ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΓΕΩΛΟΓΙΑΣ ΘΕΜΑ: «ΚΑΤΑΓΡΑΦΗ ΧΡΗΣΕΩΝ ΓΗΣ & ΚΑΛΥΨΕΩΝ ΓΗΣ ΜΕ ΔΟΡΥΦΟΡΙΚΑ ΠΟΛΥΦΑΣΜΑΤΙΚΑ ΔΕΔΟΜΕΝΑ»

Transcript

1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΓΕΩΛΟΓΙΑΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΓΕΩΕΠΙΣΤΗΜΕΣ & ΠΕΡΙΒΑΛΛΟΝ» ΚΑΤΕΥΘΥΝΣΗ: «ΕΦΑΡΜΟΣΜΕΝΗ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗ ΓΕΩΛΟΓΙΑ ΚΑΙ ΓΕΩΦΥΣΙΚΗ» ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΑΤΡΙΒΗ ΘΕΜΑ: «ΚΑΤΑΓΡΑΦΗ ΧΡΗΣΕΩΝ ΓΗΣ & ΚΑΛΥΨΕΩΝ ΓΗΣ ΜΕ ΔΟΡΥΦΟΡΙΚΑ ΠΟΛΥΦΑΣΜΑΤΙΚΑ ΔΕΔΟΜΕΝΑ» ΚΩΣΤΑΡΑΣ ΑΛΕΞΑΝΔΡΟΣ Συμβουλευτική Επιτροπή Αναπληρωτής Καθηγητής Νικολακόπουλος Κωνσταντίνος (Επιβλέπων) Καθηγητής Σαμπατακάκης Νικόλαος Καθηγητής Παππάς Βασίλειος ΣΕΠΤΕΜΒΡΙΟΣ 2017

2 ΕΥΧΑΡΙΣΤΙΕΣ Η παρούσα μεταπτυχιακή διπλωματική εργασία πραγματοποιήθηκε στα πλαίσια του ΠΜΣ «Γεωεπιστήμες και Περιβάλλον», κατεύθυνση «Εφαρμοσμένη Περιβαλλοντική Γεωλογία και Γεωφυσική», του Τμήματος Γεωλογίας, του Πανεπιστημίου Πατρών. Στο σημείο αυτό αισθάνομαι την ανάγκη να ευχαριστήσω τον επιβλέποντα καθηγητή Κ. Νικολακόπουλο, όχι μόνο για την ανάθεση της συγκεκριμένης εργασίας, αλλά και για την αρωγή και υπομονή που υπέδειξε στο πρόσωπο μου καθ όλη τη διάρκεια εκπόνησης της εργασίας. Ακόμα, θα ήθελα να εκφράσω τις θερμές ευχαριστίες μου στους καθηγητές Ν. Σαμπατακάκη και Β. Παππά για τον χρόνο που αφιέρωσαν στην ανάγνωση της εργασίας και την συμμετοχή τους στην επιτροπή, καθώς και ευρύτερα για την υποστήριξη και τις χρήσιμες συμβουλές τους σε ολόκληρο τον μεταπτυχιακό κύκλο σπουδών μου. Τέλος, χρωστάω μεγάλη ευγνωμοσύνη ιδιαίτερα στην οικογένεια μου, για την συνεχή συμπαράσταση που υπέδειξαν σε όλη την διάρκεια περάτωσης της εργασίας, καθώς επίσης και όλους τους συμφοιτητές μου, για την αρμονική συνεργασία και συμβολή τους με κάθε τρόπο. 1

3 ΠΕΡΙΛΗΨΗ Στην συγκεκριμένη διπλωματική εργασία διερευνάται η καταγραφή κάλυψης γης σε ολόκληρη την Περιφέρεια Δυτικής Ελλάδος για την περίοδο Μαΐου-Οκτωβρίου του 2015 που πραγματοποιήθηκαν οι υπαίθριες παρατηρήσεις, στο πλαίσιο του ευρωπαϊκού ερευνητικού προγράμματος LUCAS Στα πρώτα έξι κεφάλαια αναπτύσσονται θεωρητικές έννοιες επιστημονικών πεδίων και ορολογίες που σχετίζονται άμεσα με το αντικείμενο μελέτης. Πιο συγκεκριμένα, στο εισαγωγικό κεφάλαιο αναλύονται οι έννοιες της χρήσης και κάλυψης γης, ενώ προσδιορίζονται τόσο ο σκοπός, όσο και το αντικείμενο της μελέτης. Το δεύτερο κεφάλαιο αναφέρεται στις γενικές αρχές της τηλεπισκόπησης, όπως το ηλεκτρομαγνητικό φάσμα και τα ηλεκτρομαγνητικά κύματα, καθώς και τα όργανα καταγραφής τους. Στο επόμενο κεφάλαιο αναλύεται η ταξινόμηση πολυφασματικών εικόνων, με έμφαση στην μεθοδολογία της επιβλεπόμενης ταξινόμησης που εφαρμόστηκε στην μελέτη. Στο τέταρτο και πέμπτο κεφάλαιο αναφέρονται εκτενείς λεπτομέρειες των χαρακτηριστικών που διακρίνουν τα δορυφορικά προγράμματα Landsat και Sentinel αντίστοιχα, από τα οποία χρησιμοποιήθηκαν οι δορυφορικές εικόνες που εφαρμόστηκαν στις ταξινομήσεις της μελέτης. Στο έκτο κεφάλαιο αναπτύσσονται ενδελεχώς οι έννοιες, τα στάδια εξέλιξης, η διαδικασία συλλογής δεδομένων και το σύστημα ταξινόμησης που ακολουθείται στο πλαίσιο του ευρωπαϊκού ερευνητικού προγράμματος LUCAS Για την καταγραφή της κάλυψης γης της μελετώμενης περιοχής χρησιμοποιήθηκαν τέσσερις δορυφορικές εικόνες, δύο του δορυφόρου Landsat 8 και δύο του δορυφόρου Sentinel 2. Οι ημερομηνίες λήψης των εικόνων ήταν οι κοντινότερες στο χρονικό διάστημα των υπαίθριων παρατηρήσεων, καλύπτοντας παράλληλα τις απαιτήσεις παντελούς έλλειψης νεφοκάλυψης στην περιοχή. Η επεξεργασία και η ταξινόμηση των δορυφορικών προϊόντων του δορυφόρου Landsat 8 και Sentinel 2 πραγματοποιήθηκαν με τη βοήθεια του λογισμικού Erdas Imagine 2010, με εξαίρεση τη μετατροπή των ληφθεισών εικόνων Sentinel 2 από μορφή JPEG2000 σε μορφή TIFF, που έγινε σε πρώτη φάση στο προγραμματιστικό εργαλείο Snap Desktop. Η στατιστική ανάλυση των αποτελεσμάτων της επιβλεπόμενης ταξινόμησης για κάθε εικόνα και κάθε μέθοδο, σε σύγκριση με τα αποτελέσματα των παρατηρήσεων της χαρτογράφησης, πραγματοποιήθηκε με τη βοήθεια του λογισμικού ArcMap και του υπολογιστικού προγράμματος Excel. Τέλος, παρουσιάζονται αναλυτικά τα αποτελέσματα καθώς και τα συμπεράσματα που προέκυψαν μετά από την επεξεργασία των αποτελεσμάτων των ταξινομήσεων. 2

4 ABSTRACT In this diploma thesis, the land cover classification throughout the Region of Western Greece is explored, during the period of the realization of field observations, in the framework of the European research program LUCAS The theoretical concepts of scientific fields and terminologies that are directly related to the subject of study are developed in the first six chapters. More specifically, the concepts of land use and land cover are analyzed in the introductory chapter, while the aim and object of the study are also determined. The second chapter refers to the general principles of remote sensing, such as electromagnetic spectrum and electromagnetic waves, as well as their recording instruments. The next chapter analyzes the classification of multi-spectral images, emphasizing the methodology of the supervised classification applied in the study. In the fourth and fifth chapter, extensive details of the distinctive characteristics of the Landsat and Sentinel satellite programs respectively are mentioned, by which the satellite pictures were taken in order to be applied to the classifications of this study. In the sixth chapter the concepts, the stages of development, the data collection process and the classification system used in the framework of the European research program LUCAS 2015, are all thoroughly developed. For the classification of the land cover in the study area four satellite images were used, two Landsat 8 and two Sentinel 2. The dates of acquisition were the closest in the time of the field observations and fulfilled the requirements of total lack of cloud cover in the area. The processing and classification of satellite products of the Landsat 8 and Sentinel 2 satellites were carried out with the aid of Erdas Imagine 2010 software. For the conversion of Sentinel 2 images from JPEG2000 format to TIFF format, Snap Desktop programming tool was used. The statistical analysis of the results of the supervised classification for each image and each method compared to the results of mapping observations was carried out with the help of ArcMap software and Excel. Finally, the classifications results, as well as the respective conclusions after the process of the received data are presented. 3

5 Πίνακας περιεχομένων ΕΥΧΑΡΙΣΤΙΕΣ... 1 ΠΕΡΙΛΗΨΗ... 2 ABSTRACT... 3 Πίνακας περιεχομένων ΕΙΣΑΓΩΓΗ Έννοιες και διαφορές χρήσης/κάλυψης γης Χαρτογράφηση κάλυψης/χρήσης γης από δορυφορικά δεδομένα Ο σκοπός και το αντικείμενο της εργασίας ΓΕΝΙΚΕΣ ΑΡΧΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ Εισαγωγικές έννοιες Κύρια χαρακτηριστικά των οργάνων καταγραφής Ηλεκτρομαγνητικό φάσμα και κατηγορίες ηλεκτρομαγνητικών κυμάτων 14 3.ΤΑΞΙΝΟΜΗΣΗ ΠΟΛΥΦΑΣΜΑΤΙΚΩΝ ΕΙΚΟΝΩΝ Εισαγωγή Ψηφιακή ταξινόμηση Μεθοδολογία Επιβλεπόμενης Ταξινόμησης Ευκλείδια Απόσταση (Euclidean Distance) Ελάχιστη Απόσταση (Minimum Distance) Απόσταση Mahalanobis (Mahalanobis Distance) Ταξινόμηση Μέγιστης Πιθανοφάνειας (Maximum Likelihood Classification) Μεθοδολογία μη Επιβλεπόμενης Ταξινόμησης Πρόγραμμα δορυφόρων Landsat (USGS) Ιστορική εξέλιξη Δορυφορικό Πρόγραμμα Landsat Γενικές πληροφορίες Εισαγωγή Τεχνικά χαρακτηριστικά Επίπεδα επεξεργασίας δεδομένων Τύποι αρχείων

6 4.2.4 Operational Land Imager (OLI) Thermal InfraRed Sensor (TIR) Πρόγραμμα Copernicus (Κοπέρνικος) Γενικές πληροφορίες Ιστορική εξέλιξη/χαρακτηριστικά αποστολών Δορυφορική αποστολή Sentinel Γενικές πληροφορίες Εισαγωγή Τεχνικά Χαρακτηριστικά LUCAS (Land Use and Land Cover Survey) EUROSTAT Γενικές πληροφορίες μελέτης LUCAS Στάδια εξέλιξης Διαδικασία συλλογής δεδομένων σημείου LUCAS Μεθοδολογία Σύστημα Ταξινόμησης χρήσης/κάλυψης γης του LUCAS Κάλυψη Γης Χρήση Γης ΠΕΡΙΠΤΩΣΗ ΜΕΛΕΤΗΣ : ΕΠΙΒΛΕΠΟΜΕΝΗ ΤΑΞΙΝΟΜΗΣΗ ΚΑΛΥΨΗΣ ΓΗΣ ΣΤΗΝ ΠΕΡΙΦΕΡΕΙΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΟΣ Περιγραφή γενικών χαρακτηριστικών της Περιφέρειας Δυτικής Ελλάδος Μεθοδολογία Λήψη δορυφορικών εικόνων Sentinel Λήψη δορυφορικών εικόνων Landsat Συγχώνευση καναλιών Layer Stack Επεξεργασία Φασματικών ζωνών των δορυφορικών εικόνων Sentinel Δημιουργία μωσαϊκών περιοχής μελέτης Δεδομένα Μετρήσεων Lucas Επιβλεπόμενη Ταξινόμηση Περιοχές Εκπαίδευσης Training Fields Eντολές Επιβλεπόμενης Ταξινόμησης Αποτελέσματα Επιβλεπόμενης Ταξινόμησης Έλεγχος αποτελεσμάτων ταξινόμησης & υπαίθριων παρατηρήσεων σημείων LUCAS

7 7.12 Συγκεντρωτικά στατιστικά αποτελέσματα ανά πλήθος εκπαιδευτικών περιοχών για κάθε κατηγορία κλάσης Αποτελέσματα επιβλεπόμενων ταξινομήσεων για όλες τις δορυφορικές εικόνες/9 σημεία ανά κατηγορία κλάσης (3 σημεία για κάθε Περιφ. Ενότητα) Αποτελέσματα επιβλεπόμενων ταξινομήσεων για όλες τις δορυφορικές εικόνες/15 σημεία ανά κατηγορία κλάσης (5 σημεία για κάθε Περιφ. Ενότητα) Αποτελέσματα επιβλεπόμενων ταξινομήσεων για όλες τις δορυφορικές εικόνες/21 σημεία ανά κατηγορία κλάσης (7 σημεία για κάθε Περιφ. Ενότητα) Συμπεράσματα Γενική αναφορά Σχολιασμός γενικών συμπερασμάτων και ανασταλτικών παραγόντων...89 ΠΑΡΑΡΤΗΜΑ Π.1 Αποτελέσματα επιβλεπόμενων ταξινομήσεων για όλες τις δορυφορικές εικόνες/9 σημεία ανά κατηγορία κλάσης (3 σημεία για κάθε Περιφ. Ενότητα) 91 Π.2 Αποτελέσματα επιβλεπόμενων ταξινομήσεων για όλες τις δορυφορικές εικόνες/15 σημεία ανά κατηγορία κλάσης (3 σημεία για κάθε Περιφ. Ενότητα) Π.3 Αποτελέσματα επιβλεπόμενων ταξινομήσεων για όλες τις δορυφορικές εικόνες/21 σημεία ανά κατηγορία κλάσης (3 σημεία για κάθε Περιφ. Ενότητα) ΒΙΒΛΙΟΓΡΑΦΙΑ

8 1.ΕΙΣΑΓΩΓΗ 1.1 Έννοιες και Διαφορές χρήσης/κάλυψης γης Η γνώση της χρήσης και της κάλυψης γης είναι σημαντική για πολλές δραστηριότητες σχεδιασμού και διαχείρισης και θεωρείται ουσιαστικό στοιχείο για τη μοντελοποίηση και κατανόηση της γης ως ενιαία οντότητα [1]. Ως «Κάλυψη γης» ορίζεται η φυσική ιδιότητα της γήινης επιφάνειας ενώ αντίστοιχα ως «Χρήση γης», ο τρόπος χρήσης του εδάφους [2]. Πρέπει να σημειωθεί ότι ενώ οι κατηγοριοποιήσεις για την κάλυψη γης συνάγονται απευθείας από δορυφορικές εικόνες, οι κατηγορίες χρήσεων γης (ανθρώπινες δραστηριότητες/φυσικές διεργασίες) δεν μπορεί να προκύπτουν πάντα απευθείας από την χρήση δορυφορικών λήψεων με διαδικασίες φωτοερμηνείας [3]. Επιπλέον, κατά την διαδικασία εκτέλεσης της ταξινόμησης σε τάξεις κάλυψης γης, δεν αποτελεί σημαντικό κριτήριο ο ρόλος των οικονομικών δραστηριοτήτων, σε αντιπαραβολή με τον καθοριστικό ρόλο που επιτελεί στη χρήση γης. Κατά βάση, η διάκριση μεταξύ κάλυψης και χρήσης γης αποκτά ανάλογη σημασία με την αύξηση της χωρικής κλίμακας εφαρμογής και χωρικής διακριτικής ικανότητας των δορυφορικών δεδομένων (Καρτάλης & Φειδάς, 2006). 1.2 Χαρτογράφηση της κάλυψης/χρήσης γης από δορυφορικά δεδομένα Χάρτες χρήσης /κάλυψης γης αναπτύσσονται την σύγχρονη εποχή σε τοπική, εθνική αλλά και σε παγκόσμια κλίμακα. Στο παρελθόν, η χρήση παγχρωματικών, μεσαίου μεγέθους αεροφωτογραφιών για τη χαρτογράφηση της χρήσης γης αποτελούσε κυρίαρχη πρακτική από τη δεκαετία του Πλέον στις μέρες μας εξαιτίας της προόδου στα δορυφορικά συστήματα παρακολούθησης της Γης, μικρής κλίμακας αεροφωτογραφίες και δορυφορικές εικόνες χρησιμοποιούνται για χαρτογράφηση χρήσης γης /κάλυψης γης [1]. Η τηλεπισκόπηση προσφέρει γρήγορη και πραγματική αναπαράσταση του τοπίου με τον καλύτερο δυνατό τρόπο. Επίσης παρέχει τα δεδομένα σε ψηφιακή μορφή και σε μεγάλο εύρος φασματικών καναλιών του ηλεκτρομαγνητικού φάσματος. Αυτή η διαθεσιμότητα των πολυφασματικών δεδομένων τα καθιστά έναν πολύ χρήσιμο και εύκολο τρόπο για την οριοθέτηση της χρήσης γης και τη χαρτογράφηση των κατηγοριών κάλυψης γης. Η χαρτογράφηση χρήσης /κάλυψης γης προϋποθέτει την ταξινόμηση σε θεματικές κλάσεις, που σημαίνει την ομαδοποίηση των χαρακτηριστικών της μελετώμενης γήινης επιφάνειας με βάση τις κοινές τους ιδιότητες, γνωρίσματα ή σχέσεις (Καρτέρης & Τσομπανίκος 1984). Ο τρόπος και ο βαθμός ομαδοποίησης των χαρακτηριστικών ποικίλει ανάλογα με τον σκοπό της έρευνας των χαρακτηριστικών της περιοχής μελέτης και προσδιορίζεται από το επιλεγμένο σύστημα ταξινόμησης [4]. Η αξιολόγηση της ακρίβειας αποτελεί καθοριστικό στοιχείο της διαδικασίας δημιουργίας και διανομής θεματικών χαρτών (Stehman and Wickham, 2011). Η επικύρωση των προϊόντων της κάλυψης της γης και της αλλαγής της γης καλύπτει τις κρίσιμες πληροφορίες 7

9 για την ποιότητα των δεδομένων σε χρήστες και παραγωγούς αυτών των χαρτών. Μια συνήθης πρακτική είναι η διεξαγωγή αξιολόγησης ακρίβειας του ταξινομημένου χάρτη με βάση μια χωρικά σαφή σύγκριση του χάρτη με δεδομένα αναφοράς υψηλότερης ποιότητας (Stehman, 2013). 1.3 Ο σκοπός και το αντικείμενο της εργασίας Η παρούσα μελέτη επικεντρώνεται στην αξιολόγηση της ακρίβειας της ταξινόμησης της κάλυψης γης της Περιφέρειας Δυτικής Ελλάδος με χρήση των πολυφασματικών εικόνων από τους δορυφορικούς δέκτες των Landsat 8 και Sentinel 2. Βασικοί στόχοι αποτελούν: I. Η αξιολόγηση της επιβλεπόμενης ταξινόμησης και των μεθόδων που εφαρμόστηκαν στην μελετώμενη περιοχή σε σύγκριση με τα δεδομένα των υπαίθριων παρατηρήσεων των ερευνητών. II. Η σύγκριση και η αξιολόγηση της ακρίβειας τριών μεθόδων επιβλεπόμενης ταξινόμησης για κάθε μία δορυφορική εικόνα. III. Η χωρική, ποσοτική και στατιστική σύγκριση και ανάλυση των κατηγοριών κάλυψης γης που επιλέχθηκαν κατά την εκτέλεση της επιβλεπόμενης ταξινόμησης. IV. Η διερεύνηση και σύγκριση των αποτελεσμάτων που προκύπτουν για κάθε δορυφορική εικόνα καθώς και την σύγκριση και τον εντοπισμό των διαφορετικών αποτελεσμάτων μεταξύ των δύο διαφορετικών αποστολών. 8

10 2. ΓΕΝΙΚΕΣ ΑΡΧΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ 2.1 Εισαγωγικές έννοιες Η τηλεπισκόπηση ασχολείται με την μελέτη της ακτινοβολίας που εκπέμπεται ή ανακλάται από τα αντικείμενα της Γης και ορίζεται ως η μελέτη αντικειμένων και φαινομένων από απόσταση. Δηλαδή είναι η συλλογή, ανάλυση και ερμηνεία πληροφοριών μέσω καταγραφικών οργάνων τα οποία δεν είναι σε επαφή με το υπό-μελέτη αντικείμενο. Ο όρος χρησιμοποιείται για πληροφορίες που καταγράφονται σε μορφή εικόνας από καταγραφικά συστήματα που μεταφέρονται από αεροπλάνα ή από δορυφορικά συστήματα [5]. Ο Mather (1999) ορίζει πιο ειδικά την τηλεπισκόπηση ως την μελέτη του περιβάλλοντος που περιλαμβάνει τη μέτρηση και καταγραφή της ηλεκτρομαγνητικής ενέργειας που ανακλάται ή εκπέμπεται από την επιφάνεια της Γης και την ατμόσφαιρα. Η μέτρηση και αποτύπωση πραγματοποιείται από ένα σημείο πάνω από την επιφάνεια της Γης και ακολουθεί ο συσχετισμός αυτών των μετρήσεων με τη φύση και την κατανομή των υλικών της επιφάνειας της Γης και των συνθηκών της ατμόσφαιρας. Η ευρύτερη έννοια της Τηλεπισκόπησης μπορεί να συμπεριλάβει και ηχητικά κύματα που παράγονται στο θαλάσσιο χώρο και καταγράφονται από ειδικούς αισθητήρες. Τα βασικά στάδια από τα οποία αποτελείται ένα ολοκληρωμένο σύστημα τηλεπισκόπησης είναι τα εξής: I. Εκπομπή ακτινοβολίας/ενέργειας που θα προέρχεται από τον ήλιο ή από το ίδιο το όργανο καταγραφής II. Μετάδοση ενέργειας προς την επιφάνειας της Γης, προκαλώντας το φαίνομενο της απορρόφησης και σκέδασης στα ανώτερα στρώματα της ατμόσφαιρας III. Αλληλεπίδραση της ηλεκτρομαγνητικής ακτινοβολίας με την επιφάνεια της Γης (ανάκλαση και εκπομπή) IV. Μετάδοση της ακτινοβολίας από το ανακλώμενο σώμα στον αισθητήρα του καταγραφικού οργάνου V. Δεδομένα εξόδου του αισθητήρα VI. Αποστολή δεδομένων, επεξεργασία και ανάλυση Εικόνα 2.1: Διαδικασία λήψης και επεξεργασίας τηλεπισκοπικών δεδομένων (Πηγή: Καπαγερίδης Ι. 2010/Εισαγωγή στην Τηλεπισκόπηση και τα Γεωγραφικά Συστήματα Πληροφοριών) [5] 9

11 Η τηλεπισκόπηση αποτελεί ένα χρήσιμο εργαλείο για περιβαλλοντικούς και διαχειριστικούς σκοπούς στην διάθεση διάφορων ειδικοτήτων όπως οικολόγων, περιβαλλοντολόγων, μηχανικών, αλλά και κρατικών φορέων για την απόκτηση πληροφοριών σχετικών με την υπό εξέταση περιοχή μελέτης και την επιλογή των κατάλληλων δράσεων για την αντιμετώπιση των διαφόρων προβλημάτων. Η δυνατότητα λήψης και επεξεργασίας χωρικής πληροφορίας μέσα από την χρήση δορυφορικών εικόνων, είναι το βασικότερο πλεονέκτημα που καθιστά στην σύγχρονη εποχή της τεχνολογίας την τηλεπισκόπηση ιδιαίτερα πολύτιμη και ανερχόμενη ως κλάδο επιστημών. Η συλλογή πληροφοριών σε δυσπρόσιτες και απομακρυσμένες περιοχές χαρακτηριζόταν ως δαπανηρή και σε πολλές περιπτώσεις ως αδύνατη, όμως πλέον μέσω της Τηλεπισκόπησης και της συνεχούς παραγωγής δορυφορικών εικόνων καθίσταται ως μια διαδικασία εφικτή, άμεση και οικονομική. Επιπλέον, η δυνατότητα διαχρονικών λήψεων εικόνων από τους δορυφόρους επιτρέπει την παρατήρηση των δυναμικών φαινόμενων που συντελούνται στην περιοχή μελέτης λόγω κλιματικών ή άλλων αλλαγών. Τέλος, η λήψη εικόνων σε πολλές ζώνες του ηλεκτρομαγνητικού φάσματος παρέχει επιπλέον πληροφορία στα μοντέλα ταξινόμησης σχετικά με τις διαφοροποιήσεις των βιοφυσικών στοιχείων, διευκολύνοντας τον διαχωρισμό τους συγκριτικά με την χρησιμοποίηση μιας μόνο φασματικής ζώνης. 2.2 Κύρια χαρακτηριστικά των οργάνων καταγραφής Η βασική πληροφορία που χρησιμοποιείται στην δημιουργία του θεματικού χάρτη μιας περιοχής έγκειται στην εικόνα που παρέχεται από τους διάφορους αισθητήρες (sensors) και γι αυτό κρίνεται απαραίτητη μια συνοπτική περιγραφή των χαρακτηριστικών τους. Οι αισθητήρες εγκαθίστανται συνήθως σε δορυφόρους ή αεροπλάνα και καταγράφουν την ανακλώμενη ή εκπεμπόμενη ενέργεια από την επιφάνεια της γης. Αυτά τα ειδικά όργανα ανίχνευσης και καταγραφής, διακρίνονται κυρίως σε δύο κατηγορίες ανάλογα με την προέλευση της ακτινοβολίας που λαμβάνουν και επεξεργάζονται. Έτσι, υπάρχουν οι παθητικοί αισθητήρες, οι οποίοι καταγράφουν την ανακλώμενη ενέργεια που προέρχεται συνήθως από την προσπίπτουσα ηλιακή ακτινοβολία, και τους ενεργητικούς αισθητήρες, οι οποίοι στέλνουν ακτινοβολία στην περιοχή των μικροκυμάτων και καταγράφουν την εκπεμπόμενη από τα βιοφυσικά στοιχεία ακτινοβολία (radar). Οι παθητικοί απεικονιστές διαχωρίζονται περαιτέρω σε διάφορες κατηγορίες, ανάλογα με το τμήμα της ηλιακής ακτινοβολίας που καταγράφουν. Συγκεκριμένα, οι παγχρωματικοί, καταγράφουν την επιφάνεια της γης στο οπτικό τμήμα του φάσματος, οι πολυφασματικοί, καταγράφουν περισσότερα του ενός τμήματα του φάσματος (συνήθως το οπτικό και το υπέρυθρο), οι θερμικοί, καταγράφουν την εκπεμπόμενη θερμική υπέρυθρη ακτινοβολία, και οι υπερφασματικοί, καταγράφουν την επιφάνεια της γης σε πολλά μικρά τμήματα του οπτικού και υπέρυθρου φάσματος (0.01μm ή 10nm). Οι διάφοροι απεικονιστές χαρακτηρίζονται από τη χωρική διακριτική ικανότητα, τη ραδιομετρική ικανότητα, τη φασματική διαχρονική ικανότητα, και τέλος τη διαχρονική διακριτική ικανότητα. 10

12 Χωρική Διακριτική Ικανότητα: σχετίζεται με το μέγεθος του εικονοστοιχείου (pixel) το οποίο προσδιορίζει το ελάχιστο δυνατό μέγεθος αντικειμένου που μπορεί να διακριθεί στην δορυφορική εικόνα.[6] Εικόνα 2.2: Χωρική διακριτική ικανότητα σε διαφορετικά δορυφορικά συστήματα (Πηγή: Παρχαρίδης Ι. 2015/Αρχές Δορυφορικής Τηλεπισκόπησης) [2] Ραδιομετρική Διακριτική Ικανότητα: αναφέρεται στον αριθμό των διαβαθμίσεων που χρησιμοποιούνται για την ψηφιοποίηση της έντασης της ακτινοβολίας. Κάθε ψηφιακό καταγραφικό σύστημα καταγράφει ένα ελάχιστο (Hmin) και ένα μέγιστο (Hmax) ποσό ενέργειας σε ένα φασματικό κανάλι. Η διαφορά τους αποτελεί ουσιαστικά και τον ακέραιο αριθμό διαβαθμίσεων του γκρι από 0 έως μια τιμή Ν στην εικόνα. Είναι σαφές ότι όσο μεγαλύτερη η τιμή του Ν τότε στο ίδιο εύρος διακύμανσης της ενέργειας (Hmax- Hmin) η καταγραφή ης προσλαμβανόμενης ενέργειας γίνεται με πιο λεπτομερή τρόπο. Δηλαδή, η ραδιομετρική διακριτική ικανότητα έχει άμεση σχέση με το ελάχιστο ποσό ενέργειας που απαιτείται να προσληφθεί στο καταγραφικό σύστημα για να μεταβληθεί η διαβάθμιση του γκρίζου τόνου με την οποία θα αναπαρασταθεί στην οθόνη.[2] 11

13 Εικόνα 2.3: Ραδιομετρική διακριτική ικανότητα σε (a) 2, (b) 4, (c) 8, (d) 16 διαβαθμίσεις γκρι [2] Φασματική Διακριτική Ικανότητα: σχετίζεται με το πλήθος των φασματικών καναλιών που χρησιμοποιεί ο κάθε δορυφόρος και αξιολογείται ως σημαντική ιδιότητα, καθώς στις πολυφασματικές εικόνες η θέση στο ηλεκτρομαγνητικό φάσμα, το εύρος και ο αριθμός των φασματικών καναλιών επηρεάζουν τον βαθμό και το είδος των διαφόρων στόχων. Ακόμα, η χρήση τους συμβάλλει στην παραγωγή αποτελεσμάτων διακριτικής ικανότητας σε σύγκριση με οποιοδήποτε μεμονωμένο φασματικό κανάλι.[2] Πολυφασματικά ονομάζονται τα συστήματα που καταγράφουν σε πάνω από δύο φασματικές ζώνες και υπερφασματικά με δεκάδες φασματικές ζώνες και πολύ μικρό εύρος των ζωνών. Όμως, η αύξηση της φασματικής ανάλυσης δεν μπορεί να αυξηθεί απεριόριστα χωρίς να υπάρξουν επιπτώσεις στην ακρίβεια. Η αύξηση της φασματικής ανάλυσης στα τεχνολογικώς προηγμένα συστήματα δορυφόρων επιδρά αρνητικά στα παραγόμενα προϊόντα, με τη μείωση του λόγου S/N (S= σήμα, Ν= θόρυβος signal to ratio). Τα συστήματα pushbroom («σάρωση κατά μήκος»), που χρησιμοποιούνται σήμερα, δίνουν καλύτερα αποτελέσματα στον λόγο S/N για υψηλής φασματικής ικανότητας προϊόντα, σε σχέση με τους μηχανικούς σαρωτές.[2] 12

14 Εικόνα 2.4: Κατηγορία φασματικής καταγραφής (α) παγχρωματική 2, (β) πολυφασματική [2] Χρονική Διακριτική Ικανότητα: H χρονική διακριτική ικανότητα ενός συστήματος σχετίζεται με τη συχνότητα λήψης εικόνων για την ίδια περιοχή. Η περίοδος επαναληψιμότητας για ένα δορυφορικό σύστημα συνήθως είναι της τάξης κάποιων ημερών ή ωρών όταν πρόκειται για αστερισμό δορυφορικού συστήματος, για να μπορέσει να αποτυπώσει την ίδια γεωγραφική περιοχή με την ίδια γωνία παρατήρησης, απόλυτη χρονική διακριτική ικανότητα. Οι προϋποθέσεις που θα πρέπει να ικανοποιούνται από τη διαχρονική ανάλυση έτσι ώστε τα αποτελέσματα να είναι όσο το δυνατόν πιο αξιόπιστα είναι τα εξής: - Οι διαχρονικές εικόνες πρέπει να λαμβάνονται από τα συστήματα καταγραφής την ίδια περίπου ώρα της ημέρας, ώστε να εξαλείφονται οι ημερήσιες διαφορές της γωνίας πρόσπτωσης της ηλιακής ακτινοβολίας, διότι προκαλούν ανώμαλες διαφοροποιήσεις των ιδιοτήτων ανάκλασης των αντικειμένων.[2] - Θα πρέπει να λαμβάνονται την ίδια περίοδο του έτους, ώστε να μειώνονται στο ελάχιστο οι φαινολογικές διαφοροποιήσεις διαφόρων επιφανειακών χαρακτηριστικών. Ορισμένα δορυφορικά συστήματα έχουν τη δυνατότητα να στοχεύουν την ίδια περιοχή ενώ βρίσκονται στην επόμενη ή τη μεθεπόμενη τροχιά, λόγω της ικανότητας στρέψης του σαρωτή υπό γωνία, ενώ κάποια άλλα συστήματα μεταξύ δύο συνεχόμενων τροχιών παρέχουν επικάλυψη που κυμαίνεται από 10% έως 30%. Επομένως, η πραγματική χρονική διακριτική ικανότητα εξαρτάται από τις δυνατότητες του συστήματος, την επικάλυψη και το γεωγραφικό μήκος της περιοχής.[2] 13

15 2.3 Ηλεκτρομαγνητικό φάσμα και κατηγορίες ηλεκτρομαγνητικών κυμάτων Το ηλεκτρομαγνητικό φάσμα (ΗΜΦ) είναι η ταξινόμηση της ηλεκτρομαγνητικής ακτινοβολίας σύμφωνα με το μήκος κύματος, την συχνότητα ή την ενέργεια και συμπεριλαμβάνει τις κοσμικές ακτίνες (ακτίνες χ), το οπτικό φάσμα και τα ραδιοκύματα (Μερτίκας 1999). Ένα τμήμα του φάσματος δημιουργείται από την ηλιακή ακτινοβολία, η οποία αφού διέρθει από την ατμόσφαιρα προσπίπτει στην επιφάνεια της Γης, ανακλάται και καταγράφεται από τον δέκτη. Επιπλέον ένα τμήμα της ακτινοβολίας απορροφάται από την Γη και επανεκπέμπεται σε μεγαλύτερα μήκη κύματος (θερμική). Η θερμική ενέργεια αξιοποιείται και αυτή στην δημιουργία ειδικών απεικονίσεων, η ερμηνεία των οποίων διαφέρει από τις φωτογραφίες που καταγράφονται στο οπτικό φάσμα [3]. Στην επιστήμη της τηλεπισκόπησης κύριο αντικείμενο μελέτης αποτελεί η ηλιακή ακτινοβολία, που κυμαίνεται στα μικρά μήκη κύματος από τις ακτίνες γ έως στα μεγάλα μήκη κύματος, τα ραδιοκύματα. Υπεριώδης ακτινοβολία: Καλύπτει τμήμα του ΗΜΦ από τις ακτίνες Χ έως το ορατό (0,01-0,04μm) και δεν είναι αντιληπτή από το ανθρώπινο μάτι. Ο ήλιος αποτελεί φυσική πηγή υπεριώδους ακτινοβολίας και οι εφαρμογές της τηλεπισκόπησης αξιοποιεί το στενό τμήμα μήκους κύματος από 0,3 0,4μm, καθώς οι ακτίνες με μικρότερο μήκος δεν καταφέρνουν να φθάσουν στην επιφάνεια της Γης. Ορατό φάσμα: Περιλαμβάνει τα μήκη κύματος με εύρος από 0,4 έως 0,7 μm. Το ορατό φάσμα χωρίζεται σε τρεις βασικές κατηγορίες χρωμάτων που είναι : από 0,4 έως 0,5 μm (μπλε) από 0,5 έως 0,6 μm (πράσινο) από 0,6 έως 0,7 μm (ερυθρό) Το χρώμα ενός αντικειμένου καθορίζεται από το χρώμα του φωτός που αντανακλά (Εικόνα ). Έτσι, ένα «μπλε» αντικείμενο είναι «μπλε», επειδή αντανακλά το μπλε φως. Ενδιάμεσα χρώματα σχηματίζονται όταν ένα αντικείμενο αντανακλά δύο ή περισσότερες από τα βασικά χρώματα, τα οποία συνδυάζονται για να δημιουργήσουν την αίσθηση του «κίτρινου» (κόκκινο και πράσινο), «μωβ» (κόκκινο και μπλε), ή άλλα χρώματα.[2] Εικόνα 2.5: Ανάλυση λευκής δέσμης φωτός στα ηλεκτρομαγνητικά μήκη κύματος του ορατού φάσματος (Εγγλεζοπούλου,2008) 14

16 Υπέρυθρη ακτινοβολία: Χωρίζεται σε πέντε κατηγορίες που είναι: 1. από 0,7 έως 1,5 μm (εγγύς υπέρυθρο Near Infrared,NIR) 2. από 1,5 έως 3 μm (μικρό μήκος Short Wavelength Infrared, SWIR) 3. από 3 έως 8 μm (μεσαίο μήκος Mid Wavelength Infrared, MWIR) 4. από 8 έως 15μm (μεγάλο μήκος Long Wavelength Infrared, LWIR) 5. μεγαλύτερο του 15μm ( μακρινό μήκος Far Infrared,FIR) Οι δύο πρώτες κατηγορίες (NIR και SWIR), είναι γνωστές στην τηλεπισκόπηση ως ανακλώμενα υπέρυθρα ενώ οι επόμενες δύο κατηγορίες (MWIR και LWIR) είναι γνωστές ως θερμικά υπέρυθρα.[6] Η ακτινοβολία στο εγγύς υπέρυθρο έχει τα ίδια χαρακτηριστικά με την αντίστοιχη του οπτικού φάσματος. Επομένως, οι εφαρμογές της τηλεπισκόπησης που αναλύουν εικόνες στο εγγύς υπέρυθρο χρησιμοποιούν φίλτρα και φίλμ με παρόμοια χαρακτηριστικά με εκεινης της συμβατικής φωτογραφίας που καταγράφεται στο ορατό. Αντίθετα στο διάστημα με μήκος κύματος από (3-14μm), αποτελεί την ζώνη που αντιπροσωπεύει το τμήμα της ακτινοβολίας που επανεκπέμπεται από τη Γη και ουσιαστικά είναι η θερμική ενέργεια. Για την καταγραφή του θερμικού υπερύθρου χρησιμοποιούνται ειδικά καταγραφικά συστήματα, καθώς δεν είναι ανιχνεύσιμο με συμβατικές φωτογραφικές μηχανές.[3] Εξαιτίας της ατμοσφαιρικής μείωσης, το τμήμα της θερμικής ακτινοβολίας που εκτείνεται πέρα από τα 14μm δεν αξιοποιείται σε εφαρμογές της τηλεπισκόπησης. Μία πιο γενική σχηματική κλίμακα του ηλεκτρομαγνητικού φάσματος γενικά και ειδικότερα του ορατού παρουσιάζεται στην ακόλουθη εικόνα. Εικόνα 2.6 : Το ηλεκτρομαγνητικό φάσμα (Περάκης 2015/Η τηλεπισκόπηση σε 13 ενότητες,κεφ.1.1) [6] 15

17 3.ΤΑΞΙΝΟΜΗΣΗ ΠΟΛΥΦΑΣΜΑΤΙΚΩΝ ΕΙΚΟΝΩΝ 3.1 Εισαγωγή Στις μέρες μας, οι δορυφορικές εικόνες και οι αεροφωτογραφίες συνιστούν το πιο έγκυρο, οικονομικό και άμεσο μέσο επεξεργασίας με σκοπό τον χαρακτηρισμό και την οριοθέτηση της κάλυψης γης. Ως κάλυψη γης ή εδαφική κάλυψη ορίζεται κάθε φυσική και τεχνική οντότητα που εντοπίζεται και ερμηνεύεται να καλύπτει μία στοιχειώδη επιφανειακή μονάδα, όπου σε μία δορυφορική εικόνα αντιστοιχεί σε ένα εικονοστοιχείο. Μία μέθοδος χαρακτηρισμού της κάλυψης γης είναι η οπτική ερμηνεία των εικόνων από αναλυτή, που ονομάζεται οπτική ταξινόμηση. Ο αναλυτής αναγνωρίζει και διαχωρίζει τις περιοχές της μελετούμενης εικόνας με βάση τις φασματικές τους ιδιότητες (Αστάρας,2010). Η συγκεκριμένη διαδικασία καθίσταται ιδιαίτερα χρονοβόρα και επίπονη καθώς ο αναλυτής έχει να εξετάσει ένα τεράστιο όγκο δεδομένων που λαμβάνεται από τους τηλεπισκοπικούς δέκτες. Καθίσταται λοιπόν επιτακτική η ανάγκη χρήσης της ψηφιακής ταξινόμησης, στην οποία μέσω ηλεκτρονικών συστημάτων ψηφιακής επεξεργασίας προκύπτει αυτόματα η αναγνώριση και ερμηνεία των εικόνων (Τσακίρη,2004). Σε αντίθεση με την οπτική μέθοδο, που χρησιμοποιείται περιορισμένος αριθμός φασματικών ζωνών και λαμβάνεται υπόψη το σχήμα, η υφή και το μέγεθος για την κατηγοριοποίηση, στη ψηφιακή ταξινόμηση χρησιμοποιούνται ο τόνος και τα χρώματα των ψηφίδων από αλγόριθμους ειδικούς στην ανάλυση φασματικών χαρακτηριστικών. Έτσι λοιπόν, δίνεται η δυνατότητα αξιοποίησης όλων των διαθέσιμων φασματικών ζωνών με γρήγορο τρόπο, γεγονός που καθιστά τις ψηφιακές μεθόδους χαρακτηρισμού κάλυψης γης ως τις πιο αποτελεσματικές, αξιόπιστες και γρήγορες (Αστάρας 2010). 3.2 Ψηφιακή Ταξινόμηση Η ταξινόμηση μιας πολυφασματικής εικόνας είναι μία διαδικασία κατηγοροποίησης με αυτοματοποιημένες τεχνικές όλων των εικονοστοιχείων σε ομάδες, ή θεματικές τάξεις (classes), με κοινά χαρακτηριστικά από πλευράς φασματικής απόκρισης ή / και υφής.[7] Για την ταξινόμηση απαιτείται χρήση ειδικών αλγορίθμων (ταξινομητές), όπου η κύρια λειτουργία τους στηρίζεται στην ύπαρξη και αναγνώριση κάποιων κοινών χαρακτηριστικών, που θα αποτελούν κριτήριο στην διάκριση και ομαδοποίηση των εικονοστοιχείων. Εάν μια ψηφίδα ικανοποιεί ένα καθορισμένο αριθμό κριτηρίων, τότε ακολουθεί η καταχώριση της ψηφίδας στην κλάση που αντιστοιχεί στα κριτήρια αυτά. Η συγκεκριμένη αυτοματοποιημένη διαδικασία εμπεριέχει και την πιθανότητα σφάλματος, που ερμηνεύται ως λάθος απόφαση στην επιλογή κλάσης ενός εικονοστοιχείου. Καθίσταται επομένως ιδιαίτερα κρίσιμη η επιλογή του κατάλληλου ταξινομητή που θα διασφαλίσει το ελάχιστο δυνατό δείκτη σφάλματος (Τσακίρη, 2004).[4] Για την ψηφιακή ταξινόμηση πολυφασματικών εικόνων υπάρχουν δύο κύριες κατηγορίες: 16

18 Η επιβλεπόμενη ταξινόμηση (supervised classification) Η μη επιβλεπόμενη ταξινόμηση (unsupervised classification) Στην επιβλεπόμενη ταξινόμηση, ο χρήστης καθορίζει στην εικόνα περιοχές εκπαίδευσης (training fields), η κάθε μια από τις οποίες είναι γνωστό σε ποια τάξη ανήκει, οπότε, με κριτήριο τις φασματικές υπογραφές των συμπεριλαμβανομένων εικονοστοιχείων, προσδιορίζεται η αντίστοιχη περιοχή ομαδοποίησης στο φασματικό χώρο.[4] Ακολουθεί ο υπολογισμός στατιστικών στοιχείων για την κάθε περιοχή ομαδοποίησης, όπως η ελάχιστη τιμή φωτεινότητας, η μέγιστη τιμή, η μέση τιμή και η τυπική απόκλιση για κάθε φασματική ζώνη και έπειτα καταχωρούνται τα υπόλοιπα αταξινόμητα εικονοστοιχεία σε θεματικές τάξεις.[7] Αντιθέτως, ο διαχωρισμός των φασματικών τάξεων στην μη επιβλεπόμενη ταξινόμηση πραγματοποιείται αυτοματοποιημένα, χωρίς ο χρήστης να συμμετέχει και να γνωρίζει το είδος της πληροφορίας (π.χ. αγροτική γη, δασική έκταση, κ.λπ.) που περιλαμβάνει η κάθε φασματική τάξη (Τσακίρη, 2004). Η επιβλεπόμενη ταξινόμηση οδηγεί σε πιο αξιόπιστα αποτελέσματα, ορίζοντας τις κατάλληλες περιοχές εκπαίδευσης και έχοντας γνώση της περιοχής μελέτης από συμπληρωματικά δεδομένα, όπως γεωλογικούς/εδαφολογικούς χάρτες ή εργασίες υπαίθρου. Στην μη επιβλεπόμενη ταξινόμηση δεν απαιτούνται δεδομένα εκ των προτέρων, γεγονός που ενδέχεται να οδηγήσει σε αποτελέσματα χαμηλής ακρίβειας. Παρόλα αυτά, η συγκεκριμένη μέθοδος ενδείκνυται ως εισαγωγικό βήμα προκειμένου ο αναλυτής να έχει μία πρώτη εικόνα των περιοχών ομαδοποίησης που υπάρχουν στον φασματικό χώρο της περιοχής μελέτης.[7] Συνήθως, προηγείται ο καθορισμός του συστήματος ταξινόμησης, που αποτελείται από ένα σύνολο κατηγοριών στόχων, από την εκτέλεση του αλγορίθμου ταξινόμησης. Στόχος ενός τέτοιου συστήματος είναι η παροχή ενός πλαισίου οργάνωσης και διάκρισης της πληροφορίας από τα εξεταζόμενα δεδομένα. Ένα σύστημα ταξινόμησης κρίνεται ως αξιόπιστο όταν εμπεριέχει θεματικές τάξεις κατάλληλες στη μελέτη και αφετέρου διακριτές στην οπτική ταξινόμηση. Τα περισσότερα συστήματα διέπονται από κανόνες ιεραρχίας, η οποία διαχωρίζει την περιγραφή της περιοχής μελέτης σε διάφορα επίπεδα λεπτομέρειας. (Congalton, 1991)[4] Ο καθορισμός των δειγμάτων εκπαίδευσης είναι τις περισσότερες φορές μια επαναληπτική διαδικασία, η οποία είναι συνάρτηση πολλών παραγόντων, όπως η γνώση των δεδομένων και της περιοχής μελέτης και των κλάσεων που θέλει να δημιουργήσει ο χρήστης. Για την δημιουργία των φασματικών υπογραφών που αντιπροσωπεύουν επακριβώς τις θεματικές τάξεις που αναγνωρίζονται, είναι πιθανή η επανάληψη επιλογής περιοχών εκπαίδευσης, ακολουθώντας μια διαδικασία αξιολόγησης και διαχείρισης των υπογραφών, όπως για παράδειγμα την συγχώνευση ή διαγραφή των υπογραφών με πρωταρχικό σκοπό την βελτιστοποίηση των αποτελεσμάτων.[4] Στην συνέχεια, έπεται η εκτέλεση της ταξινόμησης της περιοχής μελέτης που απεικονίζεται στην ψηφιακή εικόνα. Κατά την εξέλιξη της διαδικασίας κάθε ψηφίδα(pixel) εξετάζεται/αναλύεται ξεχωριστά και το διάνυσμα μέτρησης για κάθε ψηφίδα συγκρίνεται με κάθε φασματική υπογραφή, με βάση τους κανόνες απόφασης που ακολουθεί ο κάθε αλγόριθμος. Με βάση λοιπόν, τα κριτήρια που συνοδεύουν τον κανόνα απόφασης, οι 17

19 ψηφίδες κατατάσσονται στις θεματικές τάξεις που πληρούν για την αντίστοιχη φασματική υπογραφή.[4] 3.3 Μεθοδολογία Επιβλεπόμενης Ταξινόμησης Η μέθοδος της επιβλεπόμενης ταξινόμησης (supervised classification) είναι ιδιαίτερα αξιόπιστη στον εντοπισμό των τάξεων. Βασίζεται στον εξής κανόνα: γνωστές και διακριτές τάξεις εντοπίζονται στην ψηφιακή εικόνα από τον αναλυτή με γνώμονα την κατάρτισή του ή με βάση διάθεσιμα παρεχόμενα δεδομένα (π.χ. μετρήσεις υπαίθρου, χάρτες διάφορων θεματικών κατηγοριών). Μία περιοχή στην δορυφορική εικόνα που εμφανίζεται αρκετά ομογενής σύμφωνα με την απόχρωση, εντοπίζεται και περικλείεται εντός ενός πολυγώνου στην οθόνη που καλείται εκπαιδευτικό πεδίο(cluster/training stage).[8] Ένας επιβλεπόμενος αλγόριθμος ταξινόμησης απαιτεί ένα δείγμα εκπαίδευσης για κάθε τάξη, δηλαδή μια συλλογή σημείων από τα δεδομένα που είναι γνωστό ότι προέρχονται από την κατηγορία ενδιαφέροντος. Η ταξινόμηση βασίζεται επομένως στο βαθμό ικανοποίησης των παραμέτρων για κάθε ένα σημείο που πρέπει να ταξινομηθεί σε κάθε δείγμα εκπαίδευσης. Τόσο τα γεωμετρικά όσο και τα στατιστικά μέτρα απόστασης χρησιμοποιούνται σε πρακτικούς αλγόριθμους αναγνώρισης προτύπων. Τα δείγματα εκπαίδευσης αντιπροσωπεύουν τις γνωστές κατηγορίες ενδιαφέροντος για τον αναλυτή. Οι μέθοδοι ταξινόμησης που βασίζονται στη χρήση προτύπων εκπαίδευσης ονομάζονται επιβλεπόμενες μέθοδοι ταξινόμησης. Τα τρία βασικά βήματα που εμπλέκονται σε μία τυπική μεθοδολογία επιβλεπόμενης ταξινόμησης παρουσιάζονται στην ακόλουθη εικόνα και περιγράφονται έπειτα αναλυτικά.[8] Εικόνα 3.1: Βασικά στάδια της επιβλεπόμενης ταξινόμησης (Πηγή: Remote Sensing and Geographical Information Systems/M.Anji Reddy) [8] Στάδιο εκπαίδευσης: Ο αναλυτής προσδιορίζει αντιπροσωπευτικές περιοχές εκπαίδευσης και αναπτύσσει αριθμητικές περιγραφές των φασματικών υπογραφών 18

20 κάθε τύπου κάλυψης εδάφους που ενδιαφέρει τον αναλυτή της ψηφιακής εικόνας.[8] Το στάδιο ταξινόμησης: Κάθε εικονοστοιχείο στο σύνολο δεδομένων της εικόνας κατηγοριοποιείται στην τάξη κάλυψης εδάφους που ικανοποιεί τα περισσότερα κριτήρια. Ένα εικονοστοιχείο που είναι εντελώς διαφορετικό με οποιοδήποτε σύνολο δεδομένων εκπαίδευσης, παραμένει αταξινόμητο μετά την ολοκλήρωση της διαδικασίας ταξινόμησης.[8] Το στάδιο παραγωγής: Τα αποτελέσματα μπορούν να χρησιμοποιηθούν με διάφορους τρόπους. Τρεις τυπικές μορφές προϊόντων παραγωγής είναι οι θεματικοί χάρτες, οι πίνακες και τα αρχεία ψηφιακών δεδομένων που καθίστανται δεδομένα εισόδου για το GIS. Το παραγόμενο αποτέλεσμα της ταξινόμησης των εικόνων εισάγεται στο λογισμικό του GIS για χωρική ανάλυση του εδάφους. [8] Ευκλείδια Απόσταση (Euclidean Distance) Η κατηγοριοποίηση των εικονοστοιχείων μιας εικόνας σε κατηγορίες αποτελεί πρωταρχικό σκοπό του ταξινομητή. Σε πρώτη φάση, ο χρήστης ορίζει τόσα σημεία όσα και οι κατηγορίες στην εικόνα που αντιπροσωπεύουν την καθεμία. Έπειτα, ο αλγόριθμος υπολογίζει την απόσταση κάθε διανύσματος που ανήκει στα εικονοστοιχεία της εικόνας αλλά και για κάθε διάνυσμα που ανήκει στα σημεία που αρχικά επιλέχθηκαν, με βάση τον τύπο της Ευκλείδιας απόστασης:(θέμελης 2010) D=SQRT [(BV IJK μ xk) 2 + (BV ijl μ xl) 2 ] BV IJK, BV ijl : οι τιμές εντάσεως των εικονοστοιχείων ij, στα φασματικά κανάλια k,l αντίστοιχα μ xk, μ xl : οι μέσες τιμές όλων τον εικονοστοιχείων στην κατηγορία x c (c=1,,x) στα φασματικά κανάλια k,l. Έτσι λοιπόν, τα διανύσματα των εικονοστοιχείων ταξινομούνται στο κοντινόνερο σε αυτά σημείο Χ. Η συγκεκριμένη επαναληπτική διαδικασία ολοκληρώνεται μέχρι όλα τα εικονοστοιχεία να καταχωρηθούν σε μία κατηγορία, δίχως να αλλάζουν. Αξίζει να τονισθεί ότι αυτός ο αλγόριθμος βασίζεται στην παραδοχή ότι όλα τα σημεία απέχουν ίση απόσταση από το κέντρο τους, γεγονός που οδηγεί σε αποτελέσματα που δεν έχουν ιδιαίτερα καλή ακρίβεια σε περίπτωση που δεν ισχύει η προαναφερθείσα παραδοχή.[9] Ελάχιστη Απόσταση (Minimum Distance) Ο συγκεκριμένος αλγόριθμος υπολογίζει την απόσταση στο φασματικό χώρο μεταξύ του σημείου που αντιστοιχεί στο υπό εξέταση εικονοστοιχείο και της μέσης τιμής των εικονοστοιχείων που την αποτελούν. Στην επόμενη εικόνα, παρουσιάζεται η φασματική απόσταση ως γραμμές που ενώνουν το υπό εξέταση εικονοστοιχείο με το κέντρο της κάθε τάξης, με βάση της οποίας και ταξινομείται στην τάξη 1.[10] 19

21 Εικόνα 3.2: Ταξινόμηση της ελάχιστης απόστασης (α) Το εικονοστοιχείο ταξινομείται 1, λόγω της μικρότερης απόστασης στον φασματικό χώρο, (β) Το εικονοστοιχείο (X 1,X 2) ταξινομείται στην κατηγορία σκυρόδεμα, με βάση τη φασματική απόστασή του στο φασματικό χώρο του εγγύς υπερύθρου και κόκκινου της πολυφασματικής εικόνας του παραδείγματος. (Τροποποιημένο σχήμα από Erdas Field Guide, 1999).[10] Η μέθοδος της ελάχιστης απόστασης δεν χρησιμοποιείται ευρέως, παρόλη την ευκολία στην κατανόηση και εφαρμογή, καθώς δεν είναι πάντα ακριβής. Ειδικότερα, το βασικό μειονέκτημα της είναι ότι δεν ελέγχει την ομοιογένεια της κάθε υπογραφής, με συνέπεια υπογραφές με μεγάλη μεταβλητότητα, όπως για παράδειγμα οι αστικές περιοχές, να αποτελούνται από εικονοστοιχεία που βρίσκονται σε μεγάλες αποστάσεις από το κέντρο της υπογραφής στο φασματικό χώρο. Έτσι, κάποια εικονοστοιχεία που βρίσκονται στα όρια αστικών περιοχών με το κριτήριο της ελάχιστης απόστασης ενδέχεται να ταξινομηθούν εσφαλμένα. Αντιθέτως, κατηγορίες που χαρακτηρίζονται από μεγάλη ομοιογένεια, όπως για παράδειγμα οι θαλάσσιες περιοχές, έχουν την τάση να αποδίδουν στην αντίστοιχη θεματική τάξη περισσότερα εικονοστοιχεία, καθώς εξαιτίας της μικρής μεταβλητότητας στο φασματικό χώρο, βρίσκονται πιο κοντά στο κέντρο της αντίστοιχης τάξης, σε σύγκριση με τα κέντρα των υπολοίπων τάξεων.[10] Απόσταση Mahalanobis (Mahalanobis Distance) Η συγκεκριμένη μεθοδολογία ουσιαστικά είναι μία παραλλαγή της ελάχιστης απόστασης, διότι λαμβάνεται επιπλέον υπόψη και η μεταβλητότητα της φασματικής υπογραφής μέσω του πίνακα συμμεταβλητότητας (covariance matrix) που χρησιμοποιείται στην εξίσωσή της, συγκεντρώνοντας τα στατιστικά στοιχεία κάθε φασματικής τάξης για την ταξινόμηση της εικόνας. Ειδικότερα, εξετάζονται οι συσχετίσεις μεταξύ των αντικειμένων και όχι η κλίμακα των παρατηρήσεων.[10] D(x)= SQRT [(x-μ) T S -1 (x-μ)] Όπου, μ είναι το μέσο διάνυσμα, S ο πίνακας συμμεταβλητότητας για ένα πολυδιάστατο διάνυσμα x. Σε πρώτο στάδιο, υπολογίζεται ο πίνακα συμμεταβλητότητας, σύμφωνα με τις περιοχές εκπαίδευσης. Ο συγκεκριμένος υπολογισμός αποτελεί απαραίτητη προϋπόθεση για την ορθή εκτέλεση του αλγορίθμου. Υπάρχει το ενδεχόμενο κάποια εικονοστοιχεία που δεν 20

22 πληρούν κριτήρια να μείνουν αταξινόμητα, σε ενδεχόμενο δημιουργίας κάποιας τυπικής απόκλισης ή ορισμού ελαχίστου ορίου που έχουν καθορισθεί από τον αναλύτη.[9] Ταξινόμηση Μέγιστης Πιθανοφάνειας (Maximum Likelihood Classification) Αποτελεί από τις πιο ευρέως διαδεδομένες μεθόδους επιβλεπόμενης ταξινόμησης. Χρησιμοποιεί τα δεδομένα των περιοχών εκπαίδευσης για την εκτίμηση των κέντρων και της συνδιασποράς των φασματικών κατηγοριών, που έπειτα χρησιμοποιούνται για την εκτίμηση των πιθανοτήτων. Για την ολοκλήρωση της διαδικασίας, εκτός από τις μέσες τιμές, λαμβάνεται υπόψη και η μεταβλητότητα των τιμών φωτεινότητας για κάθε φασματική κατηγορία. Όσο πιο ακριβής είναι η συλλογή των δεδομένων εκπαίδευσης, τόσο πιο ισχυρή και αποτελεσματική γίνεται η μέθοδος της μέγιστης πιθανοφάνειας (Campbell 1996). Ένα πλεονέκτημα της τεχνικής αυτής, είναι ότι παρέχει μία εκτίμηση των επικαλυπτόμενων περιοχών που μπορεί να προκύψουν, βασιζόμενη στα στατιστικά στοιχεία. Διαφέρει από άλλες μεθόδους που χρησιμοποιούν μόνο τις μέγιστες και ελάχιστες τιμές των εικονοστοιχείων.[9] Η βάση του αλγόριθμου της μέγιστης πιθανοφάνειας, όπως και άλλων στατιστικών αλγορίθμων, βρίσκεται στον υπολογισμό της παρακάτω πιθανότητας: όπου: p(xk i) αντιπροσωπεύει την πιθανότητα ένα εικονοστοιχείο k με διάνυσμα xk να είναι μέλος της τάξης i, Mi είναι ο πίνακα μεταβλητότητας-συμμεταβλητότητας για την κατηγορία i, D 2 την απόσταση Mahalanobis μεταξύ του εικονοστοιχείου k και του κεντροειδούς της κατηγορίας i. [9] Η μέγιστη πιθανοφάνεια βασίζεται στην πιθανότητα ένα εικονοστοιχείο να ανήκει σε μία συγκεκριμένη φασματική κατηγορία. Ωστόσο, απαιτείται οι πιθανοτήτες να ίσες για κάθε τάξη και τα ιστογράμματα των φασματικών καναλιών της εικόνας να ακολουθούν κανονική κατανομή, ώστε να προκύψουν αποτελέσματα υψηλής ακρίβειας από τον αλγόριθμο ταξινόμησης. [4] 3.4 Μεθοδολογία μη Επιβλεπόμενης Ταξινόμησης Στην μη επιβλεπόμενη μέθοδο ταξινόμησης ο χρήστης δεν έχει ανάλογο ρόλο παρεμβολής στην διαδικασία, με αποτέλεσμα να χαρακτηρίζεται ως πιο αυτοματοποιημένη σε σύγκριση με την επιβλεπόμενη. Απαιτείται ελάχιστη εισαγωγή δεδομένων και παραμέτρων ενώ δεν εισάγονται και περιοχές εκπαίδευσης (Θέμελης 2010). Με την χρήση των κατάλληλων αλγορίθμων και τα στατιστικά τους χαρακτηριστικά (μέση ψηφιακή τιμή, τυπική απόκλιση, πίνακας συμμεταβλητότητας) επιτυγχάνεται η δημιουργία περιοχών ομαδοποίησης (clusters) (Εγγλεζοπούλου 2008). 21

23 Σε πρώτη φάση, κατηγοριοποιούνται τα εικονοστοιχεία της εικόνας σε φασματικές τάξεις από το λογισμικό. Ακολούθως, ταξινομούνται τα εικονοστοιχεία, το καθένα ξεχωριστά, σε μία από τις τάξεις που όρισε το λογισμικό. Οι φασματικές τάξεις δεν αντιστοιχούν σε κάποια διακριτή κατηγορία και αποτελεί δουλειά του χρήστη η αντιστοίχιση του με τις θεματικές τάξεις, π.χ. μία κατηγορία κάλυψης γης. Η δημιουργία μιας κλάσης από εικονοστοιχεία καθορίζεται αποκλειστικά από τις ψηφιακές τιμές και δεν είναι δυνατή η αξιολόγηση και η χρησιμότητα αυτής εάν δεν υπάρχει αντιστοιχία με κάποιο τύπο εδάφος που απεικονίζεται στην εικόνα (π.χ. θάλασσα, είδη βλάστησης, κ.α). [11] Η μη ελεγχόμενη ταξινόμηση χαρακτηρίζεται από τα εξής πλεονεκτήματα:[2] Δεν απαιτείται εκτεταμένη γνώση της απεικονιζόμενης περιοχής μελέτης. Ελαχιστοποίηση του ανθρωπίνου λάθους, καθώς ο χρήστης παρεμβαίνει μόνο στον καθορισμό του αριθμού των κατηγοριών που επιθυμεί και τους περιορισμούς που ελέγχουν την ευκρίνεια και τον βαθμό ομοιότητας των ομάδων. Παρατηρείται μεγαλύτερος βαθμός ομοιογένειας στην φασματική σύνθεση των ομάδων, σε σύγκριση με εκείνες που διαμορφώνονται από την ελεγχόμενη ταξινόμηση. Διατηρούνται ως ξεχωριστές οι ομάδες που καταλαμβάνουν μικρή έκταση. Σε πολλές ανάλογες περιπτώσεις, στην ελεγχόμενη ταξινόμηση υπάρχει πιθανότητα ενσωμάτωσής τους σε άλλες κλάσεις, γεγονός που οδηγεί σε σφάλμα και ελάττωση της ακρίβειας της ταξινομημένης εικόνας. Από την άλλη, η διαδικασία της μη επιβλεπόμενης ταξινόμησης, ενέχει πιθανούς κινδύνους ως προς την αξιοπιστία του παραγόμενου αποτελέσματος. Πρώτον, κάποιες κατηγορίες μπορεί να μην ανταποκρίνονται στην πραγματικότητα, καθώς είναι προϊόν συνδυασμού διαφορετικών αντικειμένων στην επιφάνεια της γης. Σε αλλές περιπτώσεις, μία κατηγορία μπορεί να χωριστεί σε δύο κλάσεις.[2] Επομένως, χωρίς την δυνατότητα καθορισμού των περιοχών εκπαίδευσης, απαιτείται ιδιαίτερη προσοχή και γνώση στην επιλογή και τελική οριστικοποίηση (labeling) των φασματικών κατηγοριών.[11] Οι δύο κυριότερες μέθοδοι μη επιβλεπόμενης ταξινόμησης που χρησιμοποιούνται ευρέως από το εξειδικευμένους χρήστες είναι η μέθοδος των κ-μέσων (K-MEANS cluster) και η μέθοδος ισο-δεδομένων (ISODATA). 22

24 4. Πρόγραμμα δορυφόρων Landsat (USGS) 4.1 Ιστορική εξέλιξη Οι δορυφόροι Landsat αποτελούν παγκοσμίως την μεγαλύτερη συλλογή διαστημικών τηλεπισκοπικών δεδομένων, μεσαίας ανάλυσης, για εφαρμογές παρατήρησης της επιφάνειας της Γης. Παρέχουν δεδομένα για τέσσερις συνεχόμενες δεκαετίες σε τομείς όπως η γεωργία, η γεωλογία, η χαρτογράφηση, η χωροταξία, η εκπαίδευση, η διαρκής παρακολούθηση των επιφανειακών αλλαγών της Γης σε παγκόσμιο επίπεδο μέσω ερευνητικών προγραμμάτων, η ανίχνευση φυσικών καταστροφών και η αντιμετώπιση καταστάσεων έκτακτης ανάγκης.[12] Εικόνα 4.1:Χρονοδιάγραμμα αποστολών LANDSAT (πηγή: landsat.usgs.gov/landsat-missions-timeline) [13] Το πρώτο πρόγραμμα που έθεσε σε λειτουργία η NASA το 1967 ήταν το ERTS (Earth Resource Technology Satellite). Το πρόγραμμα αυτό είχε ως σκοπό την εκτόξευση πέντε δορυφόρων, οι οποίοι θα έφεραν διάφορα συστήματα τηλεπισκόπησης, τα οποία είχαν αρχικά σχεδιαστεί για να αποκτούν πληροφορίες για τις πλουτοπαραγωγικές πηγές της Γης.[7] Ο πρώτος δορυφόρος με ονομάσια Landsat 1 εκτοξεύθηκε στις 23 Ιουλίου του 1972, παρέχοντας δεδομένα για περίπου έξι έτη καθώς τέθηκε εκτός λειτουργίας στις 6 Ιανουαρίου του [14] Έπειτα, ακολούθησε ο δορυφόρος Landsat 2 που εκτοξεύθηκε στις 22 Ιανουαρίου του 1975 με χαρακτηριστικά σχεδόν παρόμοια με τα αντίστοιχα του πρώτου δορυφόρου, τερματίζοντας την λειτουργία του στις 27 Ιουλίου του [15] Στις 5 Μαρτίου του 1978 ξεκίνησε και η λειτουργία του Landsat 3 ο οποίος λειτούργησε επιτυχώς μέχρι και τις 7 Σεπτεμβρίου του [16] Τους προηγούμενους δύο δορυφόρους αντικατέστησε ο Landsat 4, ο οποίος θεωρείται ως ένας από τους πιο επιτυχημένους δορυφόρους της δεκαετίας, καθώς η λειτουργία του διήρκησε από τις 26 Ιουλίου του 1982 έως τις 14 Δεκεμβρίου του 1993, παρέχοντας δεδομένα για έντεκα συναπτά έτη. [17] Όταν την 1 Μαρτίου του 1984 εκτοξεύθηκε ο δορυφόρος Landsat 5, κανείς δεν μπορούσε να προβλέψει ότι θα παρείχε παγκόσμια δεδομένα υψηλής ποιότητας σχετικά με την 23

25 επιφάνεια της Γης για σχεδόν 29 χρόνια, όταν και τερματίστηκε η λειτουργία του τον Ιανουάριο του 2013, αποτελώντας για αυτό τον λόγο τον μακροβιότερο δορυφόρο παρατήρησης της Γης. [18] Στο τελευταίο χρονικό στάδιο λειτουργίας του Landsat 4 και συγκεκριμένα στις 5 Οκτωβρίου του 1993, επιχειρηθήκε η εκτόξευση του δορυφόρου Landsat 6, οποίος τελικά εκτροχιάστηκε και πρακτικά δεν παρείχε ποτέ δεδομένα. [19] Στις 15 Απριλίου 1999 εκτοξεύθηκε με επιτυχία ο δορυφόρος Landsat 7, παρέχοντας δεδομένα μέχρι τις μέρες μας συμπληρώνοντας περίπου 18 χρόνια συνεχούς λειτουργίας. [20] 4.2 Δορυφορικό Πρόγραμμα Landsat 8 Στα πλαίσια της συγκεκριμένης διπλωματικής εργασίας, έγινε χρήση δορυφορικών εικόνων από το δορυφόρο Landsat 8, ο οποίος αποτελεί τον πιο σύγχρονο δέκτη του προγράμματος Landsat. Στο παρόν κεφάλαιο παρουσιάζονται αναλυτικά όλες οι πληροφορίες που σχετίζονται με το οπτικό φάσμα που καλύπτει, τα τεχνικά του χαρακτηριστικά, οπως και τη γεωμετρική και χρονική διακριτική του ικανότητα Γενικές πληροφορίες - Εισαγωγή Ο δορυφόρος Landsat 8 εκτοξεύτηκε στις 11 Φεβρουαρίου 2013 πάνω σε ένα φορέα πυραύλων Atlas V 401 από την αεροπορική βάση Βάντενμπεργκ στην Καλιφόρνια, στα πλαίσια του προγράμματος Landsat Data Continuity Mission (LDCM), η οποία είναι μια συνεργασία μεταξύ της NASA και της Γεωλογικής Υπηρεσίας των Ηνωμένων Πολιτειών (United States Geological Survey USGS). Η NASA ανέλαβε την μηχανική ανάπτυξη των συστημάτων αποστολής, την δημιουργία οχήματος εκτόξευσης του δορυφόρου και τα στάδια της βαθμονόμησης που αφορούν την τροχιά του δορυφόρου στη φάση λειτουργίας του, ενώ η USGS από τις 30 Μαΐου 2013 είναι αρμόδια για την ανάπτυξη συστημάτων εδάφους και την ορθή λειτουργία όλων των απαιτούμενων διαδικασιών της εξελισσόμενης αποστολής. Η παραγωγή και αποθήκευση των δεδομένων που στέλνονται από τον δορυφόρο πραγματοποιείται στο κέντρο Earth Resources Observation and Science (EROS) το οποίο είναι υπό την αιγίδα του USGS.[2] Ο Landsat 8 μεταφέρει δύο όργανα καταγραφής: i. το Operational Land Imager (OLI), που καταγράφει την ανάκλαση του ορατού και εγγύς υπερύθρου ii. το Thermal Infrared Sensor (TIRS), που ανιχνεύει την θερμική ακτινοβολία σε μήκη κύματος nm Τα δύο αυτά όργανα συλλέγουν δεδομένα εικόνας για εννέα μικρού μήκους κύματος ζώνες και δύο μεγάλου μήκους κύματος θερμικές ζώνες. Ο δορυφόρος έχει προδιαγραφές ζωής περίπου πέντε χρόνια, αλλά έχει εφοδιαστεί με καύσιμα ώστε να λειτουργεί και να παρέχει πληροφορίες για πάνω από δέκα χρόνια.[2] 24

26 4.2.2 Τεχνικά χαρακτηριστικά Όλες οι εικόνες του Landsat 8 αναφέρονται σε ένα παγκόσμια κατανεμημένο δίκτυο διαδρομών με την ονομασία World Reference System-2 (WRS-2) κάθετων (233 paths) και παράλληλων γραμμών (248 rows) στην τροχιά του δορυφόρου. Για λόγους συνέχειας ο δορυφόρος Landsat 8 διατήρησε το ίδιο σύστημα paths και rows με τον Landsat 7. Οι τομές γραμμών και διαδρομών πάνω από τον ελλαδικό χώρο ορίζουν 31 εικόνες που καλύπτουν πλήρως την περιοχή. Η κυκλική τροχιά που ορίστηκε να περιστρέφεται γύρω από την Γη είναι στα 705km από την επιφάνεια του εδάφους και κάθε πλήρης τροχιά διαρκεί περίπου 99 λεπτά. Επιπλέον, η τροχιά τέμνει τον Ισημερινό υπό γωνία σχεδόν 99, καθιστώντας αυτή σχεδόν πολική, ενώ ταυτόχρονα και ηλιοσύγχρονη, δηλαδή η ταχύτητα μεταφοράς του δορυφόρου γύρω από τη Γη είναι ίση με τη γωνιακή ταχύτητα περιστροφή της Γης γύρω από τον Ήλιο. Επομένως, ημερησίως πραγματοποιούνται 14,5 περιστροφές γύρω από τη Γη και η σάρωση του ίδιου σημείου επαναλαμβάνεται κάθε 16 ημέρες, ενώ έχει προγραμματιστεί να περνούν από τον Ισημερινό στις 10:11π.μ.(+/- 15λεπ.) τοπική ώρα, καθώς αυτή την ώρα η ατμόσφαιρα παρουσιάζει τη μεγαλύτερη διαύγεια και η ηλιοσύγχρονη τροχιά του εξασφαλίζει τις καλύτερες δυνατές συνθήκες φωτισμού Επίπεδα επεξεργασίας δεδομένων Τύποι αρχείων Τα δεδομένα που παρέχονται από τον Landsat 8 είναι ολοκληρωμένα, υψηλής απόδοσης και ποιότητας. Συγκεκριμένα οι δυνατότητες του συστήματος περιλαμβάνουν: Παροχή μια συστηματικής παγκόσμιας συλλογής πολυφασματικών δεδομένων μεσαίας διακριτικής ικανότητας. Παροχή μεγάλου όγκου δεδομένων. Σε αντίθεση με τις προηγούμενες αποστολές Landsat, ξεπερνά κατά πολύ τη μέση συλλογή 400 λήψεων εικόνων ημερησίως, υπερβαίνοντας συνήθως τις 650 λήψεις ανά ημέρα που απεικονίζονται και συλλέγονται στο αρχείο δεδομένων του USGS. Γίνεται χρήση πρόγνωσης νεφοκάλυψης για την αποφυγή λήψης μη κατάλληλων εικόνων. Διασφάλιση της συλλογής όλων των δεδομένων απεικόνισης από έναν σταθμό του USGS. Περισσότερες από 500 εικόνες του δορυφόρου Landsat 8 προστίθενται στα αρχεία του USGS ημερησίως και διατίθενται σε όλους τους χρήστες δωρεάν χρησιμοποιώντας τους παρακάτω ιστοτόπους: Όλα τα δεδομένα Landsat 8 διανέμονται διαμέσου πρόσβασης στο Hypertext Transfer Protocol Secure (HTPPS). Τα τρέχοντα διαθέσιμα προϊόντα περιλαμβάνουν τις ακόλουθες κατηγορίες: 25

27 i. LandsatLook εικόνα φυσικού χρώματος (Natural color), πλήρους ανάλυσης εικόνα που προκύπτει από τις τρεις φασματικές ζώνες του ορατού (κατά προσέγγιση μέγεθος 4.5ΜΒ) ii. LandsatLook εικόνα θερμική (Thermal), πλήρους ανάλυσης εικόνα που προκύπτει από την φασματική ζώνη 10 (κατά προσέγγιση μέγεθος 2.5ΜΒ) iii. LandsatLook εικόνα ποιότητας (Quality), μία πλήρους ανάλυσης ζώνη εκτίμησης της ποιότητας (κατά προσέγγιση μέγεθος 2.5ΜΒ) iv. LandsatLook εικόνες με γεωγραφική αναφορά, περιλαμβάνουν όλες τις τρεις προηγούμενες κατηγορίες εικόνων μαζί με γεωγραφικές πληροφορίες αναφοράς σε αρχεία μορφής.wld και.xml (κατά προσέγγιση μέγεθος 2.5ΜΒ) v. Level -1 Data Product, που είναι ένα συμπιεσμένο αρχείο που περιλαμβάνει όλα τα μεμονωμένα αρχεία πολυφασματικής ή/ και θερμικής ζώνης και τα μεταδεδομένα (κατά προσέγγιση μέγεθος 950ΜΒ). Τα διαθέσιμα προϊόντα σε αυτό το επίπεδο έχουν περάσει όλα τα επίπεδα επεξεργασίας όπως η ραδιομετρική και γεωμετρική διόρθωση, καθώς και ορθοδιόρθωση με χρήση Ψηφιακού Μοντέλου Αναγλύφου (ΨΜΑ) και επίγειων σημείων ελέγχου (ground control points). Ακολουθεί συνοπτικός πίνακας που παρουσιάζει τα χαρακτηριστικά των διαθέσιμων δεδομένων του δορυφόρου Landsat 8. [21] Σύστημα αναφοράς Datum Προβολικό σύστημα Προσανατολισμός Τύπος δεδομένων Τύπος ψηφιακού αρχείου (format raster) WGS84 UTM North Raster GeoTIFF Τύπος ψηφιακών τιμών 16-bit ( διαβαθμίσεις γκρι) Πλήθος φασματικών καναλιών κάθε εικόνας 11 Πίνακας 4.1: Χαρακτηριστικά δεδομένων Landsat 8 (πηγή:landsat.usgs.gov/landsat-8-l8-data-users-handbooksection2) [22] Operational Land Imager (OLI) Ο αισθητήρας OLI, κατασκευάστηκε από την Ball Aerospace & Technologies Corp. με προδιαγραφές λειτουργίας τα πέντε χρόνια και χαρακτηρίζεται ως σημαντικά βελτιωμένος σε σύγκριση με τον Βελτιωμένο Θεματικό Χαρτογράφο (Enhanced Thematic Mapper Plus, ETM+) που μετέφερε ο Landsat 7. Οι συσκευές καταγραφής σε προηγούμενες γενιές δορυφόρων Landsat, χρησιμοποιούσαν ταλαντούμενα κάτοπτρα κατά μήκος των πτερυγίων (whisk broom) για την σάρωση του πεδίου ανίχνευσης, σε αντίθεση με τον OLI που χρησιμοποιεί μακρές συστοιχίες γραμμικών λωρίδων με χιλιάδες ανιχνευτές για κάθε φασματική ζώνη. Οι ανιχνευτές ευθυγραμμίζονται με το εστιακό επίπεδο του οργάνου καταγραφής και με την τεχνική σάρωσης (push broom) οι λήψεις των εικόνων αποκτούν 26

28 μεγαλύτερη ακρίβεια καθώς εξασφαλίζεται αποτελεσματική λειτουργία και ευαισθησία του οργάνου καθώς μειώνονται τα κινούμενα μέρη. Εικόνα 4.2: Αισθητήρας OLI [22] O αισθητήρας OLI, έχει ένα τηλεσκόπιο που αποτελείται από τέσσερα κάτοπτρα και τα δεδομένα που προκύπτουν είναι κβαντισμένα σε μορφή 12 bits αντί για 8 bits που παράγει ο αισθητήρας ΕΤΜ+, γεγονός που εξασφαλίζει καλύτερης ποιότητας και ανάλυσης δεδομένων. Οι εικόνες που συλλέγονται από τον συγκεκριμένο δέκτη αποτελούνται από εννέα φασματικές ζώνες με χωρική διακριτική ικανότητα 30m, εκτός της παγχρωματικής (band 8) στην οποία είναι 15m. Στον επόμενο πίνακα παρουσιάζονται αναλυτικά τα κανάλια και το εύρος τους που καλύπτουν καθένα από αυτά στο ηλεκτρομαγνητικό φάσμα. Landsat 8 Operational Land Imager (OLI) Φασματικό κανάλι (Spectral Band) Μήκος κύματος (wavelength) Χωρική διακριτική ικανότητα (Resolution) Band 1 Coastal / Aerosol µm 30 m Band 2 Blue µm 30 m Band 3 Green µm 30 m Band 4 Red µm 30 m Band 5 Near Infrared (NIR) µm 30 m Band 6 Short wavelength Infrared (SWIR-1) µm 30 m Band 7 Short wavelength Infrared (SWIR-2) µm 30 m Band 8 Panchromatic (PAN) µm 15 m Band 9 Cirrus µm 30 m Πίνακας 4.2: Φασματικά Κανάλια OLI (OLI Spectral Bands) (landsat.usgs.gov/landsat-8-history) [23] Τα παραπάνω φασματικά κανάλια του δορυφόρου Landsat 8 έχουν τα εξής χαρακτηριστικά: Φασματικό κανάλι 1: εντοπίζει το βαθύ μπλε. Οι δέσμες ακτινοβολίας μπλε απόχρωσης παρουσιάζουν δυσκολία στην συλλογή τους λόγω της σκέδασης που παρατηρείται εξαιτίας μικροσκοπικών αιωρούμενων σωματιδίων σκόνης και νερού, καθώς ακόμα και από τα ίδια μόρια του αέρα. Σε αυτό το φαινόμενο οφείλεται και το γεγονός ότι μακρινά αντικείμενα, όπως για παράδειγμα ο ορίζοντας και ο ουρανός, εμφανίζονται στην αντίστοιχη απόχρωση. Το συγκεκριμένο τμήμα του ηλεκτρομαγνητικού φάσματος είναι δύσκολο να 27

29 συλλεχθεί με αρκετή ευαισθησία ώστε να είναι προς χρήση και έτσι το συγκεκριμένο φασματικό κανάλι είναι το μοναδικό που παράγει διαθέσιμα δεδομένα σε αυτή την ανάλυση. Η ονομασία του προκύπτει λόγω των δύο κύριων χρήσεών του, που είναι η απεικόνιση ρηχών υδάτων και ο εντοπισμός λεπτών σωματιδίων όπως η σκόνη και ο καπνός. Φασματικά κανάλια 2,3,4: απεικονίζεται το μπλε, το πράσινο και το κόκκινο του ορατού φάσματος αντίστοιχα για κάθε φασματικό κανάλι. Φασματικό κανάλι 5: καταγράφει την εγγύς υπέρυθρη ακτινοβολία, η οποία χρησιμεύει ιδιαίτερα στην οικολογία, καθώς τα υγιή φυτά την ανακλούν λόγω της ύπαρξης νερού στα φύλλα που προκαλεί το φαινόμενο της σκέδασης στα ανακλώμενα ηλεκτρομαγνητικά κύματα. Έτσι, γίνεται εφικτός ο υπολογισμός δεικτών όπως ο δείκτης βλάστησης (NDVI), επιτυγχάνοντας τον προσδιορισμό της ποσότητας της βλάστησης με μεγαλύτερη ακρίβεια, σε σύγκριση αν εξεταζόταν μόνο στο πράσινο του ορατού φάσματος. Φασματικό κανάλι 6,7: καλύπτουν διαφορετικά τμήματα του υπέρυθρου μικρού κύματος. Είναι ιδιαίτερα χρήσιμο στον διαχωρισμό υγρού και ξερού εδάφους και για εφαρμογές στην επιστήμη της γεωλογίας. Φασματικό κανάλι 8: η παγχρωματική ζώνη λειτουργεί όπως το ασπρόμαυρο φιλμ, δηλαδή συνδυάζει σε ένα κανάλι όλα τα ορατά χρώματα αντί να τα ξεχωρίζει. Επειδή ο αισθητήρας αυτός λαμβάνει περισσότερο φως ταυτόχρονα, είναι η πιο ευκρινής φασματική ζώνη με 15m χωρική διακριτική ικανότητα. Φασματικό κανάλι 9: καταγράφει τη λιγότερη πληροφορία, παρ όλα αυτά είναι ένα από τα πιο ενδιαφέροντα χαρακτηριστικά αυτού του δορυφόρου. Καλύπτει ένα ιδιαίτερα μικρό τμήμα του ηλεκτρομαγνητικού φάσματος (1370 ± 10nm), το οποίο λίγα διαστημικά όργανα καταγραφής συλλέγουν εξαιτίας της απορρόφησής του από την ατμόσφαιρα. Ο Landsat 8 μετατρέπει αυτό το φαινόμενο σε πλεονέκτημα, καθώς λόγω του γεγονότος ότι στο κανάλι αυτό το έδαφος είναι ελάχιστα ορατό, οτιδήποτε εμφανίζεται με ευκρίνεια στην συγκεκριμένη ζώνη αντανακλάται πολύ φωτεινά και βρίσκεται πάνω από το μεγαλύτερο μέρος της ατμόσφαιρας.[24] Thermal InfraRed Sensor (TIR) Ο θερμικός αισθητήρας υπερύθρων (TIRS),ο οποίος κατασκευάστηκε από το Κέντρο Διαστημικών Πτήσεων Goddard της NASA με προδιαγραφές λειτουργίας τα τρία χρόνια, περιέχει δύο θερμικές ζώνες που μετρούν τη θερμοκρασία στην επιφάνεια του εδάφους με χωρική ανάλυση τα 100m. Το παρεχόμενο προϊόν μετά την επεξεργασία του παραδίδεται με ακρίβεια 30m.[23] Όπως ο αισθητήρας OLI, αντίστοιχα και ο TIRS χρησιμοποιεί μακρές συστοιχίες γραμμικών λωρίδων με χιλιάδες ανιχνευτές για κάθε φασματική ζώνη. Χρησιμοποιεί υπέρυθρους φωτοανιχνευτές (Quantum Well Infrared Photodetectors QWIPs) για τη καταγραφή της θερμικής υπέρυθρης ενέργειας που εκπέμπεται από την επιφάνεια της Γης, τα επίπεδα της οποίας καθορίζονται από την θερμοκρασία. Οι θερμικοί φωτοανιχνευτές είναι ευαίσθητοι σε δύο ζώνες θερμικού υπέρυθρου μήκους κύματος, επιτρέποντας τον διαχωρισμό της ατμοσφαιρικής και επιφανειακής θερμοκρασίας. Στις θερμικές ζώνες, τα σκοτεινά pixels αντιπροσωπεύουν τις ψυχρές θερμοκρασίες ενώ αντίθετα τα φωτεινά τις υψηλές 28

30 θερμοκρασίες. Τα δεδομένα που προκύπτουν από τα συγκεκριμένα φασματικά κανάλια παρέχουν σημαντικές πληροφορίες σχετικά με τη χρήση άρδευσης νερού σε ξηρή γη και τις πηγές θέρμανσης σε αστικές περιοχές. Στον επόμενο πίνακα παρουσιάζονται αναλυτικά τα κανάλια και το εύρος τους που καλύπτουν καθένα από αυτά στο ηλεκτρομαγνητικό φάσμα.[23] Thermal Infrared Sensor (TIRS) Φασματικό κανάλι (Spectral Band) Μήκος κύματος (wavelength) Χωρική διακριτική ικανότητα (Resolution) Band 10 TIRS µm 100 m Band 11 TIRS µm 100 m Πίνακας 4.3: Φασματικά Κανάλια TIRS [23] Τα παραπάνω φασματικά κανάλια του δορυφόρου Landsat 8 έχουν τα εξής χαρακτηριστικά: Φασματικά κανάλια 10,11: βρίσκονται στο θερμικό υπέρυθρο τμήμα του ηλεκτρομαγνητικού φάσματος και καταγράφουν την θερμότητα. Σε αντίθεση με τους μετεωρολογικούς σταθμούς που καταγράφουν την θερμοκρασία του αέρα, καταγράφεται η θερμοκρασία του εδάφους, το οποίο συνήθως είναι αρκετά θερμότερο. Εικόνα 4.3: θερμικός αισθητήρας υπερύθρων [22] 29

31 5.Πρόγραμμα Copernicus (Κοπέρνικος) 5.1 Γενικές πληροφορίες Το πρόγραμμα Copernicus αποτελεί το μεγαλύτερο ενιαίο πρόγραμμα παρατήρησης της Γης και αναπτύσσεται από την Ευρωπαϊκή Επιτροπή (European Commission-EC) σε συνεργασία με την Ευρωπαϊκή Υπηρεσία Διαστήματος (European Space Agency-ESA). Βασικός στόχος είναι η επίτευξη παγκόσμιας, συνεχούς, αυτόνομης, υψηλής ποιότητας και ευρείας κλίμακας παρατηρήσεις της Γης. Εξασφαλίζοντας την παροχή έγκαιρων και εύκολα προσβάσιμων πληροφοριών υψηλής ακρίβειας, συμβάλλει στην βελτίωση διαχείρισης του περιβάλλοντος, την κατανόηση και την ελάττωση των συνεπειών της κλιματικής αλλαγής και την διασφάλιση της πολιτικής ασφάλειας.[2] Τα βασικά συστατικά στοιχεία στα οποία αναπτύσσεται το πρόγραμμα είναι: Το διαστημικό πεδίο, με τις δορυφορικές παρατηρήσεις και τον απαραίτητο επίγειο εξοπλισμό για αποστολές που διερευνούν επίγειες, ατμοσφαιρικές και ωκεανογραφικές παραμέτρους. Περιλαμβάνει δύο τύπους διαστημικών αποστολών, τις πέντε κατηγορίες δορυφόρων Sentinel της ESA και άλλες συμβαλλόμενες αποστολές από άλλους διαστημικούς οργανισμούς. Τις επιτόπιες (in-situ) μετρήσεις, με επίγεια και εναέρια δίκτυα μεταφοράς δεδομένων που παρέχουν πληροφορίες για τους ωκεανούς, την επιφάνεια εδάφους και την ατμόσφαιρα. Τις υπηρεσίες προς τους χρήστες Η Ευρωπαϊκή Υπηρεσία Διαστήματος (ESA) συντονίζει τη διαχείριση των δεδομένων για πάνω από 30 δορυφόρους. Η Ευρωπαϊκή Επιτροπή (EC), που υπάγεται στην Ευρωπαϊκή Ένωση, είναι αρμόδια για τον σχεδιασμό, καθορισμό και διαχείριση των υπηρεσιών. Η Ευρωπαϊκή Υπηρεσία Διαστήματος (ESA) αναπτύσσει μια νέα σειρά δορυφόρων με την ονομασία Sentinel. Οι αποστολές αυτές λειτουργούν αποκλειστικά για τις επιχειρησιακές ανάγκες του προγράμματος Copernicus, παρέχοντας ένα μοναδικό σύνολο παρατηρήσεων. Κάθε αποστολή βασίζεται σε δύο δορυφόρους για την εκπλήρωση επανελέγχου και κάλυψης, παρέχοντας αξιόπιστα δεδομένα για τις υπηρεσίες του προγράμματος Copernicus. Οι δορυφόροι Sentinel φέρουν ένα εύρος τεχνολογιών, όπως ραντάρ και πολυφασματικά όργανα καταγραφής εικόνων για την παρατήρηση της ξηράς, του ωκεανού και της ατμόσφαιρας. [25] 5.2 Ιστορική εξέλιξη Χαρακτηριστικά αποστολών Στην συνέχεια περιγράφονται συνοπτικά για κάθε αποστολή Sentinel τα χαρακτηριστικά και τις κατηγορίες δεδομένων που συλλέγουν: Sentinel-1: Ο πρώτος στην σειρά, φέρει ένα προηγμένο όργανο ραντάρ για τη λήψη εικόνων της επιφάνειας της Γης καθ όλη τη διάρκεια της ημέρας και ανεξαρτήτως καιρικών συνθηκών. Ο Sentinel-1 φέρει επίσης ένα λέιζερ για να μεταδώσει δεδομένα στο γεωστατικό ευρωπαϊκό σύστημα αναμετάδοσης δεδομένων για 30

32 συνεχή παροχή δεδομένων σε μια σειρά επίγειων σταθμών σε όλο τον κόσμο. Αυτή η αποστολή αποτελείται από δύο δορυφόρους, Sentinel-1A και Sentinel-1Β, σε τροχιά που έχουν απόσταση 180 και καλύπτουν ολόκληρη τη Γη κάθε έξι μέρες. Ο Sentinel-1A εκτοξεύτηκε στις 3 Απριλίου 2014 σε ένα πύραυλο Soyuz από τον Ευρωπαϊκό διαστημικό σταθμό στη Γαλλική Γουïάνα και ο Sentinel-1Β στις 25 Απριλίου Εικόνα 5.1 : Δορυφόρος Sentinel-1 [πηγή:sentinel.esa.int/web/sentinel/missions/sentinel-1/overview] Τα δεδομένα της αποστολής συμβάλλουν σε πολλές εφαρμογές. Για παράδειγμα οι υπηρεσίες που σχετίζονται με την παρακολούθηση της Αρκτικής Θάλασσας, την έκταση και χαρτογράφηση του θαλάσσιου πάγου, την παρατήρηση του θαλάσσιου περιβάλλοντος, συμπεριλαμβάνοντας τον εντοπισμό πετρελαιοκηλίδων και τον εντοπισμό του πλοίου για λόγους ασφαλείας, την παρακολούθηση επιφανειακών παραμορφώσεων του εδάφους που οφείλονται είτε σε ανθρωπογενή είτε σε φυσικά αίτια, τη χαρτογράφηση δασών και τους κινδύνους αποψίλωσης, το νερό και τη διαχείρισή του και τη χαρτογράφηση για ανθρωπιστικούς λόγους και καταστάσεις έκτακτης ανάγκης. [26] Sentinel-2: Η συγκεκριμένη αποστολή αποτελείται από δύο δορυφόρους πολικής τροχιάς, που κινούνται στην ίδια τροχιά σε απόσταση 180. Τα όρια κάλυψης κυμαίνονται από 56 S έως 84 Ν γεωγραφικού πλάτους. Ο Sentinel-2A εκτοξεύτηκε στις 23 Ιουνίου 2015 σε ένα πύραυλο Soyuz από τον Ευρωπαϊκό διαστημικό σταθμό στη Γαλλική Γουïάνα και ο Sentinel-2Β στις 7 Ιουνίου Ο σκοπός αυτής της αποστολής είναι η παρακολούθηση των επιφανειακών μεταβολών της επιφάνειας της Γης και των αλλαγών στην βλάστηση κατά την περίοδο της καλλιεργητικής περιόδου. Ακολουθεί ξεχωριστό κεφάλαιο στην συνέχεια όπου παρατίθενται αναλυτικά όλες οι απαραίτητες πληροφορίες που αφορούν την συγκεκριμένη αποστολή Sentinel. Sentinel-3: Η αποστολή αποτελείται από δύο παρόμοιους δορυφόρους, τους Sentinel-3A και Sentinel-3B, οι οποίοι θα εξασφαλίζουν παγκόσμια κάλυψη και άμεση παράδοση δεδομένων. Ο Sentinel-3A εκτοξεύτηκε στις 16 Φεβρουαρίου 2016, ενώ ο Sentinel-3B θα ακολουθήσει εντός του [27] 31

33 Εικόνα 5.2: Δορυφόρος Sentinel-3 [πηγή:sentinels.copernicus.eu/web/sentinel/missions/sentinel-3/overview] [28] Με την εξελιγμένη τεχνολογία που τον διακρίνει, είναι εφικτή η συστηματική μέτρηση των ωκεανών, της ξηράς, τους πάγους και την ατμόσφαιρα, παρέχοντας ουσιαστικές άμεσες πληροφορίες που σχετίζονται με το θαλάσσιο οικοσύστημα και τις μετεωρολογικές προβλέψεις.[27] Πιο συγκεκριμένα, όσο αφορά τους ωκεανούς, ο δορυφόρος θα καταγράφει τη θερμοκρασία, το χρώμα και το ύψος της στάθμης, καθώς και το πάχος του θαλάσσιου πάγου. Οι μετρήσεις αυτές θα συμβάλλουν στην παρακολούθηση των μεταβολών της στάθμης της θάλασσας σε παγκόσμια κλίμακα, στην θαλάσσια ρύπανση και της βιολογικής παραγωγικότητας.[27] Επιπλέον, στο πεδίο της ξηράς αυτή η καινοτόμος αποστολή θα συμβάλλει δίνοντας μια μεγαλύτερη εικόνα σε εφαρμογές όπως η παρακολούθηση των πυρκαγιών, της χρήσης γης, τους δείκτες βλάστησης, την στάθμη των λιμνών και ποταμών, λειτουργώντας συμπληρωματικά με την προηγούμενη αποστολή Sentinel-2. [27] Ο δορυφόρος Sentinel-3 μεταφέρει τέσσερα βασικά όργανα καταγραφής που αναφέρονται ακολούθως και εμφανίζονται στην επόμενη εικόνα. [28] OLCI: Ocean and Land Colour Instrument Όργανο καταγραφής χρωματικής απεικόνισης ωκεανού και ξηράς SLSTR: Sea and Land Surface Temperature Instrument Όργανο καταγραφής θαλάσσιας και χερσαίας θερμοκρασίας SRAL: SAR Radar Altimeter Ραντάρ συνθετικού ανοίγματος (SAR) για την μέτρηση του υψομέτρου MWR: Microwave Radiometer Ραδιόμετρο μικροκυμάτων για την μέτρηση της ηλεκτρομαγνητικής ακτινοβολίας (κυρίως υπέρυθρης και θερμικής) 32

34 Sentinel-4: Η συγκεκριμένη αποστολή θα καλύπτει ανάγκες, μέσω γεωστατικής τροχιάς, που σχετίζονται με την παρακολούθηση της χημικής σύστασης της ατμόσφαιρας πάνω από την Ευρώπη, στα πλαίσια του προγράμματος Copernicus Atmosphere Monitoring Service (CAMS). Θα παρέχονται ωριαία δεδομένα για τα συστατικά μέρη της τροπόσφαιρας, που αφορούν κυρίως την ποιότητα του αέρα. Τα κυριότερα στοιχεία καταγραφής που εστιάζει η αποστολή είναι το διοξείδιο του αζώτου (ΝΟ 2), το όζον (Ο 3), το διοξείδιο του θείου (SO 2), η φορμαλδεΰδη (HCHO) και αερολύματα.[29] Εικόνα 5.3 : Δορυφόρος Sentinel-4 [πηγή: sentinels.copernicus.eu/web/sentinel/missions/sentinel-4/overview] [29] Sentinel-5: Μέσω μιας τροχιάς πιο χαμηλής ως προς τη Γη σε σύγκριση με την προηγούμενη αποστολή θα παράσχει συνεκτικές και μακροπρόθεσμες πληροφορίες υψηλής χωρικής ανάλυσης που σχετίζονται με τις ατμοσφαιρικές μεταβλητές που παρακολουθούσε και ο Sentinel-4. Ειδικότερα, θα παρέχεται καθημερινή ανάλυση για τους εξής σκοπούς:[30] I. την ατμοσφαιρική κατάσταση σε χωρικές και χρονικές κλίμακες II. δεδομένα για την μεταφορά και πορεία αέριων ριπιδίων III. καθορισμό των αρχικών και οριακών συνθηκών σε μοντέλα καταγραφής της ποιότητας του αέρα IV. διαρκή παρακολούθηση του φαινομένου του θερμοκηπίου, αερολυμάτων και άλλων ρυπογόνων αέριων σωματιδίων Sentinel-6: Η συγκεκριμένη αποστολή στοχεύει στην συνέχιση των μετρήσεων ακριβείας της αλτιμετρίας των ωκεανών στο χρονικό διάστημα , χρησιμοποιώντας δύο παρόμοιους δορυφόρους Jason-CS-A και Jason-CS-B. Βασίζεται στην κληρονομιά της σειράς δορυφόρων τοπογραφίας των ωκεανών Jason της αποστολής CryoSat της ESA και σχεδιάστηκε για να συμπληρώσει επιπλέον πληροφορίες του Sentinel-3 για τους ωκεανούς. Οι πληροφορίες αυτές είναι απαραίτητες για την συνεχή παρακολούθηση των μεταβολών στο επίπεδο της θάλασσας που αποτελεί βασικό δείκτη της κλιματικής αλλαγής. [31] 33

35 Η χαρτογράφηση περισσότερο του 95% των ωκεανών που δεν καλύπτονται από πάγο με συχνότητα 10 ημερών, προσφέρει ζωτικής σημασίας πληροφορίες για τα ωκεάνια ρεύματα, την ταχύτητα του ανέμου και το ύψος των κυμάτων. Τα δεδομένα αυτά είναι σημαντικά στον τομέα διαχείρισης και προστασίας τόσο στο πεδίο της θάλασσας όσο και στις κατοικημένες παράκτιες ζώνες. Εικόνα 5.4 : Δορυφόρος Sentinel-5 [πηγή:sentinels.copernicus.eu/web/sentinel/missions/sentinel-5/overview] [32] Εικόνα 5.5 : Δορυφόρος Sentinel- 6 [πηγή: esa.int/spaceinimages/images/2017/03/sentinel-6_jason_cs] [33] 5.3 Δορυφορική αποστολή SENTINEL Γενικές πληροφορίες - Εισαγωγή Η συγκεκριμένη αποστολή δορυφόρων σχεδιάστηκε στα πλαίσια του προγράμματος Copernicus από την Ευρωπαϊκή Επιτροπή (EC), για την ανάπτυξη ενός πρωτοποριακού και καινοτόμου περιβαλλοντικού προγράμματος παρακολούθησης που συμβάλλει κατανόηση και αντιμετώπιση των συνεπειών της κλιματικής αλλαγής με κεντρικό σκοπό την διασφάλιση και βελτίωση του βιοτικού επιπέδου.[6] 34

36 Εικόνα 5.6: Δορυφόρος Sentinel-2 [πηγή: sentinels.copernicus.eu/web/sentinel/missions/sentinel-2/overview] [34] Τα δεδομένα που προκύπτουν καθίστανται ιδιαιτέρως χρήσιμα σε ένα ευρύ φάσμα εφαρμογών. Στην συνέχεια παρουσιάζονται ενδεικτικά επιστημονικά πεδία που αξιοποιεί προϊόντα της αποστολής: Παρατήρηση μεταβολών κάλυψης γης Εποπτεία και διαχείριση αγροτικών καλλιεργειών για την ασφάλεια των παραγόμενων προϊόντων Ενδελεχής παρακολούθηση της βλάστησης και των δασών και παραμέτρων όπως, δείκτης βλάστησης, συγκέντρωση χλωροφύλλης, εκτίμηση ανθρακικής μάζας κ.α. Παρατήρηση του θαλασσίου οικοσυστήματος και χαρτογράφηση της παράκτιας ζώνης Παρακολούθηση εσωτερικών υδάτων(π.χ. λίμνες, ποτάμια, φράγματα) Χαρτογράφηση παγετώνων και παρατήρηση περιοχών καλυμμένων από χιόνι ή πάγο Αντιμετώπιση έκτακτων αναγκών και φυσικών καταστροφών, συμβάλλοντας στην ανάλυση και εκτίμηση κινδύνου και ζημιών μέσω της ακριβούς καταγραφής της πληγείσας περιοχής. Τα διαθέσιμα δεδομένα για τους χρήστες, ανήκουν σε δύο ειδών κατηγορίες: I. Level 1C: Σε αυτό το επίπεδο επεξεργασίας έχουν πραγματοποιηθεί οι ραδιομετρικές και γεωμετρικές διορθώσεις, συμπεριλαμβανομένης της γεωαναφοράς και ορθοαναγωγής, στο προβολικό σύστημα UTM και στο σύστημα αναφοράς WGS84.[35] II. Level 2A: Η επεξεργασία σε αυτό το επίπεδο περιλαμβάνει μια ταξινομημένη εικόνα και μια ατμοσφαιρική διόρθωση Top-of-Atmosphere (TOA) στις ορθοεικόνες διαστάσεων (100x100km 2 ) του επιπέδου Level 1C. Η εικόνα που προκύπτει είναι διορθωμένη από ατμοσφαιρικά σφάλματα ανάκλασης (Bottom-of-Atmosphere BOA).[36] Η αποστολή του δορυφόρου Sentinel-2 διακρίνεται για τα εξής χαρακτηριστικά: 35

37 Κατασκευαστής Airbus Defence and Space Germany (satellite) Airbus Defence and Space France (MSI) Διαστάσεις μήκος: 3.4m, πλάτος: 1.8m, ύψος: 2.35m Βάρος 1140kg (123kg καύσιμα) Χρόνος Ζωής Κατ ελάχιστον 7 χρόνια Εύρος λήψης αισθητήρα 290km Ύψος πτήσης 725km Πίνακας 5.1: Κατασκευαστικά χαρακτηριστικά Sentinel Τεχνικά χαρακτηριστικά Ο πολυφασματικός απεικονιστής (Multispectral Instrument-MSI) χρησιμοποιεί πανομοιότυπη τεχνική σάρωσης (push broom) της Γης όπως και ο Landsat 8. Ο δέκτης λειτουργεί συλλέγοντας εικόνες γραμμικά κατά μήκος ολόκληρης της τροχιάς του, δημιουργώντας νέες σειρές δεδομένων/εικόνων σύμφωνα με την τροχιά του διαστημικού σκάφους που είναι τοποθετημένος. Η ανακλώμενη ακτινοβολία από τη Γη και την ατμόσφαιρα, συλλέγεται από ένα τηλεσκόπιο που διαθέτει τρία κάτοπτρα. Έπειτα, η συλλεχθείσα ακτινοβολία μέσω ενός διαχωριστή δέσμης, κατανέμεται σε δύο διαφορετικούς δέκτες. Σε έναν για την επεξεργασία των φασματικών ζωνών που ανήκουν στο ορατό και εγγύς υπέρυθρο φάσμα (VNIR) και στον δεύτερο για τις υπόλοιπες τρεις φασματικές ζώνες που ανήκουν στο μικροκυματικό φάσμα (SWIR). Η χωρική ανάλυση κάθε φασματικής ζώνης παρουσιάζεται αναλυτικά στην επόμενη εικόνα Εικόνα 5.7 : Χωρική ανάλυση των φασματικών ζωνών του πολυφασματικού δέκτη Sentinel-2 (πηγή: gim-international.com/content/article/sentinel-2a-in-orbit) [37] Ακολουθεί η αναφορά των βασικών χαρακτηριστικών που συνοδεύουν τον δορυφόρο καθώς και η παρουσίαση σε πίνακα των φασματικών ζωνών του πολυφασματικού δέκτη (MSI) της αποστολής Sentinel-2.[26] 36

38 πολυφασματικά δεδομένα σε 13 διακριτές ζώνες που καλύπτουν το ορατό, την εγγύς και μέση υπέρυθρη ζώνη συστηματική παγκόσμια κάλυψη της γήινης επιφάνειας από τις 56 S έως 84 N, παράκτια ύδατα και ολόκληρη την Μεσόγειο Θάλασσα η τροχιά και των δύο δορυφόρων της αποστολής είναι πολική, ηλιοσύγχρονη χωρική ανάλυση 10 m,20m και 60m Μέγεθος διαθέσιμων προϊόντων για το επίπεδο επεξεργασίας Level 1C 500ΜΒ και Level 2Α 600ΜΒ αντίστοιχα. δυνατότητα κάλυψης του ίδιου σημείου κάθε πέντε ημέρες διατηρώντας την ίδια τροχιά. Εξαίρεση αποτελούν περιοχές σε μεγάλα γεωγραφικά πλάτη, όπου οι δορυφόροι επικαλύπτουν ορισμένες περιοχές σε μικρότερο χρονικό διάστημα και υπό διαφορετική οπτική γωνία. δυνατότητα ελεύθερης και δωρεάν λήψης των δεδομένων από το κοινό SENTINEL 2 Φασματικό κανάλι (Spectral Band) Μέσο Μήκος κύματος (wavelength) Χωρική διακριτική ικανότητα (Resolution) Band 1 Coastal / Aerosol µm 60 m Band 2 Blue µm 10 m Band 3 Green µm 10 m Band 4 Red µm 10 m Band 5 Vegetation Red Edge µm 20 m Band 6 Vegetation Red Edge µm 20 m Band 7 Vegetation Red Edge µm 20 m Band 8 Near Infrared (NIR) µm 10 m Band 8A Narrow Near Infrared (NIR) µm 20 m Band 9 Water vapour µm 60 m Band 10 Short wavelength Infrared (SWIR)- Cirrus µm 60 m Band 11 Short wavelength Infrared (SWIR) µm 20 m Band 12 Short wavelength Infrared (SWIR) µm 20 m Πίνακας 5.2: Χαρακτηριστικά φασματικών ζωνών πολυφασματικού δέκτη Sentinel-2 37

39 6. LUCAS (Land Use and Land Cover Survey) EUROSTAT 6.1 Γενικές πληροφορίες μελέτης Η ολοκληρωμένη και έγκυρη γνώση της κάλυψης και χρήσης γης είναι πρωτεύουσας σημασίας στον καθορισμό και την αξιολόγηση της γεωργικής και περιβαλλοντικής πολιτικής που καθορίζεται σε Ευρωπαϊκό πλαίσιο. Η "έρευνα στο πλαίσιο των εκτάσεων χρήσης/κάλυψης γης (Land Use and Land Cover Survey), σε συντομογραφία LUCAS, είναι ένα ευρωπαϊκό ερευνητικό πρόγραμμα που χρηματοδοτείται και εκτελείται από την Ευρωπαϊκή Στατιστική Υπηρεσία (Eurostat), που είναι υπηρεσία της Ευρωπαϊκής Επιτροπής που εδρεύει στο Λουξεμβούργο. Στόχος της εν λόγω έρευνας είναι ο ορισμός περιοχών μελέτης για την παροχή συνεκτικών και εναρμονισμένων στατιστικών ως προς την χρήση και κάλυψη γης σε όλη την επικράτεια της Ευρωπαϊκής Ένωσης (Ε.Ε), μία έκταση περίπου 4,5 εκατομμυρίων τετραγωνικών χιλιομέτρων που περιλαμβάνει και τις 28 χώρες-μέλη. Επιπλέον, βασικό στόχο αποτελεί η παροχή πληροφοριών σχετικά με την γεωργία, το περιβάλλον, τις τοποθεσίες και την βιώσιμη ανάπτυξη, επίγεια εξασφάλιση για την βαθμονόμηση των δορυφορικών εικόνων και η δημιουργία μητρώου σημείων για εξειδικευμένες εδαφικές έρευνες, για παράδειγμα σχετικά με το είδος του εδάφους ανά περιοχή, την βιοποικιλότητα, κ.λπ., στα πλαίσια δημιουργίας ενός βασικού ευρωπαϊκού άμεσου δικτύου σύνδεσης δεδομένων. [38] Η μελέτη του LUCAS ξεκίνησε σε πιλοτική μορφή το 2001 μετά από την απόφαση 1445/2000 στις 22 Μαΐου του Ευρωπαϊκού Κοινοβουλίου, με την εφαρμογή τεχνικών επιτόπιων δειγματοληπτικών ερευνών, αλλά και με μεθόδους τηλεπισκόπησης σε γεωργικές περιοχές. Μια επιτόπια έρευνα υποδηλώνει ότι τα δεδομένα συγκεντρώνονται μέσω άμεσων παρατηρήσεων από επιθεωρητή καταγραφέα στο έδαφος. Βασίζεται, σε τυποποιημένη μεθοδολογία έρευνας βάσει ενός σχεδίου δειγματοληψίας, ταξινομήσεων, διαδικασιών συλλογής δεδομένων και στατιστικών εκτιμητών, που χρησιμοποιούνται για την λήψη εναρμονισμένων και αμερόληπτων εκτιμήσεων σχετικά με την χρήση και την κάλυψη γης. [38] 6.2 LUCAS Στάδια εξέλιξης Το LUCAS αναπτύχθηκε αρχικά για την παροχή έγκαιρων εκτιμήσεων για την Ευρωπαϊκή Επιτροπή. Αρχισε ως πιλοτική έρευνα το 2001 σε περιορισμένο αριθμό κρατών μελών της ΕΕ. Με την πάροδο του χρόνου, η έρευνα έχει γίνει ένα βασικό εργαλείο για τους αρμόδιους χάραξης πολιτικής και για τους στατιστικολόγους, καθώς αυξάνονται τα στοιχεία για τις διάφορες μορφές χρήσης γης και κάλυψης γης στην ΕΕ. [38] Το 2006, η μεθοδολογία δειγματοληψίας άλλαξε και η εστίασή της μετατοπίστηκε από μια έρευνα γεωργικής γης σε μια ευρύτερη κάλυψη γης, τη χρήση γης και την έρευνα τοπίου. Την ίδια χρονιά εισήχθη ένα τριετές διάστημα ως συχνότητα διεξαγωγής της έρευνας. Η έρευνα του 2009 σημείωσε έντονη επέκταση όσον αφορά τη γεωγραφική κάλυψη του LUCAS με αποτελέσματα που κατέστησαν διαθέσιμα για 23 από τα τότε κράτη μέλη της ΕΕ-27 (δεν καλύπτονται η Βουλγαρία, η Κύπρος, η Μάλτα και η Ρουμανία). [38] 38

40 Η τελευταία έρευνα πραγματοποιήθηκε το 2015 και κάλυψε και τα 28 κράτη-μέλη της ΕΕ. Για το στατιστικό δείγμα της έρευνας LUCAS, ένα πλέγμα πλευράς 2 km με πάνω από σημεία δημιουργήθηκε στην επικράτεια της ΕΕ, ενώ συνολικά περίπου σημεία παρατηρήθηκαν στο πεδίο από ειδικούς παρατηρητές, οι οποίοι εκτός του ότι έχουν ειδικές γνώσεις που αφορούν την εργασία, έχουν εκπαιδευτεί να ακολουθούν την εναρμονισμένη μεθοδολογία και να εφαρμόζουν την ταξινόμηση LUCAS. [38] 6.3 Διαδικασία συλλογής δεδομένων σημείου LUCAS Μεθοδολογία Από την έρευνα LUCAS λαμβάνονται τρεις τύποι πληροφοριών: Δεδομένα: η κάλυψη γης, η χρήση γης και οι περιβαλλοντικές παράμετροι που σχετίζονται με τα σημεία που εξετάστηκαν. [39] Σημεία (x,y) και φωτογραφίες προς τις τέσσερις κατευθύνσεις του ορίζοντα. [39] Στατιστικοί πίνακες με τα συγκεντρωτικά αποτελέσματα από την κάλυψη γης / χρήση γης σε γεωγραφικό επίπεδο. Οι εκτιμήσεις αυτές βασίζονται σε σταθμισμένα δεδομένα σημείου. [39] Ένα δείγμα επιφανειακού εδάφους περίπου 500g συλλέγεται σε ποσοστό 10% των σημείων. Το δείγμα εδάφους λαμβάνει συγκεκριμένο κωδικό με την χρήση ειδικών ετικετών, αποξηραίνεται, αποθηκεύεται και αποστέλλεται στο Joined Research Center (JRC) στην Ιταλία πριν από το τέλος της έρευνας, όπου υπόκειται εργαστηριακή ανάλυση. Η εδαφική ανάλυση πραγματοποιείται με στόχο την διευκόλυνση εξεύρεσης των αλληλεπιδράσεων μεταξύ της γεωργίας, περιβάλλοντος και της υπαίθρου και παρέχει τις εξής πληροφορίες για κάθε δείγμα. [39] Τύπος εδάφους Υφή εδάφους Ποσοστό ph Ποσοστό οργανικού άνθρακα Ποσοστό φωσφόρου, αζώτου και καλίου Διαβρωσιμότητα Βαθμός ευαισθησίας στην συμπύκνωση Τα στατιστικά στοιχεία χρήσης /κάλυψης γης που προέρχονται από την έρευνα LUCAS είναι μοναδικά, δεδομένου ότι είναι πλήρως εναρμονισμένα (ίδιους ορισμούς και μεθοδολογία) και συγκρίσιμα μεταξύ των κρατών μελών της Ευρωπαϊκής Ένωσης. Τα δεδομένα που καταγράφηκαν, ταξινομήθηκαν σύμφωνα με τις εναρμονισμένες κατηγορίες του LUCAS για κάλυψη και χρήση γης. [39] Οι ταξινομήσεις που χρησιμοποιήθηκαν για την ταξινόμηση των δεδομένων σχετικά με τη χρήση γης και την κάλυψη της γης προσαρμόστηκαν προκειμένου να ευθυγραμμιστούν περισσότερο με τα διεθνή πρότυπα. Οι ταξινομήσεις που χρησιμοποιούνται στο LUCAS είναι συγκρίσιμες με άλλα στατιστικά πρότυπα, όπως για παράδειγμα τα πρότυπα που χρησιμοποιούνται στην έρευνα της ΕΕ για τη διάρθρωση των γεωργικών εκμεταλλεύσεων (FSS), εκείνα που χρησιμοποιούνται από τον Οργανισμό Τροφίμων και Γεωργίας των Ηνωμένων 39

41 Εθνών (FAO) ή το Ευρωπαϊκό Σύστημα Πληροφοριών για τη Φύση (EUNIS ) για την ταξινόμηση δασικών τύπων και περιοχών. [39] Εικόνα 6.1: Διάγραμμα φάσεων της στρατηγικής σχεδιασμού συλλογής δεδομένων Πηγή: [ [40] 6.4 Σύστημα Ταξινόμησης χρήσης/κάλυψης γης του LUCAS Το σύστημα ταξινόμησης του LUCAS έχει ξεχωριστή ταξινόμηση για την κάλυψη γης (LUCAS SU LC) και τη χρήση της γης (LUCAS SU LU). Η κάλυψη γης αναφέρεται στη βιοφυσική κάλυψη του εδάφους (π.χ. σε καλλιέργειες, γρασίδι, δάσος πλατύφυλλων ή κατοικημένη περιοχή), ενώ αντίστοιχα η χρήση γης αναφέρεται ως η κοινωνικο-οικονομική χρήση μιας εδαφικής περιοχής (για παράδειγμα γεωργία, εμπόριο, οικιακή χρήση ή αναψυχή κ.α). Σε οποιαδήποτε περιοχή, μπορεί να υπάρχουν πολλαπλές είτε εναλλακτικές χρήσεις γης. [41] 40

42 Γενικά, η διαδικασία της ταξινόμησης ακολουθεί ορισμένες αρχές: Χωρική συνέχεια: Τα δεδομένα θα πρέπει να είναι συγκρίσιμα κι εφαρμόσιμα σε διαφορετικές περιοχές. Αυτό σημαίνει ότι η ταξινόμηση μπορεί να εφαρμοστεί σε οποιαδήποτε περιοχή, λαμβάνοντας υπ όψιν ότι θα υπάρξουν κατηγορίες χωρίς καμία καταχώρηση γιατί δεν υπάρχουν όλες οι κατηγορίες σε όλες τις περιοχές. [41] Χρονική συνέχεια: Η παρατήρηση περιοχών υπό κατασκευή επιτρέπει τον εντοπισμό αλλαγών με το χρόνο. Για παράδειγμα, ένα εργοτάξιο για την κατασκευή ενός δρόμου, είναι εργοτάξιο και όχι ακόμα δρόμος. [41] Συμβατότητα με υπάρχοντα συστήματα (π.χ FSS,NACE,FAO, INSPIRE). Αυτό σημαίνει ότι, όταν προσδιορίζουμε κατηγορίες, θα λαμβάνονται υπ όψιν οι υπάρχουσες ταξινομήσεις. Αυτό δε σημαίνει ότι οποιοσδήποτε προσδιορισμός κατηγορίας από άλλη ταξινόμηση θα λαμβάνεται απευθείας καθώς χρειάζεται να γίνεται διαλογή. [41] Ανεξαρτητοποίηση από τη μέθοδο παρατήρησης. Η μέθοδος παρατήρησης δεν πρέπει να παρεμποδίζει τον προσδιορισμό της ταξινόμησης. Αντιθέτως, η μέθοδος παρατήρησης θα πρέπει να επιλέγεται προκειμένου να διευκολύνει τη συλλογή στοιχείων σύμφωνα με την επιλεγείσα ταξινόμηση. Φυσικά υπάρχει διαλογή εξαιτίας των περιορισμών χρόνου/χρημάτων. Αυτό μπορεί να σημαίνει ότι η πληροφορία που θα συλλεχθεί θα είναι σε διαφορετικό επίπεδο λεπτομέρειας από την ταξινόμηση, εάν η μέθοδος συλλογής δεν επιτρέπει την επίτευξη του απαιτούμενου επιπέδου λεπτομέρειας. Για παράδειγμα, η τηλεπισκόπηση είναι πολύ δύσκολο να χρησιμοποιηθεί για την κατηγοριοποίηση LUCAS στο 3ο επίπεδο λεπτομέρειας. [41] Όχι κενά και όχι επικαλύψεις: Πλήρης λίστα κατηγοριών: Δεν υπάρχει κατηγορία «αταξινόμητη»! [41] Κάθε αντικείμενο αντιστοιχεί σε μία μόνο κατηγορία. Αυτό σημαίνει ότι για κάθε τύπο κάλυψης γης ή χρήσης γης, η ταξινόμηση οφείλει να παράσχει μία κατηγορία. Αυτό σημαίνει ότι ενδέχεται να συμπεριληφθούν νέες κατηγορίες για παράδειγμα σε πιο λεπτομερές επίπεδο. Οι ιεραρχικές ταξινομήσεις το παρέχουν αυτό. [41] Ιεράρχηση της ταξινόμησης. Μία άλλη αρχή που εφαρμόζεται στην ταξινόμηση LUCAS είναι της ιεράρχησης του συστήματος ταξινόμησης. Αυτό επιτρέπει τη συλλογή πληροφοριών σε διαφορετικά επίπεδα λεπτομέρειας. Αν δεν υπάρχουν διαθέσιμες πληροφορίες για συγκεκριμένη κατηγορία στο 3ό ή το 4ό επίπεδο κατηγοριοποίησης, υπάρχει η δυνατότητα εξαγωγής στοιχείων σε ανώτερο επίπεδο. [41] 6.5 Κάλυψη Γης Οι κύριες κατηγορίες της κάλυψης γης της έρευνας του LUCAS έχουν ως εξής: 41

43 A00 Artificial land Τεχνητή γη E00 Grassland Χορτολιβαδική έκταση B00 Cropland Καλλιεργήσιμη γη F00 Bareland Γυμνό έδαφος C00 Woodland Δάσος G00 Water Νερό D00 Shrubland Θαμνώδης έκταση H00 Wetland - Υγρότοποι Πίνακας 6.1:Κύριες κατηγορίες κάλυψης γης του LUCAS Κάθε κύρια κατηγορία περιέχει υποκατηγορίες, οι οποίες αποτελούνται από τον συνδυασμό του γράμματος της κατηγορίας και ψηφία. Η πιο λεπτομερής κατηγορία πρέπει να χρησιμοποιείται κατά τη διάρκεια της έρευνας, εφόσον υπάρχει καταγεγραμμένο το βάθος της λεπτομέρειας από τον επί τόπου ερευνητή. Η κάλυψη του εδάφους ταξινομείται σύμφωνα με την ακόλουθη ταξινόμηση όπως παρουσιάζεται στον ακόλουθο πίνακα, αλλά και σύμφωνα με την αναλυτική περιγραφή που ακολουθεί στην επόμενη σελίδα. Πίνακας 6.2: LUCAS Ταξινόμηση κάλυψης γης [40] 42

44 1. Artificial land (A) Τεχνητή Γη Περιοχές που χαρακτηρίζονται από μια τεχνητή και συχνά αδιαπέραστη κάλυψη κατασκευών και πεζοδρομιών Δομημένες περιοχές με στέγη: Κατασκευές με στέγη προσβάσιμες σε ανθρώπους. - Κτίσματα με έναν ως τρεις ορόφους. Κατασκευές με οροφή και με 1 έως 3 ορόφους ή με συνολικό ύψος λιγότερο από 10 μ. Μόνο τα κτίρια άνω των 3 μ καταχωρούνται. - Κτίσματα με πλέον των τριών ορόφων. Σκεπαστές κατασκευές με περισσότερους από τρεις ορόφους, ή μεγαλύτερες από 10 μέτρα ύψος στο σύνολο. - Θερμοκήπια. Εγκαταστάσεις από γυαλί, πλαστικό ή οποιοδήποτε άλλο υλικό είναι διαφανές αλλά αδιαπέραστο στο νερό. Αν οι καλλιέργειες αναγνωριστούν μέσα στο θερμοκήπιο, θα πρέπει να καταγραφούν σύμφωνα με την κατηγορία κάλυψης γης (διπλή κωδικοποίηση για θερμοκήπιο και καλλιέργεια). [41] Τεχνητές μη δομημένες περιοχές : Οι μη δομημένες περιοχές χαρακτηρίζονται από τεχνητή και/ή στεγανή κάλυψη από σκληρά τεχνητά υλικά, τσιμέντο, χαλίκι. - Μη δομημένα χωρικά στοιχεία: αυλές, αγροτικές αυλές, νεκροταφεία, περιοχές στάθμευσης αυτοκινήτων, περίβολοι σιδηροδρομικών σταθμών και αεροδρομίων, φράγματα, ζώνες φόρτωσης και εκφόρτωσης, αποβάθρες. - Μη δοδημένα γραμμικά στοιχεία: δρόμοι, σιδηροδρομικές γραμμές, διάδρομοι αεροδρομίων. - Άλλες τεχνητές περιοχές: γέφυρες και οδογέφυρες, τροχόσπιτα, ηλιακά πάνελ, μονάδες παραγωγής ενέργειας, ηλεκτρικοί υποσταθμοί, αγωγοί, εγκαταστάσεις επεξεργασίας λυμάτων νερού, ανοικτές χωματερές. [41] 2. Cropland (B) Καλλιεργήσιμη γη Περιοχές στις οποίες καλλιέργειες έχουν φυτευτεί και καλλιεργούνται. - Δημητριακά (σιτάρι, κριθάρι, σίκαλη, ρύζι κ.α.) - Ριζώδεις καλλιέργειες (πατάτες, ζαχαρότευτλα κ.α) - Μη μόνιμα βιομηχανικά φυτά (ηλίανθοι, ελαιοκράμβη, σόγια, βαμβάκι κ.α) - Όσπρια, λαχανικά και λουλούδια - Ζωοτροφές - Μόνιμες καλλιέργειες/οπωροφώρα δέντρα (μηλιές, κερασιές, εσπεριδοειδή, δένδρα ξηρών καρπών κ.α) - Άλλες μόνιμες καλλιέργειες (ελαιώνες, αμπέλια, φυτώρια κ.α) [41] 3. Woodland (C) Δασικές Εκτάσεις Δασικές εκτάσεις είναι οι περιοχές στις οποίες η κόμη των δένδρων καλύπτει τουλάχιστον το 10% στο εκτεταμένο παράθυρο παρατήρησης. Το εκτεταμένο παράθυρο παρατήρησης εκτείνεται σε ακτίνα 20 μέτρων (ή διαμέτρου 40 m) από το 43

45 σημείο (αντιπροσωπεύει μια περιοχή του 0.13 ha) και χρησιμοποιείται ως κλίμακα παρατήρησης προκειμένου να ταξινομηθεί ορθά η κάλυψη γης μια ανομοιογενούς περιοχής. [41] 4. Shrubland (D) Θαμνώδης έκταση Περιοχές που κυριαρχούνται (πάνω από το 10% της επιφάνειας), από θάμνους και χαμηλά δενδρώδη φυτά που δεν ξεπερνούν τα 5 μέτρα ύψος. Μπορεί να περιλαμβάνουν αραιά δέντρα με πυκνότητα κόμης κάτω του 10%. - Θαμνώδεις εκτάσεις με διάσπαρτα δένδρα - Θαμνώδεις εκτάσεις χωρίς δέντρα [41] 5. Grassland (E) Χορτολιβαδική έκταση Εκτάσεις που καλύπτονται κυρίως από χορτολίβαδα, χαμηλά φυτά και πλατύφυλλα.η κατηγορία αυτή περιλαμβάνει μόνιμα χορτολίβαδα και μόνιμους βοσκοτόπους, τα οποία δεν είναι μέρος της αμειψισποράς (κανονικά για 5 ή περισσότερα χρόνια), τα οποία μπορούν να χρησιμοποιηθούν για την ανάπτυξη αγρωστωδών και άλλων ποώδων φυτών με φυσικό τρόπο (αυτοφυή) ή μέσω καλλιέργειας (σπαρμένα). Μπορεί να περιλαμβάνουν αραιά δέντρα εντός του ορίου πυκνότητας κόμης κάτω του 10% και θάμνους εντός συνολικού ορίου κάλυψης (συμπεριλαμβανομένων των δένδρων) του 20%. Αυτά μπορεί επίσης να έχουν βοσκηθεί, με την προϋπόθεση ότι τα χόρτα και άλλα ποώδη κτηνοτροφικά φυτά επικρατούν. - Χορτολίβαδα με διάσπαρτα δέντρα/θάμνους - Χορτολίβαδα χωρίς δένδρα ή θάμνους - Επιφάνειες με αυτοφυή βλάστηση [41] 6. Bare land and lichens/moss (F) Γυμνό έδαφος και λειχήνες/βρύα Η τάξη αυτή περιλαμβάνει περιοχές καλυμμένες με λειχήνες ή βρύα με σχεδόν καθόλου βλάστηση, (όπου περισσότερο από 90% είναι γυμνό έδαφος). Σημειώστε ότι για να χαρακτηριστεί μια περιοχή ως λειχήνες ή βρύα αυτά πρέπει να καλύπτουν περισσότερο από 10% του εδάφους, αλλά καμία άλλη βλάστηση δεν μπορεί να εμφανίζεται σε πυκνότητα άνω του 10%. - Βράχοι και πέτρες - Άμμος - Λειχήνες και βρύα - Άλλο γυμνό έδαφος (γυμνό καλλιεργήσιμο έδαφος, προσωρινά αποψιλωμένες περιοχές μέσα στα δάση, καμένες εκτάσεις κ.α) [41] 7. Water (G) Υδάτινες εκτάσεις Η κατηγορία αυτή περιλαμβάνει ηπειρωτικές ή παραλιακές περιοχές χωρίς βλάστηση που καλύπτονται από νερό και πλημμύρες ή πιθανά να είναι έτσι κατά τη διάρκεια ενός μεγάλου μέρους του έτους. - Εσωτερικές περιοχές με γλυκά νερά (λίμνες, δεξαμενές με γλυκό νερό) - Εσωτερικά αλμυρά ύδατα 44

46 - Εσωτερικά τρεχούμενα γλυκά ύδατα (ποτάμια, ρυάκια, πηγές, κανάλια) - Πάγοι, μόνιμο χιόνι [41] 8. Wetland (H) Υγρότοποι Οι υγρότοποι είναι περιοχές που βρίσκονται μεταξύ εδάφους και νερού. Είναι περιοχές που είναι υγρές για αρκετά μεγάλο χρονικό διάστημα και τα φυτά και τα ζώα που ζουν σε ή κοντά σε αυτά προσαρμόζονται υπό, και συχνά εξαρτώνται από, υγρές συνθήκες για τουλάχιστον μέρος του κύκλου ζωής τους. - Εσωτερικοί υγρότοποι (έλη, βάλτοι, αλλούβια δάση, καλαμιώνες κ.α) - Παράκτιοι υγρότοποι (αλατούχα έλη, αλυκές κ.α) - Πλημμυρώδη επίπεδα [41] 6.6 Χρήση Γης Η Χρήση Γης περιλαμβάνει συνολικά 15 μεγάλες κατηγορίες, οι οποίες αποτελούνται από τον συνδυασμό του γράμματος "U" και τρία ψηφία. Κάθε τάξη περιγράφεται από τα ακόλουθα χαρακτηριστικά: - Κωδικός και τίτλος της κατηγορίας - Σύντομος ορισμός της κατηγορίας Η χρήση γης κατατάσσεται σύμφωνα με την ακόλουθη ταξινόμηση (υπάρχουν 15 κύριες κατηγορίες και συνολικά 33 διαφορετικές κατηγορίες): U110 U120 U130 U140 U150 U210 U220 U310 U320 U330 U340 Γεωργία Δασοκομία Υδατοκαλλιέργιες και Αλιεία Ορυχεία και Λατομεία Άλλη Πρωτογενής Παραγωγή (π.χ. κυνήγι) Παραγωγή Ενέργειας Βιομηχανία και Κατασκευές Μεταφορές, Δίκτυα Επικοινωνίας, Αποθήκευση, Εργα Προστασίας Διαχείριση Ύδατος και Λυμάτων Κατασκευές Εμπόριο, Οικονομικές, Επαγγελματικές και Υπηρεσίες Πληροφόρησης 45

47 U350 U360 U370 U400 Κοινοτικές Υπηρεσίες Αναψυχή, Ελεύθερος χρόνος, Αθλητισμός Κατοικίες Αχρησιμοποίητες και Εγκαταλειμμένες Περιοχές Πίνακας 6.3:Κύριες κατηγορίες χρήσης γης του LUCAS [40] 46

48 7.ΠΕΡΙΠΤΩΣΗ ΜΕΛΕΤΗΣ : ΕΠΙΒΛΕΠΟΜΕΝΗ ΤΑΞΙΝΟΜΗΣΗ ΚΑΛΥΨΗΣ ΓΗΣ ΣΤΗΝ ΠΕΡΙΦΕΡΕΙΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΟΣ 7.1 Περιγραφή γενικών χαρακτηριστικών της Περιφέρειας Δυτικής Ελλάδος Η Περιφέρεια Δυτικής Ελλάδος καταλαμβάνει το Βορειοδυτικό τμήμα της Πελοποννήσου και το Δυτικό άκρο της Στερεάς Ελλάδος με συνολική έκταση km 2 καλύπτοντας το 8,6% της συνολικής έκτασης της χώρας και περιλαμβάνει τις Περιφερειακές Ενότητες (Π.Ε.) Αιτωλοακαρνανίας, Αχαΐας και Ηλείας. Στο μεγαλύτερο ποσοστό τα εδάφη της είναι ορεινά (45,3%) και ημιορεινά (25,6%), ενώ οι πεδινές εκτάσεις καλύπτουν το 29,1% της συνολικής έκτασης. Έχει εκτεταμένες παράλιες ακτές και στις τρεις Π.Ε., που βρέχονται από τη θάλασσα του Ιονίου Πελάγους και των κόλπων Αμβρακικού, Πατραϊκού και Κορινθιακού. Χάρτης 7.1: Γεωφυσικός Χάρτης Περιφέρειας Δυτικής Ελλάδος [Πηγή: ditikiellada.gov.gr] [42] 47

49 Η γεωμορφολογία της Περιφέρειας παρουσιάζει εξαιρετική ποικιλία, αφού σε αυτήν περιλαμβάνονται όρη με ιδιαίτερα μεγάλο υψόμετρο όπως, ο Χελμός (ή Αροάνια ) 2.355m, ο Ερύμανθος 2.224m, το Παναχαϊκό 1.926m και το Παναιτωλικό 1.924m. Επιπλέον, υπάρχουν μεγάλες φυσικές λίμνες όπως, η Τριχωνίδα 95,8 km 2, η οποία είναι η μεγαλύτερη φυσική λίμνη που εκτείνεται εξ ολοκλήρου στον ελλαδικό χώρο, η Αμβρακία 14,4 km 2, η Λυσιμαχεία 13 km 2 κ.α, καθώς και μεγάλες τεχνητές λίμνες που δημιουργήθηκαν κατά την κατασκευή μεγάλων υδροηλεκτρικών φραγμάτων όπως η τεχνητή λίμνη των Κρεμαστών, του Καστρακίου, του Πηνειού κ.α. Ακόμα, η περιοχή διασχίζεται από πολλούς ποταμούς όπως, ο Αχελώος με συνολικό μήκος 220km που είναι ο δεύτερος μεγαλύτερος σε μήκος ποταμός που ρέει αποκλειστικά εντός ελληνικής επικράτειας, ο Πηνειός, ο Αλφειός, ο Εύηνος, ο Βουραϊκός κ.α [43] Στο παρακάτω σχήμα παρουσιάζεται η κατανομή των εκτάσεων της Περιφέρειας Δυτικής Ελλάδας σε βασικές κατηγορίες χρήσης γης. Γεωργικές εκτάσεις Δάση, ημιφυσικές εκτάσεις Εκτάσεις καλυπτόμενες από νερό Τεχνητές εκτάσεις Σχήμα 7.1: Κατανομή της έκτασης της Περιφέρειας Δυτικής Ελλάδας σε βασικές κατηγορίες χρήσης (Πηγή: Προαπογραφικά στοιχεία της Απογραφής Γεωργίας- Κτηνοτροφίας 1999/2000) [44] Όπως προκύπτει από τα ανωτέρω στοιχεία το μεγαλύτερο τμήμα της Περιφέρειας καλύπτεται από γεωργικές και δασικές εκτάσεις. Ειδικότερα, οι γεωργικές εκτάσεις της Περιφέρειας χαρακτηρίζονται στην πλειοψηφία τους ως ετερογενείς γεωργικές περιοχές (58%), ενώ ένα ποσοστό 10% των γεωργικών εκτάσεων είναι μόνιμες καλλιέργειες. Τα αμιγή δάση αποτελούν το 28% του συνόλου των δασικών εκτάσεων, ενώ το 42% είναι συνδυασμοί θαμνώδους και ποώδους βλάστησης. Η Περιφέρεια Δυτικής Ελλάδας διαθέτει αρκετές υδάτινες επιφάνειες (το 19% του συνόλου των υδάτινων επιφανειών της επικράτειας) συνολικής επιφάνειας 333 km 2, εκ των οποίων το 77% είναι χερσαία ύδατα και το 10% εσωτερικές υγρές ζώνες. Τέλος, οι τεχνητές περιοχές αποτελούνται κυρίως από την αστική δόμηση (σε ποσοστό 85%), ενώ οι βιομηχανικές και εμπορικές ζώνες καλύπτουν μόλις το 5% των τεχνητών επιφανειών της Περιφέρειας.[45] Ακολούθως, παρουσιάζονται στον πίνακα γενικά γεωγραφικά και δημογραφικά στατιστικά αποτελέσματα που αναφέρονται στην Περιφέρεια που πραγματοποιήθηκε η μελέτη. 48

50 Γενικά Γεωγραφικά & Δημογραφικά Χαρακτηριστικά των Π.Ε. της Περιφέρειας Δυτικής Ελλάδας Περιφερειακή Ενότητα Αχαΐας Ηλείας Αιτωλοακαρνανίας Γεωγραφικό διαμέρισμα Πελοπόννησος Πελοπόννησος Στερεά Ελλάδα Περιφέρεια Δυτική Ελλάδα Δυτική Ελλάδα Δυτική Ελλάδα Πρωτεύουσα Πάτρα Πύργος Μεσολόγγι Πληθυσμός κάτοικοι κάτοικοι κάτοικοι Έκταση km² km² km² Πυκνότητα πληθυσμού 94,6 κατ./km² 60,8 κατ./km² 38,7 κατ./km² Αριθμός δήμων Πίνακας 7.1:Γενικά Γεωγραφικά και Δημογραφικά χαρακτηριστικά των Π.Ε. της Π.Δ.Ε. [46] (Πηγή: Θεοδωρόπουλος Θ. Ηλίας, Επιχειρηματικότητα στην Περιφέρεια Δυτικής Ελλάδας, Τμήμα Διοίκησης Επιχειρήσεων, Μάρτιος 2010) Ειδικότερα, η Περιφερειακή Ενότητα (Π.Ε.) Αιτωλοακαρνανίας, που είναι η μεγαλύτερη σε έκταση της χώρας (5.461 km 2 ), παρουσιάζει ένα συνδυασμό ορεινών όγκων με πολλές φυσικές και τεχνητές λίμνες. Οι ποταμοί Αχελώος και Εύηνος μαζί με τις πεδιάδες που διασχίζουν, συμπληρώνουν την εδαφολογική μορφολογία της Π.Ε και αποτελούν βασική πηγή της οικονομικής της δραστηριότητας. Τα εδάφη της στο μεγαλύτερο ποσοστό τους είναι ορεινά και ημιορεινά (77%), ενώ η συντριπτική πλειοψηφία των δημοτικών διαμερισμάτων της χαρακτηρίζονται ως αγροτικά. Στην συνέχεια, παρουσιάζονται σε θεματικό χάρτη οι υπάρχοντες εφτά δήμοι που απαρτίζουν το σύνολο της Π.Ε. Αιτωλοακαρνανίας.[45] Χάρτης 7.2: Οι εφτά δήμοι της Περιφερειακής Ενότητας Αιτωλοακαρνανίας Πηγή: apd-depin.gov.gr[47] 49

51 Η Π.Ε. Αχαΐας με συνολική έκταση km 2, χαρακτηρίζεται από έντονες εδαφολογικές αντιθέσεις. Τα εδάφη της είναι στο μεγαλύτερο ποσοστό τους (περίπου 78%) ορεινά και ημιορεινά και διασχίζονται από μικρούς σχετικά ποταμούς (Βουραϊκό, Γλαύκο, Σελινούντα, Πείρο) και μικρότερους χειμάρρους, που εκβάλλουν στον Πατραϊκό και Κορινθιακό κόλπο. Επίκεντρο της οικονομικής ζωής της Π.Ε. Αχαΐας αλλά και της Περιφέρειας αποτελεί η πόλη των Πατρών. Στην συνέχεια, απεικονίζονται σε θεματικό χάρτη οι υπάρχοντες πέντε δήμοι που απαρτίζουν το σύνολο της Π.Ε. Αχαΐας. Χάρτης 7.3:Οι πέντε δήμοι της Περιφερειακής Ενότητας Αχαΐας [47] Τέλος, η Π.Ε. Ηλείας με συνολική έκταση km 2, έχει έδαφος πεδινό κατά 58% και διασχίζεται από τους ποταμούς Αλφειό, Πηνείο, Ερύμανθο. Χαρακτηρίζεται από ποικιλομορφία εδάφους και τοπίων, καθώς το ανατολικό τμήμα του χαρακτηρίζεται ως ορεινό και ημιορεινό. Στο βορειοανατολικό τμήμα υψώνεται, με νοτιοδυτική κατεύθυνση, ο ορεινός όγκος του Ερυμάνθου ενώ νοτιότερα και βορειοανατολικά της αρχαίας Ολυμπίας, εκτείνεται το οροπέδιο της Φολόης. Στο υπόλοιπο τμήμα του νομού, απλώνεται η πεδιάδα της Ηλείας που είναι η μεγαλύτερη σε έκταση στην Πελοπόννησο. Το ανάγλυφο σε όλο το μήκος της ακτογραμμής χαρακτηρίζεται ως ιδιαίτερα ομαλό, με αποτέλεσμα ο συνδυασμός θαλάσσιων ρευμάτων από την θάλασσια του Ιονίου Πελάγους και η μεταφορά φερτών υλών από τους ποταμούς που χύνονται σε αυτό, να έχουν συμβάλλει στον σχηματισμό παράλιων υδροβιότοπων (Κοτυχίου και Καϊάφα) εξαιρετικού φυσικού κάλλους και οικολογικού πλούτου. Ακολουθεί η απεικόνιση σε θεματικό χάρτη των εφτά δήμων που απαρτίζουν το σύνολο της Π.Ε. Ηλείας.[45] 50

52 Χάρτης 7.4:Οι εφτά δήμοι της Περιφερειακής Ενότητας Ηλείας [47] 7.2 ΜΕΘΟΔΟΛΟΓΙΑ Στο κεφάλαιο αυτό παρατίθεται η μεθοδολογία που αναπτύχθηκε σε όλα τα στάδια εργασιών μέχρι να προκύψουν τα τελικά αποτελέσματα κάλυψης γης για ολόκληρη την μελετώμενη περιοχή για όλες τις υπό εξέταση δορυφορικές εικόνες. Τα βασικά στάδια που απαρτίζουν ολόκληρο το εύρος της μεθοδολογίας είναι τα εξής: Εύρεση δορυφορικών δεδομένων Προεπεξεργασία δεδομένων Επιβλεπόμενη Ταξινόμηση Χωρική επεξεργασία αποτελεσμάτων ταξινόμησης μέσω Γεωγραφικού Συστήματος Πληροφοριών (GIS) Δημιουργία θεματικών χαρτών ταξινόμησης Στατιστική επεξεργασία και σύγκριση των αποτελεσμάτων της επιβλεπόμενης ταξινόμησης Στο παρακάτω διάγραμμα παρουσιάζονται συνοπτικά και με ιεραρχική σειρά τα βήματα που απαρτίζουν την μελέτη κάλυψης γης που πραγματοποιήθηκε. 51

53 Εύρεση δορυφορικών δεδομένων Προεπεξεργασία δεδομένων Συγχώνευση καναλιών Αποκοπή εικόνων στα όρια περιοχής μελέτης/δημιουργία Μωσαϊκών Επιβλεπόμενη Ταξινόμηση Μέγιστη Πιθανοφάνεια Mahalanovis Ελάχιστη Απόσταση Χωρική επεξεργασία αποτελεσμάτων ταξινόμησης μέσω Γ.Π.Σ Θεματικοί χάρτες ταξινόμησης Στατιστική επεξεργασία και σύγκριση των αποτελεσμάτων επιβλεπόμενης ταξινόμησης Διάγραμμα 7.1: Σχηματικό διάγραμμα βημάτων που εφαρμόστηκαν στην παρούσα μελέτη 52

54 7.3 Λήψη δορυφορικών εικόνων Sentinel 2 Η αναζήτηση και η λήψη των εικόνων από την δορυφορική αποστολή Sentinel 2, πραγματοποιήθηκε από την ιστοσελίδα της USGS « η οποία αποτελεί δίαυλο παροχής και υπολοίπων δορυφορικών αποστολών. Εικ : Το αρχικό μενού της ιστοσελίδας της USGS Ακολούθησε η αναζήτηση όλων των δορυφορικών εικόνων Sentinel 2 που καταγράφηκαν και περιέχουν τμήμα της περιοχής μελέτης με απώτερο σκοπό την δημιουργία μωσαϊκού ολόκληρης της Περιφέρειας της Δυτικής Ελλάδας. Στο αριστερό τμήμα της ιστοσελίδας, βρίσκεται το μενού επιλογών, στο οποίο εισάγονται τα κριτήρια επιλογής εικόνων του μελετητή. Στην περίπτωση της μελέτης μας, λόγω του γεγονότος ότι οι μετρήσεις πεδίου για το Ευρωπαϊκό πρόγραμμα LUCAS 2015 πραγματοποιήθηκαν το χρονικό διάστημα μεταξύ των μηνών Μαΐου Οκτωβρίου του έτους 2015, επιλέχθηκε το χρονικό εύρος Μάιος έως Νοέμβριο του ιδίου έτους στο αντίστοιχο κελί επιλογής. Επιπλέον, αξίζει να αναφερθεί ότι ως επιπλέον κριτήριο επιλέχθηκε ως ανώτατο όριο νεφοκάλυψης το ποσοστό 1% επί του συνολικής έκτασης της εικόνας, καθώς για την ορθή παρατήρηση της κάλυψης του εδάφους κατά την φάση επιλογής περιοχών εκπαίδευσης, όσο και κατά την διαδικασία εκτέλεσης της ταξινόμησης διαδραματίζει καθοριστικό ρόλο η διαύγεια της ατμόσφαιρας και η απουσία νέφωσης. Με βάση λοιπόν τα προαναφερθέντα κριτήρια αναζήτησης, επιλέχθηκαν οι λήψεις δορυφορικών εικόνων για τις ημερομηνίες 28/08/2015 και 16/11/2015. Για την κάλυψη ολόκληρης της έκτασης της περιοχής μελέτης, χρειάστηκε η λήψη πέντε δορυφορικών εικόνων οι οποίες στην συνέχεια χρησιμοποιήθηκαν για την δημιουργία του μωσαϊκού που θα απεικονίζουν ολόκληρη την περιοχή για τις δύο συγκεκριμένες ημερομηνίες. Ακολουθούν στην συνέχεια ενδεικτικές εικόνες οι οποίες παρουσιάζουν τα στάδια λήψης μίας από τις επιλεχθείσες δορυφορικές εικόνες Sentinel 2 που χρησιμοποιήθηκε στην μελέτη. Διαδοχικά, απεικονίζεται το πλαίσιο που σχηματίζεται κατά την εστίαση στον 53

55 διαδραστικό χάρτη της ιστοσελίδας και στην συνέχεια η επιλογή των κατάλληλων εικονιδίων- εντολών με σκοπό την λήψη του κατάλληλου αρχείου της δορυφορικής εικόνας. Εικόνα 7.1: Ενδεικτικό αποτέλεσμα αναζήτησης δορυφορικών εικόνων Sentinel 2 Εικόνα 7.2: Επιλογή εικονιδίου λήψης εικόνας (στο δεξιό τμήμα της οθόνης) και επιλογή λήψης αρχείου επιπέδου L1C της επιλεχθείσας εικόνας (στο κεντρικό τμήμα της οθόνης) Όπως και σε προηγούμενο κεφάλαιο, αναφέρεται ότι τα διαθέσιμα δεδομένα των δορυφορικών εικόνων που ελήφθησαν επιπέδου L1C, έχουν υποστεί επίπεδο επεξεργασίας που περιλαμβάνει ραδιομετρικές και γεωμετρικές διορθώσεις, όπως γεωαναφορά και ορθοαναγωγή στο προβολικό σύστημα UTM και στο σύστημα αναφοράς WGS84. 54

56 7.4 Λήψη δορυφορικών εικόνων Landsat 8 Η αναζήτηση και η λήψη των εικόνων από την δορυφορική αποστολή Landsat 8, πραγματοποιήθηκε από την ιστοσελίδα της USGS « όπως και για τις αντίστοιχες της Sentinel 2. Η διαδικασία και τα κριτήρια για την επιλογή λήψης των δορυφορικών εικόνων ήταν ακριβώς η ίδια. Για την δημιουργία μωσαϊκού που να καλύπτει ολόκληρη την περιοχή μελέτης, διαπιστώθηκε μέσω του διαδραστικού χάρτη ότι σύμφωνα με το κατανεμημένο δίκτυο διαδρομών του δορυφόρου (WRS-2), που απαρτίζεται με καθέτους (paths) και παράλληλες γραμμές (rows), απαιτούνται τρεις διαφορετικές εικόνες για κάθε επιλεχθείσα ημερομηνία. Πιο συγκεκριμένα, ελήφθησαν οι δορυφορικές εικόνες με κωδικό: Path:184/row:33 Path:184/row:34 Path:185/row:33 Εικόνες 7.3, 7.4, 7.5: Περιοχές καταγραφής δορυφορικών εικόνων Landsat 8 (αριστερά: 185/33, κέντρο:184:33, δεξιά: 184/34) Τελικά, εξαιτίας της καταγραφής σε διαφορετικές ημερομηνίες για τις εικόνες με κωδικό 185/33 σε σύγκριση με τις υπόλοιπες δύο, επιλέχθηκαν οι δορυφορικές εικόνες 184/33 και 184/34 για τις ημερομηνίες 02/09/2015 και 18/09/2015, με συνέπεια ένα μικρό τμήμα του Ν. Αιτ/νιας στο βορειοδυτικό τμήμα της, να μην συμπεριλαμβάνεται στο μωσαϊκό που θα δημιουργηθεί, όπως φαίνεται και στην επόμενη εικόνα. Εικόνες 7.6, 7.7: Περιοχή μη ένταξης στην μελέτη στις δορυφορικές εικόνες Landsat 8. 55

57 7.5 Συγχώνευση καναλιών Layer Stack Το αρχικό προϊόν των δορυφορικών εικόνων που ελήφθη, αποτελείται από δώδεκα εικόνες, μορφής GeoTiff, οι οποίες απαιτείται να συγχωνευτούν επιλέγοντας τις κατάλληλες φασματικές ζώνες σε ένα αρχείο τύπου.img. Οι δώδεκα διαφορετικές εικόνες τύπου Tiff ανήκουν στην ίδια δορυφορική λήψη, καλύπτουν η καθεμία ένα συγκεκριμένο πλάτος συχνοτήτων (band/κανάλι) της ηλεκτρομαγνητικής ακτινοβολίας και ως σύνολο το εύρος καταγραφής του πολυφασματικού δέκτη. Για την διαδικασία συγχώνευσης των καναλιών του δορυφόρου Landsat 8, έγινε χρήση του λογισμικού ERDAS IMAGINE Επιλέχθηκαν με διαδοχική σειρά οι ακόλουθες εντολές οι οποίες φαίνονται και ως απόσπασμα στην επόμενη εικόνα. Interpreter Utilities Layer Stack Εικόνα 7.8: Εντολές συγχώνευσης καναλιών στο λογισμικό ERDAS IMAGINE 2010 Έπειτα από την επιλογή της εντολής Layer Stack, εμφανίζεται ένα παράθυρο διαλόγου στο οποίο δίνεται η δυνατότητα να φορτώσουμε (upload) τις εικόνες για κάθε επιθυμητή ζώνη και στην συνέχεια να επιλέξουμε την τοποθεσία του παραγόμενου συγχωνευμένου αρχείου μορφής.img. Οι εικόνες Tiff διατίθενται σε μορφή ακέραιου δεκαδικού 16bit (unsigned 16- bit), οπότε αποθηκεύτηκαν κατά την ίδια μορφή και στο νέο αρχείο που προέκυψε. Πιο αναλυτικά, επιλέγοντας τα κατάλληλα αρχεία Tiff και πατώντας την εντολή Add κάθε φορά, επιλέγεις τα κανάλια που επιθυμείς να συγχωνευτούν. Ολοκληρώνοντας αυτό το στάδιο, επιλέγοντας το εικονίδιο στο κελί Output File, ορίζεις την τοποθεσία και το όνομα του αρχείου τύπου.img. Στο τέλος, επιλέχθηκε η επιλογή ΟΚ προκειμένου να εκτελεστεί η εντολή συγχώνευσης. Για την περιοχή μελέτης μας, δημιουργήθηκε μία συγχωνευμένη εικόνα ακρίβειας 30 m, στην οποία δεν περιέχονται οι θερμικές ζώνες (band 10 & 11) και η παγχρωματική (band 8). Στην συνέχεια, παρουσιάζεται ενδεικτικά ένα απόσπασμα από την επιλογή των δύο 56

58 πρώτων καναλιών του αρχείου της δορυφορικής εικόνας με κωδικό 184/34 που κατέγραψε στις 02/09/2015 και των τρόπο που εμφανίζονται στο παράθυρο διαλόγου. Εικόνα 7.9: Παράθυρο διαλόγου εντολής συγχώνευσης εικόνων του λογισμικού ERDAS IMAGINE 2010 Στην συνέχεια παρουσιάζονται οι τέσσερις δορυφορικές συγχωνευμένες εικόνες Landsat 8 που παράχθηκαν μετά την εκτέλεση της εντολής Layer Stack οι οποίες περιλαμβάνουν την περιοχή μελέτης Εικόνες 7.10,7.11: Συγχωνευμένες εικόνες Landsat 8 184/33 που καταγράφηκαν (02/09/2015:δεξιά,18/09/2015 αριστερά) 57

59 Εικόνες 7.12,7.13: Συγχωνευμένες εικόνες Landsat 8 184/34 που καταγράφηκαν (02/09/2015:αριστερά, 18/09/2015:δεξιά) 7.6 Επεξεργασία Φασματικών ζωνών των δορυφορικών εικόνων Sentinel 2 Όσο αφορά τα δεδομένα των δορυφορικών εικόνων Sentinel 2, χρειάστηκε η επεξεργασία των φασματικών ζωνών, που η αρχική τους μορφή είναι.jp2, για την μετατροπή τους σε τύπο αρχείου GeoTiff, προκειμένου να είναι επεξεργάσιμα ως αρχεία από το λογισμικό ERDAS IMAGINE 2010 όπως και των αντίστοιχων Landsat 8. Για τις εικόνες του δορυφόρου Sentinel 2 χρησιμοποιήθηκε το λογισμικό με ονομασία Snap Desktop (Sentinel Application Platform), το οποίο αποτελεί μια κοινή αρχιτεκτονική για όλες τις Sentinel εργαλειοθήκες και διατίθεται δωρεάν στο διαδίκτυο από τον Ευρωπαϊκό Οργανισμό Διαστήματος (European Space Agency- ESA). Η ακολουθία των εντολών που εφαρμόστηκε για την μετατροπή των εικόνων κάθε φασματικού καναλιού σε αρχείο GeoTiff είναι: Open Product και ανοίγω στον φάκελο κάθε εικόνα που θα μετατραπεί σε Geotiff. Στο παράθυρο Product Explorer του Snap, επιλέγω τον φάκελο bands και κλικάρω την εικόνα που θα εμφανιστεί έπειτα στο κεντρικό παράθυρο. File Export GeoTIFF File Name (η ονομασία του νέου αρχείου) Export Product Έχοντας εκτελέσει την παραπάνω διαδικασία που παρουσιάζεται και στην επόμενη σελίδα σε εικόνες για όλες τις δορυφορικές εικόνες που απαιτείται, ακολούθησε η συγχώνευση όλων των φασματικών καναλιών σε μία εικόνα με την εντολή Layer Stack, με τον αντίστοιχο τρόπο που εφαρμόστηκε και στις δορυφορικές εικόνες του Landsat 8. 58

60 Εικόνα 7.14: Εντολές επιλογής αρχείου (open product) και ανοίγματος φασματικού καναλιού (band 1) Εικόνα 7.15: Εξαγωγή/Μετατροπή αρχείου μορφής JPEG2000 σε GEOTIFF Εικόνα 7.16: Ονομασία και αποθήκευση νέου αρχείου μορφής GEOTIFF 59

61 7.7 ΔΗΜΙΟΥΡΓΙΑ ΜΩΣΑÏΚΩΝ ΠΕΡΙΟΧΗΣ ΜΕΛΕΤΗΣ Έχοντας πλέον δημιουργήσει τις συγχωνευμένες εικόνες σε μορφή.img, ακολουθεί η φάση δημιουργίας του μωσαϊκού της περιοχής για τις κατάλληλες ημερομηνίες. Για την επίτευξη αυτής της διαδικασίας, επιλέχθηκαν οι εξής διαδοχικά εντολές στο αρχικό μενού του λογισμικού ERDAS IMAGINE 2010: Data Preparation Mosaic Images Mosaic Pro Εικόνα 7.17: Επιλογή εντολής δημιουργίας μωσαϊκού εικόνων στο αρχικό μενού του ERDAS IMAGINE 2010 Αφού εμφανιστεί το χαρακτηριστικό νέο παράθυρο που παρουσιάζεται και στην επόμενη εικόνα, επιλέγονται οι εξής εντολές από το μενού: Display Add Images Dialog Process Run Mosaic Εικόνες 7.18,7.19: Εντολές δημιουργίας μωσαϊκού εικόνων στο παράθυρο Mosaic Pro του ERDAS IMAGINE

62 Στην συνέχεια, παρουσιάζονται τα τέσσερα μωσαϊκά ανά ζευγάρια που προέκυψαν για κάθε κατηγορία δορυφορικών αποστολών και για τις ημέρες καταγραφής τους. 2 μωσαϊκά Landsat 8 για τις ημερομηνίες 02/09/2015 και 18/09/ μωσαϊκά Sentinel 2 για τις ημερομηνίες 28/08/2015 και 16/11/2015 Εικόνα 7.20,7.21: Μωσαϊκά εικόνων Landsat 8 (02/09/2015:αριστερά, 18/09/2015:δεξιά) Εικόνες 7.22,7.23:Μωσαϊκά εικόνων Sentinel 2 (02/09/2015:αριστερά, 18/09/2015:δεξιά) Ακολούθησε η επεξεργασία των τεσσάρων μωσαϊκών που προέκυψαν, αφαιρώντας τις περιοχές που δεν ανήκουν στην περιοχή μελέτης με σκοπό την μείωση του όγκου 61

63 δεδομένων που έχει να διαχειριστεί το λογισμικό και την καλύτερη δυνατή επεξεργασία κατά την εκτέλεση της ταξινόμησης. Η συγκεκριμένη διαδικασία επιτεύχθηκε εκτελώντας την εντολή Subset Image για κάθε ένα από τα μωσαϊκά. Στην συνέχεια παρουσιάζονται αναλυτικά οι εντολές και η απεικόνιση αποσπασμάτων κατά τις φάσεις εκτέλεσης της εντολής μέχρι την ολοκλήρωσή της, για το μωσαϊκό των δορυφορικών εικόνων Sentinel 2 για την ημερομηνία 16/11/2015. AOI Tools Create Polygon AOI Σε αυτή την φάση, επιλέγεται το εργαλείο με το οποίο οριοθετήθηκε η περιοχή του μωσαϊκού, σχηματίζοντας το πολύγωνο που περιείχε την τελική περιοχή μελέτης στην οποία εκτελέστηκε η διαδικασία της ταξινόμησης. DataPrep Subset Image Input File (επιλογή αρχικού αρχείου) Output File (τελικό αρχείο) ΑΟΙ VIEWER OK Πλέον, η διαδικασία των εντολών ολοκληρώθηκε και το λογισμικό δημιούργησε την τελική περιοχή μελέτης εντός του πολυγώνου που σχηματίστηκε για κάθε ένα από τα τέσσερα μωσαϊκά. Στην συνέχεια, γίνεται οπτική παρουσίαση των εντολών που εκτελέστηκαν για να προκύψουν τα τελικά μωσαϊκά που χρησιμοποιήθηκαν για την μελέτη ταξινόμησης καθώς και των τεσσάρων μωσαϊκών για κάθε μια από τις δορυφορικές αποστολές. Εικόνα 7.24: Εντολές επιλογής εικονιδίου για το σχηματισμό της περιοχής ενδιαφέροντος (ΑΟΙ) 62

64 Εικόνα 7.25: Εντολές επιλογής δημιουργίας νέου αρχείου της περιοχής ενδιαφέροντος (ΑΟΙ) Εικόνες 7.27,7.28: Τελικά μωσαϊκά εικόνων Landsat 8 (02/09/2015:αριστερά, 18/09/2015:δεξιά) Εικόνα 7.29,7.30: Τελικά μωσαϊκά εικόνων Sentinel 2 (02/09/2015:αριστερά, 18/09/2015:δεξιά) 63

65 7.8 Δεδομένα Μετρήσεων Lucas 2015 Στην περιοχή μελέτης που περιλαμβάνει όλη την επικράτεια της Περιφέρειας Δυτικής Ελλάδος, περιλαμβάνονται 729 σημεία παρατήρησης Lucas και η έρευνα διεξήχθη από τις εταιρίες Ανάπτυξη Ε.Ε. και Land Data Ε.Π.Ε., οι οποίες είχαν αναθέσει στον γράφοντα της διπλωματικής αυτής εργασίας την χαρτογράφηση και φωτογράφιση όλων των σημείων που ανήκουν στις περιφερειακές ενότητες της Αιτωλοακαρνανίας και Ηλείας και τα υπόλοιπα αποτελέσματα των σημείων της αντίστοιχης περιοχής της Αχαΐας, ελήφθησαν από την επίσημη σελίδα της EUROSTAT (ec.europa.eu/eurostat/web/lucas/data/primary-data/2015), στην οποία είναι αναρτημένα και ελεύθερα διαθέσιμα τα επίσημα τελικά αποτελέσματα των σημείων έρευνας Lucas για όλες τις χώρες των μελών της Ε.Ε. που πραγματοποιήθηκε. Ως πρωτογενή βάση δεδομένων, για τον ακριβή εντοπισμό και προσδιορισμό των σημείων, δόθηκε σε όλους τους ερευνητές ψηφιακό αρχείο τύπου.kml στο οποίο είναι τοποθετημένα τα σημεία πάνω στον ψηφιακό χάρτη του Google Earth, με καταγεγραμμένο το γεωγραφικό πλάτος και μήκος του καθενός σημείου. Η συγκεκριμένη δυνατότητα αποτελούσε καθοριστικό παράγοντα στην διαδικασία επιλογής περιοχών εκπαίδευσης κατά την εκτέλεση της ταξινόμησης, καθώς λειτουργούσε ως επιβεβαιωτικό στοιχείο στην φάση της φωτοερμηνείας και ως βάση δεδομένων κατά την μετατροπή των γεωγραφικών συντεταγμένων στο διεθνές προβολικό σύστημα UTM, με γεωδαιτικό σύστημα αναφοράς το WGS84 που απαιτούνταν, προκειμένου να προσδιοριστούν επακριβώς τα σημεία μελέτης στα μωσαϊκά. Εικόνα 7.31: Σημεία Lucas στον ελλαδικό χώρο (αριστερά), γεωγραφικές συντεταγμένες σημείου (δεξιά) Η μετατροπή συντεταγμένων όλων των σημείων Lucas της περιοχής μελέτης, πραγματοποιήθηκε μέσω της ιστοσελίδας latlong.net, η οποία δίνει την δυνατότητα μετατροπής συντεταγμένων σε διαφορετικά συστήματα και παράλληλα προσδιορίζει χωρικά το σημείο ως ένα επιπλέον μέσο επαλήθευσης. Στην συνέχεια, παρουσιάζεται ένα χαρακτηριστικό παράδειγμα της μετατροπής των συντεταγμένων που εκτελέστηκε στην προαναφερθείσα ιστοσελίδα ενός σημείου στην περιοχή της Αιτωλοακαρνανίας. 64

66 Εικόνα 7.32: Μετατροπή γεωγραφικών συντεταγμένων σε UTM σημείου LUCAS 7.9 Επιβλεπόμενη Ταξινόμηση Περιοχές Εκπαίδευσης Training Fields Στην επιβλεπόμενη ταξινόμηση το πρώτο και πιο καθοριστικό στάδιο είναι ο προσδιορισμός των Περιοχών Εκπαίδευσης. Ο χρήστης εντοπίζει και καταγράφει εικονοστοιχεία για κάθε κατηγορία- κλάση της μελέτης. Στη συνέχεια, κάθε εικονοστοιχείο ταυτοποιείται σε μια φασματική τάξη, με βάση την θέση του στον φασματικό χώρο. Κατά την αρχική διαδικασία επιλογής των σημείων εκπαίδευσης στο λογισμικό Erdas Imagine 2010, οι φασματικές τάξεις καθορίσθηκαν με τέτοιο τρόπο ώστε να ταυτίζονται με τις επίσημες κατηγορίες κάλυψης γης του ευρωπαικού προγράμματος LUCAS, που αποτελούνται από 8 βασικές κατηγορίες στο πρώτο επίπεδο επιτόπιας παρατήρησης. Εφαρμόζοντας όμως στην συνέχεια πειραματικές δοκιμές ταξινόμησης για τις συγκεκριμένες κλάσεις προέκυψαν χαμηλά ποσοστά αξιοπιστίας και ταύτισης των αποτελεσμάτων σε σχέση με τις υπαίθριες παρατηρήσεις. Ιδιαίτερα χαμηλά ποσοστά επιτυχίας παρατηρήθηκαν στις κατηγορίες που σχετίζονται με την βλάστηση και τις καλλιέργειες. Το γεγονός αυτό οφείλεται στην παροδικότητα και μεταβλητότητα που παρουσιάζουν ορισμένες κλάσεις, όπως για παράδειγμα σε διάφορους τύπους καλλιεργειών εποχιακών λαχανικών. Ακόμη, το γεγονός ότι υπήρχε σε πολλές 65

67 περιπτώσεις απόκλιση των ημερομηνιών καταγραφής μεταξύ των υπαίθριων παρατηρήσεων και δορυφορικών εικόνων συνετέλεσε στην απόκλιση μεταξύ υπαίθριων παρατηρήσεων και αντίστοιχων φασματικών υπογραφών ορισμένων σημείων, καθώς ο φαινολογικός κύκλος ορισμένων τύπων βλάστησης μεταβάλλεται έντονα στο διάστημα του έτους με αποτέλεσμα να επηρεάζεται και το αποτέλεσμα καταγραφής του κάθε φορά από τους δορυφορικούς δέκτες. Επομένως, για την βελτίωση της διαδικασίας ταξινόμησης και βελτίωσης της ακρίβειας των αποτελεσμάτων, αποφασίστηκε να γίνει συγχώνευση των κατηγοριών Β (Καλλιεργήσιμη γη) και Ε (Χορτολιβαδική έκταση), αφού ως κλάσεις θεωρείται ότι έχουν κοινά χαρακτηριστικά που ευρύτερα περιγράφουν την χαμηλή βλάστηση. Επιπλέον, συγχωνεύτηκαν οι κατηγορίες C (Δασική έκταση) και D (Θαμνώδης έκταση), καθώς εντάσσονται ευρύτερα στην κατηγορία υψηλής βλάστησης. Α/Α ΚΩΔ. ΚΑΤΗΓΟΡΙΕΣ ΧΡΗΣΗΣ/ΚΑΛΥΨΗΣ ΓΗΣ 1 Α Artificial land Τεχνητή γη 2 Β Cropland Καλλιεργήσιμη γη 3 C Woodland Δάσος 4 D Shrubland Θαμνώδης έκταση 5 E Grassland Χορτολιβαδική έκταση 6 F Bareland Γυμνό έδαφος 7 G Water Νερό 8 H Wetland - Υγρότοποι Πίνακας 7.2: Οι πρότυπες κατηγορίες κάλυψης γης LUCAS Α/Α ΚΩΔ. ΚΑΤΗΓΟΡΙΕΣ ΧΡΗΣΗΣ/ΚΑΛΥΨΗΣ ΓΗΣ 1 Α Artificial land Τεχνητή γη 2 Β-E Cropland Καλλιεργήσιμη γη /Grassland Χορτολιβαδική έκταση 3 C-D Woodland Δάσος/ Shrubland Θαμνώδης έκταση 4 F Bareland Γυμνό έδαφος 5 G Water Νερό 6 H Wetland - Υγρότοποι Πίνακας 7.3: Οι τροποποιημένες κατηγορίες κάλυψης γης LUCAS που χρησιμοποιηθηκαν στην μελέτη Για τον προσδιορισμό των φασματικών υπογραφών, που στην περίπτωση αντιπροσωπεύουν κλάσεις κάλυψης γης έγινε χρήση των παρακάτω εντολών από το Menu του Erdas Imagine 2010, επιλέγοντας παράλληλα την κατάλληλη εικόνα. Classifier Signature Editor Viewer AOI Tools Create Polygon AOI 66

68 Ακολουθεί ενδεικτικό παράδειγμα περιοχών εκπαίδευσης για κάθε μία από τις 6 κατηγορίες κλάσεις που επιλέχθηκαν στην εικόνα Sentinel 2 για την ημερομηνία 28/08/2015. Εικόνες 7.33,7.34: περιοχή εκπαίδευσης κατηγορίας urban- Αχαΐα (αριστερά), cropland/grassland Αιτ/νία (δεξ) Εικόνες 7.35,7.36: Περιοχή εκπαίδευσης κατηγορίας water area-αιτ/νία(αριστερά), bareland - Αιτ/νία (δεξιά) Εικόνες 7.3,7.38: περιοχή εκπαίδευσης κατηγορίας woodland/shrubland - Ηλεία (αριστερά), wetland Αιτ/νία (δεξιά) 67

69 Σε αυτή την φάση, ακολουθεί ο σχεδιασμός πολυγώνων που εμπεριέχουν εικονοστοιχεία που καθορίζουν τα χαρακτηριστικά κάθε φασματικής υπογραφής. Κάθε ένα πολύγωνο εισάγεται στο παράθυρο του Signature Editor επιλέγοντας την εντολή Create New Signature(s) from AOI, ενώ έπειτα μέσω της εντολής Merge Selected Signatures, επιτυγχάνεται η συγχώνευση πολλών διαφορετικών τάξεων σε μία. Η ίδια διαδικασία ακολουθείται για όλες τις φασματικές τάξεις-καλύψεις γης και στο τέλος επιλέγεται το επιθυμητό χρώμα για καθεμία, αποθηκεύοντας στο τέλος το συγκεκριμένο αρχείο με όλες τις κλάσεις που θα χρησιμοποιηθούν για τις ταξινομήσεις όλων των εικόνων. Εικόνα 7.39: Φασματικές τάξεις επιβλεπόμενης ταξινόμησης Eντολές Επιβλεπόμενης Ταξινόμησης Έχοντας ολοκληρώσει το στάδιο της δημιουργίας των περιοχών εκπαίδευσης ακολουθούν οι παρακάτω εντολές για την εκτέλεση της ταξινόμησης: Classifier Supervised Classification Input Raster file(*.img): επιλέγεται η εικόνα που θα εκτελεστεί η ταξινόμηση Input Signature file(*.sig): το αρχείο με τις φασματικές τάξεις που θα χρησιμοποιηθούν για την ταξινόμηση Classified file(*.img): συμπληρώνεται το όνομα του αρχείου της ταξινομημένης εικόνας και τον φάκελο που θα αποθηκευτεί Parametric rule: καθορίζεται μία από τις τρεις μεθόδους ταξινόμησης που επιθυμεί ο κάθε χρήστης. Αντίστοιχα, η ίδια ακολουθία εντολών εκτελέστηκε για όλες τις εικόνες που πραγματοποιήθηκε η μελέτη κάλυψης γης και για όλες τις μεθόδους επιβλεπόμενης ταξινόμησης. Αξίζει να σημειωθεί ότι για την έγκυρη και ακριβή σύγκριση των αποτελεσμάτων των ταξινομημένων εικόνων που προέκυψαν, επιλέχθηκαν κοινές φασματικές τάξεις προκειμένου να εξασφαλιστούν οι ίδιες συνθήκες και κριτήρια με τα οποία θα γίνει η ταξινόμηση κάθε φορά. 68

70 Ακολουθεί μία ενδεικτική απεικόνιση του παράθυρου διαλόγου στο λογισμικό Erdas Imagine 2010 και των κελιών που συμπληρώνονται πριν την επιλογή της εντολής ΟΚ που θα επιτρέψει την εκτέλεση της επιβλεπόμενης ταξινόμησης κάθε φορά. Εικόνα 7.40: Παράθυρο διαλόγου επιβλεπόμενης ταξινόμησης 7.10 Αποτελέσματα Επιβλεπόμενης Ταξινόμησης Στην συνέχεια, παρουσιάζονται οι ταξινομημένες εικόνες που προέκυψαν για κάθε μέθοδο ταξινόμησης και κάθε κατηγορία εικόνας. Οι συγκεκριμένες εικόνες αποτέλεσαν στην πορεία το υπόβαθρο στο οποίο μέσω του λογισμικού ArcMap, τοποθετήκαν σε κάθε μία τα σημεία LUCAS της περιοχής ενδιαφέροντος. Αξίζει να τονισθεί ότι εφαρμόστηκαν πολλαπλές δοκιμές ταξινόμησης, με κριτήριο κάθε φορά το πλήθος περιοχών εκπαίδευσης ανά κλάση. Έτσι λοιπόν, επιχειρήθηκαν ταξινομήσεις με διαφορετικό πλήθος σημείων για κάθε μία από τις 6 κλάσεις, που ισομερίστηκαν σε κάθε περιφερειακή ενότητα. Επομένως, εκτελέστηκαν οι εξής δοκιμές: 9 σημεία ανά κατηγορία κλάσης (3 σημεία για κάθε Περιφ. Ενοτ.) 15 σημεία ανά κατηγορία κλάσης (5 σημεία για κάθε Περιφ. Ενοτ.) 21 σημεία ανά κατηγορία κλάσης (7 σημεία για κάθε Περιφ. Ενοτ.) Στην συνέχεια παρουσιάζονται ενδεικτικά οι ταξινομημένες εικόνες που προέκυψαν από κάθε μέθοδο επιβλεπόμενης ταξινόμησης του λογισμικού, για την δορυφορική εικόνα του Sentinel 2 με ημερομηνία καταγραφής τις 28 Αυγούστου του Αξίζει να αναφερθεί, ότι για την συγκεκριμένη περίπτωση επιλέχθηκαν 9 σημεία (περιοχές εκπαίδευσης) για κάθε κλάση. 69

71 Εικόνα 7.41: Ταξινομημένη εικόνα Sentinel 2 (28/08/2015) με χρήση της μεθόδου απόστασης Μαhalanobis (Mahalanobis Distance) Εικόνα 7.42: Ταξινομημένη εικόνα Sentinel 2 (28/08/2015) με χρήση της μεθόδου της μέγιστης πιθανοφάνειας (Maximum Likelihood) 70

72 Εικόνα 7.43: Ταξινομημένη εικόνα Sentinel 2 (28/08/2015) με χρήση της μεθόδου της μέγιστης πιθανοφάνειας (Minimum Distance) Στην συνέχεια, ακολουθεί η χρήση του λογισμικού ArcMap, που συμβάλλει στην στατιστική αξιολόγηση. Για να μπορέσουν να εμφανιστούν τα σημεία LUCAS στις ταξινομημένες εικόνες θα πρέπει το αρχείο που είναι αποθηκευμένες οι συντεταγμένες των σημείων να μετατραπεί σε τύπο shapefile. Ακολουθεί το σύνολο των εντολών που εκτελέστηκαν στο λογισμικό ArcMap : File Add Data Add XY Data Στο αναδυόμενο παράθυρο που εμφανίζεται επιλέγω κλικάροντας το χαρακτηριστικό εικονίδιο του φακέλου, το αρχείο excel, στο οποίο βρίσκονται αποθηκευμένες όλες οι συντεταγμένες των σημείων LUCAS. Έπειτα, στο πεδίο με όνομα Χ FIELD και Υ FIELD, επιλέγω τις αντίστοιχες στήλες των EASTING και NORTHING. Τέλος, κλικάροντας το εικονίδιο edit έγινε δυνατή η επιλογή του σωστού προβολικού και γεωδαιτικού συστήματος αναφοράς και πατώντας το ΟΚ εμφανίζονται τα σημεία LUCAS στο κεντρικό παράθυρο του ArcMap. Για την αποθήκευση του νέου αυτού αρχείου χρειάζεται να εκτελεσθούν οι κάτωθι εντολές: Επιλογή αρχείου excel που εμφανίζεται στο παράθυρο με ονομασία Layers Data Export Data Στο νέο παράθυρο με ονομασία Export Data επιλέγω τις εξής ρυθμίσεις: Export: All features 71

73 Use the same coordinate system as: this layer s source data Output feature class: επιλέγω τοποθεσία και όνομα αρχείου αποθήκευσης Εικόνα 7.44: Εντολές αποθήκευσης αρχείου συντεταγμένων σε μορφή.shp στο λογισμικό Arcmap Έλεγχος αποτελεσμάτων ταξινόμησης & υπαίθριων παρατηρήσεων σημείων LUCAS Στο συγκεκριμένο στάδιο της μελέτης, πραγματοποιείται η αξιολόγηση των αποτελεσμάτων που προέκυψαν από το λογισμικό Erdas Imagine 2010 εκτελώντας μία μέθοδο επιβλεπόμενης ταξινόμησης σε μία δορυφορική εικόνα. Εικόνα 7.45: Σημεία LUCAS της μελετώμενης περιοχής τοποθετημένα σε ταξινομημένη εικόνα Sentinel 2 72

74 Έχοντας φορτώσει στο παράθυρο Layers την υπό αξιολόγηση ταξινομημένη εικόνα και το νέο αρχείο τύπου.shp που είναι αποθηκευμένες οι συντεταγμένες UTM των σημείων LUCAS, στο λογισμικό ArcMap , ακολουθούνται οι εξής εντολές: Arc Toolbox Spatial Analyst Tools Extraction Extract Values to Points Input point features: επιλογή του αρχείου.shp με τις συντεταγμένες των σημείων Input raster: επιλογή της ταξινομημένης δορυφορικής εικόνας Output point features: νέο αρχείο που περιέχει τις κατηγορίες κάλυψης γης για κάθε σημείο LUCAS στην υπό αξιολόγηση ταξινομημένη εικόνα Εικόνα 7.46: Ακολουθία εντολών για απόσπαση τιμών (extract values to points) στο λογισμικό ArcMap Εικόνα 7.47: Παράθυρο διαλόγου αποθήκευσης αποσπώμενων τιμών κάλυψης γης στο λογισμικό ArcMap Στην συνέχεια, για την ευκολότερη επεξεργασία και σύγκριση των αποτελεσμάτων κάλυψης γης της ταξινομημένης εικόνας, επιλέχθηκε η μετατροπή του νέου αρχείου που προέκυψε από την εντολή Extract Values to Points σε αρχείο excel (.xls), διαδικασία που καθίσταται αναγκαία για την μετέπειτα στατιστική ανάλυση των αποτελεσμάτων. Εκτελέστηκαν λοιπόν, οι ακόλουθες εντολές στο λογισμικό ArcMap : Arc Toolbox Conversion Tools Excel Table to Excel 73

75 Εικόνα 7.48: Εντολές μετατροπής αρχείου αποσπώμενων τιμών σε μορφή.xls στο λογισμικό ArcMap Σε αυτό το στάδιο πλέον, έχουν κατηγοριοποιηθεί όλα τα σημεία της μελετώμενης περιοχής ως προς την κάλυψη γης, σύμφωνα με την ταξινομημένη δορυφορική εικόνα κάθε φορά. Ακολουθεί η στατιστική ανάλυση σε περιβάλλον υπολογιστικού φύλλου excel όπου υπολογίστηκαν απόλυτα και ποσοστιαία μεγέθη, εκτιμώντας το βαθμό επιτυχίας και αξιοπιστίας της κάθε περίπτωσης ταξινόμησης (ανά μέθοδο και κατηγορία). Ακολουθεί ενδεικτική εικόνα που παρουσιάζει ένα αρχείο excel υπολογισμού των αποτελεσμάτων με την μέθοδο απόστασης Mahalanobis για την δορυφορική εικόνα Sentinel 2 της περιοχής μελέτης για την ημερομηνία 28/08/2015. Εικόνα 7.49:Αρχείο excel υπολογισμού αποτελεσμάτων κάλυψης γης των σημείων LUCAS (Sentinel 2, 28/08/2015) 74

76 Ακολουθεί πίνακας με την περιγραφή και επεξήγηση κάθε στήλης ξεχωριστά καθώς και στα μεμονωμένα κελιά με συναρτήσεις υπολογισμού στατιστικών μεγεθών. 1 REGION Η Π.Ε που ανήκει το κάθε σημείο LUCAS 2 CODE Κωδικός σημείου LUCAS 3 LAT Γεωγραφικό πλάτος 4 LONG Γεωγραφικό μήκος 5 EASTING Μετατροπή LAT στο προβολικό σύστημα UTM 6 NORTHING Μετατροπή LONG στο προβολικό σύστημα UTM 7 SURVEY_LC1 Κατηγορία κάλυψης γης από την υπαίθρια μελέτη 8 LAND COVER Κατηγορία κάλυψης γης από την επιβλεπόμενη ταξινόμηση 9 CHECK Έλεγχος συμφωνίας ή μη μεταξύ των δύο μεθόδων Πίνακας 7.4: Επεξήγηση των στηλών του αρχείου excel των αποτελεσμάτων ταξινόμησης 1 ΣΥΝΟΛΟ ΠΕΔΙΩΝ Συνολικό άθροισμα σημείων LUCAS στην περιοχή μελέτης 2 POINTS LUCAS AITOLOAKARNANIA Συνολικό άθροισμα σημείων LUCAS στην Π.Ε. Αιτν/νίας 3 POINTS LUCAS ACHAIA Συνολικό άθροισμα σημείων LUCAS στην Π.Ε. Αχαΐάς 4 POINTS LUCAS ILIA Συνολικό άθροισμα σημείων LUCAS στην Π.Ε. Ηλείας 5 ΣΥΝΟΛΟ ΝΑΙ Κοινό αποτέλεσμα κάλυψης γης σημείου για τις 2 μεθόδους 6 ΣΥΝΟΛΟ ΌΧΙ Διαφορετικό αποτέλεσμα κάλυψης γης σημείου για τις 2 μεθόδους 7 ΣΥΝΟΛΟ ΑΠΡΟΣΔΙΟΡΙΣΤΑ Μη ταξινομημένα σημεία LUCAS Πίνακας 7.5: Συναρτήσεις υπολογισμού συγκεντρωτικών μεγεθών του αρχείου excel Παρακάτω, παρουσιάζεται απόσπασμα τμήματος του πίνακα excel όπου παρουσιάζονται τα αποτελέσματα όλων σημείων LUCAS διαχωρισμένα ανά περιφερειακή ενότητα με κριτήριο την κατηγορία κάλυψης γης. Στις στήλες αποτελεσμάτων με τα μαύρα κελιά εμφανίζεται το άθροισμα των σημείων ανά κλάση σε κάθε Π.Ε, αντίστοιχα στις στήλες με τα πράσινα εμφανίζεται το άθροισμα των σημείων ανά κλάση σε κάθε Π.Ε που η κάλυψη γης είναι ίδια και για τις δύο μεθόδους, ενώ τέλος στις στήλες με τα κόκκινα εμφανίζεται το άθροισμα των σημείων ανά κλάση σε κάθε Π.Ε που το αποτέλεσμα κάλυψης γης δεν είναι ίδιο και για τις δύο μεθόδους. Εικόνα 7.50: Αποτελέσματα ανά κάθε κλάση κάλυψης γης των σημείων LUCAS για κάθε Π.Ε (Sentinel 2, 28/08/2015) 75

77 Έπειτα από τα αποτελέσματα που προέκυψαν από την ταξινόμηση για κάθε κλάση κάλυψης γης των σημείων LUCAS, απορρέι το γενικό συμπέρασμα ότι τα ποσοστά επιτυχίας ποικίλλουν. Τα υψηλότερα ποσοστά επιτυχίας παρουσιάζονται στην κλάση αστικό/urban, ενώ αντιθέτως στις κλάσεις που εμπεριέχουν το υγρό στοιχείο όπως water area και wetland παρατηρούνται τα χαμηλότερα. Στις δύο κλάσεις με τα περισσότερα σημεία μελέτης όπως οι cropland/grassland και woodland/shrubland τα ποσοστά επιτυχίας κυμαίνονται στα ίδια επίπεδα για τις περιφέρειες Αιτ/νίας και Ηλείας, 70-80% για την χαμηλή και 45-50% αντίστοιχη υψηλή βλάστηση. Αντιθέτως, στο νομό Αχαΐας παρουσιάζεται ομοιογένεια στο ποσοστό επιτυχίας των δύο κλάσεων με τιμές περίπου στο 50%. Από την απόκλιση που σημειώθηκε για τις δύο περιφέρειες στα ποσοστά επιτυχίας μεταξύ των δύο διαφορετικών κλάσεων συμπεραίνεται ότι σημειώθηκε γενίκευση κατά την ταξινόμηση της περιοχής μελέτης όπου πολλά σημεία που εντοπίστηκαν σε θαμνώδη ή δασική περιοχή καταγράφηκαν ως σημεία σε καλλιεργήσιμη γη ή χαμηλής πράσινης βλάστησης. Η εσφαλμένη ταξινόμηση αποτελεί συνέπεια πολλών παραγόντων, όπως η μη ορθή επιλογή περιοχής εκπαίδευσης, η χρονική απόκλιση μεταξύ υπαίθριας και χρονικής λήψης της δορυφορικής εικόνας με αποτέλεσμα την μεταβολή της φασματικής υπογραφής λόγω του φαινολογικού κύκλου καθώς και της έντονης μορφολογίας του εδάφους σε μεγάλο τμήμα της περιοχής που αλλοιώνει τα αποτελέσματα λόγω σκίασης Συγκεντρωτικά στατιστικά αποτελέσματα ανά πλήθος εκπαιδευτικών περιοχών για κάθε κατηγορία κλάσης Στο στάδιο της ταξινόμησης της μελετώμενης περιοχής, επιλέχθηκε η μέθοδος των επαναληπτικών πειραματικών δοκιμών με διαφορετικό πλήθος εκπαιδευτικών σημείων ανά Π.Ε. προκειμένου να διερευνηθεί η μεταβολή και τα επιπέδα των ποσοστών επιτυχίας των αποτελεσμάτων. Έτσι λοιπόν, εφαρμόστηκαν τρεις διαφορετικές δοκιμές επιβλεπόμενης ταξινόμησης όσο αφορά το πλήθος: 1. Με 3 σημεία ανά κατηγορία κλάσης για κάθε Π.Ε 2. Με 5 σημεία ανά κατηγορία κλάσης για κάθε Π.Ε 3. Με 7 σημεία ανά κατηγορία κλάσης για κάθε Π.Ε Στην συνέχεια, παρατίθενται αναλυτικά υπό την μορφή συγκεντρωτικών πινάκων όλα τα στατιστικά αποτελέσματα που προέκυψαν για κάθε περίπτωση ταξινόμησης ανά μέθοδο και πλήθος εκπαιδευτικών περιοχών Αποτελέσματα επιβλεπόμενων ταξινομήσεων για όλες τις δορυφορικές εικόνες / 9 σημεία ανά κατηγορία κλάσης (3 σημεία για κάθε Περιφ. Ενότητα) Στον επόμενο πίνακα παρουσιάζονται τα ποσοστά ταύτισης του πλήθους του συνόλου των σημείων LUCAS, για τα οποία η κατηγοριοποίηση της κάλυψης γης είναι ίδια και για τις δύο μεθόδους σύγκρισης (επιβλεπόμενη ταξινόμηση υπαίθρια παρατήρηση), για όλες μεθόδους επιβλεπόμενης ταξινόμησης που εφαρμόστηκαν. 76

78 ΔΟΡΥΦΟΡΙΚΗ ΕΙΚΟΝΑ MAHALANOBIS DISTANCE MAXIMUM LIKELIHOOD MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) 56.62% 49.37% 52.44% 57.88% 53.28% 50.77% 58.16% 64.47% 50.62% 46.50% 62.69% 49.66% Πίνακας 7.6: Ποσοστιαίος πίνακας επιτυχίας ταξινόμησης για κάθε μέθοδο επιβλεπόμενης ταξινόμησης Αναλύοντας τα αποτελέσματα του προηγούμενου πίνακα, συμπεραίνεται γενικά ότι όλες οι μέθοδοι ταξινόμησης για όλες τις δορυφορικές εικόνες χαρακτηρίζονται από μέτριο βαθμό αξιοπιστίας που κυμαίνεται κατά βάση στο εύρος 50%-60% με την πιο αξιόπιστη επιβλεπόμενη ταξινόμηση να εντοπίζεται στην δορυφορική εικόνα της Sentinel 2 για την ημερομηνία 28/08/2015, εφαρμόζοντας την μέθοδο της μέγιστης πιθανοφάνειας. Στους επόμενους τρεις πίνακες παρουσιάζονται τα ποσοστά ταύτισης του συνόλου των σημείων LUCAS ανά Περιφερειακή Ενότητα, για τα οποία η κατηγοριοποίηση της κάλυψης γης είναι ίδια και για τις δύο μεθόδους σύγκρισης (επιβλεπόμενη ταξινόμηση υπαίθρια παρατήρηση), για όλες τις μεθόδους επιβλεπόμενης ταξινόμησης που εφαρμόστηκαν. ΔΟΡΥΦΟΡΙΚΗ ΕΙΚΟΝΑ MAHALANOBIS DISTANCE MAXIMUM LIKELIHOOD MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) 58.80% 55.48% 57.81% 58.28% 59.27% 52.88% 56.87% 65.50% 59.74% 50.16% 68.05% 50.16% Πίνακας 7.7: Ποσοστιαίος πίνακας επιτυχίας ταξινόμησης για κάθε μέθοδο επιβλεπόμενης ταξινόμησης (Π.Ε Αιτωλοακαρνανίας) Στον παραπάνω πίνακα, κρίνεται άξια σχολιασμού η ομοιογένεια των αποτελεσμάτων συνολικά, με τα μεγαλύτερα ποσοστά επιτυχίας να εντοπίζονται στις εικόνες Sentinel 2 και πιο συγκεκριμένα για τις 16/11/15 με τον βαθμό αξιοπιστίας να κυμαίνεται στο 68.05%. 77

79 ΔΟΡΥΦΟΡΙΚΗ ΕΙΚΟΝΑ MAHALANOBIS DISTANCE MAXIMUM LIKELIHOOD MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) 52.13% 46.45% 45.50% 57.82% 51.18% 46.92% 59.24% 63.03% 42.18% 41.71% 54.50% 47.39% Πίνακας 7.8: Ποσοστιαίος πίνακας επιτυχίας ταξινόμησης για κάθε μέθοδο επιβλεπόμενης ταξινόμησης (Π.Ε Αχαΐας) Στον παραπάνω πίνακα, παρατηρείται μια ανομοιογένεια και απόκλιση των αποτελεσμάτων μεταξύ των μεθόδων συνολικά με την μέθοδο της ελάχιστης απόστασης να υστερεί σε σύγκριση με τις υπόλοιπες δύο, με το μεγαλύτερο ποσοστό επιτυχίας να εντοπίζεται στην εικόνα Sentinel 2 για την ημερομηνία 28/08/15 με τον βαθμό αξιοπιστίας να κυμαίνεται στο 63.03%. ΔΟΡΥΦΟΡΙΚΗ ΕΙΚΟΝΑ MAHALANOBIS DISTANCE MAXIMUM LIKELIHOOD MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) 58.05% 43.41% 51.71% 57.07% 46.34% 48.78% 59.02% 64.39% 45.37% 45.85% 62.93% 51.22% Πίνακας 7.9: Ποσοστιαίος πίνακας επιτυχίας ταξινόμησης για κάθε μέθοδο επιβλεπόμενης ταξινόμησης (Π.Ε Ηλείας) Για τα αποτελέσματα που αφορούν την Π.Ε. Ηλείας, κρίνεται άξια αναφοράς η σημαντική διαφορά μεταξύ της αξιοπιστίας μεταξύ των δορυφορικών εικόνων Sentinel 2 και Landsat με το μεγαλύτερο ποσοστό επιτυχίας να παρατηρείται για την εικόνα που καταγράφηκε στις 28/08/2015. Ακόμα, εκτός από την δορυφορική εικόνα που καταγράφηκε στις 16/11/2015, χαρακτηρίζεται ως πιο αξιόπιστη η μέθοδος που χρησιμοποιεί την απόσταση Mahalanobis από την αντίστοιχη της ελάχιστης. Στον επόμενο πίνακα παρουσιάζονται συνοπτικά τα ποσοστά ταύτισης του πλήθους του συνόλου των σημείων LUCAS ανά κατηγορία κάλυψης γης, για τις δύο μεθόδους σύγκρισης (επιβλεπόμενη ταξινόμηση υπαίθρια παρατήρηση), για τις τρεις μεθόδους επιβλεπόμενης ταξινόμησης που εφαρμόστηκαν στο λογισμικό Erdas Imagine

80 Urban- Artificial Land LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) Cropland- Grassland MAHALANOBIS DISTANCE 50% (13/26) 46.15% (12/26) 76.92% (20/26) 61.54% (16/26) MAHALANOBIS DISTANCE MAXIMUM LIKELIHOOD 53.85% (14/26) 57.69% (15/26) 57.69% (15/26) 53.85% (14/26) MAXIMUM LIKELIHOOD MINIMUM DISTANCE 38.46% (10/26) 23.08% (6/26) 42.31% (11/26) 42.31% (11/26) MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) Woodland- Shrubland 63.09% (188/298) 63.42% (189/298) 65.23% (197/302) 32.78% (99/302) MAHALANOBIS DISTANCE 22.48% (67/298) 24.16% (72/298) 61.92% (187/302) 50% (151/302) MAXIMUM LIKELIHOOD 44.63% (133/298) 46.31% (138/298) 33.77% (102/302) 57.95% (175/302) MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) Bareland 51.98% (184/354) 55.37% (196/354) 53.48% (192/359) 56.82% (204/359) MAHALANOBIS DISTANCE 71.47% (253/354) 77.97% (276/354) 69.64% (250/359) 75.77% (272/359) MAXIMUM LIKELIHOOD 61.30% (217/354) 57.34% (203/354) 66.02% (237/359) 43.73% (157/359) MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) Water Area 83.33% (10/12) 83.33% (10/12) 53.85% (7/13) 76.92% (10/13) MAHALANOBIS DISTANCE 75% (9/12) 75% (9/12) 53.85% (7/13) 53.85% (7/13) MAXIMUM LIKELIHOOD 58.33% (7/12) 58.33% (7/12) 61.54% (8/13) 30.77% (4/13) MINIMUM DISTANCE LANDSAT 8 50% 50% 58.33% (02/09/2015) (6/12) (6/12) (7/12) LANDSAT % 50% 58.33% 79

81 (18/09/2015) (4/12) (6/12) (7/12) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) Wetland LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) 38.46% (5/13) 30.77% (4/13) MAHALANOBIS DISTANCE 33.33% (5/15) 26.67% (4/15) 18.75% (3/16) 37.50% (6/16) 46.15% (6/13) 53.85% (7/13) MAXIMUM LIKELIHOOD 33.33% (5/15) 20% (3/15) 31.25% (5/16) 37.50% (6/16) 61.54% (8/13) 76.92% (10/13) MINIMUM DISTANCE 13.33% (2/15) 13.33% (2/15) 18.75% (3/16) 31.25% (5/16) Πίνακας 7.10: Ποσοστιαίος πίνακας επιτυχίας ταξινόμησης για κάθε μέθοδο επιβλεπόμενης ταξινόμησης ανά κατηγορία κάλυψης γης Παρατηρώντας τον συνοπτικό πίνακα αποτελεσμάτων ανά κατηγορία χρήσης γης, συμπεραίνεται η χαμηλή αξιοπιστία που διακρίνεται στην κατηγορία των υγροτόπων (wetlands) για όλα τα είδη μεθόδων ταξινόμησης και δορυφορικών εικόνων, γεγονός που υποδηλώνει το γενικό πρόβλημα επιλογής των περιοχών εκπαίδευσης για την εν λόγω κλάση. Εξίσου χαμηλά ποσοστά επιτυχίας εντοπίζονται στις δορυφορικές εικόνες Landsat 8 για την μέθοδο της μέγιστης πιθανοφάνειας στην κατηγορία καλλιέργεια/λιβαδότοποι (cropland/grassland), σε αντίθεση με τα επίπεδα επιτυχίας για την αντίστοιχη κλάση στην κατηγορία δασικές/θαμνώδεις εκτάσεις (woodland/shrubland) Αποτελέσματα επιβλεπόμενων ταξινομήσεων για όλες τις δορυφορικές εικόνες/15 σημεία ανά κατηγορία κλάσης (5 σημεία για κάθε Περιφ. Ενότητα) Στον επόμενο πίνακα παρουσιάζονται συνοπτικά τα ποσοστά ταύτισης του πλήθους του συνόλου των σημείων LUCAS, για τα οποία η κατηγοριοποίηση της κάλυψης γης είναι ίδια και για τις δύο μεθόδους σύγκρισης (επιβλεπόμενη ταξινόμηση υπαίθρια παρατήρηση), για τις τρεις μεθόδους επιβλεπόμενης ταξινόμησης που εφαρμόστηκαν στο λογισμικό Erdas Imagine ΔΟΡΥΦΟΡΙΚΗ ΕΙΚΟΝΑ MAHALANOBIS DISTANCE MAXIMUM LIKELIHOOD MINIMUM DISTANCE LANDSAT % 59.83% 51.03% (02/09/2015) LANDSAT % 63.32% 50.91% (18/09/2015) SENTINEL % 63.10% 49.52% (28/08/2015) SENTINEL 2 (16/11/2015) 41.84% 64.06% 48.97% Πίνακας 7.11: Ποσοστιαίος πίνακας επιτυχίας ταξινόμησης για κάθε μέθοδο επιβλεπόμενης ταξινόμησης 80

82 Αναλύοντας τα αποτελέσματα του προηγούμενου πίνακα, συμπεραίνεται γενικά ότι όλες οι μέθοδοι ταξινόμησης για όλες τις δορυφορικές εικόνες χαρακτηρίζονται από μέτριο βαθμό αξιοπιστίας που κυμαίνεται κατά βάση στο εύρος 50%-60% με τα υψηλότερα επίπεδα επιτυχίας να εντοπίζεται στην μέθοδο της μέγιστης πιθανοφάνειας για όλες τις ταξινομημένες εικόνες. Στους επόμενους τρεις πίνακες παρουσιάζονται συνοπτικά τα ποσοστά ταύτισης του πλήθους του συνόλου των σημείων LUCAS ανά Περιφερειακή Ενότητα, για τα οποία η κατηγοριοποίηση της κάλυψης γης στα οποία είναι ίδια και για τις δύο μεθόδους σύγκρισης (επιβλεπόμενη ταξινόμηση υπαίθρια παρατήρηση), για τις τρεις μεθόδους επιβλεπόμενης ταξινόμησης που εφαρμόστηκαν στο λογισμικό Erdas Imagine ΔΟΡΥΦΟΡΙΚΗ ΕΙΚΟΝΑ MAHALANOBIS DISTANCE MAXIMUM LIKELIHOOD MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) 55.81% 64.78% 56.48% 54.82% 67.77% 55.48% 46.96% 63.26% 58.15% 47.92% 70.29% 51.16% Πίνακας 7.12: Ποσοστιαίος πίνακας επιτυχίας ταξινόμησης για κάθε μέθοδο επιβλεπόμενης ταξινόμησης (Π.Ε Αιτωλοακαρνανίας) Στον πίνακα αποτελεσμάτων για την Π.Ε. Αιτ/νίας, τα μεγαλύτερα ποσοστά επιτυχίας σημειώνονται στις εικόνες που εφαρμόστηκε η μέθοδος της μέγιστης πιθανοφάνειας. Ακόμα, μπορεί να ειπωθεί ότι υπάρχει ομοιογένεια των αποτελεσμάτων αξιοπιστίας για κάθε μια από τις τρεις μεθόδους ξεχωριστά, με την απόκλιση να μην υπερβαίνει το 10%. ΔΟΡΥΦΟΡΙΚΗ ΕΙΚΟΝΑ MAHALANOBIS DISTANCE MAXIMUM LIKELIHOOD MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) 50.24% 59.72% 45.50% 56.40% 60.19% 46.45% 55.92% 63.03% 41.71% 36.49% 56.87% 48.34% Πίνακας 7.13: Ποσοστιαίος πίνακας επιτυχίας ταξινόμησης για κάθε μέθοδο επιβλεπόμενης ταξινόμησης (Π.Ε Αχαΐας) 81

83 Στον προηγούμενο πίνακα, τα πιο αξιόπιστα αποτελέσματα ταξινόμησης προέκυψαν για όλες τις εικόνες με την μεθόδο της μέγιστης πιθανοφάνειας, ενώ χαμηλά επίπεδα αξιοπιστίας εντοπίζονται στην εικόνα Sentinel 2 16/11/2015 για την μέθοδο Mahalanobis. ΔΟΡΥΦΟΡΙΚΗ ΕΙΚΟΝΑ MAHALANOBIS DISTANCE MAXIMUM LIKELIHOOD MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) 48.78% 52.68% 51.71% 50.73% 60% 49.27% 46.83% 62.93% 44.39% 36.97% 61.95% 49.27% Πίνακας 7.14: Ποσοστιαίος πίνακας επιτυχίας ταξινόμησης για κάθε μέθοδο επιβλεπόμενης ταξινόμησης (Π.Ε Ηλείας) Για τα αποτελέσματα που αφορούν την Π.Ε. Ηλείας, παρατηρείται ότι η αξιοπιστία των δορυφορικών εικόνων Sentinel 2 και Landsat για την μέθοδο της μέγιστης πιθανοφάνειας, είναι μεγαλύτερη σε σύγκριση με το βαθμό επιτυχίας που εμφανίζονται στις υπόλοιπες περιπτώσεις ταξινόμησης. Ακόμα, εκτός από την δορυφορική εικόνα που καταγράφηκε στις 16/11/2015 για την μέθοδο της απόστασης Mahalanobis, που παρουσιάζει τα χειρότερα ποσοστά επιτυχίας, στις υπόλοιπες περιπτώσεις στα ποσοστά επιτυχίας δεν παρουσιάζονται μεγάλες διαφορές. Στον επόμενο πίνακα παρουσιάζονται συνοπτικά τα ποσοστά ταύτισης του πλήθους του συνόλου των σημείων LUCAS ανά κατηγορία κάλυψης γης, για τις δύο μεθόδους σύγκρισης (επιβλεπόμενη ταξινόμηση υπαίθρια παρατήρηση), για τις τρεις μεθόδους επιβλεπόμενης ταξινόμησης που εφαρμόστηκαν στο λογισμικό Erdas Imagine Urban- Artificial Land LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) Cropland- Grassland MAHALANOBIS DISTANCE 50% (13/26) 50% (13/26) 65.38% (17/26) 53.85% (14/26) MAHALANOBIS DISTANCE MAXIMUM LIKELIHOOD 53.85% (14/26) 50% (13/26) 57.69% (15/26) 50% (13/26) MAXIMUM LIKELIHOOD MINIMUM DISTANCE 34.62% (9/26) 38.46% (10/26) 38.46% (10/26) 42.31% (11/26) MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) 52.35% (156/298) 57.72% (172/298) 46.64% (139/298) 54.70% (72/298) 47.99% (143/298) 49.66% (148/298) 82

84 SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) Woodland- Shrubland 55.30% (167/302) 26.49% (80/302) MAHALANOBIS DISTANCE 60.26% (182/302) 51.99% (157/302) MAXIMUM LIKELIHOOD 38.41% (116/302) 57.62% (174/302) MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) Bareland 52.26% (185/354) 51.69% (183/354) 44.29% (159/359) 52.92% (190/359) MAHALANOBIS DISTANCE 72.60% (257/354) 72.32% (256/354) 67.69% (243/359) 76.04% (273/359) MAXIMUM LIKELIHOOD 57.91% (205/354) 53.67% (190/354) 60.72% (218/359) 41.78% (150/359) MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) Water Area 75% (9/12) 83.33% (10/12) 61.54% (8/13) 84.62% (11/13) MAHALANOBIS DISTANCE 75% (9/12) 75% (9/12) 61.54% (8/13) 53.85% (7/13) MAXIMUM LIKELIHOOD 58.33% (7/12) 58.33% (7/12) 46.15% (6/13) 38.46% (5/13) MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) Wetland 50% (6/12) 33.33% (4/12) 38.46% (5/13) 23.08% (3/13) MAHALANOBIS DISTANCE 50% (6/12) 50% (6/12) 46.15% (6/13) 53.85% (7/13) MAXIMUM LIKELIHOOD 58.33% (7/12) 66.67% (8/12) 61.54% (8/13) 76.92% (10/13) MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) 33.33% (5/15) 40% (6/15) 31.25% (5/16) 43.75% (7/16) 26.67% (4/15) 40% (6/15) 37.50% (6/16) 62.50% (10/16) 6.67% (1/15) 13.33% (2/15) 18.75% (3/16) 43.75% (7/16) Πίνακας 7.15: Ποσοστιαίος πίνακας επιτυχίας ταξινόμησης για κάθε μέθοδο επιβλεπόμενης ταξινόμησης ανά κατηγορία κάλυψης γης 83

85 Παρατηρώντας τον συνοπτικό πίνακα αποτελεσμάτων ανά κατηγορία χρήσης γης, συμπεραίνεται η χαμηλή αξιοπιστία που διακρίνεται στην κατηγορία των υγροτόπων (wetlands) για όλα τα είδη μεθόδων ταξινόμησης και δορυφορικών εικόνων, γεγονός που υποδηλώνει το γενικό πρόβλημα επιλογής των περιοχών εκπαίδευσης για την εν λόγω κλάση. Επιπλέον, ως γενικό συμπέρασμα για όλες τις κλάσεις μπορεί να θεωρηθεί η σχετική ομοιογένεια των αποτελεσμάτων επιτυχίας εξετάξοντας ξεχωριστά την κάθεμια και για τις τρεις μεθόδους, με εξαίρεση στην κατηγορία που αφορά τις δασικές θαμνώδεις εκτάσεις όπου με την μέθοδο της μέγιστης πιθανοφάνειας προέκυψαν αισθητά καλύτερα αποτελέσματα σε σύγκριση με τις υπόλοιπες δύο μεθόδους επιβλεπόμενης ταξινόμησης Αποτελέσματα επιβλεπόμενων ταξινομήσεων για όλες τις δορυφορικές εικόνες/21 σημεία ανά κατηγορία κλάσης (7 σημεία για κάθε Περιφ. Ενότητα) Στον επόμενο πίνακα παρουσιάζονται συνοπτικά τα ποσοστά ταύτισης του πλήθους του συνόλου των σημείων LUCAS, για τα οποία η κατηγοριοποίηση της κάλυψης γης είναι ίδια και για τις δύο μεθόδους σύγκρισης (επιβλεπόμενη ταξινόμηση υπαίθρια παρατήρηση), για τις τρεις μεθόδους επιβλεπόμενης ταξινόμησης που εφαρμόστηκαν στο λογισμικό Erdas Imagine ΔΟΡΥΦΟΡΙΚΗ ΕΙΚΟΝΑ MAHALANOBIS DISTANCE MAXIMUM LIKELIHOOD MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) 57.88% 46.86% 52.44% 61.09% 41.28% 53.14% 52.81% 63.92% 48.01% 45.27% 60.22% 51.03% Πίνακας 7.16: Ποσοστιαίος πίνακας επιτυχίας ταξινόμησης για κάθε μέθοδο επιβλεπόμενης ταξινόμησης Αναλύοντας τα αποτελέσματα του προηγούμενου πίνακα, συμπεραίνεται γενικά ότι όλες οι μέθοδοι ταξινόμησης για όλες τις δορυφορικές εικόνες χαρακτηρίζονται από μέτριο βαθμό αξιοπιστίας που κυμαίνεται κατά βάση στο εύρος 50%-60% με τo υψηλότερo ποσοστό επιτυχίας να εντοπίζεται στην μέθοδο της μέγιστης πιθανοφάνειας για την δορυφορική εικόνα Sentinel 2 με ημέρα καταγραφής τις 28/08/2015. Στους επόμενους 3 πίνακες παρουσιάζονται συνοπτικά τα ποσοστά ταύτισης του πλήθους του συνόλου των σημείων LUCAS ανά Περιφερειακή Ενότητα, για τα οποία η κατηγοριοποίηση της κάλυψης γης στα οποία είναι ίδια και για τις δύο μεθόδους σύγκρισης (επιβλεπόμενη ταξινόμηση υπαίθρια παρατήρηση), για τις τρεις μεθόδους επιβλεπόμενης ταξινόμησης που εφαρμόστηκαν στο λογισμικό Erdas Imagine

86 ΔΟΡΥΦΟΡΙΚΗ ΕΙΚΟΝΑ MAHALANOBIS DISTANCE MAXIMUM LIKELIHOOD MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) 57.14% 52.49% 55.59% 62.13% 36.54% 56.15% 46.96% 63.26% 54.95% 49.20% 66.45% 52.40% Πίνακας 7.17: Ποσοστιαίος πίνακας επιτυχίας ταξινόμησης για κάθε μέθοδο επιβλεπόμενης ταξινόμησης (Π.Ε Αιτωλοακαρνανίας) Στον πίνακα αποτελεσμάτων για την Π.Ε. Αιτ/νίας, τα μεγαλύτερα ποσοστά επιτυχίας σημειώνονται στις εικόνες που εφαρμόστηκε η μέθοδος της μέγιστης πιθανοφάνειας, με εξαίρεση την δορυφορική εικόνα της Landsat 8 που καταγράφηκε στις 18/09/2015, η οποία παρουσιάζει τα χαμηλότερα επίπεδα αξιοπιστίας. Ακόμα, ως αρκετά υψηλός χαρακτηρίζεται ο βαθμός συνάφειας των αποτελεσμάτων για την μέθοδο της ελάχιστης απόστασης και για τις τέσσερις ταξινομημένες δορυφορικές εικόνες που κυμαίνεται στα επίπεδα του 52.40% έως 56.15%. ΔΟΡΥΦΟΡΙΚΗ ΕΙΚΟΝΑ MAHALANOBIS DISTANCE MAXIMUM LIKELIHOOD MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) 60.19% 49.29% 46.45% 62.09% 49.76% 47.87% 61.61% 65.88% 42.18% 43.60% 54.03% 49.76% Πίνακας 7.18: Ποσοστιαίος πίνακας επιτυχίας ταξινόμησης για κάθε μέθοδο επιβλεπόμενης ταξινόμησης (Π.Ε Αχαΐας) Στον προηγούμενο πίνακα, τα επίπεδα αξιοπιστίας για την μέθοδο της ελάχιστης απόστασης κυμαίνονται λίγο πιο κάτω από το 50%, ενώ αντίστοιχα στις άλλες δύο μεθόδους παρατηρούνται κάποιες αποκλίσεις με το υψηλότερο ποσοστό επιτυχίας να παρουσιάζεται στην δορυφορική εικόνα Sentinel 2 στις 28/08/2015. ΔΟΡΥΦΟΡΙΚΗ ΕΙΚΟΝΑ MAHALANOBIS DISTANCE MAXIMUM LIKELIHOOD MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) 56.59% 36.10% 50.73% 58.54% 39.51% 54.63% 85

87 SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) 52.68% 62.93% 43.41% 40.98% 57.07% 50.24% Πίνακας 7.19: Ποσοστιαίος πίνακας επιτυχίας ταξινόμησης για κάθε μέθοδο επιβλεπόμενης ταξινόμησης(π.ε Ηλείας) Για τα αποτελέσματα που αφορούν την Π.Ε. Ηλείας, πρέπει να τονιστεί η σημαντική διαφορά μεταξύ της αξιοπιστίας μεταξύ των δορυφορικών εικόνων Sentinel 2 και Landsat με το μεγαλύτερο ποσοστό επιτυχίας να παρατηρείται για την εικόνα που καταγράφηκε στις 28/08/2015. Στον επόμενο πίνακα παρουσιάζονται συνοπτικά τα ποσοστά ταύτισης του πλήθους του συνόλου των σημείων LUCAS ανά κατηγορία κάλυψης γης, για τις δύο μεθόδους σύγκρισης (επιβλεπόμενη ταξινόμηση υπαίθρια παρατήρηση), για τις τρεις μεθόδους επιβλεπόμενης ταξινόμησης που εφαρμόστηκαν στο λογισμικό Erdas Imagine Urban- Artificial Land LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) Cropland- Grassland MAHALANOBIS DISTANCE 46.15% (12/26) 53.85% (14/26) 69.23% (18/26) 57.69% (16/26) MAHALANOBIS DISTANCE MAXIMUM LIKELIHOOD 53.85% (14/26) 65.38% (17/26) 57.69% (15/26) 50% (13/26) MAXIMUM LIKELIHOOD MINIMUM DISTANCE 34.62% (9/26) 34.62% (9/26) 38.46% (10/26) 42.31% (11/26) MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) Woodland- Shrubland 72.82% (217/298) 69.80% (208/298) 57.28% (173/302) 32.45% (99/302) MAHALANOBIS DISTANCE 12.42% (37/298) 30.87% (92/298) 61.59% (186/302) 49.34% (149/302) MAXIMUM LIKELIHOOD 47.65% (142/298) 51.01% (138/298) 40.40% (122/302) 55.63% (168/302) MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) 47.18% (167/354) 55.37% (196/354) 49.03% (176/359) 55.43% (199/359) 74.58% (264/354) 45.76% (162/354) 68.25% (245/359) 71.59% (257/359) 59.04% (209/354) 57.34% (203/354) 56.27% (202/359) 47.91% (172/359) 86

88 Bareland MAHALANOBIS DISTANCE MAXIMUM LIKELIHOOD MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) Water Area 75% (9/12) 91.67% (11/12) 61.54% (8/13) 53.85% (7/13) MAHALANOBIS DISTANCE 75% (9/12) 83.33% (10/12) 61.54% (8/13) 46.15% (6/13) MAXIMUM LIKELIHOOD 58.33% (7/12) 58.33% (7/12) 46.15% (6/13) 30.77% (4/13) MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) Wetland 41.67% (5/12) 33.33% (4/12) 38.46% (5/13) 30.77% (4/13) MAHALANOBIS DISTANCE 50% (6/12) 50% (6/12) 46.15% (6/13) 46.15% (6/13) MAXIMUM LIKELIHOOD 66.67% (8/12) 66.67% (8/12) 61.54% (8/13) 76.92% (10/13) MINIMUM DISTANCE LANDSAT 8 (02/09/2015) LANDSAT 8 (18/09/2015) SENTINEL 2 (28/08/2015) SENTINEL 2 (16/11/2015) 33.33% (5/15) 33.33% (5/15) 31.25% (5/16) 43.75% (7/16) 40% (6/15) 60% (9/15) 37.50% (6/16) 50% (8/16) 6.67% (1/15) 13.33% (2/15) 12.50% (2/16) 43.75% (7/16) Πίνακας 7.20: Ποσοστιαίος πίνακας επιτυχίας ταξινόμησης για κάθε μέθοδο επιβλεπόμενης ταξινόμησης ανά κατηγορία κάλυψης γης Παρατηρώντας τον συνοπτικό πίνακα αποτελεσμάτων ανά κατηγορία χρήσης γης, συμπεραίνεται η χαμηλή αξιοπιστία που διακρίνεται στην κατηγορία των υγροτόπων (wetlands) για όλα τα είδη μεθόδων ταξινόμησης και δορυφορικών εικόνων, γεγονός που υποδηλώνει το γενικό πρόβλημα επιλογής των περιοχών εκπαίδευσης για την εν λόγω κλάση. Επιπλέον, χαρακτηριστικό δείγμα προβληματικής φασματικής υπογραφής παρουσιάζεται και για την περίπτωση της μέγιστης πιθανοφάνειας για την κατηγορία που αναφέρεται στην χαμηλή βλάστηση (cropland/grassland). Τέλος, για την μέθοδο της μέγιστης πιθανοφάνειας για την κατηγορία δασικών και θαμνώδων εκτάσεων (woodland/shrubland), παρατηρούνται υψηλά ποσοστά επιτυχίας αναλογικά και με το πλήθος σημείων LUCAS που ανήκουν σε αυτή σε σχέση με τις υπόλοιπες κλάσεις, γεγονός που σε συνάρτηση με το προηγούμενο συμπέρασμα οδηγούμαστε στο πιθανό συμπέρασμα γενίκευσης της ταξινόμησης και χαρακτηρισμού της χαμηλής βλάστησης ως υψηλής εξαιτίας λογικά της παραπλήσιας φασματικής τους υπογραφής. 87

89 7.13 Σύγκριση στατιστικών αποτελεσμάτων για τις τρεις περιπτώσεις πλήθους περιοχών εκπαίδευσης Ένα γενικό συμπέρασμα που προκύπτει έπειτα από την εξαγωγή των στατιστικών αποτελεσμάτων για όλες τις περιπτώσεις είναι ότι τα αποτελέσματα παρουσιάζουν μία σχετική ομοιογένεια και χαρακτηρίζονται από μέτρια αξιοπιστία, που μεταβάλλεται ανά περίπτωση και ανά κατηγορία δορυφορικής εικόνας για κάθε μέθοδο επιβλεπόμενης ταξινόμησης. Πιο ειδικά: Για την μέθοδο της απόστασης Mahalanobis παρατηρήθηκε μία διακύμανση της τάξεως του 20%, με το μεγαλύτερο ποσοστό ταύτισης να σημειώνεται στην δορυφορική εικόνα LANDSAT 8 με ημερομηνία λήψης τις 18/09/2015 για την περίπτωση όπου επιλέχθηκαν 7 σημεία εκπαίδευσης ανά Π.Ε και να κυμαίνεται στο 61.09%. Αντιθέτως, το χαμηλότερο εντοπίστηκε στην δορυφορική εικόνα SENTINEL 2 με ημερομηνία λήψης τις 16/11/2015, με ποσοστό 41.84% για την περίπτωση όπου επιλέχθηκαν 5 σημεία εκπαίδευσης αντίστοιχα, με την πλειοψηφία των υπολοίπων περιπτώσεων να κυμαίνεται περίπου στο 55%. Για την μέθοδο της μέγιστης πιθανοφάνειας παρατηρήθηκε επίσης μία διακύμανση της τάξεως του 20%, με το μεγαλύτερο ποσοστό ταύτισης να παρατηρείται στην δορυφορική εικόνα SENTINEL 2 με ημερομηνία λήψης τις 28/08/2015 για την περίπτωση όπου επιλέχθηκαν 3 σημεία εκπαίδευσης ανά Π.Ε και να κυμαίνεται στο 64.47%. Αντιθέτως, το χαμηλότερο εντοπίστηκε στην δορυφορική εικόνα LANDSAT 8 στο 41.28% για την περίπτωση όπου επιλέχθηκαν 7 σημεία εκπαίδευσης αντίστοιχα, με την πλειοψηφία των υπολοίπων περιπτώσεων να κυμαίνεται περίπου στο 60%. Για την μέθοδο της ελάχιστης απόστασης παρατηρήθηκε μία αισθητά μικρότερη διακύμανση σε σύγκριση με τις 2 προαναφερθείσες μεθόδους, της τάξεως του 5%, με το μεγαλύτερο ποσοστό ταύτισης να παρατηρείται στην δορυφορική εικόνα LANDSAT 8 με ημερομηνία λήψης τις 18/09/2015 για την περίπτωση όπου επιλέχθηκαν 7 σημεία εκπαίδευσης ανά Π.Ε και να κυμαίνεται στο 53.14%. Αντιθέτως, το χαμηλότερο εντοπίστηκε στην δορυφορική εικόνα SENTINEL 2 με ημερομηνία λήψης τις 28/08/2015, με ποσοστό 48.01% για την ίδια περίπτωση, στην οποία όπου 7 σημεία εκπαίδευσης. 88

90 8.Συμπεράσματα 8.1 Γενική αναφορά Μετά το πέρας της εξαγωγής των θεματικών χαρτών κάλυψης γης για την υπό μελέτη περιοχή με τη χρήση των αλγορίθμων της Μέγιστης Πιθανοφάνειας (Maximum Likelihood), Απόστασης Mahalanobis και Ελάχιστης Απόστασης (Minimum Distance), έχοντας παρουσιάσει όλα τα στάδια επεξεργασίας που προηγήθηκαν και αναλύοντας διεξοδικά τα ποσοτικά αποτελέσματα των ταξινομήσεων, κρίνεται ως σκόπιμη η αναφορά κάποιων γενικών συμπερασμάτων που εξήχθησαν. 8.2 Σχολιασμός γενικών συμπερασμάτων και ανασταλτικών παραγόντων Ο σκοπός αυτής της πτυχιακής εργασίας ήταν η αξιολόγηση της συνάφειας των αποτελεσμάτων που προέκυψαν μεταξύ των δύο μεθόδων κατηγοριοποίησης κάλυψης γης: των επίγειων μετρήσεων και της ταξινόμησης δορυφορικών πολυφασματικών εικόνων, στην περιοχή της Περιφέρειας της Δυτικής Ελλάδος για την περίοδο που πραγματοποιήθηκε η χαρτογράφηση στα πλαίσια της ευρωπαικής μελέτης του LUCAS Έχοντας, λοιπόν, μελετήσει τα στατιστικά αποτελέσματα των ταξινομήσεων για τις δύο διαφορετικές κατηγορίες δορυφορικών εικόνων, προέκυψαν ορισμένα αξιόλογα συμπεράσματα σχετικά με τις μεταβολές της κάλυψης γης στην περιοχή μελέτης. Παρόμοια ποσοτικά δεδομένα που αναφέρονται στην χαρτογράφηση κάλυψης γης για κάθε περιοχή, καθίστανται ιδιαίτερα χρήσιμα και αξιοποιήσιμα, ιδιαιτέρως όταν έχουν μία διαχρονικότητα καθώς αποτελούν σημαντικό εργαλείο στο πεδίο των περιβαλλοντικών μελετών, όσο και στο καθορισμό μελλοντικών δράσεων και αποφάσεων που αφορούν πολιτικές προστασίας και ανάπτυξης ευρύτερα. Η αξιοπιστία των δορυφορικών εικόνων μέσης ανάλυσης όπως οι εικόνες των δορυφόρων Landsat 8 και Sentinel 2 κρίνεται ως μέτριου βαθμού, πρέπει όμως να συνυπολογιστεί και ένας υψηλός βαθμός δυσκολίας του εγχειρήματος. Ειδικότερα, η περιοχή μελέτης περιελάμβανε σε μεγάλο βαθμό τα χαρακτηριστικά που διακρίνουν τα μεσογειακά οικοσυστήματα και τοπία, όπως είναι η ποικιλομορφία και η συχνή εναλλαγή της κάλυψης γης, καθιστώντας το βαθμό δυσκολίας της διαδικασίας της ταξινόμησης αυξημένο. Η επιβλεπόμενη ταξινόμηση παρουσίασε τον μεγαλύτερο βαθμό ακρίβειας που κυμάνθηκε έως τα ποσοστιαία επίπεδα του 64% κυρίως στις εικόνες Sentinel 2 για την μέθοδο της μέγιστης πιθανοφάνειας, ενώ αντίθετα για την μέθοδο της ελάχιστης απόστασης σε όλες τις περιπτώσεις κυμάνθηκε σε μέτρια επίπεδα της τάξης του 50%. Ανεξαρτήτως του πλήθους περιοχών εκπαίδευσης για κάθε κατηγορία, παρατηρήθηκε ότι οι αποκλίσεις στα αποτελέσματα των ταξινομήσεων παρουσιάζουν μικρές αποκλίσεις μεταξύ τους, γεγονός που υποδηλώνει την καθοριστική σημασία που διαδραματίζει η ορθή χωρική ανάλυση και εγκυρότητα των δεδομένων που 89

91 κατέχει ο χρήστης για την επιλογή των κατάλληλων σημείων ως φασματική υπογραφή στις δορυφορικές εικόνες. Επιπλέον, διαπιστώθηκε ότι τα σημεία LUCAS παρουσίαζαν ορισμένους ανασταλτικούς παράγοντες που επηρέασαν την ακρίβεια των αποτελεσμάτων. Πιο ειδικά, επειδή περιλαμβάνουν όλο το σύνολο των ειδών κάλυψης στο πρώτο επίπεδο ταξινόμησης, είναι λογικό να μην παρουσιάζονται τα ίδια επίπεδα ακρίβειας για όλες τις χρήσεις γης καθώς κάθε κλάση παρουσιάζει ιδιαιτερότητες κατά την φάση καταγραφής που επηρεάζουν το αποτέλεσμα της φασματικής υπογραφής. Για παράδειγμα, στις αστικές περιοχές λόγω των υλικών κατασκεύης ή των σκιάσεων που προκαλούνται από τα κτίρια προκαλείται πολυπλοκότητα και ποικιλομορφία στα εικονοστοιχεία. Ενάν ακόμη ανασταλτικό παράγοντα στην ακρίβεια των αποτελεσμάτων, αποτέλεσε ο περιορισμός διαθέσιμων δορυφορικών εικόνων, με αποτέλεσμα σε πολλές περιπτώσεις για κάποια σημεία μελέτης η χρονική απόκλιση να είναι μεγάλη μεταξύ των επίγειων μετρήσεων και της ημερολογιακής καταγραφής των δορυφορικών εικόνων. Επιπροσθέτως, η διαφορά στις ατμοσφαιρικές συνθήκες, η διαφορετική εποχικότητα και φαινολογία της βλάστησης, η παρουσία έντονου αναγλύφου συνέβαλαν στην μείωση της ακρίβειας των ταξινομήσεων καθώς ακόμα και σημεία που άνηκαν στην ίδια κλάση παρουσίαζαν διαφορετική φασματική υπογραφή. Επίσης, τα χαμηλά επίπεδα ακρίβειας σε ορισμένες περιπτώσεις οφειλόταν στην γραμμική φύση και χαρακτηριστικά κάλυψης που παρουσίαζαν ορισμένα σημεία μελέτης, όπως για παράδειγμα για κάποια σημεία παραποτάμιων περιοχών που κατατάσσονταν στην κατηγορία water area, όμως η χωρική διακριτική ικανότητα των δορυφορικών εικόνων καθιστούσε αδύνατο τον εντοπισμό τους και αντίστοιχα την ταξινόμηση τους στην ορθή κλάση. Τέλος, ενδεχόμενη τμηματική μελέτη σημείων LUCAS επιλέγοντας κατάλληλα κανάλια για κάθε κατηγορία κάλυψης γης εκτιμάται ότι θα συνέβαλε στην μείωση της φασματικής ετερογένειας σε επίπεδο εικονοστοιχείου και θα οδηγούσε σε επιμέρους πιο αξιόπιστα αποτελέσματα. Παράλληλα, θα μπορούσαν να χρησιμοποιηθούν δεδομένα εικόνων που καλύπτουν τμήματα της περιοχής μελέτης με στόχο την ταύτιση εποχικών περιόδων μεταξύ των δύο μεθόδων, γεγονός που θα βοηθούσε στην καλύτερη αποκόμιση πληροφορίας και ερμηνεία των αλλαγών στην περιοχή μελέτης. 90

92 ΠΑΡΑΡΤΗΜΑ Παρατίθενται ολές οι δορυφορικές εικόνες που προέκυψαν έπειτα από την διαδικασία επιβλεπόμενης τα ξινόμησης, ανά μέθοδολογία και πλήθος σημείων ανά κατηγορία κλάσης. Π.1 Αποτελέσματα επιβλεπόμενων ταξινομήσεων για όλες τις δορυφορικές εικόνες/9 σημεία ανά κατηγορία κλάσης (3 σημεία για κάθε Περιφ. Ενότητα) Landsat 8 (02/09/2015) Mahalanobis Distance 91

93 Landsat 8 (02/09/2015) Maximum Likelihood 92

94 Landsat 8 (02/09/2015) Minimum Distance 93

95 Landsat 8 (18/09/2015) Mahalanobis Distance 94

96 Landsat 8 (18/09/2015) Maximum Likelihood 95

97 Landsat 8 (18/09/2015) Minimum Distance 96

98 Sentinel 2 (28/08/2015) Mahalanobis Distance 97

99 Sentinel 2 (28/08/2015) Maximum Likelihood 98

100 Sentinel 2 (28/08/2015) Minimum Distance 99

101 Sentinel 2 (16/11/2015) Mahalanobis Distance 100

102 Sentinel 2 (16/11/2015) Maximum Likelihood 101

103 Sentinel 2 (16/11/2015) Minimum Distance 102

104 Π.2 Αποτελέσματα επιβλεπόμενων ταξινομήσεων για όλες τις δορυφορικές εικόνες/15 σημεία ανά κατηγορία κλάσης (5 σημεία για κάθε Περιφ. Ενότητα) Landsat 8 (02/09/2015) Mahalanobis Distance 103

105 Landsat 8 (02/09/2015) Maximum Likelihood 104

106 Landsat 8 (02/09/2015) Minimum Distance 105

107 Landsat 8 (18/09/2015) Mahalanobis Distance 106

108 Landsat 8 (18/09/2015) Maximum Likelihood 107

109 Landsat 8 (18/09/2015) Minimum Distance 108

110 Sentinel 2 (28/08/2015) Mahalanobis Distance 109

111 Sentinel 2 (28/08/2015) Maximum Likelihood 110

112 Sentinel 2 (28/08/2015) Minimum Distance 111

113 Sentinel 2 (16/11/2015) Mahalanobis Distance 112

114 Sentinel 2 (16/11/2015) Maximum Likelihood 113

115 Sentinel 2 (16/11/2015) Minimum Distance 114

116 Π.3 Αποτελέσματα επιβλεπόμενων ταξινομήσεων για όλες τις δορυφορικές εικόνες/21 σημεία ανά κατηγορία κλάσης (7 σημεία για κάθε Περιφ. Ενότητα) Landsat 8 (02/09/2015) Mahalanobis Distance 115

117 Landsat 8 (02/09/2015) Maximum Likelihood 116

118 Landsat 8 (02/09/2015) Minimum Distance 117

119 Landsat 8 (18/09/2015) Mahalanobis Distance 118

120 Landsat 8 (18/09/2015) Maximum Likelihood 119

121 Landsat 8 (18/09/2015) Minimum Distance 120

122 Sentinel 2 (28/08/2015) Mahalanobis Distance 121

123 Sentinel 2 (28/08/2015) Maximum Likelihood 122

124 Sentinel 2 (28/08/2015) Minimum Distance 123

125 Sentinel 2 (16/11/2015) Mahalanobis Distance 124

126 Sentinel 2 (16/11/2015) Maximum Likelihood 125

127 Sentinel 2 (16/11/2015) Minimum Distance 126