RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Οι σχέσεις μεταξύ των συνθέσεων του τοπίου και της επιφανειακής θερμοκρασίας: Ποσοτικοποίηση με τη χρήση χωρικών μοντέλων παλινδρόμησης

2015-04-07T12:49:07Z

Stavropoulou Athanasia:

'''Πρωτότυπος τίτλος:'''
"The relationships between landscape compositions and land surface temperature: Quantifying their resolution sensitivity with spatial regression models"

'''Συγγραφείς:'''
Juer Song, Shihong Du, Xin Feng, Luo Guo.

'''Λέξεις Κλειδιά:'''
Επιφανειακή θερμοκρασία (LST), Συνθέσεις τοπίου, Χωρικό Μοντέλο Υστέρησης (SLM), Χωρικό Μοντέλο Σφάλματος (SEM)

'''πηγή:'''
http://www.sciencedirect.com/science/article/pii/S0169204613002284

'''Περίληψη'''

Η κατανόηση των σχέσεων μεταξύ των συνθέσεων του τοπίου και της επιφανειακής θερμοκρασίας της γης (LST) είναι σημαντική για το μετριασμό της επίδρασης των αστικών θερμικών νησίδων. Οι υπάρχουσες μελέτες έχουν διερευνήσει την επίδραση των τύπων κάλυψης γης στην LST, αγνοώντας τις επιπτώσεις της αυτοσυσχέτισης της LST. Αυτή η μελέτη χρησιμοποιεί το χωρικό μοντέλο παλινδρόμησης για να διακρίνει τη συνεισφορά των τύπων κάλυψης γης στην LST από την αυτοσυσχέτιση της LST. Οι στόχοι της μελέτης είναι οι εξής: (1) η κατασκευή των ποσοτικών σχέσεων ανάμεσα στην LST και στους τύπους κάλυψης γης σε πολλαπλές διακριτικές ικανότητες και (2) η εύρεση των κατάλληλων διακριτικών ικανοτήτων για τη μέτρηση των σχέσεων αυτών. Η LST ανακτάται από μία Landsat ETM+ εικόνα, ενώ οι πληροφορίες για την κάλυψη γης εξάγονται από μια εικόνα Quickbird. Δύο χωρικά μοντέλα παλινδρόμησης -το μοντέλο της χωρικής υστέρησης και το μοντέλο του χωρικού σφάλματος- χρησιμοποιούνται για την ποσοτικοποίηση των σχέσεων σε 18 διακριτικές ικανότητες που κυμαίνονται από 60m έως 1080 m, ανά διαστήματα των 60m. Τα αποτελέσματα αυτής της μελέτης δείχνουν ότι οι διακριτικές ικανότητες των 660m και 720m είναι οι πλέον κατάλληλες για τη μέτρηση των σχέσεων μεταξύ των συνθέσεων του τοπίου και της LST. Σε αυτές τις διακριτικές ικανότητες, και οι πέντε συντελεστές των εξαρτημένων μεταβλητών που χαρακτηρίζουν τις συνθέσεις του τοπίου παίρνουν τη μέγιστη τιμή, ενώ ο συντελεστής αυτοσυσχέτισης της LST μειώνεται στο ελάχιστο. Σε διακριτικές ικανότητες μικρότερες από 660 m, η αυτοσυσχέτιση της LST επηρεάζει την LST πιο σημαντικά απ’ ο,τι τους τύπους κάλυψης γης Σε διακριτικές ικανότητες μεγαλύτερες από 720 m, οι περισσότεροι συντελεστές είναι ασήμαντοι. Η μελέτη αυτή μετρά επίσης τις επιπτώσεις των κυριότερων τύπων κάλυψης γης στην LST. Τα ευρήματα αυτά παρέχουν πολύτιμες πληροφορίες για το πώς οι θερμικές περιβαλλοντικές επιπτώσεις της αστικοποίησης μπορούν να μετριαστούν μέσω του τοπικού χωρικού σχεδιασμού.

'''1. Δεδομένα & μεθοδολογία'''

'''1.1. Περιοχή μελέτης'''

[[Εικόνα:284-1.jpg|thumb|right|Εικόνα 1: Γεωγραφική θέση του Πεκίνου, Κίνα και η πολυφασματική εικόνα Quickbird της περιοχής μελέτης . Το μέγεθος της εικόνας είναι 13929 x 10502 εικονοστοιχείων με μέγεθος 0,61 × 0,61m]]
Το Πεκίνο είναι η πρωτεύουσα της Κίνας και αποτελεί το πολιτικό και πολιτιστικό κέντρο της χώρας (Εικόνα 1). Καλύπτει μια έκταση περίπου 17,000 km2 με πληθυσμό που φτάνει τους 20.000.000 κατοίκους. Τα τελευταία 20 χρόνια, το Πεκίνο υφίσταται μια ταχεία διαδικασία αστικοποίησης και πληθυσμιακής έκρηξης, σε συνδυασμό με ταχείς μετασχηματισμούς στις χρήσεις / καλύψεις γης. Η περιοχή μελέτης καλύπτει το βορειοανατολικό τμήμα της περιοχής Haidian και το νοτιοδυτικό τμήμα της περιοχής Changping, καταλαμβάνοντας συνολική έκταση 70.056 km2. Ούσα μια αγροτική-αστική περιοχή κατά τον χρόνο απόκτησης των εικόνων της μελέτης αυτής, η περιοχή αποτελείται τόσο από αστικά όσο και αγροτικά τοπία, συμπεριλαμβανομένων των καλλιεργήσιμων εκτάσεων, των θερμοκηπίων, των κατοικιών και των βιομηχανικών κτηρίων, των υδάτινων επιφανειών, των πάρκων και των δρόμων.

'''1.2. Επεξεργασία εικόνας'''

Μια εικόνα Landsat 7 ETM+ με λήψη στις 22 Μαΐου 2002, χρησιμοποιήθηκε για την ποσοτική μέτρηση της LST. Για την ανάκτηση της LST , χρησιμοποιήθηκε το θερμικό υπέρυθρο κανάλι (κανάλι 6) με διακριτική ικανότητα 60m. Για την εξαγωγή πληροφοριών που σχετίζονται με το τοπίο, χρησιμοποιήθηκε μια εικόνα Quickbird με λήψη στις 22 Μαρτίου 2002. Τα δεδομένα του Quickbird αποτελούνται από τέσσερα πολυφασματικά κανάλια (με διακριτική ικανότητα 2,44 m) και ένα πανχρωματικό κανάλι (με διακριτική ικανότητα 0,61m). Οι πολυφασματικές και παγχρωματικές εικόνες συγχωνεύθηκαν για να παράγουν μια πολυφασματική εικόνα τεσσάρων καναλιών με διακριτική ικανότητα 0,61m, με την εφαρμογή του μετασχηματισμού Gram–Schmidt του λογισμικού ENVI (Laben & Brower, 2000). Για την ανάλυση των σχέσεων μεταξύ της LST και των δομών του τοπίου, οι εικόνες ΕΤΜ+ και Quickbird υποβλήθηκαν σε γεωαναφορά στο σύστημα συντεταγμένων GCS-WGS-1984, ενώ γεωμετρικές και ατμοσφαιρικές διορθώσεις εφαρμόστηκαν και στις δύο εικόνες.

'''1.3. Ταξινόμηση της κάλυψης γης'''
[[Εικόνα:284-2.jpg|thumb|left|Εικόνα 2: Χάρτης ταξινόμησης της εικόνας Quickbird.]]
[[Εικόνα:284-5.jpg|thumb|right|Πίνακας 1: Οι κατηγορίες κάλυψης γης.]]

Η παρούσα μελέτη χρησιμοποιεί τη μέθοδο ανάλυσης με βάση τα αντικείμενα (Object-Based Image Analysis – OBIA) για την ταξινόμηση των πληροφοριών κάλυψης γης (Trimble, 2011). Περιλαμβάνει δύο στάδια: την κατάτμηση και την ταξινόμηση. Στο πρώτο στάδιο, με την κατάτμηση των εικόνων σε πολύγωνα διαφορετικής κλίμακας, εντοπίστηκαν 10 κατηγορίες κάλυψης γης: νερό, βλάστηση, θερμοκήπια, καλλιέργειες, κτήρια, σκιές, δρόμοι, χωματόδρομοι, γυμνό έδαφος, και επιφάνεια (όλες οι δομημένες επιφάνειες, εκτός των κτηρίων και των δρόμων) (Πίνακας 1). Στο δεύτερο στάδιο, κάθε πολύγωνο ταξινομείται σε μία από τις 10 κατηγορίες. Η ακρίβεια της ταξινόμησης επαληθεύτηκε από επιτόπιες έρευνες, οπτική ερμηνεία, και σύγκριση με αεροφωτογραφίες της περιοχής μελέτης. Η εικόνα 2 δείχνει τον χάρτη ταξινόμησης της περιοχής μελέτης. Με βάση τα φυσικά χαρακτηριστικά της κάλυψης γης και των επιδράσεών τους στη LST, οι 10 κατηγορίες κάλυψης γης μεταταξινομήθηκαν σε έξι.

[[Εικόνα:284-3.jpg|thumb|left|Εικόνα 3: Η LST προερχόμενη από το θερμικό κανάλι του ETM+.]]

'''1.4. Προέλευση της LST'''

[[Εικόνα:284-6.jpg|thumb|right|Πίνακας 2: Στατιστικά στοιχεία για την LST και τις κατηγορίες κάλυψης γης.]]

Για τη χαρτογράφηση της LST χρησιμοποιείται το θερμικό υπέρυθρο κανάλι του Landsat ΕΤΜ + (10.04 - 12.05μm). Η διαδικασία αυτή πραγματοποιείται σε τρία στάδια:

(1) υπολογισμός της επιφανειακής εκπομπής,

(2) υπολογισμός των τιμών της θερμοκρασίας φωτεινότητας και

(3) μετατροπή της θερμοκρασίας φωτεινότητας σε LST.

Η Εικόνα 3 δείχνει την κατανομή των τιμών LST στην περιοχή μελέτης. Η μέση LST είναι 43.29°C και η τυπική απόκλιση είναι 4.59. Οι μέσες τιμές και η τυπική απόκλιση της LST για διάφορους τύπους κάλυψης γης, που αναφέρονται στον Πίνακα 2, βοηθούν στην καλύτερη κατανόηση των σχέσεων μεταξύ της LST και των τύπων κάλυψης γης.

'''1.5. Χωρική συσχέτιση & χωρική παλινδρόμηση'''

Χωρική αυτοσυσχέτιση σημαίνει ότι η τιμή μιας μεταβλητής σε μια θέση συσχετίζεται με τις τιμές της ίδιας μεταβλητής σε γειτονικές θέσεις.
Η ανάλυση παλινδρόμησης αποσκοπεί στην ερμηνεία μιας εξαρτημένης μεταβλητής χρησιμοποιώντας έναν γραμμικό σταθμισμένο συνδυασμό ενός συνόλου ανεξάρτητων μεταβλητών. Δεδομένου ότι οι περισσότερες γεωγραφικές μεταβλητές είναι χωρικά αυτοσυσχετιζόμενες, τα μοντέλα χωρικής παλινδρόμησης είναι περισσότερο κατάλληλα από τα μοντέλα των ελαχίστων τετραγώνων (OLS) για την ανάλυση των σχέσεων μεταξύ των εξαρτημένων και των ανεξάρτητων μεταβλητών. Οι χωρικές μέθοδοι παλινδρόμησης μπορούν να χωριστούν σε δύο κατηγορίες: στα χωρικά μοντέλα υστέρησης (SLM) και στα χωρικά μοντέλα σφάλματος (SEM). Τα πρώτα συνυπολογίζουν τη χωρική αυτοσυσχέτιση των εξαρτημένων μεταβλητών, ενώ τα δεύτερα λαμβάνουν υπ’ όψιν τα αποτελέσματα της αυτοσυσχέτισης των τυχαίων σφαλμάτων.

'''2. Αποτελέσματα'''
[[Εικόνα:284-4.jpg|thumb|right|Εικόνα 4: Απεικόνιση της LST . Η αρχική εικόνα διακριτικής ικανότητας 60m φαίνεται στην εικόνα 3. Παρουσιάζονται οι εικόνες για διακριτική ικανότητα από 60 έως 1080 m (a)-(q).]]
'''2.1. Ανάλυση ευαισθησίας της χωρικής συσχέτισης της LST σε σχέση με τη χωρική διακριτική ικανότητα'''

Δεδομένου ότι η θερμότητα ρέει από μια περιοχή υψηλής θερμοκρασίας σε γειτονικές περιοχές χαμηλής θερμοκρασίας, η LST είναι χωρικά αυτοσυσχετισμένη. Στην Εικόνα 4 (α) - (h), φαίνεται ότι η LST εμφανίζει μια ισχυρή χωρική εξάρτηση: εικονοστοιχεία με παρόμοια LST ομαδοποιούνται – τα κόκκινα εικονοστοιχεία (υψηλή LST) περιβάλλονται από πορτοκαλί, ενώ όσα έχουν σκούρο πράσινο χρώμα (χαμηλές τιμές LST) ομαδοποιούνται με τα ανοιχτόχρωμα πράσινα εικονοστοιχεία. Οι κόκκινες ζώνες υψηλής θερμοκρασίας συνδέονται με τις πράσινες ζώνες χαμηλής θερμοκρασίας μέσω κίτρινων εικονοστοιχείων, που αντιπροσωπεύουν ενδιάμεσες θερμοκρασίες. Μια μείωση της διακριτικής ικανότητας οδηγεί σε λιγότερες ομαδοποιήσεις, υποδηλώνοντας μια ασθενέστερη αυτοσυσχέτιση της LST.

'''2.2. Ανάλυση ευαισθησίας των σχέσεων LST / κάλυψης γης όσον αφορά τη χωρική διακριτική ικανότητα'''

Για τη διερεύνηση των ποσοτικών σχέσεων μεταξύ της LST και των τύπων κάλυψης γης χρησιμοποιείται ένα χωρικό μοντέλο παλινδρόμησης. Οι σχέσεις αναλύονται σε 18 χωρικές διακριτικές ικανότητες (από 60m έως 1080 m, ανά διαστήματα 60m).
Για την επεξεργασία των OLS, SLM και SEM χρησιμοποιείται το λογισμικό GeoDa. Και για τα δύο μοντέλα SLM και SEM, ένα σημαντικό στοιχείο είναι ο χωρικός τελεστής υστέρησης W, ένας n × n πίνακας που περιέχει τα βάρη που περιγράφουν το βαθμό χωρικής συγγένειας (δηλαδή τη γειτνίαση, την εγγύτητα, και τη συνδεσιμότητα) μεταξύ γειτονικών μονάδων ανάλυσης.

'''3. Συζήτηση'''

Τα αποτελέσματα της μελέτης δείχνουν ότι η σύνθεση της κάλυψης γης μπορεί να επηρεάσει σημαντικά την LST. Με την αποκλειστική μέτρηση της επίδρασης της αυτοσυσχέτισης της LST μαζί με την επίδραση των τύπων κάλυψης γης, η παρούσα έρευνα επεκτείνει την επιστημονική κατανόηση των επιπτώσεων των προτύπων κάλυψης γης στην LST στα αστικά τοπία, και προτείνει ένα μεθοδολογικό πλαίσιο, προκειμένου να λαμβάνεται υπόψη η επίδραση της αυτοσυσχέτισης, το οποίο μπορεί να εφαρμοστεί σε μελλοντικές μελέτες σε συναφείς τομείς.

'''3.1. Συγκρίσεις μεταξύ της κλασικής παλινδρόμησης και των χωρικών μοντέλων παλινδρόμησης'''

Η επιλογή του κατάλληλου μοντέλου είναι ζωτικής σημασίας για την κατανόηση των σχέσεων μεταξύ της LST και των συνθέσεων του τοπίου. Λόγω της αυτοσυσχέτισης της LST, η βασική παραδοχή ότι οι παρατηρήσεις των εξαρτημένων μεταβλητών είναι όλες ανεξάρτητες, δεν μπορεί να αληθεύει. Ως εκ τούτου, η χρήση των παραδοσιακών μοντέλων παλινδρόμησης χωρίς να λαμβάνεται υπόψη η αυτοσυσχέτιση της εξαρτημένης μεταβλητής, μπορεί να οδηγήσει σε παραπλανητικές εκτιμήσεις των παραμέτρων.
Τα πλεονεκτήματα από τη χρήση χωρικών μοντέλων παλινδρόμησης για τη μέτρηση των σχέσεων μεταξύ της LST και των συνθέσεων του τοπίου είναι διττός. Από τη μία πλευρά, αυξάνει σημαντικά τη συνολική καταλληλότητα του μοντέλου με την προσθήκη της αυτοσυσχέτισης της εξαρτημένης μεταβλητής ως επεξηγηματικής μεταβλητής. Από την άλλη πλευρά, επειδή τα μοντέλα χωρικής παλινδρόμησης δεν απαιτούν ανεξαρτησία μεταξύ των παρατηρήσεων, οι εκτιμήσεις των παραμέτρων είναι πολύ πιο αξιόπιστες.

'''3.2. Συγκρίσεις μεταξύ των SLM και SEM'''

Όταν τα χωρικά μοντέλα παλινδρόμησης χρησιμοποιούνται για τον προσδιορισμό της αυτοσυσχέτισης, δύο βασικά ζητήματα χρειάζονται ιδιαίτερη προσοχή: η επιλογή του κατάλληλου μοντέλου και η επιλογή της κατάλληλης μήτρας βαρών. Ένας γενικός κανόνας είναι ότι το SLM είναι πιο αποτελεσματικό όταν η εξαρτημένη μεταβλητή στην περιοχή μελέτης επηρεάζεται από τις τιμές της σε κοντινές περιοχές, ενώ ένα SEM είναι πιο εφαρμόσιμο όταν η χωρική αυτοσυσχέτιση παρουσιάζεται ως μια ενόχληση που προκύπτει από την ακατάλληλη επιλογή του μοντέλου (Zhang, Ma , και Guo, 2006).

'''4. Συμπεράσματα'''

Η αξιολόγηση του τρόπου με τον οποίο η LST ανταποκρίνεται στις συνθέσεις τοπίου είναι κρίσιμης σημασίας για την αντιμετώπιση των αρνητικών επιπτώσεων της αστικής νησίδας θερμότητας και είναι απαραίτητο να διαχωριστούν τα αποτελέσματα των συνθέσεων του τοπίου από την επιρροή της αυτοσυσχέτισης της LST. Αυτή η έρευνα εξετάζει τόσο την LST όσο και το τοπίο του Πεκίνου, και διερευνά τις ποσοτικές σχέσεις σε πολλαπλές κλίμακες. Η μελέτη αυτή παρέχει χρήσιμες πληροφορίες στους σχεδιαστές τοπίου που επιδιώκουν να μετριάσουν τον αντίκτυπο της αστικοποίησης στην LST.

Η μελέτη προσέφερε ένα μεθοδολογικό πλαίσιο για την αντιμετώπιση των μεταβαλλόμενων κλιμάκων και τόνισε τη σημασία της κλίμακας ως παραμέτρου των σχέσεων ανάμεσα στην LST και των μοτίβων του τοπίου. Ωστόσο, παρουσιάζει τους ακόλουθους περιορισμούς. Πρώτον, η έρευνα διεξήχθη σε μία περιοχή, χρησιμοποιώντας μόνο μία θερμική εικόνα για την ανάκτηση της LST. Προηγούμενες μελέτες έχουν δείξει την ύπαρξη ημερήσιων και εποχιακών διακυμάνσεων στις σχέσεις μεταξύ της LST και των τύπων κάλυψης γης. Επιπλέον, οι διαφορετικές κλιματολογικές συνθήκες μπορούν να επηρεάσουν σημαντικά το ημερήσιο εύρος της επιφάνειας επιρροής μιας αστικής θερμικής νησίδας. Επομένως, απαιτούνται περαιτέρω μελέτες με τη χρήση πολλαπλών ημερήσιων και νυκτερινών θερμικών εικόνων από διαφορετικές εποχές.

[[category:Ενέργεια]]

Οι σχέσεις μεταξύ των συνθέσεων του τοπίου και της επιφανειακής θερμοκρασίας: Ποσοτικοποίηση με τη χρήση χωρικών μοντέλων παλινδρόμησης

2015-04-07T12:47:54Z

Stavropoulou Athanasia:

Οι σχέσεις μεταξύ των συνθέσεων του τοπίου και της επιφανειακής θερμοκρασίας: Ποσοτικοποίηση με τη χρήση χωρικών μοντέλων παλινδρόμησης

2015-04-07T12:45:56Z

Stavropoulou Athanasia:

'''Πρωτότυπος τίτλος:'''
"The relationships between landscape compositions and land surface temperature: Quantifying their resolution sensitivity with spatial regression models"

'''Συγγραφείς:'''
Juer Song, Shihong Du, Xin Feng, Luo Guo.

'''Λέξεις Κλειδιά:'''
Επιφανειακή θερμοκρασία (LST), Συνθέσεις τοπίου, Χωρικό Μοντέλο Υστέρησης (SLM), Χωρικό Μοντέλο Σφάλματος (SEM)

'''πηγή:'''
http://www.sciencedirect.com/science/article/pii/S0169204613002284

'''Περίληψη'''

Η κατανόηση των σχέσεων μεταξύ των συνθέσεων του τοπίου και της επιφανειακής θερμοκρασίας της γης (LST) είναι σημαντική για το μετριασμό της επίδρασης των αστικών θερμικών νησίδων. Οι υπάρχουσες μελέτες έχουν διερευνήσει την επίδραση των τύπων κάλυψης γης στην LST, αγνοώντας τις επιπτώσεις της αυτοσυσχέτισης της LST. Αυτή η μελέτη χρησιμοποιεί το χωρικό μοντέλο παλινδρόμησης για να διακρίνει τη συνεισφορά των τύπων κάλυψης γης στην LST από την αυτοσυσχέτιση της LST. Οι στόχοι της μελέτης είναι οι εξής: (1) η κατασκευή των ποσοτικών σχέσεων ανάμεσα στην LST και στους τύπους κάλυψης γης σε πολλαπλές διακριτικές ικανότητες και (2) η εύρεση των κατάλληλων διακριτικών ικανοτήτων για τη μέτρηση των σχέσεων αυτών. Η LST ανακτάται από μία Landsat ETM+ εικόνα, ενώ οι πληροφορίες για την κάλυψη γης εξάγονται από μια εικόνα Quickbird. Δύο χωρικά μοντέλα παλινδρόμησης -το μοντέλο της χωρικής υστέρησης και το μοντέλο του χωρικού σφάλματος- χρησιμοποιούνται για την ποσοτικοποίηση των σχέσεων σε 18 διακριτικές ικανότητες που κυμαίνονται από 60m έως 1080 m, ανά διαστήματα των 60m. Τα αποτελέσματα αυτής της μελέτης δείχνουν ότι οι διακριτικές ικανότητες των 660m και 720m είναι οι πλέον κατάλληλες για τη μέτρηση των σχέσεων μεταξύ των συνθέσεων του τοπίου και της LST. Σε αυτές τις διακριτικές ικανότητες, και οι πέντε συντελεστές των εξαρτημένων μεταβλητών που χαρακτηρίζουν τις συνθέσεις του τοπίου παίρνουν τη μέγιστη τιμή, ενώ ο συντελεστής αυτοσυσχέτισης της LST μειώνεται στο ελάχιστο. Σε διακριτικές ικανότητες μικρότερες από 660 m, η αυτοσυσχέτιση της LST επηρεάζει την LST πιο σημαντικά απ’ ο,τι τους τύπους κάλυψης γης Σε διακριτικές ικανότητες μεγαλύτερες από 720 m, οι περισσότεροι συντελεστές είναι ασήμαντοι. Η μελέτη αυτή μετρά επίσης τις επιπτώσεις των κυριότερων τύπων κάλυψης γης στην LST. Τα ευρήματα αυτά παρέχουν πολύτιμες πληροφορίες για το πώς οι θερμικές περιβαλλοντικές επιπτώσεις της αστικοποίησης μπορούν να μετριαστούν μέσω του τοπικού χωρικού σχεδιασμού.

'''1. Δεδομένα & μεθοδολογία'''

'''1.1. Περιοχή μελέτης'''

[[Εικόνα:284-1.jpg|thumb|right|Εικόνα 1: Γεωγραφική θέση του Πεκίνου, Κίνα και η πολυφασματική εικόνα Quickbird της περιοχής μελέτης . Το μέγεθος της εικόνας είναι 13929 x 10502 εικονοστοιχείων με μέγεθος 0,61 × 0,61m]]
Το Πεκίνο είναι η πρωτεύουσα της Κίνας και αποτελεί το πολιτικό και πολιτιστικό κέντρο της χώρας (Εικόνα 1). Καλύπτει μια έκταση περίπου 17,000 km2 με πληθυσμό που φτάνει τους 20.000.000 κατοίκους. Τα τελευταία 20 χρόνια, το Πεκίνο υφίσταται μια ταχεία διαδικασία αστικοποίησης και πληθυσμιακής έκρηξης, σε συνδυασμό με ταχείς μετασχηματισμούς στις χρήσεις / καλύψεις γης. Η περιοχή μελέτης καλύπτει το βορειοανατολικό τμήμα της περιοχής Haidian και το νοτιοδυτικό τμήμα της περιοχής Changping, καταλαμβάνοντας συνολική έκταση 70.056 km2. Ούσα μια αγροτική-αστική περιοχή κατά τον χρόνο απόκτησης των εικόνων της μελέτης αυτής, η περιοχή αποτελείται τόσο από αστικά όσο και αγροτικά τοπία, συμπεριλαμβανομένων των καλλιεργήσιμων εκτάσεων, των θερμοκηπίων, των κατοικιών και των βιομηχανικών κτηρίων, των υδάτινων επιφανειών, των πάρκων και των δρόμων.

'''1.2. Επεξεργασία εικόνας'''

Μια εικόνα Landsat 7 ETM+ με λήψη στις 22 Μαΐου 2002, χρησιμοποιήθηκε για την ποσοτική μέτρηση της LST. Για την ανάκτηση της LST , χρησιμοποιήθηκε το θερμικό υπέρυθρο κανάλι (κανάλι 6) με διακριτική ικανότητα 60m. Για την εξαγωγή πληροφοριών που σχετίζονται με το τοπίο, χρησιμοποιήθηκε μια εικόνα Quickbird με λήψη στις 22 Μαρτίου 2002. Τα δεδομένα του Quickbird αποτελούνται από τέσσερα πολυφασματικά κανάλια (με διακριτική ικανότητα 2,44 m) και ένα πανχρωματικό κανάλι (με διακριτική ικανότητα 0,61m). Οι πολυφασματικές και παγχρωματικές εικόνες συγχωνεύθηκαν για να παράγουν μια πολυφασματική εικόνα τεσσάρων καναλιών με διακριτική ικανότητα 0,61m, με την εφαρμογή του μετασχηματισμού Gram–Schmidt του λογισμικού ENVI (Laben & Brower, 2000). Για την ανάλυση των σχέσεων μεταξύ της LST και των δομών του τοπίου, οι εικόνες ΕΤΜ+ και Quickbird υποβλήθηκαν σε γεωαναφορά στο σύστημα συντεταγμένων GCS-WGS-1984, ενώ γεωμετρικές και ατμοσφαιρικές διορθώσεις εφαρμόστηκαν και στις δύο εικόνες.

'''1.3. Ταξινόμηση της κάλυψης γης'''
[[Εικόνα:284-2.jpg|thumb|left|Εικόνα 2: Χάρτης ταξινόμησης της εικόνας Quickbird.]]
[[Εικόνα:284-5.jpg|thumb|right|Πίνακας 1: Οι κατηγορίες κάλυψης γης.]]

Η παρούσα μελέτη χρησιμοποιεί τη μέθοδο ανάλυσης με βάση τα αντικείμενα (Object-Based Image Analysis – OBIA) για την ταξινόμηση των πληροφοριών κάλυψης γης (Trimble, 2011). Περιλαμβάνει δύο στάδια: την κατάτμηση και την ταξινόμηση. Στο πρώτο στάδιο, με την κατάτμηση των εικόνων σε πολύγωνα διαφορετικής κλίμακας, εντοπίστηκαν 10 κατηγορίες κάλυψης γης: νερό, βλάστηση, θερμοκήπια, καλλιέργειες, κτήρια, σκιές, δρόμοι, χωματόδρομοι, γυμνό έδαφος, και επιφάνεια (όλες οι δομημένες επιφάνειες, εκτός των κτηρίων και των δρόμων) (Πίνακας 1). Στο δεύτερο στάδιο, κάθε πολύγωνο ταξινομείται σε μία από τις 10 κατηγορίες. Η ακρίβεια της ταξινόμησης επαληθεύτηκε από επιτόπιες έρευνες, οπτική ερμηνεία, και σύγκριση με αεροφωτογραφίες της περιοχής μελέτης. Η εικόνα 2 δείχνει τον χάρτη ταξινόμησης της περιοχής μελέτης. Με βάση τα φυσικά χαρακτηριστικά της κάλυψης γης και των επιδράσεών τους στη LST, οι 10 κατηγορίες κάλυψης γης μεταταξινομήθηκαν σε έξι κατηγορίες.

[[Εικόνα:284-3.jpg|thumb|left|Εικόνα 3: Η LST προερχόμενη από το θερμικό κανάλι του ETM+.]]

'''1.4. Προέλευση της LST'''

[[Εικόνα:284-6.jpg|thumb|right|Πίνακας 2: Στατιστικά στοιχεία για την LST και τις κατηγορίες κάλυψης γης.]]

Για τη χαρτογράφηση της LST χρησιμοποιείται το θερμικό υπέρυθρο κανάλι του Landsat ΕΤΜ + (10.04 - 12.05μm). Η διαδικασία αυτή πραγματοποιείται σε τρία στάδια:

(1) υπολογισμός της επιφανειακής εκπομπής,

(2) υπολογισμός των τιμών της θερμοκρασίας φωτεινότητας και

(3) μετατροπή της θερμοκρασίας φωτεινότητας σε LST.

Η Εικόνα 3 δείχνει την κατανομή των τιμών LST στην περιοχή μελέτης. Η μέση LST είναι 43.29°C και η τυπική απόκλιση είναι 4.59. Οι μέσες τιμές και η τυπική απόκλιση της LST για διάφορους τύπους κάλυψης γης, που αναφέρονται στον Πίνακα 2, βοηθούν στην καλύτερη κατανόηση των σχέσεων μεταξύ της LST και των τύπων κάλυψης γης.

'''1.5. Χωρική συσχέτιση & χωρική παλινδρόμηση'''

Χωρική αυτοσυσχέτιση σημαίνει ότι η τιμή μιας μεταβλητής σε μια θέση συσχετίζεται με τις τιμές της ίδιας μεταβλητής σε γειτονικές θέσεις.
Η ανάλυση παλινδρόμησης αποσκοπεί στην ερμηνεία μιας εξαρτημένης μεταβλητής χρησιμοποιώντας έναν γραμμικό σταθμισμένο συνδυασμό ενός συνόλου ανεξάρτητων μεταβλητών. Δεδομένου ότι οι περισσότερες γεωγραφικές μεταβλητές είναι χωρικά αυτοσυσχετιζόμενες, τα μοντέλα χωρικής παλινδρόμησης είναι περισσότερο κατάλληλα από τα μοντέλα των ελαχίστων τετραγώνων (OLS) για την ανάλυση των σχέσεων μεταξύ των εξαρτημένων και των ανεξάρτητων μεταβλητών. Οι χωρικές μέθοδοι παλινδρόμησης μπορούν να χωριστούν σε δύο κατηγορίες: στα χωρικά μοντέλα υστέρησης (SLM) και στα χωρικά μοντέλα σφάλματος (SEM). Τα πρώτα συνυπολογίζουν τη χωρική αυτοσυσχέτιση των εξαρτημένων μεταβλητών, ενώ τα δεύτερα λαμβάνουν υπ’ όψιν τα αποτελέσματα της αυτοσυσχέτισης των τυχαίων σφαλμάτων.

'''2. Αποτελέσματα'''
[[Εικόνα:284-4.jpg|thumb|right|Εικόνα 4: Απεικόνιση της LST . Η αρχική εικόνα διακριτικής ικανότητας 60m φαίνεται στην εικόνα 3. Παρουσιάζονται οι εικόνες για διακριτική ικανότητα από 60 έως 1080 m (a)-(q).]]
'''2.1. Ανάλυση ευαισθησίας της χωρικής συσχέτισης της LST σε σχέση με τη χωρική διακριτική ικανότητα'''

Δεδομένου ότι η θερμότητα ρέει από μια περιοχή υψηλής θερμοκρασίας σε γειτονικές περιοχές χαμηλής θερμοκρασίας, η LST είναι χωρικά αυτοσυσχετισμένη. Στην Εικόνα 4 (α) - (h), φαίνεται ότι η LST εμφανίζει μια ισχυρή χωρική εξάρτηση: εικονοστοιχεία με παρόμοια LST ομαδοποιούνται – τα κόκκινα εικονοστοιχεία (υψηλή LST) περιβάλλονται από πορτοκαλί, ενώ όσα έχουν σκούρο πράσινο χρώμα (χαμηλές τιμές LST) ομαδοποιούνται με τα ανοιχτόχρωμα πράσινα εικονοστοιχεία. Οι κόκκινες ζώνες υψηλής θερμοκρασίας συνδέονται με τις πράσινες ζώνες χαμηλής θερμοκρασίας μέσω κίτρινων εικονοστοιχείων, που αντιπροσωπεύουν ενδιάμεσες θερμοκρασίες. Μια μείωση της διακριτικής ικανότητας οδηγεί σε λιγότερες ομαδοποιήσεις, υποδηλώνοντας μια ασθενέστερη αυτοσυσχέτιση της LST.

'''2.2. Ανάλυση ευαισθησίας των σχέσεων LST / κάλυψης γης όσον αφορά τη χωρική διακριτική ικανότητα'''

Για τη διερεύνηση των ποσοτικών σχέσεων μεταξύ της LST και των τύπων κάλυψης γης χρησιμοποιείται ένα χωρικό μοντέλο παλινδρόμησης. Οι σχέσεις αναλύονται σε 18 χωρικές διακριτικές ικανότητες (από 60m έως 1080 m, ανά διαστήματα 60m).
Για την επεξεργασία των OLS, SLM και SEM χρησιμοποιείται το λογισμικό GeoDa. Και για τα δύο μοντέλα SLM και SEM, ένα σημαντικό στοιχείο είναι ο χωρικός τελεστής υστέρησης W, ένας n × n πίνακας που περιέχει τα βάρη που περιγράφουν το βαθμό χωρικής συγγένειας (δηλαδή τη γειτνίαση, την εγγύτητα, και τη συνδεσιμότητα) μεταξύ γειτονικών μονάδων ανάλυσης.

'''3. Συζήτηση'''

Τα αποτελέσματα της μελέτης δείχνουν ότι η σύνθεση της κάλυψης γης μπορεί να επηρεάσει σημαντικά την LST. Με την αποκλειστική μέτρηση της επίδρασης της αυτοσυσχέτισης της LST μαζί με την επίδραση των τύπων κάλυψης γης, η παρούσα έρευνα επεκτείνει την επιστημονική κατανόηση των επιπτώσεων των προτύπων κάλυψης γης στην LST στα αστικά τοπία, και προτείνει ένα μεθοδολογικό πλαίσιο, προκειμένου να λαμβάνεται υπόψη η επίδραση της αυτοσυσχέτισης, το οποίο μπορεί να εφαρμοστεί σε μελλοντικές μελέτες σε συναφείς τομείς.

'''3.1. Συγκρίσεις μεταξύ της κλασικής παλινδρόμησης και των χωρικών μοντέλων παλινδρόμησης'''

Η επιλογή του κατάλληλου μοντέλου είναι ζωτικής σημασίας για την κατανόηση των σχέσεων μεταξύ της LST και των συνθέσεων του τοπίου. Λόγω της αυτοσυσχέτισης της LST, η βασική παραδοχή ότι οι παρατηρήσεις των εξαρτημένων μεταβλητών είναι όλες ανεξάρτητες, δεν μπορεί να αληθεύει. Ως εκ τούτου, η χρήση των παραδοσιακών μοντέλων παλινδρόμησης χωρίς να λαμβάνεται υπόψη η αυτοσυσχέτιση της εξαρτημένης μεταβλητής, μπορεί να οδηγήσει σε παραπλανητικές εκτιμήσεις των παραμέτρων.
Τα πλεονεκτήματα από τη χρήση χωρικών μοντέλων παλινδρόμησης για τη μέτρηση των σχέσεων μεταξύ της LST και των συνθέσεων του τοπίου είναι διττός. Από τη μία πλευρά, αυξάνει σημαντικά τη συνολική καταλληλότητα του μοντέλου με την προσθήκη της αυτοσυσχέτισης της εξαρτημένης μεταβλητής ως επεξηγηματικής μεταβλητής. Από την άλλη πλευρά, επειδή τα μοντέλα χωρικής παλινδρόμησης δεν απαιτούν ανεξαρτησία μεταξύ των παρατηρήσεων, οι εκτιμήσεις των παραμέτρων είναι πολύ πιο αξιόπιστες.

'''3.2. Συγκρίσεις μεταξύ των SLM και SEM'''

Όταν τα χωρικά μοντέλα παλινδρόμησης χρησιμοποιούνται για τον προσδιορισμό της αυτοσυσχέτισης, δύο βασικά ζητήματα χρειάζονται ιδιαίτερη προσοχή: η επιλογή του κατάλληλου μοντέλου και η επιλογή της κατάλληλης μήτρας βαρών. Ένας γενικός κανόνας είναι ότι το SLM είναι πιο αποτελεσματικό όταν η εξαρτημένη μεταβλητή στην περιοχή μελέτης επηρεάζεται από τις τιμές της σε κοντινές περιοχές, ενώ ένα SEM είναι πιο εφαρμόσιμο όταν η χωρική αυτοσυσχέτιση παρουσιάζεται ως μια ενόχληση που προκύπτει από την ακατάλληλη επιλογή του μοντέλου (Zhang, Ma , και Guo, 2006).

'''4. Συμπεράσματα'''

Η αξιολόγηση του τρόπου με τον οποίο η LST ανταποκρίνεται στις συνθέσεις τοπίου είναι κρίσιμης σημασίας για την αντιμετώπιση των αρνητικών επιπτώσεων της αστικής νησίδας θερμότητας και είναι απαραίτητο να διαχωριστούν τα αποτελέσματα των συνθέσεων του τοπίου από την επιρροή της αυτοσυσχέτισης της LST. Αυτή η έρευνα εξετάζει τόσο την LST όσο και το τοπίο του Πεκίνου, και διερευνά τις ποσοτικές σχέσεις σε πολλαπλές κλίμακες. Η μελέτη αυτή παρέχει χρήσιμες πληροφορίες στους σχεδιαστές τοπίου που επιδιώκουν να μετριάσουν τον αντίκτυπο της αστικοποίησης στην LST.

Η μελέτη προσέφερε ένα μεθοδολογικό πλαίσιο για την αντιμετώπιση των μεταβαλλόμενων κλιμάκων και τόνισε τη σημασία της κλίμακας ως παραμέτρου των σχέσεων ανάμεσα στην LST και των μοτίβων του τοπίου. Ωστόσο, παρουσιάζει τους ακόλουθους περιορισμούς. Πρώτον, η έρευνα διεξήχθη σε μία περιοχή, χρησιμοποιώντας μόνο μία θερμική εικόνα για την ανάκτηση της LST. Προηγούμενες μελέτες έχουν δείξει την ύπαρξη ημερήσιων και εποχιακών διακυμάνσεων στις σχέσεις μεταξύ της LST και των τύπων κάλυψης γης. Επιπλέον, οι διαφορετικές κλιματολογικές συνθήκες μπορούν να επηρεάσουν σημαντικά το ημερήσιο εύρος της επιφάνειας επιρροής μιας αστικής θερμικής νησίδας. Επομένως, απαιτούνται περαιτέρω μελέτες με τη χρήση πολλαπλών ημερήσιων και νυκτερινών θερμικών εικόνων από διαφορετικές εποχές.

[[category:Ενέργεια]]

Αρχείο:284-2.jpg

2015-04-07T12:43:16Z

Stavropoulou Athanasia:

Αρχείο:284-4.jpg

2015-04-07T12:39:10Z

Stavropoulou Athanasia:

Αρχείο:284-6.jpg

2015-04-07T12:33:30Z

Stavropoulou Athanasia:

Αρχείο:284-3.jpg

2015-04-07T12:30:17Z

Stavropoulou Athanasia:

Αρχείο:284-5.jpg

2015-04-07T12:27:13Z

Stavropoulou Athanasia:

Αρχείο:284-1.jpg

2015-04-07T12:24:02Z

Stavropoulou Athanasia:

Ταξινόμηση τυπολογίας κτηρίων με τη χρήση χωρικών και χαρακτηριστικών του τοπίου που προέρχονται από LiDAR δεδομένα τηλεπισκόπησης

2015-04-07T12:23:13Z

Stavropoulou Athanasia:

'''Πρωτότυπος τίτλος:'''
"Building type classification using spatial and landscape attributes derived from LiDAR remote sensing data"

'''Συγγραφείς:'''
Zhenyu Lu, Jungho Im, Jinyoung Rhee, Michael Hodgson

'''Λέξεις Κλειδιά:'''
Ταξινόμηση κτηρίων, LIDAR, Δέντρα αποφάσεων, Random Forest (RF), Support Vector Machines (SVM)

'''Πηγή:'''
http://www.sciencedirect.com/science/article/pii/S0169204614001601

'''Περίληψη'''

Οι πληροφορίες που αφορούν στα κτήρια είναι ένα από τα βασικά στοιχεία για μια σειρά πρακτικών του πολεοδομικού σχεδιασμού και της διαχείρισης του αστικού χώρου. Σε αυτή τη μελέτη, διεξάγεται μια έρευνα για την ταξινόμηση της τυπολογίας των κτηρίων, με τη χρήση δεδομένων τηλεπισκόπησης (LIDAR), σε τρεις κατηγορίες: σε μονοκατοικίες, σε πολυκατοικίες και σε μη οικιστικά κτήρια. Τέσσερα είδη των χωρικών ιδιοτήτων που περιγράφουν το σχήμα, τη θέση και τον περιβάλλοντα χώρο των κτηρίων υπολογίστηκαν και στη συνέχεια χρησιμοποιήθηκαν στην ταξινόμηση. Τα πειράματα πραγματοποιήθηκαν στα προάστια και στο κέντρο του Ντένβερ, CO, ΗΠΑ, σε περιοχές που περιλαμβάνουν διαφορετικά χαρακτηριστικά τόσο σε επίπεδο κτηρίων όσο και σε επίπεδο περιβάλλοντος γειτονιάς.

'''1. Περιοχή μελέτης και δεδομένα'''

'''1.1. Περιοχή μελέτης'''

[[Εικόνα:601-1.jpg|thumb|right|Εικόνα 1: Οι περιοχές μελέτης στο κέντρο και στα προάστια του Ντένβερ.]]

