Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας και Ανάπτυξης

Transcript

1 Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας και Ανάπτυξης Ερευνητική Εργασία Τίτλος: Χρήση Τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών για την παρακολούθηση, πρόληψη και αντιμετώπιση φυσικών καταστροφών Επιβλέπων Καθηγητής: Καϊμάρης Δημήτρης Ιωακειμίδης Στέφανος Α.Ε.Μ. 244 Βέροια, Ιούνιος 2012

2 Η ερευνητική εργασία με τίτλο «Χρήση Τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών για την παρακολούθηση, πρόληψη και αντιμετώπιση φυσικών καταστροφών» εκπονήθηκε από το φοιτητή του Τμήματος Μηχανικών Χωροταξίας και Ανάπτυξης του ΑΠΘ, Ιωακειμίδη Στέφανο. Η εκπόνηση της εργασίας γίνεται στο πλαίσιο της ολοκλήρωσης των προπτυχιακών σπουδών, ενώ την ευθύνη για το περιεχόμενο, τις πηγές και αναφορές που χρησιμοποιούνται φέρει αποκλειστικά ο υπογράφων/συγγραφέας της εργασίας. 1

3 Περιεχόμενα Πρόλογος 5 Περίληψη 6 Summary.6 Εισαγωγή 7 1.Τηλεπισκόπηση Ορισμός της Τηλεπισκόπησης Ηλεκτρομαγνητικό φάσμα Φασματική υπογραφή αντικειμένου Δορυφορικοί αισθητήρες Χαρακτηριστικά των δορυφορικών συστημάτων Χωρική διακριτική ικανότητα και pixel Φασματική διακριτική ικανότητα Παγχρωματικές εικόνες Πολυφασματικές εικόνες Υπερφασματικοί αισθητήρες Εικόνες RADAR Εικόνες LIDAR Ραδιομετρική διακριτική ικανότητα Επεξεργασία τηλεπισκοπικών εικόνων Γεωμετρική διόρθωση εικόνων Ταξινόμηση εικόνων Καθοδηγούμενη ταξινόμηση εικόνας Αυτοματοποιημένη ταξινόμηση εικόνας Δείκτες Παραδείγματα δεικτών Γεωγραφικά Συστήματα Πληροφοριών (ΓΣΠ) Ορισμός ΓΣΠ Ιστορικό Συνθετικά μέρη ενός ΓΣΠ Γεωγραφική ή χωρική θέση..30 2

4 2.4 Δεδομένα και πληροφορίες Αναπαράσταση χαρτογραφικών δεδομένων Ψηφιακή γεωγραφική αναπαράσταση Ψηφιακή γενίκευση Αβεβαιότητα της έρευνας Το λογισμικό ενός ΓΣΠ Η εξέλιξη των λογισμικών των ΓΣΠ Αρχιτεκτονική του λογισμικού ενός ΓΣΠ Μοντελοποίηση δεδομένων Αντικείμενο ή οντότητα Γνωρίσματα και δυνατότητες των αντικειμένων Κλάση Σχέσεις μεταξύ αντικειμένων Βάσεις Δεδομένων Γλώσσα υποβολής ερωτημάτων SQL Χωρικά ερωτήματα της γεωαπεικόνισης ΓΣΠ και Τηλεπισκόπηση Εφαρμογές Τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών στην παρακολούθηση του περιβάλλοντος και την έγκαιρη αντιμετώπιση καταστροφών Μελέτη για τη χάραξη διαδρομής εκκένωσης μιας περιοχής λόγω κυμάτων τσουνάμι. Η περίπτωση της Cilacap-Central Java στην Ινδονησία Εντοπισμός αλλαγών εδαφοκάλυψης με χρήση δορυφορικών εικόνων στη Ζάκυνθο Εφαρμογή δορυφορικών εικόνων υψηλής ευκρίνειας για την εκτίμηση των ζημιών μετά από σεισμό: Ο σεισμός στην πόλη Bam (Ιράν) το Παρακολούθηση της αποψίλωσης και υποβάθμισης των δασών με την χρήση Τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών. Μελέτη περίπτωσης στη πόλη Ranchi της Jharkhand, India Χαρτογράφηση των επικίνδυνων ζωνών πρόκλησης δασικών πυρκαγιών με τη χρήση δορυφορικών εικόνων και Γεωγραφικών Συστημάτων Πληροφοριών. Μελέτη περίπτωσης στο ιστορικό-εθνικό πάρκο της Χερσονήσου της Καλλίπολις (Gallipoli Peninsula), στα στενά των Δαρδανελλίων (Ecebat in Çanakkale) της Τουρκίας Συμπεράσματα..84 3

5 Συντομογραφίες..86 Βιβλιογραφία.88 Εικόνα εξωφύλλου: Το δορυφορικό σύστημα SPOT-5 σε τροχιά, Satellite Imaging Corporation (SIC), 4

6 Πρόλογος Η παρούσα εργασία πραγματοποιήθηκε στα πλαίσια εκπόνησης ερευνητικής διατριβής του 9 ου εξαμήνου σπουδών του Τμήματος Μηχανικών Χωροταξίας και Ανάπτυξης του Α.Π.Θ. Σκοπός είναι η ανάδειξη της σημασίας της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών (GIS) στην παρακολούθηση, πρόληψη και αντιμετώπιση φυσικών φαινομένων που έχουν άμεση σχέση με το περιβάλλον και τις ανθρωπογενείς δραστηριότητες. Ο συνδυασμός των δυο αυτών επιστημών, μπορεί να αποδώσει σημαντικά οφέλη στις σύγχρονες κοινωνίες, ικανοποιώντας τις αυξημένες ανάγκες για άμεση και ακριβή απόκτηση δεδομένων και πληροφοριών γύρω από περιβαλλοντικά θέματα. Στο σημείο αυτό, θα ήθελα να ευχαριστήσω τον επιβλέπων καθηγητή μου, κ. Καϊμάρη Δημήτριο για τη δυνατότητα που μου έδωσε να ασχοληθώ με το αντικείμενο της ερευνητικής εργασίας, αλλά και γιατί ήταν αυτός που ουσιαστικά με μύησε στην επιστήμη της Τηλεπισκόπησης, κατά τη διάρκεια παρακολούθησης του μαθήματος Τηλεπισκόπηση-Περιβαλλοντική Χαρτογραφία. Ευχαριστώ, επίσης την κ. Βαγιωνά Δήμητρα, λέκτορα του Τ.Μ.Χ.Α., για τη συνεχή και ολοπρόθυμη βοήθεια της, τόσο κατά την εκπόνηση της παρούσας εργασίας, όσο και καθ όλη τη διάρκεια των σπουδών μου, όπου πάντα ήταν διαθέσιμη για να με βοηθήσει και να με συμβουλέψει. Περίληψη 5

7 Η ανάγκη για συνεχή καταγραφή και παρατήρηση των φαινομένων που επηρεάζουν την ανθρωπογενή δραστηριότητα, αλλά και το περιβάλλον, κατέστησε απαραίτητη τη χρήση της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών, στην παρακολούθηση των φυσικών οικοσυστημάτων, και του περιβάλλοντος γενικότερα, προκειμένου να είναι εφικτή η γρήγορη και ακριβής παρατήρησή τους. Οι δυο αυτές επιστήμες, συνέβαλλαν στην δόμηση πολλών μοντέλων για την προστασία του περιβάλλοντος και τον εντοπισμό αλλαγών, καθώς επίσης και σε εφαρμογές που έχουν ως στόχο να προλαμβάνουν φυσικές καταστροφές και να ελαχιστοποιούν τις απώλειες. Στην παρούσα εργασία, αναλύονται τα βασικά ζητήματα της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών, ενώ μεγάλη βαρύτητα δίνεται στην παρουσίαση περιβαλλοντικών εφαρμογών, όπου η χρήση των δυο παραπάνω επιστημών συνετέλεσε στην απόκτηση χρήσιμων πληροφοριών, τόσο για το περιβάλλον, όσο και για την ανθρωπογενή δραστηριότητα γενικότερα. Summary The need of continuous documentation and observation of the phenomena, that impact the human activities and the environment, made the use of the remote sensing and GIS vital for the observation of natural ecosystems and of the environment in general. As in that way, it is possible to achieve a fast and accurate observation of them. These two systems contribute to the creation of many models to protect the environment and to spot changes. In addition they were used as ways to prevent natural disaster and in that way to decrease the consequences. The present study analyses the main issues of the remote sensing and GIS. In addition, it focused on the presentation of environmental applications, where the use of the above systems contributes in the access to useful information, not only for the environment, but also for the human activity in general. 6

8 Εισαγωγή Η τηλεπισκόπηση (remote sensing), για την μελέτη και παρακολούθηση των φαινομένων που λαμβάνουν χώρα στην γη, αναπτύχθηκε την δεκαετία του 1960, περίοδο κατά την οποία υπήρξε πολύ μεγάλη ανάπτυξη των δυνατοτήτων των Η/Υ στη διαχείριση μεγάλου όγκου δεδομένων και στοιχείων. Επιπλέον, τις τελευταίες τρεις δεκαετίες, η ραγδαία βελτίωση των τεχνικών δυνατοτήτων των δορυφορικών συστημάτων συλλογής και επεξεργασίας δορυφορικών δεδομένων, σε συνδυασμό με τη μείωση του κόστους εκτόξευσης τους, συνετέλεσε στην πλήρη επικράτηση της δορυφορικής, έναντι των άλλων μορφών, τηλεπισκόπησης (αεροφωτογραφίες, εικόνες από ραντάρ κ.α.). Επιπλέον, ο συνδυασμός της Τηλεπισκόπισης και των Γεωγραφικών Συστημάτων Πληροφοριών, στην παρακολούθηση του περιβάλλοντος και της γενικότερης συμπεριφοράς των φυσικών φαινομένων που επηρεάζουν τις ανθρωπογενείς δραστηριότητες είναι ιδιαίτερα δημοφιλής τα τελευταία χρόνια. Η ακρίβεια, η αμεσότητα και η καθολικότητα των επιστημών αυτών, τις έχουν καταστήσει απαραίτητα εργαλεία για κάθε είδους εφαρμογές που σχετίζονται με την παρατήρηση κάποιου φαινομένου. Βέβαια, στην κατεύθυνση αυτή έχει συμβάλει και η εξέλιξη της τεχνολογίας των δορυφορικών συστημάτων και η διαθεσιμότητα των τηλεπισκοπικών δεδομένων από διαφορετικούς αισθητήρες ποικίλλων δορυφορικών συστημάτων, με μεγάλο εύρος χωρικών, ραδιομετρικών και φασματικών αναλύσεων. Όσον αφορά την παρούσα εργασία, αυτή αποτελείται από τρία επιμέρους κεφάλαια. Πιο συγκεκριμένα, στο πρώτο κεφάλαιο, αναλύονται βασικές έννοιες της Τηλεπισκόπησης, όπως το ηλεκτρομαγνητικό φάσμα, η φασματική υπογραφή αντικειμένου, οι αισθητήρες και τα χαρακτηριστικά των δορυφορικών συστημάτων καθώς και η επεξεργασία των δορυφορικών εικόνων. Στο δεύτερο κεφάλαιο, αναφέρονται ορισμένα βασικά στοιχεία των Γεωγραφικών Συστημάτων Πληροφοριών, όπως ο ορισμός τους και το πώς προέκυψαν, τα συνθετικά μέρη από τα οποία αποτελούνται, το πώς αποθηκεύουν και 7

9 αναπαριστούν τα δεδομένα, καθώς και τη σχέση που έχουν με τα δεδομένα που προέρχονται από την τηλεπισκόπηση. Στο τρίτο κεφάλαιο παρουσιάζονται πέντε μελέτες περιπτώσεων στις οποίες, έγινε χρήση τηλεπισκοπικών δεδομένων για την απόκτηση στοιχείων σχετικά με την υπάρχουσα κατάσταση στην περιοχή μελέτης. Τα δεδομένα αυτά στη συνέχεια εισήχθησαν σε ένα Γεωγραφικό Σύστημα Πληροφοριών έτσι ώστε να επιτευχθεί περαιτέρω ανάλυση και καλύτερη απεικόνιση των ζητουμένων. Οι εφαρμογές αυτές αφορούν φυσικά φαινόμενα, που επηρεάζουν την ανθρωπογενή δραστηριότητα, όπως η εκτίμηση του μεγέθους της καταστροφής από σεισμούς και η έγκαιρη αποχώρηση από παραλιακές περιοχές σε περίπτωση κυμάτων τσουνάμι, αλλά και στη παρακολούθηση και διαχείριση των φυσικών πόρων, όπως ο εντοπισμός των αλλαγών που έχουν πραγματοποιηθεί σε ένα φυσικό οικοσύστημα, με την πάροδο των ετών. Επίσης, αναλύονται δύο παραδείγματα εφαρμογών Τηλεπισκόπησης και ΓΣΠ, που αφορούν θέματα διαχείρισης δασικών οικοσυστημάτων, όπως η παρακολούθηση της αποψίλωσης και υποβάθμισης των δασών και η χαρτογράφηση των επικίνδυνων ζωνών για την πρόκληση δασικών πυρκαγιών. 1. Τηλεπισκόπηση 1.1 Ορισμός της Τηλεπισκόπησης Τηλεπισκόπηση ή τηλεανίχνευση (Remote sensing) σημαίνει αντίληψη αντικειμένων ή φαινομένων από απόσταση. Ορίζεται επομένως ως η επιστήμη της συλλογής, ανάλυσης και ερμηνείας της πληροφορίας γύρω από έναν στόχο για την αναγνώριση και μέτρηση των ιδιοτήτων του, εξετάζοντας τις αλληλεπιδράσεις του με την ηλεκτρονική ακτινοβολία. Η πληροφορία αυτή συλλέγεται από όργανα που δεν έρχονται σε επαφή με τα προς εξέταση αντικείμενα (Μερτίκας, 1999). 8

10 1.2 Ηλεκτρομαγνητικό φάσμα Ηλεκτρομαγνητικό φάσμα θεωρείται η ταξινόμηση της ηλεκτρομαγνητικής ακτινοβολίας σύμφωνα με το μήκος κύματος, τη συχνότητα ή την ενέργεια. Το ηλεκτρομαγνητικό φάσμα εκτείνεται μεταξύ των κοσμικών ακτίνων και των ραδιοκυμάτων. Για την τηλεπισκόπηση, το πιο σημαντικό τμήμα του ηλεκτρομαγνητικού φάσματος είναι εκείνο που δημιουργείται από την ακτινοβολία του Ήλιου (Μερτίκας, 1999). Εικόνα 1.1: Ηλεκτρομαγνητικό φάσμα, URL Φασματική υπογραφή αντικειμένου Η μελέτη της ακτινοβολίας που εκπέμπεται και ανακλάται από τα διάφορα αντικείμενα της γήινης επιφάνειας, αποτελεί αντικείμενο μελέτης της Τηλεπισκόπησης. Τα φυσικά χαρακτηριστικά και η σύσταση του κάθε αντικειμένου, επηρεάζουν, με το δικό του χαρακτηριστικό τρόπο, το ποσοστό της ακτινοβολίας που ανακλάται στα διαφορετικά μήκη κύματος. Φασματική απόκριση ονομάζεται η κατανομή της ανακλώμενης ή εκπεμπόμενης ακτινοβολίας από μια επιφάνεια σε σχέση με το μήκος κύματος λ (Καρτάλης και Φειδάς, 2006). Η φασματική υπογραφή της κάθε επιφάνειας χρησιμοποιείται για την αναγνώριση των διαφορετικών υλικών και για τον διαχωρισμό των επιφανειών που 9

11 συναντώνται στην επιφάνεια της γης. Όπως φαίνεται και στα παρακάτω σχήματα, οι φασματικές υπογραφές τριών βασικών επιφανειών (έδαφος, βλάστηση και νερά) διαφέρουν μεταξύ τους, ενώ το ίδιο συμβαίνει και με τα διαφορετικά μεταλλεύματα. Εικόνα 1.2: Φασματικές ταυτότητες τριών βασικών επιφανειών, (Μερτίκας, 1999) Εικόνα 1.3: Φασματικές υπογραφές πέντε μεταλλευμάτων, (Καρτάλης και Φειδάς, 2006) 1.4 Δορυφορικοί αισθητήρες Οι αισθητήρες που βρίσκονται προσαρτημένοι στα δορυφορικά συστήματα και μετρούν την ηλεκτρομαγνητική ακτινοβολία που φτάνει σε αυτά, ανήκουν στην κατηγορία των ραδιομέτρων. Ο αισθητήρας που περιλαμβάνει ένα φράγμα περίθλασης, το οποίο διαχωρίζει την ακτινοβολία που εκτείνεται σε μια περιοχή του φάσματος, σε μικρότερες φασματικές περιοχές, ονομάζεται φασματοραδιόμετρο. 10

12 Η λειτουργία των ραδιομέτρων και επομένως των περισσότερων δορυφορικών αισθητήρων, βασίζεται στο φωτοηλεκτρικό φαινόμενο. Όταν ένα αρνητικά φορτισμένο φωτοευαίσθητο υλικό εκτεθεί σε ακτινοβολία, παράγονται ηλεκτρόνια. Τα ηλεκτρόνια αυτά δημιουργούν ηλεκτρικό ρεύμα, η ένταση του οποίου είναι ανάλογη της έντασης της προσπίπτουσας ακτινοβολίας. Έτσι, οι μεταβολές στο ηλεκτρικό ρεύμα μπορούν να χρησιμοποιηθούν για τη μέτρηση των μεταβολών στην ένταση της ακτινοβολίας που προσπίπτει στην πλάκα με το φωτοευαίσθητο υλικό (Καρτάλης και Φειδάς, 2006). Εντοπίζονται δυο μεγάλες κατηγορίες δορυφορικών αισθητήρων, με βάση την πηγή της ακτινοβολίας που καταγράφουν, οι ενεργητικοί και οι παθητικοί. 1.5 Χαρακτηριστικά των δορυφορικών συστημάτων Χωρική διακριτική ικανότητα Χωρική διακριτική ικανότητα, είναι η ικανότητα του ανιχνευτή να διακρίνει δυο αντικείμενα στη σκηνή που βρίσκονται πολύ κοντά και ποσοτικά ισούται με τη μικρότερη απόσταση που μπορούν να έχουν δυο αντικείμενα ώστε οι διαστάσεις τους να διακρίνονται χωριστά και καθαρά ή το ελάχιστο μέγεθος που πρέπει να έχει ένα αντικείμενο για να μπορεί να ανιχνευτεί. Εκφράζεται συνήθως σε m ή km και καθορίζεται από το στιγμιαίο πεδίο κατόπτευσης του αισθητήρα (Καρτάλης και Φειδάς, 2006). Όπως κάθε ψηφιακή εικόνα, έτσι και οι τηλεπισκοπικές, αποτελούνται από έναν πίνακα pixel. Τα pixel, είναι τα μικρότερα στοιχεία της εικόνας, και απεικονίζουν μια πολύ μικρή περιοχή αυτής. Οι έννοιες της χωρικής ανάλυσης και του pixel δεν ταυτίζονται, καθώς υπάρχει η περίπτωση εικόνας,, της οποίας το μέγεθος pixel της, να διαφέρει από την ανάλυση (Levin, 1999). Στις εικόνες με υψηλή ακρίβεια μπορούν να εμφανιστούν αντικείμενα με μικρές διαστάσεις, ενώ σε αυτές με χαμηλή ακρίβεια απεικονίζονται αντικείμενα τα οποία έχουν μέγεθος μεγαλύτερο από αυτό του κελιού ανάλυσης (Levin, 1999). 11

13 Παρακάτω παρουσιάζονται εικόνες που προέρχονται από δύο διαφορετικά δορυφορικά συστήματα. Ποιο συγκεκριμένα, η πρώτη προέρχεται από τον δορυφόρο Landsat-7, με χωρική ανάλυση 30 μέτρων και η άλλη από τον δορυφόρο ASTER με χωρική ανάλυση 15 μέτρων. Όπως εύκολα μπορεί να παρατηρήσει κανείς, στην εικόνα με την χωρική ανάλυση των 15 μέτρων, μπορεί να διακριθεί καλύτερα το φράγμα και η γύρω περιοχή. Εικόνα 1.4: Δορυφορικές εικόνες από το φράγμα Dwarshak, του ποταμού Clearwater στην πολιτεία Idaho των Ηνωμένων Πολιτειών Αμερικής, Αριστερά, εικόνα από τον δορυφόρο Landsat-7, με χωρική ανάλυση 30 μέτρων. Δεξιά, εικόνα από τον δορυφόρο ASTER με χωρική ανάλυση 15 μέτρων, (URL-12) Φασματική διακριτική ικανότητα Όπως έχει αναφερθεί, ο δορυφορικός αισθητήρας, καταγράφει, μέσω των διαύλων, διαφορετικές περιοχές του ηλεκτρομαγνητικού φάσματος. Η φασματική διακριτική ικανότητα, είναι αυτή που προσδιορίζει την ικανότητα του αισθητήρα να διακρίνει τις πολύ μικρές αποστάσεις μεταξύ των μηκών κύματος. Κατά αυτό τον τρόπο, ένας αισθητήρας με υψηλή φασματική ανάλυση, έχει τη δυνατότητα να ξεχωρίζει καλύτερα τις φασματικές περιοχές και να καταγράφει μικρότερα διαστήματα, μεταξύ των μηκών κύματος (Levin, 1999). 12

14 Η φασματική διακριτική ικανότητα εξαρτάται από το εύρος των περιοχών του ηλεκτρομαγνητικού φάσματος που καταγράφει και τον αριθμό των φασματικών καναλιών που χρησιμοποιεί ο πολυφασματικός ανιχνευτής (Levin, 1999). Όσο μεγαλύτερη είναι η φασματική διακριτική ικανότητα του αισθητήρα σε ένα κανάλι, τόσο μικρότερο είναι το εύρος της φασματικής περιοχής της ακτινοβολίας που καταγράφεται στο κανάλι αυτό. Όσο πιο μικρές σε εύρος είναι οι ζώνες, τόσο πιο μεγάλος, ο αριθμός των ζωνών (Καρτάλης και Φειδάς, 2006) Παγχρωματικές εικόνες Μια παγχρωματική εικόνα, αποτελείται από έναν μόνο δίαυλο. Εμφανίζεται στην κλίμακα του γκρι, δηλαδή η φωτεινότητα ενός συγκεκριμένου pixel, είναι ανάλογη με τον ψηφιακό αριθμό του pixel που σχετίζεται με την ένταση της ηλιακής ακτινοβολίας που αντανακλάται από τον στόχο και ανιχνεύεται από τον αισθητήρα (Sanderson, 2009). Εικόνα 1.5: Παγχρωματική εικόνα του δορυφορικού συστήματος SPOT-5, Σαν Φρανσίσκο, Καλιφόρνια, Η.Π.Α., Ημερομηνία λήψης 09/08/2002, URL-2 13

15 Πολυφασματικές εικόνες Πολλά τηλεπισκοπικά συστήματα μπορούν να ανιχνεύσουν και να καταγράψουν την ενέργεια σε αρκετές διακριτές περιοχές μηκών κύματος, με ποικίλες φασματικές αναλύσεις και έτσι προκύπτουν οι πολυφασματικές εικόνες. Σε αυτού του είδους δορυφορικές εικόνες, καταγράφεται η ακτινοβολία που ανακλάται ή εκπέμπεται από μια περιοχή της γης, σε διάφορα μήκη κύματος. Έτσι, η περιοχή αυτή καταγράφεται από τον αισθητήρα σε τόσες εικόνες, όσες είναι και οι αντίστοιχες φασματικές περιοχές (δίαυλοι) της ακτινοβολίας την οποία καταγράφει ο αισθητήρας (Καρτάλης και Φειδάς, 2006). Για την οπτική απεικόνιση τους, κάθε δίαυλος της εικόνας, εμφανίζει μια εικόνα στην κλίμακα του γκρι. Ο συνδυασμός των τριών διαύλων, δημιουργεί μια χρωματική σύνθεση της εικόνας. Εικόνα 1.6: Πολυφασματική εικόνα από το δορυφορικό σύστημα WorldView-2, αεροδρόμιο Love Field, στην πόλη Dallas των Η.Π.Α., URL-3 14

16 Υπερφασματικές εικόνες Οι εξελιγμένοι πολυφασματικοί αισθητήρες ονομάζονται υπερφασματικοί και μπορούν να ανιχνεύσουν πολύ στενές φασματικές ζώνες μέσα στην ορατή, την εγγύς υπέρυθρη και τη μέση υπέρυθρη περιοχή του ηλεκτρομαγνητικού φάσματος. Η πολύ υψηλή φασματική ανάλυση των αισθητήρων αυτών διευκολύνει τη λεπτομερή διάκριση μεταξύ των διαφορετικών στόχων, αφού βελτιώνονται κατά πολύ οι φασματικές αποκρίσεις τους (URL-4). Εικόνα 1.7: Τα υπερφασματικά δεδομένα από το δορυφορικό σύστημα AISA παρέχουν, σε πραγματικό χρόνο, στους αγρότες πληροφορίες σχετικά με τη εξέλιξη των καλλιεργειών και την ανάγκη ή μη εφαρμογής ζιζανιοκτόνων, μέσω του ραντίσματος, σε καλλιέργειες υψηλής αξίας. Στις παραπάνω εικόνες, οι πράσινοι τομείς δείχνουν τη βελτίωση της βιομάζας της καλλιέργειας, μετά την εφαρμογή χημικής ουσίας μυκητοκτόνου σε χωράφι με σιτηρά που έχει προσβληθεί από μύκητα, (URL-5) Εικόνες RADAR Τα δεδομένα τύπου ραντάρ εμφανίζονται σε μια εικόνα της οποίας οι ψηφιακοί αριθμοί των εικονοστοιχείων της καθορίζονται από την ισχύ του σήματος που επανασκεδάζεται σε ένα αντικείμενο στην επιφάνεια της γης. Η ισχύς του σήματος, εξαρτάται από τα γεωμετρικά χαρακτηριστικά της επιφάνειας (τοπογραφία, μορφολογία, τραχύτητα του εδάφους), τις διηλεκτρικές ιδιότητες των υλικών (π.χ. 15

17 υγρασία), και τα χαρακτηριστικά της προσπίπτουσας ακτινοβολίας (συχνότητα, πόλωση, γωνία πρόσπτωσης) (Καρτάλης και Φειδάς, 2006). Εικόνα 1.8: Εικόνα ραντάρ από το διάστημα του βυθισμένου κρουαζιερόπλοιου COSTA CONCORDIA, στη νήσο GIGLIO της Ιταλίας στις 13/01/2012. Η εικόνα λήφθηκε από το Cosmo-Skymed, λίγες ώρες μετά την προσάραξη του πλοίου, ανοιχτά της Τοσκάνης, (URL-6) Εικόνες LIDAR Το ενεργητικό σύστημα LIDAR (Light Detection and Ranging) είναι ένα όργανο, με τεχνολογία απεικόνισης παρόμοια με το ραντάρ, το οποίο υπολογίζει την απόσταση από ένα αντικείμενο, εκπέμποντας περιοδικούς ή συνεχείς παλμούς φωτός (ακτινοβολία laser) και μετράει το χρόνο μεταξύ της εκπομπής και της λήψης των αντανακλώμενων παλμών. Το χρονικό διάστημα που έχει μετρήσει, το μετατρέπει αρχικά σε ηλεκτρικό και στη συνέχεια σε οπτικό σήμα, βρίσκοντας έτσι την μεταξύ τους απόσταση (URL-4). Τα συστήματα LIDAR χρησιμοποιούν υπεριώδη, ορατή ή κοντά στο υπέρυθρο ακτινοβολία για την απεικόνιση διάφορων αντικειμένων ή στόχων μεταλλικά αντικείμενα, πέτρες, αερολύματα, σύννεφα. όπως, μη 16

18 Εικόνα 1.9: Σύγκριση (α) οπτικής και αντίστοιχης (β) LIDAR εικόνας, (Mastin et al., 2009) Ραδιομετρική διακριτική ικανότητα Η ραδιομετρική ανάλυση περιγράφει την ικανότητά του δορυφορικού συστήματος καταγραφής να διακρίνει πολύ μικρές διαφορές στην ισχύ του σήματος, δηλαδή στην ηλεκτρομαγνητική ακτινοβολία που καταγράφει. Όσο υψηλότερη είναι η ραδιομετρική ανάλυση του αισθητήρα, τόσο πιο ευαίσθητος είναι αυτός, στο να ανιχνεύει μικρές διαφορές στην ανακλώμενη ή εκπεμπόμενη ακτινοβολία. Οι ραδιομετρικές τιμές που καταγράφονται στον αισθητήρα, μετατρέπονται σε ψηφιακές θετικές τιμές, που κυμαίνονται από 0 έως (ένα λιγότερο από) μία 17

19 επιλεγμένη δύναμη του 2 (2 x ). Η δύναμη στην οποία υψώνεται το 2, για να προκύψει το εύρος των ψηφιακών αριθμών, αντιστοιχεί στον αριθμό των bits που χρησιμοποιούνται για την κωδικοποίηση αριθμών σε bytes (Levin, 1999). Εικόνα 1.10: Ψηφιακή εικόνα 2,4 και 8 bit, (Καρτάλης και Φειδάς, 2006) 1.6 Επεξεργασία τηλεπισκοπικών εικόνων Η επεξεργασία των εικόνων, περιλαμβάνει όλες τις μεθόδους που έχουν ως στόχο στην απόκτηση πληροφοριών οι οποίες υπάρχουν σε μια ψηφιακή εικόνα, αλλά δεν είναι εφικτό να εντοπιστούν δια γυμνού οφθαλμού. Το πλήθος των πληροφοριών που υπάρχουν σε μια ψηφιακή εικόνα είναι πάρα πολύ μεγάλο και εξαρτάται κυρίως από τις δυνατότητες του συστήματος καταγραφής. Στόχος της επεξεργασίας των εικόνων είναι η ανάκτηση καθώς και η 18

20 ανάλυση των πληροφοριών που περιέχονται σε αυτές, με τη χρήση αλγορίθμων επεξεργασίας μέσω υπολογιστικών συστημάτων (Καρτάλης και Φειδάς, 2006) Γεωμετρική διόρθωση εικόνων Η γεωμετρική διόρθωση μιας εικόνας, είναι διαδικασία που πραγματοποιείται κατά την προ-επεξεργασία (preprocessing) των δορυφορικών εικόνων και μαζί με τη ραδιομετρική διόρθωση, αποτελούν τις δύο μεγάλες κατηγορίες επεξεργασίας που επιτελούνται στις δορυφορικές εικόνες, πριν αυτές φτάσουν στα χέρια του αναλυτή. Οι γεωμετρικές διορθώσεις των εικόνων περιλαμβάνουν τη διόρθωση των γεωμετρικών στρεβλώσεων λόγω της διαφοράς γεωμετρίας μεταξύ τη γης και του αισθητήρα, καθώς και η μετατροπή των δεδομένων στο σύστημα συντεταγμένων (γεωγραφικό πλάτος και μήκος) της γήινης επιφάνειας (URL-4). Η πρωτογενής δορυφορική εικόνα, εμφανίζει γεωμετρικές παραμορφώσεις, οι οποίες διακρίνονται σε συστηματικές και μη συστηματικές παραμορφώσεις. Οι συστηματικές παραμορφώσεις, οι οποίες είναι σταθερές και προβλέψιμες, οφείλονται κυρίως στη μεταβολή της ταχύτητας του δορυφόρου κατά τη διάρκεια της καταγραφής, στη περιστροφή της γης και στο ανάγλυφο της γήινης επιφάνειας. Από την άλλη πλευρά, οι μη συστηματικές παραμορφώσεις οφείλονται σε αστάθειες της τροχιάς του δορυφόρου και δεν είναι σταθερές αλλά και ούτε προβλέψιμες (Καρτάλης και Φειδάς, 2006). Οι γεωμετρικές παραμορφώσεις μπορούν να διορθωθούν με τη χρήση των δεδομένων της τροχιάς του δορυφόρου και τη γνώση των εσωτερικών παραμορφώσεων του αισθητήρα, αλλά και με τη χρήση φωτοσταθερών. Τα φωτοσταθερά (Ground Control Point, GCP) είναι σημεία στην επιφάνεια της γης τα οποία μπορούν να εντοπιστούν με ακρίβεια στην εικόνα και στο χάρτη, αλλά και να υπολογιστούν με τη χρήση GPS. Στην περίπτωση αυτή, πραγματοποιείται επιτόπια έρευνα και καταγράφονται, με τη χρήση δορυφορικών συστημάτων, οι συντεταγμένες ευδιάκριτων σημείων στο έδαφος, όπου στη συνέχεια μέσω του προγράμματος, εντοπίζονται και στην εικόνα. Φωτοσταθερά, μπορούν να 19

21 αποτελέσουν διασταυρώσεις δρόμων, συμβολές ρεμάτων και ποταμών, κτίσματα κ.α. (Καρτάλης και Φειδάς, 2006). Στη συνέχεια είναι εφικτή η ορθοαναγωγή της εικόνας, όπου πραγματοποιείται γεωμετρική ανόρθωση απαλείφοντας όμως, και τις παραμορφώσεις που εντοπίζονται στην εικόνα, λόγω του υψομέτρου και του ανάγλυφου. Για την πραγματοποίηση της ορθοαναγωγής απαιτείται ένα ψηφιακό υψομετρικό μοντέλο (Digital Elevation Model, DEM) και πληροφορίες για τον αισθητήρα του δορυφορικού συστήματος. Η γεωμετρική ανόρθωση ή γεωαναφορά στοχεύει στο μετασχηματισμό του συστήματος συντεταγμένων της εικόνας σε ένα συγκεκριμένο σύστημα χαρτογραφικής προβολής με τη χρήση φωτοσταθερών. Τα εικονοστοιχεία της εικόνας συνδέονται με τις χαρτογραφικές συντεταγμένες, έτσι ώστε κάθε ένα από αυτά να χαρακτηρίζεται από τις αντίστοιχες συντεταγμένες στο προβολικό σύστημα του χάρτη. Με τη διαδικασία αυτή η δορυφορική εικόνα αποκτά την κλίμακα και τις ιδιότητες προβολής του χάρτη (Καρτάλης και Φειδάς, 2006) Ταξινόμηση εικόνων Η ταξινόμηση ψηφιακής εικόνας είναι η διαδικασία αντιστοίχηση ή τοποθέτησης των τιμών φωτεινότητας των εικονοστοιχείων σε ομάδες που παρουσιάζουν την ίδια μορφή, τις ίδιες περίπου ιδιότητες (Μερτίκας, 1999). Οι περισσότερες μέθοδοι ταξινόμησης εκτιμούν την ομοιότητα των φασματικών στοιχείων χρησιμοποιώντας ως μέτρο, την απόσταση μεταξύ των σημείων στον φασματικό χώρο. Τα εικονοστοιχεία των οποίων τα φασματικά στοιχεία είναι πολύ κοντά στο φασματικό χώρο, έχουν παρόμοια φασματικά χαρακτηριστικά και υπάρχει μεγάλη πιθανότητα να αντιπροσωπεύουν υλικά της ίδιας επιφάνειας (Kumar et al., 2010). Σκοπός της ψηφιακής ταξινόμησης των καλύψεων γης είναι η σύνδεση των φασματικών χαρακτηριστικών της εικόνας σε μια ουσιαστική κατηγορία πληροφοριών, η οποία πρέπει να εμφανίζεται στο χάρτη, έτσι ώστε οι διαχειριστές 20

22 των πόρων ή οι επιστήμονες, να μπορούν να αξιολογήσουν το τοπίο με ένα ακριβή και οικονομικά αποδοτικό τρόπο (Weber and Dunno, 2001). Ο καλύτερος τρόπος για να συγκριθούν εικόνες από διαφορετικές ημερομηνίες, είναι να ταξινομηθούν και να συγκριθούν τα στατιστικά δεδομένα που προκύπτουν. Η ταξινόμηση των δορυφορικών εικόνων χρησιμοποιείται για τις αναλύσεις των καλύψεων του εδάφους και τον προσδιορισμό των αλλαγών σε αυτές, πριν και μετά από κάποιο φυσικό φαινόμενο (πυρκαγιά, σεισμό, πλημμύρα, κ.α.) ή ανθρωπογενή δραστηριότητα (επέκταση μιας πόλης, υλοτόμηση σε ένα δάσος, κ.α.) (Kumar et al., 2010). Εικόνα 1.11: Ταξινομημένη δορυφορική εικόνα, όπου εμφανίζονται οι επιμέρους κατηγορίες καλύψεων που εντοπίστηκαν στην περιοχή μελέτης, Με κόκκινο χρώμα, παρουσιάζονται οι οροφές των κτιρίων που είναι καλυμμένες με κεραμίδι, ενώ με γκρι αυτές που είναι από μπετόν. Με το πράσινο χρώμα εντοπίζεται η βλάστηση και με μπεζ οι επιφάνειες του εδάφους. Οι επιφάνειες με κίτρινο χρώμα, αντιπροσωπεύουν τους δασικούς δρόμους, Ίδια επεξεργασία 21

23 Υπάρχουν δυο είδη φασματικής ταξινόμησης των εικόνων, η επιβλεπόμενη ή καθοδηγούμενη από το χρήστη και η μη επιβλεπόμενη ή αυτοματοποιημένη ταξινόμηση Καθοδηγούμενη ταξινόμηση εικόνας Η καθοδηγούμενη ταξινόμηση της εικόνας είναι μια μέθοδος στην οποία ο αναλυτής προσδιορίζει μικρές περιοχές, που ονομάζονται περιοχές εκπαίδευσης της εικόνας, οι οποίες είναι αντιπροσωπευτικές των επιμέρους κατηγοριών κάλυψης της γης (Kumar et al., 2010). Ο αναλυτής εκπαιδεύει το λογισμικό στην αναγνώριση των φασματικών τιμών ή υπογραφών που σχετίζονται με τις περιοχές εκπαίδευσης. Μετά τον καθορισμό των φασματικών υπογραφών για κάθε μια από τις κατηγορίες καλύψεως γης, και αφού ο αλγόριθμος ταξινόμησης υπολογίζει τη μέση φασματική τιμή για κάθε κατηγορία εκπαίδευσης, το λογισμικό τις χρησιμοποιεί για να κατατάξει το υπόλοιπο της εικόνας στις κατηγορίες που έχουν εντοπιστεί (Kumar et al., 2010). Οι αλγόριθμοι που χρησιμοποιούνται στη καθοδηγούμενη ταξινόμηση, είναι ο κανόνας του παραλληλεπιπέδου, η μέθοδος της ελάχιστης απόστασης και η μέθοδος της μέγιστης πιθανοφάνειας (Μερτίκας, 1999) 22

24 Εικόνα 1.12: Πεδία εκπαίδευσης τριών διαφορετικών ειδών βλάστησης, στις αντίστοιχες κατηγορίες, Ίδια επεξεργασία Η οριοθέτηση των περιοχών εκπαίδευσης που αντιστοιχούν σε ένα συγκεκριμένο τύπο κάλυψης, είναι περισσότερο αποτελεσματική όταν ο αναλυτής της εικόνας έχει άποψη για την γεωγραφία της περιοχής και εμπειρία σχετικά με τις φασματικές ιδιότητες των κατηγοριών κάλυψης Αυτοματοποιημένη ταξινόμηση εικόνας Στην αυτοματοποιημένη ταξινόμηση ο αλγόριθμος χρησιμοποιεί στατιστικούς κανόνες για τον εντοπισμό ομάδων εικονοστοιχείων με παρόμοια φασματικά χαρακτηριστικά σε ένα τυχαίο δείγμα από εικονοστοιχεία και στη συνέχεια αποδίδει τις ομάδες αυτές, σε τάξεις. Τα εικονοστοιχεία διαχωρίζονται σε φασματικές τάξεις χωρίς ο αναλυτής να γνωρίζει εκ των προτέρων τίποτα για την ύπαρξη ή το είδος της πληροφορίας (νερό, βλάστηση, αστικό τοπίο κ.α.) που περιέχεται σε κάθε φασματική τάξη (Levin, 1999). 23

25 Αρχικά ο αναλυτής καθορίζει το πόσες κατηγορίες θα αναζητηθούν στα δεδομένα και στη συνέχεια το λογισμικό πραγματοποιεί μια αυθαίρετη επιλογή εικονοστοιχείων με παραπλήσιές τιμές φωτεινότητας. Στη συνέχεια, υπολογίζονται οι αποστάσεις μεταξύ των τιμών της φωτεινότητας των εικονοστοιχείων και ορίζονται οι επιμέρους κατηγορίες με παρόμοια φωτεινότητα. Κατ αυτόν τον τρόπο, τα εικονοστοιχεία ομαδοποιούνται στην πλησιέστερη ομάδα και προσδιορίζεται κάθε φορά η νέα συγκέντρωση ψηφίδων στις επιμέρους κατηγορίες. Η διαδικασία επαναλαμβάνεται μέχρις ότου να κατηγοριοποιηθούν όλα τα εικονοστοιχεία (URL-4). Στην αυτοματοποιημένη ταξινόμηση, εφαρμόζεται η τεχνική της ομαδοποίησης, όπου ταξινομούνται οι ψηφίδες των εικόνων με παρόμοια φασματικά χαρακτηριστικά. Οι αλγόριθμοι που χρησιμοποιούνται για το σκοπό αυτό είναι: Ομαδοποίηση με Κ-μέσες τιμές, ISODATA, Ιεραρχική ομαδοποίηση και Ομαδοποίηση με ιστογράμματα (Μερτίκας, 1999). Η μέθοδος ταξινόμησης αυτή, είναι λιγότερο ακριβής, και χρησιμοποιείται κυρίως όταν η γνώση για την περιοχή μελέτης πριν την ταξινόμηση, είναι περιορισμένη Δείκτες Οι δείκτες χρησιμοποιούνται για να περιγράψουν ένα φαινόμενο, αλλά και ως ένδειξη της υπάρχουσας κατάστασης. Ένας δείκτης επομένως μπορεί να αποτελεί μια παράμετρο που προσδιορίζεται από δεδομένα και παρέχει πληροφορίες για ένα φαινόμενο, ενώ βοηθά να εξηγηθεί πως αλλάζουν με το χρόνο και πως μεταβάλλονται στο χώρο τα πράγματα. Οι δείκτες απλοποιούν γενικά την πραγματικότητα προκειμένου να προσδιορίσουν ποσοτικά σύνθετα φαινόμενα, έτσι ώστε οι πληροφορίες να μπορούν να γίνουν ευκολότερα αντιληπτές. Δείκτες μπορούν να κατασκευαστούν πολλοί για τα επιμέρους φαινόμενα που μελετά η Τηλεπισκόπηση, ανάλογα με το τι επιδιώκεται να μελετηθεί από το χρήστη, αλλά και από τη διαθέσιμη φασματική πληροφορία του αισθητήρα του δορυφορικού συστήματος (URL-8). 24

26 Παραδείγματα δεικτών Οι δείκτες βλάστησης αποτελούν τρόπο εκτίμησης της υγείας της βλάστησης. Ένας δείκτης βλάστησης κατασκευάζεται από το συνδυασμό των ψηφιακών τιμών σε διάφορες φασματικές περιοχές (δίαυλοι), οι οποίες προστίθενται, διαιρούνται ή πολλαπλασιάζονται μεταξύ τους, έτσι ώστε να παράγεται μια μοναδική τιμή για κάθε εικονοστοιχείο της εικόνας, η οποία φανερώνει την ποσότητα της υγιούς βλάστησης που υπάρχει σε αυτό. Οι δίαυλοι που επιλέγονται είναι στις περιοχές του κόκκινου και του εγγύς υπέρυθρου, στις οποίες η βλάστηση παρουσιάζει φασματική απόκριση η οποία είναι αντίστροφη με αυτή των ερημοποιημένων επιφανειών (Καρτάλης, Φειδάς, 2006). Αλλαγές στον δείκτη βλάστησης αντικατοπτρίζουν και την εξέλιξη της παραγωγικότητας της γης. Ως εκ τούτου, ο δείκτης βλάστησης μπορεί να χρησιμοποιηθεί ως δείκτης παρακολούθησης της ερημοποίησης της γης και των δυναμικών αλλαγών που πραγματοποιούνται. Δείκτες βλάστησης υπάρχουν πολλοί, αλλά αυτός που χρησιμοποιείται σε μεγάλο βαθμό, λόγω των αρκετά αξιόπιστων τιμών του, είναι ο NDVI. Ο κανονικοποιημένος δείκτης βλάστησης (Normalized Difference Vegetation Index NDVI) είναι ένας απλός αριθμητικός δείκτης που μπορεί να χρησιμοποιηθεί για να αναλύσει τηλεπισκοπικές μετρήσεις, συνήθως αλλά όχι μόνο, από δορυφορικά συστήματα καταγραφής, και για να αξιολογήσει κατά πόσο ο στόχος που παρατηρείται περιέχει ζωντανή πράσινη βλάστηση ή όχι. Ο τύπος του δείκτη βλάστησης είναι η αριθμητική έκφραση: NDVI = (N.I.R - Red)/ (N.I.R + Red) όπου, NIR = η τιμή στο εγγύς υπέρυθρο κανάλι, Red = η τιμή στο κόκκινο κανάλι, όπως καταγράφονται από τον αισθητήρα του δορυφόρου (URL-4). 25

27 Εικόνα 1.13: Διαχωρισμός της βλάστησης με τη χρήση του κανονικοποιημένου δείκτη βλάστηση, (URL-7) Η χρήση του ευρεία, σε εφαρμογές εκτίμησης της βιομάζας, των μεταβολών της βλάστησης στο χώρο και στο χρόνο και στον εντοπισμό περιοχών οικολογικού ενδιαφέροντος (Καρτάλης και Φειδάς, 2006). Ακολουθώντας την ίδια λογική όπως για το δείκτη NDVI, ο Δείκτης Νερού Ομαλοποιημένης Διαφοράς (NDWI-Normalized Difference Water Index) χρησιμοποιεί το κοντινό υπέρυθρο φάσμα και μια περιοχή στο βραχύ υπέρυθρο (short-wave infrared - SWIR). Δεν χρησιμοποιεί την κόκκινη περιοχή του φάσματος όπου η ανάκλαση επηρεάζεται από τη χλωροφύλλη, αλλά μια περιοχή μεταξύ 1500 και 1750 nm όπου το νερό έχει υψηλή απορρόφηση. Επίσης χρησιμοποιείται και η περιοχή του κοντινού υπέρυθρου, η οποία δεν απορροφάται από το νερό. Ο δείκτης εκφράζεται με την αριθμητική παράσταση: NDWI = (NIR - SWIR) / (NIR + SWIR) όπου, NIR = η τιμή στο εγγύς υπέρυθρο κανάλι, SWIR = η τιμή στο βραχύ υπέρυθρο. 26

28 Εικόνα 1.14: Εικόνα πραγματικών χρωμάτων (Κόκκινο-Πράσινο-Μπλε) και NDWI των αγρών στη βορειοδυτική Πελοπόννησο, (URL-9) Όπως φαίνεται και στην εικόνα 1.14 δεξιά, οι σκούρες περιοχές στην εικόνα πραγματικών χρωμάτων, εμφανίζουν χαμηλές τιμές στο δείκτη NDWI και παρουσιάζονται ξεθωριασμένες, ενώ το αντίθετο συμβαίνει με τις ανοιχτόχρωμες. Πρακτικά, οι υψηλές αξίες NDWI, υποδηλώνουν ότι τα χωράφια αυτά είναι επαρκώς αρδευόμενα. Τα χωράφια χωρίς βλάστηση εμφανίζονται σκοτεινά στην εικόνα NDWI, άμεση συνέπεια του γεγονότος ότι δεν λαμβάνουν καθόλου άρδευση (URL-9; URL-10). Ένας άλλος δείκτης είναι ο SAVI - Soil Adjusted Vegetation Index, ο οποίος χρησιμοποιείται όταν υπάρχει ένα μείγμα από διαφορετικούς τύπους εδαφών (χώμα, πέτρες, άμμος) μέσα σε πολύ μικρό χώρο. Ο SAVI προέρχεται από το δείκτη NDVI αλλά προσθέτει μια πολύ σημαντική παράμετρο, το συντελεστή L (URL-9). Η μαθηματική έκφραση του τύπου είναι: SAVI = ( (NIR-Red) / (NIR+Red+L) ) * (1+L) όπου, NIR = η τιμή στο εγγύς υπέρυθρο κανάλι, Red = η τιμή στο κόκκινο κανάλι και το L είναι ένας συντελεστής διόρθωσης η τιμή του οποίου εξαρτάται από την κάλυψη της βλάστησης (URL-11). 27

29 Για πλήρη κάλυψη της περιοχής από βλάστηση λαμβάνει την τιμή μηδέν, με αποτέλεσμα ο δείκτης SAVI να γίνει ίδιος με τον NDVI. Αντίθετα, στην περίπτωση πολύ μικρής κάλυψης από βλάστησης, λαμβάνει την τιμή 1 (URL-11). Η συνθετική εικόνα του δείκτη SAVI, χρησιμοποιείται για την πραγματοποίηση μιας αρχικής χωροταξικής κατανομής των τύπων βλάστησης και της αντίστοιχης βιομάζας τους, σε δασικές περιοχές (URL-11). 2. Γεωγραφικά Συστήματα Πληροφοριών (ΓΣΠ) Τα Συστήματα Γεωγραφικών Πληροφοριών (ΣΓΠ) είναι υπολογιστικά συστήματα σχεδιασμένα έτσι ώστε να συμβάλλουν στη συλλογή, επεξεργασία, ανάλυση, μοντελοποίηση, και απεικόνιση δεδομένων που έχουν χωρικά ή γεωγραφικά χαρακτηριστικά και μεταβάλλονται στο χρόνο. Ο ρόλος των ΓΣΠ είναι να παρέχουν στους υπεύθυνους για τη λήψη αποφάσεων, χρήσιμα εργαλεία τα οποία δίδουν τη δυνατότητα επίλυσης χωρικών προβλημάτων. Στις λειτουργίες των ΓΣΠ περιλαμβάνονται η εισαγωγή, η απεικόνιση, η διαχείριση και η ανάλυση των δεδομένων. Στις εφαρμογές των ΓΣΠ πραγματοποιείται ο εντοπισμός θέσεων, ο υπολογισμός ποσοτήτων και πυκνοτήτων, η εύρεση αποστάσεων και η χαρτογράφηση καθώς και η παρακολούθηση αλλαγών. Βασική ιδέα των ΓΣΠ είναι η σύνδεση χωρικών και περιγραφικών πληροφοριών. Σε κάθε ομάδα γεωγραφικών πληροφοριών (σημεία, γραμμές, πολύγωνα) αντιστοιχεί και ένας πίνακας περιγραφικών πληροφοριών (attribute table). Δηλαδή, τα ΓΣΠ αντιστοιχούν, μέσω μιας διαδικασίας, κάθε γεωγραφική πληροφορία με μια εγγραφή του πίνακα περιγραφικών πληροφοριών και αντίστροφα (Ζήσου, 2007). 2.1 Ορισμός ΓΣΠ - Ιστορικό Ένας ευρύς ορισμός που μπορεί να δοθεί είναι αυτός που θεωρεί ως Γεωγραφικό Σύστημα Πληροφοριών (ΓΣΠ) εκείνο το πληροφοριακό σύστημα το οποίο έχει κατασκευαστεί προκειμένου να επεξεργάζεται δεδομένα τα οποία προσδιορίζονται με χωρικές συντεταγμένες. Ένα ΓΣΠ αποτελείται από ένα σύστημα βάσεων 28

30 δεδομένων με δυνατότητα καταγραφής χωρικών δεδομένων και από ένα σύστημα λειτουργιών επεξεργασίας και απεικόνισης των δεδομένων αυτών (Gahegan, Ehlers 2000). Οι αρχικές προσπάθειες εισαγωγής χαρτογραφικών δεδομένων σε ένα υπολογιστικό περιβάλλον πραγματοποιήθηκαν στον Καναδά στα μέσα της δεκαετίας του 1960, όπου δημιουργήθηκε το Καναδικό Γεωγραφικό Σύστημα Πληροφοριών για τη συλλογή πληροφοριών σχετικά με τους εθνικούς κτηματικούς πόρους και τις τρέχουσες χρήσεις τους, δηλαδή ένα σύγχρονο Κτηματολόγιο (Longley et al., 2010). 2.2 Συνθετικά μέρη ενός ΓΣΠ Το βασικότερο από τα συνθετικά μέρη ενός ΓΣΠ είναι το δίκτυο, το οποίο επιτρέπει την άμεση επικοινωνία και την κοινή χρήση των ψηφιακών πληροφοριών μεταξύ ενός μεγάλου αριθμού χρηστών σε μεγάλη απόσταση μεταξύ τους, μέσω του διαδικτύου, αλλά και σε μικρότερη απόσταση, εντός μιας εταιρίας ή μιας υπηρεσίας, μέσω των τοπικών δικτύων. Το δεύτερο συστατικό της ανατομίας των ΓΣΠ είναι το υλικό του χρήστη, δηλαδή η συσκευή με την οποία εργάζεται ο χρήστης κατά την εκτέλεση των λειτουργιών πληκτρολογώντας, δείχνοντας με το δείκτη του ποντικιού, πατώντας σε στοιχεία της διασύνδεσης και η οποία επιστρέφει πληροφορίες εμφανίζοντας εικόνες ή παράγοντας ήχους. Επόμενο στοιχείο αποτελεί το λογισμικό το οποίο εκτελείται τοπικά στη συσκευή του χρήστη, όπου κάθε ένα από διάφορα που υπάρχουν στην αγορά, προσφέρει διαφορετικά επίπεδα πολυπλοκότητας, διαφορετικούς όγκους δεδομένων και διαφορετικές εξειδικευμένες εφαρμογές, έτσι ώστε να υπάρχει η δυνατότητα προσαρμογής του στην εκάστοτε περίπτωση. Το τέταρτο στοιχείο των ΓΣΠ είναι η βάση δεδομένων, η οποία αποτελείται από μια ψηφιακή αναπαράσταση επιλεγμένων χαρακτηριστικών μιας συγκεκριμένης περιοχής, που έχει δημιουργηθεί για να βοηθήσει στην επίλυση κάποιου προβλήματος ή να εξυπηρετήσει έναν επιστημονικό σκοπό. 29

31 Το πέμπτο συστατικό της ανατομίας των ΣΓΠ είναι η διαχείριση, η οποία είναι απαραίτητη για τη διασφάλιση της ποιότητας και της αποτελεσματικότητας των διαδικασιών που ακολουθούνται. Τέλος, ένα ΓΣΠ είναι ανώφελο χωρίς τους ανθρώπους που το έχουν σχεδιάσει, το προγραμματίζουν, το συντηρούν, του δίνουν δεδομένα και ερμηνεύουν τα αποτελέσματα του. Για το λόγο αυτό απαιτούνται από τους χρήστες των συστημάτων αυτών γνώσεις σε θέματα όπως η προέλευση των δεδομένων, η κλίμακα και η ακρίβεια τους και τα προϊόντα λογισμικού (Longley et al., 2010). 2.3 Γεωγραφική ή χωρική θέση Είναι απαραίτητο να γνωρίζουμε και να παρακολουθούμε την σταδιακή εξέλιξη των γεγονότων που διεξάγονται και έχουν άμεση σχέση με τις δραστηριότητες μας. Η γεωγραφική θέση στην οποία συμβαίνουν τα γεγονότα αυτά είναι πολύ σημαντική για τον άνθρωπο αφού επηρεάζουν τις αντιδράσεις (σε περίπτωση υπερχείλισης ενός ποταμού) ή και τις αποφάσεις του (η επιλογή της γρηγορότερης διαδρομής, για την παράκαμψη ενός δρόμου, στον οποίο εκτελούνται έργα). Τα ΓΣΠ είναι σε θέση να παρακολουθούν αυτά τα γεγονότα και να εντοπίσουν το σημείο στο οποίο εξελίσσονται. Τα προβλήματα που σχετίζονται με τον παράγοντα θέση, ορίζονται ως γεωγραφικά προβλήματα (π.χ. επιλογή του τόπου χωροθέτησης ενός Χώρου Υγειονομικής Ταφής Απορριμμάτων, η εξυπηρέτηση των αναγκών των κατοίκων μιας περιοχής από το υπάρχων οδικό δίκτυο, κ.α.). Τα προβλήματα αυτά διαφέρουν ως προς το σκοπό, τη χωρική και τη χρονική τους κλίμακα (Στεφανάκης, 2010). 2.4 Δεδομένα και πληροφορίες Οι βάσεις δεδομένων περιλαμβάνουν αριθμούς, κείμενα ή σύμβολα τα οποία αποτελούν τα δεδομένα. Η βασική διαφορά ανάμεσα στα δεδομένα και τις πληροφορίες είναι ότι ως δεδομένα λαμβάνονται τα αποτελέσματα μετρήσεων η συλλογής στοιχείων στο πεδίο, τα οποία δεν έχουν υποστεί κάποια επεξεργασία 30

32 ενώ ως πληροφορίες λαμβάνονται τα δεδομένα εκείνα που έχουν υποστεί επεξεργασία από τον χρήστη. Για την υλοποίηση ενός ΓΣΠ, είναι απαραίτητη η συλλογή δεδομένων, τα οποία μπορεί να είναι χωρικά (π.χ. η κατανομή του οδικού δικτύου στο χώρο) ή περιγραφικά (όλα τα στοιχεία που περιγράφουν αυτό το οδικό δίκτυο π.χ. όνομα δρόμου, αρίθμηση οδών, πλάτος, μήκος, κ.α.). Η κύρια μέθοδος συλλογής γεωγραφικών δεδομένων είναι αυτή της αποτύπωσης. Κατά την αποτύπωση συλλέγονται πρωτογενή δεδομένα μέσω μετρήσεων και υπολογισμών στο πεδίο, έπειτα από επιτόπια έρευνα ή δευτερογενή δεδομένα, όπου μια αναλογική δορυφορική εικόνα σαρώνεται και μετατρέπεται σε ψηφιακή εικόνα για να εισαχθεί σε ένα ΓΣΠ (Στεφανάκης, 2010) Αναπαράσταση χαρτογραφικών δεδομένων Ένα ΓΣΠ αποθηκεύει δυο τύπους δεδομένων που βρίσκονται πάνω σε έναν χάρτη. Τους γεωγραφικούς ορισμούς των στοιχείων στην επιφάνεια της γης και τις ιδιότητες που διαθέτουν τα στοιχεία αυτά. Τα δεδομένα στα ΓΣΠ αναπαριστώνται σε ψηφιακή μορφή χρησιμοποιώντας την μία ή και τις δυο βασικές τεχνικές αναπαράστασης χάρτη: διανυσματική (vector) και ψηφιδωτή (raster). 31

33 Εικόνα 2.1: Ψηφιδωτή και διανυσματική αναπαράσταση χάρτη, (Θεοδωρίδης κ.α., 2009) Με τη χρήση διανυσμάτων, τα στοιχεία με τη χωρική πληροφορία, ορίζονται από μια σειρά σημείων τα οποία όταν ενώνονται με ευθύγραμμα τμήματα σχηματίζουν τη γραφική αναπαράσταση των στοιχείων. Τα σημεία αυτά κωδικοποιούνται σε ένα ζεύγος τιμών που αντιστοιχούν στις συντεταγμένες Χ και Ψ ενός προβολικού συστήματος. Οι ιδιότητες και τα επιμέρους χαρακτηριστικά των στοιχείων αποθηκεύονται σε μια βάση δεδομένων, δηλαδή των πίνακα περιγραφικών πληροφοριών. Η διανυσματική μορφή εφαρμόζεται κυρίως όταν πρόκειται για μεταφορές, κάθε είδους όρια και δίκτυα (Καπαγερίδης, 2010). Στα ψηφιδωτά συστήματα, η γραφική αναπαράσταση των στοιχείων και των ιδιοτήτων που αυτά έχουν, ενοποιούνται σε μοναδικά αρχεία δεδομένων. Πιο συγκεκριμένα, η εξεταζόμενη περιοχή χωρίζεται σε ένα πλέγμα από κελιά στα οποία αποθηκεύουμε την κατάσταση ή την ιδιότητα της επιφάνειας της γης σε κάθε σημείο. Κάθε κελί λαμβάνει μια αριθμητική τιμή η οποία μπορεί να αποδίδει είτε τον δείκτη αναγνώρισης του στοιχείου είτε μια τιμή ποσοτικής ιδιότητας. Επομένως, 32

34 κάθε κελί περιέχει τις τιμές των θεματικών δεδομένων που περιγράφουν το χώρο που καταλαμβάνει (Καπαγερίδης, 2010). 2.5 Ψηφιακή γεωγραφική αναπαράσταση Η αναπαράσταση ενός τμήματος της γήινης επιφάνειας στις διάφορες κλίμακες, αποτελεί την ψηφιακή γεωγραφική αναπαράσταση. Η λεπτομέρεια αναπαράστασης καθορίζεται από την κλίμακα που επιλέγεται, αλλά και από τις μεθόδους και τα όργανα συλλογής των γεωγραφικών πληροφοριών. Τα ΓΣΠ έχουν μεγαλύτερο εύρος δυνατοτήτων από τους έντυπους χάρτες, χάρη στις ψηφιακές αναπαραστάσεις. Μπορούν να μετρήσουν γρήγορα και με ακρίβεια, να τοποθετήσουν σε υπέρθεση και να συνδυάσουν, να αλλάξουν κλίμακα, να μεγεθύνουν και να μετατοπίζουν χωρίς να μας περιορίσουν τα περιθώρια των φύλλων του χάρτη (Longley et al., 2010). 2.6 Ψηφιακή γενίκευση Η επιφάνεια της γης, εξετάζοντας την λεπτομερώς είναι πολυσύνθετη και η ρεαλιστική απόδοσή της πολύ δύσκολη, έως αδύνατη. Έτσι, επινοήθηκαν διάφοροι τρόποι ώστε να απλοποιηθεί αυτή η διαδικασία. Στην ψηφιακή γενίκευση δεν περιγράφονται τα σημεία ξεχωριστά, αλλά ολόκληρες περιοχές που διακρίνονται από όμοια χαρακτηριστικά ακόμη και όταν δεν είναι πλήρως ομοιόμορφες. Τα στοιχεία του εδάφους ομαδοποιούνται σαν να είναι ομοιόμορφα με στόχο να αντιπροσωπεύουν σε μέγιστο βαθμό την πραγματικότητα. Μια τέτοια γεωγραφική βάση δεδομένων συμβάλλει στην καλύτερη ψηφιακή επεξεργασία με την εκμετάλλευση του ελάχιστου απαραίτητου χώρου των υπολογιστών (Longley et al., 2010).. 33

35 2.7 Αβεβαιότητα της έρευνας Αβεβαιότητα υπάρχει στην γεωγραφική αναπαράσταση γεωγραφικών πληροφοριών, αφού, οτιδήποτε αναπαριστάται στον κόσμο γύρω μας, έχει ατέλειες. Μπορεί να αντιλαμβανόμαστε ή ακόμα και να μετράμε κάτι λάθος. Το γεγονός αυτό μεταφέρεται και στο ΓΣΠ, αφού χρησιμοποιούνται δεδομένα, τα οποία προέρχονται από μετρήσεις στο πεδίο ή από δευτερογενή στοιχεία, τα οποία περιέχουν λάθη (π.χ. ταξινομημένες δορυφορικές εικόνες με συγκεκριμένη ακρίβεια). Για τον περιορισμό της αβεβαιότητας, πρέπει ο χρήστης να γνωρίζει την ακρίβεια των δεδομένων που επεξεργάζεται, και αν είναι δυνατό, να κάνει χρήση πολλών πηγών δεδομένων (Longley et al., 2010). 2.8 Το λογισμικό ενός ΓΣΠ Η εξέλιξη των λογισμικών των ΓΣΠ Στην αρχική του μορφή, ένα ΓΣΠ, είχε τη δυνατότητα να αξιοποιηθεί, από έναν μόνο προγραμματιστή και η επικοινωνία του με το σύστημα πραγματοποιείτο μέσω της πληκτρολόγησης διαταγών, στην γραμμή εντολών. Αργότερα, αντικαταστάθηκε η γραμμή εντολών με τις φόρμες επικοινωνίας και τα μενού, αλλά προστέθηκαν και νέες λειτουργίες στις εργαλειοθήκες των συστημάτων, βελτιώνοντας κατά αυτό τον τρόπο την αλληλεπίδραση του χρήστη με το σύστημα. Στις μέρες μας, όπου το διαδίκτυο επιτρέπει σε χρήστες από διαφορετικά σημεία να συνεργάζονται, έχουν αναπτυχθεί νέες διαδικασίες αλληλεπίδρασης για την υλοποίηση ολοκληρωμένων εφαρμογών, με τη χρήση των επονομαζόμενων υπηρεσιών ιστού (Longley et al., 2010) Αρχιτεκτονική του λογισμικού ενός ΓΣΠ Η αρχιτεκτονική ενός ΓΣΠ αναφέρεται ως τριεπίπεδη αφού εντοπίζονται τρία βασικά μέρη, η διασύνδεση με το χρήστη, τα εργαλεία και το σύστημα διαχείρισης δεδομένων. Η διασύνδεση με το χρήστη πραγματοποιείται μέσω μιας διασύνδεσης γραφικών, μιας ολοκληρωμένης συλλογής μενού και γραμμών εργαλείων, ενώ τα 34

36 εργαλεία είναι υπεύθυνα για την εκτέλεση υπολογιστικών πράξεων. Το σύστημα διαχείρισης δεδομένων είναι υπεύθυνο για την εισαγωγή και εξαγωγή δεδομένων και για την αντιστοίχηση των υποσύνολων των δεδομένων μιας βάσης (Longley et al., 2010). 2.9 Μοντελοποίηση δεδομένων Ως μοντέλο δεδομένων ορίζεται το σύνολο των δομών για την περιγραφή και αναπαράσταση τμημάτων του πραγματικού κόσμου σε ένα ΓΣΠ. Τα ΜΟΝΤΈΛΑ δεδομένων είναι πρωτευούσης σημασίας για τα ΓΣΠ, αφού ελέγχουν τον τρόπο με τον οποίο αποθηκεύονται τα δεδομένα και επιδρούν στον τύπο των αναλυτικών λειτουργιών που είναι δυνατό να εκτελεστούν (Longley et al., 2010) Αντικείμενο ή οντότητα Το αντικείμενο είναι η αδιαίρετη μονάδα σε ένα μοντέλο δεδομένων και περιλαμβάνει όλες τις ιδιότητες που καθορίζουν την κατάσταση ενός αντικειμένου, μαζί με τις μεθόδους που ορίζουν τη συμπεριφορά του. Μεταξύ των αντικειμένων υπάρχουν αλληλεπιδράσεις (σχέσεις), ενώ το αντικείμενο περιγράφει τα γνωρίσματα και τις δυνατότητες μιας οντότητας (Longley et al., 2010) Γνωρίσματα και δυνατότητες των αντικειμένων Τα γεωγραφικά αντικείμενα ταξινομούνται ως δισδιάστατα, δηλαδή σημεία, γραμμές ή πολύγωνα, ενώ όταν προστεθούν και οι τοπολογικές σχέσεις των αντικειμένων, τα γνωρίσματα ονομάζονται και αυτά τοπολογικά. Η τοπολογία αναφέρεται στον τρόπο σύνδεσης των γεωγραφικών σημείων και καθορίζει τον τρόπο ένωσης μεταξύ γραμμών, κόμβων και πολυγώνων. Τα τοπολογικά γνωρίσματα δίνουν τη δυνατότητα κατανόησης της μορφή των αντικειμένων, την εύρεση δικτύων μεταξύ των σημείων, και τον έλεγχο για τυχόν γειτονικά πολύγωνα. Πρέπει να σημειωθεί ότι τα δίκτυα στα ΓΣΠ εμφανίζονται είτε σημειακά (κόμβοι, 35

37 τοποθεσία χωροθέτησης ανεμογεννήτριας εντός αιολικού πάρκου, κ.ά.), είτε ως γραμμές (οδικοί άξονες, δίκτυα υποδομής κ.ά.) (Longley et al., 2010) Κλάση Μια κλάση είναι ένα πρότυπο για τη δημιουργία αντικειμένων. Το σύνολο των αντικειμένων του ίδιου τύπου, ονομάζεται κλάση. Μπορεί να οριστεί για παράδειγμα, η κλάση χωματόδρομος, με αντικείμενα χωματόδρομος 1, χωματόδρομος 2, χωματόδρομος 3 κ.ο.κ. Κατ αυτό τον τρόπο, κατά τη διάρκεια σχεδιασμού ενός μοντέλου δεδομένων καθορίζονται οι κλάσεις και οι σχέσεις μεταξύ τους, ενώ κατά τη διάρκεια υλοποίησης της βάσης δεδομένων, εισάγονται τα αντικείμενα των κλάσεων στο ΓΣΠ (Longley et al., 2010) Σχέσεις μεταξύ αντικειμένων Οι κανόνες συνδετικότητας, βασίζονται στον καθορισμό έγκυρων συνδυασμών λειτουργιών που προκύπτουν από τη γεωμετρία, την τοπολογία και τις ιδιότητες. Τα αντικείμενα τα οποία ανήκουν στην ίδια κλάση έχουν σχέση μεταξύ τους, ενώ το ίδιο μπορεί να συμβαίνει και με τα αντικείμενα μιας άλλης κλάσης. Οι σχέσεις αυτές ορίζονται από τον χρήστη και οι πιο διαδεδομένοι τύποι σχέσεων είναι οι τοπολογικές, οι γεωγραφικές και οι γενικές (Longley et al., 2010) Βάσεις Δεδομένων Οι βάσεις δεδομένων επιτρέπουν στον χρήστη να αποθηκεύει μεγάλο όγκο πληροφοριών και στοιχείων, τα οποία μπορεί να χρησιμοποιήσει στην ανάλυση, και τη διαδικασία λήψης αποφάσεων, χωρίς να απαιτείται η εκτέλεση των μετρήσεων που έχουν ήδη γίνει μια φορά. Η δυνατότητα αυτή είναι πολύ σημαντική και αποτελεί ένα συγκριτικό πλεονέκτημα των ΓΣΠ, αφού η διαδικασία συλλογής των δεδομένων απαιτεί μεγάλο χρονικό διάστημα και χρηματικό κόστος. Επιπλέον, το γεγονός ότι κάθε φορά χρησιμοποιείται η υπάρχουσα βάση δεδομένων, εξασφαλίζει ότι τα δεδομένα έχουν διορθωθεί από τυχόν σφάλματα και μπορούν να χρησιμοποιηθούν άμεσα, μειώνοντας τον κίνδυνο της αβεβαιότητας. 36

38 Τα δεδομένα, ανάλογα με το μέγεθος και την πολυπλοκότητα τους αποθηκεύονται, είτε σε απλές βάσεις δεδομένων, τις οποίες χρησιμοποιούν λίγα άτομα, είτε σε σύνθετες, στις οποίες έχει πρόσβαση μεγάλο πλήθος χρηστών. Οι σύνθετες βάσεις δεδομένων λειτουργούν βάση του συστήματος διαχείρισης βάσεων δεδομένων ((Database Management System DBMS), ένα λογισμικό το οποίο επιτρέπει την πρόσβαση πολλών χρηστών στο ολοκληρωμένο σύνολο δεδομένων. Για την προσπέλαση των δεδομένων που είναι αποθηκευμένα στις βάσεις δεδομένων, υπάρχει η πρότυπη γλώσσα ερωτημάτων (SQL - Structured/Standard Query Language), η οποία έχει και γεωγραφικές δυνατότητες, αλλά και ο ευρετηριασμός μιας βάσης δεδομένων ο οποίος μειώνει των αριθμό των υπολογιστικών δοκιμών που πρέπει να γίνουν για τον εντοπισμό ενός συγκεκριμένου συνόλου εγγραφών (Longley et al., 2010) Γλώσσα υποβολής ερωτημάτων SQL Από τις πιο σημαντικές λειτουργίες που επιτελούν τα ΓΣΠ, είναι και η δυνατότητα υποβολής ερωτημάτων προς τη βάση δεδομένων, όπου εξετάζονται οι αποθηκευμένες πληροφορίες σε αυτές. Με τα ερωτήματα βάσεων δεδομένων, επιλέγουμε διάφορους συνδυασμούς μεταβλητών για εξέταση. Τα εργαλεία που χρησιμοποιούμε είναι κυρίως εργαλεία ερωτημάτων αλλά μπορούν επίσης να περιλαμβάνουν διάφορες διαδικασίες μέτρησης και στατιστικής ανάλυσης. Ένα βασικό σημείο της υποβολής ερωτημάτων είναι και η δυνατότητα που υπάρχει να οριστούν συνθήκες, περιλαμβάνοντας ακόμα και στοιχεία από διαφορετικά επίπεδα (layer). Η λειτουργία αυτή της επικάλυψης, επιτρέπει την δημιουργία νέων επιπέδων (layer) με βάση κάποιο λογικό ή μαθηματικό συνδυασμό επιμέρους επιπέδων. Προκειμένου να τεθεί το ερώτημα στη βάση δεδομένων, χρησιμοποιούνται οι τελεστές ΚΑΙ και Ή, οι οποίοι επιτρέπουν τις λειτουργίες της τομής και ένωσης (Καπαγερίδης, 2010). 37

39 2.11 Χωρικά ερωτήματα της γεωαπεικόνισης Η σύγχρονη γεωαπεικόνιση, υπερβαίνει κατά πολύ τη συμβατική σχεδίαση χαρτών, αφού με τη χρήση οπτικών αναπαράστασης, παρέχεται μια πολύ πιο πλούσια και εύληπτη απεικόνιση θεματικών πληροφοριών. Έχει τη δυνατότητα, μέσω της χρήσης ΓΣΠ, να παρουσιάσει με απλό και συνεκτικό τρόπο, τις σημαντικότερες, ανάμεσα από ένα τεράστιο πλήθος, πληροφορίες. Ο επανασχεδιασμός και η αξιολόγηση της γεωαπεικόνισης πραγματοποιείται μέσω χωρικών ερωτημάτων, όπως: που βρίσκεται, τι εντοπίζεται στη θέση, ποια περιοχή, τι είναι παρόμοιο με ; Τα χωρικά ερωτήματα είναι το κεντρικό ζήτημα σε πολλές εφαρμογές σε περιβάλλον ΓΣΠ, όπου για παράδειγμα χρειάζεται να εντοπιστούν τα σημεία σε ένα αστικό περιβάλλον όπου παρατηρούνται οι μεγαλύτερες συγκεντρώσεις αέριων ρύπων ή να εντοπιστούν οι περιοχές που διαθέτουν τα κατάλληλα χαρακτηριστικά για τη χωροθέτηση μιας οικονομικής δραστηριότητας, κατά το στάδιο της ανάλυσης μιας μελέτης (Longley et al., 2010) ΓΣΠ και Τηλεπισκόπηση Τα ΓΣΠ έχουν άμεση σχέση με τη ψηφιακή απεικόνιση δεδομένων, αφού υπάρχει η δυνατότητα εισαγωγής των τηλεπισκοπικών παράγωγων, μέσω της ψηφιακής μορφής τους, σε περιβάλλον ΓΣΠ. Κατ αυτόν τον τρόπο, οι τηλεπισκοπικές απεικονίσεις συνδυάζονται με τις πληροφορίες που μπορούν να υπάρχουν στη βάση δεδομένων για τα χωρικά αντικείμενα, δίνοντας έτσι τη δυνατότητα περαιτέρω ανάλυσης της εικόνας. Έτσι, δίνεται η δυνατότητα συνδυασμού του υποβάθρου της ψηφιακής τηλεπισκοπικής ερμηνείας, με τις επιμέρους χωρικές πληροφορίες. Τα τηλεπισκοπικά δεδομένα, και η πληροφορία που εξάγεται από τις δορυφορικές εικόνες, αποτελούν κύριες πηγές δεδομένων των ΓΣΠ, αφού όπως παρατηρούν και οι Gahegan και Flack (1999) η σχέση μεταξύ Τηλεπισκόπησης και ΓΣΠ, ήταν ανέκαθεν του προμηθευτή (τηλεπισκόπηση) και του καταναλωτή (ΓΣΠ). 38

40 Η συνεργασία των δεδομένων Τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών, μπορεί να επιτευχθεί σε τέσσερις μορφές, αφού: α) Ένα ΓΣΠ μπορεί να χρησιμοποιηθεί για την αποθήκευση ποικίλλων τύπων δεδομένων, β) η ανάλυση που προσφέρουν τα ΓΣΠ και οι μέθοδοι επεξεργασίας τους μπορούν να χρησιμοποιηθούν για την περαιτέρω ανάλυση ψηφιδωτών δεδομένων (υπολογισμός αποστάσεων, buffer, κ.α.), γ) τα τηλεπισκοπικά δεδομένα μπορούν να χρησιμοποιηθούν ως πηγές στοιχείων για τα ΓΣΠ και δ) τα δεδομένα των ΓΣΠ μπορούν να χρησιμοποιηθούν για την περαιτέρω ανάλυση της εικόνας, προκειμένου να εξαχθούν πιο πλήρεις και ακριβείς πληροφορίες από τα φασματικά στοιχεία (NCGIA, 2005). Βέβαια, η σχέση μεταξύ της τηλεπισκόπησης και ΓΣΠ, έχει προχωρήσει ένα βήμα παραπέρα, αφού τα τελευταία έχουν αναπτύξει λειτουργίες όπως η ανάλυση των διαθέσιμων πληροφοριών και η χρήση αυτών για τη λήψη αποφάσεων και υποστήριξης δράσεων. Με τον τρόπο αυτό, οι αναλύσεις των ΓΣΠ παρουσιάζουν τη χωρική κατανομή των ιδιαίτερων γνωρισμάτων της περιοχής μελέτης και μπορούν να βοηθήσουν στο να βρεθούν οι παράγοντες που συμβάλουν σε μια φυσική καταστροφή. Η σχέση μεταξύ των αποτελεσμάτων της τηλεπισκόπησης και της δόμησης μιας βάσης δεδομένων από αυτά, σε περιβάλλον ΓΣΠ, μπορεί να λειτουργήσει ως ένα λειτουργικό και πρακτικό εργαλείο για την παρακολούθηση και την εκτίμηση των καταστροφών σε ένα οικοσύστημα, καθώς και στη γενικότερη διαχείριση του (Faber et al., 1998). 3. Εφαρμογές Τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών στην παρακολούθηση του περιβάλλοντος και την έγκαιρη αντιμετώπιση καταστροφών Παρακάτω, παρουσιάζονται κάποια ενδεικτικά παραδείγματα εφαρμογών της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών, σε φυσικά φαινόμενα που επηρεάζουν άμεσα την ανθρωπογενή δραστηριότητα, όπως η εκτίμηση του μεγέθους της καταστροφής από σεισμούς και η έγκαιρη αποχώρηση 39

41 από παραλιακές περιοχές σε περίπτωση κυμάτων τσουνάμι, αλλά και στη παρακολούθηση και διαχείριση των φυσικών πόρων, όπως η χαρτογράφηση των αλλαγών που πραγματοποιήθηκαν με την πάροδο του χρόνου σε ένα φυσικό οικοσύστημα, που μπορεί να συμβάλει στη κατεύθυνση της βιωσιμότητας και της αειφορίας. Επίσης, αναλύονται δύο παραδείγματα εφαρμογών Τηλεπισκόπησης και ΓΣΠ, που αφορούν θέματα ιδιαίτερης σημασίας για το φυσικό περιβάλλον, αλλά και των ανθρώπινων συνθηκών διαβίωσης γενικότερα, όπως η παρακολούθηση της αποψίλωσης και υποβάθμισης των δασών, η χαρτογράφηση των επικίνδυνων ζωνών για την πρόκληση δασικών πυρκαγιών και η διαχείριση δασικών πυρκαγιών Μελέτη για τη χάραξη διαδρομής εκκένωσης μιας περιοχής λόγω κυμάτων τσουνάμι. Η περίπτωση της Cilacap-Central Java στην Ινδονησία (Dewia et al., 2010) Περιοχή μελέτης Η θέση της Ινδονησίας εντοπίζεται, στο σημείο όπου ενώνονται η Ευρασιατική, η Αυστραλιανή και η τεκτονική πλάκα του Ειρηνικού. Για τον λόγο αυτό, η περιοχή πλήττεται συχνά από σεισμούς και βρίσκεται εκτεθειμένη σε πολλές καταστροφές, όπως οι εκρήξεις ηφαιστείων και τα κύματα τσουνάμι, γεγονότα που την καθιστούν πολύ ευάλωτη, λόγω της μεγάλης τουριστικής ανάπτυξης και της ύπαρξης οικιστικών συνόλων, κατά μήκος των ακτογραμμών της. Στα σχέδια αντιμετώπισης των καταστροφών λόγω κυμάτων τσουνάμι, η απομάκρυνση των ανθρώπων από τις ζώνες κινδύνου αποτελεί το σημαντικότερο στοιχειό. Οι ζώνες αυτές, οι οποίες αφορούν οικισμούς που βρίσκονται σε χαμηλό υψόμετρο και σε παραλιακές περιοχές, είναι πολύ δύσκολο να εκκενωθούν εγκαίρως σε περίπτωση ανάγκης, χωρίς την ύπαρξη ενός οργανωμένου σχεδίου. Η μελέτη διεξήχθη στην περιοχή της Cilacap της Ινδονησίας, η οποία χτυπήθηκε από το τσουνάμι στις 17 Ιουλίου 2006, και προκάλεσε τεράστιες υλικές ζημίες και απώλειες σε ανθρώπινες ζωές. 40

42 Στόχος της εργασίας Η συγκεκριμένη έρευνα προσπάθησε να καθορίσει τις ενδεδειγμένες τοποθεσίες κτιρίων, που θα λειτουργήσουν ως κτίρια-καταφύγια και επίσης να αναπτύξει μια μεθοδολογία για την επιλογή της βέλτιστης διαδρομής εκκένωσης. Για να επιτευχθεί αυτό, απαιτήθηκαν κάποια είδη χωρικών πληροφοριών, όπως η αναλυτική κατανομή του πληθυσμού των οικισμών και το λεπτομερές οδικό δίκτυο, τα οποία αντλήθηκαν από συστήματα γεωγραφικών πληροφοριών και τηλεπισκόπησης. Τα δεδομένα και οι μέθοδοι της δορυφορικής τηλεπισκόπησης χρησιμοποιήθηκαν για να υποστηρίξουν την δημιουργία χαρτών εκκένωσης των παραλιακών περιοχών λόγω τσουνάμι. Τα Γεωγραφικά Συστήματα Πληροφοριών χρησιμοποιήθηκαν για την οργάνωση και διαχείριση όλων αυτών των χωρικών δεδομένων και να δημιουργήσουν το μοντέλο εκκένωσης. Δεδομένα που χρησιμοποιήθηκαν Το σημαντικότερο είναι να αναγνωριστεί σε ποιο κτίριο-καταφύγιο πρέπει να οδηγηθούν οι άνθρωποι που βρίσκονται στην ευρύτερη περιοχή και πως θα πάνε εκεί με γρήγορο και ασφαλή τρόπο (Webb, 2005). Ως καταφύγια μπορούν να χρησιμοποιηθούν κτίρια που να έχουν συγκεκριμένο σχήμα, μέγεθος, σχεδιασμό και προσανατολισμό (NTHMP, 2001). Το μοντέλο που δομείται, λαμβάνει υπόψη του στοιχεία όπως, τα χαρακτηριστικά του κύματος, η απόσταση της πηγής του από την ακτή, ο διαθέσιμος χρόνος εκκένωσης, η τοπογραφία και οι υφιστάμενες δραστηριότητες της περιοχής. Η προσομοίωση μίας εκκένωσης είναι πολύ σημαντική, καθώς με αυτό τον τρόπο θα επιτευχθεί η πιο αποτελεσματική εκτέλεσή της (Silva et al., 2003). Στην περίπτωση του μοντέλου εκκένωσης λόγω τσουνάμι, χρειάζονται περισσότερο λεπτομερή δεδομένα, αφού η δόμηση του μοντέλου αρχίζει, από την καταγραφή των συγκεντρώσεων των ανθρώπων, υπό φυσιολογικές συνθήκες, εντός του οικιστικού συνόλου. Οι χάρτες με τα κτίρια που θα δημιουργηθούν προέρχονται 41

43 από εικόνες υψηλής ανάλυσης όπως αυτές που λαμβάνονται από τα δορυφορικά συστήματα IKONOS-2, Quick-Bird-2 κ.α. Ο χάρτης με τα κτίρια, εξήχθη από μια δορυφορική εικόνα Quick-Bird-2, με χωρική ανάλυση 0,6 μέτρων. Τα κτίρια αποτελούν το σημείο αναφοράς για τους ανθρώπους που πρέπει να εκκενώσουν την περιοχή, σε μια έκτακτη κατάσταση. Οι χάρτες με τα κτίρια ταξινομούνται ανάλογα με τις χρήσεις που έχουν εντοπιστεί. Η ταυτοποίηση των διάφορων εγκαταστάσεων που απεικονίζονται στην δορυφορική εικόνα πραγματοποιήθηκε με βάση το σχήμα και τα χαρακτηριστικά τους. Εικόνα 3.1: Αναγνώριση των κτιρίων, μέσω των ιδιαίτερων χαρακτηριστικών τους, από τη δορυφορική εικόνα Quick-Bird-2, Χρονολογία Λήψης 2006, (Dewia et al., 2010), Ίδια επεξεργασία 42

44 Επίσης ορίστηκαν κάποιες παράμετροι γα την εκτίμηση της καταλληλότητας των κτιρίων, όπως: να βρίσκονται σε απόσταση μεγαλύτερη από 200 μέτρα από την ακτή ή 100 μέτρα από ποταμό που βρίσκεται κοντά σε αυτή, να βρίσκεται κοντά στα σημεία που παρατηρείται υψηλή συγκέντρωση πληθυσμού, να έχουν εναλλακτική λειτουργία ως τζαμί, σχολείο, κτίριο του κοινοβουλίου, κατάστημα αγορών, συνεδριακό κέντρο, αίθουσα αθλητισμού, ξενοδοχείο ή κτίριο παρκινγκ, ο όροφος του κτιρίου που προορίζεται για καταφύγιο κατά την εκκένωση, να βρίσκεται πάνω από το μέγιστο ύψος κύματος τσουνάμι που έχει εκτιμηθεί για την περιοχή, η καλή ποιότητα κατασκευής, έτσι ώστε το κτίριο να αντέξει τον σεισμό ή το τσουνάμι. Το άλλο σημαντικό στοιχείο για την δημιουργία του μοντέλου εκκένωσης της πόλης, είναι το οδικό δίκτυο το οποίο είναι πολύ σημαντικό για την δόμηση του μοντέλου, καθώς η ανάλυση του δικτύου χρησιμοποιείται για την χάραξη της διαδρομής εκκένωσης. Για την ψηφιοποίηση του οδικού δικτύου, μπορεί να χρησιμοποιηθεί ένας τοπογραφικός χάρτης και η δορυφορική εικόνα. Η συμπλήρωση των νέων δεδομένων προκύπτει από την επιτόπια έρευνα και μέσω της χρήσης GPS και PDA, για την άμεση και ακριβή ψηφιοποίηση τους. Η ταξινόμηση των χρήσεων των κτιρίων είναι αναγκαία να πραγματοποιηθεί γιατί κατά τη διαδικασία εκκένωσης, πρέπει να είναι γνωστό, πόσοι άνθρωποι βρίσκονται σε ποια κτίρια και μέσω ποιάς διαδρομής πρέπει να οδηγηθούν στα κτίριακαταφύγια. Οι χρήσεις των κτιρίων καθορίζουν και τον αριθμό των ανθρώπων που βρίσκονται τα κτίρια κατά τις διάφορες περιόδους του χρόνου. Για τον λόγο αυτό, τα κτίρια ταξινομήθηκαν σε σπίτια, γραφεία, τζαμιά, εκκλησίες, σχολεία, καταστήματα, ξενοδοχεία, αθλητικά κέντρα, εργοστάσια και ψαραγορές. 43

45 Εικόνα 3.2: Τα αποτελέσματα της αναγνώρισης των κτιρίων με την χρήση της εικόνας υψηλής ανάλυσης, και της επιτόπιας έρευνας, (Dewia et al., 2010), Ίδια επεξεργασία Αποτελέσματα Από την ταξινόμηση των κτιρίων μπορούν να επιτευχθούν δυο στόχοι. Πρώτον, οι τοποθεσίες των διαφόρων εγκαταστάσεων, μπορούν να αναγνωριστούν. Με τη γνώση των τοποθεσιών των εγκαταστάσεων αυτών, μπορεί να γίνει μια εκτίμηση του πληθυσμού που βρίσκονται σε αυτές κατά τη διάρκεια της ημέρας και της νύχτας, από τη στιγμή που το μέγεθος του πληθυσμού που βρίσκεται στα γραφεία, στα σχολεία και στις άλλες εγκαταστάσεις μπορεί να εκτιμηθεί. Στην περίπτωση αυτή είναι απαραίτητη μια δορυφορική εικόνα με πολύ υψηλή ανάλυση για τον προσδιορισμό του είδους χρήσης του κτιρίου, η οποία θα συμβάλει στην εκτίμηση του μεγέθους του πληθυσμού που βρίσκεται σε κάθε κτίριο. Δεύτερον, από αυτούς τους χάρτες κτιρίων, μπορούν να αναγνωριστούν τα πιθανά υφιστάμενα κτίρια, που 44

46 θα χρησιμοποιηθούν ως καταφύγια, σε μια πιθανή εκκένωση λόγω κύματος τσουνάμι. Το λεπτομερές οδικό δίκτυο είναι αναγκαίο στην μοντελοποίηση των διαδρομών διαφυγής, δεδομένου ότι καθορίζει την κίνηση των ανθρώπων, ενώ παρέχει και την σύνδεση μεταξύ των καταφυγίων. Εικόνα 3.3: Το βελτιωμένο οδικό δίκτυο, (Dewia et al., 2010), Ίδια επεξεργασία Η αποτελεσματικότητα του μοντέλου εκκένωσης λόγω τσουνάμι, καθορίζεται από την λεπτομέρεια των δεδομένων εισόδου του οδικού δικτύου και των χαρακτηριστικών του, καθώς και από τα πληθυσμιακά δεδομένα. Το λεπτομερές οδικό δίκτυο θα επιτρέψει την άμεση πρόσβαση από το σημείο πρόσβασης στο σημείο προορισμού και επομένως θα βελτιώσει κατά πολύ το μοντέλο εκκένωσης. Επίσης, όταν είναι γνωστό το πού υπάρχουν μεγάλες συγκεντρώσεις πληθυσμού, μπορούν να προβλεφθούν καλύτερα οι ανάγκες για την ύπαρξη και των κατάλληλων χώρων καταφυγίων. 45

47 3.2. Εντοπισμός αλλαγών εδαφοκάλυψης με χρήση δορυφορικών εικόνων στη Ζάκυνθο (Μαρτίνης κ.α., 2008) Περιοχή μελέτης Το ιδιαίτερο φυσικό περιβάλλον της Ζακύνθου, προβάλλει επιτακτική την ανάγκη για συχνή παρακολούθηση και καταγραφή των αλλαγών που παρουσιάζονται σε αυτό καθώς και την πρόληψη οποιασδήποτε φυσικής απειλής. Το ενδιαφέρον για το φυσικό περιβάλλον της περιοχής είναι διεθνές, λόγω της παρουσίας της θαλάσσιας χελώνας Caretta-caretta. Οι νότιες παραλίες, οι οποίες αποτελούν χώρους ωοτοκίας, έχουν κηρυχθεί ως προστατευόμενη περιοχή, ενώ οι δυτικές ακτές του νησιού, αποτελούν βιότοπο της μεσογειακής φώκιας Monachusmonachus, που προστατεύεται επίσης από διεθνείς συμβάσεις και την ελληνική νομοθεσία. Επιπλέον, η Ζάκυνθος, διαθέτει σημαντικούς βιότοπους, με σπάνια φυτά και γενικότερα χαρακτηρίζεται από αξιόλογη χλωρίδα. Τη βλάστηση της περιοχής συνθέτουν οι χαμηλοί θάμνοι και τα φρύγανα, τα υψηλά πλατύφυλλα και τα πευκοδάση. Η βλάστηση της νήσου ανήκει σ αυτήν των μεσογειακών οικοσυστημάτων, υποβαθμισμένη βέβαια, λόγω πυρκαγιών, με εμφανείς τις ανθρωπογενείς επιδράσεις. Στα πλαίσια της μελέτης αυτής, η νήσος Ζάκυνθος διαιρείται σε δύο ζώνες, ανάλογα με το υψόμετρο και την μορφολογία του εδάφους, στην ορεινή και στην πεδινή. Η ορεινή ζώνη είναι η μεγαλύτερη, καθώς αποτελεί περίπου τα 2/3 του νησιού. Στόχος εργασίας Στόχος της μελέτης αυτής είναι η ολοκληρωμένη χαρτογράφηση και ο εντοπισμός των αλλαγών στην εδαφοκάλυψη στις χρήσεις γης της Ζακύνθου μεταξύ 1985 και 2003, με τη συνδυαστική χρήση τεχνικών ανάλυσης δορυφορικών εικόνων και Γεωγραφικών Συστημάτων Πληροφοριών. Επίσης, Παγκόσμια Συστήματα 46

48 Εντοπισμού Θέσης (GPS) - χρησιμοποιήθηκαν για τη συλλογή δεδομένωνπληροφοριών και την καταγραφή ψηφιακών συντεταγμένων στα διάφορα σημεία και υψόμετρα της περιοχής. Τα συλλεχθέντα δεδομένα εισήχθησαν στο Γεωγραφικό Σύστημα Πληροφοριών, το οποίο αποτελεί την κατάλληλη προσέγγιση για την ανάλυση των χωρικών δεδομένων. Ζητούμενο αποτελεί η δημιουργία ψηφιοποιημένων χαρτών βλάστησης και η ανάπτυξη εκείνης της μεθοδολογίας, η οποία θα επιτρέψει την παρακολούθηση οποιασδήποτε μελλοντικής μεταβολής στην εδαφοκάλυψη. Δεδομένα που χρησιμοποιήθηκαν Για την εκπόνηση της μελέτης, χρησιμοποιήθηκαν θεματικοί ορθοφωτοχάρτες βλάστησης κλίμακας 1: οι οποίοι προέκυψαν από επεξεργασία αεροφωτογραφιών, έτους λήψεως 1985, της Διεύθυνσης δασικών χαρτών του Υπουργείου Αγροτικής Ανάπτυξης. Η ομαδοποίηση των κατηγοριών βλάστησης πραγματοποιήθηκε με βάση την πυκνότητα και το είδος βλάστησης. Τεχνικές επεξεργασίας της εικόνας εφαρμόστηκαν: για την ανάλυση της δορυφορικής εικόνας, τη γεωμετρική διόρθωση της, τη μείωση του όγκου πληροφορίας που περιέχεται στην ανακλώμενη περιοχή του φάσματος και την ταυτόχρονη συσχέτιση των εικόνων διαφορετικής διακριτικότητας (Tomlin, 1991). Η χρήση και επεξεργασία των δορυφορικών εικόνων επιτρέπει την αποτύπωση της υπάρχουσας κατάστασης, που αφορά την κάλυψη με βλάστηση/οδικό δίκτυο /οικισμούς κ.α., την αναγνώριση των γεωμορφολογικών χαρακτηριστικών της περιοχής και το συνδυασμό με το ανάγλυφο, για τη δημιουργία τρισδιάστατων απόψεων. Ακόμα, χρησιμοποιήθηκαν χαρτογραφικά υπόβαθρα τοπογραφικών χαρτών κλίμακας 1:50,000 με ψηφιοποιημένα τα διαφορετικά επίπεδα πληροφορίας όπως: τις ισοϋψείς, το υδρογραφικό δίκτυο, το οδικό δίκτυο, τις θέσεις των οικισμών, τις απότομες αλλαγές του αναγλύφου, τα σημεία λήψης ύδατος (πηγές, πηγάδια) κτλ.. Τα δεδομένα γεω-αναφέρθηκαν στο Ελληνικό Γεωδαιτικό Σύστημα Αναφοράς 47

49 (ΕΓΣΑ) του Από τις ψηφιοποιημένες ισοϋψείς, δημιουργήθηκε το ψηφιακό μοντέλο εδάφους σε κάναβο 20 μέτρων. Για την επικαιροποίηση των χαρτών βλάστησης, χρησιμοποιήθηκαν δορυφορικές εικόνες Landsat 7, με χρόνο λήψης το καλοκαίρι του Εικόνα 3.4: Ο νέος χάρτης που προέκυψε από την επικαιροποίηση των ορθοφωτοχαρτών του 1985, με τη χρήση της δορυφορική εικόνας Landsat 7. Η παλέτα χρωμάτων, ακολουθεί τα χρώματα του Corine, (Μαρτίνης κ.α., 2008) Η νήσος Ζάκυνθος, καλύπτονταν από 9 φύλλα θεματικών ορθοφωτοχαρτών βλάστησης, κλίμακας 1: Οι χάρτες αυτοί σαρώθηκαν, εισήχθησαν σε περιβάλλον GIS και γεω-αναφέρθηκαν στο προβολικό σύστημα ΕΓΣΑ 87, ενώ με τις κατάλληλες μεθόδους, δημιουργήθηκε ένα μωσαϊκό χαρτών. Στη συνέχεια, ψηφιοποιήθηκε η βλάστηση και οτιδήποτε άλλο μπορούσε να διακριθεί, με τη δημιουργία πολυγώνων. Τα πολύγωνα βλάστησης κατηγοριοποιήθηκαν και συμβολίστηκαν, με βάση τους δασικούς χάρτες, για όλη τη Ζάκυνθο. 48

50 Εικόνα 3.5: Βλάστηση και χρήσεις γης της νήσου Ζάκυνθος, σε υπόβαθρο Google Earth, (Μαρτίνης κ.α., 2008) Αποτελέσματα Από τους χάρτες που δημιουργήθηκαν, και με τις κατάλληλες εμβαδομετρήσεις, προέκυψαν τα μεγέθη των αντίστοιχων εκτάσεων για τις δυο περιόδους, 1985 και 2000, ενώ κατέστη εφικτή η πραγματοποίηση συγκρίσεων για τις χρήσεις γης, τόσο στην ορεινή, όσο και στη πεδινή ζώνη. Ορεινή ζώνη Ζακύνθου Πεδινή ζώνη Ζακύνθου Πεύκα πυκνά Πεύκα πυκνά Πεύκα αραιά Πεύκα αραιά Θάμνοι πυκνοί Λοιπά Πλατύφυλλα Θάμνοι αραιοί Θάμνοι Γεωργικές καλλιέργειες Γεωργικές καλλιέργειες Βοσκότοποι-Φρύγανα Άγονες εκτάσεις Άγονες εκτάσεις Οικισμοί Οικισμοί Χέρσοι αγροί Σύνολο Σύνολο

51 Πίνακες : Χρήσεις γης - βλάστηση ορεινής και πεδινής ζώνης Ζακύνθου, 1985, 2000, (Μαρτίνης κ.α., 2008), Ίδια επεξεργασία Στην ορεινή ζώνη παρατηρείται κυρίως, μείωση των γεωργικών καλλιεργειών, αύξηση των χέρσων και χόρτο-λιβαδικών εκτάσεων, μείωση των πευκοδασών και αύξηση της χαμηλής θαμνώδους βλάστησης. Ταυτόχρονα, στην πεδινή ζώνη εντοπίζεται μείωση των γεωργικών καλλιεργειών, αύξηση του δομημένου χώρου (οικισμοί) και μείωση των άγονων περιοχών. Γενικότερα, καταγράφεται εγκατάλειψη του ορεινού χώρου, (γεγονός που προκύπτει από την εγκατάλειψη των γεωργικών καλλιεργειών και την αύξηση των χέρσων και χόρτο-λιβαδικών εκτάσεων) λόγω της έντονης ανάπτυξης του μαζικού τουρισμού κατά μήκος της ακτογραμμής του νησιού. Η υποβάθμιση του φυσικού περιβάλλοντος του παράλιου χώρου, γίνεται εντονότερη από την αύξηση των πιέσεων που ασκούνται σε αυτό, εξαιτίας των ανθρωπογενών επιδράσεων, των οικονομικών δραστηριοτήτων, της επέκτασης των οικισμών, της αποψίλωσης της βλάστησης και της καταστροφής των παράλιων βιοτόπων. Τα συμπεράσματα αυτά εξάγονται από την αύξηση του δομημένου χώρου, μεταξύ 1985 και 2000, την αλλαγή χρήσης πρώην γεωργικών καλλιεργειών ή ακόμα και την εγκατάλειψη τους Εφαρμογή δορυφορικών εικόνων υψηλής ευκρίνειας για την εκτίμηση των ζημιών μετά από σεισμό: Ο σεισμός στην πόλη Bam (Ιράν) το 2003 (Adams et al., 2004) Περιοχή μελέτης Στις 05:26 τα ξημερώματα της 26 ης Δεκεμβρίου του 2003, ένας σεισμός μεγέθους 6,6 ρίχτερ, έπληξε την ιστορική πόλη Bam, στην επαρχία Kerman, του Ιράν. Το επίκεντρο του σεισμού βρισκόταν 10 χλμ. νοτιοδυτικά της Bam. Ζημιές, λόγω του σεισμού, προκλήθηκαν σε μια περιοχή ακτίνας 10 χλμ. γύρω από την πόλη, η οποία φημίζεται για την παλιά ακρόπολη της (Arge-Bam), η οποία έχει 2500 χρόνια 50

52 ιστορίας. Όσον αφορά το κόστος σε ανθρώπινες ζωές, ο σεισμός αυτός χαρακτηρίστηκε ως η χειρότερη καταστροφή στην Ιρανική ιστορία. Επίσης, καταστράφηκαν το 70-95% των κτιρίων. Από τις εικόνες της πόλης εκείνες τις ημέρες, προκύπτει η φύση και η έκταση των ζημιών: ολόκληρα οικοδομικά τετράγωνα καταστράφηκαν, το ιστορικό κέντρο- με τα τείχη- της πόλης κατεδαφίστηκαν, τα κεντρικά νοσοκομεία και τα κέντρα υγείας ισοπεδώθηκαν, ενώ σε 131 σχολεία και 3 πανεπιστήμια οι ζημίες ήταν ανεπανόρθωτες. Εικόνα 3.6: Ο σεισμός της 26 ης Δεκεμβρίου του 2003 στην πόλη Bam του Ιράν. Το επίκεντρο του σεισμού και παραδείγματα των ζημιών που υπέστησαν τα κτίρια στην πόλη και στην ιστορική ακρόπολη Arge-Bam, (Adams et al., 2004), Ίδια επεξεργασία Στις παρακάτω εικόνες φαίνεται η κάλυψη της πόλης Bam, από τον δορυφόρο QuickBird-2. Η πρώτη εικόνα, είναι στις 30 Σεπτεμβρίου 2003, περίπου τρεις μήνες πριν το χτύπημα του σεισμού. Η δεύτερη, η οποία λήφθηκε μια εβδομάδα μετά το σεισμό, στις 3 Ιανουαρίου του 2004, δείχνει τις εκτεταμένες ζημιές που προήλθαν από τον καταστρεπτικό σεισμό. 51

53 Εικόνα 3.7: Δορυφορικές εικόνες της πόλης Bam, πριν και μετά τον καταστρεπτικό σεισμό της 26 ης Δεκεμβρίου, (Adams et al., 2004), Ίδια επεξεργασία Η συγκεκριμένη μελέτη, περιγράφει την επέκταση της μεθοδολογίας που έχει αναπτυχθεί προηγουμένως για τον σεισμό του Μαρμαρά, στην Τουρκία το 1999 (Eguchi et al., 2003), στην ανίχνευση των κτιριακών καταστροφών που προκλήθηκαν από το σεισμό στην πόλη Bam του Ιράν, το Στην περίπτωση του Μαρμαρά, οι αλγόριθμοι ανίχνευσης αλλαγών είχαν βασιστεί σε εικόνες μέτριας ανάλυσης του δορυφορικού συστήματος SPOT-4 και δεδομένα από την κάλυψη συστημάτων ραντάρ. Σε αυτή την περίπτωση, και μετά την έναρξη λειτουργίας των εμπορικών δορυφορικών συστημάτων QuickBird-2 και IKONOS-2, υπάρχουν διαθέσιμες εικόνες πολύ υψηλής ανάλυσης και ευκρίνειας. Ο σεισμός στη πόλη Bam, αποτελεί την πρώτη περίπτωση για την οποία λήφθηκαν εικόνες πριν και αμέσως μετά το συμβάν. Στη κατεύθυνση αυτή συνέβαλλε κατά πολύ, η βελτίωση της χωρικής ανάλυσης των δορυφορικών συστημάτων από τα 10 μέτρα σε ακρίβεια κάτω του μέτρου, συγκεκριμένα 60 εκατοστά, η οποία οδήγησε σε αρκετές μεθοδολογικές βελτιώσεις. Στόχος εργασίας Αντικείμενο της έρευνας αποτελεί η ανάπτυξη τεχνικών για την ανίχνευση καταστροφών σε αστικά περιβάλλοντα, μετά από χτυπήματα σεισμών, βασισμένα 52

54 στη συγκριτική ανάλυση δορυφορικών εικόνων που αποκτήθηκαν, πριν και μετά το σεισμό. Ακόμα, ζητούμενο είναι η ανάπτυξη τεχνολογικών υποδομών που θα επιτρέψουν την ενσωμάτωση αυτών των τεχνικών σε ένα ολοκληρωμένο σύστημα αντιμετώπισης καταστροφών, βασισμένο στην αναγνώριση των καταστροφών, μέσω δορυφορικών εικόνων, (από σεισμούς, πλημμύρες, έκτακτα καιρικά φαινόμενα, κ.α.) και την ταχεία αντίδραση προκειμένου να μειωθούν οι απώλειες σε ανθρώπινες ζωές και να μετριαστούν οι επιπτώσεις στο ανθρωπογενές περιβάλλον. Η επιστήμη της τηλεπισκόπησης αναγνωρίζεται όλο και περισσότερο ως ένα πολύτιμο εργαλείο για την εκτίμηση των ζημιών, μετά από σεισμό. Πρόσφατες μελέτες που πραγματοποιήθηκαν από ερευνητικές ομάδες στις Η.Π.Α., στην Ιαπωνία και την Ευρώπη, έχουν αποδείξει ότι οι βλάβες που έχουν υποστεί τα διάφορα κτίρια στο αστικό περιβάλλον, μπορούν εύκολα να προσδιοριστούν μέσω της ανάλυσης οπτικών εικόνων (Matsuoka and Yamazaki, 1998; Chiroiu et al., 2002; Huyck et al., 2002; Mitomi et al., 2002; Yusuf et al., 2002; Shinozuka et al., 2000; Saito and Spence, 2004) και εικόνων ραντάρ, συνθετικού ανοίγματος κεραίας (SAR- Synthetic Aperature Radar) (Aoki et al., 1998, Huyck et al., 2002; Yusuf et al., 2002). Για το λόγο αυτό, έχουν δημιουργηθεί ειδικές ομάδες επιστημόνων οι οποίες με τη χρήση, και ενσωμάτωση στη λειτουργία τους, τεχνολογιών τηλεπισκόπησης, ανέλαβαν τη διερεύνηση τρόπων χρήσης των συστημάτων αυτών, στην ανίχνευση βλαβών και αντιμετώπισης καταστάσεων έκτακτης ανάγκης, σε αστικά περιβάλλοντα (Eguchi et al., 1999; Eguchi et al., 2000a, 2000b; Eguchi et al., 2003; Huyck and Adams, 2002; Huyck et al., 2002). Στον απόηχο ενός ακραίου σεισμού, όπως αυτός στη πόλη Bam το 2003, οι εικόνες της δορυφορικής τηλεπισκόπησης, παρέχουν μια λεπτομερή επισκόπηση των ζημιών που προκλήθηκαν. Η θέση και η σοβαρότητα των κτιρίων που έχουν υποστεί ζημιές, μπορούν πολύ εύκολα και γρήγορα να εντοπιστούν, διευκολύνοντας την ιεράρχηση και προτεραιοποίηση δραστηριοτήτων αντιμετώπισης της καταστροφής και ενδεχομένως την παρακολούθηση των εργασιών αποκατάστασης αργότερα. 53

55 Διαδικασία αναγνώρισης TRS - Tiered Reconnaissance System Η διαδικασία αναγνώρισης του μεγέθους καταστροφής, μπορεί να γίνει εύκολα αντιληπτή ως ένα Σύστημα Κλιμακωτής Αναγνώρισης (Tiered Reconnaissance System). Εικόνα 3.8: Σχηματική αναπαράσταση της αναγνώρισης των καταστροφών λόγω σεισμού με χρήση του TRS - Tiered Reconnaissance System, το οποίο χρησιμοποιεί δορυφορικές εικόνες για να προσδιορίσει τη θέση, την έκταση και τη σοβαρότητα των ζημιών στα κτίρια. Οι εκροές του συστήματος, καθοδηγούν τις ομάδες δράσης για την κλίμακα και την ιεράρχηση των δραστηριοτήτων που πρέπει να πραγματοποιηθούν, (Adams et al., 2004), Ίδια επεξεργασία Αρχικά, οι αλγόριθμοι αυτόματου εντοπισμού αλλαγών, προσφέρουν με μια γρήγορη ματιά, την εκτίμηση των ζημιών για το σύνολο της πόλης. Οι αλγόριθμοι αυτοί συγκρίνουν τις εικόνες που αποκτήθηκαν πριν και μετά τον σεισμό, σύμφωνα με τη μεθοδολογική προσέγγιση του σχήματος που ακολουθεί. 54

56 Εικόνα 3.9: Μεθοδολογία αυτόματης ανίχνευσης κτιριακών καταστροφών, (Adams et al., 2004), Ίδια επεξεργασία Το πρώτο βήμα συνίσταται στην εισαγωγή των εικόνων και την γεωαναφορά τους, σε ένα κοινό σύστημα συντεταγμένων. Στη συνέχεια, εντοπίζονται τα κατεστραμμένα κτίρια, αφού, τα κτίρια που έχουν υποστεί ζημιές, αποκτούν διαφορετική φασματική υπογραφή, σε σύγκριση με τις κατασκευές που δεν έχουν υποστεί, η οποία χαρακτηρίζεται από πυκνές και ακανόνιστες άκρες. Αυτή η προσέγγιση δεν ήταν πραγματοποιήσιμη στις εικόνες του δορυφορικού συστήματος SPOT-4 στο σεισμό του Μαρμαρά το 1999, από τη στιγμή που τα χαρακτηριστικά της υφής των επιμέρους κατασκευών ήταν δύσκολο να εντοπιστούν, στη εικόνα με την χωρική ανάλυση των 10 μέτρων. 55

57 Στη συνέχεια, το μέγεθος της καταστροφής υπολογίζεται με βάση τις αλλαγές μεταξύ των προ-επεξεργασμένων σκηνών, χρησιμοποιώντας έναν απλό αριθμητικό τελεστή, όπως η διαφορά ή η συσχέτιση. Παρόμοιοι αλγόριθμοι, προσδιορισμού του μεγέθους της καταστροφής με τη χρήση προ-επεξεργασμένων σκηνών, έχουν χρησιμοποιηθεί επιτυχώς για την αξιολόγηση ζημιών λόγω σεισμών, σε διάφορα μέρη του κόσμου όπως, στη νήσο Hokkaido της Ιαπωνίας το 1993, στην πόλη Kobe της Ιαπωνίας το 1995 (Matsuoka and Yamazaki, 2002) και στην Πολιτεία Gujarat της Δυτική Ινδίας το 2001 (Matsuoka and Yamazaki, 2002, 2003). Τέλος, οι καταστροφές που έχουν εντοπιστεί στα κτίρια, απεικονίζονται με τη χρήση ενός χάρτη εκτίμησης καταστροφών. Αυτή η γρήγορη ματιά αξιολόγησης της κατάστασης, παρέχει στη συνέχεια, τη δυνατότητα για μια πιο αναλυτική επιθεώρηση των καταστροφών, χρησιμοποιώντας διάφορες σύγχρονες τεχνικές απεικόνισης. Δεδομένης της ποιότητας των λεπτομερειών που απεικονίζονται σε μια εικόνα υψηλής ανάλυσης, είναι δυνατό να ερμηνευθεί η κατάσταση των επιμέρους δομών, μέσω της σύγκρισης των πριν και μετά, συνόλων δεδομένων. Αυτή η συγκριτική οπτική ανάλυση είναι απλή, όταν αυτές οι επεξεργασμένες εικόνες, εμφανιστούν η μία δίπλα στην άλλη. Τελικά, αφού έχει πραγματοποιηθεί η αρχική αναγνώριση και προσδιορίστηκε η σοβαρότητα της καταστροφής, οι τηλεπισκοπικές εικόνες, μπορούν να βοηθήσουν μακροπρόθεσμα, στην φάση αποκατάστασης της περιοχής. Με την απόκτηση δορυφορικών εικόνων, ανά τακτά χρονικά διαστήματα, δίνεται η δυνατότητα καλύτερης παρακολούθησης και οργάνωσης της διαδικασίας εκκαθάρισης και ανασυγκρότησης της περιοχής. Μεθοδολογία Δεδομένα που χρησιμοποιήθηκαν Στην αρχική φάση του Tiered Reconnaissance System TRS, ακολουθείται η μεθοδολογία, σύμφωνα με την οποία, ανιχνεύονται οι ζημιές, μέσω των 56

58 ιστολογικών αλλαγών που παρατηρούνται στις δορυφορικές εικόνες του πριν και του μετά. Εικόνα 3.10: α) Ο χάρτης καταστροφών της πόλης Bam, βασισμένος στην δορυφορική εικόνα QuickBird. Οι ακραίες αλλαγές στην υφή της εικόνας που προκλήθηκαν από την κατάρρευση των κτιρίων, εντοπίστηκαν με τη βοήθεια της διαφοράς της τυπικής απόκλισης από τη μέση τιμή της εικόνας. β) Η κατανομή των κτιρίων που έχουν καταρρεύσει, εντός της πόλεως Bam, (Adams et al., 2004), Ίδια επεξεργασία Τα αποτελέσματα της παρατήρησης του χάρτη καταστροφής του συνόλου της πόλης, φανερώνουν την εκτεταμένη ύπαρξη ακραίων αλλαγών σε όλη την πόλη Bam. Τα κόκκινα και τα πορτοκαλί μπλοκ, αντιστοιχούν στην μεγαλύτερη συγκέντρωση κατεστραμμένων κατασκευών, και συναντώνται κυρίως στις ανατολικές περιοχές της πόλης και στην ακρόπολη Arge-Bam. Η οπτική σύγκριση με τον χάρτη καταστροφών USAID, που δημοσιεύθηκε στις αρχές Ιανουαρίου το 2004, δείχνει ότι το % των κτιρίων καταστράφηκαν στις περιοχές αυτές. Σχετικά με την οπτική επιθεώρηση, το παρακάτω σχήμα, παρέχει μια καλύτερη άποψη των ζημιών που σημειώθηκαν στις επιλεγμένες περιοχές του χάρτη καταστροφών, που καταγράφουν ακραίες αλλαγές. Κατεστραμμένα κτίρια είναι εμφανή σε όλη την αρχαία ακρόπολη. Το ανατολικό τείχος του κάστρου, φαίνεται 57

59 να έχει καταρρεύσει. Σε πολλές από τις γύρω κατασκευές, δεν είναι ευδιάκριτο αν έχουν πέσει οι τοίχοι και οι στέγες. Στις γειτονικές, κατοικημένες, περιοχές, τα κατεστραμμένα κτίρια είναι πάρα πολλά, μιας και ολόκληρα οικοδομικά τετράγωνα κατοικιών έχουν καταστραφεί. Εικόνα 3.11: Οπτικοποίηση των κατεστραμμένων κτιρίων στη πόλη. Οι επιλεγμένες περιοχές προσδιορίστηκαν ως περιοχές που επλήγησαν περισσότερο (80-100%) στον χάρτη καταστροφών USAID, (Adams et al., 2004), Ίδια επεξεργασία Τα διακριτικά τους αποτυπώματα και οι λευκές σκεπές που εμφανίζονται στην εικόνα πριν τον σεισμό, έχουν αντικατασταθεί από χαοτικούς σωρούς καφέ χαλασμάτων. Αξιοσημείωτο είναι το γεγονός ότι τα χαλάσματα των κτιρίων, που ήταν κατασκευασμένα από τοπικά υλικά, δεν μπορούν εύκολα να διακριθούν από τις αμμώδες επιφάνειες που συναντώνται στο έδαφος της ευρύτερης περιοχής. 58

60 Αναγνώριση πεδίου μέσω του συστήματος VIEWS - Visualizing Impacts of Earthquakes With Satellites Ο σεισμός στην πόλη Bam, ήταν η πρώτη φορά που εφαρμόστηκε το εργαλείο μετασεισμικής αναγνώρισης, στο πλαίσιο του συστήματος VIEWS, όπου επιτυγχάνεται η οπτικοποίηση των επιπτώσεων από σεισμό με τη χρήση δορυφόρων. Το σχήμα που ακολουθεί, παρουσιάζει το περιβάλλον εργασίας του συστήματος VIEWS, εμφανίζοντας εικόνες της πόλης πριν και μετά τον σεισμό. Εικόνα 3.12: Άποψη ενός πλαισίου διαλόγου του λογισμικού VIEWS (Visualizing Impacts of Earthquakes with Satellites), που αναπτύχθηκε στην πόλη Bam, από την ομάδα αναγνώρισης EERI. Το Σύστημα GPS που χρησιμοποιήθηκε, κατέγραψε τη διαδρομή (κόκκινα σύμβολα) που ακολούθησε η ομάδα κατά τη διαδικασία αναγνώρισης-καταγραφής των ζημιών, (Adams et al., 2004) Το σύστημα αυτό μπορεί να εγκατασταθεί σε έναν φορητό υπολογιστή (notebook), έτσι ώστε οι αναγνωριστικές ομάδες να συγκρίνουν τις δορυφορικές εικόνες πριν και μετά τον σεισμό και να κατευθύνει τους υπεύθυνους για την αντιμετώπιση της καταστροφής, στις περιοχές που επλήγησαν περισσότερο, χρησιμοποιώντας τον 59

61 χάρτη εκτίμησης των καταστροφών. Αυτό χρησιμεύει επίσης ως βασικός χάρτης και συσκευή προσανατολισμού για τις ομάδες διάσωσης που έρχονται από άλλες χώρες ή και περιοχές, και αναπτύσσουν την δράση τους σε άγνωστες πόλεις. Για να βοηθήσει τους χρήστες να αποκτήσουν και να διατηρήσουν τον προσανατολισμό τους, το σύστημα VIEWS, παρακολουθεί την τρέχουσα θέση τους, εντοπίζοντας την σε πραγματικό χρόνο, μέσω GPS. Το σύστημα επίσης είναι διαδραστικό, έτσι ώστε να μπορούν να καταγραφούν παρατηρήσεις από τις συγκεκριμένες ομάδες και στο πεδίο. Καθώς οι χρήστες εισάγουν σχόλια σχετικά με την κατάσταση των πληγέντων κτιρίων και τον αύξων αριθμό των φωτογραφιών που λαμβάνουν, οι πληροφορίες αυτές συνδέονται αυτόματα με τη τρέχουσα θέση, μέσω GPS. Με την επιστροφή στο γραφείο, οι βάσεις δεδομένων του συστήματος VIEWS, είναι άμεσα συνδεόμενες με το περιβάλλον GIS, έτσι ώστε να πραγματοποιείται περαιτέρω ανάλυση. Κατά τη διάρκεια των αναγνωριστικών μετακινήσεων στην πόλη Bam, το λειτουργικό GPS, είχε χρησιμοποιηθεί για την παρακολούθηση των πορειών που ακολουθούσαν οι ομάδες μέσα στην πόλη. Στην εικόνα, παρουσιάζεται μια από αυτές τις πορείες, η οποία κατευθύνεται προς την ακρόπολη. Η θέση των ψηφιακών φωτογραφιών, οι αύξοντες αριθμοί αναγνώρισης τους και τα σχετικά σχόλια καταγράφονται επίσης και προσθέτονται στα χαρακτηριστικά της βάσης δεδομένων. Αποτελέσματα Τα αποτελέσματα από τη μεθοδολογία εντοπισμού των αλλαγών που προέκυψαν από ένα πολύ σημαντικό γεγονός, όπως ο σεισμός που παρουσιάστηκε σε αυτή τη μελέτη, αποδεικνύουν ότι οι εικόνες υψηλής ανάλυσης από το δορυφορικό σύστημα QuickBird-2 με τη χωρική ανάλυση των 60 εκατοστών, μπορούν να χρησιμοποιηθούν για τον επιτυχή καθορισμό της θέσης και της σοβαρότητας των κτιρίων που έχουν καταρρεύσει εξαιτίας ενός ισχυρού σεισμού. 60

62 Στο χάρτη καταστροφών, η ανίχνευση των διαφορετικών ακμών και οι ακραίες ανομοιότητες στην υφή των οικοδομικών τετραγώνων εντοπίζονται με επιτυχία. Σε αυτή την περίπτωση, οι αλλαγές μετρήθηκαν σχετικά και όχι απόλυτα, ανάλογα τη διαφορά της τυπικής απόκλισης από τη μέση τιμή της εικόνας. Η φασματική υπογραφή των κτιρίων που κατέρρευσαν από το σεισμό, διαφέρει ανάλογα με το κτιριακό απόθεμα και τα υλικά κατασκευής. Ως εκ τούτου, η επινόηση καθολικών μέτρων εντοπισμού αλλαγών στις καταστάσεις που καταγράφονται μεταξύ δυο δορυφορικών εικόνων, αποτελεί σημαντική πρόκληση Παρακολούθηση της αποψίλωσης και υποβάθμισης των δασών με την χρήση Τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών. Μελέτη περίπτωσης στη πόλη Ranchi της Jharkhand, India (Kumar et al., 2010) Περιοχή μελέτης Η παρούσα μελέτη, εστιάζει στην παρακολούθηση της αποψίλωσης και υποβάθμισης του δασικού οικοσυστήματος Ranchi, στην Ινδία, με τη χρήση μεθόδων Τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών. Περιοχή μελέτης της παρούσας έρευνας, αποτελεί η πόλη Ranchi, πρωτεύουσα της πολιτείας Jharkhand, στην Ινδία. Οι κυριότερες κατηγορίες κάλυψης γης που κυριαρχούν στην περιοχή είναι η γεωργική γη, η οικιστική γη με ή χωρίς βλάστηση, τα πυκνά και αραιά δάση, οι πυκνοί θάμνοι, οι φυτείες και τα υδατικά αποθέματα όπως οι τεχνητές λίμνες λόγω φραγμάτων, οι φυσικές λίμνες, τα ποτάμια και οι χείμαρροι. Η γεωργική γη καλύπτει το μεγαλύτερο τμήμα της περιοχής και συναντάται σε όλα τα σημεία αυτής, ενώ η φυσική βλάστηση περιλαμβάνει τόσο πυκνά όσο και αραιά δάση. 61

63 Στην εικόνα 3.13 παρουσιάζεται η δορυφορική εικόνα που χρησιμοποιήθηκε για την περιοχή μελέτης. Εικόνα 3.13: Ψευδοχρωματισμένη εικόνα (false colour composite image) της πόλης Ranchi, από τον αισθητήρα LISS III, του δορυφορικού συστήματος IRS 1C, του Με την απόχρωση του μπλε αναπαριστάται ο αστικός ιστός, ενώ στις αποχρώσεις του κόκκινου αντιστοιχεί η βλάστηση. Οι λευκές και προς το γκρι επιφάνειες είναι οι καλλιεργήσιμες εκτάσεις, (Kumar et al., 2010) Στόχος της εργασίας Τα δασικά οικοσυστήματα έχουν πολύ μεγάλη σημασία στον παγκόσμιο κύκλο άνθρακα, αφού αποθηκεύουν περίπου το 80% του επίγειου και το 40% του υπόγειου οργανικού άνθρακα (IPCC 2001) και για αυτό το λόγο η υποβάθμιση τους έχει πολλές οικολογικές, κοινωνικές και οικονομικές συνέπειες, μεταξύ των οποίων είναι και η απώλεια της βιοποικιλότητας. 62

64 Η αποψίλωση δασών, είναι η δεύτερη μεγαλύτερη παγκόσμια πηγή μετατροπής ανθρωπογενών εκπομπών διοξειδίου του άνθρακα και είναι υπεύθυνο για το 10-25% των εκπομπών διοξειδίου του άνθρακα παγκοσμίως (Houghton 2003; Santilli et al., 2005). Τα δάση των ΗΠΑ, συγκρατούν και φιλτράρουν το 11% των αμερικάνικων εκπομπών αερίων του θερμοκηπίου (US EPA 2006). Στόχος της μελέτης αυτής είναι η ανάλυση μιας συγκεκριμένης περιοχής, για τον εντοπισμό των μεταβολών στη σύνθεση και το μέγεθος του δασικού οικοσυστήματος. Για το λόγο αυτό πραγματοποιήθηκε επιβλεπόμενη ταξινόμηση των δορυφορικών εικόνων, ενώ οι περιοχές των διαφόρων κατηγοριών που εντοπίστηκαν, συγκρίθηκαν για τον εντοπισμό των αλλαγών μεταξύ των δυο περιόδων. Δεδομένα που χρησιμοποιήθηκαν Για τη διαχρονική και ακριβή παρακολούθηση της υποβάθμισης του δάσους, χρησιμοποιήθηκαν εικόνες που προέρχονται από το δορυφορικό σύστημα IRS (1996 και 2008) και τοπογραφικοί χάρτες, του ινστιτούτου ερευνών της Ινδίας, (Survey of India - SOI) σε κλίμακα 1: Πιο συγκεκριμένα, χρησιμοποιήθηκαν δεδομένα από το δορυφορικό σύστημα IRS 1C και ειδικά του αισθητήρα LISS III, ενώ έγινε συνδυασμός των καναλιών 3,2,1. Η χρονική διακριτική ικανότητα του συστήματος ήταν οι πέντε μέρες, ενώ η χωρική ανάλυση του παγχρωματικού αισθητήρα ήταν 5,8 μέτρα. Οι δορυφορικές εικόνες που χρησιμοποιήθηκαν ελήφθησαν το 1996 και το Για την αξιολόγηση της κάλυψης της δασικής έκτασης χρησιμοποιήθηκε το πρόγραμμα επεξεργασίας ψηφιακών εικόνων ERDAS IMAGINE 9.2, ενώ για την επαλήθευση των αποτελεσμάτων της ταξινόμησης των εικόνων, πραγματοποιήθηκε έρευνα πεδίου. Η διαδικασία που ακολουθήθηκε για την εκπόνηση της παρούσας μελέτης μπορεί να παρουσιαστεί από το παρακάτω διάγραμμα ροής, το οποίο αποτελεί τυπικό παράδειγμα παρακολούθησης ενός δασικού οικοσυστήματος. 63

65 Εικόνα 3.14: Διάγραμμα ροής της μεθοδολογίας που ακολουθήθηκε. Παράδειγμα παρακολούθησης δασών, (Kumar et al., 2010) Διορθώσεις των εικόνων Ραδιομετρικές διορθώσεις εφαρμόστηκαν (ERDAS IMAGINE 9.1) για την αφαίρεση ραδιομετρικών ατελειών και την απαλοιφή των επιδράσεων της ατμόσφαιρας και των διάφορων επιφανειών. 64

66 Η γεωμετρική διόρθωση των δεδομένων πραγματοποιήθηκε με την βοήθεια των σαρωμένων τοπογραφικών χαρτών για τον ορισμό των γεωγραφικών συντεταγμένων της εικόνας. Καθοδηγούμενη ταξινόμηση εικόνας Ακολουθήθηκε η διαδικασία της καθοδηγούμενης ταξινόμησης που περιγράφηκε στο κεφάλαιο για τις δυο διαφορετικές χρονικές περιόδους, και προέκυψαν οι εικόνες Εικόνα 3.15: Ψευδοχρωματισμένη ταξινομημένη εικόνα (false colour composite of classified image) της πόλης Ranchi, έτος Με κόκκινο χρώμα, εντοπίζονται οι κτιριακές κατασκευές, ενώ με μπλε οι λίμνες και οι υδάτινες επιφάνειες. Με το ροζ χρώμα παρουσιάζονται οι καλλιεργήσιμες εκτάσεις και με τις αποχρώσεις του πράσινου, η βλάστηση της περιοχής, (Kumar et al., 2010) 65

67 Εικόνα 3.16: Ψευδοχρωματισμένη ταξινομημένη εικόνα (false colour composite of classified image) της πόλης Ranchi, έτος Με κόκκινο χρώμα, εντοπίζονται οι κτιριακές κατασκευές, ενώ με μπλε οι λίμνες και οι υδάτινες επιφάνειες. Με το ροζ χρώμα παρουσιάζονται οι καλλιεργήσιμες εκτάσεις και με τις αποχρώσεις του πράσινου, η βλάστηση της περιοχής, (Kumar et al., 2010) Τα εμβαδά των κατηγοριών και κατά συνέπεια των διάφορων εκτάσεων καλύψεων γης, υπολογίστηκαν με την χρήση του λογισμικού ArcGIS 9.3 ενώ πραγματοποιήθηκαν συγκρίσεις στις αλλαγές που εντοπίστηκαν στις δυο εικόνες. Δείκτης NDVI: Ανίχνευση των διαφορών στη βλάστηση Ο εντοπισμός των αλλαγών αφορούσε την αφαίρεση της εικόνας NDVI του 2008, από την εικόνα NDVI του 1996, σύμφωνα με τη θεωρία του κανονικοποιημένου δείκτη βλάστησης, που αναλύθηκε στο κεφάλαιο

68 Οι πίνακες που ακολουθούν παρουσιάζουν τα δεδομένα ιστογράμματος για τις διαφορές του NDVI (NDVI NDVI 2008). Κατηγορία Χαμηλότερο Υψηλότερο Συχνότητα Αθροιστική όριο όριο συχνότητα 1-0,955-0, ,875-0, ,759-0, ,652-0, ,551-0, ,458-0, ,359-0, ,258-0, ,152-0, ,052 0, ,051 0, ,158 0, ,251 0, ,352 0, ,458 0, ,555 0, Πίνακας 3.3: Τα αποτελέσματα του δείκτη NDVI σε πίνακα συχνοτήτων, (Kumar et al., 2010), Ιδία επεξεργασία Πραγματική μέγιστη τιμή 0,679 Μέση τιμή 0,068 Τυπική απόκλιση 0,080 Πίνακας 3.4: Στατιστικοί παράμετροι στα αποτελέσματα του δείκτη NDVI, (Pavan et al., 2010), Ιδία επεξεργασία Στις παρακάτω εικόνες παρουσιάζονται τα αποτελέσματα της καθοδηγούμενης ταξινόμησης των δορυφορικών εικόνων όσον αφορά τον δείκτη βλάστησης NDVI. Έτσι, οι περιοχές που καλύπτονται από πυκνό δάσος, αντιπροσωπεύονται από σκούρο πράσινο χρώμα και οι περιοχές που έχουν υποστεί υποβάθμιση εκπροσωπούνται από ανοιχτό πράσινο χρώμα. 67

69 Εικόνες 3.17: Εικόνες του δείκτη NDVI για την πόλη Ranchi και Οι περιοχές με καφέ και μωβ χρώμα, παρουσιάζουν τις περιοχές που δεν υπάρχει πράσινο, όπως οι λίμνες και το δομημένο περιβάλλον. Με μπεζ και με πολύ ανοιχτό λαχανί φαίνονται οι περιοχές που υπάρχουν οι καλλιέργειες και διασκορπισμένες κατοικίες, ενώ με τις αποχρώσεις του πράσινου εντοπίζονται οι δασικές εκτάσεις στα γύρω βουνά και γενικά η βλάστηση, (Kumar et al., 2010) Το λογισμικό ArcGIS 9.3 χρησιμοποιήθηκε για τον υπολογισμό των περιοχών πυκνού δάσους και υποβαθμισμένου δάσους, που προέκυψε από την ταξινόμηση. Η συνολική δασική έκταση για το έτος 1996 ήταν 5.248,52 εκτάρια, ενώ για το έτος 2008, η αντίστοιχη έκταση μειώθηκε στα 4.683,50 εκτάρια. Αποτελέσματα Από την εξέταση της διαφοράς του δείκτη NDVI μεταξύ , παρουσιάζεται μια μείωσης της υπέργειας βιομάζας κατά την συγκεκριμένη περίοδο. Το γεγονός αυτό, συνεπάγεται υποβάθμιση της βλάστησης, κάτι το οποίο επιβεβαιώνει τις αλλαγές που παρατηρήθηκαν μεταξύ των ταξινομημένων εικόνων των δυο διαφορετικών χρονικών στιγμών, 1996 και

70 Από τα αποτελέσματα της ταξινόμησης των εικόνων προέκυψε μείωση της επιφάνειας που καταλαμβάνουν οι δασικές εκτάσεις κατά 506,02 εκτάρια σε αυτή την περίοδο των 12 ετών. Η μείωση αυτή ισοδυναμεί με το 10,76% των δασικών εκτάσεων. Με τη χρήση των μεθόδων τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών αποδείχτηκε ότι οι δασικές εκτάσεις υποβαθμίζονται συνεχώς και μετατρέπονται σε άλλες κατηγορίες κάλυψης του εδάφους και χρήσεις γης Χαρτογράφηση των επικίνδυνων ζωνών πρόκλησης δασικών πυρκαγιών με τη χρήση δορυφορικών εικόνων και Γεωγραφικών Συστημάτων Πληροφοριών. Μελέτη περίπτωσης στο ιστορικό-εθνικό πάρκο της Χερσονήσου της Καλλίπολις (Gallipoli Peninsula), στα στενά των Δαρδανελλίων (Ecebat in Çanakkale) της Τουρκίας, (Esra et al., 2004). Εισαγωγή Οι δασικές πυρκαγιές είναι μια από τις σημαντικότερες φυσικές αιτίες κινδύνου στην Μεσόγειο. Στις περιοχές αυτές, ξεσπούν συχνά πυρκαγιές και υπάρχει η ανάγκη για μια ολοκληρωμένη προσέγγιση στην ανάλυση των διάφορων παραγόντων που εμπλέκονται σε αυτή τη διαδικασία και των παγκόσμιων επιπτώσεων λόγω πυρκαγιών. Είναι αδύνατο να ελεγχθεί η φύση σε αυτό τον τομέα, αλλά είναι εφικτό να χαρτογραφηθούν οι δασικές ζώνες υψηλού κινδύνου για την πρόκληση πυρκαγιών και να δημιουργηθούν μοντέλα έτσι ώστε να ελαχιστοποιηθεί η συχνότητα εμφάνισης τους. Τα μοντέλα αυτά πρέπει να περιλαμβάνουν εκτιμήσεις τόσο για την ανάφλεξη όσο και για την διασπορά της φωτιάς. Είναι απαραίτητο να είναι σε θέση να εκτιμήσουν την πιθανή εξάπλωση της φωτιάς που ξεσπά σε οποιοδήποτε σημείο του δάσους, δίνοντας τους τις συνθήκες καύσης. 69

71 Η εξάπλωση της πυρκαγιάς, αποτελεί απειλή για τη χλωρίδα της περιοχής αλλά και για την ασφάλεια του πληθυσμού. Η έγκαιρη ανίχνευση των δασικών πυρκαγιών είναι απαραίτητη για την μείωση των καταστροφών από αυτές. Τα δορυφορικά δεδομένα κατέχουν ζωτικής σημασίας ρόλο, στον εντοπισμό, στη χαρτογράφηση των δασικών πυρκαγιών και στην καταγραφή της συχνότητας με την οποία προκαλούνται καταστροφές, στα διάφορα είδη βλάστησης. Αντίστοιχα, ένα σύστημα γεωγραφικών πληροφοριών, μπορεί να χρησιμοποιηθεί αποτελεσματικά στον συνδυασμό των διαφορετικών αιτιών πρόκλησης δασικών πυρκαγιών για την δημιουργία ενός αξιόπιστου χάρτη εκτίμησης κινδύνου δασικών πυρκαγιών. Περιοχή μελέτης Ένα μοντέλο για την εκτίμηση του κινδύνου εξάπλωσης της πυρκαγιάς, έχει συσταθεί για τη Χερσόνησο της Καλλίπολης, ως πιλοτική εφαρμογή, δεδομένου ότι αυτή αντιμετωπίζει συνεχώς προβλήματα δασικών πυρκαγιών. Το μοντέλο αυτό βασίζεται στο συνδυασμό τηλεπισκοπικών μεθόδων και δεδομένων GIS. Στη μελέτη αυτή χρησιμοποιήθηκαν δορυφορικές εικόνες Landsat. Προκειμένου να εντοπιστεί το μέγεθος της καταστροφής της φωτιάς που προκλήθηκε στις 25 Ιουλίου του 1994, χρησιμοποιήθηκαν δορυφορικές εικόνες πριν και μετά την φωτιά. Η περιοχή μελέτης βρίσκεται στα όρια της χερσονήσου τα Καλλίπολης στο ιστορικόεθνικό πάρκο Ecebat στα Δαρδανέλλια και έχει έκταση εκτάρια. Στην περιοχή είχε ξεσπάσει πυρκαγιά στις 25 Ιουλίου του 1994, η οποία έκαιγε για τρεις ημέρες. 674 εκτάρια της έκτασης αυτής καταστράφηκαν, ενώ τα υπόλοιπα εκτάρια αποτελούν το σημερινό δάσος. 70

72 Βλάστηση Η χερσόνησος της Καλλίπολης, έχει έκταση 1.684,02 τετραγωνικών χιλιομέτρων και είναι πολύ πλούσια σε φυσικούς πόρους. Το 23% της συνολική έκτασης καλύπτεται από δάσος, το οποίο αποτελείται κυρίως από πεύκα και θάμνους, ενώ υπάρχουν και άλλα φυλλοβόλα είδη. Αυτό το είδος βλάστησης είναι ιδιαίτερα ευαίσθητο στην εκδήλωση πυρκαγιών. Τοπογραφία Η τοπογραφία είναι ένας σημαντικός φυσιογραφικός παράγοντας, ο οποίος συνδέεται με τη συμπεριφορά του ανέμου, και ως εκ τούτου επηρεάζει την ευαισθησία της περιοχής στις πυρκαγιές. Η φωτιά κινείται γρηγορότερα προς τα άνω μέρη των πλαγιών και λιγότερο γρήγορα προς την κάτω πλευρά αυτών. Η χερσόνησος της Καλλίπολης, έχει ανώμαλη δομή στην επιφάνεια της, αφού είναι κυρίως ορεινή με πολλές πλαγιές. Απόσταση από δρόμους Τα δάση επηρεάζονται από τις ανθρωπογενείς δραστηριότητες, τις κινήσεις των ανθρώπων, των ζώων και των οχημάτων. Έτσι τα δάση που βρίσκονται κοντά σε δρόμους είναι περισσότερο ευαίσθητα στις φωτιές. Στην περιοχή μελέτης, πολλοί δρόμοι διέρχονται μέσα από τις δασικές εκτάσεις, γεγονός το οποίο καθιστά τους ανθρώπους που περνούν από αυτούς, αιτίες πυρκαγιάς στο δάσος. Απόσταση από οικισμούς Τα δάση που βρίσκονται κοντά σε οικισμούς είναι λογικό να είναι περισσότερο επιρρεπή στις πυρκαγιές, από την στιγμή που οι άνθρωπου που κατοικούν εκεί, μπορούν να προκαλέσουν μια τυχαία πυρκαγιά. Στη δασική έκταση της περιοχής 71

73 μελέτης, υπάρχουν πολυπληθή οικιστικά σύνολα, από τα οποία είναι πιθανό να προκληθούν πυρκαγιές. Στόχος της εργασίας Οι επικίνδυνες ζώνες εμφάνισης πυρκαγιών στα δάση, είναι τοποθεσίες όπου είναι πιθανό να ξεσπάσει και από όπου είναι εύκολο να εξαπλωθεί σε άλλες περιοχές. Η ακριβής αξιολόγηση των καταστροφών λόγω πυρκαγιάς και η έγκαιρη απόφαση για τον τρόπο αντιμετώπισης της, μπορεί να είναι ικανοποιητική μόνον όταν είναι διαθέσιμος ο χάρτης εκτίμησης επικίνδυνων ζωνών λόγω πυρκαγιάς (Jaiswal et al, 2002). Η δορυφορική τηλεπισκόπηση, έχει προσφέρει ευκαιρίες για την ποιοτική ανάλυση των δασικών και άλλων οικοσυστημάτων, σε όλες τις γεωγραφικές και χωρικές κλίμακες. Η παρακολούθηση και η ανίχνευση των δασικών πυρκαγιών έχουν επίσης χρησιμοποιηθεί αποτελεσματικά σε αυτή τη μελέτη. Η κατανόηση της συμπεριφοράς των δασικών πυρκαγιών, οι παράγοντες που συμβάλλουν στη δημιουργία ενός περιβάλλοντος ευαίσθητου στην εκδήλωση πυρκαγιών και οι παράγοντες που επηρεάζουν τη συμπεριφορά της φωτιάς, είναι απαραίτητό να υπάρχουν για την αντιμετώπιση των δασικών πυρκαγιών (Chuvieco and Congalton, 1989). Παράμετροι που επηρεάζουν τη φωτιά όπως η μορφολογία του εδάφους και η βλάστηση, μαζί με άλλες πληροφορίες για τις χρήσεις γης, συμπεριλαμβανομένων του μεγέθους του πληθυσμού, των οικισμών, των πύργων εντοπισμού εστιών πυρκαγιάς, τους πυροσβεστικούς σταθμούς, των χώρων παρέμβασης, του τρόπου μεταφοράς και παρέμβασης του προσωπικού, είναι αναγκαίο να ενταχθούν στο Σύστημα Γεωγραφικών Πληροφοριών. Στην παρούσα μελέτη, έγινε μια προσπάθεια να κατασκευαστούν χάρτες επικινδυνότητας για την εκδήλωση δασικών πυρκαγιών, με την ενσωμάτωση δορυφορικών εικόνων, τοπογραφικών και άλλων βοηθητικών δεδομένων από ένα Σύστημα Γεωγραφικών Πληροφοριών, για την Καλλίπολη, στην οποία βρίσκεται ένα 72

74 από τα πιο ευαίσθητα, στην εκδήλωση πυρκαγιών, δάση στην Τουρκία. Η μελέτη αυτή είναι επίσης μια προσπάθεια αξιοποίησης των δυνατοτήτων της τηλεπισκόπησης και των GIS προκειμένου να οριστεί μια μεθοδολογία για τη χαρτογράφηση των επικίνδυνων ζωνών εμφάνισης δασικών πυρκαγιών. Οι χάρτες αυτοί θα βοηθήσουν τους υπεύθυνους των δασικών υπηρεσιών, να ελαχιστοποιούν τις πιθανότητες εκδήλωσης φωτιάς, να προλαμβάνουν πυρκαγιές στα δάση και να λαμβάνουν τα κατάλληλα μέτρα και δράσεις για την αντιμετώπιση αυτών, όταν ξεσπούν (Chuvieco and Sales, 1996). Δεδομένα που χρησιμοποιήθηκαν - Μεθοδολογία Οι εικόνες του δορυφορικού συστήματος Landsat TM του 1992 πριν τη φωτιά και του 1998 μετά την πυρκαγιά, χρησιμοποιήθηκαν για τον καθορισμό και τον προσδιορισμό της καμένης έκτασης και την εκτίμηση της ζημιάς που συνέβη στη βλάστηση. Εκτός από τα δορυφορικά δεδομένα, χρησιμοποιήθηκαν και τοπογραφικοί χάρτες. Τα δεδομένα που συλλέχτηκαν για το συγκεκριμένο τομέα της μελέτης ήταν: χάρτης δασική έκτασης, χάρτης βλάστησης, υψόμετρα, κλίσεις εδάφους, πρότυπα τοπογραφικών χαρτών και κλιματικών δεδομένων (μέση τιμή των επικρατούντων ανέμων και η διεύθυνση τους, δεδομένα για τα ύψη βροχοπτώσεων και τη θερμοκρασία). Οι τοπογραφικοί χάρτες ήταν σε κλίμακα 1: και ψηφιοποιήθηκαν, ενώ από τα γνωστά υψόμετρα της περιοχής δημιουργήθηκε το υψομετρικό μοντέλο εδάφους (Digital Elevation Model DEM). 73

75 Εικόνα 3.18: Υψομετρικό μοντέλο εδάφους (DEM), (Esra et al., 2004) Οι δορυφορικές εικόνες διορθώθηκαν για να εξαλειφτούν οι επιδράσεις της ατμόσφαιρας και του αναγλύφου της περιοχής. Κατόπιν, τα δεδομένα αυτά γεωαναφέρθηκαν με τη βοήθεια των διορθωμένων δεδομένων SPOT, σύμφωνα με το Ευρωπαϊκό Datum (ED50) και το προβολικό σύστημα UTM, προκείμενου να συνδυαστούν και να αναλυθούν με τα υπόλοιπα δεδομένα. Οι ραδιομετρικές και γεωμετρικές διορθώσεις, καθώς και η γεω-αναφορά των εικόνων πραγματοποιήθηκαν στο λογισμικό ERDAS. Σε αυτή την μελέτη εφαρμόστηκε η καθοδηγούμενη από το χρήστη ταξινόμηση με τη μέθοδο-κανόνα της μέγιστης πιθανοφάνειας (Lillesand Kieffer, 2000). Προκειμένου να επιτευχθούν αποτελεσματικά και ακριβέστερα συμπεράσματα, διαμορφώθηκαν μαθηματικές πράξεις στο λογισμικό του GIS. Τα δεδομένα εισόδου για τους παράγοντες που επηρεάζουν τις δασικές πυρκαγιές, δείχνουν τους συντελεστές βαρύτητας του κινδύνου πυρκαγιάς σε μια περιοχή. 74