Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, I, τεύχ. 3 2006, Tech. Chron. Sci. J. TCG, I, No 3 107 ΑΞΙΟΛΟΓΗΣΗ ΤΩΝ ΕΠΙΠΕΔΩΝ ΑΤΜΟΣΦΑΙΡΙΚΗΣ ΡΥΠΑΝΣΗΣ ΜΕ ΧΡΗΣΗ ΟΠΤΙΚΩΝ ΚΑΙ ΣΤΑΤΙΣΤΙΚΩΝ ΔΕΙΚΤΩΝ ΤΗΣ ΑΛΛΟΙΩΣΗΣ ΤΩΝ ΡΑΔΙΟΜΕΤΡΗΣΕΩΝ ΑΠΟ ΔΟΡΥΦΟΡΟ ΝΙΚΟΛΑΟΣ Ι. ΣΗΦΑΚΙΣ Ινστιτούτο Διαστημικών Εφαρμογών και Τηλεπισκόπησης, Εθνικό Αστεροσκοπείο Αθηνών Περίληψη Ειδικές μέθοδοι ψηφιακής επεξεργασίας απεικονιστικών ραδιομετρήσεων από δορυφόρους υψηλής διακριτικής ικανότητας επιτρέπουν τη δημιουργία χαρτών οριζόντιας κατανομής του αεροσωματιδιακού οπτικού πάχους πάνω από αστικές ή βιομηχανικές περιοχές η εφαρμογή τους όμως είναι ιδιαίτερα περίπλοκη, απαιτεί διαθέσιμες εξωγενείς πληροφορίες και ακριβή βαθμονόμηση των δορυφορικών δεδομένων, επειδή βασίζεται στη χρήση μοντέλων μεταφοράς της ακτινοβολίας στην ατμόσφαιρα. Η παρούσα εργασία εξετάζει, συγκρίνει και προτείνει ορισμένους απλούς οπτικούς και στατιστικούς δείκτες, οι οποίοι επιτρέπουν γρήγορα και χωρίς περίπλοκη ψηφιακή επεξεργασία ή εξωγενείς πληροφορίες, την ανίχνευση των μεταβολών και κατά συνέπεια τη συνοπτική ταξινόμηση (χωρική και διαχρονική) των επιπέδων ατμοσφαιρικής ρύπανσης από δορυφορικές ραδιομετρήσεις. Οι δείκτες αυτοί αξιολογήθηκαν μέσω εφαρμογής σε διαχρονικές εικόνες Landsat και SPOT αστικών και βιομηχανικών περιοχών της Ευρώπης με προβλήματα ρύπανσης. Από την αξιολόγηση αυτή φάνηκαν οι δείκτες εκείνοι που ανιχνεύουν ικανοποιητικότερα τις μεταβολές, τις οποίες υφίστανται οι δορυφορικές απεικονιστικές ραδιομετρήσεις, λόγω ατμοσφαιρικών ρύπων και που φαίνονται να είναι ευαίσθητοι ακόμα και σε ασθενείς μεταβολές της πυκνότητας της ρύπανσης. Ως βέλτιστοι δείκτες καταδείχθηκαν: η σύνθεση καναλιών 6-1-7 ΤΜ/ΕΤΜ +, η τυπική απόκλιση σε αστικές/βιομηχανικές περιοχές, η μέση τιμή (σε υδάτινες επιφάνειες) και η στατιστική διασπορά στα κανάλια του ορατού φάσματος. 1. ΕΙΣΑΓΩΓΗ Οι απεικονίσεις της Γης, που καταγράφονται από το Διάστημα μέσω δορυφόρων (satellite Earth observation), εμπεριέχουν χωρικές πληροφορίες που αφορούν στη γήινη ατμόσφαιρα, οι οποίες όμως αξιοποιούνται σχεδόν αποκλειστικά από τον κλάδο της Δορυφορικής Μετεωρολογίας, ενώ σπάνια έχουν χρησιμοποιηθεί σε αστικής κλίμακας περιβαλλοντικές μελέτες ή μελέτες της ποιότητας του αέρα. Ο κύριος λόγος είναι ότι δεν έχει ακόμη τεθεί σε τροχιά κά- Υποβλήθηκε: 11.1.2006 Έγινε δεκτή: 18.12.2006 ποιος δορυφορικός δέκτης που να επιτρέπει την απευθείας μέτρηση των συγκεντρώσεων ατμοσφαιρικών ρύπων στο χαμηλότερο τμήμα της ατμόσφαιρας (το οριακό στρώμα) με μεγάλη πυκνότητα δειγματοληψίας (ή χωρική διακριτική ικανότητα). Για παράδειγμα, ο δέκτης ΤΟΜS (στη δορυφορική πλατφόρμα Earth Probe) παρέχει ανάλογα δεδομένα για αερολύματα (αιωρούμενα σωματίδια), αλλά με πολύ χαμηλή χωρική διακριτική ικανότητα (40 χλμ. x 40 χλμ.) και ο πρόσφατος MOPITT (στην πλατφόρμα Terra) για μεθάνιο και μονοξείδιο του άνθρακα όμως, έχει και αυτός διακριτική ικανότητα μόλις 22 χλμ. x 22 χλμ.. Για δορυφορικές παρατηρήσεις με μεγάλη πυκνότητα δειγματοληψίας, χρήσιμες σε μελέτες μεγάλης γεωγραφικής κλίμακας τοπικών (π.