ΙΑΧΕΙΡIΣΗ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΜΕ ΤΗ ΧΡΗΣΗ ΤΗΣ ΟΡΥΦΟΡΙΚΗΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ Ν. Χρυσουλάκης*, Α. Ανδρίτσος*, Ν. Αδακτύλου*, Κ. Καρτάλης*, Μ. Πετράκης** *Τοµέας Εφαρµογών Φυσικής, Τµήµα Φυσικής, Πανεπιστήµιο Αθηνών, Πανεπιστηµιούπολη, Κτίριο ΦΥΣ-5, 15784 Αθήνα, Ελλάδα **Εθνικό Αστεροσκοπείο Αθηνών (ΕΑΑ), ΙΜΦΑΠ, T.Θ. 20024, 11810 Αθήνα, Ελλάδα ΠΕΡΙΛΗΨΗ Στόχος της παρούσας εργασίας είναι να αναδείξει τη δυναµική των τρεχουσών τεχνικών και µεθοδολογιών της δορυφορικής τηλεπισκόπησης για την παρακολούθηση του περιβάλλοντος και την ορθολογική διαχείρησή του. Πιο συγκεκριµένα, παρουσιάζονται τρεις εφαρµογές που αφορούν σε βιοµηχανικά ατυχήµατα, στο αστικό περιβάλλον και σε ευαίσθητα οικοσυστήµατα. Σε αυτές τις εφαρµογές έχει γίνει επεξεργασία δορυφορικών εικόνων ΝΟΑΑ, SPOT και LANDSAT, καθώς και ανάπτυξη σχετικών αλγορίθµων. ΕΝVIRONMENTAL MANAGEMENT WITH THE USE OF REMOTE SENSING N. Chrysoulakis*, A. Andritsos*, N. Adaktilou*, C. Cartalis*, Μ. Petrakis** *Department of Applied Physics, Division of Physics, University of Athens Panepistimioupolis, Build. Phys.-V, 15784 Athens, Greece **National Observatory of Athens, Institute of Meteorology and Atmospheric Environment, PO BOX 20024, 11810 Athens, Greece ABSTRACT The purpose of this paper is to demonstrate the potential of the existing remote sensing methodologies and techniques in environmental monitoring and management. More specifically, three applications concerning industrial accidents, the urban environment and sensitive ecosystems are presented. These applications include image processing and interpretation as well as the development of algorithms, on the basis of data derived from NOAA, LANDSAT TM and SPOT satellites. 1. ΕΙΣΑΓΩΓΗ
Η δορυφορική τηλεπισκόπηση έχει αποδειχτεί αποτελεσµατικό και χρήσιµο εργαλείο για την παρακολούθηση του περιβάλλοντος και σηµαντική πηγή πληροφοριών για το σχεδιασµό και την ενίσχυση αναπτυξιακών και παραγωγικών δραστηριοτήτων. Οι δυνατότητες λήψης εικόνων για µεγάλες περιοχές, επιλογής εικόνων κατάλληλης χωρικής ανάλυσης και συλλογής δεδοµένων σε σταθερή βάση είναι µερικά από τα στοιχεία που ενισχύουν τη χρήση της τεχνικής αυτής για τη διαρκή εποπτεία του περιβάλλοντος. Στην παρούσα εργασία αναπτύσσονται τρεις εφαρµογές που έχουν πραγµατοποιηθεί µε βάση δορυφορικά δεδοµένα πλουτοπαραγωγικών και µετεωρολογικών δορυφόρων. 2. ΕΦΑΡΜΟΓΕΣ 2.1 Βιοµηχανικά ατυχήµατα Στην εφαρµογή αυτή επιχειρείται η απεικόνιση πλουµίων που έχουν προκληθεί από βιοµηχανικά ατυχήµατα τα οποία έχουν ανιχνευτεί δορυφορικά. Τα δεδοµένα που χρησιµοποιούνται είναι εικόνες NOAA/AVHRR υψηλής ευκρίνειας. Η απεικόνιση αυτή βασίζεται στο διαχωρισµό των εικονοστοιχείων που αντιστοιχούν στα πλούµια, αφ ενός από τα εικονοστοιχεία που αντιστοιχούν στα νέφη και αφ ετέρου από τα εικονοστοιχεία που αντιστοιχούν στην υποκείµενη επιφάνεια. Ο διαχωρισµός γίνεται βάσει αλγορίθµου που εισάγει ειδικό φίλτρο για τα νέφη καθώς και