Εκτίμηση της Καλλιέργειας Ελαιοκράμβης στο Τέλος της Χειμερινής Περιόδου με τη Χρήση Αεροδιαστημικών Τεχνικών
Από RemoteSensing Wiki
Alexandra Trif, Mihai Gîdea
Link: [1]
Λέξεις - Κλειδιά: Γεωργία, Βλάστηση, Εργαλεία Γ.Σ.Π., Τηλεπισκόπηση
Σκοπός
Η εργασία αυτή έχει σκοπό την αξιολόγηση και τη χρήση σύγχρονων τεχνολογιών όπως τα Γεωγραφικά Πληροφοριακά Συστήματα, η τηλεπισκόπηση, οι δορυφορικές φωτογραφίες κ.α. για την παρακολούθηση των αγροτικών καλλιεργειών. Οι περιοχές της μελέτης χωρίζονται σε δύο ζώνες καλλιέργειας ελαιοκράμβης οι οποίες υφίστανται το φαινόμενο των χαμηλών θερμοκρασιών κατά τη διάρκεια του χειμώνα. Η κερδοφορία μίας καλλιέργειας και ο βαθμός καταστροφής της μετά την περίοδο του χειμώνα είναι ένα σημαντικό ερώτημα που καθορίζει την αγροτική ανάπτυξη. Ο συνδυασμός δύο μεθόδων για το προσδιορισμό της επηρεαζόμενης περιοχής μπορεί να δώσει ασφαλή συμπεράσματα σχετικά με την αποτελεσματικότητας μιας καλλιέργειας. Η μία μέθοδος αφορά τη χρήση και την επεξεργασία δεδομένων με τεχνολογία συνδιασμού GPSκαι GISενώ η άλλη μέθοδος χρησιμοποιεί δορυφορικές φωτογραφίες και ειδικό λογισμικό για την επεξεργασία των δεδομένων.Αυτά τα δεδομένα χρησιμοποιούνται για να κατατάξουν τα εικονοστοιχεία και να καθοριστεί η συνολικά επηρεαζόμενη περιοχή. Στη συνέχεια τα αποτελέσματα από τις δύο μεθόδους συγκρίνονται και καθορίζεται με βάση την αποτελεσματικότητα των μεθόδων το εύρος των επηρεαζόμενων ζωνών από φυσικά φαινόμενα όπως ξηρασία, βροχόπτωση, θύελλες κ.α.
Μέθοδος
Επιλέχθηκε περιοχή καλλιέργειας ελαιοκράμβης που έχει πληγεί από τις χαμηλές θερμοκρασίες κατά τη διάρκεια του χειμώνα και έχουν προκληθεί ζημιές. Η απόδοση αυτής της περιοχής αναμένεται χαμηλή εξαιτίας αυτών των ζημιών σε σχέση με περιοχές που επηρεάστηκαν λιγότερο. Για τον καθορισμό με ακρίβεια της έκτασης των βλαβών στη καλλιέργεια χρησιμοποιήθηκαν σε συνδυασμό κλασσικές μέθοδοι με με προηγμένες τεχνολογίες. Συνδυάστηκαν τεχνολογία GPS-RTK, εργαλεία Γεωγραφικών Πληροφοριακών Συστημάτων, δορυφορικές εικόνες και εικόνες που έχουν ληφθεί με Drones. Η ζώνη 1 έχει επιφάνεια 790 Χ 75 m και η ζώνη 2 έχει εμβαδόν επιφανείας 100 m2 και στις δύο ζώνες υπάρχουν καλλιέργειες ελαιοκράμβης. Αξιοποιήθηκε η τεχνολογία GPS R4-Trimble L1 + 12 για τη ανάπτυξη του πλέγματος και για να εντοπιστούν τα σημεία σε αυτό. Το ArcMap 10.1 χρησιμοποιήθηκε για την επεξεργασία των δεδομένων ενώ προστέθηκαν επίσης δορυφορικές εικόνες από τον Landsat με ανάλυση των 30 μέτρων και για τις δύο ζώνες, μαζί με δορυφορικές εικόνες από Sentinel 2 με ανάλυση 10 μέτρα. Χρησιμοποιήθηκε επίσης το LeoWorks 4.0 για την επεξεργασία των εικόνων ενώ το drone που χρησιμοποιήθηκε για τις βιντεοσκοπήσεις είναι το Phantom 3 Professional.
Αποτελέσματα
Ο προσδιορισμός της περιοχής πραγματοποιήθηκε με τη χρήση του βασικού χάρτη από το ArcGIS. Δημιουργήθηκε ένα πλέγμα με σημεία κάθε 5 μέτρα για τη ζώνη 1 και με σημεία κάθε 1 μέτρο για τη ζώνη 2. Χαρτογραφήθηκαν επίσης οι συντεταγμένες (X, Y) στον πίνακα ιδιοτήτων. Η στήλη Ζ αντιπροσωπεύει το βαθμό της βλάστησης στο αντίστοιχο σημείο. Το drone πέταξε πάνω από την επιφάνεια σε 3 λωρίδες και σε υψόμετρο 10 μέτρων (Εικόνα 4). Το Στερεογραφικο Σύστημα 1970 έχει χρησιμοποιηθεί για την επεξεργασία των πλεγμάτων, τα οποία στη συνέχεια εξάγονται σε σύστημα WGS 84 για χρήση με GPS. Τα σημεία στο χώρο προσδιορίστηκαν με τη χρήση αισθητήρα Trimble. Έτσι, θα μπορούν να παρθούν φωτογραφίες με τη βοήθεια ενός προτύπου πλαισίου 50 Χ 50 cm, για την αξιολόγηση του αριθμού των ανεπηρέαστων φυτών. Η στήλη Ζ συμπληρώθηκε με το βαθμό της βλάστησης των ανεπηρέαστων φυτών για κάθε σημείο. Στη συνέχεια τα εικονοστοιχεία ταξινομήθηκαν. Χρησιμοποιήθηκαν διαφορετικές αποχρώσεις του πράσινου, από ελαφρύτερα σε σκουρότερο, το ελαφρύτερο για τις ζώνες με τα φυτά που έχουν πληγεί λιγότερο, και το σκουρότερο αντίστοιχα για αυτά που έχουν πληγεί περισσότερο (Εικόνα 3). Συνολικά 29 από τις 81 ζώνες ήταν χωρίς βλάστηση (φαίνονται με ανοιχτό πράσινο), 20 από τις 81 ζώνες ήταν με μερική κάλυψη από βλάστηση, 8 από τις 81 ζώνες ήταν με 50% βλάστηση και 24 από τις 81 ζώνες ήταν με 60% βλάστηση (αναπαράσταση με σκούρο πράσινο ) (Εικόνα 5).
Τα αποτελέσματα που ελήφθησαν στην περίπτωση της ζώνης 1, με χρήση της πρώτης κλασσικής μεθόδου έχουν ως εξής: 218 από τις 2370 ζώνες ήταν χωρίς βλάστηση , 283 από τις 2370 ζώνες ήταν με μερική βλάστηση, 107 από τις 2370 ζώνες ήταν με βλάστηση μέχρι 50% και 1762 από τις 2370 ζώνες ήταν με βλάστηση πάνω από 60% (εικόνα 6).
Το drone αξιοποιήθηκε για την επικύρωση των αποτελεσμάτων που ελήφθησαν, και σε σύγκριση με όσα έδειξε ο δορυφόρος. Η δεύτερη λοιπόν μέθοδος παρακολούθησης είναι αυτή που χρησιμοποιεί δορυφορικές εικόνες από τους δορυφόρους Landsat και Sentinel 2, με αναλύσεις των 30 και 10 μετρων αντίστοιχα. Στη συνέχεια χρησιμοποιείται το LeoWorks για την ταξινόμηση και συγκέντρωση των εικονοστοιχείων έτσι ώστε να προσδιοριστεί η συνολική περιοχή που επηρεάστηκε από τον παγετό. Έτσι, μπορούμε να παρατηρήσουμε στη εικόνα 7, το αποτέλεσμα που προκύπτει μετά την πρώτη μη επιβλεπόμενη ταξινόμηση με 14 τάξεις και 30 επαναλήψεις, μετά γίνεται αλλαγή της παλέτας των χρωμάτων για να συμπέσει με εκείνο που χρησιμοποιείται στην πρώτη μέθοδο, έτσι ώστε να κάνει τη σύγκριση όσο το δυνατόν ακριβέστερη. Χρησιμοποιώντας την πρώτη μέθοδο εντοπίστηκε συνολικά προσβεβλημένη περιοχή 0,77 εκταρίων στα 5,9 εκτάρια ζωνών χωρίς βλάστηση, 0,74 εκτάρια προσβεβλημένων μερικώς ζωνών στα 5,9 εκτάρια για την περίπτωση της ζώνης 1, και μια πληγείσα περιοχή 41 m2 στα 100 m2 στις ζώνες χωρίς βλάστηση για τη ζώνη 2. Χρησιμοποιώντας τη δεύτερη μέθοδο λάβαμε μια επιφάνεια 1,47 εκταρίων στα 5,9 εκτάρια για την πρώτη ζώνη και μία επιφάνεια 57 m2 στα 100 m2 για τη ζώνη 2 Τα αποτελέσματα διαφέρουν ελάχιστα, με την πρώτη μέθοδο να είναι πιο ακριβή.
Επίλογος
Ο συνδυασμός των σύγχρονων τεχνολογιών όπως GPS, GIS και τηλεκατευθυνόμενων αεροσκαφών (drones) μπορεί αποτελεσματικά να παρακολουθήσει την βλάστηση σε μία καλλιέργεια ελαιοκράμβης στο τέλος της χειμερινής περιόδου. Ανάλογα με το μέγεθος της ζώνης καλλιέργειας μπορεί να χρησιμοποιηθεί οποιαδήποτε από τις παραπάνω μεθόδους. Τα αποτελέσματα της παρούσας εργασία οδηγούν στο συμπέρασμα πως για μικρές περιοχές καλλιέργειας μπορεί να χρησιμοποιηθεί αποτελεσματικά η κλασσική μέθοδος GPS-GIS, ενώ για μεγαλύτερες επιφάνειες προτείνεται η χρήση δορυφορικών εικόνων ή εικόνων που έχουν ληφθεί με drones. Περεταίρω για τον προσδιορισμό των περιοχών που έχουν υποστεί βλάβη, η μέθοδος των μη επανδρωμένων αεροσκαφών κρίνεται αποτελεσματικότερη αφού δεν απαιτεί μεγάλο χρονικό διάστημα παραμονής στο χώρο για επόπτευση σε αντίθεση με την κλασσική μέθοδο.
