ΣΥΓΚΡΙΤΙΚΗ ΑΞΙΟΛΟΓΗΣΗ ΧΡΟΝΟΣΕΙΡΑΣ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ ΡΑΝΤΑΡ ΚΑΙ

Transcript

1 ΣΥΓΚΡΙΤΙΚΗ ΑΞΙΟΛΟΓΗΣΗ ΧΡΟΝΟΣΕΙΡΑΣ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ ΡΑΝΤΑΡ ΚΑΙ ΠΟΛΥΦΑΣΜΑΤΙΚΩΝ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ ΓΙΑ ΤΗ ΧΑΡΤΟΓΡΑΦΗΣΗ ΤΩΝ ΜΟΡΦΟΜΕΤΡΙΚΩΝ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΤΗΣ ΛΙΜΝΗΣ ΚΟΡΩΝΕΙΑΣ 1 ΠΕΡΙΒΟΛΙΩΤΗ Τ., 2 ΜΟΥΡΑΤΙΔΗΣ Α., 1 ΜΠΟΜΠΟΡΗ Δ. και 3 ΤΕΡΖΟΠΟΥΛΟΣ Δ. 1 Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Τμήμα Βιολογίας, Τομέας Ζωολογίας, Εργαστήριο Ιχθυολογίας, Θεσσαλονίκη, triaperi@bio.auth.gr, bobori@bio.auth.gr 2 Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Τμήμα Γεωλογίας, Τομέας Φυσικής και Περιβαλλοντικής Γεωγραφίας, Θεσσαλονίκη, amourati@geo.auth.gr 3 Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Τμήμα Μαθηματικών, Τομέας Επιστήμης Υπολογιστών και Αριθμητικής Ανάλυσης, Θεσσαλονίκη, terzopod@math.auth.gr Λέξεις κλειδιά: όγκος - επιφάνεια νερού, Landsat, Sentinel, Envisat Περίληψη Τα μορφομετρικά χαρακτηριστικά των λιμνών επηρεάζονται από τις κλιματικές μεταβολές και από τις ανθρωπογενείς δραστηριότητες. Τα δορυφορικά δεδομένα μπορούν να χρησιμοποιηθούν για την αποτελεσματική παρακολούθηση των μεταβολών των μορφομετρικών χαρακτηριστικών των λιμνών. Στόχος της παρούσας εργασίας είναι η δημιουργία ενός πυκνού ιστορικού προφίλ περίπου 25 ετών- των μεταβολών των μορφομετρικών χαρακτηριστικών της λίμνης Κορώνειας με τη χρήση δεδομένων SAR (ERS-1/- 2, Envisat/ASAR και Sentinel-1) και πολυφασματικών εικόνων (Landsat- 5,7,8/TM,ETM+,OLI). Επιπροσθέτως, τα αποτελέσματα συνέβαλλαν α) στην ανάπτυξη μιας μεθοδολογίας εκτίμησης του όγκου της λίμνης και των μεταβολών της επιφάνειας χρησιμοποιώντας δορυφορικά δεδομένα και β) στη σύγκριση της αποτελεσματικότητας των SAR και των πολυφασματικών δεδομένων για την ανίχνευση αλλαγών στα μορφομετρικά χαρακτηριστικά των λιμνών. Βάσει των αποτελεσμάτων η περίμετρος, η επιφάνεια και ο όγκος του νερού της λίμνης παρουσίασαν σημαντική μείωση από το 1984 (38.5 km, 47 km 2,180.5 *10 6 m 3 ) έως το 2011 (28.1 km, 23 km 2, 17 * 10 6 m 3 ). Κατά την περίοδο υπήρξε μικρή αύξηση της περιμέτρου, της επιφάνειας και του όγκου του νερού της λίμνης, ενώ κατά την περίοδο καταγράφηκαν οι χαμηλότερες τιμές των μελετούμενων μορφομετρικών χαρακτηριστικών. Συμπερασματικά, η συστηματική παρακολούθηση της Λίμνης Κορώνειας επιτυγχάνεται σήμερα εξίσου αξιόπιστα, τόσο με πολυφασματικές εικόνες όσο και με εικόνες SAR. COMPARATIVE EVALUATION OF RADAR AND MULTISPECTRAL SATELLITE IMAGE TIME-SERIES FOR MAPPING THE MORPHOMETRIC CHARACTERISTICS OF LAKE KORONIA PERIVOLIOTI T., MOURATIDIS A., BOBORI D. and TERZOPOULOS D. Key words: water surface-volume, Landsat, Sentinel, ENVISAT Abstract The establishment and maintenance of long-term Earth Observation (EO) missions has enabled the acquisition of data that facilitate the monitoring of Earth s surface. Among a multitude of Geoscience applications, the coupling of EO data and relevant image processing techniques, along with Geographical Information Systems (GIS), has been proven as a powerful tool for inland water body mapping and monitoring. Satellite remote sensing can be used to map and monitor lake changes with the aim to reconstruct its historical evolution, to reduce cost and time