για περιοχές της υποκείµενης επιφάνειας, παράγοντας τελικά µια ψευδόχρωµη σύνθεση στην οποία το πλούµιο είναι απόλυτα διαχωρίσιµο. Ειδικότερα, χρησιµοποιείται ένας αλγόριθµος που βασίζεται στο συνδυασµό των κανονικοποιηµένων λόγων (5-1)/(5+1) και (2-1)/(2+1) των καναλιών 1 και 2 και 5 του AVHRR µε στόχο το διαχωρισµό των εικονοστοιχείων που αντιστοιχούν στο πλούµιο από τα εικονοστοιχεία που αντιστοιχούν στα νέφη και στην επιφάνεια της γης. Ο πρώτος κανονικοποιηµένος λόγος χρησιµοποιείται για το διαχωρισµό του πλουµίου από τα νέφη και για το φιλτράρισµα των νεφών. Ο δεύτερος λόγος είναι ο γνωστός Κανονικοποιηµένος είκτης Βλάστησης NDVI. Στη συγκεκριµένη περίπτωση ο NDVI χρησιµοποιείται για το διαχωρισµό του πλουµίου από την επιφάνεια της γης και για το φιλτράρισµα των υδάτινων επιφανειών (θάλασσα και εσωτερικά νερά). Στην πράξη, από την άλγεβρα των καναλιών 1, 2 και 5 του AVHRR δηµιουργούνται δύο νέα ψευδοκανάλια: το CLD που είναι η εικόνα που προκύπτει από τον πρώτο κανονικοποιηµένο λόγο και το NDVI που είναι η εικόνα που προκύπτει από τον δεύτερο κανονικοποιηµένο λόγο. Τα δύο αυτά ψευδοκανάλια επιδέχονται διπλό φιλτράρισµα µε τον τρόπο που έχει αναφερθεί πρωτύτερα. Αρχικά κάθε ψευδοκανάλι φιλτράρει τον εαυτό του και έπειτα δέχεται το φίλτρο που προκύπτει από το άλλο ψευδοκανάλι. Τελος παράγεται η ψευδόχρωµη RGB (CLD, NDVI, NDVI) σύνθεση των δύο εικόνων που προκύπτουν από το διπλό φιλτράρισµα. Στην εικόνα 1 παρουσιάζεται η περιοχή της Γαλλίας όπως προκύπτει µετά την εφαρµογή του αλγορίθµου. Τα εικονοστοιχεία που αντιστοιχούν στις περιοχές µε πυκνή νέφωση και σε υδάτινες επιφάνειες έχουν ψηφιακή τιµή 255 µετά την εφαρµογή των
φίλτρων και εµφανίζονται µε µαύρο χρώµα. Τα εικονοστοιχεία που αντιστοιχούν στο πλούµιο είναι απόλυτα διαχωρίσιµα και εµφανίζονται µε κόκκινο χρώµα στην περιοχή της Λυών όπου εκδηλώθηκε το ατύχηµα. Εικόνα 1. Ψευδόχρωµη απεικόνιση του πλουµίου που προκλήθηκε από το ατύχηµα στις εγκαταστάσεις της Shell στη Λυών της Γαλλίας στις 2 Ιουνίου 1987. 2.2 Αστική Θερµική Νησίδα H δεύτερη εφαρµογή έχει σαν αντικείµενο το φαινόµενο της Αστικής Θερµικής Νησίδας. Το φαινόµενο της Αστικής Θερµικής Νησίδας (Urban Heat Island U.H.I) αποτελεί σηµαντική παράµετρο του αστικού µικροκλίµατος. Οι διαφορές θερµοκρασίας ανάµεσα στον αστικό ιστό και τις γύρω αγροτικές - υπαίθριες εκτάσεις µετρώνται ή υπολογίζονται µε χρήση επίγειων και δορυφορικών δεδοµένων. Στην παρούσα µελέτη γίνεται προσπάθεια ποιοτικής και ποσοτικής ανάδειξης του φαινοµένου της Θερµικής Νησίδας για την περιοχή της Αθήνας µε χρήση δορυφορικών εικόνων από ΝΟΑΑ AVHRR και LANDSAT TM. Οι καθηµερινές λήψεις εικόνων NOAA AVHRR ανά 6ωρο δίνουν την δυνατότητα παρακολούθησης του φαινοµένου σε ηµερήσια και διηµερήσια βάση. Κατάλληλοι αλγόριθµοι παράγουν τα επίπεδα α- CH4/NDVI (Ψηφιακή τιµή στο κανάλι 4/ είκτης βλάστησης) και β- θερµοκρασίας λαµπρότητας εδάφους. Ο δείκτης βλάστησης (NDVI) παράγεται από τον συνδυασµό των καναλιών 1 και 2 του AVHRR στην σχέση NDVI=(CH2-CH1)/(CH2+CH1). H υψηλή ανακλαστικότητα των φυτών στο κανάλι 2 (εγγύς υπέρυθρο) σε σχέση µε το κανάλι 1 (ορατό) επιτρέπει τον εντοπισµό των εκτάσεων µε φυτοκάλυψη στα εικονοστοιχεία που ο δείκτης λαµβάνει µεγάλες θετικές τιµές. H παραγωγή νέου επιπέδου µε βάση την σχέση CH4/NDVI επιτρέπει την διάκριση των αστικών και ξηρών περιοχών από της φυτοκαλυµένες εκτάσεις. Οι
αστικές και ξηρές εκτάσεις έχουν µεγάλες τιµές εκποµπής στο θερµικό υπέρυθρο (CH4) και µικρές τιµές NDVI σε αντίθεση µε τις εκτάσεις µε φυτοκάλυψη. Για τον υπολογισµό της θερµοκρασίας λαµπρότητας (Brightness temperature) εφαρµόζεται η θεωρητική προσέγγιση των Becker and Li. Η θερµοκρασία εδάφους αποδίδεται σε βαθµούς Κελσίου ανά pixel εικόνας και αποθηκεύεται σε νέο επίπεδο (Εικόνα 2). Εικόνα 2. Θερµοκρασία Εδάφους σε εικόνα ΝΟΑΑ AVHRR για την Αττική στις 4/7/1990 (ώρα λήψης 13:30). Ο συνδυασµός των παραχθέντων επιπέδων σε περιβάλλον Γ.Σ.Π. (Γεωγραφικού Συστήµατος Πληροφόρησης) επιτρέπει την αποτύπωση της αστικής και αγροτικής περιοχής µε παραµέτρους την θερµοκρασία εδάφους και τα µετεωρολογικά στοιχεία για το λεκανοπέδιο. Το φαινόµενο παρακολουθείται σε ενδοηµερήσια βάση για την περίοδο λήψης των εικόνων. Oι εικόνες Landsat TM παρέχουν υψηλή διακριτική ικανότητα (30x30m/pixel) µε δυνατότητα παρακολούθησης του φαινοµένου της αστικής θερµικής νησίδας σε συνάρτηση µε τα ιδιαίτερα χαρακτηριστικά του αστικού ιστού όπως η πυκνότητα δόµησης, βιοµηχανικές ζώνες, χρήσεις γης και ανάγλυφο, κ.ά. Ο αστικός ιστός αναδεικνύεται µε επεξεργασία επιβλεπόµενης ταξινόµησης (Supervised Classification) και κυρίων συνιστωσών (Principal Components). Υπολογίζεται η θερµοκρασία λαµπρότητας ανα pixel µε εφαρµογή της θεωρητικής προσέγγισης του Singh. Τα παραχθέντα επίπεδα συνδυάζονται µε επίπεδα Ψηφιακού Ανάγλυφου D.Ε.M (Digital Elevation Model) και Χρήσεων Γης σε περιβάλλον Γ.Σ.Π (G.I.S). Oι συνδυασµοί των επιπέδων πραγµατοποιούνται µε ανάπτυξη κατάλληλων αλγορίθµων ώστε να αποτυπώνεται το φαινόµενο της αστικής θερµικής νησίδας σε συνάρτηση µε τις περισσότερες δυνατές αστικές παραµέτρους. 2.3. Παρακολούθηση ευαίσθητων οικοσυστηµάτων
Η τρίτη εφαρµογή αφορά στη χρήση της δορυφορικής τηλεπισκόπησης για την παρακολούθηση των µεταβολών που παρουσιάζονται σε ευαίσθητα οικοσυστήµατα. Το εξεταζόµενο οικοσύστηµα στην προκειµένη περίπτωση είναι το νησί της Μυκόνου. Η Μύκονος έχει µία έκταση 90 Km 2 και υποδέχεται κάθε χρόνο πάνω από ένα εκατοµµύριο επισκέπτες. Η τεράστια εποχιακή αύξηση του πληθυσµού δηµιουργεί σηµαντικές πιέσεις στο θαλάσσιο, παράκτιο και χερσαίο περιβάλλον του νησιού, ιδιαίτερα στις περιοχές εκείνες όπου οι υποδοµές και οι υπηρεσίες δεν επαρκούν για να ανταπεξέλθουν στις αυξηµένες απαιτήσεις. Στην παρούσα εργασία γίνεται χρήση δορυφορικών αλλά και επίγειων δεδοµένων για την παρακολούθηση των τάσεων που διαµορφώνονται διαχρονικά στο νησιωτικό περιβάλλον. Η συνδυασµένη µελέτη της περιοχής καλύπτει µία περίοδο 16 ετών (1982-1998) και επικεντρώνεται στην εκτίµηση της εξάπλωσης του αστικού ιστού, στην παρακολούθηση των φαινοµένων διάβρωσης του εδάφους καθώς και στην παρακολούθηση των αλλαγών στην παράκτια ζώνη του νησιού. Αρχικά εφαρµόζονται τεχνικές επεξεργασία εικόνας που καταλήγουν στην επιβλεπόµενη ταξινόµηση των εικόνων Landsat TM (χωρική ανάλυση 30m) του νησιού. Η επεξεργασία διευκολύνεται µε την συνδυασµένη χρήση εικόνων SPOT PAN (χωρική ανάλυση 10m) που επιτρέπει τη βελτίωση της χωρικής ανάλυσης των παραγόµενων χαρτών και τον καλύτερο διαχωρισµό των ορίων των διαφορετικών περιοχών, καθώς επίσης και µε τη χρήση αεροφωτογραφιών που είναι διαθέσιµες για τη µελετούµενη χρονική περίοδο. Στη συνέχεια, µε την εφαρµογή κατάλληλου αλγορίθµου αποδίδονται στις διαφορετικές περιοχές του νησιού διαφορετικοί δείκτες ευαισθησίας ανάλογα µε την επικρατούσα κάλυψη γης και γίνεται χαρακτηρισµός των περιοχών του νησιού σε ότι αφορά τον κίνδυνο διάβρωσης, µε βάσει το DEM (Digital Elevation Model) του και τα στοιχεία που έχουν ήδη προκύψει σχετικά µε τις χρήσεις και την κάλυψη γης. Τα δύο αυτά επίπεδα πληροφορίας συνδυάζονται µε τη χρήση του κατάλληλου αλγορίθµου και έτσι αποδίδονται στις διάφορες περιοχές του νησιού συνολικότεροι δείκτες ευαισθησίας, µε τη δηµιουργία του τελικού επιπέδου πληροφορίας (Sensitivity Analysis Layer). Παράλληλα, κατά τη διάρκεια της µελέτης γίνεται προσδιορισµός χαρακτηριστικών δεικτών (αστική / µη αστική περιοχή, ρυθµός αστικοποίησης (%)), οι οποίοι και χρησιµοποιούνται για την εκτίµηση των τάσεων που επικρατούν και µπορούν να αξιοποιηθούν, µέσα από την ενσωµάτωσή τους σε Γεωγραφικό Σύστηµα Πληροφοριών (GIS) σε ένα Πρόγραµµα Ολοκληρωµένης ιαχείρισης του νησιωτικού περιβάλλοντος. 3. ΑΝΑΦΟΡΕΣ
1. Hofstee, P. (1998), Department of Land Resource and Urban Sciences, International Institute for Aerospace Survey and Earth Sciences, Analysis of urban change and spatial pattern. 2. Hofstee, P., Brussel, M. (1998), International Institute for Aerospace Survey and Earth Sciences, Analysis of suitability for urban expansion, Department of Land Resource and Urban Sciences. 3. Landsberg, H. (1981), The Urban Climate. Academic Press. 4. Lillesand, T., Kiefer, R. ( 1987), Remote sensing and Image Interpretation Wiley and Sons, Inc. 5. Matson, M., Dozier, J., (1981), Identification of subresolution high temperature sources using a thermal IR sensor, Photogrammetric Engineering and Remote Sensing, 47, 1311-1318. 6. Prata, A. J. (1993) Land Surface Temperature derived from the Advanced Very High Resolution Radiometer and the Along - Track Scanning Radiometer, Journal of Geophysical Research, Vol.98. 7. Robinson, J. M., (1991), Fire from space : Global fire evaluation using infrared remote sensing. International Journal of remote sensing, 12, 3-24. 8. Singh, S.M. (1988) Brightness Temperature Algorithms for Landsat Thematic Mapper Data, Remote Sensing of Environment, 24309-24512. 9. Scorer, R., S., (1995) Hot spots and plumes: Observation by meteorological satellites, Atmospheric Environment, 21, 1427-1435.