Ως περιοχή μελέτης επιλέχθηκαν δύο περιοχές στο κέντρο και στα προάστια του Denver, στο Κολοράντο των ΗΠΑ. Τα χαρακτηριστικά των κτηρίων είναι διαφορετικά για τις δύο περιοχές. Στο κέντρο της πόλης περιλαμβάνονται μονοκατοικίες σε ποσοστό 43,38% , πολυκατοικίες σε ποσοστό 36,62% και κτήρια που δεν αποτελούν κτήρια κατοικίας σε ποσοστό 20%. Στα προάστια, οι μονοκατοικίες κυριαρχούν με ποσοστό 85,57%, ακολουθούν οι πολυκατοικίες με 10,63% , ενώ τα κτήρια που δεν αποτελούν κατοικίες αποτελούν το 3,80%. Εκτός από τα τρία βασικά είδη κτηρίων, η καταγραφή της τυπολογίας διαφοροποιείται ιδιαιτέρως και στις υποκατηγορίες ανάμεσα στην περιοχή του κέντρου και εκείνης των προαστίων. Για παράδειγμα, το ποσοστό των διπλοκατοικιών και των τριπλοκατοικιών είναι μόλις 4,2% στο κέντρο της πόλης, ενώ στα προάστια το αντίστοιχο ποσοστό είναι 40,5%.

Στο κέντρο της πόλης, οι δομημένοι χώροι (π.χ. κτήρια, δρόμοι, χώροι στάθμευσης) αποτελούν τα κύρια χαρακτηριστικά του χώρου, ενώ υπάρχει ένα πάρκο στα νότια της περιοχής μελέτης, όπου κυριαρχούν το χορτάρι και τα δέντρα. Δέντρα υπάρχουν μόνο κατά μήκος των δρόμων, ενώ οι μονοκατοικίες, οι πολυκατοικίες και τα λοιπά κτήρια κατανέμονται ομοιόμορφα στο κέντρο της πόλης. Αντίθετα, στα προάστια κυρίαρχα χαρακτηριστικά αποτελούν το πράσινο και τα δέντρα, υπάρχουν πολύ λίγοι χώροι στάθμευσης κυρίως στη δυτική πλευρά της περιοχής μελέτης, ενώ κυρίαρχος τύπος κτηρίου είναι οι μονοκατοικίες. Και οι δύο περιοχές μελέτης είναι σχετικά επίπεδες.

'''1.2. Δεδομένα'''

Σ’αυτή τη μελέτη χρησιμοποιήθηκαν δεδομένα LIDAR καθώς και χωρικά δεδομένα από το GIS Center της πόλης του Ντένβερ. Τα δεδομένα LiDAR συλλέχθηκαν με χρήση ενός 1064 nm λέιζερ με συχνότητα επανάληψης παλμών 50 kHz από την Sanborn Map Company, στις 15 Απριλίου 2008. Η πυκνότητα απόσπασης δεδομένων LiDAR ήταν 2.3 πόντοι / m2.

Λόγω της κυριαρχίας των μονοκατοικιών στα προάστια, για την ταξινόμηση επιλέχθηκε τυχαία μόνο το 10% των κτηρίων, προκειμένου να εξασφαλιστεί ένας συγκρίσιμος αριθμός δειγμάτων που ανήκουν σε διαφορετικούς τύπους κτηρίων. Τόσο τα κτήρια της περιοχής του κέντρου όσο και το 10% των τυχαία επιλεγμένων κτηρίων των προαστίων χωρίστηκαν σε δύο ομάδες: 50% για τη βαθμονόμηση και 50% για την επικύρωση.

'''2.Μεθοδολογία'''

Η μέθοδος ταξινόμησης της τυπολογίας των κτηρίων που προτείνεται αποτελείται από τρία βασικά βήματα:

(1) εξαγωγή των ορίων των κτηρίων από δεδομένα LiDAR,

(2) υπολογισμός των ιδιοτήτων που σχετίζονται με τον χώρο και το τοπίο, και

(3) ταξινόμηση των οριοθετημένων κτηρίων, με τη χρήση των ιδιοτήτων που υπολογίστηκαν.

'''2.1 Εξαγωγή των ορίων των κτηρίων από δεδομένα LiDAR'''

Για την εξαγωγή των ορίων των κτηρίων χρησιμοποιείται ένας τροποποιημένος μορφολογικός αλγόριθμος εξόρυξης κτηρίων, ο οποίος βελτιώθηκε και αποδείχτηκε ιδιαίτερα αποτελεσματικός κυρίως για την ανίχνευση pixel κτηρίων που φράζονται από γειτονικά ψηλά δέντρα.

'''2.2 Εξαγωγή των στοιχείων χρήσης γης'''

Ο προσδιορισμός των στοιχείων του περιβάλλοντος χώρου, για στοιχεία όπως η βλάστηση, οι δρόμοι και οι χώροι στάθμευσης, έγινε με τις τέσσερις επιφάνειες που προέρχονται από το LiDAR, χρησιμοποιώντας τους αλγόριθμους επιβλεπόμενης ταξινόμησης.

'''2.3 Εξαγωγή των χωρικών ιδιοτήτων'''

Αφού ολοκληρωθεί η οριοθέτηση των κτηρίων και η ταξινόμηση των στοιχείων του περιβάλλοντος χώρου, υπολογίζονται τέσσερις ομάδες ιδιοτήτων του χώρου και του τοπίου, οι οποίες χρησιμοποιούνται στη συνέχεια για την ταξινόμηση των κτηρίων. Οι ιδιότητες αυτές αφορούν βασικά στατιστικά χαρακτηριστικά (ομάδα Α), ιδιότητες που σχετίζονται με το σχήμα (ομάδα Β), τη χωρική συσχέτιση ανάμεσα στα κτήρια (ομάδα Γ) καθώς και τη χωρική συσχέτιση των κτηρίων με τα στοιχεία χρήσεις γης (ομάδα Δ).

'''2.4. Ταξινόμηση τυπολογίας κτηρίων'''

[[Εικόνα:601-2.jpg|thumb|left|Εικόνα 2: Χάρτης ταξινόμησης τυπολογίας κτηρίων για την περιοχή του κέντρου: η ταξινόμηση με βάση (α) το σχήμα I, και (β) το σχήμα II.]]
Για την ταξινόμηση των κτηρίων χρησιμοποιούνται τέσσερις αλγόριθμοι μηχανικής μάθησης. Η ταξινόμηση περιλαμβάνει τρεις κατηγορίες κτηρίων: τις μονοκατοικίες, τις πολυκατοικίες και κτήρια που δεν στεγάζουν χρήση κατοικίας. Δύο σχήματα ταξινόμησης προτείνονται: στο σχήμα I, τα κτήρια κατοικιών που περιλαμβάνουν μόνο μία μονάδα θεωρούνται μονοκατοικίες. Οι πολυκατοικίες ορίζονται ως κτήρια κατοικιών που περιλαμβάνουν περισσότερες από μία μονάδες, όπως τα διαμερίσματα και οι μεζονέτες. Κτήρια που φιλοξενούν άλλες χρήσεις, όπως θέατρα, ξενοδοχεία, σχολεία, εργοστάσια, καταστήματα λιανικής πώλησης, ορίζονται ως μη οικιστικά κτήρια. Επειδή οι μονοκατοικίες και μερικά συγκροτήματα κατοικιών (π.χ. διαμερίσματα δύο και τριών μονάδων) μπορεί να έχουν παρόμοια χαρακτηριστικά κτηρίου ως προς το σχήμα και το μέγεθος, το σχήμα II, συμπεριλαμβάνει τις περιπτώσεις αυτές στην ίδια κατηγορία.

Προκειμένου να διερευνηθεί η αποτελεσματικότητα των διαφορετικών χαρακτηριστικών στην ακρίβεια ταξινόμησης, τα κτήρια κατατάσσονται αρχικά χρησιμοποιώντας τα χαρακτηριστικά από τις τέσσερις ομάδες, τόσο μεμονωμένα όσο και συνολικά. Τα αποτελέσματα της ταξινόμησης αξιολογούνται χρησιμοποιώντας τυπικές στατιστικές ακρίβειας, όπως η ακρίβεια του παραγωγού, η ακρίβεια του χρήστη, η συνολική ακρίβεια και ο Συντελεστής Συμφωνίας Kappa.

'''3.Αποτελέσματα'''

[[Εικόνα:601-3.jpg|thumb|right|Εικόνα 3: Χάρτης ταξινόμησης τυπολογίας κτηρίων για την περιοχή των προαστίων: η ταξινόμηση με βάση (α) το σχήμα I, και (β) το σχήμα II.]]
Οι τέσσερις τεχνικές (η DT, ADT, RF, και SVM) που χρησιμοποιήθηκαν για την ταξινόμηση των κτηρίων, οδήγησαν σε συνολική ακρίβεια της τάξης του 60-88% στις δύο περιοχές μελέτης. Μεταξύ των τεσσάρων προσεγγίσεων ταξινόμησης, η SVM ξεπέρασε τους άλλους τρεις ταξινομητές αποδίδοντας πιο ακριβή αποτελέσματα, τόσο στο κέντρο της πόλης όσο και στα προάστια. Η ταξινόμηση των κτηρίων οδήγησε σε σχετικά υψηλότερη ακρίβεια στο κέντρο της πόλης σε σχέση με τα προάστια, ακόμη και αν η τοποθεσία στο κέντρο της πόλης παρουσίαζε μεγαλύτερη χωρική ανομοιογένεια.

Οι εικόνες 2 και 3 απεικονίζουν τα αποτελέσματα της ταξινόμησης SVM χρησιμοποιώντας όλες τις ομάδες των ιδιοτήτων για τις δύο περιοχές μελέτης. Στο κέντρο της πόλης, το σφάλμα της ταξινόμησης οφείλεται κυρίως στις πληροφορίες του σχήματος των κτηρίων. Για παράδειγμα, στο σχήμα I (Εικ. 2α) τα κτήρια πολυκατοικιών που έχουν ταξινομηθεί ως μη οικιστικά κτήρια είναι όλα μεγάλα σε μέγεθος, ενώ τα μικρά σε μέγεθος, μη οικιστικά κτήρια ταξινομήθηκαν εσφαλμένα ως μονοκατοικίες. Κατά την εφαρμογή του σχήματος II (Εικ.2β), δημιουργήθηκε σημαντική σύγχυση ανάμεσα στις πολυκατοικίες και στα μη οικιστικά κτήρια.

Όσον αφορά τα προάστια, η σύγχυση ανάμεσα στις μονοκατοικίες και τις πολυκατοικίες οδήγησε σε εσφαλμένες ταξινομήσεις των κτηρίων με βάση το σχήμα I (Εικ. 3α), ενώ για το σχήμα II (Εικ. 3β) το σφάλμα ανάμεσα στις δύο αυτές κατηγορίες είναι μικρότερο. Παρ’ όλα αυτά, πολλά μικρά μη οικιστικά κτήρια, όπως καταστήματα λιανικής, ταξινομήθηκαν ως μονοκατοικίες, ενώ μικρά συγκροτήματα κατοικιών (π.χ. 4-6 διαμερισμάτων) κατηγοριοποιήθηκαν ως μονοκατοικίες.

'''4. Συμπεράσματα'''

Η εξαγωγή πληροφοριών που αφορούν στην τυπολογία των κτηρίων από τηλεπισκοπικά δεδομένα είναι ένα πολύτιμο αλλά δύσκολο έργο. Αυτή η μελέτη προτείνει μια μέθοδο για τη λήψη πληροφοριών σχετικά με την τυπολογία των κτηρίων, χρησιμοποιώντας τέσσερις ομάδες χωρικών ιδιοτήτων και ιδιοτήτων του τοπίου που προέρχονται από τα δεδομένα LiDAR. Η προτεινόμενη μέθοδος δοκιμάστηκε σε δύο περιοχές μελέτης στο Ντένβερ, CO, Η.Π.Α., οι οποίες παρουσιάζουν διαφορετικά χαρακτηριστικά, τόσο ως προς τα κτήρια όσο και ως προς το περιβάλλον της γειτονιάς.

Πιστεύεται ότι το προϊόν της παρούσας μελέτης είναι πολύτιμο για τον αστικό σχεδιασμό και τη διαχείριση του αστικού χώρου. Στην πραγματικότητα, εκτός από τα κτήρια, η προτεινόμενη μέθοδος, με την κατάλληλη τροποποίηση, μπορεί να εφαρμοστεί και σε άλλα αστικά χαρακτηριστικά, όπως είναι οι δρόμοι, οι χώροι στάθμευσης, καθώς επίσης και οι χορτολιβαδικές εκτάσεις, τα οποία είναι επίσης σημαντικά στοιχεία για τον πολεοδομικό σχεδιασμό.

[[category:Αστικός και περιφερειακός σχεδιασμός]]

Χαρτογράφηση κάλυψης γης σε σύνθετα τοπία της Μεσογείου με τη χρήση Landsat

2015-04-07T12:22:45Z

Stavropoulou Athanasia:

'''Πρωτότυπος τίτλος:'''
"Mapping land cover in complex Mediterranean landscapes using Landsat: Improved classification accuracies from integrating multi-seasonal and synthetic imagery"

'''Συγγραφείς:'''
Cornelius Senf, Pedro J. Leitão, Dirk Pflugmacher, Sebastian van der Linden, Patrick Hostert

'''Λέξεις Κλειδιά:'''
Landsat, Μεσόγειος, Ψευδο-στέππα, STARFM, Φαινολογία, Ταξινόμηση εικόνας

'''Πηγή:'''
http://www.sciencedirect.com/science/article/pii/S0034425714004283

'''Περίληψη'''

Τα χαμηλής έντασης συστήματα γεωργίας έχουν μεγάλη σημασία για τη βιοποικιλότητα στην Ευρώπη, αλλά συχνά επηρεάζονται από την υποβάθμιση του εδάφους ή την οικονομική πίεση, που οδηγούν είτε σε εγκατάλειψη της γης είτε στην εντατικοποίηση της γεωργίας. Αυτές οι αλλαγές στη χρήση γης επηρεάζουν τις τοπικές δομές της βιοποικιλότητας και απαιτούν ετήσια παρακολούθηση της κάλυψης γης. Για να χαρτογραφήσει κανείς με ακρίβεια την κάλυψη γης στα εν λόγω χωρο-χρονικά σύνθετα τοπία, είναι σημαντικό να συλλάβει τις φαινολογικές δυναμικές τους και την υψηλής ανάλυσης χωρική τους ετερογένεια. Στη συγκεκριμένη μελέτη, εξετάζεται αν και σε ποιο βαθμό μπορούν να βελτιωθούν οι χάρτες κάλυψης γης σύνθετων Μεσογειακών τοπίων με την ενσωμάτωση πολυ-εποχιακών εικόνων Landsat , καθώς και κατά πόσον εικόνες με προσομοίωση του STARFM μπορούν να χρησιμοποιηθούν, όποτε οι πρωτότυπες πολυ-εποχιακές εικόνες Landsat δεν είναι διαθέσιμες. Ως εκ τούτου, αναπτύσσονται διαφορετικά σενάρια ταξινόμησης με βάση τις εποχικές διακυμάνσεις της διαθεσιμότητας των δεδομένων, τα οποία βασίζονται τόσο σε πρωτότυπα όσο και προσομοιωμένα δεδομένα Landsat.

'''1. Περιοχή μελέτης & δεδομένα'''

'''1.1. Περιοχή μελέτης'''

[[Εικόνα:283-1.jpg|thumb|right|Εικόνα 1: Η περιοχή μελέτης. Στο φόντο: Η ψευδέγχρωμη εικόνα του δορυφόρου Landsat με λήψη το Σεπτέμβριο του 2011, η οποία απεικονίζεται με το έγχρωμο σύνθετο 4-3-2.]]

Η περιοχή μελέτης βρίσκεται στην περιοχή Beja στη νότια Πορτογαλία (Εικ. 1), και καλύπτει περίπου 2000 km2 γύρω από την πόλη του Castro Verde. Το κλίμα είναι μεσογειακό, με ζεστά καλοκαίρια (30-35°C κατά μέσο όρο τον Ιούλιο) και μέτρια κρύους χειμώνες (5-8°C κατά μέσο όρο τον Ιανουάριο). Περίπου το 75% της ετήσιας βροχόπτωσης (500-600mm) εμφανίζεται μεταξύ Οκτωβρίου και Μαρτίου. Οι ψευδο-στέππες του Castro Verde κατέχουν σε εθνικό και διεθνές επίπεδο σημαντικούς πληθυσμούς των απειλούμενων ειδών πτηνών της στέπας, όπως η ωτίδα (Otis tarda), η χαμωτίδα (Tetrax tetrax), και η μαυροπεριστερόκοτα (Pterocles orientalis; (Moreira et al, 2007). Οι πληθυσμοί αυτοί οδήγησαν στη δημιουργία μιας Ζώνης Ειδικής Προστασίας για πουλιά το 1999 (ΖΕΠ), η οποία καλύπτει μια έκταση περίπου 80.000ha (Εικ. 1).

Οι τοπικές κοινότητες πτηνών της στέππας από προηγούμενες μελέτες συσχετίζονται με συγκεκριμένες κατηγορίες κάλυψης γης. Κατά συνέπεια η μελέτη επικεντρώνεται στις ακόλουθες πέντε κατηγορίες κάλυψης γης: (1) γυμνά εδάφη (δηλαδή καλλιεργούμενες εκτάσεις), (2) εκτάσεις με σιτηρά, (3) λιβάδια, (4) θαμνώδεις εκτάσεις και (5) δάση.

'''1.2. Δεδομένα Landsat'''

Χρησιμοποιήθηκαν έξι L1T Landsat 5 TM εικόνες του έτους 2011, από τα αρχεία Landsat του USGS (Εικ. 2). Όλες οι εικόνες Landsat είναι ατμοσφαιρικά διορθωμένες στην επιφάνεια ανάκλασης με τη χρήση του αλγόριθμου Landsat Ecosystem Disturbance Adaptive Processing System (LEDAPS) (Masek et al., 2006). Χρησιμοποιήθηκαν όλα τα φασματικά κανάλια, εκτός από το κανάλι 1 (μπλε κανάλι) και το θερμικό κανάλι (κανάλι 6) λόγω της χαμηλότερης ευαισθησίας τους στις ιδιότητες της βλάστησης και της υψηλής συσχέτισης του καναλιού 1 με τα κανάλια 2 και 3 (Kuemmerle, Damm, & Hostert, 2008).

'''1.3. Δεδομένα MODIS'''

Χρησιμοποιήθηκαν δεδομένα MODIS με χωρική διακριτική ικανότητα 500m (MOD09A1) του 2011 (46 συνολικά). Λόγω των απαιτήσεων του STARFM (Gao et al., 2006), τα δεδομένα του MODIS μετατράπηκαν προκειμένου να βρίσκονται στο ίδιο προβολικό σύστημα με τα δεδομένα Landsat (UTM Zone 29 Ν / WGS84) και μετασχηματίστηκαν στη χωρική διακριτική ικανότητα του Landsat χρησιμοποιώντας την παρεμβολή
του εγγύτερου γείτονα.

'''2. Μεθοδολογία'''

'''2.1 Φαινολογικός χαρακτηρισμός της περιοχής μελέτης'''

Προκειμένου να δομηθούν τα σενάρια ταξινόμησης της μελέτης και να επιλεγούν οι κατάλληλες φαινολογικές ημερομηνίες, έγινε χρήση της χρονοσειράς MODIS NDVI. Οι ημερομηνίες αυτές επιλέχτηκαν ώστε να αντιπροσωπεύουν με τον καλύτερο τρόπο τον ετήσιο κύκλο της βλάστησης στην περιοχή μελέτης. Ο NDVI είναι μια συχνά χρησιμοποιούμενη προσέγγιση για τη φαινολογία της βλάστησης (de Jong, de Bruin, de Wit, Schaepman, & Dent, 2011) και ως εκ τούτου χρησιμοποιήθηκε σε αυτή τη μελέτη. Πραγματοποιήθηκε εξαγωγή χρονοσειρών NDVI για 914 εικονοστοιχεία αναφοράς, καλύπτοντας τις πέντε κατηγορίες κάλυψης γης, τα οποία χρησιμοποιήθηκαν αργότερα για την εκπαίδευση των μοντέλων ταξινόμησης της κάλυψης γης.

'''2.2 Ο αλγόριθμος STARFM'''

Ο αλγόριθμος STARFM είναι ένας αλγόριθμος σχεδιασμένος ώστε να συνδυάζει τα δεδομένα Landsat και MODIS (Gao et al., 2006). Έγινε εφαρμογή του αλγόριθμου STARFM για κάθε ένα από τα έξι διαθέσιμα ζεύγη βάσης Landsat / MODIS μεμονωμένα.

'''2.3 Ταξινόμηση χρήσεων γης'''
[[Εικόνα:283-3.jpg|thumb|right|Πίνακας 1: Δεδομένα που χρησιμοποιούνται ως εισροές στα σενάρια της ταξινόμησης κάλυψης γης.]]

'''2.3.1 Σενάρια ταξινόμησης'''

Αναπτύχθηκαν πέντε σενάρια ταξινόμησης συνολικά, όπως φαίνεται στον Πίνακα 1. Τα σενάρια 1-3 υπολογίζονται για κάθε ζεύγος βάσης, μεταβάλλοντας την ημερομηνία της εικόνας Landsat στην ταξινόμηση, και τροποποιώντας τη βαθμονόμηση του μοντέλου STARFM αναλόγως.

'''2.3.2 Αλγόριθμος ταξινόμησης και αξιολόγηση της ακρίβειας'''

[[Εικόνα:283-2.jpg|thumb|right|Εικόνα 2: Παράδειγμα εικόνων WorldView-2 και Landsat για τις 5 κατηγορίες κάλυψης γης. Η υψηλής ανάλυσης εικόνα WorldView-2 του Google Earth παρείχε χωρική πληροφορία για την ερμηνεία των εικονοστοιχείων αναφοράς, ενώ η πολύ-εποχιακή φασματική πληροφορία του Landsat χρησιμοποιήθηκε για την προσωρινή διάκριση των κλάσεων.]]

Χρησιμοποιήθηκε ένας αλγόριθμος ταξινόμησης SVM (Support Vector Machine) από το ελεύθερα διαθέσιμο SVM πακέτο λογισμικού για την ταξινόμηση της εικόνας (Rabe, van der Linden, και Hostert, 2010).
Σημειώσεις πεδίου, φωτογραφίες, εικόνες υψηλής ανάλυσης από το Google Earth, καθώς και πολύ- εποχιακές εικόνες Landsat χρησιμοποιήθηκαν για να προσδιοριστούν 900 περίπου εικονοστοιχεία Landsat για εκπαίδευση και 350 για επικύρωση (Εικ. 2). Τα εικονοστοιχεία εκπαίδευσης επιλέχθηκαν σκοπίμως, ώστε να αντιπροσωπεύουν ένα μεγάλο εύρος κάθε κατηγορίας κάλυψης γης, ενώ τα εικονοστοιχεία για την αξιολόγηση της ακρίβειας τοποθετήθηκαν τυχαία σε όλη την έκταση της περιοχής μελέτης.

'''3. Αποτελέσματα'''

Η ακρίβεια του χάρτη των ταξινομήσεων Landsat μεμονωμένης ημερομηνίας εξαρτάται σημαντικά από τη χρονική δειγματοληψία των εικόνων Landsat, με πιο ακριβείς τους χάρτες που βασίστηκαν στις εικόνες του Μαρτίου, του Ιουλίου και του Σεπτεμβρίου. Με το συνδυασμό των εικόνων του Μαρτίου και του Σεπτεμβρίου, εντοπίστηκαν τα πιο σημαντικά φαινολογικά πρότυπα, δημιουργώντας έτσι τον μεγαλύτερης ακρίβειας συνολικό χάρτη κάλυψης γης.

Παρ’ όλα αυτά, η συνολική ακρίβεια ταξινόμησης από τις καλύτερες πολύ-εποχιακές ταξινομήσεις Landsat ήταν χαμηλότερη σε σύγκριση με τις ακρίβειες που αναφέρονται από άλλες μελέτες χαρτογράφησης παρόμοιων κατηγοριών κάλυψης γης με δεδομένα Landsat.

'''4. Επίλογος'''

Από τα αποτελέσματα της έρευνας μπορούν να εξαχθούν δύο γενικά συμπεράσματα:
[[Εικόνα:283-4.jpg|thumb|left|Εικόνα 3: Λεπτομερείς χάρτες κάλυψης γης από το Σενάριο 4 συγκριτικά με τα Σενάρια 1 έως 3 (όλα για το ζεύγος βάσης DOY 209).]]

1) η χρονική δειγματοληψία είναι υψίστης σημασίας για τη χαρτογράφηση της κάλυψης γης σε σύνθετα τοπία ψευδο-στέππας, με τις εικόνες της άνοιξης και του φθινοπώρου να είναι ιδιαίτερα σημαντικές
για τη διάκριση ανάμεσα στις εκτάσεις με σιτηρά και στα λιβάδια καθώς και ανάμεσα στις θαμνώδεις εκτάσεις και τα δάση, και ότι

2) η συμπλήρωση των μοντέλων κάλυψης γης που προκύπτουν από μεμονωμένες ημερομηνίες Landsat με εικόνες προσομοιωμένες στο STARFM, αυξάνει την ακρίβεια της ταξινόμησης, αλλά μόνο αν η χρονική δειγματοληψία του Landsat είναι ανεπαρκής για τη λήψη των σημαντικών φαινολογικών γεγονότων της περιοχής μελέτης. Η χρήση πολύ-εποχικών εικόνων Landsat ήταν πάντα ανώτερη από τη χρήση προσομοιωμένων εικόνων STARFM. Συνεπώς, πρέπει να εξετάζεται προσεκτικά εάν το STARFM μπορεί να προσθέσει φαινολογικές πληροφορίες στις υφιστάμενες ταξινομήσεις που βασίζονται στο Landsat.

Τέλος, η έρευνα καταλήγει ότι η διαθεσιμότητα και η πρόσβαση στα δεδομένα είναι ένας κρίσιμος παράγοντας για πολλές εφαρμογές που χρησιμοποιούν Landsat. Ως εκ τούτου, απαιτείται η βελτίωση και η εναρμόνιση της διαθεσιμότητας των δεδομένων και της πρόσβασης σε όλα τα αρχεία.

[[category:Χαρτογραφία]]

Ταξινόμηση τυπολογίας κτηρίων με τη χρήση χωρικών και χαρακτηριστικών του τοπίου που προέρχονται από LiDAR δεδομένα τηλεπισκόπησης

2015-04-07T12:21:19Z

Stavropoulou Athanasia:

'''Πρωτότυπος τίτλος:'''
Building type classification using spatial and landscape attributes derived from LiDAR remote sensing data

'''Συγγραφείς:'''
Zhenyu Lu, Jungho Im, Jinyoung Rhee, Michael Hodgson

'''Λέξεις Κλειδιά:'''
Ταξινόμηση κτηρίων, LIDAR, Δέντρα αποφάσεων, Random Forest (RF), Support Vector Machines (SVM)

'''Πηγή:'''
http://www.sciencedirect.com/science/article/pii/S0169204614001601

'''Περίληψη'''

Οι πληροφορίες που αφορούν στα κτήρια είναι ένα από τα βασικά στοιχεία για μια σειρά πρακτικών του πολεοδομικού σχεδιασμού και της διαχείρισης του αστικού χώρου. Σε αυτή τη μελέτη, διεξάγεται μια έρευνα για την ταξινόμηση της τυπολογίας των κτηρίων, με τη χρήση δεδομένων τηλεπισκόπησης (LIDAR), σε τρεις κατηγορίες: σε μονοκατοικίες, σε πολυκατοικίες και σε μη οικιστικά κτήρια. Τέσσερα είδη των χωρικών ιδιοτήτων που περιγράφουν το σχήμα, τη θέση και τον περιβάλλοντα χώρο των κτηρίων υπολογίστηκαν και στη συνέχεια χρησιμοποιήθηκαν στην ταξινόμηση. Τα πειράματα πραγματοποιήθηκαν στα προάστια και στο κέντρο του Ντένβερ, CO, ΗΠΑ, σε περιοχές που περιλαμβάνουν διαφορετικά χαρακτηριστικά τόσο σε επίπεδο κτηρίων όσο και σε επίπεδο περιβάλλοντος γειτονιάς.

'''1. Περιοχή μελέτης και δεδομένα'''

'''1.1. Περιοχή μελέτης'''

[[Εικόνα:601-1.jpg|thumb|right|Εικόνα 1: Οι περιοχές μελέτης στο κέντρο και στα προάστια του Ντένβερ.]]

Ως περιοχή μελέτης επιλέχθηκαν δύο περιοχές στο κέντρο και στα προάστια του Denver, στο Κολοράντο των ΗΠΑ. Τα χαρακτηριστικά των κτηρίων είναι διαφορετικά για τις δύο περιοχές. Στο κέντρο της πόλης περιλαμβάνονται μονοκατοικίες σε ποσοστό 43,38% , πολυκατοικίες σε ποσοστό 36,62% και κτήρια που δεν αποτελούν κτήρια κατοικίας σε ποσοστό 20%. Στα προάστια, οι μονοκατοικίες κυριαρχούν με ποσοστό 85,57%, ακολουθούν οι πολυκατοικίες με 10,63% , ενώ τα κτήρια που δεν αποτελούν κατοικίες αποτελούν το 3,80%. Εκτός από τα τρία βασικά είδη κτηρίων, η καταγραφή της τυπολογίας διαφοροποιείται ιδιαιτέρως και στις υποκατηγορίες ανάμεσα στην περιοχή του κέντρου και εκείνης των προαστίων. Για παράδειγμα, το ποσοστό των διπλοκατοικιών και των τριπλοκατοικιών είναι μόλις 4,2% στο κέντρο της πόλης, ενώ στα προάστια το αντίστοιχο ποσοστό είναι 40,5%.

Στο κέντρο της πόλης, οι δομημένοι χώροι (π.χ. κτήρια, δρόμοι, χώροι στάθμευσης) αποτελούν τα κύρια χαρακτηριστικά του χώρου, ενώ υπάρχει ένα πάρκο στα νότια της περιοχής μελέτης, όπου κυριαρχούν το χορτάρι και τα δέντρα. Δέντρα υπάρχουν μόνο κατά μήκος των δρόμων, ενώ οι μονοκατοικίες, οι πολυκατοικίες και τα λοιπά κτήρια κατανέμονται ομοιόμορφα στο κέντρο της πόλης. Αντίθετα, στα προάστια κυρίαρχα χαρακτηριστικά αποτελούν το πράσινο και τα δέντρα, υπάρχουν πολύ λίγοι χώροι στάθμευσης κυρίως στη δυτική πλευρά της περιοχής μελέτης, ενώ κυρίαρχος τύπος κτηρίου είναι οι μονοκατοικίες. Και οι δύο περιοχές μελέτης είναι σχετικά επίπεδες.

'''1.2. Δεδομένα'''

Σ’αυτή τη μελέτη χρησιμοποιήθηκαν δεδομένα LIDAR καθώς και χωρικά δεδομένα από το GIS Center της πόλης του Ντένβερ. Τα δεδομένα LiDAR συλλέχθηκαν με χρήση ενός 1064 nm λέιζερ με συχνότητα επανάληψης παλμών 50 kHz από την Sanborn Map Company, στις 15 Απριλίου 2008. Η πυκνότητα απόσπασης δεδομένων LiDAR ήταν 2.3 πόντοι / m2.

Λόγω της κυριαρχίας των μονοκατοικιών στα προάστια, για την ταξινόμηση επιλέχθηκε τυχαία μόνο το 10% των κτηρίων, προκειμένου να εξασφαλιστεί ένας συγκρίσιμος αριθμός δειγμάτων που ανήκουν σε διαφορετικούς τύπους κτηρίων. Τόσο τα κτήρια της περιοχής του κέντρου όσο και το 10% των τυχαία επιλεγμένων κτηρίων των προαστίων χωρίστηκαν σε δύο ομάδες: 50% για τη βαθμονόμηση και 50% για την επικύρωση.

'''2.Μεθοδολογία'''

Η μέθοδος ταξινόμησης της τυπολογίας των κτηρίων που προτείνεται αποτελείται από τρία βασικά βήματα:

(1) εξαγωγή των ορίων των κτηρίων από δεδομένα LiDAR,

(2) υπολογισμός των ιδιοτήτων που σχετίζονται με τον χώρο και το τοπίο, και

(3) ταξινόμηση των οριοθετημένων κτηρίων, με τη χρήση των ιδιοτήτων που υπολογίστηκαν.

'''2.1 Εξαγωγή των ορίων των κτηρίων από δεδομένα LiDAR'''

Για την εξαγωγή των ορίων των κτηρίων χρησιμοποιείται ένας τροποποιημένος μορφολογικός αλγόριθμος εξόρυξης κτηρίων, ο οποίος βελτιώθηκε και αποδείχτηκε ιδιαίτερα αποτελεσματικός κυρίως για την ανίχνευση pixel κτηρίων που φράζονται από γειτονικά ψηλά δέντρα.

'''2.2 Εξαγωγή των στοιχείων χρήσης γης'''

Ο προσδιορισμός των στοιχείων του περιβάλλοντος χώρου, για στοιχεία όπως η βλάστηση, οι δρόμοι και οι χώροι στάθμευσης, έγινε με τις τέσσερις επιφάνειες που προέρχονται από το LiDAR, χρησιμοποιώντας τους αλγόριθμους επιβλεπόμενης ταξινόμησης.

'''2.3 Εξαγωγή των χωρικών ιδιοτήτων'''

Αφού ολοκληρωθεί η οριοθέτηση των κτηρίων και η ταξινόμηση των στοιχείων του περιβάλλοντος χώρου, υπολογίζονται τέσσερις ομάδες ιδιοτήτων του χώρου και του τοπίου, οι οποίες χρησιμοποιούνται στη συνέχεια για την ταξινόμηση των κτηρίων. Οι ιδιότητες αυτές αφορούν βασικά στατιστικά χαρακτηριστικά (ομάδα Α), ιδιότητες που σχετίζονται με το σχήμα (ομάδα Β), τη χωρική συσχέτιση ανάμεσα στα κτήρια (ομάδα Γ) καθώς και τη χωρική συσχέτιση των κτηρίων με τα στοιχεία χρήσεις γης (ομάδα Δ).

'''2.4. Ταξινόμηση τυπολογίας κτηρίων'''

[[Εικόνα:601-2.jpg|thumb|left|Εικόνα 2: Χάρτης ταξινόμησης τυπολογίας κτηρίων για την περιοχή του κέντρου: η ταξινόμηση με βάση (α) το σχήμα I, και (β) το σχήμα II.]]
Για την ταξινόμηση των κτηρίων χρησιμοποιούνται τέσσερις αλγόριθμοι μηχανικής μάθησης. Η ταξινόμηση περιλαμβάνει τρεις κατηγορίες κτηρίων: τις μονοκατοικίες, τις πολυκατοικίες και κτήρια που δεν στεγάζουν χρήση κατοικίας. Δύο σχήματα ταξινόμησης προτείνονται: στο σχήμα I, τα κτήρια κατοικιών που περιλαμβάνουν μόνο μία μονάδα θεωρούνται μονοκατοικίες. Οι πολυκατοικίες ορίζονται ως κτήρια κατοικιών που περιλαμβάνουν περισσότερες από μία μονάδες, όπως τα διαμερίσματα και οι μεζονέτες. Κτήρια που φιλοξενούν άλλες χρήσεις, όπως θέατρα, ξενοδοχεία, σχολεία, εργοστάσια, καταστήματα λιανικής πώλησης, ορίζονται ως μη οικιστικά κτήρια. Επειδή οι μονοκατοικίες και μερικά συγκροτήματα κατοικιών (π.χ. διαμερίσματα δύο και τριών μονάδων) μπορεί να έχουν παρόμοια χαρακτηριστικά κτηρίου ως προς το σχήμα και το μέγεθος, το σχήμα II, συμπεριλαμβάνει τις περιπτώσεις αυτές στην ίδια κατηγορία.

Προκειμένου να διερευνηθεί η αποτελεσματικότητα των διαφορετικών χαρακτηριστικών στην ακρίβεια ταξινόμησης, τα κτήρια κατατάσσονται αρχικά χρησιμοποιώντας τα χαρακτηριστικά από τις τέσσερις ομάδες, τόσο μεμονωμένα όσο και συνολικά. Τα αποτελέσματα της ταξινόμησης αξιολογούνται χρησιμοποιώντας τυπικές στατιστικές ακρίβειας, όπως η ακρίβεια του παραγωγού, η ακρίβεια του χρήστη, η συνολική ακρίβεια και ο Συντελεστής Συμφωνίας Kappa.

'''3.Αποτελέσματα'''

[[Εικόνα:601-3.jpg|thumb|right|Εικόνα 3: Χάρτης ταξινόμησης τυπολογίας κτηρίων για την περιοχή των προαστίων: η ταξινόμηση με βάση (α) το σχήμα I, και (β) το σχήμα II.]]
Οι τέσσερις τεχνικές (η DT, ADT, RF, και SVM) που χρησιμοποιήθηκαν για την ταξινόμηση των κτηρίων, οδήγησαν σε συνολική ακρίβεια της τάξης του 60-88% στις δύο περιοχές μελέτης. Μεταξύ των τεσσάρων προσεγγίσεων ταξινόμησης, η SVM ξεπέρασε τους άλλους τρεις ταξινομητές αποδίδοντας πιο ακριβή αποτελέσματα, τόσο στο κέντρο της πόλης όσο και στα προάστια. Η ταξινόμηση των κτηρίων οδήγησε σε σχετικά υψηλότερη ακρίβεια στο κέντρο της πόλης σε σχέση με τα προάστια, ακόμη και αν η τοποθεσία στο κέντρο της πόλης παρουσίαζε μεγαλύτερη χωρική ανομοιογένεια.

Οι εικόνες 2 και 3 απεικονίζουν τα αποτελέσματα της ταξινόμησης SVM χρησιμοποιώντας όλες τις ομάδες των ιδιοτήτων για τις δύο περιοχές μελέτης. Στο κέντρο της πόλης, το σφάλμα της ταξινόμησης οφείλεται κυρίως στις πληροφορίες του σχήματος των κτηρίων. Για παράδειγμα, στο σχήμα I (Εικ. 2α) τα κτήρια πολυκατοικιών που έχουν ταξινομηθεί ως μη οικιστικά κτήρια είναι όλα μεγάλα σε μέγεθος, ενώ τα μικρά σε μέγεθος, μη οικιστικά κτήρια ταξινομήθηκαν εσφαλμένα ως μονοκατοικίες. Κατά την εφαρμογή του σχήματος II (Εικ.2β), δημιουργήθηκε σημαντική σύγχυση ανάμεσα στις πολυκατοικίες και στα μη οικιστικά κτήρια.

Όσον αφορά τα προάστια, η σύγχυση ανάμεσα στις μονοκατοικίες και τις πολυκατοικίες οδήγησε σε εσφαλμένες ταξινομήσεις των κτηρίων με βάση το σχήμα I (Εικ. 3α), ενώ για το σχήμα II (Εικ. 3β) το σφάλμα ανάμεσα στις δύο αυτές κατηγορίες είναι μικρότερο. Παρ’ όλα αυτά, πολλά μικρά μη οικιστικά κτήρια, όπως καταστήματα λιανικής, ταξινομήθηκαν ως μονοκατοικίες, ενώ μικρά συγκροτήματα κατοικιών (π.χ. 4-6 διαμερισμάτων) κατηγοριοποιήθηκαν ως μονοκατοικίες.

'''4. Συμπεράσματα'''

Η εξαγωγή πληροφοριών που αφορούν στην τυπολογία των κτηρίων από τηλεπισκοπικά δεδομένα είναι ένα πολύτιμο αλλά δύσκολο έργο. Αυτή η μελέτη προτείνει μια μέθοδο για τη λήψη πληροφοριών σχετικά με την τυπολογία των κτηρίων, χρησιμοποιώντας τέσσερις ομάδες χωρικών ιδιοτήτων και ιδιοτήτων του τοπίου που προέρχονται από τα δεδομένα LiDAR. Η προτεινόμενη μέθοδος δοκιμάστηκε σε δύο περιοχές μελέτης στο Ντένβερ, CO, Η.Π.Α., οι οποίες παρουσιάζουν διαφορετικά χαρακτηριστικά, τόσο ως προς τα κτήρια όσο και ως προς το περιβάλλον της γειτονιάς.

Πιστεύεται ότι το προϊόν της παρούσας μελέτης είναι πολύτιμο για τον αστικό σχεδιασμό και τη διαχείριση του αστικού χώρου. Στην πραγματικότητα, εκτός από τα κτήρια, η προτεινόμενη μέθοδος, με την κατάλληλη τροποποίηση, μπορεί να εφαρμοστεί και σε άλλα αστικά χαρακτηριστικά, όπως είναι οι δρόμοι, οι χώροι στάθμευσης, καθώς επίσης και οι χορτολιβαδικές εκτάσεις, τα οποία είναι επίσης σημαντικά στοιχεία για τον πολεοδομικό σχεδιασμό.

[[category:Αστικός και περιφερειακός σχεδιασμός]]

Ανίχνευση μεταβολών των αστικών νησίδων θερμότητας με τη χρήση εικόνων Landsat: μελέτη περίπτωσης για την πόλη του Καΐρου, Αίγυπτος

2015-04-07T12:19:09Z

Stavropoulou Athanasia:

'''Πρωτότυπος τίτλος:'''
"Change detection of urban heat islands and some related parameters using multi-temporal Landsat images; a case study for Cairo city, Egypt"

'''Συγγραφείς:'''
Hala Adel Effat, Ossman Abdel Kader Hassan

'''Λέξεις Κλειδιά:'''
Επιφανειακή Θερμοκρασία (LST), Αστική Θερμική Νησίδα (UHI), Landsat, Θερμικό Υπέρυθρο, Κάιρο

'''Πηγή:'''
http://www.sciencedirect.com/science/article/pii/S2212095514000832

'''Περίληψη'''

Το Κάιρο έχει μια μοναδική γεωγραφική θέση και παρουσιάζει μία από τις υψηλότερες οικιστικές πυκνότητες σε παγκόσμιο επίπεδο. Η παρούσα μελέτη επιχειρεί να χαρτογραφήσει και να ανιχνεύσει μεταβολές στην κάλυψη γης και στις αστικές νησίδες θερμότητας που σημειώθηκαν στο Κάιρο κατά τη διάρκεια των τριών τελευταίων δεκαετιών με τη χρήση multi-temporal δορυφορικών δεδομένων Landsat TM.

'''Εισαγωγή'''

Μια Αστική Νησίδα Θερμότητας είναι η περίσσεια θερμότητας που εμφανίζεται στην ατμόσφαιρας μιας αστικής περιοχής σε σύγκριση με τους μη-αστικοποιημένους περιβάλλοντες χώρους. Οι αστικές περιοχές γενικά παρουσιάζουν υψηλότερη απορρόφηση της ηλιακής ακτινοβολίας και μεγαλύτερη θερμική χωρητικότητα και αγωγιμότητα, καθώς αποτελούνται από κτήρια, δρόμους και άλλες μη διαπερατές επιφάνειες. Η θερμότητα αποθηκεύεται κατά τη διάρκεια της ημέρας και απελευθερώνεται κατά τη διάρκεια της νύχτας. Ως εκ τούτου, οι αστικές περιοχές τείνουν να εμφανίζουν σχετικά υψηλότερη θερμοκρασία σε σχέση με τις γύρω αγροτικές περιοχές. Αυτή η θερμική διαφορά, σε συνδυασμό με την απορριπτόμενη θερμότητα που απελευθερώνεται από αστικά σπίτια, τις μεταφορές και τη βιομηχανία, συμβάλλουν στην ανάπτυξη της Αστικής θερμικής Νησίδας (UHI).

