Πρόβλεψη εκτίμησης περιβαλλοντικών επιπτώσεων κάνοντας χρήση εικόνων τηλεπισκόπησης.
Από RemoteSensing Wiki
Πρόβλεψη εκτίμησης περιβαλλοντικών επιπτώσεων κάνοντας χρήση εικόνων τηλεπισκόπησης
Environmental impact prediction using remote sensing images
Συγγραφείς : Pezhman Roudgarmi, Masoud Monavari, Jahangir Feghhi, Jafar Nouri και Nematollah Khorasani
Πηγή : Springerlink
ΕΙΣΑΓΩΓΗ
Η πρόβλεψη προσχεδιασμένων και προγραμματισμένων επιδράσεων στο φυσικό περιβάλλον είναι ένα σημαντικό βήμα σε κάθε περιβαλλοντική εκτίμηση. Σημαντικό εργαλείο και πολύτιμη πηγή πληροφοριών, σε αυτή την προσπάθεια, αποτελούν οι δορυφορικές εικόνες. Για να προβλεφθούν οι περιβαλλοντικές επιδράσεις χρησιμοποιώντας τεχνικές τηλεπισκόπησης, είναι απαραίτητο να αποσπαστούν οι προσδοκώμενες περιβαλλοντικές πληροφορίες από δορυφορικές εικόνες, και να προετοιμαστούν τα δεδομένα του χάρτη ή του σχεδίου που επηρεάζουν το φυσικό περιβάλλον. Η μελέτη αποσκοπεί στην εισαγωγή τηλεσκοπικών εικόνων με χρονική σειρά για την πρόβλεψη περιβαλλοντικών επιπτώσεων και αλλαγών (Εικόνα 1) και την παρουσίαση μιας νέας και αποτελεσματικής μεθοδολογία που θα προβλέπει τις επιδράσεις των σχεδίων ανάπτυξης.
ΜΕΘΟΔΟΛΟΓΙΑ
Η περιπτωσιολογική μελέτη διεξείχθει στο Ιράν και πιο συγκεκριμένα στην περιοχή Ρομπατκαριμ, νοτιοδυτικά της Τεχεράνης (Εικόνα 2). Χρησιμοποιήθηκαν εικόνες ΤΜ και ΕΤΜ+ για τη μελέτη μεταβολών στην εδαφοκάλυψη και των επιδράσεων της ανάπτυξης στο χρόνο. Επιλέχθηκαν από δυο δορυφορικές εικόνες για τα έτη 1986, 1998, 2000, 2002 και 2004.
ΔΙΟΡΘΩΣΗ ΕΙΚΟΝΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ
Γεωμετρική διόρθωση
Η γεωμετρική διόρθωση επανορθώνει παραμορφώσεις των εικόνων που προκλήθηκαν από αποτυχία του αισθητήρα, προβλήματα του σαρωτή και από την καμπυλότητα της γης.
Ραδιομετρική διόρθωση
Η ραδιομετρική διόρθωση κρίνεται απαραίτητη καθώς οι εικόνες προέρχονται από διαφορετικές χρονικές περιόδους και πιθανότατα έχουν διαφορετικές ραδιομετρικές ιδιότητες. Για τη διόρθωση των σφαλμάτων οι ψηφιακοί αριθμοί αρχικά μετατρέπονται σε ακτινοβολία και στη συνέχεια σε αντανάκλαση αφαιρώντας τις επιδράσεις των χαρακτηριστικών που μεταβάλλονται. Δίνεται πλέον η δυνατότητα σύγκρισης του φαινομένου της αντανάκλασης μεταξύ διαφορετικών εικόνων αλλά και της ίδιας εικόνας σε διάφορες χρονικές στιγμές. Η όλη διαδικασία ολοκληρώθηκε μέσω του λογισμικού ENVI.
Βελτίωση εικόνων τηλεπισκόπησης
Χρήση των χρωματικών σύνθετων 4-3-2 και 3-4-7 (Κ-Π-Μ) σε εικόνες ΕΤΜ+ κατά την ταξινόμηση. Οι τύποι χρήσεων γης και εδαφοκάλυψης της περιοχής μελέτης καθορίστηκαν με μεθόδους οπτικής ερμηνείας των εικόνων. Στην οπτική ερμηνεία, η ταξινόμηση βασίζεται στα χαρακτηριστικά του τοπίου, το μέγεθος, τη γενική εικόνα και το χρώμα των χαρακτηριστικών. Οι στρατηγικές ερμηνείας περιλαμβάνουν πεδία παρακολούθησης, άμεση αναγνώριση και φωτομορφική ανάλυση των περιοχών.
Μετρήσεις πεδίου
Η δειγματοληψία διενεργείται εντός 35 πλαισίων τυχαίας επιλογής (30μ×30μ) σε κάθε ένα από τα οποία χρησιμοποιήθηκαν 10 τυχαία σημεία παρατήρησης πάνω στις διαγώνιες του πλαισίου. Η εικόνα 3 δείχνει τις τοποθεσίες των σημείων παρατήρησης για κάθε πλαίσιο.
Παλινδρόμηση
Χρήση μοντέλων παλινδρόμησης για τον καθορισμό των εξαρτημένων μεταβλητών Ψ από τις ανεξάρτητες Χ με βάση το στατιστικό πακέτο SPSS 11.5.0.
ΑΠΟΤΕΛΕΣΜΑΤΑ
Εκτίμηση ακρίβειας ταξινόμησης
Οι κατηγορίες μελέτης ήταν εκτάσεις με φυσική φυτοκάλυψη, οικοδομικές και καλλιεργήσιμες εκτάσεις. Η ακρίβεια (Πίνακας 1) αναφέρεται στο ποσοστό των πίξελ, που ανήκουν σε μια συγκεκριμένη κατηγορία, και τα οποία έχουν ταξινομηθεί ορθώς. Η μέση ακρίβεια υπολογίστηκε 84,10% και περιγράφει τις συνολικές τιμές στη στήλη της ακρίβειας προς τον αριθμό των κατηγοριών του συνολικού ελέγχου. Η συνολική ακρίβεια ήταν 86,51%, κάτι που αντανακλά την αναλογία των συνολικά ορθά ταξινομημένων πίξελ προς το συνολικό αριθμό των πίξελ. Σύμφωνα με τα αποτελέσματα του πίνακα αναγνώρισης σφαλμάτων η ταξινόμηση των δορυφορικών εικόνων είναι εξαιρετικά χρήσιμη.
Μοντέλα παλινδρόμησης για την πρόβλεψη επιπτώσεων στη φυτοκάλυψη των περιοχών
Ένα μοντέλο παλινδρόμησης με τα μεγαλύτερα επίπεδα σημαντικότητας παρουσιάζεται με βάση το R και το R2, περιλαμβάνοντας τις απαιτήσεις για πρόβλεψη επιπτώσεων όπως να προβλέπει τη μελλοντική και χρονική σημαντικότητα.
Εκτίμηση βιομάζας από δορυφορικές εικόνες
Η μελέτη των επιπτώσεων της ανάπτυξης στη βιομάζα των φυτών και στο ποσοστό σκίασης της βλάστησης διενεργήθηκε με 30 δείγματα βιομάζας και ποσοστά σκίασης, τα οποία χρησιμοποιήθηκαν για την εξασφάλιση μοντέλων παλινδρόμησης. Τα αποτελέσματα της παλινδρόμησης, των ετών 1986, 1998, 2000, 2002 και 2004, μεταξύ της βιομάζας και του ποσοστού σκίασης της βλάστησης μελετήθηκαν από τους δείκτες SAVI και NDVI. Σύμφωνα με τα μοντέλα παλινδρόμησης, καμία σημαντικότητα δεν εμφανίστηκε μεταξύ των δεικτών SAVI και NDVI και της κάλυψης από τη σκίαση. Όμως προέκυψαν ορισμένες κατάλληλες εξισώσεις παλινδρόμησης μεταξύ των δεικτών SAVI και NDVI και της βιομάζας. Κανένας υπολογισμός δεν είχε γίνει για το ποσοστό της σκίασης της βλάστησης και κανένα μοντέλο πρόβλεψης δεν είχε αναπτυχθεί για αυτό. Η συνολική βιομάζα σε κάθε πίξελ δορυφορικής εικόνας είχε ληφθεί σε σχέσεις παλινδρόμησης. Για την εκτίμηση της ακρίβειας των μοντέλων παλινδρόμησης κατά τον υπολογισμό της ποσότητας βιομάζας 10 δείγματα μετρήθηκαν ως έλεγχος της βιομάζας σε μετρήσεις πεδίου. Για τον καθορισμό της σημαντικότητας της διαφοράς μεταξύ των εκτιμώμενων και υπολογισμένων τιμών (δείγματα ελέγχου) εφαρμόστηκε η μέθοδος t-test paired samples (Πίνακας 2), με μηδενική υπόθεση, η οποία έγινε αποδεκτή, ότι δεν υπάρχει σημαντική διαφορά μεταξύ των μέσων όρων βιομάζας. Το επίπεδο ακρίβειας σε αυτό το τεστ ήταν σημαντικό σε επίπεδα 0,05. Όπως παρατηρείται στον Πίνακα 2, η ποσότητα 0 τοποθετείται στο διάστημα εμπιστοσύνης της διαφοράς, επιβεβαιώνοντας το λόγο που επιλέχθηκε η μηδενική υπόθεση.
Μοντέλα παλινδρόμησης για την πρόβλεψη των επιπτώσεων στη βιομάζα
Χρησιμοποιούνται ανεξάρτητες παράμετροι ως παράγοντες ανάπτυξης (Πίνακας 3) για την πρόβλεψη των συνεπειών της ανάπτυξης στη βιομάζα της βλάστησης της περιοχής, μέσω των μοντέλων παλινδρόμησης. Οι ανεξάρτητες παράμετροι εισάγονται στη διαδικασία της παλινδρόμησης μέσω του στατιστικού πακέτου SPSS, ενώ ακόμη τέσσερεις παράμετροι επιλέγονται από το λογισμικό. Το μοντέλο παλινδρόμησης για την πρόβλεψη των επιπτώσεων της ανάπτυξης στη φυσική φυτοκάλυψη σχετίζεται με τη βιομάζα, η οποία θεωρείται εξαρτημένη παράμετρος.
ΣΥΖΗΤΗΣΗ
Το κυριότερο χαρακτηριστικό της μεθόδου είναι η ικανότητα ποσοτικής πρόβλεψης των περιβαλλοντικών συνεπειών, ενώ είναι περισσότερο εφαρμόσιμη και λιγότερο χρονοβόρα. Αναλογιζόμενοι την ταξινόμηση η μεθοδολογία που προκύπτει μπορεί να κατηγοριοποιηθεί και στην πειραματική προσέγγιση (σχεδιάζει ότι θα αποκαλυφθεί η καλύτερη δυνατή επιλογή) αλλά και στην εμπειρική (εξέταση αποτελεσμάτων του παρελθόντος που προέρχονται από παρόμοιες καταστάσεις). Η παρούσα μελέτη αποκαλύπτει ότι ο συνδυασμός διαφορετικών προσεγγίσεων είναι πιθανό να λειτουργεί καλύτερα από την ξεχωριστή (ατομική) προσέγγιση για την πρόβλεψη των περιβαλλοντικών επιπτώσεων. Οι εικόνες και οι τεχνικές τηλεπισκόπησης χρησιμοποιούνται για να ληφθούν περιβαλλοντικά δεδομένα με σωστή χρονική σειρά. Τα μοντέλα της παλινδρόμησης χρησιμοποιούνται για τη μοντελοποίηση των επιδράσεων με σκοπό την ποσοτική πρόβλεψη των αποτελεσμάτων. Η συνιστώμενη μεθοδολογία μπορεί επίσης να αναπτυχθεί και για άλλα περιβαλλοντικά στοιχεία (Εικόνα 4).
ΣΥΜΠΕΡΑΣΜΑΤΑ
Τα αποτελέσματα της παρούσας έρευνας αποκάλυψαν ότι τα δεδομένα τηλεπισκόπησης με χρονολογική σειρά θα μπορούσαν να χρησιμοποιηθούν για να προβλέψουν τις περιβαλλοντικές επιπτώσεις. Επομένως η μεθοδολογία προτείνεται για μελέτες πρόβλεψης των περιβαλλοντικών επιπτώσεων σε άλλες περιοχές και με διαφορετικά διαθέσιμα στοιχεία.
