Xωρική ανάλυση και επεξεργασία δεδομένων Με χρήση του λογισμικού ArcGIS 10.2 Ανάπτυξη θεματικών χαρτών

Transcript

1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΘΑΛΑΣΣΑΣ Xωρική ανάλυση και επεξεργασία δεδομένων Με χρήση του λογισμικού ArcGIS 10.2 Ανάπτυξη θεματικών χαρτών Δ. Κίτσιου Επικ. Καθηγήτρια ΤΕΘ ΜΥΤΙΛΗΝΗ 2014

2 1.1 1BΠαρουσίαση του ArcMap Το ArcMap αποτελεί λογισμικό που χρησιμοποιείται αφενός για την απεικόνιση ψηφιακών γεωγραφικών υποβάθρων και την εξερεύνησή τους, αφετέρου για την ανάλυσή τους και την παραγωγή χαρτών. Το παράθυρο εργασίας του ArcMap (Εικόνα 1) αποτελείται από την επιφάνεια απεικόνισης της ψηφιακής χωρικής πληροφορίας, τον πίνακα περιεχομένων για την απαρίθμηση των επιπέδων που απεικονίζονται σε αυτήν και μια σειρά από εργαλειοθήκες που στοχεύουν στη διευκόλυνση του χρήστη όσον αφορά στην επεξεργασία της γεωγραφικής πληροφορίας. Βασική Εργαλειοθήκη Menu Editor Ενεργοποίηση ArcCatalog ArcToolbox Πίνακας περιεχομένων layers (Table of Contents) Εικόνα 1. Το ArcMap προσφέρει τη δυνατότητα μεταβολής της εμφάνισης του αντίστοιχου παράθυρου εργασίας. Νέες εργαλειοθήκες μπορούν να ενεργοποιηθούν, οι ήδη υπάρχουσες να απενεργοποιηθούν, ενώ υπάρχει η δυνατότητα προσθήκης νέων εργαλείων. Τα περιβάλλοντα εργασίας ArcCatalog και ArcToolbox σχεδιάστηκαν για να λειτουργούν σε συνδυασμό με το ArcMap. Στο ArcToolbox περιέχονται διάφορα εργαλεία γεω-επεξεργασίας και ο χρήστης έχει τη δυνατότητα να μετατρέψει δεδομένα από μια μορφή σε μία άλλη (data 2

3 format), να αλλάξει το προβολικό σύστημα των δεδομένων κλπ. Το ArcCatalog είναι ένα περιβάλλον εργασίας για τη διαχείριση γεωγραφικών δεδομένων. Εκτελεί παρόμοιες λειτουργίες με τον Windows Explorer, προσανατολισμένο όμως σε γεωγραφικά δεδομένα. Πιο συγκεκριμένα, μπορεί να γίνει διαγραφή, αντιγραφή, μετονομασία ενός χαρτογραφικού επιπέδου ή ενός συνόλου δεδομένων. Τέλος, τα περιβάλλοντα εργασίας δέχονται πακέτα επεκτάσεων, που αφορούν στην ειδίκευση λειτουργιών και τη συγκεκριμενοποίηση διεργασιών, όπως είναι το 3D Analyst Extension, το Spatial Analyst Extension, το Geostatistical Analyst Extension και το Network Extension. Για να προστεθούν layers στο παράθυρο γραφικών επιλέγεται το εικονίδιο 3

4 1.2 2BΓενικά Το βασικό πλεονέκτημα των ΓΣΠ είναι η δυνατότητα που προσφέρουν για ανάλυση των δεδομένων, έτσι ώστε να δοθούν απαντήσεις σε ερωτήματα που έχουν τεθεί. Υπάρχει δυνατότητα για ανάλυση δεδομένων που είναι αποθηκευμένα τόσο σε διανυσματική όσο και σε ψηφιδωτή μορφή. Όσον αφορά στα δεδομένα σε διανυσματική μορφή, μπορούν να γίνουν αναζητήσεις συγκεκριμένων περιοχών βάσει κάποιων χαρακτηριστικών τους, δημιουργία ζωνών γύρω από σημεία, τόξα ή πολύγωνα, καθώς και υπέρθεση (overlay) χαρτογραφικών επιπέδων. Όσον αφορά στα δεδομένα σε ψηφιδωτή μορφή, η υπέρθεση των χαρτογραφικών επιπέδων αποτελεί επίσης μία σημαντική μέθοδο ανάλυσης των δεδομένων (Εικόνα 2). Επίσης, ιδιαίτερα στη μελέτη του θαλάσσιου περιβάλλοντος, εφαρμόζονται πολύ συχνά μέθοδοι παρεμβολής για τη μετατροπή της σημειακής πληροφορίας που συλλέγεται κατά τη δειγματοληψία σε συνεχή και τη δημιουργία θεματικών χαρτών οι οποίοι απεικονίζουν τη μεταβολή των υπό μελέτη παραμέτρων στο χώρο. Πληθώρα στατιστικών μεθόδων, παραμετρικών και μη μπορούν επίσης να εφαρμοσθούν τόσο στο σύνολο των δεδομένων, όσο και σε τοπικό επίπεδο. Εικόνα 2. Διαδικασία υπέρθεσης κανάβων 1.3 3BΔημιουργία Ζώνων που Περιβάλλουν Γεωγραφικά Στοιχεία (Buffer) Στο ArcMAP υπάρχει η δυνατότητα να δημιουργηθούν ζώνες που περιβάλλουν τα γεωγραφικά στοιχεία που περιλαμβάνονται σε ένα shapefile. Οι ζώνες αυτές είναι γνωστές με την ονομασία Buffers. Buffers μπορούν να δημιουργηθούν γύρω από πολύγωνα, τόξα, και σημεία. Η απόσταση που θα απέχουν τα όρια του buffer από τα γεωγραφικά στοιχεία που αυτό περιβάλλει ορίζεται από τον χρήστη, ενώ οι μονάδες της απόστασης (μέτρα, μίλια, πόδια, κλπ) εξαρτώνται από το γεωγραφικό σύστημα συντεταγμένων του shapefile. Buffers Πολυγώνων Buffers Τόξων Buffers Σημείων 4

5 1 8BΔημιουργία buffer γύρω από shapefile σημείων Tο shapefile stations_utm περιέχει δίκτυο σταθμών δειγματοληψίας στη θάλασσα. Θέλουμε να δημιουργήσουμε buffer 500m γύρω από κάθε σταθμό δειγματοληψίας. Από το ArcToolbox: Analysis Tools-> Proximity->Buffer. Δίνοντας τις παραμέτρους που φαίνονται στην Εικόνα 3 θα δημιουργηθεί το shapefile buffer_500 που φαίνεται στην Εικόνα 4. Εικόνα 3. Εικόνα 4. Buffer 500m γύρω από κάθε σταθμό δειγματοληψίας Παρατηρείται ότι η ζώνη γύρω από κάθε σταθμό αποτελεί ένα ξεχωριστό πολύγωνο ακόμη και αν αυτά επικαλύπτονται. Εάν εφαρμοσθεί εκ νέου η διαδικασία δημιουργώντας το shapefile buffer_500_1 και επιλέγοντας στο πεδίο Dissolve type: ALL οι ζώνες γύρω από κάθε σταθμό δειγματοληψίας θα ενοποιηθούν σε ένα πολύγωνο (Εικόνα 5). 5

6 Εικόνα 5. Buffer 500m γύρω από κάθε σταθμό δειγματοληψίας και ενοποπιηση της ζώνης Ανοίγοντας τον Attribute Table του shapefile buffer_500 παρατηρείται ότι οι στήλες Area και Perimeter έχουν τιμή 0. Για να υπολογιστεί το εμβαδό και η περίμετρος των πολυγώνων ακολουθείται η εξής διαδικασία: Editor->Start Editing για το shapefile buffer_500. Με δεξί κλικ στη στήλη Area και μετά Calculate Geometry υπολογίζεται το εμβαδό των πολυγώνων σε τετραγωνικά μέτρα. Η ίδια διαδικασία επαναλαμβάνεται και για την στήλη Perimeter. Για να ολοκληρωθεί η διαδικασία επιλέγεται: Editor->Save Edits->Stop Editing 2 9BΔημιουργία buffer γύρω από shapefile γραμμών Θέλουμε να δημιουργήσουμε buffer 25m γύρω από τους δρόμους που είναι αποθηκευμένοι στο shapefile streets. Εφαρμόζεται η διαδικασία επιλέγοντας στο πεδίο Dissolve type: ALL και ονομάζοντας το νέο shapefile str_buf, όπως φαίνεται στην Εικόνα 6. Εικόνα 6. 6

7 Το αποτέλεσμα δίνεται στην Εικόνα 7. Αν ανοίξουμε τον Attribute table παρατηρείται ότι δεν υπάρχει στήλη που να φαίνεται το εμβαδό της ζώνης που δημιουργήθηκε και για το λόγο αυτό θα πρέπει να δημιουργηθεί. Από το μενού Add Field δημιουργείται μια νέα στήλη με το όνομα Area τύπου float (Precision: 15 και Scale: 2). Στη συνέχεια, Editor->Start Editing και Calculate Geometry στη στήλη για να υπολογιστεί το εμβαδό σε τετραγωνικά μέτρα. Για να ολοκληρωθεί η διαδικασία: Editor->Save Edits->Stop Editing Εικόνα 7. Buffer 25m γύρω από το οδικό δίκτυο 7

8 3 10BΔημιουργία buffer γύρω από shapefile πολυγώνων Θέλουμε να δημιουργήσουμε buffer 1000m γύρω από την ακτογραμμή της Αττικής μέσα στη θάλασσα. Η ακτογραμμή είναι αποθηκευμένη στο shapefile coast. Εφαρμόζεται η διαδικασία όπως παραπάνω (Εικόνα 8), επιλέγοντας στο πεδίο Side type: OUTSIDE_ONLY και Dissolve type: ALL. Στο νέο shapefile δίνεται το όνομα att_buf. Ακολουθείται επίσης η ίδια διαδικασία με παραπάνω για να προστεθεί μια στήλη Area στον Attribute table και να υπολογιστεί το εμβαδό του buffer που δημιουργήθηκε. Εικόνα 8. Το αποτέλεσμα της δημιουργίας buffer δίνεται στην Εικόνα 9. 8

9 4BΕικόνα 9. Buffer 1000m γύρω από την ακτογραμμή της Αττικής 9

10 3.4 Συνδυασμός Γεωγραφικών Στοιχείων δυο διαφορετικών shapefiles Στο ArcMAP έχετε τη δυνατότητα να συνδυάσετε την πληροφορία από δυο διαφορετικά shapefiles προκειμένου να δημιουργήσετε ένα νέο που θα περιλαμβάνει τα στοιχεία που πληρούν τη συνθήκη που θέλετε. Οι βασικότερες μέθοδοι συνδυασμού παρουσιάζονται παρακάτω: UPDATE CLIP SPLIT ERASE UNION IDENTITY INTERSECT Αφαιρεί τμήματα πολυγώνων του πρώτου shapefile και τα αντικαθιστά με τα πολύγωνα του δεύτερου shapefile. Διαγράφει τα στοιχεία του πρώτου shapefile που βρίσκονται εκτός των περιοχών που περιλαμβάνει το δεύτερο shapefile. Διαιρεί το πρώτο shapefile σε ένα σύνολο μικρότερων shapefiles. Διαγράφει τα στοιχεία του πρώτου shapefile που βρίσκονται εντός των περιοχών που περιλαμβάνει το δεύτερο shapefile. Επικαλύπτει τα στοιχεία των δυο shapefiles, τοποθετεί κόμβους στα σημεία τομής τους και διατηρεί όλη τη πληροφορία και από τα δύο shapefiles Επικαλύπτει τα στοιχεία των δυο shapefiles, και διατηρεί την πληροφορία και από τα δυο shapefiles η οποία όμως βρίσκεται εντός της περιοχής που καλύπτει το πρώτο shapefile Επικαλύπτει τα δυο shapefiles και διατηρεί την πληροφορία της περιοχής που είναι κοινή και για τα δυο shapefile. 10

11 1 11BΣυνδυασμός των στοιχείων δυο διαφορετικών shapefiles χρησιμοποιώντας την εντολή UPDATE Από το ArcToolbox: Analysis Tools->Overlay->Update Στο πεδίο Input Features να επιλεγεί το shapefile nomoi (νομοί της Ελλάδας). Στο πεδίο Update Features δίνεται το όνομα του shapefile ota (περιέχει τις δημοτικές ενότητες της Ν. Λέσβου). Στο πεδίο Output Feature Class δίνεται το όνομα του shapefile που θα δημιουργηθεί. Να δοθεί το όνομα updshap. Στη συνέχεια πατώντας το κουμπί ΟΚ εκτελείται η επεξεργασία και το αποτέλεσμα φαίνεται στην Εικόνα 10. Παρατηρείται ότι στη Ν. Λέσβο έχουν προστεθεί οι Δημοτικές Ενότητες. Ανοίγοντας τον Attribute table του updshap παρατηρείται ότι η πληροφορία που αφορά στο εμβαδό και την περίμετρο των δήμων της Λέσβου δεν έχει αποθηκευτεί. Ακολουθώντας τη διαδικασία που περιγράφηκε παραπάνω μπορεί να ενημερωθεί ο Attribute Table (Calculate Geometry). Εικόνα 10. Αποτέλεσμα της διαδικασίας UPDATE 11

12 2 12BΣυνδυασμός των στοιχείων δυο διαφορετικών shapefiles χρησιμοποιώντας την εντολή CLIP Δίνονται τα shapefiles towns και nomoi_pelop (Εικόνα 11). Από το ArcToolbox: Analysis Tools->Extract->Clip Στο πεδίο Input Features να επιλεγεί το shapefile towns (πόλεις της Ελλάδας). Στο πεδίο Clip Features να δοθεί το όνομα του shapefile nomoi_pelop (νομοί της Πελοποννήσου). Στο πεδίο Output Feature Class να δοθεί το όνομα του shapefile που θα δημιουργηθεί. Να δοθεί το όνομα clipshap το οποίο θα περιέχει μόνο τις πόλεις της Πελοποννήσου. Το αποτέλεσμα του clip φαίνεται στην Εικόνα 12. Εικόνα

13 Εικόνα 12. Αποτέλεσμα της διαδικασίας CLIP 3 13BΣυνδυασμός των στοιχείων δυο διαφορετικών shapefiles χρησιμοποιώντας την εντολή ERASE 14BΑπό το ArcToolbox: Analysis Tools->Overlay->Erase Στο πεδίο Input Features να επιλεγεί το shapefile nomoi (νομοί της Ελλάδας). Στο πεδίο Erase Features να δοθεί το όνομα του shapefile ota (δημοτικές ενότητες της n. Λέσβου). Στο πεδίο Output Feature Class να δοθεί το όνομα του shapefile που θα δημιουργηθεί. Να δοθεί το όνομα erashap. Ανοίγοντας το shapefile erashap από το ArcMap φαίνεται ότι η Ν. Λέσβος έχει αφαιρεθεί από το αρχικό layer nomoi (Εικόνα 13). 13

14 Εικόνα 13. Αποτέλεσμα της διαδικασίας ERASE 4 15BΣυνδυασμός των στοιχείων δυο διαφορετικών shapefiles χρησιμοποιώντας την εντολή UNION 16BΑπό το ArcToolbox: Analysis Tools->Overlay->Union Στο πεδίο Input Features να επιλεγεί πρώτα το shapefile ota (δημοτικές ενότητες της N. Λέσβου) και στη συνέχεια το shapefile nomoi_pelop (νομοί της Πελοποννήσου). Στο πεδίο Output Feature Class να δοθεί το όνομα του shapefile που θα δημιουργηθεί. Να δοθεί το όνομα unishap. Στο shapefile unishap περιέχεται η πληροφορία και από τα δύο αρχικά layers (Εικόνα 14) 14

15 Εικόνα 14. Αποτέλεσμα της διαδικασίας UNION 5 17BΣυνδυασμός των στοιχείων δυο διαφορετικών shapefiles χρησιμοποιώντας την εντολή IDENTITY Από το ArcToolbox: Analysis Tools->Overlay->Identity Στο πεδίο Input Features να επιλεγεί το shapefile oikismoi (οι οικισμοί της Μήλου). Στο πεδίο Identity Features να δοθεί το όνομα του shapefile slope (οι κλίσεις του εδάφους της Μήλου). Στο πεδίο Output Feature Class να δοθεί το όνομα του shapefile που θα δημιουργηθεί. Να δοθεί το όνομα ideshap. Τα αρχικά shapefiles δίνονται στην Εικόνα 15 και το τελικό αποτέλεσμα στην Εικόνα

16 Εικόνα 15. Τα shapefiles oikismoi και slope Εικόνα 16. Αποτέλεσμα της διαδικασίας IDENTITY 16

17 6 18BΣυνδυασμός των στοιχείων δυο διαφορετικών shapefiles χρησιμοποιώντας την εντολή INTERSECT Δίνονται τα shapefiles litho και xoria (Εικόνα 17). Κάνοντας τις κατάλληλες ρυθμίσεις μπορούμε να βλέπουμε το layer xoria μόνο με το περίγραμμα των πολυγώνων (no fill). Τα δύο layers έχουν κάποια κοινή περιοχή. Αυτή θα απομονωθεί με τη διαδικασία intersect. Εικόνα 17. Τα shapefiles litho και xoria Από το ArcToolbox: Analysis Tools->Overlay->Intersect Στο πεδίο Input Features να επιλεγεί πρώτα το shapefile litho και στη συνέχεια το shapefile xoria. Στο πεδίο Output Feature Class να δοθεί το όνομα του shapefile που θα δημιουργηθεί. Να δοθεί το όνομα intershap (Εικόνα 18). Το αποτέλεσμα του intersect δίνεται στην Εικόνα

18 Εικόνα 18. Εικόνα 19. Αποτέλεσμα της διαδικασίας INTERSECT 18

19 5B3.5 Εφαρμογή μεθόδων χωρικής παρεμβολής Ο όρος της χωρικής παρεμβολής αναφέρεται γενικά στη διαδικασία προσδιορισμού της τιμής μιας μεταβλητής z σε κάποιο σημείο (x, y) του χώρου, δεδομένου ότι είναι γνωστές οι τιμές της μεταβλητής αυτής σε ένα σύνολο σημείων, που είναι συνήθως τυχαία κατανεμημένα στο χώρο. Βάσει των μεθόδων χωρικής παρεμβολής, η αρχική αποσπασματική πληροφορία που περικλείουν τα αρχικά σημεία για την υπό εξέταση παράμετρο, μετατρέπεται σε συνεχή πληροφορία που αντιπροσωπεύεται από μία συνεχή επιφάνεια / κάναβο. Η χωρική διακριτική ικανότητα του κανάβου (το μέγεθος των κελιών του) μπορεί να προσδιορισθεί πριν την εφαρμογή της μεθόδου, ενώ στην τελική συνεχή επιφάνεια που προκύπτει, σε κάθε κελί του κανάβου αντιστοιχεί μία προσομοιωμένη τιμή της υπό εξέταση παραμέτρου. Η βασική λογική της χωρικής παρεμβολής είναι η απλή παρατήρηση ότι συνήθως, σημεία που βρίσκονται κοντά στο χώρο είναι πιθανότερο να έχουν παρόμοιες τιμές όσον αφορά σε μία συγκεκριμένη μεταβλητή, σε σχέση με αυτά που είναι απομακρυσμένα. Διάφοροι αλγόριθμοι σημειακής παρεμβολής έχουν αναπτυχθεί κατά καιρούς. Από αυτούς κανείς δεν μπορεί να χαρακτηρισθεί σαν βέλτιστος, αφού η μέθοδος παρεμβολής που θα χρησιμοποιηθεί εξαρτάται άμεσα από τη συγκεκριμένη εφαρμογή, τον τύπο των δεδομένων και το βαθμό ακρίβειας που απαιτείται. Οι μέθοδοι σημειακής παρεμβολής μπορούν να κατηγοριοποιηθούν με διάφορους τρόπους. Ένας από αυτούς τις κατηγοριοποιεί σε σφαιρικές και σε τοπικές. Στις σφαιρικές μεθόδους, όλες οι τιμές της υπό εξέταση μεταβλητής στα αρχικά σημεία, όπου έχουν διεξαχθεί μετρήσεις πεδίου, χρησιμοποιούνται για τον προσδιορισμό της τιμής της μεταβλητής σε ένα νέο σημείο του χώρου, ενώ στις τοπικές μεθόδους γίνεται χρήση μόνο εκείνων των τιμών που προέρχονται από αρχικά σημεία που είναι γειτονικά στο νέο σημείο. Ένας άλλος διαχωρισμός των μεθόδων παρεμβολής τις ταξινομεί σαν ακριβείας ή προσεγγιστικές ανάλογα με το αν διατηρούνται ή όχι στην τελική επιφάνεια που προκύπτει οι τιμές της παραμέτρου στις θέσεις των αρχικών σημείων. Μέθοδος παρεμβολής Αντιστρόφου Βαρύνουσας Απόστασης (Inverse Distance Weighted Interpolation Method, IDW) Η μέθοδος παρεμβολής της Αντιστρόφου Βαρύνουσας Απόστασης ανήκει στην κατηγορία των τοπικών μεθόδων παρεμβολής ακριβείας και η βασική της αρχή είναι ότι κατά τον υπολογισμό μιας τιμής σε ένα συγκεκριμένο σημείο του χώρου, δίνεται μεγαλύτερο βάρος στις τιμές που αντιστοιχούν στα γειτονικά του αρχικά σημεία όπου έχουν διεξαχθεί μετρήσεις, απ' ότι στα πιο απομακρυσμένα. Η γενική σχέση στην οποία στηρίζεται η μέθοδος είναι η ακόλουθη: 19

20 f(x,y) = n i= 1 n w( d ) z i= 1 i w( d ) όπου f(x,y) η προσομοιωμένη τιμή της υπό εξέταση παραμέτρου στο σημείο (x,y), w(d i ) η συνάρτηση βάρους, z i η μετρημένη τιμή της παραμέτρου στο σημείο i, d i η απόσταση του σημείου i από το σημείο (x,y). Η συνεχής επιφάνεια που προκύπτει από της εφαρμογή αυτής της μεθόδου παρεμβολής εξαρτάται άμεσα από τη συνάρτηση βάρους που θα χρησιμοποιηθεί. Η συνάρτηση βάρους μπορεί να πάρει πολλές μορφές, βασική όμως προϋπόθεση είναι να ισχύει για d 0, w(d i ) Συναρτήσεις που ικανοποιούν αυτήν την παραδοχή είναι της μορφής d -r (r>0), exp(-ad) ή exp(- ad 2 ) κοκ. Οι πιο συχνά χρησιμοποιούμενες είναι οι συναρτήσεις της μορφής d -r (r>0), όπου όσο περισσότερο αυξάνει η τιμή του r τόσο μεγαλύτερο βάρος δίνεται στα πιο κοντινά στο σημείο που θα γίνει παρεμβολή αρχικά σημεία, με αποτέλεσμα η μέθοδος να αποκτά περισσότερο τοπικό χαρακτήρα και κατά συνέπεια η προκύπτουσα επιφάνεια να εμπεριέχει μεγαλύτερη λεπτομέρεια και να είναι λιγότερο εξομαλυμένη. Η πιο συχνά χρησιμοποιούμενη συνάρτηση βάρους είναι η d -2 η οποία έχει εκτιμηθεί σαν η πιο αποτελεσματική. Για την τιμή οποιουδήποτε σημείου που προκύπτει από την παρεμβολή ισχύει η σχέση min(z i ) f(x,y) max(z i ), δεδομένου ότι w(d i )>0. Αυτό θεωρείται σαν μειονέκτημα της μεθόδου γιατί η προκύπτουσα επιφάνεια δεν είναι δυνατό να προβλέψει με ακρίβεια τις θέσεις και τα μεγέθη των μεγίστων και ελαχίστων τιμών, αν αυτές δεν συμπεριλαμβάνονται στα αρχικά δείγματα. Παρόλ' αυτά, η απλότητα της μεθόδου αυτής, η ταχύτητα στον υπολογισμό, η ευκολία στον προγραμματισμό και τα λογικά αποτελέσματα που προκύπτουν για διάφορους τύπους δεδομένων, έχουν οδηγήσει στην ευρεία εφαρμογή της. Στη συνέχεια, θα εφαρμοσθεί η μέθοδος παρεμβολής της αντιστρόφου βαρύνουσας απόστασης προκειμένου να εκτιμηθεί η χωρική κατανομή της θερμοκρασίας του νερού (σε βάθος 1m) στην ευρύτερη θαλάσσια περιοχή της Ν. Μύκονος, από δεδομένα που έχουν συλλεχθεί σε 14 σταθμούς δειγματοληψίας. Το αποτέλεσμα είναι η δημιουργία κανάβου, κατάλληλης ανάλυσης (μεγέθους pixel). i i Εφαρμογή μεθόδου παρεμβολής IDW Για την εφαρμογή της μεθόδου θα χρησιμοποιηθούν τα shapefiles stations_utm και coastline_utm. Το stations_utm περιέχει δίκτυο σταθμών δειγματοληψίας και στον Attribute Table του είναι αποθηκευμένη πληροφορία που αφορά σε μετρήσεις θερμοκρασίας θάλασσας (ST_TEMP) στους σταθμούς αυτούς. Τα δύο shapefiles και ο Attribute Table του stations_utm δίνονται στην Εικόνα

21 Εικόνα 20. Θα εφαρμοσθεί η μέθοδος παρεμβολής IDW για την παράμετρο ST_TEMP. Θα πρέπει να ενεργοποιηθεί το Extension του ArcMAP, SPATIAL ANALYST, ως εξής: Customize->Extensions->Spatial Analyst Από το ArcToolbox επιλέγεται Spatial Analyst Tools->Interpolation->IDW. Στο παράθυρο που θα εμφανιστεί (Εικόνα 21) πρέπει να γίνει επιλογή των παρακάτω: Εικόνα