'''1.1. Κάιρο: τοποθεσία, περιγραφή του προβλήματος και ανασκόπηση της βιβλιογραφίας'''
[[Εικόνα:832-1.jpg|thumb|left|Εικόνα 1: (α) η τοποθεσία της πόλης του Καΐρου, (β) η πόλη του Καΐρου το 2007, εικόνα ανακτημένη από το Google Earth.]]

Η πόλη του Καΐρου βρίσκεται σε γεωγραφικό πλάτος 30° 06’ Β και γεωγραφικό μήκος 31 28’ E σε υψόμετρο 74,5 m asl. Η πόλη βρίσκεται στα ανατολικά του ποταμού Νείλου, νότια του Δέλτα του ποταμού. Συνορεύει από τα δυτικά με την αστική περιοχή του Κυβερνείου της Γκίζας στις δυτικές όχθες του ποταμού Νείλου (Εικ. 1). Η πόλη χαρακτηρίζεται από την παρουσία των λόφων του Ελ Moqattam στα νοτιοανατολικά και έρημο που εκτείνεται προς την ανατολική κατεύθυνση (Robaa, 2003). Το νότιο άκρο του Κυβερνείου του Qalyubia συνορεύει με την πόλη του Καΐρου από την βορειοδυτική πλευρά. Η τοποθεσία του Καΐρου είναι μοναδική: περιλαμβάνει τμήμα του Δέλτα του Νείλου, καλλιεργούμενες εκτάσεις και τον ποταμό Νείλο, στα δυτικά και γυμνές εκτάσεις της ερήμου στα ανατολικά.

'''2. Τα δεδομένα'''

Δορυφορικά δεδομένα Landsat πολλαπλών χρονικών στιγμών χρησιμοποιήθηκαν για την ανίχνευση των μεταβολών στις αστικές νησίδες θερμότητας (UHI) πάνω από το Κάιρο, κατά τη διάρκεια των καλοκαιρινών περιόδων. Μια περίοδος τριών δεκαετιών καλύφθηκε από πέντε υπο-σκηνές, που αποκτήθηκαν στις 20 Σεπτεμβρίου 1984, στις 4 Αυγούστου 1990, στις 26 Αυγούστου 2001, στις 28 Αυγούστου 2006 και στις 18 Αυγούστου 2013. Τα δεδομένα δημιουργήθηκαν από την U.S. Geological Survey (2013) και λήφθηκαν σε μορφή αρχείου εικόνας (GeoTIFF). Τα δεδομένα αποκτήθηκαν από τους αισθητήρες Landsat-5TM και Landsat-7 ΕΤΜ+. Το κανάλι 6 (θερμικό υπέρυθρο) χρησιμοποιήθηκε για τη θερμική χαρτογράφηση και την ανίχνευση των αστικών νησίδων θερμότητας. Τα κανάλια 1, 2, 3, 4, 5 και 7 χρησιμοποιήθηκαν για τη χαρτογράφηση των χρήσεων γης / κάλυψης γης και των σχετικών αλλαγών. Μια γεωγραφική βάση δεδομένων για την πόλη του Καΐρου, η οποία δημιουργήθηκε από τον Egyptian General Organization for Physical Planning (2010), χρησιμοποιήθηκε για αυτή τη μελέτη.

'''3. Μεθοδολογία'''

Αρκετές τεχνικές επεξεργασίας εικόνας με τη χρήση των λογισμικών ENVI 4.8 και ArcGIS 10 εφαρμόστηκαν για τη μελέτη των αλλαγών της χρήση γης / κάλυψης γης και της σχετικής επιφανειακής θερμοκρασίας στην πόλη του Καΐρου.
[[Εικόνα:832-2.jpg|thumb|right|Εικόνα 2: Ανίχνευση των μεταβολών στην κάλυψη γης με τη χρήση εικόνων Landsat TM, ETM από πολλαπλές χρονικές στιγμές.]]

'''3.1 Χαρτογράφηση μεταβολών κάλυψης γης/χρήσης γης στην περιοχή του Καΐρου'''

Τα κανάλια 1-5 και 7 έχουν χωρική διακριτική ικανότητα 30m, ενώ το θερμικό υπέρυθρο κανάλι (κανάλι 6) έχει χωρική διακριτική ικανότητα 120m για τις εικόνες Landsat 5 TM και 60m για τις εικόνες Landsat 7ETM+. Οι εικόνες αυτές υποβλήθηκαν σε αναγωγή με τη βοήθεια του αλγόριθμου του εγγύτερου γείτονα, με μέγεθος pixel 30m για τα κανάλια 1,2,3,4,5 και 7, ενώ για την ανάλυση των μεταβολών της θερμοκρασίας και των χρήσεων γης/κάλυψης γης στην περιοχή μελέτης, οι εικόνες υποβλήθηκαν σε γεωαναφορά στο ίδιο σύστημα συντεταγμένων (UTM/WGS84). Για την ταξινόμηση των εικόνων Landsat, χρησιμοποιήθηκε ο αλγόριθμος της μέγιστης πιθανοφάνειας.

'''3.2 Ανίχνευση μεταβολών στη φωταύγεια'''

Για τον υπολογισμό της φωταύγειας, χρησιμοποήθηκε ο τύπος του Liang(2000), ο οποίος κανονικοποιήθηκε από τον Smith (2010), Οι χάρτες που προέκυψαν ταξινομήθηκαν με τη μέθοδο της τυπικής απόκλισης

'''3.3 Ανίχνευση μεταβολών στον Κανονικοποιημένο Δείκτη Βλάστησης (NDVI)'''

Ο Κανονικοποιημένος Δείκτης Βλάστησης υπολογίστηκε και για τις πέντε εικόνες από τον τύπο :
'''NDVI = (near - infrared) – red / (near – infrared) + red'''

'''3.4 Ανάκτηση της επιφανειακής θερμοκρασίας της γης από το θερμικό κανάλι του Landsat'''
[[Εικόνα:832-3.jpg|thumb|right|Εικόνα 3: Χάρτες της θερμοκρασίας της επιφάνειας της γης με τη χρήση εικόνων Landsat από πολλαπλές χρονικές στιγμές.]]

Για την ανάκτηση της επιφανειακής θερμοκρασίας της γης έχουν αναπτυχθεί διάφοροι αλγόριθμοι. Στη συγκεκριμένη περίπτωση, χρησιμοποιήθηκε η μέθοδος των Artis & Carnahan (1982), η οποία δεν χρειάζεται επιπλέον παραμέτρους εισόδου, γι’ αυτό και επιλέχθηκε.

'''3.5 Ανίχνευση των αστικών θερμικών νησίδων'''

Οι Ma et al(2010) όρισαν την ένταση της αστικής θερμικής νησίδας ως τη διαφορά ανάμεσα στη μέση θερμοκρασία της περιοχής της UHI και της αντίστοιχης θερμοκρασίας μιας αγροτικής περιοχής. Η ίδια μέθοδος χρησιμοποιήθηκε για τη μέτρηση της έντασης των UHI του Καΐρου, για κάθε μία από τις δορυφορικές εικόνες. Η χωρική κατανομή των ζωνών UHI παρουσιάζεται στην [εικ. 4].

[[Εικόνα:832-4.jpg|thumb|right|Εικόνα 4: Χωρική έκταση των αστικών θερμικών νησίδων (UHI) βασισμένη στις εικόνες Landsat TM, ETM από πολλαπλές χρονικές στιγμές. Οι ζώνες των UHI σημειώνονται με κόκκινο χρώμα. Για την περαιτέρω ερμηνεία της χρωματικής απόδοσης των εικόνων, ο αναγνώστης παραπέμπεται στην εκδοχή του άρθρου που βρίσκεται στο διαδίκτυο.]]

'''4. Συμπεράσματα'''

Τα αποτελέσματα που προέκυψαν από την παρούσα μελέτη απέδειξαν την εγκυρότητα της χρήσης δορυφορικών εικόνων Landsat από πολλαπλές χρονικές στιγμές, προκειμένου να χαρτογραφηθούν και να εντοπιστούν οι αλλαγές στις αστικές νησίδες θερμότητας (UHI) πάνω από ημι-άνυδρες πυκνοδομημένες πόλεις, όπως το Κάιρο στην Αίγυπτο. Η τηλεπισκόπηση παρέχει ένα μέτρο για το μέγεθος των επιφανειακών θερμοκρασιών ολόκληρης της αστικής περιοχής, καθώς και τη χωρική έκταση της επίδρασης της θερμικής νησίδας. Παρέχει, επίσης, ένα μέτρο για τη φωταύγεια και τον κανονικοποιημένο δείκτη βλάστησης (NDVI) από δορυφορικές εικόνες που προέρχονται από διαφορετικές χρονικές στιγμές.

Η παρούσα μελέτη οδήγησε στα ακόλουθα συμπεράσματα:

1. Το μικρο-αστικό κλίμα της πόλης του Καΐρου είναι αρκετά πολύπλοκο και επηρεάζεται από διάφορες περιβάλλουσες κατηγορίες κάλυψης γης. Το γεγονός αυτό είναι εμφανές στο ανατολικό τμήμα του Καΐρου, όπου τα κρίσιμα/επίμαχα σημεία σχετίζονται με επιδράσεις από την έρημο και τα γυμνά εδάφη. Στο δυτικό τμήμα, εντοπίζεται ηπιότερο μικρο-αστικό κλίμα, το οποίο οφείλεται στην εγγύτητά του με τον ποταμό Νείλο και τις καλλιεργούμενες εκτάσεις στο Δέλτα του ποταμού. Επίσης, η πιο πυκνή δόμηση της παλιάς και κεντρικής πόλης δημιουργεί περισσότερες σκιαζόμενες περιοχές.

2. Η πόλη του Καΐρου γνώρισε μεγάλη αύξηση των δομημένων περιοχών που έφθασε το 14,9 - 39,3% από το 1984 έως το 2013, αντίστοιχα. Δύο τάσεις για την αστική ανάπτυξη έλαβαν χώρα κατά τη διάρκεια της περιόδου μελέτης. Πρώτον, κατασκευάστηκαν μεγάλης έκτασης αστικές περιοχές, άτυπα και χωρίς σχεδιασμό, και επιπροσθέτως, οι νέες, νόμιμες κατασκευές αυξήθηκαν σε μέγεθος και πυκνότητα. Η τάση αυτή έγινε περισσότερο αισθητή μετά την Αιγυπτιακή επανάσταση το 2011, όταν η άτυπη αστική ανάπτυξη επιταχύνθηκε από την αδυναμία κυβερνητικού ελέγχου κατά τη διάρκεια αυτής της περιόδου.

3. Η συνεχιζόμενη αύξηση του αστικού / δομημένου χώρου είναι αισθητή, όπου η θερμοκρασία πάνω από την κατηγορία '' Αστικός '' αυξήθηκε. Σε σύγκριση με το μέσο όρο της θερμοκρασίας πάνω από τα καλλιεργούμενα εδάφη, το μέγεθος της αστικής θερμικής νησίδας (UHI) πάνω από το Κάιρο κυμαινόταν από 3,11°C έως 5,7°C. Η ανάλυση δείχνει μια διακύμανση της έντασης της UHI, η οποία, εκτός από τις μεταβολές στην κάλυψη γης και τα σχετικά ποσοστά εξατμισοδιαπνοής, σχετίζεται με τις καιρικές συνθήκες, την κλιματική αλλαγή και τις ανθρωπογενείς δραστηριότητες. Το συμπαγές αστικό πρότυπο ενισχύει την αύξηση της επιφανειακής θερμοκρασίας της γης και την ανάπτυξη περισσότερων hotspots. Ζώνες πρασίνου, κήποι, πάρκα και σιντριβάνια νερού είναι ανεπαρκή και απαιτούνται για τη μείωση των UHI σε όλη την πόλη.

4. Οι πράσινες εκτάσεις που έχουν καταγραφεί από τις δορυφορικές εικόνες (από την κάλυψη γης και τον NDVI) παρουσιάζουν μείωση. Η εξέλιξη αυτή έχει αρνητικές επιπτώσεις στο ρυθμό εξατμισοδιαπνοής, ο οποίος μειώνει τη ροή θερμότητας σε μια πόλη.

[[category:Ενέργεια]]

Επιδράσεις της χωρικής δομής των χώρων πρασίνου στην αστική ψύξη σε μια μεγάλη μητροπολιτική περιοχή της ανατολικής Κίνας

2015-04-07T12:17:16Z

Stavropoulou Athanasia:

'''Πρωτότυπος τίτλος:'''
"Effects of spatial pattern of greenspace on urban cooling in a large metropolitan area of eastern China"

'''Συγγραφείς:'''
Fanhua Konga, Haiwei Yin, Philip James, Lucy R. Hutyra, Hong S. He.

'''Λέξεις Κλειδιά:'''
Δροσισμός, Μετρικά χαρακτηριστικά τοπίου, Δομή τοπίου, Αστικό πράσινο, Αστική Θερμική Νησίδα

'''Πηγή:'''
http://www.sciencedirect.com/science/article/pii/S016920461400108X

'''Περίληψη'''

Οι αστικές περιοχές θα υποστούν τις μεγαλύτερες αυξήσεις της θερμοκρασίας οι οποίες προκύπτουν από την κλιματική αλλαγή που οφείλεται στο φαινόμενο της αστικής θερμικής νησίδας (UHI-Urban Heat Island). Το αστικό πράσινο μετριάζει την Αστική Θερμική Νησίδα και δημιουργεί πιο δροσερά μικροκλίματα. Η έρευνα πεδίου έχει αποδείξει ότι οι θερμοκρασίες μέσα σε πάρκα ή κάτω από τα δέντρα μπορεί να είναι πιο δροσερές από ο, τι στους μη πράσινους χώρους, αλλά λίγα είναι γνωστά σχετικά με τις επιδράσεις της χωρικής δομής των χώρων πρασίνου στις αστικές θερμοκρασίες ή σχετικά με τις βέλτιστες χωρικές δομές που απαιτούνται για το δροσισμό ενός αστικού περιβάλλοντος.

Στη μελέτη αυτή, προκειμένου να εντοπιστούν οι αστικές ψυκτικές νησίδες (UCI-Urban Cool Island) και οι χώροι πρασίνου στην πόλη Nanjing της Κίνας χρησιμοποιήθηκαν δορυφορικά δεδομένα, και η μεταξύ τους σχέση μελετήθηκε χρησιμοποιώντας αναλύσεις συσχέτισης.

[[Εικόνα:Eik.1.jpg|thumb|right|Εικόνα 1: Χάρτης της περιοχής Nanjing και της περιοχής μελέτης. Η ψευδέγχρωμη εικόνα του δορυφόρου IKONOS απεικονίζεται με το έγχρωμο σύνθετο 4-3-2 (εγγύς υπέρυθρο, κόκκινο και πράσινο)]]

'''1. Περιοχή μελέτης'''

Η πόλη Nanjing (31°14’- 32°37’ Ν, 118°22’ -119°14’ Ε) (Εικ. 1), η πρωτεύουσα της επαρχίας Jiangsu, Κίνα, βρίσκεται στο δυτικό άκρο του Δέλτα του ποταμού Yangtze. Η μητροπολιτική περιοχή της πόλης Nanjing, η οποία περιλαμβάνει 11 επαρχίες, καλύπτει μια έκταση 4733 km2, και το 2010 είχε πληθυσμό περίπου 6,3 εκατομμύρια (Nanjing Municipal Bureau Statistics, 2011). H Nanjing έχει ένα υποτροπικό κλίμα μουσώνων με τέσσερις εποχές και με μέση ετήσια θερμοκρασία 15°C (Jim & Chen, 2003). Από το 1951, η μέση μέγιστη ημερήσια θερμοκρασία μεταξύ Ιουνίου και Αυγούστου είναι 37.3°C, και σε τρεις περιπτώσεις οι θερμοκρασίες υπερέβησαν τους 40°C (Miao, Pan, και Xu, 2008). Η τοπική βλάστηση αποτελείται από φυλλοβόλα πλατύφυλλα και αειθαλή βελονόφυλλα δάση και θαμνοχορταρικές κοινότητες. Τα κυρίαρχα είδη δέντρων είναι Platanus acerifolia, Juniperus chinensis και Ligustrum lucidum (Jim & Chen, 2003). Η περιοχή που εξετάζεται στην παρούσα μελέτη περιλαμβάνει την αστικοποιημένη περιοχή της Nanjing και μέρος των προαστίων της, έκτασης 432 km2 περίπου.

'''2. Δεδομένα & μεθοδολογία'''

'''2.1. Προ-επεξεργασία εικόνας και ανάκτηση της θερμοκρασίας της επιφάνειας του εδάφους (LST)'''

[[Εικόνα:Eik.2.jpg|thumb|left|Εικόνα 2: (α) Χάρτης χρήσεων γης της περιοχής μελέτης το 2009 βασισμένο σε δορυφορική εικόνα IKONOS.
(β) Χωρική κατανομή της επιφανειακής θερμοκρασίας εδάφους της περιοχής μελέτης στις 13 Ιουνίου 2009, που προέρχεται από εικόνα του Landsat 5 Thematic Mapper.]]

Τα δεδομένα που χρησιμοποιούνται στην παρούσα έρευνα περιλαμβάνουν εικόνες IKONOS (18 Ιουνίου 2009, τέσσερα κανάλια, 3,2 m χωρική ανάλυση), εικόνες Landsat TM 5 (13 Ιουνίου 2009) και μετεωρολογικά δεδομένα. Οι εικόνες IKONOS υποβλήθηκαν σε αναγωγή και γεωαναφορά στο σύστημα συντεταγμένων Universal Transverse Mercator (UTM). Με βάση τις εικόνες IKONOS, δημιουργήθηκε ένας χάρτης χρήσεων γης/κάλυψης γης με τη βοήθεια της πλατφόρμας ArcMap (Environmental Systems Research Institute, Inc., Redlands, CA, USA), σε συνδυασμό με επιτόπιες έρευνες και μελέτες πεδίου, όπου κρίθηκε απαραίτητο. Οι χρήσεις γης, οι οποίες ταξινομούνται σε έξι κατηγορίες, είναι οι εξής: αδιαπέραστη επιφάνεια, δασική βλάστηση (δέντρα με θάμνους και γρασίδι), άλλη βλάστηση (θάμνοι και χόρτα), νερό, γεωργική γη και άγονη γη (εικόνα 2α). Για την πραγματοποίηση της ανάλυσης κινούμενου παραθύρου, τα vector δεδομένα για τις χρήσεις γης μετατράπηκαν σε μορφή πλέγματος με βήμα καννάβου 5m × 5m. Η εικόνα Landsat 5 Thematic Mapper (row/path: 120/38) στις 10.29 π.μ. (τοπική ώρα), 13 Ιουνίου του 2009, χρησιμοποιήθηκε για να ανακτηθεί η LST (Land Surface Temperature). Αυτή η Landsat εικόνα υποβλήθηκε σε αναγωγή σε ένα κοινό σύστημα συντεταγμένων UTM με βάση την εικόνα IKONOS, και μετασχηματίστηκε με τη χρήση του αλγορίθμου του εγγύτερου γείτονα με μέγεθος pixel 30m × 30m για όλα τα κανάλια. Η LST ανακτήθηκε από τα δεδομένα του θερμικού υπέρυθρου του καναλιού 6 (120m χωρική ανάλυση) του Θεματικού Χαρτογράφου του δορυφόρου Landsat 5. Η μεθοδολογία για την ανάκτηση της LST βασίζεται στον αλγόριθμο Mono-Window (MWA) των Qin, Karnieli και Berliner (2001). Το πρόγραμμα Mono-window Algorithm «έτρεξε» στο χωρικό μοντέλο του λογισμικού ERDAS (9.2). Ο χάρτης της LST στη συνέχεια αναπροσαρμόστηκε σε μέγεθος 5m × 5m για να ταιριάζει με το χάρτη χρήσεων γης (εικόνα 2β).

'''2.2. Μέθοδος του κινούμενου παραθύρου και μέγεθος του παραθύρου που επιλέχθηκε'''
[[Εικόνα:Eik.3.jpg|thumb|right|Εικόνα 3: (a-d) Συσχέτιση του ποσοστού δασικής βλάστησης (PLAND) και της μεταβολής της θερμοκρασίας (°C), για διαφορετικά μεγέθη παραθύρων: (a) 60m x 60m, (b) 120m x 120m, (c) 240m x 240m, και (d) 480m x 480m.]]

Καθώς έχει διαπιστωθεί από προηγούμενες μελέτες ότι η ψυκτική επίδραση ενός χώρου πρασίνου σχετίζεται με την κλίμακά του (Li et al, 2011; Liu & Weng, 2009), τέσσερα μεγέθη παραθύρων ελέχθησαν (60 m × 60 m, 120 m × 120 m, 240 m × 240 m και 480 m × 480 m) για να βρεθεί το βέλτιστο μέγεθος, προκειμένου να διερευνηθεί η σχέση μεταξύ της μεταβολής της θερμοκρασίας – η διαφορά μεταξύ της τοπικής LST και της μέσης LST της περιοχής μελέτης- και της δομής των χώρων πρασίνου μέσα στον αστικό χώρο.

Για τον υπολογισμό του ποσοστού της δασικής βλάστησης (PLAND) που εμπεριέχεται στο επιλεγόμενο παράθυρο, χρησιμοποιήθηκε η μέθοδος του κινούμενου παραθύρου, καθώς υφίσταται μια σημαντική σχέση ανάμεσα στο ποσοστό της δασικής βλάστησης και στη θερμοκρασία (εικ. 3a-d), σε διαφορετικά μεγέθη παραθύρων. Για να διασφαλιστεί ότι τα περισσότερα τεμάχια γης (patches) δασικής βλάστησης δεν θα διαιρεθούν από τη χρήση ενός μικρού μεγέθους παραθύρου, και ότι υπάρχουν επαρκή δείγματα για τη διεξαγωγή της ανάλυσης της σχέσης ανάμεσα στη μεταβολή της θερμοκρασίας και της χωρικής δομής της δασικής βλάστησης, το μέγεθος του παραθύρου που επιλέχθηκε είναι 240m x 240m. Τα αποτελέσματα που απεικονίζονται στην εικ.3c παρουσιάζουν μια καλή προσαρμογή (R2 = 0,873)κατά τη χρήση του συγκεκριμένου μεγέθους παραθύρου.

'''3. Αποτελέσματα'''

Στην περιοχή μελέτης εντοπίστηκαν δύο εκτεταμένες και κυρίαρχες UCIs: η μία κατά μήκος του ποταμού Yangtze (συμπεριλαμβανομένου του Όρους Mufu) και η δεύτερη στο Purple Mountain (συμπεριλαμβανομένης της λίμνης Xuanwu) (Εικ. 4α) .Επιπλέον, πολλές μικρότερες UCI στην πόλη ακολουθούν τη διαδρομή του ποταμού Qinhuai (Εικ. 4α). Οι UCIs προσδιορίζονται σαφώς στο νότιο τμήμα της περιοχής μελέτης, ενώ λιγότερες βρίσκονται κοντά στην περοχή της Xinjiekou (Εικ. 4β). Από τη διερεύνηση των γενικών χαρακτηριστικών κάθε νησίδας, προέκυψε ότι οι αστικές ψυκτικές νησίδες καλύπτουν έκταση 138 km2 , δηλ. περίπου το 32% του συνόλου της περιοχής μελέτης. Το 40% των UCI αποτελείται από δασική βλάστηση και το 35% από νερό.

[[Εικόνα:Eik.4.jpg|thumb|left|Εικόνα 4: (α) Εικόνα που χρησιμοποιήθηκε για τον προσδιορισμό των αστικών ψυκτικών νησίδων (UCIs), στις οποίες παρατηρείται μικρότερη LST σε σχέση με την περιοχή μελέτης.(β) Οι ψυκτικές νησίδες των χώρων πρασίνου (GCIs) στην περιοχή μελέτης.]]

Από την ανάλυση προέκυψε ότι η μεγαλύτερη επίδραση δροσισμού (-4.9°C) εντοπίστηκε σε ένα παράθυρο που καλύπτεται πλήρως από δασική βλάστηση. Η ανάλυση της επίδρασης άλλων ειδών βλάστησης (θάμνων και χορταριού) στο δροσισμό, δείχνει ότι εάν το παράθυρο καλύπτεται πλήρως (σε ποσοστό 99,69% σύμφωνα με τον υπολογισμό) από άλλη βλάστηση, τότε σχηματίζεται αστική ψυκτική νησίδα αλλά η γραμμική ανάλυση παλινδρόμησης της σχέσης μεταξύ της αλλαγής της θερμοκρασίας και του ποσοστού της βλάστησης δεν είναι τόσο ισχυρή. Έτσι, οι επόμενες ενότητες της εργασίας εστιάζονται στην επίδραση της δασικής βλάστησης.

Επίσης, σημαντική επίδραση ψύξης έχει και το νερό, όταν καλύπτει πάνω από το 20,7% του επιλεγμένου μεγέθους του παραθύρου, χωρίς να υπάρχει βλάστηση ή γεωργικές εκτάσεις. Η επίδραση της γεωργικής γης στη μεταβολή της θερμοκρασίας είναι επίσης στατιστικά σημαντική, αλλά το αποτέλεσμα δεν είναι τόσο ισχυρό όσο εκείνου της δασικής βλάστησης ή του νερού, όπως υποδεικνύεται από τους συντελεστές παλινδρόμησης.

Τα αποτελέσματα της μελέτης δείχνουν τα εξής:

(1) Περιοχές με υψηλότερο ποσοστό δασικής βλάστησης παρουσιάζουν μεγαλύτερη ψυκτική ικανότητα, με μια αύξηση της έκτασης της δασικής βλάστησης κατά 10% να έχει ως αποτέλεσμα τη μείωση της επιφανειακής θερμοκρασίας κατά 0,83°C,

(2) Μια ανάλυση συσχέτισης του μέσου μεγέθους τεμαχίου γης (patch), της πυκνότητάς του και ενός δείκτη συνάθροισης της δασικής βλάστησης με τη μείωση της θερμοκρασίας, έδειξε ότι για ένα συγκεκριμένο ποσό δασικής βλάστησης, κατατετμημένοι χώροι πρασίνου παρέχουν επίσης αποτελεσματικό δροσισμό,

(3) Η χωρική διάταξη της UCI έχει ισχυρή συσχέτιση με τη διάταξη των χώρων πρασίνου: ο σχηματισμός μιας νησίδας πρασίνου στην ενδοχώρα παρέχει ένα αποτελεσματικό μέσο για την ενίσχυση του δροσισμού, και

(4) η ένταση της επίδρασης ψύξης αντανακλάται στα χαρακτηριστικά της ψυκτικής νησίδας.

'''4. Συζήτηση & επίλογος'''

Σε αυτή τη μελέτη, χρησιμοποιώντας μετρικά χαρακτηριστικά του τοπίου, αναπτύχθηκε μία μέθοδος για τον προσδιορισμό της κλιμακωτής επίδρασης της σχέσης ανάμεσα στη διάταξη των χώρων πρασίνου και στην ψυκτική τους δράση, ενώ διερευνήθηκε η επίδρασή τους σε πολλαπλές κλίμακες, αντί να στηρίζεται σε περιπτωσιολογικές μελέτες και επιβεβαιώθηκε ότι η μέση θερμοκρασία είναι σημαντικά χαμηλότερη στους χώρους πρασίνου και υψηλότερη σε περιοχές με αδιαπέραστες επιφάνειες (πίνακας 1).

[[Εικόνα:Eik.5.jpg|thumb|right|Πίνακας 1: Συσχετισμός της μέσης LST για διαφορετικές χρήσεις γης/κάλυψης γης και της ψυκτικής επίδρασης (σε °C). ]]

Πολλές προηγούμενες μελέτες έχουν δείξει ότι η βλάστηση παρέχει μια ψυκτική επίδραση στις αστικοποιημένες περιοχές, και ότι οι στρατηγικές που σχετίζονται με τη διατήρηση και την αύξηση της φυτοκάλυψης στις αστικές περιοχές έχουν τη δυνατότητα να συμβάλουν σημαντικά στο δροσισμό του αστικού περιβάλλοντος. Ωστόσο, υπάρχει έλλειψη του δημοσιευμένου υλικού που αφορά στην εφαρμογή και την ανάλυση της ευαισθησίας των μετρικών χαρακτηριστικών του τοπίου που να συνεκτιμά τη σχέση της δομής των πράσινων χώρων και της ψυκτικής τους επίδρασης.

Tα αποτελέσματα αυτής της έρευνας σχετικά με τις επιδράσεις δροσισμού της αστικής δασικής βλάστησης σε πολλαπλές κλίμακες παρουσιάζουν περιορισμούς, που καθιστούν την ανάγκη για περαιτέρω έρευνα δικαιολογημένη. Η μελλοντική έρευνα σχετικά με την επίδραση δροσισμού της δασικής βλάστησης, καθώς και τα χαρακτηριστικά και τους παράγοντες που επηρεάζουν τις ψυκτικές νησίδες, θα πρέπει επίσης να εξετάσει την επίδραση της σκιάς των κτηρίων και των αστικών φαραγγιών στο αστικό θερμικό περιβάλλον και το μικροκλίμα.

Σε κάθε περίπτωση, τα αποτελέσματα της μελέτης προσφέρουν στους πολεοδόμους και στους διαχειριστές των φυσικών πόρων σημαντικές θεωρητικές και πρακτικές πληροφορίες σχετικά με το σχεδιασμό και τη διαχείριση του αστικού πρασίνου, που μπορούν να χρησιμοποιηθούν για την προσαρμογή και το μετριασμό των επιπτώσεων των Αστικών Θερμικών Νησίδων, οι οποίες θα συνεχίσουν να αναπτύσσονται καθώς το κλίμα αλλάζει. Επιπλέον, η ενσωμάτωση της τηλεπισκόπησης στο θερμικό υπέρυθρο σε μελέτες τοπίου επιτρέπει την καλύτερη μέτρηση των σχέσεων των προτύπων και των διαδικασιών σε πολλαπλές κλίμακες.

[[category:Ενέργεια]]

Σταυροπούλου Αθανασία

2015-04-07T12:14:44Z

Stavropoulou Athanasia:

* [[Επιδράσεις της χωρικής δομής των χώρων πρασίνου στην αστική ψύξη σε μια μεγάλη μητροπολιτική περιοχή της ανατολικής Κίνας]]
* [[Ανίχνευση μεταβολών των αστικών νησίδων θερμότητας με τη χρήση εικόνων Landsat: μελέτη περίπτωσης για την πόλη του Καΐρου, Αίγυπτος]]
* [[Ταξινόμηση τυπολογίας κτηρίων με τη χρήση χωρικών και χαρακτηριστικών του τοπίου που προέρχονται από LiDAR δεδομένα τηλεπισκόπησης]]
* [[Χαρτογράφηση κάλυψης γης σε σύνθετα τοπία της Μεσογείου με τη χρήση Landsat]]
* [[Οι σχέσεις μεταξύ των συνθέσεων του τοπίου και της επιφανειακής θερμοκρασίας: Ποσοτικοποίηση με τη χρήση χωρικών μοντέλων παλινδρόμησης]]

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

Οι σχέσεις μεταξύ των συνθέσεων του τοπίου και της επιφανειακής θερμοκρασίας: Ποσοτικοποίηση με τη χρήση χωρικών μοντέλων παλινδρόμησης

2015-04-07T12:13:53Z

Stavropoulou Athanasia: Νέα σελίδα με ''''Πρωτότυπος τίτλος:''' "The relationships between landscape compositions and land surface temperature: Quantifying their resolution sensitivity with spa...'

'''Πρωτότυπος τίτλος:'''
"The relationships between landscape compositions and land surface temperature: Quantifying their resolution sensitivity with spatial regression models"

'''Συγγραφείς:'''
Juer Song, Shihong Du, Xin Feng, Luo Guo.

'''Λέξεις Κλειδιά:'''
Επιφανειακή θερμοκρασία (LST), Συνθέσεις τοπίου, Χωρικό Μοντέλο Υστέρησης (SLM), Χωρικό Μοντέλο Σφάλματος (SEM)

'''πηγή:'''
http://www.sciencedirect.com/science/article/pii/S0169204613002284

'''Περίληψη'''

Η κατανόηση των σχέσεων μεταξύ των συνθέσεων του τοπίου και της επιφανειακής θερμοκρασίας της γης (LST) είναι σημαντική για το μετριασμό της επίδρασης των αστικών θερμικών νησίδων. Οι υπάρχουσες μελέτες έχουν διερευνήσει την επίδραση των τύπων κάλυψης γης στην LST, αγνοώντας τις επιπτώσεις της αυτοσυσχέτισης της LST. Αυτή η μελέτη χρησιμοποιεί το χωρικό μοντέλο παλινδρόμησης για να διακρίνει τη συνεισφορά των τύπων κάλυψης γης στην LST από την αυτοσυσχέτιση της LST. Οι στόχοι της μελέτης είναι οι εξής: (1) η κατασκευή των ποσοτικών σχέσεων ανάμεσα στην LST και στους τύπους κάλυψης γης σε πολλαπλές διακριτικές ικανότητες και (2) η εύρεση των κατάλληλων διακριτικών ικανοτήτων για τη μέτρηση των σχέσεων αυτών. Η LST ανακτάται από μία Landsat ETM+ εικόνα, ενώ οι πληροφορίες για την κάλυψη γης εξάγονται από μια εικόνα Quickbird. Δύο χωρικά μοντέλα παλινδρόμησης -το μοντέλο της χωρικής υστέρησης και το μοντέλο του χωρικού σφάλματος- χρησιμοποιούνται για την ποσοτικοποίηση των σχέσεων σε 18 διακριτικές ικανότητες που κυμαίνονται από 60m έως 1080 m, ανά διαστήματα των 60m. Τα αποτελέσματα αυτής της μελέτης δείχνουν ότι οι διακριτικές ικανότητες των 660m και 720m είναι οι πλέον κατάλληλες για τη μέτρηση των σχέσεων μεταξύ των συνθέσεων του τοπίου και της LST. Σε αυτές τις διακριτικές ικανότητες, και οι πέντε συντελεστές των εξαρτημένων μεταβλητών που χαρακτηρίζουν τις συνθέσεις του τοπίου παίρνουν τη μέγιστη τιμή, ενώ ο συντελεστής αυτοσυσχέτισης της LST μειώνεται στο ελάχιστο. Σε διακριτικές ικανότητες μικρότερες από 660 m, η αυτοσυσχέτιση της LST επηρεάζει την LST πιο σημαντικά απ’ ο,τι τους τύπους κάλυψης γης Σε διακριτικές ικανότητες μεγαλύτερες από 720 m, οι περισσότεροι συντελεστές είναι ασήμαντοι. Η μελέτη αυτή μετρά επίσης τις επιπτώσεις των κυριότερων τύπων κάλυψης γης στην LST. Τα ευρήματα αυτά παρέχουν πολύτιμες πληροφορίες για το πώς οι θερμικές περιβαλλοντικές επιπτώσεις της αστικοποίησης μπορούν να μετριαστούν μέσω του τοπικού χωρικού σχεδιασμού.

'''1. Δεδομένα & μεθοδολογία'''

'''1.1. Περιοχή μελέτης'''

Το Πεκίνο είναι η πρωτεύουσα της Κίνας και αποτελεί το πολιτικό και πολιτιστικό κέντρο της χώρας (Εικόνα 1). Καλύπτει μια έκταση περίπου 17,000 km2 με πληθυσμό που φτάνει τους 20.000.000 κατοίκους. Τα τελευταία 20 χρόνια, το Πεκίνο υφίσταται μια ταχεία διαδικασία αστικοποίησης και πληθυσμιακής έκρηξης, σε συνδυασμό με ταχείς μετασχηματισμούς στις χρήσεις / καλύψεις γης. Η περιοχή μελέτης καλύπτει το βορειοανατολικό τμήμα της περιοχής Haidian και το νοτιοδυτικό τμήμα της περιοχής Changping, καταλαμβάνοντας συνολική έκταση 70.056 km2. Ούσα μια αγροτική-αστική περιοχή κατά τον χρόνο απόκτησης των εικόνων της μελέτης αυτής, η περιοχή αποτελείται τόσο από αστικά όσο και αγροτικά τοπία, συμπεριλαμβανομένων των καλλιεργήσιμων εκτάσεων, των θερμοκηπίων, των κατοικιών και των βιομηχανικών κτηρίων, των υδάτινων επιφανειών, των πάρκων και των δρόμων.

'''1.2. Επεξεργασία εικόνας'''

Μια εικόνα Landsat 7 ETM+ με λήψη στις 22 Μαΐου 2002, χρησιμοποιήθηκε για την ποσοτική μέτρηση της LST. Για την ανάκτηση της LST , χρησιμοποιήθηκε το θερμικό υπέρυθρο κανάλι (κανάλι 6) με διακριτική ικανότητα 60m. Για την εξαγωγή πληροφοριών που σχετίζονται με το τοπίο, χρησιμοποιήθηκε μια εικόνα Quickbird με λήψη στις 22 Μαρτίου 2002. Τα δεδομένα του Quickbird αποτελούνται από τέσσερα πολυφασματικά κανάλια (με διακριτική ικανότητα 2,44 m) και ένα πανχρωματικό κανάλι (με διακριτική ικανότητα 0,61m). Οι πολυφασματικές και παγχρωματικές εικόνες συγχωνεύθηκαν για να παράγουν μια πολυφασματική εικόνα τεσσάρων καναλιών με διακριτική ικανότητα 0,61m, με την εφαρμογή του μετασχηματισμού Gram–Schmidt του λογισμικού ENVI (Laben & Brower, 2000). Για την ανάλυση των σχέσεων μεταξύ της LST και των δομών του τοπίου, οι εικόνες ΕΤΜ+ και Quickbird υποβλήθηκαν σε γεωαναφορά στο σύστημα συντεταγμένων GCS-WGS-1984, ενώ γεωμετρικές και ατμοσφαιρικές διορθώσεις εφαρμόστηκαν και στις δύο εικόνες.

'''1.3. Ταξινόμηση της κάλυψης γης'''

Η παρούσα μελέτη χρησιμοποιεί τη μέθοδο ανάλυσης με βάση τα αντικείμενα (Object-Based Image Analysis – OBIA) για την ταξινόμηση των πληροφοριών κάλυψης γης (Trimble, 2011). Περιλαμβάνει δύο στάδια: την κατάτμηση και την ταξινόμηση. Στο πρώτο στάδιο, με την κατάτμηση των εικόνων σε πολύγωνα διαφορετικής κλίμακας, εντοπίστηκαν 10 κατηγορίες κάλυψης γης: νερό, βλάστηση, θερμοκήπια, καλλιέργειες, κτήρια, σκιές, δρόμοι, χωματόδρομοι, γυμνό έδαφος, και επιφάνεια (όλες οι δομημένες επιφάνειες, εκτός των κτηρίων και των δρόμων) (Πίνακας 1). Στο δεύτερο στάδιο, κάθε πολύγωνο ταξινομείται σε μία από τις 10 κατηγορίες. Η ακρίβεια της ταξινόμησης επαληθεύτηκε από επιτόπιες έρευνες, οπτική ερμηνεία, και σύγκριση με αεροφωτογραφίες της περιοχής μελέτης. Η εικόνα 2 δείχνει τον χάρτη ταξινόμησης της περιοχής μελέτης. Με βάση τα φυσικά χαρακτηριστικά της κάλυψης γης και των επιδράσεών τους στη LST, οι 10 κατηγορίες κάλυψης γης μεταταξινομήθηκαν σε έξι κατηγορίες.

'''1.4. Προέλευση της LST'''

Για τη χαρτογράφηση της LST χρησιμοποιείται το θερμικό υπέρυθρο κανάλι του Landsat ΕΤΜ + (10.04 - 12.05μm). Η διαδικασία αυτή πραγματοποιείται σε τρία στάδια: (1) υπολογισμός της επιφανειακής εκπομπής, (2) υπολογισμός των τιμών της θερμοκρασίας φωτεινότητας και (3) μετατροπή της θερμοκρασίας φωτεινότητας σε LST. Η Εικόνα 3 δείχνει την κατανομή των τιμών LST στην περιοχή μελέτης. Η μέση LST είναι 43.29°C και η τυπική απόκλιση είναι 4.59. Οι μέσες τιμές και η τυπική απόκλιση της LST για διάφορους τύπους κάλυψης γης, που αναφέρονται στον Πίνακα 2, βοηθούν στην καλύτερη κατανόηση των σχέσεων μεταξύ της LST και των τύπων κάλυψης γης.

'''1.5. Χωρική συσχέτιση & χωρική παλινδρόμηση'''

Χωρική αυτοσυσχέτιση σημαίνει ότι η τιμή μιας μεταβλητής σε μια θέση συσχετίζεται με τις τιμές της ίδιας μεταβλητής σε γειτονικές θέσεις.
Η ανάλυση παλινδρόμησης αποσκοπεί στην ερμηνεία μιας εξαρτημένης μεταβλητής χρησιμοποιώντας έναν γραμμικό σταθμισμένο συνδυασμό ενός συνόλου ανεξάρτητων μεταβλητών. Δεδομένου ότι οι περισσότερες γεωγραφικές μεταβλητές είναι χωρικά αυτοσυσχετιζόμενες, τα μοντέλα χωρικής παλινδρόμησης είναι περισσότερο κατάλληλα από τα μοντέλα των ελαχίστων τετραγώνων (OLS) για την ανάλυση των σχέσεων μεταξύ των εξαρτημένων και των ανεξάρτητων μεταβλητών. Οι χωρικές μέθοδοι παλινδρόμησης μπορούν να χωριστούν σε δύο κατηγορίες: στα χωρικά μοντέλα υστέρησης (SLM) και στα χωρικά μοντέλα σφάλματος (SEM). Τα πρώτα συνυπολογίζουν τη χωρική αυτοσυσχέτιση των εξαρτημένων μεταβλητών, ενώ τα δεύτερα λαμβάνουν υπ’ όψιν τα αποτελέσματα της αυτοσυσχέτισης των τυχαίων σφαλμάτων.

'''2. Αποτελέσματα'''

'''2.1. Ανάλυση ευαισθησίας της χωρικής συσχέτισης της LST σε σχέση με τη χωρική διακριτική ικανότητα'''

Δεδομένου ότι η θερμότητα ρέει από μια περιοχή υψηλής θερμοκρασίας σε γειτονικές περιοχές χαμηλής θερμοκρασίας, η LST είναι χωρικά αυτοσυσχετισμένη. Στην Εικόνα 4 (α) - (h), φαίνεται ότι η LST εμφανίζει μια ισχυρή χωρική εξάρτηση: εικονοστοιχεία με παρόμοια LST ομαδοποιούνται – τα κόκκινα εικονοστοιχεία (υψηλή LST) περιβάλλονται από πορτοκαλί, ενώ όσα έχουν σκούρο πράσινο χρώμα (χαμηλές τιμές LST) ομαδοποιούνται με τα ανοιχτόχρωμα πράσινα εικονοστοιχεία. Οι κόκκινες ζώνες υψηλής θερμοκρασίας συνδέονται με τις πράσινες ζώνες χαμηλής θερμοκρασίας μέσω κίτρινων εικονοστοιχείων, που αντιπροσωπεύουν ενδιάμεσες θερμοκρασίες. Μια μείωση της διακριτικής ικανότητας οδηγεί σε λιγότερες ομαδοποιήσεις, υποδηλώνοντας μια ασθενέστερη αυτοσυσχέτιση της LST.

