλη του 1986, τραβούν ακόμη και σήμερα την προσοχή των επιστημόνων ανά τον κόσμο. Ειδικότερα η περιοχή ακτίνας 30 χλμ. γύρω από τον σταθμό, η οποία αποτελεί την περιοχή απαγορευμένης εισόδου λόγω των υψηλών επιπέδων ραδιενέργειας και βρίσκεται στα σύνορα μεταξύ Ουκρανίας και Λευκορωσίας, αποτελεί σημείο εντατικής έρευνας και μελέτης.
Ο σκοπός της παρούσας εργασίας είναι η μελέτη της «εφαρμοσιμότητας» των ERS SAR δεδομένων 6-10 μετά το ατύχημα στην παρατήρηση της οικολογικής κατάστασης της περιοχής και ιδιαίτερα των δασών.
Δεδομένα SRL-2 SIR-C/X SAR (LHH, LHV, CHH, CHV και XVV κανάλια) με datatake 16_20, χρησιμοποιήθηκαν στη μελέτη παρά τη μεγάλη γωνία παρατήρησης ~600 .
[[Εικόνα:one1.jpg|thumb|right|Εικόνα 1:Χάρτης της περιοχής Chernobyl. Το κόκκινο τόξο δείχνει την απαγορευμένη περιοχή.
πηγη:http://citeseer.ist.psu.edu/549080.html
]]
[[Εικόνα:two2.jpg|thumb|right|Εικόνα 2:Χάρτης των ειδών βλάστησης από cluster analysis των δεδομένων LHH+LHV+XVV SIR-C/X SAR. Κόκκινα-κατεστραμμένα δάση, πράσινα-κανονικά δάση, κίτρινη-αραιή βλάστηση, βαθύ-μπλε χωράφια. πηγη:http://citeseer.ist.psu.edu/549080.html]]

'''Δεδομένα για τη Μελέτη'''

14 ERS PRI εικόνες της περιόδου 1992-1996 και SLCI δίδυμα ζεύγη επεξεργάστηκαν και αναλύθηκαν. Χάρτες σε κλίμακες 1:200000 και 1:100000, για την περιγραφή της κατάστασης στα τέλη του 1980, χρησιμοποιήθηκαν, όπως και μετεωρολογικά στοιχεία.

'''Περιγραφή της Περιοχής'''

Το νότιο κομμάτι της απαγορευμένης περιοχής γύρω από το εργοστάσιο καλύπτεται από πυκνό δάσος κυρίως πεύκων τα οποία είναι και πιο ευαίσθητα στην πυρηνική ακτινοβολία.
Η βλάστηση της περιοχής κατηγοριοποιήθηκε με βάση το βαθμό καταστροφής της από τη ραδιενέργεια σε 4 τάξεις.

'''Τεχνική που Χρησιμοποιήθηκε'''

Χρησιμοποιήθηκαν SIR-C/X SAR δεδομένα (μόνο το μέγιστο ύψος των συχνοτήτων) για την βλάστηση της περιοχής σε SRL-2 πτήση. Μάλιστα, cross-polarized δεδομένα έδωσαν καλύτερη πληροφορία για τη διάκριση των ορίων των δασών και το μέγεθος της καταστροφής τους.

Τα στοιχεία συνδυάστηκαν σε false colors (red - LHH, green - LHV, blue - XVV), για οπτική ανάλυση και αυτόματη κατηγοριοποίηση από cluster analysis. Έτσι εντοπίστηκαν και περιοχές πυρκαγιών όπως και μέρη ξηρού δάσους.
Επιπλέον, multitemporal ανάλυση εικόνων και interefrometry τεχνική επαναλαμβανόμενων τροχιών αποτέλεσε κομμάτι της επεξεργασίας. Ακόμη, αναλύθηκε μια σειρά από absolutely calibrated PRI εικόνων αρκετών χρόνων και διαφόρων εποχών από τον I-PAF, οι οποίες βοήθησαν στη σύνθεση multitemporal χαρτών με ποικίλους συνδυασμούς. Τέλος δύο SLCI εικόνες από διπλή λήψη τον Σεπτέμβριο 7 και 8 του 1995, επεξεργάστηκαν σαν interferometric ζευγάρι.

'''Αποτελέσματα'''

Τα χωράφια και τα κατεστραμμένα δάση παρατηρείται να έχουν τη μεγαλύτερες διακυμάνσεις . Ανάλυση της interferometric coherence για τις 19950907-19950908 εικόνες, μας δείχνει ότι μπορούμε εύκολα να διακρίνουμε τις περιοχές βλάστησης από τα χωράφια, αλλά δεν είναι εφικτό να ξεχωριστούν τα φυλλοβόλα από τα κωνοφόρα δάση.
Ο συνδυασμός των ERS intensity δεδομένων και του συνεκτικού χάρτη παρουσιάζονται παρακάτω όπου στο κόκκινο κανάλι είναι στοιχεία amplitude και στο πράσινο ανεστραμμένης coherence. Ελαφρώς κόκκινα σημάδια αποτελούν πιθανές περιοχές δασικών πυρκαγιών.

[[Εικόνα:tria3.jpg|thumb|center|Εικόνα 3:ERS SAR composite image for tandem pair 19950907-19950908 (R-intensity, G-inverted coherence)
πηγη:http://citeseer.ist.psu.edu/549080.html]]

Στην επόμενη εικόνα 4, φαίνεται η περιοχή του ξηρού δάσους. Στα αριστερά παρουσιάζεται σαν πολυ-χρονικός χάρτης (multitemporal map) (RGB συνδυασμός των sessions από τις 19920616, 19920929 και 19921103) και στα δεξιά φαίνεται η RGB σύσταση of intensity image and decorrelation map (Inverted coherence) για τα ζεύγη 19950907-19970908 (R-intensity, G-inverted coherence). Το λευκό βέλος αντιπροσωπεύει το προς τα δυτικά σημάδι του ατυχήματος. Τα μπλε σημάδια στη αριστερά εικόνα και τα αντίστοιχα πορτοκαλί στη δεξιά αντιστοιχούν στην περιοχή με την ολική-θανάσιμη καταστροφή των δέντρων.

[[Εικόνα:tesera4.jpg|thumb|center|Εικόνα 4:Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.πηγη:http://citeseer.ist.psu.edu/549080.html]]

[[Εικόνα:pente5.jpg|thumb|center|Εικόνα 5:Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.πηγη:http://citeseer.ist.psu.edu/549080.html]]

Η ζώνη των κατεστραμμένων δασών μπορεί να διακριθεί στο κέντρο της επόμενης εικόνας(6-7). Τα κίτρινα και πράσινα χρώματα αντιστοιχούν σε κωνοφόρα. Τα μικρά μαύρα σημεία είναι χαρακτηριστικά της θανατηφόρας καταστροφής.

[[Εικόνα:exi6.jpg|thumb|center|Εικόνα 6:Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement. πηγη:http://citeseer.ist.psu.edu/549080.html]]

[[Εικόνα:efta7.jpg|thumb|center|Εικόνα 7:Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement.πηγη:http://citeseer.ist.psu.edu/549080.html]]

'''Επίλογος'''

Από τη μελέτη αυτή φάνηκε ότι δεδομένα ERS SAR είναι χρήσιμα στην έρευνα της οικολογικής κατάστασης στην περιοχή γύρω από το πυρηνικό ατύχημα, ακόμη και 6 με 10 χρόνια αργότερα.
Τα C-band SAR δεδομένα σε μορφή multitemporal combination όπως και interferometric coherence από επαναλαμβανόμενες τροχιές interferometry, μπορούν να βοηθήσουν στη μελέτη της κατάστασης στην περιοχή του Chernobyl.

