RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Aναγνώριση - με βάση την υφή - την των αστικών παραγκουπόλεων στο Hyderabad της Ινδίας, χρησιμοποιώντας δεδομένων τηλεπισκόπησης.

2014-04-28T12:25:04Z

Mariapanagiotidou:

[[Αρχείο:MP-eikona4-1.jpg|200px|thumb|right|Εικόνα 1: Πίνακες ροής ανίχνευσης περιοχών παραγκουπόλεων με τη χρήση των 2 μεθόδων δυαδιοποίησης.]]

[[Αρχείο:MP-eikona4-2.jpg|200px|thumb|right|Εικόνα 2: Περιοχές παραγκουπόλεων με κόκκινο και οι αντίστοιχες γεωαναφερμένες φωτογραφίες πεδίου.]]

'''Αντικείμενο Εφαρμογής:''' Ανίχνευση παραγκουπόλεων σε αστική γη

'''Πρωτότυπος Τίτλος:''' «Remote Texture-based identification of urban slums in Hyderabad, India using remote
sensing data»

'''Συγγραφείς:''' Oleksandr Kit, Matthias Lüdeke, Diana Reckien (Potsdam Institute for Climate Impact Research, P.O. Box 60 12 03, 14412 Potsdam, Germany)

'''Πηγή:''' Περιοδικό Applied Geograpgy, vol. 32, Issue 2, March 2012, Pages 660–667 [http://www.sciencedirect.com/science/article/pii/S0143622811001512]

'''Λέξεις Κλειδιά:''' άτυποι οικισμοί, τεχνική ανίχνευσης γραμμών, μέθοδος lacunarity

'''Περίληψη:'''
Η παρούσα μελέτη περιγράφει μια μέθοδο εντοπισμού άτυπων οικισμών από δορυφορικών εικόνες υψηλή ανάλυση, χρησιμοποιώντας τη γενική ιδέα της λίμνης (lacunarity). Η μελέτη πραγματοποιήθηκε για την πόλη Hyperabad της Ινδίας. Για τη δυαδική απεικόνιση των αποτελεσμάτων χρησιμοποιήθηκαν ξεχωριστά δύο μέθοδοι: Η μέθοδος του Κυρίαχου Συστατικού και ο Αλγόριθμος Ανίχνευσης Γραμμών. Οι υπολογισμοί έγιναν για τον υπολογισμό τιμών lacunarity καννάβου 60Χ60 και πάνω. Στη συνέχεια χρησιμοποιήθηκε ένας αριθμός ερευνών πεδίου για την ταξινόμηση των δεδομένων, τον εντοπισμό της εμβέλειας των τιμών lacunarity, ώστε να είναι τυπικές για τους τύπους κατοικιών - μικρό μέγεθος και μεγάλη πυκνότητα για την Ινδία, και τη διασταύρωση των αποτελεσμάτων. Μέσα από τη μελέτη διαπιστώθηκε πως η ο αλγόριθμος Ανίχνευσης Γραμμών είχε καλύτερα αποτελέσματα σε σχέση με τη μέθοδο του Κυρίαρχου Στοιχείου για τον σχηματισμό δυαδικά σύνολα δεδομένων για ανάλυση lacunarity καθώς είναι λιγότερο ευαίσθητος στη φασματική μεταβλητότητα εικόνων με ποικιλία υλικών. Η προτεινόμενη μεθοδολογία επιτρέπει την ταχεία ανάλυση και σύγκριση πολλαπλών χρονικών δεδομένων και μπορεί να εφαρμοστεί σε πολλές αστικές περιοχές του αναπτυσσόμενου κόσμου.

'''Εισαγωγή:'''
Ο υψηλός βαθμός αστικοποίησης έχει ξεπεράσει κάθε προηγούμενο στην ιστορία της ανθρωπότητας, θέλοντας τον μεγαλύτερο πληθυσμό της γης να κατοικεί σε πόλεις. Αυτός ο υψηλός βαθμός δε συνοδεύεται συνήθως με την κατασκευή των απαραίτητων αστικών υποδομών σε κατοικία, συγκοινωνία και χρήσεων κοινής ωφέλειας, ιδιαίτερα στον αναπτυσσόμενο κόσμο, όπου και λαμβάνει χώρα ο μεγαλύτερος βαθμός αστικοποίησης. Αποτέλεσμα όλων αυτών, σε συνδυασμό με τη χαμηλόμισθη εργασία, είναι η δημιουργία άτυπων οικισμών.

"Παραγκουπόλεις" είναι ο ορισμός που χαρακτηρίζει μια μεγάλη γκάμα κατοικίας υψηλής πυκνότητας και μικρού μεγέθους μονάδων κατοικίας χαμηλών κοινωνικών στρωμάτων, ου βρίσκεται στις πόλεις των αναπτυσσόμενων χωρών. Πρόσφατες μελέτες θέλουν το 16% του παγκόσμιου πληθυσμού να κατοικεί σε παραγκουπόλεις και την Ινδία να αγγίζει το 6%.

Οι παραγκουπόλεις στην Ινδία μπορούν να χαρακτηριστούν ανάλογα με τον τύπο κατοικίας σε δύο κατηγορίες: ημι-pucca ή ημι-kutcha. Τα σπίτια Pucca κατασκευάζονται με πιό μόνιμα οικοδομικά υλικά όπως τούβλα, πέτρα, φύλα αμιάντου, μεταλλικά στρώματα και κεραμίδια, ενώ τα σπίτια Kutcha είναι μονώροφα και μοιάζουν περισσότερο με τέντες.

Σε αντίθεση με την αγροτική γη, οι αστικές κατασκευές δεν έχουν καμία μοναδική φασματική ταυτότητα. Ταυτόχρονα, οι πόλεις δεν είναι χωρικά ενιαία σώματα αλλά αποτελούνται από μια ποικιλία δυσδιάκριτων αντικειμένων. Αυτό ισχύει ακόμα περισσότερο για τις παραγκουπόλεις, πράγμα που απαγορεύει τη χρήση ταξινόμησης υλικών βάση των φασματικών τους ιδιοτήτων. Αντίθετα, το μέγεθος και η δομή των κατοικιών φαίνεται να μπορούν να χρησιμοποιηθούν καλύτερα στην ανίχνευση παραγκουπόλεων. Σε αυτό βοηθά ιδιαίτερα η χρήση δορυφορικών εικόνων υψηλής ανάλυσης. Οι αντικειμενοστρεφείς μέθοδοι ανάλυσης δεδομένων υψηλής χωρικής ανάλυσης φαίνεται να είναι πιο αποτελεσματική από την ταξινόμηση ανα εικονοστοιχείο.

Μέθοδος Lacunarity

Για να εντοπίσουμε τις παραγκουπόλεις, θεωρούμε πως οι πόλεις είναι σύνθετα συστήματα, συντιθέμενα από μη-γραμμικά, ποικίλης κλίμακας επαναλήψεις χωρικών και φυσικών ετερογενών συστατικών που θα μπορούσαν να αναλυθούν με μαθηματικά μορφοκλάσματα (fractals). Πολλοί ερευνητές χρησιμοποιούν τη μέθοδο lacunarity για τη μέτρηση των επιφανειακών υλικών και την ταξινόμηση των ειδών κατοικίας. Οι Gefen et al. περιγράφουν τη μέθοδο lacunarity ως το μέτρο της παρέκκλισης των γεωμετρικών αντικειμένων απ' την αμεταβλητότητα και άρα αποτελεί έναν καλό δείκτη της χωρικής ετερογένειας. Με άλλα λόγια, οι τιμές lacunarity αντιπροσωπεύουν την κατανομή των κενών σε μια εικόνα, σε διάφορες κλίμακες.

'''Στόχοι Μελέτης:'''
• Ανίχνευση παραγκουπόλεων βασιζόμενοι σε αλγόριθμο lacunarity.
• Διασταύρωση των αποτελεσμάτων.
• Σύγκριση μεταξύ των μεθόδων αλγορίθμου Γραμμικής Ανίχνευσης και Μεθόδου Βασικού Συστατικού στην παραγωγή δυαδικών συνόλων δεδομένων.

'''Πηγές Δεδομένα:'''
Τα δεδομένα που χρησιμοποιήθηκαν προέρχονται από τον δορυφόρο Quickbird. Ο αισθητήρας του καταγράφει πολυφασματικές και πανχρωματικές εικόνες ταυτόχρονα, με χωρική ανάλυση 2.44-2.88 μ. και 0.61-0.72 μ. αντίστοιχα, ανάλογα με την οπτική γωνία λήψης (0-25 μοίρες). Οι εικόνες έχουν καλιμπραριστεί ραδιομετρικά, pan-sharpened και διορθωθεί από ανωμαλίες που προέρχονται από τον αισθητήρα και την πλατφόρμα και χαρτογραφηθεί σε 44Ν UTM σύστημα προβολής. Τα δεδομένα καλύπτουν έκταση 400χλμ της αστικής επικράτειας.

'''Προετοιμασία Δεδομένων:'''
Οι υπολογισμοί lacunarity λειτουργούν καλύτερα με δυαδικά δεδομένα. Στην παρούσα μελέτη θα χρησιμοποιηθούν και θα συγκριθούν δύο μέθοδοι δυαδιοποίησης:
• O αλγόριθμος Ανίχνευσης Γραμμών - LD.
• H μέθοδος του Κυρίαρχου Στοιχείου - PCA.
O Muchoney υποστήριξε πως η PCA μέθοδος είναι πιο αποτελεσματική σε διαδικασία αυτόματης ανίχνευσης.

'''Υπολογισμός Lacunarity:'''
Ο αλγόριθμος παράγει έναν τετράγωνο πίνακα με δεκαδικές τιμές lacunarity, που αποθηκεύονται με μορφή εικόνας GeoTIFF. Υποστηρίζεται πως το μέγεθος του παραθύρου του αλγορίθμου πρέπει να είναι τόσο μεγάλο ώστε να καλύπτει τις μεγαλύτερες μονάδες ενδιαφέροντος, αλλά όχι να μην εξέχει του μεγέθους που να αποκαλύπτει τη διακύμανση της πληροφορίας στις εικόνες υψηλής ανάλυσης. Το μέγεθος τον μονάδων των κατοικιών στις παραγκουπόλεις δεν ξεπερνά το μέγεθος μερικών μέτρων και οι αποστάσεις τους κλάσματα του μέτρου. Συνεπώς, το παράθυρο του αλγορίθμου είναι της τάξεως των 3-15 μ.

'''Αποτελέσματα:'''
Χρησιμοποιώντας τρεις τιμές δυαδιοποίησης και τρί μεγέθη παραθύρων αλγορίθμου κατά τη διάρκεια των δύο μεθόδων, έχουν δημιουργηθεί 18 διαφορετικοί πίνακες lacunarity. Για να διαλέξουμε την καλύτερη μέθοδο δυαδιοποίησης, συγκρίναμε τα αποτελέσματα με δεδομένα που προέκυψαν μετά από έρευνα πεδίου. Τα αποτελέσματα της διακρίβωσης έδειξαν πως ο αλγόριθμος LD έδωσε καλύτερα αποτελέσματα και τα βέλτιστα αποτελέσματα παρατηρήθηκαν με παράθυρο αλγορίθμου της τάξεως των 10px με κατώφλι δυαδιοποίησης 60. Η μεγαλύτερη συσχέτιση μεταξύ υπολογισμένων και παρατηρημένων θέσεων παραγκουπόλεων συμβαίνει με τιμές lacunarity 1.10-1.15, με βαθμό επιτυχίας 83.33%.
'''
Ανάλυση Αποτελεσμάτων:'''
Με τις παραγκουπόλεις να έχουν τιμές lacunarity 1.10-1.15, επιβεβαιώθηκαν οι Malhi και Roman-Cuesta, οι οποίοι υποστήριξαν των χαμηλές τιμές lacunarity σημαίνει πυκνότερη δόμηση, οπότε και μεγαλύτερη πιθανότητα ύπαρξης παραγκουπόλεων. Βέβαια, στην κατηγορία αυτή ενέπεσαν και περιοχές νερού και βλάστησης. Εξ' αιτίας όμως των ιδιαίτερων φασματικών τους ιδιοτήτων, τα σώματα αυτά μπορούν πολύ εύκολα να ανιχνευθούν, μέσω μη-εποπτευόμενης ομαδοποίησης και να απομονωθούν.

Ο λόγος που η LD μέθοδος απέδωσε καλύτερα είναι γιατί με αυτήν περιγράφονταν καλύτερα τα διαφορετικά αντικείμενα. Η μέθοδος lacunarity είναι αποτελεσματική σε παραγκουπόλεις που έχουν επιφάνεια μεγαλύτερη των 3600μ2. Αυτό συμβαίνει γιατί ο πίνακας που σχηματίζει έχει διαστάσεις 100Χ100, σε εικόνα ανάλυσης 60εκ.
'''
Συμπεράσματα:'''
Η μέθοδος αυτή μπορεί να αναπτύξει γρήγορα δεδομένα, ανιχνεύοντας τη συντριπτική πλειοψηφία των περιοχών παραγκουπόλεων, ανεξάρτητα από τεχνικούς και πολιτικούς περιορισμούς. Επίσης, το κόστος της εφαρμογής της είναι ιδιαίτερα χαμηλό και μπορεί να υποστηριχθεί από φτωχές αναπτυσσόμενες χώρες.

Ένας περιορισμός της μεθόδου είναι το τί ορίζει η κάθε κοινωνία κάνοντας λόγο για παραγκουπόλεις. Η μέθοδος βασίζεται μόνο σε μορφολογικά χαρακτηριστικά και δεν μπορεί να συγκριθεί άμεσα με το ευρύ ορισμό στην Ινδία.

'''Αναφορές:'''

Amorim, L., Barros Filho, M. N., & Cruz, D. (2009). Analysing Recife’s urban fragments. In D. Koch, L. Marcus, & J. Steen (Eds.), Proceedings of the 7th international space syntax symposium (pp. 003:1e14). Stockholm: KTH.

Baltsavias, E.P.,&Mason, S. (1997).Image-basedreconstructionof informal settlements. In A. Gruen, E. P. Baltsavias, & O. Henricsson (Eds.), Proceedings of 17. International workshop "Automatic extraction of man-made objects from aerial and space images (II)", 5e9. May, Ascona, Switzerland (pp. 87e96). Basel: Birkhäuser Verlag.

Baud, I., Pfeffer, K., Sridharan, N., & Nainan, N. (2009). Matching deprivation mapping to urban governance in three Indian mega-cities. Habitat International, 33(2009), 365e377.

Baud, I., Kuffer, M., Pfeffer, K., Sliuzas, R., & Karuppannan, S. (2010). Understanding heterogeneity in metropolitan India: the added value of remote sensing data for analyzing sub-standard residential areas. International Journal of Applied Earth Observation and Geoinformation, 12(5), 359e374.

Bhaskaran, S., Paramananda, S., & Ramnarayan, M. (2010). Per-pixel and objectoriented classification methods for mapping urban features using Ikonos satellite data. Applied Geography, 30(4), 650e665.

Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensin, 65(1), 2e16. Census of India. (2001). Metadata and brief highlights on slum population. http://censusindia.gov.in/Data_Products/Data_Highlights/Data_Highlights_link/metadata_
highlights.pdf [Access: 05.07.11].

Cheng, P., Toutin, T., & Zhang, Y. (2003). QuickBird e geometric correction data fusion and automatic DEM extraction. Earth Observation Magazine, 11(4), 14e18.

Dewan, A. M., & Yamaguchi, Y. (2009). Land use and land cover change in Greater Dhaka, Bangladesh: using remote sensing to promote sustainable urbanisation. Applied Geography, 29, 390e401.

Ellefsen, R., Swain, P. H., & Wray, J. (1973). Urban land-use mapping by machine processing of ERTS-1 multispectral data: a San Francisco Bay area example. In Proceedings of the conference on machine processing of remotely sensed data. West Lafayette: Purdue University, 2A2e2A22.

Filho, M. N. B., & Sobreira, F. (2008). Accuracy of lacunarity algorithms in texture classification of high spatial resolution images from urban areas. The International Archives of the Photogrammetry, Remote Sensing, and Spatial Information Sciences, 36, 417e422.

Gefen, Y., Meir, Y., Mandelbrot, B., & Aharony, A. (1983). Geometric implementation of hypercubic lattices with noninteger dimensionality by use of low lacunarity fractal lattices. Physical Review Letters, 50(3), 145e148.

GHMC. (2010). Revised master plan for core area (erstwhile MCH area) of GHMC. Report No. 3650, Hyderabad.

GoI. (2010a). Government sets up an eight member expert committee to examine the draft Rajiv Awas Yojana. Mumbai: Government of India, Press Information Bureau. Available online at: http://pibmumbai.gov.in/scripts/static.asp?releaseID¼E2010PR424 [Last accessed 30.03.11].

GoI. (2010b). Census of India 2001: (Provisional) Slum population - Explanatory note. Government of India. Available online at: http://censusindia.gov.in/Tables/_Published/Admin/_Units/Admin/_links/slum note.html [Last Accessed 2.02.11].

GoI. (2010c). Census of India 2001: (provisional) slum population in million plus cities (municipal corporations): Part A. Government of India. Available online at: http://censusindia.gov.in/Tables/
_Published/Admin/_Units/Admin/_links/slum1/_m/_plus.html [Last Accessed 7.02.11].

Herold, M., Goldstein, N. C., & Clarke, K. C. (2003). The spatiotemporal form of urban growth: measurement, analysis and modeling. Remote Sensing of Environment, 86(3), 286e302.

Hurskainen, P., & Pellikka, P. (18e21 October, 2004). Change detection of informal settlements using multi-temporal aerial photographs e the case of Voi, SE Kenya. In Paper presented at the 5th AARSE conference. Nairobi: African Association of Remote Sensing of the Environment.

Lillesand, T. (1990). Satellite remote sensing: its evolution and synergism with GIS technology. Government Information Quarterly, 7(3), 307e327.

Lo, C. P., & Welch, R. (1977). Chinese urban population estimates. Annals of the Association of American Geographers, 67(2), 246e253.

Maktav, D., Erbek, F. S., & Jürgens, C. (2005). Remote sensing of urban areas. International Journal of Remote Sensing, 26(4), 655e659.

Malhi, Y., & Román-Cuesta, R. (2008). Analysis of lacunarity and scales of spatial homogeneity in IKONOS images of Amazonian tropical forest canopies. Remote Sensing of Environment, 112(5), 2074e2087.

Martinez, K., Cupitt, J. (2005) VIPS e a highly tuned image processing software architecture. In: Proceedings of the IEEE International Conference on Image Processing, Sept. 2005, Genoa. pp. 574e577.
MCH. (2005). Draft city development plan. Hyderabad: Municipal Corporation of Hyderabad.

Muchoney, D. M., & Haack, B. N. (1994). Change detection for monitoring forest defoliation. Photogrammetric Engineering & Remote Sensing, 60, 1243e1251.

Myint, S., & Lam, N. (2005). A study of lacunarity-based texture analysis approaches to improve urban image classification. Computers, Environment and Urban Systems, 29(5), 501e523.

Naidu, R. (1990). Old cities, new predicaments: A study of Hyderabad. London and New Delhi: Sage.

Niebergall, S., Loew, A., & Mauser, W. (2008). Integrative assessment of informal settlements using VHR remote sensing data e the Delhi case study. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 1(3), 193e205.

Richards, J. A., & Jia, X. (2006). Remote sensing digital image analysis. Berlin: Springer-Verlag.

Rozenstein, O., & Karnieli, A. (2011). Comparison of methods for land-use classification incorporating remote sensing and GIS inputs. Applied Geography, 31(2011), 533e544.

The Community Studies Team. (2007). Food and nutritional security in the slums of Hyderabad. Humboldt University. http://www.sustainable-hyderabad.de/index.php?page¼workingpapers [Access: 08.05.11].

UN. (2002). Sustainable urbanisation - Achieving Agenda 21. Nairobi: United Nations Human Settlements Programme.

UN. (2003). The challenge of slums - Global report on human settlements. Nairobi: United Nations Human Settlements Programme.

UN. (2006). State of the world’s cities report 2006/7. Nairobi: United Nations Human Settlements Programme.

UN. (2009). World urbanization prospects. The 2009 revision. New York: Population Division, Department of Economic and Social Affairs, United Nations Secretariat.

UN. (2011). UN data glossary. Available online from. http://data.un.org/Glossary.aspx [Last Accessed 2.02.11].

Weizman, L., & Goldberger, J. (2009). Urban-area segmentation using visual words. IEEE Geoscience and Remote Sensing Letters, 6(3), 388e392.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Aναγνώριση - με βάση την υφή - την των αστικών παραγκουπόλεων στο Hyderabad της Ινδίας, χρησιμοποιώντας δεδομένων τηλεπισκόπησης.

2014-04-28T12:24:48Z

Mariapanagiotidou:

Aναγνώριση - με βάση την υφή - την των αστικών παραγκουπόλεων στο Hyderabad της Ινδίας, χρησιμοποιώντας δεδομένων τηλεπισκόπησης.

2014-04-28T12:24:32Z

Mariapanagiotidou:

[[Αρχείο:MP-eikona4-1.jpg|200px|thumb|right|Εικόνα 1: Πίνακες ροής ανίχνευσης περιοχών παραγκουπόλεων με τη χρήση των 2 μεθόδων δυαδιοποίησης.]]

[[Αρχείο:MP-eikona4-2.jpg|200px|thumb|right|Εικόνα 2: Περιοχές παραγκουπόλεων με κόκκινο και οι αντίστοιχες γεωαναφερμένες φωτογραφίες πεδίου.]]

'''Αντικείμενο Εφαρμογής:''' Ανίχνευση παραγκουπόλεων σε αστική γη

'''Πρωτότυπος Τίτλος:''' «Remote Texture-based identification of urban slums in Hyderabad, India using remote
sensing data»

'''Συγγραφείς:''' Oleksandr Kit, Matthias Lüdeke, Diana Reckien (Potsdam Institute for Climate Impact Research, P.O. Box 60 12 03, 14412 Potsdam, Germany)

'''Πηγή:''' Περιοδικό Applied Geograpgy, vol. 32, Issue 2, March 2012, Pages 660–667 [http://www.sciencedirect.com/science/article/pii/S0143622811001512
]

'''Λέξεις Κλειδιά:''' άτυποι οικισμοί, τεχνική ανίχνευσης γραμμών, μέθοδος lacunarity

'''Περίληψη:'''
Η παρούσα μελέτη περιγράφει μια μέθοδο εντοπισμού άτυπων οικισμών από δορυφορικών εικόνες υψηλή ανάλυση, χρησιμοποιώντας τη γενική ιδέα της λίμνης (lacunarity). Η μελέτη πραγματοποιήθηκε για την πόλη Hyperabad της Ινδίας. Για τη δυαδική απεικόνιση των αποτελεσμάτων χρησιμοποιήθηκαν ξεχωριστά δύο μέθοδοι: Η μέθοδος του Κυρίαχου Συστατικού και ο Αλγόριθμος Ανίχνευσης Γραμμών. Οι υπολογισμοί έγιναν για τον υπολογισμό τιμών lacunarity καννάβου 60Χ60 και πάνω. Στη συνέχεια χρησιμοποιήθηκε ένας αριθμός ερευνών πεδίου για την ταξινόμηση των δεδομένων, τον εντοπισμό της εμβέλειας των τιμών lacunarity, ώστε να είναι τυπικές για τους τύπους κατοικιών - μικρό μέγεθος και μεγάλη πυκνότητα για την Ινδία, και τη διασταύρωση των αποτελεσμάτων. Μέσα από τη μελέτη διαπιστώθηκε πως η ο αλγόριθμος Ανίχνευσης Γραμμών είχε καλύτερα αποτελέσματα σε σχέση με τη μέθοδο του Κυρίαρχου Στοιχείου για τον σχηματισμό δυαδικά σύνολα δεδομένων για ανάλυση lacunarity καθώς είναι λιγότερο ευαίσθητος στη φασματική μεταβλητότητα εικόνων με ποικιλία υλικών. Η προτεινόμενη μεθοδολογία επιτρέπει την ταχεία ανάλυση και σύγκριση πολλαπλών χρονικών δεδομένων και μπορεί να εφαρμοστεί σε πολλές αστικές περιοχές του αναπτυσσόμενου κόσμου.

'''Εισαγωγή:'''
Ο υψηλός βαθμός αστικοποίησης έχει ξεπεράσει κάθε προηγούμενο στην ιστορία της ανθρωπότητας, θέλοντας τον μεγαλύτερο πληθυσμό της γης να κατοικεί σε πόλεις. Αυτός ο υψηλός βαθμός δε συνοδεύεται συνήθως με την κατασκευή των απαραίτητων αστικών υποδομών σε κατοικία, συγκοινωνία και χρήσεων κοινής ωφέλειας, ιδιαίτερα στον αναπτυσσόμενο κόσμο, όπου και λαμβάνει χώρα ο μεγαλύτερος βαθμός αστικοποίησης. Αποτέλεσμα όλων αυτών, σε συνδυασμό με τη χαμηλόμισθη εργασία, είναι η δημιουργία άτυπων οικισμών.

"Παραγκουπόλεις" είναι ο ορισμός που χαρακτηρίζει μια μεγάλη γκάμα κατοικίας υψηλής πυκνότητας και μικρού μεγέθους μονάδων κατοικίας χαμηλών κοινωνικών στρωμάτων, ου βρίσκεται στις πόλεις των αναπτυσσόμενων χωρών. Πρόσφατες μελέτες θέλουν το 16% του παγκόσμιου πληθυσμού να κατοικεί σε παραγκουπόλεις και την Ινδία να αγγίζει το 6%.

Οι παραγκουπόλεις στην Ινδία μπορούν να χαρακτηριστούν ανάλογα με τον τύπο κατοικίας σε δύο κατηγορίες: ημι-pucca ή ημι-kutcha. Τα σπίτια Pucca κατασκευάζονται με πιό μόνιμα οικοδομικά υλικά όπως τούβλα, πέτρα, φύλα αμιάντου, μεταλλικά στρώματα και κεραμίδια, ενώ τα σπίτια Kutcha είναι μονώροφα και μοιάζουν περισσότερο με τέντες.

Σε αντίθεση με την αγροτική γη, οι αστικές κατασκευές δεν έχουν καμία μοναδική φασματική ταυτότητα. Ταυτόχρονα, οι πόλεις δεν είναι χωρικά ενιαία σώματα αλλά αποτελούνται από μια ποικιλία δυσδιάκριτων αντικειμένων. Αυτό ισχύει ακόμα περισσότερο για τις παραγκουπόλεις, πράγμα που απαγορεύει τη χρήση ταξινόμησης υλικών βάση των φασματικών τους ιδιοτήτων. Αντίθετα, το μέγεθος και η δομή των κατοικιών φαίνεται να μπορούν να χρησιμοποιηθούν καλύτερα στην ανίχνευση παραγκουπόλεων. Σε αυτό βοηθά ιδιαίτερα η χρήση δορυφορικών εικόνων υψηλής ανάλυσης. Οι αντικειμενοστρεφείς μέθοδοι ανάλυσης δεδομένων υψηλής χωρικής ανάλυσης φαίνεται να είναι πιο αποτελεσματική από την ταξινόμηση ανα εικονοστοιχείο.

Μέθοδος Lacunarity

Για να εντοπίσουμε τις παραγκουπόλεις, θεωρούμε πως οι πόλεις είναι σύνθετα συστήματα, συντιθέμενα από μη-γραμμικά, ποικίλης κλίμακας επαναλήψεις χωρικών και φυσικών ετερογενών συστατικών που θα μπορούσαν να αναλυθούν με μαθηματικά μορφοκλάσματα (fractals). Πολλοί ερευνητές χρησιμοποιούν τη μέθοδο lacunarity για τη μέτρηση των επιφανειακών υλικών και την ταξινόμηση των ειδών κατοικίας. Οι Gefen et al. περιγράφουν τη μέθοδο lacunarity ως το μέτρο της παρέκκλισης των γεωμετρικών αντικειμένων απ' την αμεταβλητότητα και άρα αποτελεί έναν καλό δείκτη της χωρικής ετερογένειας. Με άλλα λόγια, οι τιμές lacunarity αντιπροσωπεύουν την κατανομή των κενών σε μια εικόνα, σε διάφορες κλίμακες.

'''Στόχοι Μελέτης:'''
• Ανίχνευση παραγκουπόλεων βασιζόμενοι σε αλγόριθμο lacunarity.
• Διασταύρωση των αποτελεσμάτων.
• Σύγκριση μεταξύ των μεθόδων αλγορίθμου Γραμμικής Ανίχνευσης και Μεθόδου Βασικού Συστατικού στην παραγωγή δυαδικών συνόλων δεδομένων.

'''Πηγές Δεδομένα:'''
Τα δεδομένα που χρησιμοποιήθηκαν προέρχονται από τον δορυφόρο Quickbird. Ο αισθητήρας του καταγράφει πολυφασματικές και πανχρωματικές εικόνες ταυτόχρονα, με χωρική ανάλυση 2.44-2.88 μ. και 0.61-0.72 μ. αντίστοιχα, ανάλογα με την οπτική γωνία λήψης (0-25 μοίρες). Οι εικόνες έχουν καλιμπραριστεί ραδιομετρικά, pan-sharpened και διορθωθεί από ανωμαλίες που προέρχονται από τον αισθητήρα και την πλατφόρμα και χαρτογραφηθεί σε 44Ν UTM σύστημα προβολής. Τα δεδομένα καλύπτουν έκταση 400χλμ της αστικής επικράτειας.

'''Προετοιμασία Δεδομένων:'''
Οι υπολογισμοί lacunarity λειτουργούν καλύτερα με δυαδικά δεδομένα. Στην παρούσα μελέτη θα χρησιμοποιηθούν και θα συγκριθούν δύο μέθοδοι δυαδιοποίησης:
• O αλγόριθμος Ανίχνευσης Γραμμών - LD.
• H μέθοδος του Κυρίαρχου Στοιχείου - PCA.
O Muchoney υποστήριξε πως η PCA μέθοδος είναι πιο αποτελεσματική σε διαδικασία αυτόματης ανίχνευσης.

'''Υπολογισμός Lacunarity:'''
Ο αλγόριθμος παράγει έναν τετράγωνο πίνακα με δεκαδικές τιμές lacunarity, που αποθηκεύονται με μορφή εικόνας GeoTIFF. Υποστηρίζεται πως το μέγεθος του παραθύρου του αλγορίθμου πρέπει να είναι τόσο μεγάλο ώστε να καλύπτει τις μεγαλύτερες μονάδες ενδιαφέροντος, αλλά όχι να μην εξέχει του μεγέθους που να αποκαλύπτει τη διακύμανση της πληροφορίας στις εικόνες υψηλής ανάλυσης. Το μέγεθος τον μονάδων των κατοικιών στις παραγκουπόλεις δεν ξεπερνά το μέγεθος μερικών μέτρων και οι αποστάσεις τους κλάσματα του μέτρου. Συνεπώς, το παράθυρο του αλγορίθμου είναι της τάξεως των 3-15 μ.

'''Αποτελέσματα:'''
Χρησιμοποιώντας τρεις τιμές δυαδιοποίησης και τρί μεγέθη παραθύρων αλγορίθμου κατά τη διάρκεια των δύο μεθόδων, έχουν δημιουργηθεί 18 διαφορετικοί πίνακες lacunarity. Για να διαλέξουμε την καλύτερη μέθοδο δυαδιοποίησης, συγκρίναμε τα αποτελέσματα με δεδομένα που προέκυψαν μετά από έρευνα πεδίου. Τα αποτελέσματα της διακρίβωσης έδειξαν πως ο αλγόριθμος LD έδωσε καλύτερα αποτελέσματα και τα βέλτιστα αποτελέσματα παρατηρήθηκαν με παράθυρο αλγορίθμου της τάξεως των 10px με κατώφλι δυαδιοποίησης 60. Η μεγαλύτερη συσχέτιση μεταξύ υπολογισμένων και παρατηρημένων θέσεων παραγκουπόλεων συμβαίνει με τιμές lacunarity 1.10-1.15, με βαθμό επιτυχίας 83.33%.
'''
Ανάλυση Αποτελεσμάτων:'''
Με τις παραγκουπόλεις να έχουν τιμές lacunarity 1.10-1.15, επιβεβαιώθηκαν οι Malhi και Roman-Cuesta, οι οποίοι υποστήριξαν των χαμηλές τιμές lacunarity σημαίνει πυκνότερη δόμηση, οπότε και μεγαλύτερη πιθανότητα ύπαρξης παραγκουπόλεων. Βέβαια, στην κατηγορία αυτή ενέπεσαν και περιοχές νερού και βλάστησης. Εξ' αιτίας όμως των ιδιαίτερων φασματικών τους ιδιοτήτων, τα σώματα αυτά μπορούν πολύ εύκολα να ανιχνευθούν, μέσω μη-εποπτευόμενης ομαδοποίησης και να απομονωθούν.

Ο λόγος που η LD μέθοδος απέδωσε καλύτερα είναι γιατί με αυτήν περιγράφονταν καλύτερα τα διαφορετικά αντικείμενα. Η μέθοδος lacunarity είναι αποτελεσματική σε παραγκουπόλεις που έχουν επιφάνεια μεγαλύτερη των 3600μ2. Αυτό συμβαίνει γιατί ο πίνακας που σχηματίζει έχει διαστάσεις 100Χ100, σε εικόνα ανάλυσης 60εκ.
'''
Συμπεράσματα:'''
Η μέθοδος αυτή μπορεί να αναπτύξει γρήγορα δεδομένα, ανιχνεύοντας τη συντριπτική πλειοψηφία των περιοχών παραγκουπόλεων, ανεξάρτητα από τεχνικούς και πολιτικούς περιορισμούς. Επίσης, το κόστος της εφαρμογής της είναι ιδιαίτερα χαμηλό και μπορεί να υποστηριχθεί από φτωχές αναπτυσσόμενες χώρες.

Ένας περιορισμός της μεθόδου είναι το τί ορίζει η κάθε κοινωνία κάνοντας λόγο για παραγκουπόλεις. Η μέθοδος βασίζεται μόνο σε μορφολογικά χαρακτηριστικά και δεν μπορεί να συγκριθεί άμεσα με το ευρύ ορισμό στην Ινδία.

'''Αναφορές:'''

Amorim, L., Barros Filho, M. N., & Cruz, D. (2009). Analysing Recife’s urban fragments. In D. Koch, L. Marcus, & J. Steen (Eds.), Proceedings of the 7th international space syntax symposium (pp. 003:1e14). Stockholm: KTH.

Baltsavias, E.P.,&Mason, S. (1997).Image-basedreconstructionof informal settlements. In A. Gruen, E. P. Baltsavias, & O. Henricsson (Eds.), Proceedings of 17. International workshop "Automatic extraction of man-made objects from aerial and space images (II)", 5e9. May, Ascona, Switzerland (pp. 87e96). Basel: Birkhäuser Verlag.

Baud, I., Pfeffer, K., Sridharan, N., & Nainan, N. (2009). Matching deprivation mapping to urban governance in three Indian mega-cities. Habitat International, 33(2009), 365e377.

Baud, I., Kuffer, M., Pfeffer, K., Sliuzas, R., & Karuppannan, S. (2010). Understanding heterogeneity in metropolitan India: the added value of remote sensing data for analyzing sub-standard residential areas. International Journal of Applied Earth Observation and Geoinformation, 12(5), 359e374.

Bhaskaran, S., Paramananda, S., & Ramnarayan, M. (2010). Per-pixel and objectoriented classification methods for mapping urban features using Ikonos satellite data. Applied Geography, 30(4), 650e665.

Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensin, 65(1), 2e16. Census of India. (2001). Metadata and brief highlights on slum population. http://censusindia.gov.in/Data_Products/Data_Highlights/Data_Highlights_link/metadata_
highlights.pdf [Access: 05.07.11].

Cheng, P., Toutin, T., & Zhang, Y. (2003). QuickBird e geometric correction data fusion and automatic DEM extraction. Earth Observation Magazine, 11(4), 14e18.

Dewan, A. M., & Yamaguchi, Y. (2009). Land use and land cover change in Greater Dhaka, Bangladesh: using remote sensing to promote sustainable urbanisation. Applied Geography, 29, 390e401.

Ellefsen, R., Swain, P. H., & Wray, J. (1973). Urban land-use mapping by machine processing of ERTS-1 multispectral data: a San Francisco Bay area example. In Proceedings of the conference on machine processing of remotely sensed data. West Lafayette: Purdue University, 2A2e2A22.

Filho, M. N. B., & Sobreira, F. (2008). Accuracy of lacunarity algorithms in texture classification of high spatial resolution images from urban areas. The International Archives of the Photogrammetry, Remote Sensing, and Spatial Information Sciences, 36, 417e422.

Gefen, Y., Meir, Y., Mandelbrot, B., & Aharony, A. (1983). Geometric implementation of hypercubic lattices with noninteger dimensionality by use of low lacunarity fractal lattices. Physical Review Letters, 50(3), 145e148.

GHMC. (2010). Revised master plan for core area (erstwhile MCH area) of GHMC. Report No. 3650, Hyderabad.

GoI. (2010a). Government sets up an eight member expert committee to examine the draft Rajiv Awas Yojana. Mumbai: Government of India, Press Information Bureau. Available online at: http://pibmumbai.gov.in/scripts/static.asp?releaseID¼E2010PR424 [Last accessed 30.03.11].

GoI. (2010b). Census of India 2001: (Provisional) Slum population - Explanatory note. Government of India. Available online at: http://censusindia.gov.in/Tables/_Published/Admin/_Units/Admin/_links/slum note.html [Last Accessed 2.02.11].

GoI. (2010c). Census of India 2001: (provisional) slum population in million plus cities (municipal corporations): Part A. Government of India. Available online at: http://censusindia.gov.in/Tables/
_Published/Admin/_Units/Admin/_links/slum1/_m/_plus.html [Last Accessed 7.02.11].

Herold, M., Goldstein, N. C., & Clarke, K. C. (2003). The spatiotemporal form of urban growth: measurement, analysis and modeling. Remote Sensing of Environment, 86(3), 286e302.

Hurskainen, P., & Pellikka, P. (18e21 October, 2004). Change detection of informal settlements using multi-temporal aerial photographs e the case of Voi, SE Kenya. In Paper presented at the 5th AARSE conference. Nairobi: African Association of Remote Sensing of the Environment.

Lillesand, T. (1990). Satellite remote sensing: its evolution and synergism with GIS technology. Government Information Quarterly, 7(3), 307e327.

Lo, C. P., & Welch, R. (1977). Chinese urban population estimates. Annals of the Association of American Geographers, 67(2), 246e253.

Maktav, D., Erbek, F. S., & Jürgens, C. (2005). Remote sensing of urban areas. International Journal of Remote Sensing, 26(4), 655e659.

Malhi, Y., & Román-Cuesta, R. (2008). Analysis of lacunarity and scales of spatial homogeneity in IKONOS images of Amazonian tropical forest canopies. Remote Sensing of Environment, 112(5), 2074e2087.

Martinez, K., Cupitt, J. (2005) VIPS e a highly tuned image processing software architecture. In: Proceedings of the IEEE International Conference on Image Processing, Sept. 2005, Genoa. pp. 574e577.
MCH. (2005). Draft city development plan. Hyderabad: Municipal Corporation of Hyderabad.

Muchoney, D. M., & Haack, B. N. (1994). Change detection for monitoring forest defoliation. Photogrammetric Engineering & Remote Sensing, 60, 1243e1251.

Myint, S., & Lam, N. (2005). A study of lacunarity-based texture analysis approaches to improve urban image classification. Computers, Environment and Urban Systems, 29(5), 501e523.

Naidu, R. (1990). Old cities, new predicaments: A study of Hyderabad. London and New Delhi: Sage.

Niebergall, S., Loew, A., & Mauser, W. (2008). Integrative assessment of informal settlements using VHR remote sensing data e the Delhi case study. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 1(3), 193e205.

Richards, J. A., & Jia, X. (2006). Remote sensing digital image analysis. Berlin: Springer-Verlag.

Rozenstein, O., & Karnieli, A. (2011). Comparison of methods for land-use classification incorporating remote sensing and GIS inputs. Applied Geography, 31(2011), 533e544.

The Community Studies Team. (2007). Food and nutritional security in the slums of Hyderabad. Humboldt University. http://www.sustainable-hyderabad.de/index.php?page¼workingpapers [Access: 08.05.11].

UN. (2002). Sustainable urbanisation - Achieving Agenda 21. Nairobi: United Nations Human Settlements Programme.

UN. (2003). The challenge of slums - Global report on human settlements. Nairobi: United Nations Human Settlements Programme.

UN. (2006). State of the world’s cities report 2006/7. Nairobi: United Nations Human Settlements Programme.

UN. (2009). World urbanization prospects. The 2009 revision. New York: Population Division, Department of Economic and Social Affairs, United Nations Secretariat.

UN. (2011). UN data glossary. Available online from. http://data.un.org/Glossary.aspx [Last Accessed 2.02.11].

Weizman, L., & Goldberger, J. (2009). Urban-area segmentation using visual words. IEEE Geoscience and Remote Sensing Letters, 6(3), 388e392.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Aναγνώριση - με βάση την υφή - την των αστικών παραγκουπόλεων στο Hyderabad της Ινδίας, χρησιμοποιώντας δεδομένων τηλεπισκόπησης.

2014-04-28T12:24:12Z

Mariapanagiotidou:

[[Αρχείο:MP-eikona4-1.jpg|200px|thumb|right|Εικόνα 1: Πίνακες ροής ανίχνευσης περιοχών παραγκουπόλεων με τη χρήση των 2 μεθόδων δυαδιοποίησης.]]

[[Αρχείο:MP-eikona4-2.jpg|200px|thumb|right|Εικόνα 2: Περιοχές παραγκουπόλεων με κόκκινο και οι αντίστοιχες γεωαναφερμένες φωτογραφίες πεδίου.]]

'''Αντικείμενο Εφαρμογής:''' Ανίχνευση παραγκουπόλεων σε αστική γη

'''Πρωτότυπος Τίτλος:''' «Remote Texture-based identification of urban slums in Hyderabad, India using remote
sensing data»

'''Συγγραφείς:''' Oleksandr Kit, Matthias Lüdeke, Diana Reckien (Potsdam Institute for Climate Impact Research, P.O. Box 60 12 03, 14412 Potsdam, Germany)

'''Πηγή:''' Περιοδικό Applied Geograpgy, vol. 32, Issue 2, March 2012, Pages 660–667 [[http://www.sciencedirect.com/science/article/pii/S0143622811001512
]]

'''Λέξεις Κλειδιά:''' άτυποι οικισμοί, τεχνική ανίχνευσης γραμμών, μέθοδος lacunarity

'''Περίληψη:'''
Η παρούσα μελέτη περιγράφει μια μέθοδο εντοπισμού άτυπων οικισμών από δορυφορικών εικόνες υψηλή ανάλυση, χρησιμοποιώντας τη γενική ιδέα της λίμνης (lacunarity). Η μελέτη πραγματοποιήθηκε για την πόλη Hyperabad της Ινδίας. Για τη δυαδική απεικόνιση των αποτελεσμάτων χρησιμοποιήθηκαν ξεχωριστά δύο μέθοδοι: Η μέθοδος του Κυρίαχου Συστατικού και ο Αλγόριθμος Ανίχνευσης Γραμμών. Οι υπολογισμοί έγιναν για τον υπολογισμό τιμών lacunarity καννάβου 60Χ60 και πάνω. Στη συνέχεια χρησιμοποιήθηκε ένας αριθμός ερευνών πεδίου για την ταξινόμηση των δεδομένων, τον εντοπισμό της εμβέλειας των τιμών lacunarity, ώστε να είναι τυπικές για τους τύπους κατοικιών - μικρό μέγεθος και μεγάλη πυκνότητα για την Ινδία, και τη διασταύρωση των αποτελεσμάτων. Μέσα από τη μελέτη διαπιστώθηκε πως η ο αλγόριθμος Ανίχνευσης Γραμμών είχε καλύτερα αποτελέσματα σε σχέση με τη μέθοδο του Κυρίαρχου Στοιχείου για τον σχηματισμό δυαδικά σύνολα δεδομένων για ανάλυση lacunarity καθώς είναι λιγότερο ευαίσθητος στη φασματική μεταβλητότητα εικόνων με ποικιλία υλικών. Η προτεινόμενη μεθοδολογία επιτρέπει την ταχεία ανάλυση και σύγκριση πολλαπλών χρονικών δεδομένων και μπορεί να εφαρμοστεί σε πολλές αστικές περιοχές του αναπτυσσόμενου κόσμου.

'''Εισαγωγή:'''
Ο υψηλός βαθμός αστικοποίησης έχει ξεπεράσει κάθε προηγούμενο στην ιστορία της ανθρωπότητας, θέλοντας τον μεγαλύτερο πληθυσμό της γης να κατοικεί σε πόλεις. Αυτός ο υψηλός βαθμός δε συνοδεύεται συνήθως με την κατασκευή των απαραίτητων αστικών υποδομών σε κατοικία, συγκοινωνία και χρήσεων κοινής ωφέλειας, ιδιαίτερα στον αναπτυσσόμενο κόσμο, όπου και λαμβάνει χώρα ο μεγαλύτερος βαθμός αστικοποίησης. Αποτέλεσμα όλων αυτών, σε συνδυασμό με τη χαμηλόμισθη εργασία, είναι η δημιουργία άτυπων οικισμών.

"Παραγκουπόλεις" είναι ο ορισμός που χαρακτηρίζει μια μεγάλη γκάμα κατοικίας υψηλής πυκνότητας και μικρού μεγέθους μονάδων κατοικίας χαμηλών κοινωνικών στρωμάτων, ου βρίσκεται στις πόλεις των αναπτυσσόμενων χωρών. Πρόσφατες μελέτες θέλουν το 16% του παγκόσμιου πληθυσμού να κατοικεί σε παραγκουπόλεις και την Ινδία να αγγίζει το 6%.

Οι παραγκουπόλεις στην Ινδία μπορούν να χαρακτηριστούν ανάλογα με τον τύπο κατοικίας σε δύο κατηγορίες: ημι-pucca ή ημι-kutcha. Τα σπίτια Pucca κατασκευάζονται με πιό μόνιμα οικοδομικά υλικά όπως τούβλα, πέτρα, φύλα αμιάντου, μεταλλικά στρώματα και κεραμίδια, ενώ τα σπίτια Kutcha είναι μονώροφα και μοιάζουν περισσότερο με τέντες.

Σε αντίθεση με την αγροτική γη, οι αστικές κατασκευές δεν έχουν καμία μοναδική φασματική ταυτότητα. Ταυτόχρονα, οι πόλεις δεν είναι χωρικά ενιαία σώματα αλλά αποτελούνται από μια ποικιλία δυσδιάκριτων αντικειμένων. Αυτό ισχύει ακόμα περισσότερο για τις παραγκουπόλεις, πράγμα που απαγορεύει τη χρήση ταξινόμησης υλικών βάση των φασματικών τους ιδιοτήτων. Αντίθετα, το μέγεθος και η δομή των κατοικιών φαίνεται να μπορούν να χρησιμοποιηθούν καλύτερα στην ανίχνευση παραγκουπόλεων. Σε αυτό βοηθά ιδιαίτερα η χρήση δορυφορικών εικόνων υψηλής ανάλυσης. Οι αντικειμενοστρεφείς μέθοδοι ανάλυσης δεδομένων υψηλής χωρικής ανάλυσης φαίνεται να είναι πιο αποτελεσματική από την ταξινόμηση ανα εικονοστοιχείο.

Μέθοδος Lacunarity

Για να εντοπίσουμε τις παραγκουπόλεις, θεωρούμε πως οι πόλεις είναι σύνθετα συστήματα, συντιθέμενα από μη-γραμμικά, ποικίλης κλίμακας επαναλήψεις χωρικών και φυσικών ετερογενών συστατικών που θα μπορούσαν να αναλυθούν με μαθηματικά μορφοκλάσματα (fractals). Πολλοί ερευνητές χρησιμοποιούν τη μέθοδο lacunarity για τη μέτρηση των επιφανειακών υλικών και την ταξινόμηση των ειδών κατοικίας. Οι Gefen et al. περιγράφουν τη μέθοδο lacunarity ως το μέτρο της παρέκκλισης των γεωμετρικών αντικειμένων απ' την αμεταβλητότητα και άρα αποτελεί έναν καλό δείκτη της χωρικής ετερογένειας. Με άλλα λόγια, οι τιμές lacunarity αντιπροσωπεύουν την κατανομή των κενών σε μια εικόνα, σε διάφορες κλίμακες.

'''Στόχοι Μελέτης:'''
• Ανίχνευση παραγκουπόλεων βασιζόμενοι σε αλγόριθμο lacunarity.
• Διασταύρωση των αποτελεσμάτων.
• Σύγκριση μεταξύ των μεθόδων αλγορίθμου Γραμμικής Ανίχνευσης και Μεθόδου Βασικού Συστατικού στην παραγωγή δυαδικών συνόλων δεδομένων.

'''Πηγές Δεδομένα:'''
Τα δεδομένα που χρησιμοποιήθηκαν προέρχονται από τον δορυφόρο Quickbird. Ο αισθητήρας του καταγράφει πολυφασματικές και πανχρωματικές εικόνες ταυτόχρονα, με χωρική ανάλυση 2.44-2.88 μ. και 0.61-0.72 μ. αντίστοιχα, ανάλογα με την οπτική γωνία λήψης (0-25 μοίρες). Οι εικόνες έχουν καλιμπραριστεί ραδιομετρικά, pan-sharpened και διορθωθεί από ανωμαλίες που προέρχονται από τον αισθητήρα και την πλατφόρμα και χαρτογραφηθεί σε 44Ν UTM σύστημα προβολής. Τα δεδομένα καλύπτουν έκταση 400χλμ της αστικής επικράτειας.

'''Προετοιμασία Δεδομένων:'''
Οι υπολογισμοί lacunarity λειτουργούν καλύτερα με δυαδικά δεδομένα. Στην παρούσα μελέτη θα χρησιμοποιηθούν και θα συγκριθούν δύο μέθοδοι δυαδιοποίησης:
• O αλγόριθμος Ανίχνευσης Γραμμών - LD.
• H μέθοδος του Κυρίαρχου Στοιχείου - PCA.
O Muchoney υποστήριξε πως η PCA μέθοδος είναι πιο αποτελεσματική σε διαδικασία αυτόματης ανίχνευσης.

'''Υπολογισμός Lacunarity:'''
Ο αλγόριθμος παράγει έναν τετράγωνο πίνακα με δεκαδικές τιμές lacunarity, που αποθηκεύονται με μορφή εικόνας GeoTIFF. Υποστηρίζεται πως το μέγεθος του παραθύρου του αλγορίθμου πρέπει να είναι τόσο μεγάλο ώστε να καλύπτει τις μεγαλύτερες μονάδες ενδιαφέροντος, αλλά όχι να μην εξέχει του μεγέθους που να αποκαλύπτει τη διακύμανση της πληροφορίας στις εικόνες υψηλής ανάλυσης. Το μέγεθος τον μονάδων των κατοικιών στις παραγκουπόλεις δεν ξεπερνά το μέγεθος μερικών μέτρων και οι αποστάσεις τους κλάσματα του μέτρου. Συνεπώς, το παράθυρο του αλγορίθμου είναι της τάξεως των 3-15 μ.

'''Αποτελέσματα:'''
Χρησιμοποιώντας τρεις τιμές δυαδιοποίησης και τρί μεγέθη παραθύρων αλγορίθμου κατά τη διάρκεια των δύο μεθόδων, έχουν δημιουργηθεί 18 διαφορετικοί πίνακες lacunarity. Για να διαλέξουμε την καλύτερη μέθοδο δυαδιοποίησης, συγκρίναμε τα αποτελέσματα με δεδομένα που προέκυψαν μετά από έρευνα πεδίου. Τα αποτελέσματα της διακρίβωσης έδειξαν πως ο αλγόριθμος LD έδωσε καλύτερα αποτελέσματα και τα βέλτιστα αποτελέσματα παρατηρήθηκαν με παράθυρο αλγορίθμου της τάξεως των 10px με κατώφλι δυαδιοποίησης 60. Η μεγαλύτερη συσχέτιση μεταξύ υπολογισμένων και παρατηρημένων θέσεων παραγκουπόλεων συμβαίνει με τιμές lacunarity 1.10-1.15, με βαθμό επιτυχίας 83.33%.
'''
Ανάλυση Αποτελεσμάτων:'''
Με τις παραγκουπόλεις να έχουν τιμές lacunarity 1.10-1.15, επιβεβαιώθηκαν οι Malhi και Roman-Cuesta, οι οποίοι υποστήριξαν των χαμηλές τιμές lacunarity σημαίνει πυκνότερη δόμηση, οπότε και μεγαλύτερη πιθανότητα ύπαρξης παραγκουπόλεων. Βέβαια, στην κατηγορία αυτή ενέπεσαν και περιοχές νερού και βλάστησης. Εξ' αιτίας όμως των ιδιαίτερων φασματικών τους ιδιοτήτων, τα σώματα αυτά μπορούν πολύ εύκολα να ανιχνευθούν, μέσω μη-εποπτευόμενης ομαδοποίησης και να απομονωθούν.

Ο λόγος που η LD μέθοδος απέδωσε καλύτερα είναι γιατί με αυτήν περιγράφονταν καλύτερα τα διαφορετικά αντικείμενα. Η μέθοδος lacunarity είναι αποτελεσματική σε παραγκουπόλεις που έχουν επιφάνεια μεγαλύτερη των 3600μ2. Αυτό συμβαίνει γιατί ο πίνακας που σχηματίζει έχει διαστάσεις 100Χ100, σε εικόνα ανάλυσης 60εκ.
'''
Συμπεράσματα:'''
Η μέθοδος αυτή μπορεί να αναπτύξει γρήγορα δεδομένα, ανιχνεύοντας τη συντριπτική πλειοψηφία των περιοχών παραγκουπόλεων, ανεξάρτητα από τεχνικούς και πολιτικούς περιορισμούς. Επίσης, το κόστος της εφαρμογής της είναι ιδιαίτερα χαμηλό και μπορεί να υποστηριχθεί από φτωχές αναπτυσσόμενες χώρες.

Ένας περιορισμός της μεθόδου είναι το τί ορίζει η κάθε κοινωνία κάνοντας λόγο για παραγκουπόλεις. Η μέθοδος βασίζεται μόνο σε μορφολογικά χαρακτηριστικά και δεν μπορεί να συγκριθεί άμεσα με το ευρύ ορισμό στην Ινδία.

'''Αναφορές:'''

Amorim, L., Barros Filho, M. N., & Cruz, D. (2009). Analysing Recife’s urban fragments. In D. Koch, L. Marcus, & J. Steen (Eds.), Proceedings of the 7th international space syntax symposium (pp. 003:1e14). Stockholm: KTH.

Baltsavias, E.P.,&Mason, S. (1997).Image-basedreconstructionof informal settlements. In A. Gruen, E. P. Baltsavias, & O. Henricsson (Eds.), Proceedings of 17. International workshop "Automatic extraction of man-made objects from aerial and space images (II)", 5e9. May, Ascona, Switzerland (pp. 87e96). Basel: Birkhäuser Verlag.

Baud, I., Pfeffer, K., Sridharan, N., & Nainan, N. (2009). Matching deprivation mapping to urban governance in three Indian mega-cities. Habitat International, 33(2009), 365e377.

Baud, I., Kuffer, M., Pfeffer, K., Sliuzas, R., & Karuppannan, S. (2010). Understanding heterogeneity in metropolitan India: the added value of remote sensing data for analyzing sub-standard residential areas. International Journal of Applied Earth Observation and Geoinformation, 12(5), 359e374.

Bhaskaran, S., Paramananda, S., & Ramnarayan, M. (2010). Per-pixel and objectoriented classification methods for mapping urban features using Ikonos satellite data. Applied Geography, 30(4), 650e665.

Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensin, 65(1), 2e16. Census of India. (2001). Metadata and brief highlights on slum population. http://censusindia.gov.in/Data_Products/Data_Highlights/Data_Highlights_link/metadata_
highlights.pdf [Access: 05.07.11].

Cheng, P., Toutin, T., & Zhang, Y. (2003). QuickBird e geometric correction data fusion and automatic DEM extraction. Earth Observation Magazine, 11(4), 14e18.

Dewan, A. M., & Yamaguchi, Y. (2009). Land use and land cover change in Greater Dhaka, Bangladesh: using remote sensing to promote sustainable urbanisation. Applied Geography, 29, 390e401.

Ellefsen, R., Swain, P. H., & Wray, J. (1973). Urban land-use mapping by machine processing of ERTS-1 multispectral data: a San Francisco Bay area example. In Proceedings of the conference on machine processing of remotely sensed data. West Lafayette: Purdue University, 2A2e2A22.

Filho, M. N. B., & Sobreira, F. (2008). Accuracy of lacunarity algorithms in texture classification of high spatial resolution images from urban areas. The International Archives of the Photogrammetry, Remote Sensing, and Spatial Information Sciences, 36, 417e422.

Gefen, Y., Meir, Y., Mandelbrot, B., & Aharony, A. (1983). Geometric implementation of hypercubic lattices with noninteger dimensionality by use of low lacunarity fractal lattices. Physical Review Letters, 50(3), 145e148.

GHMC. (2010). Revised master plan for core area (erstwhile MCH area) of GHMC. Report No. 3650, Hyderabad.

GoI. (2010a). Government sets up an eight member expert committee to examine the draft Rajiv Awas Yojana. Mumbai: Government of India, Press Information Bureau. Available online at: http://pibmumbai.gov.in/scripts/static.asp?releaseID¼E2010PR424 [Last accessed 30.03.11].

GoI. (2010b). Census of India 2001: (Provisional) Slum population - Explanatory note. Government of India. Available online at: http://censusindia.gov.in/Tables/_Published/Admin/_Units/Admin/_links/slum note.html [Last Accessed 2.02.11].

GoI. (2010c). Census of India 2001: (provisional) slum population in million plus cities (municipal corporations): Part A. Government of India. Available online at: http://censusindia.gov.in/Tables/
_Published/Admin/_Units/Admin/_links/slum1/_m/_plus.html [Last Accessed 7.02.11].

Herold, M., Goldstein, N. C., & Clarke, K. C. (2003). The spatiotemporal form of urban growth: measurement, analysis and modeling. Remote Sensing of Environment, 86(3), 286e302.

Hurskainen, P., & Pellikka, P. (18e21 October, 2004). Change detection of informal settlements using multi-temporal aerial photographs e the case of Voi, SE Kenya. In Paper presented at the 5th AARSE conference. Nairobi: African Association of Remote Sensing of the Environment.

Lillesand, T. (1990). Satellite remote sensing: its evolution and synergism with GIS technology. Government Information Quarterly, 7(3), 307e327.

Lo, C. P., & Welch, R. (1977). Chinese urban population estimates. Annals of the Association of American Geographers, 67(2), 246e253.

Maktav, D., Erbek, F. S., & Jürgens, C. (2005). Remote sensing of urban areas. International Journal of Remote Sensing, 26(4), 655e659.

Malhi, Y., & Román-Cuesta, R. (2008). Analysis of lacunarity and scales of spatial homogeneity in IKONOS images of Amazonian tropical forest canopies. Remote Sensing of Environment, 112(5), 2074e2087.

Martinez, K., Cupitt, J. (2005) VIPS e a highly tuned image processing software architecture. In: Proceedings of the IEEE International Conference on Image Processing, Sept. 2005, Genoa. pp. 574e577.
MCH. (2005). Draft city development plan. Hyderabad: Municipal Corporation of Hyderabad.

Muchoney, D. M., & Haack, B. N. (1994). Change detection for monitoring forest defoliation. Photogrammetric Engineering & Remote Sensing, 60, 1243e1251.

Myint, S., & Lam, N. (2005). A study of lacunarity-based texture analysis approaches to improve urban image classification. Computers, Environment and Urban Systems, 29(5), 501e523.

Naidu, R. (1990). Old cities, new predicaments: A study of Hyderabad. London and New Delhi: Sage.

Niebergall, S., Loew, A., & Mauser, W. (2008). Integrative assessment of informal settlements using VHR remote sensing data e the Delhi case study. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 1(3), 193e205.

Richards, J. A., & Jia, X. (2006). Remote sensing digital image analysis. Berlin: Springer-Verlag.

Rozenstein, O., & Karnieli, A. (2011). Comparison of methods for land-use classification incorporating remote sensing and GIS inputs. Applied Geography, 31(2011), 533e544.

The Community Studies Team. (2007). Food and nutritional security in the slums of Hyderabad. Humboldt University. http://www.sustainable-hyderabad.de/index.php?page¼workingpapers [Access: 08.05.11].

UN. (2002). Sustainable urbanisation - Achieving Agenda 21. Nairobi: United Nations Human Settlements Programme.

UN. (2003). The challenge of slums - Global report on human settlements. Nairobi: United Nations Human Settlements Programme.

UN. (2006). State of the world’s cities report 2006/7. Nairobi: United Nations Human Settlements Programme.

UN. (2009). World urbanization prospects. The 2009 revision. New York: Population Division, Department of Economic and Social Affairs, United Nations Secretariat.

UN. (2011). UN data glossary. Available online from. http://data.un.org/Glossary.aspx [Last Accessed 2.02.11].

Weizman, L., & Goldberger, J. (2009). Urban-area segmentation using visual words. IEEE Geoscience and Remote Sensing Letters, 6(3), 388e392.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Παναγιωτίδου Μαρία

2014-04-28T12:23:09Z

Mariapanagiotidou:

* [[Η Τηλεπισκόπιση σαν εργαλείο για την παρακολούθηση των Προτύπων Αστικής Διάχυσης]]
* [[Τηλεπισκόπηση και Μοντέλα Αστικής Εξάπλωσης - Απαιτήσεις και Προοπτικές]]
* [[Η Τηλεπισκόπησης των αδιαπέραστων επιφανειών αστικών περιοχών: Απαιτήσεις, μέθοδοι και τάσεις]]
* [[Aναγνώριση - με βάση την υφή - την των αστικών παραγκουπόλεων στο Hyderabad της Ινδίας, χρησιμοποιώντας δεδομένων τηλεπισκόπησης.]]
* [[Μια περιπτωσιολογική μελέτη για τη σχέση σχεδιασμού πόλης και αστικής εξάπλωσης με τη χρήση της τηλεπισκόπησης και των χωρικών μετρήσεων.]]

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

Μια περιπτωσιολογική μελέτη για τη σχέση σχεδιασμού πόλης και αστικής εξάπλωσης με τη χρήση της τηλεπισκόπησης και των χωρικών μετρήσεων.

2014-04-28T12:22:33Z

Mariapanagiotidou: Νέα σελίδα με 'Εικόνα 1: Οι υπο μελέτη αστικές περιοχές. [[Αρχείο:MP-Eikona5-2.jpg|200px|thumb|...'

[[Αρχείο:MP-Eikona5-1.jpg|200px|thumb|right|Εικόνα 1: Οι υπο μελέτη αστικές περιοχές.]]

[[Αρχείο:MP-Eikona5-2.jpg|200px|thumb|right|Εικόνα 2: Αστική Ετερογένεια στο δυτικό Hanoi το 2003 - υπολογισμοί με τη μέθοδο PLADJ.]]

[[Αρχείο:MP-Eikona5-3.jpg|200px|thumb|right|Εικόνα 3: Αστικά πρότυπα ανάπτυξης των πόλεων Hanoi, Nagoya, Hartford και Shanghai.]]

[[Αρχείο:MP-Pinakas5-1.jpg|200px|thumb|right|Πίνακας 1: Περιγραφή των χωρικών μετρήσεων.]]

[[Αρχείο:MP-Eikona5-4.jpg|200px|thumb|right|Εικόνα 4: Η διακύμανση των 6 χωρικών μετρήσεων για τις 4 πόλης της μελέτης.]]

'''Αντικείμενο Εφαρμογής:''' Αστική Εξάπλωση και Πολεοδομικός Σχεδιασμός

'''Πρωτότυπος Τίτλος:''' «A case study on the relation between city planning and urban growth using remote sensing and spatial metrics»

'''Συγγραφείς:''' Hai Minh Pham, Yasushi Yamaguchi (Department of Earth and Environmental Sciences, Graduate School of Environmental Studies, Nagoya University, Japan), Thanh Quang Bui (Department of Geography, Hanoi University of Science, Viet Nam National University, Viet Nam)

'''Πηγή:''' Περιοδικό Landscape and Urban Planning, vol. 100, Issue 3, April 2011, Pages 223–230 [http://www.sciencedirect.com/science/article/pii/S016920461100017X]

'''Λέξεις Κλειδιά:''' πολεοδομικός σχεδιασμός, αστική εξάπλωση, τηλεπισκόπηση

'''Περίληψη:'''
Για την καλύτερη παρακολούθηση των αλλαγών στο αστικό περιβάλλον με την πάροδο του χρόνου απαραίτητη προϋπόθεση είναι η κατανόηση της αλλαγής των τύπων της αστικής εξάπλωσης. Ο στόχος της μελέτης αυτής είναι να διερευνήσει το συνδυασμό τηλεπισκόπησης και χωρικών μετρήσεων για την παρακολούθηση τόσο της αστικοποίησης όσο και της σχέσης μεταξύ αστικοποίησης και σχεδιασμού χρήσεων γης. Οι περιοχές μελέτης , οι οποίες είναι οι Hanoi, Hardford, Nagoya και Shangai, μελετήθηκαν με τη χρήση δεδομένων Landsat και ASTER κατά τη χρονική περίοδο 1975-2003. Χρησιμοποιήθηκε ένα πρόγραμμα με βάση τη PLADJ χωρική μετρική, ώστε να παραχθούν χάρτες αστικής εξάπλωσης. Στη συνέχεια, χρησιμοποιήθηκε το FRAGSTATS για την αξιολόγησης των χαρακτηριστικών της αστικής σύνθεσης. Τα αποτελέσματα έδειξαν ότι το αστικό κέντρο της Nagoya μεταβλήθηκε ελάχιστα με την πάροδο του χρόνου. Στη Sangai, πόλη με υψηλή πληθυσμιακή πυκνότητα, δημιουργήθηκε ένα σύστημα δορυφορικών πόλεων για να απορροφήσουν τη μελλοντική προαστιακή ανάπτυξη. Στο Hartford απαντάται το πρότυπο της αστικής διάχυσης με υψηλή συγκέντρωση κατοικίας στα προάστια. Αντίθετα, οι νέες αστικές περιοχές της πόλης Hanoi αναπτύχθηκαν κατά μήκος των μεγάλων οδικών αξόνων, με αποτέλεσμα τη δημιουργία ενός πρωτότυπου μοντέλου ανάπτυξης.

'''Εισαγωγή:'''
Μελέτες δείχνουν πως το έτος 2030, ο αριθμός των κατοίκων των πόλεων θα αποτελεί περίπου το 60% του παγκόσμιου πληθυσμού. Η Αστικοποίηση ορίζεται ως το σύνολο των αλλαγών που συμβαίνουν στα χωρικά και κοινωνικοοικονομικά δεδομένα μιας περιοχής, όπως το γενικό μετασχηματισμό των κατηγοριών χρήσεων/κάλυψης γης από μη αναπτυγμένες σε ανεπτυγμένες.

Ο σχεδιασμός και η διαχείριση του αστικού χώρου εξαρτάται από τη γνώση των υποκείμενων σε συνδυασμό με τη χρονολογία και τις επιπτώσεις της αστικοποίησης. Οι πολεοδόμοι, οι Οικονομολόγοι και οι Περιβαλλοντολόγοι χρειάζονται προηγμένες μεθόδους και μια σφαιρική γνώση των αστικών περιοχών της δικαιοδοσίας τους ώστε να πάρουν τις αποφάσεις που χρειάζεται για να οδηγήσουν την περιοχή σε ανάπτυξη μέσα σε ένα ταχέως μεταβαλλόμενο αστικό περιβάλλον. Η τηλεπισκόπηση παρέχει συνεχή κάλυψη μεγάλων περιοχών με υψηλή χωρική λεπτομέρεια και χρονική συχνότητα, πράγμα πολύ χρήσιμο όταν πρόκειται για τη μελέτη ενός φαινομένου στο χρόνο. Επιπλέον, τα δεδομένα τηλεπισκόπησης είναι χρήσιμα για την παρακολούθηση της αλλαγής χρήσης γης μιας περιοχής, ιδίως εκεί όπου οι πληροφορίες για αυτή είναι ανεπαρκείς.

Από την άλλη πλευρά, οι χωρικές μετρήσεις είναι μετρήσεις που προέρχονται από την ψηφιακή ανάλυση θεματικών χαρτών με σκοπό να καταδείξουν τη χωρική ετερογένεια σε μια συγκεκριμένη κλίμακα και ανάλυση. Οι αναλύσεις αυτές παρέχουν ποσοτικό χαρακτηρισμό της χωρικής σύνθεσης και διαμόρφωσης του οικοτόπου ή των τύπων κάλυψης γης, και μπορούν να χρησιμοποιηθούν για των εντοπισμό αλλαγών στη μορφή του τοπίου, στο πέρασμα του χρόνου. Ο συνδυασμός της τηλεπισκόπησης και των χωρικών μετρήσεις μπορούν να παρέχουν χωρικά συνεκτικές και λεπτομερείς πληροφορίες σχετικά με την αστική δομή και τη μεταβολή της, επιτρέποντας πιο ακριβή αναπαράσταση και κατανόηση των διαδικασιών της αστικής ανάπτυξης.

Ο στόχος αυτής της μελέτης είναι να επιβεβαιώσει την εφαρμογή των χωρικών μετρήσεις για τον χαρακτηρισμό της αστικοποίηση στις πόλεις του Hanoi (Βιετνάμ), Nagoya (Ιαπωνία), Hartford (Connecticut, USA), και Shanghai (Κίνα). Οι πόλεις Nagoya, Hartford και Shanghai επιλέχθηκαν για τους εξής λόγους: Πρώτον, η μελέτη θέλησε να συγκρίνει την αστική αλλαγή του Hanoi και άλλων πόλεων σε διαφορετικές χώρες. Δεύτερον, οι αστικές αυτές περιοχές αναπτύχθηκαν πολύ γρήγορα κατά την ίδια περίοδο 1975-2003. Τέλος, οι περιοχές μελέτης είναι παρόμοιες από άποψη τοπογραφίας, καθώς ποτάμια διέρχονται από αυτές και τις χωρίζουν στη μέση.

Οι χάρτες κάλυψης γης για τις τέσσερις πόλεις, προέρχονται από δορυφορικές εικόνες και χρησιμοποίησαν τις μεθόδους ταξινόμησης των Pham και Yamaguchi. Στη συνέχεια εφαρμόστηκε η μέθοδος της γειτνίασης "ποσοστό της πιθανότητας γειτνίασης παρόμοιων στοιχείων" (PLADJ) η οποία χρησιμοποιήθηκε στη συνέχεια για την ποσοτικοποίηση του αστικού κατακερματισμού και τη δημιουργία μοτίβο αστικής μεταβολής. Για τη διαδικασία αυτή χρησιμοποιήθηκε το στατιστικό πρόγραμμα FRAGSTATS. Τέλος, οι χάρτες που απεικονίζουν το μοτίβο αστικής μεταβολής, όπως επίσης και τα αποτελέσματα του FRAGSTATS χρησιμοποιήθηκαν για την ανάλυση της αστικής ανάπτυξης στο πλαίσιο του πολεοδομικού σχεδιασμού. Τα αποτελέσματα της μελέτης αυτής αναμένεται να βοηθήσουν τους αρμόδιους φορείς στην κατανόηση της αστικής δυναμικής, και με τον τρόπο αυτό, να βάλλουν τα θεμέλια για μια βιώσιμη ανάπτυξη.

'''Περιοχή Μελέτης:'''
Η Hanoi είναι η πρωτεύουσα της Σοσιαλιστικής Δημοκρατίας του Βιετνάμ, μια αρχαία πόλη τοποθετημένη κατά μήκος του Κόκκινου Ποταμού. Αρχικά είχε σχεδιαστεί σαν κάνναβος, με μικρά σπίτια κατά μήκος στενών δρόμων. Το 2005, η Hanoi καταλάμβανε 921 km2, και ο πληθυσμός έφτανε τα 3.3 εκατομμύρια. Πρόσφατα, η υψηλή πληθυσμιακή πυκνότητα στο κέντρο της πόλης έχει τραβήξει την προσοχή διότι ασκεί μεγάλες πιέσεις στη διαθέσιμη γη.

Η πόλη Nagoya είναι ένα ενεργό οικονομικό κέντρο της Ιαπωνίας με υψηλή συγκέντρωση μεταποιητικών βιομηχανιών. Η αστική ανάπτυξη της πόλης εντοπίζεται κυρίως στην εξάπλωση των προαστίων, μοιάζοντας περισσότερο με πόλη του δυτικού κόσμου παρά Γιαπωνέζικη.

Η πόλη Greater Hardford, είναι τοποθετημένη πλάι στον ποταμό Connecticut και ο πληθυσμός της ανέρχεται στα 2 εκατομμύρια. Η ταχεία κατασκευή μεγάλων αυτοκινητοδρόμων τη δεκαετία του '50 καθώς και η συγκέντρωση ασφαλιστικών εταιρειών είχαν σοβαρές επιδράσεις στην ανάπτυξη της πόλης.

Τέλος, η Shanghai, με πληθυσμό που ξεπερνά τα 17 εκατομμύρια, εκτείνεται κατά μήκος του ποταμού Yangtze. Η οικονομική άνθηση της δεκαετίας του '80 έφερε αύξηση των πυκνοτήτων στην πόλη όπως επίσης και περιβαλλοντική μόλυνση.

'''Μεθοδολογία:'''
Στα πλαίσια της μελέτης αυτής, χρησιμοποιήθηκαν δεδομένα μεσαίας χωρικής ανάλυσης (ASTER 15μ. και Landsat 30 μ.) και στη συνέχεια τροποποιήθηκαν όλα σε δεδομένα χωρικής ανάλυσης 15μ. Αυτό συνέβη εξ' αιτίας του μέσου μεγέθους κατοικιών, που για τις πόλεις Hanoi, Nagoya και Shanghai είναι περίπου όσο ένα εικονοστοιχείο, δηλαδή περίπου 15μ.

Δυστυχώς, δεδομένα ASTER και Landsat του μεγέθους αυτού παρουσιάζουν το φαινόμενου του "μικτού εικονοστοιχείου" που ανιχνεύεται κυρίως στα όρια των αστικών περιοχών. Το φαινόμενο αυτό οφείλεται στη συνύπαρξη τριών στοιχείων σε ένα εικονοστοιχείο, τα οποία είναι αστική γη, βλάστηση και νερό. Για την επίλυση του προβλήματος εφαρμόστηκε η μέθοδος επιβλεπόμενης ταξινόμησης μέγιστης πιθανοφάνειας των Pham και Yamaguchi. Αυτή η μέθοδος ταξινόμησης είναι αποτελεσματική επειδή συνδυάζει τα αποτελέσματα της ταξινόμησης της εικόνας, του δείκτη εδάφους, και της NIR συχνότητας για την ανίχνευση των αστικών περιοχών, ενώ ταυτόχρονα επιλύει το πρόβλημα του "μικτού εικονοστοιχείου".

Παρόλο που η μελέτη αυτή ενδιαφέρεται για την ποσοτική αξιολόγηση των χωρικών χαρακτηριστικών και αλλαγής προτύπων που συνδέονται με την αστικοποίηση, τα στοιχεία αυτά δεν μπορούν να εξαχθούν απευθείας από τα αποτελέσματα της ταξινόμησης. Κατά συνέπεια, η χωρική δομή των αστικών περιοχών αναφέρεται στη χωροταξική κατανομή των διακριτών αστικών περιοχών πάνω στον θεματικό χάρτη. Οι χωρικές μετρικές μπορούν να υπολογιστούν είτε ως δείκτες "κομματιών-patches" (π.χ. το μέγεθος, το σχήμα, το μήκος ακμής, η πυκνότητα, η κλασματική διάσταση) είτε ως δείκτες εικονοστοιχείων (π.χ. μόλυνση) που υπολογίζονται για όλα τα εικονοστοιχεία σε ένα patch. Ενα patch αναφέρεται σε μία ομοιογενή περιοχή μιας συγκεκριμένης χρήσης γης, όπως ένα πάρκο ή μια οικιστική ζώνη. Για τη μέτρηση του βαθμού συγκέντρωσης των διαφόρων τύπων patches, στη μελέτη αυτή χρησιμοποιήθηκε η PLADJ τεχνική μέτρησης που αναπτύχθηκε από τους O'Neill et al. για την ανάλυση των χαρτών αστικής εξάπλωσης. Στην Εικόνα 2 βλέπουμε ένα παράδειγμα των μετρήσεων PLADJ όπου απεικονίζεται η ετερογένεια των αστικών patches στη βόρεια Hanoi. Η εσωτερική ανεπτυγμένη περιοχή εμφανίζεται ομοιογενής (κίτρινο) και είναι το κέντρο της πόλης.

Για την απεικόνιση των σχεδίων αλλαγής με βάση τα αποτελέσματα της PLADJ μεθόδου, η μελέτη αυτή χρησιμοποίησε το σύστημα μετασχηματισμού που παρουσίασε πρώτος ο Forman. Γι' αυτή τη μέθοδο χρησιμοποιήθηκαν τρία πρότυπα αστικής ανάπτυξης: η πλήρωσης, η επέκταση και η απομάκρυνση. Το μοτίβο της συμπλήρωσης είναι όπως αυτό συναντάται στο εσωτερικό των ήδη ανεπτυγμένων περιοχών, ενώ το μοτίβο επέκτασης κυριαρχεί στα άκρα των πόλεων. Το πρότυπο απομάκρυνσης εμφανίζεται σε κάποια απόσταση από τις υπάρχουσες ανεπτυγμένες περιοχές. Το αποτέλεσμα είναι μια σειρά από χάρτες που απεικονίζουν τις αλλαγές στην αστική δομή των τεσσάρων πόλεων την περίοδο1975-2003, όπως φαίνεται στην Εικόνα 3.

Τέλος, στη μελέτη αυτή επιλέχθηκαν έξι κατηγορίες χωρικών μετρήσεων από το πρόγραμμα χωρικής ανάλυσης FRAGSTATS για την περιγραφή της σύνθεσης των αστικών περιοχών όπως αυτές φαίνονται στην Εικόνα 4. Αυτές είναι οι CA, NP, ED, LPI, MNN και AWMPFD. Η Εικόνα 5 δείχνει τη μεταβολή των μετρήσεων αυτών στις τέσσερις πόλεις κατά τη διάρκεια των 30 χρόνων της μελέτης.

'''Αποτελέσματα:'''
Το πολεοδομικό σχέδιο χρήσης γης για τη Shanghai σχεδιάστηκε για να μετατρέψει την πόλη από μια μονοκεντρική σε μια πολυκεντρική μητρόπολη με σκοπό την αποκέντρωση του πληθυσμού και των οικονομικών δραστηριοτήτων. Κρίνοντας από την ελάχιστη αύξηση του δείκτη ΝΡ (Εικ. 5), η ανάπτυξη της πόλης κατά την περίοδο 1979-1989 χαρακτηρίστηκε από μέτρια αύξηση των αστικών patches. Παρόλο που η κεντρική αστική περιοχή μεταβλήθηκε αργά, υπήρξε μια ραγδαία αύξηση του μεγέθους των δορυφορικών πόλεων. Η παρατήρηση αυτή υποδηλώνει ότι, περιορίζοντας την ανάπτυξη των υφιστάμενων αστικών περιοχών, η κυβέρνηση προώθησε την ανάπτυξη των περιοχών στις παρυφές της πόλης. Επιπλέον, οι οδικοί άξονες μεταφορών που κατασκευάστηκαν για τη σύνδεση των δορυφορικών πόλεων στον αστικό πυρήνα την περίοδο 1989-2001 ήταν βασικός παράγοντας που συμβάλλει στην ταχεία επέκταση των αστικών περιοχών.

Στην πόλη Hartford, οι αστικές περιοχές που έχουν ταξινομηθεί σε ζώνες, όπως η κεντρική επιχειρηματική ζώνη (στο κεντρικό τμήμα της πόλης),η Μεταβατική Ζώνη, η ζώνη της Εργατικής Τάξης, η Οικιστική Ζώνη και η Μεταβατική Ζώνη. Η αστικοποίηση στην πόλη αυτή χαρακτηρίστηκε από την έντονη αστική ανάπτυξη προς τις δύο πλευρές του ποταμού Connecticut. H νέα αυτή αναπτυξιακή δραστηριότητα προέκυψε με τη μετατροπή της ανεκμετάλλευτης γης κατά μήκος της περιφέρειας της πόλης, κοντά στις μεγάλες οδικές αρτηρίες και μακριά από το κέντρο της πόλης.

Και οι τέσσερις από τις πόλεις που εξετάστηκαν στη μελέτη αυτή αναπτύσσονται κατά μήκος ενός ποταμού. Λόγω της έντονης διαφοράς των κοινωνικο-οικονομικών συνθηκών, η αστικοποίηση της πόλης Hanoi είναι σημαντικά διαφορετική από αυτή που παρατηρήθηκε στις πόλεις Hartford, Nagoya και Shanghai.

'''Συμπεράσματα:'''
Ο συνδυασμός της τηλεπισκόπησης και των χωρικών μετρήσεων παρέχει μια καινούργια μέθοδο για την ανάλυση των αστικών προτύπων ανάπτυξης. Προηγούμενες μελέτες δορυφορικών δεδομένων με σκοπό την ανίχνευση των αστικών αλλαγών δεν αντιμετώπισαν το πρόβλημα των "μικτών εικονοστοιχείων", με αποτέλεσμα την απώλεια χωρικών πληροφοριών. Ωστόσο, σε αυτή τη μελέτη, η ακρίβεια της ταξινόμησης των αστικών περιοχών βελτιώθηκε με την εφαρμογή της μεθόδου ταξινόμησης των Pham και Yamaguchi. Χρησιμοποιώντας αυτά τα αποτελέσματα, δόθηκε η δυνατότητα να εξεταστούν οι μεταβολές της αστικής γης στις τέσσερις πόλεις κατά τη διάρκεια 30 ετών.

Τα αποτελέσματα δείχνουν τη σχέση μεταξύ αλλαγών των χωρικών μετρικών παραμέτρων και τύπων του πολεοδομικού σχεδιασμού. Ο συνδυασμός της τηλεπισκόπησης και των χωρικών μετρήσεις είναι μια αποτελεσματική μέθοδος για τη μελέτη των αστικών μεταβολών.

'''Αναφορές:'''

Anderson, J.R., Hardy, E.E., Roach, T.J., Witmer, E.R., 1976. A land use and land cover classification system for use with remote sensing data. In: U.S. Geological Survey Professional Paper. 964, 36. USGS, Washington, DC.

Berg, L.M.V.D., Wijk, M.S.V., Pham, V.H., 2003. The transformation of agriculture and rural life downstream of Hanoi. Environ. Urban. 15, 35–52.

Cox, W., 2003. Nagoya: Emerging Japanese Urban form (accessed 10.11.09) http://www.demographia.com/rac-nagoya.pdf.

Deng, J.S., Wand, K., Hong, Y., Qi, J.G., 2009. Spatio-temporal dynamics and evolution of land use change and landscape pattern in response to rapid urbanization. Landscape Urban Plan. 92, 187–198.

Do, H., 2007. Urban planning in Hanoi city towards sustainable development. In: Paper Presented at International Workshop on Asian Approach Toward Sustainable Urban Regeneration , University of Japan, Japan.

Duong, N.D., Thoa, L.K., Hoan, N.T., Tuan, T.A., Thu, H.L., 2002. Study on urban growth of Hanoi using multi-temporal and multi-sensor remote sensing data. In: Paper Presented at Workshop on
GIS-IDEAS 2002 Symposium , Hanoi, Vietnam.
Forman, R.T.T., 1995. Land Mosaic: The Ecology of Landscapes and Regions. Cambridge University Press, Cambridge.

Haixiao, P., 2000. Shanghai from Dense Mono-center to Organic Poly-center Urban Expansion (accessed 15.11.09) http://enviroscope.iges.or.jp/modules/envirolib/.2005. Hanoi Statistical Yearbook. Hanoi Statistical Office Press, Data received on December 2007.

Henebry, G.M., Goodin, D.G., 2002. Landscape trajectory analysis: toward spatiotemporal models of biogeochemical fields for ecological forecasting. In: Paper Presented at Workshop on Spatio-temporal Data Models for Biogeophysical Fields , La Jolla, CA, USA (accessed 02.11.09) http://www.calmit.unl.edu/BDEI/papers/henebry goodin position.pdf.

Herold, M., Goldstein, C., Clarke, N.C.K., 2002. The spatial form of urban growth: measurement, analysis and modelling. Remote Sens. Environ. 86, 286–302.
Hiep, 2009. The Most Expensive Road in Hanoi (accessed 05.06.09) http://www.laodong.com.vn.

Jensen, J.R., Cowen, D.C., 1999. Remote sensing of urban/suburban infrastructure and socio-economic attributes. Photogramm. Eng. Rem. Sens. 65, 611–622.
Klosterman, R.E., 1999. TheWhatif? Collaborative planning support system. Environ. Plann. B 26, 393–408.

McGarigal, K., 2002. FRAGSTATS: Spatial Pattern Analysis Program for Categorical Maps (accessed 10.02.08) http://www.umass.edu/landeco/research/fragstats/fragstats.html.

Noda, A., Yamaguchi, Y., 2008. Charactering urban sprawl using remote sensing, GIS and a spatial metric for a medium sized city in Japan. Int. J. Geoinform. 4, 43–50.

O’Neill, R.V., Krummel, J.R., Gardner, R.H., Sugihara, G., Jackson, B., Deangelis, D.L., Milne, B.T., Turner, M.G., Zygment, B., Christensen, S.W., Dale, V.H., Graham, R.L., 1998. Indices of landscape pattern. Landscape Ecol. 1, 153–162.

Pham, M.H., Yamaguchi, Y., 2007. Monitoring land cover change of the Hanoi city centre under impacts of urbanization by using remote sensing. Int. J. Geoinform. 3, 55–61.

Robson, B.T., 1969. Urban Analysis: A Study of City Structure with Spatial Reference to Sunderland. Cambridge University Press, Cambridge.

Saizen, I., Mizuno, K., Kobayashi, S., 2006. Effects of land-use master plans in the metropolitan fringe of Japan. Landscape Urban Plan. 78, 411–421.

Waibel, M., 1995. Drawn and quartered–Hanoi’s ancient centre is feeling the pressure from outside and in, So what can architects and officials do to stop the rot?Vietnam Econ. Times., 24–25.

Weber, C., 2001. Remote sensing data used for urban agglomeration delimitation. Remote Sens. Urban Anal., 155–167.

Yamagata, Y., Sugita, S., Yasuoka, Y., 1997. Development of Vegetation-Soil-Water index algorithms and applications. J. Remote Sens. Soc. Jpn. 17, 54–64.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Αρχείο:MP-Eikona5-4.jpg

2014-04-28T12:22:27Z

Mariapanagiotidou: Εικόνα 4: Η διακύμανση των 6 χωρικών μετρήσεων για τις 4 πόλης της μελέτης.

Εικόνα 4: Η διακύμανση των 6 χωρικών μετρήσεων για τις 4 πόλης της μελέτης.

Αρχείο:MP-Pinakas5-1.jpg

2014-04-28T12:21:27Z

Mariapanagiotidou: Πίνακας 1: Περιγραφή των χωρικών μετρήσεων.

Πίνακας 1: Περιγραφή των χωρικών μετρήσεων.

Αρχείο:MP-Eikona5-3.jpg

2014-04-28T12:20:34Z

Mariapanagiotidou: Εικόνα 3: Αστικά πρότυπα ανάπτυξης των πόλεων Hanoi, Nagoya, Hartford και Shanghai.

Εικόνα 3: Αστικά πρότυπα ανάπτυξης των πόλεων Hanoi, Nagoya, Hartford και Shanghai.

Αρχείο:MP-Eikona5-2.jpg

2014-04-28T12:19:43Z

Mariapanagiotidou: Εικόνα 2: Αστική Ετερογένεια στο δυτικό Hanoi το 2003 - υπολογισμοί με τη μέθοδο PLADJ.

Εικόνα 2: Αστική Ετερογένεια στο δυτικό Hanoi το 2003 - υπολογισμοί με τη μέθοδο PLADJ.

Αρχείο:MP-Eikona5-1.jpg

2014-04-28T12:19:00Z

Mariapanagiotidou: Εικόνα 1: Οι υπο μελέτη αστικές περιοχές.

Εικόνα 1: Οι υπο μελέτη αστικές περιοχές.

Παναγιωτίδου Μαρία

2014-04-28T12:10:42Z

Mariapanagiotidou:

* [[Η Τηλεπισκόπιση σαν εργαλείο για την παρακολούθηση των Προτύπων Αστικής Διάχυσης]]
* [[Τηλεπισκόπηση και Μοντέλα Αστικής Εξάπλωσης - Απαιτήσεις και Προοπτικές]]
* [[Η Τηλεπισκόπησης των αδιαπέραστων επιφανειών αστικών περιοχών: Απαιτήσεις, μέθοδοι και τάσεις]]
* [[Aναγνώριση - με βάση την υφή - την των αστικών παραγκουπόλεων στο Hyderabad της Ινδίας, χρησιμοποιώντας δεδομένων τηλεπισκόπησης.]]

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

Aναγνώριση - με βάση την υφή - την των αστικών παραγκουπόλεων στο Hyderabad της Ινδίας, χρησιμοποιώντας δεδομένων τηλεπισκόπησης.

2014-04-28T12:09:42Z

Mariapanagiotidou: Νέα σελίδα με '[[Αρχείο:MP-eikona4-1.jpg|200px|thumb|right|Εικόνα 1: Πίνακες ροής ανίχνευσης περιοχών παραγκουπόλεων με τη χρ...'

[[Αρχείο:MP-eikona4-1.jpg|200px|thumb|right|Εικόνα 1: Πίνακες ροής ανίχνευσης περιοχών παραγκουπόλεων με τη χρήση των 2 μεθόδων δυαδιοποίησης.]]

[[Αρχείο:MP-eikona4-2.jpg|200px|thumb|right|Εικόνα 2: Περιοχές παραγκουπόλεων με κόκκινο και οι αντίστοιχες γεωαναφερμένες φωτογραφίες πεδίου.]]

'''Αντικείμενο Εφαρμογής:''' Ανίχνευση παραγκουπόλεων σε αστική γη

'''Πρωτότυπος Τίτλος:''' «Remote Texture-based identification of urban slums in Hyderabad, India using remote
sensing data»

'''Συγγραφείς:''' Oleksandr Kit, Matthias Lüdeke, Diana Reckien (Potsdam Institute for Climate Impact Research, P.O. Box 60 12 03, 14412 Potsdam, Germany)

'''Πηγή:''' Περιοδικό Applied Geograpgy, vol. 32, Issue 2, March 2012, Pages 660–667 [http://www.sciencedirect.com/science/article/pii/S0143622811001512
]

'''Λέξεις Κλειδιά:''' άτυποι οικισμοί, τεχνική ανίχνευσης γραμμών, μέθοδος lacunarity

'''Περίληψη:'''
Η παρούσα μελέτη περιγράφει μια μέθοδο εντοπισμού άτυπων οικισμών από δορυφορικών εικόνες υψηλή ανάλυση, χρησιμοποιώντας τη γενική ιδέα της λίμνης (lacunarity). Η μελέτη πραγματοποιήθηκε για την πόλη Hyperabad της Ινδίας. Για τη δυαδική απεικόνιση των αποτελεσμάτων χρησιμοποιήθηκαν ξεχωριστά δύο μέθοδοι: Η μέθοδος του Κυρίαχου Συστατικού και ο Αλγόριθμος Ανίχνευσης Γραμμών. Οι υπολογισμοί έγιναν για τον υπολογισμό τιμών lacunarity καννάβου 60Χ60 και πάνω. Στη συνέχεια χρησιμοποιήθηκε ένας αριθμός ερευνών πεδίου για την ταξινόμηση των δεδομένων, τον εντοπισμό της εμβέλειας των τιμών lacunarity, ώστε να είναι τυπικές για τους τύπους κατοικιών - μικρό μέγεθος και μεγάλη πυκνότητα για την Ινδία, και τη διασταύρωση των αποτελεσμάτων. Μέσα από τη μελέτη διαπιστώθηκε πως η ο αλγόριθμος Ανίχνευσης Γραμμών είχε καλύτερα αποτελέσματα σε σχέση με τη μέθοδο του Κυρίαρχου Στοιχείου για τον σχηματισμό δυαδικά σύνολα δεδομένων για ανάλυση lacunarity καθώς είναι λιγότερο ευαίσθητος στη φασματική μεταβλητότητα εικόνων με ποικιλία υλικών. Η προτεινόμενη μεθοδολογία επιτρέπει την ταχεία ανάλυση και σύγκριση πολλαπλών χρονικών δεδομένων και μπορεί να εφαρμοστεί σε πολλές αστικές περιοχές του αναπτυσσόμενου κόσμου.

'''Εισαγωγή:'''
Ο υψηλός βαθμός αστικοποίησης έχει ξεπεράσει κάθε προηγούμενο στην ιστορία της ανθρωπότητας, θέλοντας τον μεγαλύτερο πληθυσμό της γης να κατοικεί σε πόλεις. Αυτός ο υψηλός βαθμός δε συνοδεύεται συνήθως με την κατασκευή των απαραίτητων αστικών υποδομών σε κατοικία, συγκοινωνία και χρήσεων κοινής ωφέλειας, ιδιαίτερα στον αναπτυσσόμενο κόσμο, όπου και λαμβάνει χώρα ο μεγαλύτερος βαθμός αστικοποίησης. Αποτέλεσμα όλων αυτών, σε συνδυασμό με τη χαμηλόμισθη εργασία, είναι η δημιουργία άτυπων οικισμών.

"Παραγκουπόλεις" είναι ο ορισμός που χαρακτηρίζει μια μεγάλη γκάμα κατοικίας υψηλής πυκνότητας και μικρού μεγέθους μονάδων κατοικίας χαμηλών κοινωνικών στρωμάτων, ου βρίσκεται στις πόλεις των αναπτυσσόμενων χωρών. Πρόσφατες μελέτες θέλουν το 16% του παγκόσμιου πληθυσμού να κατοικεί σε παραγκουπόλεις και την Ινδία να αγγίζει το 6%.

Οι παραγκουπόλεις στην Ινδία μπορούν να χαρακτηριστούν ανάλογα με τον τύπο κατοικίας σε δύο κατηγορίες: ημι-pucca ή ημι-kutcha. Τα σπίτια Pucca κατασκευάζονται με πιό μόνιμα οικοδομικά υλικά όπως τούβλα, πέτρα, φύλα αμιάντου, μεταλλικά στρώματα και κεραμίδια, ενώ τα σπίτια Kutcha είναι μονώροφα και μοιάζουν περισσότερο με τέντες.

Σε αντίθεση με την αγροτική γη, οι αστικές κατασκευές δεν έχουν καμία μοναδική φασματική ταυτότητα. Ταυτόχρονα, οι πόλεις δεν είναι χωρικά ενιαία σώματα αλλά αποτελούνται από μια ποικιλία δυσδιάκριτων αντικειμένων. Αυτό ισχύει ακόμα περισσότερο για τις παραγκουπόλεις, πράγμα που απαγορεύει τη χρήση ταξινόμησης υλικών βάση των φασματικών τους ιδιοτήτων. Αντίθετα, το μέγεθος και η δομή των κατοικιών φαίνεται να μπορούν να χρησιμοποιηθούν καλύτερα στην ανίχνευση παραγκουπόλεων. Σε αυτό βοηθά ιδιαίτερα η χρήση δορυφορικών εικόνων υψηλής ανάλυσης. Οι αντικειμενοστρεφείς μέθοδοι ανάλυσης δεδομένων υψηλής χωρικής ανάλυσης φαίνεται να είναι πιο αποτελεσματική από την ταξινόμηση ανα εικονοστοιχείο.

Μέθοδος Lacunarity

Για να εντοπίσουμε τις παραγκουπόλεις, θεωρούμε πως οι πόλεις είναι σύνθετα συστήματα, συντιθέμενα από μη-γραμμικά, ποικίλης κλίμακας επαναλήψεις χωρικών και φυσικών ετερογενών συστατικών που θα μπορούσαν να αναλυθούν με μαθηματικά μορφοκλάσματα (fractals). Πολλοί ερευνητές χρησιμοποιούν τη μέθοδο lacunarity για τη μέτρηση των επιφανειακών υλικών και την ταξινόμηση των ειδών κατοικίας. Οι Gefen et al. περιγράφουν τη μέθοδο lacunarity ως το μέτρο της παρέκκλισης των γεωμετρικών αντικειμένων απ' την αμεταβλητότητα και άρα αποτελεί έναν καλό δείκτη της χωρικής ετερογένειας. Με άλλα λόγια, οι τιμές lacunarity αντιπροσωπεύουν την κατανομή των κενών σε μια εικόνα, σε διάφορες κλίμακες.

'''Στόχοι Μελέτης:'''
• Ανίχνευση παραγκουπόλεων βασιζόμενοι σε αλγόριθμο lacunarity.
• Διασταύρωση των αποτελεσμάτων.
• Σύγκριση μεταξύ των μεθόδων αλγορίθμου Γραμμικής Ανίχνευσης και Μεθόδου Βασικού Συστατικού στην παραγωγή δυαδικών συνόλων δεδομένων.

'''Πηγές Δεδομένα:'''
Τα δεδομένα που χρησιμοποιήθηκαν προέρχονται από τον δορυφόρο Quickbird. Ο αισθητήρας του καταγράφει πολυφασματικές και πανχρωματικές εικόνες ταυτόχρονα, με χωρική ανάλυση 2.44-2.88 μ. και 0.61-0.72 μ. αντίστοιχα, ανάλογα με την οπτική γωνία λήψης (0-25 μοίρες). Οι εικόνες έχουν καλιμπραριστεί ραδιομετρικά, pan-sharpened και διορθωθεί από ανωμαλίες που προέρχονται από τον αισθητήρα και την πλατφόρμα και χαρτογραφηθεί σε 44Ν UTM σύστημα προβολής. Τα δεδομένα καλύπτουν έκταση 400χλμ της αστικής επικράτειας.

'''Προετοιμασία Δεδομένων:'''
Οι υπολογισμοί lacunarity λειτουργούν καλύτερα με δυαδικά δεδομένα. Στην παρούσα μελέτη θα χρησιμοποιηθούν και θα συγκριθούν δύο μέθοδοι δυαδιοποίησης:
• O αλγόριθμος Ανίχνευσης Γραμμών - LD.
• H μέθοδος του Κυρίαρχου Στοιχείου - PCA.
O Muchoney υποστήριξε πως η PCA μέθοδος είναι πιο αποτελεσματική σε διαδικασία αυτόματης ανίχνευσης.

'''Υπολογισμός Lacunarity:'''
Ο αλγόριθμος παράγει έναν τετράγωνο πίνακα με δεκαδικές τιμές lacunarity, που αποθηκεύονται με μορφή εικόνας GeoTIFF. Υποστηρίζεται πως το μέγεθος του παραθύρου του αλγορίθμου πρέπει να είναι τόσο μεγάλο ώστε να καλύπτει τις μεγαλύτερες μονάδες ενδιαφέροντος, αλλά όχι να μην εξέχει του μεγέθους που να αποκαλύπτει τη διακύμανση της πληροφορίας στις εικόνες υψηλής ανάλυσης. Το μέγεθος τον μονάδων των κατοικιών στις παραγκουπόλεις δεν ξεπερνά το μέγεθος μερικών μέτρων και οι αποστάσεις τους κλάσματα του μέτρου. Συνεπώς, το παράθυρο του αλγορίθμου είναι της τάξεως των 3-15 μ.

'''Αποτελέσματα:'''
Χρησιμοποιώντας τρεις τιμές δυαδιοποίησης και τρί μεγέθη παραθύρων αλγορίθμου κατά τη διάρκεια των δύο μεθόδων, έχουν δημιουργηθεί 18 διαφορετικοί πίνακες lacunarity. Για να διαλέξουμε την καλύτερη μέθοδο δυαδιοποίησης, συγκρίναμε τα αποτελέσματα με δεδομένα που προέκυψαν μετά από έρευνα πεδίου. Τα αποτελέσματα της διακρίβωσης έδειξαν πως ο αλγόριθμος LD έδωσε καλύτερα αποτελέσματα και τα βέλτιστα αποτελέσματα παρατηρήθηκαν με παράθυρο αλγορίθμου της τάξεως των 10px με κατώφλι δυαδιοποίησης 60. Η μεγαλύτερη συσχέτιση μεταξύ υπολογισμένων και παρατηρημένων θέσεων παραγκουπόλεων συμβαίνει με τιμές lacunarity 1.10-1.15, με βαθμό επιτυχίας 83.33%.
'''
Ανάλυση Αποτελεσμάτων:'''
Με τις παραγκουπόλεις να έχουν τιμές lacunarity 1.10-1.15, επιβεβαιώθηκαν οι Malhi και Roman-Cuesta, οι οποίοι υποστήριξαν των χαμηλές τιμές lacunarity σημαίνει πυκνότερη δόμηση, οπότε και μεγαλύτερη πιθανότητα ύπαρξης παραγκουπόλεων. Βέβαια, στην κατηγορία αυτή ενέπεσαν και περιοχές νερού και βλάστησης. Εξ' αιτίας όμως των ιδιαίτερων φασματικών τους ιδιοτήτων, τα σώματα αυτά μπορούν πολύ εύκολα να ανιχνευθούν, μέσω μη-εποπτευόμενης ομαδοποίησης και να απομονωθούν.

Ο λόγος που η LD μέθοδος απέδωσε καλύτερα είναι γιατί με αυτήν περιγράφονταν καλύτερα τα διαφορετικά αντικείμενα. Η μέθοδος lacunarity είναι αποτελεσματική σε παραγκουπόλεις που έχουν επιφάνεια μεγαλύτερη των 3600μ2. Αυτό συμβαίνει γιατί ο πίνακας που σχηματίζει έχει διαστάσεις 100Χ100, σε εικόνα ανάλυσης 60εκ.
'''
Συμπεράσματα:'''
Η μέθοδος αυτή μπορεί να αναπτύξει γρήγορα δεδομένα, ανιχνεύοντας τη συντριπτική πλειοψηφία των περιοχών παραγκουπόλεων, ανεξάρτητα από τεχνικούς και πολιτικούς περιορισμούς. Επίσης, το κόστος της εφαρμογής της είναι ιδιαίτερα χαμηλό και μπορεί να υποστηριχθεί από φτωχές αναπτυσσόμενες χώρες.

Ένας περιορισμός της μεθόδου είναι το τί ορίζει η κάθε κοινωνία κάνοντας λόγο για παραγκουπόλεις. Η μέθοδος βασίζεται μόνο σε μορφολογικά χαρακτηριστικά και δεν μπορεί να συγκριθεί άμεσα με το ευρύ ορισμό στην Ινδία.

'''Αναφορές:'''

Amorim, L., Barros Filho, M. N., & Cruz, D. (2009). Analysing Recife’s urban fragments. In D. Koch, L. Marcus, & J. Steen (Eds.), Proceedings of the 7th international space syntax symposium (pp. 003:1e14). Stockholm: KTH.

Baltsavias, E.P.,&Mason, S. (1997).Image-basedreconstructionof informal settlements. In A. Gruen, E. P. Baltsavias, & O. Henricsson (Eds.), Proceedings of 17. International workshop "Automatic extraction of man-made objects from aerial and space images (II)", 5e9. May, Ascona, Switzerland (pp. 87e96). Basel: Birkhäuser Verlag.

Baud, I., Pfeffer, K., Sridharan, N., & Nainan, N. (2009). Matching deprivation mapping to urban governance in three Indian mega-cities. Habitat International, 33(2009), 365e377.

Baud, I., Kuffer, M., Pfeffer, K., Sliuzas, R., & Karuppannan, S. (2010). Understanding heterogeneity in metropolitan India: the added value of remote sensing data for analyzing sub-standard residential areas. International Journal of Applied Earth Observation and Geoinformation, 12(5), 359e374.

Bhaskaran, S., Paramananda, S., & Ramnarayan, M. (2010). Per-pixel and objectoriented classification methods for mapping urban features using Ikonos satellite data. Applied Geography, 30(4), 650e665.

Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensin, 65(1), 2e16. Census of India. (2001). Metadata and brief highlights on slum population. http://censusindia.gov.in/Data_Products/Data_Highlights/Data_Highlights_link/metadata_
highlights.pdf [Access: 05.07.11].

Cheng, P., Toutin, T., & Zhang, Y. (2003). QuickBird e geometric correction data fusion and automatic DEM extraction. Earth Observation Magazine, 11(4), 14e18.

Dewan, A. M., & Yamaguchi, Y. (2009). Land use and land cover change in Greater Dhaka, Bangladesh: using remote sensing to promote sustainable urbanisation. Applied Geography, 29, 390e401.

Ellefsen, R., Swain, P. H., & Wray, J. (1973). Urban land-use mapping by machine processing of ERTS-1 multispectral data: a San Francisco Bay area example. In Proceedings of the conference on machine processing of remotely sensed data. West Lafayette: Purdue University, 2A2e2A22.

Filho, M. N. B., & Sobreira, F. (2008). Accuracy of lacunarity algorithms in texture classification of high spatial resolution images from urban areas. The International Archives of the Photogrammetry, Remote Sensing, and Spatial Information Sciences, 36, 417e422.

Gefen, Y., Meir, Y., Mandelbrot, B., & Aharony, A. (1983). Geometric implementation of hypercubic lattices with noninteger dimensionality by use of low lacunarity fractal lattices. Physical Review Letters, 50(3), 145e148.

GHMC. (2010). Revised master plan for core area (erstwhile MCH area) of GHMC. Report No. 3650, Hyderabad.

GoI. (2010a). Government sets up an eight member expert committee to examine the draft Rajiv Awas Yojana. Mumbai: Government of India, Press Information Bureau. Available online at: http://pibmumbai.gov.in/scripts/static.asp?releaseID¼E2010PR424 [Last accessed 30.03.11].

GoI. (2010b). Census of India 2001: (Provisional) Slum population - Explanatory note. Government of India. Available online at: http://censusindia.gov.in/Tables/_Published/Admin/_Units/Admin/_links/slum note.html [Last Accessed 2.02.11].

GoI. (2010c). Census of India 2001: (provisional) slum population in million plus cities (municipal corporations): Part A. Government of India. Available online at: http://censusindia.gov.in/Tables/
_Published/Admin/_Units/Admin/_links/slum1/_m/_plus.html [Last Accessed 7.02.11].

Herold, M., Goldstein, N. C., & Clarke, K. C. (2003). The spatiotemporal form of urban growth: measurement, analysis and modeling. Remote Sensing of Environment, 86(3), 286e302.

Hurskainen, P., & Pellikka, P. (18e21 October, 2004). Change detection of informal settlements using multi-temporal aerial photographs e the case of Voi, SE Kenya. In Paper presented at the 5th AARSE conference. Nairobi: African Association of Remote Sensing of the Environment.

Lillesand, T. (1990). Satellite remote sensing: its evolution and synergism with GIS technology. Government Information Quarterly, 7(3), 307e327.

Lo, C. P., & Welch, R. (1977). Chinese urban population estimates. Annals of the Association of American Geographers, 67(2), 246e253.

Maktav, D., Erbek, F. S., & Jürgens, C. (2005). Remote sensing of urban areas. International Journal of Remote Sensing, 26(4), 655e659.

Malhi, Y., & Román-Cuesta, R. (2008). Analysis of lacunarity and scales of spatial homogeneity in IKONOS images of Amazonian tropical forest canopies. Remote Sensing of Environment, 112(5), 2074e2087.

Martinez, K., Cupitt, J. (2005) VIPS e a highly tuned image processing software architecture. In: Proceedings of the IEEE International Conference on Image Processing, Sept. 2005, Genoa. pp. 574e577.
MCH. (2005). Draft city development plan. Hyderabad: Municipal Corporation of Hyderabad.

Muchoney, D. M., & Haack, B. N. (1994). Change detection for monitoring forest defoliation. Photogrammetric Engineering & Remote Sensing, 60, 1243e1251.

Myint, S., & Lam, N. (2005). A study of lacunarity-based texture analysis approaches to improve urban image classification. Computers, Environment and Urban Systems, 29(5), 501e523.

Naidu, R. (1990). Old cities, new predicaments: A study of Hyderabad. London and New Delhi: Sage.

Niebergall, S., Loew, A., & Mauser, W. (2008). Integrative assessment of informal settlements using VHR remote sensing data e the Delhi case study. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 1(3), 193e205.

Richards, J. A., & Jia, X. (2006). Remote sensing digital image analysis. Berlin: Springer-Verlag.

Rozenstein, O., & Karnieli, A. (2011). Comparison of methods for land-use classification incorporating remote sensing and GIS inputs. Applied Geography, 31(2011), 533e544.

The Community Studies Team. (2007). Food and nutritional security in the slums of Hyderabad. Humboldt University. http://www.sustainable-hyderabad.de/index.php?page¼workingpapers [Access: 08.05.11].

UN. (2002). Sustainable urbanisation - Achieving Agenda 21. Nairobi: United Nations Human Settlements Programme.

UN. (2003). The challenge of slums - Global report on human settlements. Nairobi: United Nations Human Settlements Programme.

UN. (2006). State of the world’s cities report 2006/7. Nairobi: United Nations Human Settlements Programme.

UN. (2009). World urbanization prospects. The 2009 revision. New York: Population Division, Department of Economic and Social Affairs, United Nations Secretariat.

UN. (2011). UN data glossary. Available online from. http://data.un.org/Glossary.aspx [Last Accessed 2.02.11].

Weizman, L., & Goldberger, J. (2009). Urban-area segmentation using visual words. IEEE Geoscience and Remote Sensing Letters, 6(3), 388e392.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Αρχείο:MP-eikona4-2.jpg

2014-04-28T12:09:35Z

Mariapanagiotidou: Εικόνα 2: Περιοχές παραγκουπόλεων με κόκκινο και οι αντίστοιχες γεωαναφερμένες φωτογραφίες πεδίου.

Εικόνα 2: Περιοχές παραγκουπόλεων με κόκκινο και οι αντίστοιχες γεωαναφερμένες φωτογραφίες πεδίου.

Αρχείο:MP-eikona4-1.jpg

2014-04-28T12:08:48Z

Mariapanagiotidou: Εικόνα 1: Πίνακες ροής ανίχνευσης περιοχών παραγκουπόλεων με τη χρήση των 2 μεθόδων δυαδιοποίησης.

Εικόνα 1: Πίνακες ροής ανίχνευσης περιοχών παραγκουπόλεων με τη χρήση των 2 μεθόδων δυαδιοποίησης.

Τηλεπισκόπηση και Μοντέλα Αστικής Εξάπλωσης - Απαιτήσεις και Προοπτικές

2014-04-28T12:03:39Z

Mariapanagiotidou:

[[Αρχείο:MP-pinakas2-1.jpg|200px|thumb|right|Πίνακας 1: Σύγκριση του σκοπού και χωρικό, χρονικό και θεματικό πλαίσιο των επτά μοντέλων αστικής ανάπτυξης / χρήσης γης, σύμφωνα με το EPA 2000, Agarwal et al. 2000.]]

[[Αρχείο:MP-eikona2-1.jpg|200px|thumb|right|Εικόνα 1: Χαρακτηριστικά και χωρική κατανομή της βλάστησης (γκρι) και των κατοικημένων περιοχών (μαύρο) σε διαβαθμισμένες αεροφωτογραφίες, για τις τρεις υπό διερεύνηση κατηγορίες χρήσεων αστική γης.]]

[[Αρχείο:MP-eikona2-2.jpg|200px|thumb|right|Εικόνα 2: Η ιστορική ανάπτυξη της αστικής περιοχής (εμφανίζονται με ανοιχτό γκρι) της Σάντα Μπάρμπαρα.]]

[[Αρχείο:MP-eikona2-3.jpg|200px|thumb|right|Εικόνα 3: Πρόβλεψη για τις αστικοποιημένες περιοχές το 2050. Στο σενάριο αυτό, όλα περιοχή θεωρείται κενή γη, εκτός από τα πάρκα (σκούρο γκρι = αστικοποιημένες το 1997, ελαφρύτερο γκρι = αστικοποιημένες το 2050).]]

'''Αντικείμενο Εφαρμογής:''' Ανίχνευση μεταβολών αστικής γης

'''Πρωτότυπος Τίτλος:''' «Remote Remote Sensing and Urban Growth Models – Demands and Perspectives»

'''Συγγραφείς:''' Martin Herold and Keith C. Clarke (Department of Geography, University of California, Santa Barbara)
Gunter Menz (Remote Sensing Research Group, Department of Geography, University of Bonn)

'''Πηγή:''' Department of Earth Observation of the Friedrich-Schiller-University Jena [http://www.eo.uni-jena.de/~c5hema/pub/herold_menz_clarke.pdf]

'''Λέξεις Κλειδιά:''' αστική εξάπλωση, μοντέλα μεταβολής, χρήσεις γης

'''Περίληψη:'''
Η αστική ανάπτυξη και τα μοντέλα αλλαγής χρήσης γης είναι ένα σημαντικό και καινοτόμο εργαλείο που βοηθάει ιδιαίτερα στον σχεδιασμό και την ανάπτυξη βιώσιμων αστικών περιοχών. Οι απαιτήσεις δεδομένων για την παραμετροποίηση, βαθμονόμηση και επικύρωση των αστικών μοντέλων είναι πολλές, κυρίως λόγω της πολυπλοκότητας των μοντέλων και των στόχων τους. Σε αυτή τη μελέτη, αξιολογείται ένας αριθμός μοντέλων αλλαγής χρήσης γης και συγκρίνονται οι απαιτήσεις τους σε χωρικά δεδομένα. Παρουσιάζεται και αξιολογείται μια κατάλληλη μεθοδολογία για τη διαφοροποίηση των αστικών χρήσεων γης, με τη χρήση υψηλής ανάλυσης τηλεπισκοπικών δεδομένων και με τόπο μελέτης την πόλη της Σάντα Μπάρμπαρα, Νότια Καλιφόρνια, ΗΠΑ. Η προσέγγιση βασίζεται σε περιοχές ακανόνιστου αλλά ομογενούς σχήματος αστική γης ως μονάδες χαρτογράφησης. Στις περιοχές αυτές, πραγματοποιήθηκαν χωρικές μετρήσεις και μετρήσεις πρότυπου σχήματος με σκοπό την περιγραφή της δομής της κάλυψης γης, την απόκτηση πληροφοριών για τις χρήσεις γης και να την περιγραφή κοινωνικοοικονομικών χαρακτηριστικών. Παρουσιάζεται η εφαρμογή ενός εκ των μοντέλων, η οποία βασίστηκε σε μια χρονοσειρά φωτογραφιών εβδομήντα ετών. Η διαδικασία αστικής ανάπτυξη, καθώς και οι μελλοντικές προβλέψεις αλλαγής χρήσεων γης εκπροσωπούνται στο μοντέλο βασιζόμενες στα κυψελοειδή αυτόματα και καταδεικνύουν τη δυνατότητα του συνδυασμού της τηλεπισκόπησης και της μοντελοποίησης.

'''Εισαγωγή / Στόχοι:'''
Οι αλλαγές στα πρότυπα αστικοποίησης όλων των γεωγραφικών κλιμάκων του τελευταίου αιώνα, είναι ίσως η πιο σημαντική αλλαγή που έχει συμβεί στις αμερικανικές πόλεις. Αυτό οφείλεται κυρίως στην εφεύρεση προσβάσιμων μέσων μαζικής μεταφοράς. Αυτά τα παραδείγματα των νέων οικιστικών προτύπων είναι: η αποκέντρωση και η συγκέντρωση στο κέντρο, ο σχηματισμός προαστίων και νέων πόλεων στα άκρα, ο αποικισμός των απομακρυσμένων αγροτικών και δασικών εκτάσεων, η εμφάνιση νέων τύπων αστικής εξειδίκευσης (π.χ. τεχνοπόλεις), διάφορα κοινωνικοπολιτικά φαινόμενα, όπως επίσης και η αύξηση των απειλών από φυσικές καταστροφές, μιας και οι αστικές δομές γίνονται όλο και πιο κατακερματισμένες και πολύπλοκες στο εσωτερικό τους.

Τα τελευταία χρόνια, τα μοντέλα αλλαγής της χρήσης γης και αστικής ανάπτυξης έχουν γίνει σημαντικά εργαλεία για τους πολεοδόμους και άλλους, με σκοπό τη λήψη έγκαιρων και αποτελεσματικών αποφάσεων για τη βιώσιμη ανάπτυξη των αστικών περιοχών. Η εξέλιξη συνέβη λόγω της αύξησης των πόρων και της χρηστικότητα πολλαπλών συνόλων δεδομένων και εργαλείων επεξεργασία τους (π.χ. Γεωγραφικά Συστήματα Πληροφοριών). Η χρησιμότητά τους εστιάζει κυρίως στη λήψη αποφάσεων για:
• την κατανόηση των αστικών αυτών συστημάτων
• την πρόβλεψη μελλοντικών αλλαγών και νέων τάσεων αστικής ανάπτυξης
• περιγραφή και αξιολόγησης επιπτώσεων μελλοντικής ανάπτυξης
• αναζήτηση διαφορετικών πολιτικών και βελτιστοποίηση του αστικού σχεδιασμού και διαχείρισης.

Καθώς τα μοντέλα αλλαγής χρήσης γης προσομοιώνουν τόσο ανθρώπινα όσο και βιολογικό σύστημα, οι απαιτήσεις σε δεδομένα είναι αρκετά πολύπλοκες και ποικίλουν από φυσικές και οικολογικές παραμέτρους σε πληροφορίες κοινωνικοοικονομικής φύσεως και λεπτομερή στοιχεία χρήσης / κάλυψης γης με καθορισμένη χωρική και χρονική ακρίβεια.

Σε γενικές γραμμές, η τηλεπισκόπηση μπορεί να προσφέρει συνεκτικά σύνολα δεδομένων, καλύπτοντας μεγάλες περιοχές με μεγάλη χωρική ανάλυση και χρονική συχνότητα. Παρ' όλα αυτά, είναι λίγες οι μελέτες που ασχολούνται με την ενσωμάτωσή της σε εφαρμογές μοντέλων μεταβολής χρήσεων αστικής γής. Η έρευνα αυτή έχει τρεις βασικούς στόχους:
• Μελετώντας τις διάφορες μεθόδους μοντελοποίησης χρήσεων αστικής γης, αυτές θα συγκριθούν ως προς τις απαιτήσεις τους σε πληροφορίες ώστε να σχηματιστούν τα χαρακτηριστικά και οι απαιτήσεις σε τηλεπισκοπικά δεδομένα.
• Παρουσίαση και συζήτηση της χαρτογράφησης μιας αστικής περιοχής, και συγκεκριμένα της Σάντα Μπάρμαρα της Καλιφόρνια, από δεδομένων τηλεπισκόπησης υψηλής ανάλυσης. Η προσέγγιση αυτή δείχνει τις δυνατότητες για την περιγραφή και την απόκτηση πληροφοριών σχετικά με τις χρήσεις γης και άλλων κοινωνικοοικονομικής φύσεως.
• Τέλος, παραμετροποιείται και βαθμονομείται το πρότυπο αστικής ανάπτυξης της Σάντα Μπάρμπαρα με χρήση του μοντέλου Sleuth, χρησιμοποιώντας κυψελοειδή αυτόματα. Από τη διαδικασία προκύπτει και η δυνατότητα μελλοντικών προβλέψεων αστικής ανάπτυξης.

'''Ανασκόπηση των μοντέλων μεταβολής χρήσεων αστικής γης:'''
Τα μοντέλα που χρησιμοποιήθηκαν στα πλαίσια της εργασίας αυτής προέρχονται από αναφορές που δημοσίευσαν το Υπουργείο Γεωργίας των ΗΠΑ και ο Οργανισμός Προστασίας του Περιβάλλοντος των ΗΠΑ. Από τα 36 διαφορετικά μοντέλα που χρησιμοποιήθηκαν, με την εφαρμογή ενός αριθμού κριτηρίων, επιλέχθηκαν τα 7 για τους σκοπούς της ανάλυσής μας. Ο Πίνακας 1 μας δίνει μια περίληψη αυτών. Η δεύτερη στήλη του Πίνακα 1 μας δείχνει τους σκοπούς του σχεδιασμού κάθε μοντέλου, ενώ η τρίτη τα χωρικά τους πλαίσια. Τα μοντέλα αυτά χρησιμοποιούν τόσο διανυσματικές όσο και μεθόδους εικονοστοιχείων για τον χωρικό προσδιορισμό των στοιχείων τους. Ως ενότητες του μοντέλου προσδιορίζονται οι περιοχές εκείνες που έχουν κοινή γεωμετρία σαν αποτέλεσμα της αλληλεπικάλυψης πολλών επιπέδων δεδομένων, διαφόρων φυσικών και ανθρώπινων παραμέτρων. Στην περίπτωση της ράστερ απεικόνισης, οι χωρικές ενότητες είναι πιο συγκεχυμένες, σε αντίθεση με αυτές των γραμμικών απεικονίσεων που περιλαμβάνουν καλύτερα προσδιορισμένες ενότητες.

'''Χωρική Ανάλυση Δεδομένων:'''
Σε γενικές γραμμές, οι απαιτήσεις χωρικής ανάλυσης των μοντέλων ράστερ ποικίλλουν ανάλογα με το σκοπό και τα χαρακτηριστικά των μελετών εφαρμογής. Η ανάλυση της μονάδας του καννάβου που χρησιμοποιούνται κυμαίνονται από 30μ x 30μ και 100μ x 100μ. Μερικά μοντέλα ζητούν μικρότερη χωρική ακρίβεια ώστε να χρησιμοποιηθούν σε ειδικές κατηγορίες χρήσεων γης (μοντέλο UPLAN) ή σε περιπτώσεις που η διαδικασία βασίζεται στην κλίμακα μελέτης, όπως τα μοντέλα LTM και UrbanSim.

'''Χρονική Ανάλυση Δεδομένων:'''
Για την πλειοψηφία των μοντέλων, η παράμετρος αυτή μεταβάλεται. Τα περισσότερα εξετάζουν μια περίοδο 1 με 10 χρόνων με χρονικό πλαίσιο για μελλοντικές προβλέψεις της τάξεως των 5 με 10 χρόνων, μέχρι και σε βάθος 100 χρόνων. Εξαίρεση αποτελεί το CUF μοντέλο όπου τόσο τα χρονικά μεσοδιαστήματα όσο και περίοδος πρόβλεψης είναι συνήθως 5 με 10 χρόνια.

'''Κατηγορίες Χρήσεων/Κάλυψης Αστικής γης:'''
Ένα άλλο σημαντικό χαρακτηριστικό είναι ο τρόπος που τα μοντέλα παραμετροποιούν τη διάκριση και κατηγοριοποίηση της αστικής γης. Η προσέγγιση με βάση το αγροτεμάχιο του UrbanSim μοντέλου συνήθως δεν απαιτεί τον περαιτέρω προσδιορισμό κατηγοριών χρήσεων αστική γης. Τα σημαντικότερα κοινωνικοοικονομικά χαρακτηριστικά παραμετροποιούνται στο επίπεδο του αγροτεμαχίου. Τα μοντέλα LUCAS και LTM που πραγματεύονται τις επιπτώσεις της αστικής εξάπλωσης στο γύρο περιβάλλον, αντιλαμβάνονται μόνο μία κατηγορία χρήσης γης, ενώ ταυτόχρονα η διαφοροποίηση των αστικών περιοχών γίνεται με την παράμετρο της πληθυσμιακής πυκνότητας.
Άλλα μοντέλα όπως το CUF-2 και το UPLAN που ασχολούνται με την προσομοίωση της αστικής ανάπτυξης και του τρόπου αλλαγής των χρήσεων γης της πόλης, χρησιμοποιούν ένα ακόμη υψηλότερο επίπεδο διάκρισης των χρήσεων γης, όπως οι διαφορετικές πυκνότητες και κτιριακές κατασκευές των περιοχών κατοικίας, εμπορίου και βιομηχανίας. Πέραν των χρήσεων γης, τα περισσότερα μοντέλα χρειάζονται κι άλλα δεδομένα όπως η τοπογραφία της περιοχής και οι υπάρχουσες υποδομές μεταφορών. Τέλος, το μοντέλου Sleuth που θα χρησιμοποιήσουμε διακρίνει μόνο μια χρήση γης.

'''Η Τηλεπισκόπηση για την χαρτογράφηση των παραμέτρων των μοντέλων αστικλης ανάπτυξης:'''
Σε γενικές γραμμές, η χαρτογράφηση των αστικών περιοχών μέσω της τηλεπισκόπησης είναι μια σχετικά πολύπλοκη διαδικασία λόγω της ετερογένειας των αστικού περιβάλλοντος το οποίο αποτελείται συνήθως από δομές (π.χ. κτήρια, μεταφορές δίχτυα), διαφορετικά είδη βλάστησης (π.χ. πάρκα, κήποι, αγροτικές περιοχές), ζώνες γυμνού εδάφους και υδάτινων τμημάτων. Παραδοσιακά, η ερμηνείες της οπτικής ανάλυσης αεροφωτογραφιών υψηλής ανάλυσης παρέχουν ολοκληρωμένη πληροφορίες για τη χαρτογράφηση των αστικών περιοχών.

Σήμερα, με την ευρεία διάθεση των δεδομένων της δορυφορικής τηλεπισκόπησης και την ύπαρξη δεδομένων με μεγάλη χρονική και χωρική ανάλυση, οι μέθοδοι ανάλυσης έχουν γίνει πιο αντικειμενικές και κατάλληλες για την εφαρμογή τους σε μεγάλες περιοχές. Οι πολυφασματικοί αισθητήρες επιτρέπουν την ακόμα πιο αποτελεσματική διάκριση ανάμεσα σε διαφορετικές καλύψεις γης (χτισμένες περιοχές, πράσινο και νερό). Δεν ισχύει το ίδιο για την αποτελεσματικότερη διάκριση των αστικών χρήσεων γης όπως κατοικία, εμπόριο κ.α.

'''Χωρική Ανάλυση:'''
Οι απαιτήσεις για την περιγραφή της διάρθρωσης των δομημένων περιοχών απαιτούν δεδομένα πολύ υψηλής ανάλυσης όπως δεδομένα IKONOS 2, τα οποία και δεν ήταν διαθέσιμα την περίοδο διεξαγωγής αυτής της μελέτης. Έτσι, χρησιμοποιήσαμε ψηφιοποιημένες υπέρυθρες αεροφωτογραφίες, με ανάλυση εικόνας της τάξης των 3μ, παρόμοιες με αυτές των σύγχρονων δορυφορικών δεδομένων.

'''Χωρικές Μονάδες:'''
Οι χωρικές μονάδες μπορούν να οριστούν ως ποσοτικοί δείκτες που περιγράφουν τις δομές και τους τύπους που σχηματίζονται στο χώρο. Βασίζονται στη θεωρία πληροφοριών και τη γεωμετρία των επαναλαμβανόμενων δομών. Για τη μελέτη αυτή επιλέχθηκαν 6 διαφορετικές μονάδες που καθεμιά περιγράφει διαφορετικά χωρικά χαρακτηριστικά κάλυψης γης.

'''Ομογενοποιημένες Αστικές Δομές:'''
Οι περιοχές αυτές χαρακτηρίζονται ως τμήματα εικόνας με παρόμοιες ιδιότητες όσον αφορά στο μέγεθος, σχήμα, χρώμα, υφή και πρότυπο και μπορούν να οριστούν ως δομές ομογενοποιημένης χρήσης αστικής γης και μονάδα μέτρησης για την ανάλυση δεδομένων.

Οι περιοχές μελέτης της Σάντα Μπάρμπαρα μπορούν εύκολα να χωριστούν σε δομημένες και αδόμητες περιοχές. Οι 6 χωρικές μονάδες που αναφέρθηκαν παραπάνω υπολογίστηκαν στη βάση μια δυαδικής μορφής ταξινόμησης των τριών βασικών κατηγοριών αστικής χρήσης γης οι οποίες και αποτελούν τυπικό δείγμα χωρικών και κοινωνικοοικονομικών τύπων που βρέθηκαν σε αστικές περιοχές και συγκεκριμένα στη Σάντα Μπάρμπαρα. Αυτές περιγράφονται στην Εικόνα 1 και είναι:
• Εμπορικές και Βιομηχανικές περιοχές (Comm)
• κατοικία με μεγάλες πυκνότητες (ResHD)
• κατοικία χαμηλής πυκνότητας (ResLD)

'''Εφαρμογή του μοντέλου Sleuth στη μοντελοποίηση της Αστικής Ανάπτυξης:'''
Ο τόπος εφαρμογής του μοντέλου είναι η πόλη της Σάντα Μπάρμπαρα στην Καλιφόρνια των ΗΠΑ. Η προσομοίωση βασίστηκε στο μοντέλο Clarke (UMG) που συνδυάζει την επιρροή της τοπογραφίας, της γειτνίασης και του δικτύου μεταφορών με τους τύπους αστικοποίησης κατά τη διάρκεια του χρόνου. Χρησιμοποιεί κυψελοειδή αυτόματα για να τυποποιήσει την αστική εξάπλωση, βασισμένο σε κανόνες ανάπτυξης πλεγματικής αναπαράστασης του γεωγραφικού χώρου, κυψέλη προς κυψέλη. Το όνομα του μοντέλου Sleuth προκύπτει από τις απαιτήσεις σε δεδομένα, τα οποία είναι: κλίση, κάλυψη γης, αποκλεισμός, αστικές μετακινήσεις και σκίαση αναγλύφου.

Η αστική ανάπτυξη της περιοχής προκλήθηκε από ραγδαία αύξηση του πληθυσμού σε διάφορες χρονικές περιόδους. Η περιοχή μελετήθηκε από το 1929, χρόνος της πρώτης αεροφωτογραφίας που χρησιμοποιήθηκε για αυτή τη μελέτη. Συνολικά χρησιμοποιήθηκαν 7 ομάδες αεροφωτογραφιών τις χρονιές 1929, 1943, 1954, 1967, 1976, 1986 και 1997. Οι τύποι χρήσης γης διακρίνονται σε αστικοποιημένη και μη αστικοποιημένη γη. Μετά τη βαθμονόμηση του μοντέλου είναι δυνατή και η πρόβλεψη μελλοντικών επεκτάσεων στη βάση ενός αριθμού πιθανών σεναρίων. Η αστική εξάπλωση της πόλης φαίνεται στη Εικόνα 2.

Από την παρατήρηση της Εικόνας 2 βλέπουμε τις φάσεις εξάπλωσης της πόλης, η οποία λόγω των φυσικών ορίων αναπτύχθηκε κυρίως κατά μήκος της παράκτιας πεδιάδας με μια τάση προς τα δυτικά, που ξεκίνησε το 1970 με την εγκατάσταση εμπορικών λειτουργιών και συνεχίζεται μέχρι σήμερα. Στα ανατολικά έχουμε ιδιαίτερα υψηλές τιμές γης και αποθαρρύνεται η περαιτέρω επέκταση προς αυτή την κατεύθυνση. Ταυτόχρονα, μπορούν να προβλεφθούν και σενάρια μελλοντικής επέκτασης, παίρνοντας σαν δεδομένο τον σταθερό ρυθμό ανάπτυξης. Ένα τέτοιο φαίνεται στην Εικόνα 3. Η μελλοντικές επεκτάσεις φαίνεται να εστιάζονται σε δύο περιοχές, δυτικά στην περιοχή Goleta και ανατολικά στην περιοχή Carpinteria. Στην παρούσα μελέτη δεν υπάρχει διαφοροποίηση χρήσεων γης.

'''Αναφορές:'''

Acevedo, W., Foresman, T.W., and Buchanan, J.T., 1996. Origins and Philosophy of Building a Temporal Database to Examine Human Transformation Processes, Proceedings, ASPRS/ACSM Annual Convention and Exhibition, Baltimore, MD, April 22-24, 1996.

Agarwal, C. Green, G.L. Grove, M. Evans, T. and Schweik, C. 2000. A Review and Assessment of Land-Use Change Models: Dynamics of Space, Time, and Human Choice, published jointly by the US Forest Service and the Center for the Study of Institutions, Population, and Environmental Change (CIPEC), Indiana University.

Alberti M. and Waddell P. 2000. An Integrated Urban Development and Ecological Simulation Model, Integrated Assessment, in press, http://www.odot.state.or.us/tddtpau/papers/P2T2.4.2fnl.pdf, access: April 2001.

Anderson, J.R., E.E. Hardy, J.T. Roach, and Witmer, R.E. 1976. A Land Use and Land Cover Classification Scheme for Use with Remote Sensor Data. U.S. Geological Survey Professional Paper 964.

Barnsley, M.J.,Barr S.L., Hamid A., Muller P.A.L., Sadler G.J. and Shepherd, J.W. 1993. Analytical Tools to Monitor Urban Areas. Geographical Information Handling-Research and Applications. Ed. Mather, P.M., pp. 147-184.

Barr, S. and Barnsley, M. 1997. A region-based, graph-oriented data model for the inference of second order information from remotely-sensed images, International Journal of Geographical Information Science, 11, 6, pp. 555-576.

Batty, M. 1994. A chronicle of scientific planning: The anglo-american modeling experience, in Journal of the American Planning Association, 60, 1, pp. 7-12.

Batty, M. and Howes, D. 2001. Predicting temporal patterns in urban development from remote imagery,

Donnay, J. P., Barnsley, M. J. and Longley, P. A. (eds.). Remote sensing and urban analysis, Taylor and Francis, London and New York, pp. 185-204

Berry M. W., Flamm R. O., Hazen B. C. & MacIntyre R. L. 1996. The Land-Use Change and Analysis System (LUCAS) for Evaluating Landscape Management Decisions, IEEE Computational Science & Engineering, 3, 1, pp. 24-35.

Bowden, L. W. (eds.) 1975. Urban environments: inventory and analysis, in Bowden, L. W. et al. (eds.). Manual of Remote Sensing, Ed. 1, Volume 2, pp. 1815-1880.

Candau, J., Rasmussen, S. and Clarke, K. C. 2000. A coupled cellular automaton model for land use/land cover dynamics. 4th International Conference on Integrating GIS and Environmental Modeling(GIS/EM4): Problems, Prospects and Research Needs. Banff, Alberta, Canada, September2 – 8.

Clarke, K. C. , Hoppen, S. and Gaydos, L. 1997. A self-modifying cellular automaton model of historical urbanization in the San Francisco Bay area' Environment and Planning B: Planning and Design, vol. 24, pp. 247-261.

Clarke, K. C. and Gaydos, L. 1998. "Long term urban growth prediction using a cellular automaton model and GIs: Applications in San Francisco and Washington/Baltimore", International Journal of geographical Information Science, 12, 7, pp. 699-714.

Clarke, K. C., Hoppen, S., and Gaydos, L. J. 1996. Methods and techniques for rigorous calibration of a cellular automaton model of urban growth, Proceedings, Third International Conference/Workshop on Integrating GIS and Environmental Modeling CD-ROM, Santa Fe, NM, January 21-26, 1996. Santa Barbara, CA: National Center for Geographic Information and Analysis. http://www.ncgia.ucsb.edu/conf/SANTA_- FE_CD-ROM/main.html, access: May 1999.

Donnay, J. P., Barnsley, M. J. and Longley, P. A. 2001. Remote sensing and urban analysis, Donnay, J. P.,

Barnsley, M. J. and Longley, P. A. (eds.). Remote sensing and urban analysis, Taylor and Francis, London and New York, pp. 3-18.
EPA – Environmental Protection Agency, 2000. Projecting land use change: A summary of models for assessing the effects of community growth and change on land use pattern, http://www.epa.gov/cbep/tools/-reportfinal3.pdf, access: April 2001.

Garreau, J. 1988. Edge city: Life on the new frontier. New York, Doubleday, 546 p.

Haack, B. N., Guptill, S. C., Holz, R. K., Jampoler, S. M., Jensen, J. R. and Welch, R. A. 1997. Urban analysis and planning, in Philipson et al. eds. Manual of photographic interpretation, 2. Ed, pp. 517-554.

Hart, J. F. (ed.) 1991. Our Changing Cities. The John Hopkins University Press. Baltimore.

Henderson, F. M. and Xia Zong-Guo 1997. SAR Applications in Human Settlement Detection, Population Estimation and Urban Land Use Pattern Analysis: A Status Report. IEEE Transactions on Geoscience and Remote Sensing, Vol. 35, No. 1, pp. 79-85.

Hepner, G. F., Houshmand, B., Kulikov, I. and Bryant, N. 1998. Investigation of the integration of AVIRIS and IFSAR for urban analysis, Photogrammetric Engineering and Remote Sensing, 64, 8, pp. 813 – 820.

Herold, M. And Menz, G. (2001). Fernerkundung und Landschaftsmaße – Untersuchungen zur raumstrukturellen Analyse urbaner Regionen, in Erdkunde, in press.

Jensen, J. R. and Cowen, D. C. 1999. Remote sensing of urban/suburban infrastructure and socio-economic attributes, Photogrammetric Engineering and Remote Sensing, 65, 5, pp. 611-622.

Klosterman, R. E. 1999. The What if? Collaborative planning support system, Environment and Planning B: Planning and Design, 26, pp. 393-408.

Knox, P. L. 1993. The Restless Urban Landscape. ed. Paul L. Knox. Englewood Cliffs: Prentice-Hall.

Landis, J. & Zhang, M. 1998. The second generation of the California urban futures model: Part 1: Model logic and theory, Environment and Planning B, 30, pp. 657-666.

Longley, P. A. and Mesev, V. 2000. On the measurement and generalization of urban form, Environment and Planning A, 32, pp. 473-488.

McGarigal, L. and Marks, B. J. 1994. FRAGSTATS Manual: spatial pattern analysis program for quantifying landscape structure, URL: ftp://ftp.fsl.orst.edu/pub/fragstats.2.0, access: Januray 2001.

Mesev, T.V., M. Batty, P.A. Longley, and Y. Xie, 1995. Morphology from imagery: detecting and measuring the density of urban land use. Environment and Planning A, 27, pp. 759-780.

O’Neill , R.V., J.R. Krummel, R.H. Gardner, G. Sugihara, B. Jackson, D.L. Deangelis, B.T. Milne, M.G. Turner, B. Zygmunt, S.W. Christensen, V.H. Dale, and R.L. Graham. 1988. Indices of landscape pattern. Landscape Ecology 1:153-162.

Peplies, R. W. 1974. Regional analysis and remote sensing: a methodological approach, in Estes, J. E. (eds.). Remote sensing: techniques for environmental analysis, pp. 277-291.

Pijankowski, B.C, Long D. T., Gage. S. H. and Cooper. W. E. 1997. A Land transformation model: conceptual elements spatial object class hierarchy, GIS command syntax and an application for Michigan’s Saginaw Bay watershed, http://www.ncgia.ucsb.edu/conf/landuse97/, access: April 2001.

Rao, K. M. L. 1996. Regional network planning and orientation for rural transportation using remote sensing technique, International Journal of Remote Sensing, 17, 17, pp. 1991-1022.

Shabazian, D. and Johnston, R. 2000, UPLAN - Urban Growth Model (UC Davis, Information Center for the Environment), http://snepmaps.des.ucdavis.edu/uplan/, access: April 2001.

Tanaka, S. and Sugimura, T. 2001. A new frontier of remote sensing from IKONOS images, International Journal of Remote Sensing, 22, 1, pp. 1-5. U.S. Census Bureau, Population Division 1999. Selected historical census data, http://www.census.gov/population/www/censusdata/pop-hc.html 1999, access: June 1999.

Waddell, P. 1998. UrbSim - The Oregon Prototype Metropolitan Land Use Model, in Proceedings of the ASCE Conference Transportation, Land Use, and Air Quality: Making the Connection Portland, Oregon, May 1998. http://www.urbansim.org/Papers/ASCE%20Model.pdf, access: April 2001.

Webster, C. J. 1995. Urban morphological fingerprints, Environment and Planning B, 22, pp. 279-297.

Welch, R. 1982. Spatial resolution requirements for urban studies. International Journal of Remote Sensing, Vol. 3, No. 2, pp. 139-146.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Η Τηλεπισκόπιση σαν εργαλείο για την παρακολούθηση των Προτύπων Αστικής Διάχυσης

2014-04-28T12:00:01Z

Mariapanagiotidou:

[[Αρχείο:MP-pinakas1-1.jpg|200px|thumb|right|Πίνακας 1: Η κλίμακα σε διάφορες εφαρμογές της Τηλεπισκόπισης. (Neer, 1999)]]

[[Αρχείο:MP-eikona1-1.jpg|200px|thumb|right|Εικόνα 1: Μεταβολή των χρήσεων γης την περίοδο 1973 – 2003 στη μητροπολιτική περιοχή Phoenix, ΗΠΑ. (Moeller 2004)]]

[[Αρχείο:MP-eikona1-2.jpg|200px|thumb|right|Εικόνα 2: Ταξινόμηση χάρτη σε τομείς και ομόκεντρους κύκλους. (Moeller 2004)]]

[[Αρχείο:MP-eikona1-3.jpg|200px|thumb|right|Εικόνα 3: Καμπύλες των 6 περιόδων μεταβολής.]]

'''Αντικείμενο Εφαρμογής:''' Ανίχνευση μεταβολών αστικής γης

'''Πρωτότυπος Τίτλος:''' «Remote Sensing for the Μonitoring of Urban Growth Patterns»

'''Συγγραφείς:''' Μatthias S. Moeller (International Institute for Sustainability, Arizona State University)

'''Πηγή:''' International Society for Photogrammetry and Remote Sensing [http://www.isprs.org/proceedings/xxxvi/8-w27/moeller.pdf]

'''Λέξεις Κλειδιά:''' αστική διάχυση, αντικειμενοστραφής ταξινόμηση

'''Περίληψη:'''
Οι αστικές περιοχές είναι οι πιο δυναμικές περιοχές πάνω στη γη. Το μέγεθός τους έχει μια σταθερή αυξητική τάση στο παρελθόν και αυτή η διαδικασία θα συνεχιστεί και στο μέλλον. Για την κατανόηση του φαινομένου της Αστικής Εξάπλωσης, οι εικόνες τηλεπισκόπισης είναι ένα αξιόπιστο εργαλείο. Μια μακροχρόνια, μεσαίας κλίμακας μελέτη διεξήχθη για την αστική διάχυση της μητροπολιτικής περιοχής του Phoenix, Αριζόνα. Το χρονικό πλαίσιο της έρευνας είναι 30 χρόνια. Αυτή η μελέτη χρησιμοποίησε δορυφορικές εικόνες από διαφορετικά συστήματα αισθητήρων, αντικειμενοστρεφή ανάλυση και ταξινόμησης της πληροφορίας. Τα ευρήματα της έρευνας, η οποία χωρίστηκε σε έξι περιόδους, αναλύθηκαν με όρους κατεύθυνσης της διάχυσης και αποστάσεων διάχυσης. Συνολικά, μπορούν να ορισθούν αρκετές φάσεις τυπικής διάχυσης της πόλης. Τα αποτελέσματα της έρευνας θα μπορούσαν να χρησιμεύσουν σαν βάση για τη σύγκριση περισσότερων πόλεων παρόμοιου σχήματος.
'''
Εισαγωγή - Στόχος:'''
Τα τελευταία 50 χρόνια ο πληθυσμός της γης έχει διπλασιαστεί αγγίζοντας τα 6,5 δισεκατομμύρια. Η αύξηση αυτή, όπως και η συγκέντρωση, με πολύ υψηλές πυκνότητες παρατηρείται ιδιαίτερα στις αναπτυσσόμενες χώρες. Θα ήταν σκόπιμη η παρακολούθηση και καταγραφή της ανάπτυξης των αστικών αυτών περιοχών για λόγους πολεοδομικού σχεδιασμού.

Τα δορυφορικά δεδομένα εικόνας παρέχουν τη συνοπτική επισκόπηση μεγάλων περιοχών που καταγράφονται πάντα με ένα τυποποιημένο και βαθμονομημένο συστήματος παρακολούθησης. Τα δεδομένα ξεκίνησαν να καταγράφονται με υψηλή χρονική ανάλυση από τη δεκαετία του '70 και με τον τρόπο αυτό δίνουν τη δυνατότητα της ιστορικής αναδρομής. Αναλύοντας τα ιστορικά αυτά δεδομένα μπορούν να φτιάξουμε χρονοσειρές μεταβολών χρήσεων και κάλυψης γης όπως επίσης και να προβλέψουμε μελλοντικές μεταβολές και να ελέγξουμε και να επαληθεύσουμε μοντέλα ανάπτυξης.
'''
Κλίμακα εφαρμογής, Φασματικές και Χρονικές Ιδιότητες:'''
Για την παρακολούθηση της αστικής διάχυσης, μια κλίμακα της τάξης 1:25.000 - 1:50.000 είναι αρκετή. Η κλίμακα αυτή μπορεί να επιτευχθεί με αισθητήρες που παρέχουν χωρική ανάλυση 4-50 μέτρων.

Στις αστικές επιφάνειες τα υλικά παντρεύονται πολλές φορές σε ένα μόνο pixel, κάνοντας ιδιαίτερα δύσκολη τη διάκριση των διαφορετικών επιφανειών και αντικειμένων. Η ιδανική λύση θα ήταν ένας υπερφασματικός σαρωτής με ένα μεγάλο αριθμό ζωνών, καθεμιά με μικρό εύρος της τάξης των 10nm. Σήμερα, το σύστημα αισθητήρα με την υψηλότερη φασματική ανάλυση διαθέσιμη και σε επιχειρησιακή λειτουργία είναι ο αισθητήρας ASTER, έχοντας 14 ζώνες στο ορατό, το υπέρυθρο και το θερμικό τμήμα της ηλεκτρομαγνητικής ενέργειας.

Γενικά, όσο μεγαλύτερη είναι η χωρική ανάλυση τόσο μικρότερη γίνεται η χρονική. Συστήματα πολικής τροχιάς, όπως το Landsat και ASTER πραγματοποιούν κύκλους σε συχνότητα 16 ημερών. Οι αισθητήρες Landsat έχουν μακρά ιστορία δεδομένων εικόνας, ήδη από το 1972 και τον πρώτο Πολυφασματικό Σαρωτή (MSS) που κυκλοφόρησε. Τα δεδομένα λοιπόν που υπάρχουν είναι περισσότερο από 30 χρονών και μπορούν να βρεθούν στους ESDI 2005, USGS 2005, Landsat 2005 και EOS Webster 2005, πολλές φορές και δωρεάν.

'''Εφαρμογή της Τηλεπισκόπισης για την Αστική Διάχυση στη μητροπολιτική περιοχή Phoenix:'''
Η μητροπολιτική περιοχή της Phoenix (PHX) χαρακτηρίζεται από τον υψηλό ρυθμό αστικής εξάπλωσης. Βρίσκεται στο ΝΑ τμήμα των ΗΠΑ, στην έρημο Sonoran. Είναι η έκτη μεγαλύτερη αστική περιοχή της χώρας και συνεχίζει διαρκώς να εξαπλώνεται. Η ανάπτυξή της έχει καταγραφεί κατά τη διάρκεια των τελευταίων 30 χρόνων.

Η περιοχή που μελετάται εκτείνεται σε 112 χμ. Η αστική περιοχή περιβαλλόταν το '73 κυρίως από γεωργικές εκτάσεις όπως επίσης και από προστατευόμενες περιοχές Ινδιάνων και φυσικού κάλλους. Στη διάθεσή μας έχουμε 6 εικόνες, από το 1973 έως το 2003, όλες τραβηγμένες την άνοιξη, μέσα σε μια περίοδο 6 εβδομάδων, ούτως ώστε η φαινολογία να είναι ίδια σε όλες.
'''
Επεξεργασία δορυφορικών δεδομένων:'''
Όλα τα δορυφορικά δεδομένα έχουν επεξεργαστεί χωρικά (π.χ. διορθωθεί και γεωκωδικοποιηθεί) σε ορθοφωτογραφίες από τον διανομέα. Η χωρική ποιότητα των σκηνών έχει ελεγχθεί και έχουν καταχωρηθεί η μια στην άλλη ώστε να ελαχιστοποιηθούν τα χωρικά λάθη. Ατμοσφαιρικές διορθώσεις δεν έχουν γίνει διότι οι καιρικές συνθήκες ήταν ιδανικές.

Σε περίπτωση σαν τη δική μας, που χρησιμοποιούνται δεδομένα από διαφορετικούς αισθητήρες, η εικόνα θα πρέπει να αναλυθεί πριν συγκριθούν τα αποτελέσματα της ταξινόμησης. Εφαρμόστηκε μια αντικειμενοστρεφής προσέγγιση ανάλυσης εικόνας που οδήγησε σε αξιόπιστα αποτελέσματα όσον αφορά την ακρίβεια ταξινόμησης. Ακολουθώντας το σύστημα ταξινόμησης που υιοθετήθηκε και τροποποιήθηκε από το σχήμα NLCD, διακρίθηκαν τουλάχιστον 10 κατηγορίες σε κάθε εικόνα. Η ακρίβεια της ταξινόμησης αυτής είναι της τάξης του 87%.

'''Αποτελέσματα ανάλυσης:'''
Με βάση την σύγκριση των εικόνων δημιουργήθηκε ένας κάνναβος με 500Χ500 μονάδα μεγέθους. Έγιναν διακριτές 3 κύριες χρήσεις γης: αγροτικές καλλιέργειες, αστική γη και φυσική γη. Η κυρίαρχη χρήση κάθε μονάδας καταγράφηκε σε περιβάλλον GIS. Στο επόμενο βήμα καταγράφηκε η αλλαγή χρήσης γης από αγροτική σε αστική για καθεμιά από τις 6 περιόδους. Η Εικόνα 1 δείχνει τη μετατροπή της γης προς αστική χρήση από το 1973 στο 2003 σε κόκκινους τόνους.

Πάνω σ' αυτό το χάρτη εφαρμόστηκε ένα σύστημα από 8 τομείς και 50 ομόκεντρες τροχιές, όπως φαίνεται στην Εικόνα 2. Μετατρέποντας το σχήμα σε πίνακες, η εξάπλωση γίνεται ακόμα πιο εμφανής. Στον τομέα 1, από το βορρά στην ανατολή, βλέπουμε τη μεγαλύτερη εξάπλωση. Αντίθετα, η εξάπλωση είναι περιορισμένη για τις περιοχές 3 και 4. Αυτό φαίνεται να οφείλεται στην ύπαρξη των Ινδιάνικων και φυσικών προστατευόμενων περιοχών. Ως αναφορά την εξάπλωση σχετιζόμενη με την απόσταση από το κέντρο, γίνεται εμφανές πως ακολουθεί έναν συγκεκριμένο τύπο για τις πρώτες 4 περιόδους, κατά τον οποίο η αυτή έλαβε χώρα σε περιοχές γύρω από το κέντρο. Η δομή αυτή υποδηλώνει μια τυπική εξάπλωση σε τροχιές. Αυτό αλλάζει κατά τις 2 τελευταίες περιόδους, όπου παρατηρούμε έντονη εξάπλωση σε μεγάλη απόσταση των 30 χμ.

'''Συμπεράσματα:'''
Η ανάλυση, αξιοποιώντας δεδομένα από μια μεγάλη χρονική περίοδο, δίνει τη δυνατότητα της σε βάθος παρακολούθησης της αστικής εξάπλωσης. Με βάση αυτή την έρευνα, έχουν αναπτυχθεί δείκτες αστικής εξάπλωσης με σκοπό την παραμετροποίησή της. Σε ένα επόμενο στάδιο, οι δείκτες αυτοί πρέπει να εφαρμοστούν σε διαφορετικά αστικά περιβάλλοντα για λόγους σύγκρισης διαφορετικών τύπων αστικής εξάπλωσης. Αυτό θα μπορούσε να οδηγήσει σε μια πολύ χρήσιμη κατηγοριοποίηση της αστικής εξάπλωσης.

'''Αναφορές:'''

Asterweb. http://Asterweb.jpg.nasal.go/ (accessed 21 Jan 2005)

Aviaries. http://aviris.jpl.nasa.gov/ (accessed 20 January 2005)
CHRIS. http://www.chris-proba.org.uk/frames/index2.html (accessed 24 Jan 2005)

EOS Webster. http://eos-webster.sr.unh.edu/home.jsp (accessed 11 Feb. 2005)

ESDI Earth Science Data Interface. http://glcfapp.umiacs.umd.edu:8080/esdi/index.jsp (accessed 14 Feb. 2005)

Henderson, F. M. 1982. An Evaluation of Seas at SAR Imagery for Urban Analysis. In: Remote Sensing of Environment, Vol. 12, pp. 439-461.

Hogarth, P. J. and E. Boasson 1983. Landsat Digital Enhancements for Change Detection. in Urban Environments.
In: Remote Sensing of Environment, Vol. 13, pp. 149-160.

Hyperion. http://eo1.gsfc.nasa.gov/Technology/Hyperion.html (accessed 20 Jan. 2005)

Landsat. http://www.landsat.org (accessed 11 Febr. 2005)

LLCD. http://www.mrlc.gov/index.asp (accessed 14 Febr.2005)

Moeller, M., 2004. Monitoring Long Term Transition Processes of a Metropolitan Area with Remote Sensing. In: Proceeding of the IGARRS 2004 IEEE International Geoscience and Remote Sensing Symposium, Anchorage, AK, pp. 3398-3401.

Neer, J. T., 1999. High Resolution Imaging from Space - A Commercial Perspective on a Changing Landscape. International Archives of Photogrammetry and Remote Sensing, XXXII (7C2): pp. 132-143.

Sabins, F. F., 1996. Remote sensing: principles and interpretation. New York, NY, W. H. Freeman.

TRFIC Tropical Rain Forest Information Center, 2004. http://www.globalchange.msu.edu/trfic/ (accessed 20 Jan. 2005)

United Nations, 2002. World Urbanization Prospects The 2001 revision Data Tables and Highlights. ESA/P/WP.173. http://www.un.org/esa/population/publications/wup2001/wup2001dh.pdf (accessed 20 Jan. 2005)

[[category:Ανίχνευση μεταβολών αστικής γης]]

Παναγιωτίδου Μαρία

2014-04-28T11:57:40Z

Mariapanagiotidou:

Η Τηλεπισκόπησης των αδιαπέραστων επιφανειών αστικών περιοχών: Απαιτήσεις, μέθοδοι και τάσεις

2014-04-28T11:56:52Z

Mariapanagiotidou: Νέα σελίδα με '[[Αρχείο:MP-pinakas3-1.jpg|200px|thumb|right|Πίνακας 1: Η κλίμακα χρήση των τεχνιτών νευρωνικών δικτύων στην τη...'

[[Αρχείο:MP-pinakas3-1.jpg|200px|thumb|right|Πίνακας 1: Η κλίμακα χρήση των τεχνιτών νευρωνικών δικτύων στην τηλεπισκόπηση αδιαπέραστων επιφανειών]]

[[Αρχείο:MP-eikona3-1.jpg|200px|thumb|right|Εικόνα 1: Σύγκριση της τεχνικής ΑΝΝ με τη γραμμική φασματική ανάλυση μίξης εικόνας στο αστικό περιβάλλον]]

'''Αντικείμενο Εφαρμογής:''' Αδιαπέραστες επιφάνειες αστικών περιοχών

'''Πρωτότυπος Τίτλος:''' «Remote sensing of impervious surfaces in the urban areas: Requirements, methods,
and trends»

'''Συγγραφείς:''' Qihao Weng (Center for Urban and Environmental Change, Department of Earth and Environmental Systems, Indiana State University, Terre Haute, USA)

'''Πηγή:''' Elsevier, Remote Sensing of Urban Environments
[http://www.sciencedirect.com/science/article/pii/S0034425711002811]

'''Περίληψη:'''
Οι αδιαπέραστες επιφάνειες και η αναλογία διαπερατότητας/αδιαπερατότητας, είναι σημαντική για μια σειρά από ζητήματα και θέματα των περιβαλλοντικών επιστημών, της διαχείρισης των φυσικών πόρων αλλά και του αστικού σχεδιασμού. Σε αυτή τη μελέτη θα εξεταστούν οι ποικίλες προσεγγίσεις ψηφιακής τηλεπισκόπησης που χρησιμοποιούνται για την ανίχνευση και τον υπολογισμό των αδιαπέραστων επιφανειών. Η συζήτηση θα επικεντρωθεί κυρίως στα προαπαιτούμενα της χαρτογράφησης των αστικών αδιαπέραστων επιφανειών και ειδικότερα στην επίδραση που έχουν σε αυτή οι παράμετροι της χωρικής, γεωμετρικής, φασματικής και χρονικής ανάλυσης. Στηριζόμενοι την υπάρχουσα βιβλιογραφία, οι κυρίαρχες προσεγγίσεις είναι αυτές με βάση το εικονοστοιχείο, με βάση το υπο-εικονοστοιχείο, οι αντικειμενοστρεφείς αλγόριθμοι και τα τεχνητά νευρωνικά δίκτυα. Δυστυχώς δεν υπάρχουν αρκετές μελέτες που να ασχολούνται με τις φασματικές και γεωμετρικές ιδιότητες των αδιαπέρατων επιφανειών όπως επίσης και με την χρονική συχνότητα της χαρτογράφησής τους. Η κλίμακα των μελετών και κατά συνέπεια των αναπτυχθέντων μοντέλων και μεθόδων έχουν γίνει πάνω σε δεδομένα μεσαίας κλίμακας (10-100μ.), πράγμα που έχει αρχίσει να αλλάζει εξ' αιτίας των νέων τεχνολογιών δορυφορικών δεδομένων υψηλής χωρικής ανάλυσης.

'''Εισαγωγή - Στόχος:'''
Οι αδιαπέραστες επιφάνειες είναι ανθρωπογενείς κατασκευές και το βασικό τους χαρακτηριστικό είναι πως εμποδίζουν τη διείσδυση του νερού στο έδαφος. Είναι οι δρόμοι, τα πεζοδρόμια, οι χώροι στάθμευσης, οι στέγες και άλλα στοιχεία του δομημένου περιβάλλοντος. Είναι δείκτης του βαθμού αστικοποίησης αλλά και της ποιότητας του περιβάλλοντος.

Το μέγεθος, η θέση, η γεωμετρία τους, όπως επίσης και η αναλογία διαπερατότητας/αδιαπερατότητας έχουν σημαντικές υδρολογικές συνέπειες. Μεγάλες αδιαπέρατες επιφάνειες μπορούν να έχουν σημαντικές επιπτώσεις στην αναπλήρωση των υπόγειων υδάτων, στην ποιότητα των υδάτων των λεκανών απορροής αλλά και στους παρόχθιους οικοτόπους και υδροβιότοπους. Όσον αφορά στο ίδιο το αστικό περιβάλλον, οι επιπτώσεις έχουν να κάνουν με την αύξηση των πλημμυρών και των αισθητών ζεστών ρευμάτων.

'''Παλαιότερες και Σύγχρονες μέθοδοι παρατήρησης των αδιαπέραστων επιφανειών:'''
Πολλές τεχνικές έχουν εφαρμοστεί για την περιγραφή και ποσοτικοποίηση των αδιαπέραστων επιφανειών, χρησιμοποιώντας είτε μετρήσεις εδάφους είτε τηλεπισκοπικές μεθόδους. Για την χαρτογράφησή τους, αρχικά πραγματοποιούνταν ψηφιοποίηση των χαρτών ή φωτογραφιών, ενώ αργότερα η διαδικασία αυτοματοποιήθηκε και χρησιμοποιήθηκαν αλγόριθμοι για τη διάκριση των διάφορων χαρακτηριστικών των στοιχείων των εικόνων. Από τη δεκαετία του '70 και '80, η δορυφορική εικόνα άρχισε να κερδίζει έδαφος σε περιβαλλοντικές και άλλες μελέτες και χρησιμοποιήθηκε σε ερμηνευτικής φύσεως εφαρμογές, φασματικές και εφαρμογές μοντελοποίησης των αδιαπέραστων επιφανειών. Τη δεκαετία του '90, μειώθηκε αισθητά ο αριθμός των δημοσιεύσεων που αφορούν στην τηλεπισκόπηση των αδιαπέραστων επιφανειών και αυτό οφείλεται στην ανυπαρξία κατάλληλων αισθητήρων, ανεπτυγμένων μεθόδων ψηφιακής επεξεργασίας της εικόνας και της μειωμένης υπολογιστικής ισχύς, για το σκοπό αυτό. Τον 21ος αιώνας, με την εφεύρεση των εικόνων υψηλής ανάλυσης, ακόμη και κάτω των 5 μέτρων, και την ανάπτυξη στον τομέα της επεξεργασίας της εικόνας, έχει μετατρέψει τη μελέτη των αδιαπέραστων επιφανειών σε ένα ιδιαίτερα δυναμικό πεδίο μελέτης.

'''Χωρική Ανάλυση:'''
Η χωρική ανάλυση είναι συνάρτηση του ύψους του αισθητήρα, του μεγέθους του ανιχνευτή, του μεγέθους της εστίασης και των προδιαγραφών του συστήματος. Καθορίζει το επίπεδο της χωρική λεπτομέρεια που μπορεί να απεικονιστεί σε μια εικόνα και σχετίζεται με το μέγεθος του μικρότερου στοιχείου που μπορεί να ανιχνευθεί σ' αυτή. Βέβαια, υπάρχει δυνατότητα ανίχνευσης και μικρότερων στοιχείων εάν η ανακλαστικότητά τους κυριαρχεί στην υπάρχουσα ανάλυση ή εαν έχει ιδιαίτερο σχήμα. Γενικά, η όλη λογική της χωρικής ανάλυσης έγγυται στη διακριτότητα και ανιχνευσιμότητα των στοιχείων. Για τη διαχωρισιμότητα, εκτός από τη χωρική ανάλυση, απαιτείται και φασματική αντίθεση όπως επίσης και χαρακτηριστικό σχήμα.

Εκτιμάται πως η ανάλυση πρέπει να είναι τουλάχιστον το 1/2 της διαμέτρου του μικρότερου στοιχείου προς μελέτη. Οι δύο βασικοί τύποι αδιαπέραστων επιφανειών, τα κτίρια και οι δρόμοι, ανιχνεύονται με χωρική κλίμακα 0.25-0.5μ., ενώ η γραμμή ενός οδικού άξονα μπορεί να ανιχνευθεί και με κλίμακα των 1-10μ. Κατά τις δεκαετίες '80 και '90, οι μεσαίες κλίμακες χωρικής ανάλυσης (10-100μ.), όπως αυτές των δεδομένων των δορυφόρων Landsat και STOT, δεν χρησιμοποιούνταν ευρέως εξ' αιτίας του υψηλού τους κόστους. Σήμερα, μπορούμε να κάνουμε χρήση δεδομένων υψηλής ανάλυσης εξ' αιτίας της ύπαρξης δορυφόρων νέας τεχνολογίας όπως IKONOS και QuickBird. Σε αυτές τις εικόνες, το πρόβλημα του ανάμεικτου εικονοστοιχείου έχει περιοριστεί πολύ, ενώ νέα προβλήματα εμφανίζονται, όπως αυτό των σκιών και της φασματικής ποικιλίας μέσα στην ίδια κατηγορία χρήσης γης.

Γεωμετρικά Χαρακτηριστικά των Αστικών Στοιχείων

Η γεωμετρία των αστικών επιφανειών έχει σημαντικό αντίκτυπο στην ανάλυση τηλεπισκοπικών δεδομένων γενικά και στον υπολογισμό των αδιαπέραστων επιφανειών ειδικότερα. Δεδομένα υψηλής χωρικής ανάλυσης της εικόνας βοηθούν στην πιστότερη χαρτογράφηση των αστικών χαρακτηριστικών (π.χ., κτίρια, δρόμους και χώρους στάθμευσης) χρησιμοποιώντας αυτοματοποιημένες μεθόδους. Δεν παύουν να υπάρχουν βέβαια τα προβλήματα της σκιάς και παραμόρφωση της εικόνας, τα οποία δύναται να επηρεάσουν σημαντικά τα αποτελέσματα της αυτόματης ταυτοποίησης των αστικών στοιχείων.

Δεδομένα LiDAR χρησιμοποιούνται όλο και περισσότερο σε πολλές γεωχωρικές εφαρμογές λόγω της υψηλής ανάλυσης δεδομένων, του σύντομου χρόνου επεξεργασίας τους και του χαμηλού κόστους . Σε αντίθεση με άλλα τηλεπισκοπικά δεδομένα , τα δεδομένα LiDAR επικεντρώνονται αποκλειστικά στη γεωμετρία και όχι στη ραδιομετρία. Το σημαντικότερο πλεονέκτημα των δεδομένων αυτών είναι η ακριβής καταγραφή των υψομέτρων, πράγμα ιδιαίτερα σημαντικό για τον προσδιορισμό των κτηρίων. Επιπλέον, ορισμένοι ερευνητές έχουν χρησιμοποιήσει δεδομένα LiDAR σε συνδυασμό με οπτικά δεδομένα τηλεπισκόπησης, πράγμα που βελτίωσε τα αποτελέσματα κατάταξης των αδιαπέραστων επιφανειών από 2-25%.

Η ανίχνευση των κτιρίων αφορά τόσο το στοιχείο όσο και το πρότυπο αυτών. Ως εκ τούτου, εκτός από τα εικονικά δεδομένα υψηλής ανάλυσης, οι πολυφασματικές εικόνες έχουν πολλά να προσφέρουν, διότι η δυνατότητα πολλαπλής θέασης διευκολύνει την καλύτερη γεωμετρική ανασύσταση των κτιρίων-αντικειμένων, μειώνοντας το πρόβλημα της απόφραξης.

Τέλος, μια μεγάλη γκάμα μοντέλων και μεθόδων έχει αναπτυχθεί για την ανίχνευση κτιρίων. Οι περισσότεροι αλγόριθμοι ανίχνευσης χρησιμοποιούν τεχνικές με βάση την ακμή, οι οποίες ανιχνεύουν γραμμικά στοιχεία και οριζόντιες οροφές, σχηματίζοντας παραλληλόγραμμες δομές. Κατ' ουσίαν, η τεχνική αυτή εκμεταλλεύεται τις γεωμετρικές ιδιότητες των κτιρίων, σε αντίθεση με άλλες που ασχολούνται με τις ιδιότητες και τα χαρακτηριστικά της εικόνας σε διάφορες κλίμακες. Μια τέτοια τεχνική χρησιμοποιούν οι αλγόριθμοι μίξης εικόνας, επεξεργάζοντας δεδομένα από πανχρωματικές και πολυφασματικές εικόνες.

'''Φασματική Ανάλυση:'''
Χαρτογραφώντας τα τρία βασικά στοιχεία της επιφάνειας της γης, πρέπει να λάβουμε υπ' όψιν τα φασματικά χαρακτηριστικά όπως ο αριθμός των φασματικών καναλιών, την τοποθεσία τους στο φάσμα και το εύρος τους.
Ένας μεγάλος αριθμός φασματικών καναλιών δίνει τη δυνατότητα άντλησης λεπτομερούς πληροφορίας σχετικά με τη φύση και τις ιδιότητες του εκάστοτε υλικού επί εδάφους, αλλά ταυτόχρονα συνεπάγεται και αύξηση της δυσκολίας της επεξεργασίας εικόνας και δημιουργία ενός μεγάλου πλεονάσματος δεδομένων.

Η αύξηση του αριθμού των φασματικών ζωνών μπορεί να βελτιώσει την ακρίβεια της ταξινόμησης των υλικών μόνο όταν αυτές οι μπάντες είναι χρήσιμες στη διάκρισή τους. Η χαρτογράφηση της κάλυψης γης πρέπει να λαμβάνει υπ' όψιν την ενδοκατηγοριακή μεταβλητότητα και τη φασματική διακρισιμότητα των κατηγοριών. Κι αυτό επειδή δύο διαφορετικές κατηγορίες, για παράδειγμα η άσφαλτος και οι οροφές των κτιρίων μπορεί να αποτελούνται από παρόμοια υλικά. Αλλά και πάλι, η ανάλυση των κατηγοριών κάλυψης γης θα ήταν αδύνατη μόνο με τη χρήση φασματικών πληροφοριών. Είναι απαραίτητες επιπρόσθετες πληροφορίες, όπως χωρικά δεδομένα και πληροφορίες της υφής και του περιβάλλοντα χώρου για την αποτελεσματική κατηγοριοποίηση των χρήσεων γης σε αστικές περιοχές.

Η Τεχνική του Γραμμικού Φασματικού Μίγματος Ανάλυσης (LSMA) έχει χρησιμοποιηθεί ευρέως για την καταγραφή των αδιαπέραστων επιφανειών. LSMA είναι μια αιτιοκρατική μέθοδος μοντελοποίησης που αποσυνθέτει το σήμα ενός εικονοστοιχείου στα συστατικά του μέρη που ονομάζονται τερματικά μέλη. Τα τελευταία θεωρούνται αναγνωρίσιμες επιφάνειες υλικών που έχουν όμοιες φασματικές ιδιότητες σε όλη την εικόνα.

Παρ' όλα αυτά, τόσο η χωρική, όσο και η φασματική ανάλυση θεωρείται ιδιαίτερα χοντροειδής για την χρήση τους στα αστικά περιβάλλοντα, ενώ στη σύγκριση μεταξύ τους, ορισμένοι ερευνητές υποστηρίζουν πως η χωρική ανάλυση είναι πιο σημαντική από τη φασματική.

'''Χρονική Ανάλυση:'''
Η χρονική ανάλυση αναφέρεται στον χρόνο που χρειάζεται για έναν αισθητήρα να επιστρέψει σε μία θέση που απεικονίστηκε σε προηγούμενο χρόνο, ευρέως γνωστό και ως συχνότητα λήψεως δύο διαδοχικών εικόνων. Ορισμένοι ερευνητές προτείνουν την καταγραφή κάθε 1-5 χρόνια, ενώ άλλοι 1-2 χρόνια.

Χρονικές διαφορές μεταξύ των τηλεπισκοπικών απεικονίσεων δεν είναι αποτέλεσμα μόνο των αλλαγών των φασματικών ιδιοτήτων των αντικειμένων της επιφάνειας της Γης αλλά μπορεί να προέρχονται από ατμοσφαιρικές διαφορές και αλλαγές της θέσης του ήλιου κατά τη διάρκεια της μέρας ή του χρόνου. Η χρονική ανάλυση είναι πολύ σημαντική για την επισκόπηση της βλάστησης και πώς οι εποχιακές αλλαγές της επηρεάζουν την ανίχνευση των αδιαπέραστων επιφανειών. Επιπλέον, η τροχιά των δορυφόρων μπορεί να συμπίπτει με ύπαρξη σύννεφων ή κακών καιρικών συνθηκών. Αυτό έχει εφαρμογή ιδιαίτερα στις τροπικές και παράκτιες περιοχές.

'''Σημαντικές μεθόδοι για τον υπολογισμό και τη χαρτογράφηση των αδιαπέραστων επιφανειών:'''
Σύμφωνα με τη βιβλιογραφία, η χωρική ανάλυση των εικόνων παίζει καθοριστικό ρόλο στην επιλογή της κατάλληλης μεθόδου επεξεργασίας.

Εξ' αιτίας της σημαντικής επίδρασης που έχει η βλάστηση στην καταγραφή των αδιαπέραστων επιφανειών, ο Δείκτης Κανονικοποιημένης Διαφοράς Βλάστησης (NDVI) μπορεί να χρησιμοποιηθεί για να αντιπροσωπεύσει την κατανομή της. Οι αδιαπέραστες επιφάνειες υπολογίζονται με βάση : (1) του κλάσματος συμπληρωματικότητας της βλάστησης ή (2) τα μοντέλα παλινδρόμησης με δείκτες βλάστησης. Οι Yang et al. επέκτειναν το μοντέλο παλινδρόμησης αναπτύσσοντας τον αλγόριθμο δέντρου ταξινόμησης και παλινδρόμησης, το οποίο, χρησιμοποιώντας εικόνες μεγάλης ανάλυσης, δημιούργησε μοντέλα πρόβλεψης του ποσοστού αδιαπερατότητας των υπο-εικονοστειχείων, σε μεγάλες περιοχές, βασισμένα σε κανόνες. Το πλεονέκτημα της μεθόδου αυτής είναι η απλοποίηση πολύπλοκων, μη-γραμμικών σχέσεων μεταξύ των μεταβλητών-προβλέψεων και των μεταβλητών-στόχων, σε μια γραμμική σχέση και την αποδοχή συνεχόμενων και διακριτών μεταβλητών σαν δεδομένα για την πρόβλεψη των συνεχών μεταβλητών.

Όπως αναφέρθηκε νωρίτερα, η μέθοδος LSMA έχει ευρεία εφαρμογή διότι είναι αποτελεσματική στη διαχείριση του προβλήματος της φασματικής ανάμειξης. Το βασικό της μειονέκτημα όμως είναι η υπερεκτίμηση των αδιαπέραστων επιφανειών σε περιοχές όπου αυτά βρίσκονται σε μικρή συγκέντρωση και την υποτίμησή τους όταν βρίσκονται σε αφθονία. Σε γενικές γραμμές, οι αστικές περιοχές έχουν διαφορετικά αδιαπέραστα υλικά από άποψη τύπου, γεωμετρίας και ποσότητας. Για τον λόγο αυτό, το να βρεθεί ένα τερματικό μέλος που θα αντιπροσωπεύει όλα τα αδιαπέραστα υλικά είναι μάλλον προβληματικό. Οι Lu και Weng πρότειναν τρεις προσεγγίσεις για να ξεπεραστεί το πρόβλημα αυτό: (1) στρωματοποίηση, (2) πολλαπλά τερματικά μέλη και (3) χρήση υπερφασματικών εικόνων.

Η Ταξινόμηση Εικόνας είναι μια πολύ διαδεδομένη τεχνική για την ανίχνευση αδιαπέραστων επιφανειών, αλλά δυστυχώς τα αποτελέσματα δεν είναι τόσο ικανοποιητικά εξ'αιτίας της μεγάλης κλίμακας των εικόνων και την ποικιλομορφία των χαρακτηριστικών του αστικού ιστού. Δεδομένα μικρής κλίμακας εκτώς των άλλων πλεονεκτημάτων τους, όπως το να ξεχωρίζουν τις σκούρες αδιαπέραστες επιφάνειες με τις σκιασμένες και το στοιχείο του νερού, περιορίζουν και το πρόβλημα των μεικτών εικονοστοιχείων. Συγκρίνοντας τα αποτελέσματα της Ταξινόμησης Μέγιστης Πιθανότητας (ISODATA) και του αλγόριθμου ταξινόμησης στη βάση κανόνων, βρέθηκε πως η πρώτη απέδωσε μεγαλύτερη ακρίβεια απ' τη δεύτερη.

'''Η διαμάχη μεταξύ της ανα εικονοστοιχείο ή ανα υπο-εικονοστοιχείο λογικής:'''
Τα μοντέλα κατηγοριοποίησης ανά εικονοστοιχείο μπορούν να είναι είτε παραμετρικοί ταξινομητές, είτε μη-παραμετρικοί. Οι τελευταίοι είναι ιδιαίτερα χρήσιμοι στις περιπτώσεις ενσωμάτωσης μη-φασματικών δεδομένων στη διαδικασία ταξινόμησης. Μάλιστα, πολλές μελέτες έχουν υποστηρίξει πως οι μη-παραμετρικοί ταξινομητές δίνουν καλύτερα αποτελέσματα σε εφαρμογές με πολύπλοκα τοπία.

Οι ταξινόμηση ανα εικονοστοιχείο, κατά την οποία κάθε εικονοστοιχείο εκχωρείται σε μια κατηγορία, επικρατεί στην υπάρχουσα βιβλιογραφία. Αυτού του είδους η ταξινόμηση ονομάζεται και "σκληρή" ταξινόμηση. Το μεικτό εικονοστοιχείο παραμένει ως το μεγαλύτερο πρόβλημα, επιρρεάζοντας σημαντικά την αποτελεσματικότητα της ταξινόμησης αυτής. Για τον λόγο αυτό, οι Ridd (1995) και Mather (1999) προτείνουν τη λογική της αναγνώρισης/περιγραφής ποσοτικοποίησης αντί της ταξινόμησης για περιβάλλοντα με μεγάλη ετερογένεια. Πιο συγκεκριμένα ο Ridd (1995) πρότεινε το σχήμα βλάστηση-αδιαπέραστες επιφάνειες-έδαφος (V-I-S), υποστηρίζοντας πως η αστική γη είναι ένας γραμμικός συνδυασμός των τριών αυτών στοιχείων.

'''Τεχνητό Νευρωνικό Δίκτυο (ANN):'''
Τα Τεχνιτά Νευρωνικά Δίκτυα έχουν χρησιμοποιηθεί αρκετά στην τηλεπισκόπηση αδιαπέραστων επιφανειών. Συγκεκριμένα χρησιμοποιούνται στη διαδικασία της ταξινόμησης τόσο της ανα εικονοστοιχείο όσο και της ανα υπο-εικονοστοιχείο, με περισσότερη έμφαση στο πρώτο. Τα πλεονεκτήματά τους είναι η διαλεύκανση των μη-γραμμικών σχέσεων, η ενσωμάτωση της εκ των προτέρων γνώσης και διαφορετικών τύπων δεδομένων. Ο Πίνακας 1 μας δίνει μια περίληψη των χαρακτηριστικών, των δυνατοτήτων και των περιορισμών δύο τεχνικών ΑΝΝ.

Έχει επίσης αποδειχθεί πως το μοντέλο ΑΝΝ συμβάλει στη βελτίωση της χαρτογράφησης των αδιαπέραστων επιφανειών κατά 1% για δεδομένα ASTER και 2% για δεδομένα Landsat ETM+. Η Εικόνα 1 δείχνει ότι το μοντέλο ΑΝΝ οριοθετεί ένα πιο καθαρό πρότυπο των αδιαπέραστων επιφανειών απ' ότι το μοντέλο LSMA σε περιοχές κατοικίας, όπου και το μεικτό εικονοστοιχείο κυριαρχεί.

'''Ανάλυση Εικόνας με βάση το Αντικέιμενο (ΟΒΙΑ) :'''
Η τεχνική αυτή χρησιμοποιείται όλο και περισσότερο εξ' αιτίας της εφεύρεσης των δορυφορικών εικόνων υψηλής ανάλυσης και της χρήσης εμπορικού λογισμικού επεξεργασίας εικόνας. Αναφέρθηκε προηγουμένως πως οι τεχνικές τμηματοποίησης δεν βρίσκουν καλή εφαρμογή σε φασματικά σύνθετα περιβάλλοντα όπως αυτά των πόλεων. Η ΟΒΙΑ τεχνική χρησιμοποιεί εκτός από τις φασματικές ιδιότητες των αντικειμένων και τα χαρακτηριστικά του σχήματος, της υφής, της γειτνίασης σε επίπεδο υπερ-εικονοστοιχείου και υπο-εικονοστοιχείου, με αποτέλεσμα την ιδιαίτερα επιτυχημένη εφαρμογή της.

Επιπλέον, τα δεδομένα LiDAR συνδυάζονται άριστα με την τεχνική αυτή. Λόγω των χαρακτηριστικών των δεδομένων LiDAR στη γεωμετρία, η συνδυαστική τους χρήση δίνει μεγάλες δυνατότητες στην ανίχνευση και διάκριση των κτιρίων και δρόμων στις αστικές περιοχές.

'''Η Τεχνική της Μίξης Εικόνας και Δεδομένων:'''
Η τεχνική αυτή βρίσκει εφαρμογές στο πάντρεμα δεδομένων που προέρχονται από διαφορετικούς αισθητήρες, περιοχές μήκους κύματος και χωρική, χρονική και φασματική ανάλυση. Οι μέθοδοι αυτοί χωρίζονται σε τέσσερις βασικές κατηγορίες: στατιστικής, ασαφούς λογικής, αποδεικτικής συλλογιστικής και νευρωνικών δικτύων. Εδώ, αποδεικνύεται η αποτελεσματικότητα της μεθόδου στη μείωση της υποτίμησης των αδιαπέραστων επιφανειών στις ανεπτυγμένες περιοχές και την υπερεκτίμησή τους στις λιγότερο ανεπτυγμένες.

'''Η Τεχνική των Έμπειρων Συστημάτων:'''
Το πρώτο βήμα για την εφαρμογή των Έμπειρων Συστημάτων είναι η ανάπτυξη των κανόνων στους οποίους θα βασιστούν ή η δημιουργία μιας μεθόδου ταξινόμησης βασισμένη στην καταγεγραμμένη εμπειρία. Η μέθοδος αυτή είναι ιδιαίτερα ικανοποιητική όταν απαιτείται ο συνδυασμός πολλών δεδομένων όπως δορυφορικές εικόνες και δεδομένα GIS. Έχει χρησιμοποιηθεί αποτελεσματικά στη βελτίωση της ταξινόμησης δεδομένων Landsat ETM+, σε αστικές περιοχές, αυξάνοντας την ακρίβεια κατά 8.5%.

'''Ταξινόμηση Περιβάλλοντος:'''
Οι ταξινομητές αυτοί χρησιμοποιούν τη χωρική πληροφορία των γειτονικών εικονοστοιχείων ώστε να βελτιώσουν τα αποτελέσματα της ταξινόμησης. Βασίζονται κυρίως στην τεχνική της εξομάλυνσης, στην τεχνική τυχαίων πεδίων Markov, σε στατιστικές του χώρου, στη λογική της μίξης, στην τμηματοποίηση και στα νευρωνικά δίκτυα. Το πιο συνηθισμένο πρόβλημα που καλούνται να λύσουν είναι αυτό της φασματικής διακύμανσης της ίδιας κατηγορίας. Συγκεκριμένα για τις αδιαπέραστες επιφάνειες, οι Ταξινομητές Περιβάλλοντος σκοπό έχουν να βελτιώσουν τη διακρισιμότητα των τύπων LULC (ξηρά εδάφη, μη φωτοσυνθετική βλάστηση και ελεύθερο έδαφος με λίγη βλάστηση).

'''Συμπεράσματα:'''
Η μέχρι σήμερα αρθρογραφία για την τηλεπισκόπηση των αδιαπέραστων επιφανειών, τις αναγνωρίζει μόνο ως κατηγορία υλικού, κάλυψη ή χρήση γης. Η έρευνα κατευθύνθηκε προς τρεις άξονες:
• Αλγόριθμοι υπο-εικονοστοιχείων που εφαρμόστηκαν σε μέτριας ανάλυσης δεδομένα.
• Αλγόριθμοι ανα-εικονοστοιχείο που εφαρμόστηκαν σε όλες τις χωρικές αναλύσεις για την ταξινόμηση των αδιαπέραστων επιφανειών σε κατηγορίες κάλυψης/χρήσης γης.
• Μέθοδοι ανίχνευσης χαρακτηριστικών που εφαρμόστηκαν σε εικόνες υψηλής χωρικής ανάλυσης και δεδομένα LiDAR για την ανίχνευση δρόμων και κτιρίων (έμμεσα χαρακτηρίζουν τις αδιαπέραστες επιφάνειες ως κατηγορία κάλυψης/χρήσης γης).

Επίσης, ελάχιστη έρευνα έχει γίνει πάνω στις διαφορετικές φασματικές ιδιότητες και απαιτήσεις των αδιαπέραστων επιφανειών. Το ίδιο συνέβη και με τα γεωμετρικά χαρακτηριστικά αυτών. Πιο παραμελημένη είναι η χρονική ανάλυση των εικόνων και το πώς αυτή σχετίζεται με τη φασματική ανάλυση, τη χωρική και τα γεωμετρικά χαρακτηριστικά των στοιχείων και αντικειμένων του αστικού περιβάλλοντος.

Τέλος, οι περισσότερες μελέτες τηλεπισκόπησης αδιαπέραστων επιφανειών έγιναν με τη χρήση εικόνων μέτριας ανάλυσης, πράγμα που σημαίνει πως όλοι οι αλγόριθμοι και οι τεχνικές που αναπτύχθηκαν προσανατολίστηκαν σ' αυτή τη χωρική ανάλυση εικόνας. Σήμερα, με την εμφάνιση των εικόνων υψηλής ανάλυσης και των δεδομένων LiDAR, ανοίγονται καινούργιες δυνατότητες. Συγκεκριμένα, αναπτύσσονται τρεις τάσεις:
• Εφαρμογή πιο αποτελεσματικών μοντέλων ΑΝΝ και Έμπειρων Συστημάτων για την ανάλυση χαρακτηριστικών και την εξαγωγή πληροφοριών.
• Ανάλυση εικόνας βασισμένης στα αντικείμενα.
• Βελτιωμένη χαρτογράφηση αστικών περιοχών μέσω της μίξης εικόνων και δεδομένων διαφορετικών φασματικών, χωρικών και χρονικών αναλύσεων.

'''Αναφορές:'''

Adams, J. B., Smith, M. O., & Johnson, P. E. (1986). Spectral mixture modeling: A new analysis of road and soil types at the Viking Lander site. Journal of Geophysical Research, 91, 8098–8112.

Amini, J., Saradjian, M. R., Blais, J. A. R., & Azizi, A. (2002). Automatic road-side extraction from large scale image maps. International Journal of Applied Earth Observation and Geoinformation, 4(2), 96–98.

Arnold, C. L., Jr., & Gibbons, C. J. (1996). Impervious surface coverage: The emergence of a key environmental indicator. Journal of theAmerican Planning Association, 62, 243–258.
Atkinson, P. M., & Tatnall, A. R. L. (1997). Neural networks in remote sensing. International Journal of Remote Sensing, 18, 699–709.

Bagheri, S., & Yu, T. (2008). Hyperspectral sensing for assessing nearshore water quality conditions of Hudson/Raritan estuary. Journal of Environmental Informatics, 11(2), 123–130.

Ban, Y. (2003). Synergy of multitemporal ERS-1 SAR and Landsat TM data for classification of agricultural crops. Canadian Journal of Remote Sensing, 29, 518–526.

Bauer, M. E., Heinert, N. J., Doyle, J. K., & Yuan, F. (2004). Impervious surface mapping and change monitoring using Landsat remote sensing. ASPRS Annual Conference Proceedings, Denver, Colorado, May 2004 (Unpaginated CD ROM).

Bauer, M. E., Loffelholz, B. C., & Wilson, B. (2007). Estimating and mapping impervious surface area by regression analysis of Landsat imagery. In Q. Weng (Ed.), Remote sensing of impervious surfaces (pp. 3–19). Boca Raton, Florida: CRC Press.

Ben-Dor, E., Levin, N., & Saaroni, H. (2001). A spectral based recognition of the urban environment using the visible and near-infrared spectral region (0.4–1.1 m)— A case study over Tel-Aviv. International Journal of Remote Sensing, 22(11), 2193–2218.

Benediktsson, J. A., & Kanellopoulos, I. (1999). Classification of multisource and hyperspectral data based on decision fusion. IEEE Transactions on Geoscience and Remote Sensing, 37, 1367–1377.

Benediktsson, J. A., Sveinsson, J. R., & Arnason, K. (1995). Classification and feature extraction of AVIRIS data. IEEE Transactions on Geoscience and Remote Sensing, 33, 1194–1205.

Benz, U. C., Hofmann, P., Willhauck, G., Lingenfelder, I., & Heynen, M. (2004). Multiresolution, object-oriented fuzzy analysis of remote sensing data for GIS-ready information. ISPRS Journal of Photogrammetry and Remote Sensing, 58, 239–258.

Binaghi, E., Madella, P., Montesano, M. G., & Rampini, A. (1997). Fuzzy contextual classification of multisource remote sensing images. IEEE Transactions on Geoscience and Remote Sensing, 35, 326–339.

Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing, 65, 2–16.

Bloch, I. (1996). Information combination operators for data fusion: a comparative review with classification. IEEE Transactions on Systems, Man, and Cybernetics, 26, 52–67.

Boardman, J. W. (1993). Automated spectral unmixing of AVIRIS data using convex geometry concepts. Summaries of the Fourth JPL Airborne Geoscience Workshop, JPL Publication 93–26 (pp. 11–14). Pasadena, California: NASA Jet Propulsion Laboratory.

Boardman, J. M., Kruse, F. A., & Green, R. O. (1995). Mapping target signature via partial unmixing of AVIRIS data. Summaries of the Fifth JPL Airborne Earth Science Workshop, JPL Publication 95–1 (pp. 23–26). Pasadena, California: NASA Jet Propulsion Laboratory.

Boegh, E., Poulsen, R. N., Butts, M., Abrahamsen, P., Dellwik, E., Hansen, S., et al. (2009). Remote sensing based evapotranspiration and runoff modeling of agricultural, forest and urban flux sites in Denmark: From field to macro-scale. Journal of Hydrology, 377(3–4), 300–316.

Brabec, E., Schulte, S., & Richards, P. L. (2002). Impervious surface and water quality: A review of current literature and its implications for watershed planning. Journal of Planning Literature, 16, 499–514.

Braun, C., Kolbe, T. H., Lang, F., Schickler, W., Cremers, A. B., Forstner, W., et al. (1995). Models for photogrammetric building reconstruction. Computer and Graphics, 19(1), 109–118.

Brennan, R., & Webster, T. L. (2006). Object-oriented land cover classification of LiDARderived surfaces. Canadian Journal of Remote Sensing, 32(2), 162–172.

Brun, S. E., & Band, L. E. (2000). Simulating runoff behavior in an urbanizing watershed. Computers, Environment and Urban Systems, 24, 5–22.

Cablk, M. E., & Minor, T. B. (2003). Detecting and discriminating impervious cover with high resolution IKONOS data using principal component analysis and morphological operators. International
Journal of Remote Sensing, 24, 4627–4645.

Carlson, T. N. (2004). Analysis and prediction of surface runoff in an urbanizing watershed using satellite imagery. Journal of the American Water Resources Association, 40(4), 1087–1098.

Carlson, T. N., & Arthur, S. T. (2000). The impact of land use–land cover changes due to urbanization on surface microclimate and hydrology: A satellite perspective. Global and Planetary Change, 25, 49–65.

Carlson, T. N., & Ripley, A. J. (1997). On the relationship between fractional vegetation cover, leaf area index and NDVI. Remote Sensing of Environment, 62, 241–252.

Chabaeva, A. A., Civco, D. L., & Prisloe, S. (2004). Development of a population density and land use based regression model to calculate the amount of imperviousness. ASPRS Annual Conference Proceedings, Denver, Colorado, May 2004 (Unpaginated CD ROM).

Chen, D., & Stow, D. A. (2003). Strategies for integrating information from multiple spatial resolutions into land-use/land-cover classification routines. Photogrammetric Engineering and Remote Sensing, 69, 1279–1287.

Chen, K. S., Tzeng, Y. C., Chen, C. F., & Kao, W. L. (1995). Land-cover classification of multispectral imagery using a dynamic learning neural network. Photogrammetric Engineering and Remote Sensing, 61(4), 403–408.

Chormanski, J., Voorde, T. V. d., Roeck, T. D., Batelaan, O., & Canters, F. (2008). Improving distributed runoff prediction in urbanized catchments with remote sensing based estimates of impervious surface cover. Sensors, 8, 910–932.

Civco, D. L. (1993). Artificial neural networks for land-cover classification and mapping. International Journal of Geographical Information Systems, 7(2), 173–186.

Civco, D. L.,Hurd, J. D.,Wilson, E. H., Arnold, C. L.,& Prisloe, M. P., Jr. (2002).Quantifying and describing urbanizing landscapes in the northeast United States. Photogrammetric Engineering and Remote Sensing, 68(10), 1083–1090.

Clode, S., Kootsookos, P., & Rottensteiner, F. (2004). The automatic extraction of roads from LIDAR data. International Archives of Photogrammetry, Remote Sensing and Spatial Information Science, Vol. XXXV-B3, 231–236.

Clode, S., Kootsookos, P., & Rottensteiner, F. (2005). Improving city model determination by using road detection from Lidar data. In U. Stilla, F. Rottensteiner, & S. Hinz (Eds.), CMRT05. IAPRS, Vol. XXXVI, Part 3/W24 (pp. 159–164). Vienna, Austria, August 29–30, 2005.

Clode, S., Rottensteinerb, F., Kootsookosc, P., & Zelniker, E. (2007). Detection and vectorization of roads from LiDAR data. Photogrammetric Engineering and Remote Sensing, 73(5), 517–535.

Cortijo, F. J., & de la Blanca, N. P. (1998). Improving classical contextual classification. International Journal of Remote Sensing, 19, 1591–1613.

Cracknell, A. P. (1998). Synergy in remote sensing — What's in a pixel? International Journal of Remote Sensing, 19, 2025–2047.

Cracknell, A. P. (1999). Twenty years of publication of the International Journal of Remote Sensing. International Journal of Remote Sensing, 20, 3469–3484.

Cushnie, J. L. (1987). The interactive effect of spatial resolution and degree of internal variability within land-cover types on classification accuracies. International Journal of Remote Sensing, 8, 15–29.

Dare, P. M. (2005). Shadow analysis in high-resolution satellite imagery of urban areas. Photogrammetric Engineering and Remote Sensing, 71, 169–177.

DeFries, R. S., & Chan, J. C. (2000). Multiple criteria for evaluating machine learning algorithms for land cover classification from satellite data. Remote Sensing of Environment, 74, 503–515.

Dougherty, M., Dymond, R. L., Goetz, S. J., Jantz, C. A., & Goulet, N. (2004). Evaluation of impervious surface estimates in a rapidly urbanizing watershed. Photogrammetric Engineering and Remote Sensing, 70, 1275–1284.

Elberink, S. O., & Vosselman, G. (2009). 3D information extraction from laser point clouds covering complex road junctions. The Photogrammetric Record, 24(125), 23–36.

Elmore, A. J., & Guinn, S. M. (2010). Synergistic use of Landsat Multispectral Scanner with GIRAS land-cover data to retrieve impervious surface area for the Potomac River Basin in 1975. Remote Sensing of Environment, 114, 2384–2391.

Elvidge, C., Tuttle, B. T., Sutton, P. C., Baugh, K. E., Howard, A. T., Milesi, C., et al. (2007). Global distribution and density of constructed impervious surfaces. Sensors, 7, 1962–1979.

Epstein, J., Payne, K., & Kramer, E. (2002). Techniques for mapping suburban sprawl. Photogrammetric Engineering and Remote Sensing, 68, 913–918.

Filin, S. (2004). Surface classification from airborne laser scanning data. Computers and Geosciences, 30(9–10), 1033–1041.
Fisher, P. (1997). The pixel: A snare and a delusion. International Journal of Remote Sensing, 18, 679–685.

Flanagan, M., & Civco, D. L. (2001). Subpixel impervious surface mapping. ASPRS Annual Conference Proceedings, St. Louis, Missouri, April 2001 (Unpaginated CD ROM).

Flygare, A. -M. (1997). A comparison of contextual classification methods using Landsat TM. International Journal of Remote Sensing, 18, 3835–3842.

Foody, G. M. (1999). Image classification with a neural network: from completely-crisp to fully-fuzzy situation. In P. M. Atkinson, & N. J. Tate (Eds.), Advances in Remote Sensing and GIS Analysis (pp. 17–37). New York: John Wiley and Sons.

Foody, G. M., & Arora, M. K. (1997). An evaluation of some factors affecting the accuracy of classification by an artificial neural network. International Journal of Remote Sensing, 18, 799–810.

Foody, G. M., Lucas, R. M., Curran, P. J., & Honzak, M. (1997). Non-linear mixture modelling without end-members using an artificial neural network. International Journal of Remote Sensing, 18, 937–953.

Foody, G. M., McCulloch, M. B., & Yates, W. B. (1995). Classification of remotely sensed data by an artificial neural network: Issues related to training data characteristics. Photogrammetric Engineering and Remote Sensing, 61, 391–401.

Forlani, G., Nardinocchi, C., Scaioni, M., & Zingaretti, P. (2006). Complete classification of raw LIDAR data and 3D reconstruction of buildings. Pattern Analysis and Applications, 8(4), 357–374.

Franke, J., Roberts, D. A., Halligan, K., & Menz, G. (2009). Hierarchical Multiple Endmember Spectral Mixture Analysis (MESMA) of hyperspectral imagery for urban environments. Remote Sensing of Environment, 113, 1712–1723.

Gamba, P., & Herold, M. (2009). Global mapping of human settlements: Experiences, datasets, and prospects. Boca Raton, FL: CRC Press.

Gillies, R. R., Box, J. B., Symanzik, J., & Rodemaker, E. J. (2003). Effects of urbanization on the aquatic fauna of the Line Creek watershed, Atlanta — A satellite perspective. Remote Sensing of Environment, 86, 411–422.

Gillies, R. R., Carlson, T. N., Cui, J., Kustas,W. P., & Humes, K. S. (1997). A verification of the ‘triangle’ method for obtaining surface soil water content and energy fluxes from remote measurements of the normalized difference vegetation index (NDVI) and surface temperature. International Journal of Remote Sensing, 18, 3145–3166.

Gitas, I. Z., Mitri, G. H., & Ventura, G. (2004). Object-based image classification for burned area mapping of Creus Cape Spain, using NOAA-AVHRR imagery. Remote Sensing of Environment, 92, 409–413.

Goetz, S. J., Wright, R. K., Smith, A. J., Zinecker, E., & Schaub, E. (2003). IKONOS imagery for resource management: Tree cover, impervious surfaces, and riparian buffer analyses in the mid-Atlantic region. Remote Sensing of Environment, 88, 195–208.

Gong, P. (1994). Integrated analysis of spatial data from multiple sources: An overview. Canadian Journal of Remote Sensing, 20, 349–359.
Gong, P., & Howarth, P. J. (1990). The use of structure information for improving landcover classification accuracies at the rural–urban fringe. Photogrammetric Engineering and Remote Sensing, 56(1), 67–73.

Gong, P., & Howarth, P. J. (1992). Frequency-based contextual classification and graylevel vector reduction for land-use identification. Photogrammetric Engineering and Remote Sensing, 58(4), 423–437.

Haack, B. N., Solomon, E. K., Bechdol, M. A., & Herold, N. D. (2002). Radar and optical data comparison/integration for urban delineation: A case study. Photogrammetric Engineering and Remote Sensing, 68, 1289–1296.

Heiden, U., Segl, K., Roessner, S., & Kaufmann, H. (2007). Determination of robust spectral features for identification of urban surface materials in hyperspectral remote sensing data. Remote Sensing of Environment, 111, 537–552.

Henricsson, O. (1998). The role of color attributes and similarity grouping in 3-D building reconstruction. Computer Vision and Image Understanding, 72(2), 163–184.

Hepner, G. F., Houshmand, B., Kulikov, I., & Bryant, N. (1998). Investigation of the integration of AVIRIS and IFSAR for urban analysis. Photogrammetric Engineering and Remote Sensing, 64(8), 813–820.

Herold, M. (2007). Spectral characteristics of asphalt road surfaces. In Q. Weng (Ed.), Remote Sensing of Impervious Surfaces (pp. 237–247). Boca Raton, Florida: CRC Press.

Herold, M., Liu, X., & Clark, K. C. (2003). Spatial metrics and image texture for mapping urban land use. Photogrammetric Engineering and Remote Sensing, 69(9), 991–1001.

Herold, M., Schiefer, S., Hostert, P., & Roberts, D. A. (2006). Applying imaging spectrometry in urban areas. In Q. Weng, & D. Quattrochi (Eds.), Urban Remote Sensing (pp. 137–161). Boca Raton, FL: CRC Press.

Hinton, J. C. (1996). GIS and remote sensing integration for environmental applications. International Journal of Geographic Information Systems, 10(7), 877–890.

Hodgson, M. E. (1998). What size window for image classification? — A cognitive perspective. Photogrammetric Engineering and Remote Sensing, 64, 797–808.

Hodgson, M. E., Jensen, J. R., Tullis, J. A., Riordan, K. D., & Archer, C. M. (2003). Synergistic use of Lidar and color aerial photography for mapping urban parcel imperviousness. Photogrammetric Engineering and Remote Sensing, 69, 973–980.

Hoffbeck, J. P., & Landgrebe, D. A. (1996). Classification of remote sensing having high spectral resolution images. Remote Sensing of Environment, 57, 119–126.

Hsieh, P. -F., Lee, L. C., & Chen, N. -Y. (2001). Effect of spatial resolution on classification errors of pure and mixed pixels in remote sensing. IEEE Transactions on Geoscience and Remote Sensing, 39, 2657–2663.

Hu, J., Razdan, A., Femiani, J., Cui, M., & Wonka, P. (2007). Road network extraction and intersection detection from aerial images by tracking road footprints. IEEE Transactions on Geoscience and Remote Sensing, 45(12), 4144–4157.

Hu, X., & Weng, Q. (2009). Estimating impervious surfaces from medium spatial resolution imagery using the self-organizing map and multi-layer perceptron neural networks. Remote Sensing of Environment, 113(10), 2089–2102.

Hu, X., &Weng, Q. (2011). Impervious surface area extraction fromIKONOS imagery using an object-based fuzzy method. Geocarto International, 26(1), 3–20.

Huang, X., & Jensen, J. R. (1997). A machine-learning approach to automated knowledge-base building for remote sensing image analysis with GIS data. Photogrammetric Engineering and Remote Sensing, 63, 1185–1194.

Hung, M., & Ridd, M. K. (2002). A subpixel classifier for urban land-cover mapping based on a maximum-likelihood approach and expert system rules. Photogrammetric Engineering and Remote Sensing, 68, 1173–1180.

Hurd, J. D., & Civco, D. L. (2004). Temporal characterization of impervious surfaces for the State of Connecticut. ASPRS Annual Conference Proceedings, Denver, Colorado, May 2004 (Unpaginated CD ROM).
Irons, J. R., Markham, B. L., Nelson, R. F., Toll, D. L., Williams, D. L., Latty, R. S., et al. (1985). The effects of spatial resolution on the classification of Thematic Mapper data. International Journal of Remote Sensing, 6, 1385–1403.

Jennings, D. B., Jarnagin, S. T., & Ebert, C. W. (2004). A modeling approach for estimating watershed impervious surface area from national land cover data 92. Photogrammetric Engineering and Remote Sensing, 70, 1295–1307.

Jensen, J. R. (2005). Introductory digital image processing: A remote sensing perspective (Third Edition). Upper Saddle River, NJ: Prentice Hall.

Jensen, J. R., & Cowen, D. C. (1999). Remote sensing of urban/suburban infrastructure and socioeconomic attributes. Photogrammetric Engineering andRemote Sensing, 65, 611–622.

Ji, C. Y. (2000). Land-use classification of remotely sensed data using Kohonen selforganizing feature map neural networks. Photogrammetric Engineering and Remote Sensing, 66, 1451–1460.

Jimenez, L. O., Morales-Morell, A., & Creus, A. (1999). Classification of hyperdimensional data based on feature and decision fusion approaches using projection pursuit, majority voting, and neural networks. IEEE Transactions on Geoscience and Remote Sensing, 37, 1360–1366.

Jin, X., & Davis, C. H. (2005). Automated building extraction from high-resolution satellite imagery in urban areas using structural, contextual, and spectral information. EURASIP Journal on Applied Signal Processing, 14, 2196–2206.

Jin, X., & Paswaters, S. (2007). A fuzzy rule base system for object-based feature extraction and classification. In K. Ivan (Ed.), SPIE (pp. 65671H).

Kartikeyan, B., Gopalakrishna, B., Kalubarme, M. H., & Majumder, K. L. (1994). Contextual techniques for classification of high and low resolution remote sensing data. International Journal of Remote Sensing, 15, 1037–1051.

Kavzoglu, T., & Mather, P. M. (2003). The use of backpropagating artificial neural networks in land cover classification. International Journal of Remote Sensing, 24, 4907–4938.

Keuchel, J., Naumann, S., Heiler, M., & Siegmund, A. (2003). Automatic land cover analysis for Tenerife by supervised classification using remotely sensed data. Remote Sensing of Environment, 86, 530–541.

Kim, H., Pang, S., Je, H., Kim, D., & Bang, S. Y. (2003). Constructing support vector machine ensemble. Pattern Recognition, 36, 2757–2767.

Laguarde, J. -P., Bach, M., Boulet, G., Briottet, X., Cherchali, S., Dadou, I., et al. (2010). Combining high spatial resolution and revisit capabilities in the thermal infrared: The MISTIGRI Mission Project. In R. Reuter (Ed.), Proceeding of 30th EARSeL Symposium: Remote Sensing for Science, Education, and Natural and Cultural Heritage (pp. 165–172). Paris, France: UNESCO May 31–June 3, 2010.

Lang, F., & Forstner, W. (1996). Surface reconstruction of man-made objects using polymorphic mid-level features and generic scene knowledge. International Archives of Photogrammetry and Remote Sensing, 31(B/3), 415–420. Lawrence, R., Bunn, A., Powell, S., & Zmabon, M. (2004). Classification of remotely sensed imagery using stochastic gradient boosting as a refinement of classification tree analysis. Remote Sensing of Environment, 90, 331–336.

Lee, S., & Lathrop, R. G. (2006). Subpixel analysis of Landsat ETM+ using Self-Organizing Map (SOM) neural networks for urban land cover characterization. IEEE Transactions on Geoscience and Remote Sensing, 44(6), 1642–1654.

Lee, D. H., Lee, K. M., & Lee, S. U. (2008). Fusion of lidar and imagery for reliable building extraction. Photogrammetric Engineering and Remote Sensing, 74(2), 215–225.

Li, G. (2008). Integration of Remote Sensing and Census Data for Land Use and Land Cover Classification and Population Estimation in Indianapolis, Indiana, Ph.D. Dissertation, Department of Geography, Geology, and Anthropology, Indiana State University, Terre haute, Indiana.

Li, Z., & Eastman, J. R. (2006a). Commitment and typicality measurements for the selforganizing map. Bellingham, WA: Proceedings of SPIE — The International Society for Optical Engineering (pp. 64201I-1-64201I-4).

Li, Z., & Eastman, J. R. (2006b). The nature and classification of unlabelled neurons in the use of Kohonen's self-organizing map for supervised classification. Transactions in GIS, 10(4), 599.

Lillesand, T. M., Kiefer, R. W., & Chipman, J. W. (2004). Remote sensing and image interpretation (pp. 614). New York: John Wiley and Sons.

Linden, S. van der, & Hostert, P. (2009). The influence of urban structures on impervious surface maps from airborne hyperspectral data. Remote Sensing of Environment, 113, 2298–2305.

Lloyd, R. E., Hodgson, M. E., & Stokes, A. (2002). Visual categorization with aerial photography. Annals of the Association of American Geographers, 92, 241–266.

Long, H., & Zhao, Z. M. (2005). Urban road extraction from high-resolution optical satellite images. International Journal of Remote Sensing, 26(22), 4907–4921.

Lu, D., Tian, H., Zhou, G., & Ge, H. (2008). Regional mapping of human settlements in southeastern China with multisensor remotely sensed data. Remote Sensing of Environment, 112(9), 3668–3679.

Lu, D., & Weng, Q. (2004). Spectral mixture analysis of the urban landscape in Indianapolis with Landsat ETM+ imagery. Photogrammetric Engineering and Remote Sensing, 70, 1053–1062.

Lu, D., & Weng, Q. (2005). Urban land-use and land-cover mapping using the full spectral information of Landsat ETM+ data in Indianapolis, Indiana. Photogrammetric Engineering and Remote Sensing, 71(11), 1275–1284.

Lu, D., & Weng, Q. (2006). Use of impervious surface in urban land use classification. Remote Sensing of Environment, 102(1–2), 146–160.
Lu, D., & Weng, Q. (2007). A survey of image classification methods and techniques for improving classification performance. International Journal of Remote Sensing, 28 (5), 823–870.

Lu, D., & Weng, Q. (2009). Extraction of urban impervious surfaces from IKONOS imagery. International Journal of Remote Sensing, 30(5), 1297–1311.

Lu, D., Hetrick, S., & Moran, E. in press. Impervious surface mapping with Quickbird imagery. International Journal of Remote Sensing. doi:10.1080/01431161003698393.

Luo, R. C., & Kay, M. G. (1989). Multisensor integration and fusion for intelligent systems. IEEE Transactions on Systems, Man, and Cybernetics, 19, 901–931.

Luo, L., & Mountrakis, G. (2010). Integrating intermediate inputs from partially classified images within a hybrid classification framework: An impervious surface estimation example. Remote Sensing of Environment, 114, 1220–1229.

Madhavan, B. B., Kubo, S., Kurisaki, N., & Sivakumar, T. V. L. N. (2001). Appraising the anatomy and spatial growth of the Bangkok Metropolitan area using a vegetationimpervious–soil model through remote sensing. International Journal of Remote Sensing, 22, 789–806.

Magnussen, S., Boudewyn, P., & Wulder, M. (2004). Contextual classification of Landsat TM images to forest inventory cover types. International Journal of Remote Sensing, 25, 2421–2440.

Mannan, B., & Ray, A. K. (2003). Crisp and fuzzy competitive learning networks for supervised classification of multispectral IRS scenes. International Journal of Remote Sensing, 24, 3491–3502.

Mather, P. M. (1999). Land cover classification revisited. In P. M. Atkinson, & N. J. Tate (Eds.), Advances in Remote Sensing and GIS (pp. 7–16). New York: John Wiley & Sons.

Mayer, H. (1999). Automatic object extraction from aerial imagery — A survey focusing on building. Computer Vision and Image Understanding, 74(2), 138–139.

McGwire, K., Minor, T., & Fenstermaker, L. (2000). Hyperspectral mixture modeling for quantifying sparse vegetation cover in arid environments. Remote Sensing of Environment, 72, 360–374.

Mena, J. B. (2003). State of the art on automatic road extraction for GIS update: A novel classification. Pattern Recognition Letters, 24(16), 3037–3058.

Miliaresis, G., & Kokkas, N. (2007). Segmentation and object-based classification for the extraction of the building class from LiDAR DEMs. Computers and Geosciences, 33 (8), 1076–1087.

Mohapatra, R. P., & Wu, C. (2007). Subpixel imperviousness estimation with IKONOS imagery: An Artificial Neural Network approach. In Q. Weng (Ed.), Remote Sensing of Impervious Surfaces (pp. 21–37). Boca Raton, FL: CRC Press.

Moons, T., Frère, D., Vandekerckhove, J., & Van Gool, L. (1998). Automatic modeling and 3D reconstruction of urban house roofs from high resolution aerial imagery. Proceedings Of Fifth European Conference On Computer Vision I (pp. 410–425).

Moses, W. J., Gitelson, A. A., Berdnikov, S., & Povazhnyy, V. (2009). Satellite estimation of Chlorophyll-a concentration using the red and NIR bands of MERIS—The Azov Sea case study. IEEE Geoscience and Remote Sensing Letters, 6, 845–849.

Myint, S. W. (2001). A robust texture analysis and classification approach for urban land-use and land-cover feature discrimination. Geocarto International, 16, 27–38.
National Research Council (2007). Earth science and applications from space: National imperatives for the next decade and beyond. Washington, DC: The National Academy Press.

Pal, N. R., Laha, A., & Das, J. (2005). Designing fuzzy rule based classifier using selforganizing feature map for analysis of multispectral satellite images. International Journal of Remote Sensing, 26(10), 2219–2240.

Pal, M., & Mather, P. M. (2003). An assessment of the effectiveness of decision tree methods for land cover classification. Remote Sensing of Environment, 86, 554–565.

Pal, N. R., & Pal, S. K. (1993). A review on image segmentation techniques. Pattern Recognition, 26(9), 1277–1294.

Paola, J. D., & Schowengerdt, R. A. (1995). A review and analysis of back propagation neural networks for classification of remotely sensed multispectral imagery. International Journal of Remote Sensing, 16, 3033–3058.

Peteri, R., & Ranchin, T. (2007). Road networks derived from high spatial resolution satellite remote sensing data. In Q. Weng (Ed.), Remote Sensing of Impervious Surfaces (pp. 215–236). Boca Raton, Florida: CRC Press.

Phinn, S. R. (1998). A framework for selecting appropriate remotely sensed data dimensions for environmental monitoring and management. International Journal of Remote Sensing, 19, 3457–3463.

Phinn, S. R., Menges, C., Hill, G. J. E., & Stanford, M. (2000). Optimizing remotely sensed solutions for monitoring, modeling, and managing coastal environments. Remote Sensing of Environment, 73, 117–132.

Phinn, S., Stanford, M., Scarth, P., Murray, A. T., & Shyy, P. T. (2002). Monitoring the composition of urban environments based on the vegetation–impervious surface soil (VIS) model by subpixel analysis techniques. International Journal of Remote Sensing, 23, 4131–4153.

Platt, R. V., & Goetz, A. F. H. (2004). A comparison of AVIRIS and Landsat for land use classification at the urban fringe. Photogrammetric Engineering and Remote Sensing, 70, 813–819.

Pohl, C., & van Genderen, J. L. (1998).Multisensor image fusion in remote sensing: Concepts, methods, and applications. International Journal of Remote Sensing, 19, 823–854.

Powell, S. L., Cohen, W. B., Yang, Z., Pierce, J. D., & Alberti, M. (2008). Quantification of impervious surface in the Snohomish Water Resources Inventory Area of Western Washington from 1972–2006. Remote Sensing of Environment, 112, 1895–1908.

Powell, R. L., Roberts, D. A., Dennison, P. E., & Hess, L. L. (2007). Sub-pixel mapping of urban land cover using multiple endmember spectral mixture analysis: Manaus, Brazil. Remote Sensing of Environment, 106(2), 253–267.

Pu, R., Kelly, M., Anderson, G. L., & Gong, P. (2008). Using CASI hyperspectral imagery to detect mortality and vegetation stress associated with a new hardwood forest disease. Photogrammetric Engineering and Remote Sensing, 74(1), 65–75.

Quattrochi, D. A., & Goodchild, M. F. (1997). Scale in remote sensing and GIS. New York City, NY: Lewis Publishers.

Rashed, T., Weeks, J. R., Roberts, D., Rogan, J., & Powell, R. (2003). Measuring the physical composition of urban morphology using multiple endmember spectral mixture models. Photogrammetric Engineering and Remote Sensing, 69, 1011–1020.

Ridd, M. K. (1995). Exploring a V–I–S (Vegetation–Impervious Surface–Soil) model for urban ecosystem analysis through remote sensing: Comparative anatomy for cities. International Journal of Remote Sensing, 16(12), 2165–2185.

Roberts, D. A., Batista, G. T., Pereira, J. L. G., Waller, E. K., & Nelson, B. W. (1998). Change identification using multitemporal spectral mixture analysis: Applications in eastern Amazônia. In

R. S. Lunetta, & C. D. Elvidge (Eds.), Remote sensing change detection: Environmental monitoring methods and applications (pp. 137–161). Ann Arbor, MI: Ann Arbor Press.

Roberts, D. A., Gardner, M., Church, R., Ustin, S., Scheer, G., & Green, R. O. (1998). Mapping chaparral in the Santa Monica mountains using multiple endmember spectral mixture models. Remote Sensing of Environment, 65, 267–279.

Samadzadegan, F., Bigdeli, B., & Hahn, M. (2009). Automatic road extraction from LIDAR data based on classifier fusion in urban area. 2009 Joint Urban Remote Sensing Event (pp. 1–6). doi:10.1109/URS.2009.5137739.

Schmidt, K. S., Skidmore, A. K., Kloosterman, E. H., van Oosten, H., Kumar, L., & Janssen, J.A.M. (2004). Mapping coastal vegetation using an expert system and hyperspectral imagery. Photogrammetric Engineering and Remote Sensing, 70, 703–715.

Schneider, A., Friedl, M. A., & Potere, D. (2010). Mapping global urban areas using MODIS 500-m data: New methods and datasets based on ‘urban ecoregions’. Remote Sensing of Environment, 114, 1733–1746.

Schueler, T. R. (1994). The importance of imperviousness. Watershed Protection Techniques, 1, 100–111.

Setiawan, H., Mathieu, R., & Thompson-Fawcett, M. (2006). Assessing the applicability of the V–I–S model to map urban land use in the developing world: Case study of Yogyakarta, Indonesia. Computers, Environment and Urban Systems, 30(4), 503–522.

Shaban, M. A., & Dikshit, O. (2001). Improvement of classification in urban areas by the use of textural features: The case study of Lucknow City, Uttar Pradesh. International Journal of Remote Sensing, 22, 565–593.

Sharma, K. M. S., & Sarkar, A. (1998). A modified contextual classification technique for remote sensing data. Photogrammetric Engineering and Remote Sensing, 64(4), 273–280.

Shi, W. Z., & Zhu, C. Q. (2002). The line segment match method for extracting road network from high-resolution satellite images. IEEE Transactions on Geoscience and Remote Sensing, 40(2), 511–514.

Slonecker, E. T., Jennings, D., & Garofalo, D. (2001). Remote sensing of impervious surface: A review. Remote Sensing Reviews, 20, 227–255.
Soil Conservation Service (1975). Urban hydrology for small watersheds, USDA Soil Conservation Service Technical Release No. 55. Washington, DC: U.S. Department of Agriculture.

Solberg, A. H. S., Taxt, T., & Jain, A. K. (1996). A Markov random field model for classification of multisource satellite imagery. IEEE Transactions on Geoscience and Remote Sensing, 34, 100–112.

Stefanov, W. L., Ramsey, M. S., & Christensen, P. R. (2001). Monitoring urban land cover change: an expert system approach to land cover classification of semiarid to arid urban centers. Remote Sensing of Environment, 77, 173–185.

Stow, D., Coulter, L., Kaiser, J., Hope, A., Service, D., Schutte, K., et al. (2003). Irrigated vegetation assessment for urban environments. Photogrammetric Engineering and Remote Sensing, 69, 381–390.

Strahler, A. H., Woodcock, C. E., & Smith, J. A. (1986). On the nature of models in remote sensing. Remote Sensing of Environment, 70, 121–139.

Stuckens, J., Coppin, P. R., & Bauer, M. E. (2000). Integrating contextual information with per-pixel classification for improved land cover classification. Remote Sensing of Environment, 71, 282–296.

Tan, Q., Liu, Z., & Li, X. (2009). Mapping urban surface imperviousness using SPOT multispectral satellite images. Proceedings of IEEE Geoscience and Remote Sensing Symposium (IGARSS 2009), III-346 - III-348, Cape Town. doi:10.1109/IGARSS. 2009.5417773.

Thenkabail, P. S., Enclona, E. A., Ashton, M. S., Legg, C., & de Dieu, M. J. (2004a). Hyperion, IKONOS, ALI, and ETM+ sensors in the study of African rainforests. Remote Sensing of Environment, 90, 23–43.

Thenkabail, P. S., Enclona, E. A., Ashton, M. S., & van der Meer, B. (2004b). Accuracy assessments of hyperspectral waveband performance for vegetation analysis applications. Remote Sensing of Environment, 91, 354–376.

Tiwari, P. S., Pande, H., & Pandey, A. K. (2009). Automatic urban road extraction using airborne laser scanning/altimetry and high resolution satellite data. Journal of the Indian Society of Remote Sensing, 37(2), 223–231. doi:10.1007/s12524-009-0023-9.

Tong, X., Liu, S., & Weng, Q. (2009). Geometric processing of Quickbird stereo imagery for urban land use mapping — A case study in Shanghai, China. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2(2), 61–66.

Tullis, J. A., & Jensen, J. R. (2003). Export system house detection in high spatial resolution imagery using size, shape, and context. Geocarto International, 18, 5–15.

Turner, B. L. I. I., Skole, D., Sanderson, S., Fisher, G., Fresco, L., & Leemans, R. (1995). Landuse and land-cover change: Science and research plan. Stockhdm and Geneva: International Geosphere-Bioshere Program and the Human Dimensions of Global Environmental Change Programme (IGBP Report No. 35 and HDP Report No. 7).
Van der Linden, S., & Hostert, P. (2009). The influence of urban structures on impervious surface maps from airborne hyperspectral data. Remote Sensing of Environment, 113, 2298–2305.

Van de Voore, T., De Genst,W., Canters, F., Stephenne, N.,Wolff, E., & Binnard, M. (2003). Extraction of land use/land cover — Related information from very high resolution data in urban and suburban areas. Proceedings of the 23 rd Symposiumof the European Association of Remote Sensing Laboratories (pp. 237–244).

Wang, F. (1990). Fuzzy supervised classification of remote sensing images. IEEE Transactions on Geoscience and Remote Sensing, 28(2), 194–201.

Wang, L., Sousa, W. P., Gong, P., & Biging, G. S. (2004). Comparison of IKONOS and QuickBird images for mapping mangrove species on the Caribbean coast of panama. Remote Sensing of Environment, 91, 432–440.

Ward, D., Phinn, S. R., & Murray, A. T. (2000). Monitoring growth in rapidly urbanizing areas using remotely sensed data. The Professional Geographer, 53, 371–386.

Weng, Q. (2001). Modeling urban growth effect on surface runoff with the integration of remote sensing and GIS. Environmental Management, 28, 737–748.

Weng, Q. (2007). Remote sensing of impervious surfaces (pp. xv–xxvii). Boca Raton, FL: CRC Press.

Weng, Q. (2009). Remote sensing and GIS integration: Theories, methods, and applications. New York: McGraw-Hill.

Weng, Q., & Hu, X. (2008). Medium spatial resolution satellite imagery for estimating and mapping urban impervious surfaces using LSMA and ANN. IEEE Transaction on Geosciences and Remote Sensing, 46(8), 2397–2406.

Weng, Q., Hu, X., & Liu, H. (2009). Estimating impervious surfaces using linear spectral mixture analysis with multi-temporal ASTER images. International Journal of Remote Sensing, 30(18), 4807–4830.

Weng, Q., Hu, X., & Lu, D. (2008). Extracting impervious surface from medium spatial resolution multispectral and hyperspectral imagery: A comparison. International Journal of Remote Sensing, 29(11), 3209–3232.

Weng, Q., & Lu, D. (2009). Landscape as a continuum: An examination of the urban landscape structures and dynamics of Indianapolis city, 1991–2000. International Journal of Remote Sensing, 30(10), 2547–2577.

Wu, C. (2004). Normalized spectral mixture analysis for monitoring urban composition using ETM+ imagery. Remote Sensing of Environment, 93, 480–492.

Wu, C. (2009). Quantifying high-resolution impervious surfaces using spectral mixture analysis. International Journal of Remote Sensing, 30(11), 2915–2932.

Wu, C., & Murray, A. T. (2003). Estimating impervious surface distribution by spectral mixture analysis. Remote Sensing of Environment, 84, 493–505.

Xian, G. (2007). Mapping impervious surfaces using classification and regression tree algorithm. In Q. Weng (Ed.), Remote Sensing of Impervious Surfaces (pp. 39–58). Boca Rotan, FL: CRC Press.

Yang, L., Huang, C., Homer, C. G., Wylie, B. K., & Coan, M. J. (2003). An approach for mapping large-scale impervious surfaces: Synergistic use of Landsat-7 ETM+ and high spatial resolution imagery. Canadian Journal of Remote Sensing, 29, 230–240.

Yang, L., Jiang, L., Lin, H., & Liao, M. (2009). Quantifying sub-pixel urban impervious surface through fusion of optical and InSAR imagery. GIScience & Remote Sensing, 46(2), 161–171.

Yang, F., Matsushita, B., & Fukushima, T. (2010). A pre-screened and normalized multiple endmember spectral mixture analysis for mapping impervious surface area in Lake Kasumigaura Basin, Japan. ISPRS Journal of Photogrammetry and Remote Sensing, 65, 479–490.

Yu, B., Liu, H., Wu, J., Hu, Y., & Zhang, L. (2010). Automated derivation of urban building density information using airborne LiDAR data and object-based method.
Landscape and Urban Planning, 98(3–4), 210–219. Yuan, F., & Bauer, M. E. (2006). Mapping impervious surface area using high resolution imagery: A comparison of object-based and per pixel classification. American Society for Photogrammetry and Remote Sensing Annual Conference Proceedings, Reno, Nevada (unpaginated).

Yuan, F., Wu, C., & Bauer, M. E. (2008). Comparison of spectral analysis techniques for impervious surface estimation using Landsat imagery. Photogrammetric Engineering and Remote Sensing, 74(8), 1045–1055.

Zhou, G. Q., & Kelmelis, J. A. (2006). True orthoimage generation for urban areas withnvery buildings. In Q. Weng, & D. A. Quattrochi (Eds.), Urban Remote Sensing (pp. 3–20). Boca Raton, FL: CRC Press.

Zhou, W., & Troy, A. (2008). An object-oriented approach for analyzing and characterizing urban landscape at the parcel level. International Journal of Remote Sensing, 29(11), 3119–3135.

Zhou, Y. Y., & Wang, Y. Q. (2008). Extraction of impervious, surface areas from high spatial resolution imagery by multiple agent segmentation and classification. Photogrammetric Engineering and Remote Sensing, 74(7), 857–868.

Zhu, C., Shi, W., Pesaresi, M., Liu, L., Chen, X., & King, B. (2005). The recognition of road network from high-resolution satellite remotely sensed data using image morphological characteristics. International Journal of Remote Sensing, 26(24), 5493–5508.

[[category:Αστικός και περιφερειακός σχεδιασμός]]

Αρχείο:MP-eikona3-1.jpg

2014-04-28T11:56:39Z

Mariapanagiotidou: Εικόνα 1: Σύγκριση της τεχνικής ΑΝΝ με τη γραμμική φασματική ανάλυση μίξης εικόνας στο αστικό περιβάλλον

Εικόνα 1: Σύγκριση της τεχνικής ΑΝΝ με τη γραμμική φασματική ανάλυση μίξης εικόνας στο αστικό περιβάλλον

Αρχείο:MP-pinakas3-1.jpg

2014-04-28T11:55:11Z

Mariapanagiotidou: Πίνακας 1: Η κλίμακα χρήση των τεχνιτών νευρωνικών δικτύων στην τηλεπισκόπηση αδιαπέραστων επιφανειών

Πίνακας 1: Η κλίμακα χρήση των τεχνιτών νευρωνικών δικτύων στην τηλεπισκόπηση αδιαπέραστων επιφανειών

Τηλεπισκόπηση και Μοντέλα Αστικής Εξάπλωσης - Απαιτήσεις και Προοπτικές

2014-04-28T11:41:34Z

Mariapanagiotidou:

[[Αρχείο:MP-pinakas2-1.jpg|200px|thumb|right|Πίνακας 1: Σύγκριση του σκοπού και χωρικό, χρονικό και θεματικό πλαίσιο των επτά μοντέλων αστικής ανάπτυξης / χρήσης γης, σύμφωνα με το EPA 2000, Agarwal et al. 2000.]]

[[Αρχείο:MP-eikona2-1.jpg|200px|thumb|right|Εικόνα 1: Χαρακτηριστικά και χωρική κατανομή της βλάστησης (γκρι) και των κατοικημένων περιοχών (μαύρο) σε διαβαθμισμένες αεροφωτογραφίες, για τις τρεις υπό διερεύνηση κατηγορίες χρήσεων αστική γης.]]

[[Αρχείο:MP-eikona2-2.jpg|200px|thumb|right|Εικόνα 2: Η ιστορική ανάπτυξη της αστικής περιοχής (εμφανίζονται με ανοιχτό γκρι) της Σάντα Μπάρμπαρα.]]

[[Αρχείο:MP-eikona2-3.jpg|200px|thumb|right|Εικόνα 3: Πρόβλεψη για τις αστικοποιημένες περιοχές το 2050. Στο σενάριο αυτό, όλα περιοχή θεωρείται κενή γη, εκτός από τα πάρκα (σκούρο γκρι = αστικοποιημένες το 1997, ελαφρύτερο γκρι = αστικοποιημένες το 2050).]]

'''Αντικείμενο Εφαρμογής:''' Ανίχνευση μεταβολών αστικής γης

'''Πρωτότυπος Τίτλος:''' «Remote Remote Sensing and Urban Growth Models – Demands and Perspectives»

'''Συγγραφείς:''' Martin Herold and Keith C. Clarke (Department of Geography, University of California, Santa Barbara)
Gunter Menz (Remote Sensing Research Group, Department of Geography, University of Bonn)

'''Πηγή:''' Department of Earth Observation of the Friedrich-Schiller-University Jena [http://www.eo.uni-jena.de/~c5hema/pub/herold_menz_clarke.pdf]

'''Λέξεις Κλειδιά:''' αστική εξάπλωση, μοντέλα μεταβολής, χρήσεις γης

'''Περίληψη:'''
Η αστική ανάπτυξη και τα μοντέλα αλλαγής χρήσης γης είναι ένα σημαντικό και καινοτόμο εργαλείο που βοηθάει ιδιαίτερα στον σχεδιασμό και την ανάπτυξη βιώσιμων αστικών περιοχών. Οι απαιτήσεις δεδομένων για την παραμετροποίηση, βαθμονόμηση και επικύρωση των αστικών μοντέλων είναι πολλές, κυρίως λόγω της πολυπλοκότητας των μοντέλων και των στόχων τους. Σε αυτή τη μελέτη, αξιολογείται ένας αριθμός μοντέλων αλλαγής χρήσης γης και συγκρίνονται οι απαιτήσεις τους σε χωρικά δεδομένα. Παρουσιάζεται και αξιολογείται μια κατάλληλη μεθοδολογία για τη διαφοροποίηση των αστικών χρήσεων γης, με τη χρήση υψηλής ανάλυσης τηλεπισκοπικών δεδομένων και με τόπο μελέτης την πόλη της Σάντα Μπάρμπαρα, Νότια Καλιφόρνια, ΗΠΑ. Η προσέγγιση βασίζεται σε περιοχές ακανόνιστου αλλά ομογενούς σχήματος αστική γης ως μονάδες χαρτογράφησης. Στις περιοχές αυτές, πραγματοποιήθηκαν χωρικές μετρήσεις και μετρήσεις πρότυπου σχήματος με σκοπό την περιγραφή της δομής της κάλυψης γης, την απόκτηση πληροφοριών για τις χρήσεις γης και να την περιγραφή κοινωνικοοικονομικών χαρακτηριστικών. Παρουσιάζεται η εφαρμογή ενός εκ των μοντέλων, η οποία βασίστηκε σε μια χρονοσειρά φωτογραφιών εβδομήντα ετών. Η διαδικασία αστικής ανάπτυξη, καθώς και οι μελλοντικές προβλέψεις αλλαγής χρήσεων γης εκπροσωπούνται στο μοντέλο βασιζόμενες στα κυψελοειδή αυτόματα και καταδεικνύουν τη δυνατότητα του συνδυασμού της τηλεπισκόπησης και της μοντελοποίησης.

'''Εισαγωγή / Στόχοι:'''
Οι αλλαγές στα πρότυπα αστικοποίησης όλων των γεωγραφικών κλιμάκων του τελευταίου αιώνα, είναι ίσως η πιο σημαντική αλλαγή που έχει συμβεί στις αμερικανικές πόλεις. Αυτό οφείλεται κυρίως στην εφεύρεση προσβάσιμων μέσων μαζικής μεταφοράς. Αυτά τα παραδείγματα των νέων οικιστικών προτύπων είναι: η αποκέντρωση και η συγκέντρωση στο κέντρο, ο σχηματισμός προαστίων και νέων πόλεων στα άκρα, ο αποικισμός των απομακρυσμένων αγροτικών και δασικών εκτάσεων, η εμφάνιση νέων τύπων αστικής εξειδίκευσης (π.χ. τεχνοπόλεις), διάφορα κοινωνικοπολιτικά φαινόμενα, όπως επίσης και η αύξηση των απειλών από φυσικές καταστροφές, μιας και οι αστικές δομές γίνονται όλο και πιο κατακερματισμένες και πολύπλοκες στο εσωτερικό τους.

Τα τελευταία χρόνια, τα μοντέλα αλλαγής της χρήσης γης και αστικής ανάπτυξης έχουν γίνει σημαντικά εργαλεία για τους πολεοδόμους και άλλους, με σκοπό τη λήψη έγκαιρων και αποτελεσματικών αποφάσεων για τη βιώσιμη ανάπτυξη των αστικών περιοχών. Η εξέλιξη συνέβη λόγω της αύξησης των πόρων και της χρηστικότητα πολλαπλών συνόλων δεδομένων και εργαλείων επεξεργασία τους (π.χ. Γεωγραφικά Συστήματα Πληροφοριών). Η χρησιμότητά τους εστιάζει κυρίως στη λήψη αποφάσεων για:
• την κατανόηση των αστικών αυτών συστημάτων
• την πρόβλεψη μελλοντικών αλλαγών και νέων τάσεων αστικής ανάπτυξης
• περιγραφή και αξιολόγησης επιπτώσεων μελλοντικής ανάπτυξης
• αναζήτηση διαφορετικών πολιτικών και βελτιστοποίηση του αστικού σχεδιασμού και διαχείρισης.

Καθώς τα μοντέλα αλλαγής χρήσης γης προσομοιώνουν τόσο ανθρώπινα όσο και βιολογικό σύστημα, οι απαιτήσεις σε δεδομένα είναι αρκετά πολύπλοκες και ποικίλουν από φυσικές και οικολογικές παραμέτρους σε πληροφορίες κοινωνικοοικονομικής φύσεως και λεπτομερή στοιχεία χρήσης / κάλυψης γης με καθορισμένη χωρική και χρονική ακρίβεια.

Σε γενικές γραμμές, η τηλεπισκόπηση μπορεί να προσφέρει συνεκτικά σύνολα δεδομένων, καλύπτοντας μεγάλες περιοχές με μεγάλη χωρική ανάλυση και χρονική συχνότητα. Παρ' όλα αυτά, είναι λίγες οι μελέτες που ασχολούνται με την ενσωμάτωσή της σε εφαρμογές μοντέλων μεταβολής χρήσεων αστικής γής. Η έρευνα αυτή έχει τρεις βασικούς στόχους:
• Μελετώντας τις διάφορες μεθόδους μοντελοποίησης χρήσεων αστικής γης, αυτές θα συγκριθούν ως προς τις απαιτήσεις τους σε πληροφορίες ώστε να σχηματιστούν τα χαρακτηριστικά και οι απαιτήσεις σε τηλεπισκοπικά δεδομένα.
• Παρουσίαση και συζήτηση της χαρτογράφησης μιας αστικής περιοχής, και συγκεκριμένα της Σάντα Μπάρμαρα της Καλιφόρνια, από δεδομένων τηλεπισκόπησης υψηλής ανάλυσης. Η προσέγγιση αυτή δείχνει τις δυνατότητες για την περιγραφή και την απόκτηση πληροφοριών σχετικά με τις χρήσεις γης και άλλων κοινωνικοοικονομικής φύσεως.
• Τέλος, παραμετροποιείται και βαθμονομείται το πρότυπο αστικής ανάπτυξης της Σάντα Μπάρμπαρα με χρήση του μοντέλου Sleuth, χρησιμοποιώντας κυψελοειδή αυτόματα. Από τη διαδικασία προκύπτει και η δυνατότητα μελλοντικών προβλέψεων αστικής ανάπτυξης.

'''Ανασκόπηση των μοντέλων μεταβολής χρήσεων αστικής γης:'''
Τα μοντέλα που χρησιμοποιήθηκαν στα πλαίσια της εργασίας αυτής προέρχονται από αναφορές που δημοσίευσαν το Υπουργείο Γεωργίας των ΗΠΑ και ο Οργανισμός Προστασίας του Περιβάλλοντος των ΗΠΑ. Από τα 36 διαφορετικά μοντέλα που χρησιμοποιήθηκαν, με την εφαρμογή ενός αριθμού κριτηρίων, επιλέχθηκαν τα 7 για τους σκοπούς της ανάλυσής μας. Ο Πίνακας 1 μας δίνει μια περίληψη αυτών. Η δεύτερη στήλη του Πίνακα 1 μας δείχνει τους σκοπούς του σχεδιασμού κάθε μοντέλου, ενώ η τρίτη τα χωρικά τους πλαίσια. Τα μοντέλα αυτά χρησιμοποιούν τόσο διανυσματικές όσο και μεθόδους εικονοστοιχείων για τον χωρικό προσδιορισμό των στοιχείων τους. Ως ενότητες του μοντέλου προσδιορίζονται οι περιοχές εκείνες που έχουν κοινή γεωμετρία σαν αποτέλεσμα της αλληλεπικάλυψης πολλών επιπέδων δεδομένων, διαφόρων φυσικών και ανθρώπινων παραμέτρων. Στην περίπτωση της ράστερ απεικόνισης, οι χωρικές ενότητες είναι πιο συγκεχυμένες, σε αντίθεση με αυτές των γραμμικών απεικονίσεων που περιλαμβάνουν καλύτερα προσδιορισμένες ενότητες.

'''Χωρική Ανάλυση Δεδομένων:'''
Σε γενικές γραμμές, οι απαιτήσεις χωρικής ανάλυσης των μοντέλων ράστερ ποικίλλουν ανάλογα με το σκοπό και τα χαρακτηριστικά των μελετών εφαρμογής. Η ανάλυση της μονάδας του καννάβου που χρησιμοποιούνται κυμαίνονται από 30μ x 30μ και 100μ x 100μ. Μερικά μοντέλα ζητούν μικρότερη χωρική ακρίβεια ώστε να χρησιμοποιηθούν σε ειδικές κατηγορίες χρήσεων γης (μοντέλο UPLAN) ή σε περιπτώσεις που η διαδικασία βασίζεται στην κλίμακα μελέτης, όπως τα μοντέλα LTM και UrbanSim.

'''Χρονική Ανάλυση Δεδομένων:'''
Για την πλειοψηφία των μοντέλων, η παράμετρος αυτή μεταβάλεται. Τα περισσότερα εξετάζουν μια περίοδο 1 με 10 χρόνων με χρονικό πλαίσιο για μελλοντικές προβλέψεις της τάξεως των 5 με 10 χρόνων, μέχρι και σε βάθος 100 χρόνων. Εξαίρεση αποτελεί το CUF μοντέλο όπου τόσο τα χρονικά μεσοδιαστήματα όσο και περίοδος πρόβλεψης είναι συνήθως 5 με 10 χρόνια.

'''Κατηγορίες Χρήσεων/Κάλυψης Αστικής γης:'''
Ένα άλλο σημαντικό χαρακτηριστικό είναι ο τρόπος που τα μοντέλα παραμετροποιούν τη διάκριση και κατηγοριοποίηση της αστικής γης. Η προσέγγιση με βάση το αγροτεμάχιο του UrbanSim μοντέλου συνήθως δεν απαιτεί τον περαιτέρω προσδιορισμό κατηγοριών χρήσεων αστική γης. Τα σημαντικότερα κοινωνικοοικονομικά χαρακτηριστικά παραμετροποιούνται στο επίπεδο του αγροτεμαχίου. Τα μοντέλα LUCAS και LTM που πραγματεύονται τις επιπτώσεις της αστικής εξάπλωσης στο γύρο περιβάλλον, αντιλαμβάνονται μόνο μία κατηγορία χρήσης γης, ενώ ταυτόχρονα η διαφοροποίηση των αστικών περιοχών γίνεται με την παράμετρο της πληθυσμιακής πυκνότητας.
Άλλα μοντέλα όπως το CUF-2 και το UPLAN που ασχολούνται με την προσομοίωση της αστικής ανάπτυξης και του τρόπου αλλαγής των χρήσεων γης της πόλης, χρησιμοποιούν ένα ακόμη υψηλότερο επίπεδο διάκρισης των χρήσεων γης, όπως οι διαφορετικές πυκνότητες και κτιριακές κατασκευές των περιοχών κατοικίας, εμπορίου και βιομηχανίας. Πέραν των χρήσεων γης, τα περισσότερα μοντέλα χρειάζονται κι άλλα δεδομένα όπως η τοπογραφία της περιοχής και οι υπάρχουσες υποδομές μεταφορών. Τέλος, το μοντέλου Sleuth που θα χρησιμοποιήσουμε διακρίνει μόνο μια χρήση γης.

'''Η Τηλεπισκόπηση για την χαρτογράφηση των παραμέτρων των μοντέλων αστικλης ανάπτυξης:'''
Σε γενικές γραμμές, η χαρτογράφηση των αστικών περιοχών μέσω της τηλεπισκόπησης είναι μια σχετικά πολύπλοκη διαδικασία λόγω της ετερογένειας των αστικού περιβάλλοντος το οποίο αποτελείται συνήθως από δομές (π.χ. κτήρια, μεταφορές δίχτυα), διαφορετικά είδη βλάστησης (π.χ. πάρκα, κήποι, αγροτικές περιοχές), ζώνες γυμνού εδάφους και υδάτινων τμημάτων. Παραδοσιακά, η ερμηνείες της οπτικής ανάλυσης αεροφωτογραφιών υψηλής ανάλυσης παρέχουν ολοκληρωμένη πληροφορίες για τη χαρτογράφηση των αστικών περιοχών.

Σήμερα, με την ευρεία διάθεση των δεδομένων της δορυφορικής τηλεπισκόπησης και την ύπαρξη δεδομένων με μεγάλη χρονική και χωρική ανάλυση, οι μέθοδοι ανάλυσης έχουν γίνει πιο αντικειμενικές και κατάλληλες για την εφαρμογή τους σε μεγάλες περιοχές. Οι πολυφασματικοί αισθητήρες επιτρέπουν την ακόμα πιο αποτελεσματική διάκριση ανάμεσα σε διαφορετικές καλύψεις γης (χτισμένες περιοχές, πράσινο και νερό). Δεν ισχύει το ίδιο για την αποτελεσματικότερη διάκριση των αστικών χρήσεων γης όπως κατοικία, εμπόριο κ.α.

'''Χωρική Ανάλυση:'''
Οι απαιτήσεις για την περιγραφή της διάρθρωσης των δομημένων περιοχών απαιτούν δεδομένα πολύ υψηλής ανάλυσης όπως δεδομένα IKONOS 2, τα οποία και δεν ήταν διαθέσιμα την περίοδο διεξαγωγής αυτής της μελέτης. Έτσι, χρησιμοποιήσαμε ψηφιοποιημένες υπέρυθρες αεροφωτογραφίες, με ανάλυση εικόνας της τάξης των 3μ, παρόμοιες με αυτές των σύγχρονων δορυφορικών δεδομένων.

'''Χωρικές Μονάδες:'''
Οι χωρικές μονάδες μπορούν να οριστούν ως ποσοτικοί δείκτες που περιγράφουν τις δομές και τους τύπους που σχηματίζονται στο χώρο. Βασίζονται στη θεωρία πληροφοριών και τη γεωμετρία των επαναλαμβανόμενων δομών. Για τη μελέτη αυτή επιλέχθηκαν 6 διαφορετικές μονάδες που καθεμιά περιγράφει διαφορετικά χωρικά χαρακτηριστικά κάλυψης γης.

'''Ομογενοποιημένες Αστικές Δομές:'''
Οι περιοχές αυτές χαρακτηρίζονται ως τμήματα εικόνας με παρόμοιες ιδιότητες όσον αφορά στο μέγεθος, σχήμα, χρώμα, υφή και πρότυπο και μπορούν να οριστούν ως δομές ομογενοποιημένης χρήσης αστικής γης και μονάδα μέτρησης για την ανάλυση δεδομένων.

Οι περιοχές μελέτης της Σάντα Μπάρμπαρα μπορούν εύκολα να χωριστούν σε δομημένες και αδόμητες περιοχές. Οι 6 χωρικές μονάδες που αναφέρθηκαν παραπάνω υπολογίστηκαν στη βάση μια δυαδικής μορφής ταξινόμησης των τριών βασικών κατηγοριών αστικής χρήσης γης οι οποίες και αποτελούν τυπικό δείγμα χωρικών και κοινωνικοοικονομικών τύπων που βρέθηκαν σε αστικές περιοχές και συγκεκριμένα στη Σάντα Μπάρμπαρα. Αυτές περιγράφονται στην Εικόνα 1 και είναι:
• Εμπορικές και Βιομηχανικές περιοχές (Comm)
• κατοικία με μεγάλες πυκνότητες (ResHD)
• κατοικία χαμηλής πυκνότητας (ResLD)

'''Εφαρμογή του μοντέλου Sleuth στη μοντελοποίηση της Αστικής Ανάπτυξης:'''
Ο τόπος εφαρμογής του μοντέλου είναι η πόλη της Σάντα Μπάρμπαρα στην Καλιφόρνια των ΗΠΑ. Η προσομοίωση βασίστηκε στο μοντέλο Clarke (UMG) που συνδυάζει την επιρροή της τοπογραφίας, της γειτνίασης και του δικτύου μεταφορών με τους τύπους αστικοποίησης κατά τη διάρκεια του χρόνου. Χρησιμοποιεί κυψελοειδή αυτόματα για να τυποποιήσει την αστική εξάπλωση, βασισμένο σε κανόνες ανάπτυξης πλεγματικής αναπαράστασης του γεωγραφικού χώρου, κυψέλη προς κυψέλη. Το όνομα του μοντέλου Sleuth προκύπτει από τις απαιτήσεις σε δεδομένα, τα οποία είναι: κλίση, κάλυψη γης, αποκλεισμός, αστικές μετακινήσεις και σκίαση αναγλύφου.

Η αστική ανάπτυξη της περιοχής προκλήθηκε από ραγδαία αύξηση του πληθυσμού σε διάφορες χρονικές περιόδους. Η περιοχή μελετήθηκε από το 1929, χρόνος της πρώτης αεροφωτογραφίας που χρησιμοποιήθηκε για αυτή τη μελέτη. Συνολικά χρησιμοποιήθηκαν 7 ομάδες αεροφωτογραφιών τις χρονιές 1929, 1943, 1954, 1967, 1976, 1986 και 1997. Οι τύποι χρήσης γης διακρίνονται σε αστικοποιημένη και μη αστικοποιημένη γη. Μετά τη βαθμονόμηση του μοντέλου είναι δυνατή και η πρόβλεψη μελλοντικών επεκτάσεων στη βάση ενός αριθμού πιθανών σεναρίων. Η αστική εξάπλωση της πόλης φαίνεται στη Εικόνα 2.

Από την παρατήρηση της Εικόνας 2 βλέπουμε τις φάσεις εξάπλωσης της πόλης, η οποία λόγω των φυσικών ορίων αναπτύχθηκε κυρίως κατά μήκος της παράκτιας πεδιάδας με μια τάση προς τα δυτικά, που ξεκίνησε το 1970 με την εγκατάσταση εμπορικών λειτουργιών και συνεχίζεται μέχρι σήμερα. Στα ανατολικά έχουμε ιδιαίτερα υψηλές τιμές γης και αποθαρρύνεται η περαιτέρω επέκταση προς αυτή την κατεύθυνση. Ταυτόχρονα, μπορούν να προβλεφθούν και σενάρια μελλοντικής επέκτασης, παίρνοντας σαν δεδομένο τον σταθερό ρυθμό ανάπτυξης. Ένα τέτοιο φαίνεται στην Εικόνα 3. Η μελλοντικές επεκτάσεις φαίνεται να εστιάζονται σε δύο περιοχές, δυτικά στην περιοχή Goleta και ανατολικά στην περιοχή Carpinteria. Στην παρούσα μελέτη δεν υπάρχει διαφοροποίηση χρήσεων γης.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Τηλεπισκόπηση και Μοντέλα Αστικής Εξάπλωσης - Απαιτήσεις και Προοπτικές

2014-04-28T11:40:08Z

Mariapanagiotidou:

[[Αρχείο:MP-pinakas2-1.jpg|200px|thumb|right|Πίνακας 1: Σύγκριση του σκοπού και χωρικό, χρονικό και θεματικό πλαίσιο των επτά μοντέλων αστικής ανάπτυξης / χρήσης γης, σύμφωνα με το EPA 2000, Agarwal et al. 2000.]]

[[Αρχείο:MP-eikona2-1.jpg|200px|thumb|right|Εικόνα 1: Χαρακτηριστικά και χωρική κατανομή της βλάστησης (γκρι) και των κατοικημένων περιοχών (μαύρο) σε διαβαθμισμένες αεροφωτογραφίες, για τις τρεις υπό διερεύνηση κατηγορίες χρήσεων αστική γης.]]

[[Αρχείο:MP-eikona2-2.jpg|200px|thumb|right|Εικόνα 2: Η ιστορική ανάπτυξη της αστικής περιοχής (εμφανίζονται με ανοιχτό γκρι) της Σάντα Μπάρμπαρα.]]

[[Αρχείο:MP-eikona2-3.jpg|200px|thumb|right|Εικόνα 3: Πρόβλεψη για τις αστικοποιημένες περιοχές το 2050. Στο σενάριο αυτό, όλα περιοχή θεωρείται κενή γη, εκτός από τα πάρκα (σκούρο γκρι = αστικοποιημένες το 1997, ελαφρύτερο γκρι = αστικοποιημένες το 2050).]]

'''Αντικείμενο Εφαρμογής:''' Ανίχνευση μεταβολών αστικής γης

'''Πρωτότυπος Τίτλος:''' «Remote Remote Sensing and Urban Growth Models – Demands and Perspectives»

'''Συγγραφείς:''' Martin Herold and Keith C. Clarke (Department of Geography, University of California, Santa Barbara)
Gunter Menz (Remote Sensing Research Group, Department of Geography, University of Bonn)

'''Πηγή:''' Department of Earth Observation of the Friedrich-Schiller-University Jena [http://www.eo.uni-jena.de/~c5hema/pub/herold_menz_clarke.pdf]

'''Λέξεις Κλειδιά:''' αστική εξάπλωση,

'''Περίληψη:'''
Η αστική ανάπτυξη και τα μοντέλα αλλαγής χρήσης γης είναι ένα σημαντικό και καινοτόμο εργαλείο που βοηθάει ιδιαίτερα στον σχεδιασμό και την ανάπτυξη βιώσιμων αστικών περιοχών. Οι απαιτήσεις δεδομένων για την παραμετροποίηση, βαθμονόμηση και επικύρωση των αστικών μοντέλων είναι πολλές, κυρίως λόγω της πολυπλοκότητας των μοντέλων και των στόχων τους. Σε αυτή τη μελέτη, αξιολογείται ένας αριθμός μοντέλων αλλαγής χρήσης γης και συγκρίνονται οι απαιτήσεις τους σε χωρικά δεδομένα. Παρουσιάζεται και αξιολογείται μια κατάλληλη μεθοδολογία για τη διαφοροποίηση των αστικών χρήσεων γης, με τη χρήση υψηλής ανάλυσης τηλεπισκοπικών δεδομένων και με τόπο μελέτης την πόλη της Σάντα Μπάρμπαρα, Νότια Καλιφόρνια, ΗΠΑ. Η προσέγγιση βασίζεται σε περιοχές ακανόνιστου αλλά ομογενούς σχήματος αστική γης ως μονάδες χαρτογράφησης. Στις περιοχές αυτές, πραγματοποιήθηκαν χωρικές μετρήσεις και μετρήσεις πρότυπου σχήματος με σκοπό την περιγραφή της δομής της κάλυψης γης, την απόκτηση πληροφοριών για τις χρήσεις γης και να την περιγραφή κοινωνικοοικονομικών χαρακτηριστικών. Παρουσιάζεται η εφαρμογή ενός εκ των μοντέλων, η οποία βασίστηκε σε μια χρονοσειρά φωτογραφιών εβδομήντα ετών. Η διαδικασία αστικής ανάπτυξη, καθώς και οι μελλοντικές προβλέψεις αλλαγής χρήσεων γης εκπροσωπούνται στο μοντέλο βασιζόμενες στα κυψελοειδή αυτόματα και καταδεικνύουν τη δυνατότητα του συνδυασμού της τηλεπισκόπησης και της μοντελοποίησης.

'''Εισαγωγή / Στόχοι:'''
Οι αλλαγές στα πρότυπα αστικοποίησης όλων των γεωγραφικών κλιμάκων του τελευταίου αιώνα, είναι ίσως η πιο σημαντική αλλαγή που έχει συμβεί στις αμερικανικές πόλεις. Αυτό οφείλεται κυρίως στην εφεύρεση προσβάσιμων μέσων μαζικής μεταφοράς. Αυτά τα παραδείγματα των νέων οικιστικών προτύπων είναι: η αποκέντρωση και η συγκέντρωση στο κέντρο, ο σχηματισμός προαστίων και νέων πόλεων στα άκρα, ο αποικισμός των απομακρυσμένων αγροτικών και δασικών εκτάσεων, η εμφάνιση νέων τύπων αστικής εξειδίκευσης (π.χ. τεχνοπόλεις), διάφορα κοινωνικοπολιτικά φαινόμενα, όπως επίσης και η αύξηση των απειλών από φυσικές καταστροφές, μιας και οι αστικές δομές γίνονται όλο και πιο κατακερματισμένες και πολύπλοκες στο εσωτερικό τους.

Τα τελευταία χρόνια, τα μοντέλα αλλαγής της χρήσης γης και αστικής ανάπτυξης έχουν γίνει σημαντικά εργαλεία για τους πολεοδόμους και άλλους, με σκοπό τη λήψη έγκαιρων και αποτελεσματικών αποφάσεων για τη βιώσιμη ανάπτυξη των αστικών περιοχών. Η εξέλιξη συνέβη λόγω της αύξησης των πόρων και της χρηστικότητα πολλαπλών συνόλων δεδομένων και εργαλείων επεξεργασία τους (π.χ. Γεωγραφικά Συστήματα Πληροφοριών). Η χρησιμότητά τους εστιάζει κυρίως στη λήψη αποφάσεων για:
• την κατανόηση των αστικών αυτών συστημάτων
• την πρόβλεψη μελλοντικών αλλαγών και νέων τάσεων αστικής ανάπτυξης
• περιγραφή και αξιολόγησης επιπτώσεων μελλοντικής ανάπτυξης
• αναζήτηση διαφορετικών πολιτικών και βελτιστοποίηση του αστικού σχεδιασμού και διαχείρισης.

Καθώς τα μοντέλα αλλαγής χρήσης γης προσομοιώνουν τόσο ανθρώπινα όσο και βιολογικό σύστημα, οι απαιτήσεις σε δεδομένα είναι αρκετά πολύπλοκες και ποικίλουν από φυσικές και οικολογικές παραμέτρους σε πληροφορίες κοινωνικοοικονομικής φύσεως και λεπτομερή στοιχεία χρήσης / κάλυψης γης με καθορισμένη χωρική και χρονική ακρίβεια.

Σε γενικές γραμμές, η τηλεπισκόπηση μπορεί να προσφέρει συνεκτικά σύνολα δεδομένων, καλύπτοντας μεγάλες περιοχές με μεγάλη χωρική ανάλυση και χρονική συχνότητα. Παρ' όλα αυτά, είναι λίγες οι μελέτες που ασχολούνται με την ενσωμάτωσή της σε εφαρμογές μοντέλων μεταβολής χρήσεων αστικής γής. Η έρευνα αυτή έχει τρεις βασικούς στόχους:
• Μελετώντας τις διάφορες μεθόδους μοντελοποίησης χρήσεων αστικής γης, αυτές θα συγκριθούν ως προς τις απαιτήσεις τους σε πληροφορίες ώστε να σχηματιστούν τα χαρακτηριστικά και οι απαιτήσεις σε τηλεπισκοπικά δεδομένα.
• Παρουσίαση και συζήτηση της χαρτογράφησης μιας αστικής περιοχής, και συγκεκριμένα της Σάντα Μπάρμαρα της Καλιφόρνια, από δεδομένων τηλεπισκόπησης υψηλής ανάλυσης. Η προσέγγιση αυτή δείχνει τις δυνατότητες για την περιγραφή και την απόκτηση πληροφοριών σχετικά με τις χρήσεις γης και άλλων κοινωνικοοικονομικής φύσεως.
• Τέλος, παραμετροποιείται και βαθμονομείται το πρότυπο αστικής ανάπτυξης της Σάντα Μπάρμπαρα με χρήση του μοντέλου Sleuth, χρησιμοποιώντας κυψελοειδή αυτόματα. Από τη διαδικασία προκύπτει και η δυνατότητα μελλοντικών προβλέψεων αστικής ανάπτυξης.

'''Ανασκόπηση των μοντέλων μεταβολής χρήσεων αστικής γης:'''
Τα μοντέλα που χρησιμοποιήθηκαν στα πλαίσια της εργασίας αυτής προέρχονται από αναφορές που δημοσίευσαν το Υπουργείο Γεωργίας των ΗΠΑ και ο Οργανισμός Προστασίας του Περιβάλλοντος των ΗΠΑ. Από τα 36 διαφορετικά μοντέλα που χρησιμοποιήθηκαν, με την εφαρμογή ενός αριθμού κριτηρίων, επιλέχθηκαν τα 7 για τους σκοπούς της ανάλυσής μας. Ο Πίνακας 1 μας δίνει μια περίληψη αυτών. Η δεύτερη στήλη του Πίνακα 1 μας δείχνει τους σκοπούς του σχεδιασμού κάθε μοντέλου, ενώ η τρίτη τα χωρικά τους πλαίσια. Τα μοντέλα αυτά χρησιμοποιούν τόσο διανυσματικές όσο και μεθόδους εικονοστοιχείων για τον χωρικό προσδιορισμό των στοιχείων τους. Ως ενότητες του μοντέλου προσδιορίζονται οι περιοχές εκείνες που έχουν κοινή γεωμετρία σαν αποτέλεσμα της αλληλεπικάλυψης πολλών επιπέδων δεδομένων, διαφόρων φυσικών και ανθρώπινων παραμέτρων. Στην περίπτωση της ράστερ απεικόνισης, οι χωρικές ενότητες είναι πιο συγκεχυμένες, σε αντίθεση με αυτές των γραμμικών απεικονίσεων που περιλαμβάνουν καλύτερα προσδιορισμένες ενότητες.

'''Χωρική Ανάλυση Δεδομένων:'''
Σε γενικές γραμμές, οι απαιτήσεις χωρικής ανάλυσης των μοντέλων ράστερ ποικίλλουν ανάλογα με το σκοπό και τα χαρακτηριστικά των μελετών εφαρμογής. Η ανάλυση της μονάδας του καννάβου που χρησιμοποιούνται κυμαίνονται από 30μ x 30μ και 100μ x 100μ. Μερικά μοντέλα ζητούν μικρότερη χωρική ακρίβεια ώστε να χρησιμοποιηθούν σε ειδικές κατηγορίες χρήσεων γης (μοντέλο UPLAN) ή σε περιπτώσεις που η διαδικασία βασίζεται στην κλίμακα μελέτης, όπως τα μοντέλα LTM και UrbanSim.

'''Χρονική Ανάλυση Δεδομένων:'''
Για την πλειοψηφία των μοντέλων, η παράμετρος αυτή μεταβάλεται. Τα περισσότερα εξετάζουν μια περίοδο 1 με 10 χρόνων με χρονικό πλαίσιο για μελλοντικές προβλέψεις της τάξεως των 5 με 10 χρόνων, μέχρι και σε βάθος 100 χρόνων. Εξαίρεση αποτελεί το CUF μοντέλο όπου τόσο τα χρονικά μεσοδιαστήματα όσο και περίοδος πρόβλεψης είναι συνήθως 5 με 10 χρόνια.

'''Κατηγορίες Χρήσεων/Κάλυψης Αστικής γης:'''
Ένα άλλο σημαντικό χαρακτηριστικό είναι ο τρόπος που τα μοντέλα παραμετροποιούν τη διάκριση και κατηγοριοποίηση της αστικής γης. Η προσέγγιση με βάση το αγροτεμάχιο του UrbanSim μοντέλου συνήθως δεν απαιτεί τον περαιτέρω προσδιορισμό κατηγοριών χρήσεων αστική γης. Τα σημαντικότερα κοινωνικοοικονομικά χαρακτηριστικά παραμετροποιούνται στο επίπεδο του αγροτεμαχίου. Τα μοντέλα LUCAS και LTM που πραγματεύονται τις επιπτώσεις της αστικής εξάπλωσης στο γύρο περιβάλλον, αντιλαμβάνονται μόνο μία κατηγορία χρήσης γης, ενώ ταυτόχρονα η διαφοροποίηση των αστικών περιοχών γίνεται με την παράμετρο της πληθυσμιακής πυκνότητας.
Άλλα μοντέλα όπως το CUF-2 και το UPLAN που ασχολούνται με την προσομοίωση της αστικής ανάπτυξης και του τρόπου αλλαγής των χρήσεων γης της πόλης, χρησιμοποιούν ένα ακόμη υψηλότερο επίπεδο διάκρισης των χρήσεων γης, όπως οι διαφορετικές πυκνότητες και κτιριακές κατασκευές των περιοχών κατοικίας, εμπορίου και βιομηχανίας. Πέραν των χρήσεων γης, τα περισσότερα μοντέλα χρειάζονται κι άλλα δεδομένα όπως η τοπογραφία της περιοχής και οι υπάρχουσες υποδομές μεταφορών. Τέλος, το μοντέλου Sleuth που θα χρησιμοποιήσουμε διακρίνει μόνο μια χρήση γης.

'''Η Τηλεπισκόπηση για την χαρτογράφηση των παραμέτρων των μοντέλων αστικλης ανάπτυξης:'''
Σε γενικές γραμμές, η χαρτογράφηση των αστικών περιοχών μέσω της τηλεπισκόπησης είναι μια σχετικά πολύπλοκη διαδικασία λόγω της ετερογένειας των αστικού περιβάλλοντος το οποίο αποτελείται συνήθως από δομές (π.χ. κτήρια, μεταφορές δίχτυα), διαφορετικά είδη βλάστησης (π.χ. πάρκα, κήποι, αγροτικές περιοχές), ζώνες γυμνού εδάφους και υδάτινων τμημάτων. Παραδοσιακά, η ερμηνείες της οπτικής ανάλυσης αεροφωτογραφιών υψηλής ανάλυσης παρέχουν ολοκληρωμένη πληροφορίες για τη χαρτογράφηση των αστικών περιοχών.

Σήμερα, με την ευρεία διάθεση των δεδομένων της δορυφορικής τηλεπισκόπησης και την ύπαρξη δεδομένων με μεγάλη χρονική και χωρική ανάλυση, οι μέθοδοι ανάλυσης έχουν γίνει πιο αντικειμενικές και κατάλληλες για την εφαρμογή τους σε μεγάλες περιοχές. Οι πολυφασματικοί αισθητήρες επιτρέπουν την ακόμα πιο αποτελεσματική διάκριση ανάμεσα σε διαφορετικές καλύψεις γης (χτισμένες περιοχές, πράσινο και νερό). Δεν ισχύει το ίδιο για την αποτελεσματικότερη διάκριση των αστικών χρήσεων γης όπως κατοικία, εμπόριο κ.α.

'''Χωρική Ανάλυση:'''
Οι απαιτήσεις για την περιγραφή της διάρθρωσης των δομημένων περιοχών απαιτούν δεδομένα πολύ υψηλής ανάλυσης όπως δεδομένα IKONOS 2, τα οποία και δεν ήταν διαθέσιμα την περίοδο διεξαγωγής αυτής της μελέτης. Έτσι, χρησιμοποιήσαμε ψηφιοποιημένες υπέρυθρες αεροφωτογραφίες, με ανάλυση εικόνας της τάξης των 3μ, παρόμοιες με αυτές των σύγχρονων δορυφορικών δεδομένων.

'''Χωρικές Μονάδες:'''
Οι χωρικές μονάδες μπορούν να οριστούν ως ποσοτικοί δείκτες που περιγράφουν τις δομές και τους τύπους που σχηματίζονται στο χώρο. Βασίζονται στη θεωρία πληροφοριών και τη γεωμετρία των επαναλαμβανόμενων δομών. Για τη μελέτη αυτή επιλέχθηκαν 6 διαφορετικές μονάδες που καθεμιά περιγράφει διαφορετικά χωρικά χαρακτηριστικά κάλυψης γης.

'''Ομογενοποιημένες Αστικές Δομές:'''
Οι περιοχές αυτές χαρακτηρίζονται ως τμήματα εικόνας με παρόμοιες ιδιότητες όσον αφορά στο μέγεθος, σχήμα, χρώμα, υφή και πρότυπο και μπορούν να οριστούν ως δομές ομογενοποιημένης χρήσης αστικής γης και μονάδα μέτρησης για την ανάλυση δεδομένων.

Οι περιοχές μελέτης της Σάντα Μπάρμπαρα μπορούν εύκολα να χωριστούν σε δομημένες και αδόμητες περιοχές. Οι 6 χωρικές μονάδες που αναφέρθηκαν παραπάνω υπολογίστηκαν στη βάση μια δυαδικής μορφής ταξινόμησης των τριών βασικών κατηγοριών αστικής χρήσης γης οι οποίες και αποτελούν τυπικό δείγμα χωρικών και κοινωνικοοικονομικών τύπων που βρέθηκαν σε αστικές περιοχές και συγκεκριμένα στη Σάντα Μπάρμπαρα. Αυτές περιγράφονται στην Εικόνα 1 και είναι:
• Εμπορικές και Βιομηχανικές περιοχές (Comm)
• κατοικία με μεγάλες πυκνότητες (ResHD)
• κατοικία χαμηλής πυκνότητας (ResLD)

'''Εφαρμογή του μοντέλου Sleuth στη μοντελοποίηση της Αστικής Ανάπτυξης:'''
Ο τόπος εφαρμογής του μοντέλου είναι η πόλη της Σάντα Μπάρμπαρα στην Καλιφόρνια των ΗΠΑ. Η προσομοίωση βασίστηκε στο μοντέλο Clarke (UMG) που συνδυάζει την επιρροή της τοπογραφίας, της γειτνίασης και του δικτύου μεταφορών με τους τύπους αστικοποίησης κατά τη διάρκεια του χρόνου. Χρησιμοποιεί κυψελοειδή αυτόματα για να τυποποιήσει την αστική εξάπλωση, βασισμένο σε κανόνες ανάπτυξης πλεγματικής αναπαράστασης του γεωγραφικού χώρου, κυψέλη προς κυψέλη. Το όνομα του μοντέλου Sleuth προκύπτει από τις απαιτήσεις σε δεδομένα, τα οποία είναι: κλίση, κάλυψη γης, αποκλεισμός, αστικές μετακινήσεις και σκίαση αναγλύφου.

Η αστική ανάπτυξη της περιοχής προκλήθηκε από ραγδαία αύξηση του πληθυσμού σε διάφορες χρονικές περιόδους. Η περιοχή μελετήθηκε από το 1929, χρόνος της πρώτης αεροφωτογραφίας που χρησιμοποιήθηκε για αυτή τη μελέτη. Συνολικά χρησιμοποιήθηκαν 7 ομάδες αεροφωτογραφιών τις χρονιές 1929, 1943, 1954, 1967, 1976, 1986 και 1997. Οι τύποι χρήσης γης διακρίνονται σε αστικοποιημένη και μη αστικοποιημένη γη. Μετά τη βαθμονόμηση του μοντέλου είναι δυνατή και η πρόβλεψη μελλοντικών επεκτάσεων στη βάση ενός αριθμού πιθανών σεναρίων. Η αστική εξάπλωση της πόλης φαίνεται στη Εικόνα 2.

Από την παρατήρηση της Εικόνας 2 βλέπουμε τις φάσεις εξάπλωσης της πόλης, η οποία λόγω των φυσικών ορίων αναπτύχθηκε κυρίως κατά μήκος της παράκτιας πεδιάδας με μια τάση προς τα δυτικά, που ξεκίνησε το 1970 με την εγκατάσταση εμπορικών λειτουργιών και συνεχίζεται μέχρι σήμερα. Στα ανατολικά έχουμε ιδιαίτερα υψηλές τιμές γης και αποθαρρύνεται η περαιτέρω επέκταση προς αυτή την κατεύθυνση. Ταυτόχρονα, μπορούν να προβλεφθούν και σενάρια μελλοντικής επέκτασης, παίρνοντας σαν δεδομένο τον σταθερό ρυθμό ανάπτυξης. Ένα τέτοιο φαίνεται στην Εικόνα 3. Η μελλοντικές επεκτάσεις φαίνεται να εστιάζονται σε δύο περιοχές, δυτικά στην περιοχή Goleta και ανατολικά στην περιοχή Carpinteria. Στην παρούσα μελέτη δεν υπάρχει διαφοροποίηση χρήσεων γης.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Η Τηλεπισκόπιση σαν εργαλείο για την παρακολούθηση των Προτύπων Αστικής Διάχυσης

2014-04-28T11:38:53Z

Mariapanagiotidou:

[[Αρχείο:MP-pinakas1-1.jpg|200px|thumb|right|Πίνακας 1: Η κλίμακα σε διάφορες εφαρμογές της Τηλεπισκόπισης. (Neer, 1999)]]

[[Αρχείο:MP-eikona1-1.jpg|200px|thumb|right|Εικόνα 1: Μεταβολή των χρήσεων γης την περίοδο 1973 – 2003 στη μητροπολιτική περιοχή Phoenix, ΗΠΑ. (Moeller 2004)]]

[[Αρχείο:MP-eikona1-2.jpg|200px|thumb|right|Εικόνα 2: Ταξινόμηση χάρτη σε τομείς και ομόκεντρους κύκλους. (Moeller 2004)]]

[[Αρχείο:MP-eikona1-3.jpg|200px|thumb|right|Εικόνα 3: Καμπύλες των 6 περιόδων μεταβολής.]]

'''Αντικείμενο Εφαρμογής:''' Ανίχνευση μεταβολών αστικής γης

'''Πρωτότυπος Τίτλος:''' «Remote Sensing for the Μonitoring of Urban Growth Patterns»

'''Συγγραφείς:''' Μatthias S. Moeller (International Institute for Sustainability, Arizona State University)

'''Πηγή:''' International Society for Photogrammetry and Remote Sensing [http://www.isprs.org/proceedings/xxxvi/8-w27/moeller.pdf]

'''Λέξεις Κλειδιά:''' αστική διάχυση, αντικειμενοστραφής ταξινόμηση

'''Περίληψη:'''
Οι αστικές περιοχές είναι οι πιο δυναμικές περιοχές πάνω στη γη. Το μέγεθός τους έχει μια σταθερή αυξητική τάση στο παρελθόν και αυτή η διαδικασία θα συνεχιστεί και στο μέλλον. Για την κατανόηση του φαινομένου της Αστικής Εξάπλωσης, οι εικόνες τηλεπισκόπισης είναι ένα αξιόπιστο εργαλείο. Μια μακροχρόνια, μεσαίας κλίμακας μελέτη διεξήχθη για την αστική διάχυση της μητροπολιτικής περιοχής του Phoenix, Αριζόνα. Το χρονικό πλαίσιο της έρευνας είναι 30 χρόνια. Αυτή η μελέτη χρησιμοποίησε δορυφορικές εικόνες από διαφορετικά συστήματα αισθητήρων, αντικειμενοστρεφή ανάλυση και ταξινόμησης της πληροφορίας. Τα ευρήματα της έρευνας, η οποία χωρίστηκε σε έξι περιόδους, αναλύθηκαν με όρους κατεύθυνσης της διάχυσης και αποστάσεων διάχυσης. Συνολικά, μπορούν να ορισθούν αρκετές φάσεις τυπικής διάχυσης της πόλης. Τα αποτελέσματα της έρευνας θα μπορούσαν να χρησιμεύσουν σαν βάση για τη σύγκριση περισσότερων πόλεων παρόμοιου σχήματος.
'''
Εισαγωγή - Στόχος:'''
Τα τελευταία 50 χρόνια ο πληθυσμός της γης έχει διπλασιαστεί αγγίζοντας τα 6,5 δισεκατομμύρια. Η αύξηση αυτή, όπως και η συγκέντρωση, με πολύ υψηλές πυκνότητες παρατηρείται ιδιαίτερα στις αναπτυσσόμενες χώρες. Θα ήταν σκόπιμη η παρακολούθηση και καταγραφή της ανάπτυξης των αστικών αυτών περιοχών για λόγους πολεοδομικού σχεδιασμού.

Τα δορυφορικά δεδομένα εικόνας παρέχουν τη συνοπτική επισκόπηση μεγάλων περιοχών που καταγράφονται πάντα με ένα τυποποιημένο και βαθμονομημένο συστήματος παρακολούθησης. Τα δεδομένα ξεκίνησαν να καταγράφονται με υψηλή χρονική ανάλυση από τη δεκαετία του '70 και με τον τρόπο αυτό δίνουν τη δυνατότητα της ιστορικής αναδρομής. Αναλύοντας τα ιστορικά αυτά δεδομένα μπορούν να φτιάξουμε χρονοσειρές μεταβολών χρήσεων και κάλυψης γης όπως επίσης και να προβλέψουμε μελλοντικές μεταβολές και να ελέγξουμε και να επαληθεύσουμε μοντέλα ανάπτυξης.
'''
Κλίμακα εφαρμογής, Φασματικές και Χρονικές Ιδιότητες:'''
Για την παρακολούθηση της αστικής διάχυσης, μια κλίμακα της τάξης 1:25.000 - 1:50.000 είναι αρκετή. Η κλίμακα αυτή μπορεί να επιτευχθεί με αισθητήρες που παρέχουν χωρική ανάλυση 4-50 μέτρων.

Στις αστικές επιφάνειες τα υλικά παντρεύονται πολλές φορές σε ένα μόνο pixel, κάνοντας ιδιαίτερα δύσκολη τη διάκριση των διαφορετικών επιφανειών και αντικειμένων. Η ιδανική λύση θα ήταν ένας υπερφασματικός σαρωτής με ένα μεγάλο αριθμό ζωνών, καθεμιά με μικρό εύρος της τάξης των 10nm. Σήμερα, το σύστημα αισθητήρα με την υψηλότερη φασματική ανάλυση διαθέσιμη και σε επιχειρησιακή λειτουργία είναι ο αισθητήρας ASTER, έχοντας 14 ζώνες στο ορατό, το υπέρυθρο και το θερμικό τμήμα της ηλεκτρομαγνητικής ενέργειας.

Γενικά, όσο μεγαλύτερη είναι η χωρική ανάλυση τόσο μικρότερη γίνεται η χρονική. Συστήματα πολικής τροχιάς, όπως το Landsat και ASTER πραγματοποιούν κύκλους σε συχνότητα 16 ημερών. Οι αισθητήρες Landsat έχουν μακρά ιστορία δεδομένων εικόνας, ήδη από το 1972 και τον πρώτο Πολυφασματικό Σαρωτή (MSS) που κυκλοφόρησε. Τα δεδομένα λοιπόν που υπάρχουν είναι περισσότερο από 30 χρονών και μπορούν να βρεθούν στους ESDI 2005, USGS 2005, Landsat 2005 και EOS Webster 2005, πολλές φορές και δωρεάν.

'''Εφαρμογή της Τηλεπισκόπισης για την Αστική Διάχυση στη μητροπολιτική περιοχή Phoenix:'''
Η μητροπολιτική περιοχή της Phoenix (PHX) χαρακτηρίζεται από τον υψηλό ρυθμό αστικής εξάπλωσης. Βρίσκεται στο ΝΑ τμήμα των ΗΠΑ, στην έρημο Sonoran. Είναι η έκτη μεγαλύτερη αστική περιοχή της χώρας και συνεχίζει διαρκώς να εξαπλώνεται. Η ανάπτυξή της έχει καταγραφεί κατά τη διάρκεια των τελευταίων 30 χρόνων.

Η περιοχή που μελετάται εκτείνεται σε 112 χμ. Η αστική περιοχή περιβαλλόταν το '73 κυρίως από γεωργικές εκτάσεις όπως επίσης και από προστατευόμενες περιοχές Ινδιάνων και φυσικού κάλλους. Στη διάθεσή μας έχουμε 6 εικόνες, από το 1973 έως το 2003, όλες τραβηγμένες την άνοιξη, μέσα σε μια περίοδο 6 εβδομάδων, ούτως ώστε η φαινολογία να είναι ίδια σε όλες.
'''
Επεξεργασία δορυφορικών δεδομένων:'''
Όλα τα δορυφορικά δεδομένα έχουν επεξεργαστεί χωρικά (π.χ. διορθωθεί και γεωκωδικοποιηθεί) σε ορθοφωτογραφίες από τον διανομέα. Η χωρική ποιότητα των σκηνών έχει ελεγχθεί και έχουν καταχωρηθεί η μια στην άλλη ώστε να ελαχιστοποιηθούν τα χωρικά λάθη. Ατμοσφαιρικές διορθώσεις δεν έχουν γίνει διότι οι καιρικές συνθήκες ήταν ιδανικές.

Σε περίπτωση σαν τη δική μας, που χρησιμοποιούνται δεδομένα από διαφορετικούς αισθητήρες, η εικόνα θα πρέπει να αναλυθεί πριν συγκριθούν τα αποτελέσματα της ταξινόμησης. Εφαρμόστηκε μια αντικειμενοστρεφής προσέγγιση ανάλυσης εικόνας που οδήγησε σε αξιόπιστα αποτελέσματα όσον αφορά την ακρίβεια ταξινόμησης. Ακολουθώντας το σύστημα ταξινόμησης που υιοθετήθηκε και τροποποιήθηκε από το σχήμα NLCD, διακρίθηκαν τουλάχιστον 10 κατηγορίες σε κάθε εικόνα. Η ακρίβεια της ταξινόμησης αυτής είναι της τάξης του 87%.

'''Αποτελέσματα ανάλυσης:'''
Με βάση την σύγκριση των εικόνων δημιουργήθηκε ένας κάνναβος με 500Χ500 μονάδα μεγέθους. Έγιναν διακριτές 3 κύριες χρήσεις γης: αγροτικές καλλιέργειες, αστική γη και φυσική γη. Η κυρίαρχη χρήση κάθε μονάδας καταγράφηκε σε περιβάλλον GIS. Στο επόμενο βήμα καταγράφηκε η αλλαγή χρήσης γης από αγροτική σε αστική για καθεμιά από τις 6 περιόδους. Η Εικόνα 1 δείχνει τη μετατροπή της γης προς αστική χρήση από το 1973 στο 2003 σε κόκκινους τόνους.

Πάνω σ' αυτό το χάρτη εφαρμόστηκε ένα σύστημα από 8 τομείς και 50 ομόκεντρες τροχιές, όπως φαίνεται στην Εικόνα 2. Μετατρέποντας το σχήμα σε πίνακες, η εξάπλωση γίνεται ακόμα πιο εμφανής. Στον τομέα 1, από το βορρά στην ανατολή, βλέπουμε τη μεγαλύτερη εξάπλωση. Αντίθετα, η εξάπλωση είναι περιορισμένη για τις περιοχές 3 και 4. Αυτό φαίνεται να οφείλεται στην ύπαρξη των Ινδιάνικων και φυσικών προστατευόμενων περιοχών. Ως αναφορά την εξάπλωση σχετιζόμενη με την απόσταση από το κέντρο, γίνεται εμφανές πως ακολουθεί έναν συγκεκριμένο τύπο για τις πρώτες 4 περιόδους, κατά τον οποίο η αυτή έλαβε χώρα σε περιοχές γύρω από το κέντρο. Η δομή αυτή υποδηλώνει μια τυπική εξάπλωση σε τροχιές. Αυτό αλλάζει κατά τις 2 τελευταίες περιόδους, όπου παρατηρούμε έντονη εξάπλωση σε μεγάλη απόσταση των 30 χμ.

'''Συμπεράσματα:'''
Η ανάλυση, αξιοποιώντας δεδομένα από μια μεγάλη χρονική περίοδο, δίνει τη δυνατότητα της σε βάθος παρακολούθησης της αστικής εξάπλωσης. Με βάση αυτή την έρευνα, έχουν αναπτυχθεί δείκτες αστικής εξάπλωσης με σκοπό την παραμετροποίησή της. Σε ένα επόμενο στάδιο, οι δείκτες αυτοί πρέπει να εφαρμοστούν σε διαφορετικά αστικά περιβάλλοντα για λόγους σύγκρισης διαφορετικών τύπων αστικής εξάπλωσης. Αυτό θα μπορούσε να οδηγήσει σε μια πολύ χρήσιμη κατηγοριοποίηση της αστικής εξάπλωσης.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Παναγιωτίδου Μαρία

2014-04-28T11:37:04Z

Mariapanagiotidou:

* [[Η Τηλεπισκόπιση σαν εργαλείο για την παρακολούθηση των Προτύπων Αστικής Διάχυσης]]
* [[Τηλεπισκόπηση και Μοντέλα Αστικής Εξάπλωσης - Απαιτήσεις και Προοπτικές]]

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

Τηλεπισκόπηση και Μοντέλα Αστικής Εξάπλωσης - Απαιτήσεις και Προοπτικές

2014-04-28T11:36:19Z

Mariapanagiotidou:

[[Αρχείο:MP-pinakas2-1.jpg|200px|thumb|right|Πίνακας 1: Σύγκριση του σκοπού και χωρικό, χρονικό και θεματικό πλαίσιο των επτά μοντέλων αστικής ανάπτυξης / χρήσης γης, σύμφωνα με το EPA 2000, Agarwal et al. 2000.]]

[[Αρχείο:MP-eikona2-1.jpg|200px|thumb|right|Εικόνα 1: Χαρακτηριστικά και χωρική κατανομή της βλάστησης (γκρι) και των κατοικημένων περιοχών (μαύρο) σε διαβαθμισμένες αεροφωτογραφίες, για τις τρεις υπό διερεύνηση κατηγορίες χρήσεων αστική γης.]]

[[Αρχείο:MP-eikona2-2.jpg|200px|thumb|right|Εικόνα 2: Η ιστορική ανάπτυξη της αστικής περιοχής (εμφανίζονται με ανοιχτό γκρι) της Σάντα Μπάρμπαρα.]]

[[Αρχείο:MP-eikona2-3.jpg|200px|thumb|right|Εικόνα 3: Πρόβλεψη για τις αστικοποιημένες περιοχές το 2050. Στο σενάριο αυτό, όλα περιοχή θεωρείται κενή γη, εκτός από τα πάρκα (σκούρο γκρι = αστικοποιημένες το 1997, ελαφρύτερο γκρι = αστικοποιημένες το 2050).]]

'''Αντικείμενο Εφαρμογής:''' Ανίχνευση μεταβολών αστικής γης

'''Πρωτότυπος Τίτλος:''' «Remote Remote Sensing and Urban Growth Models – Demands and Perspectives»

'''Συγγραφείς:''' Martin Herold and Keith C. Clarke (Department of Geography, University of California, Santa Barbara)
Gunter Menz (Remote Sensing Research Group, Department of Geography, University of Bonn)

'''Πηγή:''' Department of Earth Observation of the Friedrich-Schiller-University Jena [http://www.eo.uni-jena.de/~c5hema/pub/herold_menz_clarke.pdf]

'''Περίληψη:'''
Η αστική ανάπτυξη και τα μοντέλα αλλαγής χρήσης γης είναι ένα σημαντικό και καινοτόμο εργαλείο που βοηθάει ιδιαίτερα στον σχεδιασμό και την ανάπτυξη βιώσιμων αστικών περιοχών. Οι απαιτήσεις δεδομένων για την παραμετροποίηση, βαθμονόμηση και επικύρωση των αστικών μοντέλων είναι πολλές, κυρίως λόγω της πολυπλοκότητας των μοντέλων και των στόχων τους. Σε αυτή τη μελέτη, αξιολογείται ένας αριθμός μοντέλων αλλαγής χρήσης γης και συγκρίνονται οι απαιτήσεις τους σε χωρικά δεδομένα. Παρουσιάζεται και αξιολογείται μια κατάλληλη μεθοδολογία για τη διαφοροποίηση των αστικών χρήσεων γης, με τη χρήση υψηλής ανάλυσης τηλεπισκοπικών δεδομένων και με τόπο μελέτης την πόλη της Σάντα Μπάρμπαρα, Νότια Καλιφόρνια, ΗΠΑ. Η προσέγγιση βασίζεται σε περιοχές ακανόνιστου αλλά ομογενούς σχήματος αστική γης ως μονάδες χαρτογράφησης. Στις περιοχές αυτές, πραγματοποιήθηκαν χωρικές μετρήσεις και μετρήσεις πρότυπου σχήματος με σκοπό την περιγραφή της δομής της κάλυψης γης, την απόκτηση πληροφοριών για τις χρήσεις γης και να την περιγραφή κοινωνικοοικονομικών χαρακτηριστικών. Παρουσιάζεται η εφαρμογή ενός εκ των μοντέλων, η οποία βασίστηκε σε μια χρονοσειρά φωτογραφιών εβδομήντα ετών. Η διαδικασία αστικής ανάπτυξη, καθώς και οι μελλοντικές προβλέψεις αλλαγής χρήσεων γης εκπροσωπούνται στο μοντέλο βασιζόμενες στα κυψελοειδή αυτόματα και καταδεικνύουν τη δυνατότητα του συνδυασμού της τηλεπισκόπησης και της μοντελοποίησης.

'''Εισαγωγή / Στόχοι:'''
Οι αλλαγές στα πρότυπα αστικοποίησης όλων των γεωγραφικών κλιμάκων του τελευταίου αιώνα, είναι ίσως η πιο σημαντική αλλαγή που έχει συμβεί στις αμερικανικές πόλεις. Αυτό οφείλεται κυρίως στην εφεύρεση προσβάσιμων μέσων μαζικής μεταφοράς. Αυτά τα παραδείγματα των νέων οικιστικών προτύπων είναι: η αποκέντρωση και η συγκέντρωση στο κέντρο, ο σχηματισμός προαστίων και νέων πόλεων στα άκρα, ο αποικισμός των απομακρυσμένων αγροτικών και δασικών εκτάσεων, η εμφάνιση νέων τύπων αστικής εξειδίκευσης (π.χ. τεχνοπόλεις), διάφορα κοινωνικοπολιτικά φαινόμενα, όπως επίσης και η αύξηση των απειλών από φυσικές καταστροφές, μιας και οι αστικές δομές γίνονται όλο και πιο κατακερματισμένες και πολύπλοκες στο εσωτερικό τους.

Τα τελευταία χρόνια, τα μοντέλα αλλαγής της χρήσης γης και αστικής ανάπτυξης έχουν γίνει σημαντικά εργαλεία για τους πολεοδόμους και άλλους, με σκοπό τη λήψη έγκαιρων και αποτελεσματικών αποφάσεων για τη βιώσιμη ανάπτυξη των αστικών περιοχών. Η εξέλιξη συνέβη λόγω της αύξησης των πόρων και της χρηστικότητα πολλαπλών συνόλων δεδομένων και εργαλείων επεξεργασία τους (π.χ. Γεωγραφικά Συστήματα Πληροφοριών). Η χρησιμότητά τους εστιάζει κυρίως στη λήψη αποφάσεων για:
• την κατανόηση των αστικών αυτών συστημάτων
• την πρόβλεψη μελλοντικών αλλαγών και νέων τάσεων αστικής ανάπτυξης
• περιγραφή και αξιολόγησης επιπτώσεων μελλοντικής ανάπτυξης
• αναζήτηση διαφορετικών πολιτικών και βελτιστοποίηση του αστικού σχεδιασμού και διαχείρισης.

Καθώς τα μοντέλα αλλαγής χρήσης γης προσομοιώνουν τόσο ανθρώπινα όσο και βιολογικό σύστημα, οι απαιτήσεις σε δεδομένα είναι αρκετά πολύπλοκες και ποικίλουν από φυσικές και οικολογικές παραμέτρους σε πληροφορίες κοινωνικοοικονομικής φύσεως και λεπτομερή στοιχεία χρήσης / κάλυψης γης με καθορισμένη χωρική και χρονική ακρίβεια.

Σε γενικές γραμμές, η τηλεπισκόπηση μπορεί να προσφέρει συνεκτικά σύνολα δεδομένων, καλύπτοντας μεγάλες περιοχές με μεγάλη χωρική ανάλυση και χρονική συχνότητα. Παρ' όλα αυτά, είναι λίγες οι μελέτες που ασχολούνται με την ενσωμάτωσή της σε εφαρμογές μοντέλων μεταβολής χρήσεων αστικής γής. Η έρευνα αυτή έχει τρεις βασικούς στόχους:
• Μελετώντας τις διάφορες μεθόδους μοντελοποίησης χρήσεων αστικής γης, αυτές θα συγκριθούν ως προς τις απαιτήσεις τους σε πληροφορίες ώστε να σχηματιστούν τα χαρακτηριστικά και οι απαιτήσεις σε τηλεπισκοπικά δεδομένα.
• Παρουσίαση και συζήτηση της χαρτογράφησης μιας αστικής περιοχής, και συγκεκριμένα της Σάντα Μπάρμαρα της Καλιφόρνια, από δεδομένων τηλεπισκόπησης υψηλής ανάλυσης. Η προσέγγιση αυτή δείχνει τις δυνατότητες για την περιγραφή και την απόκτηση πληροφοριών σχετικά με τις χρήσεις γης και άλλων κοινωνικοοικονομικής φύσεως.
• Τέλος, παραμετροποιείται και βαθμονομείται το πρότυπο αστικής ανάπτυξης της Σάντα Μπάρμπαρα με χρήση του μοντέλου Sleuth, χρησιμοποιώντας κυψελοειδή αυτόματα. Από τη διαδικασία προκύπτει και η δυνατότητα μελλοντικών προβλέψεων αστικής ανάπτυξης.

'''Ανασκόπηση των μοντέλων μεταβολής χρήσεων αστικής γης:'''
Τα μοντέλα που χρησιμοποιήθηκαν στα πλαίσια της εργασίας αυτής προέρχονται από αναφορές που δημοσίευσαν το Υπουργείο Γεωργίας των ΗΠΑ και ο Οργανισμός Προστασίας του Περιβάλλοντος των ΗΠΑ. Από τα 36 διαφορετικά μοντέλα που χρησιμοποιήθηκαν, με την εφαρμογή ενός αριθμού κριτηρίων, επιλέχθηκαν τα 7 για τους σκοπούς της ανάλυσής μας. Ο Πίνακας 1 μας δίνει μια περίληψη αυτών. Η δεύτερη στήλη του Πίνακα 1 μας δείχνει τους σκοπούς του σχεδιασμού κάθε μοντέλου, ενώ η τρίτη τα χωρικά τους πλαίσια. Τα μοντέλα αυτά χρησιμοποιούν τόσο διανυσματικές όσο και μεθόδους εικονοστοιχείων για τον χωρικό προσδιορισμό των στοιχείων τους. Ως ενότητες του μοντέλου προσδιορίζονται οι περιοχές εκείνες που έχουν κοινή γεωμετρία σαν αποτέλεσμα της αλληλεπικάλυψης πολλών επιπέδων δεδομένων, διαφόρων φυσικών και ανθρώπινων παραμέτρων. Στην περίπτωση της ράστερ απεικόνισης, οι χωρικές ενότητες είναι πιο συγκεχυμένες, σε αντίθεση με αυτές των γραμμικών απεικονίσεων που περιλαμβάνουν καλύτερα προσδιορισμένες ενότητες.

'''Χωρική Ανάλυση Δεδομένων:'''
Σε γενικές γραμμές, οι απαιτήσεις χωρικής ανάλυσης των μοντέλων ράστερ ποικίλλουν ανάλογα με το σκοπό και τα χαρακτηριστικά των μελετών εφαρμογής. Η ανάλυση της μονάδας του καννάβου που χρησιμοποιούνται κυμαίνονται από 30μ x 30μ και 100μ x 100μ. Μερικά μοντέλα ζητούν μικρότερη χωρική ακρίβεια ώστε να χρησιμοποιηθούν σε ειδικές κατηγορίες χρήσεων γης (μοντέλο UPLAN) ή σε περιπτώσεις που η διαδικασία βασίζεται στην κλίμακα μελέτης, όπως τα μοντέλα LTM και UrbanSim.

'''Χρονική Ανάλυση Δεδομένων:'''
Για την πλειοψηφία των μοντέλων, η παράμετρος αυτή μεταβάλεται. Τα περισσότερα εξετάζουν μια περίοδο 1 με 10 χρόνων με χρονικό πλαίσιο για μελλοντικές προβλέψεις της τάξεως των 5 με 10 χρόνων, μέχρι και σε βάθος 100 χρόνων. Εξαίρεση αποτελεί το CUF μοντέλο όπου τόσο τα χρονικά μεσοδιαστήματα όσο και περίοδος πρόβλεψης είναι συνήθως 5 με 10 χρόνια.

'''Κατηγορίες Χρήσεων/Κάλυψης Αστικής γης:'''
Ένα άλλο σημαντικό χαρακτηριστικό είναι ο τρόπος που τα μοντέλα παραμετροποιούν τη διάκριση και κατηγοριοποίηση της αστικής γης. Η προσέγγιση με βάση το αγροτεμάχιο του UrbanSim μοντέλου συνήθως δεν απαιτεί τον περαιτέρω προσδιορισμό κατηγοριών χρήσεων αστική γης. Τα σημαντικότερα κοινωνικοοικονομικά χαρακτηριστικά παραμετροποιούνται στο επίπεδο του αγροτεμαχίου. Τα μοντέλα LUCAS και LTM που πραγματεύονται τις επιπτώσεις της αστικής εξάπλωσης στο γύρο περιβάλλον, αντιλαμβάνονται μόνο μία κατηγορία χρήσης γης, ενώ ταυτόχρονα η διαφοροποίηση των αστικών περιοχών γίνεται με την παράμετρο της πληθυσμιακής πυκνότητας.
Άλλα μοντέλα όπως το CUF-2 και το UPLAN που ασχολούνται με την προσομοίωση της αστικής ανάπτυξης και του τρόπου αλλαγής των χρήσεων γης της πόλης, χρησιμοποιούν ένα ακόμη υψηλότερο επίπεδο διάκρισης των χρήσεων γης, όπως οι διαφορετικές πυκνότητες και κτιριακές κατασκευές των περιοχών κατοικίας, εμπορίου και βιομηχανίας. Πέραν των χρήσεων γης, τα περισσότερα μοντέλα χρειάζονται κι άλλα δεδομένα όπως η τοπογραφία της περιοχής και οι υπάρχουσες υποδομές μεταφορών. Τέλος, το μοντέλου Sleuth που θα χρησιμοποιήσουμε διακρίνει μόνο μια χρήση γης.

'''Η Τηλεπισκόπηση για την χαρτογράφηση των παραμέτρων των μοντέλων αστικλης ανάπτυξης:'''
Σε γενικές γραμμές, η χαρτογράφηση των αστικών περιοχών μέσω της τηλεπισκόπησης είναι μια σχετικά πολύπλοκη διαδικασία λόγω της ετερογένειας των αστικού περιβάλλοντος το οποίο αποτελείται συνήθως από δομές (π.χ. κτήρια, μεταφορές δίχτυα), διαφορετικά είδη βλάστησης (π.χ. πάρκα, κήποι, αγροτικές περιοχές), ζώνες γυμνού εδάφους και υδάτινων τμημάτων. Παραδοσιακά, η ερμηνείες της οπτικής ανάλυσης αεροφωτογραφιών υψηλής ανάλυσης παρέχουν ολοκληρωμένη πληροφορίες για τη χαρτογράφηση των αστικών περιοχών.

Σήμερα, με την ευρεία διάθεση των δεδομένων της δορυφορικής τηλεπισκόπησης και την ύπαρξη δεδομένων με μεγάλη χρονική και χωρική ανάλυση, οι μέθοδοι ανάλυσης έχουν γίνει πιο αντικειμενικές και κατάλληλες για την εφαρμογή τους σε μεγάλες περιοχές. Οι πολυφασματικοί αισθητήρες επιτρέπουν την ακόμα πιο αποτελεσματική διάκριση ανάμεσα σε διαφορετικές καλύψεις γης (χτισμένες περιοχές, πράσινο και νερό). Δεν ισχύει το ίδιο για την αποτελεσματικότερη διάκριση των αστικών χρήσεων γης όπως κατοικία, εμπόριο κ.α.

'''Χωρική Ανάλυση:'''
Οι απαιτήσεις για την περιγραφή της διάρθρωσης των δομημένων περιοχών απαιτούν δεδομένα πολύ υψηλής ανάλυσης όπως δεδομένα IKONOS 2, τα οποία και δεν ήταν διαθέσιμα την περίοδο διεξαγωγής αυτής της μελέτης. Έτσι, χρησιμοποιήσαμε ψηφιοποιημένες υπέρυθρες αεροφωτογραφίες, με ανάλυση εικόνας της τάξης των 3μ, παρόμοιες με αυτές των σύγχρονων δορυφορικών δεδομένων.

'''Χωρικές Μονάδες:'''
Οι χωρικές μονάδες μπορούν να οριστούν ως ποσοτικοί δείκτες που περιγράφουν τις δομές και τους τύπους που σχηματίζονται στο χώρο. Βασίζονται στη θεωρία πληροφοριών και τη γεωμετρία των επαναλαμβανόμενων δομών. Για τη μελέτη αυτή επιλέχθηκαν 6 διαφορετικές μονάδες που καθεμιά περιγράφει διαφορετικά χωρικά χαρακτηριστικά κάλυψης γης.

'''Ομογενοποιημένες Αστικές Δομές:'''
Οι περιοχές αυτές χαρακτηρίζονται ως τμήματα εικόνας με παρόμοιες ιδιότητες όσον αφορά στο μέγεθος, σχήμα, χρώμα, υφή και πρότυπο και μπορούν να οριστούν ως δομές ομογενοποιημένης χρήσης αστικής γης και μονάδα μέτρησης για την ανάλυση δεδομένων.

Οι περιοχές μελέτης της Σάντα Μπάρμπαρα μπορούν εύκολα να χωριστούν σε δομημένες και αδόμητες περιοχές. Οι 6 χωρικές μονάδες που αναφέρθηκαν παραπάνω υπολογίστηκαν στη βάση μια δυαδικής μορφής ταξινόμησης των τριών βασικών κατηγοριών αστικής χρήσης γης οι οποίες και αποτελούν τυπικό δείγμα χωρικών και κοινωνικοοικονομικών τύπων που βρέθηκαν σε αστικές περιοχές και συγκεκριμένα στη Σάντα Μπάρμπαρα. Αυτές περιγράφονται στην Εικόνα 1 και είναι:
• Εμπορικές και Βιομηχανικές περιοχές (Comm)
• κατοικία με μεγάλες πυκνότητες (ResHD)
• κατοικία χαμηλής πυκνότητας (ResLD)

'''Εφαρμογή του μοντέλου Sleuth στη μοντελοποίηση της Αστικής Ανάπτυξης:'''
Ο τόπος εφαρμογής του μοντέλου είναι η πόλη της Σάντα Μπάρμπαρα στην Καλιφόρνια των ΗΠΑ. Η προσομοίωση βασίστηκε στο μοντέλο Clarke (UMG) που συνδυάζει την επιρροή της τοπογραφίας, της γειτνίασης και του δικτύου μεταφορών με τους τύπους αστικοποίησης κατά τη διάρκεια του χρόνου. Χρησιμοποιεί κυψελοειδή αυτόματα για να τυποποιήσει την αστική εξάπλωση, βασισμένο σε κανόνες ανάπτυξης πλεγματικής αναπαράστασης του γεωγραφικού χώρου, κυψέλη προς κυψέλη. Το όνομα του μοντέλου Sleuth προκύπτει από τις απαιτήσεις σε δεδομένα, τα οποία είναι: κλίση, κάλυψη γης, αποκλεισμός, αστικές μετακινήσεις και σκίαση αναγλύφου.

Η αστική ανάπτυξη της περιοχής προκλήθηκε από ραγδαία αύξηση του πληθυσμού σε διάφορες χρονικές περιόδους. Η περιοχή μελετήθηκε από το 1929, χρόνος της πρώτης αεροφωτογραφίας που χρησιμοποιήθηκε για αυτή τη μελέτη. Συνολικά χρησιμοποιήθηκαν 7 ομάδες αεροφωτογραφιών τις χρονιές 1929, 1943, 1954, 1967, 1976, 1986 και 1997. Οι τύποι χρήσης γης διακρίνονται σε αστικοποιημένη και μη αστικοποιημένη γη. Μετά τη βαθμονόμηση του μοντέλου είναι δυνατή και η πρόβλεψη μελλοντικών επεκτάσεων στη βάση ενός αριθμού πιθανών σεναρίων. Η αστική εξάπλωση της πόλης φαίνεται στη Εικόνα 2.

Από την παρατήρηση της Εικόνας 2 βλέπουμε τις φάσεις εξάπλωσης της πόλης, η οποία λόγω των φυσικών ορίων αναπτύχθηκε κυρίως κατά μήκος της παράκτιας πεδιάδας με μια τάση προς τα δυτικά, που ξεκίνησε το 1970 με την εγκατάσταση εμπορικών λειτουργιών και συνεχίζεται μέχρι σήμερα. Στα ανατολικά έχουμε ιδιαίτερα υψηλές τιμές γης και αποθαρρύνεται η περαιτέρω επέκταση προς αυτή την κατεύθυνση. Ταυτόχρονα, μπορούν να προβλεφθούν και σενάρια μελλοντικής επέκτασης, παίρνοντας σαν δεδομένο τον σταθερό ρυθμό ανάπτυξης. Ένα τέτοιο φαίνεται στην Εικόνα 3. Η μελλοντικές επεκτάσεις φαίνεται να εστιάζονται σε δύο περιοχές, δυτικά στην περιοχή Goleta και ανατολικά στην περιοχή Carpinteria. Στην παρούσα μελέτη δεν υπάρχει διαφοροποίηση χρήσεων γης.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Τηλεπισκόπηση και Μοντέλα Αστικής Εξάπλωσης - Απαιτήσεις και Προοπτικές

2014-04-28T11:35:21Z

Mariapanagiotidou:

[[Αρχείο:MP-pinakas2-1.jpg|200px|thumb|right|Πίνακας 1: Σύγκριση του σκοπού και χωρικό, χρονικό και θεματικό πλαίσιο των επτά μοντέλων αστικής ανάπτυξης / χρήσης γης, σύμφωνα με το EPA 2000, Agarwal et al. 2000.]]

[[Αρχείο:MP-eikona2-1.jpg|200px|thumb|right|Εικόνα 1: Χαρακτηριστικά και χωρική κατανομή της βλάστησης (γκρι) και των κατοικημένων περιοχών (μαύρο) σε διαβαθμισμένες αεροφωτογραφίες, για τις τρεις υπό διερεύνηση κατηγορίες χρήσεων αστική γης.]]

[[Αρχείο:MP-eikona2-2.jpg|200px|thumb|right|Εικόνα 2: Η ιστορική ανάπτυξη της αστικής περιοχής (εμφανίζονται με ανοιχτό γκρι) της Σάντα Μπάρμπαρα.]]

[[Αρχείο:MP-eikona2-3.jpg|200px|thumb|right|Εικόνα 3: Πρόβλεψη για τις αστικοποιημένες περιοχές το 2050. Στο σενάριο αυτό, όλα περιοχή θεωρείται κενή γη, εκτός από τα πάρκα (σκούρο γκρι = αστικοποιημένες το 1997, ελαφρύτερο γκρι = αστικοποιημένες το 2050).]]

'''Αντικείμενο Εφαρμογής:''' Ανίχνευση μεταβολών αστικής γης

'''Πρωτότυπος Τίτλος:''' «Remote Remote Sensing and Urban Growth Models – Demands and Perspectives»

'''Συγγραφείς:''' Martin Herold and Keith C. Clarke (Department of Geography, University of California, Santa Barbara)
Gunter Menz (Remote Sensing Research Group, Department of Geography, University of Bonn)
'''
Πηγή:''' Department of Earth Observation of the Friedrich-Schiller-University Jena [http://www.eo.uni-jena.de/~c5hema/pub/herold_menz_clarke.pdf]

'''
Περίληψη:'''
Η αστική ανάπτυξη και τα μοντέλα αλλαγής χρήσης γης είναι ένα σημαντικό και καινοτόμο εργαλείο που βοηθάει ιδιαίτερα στον σχεδιασμό και την ανάπτυξη βιώσιμων αστικών περιοχών. Οι απαιτήσεις δεδομένων για την παραμετροποίηση, βαθμονόμηση και επικύρωση των αστικών μοντέλων είναι πολλές, κυρίως λόγω της πολυπλοκότητας των μοντέλων και των στόχων τους. Σε αυτή τη μελέτη, αξιολογείται ένας αριθμός μοντέλων αλλαγής χρήσης γης και συγκρίνονται οι απαιτήσεις τους σε χωρικά δεδομένα. Παρουσιάζεται και αξιολογείται μια κατάλληλη μεθοδολογία για τη διαφοροποίηση των αστικών χρήσεων γης, με τη χρήση υψηλής ανάλυσης τηλεπισκοπικών δεδομένων και με τόπο μελέτης την πόλη της Σάντα Μπάρμπαρα, Νότια Καλιφόρνια, ΗΠΑ. Η προσέγγιση βασίζεται σε περιοχές ακανόνιστου αλλά ομογενούς σχήματος αστική γης ως μονάδες χαρτογράφησης. Στις περιοχές αυτές, πραγματοποιήθηκαν χωρικές μετρήσεις και μετρήσεις πρότυπου σχήματος με σκοπό την περιγραφή της δομής της κάλυψης γης, την απόκτηση πληροφοριών για τις χρήσεις γης και να την περιγραφή κοινωνικοοικονομικών χαρακτηριστικών. Παρουσιάζεται η εφαρμογή ενός εκ των μοντέλων, η οποία βασίστηκε σε μια χρονοσειρά φωτογραφιών εβδομήντα ετών. Η διαδικασία αστικής ανάπτυξη, καθώς και οι μελλοντικές προβλέψεις αλλαγής χρήσεων γης εκπροσωπούνται στο μοντέλο βασιζόμενες στα κυψελοειδή αυτόματα και καταδεικνύουν τη δυνατότητα του συνδυασμού της τηλεπισκόπησης και της μοντελοποίησης.

'''
Εισαγωγή / Στόχοι:'''
Οι αλλαγές στα πρότυπα αστικοποίησης όλων των γεωγραφικών κλιμάκων του τελευταίου αιώνα, είναι ίσως η πιο σημαντική αλλαγή που έχει συμβεί στις αμερικανικές πόλεις. Αυτό οφείλεται κυρίως στην εφεύρεση προσβάσιμων μέσων μαζικής μεταφοράς. Αυτά τα παραδείγματα των νέων οικιστικών προτύπων είναι: η αποκέντρωση και η συγκέντρωση στο κέντρο, ο σχηματισμός προαστίων και νέων πόλεων στα άκρα, ο αποικισμός των απομακρυσμένων αγροτικών και δασικών εκτάσεων, η εμφάνιση νέων τύπων αστικής εξειδίκευσης (π.χ. τεχνοπόλεις), διάφορα κοινωνικοπολιτικά φαινόμενα, όπως επίσης και η αύξηση των απειλών από φυσικές καταστροφές, μιας και οι αστικές δομές γίνονται όλο και πιο κατακερματισμένες και πολύπλοκες στο εσωτερικό τους.

Τα τελευταία χρόνια, τα μοντέλα αλλαγής της χρήσης γης και αστικής ανάπτυξης έχουν γίνει σημαντικά εργαλεία για τους πολεοδόμους και άλλους, με σκοπό τη λήψη έγκαιρων και αποτελεσματικών αποφάσεων για τη βιώσιμη ανάπτυξη των αστικών περιοχών. Η εξέλιξη συνέβη λόγω της αύξησης των πόρων και της χρηστικότητα πολλαπλών συνόλων δεδομένων και εργαλείων επεξεργασία τους (π.χ. Γεωγραφικά Συστήματα Πληροφοριών). Η χρησιμότητά τους εστιάζει κυρίως στη λήψη αποφάσεων για:
• την κατανόηση των αστικών αυτών συστημάτων
• την πρόβλεψη μελλοντικών αλλαγών και νέων τάσεων αστικής ανάπτυξης
• περιγραφή και αξιολόγησης επιπτώσεων μελλοντικής ανάπτυξης
• αναζήτηση διαφορετικών πολιτικών και βελτιστοποίηση του αστικού σχεδιασμού και διαχείρισης.

Καθώς τα μοντέλα αλλαγής χρήσης γης προσομοιώνουν τόσο ανθρώπινα όσο και βιολογικό σύστημα, οι απαιτήσεις σε δεδομένα είναι αρκετά πολύπλοκες και ποικίλουν από φυσικές και οικολογικές παραμέτρους σε πληροφορίες κοινωνικοοικονομικής φύσεως και λεπτομερή στοιχεία χρήσης / κάλυψης γης με καθορισμένη χωρική και χρονική ακρίβεια.

Σε γενικές γραμμές, η τηλεπισκόπηση μπορεί να προσφέρει συνεκτικά σύνολα δεδομένων, καλύπτοντας μεγάλες περιοχές με μεγάλη χωρική ανάλυση και χρονική συχνότητα. Παρ' όλα αυτά, είναι λίγες οι μελέτες που ασχολούνται με την ενσωμάτωσή της σε εφαρμογές μοντέλων μεταβολής χρήσεων αστικής γής. Η έρευνα αυτή έχει τρεις βασικούς στόχους:
• Μελετώντας τις διάφορες μεθόδους μοντελοποίησης χρήσεων αστικής γης, αυτές θα συγκριθούν ως προς τις απαιτήσεις τους σε πληροφορίες ώστε να σχηματιστούν τα χαρακτηριστικά και οι απαιτήσεις σε τηλεπισκοπικά δεδομένα.
• Παρουσίαση και συζήτηση της χαρτογράφησης μιας αστικής περιοχής, και συγκεκριμένα της Σάντα Μπάρμαρα της Καλιφόρνια, από δεδομένων τηλεπισκόπησης υψηλής ανάλυσης. Η προσέγγιση αυτή δείχνει τις δυνατότητες για την περιγραφή και την απόκτηση πληροφοριών σχετικά με τις χρήσεις γης και άλλων κοινωνικοοικονομικής φύσεως.
• Τέλος, παραμετροποιείται και βαθμονομείται το πρότυπο αστικής ανάπτυξης της Σάντα Μπάρμπαρα με χρήση του μοντέλου Sleuth, χρησιμοποιώντας κυψελοειδή αυτόματα. Από τη διαδικασία προκύπτει και η δυνατότητα μελλοντικών προβλέψεων αστικής ανάπτυξης.
'''
Ανασκόπηση των μοντέλων μεταβολής χρήσεων αστικής γης:'''
Τα μοντέλα που χρησιμοποιήθηκαν στα πλαίσια της εργασίας αυτής προέρχονται από αναφορές που δημοσίευσαν το Υπουργείο Γεωργίας των ΗΠΑ και ο Οργανισμός Προστασίας του Περιβάλλοντος των ΗΠΑ. Από τα 36 διαφορετικά μοντέλα που χρησιμοποιήθηκαν, με την εφαρμογή ενός αριθμού κριτηρίων, επιλέχθηκαν τα 7 για τους σκοπούς της ανάλυσής μας. Ο Πίνακας 1 μας δίνει μια περίληψη αυτών. Η δεύτερη στήλη του Πίνακα 1 μας δείχνει τους σκοπούς του σχεδιασμού κάθε μοντέλου, ενώ η τρίτη τα χωρικά τους πλαίσια. Τα μοντέλα αυτά χρησιμοποιούν τόσο διανυσματικές όσο και μεθόδους εικονοστοιχείων για τον χωρικό προσδιορισμό των στοιχείων τους. Ως ενότητες του μοντέλου προσδιορίζονται οι περιοχές εκείνες που έχουν κοινή γεωμετρία σαν αποτέλεσμα της αλληλεπικάλυψης πολλών επιπέδων δεδομένων, διαφόρων φυσικών και ανθρώπινων παραμέτρων. Στην περίπτωση της ράστερ απεικόνισης, οι χωρικές ενότητες είναι πιο συγκεχυμένες, σε αντίθεση με αυτές των γραμμικών απεικονίσεων που περιλαμβάνουν καλύτερα προσδιορισμένες ενότητες.

'''Χωρική Ανάλυση Δεδομένων:'''
Σε γενικές γραμμές, οι απαιτήσεις χωρικής ανάλυσης των μοντέλων ράστερ ποικίλλουν ανάλογα με το σκοπό και τα χαρακτηριστικά των μελετών εφαρμογής. Η ανάλυση της μονάδας του καννάβου που χρησιμοποιούνται κυμαίνονται από 30μ x 30μ και 100μ x 100μ. Μερικά μοντέλα ζητούν μικρότερη χωρική ακρίβεια ώστε να χρησιμοποιηθούν σε ειδικές κατηγορίες χρήσεων γης (μοντέλο UPLAN) ή σε περιπτώσεις που η διαδικασία βασίζεται στην κλίμακα μελέτης, όπως τα μοντέλα LTM και UrbanSim.

'''Χρονική Ανάλυση Δεδομένων:'''
Για την πλειοψηφία των μοντέλων, η παράμετρος αυτή μεταβάλεται. Τα περισσότερα εξετάζουν μια περίοδο 1 με 10 χρόνων με χρονικό πλαίσιο για μελλοντικές προβλέψεις της τάξεως των 5 με 10 χρόνων, μέχρι και σε βάθος 100 χρόνων. Εξαίρεση αποτελεί το CUF μοντέλο όπου τόσο τα χρονικά μεσοδιαστήματα όσο και περίοδος πρόβλεψης είναι συνήθως 5 με 10 χρόνια.

'''Κατηγορίες Χρήσεων/Κάλυψης Αστικής γης:'''
Ένα άλλο σημαντικό χαρακτηριστικό είναι ο τρόπος που τα μοντέλα παραμετροποιούν τη διάκριση και κατηγοριοποίηση της αστικής γης. Η προσέγγιση με βάση το αγροτεμάχιο του UrbanSim μοντέλου συνήθως δεν απαιτεί τον περαιτέρω προσδιορισμό κατηγοριών χρήσεων αστική γης. Τα σημαντικότερα κοινωνικοοικονομικά χαρακτηριστικά παραμετροποιούνται στο επίπεδο του αγροτεμαχίου. Τα μοντέλα LUCAS και LTM που πραγματεύονται τις επιπτώσεις της αστικής εξάπλωσης στο γύρο περιβάλλον, αντιλαμβάνονται μόνο μία κατηγορία χρήσης γης, ενώ ταυτόχρονα η διαφοροποίηση των αστικών περιοχών γίνεται με την παράμετρο της πληθυσμιακής πυκνότητας.
Άλλα μοντέλα όπως το CUF-2 και το UPLAN που ασχολούνται με την προσομοίωση της αστικής ανάπτυξης και του τρόπου αλλαγής των χρήσεων γης της πόλης, χρησιμοποιούν ένα ακόμη υψηλότερο επίπεδο διάκρισης των χρήσεων γης, όπως οι διαφορετικές πυκνότητες και κτιριακές κατασκευές των περιοχών κατοικίας, εμπορίου και βιομηχανίας. Πέραν των χρήσεων γης, τα περισσότερα μοντέλα χρειάζονται κι άλλα δεδομένα όπως η τοπογραφία της περιοχής και οι υπάρχουσες υποδομές μεταφορών. Τέλος, το μοντέλου Sleuth που θα χρησιμοποιήσουμε διακρίνει μόνο μια χρήση γης.

'''
Η Τηλεπισκόπηση για την χαρτογράφηση των παραμέτρων των μοντέλων αστικλης ανάπτυξης:'''
Σε γενικές γραμμές, η χαρτογράφηση των αστικών περιοχών μέσω της τηλεπισκόπησης είναι μια σχετικά πολύπλοκη διαδικασία λόγω της ετερογένειας των αστικού περιβάλλοντος το οποίο αποτελείται συνήθως από δομές (π.χ. κτήρια, μεταφορές δίχτυα), διαφορετικά είδη βλάστησης (π.χ. πάρκα, κήποι, αγροτικές περιοχές), ζώνες γυμνού εδάφους και υδάτινων τμημάτων. Παραδοσιακά, η ερμηνείες της οπτικής ανάλυσης αεροφωτογραφιών υψηλής ανάλυσης παρέχουν ολοκληρωμένη πληροφορίες για τη χαρτογράφηση των αστικών περιοχών.

Σήμερα, με την ευρεία διάθεση των δεδομένων της δορυφορικής τηλεπισκόπησης και την ύπαρξη δεδομένων με μεγάλη χρονική και χωρική ανάλυση, οι μέθοδοι ανάλυσης έχουν γίνει πιο αντικειμενικές και κατάλληλες για την εφαρμογή τους σε μεγάλες περιοχές. Οι πολυφασματικοί αισθητήρες επιτρέπουν την ακόμα πιο αποτελεσματική διάκριση ανάμεσα σε διαφορετικές καλύψεις γης (χτισμένες περιοχές, πράσινο και νερό). Δεν ισχύει το ίδιο για την αποτελεσματικότερη διάκριση των αστικών χρήσεων γης όπως κατοικία, εμπόριο κ.α.

'''Χωρική Ανάλυση:'''
Οι απαιτήσεις για την περιγραφή της διάρθρωσης των δομημένων περιοχών απαιτούν δεδομένα πολύ υψηλής ανάλυσης όπως δεδομένα IKONOS 2, τα οποία και δεν ήταν διαθέσιμα την περίοδο διεξαγωγής αυτής της μελέτης. Έτσι, χρησιμοποιήσαμε ψηφιοποιημένες υπέρυθρες αεροφωτογραφίες, με ανάλυση εικόνας της τάξης των 3μ, παρόμοιες με αυτές των σύγχρονων δορυφορικών δεδομένων.

'''Χωρικές Μονάδες:'''
Οι χωρικές μονάδες μπορούν να οριστούν ως ποσοτικοί δείκτες που περιγράφουν τις δομές και τους τύπους που σχηματίζονται στο χώρο. Βασίζονται στη θεωρία πληροφοριών και τη γεωμετρία των επαναλαμβανόμενων δομών. Για τη μελέτη αυτή επιλέχθηκαν 6 διαφορετικές μονάδες που καθεμιά περιγράφει διαφορετικά χωρικά χαρακτηριστικά κάλυψης γης.

'''Ομογενοποιημένες Αστικές Δομές:'''
Οι περιοχές αυτές χαρακτηρίζονται ως τμήματα εικόνας με παρόμοιες ιδιότητες όσον αφορά στο μέγεθος, σχήμα, χρώμα, υφή και πρότυπο και μπορούν να οριστούν ως δομές ομογενοποιημένης χρήσης αστικής γης και μονάδα μέτρησης για την ανάλυση δεδομένων.

Οι περιοχές μελέτης της Σάντα Μπάρμπαρα μπορούν εύκολα να χωριστούν σε δομημένες και αδόμητες περιοχές. Οι 6 χωρικές μονάδες που αναφέρθηκαν παραπάνω υπολογίστηκαν στη βάση μια δυαδικής μορφής ταξινόμησης των τριών βασικών κατηγοριών αστικής χρήσης γης οι οποίες και αποτελούν τυπικό δείγμα χωρικών και κοινωνικοοικονομικών τύπων που βρέθηκαν σε αστικές περιοχές και συγκεκριμένα στη Σάντα Μπάρμπαρα. Αυτές περιγράφονται στην Εικόνα 1 και είναι:
• Εμπορικές και Βιομηχανικές περιοχές (Comm)
• κατοικία με μεγάλες πυκνότητες (ResHD)
• κατοικία χαμηλής πυκνότητας (ResLD)

'''Εφαρμογή του μοντέλου Sleuth στη μοντελοποίηση της Αστικής Ανάπτυξης:'''
Ο τόπος εφαρμογής του μοντέλου είναι η πόλη της Σάντα Μπάρμπαρα στην Καλιφόρνια των ΗΠΑ. Η προσομοίωση βασίστηκε στο μοντέλο Clarke (UMG) που συνδυάζει την επιρροή της τοπογραφίας, της γειτνίασης και του δικτύου μεταφορών με τους τύπους αστικοποίησης κατά τη διάρκεια του χρόνου. Χρησιμοποιεί κυψελοειδή αυτόματα για να τυποποιήσει την αστική εξάπλωση, βασισμένο σε κανόνες ανάπτυξης πλεγματικής αναπαράστασης του γεωγραφικού χώρου, κυψέλη προς κυψέλη. Το όνομα του μοντέλου Sleuth προκύπτει από τις απαιτήσεις σε δεδομένα, τα οποία είναι: κλίση, κάλυψη γης, αποκλεισμός, αστικές μετακινήσεις και σκίαση αναγλύφου.

Η αστική ανάπτυξη της περιοχής προκλήθηκε από ραγδαία αύξηση του πληθυσμού σε διάφορες χρονικές περιόδους. Η περιοχή μελετήθηκε από το 1929, χρόνος της πρώτης αεροφωτογραφίας που χρησιμοποιήθηκε για αυτή τη μελέτη. Συνολικά χρησιμοποιήθηκαν 7 ομάδες αεροφωτογραφιών τις χρονιές 1929, 1943, 1954, 1967, 1976, 1986 και 1997. Οι τύποι χρήσης γης διακρίνονται σε αστικοποιημένη και μη αστικοποιημένη γη. Μετά τη βαθμονόμηση του μοντέλου είναι δυνατή και η πρόβλεψη μελλοντικών επεκτάσεων στη βάση ενός αριθμού πιθανών σεναρίων. Η αστική εξάπλωση της πόλης φαίνεται στη Εικόνα 2.

Από την παρατήρηση της Εικόνας 2 βλέπουμε τις φάσεις εξάπλωσης της πόλης, η οποία λόγω των φυσικών ορίων αναπτύχθηκε κυρίως κατά μήκος της παράκτιας πεδιάδας με μια τάση προς τα δυτικά, που ξεκίνησε το 1970 με την εγκατάσταση εμπορικών λειτουργιών και συνεχίζεται μέχρι σήμερα. Στα ανατολικά έχουμε ιδιαίτερα υψηλές τιμές γης και αποθαρρύνεται η περαιτέρω επέκταση προς αυτή την κατεύθυνση. Ταυτόχρονα, μπορούν να προβλεφθούν και σενάρια μελλοντικής επέκτασης, παίρνοντας σαν δεδομένο τον σταθερό ρυθμό ανάπτυξης. Ένα τέτοιο φαίνεται στην Εικόνα 3. Η μελλοντικές επεκτάσεις φαίνεται να εστιάζονται σε δύο περιοχές, δυτικά στην περιοχή Goleta και ανατολικά στην περιοχή Carpinteria. Στην παρούσα μελέτη δεν υπάρχει διαφοροποίηση χρήσεων γης.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Τηλεπισκόπηση και Μοντέλα Αστικής Εξάπλωσης - Απαιτήσεις και Προοπτικές

2014-04-28T11:34:47Z

Mariapanagiotidou: Νέα σελίδα με '[[Αρχείο:MP-pinakas2-1.jpg|200px|thumb|right|Πίνακας 1: Σύγκριση του σκοπού και χωρικό, χρονικό και θεματικό πλ...'

[[Αρχείο:MP-pinakas2-1.jpg|200px|thumb|right|Πίνακας 1: Σύγκριση του σκοπού και χωρικό, χρονικό και θεματικό πλαίσιο των επτά μοντέλων αστικής ανάπτυξης / χρήσης γης, σύμφωνα με το EPA 2000, Agarwal et al. 2000.]]

[[Αρχείο:MP-eikona2-1.jpg|200px|thumb|right|Εικόνα 1: Χαρακτηριστικά και χωρική κατανομή της βλάστησης (γκρι) και των κατοικημένων περιοχών (μαύρο) σε διαβαθμισμένες αεροφωτογραφίες, για τις τρεις υπό διερεύνηση κατηγορίες χρήσεων αστική γης.]]

[[Αρχείο:MP-eikona2-2.jpg|200px|thumb|right|Εικόνα 2: Η ιστορική ανάπτυξη της αστικής περιοχής (εμφανίζονται με ανοιχτό γκρι) της Σάντα Μπάρμπαρα.]]

[[Αρχείο:MP-eikona2-3.jpg|200px|thumb|right|Εικόνα 3: Πρόβλεψη για τις αστικοποιημένες περιοχές το 2050. Στο σενάριο αυτό, όλα περιοχή θεωρείται κενή γη, εκτός από τα πάρκα (σκούρο γκρι = αστικοποιημένες το 1997, ελαφρύτερο γκρι = αστικοποιημένες το 2050).]]

'''Αντικείμενο Εφαρμογής:''' Ανίχνευση μεταβολών αστικής γης

'''Πρωτότυπος Τίτλος:''' «Remote Remote Sensing and Urban Growth Models – Demands and Perspectives»

'''Συγγραφείς:''' Martin Herold and Keith C. Clarke (Department of Geography, University of California, Santa Barbara)
Gunter Menz (Remote Sensing Research Group, Department of Geography, University of Bonn)
'''
Πηγή:''' Department of Earth Observation of the Friedrich-Schiller-University Jena [http://www.eo.uni-jena.de/~c5hema/pub/herold_menz_clarke.pdf]
'''
Περίληψη:'''
Η αστική ανάπτυξη και τα μοντέλα αλλαγής χρήσης γης είναι ένα σημαντικό και καινοτόμο εργαλείο που βοηθάει ιδιαίτερα στον σχεδιασμό και την ανάπτυξη βιώσιμων αστικών περιοχών. Οι απαιτήσεις δεδομένων για την παραμετροποίηση, βαθμονόμηση και επικύρωση των αστικών μοντέλων είναι πολλές, κυρίως λόγω της πολυπλοκότητας των μοντέλων και των στόχων τους. Σε αυτή τη μελέτη, αξιολογείται ένας αριθμός μοντέλων αλλαγής χρήσης γης και συγκρίνονται οι απαιτήσεις τους σε χωρικά δεδομένα. Παρουσιάζεται και αξιολογείται μια κατάλληλη μεθοδολογία για τη διαφοροποίηση των αστικών χρήσεων γης, με τη χρήση υψηλής ανάλυσης τηλεπισκοπικών δεδομένων και με τόπο μελέτης την πόλη της Σάντα Μπάρμπαρα, Νότια Καλιφόρνια, ΗΠΑ. Η προσέγγιση βασίζεται σε περιοχές ακανόνιστου αλλά ομογενούς σχήματος αστική γης ως μονάδες χαρτογράφησης. Στις περιοχές αυτές, πραγματοποιήθηκαν χωρικές μετρήσεις και μετρήσεις πρότυπου σχήματος με σκοπό την περιγραφή της δομής της κάλυψης γης, την απόκτηση πληροφοριών για τις χρήσεις γης και να την περιγραφή κοινωνικοοικονομικών χαρακτηριστικών. Παρουσιάζεται η εφαρμογή ενός εκ των μοντέλων, η οποία βασίστηκε σε μια χρονοσειρά φωτογραφιών εβδομήντα ετών. Η διαδικασία αστικής ανάπτυξη, καθώς και οι μελλοντικές προβλέψεις αλλαγής χρήσεων γης εκπροσωπούνται στο μοντέλο βασιζόμενες στα κυψελοειδή αυτόματα και καταδεικνύουν τη δυνατότητα του συνδυασμού της τηλεπισκόπησης και της μοντελοποίησης.
'''
Εισαγωγή / Στόχοι:'''
Οι αλλαγές στα πρότυπα αστικοποίησης όλων των γεωγραφικών κλιμάκων του τελευταίου αιώνα, είναι ίσως η πιο σημαντική αλλαγή που έχει συμβεί στις αμερικανικές πόλεις. Αυτό οφείλεται κυρίως στην εφεύρεση προσβάσιμων μέσων μαζικής μεταφοράς. Αυτά τα παραδείγματα των νέων οικιστικών προτύπων είναι: η αποκέντρωση και η συγκέντρωση στο κέντρο, ο σχηματισμός προαστίων και νέων πόλεων στα άκρα, ο αποικισμός των απομακρυσμένων αγροτικών και δασικών εκτάσεων, η εμφάνιση νέων τύπων αστικής εξειδίκευσης (π.χ. τεχνοπόλεις), διάφορα κοινωνικοπολιτικά φαινόμενα, όπως επίσης και η αύξηση των απειλών από φυσικές καταστροφές, μιας και οι αστικές δομές γίνονται όλο και πιο κατακερματισμένες και πολύπλοκες στο εσωτερικό τους.

Τα τελευταία χρόνια, τα μοντέλα αλλαγής της χρήσης γης και αστικής ανάπτυξης έχουν γίνει σημαντικά εργαλεία για τους πολεοδόμους και άλλους, με σκοπό τη λήψη έγκαιρων και αποτελεσματικών αποφάσεων για τη βιώσιμη ανάπτυξη των αστικών περιοχών. Η εξέλιξη συνέβη λόγω της αύξησης των πόρων και της χρηστικότητα πολλαπλών συνόλων δεδομένων και εργαλείων επεξεργασία τους (π.χ. Γεωγραφικά Συστήματα Πληροφοριών). Η χρησιμότητά τους εστιάζει κυρίως στη λήψη αποφάσεων για:
• την κατανόηση των αστικών αυτών συστημάτων
• την πρόβλεψη μελλοντικών αλλαγών και νέων τάσεων αστικής ανάπτυξης
• περιγραφή και αξιολόγησης επιπτώσεων μελλοντικής ανάπτυξης
• αναζήτηση διαφορετικών πολιτικών και βελτιστοποίηση του αστικού σχεδιασμού και διαχείρισης.

Καθώς τα μοντέλα αλλαγής χρήσης γης προσομοιώνουν τόσο ανθρώπινα όσο και βιολογικό σύστημα, οι απαιτήσεις σε δεδομένα είναι αρκετά πολύπλοκες και ποικίλουν από φυσικές και οικολογικές παραμέτρους σε πληροφορίες κοινωνικοοικονομικής φύσεως και λεπτομερή στοιχεία χρήσης / κάλυψης γης με καθορισμένη χωρική και χρονική ακρίβεια.

Σε γενικές γραμμές, η τηλεπισκόπηση μπορεί να προσφέρει συνεκτικά σύνολα δεδομένων, καλύπτοντας μεγάλες περιοχές με μεγάλη χωρική ανάλυση και χρονική συχνότητα. Παρ' όλα αυτά, είναι λίγες οι μελέτες που ασχολούνται με την ενσωμάτωσή της σε εφαρμογές μοντέλων μεταβολής χρήσεων αστικής γής. Η έρευνα αυτή έχει τρεις βασικούς στόχους:
• Μελετώντας τις διάφορες μεθόδους μοντελοποίησης χρήσεων αστικής γης, αυτές θα συγκριθούν ως προς τις απαιτήσεις τους σε πληροφορίες ώστε να σχηματιστούν τα χαρακτηριστικά και οι απαιτήσεις σε τηλεπισκοπικά δεδομένα.
• Παρουσίαση και συζήτηση της χαρτογράφησης μιας αστικής περιοχής, και συγκεκριμένα της Σάντα Μπάρμαρα της Καλιφόρνια, από δεδομένων τηλεπισκόπησης υψηλής ανάλυσης. Η προσέγγιση αυτή δείχνει τις δυνατότητες για την περιγραφή και την απόκτηση πληροφοριών σχετικά με τις χρήσεις γης και άλλων κοινωνικοοικονομικής φύσεως.
• Τέλος, παραμετροποιείται και βαθμονομείται το πρότυπο αστικής ανάπτυξης της Σάντα Μπάρμπαρα με χρήση του μοντέλου Sleuth, χρησιμοποιώντας κυψελοειδή αυτόματα. Από τη διαδικασία προκύπτει και η δυνατότητα μελλοντικών προβλέψεων αστικής ανάπτυξης.
'''
Ανασκόπηση των μοντέλων μεταβολής χρήσεων αστικής γης:'''
Τα μοντέλα που χρησιμοποιήθηκαν στα πλαίσια της εργασίας αυτής προέρχονται από αναφορές που δημοσίευσαν το Υπουργείο Γεωργίας των ΗΠΑ και ο Οργανισμός Προστασίας του Περιβάλλοντος των ΗΠΑ. Από τα 36 διαφορετικά μοντέλα που χρησιμοποιήθηκαν, με την εφαρμογή ενός αριθμού κριτηρίων, επιλέχθηκαν τα 7 για τους σκοπούς της ανάλυσής μας. Ο Πίνακας 1 μας δίνει μια περίληψη αυτών. Η δεύτερη στήλη του Πίνακα 1 μας δείχνει τους σκοπούς του σχεδιασμού κάθε μοντέλου, ενώ η τρίτη τα χωρικά τους πλαίσια. Τα μοντέλα αυτά χρησιμοποιούν τόσο διανυσματικές όσο και μεθόδους εικονοστοιχείων για τον χωρικό προσδιορισμό των στοιχείων τους. Ως ενότητες του μοντέλου προσδιορίζονται οι περιοχές εκείνες που έχουν κοινή γεωμετρία σαν αποτέλεσμα της αλληλεπικάλυψης πολλών επιπέδων δεδομένων, διαφόρων φυσικών και ανθρώπινων παραμέτρων. Στην περίπτωση της ράστερ απεικόνισης, οι χωρικές ενότητες είναι πιο συγκεχυμένες, σε αντίθεση με αυτές των γραμμικών απεικονίσεων που περιλαμβάνουν καλύτερα προσδιορισμένες ενότητες.

'''Χωρική Ανάλυση Δεδομένων:'''
Σε γενικές γραμμές, οι απαιτήσεις χωρικής ανάλυσης των μοντέλων ράστερ ποικίλλουν ανάλογα με το σκοπό και τα χαρακτηριστικά των μελετών εφαρμογής. Η ανάλυση της μονάδας του καννάβου που χρησιμοποιούνται κυμαίνονται από 30μ x 30μ και 100μ x 100μ. Μερικά μοντέλα ζητούν μικρότερη χωρική ακρίβεια ώστε να χρησιμοποιηθούν σε ειδικές κατηγορίες χρήσεων γης (μοντέλο UPLAN) ή σε περιπτώσεις που η διαδικασία βασίζεται στην κλίμακα μελέτης, όπως τα μοντέλα LTM και UrbanSim.

'''Χρονική Ανάλυση Δεδομένων:'''
Για την πλειοψηφία των μοντέλων, η παράμετρος αυτή μεταβάλεται. Τα περισσότερα εξετάζουν μια περίοδο 1 με 10 χρόνων με χρονικό πλαίσιο για μελλοντικές προβλέψεις της τάξεως των 5 με 10 χρόνων, μέχρι και σε βάθος 100 χρόνων. Εξαίρεση αποτελεί το CUF μοντέλο όπου τόσο τα χρονικά μεσοδιαστήματα όσο και περίοδος πρόβλεψης είναι συνήθως 5 με 10 χρόνια.

'''Κατηγορίες Χρήσεων/Κάλυψης Αστικής γης:'''
Ένα άλλο σημαντικό χαρακτηριστικό είναι ο τρόπος που τα μοντέλα παραμετροποιούν τη διάκριση και κατηγοριοποίηση της αστικής γης. Η προσέγγιση με βάση το αγροτεμάχιο του UrbanSim μοντέλου συνήθως δεν απαιτεί τον περαιτέρω προσδιορισμό κατηγοριών χρήσεων αστική γης. Τα σημαντικότερα κοινωνικοοικονομικά χαρακτηριστικά παραμετροποιούνται στο επίπεδο του αγροτεμαχίου. Τα μοντέλα LUCAS και LTM που πραγματεύονται τις επιπτώσεις της αστικής εξάπλωσης στο γύρο περιβάλλον, αντιλαμβάνονται μόνο μία κατηγορία χρήσης γης, ενώ ταυτόχρονα η διαφοροποίηση των αστικών περιοχών γίνεται με την παράμετρο της πληθυσμιακής πυκνότητας.
Άλλα μοντέλα όπως το CUF-2 και το UPLAN που ασχολούνται με την προσομοίωση της αστικής ανάπτυξης και του τρόπου αλλαγής των χρήσεων γης της πόλης, χρησιμοποιούν ένα ακόμη υψηλότερο επίπεδο διάκρισης των χρήσεων γης, όπως οι διαφορετικές πυκνότητες και κτιριακές κατασκευές των περιοχών κατοικίας, εμπορίου και βιομηχανίας. Πέραν των χρήσεων γης, τα περισσότερα μοντέλα χρειάζονται κι άλλα δεδομένα όπως η τοπογραφία της περιοχής και οι υπάρχουσες υποδομές μεταφορών. Τέλος, το μοντέλου Sleuth που θα χρησιμοποιήσουμε διακρίνει μόνο μια χρήση γης.
'''
Η Τηλεπισκόπηση για την χαρτογράφηση των παραμέτρων των μοντέλων αστικλης ανάπτυξης:'''
Σε γενικές γραμμές, η χαρτογράφηση των αστικών περιοχών μέσω της τηλεπισκόπησης είναι μια σχετικά πολύπλοκη διαδικασία λόγω της ετερογένειας των αστικού περιβάλλοντος το οποίο αποτελείται συνήθως από δομές (π.χ. κτήρια, μεταφορές δίχτυα), διαφορετικά είδη βλάστησης (π.χ. πάρκα, κήποι, αγροτικές περιοχές), ζώνες γυμνού εδάφους και υδάτινων τμημάτων. Παραδοσιακά, η ερμηνείες της οπτικής ανάλυσης αεροφωτογραφιών υψηλής ανάλυσης παρέχουν ολοκληρωμένη πληροφορίες για τη χαρτογράφηση των αστικών περιοχών.

Σήμερα, με την ευρεία διάθεση των δεδομένων της δορυφορικής τηλεπισκόπησης και την ύπαρξη δεδομένων με μεγάλη χρονική και χωρική ανάλυση, οι μέθοδοι ανάλυσης έχουν γίνει πιο αντικειμενικές και κατάλληλες για την εφαρμογή τους σε μεγάλες περιοχές. Οι πολυφασματικοί αισθητήρες επιτρέπουν την ακόμα πιο αποτελεσματική διάκριση ανάμεσα σε διαφορετικές καλύψεις γης (χτισμένες περιοχές, πράσινο και νερό). Δεν ισχύει το ίδιο για την αποτελεσματικότερη διάκριση των αστικών χρήσεων γης όπως κατοικία, εμπόριο κ.α.

'''Χωρική Ανάλυση:'''
Οι απαιτήσεις για την περιγραφή της διάρθρωσης των δομημένων περιοχών απαιτούν δεδομένα πολύ υψηλής ανάλυσης όπως δεδομένα IKONOS 2, τα οποία και δεν ήταν διαθέσιμα την περίοδο διεξαγωγής αυτής της μελέτης. Έτσι, χρησιμοποιήσαμε ψηφιοποιημένες υπέρυθρες αεροφωτογραφίες, με ανάλυση εικόνας της τάξης των 3μ, παρόμοιες με αυτές των σύγχρονων δορυφορικών δεδομένων.

'''Χωρικές Μονάδες:'''
Οι χωρικές μονάδες μπορούν να οριστούν ως ποσοτικοί δείκτες που περιγράφουν τις δομές και τους τύπους που σχηματίζονται στο χώρο. Βασίζονται στη θεωρία πληροφοριών και τη γεωμετρία των επαναλαμβανόμενων δομών. Για τη μελέτη αυτή επιλέχθηκαν 6 διαφορετικές μονάδες που καθεμιά περιγράφει διαφορετικά χωρικά χαρακτηριστικά κάλυψης γης.

'''Ομογενοποιημένες Αστικές Δομές:'''
Οι περιοχές αυτές χαρακτηρίζονται ως τμήματα εικόνας με παρόμοιες ιδιότητες όσον αφορά στο μέγεθος, σχήμα, χρώμα, υφή και πρότυπο και μπορούν να οριστούν ως δομές ομογενοποιημένης χρήσης αστικής γης και μονάδα μέτρησης για την ανάλυση δεδομένων.

Οι περιοχές μελέτης της Σάντα Μπάρμπαρα μπορούν εύκολα να χωριστούν σε δομημένες και αδόμητες περιοχές. Οι 6 χωρικές μονάδες που αναφέρθηκαν παραπάνω υπολογίστηκαν στη βάση μια δυαδικής μορφής ταξινόμησης των τριών βασικών κατηγοριών αστικής χρήσης γης οι οποίες και αποτελούν τυπικό δείγμα χωρικών και κοινωνικοοικονομικών τύπων που βρέθηκαν σε αστικές περιοχές και συγκεκριμένα στη Σάντα Μπάρμπαρα. Αυτές περιγράφονται στην Εικόνα 1 και είναι:
• Εμπορικές και Βιομηχανικές περιοχές (Comm)
• κατοικία με μεγάλες πυκνότητες (ResHD)
• κατοικία χαμηλής πυκνότητας (ResLD)

'''Εφαρμογή του μοντέλου Sleuth στη μοντελοποίηση της Αστικής Ανάπτυξης:'''
Ο τόπος εφαρμογής του μοντέλου είναι η πόλη της Σάντα Μπάρμπαρα στην Καλιφόρνια των ΗΠΑ. Η προσομοίωση βασίστηκε στο μοντέλο Clarke (UMG) που συνδυάζει την επιρροή της τοπογραφίας, της γειτνίασης και του δικτύου μεταφορών με τους τύπους αστικοποίησης κατά τη διάρκεια του χρόνου. Χρησιμοποιεί κυψελοειδή αυτόματα για να τυποποιήσει την αστική εξάπλωση, βασισμένο σε κανόνες ανάπτυξης πλεγματικής αναπαράστασης του γεωγραφικού χώρου, κυψέλη προς κυψέλη. Το όνομα του μοντέλου Sleuth προκύπτει από τις απαιτήσεις σε δεδομένα, τα οποία είναι: κλίση, κάλυψη γης, αποκλεισμός, αστικές μετακινήσεις και σκίαση αναγλύφου.

Η αστική ανάπτυξη της περιοχής προκλήθηκε από ραγδαία αύξηση του πληθυσμού σε διάφορες χρονικές περιόδους. Η περιοχή μελετήθηκε από το 1929, χρόνος της πρώτης αεροφωτογραφίας που χρησιμοποιήθηκε για αυτή τη μελέτη. Συνολικά χρησιμοποιήθηκαν 7 ομάδες αεροφωτογραφιών τις χρονιές 1929, 1943, 1954, 1967, 1976, 1986 και 1997. Οι τύποι χρήσης γης διακρίνονται σε αστικοποιημένη και μη αστικοποιημένη γη. Μετά τη βαθμονόμηση του μοντέλου είναι δυνατή και η πρόβλεψη μελλοντικών επεκτάσεων στη βάση ενός αριθμού πιθανών σεναρίων. Η αστική εξάπλωση της πόλης φαίνεται στη Εικόνα 2.

Από την παρατήρηση της Εικόνας 2 βλέπουμε τις φάσεις εξάπλωσης της πόλης, η οποία λόγω των φυσικών ορίων αναπτύχθηκε κυρίως κατά μήκος της παράκτιας πεδιάδας με μια τάση προς τα δυτικά, που ξεκίνησε το 1970 με την εγκατάσταση εμπορικών λειτουργιών και συνεχίζεται μέχρι σήμερα. Στα ανατολικά έχουμε ιδιαίτερα υψηλές τιμές γης και αποθαρρύνεται η περαιτέρω επέκταση προς αυτή την κατεύθυνση. Ταυτόχρονα, μπορούν να προβλεφθούν και σενάρια μελλοντικής επέκτασης, παίρνοντας σαν δεδομένο τον σταθερό ρυθμό ανάπτυξης. Ένα τέτοιο φαίνεται στην Εικόνα 3. Η μελλοντικές επεκτάσεις φαίνεται να εστιάζονται σε δύο περιοχές, δυτικά στην περιοχή Goleta και ανατολικά στην περιοχή Carpinteria. Στην παρούσα μελέτη δεν υπάρχει διαφοροποίηση χρήσεων γης.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Αρχείο:MP-eikona2-3.jpg

2014-04-28T11:33:47Z

Mariapanagiotidou: Εικόνα 3: Πρόβλεψη για τις αστικοποιημένες περιοχές το 2050. Στο σενάριο αυτό, όλα περιοχή θεωρείται κενή γη, εκτός από τα πάρκα (σκούρο γκρι = α

Εικόνα 3: Πρόβλεψη για τις αστικοποιημένες περιοχές το 2050. Στο σενάριο αυτό, όλα περιοχή θεωρείται κενή γη, εκτός από τα πάρκα (σκούρο γκρι = αστικοποιημένες το 1997, ελαφρύτερο γκρι = αστικοποιημένες το 2050).

Αρχείο:MP-eikona2-2.jpg

2014-04-28T11:33:07Z

Mariapanagiotidou: Εικόνα 2: Η ιστορική ανάπτυξη της αστικής περιοχής (εμφανίζονται με ανοιχτό γκρι) της Σάντα Μπάρμπαρα.

Εικόνα 2: Η ιστορική ανάπτυξη της αστικής περιοχής (εμφανίζονται με ανοιχτό γκρι) της Σάντα Μπάρμπαρα.

Αρχείο:MP-eikona2-1.jpg

2014-04-28T11:31:44Z

Mariapanagiotidou: Εικόνα 1: Χαρακτηριστικά και χωρική κατανομή της βλάστησης (γκρι) και των κατοικημένων περιοχών (μαύρο) σε διαβαθμισμένες αεροφωτογραφίες, �

Εικόνα 1: Χαρακτηριστικά και χωρική κατανομή της βλάστησης (γκρι) και των κατοικημένων περιοχών (μαύρο) σε διαβαθμισμένες αεροφωτογραφίες, για τις τρεις υπό διερεύνηση κατηγορίες χρήσεων αστική γης.

Αρχείο:MP-pinakas2-1.jpg

2014-04-28T11:30:19Z

Mariapanagiotidou: Πίνακας 1: Σύγκριση του σκοπού και χωρικό, χρονικό και θεματικό πλαίσιο των επτά μοντέλων αστικής ανάπτυξης / χρήσης γης, σύμφωνα με το EPA 2000,

Πίνακας 1: Σύγκριση του σκοπού και χωρικό, χρονικό και θεματικό πλαίσιο των επτά μοντέλων αστικής ανάπτυξης / χρήσης γης, σύμφωνα με το EPA 2000, Agarwal et al. 2000.

Παναγιωτίδου Μαρία

2014-04-28T11:25:24Z

Mariapanagiotidou: Νέα σελίδα με '* Η Τηλεπισκόπιση σαν εργαλείο για την παρακολούθηση των Προτύπων Αστικής Διάχυσης [[category:...'

* [[Η Τηλεπισκόπιση σαν εργαλείο για την παρακολούθηση των Προτύπων Αστικής Διάχυσης]]

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

Η Τηλεπισκόπιση σαν εργαλείο για την παρακολούθηση των Προτύπων Αστικής Διάχυσης

2014-04-28T11:23:06Z

Mariapanagiotidou: Νέα σελίδα με '[[Αρχείο:MP-pinakas1-1.jpg|200px|thumb|right|Πίνακας 1: Η κλίμακα σε διάφορες εφαρμογές της Τηλεπισκόπισης. (Neer,...'

[[Αρχείο:MP-pinakas1-1.jpg|200px|thumb|right|Πίνακας 1: Η κλίμακα σε διάφορες εφαρμογές της Τηλεπισκόπισης. (Neer, 1999)]]

[[Αρχείο:MP-eikona1-1.jpg|200px|thumb|right|Εικόνα 1: Μεταβολή των χρήσεων γης την περίοδο 1973 – 2003 στη μητροπολιτική περιοχή Phoenix, ΗΠΑ. (Moeller 2004)]]

[[Αρχείο:MP-eikona1-2.jpg|200px|thumb|right|Εικόνα 2: Ταξινόμηση χάρτη σε τομείς και ομόκεντρους κύκλους. (Moeller 2004)]]

[[Αρχείο:MP-eikona1-3.jpg|200px|thumb|right|Εικόνα 3: Καμπύλες των 6 περιόδων μεταβολής.]]

'''Αντικείμενο Εφαρμογής:''' Ανίχνευση μεταβολών αστικής γης

'''Πρωτότυπος Τίτλος:''' «Remote Sensing for the Μonitoring of Urban Growth Patterns»

'''Συγγραφείς:''' Μatthias S. Moeller (International Institute for Sustainability, Arizona State University)

'''Πηγή:''' International Society for Photogrammetry and Remote Sensing [http://www.isprs.org/proceedings/xxxvi/8-w27/moeller.pdf]
Λέξεις Κλειδιά: αστική διάχυση, αντικειμενοστραφής ταξινόμηση

'''Περίληψη:'''
Οι αστικές περιοχές είναι οι πιο δυναμικές περιοχές πάνω στη γη. Το μέγεθός τους έχει μια σταθερή αυξητική τάση στο παρελθόν και αυτή η διαδικασία θα συνεχιστεί και στο μέλλον. Για την κατανόηση του φαινομένου της Αστικής Εξάπλωσης, οι εικόνες τηλεπισκόπισης είναι ένα αξιόπιστο εργαλείο. Μια μακροχρόνια, μεσαίας κλίμακας μελέτη διεξήχθη για την αστική διάχυση της μητροπολιτικής περιοχής του Phoenix, Αριζόνα. Το χρονικό πλαίσιο της έρευνας είναι 30 χρόνια. Αυτή η μελέτη χρησιμοποίησε δορυφορικές εικόνες από διαφορετικά συστήματα αισθητήρων, αντικειμενοστρεφή ανάλυση και ταξινόμησης της πληροφορίας. Τα ευρήματα της έρευνας, η οποία χωρίστηκε σε έξι περιόδους, αναλύθηκαν με όρους κατεύθυνσης της διάχυσης και αποστάσεων διάχυσης. Συνολικά, μπορούν να ορισθούν αρκετές φάσεις τυπικής διάχυσης της πόλης. Τα αποτελέσματα της έρευνας θα μπορούσαν να χρησιμεύσουν σαν βάση για τη σύγκριση περισσότερων πόλεων παρόμοιου σχήματος.
'''
Εισαγωγή - Στόχος:'''
Τα τελευταία 50 χρόνια ο πληθυσμός της γης έχει διπλασιαστεί αγγίζοντας τα 6,5 δισεκατομμύρια. Η αύξηση αυτή, όπως και η συγκέντρωση, με πολύ υψηλές πυκνότητες παρατηρείται ιδιαίτερα στις αναπτυσσόμενες χώρες. Θα ήταν σκόπιμη η παρακολούθηση και καταγραφή της ανάπτυξης των αστικών αυτών περιοχών για λόγους πολεοδομικού σχεδιασμού.

Τα δορυφορικά δεδομένα εικόνας παρέχουν τη συνοπτική επισκόπηση μεγάλων περιοχών που καταγράφονται πάντα με ένα τυποποιημένο και βαθμονομημένο συστήματος παρακολούθησης. Τα δεδομένα ξεκίνησαν να καταγράφονται με υψηλή χρονική ανάλυση από τη δεκαετία του '70 και με τον τρόπο αυτό δίνουν τη δυνατότητα της ιστορικής αναδρομής. Αναλύοντας τα ιστορικά αυτά δεδομένα μπορούν να φτιάξουμε χρονοσειρές μεταβολών χρήσεων και κάλυψης γης όπως επίσης και να προβλέψουμε μελλοντικές μεταβολές και να ελέγξουμε και να επαληθεύσουμε μοντέλα ανάπτυξης.
'''
Κλίμακα εφαρμογής, Φασματικές και Χρονικές Ιδιότητες:'''
Για την παρακολούθηση της αστικής διάχυσης, μια κλίμακα της τάξης 1:25.000 - 1:50.000 είναι αρκετή. Η κλίμακα αυτή μπορεί να επιτευχθεί με αισθητήρες που παρέχουν χωρική ανάλυση 4-50 μέτρων.

Στις αστικές επιφάνειες τα υλικά παντρεύονται πολλές φορές σε ένα μόνο pixel, κάνοντας ιδιαίτερα δύσκολη τη διάκριση των διαφορετικών επιφανειών και αντικειμένων. Η ιδανική λύση θα ήταν ένας υπερφασματικός σαρωτής με ένα μεγάλο αριθμό ζωνών, καθεμιά με μικρό εύρος της τάξης των 10nm. Σήμερα, το σύστημα αισθητήρα με την υψηλότερη φασματική ανάλυση διαθέσιμη και σε επιχειρησιακή λειτουργία είναι ο αισθητήρας ASTER, έχοντας 14 ζώνες στο ορατό, το υπέρυθρο και το θερμικό τμήμα της ηλεκτρομαγνητικής ενέργειας.

Γενικά, όσο μεγαλύτερη είναι η χωρική ανάλυση τόσο μικρότερη γίνεται η χρονική. Συστήματα πολικής τροχιάς, όπως το Landsat και ASTER πραγματοποιούν κύκλους σε συχνότητα 16 ημερών. Οι αισθητήρες Landsat έχουν μακρά ιστορία δεδομένων εικόνας, ήδη από το 1972 και τον πρώτο Πολυφασματικό Σαρωτή (MSS) που κυκλοφόρησε. Τα δεδομένα λοιπόν που υπάρχουν είναι περισσότερο από 30 χρονών και μπορούν να βρεθούν στους ESDI 2005, USGS 2005, Landsat 2005 και EOS Webster 2005, πολλές φορές και δωρεάν.

'''Εφαρμογή της Τηλεπισκόπισης για την Αστική Διάχυση στη μητροπολιτική περιοχή Phoenix:'''
Η μητροπολιτική περιοχή της Phoenix (PHX) χαρακτηρίζεται από τον υψηλό ρυθμό αστικής εξάπλωσης. Βρίσκεται στο ΝΑ τμήμα των ΗΠΑ, στην έρημο Sonoran. Είναι η έκτη μεγαλύτερη αστική περιοχή της χώρας και συνεχίζει διαρκώς να εξαπλώνεται. Η ανάπτυξή της έχει καταγραφεί κατά τη διάρκεια των τελευταίων 30 χρόνων.

Η περιοχή που μελετάται εκτείνεται σε 112 χμ. Η αστική περιοχή περιβαλλόταν το '73 κυρίως από γεωργικές εκτάσεις όπως επίσης και από προστατευόμενες περιοχές Ινδιάνων και φυσικού κάλλους. Στη διάθεσή μας έχουμε 6 εικόνες, από το 1973 έως το 2003, όλες τραβηγμένες την άνοιξη, μέσα σε μια περίοδο 6 εβδομάδων, ούτως ώστε η φαινολογία να είναι ίδια σε όλες.
'''
Επεξεργασία δορυφορικών δεδομένων:'''
Όλα τα δορυφορικά δεδομένα έχουν επεξεργαστεί χωρικά (π.χ. διορθωθεί και γεωκωδικοποιηθεί) σε ορθοφωτογραφίες από τον διανομέα. Η χωρική ποιότητα των σκηνών έχει ελεγχθεί και έχουν καταχωρηθεί η μια στην άλλη ώστε να ελαχιστοποιηθούν τα χωρικά λάθη. Ατμοσφαιρικές διορθώσεις δεν έχουν γίνει διότι οι καιρικές συνθήκες ήταν ιδανικές.

Σε περίπτωση σαν τη δική μας, που χρησιμοποιούνται δεδομένα από διαφορετικούς αισθητήρες, η εικόνα θα πρέπει να αναλυθεί πριν συγκριθούν τα αποτελέσματα της ταξινόμησης. Εφαρμόστηκε μια αντικειμενοστρεφής προσέγγιση ανάλυσης εικόνας που οδήγησε σε αξιόπιστα αποτελέσματα όσον αφορά την ακρίβεια ταξινόμησης. Ακολουθώντας το σύστημα ταξινόμησης που υιοθετήθηκε και τροποποιήθηκε από το σχήμα NLCD, διακρίθηκαν τουλάχιστον 10 κατηγορίες σε κάθε εικόνα. Η ακρίβεια της ταξινόμησης αυτής είναι της τάξης του 87%.

'''Αποτελέσματα ανάλυσης:'''
Με βάση την σύγκριση των εικόνων δημιουργήθηκε ένας κάνναβος με 500Χ500 μονάδα μεγέθους. Έγιναν διακριτές 3 κύριες χρήσεις γης: αγροτικές καλλιέργειες, αστική γη και φυσική γη. Η κυρίαρχη χρήση κάθε μονάδας καταγράφηκε σε περιβάλλον GIS. Στο επόμενο βήμα καταγράφηκε η αλλαγή χρήσης γης από αγροτική σε αστική για καθεμιά από τις 6 περιόδους. Η Εικόνα 1 δείχνει τη μετατροπή της γης προς αστική χρήση από το 1973 στο 2003 σε κόκκινους τόνους.

Πάνω σ' αυτό το χάρτη εφαρμόστηκε ένα σύστημα από 8 τομείς και 50 ομόκεντρες τροχιές, όπως φαίνεται στην Εικόνα 2. Μετατρέποντας το σχήμα σε πίνακες, η εξάπλωση γίνεται ακόμα πιο εμφανής. Στον τομέα 1, από το βορρά στην ανατολή, βλέπουμε τη μεγαλύτερη εξάπλωση. Αντίθετα, η εξάπλωση είναι περιορισμένη για τις περιοχές 3 και 4. Αυτό φαίνεται να οφείλεται στην ύπαρξη των Ινδιάνικων και φυσικών προστατευόμενων περιοχών. Ως αναφορά την εξάπλωση σχετιζόμενη με την απόσταση από το κέντρο, γίνεται εμφανές πως ακολουθεί έναν συγκεκριμένο τύπο για τις πρώτες 4 περιόδους, κατά τον οποίο η αυτή έλαβε χώρα σε περιοχές γύρω από το κέντρο. Η δομή αυτή υποδηλώνει μια τυπική εξάπλωση σε τροχιές. Αυτό αλλάζει κατά τις 2 τελευταίες περιόδους, όπου παρατηρούμε έντονη εξάπλωση σε μεγάλη απόσταση των 30 χμ.

'''Συμπεράσματα:'''
Η ανάλυση, αξιοποιώντας δεδομένα από μια μεγάλη χρονική περίοδο, δίνει τη δυνατότητα της σε βάθος παρακολούθησης της αστικής εξάπλωσης. Με βάση αυτή την έρευνα, έχουν αναπτυχθεί δείκτες αστικής εξάπλωσης με σκοπό την παραμετροποίησή της. Σε ένα επόμενο στάδιο, οι δείκτες αυτοί πρέπει να εφαρμοστούν σε διαφορετικά αστικά περιβάλλοντα για λόγους σύγκρισης διαφορετικών τύπων αστικής εξάπλωσης. Αυτό θα μπορούσε να οδηγήσει σε μια πολύ χρήσιμη κατηγοριοποίηση της αστικής εξάπλωσης.

[[category:Ανίχνευση μεταβολών αστικής γης]]

Αρχείο:MP-eikona1-3.jpg

2014-04-28T11:22:09Z

Mariapanagiotidou: Εικόνα 3: Καμπύλες των 6 περιόδων μεταβολής.

Εικόνα 3: Καμπύλες των 6 περιόδων μεταβολής.

Αρχείο:MP-eikona1-2.jpg

2014-04-28T11:20:34Z

Mariapanagiotidou: Εικόνα 2: Ταξινόμηση χάρτη σε τομείς και ομόκεντρους κύκλους. (Moeller 2004)

Εικόνα 2: Ταξινόμηση χάρτη σε τομείς και ομόκεντρους κύκλους. (Moeller 2004)

Αρχείο:MP-eikona1-1.jpg

2014-04-28T11:19:31Z

Mariapanagiotidou: Εικόνα 1: Μεταβολή των χρήσεων γης την περίοδο 1973 – 2003 στη μητροπολιτική περιοχή Phoenix, ΗΠΑ. (Moeller 2004)

Εικόνα 1: Μεταβολή των χρήσεων γης την περίοδο 1973 – 2003 στη μητροπολιτική περιοχή Phoenix, ΗΠΑ. (Moeller 2004)

Αρχείο:MP-pinakas1-1.jpg

2014-04-28T11:17:28Z

Mariapanagiotidou: Πίνακας 1: Η κλίμακα σε διάφορες εφαρμογές της Τηλεπισκόπισης. (Neer, 1999)

Πίνακας 1: Η κλίμακα σε διάφορες εφαρμογές της Τηλεπισκόπισης. (Neer, 1999)