'''2.2. Ανάλυση ευαισθησίας των σχέσεων LST / κάλυψης γης όσον αφορά τη χωρική διακριτική ικανότητα'''

Για τη διερεύνηση των ποσοτικών σχέσεων μεταξύ της LST και των τύπων κάλυψης γης χρησιμοποιείται ένα χωρικό μοντέλο παλινδρόμησης. Οι σχέσεις αναλύονται σε 18 χωρικές διακριτικές ικανότητες (από 60m έως 1080 m, ανά διαστήματα 60m).
Για την επεξεργασία των OLS, SLM και SEM χρησιμοποιείται το λογισμικό GeoDa. Και για τα δύο μοντέλα SLM και SEM, ένα σημαντικό στοιχείο είναι ο χωρικός τελεστής υστέρησης W, ένας n × n πίνακας που περιέχει τα βάρη που περιγράφουν το βαθμό χωρικής συγγένειας (δηλαδή τη γειτνίαση, την εγγύτητα, και τη συνδεσιμότητα) μεταξύ γειτονικών μονάδων ανάλυσης.

'''3. Συζήτηση'''

Τα αποτελέσματα της μελέτης δείχνουν ότι η σύνθεση της κάλυψης γης μπορεί να επηρεάσει σημαντικά την LST. Με την αποκλειστική μέτρηση της επίδρασης της αυτοσυσχέτισης της LST μαζί με την επίδραση των τύπων κάλυψης γης, η παρούσα έρευνα επεκτείνει την επιστημονική κατανόηση των επιπτώσεων των προτύπων κάλυψης γης στην LST στα αστικά τοπία, και προτείνει ένα μεθοδολογικό πλαίσιο, προκειμένου να λαμβάνεται υπόψη η επίδραση της αυτοσυσχέτισης, το οποίο μπορεί να εφαρμοστεί σε μελλοντικές μελέτες σε συναφείς τομείς.

'''3.1. Συγκρίσεις μεταξύ της κλασικής παλινδρόμησης και των χωρικών μοντέλων παλινδρόμησης'''

Η επιλογή του κατάλληλου μοντέλου είναι ζωτικής σημασίας για την κατανόηση των σχέσεων μεταξύ της LST και των συνθέσεων του τοπίου. Λόγω της αυτοσυσχέτισης της LST, η βασική παραδοχή ότι οι παρατηρήσεις των εξαρτημένων μεταβλητών είναι όλες ανεξάρτητες, δεν μπορεί να αληθεύει. Ως εκ τούτου, η χρήση των παραδοσιακών μοντέλων παλινδρόμησης χωρίς να λαμβάνεται υπόψη η αυτοσυσχέτιση της εξαρτημένης μεταβλητής, μπορεί να οδηγήσει σε παραπλανητικές εκτιμήσεις των παραμέτρων.
Τα πλεονεκτήματα από τη χρήση χωρικών μοντέλων παλινδρόμησης για τη μέτρηση των σχέσεων μεταξύ της LST και των συνθέσεων του τοπίου είναι διττός. Από τη μία πλευρά, αυξάνει σημαντικά τη συνολική καταλληλότητα του μοντέλου με την προσθήκη της αυτοσυσχέτισης της εξαρτημένης μεταβλητής ως επεξηγηματικής μεταβλητής. Από την άλλη πλευρά, επειδή τα μοντέλα χωρικής παλινδρόμησης δεν απαιτούν ανεξαρτησία μεταξύ των παρατηρήσεων, οι εκτιμήσεις των παραμέτρων είναι πολύ πιο αξιόπιστες.

'''3.2. Συγκρίσεις μεταξύ των SLM και SEM'''

Όταν τα χωρικά μοντέλα παλινδρόμησης χρησιμοποιούνται για τον προσδιορισμό της αυτοσυσχέτισης, δύο βασικά ζητήματα χρειάζονται ιδιαίτερη προσοχή: η επιλογή του κατάλληλου μοντέλου και η επιλογή της κατάλληλης μήτρας βαρών. Ένας γενικός κανόνας είναι ότι το SLM είναι πιο αποτελεσματικό όταν η εξαρτημένη μεταβλητή στην περιοχή μελέτης επηρεάζεται από τις τιμές της σε κοντινές περιοχές, ενώ ένα SEM είναι πιο εφαρμόσιμο όταν η χωρική αυτοσυσχέτιση παρουσιάζεται ως μια ενόχληση που προκύπτει από την ακατάλληλη επιλογή του μοντέλου (Zhang, Ma , και Guo, 2006).

'''4. Συμπεράσματα'''

Η αξιολόγηση του τρόπου με τον οποίο η LST ανταποκρίνεται στις συνθέσεις τοπίου είναι κρίσιμης σημασίας για την αντιμετώπιση των αρνητικών επιπτώσεων της αστικής νησίδας θερμότητας και είναι απαραίτητο να διαχωριστούν τα αποτελέσματα των συνθέσεων του τοπίου από την επιρροή της αυτοσυσχέτισης της LST. Αυτή η έρευνα εξετάζει τόσο την LST όσο και το τοπίο του Πεκίνου, και διερευνά τις ποσοτικές σχέσεις σε πολλαπλές κλίμακες. Η μελέτη αυτή παρέχει χρήσιμες πληροφορίες στους σχεδιαστές τοπίου που επιδιώκουν να μετριάσουν τον αντίκτυπο της αστικοποίησης στην LST.

Η μελέτη προσέφερε ένα μεθοδολογικό πλαίσιο για την αντιμετώπιση των μεταβαλλόμενων κλιμάκων και τόνισε τη σημασία της κλίμακας ως παραμέτρου των σχέσεων ανάμεσα στην LST και των μοτίβων του τοπίου. Ωστόσο, παρουσιάζει τους ακόλουθους περιορισμούς. Πρώτον, η έρευνα διεξήχθη σε μία περιοχή, χρησιμοποιώντας μόνο μία θερμική εικόνα για την ανάκτηση της LST. Προηγούμενες μελέτες έχουν δείξει την ύπαρξη ημερήσιων και εποχιακών διακυμάνσεων στις σχέσεις μεταξύ της LST και των τύπων κάλυψης γης. Επιπλέον, οι διαφορετικές κλιματολογικές συνθήκες μπορούν να επηρεάσουν σημαντικά το ημερήσιο εύρος της επιφάνειας επιρροής μιας αστικής θερμικής νησίδας. Επομένως, απαιτούνται περαιτέρω μελέτες με τη χρήση πολλαπλών ημερήσιων και νυκτερινών θερμικών εικόνων από διαφορετικές εποχές.

[[category:Ενέργεια]]

Ανίχνευση μεταβολών των αστικών νησίδων θερμότητας με τη χρήση εικόνων Landsat: μελέτη περίπτωσης για την πόλη του Καΐρου, Αίγυπτος

2015-04-05T18:40:58Z

Stavropoulou Athanasia:

'''Πρωτότυπος τίτλος:'''
Change detection of urban heat islands and some related parameters using multi-temporal Landsat images; a case study for Cairo city, Egypt

'''Συγγραφείς:'''
Hala Adel Effat, Ossman Abdel Kader Hassan

http://www.sciencedirect.com/science/article/pii/S2212095514000832

'''Περίληψη'''

Το Κάιρο έχει μια μοναδική γεωγραφική θέση και παρουσιάζει μία από τις υψηλότερες οικιστικές πυκνότητες σε παγκόσμιο επίπεδο. Η παρούσα μελέτη επιχειρεί να χαρτογραφήσει και να ανιχνεύσει μεταβολές στην κάλυψη γης και στις αστικές νησίδες θερμότητας που σημειώθηκαν στο Κάιρο κατά τη διάρκεια των τριών τελευταίων δεκαετιών με τη χρήση multi-temporal δορυφορικών δεδομένων Landsat TM.

'''Εισαγωγή'''

Μια Αστική Νησίδα Θερμότητας είναι η περίσσεια θερμότητας που εμφανίζεται στην ατμόσφαιρας μιας αστικής περιοχής σε σύγκριση με τους μη-αστικοποιημένους περιβάλλοντες χώρους. Οι αστικές περιοχές γενικά παρουσιάζουν υψηλότερη απορρόφηση της ηλιακής ακτινοβολίας και μεγαλύτερη θερμική χωρητικότητα και αγωγιμότητα, καθώς αποτελούνται από κτήρια, δρόμους και άλλες μη διαπερατές επιφάνειες. Η θερμότητα αποθηκεύεται κατά τη διάρκεια της ημέρας και απελευθερώνεται κατά τη διάρκεια της νύχτας. Ως εκ τούτου, οι αστικές περιοχές τείνουν να εμφανίζουν σχετικά υψηλότερη θερμοκρασία σε σχέση με τις γύρω αγροτικές περιοχές. Αυτή η θερμική διαφορά, σε συνδυασμό με την απορριπτόμενη θερμότητα που απελευθερώνεται από αστικά σπίτια, τις μεταφορές και τη βιομηχανία, συμβάλλουν στην ανάπτυξη της Αστικής θερμικής Νησίδας (UHI).

'''1.1. Κάιρο: τοποθεσία, περιγραφή του προβλήματος και ανασκόπηση της βιβλιογραφίας'''
[[Εικόνα:832-1.jpg|thumb|left|Εικόνα 1: (α) η τοποθεσία της πόλης του Καΐρου, (β) η πόλη του Καΐρου το 2007, εικόνα ανακτημένη από το Google Earth.]]

Η πόλη του Καΐρου βρίσκεται σε γεωγραφικό πλάτος 30° 06’ Β και γεωγραφικό μήκος 31 28’ E σε υψόμετρο 74,5 m asl. Η πόλη βρίσκεται στα ανατολικά του ποταμού Νείλου, νότια του Δέλτα του ποταμού. Συνορεύει από τα δυτικά με την αστική περιοχή του Κυβερνείου της Γκίζας στις δυτικές όχθες του ποταμού Νείλου (Εικ. 1). Η πόλη χαρακτηρίζεται από την παρουσία των λόφων του Ελ Moqattam στα νοτιοανατολικά και έρημο που εκτείνεται προς την ανατολική κατεύθυνση (Robaa, 2003). Το νότιο άκρο του Κυβερνείου του Qalyubia συνορεύει με την πόλη του Καΐρου από την βορειοδυτική πλευρά. Η τοποθεσία του Καΐρου είναι μοναδική: περιλαμβάνει τμήμα του Δέλτα του Νείλου, καλλιεργούμενες εκτάσεις και τον ποταμό Νείλο, στα δυτικά και γυμνές εκτάσεις της ερήμου στα ανατολικά.

'''2. Τα δεδομένα'''

Δορυφορικά δεδομένα Landsat πολλαπλών χρονικών στιγμών χρησιμοποιήθηκαν για την ανίχνευση των μεταβολών στις αστικές νησίδες θερμότητας (UHI) πάνω από το Κάιρο, κατά τη διάρκεια των καλοκαιρινών περιόδων. Μια περίοδος τριών δεκαετιών καλύφθηκε από πέντε υπο-σκηνές, που αποκτήθηκαν στις 20 Σεπτεμβρίου 1984, στις 4 Αυγούστου 1990, στις 26 Αυγούστου 2001, στις 28 Αυγούστου 2006 και στις 18 Αυγούστου 2013. Τα δεδομένα δημιουργήθηκαν από την U.S. Geological Survey (2013) και λήφθηκαν σε μορφή αρχείου εικόνας (GeoTIFF). Τα δεδομένα αποκτήθηκαν από τους αισθητήρες Landsat-5TM και Landsat-7 ΕΤΜ+. Το κανάλι 6 (θερμικό υπέρυθρο) χρησιμοποιήθηκε για τη θερμική χαρτογράφηση και την ανίχνευση των αστικών νησίδων θερμότητας. Τα κανάλια 1, 2, 3, 4, 5 και 7 χρησιμοποιήθηκαν για τη χαρτογράφηση των χρήσεων γης / κάλυψης γης και των σχετικών αλλαγών. Μια γεωγραφική βάση δεδομένων για την πόλη του Καΐρου, η οποία δημιουργήθηκε από τον Egyptian General Organization for Physical Planning (2010), χρησιμοποιήθηκε για αυτή τη μελέτη.

'''3. Μεθοδολογία'''

Αρκετές τεχνικές επεξεργασίας εικόνας με τη χρήση των λογισμικών ENVI 4.8 και ArcGIS 10 εφαρμόστηκαν για τη μελέτη των αλλαγών της χρήση γης / κάλυψης γης και της σχετικής επιφανειακής θερμοκρασίας στην πόλη του Καΐρου.
[[Εικόνα:832-2.jpg|thumb|right|Εικόνα 2: Ανίχνευση των μεταβολών στην κάλυψη γης με τη χρήση εικόνων Landsat TM, ETM από πολλαπλές χρονικές στιγμές.]]

'''3.1 Χαρτογράφηση μεταβολών κάλυψης γης/χρήσης γης στην περιοχή του Καΐρου'''

Τα κανάλια 1-5 και 7 έχουν χωρική διακριτική ικανότητα 30m, ενώ το θερμικό υπέρυθρο κανάλι (κανάλι 6) έχει χωρική διακριτική ικανότητα 120m για τις εικόνες Landsat 5 TM και 60m για τις εικόνες Landsat 7ETM+. Οι εικόνες αυτές υποβλήθηκαν σε αναγωγή με τη βοήθεια του αλγόριθμου του εγγύτερου γείτονα, με μέγεθος pixel 30m για τα κανάλια 1,2,3,4,5 και 7, ενώ για την ανάλυση των μεταβολών της θερμοκρασίας και των χρήσεων γης/κάλυψης γης στην περιοχή μελέτης, οι εικόνες υποβλήθηκαν σε γεωαναφορά στο ίδιο σύστημα συντεταγμένων (UTM/WGS84). Για την ταξινόμηση των εικόνων Landsat, χρησιμοποιήθηκε ο αλγόριθμος της μέγιστης πιθανοφάνειας.

'''3.2 Ανίχνευση μεταβολών στη φωταύγεια'''

Για τον υπολογισμό της φωταύγειας, χρησιμοποήθηκε ο τύπος του Liang(2000), ο οποίος κανονικοποιήθηκε από τον Smith (2010), Οι χάρτες που προέκυψαν ταξινομήθηκαν με τη μέθοδο της τυπικής απόκλισης

'''3.3 Ανίχνευση μεταβολών στον Κανονικοποιημένο Δείκτη Βλάστησης (NDVI)'''

Ο Κανονικοποιημένος Δείκτης Βλάστησης υπολογίστηκε και για τις πέντε εικόνες από τον τύπο :
'''NDVI = (near - infrared) – red / (near – infrared) + red'''

'''3.4 Ανάκτηση της επιφανειακής θερμοκρασίας της γης από το θερμικό κανάλι του Landsat'''
[[Εικόνα:832-3.jpg|thumb|right|Εικόνα 3: Χάρτες της θερμοκρασίας της επιφάνειας της γης με τη χρήση εικόνων Landsat από πολλαπλές χρονικές στιγμές.]]

Για την ανάκτηση της επιφανειακής θερμοκρασίας της γης έχουν αναπτυχθεί διάφοροι αλγόριθμοι. Στη συγκεκριμένη περίπτωση, χρησιμοποιήθηκε η μέθοδος των Artis & Carnahan (1982), η οποία δεν χρειάζεται επιπλέον παραμέτρους εισόδου, γι’ αυτό και επιλέχθηκε.

'''3.5 Ανίχνευση των αστικών θερμικών νησίδων'''

Οι Ma et al(2010) όρισαν την ένταση της αστικής θερμικής νησίδας ως τη διαφορά ανάμεσα στη μέση θερμοκρασία της περιοχής της UHI και της αντίστοιχης θερμοκρασίας μιας αγροτικής περιοχής. Η ίδια μέθοδος χρησιμοποιήθηκε για τη μέτρηση της έντασης των UHI του Καΐρου, για κάθε μία από τις δορυφορικές εικόνες. Η χωρική κατανομή των ζωνών UHI παρουσιάζεται στην [εικ. 4].

[[Εικόνα:832-4.jpg|thumb|right|Εικόνα 4: Χωρική έκταση των αστικών θερμικών νησίδων (UHI) βασισμένη στις εικόνες Landsat TM, ETM από πολλαπλές χρονικές στιγμές. Οι ζώνες των UHI σημειώνονται με κόκκινο χρώμα. Για την περαιτέρω ερμηνεία της χρωματικής απόδοσης των εικόνων, ο αναγνώστης παραπέμπεται στην εκδοχή του άρθρου που βρίσκεται στο διαδίκτυο.]]

'''4. Συμπεράσματα'''

Τα αποτελέσματα που προέκυψαν από την παρούσα μελέτη απέδειξαν την εγκυρότητα της χρήσης δορυφορικών εικόνων Landsat από πολλαπλές χρονικές στιγμές, προκειμένου να χαρτογραφηθούν και να εντοπιστούν οι αλλαγές στις αστικές νησίδες θερμότητας (UHI) πάνω από ημι-άνυδρες πυκνοδομημένες πόλεις, όπως το Κάιρο στην Αίγυπτο. Η τηλεπισκόπηση παρέχει ένα μέτρο για το μέγεθος των επιφανειακών θερμοκρασιών ολόκληρης της αστικής περιοχής, καθώς και τη χωρική έκταση της επίδρασης της θερμικής νησίδας. Παρέχει, επίσης, ένα μέτρο για τη φωταύγεια και τον κανονικοποιημένο δείκτη βλάστησης (NDVI) από δορυφορικές εικόνες που προέρχονται από διαφορετικές χρονικές στιγμές.

Η παρούσα μελέτη οδήγησε στα ακόλουθα συμπεράσματα:

1. Το μικρο-αστικό κλίμα της πόλης του Καΐρου είναι αρκετά πολύπλοκο και επηρεάζεται από διάφορες περιβάλλουσες κατηγορίες κάλυψης γης. Το γεγονός αυτό είναι εμφανές στο ανατολικό τμήμα του Καΐρου, όπου τα κρίσιμα/επίμαχα σημεία σχετίζονται με επιδράσεις από την έρημο και τα γυμνά εδάφη. Στο δυτικό τμήμα, εντοπίζεται ηπιότερο μικρο-αστικό κλίμα, το οποίο οφείλεται στην εγγύτητά του με τον ποταμό Νείλο και τις καλλιεργούμενες εκτάσεις στο Δέλτα του ποταμού. Επίσης, η πιο πυκνή δόμηση της παλιάς και κεντρικής πόλης δημιουργεί περισσότερες σκιαζόμενες περιοχές.

2. Η πόλη του Καΐρου γνώρισε μεγάλη αύξηση των δομημένων περιοχών που έφθασε το 14,9 - 39,3% από το 1984 έως το 2013, αντίστοιχα. Δύο τάσεις για την αστική ανάπτυξη έλαβαν χώρα κατά τη διάρκεια της περιόδου μελέτης. Πρώτον, κατασκευάστηκαν μεγάλης έκτασης αστικές περιοχές, άτυπα και χωρίς σχεδιασμό, και επιπροσθέτως, οι νέες, νόμιμες κατασκευές αυξήθηκαν σε μέγεθος και πυκνότητα. Η τάση αυτή έγινε περισσότερο αισθητή μετά την Αιγυπτιακή επανάσταση το 2011, όταν η άτυπη αστική ανάπτυξη επιταχύνθηκε από την αδυναμία κυβερνητικού ελέγχου κατά τη διάρκεια αυτής της περιόδου.

3. Η συνεχιζόμενη αύξηση του αστικού / δομημένου χώρου είναι αισθητή, όπου η θερμοκρασία πάνω από την κατηγορία '' Αστικός '' αυξήθηκε. Σε σύγκριση με το μέσο όρο της θερμοκρασίας πάνω από τα καλλιεργούμενα εδάφη, το μέγεθος της αστικής θερμικής νησίδας (UHI) πάνω από το Κάιρο κυμαινόταν από 3,11°C έως 5,7°C. Η ανάλυση δείχνει μια διακύμανση της έντασης της UHI, η οποία, εκτός από τις μεταβολές στην κάλυψη γης και τα σχετικά ποσοστά εξατμισοδιαπνοής, σχετίζεται με τις καιρικές συνθήκες, την κλιματική αλλαγή και τις ανθρωπογενείς δραστηριότητες. Το συμπαγές αστικό πρότυπο ενισχύει την αύξηση της επιφανειακής θερμοκρασίας της γης και την ανάπτυξη περισσότερων hotspots. Ζώνες πρασίνου, κήποι, πάρκα και σιντριβάνια νερού είναι ανεπαρκή και απαιτούνται για τη μείωση των UHI σε όλη την πόλη.

4. Οι πράσινες εκτάσεις που έχουν καταγραφεί από τις δορυφορικές εικόνες (από την κάλυψη γης και τον NDVI) παρουσιάζουν μείωση. Η εξέλιξη αυτή έχει αρνητικές επιπτώσεις στο ρυθμό εξατμισοδιαπνοής, ο οποίος μειώνει τη ροή θερμότητας σε μια πόλη.

[[category:Ενέργεια]]

Ανίχνευση μεταβολών των αστικών νησίδων θερμότητας με τη χρήση εικόνων Landsat: μελέτη περίπτωσης για την πόλη του Καΐρου, Αίγυπτος

2015-04-05T18:36:53Z

Stavropoulou Athanasia:

'''Πρωτότυπος τίτλος:'''
Change detection of urban heat islands and some related parameters using multi-temporal Landsat images; a case study for Cairo city, Egypt

'''Συγγραφείς:'''
Hala Adel Effat, Ossman Abdel Kader Hassan

http://www.sciencedirect.com/science/article/pii/S2212095514000832

'''Περίληψη'''

Το Κάιρο έχει μια μοναδική γεωγραφική θέση και παρουσιάζει μία από τις υψηλότερες οικιστικές πυκνότητες σε παγκόσμιο επίπεδο. Η παρούσα μελέτη επιχειρεί να χαρτογραφήσει και να ανιχνεύσει μεταβολές στην κάλυψη γης και στις αστικές νησίδες θερμότητας που σημειώθηκαν στο Κάιρο κατά τη διάρκεια των τριών τελευταίων δεκαετιών με τη χρήση multi-temporal δορυφορικών δεδομένων Landsat TM.

'''Εισαγωγή'''

Μια Αστική Νησίδα Θερμότητας είναι η περίσσεια θερμότητας που εμφανίζεται στην ατμόσφαιρας μιας αστικής περιοχής σε σύγκριση με τους μη-αστικοποιημένους περιβάλλοντες χώρους. Οι αστικές περιοχές γενικά παρουσιάζουν υψηλότερη απορρόφηση της ηλιακής ακτινοβολίας και μεγαλύτερη θερμική χωρητικότητα και αγωγιμότητα, καθώς αποτελούνται από κτήρια, δρόμους και άλλες μη διαπερατές επιφάνειες. Η θερμότητα αποθηκεύεται κατά τη διάρκεια της ημέρας και απελευθερώνεται κατά τη διάρκεια της νύχτας. Ως εκ τούτου, οι αστικές περιοχές τείνουν να εμφανίζουν σχετικά υψηλότερη θερμοκρασία σε σχέση με τις γύρω αγροτικές περιοχές. Αυτή η θερμική διαφορά, σε συνδυασμό με την απορριπτόμενη θερμότητα που απελευθερώνεται από αστικά σπίτια, τις μεταφορές και τη βιομηχανία, συμβάλλουν στην ανάπτυξη της Αστικής θερμικής Νησίδας (UHI).

'''1.1. Κάιρο: τοποθεσία, περιγραφή του προβλήματος και ανασκόπηση της βιβλιογραφίας'''
[[Εικόνα:832-1.jpg|thumb|left|Εικόνα 1: (α) η τοποθεσία της πόλης του Καΐρου, (β) η πόλη του Καΐρου το 2007, εικόνα ανακτημένη από το Google Earth.]]

Η πόλη του Καΐρου βρίσκεται σε γεωγραφικό πλάτος 30° 06’ Β και γεωγραφικό μήκος 31 28’ E σε υψόμετρο 74,5 m asl. Η πόλη βρίσκεται στα ανατολικά του ποταμού Νείλου, νότια του Δέλτα του ποταμού. Συνορεύει από τα δυτικά με την αστική περιοχή του Κυβερνείου της Γκίζας στις δυτικές όχθες του ποταμού Νείλου (Εικ. 1). Η πόλη χαρακτηρίζεται από την παρουσία των λόφων του Ελ Moqattam στα νοτιοανατολικά και έρημο που εκτείνεται προς την ανατολική κατεύθυνση (Robaa, 2003). Το νότιο άκρο του Κυβερνείου του Qalyubia συνορεύει με την πόλη του Καΐρου από την βορειοδυτική πλευρά. Η τοποθεσία του Καΐρου είναι μοναδική: περιλαμβάνει τμήμα του Δέλτα του Νείλου, καλλιεργούμενες εκτάσεις και τον ποταμό Νείλο, στα δυτικά και γυμνές εκτάσεις της ερήμου στα ανατολικά.

'''2. Τα δεδομένα'''

Δορυφορικά δεδομένα Landsat πολλαπλών χρονικών στιγμών χρησιμοποιήθηκαν για την ανίχνευση των μεταβολών στις αστικές νησίδες θερμότητας (UHI) πάνω από το Κάιρο, κατά τη διάρκεια των καλοκαιρινών περιόδων. Μια περίοδος τριών δεκαετιών καλύφθηκε από πέντε υπο-σκηνές, που αποκτήθηκαν στις 20 Σεπτεμβρίου 1984, στις 4 Αυγούστου 1990, στις 26 Αυγούστου 2001, στις 28 Αυγούστου 2006 και στις 18 Αυγούστου 2013. Τα δεδομένα δημιουργήθηκαν από την U.S. Geological Survey (2013) και λήφθηκαν σε μορφή αρχείου εικόνας (GeoTIFF). Τα δεδομένα αποκτήθηκαν από τους αισθητήρες Landsat-5TM και Landsat-7 ΕΤΜ+. Το κανάλι 6 (θερμικό υπέρυθρο) χρησιμοποιήθηκε για τη θερμική χαρτογράφηση και την ανίχνευση των αστικών νησίδων θερμότητας. Τα κανάλια 1, 2, 3, 4, 5 και 7 χρησιμοποιήθηκαν για τη χαρτογράφηση της χρήσεων γης / κάλυψης γης και των σχετικών αλλαγών. Μια γεωγραφική βάση δεδομένων για την πόλη του Καΐρου, η οποία δημιουργήθηκε από τον Egyptian General Organization for Physical Planning (2010), χρησιμοποιήθηκε για αυτή τη μελέτη.

'''3. Μεθοδολογία'''

Αρκετές τεχνικές επεξεργασίας εικόνας με τη χρήση των λογισμικών ENVI 4.8 και ArcGIS 10 εφαρμόστηκαν για τη μελέτη των αλλαγών της χρήση γης / κάλυψης γης και της σχετικής επιφανειακής θερμοκρασίας στην πόλη του Καΐρου.
[[Εικόνα:832-2.jpg|thumb|right|Εικόνα 2: Ανίχνευση των μεταβολών στην κάλυψη γης με τη χρήση εικόνων Landsat TM, ETM από πολλαπλές χρονικές στιγμές.]]

'''3.1 Χαρτογράφηση μεταβολών κάλυψης γης/χρήσης γης στην περιοχή του Καΐρου'''

Τα κανάλια 1-5 και 7 έχουν χωρική διακριτική ικανότητα 30m, ενώ το θερμικό υπέρυθρο κανάλι (κανάλι 6) έχει χωρική διακριτική ικανότητα 120m για τις εικόνες Landsat 5 TM και 60m για τις εικόνες Landsat 7ETM+. Οι εικόνες αυτές υποβλήθηκαν σε αναγωγή με τη βοήθεια του αλγόριθμου του εγγύτερου γείτονα, με μέγεθος pixel 30m για τα κανάλια 1,2,3,4,5 και 7, ενώ για την ανάλυση των μεταβολών της θερμοκρασίας και των χρήσεων γης/κάλυψης γης στην περιοχή μελέτης, οι εικόνες υποβλήθηκαν σε γεωαναφορά στο ίδιο σύστημα συντεταγμένων (UTM/WGS84). Για την ταξινόμηση των εικόνων Landsat, χρησιμοποιήθηκε ο αλγόριθμος της μέγιστης πιθανοφάνειας.

'''3.2 Ανίχνευση μεταβολών στη φωταύγεια'''

Για τον υπολογισμό της φωταύγειας, χρησιμοποήθηκε ο τύπος του Liang(2000), ο οποίος κανονικοποιήθηκε από τον Smith (2010), Οι χάρτες που προέκυψαν ταξινομήθηκαν με τη μέθοδο της τυπικής απόκλισης

'''3.3 Ανίχνευση μεταβολών στον Κανονικοποιημένο Δείκτη Βλάστησης (NDVI)'''

Ο Κανονικοποιημένος Δείκτης Βλάστησης υπολογίστηκε και για τις πέντε εικόνες από τον τύπο :
'''NDVI = (near - infrared) – red / (near – infrared) + red'''

'''3.4 Ανάκτηση της επιφανειακής θερμοκρασίας της γης από το θερμικό κανάλι του Landsat'''
[[Εικόνα:832-3.jpg|thumb|right|Εικόνα 3: Χάρτες της θερμοκρασίας της επιφάνειας της γης με τη χρήση εικόνων Landsat από πολλαπλές χρονικές στιγμές.]]

Για την ανάκτηση της επιφανειακής θερμοκρασίας της γης έχουν αναπτυχθεί διάφοροι αλγόριθμοι. Στη συγκεκριμένη περίπτωση, χρησιμοποιήθηκε η μέθοδος των Artis & Carnahan (1982), η οποία δεν χρειάζεται επιπλέον παραμέτρους εισόδου, γι’ αυτό και επιλέχθηκε.

'''3.5 Ανίχνευση των αστικών θερμικών νησίδων'''

Οι Ma et al(2010) όρισαν την ένταση της αστικής θερμικής νησίδας ως τη διαφορά ανάμεσα στη μέση θερμοκρασία της περιοχής της UHI και της αντίστοιχης θερμοκρασίας μιας αγροτικής περιοχής. Η ίδια μέθοδος χρησιμοποιήθηκε για τη μέτρηση της έντασης των UHI του Καΐρου, για κάθε μία από τις δορυφορικές εικόνες. Η χωρική κατανομή των ζωνών UHI παρουσιάζεται στην [εικ. 4].

[[Εικόνα:832-4.jpg|thumb|right|Εικόνα 4: Χωρική έκταση των αστικών θερμικών νησίδων (UHI) βασισμένη στις εικόνες Landsat TM, ETM από πολλαπλές χρονικές στιγμές. Οι ζώνες των UHI σημειώνονται με κόκκινο χρώμα. Για την περαιτέρω ερμηνεία της χρωματικής απόδοσης των εικόνων, ο αναγνώστης παραπέμπεται στην εκδοχή του άρθρου που βρίσκεται στο διαδίκτυο.]]

'''4. Συμπεράσματα'''

Τα αποτελέσματα που προέκυψαν από την παρούσα μελέτη απέδειξαν την εγκυρότητα της χρήσης δορυφορικών εικόνων Landsat από πολλαπλές χρονικές στιγμές, προκειμένου να χαρτογραφηθούν και να εντοπιστούν οι αλλαγές στις αστικές νησίδες θερμότητας (UHI) πάνω από ημι-άνυδρες πυκνοδομημένες πόλεις, όπως το Κάιρο στην Αίγυπτο. Η τηλεπισκόπηση παρέχει ένα μέτρο για το μέγεθος των επιφανειακών θερμοκρασιών ολόκληρης της αστικής περιοχής, καθώς και τη χωρική έκταση της επίδρασης της θερμικής νησίδας. Παρέχει, επίσης, ένα μέτρο για τη φωταύγεια και τον κανονικοποιημένο δείκτη βλάστησης (NDVI) από δορυφορικές εικόνες που προέρχονται από διαφορετικές χρονικές στιγμές.

Η παρούσα μελέτη οδήγησε στα ακόλουθα συμπεράσματα:

1. Το μικρο-αστικό κλίμα της πόλης του Καΐρου είναι αρκετά πολύπλοκο και επηρεάζεται από διάφορες περιβάλλουσες κατηγορίες κάλυψης γης. Το γεγονός αυτό είναι εμφανές στο ανατολικό τμήμα του Καΐρου, όπου τα κρίσιμα/επίμαχα σημεία σχετίζονται με επιδράσεις από την έρημο και τα γυμνά εδάφη. Στο δυτικό τμήμα, εντοπίζεται ηπιότερο μικρο-αστικό κλίμα, το οποίο οφείλεται στην εγγύτητά του με τον ποταμό Νείλο και τις καλλιεργούμενες εκτάσεις στο Δέλτα του ποταμού. Επίσης, η πιο πυκνή δόμηση της παλιάς και κεντρικής πόλης δημιουργεί περισσότερες σκιαζόμενες περιοχές.

2. Η πόλη του Καΐρου γνώρισε μεγάλη αύξηση των δομημένων περιοχών που έφθασε το 14,9 - 39,3% από το 1984 έως το 2013, αντίστοιχα. Δύο τάσεις για την αστική ανάπτυξη έλαβαν χώρα κατά τη διάρκεια της περιόδου μελέτης. Πρώτον, κατασκευάστηκαν μεγάλης έκτασης αστικές περιοχές, άτυπα και χωρίς σχεδιασμό, και επιπροσθέτως, οι νέες, νόμιμες κατασκευές αυξήθηκαν σε μέγεθος και πυκνότητα. Η τάση αυτή έγινε περισσότερο αισθητή μετά την Αιγυπτιακή επανάσταση το 2011, όταν η άτυπη αστική ανάπτυξη επιταχύνθηκε από την αδυναμία κυβερνητικού ελέγχου κατά τη διάρκεια αυτής της περιόδου.

3. Η συνεχιζόμενη αύξηση του αστικού / δομημένου χώρου είναι αισθητή, όπου η θερμοκρασία πάνω από την κατηγορία '' Αστικός '' αυξήθηκε. Σε σύγκριση με το μέσο όρο της θερμοκρασίας πάνω από τα καλλιεργούμενα εδάφη, το μέγεθος της αστικής θερμικής νησίδας (UHI) πάνω από το Κάιρο κυμαινόταν από 3,11°C έως 5,7°C. Η ανάλυση δείχνει μια διακύμανση της έντασης της UHI, η οποία, εκτός από τις μεταβολές στην κάλυψη γης και τα σχετικά ποσοστά εξατμισοδιαπνοής, σχετίζεται με τις καιρικές συνθήκες, την κλιματική αλλαγή και τις ανθρωπογενείς δραστηριότητες. Το συμπαγές αστικό πρότυπο ενισχύει την αύξηση της επιφανειακής θερμοκρασίας της γης και την ανάπτυξη περισσότερων hotspots. Ζώνες πρασίνου, κήποι, πάρκα και σιντριβάνια νερού είναι ανεπαρκή και απαιτούνται για τη μείωση των UHI σε όλη την πόλη.

4. Οι πράσινες εκτάσεις που έχουν καταγραφεί από τις δορυφορικές εικόνες (από την κάλυψη γης και τον NDVI) παρουσιάζουν μείωση. Η εξέλιξη αυτή έχει αρνητικές επιπτώσεις στο ρυθμό εξατμισοδιαπνοής, ο οποίος μειώνει τη ροή θερμότητας σε μια πόλη.

[[category:Ενέργεια]]

Ταξινόμηση τυπολογίας κτηρίων με τη χρήση χωρικών και χαρακτηριστικών του τοπίου που προέρχονται από LiDAR δεδομένα τηλεπισκόπησης

2015-04-05T18:14:07Z

Stavropoulou Athanasia:

'''Πρωτότυπος τίτλος:'''
Building type classification using spatial and landscape attributes derived from LiDAR remote sensing data

'''Συγγραφείς:'''
Zhenyu Lu, Jungho Im, Jinyoung Rhee, Michael Hodgson

http://www.sciencedirect.com/science/article/pii/S0169204614001601

'''Περίληψη'''

Οι πληροφορίες που αφορούν στα κτήρια είναι ένα από τα βασικά στοιχεία για μια σειρά πρακτικών του πολεοδομικού σχεδιασμού και της διαχείρισης του αστικού χώρου. Σε αυτή τη μελέτη, διεξάγεται μια έρευνα για την ταξινόμηση της τυπολογίας των κτηρίων, με τη χρήση δεδομένων τηλεπισκόπησης (LIDAR), σε τρεις κατηγορίες: σε μονοκατοικίες, σε πολυκατοικίες και σε μη οικιστικά κτήρια. Τέσσερα είδη των χωρικών ιδιοτήτων που περιγράφουν το σχήμα, τη θέση και τον περιβάλλοντα χώρο των κτηρίων υπολογίστηκαν και στη συνέχεια χρησιμοποιήθηκαν στην ταξινόμηση. Τα πειράματα πραγματοποιήθηκαν στα προάστια και στο κέντρο του Ντένβερ, CO, ΗΠΑ, σε περιοχές που περιλαμβάνουν διαφορετικά χαρακτηριστικά τόσο σε επίπεδο κτηρίων όσο και σε επίπεδο περιβάλλοντος γειτονιάς.

'''1. Περιοχή μελέτης και δεδομένα'''

'''1.1. Περιοχή μελέτης'''

[[Εικόνα:601-1.jpg|thumb|right|Εικόνα 1: Οι περιοχές μελέτης στο κέντρο και στα προάστια του Ντένβερ.]]

Ως περιοχή μελέτης επιλέχθηκαν δύο περιοχές στο κέντρο και στα προάστια του Denver, στο Κολοράντο των ΗΠΑ. Τα χαρακτηριστικά των κτηρίων είναι διαφορετικά για τις δύο περιοχές. Στο κέντρο της πόλης περιλαμβάνονται μονοκατοικίες σε ποσοστό 43,38% , πολυκατοικίες σε ποσοστό 36,62% και κτήρια που δεν αποτελούν κτήρια κατοικίας σε ποσοστό 20%. Στα προάστια, οι μονοκατοικίες κυριαρχούν με ποσοστό 85,57%, ακολουθούν οι πολυκατοικίες με 10,63% , ενώ τα κτήρια που δεν αποτελούν κατοικίες αποτελούν το 3,80%. Εκτός από τα τρία βασικά είδη κτηρίων, η καταγραφή της τυπολογίας διαφοροποιείται ιδιαιτέρως και στις υποκατηγορίες ανάμεσα στην περιοχή του κέντρου και εκείνης των προαστίων. Για παράδειγμα, το ποσοστό των διπλοκατοικιών και των τριπλοκατοικιών είναι μόλις 4,2% στο κέντρο της πόλης, ενώ στα προάστια το αντίστοιχο ποσοστό είναι 40,5%.

Στο κέντρο της πόλης, οι δομημένοι χώροι (π.χ. κτήρια, δρόμοι, χώροι στάθμευσης) αποτελούν τα κύρια χαρακτηριστικά του χώρου, ενώ υπάρχει ένα πάρκο στα νότια της περιοχής μελέτης, όπου κυριαρχούν το χορτάρι και τα δέντρα. Δέντρα υπάρχουν μόνο κατά μήκος των δρόμων, ενώ οι μονοκατοικίες, οι πολυκατοικίες και τα λοιπά κτήρια κατανέμονται ομοιόμορφα στο κέντρο της πόλης. Αντίθετα, στα προάστια κυρίαρχα χαρακτηριστικά αποτελούν το πράσινο και τα δέντρα, υπάρχουν πολύ λίγοι χώροι στάθμευσης κυρίως στη δυτική πλευρά της περιοχής μελέτης, ενώ κυρίαρχος τύπος κτηρίου είναι οι μονοκατοικίες. Και οι δύο περιοχές μελέτης είναι σχετικά επίπεδες.

'''1.2. Δεδομένα'''

Σ’αυτή τη μελέτη χρησιμοποιήθηκαν δεδομένα LIDAR καθώς και χωρικά δεδομένα από το GIS Center της πόλης του Ντένβερ. Τα δεδομένα LiDAR συλλέχθηκαν με χρήση ενός 1064 nm λέιζερ με συχνότητα επανάληψης παλμών 50 kHz από την Sanborn Map Company, στις 15 Απριλίου 2008. Η πυκνότητα απόσπασης δεδομένων LiDAR ήταν 2.3 πόντοι / m2.

Λόγω της κυριαρχίας των μονοκατοικιών στα προάστια, για την ταξινόμηση επιλέχθηκε τυχαία μόνο το 10% των κτηρίων, προκειμένου να εξασφαλιστεί ένας συγκρίσιμος αριθμός δειγμάτων που ανήκουν σε διαφορετικούς τύπους κτηρίων. Τόσο τα κτήρια της περιοχής του κέντρου όσο και το 10% των τυχαία επιλεγμένων κτηρίων των προαστίων χωρίστηκαν σε δύο ομάδες: 50% για τη βαθμονόμηση και 50% για την επικύρωση.

'''2.Μεθοδολογία'''

Η μέθοδος ταξινόμησης της τυπολογίας των κτηρίων που προτείνεται αποτελείται από τρία βασικά βήματα:

(1) εξαγωγή των ορίων των κτηρίων από δεδομένα LiDAR,

(2) υπολογισμός των ιδιοτήτων που σχετίζονται με τον χώρο και το τοπίο, και

(3) ταξινόμηση των οριοθετημένων κτηρίων, με τη χρήση των ιδιοτήτων που υπολογίστηκαν.

'''2.1 Εξαγωγή των ορίων των κτηρίων από δεδομένα LiDAR'''

Για την εξαγωγή των ορίων των κτηρίων χρησιμοποιείται ένας τροποποιημένος μορφολογικός αλγόριθμος εξόρυξης κτηρίων, ο οποίος βελτιώθηκε και αποδείχτηκε ιδιαίτερα αποτελεσματικός κυρίως για την ανίχνευση pixel κτηρίων που φράζονται από γειτονικά ψηλά δέντρα.

'''2.2 Εξαγωγή των στοιχείων χρήσης γης'''

Ο προσδιορισμός των στοιχείων του περιβάλλοντος χώρου, για στοιχεία όπως η βλάστηση, οι δρόμοι και οι χώροι στάθμευσης, έγινε με τις τέσσερις επιφάνειες που προέρχονται από το LiDAR, χρησιμοποιώντας τους αλγόριθμους επιβλεπόμενης ταξινόμησης.

'''2.3 Εξαγωγή των χωρικών ιδιοτήτων'''

Αφού ολοκληρωθεί η οριοθέτηση των κτηρίων και η ταξινόμηση των στοιχείων του περιβάλλοντος χώρου, υπολογίζονται τέσσερις ομάδες ιδιοτήτων του χώρου και του τοπίου, οι οποίες χρησιμοποιούνται στη συνέχεια για την ταξινόμηση των κτηρίων. Οι ιδιότητες αυτές αφορούν βασικά στατιστικά χαρακτηριστικά (ομάδα Α), ιδιότητες που σχετίζονται με το σχήμα (ομάδα Β), τη χωρική συσχέτιση ανάμεσα στα κτήρια (ομάδα Γ) καθώς και τη χωρική συσχέτιση των κτηρίων με τα στοιχεία χρήσεις γης (ομάδα Δ).

'''2.4. Ταξινόμηση τυπολογίας κτηρίων'''

[[Εικόνα:601-2.jpg|thumb|left|Εικόνα 2: Χάρτης ταξινόμησης τυπολογίας κτηρίων για την περιοχή του κέντρου: η ταξινόμηση με βάση (α) το σχήμα I, και (β) το σχήμα II.]]
Για την ταξινόμηση των κτηρίων χρησιμοποιούνται τέσσερις αλγόριθμοι μηχανικής μάθησης. Η ταξινόμηση περιλαμβάνει τρεις κατηγορίες κτηρίων: τις μονοκατοικίες, τις πολυκατοικίες και κτήρια που δεν στεγάζουν χρήση κατοικίας. Δύο σχήματα ταξινόμησης προτείνονται: στο σχήμα I, τα κτήρια κατοικιών που περιλαμβάνουν μόνο μία μονάδα θεωρούνται μονοκατοικίες. Οι πολυκατοικίες ορίζονται ως κτήρια κατοικιών που περιλαμβάνουν περισσότερες από μία μονάδες, όπως τα διαμερίσματα και οι μεζονέτες. Κτήρια που φιλοξενούν άλλες χρήσεις, όπως θέατρα, ξενοδοχεία, σχολεία, εργοστάσια, καταστήματα λιανικής πώλησης, ορίζονται ως μη οικιστικά κτήρια. Επειδή οι μονοκατοικίες και μερικά συγκροτήματα κατοικιών (π.χ. διαμερίσματα δύο και τριών μονάδων) μπορεί να έχουν παρόμοια χαρακτηριστικά κτηρίου ως προς το σχήμα και το μέγεθος, το σχήμα II, συμπεριλαμβάνει τις περιπτώσεις αυτές στην ίδια κατηγορία.

Προκειμένου να διερευνηθεί η αποτελεσματικότητα των διαφορετικών χαρακτηριστικών στην ακρίβεια ταξινόμησης, τα κτήρια κατατάσσονται αρχικά χρησιμοποιώντας τα χαρακτηριστικά από τις τέσσερις ομάδες, τόσο μεμονωμένα όσο και συνολικά. Τα αποτελέσματα της ταξινόμησης αξιολογούνται χρησιμοποιώντας τυπικές στατιστικές ακρίβειας, όπως η ακρίβεια του παραγωγού, η ακρίβεια του χρήστη, η συνολική ακρίβεια και ο Συντελεστής Συμφωνίας Kappa.

'''3.Αποτελέσματα'''

[[Εικόνα:601-3.jpg|thumb|right|Εικόνα 3: Χάρτης ταξινόμησης τυπολογίας κτηρίων για την περιοχή των προαστίων: η ταξινόμηση με βάση (α) το σχήμα I, και (β) το σχήμα II.]]
Οι τέσσερις τεχνικές (η DT, ADT, RF, και SVM) που χρησιμοποιήθηκαν για την ταξινόμηση των κτηρίων, οδήγησαν σε συνολική ακρίβεια της τάξης του 60-88% στις δύο περιοχές μελέτης. Μεταξύ των τεσσάρων προσεγγίσεων ταξινόμησης, η SVM ξεπέρασε τους άλλους τρεις ταξινομητές αποδίδοντας πιο ακριβή αποτελέσματα, τόσο στο κέντρο της πόλης όσο και στα προάστια. Η ταξινόμηση των κτηρίων οδήγησε σε σχετικά υψηλότερη ακρίβεια στο κέντρο της πόλης σε σχέση με τα προάστια, ακόμη και αν η τοποθεσία στο κέντρο της πόλης παρουσίαζε μεγαλύτερη χωρική ανομοιογένεια.

Οι εικόνες 2 και 3 απεικονίζουν τα αποτελέσματα της ταξινόμησης SVM χρησιμοποιώντας όλες τις ομάδες των ιδιοτήτων για τις δύο περιοχές μελέτης. Στο κέντρο της πόλης, το σφάλμα της ταξινόμησης οφείλεται κυρίως στις πληροφορίες του σχήματος των κτηρίων. Για παράδειγμα, στο σχήμα I (Εικ. 2α) τα κτήρια πολυκατοικιών που έχουν ταξινομηθεί ως μη οικιστικά κτήρια είναι όλα μεγάλα σε μέγεθος, ενώ τα μικρά σε μέγεθος, μη οικιστικά κτήρια ταξινομήθηκαν εσφαλμένα ως μονοκατοικίες. Κατά την εφαρμογή του σχήματος II (Εικ.2β), δημιουργήθηκε σημαντική σύγχυση ανάμεσα στις πολυκατοικίες και στα μη οικιστικά κτήρια.

Όσον αφορά τα προάστια, η σύγχυση ανάμεσα στις μονοκατοικίες και τις πολυκατοικίες οδήγησε σε εσφαλμένες ταξινομήσεις των κτηρίων με βάση το σχήμα I (Εικ. 3α), ενώ για το σχήμα II (Εικ. 3β) το σφάλμα ανάμεσα στις δύο αυτές κατηγορίες είναι μικρότερο. Παρ’ όλα αυτά, πολλά μικρά μη οικιστικά κτήρια, όπως καταστήματα λιανικής, ταξινομήθηκαν ως μονοκατοικίες, ενώ μικρά συγκροτήματα κατοικιών (π.χ. 4-6 διαμερισμάτων) κατηγοριοποιήθηκαν ως μονοκατοικίες.

'''4. Συμπεράσματα'''

Η εξαγωγή πληροφοριών που αφορούν στην τυπολογία των κτηρίων από τηλεπισκοπικά δεδομένα είναι ένα πολύτιμο αλλά δύσκολο έργο. Αυτή η μελέτη προτείνει μια μέθοδο για τη λήψη πληροφοριών σχετικά με την τυπολογία των κτηρίων, χρησιμοποιώντας τέσσερις ομάδες χωρικών ιδιοτήτων και ιδιοτήτων του τοπίου που προέρχονται από τα δεδομένα LiDAR. Η προτεινόμενη μέθοδος δοκιμάστηκε σε δύο περιοχές μελέτης στο Ντένβερ, CO, Η.Π.Α., οι οποίες παρουσιάζουν διαφορετικά χαρακτηριστικά, τόσο ως προς τα κτήρια όσο και ως προς το περιβάλλον της γειτονιάς.

Πιστεύεται ότι το προϊόν της παρούσας μελέτης είναι πολύτιμο για τον αστικό σχεδιασμό και τη διαχείριση του αστικού χώρου. Στην πραγματικότητα, εκτός από τα κτήρια, η προτεινόμενη μέθοδος, με την κατάλληλη τροποποίηση, μπορεί να εφαρμοστεί και σε άλλα αστικά χαρακτηριστικά, όπως είναι οι δρόμοι, οι χώροι στάθμευσης, καθώς επίσης και οι χορτολιβαδικές εκτάσεις, τα οποία είναι επίσης σημαντικά στοιχεία για τον πολεοδομικό σχεδιασμό.

[[category:Αστικός και περιφερειακός σχεδιασμός]]

Ταξινόμηση τυπολογίας κτηρίων με τη χρήση χωρικών και χαρακτηριστικών του τοπίου που προέρχονται από LiDAR δεδομένα τηλεπισκόπησης

2015-04-05T18:13:34Z

Stavropoulou Athanasia:

'''Πρωτότυπος τίτλος:'''
Building type classification using spatial and landscape attributes derived from LiDAR remote sensing data

'''Συγγραφείς:'''
Zhenyu Lu, Jungho Im, Jinyoung Rhee, Michael Hodgson

http://www.sciencedirect.com/science/article/pii/S0169204614001601

'''Περίληψη'''

Οι πληροφορίες που αφορούν στα κτήρια είναι ένα από τα βασικά στοιχεία για μια σειρά πρακτικών του πολεοδομικού σχεδιασμού και της διαχείρισης του αστικού χώρου. Σε αυτή τη μελέτη, διεξάγεται μια έρευνα για την ταξινόμηση της τυπολογίας των κτηρίων, με τη χρήση δεδομένων τηλεπισκόπησης (LIDAR), σε τρεις κατηγορίες: σε μονοκατοικίες, σε πολυκατοικίες και σε μη οικιστικά κτήρια. Τέσσερα είδη των χωρικών ιδιοτήτων που περιγράφουν το σχήμα, τη θέση και τον περιβάλλοντα χώρο των κτηρίων υπολογίστηκαν και στη συνέχεια χρησιμοποιήθηκαν στην ταξινόμηση. Τα πειράματα πραγματοποιήθηκαν στα προάστια και στο κέντρο του Ντένβερ, CO, ΗΠΑ, σε περιοχές που περιλαμβάνουν διαφορετικά χαρακτηριστικά τόσο σε επίπεδο κτηρίων όσο και σε επίπεδο περιβάλλοντος γειτονιάς.

'''1. Περιοχή μελέτης και δεδομένα'''

'''1.1. Περιοχή μελέτης'''

[[Εικόνα:601-1.jpg|thumb|right|Εικόνα 1: Οι περιοχές μελέτης στο κέντρο και στα προάστια του Ντένβερ.]]

Ως περιοχή μελέτης επιλέχθηκαν δύο περιοχές στο κέντρο και στα προάστια του Denver, στο Κολοράντο των ΗΠΑ. Τα χαρακτηριστικά των κτηρίων είναι διαφορετικά για τις δύο περιοχές. Στο κέντρο της πόλης περιλαμβάνονται μονοκατοικίες σε ποσοστό 43,38% , πολυκατοικίες σε ποσοστό 36,62% και κτήρια που δεν αποτελούν κτήρια κατοικίας σε ποσοστό 20%. Στα προάστια, οι μονοκατοικίες κυριαρχούν με ποσοστό 85,57%, ακολουθούν οι πολυκατοικίες με 10,63% , ενώ τα κτήρια που δεν αποτελούν κατοικίες αποτελούν το 3,80%. Εκτός από τα τρία βασικά είδη κτηρίων, η καταγραφή της τυπολογίας διαφοροποιείται ιδιαιτέρως και στις υποκατηγορίες ανάμεσα στην περιοχή του κέντρου και εκείνης των προαστίων. Για παράδειγμα, το ποσοστό των διπλοκατοικιών και των τριπλοκατοικιών είναι μόλις 4,2% στο κέντρο της πόλης, ενώ στα προάστια το αντίστοιχο ποσοστό είναι 40,5%.

Στο κέντρο της πόλης, οι δομημένοι χώροι (π.χ. κτήρια, δρόμοι, χώροι στάθμευσης) αποτελούν τα κύρια χαρακτηριστικά του χώρου, ενώ υπάρχει ένα πάρκο στα νότια της περιοχής μελέτης, όπου κυριαρχούν το χορτάρι και τα δέντρα. Δέντρα υπάρχουν μόνο κατά μήκος των δρόμων, ενώ οι μονοκατοικίες, οι πολυκατοικίες και τα λοιπά κτήρια κατανέμονται ομοιόμορφα στο κέντρο της πόλης. Αντίθετα, στα προάστια κυρίαρχα χαρακτηριστικά αποτελούν το πράσινο και τα δέντρα, υπάρχουν πολύ λίγοι χώροι στάθμευσης κυρίως στη δυτική πλευρά της περιοχής μελέτης, ενώ κυρίαρχος τύπος κτηρίου είναι οι μονοκατοικίες. Και οι δύο περιοχές μελέτης είναι σχετικά επίπεδες.

'''1.2. Δεδομένα'''

Σ’αυτή τη μελέτη χρησιμοποιήθηκαν δεδομένα LIDAR καθώς και χωρικά δεδομένα από το GIS Center της πόλης του Ντένβερ. Τα δεδομένα LiDAR συλλέχθηκαν με χρήση ενός 1064 nm λέιζερ με συχνότητα επανάληψης παλμών 50 kHz από την Sanborn Map Company, στις 15 Απριλίου 2008. Η πυκνότητα απόσπασης δεδομένων LiDAR ήταν 2.3 πόντοι / m2.

Λόγω της κυριαρχίας των μονοκατοικιών στα προάστια, για την ταξινόμηση επιλέχθηκε τυχαία μόνο το 10% των κτηρίων, προκειμένου να εξασφαλιστεί ένας συγκρίσιμος αριθμός δειγμάτων που ανήκουν σε διαφορετικούς τύπους κτηρίων. Τόσο τα κτήρια της περιοχής του κέντρου όσο και το 10% των τυχαία επιλεγμένων κτηρίων των προαστίων χωρίστηκαν σε δύο ομάδες: 50% για τη βαθμονόμηση και 50% για την επικύρωση.

'''2.Μεθοδολογία'''

Η μέθοδος ταξινόμησης της τυπολογίας των κτηρίων που προτείνεται αποτελείται από τρία βασικά βήματα:

(1) εξαγωγή των ορίων των κτηρίων από δεδομένα LiDAR,

(2) υπολογισμός των ιδιοτήτων που σχετίζονται με τον χώρο και το τοπίο, και

(3) ταξινόμηση των οριοθετημένων κτηρίων, με τη χρήση των ιδιοτήτων που υπολογίστηκαν.

'''2.1 Εξαγωγή των ορίων των κτηρίων από δεδομένα LiDAR'''

Για την εξαγωγή των ορίων των κτηρίων χρησιμοποιείται ένας τροποποιημένος μορφολογικός αλγόριθμος εξόρυξης κτηρίων, ο οποίος βελτιώθηκε και αποδείχτηκε ιδιαίτερα αποτελεσματικός κυρίως για την ανίχνευση pixel κτηρίων που φράζονται από γειτονικά ψηλά δέντρα.

'''2.2 Εξαγωγή των στοιχείων χρήσης γης'''

Ο προσδιορισμός των στοιχείων του περιβάλλοντος χώρου, για στοιχεία όπως η βλάστηση, οι δρόμοι και οι χώροι στάθμευσης, έγινε με τις τέσσερις επιφάνειες που προέρχονται από το LiDAR, χρησιμοποιώντας τους αλγόριθμους επιβλεπόμενης ταξινόμησης.

'''2.3 Εξαγωγή των χωρικών ιδιοτήτων'''

Αφού ολοκληρωθεί η οριοθέτηση των κτηρίων και η ταξινόμηση των στοιχείων του περιβάλλοντος χώρου, υπολογίζονται τέσσερις ομάδες ιδιοτήτων του χώρου και του τοπίου, οι οποίες χρησιμοποιούνται στη συνέχεια για την ταξινόμηση των κτηρίων. Οι ιδιότητες αυτές αφορούν βασικά στατιστικά χαρακτηριστικά (ομάδα Α), ιδιότητες που σχετίζονται με το σχήμα (ομάδα Β), τη χωρική συσχέτιση ανάμεσα στα κτήρια (ομάδα Γ) καθώς και τη χωρική συσχέτιση των κτηρίων με τα στοιχεία χρήσεις γης (ομάδα Δ).

'''2.4. Ταξινόμηση τυπολογίας κτηρίων'''

[[Εικόνα:601-2.jpg|thumb|left|Εικόνα 2: Χάρτης ταξινόμησης τυπολογίας κτηρίων για την περιοχή του κέντρου: η ταξινόμηση με βάση (α) το σχήμα I, και (β) το σχήμα II.]]
Για την ταξινόμηση των κτηρίων χρησιμοποιούνται τέσσερις αλγόριθμοι μηχανικής μάθησης. Η ταξινόμηση περιλαμβάνει τρεις κατηγορίες κτηρίων: τις μονοκατοικίες, τις πολυκατοικίες και κτήρια που δεν στεγάζουν χρήση κατοικίας. Δύο σχήματα ταξινόμησης προτείνονται: στο σχήμα I, τα κτήρια κατοικιών που περιλαμβάνουν μόνο μία μονάδα θεωρούνται μονοκατοικίες. Οι πολυκατοικίες ορίζονται ως κτήρια κατοικιών που περιλαμβάνουν περισσότερες από μία μονάδες, όπως τα διαμερίσματα και οι μεζονέτες. Κτήρια που φιλοξενούν άλλες χρήσεις, όπως θέατρα, ξενοδοχεία, σχολεία, εργοστάσια, καταστήματα λιανικής πώλησης, ορίζονται ως μη οικιστικά κτήρια. Επειδή οι μονοκατοικίες και μερικά συγκροτήματα κατοικιών (π.χ. διαμερίσματα δύο και τριών μονάδων) μπορεί να έχουν παρόμοια χαρακτηριστικά κτηρίου ως προς το σχήμα και το μέγεθος, το σχήμα II, συμπεριλαμβάνει τις περιπτώσεις αυτές στην ίδια κατηγορία.

Προκειμένου να διερευνηθεί η αποτελεσματικότητα των διαφορετικών χαρακτηριστικών στην ακρίβεια ταξινόμησης, τα κτήρια κατατάσσονται αρχικά χρησιμοποιώντας τα χαρακτηριστικά από τις τέσσερις ομάδες, τόσο μεμονωμένα όσο και συνολικά. Τα αποτελέσματα της ταξινόμησης αξιολογούνται χρησιμοποιώντας τυπικές στατιστικές ακρίβειας, όπως η ακρίβεια του παραγωγού, η ακρίβεια του χρήστη, η συνολική ακρίβεια και ο Συντελεστής Συμφωνίας Kappa.

'''3.Αποτελέσματα'''

[[Εικόνα:601-3.jpg|thumb|right|Εικόνα 3: Χάρτης ταξινόμησης τυπολογίας κτηρίων για την περιοχή των προαστίων: η ταξινόμηση με βάση (α) το σχήμα I, και (β) το σχήμα II.]]
Οι τέσσερις τεχνικές (η DT, ADT, RF, και SVM) που χρησιμοποιήθηκαν για την ταξινόμηση των κτηρίων, οδήγησαν σε συνολική ακρίβεια της τάξης του 60-88% στις δύο περιοχές μελέτης. Μεταξύ των τεσσάρων προσεγγίσεων ταξινόμησης, η SVM ξεπέρασε τους άλλους τρεις ταξινομητές αποδίδοντας πιο ακριβή αποτελέσματα, τόσο στο κέντρο της πόλης όσο και στα προάστια. Η ταξινόμηση των κτηρίων οδήγησε σε σχετικά υψηλότερη ακρίβεια στο κέντρο της πόλης σε σχέση με τα προάστια, ακόμη και αν η τοποθεσία στο κέντρο της πόλης παρουσίαζε μεγαλύτερη χωρική ανομοιογένεια.

Οι εικόνες 2 και 3 απεικονίζουν τα αποτελέσματα της ταξινόμησης SVM χρησιμοποιώντας όλες τις ομάδες των ιδιοτήτων για τις δύο περιοχές μελέτης. Στο κέντρο της πόλης, το σφάλμα της ταξινόμησης οφείλεται κυρίως στις πληροφορίες του σχήματος των κτηρίων. Για παράδειγμα, στο σχήμα I (Εικ. 2α) τα κτήρια πολυκατοικιών που έχουν ταξινομηθεί ως μη οικιστικά κτήρια είναι όλα μεγάλα σε μέγεθος, ενώ τα μικρά σε μέγεθος, μη οικιστικά κτήρια ταξινομήθηκαν εσφαλμένα ως μονοκατοικίες. Κατά την εφαρμογή του σχήματος II (Εικ.2β), δημιουργήθηκε σημαντική σύγχυση ανάμεσα στις πολυκατοικίες και στα μη οικιστικά κτήρια.

Όσον αφορά τα προάστια, η σύγχυση ανάμεσα στις μονοκατοικίες και τις πολυκατοικίες οδήγησε σε εσφαλμένες ταξινομήσεις των κτηρίων με βάση το σχήμα I (Εικ. 3α), ενώ για το σχήμα II (Εικ. 3β) το σφάλμα ανάμεσα στις δύο αυτές κατηγορίες είναι μικρότερο. Παρ’ όλα αυτά, πολλά μικρά μη οικιστικά κτήρια, όπως καταστήματα λιανικής, ταξινομήθηκαν ως μονοκατοικίες, ενώ μικρά συγκροτήματα κατοικιών (π.χ. 4-6 διαμερισμάτων) κατηγοριοποιήθηκαν ως μονοκατοικίες.

'''4. Συμπεράσματα'''
Η εξαγωγή πληροφοριών που αφορούν στην τυπολογία των κτηρίων από τηλεπισκοπικά δεδομένα είναι ένα πολύτιμο αλλά δύσκολο έργο. Αυτή η μελέτη προτείνει μια μέθοδο για τη λήψη πληροφοριών σχετικά με την τυπολογία των κτηρίων, χρησιμοποιώντας τέσσερις ομάδες χωρικών ιδιοτήτων και ιδιοτήτων του τοπίου που προέρχονται από τα δεδομένα LiDAR. Η προτεινόμενη μέθοδος δοκιμάστηκε σε δύο περιοχές μελέτης στο Ντένβερ, CO, Η.Π.Α., οι οποίες παρουσιάζουν διαφορετικά χαρακτηριστικά, τόσο ως προς τα κτήρια όσο και ως προς το περιβάλλον της γειτονιάς.

Πιστεύεται ότι το προϊόν της παρούσας μελέτης είναι πολύτιμο για τον αστικό σχεδιασμό και τη διαχείριση του αστικού χώρου. Στην πραγματικότητα, εκτός από τα κτήρια, η προτεινόμενη μέθοδος, με την κατάλληλη τροποποίηση, μπορεί να εφαρμοστεί και σε άλλα αστικά χαρακτηριστικά, όπως είναι οι δρόμοι, οι χώροι στάθμευσης, καθώς επίσης και οι χορτολιβαδικές εκτάσεις, τα οποία είναι επίσης σημαντικά στοιχεία για τον πολεοδομικό σχεδιασμό.

[[category:Αστικός και περιφερειακός σχεδιασμός]]

Χαρτογράφηση κάλυψης γης σε σύνθετα τοπία της Μεσογείου με τη χρήση Landsat

2015-04-05T18:07:16Z

Stavropoulou Athanasia:

'''Πρωτότυπος τίτλος:'''
Mapping land cover in complex Mediterranean landscapes using Landsat: Improved classification accuracies from integrating multi-seasonal and synthetic imagery

'''Συγγραφείς:'''
Cornelius Senf, Pedro J. Leitão, Dirk Pflugmacher, Sebastian van der Linden, Patrick Hostert

http://www.sciencedirect.com/science/article/pii/S0034425714004283

'''Περίληψη'''

Τα χαμηλής έντασης συστήματα γεωργίας έχουν μεγάλη σημασία για τη βιοποικιλότητα στην Ευρώπη, αλλά συχνά επηρεάζονται από την υποβάθμιση του εδάφους ή την οικονομική πίεση, που οδηγούν είτε σε εγκατάλειψη της γης είτε στην εντατικοποίηση της γεωργίας. Αυτές οι αλλαγές στη χρήση γης επηρεάζουν τις τοπικές δομές της βιοποικιλότητας και απαιτούν ετήσια παρακολούθηση της κάλυψης γης. Για να χαρτογραφήσει κανείς με ακρίβεια την κάλυψη γης στα εν λόγω χωρο-χρονικά σύνθετα τοπία, είναι σημαντικό να συλλάβει τις φαινολογικές δυναμικές τους και την υψηλής ανάλυσης χωρική τους ετερογένεια. Στη συγκεκριμένη μελέτη, εξετάζεται αν και σε ποιο βαθμό μπορούν να βελτιωθούν οι χάρτες κάλυψης γης σύνθετων Μεσογειακών τοπίων με την ενσωμάτωση πολυ-εποχιακών εικόνων Landsat , καθώς και κατά πόσον εικόνες με προσομοίωση του STARFM μπορούν να χρησιμοποιηθούν, όποτε οι πρωτότυπες πολυ-εποχιακές εικόνες Landsat δεν είναι διαθέσιμες. Ως εκ τούτου, αναπτύσσονται διαφορετικά σενάρια ταξινόμησης με βάση τις εποχικές διακυμάνσεις της διαθεσιμότητας των δεδομένων, τα οποία βασίζονται τόσο σε πρωτότυπα όσο και προσομοιωμένα δεδομένα Landsat.

'''1. Περιοχή μελέτης & δεδομένα'''

'''1.1. Περιοχή μελέτης'''

[[Εικόνα:283-1.jpg|thumb|right|Εικόνα 1: Η περιοχή μελέτης. Στο φόντο: Η ψευδέγχρωμη εικόνα του δορυφόρου Landsat με λήψη το Σεπτέμβριο του 2011, η οποία απεικονίζεται με το έγχρωμο σύνθετο 4-3-2.]]

Η περιοχή μελέτης βρίσκεται στην περιοχή Beja στη νότια Πορτογαλία (Εικ. 1), και καλύπτει περίπου 2000 km2 γύρω από την πόλη του Castro Verde. Το κλίμα είναι μεσογειακό, με ζεστά καλοκαίρια (30-35°C κατά μέσο όρο τον Ιούλιο) και μέτρια κρύους χειμώνες (5-8°C κατά μέσο όρο τον Ιανουάριο). Περίπου το 75% της ετήσιας βροχόπτωσης (500-600mm) εμφανίζεται μεταξύ Οκτωβρίου και Μαρτίου. Οι ψευδο-στέππες του Castro Verde κατέχουν σε εθνικό και διεθνές επίπεδο σημαντικούς πληθυσμούς των απειλούμενων ειδών πτηνών της στέπας, όπως η ωτίδα (Otis tarda), η χαμωτίδα (Tetrax tetrax), και η μαυροπεριστερόκοτα (Pterocles orientalis; (Moreira et al, 2007). Οι πληθυσμοί αυτοί οδήγησαν στη δημιουργία μιας Ζώνης Ειδικής Προστασίας για πουλιά το 1999 (ΖΕΠ), η οποία καλύπτει μια έκταση περίπου 80.000ha (Εικ. 1).

Οι τοπικές κοινότητες πτηνών της στέππας από προηγούμενες μελέτες συσχετίζονται με συγκεκριμένες κατηγορίες κάλυψης γης. Κατά συνέπεια η μελέτη επικεντρώνεται στις ακόλουθες πέντε κατηγορίες κάλυψης γης: (1) γυμνά εδάφη (δηλαδή καλλιεργούμενες εκτάσεις), (2) εκτάσεις με σιτηρά, (3) λιβάδια, (4) θαμνώδεις εκτάσεις και (5) δάση.

'''1.2. Δεδομένα Landsat'''

Χρησιμοποιήθηκαν έξι L1T Landsat 5 TM εικόνες του έτους 2011, από τα αρχεία Landsat του USGS (Εικ. 2). Όλες οι εικόνες Landsat είναι ατμοσφαιρικά διορθωμένες στην επιφάνεια ανάκλασης με τη χρήση του αλγόριθμου Landsat Ecosystem Disturbance Adaptive Processing System (LEDAPS) (Masek et al., 2006). Χρησιμοποιήθηκαν όλα τα φασματικά κανάλια, εκτός από το κανάλι 1 (μπλε κανάλι) και το θερμικό κανάλι (κανάλι 6) λόγω της χαμηλότερης ευαισθησίας τους στις ιδιότητες της βλάστησης και της υψηλής συσχέτισης του καναλιού 1 με τα κανάλια 2 και 3 (Kuemmerle, Damm, & Hostert, 2008).

'''1.3. Δεδομένα MODIS'''

Χρησιμοποιήθηκαν δεδομένα MODIS με χωρική διακριτική ικανότητα 500m (MOD09A1) του 2011 (46 συνολικά). Λόγω των απαιτήσεων του STARFM (Gao et al., 2006), τα δεδομένα του MODIS μετατράπηκαν προκειμένου να βρίσκονται στο ίδιο προβολικό σύστημα με τα δεδομένα Landsat (UTM Zone 29 Ν / WGS84) και μετασχηματίστηκαν στη χωρική διακριτική ικανότητα του Landsat χρησιμοποιώντας την παρεμβολή
του εγγύτερου γείτονα.

'''2. Μεθοδολογία'''

'''2.1 Φαινολογικός χαρακτηρισμός της περιοχής μελέτης'''

Προκειμένου να δομηθούν τα σενάρια ταξινόμησης της μελέτης και να επιλεγούν οι κατάλληλες φαινολογικές ημερομηνίες, έγινε χρήση της χρονοσειράς MODIS NDVI. Οι ημερομηνίες αυτές επιλέχτηκαν ώστε να αντιπροσωπεύουν με τον καλύτερο τρόπο τον ετήσιο κύκλο της βλάστησης στην περιοχή μελέτης. Ο NDVI είναι μια συχνά χρησιμοποιούμενη προσέγγιση για τη φαινολογία της βλάστησης (de Jong, de Bruin, de Wit, Schaepman, & Dent, 2011) και ως εκ τούτου χρησιμοποιήθηκε σε αυτή τη μελέτη. Πραγματοποιήθηκε εξαγωγή χρονοσειρών NDVI για 914 εικονοστοιχεία αναφοράς, καλύπτοντας τις πέντε κατηγορίες κάλυψης γης, τα οποία χρησιμοποιήθηκαν αργότερα για την εκπαίδευση των μοντέλων ταξινόμησης της κάλυψης γης.

'''2.2 Ο αλγόριθμος STARFM'''

Ο αλγόριθμος STARFM είναι ένας αλγόριθμος σχεδιασμένος ώστε να συνδυάζει τα δεδομένα Landsat και MODIS (Gao et al., 2006). Έγινε εφαρμογή του αλγόριθμου STARFM για κάθε ένα από τα έξι διαθέσιμα ζεύγη βάσης Landsat / MODIS μεμονωμένα.

'''2.3 Ταξινόμηση χρήσεων γης'''
[[Εικόνα:283-3.jpg|thumb|right|Πίνακας 1: Δεδομένα που χρησιμοποιούνται ως εισροές στα σενάρια της ταξινόμησης κάλυψης γης.]]

'''2.3.1 Σενάρια ταξινόμησης'''

Αναπτύχθηκαν πέντε σενάρια ταξινόμησης συνολικά, όπως φαίνεται στον Πίνακα 1. Τα σενάρια 1-3 υπολογίζονται για κάθε ζεύγος βάσης, μεταβάλλοντας την ημερομηνία της εικόνας Landsat στην ταξινόμηση, και τροποποιώντας τη βαθμονόμηση του μοντέλου STARFM αναλόγως.

'''2.3.2 Αλγόριθμος ταξινόμησης και αξιολόγηση της ακρίβειας'''

[[Εικόνα:283-2.jpg|thumb|right|Εικόνα 2: Παράδειγμα εικόνων WorldView-2 και Landsat για τις 5 κατηγορίες κάλυψης γης. Η υψηλής ανάλυσης εικόνα WorldView-2 του Google Earth παρείχε χωρική πληροφορία για την ερμηνεία των εικονοστοιχείων αναφοράς, ενώ η πολύ-εποχιακή φασματική πληροφορία του Landsat χρησιμοποιήθηκε για την προσωρινή διάκριση των κλάσεων.]]

Χρησιμοποιήθηκε ένας αλγόριθμος ταξινόμησης SVM (Support Vector Machine) από το ελεύθερα διαθέσιμο SVM πακέτο λογισμικού για την ταξινόμηση της εικόνας (Rabe, van der Linden, και Hostert, 2010).
Σημειώσεις πεδίου, φωτογραφίες, εικόνες υψηλής ανάλυσης από το Google Earth, καθώς και πολύ- εποχιακές εικόνες Landsat χρησιμοποιήθηκαν για να προσδιοριστούν 900 περίπου εικονοστοιχεία Landsat για εκπαίδευση και 350 για επικύρωση (Εικ. 2). Τα εικονοστοιχεία εκπαίδευσης επιλέχθηκαν σκοπίμως, ώστε να αντιπροσωπεύουν ένα μεγάλο εύρος κάθε κατηγορίας κάλυψης γης, ενώ τα εικονοστοιχεία για την αξιολόγηση της ακρίβειας τοποθετήθηκαν τυχαία σε όλη την έκταση της περιοχής μελέτης.

'''3. Αποτελέσματα'''

Η ακρίβεια του χάρτη των ταξινομήσεων Landsat μεμονωμένης ημερομηνίας εξαρτάται σημαντικά από τη χρονική δειγματοληψία των εικόνων Landsat, με πιο ακριβείς τους χάρτες που βασίστηκαν στις εικόνες του Μαρτίου, του Ιουλίου και του Σεπτεμβρίου. Με το συνδυασμό των εικόνων του Μαρτίου και του Σεπτεμβρίου, εντοπίστηκαν τα πιο σημαντικά φαινολογικά πρότυπα, δημιουργώντας έτσι τον μεγαλύτερης ακρίβειας συνολικό χάρτη κάλυψης γης.

Παρ’ όλα αυτά, η συνολική ακρίβεια ταξινόμησης από τις καλύτερες πολύ-εποχιακές ταξινομήσεις Landsat ήταν χαμηλότερη σε σύγκριση με τις ακρίβειες που αναφέρονται από άλλες μελέτες χαρτογράφησης παρόμοιων κατηγοριών κάλυψης γης με δεδομένα Landsat.

'''4. Επίλογος'''

Από τα αποτελέσματα της έρευνας μπορούν να εξαχθούν δύο γενικά συμπεράσματα:
[[Εικόνα:283-4.jpg|thumb|left|Εικόνα 3: Λεπτομερείς χάρτες κάλυψης γης από το Σενάριο 4 συγκριτικά με τα Σενάρια 1 έως 3 (όλα για το ζεύγος βάσης DOY 209).]]

1) η χρονική δειγματοληψία είναι υψίστης σημασίας για τη χαρτογράφηση της κάλυψης γης σε σύνθετα τοπία ψευδο-στέππας, με τις εικόνες της άνοιξης και του φθινοπώρου να είναι ιδιαίτερα σημαντικές
για τη διάκριση ανάμεσα στις εκτάσεις με σιτηρά και στα λιβάδια καθώς και ανάμεσα στις θαμνώδεις εκτάσεις και τα δάση, και ότι

2) η συμπλήρωση των μοντέλων κάλυψης γης που προκύπτουν από μεμονωμένες ημερομηνίες Landsat με εικόνες προσομοιωμένες στο STARFM, αυξάνει την ακρίβεια της ταξινόμησης, αλλά μόνο αν η χρονική δειγματοληψία του Landsat είναι ανεπαρκής για τη λήψη των σημαντικών φαινολογικών γεγονότων της περιοχής μελέτης. Η χρήση πολύ-εποχικών εικόνων Landsat ήταν πάντα ανώτερη από τη χρήση προσομοιωμένων εικόνων STARFM. Συνεπώς, πρέπει να εξετάζεται προσεκτικά εάν το STARFM μπορεί να προσθέσει φαινολογικές πληροφορίες στις υφιστάμενες ταξινομήσεις που βασίζονται στο Landsat.

Τέλος, η έρευνα καταλήγει ότι η διαθεσιμότητα και η πρόσβαση στα δεδομένα είναι ένας κρίσιμος παράγοντας για πολλές εφαρμογές που χρησιμοποιούν Landsat. Ως εκ τούτου, απαιτείται η βελτίωση και η εναρμόνιση της διαθεσιμότητας των δεδομένων και της πρόσβασης σε όλα τα αρχεία.

[[category:Χαρτογραφία]]

Χαρτογράφηση κάλυψης γης σε σύνθετα τοπία της Μεσογείου με τη χρήση Landsat

2015-04-05T18:02:11Z

Stavropoulou Athanasia:

'''Πρωτότυπος τίτλος:'''
Mapping land cover in complex Mediterranean landscapes using Landsat: Improved classification accuracies from integrating multi-seasonal and synthetic imagery

'''Συγγραφείς:'''
Cornelius Senf, Pedro J. Leitão, Dirk Pflugmacher, Sebastian van der Linden, Patrick Hostert

http://www.sciencedirect.com/science/article/pii/S0034425714004283

'''Περίληψη'''

Τα χαμηλής έντασης συστήματα γεωργίας έχουν μεγάλη σημασία για τη βιοποικιλότητα στην Ευρώπη, αλλά συχνά επηρεάζονται από την υποβάθμιση του εδάφους ή την οικονομική πίεση, που οδηγούν είτε σε εγκατάλειψη της γης είτε στην εντατικοποίηση της γεωργίας. Αυτές οι αλλαγές στη χρήση γης επηρεάζουν τις τοπικές δομές της βιοποικιλότητας και απαιτούν ετήσια παρακολούθηση της κάλυψης γης. Για να χαρτογραφήσει κανείς με ακρίβεια την κάλυψη γης στα εν λόγω χωρο-χρονικά σύνθετα τοπία, είναι σημαντικό να συλλάβει τις φαινολογικές δυναμικές τους και την υψηλής ανάλυσης χωρική τους ετερογένεια. Στη συγκεκριμένη μελέτη, εξετάζεται αν και σε ποιο βαθμό μπορούν να βελτιωθούν οι χάρτες κάλυψης γης σύνθετων Μεσογειακών τοπίων με την ενσωμάτωση πολυ-εποχιακών εικόνων Landsat , καθώς και κατά πόσον εικόνες με προσομοίωση του STARFM μπορούν να χρησιμοποιηθούν, όποτε οι πρωτότυπες πολυ-εποχιακές εικόνες Landsat δεν είναι διαθέσιμες. Ως εκ τούτου, αναπτύσσονται διαφορετικά σενάρια ταξινόμησης με βάση τις εποχικές διακυμάνσεις της διαθεσιμότητας των δεδομένων, τα οποία βασίζονται τόσο σε πρωτότυπα όσο και προσομοιωμένα δεδομένα Landsat.

'''2. Περιοχή μελέτης & δεδομένα'''

'''2.1. Περιοχή μελέτης'''

[[Εικόνα:283-1.jpg|thumb|right|Εικόνα 1: Η περιοχή μελέτης. Στο φόντο: Η ψευδέγχρωμη εικόνα του δορυφόρου Landsat με λήψη το Σεπτέμβριο του 2011, η οποία απεικονίζεται με το έγχρωμο σύνθετο 4-3-2.]]

Η περιοχή μελέτης βρίσκεται στην περιοχή Beja στη νότια Πορτογαλία (Εικ. 1), και καλύπτει περίπου 2000 km2 γύρω από την πόλη του Castro Verde. Το κλίμα είναι μεσογειακό, με ζεστά καλοκαίρια (30-35°C κατά μέσο όρο τον Ιούλιο) και μέτρια κρύους χειμώνες (5-8°C κατά μέσο όρο τον Ιανουάριο). Περίπου το 75% της ετήσιας βροχόπτωσης (500-600mm) εμφανίζεται μεταξύ Οκτωβρίου και Μαρτίου. Οι ψευδο-στέππες του Castro Verde κατέχουν σε εθνικό και διεθνές επίπεδο σημαντικούς πληθυσμούς των απειλούμενων ειδών πτηνών της στέπας, όπως η ωτίδα (Otis tarda), η χαμωτίδα (Tetrax tetrax), και η μαυροπεριστερόκοτα (Pterocles orientalis; (Moreira et al, 2007). Οι πληθυσμοί αυτοί οδήγησαν στη δημιουργία μιας Ζώνης Ειδικής Προστασίας για πουλιά το 1999 (ΖΕΠ), η οποία καλύπτει μια έκταση περίπου 80.000ha (Εικ. 1).

Οι τοπικές κοινότητες πτηνών της στέππας από προηγούμενες μελέτες συσχετίζονται με συγκεκριμένες κατηγορίες κάλυψης γης. Κατά συνέπεια η μελέτη επικεντρώνεται στις ακόλουθες πέντε κατηγορίες κάλυψης γης: (1) γυμνά εδάφη (δηλαδή καλλιεργούμενες εκτάσεις), (2) εκτάσεις με σιτηρά, (3) λιβάδια, (4) θαμνώδεις εκτάσεις και (5) δάση.

'''2.2. Δεδομένα Landsat'''

Χρησιμοποιήθηκαν έξι L1T Landsat 5 TM εικόνες του έτους 2011, από τα αρχεία Landsat του USGS (Εικ. 2). Όλες οι εικόνες Landsat είναι ατμοσφαιρικά διορθωμένες στην επιφάνεια ανάκλασης με τη χρήση του αλγόριθμου Landsat Ecosystem Disturbance Adaptive Processing System (LEDAPS) (Masek et al., 2006). Χρησιμοποιήθηκαν όλα τα φασματικά κανάλια, εκτός από το κανάλι 1 (μπλε κανάλι) και το θερμικό κανάλι (κανάλι 6) λόγω της χαμηλότερης ευαισθησίας τους στις ιδιότητες της βλάστησης και της υψηλής συσχέτισης του καναλιού 1 με τα κανάλια 2 και 3 (Kuemmerle, Damm, & Hostert, 2008).

'''2.3. Δεδομένα MODIS'''

Χρησιμοποιήθηκαν δεδομένα MODIS με χωρική διακριτική ικανότητα 500m (MOD09A1) του 2011 (46 συνολικά). Λόγω των απαιτήσεων του STARFM (Gao et al., 2006), τα δεδομένα του MODIS μετατράπηκαν προκειμένου να βρίσκονται στο ίδιο προβολικό σύστημα με τα δεδομένα Landsat (UTM Zone 29 Ν / WGS84) και μετασχηματίστηκαν στη χωρική διακριτική ικανότητα του Landsat χρησιμοποιώντας την παρεμβολή
του εγγύτερου γείτονα.

'''3. Μεθοδολογία'''

'''3.1 Φαινολογικός χαρακτηρισμός της περιοχής μελέτης'''

Προκειμένου να δομηθούν τα σενάρια ταξινόμησης της μελέτης και να επιλεγούν οι κατάλληλες φαινολογικές ημερομηνίες, έγινε χρήση της χρονοσειράς MODIS NDVI. Οι ημερομηνίες αυτές επιλέχτηκαν ώστε να αντιπροσωπεύουν με τον καλύτερο τρόπο τον ετήσιο κύκλο της βλάστησης στην περιοχή μελέτης. Ο NDVI είναι μια συχνά χρησιμοποιούμενη προσέγγιση για τη φαινολογία της βλάστησης (de Jong, de Bruin, de Wit, Schaepman, & Dent, 2011) και ως εκ τούτου χρησιμοποιήθηκε σε αυτή τη μελέτη. Πραγματοποιήθηκε εξαγωγή χρονοσειρών NDVI για 914 εικονοστοιχεία αναφοράς, καλύπτοντας τις πέντε κατηγορίες κάλυψης γης, τα οποία χρησιμοποιήθηκαν αργότερα για την εκπαίδευση των μοντέλων ταξινόμησης της κάλυψης γης.

'''3.2 Ο αλγόριθμος STARFM'''

Ο αλγόριθμος STARFM είναι ένας αλγόριθμος σχεδιασμένος ώστε να συνδυάζει τα δεδομένα Landsat και MODIS (Gao et al., 2006). Έγινε εφαρμογή του αλγόριθμου STARFM για κάθε ένα από τα έξι διαθέσιμα ζεύγη βάσης Landsat / MODIS μεμονωμένα.

'''3.3 Ταξινόμηση χρήσεων γης'''
[[Εικόνα:283-3.jpg|thumb|right|Πίνακας 1: Δεδομένα που χρησιμοποιούνται ως εισροές στα σενάρια της ταξινόμησης κάλυψης γης.]]

'''3.3.1 Σενάρια ταξινόμησης'''

Αναπτύχθηκαν πέντε σενάρια ταξινόμησης συνολικά, όπως φαίνεται στον Πίνακα 1. Τα σενάρια 1-3 υπολογίζονται για κάθε ζεύγος βάσης, μεταβάλλοντας την ημερομηνία της εικόνας Landsat στην ταξινόμηση, και τροποποιώντας τη βαθμονόμηση του μοντέλου STARFM αναλόγως.

'''3.3.2 Αλγόριθμος ταξινόμησης και αξιολόγηση της ακρίβειας'''

[[Εικόνα:283-2.jpg|thumb|right|Εικόνα 2: Παράδειγμα εικόνων WorldView-2 και Landsat για τις 5 κατηγορίες κάλυψης γης. Η υψηλής ανάλυσης εικόνα WorldView-2 του Google Earth παρείχε χωρική πληροφορία για την ερμηνεία των εικονοστοιχείων αναφοράς, ενώ η πολύ-εποχιακή φασματική πληροφορία του Landsat χρησιμοποιήθηκε για την προσωρινή διάκριση των κλάσεων.]]

Χρησιμοποιήθηκε ένας αλγόριθμος ταξινόμησης SVM (Support Vector Machine) από το ελεύθερα διαθέσιμο SVM πακέτο λογισμικού για την ταξινόμηση της εικόνας (Rabe, van der Linden, και Hostert, 2010).
Σημειώσεις πεδίου, φωτογραφίες, εικόνες υψηλής ανάλυσης από το Google Earth, καθώς και πολύ- εποχιακές εικόνες Landsat χρησιμοποιήθηκαν για να προσδιοριστούν 900 περίπου εικονοστοιχεία Landsat για εκπαίδευση και 350 για επικύρωση (Εικ. 2). Τα εικονοστοιχεία εκπαίδευσης επιλέχθηκαν σκοπίμως, ώστε να αντιπροσωπεύουν ένα μεγάλο εύρος κάθε κατηγορίας κάλυψης γης, ενώ τα εικονοστοιχεία για την αξιολόγηση της ακρίβειας τοποθετήθηκαν τυχαία σε όλη την έκταση της περιοχής μελέτης.

'''4. Αποτελέσματα'''

Η ακρίβεια του χάρτη των ταξινομήσεων Landsat μεμονωμένης ημερομηνίας εξαρτάται σημαντικά από τη χρονική δειγματοληψία των εικόνων Landsat, με πιο ακριβείς τους χάρτες που βασίστηκαν στις εικόνες του Μαρτίου, του Ιουλίου και του Σεπτεμβρίου. Με το συνδυασμό των εικόνων του Μαρτίου και του Σεπτεμβρίου, εντοπίστηκαν τα πιο σημαντικά φαινολογικά πρότυπα, δημιουργώντας έτσι τον μεγαλύτερης ακρίβειας συνολικό χάρτη κάλυψης γης.

Παρ’ όλα αυτά, η συνολική ακρίβεια ταξινόμησης από τις καλύτερες πολύ-εποχιακές ταξινομήσεις Landsat ήταν χαμηλότερη σε σύγκριση με τις ακρίβειες που αναφέρονται από άλλες μελέτες χαρτογράφησης παρόμοιων κατηγοριών κάλυψης γης με δεδομένα Landsat.

'''5. Επίλογος'''

Από τα αποτελέσματα της έρευνας μπορούν να εξαχθούν δύο γενικά συμπεράσματα:
[[Εικόνα:283-4.jpg|thumb|left|Εικόνα 4: Λεπτομερείς χάρτες κάλυψης γης από το Σενάριο 4 συγκριτικά με τα Σενάρια 1 έως 3 (όλα για το ζεύγος βάσης DOY 209).]]

1) η χρονική δειγματοληψία είναι υψίστης σημασίας για τη χαρτογράφηση της κάλυψης γης σε σύνθετα τοπία ψευδο-στέππας, με τις εικόνες της άνοιξης και του φθινοπώρου να είναι ιδιαίτερα σημαντικές
για τη διάκριση ανάμεσα στις εκτάσεις με σιτηρά και στα λιβάδια καθώς και ανάμεσα στις θαμνώδεις εκτάσεις και τα δάση, και ότι

2) η συμπλήρωση των μοντέλων κάλυψης γης που προκύπτουν από μεμονωμένες ημερομηνίες Landsat με εικόνες προσομοιωμένες στο STARFM, αυξάνει την ακρίβεια της ταξινόμησης, αλλά μόνο αν η χρονική δειγματοληψία του Landsat είναι ανεπαρκής για τη λήψη των σημαντικών φαινολογικών γεγονότων της περιοχής μελέτης. Η χρήση πολύ-εποχικών εικόνων Landsat ήταν πάντα ανώτερη από τη χρήση προσομοιωμένων εικόνων STARFM. Συνεπώς, πρέπει να εξετάζεται προσεκτικά εάν το STARFM μπορεί να προσθέσει φαινολογικές πληροφορίες στις υφιστάμενες ταξινομήσεις που βασίζονται στο Landsat.

Τέλος, η έρευνα καταλήγει ότι η διαθεσιμότητα και η πρόσβαση στα δεδομένα είναι ένας κρίσιμος παράγοντας για πολλές εφαρμογές που χρησιμοποιούν Landsat. Ως εκ τούτου, απαιτείται η βελτίωση και η εναρμόνιση της διαθεσιμότητας των δεδομένων και της πρόσβασης σε όλα τα αρχεία.

[[category:Χαρτογραφία]]

Σταυροπούλου Αθανασία

2015-04-05T17:11:27Z

Stavropoulou Athanasia:

* [[Επιδράσεις της χωρικής δομής των χώρων πρασίνου στην αστική ψύξη σε μια μεγάλη μητροπολιτική περιοχή της ανατολικής Κίνας]]
* [[Ανίχνευση μεταβολών των αστικών νησίδων θερμότητας με τη χρήση εικόνων Landsat: μελέτη περίπτωσης για την πόλη του Καΐρου, Αίγυπτος]]
* [[Ταξινόμηση τυπολογίας κτηρίων με τη χρήση χωρικών και χαρακτηριστικών του τοπίου που προέρχονται από LiDAR δεδομένα τηλεπισκόπησης]]
* [[Χαρτογράφηση κάλυψης γης σε σύνθετα τοπία της Μεσογείου με τη χρήση Landsat]]

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

Χαρτογράφηση κάλυψης γης σε σύνθετα τοπία της Μεσογείου με τη χρήση Landsat

2015-04-05T17:09:15Z

Stavropoulou Athanasia: Νέα σελίδα με ''''Πρωτότυπος τίτλος:''' Mapping land cover in complex Mediterranean landscapes using Landsat: Improved classification accuracies from integrating multi-s...'

'''Πρωτότυπος τίτλος:'''
Mapping land cover in complex Mediterranean landscapes using Landsat: Improved classification accuracies from integrating multi-seasonal and synthetic imagery

'''Συγγραφείς:'''
Cornelius Senf, Pedro J. Leitão, Dirk Pflugmacher, Sebastian van der Linden, Patrick Hostert

http://www.sciencedirect.com/science/article/pii/S0034425714004283

'''Περίληψη'''

Τα χαμηλής έντασης συστήματα γεωργίας έχουν μεγάλη σημασία για τη βιοποικιλότητα στην Ευρώπη, αλλά συχνά επηρεάζονται από την υποβάθμιση του εδάφους ή την οικονομική πίεση, που οδηγούν είτε σε εγκατάλειψη της γης είτε στην εντατικοποίηση της γεωργίας. Αυτές οι αλλαγές στη χρήση γης επηρεάζουν τις τοπικές δομές της βιοποικιλότητας και απαιτούν ετήσια παρακολούθηση της κάλυψης γης. Για να χαρτογραφήσει κανείς με ακρίβεια την κάλυψη γης στα εν λόγω χωρο-χρονικά σύνθετα τοπία, είναι σημαντικό να συλλάβει τις φαινολογικές δυναμικές τους και την υψηλής ανάλυσης χωρική τους ετερογένεια. Στη συγκεκριμένη μελέτη, εξετάζεται αν και σε ποιο βαθμό μπορούν να βελτιωθούν οι χάρτες κάλυψης γης σύνθετων Μεσογειακών τοπίων με την ενσωμάτωση πολυ-εποχιακών εικόνων Landsat , καθώς και κατά πόσον εικόνες με προσομοίωση του STARFM μπορούν να χρησιμοποιηθούν, όποτε οι πρωτότυπες πολυ-εποχιακές εικόνες Landsat δεν είναι διαθέσιμες. Ως εκ τούτου, αναπτύσσονται διαφορετικά σενάρια ταξινόμησης με βάση τις εποχικές διακυμάνσεις της διαθεσιμότητας των δεδομένων, τα οποία βασίζονται τόσο σε πρωτότυπα όσο και προσομοιωμένα δεδομένα Landsat.

'''2. Περιοχή μελέτης & δεδομένα'''

'''2.1. Περιοχή μελέτης'''

[[Εικόνα:283-1.jpg|thumb|right|Εικόνα 1: Η περιοχή μελέτης. Στο φόντο: Η ψευδέγχρωμη εικόνα του δορυφόρου Landsat με λήψη το Σεπτέμβριο του 2011, η οποία απεικονίζεται με το έγχρωμο σύνθετο 4-3-2.]]

Η περιοχή μελέτης βρίσκεται στην περιοχή Beja στη νότια Πορτογαλία (Εικ. 1), και καλύπτει περίπου 2000 km2 γύρω από την πόλη του Castro Verde. Το κλίμα είναι μεσογειακό, με ζεστά καλοκαίρια (30-35°C κατά μέσο όρο τον Ιούλιο) και μέτρια κρύους χειμώνες (5-8°C κατά μέσο όρο τον Ιανουάριο). Περίπου το 75% της ετήσιας βροχόπτωσης (500-600mm) εμφανίζεται μεταξύ Οκτωβρίου και Μαρτίου. Οι ψευδο-στέππες του Castro Verde κατέχουν σε εθνικό και διεθνές επίπεδο σημαντικούς πληθυσμούς των απειλούμενων ειδών πτηνών της στέπας, όπως η ωτίδα (Otis tarda), η χαμωτίδα (Tetrax tetrax), και η μαυροπεριστερόκοτα (Pterocles orientalis; (Moreira et al, 2007). Οι πληθυσμοί αυτοί οδήγησαν στη δημιουργία μιας Ζώνης Ειδικής Προστασίας για πουλιά το 1999 (ΖΕΠ), η οποία καλύπτει μια έκταση περίπου 80.000ha (Εικ. 1).

Οι τοπικές κοινότητες πτηνών της στέππας από προηγούμενες μελέτες συσχετίζονται με συγκεκριμένες κατηγορίες κάλυψης γης. Κατά συνέπεια η μελέτη επικεντρώνεται στις ακόλουθες πέντε κατηγορίες κάλυψης γης: (1) γυμνά εδάφη (δηλαδή καλλιεργούμενες εκτάσεις), (2) εκτάσεις με σιτηρά, (3) λιβάδια, (4) θαμνώδεις εκτάσεις Και (5) δάση.

'''2.2. Δεδομένα Landsat'''

Χρησιμοποιήθηκαν έξι L1T Landsat 5 TM εικόνες του έτους 2011, από τα αρχεία Landsat του USGS (Εικ. 2). Όλες οι εικόνες Landsat είναι ατμοσφαιρικά διορθωμένες στην επιφάνεια ανάκλασης με τη χρήση του αλγόριθμου Landsat Ecosystem Disturbance Adaptive Processing System (LEDAPS) (Masek et al., 2006). Χρησιμοποιήθηκαν όλα τα φασματικά κανάλια, εκτός από το κανάλι 1 (μπλε κανάλι) και το θερμικό κανάλι (κανάλι 6) λόγω της χαμηλότερης ευαισθησίας τους στις ιδιότητες της βλάστησης και της υψηλής συσχέτισης του καναλιού 1 με τα κανάλια 2 και 3 (Kuemmerle, Damm, & Hostert, 2008).

'''2.3. Δεδομένα MODIS'''

Χρησιμοποιήθηκαν δεδομένα MODIS με χωρική διακριτική ικανότητα 500m (MOD09A1) του 2011 (46 συνολικά). Λόγω των απαιτήσεων του STARFM (Gao et al., 2006), τα δεδομένα του MODIS μετατράπηκαν προκειμένου να βρίσκονται στο ίδιο προβολικό σύστημα με τα δεδομένα Landsat (UTM Zone 29 Ν / WGS84) και μετασχηματίστηκαν στη χωρική διακριτική ικανότητα του Landsat χρησιμοποιώντας την παρεμβολή
του εγγύτερου γείτονα.

'''3. Μεθοδολογία'''

'''3.1 Φαινολογικός χαρακτηρισμός της περιοχής μελέτης'''

Προκειμένου να δομηθούν τα σενάρια ταξινόμησης της μελέτης και να επιλεγούν οι κατάλληλες φαινολογικές ημερομηνίες, έγινε χρήση της χρονοσειράς MODIS NDVI. Οι ημερομηνίες αυτές επιλέχτηκαν ώστε να αντιπροσωπεύουν με τον καλύτερο τρόπο τον ετήσιο κύκλο της βλάστησης στην περιοχή μελέτης. Ο NDVI είναι μια συχνά χρησιμοποιούμενη προσέγγιση για τη φαινολογία της βλάστησης (de Jong, de Bruin, de Wit, Schaepman, & Dent, 2011) και ως εκ τούτου χρησιμοποιήθηκε σε αυτή τη μελέτη. Πραγματοποιήθηκε εξαγωγή χρονοσειρών NDVI για 914 εικονοστοιχεία αναφοράς, καλύπτοντας τις πέντε κατηγορίες κάλυψης γης, τα οποία χρησιμοποιήθηκαν αργότερα για την εκπαίδευση των μοντέλων ταξινόμησης της κάλυψης γης.

'''3.2 Ο αλγόριθμος STARFM'''

Ο αλγόριθμος STARFM είναι ένας αλγόριθμος σχεδιασμένος ώστε να συνδυάζει τα δεδομένα Landsat και MODIS (Gao et al., 2006). Έγινε εφαρμογή του αλγόριθμου STARFM για κάθε ένα από τα έξι διαθέσιμα ζεύγη βάσης Landsat / MODIS μεμονωμένα.

'''3.3 Ταξινόμηση χρήσεων γης'''
[[Εικόνα:283-3.jpg|thumb|right|Πίνακας 1: Δεδομένα που χρησιμοποιούνται ως εισροές στα σενάρια της ταξινόμησης κάλυψης γης.]]

'''3.3.1 Σενάρια ταξινόμησης'''

Αναπτύχθηκαν πέντε σενάρια ταξινόμησης συνολικά, όπως φαίνεται στον Πίνακα 1. Τα σενάρια 1-3 υπολογίζονται για κάθε ζεύγος βάσης, μεταβάλλοντας την ημερομηνία της εικόνας Landsat στην ταξινόμηση, και τροποποιώντας τη βαθμονόμηση του μοντέλου STARFM αναλόγως.

'''3.3.2 Αλγόριθμος ταξινόμησης και αξιολόγηση της ακρίβειας'''

[[Εικόνα:283-2.jpg|thumb|right|Εικόνα 2: Παράδειγμα εικόνων WorldView-2 και Landsat για τις 5 κατηγορίες κάλυψης γης. Η υψηλής ανάλυσης εικόνα WorldView-2 του Google Earth παρείχε χωρική πληροφορία για την ερμηνεία των εικονοστοιχείων αναφοράς, ενώ η πολύ-εποχιακή φασματική πληροφορία του Landsat χρησιμοποιήθηκε για την προσωρινή διάκριση των κλάσεων.]]

Χρησιμοποιήθηκε ένας αλγόριθμος ταξινόμησης SVM (Support Vector Machine) από το ελεύθερα διαθέσιμο SVM πακέτο λογισμικού για την ταξινόμηση της εικόνας (Rabe, van der Linden, και Hostert, 2010).
Σημειώσεις πεδίου, φωτογραφίες, εικόνες υψηλής ανάλυσης από το Google Earth, καθώς και πολύ- εποχιακές εικόνες Landsat χρησιμοποιήθηκαν για να προσδιοριστούν 900 περίπου εικονοστοιχεία Landsat για εκπαίδευση και 350 για επικύρωση (Εικ. 2). Τα εικονοστοιχεία εκπαίδευσης επιλέχθηκαν σκοπίμως, ώστε να αντιπροσωπεύουν ένα μεγάλο εύρος κάθε κατηγορίας κάλυψης γης, ενώ τα εικονοστοιχεία για την αξιολόγηση της ακρίβειας τοποθετήθηκαν τυχαία σε όλη την έκταση της περιοχής μελέτης.

'''4. Αποτελέσματα'''

Η ακρίβεια του χάρτη των ταξινομήσεων Landsat μεμονωμένης ημερομηνίας εξαρτάται σημαντικά από τη χρονική δειγματοληψία των εικόνων Landsat, με πιο ακριβείς τους χάρτες που βασίστηκαν στις εικόνες του Μαρτίου, του Ιουλίου και του Σεπτεμβρίου. Με το συνδυασμό των εικόνων του Μαρτίου και του Σεπτεμβρίου, εντοπίστηκαν τα πιο σημαντικά φαινολογικά πρότυπα, δημιουργώντας έτσι τον μεγαλύτερης ακρίβειας συνολικό χάρτη κάλυψης γης.

Παρ’ όλα αυτά, η συνολική ακρίβεια ταξινόμησης από τις καλύτερες πολύ-εποχιακές ταξινομήσεις Landsat ήταν χαμηλότερη σε σύγκριση με τις ακρίβειες που αναφέρονται από άλλες μελέτες χαρτογράφησης παρόμοιων κατηγοριών κάλυψης γης με δεδομένα Landsat.

'''5. Επίλογος'''

Από τα αποτελέσματα της έρευνας μπορούν να εξαχθούν δύο γενικά συμπεράσματα:
[[Εικόνα:283-4.jpg|thumb|left|Εικόνα 4: Λεπτομερείς χάρτες κάλυψης γης από το Σενάριο 4 συγκριτικά με τα Σενάρια 1 έως 3 (όλα για το ζεύγος βάσης DOY 209).]]

1) η χρονική δειγματοληψία είναι υψίστης σημασίας για τη χαρτογράφηση της κάλυψης γης σε σύνθετα τοπία ψευδο-στέππας, με τις εικόνες της άνοιξης και του φθινοπώρου να είναι ιδιαίτερα σημαντικές
για τη διάκριση ανάμεσα στις εκτάσεις με σιτηρά και στα λιβάδια καθώς και ανάμεσα στις θαμνώδεις εκτάσεις και τα δάση, και ότι

2) η συμπλήρωση των μοντέλων κάλυψης γης που προκύπτουν από μεμονωμένες ημερομηνίες Landsat με εικόνες προσομοιωμένες στο STARFM, αυξάνει την ακρίβεια της ταξινόμησης, αλλά μόνο αν η χρονική δειγματοληψία του Landsat είναι ανεπαρκής για τη λήψη των σημαντικών φαινολογικών γεγονότων της περιοχής μελέτης. Η χρήση πολύ-εποχικών εικόνων Landsat ήταν πάντα ανώτερη από τη χρήση προσομοιωμένων εικόνων STARFM. Συνεπώς, πρέπει να εξετάζεται προσεκτικά εάν το STARFM μπορεί να προσθέσει φαινολογικές πληροφορίες στις υφιστάμενες ταξινομήσεις που βασίζονται στο Landsat.

Τέλος, η έρευνα καταλήγει ότι η διαθεσιμότητα και η πρόσβαση στα δεδομένα είναι ένας κρίσιμος παράγοντας για πολλές εφαρμογές που χρησιμοποιούν Landsat. Ως εκ τούτου, απαιτείται η βελτίωση και η εναρμόνιση της διαθεσιμότητας των δεδομένων και της πρόσβασης σε όλα τα αρχεία.

[[category:Χαρτογραφία]]

Αρχείο:283-4.jpg

2015-04-05T17:06:19Z

Stavropoulou Athanasia:

Αρχείο:283-3.jpg

2015-04-05T16:58:53Z

Stavropoulou Athanasia:

Αρχείο:283-2.jpg

2015-04-05T16:46:33Z

Stavropoulou Athanasia:

Αρχείο:283-1.jpg

2015-04-05T16:45:00Z

Stavropoulou Athanasia:

Σταυροπούλου Αθανασία

2015-04-05T16:20:40Z

Stavropoulou Athanasia:

Ταξινόμηση τυπολογίας κτηρίων με τη χρήση χωρικών και χαρακτηριστικών του τοπίου που προέρχονται από LiDAR δεδομένα τηλεπισκόπησης

2015-04-05T15:49:10Z

Stavropoulou Athanasia:

'''Πρωτότυπος τίτλος:'''
Building type classification using spatial and landscape attributes derived from LiDAR remote sensing data

'''Συγγραφείς:'''
Zhenyu Lu, Jungho Im, Jinyoung Rhee, Michael Hodgson

http://www.sciencedirect.com/science/article/pii/S0169204614001601

'''Περίληψη'''

Οι πληροφορίες που αφορούν στα κτήρια είναι ένα από τα βασικά στοιχεία για μια σειρά πρακτικών του πολεοδομικού σχεδιασμού και της διαχείρισης του αστικού χώρου. Σε αυτή τη μελέτη, διεξάγεται μια έρευνα για την ταξινόμηση της τυπολογίας των κτηρίων, με τη χρήση δεδομένων τηλεπισκόπησης (LIDAR), σε τρεις κατηγορίες: σε μονοκατοικίες, σε πολυκατοικίες και σε μη οικιστικά κτήρια. Τέσσερα είδη των χωρικών ιδιοτήτων που περιγράφουν το σχήμα, τη θέση και τον περιβάλλοντα χώρο των κτηρίων υπολογίστηκαν και στη συνέχεια χρησιμοποιήθηκαν στην ταξινόμηση. Τα πειράματα πραγματοποιήθηκαν στα προάστια και στο κέντρο του Ντένβερ, CO, ΗΠΑ, σε περιοχές που περιλαμβάνουν διαφορετικά χαρακτηριστικά τόσο σε επίπεδο κτηρίων όσο και σε επίπεδο περιβάλλοντος γειτονιάς.

'''2. Περιοχή μελέτης και δεδομένα'''

'''2.1. Περιοχή μελέτης'''

[[Εικόνα:601-1.jpg|thumb|right|Εικόνα 1: Οι περιοχές μελέτης στο κέντρο και στα προάστια του Ντένβερ.]]

Ως περιοχή μελέτης επιλέχθηκαν δύο περιοχές στο κέντρο και στα προάστια του Denver, στο Κολοράντο των ΗΠΑ. Τα χαρακτηριστικά των κτηρίων είναι διαφορετικά για τις δύο περιοχές. Στο κέντρο της πόλης περιλαμβάνονται μονοκατοικίες σε ποσοστό 43,38% , πολυκατοικίες σε ποσοστό 36,62% και κτήρια που δεν αποτελούν κτήρια κατοικίας σε ποσοστό 20%. Στα προάστια, οι μονοκατοικίες κυριαρχούν με ποσοστό 85,57%, ακολουθούν οι πολυκατοικίες με 10,63% , ενώ τα κτήρια που δεν αποτελούν κατοικίες αποτελούν το 3,80%. Εκτός από τα τρία βασικά είδη κτηρίων, η καταγραφή της τυπολογίας διαφοροποιείται ιδιαιτέρως και στις υποκατηγορίες ανάμεσα στην περιοχή του κέντρου και εκείνης των προαστίων. Για παράδειγμα, το ποσοστό των διπλοκατοικιών και των τριπλοκατοικιών είναι μόλις 4,2% στο κέντρο της πόλης, ενώ στα προάστια το αντίστοιχο ποσοστό είναι 40,5%.

Στο κέντρο της πόλης, οι δομημένοι χώροι (π.χ. κτήρια, δρόμοι, χώροι στάθμευσης) αποτελούν τα κύρια χαρακτηριστικά του χώρου, ενώ υπάρχει ένα πάρκο στα νότια της περιοχής μελέτης, όπου κυριαρχούν το χορτάρι και τα δέντρα. Δέντρα υπάρχουν μόνο κατά μήκος των δρόμων, ενώ οι μονοκατοικίες, οι πολυκατοικίες και τα λοιπά κτήρια κατανέμονται ομοιόμορφα στο κέντρο της πόλης. Αντίθετα, στα προάστια κυρίαρχα χαρακτηριστικά αποτελούν το πράσινο και τα δέντρα, υπάρχουν πολύ λίγοι χώροι στάθμευσης κυρίως στη δυτική πλευρά της περιοχής μελέτης, ενώ κυρίαρχος τύπος κτηρίου είναι οι μονοκατοικίες. Και οι δύο περιοχές μελέτης είναι σχετικά επίπεδες.

'''2.2. Δεδομένα'''

Σ’αυτή τη μελέτη χρησιμοποιήθηκαν δεδομένα LIDAR καθώς και χωρικά δεδομένα από το GIS Center της πόλης του Ντένβερ. Τα δεδομένα LiDAR συλλέχθηκαν με χρήση ενός 1064 nm λέιζερ με συχνότητα επανάληψης παλμών 50 kHz από την Sanborn Map Company, στις 15 Απριλίου 2008. Η πυκνότητα απόσπασης δεδομένων LiDAR ήταν 2.3 πόντοι / m2.

Λόγω της κυριαρχίας των μονοκατοικιών στα προάστια, για την ταξινόμηση επιλέχθηκε τυχαία μόνο το 10% των κτηρίων, προκειμένου να εξασφαλιστεί ένας συγκρίσιμος αριθμός δειγμάτων που ανήκουν σε διαφορετικούς τύπους κτηρίων. Τόσο τα κτήρια της περιοχής του κέντρου όσο και το 10% των τυχαία επιλεγμένων κτηρίων των προαστίων χωρίστηκαν σε δύο ομάδες: 50% για τη βαθμονόμηση και 50% για την επικύρωση.

'''3.Μεθοδολογία'''

Η μέθοδος ταξινόμησης της τυπολογίας των κτηρίων που προτείνεται αποτελείται από τρία βασικά βήματα:

(1) εξαγωγή των ορίων των κτηρίων από δεδομένα LiDAR,

(2) υπολογισμός των ιδιοτήτων που σχετίζονται με τον χώρο και το τοπίο, και

(3) ταξινόμηση των οριοθετημένων κτηρίων, με τη χρήση των ιδιοτήτων που υπολογίστηκαν.

'''3.1 Εξαγωγή των ορίων των κτηρίων από δεδομένα LiDAR'''

Για την εξαγωγή των ορίων των κτηρίων χρησιμοποιείται ένας τροποποιημένος μορφολογικός αλγόριθμος εξόρυξης κτηρίων, ο οποίος βελτιώθηκε και αποδείχτηκε ιδιαίτερα αποτελεσματικός κυρίως για την ανίχνευση pixel κτηρίων που φράζονται από γειτονικά ψηλά δέντρα.

'''3.2 Εξαγωγή των στοιχείων χρήσης γης'''

Ο προσδιορισμός των στοιχείων του περιβάλλοντος χώρου, για στοιχεία όπως η βλάστηση, οι δρόμοι και οι χώροι στάθμευσης, έγινε με τις τέσσερις επιφάνειες που προέρχονται από το LiDAR, χρησιμοποιώντας τους αλγόριθμους επιβλεπόμενης ταξινόμησης.

'''3.3 Εξαγωγή των χωρικών ιδιοτήτων'''

Αφού ολοκληρωθεί η οριοθέτηση των κτηρίων και η ταξινόμηση των στοιχείων του περιβάλλοντος χώρου, υπολογίζονται τέσσερις ομάδες ιδιοτήτων του χώρου και του τοπίου, οι οποίες χρησιμοποιούνται στη συνέχεια για την ταξινόμηση των κτηρίων. Οι ιδιότητες αυτές αφορούν βασικά στατιστικά χαρακτηριστικά (ομάδα Α), ιδιότητες που σχετίζονται με το σχήμα (ομάδα Β), τη χωρική συσχέτιση ανάμεσα στα κτήρια (ομάδα Γ) καθώς και τη χωρική συσχέτιση των κτηρίων με τα στοιχεία χρήσεις γης (ομάδα Δ).

'''3.4. Ταξινόμηση τυπολογίας κτηρίων'''

[[Εικόνα:601-2.jpg|thumb|left|Εικόνα 2: Χάρτης ταξινόμησης τυπολογίας κτηρίων για την περιοχή του κέντρου: η ταξινόμηση με βάση (α) το σχήμα I, και (β) το σχήμα II.]]
Για την ταξινόμηση των κτηρίων χρησιμοποιούνται τέσσερις αλγόριθμοι μηχανικής μάθησης. Η ταξινόμηση περιλαμβάνει τρεις κατηγορίες κτηρίων: τις μονοκατοικίες, τις πολυκατοικίες και κτήρια που δεν στεγάζουν χρήση κατοικίας. Δύο σχήματα ταξινόμησης προτείνονται: στο σχήμα I, τα κτήρια κατοικιών που περιλαμβάνουν μόνο μία μονάδα θεωρούνται μονοκατοικίες. Οι πολυκατοικίες ορίζονται ως κτήρια κατοικιών που περιλαμβάνουν περισσότερες από μία μονάδες, όπως τα διαμερίσματα και οι μεζονέτες. Κτήρια που φιλοξενούν άλλες χρήσεις, όπως θέατρα, ξενοδοχεία, σχολεία, εργοστάσια, καταστήματα λιανικής πώλησης, ορίζονται ως μη οικιστικά κτήρια. Επειδή οι μονοκατοικίες και μερικά συγκροτήματα κατοικιών (π.χ. διαμερίσματα δύο και τριών μονάδων) μπορεί να έχουν παρόμοια χαρακτηριστικά κτηρίου ως προς το σχήμα και το μέγεθος, το σχήμα II, συμπεριλαμβάνει τις περιπτώσεις αυτές στην ίδια κατηγορία.

Προκειμένου να διερευνηθεί η αποτελεσματικότητα των διαφορετικών χαρακτηριστικών στην ακρίβεια ταξινόμησης, τα κτήρια κατατάσσονται αρχικά χρησιμοποιώντας τα χαρακτηριστικά από τις τέσσερις ομάδες, τόσο μεμονωμένα όσο και συνολικά. Τα αποτελέσματα της ταξινόμησης αξιολογούνται χρησιμοποιώντας τυπικές στατιστικές ακρίβειας, όπως η ακρίβεια του παραγωγού, η ακρίβεια του χρήστη, η συνολική ακρίβεια και ο Συντελεστής Συμφωνίας Kappa.

'''4.Αποτελέσματα'''

[[Εικόνα:601-3.jpg|thumb|right|Εικόνα 3: Χάρτης ταξινόμησης τυπολογίας κτηρίων για την περιοχή των προαστίων: η ταξινόμηση με βάση (α) το σχήμα I, και (β) το σχήμα II.]]
Οι τέσσερις τεχνικές (η DT, ADT, RF, και SVM) που χρησιμοποιήθηκαν για την ταξινόμηση των κτηρίων, οδήγησαν σε συνολική ακρίβεια της τάξης του 60-88% στις δύο περιοχές μελέτης. Μεταξύ των τεσσάρων προσεγγίσεων ταξινόμησης, η SVM ξεπέρασε τους άλλους τρεις ταξινομητές αποδίδοντας πιο ακριβή αποτελέσματα, τόσο στο κέντρο της πόλης όσο και στα προάστια. Η ταξινόμηση των κτηρίων οδήγησε σε σχετικά υψηλότερη ακρίβεια στο κέντρο της πόλης σε σχέση με τα προάστια, ακόμη και αν η τοποθεσία στο κέντρο της πόλης παρουσίαζε μεγαλύτερη χωρική ανομοιογένεια.

Οι εικόνες 2 και 3 απεικονίζουν τα αποτελέσματα της ταξινόμησης SVM χρησιμοποιώντας όλες τις ομάδες των ιδιοτήτων για τις δύο περιοχές μελέτης. Στο κέντρο της πόλης, το σφάλμα της ταξινόμησης οφείλεται κυρίως στις πληροφορίες του σχήματος των κτηρίων. Για παράδειγμα, στο σχήμα I (Εικ. 2α) τα κτήρια πολυκατοικιών που έχουν ταξινομηθεί ως μη οικιστικά κτήρια είναι όλα μεγάλα σε μέγεθος, ενώ τα μικρά σε μέγεθος, μη οικιστικά κτήρια ταξινομήθηκαν εσφαλμένα ως μονοκατοικίες. Κατά την εφαρμογή του σχήματος II (Εικ.2β), δημιουργήθηκε σημαντική σύγχυση ανάμεσα στις πολυκατοικίες και στα μη οικιστικά κτήρια.

Όσον αφορά τα προάστια, η σύγχυση ανάμεσα στις μονοκατοικίες και τις πολυκατοικίες οδήγησε σε εσφαλμένες ταξινομήσεις των κτηρίων με βάση το σχήμα I (Εικ. 3α), ενώ για το σχήμα II (Εικ. 3β) το σφάλμα ανάμεσα στις δύο αυτές κατηγορίες είναι μικρότερο. Παρ’ όλα αυτά, πολλά μικρά μη οικιστικά κτήρια, όπως καταστήματα λιανικής, ταξινομήθηκαν ως μονοκατοικίες, ενώ μικρά συγκροτήματα κατοικιών (π.χ. 4-6 διαμερισμάτων) κατηγοριοποιήθηκαν ως μονοκατοικίες.

'''5. Συμπεράσματα'''
Η εξαγωγή πληροφοριών που αφορούν στην τυπολογία των κτηρίων από τηλεπισκοπικά δεδομένα είναι ένα πολύτιμο αλλά δύσκολο έργο. Αυτή η μελέτη προτείνει μια μέθοδο για τη λήψη πληροφοριών σχετικά με την τυπολογία των κτηρίων, χρησιμοποιώντας τέσσερις ομάδες χωρικών ιδιοτήτων και ιδιοτήτων του τοπίου που προέρχονται από τα δεδομένα LiDAR. Η προτεινόμενη μέθοδος δοκιμάστηκε σε δύο περιοχές μελέτης στο Ντένβερ, CO, Η.Π.Α., οι οποίες παρουσιάζουν διαφορετικά χαρακτηριστικά, τόσο ως προς τα κτήρια όσο και ως προς το περιβάλλον της γειτονιάς.

Πιστεύεται ότι το προϊόν της παρούσας μελέτης είναι πολύτιμο για τον αστικό σχεδιασμό και τη διαχείριση του αστικού χώρου. Στην πραγματικότητα, εκτός από τα κτήρια, η προτεινόμενη μέθοδος, με την κατάλληλη τροποποίηση, μπορεί να εφαρμοστεί και σε άλλα αστικά χαρακτηριστικά, όπως είναι οι δρόμοι, οι χώροι στάθμευσης, καθώς επίσης και οι χορτολιβαδικές εκτάσεις, τα οποία είναι επίσης σημαντικά στοιχεία για τον πολεοδομικό σχεδιασμό.

[[category:Αστικός και περιφερειακός σχεδιασμός]]

Ταξινόμηση τυπολογίας κτηρίων με τη χρήση χωρικών και χαρακτηριστικών του τοπίου που προέρχονται από LiDAR δεδομένα τηλεπισκόπησης

2015-04-05T15:48:14Z

Stavropoulou Athanasia:

'''Πρωτότυπος τίτλος:'''
Building type classification using spatial and landscape attributes derived from LiDAR remote sensing data

'''Συγγραφείς:'''
Zhenyu Lu, Jungho Im, Jinyoung Rhee, Michael Hodgson

http://www.sciencedirect.com/science/article/pii/S0169204614001601

'''Περίληψη'''

Οι πληροφορίες που αφορούν στα κτήρια είναι ένα από τα βασικά στοιχεία για μια σειρά πρακτικών του πολεοδομικού σχεδιασμού και της διαχείρισης του αστικού χώρου. Σε αυτή τη μελέτη, διεξάγεται μια έρευνα για την ταξινόμηση της τυπολογίας των κτηρίων, με τη χρήση δεδομένων τηλεπισκόπησης (LIDAR), σε τρεις κατηγορίες: σε μονοκατοικίες, σε πολυκατοικίες και σε μη οικιστικά κτήρια. Τέσσερα είδη των χωρικών ιδιοτήτων που περιγράφουν το σχήμα, τη θέση και τον περιβάλλοντα χώρο των κτηρίων υπολογίστηκαν και στη συνέχεια χρησιμοποιήθηκαν στην ταξινόμηση. Τα πειράματα πραγματοποιήθηκαν στα προάστια και στο κέντρο του Ντένβερ, CO, ΗΠΑ, σε περιοχές που περιλαμβάνουν διαφορετικά χαρακτηριστικά τόσο σε επίπεδο κτηρίων όσο και σε επίπεδο περιβάλλοντος γειτονιάς.

'''2. Περιοχή μελέτης και δεδομένα'''

'''2.1. Περιοχή μελέτης'''

[[Εικόνα:601-1.jpg|thumb|right|Εικόνα 1: Οι περιοχές μελέτης στο κέντρο και στα προάστια του Ντένβερ.]]

Ως περιοχή μελέτης επιλέχθηκαν δύο περιοχές στο κέντρο και στα προάστια του Denver, στο Κολοράντο των ΗΠΑ. Τα χαρακτηριστικά των κτηρίων είναι διαφορετικά για τις δύο περιοχές. Στο κέντρο της πόλης περιλαμβάνονται μονοκατοικίες σε ποσοστό 43,38% , πολυκατοικίες σε ποσοστό 36,62% και κτήρια που δεν αποτελούν κτήρια κατοικίας σε ποσοστό 20%. Στα προάστια, οι μονοκατοικίες κυριαρχούν με ποσοστό 85,57%, ακολουθούν οι πολυκατοικίες με 10,63% , ενώ τα κτήρια που δεν αποτελούν κατοικίες αποτελούν το 3,80%. Εκτός από τα τρία βασικά είδη κτηρίων, η καταγραφή της τυπολογίας διαφοροποιείται ιδιαιτέρως και στις υποκατηγορίες ανάμεσα στην περιοχή του κέντρου και εκείνης των προαστίων. Για παράδειγμα, το ποσοστό των διπλοκατοικιών και των τριπλοκατοικιών είναι μόλις 4,2% στο κέντρο της πόλης, ενώ στα προάστια το αντίστοιχο ποσοστό είναι 40,5%.

Στο κέντρο της πόλης, οι δομημένοι χώροι (π.χ. κτήρια, δρόμοι, χώροι στάθμευσης) αποτελούν τα κύρια χαρακτηριστικά του χώρου, ενώ υπάρχει ένα πάρκο στα νότια της περιοχής μελέτης, όπου κυριαρχούν το χορτάρι και τα δέντρα. Δέντρα υπάρχουν μόνο κατά μήκος των δρόμων, ενώ οι μονοκατοικίες, οι πολυκατοικίες και τα λοιπά κτήρια κατανέμονται ομοιόμορφα στο κέντρο της πόλης. Αντίθετα, στα προάστια κυρίαρχα χαρακτηριστικά αποτελούν το πράσινο και τα δέντρα, υπάρχουν πολύ λίγοι χώροι στάθμευσης κυρίως στη δυτική πλευρά της περιοχής μελέτης, ενώ κυρίαρχος τύπος κτηρίου είναι οι μονοκατοικίες. Και οι δύο περιοχές μελέτης είναι σχετικά επίπεδες.

'''2.2. Δεδομένα'''

Σ’αυτή τη μελέτη χρησιμοποιήθηκαν δεδομένα LIDAR καθώς και χωρικά δεδομένα από το GIS Center της πόλης του Ντένβερ. Τα δεδομένα LiDAR συλλέχθηκαν με χρήση ενός 1064 nm λέιζερ με συχνότητα επανάληψης παλμών 50 kHz από την Sanborn Map Company, στις 15 Απριλίου 2008. Η πυκνότητα απόσπασης δεδομένων LiDAR ήταν 2.3 πόντοι / m2.

Λόγω της κυριαρχίας των μονοκατοικιών στα προάστια, για την ταξινόμηση επιλέχθηκε τυχαία μόνο το 10% των κτηρίων, προκειμένου να εξασφαλιστεί ένας συγκρίσιμος αριθμός δειγμάτων που ανήκουν σε διαφορετικούς τύπους κτηρίων. Τόσο τα κτήρια της περιοχής του κέντρου όσο και το 10% των τυχαία επιλεγμένων κτηρίων των προαστίων χωρίστηκαν σε δύο ομάδες: 50% για τη βαθμονόμηση και 50% για την επικύρωση.

'''3.Μεθοδολογία'''

Η μέθοδος ταξινόμησης της τυπολογίας των κτηρίων που προτείνεται αποτελείται από τρία βασικά βήματα:

(1) εξαγωγή των ορίων των κτηρίων από δεδομένα LiDAR,

(2) υπολογισμός των ιδιοτήτων που σχετίζονται με τον χώρο και το τοπίο, και

(3) ταξινόμηση των οριοθετημένων κτηρίων, με τη χρήση των ιδιοτήτων που υπολογίστηκαν.

'''3.1 Εξαγωγή των ορίων των κτηρίων από δεδομένα LiDAR'''

Για την εξαγωγή των ορίων των κτηρίων χρησιμοποιείται ένας τροποποιημένος μορφολογικός αλγόριθμος εξόρυξης κτηρίων, ο οποίος βελτιώθηκε και αποδείχτηκε ιδιαίτερα αποτελεσματικός κυρίως για την ανίχνευση pixel κτηρίων που φράζονται από γειτονικά ψηλά δέντρα.

'''3.2 Εξαγωγή των στοιχείων χρήσης γης'''

Ο προσδιορισμός των στοιχείων του περιβάλλοντος χώρου, για στοιχεία όπως η βλάστηση, οι δρόμοι και οι χώροι στάθμευσης, έγινε με τις τέσσερις επιφάνειες που προέρχονται από το LiDAR, χρησιμοποιώντας τους αλγόριθμους επιβλεπόμενης ταξινόμησης.

'''3.3 Εξαγωγή των χωρικών ιδιοτήτων'''

Αφού ολοκληρωθεί η οριοθέτηση των κτηρίων και η ταξινόμηση των στοιχείων του περιβάλλοντος χώρου, υπολογίζονται τέσσερις ομάδες ιδιοτήτων του χώρου και του τοπίου, οι οποίες χρησιμοποιούνται στη συνέχεια για την ταξινόμηση των κτηρίων. Οι ιδιότητες αυτές αφορούν βασικά στατιστικά χαρακτηριστικά (ομάδα Α), ιδιότητες που σχετίζονται με το σχήμα (ομάδα Β), τη χωρική συσχέτιση ανάμεσα στα κτήρια (ομάδα Γ) καθώς και τη χωρική συσχέτιση των κτηρίων με τα στοιχεία χρήσεις γης (ομάδα Δ).

'''3.4. Ταξινόμηση τυπολογίας κτηρίων'''

[[Εικόνα:601-2.jpg|thumb|left|Εικόνα 2: Χάρτης ταξινόμησης τυπολογίας κτηρίων για την περιοχή του κέντρου: η ταξινόμηση με βάση (α) το σχήμα I, και (β) το σχήμα II.]]
Για την ταξινόμηση των κτηρίων χρησιμοποιούνται τέσσερις αλγόριθμοι μηχανικής μάθησης. Η ταξινόμηση περιλαμβάνει τρεις κατηγορίες κτηρίων: τις μονοκατοικίες, τις πολυκατοικίες και κτήρια που δεν στεγάζουν χρήση κατοικίας. Δύο σχήματα ταξινόμησης προτείνονται: στο σχήμα I, τα κτήρια κατοικιών που περιλαμβάνουν μόνο μία μονάδα θεωρούνται μονοκατοικίες. Οι πολυκατοικίες ορίζονται ως κτήρια κατοικιών που περιλαμβάνουν περισσότερες από μία μονάδες, όπως τα διαμερίσματα και οι μεζονέτες. Κτήρια που φιλοξενούν άλλες χρήσεις, όπως θέατρα, ξενοδοχεία, σχολεία, εργοστάσια, καταστήματα λιανικής πώλησης, ορίζονται ως μη οικιστικά κτήρια. Επειδή οι μονοκατοικίες και μερικά συγκροτήματα κατοικιών (π.χ. διαμερίσματα δύο και τριών μονάδων) μπορεί να έχουν παρόμοια χαρακτηριστικά κτηρίου ως προς το σχήμα και το μέγεθος, το σχήμα II, συμπεριλαμβάνει τις περιπτώσεις αυτές στην ίδια κατηγορία.

Προκειμένου να διερευνηθεί η αποτελεσματικότητα των διαφορετικών χαρακτηριστικών στην ακρίβεια ταξινόμησης, τα κτήρια κατατάσσονται αρχικά χρησιμοποιώντας τα χαρακτηριστικά από τις τέσσερις ομάδες, τόσο μεμονωμένα όσο και συνολικά. Τα αποτελέσματα της ταξινόμησης αξιολογούνται χρησιμοποιώντας τυπικές στατιστικές ακρίβειας, όπως η ακρίβεια του παραγωγού, η ακρίβεια του χρήστη, η συνολική ακρίβεια και ο Συντελεστής Συμφωνίας Kappa.

'''4.Αποτελέσματα'''

[[Εικόνα:601-3.jpg|thumb|right|Εικόνα 3: Χάρτης ταξινόμησης τυπολογίας κτηρίων για την περιοχή των προαστίων: η ταξινόμηση με βάση (α) το σχήμα I, και (β) το σχήμα II.]]
Οι τέσσερις τεχνικές (η DT, ADT, RF, και SVM) που χρησιμοποιήθηκαν για την ταξινόμηση των κτηρίων, οδήγησαν σε συνολική ακρίβεια της τάξης του 60-88% στις δύο περιοχές μελέτης. Μεταξύ των τεσσάρων προσεγγίσεων ταξινόμησης, η SVM ξεπέρασε τους άλλους τρεις ταξινομητές αποδίδοντας πιο ακριβή αποτελέσματα, τόσο στο κέντρο της πόλης όσο και στα προάστια. Η ταξινόμηση των κτηρίων οδήγησε σε σχετικά υψηλότερη ακρίβεια στο κέντρο της πόλης σε σχέση με τα προάστια, ακόμη και αν η τοποθεσία στο κέντρο της πόλης παρουσίαζε μεγαλύτερη χωρική ανομοιογένεια.

Οι εικόνες 2 και 3 απεικονίζουν τα αποτελέσματα της ταξινόμησης SVM χρησιμοποιώντας όλες τις ομάδες των ιδιοτήτων για τις δύο περιοχές μελέτης. Στο κέντρο της πόλης, το σφάλμα της ταξινόμησης οφείλεται κυρίως στις πληροφορίες του σχήματος των κτηρίων. Για παράδειγμα, στο σχήμα I (Εικ. 2α) τα κτήρια πολυκατοικιών που έχουν ταξινομηθεί ως μη οικιστικά κτήρια είναι όλα μεγάλα σε μέγεθος, ενώ τα μικρά σε μέγεθος, μη οικιστικά κτήρια ταξινομήθηκαν εσφαλμένα ως μονοκατοικίες. Κατά την εφαρμογή του σχήματος II (Εικ.2β), δημιουργήθηκε σημαντική σύγχυση ανάμεσα στις πολυκατοικίες και στα μη οικιστικά κτήρια.

Όσον αφορά τα προάστια, η σύγχυση ανάμεσα στις μονοκατοικίες και τις πολυκατοικίες οδήγησε σε εσφαλμένες ταξινομήσεις των κτηρίων με βάση το σχήμα I (Εικ. 3α), ενώ για το σχήμα II (Εικ. 3β) το σφάλμα ανάμεσα στις δύο αυτές κατηγορίες είναι μικρότερο. Παρ’ όλα αυτά, πολλά μικρά μη οικιστικά κτήρια, όπως καταστήματα λιανικής, ταξινομήθηκαν ως μονοκατοικίες, ενώ μικρά συγκροτήματα κατοικιών (π.χ. 4-6 διαμερισμάτων) κατηγοριοποιήθηκαν ως μονοκατοικίες.

'''5. Συμπεράσματα'''
Η εξαγωγή πληροφοριών που αφορούν στην τυπολογία των κτηρίων από τηλεπισκοπικά δεδομένα είναι ένα πολύτιμο αλλά δύσκολο έργο. Αυτή η μελέτη προτείνει μια μέθοδο για τη λήψη πληροφοριών σχετικά με την τυπολογία των κτηρίων, χρησιμοποιώντας τέσσερις ομάδες χωρικών ιδιοτήτων και ιδιοτήτων του τοπίου που προέρχονται από τα δεδομένα LiDAR. Η προτεινόμενη μέθοδος δοκιμάστηκε σε δύο περιοχές μελέτης στο Ντένβερ, CO, Η.Π.Α., οι οποίες παρουσιάζουν διαφορετικά χαρακτηριστικά, τόσο ως προς τα κτήρια όσο και ως προς το περιβάλλον της γειτονιάς.

Πιστεύεται ότι το προϊόν της παρούσας μελέτης είναι πολύτιμο για τον αστικό σχεδιασμό και τη διαχείριση του αστικού χώρου. Στην πραγματικότητα, εκτός από τα κτήρια, η προτεινόμενη μέθοδος, με την κατάλληλη τροποποίηση, μπορεί να εφαρμοστεί και σε άλλα αστικά χαρακτηριστικά, όπως είναι οι δρόμοι, οι χώροι στάθμευσης, καθώς επίσης και οι χορτολιβαδικές εκτάσεις, τα οποία είναι επίσης σημαντικά στοιχεία για τον πολεοδομικό σχεδιασμό.

[[category:Αστικός και περιφερειακός σχεδιασμός]]

Αρχείο:601-3.jpg

2015-04-05T15:46:47Z

Stavropoulou Athanasia:

Αρχείο:601-2.jpg

2015-04-05T15:42:51Z

Stavropoulou Athanasia:

Αρχείο:601-1.jpg

2015-04-05T15:39:41Z

Stavropoulou Athanasia:

Σταυροπούλου Αθανασία

2015-04-05T15:38:45Z

Stavropoulou Athanasia:

* [[Επιδράσεις της χωρικής δομής των χώρων πρασίνου στην αστική ψύξη σε μια μεγάλη μητροπολιτική περιοχή της ανατολικής Κίνας.]]
* [[Ανίχνευση μεταβολών των αστικών νησίδων θερμότητας με τη χρήση εικόνων Landsat: μελέτη περίπτωσης για την πόλη του Καΐρου, Αίγυπτος.]]
* [[Ταξινόμηση τυπολογίας κτηρίων με τη χρήση χωρικών και χαρακτηριστικών του τοπίου που προέρχονται από LiDAR δεδομένα τηλεπισκόπησης.]]

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

Ταξινόμηση τυπολογίας κτηρίων με τη χρήση χωρικών και χαρακτηριστικών του τοπίου που προέρχονται από LiDAR δεδομένα τηλεπισκόπησης

2015-04-05T15:38:00Z

Stavropoulou Athanasia: Νέα σελίδα με ''''Πρωτότυπος τίτλος:''' Building type classification using spatial and landscape attributes derived from LiDAR remote sensing data '''Συγγραφεί...'

'''Πρωτότυπος τίτλος:'''
Building type classification using spatial and landscape attributes derived from LiDAR remote sensing data

'''Συγγραφείς:'''
Zhenyu Lu, Jungho Im, Jinyoung Rhee, Michael Hodgson

http://www.sciencedirect.com/science/article/pii/S0169204614001601

'''Περίληψη'''

Οι πληροφορίες που αφορούν στα κτήρια είναι ένα από τα βασικά στοιχεία για μια σειρά πρακτικών του πολεοδομικού σχεδιασμού και της διαχείρισης του αστικού χώρου. Σε αυτή τη μελέτη, διεξάγεται μια έρευνα για την ταξινόμηση της τυπολογίας των κτηρίων, με τη χρήση δεδομένων τηλεπισκόπησης (LIDAR), σε τρεις κατηγορίες: σε μονοκατοικίες, σε πολυκατοικίες και σε μη οικιστικά κτήρια. Τέσσερα είδη των χωρικών ιδιοτήτων που περιγράφουν το σχήμα, τη θέση και τον περιβάλλοντα χώρο των κτηρίων υπολογίστηκαν και στη συνέχεια χρησιμοποιήθηκαν στην ταξινόμηση. Τα πειράματα πραγματοποιήθηκαν στα προάστια και στο κέντρο του Ντένβερ, CO, ΗΠΑ, σε περιοχές που περιλαμβάνουν διαφορετικά χαρακτηριστικά τόσο σε επίπεδο κτηρίων όσο και σε επίπεδο περιβάλλοντος γειτονιάς.

'''2. Περιοχή μελέτης και δεδομένα'''

'''2.1. Περιοχή μελέτης'''

Ως περιοχή μελέτης επιλέχθηκαν δύο περιοχές στο κέντρο και στα προάστια του Denver, στο Κολοράντο των ΗΠΑ. Τα χαρακτηριστικά των κτηρίων είναι διαφορετικά για τις δύο περιοχές. Στο κέντρο της πόλης περιλαμβάνονται μονοκατοικίες σε ποσοστό 43,38% , πολυκατοικίες σε ποσοστό 36,62% και κτήρια που δεν αποτελούν κτήρια κατοικίας σε ποσοστό 20%. Στα προάστια, οι μονοκατοικίες κυριαρχούν με ποσοστό 85,57%, ακολουθούν οι πολυκατοικίες με 10,63% , ενώ τα κτήρια που δεν αποτελούν κατοικίες αποτελούν το 3,80%. Εκτός από τα τρία βασικά είδη κτηρίων, η καταγραφή της τυπολογίας διαφοροποιείται ιδιαιτέρως και στις υποκατηγορίες ανάμεσα στην περιοχή του κέντρου και εκείνης των προαστίων. Για παράδειγμα, το ποσοστό των διπλοκατοικιών και των τριπλοκατοικιών είναι μόλις 4,2% στο κέντρο της πόλης, ενώ στα προάστια το αντίστοιχο ποσοστό είναι 40,5%.

Στο κέντρο της πόλης, οι δομημένοι χώροι (π.χ. κτήρια, δρόμοι, χώροι στάθμευσης) αποτελούν τα κύρια χαρακτηριστικά του χώρου, ενώ υπάρχει ένα πάρκο στα νότια της περιοχής μελέτης, όπου κυριαρχούν το χορτάρι και τα δέντρα. Δέντρα υπάρχουν μόνο κατά μήκος των δρόμων, ενώ οι μονοκατοικίες, οι πολυκατοικίες και τα λοιπά κτήρια κατανέμονται ομοιόμορφα στο κέντρο της πόλης. Αντίθετα, στα προάστια κυρίαρχα χαρακτηριστικά αποτελούν το πράσινο και τα δέντρα, υπάρχουν πολύ λίγοι χώροι στάθμευσης κυρίως στη δυτική πλευρά της περιοχής μελέτης, ενώ κυρίαρχος τύπος κτηρίου είναι οι μονοκατοικίες. Και οι δύο περιοχές μελέτης είναι σχετικά επίπεδες.

'''2.2. Δεδομένα'''

Σ’αυτή τη μελέτη χρησιμοποιήθηκαν δεδομένα LIDAR καθώς και χωρικά δεδομένα από το GIS Center της πόλης του Ντένβερ. Τα δεδομένα LiDAR συλλέχθηκαν με χρήση ενός 1064 nm λέιζερ με συχνότητα επανάληψης παλμών 50 kHz από την Sanborn Map Company, στις 15 Απριλίου 2008. Η πυκνότητα απόσπασης δεδομένων LiDAR ήταν 2.3 πόντοι / m2.

Λόγω της κυριαρχίας των μονοκατοικιών στα προάστια, για την ταξινόμηση επιλέχθηκε τυχαία μόνο το 10% των κτηρίων, προκειμένου να εξασφαλιστεί ένας συγκρίσιμος αριθμός δειγμάτων που ανήκουν σε διαφορετικούς τύπους κτηρίων. Τόσο τα κτήρια της περιοχής του κέντρου όσο και το 10% των τυχαία επιλεγμένων κτηρίων των προαστίων χωρίστηκαν σε δύο ομάδες: 50% για τη βαθμονόμηση και 50% για την επικύρωση.

'''3.Μεθοδολογία'''

Η μέθοδος ταξινόμησης της τυπολογίας των κτηρίων που προτείνεται αποτελείται από τρία βασικά βήματα: (1) εξαγωγή των ορίων των κτηρίων από δεδομένα LiDAR, (2) υπολογισμός των ιδιοτήτων που σχετίζονται με τον χώρο και το τοπίο, και (3) ταξινόμηση των οριοθετημένων κτηρίων, με τη χρήση των ιδιοτήτων που υπολογίστηκαν.

'''3.1 Εξαγωγή των ορίων των κτηρίων από δεδομένα LiDAR'''

Για την εξαγωγή των ορίων των κτηρίων χρησιμοποιείται ένας τροποποιημένος μορφολογικός αλγόριθμος εξόρυξης κτηρίων, ο οποίος βελτιώθηκε και αποδείχτηκε ιδιαίτερα αποτελεσματικός κυρίως για την ανίχνευση pixel κτηρίων που φράζονται από γειτονικά ψηλά δέντρα.

'''3.2 Εξαγωγή των στοιχείων χρήσης γης'''

Ο προσδιορισμός των στοιχείων του περιβάλλοντος χώρου, για στοιχεία όπως η βλάστηση, οι δρόμοι και οι χώροι στάθμευσης, έγινε με τις τέσσερις επιφάνειες που προέρχονται από το LiDAR, χρησιμοποιώντας τους αλγόριθμους επιβλεπόμενης ταξινόμησης.

'''3.3 Εξαγωγή των χωρικών ιδιοτήτων'''

Αφού ολοκληρωθεί η οριοθέτηση των κτηρίων και η ταξινόμηση των στοιχείων του περιβάλλοντος χώρου, υπολογίζονται τέσσερις ομάδες ιδιοτήτων του χώρου και του τοπίου, οι οποίες χρησιμοποιούνται στη συνέχεια για την ταξινόμηση των κτηρίων. Οι ιδιότητες αυτές αφορούν βασικά στατιστικά χαρακτηριστικά (ομάδα Α), ιδιότητες που σχετίζονται με το σχήμα (ομάδα Β), τη χωρική συσχέτιση ανάμεσα στα κτήρια (ομάδα Γ) καθώς και τη χωρική συσχέτιση των κτηρίων με τα στοιχεία χρήσεις γης (ομάδα Δ).

'''3.4. Ταξινόμηση τυπολογίας κτηρίων'''

Για την ταξινόμηση των κτηρίων χρησιμοποιούνται τέσσερις αλγόριθμοι μηχανικής μάθησης. Η ταξινόμηση περιλαμβάνει τρεις κατηγορίες κτηρίων: τις μονοκατοικίες, τις πολυκατοικίες και κτήρια που δεν στεγάζουν χρήση κατοικίας. Δύο σχήματα ταξινόμησης προτείνονται: στο σχήμα I, τα κτήρια κατοικιών που περιλαμβάνουν μόνο μία μονάδα θεωρούνται μονοκατοικίες. Οι πολυκατοικίες ορίζονται ως κτήρια κατοικιών που περιλαμβάνουν περισσότερες από μία μονάδες, όπως τα διαμερίσματα και οι μεζονέτες. Κτήρια που φιλοξενούν άλλες χρήσεις, όπως θέατρα, ξενοδοχεία, σχολεία, εργοστάσια, καταστήματα λιανικής πώλησης, ορίζονται ως μη οικιστικά κτήρια. Επειδή οι μονοκατοικίες και μερικά συγκροτήματα κατοικιών (π.χ. διαμερίσματα δύο και τριών μονάδων) μπορεί να έχουν παρόμοια χαρακτηριστικά κτηρίου ως προς το σχήμα και το μέγεθος, το σχήμα II, συμπεριλαμβάνει τις περιπτώσεις αυτές στην ίδια κατηγορία.

Προκειμένου να διερευνηθεί η αποτελεσματικότητα των διαφορετικών χαρακτηριστικών στην ακρίβεια ταξινόμησης, τα κτήρια κατατάσσονται αρχικά χρησιμοποιώντας τα χαρακτηριστικά από τις τέσσερις ομάδες, τόσο μεμονωμένα όσο και συνολικά. Τα αποτελέσματα της ταξινόμησης αξιολογούνται χρησιμοποιώντας τυπικές στατιστικές ακρίβειας, όπως η ακρίβεια του παραγωγού, η ακρίβεια του χρήστη, η συνολική ακρίβεια και ο Συντελεστής Συμφωνίας Kappa.

'''4.Αποτελέσματα'''

Οι τέσσερις τεχνικές (η DT, ADT, RF, και SVM) που χρησιμοποιήθηκαν για την ταξινόμηση των κτηρίων, οδήγησαν σε συνολική ακρίβεια της τάξης του 60-88% στις δύο περιοχές μελέτης. Μεταξύ των τεσσάρων προσεγγίσεων ταξινόμησης, η SVM ξεπέρασε τους άλλους τρεις ταξινομητές αποδίδοντας πιο ακριβή αποτελέσματα, τόσο στο κέντρο της πόλης όσο και στα προάστια. Η ταξινόμηση των κτηρίων οδήγησε σε σχετικά υψηλότερη ακρίβεια στο κέντρο της πόλης σε σχέση με τα προάστια, ακόμη και αν η τοποθεσία στο κέντρο της πόλης παρουσίαζε μεγαλύτερη χωρική ανομοιογένεια.

Οι εικόνες 2 και 3 απεικονίζουν τα αποτελέσματα της ταξινόμησης SVM χρησιμοποιώντας όλες τις ομάδες των ιδιοτήτων για τις δύο περιοχές μελέτης. Στο κέντρο της πόλης, το σφάλμα της ταξινόμησης οφείλεται κυρίως στις πληροφορίες του σχήματος των κτηρίων. Για παράδειγμα, στο σχήμα I (Εικ. 2α)τα κτήρια πολυκατοικιών που έχουν ταξινομηθεί ως μη οικιστικά κτήρια είναι όλα μεγάλα σε μέγεθος, ενώ τα μικρά σε μέγεθος, μη οικιστικά κτήρια ταξινομήθηκαν εσφαλμένα ως μονοκατοικίες. Κατά την εφαρμογή του σχήματος II (Εικ.2β), δημιουργήθηκε σημαντική σύγχυση ανάμεσα στις πολυκατοικίες και στα μη οικιστικά κτήρια.

Όσον αφορά τα προάστια, η σύγχυση ανάμεσα στις μονοκατοικίες και τις πολυκατοικίες οδήγησε σε εσφαλμένες ταξινομήσεις των κτηρίων με βάση το σχήμα I (Εικ. 3α), ενώ για το σχήμα II (Εικ. 3β) το σφάλμα ανάμεσα στις δύο αυτές κατηγορίες είναι μικρότερο. Παρ’ όλα αυτά, πολλά μικρά μη οικιστικά κτήρια, όπως καταστήματα λιανικής, ταξινομήθηκαν ως μονοκατοικίες, ενώ μικρά συγκροτήματα κατοικιών (π.χ. 4-6 διαμερισμάτων) κατηγοριοποιήθηκαν ως μονοκατοικίες.

'''5. Συμπεράσματα'''
Η εξαγωγή πληροφοριών που αφορούν στην τυπολογία των κτηρίων από τηλεπισκοπικά δεδομένα είναι ένα πολύτιμο αλλά δύσκολο έργο. Αυτή η μελέτη προτείνει μια μέθοδο για τη λήψη πληροφοριών σχετικά με την τυπολογία των κτηρίων, χρησιμοποιώντας τέσσερις ομάδες χωρικών ιδιοτήτων και ιδιοτήτων του τοπίου που προέρχονται από τα δεδομένα LiDAR. Η προτεινόμενη μέθοδος δοκιμάστηκε σε δύο περιοχές μελέτης στο Ντένβερ, CO, Η.Π.Α., οι οποίες παρουσιάζουν διαφορετικά χαρακτηριστικά, τόσο ως προς τα κτήρια όσο και ως προς το περιβάλλον της γειτονιάς.

Πιστεύεται ότι το προϊόν της παρούσας μελέτης είναι πολύτιμο για τον αστικό σχεδιασμό και τη διαχείριση του αστικού χώρου. Στην πραγματικότητα, εκτός από τα κτήρια, η προτεινόμενη μέθοδος, με την κατάλληλη τροποποίηση, μπορεί να εφαρμοστεί και σε άλλα αστικά χαρακτηριστικά, όπως είναι οι δρόμοι, οι χώροι στάθμευσης, καθώς επίσης και οι χορτολιβαδικές εκτάσεις, τα οποία είναι επίσης σημαντικά για τον πολεοδομικό σχεδιασμό.

[[category:Αστικός και περιφερειακός σχεδιασμός]]

Σταυροπούλου Αθανασία

2015-04-05T15:15:10Z

Stavropoulou Athanasia:

Ανίχνευση μεταβολών των αστικών νησίδων θερμότητας με τη χρήση εικόνων Landsat: μελέτη περίπτωσης για την πόλη του Καΐρου, Αίγυπτος

2015-04-05T15:13:40Z

Stavropoulou Athanasia:

'''Πρωτότυπος τίτλος:'''
Change detection of urban heat islands and some related parameters using multi-temporal Landsat images; a case study for Cairo city, Egypt

'''Συγγραφείς:'''
Hala Adel Effat, Ossman Abdel Kader Hassan

http://www.sciencedirect.com/science/article/pii/S2212095514000832

'''Περίληψη'''

Το Κάιρο έχει μια μοναδική γεωγραφική θέση και παρουσιάζει μία από τις υψηλότερες οικιστικές πυκνότητες σε παγκόσμιο επίπεδο. Η παρούσα μελέτη επιχειρεί να χαρτογραφήσει και να ανιχνεύσει μεταβολές στην κάλυψη γης και στις αστικές νησίδες θερμότητας που σημειώθηκαν στο Κάιρο κατά τη διάρκεια των τριών τελευταίων δεκαετιών με τη χρήση multi-temporal δορυφορικών δεδομένων Landsat TM.

'''Εισαγωγή'''

Μια Αστική Νησίδα Θερμότητας είναι η περίσσεια θερμότητας που εμφανίζεται στην ατμόσφαιρας μιας αστικής περιοχής σε σύγκριση με τους μη-αστικοποιημένους περιβάλλοντες χώρους. Οι αστικές περιοχές γενικά παρουσιάζουν υψηλότερη απορρόφηση της ηλιακής ακτινοβολίας και μεγαλύτερη θερμική χωρητικότητα και αγωγιμότητα, καθώς αποτελούνται από κτήρια, δρόμους και άλλες μη διαπερατές επιφάνειες. Η θερμότητα αποθηκεύεται κατά τη διάρκεια της ημέρας και απελευθερώνεται κατά τη διάρκεια της νύχτας. Ως εκ τούτου, οι αστικές περιοχές τείνουν να εμφανίζουν σχετικά υψηλότερη θερμοκρασία σε σχέση με τις γύρω αγροτικές περιοχές. Αυτή η θερμική διαφορά, σε συνδυασμό με την απορριπτόμενη θερμότητα που απελευθερώνεται από αστικά σπίτια, τις μεταφορές και τη βιομηχανία, συμβάλλουν στην ανάπτυξη της Αστικής θερμικής Νησίδας (UHI).

'''1.1. Κάιρο: τοποθεσία, περιγραφή του προβλήματος και ανασκόπηση της βιβλιογραφίας'''
[[Εικόνα:832-1.jpg|thumb|left|Εικόνα 1: (α) η τοποθεσία της πόλης του Καΐρου, (β) η πόλη του Καΐρου το 2007, εικόνα ανακτημένη από το Google Earth.]]

Η πόλη του Καΐρου βρίσκεται σε γεωγραφικό πλάτος 30° 06’ Β και γεωγραφικό μήκος 31 28’ E σε υψόμετρο 74,5 m asl. Η πόλη βρίσκεται στα ανατολικά του ποταμού Νείλου, νότια του Δέλτα του ποταμού. Συνορεύει από τα δυτικά με την αστική περιοχή του Κυβερνείου της Γκίζας στις δυτικές όχθες του ποταμού Νείλου (Εικ. 1). Η πόλη χαρακτηρίζεται από την παρουσία των λόφων του Ελ Moqattam στα νοτιοανατολικά και έρημο που εκτείνεται προς την ανατολική κατεύθυνση (Robaa, 2003). Το νότιο άκρο του Κυβερνείου του Qalyubia συνορεύει με την πόλη του Καΐρου από την βορειοδυτική πλευρά. Η τοποθεσία του Καΐρου είναι μοναδική: περιλαμβάνει τμήμα του Δέλτα του Νείλου, καλλιεργούμενες εκτάσεις και τον ποταμό Νείλο, στα δυτικά και γυμνές εκτάσεις της ερήμου στα ανατολικά.

'''2. Τα δεδομένα'''

Δορυφορικά δεδομένα Landsat πολλαπλών χρονικών στιγμών χρησιμοποιήθηκαν για την ανίχνευση των μεταβολών στις αστικές νησίδες θερμότητας (UHI) πάνω από το Κάιρο, κατά τη διάρκεια των καλοκαιρινών περιόδων. Μια περίοδος τριών δεκαετιών καλύφθηκε από πέντε υπο-σκηνές, που αποκτήθηκαν στις 20 Σεπτεμβρίου 1984, στις 4 Αυγούστου 1990, στις 26 Αυγούστου 2001, στις 28 Αυγούστου 2006 και στις 18 Αυγούστου 2013. Τα δεδομένα δημιουργήθηκαν από την U.S. Geological Survey (2013) και λήφθηκαν σε μορφή αρχείου εικόνας (GeoTIFF). Τα δεδομένα αποκτήθηκαν από τους αισθητήρες Landsat-5TM και Landsat-7 ΕΤΜ+. Το κανάλι 6 (θερμικό υπέρυθρο) χρησιμοποιήθηκε για τη θερμική χαρτογράφηση και την ανίχνευση των αστικών νησίδων θερμότητας. Τα κανάλια 1, 2, 3, 4, 5 και 7 χρησιμοποιήθηκαν για τη χαρτογράφηση της χρήσεων γης / κάλυψης γης και των σχετικών αλλαγών. Μια γεωγραφική βάση δεδομένων για την πόλη του Καΐρου, η οποία δημιουργήθηκε από τον Egyptian General Organization for Physical Planning (2010), χρησιμοποιήθηκε για αυτή τη μελέτη.

'''3. Μεθοδολογία'''

Αρκετές τεχνικές επεξεργασίας εικόνας με τη χρήση των λογισμικών ENVI 4.8 και ArcGIS 10 εφαρμόστηκαν για τη μελέτη των αλλαγών της χρήση γης / κάλυψης γης και της σχετικής επιφανειακής θερμοκρασίας στην πόλη του Καΐρου.
[[Εικόνα:832-2.jpg|thumb|right|Εικόνα 2: Ανίχνευση των μεταβολών στην κάλυψη γης με τη χρήση εικόνων Landsat TM, ETM από πολλαπλές χρονικές στιγμές.]]

'''3.1 χαρτογράφηση μεταβολών κάλυψης γης/χρήσης γης στην περιοχή του Καΐρου'''

Τα κανάλια 1-5 και 7 έχουν χωρική διακριτική ικανότητα 30m, ενώ το θερμικό υπέρυθρο κανάλι (κανάλι 6) έχει χωρική διακριτική ικανότητα 120m για τις εικόνες Landsat 5 TM και 60m για τις εικόνες Landsat 7ETM+. Οι εικόνες αυτές υποβλήθηκαν σε αναγωγή με τη βοήθεια του αλγόριθμου του εγγύτερου γείτονα, με μέγεθος pixel 30m για τα κανάλια 1,2,3,4,5 και 7, ενώ για την ανάλυση των μεταβολών της θερμοκρασίας και των χρήσεων γης/κάλυψης γης στην περιοχή μελέτης, οι εικόνες υποβλήθηκαν σε γεωαναφορά στο ίδιο σύστημα συντεταγμένων (UTM/WGS84). Για την ταξινόμηση των εικόνων Landsat, χρησιμοποιήθηκε ο αλγόριθμος της μέγιστης πιθανοφάνειας.

'''3.2 ανίχνευση μεταβολών στη φωταύγεια'''

Για τον υπολογισμό της φωταύγειας, χρησιμοποήθηκε ο τύπος του Liang(2000), ο οποίος κανονικοποιήθηκε από τον Smith (2010), Οι χάρτες που προέκυψαν ταξινομήθηκαν με τη μέθοδο της τυπικής απόκλισης

'''3.3 ανίχνευση μεταβολών στον Κανονικοποιημένο Δείκτη Βλάστησης (NDVI)'''

Ο Κανονικοποιημένος Δείκτης Βλάστησης υπολογίστηκε και για τις πέντε εικόνες από τον τύπο :
'''NDVI = (near - infrared) – red / (near – infrared) + red'''

'''3.4 ανάκτηση της επιφανειακής θερμοκρασίας της γης από το θερμικό κανάλι του Landsat'''
[[Εικόνα:832-3.jpg|thumb|right|Εικόνα 3: Χάρτες της θερμοκρασίας της επιφάνειας της γης με τη χρήση εικόνων Landsat από πολλαπλές χρονικές στιγμές.]]

Για την ανάκτηση της επιφανειακής θερμοκρασίας της γης έχουν αναπτυχθεί διάφοροι αλγόριθμοι. Στη συγκεκριμένη περίπτωση, χρησιμοποιήθηκε η μέθοδος των Artis & Carnahan (1982), η οποία δεν χρειάζεται επιπλέον παραμέτρους εισόδου, γι’ αυτό και επιλέχθηκε.

'''3.5 ανίχνευση των αστικών θερμικών νησίδων'''

Οι Ma et al(2010) όρισαν την ένταση της αστικής θερμικής νησίδας ως τη διαφορά ανάμεσα στη μέση θερμοκρασία της περιοχής της UHI και της αντίστοιχης θερμοκρασίας μιας αγροτικής περιοχής. Η ίδια μέθοδος χρησιμοποιήθηκε για τη μέτρηση της έντασης των UHI του Καΐρου, για κάθε μία από τις δορυφορικές εικόνες. Η χωρική κατανομή των ζωνών UHI παρουσιάζεται στην [εικ. 4].

[[Εικόνα:832-4.jpg|thumb|right|Εικόνα 4: Χωρική έκταση των αστικών θερμικών νησίδων (UHI) βασισμένη στις εικόνες Landsat TM, ETM από πολλαπλές χρονικές στιγμές. Οι ζώνες των UHI σημειώνονται με κόκκινο χρώμα. Για την περαιτέρω ερμηνεία της χρωματικής απόδοσης των εικόνων, ο αναγνώστης παραπέμπεται στην εκδοχή του άρθρου που βρίσκεται στο διαδίκτυο.]]

'''4. Συμπεράσματα'''

Τα αποτελέσματα που προέκυψαν από την παρούσα μελέτη απέδειξαν την εγκυρότητα της χρήσης δορυφορικών εικόνων Landsat από πολλαπλές χρονικές στιγμές, προκειμένου να χαρτογραφηθούν και να εντοπιστούν οι αλλαγές στις αστικές νησίδες θερμότητας (UHI) πάνω από ημι-άνυδρες πυκνοδομημένες πόλεις, όπως το Κάιρο στην Αίγυπτο. Η τηλεπισκόπηση παρέχει ένα μέτρο για το μέγεθος των επιφανειακών θερμοκρασιών ολόκληρης της αστικής περιοχής, καθώς και τη χωρική έκταση της επίδρασης της θερμικής νησίδας. Παρέχει, επίσης, ένα μέτρο για τη φωταύγεια και τον κανονικοποιημένο δείκτη βλάστησης (NDVI) από δορυφορικές εικόνες που προέρχονται από διαφορετικές χρονικές στιγμές.

Η παρούσα μελέτη οδήγησε στα ακόλουθα συμπεράσματα:

1. Το μικρο-αστικό κλίμα της πόλης του Καΐρου είναι αρκετά πολύπλοκο και επηρεάζεται από διάφορες περιβάλλουσες κατηγορίες κάλυψης γης. Το γεγονός αυτό είναι εμφανές στο ανατολικό τμήμα του Καΐρου, όπου τα κρίσιμα/επίμαχα σημεία σχετίζονται με επιδράσεις από την έρημο και τα γυμνά εδάφη. Στο δυτικό τμήμα, εντοπίζεται ηπιότερο μικρο-αστικό κλίμα, το οποίο οφείλεται στην εγγύτητά του με τον ποταμό Νείλο και τις καλλιεργούμενες εκτάσεις στο Δέλτα του ποταμού. Επίσης, η πιο πυκνή δόμηση της παλιάς και κεντρικής πόλης δημιουργεί περισσότερες σκιαζόμενες περιοχές.

2. Η πόλη του Καΐρου γνώρισε μεγάλη αύξηση των δομημένων περιοχών που έφθασε το 14,9 - 39,3% από το 1984 έως το 2013, αντίστοιχα. Δύο τάσεις για την αστική ανάπτυξη έλαβαν χώρα κατά τη διάρκεια της περιόδου μελέτης. Πρώτον, κατασκευάστηκαν μεγάλης έκτασης αστικές περιοχές, άτυπα και χωρίς σχεδιασμό, και επιπροσθέτως, οι νέες, νόμιμες κατασκευές αυξήθηκαν σε μέγεθος και πυκνότητα. Η τάση αυτή έγινε περισσότερο αισθητή μετά την Αιγυπτιακή επανάσταση το 2011, όταν η άτυπη αστική ανάπτυξη επιταχύνθηκε από την αδυναμία κυβερνητικού ελέγχου κατά τη διάρκεια αυτής της περιόδου.

3. Η συνεχιζόμενη αύξηση του αστικού / δομημένου χώρου είναι αισθητή, όπου η θερμοκρασία πάνω από την κατηγορία '' Αστικός '' αυξήθηκε. Σε σύγκριση με το μέσο όρο της θερμοκρασίας πάνω από τα καλλιεργούμενα εδάφη, το μέγεθος της αστικής θερμικής νησίδας (UHI) πάνω από το Κάιρο κυμαινόταν από 3,11°C έως 5,7°C. Η ανάλυση δείχνει μια διακύμανση της έντασης της UHI, η οποία, εκτός από τις μεταβολές στην κάλυψη γης και τα σχετικά ποσοστά εξατμισοδιαπνοής, σχετίζεται με τις καιρικές συνθήκες, την κλιματική αλλαγή και τις ανθρωπογενείς δραστηριότητες. Το συμπαγές αστικό πρότυπο ενισχύει την αύξηση της επιφανειακής θερμοκρασίας της γης και την ανάπτυξη περισσότερων hotspots. Ζώνες πρασίνου, κήποι, πάρκα και σιντριβάνια νερού είναι ανεπαρκή και απαιτούνται για τη μείωση των UHI σε όλη την πόλη.

4. Οι πράσινες εκτάσεις που έχουν καταγραφεί από τις δορυφορικές εικόνες (από την κάλυψη γης και τον NDVI) παρουσιάζουν μείωση. Η εξέλιξη αυτή έχει αρνητικές επιπτώσεις στο ρυθμό εξατμισοδιαπνοής, ο οποίος μειώνει τη ροή θερμότητας σε μια πόλη.

[[category:Ενέργεια]]

Αρχείο:832-3.jpg

2015-04-05T15:11:09Z

Stavropoulou Athanasia:

Αρχείο:832-2.jpg

2015-04-05T15:09:17Z

Stavropoulou Athanasia:

Αρχείο:832-4.jpg

2015-04-05T15:06:39Z

Stavropoulou Athanasia:

Αρχείο:832-1.jpg

2015-04-05T15:02:15Z

Stavropoulou Athanasia:

Αρχείο:Eik.1.jpg

2015-04-05T15:00:44Z

Stavropoulou Athanasia: ανέβασμα νέας έκδοσης του "Αρχείο:Eik.1.jpg"

Αρχείο:Eik.1.jpg

2015-04-05T14:55:19Z

Stavropoulou Athanasia: ανέβασμα νέας έκδοσης του "Αρχείο:Eik.1.jpg"

Αρχείο:Eik.1.jpg

2015-04-05T14:53:22Z

Stavropoulou Athanasia: ανέβασμα νέας έκδοσης του "Αρχείο:Eik.1.jpg"

Ανίχνευση μεταβολών των αστικών νησίδων θερμότητας με τη χρήση εικόνων Landsat: μελέτη περίπτωσης για την πόλη του Καΐρου, Αίγυπτος

2015-04-05T14:52:36Z

Stavropoulou Athanasia: Νέα σελίδα με ''''Πρωτότυπος τίτλος:''' Change detection of urban heat islands and some related parameters using multi-temporal Landsat images; a case study for Cairo ci...'

'''Πρωτότυπος τίτλος:'''
Change detection of urban heat islands and some related parameters using multi-temporal Landsat images; a case study for Cairo city, Egypt

'''Συγγραφείς:'''
Hala Adel Effat, Ossman Abdel Kader Hassan

http://www.sciencedirect.com/science/article/pii/S2212095514000832

'''Περίληψη'''

Το Κάιρο έχει μια μοναδική γεωγραφική θέση και παρουσιάζει μία από τις υψηλότερες οικιστικές πυκνότητες σε παγκόσμιο επίπεδο. Η παρούσα μελέτη επιχειρεί να χαρτογραφήσει και να ανιχνεύσει μεταβολές στην κάλυψη γης και στις αστικές νησίδες θερμότητας που σημειώθηκαν στο Κάιρο κατά τη διάρκεια των τριών τελευταίων δεκαετιών με τη χρήση multi-temporal δορυφορικών δεδομένων Landsat TM.

'''Εισαγωγή'''

Μια Αστική Νησίδα Θερμότητας είναι η περίσσεια θερμότητας που εμφανίζεται στην ατμόσφαιρας μιας αστικής περιοχής σε σύγκριση με τους μη-αστικοποιημένους περιβάλλοντες χώρους. Οι αστικές περιοχές γενικά παρουσιάζουν υψηλότερη απορρόφηση της ηλιακής ακτινοβολίας και μεγαλύτερη θερμική χωρητικότητα και αγωγιμότητα, καθώς αποτελούνται από κτήρια, δρόμους και άλλες μη διαπερατές επιφάνειες. Η θερμότητα αποθηκεύεται κατά τη διάρκεια της ημέρας και απελευθερώνεται κατά τη διάρκεια της νύχτας. Ως εκ τούτου, οι αστικές περιοχές τείνουν να εμφανίζουν σχετικά υψηλότερη θερμοκρασία σε σχέση με τις γύρω αγροτικές περιοχές. Αυτή η θερμική διαφορά, σε συνδυασμό με την απορριπτόμενη θερμότητα που απελευθερώνεται από αστικά σπίτια, τις μεταφορές και τη βιομηχανία, συμβάλλουν στην ανάπτυξη της Αστικής θερμικής Νησίδας (UHI).

'''1.1. Κάιρο: τοποθεσία, περιγραφή του προβλήματος και ανασκόπηση της βιβλιογραφίας'''

Η πόλη του Καΐρου βρίσκεται σε γεωγραφικό πλάτος 30° 06’ Β και γεωγραφικό μήκος 31 28’ E σε υψόμετρο 74,5 m asl. Η πόλη βρίσκεται στα ανατολικά του ποταμού Νείλου, νότια του Δέλτα του ποταμού. Συνορεύει από τα δυτικά με την αστική περιοχή του Κυβερνείου της Γκίζας στις δυτικές όχθες του ποταμού Νείλου (Εικ. 1). Η πόλη χαρακτηρίζεται από την παρουσία των λόφων του Ελ Moqattam στα νοτιοανατολικά και έρημο που εκτείνεται προς την ανατολική κατεύθυνση (Robaa, 2003). Το νότιο άκρο του Κυβερνείου του Qalyubia συνορεύει με την πόλη του Καΐρου από την βορειοδυτική πλευρά. Η τοποθεσία του Καΐρου είναι μοναδική: περιλαμβάνει τμήμα του Δέλτα του Νείλου, καλλιεργούμενες εκτάσεις και τον ποταμό Νείλο, στα δυτικά και γυμνές εκτάσεις της ερήμου στα ανατολικά.

'''2. Τα δεδομένα'''

Δορυφορικά δεδομένα Landsat πολλαπλών χρονικών στιγμών χρησιμοποιήθηκαν για την ανίχνευση των μεταβολών στις αστικές νησίδες θερμότητας (UHI) πάνω από το Κάιρο, κατά τη διάρκεια των καλοκαιρινών περιόδων. Μια περίοδος τριών δεκαετιών καλύφθηκε από πέντε υπο-σκηνές, που αποκτήθηκαν στις 20 Σεπτεμβρίου 1984, στις 4 Αυγούστου 1990, στις 26 Αυγούστου 2001, στις 28 Αυγούστου 2006 και στις 18 Αυγούστου 2013. Τα δεδομένα δημιουργήθηκαν από την U.S. Geological Survey (2013) και λήφθηκαν σε μορφή αρχείου εικόνας (GeoTIFF). Τα δεδομένα αποκτήθηκαν από τους αισθητήρες Landsat-5TM και Landsat-7 ΕΤΜ+. Το κανάλι 6 (θερμικό υπέρυθρο) χρησιμοποιήθηκε για τη θερμική χαρτογράφηση και την ανίχνευση των αστικών νησίδων θερμότητας. Τα κανάλια 1, 2, 3, 4, 5 και 7 χρησιμοποιήθηκαν για τη χαρτογράφηση της χρήσεων γης / κάλυψης γης και των σχετικών αλλαγών. Μια γεωγραφική βάση δεδομένων για την πόλη του Καΐρου, η οποία δημιουργήθηκε από τον Egyptian General Organization for Physical Planning (2010), χρησιμοποιήθηκε για αυτή τη μελέτη.

'''3. Μεθοδολογία'''

Αρκετές τεχνικές επεξεργασίας εικόνας με τη χρήση των λογισμικών ENVI 4.8 και ArcGIS 10 εφαρμόστηκαν για τη μελέτη των αλλαγών της χρήση γης / κάλυψης γης και της σχετικής επιφανειακής θερμοκρασίας στην πόλη του Καΐρου.

'''3.1 χαρτογράφηση μεταβολών κάλυψης γης/χρήσης γης στην περιοχή του Καΐρου'''

Τα κανάλια 1-5 και 7 έχουν χωρική διακριτική ικανότητα 30m, ενώ το θερμικό υπέρυθρο κανάλι (κανάλι 6) έχει χωρική διακριτική ικανότητα 120m για τις εικόνες Landsat 5 TM και 60m για τις εικόνες Landsat 7ETM+. Οι εικόνες αυτές υποβλήθηκαν σε αναγωγή με τη βοήθεια του αλγόριθμου του εγγύτερου γείτονα, με μέγεθος pixel 30m για τα κανάλια 1,2,3,4,5 και 7, ενώ για την ανάλυση των μεταβολών της θερμοκρασίας και των χρήσεων γης/κάλυψης γης στην περιοχή μελέτης, οι εικόνες υποβλήθηκαν σε γεωαναφορά στο ίδιο σύστημα συντεταγμένων (UTM/WGS84). Για την ταξινόμηση των εικόνων Landsat, χρησιμοποιήθηκε ο αλγόριθμος της μέγιστης πιθανοφάνειας.

'''3.2 ανίχνευση μεταβολών στη φωταύγεια'''

Για τον υπολογισμό της φωταύγειας, χρησιμοποήθηκε ο τύπος του Liang(2000), ο οποίος κανονικοποιήθηκε από τον Smith (2010), Οι χάρτες που προέκυψαν ταξινομήθηκαν με τη μέθοδο της τυπικής απόκλισης

'''3.3 ανίχνευση μεταβολών στον Κανονικοποιημένο Δείκτη Βλάστησης (NDVI)'''

Ο Κανονικοποιημένος Δείκτης Βλάστησης υπολογίστηκε και για τις πέντε εικόνες από τον τύπο :
'''NDVI = (near - infrared) – red / (near – infrared) + red'''

'''3.4 ανάκτηση της επιφανειακής θερμοκρασίας της γης από το θερμικό κανάλι του Landsat'''

Για την ανάκτηση της επιφανειακής θερμοκρασίας της γης έχουν αναπτυχθεί διάφοροι αλγόριθμοι. Στη συγκεκριμένη περίπτωση, χρησιμοποιήθηκε η μέθοδος των Artis & Carnahan (1982), η οποία δεν χρειάζεται επιπλέον παραμέτρους εισόδου, γι’ αυτό και επιλέχθηκε.

'''3.5 ανίχνευση των αστικών θερμικών νησίδων'''

Οι Ma et al(2010) όρισαν την ένταση της αστικής θερμικής νησίδας ως τη διαφορά ανάμεσα στη μέση θερμοκρασία της περιοχής της UHI και της αντίστοιχης θερμοκρασίας μιας αγροτικής περιοχής. Η ίδια μέθοδος χρησιμοποιήθηκε για τη μέτρηση της έντασης των UHI του Καΐρου, για κάθε μία από τις δορυφορικές εικόνες. Η χωρική κατανομή των ζωνών UHI παρουσιάζεται στην [εικ. 4].

'''4. Συμπεράσματα'''

Τα αποτελέσματα που προέκυψαν από την παρούσα μελέτη απέδειξαν την εγκυρότητα της χρήσης δορυφορικών εικόνων Landsat από πολλαπλές χρονικές στιγμές, προκειμένου να χαρτογραφηθούν και να εντοπιστούν οι αλλαγές στις αστικές νησίδες θερμότητας (UHI) πάνω από ημι-άνυδρες πυκνοδομημένες πόλεις, όπως το Κάιρο στην Αίγυπτο. Η τηλεπισκόπηση παρέχει ένα μέτρο για το μέγεθος των επιφανειακών θερμοκρασιών ολόκληρης της αστικής περιοχής, καθώς και τη χωρική έκταση της επίδρασης της θερμικής νησίδας. Παρέχει, επίσης, ένα μέτρο για τη φωταύγεια και τον κανονικοποιημένο δείκτη βλάστησης (NDVI) από δορυφορικές εικόνες που προέρχονται από διαφορετικές χρονικές στιγμές.

Η παρούσα μελέτη οδήγησε στα ακόλουθα συμπεράσματα:

1. Το μικρο-αστικό κλίμα της πόλης του Καΐρου είναι αρκετά πολύπλοκο και επηρεάζεται από διάφορες περιβάλλουσες κατηγορίες κάλυψης γης. Το γεγονός αυτό είναι εμφανές στο ανατολικό τμήμα του Καΐρου, όπου τα κρίσιμα/επίμαχα σημεία σχετίζονται με επιδράσεις από την έρημο και τα γυμνά εδάφη. Στο δυτικό τμήμα, εντοπίζεται ηπιότερο μικρο-αστικό κλίμα, το οποίο οφείλεται στην εγγύτητά του με τον ποταμό Νείλο και τις καλλιεργούμενες εκτάσεις στο Δέλτα του ποταμού. Επίσης, η πιο πυκνή δόμηση της παλιάς και κεντρικής πόλης δημιουργεί περισσότερες σκιαζόμενες περιοχές.

2. Η πόλη του Καΐρου γνώρισε μεγάλη αύξηση των δομημένων περιοχών που έφθασε το 14,9 - 39,3% από το 1984 έως το 2013, αντίστοιχα. Δύο τάσεις για την αστική ανάπτυξη έλαβαν χώρα κατά τη διάρκεια της περιόδου μελέτης. Πρώτον, κατασκευάστηκαν μεγάλης έκτασης αστικές περιοχές, άτυπα και χωρίς σχεδιασμό, και επιπροσθέτως, οι νέες, νόμιμες κατασκευές αυξήθηκαν σε μέγεθος και πυκνότητα. Η τάση αυτή έγινε περισσότερο αισθητή μετά την Αιγυπτιακή επανάσταση το 2011, όταν η άτυπη αστική ανάπτυξη επιταχύνθηκε από την αδυναμία κυβερνητικού ελέγχου κατά τη διάρκεια αυτής της περιόδου.

3. Η συνεχιζόμενη αύξηση του αστικού / δομημένου χώρου είναι αισθητή, όπου η θερμοκρασία πάνω από την κατηγορία '' Αστικός '' αυξήθηκε. Σε σύγκριση με το μέσο όρο της θερμοκρασίας πάνω από τα καλλιεργούμενα εδάφη, το μέγεθος της αστικής θερμικής νησίδας (UHI) πάνω από το Κάιρο κυμαινόταν από 3,11°C έως 5,7°C. Η ανάλυση δείχνει μια διακύμανση της έντασης της UHI, η οποία, εκτός από τις μεταβολές στην κάλυψη γης και τα σχετικά ποσοστά εξατμισοδιαπνοής, σχετίζεται με τις καιρικές συνθήκες, την κλιματική αλλαγή και τις ανθρωπογενείς δραστηριότητες. Το συμπαγές αστικό πρότυπο ενισχύει την αύξηση της επιφανειακής θερμοκρασίας της γης και την ανάπτυξη περισσότερων hotspots. Ζώνες πρασίνου, κήποι, πάρκα και σιντριβάνια νερού είναι ανεπαρκή και απαιτούνται για τη μείωση των UHI σε όλη την πόλη.

4. Οι πράσινες εκτάσεις που έχουν καταγραφεί από τις δορυφορικές εικόνες (από την κάλυψη γης και τον NDVI) παρουσιάζουν μείωση. Η εξέλιξη αυτή έχει αρνητικές επιπτώσεις στο ρυθμό εξατμισοδιαπνοής, ο οποίος μειώνει τη ροή θερμότητας σε μια πόλη.

[[category:Ενέργεια]]

Σταυροπούλου Αθανασία

2015-04-05T14:39:35Z

Stavropoulou Athanasia:

* [[Επιδράσεις της χωρικής δομής των χώρων πρασίνου στην αστική ψύξη σε μια μεγάλη μητροπολιτική περιοχή της ανατολικής Κίνας.]]

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

Σταυροπούλου Αθανασία

2015-04-05T14:39:11Z

Stavropoulou Athanasia:

* [[Επιδράσεις της χωρικής δομής των χώρων πρασίνου στην αστική ψύξη σε μια μεγάλη μητροπολιτική περιοχή της ανατολικής Κίνας.]]
* [[Ανίχνευση μεταβολών των αστικών νησίδων θερμότητας με τη χρήση πολλαπλών χρονικών εικόνων Landsat: μια μελέτη περίπτωσης για την πόλη του Καΐρου, Αίγυπτος.]]

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

Επιδράσεις της χωρικής δομής των χώρων πρασίνου στην αστική ψύξη σε μια μεγάλη μητροπολιτική περιοχή της ανατολικής Κίνας

2015-04-05T14:31:50Z

Stavropoulou Athanasia:

'''Πρωτότυπος τίτλος:'''
Effects of spatial pattern of greenspace on urban cooling in a large metropolitan area of eastern China

'''Συγγραφείς:'''
Fanhua Konga, Haiwei Yin, Philip James, Lucy R. Hutyra, Hong S. He.

http://www.sciencedirect.com/science/article/pii/S016920461400108X

'''Περίληψη'''

Οι αστικές περιοχές θα υποστούν τις μεγαλύτερες αυξήσεις της θερμοκρασίας οι οποίες προκύπτουν από την κλιματική αλλαγή που οφείλεται στο φαινόμενο της αστικής θερμικής νησίδας (UHI-Urban Heat Island). Το αστικό πράσινο μετριάζει την Αστική Θερμική Νησίδα και δημιουργεί πιο δροσερά μικροκλίματα. Η έρευνα πεδίου έχει αποδείξει ότι οι θερμοκρασίες μέσα σε πάρκα ή κάτω από τα δέντρα μπορεί να είναι πιο δροσερές από ο, τι στους μη πράσινους χώρους, αλλά λίγα είναι γνωστά σχετικά με τις επιδράσεις της χωρικής δομής των χώρων πρασίνου στις αστικές θερμοκρασίες ή σχετικά με τις βέλτιστες χωρικές δομές που απαιτούνται για το δροσισμό ενός αστικού περιβάλλοντος.

Στη μελέτη αυτή, προκειμένου να εντοπιστούν οι αστικές ψυκτικές νησίδες (UCI-Urban Cool Island) και οι χώροι πρασίνου στην πόλη Nanjing της Κίνας χρησιμοποιήθηκαν δορυφορικά δεδομένα, και η μεταξύ τους σχέση μελετήθηκε χρησιμοποιώντας αναλύσεις συσχέτισης.

[[Εικόνα:Eik.1.jpg|thumb|right|Εικόνα 1: Χάρτης της περιοχής Nanjing και της περιοχής μελέτης. Η ψευδέγχρωμη εικόνα του δορυφόρου IKONOS απεικονίζεται με το έγχρωμο σύνθετο 4-3-2 (εγγύς υπέρυθρο, κόκκινο και πράσινο)]]

'''1. Περιοχή μελέτης'''

Η πόλη Nanjing (31°14’- 32°37’ Ν, 118°22’ -119°14’ Ε) (Εικ. 1), η πρωτεύουσα της επαρχίας Jiangsu, Κίνα, βρίσκεται στο δυτικό άκρο του Δέλτα του ποταμού Yangtze. Η μητροπολιτική περιοχή της πόλης Nanjing, η οποία περιλαμβάνει 11 επαρχίες, καλύπτει μια έκταση 4733 km2, και το 2010 είχε πληθυσμό περίπου 6,3 εκατομμύρια (Nanjing Municipal Bureau Statistics, 2011). H Nanjing έχει ένα υποτροπικό κλίμα μουσώνων με τέσσερις εποχές και με μέση ετήσια θερμοκρασία 15°C (Jim & Chen, 2003). Από το 1951, η μέση μέγιστη ημερήσια θερμοκρασία μεταξύ Ιουνίου και Αυγούστου είναι 37.3°C, και σε τρεις περιπτώσεις οι θερμοκρασίες υπερέβησαν τους 40°C (Miao, Pan, και Xu, 2008). Η τοπική βλάστηση αποτελείται από φυλλοβόλα πλατύφυλλα και αειθαλή βελονόφυλλα δάση και θαμνοχορταρικές κοινότητες. Τα κυρίαρχα είδη δέντρων είναι Platanus acerifolia, Juniperus chinensis και Ligustrum lucidum (Jim & Chen, 2003). Η περιοχή που εξετάζεται στην παρούσα μελέτη περιλαμβάνει την αστικοποιημένη περιοχή της Nanjing και μέρος των προαστίων της, έκτασης 432 km2 περίπου.

'''2. Δεδομένα & μεθοδολογία'''

'''2.1. Προ-επεξεργασία εικόνας και ανάκτηση της θερμοκρασίας της επιφάνειας του εδάφους (LST)'''

[[Εικόνα:Eik.2.jpg|thumb|left|Εικόνα 2: (α) Χάρτης χρήσεων γης της περιοχής μελέτης το 2009 βασισμένο σε δορυφορική εικόνα IKONOS.
(β) Χωρική κατανομή της επιφανειακής θερμοκρασίας εδάφους της περιοχής μελέτης στις 13 Ιουνίου 2009, που προέρχεται από εικόνα του Landsat 5 Thematic Mapper.]]

Τα δεδομένα που χρησιμοποιούνται στην παρούσα έρευνα περιλαμβάνουν εικόνες IKONOS (18 Ιουνίου 2009, τέσσερα κανάλια, 3,2 m χωρική ανάλυση), εικόνες Landsat TM 5 (13 Ιουνίου 2009) και μετεωρολογικά δεδομένα. Οι εικόνες IKONOS υποβλήθηκαν σε αναγωγή και γεωαναφορά στο σύστημα συντεταγμένων Universal Transverse Mercator (UTM). Με βάση τις εικόνες IKONOS, δημιουργήθηκε ένας χάρτης χρήσεων γης/κάλυψης γης με τη βοήθεια της πλατφόρμας ArcMap (Environmental Systems Research Institute, Inc., Redlands, CA, USA), σε συνδυασμό με επιτόπιες έρευνες και μελέτες πεδίου, όπου κρίθηκε απαραίτητο. Οι χρήσεις γης, οι οποίες ταξινομούνται σε έξι κατηγορίες, είναι οι εξής: αδιαπέραστη επιφάνεια, δασική βλάστηση (δέντρα με θάμνους και γρασίδι), άλλη βλάστηση (θάμνοι και χόρτα), νερό, γεωργική γη και άγονη γη (εικόνα 2α). Για την πραγματοποίηση της ανάλυσης κινούμενου παραθύρου, τα vector δεδομένα για τις χρήσεις γης μετατράπηκαν σε μορφή πλέγματος με βήμα καννάβου 5m × 5m. Η εικόνα Landsat 5 Thematic Mapper (row/path: 120/38) στις 10.29 π.μ. (τοπική ώρα), 13 Ιουνίου του 2009, χρησιμοποιήθηκε για να ανακτηθεί η LST (Land Surface Temperature). Αυτή η Landsat εικόνα υποβλήθηκε σε αναγωγή σε ένα κοινό σύστημα συντεταγμένων UTM με βάση την εικόνα IKONOS, και μετασχηματίστηκε με τη χρήση του αλγορίθμου του εγγύτερου γείτονα με μέγεθος pixel 30m × 30m για όλα τα κανάλια. Η LST ανακτήθηκε από τα δεδομένα του θερμικού υπέρυθρου του καναλιού 6 (120m χωρική ανάλυση) του Θεματικού Χαρτογράφου του δορυφόρου Landsat 5. Η μεθοδολογία για την ανάκτηση της LST βασίζεται στον αλγόριθμο Mono-Window (MWA) των Qin, Karnieli και Berliner (2001). Το πρόγραμμα Mono-window Algorithm «έτρεξε» στο χωρικό μοντέλο του λογισμικού ERDAS (9.2). Ο χάρτης της LST στη συνέχεια αναπροσαρμόστηκε σε μέγεθος 5m × 5m για να ταιριάζει με το χάρτη χρήσεων γης (εικόνα 2β).

'''2.2. Μέθοδος του κινούμενου παραθύρου και μέγεθος του παραθύρου που επιλέχθηκε'''
[[Εικόνα:Eik.3.jpg|thumb|right|Εικόνα 3: (a-d) Συσχέτιση του ποσοστού δασικής βλάστησης (PLAND) και της μεταβολής της θερμοκρασίας (°C), για διαφορετικά μεγέθη παραθύρων: (a) 60m x 60m, (b) 120m x 120m, (c) 240m x 240m, και (d) 480m x 480m.]]

Καθώς έχει διαπιστωθεί από προηγούμενες μελέτες ότι η ψυκτική επίδραση ενός χώρου πρασίνου σχετίζεται με την κλίμακά του (Li et al, 2011; Liu & Weng, 2009), τέσσερα μεγέθη παραθύρων ελέχθησαν (60 m × 60 m, 120 m × 120 m, 240 m × 240 m και 480 m × 480 m) για να βρεθεί το βέλτιστο μέγεθος, προκειμένου να διερευνηθεί η σχέση μεταξύ της μεταβολής της θερμοκρασίας – η διαφορά μεταξύ της τοπικής LST και της μέσης LST της περιοχής μελέτης- και της δομής των χώρων πρασίνου μέσα στον αστικό χώρο.

Για τον υπολογισμό του ποσοστού της δασικής βλάστησης (PLAND) που εμπεριέχεται στο επιλεγόμενο παράθυρο, χρησιμοποιήθηκε η μέθοδος του κινούμενου παραθύρου, καθώς υφίσταται μια σημαντική σχέση ανάμεσα στο ποσοστό της δασικής βλάστησης και στη θερμοκρασία (εικ. 3a-d), σε διαφορετικά μεγέθη παραθύρων. Για να διασφαλιστεί ότι τα περισσότερα τεμάχια γης (patches) δασικής βλάστησης δεν θα διαιρεθούν από τη χρήση ενός μικρού μεγέθους παραθύρου, και ότι υπάρχουν επαρκή δείγματα για τη διεξαγωγή της ανάλυσης της σχέσης ανάμεσα στη μεταβολή της θερμοκρασίας και της χωρικής δομής της δασικής βλάστησης, το μέγεθος του παραθύρου που επιλέχθηκε είναι 240m x 240m. Τα αποτελέσματα που απεικονίζονται στην εικ.3c παρουσιάζουν μια καλή προσαρμογή (R2 = 0,873)κατά τη χρήση του συγκεκριμένου μεγέθους παραθύρου.

'''3. Αποτελέσματα'''

Στην περιοχή μελέτης εντοπίστηκαν δύο εκτεταμένες και κυρίαρχες UCIs: η μία κατά μήκος του ποταμού Yangtze (συμπεριλαμβανομένου του Όρους Mufu) και η δεύτερη στο Purple Mountain (συμπεριλαμβανομένης της λίμνης Xuanwu) (Εικ. 4α) .Επιπλέον, πολλές μικρότερες UCI στην πόλη ακολουθούν τη διαδρομή του ποταμού Qinhuai (Εικ. 4α). Οι UCIs προσδιορίζονται σαφώς στο νότιο τμήμα της περιοχής μελέτης, ενώ λιγότερες βρίσκονται κοντά στην περοχή της Xinjiekou (Εικ. 4β). Από τη διερεύνηση των γενικών χαρακτηριστικών κάθε νησίδας, προέκυψε ότι οι αστικές ψυκτικές νησίδες καλύπτουν έκταση 138 km2 , δηλ. περίπου το 32% του συνόλου της περιοχής μελέτης. Το 40% των UCI αποτελείται από δασική βλάστηση και το 35% από νερό.

[[Εικόνα:Eik.4.jpg|thumb|left|Εικόνα 4: (α) Εικόνα που χρησιμοποιήθηκε για τον προσδιορισμό των αστικών ψυκτικών νησίδων (UCIs), στις οποίες παρατηρείται μικρότερη LST σε σχέση με την περιοχή μελέτης.(β) Οι ψυκτικές νησίδες των χώρων πρασίνου (GCIs) στην περιοχή μελέτης.]]

Από την ανάλυση προέκυψε ότι η μεγαλύτερη επίδραση δροσισμού (-4.9°C) εντοπίστηκε σε ένα παράθυρο που καλύπτεται πλήρως από δασική βλάστηση. Η ανάλυση της επίδρασης άλλων ειδών βλάστησης (θάμνων και χορταριού) στο δροσισμό, δείχνει ότι εάν το παράθυρο καλύπτεται πλήρως (σε ποσοστό 99,69% σύμφωνα με τον υπολογισμό) από άλλη βλάστηση, τότε σχηματίζεται αστική ψυκτική νησίδα αλλά η γραμμική ανάλυση παλινδρόμησης της σχέσης μεταξύ της αλλαγής της θερμοκρασίας και του ποσοστού της βλάστησης δεν είναι τόσο ισχυρή. Έτσι, οι επόμενες ενότητες της εργασίας εστιάζονται στην επίδραση της δασικής βλάστησης.

Επίσης, σημαντική επίδραση ψύξης έχει και το νερό, όταν καλύπτει πάνω από το 20,7% του επιλεγμένου μεγέθους του παραθύρου, χωρίς να υπάρχει βλάστηση ή γεωργικές εκτάσεις. Η επίδραση της γεωργικής γης στη μεταβολή της θερμοκρασίας είναι επίσης στατιστικά σημαντική, αλλά το αποτέλεσμα δεν είναι τόσο ισχυρό όσο εκείνου της δασικής βλάστησης ή του νερού, όπως υποδεικνύεται από τους συντελεστές παλινδρόμησης.

Τα αποτελέσματα της μελέτης δείχνουν τα εξής:

(1) Περιοχές με υψηλότερο ποσοστό δασικής βλάστησης παρουσιάζουν μεγαλύτερη ψυκτική ικανότητα, με μια αύξηση της έκτασης της δασικής βλάστησης κατά 10% να έχει ως αποτέλεσμα τη μείωση της επιφανειακής θερμοκρασίας κατά 0,83°C,

(2) Μια ανάλυση συσχέτισης του μέσου μεγέθους τεμαχίου γης (patch), της πυκνότητάς του και ενός δείκτη συνάθροισης της δασικής βλάστησης με τη μείωση της θερμοκρασίας, έδειξε ότι για ένα συγκεκριμένο ποσό δασικής βλάστησης, κατατετμημένοι χώροι πρασίνου παρέχουν επίσης αποτελεσματικό δροσισμό,

(3) Η χωρική διάταξη της UCI έχει ισχυρή συσχέτιση με τη διάταξη των χώρων πρασίνου: ο σχηματισμός μιας νησίδας πρασίνου στην ενδοχώρα παρέχει ένα αποτελεσματικό μέσο για την ενίσχυση του δροσισμού, και

(4) η ένταση της επίδρασης ψύξης αντανακλάται στα χαρακτηριστικά της ψυκτικής νησίδας.

'''4. Συζήτηση & επίλογος'''

Σε αυτή τη μελέτη, χρησιμοποιώντας μετρικά χαρακτηριστικά του τοπίου, αναπτύχθηκε μία μέθοδος για τον προσδιορισμό της κλιμακωτής επίδρασης της σχέσης ανάμεσα στη διάταξη των χώρων πρασίνου και στην ψυκτική τους δράση, ενώ διερευνήθηκε η επίδρασή τους σε πολλαπλές κλίμακες, αντί να στηρίζεται σε περιπτωσιολογικές μελέτες και επιβεβαιώθηκε ότι η μέση θερμοκρασία είναι σημαντικά χαμηλότερη στους χώρους πρασίνου και υψηλότερη σε περιοχές με αδιαπέραστες επιφάνειες (πίνακας 1).

[[Εικόνα:Eik.5.jpg|thumb|right|Πίνακας 1: Συσχετισμός της μέσης LST για διαφορετικές χρήσεις γης/κάλυψης γης και της ψυκτικής επίδρασης (σε °C). ]]

Πολλές προηγούμενες μελέτες έχουν δείξει ότι η βλάστηση παρέχει μια ψυκτική επίδραση στις αστικοποιημένες περιοχές, και ότι οι στρατηγικές που σχετίζονται με τη διατήρηση και την αύξηση της φυτοκάλυψης στις αστικές περιοχές έχουν τη δυνατότητα να συμβάλουν σημαντικά στο δροσισμό του αστικού περιβάλλοντος. Ωστόσο, υπάρχει έλλειψη του δημοσιευμένου υλικού που αφορά στην εφαρμογή και την ανάλυση της ευαισθησίας των μετρικών χαρακτηριστικών του τοπίου που να συνεκτιμά τη σχέση της δομής των πράσινων χώρων και της ψυκτικής τους επίδρασης.

Tα αποτελέσματα αυτής της έρευνας σχετικά με τις επιδράσεις δροσισμού της αστικής δασικής βλάστησης σε πολλαπλές κλίμακες παρουσιάζουν περιορισμούς, που καθιστούν την ανάγκη για περαιτέρω έρευνα δικαιολογημένη. Η μελλοντική έρευνα σχετικά με την επίδραση δροσισμού της δασικής βλάστησης, καθώς και τα χαρακτηριστικά και τους παράγοντες που επηρεάζουν τις ψυκτικές νησίδες, θα πρέπει επίσης να εξετάσει την επίδραση της σκιάς των κτηρίων και των αστικών φαραγγιών στο αστικό θερμικό περιβάλλον και το μικροκλίμα.

Σε κάθε περίπτωση, τα αποτελέσματα της μελέτης προσφέρουν στους πολεοδόμους και στους διαχειριστές των φυσικών πόρων σημαντικές θεωρητικές και πρακτικές πληροφορίες σχετικά με το σχεδιασμό και τη διαχείριση του αστικού πρασίνου, που μπορούν να χρησιμοποιηθούν για την προσαρμογή και το μετριασμό των επιπτώσεων των Αστικών Θερμικών Νησίδων, οι οποίες θα συνεχίσουν να αναπτύσσονται καθώς το κλίμα αλλάζει. Επιπλέον, η ενσωμάτωση της τηλεπισκόπησης στο θερμικό υπέρυθρο σε μελέτες τοπίου επιτρέπει την καλύτερη μέτρηση των σχέσεων των προτύπων και των διαδικασιών σε πολλαπλές κλίμακες.

[[category:Ενέργεια]]

Επιδράσεις της χωρικής δομής των χώρων πρασίνου στην αστική ψύξη σε μια μεγάλη μητροπολιτική περιοχή της ανατολικής Κίνας

2015-04-05T13:47:37Z

Stavropoulou Athanasia:

'''Περίληψη'''

Οι αστικές περιοχές θα υποστούν τις μεγαλύτερες αυξήσεις της θερμοκρασίας οι οποίες προκύπτουν από την κλιματική αλλαγή που οφείλεται στο φαινόμενο της αστικής θερμικής νησίδας (UHI-Urban Heat Island). Το αστικό πράσινο μετριάζει την Αστική Θερμική Νησίδα και δημιουργεί πιο δροσερά μικροκλίματα. Η έρευνα πεδίου έχει αποδείξει ότι οι θερμοκρασίες μέσα σε πάρκα ή κάτω από τα δέντρα μπορεί να είναι πιο δροσερές από ο, τι στους μη πράσινους χώρους, αλλά λίγα είναι γνωστά σχετικά με τις επιδράσεις της χωρικής δομής των χώρων πρασίνου στις αστικές θερμοκρασίες ή σχετικά με τις βέλτιστες χωρικές δομές που απαιτούνται για το δροσισμό ενός αστικού περιβάλλοντος.

Στη μελέτη αυτή, προκειμένου να εντοπιστούν οι αστικές ψυκτικές νησίδες (UCI-Urban Cool Island) και οι χώροι πρασίνου στην πόλη Nanjing της Κίνας χρησιμοποιήθηκαν δορυφορικά δεδομένα, και η μεταξύ τους σχέση μελετήθηκε χρησιμοποιώντας αναλύσεις συσχέτισης.

[[Εικόνα:Eik.1.jpg|thumb|right|Εικόνα 1: Χάρτης της περιοχής Nanjing και της περιοχής μελέτης. Η ψευδέγχρωμη εικόνα του δορυφόρου IKONOS απεικονίζεται με το έγχρωμο σύνθετο 4-3-2 (εγγύς υπέρυθρο, κόκκινο και πράσινο)]]

'''1. Περιοχή μελέτης'''

Η πόλη Nanjing (31°14’- 32°37’ Ν, 118°22’ -119°14’ Ε) (Εικ. 1), η πρωτεύουσα της επαρχίας Jiangsu, Κίνα, βρίσκεται στο δυτικό άκρο του Δέλτα του ποταμού Yangtze. Η μητροπολιτική περιοχή της πόλης Nanjing, η οποία περιλαμβάνει 11 επαρχίες, καλύπτει μια έκταση 4733 km2, και το 2010 είχε πληθυσμό περίπου 6,3 εκατομμύρια (Nanjing Municipal Bureau Statistics, 2011). H Nanjing έχει ένα υποτροπικό κλίμα μουσώνων με τέσσερις εποχές και με μέση ετήσια θερμοκρασία 15°C (Jim & Chen, 2003). Από το 1951, η μέση μέγιστη ημερήσια θερμοκρασία μεταξύ Ιουνίου και Αυγούστου είναι 37.3°C, και σε τρεις περιπτώσεις οι θερμοκρασίες υπερέβησαν τους 40°C (Miao, Pan, και Xu, 2008). Η τοπική βλάστηση αποτελείται από φυλλοβόλα πλατύφυλλα και αειθαλή βελονόφυλλα δάση και θαμνοχορταρικές κοινότητες. Τα κυρίαρχα είδη δέντρων είναι Platanus acerifolia, Juniperus chinensis και Ligustrum lucidum (Jim & Chen, 2003). Η περιοχή που εξετάζεται στην παρούσα μελέτη περιλαμβάνει την αστικοποιημένη περιοχή της Nanjing και μέρος των προαστίων της, έκτασης 432 km2 περίπου.

'''2. Δεδομένα & μεθοδολογία'''

'''2.1. Προ-επεξεργασία εικόνας και ανάκτηση της θερμοκρασίας της επιφάνειας του εδάφους (LST)'''

[[Εικόνα:Eik.2.jpg|thumb|left|Εικόνα 2: (α) Χάρτης χρήσεων γης της περιοχής μελέτης το 2009 βασισμένο σε δορυφορική εικόνα IKONOS.
(β) Χωρική κατανομή της επιφανειακής θερμοκρασίας εδάφους της περιοχής μελέτης στις 13 Ιουνίου 2009, που προέρχεται από εικόνα του Landsat 5 Thematic Mapper.]]

Τα δεδομένα που χρησιμοποιούνται στην παρούσα έρευνα περιλαμβάνουν εικόνες IKONOS (18 Ιουνίου 2009, τέσσερα κανάλια, 3,2 m χωρική ανάλυση), εικόνες Landsat TM 5 (13 Ιουνίου 2009) και μετεωρολογικά δεδομένα. Οι εικόνες IKONOS υποβλήθηκαν σε αναγωγή και γεωαναφορά στο σύστημα συντεταγμένων Universal Transverse Mercator (UTM). Με βάση τις εικόνες IKONOS, δημιουργήθηκε ένας χάρτης χρήσεων γης/κάλυψης γης με τη βοήθεια της πλατφόρμας ArcMap (Environmental Systems Research Institute, Inc., Redlands, CA, USA), σε συνδυασμό με επιτόπιες έρευνες και μελέτες πεδίου, όπου κρίθηκε απαραίτητο. Οι χρήσεις γης, οι οποίες ταξινομούνται σε έξι κατηγορίες, είναι οι εξής: αδιαπέραστη επιφάνεια, δασική βλάστηση (δέντρα με θάμνους και γρασίδι), άλλη βλάστηση (θάμνοι και χόρτα), νερό, γεωργική γη και άγονη γη (εικόνα 2α). Για την πραγματοποίηση της ανάλυσης κινούμενου παραθύρου, τα vector δεδομένα για τις χρήσεις γης μετατράπηκαν σε μορφή πλέγματος με βήμα καννάβου 5m × 5m. Η εικόνα Landsat 5 Thematic Mapper (row/path: 120/38) στις 10.29 π.μ. (τοπική ώρα), 13 Ιουνίου του 2009, χρησιμοποιήθηκε για να ανακτηθεί η LST (Land Surface Temperature). Αυτή η Landsat εικόνα υποβλήθηκε σε αναγωγή σε ένα κοινό σύστημα συντεταγμένων UTM με βάση την εικόνα IKONOS, και μετασχηματίστηκε με τη χρήση του αλγορίθμου του εγγύτερου γείτονα με μέγεθος pixel 30m × 30m για όλα τα κανάλια. Η LST ανακτήθηκε από τα δεδομένα του θερμικού υπέρυθρου του καναλιού 6 (120m χωρική ανάλυση) του Θεματικού Χαρτογράφου του δορυφόρου Landsat 5. Η μεθοδολογία για την ανάκτηση της LST βασίζεται στον αλγόριθμο Mono-Window (MWA) των Qin, Karnieli και Berliner (2001). Το πρόγραμμα Mono-window Algorithm «έτρεξε» στο χωρικό μοντέλο του λογισμικού ERDAS (9.2). Ο χάρτης της LST στη συνέχεια αναπροσαρμόστηκε σε μέγεθος 5m × 5m για να ταιριάζει με το χάρτη χρήσεων γης (εικόνα 2β).

'''2.2. Μέθοδος του κινούμενου παραθύρου και μέγεθος του παραθύρου που επιλέχθηκε'''
[[Εικόνα:Eik.3.jpg|thumb|right|Εικόνα 3: (a-d) Συσχέτιση του ποσοστού δασικής βλάστησης (PLAND) και της μεταβολής της θερμοκρασίας (°C), για διαφορετικά μεγέθη παραθύρων: (a) 60m x 60m, (b) 120m x 120m, (c) 240m x 240m, και (d) 480m x 480m.]]

Καθώς έχει διαπιστωθεί από προηγούμενες μελέτες ότι η ψυκτική επίδραση ενός χώρου πρασίνου σχετίζεται με την κλίμακά του (Li et al, 2011; Liu & Weng, 2009), τέσσερα μεγέθη παραθύρων ελέχθησαν (60 m × 60 m, 120 m × 120 m, 240 m × 240 m και 480 m × 480 m) για να βρεθεί το βέλτιστο μέγεθος, προκειμένου να διερευνηθεί η σχέση μεταξύ της μεταβολής της θερμοκρασίας – η διαφορά μεταξύ της τοπικής LST και της μέσης LST της περιοχής μελέτης- και της δομής των χώρων πρασίνου μέσα στον αστικό χώρο.

Για τον υπολογισμό του ποσοστού της δασικής βλάστησης (PLAND) που εμπεριέχεται στο επιλεγόμενο παράθυρο, χρησιμοποιήθηκε η μέθοδος του κινούμενου παραθύρου, καθώς υφίσταται μια σημαντική σχέση ανάμεσα στο ποσοστό της δασικής βλάστησης και στη θερμοκρασία (εικ. 3a-d), σε διαφορετικά μεγέθη παραθύρων. Για να διασφαλιστεί ότι τα περισσότερα τεμάχια γης (patches) δασικής βλάστησης δεν θα διαιρεθούν από τη χρήση ενός μικρού μεγέθους παραθύρου, και ότι υπάρχουν επαρκή δείγματα για τη διεξαγωγή της ανάλυσης της σχέσης ανάμεσα στη μεταβολή της θερμοκρασίας και της χωρικής δομής της δασικής βλάστησης, το μέγεθος του παραθύρου που επιλέχθηκε είναι 240m x 240m. Τα αποτελέσματα που απεικονίζονται στην εικ.3c παρουσιάζουν μια καλή προσαρμογή (R2 = 0,873)κατά τη χρήση του συγκεκριμένου μεγέθους παραθύρου.

'''3. Αποτελέσματα'''

Στην περιοχή μελέτης εντοπίστηκαν δύο εκτεταμένες και κυρίαρχες UCIs: η μία κατά μήκος του ποταμού Yangtze (συμπεριλαμβανομένου του Όρους Mufu) και η δεύτερη στο Purple Mountain (συμπεριλαμβανομένης της λίμνης Xuanwu) (Εικ. 4α) .Επιπλέον, πολλές μικρότερες UCI στην πόλη ακολουθούν τη διαδρομή του ποταμού Qinhuai (Εικ. 4α). Οι UCIs προσδιορίζονται σαφώς στο νότιο τμήμα της περιοχής μελέτης, ενώ λιγότερες βρίσκονται κοντά στην περοχή της Xinjiekou (Εικ. 4β). Από τη διερεύνηση των γενικών χαρακτηριστικών κάθε νησίδας, προέκυψε ότι οι αστικές ψυκτικές νησίδες καλύπτουν έκταση 138 km2 , δηλ. περίπου το 32% του συνόλου της περιοχής μελέτης. Το 40% των UCI αποτελείται από δασική βλάστηση και το 35% από νερό.

[[Εικόνα:Eik.4.jpg|thumb|left|Εικόνα 4: (α) Εικόνα που χρησιμοποιήθηκε για τον προσδιορισμό των αστικών ψυκτικών νησίδων (UCIs), στις οποίες παρατηρείται μικρότερη LST σε σχέση με την περιοχή μελέτης.(β) Οι ψυκτικές νησίδες των χώρων πρασίνου (GCIs) στην περιοχή μελέτης.]]

Από την ανάλυση προέκυψε ότι η μεγαλύτερη επίδραση δροσισμού (-4.9°C) εντοπίστηκε σε ένα παράθυρο που καλύπτεται πλήρως από δασική βλάστηση. Η ανάλυση της επίδρασης άλλων ειδών βλάστησης (θάμνων και χορταριού) στο δροσισμό, δείχνει ότι εάν το παράθυρο καλύπτεται πλήρως (σε ποσοστό 99,69% σύμφωνα με τον υπολογισμό) από άλλη βλάστηση, τότε σχηματίζεται αστική ψυκτική νησίδα αλλά η γραμμική ανάλυση παλινδρόμησης της σχέσης μεταξύ της αλλαγής της θερμοκρασίας και του ποσοστού της βλάστησης δεν είναι τόσο ισχυρή. Έτσι, οι επόμενες ενότητες της εργασίας εστιάζονται στην επίδραση της δασικής βλάστησης.

Επίσης, σημαντική επίδραση ψύξης έχει και το νερό, όταν καλύπτει πάνω από το 20,7% του επιλεγμένου μεγέθους του παραθύρου, χωρίς να υπάρχει βλάστηση ή γεωργικές εκτάσεις. Η επίδραση της γεωργικής γης στη μεταβολή της θερμοκρασίας είναι επίσης στατιστικά σημαντική, αλλά το αποτέλεσμα δεν είναι τόσο ισχυρό όσο εκείνου της δασικής βλάστησης ή του νερού, όπως υποδεικνύεται από τους συντελεστές παλινδρόμησης.

Τα αποτελέσματα της μελέτης δείχνουν τα εξής:

(1) Περιοχές με υψηλότερο ποσοστό δασικής βλάστησης παρουσιάζουν μεγαλύτερη ψυκτική ικανότητα, με μια αύξηση της έκτασης της δασικής βλάστησης κατά 10% να έχει ως αποτέλεσμα τη μείωση της επιφανειακής θερμοκρασίας κατά 0,83°C,

(2) Μια ανάλυση συσχέτισης του μέσου μεγέθους τεμαχίου γης (patch), της πυκνότητάς του και ενός δείκτη συνάθροισης της δασικής βλάστησης με τη μείωση της θερμοκρασίας, έδειξε ότι για ένα συγκεκριμένο ποσό δασικής βλάστησης, κατατετμημένοι χώροι πρασίνου παρέχουν επίσης αποτελεσματικό δροσισμό,

(3) Η χωρική διάταξη της UCI έχει ισχυρή συσχέτιση με τη διάταξη των χώρων πρασίνου: ο σχηματισμός μιας νησίδας πρασίνου στην ενδοχώρα παρέχει ένα αποτελεσματικό μέσο για την ενίσχυση του δροσισμού, και

(4) η ένταση της επίδρασης ψύξης αντανακλάται στα χαρακτηριστικά της ψυκτικής νησίδας.

'''4. Συζήτηση & επίλογος'''

Σε αυτή τη μελέτη, χρησιμοποιώντας μετρικά χαρακτηριστικά του τοπίου, αναπτύχθηκε μία μέθοδος για τον προσδιορισμό της κλιμακωτής επίδρασης της σχέσης ανάμεσα στη διάταξη των χώρων πρασίνου και στην ψυκτική τους δράση, ενώ διερευνήθηκε η επίδρασή τους σε πολλαπλές κλίμακες, αντί να στηρίζεται σε περιπτωσιολογικές μελέτες και επιβεβαιώθηκε ότι η μέση θερμοκρασία είναι σημαντικά χαμηλότερη στους χώρους πρασίνου και υψηλότερη σε περιοχές με αδιαπέραστες επιφάνειες (πίνακας 1).

[[Εικόνα:Eik.5.jpg|thumb|right|Πίνακας 1: Συσχετισμός της μέσης LST για διαφορετικές χρήσεις γης/κάλυψης γης και της ψυκτικής επίδρασης (σε °C). ]]

Πολλές προηγούμενες μελέτες έχουν δείξει ότι η βλάστηση παρέχει μια ψυκτική επίδραση στις αστικοποιημένες περιοχές, και ότι οι στρατηγικές που σχετίζονται με τη διατήρηση και την αύξηση της φυτοκάλυψης στις αστικές περιοχές έχουν τη δυνατότητα να συμβάλουν σημαντικά στο δροσισμό του αστικού περιβάλλοντος. Ωστόσο, υπάρχει έλλειψη του δημοσιευμένου υλικού που αφορά στην εφαρμογή και την ανάλυση της ευαισθησίας των μετρικών χαρακτηριστικών του τοπίου που να συνεκτιμά τη σχέση της δομής των πράσινων χώρων και της ψυκτικής τους επίδρασης.

Tα αποτελέσματα αυτής της έρευνας σχετικά με τις επιδράσεις δροσισμού της αστικής δασικής βλάστησης σε πολλαπλές κλίμακες παρουσιάζουν περιορισμούς, που καθιστούν την ανάγκη για περαιτέρω έρευνα δικαιολογημένη. Η μελλοντική έρευνα σχετικά με την επίδραση δροσισμού της δασικής βλάστησης, καθώς και τα χαρακτηριστικά και τους παράγοντες που επηρεάζουν τις ψυκτικές νησίδες, θα πρέπει επίσης να εξετάσει την επίδραση της σκιάς των κτηρίων και των αστικών φαραγγιών στο αστικό θερμικό περιβάλλον και το μικροκλίμα.

Σε κάθε περίπτωση, τα αποτελέσματα της μελέτης προσφέρουν στους πολεοδόμους και στους διαχειριστές των φυσικών πόρων σημαντικές θεωρητικές και πρακτικές πληροφορίες σχετικά με το σχεδιασμό και τη διαχείριση του αστικού πρασίνου, που μπορούν να χρησιμοποιηθούν για την προσαρμογή και το μετριασμό των επιπτώσεων των Αστικών Θερμικών Νησίδων, οι οποίες θα συνεχίσουν να αναπτύσσονται καθώς το κλίμα αλλάζει. Επιπλέον, η ενσωμάτωση της τηλεπισκόπησης στο θερμικό υπέρυθρο σε μελέτες τοπίου επιτρέπει την καλύτερη μέτρηση των σχέσεων των προτύπων και των διαδικασιών σε πολλαπλές κλίμακες.

[[category:Ενέργεια]]

Αρχείο:Eik.5.jpg

2015-04-05T13:44:46Z

Stavropoulou Athanasia: