ΤΗΛΕΠΙΣΚΟΠΙΚΕΣ ΜΕΘΟΔΟΙ ΣΤΗ ΜΕΛΕΤΗ ΘΕΜΑΤΩΝ ΑΣΤΙΚΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ

Transcript

1 AΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΙΔΙΚΕΥΣΗΣ ΠΡΟΣΤΑΣΙΑ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΚΑΙ ΒΙΩΣΙΜΗ ΑΝΑΠΤΥΞΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΤΗΛΕΠΙΣΚΟΠΙΚΕΣ ΜΕΘΟΔΟΙ ΣΤΗ ΜΕΛΕΤΗ ΘΕΜΑΤΩΝ ΑΣΤΙΚΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΕΛΙΣΑΒΕΤ ΓΚΑΜΠΕΣΗ Διπλ. Πολιτικός Μηχανικός Θεσσαλονίκη, Οκτώβριος 2012

2 Περίληψη Το περιβάλλον αποτελεί ένα δυναμικό σύστημα, που λόγω διαφόρων φυσικών και ανθρωπογενών διεργασιών, υποβαθμίζεται συνεχώς. Για τη διασφάλιση της ολοκληρωμένης διαχείρισής του απαιτούνται γνώσεις σε βάθος όλων των χαρακτηριστικών και των ιδιοτήτων των επιμέρους τμημάτων που το απαρτίζουν. Ειδικότερα, το αστικό περιβάλλον δέχεται συνεχείς μεταβολές, τόσο ως προς την έκταση όσο και ως προς τη δομή του. Σαν ένας ζωντανός οργανισμός, οι πόλεις από τη στιγμή της δημιουργίας τους συνεχώς εξελίσσονται. Η αστικοποίηση αποτελεί ένα διαρκές φαινόμενο, όσον αφορά στην επέκταση της αστικής γης και στην αύξηση του πληθυσμού. Η ραγδαία τεχνολογική εξέλιξη οδηγεί σε αύξηση των πλασματικών αναγκών των κατοίκων των αστικών κέντρων, καθώς και σε υπερκατανάλωση όλων των αγαθών. Πολλές είναι και οι περιβαλλοντικές προκλήσεις που συνδέονται άρρηκτα με τη σημερινή μορφή αστικού περιβάλλοντος. Η επιβάρυνση του φυσικού τοπίου και η υπερβολική χρήση των φυσικών πόρων είναι μερικά από τα θέματα που απασχολούν τις πόλεις σήμερα και καλούνται να τα αντιμετωπίσουν, με στόχο την ομαλή λειτουργία τους και την βιώσιμη ανάπτυξή τους. Η παρακολούθηση, η καταγραφή και η μελέτη της σύγχρονης πόλης αποτελεί ιδιαίτερα σημαντικό βήμα για την αντιμετώπιση πολλών περιβαλλοντικών θεμάτων που σχετίζονται άμεσα με αυτές. Σήμερα, η επιστήμη και η τεχνολογία προσφέρουν τη δυνατότητα συλλογής δεδομένων για την επιφάνεια του εδάφους, μέσω των οποίων μπορούν να μελετηθούν πολλά ζητήματα του αστικού περιβάλλοντος. Προς την κατεύθυνση αυτή συμβάλλει ουσιαστικά η επιστήμη της τηλεπισκόπησης, μέσω της συνεχούς καταγραφής δεδομένων, της επεξεργασίας τους και της δημιουργίας «προϊόντων», τα οποία αποτελούν αποτελεσματικό εργαλείο για την μελέτη του αστικού περιβάλλοντος. Οι τηλεπισκοπικοί αισθητήρες, που περιγράφονται στην εργασία, καταγράφουν δεδομένα της επιφάνειας της γης, τα οποία ερμηνεύονται και αξιοποιούνται με τη χρήση διαφόρων μεθόδων και τεχνικών, έτσι ώστε να μελετηθούν αστικά θέματα, όπως η αστικοποίηση, η χαρτογράφηση, το φαινόμενο της αστικής θερμικής νησίδας και άλλα. i

3 Στο τέλος της εργασίας, παρατίθεται ένα παράδειγμα από την πόλη της Θεσσαλονίκης. Χρησιμοποιείται δορυφορική εικόνα πολύ υψηλής χωρικής ανάλυσης, στην οποία εφαρμόζονται τεχνικές ψηφιακής επεξεργασίας εικόνας και ειδικότερα βελτίωση και ταξινόμηση. Καθώς, το αστικό περιβάλλον επεκτείνεται και τροποποιείται, η διαρκής μελέτη του κρίνεται αναγκαία, τόσο για την κατανόηση των αλλαγών που δέχεται όσο και για την αντιμετώπιση πολλών από των θεμάτων που το απασχολούν. Οι τηλεπισκοπικές μέθοδοι και τα προϊόντα τους συμβάλλουν ουσιαστικά σε αυτή την κατεύθυνση, με στόχο τη βιώσιμη ανάπτυξη των σύγχρονων πόλεων, τον περιορισμό των επιπτώσεων στο περιβάλλον και, αφού επιτευχθούν τα παραπάνω, και στη βιώσιμη ανάπτυξη του περιβάλλοντος ως συνόλου. ii

4 Abstract The environment is a dynamic system, and, due to various natural and anthropogenic processes, it is continuously being degraded. To ensure the integrated management of the environment in-depth knowledge of all the characteristics and properties of the individual parts that compose it is required. More specifically, the urban environment undergoes constant changes, both as to its extent and to its structure. Just like a living organism, cities from the moment of their creation are constantly evolving. Urbanization is an ongoing phenomenon, as far as the expansion of the urban land and population growth is concerned. Rapid technological development leads to an increase in the fictitious needs of residents of urban centers and to overconsumption of all goods. There are also many environmental challenges, which are inextricably linked with the current form of the urban environment. The charge of the landscape and the excessive use of natural resources are some of the issues that concern cities today and so they are asked to deal with them, in order to guarantee their proper operation and sustainable development. Monitoring, recording and studying modern cities are very important steps towards facing many environmental issues, which are directly related to them. Today, science and technology offer the chance to collect data about the ground surface, through which many issues of the urban environment can be studied. The science of remote sensing contributes substantially towards this direction, through continuous data recording, editing and creating "products", which are an effective tool to study the urban environment. The remote sensing sensors that are being described in the thesis, have the ability to record data about the land surface, which are then interpreted and utilized by using different methods and techniques in order to study urban issues, such as urbanization, urban mapping, urban heat island effect etc. At the end of the thesis, an example of the city of Thessaloniki is presented. A satellite image with very high spatial resolution is used and on it techniques of digital image processing and especially enhancement and classification are being applied. iii

5 As the urban environment expands and is being modified, its continuous study is considered to be necessary, both to understand the changes that are taking place and to confront the issues that concern cities. The remote sensing methods and their products contribute substantially towards this direction, aiming at sustainable development of modern cities, restriction of environmental impacts and sustainable development of the environment as a whole. iv

6 Πρόλογος Οι αστικές περιοχές είναι ένα σύνθετο και δυναμικό σύστημα και αποτελούν αναπόσπαστο κομμάτι του περιβάλλοντος. Συνδέονται άρρηκτα με τη βιωσιμότητα του φυσικού περιβάλλοντος και το επηρεάζουν άμεσα, λόγω της μεγάλης εδαφικής έκτασης που καλύπτουν και, κυρίως, λόγω της μεγάλης συγκέντρωσης πληθυσμού. Η συγκέντρωση πληροφοριών για το περιβάλλον, αλλά και για τις πόλεις ειδικότερα, θεωρείται απαραίτητη για την ορθή λειτουργία των πόλεων, αλλά και για τη βελτίωση της αποτελεσματικότητας και της αποδοτικότητας της διαχείρισής του περιβάλλοντος στο σύνολό του, με κύριο στόχο τη προστασία του και τη βιώσιμη ανάπτυξή του. Η παρούσα μεταπτυχιακή διπλωματική εργασία εστιάζει στη μελέτη θεμάτων αστικού περιβάλλοντος με τη χρήση μεθόδων και τεχνικών τηλεπισκόπησης. Η εξέλιξη της επιστήμης της τηλεπισκόπησης συμβάλλει ουσιαστικά προς την κατεύθυνση αυτή μέσω της απόκτησης δεδομένων, της κατάλληλης επεξεργασίας τους με διάφορες μεθόδους και, τέλος, της δημιουργίας αξιόλογων «προϊόντων» που προσφέρονται για μελέτη των σύγχρονων πόλεων. Στην διπλωματική εργασία, αρχικά, γίνεται αναφορά στο αστικό περιβάλλον, στην εξέλιξή του με την πάροδο του χρόνου και στα θέματα που το απασχολούν σήμερα. Έπειτα, γίνεται η περιγραφή των βασικών χαρακτηριστικών τηλεπισκόπησης που επηρεάζουν τη μελέτη του συγκεκριμένου θέματος. Παρουσιάζεται επίσης και η βιβλιογραφική διερεύνηση εφαρμογών των μεθόδων αυτών σε θέματα αστικού περιβάλλοντος. Η εργασία ολοκληρώνεται με ένα παράδειγμα σε δορυφορική εικόνα της Θεσσαλονίκης και με την εφαρμογή σε αυτή μεθόδων βελτίωσης και ταξινόμησης, με τη χρήση λογισμικού. Επιβλέπουσα της παρούσας διπλωματικής εργασίας ήταν η επικ. καθηγήτρια Μαρία Λαζαρίδου του Τμήματος Πολιτικών Μηχανικών του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης. Συνεξεταστές ήταν τα δύο μέλη της εξεταστικής επιτροπής, οι καθηγητές Ιωάννης Υφαντής και Ιωάννης Κρεστενίτης του Τμήματος Πολιτικών Μηχανικών του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης. Σε αυτό το σημείο, θα ήθελα να εκφράσω τις ευχαριστίες μου στα πρόσωπα που συνετέλεσαν στη δημιουργία αυτής της μεταπτυχιακής εργασίας. Αρχικά, θα ήθελα να v

7 ευχαριστήσω την επιβλέπουσα καθηγήτρια Μαρία Λαζαρίδου για την εξαιρετική συνεργασία, τη βοήθεια και τη συνεχή καθοδήγησή της σε όλα τα στάδια της εργασίας. Η συμβολή της ήταν πολύτιμη. Τέλος, θα ήθελα να ευχαριστήσω την οικογένειά μου, Αργύρη, Μίμα, Ρούλα και Κώστα για την ηθική και υλική συμπαράσταση που μου προσέφεραν όλα αυτά τα χρόνια. Η αγάπη και η ενθάρρυνση τους με βοήθησαν ουσιαστικά στην επιτυχή ολοκλήρωση των μεταπτυχιακών σπουδών μου. Θεσσαλονίκη, Οκτώβριος 2012 vi

8 Περιεχόμενα Περίληψη Abstract Πρόλογος Κατάλογος εικόνων Κατάλογος πινάκων i iii v ix xii 1 Εισαγωγή 1 2 Το αστικό περιβάλλον Η ιστορική εξέλιξη των αστικών περιοχών Θέματα των σύγχρονων αστικών περιοχών Η αστική εξάπλωση Η επιβάρυνση των φυσικών οικοσυστημάτων Η ρύπανση της ατμόσφαιρας Η ενέργεια και η ανάπτυξη Η παροχή πόσιμου νερού Η διαχείριση των αστικών αποβλήτων Η διασφάλιση της δημόσιας υγείας 9 3 Η τηλεπισκόπηση στη μελέτη αστικού περιβάλλοντος Η τηλεπισκοπική διαδικασία Χαρακτηριστικά αισθητήρων Η χωρική ανάλυση Η φασματική ανάλυση Η ραδιομετρική ανάλυση Η χρονική ανάλυση Τα τηλεπισκοπικά συστήματα Παθητικά συστήματα τηλεπισκόπησης Πολυφασματικά συστήματα Υπερφασματικά συστήματα Ενεργητικά συστήματα 21 vii

9 3.4 Ψηφιακή εικόνα, βελτίωση και ταξινόμηση Βελτίωση εικόνας Ταξινόμηση εικόνας Τηλεπισκοπικές μέθοδοι στη μελέτη αστικών περιοχών Αστικοποίηση Χαρτογράφηση αστικών περιοχών Το φαινόμενο της αστικής θερμικής νησίδας Δεδομένα του φωτισμού κατά τη διάρκεια της νύχτας Τρισδιάστατη αναπαράσταση του αστικού τοπίου 49 4 Παράδειγμα από την πόλη της Θεσσαλονίκης Το λογισμικό ERDAS IMAGINE Η περιοχή μελέτης Ερμηνεία της δορυφορικής εικόνας της Θεσσαλονίκης Βελτίωση Ραδιομετρική βελτίωση Χωρική βελτίωση Φασματική βελτίωση Εποπτευόμενη ταξινόμηση 69 5 Συμπεράσματα 75 Βιβλιογραφία 76 viii

10 Κατάλογος εικόνων 2.1 Σύγχρονη μεγαλούπολη Η πόλη της Θεσσαλονίκης με τους ελάχιστους πράσινους πνεύμονες που διαθέτει στο κέντρο της Η βιομηχανία, κύρια αιτία της ατμοσφαιρικής ρύπανσης Ανεξέλεγκτη χωματερή Σύστημα τηλεπισκόπησης για παρατήρηση της γης Τα μεγέθη που καθορίζουν την χωρική ανάλυση Χωρική ανάλυση Φασματική ανάλυση Ραδιομετρική ανάλυση Το πρόγραμμα Landsat Οι δορυφόροι SPOT, εκτός από τον SPOT 3 που δεν λειτουργεί Ο δορυφόρος IKONOS Ο δορυφόρος Quickbird Εικονοστοιχείο και φασματικές περιοχές Η ευρύτερη περιοχή μελέτης στον Ινδικό ωκεανό Οι τρεις οικισμοί (Α, Β, C) του νησιού που μελετήθηκαν Εικόνα του SPOT 5 Supermode μετά από συγχώνευση Τμηματοποίηση με 2,5m χωρική ανάλυση Ανίχνευση των κτιρίων (με κόκκινο χρώμα) Τα νέα κτίρια στα τρία σημεία του νησιού σημειωμένα με μαύρο περίγραμμα Η περιοχή μελέτης από χάρτη (πάνω) και από εικόνα Landsat (1997) Δορυφορική εικόνα Landsat της ευρύτερης περιοχής μελέτης (1997) Αεροφωτογραφίες της περιοχής μελέτης (1996) Εικόνες Landsat (αριστερά) και εικόνες μετά από την ταξινόμηση (δεξιά) 34 για τα έτη: α)1987, β)1992, γ)1997, δ) Η περιοχή μελέτης που χαρτογραφήθηκε, τμήμα της Νέας Υόρκης Δορυφορική εικόνα RGB της περιοχής μελέτης. 36 ix

11 3.23 Εικόνα μετά από την ταξινόμηση σε 7 κατηγορίες διαφορετικών χρήσεων Εικόνα μετά από την αντικειμενοστραφή ταξινόμηση Δορυφορική εικόνα της περιοχής μελέτης πριν από τον σεισμό Δορυφορική εικόνα της περιοχής μελέτης μετά από τον σεισμό Ο χάρτης των «κατεστραμμένων» κτιρίων στην περιοχή μελέτης Η περιοχή μελέτης του φαινομένου της αστικής νησίδας Η θερμοκρασία της επιφάνειας του εδάφους για τις 4 εποχές του έτους από εικόνες Landsat Οι δείκτες βλάστησης αδιαπέρατων επιφανειών για τις 4 εποχές του έτους Το Las Vegas από αισθητήρα νυχτερινού φωτισμού (αριστερά) και από λήψη κατά τη διάρκεια της ημέρας (δεξιά) Περιοχές της Κίνας από τους δορυφορικούς αισθητήρες Landsat και DMSP Οι αστικές περιοχές στην Κίνα στην περίοδο Η αστική εξάπλωση στην Κίνα κατά την περίοδο Το αποτέλεσμα της ταξινόμησης με τις εξής κατηγορίες: κτίρια, βλάστηση, αδιαπέρατες και διαπερατές επιφάνειες Το αποτέλεσμα της ταξινόμησης στη βλάστηση με αναγνώριση τριών ειδών δέντρων που επικρατούν στην περιοχή μελέτης α. Κάτοψη κτιρίου μετά την ταξινόμηση, β. Απεικόνιση της στέγης, γ. Τρισδιάστατη απεικόνιση του συνόλου του κτιρίου Τα επιμέρους στοιχεία (αριστερά) από τα οποία κατασκευάστηκε η τρισδιάστατη απεικόνιση της αστικής περιοχής DSM (δεξιά) Η εργαλειοθήκη του ERDAS IMAGINE Εικόνα RGB της Θεσσαλονίκης από τον δορυφόρο Quickbird Τμήμα της περιοχής μελέτης α) σε RGB, β, γ, δ) στις 3 φασματικές περιοχές Ιστογράμματα των 3 φασματικών περιοχών Η εργαλειοθήκη Area of Interest (AOI) H εικόνα μελέτης σε RGB Η περιοχή μελέτης στη βέλτιστη κλίμακα 1: Η περιοχή μελέτης με τη χρήση του εργαλείου «zoom in» Η περιοχή μελέτης μετά από την τεχνική «Brightness inversion» Δύο τμήματα της περιοχής μελέτης σε RGB (αριστερά) και μετά από την x

12 τεχνική «Brightness inversion» (δεξιά) Εξομοίωση του ιστογράμματος α. Εικόνα RGB σε τμήμα της περιοχής μελέτης β. Εικόνα μετά από την τεχνική «Histogram equalization» Παράδειγμα εφαρμογής φίλτρου συνέλιξης Ένα τμήμα της περιοχής σε RGB (αριστερά) και μετά από το «3X3 High Pass» (δεξιά) Η περιοχή μελέτης μετά από το φίλτρο «3X3 High Pass» Δύο τμήματα της περιοχής μελέτης σε RGB (αριστερά) και μετά από την τεχνική «Sobel» (δεξιά) Οικοδομικό τετράγωνο με τις κατασκευές του μετά από την τεχνική «Sobel» H περιοχή μελέτης μετά από την τεχνική «Crisp» Τμήμα της περιοχής μελέτης σε RGB (αριστερά) και μετά από την τεχνική «Crisp» (δεξιά) H περιοχή μελέτης μετά από την τεχνική «Decorrelation stretch» Τμήμα της περιοχής μελέτης σε RGB (αρστερά) και μετά από την τεχνική «Decorrelation stretch» (δεξιά) Δημιουργία ΑΟΙ σε μεμονωμένο δέντρο Η κατηγορία «Βλάστηση 1» με σκούρο πράσινο χρώμα Οι κατηγορίες εδαφικής κάλυψης από το ERDAS IMAGINE Η κατηγορία «Βλάστηση 2» με ανοιχτό πράσινο χρώμα Η κατηγορία του νερού με μπλε χρώμα Η κατηγορία του γυμνού εδάφους με πορτοκαλί χρώμα Εικόνα της περιοχής μελέτης μετά από την εποπτευόμενη ταξινόμηση Τμήμα της περιοχής μελέτη μετά από την εποπτευόμενη ταξινόμηση με τα λευκά εικονοστοιχεία που δεν ταξινομήθηκαν xi

13 Κατάλογος πινάκων 3.1 Χωρική ανάλυση πολυφασματικών αισθητήρων Φασματική ανάλυση πολυφασματικών αισθητήρων Χρονική ανάλυση πολυφασματικών αισθητήρων Δορυφόροι ραντάρ Χρήσεις γης στην περιοχή μελέτης Οι μεταβολές που υπέστησαν οι χρήσεις γης στην περιοχή μελέτης ( ) Τα κτίρια που εξετάστηκαν στην περιοχή μελέτης Περιγραφή των τεχνικών βελτίωσης που εφαρμόστηκαν Τα χρώματα της ταξινόμησης xii

14 Κεφάλαιο 1 Εισαγωγή Το περιβάλλον είναι ένα δυναμικό σύστημα με έντονη χωρική και χρονική μεταβλητότητα. Εξελίσσεται συνεχώς, εξαιτίας τόσο φυσικών διεργασιών όσο και ανθρωπογενών δραστηριοτήτων. Εξαιτίας των ταχύτατων μεταβολών που υφίσταται, θεωρείται απαραίτητη η διαρκής μελέτη και παρακολούθησή του. Η ολοκληρωμένη διαχείριση του περιβάλλοντος απαιτεί την πλήρη γνώση της κατανομής των χαρακτηριστικών και των ιδιοτήτων του. Επίσης, για τον σκοπό αυτό, απαιτείται και η αναγνώριση όλων των ζητημάτων που το απασχολούν και το υποβαθμίζουν. Ένα από τα επιμέρους συστατικά του περιβάλλοντος ως συνόλου είναι οι πόλεις, οι οποίες συγκεντρώνουν σχεδόν το 50% του παγκόσμιου πληθυσμού, ποσοστό που αυξάνεται κάθε έτος. Οι σύγχρονες πόλεις, προκειμένου να δεχθούν την συγκέντρωση μεγάλων ομάδων πληθυσμού, εξελίσσονται και επεκτείνονται αλλάζοντας ταυτόχρονα και τη δομή οργάνωσής τους. Ιδιαίτερα μεγάλη είναι η επιβάρυνση του φυσικού περιβάλλοντος από τη συνεχόμενη επέκταση του αστικού τοπίου και την πληθυσμιακή αύξηση του, καθώς δεν είναι λίγα τα περιβαλλοντικά προβλήματα που σχετίζονται με τις πόλεις. Η ανάπτυξη των πόλεων, όμως, δεν αποτελεί από μόνη της περιβαλλοντική απειλή. Η μελέτη των αστικών θεμάτων, που λόγω έλλειψης ορθολογικής περιβαλλοντικής διαχείρισης επιβαρύνει την κατάσταση, είναι απαραίτητη. Προς αυτή την κατεύθυνση, συμβάλλει ουσιαστικά η επιστήμη της τηλεπισκόπησης, μέσω της πολλαπλής πληροφορίας που προσφέρει η επεξεργασία των δεδομένων της. Τα τηλεπισκοπικά δεδομένα αποτελούν αξιόλογη πηγή για ένα ευρύ πεδίο εφαρμογών που σχετίζονται τόσο με το αστικό τοπίο όσο και με το περιβάλλον γενικότερα. Τα παραπάνω θέματα εξετάζονται στη συνέχεια της εργασίας μέσα από τα τέσσερα κεφάλαια που ακολουθούν. Το 2 ο κεφάλαιο, που ακολουθεί, αναφέρεται στο αστικό περιβάλλον. Αρχικά, δίνεται ο ορισμός του και η πορεία της εξέλιξής του, από τη στιγμή της δημιουργίας των πρώτων πόλεων μέχρι και σήμερα. Περιγράφονται, τα χαρακτηριστικά και τα επιμέρους στοιχεία που συνόδευσαν της εξέλιξη αυτή. Ακόμα, στο κεφάλαιο, γίνεται η αναφορά και η περιγραφή των 1

15 σημαντικότερων ζητημάτων που απασχολούν τις σύγχρονες πόλεις. Πρόκειται για θέματα που απαιτούν έγκαιρη και σωστή αντιμετώπιση, προκειμένου να εξασφαλιστεί η ομαλή λειτουργία των αστικών κέντρων και η υγιής διαβίωση του αστικού πληθυσμού. Το 3 ο κεφάλαιο αναφέρεται σε θέματα τηλεπισκόπησης που εφαρμόζονται για τη μελέτη του αστικού περιβάλλοντος. Περιγράφεται η διαδικασία της τηλεπισκόπησης, που περιλαμβάνει την απόκτηση δεδομένων, την κατάλληλη επεξεργασία τους και τη δημιουργία «προϊόντων», τα οποία προσφέρονται για τη μελέτη πολλών θεμάτων. Αναφέρονται, επίσης, τα χαρακτηριστικά των αισθητήρων απόκτησης δεδομένων, τα συστήματα τηλεπισκόπησης και οι τεχνικές ψηφιακής επεξεργασίας εικόνας. Στο τέλος του κεφαλαίου, περιγράφονται παραδείγματα και εφαρμογές της τηλεπισκόπησης σε θέματα αστικού περιβάλλοντος, τα οποία προέκυψαν από βιβλιογραφική αναζήτηση. Το 4 ο κεφάλαιο αναφέρεται σε παράδειγμα από την πόλη της Θεσσαλονίκης. Χρησιμοποιείται δορυφορική εικόνα πολύ υψηλής ανάλυσης, στην οποία εφαρμόζονται τεχνικές ψηφιακής επεξεργασίας εικόνας. Συγκεκριμένα, εφαρμόζονται τεχνικές βελτίωσης και ταξινόμησης, με τη χρήση του λογισμικού ERDAS IMAGINE 9.0. Τέλος, στο 5 ο κεφάλαιο περιλαμβάνεται μια σύνοψη καθώς και τα συμπεράσματα που προέκυψαν από την μελέτη του θέματος της εργασίας. 2

16 Κεφάλαιο 2 Το αστικό περιβάλλον 2.1 Η ιστορική εξέλιξη των αστικών περιοχών Είναι ιδιαίτερα δύσκολο να δοθεί σαφής και συνεκτικός ορισμός που να χαρακτηρίζει επακριβώς τις αστικές περιοχές. Σύμφωνα με τον J.R.Weeks (2010), ως αστική ορίζεται μία περιοχή στην οποία συγκεντρώνεται ανθρώπινος πληθυσμός, ο οποίος ασχολείται κυρίως με μη αγροτικές δραστηριότητες. Ωστόσο, ο όρος «αστική περιοχή» περιλαμβάνει μία όχι και τόσο απλή έννοια. Επιπλέον στοιχεία που τον περιγράφουν λεπτομερέστερα είναι ο πληθυσμός και η πυκνότητα συγκέντρωσής της, καθώς και η κοινωνική και οικονομική οργάνωση. Οι πρώτες πόλεις που δημιουργήθηκαν ήταν μικρές και αυτοεξυπηρετούμενες. Παρήγαγαν όλα τα αγαθά που είχαν ανάγκη οι κάτοικοί της να καταναλώσουν. Για το λόγο αυτό οι περιβαλλοντικές επιπτώσεις των πρώτων αυτών πόλεων ήταν ελάχιστες. Με την πάροδο του χρόνου η έκταση και ο πληθυσμός των πόλεων αυξήθηκε με πολύ γρήγορο ρυθμό, με αποτέλεσμα οι σύγχρονες πόλεις να καλύπτουν πολύ μεγάλες εκτάσεις και σε πολλές περιπτώσεις να υπάρχουν έως και εκατοντάδες χιλιόμετρα συνεχόμενης αστικής έκτασης. Οι σημερινές πόλεις δεν είναι δυνατό να εξυπηρετούν μόνες τους τις μεγάλες ανάγκες των κατοίκων τους σε τροφή. Αντίθετα, εξαρτώνται από τις γύρω περιοχές για την εξασφάλιση των αγαθών που χρειάζονται. Άμεσο αποτέλεσμα της αστικής εξάπλωσης είναι η αύξηση του αριθμού των κατοίκων των πόλεων, λόγω της συνεχόμενης μετακίνησης πληθυσμού από αγροτικές περιοχές, των οποίων ο πληθυσμός μειώνεται με πολύ γρήγορο ρυθμό. Για λόγους αστικής επέκτασης, οι παραγωγικές καλλιεργήσιμες εκτάσεις που βρίσκονταν σε κοντινή απόσταση από τις πόλεις μειώνονται, καθώς μετατρέπονται σταδιακά σε περιοχές κατάλληλες προς κατοίκηση. Αυτό έχει ως αποτέλεσμα την αναζήτηση νέων εκτάσεων για την καλλιέργεια της απαραίτητης τροφής. Οι νέες αυτές καλλιεργήσιμες εκτάσεις μεταφέρονται πιο μακριά από τις πόλεις, σε περιοχές που παλαιότερα δεν ήταν αναγκαίο να 3

17 καλλιεργηθούν. Έτσι, σε πολλές περιπτώσεις πόλεων μειώθηκαν και δασικές εκτάσεις, προκειμένου να μετατραπούν σε καλλιεργήσιμα χωράφια. Με τα παραπάνω χαρακτηριστικά εξαπλώθηκε το αστικό περιβάλλον, μετά το τέλος του 2 ου Παγκοσμίου πολέμου. Εικόνα 2.1: Σύγχρονη μεγαλούπολη (Πηγή: Sugawara H., 2006) Χωρίς την πολύτιμη συμβολή της τεχνολογίας, δεν θα ήταν δυνατή η επέκταση των αστικών περιοχών. Μέσω της τεχνολογικής ανάπτυξης, η παραγωγή της τροφής αυτοματοποιήθηκε σε μεγάλο βαθμό και έτσι όλο και περισσότεροι άνθρωποι που ζούσαν με τις αγροτικές δουλειές συνέρρεαν πλέον στις πόλεις, όπου μπορούσαν να απασχοληθούν σε μη αγροτικά επαγγέλματα. Επιπλέον, η τροφή που χρειαζόταν για την κάλυψη των αστικών αναγκών μπορούσε πλέον να συντηρείται περισσότερες ώρες και έτσι να μεταφέρεται σε μεγαλύτερες αποστάσεις. Η συνεχής βελτίωση των υπηρεσιών υγείας που προσφέρονταν στις πόλεις οδήγησε αρκετούς ανθρώπους στο να μετακινηθούν εκεί όπου αισθανόταν ότι είχαν περισσότερη ασφάλεια για τη ζωή τους. Τέλος, ιδιαίτερα σημαντική ήταν και η ανάπτυξη της τεχνολογίας στον κλάδο των κτιριακών κατασκευών και των υποδομών που συντέλεσαν στην μεγαλύτερη πυκνότητα κατοίκησης στις αστικές περιοχές, καθώς χτίστηκαν τόσο πολυώροφα κτίρια όσο και σημαντικά άλλα έργα, απαραίτητα για την εξάπλωση των πόλεων, όπως μεγάλοι αυτοκινητόδρομοι και γέφυρες για την μετακίνηση των κατοίκων. Η μαζική μετακίνηση του πληθυσμού προς τις αστικές περιοχές σημειώθηκε κυρίως κατά τη διάρκεια του 20 ου αιώνα, με το φαινόμενο να είναι ιδιαίτερα έντονο στις αναπτυγμένες χώρες. Σήμερα, οι αστικές περιοχές συγκεντρώνουν περισσότερο από το μισό του παγκόσμιου πληθυσμού, ενώ μόλις 150 χρόνια πριν μόνο το 2% του πληθυσμού της γης κατοικούσε σε πόλεις με συγκέντρωση σε κάθε μια από αυτές περίπου τις κατοίκους. Το ποσοστό αυτό ως το 1900 έφτασε το 6%, ενώ 50 χρόνια αργότερα έγινε 16% (Davis, 1972). 4

18 2.2 Θέματα των σύγχρονων αστικών περιοχών Οι σύγχρονες πόλεις, καθώς συγκεντρώνουν όλο και περισσότερο πληθυσμό, καλούνται να αντιμετωπίσουν μια πληθώρα θεμάτων που αφορούν τόσο το περιβάλλον όσο και την ορθότερη κάλυψη των αναγκών των πολιτών τους. Η έντονη αυτή αστικοποίηση επιφέρει πολλές αλλαγές και μετασχηματισμούς τόσο στο αστικό τοπίο, που συνεχώς μεταβάλλεται, όσο και στο φυσικό περιβάλλον γύρω από τις πόλεις, που καταπατείται για να μετατραπεί και αυτό σε κατοικημένες αστικές περιοχές. Η ρύπανση της ατμόσφαιρας, των υδάτων και του εδάφους, ο θόρυβος, η εξάντληση των φυσικών πόρων, η υποβάθμιση του τοπίου, οι αλλαγές στη λειτουργία των οικοσυστημάτων είναι µόνο μερικά από τα προβλήματα που απασχολούν τις σύγχρονες κοινωνίες σήμερα. Άμεσο επακόλουθο της κατάστασης αυτής είναι η υποβάθμιση της ποιότητας ζωής των σύγχρονων κοινωνιών. Ο διεθνής οργανισμός περιβάλλοντος των Ηνωμένων Εθνών (United Nations Environment Programme UNEP) έχει συγκεντρώσει τα ζητήματα που απασχολούν τις σύγχρονες πόλεις και πρέπει να αντιμετωπίζονται από αυτές, ώστε να διασφαλίζεται η ομαλή λειτουργία τους, ταυτόχρονα με τη διαφύλαξη των αρχών της προστασίας του περιβάλλοντος. Τα θέματα αυτά, τα οποία παρουσιάζονται αναλυτικότερα στη συνέχεια, είναι η αστική εξάπλωση, η επιβάρυνση των φυσικών οικοσυστημάτων, η ατμοσφαιρική ρύπανση, η κατανάλωση ενέργειας, η παροχή πόσιμου νερού, η διαχείριση των αποβλήτων και η διασφάλιση της δημόσιας υγείας Η αστική εξάπλωση Το αποτέλεσμα της εξάπλωσης των αστικών περιοχών είναι η δημιουργία νέων περιοχών κατοικίας, χωρίς ιδιαίτερα πυκνή δομή. Καθώς οι αστικές περιοχές εξαπλώνονται, η μέση πυκνότητα τους μειώνεται σταδιακά. Οι χρήσεις στα αστικά κέντρα αλλάζουν, ενώ οι κατοικίες σταδιακά απομακρύνονται από αυτά, προκειμένου να μετακινηθούν προς τις νέες περιοχές που δημιουργούνται. Σαν αποτέλεσμα της διαδικασίας αυτής, στα κέντρα των πόλεων εγκαθίστανται πλέον άλλες χρήσεις, όπως εμπορικά κέντρα, καταστήματα, μικρές βιοτεχνίες, κτίρια γραφείων, σχολεία και άλλες υπηρεσίες. Ο ρυθμός της αστικοποίησης σήμερα είναι πολύ γρήγορος σε ολόκληρο τον πλανήτη. Το μεγαλύτερο ποσοστό των νέων εκτάσεων γης που μετατρέπονται σε αστικές περιοχές είναι οι καλλιεργήσιμες εκτάσεις που βρίσκονται γύρω από τις πόλεις. Ταυτόχρονα, αναζητούνται νέα μέρη προκειμένου να καλλιεργηθούν, απαραίτητα για την κάλυψη των αναγκών του αστικού πληθυσμού που αυξάνεται συνεχώς. Έως το 2015, στις βιομηχανικές περιοχές η συνολική αγροτική έκταση υπολογίζεται να αυξηθεί κατά 3% σε σχέση με το 1990, ενώ έως το 2050 το ποσοστό αυτό θα φτάσει το 10%. Το ποσοστό αυτό στην Ευρώπη θα φτάσει έως το 18% (UNEP, 2004). Σημαντική, τέλος, είναι και η μείωση των δασικών εκτάσεων και των βιοτόπων, προκειμένου να επεκταθεί ο αστικός ιστός. 5

19 2.2.2 Η επιβάρυνση των φυσικών οικοσυστημάτων Το σύνολο των βιολογικών ειδών και των οικοσυστημάτων που υπάρχουν στον πλανήτη, έχουν μειωθεί φορές σε σύγκριση με τη βιοποικιλότητα που υπήρχε το 1600, ενώ ο ρυθμός εξαφάνισης των ειδών αναμένεται να αυξηθεί ακόμα περισσότερο τα επόμενα χρόνια. Οι κυριότερες αιτίες της μείωσης αυτής είναι η αστικοποίηση, η υπερεκμετάλλευση των φυσικών πόρων, η κλιματική αλλαγή και η ατμοσφαιρική ρύπανση. Ιδιαίτερα, η αστική εξάπλωση επιδεινώνει την κατάσταση των οικοσυστημάτων που αναπτύσσονται σε περιοχές γύρω από τις πόλεις. Όλο και μεγαλύτερες αγροτικές και δασικές εκτάσεις μετατρέπονται σε κατοικημένες περιοχές, με άμεσο αποτέλεσμα την μείωση των φυτικών και ζωικών ειδών. Το αποτέλεσμα της κατάστασης αυτής επιβαρύνει τελικά τις ίδιες τις πόλεις, καθώς ο περιορισμός ιδιαίτερα της φυτικής κάλυψης δημιουργεί ποικίλες επιπτώσεις και στους κατοίκους των αστικών περιοχών. Οι πράσινες εκτάσεις που υπάρχουν μέσα στις πόλεις και γύρω από αυτές αποτελούν το μοναδικό αυτοδύναμο απορρυπαντικό και βελτιωτικό συστατικό της ποιότητας της ατμόσφαιρας (Κασσιός Κ., Περπερίδου Δ.Γ., 2005). Εξαιτίας της μεγάλης συμβολής τους στο αστικό περιβάλλον, η διατήρηση των πράσινων εκτάσεων στα αστικά κέντρα, αλλά και στις περιαστικές περιοχές είναι απαραίτητη. Εικόνα 2.2: Η πόλη της Θεσσαλονίκης, με τους ελάχιστους πράσινους πνεύμονες που διαθέτει στο κέντρο της (Πηγή: Παπαμίχος Ν., 2005) 6

20 Η παρουσία πράσινων εκτάσεων στις αστικές περιοχές είναι απαραίτητη, καθώς η συμβολή τους στην ποιότητα ζωής των πολιτών είναι μεγάλη. Το πράσινο παρέχει οξυγόνο, μεταβάλλει ευνοϊκά το μικροκλίμα της περιοχής, συγκρατεί τη σκόνη, βελτιώνει την ποιότητα της ατμόσφαιρας, μειώνει τον αστικό θόρυβο και συμβάλλει ουσιαστικά στον περιορισμό της κατανάλωσης ενέργειας. Παράλληλα, η συγκράτηση των υδάτων απορροής, ο σκιασμός και ο δροσισμός των κτιρίων είναι μερικά ακόμα από τα οφέλη του πράσινου στις πόλεις. Τέλος, βελτιώνεται και η υγεία των κατοίκων, καθώς αναπνευστικά και καρδιαγγειακά προβλήματα είναι δυνατό να περιοριστούν. Σήμερα, πέρα από τα πάρκα και τη δενδροφύτευση που υιοθετήθηκαν τα περασμένα χρόνια, έχουν αναπτυχθεί και άλλοι τρόποι που μπορούν να συμβάλλουν στην αύξηση του πράσινου στις σύγχρονες πόλεις. Τα φυτεμένα δώματα και οι στέγες, καθώς και οι «πράσινοι» τοίχοι αποτελούν νέες τεχνικές που προσφέρουν πολλαπλά οφέλη τόσο στο αστικό περιβάλλον όσο και στα ίδια τα κτίρια που τα φέρουν Η ρύπανση της ατμόσφαιρας Η καλή ποιοτική σύσταση της ατμόσφαιρας της πόλη αποτελεί έναν ιδιαίτερα σημαντικό παράγοντα που παίζει αποφασιστικό ρόλο στην ποιότητα ζωής των κατοίκων της. Οι ατμοσφαιρικές συνθήκες είναι αυτές που καθορίζουν τα επίπεδα υγείας, ευεξίας, ψυχικής διάθεσης των κατοίκων, ενώ παράλληλα επηρεάζουν καθοριστικά την εμφάνιση και τη διάρκεια των κτιρίων, των οικιστικών δομών και των ιστορικών μνημείων. Εικόνα 2.3: Η βιομηχανία, κύρια αιτία της ατμοσφαιρικής ρύπανσης (Πηγή: Μελάς Δ., 2000) Παρά τα γεγονός ότι η ποιότητα του αέρα είναι καθοριστική, στις σύγχρονες πόλεις η ατμόσφαιρα υποβαθμίζεται συνεχώς. Η σχεδόν αποκλειστική χρήση ορυκτών καυσίμων για την κάλυψη των ενεργειακών αναγκών είναι ο κύριος παράγοντας που οδηγεί στην απελευθέρωση ρύπων που επιβαρύνουν τον ατμοσφαιρικό αέρα. Επίσης, η υπερβολική συγκέντρωση των βιομηχανικών δραστηριοτήτων στην περιοχή των μεγάλων αστικών 7

21 κέντρων και η αυξανόμενη χρήση του αυτοκινήτου συμβάλλουν στην επιδείνωση της κατάστασης. Έτσι, σταδιακά η ατμόσφαιρα στον αστικό ιστό γίνεται ακατάλληλη για την σωστή διαβίωση του ανθρώπου, χωρίς την εμφάνιση προβλημάτων υγείας Η ενέργεια και η ανάπτυξη Η ενέργεια αποτελεί απαραίτητο μοχλό της ανάπτυξης. Η ανάπτυξη, όμως, αν και βοήθησε τις πόλεις να εξαπλωθούν και συγκεντρώσουν περισσότερο πληθυσμό, σήμερα είναι εκείνη που θα σταθεί εμπόδιο στη διατήρηση ενός βιώσιμου περιβάλλοντος για τους κατοίκους των σύγχρονων πόλεων. Οι κάτοικοι των πόλεων στις αναπτυσσόμενες χώρες ξοδεύουν πλέον περισσότερο από το 12% του εισοδήματός τους στην κατανάλωση ενέργειας, ενώ το ποσοστό αυτό στις χώρες της Ευρώπης και της Αμερικής αγγίζει το 65%. Επίσης, η κατανάλωση ενέργειας μέσω της καύσης των ορυκτών καυσίμων προκαλεί πολλά σημαντικά περιβαλλοντικά προβλήματα, τόσο στον αστικό ιστό όσο και γύρω από αυτόν. Τα μειονεκτήματα της μεγάλης κατανάλωσης ενέργειας στον σύγχρονο κόσμο που εξελίσσεται συνεχώς, καθώς και τα περιβαλλοντικά προβλήματα που προκαλεί, είναι δυνατόν να αποφευχθούν μέσω της αντικατάστασης των συμβατικών καυσίμων με τις ανανεώσιμες πηγές ενέργειας για την κάλυψη των ενεργειακών αναγκών των πόλεων Η παροχή πόσιμου νερού Ο συνεχώς αυξανόμενος πληθυσμός των πόλεων αποκτά όλο και μεγαλύτερες ανάγκες για πόσιμο νερό. Το γεγονός αυτό, παρόλο που διευκολύνει τεχνικά την κατασκευή έργων για παροχή νερού σε πληθυσμό που είναι συγκεντρωμένος σε ένα σημείο και δεν κατοικεί σε απομονωμένους οικισμούς, δεν οδηγεί σε βιώσιμη διαχείριση του αγαθού. Έτσι, από θέμα κόστους και ορθολογικής χρήσης των περιβαλλοντικών πόρων, η συγκέντρωση μεγάλου πληθυσμού στα αστικά κέντρα δεν αποτελεί την βέλτιστη κατάσταση. Η μεταφορά του νερού στα αστικά κέντρα από μακρινές αποστάσεις συμβαίνει σε πολλές περιπτώσεις, καθώς είναι πιθανό οι υδροφορείς που βρίσκονται κοντά στις πόλεις να μην επαρκούν για να καλυφθούν οι ανάγκες των κατοίκων τους. Με την κατασκευή μεγάλων τεχνικών έργων, το νερό μπορεί να μεταφέρεται σε μεγάλες αποστάσεις. Αυτό αυξάνει το κόστος παροχής του, την κατανάλωση ενέργειας και φυσικών πόρων. Για τους λόγους αυτούς, η μεταφορά του νερού σε μεγάλο πληθυσμό συγκεντρωμένο στα αστικά κέντρα, δεν οδηγεί σε ορθολογική διαχείρισή του περιβαλλοντικού αγαθού Η διαχείριση των αστικών αποβλήτων Η διαχείριση των αποβλήτων αποτελεί ένα μείζον θέμα σε όλες τις αναπτυγμένες χώρες του πλανήτη, επειδή με την αύξηση του αστικού πληθυσμού, αυξάνεται σημαντικά και ο όγκος των απορριμμάτων. Σήμερα, η υγειονομική ταφή των απορριμμάτων θεωρείται απαραίτητη, επειδή οδηγεί στο διαχωρισμό τους σε επιμέρους συστατικά που δεν απελευθερώνουν νέους ρύπους προς το 8

22 περιβάλλον. Μετά από την υγειονομική ταφή, μειώνεται ο όγκος των απορριμμάτων και στη συνέχεια σκεπάζονται με χώμα. Σωληνώσεις που βρίσκονται μέσα στο έδαφος συλλέγουν τα στραγγίσματα που δημιουργούνται, και έτσι αποφεύγεται η διαφυγή τους προς αυτό. Τέλος, το βιοαέριο που απελευθερώνεται από τη σήψη των απορριμμάτων, συλλέγεται και μπορεί να χρησιμοποιηθεί για την παραγωγή ενέργειας. Εικόνα 2.4: Ανεξέλεγκτη χωματερή. (Πηγή:Wikipedia.com) Η παύση της λειτουργίας των ανεξέλεγκτων χωματερών που συνεχίζουν να λειτουργούν και η αποκατάσταση του φυσικού τοπίου των περιοχών αυτών πρέπει να ολοκληρωθούν άμεσα, καθώς έχουν αποδειχτεί οι δυσμενείς συνέπειες στο περιβάλλον και στον ανθρώπινο οργανισμό από την απλή διάθεση των απορριμμάτων σε ανοιχτούς χώρους, χωρίς την περαιτέρω επεξεργασία τους. Ωστόσο, σε πολλές περιπτώσεις αναπτυσσόμενων χωρών δεν είναι τεχνικά και οικονομικά εφικτή η δημιουργία χώρων υγειονομικής ταφής απορριμμάτων. Αποτέλεσμα της κατάστασης αυτής είναι η συνέχιση της ρύπανσης του περιβάλλοντος και η υποβάθμιση της υγείας των ανθρώπων που ζουν κοντά στις χωματερές. Άλλες τεχνικές περιορισμού των αποβλήτων που εφαρμόζονται μπορούν, επίσης, να περιορίσουν τον όγκο που οδηγείται προς τη διάθεση. Τεχνικές όπως η ανακύκλωση, η επαναχρησιμοποίηση και η κομποστοποίηση εφαρμόζονται ευρέως στις αναπτυγμένες χώρες, λόγω των πολλαπλών οφελών που προσφέρουν Η διασφάλιση της δημόσιας υγείας Σήμερα, η υγεία των ανθρώπων απειλείται από διάφορους περιβαλλοντικούς παράγοντες, όπως είναι η ατμοσφαιρική ρύπανση, ενώ υπάρχουν και άλλα στοιχεία που μπορούν να την επηρεάσουν θετικά. Τέτοια στοιχεία είναι το εισόδημα, το μορφωτικό επίπεδο και το ευρύτερο οικογενειακό περιβάλλον ενός ανθρώπου. 9

23 Ωστόσο, τις τελευταίες δεκαετίες έχουν σημειωθεί σημαντικές βελτιώσεις στον τομέα της υγείας, σε ότι αφορά τη μείωση της θνησιμότητας και της νοσηρότητας, και πιο συγκεκριμένα στους τομείς των μολυσματικών ασθενειών και της προγεννητικής και βρεφικής θνησιμότητας. Το προσδόκιμο όριο ζωής αυξάνεται σχεδόν σε ολόκληρο τον πλανήτη, γεγονός που οδηγεί και αυτό σε περαιτέρω αύξηση του παγκόσμιου πληθυσμού, παρά την μείωση του ποσοστού των γεννήσεων σε πολλές χώρες. Επίσης, γίνεται μεγάλη προσπάθεια από τις αναπτυγμένες χώρες για τον περιορισμό της εξάπλωσης των μεταδοτικών ασθενειών, που μαστίζουν πολλές περιοχές του πλανήτη. Οι σύγχρονες πόλεις οφείλουν να πληροφορούν τους πολίτες και να παρέχουν ολοκληρωμένες υπηρεσίες υγείας, που θα προφυλάξουν περαιτέρω την δημόσια υγεία, μέσω της σωστής και έγκαιρης αντιμετώπισης των ασθενειών. 10

24 Κεφάλαιο 3 Η τηλεπισκόπηση στη μελέτη αστικού περιβάλλοντος 3.1 Η τηλεπισκοπική διαδικασία Τηλεπισκόπηση είναι η τέχνη, η επιστήμη και η τεχνολογία απόκτησης πληροφοριών για ένα αντικείμενο, μια περιοχή ή ένα φαινόμενο, μέσω της ανάλυσης δεδομένων τα οποία αποκτώνται με διατάξεις που δεν βρίσκονται σε φυσική επαφή με το θέμα το οποίο μελετάται (American Society for Photogrammetry and Remote Sensing ASPRS). Ανάλογα με το σύστημα τηλεπισκόπησης που χρησιμοποιείται στην κάθε περίπτωση, λαμβάνεται η πληροφόρηση με βάση ακουστικά κύματα, ηλεκτρομαγνητικά κύματα κλπ. Ουσιαστικά, η τηλεπισκόπηση αποτελεί την τεχνική παρατήρησης της επιφάνειας της γης ή της ατμόσφαιρας με διατάξεις (πλατφόρμες) που μπορεί να βρίσκονται στο έδαφος, στον αέρα ή στο διάστημα. Χρησιμοποιώντας τα διάφορα τμήματα του ηλεκτρομαγνητικού φάσματος, καταγράφεται η ανακλώμενη ή εκπεμπόμενη ακτινοβολία. Η παρατήρηση της επιφάνειας της γης με τη χρήση τηλεπισκοπικών μεθόδων που καταγράφουν την ηλεκτρομαγνητική ενέργεια βασίζεται στην ηλεκτρομαγνητική ακτινοβολία που παράγεται, εκπέμπεται και ανακλάται. Ως ηλεκτρομαγνητική ορίζεται η ενέργεια που κινείται με την ταχύτητα του φωτός με πρότυπο αρμονικού κύματος. Ένα σύστημα τηλεπισκόπησης περιλαμβάνει τα παρακάτω βασικά στοιχεία: 1. Πηγή ηλεκτρομαγνητικής ενέργειας 2. Αλληλεπίδραση της ακτινοβολίας με την ατμόσφαιρα 3. Αλληλεπίδραση με την επιφάνεια της γης 4. Καταγραφή της ακτινοβολίας. Η διαδικασία της καταγραφής της επιφάνειας της γης ξεκινά από την πηγή παραγωγής της ηλεκτρομαγνητικής ακτινοβολίας. Η πιο συνηθισμένη πηγή παραγωγής είναι ο ήλιος. Επίσης, πηγές ηλεκτρομαγνητικής ενέργειας μπορεί να είναι και η γη μέσω της θερμότητας που παράγει ή και διάφορες τεχνητές πηγές ενέργειας κατασκευασμένες από τον άνθρωπο, 11

25 όπως είναι τα ραντάρ μικροκυμάτων. Η ακτινοβολία αυτή, καθώς διαπερνά την ατμόσφαιρα, αλληλεπιδρά με αυτή, απορροφάται και σκεδάζεται. Στη συνέχεια, η ηλεκτρομαγνητική ακτινοβολία φτάνει στην επιφάνεια της γης από την οποία ανακλάται πάλι πίσω προς την ατμόσφαιρα. Η αλληλεπίδρασή της με την επιφάνεια της γης και τα διάφορα αντικείμενα που βρίσκονται πάνω σε αυτήν μπορεί να μεταβάλλει τις ιδιότητές της, όπως την ένταση, το μήκος κύματος, την πόλωση και τη φάση. Αυτές οι μεταβολές των χαρακτηριστικών της ακτινοβολίας που ανακλάται και επιστρέφει στην ατμόσφαιρα οδηγούν σε συμπεράσματα για το έδαφος, την κάλυψη, τη βλάστηση κλπ. Η ακτινοβολία που προέρχεται από την ανάκλαση στην επιφάνεια της γης επιστρέφει σε ειδικές διατάξεις, οι οποίες έχουν τη δυνατότητα «καταγραφής» της ηλεκτρομαγνητικής ενέργειας. Οι διατάξεις αυτές ονομάζονται αισθητήρες και ανάλογα με τα χαρακτηριστικά τους καθορίζεται και το αποτέλεσμα της παρατήρησης. Εικόνα 3.1: Σύστημα τηλεπισκόπησης για παρατήρηση της γης (Πηγή: CRISP) Η τηλεπισκοπική παρατήρηση της γης, μέσω αισθητήρων που βρίσκονται στον αέρα ή στο διάστημα, χρησιμοποιείται ευρέως στην απεικόνιση και χαρτογράφηση των φυσικών και ανθρώπινων δραστηριοτήτων που συμβαίνουν στην επιφάνεια της γης, στην αξιολόγηση και την έγκαιρη αντιμετώπιση των φυσικών καταστροφών, στη βιώσιμη διαχείριση των μηανανεώσιμων φυσικών πόρων, στην παρακολούθηση των καιρικών συνθηκών, της ατμόσφαιρας, της θάλασσας και του εδάφους, στην εκτίμηση των καλλιεργήσιμων εκτάσεων για τη γεωργία, στην παρακολούθηση της ρύπανσης του περιβάλλοντος και σε άλλα θέματα. Επίσης, τα τελευταία χρόνια και στη χώρα μας αεροφωτογραφίες και δορυφορικές εικόνες χρησιμοποιούνται για την καταγραφή της κτηματικής περιουσίας των πολιτών στο Κτηματολόγιο. 12

26 3.2 Χαρακτηριστικά των αισθητήρων Οι αισθητήρες που χρησιμοποιούνται σε εφαρμογές που αφορούν το περιβάλλον χαρακτηρίζονται από διάφορες ιδιότητες, οι οποίες τους κατατάσσουν σε κατηγορίες. Τα πιο σημαντικά χαρακτηριστικά των αισθητήρων είναι εκείνα που τους καθιστούν κατάλληλους ή όχι για μια συγκεκριμένη εφαρμογή, ανάλογα με το αποτέλεσμα της εικόνας που μπορούν να δώσουν. Τα χαρακτηριστικά αυτά, που θα αναλυθούν στις ενότητες που ακολουθούν, είναι η χωρική, η φασματική, η ραδιομετρική και η χρονική ανάλυση. Είναι ιδιαίτερα σημαντικό να χρησιμοποιείται ο κατάλληλος αισθητήρας στην κάθε ξεχωριστή εφαρμογή και γι αυτό θα πρέπει από την αρχή να λαμβάνεται υπόψη το είδος, τα χαρακτηριστικά και το μέγεθος των αντικειμένων που αναμένεται να καταγραφούν σε κάθε περίπτωση. Η προεργασία αυτή, σε συνδυασμό με τη μελέτη των χαρακτηριστικών των διαφόρων αισθητήρων που υπάρχουν, θα οδηγήσουν στην κατάλληλη επιλογή για την κάθε εφαρμογή. Πρέπει όμως να σημειωθεί ότι για την απεικόνιση των εδαφικών υλικών και των αντικειμένων που βρίσκονται στο έδαφος, κανένα χαρακτηριστικό από μόνο του δεν μπορεί να δώσει ένα αξιόπιστο αποτέλεσμα. Για παράδειγμα, είναι σχεδόν αδύνατη η καταγραφή των χρήσεων γης με έναν αισθητήρα που διαθέτει μόνο υψηλή φασματική ανάλυση, χωρίς το συγκεκριμένο χαρακτηριστικό να συνδυαστεί και με άλλες πληροφορίες, όπως είναι η χωρική ανάλυση του αισθητήρα, αλλά και η μελέτη των χαρακτηριστικών της ευρύτερης περιοχής που πρόκειται να απεικονιστεί Η χωρική ανάλυση Η χωρική ανάλυση αποτελεί χαρακτηριστικό των αισθητήρων που καταγράφουν την ηλεκτρομαγνητική ακτινοβολία. Το μέγεθος της χωρικής ανάλυσης είναι συνάρτηση του ύψους του αισθητήρα, του μεγέθους του ανιχνευτή και του εστιακού μεγέθους. Εξαρτάται από το άμεσο πεδίο επόπτευσης του αισθητήρα a, το οποίο καθορίζει την περιοχή της επιφάνειας της γης που καταγράφεται, όταν ο αισθητήρας βρίσκεται σε ύψος Η πάνω από αυτήν. Το μέγεθος της περιοχής που καταγράφεται ονομάζεται κύτταρο εδαφικής ανάλυσης και συμβολίζεται με D, όπως φαίνεται στην εικόνα 3.2. Εικόνα 3.2: Τα μεγέθη που καθορίζουν την χωρική ανάλυση 13

27 Η χωρική ανάλυση καθορίζει το μέγεθος των χωρικών πληροφοριών που συμπεριλαμβάνονται σε μια εικόνα και ουσιαστικά αφορά το μέγεθος του μικρότερου αντικειμένου χαρακτηριστικού που είναι δυνατόν να ανιχνευτεί στην εικόνα. Παρόλα αυτά, συχνά, χαρακτηριστικά μικρότερα της χωρικής ανάλυσης μπορεί να γίνουν διακριτά σε μια εικόνα, λόγω της μεγάλης ανακλαστικότητάς τους σε σύγκριση με την περιοχή που βρίσκονται ή λόγω του ιδιαίτερου σχήματος και των γεωμετρικών χαρακτηριστικών τους. Τέτοιο παράδειγμα αποτελούν οι μεγάλοι αυτοκινητόδρομοι που ξεχωρίζουν στις εικόνες κυρίως λόγω του μεγάλου μήκους τους. Εάν μία εικόνα έχει ληφθεί με την χωρική ανάλυση που απαιτείται για μια συγκεκριμένη εφαρμογή, θα πρέπει ένα αντικείμενο που βρίσκεται στο έδαφος να είναι ευδιάκριτο σαν μία ξεχωριστή οντότητα μέσα στην εικόνα (Weng Q., 2011). Η χωρική ανάλυση δεν πρέπει να είναι ίδια σε όλες τις εφαρμογές. Η κατάλληλη ανάλυση που απαιτείται κάθε φορά διαφέρει και εξαρτάται από το μισό της διαμέτρου του μικρότερου αντικειμένου που αφορά την εφαρμογή και πρέπει να αναγνωριστεί σε κάθε περίπτωση. Για αντικείμενα, όπως είναι τα κτίρια, αρκεί μία χωρική ανάλυση 0,25-0,5 m, ενώ οι δρόμοι που έχουν μεγάλο μήκος μπορούν να ανιχνευθούν και με ανάλυση 1-30 m. (Jensen J.R. and Cowen D.C., 1999). Οι δορυφόροι Landsat και SPOT έχουν χωρική ανάλυση m, ενώ δορυφόροι, όπως ο IKONOS, ο QuickBird και ο OrbView,, έχουν πολύ υψηλή ανάλυση, η οποία μπορεί να φτάνει έως το 0,5 m. Οι δορυφόροι αυτοί παρέχουν ένα αποτέλεσμα ιδιαίτερα λεπτομερές που οδηγεί σε συμπεράσματα για θέματα, όπως οι χρήσεις γης που επικρατούν στην περιοχή μελέτης, η ανίχνευση κτιρίων, κλπ Η φασματική ανάλυση Η φασματική ανάλυση περιγράφει τον αριθμό, την περιοχή και το εύρος της ζώνης του ηλεκτρομαγνητικού φάσματος που έχει την ικανότητα να ανιχνεύει ένας αισθητήρας. Αναφέρεται στα μήκη κύματος στα οποία ο αισθητήρας μπορεί να καταγράψει την ανακλώμενη ή την εκπεμπόμενη ακτινοβολία. Η επιφάνεια της γης καλύπτεται από μια πληθώρα υλικών, φυσικά ή τεχνητά, με διαφορετικές ιδιότητες. Υλικά διαπερατά ή μη, γυμνό έδαφος ή βλάστηση, ανθρώπινες κατασκευές, είναι μερικά από τα υλικά που συναντά η ηλεκτρομαγνητική ακτινοβολία προτού ανακλαστεί από αυτά. Ένας αισθητήρας καταγράφοντας την ανακλώμενη ακτινοβολία πρέπει να δίνει σημαντικές πληροφορίες για την κάλυψη του εδάφους, αλλά και για τις χρήσεις γης που επικρατούν. Το μήκος του φάσματος που καταγράφει ένας αισθητήρας επηρεάζει σημαντικά την πληροφόρηση για τα παραπάνω εδαφικά υλικά, από τα οποία ανακλάται η ακτινοβολία. Ειδικά σε περιβαλλοντικές εφαρμογές, χρειάζεται συνήθως να απεικονιστούν στοιχεία, όπως το εδαφικό υλικό ή η χρήση γης που επικρατεί σε μια περιοχή. Επομένως, 14

28 είναι ιδιαίτερα σημαντική η επιλογή της κατάλληλης φασματικής ανάλυσης, ανάλογα με την πληροφόρηση που απαιτείται σε κάθε περίπτωση. Ο αριθμός των φασματικών ζωνών που καταγράφει ένας αισθητήρας μπορεί περιλαμβάνει έναν περιορισμένο αριθμό στην πολυφασματική περιοχή, όπως είναι οι δορυφόροι SPOT που καταγράφουν 4 μπάντες ή οι δορυφόροι Landsat που καταγράφουν 7 φασματικές περιοχές. Υπάρχουν όμως και αισθητήρες που καταγράφουν περισσότερες περιοχές στο πολυφασματικό περιοχή, αλλά και περιοχές στο υπερφασματικό. Αν ο αισθητήρας καταγράφει μεγάλο αριθμό φασματικών ζωνών, τότε υπάρχει η δυνατότητα να αντληθούν αναλυτικές πληροφορίες από την εικόνα που θα προκύψει, σχετικά με τη φύση και τις ιδιότητες των διαφορετικών υλικών που υπάρχουν στην επιφάνεια του εδάφους. Ταυτόχρονα, όμως, η μεγάλη φασματική ανάλυση του αισθητήρα σημαίνει και μεγαλύτερη δυσκολία στην επεξεργασία της εικόνας, λόγω των πολλαπλών δεδομένων που υπάρχουν σε αυτήν. Τέλος, είναι σημαντικό να σημειωθεί ότι η αύξηση των φασματικών ζωνών μπορεί να βελτιώσει και θέματα της ψηφιακής επεξεργασίας εικόνας, όπως η ταξινόμηση. (Thenkabail et al., 2004) Η ραδιομετρική ανάλυση Η ραδιομετρική ανάλυση είναι η ικανότητα ενός τηλεπισκοπικού αισθητήρα να διακρίνει τις μικρές διαφορές ενέργειας στο φάσμα της ηλεκτρομαγνητικής ακτινοβολίας που καταγράφει. Ο αριθμός των δεδομένων bits ανά εικονοστοιχείο (pixel) που μπορεί να καταγράψει ο αισθητήρας είναι η μέγιστη ραδιομετρική ανάλυσή του. Όσο πιο ευαίσθητος είναι στην ανίχνευση μικρών διαφορών στην ανακλώμενη ή εκπεμπόμενη ακτινοβολία, τόσο πιο υψηλή ραδιομετρική ανάλυση έχει. Τα bits που καταγράφονται από τον αισθητήρα εκφράζονται ως εκθέτες σε δύναμη που έχει ως βάση το 2. Αν ένας αισθητήρας καταγράφει ν bit ανά εικονοστοιχείο, έχει ραδιομετρική ανάλυση 2 ν. Για παράδειγμα, οι αισθητήρες του προγράμματος Landsat έχουν ραδιομετρική ανάλυση 2 8 bits Η χρονική ανάλυση Ο όρος της χρονικής ανάλυσης περιγράφει τον χρόνο που χρειάζεται ένας αισθητήρας καταγραφής του περιβάλλοντος να περάσει από την ίδια ακριβώς περιοχή για δύο συνεχόμενες φορές. Έτσι, εκφράζει τον χρονικό κύκλο που απαιτείται για τη λήψη δύο διαδοχικών εικόνων της ίδιας περιοχής της επιφάνειας του εδάφους από τον αισθητήρα. Σήμερα, με τον ακριβή προγραμματισμό που υπάρχει στα δορυφορικά συστήματα, είναι δυνατό να γνωρίζει κανείς ακριβώς την χρονική ανάλυση που διαθέτει και να επιλέξει τον αισθητήρα που είναι πιο κατάλληλος. Ανάλογα με το είδος της μελέτης, ποικίλει και η χρονική ανάλυση που απαιτείται κάθε φορά. Χαρακτηριστικό παράδειγμα της ιδιαιτερότητας της κάθε περίπτωσης, αποτελεί η παρατήρηση καταστροφικών φαινομένων, που απαιτούν συχνές καλύψεις της περιοχής που 15

29 έχει πληγεί από κάποιο καταστροφικό φαινόμενο. Για τον λόγο αυτό, επιλέγεται ο κατάλληλος αισθητήρας που καλύπτει τις απαιτήσεις της κάθε μίας εφαρμογής. Συμπερασματικά, από την περιγραφή των παραπάνω χαρακτηριστικών των αισθητήρων τηλεπισκόπησης, παρουσιάζονται σε μορφή διαγραμμάτων οι εικόνες 3.3, 3.4 και 3.5. Εικόνα 3.3: Χωρική ανάλυση Εικόνα 3.4: Φασματική ανάλυση (Πηγή: Τα τηλεπισκοπικά συστήματα Εικόνα 3.5: Ραδιομετρική ανάλυση (Πηγή: Τα τελευταία χρόνια, όλο και περισσότερες αποστολές παρατήρησης της γης μπαίνουν σε τροχιά και παρέχουν εικόνες με ιδιαίτερα υψηλή ανάλυση, όσον αφορά τα χωρικά, τα φασματικά και τα γεωμετρικά χαρακτηριστικά. Οι αναλύσεις αυτές, καθώς και άλλα χαρακτηριστικά των τηλεπισκοπικών αισθητήρων, βελτιώνονται συνεχώς, με αποτέλεσμα να βελτιώνεται και το οπτικό αποτέλεσμα που προσφέρουν. Τα τηλεπισκοπικά συστήματα χωρίζονται σε δύο κατηγορίες: στα παθητικά και στα ενεργητικά. Τα παθητικά συστήματα έχουν τη δυνατότητα να «παρατηρούν» την ακτινοβολία 16

30 που ανακλάται και εκπέμπεται από το αντικείμενο που μελετάται. Δεν παράγουν ηλεκτρομαγνητική ενέργεια, γι αυτό και απαιτείται μία πηγή για τη λειτουργία τους. Η πηγή ηλεκτρομαγνητικής ενέργειας σε ένα τέτοιου είδους σύστημα είναι συνήθως ο ήλιος. Αντίθετα, τα ενεργητικά συστήματα τηλεπισκόπησης περιλαμβάνουν την πηγή της ηλεκτρομαγνητικής ενέργειας και τον αισθητήρα, ο οποίος καταγράφει την ακτινοβολία που επιστρέφει από το αντικείμενο μελέτης. Τα συστήματα αυτά, όπως είναι φυσικό, λειτουργούν με τεχνητές πηγές ηλεκτρομαγνητικής ενέργειας σε ορισμένα μήκη κύματος προς το αντικείμενο αυτό. Στα παθητικά συστήματα τηλεπισκόπησης περιλαμβάνονται οι αισθητήρες των δορυφόρων Landsat και SPOT, ενώ ειδικά συστήματα ραντάρ που εκπέμπουν ηλεκτρομαγνητική ακτινοβολία, όπως είναι τα SAR (Synthetic Aperture Radar) και τα SLAR (Side Looking Airborne Radar), είναι μερικά από τα ενεργητικά συστήματα. Για τις παρατηρήσεις του περιβάλλοντος γενικότερα, αλλά και του αστικού τοπίου συγκεκριμένα, χρησιμοποιείται μία πληθώρα τηλεπισκοπικών συστημάτων, μερικά από τα οποία παρουσιάζονται παρακάτω Παθητικά συστήματα τηλεπισκόπησης Τα παθητικά συστήματα που χρησιμοποιούνται σε περιβαλλοντικές εφαρμογές, καταγράφουν την ηλεκτρομαγνητική ακτινοβολία που ανακλάται και εκπέμπεται από την επιφάνεια της γης. Η ακτινοβολία αυτή ανήκει στο φάσμα του ορατού έως και του θερμικού υπέρυθρου, δηλαδή σε μήκη κύματος μεταξύ 0,4 14,0 μm. Τα παθητικά συστήματα συνήθως χαρακτηρίζονται και κατηγοριοποιούνται ανάλογα με τον αριθμό των φασματικών περιοχών (μπάντες) που αναγνωρίζουν και καταγράφουν. Επίσης, μπορεί και να χαρακτηρίζονται ανάλογα με την χωρική και τη φασματική τους ανάλυση. Τα πιο διαδεδομένα παθητικά τηλεπισκοπικά συστήματα είναι οι φωτογραφικές μηχανές, οι οποίες καταγράφουν άμεσα την ανακλώμενη ακτινοβολία. Οι φασματικές δυνατότητές τους είναι πολύ κατώτερες σε σύγκριση με τους αισθητήρες που χρησιμοποιούνται σε θέματα αστικού περιβάλλοντος, καθώς περιορίζονται στο φάσμα του ορατού και του εγγύς υπέρυθρου. Παρόλα αυτά, όμως, χαρακτηρίζονται από υψηλή χωρική ανάλυση. Ένα άλλο σύστημα απόκτησης των πληροφοριών ακτινοβολίας είναι τα συστήματα σάρωσης, τα οποία περιλαμβάνουν ανιχνευτή που σαρώνει το έδαφος. Μετά από τη σάρωση του εδάφους, καταγράφεται η πληροφόρηση για την ενέργεια που ανακλάται και εκπέμπεται από τα αντικείμενα που βρίσκονται πάνω στην επιφάνεια της γης. Τα συστήματα αυτά καταγράφουν μεγαλύτερο εύρος του ηλεκτρομαγνητικού φάσματος, είτε μέσω πολλών φασματικών περιοχών μικρότερου πλάτους (υπερφασματικά συστήματα) είτε μέσω λιγότερων περιοχές μεγαλύτερου πλάτους (πολυφασματικά συστήματα). 17

31 Πολυφασματικά συστήματα Πολυφασματικά ονομάζονται τα συστήματα που καταγράφουν πολλές περιοχές του ηλεκτρομαγνητικού φάσματος. Στην κατηγορία αυτή ανήκουν οι δορυφορικοί αισθητήρες του προγράμματος Landsat και του προγράμματος SPOT, οι οποίοι έχουν χρησιμοποιηθεί εκτεταμένα σε θέματα περιβάλλοντος. Οι δορυφόροι Landsat καταγράφουν την επιφάνεια της γης από το 1972 έως σήμερα, με 7 δορυφόρους συνολικά που έχουν εκτοξευτεί έως τώρα, ενώ ένας ακόμα, ο δορυφόρος LDCM, πρόκειται να εκτοξευτεί ως το τέλος του Είναι εξοπλισμένοι με μια τεχνολογία που εξελίσσεται συνεχώς όλα αυτά τα χρόνια, παρέχοντας έτσι ένα όλο και πιο βελτιωμένο οπτικό, και όχι μόνο, αποτέλεσμα. Ο πιο σύγχρονος δορυφόρος του προγράμματος που βρίσκεται σε τροχιά γύρω από τη γη, ο Landsat 7, εκτοξεύτηκε στο διάστημα το 1999 και είναι εξοπλισμένος με τον πολυφασματικό σαρωτή ETM+ που καταγράφει 30 περιοχές του ηλεκτρομαγνητικού φάσματος, από την ορατή ακτινοβολία ως τα μικροκύματα, με χωρική ανάλυση 60m στην μπάντα του θερμικού υπέρυθρου και 15m στην μπάντα του παγχρωματικού. Εικόνα 3.6: Το πρόγραμμα Landsat. (Πηγή: NASA) Οι εικόνες του προγράμματος Landsat χρησιμοποιούνται ευρέως σε περιπτώσεις καταγραφής των χρήσεων γης, της κάλυψης του εδάφους, του ελέγχου των καλλιεργήσιμων εκτάσεων, καθώς και του φαινομένου της αστικής νησίδας. Η συνέχεια των δεδομένων που προσφέρει το πρόγραμμα Landsat από το 1972 ως σήμερα αποτελεί το πιο ολοκληρωμένο οπτικό αρχείο της επιφάνειας της γης και παρέχει τη δυνατότητα διαχρονικής σύγκρισης των μεταβολών στην κάλυψη γης. Οι δορυφόροι του συστήματος SPOT (Satellite pour l Observation de la Terre) συλλέγουν παγχρωματική και πολυφασματική απεικόνιση με χωρική ανάλυση 2,5 ως 20 m. Διαθέτουν δύο όργανα απεικόνισης, τα οποία έχουν σειρές ανιχνευτών που παρέχουν ένα αποτέλεσμα υψηλής γεωμετρικής ακρίβειας σε όλο το πλάτος εδαφικής σάρωσης (60km). Επίσης, οι δορυφόροι SPOT μπορούν να προγραμματιστούν, γεγονός που προσφέρει τη δυνατότητα 18

32 να σκοπεύσουν και να αποτυπώσουν περιοχές ιδιαίτερου ενδιαφέροντος. Συνολικά, έχουν τεθεί σε τροχιά γύρω από τη γη 5 δορυφόροι του προγράμματος, από το 1986 που εκτοξεύτηκε ο SPOT 1. Σήμερα, καταγράφουν την επιφάνεια της γης οι δορυφόροι 1,2,4 και 5, ενώ ο SPOT 3 δεν λειτουργεί λόγω αστοχίας. Ο τελευταίος δορυφόρος του προγράμματος SPOT, εκτοξεύτηκε το 2002 και έχει διπλό στόχο. Αφενός εξασφαλίζεται η συνέχεια του προγράμματος SPOT και των υπηρεσιών που προσφέρει και αφετέρου παρέχει βελτιωμένα δεδομένα και απεικονίσεις. Διαθέτει μεγάλη χωρική ανάλυση και έχει τη δυνατότητα λήψης στερεοζευγών, λαμβάνοντας εικόνες ταυτόχρονα μπροστά και πίσω από τον αισθητήρα. Εικόνα 3.7: Οι δορυφόροι SPOT, εκτός από τον SPOT 3 που δεν λειτουργεί (Πηγή: CNES) Έχουν ένα ευρύ πεδίο εφαρμογών που περιλαμβάνει και θέματα περιβάλλοντος, παρακολούθησης ανθρώπινων δραστηριοτήτων και φυσικών καταστροφών, γεωργίας, δασολογίας, εδαφολογίας και χαρτογράφησης σε κλίμακες 1: : Στους πολυφασματικούς αισθητήρες ανήκουν και οι δορυφόροι πολύ υψηλής ανάλυσης. Αισθητήρες των δορυφόρων, όπως ο Ikonos ή o QuickBird, έχουν ιδιαίτερα υψηλή χωρική ανάλυση. Συγκεκριμένα, ο QuickBird έχει χωρική ανάλυση 0,61m στο παγχρωματικό και 2,44m στο πολυφασματικό, ενώ ο IKONOS 0,82m στο παγχρωματικό και 3,2m στο πολυφασματικό. Λόγω του χαρακτηριστικού αυτού, χρησιμοποιούνται ιδιαίτερα σε θέματα παρακολούθησης του αστικού τοπίου, χαρτογράφησης και ανίχνευσης μεταβολών, λόγω των λεπτομερειών που διακρίνονται στις εικόνες τους. Εικόνα 3.8: Ο δορυφόρος IKONOS (Πηγή:GeoEye) Εικόνα 3.9: Ο δορυφόρος Quickbird (Πηγή: Digital Globe) 19

33 Στους πίνακες 3.1 ως 3.3, παρουσιάζονται η χωρική, η φασματική και η χρονική ανάλυση των αισθητήρων που περιγράφτηκαν παραπάνω και που χρησιμοποιούνται συχνά σε θέματα αστικού περιβάλλοντος. Πίνακας 3.1: Χωρική ανάλυση πολυφασματικών αισθητήρων Δορυφορικός αισθητήρας Landsat - Multispectral Scanner (MSS) Landsat - Thematic Mapper (TM) Landsat ΕΤΜ+ SPOT 1,2,3,4 SPOT 5 IKONOS QuickBird Χωρική ανάλυση m m m m 2,5-5 m 0,82-3,2 m 0,61 2,44 m Πίνακας 3.2: Φασματική ανάλυση πολυφασματικών αισθητήρων Δορυφορικός αισθητήρας Φασματική ανάλυση Landsat - Multispectral Scanner (MSS) Landsat - Thematic Mapper (ΤΜ) SPOT 1,2,3 SPOT 4 SPOT 5 0,5 0,6 (πράσινο) 0,6 0,7 (κοκκινο) 0,7 0,8 (εγγύς υπέρυθρο) 0,8 1,1 (εγγύς υπέρυθρο) 10,4 12,6 (θερμικό) 0,45 0,52 (μπλε) 0,52 0,60 (πράσινο) 0,63 0,69 (κόκκινο) 0,76 0,90 (εγγύς υπέρυθρο) 1,55 1,75 (μέσο υπέρυθρο) 10,4 12,5 (θερμικό) 2,08 2,35 (μέσο υπέρυθρο) 0,50 0,73 0,50 0,59 0,61 0,68 0,78 0,89 0,61 0,68 0,50 0,59 0,61 0,68 0,78 0,89 1,58 1,75 0,49 0,69 0,50 0,59 0,61 0,68 0,78 0,89 1,58 1,75 20

34 Πίνακας 3.3: Χρονική ανάλυση πολυφασματικών αισθητήρων Δορυφορικός αισθητήρας Landsat 1,2,3 Landsat 4,5,6,7 SPOT IKONOS QuickBird Χρονική ανάλυση 18 ημέρες 16 ημέρες 26 ημέρες 14,7 περιστροφές / ημέρα 1-3,5 ημέρες Υπερφασματικά συστήματα Τα υπερφασματικά συστήματα τηλεπισκόπησης εμφανίστηκαν πριν από 30 χρόνια περίπου, με στόχο τη συλλογή δεδομένων με υψηλή φασματική ανάλυση, χρησιμοποιώντας ένα μεγάλο αριθμό γειτονικών μη-επικαλυπτόμενων φασματικών περιοχών, σχετικά μικρού πλάτους. Με αυτό τον τρόπο, τα υπερφασματικά συστήματα καλύπτουν σχεδόν με συνεχή τρόπο το ηλεκτρομαγνητικό φάσμα, και όχι σε περιορισμένο άριθμο φασματικών περιοχών, όπως τα πολυφασματικά τηλεπισκοπικά συστήματα (Weidner U., 2005) Παρόλο που αρχικά τα συστήματα αυτά χρησιμοποιούνταν σε γεωλογικές εφαρμογές, στη συνέχεια το πεδίο εφαρμογών τους διευρύνθηκε και πλέον τα προϊόντα που παράγουν χρησιμοποιούνται και σε θέματα αστικού περιβάλλοντος, όπου απαιτείται υψηλή χωρική και φασματική ανάλυση. Ένα διαστημικό υπερφασματικό σύστημα είναι το MODIS. Ο αισθητήρας MODIS αποτελεί διάταξη απόκτησης δεδομένων του δορυφόρου TERRA. Λειτουργεί σε 36 φασματικές περιοχές και έχουν ανάλυση 500m ως 1km. Το πεδίο παρατήρησής του είναι 2.200km και καταγράφει την ίδια περιοχή της γης κάθε 1-2 ημέρες. Άλλα υπερφασματικά συστήματα είναι το Hyperion και το MERIS Ενεργητικά συστήματα τηλεπισκόπησης Σε αντίθεση με τα παθητικά συστήματα τηλεπισκόπησης, τα ενεργητικά συστήματα, πέρα των υπόλοιπων δυνατοτήτων τους, μπορούν να καταγράφουν την ηλεκτρομαγνητική ακτινοβολία, σχεδόν ανεξαρτήτως του φωτισμού και των καιρικών συνθηκών που επικρατούν στην ατμόσφαιρα. Υπάρχουν δύο κατηγορίες ενεργητικών αισθητήρων. Η μία κατηγορία αναφέρεται στα μικροκύματα και είναι τα συστήματα RADAR, τα οποία καταγράφουν την ηλεκτρομαγνητική ακτινοβολία στην περιοχή των μικροκυμάτων. Τα συστήματα RADAR είναι εντελώς ανεξάρτητα από τις καιρικές συνθήκες, καθώς έχουν τη δυνατότητα να την καταγράφουν και μέσα από τα σύννεφα της ατμόσφαιρας. Τα συστήματα Lidar αποτελούν τη δεύτερη κατηγορία ενεργητικών αισθητήρων, που επηρεάζονται ελαφρώς από τις καιρικές συνθήκες. Τα Lidar εκπέμπουν ακτίνες laser, οι οποίες είναι ορατές από το ανθρώπινο μάτι. Χρησιμοποιούνται ιδιαίτερα σε εφαρμογές 21

35 τρισδιάστατης αναπαράστασης του αστικού τοπίου, σε συνδυασμό με δεδομένα θέσης από GPS. Μερικά ενεργητικά τηλεπισκοπικά συστήματα παρουσιάζονται συνοπτικά στον παρακάτω πίνακα. Πίνακας 3.4: Δορυφόροι ραντάρ Ονομασία Χωρική ανάλυση (m) ERS-2 30 RadarSat 1 8,5 ENVISAT 30 ALOS 10 RadarSat 2 3 TerraSar X 1 COSMO Skymed Ψηφιακή εικόνα, βελτίωση και ταξινόμηση Ως ψηφιακή εικόνα ορίζεται μια μορφή δισδιάστατης αναπαράστασης αντικειμένων, η οποία παρουσιάζεται με τη μορφή τόνων ή χρωμάτων. Πιο συγκεκριμένα, η ψηφιακή εικόνα είναι μια δισδιάστατη διάταξη αριθμών. Κάθε στοιχείο κελί της εικόνας ονομάζεται εικονοστοιχείο (pixel) και ο αριθμός που αντιπροσωπεύει τη φωτεινότητά του λέγεται ψηφιακός αριθμός. Η ψηφιακή εικόνα αποτελείται από δεδομένα σε σειρές και στήλες, ενώ η θέση του κάθε εικονοστοιχείου ορίζεται από τη σειρά και τη στήλη του ψηφιακού αριθμού του. Τα δεδομένα της ψηφιακής εικόνας, μπορούν επίσης να έχουν και μια τρίτη διάσταση, τα επίπεδα. Εικόνες που περιέχουν πληροφορίες σε περισσότερα από ένα επίπεδα, καταγράφουν στην ουσία ακριβώς την ίδια σκηνή, αλλά με διαφορετική πληροφόρηση σε κάθε επίπεδο. Στις πολυφασματικές εικόνες, όπως είναι και η εικόνα που μελετήθηκε στη συνέχεια του κεφαλαίου, ως επίπεδα θεωρούνται οι διαφορετικές φασματικές περιοχές του ηλεκτρομαγνητικού φάσματος που καταγράφει ο κάθε αισθητήρας. Τα δεδομένα μιας ψηφιακής εικόνας μπορεί να προέρχονται από τις συγκεκριμένες φασματικές περιοχές του αισθητήρα, ή από άλλες που ορίζονται από τον χρήστη και προέρχονται είτε από βελτίωση είτε από συνδυασμούς των φασματικών περιοχών του αισθητήρα. 22

36 Εικόνα 3.10: Εικονοστοιχείο και φασματικές περιοχές. (Πηγή: Erdas Field guide) Κάθε εικόνα είναι δυνατό να εμφανιστεί σαν ασπρόμαυρη με μονοχρωματική εμφάνιση. Η εμφάνιση αυτή πραγματοποιείται με την μετατροπή των ψηφιακών αριθμών σε ηλεκτρονικά σήματα σε μια σειρά ενεργειακών επιπέδων που δημιουργούν διαφορετικά φωτεινότητα, μεταξύ μαύρου και άσπρου. Στη μονοχρωματική εμφάνιση μιας φασματικής περιοχής, το επίπεδο φωτεινότητας (τόνος του γκρίζου) ενός εικονοστοιχείου αντιστοιχεί στην ανακλώμενη ενέργεια της συγκεκριμένης φασματικής περιοχής. Έτσι, είναι δυνατό μια πολυφασματική εικόνα να εμφανίζεται σε μονοχρωματική απεικόνιση, που αντιστοιχεί σε κάθε μία φασματική περιοχή που καταγράφει ο αισθητήρας. Η έγχρωμη εμφάνιση της ψηφιακής εικόνας στην οθόνη του υπολογιστή βασίζεται στα τρία χρώματα που αντιλαμβάνεται το ανθρώπινο μάτι, δηλαδή το κόκκινο, το πράσινο και το μπλε (r,g,b). Η εμφάνιση των τριών φασματικών περιοχών που αντιστοιχούν στα ορατά μήκη κύματος με το αντίστοιχο χρώμα στην καθεμιά (κόκκινο, πράσινο και μπλε) δίνει ως αποτέλεσμα την έγχρωμη εικόνα πραγματικού χρώματος ή εικόνα RGB Βελτίωση εικόνας Κάθε ψηφιακή εικόνα αποτελεί ουσιαστικά έναν πίνακα μητρώο δεδομένων. Όπως συμβαίνει σε όλους τους μαθηματικούς πίνακες - μητρώα, έτσι και στους πίνακες που αφορούν τις ψηφιακές εικόνες, μπορούν να εκτελεστούν μαθηματικές λειτουργίες στους ψηφιακούς αριθμούς τους. Οι μαθηματικές αυτές λειτουργίες περιλαμβάνονται με τον ευρύτερο όρο στην ψηφιακή επεξεργασία των εικόνων. Η ψηφιακή επεξεργασία περιλαμβάνει τον χειρισμό και την ερμηνεία μιας εικόνας με τη χρήση κατάλληλου λογισμικού μέσω ηλεκτρονικού υπολογιστή. Οι διαδικασίες βελτίωσης εφαρμόζονται στα δεδομένα μιας εικόνας για να εμφανιστούν πιο αποτελεσματικά και να οδηγήσουν σε ορθότερη και ταχύτερη οπτική ερμηνεία, σύμφωνα με όσα αναγνωρίζει το ανθρώπινο μάτι. Περιλαμβάνουν τεχνικές που βελτιώνουν την οπτική διάκριση μεταξύ των χαρακτηριστικών που απεικονίζονται. Μετά από την βελτίωση, δημιουργούνται νέες εικόνες, ασπρόμαυρες ή έγχρωμες, οι οποίες είναι πιο ερμηνεύσιμες για μια συγκεκριμένη εφαρμογή. Διατίθενται πολλές τεχνικές βελτίωσης από τα λογισμικά ηλεκτρονικών υπολογιστών. Η επιλογή της κατάλληλης τεχνικής εξαρτάται από το είδος της εφαρμογής, τη διαθεσιμότητα 23

37 των δεδομένων σε κάθε εικόνα, την εμπειρία, τις γνώσεις και τις προτιμήσεις του αναλυτή. Οι τεχνικές βελτίωσης διαχωρίζονται σε τρεις κατηγορίες, στη ραδιομετρική, στη χωρική, και στη φασματική. Η ραδιομετρική βελτίωση γίνεται βάσει των τιμών των μεμονωμένων εικονοστοιχείων σε κάθε φασματική περιοχή. Η χωρική βελτίωση μιας εικόνας γίνεται βάσει των τιμών των μεμονωμένων εικονοστοιχείων και των γειτονικών τους. Τέλος, η φασματική βελτίωση γίνεται με μετασχηματισμό των τιμών κάθε εικονοστοιχείου με βάση τις φασματικές περιοχές Ταξινόμηση εικόνας Αντικείμενο των μεθόδων ταξινόμησης είναι η αντικατάσταση της οπτικής ανάλυσης των δεδομένων απεικόνισης με ποσοτικές τεχνικές για αυτοματισμό στην αναγνώριση χαρακτηριστικών της εικόνας. Συνήθως, οι μέθοδοι ταξινόμησης περιλαμβάνουν την ανάλυση πολυφασματικών δεδομένων απεικόνισης και την εφαρμογή κανόνων απόφασης, που στηρίζονται στην στατιστική. Οι κανόνες αυτοί στοχεύουν στον καθορισμό της ταυτότητας της κάλυψης του εδάφους για κάθε ένα εικονοστοιχείου της εικόνας. Η ταξινόμηση μπορεί να είναι είτε φασματικού είτε χωρικού προτύπου. Στην πρώτη κατηγορία οι κανόνες καθορισμού της ταυτότητας βασίζονται μόνο στις φασματικές ακτινοβολίες, ενώ στη δεύτερη βασίζονται στα γεωμετρικά σχήματα και στα μεγέθη των δεδομένων απεικόνισης. Σε ότι αφορά τη διαδικασία ταξινόμησης φασματικού προτύπου, διακρίνονται δύο είδη. Η εποπτευόμενη και η μη εποπτευόμενη ταξινόμηση. Η εποπτευόμενη ταξινόμηση ελέγχεται σε μεγάλο βαθμό από τον αναλυτή που μελετά την εικόνα, καθώς εκείνος καθορίζει τη διαδικασία κατηγοριοποίησης των εικονοστοιχείων ανάλογα με τους τύπους της εδαφικής κάλυψης που αναγνωρίζει στην εικόνα. Σ αυτό το είδος ταξινόμησης, ο αναλυτής επιλέγει τον αριθμό των κατηγοριών στις οποίες επιθυμεί να ταξινομηθούν τα εικονοστοιχεία της εικόνας. Για να συμβεί αυτό, μπορεί να αντλεί βοήθεια από αεροφωτογραφίες, τοπογραφικούς χάρτες ή δεδομένα εδάφους. Προκειμένου να ταξινομηθούν τα εικονοστοιχεία της εικόνας, ο αναλυτής χρησιμοποιεί αντιπροσωπευτικές θέσεις δείγματος γνωστών τύπων κάλυψης, οι οποίες ονομάζονται «περιοχές εκπαίδευσης» (training areas). Μία ή περισσότερες περιοχές εκπαίδευσης μπορούν να συνθέσουν ένα αριθμητικό «ερμηνευτικό κλειδί». Κάθε ερμηνευτικό κλειδί αποτελεί ουσιαστικά μία κατηγορία, στην οποία θα ενταχθούν εικονοστοιχεία που διαθέτουν όμοια εδαφική κάλυψη με την περιοχή εκπαίδευσης. Στη συνέχεια, κάθε ένα εικονοστοιχείο συγκρίνεται αριθμητικά με τις κατηγορίες «ερμηνευτικών κλειδιών» και εντάσσεται σε εκείνη που οι φασματικές ιδιότητές του μοιάζουν περισσότερο. Στο τέλος, της διαδικασίας που περιγράφτηκε, η πλειοψηφία των εικονοστοιχείων της εικόνας που μελετάται είναι ταξινομημένα σε κατηγορίες ερμηνευτικά 24

38 κλειδιά, οι οποίες διαθέτουν εικονοστοιχεία με κοινή εδαφική κάλυψη, δηλαδή με παρόμοιες φασματικές ιδιότητες. Η μη εποπτευόμενη ταξινόμηση είναι μια διαδικασία περισσότερο αυτοματοποιημένη από τα λογισμικά ψηφιακής επεξεργασίας εικόνων. Εδώ, τα δεδομένα της εικόνας ταξινομούνται καταρχήν αυτόματα με συνάθροιση σε φυσικές φασματικές ομάδες (clusters) ανάλογα με τα είδη των διαφορετικών εδαφικών καλύψεων που υπάρχουν στη σκηνή. Στη συνέχεια, ο αναλυτής καθορίζει την ταυτότητα εδαφικής κάλυψης αυτών των φασματικών ομάδων, συγκρίνοντας τα ταξινομημένα δεδομένα της εικόνας με δεδομένα αναφοράς στο έδαφος. Η ποιότητα του αποτελέσματος εξαρτάται από τα ίδια τα δεδομένα και από το πώς αυτά μπορούν να κατηγοριοποιηθούν σε τάξεις. Κατά τη μέθοδο αυτή, εναπόκειται στον αναλυτή η ευθύνη για την απόδοση ερμηνείας και νοήματος στις τάξεις που προέκυψαν από το λογισμικό. Άμεση συνέπεια, επομένως είναι η μη εποπτευόμενη ταξινόμηση να είναι χρήσιμη μόνο στην περίπτωση που οι τάξεις μπορούν να ερμηνευθούν κατάλληλα από τον αναλυτή. Συνήθως, η μέθοδος της μη εποπτευόμενης ταξινόμησης χρησιμοποιείται όταν ο αναλυτής δεν διαθέτει επαρκείς πληροφορίες σχετικά με τα δεδομένα του εδάφους πριν από την έναρξη της διαδικασίας. 3.5 Τηλεπισκοπικές μέθοδοι στη μελέτη αστικών περιοχών Η αξιοποίηση των τηλεπισκοπικών μεθόδων στη μελέτη του αστικού περιβάλλοντος είναι πολύ μεγάλη. Μια πληθώρα θεμάτων που αφορούν τις σύγχρονες πόλεις μελετώνται μέσω των τηλεπισκοπικών δεδομένων εδώ και πολλά χρόνια. Στις ενότητες που ακολουθούν, περιγράφονται μερικές από τις πιο συχνές εφαρμογές των τηλεπισκοπικών μεθόδων στο αστικό περιβάλλον, όπως είναι η αστικοποίηση, το φαινόμενο της αστικής θερμικής νησίδας, η χαρτογράφηση αστικών περιοχών και άλλα. Επίσης, αναφέρονται και νέες τάσεις της επιστήμης της τηλεπισκόπησης που χρησιμοποιούνται για την μελέτη και την παρακολούθηση των σύγχρονων πόλεων Αστικοποίηση Η αστικοποίηση είναι ένα φαινόμενο που εμφανίζεται όλο και πιο έντονο με την πάροδο του χρόνου. Αποτελεί τη διαδικασία εκείνη κατά την οποία ο αστικός ιστός εξαπλώνεται και οι περιαστικές περιοχές μετατρέπονται γρήγορα σε αστικές. Άμεσο αποτέλεσμα της παραπάνω διαδικασίας είναι η αύξηση του πληθυσμού, καθώς και η επέκταση πολλών δραστηριοτήτων και υπηρεσιών των πόλεων, προκειμένου να εξυπηρετηθούν οι κάτοικοι των νέων περιοχών. Από τον Durieux L. (2008), προκειμένου να μελετηθεί η αστικοποίηση, παρακολουθήθηκε με τηλεπισκοπικά δεδομένα η δόμηση στην αστική επέκταση μιας κατοικημένης περιοχής. Η συγκεκριμένη περιοχή είναι ένα ηφαιστειογενές νησί του Ινδικού ωκεανού που βρίσκεται ανατολικά της Μαδαγασκάρης (La Réunion). Η έκτασή του είναι km 2 και ο πληθυσμός του φτάνει τις Το μεγαλύτερο μέρος του πληθυσμού είναι συγκεντρωμένο στις 25

39 παράκτιες περιοχές, όπου αναπτύσσεται και μια πληθώρα οικονομικών δραστηριοτήτων. Για τον λόγο αυτό, μελετήθηκαν εκτενέστερα 3 παράκτιες περιοχές του νησιού. Εικόνα 3.11: Η ευρύτερη περιοχή μελέτης στον Ινδικό ωκεανό (Πηγή: Durieux L. et al., 2008) Εικόνα 3.12: Οι 3 οικισμοί (A, B, C) του νησιού που μελετήθηκαν (Πηγή: Durieux L. et al., 2008) Κατά την περίοδο , η επέκταση των αστικών περιοχών στην περιοχή μελέτης άγγιξε σε ποσοστό το 157%. Κατά συνέπεια, οι ελεύθεροι ανοιχτοί χώροι και οι καλλιεργήσιμες εκτάσεις του νησιού μετατράπηκαν με γρήγορους ρυθμούς σε κατοικημένες 26

40 εκτάσεις, προσαρτημένες στα ήδη υπάρχοντα αστικά κέντρα. Το γεγονός αυτό καθιστά τον έλεγχο της επέκτασης των πόλεων ως ένα μείζον ζήτημα της χώρας κατά την τελευταία 20ετία. Χρησιμοποιήθηκαν τηλεπισκοπικά δεδομένα για τη μελέτη του φαινομένου της ραγδαίας εξάπλωσης των κατοικημένων περιοχών, και κατ επέκταση και της μείωσης των «πράσινων» εκτάσεων του νησιού και ειδικότερα: εικόνες του δορυφόρου SPOT 5 Supermode, ο οποίος χρησιμοποιείται πολύ συχνά σε θέματα περιβάλλοντος και βιώσιμης ανάπτυξης, παρακολούθησης ανθρώπινων δραστηριοτήτων και φυσικών καταστροφών. Η βελτιωμένη χωρική ανάλυση των 2,5m και το ευρύ οπτικό πεδίο που καλύπτει ο αισθητήρας (60 x 60 km), καθιστούν τον δορυφόρο SPOT 5 αποτελεσματικό εργαλείο για εφαρμογές όπως ο σχεδιασμός αστικών και καλλιεργήσιμων περιοχών, η χαρτογράφηση σε κλίμακες μεσαίου μεγέθους (1: και 1:10.000) και η διαχείριση φυσικών καταστροφών (Πηγή: CNES). Οι δορυφορικές εικόνες που χρησιμοποιήθηκαν προήλθαν από τη συγχώνευση τεσσάρων εικόνων: μίας παγχρωματικής (0,51-0,73 μm) με 2,5m χωρική ανάλυση και τριών πολυφασματικών (0,5-0,59 μm, 0,61-0,68 μm και 0,79-0,89 μm) με 10m χωρική ανάλυση. Με στόχο την καλύτερη ερμηνεία των εικόνων, ακολούθησε επεξεργασία των εικόνων αυτών. Αρχικά, έγινε η ανίχνευση των νεφών και η αφαίρεσή τους, ώστε να προκύψει μία καθαρή εικόνα. Η επεξεργασία αυτή έγινε με το λογισμικό Definiens (2007). Στη συνέχεια, έγινε συνένωση τμημάτων της εικόνας της περιοχής μελέτης όπου δεν είχαν αφαιρεθεί πλήρως τα νέφη από δορυφορικές εικόνες διαφορετικών χρονολογιών για να υπάρχει πλήρης εικόνα της περιοχής. Η ανίχνευση των κτιριακών κατασκευών έγινε με αντικειμενοστραφή ανάλυση. Εικόνα 3.13: Εικόνα του SPOT 5 Supermode μετά από συγχώνευση Εικόνα 3.14: Τμηματοποίηση με 2,5m χωρική ανάλυση (Πηγή: Durieux L. et al., 2008) 27

41 Εικόνα 3.15: Ανίχνευση των κτιρίων (με κόκκινο χρώμα) (Πηγή: Durieux L. et al., 2008) Επίσης, για λόγους αξιολόγησης της αναγνώρισης των αντικειμένων από τις δορυφορικές εικόνες, χρησιμοποιήθηκαν και τοπογραφικοί χάρτες από το έτος 1997 σε κλίμακα 1: Από το παραπάνω σύνολο δεδομένων, μελετήθηκε η αστική εξάπλωση και οι αλλαγές που προέκυψαν στην περιοχή μελέτης για το χρονικό διάστημα Τα αποτελέσματα της εφαρμογής των εικόνων στην περιοχή μελέτης, έδειξαν την αστική εξάπλωση που σημειώθηκε στο νησί από το 1997 ως το 2003 (Εικόνα 3.16). Ανιχνεύτηκαν συνολικά πολύγωνα από τις δορυφορικές εικόνες. Σε αυτά, εντοπίστηκαν νέα κτίρια κατά την περίοδο μελέτης, γεγονός που σημαίνει ότι κατασκευάζονταν νέα κτίρια κάθε χρόνο. Λαμβάνοντας υπόψη ότι κάθε ένα από τα νέα κτίρια περιτριγυρίζεται από 0,6 εκτάρια ελεύθερου ανοιχτού χώρου, καθώς και ότι ο συνολικός αριθμός των νέων αυτών κατασκευών χτίστηκαν σε χρονικό διάστημα 6 χρόνων ( ), υπολογίστηκε η μέση έκταση αστικής εξάπλωσης ως 954,4 εκτάρια/έτος. Ο ρυθμός εξάπλωσης των αστικών κέντρων στην περιοχή μελέτης είναι πολύ υψηλότερος από προηγούμενη μελέτη που διεξήχθη στην ίδια περιοχή (Lagabrielle et al., 2007) και υπολογίζεται ότι αυξήθηκε κατά 707 εκτάρια ανά έτος από το 1989 έως το

42 Εικόνα 3.16: Τα νέα κτίρια στα τρία σημεία του νησιού σημειωμένα με μαύρο περίγραμμα (Πηγή: Durieux L. et al., 2008) Επίσης, εκτός από την ανίχνευση των νέων κατασκευών στην επέκταση της αστικής δόμησης, για την μελέτη της αστικοποίησης μπορεί να ερευνηθεί και η επέκταση των αστικών περιοχών ως σύνολο της νέας γης που εισχωρεί στον αστικό ιστό. Το φαινόμενο αυτό μελετήθηκε από τους Kaya S. και Curran P.J. το 2005 για το τμήμα της Κωνσταντινούπολης που ανήκει στην ευρωπαϊκή ήπειρο. Η πόλη συγκεντρώνει συνολικά το 38% της βιομηχανικής δραστηριότητας και το 55% της εμπορικής δραστηριότητας της Τουρκίας. Στο 29

43 σύνολό της έχει έκταση 2.238,6 km 2, ενώ το ευρωπαϊκό τμήμα που μελετήθηκε καλύπτει km 2. Ο πληθυσμός της πόλης υπερδιπλασιάστηκε σε λιγότερο από 20 χρόνια ( ). Παρουσιάζει αύξηση πληθυσμού σε ποσοστό 3,8% ανά έτος, γεγονός που οφείλεται στην μαζική εσωτερική μετανάστευση της χώρας από τις αγροτικές περιοχές. Ο νέος πληθυσμός εγκαθίσταται κυρίως στη δυτική και στη βόρεια πλευρά της πόλης, με αποτέλεσμα εκεί να παρουσιάζεται ταχύτατη αστικοποίηση και να απαιτείται ο έγκαιρος και ολοκληρωμένος έλεγχός της. Εικόνα 3.17: Η περιοχή μελέτης από χάρτη (πάνω) και από εικόνα Landsat (1997) (Πηγή: Kaya and Curran, 2005) 30

44 Για τη μελέτη αυτή χρησιμοποιήθηκαν δορυφορικές εικόνες από 4 διαφορετικές χρονολογίες, με στόχο την παρακολούθηση των αλλαγών στις χρήσεις γης της περιοχής μελέτης. Οι εικόνες αυτές προέρχονται από δορυφόρους Landsat. Συγκεκριμένα, χρησιμοποιήθηκαν τρεις εικόνες από τον Landsat 5 ΤΜ, από τα έτη 1987, 1992, 1997, και μία εικόνα από τον Landsat 7 ETM+ από το έτος Επίσης, χρησιμοποιήθηκαν και δεδομένα από αεροφωτογραφίες και τοπογραφικούς χάρτες της περιοχής (1996) και από στατιστικά πληθυσμιακά στοιχεία ( ), με στόχο την σύνδεση της αστικοποίησης με τον ρυθμό αύξησης του πληθυσμού. Η επεξεργασία και η ερμηνεία των δεδομένων περιλαμβάνει την αναγωγή και την ταξινόμηση. Συγκεκριμένα, έγινε αναγωγή των δορυφορικών εικόνων και των αεροφωτογραφιών σε κοινό σύστημα συντεταγμένων UTM, με 48 σημεία ελέγχου και με εκτιμώμενη ακρίβεια ±0,5 pixel. Για το σκοπό αυτό χρησιμοποιήθηκε η μέθοδος του μετασχηματισμού με πολυώνυμο α βαθμού και η μέθοδος της εγγύτατης γειτνίασης. Εικόνα 3.18: Δορυφορική εικόνα Landsat της ευρύτερης περιοχής μελέτης (1997) (Πηγή: Kaya and Curran, 2005) 31

45 Εικόνα 3.19: Αεροφωτογραφίες της περιοχής μελέτης (1996). (Πηγή: Kaya and Curran, 2005) Στη συνέχεια, ακολούθησε μη εποπτευόμενη ταξινόμηση με τη βοήθεια του λογισμικού ISODATA. Η ταξινόμηση έγινε κατατάσσοντας το κάθε pixel των εικόνων, ανάλογα με την φασματική περιοχή που βρίσκεται, σε κατηγορίες που ορίζουν τις χρήσεις γης στην περιοχή (Πίνακας 3.5). Για απλούστευση της διαδικασίας έγινε συνένωση κατηγοριών που περιγράφουν παρόμοιες χρήσεις γης (Θάλασσα και Λίμνες - δεξαμενές νερού, Δάση και καλλιεργημένες εκτάσεις). Πίνακας 3.5: Χρήσεις γης στην περιοχή μελέτης 32

46 Από τη σύγκριση των αποτελεσμάτων των εικόνων της περιόδου , διαπιστώθηκαν τα εξής: Η έκταση που καλύπτεται από νερό αυξήθηκε κατά εκτάρια, γεγονός που οφείλεται στην άνοδο της στάθμης του νερού σε δύο λίμνες της ευρύτερης περιοχής. Παράλληλα, υπήρξε ανεξέλεγκτη εξάπλωση των ορυχείων και δημιουργία μεγάλων αυτοκινητόδρομων, με άμεσο αποτέλεσμα τη μείωση των δασικών και καλλιεργήσιμων εκτάσεων και την έντονη διάβρωση της ακτογραμμής. Η αστική περιοχή αυξήθηκε κατά 28,5% μεταξύ 1987 και 1992 και κατά 70,65% μεταξύ 1992 και Αξιοσημείωτη είναι η μείωση του ρυθμού αυτού κατά την περίοδο (έφτασε το 3,43%), άμεση συνέπεια του καταστροφικού σεισμού του Συνολικά, η έκταση της ευρωπαϊκής Κωνσταντινούπολης αυξήθηκε κατά 126,7% ( εκτάρια) στην περίοδο μελέτης, ενώ ο πληθυσμός της σχεδόν διπλασιάστηκε και άγγιξε τους κατοίκους. Πίνακας 3.6: Οι μεταβολές που υπέστησαν οι χρήσεις γης στην περιοχή μελέτης ( ) (Πηγή: Kaya and Curran, 2005) Χρήσεις γης Μεταβολές (εκτάρια) Νερό Ορυχεία δρόμοι «Πράσινες» εκτάσεις Γυμνό έδαφος Κατοικημένες περιοχές Βιομηχανία - εμπόριο α. β. 33

47 γ. δ. Εικόνα 3.20: Εικόνες Landsat (αριστερά) και εικόνες μετά από την ταξινόμηση (δεξιά) για τα έτη: α) 1987, β) 1992, γ) 1997, δ)2001 (Πηγή: Kaya and Curran, 2005) 34

48 3.5.2 Χαρτογράφηση αστικών περιοχών Η χαρτογράφηση των αστικών περιοχών αποτελεί μία συχνή εφαρμογή των μεθόδων τηλεπισκόπησης στο αστικό περιβάλλον. Μέσω των τηλεπισκοπικών αισθητήρων και μετά από κατάλληλη επεξεργασία των τηλεπισκοπικών δεδομένων είναι δυνατό να αποτυπωθεί το αστικό τοπίο σε μορφή χάρτη. Μία εφαρμογή χαρτογράφησης έγινε το 2010 από τον Bhaskaran S. σε ένα τμήμα της πόλης της Νέας Υόρκης. Συγκεκριμένα οι περιοχές οι οποίες χαρτογραφήθηκαν είναι η περιοχή Queens και το Brooklyn. Στην περιοχή υπάρχουν τόσο πυκνοδομημένες γειτονιές, όσο και αραιά κτισμένα οικοδομικά τετράγωνα. Επίσης, υπάρχουν αρκετοί ελεύθεροι ανοιχτοί χώροι και πράσινο. Το ποτάμι East River χωρίζει την περιοχή μελέτης σε δύο τμήματα. Στο βόρειο τμήμα κυριαρχούν οι πυκνοδομημένες γειτονιές κατοικιών με αρκετό πράσινο ανάμεσα τους, ενώ επίσης υπάρχουν και αρκετά πάρκα. Στο βορειοδυτικό τμήμα της περιοχής μελέτης υπάρχουν κυρίως βιομηχανικά κτίρια με ελαφριά βλάστηση ανάμεσα τους, ενώ στο νότιο τμήμα υπάρχουν τόσο βιομηχανικά κτίρια όσο και κατοικίες. Εικόνα 3.21: Η περιοχή που χαρτογραφήθηκε, τμήμα της Νέας Υόρκης (Πηγή: Bhaskaran S. et al., 2010) 35

49 Εικόνα 3.22: Δορυφορική εικόνα RGB της περιοχής μελέτης (Πηγή: Bhaskaran S. et al., 2010) Για την χαρτογράφηση της παραπάνω περιοχής χρησιμοποιήθηκαν δορυφορικές εικόνες του δορυφόρου Ikonos. Ο δορυφόρος πολύ υψηλής ανάλυσης (VHR) συλλέγει παγχρωματική απεικόνιση με χωρική ανάλυση 0,82m και πολυφασματική απεικόνιση με χωρική ανάλυση 3,2m. Χρησιμοποιείται ιδιαίτερα σε χαρτογράφηση αστικών περιοχών και καλλιεργημένων εκτάσεων, σε θέματα εθνικής ασφάλειας καθώς και στην αποτίμηση φυσικών καταστροφών. Συγκεκριμένα, χρησιμοποιήθηκε μία ορθοανηγμένη εικόνα από την οποία είχαν αφαιρεθεί τα σύννεφα (Πηγή: GeoEye). Προτού ακολουθήσει η επεξεργασία της εικόνας, έγινε αναγωγή στο διεθνές σύστημα συντεταγμένων (UTM). Επίσης, χρησιμοποιήθηκαν και πληροφορίες για της χρήσεις γης της περιοχής μελέτης με στόχο την ορθότερη χαρτογράφηση, καθώς επίσης και αεροφωτογραφίες, χάρτης δρόμων και κτιρίων κ.α. Εφαρμόστηκαν δύο μέθοδοι ταξινόμησης στην περιοχή μελέτης, η οποία χωρίστηκε σε 7 κατηγορίες ανάλογα με το είδος χρήσης. Οι κατηγορίες είναι οι εξής: νερό, γυμνό έδαφος, καλλιεργημένες εκτάσεις, κόκκινες στέγες, σκιές, δέντρα, λευκές οροφές και γκρι οροφές κτιρίων. Αρχικά, εφαρμόστηκε εποπτευόμενη ταξινόμηση σε ολόκληρη την περιοχή. Στη συνέχεια, έγινε σύγκριση του αποτελέσματος που προέκυψε με φωτογραφίες της περιοχής από έδαφος και από αέρα και διαπιστώθηκε ότι η μέθοδος είχε μεγάλη ακρίβεια σε όλες τις χρήσεις, εκτός από τις καλλιεργημένες εκτάσεις και τις λευκές οροφές κτιρίων. Με στόχο τη βελτίωση της ακρίβειας στη χαρτογράφηση, σε αυτές τις δύο κατηγορίες χρήσεων εφαρμόστηκε και η αντικειμενοστραφής ταξινόμηση. Έγινε αρχικά τμηματοποίηση γειτονικών pixels της εικόνας σε περιοχές με ομοιόμορφα χαρακτηριστικά. Έτσι διαιρέθηκε σε ομογενείς και μη-τεμνόμενες περιοχές, οι οποίες συνδυάζουν φασματικές πληροφορίες και όχι μόνο. Η 36

50 διαδικασία αυτή οδηγεί στην ανίχνευση των χαρακτηριστικών στην εικόνα με πολύ μεγάλη ακρίβεια στο αποτέλεσμα. Εικόνα 3.23: Εικόνα μετά από την ταξινόμηση σε 7 κατηγορίες διαφορετικών χρήσεων (Πηγή: Bhaskaran S. et al., 2010) Εικόνα 3.24: Εικόνα μετά από την αντικειμενοστραφή ταξινόμηση (Πηγή: Bhaskaran S. et al., 2010) 37

51 Μία ακόμα εφαρμογή χαρτογράφησης αστικής περιοχής έγινε από τον Samadzadegan F. (2008) μετά από ένα καταστροφικό φαινόμενο, προκειμένου να εντοπιστούν τα κατεστραμμένα κτίρια και να απεικονιστούν σε μορφή χάρτη. Η περιοχή η οποία χαρτογραφήθηκε είναι η πόλη Bam στο Ιράν. Στην πόλη σημειώθηκε ισχυρός σεισμός στις 26 Δεκεμβρίου 2003, από τον οποίο καταστράφηκαν πολλά κτίρια. Για την χαρτογράφηση της περιοχής χρησιμοποιήθηκαν δορυφορικές εικόνες πριν και μετά από τον σεισμό (Σεπτέμβριος 2003 και Ιανουάριος 2004). Οι εικόνες αυτές προέρχονται από τον δορυφόρο πολύ υψηλής ανάλυσης (VHR) QuickBird, ο οποίος συλλέγει δεδομένα με χωρική ανάλυση 2,44m στο πολυφασματικό και 0,61m στο παγχρωματικό. Λόγω της πολύ υψηλής ανάλυσης που προσφέρει και της ιδιαίτερα μικρής συχνότητας επανόδου (1-3,5 ημέρες ανάλογα με το γεωγραφικό πλάτος), οι εικόνες του θεωρούνται κατάλληλες για την διαχείριση καταστροφικών φαινομένων, τη διάσωση ανθρώπων και την ανακατασκευή των κατεστραμμένων κτιρίων. Επίσης, χρησιμοποιήθηκε και χάρτης της περιοχής κλίμακας 1: Για την ερμηνεία των εικόνων και την χαρτογράφηση της περιοχής μελέτης, έγινε επεξεργασία των εικόνων με γενετικούς αλγορίθμους και με fuzzy system. Από την ερμηνεία του χάρτη της περιοχής, ανιχνεύτηκαν 1137 κτίρια (4 από αυτά δεν εξετάστηκαν λόγω πολύ μικρού μεγέθους). Τα κτίρια αυτά μετά από την ταξινόμηση κατηγοριοποιήθηκαν ως εξής: «Καθόλου έως αμελητέες ζημιές», «Μέτριες ζημιές», «Σοβαρές ζημιές», «Ολοσχερώς κατεστραμμένα κτίρια». Εικόνα 3.25: Δορυφορική εικόνα της περιοχής μελέτης πριν από τον σεισμό (Πηγή: Samadzadegan F., 2008) 38

52 Εικόνα 3.26: Δορυφορική εικόνα της περιοχής μελέτης μετά από τον σεισμό (Πηγή: Samadzadegan F., 2008) Πίνακας 3.7: Τα κτίρια που εξετάστηκαν στην περιοχή μελέτης (Πηγή: Samadzadegan F., 2008) Αριθμός κτιρίων Ποσοστό (%) Καθόλου έως αμελητέες ζημιές ,30 Μέτριες ζημιές ,36 Σοβαρές ζημιές ,80 Ολοσχερώς κατεστραμμένα κτίρια ,54 ΣΥΝΟΛΟ Σύμφωνα με τα αποτελέσματα της έρευνας, στην περιοχή μελέτης η πληθώρα των κτιρίων είτε παρουσιάζει σοβαρές ζημιές, είτε έχει καταστραφεί ολοσχερώς. Το ποσοστό των κτιρίων αυτών αγγίζει το 64,34%. 39

53 Εικόνα 3.27: Ο χάρτης των «κατεστραμμένων» κτιρίων στην περιοχή μελέτης (Πηγή: Samadzadegan F., 2008) Το φαινόμενο της αστικής θερμικής νησίδας Το φαινόμενο της αστικής θερμικής νησίδας αποτελεί την αύξηση της θερμοκρασίας του ατμοσφαιρικού αέρα στο κέντρο των πόλεων σε σχέση με τις περιαστικές περιοχές. Είναι ένα φαινόμενο που εμφανίζεται σε όλες τις πόλεις του κόσμου, σε άλλες περισσότερο και σε άλλες λιγότερο. Τα χαρακτηριστικά που καθορίζουν την ένταση του φαινομένου είναι ο πληθυσμός και το μέγεθος των πόλεων, καθώς και οι δραστηριότητες (εμπορικές, οικονομικές δραστηριότητες και μετακινήσεις) που αναπτύσσονται σε κάθε αστική περιοχή. Η αστική θερμική νησίδα μπορεί να μελετηθεί μέσω τηλεπισκοπικών δεδομένων και, μετά από κατάλληλη επεξεργασία τους, είναι δυνατό να υπολογιστεί η ένταση του φαινομένου. Μια τέτοια μελέτη έγινε από τους Yuan F. και Bauer M.E. το 2006 στην περιοχή των επτά επαρχιών των Δίδυμων πόλεων της Μινεσότα (Twin Cities Metropolitan Area of Minnesota), συνολικής έκτασης km 2. Το ιδιαίτερο χαρακτηριστικό της περιοχής είναι οι περισσότερες από 900 λίμνες, οι χιλιάδες υγρότοποι και τα 3 ποτάμια που την διατρέχουν. 40

54 Υπάρχουν, επίσης, κατοικημένες περιοχές (33%), αγροτικές εκτάσεις (40%) και δάση (14%). Ο πληθυσμός της περιοχής αυξάνεται συνεχώς τις τελευταίες δεκαετίες, με αποτέλεσμα την μεγάλη επέκταση του αστικού τοπίου. Εικόνα 3.28: Η περιοχή μελέτης του φαινομένου της αστικής νησίδας (Πηγή: Yuan F. and Bauer M.E., 2007) Εικόνες του δορυφόρου Landsat χρησιμοποιήθηκαν για να δημιουργηθούν «χάρτες» της περιοχής μελέτης που απεικονίζουν είτε τις θερμοκρασίες του εδάφους (Εικόνα 3.29) είτε τον συνδυασμό αδιαπέρατων επιφανειών και εκτάσεων βλάστησης (Εικόνα 3.30). Χρησιμοποιήθηκαν τέσσερις δορυφορικές εικόνες σε ημερομηνίες που να αντιπροσωπεύουν τις εποχές ενός έτους. Συγκεκριμένα, δύο από τις εικόνες αυτές προέρχονται από τον Landsat 5 (16 Ιουλίου 2002 και 12 Σεπτεμβρίου 2000) και δύο από τον Landsat 7 (27 Φεβρουαρίου 2001 και 21 Μαΐου 2002). Έγινε αναγωγή των δορυφορικών εικόνων σε κοινό σύστημα συντεταγμένων UTM και ακολούθησε σύνδεσή τους με τοπογραφικούς χάρτες της περιοχής μελέτης, χρησιμοποιώντας 60 σημεία ελέγχου. Το φάσμα της υπέρυθρης ακτινοβολίας καταγράφουν οι δορυφόροι Landsat 5 και Landsat 7 είναι 10,4μm ως 12,5 μm. Η ακτινοβολία αυτή με τη χρήση εξισώσεων μετατράπηκε αρχικά σε θερμοκρασία εδάφους μετρημένη σε βαθμούς της κλίμακας Kelvin για κάθε pixel των 41

55 εικόνων, όπως παρουσιάζεται στην εικόνα Στη συνέχεια, η υπέρυθρη ακτινοβολία των δορυφορικών εικόνων μετατράπηκε μέσω εξισώσεων σε δείκτες βλάστησης και αδιαπέρατων επιφανειών σε μία κλίμακα από -1 ως 1 (Εικόνα 3.30). Οι αρνητικές τιμές της κλίμακας υποδεικνύουν εκτάσεις που δεν καλύπτονται από βλάστηση, όπως νερό, «γυμνές περιοχές», σύννεφα και χιόνι, ενώ οι θετικές τιμές υποδεικνύουν εκτάσεις που καλύπτονται από βλάστηση. Την άνοιξη οι θερμοκρασίες που καταγράφτηκαν κυμαίνονται από 276 ως 306 βαθμούς Kelvin (2-32 C), με τις ψηλότερες θερμοκρασίες να σημειώνονται στο κέντρο της βιομηχανικής δραστηριότητας της περιοχής μελέτης καθώς και στις αγροτικές εκτάσεις που καλλιεργήθηκαν πρόσφατα (εικόνα 3.29α). Στη θερμή καλοκαιρινή περίοδο, παρατηρήθηκαν έντονες θερμοκρασιακές διαφορές μεταξύ αστικών και αγροτικών περιοχών, όπως φαίνεται στην εικόνα 3.29β, που έφτασαν μέχρι και τους 24 βαθμούς Kelvin. Από τη μελέτη των θερμοκρασιών της καλοκαιρινής περιόδου, αποδείχτηκε ότι υπάρχουν σημεία που παρουσιάζουν πολύ υψηλές θερμοκρασίες. Τα σημεία αυτά είναι τα αστικά κέντρα της Μινεάπολις και του Αγ. Παύλου, το αεροδρόμιο και οι μεγάλοι αυτοκινητόδρομοι της περιοχής. Κατά τη φθινοπωρινή περίοδο (εικόνα 3.29γ), τα αποτελέσματα των θερμοκρασιών ήταν παρόμοια με αυτά της άνοιξης, όμως οι αντίστοιχες ακτινοβολίες από τις οποίες προήλθαν ήταν διαφορετικές. Αυτό συνέβη κυρίως στις αγροτικές περιοχές, όπου οι «πράσινες» εκτάσεις έχουν χαμηλότερες θερμοκρασίες την άνοιξη σε σχέση με το φθινόπωρο. Οι θερμοκρασίες της χειμερινής περιόδου κυμαίνονται από 252 ως 283 βαθμούς Kelvin (-22 ως 9 C), όπως φαίνεται στην εικόνα 3.29δ. Και πάλι κατά την περίοδο αυτή το κέντρο της πόλης και οι μεγάλοι αυτοκινητόδρομοι ήταν πιο θερμοί από τις τριγύρω αγροτικές περιοχές που καλύφτηκαν από χιόνι. Στη συνέχεια, ακολούθησε σύγκριση των παραπάνω αποτελεσμάτων με δεδομένα θερμοκρασιών από μετεωρολογικούς σταθμούς της περιοχής. Οι θερμοκρασίες που προήλθαν από την επεξεργασία των δορυφορικών εικόνων είναι μεγαλύτερες από τις θερμοκρασίες των μετεωρολογικών σταθμών κατά 6 βαθμούς Kelvin το καλοκαίρι και κατά 3 βαθμούς Kelvin το χειμώνα. Οι διαφορές αυτές είναι απόλυτα λογικές, επειδή οι θερμοκρασίες της επιφάνειας του εδάφους είναι υψηλότερες από τις θερμοκρασίες της ατμόσφαιρας που καταγράφουν οι μετεωρολογικοί σταθμοί. 42

56 Εικόνα 3.29: Η θερμοκρασία της επιφάνειας του εδάφους για τις 4 εποχές του έτους, από εικόνες Landsat. (Πηγή: Yuan F. and Bauer M.E., 2007) Οι δείκτες που υποδεικνύουν την ύπαρξη βλάστησης ή αδιαπέρατων επιφανειών απεικονίζονται στην εικόνα Στο σημείο αυτό πρέπει να τονιστεί ότι οι αρνητικές τιμές της κλίμακας υποδεικνύουν εκτάσεις που δεν καλύπτονται από βλάστηση, ενώ οι θετικές τιμές υποδεικνύουν «πράσινες» εκτάσεις. Κατά την περίοδο της άνοιξης, οι τιμές κυμαίνονται μεταξύ -0,59 και 0,62, με την τιμή που κυριαρχεί να είναι -0,02. Οι τιμές της βλάστησης την εποχή αυτή είναι υψηλότερες σε σχέση με το καλοκαίρι που υπάρχει ξηρασία λόγω των ιδιαίτερα μεγάλων θερμοκρασιών. Για την εποχή του φθινοπώρου, οι δείκτες ακολουθούν κανονική κατανομή με σταθερή μείωση του πράσινου από τον Ιούλιο ως τον Σεπτέμβριο, ενώ τον χειμώνα κυριαρχούν οι αρνητικές τιμές, εξ αιτίας της ύπαρξης στρώματος χιονιού πάνω από το έδαφος. 43

57 Εικόνα 3.30: Οι δείκτες βλάστησης αδιαπέρατων επιφανειών για τις 4 εποχές του έτους (Πηγή: Yuan F. and Bauer M.E., 2007) Μεταξύ θερμοκρασίας εδάφους και αδιαπέρατων επιφανειών υπάρχει γραμμική σχέση, σύμφωνα με την οποία η θερμοκρασία αυξάνεται όσο αυξάνεται το ποσοστό μη διαπερατότητας του υλικού της επιφάνειας του εδάφους. Αντίθετα, η σχέση θερμοκρασιών και περιοχών βλάστησης δεν είναι γραμμική, αλλά εξαρτάται αυστηρά και μόνο από τη εποχή του έτους, η οποία καθώς αλλάζει επηρεάζει και τα επίπεδα βλάστησης στο έδαφος Δεδομένα του φωτισμού κατά τη διάρκεια της νύχτας Μία ακόμα εφαρμογή των τηλεπισκοπικών μεθόδων είναι η συλλογή δεδομένων κατά τη διάρκεια της νύχτας και η ερμηνεία τους ανάλογα με τον φωτισμό που καταγράφεται στην 44

58 επιφάνεια της γης. Ο φωτισμός αυτός είτε είναι σταθερός, όπως είναι στις κατοικημένες περιοχές, είτε προέρχεται από πρόσκαιρες πηγές εκπομπής, όπως είναι οι πυρκαγιές, η καύση ξύλου ή άλλων υλικών, τα πλοία και άλλα. (Elvidge et al., 2009). Η ερμηνεία των χαρακτηριστικών του φωτισμού που καταγράφεται από τους αισθητήρες οδηγεί σε συμπεράσματα για την προέλευσή τους. Οι αισθητήρες που καταγράφουν τον τεχνητό νυχτερινό φωτισμό ανήκουν στο Αμυντικό Μετεωρολογικό Δορυφορικό Πρόγραμμα των Η.Π.Α. (Defense Meteorological Satellite Program - DMSP). Διαθέτουν σύστημα γραμμικής σάρωσης το οποίο ανιχνεύει ασθενείς πηγές εκπομπής φωτός στο ορατό και στο εγγύς υπέρυθρο με χωρική ανάλυση 1 km (Zhang and Seto, 2011). Η ικανότητα αυτή των αισθητήρων DMSP τους καθιστά ικανούς να χαρτογραφούν τις εκπομπές από τα νυχτερινά φώτα που προέρχονται από ανθρωπογενείς δραστηριότητες στις αστικές περιοχές. Ο φωτισμός αυτός αναγνωρίζεται εξαιτίας της χρονικής συχνότητάς και της σταθερότητάς του. Εικόνα 3.31: Το Las Vegas από αισθητήρα νυχτερινού φωτισμού (αριστερά) και από λήψη κατά τη διάρκεια της ημέρας (δεξιά). (Πηγή: Doll C., 2008) Η μέθοδος καταγραφής και ερμηνείας του νυχτερινού φωτισμού είναι κατάλληλη για την παρακολούθηση της αστικής εξάπλωσης. Η μέτρηση του μεγέθους των οικιστικών περιοχών 45

59 από νυχτερινές δορυφορικές εικόνες μπορεί επίσης να οδηγήσει και στην εκτίμηση του πληθυσμού τους. Ωστόσο η συσχέτιση αυτή χρήζει ιδιαίτερης προσοχής λόγω της διαφορών στις κοινωνικο-οικονομικές συνθήκες και στον οικιστικό ιστό κάθε κατοικημένης περιοχής. Μία ιδιαίτερη εφαρμογή της καταγραφής του τεχνητού φωτισμού κατά τη διάρκεια της νύχτας αποτελεί και ο υπολογισμός της πυκνότητας του πληθυσμού μιας περιοχής ανάλογα με την ένταση του φωτός που εκπέμπει. Υπάρχει, όμως, μία βασική διαφορά ανάμεσα στα μεγάλα αστικά κέντρα και στις μικρότερες επαρχιακές πόλεις. Στις μεγάλες πόλεις, οι περιοχές στις οποίες καταγράφεται η μεγαλύτερη ένταση φωτισμού είναι τα κέντρα των πόλεων, όπου δεν κατοικεί η πλειοψηφία του πληθυσμού. Οι περιοχές αυτές αποτελούν τα εμπορικά και οικονομικά κέντρα των πόλεων, όπου ο πληθυσμός από τις περιοχές κατοικίας συρρέει εκεί κατά τις πρωινές ώρες για λόγους εργασίας και χρήσης των υπηρεσιών που προσφέρουν. Αντίθετα, στις μικρότερες πόλεις, οι περιοχές όπου καταγράφεται η μεγαλύτερη ένταση του φωτός, είναι και οι πιο πυκνοκατοικημένες περιοχές. Σαν επέκταση, λοιπόν, της προηγούμενης εφαρμογής είναι δυνατό να εκτιμηθεί και η οικονομική δραστηριότητα μιας περιοχής, συνδέοντας την ένταση του φωτισμού με το κατά κεφαλή ακαθάριστο εγχώριο προϊόν. Μειονέκτημα αποτελεί το γεγονός ότι εκτιμάται η οικονομική δραστηριότητα μιας περιοχής μόνο από τον φωτισμό, καθιστώντας τη μέθοδο ιδιαίτερα αποτελεσματική στις αναπτυγμένες χώρες, όπου το 90% της οικονομικής δραστηριότητας προέρχεται από τη βιομηχανία και τις υπηρεσίες. Αντίθετα, σε χώρες που μεγάλο τμήμα της οικονομίας τους στηρίζεται στη γεωργία, καθώς οι καλλιεργήσιμες εκτάσεις δεν φωτίζονται, η μελέτη του νυχτερινού φωτισμού δεν δίνει αποτελέσματα που προσεγγίζουν την πραγματικότητα. Έτσι, για αυτές τις χώρες η μέθοδος τείνει να υποβαθμίζει την οικονομία τους. Τα καταστροφικά φαινόμενα σε υποδομές κατοικημένων περιοχών μπορούν να μελετηθούν μέσω του νυχτερινού φωτισμού, καθώς είναι δυνατό να εντοπιστούν καταστροφές σε κτίρια και οδικά δίκτυα από σημειακό φωτισμό μεγαλύτερης έντασης. Παράλληλα, εντοπίζονται και οι δασικές πυρκαγιές με κύρια χαρακτηριστικά την έλλειψη σταθερότητας και τη σχετικά σύντομη διάρκειά τους. Επίσης, το γεγονός ότι εμφανίζονται σε μη αστικές περιοχές, δηλαδή σε περιοχές που δεν φωτίζονται, διευκολύνει στον εντοπισμό τους. Στη συνέχεια, παρουσιάζεται εφαρμογή της ερμηνείας του τεχνητού νυχτερινού φωτισμού στην επέκταση των κατοικημένων περιοχών και του πληθυσμού της Κίνας για την περίοδο (Liu Z., 2012). Μέσω του φωτισμού που υπάρχει στη γη κατά τη διάρκεια της νύχτας, έγινε η απεικόνιση της εξάπλωσης των πόλεων τόσο στο σύνολο της χώρας, όσο και σε επιμέρους κατοικημένες περιοχές. Χρησιμοποιήθηκαν νυχτερινές εικόνες από τους αισθητήρες F10, F12, F14, F15 και F16 του προγράμματος DMSP. Ως βοηθητικά δεδομένα 46

60 χρησιμοποιήθηκαν και εικόνες του δορυφόρου Landsat για την ερμηνεία των χρήσεων γης, καθώς και στατιστικά οικονομικά και κοινωνικά στοιχεία της Κίνας. Ακολούθησε επεξεργασία των εικόνων με στόχο την εξομάλυνση των διαφορών που υπήρχαν μεταξύ εικόνων από διαφορετικούς αισθητήρες για τις ίδιες περιοχές. Για να βελτιωθεί η ποιότητα των αποτελεσμάτων, εφαρμόστηκε μια νέα μέθοδος κατά την οποία έγινε βαθμονόμηση, σύνθεση κατά έτος, διόρθωση και εξαγωγή στοιχείων που αφορούν τις αστικές περιοχές της περιοχής μελέτης. Αποτέλεσμα της διαδικασίας αυτής αποτελεί η εικόνα 3.32, όπου παρουσιάζονται οι δορυφορικές εικόνες Landsat για 6 κατοικημένες περιοχές της Κίνας. Επίσης, στην εικόνα αυτή φαίνονται και τα αποτελέσματα από την καταγραφή του φωτισμού κατά τη διάρκεια της νύχτας σε τοπικό επίπεδο. Στη συνέχεια, στην εικόνα 3.33 παρουσιάζονται με κόκκινο χρώμα όλες οι αστικές περιοχές της Κίνας, οι οποίες αυξάνονται από το 1992 ως το 2008, ενώ στην εικόνα 3.34 απεικονίζεται η συνολική εξάπλωση του αστικού περιβάλλοντος σε εθνικό επίπεδο κατά την περίοδο μελέτης. Εικόνα 3.32 Περιοχές της Κίνας από τους δορυφορικούς αισθητήρες Landsat και DMSP (Πηγή: Liu Z., 2012) 47

61 Εικόνα 3.33: Οι αστικές περιοχές στην Κίνα στη περίοδο (Πηγή: Liu Z., 2012) 48

62 Εικόνα 3.34: Η αστική εξάπλωση στην Κίνα κατά την περίοδο (Πηγή: Liu Z., 2012) Τρισδιάστατη αναπαράσταση του αστικού τοπίου Η ανάπτυξη τόσο της πληροφορικής όσο και της τηλεπισκόπησης έχει εισάγει τις έννοιες της εικονικής πραγματικότητας και των τρισδιάστατων μοντέλων αναπαράστασης και στο πεδίο έρευνας του σύγχρονου αστικού περιβάλλοντος. Οι απεικονίσεις των πόλεων σε 3 διαστάσεις (3D City Modeling) χρησιμοποιούνται όλο και περισσότερο σε θέματα σχεδιασμού και επέκτασης, αλλά και σε άλλους τομείς, όπως η λήψη αποφάσεων, η διαχείριση κρίσιμων καταστάσεων και ο τουρισμός. Το τρισδιάστατο μοντέλο μιας αστικής περιοχής περιλαμβάνει όλα τα αντικείμενα που υπάρχουν πάνω στην επιφάνεια της γης και ανήκουν στο αστικό περιβάλλον, όπως κτίρια και άλλες κατασκευές, βλάστηση, δρόμοι κ.α. Επίσης, είναι αυστηρά καθορισμένη και η τοπογραφική σχέση μεταξύ των παραπάνω αντικειμένων, ενώ απεικονίζεται ακριβώς και η γεωμετρία τους. Σήμερα, γίνονται εκτεταμένες προσπάθειες για να επιτυγχάνεται η αυτόματη κατασκευή τρισδιάστατων μοντέλων των πόλεων, χωρίς να είναι απαραίτητη η επέμβαση του ανθρώπου για καθοδήγηση. Τα μέσα με τα οποία καθίσταται δυνατή η δημιουργία τρισδιάστατης απεικόνισης του αστικού τοπίου είναι οι δορυφορικές εικόνες, οι αεροφωτογραφίες, οι απλές δισδιάστατες επίγειες φωτογραφίες και άλλα. Από τα παραπάνω μέσα κατασκευάζεται αρχικά το ψηφιακό μοντέλο εδάφους (Digital Terrain Model DTM), που αποτελείται από πλήθος υψομετρικών σημείων και γραμμών αλλαγής κλίσεων οι οποίες αποδίδουν τα γεωμορφολογικά χαρακτηριστικά του εδάφους. 49

63 Η συνεχής βελτίωση της ποιότητας των εικόνων των δορυφόρων, και ιδιαιτέρως των radar, τους καθιστά κατάλληλα μέσα για την κατασκευή ψηφιακών μοντέλων της επιφάνειας του εδάφους (Digital Surface Models DSM), δηλαδή λεπτομερών ψηφιακών αναπαραστάσεων της γης μαζί με όλες τις κατασκευές που υπάρχουν σε αυτήν. Με αυτό τον τρόπο αποδίδεται και περιγράφεται τόσο το ανάγλυφο του εδάφους όσο και τα κτίρια και οι κάθε είδους κατασκευές που υπάρχουν πάνω σε αυτό. Έτσι, μετά από φωτορεαλιστική και αισθητική διαμόρφωση των ψηφιακών μοντέλων δημιουργείται το τρισδιάστατο μοντέλο μιας αστικής περιοχής (3D City Model). Εικόνα 3.35: Το αποτέλεσμα της ταξινόμησης με τις εξής κατηγορίες: κτίρια, βλάστηση, αδιαπέρατες και διαπερατές επιφάνειες. (Πηγή: Soderman U. et al., 2004) Η επεξεργασία μιας δορυφορικής εικόνας προκειμένου να δημιουργηθεί το τρισδιάστατο μοντέλο αστικής περιοχής περιλαμβάνει την αναγωγή σε γνωστό σύστημα συντεταγμένων και την ταξινόμηση σε κατηγορίες, όπως κτίρια, βλάστηση και διαπερατές και αδιαπέρατες επιφάνειες του εδάφους. Η αναγνώριση της βλάστησης και των κτιρίων αποτελεί και το πιο δύσκολο σημείο για τη δημιουργία του τρισδιάστατου μοντέλου. Σε πολλές περιπτώσεις μελετών γίνεται προσπάθεια να αναγνωριστούν και να διαχωριστούν τα διαφορετικά είδη των δέντρων που επικρατούν στην περιοχή μελέτης, προκειμένου να έχουν διαφορετική αναπαράσταση στο τρισδιάστατο μοντέλο. Έτσι, επιτυγχάνεται η μεγαλύτερη λεπτομέρεια στην απεικόνιση του αστικού τοπίου. 50

64 Εικόνα 3.36: Το αποτέλεσμα της ταξινόμησης στη βλάστηση με αναγνώριση 3 ειδών δέντρων που επικρατούν στην περιοχή μελέτης. (Πηγή: Soderman U. et al., 2004) Με την ολοκλήρωση της ταξινόμησης της βλάστησης της περιοχής, ακολουθεί η κατασκευή της τρισδιάστατης αναπαράστασης των κτιρίων. Αρχικά, αναγνωρίζεται η θέση και το είδος της οροφής τους, καθώς κτίρια με επίπεδη οροφή χρήζουν διαφορετικής αντιμετώπισης σε σχέση με κτίρια που φέρουν στέγη. Ιδιαίτερη προσοχή απαιτείται στις σκιές που απεικονίζονται στις δορυφορικές εικόνες, προκειμένου να γίνει ο σωστός εντοπισμός της θέσης του κτιρίου, μελετώντας παράλληλα την ακριβή ώρα λήψης της εικόνας και τη θέση του ήλιου ως προς την περιοχή μελέτης τη στιγμή εκείνη. Οι κατακόρυφες επιφάνειες των κτιρίων δίνουν και την τελική τρισδιάστατη απεικόνισή τους. Εικόνα 3.37: α. Κάτοψη κτιρίου μετά την ταξινόμηση, β. Απεικόνιση της στέγης, γ. Τρισδιάστατη απεικόνιση του συνόλου του κτιρίου. (Πηγή: Soderman U. et al., 2004) Η τοπογραφική σχέση μεταξύ των αντικειμένων που αναγνωρίστηκαν είναι εκείνη που τελικά διαμορφώνει την λεπτομερή τρισδιάστατη αναπαράσταση του αστικού τοπίου. 51

65 Εικόνα 3.38: Τα επιμέρους στοιχεία (αριστερά) από τα οποία κατασκευάστηκε η τρισδιάστατη απεικόνιση της αστικής περιοχής DSM (δεξιά) (Πηγή: Soderman U. et al., 2004) 52

66 Κεφάλαιο 4 Παράδειγμα από την πόλη της Θεσσαλονίκης 4.1 Το λογισμικό ERDAS IMAGINE 9.0 Το λογισμικό ERDAS IMAGINE 9.0 είναι ένα πρόγραμμα που προσφέρει ανάλυση δεδομένων τηλεπισκόπησης και χωρικών μοντέλων, με σκοπό την δημιουργία βελτιωμένων ψηφιακών προϊόντων, στα οποία περιλαμβάνονται βελτιωμένες εικόνες, μωσαϊκά, χάρτες και άλλα. Εικόνα 4.1: Η εργαλειοθήκη του ERDAS IMAGINE Το ERDAS IMAGINE επιτρέπει την προβολή, την ορθοαναγωγή, την ερμηνεία εικόνας, την ταξινόμηση, την αναγνώριση χαρακτηριστικών αντικειμένων της εικόνας, την ανίχνευση αλλαγών, την παραγωγή ορθοφωτομωσαικού και χαρτών. Διαθέτει μια εργαλειοθήκη που επιτρέπει την εκτέλεση πολλών λειτουργιών στις εικόνες και με κατάλληλο χειρισμό είναι δυνατό ο χρήστης να βλέπει χαρακτηριστικά της εικόνας που κανονικά δεν ήταν ορατά. Μετά από την εφαρμογή των διαφόρων μεθόδων επεξεργασίας που διαθέτει, μπορούν να δημιουργηθούν και βάσεις δεδομένων για χρήση σε γεωγραφικά συστήματα πληροφοριών. Προκειμένου να μελετηθεί η εικόνα της Θεσσαλονίκης, έγινε αρχικά η εισαγωγή των δορυφορικών δεδομένων στο λογισμικό (διαδικασία import). Τα δεδομένα μετατράπηκαν με τον τρόπο αυτό σε αρχείο «.img», το οποίο αναγνωρίζεται από το λογισμικό ERDAS IMAGINE. Στη συνέχεια η μελέτη της εικόνας, έγινε με τη χρήση του Geospatial Light Table (GLT Viewer), ενώ χρησιμοποιήθηκαν επίσης και οι εργαλειοθήκες Interpreter, με την οποία έγινε η βελτίωση, και Classifier, με την οποία έγινε η ταξινόμηση της περιοχής μελέτης. 53

67 4.2 Η περιοχή μελέτης Η εικόνα που μελετήθηκε με τη χρήση του λογισμικού ERDAS IMAGINE 9.0 είναι μια πολυφασματική εικόνα της πόλης της Θεσσαλονίκης (Εικόνα 4.2), στην οποία φαίνεται το κέντρο της πόλης, το λιμάνι, τα αρχαία τείχη και το δάσος του Σέιχ-Σου. Ανατολικά εκτείνεται ως την περιοχή του Μεγάρου Μουσικής και δυτικά ως την περιοχή του Εύοσμου. Η εικόνα προέρχεται από τον δορυφόρο πολύ υψηλής ανάλυσης Quickbird και έχει ληφθεί στις 26 Ιουλίου Πρόκειται για μία ορθοανηγμένη εικόνα 15629x16384 εικονοστοιχείων, στην οποία έχει γίνει αναγωγή στο σύστημα συντεταγμένων UTM, WGS 84. Ο αισθητήρας του δορυφόρου Quickbird καταγράφει την ηλεκτρομαγνητική ακτινοβολία σε τρεις φασματικές περιοχές, από την ένωση των οποίων προκύπτει η έγχρωμη (RGB) εικόνα 4.2. Εικόνα 4.2: Εικόνα RGB της Θεσσαλονίκης από τον δορυφόρο Quickbird 54

68 Εικόνα 4.3: Τμήμα της περιοχής μελέτης α) σε RGB και β, γ, δ) στις 3 φασματικές περιοχές Εικόνα 4.4: Ιστογράμματα των 3 φασματικών περιοχών Από την εικόνα 4.2, επιλέχτηκε για περαιτέρω μελέτη και ανάλυση ένα τμήμα της πόλης της Θεσσαλονίκης. Η περιοχή αυτή περιλαμβάνει τις «Σαράντα εκκλησιές» και ένα μέρος της «Ευαγγελίστριας». Η επιλογή της περιοχής μελέτης έγινε, επειδή πρόκειται για τη μοναδική περιοχή της πόλης της Θεσσαλονίκης στην οποία υπάρχουν αρκετές εκτάσεις με πράσινο, συγκριτικά με τις υπόλοιπες περιοχές, όπως φαίνονται στη διαθέσιμη δορυφορική εικόνα Quickbird. 55

69 Η αποκοπή της περιοχής μελέτης από την αρχική δορυφορική εικόνα έγινε μέσω της τεχνικής του λογισμικού «Subset». Η τεχνική αυτή χρησιμοποιείται σε περιπτώσεις που τα διαθέσιμα αρχεία είναι μεγαλύτερα από την περιοχή μελέτης, όπως συμβαίνει και στην παρούσα εφαρμογή. Στις περιπτώσεις αυτές, είναι πιο πρακτικό να προηγηθεί η αποκοπή της περιοχής που μελετάται, προκειμένου να δημιουργηθεί ένα αρχείο μικρότερου μεγέθους. Η διαδικασία αυτή όχι μόνο εξαλείφει τα δεδομένα που δεν θα μελετηθούν, αλλά ταυτόχρονα επιταχύνει τη διαδικασία επεξεργασίας της εικόνας, γεγονός που είναι ακόμα πιο σημαντικό σε πολυφασματικές εικόνες. Για να απομονωθεί η περιοχή μελέτης από τη συνολική εικόνα, δημιουργείται στην αρχική εικόνα ένα πολύγωνο που περικλείει την περιοχή ενδιαφέροντος (Area of Interest AOI). Η «περιοχή ενδιαφέροντος», σύμφωνα με το λογισμικό, είναι η περιοχή που πρόκειται να μελετηθεί περαιτέρω. Η δημιουργία του πολυγώνου αυτού γίνεται μέσω της εργαλειοθήκης «AOI» (Εικόνα 4.5). Στη συνέχεια, χρησιμοποιώντας την τεχνική «Subset», αποκόπτεται η περιοχή ενδιαφέροντος από την αρχική εικόνα. Με τον τρόπο αυτό, δημιουργήθηκε η εικόνα 4.6, που περιλαμβάνει τις «Σαράντα εκκλησιές» και τμήμα της «Ευαγγελίστριας». Εικόνα 4.5: Η εργαλειοθήκη Area of Interest (AOI) Η περιοχή μελέτης παρατηρήθηκε σε διάφορες κλίμακες, με τη βοήθεια του GLT Viewer (1:7200 ως 1:2143). Σύμφωνα με το ERDAS IMAGINE, η βέλτιστη κλίμακα για τη συγκεκριμένη δορυφορική εικόνα, έτσι ώστε να γίνονται διακριτές οι λεπτομέρειές της, χωρίς όμως να χάνεται η ευκρίνειά της είναι η κλίμακα 1:2143 (Εικόνα 4.7). Επίσης, παρατηρήθηκε η περιοχή μελέτης με τη χρήση των εργαλείων «zoom in» και «zoom out», έτσι ώστε να μεγεθυνθεί και να σμικρυνθεί με ποικίλους τρόπους η εικόνα. Στην εικόνα 4.8 φαίνεται η περιοχή μελέτης με περιορισμένη ευκρίνεια, αφού εξαιτίας της υπερβολικής μεγέθυνσης «σπάει το pixel» της εικόνας. 56

70 Εικόνα 4.6: Η περιοχή μελέτης σε RGB 57

71 Εικόνα 4.7: Η περιοχή μελέτης στη βέλτιστη κλίμακα 1:2143 Εικόνα 4.8: Η περιοχή μελέτης με τη χρήση του εργαλείου «zoom in» Η παρατήρηση της περιοχής μελέτης δείχνει ότι το μεγαλύτερο τμήμα της δεν είναι σωστά ρυμοτομημένο, καθώς είναι λίγα τα ορθά ορισμένα οικοδομικά τετράγωνα που υπάρχουν. Κυρίως, στην περιοχή υπάρχουν κτίρια, με λευκές, γκρίζες ή κόκκινες οροφές. Επίσης, διακρίνεται το οδικό δίκτυο και τα πεζοδρόμια, καθώς και ορισμένοι υπαίθριοι χώροι στάθμευσης. Ιδιαίτερο χαρακτηριστικό της περιοχής είναι οι αθλητικοί χώροι. Συγκεκριμένα, διακρίνονται τρία μεγάλα ανοιχτά γήπεδα και ένα ανοιχτό κολυμβητήριο στο νότιο τμήμα της εικόνας, καθώς και ένα γήπεδο μικρότερων διαστάσεων στο βόρειο τμήμα. Επιφάνεια με νερό υπάρχει και ανάμεσα από τα γήπεδα στο νότιο τμήμα της εικόνας. Η περιοχή περιέχει και αρκετές εκτάσεις πρασίνου. Βόρεια στην εικόνα φαίνεται ένα μέρος του δάσους του Σέιχ- Σου, ενώ και στις κατοικημένες περιοχές υπάρχουν αρκετοί χώροι πρασίνου, πάρκα και μεμονωμένα δέντρα. Τέλος, στην εικόνα υπάρχουν και οι ανεπιθύμητες σκιές, λόγω της θέσης του αισθητήρα σε σχέση με τον ήλιο τη στιγμή λήψης της εικόνας. 58

72 4.3 Ερμηνεία της δορυφορικής εικόνας της Θεσσαλονίκης Προκειμένου να γίνει ερμηνεία της περιοχής μελέτης, εφαρμόστηκαν ορισμένες τεχνικές βελτίωσης που προσφέρει το λογισμικό, με στόχο να γίνει πιο ερμηνεύσιμη η εικόνα. Στη συνέχεια, εφαρμόστηκε η μέθοδος της εποπτευόμενης ταξινόμησης στην περιοχή μελέτης, και έγινε ο διαχωρισμός των εικονοστοιχείων σε κατηγορίες. Σαν αποτέλεσμα των διαδικασιών αυτών έγινε ταχύτερα και με περισσότερη ακρίβεια η ερμηνεία της εικόνας Βελτίωση Με τη χρήση του λογισμικού εφαρμόστηκαν οι μέθοδοι της ραδιομετρικής, της φασματικής και της χωρικής βελτίωσης. Για κάθε μία κατηγορία βελτίωσης, το λογισμικό προσφέρει επιμέρους τεχνικές, οι οποίες επηρεάζουν διαφορετικά στοιχεία της εικόνας και δίνουν διαφορετικό αποτέλεσμα κάθε φορά. Οι τεχνικές αυτές είναι περισσότερο ή λιγότερο κατάλληλες, ανάλογα με το είδος της εφαρμογής και τα χαρακτηριστικά της κάθε εικόνας που μελετάται. Για τη συγκεκριμένη εφαρμογή αστικού περιβάλλοντος, επιλέχθηκαν να παρουσιαστούν τα αποτελέσματα εκείνων των τεχνικών βελτίωσης που δίνουν ένα πιο ερμηνεύσιμο αποτέλεσμα Ραδιομετρική βελτίωση Αρχικά, εφαρμόστηκαν οι τεχνικές ραδιομετρικής βελτίωσης στην περιοχή μελέτης. Η ραδιομετρική βελτίωση επεμβαίνει στις τιμές των εικονοστοιχείων, χωρίς να ασκείται σε αυτά καμία επιρροή από τα γειτονικά εικονοστοιχεία. Από τις τεχνικές ραδιομετρικής βελτίωσης του λογισμικού εφαρμόστηκαν στην εικόνα της Θεσσαλονίκης οι τεχνικές «Brightness inversion» και «Histogram equalization». Η τεχνική της ανάστροφης φωτεινότητας «Brightness inversion» δημιουργεί εικόνες που έχουν ακριβώς την αντίθετη φωτεινότητα από την αρχική. Οι σκούρες λεπτομέρειες φαίνονται πολύ φωτεινές μετά από την εφαρμογή της μεθόδου και αντίστοιχα τα ανοιχτόχρωμα σημεία της αρχικής εικόνας σκουραίνουν. Επίσης, η τεχνική αυτή μπορεί να χρησιμοποιηθεί για να αναστρέψει μία αρνητική εικόνα, προκειμένου να παραχθεί μια θετική. Είναι ιδιαίτερα αποτελεσματική για την ανίχνευση λεπτομερειών της εικόνας που διαφορετικά δεν γίνονται αντιληπτά λόγω του πολύ σκουρόχρωμου φόντου που ενδεχομένως να βρίσκονται. Στην εικόνα 4.9 παρουσιάζεται το αποτέλεσμα της εφαρμογής της συγκεκριμένης τεχνικής στην περιοχή μελέτης. Τόσο στην εικόνα αυτή όσο και στην εικόνα 4.10 που εστιάζει σε ένα τμήμα της περιοχής μελέτης, γίνεται αντιληπτό ότι διακρίνεται πολύ καθαρά η σημειακή βλάστηση. Τα μεμονωμένα δέντρα εμφανίζονται σχεδόν με άσπρο τόνο, ενώ φαίνεται ακόμα και η τραχιά υφή τους. Επίσης, το οδικό δίκτυο της περιοχής είναι πολύ αυστηρά καθορισμένο και δεν συγχέεται με τις κτιριακές κατασκευές της περιοχής, των οποίων τα όρια είναι αυστηρά καθορισμένα. Αξιοσημείωτο είναι, επίσης, το γεγονός ότι απεικονίζονται πολύ 59

73 καθαρά και τα αυτοκίνητα που είτε σταθμευμένα είτε κινούνται στην περιοχή. Ακόμα, με την εφαρμογή αυτού του φίλτρου το νερό παρουσιάζεται με πορτοκαλί χρώμα και έτσι γίνεται περισσότερο διακριτό από οποιαδήποτε άλλη τεχνική βελτίωσης. Τέλος, η πιο σημαντική παρέμβαση της συγκεκριμένης τεχνικής στα εικονοστοιχεία της εικόνας που μελετάται είναι το γεγονός ότι αφαιρέθηκαν οι σκιές, οι οποίες είναι εμφανείς τόσο στην αρχική εικόνα όσο και στις υπόλοιπες μεθόδους βελτίωσης που εφαρμόστηκαν. Εικόνα 4.9: Η περιοχή μελέτης μετά από την τεχνική «Brightness inversion» 60

74 Εικόνα 4.10: Δύο τμήματα της περιοχής μελέτης σε RGB (αριστερά) και μετά από την τεχνική «Brightness inversion» (δεξιά) Ακόμα, στην εικόνα της Θεσσαλονίκης εφαρμόστηκε η τεχνική εξομοίωσης (ισοστάθμισης) του ιστογράμματος «Histogram equalization». Το ιστόγραμμα είναι ένα διάγραμμα που έχει στον άξονα των τετμημένων τους ψηφιακούς αριθμούς της εικόνας και στον άξονα των τεταγμένων τους αριθμούς των εμφανίσεών τους σε αυτήν. Η τεχνική εξομοίωσης του ιστογράμματος αναδιανέμει τις τιμές των εικονοστοιχείων μέσω μιας μη γραμμικής επέκτασης της αντίθεσης, έτσι ώστε να υπάρχει περίπου ο ίδιος αριθμός εικονοστοιχείων σε όλο το διαθέσιμο εύρος του ιστογράμματος. Η μετατροπή αυτή γίνεται στα ιστογράμματα της εικόνας που μελετάται. Αποτέλεσμα της τεχνικής είναι να αυξάνεται η αντίθεση της εικόνας στην κορυφή του ιστογράμματος και να μειώνεται στην ουρά του. Με αυτό τον τρόπο τα χαρακτηριστικά της εικόνας γίνονται ακόμα πιο διακριτά. Εικόνα 4.11: Εξομοίωση του ιστογράμματος (Πηγή: Erdas Field guide) 61

75 Εικόνα 4.12: α. Εικόνα RGB σε τμήμα της περιοχής μελέτης β. Εικόνα μετά την τεχνική «Histogram equalization» Χωρική βελτίωση Στη συνέχεια, εφαρμόστηκαν μέθοδοι χωρικής βελτίωσης στην εικόνα μελέτης. Η χωρική βελτίωση συνδέεται σε μεγάλο βαθμό με την χωρική συχνότητα, η οποία ορίζεται ως η διαφορά μεταξύ της υψηλότερης και χαμηλότερης τιμής σε μια συνεχόμενη σειρά εικονοστοιχείων. Η χωρική συχνότητα ουσιαστικά είναι ο αριθμός των μεταβολών στην φωτεινότητα ανά μονάδα απόστασης για οποιοδήποτε τμήμα μιας εικόνας. Από τις τεχνικές χωρικής βελτίωσης που προσφέρει το λογισμικό, χρησιμοποιήθηκαν φίλτρα συνέλιξης (convolution), η ανίχνευση ακμών (non-directional edge) και η όξυνση (crisp). Τα φίλτρα συνέλιξης είναι η διαδικασία υπολογισμού των μέσων όρων των τιμών σε μικρές ομάδες εικονοστοιχείων μιας εικόνας. Η βάση των φίλτρων συνέλιξης είναι αριθμητικά μητρώα πίνακες που χρησιμοποιούνται για να τροποποιήσουν την τιμή κάθε εικονοστοιχείου ανάλογα με τις τιμές των γειτονικών εικονοστοιχείων. Το λογισμικό διαθέτει διάφορα φίλτρα συνέλιξης, το καθένα από τα οποία επεμβαίνει στις τιμές των εικονοστοιχείων με διαφορετικό τρόπο και δίνει τελείως διαφορετικό αποτέλεσμα. 62

76 Στην εικόνα 4.13 παρουσιάζεται ένα μέρος των εικονοστοιχείων μιας εικόνας (αριστερά). Από την εικόνα αυτή επιλέγεται να τροποποιηθεί το εικονοστοιχείο που αντιστοιχεί στο κέντρο του μητρώου που είναι σημειωμένο με γκρι. Το εικονοστοιχείο αυτό θα τροποποιηθεί βάσει των τιμών των γειτονικών εικονοστοιχείων του μητρώου. Το φίλτρο συνέλιξης που θα εφαρμοστεί περιγράφεται από έναν πίνακα 3x3 και φαίνεται στο δεξί μέρος της εικόνας Μετά από την εκτέλεση αριθμητικών πράξεων, η κεντρική τιμή του μητρώου θα μεταβληθεί και θα πάρει μία νέα τιμή, η οποία εξαρτάται από το συγκεκριμένο φίλτρο συνέλιξης που εφαρμόζεται κάθε φορά. Εικόνα 4.13: Παράδειγμα εφαρμογής φίλτρου συνέλιξης (Πηγή: Erdas Field guide) Από τα φίλτρα συνέλιξης, εφαρμόστηκε στην περιοχή μελέτης το υψηλοδιαπερατό φίλτρο μητρώου 3x3 (3x3 High pass). Το αποτέλεσμα φαίνεται στις εικόνες 4.14 και 4.15, τόσο για το σύνολο της όσο και για ένα τμήμα της περιοχής μελέτης σε μεγαλύτερη μεγέθυνση σε σύγκριση με την αρχική εικόνα RGB. Στις εικόνες αυτές είναι τονισμένα τα περιγράμματα των κατασκευών, ενώ αξίζει να σημειωθεί ότι ακόμα και τα περιγράμματα των σκιών φαίνονται πιο καθαρά. Εικόνα 4.14: Ένα τμήμα της περιοχής σε RGB (αριστερά) και μετά από το «3x3 High pass» (δεξιά) 63

77 Εικόνα 4.15: περιοχή μελέτης μετά από το φίλτρο «3x3 High pass» Έπειτα, στην περιοχή που μελετήθηκε εφαρμόστηκε η τεχνική όξυνσης των ακμών «Non directional edge» και συγκεκριμένα η τεχνική «Sobel». Η τεχνική αυτή λειτουργεί με παρόμοιο τρόπο με τα φίλτρα συνέλιξης. Η μοναδική διαφορά είναι ότι η τροποποίηση της τιμής του κάθε εικονοστοιχείου γίνεται μέσω δύο ορθογώνιων μητρώων πινάκων. Η συγκεκριμένη τεχνική βελτίωσης ανιχνεύει και τονίζει τις ακμές και τα περιγράμματα. Συγκεκριμένα, τα περιγράμματα των κατασκευών απεικονίζονται λευκά, ενώ όλα τα υπόλοιπα είναι μαύρα. Με αυτό τον τρόπο, στην εικόνα που δημιουργείται παρατηρούνται μόνο οι ακμές των κατασκευών. Στις εικόνες που δημιουργήθηκαν (Εικόνες 4.16 και 4.17), αξίζει να παρατηρηθούν τόσο τα περιγράμματα των γηπέδων με το ιδιαίτερο σχήμα τους όσο και οι ακμές των υπόλοιπων κατασκευών που υπάρχουν στην περιοχή μελέτης. Συγκεκριμένα, στη εικόνα 4.17 απεικονίζονται ένα οικοδομικό τετράγωνο της περιοχής μελέτης, όπου φαίνονται καθαρά οι κατασκευές που υπάρχουν σε αυτό. Επίσης, είναι ορατά και τα περιγράμματα των αυτοκινήτων που υπάρχουν στην περιοχή μελέτης. 64

78 Εικόνα 4.16: Δύο τμήματα της περιοχής μελέτης σε RGB (αριστερά) και μετά από την τεχνική «Sobel» (δεξιά) Εικόνα 4.17: Οικοδομικό τετράγωνο με τις κατασκευές του μετά από την τεχνική «Sobel» Η τελευταία τεχνική χωρικής βελτίωσης που εφαρμόστηκε είναι η τεχνική της όξυνσης «Crisp», μέσω της οποίας βελτιώνεται η συνολικά φωτεινότητα της εικόνας. Αποτέλεσμα της τεχνικής αυτής είναι οι εικόνες 4.18 και 4.19, όπου φαίνονται καθαρά οι κατασκευές και τα όριά τους, καθώς και το οδικό δίκτυο της περιοχής μελέτης. 65

79 Εικόνα 4.18: Η περιοχή μελέτης μετά από την τεχνική «Crisp» Εικόνα 4.19: Τμήμα της περιοχής μελέτης σε RGB (αριστερά) και μετά από την τεχνική «Crisp» (δεξιά) Φασματική βελτίωση Τέλος, εφαρμόστηκαν τεχνικές φασματικής βελτίωσης στην περιοχή μελέτης. Οι τεχνικές αυτές συνενώνουν δεδομένα με παρόμοια φασματικά χαρακτηριστικά, δημιουργούν νέες 66

80 φασματικές περιοχές με δεδομένα που είναι πιο ερμηνεύσιμα στο μάτι, με τη χρήση μαθηματικών μετασχηματισμών και αλγορίθμων και τέλος εμφανίζεται μια ευρύτερη ποικιλία βελτιωμένων πληροφοριών. Από τις τεχνικές φασματικής βελτίωσης, παρείχε ένα πιο ερμηνεύσιμο αποτέλεσμα η μέθοδος «Decorrelation stretch», η οποία δημιουργεί πιο έντονες αντιθέσεις στις κύριες συνιστώσες της εικόνας, με αποτέλεσμα να δημιουργεί εικόνες πολύ πιο έντονες αντιθέσεις χρωμάτων σε σύγκριση με την αρχική. Όπως φαίνεται και στις εικόνες 4.20 και 4.21, τονίζονται ιδιαίτερα και ξεχωρίζουν από τις υπόλοιπες κατασκευές οι κόκκινες στέγες των κτιρίων της περιοχής. Επίσης, η σημειακή βλάστηση απεικονίζεται με ένα χρώμα που πλησιάζει περισσότερο στην πραγματικότητα, ξεχωρίζει από το υπόλοιπο περιβάλλον και με αυτό τον τρόπο γίνεται πιο ερμηνεύσιμη. Εικόνα 4.20: Η περιοχή μελέτης μετά από την τεχνική «Decorrelation stretch» 67

81 Εικόνα 4.21: Τμήμα της περιοχής μελέτης σε RGB (αριστερά) και μετά από την τεχνική «Decorrelation stretch» (δεξιά) Τέλος, στον πίνακα 4.1 που ακολουθεί εμφανίζονται συνοπτικά οι τεχνικές χωρικής, φασματικής και ραδιομετρικής βελτίωσης που εφαρμόστηκαν στην εικόνα μελέτης με μια σύντομη περιγραφή τους. Πίνακας 4.1: Περιγραφή των τεχνικών βελτίωσης που εφαρμόστηκαν ΕΙΔΟΣ ΒΕΛΤΙΩΣΗΣ Ραδιομετρική βελτίωση Brightness inversion Histogram equalization Χωρική βελτίωση Convolution ΠΕΡΙΓΡΑΦΗ Βελτιώνει την εικόνα μέσω μετασχηματισμού των τιμών κάθε εικονοστοιχείου σε κάθε φασματική περιοχή. Επιτρέπει γραμμική και μη γραμμική αναστροφή στην φωτεινότητα της εικόνας. Αναδιανέμει τις τιμές των εικονοστοιχείων μέσω μιας μη γραμμικής αντίθεσης, έτσι ώστε να υπάρχει περίπου ο ίδιος αριθμός εικονοστοιχείων σε όλο το εύρος του ιστογράμματος. Βελτιώνει την εικόνα βάσει των τιμών των μεμονωμένων εικονοστοιχείων και των γειτονικών τους. Χρησιμοποιεί πίνακα - μητρώο και τροποποιεί μικρές ομάδες εικονοστοιχείων χρησιμοποιώντας τις γειτονικές τιμές. Non-directional edge Δημιουργεί τις μέσες τιμές με τη χρήση 2 ορθογώνιων πινάκων - μητρώων. Crisp Οξύνει τη φωτεινότητα χωρίς να στρεβλώνεται η εικόνα. Φασματική βελτίωση Decorrelation stretch Βελτιώνει την εικόνα βάσει των τιμών των μεμονωμένων εικονοστοιχείων σε κάθε φασματική περιοχή. Δημιουργεί πιο έντονες αντιθέσεις στις κύριες συνιστώσες της εικόνας. 68

82 4.3.2 Εποπτευόμενη ταξινόμηση Στην εικόνα μελέτης, εφαρμόστηκε η μέθοδος της εποπτευόμενης ταξινόμησης. Ως τύποι εδαφικής κάλυψης για την συγκεκριμένη περιοχή αναγνωρίστηκαν δύο κατηγορίες βλάστησης, η σκούρα και η πιο ανοιχτή, το νερό, το γυμνό έδαφος και το δομημένο περιβάλλον. Η τελευταία κατηγορία περιλαμβάνει τα κτίρια και τους δρόμους. Αρχικά, δημιουργήθηκε μία περιοχή ενδιαφέροντος (ΑΟΙ) που αφορά τα δέντρα, ως δείγμα για την εδαφική κατηγορία «Βλάστηση 1» που αντιπροσωπεύει βλάστηση με το πιο σκούρο χρώμα. Σχηματίστηκε ένα πολύγωνο (με κόκκινο χρώμα στην εικόνα 4.22) το οποίο περικλείει ένα δέντρο. Η συγκεκριμένη περιοχή ενδιαφέροντος προστέθηκε σαν μία κατηγορία εδαφικής κάλυψης (ερμηνευτικό κλειδί), στην οποία ορίστηκε να εμφανίζεται με σκούρο πράσινο χρώμα. Έτσι, εντοπίστηκαν όλα τα εικονοστοιχεία με όμοια χαρακτηριστικά με την συγκεκριμένη περιοχή ενδιαφέροντος και χρωματίστηκαν με σκούρο πράσινο (Εικόνα 4.23). Εικόνα 4.22: Δημιουργία ΑΟΙ σε μεμονωμένο δέντρο Εικόνα 4.23: Η κατηγορία «Βλάστηση 1» με σκούρο πράσινο χρώμα 69

83 Η ίδια διαδικασία ακολουθήθηκε και για τις υπόλοιπες 4 κατηγορίες εδαφικής κάλυψης, τα χρώματα των οποίων παρουσιάζονται στον πίνακα 4.2. Πίνακας 4.2: Τα χρώματα της ταξινόμησης Τύπος εδαφικής κάλυψης Βλάστηση 1 (Vegetation_1) Βλάστηση 2 (Vegetation_2) Νερό (Water_1,2) Έδαφος (Soil_1,2) Δομημένο περιβάλλον (Cultural_features) Χρώμα Για να προκύψει ένα πιο καλό αποτέλεσμα μετά την ταξινόμηση, σε μερικές κατηγορίες ήταν απαραίτητο να οριστούν περισσότερες από μία περιοχές εκπαίδευσης. Αυτό συνέβη επειδή ορισμένα εικονοστοιχεία, παρόλο που έχουν διαφορετική κάλυψη γης, οι ψηφιακές τιμές τους μοιάζουν αρκετά και δεν γινόταν η κατάταξή τους στην κατηγορία εδαφικής κάλυψης τους. Δημιουργώντας, λοιπόν, περισσότερες από μία περιοχές εκπαίδευσης για ορισμένες κατηγορίες, προέκυψε ένα αποτέλεσμα ταξινόμησης, το οποίο ανταποκρίνεται περισσότερο στην πραγματικότητα. Εικόνα 4.24 Οι κατηγορίες εδαφικής κάλυψης από το ERDAS IMAGINE Στη συνέχεια, παρουσιάζονται οι εικόνες των υπόλοιπων κατηγοριών εδαφικής κάλυψης, η κάθε μία ξεχωριστά στην περιοχή μελέτης (Εικόνα 4.25 ως Εικόνα 4.27). 70

84 Εικόνα 4.25: Η κατηγορία «Βλάστηση 2» με ανοιχτό πράσινο χρώμα Εικόνα 4.26: Η κατηγορία του νερού με μπλε χρώμα 71

85 Εικόνα 4.27: Η κατηγορία του γυμνού εδάφους με πορτοκαλί χρώμα Στην εικόνα που δημιουργήθηκε μετά από την εποπτευόμενη ταξινόμηση, σχεδόν όλα τα εικονοστοιχεία της έχουν ταξινομηθεί στις 5 κατηγορίες εδαφικής κάλυψης που ορίστηκαν εξαρχής. Στο αποτέλεσμα της διαδικασίας (Εικόνα 4.28) επαληθεύεται η αρχική παρατήρηση που είχε γίνει στην έγχρωμη RGB εικόνα, ότι το μεγαλύτερο ποσοστό της περιοχής καλύπτεται είτε από κτίρια είτε από οδικό δίκτυο, ενώ είναι αρκετές και οι πράσινες εκτάσεις που υπάρχουν. Υπάρχουν και ορισμένα εικονοστοιχεία, τα οποία απεικονίζονται λευκά. Πρόκειται για τα εικονοστοιχεία που δεν έχουν ταξινομηθεί μετά από την παραπάνω διαδικασία. Ο λόγος για τον οποίο συνέβη αυτό είναι το γεγονός ότι τα χαρακτηριστικά τους δεν προσομοιάζουν αρκετά σε μία μόνο εδαφική κατηγορία από αυτές που ορίστηκαν (Εικόνα 4.29). 72

86 Εικόνα 4.28: Εικόνα της περιοχής μελέτης μετά από την εποπτευόμενη ταξινόμηση 73

87 Εικόνα 4.29: Τμήμα της περιοχής μελέτης μετά από την εποπτευόμενη ταξινόμηση με τα λευκά εικονοστοιχεία που δεν ταξινομήθηκαν 74