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΣΤΗΝ ΠΕΡΙΟΧΗ CHERNOBYL

2009-09-09T19:52:51Z

Maria X.:

'''ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΗΣ ΚΑΤΑΣΤΑΣΗΣ ΤΩΝ ΔΑΣΩΝ ΣΤΗΝ ΠΕΡΙΟΧΗ ΤΟΥ CHERNOBYL ΜΕ ΤΗ ΧΡΗΣΗ ERS SAR ΔΕΔΟΜΕΝΑ'''

'''Από τους:''' ''A.I. Zakharov, I.L. Kucheryavenkova, V.P. Sinilo, M.V. Sorochinsky, L.N. Shamarova
"Institute of Radio engineering and Electronics of Russian Academy of Sciences
Vvedensky sq. 1, Fryazino, 141120, Russia''

'''Email: aizakhar@ire.rssi.ru'''

''Πηγή: http://citeseer.ist.psu.edu/549080.html''

'''Εισαγωγή'''

Οι συνέπειες του καταστροφικού ατυχήματος στον σταθμό παραγωγής ενέργειας του Chernobyl στις 26 Απρίλη του 1986, τραβούν ακόμη και σήμερα την προσοχή των επιστημόνων ανά τον κόσμο. Ειδικότερα η περιοχή ακτίνας 30 χλμ. γύρω από τον σταθμό, η οποία αποτελεί την περιοχή απαγορευμένης εισόδου λόγω των υψηλών επιπέδων ραδιενέργειας και βρίσκεται στα σύνορα μεταξύ Ουκρανίας και Λευκορωσίας, αποτελεί σημείο εντατικής έρευνας και μελέτης.
Ο σκοπός της παρούσας εργασίας είναι η μελέτη της «εφαρμοσιμότητας» των ERS SAR δεδομένων 6-10 μετά το ατύχημα στην παρατήρηση της οικολογικής κατάστασης της περιοχής και ιδιαίτερα των δασών.
Δεδομένα SRL-2 SIR-C/X SAR (LHH, LHV, CHH, CHV και XVV κανάλια) με datatake 16_20, χρησιμοποιήθηκαν στη μελέτη παρά τη μεγάλη γωνία παρατήρησης ~600 .

'''Δεδομένα για τη Μελέτη'''

14 ERS PRI εικόνες της περιόδου 1992-1996 και SLCI δίδυμα ζεύγη επεξεργάστηκαν και αναλύθηκαν. Χάρτες σε κλίμακες 1:200000 και 1:100000, για την περιγραφή της κατάστασης στα τέλη του 1980, χρησιμοποιήθηκαν, όπως και μετεωρολογικά στοιχεία.

[[Εικόνα:one1.jpg|thumb|right|Εικόνα 1:Χάρτης της περιοχής Chernobyl. Το κόκκινο τόξο δείχνει την απαγορευμένη περιοχή.
πηγη:http://citeseer.ist.psu.edu/549080.html
]]
[[Εικόνα:two2.jpg|thumb|right|Εικόνα 2:Χάρτης των ειδών βλάστησης από cluster analysis των δεδομένων LHH+LHV+XVV SIR-C/X SAR. Κόκκινα-κατεστραμμένα δάση, πράσινα-κανονικά δάση, κίτρινη-αραιή βλάστηση, βαθύ-μπλε χωράφια. πηγη:http://citeseer.ist.psu.edu/549080.html]]

'''Περιγραφή της Περιοχής'''

Το νότιο κομμάτι της απαγορευμένης περιοχής γύρω από το εργοστάσιο καλύπτεται από πυκνό δάσος κυρίως πεύκων τα οποία είναι και πιο ευαίσθητα στην πυρηνική ακτινοβολία.
Η βλάστηση της περιοχής κατηγοριοποιήθηκε με βάση το βαθμό καταστροφής της από τη ραδιενέργεια σε 4 τάξεις.

'''Τεχνική που Χρησιμοποιήθηκε'''

Χρησιμοποιήθηκαν SIR-C/X SAR δεδομένα (μόνο το μέγιστο ύψος των συχνοτήτων) για την βλάστηση της περιοχής σε SRL-2 πτήση. Μάλιστα, cross-polarized δεδομένα έδωσαν καλύτερη πληροφορία για τη διάκριση των ορίων των δασών και το μέγεθος της καταστροφής τους.

Τα στοιχεία συνδυάστηκαν σε false colors (red - LHH, green - LHV, blue - XVV), για οπτική ανάλυση και αυτόματη κατηγοριοποίηση από cluster analysis. Έτσι εντοπίστηκαν και περιοχές πυρκαγιών όπως και μέρη ξηρού δάσους.
Επιπλέον, multitemporal ανάλυση εικόνων και interefrometry τεχνική επαναλαμβανόμενων τροχιών αποτέλεσε κομμάτι της επεξεργασίας. Ακόμη, αναλύθηκε μια σειρά από absolutely calibrated PRI εικόνων αρκετών χρόνων και διαφόρων εποχών από τον I-PAF, οι οποίες βοήθησαν στη σύνθεση multitemporal χαρτών με ποικίλους συνδυασμούς. Τέλος δύο SLCI εικόνες από διπλή λήψη τον Σεπτέμβριο 7 και 8 του 1995, επεξεργάστηκαν σαν interferometric ζευγάρι.

'''Αποτελέσματα'''

Τα χωράφια και τα κατεστραμμένα δάση παρατηρείται να έχουν τη μεγαλύτερες διακυμάνσεις . Ανάλυση της interferometric coherence για τις 19950907-19950908 εικόνες, μας δείχνει ότι μπορούμε εύκολα να διακρίνουμε τις περιοχές βλάστησης από τα χωράφια, αλλά δεν είναι εφικτό να ξεχωριστούν τα φυλλοβόλα από τα κωνοφόρα δάση.
Ο συνδυασμός των ERS intensity δεδομένων και του συνεκτικού χάρτη παρουσιάζονται παρακάτω όπου στο κόκκινο κανάλι είναι στοιχεία amplitude και στο πράσινο ανεστραμμένης coherence. Ελαφρώς κόκκινα σημάδια αποτελούν πιθανές περιοχές δασικών πυρκαγιών.

[[Εικόνα:tria3.jpg|thumb|center|Εικόνα 3:ERS SAR composite image for tandem pair 19950907-19950908 (R-intensity, G-inverted coherence)
πηγη:http://citeseer.ist.psu.edu/549080.html]]

Στην επόμενη εικόνα 4, φαίνεται η περιοχή του ξηρού δάσους. Στα αριστερά παρουσιάζεται σαν πολυ-χρονικός χάρτης (multitemporal map) (RGB συνδυασμός των sessions από τις 19920616, 19920929 και 19921103) και στα δεξιά φαίνεται η RGB σύσταση of intensity image and decorrelation map (Inverted coherence) για τα ζεύγη 19950907-19970908 (R-intensity, G-inverted coherence). Το λευκό βέλος αντιπροσωπεύει το προς τα δυτικά σημάδι του ατυχήματος. Τα μπλε σημάδια στη αριστερά εικόνα και τα αντίστοιχα πορτοκαλί στη δεξιά αντιστοιχούν στην περιοχή με την ολική-θανάσιμη καταστροφή των δέντρων.

[[Εικόνα:tesera4.jpg|thumb|center|Εικόνα 4:Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.πηγη:http://citeseer.ist.psu.edu/549080.html]]

[[Εικόνα:pente5.jpg|thumb|center|Εικόνα 5:Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.πηγη:http://citeseer.ist.psu.edu/549080.html]]

Η ζώνη των κατεστραμμένων δασών μπορεί να διακριθεί στο κέντρο της επόμενης εικόνας(6-7). Τα κίτρινα και πράσινα χρώματα αντιστοιχούν σε κωνοφόρα. Τα μικρά μαύρα σημεία είναι χαρακτηριστικά της θανατηφόρας καταστροφής.

[[Εικόνα:exi6.jpg|thumb|center|Εικόνα 6:Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement. πηγη:http://citeseer.ist.psu.edu/549080.html]]

[[Εικόνα:efta7.jpg|thumb|center|Εικόνα 7:Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement.πηγη:http://citeseer.ist.psu.edu/549080.html]]

'''Επίλογος'''

Από τη μελέτη αυτή φάνηκε ότι δεδομένα ERS SAR είναι χρήσιμα στην έρευνα της οικολογικής κατάστασης στην περιοχή γύρω από το πυρηνικό ατύχημα, ακόμη και 6 με 10 χρόνια αργότερα.
Τα C-band SAR δεδομένα σε μορφή multitemporal combination όπως και interferometric coherence από επαναλαμβανόμενες τροχιές interferometry, μπορούν να βοηθήσουν στη μελέτη της κατάστασης στην περιοχή του Chernobyl.

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΣΤΗΝ ΠΕΡΙΟΧΗ CHERNOBYL

2009-09-09T19:52:33Z

Maria X.:

'''ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΗΣ ΚΑΤΑΣΤΑΣΗΣ ΤΩΝ ΔΑΣΩΝ ΣΤΗΝ ΠΕΡΙΟΧΗ ΤΟΥ CHERNOBYL ΜΕ ΤΗ ΧΡΗΣΗ ERS SAR ΔΕΔΟΜΕΝΑ'''

'''Από τους:''' ''A.I. Zakharov, I.L. Kucheryavenkova, V.P. Sinilo, M.V. Sorochinsky, L.N. Shamarova
"Institute of Radio engineering and Electronics of Russian Academy of Sciences
Vvedensky sq. 1, Fryazino, 141120, Russia''

'''Email: aizakhar@ire.rssi.ru'''

''Πηγή: http://citeseer.ist.psu.edu/549080.html''

'''Εισαγωγή'''

Οι συνέπειες του καταστροφικού ατυχήματος στον σταθμό παραγωγής ενέργειας του Chernobyl στις 26 Απρίλη του 1986, τραβούν ακόμη και σήμερα την προσοχή των επιστημόνων ανά τον κόσμο. Ειδικότερα η περιοχή ακτίνας 30 χλμ. γύρω από τον σταθμό, η οποία αποτελεί την περιοχή απαγορευμένης εισόδου λόγω των υψηλών επιπέδων ραδιενέργειας και βρίσκεται στα σύνορα μεταξύ Ουκρανίας και Λευκορωσίας, αποτελεί σημείο εντατικής έρευνας και μελέτης.
Ο σκοπός της παρούσας εργασίας είναι η μελέτη της «εφαρμοσιμότητας» των ERS SAR δεδομένων 6-10 μετά το ατύχημα στην παρατήρηση της οικολογικής κατάστασης της περιοχής και ιδιαίτερα των δασών.
Δεδομένα SRL-2 SIR-C/X SAR (LHH, LHV, CHH, CHV και XVV κανάλια) με datatake 16_20, χρησιμοποιήθηκαν στη μελέτη παρά τη μεγάλη γωνία παρατήρησης ~600 .

'''Δεδομένα για τη Μελέτη'''

14 ERS PRI εικόνες της περιόδου 1992-1996 και SLCI δίδυμα ζεύγη επεξεργάστηκαν και αναλύθηκαν. Χάρτες σε κλίμακες 1:200000 και 1:100000, για την περιγραφή της κατάστασης στα τέλη του 1980, χρησιμοποιήθηκαν, όπως και μετεωρολογικά στοιχεία.

[[Εικόνα:one1.jpg|thumb|center|Εικόνα 1:Χάρτης της περιοχής Chernobyl. Το κόκκινο τόξο δείχνει την απαγορευμένη περιοχή.
πηγη:http://citeseer.ist.psu.edu/549080.html
]]
[[Εικόνα:two2.jpg|thumb|center|Εικόνα 2:Χάρτης των ειδών βλάστησης από cluster analysis των δεδομένων LHH+LHV+XVV SIR-C/X SAR. Κόκκινα-κατεστραμμένα δάση, πράσινα-κανονικά δάση, κίτρινη-αραιή βλάστηση, βαθύ-μπλε χωράφια. πηγη:http://citeseer.ist.psu.edu/549080.html]]

'''Περιγραφή της Περιοχής'''

Το νότιο κομμάτι της απαγορευμένης περιοχής γύρω από το εργοστάσιο καλύπτεται από πυκνό δάσος κυρίως πεύκων τα οποία είναι και πιο ευαίσθητα στην πυρηνική ακτινοβολία.
Η βλάστηση της περιοχής κατηγοριοποιήθηκε με βάση το βαθμό καταστροφής της από τη ραδιενέργεια σε 4 τάξεις.

'''Τεχνική που Χρησιμοποιήθηκε'''

Χρησιμοποιήθηκαν SIR-C/X SAR δεδομένα (μόνο το μέγιστο ύψος των συχνοτήτων) για την βλάστηση της περιοχής σε SRL-2 πτήση. Μάλιστα, cross-polarized δεδομένα έδωσαν καλύτερη πληροφορία για τη διάκριση των ορίων των δασών και το μέγεθος της καταστροφής τους.

Τα στοιχεία συνδυάστηκαν σε false colors (red - LHH, green - LHV, blue - XVV), για οπτική ανάλυση και αυτόματη κατηγοριοποίηση από cluster analysis. Έτσι εντοπίστηκαν και περιοχές πυρκαγιών όπως και μέρη ξηρού δάσους.
Επιπλέον, multitemporal ανάλυση εικόνων και interefrometry τεχνική επαναλαμβανόμενων τροχιών αποτέλεσε κομμάτι της επεξεργασίας. Ακόμη, αναλύθηκε μια σειρά από absolutely calibrated PRI εικόνων αρκετών χρόνων και διαφόρων εποχών από τον I-PAF, οι οποίες βοήθησαν στη σύνθεση multitemporal χαρτών με ποικίλους συνδυασμούς. Τέλος δύο SLCI εικόνες από διπλή λήψη τον Σεπτέμβριο 7 και 8 του 1995, επεξεργάστηκαν σαν interferometric ζευγάρι.

'''Αποτελέσματα'''

Τα χωράφια και τα κατεστραμμένα δάση παρατηρείται να έχουν τη μεγαλύτερες διακυμάνσεις . Ανάλυση της interferometric coherence για τις 19950907-19950908 εικόνες, μας δείχνει ότι μπορούμε εύκολα να διακρίνουμε τις περιοχές βλάστησης από τα χωράφια, αλλά δεν είναι εφικτό να ξεχωριστούν τα φυλλοβόλα από τα κωνοφόρα δάση.
Ο συνδυασμός των ERS intensity δεδομένων και του συνεκτικού χάρτη παρουσιάζονται παρακάτω όπου στο κόκκινο κανάλι είναι στοιχεία amplitude και στο πράσινο ανεστραμμένης coherence. Ελαφρώς κόκκινα σημάδια αποτελούν πιθανές περιοχές δασικών πυρκαγιών.

[[Εικόνα:tria3.jpg|thumb|center|Εικόνα 3:ERS SAR composite image for tandem pair 19950907-19950908 (R-intensity, G-inverted coherence)
πηγη:http://citeseer.ist.psu.edu/549080.html]]

Στην επόμενη εικόνα 4, φαίνεται η περιοχή του ξηρού δάσους. Στα αριστερά παρουσιάζεται σαν πολυ-χρονικός χάρτης (multitemporal map) (RGB συνδυασμός των sessions από τις 19920616, 19920929 και 19921103) και στα δεξιά φαίνεται η RGB σύσταση of intensity image and decorrelation map (Inverted coherence) για τα ζεύγη 19950907-19970908 (R-intensity, G-inverted coherence). Το λευκό βέλος αντιπροσωπεύει το προς τα δυτικά σημάδι του ατυχήματος. Τα μπλε σημάδια στη αριστερά εικόνα και τα αντίστοιχα πορτοκαλί στη δεξιά αντιστοιχούν στην περιοχή με την ολική-θανάσιμη καταστροφή των δέντρων.

[[Εικόνα:tesera4.jpg|thumb|center|Εικόνα 4:Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.πηγη:http://citeseer.ist.psu.edu/549080.html]]

[[Εικόνα:pente5.jpg|thumb|center|Εικόνα 5:Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.πηγη:http://citeseer.ist.psu.edu/549080.html]]

Η ζώνη των κατεστραμμένων δασών μπορεί να διακριθεί στο κέντρο της επόμενης εικόνας(6-7). Τα κίτρινα και πράσινα χρώματα αντιστοιχούν σε κωνοφόρα. Τα μικρά μαύρα σημεία είναι χαρακτηριστικά της θανατηφόρας καταστροφής.

[[Εικόνα:exi6.jpg|thumb|center|Εικόνα 6:Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement. πηγη:http://citeseer.ist.psu.edu/549080.html]]

[[Εικόνα:efta7.jpg|thumb|center|Εικόνα 7:Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement.πηγη:http://citeseer.ist.psu.edu/549080.html]]

'''Επίλογος'''

Από τη μελέτη αυτή φάνηκε ότι δεδομένα ERS SAR είναι χρήσιμα στην έρευνα της οικολογικής κατάστασης στην περιοχή γύρω από το πυρηνικό ατύχημα, ακόμη και 6 με 10 χρόνια αργότερα.
Τα C-band SAR δεδομένα σε μορφή multitemporal combination όπως και interferometric coherence από επαναλαμβανόμενες τροχιές interferometry, μπορούν να βοηθήσουν στη μελέτη της κατάστασης στην περιοχή του Chernobyl.

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T19:51:23Z

Maria X.:

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''

'''Από τον:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''Πηγή: http://www.remotesensing.gr/gcm.pdf'''

'''Εισαγωγή'''
[[Εικόνα:oxto8.jpg|thumb|right|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''
[[Εικόνα:ennia9.jpg|thumb|right|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''
[[Εικόνα:Deka10.jpg|thumb|right|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]
Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

[[Εικόνα:dwdeka12.jpg|thumb|right|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]
[[Εικόνα:dekatria13.jpg|thumb|right|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

'''Από:''' ''Joshua Schoen''

''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''Πηγή: http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''

'''Εισαγωγή'''

Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

'''Αποτελέσματα'''
[[Εικόνα:dekatesera14.jpg|thumb|right|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T19:51:01Z

Maria X.:

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''

'''Από τον:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''Πηγή: http://www.remotesensing.gr/gcm.pdf'''

'''Εισαγωγή'''
[[Εικόνα:oxto8.jpg|thumb|right|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''
[[Εικόνα:ennia9.jpg|thumb|right|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''
[[Εικόνα:Deka10.jpg|thumb|right|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]
Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

[[Εικόνα:dwdeka12.jpg|thumb|right|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]
[[Εικόνα:dekatria13.jpg|thumb|right|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

'''Από:''' ''Joshua Schoen''

''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''Πηγή: http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''

'''Εισαγωγή'''

Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

'''Αποτελέσματα'''
[[Εικόνα:dekatesera14.jpg|thumb|center|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T19:50:25Z

Maria X.:

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''

'''Από τον:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''Πηγή: http://www.remotesensing.gr/gcm.pdf'''

'''Εισαγωγή'''
[[Εικόνα:oxto8.jpg|thumb|right|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''
[[Εικόνα:ennia9.jpg|thumb|right|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''
[[Εικόνα:Deka10.jpg|thumb|right|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]
Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

[[Εικόνα:dwdeka12.jpg|thumb|right|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]
[[Εικόνα:dekatria13.jpg|thumb|right|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

'''Από:''' ''Joshua Schoen''

''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''Πηγή: http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''

'''Εισαγωγή'''

Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

'''Αποτελέσματα'''

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

[[Εικόνα:dekatesera14.jpg|thumb|center|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T19:49:57Z

Maria X.:

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''

'''Από τον:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''Πηγή: http://www.remotesensing.gr/gcm.pdf'''

'''Εισαγωγή'''
[[Εικόνα:oxto8.jpg|thumb|right|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''
[[Εικόνα:ennia9.jpg|thumb|right|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''
[[Εικόνα:Deka10.jpg|thumb|right|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]
Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

'''Από:''' ''Joshua Schoen''

''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''Πηγή: http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''
[[Εικόνα:dwdeka12.jpg|thumb|right|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]
[[Εικόνα:dekatria13.jpg|thumb|right|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

'''Εισαγωγή'''

Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

'''Αποτελέσματα'''

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

[[Εικόνα:dekatesera14.jpg|thumb|center|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T19:49:24Z

Maria X.:

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''

'''Από τον:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''Πηγή: http://www.remotesensing.gr/gcm.pdf'''

'''Εισαγωγή'''
[[Εικόνα:oxto8.jpg|thumb|right|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''
[[Εικόνα:ennia9.jpg|thumb|right|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''
[[Εικόνα:Deka10.jpg|thumb|right|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]
Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

'''Από:''' ''Joshua Schoen''

''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''Πηγή: http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''

'''Εισαγωγή'''
[[Εικόνα:dwdeka12.jpg|thumb|right|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]
[[Εικόνα:dekatria13.jpg|thumb|right|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]
Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

'''Αποτελέσματα'''

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

[[Εικόνα:dekatesera14.jpg|thumb|center|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T19:47:25Z

Maria X.:

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''

'''Από τον:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''Πηγή: http://www.remotesensing.gr/gcm.pdf'''

'''Εισαγωγή'''
[[Εικόνα:oxto8.jpg|thumb|right|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''
[[Εικόνα:ennia9.jpg|thumb|right|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''
[[Εικόνα:Deka10.jpg|thumb|right|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]
Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

'''Από:''' ''Joshua Schoen''

''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''Πηγή: http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''

'''Εισαγωγή'''

Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

[[Εικόνα:dwdeka12.jpg|thumb|right|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]
[[Εικόνα:dekatria13.jpg|thumb|right|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]
'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

'''Αποτελέσματα'''

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

[[Εικόνα:dekatesera14.jpg|thumb|center|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T19:45:21Z

Maria X.:

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''

'''Από τον:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''Πηγή: http://www.remotesensing.gr/gcm.pdf'''

'''Εισαγωγή'''
[[Εικόνα:oxto8.jpg|thumb|right|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''
[[Εικόνα:ennia9.jpg|thumb|right|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''
[[Εικόνα:Deka10.jpg|thumb|right|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]
Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

'''Από:''' ''Joshua Schoen''

''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''Πηγή: http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''

'''Εισαγωγή'''

Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

[[Εικόνα:dwdeka12.jpg|thumb|center|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

[[Εικόνα:dekatria13.jpg|thumb|center|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

'''Αποτελέσματα'''

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

[[Εικόνα:dekatesera14.jpg|thumb|center|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T19:44:55Z

Maria X.:

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''

'''Από τον:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''Πηγή: http://www.remotesensing.gr/gcm.pdf'''

'''Εισαγωγή'''
[[Εικόνα:oxto8.jpg|thumb|right|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''
[[Εικόνα:ennia9.jpg|thumb|right|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''
[[Εικόνα:Deka10.jpg|thumb|center|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]
Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

'''Από:''' ''Joshua Schoen''

''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''Πηγή: http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''

'''Εισαγωγή'''

Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

[[Εικόνα:dwdeka12.jpg|thumb|center|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

[[Εικόνα:dekatria13.jpg|thumb|center|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

'''Αποτελέσματα'''

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

[[Εικόνα:dekatesera14.jpg|thumb|center|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T19:44:28Z

Maria X.:

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''

'''Από τον:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''Πηγή: http://www.remotesensing.gr/gcm.pdf'''

'''Εισαγωγή'''
[[Εικόνα:oxto8.jpg|thumb|right|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''
[[Εικόνα:ennia9.jpg|thumb|right|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''

Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

[[Εικόνα:Deka10.jpg|thumb|center|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

'''Από:''' ''Joshua Schoen''

''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''Πηγή: http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''

'''Εισαγωγή'''

Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

[[Εικόνα:dwdeka12.jpg|thumb|center|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

[[Εικόνα:dekatria13.jpg|thumb|center|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

'''Αποτελέσματα'''

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

[[Εικόνα:dekatesera14.jpg|thumb|center|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T19:44:15Z

Maria X.:

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''

'''Από τον:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''Πηγή: http://www.remotesensing.gr/gcm.pdf'''

'''Εισαγωγή'''
[[Εικόνα:oxto8.jpg|thumb|right|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''

[[Εικόνα:ennia9.jpg|thumb|right|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''

Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

[[Εικόνα:Deka10.jpg|thumb|center|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

'''Από:''' ''Joshua Schoen''

''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''Πηγή: http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''

'''Εισαγωγή'''

Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

[[Εικόνα:dwdeka12.jpg|thumb|center|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

[[Εικόνα:dekatria13.jpg|thumb|center|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

'''Αποτελέσματα'''

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

[[Εικόνα:dekatesera14.jpg|thumb|center|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T19:43:59Z

Maria X.:

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''

'''Από τον:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''Πηγή: http://www.remotesensing.gr/gcm.pdf'''

'''Εισαγωγή'''

[[Εικόνα:oxto8.jpg|thumb|right|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''

[[Εικόνα:ennia9.jpg|thumb|right|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''

Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

[[Εικόνα:Deka10.jpg|thumb|center|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

'''Από:''' ''Joshua Schoen''

''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''Πηγή: http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''

'''Εισαγωγή'''

Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

[[Εικόνα:dwdeka12.jpg|thumb|center|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

[[Εικόνα:dekatria13.jpg|thumb|center|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

'''Αποτελέσματα'''

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

[[Εικόνα:dekatesera14.jpg|thumb|center|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T19:43:24Z

Maria X.:

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''

'''Από τον:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''Πηγή: http://www.remotesensing.gr/gcm.pdf'''

'''Εισαγωγή'''

[[Εικόνα:oxto8.jpg|thumb|right|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

[[Εικόνα:ennia9.jpg|thumb|center|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''

Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

[[Εικόνα:Deka10.jpg|thumb|center|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

'''Από:''' ''Joshua Schoen''

''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''Πηγή: http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''

'''Εισαγωγή'''

Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

[[Εικόνα:dwdeka12.jpg|thumb|center|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

[[Εικόνα:dekatria13.jpg|thumb|center|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

'''Αποτελέσματα'''

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

[[Εικόνα:dekatesera14.jpg|thumb|center|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

[[category:Αμμοδοχείο]]

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-09-09T19:41:24Z

Maria X.:

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''

'''Από τον:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''Πηγή: http://www.remotesensing.gr/gcm.pdf'''

'''Εισαγωγή'''

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

[[Εικόνα:oxto8.jpg|thumb|right|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

[[Εικόνα:ennia9.jpg|thumb|center|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''

Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

[[Εικόνα:Deka10.jpg|thumb|center|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

'''Από:''' ''Joshua Schoen''

''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''Πηγή: http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''

'''Εισαγωγή'''

Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

[[Εικόνα:dwdeka12.jpg|thumb|center|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

[[Εικόνα:dekatria13.jpg|thumb|center|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

'''Αποτελέσματα'''

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

[[Εικόνα:dekatesera14.jpg|thumb|center|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

[[category:Αμμοδοχείο]]

Αρχείο:Dekatesera14.jpg

2009-03-23T14:39:37Z

Maria X.:

Αρχείο:Dekatria13.jpg

2009-03-23T14:38:32Z

Maria X.:

Αρχείο:Dwdeka12.jpg

2009-03-23T14:37:49Z

Maria X.:

Αρχείο:Edeka11.jpg

2009-03-23T14:36:55Z

Maria X.:

Αρχείο:Deka10.jpg

2009-03-23T14:35:54Z

Maria X.:

Αρχείο:Ennia9.jpg

2009-03-23T14:33:51Z

Maria X.:

Αρχείο:Oxto8.jpg

2009-03-23T14:32:48Z

Maria X.:

ΔΑΣΗ ΤΡΟΠΙΚΑ-ΑΠΟΨΙΛΩΣΗ

2009-03-23T14:32:30Z

Maria X.:

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΚΑΙ ΚΛΙΜΑΤΙΚΗ ΑΛΛΑΓΗ:
'''A REMOTE SENSING PERSPECTIVE'''''

'''Από τον:''' ''Βασίλειο Καλογήρου, MSc Remote Sensing, Department of Geomatic Engineering, University College London, UK''

'''Πηγή: http://www.remotesensing.gr/gcm.pdf'''

'''Εισαγωγή'''

Τα τροπικά δάση καλύπτουν το 7% της γήινης επιφάνειας και αποτελούν το καταφύγιο πολλών ειδών από φυτά και ζώα. Παρά την τεράστια οικολογική, οικονομική και κοινωνική τους σημασία, τα τελευταία χρόνια έχουν σημαντικά μειωθεί. Η αποψίλωση των τροπικών δασών αποτελεί φαινόμενο στενά συνδεδεμένο με την αύξηση του πληθυσμού όπως και την πυκνότητά του στις αναπτυσσόμενες χώρες (Pahari, K. και Murai, S., 1999). Επιπλέον φαίνεται να επηρεάζει σε τοπική, περιφερειακή αλλά και παγκόσμια κλίμακα το κλίμα.
Ο σκοπός αυτού του άρθρου είναι να εξετάσει την ικανότητα του remote sensing να χαρτογραφεί με ακρίβεια και αποτελεσματικότητα την αποψίλωση των τροπικών δασών, καθώς και να αποκαλύψει πιθανή σύνδεσή τους με την κλιματική αλλαγή.

[[Εικόνα:oxto8.jpg|thumb|center|Εικόνα 1: Παγκόσμια κατανομή των τροπικών δασών (πράσινο) (from World Commission on Forests and Sustainable Development, 1999)πηγη:http://www.remotesensing.gr/gcm.pdf
]]

Τα Ηνωμένα Έθνη και ο Παγκόσμιος Οργανισμός για τα Τρόφιμα και τη Γεωργία ορίζουν την αποψίλωση των τροπικών δασών ως ''« τη μετατροπή των δασών σε μια άλλη χρήση γης, ή τη μακροπρόθεσμη μείωσή τους κάτω από το κατώφλι του ελάχιστου 10% (FAO, 2005b, p. 25).''
Παρόλα αυτά, οι πιο κατάλληλοι δείκτες αποψίλωσης των τροπικών δασών είναι η έκταση, η δομή και η ένταση της αποψίλωσης σε διαφορετική κλίμακα (O’Brien, 2000).

'''Remote sensing και χαρτογράφηση της αποψίλωσης.'''

Οι πιο ευρέος χρησιμοποιούμενοι αισθητήρες για την χαρτογράφηση της αποψίλωσης των τροπικών δασών σε τοπική κλίμακα είναι οι Landsat MSS, TM, ETM+ and SPOT, (Gilrouth and Hutchinson, 1990, Alves et al., 1999, Ichii et al., 2003, Zhang et al., 2005) ενώ για μελέτες μεγάλης κλίμακας δεδομένα αντλούνται από τον NOAA AVHRR (Malingreau et al., 1989, Nelson et al., 1987).
Όμως, οι οπτικές εικόνες είναι περιορισμένες λόγω της συννεφοκάλυψης, πράγμα που προκαλεί κενά δεδομένων. Αυτά τα κενά καλύπτονται από εικόνες SAR, Rignot et al. (1997). Εφαρμογή της μεθόδου έγινε με χρήση SIR-C δεδομένων για το γέμισμα των κενών των multi-temporal TM και SPOT XS στοιχείων.
Μεσαίας ανάλυσης χωρικά δεδομένα (εικόνα 1) δίνουν σε τοπική κλίμακα ακριβή αποτελέσματα αλλά όχι και τόσο ποιοτικά λόγω των σύννεφων. Για να πετύχουμε καλύτερη ταξινόμηση μεσαίας ανάλυσης χωρικά δεδομένα μπορούν α χρησιμοποιηθούν για διόρθωση και επικύρωση δεδομένων coarse ανάλυσης (Mayaux et al., 1998). Για παράδειγμα, το πρόγραμμα TREES (Tropical Ecosystem Environment observation by Satellite, European Commission, 1997) το οποίο συστάθηκε από Ευρωπαϊκή Επιτροπή και την Ευρωπαϊκή Διαστημική Υπηρεσία το 1990, χρησιμοποίησε δεδομένα 1km του NOAA AVHRR. Ένα δείγμα από επιλεγμένα στοιχεία του Landsat TM χρησιμοποιήθηκαν για να διορθώσουν και να επικυρώσουν τα αντίστοιχα δεδομένα του AVHRR.

[[Εικόνα:ennia9.jpg|thumb|center|Εικόνα 2: Χάρτες ταξινόμησης χρήσεων γης της Rondonia περιοχής στη Βραζιλία, με χρήση Landsat MSS and TM imagery. Αποψίλωση (κίτρινο) pattern. (A) August 30, 1973, (B) August 10, 1986, (C) July 28, 1993, (D) June 21, 1997, (E) August 6, 1999 (from Ichii et al., 2003, figure 2).
πηγη:http://www.remotesensing.gr/gcm.pdf]]

Μία άλλη παγκόσμιας κλίμακας αποτίμησης των τροπικών με τη χρήση remote sensing δεδομένων έγινε από FAO Remote Sensing Survey (FAO, 1996). Η έρευνα βασίστηκε σε δείγμα 117 εικόνων διαφορετικής ημέρας του Landsat TM. Αυτή η ανάλυση έδωσε άλλη οπτική στη διαδικασία της αποψίλωσης των τροπικών δασών μεταξύ 1980 και 1990.

'''Σχέση μεταξύ της αποψίλωσης των τροπικών δασών και της κλιματικής αλλαγής.'''

Είναι αρκετά χρήσιμο να λάβει κανείς υπόψη του τις συνέπειες της αποψίλωσης των τροπικών δασών ώστε να αξιολογήσει τις επιπτώσεις τους στο κλίμα. Η αποψίλωση αυξάνει την επιφάνεια αντανάκλασης του φωτός,albedo, με αποτέλεσμα μεγαλύτερο κλάσμα της εισερχόμενης ακτινοβολίας να ανακλάται. Ομοίως, λόγω της απουσίας σκίασης από τα δέντρα, που λειτουργεί σταθεροποιητικά, η γήινη επιφάνεια και τα κατωτέρα στρώματα της ατμόσφαιρας γίνονται όλα και πιο θερμά.
Επιπρόσθετα, η αποψίλωση φαίνεται να επηρεάζει τον βιοφυσικό μηχανισμό που συνδέει τα τροπικά δάση και το κλίμα.
Ένας αποδοτικός τρόπος μελέτης των παραπάνω αποτελεσμάτων είναι με τη χρήση μοντέλων γενικής κυκλοφορίας (general circulation models GCMs). Επί παραδείγματι Lean and Rowntree (1997) χρησιμοποίησαν Handley Centre GCM για να προσομοιώσουν την αποψίλωση του Αμαζονίου σε ένα 10-ετές πείραμα.
Ακόμη χρειάζεται να σημειωθεί ότι, σε μερικά μέρη η αποψίλωση έχει ως επίπτωση τη μείωση των κατακρημνισμάτων ενώ σε άλλα αύξηση. Αυτό υπονοεί ότι η αποψίλωση προκαλεί αλλαγή στις ατμοσφαιρικές κυκλοφορίες (Manzi and Planton, 1996).

[[Εικόνα:Deka10.jpg|thumb|center|Εικόνα 3: Rondonia, Brazil.(A)The visible channel of GOES. Η αποψίλωση φαίνεται με γκρι και άσπρο , (B)Μέση θερμοκρασία μεσημεριού Αύγουστος 2000, (C)Ποσοστό συννεφιάς το απόγευμα Αύγουστος 2000 και 2001, (D)Ποσοστά βροχής το απόγευμα Αύγουστος 2000 και 2001,μετρημένα από TRMM (from NASA Website, 2004). πηγη: http://www.remotesensing.gr/gcm.pdf]]

'''Συμπεράσματα'''

Η μέθοδος του Remote sensing μπορεί να χρησιμοποιηθεί για την εκτίμηση της έκτασης της αποψίλωσης των τροπικών δασών τόσο σε τοπική όσο και σε παγκόσμια κλίμακα και την παραγωγή χαρτών. Είναι ένας αποτελεσματικός και οικονομικός τρόπος για την απόκτηση δεδομένων σε παγκόσμια κλίμακα ώστε να συνεχίσουν οι μελέτες για την κατανόηση της κλιματικής αλλαγής σε σχέση με την αποψίλωση των τροπικών δασών.
Όμως χρειάζεται ακόμη αρκετή προσπάθεια για ακριβέστερες εκτιμήσεις της έντασης του φαινομένου.

[[Εικόνα:edeka11.jpg|thumb|center|Εικόνα 4:Ο ρόλος του remote sensing στο πρόβλημα. πηγη:http://www.remotesensing.gr/gcm.pdf]]

'''ΑΠΟΨΙΛΩΣΗ ΤΩΝ ΤΡΟΠΙΚΩΝ ΔΑΣΩΝ ΣΤΟ PALEMBANG, ΙΝΔΟΝΗΣΙΑ'''

'''Από:''' ''Joshua Schoen''

''Faculty Sponsor: Cynthia Berlin, Department of Geography and Earth Science
Δημοσίευση: UW-L Journal of Undergraduate Research VII (2004)''

'''Πηγή: http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf'''

'''Εισαγωγή'''

Η Ινδονησία κατέχει μια από τις μεγαλύτερες εκτάσεις τροπικών δασών στον κόσμο τα οποία καταλαμβάνουν το 10% της σημερινής παγκόσμιας κάλυψης και αποτελούν ένα από τα πιο πλούσια οικοσυστήματα. Η περιοχή αυτή χάνει περί τα 5 εκατομμύρια εκτάρια δάσους το χρόνο. Ιδιαίτερα η περιοχή της Σουμάτρας, α οποία έχει μείνει με το 30% του αρχικού της δάσους, κινδυνεύει να αποψιλωθεί εντελώς.
To Remote Sensing μπορεί να αποτελέσει χρήσιμο εργαλείο για την ανίχνευση της αποψίλωσης των δασών, αφού μέσω τεχνικών επεξεργασίας των εικόνων από δορυφόρους μπορεί να μετρηθεί η χωρική έκταση και το ποσοστό της. Οι δορυφόροι Landsat Thematic Mapper (TM) και Enhanced TM (ETM) παρέχουν την πληροφορία που χρειαζόμαστε μέσω της 30 μέτρων χωρικής τους ανάλυσης.

'''Περιοχή Μελέτης'''

Η περιοχή μελέτης είναι το νησί της Σουμάτρας στην Ινδονησία το οποίο βρίσκεται στα βόρεια της πόλης του Palembang. Από τα 2470 εκτάρια της μελέτης, τα 285 είναι υδάτινες επιφάνειες.

'''Δεδομένα και Μέθοδοι'''

Δεδομένα του Landsat TM από τις 26 Ιούνη 1992 και του Landsat ETM στις 13 Ιουλίου 2001 παρείχαν τα φασματικά στοιχεία για την ταξινόμηση. Η επεξεργασία των εικόνων έγινε με ERDAS Imagine 8.6.
Η μέθοδος ανάλυσης χρησιμοποίησε μια μέση μη προβλεπόμενη ISODATA ταξινόμηση με χρήση των 6 ανακλαστικών καναλιών. Η ταξινόμηση ‘έδωσε 25 signature classes οι οποίες αναλύθηκαν και καταγράφηκαν σε 6 τάξεις κάλυψης γης. Αυτές είναι το νερό, το πυκνό φυσικό δάσος, το αραιό δάσος, οι καλλιέργειες, η μη υγιής βλάστηση και το έδαφος.
Έγινε χρήση matrix function ο οποίος δημιούργησε θεματικό αρχείο για τις δύο ταξινομήσεις αυτής της εργασίας όπως summary function για την παραγωγή στατιστικών αποτελεσμάτων για τις δύο εικόνες.

[[Εικόνα:dwdeka12.jpg|thumb|center|Εικόνα 5:June 26, 1992 Landsat TM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

[[Εικόνα:dekatria13.jpg|thumb|center|Εικόνα 6:July 13, 2001, Landsat ETM Image πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf
]]

'''Αποτελέσματα'''

Κατά την φασματική ερμηνεία το κανάλι 1 δεν χρησιμοποιήθηκε διότι περιείχε μεγάλο ποσοστό ατμοσφαιρικής σκέδασης. Η φασματική υπογραφή του νερού διαχωρίστηκε από τις υπόλοιπες λόγω της αντίδρασής του στα NIR και MIR κανάλια.
Παρομοίως και το έδαφος ξεχώρισε έχοντας υψηλή φασματική response σε όλα τα κανάλια. Το πυκνό δάσος σε σχέση με αραιό, λόγω της μεγαλύτερης αντίδρασης στο NIR κανάλι έδωσε καλύτερη απεικόνιση του πράσινου (green peak/red depression pattern) μιας και περιέχει περισσότερη χλωροφύλλη και υγρασία. Οι καλλιέργειες και οι δευτερεύουσα βλάστηση ομαδοποιήθηκαν για τις ανάγκες της μελέτης. Μάλιστα, έδειξαν υψηλότερες NIR and MIR responses όπως και σχετικά υψηλότερη αναλογία πράσινου-κόκκινου. Η μη υγιής βλάστηση έδωσε φασματική response φτωχής αναλογίας πράσινου-κόκκινου και αντίστοιχα χαμηλές NIR and MIR responses.

Τα αποτελέσματα της ταξινόμησης κατέληξαν σε μείωση των καλυμμένων με δάσος περιοχών στον τόπο της μελέτης. Το πυκνό φυσικό δάσος συρρικνώθηκε κατά 48.1% και το αραιό δάσος κατά 24.2%. Παράλληλα σημειώθηκε αύξηση της έκτασης των δευτερευουσών καλλιεργειών κατά 37.5 % και του εδάφους στα 64.4 %.
Διαφάνηκε ότι η πλειοψηφία των πυκνών και αραιών δασών του 1992 μετατράπηκε σε καλλιέργειες και δευτερεύουσα βλάστηση το 2001. Συγκεκριμένα το 46% από το πυκνό φυσικό δάσος και το 43% από το αραιό (376.1 εκτάρια συνολικά από τα 2087.8 εκτάρια καθαρής γήινης επιφάνειας) .

[[Εικόνα:dekatesera14.jpg|thumb|center|Εικόνα 7:Land Cover Classification Results πηγη:http://www.uwlax.edu/URC/JUR-online/PDF/2004/schoen.pdf]]

'''Συμπεράσματα'''

Ο βασικός στόχος αυτής της εργασίας επετεύχθη μιας και υπολογίστηκε το μέγεθος της χωρικής έκτασης της αποψίλωσης του τροπικού δάσους της Σουμάτρας σε χρονική διάρκεια 9 ετών. Παρατηρήθηκε μια αντιστρόφως ανάλογη σχέση μεταξύ του βαθμού αποψίλωσης και της αύξησης της καλλιεργήσιμης γης κατά το χρονικό διάστημα 1992 – 2001.

[[category:Αμμοδοχείο]]

Αρχείο:Efta7.jpg

2009-03-23T14:30:46Z

Maria X.:

Αρχείο:Exi6.jpg

2009-03-23T14:30:08Z

Maria X.:

Αρχείο:Pente5.jpg

2009-03-23T14:28:51Z

Maria X.:

Αρχείο:Tesera4.jpg

2009-03-23T14:28:19Z

Maria X.:

ΔΑΣΗ ΣΤΗΝ ΠΕΡΙΟΧΗ CHERNOBYL

2009-03-23T14:27:50Z

Maria X.:

'''ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΗΣ ΚΑΤΑΣΤΑΣΗΣ ΤΩΝ ΔΑΣΩΝ ΣΤΗΝ ΠΕΡΙΟΧΗ ΤΟΥ CHERNOBYL ΜΕ ΤΗ ΧΡΗΣΗ ERS SAR ΔΕΔΟΜΕΝΑ'''

'''Από τους:''' ''A.I. Zakharov, I.L. Kucheryavenkova, V.P. Sinilo, M.V. Sorochinsky, L.N. Shamarova
"Institute of Radio engineering and Electronics of Russian Academy of Sciences
Vvedensky sq. 1, Fryazino, 141120, Russia''

'''Email: aizakhar@ire.rssi.ru'''

''Πηγή: http://citeseer.ist.psu.edu/549080.html''

'''Εισαγωγή'''

Οι συνέπειες του καταστροφικού ατυχήματος στον σταθμό παραγωγής ενέργειας του Chernobyl στις 26 Απρίλη του 1986, τραβούν ακόμη και σήμερα την προσοχή των επιστημόνων ανά τον κόσμο. Ειδικότερα η περιοχή ακτίνας 30 χλμ. γύρω από τον σταθμό, η οποία αποτελεί την περιοχή απαγορευμένης εισόδου λόγω των υψηλών επιπέδων ραδιενέργειας και βρίσκεται στα σύνορα μεταξύ Ουκρανίας και Λευκορωσίας, αποτελεί σημείο εντατικής έρευνας και μελέτης.
Ο σκοπός της παρούσας εργασίας είναι η μελέτη της «εφαρμοσιμότητας» των ERS SAR δεδομένων 6-10 μετά το ατύχημα στην παρατήρηση της οικολογικής κατάστασης της περιοχής και ιδιαίτερα των δασών.
Δεδομένα SRL-2 SIR-C/X SAR (LHH, LHV, CHH, CHV και XVV κανάλια) με datatake 16_20, χρησιμοποιήθηκαν στη μελέτη παρά τη μεγάλη γωνία παρατήρησης ~600 .

