Χαρτογράφηση μέγιστης θερμοκρασίας του αέρα σε αστικές περιοχές τις ζεστές μέρες του καλοκαιριού.
Από RemoteSensing Wiki
Πρωτότυπος τίτλος: Mapping maximum urban air temperature on hot summer days. Συγγραφείς: Hung Chak Ho, Anders Knudby, Paul Sirovyak, Yongming Xu, Matus Hodul, Sarah B. Henderson. http://www.sciencedirect.com/science/article/pii/S0034425714003095
7.1. Εισαγωγή
Η θερμοκρασία του αέρα κοντά στην επιφάνεια της γης, συγκεκριμένα στα πρώτα δύο μέτρα από αυτή, αποτελεί παράμετρο υψίστης σημασίας για τις μελέτες της μετεωρολογίας, του κλίματος και της περιβαλλοντικής υγείας (Garske et al. 2013, Katsouyanni et al. 1993, κτλ.). Προηγούμενες μελέτες έχουν χρησιμοποιήσει ευρέως τη θερμοκρασία του αέρα για την εκτίμηση της έντασης των αστικών θερμικών νησίδων (urban heat islands) (Kolokotroni et al. 2008), της ρύπανσης του αέρα (Koken et al. 2003) και της θνησιμότητας που σχετίζεται με τη ζέστη (Laaidi et al. 2012). Η συνήθης πρακτική για τη καταγραφή της θερμοκρασίας του αέρα είναι μέσω ειδικών οργάνων σε μετεωρολογικούς σταθμούς. Αυτές οι παρατηρήσεις ωστόσο έχουν τοπικό χαρακτήρα και δεν μπορούν να αποδώσουν τη χωρική ανομοιογένεια του φαινομένου, πόσο μάλλον σε περιοχές όπως τα αστικά κέντρα που αποτελούν θερμικά περίπλοκα περιβάλλοντα με έντονα χαρακτηριστικά μικροκλίματος. Αυτό το κενό προσπαθεί να καλύψει η επιστήμη της ψηφιακής τηλεπισκόπησης. Οι βασικές προσεγγίσεις που χρησιμοποιούνται μέχρι στιγμής για τη χαρτογράφηση της θερμοκρασίας από δεδομένα τηλεπισκόπησης είναι: a) ο δείκτης θερμοκρασίας-βλάστησης (Temperature-Vegetation Index, TVX), b) τα μοντέλα ενεργειακής ισορροπίας (energy balance models) και τέλος c) η στατιστική ανάλυση. Περιοχή μελέτης αποτελεί το Vancouver του Καναδά.
7.2. Μεθοδολογία
- 7.2.1. Δεδομένα
Τα δορυφορικά δεδομένα που χρησιμοποιήθηκαν στη παρούσα εργασία αποτελούνται από 6 εικόνες Landsat 5 TM και Landsat 7 ETM+ , χωρίς νεφοκάλυψη, από το 2001 έως το 2010, για τις θερμές καλοκαιρινές ημέρες (Τmax>28oC). Χρησιμοποιήθηκε επίσης DEM (Digital Terrain Model) στο οποίο πραγματοποιήθηκε αναδειγματοληψία προκειμένου να ταιριάξει στη διακριτική ικανότητα του θερμικού καναλιού (60μέτρα). Αρκετά χωρικά επίπεδα δεδομένων που προήλθαν από τις εικόνες Landsat καθώς και τα δεδομένα υψομέτρου χρησιμοποιήθηκαν σε μοντέλα παλινδρόμησης προκειμένου να χαρτογραφηθεί η μέγιστη θερμοκρασία. Συγκεκριμένα, πρόκειται για δείκτες όπως είναι οι: LST (εκτιμώμενος από το θερμικό κανάλι), NDWI-Normalized Difference Water Index, SVF–Sky View Factor, υψόμετρο και ηλιακή ακτινοβολία. Η πλειοψηφία των δεικτών αυτών προήλθε από κάθε εικόνα Landsat ξεχωριστά.
Μαζί με τα δεδομένα που προέκυψαν από τις δορυφορικές εικόνες, συγκεντρώθηκαν παρατηρήσεις της μέγιστης θερμοκρασίας από 59 μετεωρολογικούς σταθμούς στη περιοχή μελέτης, προκειμένου να ελεγχθούν τα μοντέλα παλινδρόμησης.
- 7.2.2. Επεξεργασία
Τα μοντέλα παλινδρόμησης, όπως αναφέρθηκε ήδη, κατασκευάστηκαν με χρήση τόσο δορυφορικών όσο και υψομετρικών δεδομένων, και χρησιμοποιήθηκαν αρχικά για να προβλέψουν τις θερμοκρασίες Tmax στις περιοχές των μετεωρολογικών σταθμών για τις έξι, υπό μελέτη, ημέρες. Οι τιμές αυτές έπειτα κανονικοποιήθηκαν με βάση τα αποτελέσματα των θερμοκρασιών όπως είχαν προκύψει από τις μετρήσεις των μετεωρολογικών σταθμών. Τελικώς, έξι χάρτες σχετικής θερμοκρασίας προέκυψαν για μία τυπική θερμή καλοκαιρινή ημέρα, με τη πρόβλεψη ανά πίξελ να βασίζεται στην εκάστοτε τιμή του DEM, του SVF, των δεικτών LST και NDWI (υπολογισμένων για περιοχή ακτίνας 100, 200, 400, 600 800 και 1000 μέτρων γύρω από κάθε πιξελ) και της ηλιακής ακτινοβολίας, δημιουργώντας τελικώς 15 παράγοντες πρόγνωσης. Τα στατιστικά μοντέλα που χρησιμοποιήθηκαν για τη πρόβλεψη της Tmax είναι τριών τύπων: 1) πολλαπλή γραμμική παλινδρόμηση με ελάχιστα τετράγωνα (ordinary least squares multiple linear regression), 2) μηχανής διανυσμάτων υποστήριξης (support vector machine-SVM), και 3) «τυχαίο δάσος» (random forest-RF).
Προκειμένου να ποσοτικοποιηθεί το λάθος των προβλέψεων, το εκάστοτε μοντέλο παλινδρόμησης βαθμονομήθηκε με χρήση παρατηρήσεων από όλους τους μετεωρολογικούς σταθμούς πλην ενός, του οποίου η τιμή χρησιμοποιήθηκε προκειμένου να συγκριθεί με την αντίστοιχη τιμή που προέκυψε από τα μοντέλα για να καθοριστεί το σφάλμα της πρόβλεψης. Η προσέγγιση αυτή εφαρμόστηκε για κάθε μία από τις τιμές των μετεωρολογικών σταθμών.
7.3. Αποτελέσματα
Τα αποτελέσματα που προέκυψαν καταδεικνύουν πως από τα τρία μοντέλα αυτό που έδωσε τα χαμηλότερα λάθη πρόβλεψης είναι το RF (RMSE=2.31oC). Κάποιοι από τους μετεωρολογικούς σταθμούς που υπολογίστηκαν και οι οποίοι ήταν σταθερά ψυχρότεροι ή θερμότεροι σε σχέση με τους σταθμούς αναφοράς, υπολογίστηκαν ικανοποιητικά, εν αντιθέσει με άλλους, κυρίως κοντά στον ωκεανό, οι οποίοι έδειξαν μεγαλύτερη μεταβλητότητα στις θερμοκρασίες και τελικώς μεγαλύτερα σφάλματα πρόβλεψης. Τέλος, υπήρξε και μικρός αριθμός σταθμών οι οποίοι δεν μπόρεσαν να προβλεφθούν ικανοποιητικά, κάτι που κάνει το μοντέλο μη αντιπροσωπευτικό για τη πρόβλεψη της θερμοκρασίας του αέρα στις συγκεκριμένες περιοχές. Σε γενικές γραμμές ωστόσο, το μοντέλο RF είναι σε θέση να αποδώσει ικανοποιητικά τη κατανομή των θερμοκρασιών της περιοχή σε χάρτη.
7.4. Συμπεράσματα
Γενικά, θα μπορούσε να ειπωθεί πως η προσέγγιση χωρικής παλινδρόμησης φαίνεται χρήσιμη για τη χαρτογράφηση της μεταβλητότητας της θερμοκρασίας του αέρα εντός της πόλης υπό μελέτη, ενώ μπορεί εύκολα να εφαρμοστεί σε άλλες πόλεις
