ΜΕΤΑΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΜΕ ΘΕΜΑ: Υπερφασματική Εικόνα Hyperion: Ατμοσφαιρική Διόρθωση, Μείωση Θορύβου, Εξαγωγή Πληροφορίας

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "ΜΕΤΑΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΜΕ ΘΕΜΑ: Υπερφασματική Εικόνα Hyperion: Ατμοσφαιρική Διόρθωση, Μείωση Θορύβου, Εξαγωγή Πληροφορίας"

Transcript

1 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙKΗΣ / ΤΜΗΜΑ ΑΓΡΟΝΟΜΩΝ ΚΑΙ ΤΟΠΟΓΡΑΦΩΝ ΜΗΧΑΝΙΚΩΝ Μ Ε Τ Α Π Τ Υ Χ Ι Α Κ Ο Π Ρ Ο Γ Ρ Α Μ Μ Α Γ Ε Ω Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ ΔΙΑΧΕΙΡΙΣΗ ΦΩΤΟΓΡΑΜΜΕΤΡΙΚΗΣ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΤΗΛΕΠΙΣΚΟΠΙΣΗΣ ΣΕ ΠΕΡΙΒΑΛΛΟΝ GIS ΜΕΤΑΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΜΕ ΘΕΜΑ: Υπερφασματική Εικόνα Hyperion: Ατμοσφαιρική Διόρθωση, Μείωση Θορύβου, Εξαγωγή Πληροφορίας ΥΠΕΥΘΥΝΗ ΚΑΘΗΓΗΤΡΙΑ: ΜΑΡΙΑ ΤΣΑΚΙΡΗ ΣΤΡΑΤΗ ΚΟΥΚΟΥΒΙΑΔΗΣ ΔΙΟΝΥΣΙΟΣ ΘΕΣΣΑΛΟΝΙΚΗ, ΙΟΥΝΙΟΣ 2009

2 Πρόλογος Η παρούσα μεταπτυχιακή εργασία εκπονήθηκε στα πλαίσια του Μεταπτυχιακού Προγράμματος «Γεωπληροφορική - Διαχείριση Φωτογραμμετρικής Παραγωγής και Τηλεπισκόπησης σε περιβάλλον Συστημάτων Γεωγραφικών Πληροφοριών», του τμήματος Αγρονόμων Τοπογράφων Μηχανικών του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης, κατά την διάρκεια του Ακαδημαϊκού Έτους Η εργασία πραγματοποιήθηκε υπό την επίβλεψη της καθηγήτριας κ. Μαρίας Τσακίρη-Στρατή, την οποία θα ήθελα να ευχαριστήσω θερμά για την πολύτιμη βοήθεια και καθοδήγηση της. 2

3 Περίληψη Περιεχόμενα 1. Εισαγωγή.... σελ Ηλεκτρομαγνητική ακτινοβολία και ατμόσφαιρα σελ Το ηλεκτρομαγνητικό φάσμα.. σελ Φασματοσκοπία Φασματομετρία απεικόνισης...σελ Φασματική Υπογραφή - Φασματικές βιβλιοθήκες......σελ Υπερφασματική Τηλεπισκόπηση...σελ Υπερφασματικοί αισθητήρες Υπερφασματικές εικόνες...σελ Εμφάνιση και όγκος υπερφασματικών δεδομένων.....σελ Πλεονασμός - Μείωση διαστάσεων υπερφασματικών δεδομένων....σελ Ο Μετασχηματισμός MNF (Minimum Noise Fraction)....σελ Ραδιομετρικά σφάλματα Ραδιομετρικές διορθώσεις...σελ Μετάθεση, κέρδος, απώλεια γραμμής, λωριδοποίηση...σελ Ατμοσφαιρικά σφάλματα..σελ Ο ρόλος του ανάγλυφου.....σελ.32 3

4 2.4.3 Ατμοσφαιρική διόρθωση.... σελ Ανάλυση υπερφασματικών εικόνων-εξαγωγή θεματικής πληροφορίας σελ Ο αλγόριθμος SAM (Spectral Angle Mapper)... σελ Ο γραμμικός φασματικός καθαρισμός... σελ Εξαγωγή Endmembers... σελ Δείκτης καθαρότητας ψηφίδων PPI....σελ Δείκτες βλάστησης σε υπερφασματικά δεδομένα..σελ Πλεονεκτήματα και εφαρμογές υπερφασματικών δεδομένων....σελ Ο δορυφόρος ΕΟ-1 και ο υπερφασματικός αισθητήρας Hyperion...σελ Ο δορυφόρος EO-1..σελ Εισαγωγή.... σελ Περιγραφή τροχιάς δορυφόρου EO-1 και επίγεια κάλυψη σελ Περιγραφή διαστημικού σκάφους..σελ Περιορισμοί στις δυνατότητες του EO-1...σελ Ο υπερφασματικός αισθητήρας Hyperion... σελ Εισαγωγή σελ Γενική επισκόπηση του αισθητήρα σελ Βαθμονόμηση του Hyperion και επιδόσεις...σελ Επίπεδα επεξεργασίας προϊόντων Hyperion...σελ Ατμοσφαιρική διόρθωση υπερφασματικών δεδομένων Hyperion...σελ Εισαγωγή Δεδομένα εφαρμογής σελ Ατμοσφαιρική διόρθωση με το λογισμικό FLAASH σελ Εισαγωγή....σελ Ο αλγόριθμος FLAASH....σελ Προϋποθέσεις δεδομένων εισαγωγής FLAASH....σελ Αναλυτικές παράμετροι εισαγωγής στο FLAASH.σελ Ατμοσφαιρική διόρθωση ολόκληρης της εικόνας Hyperion...σελ Τμηματική ατμοσφαιρική διόρθωση της εικόνας Hyperion...σελ Σύγκριση αποτελεσμάτων εφαρμογών ατμοσφαιρικής διόρθωσης..σελ Εικόνες Water Vapor και Cloud Map...σελ Εφαρμογή μετασχηματισμού MNF (Minimum Noise Fraction)...σελ.131 4

5 5. Εξαγωγή θεματικής πληροφορίας από την ατμοσφαιρικά διορθωμένη υπερφασματική εικόνα Hyperion. σελ Εισαγωγή... σελ Εξαγωγή Endmembers από την εικόνα Hyperion....σελ Εφαρμογή τεχνικής Spectral Linear Unmixing στην εικόνα Hyperion..σελ Εφαρμογή της μεθόδου SAM στην εικόνα Hyperion..σελ Υπερφασματικοί δείκτες βλάστησης στην εικόνα Hyperion σελ Συμπεράσματα...σελ.148 Βιβλιογραφία..σελ.150 Παράρτημα...σελ Εισαγωγή Ο σκοπός της συγκεκριμένης μεταπτυχιακής εργασίας είναι η ατμοσφαιρική διόρθωση μιας υπερφασματικής εικόνας Hyperion, η μείωση του θορύβου της και η εξαγωγή θεματικής πληροφορίας από αυτή. Πραγματοποιώντας αυτή την εφαρμογή και αναλύοντας τα αποτελέσματα της, τονίζεται ο σημαντικός ρόλος της διαδικασίας της ατμοσφαιρικής διόρθωσης στην προεπεξεργασία των υπερφασματικών δεδομένων. Για να μπορέσει οποιοσδήποτε χρήστης να φτάσει στην επιθυμητή εξαγωγή θεματικής πληροφορίας από μια υπερφασματική εικόνα, είναι απαραίτητο αρχικά να ολοκληρώσει επιτυχώς το στάδιο της ατμοσφαιρικής της διόρθωσης. Στα πρώτα κεφάλαια της παρούσας εργασίας, παρουσιάζονται μερικά γενικά στοιχεία για την υπερφασματική τηλεπισκόπηση και τα υπερφασματικά δεδομένα. Στη συνέχεια, γίνεται μια εκτενής αναφορά για τον δορυφόρο EO-1. Ο συγκεκριμένος δορυφόρος φέρει τρία επαναστατικά όργανα καταγραφής επίγειων δεδομένων, ένα εκ των οποίων είναι ο υπερφασματικός αισθητήρας Hyperion. Ακολουθεί η λεπτομερής παρουσίαση των χαρακτηριστικών του αισθητήρα 5

6 Hyperion, από τον οποίο προέρχεται και η εικόνα που χρησιμοποιείται στην συγκεκριμένη εργασία. Στο επόμενο στάδιο της εργασίας, παρουσιάζεται η υπερφασματική εικόνα Hyperion της εφαρμογής, καθώς επίσης και το λογισμικό FLAASH το οποίο χρησιμοποιείται για την ατμοσφαιρική της διόρθωση. Στη συνέχεια, πραγματοποιείται η ατμοσφαιρική διόρθωση της εικόνας και παρουσιάζονται τα αποτελέσματα της. Αμέσως μετά, ακολουθεί η μείωση του θορύβου της ατμοσφαιρικά διορθωμένης εικόνας, με την χρήση του μετασχηματισμού Minimum Noise Fraction. Στο προτελευταίο κεφάλαιο της εργασίας επιχειρείται η εξαγωγή θεματικής πληροφορίας από την ατμοσφαιρικά διορθωμένη εικόνα. Αρχικά εξάγονται οι φασματικές οριακές ψηφίδες Endmembers με την βοήθεια της τεχνικής PPI ( Pixel Purity Index ). Στη συνέχεια εφαρμόζονται στην εικόνα η τεχνική γραμμικού φασματικού καθαρισμού Spectral Linear Unmixing, η μέθοδος SAM (Spectral Angle Mapper) και μερικοί από τους δείκτες βλάστησης υπερφασματικών εικόνων. Στο τελευταίο κεφάλαιο της εργασίας, αναφέρονται τα συμπεράσματα που προκύπτουν μετά την ολοκλήρωση της ατμοσφαιρικής διόρθωσης και την εξαγωγή θεματικής πληροφορίας από την υπερφασματική εικόνα Hyperion της εφαρμογής. 1.1 Ηλεκτρομαγνητική ακτινοβολία και ατμόσφαιρα Η επιστήμη της Τηλεπισκόπησης ασχολείται με την μέτρηση ή την παρατήρηση των γεωμετρικών και θεματικών χαρακτηριστικών των αντικειμένων του γήινου περιβάλλοντος, χωρίς την φυσική επαφή με τα αντικείμενα. Το μέσο με το οποίο μεταβιβάζονται οι πληροφορίες από τα αντικείμενα που βρίσκονται στην γήινη επιφάνεια, στα τηλεπισκοπικά συστήματα απεικόνισης τα οποία βρίσκονται πάνω σε αεροπλάνο ή σε δορυφόρο, είναι η ηλεκτρομαγνητική ακτινοβολία. Η ενέργεια η οποία καταγράφεται από τα τηλεπισκοπικά συστήματα είναι ουσιαστικά το προϊόν των αλληλεπιδράσεων της ηλεκτρομαγνητικής ακτινοβολίας με την ύλη. Όταν για παράδειγμα η τηλεπισκοπική ενέργεια ακτινοβολείται από τον ήλιο (πηγή) υπό μορφή μικρών σωματιδίων, αρχικά διαδίδεται μέσα από το κενό του διαστήματος με την ταχύτητα του φωτός. Στη συνέχεια αλληλεπιδρά με την γήινη ατμόσφαιρα, κατόπιν αλληλεπιδρά με την γήινη επιφάνεια και ξανά με την γήινη ατμόσφαιρα, μέχρι τελικά να φτάσει στον τηλεπισκοπικό αισθητήρα όπου αλληλεπιδρά με τα διάφορα οπτικά συστήματα (εικόνα 1.1). 6

7 Εικόνα 1.1 Αλληλεπιδράσεις Η/Μ ενέργειας ύλης στην ατμόσφαιρα, την περιοχή μελέτης και το τηλεπισκοπικό σύστημα (Τσακίρη-Στρατή Μ., 2007). Η αμοιβαία επίδραση της ύλης και της Η/Μ ακτινοβολίας μπορεί να έχει ως αποτέλεσμα την μεταφορά, την απορρόφηση, την εκπομπή, την ανάκλαση και την διάχυση ή σκέδαση της ακτινοβολίας (εικόνα 1.2). Εικόνα 1.2 Μεταφορά, ανάκλαση, σκέδαση, απορρόφηση, εκπομπή Η/Μ ακτινοβολίας (Τσακίρη-Στρατή Μ., 2007). 7

8 Στην εικόνα 1.1, η ακτινοβολία L T από τις διαδρομές 1, 3 και 5 περιέχει πολύτιμη πληροφορία γύρω από το αντικείμενο ενδιαφέροντος. Αντίθετα, η διαδρομή της ακτινοβολίας L P από τις διαδρομές 2 και 4 περιέχει τον ατμοσφαιρικό φωτισμό λόγω σκέδασης ή ακτινοβολίας από γειτονικές περιοχές του εδάφους και εισάγει ανεπιθύμητο ραδιομετρικό θόρυβο. Η ολική ακτινοβολία L S η οποία καταγράφεται από τους τηλεπισκοπικούς αισθητήρες, προκύπτει από το άθροισμα της μεταφερόμενης ακτινοβολίας L T και της ακτινοβολίας λόγω της ατμοσφαιρικής της διαδρομής L P (Τσακίρη-Στρατή Μ., 2007). 1.2 Το ηλεκτρομαγνητικό φάσμα Χρησιμοποιώντας την γενική συνάρτηση των κυμάτων της φυσικής, είναι δυνατόν η ηλεκτρομαγνητική ενέργεια να ταξινομηθεί σύμφωνα με την θέση της κατά μήκος μιας συνέχειας μηκών κύματος η οποία ονομάζεται ηλεκτρομαγνητικό φάσμα. Το ηλεκτρομαγνητικό φάσμα είναι η περιγραφή της Η/Μ ενέργειας που εκτείνεται σε μήκη κύματος από λίγα nm έως και μερικά km. Για την επιστήμη της τηλεπισκόπησης ιδιαίτερο ενδιαφέρον έχουν μόνο ορισμένες περιοχές του φάσματος. Οι σημαντικότερες από αυτές είναι η υπεριώδης, η ορατή και η υπέρυθρη περιοχή του φάσματος, καθώς και η περιοχή των μικροκυμάτων (ατμοσφαιρικά παράθυρα). Πίνακας 1.3 Οι κυριότερες περιοχές του ηλεκτρομαγνητικού φάσματος. Όνομα Μήκος Κύματος Ακτίνες γ <0.03 nm Ακτίνες Χ nm Υπεριώδη μm Ορατή μm Μπλε μm Πράσινη μm Κόκκινη μm Υπέρυθρη μm Εγγύς υπέρυθρη μm Βραχεία υπέρυθρη μm Μέση υπέρυθρη μm Μακρά υπέρυθρη μm Ραντάρ cm Μικροκύματα 8

9 X περιοχή C περιοχή L περιοχή Ραδιοκύματα P περιοχή cm cm cm 30 cm cm Εικόνα 1.4 Η/Μ φάσμα Ατμοσφαιρικά παράθυρα (Τσακίρη-Στρατή Μ., 2007). 1.3 Φασματοσκοπία Φασματομετρία απεικόνισης Η μελέτη της απορρόφησης και της ανάκλασης της ηλεκτρομαγνητικής ακτινοβολίας ονομάζεται φασματοσκοπία. Η χρήση των παθητικών αισθητήρων απεικόνισης για την αναγνώριση αντικειμένων ενδιαφέροντος βασίζεται στις αρχές της φασματοσκοπίας. Όργανα τα οποία χρησιμοποιούνται στην φασματοσκοπία: o Φασματοσκόπια: συσκευές με τις οποίες επιτυγχάνεται η ανάλυση του φωτός και η εξέταση του φάσματος του φωτός. o Φασματόμετρα: όργανα για την μέτρηση και την μελέτη του φάσματος των διαφόρων σωματικών ακτινοβολιών. o Φασματογράφοι: συσκευές που χρησιμοποιούνται για την μόνιμη αποτύπωση του φάσματος δέσμης φωτός σε φωτογραφική πλάκα. Τα φασματόμετρα απεικόνισης σχεδιάστηκαν για την συλλογή της ακτινοβολίας με ένα φακό και την διαίρεση της σε φασματικές περιοχές οι οποίες είτε καταγράφονται σε φιλμ, είτε μετρώνται ηλεκτρονικά. Η διαίρεση της ακτινοβολίας 9

10 γίνεται με την χρήση πρισμάτων. Λόγω της ικανότητας των φασματόμετρων να καταγράφουν την φασματική ανάκλαση και φασματική απορρόφηση μιας ψηφίδας με πολλές λεπτομέρειες, η ανάλυση των δεδομένων τους μπορεί να περιλαμβάνει μεθοδολογίες για την αναγνώριση λεπτών φασματικών χαρακτηριστικών. Οι μεθοδολογίες αυτές μπορεί είτε να χρησιμοποιούν μοντέλα που βασίζονται σε μια επιστημονική κατανόηση της φασματοσκοπικής διαδικασίας, περιλαμβάνοντας την φασματική δομή, είτε να επιτρέπουν την αναγνώριση των υλικών μέσω της σύγκρισης και ταυτοποίησης των πραγματικών φασμάτων τους, με αντίστοιχα φάσματα ηλεκτρονικών φασματικών βιβλιοθηκών. Τα φασματόμετρα απεικόνισης ονομάζονται και υπερφασματικοί σαρωτές (Τσακίρη-Στρατή Μ., 2007). 1.4 Φασματική Υπογραφή - Φασματικές Βιβλιοθήκες Η αμοιβαία επίδραση κάθε αντικειμένου με την ηλεκτρομαγνητική ακτινοβολία, έχει ως αποτέλεσμα την ανάκλαση της ακτινοβολίας από το αντικείμενο και μπορεί να ποσοτικοποιηθεί με την μέτρηση του μεγέθους της έντασης της προσπίπτουσας και της ανακλώμενης ακτινοβολίας. Μετριέται ως μια συνάρτηση του μήκους κύματος και ονομάζεται φασματική ανάκλαση. Η φασματική ανάκλαση R λ ορίζεται μαθηματικά από την παρακάτω συνάρτηση: R λ = [Ε r (λ) / Ε i (λ)] x 100, όπου : R λ η φασματική ανάκλαση που εκφράζεται σε εκατοστιαία ανάκλαση, Ε r (λ) η ενέργεια που αντανακλάται από το αντικείμενο στο μήκος κύματος λ, Ε i (λ) η ενέργεια που προσπίπτει στο αντικείμενο στο μήκος κύματος λ. Η γραφική παράσταση της φασματικής ανάκλασης από ένα αντικείμενο στα διάφορα μήκη κύματος, περιγράφεται από μία καμπύλη, που ονομάζεται καμπύλη φασματικής ανάκλασης του αντικειμένου. Η καμπύλη αυτή, επειδή είναι μοναδική για κάθε αντικείμενο, ονομάζεται και φασματική ταυτότητα ή φασματική υπογραφή του αντικειμένου. Η μοναδικότητα των φασματικών καμπυλών των αντικειμένων είναι ένα αξιόλογο και πολύ δυνατό κριτήριο για την τοποθέτηση των τηλεπισκοπικών συστημάτων στις επιθυμητές περιοχές του φάσματος σε συνδυασμό βέβαια και με τα ατμοσφαιρικά παράθυρα. Αξίζει πάντως να σημειωθεί ότι η φασματική ταυτότητα, αν και είναι μοναδική για κάθε αντικείμενο, έχει μια δυναμική που είναι συνάρτηση του χρόνου και της γεωγραφικής θέσης του αντικειμένου (Τσακίρη-Στρατή Μ., 2004). 10

11 Οι φασματικές βιβλιοθήκες είναι ουσιαστικά βάσεις δεδομένων στις οποίες περιλαμβάνονται πολυάριθμες φασματικές υπογραφές γνωστών υλικών και κατηγοριών. Οι φασματικές αυτές υπογραφές αποκτώνται με μετρήσεις της φασματικής ανάκλασης διαφόρων υλικών. Οι μετρήσεις πραγματοποιούνται στο πεδίο με την χρήση φορητού φασματόμετρου, ή εναλλακτικά στο εργαστήριο με την βοήθεια τηλεπισκοπικών εικόνων. Οι φασματικές βιβλιοθήκες χρησιμοποιούνται ως δεδομένα αναφοράς για την αναγνώριση των διαφόρων υλικών στις υπερφασματικές εικόνες. Οι περισσότερες γνωστές φασματικές βιβλιοθήκες σήμερα προέρχονται από τις Η.Π.Α. Χαρακτηριστικό παράδειγμα είναι η φασματική βιβλιοθήκη ASTER της NASA, η οποία περιέχει περίπου 2000 φασματικές υπογραφές ορυκτών, πετρωμάτων, ακάλυπτου εδάφους, βλάστησης, υλικών κατασκευασμένων από τον άνθρωπο, υδάτινων επιφανειών, χιονιού κ.α. Η συγκεκριμένη φασματική βιβλιοθήκη είναι απευθείας προσβάσιμη μέσω της ηλεκτρονικής ιστοσελίδας (Smith Randall B., 2006). Η συγκεκριμένη φασματική βιβλιοθήκη περιέχει δεδομένα από τις τρεις παρακάτω φασματικές βιβλιοθήκες: o Johns Hopkins University Spectral Library o Jet Propulsion Laboratory Spectral Library o United States Geological Survey Spectral Library Εικόνα 1.5 Φασματική υπογραφή Dry Grass από την φασματική βιβλιοθήκη ASTER 11

12 [Ιστοσελίδα 26]. Εικόνα 1.6 Φασματική υπογραφή Sea Water από την φασματική βιβλιοθήκη ASTER [Ιστοσελίδα 26]. Η πλειοψηφία των εμπορικών λογισμικών επεξεργασίας τηλεπισκοπικών εικόνων, όπως για παράδειγμα το ENVI της R.S.I. και το ERDAS Imagine της Leica Geosystems, περιλαμβάνουν δικές τους φασματικές βιβλιοθήκες. 2. Υπερφασματική Τηλεπισκόπηση 2.1 Υπερφασματικοί αισθητήρες Υπερφασματικά δεδομένα Οι οπτικοί αισθητήρες ταξινομούνται σε τρεις μεγάλες ομάδες : o Παγχρωματικοί (ένας δίαυλος, ορατή περιοχή του φάσματος). o Πολυφασματικοί (δεκάδες δίαυλοι, πολλές περιοχές του οπτικού φάσματος). o Υπερφασματικοί (εκατοντάδες δίαυλοι, πολλές και πολύ μικρές περιοχές του οπτικού φάσματος). Η συμβατική πολυφασματική τηλεπισκόπηση βασίζεται στην χρήση περιορισμένου αριθμού διαύλων με μεγάλο εύρος φασματικής περιοχής. Αντίθετα, η υπερφασματική τηλεπισκόπηση βασίζεται στην χρήση και ανάλυση εκατοντάδων 12

13 διαύλων πολύ μικρού εύρους φασματικής περιοχής. Εξαιτίας ακριβώς αυτού του πολύ μεγάλου πλήθους των διαύλων, τα δεδομένα αυτά ονομάζονται υπερφασματικά. Η υπερφασματική τηλεπισκόπηση είναι ουσιαστικά μια εφαρμογή της πρακτικής της φασματοσκοπίας για την μελέτη της ηλιακής ακτινοβολίας που ανακλάται από την γήινη επιφάνεια. Χαρακτηριστικά των υπερφασματικών συστημάτων είναι η λεπτή φασματική, χωρική και ραδιομετρική ανάλυση καθώς και η απολύτως απαραίτητη προσεκτική βαθμονόμηση (Τσακίρη-Στρατή Μ., 2007). Τα υπερφασματικά δεδομένα παρέχουν άφθονη φασματική πληροφορία, η οποία χρησιμοποιείται για την αναγνώριση και τον διαχωρισμό φασματικά παρόμοιων, αλλά μοναδικών υλικών (εικόνα 2.1). Σκοπός των υπερφασματικών συστημάτων, είναι να επιτρέψουν την διάκριση μεταξύ των αντικειμένων της γήινης επιφάνειας που διαγνωστικά έχουν χαρακτηριστικά απορρόφησης και ανάκλασης πάνω στους διαύλους πολύ στενού φάσματος, τα οποία χάνονται στους διαύλους μεγάλου εύρους φάσματος. Με τον τρόπο αυτό, παρέχεται η δυνατότητα για εξαγωγή λεπτομερέστερων και ακριβέστερων πληροφοριών, η οποία επεκτείνει σημαντικά τα όρια της παραδοσιακής τηλεπισκόπησης. Οι υπερφασματικοί σαρωτές καταγράφουν εικόνες με πολύ μικρό εύρος διαδοχικών φασματικών διαύλων στην ορατή, την εγγύς υπέρυθρη και την μέση υπέρυθρη περιοχή του φάσματος. Συνολικά, τα συστήματα αυτά (εικόνα 2.2) συλλέγουν περισσότερους από 200 διαύλους κι έτσι είναι δυνατή η κατασκευή ενός συνεχούς φάσματος ανάκλασης για κάθε ψηφίδα της εικόνας. 13

14 Εικόνα 2.1 Φασματικές υπογραφές δύο φασματικά παρόμοιων ορυκτών (πηγή υπερφασματική εικόνα AVIRIS). Στο παράδειγμα της εικόνας 2.1 παρουσιάζονται οι φασματικές υπογραφές δύο ορυκτών, όπως αυτές μετρήθηκαν από τον υπερφασματικό αισθητήρα AVIRIS της NASA. Και τα δύο ορυκτά που εξετάζονται εμφανίζουν χαρακτηριστικά απορρόφησης στα 2,2 μm. Παρόλα αυτά, το δεύτερο ορυκτό εμφανίζει μια διπλή εμβύθιση στην περιοχή απορρόφησης, ενώ το πρώτο εμφανίζει μονή εμβύθιση. Ένας πολυφασματικός αισθητήρας που μετρά όλη την φασματική περιοχή με ένα μόνο κανάλι, δεν είναι δυνατόν να παρέχει επαρκή λεπτομέρεια για να εντοπίσει αυτή την μικρή διαφοροποίηση και να διαχωρίσει τα δύο ορυκτά. Αντίθετα, υπάρχουν πολλοί υπερφασματικοί σαρωτές οι οποίοι μετρούν την συγκεκριμένη φασματική περιοχή με μεγάλο αριθμό φασματικά στενών και παρακείμενων καναλιών. Αυτοί οι υπερφασματικοί αισθητήρες, συλλέγουν αρκετή φασματική πληροφορία, έτσι ώστε να έχουν την δυνατότητα να διαχωρίσουν τα δύο αυτά παρόμοια υλικά. Ανάλογη διαδικασία με αυτή που περιγράφτηκε στο παραπάνω παράδειγμα με τα δύο ορυκτά, εφαρμόζεται και στην περίπτωση αναγνώρισης και διαχωρισμού παρόμοιων ειδών βλάστησης και καλλιέργειας, παρόμοιων καταστάσεων βλάστησης, παρόμοιων υλικών κατασκευών και άλλων πολλών φασματικά παρόμοιων υλικών (Shippert P., 2004). 14

15 Εικόνα 2.2 Το Υπερφασματικό Σύστημα Απεικόνισης (Τσακίρη-Στρατή Μ., 2007). Εικόνα 2.3 Παράδειγμα φασματικής σύγκρισης μεταξύ πολυφασματικών και υπερφασματικών δεδομένων (Τσακίρη-Στρατή Μ., 2007). Στην εικόνα 2.3 παρουσιάζεται χαρακτηριστικά το υψηλό επίπεδο λεπτομέρειας της φασματικής πληροφορίας στην περίπτωση των υπερφασματικών δεδομένων, συγκριτικά με την αντίστοιχη φασματική πληροφορία στα πολυφασματικά δεδομένα. Η φασματική διακριτότητα των υπερφασματικών δεδομένων είναι περίπου 10 nm, ενώ η αντίστοιχη των πολυφασματικών είναι περίπου 100 nm. Τα εκατοντάδες κανάλια των υπερφασματικών αισθητήρων επιτρέπουν ακόμα και την αναγνώριση περισσοτέρων του ενός υλικού σε μια ψηφίδα. Η δυνατότητα αυτή είναι ένα μοναδικό προνόμιο της υπερφασματικής τηλεπισκόπησης. 15

16 Ο σχεδιασμός των υπερφασματικών αισθητήρων διαφέρει σημαντικά από τον σχεδιασμό των συμβατικών συστημάτων. Ένας αντικειμενικός φακός συλλέγει ακτινοβολία η οποία ανακλάται ή εκπέμπεται από την εικόνα εδάφους και ένας ευθυγραμμισμένος φακός προβάλλει την ακτινοβολία σαν μια δέσμη από παράλληλες ακτίνες μέσα από ένα πλέγμα περίθλασης, το οποίο ξεχωρίζει την ακτινοβολία σε διακριτές φασματικές περιοχές. Η ενέργεια σε κάθε φασματικό δίαυλο ανιχνεύεται με μια γραμμική σειρά silicon (πυρίτιο), indium (ίνδιο) και antimonide (αντιμόνιο) (Τσακίρη-Στρατή Μ., 2007). Εικόνα 2.4 Σχεδιασμός υπερφασματικών αισθητήρων (Τσακίρη-Στρατή Μ., 2007). Τα υπερφασματικά δεδομένα απεικόνισης για μια συγκεκριμένη γεωγραφική περιοχή, μπορούν να παρασταθούν με έναν κύβο (εικόνα 2.5) Εικόνα 2.5 Εικόνα κύβος (Τσακίρη-Στρατή Μ., 2007). 16

17 Οι δύο διαστάσεις του υπερφασματικού κύβου παριστάνουν τις χωρικές συντεταγμένες θέσεις και η τρίτη διάσταση παριστάνει το μήκος κύματος (ή την περιοχή του φάσματος ή τον φασματικό δίαυλο) (Τσακίρη-Στρατή Μ., 2007). 2.2 Εμφάνιση και όγκος υπερφασματικών δεδομένων Για την έγχρωμη εμφάνιση των υπερφασματικών εικόνων, όπως συμβαίνει και στην περίπτωση των πολυφασματικών, χρησιμοποιούνται τρεις δίαυλοι. Ένας δίαυλος από την εγγύς υπέρυθρη περιοχή του φάσματος ( μm), ένας από την ερυθρά ( μm) και ένας από την πράσινη περιοχή του φάσματος ( μm). Για την εμφάνιση περισσότερης πληροφορίας, απαιτείται πολύ προσεκτική επιλογή των διαύλων. Ένας από τους πιο χρήσιμους τρόπους για να εκτιμηθεί η αρχική ποιότητα της εικόνας και για να ανιχνευθεί η πολύτιμη πληροφορία της είναι η οπτική εξέταση έγχρωμων συνθέσεων εικόνων. Εκτός όμως από την παραδοσιακή μέθοδο της επιλογής τριών διαύλων που αναφέρθηκε παραπάνω, υπάρχει και μια δεύτερη τεχνική που μπορεί να χρησιμοποιηθεί για την εμφάνιση των υπερφασματικών δεδομένων. Είναι ουσιαστικά μια εμφάνιση δύο διαστάσεων ή οποία χρησιμοποιεί την μια μόνο γεωγραφική διάσταση της εικόνας, καθώς και τη φασματική διάσταση. Έτσι μια παρουσίαση επιτρέπει μεταβολές στα φασματικά προφίλ (Τσακίρη-Στρατή Μ., 2007). Εικόνα 2.6 Αριστερά: Τομή δια μέσου της υπερφασματικής εικόνας, Κέντρο: Εμφάνιση ενός διαύλου στην γκρι κλίμακα (οριζόντια) κατά την θέση στην εικόνα (κατακόρυφα), Δεξιά: Έγχρωμη εμφάνιση (Τσακίρη-Στρατή Μ., 2007). 17

18 Όσον αφορά τον όγκο των υπερφασματικών δεδομένων, παρά το γεγονός ότι τα σημερινά διαθέσιμα υπολογιστικά συστήματα έχουν εξαιρετικά μεγάλες δυνατότητες, η αποθήκευση, μεταφορά και διαχείριση των υπερφασματικών δεδομένων αποτελούν αναμφισβήτητα αντικείμενο μελέτης. Το πλήθος των διαύλων (περισσότεροι από 200), αλλά και η υψηλή ραδιομετρική ανάλυση (10 bit ανά ψηφίδα) των υπερφασματικών εικόνων έχουν ως συνέπεια τη μεγάλη αύξηση του μεγέθους των δεδομένων συγκριτικά με τις πολυφασματικές εικόνες. Ενδεικτικά αναφέρουμε ότι ένα φασματόμετρο AVIRIS μπορεί να παράγει από μόνο του δεδομένα προς αποθήκευση, των οποίων το μέγεθος φτάνει μέχρι και τα 16 Gbyte καθημερινά (Miguel C. Agnieszka et al., 2004). Για την ταχύτερη και αποτελεσματικότερη διαχείριση των υπερφασματικών δεδομένων, έχουν αναπτυχθεί διάφορες κατάλληλες τεχνικές συμπίεσης τους. Γενικά, οι τεχνικές αυτές ταξινομούνται σε δύο κατηγορίες: o o Στις lossless τεχνικές συμπίεσης, οι οποίες εγγυώνται την ανάκτηση ενός πιστού αντιγράφου της πρωτότυπης εικόνας και μπορούν να παρέχουν περιορισμένους λόγους συμπίεσης (συνήθως της τάξης του 2:1 ή 3:1). Στις lossy τεχνικές συμπίεσης, στις οποίες η πρωτότυπη εικόνα δεν μπορεί να ανακτηθεί απόλυτα. Αντίθετα, η συμπιεσμένη εικόνα είναι μία προσέγγιση της πρωτότυπης. Οι lossy αλγόριθμοι συμπίεσης παρέχουν έναν μηχανισμό για ελεγχόμενη απώλεια πληροφορίας και διασφαλίζουν ότι η ποιότητα της ανασκευασμένης εικόνας είναι κατάλληλη για κάποια συγκεκριμένη εφαρμογή. Οι τυπικοί λόγοι συμπίεσης αυτής της κατηγορίας είναι της τάξης του 10:1 ως 20:1 (Miguel C. Agnieszka et al., 2004). Γνωρίζοντας ότι ο όγκος των δεδομένων των υπερφασματικών εικόνων είναι αρκετές φορές μεγαλύτερος (πολλαπλάσιος) του αντίστοιχου όγκου των πολυφασματικών, γεννιέται το ερώτημα αν και η πληροφορία που περιέχεται σε αυτά είναι κατά τον ίδιο συντελεστή περισσότερη. Αυτό που ισχύει γενικά, είναι ότι τα περισσότερα δεδομένα δεν προσθέτουν περισσότερο περιεχόμενο πληροφορίας σε μια ιδιαίτερη εφαρμογή, έστω κι αν βοηθούν σημαντικά στον εντοπισμό της πληροφορίας αυτής. Επομένως τα δεδομένα είναι υπεράριθμα (Τσακίρη-Στρατή Μ., 2007). 18

19 2.3 Πλεονασμός - Μείωση των διαστάσεων υπερφασματικών δεδομένων Στα τηλεπισκοπικά δεδομένα που καταγράφονται από υπερφασματικούς αισθητήρες, πολύ συχνά εμφανίζεται σημαντική επικάλυψη της περιεχόμενης πληροφορίας μεταξύ των γειτονικών διαύλων σε μια συγκεκριμένη ψηφίδα. Το φαινόμενο αυτό ονομάζεται πλεονασμός και οφείλεται στο μικρό φασματικό εύρος των διαύλων. Ένας ενδιαφέρον τρόπος εμφάνισης του φασματικού πλεονασμού, είναι η δημιουργία και οπτικοποίηση του πίνακα συσχέτισης της εικόνας (εικόνα 2.7), ο οποίος δημιουργείται με την χρήση του πίνακα συμμεταβλητότητας. Ο πίνακας συσχέτισης είναι ένα πολύ σημαντικό εργαλείο για τον εντοπισμό των συσχετίσεων μεταξύ των διαύλων. Η πληροφορία που περιέχεται σε έναν δίαυλο μπορεί να περιέχεται πλήρως ή εν μέρει και σε άλλους διαύλους των δεδομένων. Οι μεγάλες συσχετίσεις μεταξύ των διαύλων ανά δύο, συνεπάγονται μεγάλο βαθμό υπεράριθμης πληροφορίας. Η υπεράριθμη πληροφορία απομακρύνεται με την βοήθεια του μετασχηματισμού στις κύριες συνιστώσες (pca) (Τσακίρη-Στρατή Μ., 2007). Εικόνα 2.7 Μέτρηση της γραμμικής φασματικής εξάρτησης σε υπερφασματικά δεδομένα με τη χρήση α) του πίνακα συσχέτισης και β) του μερικού πίνακα συσχέτισης. Φαίνεται καθαρά ότι ισχυρή γραμμική εξάρτηση παρουσιάζεται μόνο στα γειτονικά κανάλια (Manolakis D.et al., 2005). Η διάσταση των δεδομένων είναι μία από τις σπουδαιότερες παραμέτρους στην ανάλυση των δεδομένων που καταγράφονται από τηλεπισκοπικούς αισθητήρες. Ως διάσταση, αναφέρεται το πλήθος των φασματικών διαύλων. Όσο μεγαλύτερο είναι το πλήθος των φασματικών διαύλων σε μία σειρά δεδομένων, τόσο περισσότερες είναι και οι ψηφίδες που πρέπει να αποθηκευτούν και να επεξεργαστούν στα διάφορα συστήματα ψηφιακής επεξεργασίας εικόνων. 19

20 Για τη μείωση των διαστάσεων των υπερφασματικών εικόνων, έχουν αναπτυχθεί πολλές διαφορετικές τεχνικές, κυρίως στατιστικές. Οι τεχνικές αυτές μπορεί να οδηγούν στον εντοπισμό και την διαγραφή των περιττών διαύλων ή στο μετασχηματισμό των δεδομένων με τέτοιο τρόπο ώστε να μειώνεται η διάσταση τους, αλλά ταυτόχρονα να διατηρείται και η πληροφορία που περιέχουν. Παράλληλα, με την εφαρμογή των τεχνικών αυτών, απομακρύνεται και ένα μέρος του θορύβου που συνοδεύει την χρήσιμη πληροφορία στα υπερφασματικά δεδομένα (Jensen J.R., 2005) Ο Μετασχηματισμός MNF (Minimum Noise Fraction) Ένας ιδιαίτερα σημαντικός και χρήσιμος μετασχηματισμός που χρησιμοποιείται για την μείωση των διαστάσεων των υπερφασματικών δεδομένων, αλλά και την μείωση του θορύβου στην εικόνα, είναι ο μετασχηματισμός MNF. Ο μετασχηματισμός MNF χρησιμοποιείται για: o τον προσδιορισμό των αληθινών διαστάσεων των υπερφασματικών εικόνων, o τον εντοπισμό και την απομόνωση του θορύβου, o τη μείωση των υπολογιστικών απαιτήσεων της επιπλέον επεξεργασίας των εικόνων, με τη συρρίκνωση των χρήσιμων πληροφοριών σε ένα πολύ μικρότερο σετ εικόνων (MNF εικόνες). Ο μετασχηματισμός MNF χρησιμοποιείται ως ένας προκαταρκτικός μετασχηματισμός, για να τοποθετήσει την περισσότερη από την χρήσιμη πληροφορία μέσα σε ένα μικρό αριθμό ζωνών φάσματος και να τοποθετήσει αυτές τις ζώνες σε μια σειρά από τις πιο σημαντικές στις λιγότερο σημαντικές. Ο αλγόριθμος MNF εφαρμόζει ουσιαστικά δύο διαδοχικούς μετασχηματισμούς στις κύριες συνιστώσες (μετασχηματισμοί pca, principal component analyses). Ο πρώτος μετασχηματισμός (ευθύς) οδηγεί σε δεδομένα στα οποία ο θόρυβος είναι ασυσχέτιστος από δίαυλο σε δίαυλο. Τα δεδομένα κατά τον μετασχηματισμό τους διαχωρίζονται σε δύο μέρη. Το πρώτο μέρος με μεγάλες ιδιοτιμές (Eigenvalues) και τις αντίστοιχες εικόνες που περιέχουν την χρήσιμη πληροφορία και το δεύτερο μέρος με ιδιοτιμές περίπου ίσες με την μονάδα και τις αντίστοιχες εικόνες που περιέχουν κυρίως θόρυβο. Η νέα διάσταση των δεδομένων προσδιορίζεται μέσω των τελικών ιδιοτιμών του πίνακα συμμεταβλητότητας των δεδομένων και των αντίστοιχων MNF ιδιοεικόνων. 20

21 Ο δεύτερος μετασχηματισμός (αντίστροφος), χρησιμοποιεί τις κύριες συνιστώσες του πρώτου και επαναφέρει την εικόνα στις αρχικές της διαστάσεις. Αν για τον δεύτερο μετασχηματισμό χρησιμοποιηθούν μόνο οι πρώτοι δίαυλοι MNF που προκύπτουν από τον ευθύ μετασχηματισμό (δηλαδή μόνο οι δίαυλοι MNF που περιέχουν την χρήσιμη πληροφορία) τότε ο θόρυβος απομονώνεται και η ποιότητα των αποτελεσμάτων της φασματικής επεξεργασίας βελτιώνεται (Nahry A.H.El and Altinbas U., 2006). Εικόνα 2.8 Ο μετασχηματισμός MNF (Nahry A.H.El and Altinbas U., 2006) Από την εικόνα 2.8 φαίνεται ότι οι ιδιοτιμές μικραίνουν όσο μεγαλώνει ο αριθμός του φασματικού διαύλου MNF. Ο θόρυβος απομονώνεται στους διαύλους MNF με μεγαλύτερο αριθμό. Εικόνα 2.9 MNF band 1, MNF band 20 (Nahry A.H.El and Altinbas U., 2006). 21

22 2.4 Ραδιομετρικά σφάλματα Ραδιομετρικές διορθώσεις Τα ραδιομετρικά σφάλματα αναφέρονται στην τιμή έντασης κάθε ψηφίδας και μπορεί να οφείλονται σε κατασκευαστικές ατέλειες των συστημάτων σάρωσης, μεταβίβασης, καταγραφής και αναπαραγωγής των δεδομένων εικόνων, καθώς και στην ατμόσφαιρα και στη φύση της γήινης επιφάνειας. Οποιαδήποτε κι αν είναι η αιτία των παραπάνω σφαλμάτων, το αποτέλεσμα στην εικόνα είναι ότι μπορεί να εμφανιστεί απώλεια ή τονισμός γραμμής σάρωσης ή αυξομείωση της τιμής έντασης όλων των ψηφίδων ενός ή και όλων των διαύλων. Τα σφάλματα αυτά δημιουργούν προβλήματα στην ερμηνεία των εικόνων καθώς και στην στατιστική επεξεργασία τους, η οποία βασίζεται στις τιμές των ψηφίδων. Τα ραδιομετρικά σφάλματα είναι τα παρακάτω: o Μετάθεση και κέρδος o Απώλεια γραμμής ή τμήματος γραμμής σάρωσης o Λωριδοποίηση o Ατμοσφαιρικά σφάλματα (Τσακίρη-Στρατή Μ., 2004) Μετάθεση, κέρδος, απώλεια γραμμής, λωριδοποίηση Κατά την καταγραφή της εικόνας, αν το σύστημα που μετατρέπει το αναλογικό σήμα σε ψηφιακό έχει κάποιο σφάλμα μετάθεσης ή κέρδους, τα δεδομένα υποβαθμίζονται. Η μετάθεση είναι το φαινόμενο της δημιουργίας σήματος στην έξοδο όταν δεν υπάρχει σήμα στην είσοδο. Το αποτέλεσμα είναι η αύξηση της τιμής έντασης όλων των ψηφίδων κατά την ίδια ποσότητα. Κέρδος του μετατροπέα (αναλογικό σε ψηφιακό), ονομάζεται ένας συντελεστής σήματος μεταξύ εισόδου και εξόδου, ο οποίος εκφράζει το λόγο του πλήθους των ηλεκτρονίων της εξόδου προς το πλήθος των φωτονίων της εισόδου που αντιστοιχεί σε κάθε ψηφίδα. Από πειράματα που έγιναν για την διόρθωση των σφαλμάτων αυτών στην ψηφιακή εικόνα, βρέθηκε ότι η σχέση που συνδέει την τιμή έντασης εισόδου της ψηφίδας I ij (i = γραμμή, j = στήλη) με την ένταση εξόδου I ij, τη μετάθεση O ij και το κέρδος G ij εκφράζεται από τη σχέση: I ij = O ij + G ij I ij Για την διόρθωση τους χρησιμοποιείται η παραμετρική μέθοδος και η μέθοδος με τα αθροιστικά ιστογράμματα (Τσακίρη-Στρατή Μ., 2004). 22

23 Στην περίπτωση που υπάρχει κάποιο πρόβλημα στο σύστημα του δέκτη είναι δυνατόν κάποιος ανιχνευτής να έχει προσωρινή απώλεια του σήματος ή διαφορά στην ευαισθησία του. Η προσωρινή απώλεια σήματος από κάποιον ανιχνευτή έχει ως συνέπεια την απώλεια γραμμής ή τμήματος γραμμής σάρωσης στα δεδομένα (Εικόνα 2.10). Οι μέθοδοι διόρθωσης αυτού του ραδιομετρικού σφάλματος βασίζονται στην αντικατάσταση της χαμένης γραμμής με την προηγούμενη ή την επόμενη γραμμή σάρωσης ή στην αντικατάσταση της με την μέση τιμή της προηγούμενης και της επόμενης γραμμής σάρωσης. Εικόνα 2.10 Απώλεια τμήματος γραμμής σάρωσης εικόνα πριν και μετά την διόρθωση (Τσακίρη-Στρατή Μ., 2007). Το αποτέλεσμα της μεταβολής της ευαισθησίας ενός ή περισσότερων ανιχνευτών ενός διαύλου, είναι η δημιουργία ενός φαινομένου πάνω στην εικόνα που ονομάζεται λωριδοποίηση (striping). Κατά την λωριδοποίηση μία ή και περισσότερες γραμμές σάρωσης στα δεδομένα παρουσιάζονται λαμπρότερες ή σκοτεινότερες για μεγαλύτερη ή μικρότερη τιμή έντασης της ψηφίδας (Εικόνα 2.11). Για τη διόρθωση της λωριδοποίησης χρησιμοποιείται κυρίως η μέθοδος με τα αθροιστικά ιστογράμματα των ψηφίδων (Τσακίρη-Στρατή Μ., 2004). Εικόνα 2.11 Λωριδοποίηση εικόνα πριν και μετά την διόρθωση (Gens R.,2004). 23

24 2.4.2 Ατμοσφαιρικά σφάλματα Η ηλιακή ακτινοβολία που καταγράφεται από ένα σύστημα απεικόνισης, περνά δύο φορές μέσα από την γήινη ατμόσφαιρα και κατά συνέπεια υποβαθμίζεται δύο φορές. Συγκεκριμένα, υφίσταται διάχυση και απορρόφηση. Αυτό έχει ως αποτέλεσμα την ευαισθησία των τηλεπισκοπικών συστημάτων σε ορισμένες μόνο περιοχές του φάσματος. Το προσθετικό αποτέλεσμα που καταγράφεται από τον αισθητήρα λόγω της διπλής υποβάθμισης της ακτινοβολίας από την επίδραση της ατμόσφαιρας, ονομάζεται ατμοσφαιρικό σφάλμα. Στα πολυφασματικά δεδομένα, λόγω της μικρής φασματικής διακριτότητας τους, τα ατμοσφαιρικά σφάλματα δεν γίνονται ιδιαίτερα αισθητά. Στην περίπτωση των υπερφασματικών δεδομένων ωστόσο, τα ατμοσφαιρικά σφάλματα δεν μπορούν να θεωρηθούν αμελητέα. Λόγω της πολύ μεγάλης φασματικής ανάλυσης των υπερφασματικών δεδομένων, εμφανίζονται λεπτά χαρακτηριστικά ατμοσφαιρικής απορρόφησης. Για να μην συγχέεται η ατμοσφαιρική απορρόφηση με την απορρόφηση από την γήινη επιφάνεια, είναι σημαντικό να εντοπίζεται, να ερμηνεύεται και να απομακρύνεται από τα δεδομένα. Ένα πλήρες μοντέλο για την διάχυση και την απορρόφηση της ηλιακής ακτινοβολίας από την ατμόσφαιρα είναι πολύ σύνθετο. Στην επεξεργασία των δορυφορικών εικόνων, τα υπάρχοντα μοντέλα διάχυσης και μεταβολών της φασματικής σύνθεσης του ηλιακού φωτισμού λόγω αλλαγών στη γωνία του ήλιου, είναι αρκετά ικανοποιητικά (Τσακίρη-Στρατή Μ., 2004). Η διάχυση ή σκέδαση της ηλεκτρομαγνητικής ακτινοβολίας είναι ουσιαστικά η εκτροπή της από τα αιωρούμενα σωματίδια στην ατμόσφαιρα ή από τα μεγάλα μόρια των ατμοσφαιρικών αερίων. Το ποσό της σκέδασης εξαρτάται από το μέγεθος και το πλήθος των μορίων ατμοσφαιρικών αερίων, το μήκος κύματος της ακτινοβολίας και το βάθος της ατμόσφαιρας από την οποία περνά η ενέργεια. Επειδή λόγω της σκέδασης εμφανίζεται ακτινοβολία κατευθείαν στο άνοιγμα του δέκτη, η οποία είναι έξω από το οπτικό του πεδίο, υπάρχει μια μείωση των χωρικών λεπτομερειών στην εικόνα που καταγράφεται. Επιπλέον, εξαιτίας του φαινομένου της σκεδάσεως τα φωτεινά αντικείμενα τείνουν να εμφανίζονται σκοτεινότερα και τα σκοτεινά αντικείμενα φωτεινότερα. Το αποτέλεσμα είναι η μείωση των τονικών αντιθέσεων που καταγράφονται από τον δέκτη και κατά συνέπεια ο δυσκολότερος εντοπισμός των ορίων μεταξύ των επιφανειών που εμφανίζονται στην εικόνα. 24

25 Τα βασικά είδη σκεδάσεως είναι τρία (εικόνα 2.12): o Η Rayleigh σκέδαση (σωματίδια με μικρότερη διάμετρο από το μήκος κύματος της ακτινοβολίας, όπως π.χ. μερικά μόρια αζώτου ή οξυγόνου) o Η Mie σκέδαση (σωματίδια με περίπου ίση διάμετρο με το μήκος κύματος της ακτινοβολίας, όπως π.χ. καπνός, σκόνη, υδρατμοί) o Η μη επιλεγμένη σκέδαση (σωματίδια με πολύ μεγαλύτερη διάμετρο από το μήκος κύματος της ακτινοβολίας, όπως π.χ. αερομεταφερόμενη σκόνη και υδατικά σταγονίδια. Εικόνα 2.12 Είδη σκεδάσεως (Τσακίρη-Στρατή Μ., 2007). Μια ξαφνική μεταβολή στη διεύθυνση ροής των φωτονίων έχει σαν αποτέλεσμα την αλληλεπίδραση των φωτονίων και ηλεκτρονίων των ατμοσφαιρικών μορίων και σωματιδίων. Η διάχυση εξαρτάται από το ποσό ενέργειας των φωτονίων και ηλεκτρονίων. Μεγάλης ενέργειας φωτόνια διαχέονται περισσότερο από τα φωτόνια μικρής ενέργειας. Η διάχυση των φωτονίων στο οπτικό πεδίο του δέκτη, έχει ένα προσθετικό αποτέλεσμα στην τιμή της ψηφίδας. Η μεθοδολογία διόρθωσης των δεδομένων από διάχυση βασίζεται στην εκτίμηση της τιμής έντασης της ψηφίδας λόγω διάχυσης, H. Έτσι, αν στο δίαυλο i κάποιο δείγμα ψηφίδα έχει τιμή έντασης P i = 0, ή έχει μαύρο χρώμα στην κλίμακα του γκρι, τότε σε κάθε άλλο δίαυλο j η σκέδαση H j του διαύλου j υπολογίζεται από την σχέση: H j = P j -P i = P j όπου: P j είναι η τιμή της ψηφίδας στον δίαυλο j, που είναι μηδενική στον δίαυλο i (Pi = 0) Η διορθωμένη τιμή P κάθε ψηφίδας με αρχική τιμή P j στον δίαυλο j, στα πρωτογενή παραμορφωμένα δεδομένα δίνεται από την σχέση: P = P j - H j (Τσακίρη-Στρατή Μ., 2004) 25

26 Εικόνα 2.13 Διάχυση (Haze) εικόνα πριν και μετά την διόρθωση (Τσακίρη-Στρατή Μ., 2007). Η απορρόφηση της ακτινοβολίας συμβαίνει όταν η ατμόσφαιρα εμποδίζει ή εξασθενεί έντονα την μετάδοση της ηλιακής ακτινοβολίας μέσα στα διάφορα στρώματα της. Ένα μέρος της ηλιακής ακτινοβολίας απορροφάται και μετατρέπεται σε άλλες μορφές ενέργειας. Το αποτέλεσμα της απορρόφησης είναι η μείωση της ενέργειας που προσπίπτει στη γήινη επιφάνεια και κατ επέκταση η μείωση της ακτινοβολίας που ανακλάται από αυτή. Κυρίως τρία είναι τα αέρια που ευθύνονται για την μεγάλη απορρόφηση της ηλιακής ενέργειας. Τα αέρια αυτά είναι το όζον (O 3 ), το διοξείδιο του άνθρακα (CO 2 ) και οι υδρατμοί (H 2 O) (Τσακίρη-Στρατή Μ., 2007) Εικόνα 2.14 Διάγραμμα απορρόφησης της ηλιακής ακτινοβολίας από τα διάφορα ατμοσφαιρικά αέρια (Τσακίρη-Στρατή Μ., 2007). Οι συνολικές ατμοσφαιρικές επιδράσεις της απορρόφησης και της σκέδασης στην ολική ηλιακή ακτινοβολία που καταγράφεται από το σύστημα παρουσιάζονται στην εικόνα Η συνάρτηση που περιγράφει μαθηματικά την σχέση τους είναι η παρακάτω: L total = EρT + L p (Gens R., 2004) 26

27 όπου: L total = ολική ηλιακή ακτινοβολία που καταγράφεται από το σύστημα Ε = ηλιακή ακτινοβολία που προσπίπτει στο αντικείμενο (γήινη επιφάνεια) ρ= ανάκλαση του αντικειμένου L p = επιπρόσθετη ακτινοβολία λόγω της διαδρομής στην ατμόσφαιρα Εικόνα 2.15 Ατμοσφαιρικές επιδράσεις που επηρεάζουν την μέτρηση της ανακλώμενης ηλιακής ενέργειας (Kumar U., 2006). Άλλοι σημαντικοί παράγοντες που επηρεάζουν την τιμή έντασης κάθε ψηφίδας στις εικόνες είναι η γωνία του ήλιου κατά την στιγμή της λήψης και ο ατμοσφαιρικός φωτισμός. Γωνία του ήλιου ονομάζεται η γωνία που σχηματίζεται από την διεύθυνση της ακτίνας του ήλιου και την κάθετη στο σημείο πτώσης της πάνω στην επιφάνεια της γης. Η μεταβολή της έντασης της ηλιακής φωτεινής ροής που πίπτει πάνω σε μια επιφάνεια είναι ανάλογη με το συνημίτονο της γωνίας (θ) του ήλιου (εικόνες 2.16, 2.17). Εικόνα 2.16 Η γωνία του ήλιου (Τσακίρη-Στρατή Μ., 2007). 27

28 Εικόνα 2.17 Η μεταβολή της έντασης της ηλιακής φωτεινής ροής σε σχέση με την γωνία του ήλιου (Τσακίρη-Στρατή Μ., 2007). Στη σχέση της εικόνας 2.17, N i είναι η ένταση της φωτεινής ροής που πίπτει πάνω σε μια επιφάνεια απεικόνισης Α, N in είναι η ένταση της φωτεινής ροής που πίπτει στην επιφάνεια Α 0 η οποία είναι κάθετη στη διεύθυνση του ήλιου και θ είναι η γωνία του ήλιου. Η φωτεινή ροή παίρνει τη μέγιστη τιμή της το μεσημέρι (θ=0 άρα συνθ=1). Πριν την ανατολή και μετά τη δύση του ήλιου η φωτεινή ροή είναι μηδενική (θ=100g άρα συνθ=0). Εικόνα 2.18 Η γωνία του ήλιου κατά τις 4 εποχές του έτους (Τσακίρη-Στρατή Μ., 2007). Η επίδραση του ατμοσφαιρικού φωτισμού στα δεδομένα, είναι αποτέλεσμα των τοπικών ατμοσφαιρικών καταστάσεων και της γωνίας του ήλιου. Οι διορθώσεις που εφαρμόζονται για την αντιμετώπιση των σφαλμάτων λόγω της επιρροής της γωνίας του ήλιου και του ατμοσφαιρικού φωτισμού, είναι θεμελιώδεις για τον εντοπισμό αλλαγών σε διαχρονικά δεδομένα. Οι μεθοδολογίες διόρθωσης βασίζονται κι αυτές στην ύπαρξη διαχρονικών δεδομένων (Τσακίρη-Στρατή Μ., 2004). 28

29 Ο ρόλος του ανάγλυφου Ιδιαίτερη αναφορά χρειάζεται να γίνει και στα σφάλματα που προκύπτουν εξαιτίας του ανάγλυφου της περιοχής η οποία απεικονίζεται. Το ανάγλυφο επηρεάζει σημαντικά τα δεδομένα γιατί προκαλεί διαφορετικό ατμοσφαιρικό φωτισμό στις διάφορες περιοχές της εικόνας. Κάποιες πλαγιές για παράδειγμα μπορεί να φωτίζονται περισσότερο από κάποιες άλλες. Επιπλέον, το ανάγλυφο επηρεάζει σημαντικά και το μέγεθος της ανακλώμενης ακτινοβολίας που φτάνει τελικά στον τηλεπισκοπικό αισθητήρα. Για τη διόρθωση των σφαλμάτων που προκύπτουν λόγω της τοπογραφίας της περιοχής η οποία απεικονίζεται, εφαρμόζονται διάφορες μέθοδοι. Οι πιο γνωστές από αυτές είναι η διόρθωση του συνημίτονου, η διόρθωση Minnaert και η μέθοδος ομαλοποίησης (normalization method). Στη διόρθωση του συνημίτονου θεωρείται ότι η επιφάνεια έχει Lambertian συμπεριφορά, δηλαδή ότι δίνει την ίδια ακριβώς ανάκλαση σε όλα της τα σημεία, ανεξάρτητα από την γωνία πρόσπτωσης της ακτινοβολίας. Συνεπώς, στην περίπτωση αυτή επιχειρείται η διόρθωση μόνο του διαφορετικού ατμοσφαιρικού φωτισμού που προκαλείται από την κλίση (τον προσανατολισμό) της ίδιας της επιφάνειας. Με αυτή την προϋπόθεση λοιπόν, για την διόρθωση χρησιμοποιούνται οι παρακάτω τύποι: cosi = cose cosz + sine sinz cos(a 0 -A s ) Ln(λ) = L(λ)/cosi L H = L T cosz /cosi όπου: L = ακτινοβολία Ζ = ζενίθεια ηλιακή γωνία L H = ακτινοβολία για οριζόντια επιφάνεια L T = ακτινοβολία λόγω της κεκλιμένης επιφάνειας i = γωνία πρόσπτωσης E = κλίση A 0 = ηλιακό αζιμούθιο A s = γωνία της κεκλιμένης επιφάνειας (Law K.H. and Nichol J., 2004) Παρά το γεγονός ότι η Lambertian υπόθεση είναι απλή και βολική για την διόρθωση λόγω ανάγλυφου, υπάρχει ένα ξεκάθαρο πρόβλημα στις διορθωμένες εικόνες, οι οποίες τείνουν να «υπερδιορθώνονται». Κάποιες πλαγιές που δεν έχουν πρόσωπο στον ήλιο εμφανίζονται φωτεινότερες από τις πλαγιές που έχουν πρόσωπο στον ήλιο. Για το λόγο αυτό αναπτύχθηκαν non Lambertian μέθοδοι διόρθωσης. 29

30 Μια άλλη μέθοδος που εφαρμόζεται για την απαλοιφή των σφαλμάτων λόγω ανάγλυφου είναι η διόρθωση Minnaert που περιγράφεται από την παρακάτω συνάρτηση: L n = Lcos(e) k-1 cos(i) k, όπου: L n = κανονικοποιημένη ακτινοβολία L = ακτινοβολία που μετρήθηκε στον αισθητήρα e = κλίση (από ψηφιακό μοντέλο εδάφους) i = γωνία πρόσπτωσης της ηλιακής ακτινοβολίας k = σταθερά Minnaert (εκτίμηση για κάθε εικόνα 0 < k 1) (Gens R., 2004, Law K.H. and Nichol J., 2004). Η σταθερά Minnaert k χρησιμοποιείται για να περιγράψει την τραχύτητα της επιφάνειας. Όταν η επιφάνεια έχει Lambertian συμπεριφορά τότε η σταθερά κ παίρνει την τιμή 1. Σε αντίθετη περίπτωση παίρνει πάντα μικρότερη τιμή. Συγκρίνοντας μαθηματικά αυτή την δεύτερη μέθοδο με την μέθοδο του συνημίτονου, διαπιστώνεται ότι η σταθερά Minnaert k, χρησιμοποιείται για να μειώσει την ισχύ της τοπογραφικής διόρθωσης. Με άλλα λόγια, το πρόβλημα της υπερδιόρθωσης που εμφανιζόταν στην προηγούμενη μέθοδο, αντιμετωπίζεται αποτελεσματικά. Η μέθοδος κανονικοποίησης αποτελείται από δύο στάδια. Κατά το πρώτο στάδιο υπολογίζονται τα μοντέλα σκιασμένου ανάγλυφου (Shaded Relief Models) που ανταποκρίνονται στις συνθήκες ατμοσφαιρικού φωτισμού κατά τη στιγμή της λήψης της δορυφορικής εικόνας, χρησιμοποιώντας τα δεδομένα του ψηφιακού μοντέλου εδάφους. Σε αυτό το βήμα απαιτείται η εισαγωγή του ηλιακού αζιμούθιου και υψομέτρου τα οποία είναι διαθέσιμα στα metadata της δορυφορικής εικόνας. Το εξαγόμενο μοντέλο σκιασμένου ανάγλυφου θα έχει τιμές από 0 ως 255. Μετά τη δημιουργία του μοντέλου, ακολουθεί ο μετασχηματισμός κάθε διαύλου της εικόνας για να παραχθούν τοπογραφικά κανονικοποιημένες εικόνες με την χρήση της παρακάτω εξίσωσης: δdn λij = DN λij + [ DN λij (μ k X ij )/ μ k ] C λ όπου: δdn λij = τα ομαλοποιημένα δεδομένα ακτινοβολίας για την ψηφίδα(i,j) στο δίαυλο λ DN λij = τα ανεπεξέργαστα δεδομένα για την ψηφίδα (i,j) στο δίαυλο λ μ k = η μέση τιμή για ολόκληρο το σκιασμένο μοντέλο ανάγλυφου (0,255) X ij = η βαθμονομημένη (0,255) τιμή ατμοσφαιρικού φωτισμού για την ψηφίδα (i,j) C λ = ο συντελεστής διόρθωσης για το δίαυλο λ (Law K.H. and Nichol J., 2004). 30

31 Εικόνα 2.19 a. Πρωτογενής εικόνα (IKONOS) b. Αποτέλεσμα της διόρθωσης του συνημίτονου c. Αποτέλεσμα της διόρθωσης Minnaert d. Αποτέλεσμα της ομαλοποίησης σε δύο στάδια (Law K.H. and Nichol J., 2004). Το οπτικό αποτέλεσμα είναι πιο εντυπωσιακό στην εγγύς υπέρυθρη περιοχή από ότι στην ορατή περιοχή. Στην εικόνα 2.19 γίνεται μια οπτική σύγκριση των αποτελεσμάτων τα οποία έχουν προκύψει μετά την τοπογραφική διόρθωση αρχικής ψευδοχρωματικής εικόνας (α) με τις τρεις μεθόδους που περιγράφτηκαν. Στην εικόνα (b) διακρίνεται με ευκολία το πρόβλημα της υπερδιόρθωσης. Η διορθωμένη εικόνα είναι πολύ φωτεινή σε όλες τις περιοχές της. Το πιο ικανοποιητικό αποτέλεσμα οπτικά, προέρχεται από την εικόνα που διορθώθηκε με την μέθοδο Minnaert (c). Η φωτεινότητα στις περιοχές που έχουν πρόσωπο στον ήλιο, αλλά και στις περιοχές που δεν έχουν, φαίνεται να είναι παρόμοια. Ωστόσο, τα σημεία στα οποία η γωνία πρόσπτωσης είναι μεγαλύτερη από 90 μοίρες, δεν διορθώνονται. Στην εικόνα (d) εμφανίζεται λιγότερη βελτίωση στη φωτεινότητα σε σύγκριση με την εικόνα (c). Συνεπώς, η διόρθωση με τη μέθοδο Minnaert φαίνεται να είναι η καταλληλότερη (Law K.H. and Nichol J., 2004). 31

32 2.4.3 Ατμοσφαιρική διόρθωση Η ηλιακή ακτινοβολία η οποία καταγράφεται από ένα σύστημα απεικόνισης, περνά δύο φορές μέσα από την ατμόσφαιρα, με συνέπεια να υποβαθμίζεται δύο φορές. Ο σκοπός της ατμοσφαιρικής διόρθωσης είναι η απαλοιφή της απορρόφησης και της σκέδασης, ώστε να επιτραπεί η μετατροπή της ακτινοβολίας που καταγράφεται από τον αισθητήρα, σε ανακλώμενη ακτινοβολία στο έδαφος. Οι μέθοδοι ατμοσφαιρικής διόρθωσης διακρίνονται σε σχετικές και απόλυτες. Οι απόλυτες μέθοδοι διόρθωσης επιχειρούν να υπολογίσουν τις ατμοσφαιρικές συνθήκες που επικρατούσαν κατά την στιγμή της λήψης των εικόνων, χρησιμοποιώντας τον χρόνο λήψης των δεδομένων, το γεωγραφικό μήκος και πλάτος της περιοχής η οποία απεικονίζεται. Με αυτό τον τρόπο επιχειρείται η μετατροπή των τιμών που καταγράφηκαν στην εικόνα σε τιμές ανάκλασης από το έδαφος. Πολλές φορές είναι δυνατόν να χρησιμοποιηθούν και δεδομένα πεδίου από την περιοχή που απεικονίζεται. Οι σχετικές μέθοδοι ατμοσφαιρικής διόρθωσης χρησιμοποιούν εικόνες της ίδιας περιοχής που έχουν ληφθεί από διαφορετικούς διαύλους, ή από διαφορετική γωνία λήψης. Μπορεί ακόμα και να χρησιμοποιηθούν εικόνες της ίδιας περιοχής που έχουν ληφθεί σε διαφορετικές ημερομηνίες. Με αυτό τον τρόπο γίνεται προσπάθεια για την απόκτηση των απαραίτητων πληροφοριών που θα χρησιμοποιηθούν για την ατμοσφαιρική διόρθωση. Οι προσεγγίσεις στην ατμοσφαιρική διόρθωση ταξινομούνται γενικά σε δύο κατηγορίες. Στις προσεγγίσεις ατμοσφαιρικής μοντελοποίησης και στις προσεγγίσεις εμπειρικής μοντελοποίησης (Τσακίρη-Στρατή Μ., 2007). Στις προσεγγίσεις ατμοσφαιρικής μοντελοποίησης επιχειρείται η ποσοτικοποίηση της ακριβούς ατμοσφαιρικής σύνθεσης κατά την στιγμή της απόκτησης των δεδομένων, για τον υπολογισμό των πιθανών επιδράσεων. Τα μοντέλα ονομάστηκαν κώδικες ατμοσφαιρικής μεταφοράς και εφαρμόστηκαν με επιτυχία. Για την ατμοσφαιρική διόρθωση των δορυφορικών δεδομένων με τις προσεγγίσεις ατμοσφαιρικής μοντελοποίησης αναπτύχθηκαν διάφορα λογισμικά, εκ των οποίων τα πιο γνωστά είναι το FLAASH (Fast Line of sight Atmospheric Analysis of Spectral Hypercubes), το ATCOR (Atmospheric and Topographic Correction), το ATREM (Atmosphere Removal) και το ACORN (Atmospheric Correction Now). Το λογισμικό ατμοσφαιρικής διόρθωσης FLAASH παρουσιάζεται αναλυτικά στα επόμενα κεφάλαια. 32

33 Στις προσεγγίσεις εμπειρικής μοντελοποίησης η διαδικασία της ατμοσφαιρικής διόρθωσης βασίζεται σε επίγεια αληθινά δείγματα. Οι αλγόριθμοι αυτοί δηλαδή, βασίζονται ουσιαστικά σε ένα ή περισσότερα φασματικά σημεία ελέγχου. Ως φασματικό σημείο ελέγχου χρησιμοποιείται μια ψηφίδα (ή μια συλλογή ψηφίδων) εύκολα αναγνωρίσιμη στην εικόνα (π.χ. μια ψηφίδα βλάστησης ή μια ψηφίδα ακάλυπτου εδάφους), για την οποία ο αναλυτής διαθέτει φασματική υπογραφή χωρίς ατμοσφαιρικές επιδράσεις. Ο καλύτερος τρόπος συλλογής φασματικών σημείων ελέγχου είναι η συλλογή τους με ένα φορητό φασματόμετρο. Αν δεν υπάρχει αυτή η δυνατότητα, τότε ο αναλυτής στην περίπτωση που η ψηφίδα είναι γνωστή, μπορεί κατά προσέγγιση να επιλέξει το φάσμα από μια φασματική βιβλιοθήκη (Τσακίρη-Στρατή Μ., 2007). Τα προβλήματα που προκύπτουν στις προσεγγίσεις εμπειρικής μοντελοποίησης είναι αρκετά σημαντικά. Η χωρική διακριτότητα των υπερφασματικών δεδομένων είναι συνήθως της τάξης των μέτρων. Γίνεται εύκολα αντιληπτό ότι σε αυτή την κλίμακα είναι αρκετά δύσκολο να εντοπιστούν και να αναγνωριστούν αμιγείς ψηφίδες (unmixed pixels). Ως αμιγείς ψηφίδες αναφέρονται εκείνες οι ψηφίδες οι οποίες αντιπροσωπεύουν ένα απλό υλικό και δεν αποτελούν μείξη διαφόρων στοιχείων (π.χ. ακάλυπτο έδαφος και βλάστηση). Οι περισσότερες ψηφίδες στις εικόνες των φυσικών συστημάτων όμως είναι μη αμιγείς ψηφίδες και αποτελούνται από ένα συνδυασμό υλικών (Παρμενόπουλος Κ., 2003). Ένα επίσης σημαντικό πρόβλημα προκύπτει από το γεγονός ότι στην φύση εμφανίζεται εξαιρετικά μεγάλη ποικιλία, ακόμα και για υλικά της ίδιας κατηγορίας. Οι φασματικές υπογραφές που λαμβάνονται από τις φασματικές βιβλιοθήκες ως υπογραφές αναφοράς, αντιπροσωπεύουν μόνο ένα τύπο υλικού από μια συγκεκριμένη γεωγραφική θέση και για μια συγκεκριμένη εποχή του χρόνου. Το γεγονός αυτό περιορίζει σημαντικά την καταλληλότητα των φασματικών βιβλιοθηκών στην ατμοσφαιρική διόρθωση. Για την ατμοσφαιρική διόρθωση των δορυφορικών δεδομένων με τις προσεγγίσεις εμπειρικής μοντελοποίησης, αναπτύχθηκαν διάφοροι αλγόριθμοι. Οι πιο γνωστοί από αυτούς τους είναι ο Empirical Line, ο Flat Field, ο Modified Flat Field και ο IARR( Internal Average Relative Reflectance). 33

34 Ο αλγόριθμος Empirical Line βασίζεται στην επιλογή δύο τουλάχιστον περιοχών της εικόνας, οι οποίες ανήκουν σε διαφορετική κατηγορία (π.χ. βλάστηση, ακάλυπτο έδαφος, δομημένη περιοχή) και των οποίων το φάσμα είναι γνωστό και διαθέσιμο από κάποια φασματική βιβλιοθήκη ή από μετρήσεις πεδίου. Συνήθως επιλέγεται μια σκοτεινή και μια φωτεινή περιοχή. Με την εφαρμογή του αλγορίθμου, αντιστοιχίζεται ο μέσος όρος των φασμάτων των ψηφίδων κάθε επιλεγμένης περιοχής με τα αντίστοιχα φάσματα των βιβλιοθηκών. Στη συνέχεια, μέσω μιας γραμμικής παλινδρόμησης, προσαρμόζονται οι τιμές των αρχικών δεδομένων της εικόνας στις τιμές ανάκλασης στο έδαφος, με βάση τα φάσματα αναφοράς που χρησιμοποιήθηκαν. Εικόνα 2.20 Ο αλγόριθμος Empirical Line (Gens R., 2004). Στην εικόνα 2.20 παρουσιάζεται σχηματικά η μέθοδος Empirical Line. Για τον υπολογισμό της ανακλώμενης ακτινοβολίας στην επιφάνειας του εδάφους χρησιμοποιείται η παρακάτω σχέση: R = s (L-a), όπου: R: η ανακλώμενη ακτινοβολία στο έδαφος s: κλίση = cos(α) L: ακτινοβολία που καταγράφεται από τον αισθητήρα a: ακτινοβολία της ατμόσφαιρας 34

35 Ο αλγόριθμος Flat Field βασίζεται στην επιλογή μιας φασματικά ενιαίας περιοχής της εικόνας. Πρακτικά ο εντοπισμός και η επιλογή μιας τέτοιας περιοχής είναι αρκετά δύσκολος και σε μερικές εικόνες αδύνατος. Αρχικά υπολογίζεται ο μέσος όρος των φασμάτων από τις ψηφίδες της επιλεγμένης περιοχής και στη συνέχεια το φάσμα κάθε ψηφίδας διαιρείται με τον φασματικό μέσο όρο που έχει υπολογιστεί για να προκύψει η ανάκλαση στο έδαφος. Η εφαρμογή του αλγορίθμου Modified Flat Field, ο οποίος είναι μια παραλλαγή του πρώτου, προϋποθέτει απλά να είναι γνωστή η κατηγορία της περιοχής που επιλέγεται και να είναι διαθέσιμη η φασματική της υπογραφή σε μια φασματική βιβλιοθήκη. Στη συνέχεια γίνεται αντιστοίχηση μεταξύ των δύο (ENVI User s Guide, 2006). Ο αλγόριθμος IARR (Internal Average Relative Reflection) εφαρμόζεται αποτελεσματικά σε περιπτώσεις όπου δεν υπάρχει καμία πληροφορία σχετική με τα αντικείμενα της επιφάνειας που απεικονίζεται και δεν υπάρχουν επίγειες φασματικές μετρήσεις. Με την εφαρμογή του αλγορίθμου αυτού υπολογίζεται ο μέσος όρος των φασμάτων των ψηφίδων όλης της εικόνας και στη συνέχεια τα φάσμα κάθε ψηφίδας διαιρείται με τον φασματικό μέσο όρο που υπολογίστηκε. Με αυτό τον τρόπο μετατρέπονται οι αρχικές τιμές των ψηφίδων σε τιμές ανάκλασης στο έδαφος. Ο συγκεκριμένος αλγόριθμος δίνει καλύτερα αποτελέσματα σε άγονες περιοχές χωρίς βλάστηση (ENVI User s Guide, 2006). 2.5 Ανάλυση υπερφασματικών εικόνων - Εξαγωγή θεματικής πληροφορίας Μετά την απόκτηση και την προεπεξεργασία των υπερφασματικών εικόνων, η οποία περιλαμβάνει τα στάδια της βαθμονόμησης και της διόρθωσης που περιγράφονται παραπάνω, ακολουθεί η επεξεργασία και ανάλυσή τους. Το στάδιο αυτό οδηγεί στην εξαγωγή της θεματικής πληροφορίας που περιέχεται στην εικόνα. Υπάρχουν πολλές τεχνικές ανάλυσης των υπερφασματικών δεδομένων. Μερικές από αυτές είναι η επιλογή διαύλων, οι δείκτες βλάστησης, η δημιουργία φασματικών βιβλιοθηκών και ο καθαρισμός των ψηφίδων (Τσακίρη-Στρατή Μ., 2007). Δύο πολύ σημαντικοί αλγόριθμοι που χρησιμοποιούνται για τη μετατροπή των αντανακλάσεων των υπερφασματικών εικόνων σε βιοφυσικές πληροφορίες ή θεματικούς χάρτες, είναι ο αλγόριθμος SAM (Spectral Angle Mapper) και ο γραμμικός φασματικός καθαρισμός των ψηφίδων (Linear Spectral Unmixing). 35

36 2.5.1 Ο αλγόριθμος SAM (Spectral Angle Mapper) Ο αλγόριθμος SAM είναι στην ουσία μια εφαρμογή των φασματικών βιβλιοθηκών και χρησιμοποιείται για την ταξινόμηση των δορυφορικών εικόνων. Κάθε ατμοσφαιρικά διορθωμένη ψηφίδα σε n διαύλους συγκρίνεται με φάσματα αναφοράς τα οποία προέρχονται από φασματικές βιβλιοθήκες στις ίδιες n διαστάσεις. Ο αλγόριθμος SAM υπολογίζει την φασματική γωνία α μεταξύ του φάσματος αναφοράς και του φάσματος της υποψήφιας προς ταξινόμηση υπερφασματικής ψηφίδας στις n διαστάσεις (εικόνα 2.21). Στην συνέχεια ο αλγόριθμος τοποθετεί την ψηφίδα στην φασματική τάξη αναφοράς για την οποία ο αλγόριθμος υπολόγισε τη μικρότερη φασματική γωνία. Εικόνα 2.21 Η φασματική γωνία α (Τσακίρη-Στρατή Μ., 2007). Ο αλγόριθμος SAM υπολογίζει την ομοιότητα ενός άγνωστου φάσματος t με ένα γνωστό φάσμα r χρησιμοποιώντας την παρακάτω εξίσωση: όπου: n b = ο αριθμός των διαύλων της δορυφορικής εικόνας t i = το άγνωστο φάσμα της ψηφίδας r i = το φάσμα αναφοράς 36

37 Η φασματική υπογραφή της άγνωστης ψηφίδας και η φασματική υπογραφή αναφοράς συγκρίνονται μέσω της εφαπτομένης τους σε κάθε σημείο. Η γωνία α είναι ουσιαστικά η γωνία που σχηματίζεται μεταξύ των δύο αυτών εφαπτόμενων (Τσακίρη-Στρατή Μ., 2007) Ο γραμμικός φασματικός καθαρισμός Όπως αναφέρθηκε και παραπάνω, οι περισσότερες ψηφίδες στις εικόνες των φυσικών συστημάτων αποτελούνται από έναν συνδυασμό υλικών και όχι από ένα και μοναδικό υλικό. Οι ψηφίδες αυτές αναφέρονται ως ανάμικτες ή μη αμιγείς ψηφίδες (εικόνα 2.22). Εύκολα μπορεί να θεωρηθεί ότι η ανάμιξη είναι γραμμικού τύπου και μπορεί να αναπαρασταθεί από μία σχέση της μορφής: Ψηφίδα = xa + yb + zc όπου: x, y, z : κλασματικές ποσότητες με άθροισμα την μονάδα A, B, C: τρεις διαφορετικές κατηγορίες (π.χ. βλάστηση, δομημένη περιοχή, ακάλυπτο έδαφος). Εικόνα 2.22 Διάφορες περιπτώσεις μη αμιγών ψηφίδων (Kumar U., 2006) Στην εικόνα 2.23 παρουσιάζεται η θέση μιας ψηφίδας Χ η οποία περιέχει τρεις κατηγορίες υλικών. Αν μια ψηφίδα απεικονίζει μόνο την κατηγορία Α (π.χ. βλάστηση), τοποθετείται στην κορυφή Α του τριγώνου. Οποιαδήποτε ψηφίδα Χ που αντιπροσωπεύει μείξη των τριών κατηγοριών, τοποθετείται μέσα στο τρίγωνο της εικόνας. Στο παράδειγμα της εικόνας, η ψηφίδα Χ αντιπροσωπεύει κατά 10% την κατηγορία A, κατά 20% την κατηγορία B και κατά 70% την κατηγορία C. 37

38 Εικόνα 2.23 Η θέση της ψηφίδας Χ καθορίζεται από τα ποσοστά των τριών κατηγοριών υλικών που αντιπροσωπεύει (A, B, C) (ERDAS User s Guide, 2006) Ο φασματικός καθαρισμός (Spectral Unmixing or Spectral Mixture Analysis) είναι μια τεχνική επεξεργασίας υπερφασματικών εικόνων και χρησιμοποιείται για τον καθαρισμό των μη αμιγών ψηφίδων μιας εικόνας. Ο σκοπός του φασματικού καθαρισμού είναι να καθορίσει τα κλάσματα ή την αφθονία των υλικών κάθε φασματικής οριακής ψηφίδας (ψηφίδας Endmember ), ώστε να εξαχθεί η φασματική υπογραφή κάθε μη αμιγούς ψηφίδας. Οι ψηφίδες Endmembers, είναι οι ψηφίδες με σχετικά καθαρά φασματικά χαρακτηριστικά. Τα φασματικά χαρακτηριστικά που εξάγονται από τις οριακές ψηφίδες χρησιμοποιούνται για τον υπολογισμό της σχετικής αφθονίας κάθε υλικού που βρίσκεται μέσα στην περιοχή που καλύπτει η ψηφίδα. Μια φασματική οριακή ψηφίδα αντιπροσωπεύει φασματικές υπογραφές για αμιγείς καλύψεις επιφανειών. Θεωρείται ότι το φάσμα της βιβλιοθήκης αντιπροσωπεύει αμιγή υλικά. Αυτά θεωρούνται ως φάσματα αναφοράς και επομένως αν αντιπροσωπεύουν ανάμικτο φάσμα, τότε η διαδικασία του φασματικού καθαρισμού θα είναι λανθασμένη. Η διαδικασία του φασματικού καθαρισμού πραγματοποιείται με την εφαρμογή της φασματικής βιβλιοθήκης των αμιγών κατηγοριών πάνω στην εικόνα και με την εκτέλεση των κατάλληλων αλγορίθμων. Ένας τρόπος για την επιλογή αμιγών ψηφίδων είναι η χρήση ενός ρυθμιζόμενου φίλτρου υγρών κρυστάλλων (Liquid Crystal Tunable Filter) ως ένα μέσο δημιουργίας φασματικής βιβλιοθήκης. Για τη δημιουργία της φασματικής βιβλιοθήκης επιλέγονται ψηφίδες από τα χαρακτηριστικά που ενδιαφέρουν και σχεδιάζονται για την απεικόνιση φασματικών διαγραμμάτων (Παρμενόπουλος Κ., 2003). 38

39 2.5.3 Εξαγωγή Endmembers Η φασματική ανάκλαση ενός καθαρού χαρακτηριστικού ονομάζεται φάσμα αναφοράς ή φάσμα endmember. Τα endmember φάσματα εξάγονται κάτω από ιδανικές εργαστηριακές συνθήκες όπου η φασματική ανάκλαση λαμβάνεται με τη χρήση ενός φασματόμετρου το οποίο είναι εστιασμένο σε ένα μόνο χαρακτηριστικό. Όταν αυτό δεν είναι εφικτό να πραγματοποιηθεί, τα endmember φάσματα εξάγονται από το σύνολο των εικόνων χειροκίνητα. Μια πιθανή πηγή οριακών endmember φασμάτων είναι οι φασματικές βιβλιοθήκες. Ο κίνδυνος από την χρησιμοποίηση τέτοιων φασμάτων αναφοράς είναι ότι τα φάσματα αυτά είναι πάρα πολύ σπάνια και ότι έχουν αποκτηθεί κάτω από τις ίδιες συνθήκες που αποκτώνται τα φωτογραμμετρικά ή τα τηλεπισκοπικά δεδομένα. Η απόκτηση των φασμάτων αναφοράς από την ανάλυση των εικόνων θεωρείται γενικά καταλληλότερη. Για την αυτόματη εξαγωγή των οριακών φασμάτων από τηλεπισκοπικά δεδομένα έχουν αναπτυχθεί διάφορες τεχνικές. Όλοι αυτοί οι αλγόριθμοι εφαρμόστηκαν επιτυχώς σε πολλά υπερφασματικά σύνολα δεδομένων χωρίς να απαιτείται καμία εκ των προτέρων γνώση για το φάσμα που τα απαρτίζει (Kumar U., 2006) Δείκτης καθαρότητας ψηφίδων PPI (Pixel Purity Index) Ο δείκτης καθαρότητας ψηφίδων χρησιμοποιείται για τη γρήγορη ανίχνευση σχετικά αμιγών φασμάτων στην εικόνα, ώστε στη συνέχεια αυτά να χρησιμοποιηθούν ως φασματικές οριακές ψηφίδες (endmembers) στην λειτουργία του γραμμικού φασματικού καθαρισμού. Όταν τα φάσματα μιας εικόνας σχεδιάζονται σαν σημεία στο χώρο n-διαστάσεων, τα φάσματα των οριακών ψηφίδων θα πρέπει να βρίσκονται στα ακρότατα, παραπλεύρως των περιθωρίων του νέφους των δεδομένων. Ο δείκτης PPI δημιουργεί έναν μεγάλο αριθμό τυχαία προσανατολισμένων δοκιμαστικών διανυσμάτων από την αρχή του χώρου συντεταγμένων. Τα φασματικά σημεία προβάλλονται πάνω σε κάθε δοκιμαστικό διάνυσμα και φάσμα μέσα στο εύρος των ελάχιστων και μέγιστων τιμών προβολής που θεωρούνται ως οριακές. Καθώς ελέγχονται οι διευθύνσεις, η διαδικασία αθροίζει τις φορές που μια ψηφίδα της εικόνας βρέθηκε να έχει οριακές τιμές. Οι ψηφίδες με υψηλές τιμές στην εξαγόμενη ψηφιδωτή εικόνα PPI, θα πρέπει να αντιστοιχούν κυρίως στις θέσεις των ακρότατων φασμάτων στην εικόνα (Παρμενόπουλος Κ., 2003). 39

40 Εικόνα 2.24 Μια δισδιάστατη προσέγγιση για το πώς ο δείκτης PPI αναγνωρίζει πιθανά ακρότατα φάσματα στην εικόνα. (Παρμενόπουλος Κ., 2003). Στην εικόνα 2.24 παρουσιάζονται τα φάσματα μιας εικόνας, σχεδιασμένα σαν σημεία στο χώρο n-διαστάσεων. Τα φάσματα των οριακών ψηφίδων βρίσκονται στα ακρότατα (min, max) και απεικονίζονται με κόκκινο χρώμα, ενώ το υπόλοιπο νέφος δεδομένων απεικονίζεται με μπλε χρώμα. Η τιμή threshold value ορίζεται από τον χρήστη. Η επιλογή μεγαλύτερων τιμών threshold οδηγεί στην εύρεση πιο ακραίων ψηφίδων από τον δείκτη PPI (ENVI User s Guide, 2006) Δείκτες βλάστησης σε υπερφασματικά δεδομένα Οι δείκτες βλάστησης είναι κατάλληλοι μαθηματικοί συνδυασμοί μεταξύ δύο ή και περισσότερων κατάλληλων περιοχών του φάσματος και σχεδιάστηκαν για να τονίσουν και να αναδείξουν συγκεκριμένες ιδιότητες της βλάστησης. Κάθε δείκτης σχεδιάστηκε για να τονίσει μια συγκεκριμένη ιδιότητα της βλάστησης. Εικόνα 2.25 Φασματική υπογραφή ψηφίδας βλάστησης στις διάφορες περιοχές του φάσματος (ENVI User s Guide, 2006). 40

41 Το φύλλωμα των διαφόρων φυτών συχνά φαίνεται παρόμοια για έναν συνηθισμένο παρατηρητή. Παρόλα αυτά όμως, παρουσιάζει μεγάλη ποικιλία τόσο στο σχήμα του όσο και στη χημική του σύνθεση. Η χημική σύνθεση των φύλλων μπορεί εύκολα να εκτιμηθεί από κάποιον που χρησιμοποιεί ως εργαλεία του τους δείκτες βλάστησης. Αυτό όμως προϋποθέτει την γνώση των βασικών συστατικών των φύλλων και των αλλαγών που αυτά παρουσιάζουν κάτω από διαφορετικές περιβαλλοντικές συνθήκες. Τα σημαντικότερα συστατικά των φύλλων που επηρεάζουν τις φασματικές τους ιδιότητες είναι τα παρακάτω: o Χρωστικές ουσίες (pigments) o Νερό (water) o Άνθρακας (carbon) o Άζωτο (nitrogen) Τα υπόλοιπα συστατικά των φύλλων (π.χ. φώσφορος, ασβέστιο κ.α.) δεν συνεισφέρουν άμεσα στις φασματικές ιδιότητες των φύλλων και για το λόγο αυτό δεν μπορούν να υπολογιστούν άμεσα χρησιμοποιώντας τηλεπισκοπικά δεδομένα. Στα επιστημονικά συγγράμματα έχουν δημοσιευθεί περισσότεροι από 150 δείκτες βλάστησης, αλλά μόνο ένα μικρό υποσύνολο έχει ουσιώδη βιοφυσική βάση και έχει ελεγχθεί συστηματικά. Στις παραγράφους που ακολουθούν, παρουσιάζονται 25 συνολικά δείκτες βλάστησης που μπορούν να χρησιμοποιηθούν στα υπερφασματικά δεδομένα, για τον εντοπισμό της παρουσίας και της σχετικής αφθονίας των συστατικών των φύλλων (στη φασματική περιοχή nm). Οι 25 αυτοί δείκτες ομαδοποιούνται σε 7 κατηγορίες οι οποίες υπολογίζουν παρόμοια χαρακτηριστικά. Οι κατηγορίες και οι δείκτες βλάστησης κάθε κατηγορίας είναι οι παρακάτω: o Κατηγορία Broadband Greenness : Οι δείκτες βλάστησης αυτής της κατηγορίας είναι από τις απλούστερες μετρήσεις της ποσότητας της πράσινης βλάστησης. Σχεδιάστηκαν για να παρέχουν τη μέτρηση της συνολικής ποσότητας αλλά και της ποιότητας του φωτοσυνθετικού υλικού της βλάστησης, το οποίο είναι ουσιώδες και απαραίτητο για την κατανόηση της κατάστασης της βλάστησης, για οποιοδήποτε σκοπό. 41

42 Οι δείκτες αυτοί χρησιμοποιούν τις μετρήσεις ανάκλασης από την εγγύς υπέρυθρη περιοχή και την κόκκινη περιοχή του φάσματος, την οποία η χλωροφύλλη απορροφά για την αποθήκευση ενέργειας για τη φωτοσύνθεση. Επειδή τα χαρακτηριστικά της βλάστησης που μετρώνται σε αυτή την κατηγορία έχουν αρκετά μεγάλο φασματικό εύρος, πολλοί από τους δείκτες αυτής της κατηγορίας λειτουργούν αποτελεσματικά ακόμα και με δεδομένα που συλλέγονται από πολυφασματικούς αισθητήρες ευρείας ζώνης (Landsat TM, Quickbird κ.α.). Οι δείκτες βλάστησης αυτής της κατηγορίας απαιτούν λιγότερη ακρίβεια στον ορισμό των φασματικών διαύλων που χρησιμοποιούνται για τον υπολογισμό τους. Οι μαθηματικοί τύποι τους δε χρησιμοποιούν ως δείκτες συγκεκριμένους αριθμούς (για παράδειγμα ρ 680, που σημαίνει ανάκλαση στα 680 nm), αλλά τους όρους ρ NIR, ρ RED και ρ BLUE οι οποίοι υποδεικνύουν τις ευρύτερες φασματικές περιοχές των αντανακλάσεων που χρησιμοποιούνται (συνήθως πάντως επιλέγεται ρ NIR = 800 nm, ρ RED = 680 nm και ρ BLUE = 450 nm), για τον υπολογισμό των δεικτών βλάστησης. Οι δείκτες βλάστησης αυτής της κατηγορίας είναι οι παρακάτω: 1. Δείκτης NDVI (Normalized Difference Vegetation Index) NDVI = (ρ NIR ρ RED )/ (ρ NIR + ρ RED ) Ο δείκτης NDVI (κανονικοποιημένος δείκτης βλάστησης διαφοράς) είναι ένας από τους παλιότερους και πιο γνωστούς δείκτες βλάστησης. Ο συνδυασμός της κανονικοποιημένης διατύπωσης διαφοράς και της χρήσης των περιοχών υψηλότερης ανάκλασης και απορρόφησης της χλωροφύλλης, καθιστά τον δείκτη σημαντικό σε ένα πολύ μεγάλο εύρος καταστάσεων. Παρόλα αυτά, η χρήση του είναι ακατάλληλη σε καταστάσεις πυκνής βλάστησης, όταν ο δείκτης LAI (Leaf Area Index) αυξάνεται. Ο NDVI παίρνει τιμές από(-1) ως (+1). Το σύνηθες εύρος τιμών του για πράσινη βλάστηση είναι από 0,2 ως 0,8 (ENVI User s Guide, 2006). 2. Δείκτης SR (Simple Ratio Index) SR = ρ NIR / ρ RED Ο δείκτης SR είναι κι αυτός ένας από τους γνωστότερους και παλιότερους δείκτες. Στην ουσία είναι ο λόγος διασποράς πράσινων φύλλων στην εγγύς υπέρυθρη περιοχή, προς την απορρόφηση της χλωροφύλλης στην κόκκινη περιοχή. Ο δείκτης παίρνει τιμές από 0 ως και περισσότερο από 30. Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από 2 ως 8 (ENVI User s Guide, 2006). 42

43 3. Δείκτης EVI (Enhanced Vegetation Index) EVI = 2.5 (ρ NIR ρ RED ) / (ρ NIR + 6ρ RED 7.5 ρ BLUE +1) Ο δείκτης EVI αναπτύχθηκε για να ενισχύσει τον δείκτη NDVI, βελτιστοποιώντας το σήμα της βλάστησης. Ο δείκτης χρησιμοποιεί την απορρόφηση στην μπλε περιοχή για τον καλύτερο υπολογισμό των επιδράσεων του εδάφους (στο φόντο) και να μειώσει τις ατμοσφαιρικές επιρροές, συμπεριλαμβανομένης και της διάχυσης εξαιτίας των ατμοσφαιρικών αερίων. Ο δείκτης παίρνει τιμές από (-1) ως (+1). Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από 0,2 ως 0,8 (ENVI User s Guide, 2006). 4. Δείκτης ARVI (Atmospherically Resistant Vegetation Index) ARVI = [ρ NIR (2ρ RED - ρ BLUE )] /[ρ NIR + (2ρ RED - ρ BLUE )] Ο δείκτης ARVI αναπτύχθηκε για να ενισχύσει τον δείκτη NDVI για τον καλύτερο υπολογισμό των επιδράσεων της σκέδασης της ακτινοβολίας από την ατμόσφαιρα. Για να διορθώσει την ανάκλαση στην κόκκινη περιοχή από τις επιδράσεις της ατμόσφαιρας, χρησιμοποιεί την ανάκλαση στην μπλε περιοχή του φάσματος. Είναι πολύ χρήσιμος σε περιοχές με υψηλή περιεκτικότητα αερίων της ατμόσφαιρας στην ατμόσφαιρα. Ο δείκτης παίρνει τιμές από (-1) ως (+1). Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από 0,2 ως 0,8 (ENVI User s Guide, 2006). 5. Δείκτης SG (Sum Green Index) Ο δείκτης αυτός είναι ένας από τους απλούστερους δείκτες βλάστησης που χρησιμοποιούνται για τον εντοπισμό αλλαγών στην πράσινη βλάστηση. Επειδή η ακτινοβολία απορροφάται σε μεγάλο βαθμό σε αυτή την φασματική περιοχή, ο δείκτης SG είναι πολύ ευαίσθητος σε μικρές αλλαγές στο φύλλωμα της βλάστησης. Ο συγκεκριμένος δείκτης είναι η μέση τιμή ανάκλασης στο τμήμα του φάσματος από τα 500 nm ως τα 600 nm. Η τιμή του δείκτη SG κυμαίνεται από 0 ως και περισσότερο από 50 (σε μονάδες % ανάκλασης). Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από μονάδες εκατοστιαίας ανάκλασης (ENVI User s Guide, 2006). 43

44 o Κατηγορία Narrowband Greenness : Και σε αυτή την κατηγορία, περιλαμβάνονται δείκτες βλάστησης οι οποίοι σχεδιάστηκαν για να παρέχουν την μέτρηση της συνολικής ποσότητας αλλά και της ποιότητας του φωτοσυνθετικού υλικού της βλάστησης, το οποίο είναι ουσιώδες και απαραίτητο για την κατανόηση οποιασδήποτε κατάστασης της βλάστησης. Οι συγκεκριμένοι δείκτες χρησιμοποιούν μετρήσεις ανάκλασης στην κόκκινη και εγγύς υπέρυθρη περιοχή του φάσματος για να προσδιορίσουν το τμήμα red edge της καμπύλης ανάκλασης. Ο όρος red edge χρησιμοποιείται για να περιγράψει την περιοχή απότομης αλλαγής κλίσης της καμπύλης ανάκλασης της βλάστησης μεταξύ 690 nm και 740 nm, εξαιτίας της απορρόφησης της χλωροφύλλης (εικόνα 2.26). Η αλλαγή αυτή μπορεί να αντιστοιχεί σε 5%-50% ανάκλαση σε αυτή την φασματική περιοχή. Αυτό είναι ένα πλεονέκτημα των φυτών, για να αποφεύγουν την υπερθέρμανση κατά την διαδικασία της φωτοσύνθεσης [Ιστοσελίδα 19]. Εικόνα 2.26 Το τμήμα red-edge της καμπύλης φασματικής ανάκλασης της βλάστησης. Οι δείκτες βλάστησης της συγκεκριμένης κατηγορίας είναι πιο εξελιγμένοι και προσεγμένοι, σε σχέση με τους δείκτες της προηγούμενης κατηγορίας και χρησιμοποιούνται για την μέτρηση της ποσότητας της πράσινης βλάστησης. Πραγματοποιώντας μετρήσεις στενότερου εύρους στην περιοχή red edge, δίνεται η δυνατότητα στους δείκτες αυτούς να γίνονται πιο ευαίσθητοι σε μικρότερες αλλαγές στην υγεία της βλάστησης, ιδιαίτερα σε περιπτώσεις πυκνής βλάστησης. Οι δείκτες αυτής της κατηγορίας σχεδιάστηκαν για να χρησιμοποιούνται με δεδομένα υψηλής φασματικής ανάλυσης, όπως τα υπερφασματικά δεδομένα. Οι εφαρμογές των δεικτών αυτών περιλαμβάνουν την εποπτεία των δασών, την παρακολούθηση καλλιεργειών, τον εντοπισμό της καταπόνησης της βλάστησης κ.α. Οι δείκτες βλάστησης αυτής της κατηγορίας είναι οι παρακάτω: 44

45 6. Δείκτης NDVI 705 (Red Edge Normalized Difference Vegetation Index) NDVI 705 = (ρ 750 ρ 705 )/ (ρ ρ 705 ) Μια τροποποιημένη μορφή του παραδοσιακού δείκτη βλάστησης NDVI που χρησιμοποιεί μετρήσεις ανάκλασης στην περιοχή red edge. Σχεδιάστηκε για να χρησιμοποιηθεί με δεδομένα πολύ υψηλής ανάλυσης, όπως είναι αυτά που συλλέγονται από υπερφασματικούς αισθητήρες. Ο δείκτης NDVI 705 παίρνει τιμές από (-1) ως (+1). Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από 0,2 ως 0,9 (ENVI User s Guide, 2006). 7. Δείκτης msr 705 (Modified Red Edge Simple Ratio Index) msr 705 = (ρ 750 ρ 445 )/ (ρ 705 ρ 445 ) Μια τροποποιημένη μορφή του παραδοσιακού δείκτη βλάστησης SR που χρησιμοποιεί διαύλους στην περιοχή red edge και ενσωματώνει μια διόρθωση για την ανάκλαση στην μπλε περιοχή του φάσματος. Ο δείκτης παίρνει τιμές από 0 ως 30. Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από 2 ως 8(ENVI User s Guide, 2006). 8. Δείκτης mndvi 705 (Modified Red Edge Normalized Difference Vegetation Index) mndvi 705 = (ρ 750 ρ 705 )/ (ρ ρ 705 2ρ 445 ) Μια τροποποιημένη μορφή του δείκτη βλάστησης NDVI 705 που χρησιμοποιεί την μπλε περιοχή για να αντισταθμίσει την ακτινοβολία που διαχέεται. Ο δείκτης παίρνει τιμές από (-1) ως (+1). Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από 0,2 ως 0,7(ENVI User s Guide, 2006). 9. Δείκτης VOG1 (Vogelmann Red Edge Index 1) VOG1 = ρ 740 / ρ 720 Ο συγκεκριμένος δείκτης βλάστησης είναι μια μέτρηση ανάκλασης σε περιορισμένο εύρος, που είναι ευαίσθητη στις συνδυασμένες επιπτώσεις της συγκέντρωσης χλωροφύλλης στο φύλλωμα, της φυλλικής επιφάνειας και της περιεκτικότητας νερού στο φύλλωμα. Ο δείκτης παίρνει τιμές από 0 ως 20. Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από 4 ως 8 (ENVI User s Guide, 2006). 45

46 10. Δείκτης REP (Red Edge Position Index) Ο δείκτης αυτός είναι μια μέτρηση ανάκλασης σε περιορισμένο εύρος, η οποία είναι ευαίσθητη στις αλλαγές στη συγκέντρωση χλωροφύλλης. Η αυξημένη συγκέντρωση χλωροφύλλης διευρύνει το χαρακτηριστικό απορρόφησης και μετακινεί το τμήμα red edge σε μεγαλύτερα μήκη κύματος. Η θέση red edge αναφέρεται στο μήκος κύματος που αλλάζει η κλίση της καμπύλης ανάκλασης της βλάστησης μεταξύ 690 nm και 740 nm. Τα αποτελέσματα του δείκτη REP αναφέρονται ως το μήκος κύματος στο οποίο παρατηρείται η μέγιστη παράγωγη ανάκλαση για την βλάστηση στην περιοχή red-edge του φάσματος (μεταξύ 690 nm και 740 nm). Η συνηθισμένη θέση για το τμήμα red edge που προσδιορίζει ο δείκτης REP για πράσινη βλάστηση, κυμαίνεται από τα 700nm ως τα 730nm (ENVI User s Guide, 2006). o Κατηγορία Light Use Efficiency : Οι δείκτες βλάστησης αυτής της κατηγορίας σχεδιάστηκαν για να παρέχουν την μέτρηση της αποτελεσματικότητας με την οποία η βλάστηση είναι ικανή να χρησιμοποιήσει το περιστασιακό φως για την φωτοσύνθεση. Οι συγκεκριμένοι δείκτες βοηθούν τον χρήστη να εκτιμήσει το ρυθμό ανάπτυξης και παραγωγής των φυτών. Χρησιμοποιούν μετρήσεις ανάκλασης στο ορατό φάσμα για να εκμεταλλευτούν τις σχέσεις μεταξύ των διαφορετικών χρωστικών ουσιών και να αποτιμήσουν τη συνολική αποτελεσματικότητα χρήσης του φωτός από την βλάστηση. Οι εφαρμογές των δεικτών αυτής της κατηγορίας περιλαμβάνουν την παρακολούθηση της υγείας και τον εντοπισμό της φυσιολογικής καταπόνησης των φυτών, καθώς επίσης και την ανάλυση της παραγωγής και της καρποφορίας τους. Σε αυτή την κατηγορία περιλαμβάνονται οι παρακάτω δείκτες βλάστησης: 11. Δείκτης PRI (Photochemical Reflectance Index) PRI = (ρ ρ 570 ) / (ρ ρ 570 ) Ο συγκεκριμένος δείκτης είναι χρήσιμος για την εκτίμηση της απορρόφησης από τα καροτενοειδή των φύλλων (ιδιαίτερα από την χρωστική ξανθοφύλλη), την καταπόνηση των φύλλων και την πρόσληψη του διοξειδίου του άνθρακα. Ο δείκτης παίρνει τιμές από(-1) ως (+1). Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από (-0,2) ως (+0,2) (ENVI User s Guide, 2006). 46

47 12. Δείκτης SIPI (Structure Insensitive Pigment Index) SIPI = (ρ ρ 445 ) / (ρ ρ 680 ) Ο δείκτης SIPI είναι ουσιαστικά μια μέτρηση ανάκλασης σχεδιασμένη για να μεγιστοποιήσει την ευαισθησία του δείκτη του λόγου των κύριων καροτενοειδών (π.χ. καροτίνη-α και καροτίνη-β) προς την χλωροφύλλη, ενώ παράλληλα μειώνει την ευαισθησία των μεταβολών στη δομή του φυλλώματος (για παράδειγμα δείκτης φυλλικής επιφάνειας). Ο δείκτης SIPI παίρνει τιμές από 0 ως 2. Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από 0,8 ως 1,8 (ENVI User s Guide, 2006). 13. Δείκτης RG Ratio (Red Green Ratio Index) I RG = R/G Ο συγκεκριμένος δείκτης είναι ουσιαστικά ο λόγος ανάκλασης στην κόκκινη προς την ανάκλαση στην πράσινη περιοχή, που είναι ευαίσθητος στον λόγο της ανθοκυανίνης προς την χλωροφύλλη. Ο λόγος RG έχει χρησιμοποιηθεί για την εκτίμηση της διαδρομής της ανάπτυξης του φυλλώματος. Αποτελεί έναν δείκτη της παραγωγής και καταπόνησης των φύλλων και μπορεί επίσης να δείξει την ανθοφορία κάποιων φυλλωμάτων. Ο συγκεκριμένος δείκτης παίρνει τιμές από 0,1 ως και περισσότερο από 8. Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από 0,7 ως 3 (ENVI User s Guide, 2006). o Κατηγορία Canopy Nitrogen : Σε αυτή την κατηγορία παρουσιάζεται μόνο ένας δείκτης βλάστησης. Ο δείκτης βλάστησης αυτής της κατηγορίας σχεδιάστηκε για να παρέχει την μέτρηση της συγκέντρωσης αζώτου στα φυλλώματα που απεικονίζονται στα τηλεπισκοπικά δεδομένα. Το άζωτο είναι ένα σημαντικό συστατικό της χλωροφύλλης και βρίσκεται γενικά σε υψηλές συγκεντρώσεις σε βλάστηση που μεγαλώνει με γρήγορο ρυθμό. Ο μοναδικός δείκτης της κατηγορίας αυτής είναι ο παρακάτω: 14. Δείκτης NDNI (Normalized Difference Nitrogen Index) NDNI = [log (1/ρ 1510 ) log (1/ρ 1680 )] / [log (1/ρ 1510 ) + log (1/ρ 1680 )] 47

48 Ο NDNI χρησιμοποιεί μετρήσεις στην βραχεία υπέρυθρη περιοχή του φάσματος για να μετρήσει τις σχετικές ποσότητες αζώτου που περιλαμβάνονται στο φύλλωμα της βλάστησης. Η ανάκλαση στα 1510 nm καθορίζεται σε μεγάλο βαθμό από την συγκέντρωση αζώτου στα φύλλα, όπως επίσης και η συνολική βιομάζα του φυλλώματος. Η συγκέντρωση αζώτου στα φύλλα συνδυάζεται με την συνολική βιομάζα του φυλλώματος στα 1510 nm για να προβλεφτεί η συνολική περιεκτικότητα αζώτου στο φύλλωμα. Αυτό συγκρίνεται με μια ανάκλαση αναφοράς στα 1680 nm που πρέπει να περιέχει ένα παρόμοιο σήμα, εξαιτίας της βιομάζας του φυλλώματος, αλλά χωρίς την επιρροή της απορρόφησης του αζώτου. Ο δείκτης NDNI είναι πειραματικός αλλά δείχνει ισχυρή ευαισθησία στις αλλαγές των συγκεντρώσεων του αζώτου όταν το φύλλωμα είναι πράσινο (όχι γερασμένο). Ο NDNI παίρνει τιμές από 0 ως 1. Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από 0,02 ως 0,1 (ENVI User s Guide, 2006). o Κατηγορία Dry or Senescent Carbon : Σε αυτή την κατηγορία οι δείκτες βλάστησης έχουν σχεδιαστεί για να παρέχουν μια εκτίμηση της ποσότητας του άνθρακα σε ξηρές καταστάσεις λιγνίνης και κυτταρίνης. Η λιγνίνη είναι ένα φυσικό πολυμερές που βασίζεται στον άνθρακα και χρησιμοποιείται από τα φυτά ως δομικό συστατικό. Η κυτταρίνη ως επί το πλείστον χρησιμοποιείται στην κατασκευή των κυτταρικών τειχών στους ιστούς των φυτών. Τα άνυδρα μόρια άνθρακα είναι παρόντα σε μεγάλες ποσότητες σε ξύλινα υλικά και γερασμένη, νεκρή ή ανενεργή βλάστηση. Όλα αυτά τα υλικά είναι πολύ εύφλεκτα όταν ξεραίνονται. Η αύξηση αυτών των υλικών καταδεικνύει ότι η βλάστηση γερνά. Οι συγκεκριμένοι δείκτες βλάστησης χρησιμοποιούνται για ανάλυση των πιθανοτήτων πυρκαγιάς σε περιοχές με βλάστηση, στην ανάλυση των οικοσυστημάτων, στην διαχείριση βοσκότοπων, στην παρακολούθηση των καταλοίπων των καλλιεργειών και στον εντοπισμό φυτικών απορριμμάτων στην επιφάνεια. Χρησιμοποιούν μετρήσεις ανάκλασης στην βραχεία υπέρυθρη περιοχή του φάσματος για να εκμεταλλευτούν τα γνωστά χαρακτηριστικά απορρόφησης της κυτταρίνης και της λιγνίνης. Σημειώνεται ότι αυτοί οι δείκτες βλάστησης παρέχουν ύποπτα αποτελέσματα σε υγρό περιβάλλον καθώς επίσης και όταν τα ξερά υλικά επισκιάζονται από πράσινη βλάστηση. Οι δείκτες αυτής της κατηγορίας είναι οι παρακάτω: 48

49 15. Δείκτης NDLI (Normalized Difference Lignin Index) NDLI = [log (1/ρ 1754 ) - log (1/ρ 1680 )] / [log (1/ρ 1754 ) + log (1/ρ 1680 )] Ο δείκτης NDLI σχεδιάστηκε για τον εντοπισμό των σχετικών ποσοτήτων λιγνίνης που περιέχονται στο φύλλωμα της βλάστησης. Η ανάκλαση στα 1754 nm καθορίζεται σε μεγάλο βαθμό από την συγκέντρωση λιγνίνης στα φύλλα, όπως επίσης και η συνολική βιομάζα του φυλλώματος. Η συγκέντρωση λιγνίνης και η συνολική βιομάζα συνδυάζονται στα 1750 nm για να προβλέψουν την συνολική περιεκτικότητα λιγνίνης στο φύλλωμα. Ο δείκτης είναι πειραματικός και παίρνει τιμές από 0 ως 1. Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από 0,005 ως 0,05(ENVI User s Guide, 2006). 16. Δείκτης CAI (Cellulose Absorption Index) CAI = 0,5 (ρ ρ 2000 ) - ρ 2100 Ο δείκτης βλάστησης CAI εντοπίζει χαρακτηριστικά απορρόφησης εξαιτίας της κυτταρίνης μετά τα 2000 nm. Οι απορροφήσεις στο εύρος μεταξύ 2000 nm και 2200 nm είναι ευαίσθητες στην κυτταρίνη. Ο CAI καταδεικνύει εκτεθειμένες επιφάνειες που περιέχουν ξερά φυτικά υλικά. Ο δείκτης παίρνει τιμές από (-3) μέχρι περισσότερο από (+4). Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από (-2) ως (+4) (ENVI User s Guide, 2006). 17. Δείκτης PSRI (Plant Senescent Reflectance Index) PSRI = (ρ 680 ρ 500 ) / ρ 750 Ο δείκτης αυτός είναι σχεδιασμένος για να μεγιστοποιήσει την ευαισθησία του δείκτη του λόγου των κύριων καροτενοειδών (π.χ. καροτίνη-α, καροτίνη-β) προς την χλωροφύλλη. Μια ενδεχόμενη αύξηση του δείκτη PSRI καταδεικνύει αυξημένη καταπόνηση του φυλλώματος, την έναρξη της γήρανσης του φυλλώματος και το ωρίμασμα των καρπών των φυτών. Ο δείκτης PSRI παίρνει τιμές από (-1) ως (+1). Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από (-0,1) ως (+0,2) (ENVI User s Guide, 2006). o Κατηγορία Leaf Pigments : 49

50 Η συγκεκριμένη κατηγορία περιέχει δείκτες βλάστησης οι οποίοι σχεδιάστηκαν για να παρέχουν μια μέτρηση των χρωστικών ουσιών που υπάρχουν στην βλάστηση και σχετίζονται με την καταπόνηση των φύλλων. Οι χρωστικές αυτές είναι τα καροτενοειδή και οι ανθοκυανίνες και βρίσκονται σε υψηλές συγκεντρώσεις στην εξασθενημένη βλάστηση. Οι δείκτες αυτοί δεν μετρούν την χλωροφύλλη. Τα καροτενοειδή λειτουργούν σε διαδικασίες απορρόφησης του φωτός στα φυτά, όπως επίσης και στην προστασία των φυτών από τις βλαβερές συνέπειες των καταστάσεων υψηλής ακτινοβολίας. Οι ανθοκυανίνες είναι χρωστικές που διαλύονται στο νερό και βρίσκονται σε αφθονία στα νεοσχηματισμένα φύλλα αλλά και στα φύλλα που υφίστανται γήρανση. Οι δείκτες βλάστησης της παρούσας κατηγορίας χρησιμοποιούν μετρήσεις ανάκλασης στην οπτική περιοχή του φάσματος για να εκμεταλλευτούν τις υπογραφές απορρόφησης των χρωστικών που σχετίζονται με την καταπόνηση των φύλλων. Όσον αφορά τις εφαρμογές, οι δείκτες αυτής της κατηγορίας, χρησιμοποιούνται στην παρακολούθηση των καλλιεργειών, στη μελέτη οικοσυστημάτων και στην ανάλυση της καταπόνησης των φυλλωμάτων. Σε αυτή την κατηγορία περιλαμβάνονται οι παρακάτω δείκτες βλάστησης: 18. Δείκτης CRI1 (Carotenoid Reflectance Index 1) CRI1 = (1/ρ 510 ) - (1/ρ 550 ) Ο δείκτης CRI1 είναι μια μέτρηση ανάκλασης η οποία είναι ευαίσθητη στην παρουσία των καροτενοειδών στο φύλλωμα των φυτών. Οι υψηλότερες τιμές του δείκτη CRI1 δείχνουν υψηλότερη συγκέντρωση καροτενοειδών, συγκριτικά με τη χλωροφύλλη. Ο δείκτης CRI1 παίρνει τιμές από 0 ως και περισσότερο από 15. Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από 1 ως 12 (ENVI User s Guide, 2006). 19. Δείκτης CRI2 (Carotenoid Reflectance Index 2) CRI2 = (1/ρ 510 ) (1/ρ 700 ) Ο δείκτης CRI2 είναι μια τροποποιημένη μορφή του δείκτη CRI1. Παρέχει καλύτερα αποτελέσματα σε περιοχές με υψηλή συγκέντρωση καροτενοειδών. Οι υψηλότερες τιμές του δείκτη CRI2 δείχνουν υψηλότερη συγκέντρωση καροτενοειδών, σχετικά με την χλωροφύλλη. Ο δείκτης CRI2 παίρνει τιμές από 0 ως και περισσότερο από 15. Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από 1 ως 11 (ENVI User s Guide, 2006). 50

51 20. Δείκτης ARI1 (Anthocyanin Reflectance Index 1) ARI1 = (1/ρ 550 ) (1/ρ 700 ) Ο δείκτης ARI1 είναι μια μέτρηση ανάκλασης η οποία είναι ευαίσθητη στην παρουσία των ανθοκυανίνων στο φύλλωμα των φυτών. Οι αυξήσεις στην τιμή του δείκτη ARI1 δείχνουν αλλαγές στο φύλλωμα των φυτών, εξαιτίας της ανάπτυξης ή του θανάτου των φύλλων. Ο δείκτης ARI1 παίρνει τιμές από 0 ως και περισσότερο από 0,2. Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από 0,001 ως 0,1(ENVI User s Guide, 2006). 21. Δείκτης ARI2 (Anthocyanin Reflectance Index 2) ARI2 = ρ 800 [(1/ρ 550 ) (1/ρ 700 )] Ο δείκτης ARI2 είναι μια τροποποιημένη μορφή του δείκτη ARI1. Εντοπίζει υψηλότερες συγκεντρώσεις ανθοκυανίνων στην βλάστηση. Ο δείκτης ARI2 παίρνει τιμές από 0 ως και περισσότερο από 0,2. Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από 0,001 ως 0,1 (ENVI User s Guide, 2006). o Κατηγορία Canopy Water Content : Σε αυτή την τελευταία κατηγορία οι δείκτες βλάστησης σχεδιάστηκαν για να παρέχουν μια μέτρηση της συνολικής ποσότητας του νερού που περιέχεται στο φύλλωμα. Η περιεκτικότητα νερού είναι μια πολύ σημαντική ποσότητα στην βλάστησης γιατί η υψηλή περιεκτικότητα της δείχνει υγιέστερη βλάστηση που αναπτύσσεται ταχύτερα και αντιστέκεται περισσότερο σε ενδεχόμενες πυρκαγιές. Οι δείκτες βλάστησης αυτής της κατηγορίας, χρησιμοποιούν μετρήσεις ανάκλασης στην εγγύς υπέρυθρη και βραχεία υπέρυθρη περιοχή του φάσματος. Αυτό συμβαίνει για να εκμεταλλευτούν τα γνωστά χαρακτηριστικά απορρόφησης του νερού και το βάθος διείσδυσης της ακτινοβολίας στην εγγύς υπέρυθρη περιοχή, για να πραγματοποιήσουν ολοκληρωμένες μετρήσεις της ποσότητας νερού. Οι εφαρμογές αυτής της κατηγορίας περιλαμβάνουν την ανάλυση καταπόνησης φυλλώματος, την μοντελοποίηση της παραγωγικότητας, την μελέτη της φυσιολογίας των οικοσυστημάτων, την ανάλυση των κινδύνων πυρκαγιάς και την διαχείριση των γεωργικών καλλιεργειών. Σε αυτή την κατηγορία περιλαμβάνονται οι παρακάτω δείκτες βλάστησης: 51

52 22. Δείκτης WBI (Water Band Index) WBI = ρ 900 / ρ 970 Ο δείκτης WBI είναι μια μέτρηση ανάκλασης η οποία είναι ευαίσθητη στις αλλαγές στην κατάσταση του νερού στο φύλλωμα. Όσο η περιεκτικότητα του νερού αυξάνεται, αυξάνεται και η ισχύς της απορρόφησης στην περιοχή κοντά στα 970 nm, σε σχέση με την απορρόφηση στα 900 nm. Το συνηθισμένο εύρος τιμών του δείκτη WBI για πράσινη βλάστηση είναι από 0,8 ως 1,2 (ENVI User s Guide, 2006). 23. Δείκτης NDWI (Normalized Difference Water Index) NDWI = (ρ 857 ρ 1241 ) / (ρ ρ 1241 ) Ο δείκτης βλάστησης NDWI είναι ευαίσθητος στις αλλαγές στην περιεκτικότητα νερού του φυλλώματος, επειδή η ανάκλαση στα 857 και τα 1241 nm έχει παρόμοιες αλλά ελαφρώς διαφορετικές ιδιότητες στην απορρόφηση του νερού. Η διάχυση της ακτινοβολίας από το φύλλωμα της βλάστησης ενισχύει την ασθενή απορρόφηση του νερού στα 1241 nm. Ο δείκτης παίρνει τιμές από (-1) ως (+1). Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι (-0,1) ως (+ 0,4) (ENVI User s Guide, 2006). 24. Δείκτης MSI (Moisture Stress Index) MSI = ρ 1599 / ρ 819 Ο δείκτης MSI είναι μια μέτρηση ανάκλασης που είναι ευαίσθητη στην αύξηση της περιεκτικότητας του νερού στα φύλλα. Όσο η περιεκτικότητα νερού στα φύλλα αυξάνεται και η ισχύς της απορρόφησης στην περιοχή κοντά στα 1599 nm. Η απορρόφηση στα 819 nm είναι περίπου ανεπηρέαστη από της αλλαγές στην περιεκτικότητα νερού, άρα χρησιμοποιείται ως αναφορά. Οι υψηλότερες τιμές του δείκτη MSI δείχνουν μικρότερη περιεκτικότητα νερού. Ο δείκτης παίρνει τιμές από 0 ως και περισσότερο από 3. Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από 0,4 μέχρι 2 (ENVI User s Guide, 2006). 25. Δείκτης NDII (Normalized Difference Infrared Index) NDII = (ρ 819 ρ 1649 ) / (ρ ρ 1649 ) 52

53 Ο δείκτης NDII είναι μια μέτρηση ανάκλασης ευαίσθητη στις αλλαγές στην περιεκτικότητα νερού του φυλλώματος των φυτών. Χρησιμοποιεί μια κανονικοποιημένη διατύπωση διαφοράς αντί για έναν απλό λόγο και οι τιμές του αυξάνονται όσο αυξάνει η περιεκτικότητα νερού. Ο δείκτης παίρνει τιμές από (-1) ως και (+1). Το συνηθισμένο εύρος τιμών του για πράσινη βλάστηση είναι από 0,02 ως και 0,6 (ENVI User s Guide, 2006). Για κάθε σειρά δεδομένων, οι δείκτες βλάστησης που μπορούν να υπολογιστούν καθορίζονται από τους φασματικούς διαύλους που περιλαμβάνονται στα δεδομένα αυτά. Αν όλοι οι φασματικοί δίαυλοι που απαιτούνται για τον υπολογισμό ενός συγκεκριμένου δείκτη είναι διαθέσιμοι σε κάποια δεδομένα, τότε ο δείκτης αυτός είναι διαθέσιμος για τα συγκεκριμένα δεδομένα. Όλοι ανεξαιρέτως οι δείκτες βλάστησης απαιτούν υψηλής ποιότητας μετρήσεις ανάκλασης από τους πολυφασματικούς ή τους υπερφασματικούς αισθητήρες. Οι μετρήσεις σε μονάδες ακτινοβολίας οι οποίες δεν έχουν διορθωθεί ατμοσφαιρικά, είναι ακατάλληλες και αναμένεται να παρέχουν φτωχά αποτελέσματα. Κάθε κατηγορία δεικτών τυπικά παρέχει πολλαπλές τεχνικές για την εκτίμηση της παρουσίας ή της απουσίας ενός μεμονωμένου χαρακτηριστικού βλάστησης. Κάποιοι δείκτες μιας κατηγορίας είναι πιθανό να δίνουν αποτελέσματα εγκυρότερα από τους υπόλοιπους δείκτες της ίδιας κατηγορίας. Αυτό εξαρτάται από τα διαφορετικά χαρακτηριστικά της βλάστησης αλλά και από τις διαφορετικές συνθήκες που επικρατούν στο πεδίο (ENVI User s Guide, 2006). 2.6 Πλεονεκτήματα και εφαρμογές υπερφασματικών δεδομένων Μερικά από τα πλεονεκτήματα των υπερφασματικών δεδομένων τα οποία έχουν αναφερθεί και στις προηγούμενες παραγράφους, σχετίζονται άμεσα με τη λεπτή φασματική διακριτότητα που χαρακτηρίζει τα υπερφασματικά δεδομένα. Συγκεντρωτικά αναφέρονται τα σημαντικότερα: o παρέχουν πολύ φασματική πληροφορία, η οποία χρησιμοποιείται για την αναγνώριση και το διαχωρισμό των φασματικά παρόμοιων, αλλά μοναδικών υλικών. o παρέχουν τη δυνατότητα εξαγωγής ακριβέστερων και λεπτομερέστερων πληροφοριών για τις επιφάνειες που απεικονίζονται (συγκριτικά με τα πολυφασματικά δεδομένα). 53

54 o o ο μεγάλος αριθμός των διαύλων (περισσότεροι από 200) καθιστά δυνατή την κατασκευή ενός συνεχούς φάσματος ανάκλασης για κάθε ψηφίδα της εικόνας. οι εκατοντάδες δίαυλοι των υπερφασματικών αισθητήρων επιτρέπουν ακόμα και την αναγνώριση περισσοτέρων του ενός υλικού σε μια ψηφίδα. Οι υπερφασματικές εικόνες χρησιμοποιούνται σε πολυάριθμες διαφορετικές εφαρμογές. Μερικές από τις πιο σημαντικές είναι οι παρακάτω: o εντοπισμός και αναγνώριση στρατιωτικών στόχων o εντοπισμός και χαρτογράφηση ορυκτών υλικών o εντοπισμός και εξάλειψη ζιζανίων στη βλάστηση o εντοπισμός παράνομων καλλιεργειών o παρακολούθηση οικοσυστημάτων για την πρόληψη επικίνδυνων καταστάσεων o περιβαλλοντικές εφαρμογές με αντικείμενο το νερό (ποιότητα νερού, χαρακτηριστικά ροής ποταμών κ.α.) (Παρμενόπουλος Κ., 2003) 54

55 3. O δορυφόρος EO-1 και ο υπερφασματικός αισθητήρας Hyperion 3.1 Ο δορυφόρος EO Εισαγωγή Ο δορυφόρος EO-1 (Earth Observing-1, εικόνα 3.1) ανήκει στη NASA και εκτοξεύτηκε στις 21 Νοεμβρίου του 2000 από την βάση Vandenberg των Η.Π.Α., ως τμήμα μιας μονοετούς αποστολής αξιολόγησης και επίδειξης νέων τεχνολογιών. Η αρχική αποστολή του δορυφόρου ολοκληρώθηκε με επιτυχία στις 20 Νοεμβρίου του Στη συνέχεια η NASA, σε συνεργασία με το κέντρο γεωλογικών ερευνών των Η.Π.Α (USGS), αποφάσισε την συνέχιση της αποστολής του δορυφόρου, κυρίως λόγω του γεγονότος ότι παρουσιάστηκε εξαιρετικά μεγάλο ενδιαφέρον για τα προϊόντα του από πολυάριθμους χρήστες [Ιστοσελίδα 21]. Εικόνα 3.1.Ο δορυφόρος EO-1 (Earth Observing-1). Ο συγκεκριμένος light δορυφόρος φέρει τρία επαναστατικά όργανα καταγραφής επίγειων δεδομένων τα οποία συλλέγουν πολυφασματικές και υπερφασματικές εικόνες απόλυτα συσχετισμένες με τα δεδομένα του Landsat-7. Οι τρεις αισθητήρες καταγραφής δεδομένων είναι ο ALI (Advanced Land Imager), ο Hyperion και ο LAC [Linear Etalon Imaging Spectrometer Array (LEISA) AC(Atmospheric Corrector)]. 55

56 Ο πρωταρχικός στόχος του αισθητήρα ALI ήταν να αξιολογήσει και να ελέγξει τις νέες τεχνολογίες οι οποίες θα μπορούσαν να μειώσουν το κόστος άλλα και να βελτιώσουν σημαντικά την απόδοση των μελλοντικών αποστολών Landsat. Όσον αφορά τον υπερφασματικό αισθητήρα Hyperion, ο στόχος του ήταν να παρέχει μια νέα γενιά επίγειων υπερφασματικών δεδομένων παρατήρησης, ώστε να βελτιώσει την απεικόνιση των χαρακτηριστικών της γήινης επιφάνειας. Παράλληλα, ο Hyperion υποστήριζε την αξιολόγηση των δύο άλλων αισθητήρων του EO-1 και προσέφερε την δυνατότητα για συγκρίσεις με τα δεδομένα του Landsat-7 ETM+. Τέλος, ο στόχος του αισθητήρα LAC ήταν η πρώτη δοκιμή και αξιολόγηση ενός on board ατμοσφαιρικού διορθωτή, ο οποίος θα συντελούσε στην βελτιστοποίηση της ακρίβειας των εκτιμήσεων των σφαλμάτων στις εικόνες, λόγω απορρόφησης και διάχυσης της ακτινοβολίας από τα διάφορα σωματίδια της ατμόσφαιρας. Η παράταση της αποστολής του δορυφόρου EO-1, η οποία ξεκίνησε το 2001 και συνεχίζεται μέχρι και σήμερα, παρά το γεγονός ότι χαρακτηρίζεται από κάποιους περιορισμούς σε σχέση με την πρώτη αποστολή, παρέχει εξίσου μοναδικές και πολύτιμες δυνατότητες. Το διαστημικό σκάφος αποκτά τρεις φορές εικόνες μιας περιοχής μελέτης μέσα σε διάστημα 16 ημερών. Ο Hyperion είναι ο πρώτος εμπορικός υπερφασματικός αισθητήρας, που προσφέρει δεδομένα σχετικά χαμηλού κόστους αλλά και συχνή χρονική κάλυψη, συγκριτικά με άλλους αερομεταφερόμενους αισθητήρες. Επιπλέον, ο ALI παρουσιάζει ενισχυμένη φασματική κάλυψη αλλά και μεγάλη χωρική ανάλυση στον παγχρωματικό δίαυλο [Ιστοσελίδα 21] Περιγραφή τροχιάς δορυφόρου EO-1 και επίγεια κάλυψη Ο δορυφόρος EO-1 ακολουθεί μια κυκλική, επαναληπτική, ηλιοσύγχρονη, σχεδόν πολική τροχιά σε υψόμετρο 705 km στον Ισημερινό. Το διαστημικό σκάφος ταξιδεύει από βορρά προς νότο περνώντας πάνω από τον Ισημερινό περίπου στις 10:00 10:15 πμ. Ο δορυφόρος ταξιδεύει γύρω από τη γη με ταχύτητα 7,5 km/sec με κλίση τροχιάς 98,2 βαθμούς και μια τροχιακή περίοδο 98,9 λεπτών. Κάθε τροχιά διαρκεί περίπου 99 λεπτά και η ταχύτητα του κατώτατου σημείου του δορυφόρου είναι ίση με 6,74 km/sec. Ο EO-1 ολοκληρώνει περίπου 14 τροχιές την ημέρα, με κύκλο επανεπίσκεψης 16 ημερών. 56

57 Ο δορυφόρος EO-1 ακολουθεί την ίδια τροχιά με τον δορυφόρο Landsat-7 (εικόνες 3.2, 3.3) υστερώντας κατά 1 περίπου λεπτό (±5 δευτερόλεπτα). Το γεγονός αυτό είναι πάρα πολύ σημαντικό γιατί επιτρέπει την σύγκριση της απόδοσης των οργάνων των δύο δορυφόρων. Επειδή ο EO-1 είναι πολύ μικρότερος και ελαφρύτερος από τον Landsat-7, χρειάζονται πολλές περιοδικές επεμβάσεις στην τροχιά του, για να διατηρείται αυτή η απόσταση μεταξύ τους. Εικόνα 3.2 Η τροχιά του δορυφόρου EO-1 σε σχέση με την τροχιά του Landsat-7 Εικόνα 3.3 Σχηματικό διάγραμμα της τροχιάς του EO-1. 57

58 Η τροχιά του δορυφόρου EO-1 ακολουθεί το παγκόσμιο σύστημα αναφοράς WRS-2 (όπως και ο Landsat-7). Οι συντεταγμένες path του συστήματος αναφέρονται στην τροχιά του δορυφόρου, ενώ οι συντεταγμένες row αναφέρονται στο κέντρο των επίγειων εικόνων οι οποίες καταγράφονται από τους αισθητήρες (εικόνα 3.4). Εικόνα 3.4 Το παγκόσμιο σύστημα αναφοράς WGS-2. 58

59 Εκτός από τις περιοχές που περιλαμβάνονται μέσα στην τρέχουσα διαδρομή του δορυφόρου (διαδρομή ναδίρ), οι αισθητήρες του EO-1 έχουν την δυνατότητα να σκοπεύουν και πλάγια, επιτρέποντας την απόκτηση εικόνων από περιοχές ενδιαφέροντος οι οποίες δεν καλύπτονται κατά την τρέχουσα διαδρομή του δορυφόρου. Ουσιαστικά δηλαδή, τόσο για τον ALI, όσο και για τον Hyperion υπάρχει η δυνατότητα για προγραμματισμό λήψεων σε τρεις διαφορετικές διαδρομές του EO-1. Οι διαδρομές αυτές είναι: o η διαδρομή ναδίρ (κατακόρυφο πέρασμα, μία φορά κάθε 16 μέρες). o η δυτική διαδρομή (ο δορυφόρος στοχεύει ανατολικά, 7 μέρες μετά το πέρασμα στη διαδρομής ναδίρ). o η ανατολική διαδρομή (ο δορυφόρος στοχεύει δυτικά, 9 μέρες μετά το πέρασμα στη διαδρομή ναδίρ). Εικόνα 3.5 Παράδειγμα των δυνατοτήτων απόκτησης εικόνων με τους αισθητήρες ALI και Hyperion, για έναν συγκεκριμένο στόχο (path 31) Το πλάτος της περιοχής που απεικονίζεται σε κάθε εικόνα που έχει αποκτηθεί από τον αισθητήρα ALI είναι ίσο με 37 km, ενώ αντίστοιχα για τις εικόνες του αισθητήρα Hyperion είναι ίσο με 7,7 km. Το μήκος κάθε εικόνας από τον αισθητήρα ALI αλλά και από τον αισθητήρα Hyperion είναι ίσο με 42 km ή ίσο με 185 km, ανάλογα με τις διαστάσεις οι οποίες έχουν καθοριστεί κατά τον προγραμματισμό. Μία κανονικού μεγέθους εικόνα (μήκους 42 km) από τον αισθητήρα ALI ή τον αισθητήρα Hyperion απαιτεί περίπου 6 δευτερόλεπτα συλλογής δεδομένων, ενώ αντίστοιχα μια μεγάλη εικόνα (μήκους 185 km) απαιτεί χρόνο 25 δευτερολέπτων. 59

60 Στην εικόνα 3.6. που ακολουθεί, παρουσιάζεται το ίχνος του αισθητήρα Landsat -7 στην επιφάνεια της γης, συγκριτικά με ένα ζεύγος κανονικών αλλά και μεγάλων εικόνων από τους αισθητήρες ALI και Hyperion του δορυφόρου EO-1. Η συνολική γεωγραφική κάλυψη για οποιαδήποτε εικόνα του EO-1, θα είναι σημαντικά μικρότερη από την αντίστοιχη εικόνα του Landsat -7 [Ιστοσελίδα 21]. Εικόνα 3.6 Σχηματική απεικόνιση του μεγέθους του επίγειου ίχνους των αισθητήρων ALI και Hyperion συγκριτικά με τον Landsat Περιγραφή διαστημικού σκάφους Το σκάφος του δορυφόρου EO-1 (εικόνα 3.7) είναι κατασκευασμένο από αλουμίνιο και το συνολικό του βάρος είναι ίσο με 370 kg. Το επιπλέον ωφέλιμο φορτίο που μπορεί να υποστηρίξει το σκάφος μπορεί να φτάσει μέχρι και τα 20 kg. Οι ογκομετρικές διαστάσεις του (ως εξαγωνικό πρίσμα) είναι 1,25m κατά μήκος των επίπεδων επιφανειών και 0,73 m στο ύψος. Εικόνα 3.7 Το διαστημικό σκάφος του EO-1, πριν την εκτόξευση και κατά την στιγμή της εκτόξευσης. 60

61 Ο EO-1 χρησιμοποιεί ένα προωθητικό σύστημα υδραζίνης για την διόρθωση των σφαλμάτων που εισάγονται, για την διατήρηση της τροχιάς του αλλά και για όλες εκείνες τις διαδικασίες που θα χρειαστεί να εφαρμοστούν στο μέλλον για να τεθεί εκτός τροχιάς. Τα συστήματα καθοδήγησης, πλοήγησης και ελέγχου του δορυφόρου εφαρμόζουν μια σταθεροποίηση σε τρεις άξονες, ώστε να εξασφαλίζεται η επιθυμητή στόχευση των αισθητήρων, με μια ακρίβεια της τάξης των 0,03 μοιρών και για τις τρεις κατευθύνσεις. Επιπλέον, ο EO-1 χρησιμοποιεί ένα αυτόνομο σύστημα διαμόρφωσης πτήσης (AFF), ώστε να διατηρεί την τροχιά του κοντά και πίσω από αυτή του Landsat-7. Το σύστημα αυτό περιλαμβάνει ένα δέκτη GPS για την πλοήγηση και τον συγχρονισμό του σκάφους, καθώς και ένα ευέλικτο λογισμικό το οποίο επιτρέπει την περιστροφή αντικειμένων για την βαθμονόμηση των οργάνων του δορυφόρου. Οι δυνατότητες αποθήκευσης δεδομένων του EO-1 επιτρέπουν την αποθήκευση μέχρι και 1 Gb για εσωτερικά δεδομένα του δορυφόρου και μέχρι 45 Gb για καταγραφή επιστημονικών δεδομένων παρατήρησης (WARP: Wideband Advanced Recorder Processor). Τα επιστημονικά δεδομένα μεταδίδονται με ταχύτητα 105 Mb/sec μέσω της X-band [Ιστοσελίδα 21] Περιορισμοί στις δυνατότητες του EO-1 Όπως αναφέρθηκε και παραπάνω, ο δορυφόρος EO-1 σχεδιάστηκε ως ένα τμήμα μιας αποστολής αξιολόγησης και επίδειξης νέων τεχνολογιών και όχι ως ένα όργανο υψηλής παραγωγής δορυφορικών εικόνων. Και οι δύο λειτουργικοί αισθητήρες του (ALI και Hyperion), είναι όργανα που εκτελούν συγκεκριμένες και προγραμματισμένες εργασίες, το οποίο σημαίνει ότι για να αποκτηθεί κάθε εικόνα, πρέπει να ζητηθεί και να προγραμματιστεί συγκεκριμένα. Η διαδικασία αυτή ξεκινά με την συμπλήρωση μιας αίτησης από τον ίδιο τον πελάτη (DAR: Data Acquisition Request). Εξαιτίας ενός αριθμού περιορισμών οι οποίοι αναφέρονται παρακάτω, η συλλογή εικόνων από τον συγκεκριμένο δορυφόρο είναι πολύ περιορισμένη όσον αφορά την γεωγραφική τους κατανομή, αλλά και όσον αφορά την συνολική ποσότητα, με έναν μέσο όρο συλλογής 18 εικόνων την ημέρα. Ο χάρτης της εικόνας 3.8. απεικονίζει την παγκόσμια κατανομή εικόνων Hyperion από την ημερομηνία εκτόξευσης ως και τον Φεβρουάριο του 2004 (σύνολο εικόνες Hyperion). 61

62 Εικόνα 3.8 Παγκόσμια κατανομή εικόνων Hyperion (11/ /2004). Οι πρωταρχικοί περιορισμοί που επηρεάζουν την απόκτηση εικόνων από τους αισθητήρες του δορυφόρου EO-1 είναι οι εξής: o Περιορισμένη καταγραφή δεδομένων: Όλες οι εικόνες που καταγράφονται από τους αισθητήρες πρέπει να αποθηκεύονται στον Warp, ο οποίος έχει όριο τα 45 Gb, τα οποία μεταφράζονται σε 4-5 εικόνες. Η αποφόρτιση των δεδομένων από τον warp μπορεί να λάβει χώρα κάθε δεύτερη τροχιά, ή διαφορετικά κάθε 3 3 ½ ώρες περίπου. Αυτό σημαίνει ότι κάθε δύο τροχιακές διαδρομές μπορούν να αποκτηθούν μόνο 4-5 εικόνες. o Στόχευση αισθητήρα και χρόνος σταθεροποίησης: Για την μετατόπιση και την αλλαγή της κατεύθυνσης του αισθητήρα μεταξύ δύο διαδοχικών στόχων απαιτείται μια δεδομένη χρονική περίοδος. Επιπρόσθετα, απαιτείται και ένα χρονικό διάστημα σταθεροποίησης του αισθητήρα, κατά το οποίο ελαχιστοποιούνται οι ταλαντώσεις και κλειδώνει ο στόχος. Οι χρόνοι αυτοί διαφέρουν και εξαρτώνται άμεσα από την διαφορά μεταξύ των γωνιών στόχευσης των δύο διαδοχικών στόχων (περίπου 1 λεπτό για κάθε μοίρα διαφοράς). Σε γενικές γραμμές ο μέσος όρος που χρειάζεται κάθε φορά που ο αισθητήρας αλλάζει στόχο είναι ίσος με 5 λεπτά. o Αποφόρτιση δεδομένων από τον WARP: Οι αισθητήρες του EO-1 δεν μπορούν να καταγράφουν και να αποφορτίζουν δεδομένα ταυτόχρονα. Αυτό σημαίνει ότι όταν προκύπτει ανάγκη για αποφόρτιση δεδομένων, αποκλείεται το ενδεχόμενο απόκτησης εικόνων σε μία ολόκληρη διαδρομή. Για τον λόγο αυτό, η αποφόρτιση δεδομένων προγραμματίζεται συνήθως για τις νυχτερινές ώρες. Παρόλα αυτά όμως, κάποιες φορές χρειάζεται να λαμβάνει χώρα και κατά τη διάρκεια των παραγωγικών ωρών της ημέρας. 62

63 o Χρόνος εναλλαγής μεταξύ λειτουργίας απόκτησης εικόνων και λειτουργίας αποφόρτισης δεδομένων (και αντίστροφα): Ο χρόνος μετάβασης από την πρώτη λειτουργία στην δεύτερη είναι περίπου ίσος με 5 λεπτά, ενώ για την αντίστροφη διαδικασία απαιτείται χρόνος περίπου ίσος με 6 λεπτά. Επιπρόσθετος χρόνος μπορεί να είναι απαραίτητος αν η επόμενη εικόνα που έχει ζητηθεί χρειάζεται και αλλαγή της διεύθυνσης του αισθητήρα. o Συντήρηση δορυφόρου και μηχανολογικές εργασίες: Για τη συντήρηση του δορυφόρου και την στενή παρακολούθηση των οργάνων και της λειτουργίας τους χρειάζεται ένας μεγάλος αριθμός μηχανικών επεμβάσεων. Επιπλέον, περιοδικές επεμβάσεις χρειάζονται και για την διατήρηση της τροχιάς του. Οι περισσότερες από αυτές τις εργασίες προγραμματίζονται έτσι ώστε να έχουν την ελάχιστη επιρροή στις απαιτήσεις για απόκτηση εικόνων από τους χρήστες. Κάποιες όμως από αυτές τις εργασίες ακολουθούν ένα αυστηρό και άκαμπτο πρόγραμμα. Οι εργασίες αυτές θα έχουν πάντα προβάδισμα σε σχέση με τις απαιτήσεις συλλογής δεδομένων. Εξαιτίας όλων αυτών των περιορισμών, οι χρήστες θα πρέπει πάντα να λαμβάνουν υπόψη τους ότι η υποβολή της αίτησης (DAR), δεν εγγυάται απαραίτητα την απόκτηση εικόνων οποιασδήποτε θέσης και ημερομηνίας [Ιστοσελίδα 21]. 3.2 Ο υπερφασματικός αισθητήρας Hyperion Εισαγωγή Ο αισθητήρας Hyperion (εικόνα 3.9) είναι ένα επιστημονικό όργανο το οποίο χαρακτηρίζεται από την πολύ υψηλής ποιότητας βαθμονόμηση του και βασίζεται στην τεχνογνωσία του υπερφασματικού οργάνου απεικόνισης LEWIS (HSI). Οι δυνατότητες του αισθητήρα παρέχουν ανάλυση των ιδιοτήτων των επιφανειών που σαρώνονται σε εκατοντάδες φασματικούς διαύλους, σε αντίθεση με τον μικρό αριθμό διαύλων των παραδοσιακών πολυφασματικών οργάνων απεικόνισης. Με την χρήση αυτού του μεγάλου αριθμού φασματικών διαύλων, τα περίπλοκα γήινα οικοσυστήματα χαρτογραφούνται και ταξινομούνται με ακρίβεια. Τα υψηλής ποιότητας βαθμονομημένα δεδομένα που παρέχει ο αισθητήρας χρησιμοποιούνται σε πολυάριθμες εφαρμογές [Ιστοσελίδα 20]. 63

64 Εικόνα 3.9 Ο υπερφασματικός αισθητήρας Hyperion Γενική επισκόπηση του αισθητήρα Ο αισθητήρας Hyperion συλλέγει υπερφασματικά δεδομένα σε συνολικά 242 διαύλους στο συνεχές φάσμα από την φασματική περιοχή των 356nm μέχρι και τα 2577nm, με χωρική ανάλυση ίση με 30 μέτρα. Η εμπρόσθια κίνηση του δορυφόρου δημιουργεί μια σειρά από δεδομένα τα οποία συνδυάζονται σε μια δισδιάστατη χωρική εικόνα ενώ παράλληλα μια τρίτη διάσταση αντιπροσωπεύει την φασματική πληροφορία. Έτσι δημιουργείται ο τρισδιάστατος υπερφασματικός κύβος δεδομένων. Τα κύρια εξαρτήματα του οργάνου περιλαμβάνουν ένα εμπρόσθιο οπτικό σύστημα, ο σχεδιασμός του οποίου βασίζεται στο σύστημα που χρησιμοποιήθηκε στον KOMPSAT (εικόνα 3.10) και δύο φασματόμετρα. Ένα για την βραχεία υπέρυθρη περιοχή (SWIR: Shortwave Infrared) και ένα για την ορατή και εγγύς υπέρυθρη περιοχή (VNIR: Visual Near Infrared) [Ιστοσελίδα 20]. Εικόνα 3.10 Το οπτικό σύστημα του Hyperion. 64

65 Το σύστημα Hyperion αποτελείται από τρείς ξεχωριστές φυσικές μονάδες (εικόνα 3.11), οι οποίες είναι οι παρακάτω: o Η μονάδα HEA (Hyperion Electronics Assembly) o Η μονάδα CEA (Cryocooler Electronics Assembly) o Η μονάδα HSA (Hyperion Sensor Assembly) Οι μονάδες αυτές είναι τοποθετημένες στο χαμηλότερο επίπεδο του διαστημικού σκάφους, και είναι προσανατολισμένες κατά μήκος των κυριών αξόνων του σκάφους. (α) (β) (γ) Εικόνα 3.11 Οι τρεις φυσικές μονάδες του Hyperion: α) Η μονάδα HEA, β) Η μονάδα CEA γ) Η μονάδα HAS Η πρώτη φυσική μονάδα (HEA) περιλαμβάνει την διάταξη και τον έλεγχο των ηλεκτρονικών συστημάτων του οργάνου. Η δεύτερη μονάδα (CEA) ελέγχει τις λειτουργίες ψύξης των επιμέρους συσκευών με το σύστημα cryocooler και η τρίτη μονάδα (HSA) περιλαμβάνει τα οπτικά συστήματα, το cryocooler, το σύστημα βαθμονόμησης κατά την διάρκεια της πτήσης και τα υψηλής ταχύτητας ηλεκτρονικά συστήματα που ελέγχουν το εστιακό επίπεδο των φασματόμετρων (Pearlman Jay S., 2003). Όπως αναφέρθηκε παραπάνω, τα δεδομένα στο σύστημα του Hyperion αποκτώνται από δύο ξεχωριστά φασματόμετρα. Ένα φασματόμετρο για την ορατή και εγγύς υπέρυθρη περιοχή και ένα για την βραχεία υπέρυθρη περιοχή του φάσματος. Τα φασματόμετρα αυτά είναι τύπου pushbroom (η γήινη επιφάνεια σαρώνεται γραμμή - γραμμή, κάθετα στη διεύθυνση κίνησης του συστήματος απεικόνισης). Ανάμεσα στα δύο αυτά φασματόμετρα υπάρχει μια περιοχή φασματικής επικάλυψης, η οποία εμφανίζεται στην φασματική περιοχή από nm. 65

66 Η τεχνολογία pushbroom (εικόνα 3.12) εισήγαγε νέες λειτουργίες, δημιούργησε νέες προοπτικές και έδωσε σημαντικές επιδόσεις συγκριτικά με τους παραδοσιακούς αισθητήρες σάρωσης παλιότερης τεχνολογίας. Εικόνα 3.12 Σχηματικό διάγραμμα σαρωτή τύπου pushbroom. Τα σημαντικότερα χαρακτηριστικά του αισθητήρα Hyperion παρουσιάζονται στον παρακάτω πίνακα. Πίνακας 3.13 Χαρακτηριστικά του αισθητήρα Hyperion (Pearlman Jay S., 2003). Χαρακτηριστικά Όγκος (μήκος x πλάτος x ύψος) Βάρος Μέση Ισχύς Άνοιγμα τηλεσκοπίου Στιγμιαίο οπτικό πεδίο (IFOV) Κατά πλάτος οπτικό πεδίο (Crosstrack FOV) Φασματική περιοχή (L1 data) Φασματική ανάλυση Hyperion (39 x 75 x 66) cm 49 kg 51 Watt 12 cm mrad 0.63 deg nm 10 nm Αριθμός φασματικών διαύλων 242(220) Ραδιομετρική ανάλυση Frame rate 12 bits 223,4 Hz 66

67 Μία συνοπτική απεικόνιση των επιδόσεων του αισθητήρα Hyperion σε τροχιά παρουσιάζεται στον πίνακα που ακολουθεί. Πίνακας 3.14 Επιδόσεις του αισθητήρα Hyperion σε τροχιά. (Pearlman Jay S., 2003). Χαρακτηριστικά Σε τροχιά Ground Sample Distance (GSD) m Πλάτος ζώνης 7.7 km Φασματικά Ραδιομετρικά Οπτικά VNIR 630 nm SWIR 1650 nm 0.28 Spatial Co-Reg : VNIR Pix #126 Spatial Co-Reg : SWIR Pix #131 Abs. Radiometry (1Sigma) 3.40% VNIR SNR( nm) SWIR SNR(~1225 nm) 96 SWIR SNR(~2125 nm) 38 Αριθμός Φασμ. Καναλιών 198 επεξεργασμένα VNIR(bands 8-57) nm VNIR bandwidth nm VNIR X-trk Spec. Error 2.2 nm SWIR (bands ) nm SWIR Bandwidth nm SWIR X-trk Spec. Error 0.58 nm Ενώ ο αισθητήρας συλλέγει δεδομένα συνολικά σε 242 διαύλους, δεν είναι όλοι βαθμονομημένοι στα τελικά προϊόντα (επίπεδο L1R). Αυτό οφείλεται κυρίως στην απώλεια σήματος του αισθητήρα σε συγκεκριμένα μήκη κύματος. Από τους 242 διαύλους, οι δίαυλοι 1-7( nm) και ( nm) δεν είναι βαθμονομημένοι. Επιπλέον οι δίαυλοι (που συλλέγονται από το VNIR φασματόμετρο) και οι (που συλλέγονται από το SWIR φασματόμετρο) είναι κι αυτοί μη βαθμονομημένοι. Επομένως, το συνολικό προϊόν στο επίπεδο επεξεργασίας L1R θα παρέχει ένα σύνολο 198 διαύλων που αντιπροσωπεύουν συνεχές φάσμα από την περιοχή nm. Λαμβάνοντας υπόψη το γεγονός ότι υπάρχει και μια μικρή επικάλυψη (VNIR και SWIR 77-78), το τελικό προϊόν θα έχει 196 μοναδικούς και ασυσχέτιστους διαύλους [Ιστοσελίδα 21]. 67

68 Αν και ο μέσος όρος του φασματικού εύρους κάθε διαύλου είναι ίσος με 10 nm, το πραγματικό εύρος διαφέρει από δίαυλο σε δίαυλο. Το φασματικό εύρος κάθε διαύλου βασίζεται στην τιμή FWHM (Full Width Half-Max), η οποία προσδιορίζεται από τις καμπύλες φασματικής απόκρισης του οργάνου (εικόνα 3.17). Τα κέντρα των φασματικών περιοχών καθώς και οι τιμές FWHM για κάθε δίαυλο περιλαμβάνονται στα προϊόντα επιπέδου επεξεργασίας L1R αλλά είναι διαθέσιμα και στο διαδίκτυο [Ιστοσελίδα 24]. Εικόνα 3.15 Σχηματικό διάγραμμα του κέντρου της φασματικής περιοχής κάθε διαύλου, καθώς και της τιμής FWHM [Ιστοσελίδα 19]. Κατά το στάδιο του σχεδιασμού του Hyperion, πραγματοποιήθηκαν διάφορες αλλαγές με σκοπό να αυξηθεί ο λόγος του σήματος προς τον θόρυβο (signal to noise ratio) για την τροχιά στο υψόμετρο των 705 km. Ο σχεδιασμός και η κατασκευή του Hyperion βασίστηκε σε οπτικά συστήματα που είχαν σχεδιαστεί για να λειτουργούν σε τροχιά υψομέτρου 520 km. Η αύξηση του ύψους της τροχιάς προκάλεσε μείωση στο λόγο σήματος προς θόρυβο. Για να αντιμετωπιστεί αυτό το φαινόμενο, το αρχικό φασματικό εύρος του οργάνου LEWIS, αυξήθηκε από 5 nm σε 10 nm για τον Hyperion. Για τον ίδιο ακριβώς λόγο επιλέχθηκε να χρησιμοποιηθούν δύο φασματόμετρα (Pearlman Jay S., 2003) Βαθμονόμηση του Hyperion και επιδόσεις Η βαθμονόμηση του συστήματος Hyperion χωρίζεται σε τέσσερις διαφορετικές ενότητες και ουσιαστικά περιλαμβάνει την ραδιομετρική βαθμονόμηση (radiometrical calibration), την οπτική βαθμονόμηση (optical calibration), την φασματική βαθμονόμηση (spectral calibration) και την πόλωση (polarization). 68

69 Ραδιομετρική βαθμονόμηση Πριν από την εκτόξευση του διαστημικού σκάφους, πραγματοποιήθηκαν διάφορες εργαστηριακές δοκιμές (TRW:Thompson Ramo Woolridge, MSTB: Multispectral Test Bed) και η ανάλυση των αποτελεσμάτων τους χρησιμοποιήθηκε για τον καθορισμό των ραδιομετρικών συντελεστών του αισθητήρα Hyperion. Από τις εργαστηριακές παρατηρήσεις, υπολογίστηκε μεταξύ άλλων και ο λόγος σήματος προς θόρυβο στις διάφορες φασματικές περιοχές (εικόνα 3.16). Η ηλιακή ζενίθεια γωνία του μοντέλου υπολογισμού ήταν ίση με 60 βαθμούς, ο ενιαίος λόγος ανάκλασης του φωτός 1/3, το φασματικό εύρος 10 nm και η συχνότητα (frame rate) ίση με 224 Hz. Τα αποτελέσματα παρουσιάζονται στην εικόνα 3.16 που ακολουθεί. Εικόνα 3.16 Ο λόγος του σήματος προς τον θόρυβο στον αισθητήρα Hyperion. Ένας ακόμα σημαντικός συντελεστής που επηρέαζε την ραδιομετρική βαθμονόμηση ήταν η συσσώρευση πάγου στο εστιακό επίπεδο του φασματόμετρου SWIR. Το φαινόμενο αυτό παρατηρήθηκε μετά την ενσωμάτωση του Hyperion στο διαστημικό σκάφος. Το πρόβλημα αντιμετωπίστηκε ανακυκλώνοντας την θερμοκρασία του φασματόμετρου SWIR σε θερμοκρασία δωματίου και αντίστροφα. Έτσι, η αρχική λειτουργία του οργάνου επανήλθε κανονικά και έγινε η υπόθεση ότι η αιτία του φαινομένου ήταν η ψύξη των υδρατμών που βρίσκονταν πάνω στο εστιακό επίπεδο. Η συσσώρευση πάγου παρατηρήθηκε και όταν το όργανο τέθηκε σε τροχιά και ήταν τόσο αναμενόμενη ώστε η ανακύκλωση του συστήματος cryocooler προγραμματίστηκε σε χρονικό διάστημα μεγαλύτερο της μιας εβδομάδας προκαταβολικά. Το γεγονός αυτό απέτρεψε την απώλεια πρωταρχικών δεδομένων. 69

70 Για την ραδιομετρική βαθμονόμηση του οργάνου κατά το χρονικό διάστημα που αυτό βρίσκεται σε τροχιά, χρησιμοποιήθηκαν έμμεσες ηλιακές, σεληνιακές και επίγειες παρατηρήσεις. Η σκοπευτική ικανότητα του δορυφόρου EO-1 ενεργοποίησε μοναδικά πειράματα βαθμονόμησης (επιπρόσθετα από τις ηλιακές και έμμεσες παρατηρήσεις) και βοήθησε στην ποσοτική ανάλυση των επιδόσεων του οργάνου, περιλαμβάνοντας ενεργά πειράματα φωτισμού και σεληνιακές και ατμοσφαιρικές παρατηρήσεις. Η ραδιομετρία του Hyperion ήταν εξαιρετικά σταθερή (Pearlman Jay S., 2003). Οπτική βαθμονόμηση Οι οπτικές επιδόσεις του Hyperion αποδίδονται κυρίως από την λειτουργία MTF (Modulation Transfer Function) και από το μέγεθος της εικονοψηφίδας στο έδαφος (ground sample distance). Κάποιες φορές υπήρχε δυνατότητα για να πραγματοποιηθούν απευθείας μετρήσεις ενώ σε κάποιες άλλες περιπτώσεις χρησιμοποιήθηκε συνδυασμός μετρήσεων και μοντελοποίησης. Στο εργαστήριο, για να αποδοθεί η λειτουργία MTF χρησιμοποιήθηκαν δισδιάστατα σχήματα (εικόνα 3.17), ενώ η τροχιακή προσέγγιση περιείχε επίγειους στόχους με έντονες και ευδιάκριτες ακμές, όπως γέφυρες (εικόνα 3.18) και παγόβουνα. Εικόνα 3.17 Δισδιάστατο σχήμα για την εργαστηριακή απόδοση της λειτουργίας MTF. 70

71 Εικόνα 3.18 Εικόνα γέφυρας (Φλόριντα, Η.Π.Α., 24 Δεκεμβρίου 2000) που χρησιμοποιήθηκε για την τροχιακή απόδοση της λειτουργίας MTF (Pearlman Jay S., 2003). Η μέτρηση του μεγέθους της ψηφίδας στο έδαφος έγινε με δύο μεθόδους. Η πρώτη μέθοδος ήταν η μέτρηση των ψηφίδων μεταξύ γνωστών στόχων (με γνωστές αποστάσεις μεταξύ τους) στις εικόνες. Η δεύτερη μέθοδος ήταν η διαδικασία της γεωμετρικής διόρθωσης των εικόνων με την χρήση πολλαπλών σημείων ελέγχου και ορθοφωτογραφιών. Τα αποτελέσματα της πρώτης μεθόδου απεικονίζονται στον παρακάτω πίνακα. Πίνακας 3.19 Αποτελέσματα μέτρησης GSD με την μέθοδο μέτρησης εικονοψηφίδων (Pearlman Jay S., 2003). 71

72 Για τη δεύτερη μέθοδο, πραγματοποιήθηκε μια λεπτομερής μελέτη (Coleambally, NSW, Australia 2001) στην οποία χρησιμοποιήθηκαν επίγεια σημεία ελέγχου τα οποία ήταν γνωστά με πολύ υψηλή ακρίβεια, καθώς και ορθοφωτογραφίες. Αφού υπάρχουν δύο φασματόμετρα, οι δύο σειρές δεδομένων αντιμετωπίστηκαν σαν ανεξάρτητες εικόνες. Τα αποτελέσματα των μετρήσεων έδωσαν Y GSD = 30.77m ± 0.005m και X GSD = 30.49m ± 0.007m. Φασματική βαθμονόμηση Οι εργαστηριακές μετρήσεις πριν από την εκτόξευση απέδωσαν το φασματικό σχήμα των 25 εικονοψηφίδων κατανεμημένο σε ένα πλέγμα 5 x 5 εικονοψηφίδες γύρω από κάθε εστιακό επίπεδο. Το σχήμα αντιπροσωπευόταν ικανοποιητικά από ένα Gaussian προφίλ. Η απόσταση μεταξύ των κέντρων των φασματικών διαύλων για την διασπορά των φασματόμετρων VNIR και SWIR, ήταν nm/pixel και nm/pixel αντίστοιχα. Τα αποτελέσματα των εργαστηριακών μετρήσεων για την φασματική βαθμονόμηση δίνονται στον πίνακα που ακολουθεί. Πίνακας 3.20 Φασματική βαθμονόμηση του Hyperion από εργαστηριακές μετρήσεις. 72

73 Η φασματική μεταβολή κατά το πλάτος του οπτικού πεδίου μετρήθηκε εργαστηριακά. Η μέγιστη μετατόπιση στο φασματικό εύρος των 10 nm ήταν κατά προσέγγιση ίση με 2.5 nm. Τα φασματόμετρα VNIR και SWIR είχαν διαφορετικά χαρακτηριστικά χαμόγελα όπως φαίνεται και στις εικόνες 3.21 και 3.22 που ακολουθούν. Εικόνα 3.21 Φασματική μεταβολή κατά πλάτος του οπτικού πεδίου (VNIR) Εικόνα 3.22 Φασματική μεταβολή κατά πλάτος του οπτικού πεδίου (SWIR) Στις εικόνες αυτές τα δεδομένα είναι ομαλοποιημένα στην εικονοψηφίδα 128 για ευκολία. Όπως φαίνεται χαρακτηριστικά, το χαμόγελο στο φασματόμετρο SWIR διακρίνεται ελάχιστα. Για το VNIR φασματόμετρο, η σημασία του σχήματος εξαρτάται από την εφαρμογή. Για παράδειγμα, οι κώδικες ατμοσφαιρικής διόρθωσης (τους οποίους εξετάζουμε στην παρούσα μεταπτυχιακή εργασία) οι οποίοι βασίζονται σε ατμοσφαιρικές γραμμές περιορισμένου εύρους για την επεξεργασία τους, ήταν ιδιαίτερα ευαίσθητοι στο σχήμα του χαμόγελου. Στις περιπτώσεις αυτές ίσως χρειάζεται να αντιμετωπιστεί κάθε λωρίδα σαν ένα ξεχωριστό φασματόμετρο για πιο απαιτητική ανάλυση (Pearlman Jay S., 2003). 73

74 Η φασματική βαθμονόμηση του Hyperion μετά την τοποθέτηση του δορυφόρου σε τροχιά, ήταν πολύ μεγαλύτερη πρόκληση. Τα φασματικά καθαρά επίγεια χαρακτηριστικά ικανοποιητικού μεγέθους ήταν εξαιρετικά σπάνια. Τέτοιου είδους κατάλληλοι στόχοι ήταν τα ορυκτά με χαρακτηριστικά απορρόφησης πάνω από τα 2000 nm. Σε αυτή την φασματική εμβέλεια, ο λόγος σήματος προς θόρυβο ήταν επαρκής για να παρέχει σήματα για ανάλυση. Τα αποτελέσματα των μετρήσεων παρουσίασαν μια συνέπεια σε σχέση με τα εργαστηριακά αποτελέσματα, αλλά δεν παρείχαν εικόνες με περιορισμένες φασματικές θέσεις γραμμών, εξαιτίας των περιορισμών του λόγου σήματος προς θόρυβο (Pearlman Jay S., 2003). Πόλωση Υπήρχε μια ανησυχία ότι οι εφαρμογές για στόχους με πολωμένες ανακλάσεις θα επηρεαζόταν αν ο Hyperion παρουσίαζε ισχυρό φαινόμενο πόλωσης. Έτσι, η ευαισθησία της πόλωσης μετρήθηκε εργαστηριακά. Για τις μετρήσεις χρησιμοποιήθηκαν διπλοί πολωτές που περιστρεφόντουσαν για να χαρτογραφήσουν τα χαρακτηριστικά της πόλωσης. Τα αποτελέσματα για τα φασματόμετρα VNIR και SWIR παρουσιάζονται στην εικόνα Η μεταβλητότητα έφτανε περίπου στο 5% της μέσης απάντησης. Αυτό θεωρήθηκε αποδεκτό από την επιστημονική ομάδα της αποστολής EO-1. Δεν πραγματοποιήθηκαν μετρήσεις της πόλωσης σε τροχιά. Εικόνα 3.23 Χαρακτηριστικά πόλωσης των φασματόμετρων VNIR και SWIR (Pearlman Jay S., 2003). 74

75 3.2.4 Επίπεδα επεξεργασίας προϊόντων Hyperion Τα δεδομένα του αισθητήρα Hyperion που παρέχονται από τα κέντρα λήψης και διάθεσης χαρακτηρίζονται από το επίπεδο επεξεργασίας τους. Τα επίπεδα επεξεργασίας των εικόνων περιγράφονται παρακάτω: o Επίπεδο επεξεργασίας 0 Στο επίπεδο αυτό, βρίσκονται ουσιαστικά τα πρωτογενή δεδομένα που λαμβάνονται απευθείας από τον αισθητήρα Hyperion (raw data) και στα οποία δεν εφαρμόζεται καμία επεξεργασία. o Επίπεδο επεξεργασίας 1R Τα δεδομένα στο επίπεδο 1R είναι ραδιομετρικά διορθωμένα και δημιουργούνται από το EPGS (EO-1 Product Generation System). Προκύπτουν από την εφαρμογή μιας ραδιομετρικής βαθμονόμησης στα δεδομένα του επιπέδου 0. Τα πρωτότυπα προϊόντα του επιπέδου 1 που χρησιμοποιήθηκαν υποστηρικτικά για την τεχνολογική αποστολή EO-1, παράγονταν αρχικά από την TRW (Thompson Ramo Woolridge) και βασίζονταν σε αλγορίθμους που αναπτύχθηκαν σε συνεργασία με την ομάδα ελέγχου της αποστολής EO-1. Έχοντας ως βάση αυτούς τους αλγόριθμους, το επιστημονικό γραφείο της NASA για την αποστολή EO-1, ανέπτυξε τον κώδικα επεξεργασίας 1R των δεδομένων, ο οποίος χρησιμοποιείται από τον Δεκέμβριο του 2001 μέχρι και σήμερα (με κάποιες μικρές τροποποιήσεις), για την παραγωγή των τελικών προϊόντων του Κέντρου Γεωλογικών Ερευνών των Η.Π.Α.(U.S.G.S.) [Ιστοσελίδα 22]. Αλγόριθμοι του επιπέδου επεξεργασίας 1R : Τα δεδομένα εισαγωγής στο επίπεδο επεξεργασίας 1R αποτελούνται από δύο dark (pre-image και post-image) αρχεία βαθμονόμησης, ένα αρχείο παραμέτρων βαθμονόμησης (Calibration Parameter File, CPF), ένα αρχείο με παραμέτρους διόρθωσης, τις εικόνες δεδομένα και πληροφορίες σχετικές με την τηλεμετρία. Το βασικό αποτέλεσμα της διαδικασίας είναι ένα προϊόν επιπέδου 1R, ραδιομετρικά βαθμονομημένο και εμφανισιακά διορθωμένο. Προ 1R διορθώσεις (μόνο SWIR): Το πρώτο βήμα είναι η διόρθωση των δύο γνωστών πηγών θορύβου που επηρεάζουν το φασματόμετρο SWIR. Η πρώτη είναι η διαρροή σήματος (smear) μεταξύ δύο συνεχόμενων εικονοψηφίδων στην φασματική κατεύθυνση και η δεύτερη είναι ο απόηχος (echo) που προκύπτει όταν το σήμα από μια εικόνα αντηχεί σε κάποια επόμενη εικονοψηφίδα. 75

76 Αφαίρεση φόντου: Σε αυτό το δεύτερο βήμα αρχικά υπολογίζεται η προ της εικόνας μέση τιμή των dark data frames για να δημιουργηθεί ένα αντιπροσωπευτικό dark preimage αρχείο. Στη συνέχεια υπολογίζεται η μετά την εικόνα μέση τιμή των dark data frames για να δημιουργηθεί ένα αντιπροσωπευτικό dark post-image αρχείο. Οι τελικές τιμές προκύπτουν από την γραμμική παρεμβολή μεταξύ των τιμών των δύο αρχείων. Το τελικό αρχείο στη συνέχεια αφαιρείται από την διορθωμένη από το πρώτο βήμα (απαλλαγμένη από smear και echo ) εικόνα. Εφαρμογή βαθμονόμησης: Η ραδιομετρική βαθμονόμηση περιλαμβάνει τον πολλαπλασιασμό των τιμών των ψηφίδων της τελικής εικόνας του δευτέρου βήματος με τους κατάλληλους συντελεστές κέρδους (gains) για την απόκτηση ενός ραδιομετρικά διορθωμένου προϊόντος. Οι τιμές των συντελεστών αυτών είναι αποθηκευμένες στο αρχείο παραμέτρων βαθμονόμησης (CPF). Επαναπροσδιορισμός κλίμακας των ψηφιακών τιμών (DN) του προϊόντος: Στο βήμα αυτό επαναπροσδιορίζεται η κλίμακα της ραδιομετρικά διορθωμένης εικόνας. Υπάρχουν δύο διαφορετικοί συντελεστές επαναπροσδιορισμού της κλίμακας για τους VNIR και SWIR φασματικούς διαύλους. Για τους βαθμονομημένους VNIR διαύλους (8-57), οι τιμές των ψηφίδων της εικόνας πολλαπλασιάζονται με 40, ενώ για τους βαθμονομημένους SWIR διαύλους (77-224) οι τιμές των ψηφίδων της εικόνας πολλαπλασιάζονται με 80. Δημιουργία μάσκας κακών εικονοψηφίδων (flag mask): Σε αυτό το στάδιο δημιουργείται η μάσκα flag mask η οποία περιλαμβάνεται στο τελικό αρχείο. Η δημιουργία της βασίζεται σε μια λίστα κακών εικονοψηφίδων η οποία είχε καθοριστεί στις προ της πτήσης δοκιμές και στις επιπρόσθετες αναβαθμίσεις. Η μάσκα χρησιμοποιεί τις ακόλουθες τιμές: 0 = normal data 1 = saturated pixel 2 = dead detector (ανιχνευτές εκτός λειτουργίας, μηδενικές τιμές) 3 = flat detector (ανιχνευτές εκτός λειτουργίας, καταχωρούν σταθερή τιμή) 4 = fill mask (οι τιμές υπερβαίνουν το πεδίο βαθμονόμησης ) Τα προηγούμενα προϊόντα της TRW περιείχαν διορθώσεις για τα dead detectors, οι οποίες βασίζονταν στη λίστα κακών εικονοψηφίδων. Τα προϊόντα Hyperion του U.S.G.S. δεν περιλαμβάνουν τέτοιες διορθώσεις. 76

77 Ευθυγράμμιση VNIR/SWIR: Σε αυτό το στάδιο εφαρμόζεται μια τελική γεωμετρική διόρθωση, η οποία περιλαμβάνει την μετατόπιση των διαύλων της βραχείας υπέρυθρης περιοχής σε εικονική ευθυγράμμιση με τους διαύλους της ορατής και εγγύς υπέρυθρης περιοχής του φάσματος. Στη διεύθυνση Χ οι ψηφίδες της βραχείας υπέρυθρης περιοχής μετατοπίζονται κατά (-1) ψηφίδα. Η ψηφίδα #1 αφαιρείται και η ψηφίδα #256 αντικαθίσταται με το μηδέν. Στη διεύθυνση Υ, οι ψηφίδες # μετατοπίζονται κατά (+1) ψηφίδα. Η πρώτη γραμμή για τις ψηφίδες # αντικαθίσταται από μηδενικές τιμές και η τελευταία γραμμή για τις ψηφίδες # απομακρύνεται. Οι ψηφίδες #0-128 δεν μετατοπίζονται. Προετοιμασία τελικών προϊόντων : Το τελευταίο στάδιο στην επεξεργασία επιπέδου 1R περιλαμβάνει την συσκευασία των δεδομένων για την εξαγωγή τους σε format HDF (Hierarchical Data Format) και την πρόσθεση των κέντρων των φασματικών περιοχών CWL και του φασματικού εύρους κάθε διαύλου (σε τιμές FWHM). Επιπλέον, δημιουργείται ένα αρχείο (header file) σε format λογισμικού ENVI. Το τελικό συνολικό προϊόν συμπιέζεται αν είναι να παραδοθεί με πρωτόκολλο FTP(File Transfer Protocol). Με τον αλγόριθμο επεξεργασίας 1R τα προϊόντα διατίθενται σε τιμές ηλεκτρομαγνητικής ακτινοβολίας επί του αισθητήρα υπό κλίμακα. Οι τιμές αυτές είναι σε Watt/(m 2 x Sr x μm), δηλαδή σε φασματική ακτινοβολία ανά μονάδα μέτρησης μήκους κύματος. Τα δεδομένα είναι αποθηκευμένα ως ακέραιοι 16-bit. Ο χρήστης που παραλαμβάνει τα προϊόντα χρειάζεται να τα επαναφέρει στην αρχική τους κλίμακα για να εξασφαλίσει τις αρχικές τιμές ακτινοβολίας. Επομένως πρέπει: VNIR L = DN/40 και SWIR L = DN/80 [Ιστοσελίδα 22]. Όλοι οι δίαυλοι του Hyperion παρέχονται σε ψηφίδες 30 μέτρων και το τελικό προϊόν περιέχει 256 στήλες για κάθε δίαυλο. Ο αριθμός των γραμμών ποικίλει. Γενικά, σε μια εικόνα κανονικού μεγέθους (42 km) ο αριθμός των γραμμών είναι περίπου ίσος με 1400 και σε μια εικόνα μεγάλου μεγέθους (185 km) ο αριθμός των γραμμών είναι περίπου ίσος με Το μέσο μέγεθος του συμπιεσμένου αρχείου για μια κανονικού μεγέθους εικόνα είναι περίπου ίσο με 250 Mb (580 Mb ασυμπίεστο), ενώ για μια εικόνα μεγάλου μεγέθους το μέσο μέγεθος του συμπιεσμένου αρχείου είναι περίπου ίσο με 1 Gb (2 Gb ασυμπίεστο) [Ιστοσελίδα 23]. 77

78 Το τελικό προϊόν αποτελείται από 5 HDF σετ δεδομένων (ραδιομετρικά διορθωμένη εικόνα, κέντρα φασματικής περιοχής διαύλων, φασματικό εύρος διαύλων, συντελεστές κέρδους, και flag mask ) μαζί με ένα αρχείο (header file) σε format λογισμικού ENVI. Τα δεδομένα είναι οργανωμένα σε format BIL (Band - Interleaved by-line). Αναλυτικά, τα δεδομένα επεξεργασίας επιπέδου 1R που παραδίδονται στον χρήστη είναι τα παρακάτω: entityid.met Metadata αρχείο entityid.l1r Όλα τα σετ δεδομένων HDF (5) entityid.hdr αρχείο header σε format ENVI Αναλυτικά για το L1R αρχείο: (256x242x2905) entityid.l1r δεδομένα εικόνας (δίαυλοι 1-242) (256x242) spectral center wavelengths κέντρα φασματικής περιοχής σε nm(1-242) (256x242) spectral bandwidths φασματικό εύρος σε nm (1-242) (256x242) gain coefficients συντελεστές κέρδους (ραδιομ. διόρθωση) (256x242x2905) flag mask δείχνει αδρανείς ή αναξιόπιστους ανιχνευτές Στο συγκεκριμένο παράδειγμα, ο αριθμός 256 αντιπροσωπεύει των αριθμό των στηλών του αρχείου, ο αριθμός 242 είναι ο αριθμός των διαύλων και ο αριθμός 2905 είναι ο αριθμός των γραμμών του αρχείου (διαφοροποιείται ανάλογα με το μέγεθος της εικόνας) [Ιστοσελίδα 23]. o Επίπεδο επεξεργασίας 1Gst Στο επίπεδο επεξεργασίας 1Gst (Systematic Terrain Corrected) το οποίο είναι και το νεότερο, τα δεδομένα δεν είναι μόνο ραδιομετρικά βαθμονομημένα, αλλά είναι και συστηματικά διορθωμένα για το ανάγλυφο του εδάφους. Τα δεδομένα αυτού του επιπέδου χαρακτηρίζονται από την βελτιωμένη γεωμετρική τους ακρίβεια. Η αυτοματοποιημένη διόρθωση ανάγλυφου του επίπεδο 1Gst χρησιμοποιεί το υψομετρικό μοντέλο επιφανειών (DEM) κάθε περιοχής. Στο συγκεκριμένο επίπεδο περιλαμβάνεται ακόμα και γεωμετρική διόρθωση με την χρήση των αστρονομικών δορυφορικών εφημερίδων. Τα υψομετρικά δεδομένα που χρησιμοποιούνται για την διόρθωση είναι τα SRTM (Shuttle Radar Topography Mission). Τα δεδομένα αυτά συλλέγονται με Radar και χρησιμοποιούνται για τη δημιουργία του DEM. Για εικόνες στις οποίες παρουσιάζονται μεγάλα κενά, χρησιμοποιείται και το παγκόσμιο ψηφιακό DEM GTOPO30 (Global 30-Arc Second Elevation Data set). 78

79 Τα υπερφασματικά δεδομένα επιπέδου επεξεργασίας 1Gst είναι αποθηκευμένα σε ακέραιους 16-bit και παραδίδονται σε προβολή UTM (Universal Transverse Mercator) και Datum WGS84. Κατά την επεξεργασία τους εφαρμόζεται επαναδειγματοληψία με την μέθοδο cubic convolution. Τα δεδομένα διατίθενται σε format HDF ή εναλλακτικά σε format GeoTIFF (Geographic Tagged Image File Format) [Ιστοσελίδα 25]. 79

80 4. Ατμοσφαιρική διόρθωση υπερφασματικών δεδομένων Hyperion 4.1 Εισαγωγή Δεδομένα εφαρμογής Στα πλαίσια της συγκεκριμένης μεταπτυχιακής διπλωματικής εργασίας, για την εφαρμογή της ατμοσφαιρικής διόρθωσης χρησιμοποιήθηκε μια υπερφασματική εικόνα του δορυφόρου EO-1 η οποία αποκτήθηκε στις 5 Οκτωβρίου του 2001 από τον αισθητήρα Hyperion. Η περιοχή που απεικονίζεται στην υπερφασματική εικόνα της συγκεκριμένης εφαρμογής, παρουσιάζεται στον ευρύτερο χάρτη της Ελλάδας στο κόκκινο πλαίσιο της εικόνας 4.1. Εικόνα 4.1 Η περιοχή μελέτης(κόκκινο πλαίσιο) στον ευρύτερο χάρτη της Ελλάδας(πηγή Google earth). Όπως φαίνεται και στην εικόνα 4.1, η περιοχή μελέτης εκτείνεται από την λίμνη Κερκίνη του νομού Σερρών (φύλλο χάρτη Κερκίνη) μέχρι και την βορειοανατολική πλευρά του νομού Λαρίσης (φύλλο χάρτη Αγιά). Πιο αναλυτικά, στην υπερφασματική εικόνα που χρησιμοποιήθηκε για την εφαρμογή, περιλαμβάνονται τμήματα των νομών Λάρισας, Θεσσαλονίκης, Κιλκίς και Σερρών καθώς και ένα μεγάλο θαλάσσιο τμήμα του Θερμαϊκού κόλπου (χάρτες περιοχής στο παράρτημα). 80

81 Από περιβαλλοντικής απόψεως η περιοχή μελέτης παρουσιάζει σημαντικό ενδιαφέρον. Η ατμοσφαιρική ρύπανση στην ευρύτερη περιοχή της Θεσσαλονίκης και η απουσία του πράσινου από την αστική περιοχή, είναι δύο αρκετά σοβαρά προβλήματα, τα οποία μπορούν να μελετηθούν. Επιπλέον, στο νομό Σερρών και στην ευρύτερη περιοχή της λίμνης Κερκίνης, υπάρχουν σημαντικοί υγροβιότοποι διεθνούς σημασίας. Οι αγροτικές και οι ορεινές περιοχές που απεικονίζονται στο νομό Λάρισας καθώς και οι ημιορεινές περιοχές βόρεια της πόλης της Θεσσαλονίκης αποτελούν κι αυτές σημαντικά πεδία πολυάριθμων περιβαλλοντικών εφαρμογών. Λαμβάνοντας υπόψη όλα τα παραπάνω, γίνεται εύκολα αντιληπτό ότι η ανάλυση των υπερφασματικών εικόνων αποτελεί ένα πολύ σημαντικό εργαλείο για οποιονδήποτε μελετά κάποια από τις παραπάνω περιοχές. Ο αριθμός των φασματικών διαύλων των υπερφασματικών εικόνων Hyperion είναι 242 (φασματική περιοχή από 356 nm μέχρι και 2577 nm). Η φασματική τους διακριτότητα είναι περίπου ίση με 10 nm, ενώ η χωρική τους διακριτότητα είναι ίση με 30 μέτρα. Η υπερφασματική εικόνα που χρησιμοποιήθηκε στα αρχικά δεδομένα φέρει την κωδικοποιημένη ονομασία EO1H PP. Οι δίαυλοι 1-7 ( nm), ( nm),71-76 ( nm) και ( nm) της εικόνας δεν είναι βαθμονομημένοι και δεν περιέχουν πληροφορία. Αυτό οφείλεται στην απώλεια σήματος του αισθητήρα στις συγκεκριμένες φασματικές περιοχές. Το φαινόμενο αυτό παρουσιάζεται σε όλες τις υπερφασματικές εικόνες Hyperion. Οι δίαυλοι αυτοί κατά την επεξεργασία των εικόνων συνήθως αφαιρούνται. Η ονομασία της εικόνας αλλά και όλων των αρχείων που τη συνοδεύουν είναι ουσιαστικά κωδικοποιημένη και δίνει πληροφορίες για την εικόνα. Συγκεκριμένα για κάθε εικόνα EO1SPPPRRRYYYYDDDXXXML_GGG_VV από τον αισθητήρα Hyperion ισχύουν τα παρακάτω (αρχείο Readme.txt, παράρτημα): EO1: ο δορυφόρος S: ο αισθητήρας λήψης των δεδομένων (H = Hyperion, A = ALI) PPP: Συν/νη path του δορυφόρου στο παγκόσμιο σύστημα αναφοράς WRS την στιγμή της λήψης της εικόνας RRR: Συν/νη row του δορυφόρου στο παγκόσμιο σύστημα αναφοράς WRS την στιγμή της λήψης της εικόνας YYYY: Το έτος λήψης της εικόνας 81

82 DDD: Η ημέρα λήψης της εικόνας (Ιουλιανό ημερολόγιο) X: Hyperion (0 = Απενεργοποιημένος, 1= Ενεργοποιημένος) X: ALI (0= Απενεργοποιημένος, 1= Ενεργοποιημένος) X: AC (0= Απενεργοποιημένος, 1= Ενεργοποιημένος) M: Τρόπος σκόπευσης (N όταν ο αισθητήρας σκόπευε στο ναδίρ, P όταν ο αισθητήρας σκόπευε εντός της τρέχουσας διαδρομής του, K όταν ο αισθητήρας σκόπευε εκτός της τρέχουσας διαδρομής του) L: Μήκος εικόνας (F= Ολόκληρη η εικόνα, P = τμήμα της εικόνας, Q = Δεύτερο τμήμα εικόνας, S = Ζώνη) GGG: Επίγειος σταθμός λήψης VV: Αριθμός έκδοσης (a) (b) Εικόνα 4.2 (a), (b) Η υπερφασματική εικόνα Hyperion (5 Οκτωβρίου 2001) Στην εικόνα 4.2. παρουσιάζονται τα δεδομένα εικόνας της εφαρμογής. Οι διαστάσεις των υπερφασματικών εικόνων Hyperion είναι 7,7 x 185 km. Η εικόνα της εφαρμογής βρίσκεται (έτσι παραλήφθηκε από τα κέντρα διάθεσης της) στο επίπεδο επεξεργασίας 1R που σημαίνει ότι είναι ραδιομετρικά βαθμονομημένη και διορθωμένη από τον θόρυβο που υπάρχει στα πρωταρχικά δεδομένα [Ιστοσελίδα 22]. 82

83 4.2 Ατμοσφαιρική διόρθωση με το λογισμικό FLAASH Εισαγωγή Με την εφαρμογή ατμοσφαιρικής διόρθωσης που θα ακολουθήσει επιχειρείται η εξέταση των δυνατοτήτων του μοντέλου FLAASH (Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes) στην ατμοσφαιρική διόρθωση υπερφασματικών εικόνων Hyperion. Το συγκεκριμένο μοντέλο χρησιμοποιεί απόλυτες μεθόδους ατμοσφαιρικής διόρθωσης. Αυτό σημαίνει, όπως αναφέρθηκε και στο κεφάλαιο 2.4.3, ότι επιχειρεί να υπολογίσει τις ατμοσφαιρικές συνθήκες που επικρατούσαν κατά την στιγμή της λήψης της εικόνας και να μετατρέψει τις τιμές που καταγράφηκαν στην εικόνα, σε τιμές ανάκλασης στο έδαφος. Οι απόλυτες μέθοδοι ατμοσφαιρικής διόρθωσης απαιτούν την περιγραφή των συστατικών στο ατμοσφαιρικό προφίλ. Το προϊόν αυτών των μεθόδων είναι μια εικόνα που προσαρμόζει την ανάκλαση των ψηφίδων εδάφους με ένα μέγιστο εκτιμώμενο σφάλμα της τάξης του 10%, αν και εφόσον το μοντέλο της ατμόσφαιρας είναι επαρκές. Το μεγάλο πλεονέκτημα των μεθόδων είναι το γεγονός ότι η ανάκλαση στο έδαφος μπορεί να εκτιμηθεί κάτω από οποιεσδήποτε ατμοσφαιρικές συνθήκες, υψόμετρο και σχετική γεωμετρία μεταξύ ήλιου και δορυφόρου. Το μεγάλο μειονέκτημα αντίθετα, είναι το γεγονός ότι το ατμοσφαιρικό μοντέλο που απαιτείται για την χρησιμοποίηση των μεθόδων αυτών, είναι πολύ σπάνια διαθέσιμο (Kawishwar P., 2007). Το μοντέλο FLAASH ουσιαστικά ενσωματώνει την νέα βελτιωμένη έκδοση (έκδοση MODTRAN-4) του μοντέλου MODTRAN (Moderate Resolution Transmittance) στον κώδικα για τη μοντελοποίηση των ιδιοτήτων της μεταφερόμενης ακτινοβολίας και εμπεριέχει μια διόρθωση για το φαινόμενο της ανάμιξης των ψηφίδων, το οποίο οφείλεται στη σκέδαση της ανακλώμενης ακτινοβολίας των γειτονικών ψηφίδων. Ο κώδικας MODTRAN αναπτύχθηκε από την Spectral Sciences Inc. και το Air Force Research Laboratory / Space Vehicles Division (AFRL/VS) των Η.Π.Α. και βασίζεται στον κώδικα LOWTRAN (LOW Resolution Atmospheric Transmission Code). Υπολογίζει την ατμοσφαιρική μετάδοση και σκέδαση της ηλιακής ακτινοβολίας, ενώ η μοριακή απορρόφηση υπολογίζεται με την βοήθεια της φασματικής βάσης δεδομένων HITRAN (High Resolution Transmission Molecular Absorption Database) (Kawishwar P., 2007). 83

84 Στο χρήστη του λογισμικού FLAASH παρέχεται η δυνατότητα να επιλέξει το πρότυπο μοντέλο ατμόσφαιρας και αερίων της ατμόσφαιρας MODTRAN. Για κάθε εικόνα υπολογίζεται μια μοναδική MODTRAN λύση Ο αλγόριθμος FLAASH Ο αλγόριθμος FLAASH είναι ένα μοντέλο μετάδοσης της ακτινοβολίας και αναπτύχθηκε από την Spectral Sciences Inc., με χρηματοδότηση από το εργαστήριο ερευνών U.S. Air Force Research Laboratory. Τα χαρακτηριστικά που διαφοροποιούν το FLAASH από άλλα μοντέλα μετάδοσης ακτινοβολίας είναι τα παρακάτω: o Χρησιμοποιεί μια πιο πρόσφατη έκδοση του MODTRAN με μια νεότερη φασματική βάση δεδομένων. o Χρησιμοποιεί μια μέθοδο ανάκτησης ορατότητας. o Εκτελεί την ατμοσφαιρική διόρθωση των δεδομένων είτε η λήψη τους είναι κατακόρυφη (ναδίρ) είτε είναι υπό κλίση και υποστηρίζει όλους τους MODTRAN τύπους αερίων της ατμόσφαιρας. o Εξασφαλίζει την αντιστάθμιση της επίδρασης της γειτονικής περιοχής και την αυτοματοποιημένη βαθμονόμηση του μήκους κύματος. o Τα αποτελέσματα της χρήσης του FLAASH και των άλλων μοντέλων είναι παρόμοια σε ξηρές και καθαρές ατμόσφαιρες, αλλά μπορούν να παρουσιάσουν σημαντικές διαφορές σε συνθήκες υγρασίας και ομίχλης. (Kawishwar P., 2007). Επιπλέον, με τη χρήση του λογισμικού ατμοσφαιρικής διόρθωσης FLAASH, παρέχεται η δυνατότητα παραγωγής διαφόρων χρήσιμων βοηθητικών πληροφοριών (cloud map, εικόνα για την υγρασία της ατμόσφαιρας -column water vapor image, μέση τιμή ορατότητας για το σκηνικό). Το FLAASH εφαρμόζει τις πιο εξελιγμένες τεχνικές χειρισμού των ιδιαίτερα έντονων ατμοσφαιρικών συνθηκών Έχει την δυνατότητα να υπολογίζει μια ξεχωριστή διόρθωση για κάθε ψηφίδα και επιπλέον, με την τεχνική της φασματικής ομαλοποίησης (spectral polishing) που εφαρμόζει, επιτυγχάνει την ελαχιστοποίηση του θορύβου που υπάρχει στα αποτελέσματα άλλων αλγορίθμων ατμοσφαιρικής διόρθωσης. Σημαντικό πλεονέκτημα του FLAASH είναι επίσης και το γεγονός ότι εφαρμόζει μια βαθμονόμηση στους διαύλους των υπερφασματικών εικόνων, ως τμήμα της ατμοσφαιρικής διόρθωσης. 84

85 Το λογισμικό FLAASH ξεκινά από μια σταθερή εξίσωση (4.2.2_Α) για φασματική ακτινοβολία L από μια ψηφίδα, η οποία εφαρμόζεται στην περιοχή των μήκων κύματος της ηλιακής ακτινοβολίας (η θερμική περιοχή παραλείπεται), σε επίπεδα και με Lambertian συμπεριφορά υλικά ή στα ισοδύναμα τους. Η εξίσωση (4.2.2_Α) είναι η παρακάτω: (4.2.2_Α) ρ = ανάκλαση επιφάνειας της ψηφίδας. ρ e = μέση ανάκλαση επιφάνειας της ψηφίδας καθώς και της περιοχής γύρω του. S =ο λόγος της σφαιρικής ανάκλασης του φωτός από σωματίδια της ατμόσφαιρας. L α = η ακτινοβολία που οπισθοσκεδάζεται από την ατμόσφαιρα. Α, Β = συντελεστές οι οποίοι εξαρτώνται από τις ατμοσφαιρικές και γεωμετρικές συνθήκες, όχι όμως στην επιφάνεια (ENVI User s guide, 2006). Κάθε μια από τις παραπάνω μεταβλητές εξαρτάται από τον φασματικό δίαυλο. Το πρώτο σκέλος της εξίσωσης αντιστοιχεί στην ακτινοβολία η οποία αντανακλάται από την επιφάνεια και ταξιδεύει απευθείας στον αισθητήρα, ενώ το δεύτερο σκέλος αντιστοιχεί στην ακτινοβολία της επιφάνειας η οποία σκεδάζεται από την ατμόσφαιρα στον αισθητήρα. Η διαφορά μεταξύ των όρων ρ και ρ e αποδίδεται στην επίδραση της γειτονικής περιοχής (χωρική ανάμιξη ακτινοβολίας μεταξύ πολύ κοντινών ψηφίδων) η οποία προκαλείται από την ατμοσφαιρική σκέδαση. Για να αγνοηθεί η διόρθωση της επίδρασης της γειτονικής περιοχής, θεωρείται απλά ότι ρ = ρ e. Παρόλα αυτά, η διόρθωση αυτή μπορεί να είναι αποτελεσματική σε σημαντικά σφάλματα ανάκλασης στα μικρά μήκη κύματος, ιδιαίτερα σε συνθήκες ομίχλης (ENVI User s guide, 2006). Οι τιμές των ποσοτήτων Α, Β, S και L α καθορίζονται από τους υπολογισμούς του MODTRAN 4 οι οποίοι χρησιμοποιούν την γωνία θέασης, την ηλιακή γωνία και το μέσο υψόμετρο επιφάνειας της μέτρησης και θεωρούν ως δεδομένο ένα μοντέλο ατμόσφαιρας, ένα τύπο αερίων της ατμόσφαιρας και ένα πεδίο ορατότητας. Οι τιμές αυτές εξαρτώνται ισχυρά από την ποσότητα των υδρατμών η οποία σε γενικές γραμμές δεν είναι ευρέως γνωστή και μπορεί να ποικίλει κατά το πλάτος του σκηνικού το οποίο παρατηρείται. Για άγνωστες και ποικίλες ποσότητες υδρατμών, οι υπολογισμοί του MODTRAN 4 επαναλαμβάνονται κυκλικά για μια σειρά διαφορετικών ποσοτήτων υδρατμών και στη συνέχεια τα επιλεγμένα κανάλια μήκους 85

86 κύματος της εικόνας, αναλύονται για να ανακτηθεί μια κατά εκτίμηση ποσότητα για κάθε ψηφίδα. Συγκεκριμένα, συλλέγονται μέσες ακτινοβολίες για δύο σετ καναλιών: ένα σετ απορρόφησης κεντραρισμένο σε ένα δίαυλο νερού (τυπικά 1130 nm) και ένα σετ αναφοράς καναλιών που λαμβάνονται μόνο έξω από τον δίαυλο. Έτσι συντάσσεται ένας δισδιάστατος πίνακας (Lut: Look up table) αναφοράς στον οποίο ανατρέχουμε για την ανάκτηση των υδρατμών από αυτές τις ακτινοβολίες. Μετά την εκτέλεση της ανάκτησης των υδρατμών, επιλύεται η εξίσωση (4.2.2_Α) για την ανάκλαση των ψηφίδων της επιφάνειας, σε όλα τα κανάλια του αισθητήρα. Η μέθοδος επίλυσης περιλαμβάνει τον υπολογισμό μιας χωρικά μέσης ακτινοβολίας εικόνας L e, από την οποία εκτιμάται η χωρικά μέση ανάκλαση ρ e, με τη χρήση της προσεγγιστικής εξίσωσης (4.2.2_Β) που ακολουθεί: (4.2.2_Β) Ο υπολογισμός του χωρικού μέσου όρου εκτελείται χρησιμοποιώντας μια λειτουργία διάδοσης σημείων η οποία περιγράφει τις σχετικές συνεισφορές σημείων του εδάφους, τα οποία βρίσκονται σε διαφορετικές αποστάσεις από την ευθεία γραμμή θέασης, στην ακτινοβολία της ψηφίδας. Για ακριβή αποτελέσματα, τα σκοτεινές ή θολές ψηφίδες πρέπει να απομακρύνονται πριν από τον υπολογισμό του μέσου όρου (ENVI User s guide, 2006). Το λογισμικό FLAASH περιλαμβάνει μια μέθοδο για την ανάκτηση της εκτιμώμενης ποσότητας αερίων της ατμόσφαιρας και υδρατμών από επιλεγμένες σκοτεινές ψηφίδες εδάφους του σκηνικού. Η μέθοδος αυτή βασίζεται σε παρατηρήσεις (Kaufman et al ) ενός σχεδόν σταθερού λόγου μεταξύ των αντανακλάσεων τέτοιου τύπου ψηφίδων στα 660 nm και τα 2100 nm. Το FLAASH ανακτά την ποσότητα των υδρατμών επαναλαμβάνοντας τις εξισώσεις (4.2.2_Α) και (4.2.2_Β) σε μια σειρά πεδίων ορατότητας (για παράδειγμα από 17 km μέχρι και 200 km). Για κάθε πεδίο ανακτά τις μέσες αντανακλάσεις των σκοτεινών ψηφίδων στα 660 nm και τα 2100 nm και παρεμβάλει την καλύτερη εκτίμηση του πεδίου ορατότητας, εναρμονίζοντας την αναλογία με την μέση αναλογία (~0.45) που παρατηρήθηκε από τους Kaufman et al.(1997). Χρησιμοποιώντας αυτή την εκτίμηση, το λογισμικό FLAASH εκτελεί έναν δεύτερο και τελικό MODTRAN-4 υπολογιστικό βρόγχο για τους υδρατμούς (ENVI User s guide, 2006). 86

87 Η ανάκτηση της ορατότητας και η αντιστάθμιση των ατμοσφαιρικών συνθηκών από το FLAASH, μπορεί να είναι ευαίσθητη στη μέθοδο που επιλέγεται για τους πολλαπλούς υπολογισμούς διασποράς MODTRAN. Αν οι ορατότητες στο FLAASH είναι σε ένα γενικό εύρος από km, χρησιμοποιώντας διαφορετικές μεθόδους ανάκτησης σε τόσο καθαρές συνθήκες, οι διαφορές στις αντανακλάσεις που ανακτώνται είναι πολύ μικρές. Αν για τα χαμηλότερα υψόμετρα, προκύπτουν χαμηλότερες του αναμενομένου ορατότητες, αυτό κατά πάσα πιθανότητα οφείλεται στα ατμοσφαιρικά αέρια που βρίσκονται πιο κοντά στο έδαφος από την παραδοχή που γίνεται στο MODTRAN (Kawishwar P., 2007). Εικόνα 4.3 Σχηματικό διάγραμμα που παρουσιάζει τη ροή της διαδικασίας του FLAASH (Kawishwar P., 2007). Η εικόνα 4.3 παρουσιάζει σχηματικά τη ροή της διαδικασίας του λογισμικού FLAASH και τα βήματα που περιλαμβάνονται κατά την μετατροπή της ακτινοβολίας που καταγράφεται στον αισθητήρα σε ανάκλαση στο έδαφος. 87

88 Προϋποθέσεις δεδομένων εισαγωγής FLAASH Για να εφαρμοστεί η ατμοσφαιρική διόρθωση με την χρήση του λογισμικού FLAASH στο ENVI, θα πρέπει η εικόνα που εισάγεται να είναι ραδιομετρικά βαθμονομημένη, η μορφή της να είναι ENVI standard και το format της να είναι BIL (band-interleaved-by-line) ή BIP (band interleaved- by pixel). Ο τύπος των δεδομένων εισαγωγής πρέπει να είναι floating point, 4-byte signed integers, 2- byte signed integers ή 2-byte unsigned integers. Το λογισμικό FLAASH απαιτεί δεδομένα εισαγωγής σε μονάδες μέτρησης μwatt/ (cm 2 x steradian x nm), δηλαδή φασματική ακτινοβολία ανά μονάδα μέτρησης μήκους κύματος. Αν η εικόνα ακτινοβολίας που εισάγεται δεν βρίσκεται ήδη σε floating-point format, θα πρέπει να είναι γνωστοί και οι συντελεστές κλίμακας (scale factors) για την μετατροπή των δεδομένων ακτινοβολίας στις μονάδες που αναφέρονται παραπάνω. Οι συντελεστές κλίμακας είναι συντελεστές διαίρεσης που ικανοποιούν την παρακάτω σχέση: ( integer εικόνα ακτινοβολίας / συντελεστές κλίμακας) = floating -point εικόνα ακτινοβολίας [μwatt/ (cm 2 x steradian x nm)] Ειδικότερα για τα δεδομένα υπερφασματικών αισθητήρων όπως ο Hyperion, είναι απαραίτητο να είναι γνωστό το κέντρο της φασματικής περιοχής κάθε διαύλου και το φασματικό εύρος του (σύμφωνα με την τιμή FWHM Full Width Half Maximum). Οι απαραίτητες αυτές τιμές πρέπει να περιλαμβάνονται στο αρχείο ENVI header file ή να δίνονται σε ξεχωριστά αρχεία τύπου ASCII. Τα δεδομένα της παρούσας εφαρμογής βρίσκονται όπως αναφέρθηκε και σε προηγούμενο κεφάλαιο σε επίπεδο επεξεργασίας 1R, επομένως είναι ραδιομετρικά βαθμονομημένα. Ο τύπος τους είναι 16-bit signed integer και η μορφή τους είναι HDF (Hierarchical Data Format). Οι τιμές τους είναι σε μονάδες Watt / (m 2 x Steradian x μm). Το αρχείο header file περιλαμβάνεται στα δεδομένα. Εισάγοντας τις εικόνες στο λογισμικό ENVI, αρχικά μετατρέπονται σε μορφή ENVI Standard και αποθηκεύονται σε format BIL. Σε αυτό το format αποθηκεύονται με τη σειρά αρχικά η πρώτη γραμμή του πρώτου διαύλου, στη συνέχεια η πρώτη γραμμή του δευτέρου διαύλου, η πρώτη γραμμή του τρίτου διαύλου και ούτω καθεξής. Κατά την μετατροπή αφαιρούνται οι δίαυλοι που δεν περιέχουν πληροφορία καθώς και οι δίαυλοι που παρουσιάζουν φασματική επικάλυψη με άλλους και έτσι συνολικά παραμένουν 196 δίαυλοι (8-57, ). Οι 50 πρώτοι ανήκουν στην φασματική περιοχή VNIR και οι υπόλοιποι 146 στην φασματική περιοχή SWIR (ENVI User s Guide, 2006). 88

89 Για τον επαναπροσδιορισμό της κλίμακας, προκειμένου να ανακτηθούν οι αρχικές τιμές της ακτινοβολίας που κατέγραψε το δορυφορικό σύστημα απεικόνισης, είναι απαραίτητο να διαιρεθούν οι τιμές των διαύλων VNIR με το 40 και οι τιμές των διαύλων SWIR με το 80. Επειδή ωστόσο χρειάζεται να μετατραπούν και οι μονάδες των δεδομένων [Watt / (m 2 x Steradian x μm)] στις μονάδες που απαιτεί το λογισμικό FLAASH [μwatt/ (cm 2 x Steradian x nm)], οι τιμές των διαύλων VNIR διαιρούνται τελικά με το 400 και οι τιμές των διαύλων SWIR διαιρούνται με το 800. Η μετατροπή αυτή πραγματοποιείται με την χρήση του αρχείου scale factors, το οποίο ζητείται κατά την εφαρμογή της ατμοσφαιρικής διόρθωσης στα δεδομένα εικόνας. Οι τιμές των ψηφίδων της εικόνας διαιρούνται με τους συντελεστές κλίμακας που περιλαμβάνονται σε αυτό το αρχείο. Αν το αρχείο scale factors δεν υπάρχει, το δημιουργεί σε μορφή ASCII ο χρήστης (ENVI User s guide, 2006). Οι τιμές στο αρχείο scale factors πρέπει να βρίσκονται σε στήλη. Κάθε γραμμή αντιστοιχεί σε ένα δίαυλο. Στην συγκεκριμένη εφαρμογή και στο αρχείο που δημιουργήθηκε, οι 50 πρώτες γραμμές έχουν την τιμή 400 καθώς αντιστοιχούν στους 50 διαύλους της φασματικής περιοχής VNIR και οι επόμενες 146 γραμμές έχουν την τιμή 800 και αντιστοιχούν στους 146 διαύλους της φασματικής περιοχής SWIR Αναλυτικές παράμετροι εισαγωγής στο FLAASH Οι παράμετροι εισαγωγής για το μοντέλο ατμοσφαιρικής διόρθωσης FLAASH του ENVI, εκτός από τα δεδομένα εικόνας περιλαμβάνουν και τις ρυθμίσεις προεπιλογής της αποθήκευσης των προϊόντων, την εισαγωγή πληροφορίας για τον αισθητήρα και το σκηνικό απεικόνισης, την επιλογή ενός μοντέλου ατμόσφαιρας και ενός μοντέλου αερίων της ατμόσφαιρας, καθώς και την ρύθμιση όλων των επιλογών του μοντέλου ατμοσφαιρικής διόρθωσης. Από το κύριο μενού του λογισμικού ENVI επιλέγουμε: Basic Tools Preprocessing Calibration Utilities FLAASH ή εναλλακτικά Spectral FLAASH και εμφανίζεται το παράθυρο διαλόγου του μοντέλου ατμοσφαιρικής διόρθωσης FLAASH (εικόνα 4.4) (ENVI User s guide, 2006). 89

90 Εικόνα 4.4 Το παράθυρο διαλόγου του FLAASH για την εισαγωγή των απαραίτητων παραμέτρων. Input Radiance Image : Στο πεδίο αυτό (εικόνα 4.4) εισάγονται τα δεδομένα εικόνας τα οποία πρέπει να βρίσκονται στη μορφή που αναφέρθηκε αναλυτικά στην παράγραφο Το λογισμικό δίνει την δυνατότητα επεξεργασίας μιας ολόκληρης εικόνας (επιλέγοντας full scene ) ή ξεχωριστών τμημάτων αυτής (επιλέγοντας spatial subset ). Στην εικόνα 4.5 που ακολουθεί παρουσιάζεται το παράθυρο διαλόγου για αυτές τις επιλογές. Εικόνα 4.5 Το παράθυρο διαλόγου του FLAASH για την επιλογή των τμημάτων της εικόνας που θα συμμετέχουν στην ατμοσφαιρική διόρθωση. 90

91 Output Reflectance File : Ορίζεται η θέση αποθήκευσης του παραγόμενου αρχείου εικόνας, καθώς επίσης και το όνομα του. Output Directory for FLAASH Files : Ορίζεται η θέση αποθήκευσης όλων των υπόλοιπων αρχείων που προκύπτουν από την επεξεργασία της εικόνας με το FLAASH (column water vapor, εικόνες cloud map, journal file, template file). Rootname for FLAASH Files : Το πεδίο δίνει την δυνατότητα στον χρήστη να επιλέξει αν επιθυμεί κάποιο πρόθεμα το οποίο επισυνάπτεται στην ονομασία όλων των παραγόμενων αρχείων του FLAASH. Για παράδειγμα, αν επιλεγεί ως πρόθεμα το Image_Thessaloniki, μετά την επεξεργασία θα προκύψει το αρχείο Image_Thessaloniki_ cloudmask.dat (ENVI User s guide, 2006). Μετά την συμπλήρωση των παραπάνω πεδίων, όπως παρουσιάζεται και στην εικόνα 4.4, ακολουθεί η εισαγωγή των πληροφοριών που αφορούν τον αισθητήρα και την περιοχή μελέτης. Οι πληροφορίες αυτές είναι οι συντεταγμένες του κέντρου της εικόνας, το μέσο υψόμετρο της περιοχής μελέτης, ο τύπος του αισθητήρα, το ύψος του δορυφόρου, το μέγεθος της εικονοψηφίδας και η ημερομηνία και ο χρόνος λήψης της εικόνας. Με την εισαγωγή των παραπάνω δεδομένων που αφορούν την περιοχή μελέτης και τον αισθητήρα, δίνεται η δυνατότητα στο FLAASH να προσδιορίσει την θέση του ήλιου κατά την στιγμή της λήψης της εικόνας, καθώς και την διαδρομή του φωτός μέσα από την ατμόσφαιρα μέχρι το έδαφος και πάλι πίσω μέχρι τον αισθητήρα. Οι πληροφορίες σχετικά με την ημερομηνία και τον χρόνο λήψης της εικόνας, αλλά και οι συντεταγμένες του κέντρου της εικόνας, υπάρχουν στο αρχείο metadata που συνοδεύει τις εικόνες. Atmospheric Model : Στο πεδίο αυτό που ακολουθεί, ο χρήστης επιλέγει ένα από τα έξι ατμοσφαιρικά μοντέλα που χρησιμοποιούνται στο MODTRAN. Η επιλογή του μοντέλου μπορεί να γίνει βάσει της περιεκτικότητας υδρατμών της ατμόσφαιρας, ή βάσει της αναμενόμενης θερμοκρασίας της ατμόσφαιρας κοντά στην γήινη επιφάνεια. Τα έξι ατμοσφαιρικά μοντέλα MODTRAN, καθώς και η περιεκτικότητα υδρατμών και η θερμοκρασία που αντιστοιχεί στο κάθε μοντέλο, παρουσιάζονται στον πίνακα 4.6 (ENVI User s guide, 2006). 91

92 Πίνακας 4.6 Περιεκτικότητα υδρατμών της ατμόσφαιρας και θερμοκρασία στην γήινη επιφάνεια για τα διάφορα MODTRAN ατμοσφαιρικά μοντέλα. Water Retrieval : Για να επιλυθούν οι εξισώσεις του προσδιορισμού της ανάκλασης της ηλιακής ακτινοβολίας από το έδαφος, είναι απαραίτητο να οριστεί η μάζα των σταγονιδίων νερού που αιωρούνται στην ατμόσφαιρα, για κάθε εικονοψηφίδα. Το λογισμικό FLAASH περιλαμβάνει μια μέθοδο υπολογισμού αυτής της ποσότητας ξεχωριστά για κάθε εικονοψηφίδα και η μέθοδος αυτή δίνει ακριβέστερα αποτελέσματα στην διόρθωση, από την χρήση μιας ενιαίας σταθερής τιμής υγρασίας για όλη την εικόνα. Για την χρήση αυτής της μεθόδου είναι αναγκαίο η εικόνα να έχει διαύλους που εκτείνονται σε ένα τουλάχιστον από τα παρακάτω φασματικά διαστήματα, με φασματική ανάλυση 15nm ή καλύτερη: o nm (για το χαρακτηριστικό απορρόφησης νερού στην περιοχή 1135 nm του φάσματος). o nm (για το χαρακτηριστικό απορρόφησης νερού στην περιοχή 940 nm του φάσματος). o nm (για το χαρακτηριστικό απορρόφησης νερού στην περιοχή 820 nm του φάσματος). Στους περισσότερους πολυφασματικούς αισθητήρες, η επιλογή σε αυτό το πεδίο είναι NO επειδή οι αισθητήρες αυτοί δεν έχουν τους κατάλληλους διαύλους. Αντίθετα, στις εικόνες του υπερφασματικού αισθητήρα Hyperion υπάρχουν δίαυλοι σε αυτά τα φασματικά διαστήματα (ENVI User s guide, 2006). 92

93 Water Absorption Feature : Εφόσον η επιλογή στο προηγούμενο πεδίο είναι YES, επιλέγεται στο παρόν πεδίο το χαρακτηριστικό απορρόφησης νερού. Για την εφαρμογή της μεθόδου προτείνεται η χρησιμοποίηση του χαρακτηριστικού απορρόφησης νερού στην περιοχή 1135 nm του φάσματος. Αν επιλεχθεί η χρήση των περιοχών 1135 nm ή 940 nm του φάσματος και το χαρακτηριστικό αυτό είναι κορεσμένο εξαιτίας μιας πολύ υγρής ατμόσφαιρας, τότε το λογισμικό αυτόματα χρησιμοποιεί την περιοχή 820nm του φάσματος, αν φυσικά είναι διαθέσιμοι οι αντίστοιχοι δίαυλοι. Όταν η παραπάνω μέθοδος δεν εφαρμόζεται, χρησιμοποιείται σε όλες τις εικονοψηφίδες της εικόνας μια σταθερή ποσότητα σταγονιδίων, η οποία προκύπτει από τον πίνακα 4.6, για το ατμοσφαιρικό μοντέλο που έχει επιλεχθεί (ENVI User s guide, 2006). Aerosol Model : Σε αυτό το πεδίο επιλέγεται το μοντέλο μείγματος των αερίων και των σωματιδίων της ατμόσφαιρας. Για την επιλογή αυτή λαμβάνεται υπόψη το είδος της περιοχής μελέτης. Ο χρήστης καλείται να επιλέξει ένα από τα 4 παρακάτω μοντέλα MODTRAN: o Rural (αγροτικό): Χρησιμοποιείται σε περιοχές οι οποίες δεν επηρεάζονται ισχυρά από αστικές και βιομηχανικές πηγές. o Urban (αστικό): Χρησιμοποιείται σε πυκνοκατοικημένες, αστικές ή βιομηχανικές περιοχές. o Maritime (θαλάσσιο): Χρησιμοποιείται σε περιοχές πάνω από τους ωκεανούς αλλά και σε ηπειρωτικές περιοχές οι οποίες επηρεάζονται από τους ανέμους που προέρχονται από την θάλασσα. o Tropospheric (τροποσφαιρικό): Χρησιμοποιείται σε ηπειρωτικές περιοχές με καθαρές ατμοσφαιρικές συνθήκες (ορατότητα μεγαλύτερη από 40 km). Η επιλογή του μοντέλου μείγματος αερίων και σωματιδίων της ατμόσφαιρας δεν είναι αποφασιστικής σημασίας όταν η ορατότητα είναι πολύ μεγάλη (δηλαδή μεγαλύτερη από 40 km) (ENVI User s guide, 2006). Aerosol Retrieval : Το λογισμικό FLAASH περιλαμβάνει μια μέθοδο για τον προσδιορισμό του μείγματος ατμοσφαιρικών αερίων και σωματιδίων και την εκτίμηση μιας μέσης ορατότητας για όλη την εικόνα, χρησιμοποιώντας την ανάκλαση των σκοτεινόχρωμων εικονοψηφίδων και διαύλους στις περιοχές 660 nm και 2100 nm του φάσματος. Η μέθοδος αυτή ονομάζεται 2-Band (K-T) και βασίζεται στα αποτελέσματα της μελέτης των Kaufman et al. (Kaufman et al., 1997). 93

94 Αν κατά την εφαρμογή της μεθόδου 2-Band (K-T) δεν βρεθούν κατάλληλες σκοτεινόχρωμες εικονοψηφίδες τότε χρησιμοποιείται η αρχική τιμή ορατότητας που περιγράφεται παρακάτω. Το ίδιο συμβαίνει και στην περίπτωση που η μέθοδος δεν χρησιμοποιείται καθόλου (ENVI User s guide, 2006). Initial Visibility : Στο πεδίο αυτό εισάγεται μια εκτιμώμενη αρχική τιμή ορατότητας της εικόνας σε km. Η τιμή αυτή εξαρτάται από τις καιρικές συνθήκες (Πίνακας 4.7). Ο ορισμός μιας αρχικής τιμής ορατότητας είναι απαραίτητος για τον λόγο που αναφέρθηκε στην προηγούμενη παράγραφο. Πίνακας 4.7 Τιμές αρχικής ορατότητας εικόνας βάσει των καιρικών συνθηκών (ENVI User s guide, 2006). Spectral Polishing : Στο πεδίο αυτό ο χρήστης δηλώνει αν επιθυμεί ή όχι την εφαρμογή της τεχνικής Spectral Polishing (Φασματική Ομαλοποίηση). Ο όρος polishing χρησιμοποιήθηκε από τον Boardman (1998) για μια μέθοδο γραμμικής εξομάλυνσης η οποία περιορίζει τον φασματικό θόρυβο στα υπερφασματικά δεδομένα, χρησιμοποιώντας αποκλειστικά και μόνο τα ίδια τα δεδομένα. Ο πρωτότυπος αλγόριθμος του Boardman υπάρχει στο λογισμικό ENVI και ενεργοποιείται από τον χρήστη μέσω της παρακάτω επιλογής στο κεντρικό μενού του προγράμματος: Spectral EFFORT Polishing Η τεχνική Spectral Polishing του FLAASH δίνει αντίστοιχα αποτελέσματα με την χρήση λιγότερων αρχικών δεδομένων. Η ομαλοποίηση πραγματοποιείται με την χρήση n γειτονικών διαύλων (ως n ορίζεται το πλάτος της φασματικής ομαλοποίησης - polishing width, αριθμός διαύλων). Για τυπικούς υπερφασματικούς αισθητήρες με φασματική ανάλυση ίση με 10nm προτείνεται η χρήση πλάτους 9 διαύλων. Η χρήση πλάτους 2 διαύλων δίνει ελάχιστη φασματική ομαλοποίηση, αλλά απομακρύνει φασματικές ανισσοροπίες μεταξύ των διαύλων. Η χρήση περιττού αριθμού διαύλων στο πλάτος της φασματικής ομαλοποίησης είναι υπολογιστικά λίγο πιο αποτελεσματική. Όταν στον τύπο του αισθητήρα επιλεχθεί ένας πολυφασματικός αισθητήρας, η επιλογή Spectral Polishing στο παράθυρο διαλόγου της εικόνας 4.4 απενεργοποιείται αυτόματα. 94

95 Wavelength Recalibration : Στο πεδίο αυτό ο χρήστης επιλέγει αν επιθυμεί ή όχι την επαναβαθμονόμηση των διαύλων της εικόνας. Στην περίπτωση που η διαδικασία εφαρμόζεται, το λογισμικό FLAASH απαιτεί όλους τους διαύλους της εικόνας. Για το λόγο αυτό χρησιμοποιείται η αρχική εικόνα (πριν την αφαίρεση των διαύλων) και ένα διαφορετικό αρχείο scale factors, το οποίο έχει συνολικά 242 γραμμές. Οι πρώτες 70 γραμμές που αντιστοιχούν στους διαύλους VNIR συμπληρώνονται με τον αριθμό 400 και οι υπόλοιπες 172 γραμμές που αντιστοιχούν στους διαύλους SWIR συμπληρώνονται με τον αριθμό 800. Η ακρίβεια στην βαθμονόμηση των διαύλων είναι αποφασιστικής σημασίας στην ατμοσφαιρική διόρθωση υπερφασματικών δεδομένων. Ακόμα και μικρά σφάλματα στη θέση του κέντρου της φασματικής περιοχής κάθε διαύλου, μπορεί να εισάγουν σημαντικά σφάλματα στον προσδιορισμό της υγρασίας της ατμόσφαιρας και να μειώσουν την ολική ακρίβεια του FLAASH. Η επαναβαθμονόμηση των διαύλων της εικόνας ελαχιστοποιεί τα σφάλματα αυτού του τύπου. Τα δεδομένα από τους υπερφασματικούς αισθητήρες HYPERION, HYDICE, HYMAP, AVIRIS, CASI και AISA υποστηρίζονται αυτόματα από το FLAASH για επαναβαθμονόμηση των διαύλων τους. Για όλους τους υπόλοιπους υπερφασματικούς αισθητήρες απαιτείται ειδικό αρχείο ( spectrograph definition file ). Μετά την εκτέλεση της επαναβαθμονόμησης των διαύλων, δημιουργείται ένα επιπρόσθετο αρχείο το οποίο συνοψίζει τα αποτελέσματα. Το αρχείο αυτό αποθηκεύεται στο output directory for FLAASH files που έχει οριστεί από πριν και ονομάζεται Rootname+wl_recalibration.txt. Τα δεδομένα που προκύπτουν μετά την ατμοσφαιρική διόρθωση περιέχουν τα νέα κέντρα της φασματικής περιοχής κάθε διαύλου. Αν ο χρήστης επιθυμεί να τα εφαρμόσει στα αρχικά δεδομένα εικόνας επιλέγει από το κεντρικό μενού του ENVI: File Edit ENVI Header Edit Attributes Wavelengths Το λογισμικό FLAASH μέσω της επιλογής Advanced Settings δίνει την δυνατότητα στον χρήστη να κάνει επιπλέον ρυθμίσεις για την βελτίωση των αποτελεσμάτων. Επιλέγοντας Advanced Settings στο παράθυρο διαλόγου της εικόνας 4.4, εμφανίζεται το παράθυρο διαλόγου της εικόνας 4.8 που ακολουθεί (ENVI User s guide, 2006). 95

96 Εικόνα 4.8 Το παράθυρο διαλόγου του FLAASH για την εισαγωγή επιπλέον ρυθμίσεων. Από το παράθυρο διαλόγου της εικόνας 4.8 ορίζεται επίσης και το αρχείο spectrograph definition file. Όπως αναφέρθηκε σε προηγούμενη παράγραφο, για τον αισθητήρα Hyperion, το αρχείο αυτό υπάρχει ενσωματωμένο στο FLAASH. Το αρχείο αυτό είναι τύπου ASCII txt και περιέχει μια γραμμή για κάθε φασματόμετρο του τηλεπισκοπικού αισθητήρα. Οι επιπλέον ρυθμίσεις του FLAASH χωρίζονται σε τρεις ξεχωριστές κατηγορίες: o Ρυθμίσεις παραμέτρων του μοντέλου MODTRAN o Ρυθμίσεις παραμέτρων που αφορούν την γεωμετρία του αισθητήρα o Ρυθμίσεις παραμέτρων που αφορούν την επεξεργασία του FLAASH. Ρυθμίσεις παραμέτρων μοντέλου MODTRAN: Aerosol Scale Height (km): Στο πεδίο αυτό εισάγεται το ύψος του αέρα σε km. Οι τυπικές τιμές του πεδίου αυτού είναι 1 με 2 km. Η παράμετρος αυτή χρησιμοποιείται μόνο για τον υπολογισμό της έκτασης του φαινομένου χωρικής ανάμειξης της ηλιακής ακτινοβολίας ανάμεσα στις γειτονικές ψηφίδες. CO2 Mixing Ratio (ppm): Στο πεδίο αυτό εισάγεται ο λόγος ανάμειξης του διοξειδίου του άνθρακα στο πεδίο σε parts per million. Το 2001 η τιμή ήταν περίπου ίση με 370 ppm. Για καλύτερα αποτελέσματα προτείνεται να προστεθούν άλλα 20 ppm. 96

97 Use Square Slit Function: Η συνάρτηση αυτή χρησιμοποιείται στην περίπτωση που οι εικόνες προέρχονται από τον υπολογισμό γειτονικών διαύλων (π.χ. LASH). Use Adjacency Correction: Ο χρήστης επιλέγει αν επιθυμεί η όχι την εφαρμογή της διόρθωσης για το φαινόμενο ανάμειξης της ηλιακής ακτινοβολίας ανάμεσα στις γειτονικές ψηφίδες. Το μοντέλο του FLAASH, σε αντίθεση με άλλα μοντέλα, λαμβάνει υπόψη την ηλιακή ακτινοβολία που ανακλάται από το έδαφος και μεταφέρεται απευθείας στο οπτικό πεδίο του αισθητήρα, αλλά και αυτή που διαχέεται στην ατμόσφαιρα και φτάνει τελικά στον αισθητήρα. Η διάκριση ανάμεσα στις δύο αφορά το φαινόμενο της χωρικής ανάμειξης της ακτινοβολίας ανάμεσα στις γειτονικές ψηφίδες, το οποίο προκαλείται από την διάχυση της ακτινοβολίας στην ατμόσφαιρα. Η ακριβέστερη ανάκτηση της ανάκλασης στο έδαφος συμβαίνει όταν εφαρμόζεται η συγκεκριμένη διόρθωση (Adjacency Correction) (ENVI User s guide, 2006). Reuse MODTRAN Calculations: Ο χρήστης επιλέγει αν επιθυμεί ή όχι την χρησιμοποίηση παλαιότερων MODTRAN υπολογισμών (εφόσον υπάρχουν). Η χρησιμοποίηση αυτών των υπολογισμών είναι χρήσιμη για την γρήγορη επεξεργασία πολλαπλών εικόνων, οι οποίες έχουν ληφθεί κάτω από τις ίδιες ακριβώς συνθήκες (φωτισμού, γεωμετρίας οπτικού πεδίου, ορατότητας). Μετά από κάθε εκτέλεση του FLAASH, οι MODTRAN υπολογισμοί αποθηκεύονται σε ένα αρχείο που ονομάζεται acc_modroot.fla και ένα αντίγραφο του αρχείου αποθηκεύεται στο output directory που έχει δηλωθεί στο FLAASH, καθώς και στο προσωρινό directory του ENVI. Αν σε αυτό το πεδίο η επιλογή είναι YES τότε το ENVI πρώτα ανατρέχει στο output directory για το αρχείο acc_modroot.fla. Αν το αρχείο βρεθεί, χρησιμοποιείται. Σε αντίθετη περίπτωση το ENVI χρησιμοποιεί το αντίγραφο που βρίσκεται στο προσωρινό directory. Συνεπώς, ο χρήστης μπορεί να αναγκάσει το FLAASH να χρησιμοποιήσει τους MODTRAN υπολογισμούς από οποιαδήποτε προηγούμενη εκτέλεση, αντιγράφοντας το αρχείο acc_modroot.fla που επιθυμεί από κάποια παλιά εκτέλεση, στο output directory του FLAASH για την παρούσα εκτέλεση. MODTRAN Resolution: Ο χρήστης επιλέγει την ανάλυση MODTRAN που θα χρησιμοποιηθεί. Η ανάλυση αυτή ελέγχει την εξισορρόπηση της ταχύτητας έναντι της ακρίβειας για τους υπολογισμούς MODTRAN. Οι τιμές που μπορεί να οριστούν είναι 1 cm -1, 5 cm -1 και 15 cm

98 Η χαμηλότερη ανάλυση MODTRAN αποδίδει γενικά καλύτερη ταχύτητα, αλλά μικρότερη ακρίβεια. Σε γενικές γραμμές η ανάλυση των 5 cm -1 ενδείκνυται. Η ανάλυση των 15 cm -1 δίνει παρόμοια αποτελέσματα όταν χρησιμοποιηθεί η τεχνική spectral polishing. MODTRAN Multiscatter Model: Στο πεδίο αυτό επιλέγεται ο αλγόριθμος για την πολλαπλή σκέδαση της ηλιακής ακτινοβολίας, ο οποίος χρησιμοποιείται από το MODTRAN4. Το FLAASH προσφέρει τρεις επιλογές για τα μοντέλα πολλαπλής σκέδασης. Οι επιλογές αυτές είναι το μοντέλο Isaacs, το μοντέλο Scaled DISORT το οποίο είναι και η προεπιλογή (default) του προγράμματος και το μοντέλο DISORT. Το μοντέλο DISORT δίνει τις ακριβέστερες διορθώσεις στα μικρά μήκη κύματος του φάσματος, αλλά είναι πολύ χρονοβόρο υπολογιστικά. Το μοντέλο Isaacs είναι γρήγορο αλλά υπεραπλουστευμένο. Το μοντέλο Scaled DISORT δίνει παραπλήσια ακρίβεια με το DISORT ενώ παράλληλα είναι σχεδόν το ίδιο γρήγορο με το μοντέλο Isaacs (ENVI User s guide, 2006). Number of DISORT Streams: Αν η επιλογή του χρήστη στο προηγούμενο πεδίο είναι το μοντέλο DISORT ή το μοντέλο Scaled DISORT, χρειάζεται να καθοριστεί ο αριθμός των streams. Οι επιλογές είναι οι αριθμοί 2, 4, 8 και 16. Ο αριθμός των streams σχετίζεται με τον αριθμό των διευθύνσεων σκέδασης της ακτινοβολίας, που λαμβάνονται υπόψη από το μοντέλο. Οι υπολογισμοί με 2 ή 4 streams δεν προτείνονται επειδή αυξάνουν δραματικά τον χρόνο των υπολογισμών, με μικρή ή και καθόλου βελτίωση. Αυξάνοντας τον αριθμό των streams για το μοντέλο Scaled DISORT, δεν αυξάνεται σημαντικά ο χρόνος επεξεργασίας. Η χρήση του μοντέλου DISORT αυξάνει δραματικά τον χρόνο της επεξεργασίας του FLAASH και είναι σπάνια απαραίτητο για ακριβείς ατμοσφαιρικές διορθώσεις. Το μέγεθος της πολλαπλής σκέδασης της ακτινοβολίας σε οποιαδήποτε εικόνα εξαρτάται από την ποσότητα των υδρατμών και των αερίων της ατμόσφαιρας που υπάρχουν σε αυτή. Επιπλέον, η σκέδαση επιδρά περισσότερο στα μικρά μήκη κύματος (ορατή περιοχή) ενώ στα μεγάλα μήκη κύματος (εγγύς υπέρυθρη περιοχή) επιδρά ελάχιστα. Το μοντέλο DISORT πρέπει να χρησιμοποιείται στις πιο δύσκολες περιπτώσεις, όταν δηλαδή η ομίχλη είναι πολύ πυκνή και η διόρθωση στα μικρά μήκη κύματος είναι απαραίτητη. Ο χρόνος των υπολογισμών διαφέρει από σύστημα σε σύστημα, αλλά οι τυπικές σχετικές τιμές του είναι οι παρακάτω: Isaacs: DISORT-2: DISORT-4: DISORT-8: DISORT-16 = 1:22:24:30:60 98

99 Ρυθμίσεις παραμέτρων που αφορούν την γεωμετρία του αισθητήρα: Για αισθητήρες οι οποίοι χρησιμοποιούν οπτική γεωμετρία χωρίς να περιλαμβάνουν το ναδίρ, είναι απαραίτητο να καθοριστεί η ζενίθεια και η αζιμούθια γωνία. Η ζενίθεια γωνία ορίζεται ως η γωνία ανάμεσα στην οπτική γραμμή και το ζενίθ (180 μοίρες για αισθητήρες που χρησιμοποιούν οπτική γεωμετρία συμπεριλαμβάνοντας το ναδίρ). Οι ζενίθειες γωνίες πρέπει να είναι μεταξύ 90 και 180 μοιρών. Η αζιμούθια γωνία ορίζεται ως η γωνία ανάμεσα στην οπτική γραμμή και τον Βορρά (ENVI User s guide, 2006). Ρυθμίσεις παραμέτρων που αφορούν την επεξεργασία του FLAASH: Use Tiled Processing: Στο πεδίο αυτό ο χρήστης καθορίζει αν επιθυμεί ή όχι την τμηματική επεξεργασία της εικόνας. Όπως όλες οι ρουτίνες επεξεργασίας του ENVI, έτσι και το FLAASH έχει την δυνατότητα να επεξεργάζεται τμηματικά τα δεδομένα και στη συνέχεια να ενώνει τα τμήματα για το τελικό αποτέλεσμα. Η τμηματική επεξεργασία των δεδομένων επιτρέπει στο FLAASH να επεξεργάζεται εικόνες κάθε μεγέθους, ανεξάρτητα από την διαθέσιμη μνήμη του συστήματος. Η προεπιλογή (default) του λογισμικού σε αυτό το πεδίο είναι το YES και η τμηματική επεξεργασία των δεδομένων προτείνεται. Παρόλα αυτά, υπάρχουν περιπτώσεις δεδομένων τα οποία επεξεργάζονται γρηγορότερα από το FLAASH, όταν δεν επεξεργάζονται τμηματικά. Tile Size (Mb): Αν ο χρήστης στο προηγούμενο πεδίο επιλέξει να επεξεργαστεί τμηματικά τα δεδομένα εισαγωγής, τότε σε αυτό το πεδίο καλείται να επιλέξει μια τιμή για το μέγεθος κάθε τμήματος. Η προεπιλογή (default) του λογισμικού σε αυτό το πεδίο είναι τα 100 Mb. Το FLAASH διασφαλίζει κατά την επεξεργασία του ότι το μεγαλύτερο τμήμα της εικόνας το οποίο χρησιμοποιείται από την μνήμη σε οποιαδήποτε χρονική στιγμή, δεν ξεπερνά αυτό το μέγεθος. Σε γενικές γραμμές, το μέγεθος των τμημάτων θα πρέπει να έχει τέτοια τιμή, ώστε κατά την επεξεργασία του να μην εξαντλείται η μνήμη του υπολογιστή και να μην μένει το υπόλοιπο σύστημα του υπολογιστή χωρίς διαθέσιμη μνήμη γα τις βασικές λειτουργίες του. Spatial Subset: Ο χρήστης έχει την δυνατότητα να επανακαθορίσει το τμήμα της αρχικής εικόνας που θα χρησιμοποιηθεί στην επεξεργασία. Choose Scale Factors: Ο χρήστης επαναπροσδιορίζει τους συντελεστές κλίμακας που είναι απαραίτητοι για να μετατραπούν τα δεδομένα εισαγωγής στις κατάλληλες μονάδες που απαιτεί το FLAASH. 99

100 Output Reflectance Scale Factor: Στο πεδίο αυτό εισάγεται η τιμή που θα χρησιμοποιηθεί ως κλίμακα για να μετατραπεί η τελική εικόνα της επεξεργασίας από floating point σε 2-byte integer. Η τιμή που προτείνεται είναι Η τιμή αυτή αποθηκεύεται στον φάκελο header (hdr) της τελικής εικόνας. Automatically Save Template File: Ο χρήστης επιλέγει αν επιθυμεί ή όχι την αυτόματη αποθήκευση των παραμέτρων του FLAASH σε ένα αρχείο στο Output Directory του FLAASH. Το όνομα του αρχείου που αποθηκεύεται είναι Rootname_template.txt. Στο πεδίο αυτό προτείνεται η επιλογή YES. Output Diagnostic Files: Ο χρήστης επιλέγει αν επιθυμεί ή όχι την δημιουργία ενδιάμεσων αρχείων δεδομένων κατά την επεξεργασία της ατμοσφαιρικής διόρθωσης. Τα ενδιάμεσα αρχεία είναι πολύ χρήσιμα στη διάγνωση προβλημάτων που προκύπτουν κατά τον χρόνο εκτέλεσης. Στο πεδίο αυτό προτείνεται η επιλογή NO Ατμοσφαιρική διόρθωση ολόκληρης της εικόνας Hyperion Για την ατμοσφαιρική διόρθωση ολόκληρης της εικόνας Hyperion με το λογισμικό FLAASH, χρησιμοποιήθηκε αρχικά το αγροτικό μοντέλο Rural (ορίζεται στο πεδίο Aerosol Model ). Με διάφορους συνδυασμούς παραμέτρων εισαγωγής και αλλεπάλληλες εφαρμογές ατμοσφαιρικών διορθώσεων, εξετάστηκαν τα αποτελέσματα που επιφέρει στα προϊόντα της διόρθωσης η χρήση της αρχικής τιμής ορατότητας, η χρήση της μεθόδου 2 band K-T, η εφαρμογή της τεχνικής φασματικής ομαλοποίησης και η επαναβαθμονόμηση των διαύλων. Αφού αναγνωρίστηκαν οι ιδανικότερες παράμετροι εισαγωγής, στη συνέχεια η εικόνα διορθώθηκε ατμοσφαιρικά με την χρήση του αστικού μοντέλου Urban και τέλος διορθώθηκε με τη χρήση του θαλάσσιου μοντέλου Maritime. Για την εξαγωγή συμπερασμάτων σχετικά με την αξιοπιστία των αποτελεσμάτων των τριών διαφορετικών ατμοσφαιρικών διορθώσεων, συγκρίθηκαν φασματικές υπογραφές ψηφίδων βλάστησης, ακάλυπτου εδάφους, υδάτινης επιφάνειας και κτιρίου πριν και μετά την εφαρμογή της ατμοσφαιρικής διόρθωσης, με αντίστοιχες φασματικές υπογραφές διαφόρων φασματικών βιβλιοθηκών. Ατμοσφαιρική διόρθωση με την χρήση του αγροτικού μοντέλου Rural Για την πρώτη εφαρμογή ατμοσφαιρικής διόρθωσης ολόκληρης της εικόνας με την χρήση του αγροτικού μοντέλου οι παράμετροι εισαγωγής που χρησιμοποιήθηκαν είναι οι παρακάτω: 100

101 o Συντεταγμένες κέντρου εικόνας: Scene Center Latitude = Scene Center Longitude = (metadata file) o Τύπος αισθητήρα, υψόμετρο αισθητήρα: Hyperion, 705 km o Μέσο υψόμετρο περιοχής: 0.25 km (εκτίμηση από χάρτες Γ.Υ.Σ.) o Μέγεθος εικονοψηφίδας: 30 μέτρα o Ημερομηνία λήψης εικόνας: 5 Οκτωβρίου 2001 (metadata file) o Ώρα λήψης: 08:59:30 (metadata file) o Atmospheric Model: Mid-Latitude Summer (λαμβάνοντας υπόψη την ημερομηνία λήψης της εικόνας και το γεωγραφικό πλάτος της περιοχής μελέτης). o Water Retrieval: ΝΑΙ o Water Absorption Feature: 1135nm o Aerosol Model: Rural o Aerosol Retrieval: 2-Band K-T o Αρχική τιμή ορατότητας: 40 km, επειδή δεν υπάρχει ομίχλη στην εικόνα o Spectral Polishing: ΟΧΙ o Wavelength Recalibration: ΟΧΙ (Δεν χρησιμοποιήθηκαν όλοι οι δίαυλοι της εικόνας, αλλά μόνο αυτοί που περιέχουν πληροφορία. Αντίστοιχα όταν ζητήθηκε από το λογισμικό, χρησιμοποιήθηκε το αρχείο scale factors που δημιουργήθηκε για τους 196 εναπομείναντες διαύλους). o Aerosol Scale Height: 2 km o CO2 Mixing Ratio: 390 ppm o Use Square Slit Function: ΟΧΙ o Use Adjacency Correction: ΝΑΙ o Reuse Modtran Calculations: ΟΧΙ o Modtran Resolution: 5 cm -1 o Modtran Multiscatter Model: Scaled Disort o Number of DISORT Streams: 8 o Ζενίθεια γωνία, Αζιμούθια γωνία: 180 μοίρες, 0 μοίρες (η λήψη των δεδομένων είναι ναδιρική). o Use Tile Processing: ΟΧΙ o Output Reflectance Scale Factor:

102 Χρήση αρχικής τιμής ορατότητας (40 km): Στη συνέχεια, εφαρμόστηκε στα αρχικά δεδομένα ατμοσφαιρική διόρθωση (πάλι με χρήση του αγροτικού μοντέλου) χωρίς τη χρήση της μεθόδου 2-band K-T, με χρήση αρχικής τιμής ορατότητας ίση με 40 km και όλες τις υπόλοιπες παραμέτρους ίδιες. Οι διαφορές στα αποτελέσματα των δύο διορθώσεων στις τιμές ορατότητας (visibility) και στην περιεκτικότητα της ατμόσφαιρας σε υδρατμούς (average water amount) παρουσιάζονται στον πίνακα 4.9. Πίνακας 4.9 Αποτελέσματα των δύο εφαρμογών ατμοσφαιρικών διορθώσεων (μέθοδος 2-Band K-T, αρχική τιμή ορατότητας) Παράμετροι Εισαγωγής Visibility Average Water Amount Μέθοδος 2-Band K-T 26,1421 km 2,2684 cm Αρχική Τιμή Ορατότητας 40 km 2,2279 cm Για να ελεγχθεί η αξιοπιστία και η αποτελεσματικότητα των δύο παραπάνω εφαρμογών ατμοσφαιρικής διόρθωσης, συγκρίνονται οι φασματικές υπογραφές ψηφίδων βλάστησης και ακάλυπτου εδάφους στις δύο ατμοσφαιρικά διορθωμένες εικόνες και στην εικόνα πριν την ατμοσφαιρική διόρθωση, με αντίστοιχες φασματικές υπογραφές από τις διαθέσιμες φασματικές βιβλιοθήκες του λογισμικού ENVI. Φασματική υπογραφή ψηφίδας βλάστησης: Για την σύγκριση επιλέγεται η φασματική υπογραφή Chamise green (από το αρχείο veg_2grn.sli) της φασματικής βιβλιοθήκης Jasper Ridge Spectral Library (εικόνα 4.10) του ENVI. Εικόνα 4.10 Φασματική υπογραφή ψηφίδας βλάστησης (Chamise Green) από την φασματική βιβλιοθήκη Jasper Ridge. 102

103 Σημειώνεται ότι όλα τα τμήματα εικόνων που παρουσιάζονται παρακάτω (πρωτογενείς ή διορθωμένες) προκύπτουν από την επιλογή Load True Color του λογισμικού ENVI. Σε όσες ατμοσφαιρικά διορθωμένες εικόνες χρειάστηκε (λόγω contrast), εφαρμόστηκε κάποιο από τα διαθέσιμα φίλτρα του λογισμικού. Στην εικόνα 4.11 παρουσιάζεται τμήμα ορεινής περιοχής (νότια της λίμνης Κερκίνης, όρος Μαυροβούνι) από το οποίο επιλέγεται η ψηφίδα βλάστησης (sample 159, line 303) και η φασματική υπογραφή της επιλεγμένης ψηφίδας στην πρωτογενή - μη ατμοσφαιρικά διορθωμένη εικόνα. Εικόνα 4.11 Φασματική υπογραφή της επιλεγμένης ψηφίδας βλάστησης στην πρωτογενή εικόνα Στην εικόνα 4.12 παρουσιάζεται το ίδιο τμήμα ορεινής περιοχής και η φασματική υπογραφή της επιλεγμένης ψηφίδας (sample 159, line 303) στην εικόνα που διορθώθηκε ατμοσφαιρικά με την χρήση της μεθόδου 2-band K-T. Εικόνα 4.12 Φασματική υπογραφή της επιλεγμένης ψηφίδας βλάστησης στην εικόνα που διορθώθηκε ατμοσφαιρικά με την χρήση της μεθόδου 2-band K-T 103

104 Στην εικόνα 4.13 παρουσιάζεται το ίδιο τμήμα ορεινής περιοχής και η φασματική υπογραφή της επιλεγμένης ψηφίδας (sample 159, line 303) στην εικόνα που διορθώθηκε ατμοσφαιρικά χωρίς την χρήση της μεθόδου 2-band K-T, με αρχική τιμή ορατότητας 40 km. Εικόνα 4.13 Φασματική υπογραφή της επιλεγμένης ψηφίδας βλάστησης στην εικόνα που διορθώθηκε ατμοσφαιρικά χωρίς την χρήση της μεθόδου 2-band K-T, με αρχική τιμή ορατότητας 40 km. Συγκρίνοντας τις φασματικές υπογραφές, μπορεί εύκολα να γίνει αντιληπτό ότι μετά την εφαρμογή της ατμοσφαιρικής διόρθωσης, είναι εφικτό να γίνει ταυτοποίηση των φασμάτων και να εξαχθεί το συμπέρασμα ότι η επιλεγμένη ψηφίδα αντιστοιχεί σε βλάστηση. Αντίθετα, στην μη ατμοσφαιρικά διορθωμένη εικόνα είναι σχεδόν αδύνατο να γίνει ταυτοποίηση. Τα αποτελέσματα των διαφορετικών παραμέτρων εισαγωγής που δοκιμάστηκαν (διόρθωση με χρήση της μεθόδου 2-band K-T και διόρθωση με χρήση αρχικής τιμής ορατότητας) δεν παρουσιάζουν σημαντικές διαφορές οπτικά. Η μοναδική αξιόλογη διαφορά που παρατηρείται μεταξύ των φασματικών ψηφίδων βλάστησης της πρώτης (χρήση μεθόδου 2 band K-T) και της δεύτερης (χρήση αρχικής τιμής ορατότητας 40 km ) εφαρμογής ατμοσφαιρικής διόρθωσης, είναι κάποιες μικρές αρνητικές τιμές που παρουσιάζονται στα μικρά μήκη κύματος του φάσματος κατά την πρώτη εφαρμογή. Το πρόβλημα είναι λιγότερο ορατό (σχεδόν ανύπαρκτο) όταν χρησιμοποιείται αρχική τιμή ορατότητας ίση με 40 km. Οι αρνητικές αυτές τιμές δεν έχουν φυσικό νόημα, καθώς η φασματική υπογραφή εκφράζει την εκατοστιαία ανάκλαση της ηλιακής ακτινοβολίας από τα αντικείμενα της γήινης επιφάνειας στα διάφορα μήκη κύματος του φάσματος. 104

105 Φασματική υπογραφή ψηφίδας ακάλυπτου εδάφους: Για την σύγκριση επιλέγεται η φασματική υπογραφή Brown silty loam (από το αρχείο soils.sli) της φασματικής βιβλιοθήκης John Hopkins University Spectral Library (εικόνα 4.14). Εικόνα 4.14 Φασματική υπογραφή ψηφίδας ακάλυπτου εδάφους (Brown silty loam) από την φασματική βιβλιοθήκη John Hopkins. Στην εικόνα 4.15 παρουσιάζεται τμήμα αγροτικής περιοχής (ανατολικά της Κριθιάς) από το οποίο επιλέγεται η ψηφίδα ακάλυπτου εδάφους (sample 123, line 1369) και η φασματική υπογραφή της επιλεγμένης ψηφίδας στην πρωτογενή - μη ατμοσφαιρικά διορθωμένη εικόνα. Εικόνα 4.15 Φασματική υπογραφή της επιλεγμένης ψηφίδας ακάλυπτου εδάφους στην πρωτογενή εικόνα. Στην εικόνα 4.16 παρουσιάζεται το ίδιο τμήμα αγροτικής περιοχής και η φασματική υπογραφή της επιλεγμένης ψηφίδας (sample 123, line 1369) στην εικόνα που διορθώθηκε ατμοσφαιρικά με την χρήση της μεθόδου 2-band K-T. 105

106 Εικόνα 4.16 Φασματική υπογραφή της επιλεγμένης ψηφίδας ακάλυπτου εδάφους στην εικόνα που διορθώθηκε ατμοσφαιρικά με την χρήση της μεθόδου 2-band K-T Στην εικόνα 4.17 παρουσιάζεται το ίδιο τμήμα αγροτικής περιοχής και η φασματική υπογραφή της επιλεγμένης ψηφίδας (sample 123, line 1369) στην εικόνα που διορθώθηκε ατμοσφαιρικά χωρίς την χρήση της μεθόδου 2-band K-T, με αρχική τιμή ορατότητας 40 km. Εικόνα 4.17 Φασματική υπογραφή της επιλεγμένης ψηφίδας ακάλυπτου εδάφους στην εικόνα που διορθώθηκε ατμοσφαιρικά χωρίς την χρήση της μεθόδου 2-band K-T, με αρχική τιμή ορατότητας 40 km. Και σε αυτή την περίπτωση μπορεί εύκολα να γίνει αντιληπτό ότι μετά την εφαρμογή της ατμοσφαιρικής διόρθωσης, είναι εφικτό να γίνει ταυτοποίηση των φασμάτων και να εξαχθεί το συμπέρασμα ότι η επιλεγμένη ψηφίδα αντιστοιχεί σε ακάλυπτο έδαφος. Τα αποτελέσματα των διαφορετικών παραμέτρων εισαγωγής που δοκιμάστηκαν (χρήση της μεθόδου 2-band K-T και χρήση αρχικής τιμής ορατότητας) δεν παρουσιάζουν σημαντικές διαφορές. 106

107 Σε όλες τις εφαρμογές ατμοσφαιρικής διόρθωσης που ακολουθούν (διορθώσεις με χρήση αγροτικού μοντέλου και χρήση των τεχνικών της φασματικής ομαλοποίησης και της επαναβαθμονόμησης διαύλων, διορθώσεις με χρήση αστικού και θαλάσσιου μοντέλου, καθώς επίσης και στην τμηματική διόρθωση της εικόνας στο επόμενο κεφάλαιο), στο πεδίο Aerosol Retrieval επιλέχθηκε none και χρησιμοποιήθηκε αρχική τιμή ορατότητας ίση με 40 km. Σημειώνεται ότι στις δύο φασματικές υπογραφές που λαμβάνονται από τις φασματικές βιβλιοθήκες του ENVI, οι τιμές στον άξονα των x πολλαπλασιάζονται με 1000 και οι τιμές στον άξονα των y πολλαπλασιάζονται με Για να γίνει αυτό επιλέγεται από το παράθυρο Spectral Library Viewer: Options Edit (x,y) Scale Factors Έτσι, στον άξονα των x παρουσιάζεται το μήκος κύματος των διαύλων της εικόνας σε nm και στον άξονα των y παρουσιάζεται η % ανάκλαση πολλαπλασιασμένη με Μια γενική παρατήρηση για όλες τις φασματικές υπογραφές που λαμβάνονται από τις ατμοσφαιρικά διορθωμένες εικόνες είναι το γεγονός ότι οι φασματικές περιοχές nm και nm δεν περιέχουν τιμές. Το φαινόμενο αυτό οφείλεται στο γεγονός ότι σε αυτές τις φασματικές περιοχές απορροφάται το μεγαλύτερο μέρος της ηλιακής ακτινοβολίας από τους υδρατμούς της ατμόσφαιρας με αποτέλεσμα να μην καταγράφεται ενέργεια από τον δορυφορικό αισθητήρα. Η μεγάλη απορρόφηση της ακτινοβολίας σε αυτές τις φασματικές περιοχές, είναι ορατή σε όλες τις φασματικές υπογραφές που παρουσιάζονται παρακάτω. Εφαρμογή Τεχνικής Spectral Polishing : Στη συνέχεια δοκιμάστηκε η ατμοσφαιρική διόρθωση της αρχικής εικόνας με εφαρμογή της τεχνικής Spectral Polishing ώστε να συγκριθούν οι διαφορές που εμφανίζονται στα αποτελέσματα. Όπως έχει ήδη αναφερθεί η τεχνική αυτή, η οποία ονομάζεται φασματική ομαλοποίηση, περιορίζει τον φασματικό θόρυβο στα υπερφασματικά δεδομένα, χρησιμοποιώντας αποκλειστικά και μόνο τα ίδια τα δεδομένα. Συνολικά, οι μοναδικές παράμετροι εισαγωγής που διαφοροποιήθηκαν στην νέα αυτή ατμοσφαιρική διόρθωση, σε σχέση με τις πρώτες δύο διορθώσεις ήταν οι παρακάτω: o Spectral Polishing: ΝΑΙ 107

108 o Width (number of bands): 9 Οι διαφορές μεταξύ των φασματικών υπογραφών των ψηφίδων βλάστησης και ακάλυπτου εδάφους που προκύπτουν από την εφαρμογή της ατμοσφαιρικής διόρθωσης με την χρήση της τεχνικής Spectral Polishing, σε σχέση με τις αντίστοιχες φασματικές υπογραφές (οι οποίες παρουσιάστηκαν και στις εικόνες 4.13 και 4.17) που προέκυψαν από την εφαρμογή ατμοσφαιρικής διόρθωσης χωρίς την χρήση της τεχνικής αυτής, παρουσιάζονται στις εικόνες 4.18 και 4.19 που ακολουθούν. Εικόνα 4.18 Αριστερά: Φασματική υπογραφή της επιλεγμένης ψηφίδας βλάστησης στην εικόνα που διορθώθηκε ατμοσφαιρικά χωρίς την εφαρμογή της τεχνικής Spectral Polishing. Δεξιά: Φασματική υπογραφή ψηφίδας βλάστησης στην εικόνα που διορθώθηκε ατμοσφαιρικά με την εφαρμογή της τεχνικής Spectral Polishing. Εικόνα 4.19 Αριστερά: Φασματική υπογραφή της επιλεγμένης ψηφίδας ακάλυπτου εδάφους στην εικόνα που διορθώθηκε ατμοσφαιρικά χωρίς την εφαρμογή της τεχνικής Spectral Polishing. Δεξιά: Φασματική υπογραφή ψηφίδας ακάλυπτου εδάφους στην εικόνα που διορθώθηκε ατμοσφαιρικά με την εφαρμογή της τεχνικής Spectral Polishing. 108

109 Από τις εικόνες 4.18 και 4.19 γίνεται αντιληπτό ότι όταν η εικόνα διορθώνεται ατμοσφαιρικά με την χρήση της τεχνικής φασματικής ομαλοποίησης, παρατηρείται σημαντική μείωση του φασματικού θορύβου στις φασματικές υπογραφές των ψηφίδων βλάστησης και ακάλυπτου εδάφους. Η τεχνική φασματικής ομαλοποίησης θα χρησιμοποιηθεί σε όλες τις εφαρμογές ατμοσφαιρικής διόρθωσης που θα ακολουθήσουν. Εφαρμογή Επαναβαθμονόμησης Διαύλων (Wavelength Recalibration): Στην τελευταία αυτή εφαρμογή ατμοσφαιρικής διόρθωσης ολόκληρης της εικόνας με τη χρήση του αγροτικού μοντέλου, χρησιμοποιήθηκε η επιλογή της επαναβαθμονόμησης των διαύλων. Απαραίτητη προϋπόθεση για την εφαρμογή της επαναβαθμονόμησης είναι να χρησιμοποιηθούν τα αρχικά δεδομένα εικόνας και φυσικά το αντίστοιχο αρχείο scale factors. Ουσιαστικά δηλαδή, χρησιμοποιείται η αρχική εικόνα με τους 242 δίαυλους και όχι η εικόνα που προκύπτει όταν αφαιρεθούν οι δίαυλοι που δεν περιέχουν πληροφορία καθώς επίσης και οι δίαυλοι που παρουσιάζουν επικάλυψη μεταξύ τους (196 δίαυλοι). Συνολικά, οι παράμετροι εισαγωγής που διαφοροποιήθηκαν στην νέα αυτή ατμοσφαιρική διόρθωση, σε σχέση με τις προηγούμενες διορθώσεις ήταν οι παρακάτω: o Wavelength Recalibration: ΝΑΙ o Use Tile Processing: ΝΑΙ o Tile Size (Mb): 200 Η τμηματική επεξεργασία (Tile Processing) καθώς επίσης και το μέγεθος κάθε τμήματος (Tile Size) επιλέχθηκαν μετά από πολυάριθμες δοκιμές. Όταν δεν εφαρμόζεται τμηματική επεξεργασία ή όταν το μέγεθος του τμήματος επεξεργασίας είναι μικρότερο από 200 Mb, το λογισμικό FLAASH δεν πραγματοποιεί την διόρθωση. Σε αυτή την εφαρμογή ατμοσφαιρικής διόρθωσης επιλέχθηκε η χρήση της αρχικής τιμής ορατότητας (40 km), ενώ χρησιμοποιήθηκε και η τεχνική της φασματικής ομαλοποίησης (Spectral Polishing). Στις εικόνες 4.20, 4.21 παρουσιάζονται οι φασματικές υπογραφές των ίδιων ψηφίδων βλάστησης και ακάλυπτου εδάφους που επιλέχθηκαν και πριν, στην ατμοσφαιρικά διορθωμένη εικόνα με την εφαρμογή της επαναβαθμονόμησης των διαύλων, συγκριτικά με την διόρθωση χωρίς την εφαρμογή της επαναβαθμονόμησης. 109

110 Εικόνα 4.20 Αριστερά: Φασματική υπογραφή της επιλεγμένης ψηφίδας βλάστησης στην εικόνα που διορθώθηκε ατμοσφαιρικά χωρίς την εφαρμογή της επαναβαθμονόμησης διαύλων. Δεξιά: Φασματική υπογραφή ψηφίδας βλάστησης στην εικόνα που διορθώθηκε ατμοσφαιρικά με την εφαρμογή της επαναβαθμονόμησης διαύλων. Εικόνα 4.21 Αριστερά: Φασματική υπογραφή της επιλεγμένης ψηφίδας ακάλυπτου εδάφους στην εικόνα που διορθώθηκε ατμοσφαιρικά χωρίς την εφαρμογή της επαναβαθμονόμησης διαύλων. Δεξιά: Φασματική υπογραφή ψηφίδας ακάλυπτου εδάφους στην εικόνα που διορθώθηκε ατμοσφαιρικά με την εφαρμογή της επαναβαθμονόμησης διαύλων. Μετά την επαναβαθμονόμηση των διαύλων της εικόνας, το κέντρο της φασματικής περιοχής κάθε διαύλου μετατοπίζεται. Στους πρώτους 70 διαύλους (1-70, περιοχή VNIR) η μετατόπιση κυμαίνεται από 1,32 nm μέχρι και 1,62 nm, ενώ στους υπόλοιπους διαύλους (71-242, περιοχή SWIR), κυμαίνεται από (-13,54) nm μέχρι και (-16,71) nm. Όπως φαίνεται χαρακτηριστικά στις εικόνες 4.20 και 4.21, στις φασματικές υπογραφές των ψηφίδων βλάστησης και ακάλυπτου εδάφους που προκύπτουν από την ατμοσφαιρικά διορθωμένη εικόνα με την χρήση της επαναβαθμονόμησης διαύλων, υπάρχουν αρκετές αρνητικές τιμές. Η επαναβαθμονόμηση διαύλων δεν χρησιμοποιήθηκε στις επόμενες διορθώσεις. 110

111 Ατμοσφαιρική διόρθωση με την χρήση του αστικού μοντέλου Urban Σε αυτή την εφαρμογή ατμοσφαιρικής διόρθωσης της εικόνας οι παράμετροι εισαγωγής ήταν οι παρακάτω: o Συντεταγμένες κέντρου εικόνας: Scene Center Latitude = Scene Center Longitude = (metadata file) o Τύπος αισθητήρα, υψόμετρο αισθητήρα: Hyperion, 705 km o Μέσο υψόμετρο περιοχής: 0.1 km (περιοχή ενδιαφέροντος η αστική περιοχή της Θεσσαλονίκης). o Μέγεθος εικονοψηφίδας: 30 μέτρα o Ημερομηνία λήψης εικόνας: 5 Οκτωβρίου 2001 (metadata file) o Ώρα λήψης: 08:59:30 (metadata file) o Atmospheric Model: Mid-Latitude Summer o Water Retrieval: ΝΑΙ o Water Absorption Feature: 1135nm o Aerosol Model: Urban o Aerosol Retrieval: None o Αρχική τιμή ορατότητας: 40 km o Spectral Polishing: ΝΑΙ o Width (number of bands): 9 o Wavelength Recalibration: ΟΧΙ o Aerosol Scale Height: 2 km o CO2 Mixing Ratio: 390 ppm o Use Square Slit Function: ΟΧΙ o Use Adjacency Correction: ΝΑΙ o Reuse Modtran Calculations: ΟΧΙ o Modtran Resolution: 5 cm -1 o Modtran Multiscatter Model: Scaled Disort o Number of DISORT Streams: 8 o Ζενίθεια γωνία, Αζιμούθια γωνία: 180 μοίρες, 0 μοίρες o Use Tile Processing: ΟΧΙ o Output Reflectance Scale Factor:

112 Μετά την ατμοσφαιρική διόρθωση με την χρήση του αστικού μοντέλου αερίων της ατμόσφαιρας, η περιεκτικότητα της ατμόσφαιρας σε υδρατμούς (average water amount) που υπολογίστηκε από το FLAASH ήταν ίση με 2,2138 cm. Φασματική υπογραφή ψηφίδας κτιρίου: Για την σύγκριση επιλέγεται η φασματική υπογραφή Construction Concrete (από το αρχείο manmade1.sli) της φασματικής βιβλιοθήκης John Hopkins University Spectral Library (εικόνα 4.22). Εικόνα 4.22 Φασματική υπογραφή ψηφίδας κτιρίου (Construction Concrete) από την φασματική βιβλιοθήκη John Hopkins. Στην εικόνα 4.23 παρουσιάζεται τμήμα από την πόλη της Θεσσαλονίκης από το οποίο επιλέγεται η ψηφίδα κτιρίου (sample 160, line 2160) και η φασματική υπογραφή της επιλεγμένης ψηφίδας στην πρωτογενή - μη ατμοσφαιρικά διορθωμένη εικόνα. Εικόνα 4.23 Φασματική υπογραφή της επιλεγμένης ψηφίδας κτιρίου στην πρωτογενή εικόνα 112

113 Στην εικόνα 4.24 παρουσιάζεται το ίδιο τμήμα από την πόλη της Θεσσαλονίκης και η φασματική υπογραφή της επιλεγμένης ψηφίδας (sample 160, line 2160) στην εικόνα που διορθώθηκε ατμοσφαιρικά με χρήση του αστικού μοντέλου. Εικόνα 4.24 Φασματική υπογραφή της επιλεγμένης ψηφίδας κτιρίου στην ατμοσφαιρικά διορθωμένη εικόνα με την χρήση του αστικού μοντέλου Urban. Στις εικόνες 4.22, 4.23 και 4.24 φαίνεται χαρακτηριστικά ότι πριν από την εφαρμογή της ατμοσφαιρικής διόρθωσης δεν υπάρχει δυνατότητα ταυτοποίησης των φασματικών υπογραφών και δεν μπορεί να εξαχθεί το συμπέρασμα ότι η επιλεγμένη ψηφίδα αντιστοιχεί σε κτίριο. Αντίθετα, μετά την ατμοσφαιρική διόρθωση η ταυτοποίηση αυτή είναι εφικτή. Ατμοσφαιρική διόρθωση με την χρήση του θαλάσσιου μοντέλου Maritime Σε αυτή την εφαρμογή ατμοσφαιρικής διόρθωσης της εικόνας οι παράμετροι εισαγωγής ήταν οι παρακάτω: o Συντεταγμένες κέντρου εικόνας: Scene Center Latitude = Scene Center Longitude = (metadata file) o Τύπος αισθητήρα, υψόμετρο αισθητήρα: Hyperion, 705 km o Μέσο υψόμετρο περιοχής: 0 km (περιοχή ενδιαφέροντος η επιφάνεια της θάλασσας). o Μέγεθος εικονοψηφίδας: 30 μέτρα o Ημερομηνία λήψης εικόνας: 5 Οκτωβρίου 2001 (metadata file) o Ώρα λήψης: 08:59:30 (metadata file) o Atmospheric Model: Mid-Latitude Summer o Water Retrieval: ΝΑΙ 113

114 o Water Absorption Feature: 1135nm o Aerosol Model: Maritime o Aerosol Retrieval: None o Αρχική τιμή ορατότητας: 40 km o Spectral Polishing: ΝΑΙ o Width (number of bands): 9 o Wavelength Recalibration: ΟΧΙ o Aerosol Scale Height: 2 km o CO2 Mixing Ratio: 390 ppm o Use Square Slit Function: ΟΧΙ o Use Adjacency Correction: ΝΑΙ o Reuse Modtran Calculations: ΟΧΙ o Modtran Resolution: 5 cm -1 o Modtran Multiscatter Model: Scaled Disort o Number of DISORT Streams: 8 o Ζενίθεια γωνία, Αζιμούθια γωνία: 180 μοίρες, 0 μοίρες o Use Tile Processing: ΟΧΙ o Output Reflectance Scale Factor: Η περιεκτικότητα της ατμόσφαιρας σε υδρατμούς που υπολογίστηκε από το FLAASH σε αυτή την ατμοσφαιρική διόρθωση ήταν ίση με 2,1722 cm. Φασματική υπογραφή ψηφίδας θάλασσας: Για την σύγκριση επιλέγεται η φασματική υπογραφή Seawater (από το αρχείο water.sli) της φασματικής βιβλιοθήκης John Hopkins University Spectral Library(εικόνα 4.25). Εικόνα 4.25 Φασματική υπογραφή ψηφίδας θάλασσας (Sea water) από την φασματική βιβλιοθήκη John Hopkins. 114

115 Οι φασματικές υπογραφές ψηφίδας θάλασσας (επιλεγμένη ψηφίδα sample 195, line 4494) πριν και μετά από την ατμοσφαιρική διόρθωση με το θαλάσσιο μοντέλο αερίων της ατμόσφαιρας παρουσιάζονται στις εικόνες 4.26 και 4.27 που ακολουθούν. Εικόνα 4.26 Φασματική υπογραφή της επιλεγμένης ψηφίδας θάλασσας στην πρωτογενή εικόνα Εικόνα 4.27 Φασματική υπογραφή της επιλεγμένης ψηφίδας θάλασσας στην ατμοσφαιρικά διορθωμένη εικόνα με την χρήση του θαλάσσιου μοντέλου Maritime. Στις εικόνες 4.25 και 4.26 φαίνεται χαρακτηριστικά ότι πριν από την εφαρμογή της ατμοσφαιρικής διόρθωσης δεν υπάρχει δυνατότητα ταυτοποίησης των φασματικών υπογραφών και δεν μπορεί να εξαχθεί το συμπέρασμα ότι η επιλεγμένη ψηφίδα αντιστοιχεί σε θάλασσα. Ωστόσο, συγκρίνοντας τις εικόνες 4.25 και 4.27, αυτό που παρατηρείται είναι ότι ακόμα και μετά την ατμοσφαιρική διόρθωση της εικόνας, η ταυτοποίηση της φασματικής υπογραφής της επιλεγμένης ψηφίδας θάλασσας, με την αντίστοιχη φασματική υπογραφή που λαμβάνεται από την συγκεκριμένη φασματική βιβλιοθήκη είναι πολύ δύσκολη. Ενδεχομένως αυτό να οφείλεται σε ακατάλληλη επιλογή φασματικής βιβλιοθήκης, με δεδομένη τη γεωγραφική θέση της περιοχής μελέτης. 115

116 4.2.4 Τμηματική ατμοσφαιρική διόρθωση της εικόνας Hyperion Το λογισμικό FLAASH, μέσω της επιλογής Spatial Subset στο παράθυρο διαλόγου της εικόνας 4.5, δίνει την δυνατότητα στον χρήστη να επιλέξει κάποια τμήματα της εικόνας και να εφαρμόσει ατμοσφαιρική διόρθωση μόνο σε αυτά. Στην παρούσα εργασία επιλέχθηκαν τρία διαφορετικά τμήματα από την αρχική εικόνα Hyperion, για να εφαρμοστεί σε αυτά η τμηματική ατμοσφαιρική διόρθωση. Το πρώτο τμήμα είναι τμήμα αγροτικής και ημιορεινής περιοχής, το δεύτερο είναι τμήμα από την αστική περιοχή της Θεσσαλονίκης, και το τρίτο είναι θαλάσσιο τμήμα από τον Θερμαϊκό Κόλπο. Η επιλογή των τριών περιοχών έγινε με τέτοιο τρόπο ώστε να εμφανίζονται οι ίδιες ψηφίδες βλάστησης (ημιορεινή περιοχή όρος Μαυροβούνι), ακάλυπτου εδάφους (αγροτική περιοχή - Κριθιά), κτιρίου (αστική περιοχή Θεσσαλονίκης) και θάλασσας (θάλασσα Θερμαϊκού κόλπου Βορειοανατολικά των Νέων Πόρων Πιερίας) που επιλέχθηκαν στο προηγούμενο κεφάλαιο, για να είναι εφικτή η σύγκριση των αποτελεσμάτων της τμηματικής ατμοσφαιρικής διόρθωσης σε σχέση με τις ατμοσφαιρικές διορθώσεις ολόκληρης της εικόνας που προηγήθηκαν. Αναλυτικά, οι παράμετροι εισαγωγής που χρησιμοποιήθηκαν για την εφαρμογή ατμοσφαιρικής διόρθωσης στα 3 διαφορετικά τμήματα της εικόνας είναι οι παρακάτω: o o o o o o o o Συντεταγμένες κέντρου εικόνας: Scene Center Latitude = Scene Center Longitude = (metadata file) Τύπος αισθητήρα, υψόμετρο αισθητήρα: Hyperion, 705 km Μέσο υψόμετρο περιοχής: Αγροτική - Ημιορεινή περιοχή (lines ): 250 μέτρα Αστική περιοχή (lines ): 100 μέτρα Θαλάσσια περιοχή (lines ): 0 μέτρα Μέγεθος ψηφίδας: 30 μέτρα Ημερομηνία λήψης εικόνας: 5 Οκτωβρίου 2001 (metadata file) Ώρα λήψης: 08:59:30 (metadata file) Atmospheric Model: MLS (λαμβάνοντας υπόψη την ημερομηνία λήψης της εικόνας και το γεωγραφικό πλάτος της περιοχής μελέτης). Water Retrieval, Water Absorption Feature: (ΝΑΙ, 1135nm) 116

117 o Aerosol Model: Αγροτική - Ημιορεινή περιοχή (lines ): Rural Αστική περιοχή (lines ): Urban Θαλάσσια περιοχή (lines ): Maritime o Aerosol Retrieval: none o Αρχική τιμή ορατότητας: 40 km o Spectral Polishing: ΝΑΙ, 9 δίαυλοι o Wavelength Recalibration: ΟΧΙ o Aerosol Scale Height: 2 km o CO2 Mixing Ratio: 390 ppm o Use Square Slit Function: ΟΧΙ o Use Adjacency Correction: ΝΑΙ o Reuse Modtran Calculations: ΟΧΙ o Modtran Resolution: 5 cm -1 o Modtran Multiscatter Model: Scaled Disort o Number of DISORT Streams: 8 o Ζενίθεια γωνία, Αζιμούθια γωνία: 180 μοίρες, 0 μοίρες o Use Tile Processing: ΝΑΙ, Tile Size: 200 Mb o Output Reflectance Scale Factor: Σημειώνεται ότι οι μοναδικές διαφορές στις παραμέτρους εισαγωγής μεταξύ των τριών εφαρμογών ατμοσφαιρικής διόρθωσης των διαφορετικών τμημάτων της εικόνας, εντοπίζονται στον ορισμό του μέσου υψομέτρου της περιοχής και στο μοντέλο αερίων της ατμόσφαιρας που χρησιμοποιήθηκε. Όλες οι άλλες παράμετροι εισαγωγής παραμένουν ίδιες. Στην εικόνα 4.28 παρουσιάζονται τα τρία ξεχωριστά τμήματα της εικόνας Hyperion, μετά την ατμοσφαιρική τους διόρθωση με τη χρήση του λογισμικού FLAASH. Η εμφάνιση όλων των εικόνων προκύπτει από την επιλογή Load True Color του ENVI. 117

118 Εικόνα 4.28 Αριστερά: Επιλεγμένο Τμήμα Αγροτικής Ημιορεινής Περιοχής, Κέντρο: Επιλεγμένο Τμήμα Αστικής Περιοχής Δεξιά: Επιλεγμένο Τμήμα Θαλάσσιας Περιοχής Οι παράμετροι εισαγωγής που χρησιμοποιήθηκαν για την εφαρμογή ατμοσφαιρικής διόρθωσης στο τμήμα αγροτικής - ημιορεινής περιοχής, είναι ακριβώς ίδιες με τις παραμέτρους εισαγωγής που χρησιμοποιήθηκαν στο κεφάλαιο 4.2.3, για την ατμοσφαιρική διόρθωση ολόκληρης της εικόνας με την χρήση του αγροτικού μοντέλου αερίων της ατμόσφαιρας. Αντίστοιχα, οι παράμετροι εισαγωγής που χρησιμοποιήθηκαν για την ατμοσφαιρική διόρθωση του τμήματος αστικής περιοχής, είναι ακριβώς ίδιες με τις παραμέτρους εισαγωγής που χρησιμοποιήθηκαν στο κεφάλαιο 4.2.3, για την ατμοσφαιρική διόρθωση ολόκληρης της εικόνας με την χρήση του αστικού μοντέλου αερίων της ατμόσφαιρας. Τέλος, οι παράμετροι εισαγωγής που χρησιμοποιήθηκαν για την ατμοσφαιρική διόρθωση του τμήματος θαλάσσιας περιοχής, είναι ακριβώς ίδιες με τις παραμέτρους εισαγωγής που χρησιμοποιήθηκαν στο κεφάλαιο 4.2.3, για την ατμοσφαιρική διόρθωση ολόκληρης της εικόνας με την χρήση του θαλάσσιου μοντέλου αερίων της ατμόσφαιρας. 118

119 Το γεγονός ότι χρησιμοποιήθηκαν ίδιες παράμετροι εισαγωγής, καθιστά δυνατή την σύγκριση των φασματικών υπογραφών των ψηφίδων που προκύπτουν από την τμηματική διόρθωση της εικόνας, με τις αντίστοιχες φασματικές υπογραφές που προέκυψαν από τις προηγούμενες διορθώσεις ολόκληρης της εικόνας. Η σύγκριση αυτή παρουσιάζεται με λεπτομέρεια στο κεφάλαιο 4.3 που ακολουθεί. Στις εικόνες 4.29, 4.30, 4.31 και 4.32 παρουσιάζονται οι φασματικές υπογραφές των επιλεγμένων ψηφίδων βλάστησης, ακάλυπτου εδάφους, κτιρίου και θάλασσας, οι οποίες λαμβάνονται από τα τρία διαφορετικά ατμοσφαιρικά διορθωμένα τμήματα της εικόνας. Εικόνα 4.29 Φασματική υπογραφή της επιλεγμένης ψηφίδας βλάστησης στο ατμοσφαιρικά διορθωμένο τμήμα αγροτικής ημιορεινής περιοχής της εικόνας. Εικόνα 4.30 Φασματική υπογραφή της επιλεγμένης ψηφίδας ακάλυπτου εδάφους στο ατμοσφαιρικά διορθωμένο τμήμα αγροτικής ημιορεινής περιοχής της εικόνας. 119

120 Εικόνα 4.31 Φασματική υπογραφή της επιλεγμένης ψηφίδας κτιρίου στο ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής της εικόνας. Εικόνα 4.32 Φασματική υπογραφή της επιλεγμένης ψηφίδας θάλασσας στο ατμοσφαιρικά διορθωμένο τμήμα θαλάσσιας περιοχής της εικόνας. 4.3 Σύγκριση αποτελεσμάτων εφαρμογών ατμοσφαιρικής διόρθωσης Για την υπερφασματική εικόνα Hyperion της παρούσας εργασίας πραγματοποιήθηκαν συνολικά έξι διαφορετικές εφαρμογές ατμοσφαιρικής διόρθωσης. Οι πρώτες τρεις ήταν διορθώσεις σε ολόκληρη την εικόνα. Η υπερφασματική εικόνα διορθώθηκε ολόκληρη με τη χρήση του αγροτικού, του αστικού και του θαλάσσιου μοντέλου αερίων της ατμόσφαιρας (σημειώνεται ότι με την χρήση του αγροτικού μοντέλου αερίων της ατμόσφαιρας πραγματοποιήθηκαν πολλαπλές διορθώσεις, για να αξιολογηθούν οι επιδόσεις των τεχνικών φασματικής ομαλοποίησης, επαναβαθμονόμησης διαύλων και της μεθόδου 2-band K-T και να επιλεγούν οι κατάλληλες παράμετροι εισαγωγής για όλες τις διορθώσεις). Οι επόμενες τρεις διορθώσεις εφαρμόστηκαν στα τρία επιλεγμένα τμήματα της εικόνας. Στο αγροτικό-ημιορεινό, στο αστικό και στο θαλάσσιο τμήμα. 120

121 Για την καλύτερη αξιολόγηση των αποτελεσμάτων των εφαρμογών ατμοσφαιρικής διόρθωσης που προηγήθηκαν, στις εικόνες 4.33, 4.34, 4.35 και 4.36 που ακολουθούν, παρουσιάζονται συγκεντρωτικά οι φασματικές υπογραφές όλων των κατηγοριών, σε όλες τις ατμοσφαιρικά διορθωμένες εικόνες. Εικόνα 4.33 Πάνω αριστερά: Φασματική υπογραφή της επιλεγμένης ψηφίδας βλάστησης στην εικόνα που διορθώθηκε ολόκληρη με τη χρήση του αγροτικού μοντέλου ατμοσφαιρικών αερίων. Πάνω δεξιά: Φασματική υπογραφή της επιλεγμένης ψηφίδας βλάστησης στην εικόνα που διορθώθηκε ολόκληρη με τη χρήση του αστικού μοντέλου ατμοσφαιρικών αερίων. Κάτω αριστερά: Φασματική υπογραφή της επιλεγμένης ψηφίδας βλάστησης στην εικόνα που διορθώθηκε ολόκληρη με τη χρήση του θαλάσσιου μοντέλου ατμοσφαιρικών αερίων. Κάτω δεξιά: Φασματική υπογραφή της επιλεγμένης ψηφίδας βλάστησης στο διορθωμένο τμήμα αγροτικής - ημιορεινής περιοχής της εικόνας (με την χρήση του αγροτικού μοντέλου ατμοσφαιρικών αερίων). Σημειώνεται ότι στο αστικό και το θαλάσσιο τμήμα της εικόνας που διορθώθηκε, δεν εμφανίζεται η επιλεγμένη ψηφίδα βλάστησης. 121

122 Εικόνα 4.34 Πάνω αριστερά: Φασματική υπογραφή της επιλεγμένης ψηφίδας ακάλυπτου εδάφους στην εικόνα που διορθώθηκε ολόκληρη με τη χρήση του αγροτικού μοντέλου ατμοσφαιρικών αερίων. Πάνω δεξιά: Φασματική υπογραφή της επιλεγμένης ψηφίδας ακάλυπτου εδάφους στην εικόνα που διορθώθηκε ολόκληρη με τη χρήση του αστικού μοντέλου ατμοσφαιρικών αερίων. Κάτω αριστερά: Φασματική υπογραφή της επιλεγμένης ψηφίδας ακάλυπτου εδάφους στην εικόνα που διορθώθηκε ολόκληρη με τη χρήση του θαλάσσιου μοντέλου ατμοσφαιρικών αερίων. Κάτω δεξιά: Φασματική υπογραφή της επιλεγμένης ψηφίδας ακάλυπτου εδάφους στο διορθωμένο τμήμα αγροτικής - ημιορεινής περιοχής της εικόνας (με την χρήση του αγροτικού μοντέλου ατμοσφαιρικών αερίων ). Στο αστικό και το θαλάσσιο τμήμα της εικόνας που διορθώθηκε, δεν εμφανίζεται η επιλεγμένη ψηφίδα ακάλυπτου εδάφους. Όπως φαίνεται χαρακτηριστικά στις εικόνες 4.33 και 4.34, οι φασματικές υπογραφές των επιλεγμένων ψηφίδων βλάστησης και ακάλυπτου εδάφους, είναι σχεδόν όμοιες σε όλες τις διορθωμένες εικόνες. Πολύ μικρές διαφορές εμφανίζονται μόνο στην φασματική υπογραφή της εικόνας που διορθώθηκε με το θαλάσσιο μοντέλο ατμοσφαιρικών αερίων (στην περιοχή απορρόφησης nm). 122

123 Εικόνα 4.35 Πάνω αριστερά: Φασματική υπογραφή της επιλεγμένης ψηφίδας κτιρίου στην εικόνα που διορθώθηκε ολόκληρη με τη χρήση του αγροτικού μοντέλου ατμοσφαιρικών αερίων. Πάνω δεξιά: Φασματική υπογραφή της επιλεγμένης ψηφίδας κτιρίου στην εικόνα που διορθώθηκε ολόκληρη με τη χρήση του αστικού μοντέλου ατμοσφαιρικών αερίων. Κάτω αριστερά: Φασματική υπογραφή της επιλεγμένης ψηφίδας κτιρίου στην εικόνα που διορθώθηκε ολόκληρη με τη χρήση του θαλάσσιου μοντέλου ατμοσφαιρικών αερίων. Κάτω δεξιά: Φασματική υπογραφή της επιλεγμένης ψηφίδας ακάλυπτου εδάφους στο διορθωμένο τμήμα αστικής περιοχής της εικόνας (με την χρήση του αστικού μοντέλου ατμοσφαιρικών αερίων ). Η επιλεγμένη ψηφίδα κτιρίου δεν εμφανίζεται στο τμήμα αγροτικής - ημιορεινής περιοχής και στο θαλάσσιο τμήμα της εικόνας που διορθώθηκε. Στις φασματικές υπογραφές των ψηφίδων κτιρίου, οι οποίες προκύπτουν από τις τέσσερις διαφορετικές διορθώσεις τις εικόνας, παρατηρούνται κάποιες ορατές διαφορές. Η φασματική υπογραφή του επιλεγμένου τμήματος αστικής περιοχής, εμφανίζει σε γενικές γραμμές υψηλότερα επίπεδα φασματικού θορύβου. Στις περιοχές απορρόφησης, εμφανίζονται μικρές διαφορές μεταξύ και των υπόλοιπων φασματικών υπογραφών. 123

124 Εικόνα 4.36 Πάνω αριστερά: Φασματική υπογραφή της επιλεγμένης ψηφίδας θάλασσας στην εικόνα που διορθώθηκε ολόκληρη με τη χρήση του αγροτικού μοντέλου ατμοσφαιρικών αερίων. Πάνω δεξιά: Φασματική υπογραφή της επιλεγμένης ψηφίδας θάλασσας στην εικόνα που διορθώθηκε ολόκληρη με τη χρήση του αστικού μοντέλου ατμοσφαιρικών αερίων. Κάτω αριστερά: Φασματική υπογραφή της επιλεγμένης ψηφίδας θάλασσας στην εικόνα που διορθώθηκε ολόκληρη με τη χρήση του θαλάσσιου μοντέλου ατμοσφαιρικών αερίων. Κάτω δεξιά: Φασματική υπογραφή της επιλεγμένης ψηφίδας θάλασσας στο διορθωμένο τμήμα θαλάσσιας περιοχής της εικόνας (με την χρήση του θαλάσσιου μοντέλου ατμοσφαιρικών αερίων). Η επιλεγμένη ψηφίδα θάλασσας δεν εμφανίζεται στο τμήμα αγροτικής - ημιορεινής περιοχής και στο αστικό τμήμα της εικόνας που διορθώθηκε. Οι φασματικές υπογραφές της επιλεγμένης ψηφίδας θάλασσας στην εικόνα που διορθώθηκε ολόκληρη με το θαλάσσιο μοντέλο ατμοσφαιρικών αερίων και στο επιλεγμένο τμήμα της εικόνας που διορθώθηκε κι αυτό με το θαλάσσιο μοντέλο ατμοσφαιρικών αερίων, είναι σχεδόν όμοιες μεταξύ τους. Οι δύο αυτές φασματικές υπογραφές, εμφανίζουν μικρές διαφορές, κυρίως σε επίπεδα φασματικού θορύβου, με τις δύο άλλες φασματικές υπογραφές. 124

125 Ο πίνακας 4.37 παρουσιάζει την περιεκτικότητα υδρατμών της ατμόσφαιρας, η οποία υπολογίστηκε από το μοντέλο FLAASH για κάθε μια από τις έξι εφαρμογές ατμοσφαιρικής διόρθωσης. Πίνακας 4.37 Η περιεκτικότητα υδρατμών της ατμόσφαιρας για κάθε μια από τις 6 εφαρμογές ατμοσφαιρικής διόρθωσης με το λογισμικό FLAASH. Δεδομένα Εικόνας Aerosol Model Average Water Amount Ολόκληρη Rural 2,2279 cm Ολόκληρη Urban 2,2138 cm Ολόκληρη Maritime 2,1722 cm Αγροτικό - Ημιορεινό Τμήμα (lines ) Αστικό Τμήμα (lines ) Θαλάσσιο Τμήμα (lines ) Rural Urban Maritime 2,2482 cm 2,5388 cm 2,0939 cm Από τον πίνακα 4.37 προκύπτει ότι κατά τη διόρθωση των τμημάτων αστικής και θαλάσσιας περιοχής της εικόνας, το λογισμικό FLAASH υπολόγισε μια λίγο διαφορετική περιεκτικότητα υδρατμών στην ατμόσφαιρα, συγκριτικά με τις υπόλοιπες 4 διορθώσεις. Το γεγονός αυτό εξηγεί τις μικρές διαφορές που παρουσιάστηκαν στις φασματικές υπογραφές των εικόνων 4.35 και Τα συμπεράσματα που προκύπτουν από τις εικόνες 4.33, 4.34, 4.35 και 4.36 και από τον πίνακα 4.37 είναι τα παρακάτω: o Σε όλες τις εφαρμογές ατμοσφαιρικής διόρθωσης που πραγματοποιήθηκαν, είναι εφικτή η ταυτοποίηση των φασμάτων των φασματικών υπογραφών (βλάστησης, ακάλυπτου εδάφους και κτιρίου) που προέκυψαν με αντίστοιχες φασματικές υπογραφές που λαμβάνονται από φασματικές βιβλιοθήκες (εκτός από την ψηφίδα θάλασσας). Στην αρχική εικόνα Hyperion, πριν την ατμοσφαιρική της διόρθωση, η ταυτοποίηση των φασμάτων είναι αδύνατη. 125

126 o o o Όπως αναφέρθηκε και παραπάνω, οι φασματικές περιοχές nm και nm δεν περιέχουν τιμές (σε όλες τις εφαρμογές ατμοσφαιρικής διόρθωσης). Το φαινόμενο αυτό οφείλεται στην απορρόφηση της ηλιακής ακτινοβολίας από τους υδρατμούς της ατμόσφαιρας. Αποτέλεσμα αυτής της απορρόφησης, είναι να μην καταγράφεται ενέργεια από τον δορυφορικό αισθητήρα σε αυτές τις φασματικές περιοχές. Οι μικρές διαφορές που εμφανίζονται μεταξύ των φασματικών υπογραφών των διαφορετικών εφαρμογών ατμοσφαιρικής διόρθωσης που πραγματοποιήθηκαν, δεν είναι διαφορές που αλλοιώνουν τα χαρακτηριστικά των φασματικών υπογραφών, αλλά διαφορές που αφορούν κυρίως τα επίπεδα του φασματικού θορύβου. Όταν οι παράμετροι εισαγωγής είναι ίδιες, η τμηματική ατμοσφαιρική διόρθωση της εικόνας δεν οδηγεί σε διαφορετικά αποτελέσματα απόδοσης φασματικής πληροφορίας, συγκριτικά με την ατμοσφαιρική διόρθωση ολόκληρης της εικόνας. Ειδικότερα, αν οι τιμές της περιεκτικότητας υδρατμών της ατμόσφαιρας, οι οποίες υπολογίζονται από το λογισμικό FLAASH για την τμηματική και για την ολόκληρη διόρθωση της εικόνας, είναι περίπου ίσες, οι φασματικές υπογραφές που προκύπτουν από τις δύο διορθώσεις είναι σχεδόν όμοιες (εικόνες 4.33, 4.34 και 4.36). Αντίθετα, όταν οι τιμές της περιεκτικότητας υδρατμών της ατμόσφαιρας που υπολογίζονται από το λογισμικό FLAASH για την τμηματική και για την ολόκληρη διόρθωση της εικόνας, εμφανίζουν σημαντική διαφορά, οι φασματικές υπογραφές των δύο διορθώσεων παρουσιάζουν κι αυτές κάποιες διαφορές. Οι διαφορές αυτές ωστόσο, περιορίζονται κυρίως στα επίπεδα του φασματικού θορύβου (εικόνα 4.35). Μια γενικότερη παρατήρηση που αφορά τις διαφορετικές εφαρμογές ατμοσφαιρικής διόρθωσης που πραγματοποιήθηκαν, είναι το γεγονός ότι σε όλες τις εφαρμογές κατά τις οποίες η εικόνα διορθώθηκε ολόκληρη, χρειάστηκε να εφαρμοστούν φίλτρα για την βελτίωση του contrast της παραγόμενης διορθωμένης εικόνας (παραδείγματα διορθωμένων εικόνων πριν και μετά από την εφαρμογή των φίλτρων παρουσιάζονται στο παράρτημα). Αντίθετα, στις εφαρμογές τμηματικής ατμοσφαιρικής διόρθωσης, δεν χρειάστηκε επέμβαση στα παραγόμενα διορθωμένα τμήματα της εικόνας. Η γενικότερη εμφάνιση τους κρίθηκε ικανοποιητική. 126

127 4.4 Εικόνες Water Vapor και Cloud Map Όπως αναφέρθηκε και σε προηγούμενο κεφάλαιο, σε κάθε εφαρμογή ατμοσφαιρικής διόρθωσης με το λογισμικό FLAASH, εκτός από την ατμοσφαιρικά διορθωμένη εικόνα, παράγονται και κάποιες ακόμα χρήσιμες βοηθητικές εικόνες. Αυτές οι εικόνες είναι οι Water Vapor και Cloud Map. Η παραγόμενη εικόνα Water Vapor είναι ουσιαστικά μια εικόνα που αφορά την υγρασία της ατμόσφαιρας στην περιοχή μελέτης, κατά την στιγμή της λήψης των δεδομένων από τον αισθητήρα. Η εικόνα Cloud Map που δημιουργείται είναι ουσιαστικά μια εικόνα ταξινόμησης και χρησιμοποιείται όταν το FLAASH επιχειρεί να εκτιμήσει την ποσότητα ρ e της εξίσωσης 4.2.2_Α. Η ποσότητα αυτή καθορίζει το μέγεθος της επιρροής των γειτονικών ψηφίδων. Στις εικόνες 4.38 και 4.39 παρουσιάζονται οι εικόνες Water Vapor και Cloud Map που παράγονται από την ατμοσφαιρική διόρθωση των τριών επιλεγμένων τμημάτων της εικόνας Hyperion. Εικόνα 4.38 Αριστερά: Εικόνα Water Vapor που παράγεται κατά την ατμοσφαιρική διόρθωση του επιλεγμένου τμήματος αγροτικής ημιορεινής περιοχής, με τη χρήση του αγροτικού μοντέλου ατμοσφαιρικών αερίων. Κέντρο: Εικόνα Water Vapor που παράγεται κατά την ατμοσφαιρική διόρθωση του επιλεγμένου τμήματος αστικής περιοχής, με τη χρήση του αστικού μοντέλου ατμοσφαιρικών αερίων. Δεξιά: Εικόνα Water Vapor που παράγεται κατά την ατμοσφαιρική διόρθωση του επιλεγμένου τμήματος θαλάσσιας περιοχής, με τη χρήση του θαλάσσιου μοντέλου ατμοσφαιρικών αερίων. 127

128 Εικόνα 4.39 Αριστερά: Εικόνα Cloud Map που παράγεται κατά την ατμοσφαιρική διόρθωση του επιλεγμένου τμήματος αγροτικής ημιορεινής περιοχής, με τη χρήση του αγροτικού μοντέλου ατμοσφαιρικών αερίων. Κέντρο: Εικόνα Cloud Map που παράγεται κατά την ατμοσφαιρική διόρθωση του επιλεγμένου τμήματος αστικής περιοχής, με τη χρήση του αστικού μοντέλου ατμοσφαιρικών αερίων. Δεξιά: Εικόνα Cloud Map που παράγεται κατά την ατμοσφαιρική διόρθωση του επιλεγμένου τμήματος θαλάσσιας περιοχής, με τη χρήση του θαλάσσιου μοντέλου ατμοσφαιρικών αερίων. 4.5 Εφαρμογή μετασχηματισμού MNF (Minimum Noise Fraction) Ο μετασχηματισμός MNF εφαρμόστηκε στα ατμοσφαιρικά διορθωμένα τμήματα αστικής και αγροτικής - ημιορεινής περιοχής της εικόνας Hyperion. Για τον ευθύ μετασχηματισμό MNF, η επιλογή από το κύριο menu του ENVI είναι: Spectral MNF Rotation Forward MNF Estimate Noise Statistics from Data Μετά την εφαρμογή του μετασχηματισμού MNF ( forward MNF ), όλη η χρήσιμη πληροφορία συγκεντρώνεται στους πρώτους διαύλους της εικόνας MNF που παράγεται. Όπως φαίνεται χαρακτηριστικά στις εικόνες 4.40 και 4.41, όσο αυξάνεται ο αριθμός του διαύλου, τόσο μειώνεται η πληροφορία που περιέχεται σε αυτόν και αυξάνεται ο θόρυβος. 128

129 Εικόνα 4.40 Οι δίαυλοι MNF1, MNF5, MNF10, MNF20 (από αριστερά προς τα δεξιά) που προκύπτουν από την εφαρμογή του μετασχηματισμού MNF στο τμήμα αστικής περιοχής της εικόνας. Εικόνα 4.41 Οι δίαυλοι MNF2, MNF5, MNF10, MNF20 (αριστερά προς τα δεξιά) που προκύπτουν από την εφαρμογή του μετασχηματισμού MNF στο τμήμα αγροτικής-ημιορεινής περιοχής της εικόνας. Εικόνα 4.42 Οι τιμές Eigenvalues των διαύλων MNF (ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής της εικόνας). 129

130 Εικόνα 4.43 Οι τιμές Eigenvalues των διαύλων MNF (ατμοσφαιρικά διορθωμένο τμήμα αγροτικής - ημιορεινής περιοχής της εικόνας). Μετά την ολοκλήρωση του μετασχηματισμού MNF, εμφανίζονται οι εικόνες 4.42 και 4.43, οι οποίες δείχνουν τις τιμές Eigenvalues των διαύλων MNF. Όσοι δίαυλοι έχουν τιμές Eigenvalues μεγαλύτερες από 1, περιέχουν πληροφορία, ενώ αυτοί που έχουν τιμές περίπου ίσες με 1, περιέχουν θόρυβο. Από την εικόνα 4.40 διαπιστώνεται ότι στην συγκεκριμένη εικόνα MNF, μόνο οι πρώτοι δίαυλοι περιέχουν πληροφορία. Στη συνέχεια, στους διαύλους της εικόνας MNF εφαρμόστηκε και ο αντίστροφος μετασχηματισμός MNF (inverse MNF) μέσω της επιλογής : Spectral MNF Rotation Inverse MNF Transform Για τον αντίστροφο μετασχηματισμό MNF, στο ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής της εικόνας, χρησιμοποιήθηκαν μόνο οι δίαυλοι MNF 1-6, στους οποίους δεν υπήρχε καθόλου θόρυβος. Αντίστοιχα, στο ατμοσφαιρικά διορθωμένο τμήμα αγροτικής ημιορεινής περιοχής της εικόνας, χρησιμοποιήθηκαν μόνο οι δίαυλοι MNF 2-7. Ο αντίστροφος μετασχηματισμός MNF, επαναφέρει την εικόνα MNF στις αρχικές διαστάσεις της εικόνας Hyperion, δηλαδή στον αρχικό αριθμό των διαύλων της. Μετά τον αντίστροφο μετασχηματισμό MNF υπάρχει μείωση του θορύβου της εικόνας στους αντίστοιχους διαύλους (εικόνες 4.44 και 4.45). 130

131 Εικόνα 4.44 Αριστερά: Τμήμα του διαύλου 71 στο ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής, πριν τον μετασχηματισμό MNF. Κέντρο: Τμήμα του διαύλου 71 στο ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής, μετά τον ευθύ μετασχηματισμό MNF Δεξιά: Τμήμα του διαύλου 71 στο ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής, μετά τον αντίστροφο μετασχηματισμό MNF. Η απώλεια γραμμής και ο φασματικός θόρυβος της αριστερής εικόνας, διορθώνονται στη δεξιά εικόνα. Εικόνα 4.45 Αριστερά: Τμήμα του διαύλου 71 στο ατμοσφαιρικά διορθωμένο τμήμα αγροτικήςημιορεινής περιοχής, πριν τον μετασχηματισμό MNF. Κέντρο: Τμήμα του διαύλου 71 στο ατμοσφαιρικά διορθωμένο τμήμα αγροτικής-ημιορεινής περιοχής, μετά τον ευθύ μετασχηματισμό MNF. Δεξιά: Τμήμα του διαύλου 71 στο ατμοσφαιρικά διορθωμένο τμήμα αγροτικής-ημιορεινής περιοχής, μετά τον αντίστροφο μετασχηματισμό MNF. Η απώλεια γραμμής και ο φασματικός θόρυβος της αριστερής εικόνας, διορθώνονται στη δεξιά εικόνα. 131

132 5. Εξαγωγή θεματικής πληροφορίας από την ατμοσφαιρικά διορθωμένη υπερφασματική εικόνα Hyperion 5.1 Εισαγωγή Μετά από την προεπεξεργασία της εικόνας Hyperion, η οποία περιελάμβανε τα στάδια της βαθμονόμησης και της ατμοσφαιρικής της διόρθωσης, ακολουθεί η επεξεργασία και η ανάλυση της. Ουσιαστικά όλες οι διαδικασίες που προηγήθηκαν, πραγματοποιήθηκαν με μοναδικό στόχο να προετοιμάσουν κατάλληλα την εικόνα, ώστε ο χρήστης να μπορεί σε αυτό το στάδιο να αντλήσει από αυτή οποιαδήποτε θεματική πληροφορία επιθυμεί. Υπάρχουν πολλές τεχνικές ανάλυσης των υπερφασματικών δεδομένων. Στην παρούσα μεταπτυχιακή εργασία, θα χρησιμοποιηθούν η εξαγωγή Endmembers, η μέθοδος SAM, ο γραμμικός φασματικός καθαρισμός, και μερικοί από τους δείκτες βλάστησης υπερφασματικών δεδομένων. 5.2 Εξαγωγή Endmembers από την εικόνα Hyperion Φάσμα αναφοράς ή φάσμα Endmember ονομάζεται η φασματική ανάκλαση ενός καθαρού χαρακτηριστικού. Τα Endmember φάσματα εξάγονται από εργαστηριακές μετρήσεις με φασματόμετρα, από φασματικές βιβλιοθήκες ή από την ανάλυση των εικόνων. Σε γενικές γραμμές, η απόκτηση των φασμάτων αναφοράς από την ανάλυση των εικόνων, προτείνεται. Τα φάσματα αναφοράς στην συγκεκριμένη εφαρμογή, αναζητήθηκαν στο ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής της εικόνας. Για την ανίχνευση των αμιγών ψηφίδων, χρησιμοποιήθηκε η τεχνική PPI του λογισμικού ENVI, στους πρώτους 6 διαύλους της MNF εικόνας αστικής περιοχής, μέσω της επιλογής: Spectral Pixel Purity Index New Output Band Τα αποτελέσματα της εφαρμογής της τεχνικής PPI στο τμήμα αστικής περιοχής της εικόνας MNF που επιλέχθηκε, παρουσιάζονται στις εικόνες 5.1 και 5.2 που ακολουθούν. 132

133 Εικόνα 5.1 Αριστερά: Εικόνα PPI για το τμήμα αστικής περιοχής της εικόνας Hyperion. Οι φωτεινές ψηφίδες της εικόνας PPI είναι οι φασματικά οριακές ψηφίδες. Δεξιά: Ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής της εικόνας Hyperion. Εικόνα 5.2 Επιλογή οριακών ψηφίδων από την εικόνα PPI. Μετά την ανίχνευση των οριακών ψηφίδων με τη βοήθεια της εικόνας PPI, επιλέγονται (χειροκίνητα) για οπτικοποίηση μόνο τα φάσματα των οριακών ψηφίδων που ενδιαφέρουν. Τα φάσματα αυτά, είναι τα φάσματα Endmembers της συγκεκριμένης εφαρμογής και παρουσιάζονται στην εικόνα 5.3 που ακολουθεί. Επιπλέον, τα φάσματα Endmembers αποθηκεύονται και σε μορφή ASCII (endmembers_astiki.txt), για να χρησιμοποιηθούν στην εφαρμογή του αλγορίθμου SAM, που παρουσιάζεται στο επόμενο κεφάλαιο. 133

134 Εικόνα 5.3 Οι φασματικές υπογραφές των κατηγοριών που ενδιαφέρουν, στην αστική περιοχή της εικόνας Hyperion 5.3 Εφαρμογή τεχνικής Spectral Linear Unmixing στην εικόνα Hyperion Ο γραμμικός φασματικός καθαρισμός της εικόνας χρησιμοποιείται για να καθαριστούν οι μη αμιγείς ψηφίδες και να καθοριστούν τα κλάσματα ή η αφθονία των υλικών κάθε οριακής ψηφίδας Endmember, ώστε να εξαχθεί η φασματική υπογραφή κάθε μη αμιγούς ψηφίδας. Η τεχνική του γραμμικού φασματικού καθαρισμού εφαρμόστηκε στο λογισμικό ENVI μέσω της επιλογής: Spectral Mapping Methods Linear Spectral Unmixing Για την εφαρμογή της τεχνικής, επιλέχθηκε το ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής της εικόνας Hyperion και χρησιμοποιήθηκε το αρχείο endmembers_astiki.txt που αποθηκεύτηκε στην προηγούμενη ενότητα. Στην εικόνα 5.4 παρουσιάζονται τμήματα των εικόνων που προέκυψαν από την εφαρμογή της τεχνικής, για τις κατηγορίες βλάστησης, χώματος και κτιρίου. Οι μεγάλες τιμές των κλασμάτων που προσδιορίζονται σε κάθε εικόνα, αποδίδονται με φωτεινούς τόνους. 134

135 Εικόνα 5.4 Αριστερά: Τμήμα από την εικόνα που προκύπτει μετά την εφαρμογή του γραμμικού φασματικού καθαρισμού, για την κατηγορία της βλάστησης. Κέντρο: Τμήμα από την εικόνα που προκύπτει μετά την εφαρμογή του γραμμικού φασματικού καθαρισμού, για την κατηγορία του χώματος. Δεξιά: Τμήμα από την εικόνα που προκύπτει μετά την εφαρμογή του γραμμικού φασματικού καθαρισμού, για την κατηγορία των κατασκευών από μπετόν. 5.4 Εφαρμογή της μεθόδου SAM στην εικόνα Hyperion Για την εφαρμογή της ταξινόμησης με την μέθοδο SAM, χρησιμοποιήθηκε το ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής της εικόνας και το αρχείο endmembers_astiki.txt που αποθηκεύτηκε σε προηγούμενη ενότητα. Η εφαρμογή της μεθόδου SAM γίνεται στο λογισμικό ENVI μέσω της επιλογής: Classification Supervised Spectral Angle Mapper Η επιλογή της τιμής της φασματικής γωνίας πραγματοποιήθηκε μετά από αρκετές δοκιμές εφαρμογής της μεθόδου. Τελικά επιλέχθηκε η τιμή 0,35 rad. Οι ψηφίδες που έμειναν αταξινόμητες μετά την εφαρμογή της μεθόδου, εμφανίζονται με μαύρο χρώμα. Τα αποτελέσματα της εφαρμογής της μεθόδου SAM στο ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής της εικόνας Hyperion παρουσιάζονται στην εικόνα 5.5 που ακολουθεί. 135

136 Εικόνα 5.5 Τμήμα από την ταξινομημένη εικόνα που προκύπτει μετά την εφαρμογή της μεθόδου SAM, στο ατμοσφαιρικά διορθωμένο αστικό τμήμα της εικόνας Hyperion. Οι επιλεγμένες τάξεις είναι οι εξής: Μπετόν 1, Μπετόν 2, Βλάστηση 1, Βλάστηση 2, Βλάστηση 3, Ακάλυπτο έδαφος, Αταξινόμητες ψηφίδες. 136

137 Για να εκτιμηθεί η ακρίβεια της ταξινόμησης με την μέθοδο SAM, επιλέχθηκαν δείγματα ελέγχου από το ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής της εικόνας Hyperion, τα οποία συγκρίθηκαν με την εικόνα που προέκυψε από την ταξινόμηση. Για την λήψη των δειγμάτων, στο λογισμικό ENVI χρησιμοποιήθηκε το ROI Tool, μέσω της επιλογής: Basic Tools Region Of Interest ROI Tool Μετά την λήψη των δειγμάτων, η ακρίβεια της ταξινόμησης υπολογίζεται μέσω της επιλογής: Classification Post Classification Confusion Matrix Using Ground Truth ROIs Η ολική ακρίβεια που υπολογίστηκε για την ταξινόμηση της εφαρμογής, είναι ίση με 89.05% (358 από τις 402 ψηφίδες ελέγχου). Ο στατιστικός συντελεστής Κ που υπολογίστηκε είναι Κ=0,8377 (στο παράρτημα παρουσιάζεται όλο το αρχείο). 5.5 Υπερφασματικοί δείκτες βλάστησης στην εικόνα Hyperion Οι υπερφασματικοί δείκτες βλάστησης σχεδιάστηκαν για να τονίσουν και να αναδείξουν συγκεκριμένες ιδιότητες της βλάστησης. Για την ανάλυση της υπερφασματικής εικόνας Hyperion της παρούσας εφαρμογής, χρησιμοποιήθηκε το λογισμικό ENVI το οποίο διαθέτει συνολικά 25 υπερφασματικούς δείκτες βλάστησης. Οι 25 αυτοί δείκτες βλάστησης καθώς και οι 7 διαφορετικές κατηγορίες στις οποίες ανήκουν, παρουσιάστηκαν αναλυτικά στην ενότητα Στην παρούσα εφαρμογή χρησιμοποιήθηκαν οι παρακάτω 7 δείκτες βλάστησης υπερφασματικών εικόνων (ένας από κάθε κατηγορία): NDVI (κατηγορία Broadband Greenness ) NDVI 705 (κατηγορία Narrowband Greenness ) PRI (κατηγορία Light Use Efficiency ) NDNI (κατηγορία Canopy Nitrogen ) NDLI (κατηγορία Dry or Senescent Carbon ) CRI1 (κατηγορία Leaf Pigments ) NDWI (κατηγορία Canopy Water Content ) Οι δείκτες αυτοί εφαρμόστηκαν στο ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής της εικόνας MNF. Τα αποτελέσματα της εφαρμογής των δεικτών στο συγκεκριμένο τμήμα της εικόνας, παρουσιάζονται στις εικόνες που ακολουθούν. 137

138 Δείκτης NDVI (Normalized Difference Vegetation Index) NDVI = (ρ NIR ρ RED ) / (ρ NIR + ρ RED ) Εικόνα 5.6 Τμήμα της εικόνας που προκύπτει από την εφαρμογή του δείκτη βλάστησης NDVI στο ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής της εικόνας MNF. Ο δείκτης NDVI είναι από τις απλούστερες μετρήσεις της ποσότητας της πράσινης βλάστησης. Σχεδιάστηκε για να παρέχει μια μέτρηση της συνολικής ποσότητας αλλά και της ποιότητας του φωτοσυνθετικού υλικού της βλάστησης. Ο δείκτης NDVI χρησιμοποιείται με πολυφασματικά αλλά και υπερφασματικά δεδομένα, σε μελέτης ανάπτυξης της βλάστησης και στην μοντελοποίηση της παραγωγικότητας της. Στην εικόνα 5.6 οι φωτεινές περιοχές είναι οι περιοχές που παρουσιάζουν την μεγαλύτερη ανάπτυξη σε βλάστηση. 138

139 Δείκτης NDVI 705 (Red Edge Normalized Difference Vegetation Index) NDVI 705 = (ρ 750 ρ 705 )/ (ρ ρ 705 ) Εικόνα 5.7 Τμήμα της εικόνας που προκύπτει από την εφαρμογή του δείκτη βλάστησης NDVI 705 στο ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής της εικόνας MNF. Όπως ο δείκτης βλάστησης NDVI, έτσι και ο δείκτης NDVI 705 σχεδιάστηκε για να παρέχει μια μέτρηση της συνολικής ποσότητας αλλά και της ποιότητας του φωτοσυνθετικού υλικού της βλάστησης. Η διαφορά μεταξύ τους, είναι ότι ο δείκτης NDVI 705 χρησιμοποιεί τους διαύλους της περιοχής red edge ( nm) και είναι πιο ευαίσθητος σε μικρές αλλαγές της υγείας της βλάστησης. Ο NDVI 705 χρησιμοποιείται μόνο με υπερφασματικά δεδομένα, σε εφαρμογές όπως η εποπτεία δασικών περιοχών και ο εντοπισμός της καταπόνησης της βλάστησης. Στην εικόνα 5.7, οι φωτεινές περιοχές είναι οι περιοχές που παρουσιάζουν την μεγαλύτερη ανάπτυξη στη βλάστηση. 139

140 Δείκτης PRI (Photochemical Reflectance Index) PRI = (ρ ρ 570 ) / (ρ ρ 570 ) Εικόνα 5.8 Τμήμα της εικόνας που προκύπτει από την εφαρμογή του δείκτη βλάστησης PRI στο ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής της εικόνας MNF. Ο δείκτης βλάστησης PRI σχεδιάστηκε για να παρέχει μια μέτρηση της αποτελεσματικότητας με την οποία η βλάστηση είναι ικανή να χρησιμοποιήσει το περιστασιακό φως για τη φωτοσύνθεση. Είναι ευαίσθητος σε αλλαγές στα καροτενοειδή των φύλλων (ιδιαίτερα στην χρωστική ξανθοφύλλη), τα οποία είναι ενδεικτικά του ποσοστού πρόσληψης διοξειδίου του άνθρακα ανά μονάδα ενέργειας που απορροφάται από το φύλλωμα. Ο συγκεκριμένος δείκτης χρησιμοποιείται στην παρακολούθηση της υγείας των φυτών και την ανάλυση της καρποφορίας τους. 140

141 Δείκτης NDNI (Normalized Difference Nitrogen Index) NDNI = [log (1/ρ 1510 ) log (1/ρ 1680 )] / [log (1/ρ 1510 ) + log (1/ρ 1680 )] Εικόνα 5.9 Τμήμα της εικόνας που προκύπτει από την εφαρμογή του δείκτη βλάστησης NDNI στο ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής της εικόνας MNF. Ο δείκτης βλάστησης NDNI σχεδιάστηκε για να παρέχει μια μέτρηση της συγκέντρωσης αζώτου στο φύλλωμα της των φυτών. Το άζωτο βρίσκεται γενικά σε υψηλές συγκεντρώσεις σε βλάστηση που μεγαλώνει με γρήγορο ρυθμό. Ο συγκεκριμένος δείκτης είναι πειραματικός, αλλά δείχνει ισχυρή ευαισθησία στις αλλαγές των συγκεντρώσεων του αζώτου, όταν το φύλλωμα είναι πράσινο και όχι γερασμένο. Χρησιμοποιείται σε εφαρμογές διαχείρισης δασών και ανάλυση οικοσυστημάτων. 141

142 Δείκτης NDLI (Normalized Difference Lignin Index) NDLI = [log (1/ρ 1754 ) - log (1/ρ 1680 )] / [log (1/ρ 1754 ) + log (1/ρ 1680 )] Εικόνα 5.10 Τμήμα της εικόνας που προκύπτει από την εφαρμογή του δείκτη βλάστησης NDLI στο ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής της εικόνας MNF. Ο δείκτης βλάστησης NDLI σχεδιάστηκε για να παρέχει μια μέτρηση των σχετικών ποσοτήτων λιγνίνης στο φύλλωμα της βλάστησης. Η λιγνίνη είναι ένα φυσικό πολυμερές που βασίζεται στον άνθρακα και χρησιμοποιείται από τα φυτά ως δομικό συστατικό. Τα άνυδρα μόρια άνθρακα βρίσκονται σε μεγάλες ποσότητες σε ξύλινα υλικά και γερασμένη ή νεκρή βλάστηση. Τα υλικά αυτά είναι πολύ εύφλεκτα. Ο δείκτης NDLI είναι πειραματικός και χρησιμοποιείται σε εφαρμογές ανάλυσης πιθανοτήτων πυρκαγιάς, στη διαχείριση βοσκότοπων και στον εντοπισμό φυτικών απορριμμάτων. 142

143 Δείκτης CRI1 (Carotenoid Reflectance Index 1) CRI1 = (1/ρ 510 ) - (1/ρ 550 ) Εικόνα 5.11 Τμήμα της εικόνας που προκύπτει από την εφαρμογή του δείκτη βλάστησης CRI1 στο ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής της εικόνας MNF. Ο δείκτης βλάστησης CRI1 σχεδιάστηκε για να παρέχει μια εκτίμηση της παρουσίας των καροτενοειδών στο φύλλωμα των φυτών. Οι υψηλές τιμές του δείκτη δείχνουν υψηλότερη συγκέντρωση καροτενοειδών. Οι υψηλές συγκεντρώσεις των καροτενοειδών συναντώνται στην εξασθενημένη βλάστηση. Ο CRI1 χρησιμοποιείται σε εφαρμογές παρακολούθησης καλλιεργειών και στην ανάλυση της καταπόνησης των φυλλωμάτων των φυτών. 143

144 Δείκτης NDWI (Normalized Difference Water Index) NDWI = (ρ 857 ρ 1241 ) / (ρ ρ 1241 ) Εικόνα 5.12 Τμήμα της εικόνας που προκύπτει από την εφαρμογή του δείκτη βλάστησης NDWI στο ατμοσφαιρικά διορθωμένο τμήμα αστικής περιοχής της εικόνας MNF. Ο δείκτης βλάστησης NDWI σχεδιάστηκε για να παρέχει μια μέτρηση της συνολικής ποσότητας νερού που περιέχεται στο φύλλωμα των φυτών. Η υψηλή περιεκτικότητα νερού είναι ενδεικτική της υγείας της βλάστησης. Τα φυτά αναπτύσσονται ταχύτερα και αντιστέκονται περισσότερο σε ενδεχόμενες πυρκαγιές. Ο δείκτης NDWI χρησιμοποιείται σε εφαρμογές μοντελοποίησης της παραγωγικότητας των φυτών και σε μελέτες ανάλυσης πιθανοτήτων πυρκαγιάς. 144

145 6. Συμπεράσματα Ο ρόλος της διαδικασίας της ατμοσφαιρικής διόρθωσης των υπερφασματικών εικόνων, για την ελαχιστοποίηση της επίδρασης των ατμοσφαιρικών σφαλμάτων στην τελική εικόνα που αναλύεται, είναι αναμφισβήτητα πολύ σημαντικός. Για να επιτραπεί στον χρήστη να εκμεταλλευτεί τις αξιόλογες δυνατότητες επεξεργασίας των υπερφασματικών δεδομένων και να εξάγει από αυτά πληροφορίες που ενδεχομένως δεν μπορούν να αναγνωριστούν σε αντίστοιχα πολυφασματικά δεδομένα, είναι απαραίτητο να πραγματοποιηθεί επιτυχώς αυτό το στάδιο της προεπεξεργασίας τους. Στην παρούσα μεταπτυχιακή εργασία, για την ατμοσφαιρική διόρθωση των αρχικών υπερφασματικών δεδομένων Hyperion, χρησιμοποιήθηκε το μοντέλο FLAASH μέσω του λογισμικού ENVI. Τα δεδομένα εικόνας Hyperion συνοδεύονται από αρχεία που παρέχουν όλες τις απαραίτητες πληροφορίες που χρειάζεται το μοντέλο FLAASH, για να πραγματοποιήσει την ατμοσφαιρική τους διόρθωση. Η ταυτοποίηση των φασματικών υπογραφών που λήφθηκαν από την εικόνα που διορθώθηκε με τη χρήση του μοντέλου FLAASH, με αντίστοιχες φασματικές υπογραφές που υπάρχουν στις διαθέσιμες φασματικές βιβλιοθήκες του λογισμικού ENVI, απέδειξε ότι το συγκεκριμένο μοντέλο ανταποκρίθηκε στις απαιτήσεις της διαδικασίας. Τα αποτελέσματα του κρίνονται ικανοποιητικά. Το συμπέρασμα αυτό ενισχύεται αν ληφθεί υπόψη και το γεγονός ότι οι φασματικές βιβλιοθήκες που χρησιμοποιήθηκαν για την σύγκριση, έχουν δημιουργηθεί σε πανεπιστημιακά εργαστήρια των Η.Π.Α, με περιβαλλοντικές συνθήκες πολύ διαφορετικές από αυτές που επικρατούσαν στην περιοχή μελέτης κατά την στιγμή της λήψης της εικόνας. Το μοντέλο ατμοσφαιρικής διόρθωσης FLAASH παρέχει στον χρήστη πολυάριθμες επιλογές για να μπορέσει να αναπαραστήσει ικανοποιητικά το ατμοσφαιρικό σκηνικό που επικρατούσε στην περιοχή μελέτης, κατά την στιγμή της λήψης των δεδομένων από τον αισθητήρα. Στην εικόνα Hyperion της συγκεκριμένης εφαρμογής, η ορατότητα ήταν μεγαλύτερη από km. Για το λόγο αυτό, η επιλογή της χρήσης της μεθόδου 2 Band K-T ή της χρήσης της αρχικής τιμής ορατότητας κατά την εφαρμογή της ατμοσφαιρικής διόρθωσης, δεν ήταν ιδιαίτερης σημασίας. Τα αποτελέσματα της διόρθωσης και στις δύο περιπτώσεις ήταν παρόμοια. 145

146 Η εφαρμογή της τεχνικής της φασματικής ομαλοποίησης (Spectral Polishing) κατά το στάδιο της ατμοσφαιρικής διόρθωσης της εικόνας με το λογισμικό FLAASH, περιορίζει σημαντικά τον φασματικό θόρυβο στην ατμοσφαιρικά διορθωμένη εικόνα, συγκριτικά με την εικόνα που προκύπτει χωρίς την εφαρμογή της συγκεκριμένης τεχνικής. Το αποτέλεσμα αυτό ήταν ευδιάκριτο σε όλες τις φασματικές υπογραφές που συγκρίθηκαν. Οι διάφορες δοκιμαστικές εφαρμογές ατμοσφαιρικής διόρθωσης που πραγματοποιήθηκαν, δεν απέδειξαν ουσιαστικά ότι η τμηματική ατμοσφαιρική διόρθωση της εικόνας οδηγεί σε καλύτερα αποτελέσματα, συγκριτικά με την αντίστοιχη διόρθωση ολόκληρης της εικόνας. Παρόλα αυτά, επειδή οι εικόνες Hyperion είναι αρκετά μεγάλες και απεικονίζουν πολλές διαφορετικές καλύψεις γης, η τμηματική επεξεργασία τους προτείνεται. Η εφαρμογή του μετασχηματισμού MNF (ευθύς και αντίστροφος) στα ατμοσφαιρικά διορθωμένα τμήματα αστικής και αγροτικής-ημιορεινής περιοχής της εικόνας, μείωσε σημαντικά τα επίπεδα θορύβου στην εικόνα. Ο ευθύς μετασχηματισμός MNF, συγκέντρωσε την χρήσιμη πληροφορία της εικόνας στους πρώτους 10 περίπου διαύλους MNF. Για να απομακρυνθεί ο θόρυβος κατά την εφαρμογή του αντίστροφου μετασχηματισμού MNF, πρέπει η επιλογή των διαύλων MNF που θα συμμετέχουν να γίνει πολύ προσεχτικά. Στο στάδιο της ανάλυσης της ατμοσφαιρικά διορθωμένης υπερφασματικής εικόνας, η τεχνική PPI που χρησιμοποιήθηκε για την ανίχνευση αμιγών ψηφίδων στην εικόνα, έδωσε σε γενικές γραμμές μέτρια αποτελέσματα. Οι αμιγείς ψηφίδες που ανιχνεύτηκαν δεν ήταν πάρα πολλές στην εικόνα. Τα αποτελέσματα αυτά ίσως να οφείλονται στο μεγάλο μέγεθος του pixel (30 μέτρα). Κατά την εφαρμογή ωστόσο της μεθόδου SAM στην εικόνα Hyperion, χρησιμοποιήθηκαν τα φάσματα των αμιγών ψηφίδων που βρέθηκαν και η εκτίμηση της ακρίβειας της ταξινόμησης ήταν ικανοποιητική. Από την εφαρμογή των δεικτών βλάστησης στην εικόνα Hyperion, διαπιστώνεται ότι τα υπερφασματικά δεδομένα μπορούν να χρησιμοποιηθούν σε πολυάριθμες εφαρμογές, όπως για παράδειγμα στην εποπτεία των δασών, στην παρακολούθηση των καλλιεργειών, στην ανάλυση των πιθανοτήτων πυρκαγιάς σε περιοχές με βλάστηση, στην ανάλυση οικοσυστημάτων καθώς επίσης και σε περιβαλλοντικές εφαρμογές με αντικείμενο το νερό. 146

147 Βιβλιογραφία ΕΛΛΗΝΙΚΗ 1. Παρμενόπουλος Κων/νος, 2003, Διαδικασία γραμμικού φασματικού καθαρισμού στην υπερφασματική τηλεπισκόπηση, Α.Π.Θ. 2. Τσακίρη-Στρατή Μ., 2004, Τηλεπισκόπηση - Πανεπιστημιακές Παραδόσεις για τους φοιτητές του 6 ου εξαμήνου, Α.Π.Θ. 3. Τσακίρη-Στρατή Μ., 2007, Διαχείριση Τηλεπισκοπικής Παραγωγής- Παραδόσεις για το μεταπτυχιακό πρόγραμμα σπουδών Γεωπληροφορική, Α.Π.Θ. ΔΙΕΘΝΗΣ 4. ENVI User s Guide, 2006, R.S.I. ENVI version ERDAS IMAGINE User s Guide, 2006, Leica Geosystems ERDAS IMAGINE version Gens Rudiger, 2004, Atmospheric and Radiometric Corrections for Remote Sensing Data, University of Alaska, U.S.A. 7. Jensen J.R., 2005, Introductory Digital Image Processing: A Remote Sensing Perspective, Pearson Education. 8. Kaufman Y.J., A.E. Wald, L.A. Remer, B.C. Gao, R.R. Li and L. Flynn, 1997, The MODIS 2.1. μm Channel Correlation with Visible Reflectance for Use in Remote Sensing of Aerosol, IEEE Transactions on Geoscience and Remote Sensing. 9. Kawishwar Prashant, 2007, Atmospheric Correction Models for Retrievals of Calibrated Spectral Profiles from Hyperion EO-1 Data. 10. Kumar Uttam, 2006, Comparative Evaluation of the Algorithms for Land Cover Mapping using Hyperspectral Data. 11. Law K.H. and Nichol J., 2004, Topographic Correction for Differential Illumination Effects on Ikonos Satellite Imagery, Department of Land Surveying and Geo-Informatics, the Hong Kong Polytechnic University, Hunghom, Kowloon, Hong Kong. 12. Manolakis D., Lockwood R. and Cooley T, 2005, On the Spectral Correlation Structure of Hyperspectral Imaging Data, Lincoln, U.S.A. 147

148 13. Miguel Agnieszka C., Ladner Richard E., Riskin Eve A., Hauck Scott, Barney Dane K., Askew Amanda R. and Chang Alexander, Predictive Coding of Hyperspectral Images, University of Washington, U.S.A. 14. Nahry A.H.El and Altinbas U., 2006, Processing and Analyzing Advanced Hyperspectral Imagery Data for Identifying Clay Minerals. A Case Study, Journal of Applied Science Research 2(4): , INSInet Publication, Cairo, Egypt. 15. Pearlman Jay S., 2003, Hyperion Validation Report, NASA/GSFC, U.S.A. 16. Shippert Peg, 2004, Why Use Hyperspectral imagery? Photogrammetric Engineering & Remote Sensing. 17. Smith Randall B., 2006, Introduction to Hyperspectral Imaging, MicroImages Inc., Lincoln Nebraska, U.S.A. ΙΣΤΟΣΕΛΙΔΕΣ

149 ΠΑΡΑΡΤΗΜΑ 149

150 Η υπερφασματική εικόνα Hyperion Εικόνα 1 Η υπερφασματική εικόνα EO1H PP του αισθητήρα Hyperion. 150

151 Το αρχείο metadata που συνοδεύει την εικόνα Scene Request ID EO PP Site Latitude Site Longitude HYP Start Time :59:03 HYP Stop Time :03:32 HYP File Start Stop Duration HYP 54AC DPS Quality Reports _SGS_01_A.DQM _SGS_01_B.DQM Ground Site ID Contact Start Time Contact Stop Time SGS 2001_278_ _278_1213 PRODUCT_UL_CORNER_LAT = PRODUCT_UL_CORNER_LON = PRODUCT_UR_CORNER_LAT = PRODUCT_UR_CORNER_LON = PRODUCT_LL_CORNER_LAT = PRODUCT_LL_CORNER_LON = PRODUCT_LR_CORNER_LAT = PRODUCT_LR_CORNER_LON = Το αρχείο Readme.txt που συνοδεύει την εικόνα USGS EARTH OBSERVING-1 (EO-1) HYPERION TABLE OF CONTENTS INTRODUCTION FORMAT FOR LEVEL 0 FORMAT FOR LEVEL 1R ORGANIZATION FOR LEVEL 0 ORGANIZATION FOR LEVEL 1R * DATA FILE NAMES * README * READING DATA GENERAL INFORMATION and DOCUMENTATION 151

152 ORDER SUPPORT DISCLAIMER INTRODUCTION This product was created by the United States Geological Survey (USGS) and contains EO-1 data files in Hierarchical Data Format (HDF). EO-1 was launched as a one-year technology demonstration/validation mission. After the initial technology mission was completed, National Aeronautics and Space Administration (NASA) and the USGS agreed to the continuation of the EO-1 program as an extended mission. Information about the EO-1 satellite and the Hyperion sensor are available at the USGS and NASA web sites: FORMAT FOR THE LEVEL 0 The Hyperion data are provided in standard HDF Version 4.1 (release 5), written as band-interleaved-by-line (BIL) files stored in 16-bit signed integer radiance values. Level 0 data is neither resampled nor geometrically corrected or registered. FORMAT FOR THE LEVEL 1R The Hyperion data are provided in standard HDF Version 4.1 (release 5), written as band-interleaved-by-line (BIL) files stored in 16-bit signed integer radiance values. ORGANIZATION FOR THE LEVEL 0 The Hyperion data product consists of a metadata file (.MET), an HDF datasets file (.L1R), and multiple ancillary files (.hdf). 152

153 ORGANIZATION FOR THE LEVEL 1R The Hyperion product consists of a metadata file (.MET), an HDF datasets file (.L1R) (which includes image data, spectral center wavelengths, spectral bandwidths, gain coefficients, and a flag mask), and an ENVI-formatted header file (.hdr). For more information on the Hyperion product content, visit the Product Description Chapter of the User Guide found on the EO-1 website at: * DATA FILE NAMES The file naming convention is as follows: EO1SPPPRRRYYYYDDDXXXML_GGG_VV where: EO1 = Satellite S = Sensor (H=Hyperion, A=ALI) PPP = Target WRS Path RRR = Target WRS Row YYYY = Year of acquisition DDD = Julian day of acquisition X = (0=off; 1=on) Hyperion X = (0=off; 1=on) ALI X = (0=off; 1=on) AC M = Pointing Mode (N=Nadir; P=Pointed within path/row, K=Pointed outside path/row L = Scene Length (F=Full scene, P=Partial scene, Q=Second partial scene, S=Swath) GGG = Ground/Receiving Station VV = Version Number * README The README.txt is this text file. 153

154 * READING DATA Delivered on compact disc (CD), data files are not packed and conform to International Standards Organization (ISO) 9660 Level 2 standards. Delivered on digital versatile disc (DVD), data files are not packed and conform to ISO 9660 Level 2 standards. Delivered via file transfer protocol (FTP), data files are tarred and gzipcompressed. GENERAL INFORMATION AND DOCUMENTATION For further information about EO-1, see: No software is included on this product for viewing EO-1 data. FGDC metadata ORDER SUPPORT Direct questions about orders to the USGS Earth Resources Observation Systems (EROS) Data Center's (EDC) Customer Services at USGS EROS Data Center: For information about other USGS products, see: or call ASK-USGS ( ) For information about the USGS National Map, see: DISCLAIMER Any use of trade, product, or firm names is for descriptive purposes only and does not imply endorsement by the U.S. Government. Publication Date: December 15,

155 Οι χάρτες κλίμακας 1:50000 της Γ.Υ.Σ.(για τα προσεγγιστικά υψόμετρα στην εικόνα) Εικόνα 2 Το φύλλο χάρτη της Γ.Υ.Σ. Κερκίνη Εικόνα 3 Το φύλλο χάρτη της Γ.Υ.Σ. Κιλκίς 155

156 Εικόνα 4 Το φύλλο χάρτη της Γ.Υ.Σ. Θεσσαλονίκη 156

157 Η ατμοσφαιρικά διορθωμένη εικόνα Hyperion, πριν από την εφαρμογή φίλτρων για την βελτίωση της εμφάνισης της. Εικόνα 5 Η ατμοσφαιρικά διορθωμένη υπερφασματική εικόνα Hyperion (χρήση αστικού μοντέλου ατμοσφαιρικών αερίων), πριν από την εφαρμογή φίλτρων για τη βελτίωση του contrast της. 157

Πανεπιστήμιο Θεσσαλίας. Πολυτεχνική Σχολή ΘΕΜΑΤΙΚΗ : ΤΗΛΕΠΙΣΚΟΠΗΣΗ

Πανεπιστήμιο Θεσσαλίας. Πολυτεχνική Σχολή ΘΕΜΑΤΙΚΗ : ΤΗΛΕΠΙΣΚΟΠΗΣΗ Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης ΘΕΜΑΤΙΚΗ : ΤΗΛΕΠΙΣΚΟΠΗΣΗ Ιωάννης Φαρασλής Τηλ : 24210-74466, Πεδίον Άρεως, Βόλος http://www.prd.uth.gr/el/staff/i_faraslis

Διαβάστε περισσότερα

Μάθημα: Τηλεπισκόπηση - Φωτοερμηνεία

Μάθημα: Τηλεπισκόπηση - Φωτοερμηνεία Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης Μάθημα: Τηλεπισκόπηση - Φωτοερμηνεία Ραδιομετρικές - Ατμοσφαιρικές Διορθώσεις Ιωάννης Φαρασλής

Διαβάστε περισσότερα

Τηλεπισκόπηση - Φωτοερμηνεία

Τηλεπισκόπηση - Φωτοερμηνεία ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Τηλεπισκόπηση - Φωτοερμηνεία Ενότητα 6: Βασικές έννοιες Δορυφορικής Τηλεπισκόπησης. Ηλεκτρομαγνητική Ακτινοβολία. Κωνσταντίνος Περάκης Ιωάννης Φαρασλής Τμήμα Μηχανικών Χωροταξίας,

Διαβάστε περισσότερα

ΕΡΓΑΣΤΗΡΙΟ 2 ΗΛΕΚΤΡΟΜΑΓΝΗΤΙΚΗ ΑΚΤΙΝΟΒΟΛΙΑ

ΕΡΓΑΣΤΗΡΙΟ 2 ΗΛΕΚΤΡΟΜΑΓΝΗΤΙΚΗ ΑΚΤΙΝΟΒΟΛΙΑ ΕΡΓΑΣΤΗΡΙΟ 2 ΗΛΕΚΤΡΟΜΑΓΝΗΤΙΚΗ ΑΚΤΙΝΟΒΟΛΙΑ 1. Εισαγωγή. Η ενέργεια, όπως είναι γνωστό από τη φυσική, διαδίδεται με τρεις τρόπους: Α) δι' αγωγής Β) δια μεταφοράς Γ) δι'ακτινοβολίας Ο τελευταίος τρόπος διάδοσης

Διαβάστε περισσότερα

Βασικές έννοιες Δορυφορικής Τηλεπισκόπησης. Ηλεκτρομαγνητική Ακτινοβολία

Βασικές έννοιες Δορυφορικής Τηλεπισκόπησης. Ηλεκτρομαγνητική Ακτινοβολία Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης Βασικές έννοιες Δορυφορικής Τηλεπισκόπησης Ηλεκτρομαγνητική Ακτινοβολία Ιωάννης Φαρασλής Τηλ

Διαβάστε περισσότερα

Abstract HYPERION 50

Abstract HYPERION 50 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ/ΤΜΗΜΑ ΑΓΡΟΝΟΜΩΝ ΤΟΠΟΓΡΑΦΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΚΤΗΜAΤΟΛΟΓΙΟΥ ΦΩΤΟΓΡΑΜΜΕΤΡΙΑΣ ΚΑΙ ΧΑΡΤΟΓΡΑΦΙΑΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΓΕΩΠΛΗΡΟΦΟΡΙΚΗΣ ΙΑΧΕΙΡΙΣΗ ΦΩΤΟΓΡΑΜΜΕΤΡΙΚΗΣ ΠΑΡΑΓΩΓΗΣ

Διαβάστε περισσότερα

Εισαγωγή στην Τηλεπισκόπηση. Κ. Ποϊραζίδης

Εισαγωγή στην Τηλεπισκόπηση. Κ. Ποϊραζίδης Κ. Ποϊραζίδης Η λέξη Τηλεπισκόπηση συντίθεται από το αρχαίο επίρρημα τηλε (από μακριά) και το ρήμα επισκοπώ (εξετάζω). Έτσι, τηλεπισκόπιση σημαίνει αντίληψη αντικειμένων ή φαινομένων από απόσταση. Ορίζεται

Διαβάστε περισσότερα

Επαναλήψεις στα GIS. Χωρικές Βάσεις Δεδομένων και Γεωγραφικά Πληροφοριακά Συστήματα

Επαναλήψεις στα GIS. Χωρικές Βάσεις Δεδομένων και Γεωγραφικά Πληροφοριακά Συστήματα Επαναλήψεις στα GIS Χωρικές Βάσεις Δεδομένων και Γεωγραφικά Πληροφοριακά Συστήματα GIS GIS Αμερικής Πλεονεκτήματα και μειονεκτήματα των GIS Πλεονεκτήματα και μειονεκτήματα των GIS Αποτύπωση εκτάσεων μέσω

Διαβάστε περισσότερα

ΕΡΩΤΗΣΕΙΣ ΠΟΛΛΑΠΛΗΣ ΕΠΙΛΟΓΗΣ

ΕΡΩΤΗΣΕΙΣ ΠΟΛΛΑΠΛΗΣ ΕΠΙΛΟΓΗΣ ΦΥΣΙΚΗ Γ.Π. Γ Λυκείου / Το Φως 1. Η υπεριώδης ακτινοβολία : a) δεν προκαλεί αμαύρωση της φωτογραφικής πλάκας. b) είναι ορατή. c) χρησιμοποιείται για την αποστείρωση ιατρικών εργαλείων. d) έχει μήκος κύματος

Διαβάστε περισσότερα

ΑΡΧΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ (Y2204) Βασιλάκης Εμμανουήλ Επίκ. Καθηγητής Τηλεανίχνευσης

ΑΡΧΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ (Y2204) Βασιλάκης Εμμανουήλ Επίκ. Καθηγητής Τηλεανίχνευσης ΑΡΧΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ (Y2204) Βασιλάκης Εμμανουήλ Επίκ. Καθηγητής Τηλεανίχνευσης ΘΕΜΑΤΑ Τι είναι τηλεπισκόπηση Ιστορική εξέλιξη Συστήματα παρατήρησης της Γης Στοιχεία Ηλεκτρο-Μαγνητικής Ακτινοβολίας Διακριτική

Διαβάστε περισσότερα

24/6/2013. Εισαγωγή στην Τηλεπισκόπηση. Κ. Ποϊραζίδης

24/6/2013. Εισαγωγή στην Τηλεπισκόπηση. Κ. Ποϊραζίδης Κ. Ποϊραζίδης Η λέξη Τηλεπισκόπηση συντίθεται από το αρχαίο επίρρημα τηλε (από μακριά) και το ρήμα επισκοπώ (εξετάζω). Έτσι, τηλεπισκόπιση σημαίνει αντίληψη αντικειμένων ή φαινομένων από απόσταση. Ορίζεται

Διαβάστε περισσότερα

Τηλεπισκόπηση Περιβαλλοντικές Εφαρμογές. Αθανάσιος Α. Αργυρίου

Τηλεπισκόπηση Περιβαλλοντικές Εφαρμογές. Αθανάσιος Α. Αργυρίου Τηλεπισκόπηση Περιβαλλοντικές Εφαρμογές Αθανάσιος Α. Αργυρίου Ορισμοί Άμεση Μέτρηση Έμμεση Μέτρηση Τηλεπισκόπηση: 3. Οι μετρήσεις γίνονται από απόσταση (από 0 36 000 km) 4. Μετράται η Η/Μ ακτινοβολία Με

Διαβάστε περισσότερα

ΤΗΛΕΠΙΣΚΟΠΗΣΗ. Remote Sensing

ΤΗΛΕΠΙΣΚΟΠΗΣΗ. Remote Sensing ΤΗΛΕΠΙΣΚΟΠΗΣΗ Remote Sensing Ορισµός Η Τηλεπισκόπηση ή Τηλεανίχνευση (Remote Sensing) είναι το επιστηµονικό τεχνολογικό πεδίο που ασχολείται µετην απόκτηση πληροφοριών από απόσταση, για αντικείµενα περιοχές

Διαβάστε περισσότερα

ΤΗΛΕΠΙΣΚΟΠΗΣΗ (E6205) Βασιλάκης Εμμανουήλ Επίκ. Καθηγητής Τηλεανίχνευσης

ΤΗΛΕΠΙΣΚΟΠΗΣΗ (E6205) Βασιλάκης Εμμανουήλ Επίκ. Καθηγητής Τηλεανίχνευσης ΤΗΛΕΠΙΣΚΟΠΗΣΗ (E6205) Βασιλάκης Εμμανουήλ Επίκ. Καθηγητής Τηλεανίχνευσης Είδη δορυφορικών συστημάτων τηλεπισκόπησης Οπτικά ή παθητικά συστήματα Μικροκυμματικά ή ενεργητικά συστήματα (radar) Ηλεκτρομαγνητική

Διαβάστε περισσότερα

Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση 24/6/2013. Τηλεπισκόπηση. Κ. Ποϊραζίδης ΤΑΞΙΝΟΜΗΣΗ ΕΙΚΟΝΑΣ

Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση 24/6/2013. Τηλεπισκόπηση. Κ. Ποϊραζίδης ΤΑΞΙΝΟΜΗΣΗ ΕΙΚΟΝΑΣ ΤΑΞΙΝΟΜΗΣΗ ΕΙΚΟΝΑΣ Κ. Ποϊραζίδης Η ταξινόμηση εικόνας αναφέρεται στην ερμηνεία με χρήση υπολογιστή των τηλεπισκοπικών εικόνων. Παρόλο που ορισμένες διαδικασίες έχουν τη δυνατότητα να συμπεριλάβουν πληροφορίες

Διαβάστε περισσότερα

Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση 24/6/2013. Ψηφιακή Ανάλυση Εικόνας. Ψηφιακή Ανάλυση Εικόνας

Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση 24/6/2013. Ψηφιακή Ανάλυση Εικόνας. Ψηφιακή Ανάλυση Εικόνας Η βελτίωση ασχολείται με την τροποποίηση των εικόνων ώστε να είναι πιο κατάλληλες για την ανθρώπινη όραση. Ανεξάρτητα από το βαθμό της ψηφιακής παρέμβασης, η οπτική ανάλυση παίζει σπουδαίο ρόλο σε όλα

Διαβάστε περισσότερα

Μέθοδοι έρευνας ορυκτών και πετρωμάτων

Μέθοδοι έρευνας ορυκτών και πετρωμάτων Μέθοδοι έρευνας ορυκτών και πετρωμάτων Μάθημα 9 ο Φασματοσκοπία Raman Διδάσκων Δρ. Αδαμαντία Χατζηαποστόλου Τμήμα Γεωλογίας Πανεπιστημίου Πατρών Ακαδημαϊκό Έτος 2017-2018 Ύλη 9 ου μαθήματος Αρχές λειτουργίας

Διαβάστε περισσότερα

ΤΗΛΕΠΙΣΚΟΠΗΣΗ (E6205) Βασιλάκης Εµµανουήλ Επίκ. Καθηγητής

ΤΗΛΕΠΙΣΚΟΠΗΣΗ (E6205) Βασιλάκης Εµµανουήλ Επίκ. Καθηγητής ΤΗΛΕΠΙΣΚΟΠΗΣΗ (E6205) Βασιλάκης Εµµανουήλ Επίκ. Καθηγητής Τύποι διορθώσεων n Θορύβου Σφαλµάτων καταγραφής n Ραδιοµετρική n n Ατµοσφαιρική Γεωµετρική Διόρθωση Θορύβου Σφαλµάτων Λόγος: δυσλειτουργία των

Διαβάστε περισσότερα

Πανεπιστήμιο Θεσσαλίας. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης

Πανεπιστήμιο Θεσσαλίας. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης ΘΕΜΑΤΙΚΗ : ΦΑΣΜΑΤΙΚΕΣ ΥΠΟΓΡΑΦΕΣ - ΤΑΞΙΝΟΜΗΣΕΙΣ Ιωάννης Φαρασλής Τηλ : 24210-74466, Πεδίον Άρεως,

Διαβάστε περισσότερα

Τηλεπισκόπηση - Φωτοερμηνεία Ενότητα 11: Είδη Ταξινομήσεων Επιβλεπόμενες Ταξινομήσεις Ακρίβειες.

Τηλεπισκόπηση - Φωτοερμηνεία Ενότητα 11: Είδη Ταξινομήσεων Επιβλεπόμενες Ταξινομήσεις Ακρίβειες. ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Τηλεπισκόπηση - Φωτοερμηνεία Ενότητα 11: Είδη Ταξινομήσεων Επιβλεπόμενες Ταξινομήσεις Ακρίβειες. Κωνσταντίνος Περάκης Ιωάννης Φαρασλής Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας και

Διαβάστε περισσότερα

Τηλεπισκόπηση. Ψηφιακή Ανάλυση Εικόνας Η ΒΕΛΤΙΩΣΗ εικόνας 1. ΔΙΑΧΕΙΡΙΣΗ ΑΝΤΙΘΕΣΗΣ 2. ΔΙΑΧΕΙΡΙΣΗ ΧΩΡΙΚΩΝ ΣΤΟΙΧΕΙΩΝ 3. ΔΙΑΧΕΙΡΙΣΗ ΠΟΛΛΑΠΛΩΝ ΕΙΚΟΝΩΝ

Τηλεπισκόπηση. Ψηφιακή Ανάλυση Εικόνας Η ΒΕΛΤΙΩΣΗ εικόνας 1. ΔΙΑΧΕΙΡΙΣΗ ΑΝΤΙΘΕΣΗΣ 2. ΔΙΑΧΕΙΡΙΣΗ ΧΩΡΙΚΩΝ ΣΤΟΙΧΕΙΩΝ 3. ΔΙΑΧΕΙΡΙΣΗ ΠΟΛΛΑΠΛΩΝ ΕΙΚΟΝΩΝ Ψηφιακή Ανάλυση Εικόνας Η ΒΕΛΤΙΩΣΗ εικόνας 1. ΔΙΑΧΕΙΡΙΣΗ ΑΝΤΙΘΕΣΗΣ 2. ΔΙΑΧΕΙΡΙΣΗ ΧΩΡΙΚΩΝ ΣΤΟΙΧΕΙΩΝ 3. ΔΙΑΧΕΙΡΙΣΗ ΠΟΛΛΑΠΛΩΝ ΕΙΚΟΝΩΝ Βελτίωση Εικόνας 2. ΔΙΑΧΕΙΡΙΣΗ ΧΩΡΙΚΩΝ ΣΤΟΙΧΕΙΩΝ (Spatial feature manipulation)

Διαβάστε περισσότερα

ΔΟΡΥΦΟΡΙΚΗ ΤΗΛΕΠΙΣΚΟΠΗΣΗ Ενότητα 6a: Αλληλεπίδραση με την ύλη ΑΛΛΗΛΕΠΙΔΡΑΣΗ ΑΚΤΙΝΟΒΟΛΙΑΣ - ΥΛΗΣ. Δρ. Ν. Χρυσουλάκης Ίδρυμα Τεχνολογίας και Έρευνας

ΔΟΡΥΦΟΡΙΚΗ ΤΗΛΕΠΙΣΚΟΠΗΣΗ Ενότητα 6a: Αλληλεπίδραση με την ύλη ΑΛΛΗΛΕΠΙΔΡΑΣΗ ΑΚΤΙΝΟΒΟΛΙΑΣ - ΥΛΗΣ. Δρ. Ν. Χρυσουλάκης Ίδρυμα Τεχνολογίας και Έρευνας ΔΟΡΥΦΟΡΙΚΗ ΤΗΛΕΠΙΣΚΟΠΗΣΗ Ενότητα 6a: Αλληλεπίδραση με την ύλη ΑΛΛΗΛΕΠΙΔΡΑΣΗ ΑΚΤΙΝΟΒΟΛΙΑΣ - ΥΛΗΣ A+R+T= Δρ. Ν. Χρυσουλάκης Ίδρυμα Τεχνολογίας και Έρευνας Ινστιτούτο Υπολογιστικών Μαθηματικών Lv: Ανάκλαση

Διαβάστε περισσότερα

Η θερμική υπέρυθρη εκπομπή της Γης

Η θερμική υπέρυθρη εκπομπή της Γης Η θερμική υπέρυθρη εκπομπή της Γης Δορυφορικές μετρήσεις στο IR. Θεωρητική θεώρηση της τηλεπισκόπισης της εκπομπήςτηςγήινηςακτινοβολίαςαπό δορυφορικές πλατφόρμες. Μοντέλα διάδοσης της υπέρυθρης ακτινοβολίας

Διαβάστε περισσότερα

ΠΟΥ ΔΙΑΔΙΔΕΤΑΙ ΤΟ ΦΩΣ

ΠΟΥ ΔΙΑΔΙΔΕΤΑΙ ΤΟ ΦΩΣ 1 ΦΩΣ Στο μικρόκοσμο θεωρούμε ότι το φως έχει δυο μορφές. Άλλοτε το αντιμετωπίζουμε με τη μορφή σωματιδίων που ονομάζουμε φωτόνια. Τα φωτόνια δεν έχουν μάζα αλλά μόνον ενέργεια. Άλλοτε πάλι αντιμετωπίζουμε

Διαβάστε περισσότερα

ΤΕΙ Καβάλας, Τμήμα Δασοπονίας και Διαχείρισης Φυσικού Περιβάλλοντος Μάθημα Μετεωρολογίας-Κλιματολογίας Υπεύθυνη : Δρ Μάρθα Λαζαρίδου Αθανασιάδου

ΤΕΙ Καβάλας, Τμήμα Δασοπονίας και Διαχείρισης Φυσικού Περιβάλλοντος Μάθημα Μετεωρολογίας-Κλιματολογίας Υπεύθυνη : Δρ Μάρθα Λαζαρίδου Αθανασιάδου 2. ΗΛΙΑΚΗ ΑΚΤΙΝΟΒΟΛΙΑ ΤΕΙ Καβάλας, Τμήμα Δασοπονίας και Διαχείρισης Φυσικού Περιβάλλοντος Μάθημα Μετεωρολογίας-Κλιματολογίας Υπεύθυνη : Δρ Μάρθα Λαζαρίδου Αθανασιάδου ΗΛΙΑΚΗ ΑΚΤΙΝΟΒΟΛΙΑ Με τον όρο ακτινοβολία

Διαβάστε περισσότερα

ΓΕΩΜΕΤΡΙΚΗ ΟΠΤΙΚΗ. Ανάκλαση. Κάτοπτρα. Διάθλαση. Ολική ανάκλαση. Φαινόμενη ανύψωση αντικειμένου. Μετατόπιση ακτίνας. Πρίσματα

ΓΕΩΜΕΤΡΙΚΗ ΟΠΤΙΚΗ. Ανάκλαση. Κάτοπτρα. Διάθλαση. Ολική ανάκλαση. Φαινόμενη ανύψωση αντικειμένου. Μετατόπιση ακτίνας. Πρίσματα ΓΕΩΜΕΤΡΙΚΗ ΟΠΤΙΚΗ Ανάκλαση Κάτοπτρα Διάθλαση Ολική ανάκλαση Φαινόμενη ανύψωση αντικειμένου Μετατόπιση ακτίνας Πρίσματα ΓΕΩΜΕΤΡΙΚΗ ΟΠΤΙΚΗ - Ανάκλαση Επιστροφή σε «γεωμετρική οπτική» Ανάκλαση φωτός ονομάζεται

Διαβάστε περισσότερα

ΠΡΟΤΥΠΟ ΠΕΙΡΑΜΑΤΙΚΟ ΛΥΚΕΙΟ ΕΥΑΓΓΕΛΙΚΗΣ ΣΧΟΛΗΣ ΣΜΥΡΝΗΣ

ΠΡΟΤΥΠΟ ΠΕΙΡΑΜΑΤΙΚΟ ΛΥΚΕΙΟ ΕΥΑΓΓΕΛΙΚΗΣ ΣΧΟΛΗΣ ΣΜΥΡΝΗΣ ΠΡΟΤΥΠΟ ΠΕΙΡΑΜΑΤΙΚΟ ΛΥΚΕΙΟ ΕΥΑΓΓΕΛΙΚΗΣ ΣΧΟΛΗΣ ΣΜΥΡΝΗΣ ΕΠΙΛΟΓΗ ΘΕΜΑΤΩΝ ΑΠΟ ΤΗΝ ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ «Β ΘΕΜΑΤΑ ΦΩΣ» ΦΥΣΙΚΗ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ Β ΛΥΚΕΙΟΥ Χ. Δ. ΦΑΝΙΔΗΣ ΣΧΟΛΙΚΟ ΕΤΟΣ 04-05 ΠΟΡΕΙΑ ΑΚΤΙΝΑΣ. Β. Στο διπλανό

Διαβάστε περισσότερα

Τηλεπισκόπηση. Ψηφιακή Ανάλυση Εικόνας Η ΒΕΛΤΙΩΣΗ εικόνας

Τηλεπισκόπηση. Ψηφιακή Ανάλυση Εικόνας Η ΒΕΛΤΙΩΣΗ εικόνας Τηλεπισκόπηση Ψηφιακή Ανάλυση Εικόνας Η ΒΕΛΤΙΩΣΗ εικόνας Η βελτίωση εικόνας ασχολείται με την τροποποίηση των εικόνων ώστε να είναι πιο κατάλληλες για την ανθρώπινη όραση. Ανεξάρτητα από το βαθμό της ψηφιακής

Διαβάστε περισσότερα

Κεφάλαιο 5 Ραδιομετρικές και ατμοσφαιρικές διορθώσεις

Κεφάλαιο 5 Ραδιομετρικές και ατμοσφαιρικές διορθώσεις Κεφάλαιο 5 Ραδιομετρικές και ατμοσφαιρικές διορθώσεις Ιωάννης Ν. Φαρασλής Σύνοψη Τα ψηφιακά δεδομένα που καταγράφονται από αισθητήρες είτε αερομεταφερόμενους είτε από δορυφόρους ενδέχεται να εμπεριέχουν

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνων

Ψηφιακή Επεξεργασία Εικόνων Ψηφιακή Επεξεργασία Εικόνων Εικόνα : αναπαράσταση των πραγμάτων Επεξεργασία : βελτίωση, ανάλυση, αντίληψη Βασικές έννοιες και μεθοδολογίες ψηφιακής επεξεργασίας εικόνων Θεμελιώδη θέματα για την περιοχή

Διαβάστε περισσότερα

ΑΡΧΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ (Y2204) Βασιλάκης Εµµανουήλ Λέκτορας Τηλεανίχνευσης

ΑΡΧΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ (Y2204) Βασιλάκης Εµµανουήλ Λέκτορας Τηλεανίχνευσης ΑΡΧΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ (Y2204) Βασιλάκης Εµµανουήλ Λέκτορας Τηλεανίχνευσης ΘΕΜΑΤΑ Τι είναι τηλεπισκόπηση Ιστορική εξέλιξη Συστήµατα παρατήρησης της Γης Στοιχεία Ηλεκτρο-Μαγνητικής Ακτινοβολίας Διακριτική

Διαβάστε περισσότερα

Δx

Δx Ποια είναι η ελάχιστη αβεβαιότητα της ταχύτητας ενός φορτηγού μάζας 2 τόνων που περιμένει σε ένα κόκκινο φανάρι (η η μέγιστη δυνατή ταχύτητά του) όταν η θέση του μετράται με αβεβαιότητα 1 x 10-10 m. Δx

Διαβάστε περισσότερα

papost/

papost/ Δρ. Παντελής Σ. Αποστολόπουλος Επίκουρος Καθηγητής http://users.uoa.gr/ papost/ papost@phys.uoa.gr ΤΕΙ Ιονίων Νήσων, Τμήμα Τεχνολόγων Περιβάλλοντος ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ ΑΚΑΔΗΜΑΪΚΟΥ ΕΤΟΥΣ 2016-2017 Οπως είδαμε

Διαβάστε περισσότερα

ΟΡΟΣΗΜΟ ΓΛΥΦΑΔΑΣ. 7.1 Τι είναι το ταλαντούμενο ηλεκτρικό δίπολο; Πως παράγεται ένα ηλεκτρομαγνητικό

ΟΡΟΣΗΜΟ ΓΛΥΦΑΔΑΣ. 7.1 Τι είναι το ταλαντούμενο ηλεκτρικό δίπολο; Πως παράγεται ένα ηλεκτρομαγνητικό ΚΕΦΑΛΑΙΟ 2 Ηλεκτρομαγνητικά κύματα. Ηλεκτρομαγνητικά κύματα 7. Τι είναι το ταλαντούμενο ηλεκτρικό δίπολο; Πως παράγεται ένα ηλεκτρομαγνητικό κύμα; 7.2 Ποιες εξισώσεις περιγράφουν την ένταση του ηλεκτρικού

Διαβάστε περισσότερα

6. Γεωγραφικά Συστήματα Πληροφοριών (ΓΣΠ) & Τηλεπισκόπηση (Θ) Εξάμηνο: Κωδικός μαθήματος:

6. Γεωγραφικά Συστήματα Πληροφοριών (ΓΣΠ) & Τηλεπισκόπηση (Θ) Εξάμηνο: Κωδικός μαθήματος: ΕΞΑΜΗΝΟ Δ 6. Γεωγραφικά Συστήματα Πληροφοριών (ΓΣΠ) & Τηλεπισκόπηση (Θ) Εξάμηνο: Δ Κωδικός μαθήματος: ΖΤΠΟ-4016 Επίπεδο μαθήματος: Υποχρεωτικό Ώρες ανά εβδομάδα Θεωρία Εργαστήριο Συνολικός αριθμός ωρών:

Διαβάστε περισσότερα

Πανεπιστήμιο Θεσσαλίας. Πολυτεχνική Σχολή ΘΕΜΑΤΙΚΗ : ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ

Πανεπιστήμιο Θεσσαλίας. Πολυτεχνική Σχολή ΘΕΜΑΤΙΚΗ : ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης ΘΕΜΑΤΙΚΗ : ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ιωάννης Φαρασλής Τηλ : 24210-74466, Πεδίον Άρεως, Βόλος

Διαβάστε περισσότερα

ΕΦΑΡΜΟΓΕΣ ΦΩΤΟΓΡΑΜΜΕΤΡΙΑΣ. Βασίλης Γιαννακόπουλος, Δρ. Δασολόγος

ΕΦΑΡΜΟΓΕΣ ΦΩΤΟΓΡΑΜΜΕΤΡΙΑΣ. Βασίλης Γιαννακόπουλος, Δρ. Δασολόγος ΕΦΑΡΜΟΓΕΣ ΦΩΤΟΓΡΑΜΜΕΤΡΙΑΣ Βασίλης Γιαννακόπουλος, Δρ. Δασολόγος Φωτογραμμετρία Εισαγωγή Ορισμοί Πλεονεκτήματα Μειονεκτήματα Εφαρμογές Εισαγωγή Προσδιορισμός θέσεων Με τοπογραφικά όργανα Σχήμα Μέγεθος Συντεταγμένες

Διαβάστε περισσότερα

Όλα τα θέματα των εξετάσεων έως και το 2014 σε συμβολή, στάσιμα, ηλεκτρομαγνητικά κύματα, ανάκλαση - διάθλαση Η/Μ ΚΥΜΑΤΑ. Ερωτήσεις Πολλαπλής επιλογής

Όλα τα θέματα των εξετάσεων έως και το 2014 σε συμβολή, στάσιμα, ηλεκτρομαγνητικά κύματα, ανάκλαση - διάθλαση Η/Μ ΚΥΜΑΤΑ. Ερωτήσεις Πολλαπλής επιλογής Η/Μ ΚΥΜΑΤΑ 1. Τα ηλεκτροµαγνητικά κύµατα: Ερωτήσεις Πολλαπλής επιλογής α. είναι διαµήκη. β. υπακούουν στην αρχή της επαλληλίας. γ. διαδίδονται σε όλα τα µέσα µε την ίδια ταχύτητα. δ. Δημιουργούνται από

Διαβάστε περισσότερα

Ραδιομετρία. Φωτομετρία

Ραδιομετρία. Φωτομετρία Ραδιομετρία Μελετά και μετρά την εκπομπή, τη μεταφορά και τα αποτελέσματα της πρόσπτωσης ΗΜ ακτινοβολίας σε διάφορα σώματα Φωτομετρία Μελετά και μετρά την εκπομπή, τη μεταφορά και τα αποτελέσματα της πρόσπτωσης

Διαβάστε περισσότερα

ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΟΙ ΜΕΤΡΗΣΕΙΣ ΤΩΝ ΑΠΟΣΤΑΣΕΩΝ - ΠΡΟΕΠΕΞΕΡΓΑΣΙΑ

ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΟΙ ΜΕΤΡΗΣΕΙΣ ΤΩΝ ΑΠΟΣΤΑΣΕΩΝ - ΠΡΟΕΠΕΞΕΡΓΑΣΙΑ ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΟΙ ΜΕΤΡΗΣΕΙΣ ΤΩΝ ΑΠΟΣΤΑΣΕΩΝ - ΠΡΟΕΠΕΞΕΡΓΑΣΙΑ Βασίλης Δ. Ανδριτσάνος Δρ. Αγρονόμος - Τοπογράφος Μηχανικός ΑΠΘ Επίκουρος Καθηγητής ΤΕΙ Αθήνας 3ο εξάμηνο http://eclass.teiath.gr

Διαβάστε περισσότερα

Τηλεπισκόπηση - Φωτοερμηνεία

Τηλεπισκόπηση - Φωτοερμηνεία ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Τηλεπισκόπηση - Φωτοερμηνεία Ενότητα 2: Εισαγωγή στην Αεροφωτογραφία. Κωνσταντίνος Περάκης Ιωάννης Φαρασλής Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας και Περιφερειακής Ανάπτυξης Άδειες

Διαβάστε περισσότερα

ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΟΙ ΜΕΤΡΗΣΕΙΣ ΤΩΝ ΑΠΟΣΤΑΣΕΩΝ - ΠΡΟΕΠΕΞΕΡΓΑΣΙΑ

ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΟΙ ΜΕΤΡΗΣΕΙΣ ΤΩΝ ΑΠΟΣΤΑΣΕΩΝ - ΠΡΟΕΠΕΞΕΡΓΑΣΙΑ ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΟΙ ΜΕΤΡΗΣΕΙΣ ΤΩΝ ΑΠΟΣΤΑΣΕΩΝ - ΠΡΟΕΠΕΞΕΡΓΑΣΙΑ Βασίλης Δ. Ανδριτσάνος Δρ. Αγρονόμος - Τοπογράφος Μηχανικός ΑΠΘ Επίκουρος Καθηγητής ΤΕΙ Αθήνας 3ο εξάμηνο http://eclass.teiath.gr

Διαβάστε περισσότερα

Να αιτιολογήσετε την απάντησή σας. Μονάδες 5

Να αιτιολογήσετε την απάντησή σας. Μονάδες 5 2002 5. Να γράψετε στο τετράδιό σας τη λέξη που συµπληρώνει σωστά καθεµία από τις παρακάτω προτάσεις. γ. Η αιτία δηµιουργίας του ηλεκτροµαγνητικού κύµατος είναι η... κίνηση ηλεκτρικών φορτίων. 1. Ακτίνα

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΦΑΣΜΑΤΟΜΕΤΡΙΚΕΣ ΤΕΧΝΙΚΕΣ (SPECTROMETRIC TECHNIQUES)

ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΦΑΣΜΑΤΟΜΕΤΡΙΚΕΣ ΤΕΧΝΙΚΕΣ (SPECTROMETRIC TECHNIQUES) ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΦΑΣΜΑΤΟΜΕΤΡΙΚΕΣ ΤΕΧΝΙΚΕΣ (SPECTROMETRIC TECHNIQUES) ΑΘΗΝΑ, ΟΚΤΩΒΡΙΟΣ 2014 ΦΑΣΜΑΤΟΜΕΤΡΙΚΕΣ ΤΕΧΝΙΚΕΣ Στηρίζονται στις αλληλεπιδράσεις της ηλεκτρομαγνητικής ακτινοβολίας με την ύλη. Φασματομετρία=

Διαβάστε περισσότερα

ΦΑΣΜΑΤΑ ΕΚΠΟΜΠΗΣ ΑΠΟΡΡΟΦΗΣΗΣ

ΦΑΣΜΑΤΑ ΕΚΠΟΜΠΗΣ ΑΠΟΡΡΟΦΗΣΗΣ ΚΒΑΝΤΙΚΗ ΦΥΣΙΚΗ: Τα άτομα έχουν διακριτές ενεργειακές στάθμες Τα άτομα και μόρια, βρίσκονται σε διακριτές ενεργειακές στάθμες και Υφίστανται μεταβάσεις μεταξύ αυτών των ενεργειακών σταθμών όταν αλληλεπιδρούν

Διαβάστε περισσότερα

Τηλεπισκόπηση - Φωτοερμηνεία

Τηλεπισκόπηση - Φωτοερμηνεία ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Τηλεπισκόπηση - Φωτοερμηνεία Ενότητα 7: Δορυφορικά Συστήματα. Κωνσταντίνος Περάκης Ιωάννης Φαρασλής Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας και Περιφερειακής Ανάπτυξης Άδειες Χρήσης

Διαβάστε περισσότερα

ΕΠΙΧΕΙΡΗΣΙΑΚΟ ΠΡΟΓΡΑΜΜΑ «ΕΚΠΑΙΔΕΥΣΗ ΚΑΙ ΔΙΑ ΒΙΟΥ ΜΑΘΗΣΗ» ΕΘΝΙΚΟ ΣΤΡΑΤΗΓΙΚΟ ΠΛΑΙΣΙΟ ΑΝΑΦΟΡΑΣ ΕΣΠΑ ΔΡΑΣΗ «ΑΡΙΣΤΕΙΑ» ΠΑΡΑΔΟΤΕΟ 3.

ΕΠΙΧΕΙΡΗΣΙΑΚΟ ΠΡΟΓΡΑΜΜΑ «ΕΚΠΑΙΔΕΥΣΗ ΚΑΙ ΔΙΑ ΒΙΟΥ ΜΑΘΗΣΗ» ΕΘΝΙΚΟ ΣΤΡΑΤΗΓΙΚΟ ΠΛΑΙΣΙΟ ΑΝΑΦΟΡΑΣ ΕΣΠΑ ΔΡΑΣΗ «ΑΡΙΣΤΕΙΑ» ΠΑΡΑΔΟΤΕΟ 3. ΕΠΙΧΕΙΡΗΣΙΑΚΟ ΠΡΟΓΡΑΜΜΑ «ΕΚΠΑΙΔΕΥΣΗ ΚΑΙ ΔΙΑ ΒΙΟΥ ΜΑΘΗΣΗ» ΕΘΝΙΚΟ ΣΤΡΑΤΗΓΙΚΟ ΠΛΑΙΣΙΟ ΑΝΑΦΟΡΑΣ ΕΣΠΑ 2007-2013 ΔΡΑΣΗ «ΑΡΙΣΤΕΙΑ» ΠΑΡΑΔΟΤΕΟ 3.1 ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΥΛΟΠΟΙΗΣΗΣ ΤΩΝ ΣΥΣΤΗΜΑΤΙΚΩΝ ΜΕΤΡΗΣΕΩΝ ΚΑΙ ΤΩΝ ΜΕΤΡΗΣΕΩΝ

Διαβάστε περισσότερα

ΜΑΘΗΜΑ / ΤΑΞΗ : ΦΥΣΙΚΗ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ / Γ ΛΥΚΕΙΟΥ ΣΕΙΡΑ: 1 η - ΑΠΑΝΤΗΣΕΙΣ ΗΜΕΡΟΜΗΝΙΑ: 14/09/2014 ΘΕΜΑ Α

ΜΑΘΗΜΑ / ΤΑΞΗ : ΦΥΣΙΚΗ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ / Γ ΛΥΚΕΙΟΥ ΣΕΙΡΑ: 1 η - ΑΠΑΝΤΗΣΕΙΣ ΗΜΕΡΟΜΗΝΙΑ: 14/09/2014 ΘΕΜΑ Α ΜΑΘΗΜΑ / ΤΑΞΗ : ΦΥΣΙΚΗ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ / Γ ΛΥΚΕΙΟΥ ΣΕΙΡΑ: 1 η - ΑΠΑΝΤΗΣΕΙΣ ΗΜΕΡΟΜΗΝΙΑ: 14/09/2014 ΘΕΜΑ Α Α1. Κατά την ανάλυση λευκού φωτός από γυάλινο πρίσμα, η γωνία εκτροπής του κίτρινου χρώματος είναι:

Διαβάστε περισσότερα

β) Για ένα μέσο, όπου το Η/Μ κύμα έχει ταχύτητα υ

β) Για ένα μέσο, όπου το Η/Μ κύμα έχει ταχύτητα υ Ασκ. 5 (σελ 354) Το πλάτος του μαγνητικού πεδίου ενός ηλεκτρομαγνητικού κύματος ειναι 5.4 * 10 7 Τ. Υπολογίστε το πλάτος του ηλεκτρικού πεδίου, αν το κύμα διαδίδεται (a) στο κενό και (b) σε ένα μέσο στο

Διαβάστε περισσότερα

ΕΙΚΤΗΣ ΥΠΕΡΙΩ ΟΥΣ ΑΚΤΙΝΟΒΟΛΙΑΣ (UV-Index)

ΕΙΚΤΗΣ ΥΠΕΡΙΩ ΟΥΣ ΑΚΤΙΝΟΒΟΛΙΑΣ (UV-Index) ΕΙΚΤΗΣ ΥΠΕΡΙΩ ΟΥΣ ΑΚΤΙΝΟΒΟΛΙΑΣ (UV-Index) Τι είναι η υπεριώδης (ultraviolet-uv) ηλιακή ακτινοβολία Η υπεριώδης ηλιακή ακτινοβολία κατά τη διάδοσή της στη γήινη ατµόσφαιρα απορροφάται κυρίως από το στρατοσφαιρικό

Διαβάστε περισσότερα

ΌΡΑΣΗ. Εργασία Β Τετράμηνου Τεχνολογία Επικοινωνιών Μαρία Κόντη

ΌΡΑΣΗ. Εργασία Β Τετράμηνου Τεχνολογία Επικοινωνιών Μαρία Κόντη ΌΡΑΣΗ Εργασία Β Τετράμηνου Τεχνολογία Επικοινωνιών Μαρία Κόντη Τι ονομάζουμε όραση; Ονομάζεται μία από τις πέντε αισθήσεις Όργανο αντίληψης είναι τα μάτια Αντικείμενο αντίληψης είναι το φως Θεωρείται η

Διαβάστε περισσότερα

Τηλεπισκόπηση - Φωτοερμηνεία

Τηλεπισκόπηση - Φωτοερμηνεία ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Τηλεπισκόπηση - Φωτοερμηνεία Ενότητα 8: Ψηφιακή Επεξεργασία Εικόνας Γεωμετρικές Διορθώσεις. Κωνσταντίνος Περάκης Ιωάννης Φαρασλής Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας και Περιφερειακής

Διαβάστε περισσότερα

ΠΕΙΡΑΜΑ 4: ΟΠΤΙΚΗ ΦΑΣΜΑΤΟΣΚΟΠΙΑ AΠΟΡΡΟΦΗΣΗΣ

ΠΕΙΡΑΜΑ 4: ΟΠΤΙΚΗ ΦΑΣΜΑΤΟΣΚΟΠΙΑ AΠΟΡΡΟΦΗΣΗΣ ΠΕΙΡΑΜΑ 4: ΟΠΤΙΚΗ ΦΑΣΜΑΤΟΣΚΟΠΙΑ AΠΟΡΡΟΦΗΣΗΣ [1] ΘΕΩΡΙΑ Σύμφωνα με τη κβαντομηχανική, τα άτομα απορροφούν ηλεκτρομαγνητική ενέργεια με διακριτό τρόπο, με «κβάντο» ενέργειας την ενέργεια hv ενός φωτονίου,

Διαβάστε περισσότερα

ΚΒΑΝΤΙΚΗ ΦΥΣΙΚΗ: Τα άτομα έχουν διακριτές ενεργειακές στάθμες ΕΦΑΡΜΟΓΗ ΣΤΑ ΦΑΣΜΑΤΑ

ΚΒΑΝΤΙΚΗ ΦΥΣΙΚΗ: Τα άτομα έχουν διακριτές ενεργειακές στάθμες ΕΦΑΡΜΟΓΗ ΣΤΑ ΦΑΣΜΑΤΑ ΚΒΑΝΤΙΚΗ ΦΥΣΙΚΗ: Τα άτομα έχουν διακριτές ενεργειακές στάθμες ΕΦΑΡΜΟΓΗ ΣΤΑ ΦΑΣΜΑΤΑ Ένα σημαντικό αποτέλεσμα της κβαντομηχανικής θεωρίας είναι ότι τα μόρια, όχι μόνο βρίσκονται σε διακριτές ενεργειακές

Διαβάστε περισσότερα

ΘΕΜΑ Β Β.1 Α) Μονάδες 4 Μονάδες 8 Β.2 Α) Μονάδες 4 Μονάδες 9

ΘΕΜΑ Β Β.1 Α) Μονάδες 4  Μονάδες 8 Β.2 Α) Μονάδες 4 Μονάδες 9 Β.1 O δείκτης διάθλασης διαφανούς υλικού αποκλείεται να έχει τιμή: α. 0,8 β. 1, γ. 1,4 Β. Το ηλεκτρόνιο στο άτομο του υδρογόνου, έχει κινητική ενέργεια Κ, ηλεκτρική δυναμική ενέργεια U και ολική ενέργεια

Διαβάστε περισσότερα

Περίθλαση και εικόνα περίθλασης

Περίθλαση και εικόνα περίθλασης Περίθλαση και εικόνα περίθλασης Η περίθλαση αναφέρεται στη γενική συμπεριφορά των κυμάτων, τα οποία διαδίδονται προς όλες τις κατευθύνσεις καθώς περνούν μέσα από μια σχισμή. Ο όρος εικόνα περίθλασης είναι

Διαβάστε περισσότερα

Τηλεανίχνευση - Φωτογεωλογία και Μαθηματική Γεωγραφία Ενότητα 1: Τηλεανίχνευση - Ψηφιακή Ανάλυση Εικόνας

Τηλεανίχνευση - Φωτογεωλογία και Μαθηματική Γεωγραφία Ενότητα 1: Τηλεανίχνευση - Ψηφιακή Ανάλυση Εικόνας Τηλεανίχνευση - Φωτογεωλογία και Μαθηματική Γεωγραφία Ενότητα 1: Τηλεανίχνευση - Ψηφιακή Ανάλυση Εικόνας Γιώργος Σκιάνης Σχολή Θετικών Επιστημών Τμήμα Γεωλογίας και Γεωπεριβάλλοντος Περιεχόμενα ενότητας

Διαβάστε περισσότερα

ΑΣΚΗΣΕΙΣ ΚΥΜΑΤΙΚΗΣ ΟΠΤΙΚΗΣ

ΑΣΚΗΣΕΙΣ ΚΥΜΑΤΙΚΗΣ ΟΠΤΙΚΗΣ ΑΣΚΗΣΕΙΣ ΚΥΜΑΤΙΚΗΣ ΟΠΤΙΚΗΣ ΑΣΚΗΣΗ 1: Ένα οπτικό φράγμα με δυο σχισμές που απέχουν μεταξύ τους απόσταση d=0.20 mm είναι τοποθετημένο σε απόσταση =1,20 m από μια οθόνη. Το οπτικό φράγμα με τις δυο σχισμές

Διαβάστε περισσότερα

2.0 ΒΑΣΙΚΕΣ ΓΝΩΣΕΙΣ-ΟΡΟΛΟΓΙΕΣ

2.0 ΒΑΣΙΚΕΣ ΓΝΩΣΕΙΣ-ΟΡΟΛΟΓΙΕΣ 2.0 ΒΑΣΙΚΕΣ ΓΝΩΣΕΙΣ-ΟΡΟΛΟΓΙΕΣ Η σάρωση ενός εγγράφου εισάγει στον υπολογιστή μια εικόνα, ενώ η εκτύπωση μεταφέρει στο χαρτί μια εικόνα από αυτόν. Για να αντιληφθούμε επομένως τα χαρακτηριστικά των σαρωτών

Διαβάστε περισσότερα

ΟΠΤΙΚΟ ΦΑΣΜΑΤΟΣΚΟΠΙΟ

ΟΠΤΙΚΟ ΦΑΣΜΑΤΟΣΚΟΠΙΟ ΟΠΤΙΚΟ ΦΑΣΜΑΤΟΣΚΟΠΙΟ Διάταξη που περιλαμβάνει -Πηγή φωτός -Οπτικό στοιχείο ανάλυσης του φωτός -Σύστημα παρατήρησης (η καταγραφής) του αναλυμένου φωτός(i=f(λ)) Φυσικές πηγές Ήλιος η άλλα Ουράνια σώματα

Διαβάστε περισσότερα

ΥΛΙΚΑ ΓΙΑ ΕΝΕΡΓΕΙΑΚΕΣ ΕΦΑΡΜΟΓΕΣ

ΥΛΙΚΑ ΓΙΑ ΕΝΕΡΓΕΙΑΚΕΣ ΕΦΑΡΜΟΓΕΣ ΥΛΙΚΑ ΓΙΑ ΕΝΕΡΓΕΙΑΚΕΣ ΕΦΑΡΜΟΓΕΣ ΗΛΙΑΚΗ ΕΝΕΡΓΕΙΑ ΑΚΤΙΝΟΒΟΛΙΑ ΗΛΙΑΚΗ ΜΗΧΑΝΙΚΗ Μάθημα 2o Διδάσκων: Επ. Καθηγητής Ε. Αμανατίδης ΔΕΥΤΕΡΑ 6/3/2017 Τμήμα Χημικών Μηχανικών Πανεπιστήμιο Πατρών Περίληψη Ηλιακή

Διαβάστε περισσότερα

ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ

ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ Βασίλης Δ. Ανδριτσάνος Δρ. Αγρονόμος - Τοπογράφος Μηχανικός ΑΠΘ Επίκουρος Καθηγητής ΤΕΙ Αθήνας 3ο εξάμηνο http://eclass.teiath.gr Παρουσιάσεις,

Διαβάστε περισσότερα

Μέθοδοι έρευνας ορυκτών και πετρωμάτων

Μέθοδοι έρευνας ορυκτών και πετρωμάτων Μέθοδοι έρευνας ορυκτών και πετρωμάτων Μάθημα 8 ο Φασματοσκοπία απορρόφησης υπερύθρων (IR) και Φασματοσκοπία απορρόφησης υπερύθρων με μετασχηματισμό Fourier (FTIR) Διδάσκων Δρ. Αδαμαντία Χατζηαποστόλου

Διαβάστε περισσότερα

ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ Γ ΗΜΕΡΗΣΙΩΝ ΕΣΠΕΡΙΝΩΝ

ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ Γ ΗΜΕΡΗΣΙΩΝ ΕΣΠΕΡΙΝΩΝ ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ Γ ΗΜΕΡΗΣΙΩΝ ΕΣΠΕΡΙΝΩΝ ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΚΑΙ Δ ΤΑΞΗΣ ΕΣΠΕΡΙΝΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΠΑΡΑΣΚΕΥΗ 30 ΜΑΪΟΥ 2014 - ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΦΥΣΙΚΗ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΣΥΝΟΛΟ ΣΕΛΙΔΩΝ:

Διαβάστε περισσότερα

Μονάδες Το γραμμικό φάσμα του ατόμου του υδρογόνου ερμηνεύεται με

Μονάδες Το γραμμικό φάσμα του ατόμου του υδρογόνου ερμηνεύεται με Προτεινόµενα Θέµατα Γ Λυκείου Οκτώβριος 20 Φυσική ΘΕΜΑ A γενιικής παιιδείίας Στις ερωτήσεις -5 να γράψετε τον αριθμό της ερώτησης και δίπλα το γράμμα που αντιστοιχεί στη σωστή απάντηση.. Η υπεριώδης ακτινοβολία

Διαβάστε περισσότερα

ΔΟΜΗ ΚΑΙ ΣΥΣΤΑΣΗ. Εισαγωγή στη Φυσική της Ατμόσφαιρας: Ασκήσεις Α. Μπάης

ΔΟΜΗ ΚΑΙ ΣΥΣΤΑΣΗ. Εισαγωγή στη Φυσική της Ατμόσφαιρας: Ασκήσεις Α. Μπάης ΔΟΜΗ ΚΑΙ ΣΥΣΤΑΣΗ 1. Να υπολογιστούν η ειδική σταθερά R d για τον ξηρό αέρα και R v για τους υδρατμούς. 2. Να υπολογιστεί η μάζα του ξηρού αέρα που καταλαμβάνει ένα δωμάτιο διαστάσεων 3x5x4 m αν η πίεση

Διαβάστε περισσότερα

Τηλεπισκόπηση - Φωτοερμηνεία

Τηλεπισκόπηση - Φωτοερμηνεία ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Τηλεπισκόπηση - Φωτοερμηνεία Ενότητα 10: Ραδιομετρική Ενίσχυση Χωρική Επεξεργασία Δορυφορικών Εικόνων. Κωνσταντίνος Περάκης Ιωάννης Φαρασλής Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας

Διαβάστε περισσότερα

2.2.1. Ανοίξτε την εικόνα Hel_MDSGEO και δημιουργήστε δύο έγχρωμα σύνθετα ένα σε πραγματικό χρώμα (True color) και ένα σε ψευδοέχρωμο υπέρυθρο (CIR)

2.2.1. Ανοίξτε την εικόνα Hel_MDSGEO και δημιουργήστε δύο έγχρωμα σύνθετα ένα σε πραγματικό χρώμα (True color) και ένα σε ψευδοέχρωμο υπέρυθρο (CIR) ΕΡΓΑΣΤΗΡΙΟ 2 ο : Φασματικές υπογραφές 2.1. Επανάληψη από τα προηγούμενα 2.2.1. Ανοίξτε την εικόνα Hel_MDSGEO και δημιουργήστε δύο έγχρωμα σύνθετα ένα σε πραγματικό χρώμα (True color) και ένα σε ψευδοέχρωμο

Διαβάστε περισσότερα

Απορρόφηση φωτός: Προσδιορισμός του συντελεστή απορρόφησης διαφανών υλικών

Απορρόφηση φωτός: Προσδιορισμός του συντελεστή απορρόφησης διαφανών υλικών O11 Απορρόφηση φωτός: Προσδιορισμός του συντελεστή απορρόφησης διαφανών υλικών 1. Σκοπός Η εργαστηριακή αυτή άσκηση αποσκοπεί α) στη μελέτη του φαινομένου της εξασθένησης φωτός καθώς διέρχεται μέσα από

Διαβάστε περισσότερα

ΑΣΚΗΣΗ 1. Aνίχνευση ακτινοβολίας και η επίδραση των οργάνων παρατήρησης. Εισαγωγή

ΑΣΚΗΣΗ 1. Aνίχνευση ακτινοβολίας και η επίδραση των οργάνων παρατήρησης. Εισαγωγή ΑΣΚΗΣΗ 1 Aνίχνευση ακτινοβολίας και η επίδραση των οργάνων παρατήρησης Εισαγωγή Το βασικό εργαλείο που χρησιμοποιείται για τη μελέτη αστρονομικών αντικειμένων είναι η μέτρηση των χαρακτηριστικών της ακτινοβολίας

Διαβάστε περισσότερα

Ατμοσφαιρική Ρύπανση

Ατμοσφαιρική Ρύπανση ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 7: Ισοζύγιο ενέργειας στο έδαφος Μουσιόπουλος Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative

Διαβάστε περισσότερα

Κεφάλαιο 35 ΠερίθλασηκαιΠόλωση. Copyright 2009 Pearson Education, Inc.

Κεφάλαιο 35 ΠερίθλασηκαιΠόλωση. Copyright 2009 Pearson Education, Inc. Κεφάλαιο 35 ΠερίθλασηκαιΠόλωση ΠεριεχόµεναΚεφαλαίου 35 Περίθλαση απλής σχισµής ή δίσκου Intensity in Single-Slit Diffraction Pattern Περίθλαση διπλής σχισµής ιακριτική ικανότητα; Κυκλικές ίριδες ιακριτική

Διαβάστε περισσότερα

Χαράλαμπος Φείδας Αν. Καθηγητής. Τομέας Μετεωρολογίας & Κλιματολογίας, Τμήμα Γεωλογίας Α.Π.Θ.

Χαράλαμπος Φείδας Αν. Καθηγητής. Τομέας Μετεωρολογίας & Κλιματολογίας, Τμήμα Γεωλογίας Α.Π.Θ. Χαράλαμπος Φείδας Αν. Καθηγητής Τομέας Μετεωρολογίας & Κλιματολογίας, Τμήμα Γεωλογίας Α.Π.Θ. 1 η εικόνα της γης από δορυφόρο (Explorer 6) 14 Αυγούστου 1959 Νέφωση στην περιοχή του Ειρηνικού Ωκεανού 3.1

Διαβάστε περισσότερα

ΘΕΩΡΗΤΙΚΗ ΑΣΚΗΣΗ. Διάθλαση μέσω πρίσματος - Φασματοσκοπικά χαρακτηριστικά πρίσματος.

ΘΕΩΡΗΤΙΚΗ ΑΣΚΗΣΗ. Διάθλαση μέσω πρίσματος - Φασματοσκοπικά χαρακτηριστικά πρίσματος. Ο1 ΘΕΩΡΗΤΙΚΗ ΑΣΚΗΣΗ. Διάθλαση μέσω πρίσματος - Φασματοσκοπικά χαρακτηριστικά πρίσματος. 1. Σκοπός Όταν δέσμη λευκού φωτός προσπέσει σε ένα πρίσμα τότε κάθε μήκος κύματος διαθλάται σύμφωνα με τον αντίστοιχο

Διαβάστε περισσότερα

Οργανική Χημεία. Κεφάλαια 12 &13: Φασματοσκοπία μαζών και υπερύθρου

Οργανική Χημεία. Κεφάλαια 12 &13: Φασματοσκοπία μαζών και υπερύθρου Οργανική Χημεία Κεφάλαια 12 &13: Φασματοσκοπία μαζών και υπερύθρου 1. Γενικά Δυνατότητα προσδιορισμού δομών με σαφήνεια χρησιμοποιώντας τεχνικές φασματοσκοπίας Φασματοσκοπία μαζών Μέγεθος, μοριακός τύπος

Διαβάστε περισσότερα

ΦΩΣ ΑΝΑΣΤΑΣΙΑ ΚΟΥΤΑΛΙΑΝΟΥ ΙΩΑΝΝΑ ΚΑΡΝΕΣΗ ΛΕYΤΕΡΗΣ ΠΑΠΑΙΩΑΝΝΟΥ ΓΙΩΡΓΟΣ ΖΩΓΡΑΦΑΚΗΣ ΤΑΣΟΣ ΠΑΠΑΘΕΟΥ

ΦΩΣ ΑΝΑΣΤΑΣΙΑ ΚΟΥΤΑΛΙΑΝΟΥ ΙΩΑΝΝΑ ΚΑΡΝΕΣΗ ΛΕYΤΕΡΗΣ ΠΑΠΑΙΩΑΝΝΟΥ ΓΙΩΡΓΟΣ ΖΩΓΡΑΦΑΚΗΣ ΤΑΣΟΣ ΠΑΠΑΘΕΟΥ ΦΩΣ ΑΝΑΣΤΑΣΙΑ ΚΟΥΤΑΛΙΑΝΟΥ ΙΩΑΝΝΑ ΚΑΡΝΕΣΗ ΛΕYΤΕΡΗΣ ΠΑΠΑΙΩΑΝΝΟΥ ΓΙΩΡΓΟΣ ΖΩΓΡΑΦΑΚΗΣ ΤΑΣΟΣ ΠΑΠΑΘΕΟΥ ΤΡΑΓΟΥΔΙΑ-ΦΩΣ ΝΙΚΟΣ ΠΟΡΤΟΚΑΛΟΓΛΟΥ ΠΟΥ ΗΣΟΥΝΑ ΦΩΣ ΜΟΥ ΠΥΛΗΤΟΥΗΧΟΥ ΤΟΦΩΣΤΟΥΗΛΙΟΥ SOUNDTRACK ΑΠΌ ΜΑΛΛΙΑ ΚΟΥΒΑΡΙΑ

Διαβάστε περισσότερα

ΑΣΚΗΣΕΙΣ ΚΥΜΑΤΙΚΗΣ ΟΠΤΙΚΗΣ

ΑΣΚΗΣΕΙΣ ΚΥΜΑΤΙΚΗΣ ΟΠΤΙΚΗΣ ΑΣΚΗΣΕΙΣ ΚΥΜΑΤΙΚΗΣ ΟΠΤΙΚΗΣ ΑΣΚΗΣΗ 1: Ένα οπτικό φράγμα με δυο σχισμές που απέχουν μεταξύ τους απόσταση =0.0 mm είναι τοποθετημένο σε απόσταση =1,0 m από μια οθόνη. Το οπτικό φράγμα με τις δυο σχισμές φωτίζεται

Διαβάστε περισσότερα

Υπεύθυνη για τη γενική κυκλοφορία της ατμόσφαιρας. Εξατμίζει μεγάλες μάζες νερού. Σχηματίζει και διαμορφώνει το κλίμα της γης.

Υπεύθυνη για τη γενική κυκλοφορία της ατμόσφαιρας. Εξατμίζει μεγάλες μάζες νερού. Σχηματίζει και διαμορφώνει το κλίμα της γης. 3 Ηλιακή και γήινη ακτινοβολία Εισαγωγή Η κύρια πηγή ενέργειας του πλανήτη μας. Δημιουργεί οπτικά φαινόμενα (γαλάζιο ουρανού, άλως κ.α) Υπεύθυνη για τη γενική κυκλοφορία της ατμόσφαιρας. Εξατμίζει μεγάλες

Διαβάστε περισσότερα

Περιοχές Ακτινοβολίας Κεραιών

Περιοχές Ακτινοβολίας Κεραιών Κεραίες ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ Δημοσθένης Βουγιούκας Αναπληρωτής Καθηγητής Τμήμα Μηχανικών Πληροφοριακών & Επικοινωνιακών Συστημάτων Περιοχές Ακτινοβολίας Κεραιών 2 1 Σημειακή Πηγή 3 Κατακόρυφα Πολωμένο

Διαβάστε περισσότερα

Βασικές διαδικασίες παραγωγής πολωμένου φωτός

Βασικές διαδικασίες παραγωγής πολωμένου φωτός Πόλωση του φωτός Βασικές διαδικασίες παραγωγής πολωμένου φωτός πόλωση λόγω επιλεκτικής απορρόφησης - διχρωισμός πόλωση λόγω ανάκλασης από μια διηλεκτρική επιφάνεια πόλωση λόγω ύπαρξης δύο δεικτών διάθλασης

Διαβάστε περισσότερα

Μελέτη και κατανόηση των διαφόρων φάσεων του υδρολογικού κύκλου.

Μελέτη και κατανόηση των διαφόρων φάσεων του υδρολογικού κύκλου. Ζαΐμης Γεώργιος Κλάδος της Υδρολογίας. Μελέτη και κατανόηση των διαφόρων φάσεων του υδρολογικού κύκλου. Η απόκτηση βασικών γνώσεων της ατμόσφαιρας και των μετεωρολογικών παραμέτρων που διαμορφώνουν το

Διαβάστε περισσότερα

Μέτρηση Γωνίας Brewster Νόμοι του Fresnel

Μέτρηση Γωνίας Brewster Νόμοι του Fresnel Μέτρηση Γωνίας Bewse Νόμοι του Fesnel [] ΕΙΣΑΓΩΓΗ Στο πείραμα, δέσμη φωτός από διοδικό lase ανακλάται στην επίπεδη επιφάνεια ενός ακρυλικού ημι-κυκλικού φακού, πολώνεται γραμμικά και ανιχνεύεται από ένα

Διαβάστε περισσότερα

προς τα θετικά του x άξονα. Ως κύμα η ηλεκτρομαγνητική ακτινοβολία (άρα και το φως) ικανοποιούν τη βασική εξίσωση των κυμάτων, δηλαδή: c = λf (1)

προς τα θετικά του x άξονα. Ως κύμα η ηλεκτρομαγνητική ακτινοβολία (άρα και το φως) ικανοποιούν τη βασική εξίσωση των κυμάτων, δηλαδή: c = λf (1) Φως 1 1 Φως 11 Η φύση του φωτός Το φως είναι το μέρος της ηλεκτρομαγνητικής ακτινοβολίας που διεγείρει τα κωνία και τα ραβδία του αμφιβληστροειδή χιτώνα του ματιού μας Αυτό έχει μήκος κύματος από λ 400

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Παρουσίαση 12 η. Θεωρία Χρώματος και Επεξεργασία Έγχρωμων Εικόνων

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Παρουσίαση 12 η. Θεωρία Χρώματος και Επεξεργασία Έγχρωμων Εικόνων Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Παρουσίαση 12 η Θεωρία Χρώματος και Επεξεργασία Έγχρωμων Εικόνων Εισαγωγή (1) Το χρώμα είναι ένας πολύ σημαντικός παράγοντας περιγραφής, που συχνά απλουστεύει κατά

Διαβάστε περισσότερα

1) Η εξάρτηση του δείκτη διάθλασης n από το μήκος κύματος για το κρύσταλλο του ιωδιούχου ρουβιδίου (RbI) παρουσιάζεται στο παρακάτω σχήμα.

1) Η εξάρτηση του δείκτη διάθλασης n από το μήκος κύματος για το κρύσταλλο του ιωδιούχου ρουβιδίου (RbI) παρουσιάζεται στο παρακάτω σχήμα. 1) Η εξάρτηση του δείκτη διάθλασης n από το μήκος κύματος για το κρύσταλλο του ιωδιούχου ρουβιδίου (RbI) παρουσιάζεται στο παρακάτω σχήμα. Για τους δείκτες διάθλασης n 1 και n 2 ισχύει: n 2 = (11 / 10)

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνας Γεωμετρικές Διορθώσεις

Ψηφιακή Επεξεργασία Εικόνας Γεωμετρικές Διορθώσεις Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης Ψηφιακή Επεξεργασία Εικόνας Γεωμετρικές Διορθώσεις Ιωάννης Φαρασλής Τηλ : 24210-74466, Πεδίον

Διαβάστε περισσότερα

Λιμνοποτάμιο Περιβάλλον & Οργανισμοί

Λιμνοποτάμιο Περιβάλλον & Οργανισμοί ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Λιμνοποτάμιο Περιβάλλον & Οργανισμοί Ενότητα 5: Συνθήκες φωτός στο νερό Καθηγήτρια Μουστάκα Μαρία Άδειες Χρήσης Το παρόν εκπαιδευτικό

Διαβάστε περισσότερα

ΑΠΑΝΤΗΣΕΙΣ. Επιµέλεια: Οµάδα Φυσικών της Ώθησης

ΑΠΑΝΤΗΣΕΙΣ. Επιµέλεια: Οµάδα Φυσικών της Ώθησης ΕΘΝΙΚΕΣ ΕΞΕΤΑΣΕΙΣ 0 ΑΠΑΝΤΗΣΕΙΣ Επιµέλεια: Οµάδα Φυσικών της Ώθησης ΘΕΜΑ A ΕΘΝΙΚΕΣ ΕΞΕΤΑΣΕΙΣ 0 Παρασκευή, 0 Μαΐου 0 Γ ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΦΥΣΙΚΗ Στις ερωτήσεις Α -Α να γράψετε στο τετράδιό σας τον

Διαβάστε περισσότερα

Μια εισαγωγή στις Ακτίνες Χ. Πηγές ακτίνων Χ Φάσματα ακτίνων Χ O νόμος του Moseley Εξασθένηση ακτινοβολίας ακτίνων Χ

Μια εισαγωγή στις Ακτίνες Χ. Πηγές ακτίνων Χ Φάσματα ακτίνων Χ O νόμος του Moseley Εξασθένηση ακτινοβολίας ακτίνων Χ Μια εισαγωγή στις Ακτίνες Χ Πηγές ακτίνων Χ Φάσματα ακτίνων Χ O νόμος του Moseley Εξασθένηση ακτινοβολίας ακτίνων Χ Πειράματα Φυσικής: Ακτινοβολία Ακτίνων Χ Πηγές Ακτίνων Χ Οι ακτίνες Χ ή ακτίνες Roetge,

Διαβάστε περισσότερα

ΕΡΓΑΣΤΗΡΙΟ 3 ΟΡΓΑΝΑ ΚΑΙ ΥΛΙΚΑ ΑΕΡΟΦΩΤΟΓΡΑΦΗΣΗΣ. 1. Εξέδρες για αεροφωτογράφηση

ΕΡΓΑΣΤΗΡΙΟ 3 ΟΡΓΑΝΑ ΚΑΙ ΥΛΙΚΑ ΑΕΡΟΦΩΤΟΓΡΑΦΗΣΗΣ. 1. Εξέδρες για αεροφωτογράφηση ΕΡΓΑΣΤΗΡΙΟ 3 ΟΡΓΑΝΑ ΚΑΙ ΥΛΙΚΑ ΑΕΡΟΦΩΤΟΓΡΑΦΗΣΗΣ 1. Εξέδρες για αεροφωτογράφηση Από τη στιγμή που άνθρωπος ανακάλυψε τη σπουδαιότητα της αεροφωτογραφίας, άρχισε να αναζητά τρόπους και μέσα που θα του επέτρεπαν

Διαβάστε περισσότερα

Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση 24/6/2013

Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση 24/6/2013 ΨΗΦΙΑΚΗ ΑΝΑΛΥΣΗ ΕΙΚΟΝΑΣ Η ψηφιακή ανάλυση ασχολείται κυρίως με τέσσερις βασικές λειτουργίες: διόρθωση, βελτίωση, ταξινόμηση, και Κ. Ποϊραζίδης μετασχηματισμό. Η βελτίωση ασχολείται με την τροποποίηση των

Διαβάστε περισσότερα

Φύλλο Εργασίας 1: Μετρήσεις μήκους Η μέση τιμή

Φύλλο Εργασίας 1: Μετρήσεις μήκους Η μέση τιμή Φύλλο Εργασίας 1: Μετρήσεις μήκους Η μέση τιμή Φυσικά μεγέθη: Ονομάζονται τα μετρήσιμα μεγέθη που χρησιμοποιούμε για την περιγραφή ενός φυσικού φαινομένου. Τέτοια μεγέθη είναι το μήκος, το εμβαδόν, ο όγκος,

Διαβάστε περισσότερα

Τηλεπισκόπηση. Κ. Ποϊραζίδης

Τηλεπισκόπηση. Κ. Ποϊραζίδης Κ. Ποϊραζίδης Πλεονεκτήματα vs π.χ. εργασίες πεδίου Η ικανότητα χωρικής αντίληψης (spatial comprehensiveness) Ευκολία προσέγγισης Πλεονεκτήματα vs π.χ. εργασίες πεδίου Η γρήγορη (χρονικά) κάλυψη

Διαβάστε περισσότερα

Ραδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων

Ραδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης Ραδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων Ιωάννης Φαρασλής Τηλ : 24210-74466,

Διαβάστε περισσότερα

Τηλεανίχνευση - Φωτογεωλογία και Μαθηματική Γεωγραφία Ενότητα 1: Τηλεανίχνευση - Ψηφιακή Ανάλυση Εικόνας

Τηλεανίχνευση - Φωτογεωλογία και Μαθηματική Γεωγραφία Ενότητα 1: Τηλεανίχνευση - Ψηφιακή Ανάλυση Εικόνας Τηλεανίχνευση - Φωτογεωλογία και Μαθηματική Γεωγραφία Ενότητα 1: Τηλεανίχνευση - Ψηφιακή Ανάλυση Εικόνας Γιώργος Σκιάνης Σχολή Θετικών Επιστημών Τμήμα Γεωλογίας και Γεωπεριβάλλοντος Περιεχόμενα ενότητας

Διαβάστε περισσότερα

ΦΥΣΙΚΗ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ Γ ΛΥΚΕΙΟΥ

ΦΥΣΙΚΗ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ Γ ΛΥΚΕΙΟΥ ΘΕΜΑΤΑ ΚΑΙ ΑΠΑΝΤΗΣΕΙΣ ΠΑΝΕΛΛΗΝΙΩΝ ΕΞΕΤΑΣΕΩΝ 00 ΘΕΜΑ Α Στις ερωτήσεις Α-Α3 να γράψετε στο τετράδιό σας τον αριθμό της ερώτησης και δίπλα το γράμμα που αντιστοιχεί στη φράση, η οποία συμπληρώνει σωστά την

Διαβάστε περισσότερα

Οι δύο θεμελιώδεις παράμετροι προσδιορισμού της ταχύτητας του φωτός στο κενό: Διηλεκτρική σταθερά ε0 Μαγνητική διαπερατότητα μ0

Οι δύο θεμελιώδεις παράμετροι προσδιορισμού της ταχύτητας του φωτός στο κενό: Διηλεκτρική σταθερά ε0 Μαγνητική διαπερατότητα μ0 Οι δύο θεμελιώδεις παράμετροι προσδιορισμού της ταχύτητας του φωτός στο κενό: Διηλεκτρική σταθερά ε0 Μαγνητική διαπερατότητα μ0 1 c 0 0 Όταν το φως αλληλεπιδρά με την ύλη, το ηλεκτρομαγνητικό πεδίο του

Διαβάστε περισσότερα

ΜΕΤΡΗΣΗ ΤΗΣ ΣΤΑΘΕΡΑΣ ΤΟΥ PLANCK

ΜΕΤΡΗΣΗ ΤΗΣ ΣΤΑΘΕΡΑΣ ΤΟΥ PLANCK ΜΕΤΡΗΣΗ ΤΗΣ ΣΤΑΘΕΡΑΣ ΤΟΥ PLANCK Με τη βοήθεια του φωτοηλεκτρικού φαινομένου προσδιορίσαμε τη σταθερά του Planck. Βρέθηκε h=(3.50±0.27) 10-15 ev sec. Προσδιορίσαμε επίσης το έργο εξόδου της καθόδου του

Διαβάστε περισσότερα

ΕΞΕΤΑΣΤΙΚΗ ΠΕΡΙΟ ΟΣ: ΣΕΠΤΕΜΒΡΙΟΣ 2008 Θέµα 1 ο ( µονάδες)

ΕΞΕΤΑΣΤΙΚΗ ΠΕΡΙΟ ΟΣ: ΣΕΠΤΕΜΒΡΙΟΣ 2008 Θέµα 1 ο ( µονάδες) ΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΕΞΕΤΑΣΤΙΚΗ ΠΕΡΙΟ ΟΣ: ΣΕΠΤΕΜΒΡΙΟΣ 2009 Θέµα 1 ο (3 µονάδες) ίνεται η πολυφασµατική σκηνή, 0 7 2 2 2 1 3 4 4 4 2 3 3 3 3 0 7 2 4 4 1 3 3 3 3 2 4 4 4 4 0 1

Διαβάστε περισσότερα

ΘΕΜΑ Α Στις ερωτήσεις Α1 Α4 να γράψετε στο τετράδιο σας τον αριθμό της ερώτησης και δίπλα το γράμμα που αντιστοιχεί στη σωστή απάντηση.

ΘΕΜΑ Α Στις ερωτήσεις Α1 Α4 να γράψετε στο τετράδιο σας τον αριθμό της ερώτησης και δίπλα το γράμμα που αντιστοιχεί στη σωστή απάντηση. ΜΑΘΗΜΑ / ΤΑΞΗ : ΦΥΣΙΚΗ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ / Γ ΛΥΚΕΙΟΥ ΣΕΙΡΑ: ΗΜΕΡΟΜΗΝΙΑ: 15/9/2013 ΘΕΜΑ Α Στις ερωτήσεις Α1 Α4 να γράψετε στο τετράδιο σας τον αριθμό της ερώτησης και δίπλα το γράμμα που αντιστοιχεί στη

Διαβάστε περισσότερα