22 Στο πεδίο Input point features: επιλέγεται το shapefile stations_utm Στο πεδίο Z value field: επιλέγεται το ST_TEMP (μετρήσεις θερμοκρασίας) Στο πεδίο Output raster: ορίζεται το όνομα του κανάβου που θα δημιουργηθεί, π.χ. idw_temp και ο φάκελος στον οποίο θα αποθηκευθεί. Στο πεδίο Output cell size: να πληκτρολογηθεί 100 (εννοείται 100m, διότι το stations_utm έχει σύστημα αναφοράς το UTM) και αντιστοιχεί στην ανάλυση του κανάβου που θα δημιουργηθεί. Στο πεδίο Power: να δοθεί η τιμή 2 (δηλαδή, συνάρτηση βάρους 1/d 2 ) Στο πεδίο Number of points: να πληκτρολογηθεί 5 (δηλαδή 5 γειτονικοί σταθμοί δειγματοληψίας θα ληφθούν υπόψη) Στο πεδίο Input barrier polyline features να επιλεγεί το shapefile coastline_utm (με τον τρόπο αυτόν δεν θα υπολογιστούν τιμές θερμοκρασίας στην ξηρά). Το αποτέλεσμα που θα προκύψει φαίνεται στην Εικόνα 22. Με το i (identity) μπορεί να γίνει κλικ με το mouse σε διάφορα pixels και να ληφθεί η τιμή τους. Το λογισμικό έχει ομαδοποιήσει αυτόματα τις τιμές των pixels του κανάβου που προέκυψε σε 9 ομάδες. identity Εικόνα 22. Αποτέλεσμα της εφαρμογής της μεθόδου παρεμβολής IDW Στη συνέχεια, επιλέγοντας από το κεντρικό menu VIEW -> Layout view μπορεί να δημιουργηθεί ο αντίστοιχος 2D χάρτης προσθέτοντας, υπόμνημα, κλίμακα, σημείο βορρά και τίτλο. Όπως 22

23 φαίνεται στην Εικόνα 23 έχει γίνει ομαδοποίηση των τιμών του κανάβου σε 4 ομάδες και κρατήθηκε ένα δεκαδικό ψηφίο για τις τιμές της θερμοκρασίας. Εικόνα

24 6B3.6 Υπέρθεση κανάβων Σε περιβαλλοντικές μελέτες πολύ συχνά για να απαντηθεί κάποιο ερώτημα που έχει τεθεί πρέπει να γίνει συνεκτίμηση πολλών παραμέτρων ώστε να προκύψει ένα μόνο χαρτογραφικό επίπεδο όπου θα αποτυπώνεται το τελικό αποτέλεσμα. Η συνεκτίμηση γίνεται με τη διαδικασία της υπέρθεσης (overlay). Σε πολλές περιπτώσεις η διαδικασία αυτή απαιτεί την εφαρμογή λογικών πράξεων μεταξύ κανάβων καθώς και την εφαρμογή της Άλγεβρας BOOLE. Άλγεβρα BOOLE Η Άλγεβρα BOOLE προϋποθέτει ότι οι τιμές των παραμέτρων είναι 0 ή 1. Το αποτέλεσμα επίσης των πράξεων είναι πάντα 0 ή 1. Στον παρακάτω πίνακα δίνονται οι βασικότερες πράξεις της Άλγεβρας BOOLE: AND (ΚΑΙ), OR (Ή), XOR (ΑΠΟΚΛΕΙΣΤΙΚΟ Ή), ΝΟΤ. A B A AND B A OR B A XOR B NOT(A) Στη συνέχεια θα περιγραφεί η διαδικασία σύνθεσης κανάβων με εφαρμογή λογικών πράξεων και Άλγεβρας BOOLE μεταξύ κανάβων. Έχει τεθεί το εξής πρόβλημα: Πρόβλημα 1 Στη θαλάσσια περιοχή του Στενού της Μυτιλήνης έχει πραγματοποιηθεί δειγματοληψία πεδίου σε συγκεκριμένους σταθμούς δειγματοληψίας με λήψη δειγμάτων από: (i) 1m βάθος (επιφάνεια) και (ii) +1m από το βυθό (βυθός) Η παράμετρος που μετρήθηκε ήταν η συγκέντρωση νιτρικών. Ζητείται η παραγωγή ενός κανάβου (raster) όπου θα απεικονίζεται η περιοχή μελέτης και για τον κάναβο αυτόν θα ισχύουν τα εξής: (α) Pixels με τιμή 1 να αντιστοιχούν σε περιοχές όπου ισχύει ότι η συγκέντρωση νιτρικών στην επιφάνεια είναι μεγαλύτερη από τη συγκέντρωση νιτρικών στο βυθό. (β) Pixels με τιμή 3 να αντιστοιχούν σε περιοχές όπου ισχύει ότι η συγκέντρωση νιτρικών στην επιφάνεια είναι μικρότερη από τη συγκέντρωση νιτρικών στο βυθό. (γ) Pixels με τιμή 0 σε κάθε άλλη περίπτωση. Οι σταθμοί της δειγματοληψίας πεδίου αποθηκεύτηκαν αρχικά σε ένα POINT vector layer (shapefile: stations). Στον αντίστοιχο πίνακα περιγραφικής πληροφορίας (Attribute table) 24

25 δημιουργήθηκαν δύο (2) στήλες. Στην πρώτη στήλη αποθηκεύτηκαν οι μετρήσεις της συγκέντρωσης νιτρικών που μετρήθηκαν σε κάθε σταθμό δειγματοληψίας στην επιφάνεια και στη δεύτερη οι μετρήσεις της συγκέντρωσης νιτρικών που μετρήθηκαν στο βυθό. Η διαδικασία αυτή γίνεται ως εξής: Έχοντας ανοίξει τον Attribute Table του shapefile stations εμφανίζεται ο πίνακας με την περιγραφική πληροφορία. Εκεί μπορούν να εισαχθούν δύο νέες στήλες (fields) επιλέγοντας από το μενού του παράθυρου του Attribute Table το Add Field (Εικόνα 24). Εικόνα 24. Κεντρικό menu του Attribute Table Στο παράθυρο που εμφανίζεται (Εικόνα 25) επιλέγεται το όνομα της πρώτης στήλης (NO3_surf), ο τύπος της (float) και οι παράμετροι precision και scale: Precision: Ο αριθμός των ψηφίων που μπορεί να αποθηκευτεί. Π.χ. ο αριθμός 22,36 έχει precision 4. Scale: Ο αριθμός των ψηφίων δεξιά από την υποδιαστολή. Για παράδειγμα ο αριθμός 21,36 έχει scale 2. Ομοίως δημιουργείται και η δεύτερη στήλη (NO3_bott). Εικόνα 25. Για να γίνει η εισαγωγή των δεδομένων σε κάθε στήλη πρέπει να ενεργοποιηθεί η toolbar του Editor (Εικόνα 26) από το μενού Customize. Στη συνέχεια επιλέγεται Start Editing και μπορεί να ξεκινήσει η εισαγωγή των δεδομένων σε κάθε στήλη του Attribute Table. Για αποθήκευση των δεδομένων επιλέγεται Save Edits και για να ολοκληρωθεί η διαδικασία Stop Editing. Εικόνα 26. Toolbar του Editor 25

26 Στη συνέχεια, εφαρμόζεται η μέθοδος παρεμβολής IDW για τη μετατροπή της σημειακής πληροφορίας σε συνεχή. Η μέθοδος παρεμβολής εφαρμόζεται δύο (2) φορές. Την πρώτη φορά στα δεδομένα των νιτρικών στην επιφάνεια και τη δεύτερη στα δεδομένα των νιτρικών στο βυθό της περιοχής μελέτης. Προκύπτουν με αυτόν τον τρόπο δύο (2) κάναβοι. Δεδομένου ότι στη συνέχεια πρόκειται να γίνει σύγκριση μεταξύ των δύο αυτών κανάβων, κατά τη δημιουργία τους δόθηκε προσοχή ώστε να έχουν το ίδιο μέγεθος pixel και να καταλαμβάνουν την ίδια έκταση. Να βρίσκονται δηλαδή σε πλήρη αντιστοίχηση pixel-by-pixel. Οι κάναβοι που δημιουργήθηκαν έχουν ανάλυση 30m. Ονομάζουμε no3_surface τον κάναβο που περιλαμβάνει τις συγκεντρώσεις νιτρικών που μετρήθηκαν στην επιφάνεια και no3_bottom τον κάναβο που περιλαμβάνει τις συγκεντρώσεις νιτρικών που μετρήθηκαν στο βυθό. Στο σημείο αυτό πρέπει να ενεργοποιηθεί το Extension: Spatial Analyst Customize->Extensions->Spatial Analyst. Στη συνέχεια, από το ArcToolbox: Spatial Analyst Tools->Map Algebra->Raster Calculator Στο παράθυρο που εμφανίζεται (Εικόνα 27) μπορούν να γίνουν όλες οι πράξεις μεταξύ κανάβων, καθώς και λογικές πράξεις. Στη συνέχεια θα πρέπει να δημιουργηθεί ένας νέος κάναβος (Raster3) τα pixels του οποίου θα έχουν τιμή 1 όταν ισχύει η συνθήκη (α). Αυτό γίνεται ως εξής: Raster3 = (no3_surface > no3_bottom) Εικόνα 27. Δημιουργία Raster3 26

27 Η σύγκριση μεταξύ των κανάβων no3_surface και no3_bottom γίνεται pixel-by-pixel και όπου η συνθήκη (no3_surface > no3_bottom) είναι αληθής στο αντίστοιχο pixel του Raster3 αποθηκεύεται η τιμή 1. Στα pixels όπου η συνθήκη είναι ψευδής, αποθηκεύεται η τιμή 0. Κατά συνέπεια, ο κάναβος Raster3 έχει τιμές μόνο 1 (κόκκινο χρώμα) και 0 (πράσινο χρώμα), όπως φαίνεται στην Εικόνα 28. Εικόνα 28. Raster3 Στη συνέχεια, θα πρέπει να δημιουργηθεί ένας νέο κάναβος (Raster4) τα pixels του οποίου θα έχουν τιμή 1 όταν ισχύει η συνθήκη (β). Αυτό γίνεται ως εξής (Εικόνα 29): Raster4 = (no3_surface < no3_bottom) 27

28 Εικόνα 29. Δημιουργία Raster4 Η σύγκριση μεταξύ των κανάβων no3_surface και no3_bottom γίνεται pixel-by-pixel και όπου η συνθήκη (no3_surface < no3_bottom) είναι αληθής στο αντίστοιχο pixel του Raster4 αποθηκεύεται η τιμή 1. Στα pixels όπου η συνθήκη είναι ψευδής, αποθηκεύεται η τιμή 0. Κατά συνέπεια, ο κάναβος Raster4 έχει τιμές μόνο 1 (μπλέ χρώμα) και 0 (κίτρινο χρώμα), όπως φαίνεται στην Εικόνα 30. Εικόνα 30. Raster 4 28

29 Στο σημείο αυτό πρέπει να δοθεί προσοχή στο εξής: Στον κάναβο Raster3 κάποια pixels, όπως αναφέρθηκε παραπάνω, έχουν τιμή 1. Αν εξετάσουμε την τιμή των αντίστοιχων pixels στον κάναβο Raster4, θα είναι 0. Και αυτό διότι δεν είναι δυνατόν και οι δύο συνθήκες που εξετάστηκαν παραπάνω να είναι ταυτόχρονα αληθείς. Δεδομένου ότι ζητείται τα pixels που ικανοποιούν τη συνθήκη (β) να έχουν τιμή τρία (3) και όχι ένα (1), πολλαπλασιάζουμε τον κάναβο Raster4 επί 3 και προκύπτει ο κάναβος Raster 5 (Εικόνα 31). Raster5 = 3 * Raster4 Εικόνα 31. Δημιουργία Raster5 Για να ολοκληρωθεί η διαδικασία πρέπει να συνθέσουμε τους κανάβους Raster3 και Raster5. Η σύνθεση για να προκύψει το τελικό αποτέλεσμα γίνεται απλά προσθέτοντάς τους. Η πρόσθεση γίνεται προφανώς pixel-by-pixel. Άρα: Raster_final = Raster3 + Raster5 Ο τελικός κάναβος θα έχει τιμές pixels 1 (πράσινο χρώμα) όπου ικανοποιείται η συνθήκη (α), 3 (πορτοκαλί χρώμα) όπου ικανοποιείται η συνθήκη (β) και 0 (κίτρινο χρώμα) όπου δεν ικανοποιείται καμία από τις δύο δηλαδή οι συγκεντρώσεις νιτρικών στο βυθό είναι ίσες με τις συγκεντρώσεις νιτρικών στην επιφάνεια. Όπως φαίνεται στην Εικόνα 32 αυτό ισχύει σε μια πολύ περιορισμένη έκταση της περιοχής μελέτης. 29

30 Εικόνα 32. Τελικό αποτέλεσμα της υπέρθεσης κανάβων Πρόβλημα 2 Δίνεται το εξής ερώτημα: Στη θαλάσσια περιοχή του Στενού της Μυτιλήνης έχει πραγματοποιηθεί δειγματοληψία πεδίου σε συγκεκριμένους σταθμούς δειγματοληψίας με λήψη δειγμάτων από: (i) 1m βάθος (επιφάνεια) και (ii) +1m από το βυθό (βυθός) Οι παράμετροι που μετρήθηκαν ήταν η συγκέντρωση νιτρικών και η συγκέντρωση φωσφορικών. Ζητείται η παραγωγή ενός κανάβου (raster) όπου θα απεικονίζεται η περιοχή μελέτης. Για τον κάναβο αυτόν να ισχύουν τα εξής: (α) Pixels με τιμή 1 να αντιστοιχούν σε περιοχές όπου ισχύει ότι η συγκέντρωση νιτρικών στην επιφάνεια είναι μεγαλύτερη από τη συγκέντρωση νιτρικών στο βυθό και η συγκέντρωση φωσφορικών στην επιφάνεια είναι μεγαλύτερη από τη συγκέντρωση φωσφορικών στο βυθό. (β) Pixels με τιμή 0 σε κάθε άλλη περίπτωση. Όπως και στο προηγούμενο πρόβλημα, οι σταθμοί της δειγματοληψίας πεδίου αποθηκεύτηκαν αρχικά σε ένα POINT vector layer (π.χ. shapefile stations). Στον αντίστοιχο πίνακα περιγραφικής πληροφορίας (Attribute table) δημιουργήθηκαν τέσσερις (4) στήλες. Στην πρώτη στήλη αποθηκεύτηκαν οι μετρήσεις της συγκέντρωσης νιτρικών στην επιφάνεια, στη δεύτερη οι μετρήσεις της συγκέντρωσης νιτρικών στο βυθό, στην τρίτη οι μετρήσεις της συγκέντρωσης 30

31 φωσφορικών στην επιφάνεια και στην τέταρτη οι μετρήσεις της συγκέντρωσης φωσφορικών στο βυθό. Στη συνέχεια εφαρμόζεται η μέθοδος παρεμβολής IDW για τη μετατροπή της σημειακής πληροφορίας σε συνεχή. Η μέθοδος παρεμβολής εφαρμόσθηκε τέσσερις (4) φορές. Κατά συνέπεια, προέκυψαν τέσσερις (4) κάναβοι. Δεδομένου ότι στη συνέχεια πρόκειται να γίνει σύγκριση μεταξύ αυτών των κανάβων, κατά τη δημιουργία τους δόθηκε προσοχή ώστε να έχουν το ίδιο μέγεθος pixel και να καταλαμβάνουν την ίδια έκταση. Να βρίσκονται δηλαδή σε πλήρη αντιστοίχηση pixel-by-pixel. Οι κάναβοι που δημιουργήθηκαν έχουν ανάλυση 30m. Ονομάζουμε: Raster1: τον κάναβο που περιλαμβάνει τις συγκεντρώσεις νιτρικών στην επιφάνεια Raster2: τον κάναβο που περιλαμβάνει τις συγκεντρώσεις νιτρικών στο βυθό Raster3: τον κάναβο που περιλαμβάνει τις συγκεντρώσεις φωσφορικών στην επιφάνεια Raster4: τον κάναβο που περιλαμβάνει τις συγκεντρώσεις φωσφορικών στο βυθό Θα δημιουργήσουμε έναν νέο κάναβο (Raster7) τα pixels του οποίου θα έχουν τιμή 1 όταν ισχύει η συνθήκη (α). Αυτό γίνεται ως εξής (Εικόνα 33): Raster7 = Raster5 AND Raster6 όπου: Raster5 = (Raster1 > Raster2), Raster6 = (Raster3 > Raster4) Στη συνέχεια, από το ArcToolbox: Spatial Analyst Tools->Map Algebra->Raster Calculator εφαρμόζεται Άλγεβρα BOOLE και συγκεκριμένα η πράξη AND. Boolean operators ~ Boolean NOT & Boolean AND ^ Boolean XOR Boolean OR 31

32 Εικόνα 33. Δημιουργία Raster7 Όπως προαναφέρθηκε η άλγεβρα BOOLE εφαρμόζεται μόνο μεταξύ κανάβων που έχουν τιμές 0 ή 1. Η σύγκριση μεταξύ των κανάβων Raster1 και Raster2 γίνεται pixel-by-pixel και όπου η συνθήκη (Raster1 > Raster2) είναι αληθής στο αντίστοιχο pixel του Raster5 αποθηκεύεται η τιμή 1. Στα pixels όπου η συνθήκη είναι ψευδής, αποθηκεύεται η τιμή 0. Κατά συνέπεια, ο κάναβος Raster5 έχει τιμές μόνο 1 και 0. Η σύγκριση μεταξύ των κανάβων Raster3 και Raster4 γίνεται pixel-by-pixel και όπου η συνθήκη (Raster3 > Raster4) είναι αληθής στο αντίστοιχο pixel του Raster6 αποθηκεύεται η τιμή 1. Στα pixels όπου η συνθήκη είναι ψευδής, αποθηκεύεται η τιμή 0. Κατά συνέπεια, ο κάναβος Raster6 έχει τιμές μόνο 1 και 0. Επομένως είναι δυνατό να εφαρμοσθεί η πράξη AND μεταξύ των κανάβων Raster5 και Raster6. Το αποτέλεσμα φαίνεται στην Εικόνα 34 όπου με κόκκινο χρώμα (τιμές 1 σtο Raster7) απεικονίζονται οι ζητούμενες περιοχές που πληρούν το κριτήριο (α). 32

33 Εικόνα 34. Τελικό αποτέλεσμα υπέρθεσης κανάβων 33

34 7B3.7 Δημιουργία 3D απεικονίσεων και χαρτών Για τη δημιουργία 3D απεικονίσεων και χαρτών πρέπει να ενεργοποιηθεί το Extension: 3D Analyst, ως εξής: Customize->Extensions->3D Analyst Θα οπτικοποιηθούν στο ArcMAP τα shapefiles contours και coast_m (Εικόνα 35). Στο contours περιέχονται οι ισοϋψείς της Ν. Μήλου και στο coast_m το πολύγωνο που περικλείει το νησί της Μήλου. Εικόνα 35. Οπτικοποίηση των shapefiles Στόχος είναι η δημιουργία τρισδιάστατης (3D) απεικόνισης του αναγλύφου της Ν. Μήλου. Για το σκοπό αυτό θα δημιουργηθεί ένα TIN (Triangulated Irregular Network) της αντίστοιχης περιοχής. 1 19BΔίκτυο ακανόνιστων τριγώνων (TIN - Triangulated Irregular Network) Ως ΤΙΝ ορίζεται ένα μοντέλο αναπαράστασης μιας συνεχούς επιφάνειας (π.χ. επιφάνειας εδάφους Digital Terrain Model, DTM) που βασίζεται στη δημιουργία ενός πλέγματος τριγώνων βάσει ενός συνόλου παρατηρήσεων (υψομέτρου) από την περιοχή μελέτης. Η διαδικασία της τριγωνοποίησης προϋποθέτει ότι κάθε σημείο συνδέεται με όλα τα γειτονικά του με ευθύγραμμα τμήματα που δεν τέμνονται μεταξύ τους. Με τον τρόπο αυτό δημιουργούνται τρίγωνα διαφορετικού μεγέθους. Κάθε πλευρά τριγώνου έχει ομοιόμορφες χωρικές ιδιότητες. Η τριγωνοποίηση μπορεί να επιτευχθεί με διαφορετικούς τρόπους ανάλογα 34

35 με το κριτήριο σύνδεσης των σημείων. Ο ποιό γνωστός τρόπος είναι η μέθοδος Delannay. Στην περίπτωση ΤΙΝ μιας επιφάνειας εδάφους, η επιφάνεια του κάθε τριγώνου έχει μια βαθμωτή μεταβολή κλίσης. Άρα, από τα υψόμετρα των κορυφών κάθε τριγώνου μπορεί να βρεθεί το ύψος εντός του τριγώνου. Σε ένα ΤΙΝ μια επίπεδη επιφάνεια απαιτεί ένα μικρό αριθμό σημείων για να αναπαρασταθεί ενώ μια ορεινή περιοχή όπου υπάρχουν απότομες αλλαγές του αναγλύφου, απαιτεί μεγάλο αριθμό σημείων. Τα τρίγωνα που αντιστοιχούν σε μια επίπεδη περιοχή είναι μεγάλου εμβαδού, ενώ σε περιοχές απότομου αναγλύφου αντιστοιχούν τρίγωνα πολλά και μικρής έκτασης. Για να δημιουργηθεί το ΤΙΝ πρέπει να ακολουθηθεί η παρακάτω διαδικασία. Από το ArcToolbox: 3D Analyst Tools->Data Management->TIN->Create TIN Στο παράθυρο που εμφανίζεται (Εικόνα 36) δίνεται το όνομα του ΤΙΝ που θα δημιουργηθεί (έχει δοθεί tin1), το σύστημα συντεταγμένων των δύο shapefiles (coast_m και contours) που είναι το ΕΓΣΑ 87 (greek-grid) ορισθεί τα δύο shapefiles ως πηγή πληροφορίας για τη δημιουργία του ΤΙΝ. Το αποτέλεσμα δίνεται στην Εικόνα 37. Εικόνα 36. Διεπιφάνεια για τη δημιουργία ΤΙΝ 35

36 Εικόνα 37. Δημιουργία ΤΙΝ από τις ισοϋψείς της Ν. Μήλου Κάνοντας μεγέθυνση σε μια περιοχή του ΤΙΝ που προέκυψε είναι εμφανής η τριγωνοποίηση της περιοχής μελέτης (Εικόνα 38). Εικόνα 38. Zoom στο ΤΙΝ που δημιουργήθηκε όπου είναι ορατή η τριγωνοποίηση στην περιοχή μελέτης 36

37 2 20BΔημιουργία κανάβου υψομέτρων από το ΤΙΝ Το ΤΙΝ που προέκυψε μπορεί στη συνέχεια να μετατραπεί σε κάναβο, όπου σε κάθε pixel θα είναι αποθηκευμένο το υψόμετρο της περιοχής μελέτης. Για το σκοπό αυτό ακολουθείται η εξής διαδικασία. Από το ArcToolbox: 3D Analyst Tools->Conversion->From TIN->TIN to Raster Στο παράθυρο της Εικόνας 39 επιλέγεται το ΤΙΝ (tin1), το όνομα του κανάβου που θα προκύψει (tin_to_raster) και το μέγεθος του pixel του κανάβου που θα προκύψει CELLSIZE 100 m. Εικόνα 39. Διεπιφάνεια για τη δημιουργία κανάβου από ΤΙΝ Το αποτέλεσμα δίνεται στην Εικόνα 40, όπου έχουν δημιουργηθεί 9 ομάδες υψομέτρων και έχουν κατηγοριοποιηθεί τα pixels του κανάβου. Εικόνα 40. Αποτέλεσμα δημιουργίας κανάβου υψομέτρων από ΤΙΝ 37

38 3 21BΔημιουργία κανάβου κλίσεων από τον κάναβο υψομέτρων Στην περίπτωση που θέλουμε να δημιουργήσουμε έναν κάναβο που να περιέχει τις κλίσεις στην περιοχή μελέτης (Εικόνα 41), αυτό μπορεί να γίνει μέσω του κανάβου που δημιουργήθηκε στο προηγούμενο βήμα και περιέχει τα υψόμετρα. Επιλέγουμε, από το ArcToolbox: 3D Analyst Tools->Raster surface->slope Εικόνα 41. Αποτέλεσμα δημιουργίας κανάβου κλίσεων 38

39 0BΒιβλιογραφία Burrough P.A., Principles of Geographical Information Systems for Land Resources Assessment. Clarendon Press, Oxford. Burrough P.A. and McDonnell R.A., Principles of Geographical Information Systems. Spatial Information Systems and Geostatistics. Oxford University Press. Clemmer G., The GIS 20: Essential Skills. ESRI Press. Cowen J., On Defining the Geographic Information System. In Fundamentals of Geographic Information Systems: A Compendium, (W. Ripple, ed.), ASPRS/ACSM. Demers M.N., Fundamentals of Geographic Information Systems. John Wiley & Sons, Inc. Heywood Ι., Cornelius S., Carver S., An Introduction to Geographical Information Systems. Pearson. Juppenlatz M. and Tian X., Geographic Information Systems and Remote Sensing. McGraw-Hill Book Company. Κουτσόπουλος Κ., Γεωγραφικά Συστήματα Πληροφοριών και ανάλυση χώρου. Εκδόσεις Παπασωτηρίου. Κουτσόπουλος Κ. και Ανδρουλακάκης Ν., Εφαρμογές Γεωγραφικών Συστημάτων Πληροφοριών με χρήση του λογισμικού ArcGIS. Εκδόσεις Παπασωτηρίου. Μανιάτης Γ., Γεωγραφικά Συστήματα Πληροφοριών Γης-Κτηματολογίου. Εκδόσεις Ζήτη, Θεσσαλονίκη. Michelakaki M. and Kitsiou D., Estimation of anisotropies in chlorophyll a spatial distributions based on satellite data and variography. Global NEST Journal 7(2): Παρασχάκης Ι., Παπαδοπούλου Μ. και Πατιάς Π., Αυτοματοποιημένη Χαρτογραφία. Εκδόσεις Ζήτη, Θεσσαλονίκη. Parker, Η.D., The Unique Qualities of a Geographic Information System: A Commentary. Photogrammetric Engineering and Remote Sensing, Vol. 54(11), Smith T., Menon S., Star J. and Estes J., Requirements and Principles for the Implementation and Construction of Large-Scale Geographic Information Systems. International Journal of Geographic Information Systems, Vol. 1, No 1, Taylor & Francis, Ltd. Star J. and Estes J., Geographic Information Systems: An Introduction. Prentice Hall, New Jersey. Τσουχλαράκη Α. και Αχιλλέως Γ., Μαθαίνοντας τα GIS στην πράξη. Εκδόσεις ΔΙΣΙΓΜΑ 39