2 and to deal with problems of accessibility to the field. The most relevant types of satellite imaging being exploited for lake monitoring are (i) SAR (Synthetic Aperture Radar) imagery and (ii) multispectral images, operating in the visible (VIS)-and infrared (IR) parts of the electromagnetic spectrum. Lake Koronia is part of Mygdonia basin (Central Macedonia, N. Greece). It is one of the most important Ramsar wetlands of Greece and it is protected as a Natura 2000 site. However, it faces serious environmental issues and water management problems, such as decreasing water levels, deterioration of water quality, water salinization and a near-extinction of the ecosystem. In this context, the purpose of the study is to create a historical record of changes over Lake Koronia, using long time series- about 25 years- and evaluate the applicability of multispectral and SAR data thereto. The historical archives of Landsat, ERS-1/-2 and Envisat/ASAR, as well as more recent missions (Sentinel-1) are be used. Apart from mapping the variability of Lake Koronia for the past two decades, the results are expected to contribute to: a) develop a method of assessing lake volume and surface changes using satellite images and b) the comparison of the efficiency of SAR and VIS data for monitoring lake changes. The results indicate that the perimeter, area, and volume of Koronia Lake decreased over the past two decades. There has been a consistent and significant reduction in the perimeter, the area and the volume from 1984 (38.5 km, 47 km 2, * 10 6 m 3 ) to 2011 (28.1 km, 23 km 2, 17 * 10 6 m 3 ), specifically including a slight decreases, e.g. during , and a sudden drops, e.g during Thus, Lake Koronia is characterized by continuously variable hydrological conditions, including frequent drying and refill. Anthropogenic factors, is likely the main cause of the changes in perimeter, area, and volume of Koronia Lake and accelerate the degradation of the lake. Finally, the systematic monitoring of the morphometric characteristics of Lake Koronia can nowadays be effectively achieved either with multispectral or using SAR satellite imagery. Nevertheless, since SAR data retain the advantage of image acquisition regardless of weather conditions, they hold a higher level of operational value to it. 1. Εισαγωγή Τα τελευταία χρόνια, μεγάλος είναι ο αριθμός των λιμνών, στις οποίες έχουν καταγραφεί αξιοσημείωτες μεταβολές, τόσο ως προς την ποιότητα των υδάτων όσο και ως προς τα υδρομορφολογικά χαρακτηριστικά, ως αποτέλεσμα των εντατικών ανθρωπογενών δραστηριοτήτων και των κλιματικών μεταβολών. Δεδομένου ότι τα μορφομετρικά χαρακτηριστικά των λιμναίων συστημάτων και οι διακυμάνσεις τους συναρτήσει του χρόνου επηρεάζουν τις φυσικές, χημικές και βιολογικές διαδικασίες που λαμβάνουν χώρα στα συστήματα αυτά (Lu et al., 2013), καθίσταται, συχνά, απαραίτητη η γνώση των χωρικών και χρονικών μεταβολών τους. H απόκτηση δεδομένων, υψηλής χωρικής και χρονικής ανάλυσης, σχετικά με τις μεταβολές στη διαθεσιμότητα του νερού των λιμνών είναι απαραίτητη. Ωστόσο, υπάρχει ένας περιορισμένος αριθμός δεδομένων (Lehner and Doll, 2004, Downing et al., 2006, McDonald et al., 2012) σχετικά με την τοποθεσία, την έκταση, καθώς και άλλα βασικά χαρακτηριστικά των λιμναίων συστημάτων σε παγκόσμια κλίμακα. Οι πρόσφατες εξελίξεις στον τομέα της Τηλεπισκόπησης έχουν συμβάλλει την ανάκτηση αυτών των πληροφοριών και στην δυνατότητα παρακολούθησης των χωρικών και χρονικών μεταβολών των λιμνών (Cretaux et al., 2016). Η δορυφορική Τηλεπισκόπηση μπορεί να χρησιμοποιηθεί για τη χαρτογράφηση και την ανίχνευση των αλλαγών των λιμναίων μορφομετρικών χαρακτηριστικών, ενώ παράλληλα συμβάλλει στη μείωση του κόστους, του χρόνου, καθώς και στην αντιμετώπιση προβλημάτων προσβασιμότητας στο πεδίο. Οι τύποι δορυφορικής απεικόνισης που, κυρίως, αξιοποιούνται για την παρακολούθηση των λιμνών είναι: (i) τα δεδομένα Ραντάρ Συνθετικής Κεραίας (SAR, Synthetic Aperture Radar) (Alsdorf et al., 2001, Ding & Li, 2011) και (ii) οι πολυφασματικές εικόνες στο ορατό (VIS) και στο υπέρυθρο (IR) τμήμα του ηλεκτρομαγνητικού φάσματος (McFeeters, 1996, Pope et al., 2016, Zheng et al., 2016).

3 Η χαρτογράφηση της υδάτινης επιφάνειας των λιμνών χρησιμοποιώντας πολυφασματικές εικόνες έχει υλοποιηθεί επιτυχώς και, συχνά, προτιμώνται σε αυτού είδους τις εφαρμογές. Η βελτιωμένη χωρική ανάλυση (π.χ. Sentinel-2 με χωρική ανάλυση 10 m), η δυνατότητα χρήσης πολλαπλών φασματικών ζωνών και η καλή χρονική ανάλυση (π.χ. MODIS με χρονική ανάλυση 1 ημέρα) είναι οι κύριοι λόγοι επιλογής των πολυφασματικών δεδομένων στον προσδιορισμό των μορφομετρικών χαρακτηριστικών των λιμνών. Ωστόσο, εμφανίζουν δύο βασικές αδυναμίες: α) Εξαρτώνται από τον βαθμό νεφοκάλυψης και β)αδυναμία απεικόνισης του νερού κάτω από την κομοστέγη Έτσι, τις τελευταίες δεκαετίες, τα μορφομετρικά χαρακτηριστικά των λιμνών έχουν αποτελέσει αντικείμενο μελέτης σε έρευνες σχετικά με τις εφαρμογές των SAR. Μάλιστα, τα SAR εμφανίζουν σημαντικά πλεονεκτήματα έναντι των πολυφασματικών εικόνων, τα οποία συνοψίζονται ως εξής :α) Είναι ενεργά συστήματα (λαμβάνουν εικόνες ημέρα και νύχτα), β) Δεν εξαρτώνται από τις καιρικές συνθήκες και την ηλιακή ακτινοβολία (λειτουργούν με μερική ή ολική νεφοκάλυψη), γ) Υπό προϋποθέσεις, ανιχνεύουν την ύπαρξη νερού κάτω από την κομοστέγη. Έτσι, συχνά, τα δεδομένα SAR θεωρούνται καταλληλότερα για την ανίχνευση της υδάτινης επιφάνειας (Martinis, 2010). Στο πλαίσιο αυτό, σκοπός της παρούσας εργασίας είναι η καταγραφή των μεταβολών των μορφομετρικών χαρακτηριστικών της λίμνης Κορώνειας υιοθετώντας μία προσέγγιση από την οπτική γωνία της Τηλεπισκόπησης. Συγκεκριμένα, χρησιμοποιήθηκε χρονοσειρά περίπου 25 ετών- εικόνων SAR (ERS-1 / -2, Envisat / ASAR και Sentinel-1), καθώς και χρονοσειρά πολυφασματικών δορυφορικών εικόνων (Landsat- 5, 7, 8/ TM, ETM+, OLI) της αντίστοιχης περιόδου. Εκτός από την χαρτογράφηση των μορφομετρικών χαρακτηριστικών της λίμνης Κορώνειας για τις τελευταίες τρεις περίπου δεκαετίες, τα αποτελέσματα θα συμβάλλουν: α) στην ανάπτυξη μιας μεθοδολογίας εκτίμησης του όγκου της λίμνης και των μεταβολών της επιφάνειας χρησιμοποιώντας δορυφορικά δεδομένα και β) στη σύγκριση της αποτελεσματικότητας των SAR και των πολυφασματικών δεδομένων για την ανίχνευση αλλαγών στα μορφομετρικά χαρακτηριστικά των λιμνών. 2. Περιοχή μελέτης Η λίμνη Κορώνεια, γνωστή και ως λίμνη Λαγκαδά ή λίμνη Αγίου Βασιλείου βρίσκεται 30 km βορειοανατολικά της Θεσσαλονίκης, Κεντρική Μακεδονία (Σχήμα 1). Η λίμνη Κορώνεια ανήκει στη λεκάνη απορροής της Μυγδονίας (Κεντρική Μακεδονία, Βόρεια Ελλάδα). Η λίμνη Κορώνεια έχει μεγάλη οικολογική σημασία, η οποία έχει αναγνωριστεί παγκοσμίως. Συγκεκριμένα, προστατεύεται από τις οδηγίες 79/409/ΕΟΚ και 92/43/ΕΚ, τη σύμβαση RAMSAR και χαρακτηρίζεται ως περιοχή Natura Παρόλα αυτά, αντιμετωπίζει σημαντικά περιβαλλοντικά θέματα και προβλήματα διαχείρισης, όπως η μείωση της ποσότητας των υδάτων της, υποβάθμιση της ποιότητας, αύξηση αλατότητας και σχεδόν ολοκληρωτικό αφανισμό του οικοσυστήματος. Η υποβάθμιση της λίμνης Κορώνειας προκαλείται κυρίως από την εισροή αποβλήτων (αστικά, βιομηχανικά, γεωργικά) και από την υπεράντληση των υδάτων (Mylopoulos et al., 2007). Η λίμνη Κορώνεια ήταν η 4 η μεγαλύτερη λίμνη της Ελλάδας, αλλά τα τελευταία χρόνια έχει μετατραπεί σε μια εφήμερη λίμνη. Χαρακτηριστική είναι η μείωση τη στάθμης του νερού από 8 m (1960) σε λιγότερο από 1 m μέχρι το 2001 (Manakou et al., 2008) και το αρνητικό υδρολογικό ισοζύγιο της λεκάνης απορροής (Μουζούρη, Γ. κ.α., 2002). Στο παρελθόν και τη διάρκεια ορισμένων περιόδων του έτους η λίμνη ξηραίνονταν σχεδόν ολοκληρωτικά, ενώ ο όγκος νερού της λίμνης πλέον εξαρτάται κυρίως από τα κατακρημνίσματα. Ως εκ τούτου, τα επαναλαμβανόμενα φαινόμενα ξήρανσης - πλήρωσης και οι συνεχείς διακυμάνσεις της στάθμης της λίμνης καθιστούν τη λίμνη Κορώνεια ένα ιδιαιτέρως ενδιαφέρον σύστημα τόσο για την εφαρμογή της προτεινόμενης μεθοδολογίας, όσο και για την ανάκτηση των ιστορικών δεδομένων.

4 Σχήμα 1. Περιοχή μελέτης. Figure 1. The study area. 3. Μεθοδολογία Για την παρακολούθηση των μεταβολών των μορφομετρικών χαρακτηριστικών, και συγκεκριμένα της περιμέτρου, της επιφάνειας και του όγκου του νερού, της λίμνης Κορώνειας ακολουθήθηκαν δύο προσεγγίσεις, οι οποίες περιελάμβαναν: α) τη χρήση δορυφορικών δεδομένων SAR και β) τη χρήση πολυφασματικών δορυφορικών εικόνων. Απαραίτητη προϋπόθεση για τον υπολογισμό του όγκου του νερού είναι η ύπαρξη πληροφορίας για την τοπογραφία/μορφολογία του χώρου που καταλαμβάνει η λίμνη στη μέγιστη στάθμη της, τυπικά μέσω ενός Ψηφιακού Υψομετρικού Μοντέλου (Digital Elevation Model/DEM). Στην παρούσα εργασία, το Ψηφιακό Υψομετρικό Μοντέλο που χρησιμοποιήθηκε προέκυψε από τη ψηφιοποίηση τοπογραφικών χαρτών, διαδικασία που προηγήθηκε της εξαγωγής των μορφομετρικών χαρακτηριστικών. 3.1 Εξαγωγή Ψηφιακού Υψομετρικού Μοντέλου Για την εξαγωγή του Ψηφιακού Υψομετρικού Μοντέλου χρησιμοποιήθηκε το φύλλο Θέρμη του Τοπογραφικού Χάρτη 1: της Γεωγραφικής Υπηρεσίας Στρατού (Γ.Υ.Σ.) και συγκεκριμένα οι εκδόσεις 1969, 1970, Για τη λίμνη της Κορώνειας και με την αξιοποίηση των ψηφιοποιημένων ισοϋψών-βυθομετρικών καμπυλών και υψομετρικώνβαθυμετρικών σημείων των τοπογραφικών χαρτών δημιουργήθηκε υδρολογικά διορθωμένο DEM, με ισοδιάσταση ψηφίδας (μέγεθος εικονοστοιχείου) 30m, χρησιμοποιώντας τον αλγόριθμο topogridtool του λογισμικού ArcGIS. Η επιλογή του μεγέθους εικονοστοιχείου των 30m για το παραγόμενο Ψηφιακό Μοντέλο Εδάφους προκύπτει από την κλίμακα των αρχικών χαρτών, τη μέση απόσταση μεταξύ των ισοϋψών καμπυλών και την πυκνότητα τους στην περιοχή μελέτης, κατά τις μεθόδους του Hengl (2005). 3.2 Δεδομένα SAR Ανάκτηση και προεπεξεργασία δεδομένων Χρησιμοποιήθηκαν εικόνες ENVISAT/ASAR (Image Mode Precision Image/IMP 1P Level 1 και Single Look Complex/SLC), εικόνες ERS-1,2 (Image Mode Precision Image/IMP 1P Level 1 και Single Look Complex/SLC), καθώς και εικόνες Sentinel-1 (Level-1 GRD), οι οποίες καλύπτουν την περίοδο Η επιλογή και η συλλογή των εικόνων ENVISAT/ASAR

5 και ERS-1,2 έγινε με τη χρήση της εφαρμογής EOLI-SA. Η πρόσβαση στα δορυφορικά δεδομένα SAR μέσω της εφαρμογής EOLI-SA κατέστη δυνατή μέσω της Ευρωπαϊκής Υπηρεσίας Διαστήματος (European Space Agency/ESA), κατόπιν υποβολής σχετικής ερευνητικής πρότασης (Category-1 proposal ID: 36968). Οι εικόνες Sentinel-1 ανακτήθηκαν μέσω του Copernicus Open Access Hub (πρώην Sentinels Scientific Data Hub) ( Συνολικά, χρησιμοποιήθηκαν περί τις 70 εικόνες SAR. Πριν από την ανάλυση των εικόνων SAR πραγματοποιήθηκαν ορισμένες διορθώσεις, όπως γεωμετρικές, ραδιομετρικές και καταγραφής, οι οποίες αποσκοπούσαν στην απομάκρυνση σφαλμάτων λόγω ραδιομετρικής υποβάθμισης, γεωμετρικών παραμορφώσεων και θορύβου που υπεισέρχονται κατά την καταγραφή και μεταβίβαση των δεδομένων ραντάρ. Πιο συγκεκριμένα, έλαβαν χώρα: (α) η εφαρμογή των ακριβέστερων διαθέσιμων δεδομένων τροχιάς των δορυφόρων, (β) η βαθμονόμηση (calibration) κάθε εικόνας, με τη μετατροπή των ψηφιακών τιμών (digital values, DN) κάθε εικονοστοιχείου της σε τιμές συντελεστή οπισθοσκέδασης (backscattering coefficient, σ 0 ), ώστε να διασφαλιστεί ότι οι τιμές από εικόνα σε εικόνα, αλλά και μεταξύ των τμημάτων της ίδιας εικόνας είναι συγκρίσιμες και (γ) η γεωμετρική διώρθωση (ορθοαναγωγή) των εικόνων SLC. Η προεπεξεργασία των εικόνων πραγματοποιήθηκε με την χρήση των λογισμικών Next ESA SAR Toolbox (NEST) και Sentinel Application Platform (SNAP) Εξαγωγή της επιφάνειας της λίμνης Οι τελικές εικόνες SAR, έπειτα από την προεπεξεργασία, παρουσιάζουν τη δομή δισδιάστατου πίνακα - εικόνας, όπου κάθε εικονοστοιχείο έχει την τιμή του συντελεστή οπισθοσκέδασης (σ 0 ) για την έκταση του εδάφους, στην οποία αναφέρεται. Ανεξαρτήτως της προέλευσης κάθε εικόνας SAR, το κοινό αυτό χαρακτηριστικό επιτρέπει την ανάπτυξη μίας ενιαίας μεθοδολογίας για τον προσδιορισμό της επιφάνειας υδάτινων σωμάτων. Σημειώνεται, ότι σε αντιδιαστολή με τη μεθοδολογία αυτή, ο διαχωρισμός ξηράς και υδάτινων επιφανειών από τις πολυφασματικές εικόνες των δορυφόρων LANDSAT - 5, 7, 8 γίνεται με διαφορετικό τρόπο, συνδυάζοντας δεδομένα από περισσότερες από μία φασματικές ζώνες. Αρχικά, κάθε εικόνα SAR υποβλήθηκε σε εφαρμογή φίλτρου μέσου όρου (φίλτρο κινητού παραθύρου) διάστασης 5 x 5, για την εξομάλυνση του θορύβου (Glasbey and Jones, 1997) και τον προσδιορισμό μίας σχετικά αξιόπιστης τιμής κατωφλίου για τον διαχωρισμό ξηράς και υδάτινων επιφανειών. Η διάσταση του πυρήνα, καθώς και η δομή του για την εφαρμογή του φίλτρου προέκυψαν έπειτα από πειραματικές δοκιμές. Ο πυρήνας, ο οποίος χρησιμοποιήθηκε είχε τη μορφή: ι ω M = κλ ϊϋ Στη συνέχεια προσδιορίστηκε το ιστόγραμμα της εξομαλυμένης εικόνας, το οποίο και παρουσίαζε δύο κορυφές, στις τιμές με τη μεγαλύτερη συγκέντρωση τιμών για τα εικονοστοιχεία (bimodal histogram). Ως διαχωριστική τιμή των εικονοστοιχείων ξηράς και ύδατος επιλέχθηκε η ελάχιστη τιμή του ιστογράμματος, η οποία εντοπίσθηκε μεταξύ των δύο κορυφών (η «κοιλάδα» του ιστογράμματος των 2 κορυφών). Τέλος, χρησιμοποιώντας την τιμή αυτή ως κατώφλι, προσδιορίστηκε η «μάσκα» (mask) των υδάτινων σωμάτων για την εικόνα. Η

6 διαχωριστική αυτή τιμή κατωφλίου προέκυψε διαφορετική για κάθε εικόνα, ανάλογα με το ιστόγραμμά της. Οι μάσκες, οι οποίες προσδιορίστηκαν από την παραπάνω διαδικασία περιλάμβαναν πολλές διάσπαρτες ομάδες εικονοστοιχείων πέρα από το κυρίως σώμα της λίμνης, στο οποίο και περιέχονταν, κατά περίπτωση, κενά, λόγω του θορύβου και της ευαισθησίας των τιμών κατωφλίου. Για να είναι δυνατή η περαιτέρω επεξεργασία, προσδιορίστηκε με κατάλληλο αλγόριθμο το περίγραμμα όλων των μεμονωμένων συνεχών υδάτινων επιφανειών στην εκάστοτε εικόνα, και διατηρήθηκε μόνον εκείνο με το μεγαλύτερο περίγραμμα, το κυρίως σώμα της λίμνης. Στη συνέχεια, από το περίγραμμα αυτό, ακολουθώντας έναν τυπικό αλγόριθμο flood fill τύπου scanline (Godse and Godse, 2008), επαναπροσδιορίστηκε το συνεχές σώμα της λίμνης ως συλλογή εικονοστοιχείων. Η επιφάνεια της λίμνης υπολογίστηκε ως το άθροισμα των επιφανειών όλων των εικονοστοιχείων, τα οποία αποτελούν την εκάστοτε μάσκα της λίμνης Υπολογισμός του όγκου της λίμνης Χρησιμοποιώντας την περίμετρο της επιφάνειας της λίμνης, καθώς και το κυρίως σώμα της, ως συλλογές εικονοστοιχείων, προσδιορίστηκε από κάθε εικόνα ο όγκος της λίμνης, με τη βοήθεια του DEM. Αρχικά προσδιορίστηκε το μέσο υψόμετρο των εικονοστοιχείων του περιγράμματος από το DEM. Το υψόμετρο αυτό χρησιμοποιήθηκε ως μέσο υψόμετρο της στάθμης της λίμνης στην εκάστοτε εικόνα. Με βάση αυτό το υψόμετρο, υπολογίστηκε ο όγκος από κάθε εικονοστοιχείο ως το γινόμενο της επιφάνειάς του με την υψομετρική διαφορά μεταξύ του ιδίου και της στάθμης της επιφάνειας της λίμνης, όπως προσδιορίστηκε προηγουμένως. Αθροίζοντας το σύνολο των όγκων από την υδάτινη στήλη, την οποία αντιπροσωπεύει κάθε εικονοστοιχείο της μάσκας, προέκυψε ο συνολικός όγκος της λίμνης για την εκάστοτε εικόνα. 3.3 Πολυφασματικά δεδομένα Ανάκτηση και προεπεξεργασία δεδομένων Χρησιμοποιήθηκαν πολυφασματικά δεδομένα Level 1T (χαρτογραφική προβολή UTM, ζώνη 34Ν, γεωδαιτικό σύστημα αναφοράς WGS84) των αποστολών Landsat-5/ΤΜ (Thematic Mapper), Landsat-7/ETM (Enhanced Thematic Mapper), Landsat-8/OLI (Operational Land Imager) και Landsat-8/TIRS (Thermal Infrared Sensor). Απαιτούνται μόνο δύο σκηνές από τους δορυφόρους Landsat για να καλύψουν τη λίμνη Κορώνεια (path/row: 184/32,183/32Συνολικά ανακτήθηκαν 600 πολυφασματικές εικόνες, της περιόδου και πληρούν τα ακόλουθα κριτήρια: (α) συνολική νεφοκάλυψη μικρότερη από 70%, (β) απουσία νεφών πάνω από την περιοχή μελέτης και (γ) χαρακτηρισμένες ως downloadable (USGS Global Visualization Viewer). Κατά την προεπεξεργασία των εικόνων, χρησιμοποιώντας τις Διαδικασίες Ραδιομετρικής Βαθμονόμησης για τις εικόνες Landsat (National Aeronautics and Space Administration, 1999, Chander & Markham, 2003, Zanter, 2015), τα Digital Number (DNs) των εικονοστοιχείων μετατράπηκαν σε τιμές ανάκλασης TOA (Top of Atmosphere). Σε δύο εικόνες Landsat/TM (διαδρομή: 183/184) με μικρή νεφοκάλυψη, οι οποίες λήφθηκαν το 2008, πραγματοποιήθηκε ορθοαναγωγή χρησιμοποιώντας α) GCPs (γεωδαιτικό σύστημα αναφοράς WGS84), τα οποία ήταν διαθέσιμα από τους Mouratidis et al. (2010) και β) SRTM 90m (Data Version 4.1) DEM, που είναι διαθέσιμο από το CGIAR-CSI ( Οι γεωμετρικές διορθώσεις πραγματοποιήθηκαν με τη χρήση του λογισμικού Erdas Imagine Η ακρίβεια της διαδικασίας ήταν καλύτερη από 10 μέτρα. Σε ορισμένες προβληματικές εικόνες Landsat που εμφάνιζαν οριζοντιογραφική απόκλιση αρκετών χιλιομέτρων έγινε γεωμετρική διόρθωση μέσω

7 της διαδικασίας image-to-image co-registration, με τη χρήση του λογισμικού ENVI 4.8, βάσει των δύο αρχικά γεωμετρικά διορθωμένων εικόνων Landsat / TM. Τέλος έγινε περικοπή όλων των εικόνων Landsat στην περιοχή γύρω από την λίμνη Κορώνεια. Ο ορισμός αυτός της περιοχής ενδιαφέροντος έγινε με τη χρήση του λογισμικού ENVI 4.8. Η επιλογή της περιοχής ενδιαφέροντος έγινε με βάση τα ακόλουθα κριτήρια: (α) Μικρό μέγεθος τελικού αρχείου και μικρό χωρικό υποσύνολο, διευκολύνοντας την περαιτέρω επεξεργασία και (β) εύκολη οριοθέτηση της λίμνης, ανεξάρτητα από τις μεταβολές της στάθμης του νερού Εξαγωγή της επιφάνειας της λίμνης Σε αντιδιαστολή με τη μεθοδολογία που ακολουθήθηκε στις εικόνες SAR, η οριοθέτηση της υδάτινης επιφάνειας έγινε συνδυάζοντας δεδομένα από περισσότερες από μία φασματικές ζώνες. Τα βήματα που ακολουθήθηκαν για την οριοθέτηση της επιφάνειας του νερού της λίμνης από πολυφασματικά δεδομένα περιγράφονται αναλυτικά από τους Perivolioti et al. (2016). Για την εξαγωγή της επιφάνειας του νερού υπολογίστηκε, αρχικά, ο δείκτης Normalized Difference Water Index (NDWI) (McFeeters 1996). Προκειμένου να απομονωθεί η περιοχή του νερού, η οποία προσδιορίστηκε από το δείκτη NDWI, ακολουθήθηκε ένας τυπικός αλγόριθμος flood fill τύπου scanline. Η συνολική επιφάνεια υπολογίστηκε ως το άθροισμα των επιφανειών όλων των εικονοστοιχείων της μάσκας της λίμνης Υπολογισμός του όγκου της λίμνης Αντίστοιχα με τις εικόνες SAR (βλ ), χρησιμοποιώντας την περίμετρο της επιφάνειας της λίμνης, καθώς και το κυρίως σώμα της, ως συλλογές εικονοστοιχείων, προσδιορίστηκε από κάθε εικόνα ο όγκος νερού της λίμνης, με τη βοήθεια του DEM. 4. Αποτελέσματα 4.1 Μορφομετρικά Δεδομένα Στα διαγράμματα που ακολουθούν (Σχ. 2-4) αντιπαραβάλλονται οι χρονοσειρές μορφομετρικών δεδομένων, όπως προέκυψαν από πολυφασματικά δεδομένα, καθώς και από δεδομένα ραντάρ. Παρατηρείται ικανοποιητική συμφωνία μεταξύ των τάσεων μεταβολής των παραμέτρων, όπως συλλαμβάνονται από τις δύο διαφορετικές πηγές δεδομένων. Συνολικά, παρατηρείται μία φθίνουσα πορεία του όγκου και της επιφάνειας της λίμνης, με κατά περιόδους εντονότερες διακυμάνσεις εντός μικρότερων χρονικών διαστημάτων. Επιπλέον, με πολύ λίγες εξαιρέσεις, τα αποτελέσματα φαίνεται να συμπίπτουν σε πολύ καλό βαθμό με τις τιμές μορφομετρικών παραμέτρων από τη βιβλιογραφία (Αποστολακάκης κ.α. 2004, Τζιμόπουλος & Πλιάτσικα, 2005, Ντότα, 2008, Παπαδόπουλος κ.α., 2009, The Guardian, 2011). Επιπλέον, λόγω της φύσεως της μεθοδολογίας, αλλά και ενός πλήθους παραγόντων, οι οποίοι επηρεάζουν τα φυσικώς μετρούμενα μεγέθη (π.χ. σποραδική φυτοκάλυψη λίμνης, θόρυβος εικόνων κ.α.), το περίγραμμα της επιφάνειας της λίμνης σε ορισμένες εικόνες ενδέχεται να παρουσιάζει πτυχώσεις και αναδιπλώσεις ως σχήμα, καθώς παρεμβάλλονται στη φυσική επιφάνεια της λίμνης, σε τυχαίους σχηματισμούς, φυτά ή άλλα στοιχεία, τα οποία αλλοιώνουν την αναμενόμενη οπισθοσκέδαση του καθαρού υδάτινου σώματος. Για τον λόγο αυτό, παρατηρούνται σποραδικά στα διαγράμματα απότομες διακυμάνσεις εντός βραχέων χρονικών διαστημάτων. Ενδιαφέρον παρουσιάζει, τέλος, η παρατήρηση μεγαλύτερης ομαλότητας στη χρονοσειρά των δεδομένων ραντάρ, η οποία ενδέχεται να οφείλεται στη μικρότερη πυκνότητα δεδομένων, αλλά και στα διαφορετικά φασματικά χαρακτηριστικά του ραντάρ και τη διαφορετική του ευαισθησία από τα πολυφασματικά δεδομένα σε ορισμένες ατμοσφαιρικές παρεμβολές ή ορισμένες μεταβολές στην κάλυψη του εδάφους.

8 Σχήμα 2.Η διαχρονική εξέλιξη του όγκου της λίμνης Κορώνειας βάσει πολυφασματικών δεδομένων και δεδομένων ραντάρ. Figure 2. Evolution of the volume of Lake Koronia. Σχήμα 3.Η διαχρονική εξέλιξη της έκτασης της λίμνης Κορώνειας βάσει πολυφασματικών δεδομένων και δεδομένων ραντάρ. Figure 3. Evolution of the surface area of Lake Koronia. Σχήμα 4.Η διαχρονική εξέλιξη της περιμέτρου της λίμνης Κορώνειας βάσει πολυφασματικών δεδομένων και δεδομένων ραντάρ. Figure 4. Evolution of the perimeter length of Lake Koronia.

9 5. Συζήτηση-Συμπεράσματα Αναφορικά με την επιχειρησιακή χρησιμότητα των εικόνων SAR και των πολυφασματικών δορυφορικών εικόνων για τη χαρτογράφηση και παρακολούθηση των μορφομετρικών χαρακτηριστικών της λίμνης Κορώνειας - πέραν των εγγενών πλεονεκτημάτων και μειονεκτημάτων κάθε τύπου δορυφορικών δεδομένων παρατηρούνται ορισμένες διαφοροποιήσεις. Πιο συγκεκριμένα, τα δεδομένα SAR είναι διαθέσιμα από 1991 έως σήμερα, με διαχρονική ανάλυση που κυμαίνεται από 35 ημέρες για την περίοδο (δορυφόροι ERS και Envisat), σε 12 ημέρες κατά τα έτη (Sentinel-1A) και 6 ημέρες από τον Οκτώβριο του 2016 (Sentinel-1A και Sentinel-1B). Σε αυτό το σημείο θα πρέπει να τονιστεί, ότι πρακτικά μόλις από το 2014 υπάρχει συστηματική διαθεσιμότητα δεδομένων SAR, λόγω του αυστηρού προγραμματισμού λήψεων για τους δορυφόρους της σειράς Sentinel κάτι που δεν συνέβαινε με τους δορυφόρους ERS και Envisat. Αντίθετα, κατάλληλες πολυφασματικές εικόνες, με αντίστοιχη των SAR χωρική ανάλυση, για τον υπολογισμό των εν λόγω μορφομετρικών χαρακτηριστικών είναι διαθέσιμες από τις αρχές της δεκαετίας του 1980 (Landsat-5, 1984). Επιπρόσθετα, η συστηματική λήψη των δεδομένων αυτών κάθε 16 ημέρες συνεχίζεται σχεδόν αδιάλειπτα έως σήμερα (Landsat-8). Από το 2015, με την εκτόξευση του δορυφόρου Sentinel-2A και από το 2017, με την εκτόξευση του δορυφόρου Sentinel-2Β, παρέχονται συστηματικά επιπλέον πολυφασματικά δεδομένα, με διαχρονική ανάλυση 10 και 5 ημερών αντίστοιχα. Συνεπώς, σε περιπτώσεις όπου απαιτείται η αναδρομή στο παρελθόν (πριν το 1991 οπωσδήποτε, αλλά και πρακτικά πριν το 2014) για τη δημιουργία πυκνής χρονοσειράς εικόνων με σκοπό τη χαρτογράφηση μιας υδάτινης μάζας, η αξιοποίηση των πολυφασματικών δορυφορικών εικόνων καθίσταται απαραίτητη. Ωστόσο, η συστηματική παρακολούθηση των μορφομετρικών χαρακτηριστικών της Λίμνης Κορώνειας, αλλά και κάθε άλλης λίμνης, μπορεί σήμερα (από το 2014 και μετά) να βασιστεί αποκλειστικά σε εικόνες SAR. Αυτό είναι εφικτό, καθώς τα δεδομένα SAR έχουν πλέον την ίδια διαθεσιμότητα με τις πολυφασματικές δορυφορικές εικόνες, διατηρώντας όμως τα εγγενή τους πλεονεκτήματα. 6. Βιβλιογραφία Alsdorf, D. et al., (2001). Water level changes in a large Amazon lake measured with spaceborne radar interferometry and altimetry. Geophysical Research Letters, 28, Chander, G., Markham, B.(2003). Revised Landsat-5 TM Radiometrie Calibration Procedures and Postcalibration Dynamic Ranges. IEEE TGRS 41, Cretaux, J.F. et al., (2016). Lake Volume Monitoring from Space. Surveys in Geophysics, 37: Ding, X. W., Li, X. F. (2011). Monitoring of the water-area variations of Lake Dongting in China with ENVISAT ASAR images. International Journal of Applied Earth Observation and Geoinformation, 13(6): Downing, J.A. et al. (2006). The global abundance and size distribution of lakes, ponds, and impoundments. Limnol Oceanogr, 51: McFeeters, S.K. (1996). The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 17 (7): Glasbey, C. and Jones, R. (1997). Fast computation of moving average and related filters in octagonal windows. Pattern Recognition Letters, 18: Godse, D.A. and Godse, A.P. (2008). Computer Graphics, Technical Publications.

10 Hengl, T. (2005). Finding the right pixel size, Computers & Geosciences, 32: Lehner, B. and Doll, P. (2004). Development and validation of a global database of lakes, reservoirs and wetlands. J Hydrol, 296:1 22. Lu, S. et al. (2013). Lake water volume calculation with time series remote-sensing images. International Journal of Remote Sensing, 34(22): Manakou, V., Kungolos, A., and Beriatos, E. (2008). Hazards that threaten Greek wetlands: the case of Lake Koronia. In Risk Analysis VI. 10th International Conference on Risk Analysis and Hazard Mitigation: WIT Press, Southampton, UK (Cephalonia, Greece), Martinis, S. (2010). Automatic near real-time flood detection in high resolution X-band synthetic aperture radar satellite data using context-based classification on irregular graphs, PhD thesis, Ludwig-Maximilians-Universität München McDonald, C.P. et al. (2012). The regional abundance and size distribution of lakes and reservoirs in the United States and implications for estimates of the global lake extent. Limnol Oceanogr, 57: McFeeters, S.K. (1996). The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 17(7): Mouratidis, A., Briole, P. and Katsambalos, Κ. (2010). SRTM 3 DEM (Versions 1, 2, 3, 4) Validation by Means of Extensive Kinematic GPS Measurements: A Case Study from North Greece. International Journal of Remote Sensing, 31(23): Mylopoulos, N. et al. (2007). Integrated water management plans for the restoration of lake Koronia, Greece. Water International, 32(5): NASA, Landsat 7 Science Data Users Handbook. p Nikolakopoulos, K.G. and Pavlopoulos, K. (2004). Environmental Monitoring of Lake Distos in Central Evia, Greece using Multitemporal and Multisensor Remote Sensing Data. Remote Sensing for Agriculture, Ecosystems, and Hydrology VI, p Perivolioti, T.M. et al. (2016). Monitoring the Water Quality of Lake Koronia Using Long Time-Series of Multispectral Satellite Images. In Proc. LPS 2016, Prague, Czech Republic. Pope, A. et al. (2016). Estimating supraglacial lake depth in West Greenland using Landsat 8 and comparison with other multispectral methods. The Cryosphere, 10: The Guardian (2011). Lake Koroneia in Northern Greece is Dying. 22/02/2011. Available at: Zanter, K. (2015). Landsat 8 Data Users Handbook. Survey, Department of the Interior USGS. Zheng, J., Ke, C., Shao, Z., Li, F. (2016). Monitoring changes in the water volume of Hulun Lake by integrating satellite altimetry data and Landsat images between 1992 and Journal of Applied Remote Sensing, 10(1): /1-14. Αποστολακάκης, Ι., Τσακίρη-Στρατή, Μ. και Γεωργούλα, Ο., (2004). Λίμνη Κορώνεια και ΕΥ ΖΗΝ. 8 ο Εθνικό Συνέδριο Χαρτογραφίας, Νοεµβρίου σελ

11 Μουζούρη, Γ. και συν., (2002). Το Υδρολογικό Ισοζύγιο της Λεκάνης Απορροής της Λίμνης Κορώνειας και η Επίδραση του στην Εξέλιξη των Μορφομετρικών Χαρακτηριστικών της. 6ο Πανελλήνιο Γεωγραφικό Συνέδριο (Τόμος Α), σελ Ντότα, Α., (2008). Η Συμβολη Της ΚΑΠ Στην Προστασια του Περιβαλλοντος και τη Βιώσιμη Αναπτυξη. Εφαρμογη στην Περιοχη της Λιμνης Κορώνειας. Διπλωματική Εργασία, Α.Π.Θ. Παπαδόπουλος, Φ., Παπαδόπουλος, A. και Μεταξά, Ε., (2009). Ποσοτική Αποκατάσταση της Λίμνης Κορώνειας μέσω της Αλλαγής του Συστήματος Άρδευσης. ΥΔΡΟΓΑΙΑ Τιμητικός Τόμος στον Καθηγητή Χρήστο Τζιμόπουλο, σελ Τζιμόπουλος, Χ., Γκινίδη, Π. & Πλιάτσικα, Δ., (2005). Έρευνα ιαχείρισης της Υδρολογικής Λεκάνης Κορώνειας. Heleco 05, ΤΕΕ, Αθήνα, 3-6 Φεβρουαρίου.