'''Δεδομένα για τη Μελέτη'''

14 ERS PRI εικόνες της περιόδου 1992-1996 και SLCI δίδυμα ζεύγη επεξεργάστηκαν και αναλύθηκαν. Χάρτες σε κλίμακες 1:200000 και 1:100000, για την περιγραφή της κατάστασης στα τέλη του 1980, χρησιμοποιήθηκαν, όπως και μετεωρολογικά στοιχεία.

'''Περιγραφή της Περιοχής'''

Το νότιο κομμάτι της απαγορευμένης περιοχής γύρω από το εργοστάσιο καλύπτεται από πυκνό δάσος κυρίως πεύκων τα οποία είναι και πιο ευαίσθητα στην πυρηνική ακτινοβολία.
Η βλάστηση της περιοχής κατηγοριοποιήθηκε με βάση το βαθμό καταστροφής της από τη ραδιενέργεια σε 4 τάξεις.

'''Τεχνική που Χρησιμοποιήθηκε'''

Χρησιμοποιήθηκαν SIR-C/X SAR δεδομένα (μόνο το μέγιστο ύψος των συχνοτήτων) για την βλάστηση της περιοχής σε SRL-2 πτήση. Μάλιστα, cross-polarized δεδομένα έδωσαν καλύτερη πληροφορία για τη διάκριση των ορίων των δασών και το μέγεθος της καταστροφής τους.

Τα στοιχεία συνδυάστηκαν σε false colors (red - LHH, green - LHV, blue - XVV), για οπτική ανάλυση και αυτόματη κατηγοριοποίηση από cluster analysis. Έτσι εντοπίστηκαν και περιοχές πυρκαγιών όπως και μέρη ξηρού δάσους.
Επιπλέον, multitemporal ανάλυση εικόνων και interefrometry τεχνική επαναλαμβανόμενων τροχιών αποτέλεσε κομμάτι της επεξεργασίας. Ακόμη, αναλύθηκε μια σειρά από absolutely calibrated PRI εικόνων αρκετών χρόνων και διαφόρων εποχών από τον I-PAF, οι οποίες βοήθησαν στη σύνθεση multitemporal χαρτών με ποικίλους συνδυασμούς. Τέλος δύο SLCI εικόνες από διπλή λήψη τον Σεπτέμβριο 7 και 8 του 1995, επεξεργάστηκαν σαν interferometric ζευγάρι.

[[Εικόνα:one1.jpg|thumb|center|Εικόνα 1:Χάρτης της περιοχής Chernobyl. Το κόκκινο τόξο δείχνει την απαγορευμένη περιοχή.
πηγη:http://citeseer.ist.psu.edu/549080.html
]]

[[Εικόνα:two2.jpg|thumb|center|Εικόνα 2:Χάρτης των ειδών βλάστησης από cluster analysis των δεδομένων LHH+LHV+XVV SIR-C/X SAR. Κόκκινα-κατεστραμμένα δάση, πράσινα-κανονικά δάση, κίτρινη-αραιή βλάστηση, βαθύ-μπλε χωράφια. πηγη:http://citeseer.ist.psu.edu/549080.html]]

'''Αποτελέσματα'''

Τα χωράφια και τα κατεστραμμένα δάση παρατηρείται να έχουν τη μεγαλύτερες διακυμάνσεις . Ανάλυση της interferometric coherence για τις 19950907-19950908 εικόνες, μας δείχνει ότι μπορούμε εύκολα να διακρίνουμε τις περιοχές βλάστησης από τα χωράφια, αλλά δεν είναι εφικτό να ξεχωριστούν τα φυλλοβόλα από τα κωνοφόρα δάση.
Ο συνδυασμός των ERS intensity δεδομένων και του συνεκτικού χάρτη παρουσιάζονται παρακάτω όπου στο κόκκινο κανάλι είναι στοιχεία amplitude και στο πράσινο ανεστραμμένης coherence. Ελαφρώς κόκκινα σημάδια αποτελούν πιθανές περιοχές δασικών πυρκαγιών.

[[Εικόνα:tria3.jpg|thumb|center|Εικόνα 3:ERS SAR composite image for tandem pair 19950907-19950908 (R-intensity, G-inverted coherence)
πηγη:http://citeseer.ist.psu.edu/549080.html]]

Στην επόμενη εικόνα 4, φαίνεται η περιοχή του ξηρού δάσους. Στα αριστερά παρουσιάζεται σαν πολυ-χρονικός χάρτης (multitemporal map) (RGB συνδυασμός των sessions από τις 19920616, 19920929 και 19921103) και στα δεξιά φαίνεται η RGB σύσταση of intensity image and decorrelation map (Inverted coherence) για τα ζεύγη 19950907-19970908 (R-intensity, G-inverted coherence). Το λευκό βέλος αντιπροσωπεύει το προς τα δυτικά σημάδι του ατυχήματος. Τα μπλε σημάδια στη αριστερά εικόνα και τα αντίστοιχα πορτοκαλί στη δεξιά αντιστοιχούν στην περιοχή με την ολική-θανάσιμη καταστροφή των δέντρων.

[[Εικόνα:tesera4.jpg|thumb|center|Εικόνα 4:Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.πηγη:http://citeseer.ist.psu.edu/549080.html]]

[[Εικόνα:pente5.jpg|thumb|center|Εικόνα 5:Multitemporal image and combination of intensity image with decorrelation map for “dry forest” area.πηγη:http://citeseer.ist.psu.edu/549080.html]]

Η ζώνη των κατεστραμμένων δασών μπορεί να διακριθεί στο κέντρο της επόμενης εικόνας(6-7). Τα κίτρινα και πράσινα χρώματα αντιστοιχούν σε κωνοφόρα. Τα μικρά μαύρα σημεία είναι χαρακτηριστικά της θανατηφόρας καταστροφής.

[[Εικόνα:exi6.jpg|thumb|center|Εικόνα 6:Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement. πηγη:http://citeseer.ist.psu.edu/549080.html]]

[[Εικόνα:efta7.jpg|thumb|center|Εικόνα 7:Multitemporal image and combination of intensity image with decorrelation map for the “forest fire” area near
Burakovka settlement.πηγη:http://citeseer.ist.psu.edu/549080.html]]

'''Επίλογος'''

Από τη μελέτη αυτή φάνηκε ότι δεδομένα ERS SAR είναι χρήσιμα στην έρευνα της οικολογικής κατάστασης στην περιοχή γύρω από το πυρηνικό ατύχημα, ακόμη και 6 με 10 χρόνια αργότερα.
Τα C-band SAR δεδομένα σε μορφή multitemporal combination όπως και interferometric coherence από επαναλαμβανόμενες τροχιές interferometry, μπορούν να βοηθήσουν στη μελέτη της κατάστασης στην περιοχή του Chernobyl.

[[category:Αμμοδοχείο]]

Αρχείο:Dekatesera14.JPG

2009-03-23T14:26:43Z

Maria X.:

Αρχείο:Dekatria13.JPG

2009-03-23T14:24:58Z

Maria X.:

Αρχείο:Dwdeka12.JPG

2009-03-23T14:24:17Z

Maria X.:

Αρχείο:Endeka11.JPG

2009-03-23T14:23:11Z

Maria X.:

Αρχείο:Deka10.JPG

2009-03-23T14:22:36Z

Maria X.:

Αρχείο:Ennia9.JPG

2009-03-23T14:20:48Z

Maria X.:

Αρχείο:Oxto8.JPG

2009-03-23T14:20:10Z

Maria X.:

Αρχείο:Efta7.JPG

2009-03-23T14:19:16Z

Maria X.:

Αρχείο:Exi6.JPG

2009-03-23T14:18:43Z

Maria X.: