RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Αναγνωστόπουλος Βασίλειος

2018-02-24T19:03:14Z

Vasanag2:

[[Ανασκόπηση των σημερινών και πιθανά μελλοντικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας]]

[[Εκτίμηση των αλλαγών κάλυψης βλάστησης στους υγροτόπους Έβεργκλεϊντς της Φλόριντα με τη χρήση δορυφορικών ψηφιακών απεικονίσεων]]

[[Εκτίμηση της υδατικής διάβρωσης του εδάφους με τη χρήση τηλεπισκόπησης: Ανασκόπηση]]

[[Ανίχνευση καταστροφών σε δάση με δορυφορικές τηλεπισκοπικές απεικονίσεις: η περίπτωση του εντόμου Physokermes inopinatus σε δάση στη Σουηδία]]

[[Ανάπτυξη μεθόδου για την εκτίμηση της τρωτότητας των οικοσυστημάτων λόγω κλιματικής αλλαγής στηριζόμενη στην τηλεπισκόπηση]]

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

Ανασκόπηση των σημερινών και πιθανά μελλοντικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας

2018-02-23T10:43:15Z

Vasanag2:

[[Εικόνα: rs_wiki_georgia_akr.jpg‎ | thumb | right | '''Εικόνα 1''':
Η θερμοκρασία μιας καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέρια θερμικά αισθητήρια στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Αγρόκτημα κοντά στο Λονδίνο, OH, ΗΠΑ.]]

'''Τίτλος Πρωτοτύπου''': An overview of current and potential applications of thermal remote sensing in precision agriculture

Πηγή:ScienceDirect [http://www.sciencedirect.com/science/article/pii/S0168169916310225]

'''Συγγραφείς''': Sami Khanal, John Fulton, Scott Shearer

'''Λέξεις κλειδιά''': Γεωργία ακριβείας, Παρακολούθηση, Τηλεπισκόπηση, Θερμική ανίχνευση

'''Περίληψη'''

Στο άρθρο γίνεται ανασκόπηση των εφαρμογών θερμικής τηλεπισκόπησης στην γεωργία ακριβείας. Περιγράφονται οι ήδη υπάρχουσες εφαρμογές, αλλά και ορισμένες που πιθανόν να χρησιμοποιηθούν μελλοντικά, και γίνεται αναφορά σε περιορισμούς στις δυνατότητές τους.

'''Εισαγωγή'''

Η Γεωργία Ακριβείας είναι η διαχείριση της ποικιλότητας που παρουσιάζουν οι καλλιέργειες στο χώρο και το χρόνο, με τη χρήση εργαλείων και τεχνολογιών, με σκοπό να βελτιωθούν οι καλλιεργητικές πρακτικές που εφαρμόζονται, να αυξηθεί η απόδοση, να βελτιστοποιηθούν οι εισροές (νερό, λιπάσματα, φυτοπροστατευτικά προϊόντα) και να μειωθεί το περιβαλλοντικό αποτύπωμα.

Με την Γεωργία Ακριβείας μπορεί να δοθεί λύση απέναντι στην υποβάθμιση της ποιότητας των επιφανειακών και υπόγειων νερών, στην αυξανόμενη τιμή των εδαφοβελτιωτικών – λιπασμάτων και στην απαίτηση για την αύξηση κατά 50 – 70% της αγροτικής παραγωγής τροφίμων με τη χρήση των ελάχιστων κατά το δυνατό φυσικών πόρων.

Η τηλεπισκόπηση στη γεωργία ακριβείας χρησιμοποιείται για την συλλογή και ανάλυση πληροφοριών για τις καλλιέργειες και τα χαρακτηριστικά του εδάφους, χρησιμοποιώντας αισθητήρες που βρίσκονται σε δορυφόρους, αεροπλάνα ή σε εξοπλισμό εδάφους. Οι αισθητήρες μετρούν την ενέργεια που ανακλάται (ορατό και εγγύς υπέρυθρο NIR), εκπέμπεται (θερμικό υπέρυθρο, TIR) ή εκτρέπεται (μικροκύματα) από μια επιφάνεια ή την ατμόσφαιρα σε διαφορετικές φασματικές περιοχές της ηλεκτρομαγνητικής ακτινοβολίας.

Ένα κοινά χρησιμοποιούμενο σύστημα τηλεπισκόπησης στην γεωργία είναι η οπτική τηλεπισκόπηση. Χρησιμοποιεί το ορατό, το εγγύς υπέρυθρο (NIR) και το μέσο υπέρυθρο (SWIR) για να δημιουργήσει εικόνες της επιφάνειας της γης μετρώντας την ενέργεια που ανακλάται από την επιφάνεια - στόχο. Όμως, η οπτική τηλεπισκόπηση εμφανίζει έναν σημαντικό περιορισμό ώστε να μην είναι κατάλληλη για την γεωργία ακριβείας: δεν μπορεί να αναγνωρίσει τις πιέσεις που δέχονται οι καλλιέργειες, αλλά μόνο αναγνωρίζει τα συμπτώματα μόλις αυτά εκδηλωθούν.

Αντίθετα, η θερμική τηλεπισκόπηση έχει βρεθεί ότι είναι ένα πολλά υποσχόμενο εργαλείο για την γεωργία ακριβείας. Μετρώντας την επιφανειακή θερμοκρασία των καλλιεργειών, η θερμική τηλεπισκόπηση μπορεί να αναγνωρίσει τις πιέσεις στις καλλιέργειες πολύ πριν εκδηλωθούν τα πρώτα αρνητικά συμπτώματα.
Μέχρι πρόσφατα, η διαθεσιμότητα υψηλής ανάλυσης θερμικών εικόνων ήταν περιορισμένη εξαιτίας του υψηλού κόστους απόκτησής τους. Με δεδομένο τις πρόσφατες εξελίξεις στα μη επανδρωμένα αέρια οχήματα (UAV’s), οι θερμικές εικόνες με υψηλή χωρική και χρονική ανάλυση, έχουν γίνει διαθέσιμες σε χαμηλό κόστος, και έχουν δώσει αρκετές δυνατότητες ώστε να κατανοήσουμε την ποικιλότητα των καλλιεργειών και των συνθηκών του εδάφους, δεδομένα χρήσιμα για τη λήψη αποφάσεων στον αγρονομικό τομέα.

Η θερμική τηλεπισκόπηση μετρά την ακτινοβολία που εκπέμπεται από την επιφάνεια ενός αντικειμένου και την μετατρέπει σε θερμοκρασία χωρίς να έρχεται σε επαφή με το αντικείμενο. Όσο υψηλότερη είναι η θερμοκρασία του σώματος, τόσο εντονότερη είναι η ακτινοβολία που εκπέμπεται. Έτσι, η θερμική τηλεπισκόπηση παρέχει σημαντικές μετρήσεις ενεργειακών ροών και θερμοκρασιών από την επιφάνεια της γης, οι οποίες είναι επαρκείς για να κατανοήσουμε τις διεργασίες και αποκρίσεις του φυσικού τοπίου.

Γενικά, η επιφανειακή θερμοκρασία των καλλιεργειών εξαρτάται από τον ρυθμό διαπνοής. Ο ρυθμός διαπνοής εξαρτάται από την ικανότητα εξάτμισης και τη διαθεσιμότητα νερού στο έδαφος των καλλιεργειών. Οι πιέσεις όπως π.χ η έλλειψη νερού, η έλλειψη θρεπτικών συστατικών, τα ζιζάνια, επηρεάζουν την επιφανειακή θερμοκρασία των καλλιεργειών, η οποία μπορεί να μετρηθεί κατά τη διάρκεια κρίσιμων φαινολογικών σταδίων.

'''Εφαρμογές θερμικής τηλεπισκόπησης στον αγροτικό τομέα'''

'''Προγραμματισμός άρδευσης'''
Η ανάγκη άρδευσης καθορίζεται από τέσσερις παράγοντες: την διαθεσιμότητα νερού στο έδαφος, την ανάγκη της καλλιέργειας για νερό, την ποσότητα βροχόπτωσης και την αποδοτικότητα του συστήματος άρδευσης. Υπάρχουν αρκετές παράμετροι για την ποσοτικοποίηση αυτών των παραγόντων όπως οι μετρήσεις της εδαφικής υγρασίας, η θερμοκρασία των φυτών, η εξατμισοδιαπνοή. Πολλές μελέτες έχουν εξετάσει την πιθανότητα χρήσης θερμικών εικόνων από δορυφόρους σαν εργαλείο για τη μέτρηση αυτών των παραμέτρων.

''Μέτρηση εδαφικής υγρασίας.'' Η βλάστηση που υπόκεινται σε έλλειψη νερού συχνά εμφανίζει αύξηση στην ακτινοβολούμενη θερμοκρασία σε σχέση με τη βλάστηση που είναι καλά αρδευόμενη. Οι Shafian and Maas (2015) χρησιμοποιώντας ψηφιακά δεδομένα στο κανάλι κόκκινο, εγγύς υπέρυθρο και στα θερμικά κανάλια από εικόνες του δορυφόρου Landsat, έδειξαν ότι μπορεί να γίνει εκτίμηση της εδαφικής υγρασίας.

''Απαίτηση νερού των καλλιεργειών.'' Οι Jackson et al (1981) ανέπτυξαν το Δείκτη Απαίτησης Νερού των Καλλιεργειών (Crop Water Stress Index, CWSI) ώστε να διαπιστωθεί η ανάγκη άρδευσης. Αρκετές μελέτες έχουν υπολογίσει το δείκτη CWSI και έχουν καταλήξει στα ίδια αποτελέσματα, χρησιμοποιώντας θερμικές εικόνες από δορυφόρους.

''Εξατμισοδιαπνοή και έλεγχος ξηρασίας.'' Υψηλή εξατμισοδιαπνοή μειώνει την επιφανειακή θερμοκρασία των καλλιεργειών. Οι Burbagallo et al (2009) μέτρησαν την εξατμισοδιαπνοή στο πεδίο και στη συνέχεια με θερμικές εικόνες από δορυφόρους και έδειξαν ότι οι εκτιμήσεις ήταν ίδιες και στις δύο περιπτώσεις. Επίσης, μελέτες έχουν δείξει ότι με θερμικές εικόνες από δορυφόρους μπορεί να γίνει αξιόπιστη εκτίμηση δεικτών όπως του Δείκτη Υγιούς Βλάστησης (Vegetation Health Index, VHI) και του Δείκτη Εξάτμισης (Evaporative Stress Index, ESI) που δίνουν ενδείξεις ξηρασίας.

'''Διάγνωση φυτικών ασθενειών'''
Οι ασθένειες των φυτών συχνά επηρεάζουν τον ρυθμό διαπνοής και την κυκλοφορία νερού στους φυτικούς ιστούς. Οι Chaerle et al. (2004) ανέφεραν αλλαγές στις επιφανειακές θερμοκρασίες των καλλιεργειών εξαιτίας μολύνσεων από παθογόνα μικρόβια ή των αμυντικών μηχανισμών των φυτών, πριν ακόμη εκδηλωθούν τα συμπτώματα της ασθένειας. Οι θερμικές εικόνες θα μπορούσαν να χρησιμοποιηθούν για να εκτιμήσουν περιβαλλοντικές συνθήκες που ευνοούν την ανάπτυξη μολύνσεων των φυτών, όπως είναι η διάρκεια των υγρών περιόδων.

'''Χαρτογράφηση της υφής του εδάφους'''
Η υφή του εδάφους καθορίζει την δυνατότητα συγκράτησης νερού και επομένως επηρεάζει την επιφανειακή θερμοκρασία των καλλιεργειών. Με τη χρήση των θερμικών εικόνων τηλεπισκόπησης μπορεί να γίνει χαρτογράφηση της υφής του εδάφους. Οι Wang et al (2015) χρησιμοποιώντας εικόνες από το δορυφόρο MODIS παρήγαγαν χάρτες χωρικής κατανομής της υφής του εδάφους στην πεδιάδα του ποταμού Yangtze – Huai στην Ανατολική Κίνα.

'''Χαρτογράφηση του αποστραγγιστικού δικτύου'''
Έχει παρατηρηθεί διαφορά επιφανειακής θερμοκρασίας μεταξύ του εδάφους που αποστραγγίζεται μέσω δικτύου και του εδάφους που αποστραγγίζεται φυσικά. Οι διαφορετικές θερμοκρασίες οι οποίες αποτυπώνονται στις θερμικές εικόνες δορυφόρων μπορεί να βοηθήσουν την καλύτερη χαρτογράφηση του αποστραγγιστικού δικτύου.
Χαρτογράφηση της ωρίμανσης της γεωργικής παραγωγής
Για τις περισσότερες καλλιέργειες, ο ρυθμός αναπνοής μειώνεται καθώς η παραγωγή φτάνει στο στάδιο ωρίμανσης σε σύγκριση με το στάδιο ανάπτυξης. Λιγότερη αναπνοή οδηγεί σε υψηλότερες θερμοκρασίες. Έτσι, χρησιμοποιώντας θερμικές εικόνες, μπορεί να αναγνωριστεί το στάδιο της ανάπτυξης από το στάδιο της ωρίμανσης.

'''Χαρτογράφηση της απόδοσης της καλλιέργειας''':
Μέχρι σήμερα, έχουν πραγματοποιηθεί λίγες μελέτες για την χαρτογράφηση με θερμικές εικόνες της απόδοσης μιας καλλιέργειας. Οι Bulanon et al (2008) έδειξαν ότι με τη χρήση θερμικών εικόνων μπορούν να διακριθούν οι καρποί των εσπεριδοειδών από το υπόβαθρο. Έδειξαν ότι τη νύχτα οι καρποί έχουν κατά 1,6οC υψηλότερη θερμοκρασία από τα φύλλα, ενώ κατά τη διάρκεια της ημέρας, η θερμοκρασία διαφέρει λιγότερο, περίπου 0,5οC.

Παρόλο που η θερμική τηλεπισκόπηση βρίσκει σημαντικές εφαρμογές στη γεωργία ακριβείας υπάρχουν και κάποιοι περιορισμοί που πρέπει να λαμβάνονται υπόψη όπως:

1. Η χωρική και χρονική ανάλυση των εικόνων. Στις θερμικές εικόνες από δορυφόρους, το μέγεθος των εικονοστοιχείων (pixels) είναι μεγαλύτερο από ένα αγροτεμάχιο και στις περιπτώσεις αυτές δεν υπάρχει η δυνατότητα αξιοποίησης των εικόνων από τους γεωργούς για τη λήψη αποφάσεων. Για παράδειγμα, κάποιοι θερμικοί αισθητήρες που είναι τοποθετημένοι σε δορυφόρους με ημερήσιες λήψεις όπως οι MODIS, GOES, AVHRR, παρέχουν εικόνες με ανάλυση 1000 -4400m ενώ οι εικόνες στο ορατό, το εγγύς υπέρυθρο και το μέσο κοντινό υπέρυθρο έχουν ανάλυση 250 – 1000m. Σε ορισμένους δορυφόρους έχουν γίνει βελτιώσεις των θερμικών αισθητήρων π.χ Landsat 7 ΕΤΜ ανάλυση 60m, Landsat 8 ανάλυση 100m, ASTER ανάλυση 90m) αλλά οι δορυφόροι αυτοί επαναλαμβάνουν τις λήψεις κάθε 16 ημέρες. Για έναν γεωργό, η χαμηλή χωρική ανάλυση και χρονική συχνότητα αποτελούν σημαντικούς περιορισμούς.

2. Οι ατμοσφαιρικές συνθήκες

3. Η γωνία θέασης και το υψόμετρο των θερμικών αισθητήρων και

4. Το στάδιο ανάπτυξης των καλλιεργούμενων φυτών και η ποικιλία των φυτικών ειδών που υπάρχουν στην καλλιέργεια.

'''Συμπέρασματα''':

Η θερμική τηλεπισκόπηση βρίσκει πολλές εφαρμογές στη γεωργία ακριβείας αλλά υπάρχουν ακόμη αρκετοί περιορισμοί. Στο μέλλον, η εξέλιξη της τεχνολογίας των μη επανδρωμένων αέριων οχημάτων (UAV) πρόκειται να αυξήσει τη χρήση τους στη γεωργία ακριβείας σε σχέση με τους δορυφόρους και τα αεροπλάνα.

[[category:Γεωργία]]

Ανασκόπηση των σημερινών και πιθανά μελλοντικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας

2018-02-23T10:42:54Z

Vasanag2:

[[Εικόνα: rs_wiki_georgia_akr.jpg‎ | thumb | right | '''Εικόνα 1''':
Η θερμοκρασία μιας καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέρια θερμικά αισθητήρια στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Αγρόκτημα κοντά στο Λονδίνο, OH, ΗΠΑ.]]

'''Τίτλος Πρωτοτύπου''': An overview of current and potential applications of thermal remote sensing in precision agriculture

Πηγή:ScienceDirect [http://www.sciencedirect.com/science/article/pii/S0168169916310225]

'''Συγγραφείς''': Sami Khanal, John Fulton, Scott Shearer

'''Λέξεις κλειδιά''': Γεωργία ακριβείας, Παρακολούθηση, Τηλεπισκόπηση, Θερμική ανίχνευση

'''Περίληψη'''
Στο άρθρο γίνεται ανασκόπηση των εφαρμογών θερμικής τηλεπισκόπησης στην γεωργία ακριβείας. Περιγράφονται οι ήδη υπάρχουσες εφαρμογές, αλλά και ορισμένες που πιθανόν να χρησιμοποιηθούν μελλοντικά, και γίνεται αναφορά σε περιορισμούς στις δυνατότητές τους.

'''Εισαγωγή'''
Η Γεωργία Ακριβείας είναι η διαχείριση της ποικιλότητας που παρουσιάζουν οι καλλιέργειες στο χώρο και το χρόνο, με τη χρήση εργαλείων και τεχνολογιών, με σκοπό να βελτιωθούν οι καλλιεργητικές πρακτικές που εφαρμόζονται, να αυξηθεί η απόδοση, να βελτιστοποιηθούν οι εισροές (νερό, λιπάσματα, φυτοπροστατευτικά προϊόντα) και να μειωθεί το περιβαλλοντικό αποτύπωμα.

Με την Γεωργία Ακριβείας μπορεί να δοθεί λύση απέναντι στην υποβάθμιση της ποιότητας των επιφανειακών και υπόγειων νερών, στην αυξανόμενη τιμή των εδαφοβελτιωτικών – λιπασμάτων και στην απαίτηση για την αύξηση κατά 50 – 70% της αγροτικής παραγωγής τροφίμων με τη χρήση των ελάχιστων κατά το δυνατό φυσικών πόρων.

Η τηλεπισκόπηση στη γεωργία ακριβείας χρησιμοποιείται για την συλλογή και ανάλυση πληροφοριών για τις καλλιέργειες και τα χαρακτηριστικά του εδάφους, χρησιμοποιώντας αισθητήρες που βρίσκονται σε δορυφόρους, αεροπλάνα ή σε εξοπλισμό εδάφους. Οι αισθητήρες μετρούν την ενέργεια που ανακλάται (ορατό και εγγύς υπέρυθρο NIR), εκπέμπεται (θερμικό υπέρυθρο, TIR) ή εκτρέπεται (μικροκύματα) από μια επιφάνεια ή την ατμόσφαιρα σε διαφορετικές φασματικές περιοχές της ηλεκτρομαγνητικής ακτινοβολίας.

Ένα κοινά χρησιμοποιούμενο σύστημα τηλεπισκόπησης στην γεωργία είναι η οπτική τηλεπισκόπηση. Χρησιμοποιεί το ορατό, το εγγύς υπέρυθρο (NIR) και το μέσο υπέρυθρο (SWIR) για να δημιουργήσει εικόνες της επιφάνειας της γης μετρώντας την ενέργεια που ανακλάται από την επιφάνεια - στόχο. Όμως, η οπτική τηλεπισκόπηση εμφανίζει έναν σημαντικό περιορισμό ώστε να μην είναι κατάλληλη για την γεωργία ακριβείας: δεν μπορεί να αναγνωρίσει τις πιέσεις που δέχονται οι καλλιέργειες, αλλά μόνο αναγνωρίζει τα συμπτώματα μόλις αυτά εκδηλωθούν.

Αντίθετα, η θερμική τηλεπισκόπηση έχει βρεθεί ότι είναι ένα πολλά υποσχόμενο εργαλείο για την γεωργία ακριβείας. Μετρώντας την επιφανειακή θερμοκρασία των καλλιεργειών, η θερμική τηλεπισκόπηση μπορεί να αναγνωρίσει τις πιέσεις στις καλλιέργειες πολύ πριν εκδηλωθούν τα πρώτα αρνητικά συμπτώματα.
Μέχρι πρόσφατα, η διαθεσιμότητα υψηλής ανάλυσης θερμικών εικόνων ήταν περιορισμένη εξαιτίας του υψηλού κόστους απόκτησής τους. Με δεδομένο τις πρόσφατες εξελίξεις στα μη επανδρωμένα αέρια οχήματα (UAV’s), οι θερμικές εικόνες με υψηλή χωρική και χρονική ανάλυση, έχουν γίνει διαθέσιμες σε χαμηλό κόστος, και έχουν δώσει αρκετές δυνατότητες ώστε να κατανοήσουμε την ποικιλότητα των καλλιεργειών και των συνθηκών του εδάφους, δεδομένα χρήσιμα για τη λήψη αποφάσεων στον αγρονομικό τομέα.

Η θερμική τηλεπισκόπηση μετρά την ακτινοβολία που εκπέμπεται από την επιφάνεια ενός αντικειμένου και την μετατρέπει σε θερμοκρασία χωρίς να έρχεται σε επαφή με το αντικείμενο. Όσο υψηλότερη είναι η θερμοκρασία του σώματος, τόσο εντονότερη είναι η ακτινοβολία που εκπέμπεται. Έτσι, η θερμική τηλεπισκόπηση παρέχει σημαντικές μετρήσεις ενεργειακών ροών και θερμοκρασιών από την επιφάνεια της γης, οι οποίες είναι επαρκείς για να κατανοήσουμε τις διεργασίες και αποκρίσεις του φυσικού τοπίου.

Γενικά, η επιφανειακή θερμοκρασία των καλλιεργειών εξαρτάται από τον ρυθμό διαπνοής. Ο ρυθμός διαπνοής εξαρτάται από την ικανότητα εξάτμισης και τη διαθεσιμότητα νερού στο έδαφος των καλλιεργειών. Οι πιέσεις όπως π.χ η έλλειψη νερού, η έλλειψη θρεπτικών συστατικών, τα ζιζάνια, επηρεάζουν την επιφανειακή θερμοκρασία των καλλιεργειών, η οποία μπορεί να μετρηθεί κατά τη διάρκεια κρίσιμων φαινολογικών σταδίων.

'''Εφαρμογές θερμικής τηλεπισκόπησης στον αγροτικό τομέα'''

'''Προγραμματισμός άρδευσης'''
Η ανάγκη άρδευσης καθορίζεται από τέσσερις παράγοντες: την διαθεσιμότητα νερού στο έδαφος, την ανάγκη της καλλιέργειας για νερό, την ποσότητα βροχόπτωσης και την αποδοτικότητα του συστήματος άρδευσης. Υπάρχουν αρκετές παράμετροι για την ποσοτικοποίηση αυτών των παραγόντων όπως οι μετρήσεις της εδαφικής υγρασίας, η θερμοκρασία των φυτών, η εξατμισοδιαπνοή. Πολλές μελέτες έχουν εξετάσει την πιθανότητα χρήσης θερμικών εικόνων από δορυφόρους σαν εργαλείο για τη μέτρηση αυτών των παραμέτρων.

''Μέτρηση εδαφικής υγρασίας.'' Η βλάστηση που υπόκεινται σε έλλειψη νερού συχνά εμφανίζει αύξηση στην ακτινοβολούμενη θερμοκρασία σε σχέση με τη βλάστηση που είναι καλά αρδευόμενη. Οι Shafian and Maas (2015) χρησιμοποιώντας ψηφιακά δεδομένα στο κανάλι κόκκινο, εγγύς υπέρυθρο και στα θερμικά κανάλια από εικόνες του δορυφόρου Landsat, έδειξαν ότι μπορεί να γίνει εκτίμηση της εδαφικής υγρασίας.

''Απαίτηση νερού των καλλιεργειών.'' Οι Jackson et al (1981) ανέπτυξαν το Δείκτη Απαίτησης Νερού των Καλλιεργειών (Crop Water Stress Index, CWSI) ώστε να διαπιστωθεί η ανάγκη άρδευσης. Αρκετές μελέτες έχουν υπολογίσει το δείκτη CWSI και έχουν καταλήξει στα ίδια αποτελέσματα, χρησιμοποιώντας θερμικές εικόνες από δορυφόρους.

''Εξατμισοδιαπνοή και έλεγχος ξηρασίας.'' Υψηλή εξατμισοδιαπνοή μειώνει την επιφανειακή θερμοκρασία των καλλιεργειών. Οι Burbagallo et al (2009) μέτρησαν την εξατμισοδιαπνοή στο πεδίο και στη συνέχεια με θερμικές εικόνες από δορυφόρους και έδειξαν ότι οι εκτιμήσεις ήταν ίδιες και στις δύο περιπτώσεις. Επίσης, μελέτες έχουν δείξει ότι με θερμικές εικόνες από δορυφόρους μπορεί να γίνει αξιόπιστη εκτίμηση δεικτών όπως του Δείκτη Υγιούς Βλάστησης (Vegetation Health Index, VHI) και του Δείκτη Εξάτμισης (Evaporative Stress Index, ESI) που δίνουν ενδείξεις ξηρασίας.

'''Διάγνωση φυτικών ασθενειών'''
Οι ασθένειες των φυτών συχνά επηρεάζουν τον ρυθμό διαπνοής και την κυκλοφορία νερού στους φυτικούς ιστούς. Οι Chaerle et al. (2004) ανέφεραν αλλαγές στις επιφανειακές θερμοκρασίες των καλλιεργειών εξαιτίας μολύνσεων από παθογόνα μικρόβια ή των αμυντικών μηχανισμών των φυτών, πριν ακόμη εκδηλωθούν τα συμπτώματα της ασθένειας. Οι θερμικές εικόνες θα μπορούσαν να χρησιμοποιηθούν για να εκτιμήσουν περιβαλλοντικές συνθήκες που ευνοούν την ανάπτυξη μολύνσεων των φυτών, όπως είναι η διάρκεια των υγρών περιόδων.

'''Χαρτογράφηση της υφής του εδάφους'''
Η υφή του εδάφους καθορίζει την δυνατότητα συγκράτησης νερού και επομένως επηρεάζει την επιφανειακή θερμοκρασία των καλλιεργειών. Με τη χρήση των θερμικών εικόνων τηλεπισκόπησης μπορεί να γίνει χαρτογράφηση της υφής του εδάφους. Οι Wang et al (2015) χρησιμοποιώντας εικόνες από το δορυφόρο MODIS παρήγαγαν χάρτες χωρικής κατανομής της υφής του εδάφους στην πεδιάδα του ποταμού Yangtze – Huai στην Ανατολική Κίνα.

'''Χαρτογράφηση του αποστραγγιστικού δικτύου'''
Έχει παρατηρηθεί διαφορά επιφανειακής θερμοκρασίας μεταξύ του εδάφους που αποστραγγίζεται μέσω δικτύου και του εδάφους που αποστραγγίζεται φυσικά. Οι διαφορετικές θερμοκρασίες οι οποίες αποτυπώνονται στις θερμικές εικόνες δορυφόρων μπορεί να βοηθήσουν την καλύτερη χαρτογράφηση του αποστραγγιστικού δικτύου.
Χαρτογράφηση της ωρίμανσης της γεωργικής παραγωγής
Για τις περισσότερες καλλιέργειες, ο ρυθμός αναπνοής μειώνεται καθώς η παραγωγή φτάνει στο στάδιο ωρίμανσης σε σύγκριση με το στάδιο ανάπτυξης. Λιγότερη αναπνοή οδηγεί σε υψηλότερες θερμοκρασίες. Έτσι, χρησιμοποιώντας θερμικές εικόνες, μπορεί να αναγνωριστεί το στάδιο της ανάπτυξης από το στάδιο της ωρίμανσης.

'''Χαρτογράφηση της απόδοσης της καλλιέργειας''':
Μέχρι σήμερα, έχουν πραγματοποιηθεί λίγες μελέτες για την χαρτογράφηση με θερμικές εικόνες της απόδοσης μιας καλλιέργειας. Οι Bulanon et al (2008) έδειξαν ότι με τη χρήση θερμικών εικόνων μπορούν να διακριθούν οι καρποί των εσπεριδοειδών από το υπόβαθρο. Έδειξαν ότι τη νύχτα οι καρποί έχουν κατά 1,6οC υψηλότερη θερμοκρασία από τα φύλλα, ενώ κατά τη διάρκεια της ημέρας, η θερμοκρασία διαφέρει λιγότερο, περίπου 0,5οC.

Παρόλο που η θερμική τηλεπισκόπηση βρίσκει σημαντικές εφαρμογές στη γεωργία ακριβείας υπάρχουν και κάποιοι περιορισμοί που πρέπει να λαμβάνονται υπόψη όπως:

1. Η χωρική και χρονική ανάλυση των εικόνων. Στις θερμικές εικόνες από δορυφόρους, το μέγεθος των εικονοστοιχείων (pixels) είναι μεγαλύτερο από ένα αγροτεμάχιο και στις περιπτώσεις αυτές δεν υπάρχει η δυνατότητα αξιοποίησης των εικόνων από τους γεωργούς για τη λήψη αποφάσεων. Για παράδειγμα, κάποιοι θερμικοί αισθητήρες που είναι τοποθετημένοι σε δορυφόρους με ημερήσιες λήψεις όπως οι MODIS, GOES, AVHRR, παρέχουν εικόνες με ανάλυση 1000 -4400m ενώ οι εικόνες στο ορατό, το εγγύς υπέρυθρο και το μέσο κοντινό υπέρυθρο έχουν ανάλυση 250 – 1000m. Σε ορισμένους δορυφόρους έχουν γίνει βελτιώσεις των θερμικών αισθητήρων π.χ Landsat 7 ΕΤΜ ανάλυση 60m, Landsat 8 ανάλυση 100m, ASTER ανάλυση 90m) αλλά οι δορυφόροι αυτοί επαναλαμβάνουν τις λήψεις κάθε 16 ημέρες. Για έναν γεωργό, η χαμηλή χωρική ανάλυση και χρονική συχνότητα αποτελούν σημαντικούς περιορισμούς.

2. Οι ατμοσφαιρικές συνθήκες

3. Η γωνία θέασης και το υψόμετρο των θερμικών αισθητήρων και

4. Το στάδιο ανάπτυξης των καλλιεργούμενων φυτών και η ποικιλία των φυτικών ειδών που υπάρχουν στην καλλιέργεια.

'''Συμπέρασματα''':

Η θερμική τηλεπισκόπηση βρίσκει πολλές εφαρμογές στη γεωργία ακριβείας αλλά υπάρχουν ακόμη αρκετοί περιορισμοί. Στο μέλλον, η εξέλιξη της τεχνολογίας των μη επανδρωμένων αέριων οχημάτων (UAV) πρόκειται να αυξήσει τη χρήση τους στη γεωργία ακριβείας σε σχέση με τους δορυφόρους και τα αεροπλάνα.

[[category:Γεωργία]]

Ανασκόπηση των σημερινών και πιθανά μελλοντικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας

2018-02-23T10:41:20Z

Vasanag2:

[[Εικόνα: rs_wiki_georgia_akr.jpg‎ | thumb | right | '''Εικόνα 1''':
Η θερμοκρασία μιας καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέρια θερμικά αισθητήρια στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Αγρόκτημα κοντά στο Λονδίνο, OH, ΗΠΑ.]]

'''Τίτλος Πρωτοτύπου''': An overview of current and potential applications of thermal remote sensing in precision agriculture

Πηγή:ScienceDirect [http://www.sciencedirect.com/science/article/pii/S0168169916310225]

'''Συγγραφείς''': Sami Khanal, John Fulton, Scott Shearer

'''Λέξεις κλειδιά''': Γεωργία ακριβείας, Παρακολούθηση, Τηλεπισκόπηση, Θερμική ανίχνευση

'''Περίληψη'''
Στο άρθρο γίνεται ανασκόπηση των εφαρμογών θερμικής τηλεπισκόπησης στην γεωργία ακριβείας. Περιγράφονται οι ήδη υπάρχουσες εφαρμογές, αλλά και ορισμένες που πιθανόν να χρησιμοποιηθούν μελλοντικά, και γίνεται αναφορά σε περιορισμούς στις δυνατότητές τους.

'''Εισαγωγή'''
Η Γεωργία Ακριβείας είναι η διαχείριση της ποικιλότητας που παρουσιάζουν οι καλλιέργειες στο χώρο και το χρόνο, με τη χρήση εργαλείων και τεχνολογιών, με σκοπό να βελτιωθούν οι καλλιεργητικές πρακτικές που εφαρμόζονται, να αυξηθεί η απόδοση, να βελτιστοποιηθούν οι εισροές (νερό, λιπάσματα, φυτοπροστατευτικά προϊόντα) και να μειωθεί το περιβαλλοντικό αποτύπωμα.

Με την Γεωργία Ακριβείας μπορεί να δοθεί λύση απέναντι στην υποβάθμιση της ποιότητας των επιφανειακών και υπόγειων νερών, στην αυξανόμενη τιμή των εδαφοβελτιωτικών – λιπασμάτων και στην απαίτηση για την αύξηση κατά 50 – 70% της αγροτικής παραγωγής τροφίμων με τη χρήση των ελάχιστων κατά το δυνατό φυσικών πόρων.

Η τηλεπισκόπηση στη γεωργία ακριβείας χρησιμοποιείται για την συλλογή και ανάλυση πληροφοριών για τις καλλιέργειες και τα χαρακτηριστικά του εδάφους, χρησιμοποιώντας αισθητήρες που βρίσκονται σε δορυφόρους, αεροπλάνα ή σε εξοπλισμό εδάφους. Οι αισθητήρες μετρούν την ενέργεια που ανακλάται (ορατό και εγγύς υπέρυθρο NIR), εκπέμπεται (θερμικό υπέρυθρο, TIR) ή εκτρέπεται (μικροκύματα) από μια επιφάνεια ή την ατμόσφαιρα σε διαφορετικές φασματικές περιοχές της ηλεκτρομαγνητικής ακτινοβολίας.

Ένα κοινά χρησιμοποιούμενο σύστημα τηλεπισκόπησης στην γεωργία είναι η οπτική τηλεπισκόπηση. Χρησιμοποιεί το ορατό, το εγγύς υπέρυθρο (NIR) και το μέσο υπέρυθρο (SWIR) για να δημιουργήσει εικόνες της επιφάνειας της γης μετρώντας την ενέργεια που ανακλάται από την επιφάνεια - στόχο. Όμως, η οπτική τηλεπισκόπηση εμφανίζει έναν σημαντικό περιορισμό ώστε να μην είναι κατάλληλη για την γεωργία ακριβείας: δεν μπορεί να αναγνωρίσει τις πιέσεις που δέχονται οι καλλιέργειες, αλλά μόνο αναγνωρίζει τα συμπτώματα μόλις αυτά εκδηλωθούν.

Αντίθετα, η θερμική τηλεπισκόπηση έχει βρεθεί ότι είναι ένα πολλά υποσχόμενο εργαλείο για την γεωργία ακριβείας. Μετρώντας την επιφανειακή θερμοκρασία των καλλιεργειών, η θερμική τηλεπισκόπηση μπορεί να αναγνωρίσει τις πιέσεις στις καλλιέργειες πολύ πριν εκδηλωθούν τα πρώτα αρνητικά συμπτώματα.
Μέχρι πρόσφατα, η διαθεσιμότητα υψηλής ανάλυσης θερμικών εικόνων ήταν περιορισμένη εξαιτίας του υψηλού κόστους απόκτησής τους. Με δεδομένο τις πρόσφατες εξελίξεις στα μη επανδρωμένα αέρια οχήματα (UAV’s), οι θερμικές εικόνες με υψηλή χωρική και χρονική ανάλυση, έχουν γίνει διαθέσιμες σε χαμηλό κόστος, και έχουν δώσει αρκετές δυνατότητες ώστε να κατανοήσουμε την ποικιλότητα των καλλιεργειών και των συνθηκών του εδάφους, δεδομένα χρήσιμα για τη λήψη αποφάσεων στον αγρονομικό τομέα.

Η θερμική τηλεπισκόπηση μετρά την ακτινοβολία που εκπέμπεται από την επιφάνεια ενός αντικειμένου και την μετατρέπει σε θερμοκρασία χωρίς να έρχεται σε επαφή με το αντικείμενο. Όσο υψηλότερη είναι η θερμοκρασία του σώματος, τόσο εντονότερη είναι η ακτινοβολία που εκπέμπεται. Έτσι, η θερμική τηλεπισκόπηση παρέχει σημαντικές μετρήσεις ενεργειακών ροών και θερμοκρασιών από την επιφάνεια της γης, οι οποίες είναι επαρκείς για να κατανοήσουμε τις διεργασίες και αποκρίσεις του φυσικού τοπίου.

Γενικά, η επιφανειακή θερμοκρασία των καλλιεργειών εξαρτάται από τον ρυθμό διαπνοής. Ο ρυθμός διαπνοής εξαρτάται από την ικανότητα εξάτμισης και τη διαθεσιμότητα νερού στο έδαφος των καλλιεργειών. Οι πιέσεις όπως π.χ η έλλειψη νερού, η έλλειψη θρεπτικών συστατικών, τα ζιζάνια, επηρεάζουν την επιφανειακή θερμοκρασία των καλλιεργειών, η οποία μπορεί να μετρηθεί κατά τη διάρκεια κρίσιμων φαινολογικών σταδίων.

'''Εφαρμογές θερμικής τηλεπισκόπησης στον αγροτικό τομέα'''

'''Προγραμματισμός άρδευσης'''
Η ανάγκη άρδευσης καθορίζεται από τέσσερις παράγοντες: την διαθεσιμότητα νερού στο έδαφος, την ανάγκη της καλλιέργειας για νερό, την ποσότητα βροχόπτωσης και την αποδοτικότητα του συστήματος άρδευσης. Υπάρχουν αρκετές παράμετροι για την ποσοτικοποίηση αυτών των παραγόντων όπως οι μετρήσεις της εδαφικής υγρασίας, η θερμοκρασία των φυτών, η εξατμισοδιαπνοή. Πολλές μελέτες έχουν εξετάσει την πιθανότητα χρήσης θερμικών εικόνων από δορυφόρους σαν εργαλείο για τη μέτρηση αυτών των παραμέτρων.

''Μέτρηση εδαφικής υγρασίας.'' Η βλάστηση που υπόκεινται σε έλλειψη νερού συχνά εμφανίζει αύξηση στην ακτινοβολούμενη θερμοκρασία σε σχέση με τη βλάστηση που είναι καλά αρδευόμενη. Οι Shafian and Maas (2015) χρησιμοποιώντας ψηφιακά δεδομένα στο κανάλι κόκκινο, εγγύς υπέρυθρο και στα θερμικά κανάλια από εικόνες του δορυφόρου Landsat, έδειξαν ότι μπορεί να γίνει εκτίμηση της εδαφικής υγρασίας.

''Απαίτηση νερού των καλλιεργειών.'' Οι Jackson et al (1981) ανέπτυξαν το Δείκτη Απαίτησης Νερού των Καλλιεργειών (Crop Water Stress Index, CWSI) ώστε να διαπιστωθεί η ανάγκη άρδευσης. Αρκετές μελέτες έχουν υπολογίσει το δείκτη CWSI και έχουν καταλήξει στα ίδια αποτελέσματα, χρησιμοποιώντας θερμικές εικόνες από δορυφόρους.

''Εξατμισοδιαπνοή και έλεγχος ξηρασίας.'' Υψηλή εξατμισοδιαπνοή μειώνει την επιφανειακή θερμοκρασία των καλλιεργειών. Οι Burbagallo et al (2009) μέτρησαν την εξατμισοδιαπνοή στο πεδίο και στη συνέχεια με θερμικές εικόνες από δορυφόρους και έδειξαν ότι οι εκτιμήσεις ήταν ίδιες και στις δύο περιπτώσεις. Επίσης, μελέτες έχουν δείξει ότι με θερμικές εικόνες από δορυφόρους μπορεί να γίνει αξιόπιστη εκτίμηση δεικτών όπως του Δείκτη Υγιούς Βλάστησης (Vegetation Health Index, VHI) και του Δείκτη Εξάτμισης (Evaporative Stress Index, ESI) που δίνουν ενδείξεις ξηρασίας.

'''Διάγνωση φυτικών ασθενειών'''
Οι ασθένειες των φυτών συχνά επηρεάζουν τον ρυθμό διαπνοής και την κυκλοφορία νερού στους φυτικούς ιστούς. Οι Chaerle et al. (2004) ανέφεραν αλλαγές στις επιφανειακές θερμοκρασίες των καλλιεργειών εξαιτίας μολύνσεων από παθογόνα μικρόβια ή των αμυντικών μηχανισμών των φυτών, πριν ακόμη εκδηλωθούν τα συμπτώματα της ασθένειας. Οι θερμικές εικόνες θα μπορούσαν να χρησιμοποιηθούν για να εκτιμήσουν περιβαλλοντικές συνθήκες που ευνοούν την ανάπτυξη μολύνσεων των φυτών, όπως είναι η διάρκεια των υγρών περιόδων.

'''Χαρτογράφηση της υφής του εδάφους'''
Η υφή του εδάφους καθορίζει την δυνατότητα συγκράτησης νερού και επομένως επηρεάζει την επιφανειακή θερμοκρασία των καλλιεργειών. Με τη χρήση των θερμικών εικόνων τηλεπισκόπησης μπορεί να γίνει χαρτογράφηση της υφής του εδάφους. Οι Wang et al (2015) χρησιμοποιώντας εικόνες από το δορυφόρο MODIS παρήγαγαν χάρτες χωρικής κατανομής της υφής του εδάφους στην πεδιάδα του ποταμού Yangtze – Huai στην Ανατολική Κίνα.

'''Χαρτογράφηση του αποστραγγιστικού δικτύου'''
Έχει παρατηρηθεί διαφορά επιφανειακής θερμοκρασίας μεταξύ του εδάφους που αποστραγγίζεται μέσω δικτύου και του εδάφους που αποστραγγίζεται φυσικά. Οι διαφορετικές θερμοκρασίες οι οποίες αποτυπώνονται στις θερμικές εικόνες δορυφόρων μπορεί να βοηθήσουν την καλύτερη χαρτογράφηση του αποστραγγιστικού δικτύου.
Χαρτογράφηση της ωρίμανσης της γεωργικής παραγωγής
Για τις περισσότερες καλλιέργειες, ο ρυθμός αναπνοής μειώνεται καθώς η παραγωγή φτάνει στο στάδιο ωρίμανσης σε σύγκριση με το στάδιο ανάπτυξης. Λιγότερη αναπνοή οδηγεί σε υψηλότερες θερμοκρασίες. Έτσι, χρησιμοποιώντας θερμικές εικόνες, μπορεί να αναγνωριστεί το στάδιο της ανάπτυξης από το στάδιο της ωρίμανσης.

'''Χαρτογράφηση της απόδοσης της καλλιέργειας''':
Μέχρι σήμερα, έχουν πραγματοποιηθεί λίγες μελέτες για την χαρτογράφηση με θερμικές εικόνες της απόδοσης μιας καλλιέργειας. Οι Bulanon et al (2008) έδειξαν ότι με τη χρήση θερμικών εικόνων μπορούν να διακριθούν οι καρποί των εσπεριδοειδών από το υπόβαθρο. Έδειξαν ότι τη νύχτα οι καρποί έχουν κατά 1,6οC υψηλότερη θερμοκρασία από τα φύλλα, ενώ κατά τη διάρκεια της ημέρας, η θερμοκρασία διαφέρει λιγότερο, περίπου 0,5οC.

Παρόλο που η θερμική τηλεπισκόπηση βρίσκει σημαντικές εφαρμογές στη γεωργία ακριβείας υπάρχουν και κάποιοι περιορισμοί που πρέπει να λαμβάνονται υπόψη όπως:

1. Η χωρική και χρονική ανάλυση των εικόνων. Στις θερμικές εικόνες από δορυφόρους, το μέγεθος των εικονοστοιχείων (pixels) είναι μεγαλύτερο από ένα αγροτεμάχιο και στις περιπτώσεις αυτές δεν υπάρχει η δυνατότητα αξιοποίησης των εικόνων από τους γεωργούς για τη λήψη αποφάσεων. Για παράδειγμα, κάποιοι θερμικοί αισθητήρες που είναι τοποθετημένοι σε δορυφόρους με ημερήσιες λήψεις όπως οι MODIS, GOES, AVHRR, παρέχουν εικόνες με ανάλυση 1000 -4400m ενώ οι εικόνες στο ορατό, το εγγύς υπέρυθρο και το μέσο κοντινό υπέρυθρο έχουν ανάλυση 250 – 1000m. Σε ορισμένους δορυφόρους έχουν γίνει βελτιώσεις των θερμικών αισθητήρων π.χ Landsat 7 ΕΤΜ ανάλυση 60m, Landsat 8 ανάλυση 100m, ASTER ανάλυση 90m) αλλά οι δορυφόροι αυτοί επαναλαμβάνουν τις λήψεις κάθε 16 ημέρες. Για έναν γεωργό, η χαμηλή χωρική ανάλυση και χρονική συχνότητα αποτελούν σημαντικούς περιορισμούς.

2. Οι ατμοσφαιρικές συνθήκες

3. Η γωνία θέασης και το υψόμετρο των θερμικών αισθητήρων και

4. Το στάδιο ανάπτυξης των καλλιεργούμενων φυτών και η ποικιλία των φυτικών ειδών που υπάρχουν στην καλλιέργεια.

'''Συμπέρασματα''':
Η θερμική τηλεπισκόπηση βρίσκει πολλές εφαρμογές στη γεωργία ακριβείας αλλά υπάρχουν ακόμη αρκετοί περιορισμοί. Στο μέλλον, η εξέλιξη της τεχνολογίας των μη επανδρωμένων αέριων οχημάτων (UAV) πρόκειται να αυξήσει τη χρήση τους στη γεωργία ακριβείας σε σχέση με τους δορυφόρους και τα αεροπλάνα.

[[category:Γεωργία]]

Εκτίμηση των αλλαγών κάλυψης βλάστησης στους υγροτόπους Έβεργκλεϊντς της Φλόριντα με τη χρήση δορυφορικών ψηφιακών απεικονίσεων

2018-02-23T10:06:53Z

Vasanag2:

[[Εικόνα: rs_wiki_perioxi_meleths1.jpg‎ | thumb | right | '''Εικόνα 1''':
Περιοχή μελέτης (WCA-2A).]]

[[Εικόνα: rs_wiki_cattail2.jpg‎ | thumb | right | '''Εικόνα 2''':
Typha domingensis (cattail).]]

[[Εικόνα: rs_wiki_xarths_allagon3.jpg‎ | thumb | right | '''Εικόνα 3''':
: Χάρτης αλλαγών της εξάπλωσης της φυτοκοινότητας cattail κατά τη χρονική περίοδο 1996 – 2016. Με κόκκινο χρώμα απεικονίζεται το ποσοστό των σημαντικότερων αλλαγών κάλυψης, με μπλε χρώμα το ποσοστό που έμεινε αμετάβλητο. Στην κενή (λευκή) περιοχή δεν αναπτύσσεται η φυτοκοινότητα cattail.]]

[[Εικόνα: pinakas.jpg‎ | thumb | right | '''Εικόνα 4''':
Πίνακας με τα εκτάρια γης που καλύπτουν οι 4 φυτοκοινότητες ύστερα από ανάλυση των απεικονίσεων Landsat.]]

'''Τίτλος πρωτοτύπου:''' Applying time series Landsat data for vegetation change analysis in the Florida Everglades Water Conservation Area 2A during 1996–2016

Πηγή:ScienceDirect[http://www.sciencedirect.com/science/article/pii/S0303243417300077]

'''Συγγραφείς:''' ''Caiyun Zhanga, Molly Smitha, Jie Lvb, Chaoyang Fang''

'''Λέξεις κλειδιά''': αντικειμενοστραφή ανάλυση, Χαρτογράφηση βλάστησης και ανάλυση αλλαγών,
υγρότοποι Έβεργκλεϊντς.

'''Περίληψη'''

Οι υγρότοποι Έβεργκλεϊντς είναι οι μεγαλύτεροι υποτροπικοί υγρότοποι στις ΗΠΑ, που φιλοξενούν πολλά απειλούμενα και υπό εξαφάνιση είδη. Τον περασμένο αιώνα, οι ανθρώπινες δραστηριότητες τροποποίησαν σημαντικά το οικοσύστημα, προκαλώντας αρκετά περιβαλλοντικά ζητήματα στη Νότια Φλόριντα. Το 2000, το Κονγκρέσο των ΗΠΑ ενέκρινε την εφαρμογή προγράμματος αποκατάστασης των υγροτόπων με κόστος μεγαλύτερο από 10,5 δισεκατομμύρια δολάρια και χρόνο ολοκλήρωσης τα 35 έτη. Το πρόγραμμα αποκατάστασης απαιτεί την χαρτογράφηση της βλάστησης ώστε να διαπιστωθούν οι μεταβολές που έχουν συμβεί και να αποφασιστούν οι ενέργειες αποκατάστασης.

Οι προσπάθειες για την διαπίστωση των αλλαγών βλάστησης με ψηφιακά δεδομένα από δορυφόρους, είχαν στηριχτεί μέχρι σήμερα σε αλγόριθμους ταξινόμησης που λειτουργούν µε στοιχειώδη μονάδα το εικονοστοιχείο (pixel.) Oι ταξινοµήσεις κατά εικονοστοιχείο δεν ευνοούν την δημιουργία οντοτήτων µε φυσικό νόηµα, που είναι απαιτούμενο κατά την ανάλυση τηλεπισκοπικών απεικονίσεων. Ένα άλλο σημαντικό τους μειονέκτημα είναι η έντονη ύπαρξη του φαινομένου θορύβου «αλατοπίπερου» (“salt- and-pepper” effect) στην χαρτογράφηση φυσικών τοπίων με ετερογένεια.

Στην παρούσα μελέτη γίνεται προσπάθεια να διαπιστωθούν οι μεταβολές στη βλάστηση των υγροτόπων με την αντικειμενοστραφή ανάλυση (object-based image analysis). Σε αυτή την προσέγγιση η στοιχειώδης μονάδα είναι ομαδοποιημένα εικονοστοιχεία που συνιστούν αντικείμενα, τα οποία έχουν προκύψει από µια διαδικασία τμηματοποίησης των στοιχείων των εικόνων. Οι πληροφορίες που είναι απαραίτητες για την φωτοερμηνεία της εικόνας δεν αναπαρίστανται από μεμονωμένα εικονοστοιχεία, αλλά από αντικείμενα και τις αλληλοσυσχετίσεις τους. Η αντικειμενοστραφής ανάλυση αποδείχθηκε αποτελεσματική για την χαρτογράφηση της βλάστησης των υγροτόπων Έβεργκλεϊντς.

Στόχος της παρούσας μελέτης είναι:

1) Να σχεδιαστεί ένα νέο πλαίσιο για τη χαρτογράφηση των φυτοκοινοτήτων και την διαπίστωση των μεταβολών κάλυψης με τη χρήση τεχνικών επεξεργασίας τηλεσκοπικών δεδομένων και εικόνων του δορυφόρου Landsat.

2) Να αναπτυχθεί μια νέα προσέγγιση επιλογής περιοχών εκπαίδευσης για την διαπίστωση – ανίχνευση αλλαγών.

Η περιοχή μελέτης είναι η περιοχή WCA-2A συνολικής έκτασης 173 τετραγωνικών μιλίων που βρίσκεται νότια της λίμνης Okeechobee εντός του υγροτόπου Έβεργκλεϊντς συνολικής έκτασης 210 τετραγωνικών μιλίων (Εικόνα 1).

Από αεροφωτογραφίες (1991 και 1995) αλλά και ψηφιακές τηλεπισκοπικές απεικονίσεις (1973 – 1991) διαπιστώθηκε ότι ένα χωροκατακτητικό είδος φυτού με την ονομασία Typha domingensis (cattail) (Εικόνα 2) έχει επικρατήσει και εξαπλωθεί και απειλεί την ισορροπία του οικοσυστήματος του υγροτόπου.

'''Μεθοδολογία'''

1) Αρχικά έγινε η συλλογή των ψηφιακών δεδομένων. Στη συγκεκριμένη εργασία χρησιμοποιήθηκαν εικόνες του δορυφόρου Landsat και συγκεκριμένα τριών δεκτών/αισθητήρων, του Θεματικού Χαρτογράφου Landsat 5 (TM), του Landsat 7 (ETM+) και του αισθητήρα Landsat 8 OLI. Χρησιμοποιήθηκαν έξι περιοχές ηλεκτρομαγνητικής ακτινοβολίας που περιλαμβάνουν το ορατό, το κοντινό υπέρυθρο και το μέσο υπέρυθρο με χωρική ανάλυση τα 30 μέτρα.

Παρήχθη χάρτης με βάση την ανάλυση αεροφωτογραφίας της περιοχής του έτους 2003 ώστε να διαπιστωθούν οι φυτοκοινότητες που επικρατούν. Διαπιστώθηκε ύστερα από στερεοσκοπική ανάλυση σε κλίμακα 1:24.000, ότι οι επικρατούσες φυτοκοινότητες είναι: 65% είδη υδρόβιας βλάστησης (Cladium mariscoides ή sawgrass), 14% cattail και 3% θάμνοι. Άλλες κοινότητες φυτών καθώς και γη χωρίς βλάστηση καλύπτουν συνολικά έκταση 1% ή και λιγότερο στην υπό μελέτη περιοχή (έλος). Ο χάρτης αυτός χρησιμοποιήθηκε για την επιλογή των περιοχών εκπαίδευσης στην ταξινόμηση.

2) Έγινε ατμοσφαιρική και γεωμετρική διόρθωση των εικόνων που αποκτήθηκαν σε διαφορετική ημερομηνία/ έτος και από διαφορετικούς δέκτες / αισθητήρες ώστε να αποκτήσουν την ίδια ραδιομετρική κλίμακα με την βασική εικόνα που επιλέχθηκε (13 Φεβρουαρίου 2013 του Landsat 7 (ETM+)). Οι διαφορές μεταξύ των εικόνων οφείλονται στην γωνία του ήλιου, στην απόσταση γης – ήλιου, στις ατμοσφαιρικές συνθήκες και στα διαφορετικά τεχνικά χαρακτηριστικά των αισθητήρων. Έτσι, μετά τη διόρθωση όλα τα εικονοστοιχεία των εικόνων αναπαριστούν την περιοχή μελέτης σαν να λήφθηκαν κάτω από τις ίδιες συνθήκες.

3) Προκειμένου να γίνει ο προσδιορισμός των «αντικειμένων» έγινε κατάτμηση κάθε μιας εικόνας. Για την κατάτμηση σε πολλαπλά επίπεδα χωρικής ανάλυσης χρησιμοποιήθηκε το πρόγραμμα eCognition Developer 9.0. Η επιλογή των καταλληλότερων επιπέδων κατάτμησης έγινε εμπειρικά με επαναλαμβανόμενες δοκιμές. Ρυθμίστηκε το επιθυμητό μέγεθος (scale) των παραγόμενων αντικειμένων, τα φασματικά χαρακτηριστικά των εικονοστοιχείων που απαρτίζουν το αντικείμενο χρώμα (colour 0.9) και το τελικό σχήμα του αντικειμένου (shape 1.0). Ρυθμίστηκε η παράμετρος ομαλά όρια και κανονικό σχήμα αντικειμένων (smoothness 0.5) καθώς και η συμπαγότητα των σχημάτων (compatness 0.5).

4) Επιλογή των περιοχών εκπαίδευσης. Οι περιοχές εκπαίδευσης για την εικόνα 2003 ήταν εύκολο να επιλεγούν μιας και υπάρχει διαθέσιμος χάρτης βλάστησης. Για την επιλογή των περιοχών εκπαίδευσης στις υπόλοιπες εικόνες πραγματοποιήθηκε η ακόλουθη διαδικασία: Για την ψηφιακή εικόνα του έτους 2003 αλλά και του έτους 1996 υπολογίστηκε ο δείκτης βλάστησης NDVI καθώς και η διαφορά που παρουσιάζουν οι δείκτες μεταξύ των δύο εικόνων. Στη συνέχεια για κάθε αντικείμενο της εικόνας του 1996 υπολογίστηκε το ποσοστό διαφοροποίησης του δείκτη. Τα αντικείμενα μετατράπηκαν σε διανυσματικά πολύγωνα. Στη συνέχεια, δημιουργήθηκε ένας χάρτης «αλλαγών / μη αλλαγών» για το χρονικό διάστημα 1996 – 2003. Με συνδυασμό του επιπέδου του χάρτη αλλαγών βλάστησης 1996 - 2003 και της κατατμημένης εικόνας 1996 επιλέγονται οι περιοχές εκπαίδευσης στις οποίες δεν υπάρχει αλλαγή στην βλάστηση, που χρησιμεύουν ως σημεία αναφοράς. Εφαρμόζοντας τη μεθοδολογία αυτή και στις κατατμημένες εικόνες 2007, 2011 και 2016, γίνεται η επιλογή περιοχών εκπαίδευσης για όλες τις ημερομηνίες.

5) Ταξινόμηση εικόνων και έλεγχος ακρίβειας. Η ταξινόμηση αποσκοπεί στην κατηγοριοποίηση των αντικειμένων στις προεπιλεγμένες κατηγορίες. Για το σκοπό αυτό χρησιμοποιήθηκε το πρόγραμμα Support Vector Machine (SVM). Για την αξιολόγηση της ακρίβειας της ταξινόμησης χρησιμοποιήθηκε η μήτρα σφαλμάτων και ο συντελεστής Κ. Για τη διαπίστωση των αλλαγών βλάστησης έγινε ποσοτικοποίηση με την μετατροπή του χάρτη ταξινόμησης 1996 σε χάρτη raster ταξινομημένο με βάση αποκλειστικά στις φασματικές υπογραφές των εικονοστοιχείων των απεικονίσεων. Υπολογίστηκε πόσα εικονοστοιχεία cattail στην απεικόνιση 1996 αντιστοιχούν στο cattail αντικείμενο του 2016. Ο λόγος τους μας δίνει το ποσοστό εξάπλωσης της συγκεκριμένης φυτοκοινότητας. Αντίθετα, η μείωση της εξάπλωσης προκύπτει αν υπολογίσουμε το ποσοστό των cattail εικονοστοιχείων μέσα στο cattail αντικείμενο της απεικόνισης 1996.

'''Συμπεράσματα:'''

Οι ψηφιακές απεικονίσεις του δορυφόρου Landsat μπορούν να χρησιμοποιηθούν με την τεχνική της αντικειμενοστραφούς ανάλυσης και να μας δώσουν χρήσιμες πληροφορίες για τις αλλαγές στην κάλυψη βλάστησης. Τέσσερις είναι οι κυρίαρχες φυτοκοινότητες στους υγροτόπους Έβεργκλεϊντς της Φλόριντας των ΗΠΑ: sawgrass, έλη, θάμνοι και cattail.

Οι κοινότητες cattail εξαπλώθηκαν ενώ το 2007, τα μέτρα περιορισμού τους φάνηκε ότι ήταν αποτελεσματικά.

[[category:Χαρτογράφηση Υγροβιότοπων]]

Αρχείο:Pinakas.jpg

2018-02-23T10:03:24Z

Vasanag2: ανέβασμα νέας έκδοσης του "Αρχείο:Pinakas.jpg"

Πίνακας 1: Αριθμός πυρκαγιών δεδομένων εκπαίδευσης και επαλήθευσης για κάθε δείκτη

Εκτίμηση των αλλαγών κάλυψης βλάστησης στους υγροτόπους Έβεργκλεϊντς της Φλόριντα με τη χρήση δορυφορικών ψηφιακών απεικονίσεων

2018-02-23T09:54:37Z

Vasanag2:

[[Εικόνα: rs_wiki_perioxi_meleths1.jpg‎ | thumb | right | '''Εικόνα 1''':
Περιοχή μελέτης (WCA-2A).]]

[[Εικόνα: rs_wiki_cattail2.jpg‎ | thumb | right | '''Εικόνα 2''':
Typha domingensis (cattail).]]

[[Εικόνα: rs_wiki_xarths_allagon3.jpg‎ | thumb | right | '''Εικόνα 3''':
: Χάρτης αλλαγών της εξάπλωσης της φυτοκοινότητας cattail κατά τη χρονική περίοδο 1996 – 2016. Με κόκκινο χρώμα απεικονίζεται το ποσοστό των σημαντικότερων αλλαγών κάλυψης, με μπλε χρώμα το ποσοστό που έμεινε αμετάβλητο. Στην κενή (λευκή) περιοχή δεν αναπτύσσεται η φυτοκοινότητα cattail.]]

'''Τίτλος πρωτοτύπου:''' Applying time series Landsat data for vegetation change analysis in the Florida Everglades Water Conservation Area 2A during 1996–2016

Πηγή:ScienceDirect[http://www.sciencedirect.com/science/article/pii/S0303243417300077]

'''Συγγραφείς:''' ''Caiyun Zhanga, Molly Smitha, Jie Lvb, Chaoyang Fang''

'''Λέξεις κλειδιά''': αντικειμενοστραφή ανάλυση, Χαρτογράφηση βλάστησης και ανάλυση αλλαγών,
υγρότοποι Έβεργκλεϊντς.

'''Περίληψη'''

Οι υγρότοποι Έβεργκλεϊντς είναι οι μεγαλύτεροι υποτροπικοί υγρότοποι στις ΗΠΑ, που φιλοξενούν πολλά απειλούμενα και υπό εξαφάνιση είδη. Τον περασμένο αιώνα, οι ανθρώπινες δραστηριότητες τροποποίησαν σημαντικά το οικοσύστημα, προκαλώντας αρκετά περιβαλλοντικά ζητήματα στη Νότια Φλόριντα. Το 2000, το Κονγκρέσο των ΗΠΑ ενέκρινε την εφαρμογή προγράμματος αποκατάστασης των υγροτόπων με κόστος μεγαλύτερο από 10,5 δισεκατομμύρια δολάρια και χρόνο ολοκλήρωσης τα 35 έτη. Το πρόγραμμα αποκατάστασης απαιτεί την χαρτογράφηση της βλάστησης ώστε να διαπιστωθούν οι μεταβολές που έχουν συμβεί και να αποφασιστούν οι ενέργειες αποκατάστασης.

Οι προσπάθειες για την διαπίστωση των αλλαγών βλάστησης με ψηφιακά δεδομένα από δορυφόρους, είχαν στηριχτεί μέχρι σήμερα σε αλγόριθμους ταξινόμησης που λειτουργούν µε στοιχειώδη μονάδα το εικονοστοιχείο (pixel.) Oι ταξινοµήσεις κατά εικονοστοιχείο δεν ευνοούν την δημιουργία οντοτήτων µε φυσικό νόηµα, που είναι απαιτούμενο κατά την ανάλυση τηλεπισκοπικών απεικονίσεων. Ένα άλλο σημαντικό τους μειονέκτημα είναι η έντονη ύπαρξη του φαινομένου θορύβου «αλατοπίπερου» (“salt- and-pepper” effect) στην χαρτογράφηση φυσικών τοπίων με ετερογένεια.

Στην παρούσα μελέτη γίνεται προσπάθεια να διαπιστωθούν οι μεταβολές στη βλάστηση των υγροτόπων με την αντικειμενοστραφή ανάλυση (object-based image analysis). Σε αυτή την προσέγγιση η στοιχειώδης μονάδα είναι ομαδοποιημένα εικονοστοιχεία που συνιστούν αντικείμενα, τα οποία έχουν προκύψει από µια διαδικασία τμηματοποίησης των στοιχείων των εικόνων. Οι πληροφορίες που είναι απαραίτητες για την φωτοερμηνεία της εικόνας δεν αναπαρίστανται από μεμονωμένα εικονοστοιχεία, αλλά από αντικείμενα και τις αλληλοσυσχετίσεις τους. Η αντικειμενοστραφής ανάλυση αποδείχθηκε αποτελεσματική για την χαρτογράφηση της βλάστησης των υγροτόπων Έβεργκλεϊντς.

Στόχος της παρούσας μελέτης είναι:

1) Να σχεδιαστεί ένα νέο πλαίσιο για τη χαρτογράφηση των φυτοκοινοτήτων και την διαπίστωση των μεταβολών κάλυψης με τη χρήση τεχνικών επεξεργασίας τηλεσκοπικών δεδομένων και εικόνων του δορυφόρου Landsat.

2) Να αναπτυχθεί μια νέα προσέγγιση επιλογής περιοχών εκπαίδευσης για την διαπίστωση – ανίχνευση αλλαγών.

Η περιοχή μελέτης είναι η περιοχή WCA-2A συνολικής έκτασης 173 τετραγωνικών μιλίων που βρίσκεται νότια της λίμνης Okeechobee εντός του υγροτόπου Έβεργκλεϊντς συνολικής έκτασης 210 τετραγωνικών μιλίων (Εικόνα 1).

Από αεροφωτογραφίες (1991 και 1995) αλλά και ψηφιακές τηλεπισκοπικές απεικονίσεις (1973 – 1991) διαπιστώθηκε ότι ένα χωροκατακτητικό είδος φυτού με την ονομασία Typha domingensis (cattail) (Εικόνα 2) έχει επικρατήσει και εξαπλωθεί και απειλεί την ισορροπία του οικοσυστήματος του υγροτόπου.

'''Μεθοδολογία'''

1) Αρχικά έγινε η συλλογή των ψηφιακών δεδομένων. Στη συγκεκριμένη εργασία χρησιμοποιήθηκαν εικόνες του δορυφόρου Landsat και συγκεκριμένα τριών δεκτών/αισθητήρων, του Θεματικού Χαρτογράφου Landsat 5 (TM), του Landsat 7 (ETM+) και του αισθητήρα Landsat 8 OLI. Χρησιμοποιήθηκαν έξι περιοχές ηλεκτρομαγνητικής ακτινοβολίας που περιλαμβάνουν το ορατό, το κοντινό υπέρυθρο και το μέσο υπέρυθρο με χωρική ανάλυση τα 30 μέτρα.

Παρήχθη χάρτης με βάση την ανάλυση αεροφωτογραφίας της περιοχής του έτους 2003 ώστε να διαπιστωθούν οι φυτοκοινότητες που επικρατούν. Διαπιστώθηκε ύστερα από στερεοσκοπική ανάλυση σε κλίμακα 1:24.000, ότι οι επικρατούσες φυτοκοινότητες είναι: 65% είδη υδρόβιας βλάστησης (Cladium mariscoides ή sawgrass), 14% cattail και 3% θάμνοι. Άλλες κοινότητες φυτών καθώς και γη χωρίς βλάστηση καλύπτουν συνολικά έκταση 1% ή και λιγότερο στην υπό μελέτη περιοχή (έλος). Ο χάρτης αυτός χρησιμοποιήθηκε για την επιλογή των περιοχών εκπαίδευσης στην ταξινόμηση.

2) Έγινε ατμοσφαιρική και γεωμετρική διόρθωση των εικόνων που αποκτήθηκαν σε διαφορετική ημερομηνία/ έτος και από διαφορετικούς δέκτες / αισθητήρες ώστε να αποκτήσουν την ίδια ραδιομετρική κλίμακα με την βασική εικόνα που επιλέχθηκε (13 Φεβρουαρίου 2013 του Landsat 7 (ETM+)). Οι διαφορές μεταξύ των εικόνων οφείλονται στην γωνία του ήλιου, στην απόσταση γης – ήλιου, στις ατμοσφαιρικές συνθήκες και στα διαφορετικά τεχνικά χαρακτηριστικά των αισθητήρων. Έτσι, μετά τη διόρθωση όλα τα εικονοστοιχεία των εικόνων αναπαριστούν την περιοχή μελέτης σαν να λήφθηκαν κάτω από τις ίδιες συνθήκες.

3) Προκειμένου να γίνει ο προσδιορισμός των «αντικειμένων» έγινε κατάτμηση κάθε μιας εικόνας. Για την κατάτμηση σε πολλαπλά επίπεδα χωρικής ανάλυσης χρησιμοποιήθηκε το πρόγραμμα eCognition Developer 9.0. Η επιλογή των καταλληλότερων επιπέδων κατάτμησης έγινε εμπειρικά με επαναλαμβανόμενες δοκιμές. Ρυθμίστηκε το επιθυμητό μέγεθος (scale) των παραγόμενων αντικειμένων, τα φασματικά χαρακτηριστικά των εικονοστοιχείων που απαρτίζουν το αντικείμενο χρώμα (colour 0.9) και το τελικό σχήμα του αντικειμένου (shape 1.0). Ρυθμίστηκε η παράμετρος ομαλά όρια και κανονικό σχήμα αντικειμένων (smoothness 0.5) καθώς και η συμπαγότητα των σχημάτων (compatness 0.5).

4) Επιλογή των περιοχών εκπαίδευσης. Οι περιοχές εκπαίδευσης για την εικόνα 2003 ήταν εύκολο να επιλεγούν μιας και υπάρχει διαθέσιμος χάρτης βλάστησης. Για την επιλογή των περιοχών εκπαίδευσης στις υπόλοιπες εικόνες πραγματοποιήθηκε η ακόλουθη διαδικασία: Για την ψηφιακή εικόνα του έτους 2003 αλλά και του έτους 1996 υπολογίστηκε ο δείκτης βλάστησης NDVI καθώς και η διαφορά που παρουσιάζουν οι δείκτες μεταξύ των δύο εικόνων. Στη συνέχεια για κάθε αντικείμενο της εικόνας του 1996 υπολογίστηκε το ποσοστό διαφοροποίησης του δείκτη. Τα αντικείμενα μετατράπηκαν σε διανυσματικά πολύγωνα. Στη συνέχεια, δημιουργήθηκε ένας χάρτης «αλλαγών / μη αλλαγών» για το χρονικό διάστημα 1996 – 2003. Με συνδυασμό του επιπέδου του χάρτη αλλαγών βλάστησης 1996 - 2003 και της κατατμημένης εικόνας 1996 επιλέγονται οι περιοχές εκπαίδευσης στις οποίες δεν υπάρχει αλλαγή στην βλάστηση, που χρησιμεύουν ως σημεία αναφοράς. Εφαρμόζοντας τη μεθοδολογία αυτή και στις κατατμημένες εικόνες 2007, 2011 και 2016, γίνεται η επιλογή περιοχών εκπαίδευσης για όλες τις ημερομηνίες.

5) Ταξινόμηση εικόνων και έλεγχος ακρίβειας. Η ταξινόμηση αποσκοπεί στην κατηγοριοποίηση των αντικειμένων στις προεπιλεγμένες κατηγορίες. Για το σκοπό αυτό χρησιμοποιήθηκε το πρόγραμμα Support Vector Machine (SVM). Για την αξιολόγηση της ακρίβειας της ταξινόμησης χρησιμοποιήθηκε η μήτρα σφαλμάτων και ο συντελεστής Κ. Για τη διαπίστωση των αλλαγών βλάστησης έγινε ποσοτικοποίηση με την μετατροπή του χάρτη ταξινόμησης 1996 σε χάρτη raster ταξινομημένο με βάση αποκλειστικά στις φασματικές υπογραφές των εικονοστοιχείων των απεικονίσεων. Υπολογίστηκε πόσα εικονοστοιχεία cattail στην απεικόνιση 1996 αντιστοιχούν στο cattail αντικείμενο του 2016. Ο λόγος τους μας δίνει το ποσοστό εξάπλωσης της συγκεκριμένης φυτοκοινότητας. Αντίθετα, η μείωση της εξάπλωσης προκύπτει αν υπολογίσουμε το ποσοστό των cattail εικονοστοιχείων μέσα στο cattail αντικείμενο της απεικόνισης 1996.

'''Συμπεράσματα:'''

Οι ψηφιακές απεικονίσεις του δορυφόρου Landsat μπορούν να χρησιμοποιηθούν με την τεχνική της αντικειμενοστραφούς ανάλυσης και να μας δώσουν χρήσιμες πληροφορίες για τις αλλαγές στην κάλυψη βλάστησης. Τέσσερις είναι οι κυρίαρχες φυτοκοινότητες στους υγροτόπους Έβεργκλεϊντς της Φλόριντας των ΗΠΑ: sawgrass, έλη, θάμνοι και cattail.

Οι κοινότητες cattail εξαπλώθηκαν ενώ το 2007, τα μέτρα περιορισμού τους φάνηκε ότι ήταν αποτελεσματικά.

[[category:Χαρτογράφηση Υγροβιότοπων]]

Αναγνωστόπουλος Βασίλειος

2018-02-23T09:49:00Z

Vasanag2: Νέα σελίδα με '[[Ανασκόπηση των σημερινών και πιθανά μελλοντικών εφαρμογών της θερμικής τηλεπισκόπησης στη...'

Εκτίμηση των αλλαγών κάλυψης βλάστησης στους υγροτόπους Έβεργκλεϊντς της Φλόριντα με τη χρήση δορυφορικών ψηφιακών απεικονίσεων

2018-02-23T09:42:20Z

Vasanag2: Νέα σελίδα με ' '''Εικόνα 1''': Περιοχή μελέτης (WCA-2A). [[Εικόνα: rs_wiki_cattail2.jpg‎ ...'

[[Εικόνα: rs_wiki_perioxi_meleths1.jpg‎ | thumb | right | '''Εικόνα 1''':
Περιοχή μελέτης (WCA-2A).]]

[[Εικόνα: rs_wiki_cattail2.jpg‎ | thumb | right | '''Εικόνα 2''':
Typha domingensis (cattail).]]

[[Εικόνα: rs_wiki_xarths_allagon3.jpg‎ | thumb | right | '''Εικόνα 3''':
: Χάρτης αλλαγών της εξάπλωσης της φυτοκοινότητας cattail κατά τη χρονική περίοδο 1996 – 2016. Με κόκκινο χρώμα απεικονίζεται το ποσοστό των σημαντικότερων αλλαγών κάλυψης, με μπλε χρώμα το ποσοστό που έμεινε αμετάβλητο. Στην κενή (λευκή) περιοχή δεν αναπτύσσεται η φυτοκοινότητα cattail.]]

'''Τίτλος πρωτοτύπου:''' Applying time series Landsat data for vegetation change analysis in the Florida Everglades Water Conservation Area 2A during 1996–2016

Πηγή:ScienceDirect[http://www.sciencedirect.com/science/article/pii/S0303243417300077]

'''Συγγραφείς:''' ''Caiyun Zhanga, Molly Smitha, Jie Lvb, Chaoyang Fang''

'''Λέξεις κλειδιά''': αντικειμενοστραφή ανάλυση, Χαρτογράφηση βλάστησης και ανάλυση αλλαγών,
υγρότοποι Έβεργκλεϊντς.

'''Περίληψη'''

Οι υγρότοποι Έβεργκλεϊντς είναι οι μεγαλύτεροι υποτροπικοί υγρότοποι στις ΗΠΑ, που φιλοξενούν πολλά απειλούμενα και υπό εξαφάνιση είδη. Τον περασμένο αιώνα, οι ανθρώπινες δραστηριότητες τροποποίησαν σημαντικά το οικοσύστημα, προκαλώντας αρκετά περιβαλλοντικά ζητήματα στη Νότια Φλόριντα. Το 2000, το Κονγκρέσο των ΗΠΑ ενέκρινε την εφαρμογή προγράμματος αποκατάστασης των υγροτόπων με κόστος μεγαλύτερο από 10,5 δισεκατομμύρια δολάρια και χρόνο ολοκλήρωσης τα 35 έτη. Το πρόγραμμα αποκατάστασης απαιτεί την χαρτογράφηση της βλάστησης ώστε να διαπιστωθούν οι μεταβολές που έχουν συμβεί και να αποφασιστούν οι ενέργειες αποκατάστασης.

Οι προσπάθειες για την διαπίστωση των αλλαγών βλάστησης με ψηφιακά δεδομένα από δορυφόρους, είχαν στηριχτεί μέχρι σήμερα σε αλγόριθμους ταξινόμησης που λειτουργούν µε στοιχειώδη μονάδα το εικονοστοιχείο (pixel.) Oι ταξινοµήσεις κατά εικονοστοιχείο δεν ευνοούν την δημιουργία οντοτήτων µε φυσικό νόηµα, που είναι απαιτούμενο κατά την ανάλυση τηλεπισκοπικών απεικονίσεων. Ένα άλλο σημαντικό τους μειονέκτημα είναι η έντονη ύπαρξη του φαινομένου θορύβου «αλατοπίπερου» (“salt- and-pepper” effect) στην χαρτογράφηση φυσικών τοπίων με ετερογένεια.

Στην παρούσα μελέτη γίνεται προσπάθεια να διαπιστωθούν οι μεταβολές στη βλάστηση των υγροτόπων με την αντικειμενοστραφή ανάλυση (object-based image analysis). Σε αυτή την προσέγγιση η στοιχειώδης μονάδα είναι ομαδοποιημένα εικονοστοιχεία που συνιστούν αντικείμενα, τα οποία έχουν προκύψει από µια διαδικασία τμηματοποίησης των στοιχείων των εικόνων. Οι πληροφορίες που είναι απαραίτητες για την φωτοερμηνεία της εικόνας δεν αναπαρίστανται από μεμονωμένα εικονοστοιχεία, αλλά από αντικείμενα και τις αλληλοσυσχετίσεις τους. Η αντικειμενοστραφής ανάλυση αποδείχθηκε αποτελεσματική για την χαρτογράφηση της βλάστησης των υγροτόπων Έβεργκλεϊντς.

Στόχος της παρούσας μελέτης είναι:

1) Να σχεδιαστεί ένα νέο πλαίσιο για τη χαρτογράφηση των φυτοκοινοτήτων και την διαπίστωση των μεταβολών κάλυψης με τη χρήση τεχνικών επεξεργασίας τηλεσκοπικών δεδομένων και εικόνων του δορυφόρου Landsat.

2) Να αναπτυχθεί μια νέα προσέγγιση επιλογής περιοχών εκπαίδευσης για την διαπίστωση – ανίχνευση αλλαγών.

Η περιοχή μελέτης είναι η περιοχή WCA-2A συνολικής έκτασης 173 τετραγωνικών μιλίων που βρίσκεται νότια της λίμνης Okeechobee εντός του υγροτόπου Έβεργκλεϊντς συνολικής έκτασης 210 τετραγωνικών μιλίων (Εικόνα 1).

Από αεροφωτογραφίες (1991 και 1995) αλλά και ψηφιακές τηλεπισκοπικές απεικονίσεις (1973 – 1991) διαπιστώθηκε ότι ένα χωροκατακτητικό είδος φυτού με την ονομασία Typha domingensis (cattail) (Εικόνα 2) έχει επικρατήσει και εξαπλωθεί και απειλεί την ισορροπία του οικοσυστήματος του υγροτόπου.

'''Μεθοδολογία'''

1) Αρχικά έγινε η συλλογή των ψηφιακών δεδομένων. Στη συγκεκριμένη εργασία χρησιμοποιήθηκαν εικόνες του δορυφόρου Landsat και συγκεκριμένα τριών δεκτών/αισθητήρων, του Θεματικού Χαρτογράφου Landsat 5 (TM), του Landsat 7 (ETM+) και του αισθητήρα Landsat 8 OLI. Χρησιμοποιήθηκαν έξι περιοχές ηλεκτρομαγνητικής ακτινοβολίας που περιλαμβάνουν το ορατό, το κοντινό υπέρυθρο και το μέσο υπέρυθρο με χωρική ανάλυση τα 30 μέτρα.

Παρήχθη χάρτης με βάση την ανάλυση αεροφωτογραφίας της περιοχής του έτους 2003 ώστε να διαπιστωθούν οι φυτοκοινότητες που επικρατούν. Διαπιστώθηκε ύστερα από στερεοσκοπική ανάλυση σε κλίμακα 1:24.000, ότι οι επικρατούσες φυτοκοινότητες είναι: 65% είδη υδρόβιας βλάστησης (Cladium mariscoides ή sawgrass), 14% cattail και 3% θάμνοι. Άλλες κοινότητες φυτών καθώς και γη χωρίς βλάστηση καλύπτουν συνολικά έκταση 1% ή και λιγότερο στην υπό μελέτη περιοχή (έλος). Ο χάρτης αυτός χρησιμοποιήθηκε για την επιλογή των περιοχών εκπαίδευσης στην ταξινόμηση.

2) Έγινε ατμοσφαιρική και γεωμετρική διόρθωση των εικόνων που αποκτήθηκαν σε διαφορετική ημερομηνία/ έτος και από διαφορετικούς δέκτες / αισθητήρες ώστε να αποκτήσουν την ίδια ραδιομετρική κλίμακα με την βασική εικόνα που επιλέχθηκε (13 Φεβρουαρίου 2013 του Landsat 7 (ETM+)). Οι διαφορές μεταξύ των εικόνων οφείλονται στην γωνία του ήλιου, στην απόσταση γης – ήλιου, στις ατμοσφαιρικές συνθήκες και στα διαφορετικά τεχνικά χαρακτηριστικά των αισθητήρων. Έτσι, μετά τη διόρθωση όλα τα εικονοστοιχεία των εικόνων αναπαριστούν την περιοχή μελέτης σαν να λήφθηκαν κάτω από τις ίδιες συνθήκες.

3) Προκειμένου να γίνει ο προσδιορισμός των «αντικειμένων» έγινε κατάτμηση κάθε μιας εικόνας. Για την κατάτμηση σε πολλαπλά επίπεδα χωρικής ανάλυσης χρησιμοποιήθηκε το πρόγραμμα eCognition Developer 9.0. Η επιλογή των καταλληλότερων επιπέδων κατάτμησης έγινε εμπειρικά με επαναλαμβανόμενες δοκιμές. Ρυθμίστηκε το επιθυμητό μέγεθος (scale) των παραγόμενων αντικειμένων, τα φασματικά χαρακτηριστικά των εικονοστοιχείων που απαρτίζουν το αντικείμενο χρώμα (colour 0.9) και το τελικό σχήμα του αντικειμένου (shape 1.0). Ρυθμίστηκε η παράμετρος ομαλά όρια και κανονικό σχήμα αντικειμένων (smoothness 0.5) καθώς και η συμπαγότητα των σχημάτων (compatness 0.5).

4) Επιλογή των περιοχών εκπαίδευσης. Οι περιοχές εκπαίδευσης για την εικόνα 2003 ήταν εύκολο να επιλεγούν μιας και υπάρχει διαθέσιμος χάρτης βλάστησης. Για την επιλογή των περιοχών εκπαίδευσης στις υπόλοιπες εικόνες πραγματοποιήθηκε η ακόλουθη διαδικασία: Για την ψηφιακή εικόνα του έτους 2003 αλλά και του έτους 1996 υπολογίστηκε ο δείκτης βλάστησης NDVI καθώς και η διαφορά που παρουσιάζουν οι δείκτες μεταξύ των δύο εικόνων. Στη συνέχεια για κάθε αντικείμενο της εικόνας του 1996 υπολογίστηκε το ποσοστό διαφοροποίησης του δείκτη. Τα αντικείμενα μετατράπηκαν σε διανυσματικά πολύγωνα. Στη συνέχεια, δημιουργήθηκε ένας χάρτης «αλλαγών / μη αλλαγών» για το χρονικό διάστημα 1996 – 2003. Με συνδυασμό του επιπέδου του χάρτη αλλαγών βλάστησης 1996 - 2003 και της κατατμημένης εικόνας 1996 επιλέγονται οι περιοχές εκπαίδευσης στις οποίες δεν υπάρχει αλλαγή στην βλάστηση, που χρησιμεύουν ως σημεία αναφοράς. Εφαρμόζοντας τη μεθοδολογία αυτή και στις κατατμημένες εικόνες 2007, 2011 και 2016, γίνεται η επιλογή περιοχών εκπαίδευσης για όλες τις ημερομηνίες.

5) Ταξινόμηση εικόνων και έλεγχος ακρίβειας. Η ταξινόμηση αποσκοπεί στην κατηγοριοποίηση των αντικειμένων στις προεπιλεγμένες κατηγορίες. Για το σκοπό αυτό χρησιμοποιήθηκε το πρόγραμμα Support Vector Machine (SVM). Για την αξιολόγηση της ακρίβειας της ταξινόμησης χρησιμοποιήθηκε η μήτρα σφαλμάτων και ο συντελεστής Κ. Για τη διαπίστωση των αλλαγών βλάστησης έγινε ποσοτικοποίηση με την μετατροπή του χάρτη ταξινόμησης 1996 σε χάρτη raster ταξινομημένο με βάση αποκλειστικά στις φασματικές υπογραφές των εικονοστοιχείων των απεικονίσεων. Υπολογίστηκε πόσα εικονοστοιχεία cattail στην απεικόνιση 1996 αντιστοιχούν στο cattail αντικείμενο του 2016. Ο λόγος τους μας δίνει το ποσοστό εξάπλωσης της συγκεκριμένης φυτοκοινότητας. Αντίθετα, η μείωση της εξάπλωσης προκύπτει αν υπολογίσουμε το ποσοστό των cattail εικονοστοιχείων μέσα στο cattail αντικείμενο της απεικόνισης 1996.

'''Συμπεράσματα:'''

Οι ψηφιακές απεικονίσεις του δορυφόρου Landsat μπορούν να χρησιμοποιηθούν με την τεχνική της αντικειμενοστραφούς ανάλυσης και να μας δώσουν χρήσιμες πληροφορίες για τις αλλαγές στην κάλυψη βλάστησης. Τέσσερις είναι οι κυρίαρχες φυτοκοινότητες στους υγροτόπους Έβεργκλεϊντς της Φλόριντας των ΗΠΑ: sawgrass, έλη, θάμνοι και cattail.
Οι κοινότητες cattail εξαπλώθηκαν ενώ το 2007, τα μέτρα περιορισμού τους φάνηκε ότι ήταν αποτελεσματικά.

[[category:Χαρτογράφηση Υγροβιότοπων]]

Αρχείο:Rs wiki xarths allagon3.jpg

2018-02-23T09:39:27Z

Vasanag2:

Αρχείο:Rs wiki cattail2.jpg

2018-02-23T09:39:15Z

Vasanag2:

Αρχείο:Rs wiki perioxi meleths1.jpg

2018-02-23T09:38:59Z

Vasanag2:

Ανάπτυξη μεθόδου για την εκτίμηση της τρωτότητας των οικοσυστημάτων λόγω κλιματικής αλλαγής στηριζόμενη στην τηλεπισκόπηση

2018-02-23T09:25:09Z

Vasanag2: Νέα σελίδα με ' '''Εικόνα 1''': Περιοχή μελέτης. [[Εικόνα: rs_wiki_xartis_trototitas2.jpg‎...'

[[Εικόνα: rs_wiki_perioxh_meleths1.jpg‎ | thumb | right | '''Εικόνα 1''':
Περιοχή μελέτης.]]

[[Εικόνα: rs_wiki_xartis_trototitas2.jpg‎ | thumb | right | '''Εικόνα 2''':
Χάρτης οικολογικής τρωτότητας της υπό μελέτη περιοχής.]]

'''Τίτλος πρωτοτύπου:''' Method for evaluating ecological vulnerability under climate change based on remote sensing: A case study

Πηγή:ScienceDirect[http://www.sciencedirect.com/science/article/pii/S1470160X17306817]

'''Συγγραφείς:''' ''Li Jianga, Xinxin Huanga, Fangtian Wanga, Yingcheng Liua, Pingli Ana''

'''Λέξεις κλειδιά:''' Τρωτότητα, Έκθεση, Ευαισθησία, Κλιματική ξηρασία, Τηλεπισκόπηση, Πλαίσιο της IPCC

'''Εισαγωγή'''

Η εκτίμηση της οικολογικής τρωτότητας είναι απαραίτητη για τη διαχείριση του περιβάλλοντος και των διαθέσιμων πόρων, ειδικότερα εξαιτίας και των ανησυχιών για τις επιπτώσεις της υπερθέρμανσης του πλανήτη. Όμως, η εκτίμηση της οικολογικής τρωτότητας σε μεγάλες εκτάσεις είναι δύσκολή και σύνθετη καθότι επιδρούν πολλές μεταβλητές που περιλαμβάνουν φυσικούς παράγοντες και τις ανθρώπινες δραστηριότητες. Στην παρούσα εργασία, προτείνεται μια καινοτόμος μέθοδος για την εκτίμηση της τρωτότητας των οικοσυστημάτων μέσα από την μελέτη περίπτωσης μιας οικολογικά ευαίσθητης περιοχής στην Κίνα (Εικόνα 1).
Η μέθοδος στηρίζεται στην τρωτότητα όπως ορίζεται από την Διακυβερνητική Επιτροπή για την Κλιματική Αλλαγή (Intergovernmental Panel on Climate Change, IPCC) και στην τηλεπισκόπηση.

Η IPCC ορίζει την τρωτότητα (vulnerability) ως τον βαθμό στον οποίο ένα σύστημα είναι ευάλωτο και δεν μπορεί να ανταπεξέλθει στις μη αναστρέψιμες επιπτώσεις της κλιματικής αλλαγής, συμπεριλαμβάνοντας τις διακυμάνσεις του κλίματος και τα ακραία καιρικά φαινόμενα. Η οικολογική τρωτότητα των οικοσυστημάτων αποτελεί δείκτη ο οποίος εξαρτάται από: τον βαθμό έκθεσης, την οικολογική ευαισθησία και την προσαρμοστικότητα.
Η τηλεπισκόπηση χρησιμοποιείται ολοένα και περισσότερο για την εκτίμηση της οικολογικής τρωτότητας καθώς και για τον χαρακτηρισμό της χωρικής κατανομής των τρωτών περιοχών. Είναι αναμφισβήτητα μια από τις πιο σημαντικές τεχνολογίες για την συγκέντρωση στοιχείων πολλών διαφορετικών βιολογικών παραμέτρων σε εκτεταμένες γεωγραφικές περιοχές. Η πρόσβαση στην απόκτηση δορυφορικών απεικονίσεων είναι εύκολη τις τελευταίες δεκαετίες, η χωρική, φασματική και χρονική ανάλυση των παρατηρήσεων έχει αυξηθεί και τα δεδομένα καλύπτουν διαρκώς μεγαλύτερες χρονικές περιόδους. Όμως, η χρήση της τηλεπισκόπησης στην εκτίμηση της τρωτότητας των οικοσυστημάτων βρίσκεται ακόμη σε ερευνητικό στάδιο.

'''Περιοχή μελέτης'''

Οι βόρειες και νότιες περιοχές που βρίσκονται στους πρόποδες των βουνών Yinshan στο κέντρο της Αυτόνομης Περιοχής της Μογγολίας στην Κίνα, είναι από τις πιο ευαίσθητες περιοχές απέναντι στην κλιματική αλλαγή. Μελέτες έχουν δείξει ότι τα τελευταία 40 χρόνια η μέση θερμοκρασία έχει αυξηθεί κατά 0,30C, ενώ το ετήσιο ύψος βροχόπτωσης παρουσιάζει τάση μείωσης. Αυτό έχει οδηγήσει στην υποβάθμιση των λιβαδιών, την εδαφική διάβρωση και την ερημοποίηση της γης.

'''Απόκτηση δεδομένων'''

Από την ιστοσελίδα της Μετεωρολογικής Υπηρεσίας της Κίνας (http://cdc.cma.gov.cn/) αποκτήθηκαν μετεωρολογικά δεδομένα για την χρονική περίοδο 1992 – 2012. Τα μετεωρολογικά δεδομένα αφορούν την μηνιαία βροχόπτωση και την εδαφική υγρασία.
Από την Γεωλογική Υπηρεσία των ΗΠΑ (www.usgs.gov/) αποκτήθηκαν δορυφορικές απεικονίσεις από τον δέκτη MODIS με χωρική ανάλυση 250 μέτρα.

'''Μεθοδολογία'''

Υπολογίστηκε η οικολογική τρωτότητα σύμφωνα με την μαθηματική σχέση:

EV = EE * ES / EA Όπου

EE = ο βαθμός έκθεσης (δηλαδή, η επίδραση εξωτερικών πιέσεων όπως η ξηρασία),

ES = η οικολογική ευαισθησία (δηλαδή, η ικανότητα του οικοσυστήματος να ανταποκριθεί στην ξηρασία) και

EA = η προσαρμοστικότητα του οικοσυστήματος (δηλαδή, η προσαρμογή στην ξηρασία)

Ο βαθμός έκθεσης στην ξηρασία ΕΕ, υπολογίστηκε από τoν τυπικό δείκτη βροχόπτωσης, Standard Precipitation Index, SPI, οποίος είναι ευρέως αποδεκτός για την εκτίμηση της πιθανότητας βροχόπτωσης σε μια συγκεκριμένη χρονική περίοδο. Ο SPI υπολογίζεται από τη διαφορά της βροχόπτωσης από τη μέση τιμή για μια ορισμένη χρονική περίοδο διαιρώντας με την τυπική απόκλιση.

Η οικολογική ευαισθησία υπολογίστηκε από τη μαθηματική σχέση: ES = SA * RC όπου:

SA = συντελεστής ευαισθησίας της σχετικής υγρασίας του εδάφους προς την βροχόπτωση και

RC = ο ρυθμός μεταβολής της σχετικής εδαφικής υγρασίας.

Η οικολογική προσαρμοστικότητα υπολογίστηκε από τα δορυφορικά δεδομένα του δέκτη MODIS – NDVI από τα οποία προκύπτουν πληροφορίες για μεταβολές στην ανάπτυξη της βλάστησης Ο δείκτης NDVI (Normalized Difference Vegetation Index) χρησιμοποιείται ευρέως για την διαπίστωση των αλλαγών στη βλάστηση. Χρησιμοποιήθηκε η μαθηματική σχέση: EA = VG * GP όπου:

VG = σταθερότητα της ανάπτυξης της βλάστησης και

GP = σταθερότητα του βαθμού πράσινης βλάστησης

Στη συνέχεια δημιουργήθηκαν σύνθετοι χάρτες του βαθμού οικολογικής έκθεσης, οικολογικής ευαισθησίας και οικολογικής προσαρμοστικότητας και έγινε ταξινόμηση της οικολογικής τρωτότητας ως: σοβαρή (serious), υψηλή (high), μέτρια (moderate), χαμηλή (low) ή κανονική (normal) (Εικόνα 2).

'''Συμπεράσματα'''

Οι περιοχές με σοβαρή και υψηλή τρωτότητα εντοπίστηκαν βορειοανατολικά και βορειοδυτικά. Το 28% των περιοχών με μέτριο βαθμό τρωτότητας εντοπίστηκε στο κέντρο της υπό μελέτη περιοχής, ενώ το 40% των περιοχών με χαμηλή και κανονική τρωτότητα εμφανίστηκαν στις νότιες περιοχές. Η μέθοδος εκτίμησης που προτείνεται στην παρούσα εργασία, μπορεί να εφαρμοστεί και σε άλλες περιοχές προσαρμόζοντας τους παράγοντες που σχετίζονται με τις απαιτούμενες μεταβλητές.

[[category:Οικολογία]]

Αρχείο:Rs wiki xartis trototitas2.jpg

2018-02-23T09:14:41Z

Vasanag2:

Αρχείο:Rs wiki perioxh meleths1.jpg

2018-02-23T09:14:25Z

Vasanag2:

Ανίχνευση καταστροφών σε δάση με δορυφορικές τηλεπισκοπικές απεικονίσεις: η περίπτωση του εντόμου Physokermes inopinatus σε δάση στη Σουηδία

2018-02-23T09:03:07Z

Vasanag2:

[[Εικόνα: rs_wiki_orthofoto1.jpg‎ | thumb | right | '''Εικόνα 1''':
: Οι ορθοφωτογραφίες Α (έγχρωμη) και Β (έγχρωμη – υπέρυθρη) δείχνουν δάσος ελάτων που έχει υποστεί καταστροφές λόγω της εισβολής του εντόμου Physokermes inopinatus. Οι φωτογραφίες C (έγχρωμη) και D (έγχρωμη – υπέρυθρη) απεικονίζουν υγιές δάσος ελάτων.]]

[[Εικόνα: rs_wiki_psifiakes_ypografes2.jpg‎ | thumb | right | '''Εικόνα 2''':
: Φασματικές υπογραφές των υγιών και προσβεβλημένων από το έντομο ελάτων.]]

'''Τίτλος Πρωτοτύπου''': A new invasive insect in Sweden – Physokermes inopinatus: Tracing forest damage with satellite based remote sensing

Πηγή: ScienceDirect[http://www.sciencedirect.com/science/article/pii/S0378112712004781]

'''Συγγραφείς:''' Per-Ola Olsson, Anna Maria Jönsson, Lars Eklundh

'''Λέξεις κλειδιά:''' Physokermes inopinatus, Τηλεπισκόπηση, Δασικές ζημιές, SPOT, MODIS

'''Περίληψη'''

Τα δάση είναι σημαντικά από πολλές απόψεις. Προσφέρουν προϊόντα όπως ξυλεία, ίνες και καύσιμα. Επίσης, είναι σημαντικά για λόγους αναψυχής όπως και για την ισορροπία του κύκλου του άνθρακα. Κατά συνέπεια, είναι σημαντικό να αναπτυχθούν μέθοδοι που να επιτρέπουν τον αποτελεσματικό έλεγχο διαφόρων απειλών όπως για παράδειγμα τις επιδρομές εντόμων σε αχανείς δασικές εκτάσεις. Αυτές οι μέθοδοι μπορούν να στηριχθούν στην τηλεπισκόπηση. Οι δορυφόροι παρέχουν απεικονίσεις με μεγάλη χωρική κάλυψη. Οι επιδρομές εντόμων μπορούν να ανιχνευθούν στα ψηφιακά δεδομένα των δορυφόρων αν το αποτέλεσμα της απώλειας ή του αποχρωματισμού των φύλλων των δέντρων είναι αρκετά σοβαρό. Επιπλέον, τα δορυφορικά δεδομένα διευκολύνουν την κατανόηση των μοντέλων μετανάστευσης των χωροκατακτητικών εντόμων λόγω του ότι παρέχουν χρονοσειρές δεδομένων που επιτρέπουν την ανίχνευση παλαιότερων επιδρομών.

Στην συγκεκριμένη εργασία, χρησιμοποιήθηκαν δεδομένα των δεκτών SPOT και MODIS ώστε να χαρτογραφηθεί η καταστροφή που προκλήθηκε στο Νορβηγικό έλατο (Picea abies) από το έντομο Physokermes inopinatus το έτος 2010 στην επαρχία Σκάνια (Scania) της Σουηδίας. Η καταστροφή σημειώθηκε σε 1000ha δάσους. Η παρούσα εργασία απέδειξε ότι η επιδρομή του εντόμου μπορεί να ανιχνευθεί με δορυφορικά δεδομένα με υψηλή ακρίβεια.

'''Μεθοδολογία'''

'''1)Απόκτηση δεδομένων.'''

• Οι απεικονίσεις από τον δορυφόρο SPOT λήφθηκαν από την Κτηματική Υπηρεσία της Σουηδίας. Χρησιμοποιήθηκαν οι απεικονίσεις της χρονικής περιόδου 2008 – 2010 με δεδομένα αναφοράς την απεικόνιση 2008.

• Από την ιστοσελίδα MODIS αποκτήθηκαν σύνθετα 16 ημερών του δείκτη βλάστησης κανονικοποιημένης διαφοράς, NDVI (Normalized Difference Vegetation Index) και του δείκτη βλάστησης EVI (Enhanced Vegetation Index) με ανάλυση 250 μέτρα. Επίσης, αποκτήθηκαν σύνθετα 16 ημερών μεμονωμένων φασματικών καναλιών με ανάλυση 500 μέτρα.

• Χρησιμοποιήθηκαν έγχρωμες και έγχρωμες – υπέρυθρες ορθοφωτογραφίες υψηλής ανάλυσης, μεγέθους εικονοστοιχείων 25 εκατοστά, κατά το χρονικό διάστημα 2 – 6 Ιουνίου 2010.

• Συγκεντρώθηκαν στοιχεία πεδίου καταγραφής των καταστροφών που προκλήθηκαν. Η συλλογή των στοιχείων έγινε από την Σουηδική Δασική Υπηρεσία και από ιδιοκτήτες ή διαχειριστές δασών.

• Από την Κτηματική Υπηρεσία της Σουηδίας αποκτήθηκαν δεδομένα κάλυψης γης με ανάλυση 25 μέτρα. Τα δεδομένα αυτά προέκυψαν από ταξινόμηση εικόνων Landsat και αφορούν το έτος 2000.

'''2) Ανάλυση δεδομένων.'''

• Οι ορθοφωτογραφίες υψηλής ανάλυσης που είναι αρκετά λεπτομερείς, χρησιμοποιήθηκαν για την χαρτογράφηση των καταστροφών ολόκληρης της υπό μελέτη περιοχής.

• Τα δεδομένα του δέκτη SPOT με χωρική ανάλυση 10 μέτρα χρησιμοποιήθηκαν για την διαπίστωση των καταστροφών κατά τα έτη 2010 και 2009.

• Τα δεδομένα του δέκτη MODIS, με χωρική ανάλυση 250 μέτρα και 500 μέτρα, χρησιμοποιήθηκαν για να αποδειχθεί αν είναι εφικτή η διαπίστωση των καταστροφών του δάσους με μέτριας και χαμηλής ανάλυσης δεδομένα καθώς και για να διαπιστωθεί αν πριν το 2009 είχε συμβεί ξανά επιδρομή του συγκεκριμένου εντόμου.

• Τα δεδομένα πεδίου αναγνωρίστηκαν στις ορθοφωτογραφίες και αφού έγινε ψηφιοποίηση, τα πολύγωνα χρησιμοποιήθηκαν ως περιοχές εκπαίδευσης.

• Από τα δεδομένα του δέκτη SPOT διαπιστώθηκε αν συνέβησαν καταστροφές το έτος 2010. Έγινε γεωαναφορά των εικόνων με την επιλογή του αλγορίθμου μετασχηματισμού Polynomial 2 και με την επιλογή μεθόδου αναδειγματοληψίας αυτή του Πλησιέστερου Γείτονα (nearest neighbour). Στη συνέχεια έγινε ραδιομετρική διόρθωση. Δημιουργήθηκαν οι φασματικές υπογραφές των κατεστραμμένων και υγιών ελάτων.

Στο κόκκινο (red) κανάλι δεν προέκυψε διαφορά μεταξύ υγιών και προσβεβλημένων ελάτων, όμως στο πράσινο (green) κανάλι προέκυψε μια μικρή διαφορά. Έτσι, ως καταλληλότερος δείκτης βλάστησης για την παρούσα εργασία επιλέχθηκε ο GNDVI (Green Noormalized Difference Vegetation Index) όπου το κόκκινο κανάλι του NDVI αντικαταστάθηκε από το πράσινο.

GNDVI = (NIR- green) / (NIR +green)

Με αφαίρεση μεταξύ των απεικονίσεων 2010 και 2008 (έτος αναφοράς) προκύπτουν απεικονίσεις οι οποίες μπορούν να μελετηθούν ως προς τις αλλαγές της βλάστησης.
Από τα δεδομένα SPOT με την εφαρμογή της ίδιας διαδικασίας στις απεικονίσεις του έτους 2009 και 2008, διαπιστώθηκε αν συνέβη εισβολή του εντόμου στο δάσος το έτος 2009.

'''Συμπεράσματα'''

Η παρούσα εργασία απέδειξε ότι η εισβολή του εντόμου είχε ως αποτέλεσμα να προσβληθούν συνολικά 1000 εκτάρια δάσους ελάτης. Οι καταστροφές που προκλήθηκαν μπορούν να εντοπιστούν, με υψηλή ακρίβεια, με μεσαίας χωρικής ανάλυσης δορυφορικά δεδομένα. Με χωρική ανάλυση 10 μέτρα, είναι εφικτό να γίνει ανίχνευση του 78% των καταστροφών με υπερεκτίμηση στους υπολογισμούς 46%. Η χωρική ανάλυση 250 μέτρων επιτρέπει την διαπίστωση καταστροφών σε μεγαλύτερη περιοχή, ενώ η ανάλυση 500 μέτρων δεν είναι κατάλληλη για τον εντοπισμό των καταστροφών. Επιπλέον, η εργασία έδειξε ότι το έτος που συνέβη για πρώτη φορά εισβολή του εντόμου, ήταν το έτος 2009.

Η εργασία τονίζει τη δυνατότητα της τηλεπισκόπησης να ιχνηλατήσει και να χαρτογραφήσει τις καταστροφές που προκαλούνται από έντομα στη βλάστηση. Ένα λειτουργικό σύστημα παρακολούθησης βασιζόμενο στην τηλεπισκόπηση, θα μπορούσε να είχε διαπιστώσει την εισβολή του εντόμου στο δάσος και τις αλλαγές στη βλάστηση πριν συμβούν οι εκτεταμένες καταστροφές.

[[category:Δασοπονία, Δασική διαχείριση]]

Ανίχνευση καταστροφών σε δάση με δορυφορικές τηλεπισκοπικές απεικονίσεις: η περίπτωση του εντόμου Physokermes inopinatus σε δάση στη Σουηδία

2018-02-23T09:02:26Z

Vasanag2: Νέα σελίδα με '[[Εικόνα: rs_wiki_orthofoto1.jpg‎ | thumb | right | '''Εικόνα 1''': : Οι ορθοφωτογραφίες Α (έγχρωμη) και Β (έγχρωμη – ...'

[[Εικόνα: rs_wiki_orthofoto1.jpg‎ | thumb | right | '''Εικόνα 1''':
: Οι ορθοφωτογραφίες Α (έγχρωμη) και Β (έγχρωμη – υπέρυθρη) δείχνουν δάσος ελάτων που έχει υποστεί καταστροφές λόγω της εισβολής του εντόμου Physokermes inopinatus. Οι φωτογραφίες C (έγχρωμη) και D (έγχρωμη – υπέρυθρη) απεικονίζουν υγιές δάσος ελάτων.]]

[[Εικόνα: rs_wiki_psifiakes_ypografes2.jpg‎ | thumb | right | '''Εικόνα 2''':
: Φασματικές υπογραφές των υγιών και προσβεβλημένων από το έντομο ελάτων.]]

'''Τίτλος Πρωτοτύπου''': A new invasive insect in Sweden – Physokermes inopinatus: Tracing forest damage with satellite based remote sensing

Πηγή: ScienceDirect[http://www.sciencedirect.com/science/article/pii/S0378112712004781]

'''Συγγραφείς:''' Per-Ola Olsson, Anna Maria Jönsson, Lars Eklundh

'''Λέξεις κλειδιά:''' Physokermes inopinatus, Τηλεπισκόπηση, Δασικές ζημιές, SPOT, MODIS

'''Περίληψη'''

Τα δάση είναι σημαντικά από πολλές απόψεις. Προσφέρουν προϊόντα όπως ξυλεία, ίνες και καύσιμα. Επίσης, είναι σημαντικά για λόγους αναψυχής όπως και για την ισορροπία του κύκλου του άνθρακα. Κατά συνέπεια, είναι σημαντικό να αναπτυχθούν μέθοδοι που να επιτρέπουν τον αποτελεσματικό έλεγχο διαφόρων απειλών όπως για παράδειγμα τις επιδρομές εντόμων σε αχανείς δασικές εκτάσεις. Αυτές οι μέθοδοι μπορούν να στηριχθούν στην τηλεπισκόπηση. Οι δορυφόροι παρέχουν απεικονίσεις με μεγάλη χωρική κάλυψη. Οι επιδρομές εντόμων μπορούν να ανιχνευθούν στα ψηφιακά δεδομένα των δορυφόρων αν το αποτέλεσμα της απώλειας ή του αποχρωματισμού των φύλλων των δέντρων είναι αρκετά σοβαρό. Επιπλέον, τα δορυφορικά δεδομένα διευκολύνουν την κατανόηση των μοντέλων μετανάστευσης των χωροκατακτητικών εντόμων λόγω του ότι παρέχουν χρονοσειρές δεδομένων που επιτρέπουν την ανίχνευση παλαιότερων επιδρομών.

Στην συγκεκριμένη εργασία, χρησιμοποιήθηκαν δεδομένα των δεκτών SPOT και MODIS ώστε να χαρτογραφηθεί η καταστροφή που προκλήθηκε στο Νορβηγικό έλατο (Picea abies) από το έντομο Physokermes inopinatus το έτος 2010 στην επαρχία Σκάνια (Scania) της Σουηδίας. Η καταστροφή σημειώθηκε σε 1000ha δάσους. Η παρούσα εργασία απέδειξε ότι η επιδρομή του εντόμου μπορεί να ανιχνευθεί με δορυφορικά δεδομένα με υψηλή ακρίβεια.

'''Μεθοδολογία'''

'''1)Απόκτηση δεδομένων.'''

• Οι απεικονίσεις από τον δορυφόρο SPOT λήφθηκαν από την Κτηματική Υπηρεσία της Σουηδίας. Χρησιμοποιήθηκαν οι απεικονίσεις της χρονικής περιόδου 2008 – 2010 με δεδομένα αναφοράς την απεικόνιση 2008.

• Από την ιστοσελίδα MODIS αποκτήθηκαν σύνθετα 16 ημερών του δείκτη βλάστησης κανονικοποιημένης διαφοράς, NDVI (Normalized Difference Vegetation Index) και του δείκτη βλάστησης EVI (Enhanced Vegetation Index) με ανάλυση 250 μέτρα. Επίσης, αποκτήθηκαν σύνθετα 16 ημερών μεμονωμένων φασματικών καναλιών με ανάλυση 500 μέτρα.

• Χρησιμοποιήθηκαν έγχρωμες και έγχρωμες – υπέρυθρες ορθοφωτογραφίες υψηλής ανάλυσης, μεγέθους εικονοστοιχείων 25 εκατοστά, κατά το χρονικό διάστημα 2 – 6 Ιουνίου 2010.

• Συγκεντρώθηκαν στοιχεία πεδίου καταγραφής των καταστροφών που προκλήθηκαν. Η συλλογή των στοιχείων έγινε από την Σουηδική Δασική Υπηρεσία και από ιδιοκτήτες ή διαχειριστές δασών.

• Από την Κτηματική Υπηρεσία της Σουηδίας αποκτήθηκαν δεδομένα κάλυψης γης με ανάλυση 25 μέτρα. Τα δεδομένα αυτά προέκυψαν από ταξινόμηση εικόνων Landsat και αφορούν το έτος 2000.

'''2) Ανάλυση δεδομένων.'''

• Οι ορθοφωτογραφίες υψηλής ανάλυσης που είναι αρκετά λεπτομερείς, χρησιμοποιήθηκαν για την χαρτογράφηση των καταστροφών ολόκληρης της υπό μελέτη περιοχής.

• Τα δεδομένα του δέκτη SPOT με χωρική ανάλυση 10 μέτρα χρησιμοποιήθηκαν για την διαπίστωση των καταστροφών κατά τα έτη 2010 και 2009.

• Τα δεδομένα του δέκτη MODIS, με χωρική ανάλυση 250 μέτρα και 500 μέτρα, χρησιμοποιήθηκαν για να αποδειχθεί αν είναι εφικτή η διαπίστωση των καταστροφών του δάσους με μέτριας και χαμηλής ανάλυσης δεδομένα καθώς και για να διαπιστωθεί αν πριν το 2009 είχε συμβεί ξανά επιδρομή του συγκεκριμένου εντόμου.

• Τα δεδομένα πεδίου αναγνωρίστηκαν στις ορθοφωτογραφίες και αφού έγινε ψηφιοποίηση, τα πολύγωνα χρησιμοποιήθηκαν ως περιοχές εκπαίδευσης.

• Από τα δεδομένα του δέκτη SPOT διαπιστώθηκε αν συνέβησαν καταστροφές το έτος 2010. Έγινε γεωαναφορά των εικόνων με την επιλογή του αλγορίθμου μετασχηματισμού Polynomial 2 και με την επιλογή μεθόδου αναδειγματοληψίας αυτή του Πλησιέστερου Γείτονα (nearest neighbour). Στη συνέχεια έγινε ραδιομετρική διόρθωση. Δημιουργήθηκαν οι φασματικές υπογραφές των κατεστραμμένων και υγιών ελάτων.

Στο κόκκινο (red) κανάλι δεν προέκυψε διαφορά μεταξύ υγιών και προσβεβλημένων ελάτων, όμως στο πράσινο (green) κανάλι προέκυψε μια μικρή διαφορά. Έτσι, ως καταλληλότερος δείκτης βλάστησης για την παρούσα εργασία επιλέχθηκε ο GNDVI (Green Noormalized Difference Vegetation Index) όπου το κόκκινο κανάλι του NDVI αντικαταστάθηκε από το πράσινο.

GNDVI = (NIR- green) / (NIR +green)

Με αφαίρεση μεταξύ των απεικονίσεων 2010 και 2008 (έτος αναφοράς) προκύπτουν απεικονίσεις οι οποίες μπορούν να μελετηθούν ως προς τις αλλαγές της βλάστησης.
Από τα δεδομένα SPOT με την εφαρμογή της ίδιας διαδικασίας στις απεικονίσεις του έτους 2009 και 2008, διαπιστώθηκε αν συνέβη εισβολή του εντόμου στο δάσος το έτος 2009.

'''Συμπεράσματα'''
Η παρούσα εργασία απέδειξε ότι η εισβολή του εντόμου είχε ως αποτέλεσμα να προσβληθούν συνολικά 1000 εκτάρια δάσους ελάτης. Οι καταστροφές που προκλήθηκαν μπορούν να εντοπιστούν, με υψηλή ακρίβεια, με μεσαίας χωρικής ανάλυσης δορυφορικά δεδομένα. Με χωρική ανάλυση 10 μέτρα, είναι εφικτό να γίνει ανίχνευση του 78% των καταστροφών με υπερεκτίμηση στους υπολογισμούς 46%. Η χωρική ανάλυση 250 μέτρων επιτρέπει την διαπίστωση καταστροφών σε μεγαλύτερη περιοχή, ενώ η ανάλυση 500 μέτρων δεν είναι κατάλληλη για τον εντοπισμό των καταστροφών. Επιπλέον, η εργασία έδειξε ότι το έτος που συνέβη για πρώτη φορά εισβολή του εντόμου, ήταν το έτος 2009.

Η εργασία τονίζει τη δυνατότητα της τηλεπισκόπησης να ιχνηλατήσει και να χαρτογραφήσει τις καταστροφές που προκαλούνται από έντομα στη βλάστηση. Ένα λειτουργικό σύστημα παρακολούθησης βασιζόμενο στην τηλεπισκόπηση, θα μπορούσε να είχε διαπιστώσει την εισβολή του εντόμου στο δάσος και τις αλλαγές στη βλάστηση πριν συμβούν οι εκτεταμένες καταστροφές.

[[category:Δασοπονία, Δασική διαχείριση]]

Αρχείο:Rs wiki psifiakes ypografes2.jpg

2018-02-23T07:43:22Z

Vasanag2:

Αρχείο:Rs wiki orthofoto1.jpg

2018-02-23T07:42:45Z

Vasanag2:

Εκτίμηση της υδατικής διάβρωσης του εδάφους με τη χρήση τηλεπισκόπησης: Ανασκόπηση

2018-02-23T07:22:38Z

Vasanag2: Νέα σελίδα με ''''Τίτλος πρωτοτύπου:''' Satellite remote sensing for water erosion assessment: A review Πηγή:ScienceDirect[http://www.sciencedirect.com/science/artic...'

'''Τίτλος πρωτοτύπου:''' Satellite remote sensing for water erosion assessment: A review

Πηγή:ScienceDirect[http://www.sciencedirect.com/science/article/pii/S0341816205002031]

'''Συγγραφέας:''' Anton Vrieling

'''Λέξεις κλειδιά:''' Ανασκόπηση, Υποβάθμιση της γης, Διάβρωση του εδάφους, Τηλεπισκόπηση,

'''Περίληψη'''

Η διάβρωση που προκαλεί το νερό στο έδαφος έχει αρνητικές επιπτώσεις στην αγροτική παραγωγή και την ποιότητα του νερού σε όλο τον κόσμο. Η εκτίμηση της εδαφικής διάβρωσης σε τοπικό επίπεδο είναι σημαντική, αλλά υπάρχουν περιορισμένα στοιχεία που μπορούν να χρησιμοποιηθούν. Η τηλεπισκόπηση μπορεί να συμβάλλει στις μελέτες εκτίμησης, παρέχοντας χωρικά δεδομένα. Τα τελευταία 30 χρόνια πολλές μελέτες που στηρίζονται σε δεδομένα τηλεπισκόπησης έχουν δημοσιευτεί. Σκοπός της συγκεκριμένης εργασίας είναι η ανασκόπηση των μεθοδολογιών που έχουν χρησιμοποιηθεί για την εκτίμηση της εδαφικής διάβρωσης από το νερό με τη χρήση της τηλεπισκόπησης.

Πρώτα, γίνεται ανασκόπηση των μελετών εντοπισμού της διάβρωσης. Αυτό περιλαμβάνει μελέτες εντοπισμού των παραγόντων διάβρωσης των διαβρωμένων περιοχών, καθώς και των επιπτώσεων της διάβρωσης όπως η απόθεση ιζημάτων και η ποιότητα του νερού των εσωτερικών λιμνών. Επίσης, περιγράφονται οι τεχνικές χαρτογράφησης των οποίων τα δεδομένα προέρχονται από δορυφόρους. Οι τεχνικές αυτές περιλαμβάνουν μοντέλα διάβρωσης και ποιοτικές μεθόδους. Τέλος, γίνεται αναφορά σε μεθόδους επαλήθευσης που χρησιμοποιούνται για να εκτιμήσουν την ακρίβεια των χαρτών που παράγονται με δεδομένα δορυφόρων. Το συμπέρασμα είναι ότι λείπουν δεδομένα επαλήθευσης. Η επαλήθευση είναι μεγάλης σημασίας για την επιτυχία των τοπικών λειτουργικών συστημάτων ελέγχου, και για το λόγο αυτό απαιτείται στενή συνεργασία ανάμεσα στην επιστημονική κοινότητα που ασχολείται με την τηλεπισκόπηση και των επιστημόνων που ασχολούνται με τη διάβρωση στο πεδίο.

'''Εισαγωγή'''

Η διάβρωση του εδάφους από το νερό είναι το πιο σημαντικό πρόβλημα υποβάθμισης της γης παγκοσμίως. Έχει επιπτώσεις στην αγροτική παραγωγή, τις υποδομές και την ποιότητα του νερού. Επιπλέον, η διάβρωση έχει ως συνέπεια τις εκπομπές εδαφικού οργανικού άνθρακα στην ατμόσφαιρα με τη μορφή CO2 και CH4 συνεισφέροντας στην υπερθέρμανση του πλανήτη. Από την άλλη πλευρά, η υπερθέρμανση του πλανήτη αναμένεται να αυξήσει το βαθμό διάβρωσης. Η υδατική διάβρωση εξαρτάται από: κλιματικούς παράγοντες, την τοπογραφία, τις ιδιότητες του εδάφους και τη διαχείριση της γης. Η αποκόλληση του εδαφικού υλικού οφείλεται στην βροχόπτωση και στη δύναμη ροής του τρεχούμενου νερού. Τα σωματίδια που έχουν αποκολληθεί, παρασύρονται με την επιφανειακή απορροή και αποτίθενται σε διάφορες θέσεις όταν μειωθεί η ταχύτητά του. Η εκτίμηση της υδατικής ρύπανσης είναι δύσκολη εξαιτίας της απουσίας δεδομένων. Η τηλεπισκόπηση μπορεί να συνεισφέρει σημαντικά στην εκτίμηση της υδατικής διάβρωσης μιας περιοχής καθώς παρέχει ομογενοποιημένα στοιχεία που αφορούν μεγάλες περιοχές, τα οποία τακτικά επανεξετάζονται.

Οι δορυφόροι και οι αισθητήρες για την έρευνα της υδατικής διάβρωσης
Από τους δορυφόρους που βρίσκονται σε τροχιά γύρω από τη γη, για την εκτίμηση της υδατικής διάβρωσης μπορούν να χρησιμοποιηθούν τα οπτικά δορυφορικά συστήματα των οποίων οι αισθητήρες καλύπτουν τα εξής τμήματα του ηλεκτρομαγνητικού φάσματος: το ορατό και εγγύς υπέρυθρο (VNIR) από 0,4 μέχρι 1,3μm, το μικροκυματικό υπέρυθρο (SWIR) από 1,3 μέχρι 3,0μm και το θερμικό υπέρυθρο από 3,0 μέχρι 15,0 μm

'''Μελέτες εντοπισμού της διάβρωσης'''

Τα δορυφορικά δεδομένα μπορούν να χρησιμοποιηθούν για τον απευθείας εντοπισμό της διάβρωσης ή των επιπτώσεων που προκαλεί. 1) Απευθείας ανίχνευση των διαβρωμένων περιοχών: Οι δορυφόροι Landsat και SPOT μπορούν να δώσουν απεικονίσεις για τη διάκριση των μεγάλων και μεσαίου μεγέθους κοιλοτήτων του εδάφους. Με φωτοερμηνεία των σύνθετων απεικονίσεων των διαφόρων αισθητήρων των δορυφόρων, έχουν χαρτογραφηθεί εκτεταμένες περιοχές που έχουν υποστεί διάβρωση. Αντί των μεθόδων φωτοερμηνείας μπορεί να εφαρμοστεί η τεχνική της Αυτόματης Εξαγωγής των διαβρωμένων περιοχών από δορυφορικές εικόνες (automatic extraction) και ο αλγόριθμος μέγιστης πιθανοφάνειας (maximum likelihood classifier). Επίσης, η απευθείας συσχέτιση μεταξύ της διάβρωσης και των τιμών ανακλαστικότητας της ηλεκτρομαγνητικής ακτινοβολίας, επιτρέπει τον εντοπισμό των διαβρωμένων περιοχών, με εξαίρεση τα υγρά κλίματα. Τέλος, η τεχνική Συμβολομετρία SAR έχει χρησιμοποιηθεί για την ανίχνευση της υδατικής διάβρωσης. 2) Ανίχνευση των επιπτώσεων της διάβρωσης: οι περισσότερες μελέτες που χρησιμοποιούν δορυφορικές απεικονίσεις για την εκτίμηση των επιπτώσεων της διάβρωσης επικεντρώνονται στους ταμιευτήρες και τις λίμνες όπου τα ιζήματα προκαλούν σημαντικές οικονομικές και οικολογικές επιπτώσεις. Η ανακλαστικότητα της επιφάνειας του νερού στην περιοχή του ορατού και υπέρυθρου επηρεάζεται θετικά από την παρουσία αιωρούμενων ιζημάτων. Πολλές μελέτες διαπίστωσαν υψηλή συσχέτιση ανάμεσα στις συγκεντρώσεις αιωρούμενων ιζημάτων όπως μετρήθηκαν στο πεδίο και της φασματικής ανακλαστικότητας από δεδομένα του δορυφόρου Landsat και SPOT. Το βέλτιστο μήκος κύματος είναι μεταξύ 500 και 800nm.

'''Μελέτες εκτίμησης των παραγόντων διάβρωσης – Επαλήθευση της ακρίβειας της χαρτογράφησης'''

Οι μελέτες αυτές επικεντρώνονται κυρίως στην ανίχνευση των χαρακτηριστικών του εδάφους και στην κάλυψη βλάστησης και σε μικρότερο βαθμό στην τοπογραφία και τη διαχείριση γης. Δεν υπάρχουν στην βιβλιογραφία (μέχρι το 2006) μελέτες για την εκτίμηση της επίδρασης των βροχοπτώσεων στη διάβρωση του εδάφους με δορυφόρους. Σε πολλές περιπτώσεις, γίνεται η εκτίμηση ενός μόνο παράγοντα από δορυφορικά δεδομένα και οι υπόλοιποι παράγοντες υπολογίζονται από πρόσθετες πληροφορίες. Απαιτείται όμως να υπάρχει ένα πλαίσιο ώστε τα δεδομένα να ενοποιούνται με τη χρήση κάποιου μοντέλου ή άλλων περισσότερο ποιοτικών προσεγγίσεων. Ένα ευρέως χρησιμοποιούμενο μοντέλο για το σκοπό αυτό είναι το Universal Soil Loss Equation (USLE). Ένα μοντέλο που αναπτύχθηκε με σκοπό να χρησιμοποιηθεί σε συνδυασμό με δορυφορικά δεδομένα είναι το Soil Erosion Model για τις μεσογειακές περιοχές (SEMMED).

Για την επαλήθευση των μεθόδων χαρτογράφησης της διάβρωσης, γίνονται μετρήσεις στο πεδίο όπως με τη μέθοδο του καισίου-137, των διαστάσεων των αυλακιών ή με την ερμηνεία υψηλής ανάλυσης απεικονίσεων τηλεπισκόπησης όπως είναι οι αεροφωτογραφίες. Οι απεικονίσεις QuickBird χρησιμοποιούνται για το σκοπό αυτό.

'''Συμπεράσματα'''

Η παρούσα εργασία έδειξε ότι η τηλεπισκόπηση μπορεί να συνεισφέρει σημαντικά στην εκτίμηση της διάβρωσης του εδάφους. Η αποτελεσματικότητα των περισσότερων τεχνικών εξαρτάται από τα χαρακτηριστικά της υπό-μελέτη περιοχής. Για τις ημι-άνυδρες περιοχές, εφαρμόστηκαν πολλές τεχνικές όπως είναι η συμβολομετρία SAR και η τεχνική Spectral unmixing of optical data (μίγμα φασματικών οπτικών δεδομένων). Όμως, οι τεχνικές αυτές είναι αποτελεσματικές μόνο κάτω από συγκεκριμένες συνθήκες και δεν μπορούν να εφαρμοστούν σε πιο υγρά περιβάλλοντα. Εξαιτίας της πολυπλοκότητας των διαδικασιών διάβρωσης και των τοπικών συνθηκών, δεν αναμένεται ότι στο άμεσο μέλλον μπορεί να αναπτυχθεί ένα προτυποποιημένο σύστημα εκτίμησης της διάβρωσης με δορυφορικά δεδομένα.

[[category:Γεωλογία – Εδαφολογία]]

Ανασκόπηση των σημερινών και πιθανά μελλοντικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας

2018-02-22T18:58:04Z

Vasanag2:

[[Εικόνα: rs_wiki_georgia_akr.jpg‎ | thumb | right | '''Εικόνα 1''':
Η θερμοκρασία μιας καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέρια θερμικά αισθητήρια στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Αγρόκτημα κοντά στο Λονδίνο, OH, ΗΠΑ.]]

'''Τίτλος Πρωτοτύπου''': An overview of current and potential applications of thermal remote sensing in precision agriculture

Πηγή:ScienceDirect [http://www.sciencedirect.com/science/article/pii/S0168169916310225]

'''Συγγραφείς''': Sami Khanal, John Fulton, Scott Shearer

'''Λέξεις κλειδιά''': Γεωργία ακριβείας, Παρακολούθηση, Τηλεπισκόπηση, Θερμική ανίχνευση

'''Περίληψη'''
Στο άρθρο γίνεται ανασκόπηση των εφαρμογών θερμικής τηλεπισκόπησης στην γεωργία ακριβείας. Περιγράφονται οι ήδη υπάρχουσες εφαρμογές, αλλά και ορισμένες που πιθανόν να χρησιμοποιηθούν μελλοντικά, και γίνεται αναφορά σε περιορισμούς στις δυνατότητές τους.

'''Εισαγωγή'''
Η Γεωργία Ακριβείας είναι η διαχείριση της ποικιλότητας που παρουσιάζουν οι καλλιέργειες στο χώρο και το χρόνο, με τη χρήση εργαλείων και τεχνολογιών, με σκοπό να βελτιωθούν οι καλλιεργητικές πρακτικές που εφαρμόζονται, να αυξηθεί η απόδοση, να βελτιστοποιηθούν οι εισροές (νερό, λιπάσματα, φυτοπροστατευτικά προϊόντα) και να μειωθεί το περιβαλλοντικό αποτύπωμα.
Με την Γεωργία Ακριβείας μπορεί να δοθεί λύση απέναντι στην υποβάθμιση της ποιότητας των επιφανειακών και υπόγειων νερών, στην αυξανόμενη τιμή των εδαφοβελτιωτικών – λιπασμάτων και στην απαίτηση για την αύξηση κατά 50 – 70% της αγροτικής παραγωγής τροφίμων με τη χρήση των ελάχιστων κατά το δυνατό φυσικών πόρων.
Η τηλεπισκόπηση στη γεωργία ακριβείας χρησιμοποιείται για την συλλογή και ανάλυση πληροφοριών για τις καλλιέργειες και τα χαρακτηριστικά του εδάφους, χρησιμοποιώντας αισθητήρες που βρίσκονται σε δορυφόρους, αεροπλάνα ή σε εξοπλισμό εδάφους. Οι αισθητήρες μετρούν την ενέργεια που ανακλάται (ορατό και εγγύς υπέρυθρο NIR), εκπέμπεται (θερμικό υπέρυθρο, TIR) ή εκτρέπεται (μικροκύματα) από μια επιφάνεια ή την ατμόσφαιρα σε διαφορετικές φασματικές περιοχές της ηλεκτρομαγνητικής ακτινοβολίας.
Ένα κοινά χρησιμοποιούμενο σύστημα τηλεπισκόπησης στην γεωργία είναι η οπτική τηλεπισκόπηση. Χρησιμοποιεί το ορατό, το εγγύς υπέρυθρο (NIR) και το μέσο υπέρυθρο (SWIR) για να δημιουργήσει εικόνες της επιφάνειας της γης μετρώντας την ενέργεια που ανακλάται από την επιφάνεια - στόχο. Όμως, η οπτική τηλεπισκόπηση εμφανίζει έναν σημαντικό περιορισμό ώστε να μην είναι κατάλληλη για την γεωργία ακριβείας: δεν μπορεί να αναγνωρίσει τις πιέσεις που δέχονται οι καλλιέργειες, αλλά μόνο αναγνωρίζει τα συμπτώματα μόλις αυτά εκδηλωθούν.
Αντίθετα, η θερμική τηλεπισκόπηση έχει βρεθεί ότι είναι ένα πολλά υποσχόμενο εργαλείο για την γεωργία ακριβείας. Μετρώντας την επιφανειακή θερμοκρασία των καλλιεργειών, η θερμική τηλεπισκόπηση μπορεί να αναγνωρίσει τις πιέσεις στις καλλιέργειες πολύ πριν εκδηλωθούν τα πρώτα αρνητικά συμπτώματα.
Μέχρι πρόσφατα, η διαθεσιμότητα υψηλής ανάλυσης θερμικών εικόνων ήταν περιορισμένη εξαιτίας του υψηλού κόστους απόκτησής τους. Με δεδομένο τις πρόσφατες εξελίξεις στα μη επανδρωμένα αέρια οχήματα (UAV’s), οι θερμικές εικόνες με υψηλή χωρική και χρονική ανάλυση, έχουν γίνει διαθέσιμες σε χαμηλό κόστος, και έχουν δώσει αρκετές δυνατότητες ώστε να κατανοήσουμε την ποικιλότητα των καλλιεργειών και των συνθηκών του εδάφους, δεδομένα χρήσιμα για τη λήψη αποφάσεων στον αγρονομικό τομέα.
Η θερμική τηλεπισκόπηση μετρά την ακτινοβολία που εκπέμπεται από την επιφάνεια ενός αντικειμένου και την μετατρέπει σε θερμοκρασία χωρίς να έρχεται σε επαφή με το αντικείμενο. Όσο υψηλότερη είναι η θερμοκρασία του σώματος, τόσο εντονότερη είναι η ακτινοβολία που εκπέμπεται. Έτσι, η θερμική τηλεπισκόπηση παρέχει σημαντικές μετρήσεις ενεργειακών ροών και θερμοκρασιών από την επιφάνεια της γης, οι οποίες είναι επαρκείς για να κατανοήσουμε τις διεργασίες και αποκρίσεις του φυσικού τοπίου.
Γενικά, η επιφανειακή θερμοκρασία των καλλιεργειών εξαρτάται από τον ρυθμό διαπνοής. Ο ρυθμός διαπνοής εξαρτάται από την ικανότητα εξάτμισης και τη διαθεσιμότητα νερού στο έδαφος των καλλιεργειών. Οι πιέσεις όπως π.χ η έλλειψη νερού, η έλλειψη θρεπτικών συστατικών, τα ζιζάνια, επηρεάζουν την επιφανειακή θερμοκρασία των καλλιεργειών, η οποία μπορεί να μετρηθεί κατά τη διάρκεια κρίσιμων φαινολογικών σταδίων.

'''Εφαρμογές θερμικής τηλεπισκόπησης στον αγροτικό τομέα'''

'''Προγραμματισμός άρδευσης'''
Η ανάγκη άρδευσης καθορίζεται από τέσσερις παράγοντες: την διαθεσιμότητα νερού στο έδαφος, την ανάγκη της καλλιέργειας για νερό, την ποσότητα βροχόπτωσης και την αποδοτικότητα του συστήματος άρδευσης. Υπάρχουν αρκετές παράμετροι για την ποσοτικοποίηση αυτών των παραγόντων όπως οι μετρήσεις της εδαφικής υγρασίας, η θερμοκρασία των φυτών, η εξατμισοδιαπνοή. Πολλές μελέτες έχουν εξετάσει την πιθανότητα χρήσης θερμικών εικόνων από δορυφόρους σαν εργαλείο για τη μέτρηση αυτών των παραμέτρων.

''Μέτρηση εδαφικής υγρασίας.'' Η βλάστηση που υπόκεινται σε έλλειψη νερού συχνά εμφανίζει αύξηση στην ακτινοβολούμενη θερμοκρασία σε σχέση με τη βλάστηση που είναι καλά αρδευόμενη. Οι Shafian and Maas (2015) χρησιμοποιώντας ψηφιακά δεδομένα στο κανάλι κόκκινο, εγγύς υπέρυθρο και στα θερμικά κανάλια από εικόνες του δορυφόρου Landsat, έδειξαν ότι μπορεί να γίνει εκτίμηση της εδαφικής υγρασίας.

''Απαίτηση νερού των καλλιεργειών.'' Οι Jackson et al (1981) ανέπτυξαν το Δείκτη Απαίτησης Νερού των Καλλιεργειών (Crop Water Stress Index, CWSI) ώστε να διαπιστωθεί η ανάγκη άρδευσης. Αρκετές μελέτες έχουν υπολογίσει το δείκτη CWSI και έχουν καταλήξει στα ίδια αποτελέσματα, χρησιμοποιώντας θερμικές εικόνες από δορυφόρους.

''Εξατμισοδιαπνοή και έλεγχος ξηρασίας.'' Υψηλή εξατμισοδιαπνοή μειώνει την επιφανειακή θερμοκρασία των καλλιεργειών. Οι Burbagallo et al (2009) μέτρησαν την εξατμισοδιαπνοή στο πεδίο και στη συνέχεια με θερμικές εικόνες από δορυφόρους και έδειξαν ότι οι εκτιμήσεις ήταν ίδιες και στις δύο περιπτώσεις. Επίσης, μελέτες έχουν δείξει ότι με θερμικές εικόνες από δορυφόρους μπορεί να γίνει αξιόπιστη εκτίμηση δεικτών όπως του Δείκτη Υγιούς Βλάστησης (Vegetation Health Index, VHI) και του Δείκτη Εξάτμισης (Evaporative Stress Index, ESI) που δίνουν ενδείξεις ξηρασίας.

'''Διάγνωση φυτικών ασθενειών'''
Οι ασθένειες των φυτών συχνά επηρεάζουν τον ρυθμό διαπνοής και την κυκλοφορία νερού στους φυτικούς ιστούς. Οι Chaerle et al. (2004) ανέφεραν αλλαγές στις επιφανειακές θερμοκρασίες των καλλιεργειών εξαιτίας μολύνσεων από παθογόνα μικρόβια ή των αμυντικών μηχανισμών των φυτών, πριν ακόμη εκδηλωθούν τα συμπτώματα της ασθένειας. Οι θερμικές εικόνες θα μπορούσαν να χρησιμοποιηθούν για να εκτιμήσουν περιβαλλοντικές συνθήκες που ευνοούν την ανάπτυξη μολύνσεων των φυτών, όπως είναι η διάρκεια των υγρών περιόδων.

'''Χαρτογράφηση της υφής του εδάφους'''
Η υφή του εδάφους καθορίζει την δυνατότητα συγκράτησης νερού και επομένως επηρεάζει την επιφανειακή θερμοκρασία των καλλιεργειών. Με τη χρήση των θερμικών εικόνων τηλεπισκόπησης μπορεί να γίνει χαρτογράφηση της υφής του εδάφους. Οι Wang et al (2015) χρησιμοποιώντας εικόνες από το δορυφόρο MODIS παρήγαγαν χάρτες χωρικής κατανομής της υφής του εδάφους στην πεδιάδα του ποταμού Yangtze – Huai στην Ανατολική Κίνα.

'''Χαρτογράφηση του αποστραγγιστικού δικτύου'''
Έχει παρατηρηθεί διαφορά επιφανειακής θερμοκρασίας μεταξύ του εδάφους που αποστραγγίζεται μέσω δικτύου και του εδάφους που αποστραγγίζεται φυσικά. Οι διαφορετικές θερμοκρασίες οι οποίες αποτυπώνονται στις θερμικές εικόνες δορυφόρων μπορεί να βοηθήσουν την καλύτερη χαρτογράφηση του αποστραγγιστικού δικτύου.
Χαρτογράφηση της ωρίμανσης της γεωργικής παραγωγής
Για τις περισσότερες καλλιέργειες, ο ρυθμός αναπνοής μειώνεται καθώς η παραγωγή φτάνει στο στάδιο ωρίμανσης σε σύγκριση με το στάδιο ανάπτυξης. Λιγότερη αναπνοή οδηγεί σε υψηλότερες θερμοκρασίες. Έτσι, χρησιμοποιώντας θερμικές εικόνες, μπορεί να αναγνωριστεί το στάδιο της ανάπτυξης από το στάδιο της ωρίμανσης.

'''Χαρτογράφηση της απόδοσης της καλλιέργειας''':
Μέχρι σήμερα, έχουν πραγματοποιηθεί λίγες μελέτες για την χαρτογράφηση με θερμικές εικόνες της απόδοσης μιας καλλιέργειας. Οι Bulanon et al (2008) έδειξαν ότι με τη χρήση θερμικών εικόνων μπορούν να διακριθούν οι καρποί των εσπεριδοειδών από το υπόβαθρο. Έδειξαν ότι τη νύχτα οι καρποί έχουν κατά 1,6οC υψηλότερη θερμοκρασία από τα φύλλα, ενώ κατά τη διάρκεια της ημέρας, η θερμοκρασία διαφέρει λιγότερο, περίπου 0,5οC.

Παρόλο που η θερμική τηλεπισκόπηση βρίσκει σημαντικές εφαρμογές στη γεωργία ακριβείας υπάρχουν και κάποιοι περιορισμοί που πρέπει να λαμβάνονται υπόψη όπως:

1. Η χωρική και χρονική ανάλυση των εικόνων. Στις θερμικές εικόνες από δορυφόρους, το μέγεθος των εικονοστοιχείων (pixels) είναι μεγαλύτερο από ένα αγροτεμάχιο και στις περιπτώσεις αυτές δεν υπάρχει η δυνατότητα αξιοποίησης των εικόνων από τους γεωργούς για τη λήψη αποφάσεων. Για παράδειγμα, κάποιοι θερμικοί αισθητήρες που είναι τοποθετημένοι σε δορυφόρους με ημερήσιες λήψεις όπως οι MODIS, GOES, AVHRR, παρέχουν εικόνες με ανάλυση 1000 -4400m ενώ οι εικόνες στο ορατό, το εγγύς υπέρυθρο και το μέσο κοντινό υπέρυθρο έχουν ανάλυση 250 – 1000m. Σε ορισμένους δορυφόρους έχουν γίνει βελτιώσεις των θερμικών αισθητήρων π.χ Landsat 7 ΕΤΜ ανάλυση 60m, Landsat 8 ανάλυση 100m, ASTER ανάλυση 90m) αλλά οι δορυφόροι αυτοί επαναλαμβάνουν τις λήψεις κάθε 16 ημέρες. Για έναν γεωργό, η χαμηλή χωρική ανάλυση και χρονική συχνότητα αποτελούν σημαντικούς περιορισμούς.

2. Οι ατμοσφαιρικές συνθήκες

3. Η γωνία θέασης και το υψόμετρο των θερμικών αισθητήρων και

4. Το στάδιο ανάπτυξης των καλλιεργούμενων φυτών και η ποικιλία των φυτικών ειδών που υπάρχουν στην καλλιέργεια.

'''Συμπέρασματα''':
Η θερμική τηλεπισκόπηση βρίσκει πολλές εφαρμογές στη γεωργία ακριβείας αλλά υπάρχουν ακόμη αρκετοί περιορισμοί. Στο μέλλον, η εξέλιξη της τεχνολογίας των μη επανδρωμένων αέριων οχημάτων (UAV) πρόκειται να αυξήσει τη χρήση τους στη γεωργία ακριβείας σε σχέση με τους δορυφόρους και τα αεροπλάνα.

[[category:Γεωργία]]

Ανασκόπηση των σημερινών και πιθανά μελλοντικών εφαρμογών της θερμικής τηλεπισκόπησης στην γεωργία ακριβείας

2018-02-22T18:53:33Z

Vasanag2: Νέα σελίδα με '[[Εικόνα: rs_wiki_georgia_akr.jpg‎ | thumb | right | '''Εικόνα 1''': Η θερμοκρασία μιας καλλιέργειας καλαμποκιού πο...'

[[Εικόνα: rs_wiki_georgia_akr.jpg‎ | thumb | right | '''Εικόνα 1''':
Η θερμοκρασία μιας καλλιέργειας καλαμποκιού που αποκτήθηκε από εναέρια θερμικά αισθητήρια στις 8 Μαΐου 2015 (αριστερά) και δεδομένα απόδοσης καλαμποκιού στο τέλος της καλλιεργητικής περιόδου (δεξιά) στο Molly Caren Αγρόκτημα κοντά στο Λονδίνο, OH, ΗΠΑ.]]

'''Τίτλος Πρωτοτύπου''': An overview of current and potential applications of thermal remote sensing in precision agriculture [http://www.sciencedirect.com/science/article/pii/S0168169916310225]

'''Συγγραφείς''': Sami Khanal, John Fulton, Scott Shearer

'''Λέξεις κλειδιά''': Γεωργία ακριβείας, Παρακολούθηση, Τηλεπισκόπηση, Θερμική ανίχνευση

'''Περίληψη'''
Στο άρθρο γίνεται ανασκόπηση των εφαρμογών θερμικής τηλεπισκόπησης στην γεωργία ακριβείας. Περιγράφονται οι ήδη υπάρχουσες εφαρμογές, αλλά και ορισμένες που πιθανόν να χρησιμοποιηθούν μελλοντικά, και γίνεται αναφορά σε περιορισμούς στις δυνατότητές τους.

'''Εισαγωγή'''
Η Γεωργία Ακριβείας είναι η διαχείριση της ποικιλότητας που παρουσιάζουν οι καλλιέργειες στο χώρο και το χρόνο, με τη χρήση εργαλείων και τεχνολογιών, με σκοπό να βελτιωθούν οι καλλιεργητικές πρακτικές που εφαρμόζονται, να αυξηθεί η απόδοση, να βελτιστοποιηθούν οι εισροές (νερό, λιπάσματα, φυτοπροστατευτικά προϊόντα) και να μειωθεί το περιβαλλοντικό αποτύπωμα.
Με την Γεωργία Ακριβείας μπορεί να δοθεί λύση απέναντι στην υποβάθμιση της ποιότητας των επιφανειακών και υπόγειων νερών, στην αυξανόμενη τιμή των εδαφοβελτιωτικών – λιπασμάτων και στην απαίτηση για την αύξηση κατά 50 – 70% της αγροτικής παραγωγής τροφίμων με τη χρήση των ελάχιστων κατά το δυνατό φυσικών πόρων.
Η τηλεπισκόπηση στη γεωργία ακριβείας χρησιμοποιείται για την συλλογή και ανάλυση πληροφοριών για τις καλλιέργειες και τα χαρακτηριστικά του εδάφους, χρησιμοποιώντας αισθητήρες που βρίσκονται σε δορυφόρους, αεροπλάνα ή σε εξοπλισμό εδάφους. Οι αισθητήρες μετρούν την ενέργεια που ανακλάται (ορατό και εγγύς υπέρυθρο NIR), εκπέμπεται (θερμικό υπέρυθρο, TIR) ή εκτρέπεται (μικροκύματα) από μια επιφάνεια ή την ατμόσφαιρα σε διαφορετικές φασματικές περιοχές της ηλεκτρομαγνητικής ακτινοβολίας.
Ένα κοινά χρησιμοποιούμενο σύστημα τηλεπισκόπησης στην γεωργία είναι η οπτική τηλεπισκόπηση. Χρησιμοποιεί το ορατό, το εγγύς υπέρυθρο (NIR) και το μέσο υπέρυθρο (SWIR) για να δημιουργήσει εικόνες της επιφάνειας της γης μετρώντας την ενέργεια που ανακλάται από την επιφάνεια - στόχο. Όμως, η οπτική τηλεπισκόπηση εμφανίζει έναν σημαντικό περιορισμό ώστε να μην είναι κατάλληλη για την γεωργία ακριβείας: δεν μπορεί να αναγνωρίσει τις πιέσεις που δέχονται οι καλλιέργειες, αλλά μόνο αναγνωρίζει τα συμπτώματα μόλις αυτά εκδηλωθούν.
Αντίθετα, η θερμική τηλεπισκόπηση έχει βρεθεί ότι είναι ένα πολλά υποσχόμενο εργαλείο για την γεωργία ακριβείας. Μετρώντας την επιφανειακή θερμοκρασία των καλλιεργειών, η θερμική τηλεπισκόπηση μπορεί να αναγνωρίσει τις πιέσεις στις καλλιέργειες πολύ πριν εκδηλωθούν τα πρώτα αρνητικά συμπτώματα.
Μέχρι πρόσφατα, η διαθεσιμότητα υψηλής ανάλυσης θερμικών εικόνων ήταν περιορισμένη εξαιτίας του υψηλού κόστους απόκτησής τους. Με δεδομένο τις πρόσφατες εξελίξεις στα μη επανδρωμένα αέρια οχήματα (UAV’s), οι θερμικές εικόνες με υψηλή χωρική και χρονική ανάλυση, έχουν γίνει διαθέσιμες σε χαμηλό κόστος, και έχουν δώσει αρκετές δυνατότητες ώστε να κατανοήσουμε την ποικιλότητα των καλλιεργειών και των συνθηκών του εδάφους, δεδομένα χρήσιμα για τη λήψη αποφάσεων στον αγρονομικό τομέα.
Η θερμική τηλεπισκόπηση μετρά την ακτινοβολία που εκπέμπεται από την επιφάνεια ενός αντικειμένου και την μετατρέπει σε θερμοκρασία χωρίς να έρχεται σε επαφή με το αντικείμενο. Όσο υψηλότερη είναι η θερμοκρασία του σώματος, τόσο εντονότερη είναι η ακτινοβολία που εκπέμπεται. Έτσι, η θερμική τηλεπισκόπηση παρέχει σημαντικές μετρήσεις ενεργειακών ροών και θερμοκρασιών από την επιφάνεια της γης, οι οποίες είναι επαρκείς για να κατανοήσουμε τις διεργασίες και αποκρίσεις του φυσικού τοπίου.
Γενικά, η επιφανειακή θερμοκρασία των καλλιεργειών εξαρτάται από τον ρυθμό διαπνοής. Ο ρυθμός διαπνοής εξαρτάται από την ικανότητα εξάτμισης και τη διαθεσιμότητα νερού στο έδαφος των καλλιεργειών. Οι πιέσεις όπως π.χ η έλλειψη νερού, η έλλειψη θρεπτικών συστατικών, τα ζιζάνια, επηρεάζουν την επιφανειακή θερμοκρασία των καλλιεργειών, η οποία μπορεί να μετρηθεί κατά τη διάρκεια κρίσιμων φαινολογικών σταδίων.

'''Εφαρμογές θερμικής τηλεπισκόπησης στον αγροτικό τομέα'''

'''Προγραμματισμός άρδευσης'''
Η ανάγκη άρδευσης καθορίζεται από τέσσερις παράγοντες: την διαθεσιμότητα νερού στο έδαφος, την ανάγκη της καλλιέργειας για νερό, την ποσότητα βροχόπτωσης και την αποδοτικότητα του συστήματος άρδευσης. Υπάρχουν αρκετές παράμετροι για την ποσοτικοποίηση αυτών των παραγόντων όπως οι μετρήσεις της εδαφικής υγρασίας, η θερμοκρασία των φυτών, η εξατμισοδιαπνοή. Πολλές μελέτες έχουν εξετάσει την πιθανότητα χρήσης θερμικών εικόνων από δορυφόρους σαν εργαλείο για τη μέτρηση αυτών των παραμέτρων.

''Μέτρηση εδαφικής υγρασίας.'' Η βλάστηση που υπόκεινται σε έλλειψη νερού συχνά εμφανίζει αύξηση στην ακτινοβολούμενη θερμοκρασία σε σχέση με τη βλάστηση που είναι καλά αρδευόμενη. Οι Shafian and Maas (2015) χρησιμοποιώντας ψηφιακά δεδομένα στο κανάλι κόκκινο, εγγύς υπέρυθρο και στα θερμικά κανάλια από εικόνες του δορυφόρου Landsat, έδειξαν ότι μπορεί να γίνει εκτίμηση της εδαφικής υγρασίας.

''Απαίτηση νερού των καλλιεργειών.'' Οι Jackson et al (1981) ανέπτυξαν το Δείκτη Απαίτησης Νερού των Καλλιεργειών (Crop Water Stress Index, CWSI) ώστε να διαπιστωθεί η ανάγκη άρδευσης. Αρκετές μελέτες έχουν υπολογίσει το δείκτη CWSI και έχουν καταλήξει στα ίδια αποτελέσματα, χρησιμοποιώντας θερμικές εικόνες από δορυφόρους.

''Εξατμισοδιαπνοή και έλεγχος ξηρασίας.'' Υψηλή εξατμισοδιαπνοή μειώνει την επιφανειακή θερμοκρασία των καλλιεργειών. Οι Burbagallo et al (2009) μέτρησαν την εξατμισοδιαπνοή στο πεδίο και στη συνέχεια με θερμικές εικόνες από δορυφόρους και έδειξαν ότι οι εκτιμήσεις ήταν ίδιες και στις δύο περιπτώσεις. Επίσης, μελέτες έχουν δείξει ότι με θερμικές εικόνες από δορυφόρους μπορεί να γίνει αξιόπιστη εκτίμηση δεικτών όπως του Δείκτη Υγιούς Βλάστησης (Vegetation Health Index, VHI) και του Δείκτη Εξάτμισης (Evaporative Stress Index, ESI) που δίνουν ενδείξεις ξηρασίας.

'''Διάγνωση φυτικών ασθενειών'''
Οι ασθένειες των φυτών συχνά επηρεάζουν τον ρυθμό διαπνοής και την κυκλοφορία νερού στους φυτικούς ιστούς. Οι Chaerle et al. (2004) ανέφεραν αλλαγές στις επιφανειακές θερμοκρασίες των καλλιεργειών εξαιτίας μολύνσεων από παθογόνα μικρόβια ή των αμυντικών μηχανισμών των φυτών, πριν ακόμη εκδηλωθούν τα συμπτώματα της ασθένειας. Οι θερμικές εικόνες θα μπορούσαν να χρησιμοποιηθούν για να εκτιμήσουν περιβαλλοντικές συνθήκες που ευνοούν την ανάπτυξη μολύνσεων των φυτών, όπως είναι η διάρκεια των υγρών περιόδων.

'''Χαρτογράφηση της υφής του εδάφους'''
Η υφή του εδάφους καθορίζει την δυνατότητα συγκράτησης νερού και επομένως επηρεάζει την επιφανειακή θερμοκρασία των καλλιεργειών. Με τη χρήση των θερμικών εικόνων τηλεπισκόπησης μπορεί να γίνει χαρτογράφηση της υφής του εδάφους. Οι Wang et al (2015) χρησιμοποιώντας εικόνες από το δορυφόρο MODIS παρήγαγαν χάρτες χωρικής κατανομής της υφής του εδάφους στην πεδιάδα του ποταμού Yangtze – Huai στην Ανατολική Κίνα.

'''Χαρτογράφηση του αποστραγγιστικού δικτύου'''
Έχει παρατηρηθεί διαφορά επιφανειακής θερμοκρασίας μεταξύ του εδάφους που αποστραγγίζεται μέσω δικτύου και του εδάφους που αποστραγγίζεται φυσικά. Οι διαφορετικές θερμοκρασίες οι οποίες αποτυπώνονται στις θερμικές εικόνες δορυφόρων μπορεί να βοηθήσουν την καλύτερη χαρτογράφηση του αποστραγγιστικού δικτύου.
Χαρτογράφηση της ωρίμανσης της γεωργικής παραγωγής
Για τις περισσότερες καλλιέργειες, ο ρυθμός αναπνοής μειώνεται καθώς η παραγωγή φτάνει στο στάδιο ωρίμανσης σε σύγκριση με το στάδιο ανάπτυξης. Λιγότερη αναπνοή οδηγεί σε υψηλότερες θερμοκρασίες. Έτσι, χρησιμοποιώντας θερμικές εικόνες, μπορεί να αναγνωριστεί το στάδιο της ανάπτυξης από το στάδιο της ωρίμανσης.

'''Χαρτογράφηση της απόδοσης της καλλιέργειας''':
Μέχρι σήμερα, έχουν πραγματοποιηθεί λίγες μελέτες για την χαρτογράφηση με θερμικές εικόνες της απόδοσης μιας καλλιέργειας. Οι Bulanon et al (2008) έδειξαν ότι με τη χρήση θερμικών εικόνων μπορούν να διακριθούν οι καρποί των εσπεριδοειδών από το υπόβαθρο. Έδειξαν ότι τη νύχτα οι καρποί έχουν κατά 1,6οC υψηλότερη θερμοκρασία από τα φύλλα, ενώ κατά τη διάρκεια της ημέρας, η θερμοκρασία διαφέρει λιγότερο, περίπου 0,5οC.

Παρόλο που η θερμική τηλεπισκόπηση βρίσκει σημαντικές εφαρμογές στη γεωργία ακριβείας υπάρχουν και κάποιοι περιορισμοί που πρέπει να λαμβάνονται υπόψη όπως:

1. Η χωρική και χρονική ανάλυση των εικόνων. Στις θερμικές εικόνες από δορυφόρους, το μέγεθος των εικονοστοιχείων (pixels) είναι μεγαλύτερο από ένα αγροτεμάχιο και στις περιπτώσεις αυτές δεν υπάρχει η δυνατότητα αξιοποίησης των εικόνων από τους γεωργούς για τη λήψη αποφάσεων. Για παράδειγμα, κάποιοι θερμικοί αισθητήρες που είναι τοποθετημένοι σε δορυφόρους με ημερήσιες λήψεις όπως οι MODIS, GOES, AVHRR, παρέχουν εικόνες με ανάλυση 1000 -4400m ενώ οι εικόνες στο ορατό, το εγγύς υπέρυθρο και το μέσο κοντινό υπέρυθρο έχουν ανάλυση 250 – 1000m. Σε ορισμένους δορυφόρους έχουν γίνει βελτιώσεις των θερμικών αισθητήρων π.χ Landsat 7 ΕΤΜ ανάλυση 60m, Landsat 8 ανάλυση 100m, ASTER ανάλυση 90m) αλλά οι δορυφόροι αυτοί επαναλαμβάνουν τις λήψεις κάθε 16 ημέρες. Για έναν γεωργό, η χαμηλή χωρική ανάλυση και χρονική συχνότητα αποτελούν σημαντικούς περιορισμούς.

2. Οι ατμοσφαιρικές συνθήκες

3. Η γωνία θέασης και το υψόμετρο των θερμικών αισθητήρων και

4. Το στάδιο ανάπτυξης των καλλιεργούμενων φυτών και η ποικιλία των φυτικών ειδών που υπάρχουν στην καλλιέργεια.

'''Συμπέρασματα''':
Η θερμική τηλεπισκόπηση βρίσκει πολλές εφαρμογές στη γεωργία ακριβείας αλλά υπάρχουν ακόμη αρκετοί περιορισμοί. Στο μέλλον, η εξέλιξη της τεχνολογίας των μη επανδρωμένων αέριων οχημάτων (UAV) πρόκειται να αυξήσει τη χρήση τους στη γεωργία ακριβείας σε σχέση με τους δορυφόρους και τα αεροπλάνα.

[[category:Γεωργία]]

Αρχείο:Rs wiki georgia akr.jpg

2018-02-22T18:51:52Z

Vasanag2: