ΕΦΑΡΜΟΓΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΣΤΗΝ ΙΑΧΕΙΡΙΣΗ ΚΑΙ ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΟΥ ΠΑΡΑΚΤΙΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΠΕΡΙΛΗΨΗ

Transcript

1 ΕΦΑΡΜΟΓΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΣΤΗΝ ΙΑΧΕΙΡΙΣΗ ΚΑΙ ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΟΥ ΠΑΡΑΚΤΙΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Αργιαλάς ηµήτρης, Καθηγητής Ε.Μ.Π. Καράντζαλος Κωνσταντίνος, Ερευνητής Ε.Μ.Π. Εργαστήριο Τηλεπισκόπησης, Σχολή Αγρονόµων και Τοπογράφων Μηχανικών, Εθνικό Μετσόβιο Πολυτεχνείο. ΠΕΡΙΛΗΨΗ Στην παρούσα εργασία, παρουσιάζονται και περιγράφονται σύγχρονες µέθοδοι και τεχνικές Τηλεπισκόπησης, για την διαχείριση και παρακολούθηση του παράκτιου περιβάλλοντος. Αρχικά και για την οριοθέτηση του αιγιαλού και της παραλίας, περιγράφεται µια αυτοµατοποιηµένη µεθοδολογία για την εξαγωγή και χαρτογράφηση ακτογραµµών από παγχρωµατικές δορυφορικές απεικονίσεις. Οι πληροφορίες αυτές µπορούν να συγκεντρωθούν κατά τη διάρκεια διάφορων εποχών και αρκετών ετών έτσι ώστε να είναι δυνατό να ελεγχθούν οι χωρικές και εποχιακές αλλαγές στις παράκτιες ζώνες. Τα δεδοµένα υψηλής ανάλυσης επιτρέπουν την παραγωγή χαρτών µεγάλης κλίµακας. Παράλληλα, περιγράφεται µια αυτοµατοποιηµένη τεχνική για τον εντοπισµό πετρελαιοκηλίδων αλλά και άλλων ρυπαντικών αποβλήτων στο παράκτιο περιβάλλον. Τέλος, ιδιαίτερης σηµασίας είναι η δυνατότητα για αναγνώριση ζωνών που βρίσκονται στα πρόθυρα καταστροφικών αλλαγών όπως η διάβρωση µέσα από τεχνικές ταξινόµησης και ανίχνευσης µεταβολών. Από όλες τις παραπάνω εφαρµογές διαφαίνεται πως η Τηλεπισκόπηση αποτελεί ένα ιδιαίτερα αποτελεσµατικό εργαλείο για τον έλεγχο της ποιότητας των παράκτιων ζωνών περιοδικά, επιτρέποντας την αναγνώριση πιθανών κινδύνων σε σύντοµα χρονικά διαστήµατα. 1

2 REMOTE SENSING APPLICATIONS FOR MANAGING AND MONITORING THE COASTAL ENVIRONMENT Demetre Argialas, Professor NTUA Konstantinos Karantzalos, Researcher NTUA Remote Sensing Laboratory, School of Rural and Surveying, National Technical University of Athens. ABSTRACT In this paper, modern Remote Sensing methods and techniques are presented, towards the management and monitoring of the coastal environment. Firstly, a methodology for the automatic coastline extraction and mapping from panchromatic satellite imagery is presented, towards coast and shoreline designation and localization. Such information can be gathered during several seasons and ages making the monitoring of the spatial and temporal changes in the coastal zones efficient. In addition, the high resolution remote sensing data facilitate the production of high large scale mapping. Secondly, another methodology for the automatic identification of oil and other type of waste spills in the coastal environment is presented. Finally, the capability of detecting and recognizing, through classification and change detection techniques, the coastal zones that are on the brink of natural disasters, like erosions, is of major importance, as well. To sum up, nowadays Remote Sensing forms an significantly efficient tool for periodically inspecting and examining the quality and status of the coastal zones, allowing the detection of possible environmental risks in short temporal time steps. 2

3 1. ΕΙΣΑΓΩΓΗ Οι εναέριες και δορυφορικές απεικονίσεις παρέχουν έναν πλούτο γεωπληροφοριών. Τα Τηλεπισκοπικά, Φωτογραµµετρικά και Χαρτογραφικά ψηφιακά συστήµατα επεξεργασίας παρέχουν δυνατότητες για την χαρτογράφηση και την παρακολούθηση του παγκόσµιου περιβάλλοντος, βασισµένα σε ολοένα και πιο αυξηµένα επίπεδα αυτοµατισµών. Στις µέρες µας και πιο συγκεκριµένα για την διαχείριση και παρακολούθηση των παράκτιου περιβάλλοντος η Τηλεπισκόπηση συνιστά ένα ολοένα και πιο αποτελεσµατικό εργαλείο. Τα διαθέσιµα, πολυάριθµα πλέον, Τηλεπισκοπικά δεδοµένα µε την αυξανόµενη χωρική και φασµατική τους διακριτική ικανότητα και σε συνδυασµό µε προηγµένες τεχνικές εξαγωγής πληροφορίας αποτελούν µία πολύτιµη πηγή πληροφοριών για την ανάπτυξη και βιώσιµη διαχείριση του παράκτιου περιβάλλοντος. Σύγχρονες µέθοδοι επεξεργασίας Τηλεπισκοπικών δεδοµένων παράγουν προϊόντα γεωπληροφορικής όπως χαρτογραφικούς κατάλογους, χάρτες πιθανού κινδύνου (risk maps), γεωγραφικές και αλφαριθµητικές βάσεις δεδοµένων για τον περιβαλλοντικό έλεγχο µε τον εντοπισµό και την εύρεση πιθανών βιο-γεωφυσικών αλλαγών, περιοχών περιβαλλοντικής υποβάθµισης και πιθανών παράνοµων δραστηριοτήτων. Για τις παραπάνω εφαρµογές, εκτός από την φωτοερµηνεία που εκτελείται από ειδικευµένους αναλυτές, έχουν αναπτυχθεί στα επιστηµονικά πεδία της Τηλεπισκόπησης, της Φωτογραµµοµετρίας, καθώς επίσης και στα πεδία της Όρασης Υπολογιστών και της Τεχνητής Νοηµοσύνης, ηµιαυτόµατες και αυτόµατες διαδικασίες εξαγωγής γεωπληροφορίας. Στην παρούσα εργασία, παρουσιάζονται και περιγράφονται σύγχρονες µέθοδοι και τεχνικές Τηλεπισκόπησης, για την διαχείριση και παρακολούθηση του παράκτιου περιβάλλοντος. Αρχικά και για την οριοθέτηση του αιγιαλού και της παραλίας, περιγράφεται µια αυτοµατοποιηµένη µεθοδολογία για την εξαγωγή και χαρτογράφηση ακτογραµµών από παγχρωµατικές δορυφορικές απεικονίσεις. Οι πληροφορίες αυτές µπορούν να συγκεντρωθούν κατά τη διάρκεια διάφορων εποχών και αρκετών ετών έτσι ώστε να είναι δυνατό να ελεγχθούν οι χωρικές και εποχιακές αλλαγές στις παράκτιες ζώνες. Τα δεδοµένα υψηλής ανάλυσης επιτρέπουν την παραγωγή χαρτών µεγάλης κλίµακας. Παράλληλα, περιγράφεται µια αυτοµατοποιηµένη τεχνική για τον εντοπισµό πετρελαιοκηλίδων αλλά και άλλων ρυπαντικών αποβλήτων στο παράκτιο περιβάλλον. Τέλος, ιδιαίτερης σηµασίας είναι η δυνατότητα για αναγνώριση ζωνών που βρίσκονται στα πρόθυρα καταστροφικών αλλαγών όπως η διάβρωση µέσα από τεχνικές ταξινόµησης και ανίχνευσης µεταβολών. Από όλες τις παραπάνω εφαρµογές διαφαίνεται πως η Τηλεπισκόπηση αποτελεί ένα ιδιαίτερα αποτελεσµατικό εργαλείο για τον έλεγχο της ποιότητας των παράκτιων ζωνών περιοδικά, επιτρέποντας την αναγνώριση πιθανών κινδύνων σε σύντοµα χρονικά διαστήµατα. 2. ΑΥΤΟΜΑΤΗ ΕΞΑΓΩΓΗ ΚΑΙ ΧΑΡΤΟΓΡΑΦΗΣΗ ΑΚΤΟΓΡΑΜΜΩΝ ΑΠΟ ΠΑΓΧΡΩΜΑΤΙΚΕΣ ΟΡΥΦΟΡΙΚΕΣ ΑΠΕΙΚΟΝΙΣΕΙΣ Η αυτόµατη ανίχνευση και εξαγωγή των ακτογραµµών είναι µια βασική και ουσιαστικής σηµασίας διαδικασία για ποικίλες γεωγραφικές, χαρτογραφικές και περιβαλλοντικές εφαρµογές στο παράκτιο περιβάλλον. Η ακτογραµµή µεταβάλλεται 3

4 συνεχώς και για τον προσδιορισµό της απαιτείται η καταγραφή του µετώπου της σε όλες τις εποχές του χρόνου σε σχέση µε διάφορα φυσικά φαινόµενα (διαβρώσεις, παλίρροιες, κ.α.) αλλά και σε σχέση µε την ανθρώπινη δραστηριότητα (Dolan et al, 1980; Boak and Turner, 2005; Turner et al., 2007). Έτσι, µέχρι σήµερα έχουν, κυρίως, αναπτυχθεί χειρονακτικές τεχνικές εξαγωγής της ακτογραµµής, οι οποίες κατά κύριο λόγο βασίζονται σε µετρήσεις πεδίου µε η και χωρίς το συνδυασµό τεχνικών φωτοερµηνείας (List and Farris, 1999). Τα τελευταία κυρίως χρόνια έχουν αναπτυχθεί τεχνικές για την ηµι-αυτόµατη και αυτόµατη ανίχνευση ακτογραµµών από εναέρια και δορυφορικά δεδοµένα µε σκοπό την εξαγωγή του µετώπου της ακτογραµµής τη δεδοµένη στιγµή της λήψης των δεδοµένων και την µέτρηση δεικτών απαραίτητων για τον προσδιορισµό της ακτογραµµής (List and Farris, 1999; Karantzalos and Argialas, 2002; Boak and Turner, 2005). Ο αλγόριθµος που παρουσιάζεται στην παρούσα εργασία επιτυγχάνει την ανίχνευση και εξαγωγή των ακµών σε τρία στάδια. Πρώτα λαµβάνουν χώρα οι προεπεξεργασίες για την ενίσχυση και οµαλοποίηση των εικόνων. Έπειτα ακολουθεί η ανίχνευση ακµών είτε µε τον τελεστή Canny (1986) είτε µε το µορφολογικό φορµαλισµό της δεύτερης παραγώγου. Τέλος, πραγµατοποιείται η αποκατάσταση της συνεκτικότητας των ανιχνευµένων ακµών µε τη χρήση. Όλοι οι τελεστές ανίχνευσης ακµών, όντας ευαίσθητοι σε όλες τις εναλλαγές των τιµών φωτεινότητας στο πεδίο της εικόνας, παράλληλα µε την ανίχνευση των ορίων επιθυµητών αντικειµένων, οδηγούν και στην ανίχνευση µη-πραγµατικών και µηεπιθυµητών ακµών (Μarr and Hildreth, 1980; Maragos, 2002). Μαζί µε τις ανιχνευµένες ακτογραµµές, το αποτέλεσµα επηρεάστηκε αρνητικά από ακµές που περιέγραφαν τα όρια και άλλων µη επιθυµητών περιοχών στο έδαφος (ποτάµια, όρια καλλιεργειών, κ.α.), όπως φαίνεται και στο Σχήµα 1. Σχήµα 1. Ανίχνευση ακτογραµµών από δορυφορικές εικόνες τύπου: LANDSAT TM4 µε 30µέτρα διακριτική ικανότητα (πρώτη σειρά), SPOT HRV µε 10µ. δ.ι. (δεύτερη σειρά) και IRS-1C PAN µε 6µ. δ.ι. (τρίτη σειρά). Σε όλες τις περιπτώσεις ανιχνεύονται οι ακτογραµµές αλλά ταυτόχρονα τα όρια και άλλων µη επιθυµητών αντικειµένων στο έδαφος (ποτάµια, όρια καλλιεργειών, κ.α.) Figure 1. Coastline detection from different type of satellite images based on a purely edge detection procedure. In all cases pseudo-edges appear which harm the results. 4

5 2.1 ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΑΞΙΟΛΟΓΗΣΗ Για το λόγο αυτό και για τον διαχωρισµό και την ταξινόµηση των ανιχνευµένων ακµών σε ακµές που περιγράφουν την ακτογραµµή και ακµές που περιγράφουν άλλα χαρακτηριστικά, χρησιµοποιήθηκε η µετρούµενη στις εικόνες εναλλαγή στην υφή µεταξύ των θαλάσσιων περιοχών και του εδάφους. Η ανάλυση της υφής έγινε µε την εφαρµογή δισδιάστατων φίλτρων Gabor (Daugman, 1985), τα οποία χαρακτηρίζονται ως βέλτιστα στο χώρο και τη συχνότητα και έχουν χρησιµοποιηθεί ευρέως στη βιβλιογραφία για ποικίλες εφαρµογές στην Όραση Υπολογιστών, όπως η κατάτµηση τεχνητών εικόνων, ιατρικών εικόνων, εικόνων για ροµποτική όραση, κ.α. (Maragos, 2002). Πιο συγκεκριµένα, για την διάκριση των ανιχνευµένων ακτογραµµών από τις υπόλοιπες µη επιθυµητές ακµές χρησιµοποιήθηκε η εναλλαγή που παρατηρείται στην υφή µεταξύ των θαλάσσιων περιοχών (µαλακή υφή, από σκουρόχρωµους τόνους) και του εδάφους (τραχύς υφή, µε µέσους τόνους µεγαλύτερου εύρους). Για την παραπάνω ανάλυση της υφής, χρησιµοποιήθηκαν φίλτρα Gabor. Με την εφαρµογή φίλτρων Gabor, έγινε ο διαχωρισµός του εδάφους από τη θάλασσα. Έτσι µε συγχώνευση (fusion) της πληροφορίας από την ανίχνευση των ακτογραµµών και της ανάλυσης υφής, έγινε η εξαγωγή της ακτογραµµής (Σχήµα 2). Στο ίδιο αποτέλεσµα, επίσης, µπορεί κανείς να καταλήξει εάν αντί για ανάλυση υφής πραγµατοποιηθεί µια κατωφλίωση σε υπέρυθρο κανάλι ή κάποιος δείκτης (όπου και οι δύο µέθοδοι βασίζονται στον άµεσο υπολογισµό διαφορών σε τιµές φωτεινότητας, οι οποίες και οδήγησαν και στην αστοχία της ανίχνευσης των ακµών) ή µια ταξινόµηση, η πολυπλοκότητα της οποίας, όµως, είναι αρκετά µεγαλύτερη. a) b) Σχήµα 2. Εξαγωγή ακτογραµµής έπειτα από την ανάλυση υφής µε φίλτρα Gabor. a): αρχική εικόνα IKONOS PAN (αριστερά), ανίχνευση ακµών (µέση), επίθεση ακµών πάνω στην αρχική εικόνα (δεξιά). εύτερη σειρά: αποτέλεσµα φιλτραρίσµατος Gabor στην αρχική εικόνα (αριστερά), εξαγωγή ακτογραµµής µε βάση τη συγχώνευση (fusion) της πληροφορίας από την ανίχνευση των ακµών και τo φιλτράρισµα Gabor (µέση), επίθεση εξαγόµενης ακτογραµµής πάνω στην αρχική εικόνα (δεξιά). b): αρχική εικόνα LANDSAT TM4, 30µέτρα δ.ι. (αριστερά), εξαγόµενη ακτογραµµή (δεξιά) και κάτω: αρχική εικόνα IRS-1C PAN µε 6µέτρα δ.ι. (αριστερά), εξαγόµενη ακτογραµµή (δεξιά). Figure 2. Coastline extraction based on Gabor texture analysis. 5

6 3. ΑΥΤΟΜΑΤΗ ΕΞΑΓΩΓΗ ΚΑΙ ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΠΕΤΡΕΛΑΙΟΚΗΛΙ ΩΝ ΑΠΟ ΟΡΥΦΟΡΙΚΕΣ ΕΙΚΟΝΕΣ ΡΑΝΤΑΡ. Σήµερα, η ρύπανση των θαλασσών µε πετρέλαιο (και µε τα παράγωγά του), από την εµπορική και ποντοπόρο ναυτιλία, αποτελεί µια βασική περιβαλλοντική ανησυχία, για την οποία πολλές διεθνής συνεργασίες και νόµοι έχουν πραγµατοποιηθεί, ιδιαιτέρως υπό την αιγίδα του ιεθνούς Θαλάσσιου Οργανισµού (International Maritime Organisation, ΗΜΟ). Το πετρέλαιο έχει, άµεσα και έµµεσα, καταστροφικές επιπτώσεις σε ζώα και φυτά, που κατοικούν στο θαλάσσιο και παράκτιο περιβάλλον (Delilah, 2002). Τα δεδοµένα SAR είναι τα αποδοτικότερα δορυφορικά δεδοµένα για την ανίχνευση πετρελαιοκηλίδων, αν και δεν δίνουν τη δυνατότητα εκτίµησης του πάχους των πετρελαιοκηλίδων και αναγνώρισης του είδους του πετρελαίου (Brekke and Solberg, 2005). Οι RADARSAT-1 και ENVISAT, είναι οι δύο κύριοι καθηµερινοί προµηθευτές δορυφορικών εικόνων SAR για τον εντοπισµό και παρακολούθηση των πετρελαιοκηλίδων. Η πρόσβαση σε ένα αυξανόµενο όγκο δεδοµένων SAR, οδηγεί και σε ένα αυξανόµενο φόρτο εργασίας στους χειριστές των κέντρων ελέγχου, παρακολούθησης και επεξεργασίας εικόνων για τον εντοπισµό πετρελαιοκηλίδων. Προς την κατεύθυνση αυτή, αλγόριθµοι για την αυτόµατη ανίχνευση πετρελαιοκηλίδων και την ενεργοποίηση συστήµατος συναγερµού για την διαχείρισή τους, είναι σηµαντικού οφέλους (Brekke and Solberg, 2005; Karantzalos and Argialas, 2008). Σε γενικές γραµµές ο αυτόµατος εντοπισµός των πετρελαιοκηλίδων σε εικόνες SAR δεν είναι µια τετριµµένη διαδικασία, λόγω των (µε παρόµοιο φασµατικό τρόπο απεικόνισης) χαρακτηριστικών, που µοιάζουν µε πετρελαιοκηλίδες (παροµοίωςαπεικονιζόµενα χαρακτηριστικά, look-alikes). εν είναι πετρελαιοκηλίδες όλες οι σκουρόχρωµα απεικονιζόµενες περιοχές µια θαλάσσιας περιοχής σε µια απεικόνιση SAR. 3.1 ΜΕΘΟ ΟΛΟΓΙΑ Στην παρούσα εργασία παρουσιάζεται µεθοδολογία για την αυτόµατη ανίχνευση πετρελαιοκηλίδων, βασισµένη σε ενεργά περιγράµµατα η οποία αποτελείται από τα εξής στάδια: Αρχικά, πραγµατοποιείται η προεπεξεργασίας της εικόνας µε σκοπό την αφαίρεση του θορύβου, την ενίσχυσή και οµαλοποίησή της. Η φιλτραρισµένη εικόνα, που είναι µια σηµαντικά απλοποιηµένη µορφή της αρχικής, ενσωµατώνεται στο συναρτησιακό εξέλιξης καµπυλών και πραγµατοποιείται η κατάτµηση και η προκαταρκτική ανίχνευση των πιθανών πετρελαιοκηλίδων. Η χρήση του φιλτραρίσµατος εξοµάλυνσης δεν αποτελεί ένα φίλτρο εξάλειψης πολλαπλασιαστικού θορύβου αλλά στοχεύει κυρίως στην απλοποίηση των εικόνων. Οι παράµετροι του συναρτησιακού κατάτµησης µπορούν να ρυθµιστούν, έπειτα από διαδικασία επαναλβανόµενων δοκιµών, µε σκοπό την τυποποίησή τους) βελτιώνοντας το αποτέλεσµά της, εφόσον είναι γνωστή η ένταση του ανέµου κατά τη διάρκεια της λήψης, όπως όταν : i) είναι a priori γνωστή ή όταν ii) υπολογίζεται στην SAR απεικόνιση µε την εφαρµογή κάποιου µοντέλου όπως το CMOD45 των Salvatori et al. (2003). Τέλος, προκύπτουν οι ανιχνευµένες κηλίδες, µε βάση τον υπολογισµό διάφορων στατιστικών µεγεθών -παρόµοιων µε αυτών στην βιβλιογραφία (Brekke and Solberg, 2005; Frate et al., 2000) - για κάθε µια από τις κατατµηµένες περιοχές όπως είναι: το εµβαδόν, η περίµετρος, 6

7 η πολυπλοκότητα του σχήµατος, η εκκεντρικότητα, ο προσανατολισµός, η κλίση των τιµών φωτεινότητας και η τυπική απόκλιση τους στο εσωτερικό και εξωτερικό του. Για την ταξινόµηση, υιοθετήθηκαν αντίστοιχα συµπεράσµατα της εργασίας των Frate et al. του 2000, που προέκυψαν από την ανάλυση των στατιστικών µεγεθών ενός µεγάλου πλήθους κηλίδων (139 κηλίδες από τις οποίες οι 71 ήταν πετρελαιοκηλίδες και οι 68 όχι). Προέκυψε ότι οι πετρελαιοκηλίδες έχουν λιγότερο σύνθετη µορφή και παρουσιάζονται σε λεπτότερο σχηµατισµό, ενώ τα παροµοίως-απεικονιζόµενα χαρακτηριστικά (τόσο στο εσωτερικό τους όσο και στο εξωτερικό τους) παρουσιάζουν µια µεγαλύτερη διασπορά στις τιµές φωτεινότητας. Επίσης, οι πετρελαιοκηλίδες παρουσιάζουν υψηλότερες τιµές στην µέση τιµή της κλίσης των τιµών φωτεινότητάς τους και τα παροµοίως- απεικονιζόµενα χαρακτηριστικά µεγαλύτερο εµβαδόν (Frate et al., 2000). 3.2 ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΑΞΙΟΛΟΓΗΣΗ Στο Σχήµα 3 παρουσιάζεται τα αποτέλεσµα της υλοποιηµένης µεθοδολογίας, στην ανίχνευση πετρελαιοκηλίδων. Σε όλες τις περιπτώσεις το συναρτησιακό των ενεργών περιγραµµάτων κατάφερε να εντοπίσει επιτυχώς τα όρια των πετρελαιοκηλίδων, χωρίς τη ρύθµιση κάποιων παραµέτρων. Παράλληλα, οι κηλίδες ανιχνεύονται σε πραγµατικό χρόνο. Περίπου 10 δευτερόλεπτα είναι ο χρόνος που απαιτείται από ένα Pentium IV προσωπικό υπολογιστή. H αναπτυγµένη µεθοδολογία χρησιµοποιήθηκε και για τον εντοπισµό αντικειµένων σε σειρές εικόνων και βίντεο µε απώτερο στόχο τον εντοπισµό και την παρακολούθηση πετρελαιοκηλίδων στο χρόνο. Για παράδειγµα, σε µια ακολουθία εικόνων SAR (µε ή και χωρίς τη γεωαναφορά τους γνωστή) τα ανιχνευµένα τµήµατα (καµπύλες) πετρελαιοκηλίδων στην πρώτη εικόνα SAR αποτελούν τις αρχικές καµπύλες για εξέλιξη στις υπόλοιπες εικόνες. Έτσι ο εντοπισµός και η παρακολούθησή τους να γίνει πιο γρήγορη και αποτελεσµατική (Σχήµα 4). Σχήµα 3. Η αρχική εικόνα και τα διαφορετικά στάδια της εξέλιξης των ενεργών καµπυλών. Από µια αρχική αυθαίρετη ελλειπτική καµπύλη καταλήγουµε στα τελικά ανιχνευµένα όρια της πετρελαιοκηλίδας. Η σειρά τον εικόνων είναι από τα αριστερά προς τα δεξιά. Figure 3. The initial image and the level set propagation towards the oil spill extraction. 7

8 Σχήµα 4. Εφαρµόζοντας τον ανεπτυγµένο αλγόριθµο σε µια σειρά (αλληλουχία) εικόνων ENVISAT µε ηµεροµηνία λήψης στις 24, 28 και 29 Αυγούστου 2006 (Philippines) ESA. Πρώτη σειρά: αρχικές εικόνες. εύτερη σειρά: υαδική εικόνα αποτέλεσµα της κατάτµησης. Τρίτη σειρά: Τα όρια των ανιχνευµένων αντικειµένων σε υπέρθεση (µε πράσινο χρώµα) στην αρχική εικόνα. Τέταρτη σειρά: υαδική εικόνα µε τις ανιχνευµένες πετρελαιοκηλίδες µετά την ταξινόµηση. Πέµπτη σειρά: Τα όρια των εντοπισµένων πετρελαιοκηλίδων (µε πράσινο χρώµα) σε υπέρθεση στην αρχική εικόνα. Figure 4. Applying the developed methodology for detecting and monitoring oil spills. 4. ΠΑΡΑ ΕΙΓΜΑΤΑ ΠΕΡΑΙΤΕΡΩ ΕΦΑΡΜΟΓΩΝ Εκτός από τις παραπάνω δύο εφαρµογές της Τηλεπισκόπησης για την παρακολούθηση του παρακτίου περιβάλλοντος υπάρχουν πολυάριθµες άλλες. Αξίζει κανείς να σταθεί ενδεικτικά στις εξής δυο που παρουσιάζονται στο Σχήµα 5. Το λιώσιµο των παγετώνων στους πόλους απόρροια των εκτεταµένων κλιµατικών αλλαγών στον πλανήτη µας συνοδεύεται από την µεταφορά τεράστιων µαζών στη θάλασσα. Η απεικόνιση του συγκεκριµένου φαινοµένου σε δορυφορικές εικόνες επιτρέπει την µελέτη, καταγραφή και συνεχή παρακολούθηση του φαινοµένου. Έτσι, δίνεται η δυνατότητα να προβλεφτεί π.χ. η άνοδος της στάθµης της των θαλασσών ή να παρακολουθείται το εύρος της αλλαγής του κλίµατος (Σχήµα 5, αριστερά). Με την Τηλεπισκόπηση µπορεί κανείς παράλληλα να παρακολουθήσει και την περιοδική µεταφορά ιζηµάτων στις όχθες και στις εκβολές ποταµών. Για παράδειγµα, στην Ισλανδία τα ιζηµατογενή αποθέµατα ενός ποταµού υπολογίζονται σε 50 χιλιάδες τόνους το χρόνο. Η απεικόνιση του φαινοµένου της εναπόθεσης των ιζηµάτων σε δορυφορική εικόνα επιτρέπει την µελέτη του φαινοµένου και την παρακολούθησή του σο χρόνο (Σχήµα 5, δεξιά). 8

9 Σχήµα 5. Ενδεικτικές εφαρµογές Τηλεπισκόπησης για την παρακολούθηση του παράκτιου περιβάλλοντος. Αριστερά επάνω: Λιώσιµο παγετώνων και µεταφορά τεράστιων µαζών στη θάλασσα. Αριστερά κάτω: Η απεικόνιση του φαινοµένου σε δορυφορική εικόνα επιτρέπει την µελέτη, καταγραφή και συνεχή παρακολούθηση του φαινοµένου. εξιά πάνω: Τα µεταφερόµενα ιζήµατα στις όχθες και στις εκβολές ενός ποταµού (Ισλανδία) υπολογίζονται σε 50 χιλιάδες τόνους το χρόνο. εξιά κάτω: Η απεικόνιση του φαινοµένου της εναπόθεσης των ιζηµάτων σε δορυφορική εικόνα. Figure 5. Remote Sensing applications for managing and monitoring coastal zones which are on the brink of natural disasters (like ice melting or erosions). 5. ΣΥΜΠΕΡΑΣΜΑΤΑ Οι σύγχρονες δορυφορικές απεικονίσεις µας παρέχουν τη δυνατότητα για παρακολούθηση φαινοµένων/ προβληµάτων στον πλανήτη µας, συµβάλουν στην µελέτη και διερεύνηση των τάσεων στις κλιµατικές αλλαγές, τα ακραία καιρικά φαινόµενα, την κατάσταση της βλάστησης, των πετρωµάτων, της ατµόσφαιρας, τη θαλάσσια ρύπανση κλπ. Οι µελέτες που έχουν σήµερα αναπτυχθεί συγκεκριµένα για τις παράκτιες ζώνες από το εργαστήριο Τηλεπισκόπησης, ΕΜΠ µε χρήση δορυφορικών εικόνων µπορεί, ανάλογα µε τις ανάγκες που καλούνται να καλύψουν, να δώσουν, εκτός από τις κλασικές εφαρµογές χαρτογράφησης, ποιοτικές και ποσοτικές πληροφορίες για ακραία καιρικά φαινόµενα και φυσικές καταστροφές. Ακόµη, υπάρχει η δυνατότητα σε επιχειρησιακά προγράµµατα 9

10 συνεχούς παρακολούθησης των θαλασσών και του παράκτιου περιβάλλοντος να πραγµατοποιηθεί και ο εντοπισµός των πιθανών θέσεων ρύπανσης/ρυπαντών. Οι αναπτυγµένες, αυτές, µέθοδοι αλλά και περαιτέρω προσπάθειες από τη διεθνή επιστηµονική κοινότητα καθιστούν την έρευνα στην Τηλεπισκόπιση για παράκτιες ζώνες έναν τοµέα µε ιδιαίτερη αποτελεσµατικότητα και δυναµική. Ιδιαίτερα, για τον ελλαδικό χώρο αυτό µπορεί να πραγµατοποιηθεί για κάθε τύπο ακτών όπως τα δέλτα των ποταµών, τις λιµνοθάλασσες, τις πεδινές ακτές τους θύλακες (ακτές µε κοιλότητες) και τις απόκρηµνες ακτές. Παρόλη την αποτελεσµατικότητα και δυναµική των µεθόδων ο τοµέας αυτός αντιµετωπίζει δυσκολίες ουσιαστικής ανάπτυξης και συστηµατικής ολοκλήρωσής του σε επιχειρησιακά προγράµµατα και υπάρχει ανάγκη σχεδιασµού εθνικής στρατηγικής, που θα αποβλέπει στην καλύτερη αξιοποίηση της δορυφορικής τεχνολογίας στην ανεύρεση οικονοµικών πόρων, στην ενίσχυση των σχετικών ερευνητικών και επιχειρησιακών προγραµµάτων, στη διεύρυνση της συνεργασίας του ευρύτερου δηµόσιου τοµέα µε τον ιδιωτικό τοµέα και τη βιοµηχανία αλλά και στην ενίσχυση διευρωπαϊκών και διεθνών επιστηµονικών συνεργασιών. Η εισαγωγή και η επιχειρησιακή χρήση της δορυφορικής τηλεπισκόπησης και των Γεωγραφικών Συστηµάτων Πληροφοριών από τους αρµόδιους φορείς του ελληνικού ηµοσίου, µε στόχο τη σωστότερη διαχείριση, θα εξασφάλιζε τη συνεχή και αξιόπιστη παρακολούθηση και θα στήριζε αποφασιστικά τη λήψη µέτρων. 6. ΒΙΒΛΙΟΓΡΑΦΙΑ Dolan, R., Hayden, B.P., May, P., and May, S.K., The reliability of shoreline change measurements from aerial photographs. Shore and Beach, 48(4), pp Boak, E.H., Turner, I.L., Shoreline definition and detection: a review. Journal of Coastal Research 21 (4), List, J.H. and Farris, A.S., Large-scale shoreline response to storms and fair weather. Proceedings of the Coastal Sediments 99, (Long Island, New York), pp Turner Ian L., Whyte David, Ruessink B.G. and Ranasinghe Roshanka, Observations of rip spacing, persistence and mobility at a long, straight coastline, Marine Geology, Volume 236, Issues 3-4, pp Karantzalos K., Argialas D., Georgopoulos A., Towards coastline detection from aerial imagery, IEEE Proceedings International Conference of Digital Signal Processing, vol. II, pp Daugman, J.G., Uncertainty relation for resolution in space, spatial frequency, and orientation optimization by two-dimensional visual cortical filters. Journal of the Optical Society of America 2, pp Μarr, D. and Hildreth, E., Theory of edge detection, Proc. R. Soc. Lond. B, Vol.207, pp Canny, J., A Computational Approach To Edge Detection, IEEE Trans. Pattern Analysis and Machine Intelligence, Vol.8, pp Maragos Petros, Computer Vision, Lecture Notes (partly in greek), NTUA, Athens. Delilah al-khudhairy, Marine Oil Pollution: Technologies & Methodologies for Detection & Early warning. Technical Report, EC, Joint Research Centre, 192p. Brekke C. and Solberg A. H. S., Oil Spill Detection by Satellite Remote Sensing, Remote Sens. Environ., no.95, pp

11 Salvatori, L., Bouchaib, S., Frate, F. D., Lichtenneger, J., & Samara, Y., Estimating the wind vector from radar SAR images when applied to the detection of oil spill pollution, CoastGIS 03. Frate, F. D., A. Petrocchi, J. Lichtenegger, and G. Galabresi, Neural networks for oil spill detection using ERS-SAR data, Trans. Geosci. Remote Sens., Vol.38, pp Karantzalos K. and Argialas D., Automatic detection and tracking of oil spills with level set segmentation from SAR imagery, International Journal of Remote Sensing, (in press) 11

12