χ. αστικών) εφαρμογών μπορούν να αξιοποιηθούν οι εικονοληπτικοί δέκτες υψηλής χωρικής διακριτικής ικανότητας (ΥΔΙ) π.χ. Landsat ή SPOT με διακριτική ικανότητα δεκάδων μέτρων (Πίνακας 1). Oι δέκτες αυτοί, ενώ αρχικά προορίζονταν κυρίως για να μελετήσουν την επιφάνεια της γης και της θάλασσας (Landsat = land satellite), οι εικόνες τους κατέδειξαν σε ορισμένες περιπτώσεις, ήδη από τη δεκαετία του 70, ότι η ατμοσφαιρική ρύπανση μπορούσε να προκαλέσει καιρικές μεταβολές (π.χ. [1]). Ίδιου τύπου εικόνες επέτρεψαν την περιστασιακή παρατήρηση θυσάνων καπνού εκπεμπόμενου από φυσικά αίτια, όπως ηφαιστειακές εκρήξεις [2] (π.χ. Εικόνα 1α) ή πυρκαϊές δασών [3] (π.χ. Εικόνα 1β) και ανθρωπογενείς δραστηριότητες, όπως καπνό φλεγόμενων πετρελαιοπηγών [4] (π.χ. Εικόνα 1γ) ή βιομηχανικές εκπομπές [5] (π.χ. Εικόνα 1δ). Επίσης, έκαναν δυνατή την εκτίμηση μικροκλιματικών συνθηκών, που συνδέονται άμεσα με τη χωρική κατανομή της ρύπανσης σε αστικές περιοχές [6]. Τέλος, επέτρεψαν τον εντοπισμό επιπτώσεων της ατμοσφαιρικής ρύπανσης πάνω στο περιβάλλον π.χ. στα αστικά οικοσυστήματα [7] και έδωσαν πληροφορίες για τη μεταφορά και εναπόθεση σκόνης, από την κυκλοφορία τροχοφόρων, στη βλάστηση γύρω από αυτοκινητοδρόμους [8].
108 Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, I, τεύχ. 3 2006, Tech. Chron. Sci. J. TCG, I, No 3 Πίνακας 1: Δορυφορικοί δέκτες υψηλής διακριτικής ικανότητας (ΥΔΙ) και τα χαρακτηριστικά τους [µxµ] [ µx µ] [ µ] µ [ m] [ µ ] ALI Hyperion MSS TM ETM+ HRV HRVIR LISS- LISS- OPS MSU-E MOMS-2P ASTER AVNIR -1 Landsat 5 Landsat 7 30x30 30x30 80x80 1-5, 7: 30x30 6: 120x120 µ Landsat 5 : 6: 60x60 8: 15x15 SPOT-1 SPOT-2 µ : 20x20 µ : 10x10 37x37 7,5x7,5 185x185 183x172 185x185 60x60 9 : 0,43-0,45 0,45-0,52 0,53-0.61 0,78-0,81 0,85-0,89 1,2-1,2 1,55-1,75 2,08-2,35 - µ : 0,48-0,69 220 : 0,4-2,5 4 : 0,5-0,6 0,6-0,7 0,7-0,8 0,8-11,0 7 : 0,45-0,52 0,52-0,60 0,63-0,69 0,76-0,90 1,55-1,75 10,4-12,5 2,08-2,35 µ Landsat 5 : 8 - µ : 0,522-0,90 3 : 0,50-0,59 0,61-0,68 0,79-0,89 - µ : 0,51-0,73 SPOT-4 SPOT-5 IRS-C, P6 IRS-P2 - Resurs-1 - Terra - - 1-3: 10x10 µ : 20 - µ : 5x5 (2,5x2,5) 4 : 0,50-0,59 0,61-0,68 0,79-0,89 1,58-1,75 µ : 0,61-0,68 1-3: 23x23 4: 70x23 µ : 5,8 1-3: 142 4: 148 µ : 74 4 : 0,52-0,59 0,62-0,68 0,77-0,86 1,55-1,70 µ : 0,50-0,75 32x37 18,3x24,2 35x45 - µ : 16x16 µ - : 5x5 (1-3): 15x15 µ (4-9): 30x30 µ (10-14): 90x90 - µ : 16x16 - µ 8x8 146 75x75 45x45 44/88 60 80 4 : 0,45-0,52 0,52-0,59 0,62-0,68 0,77-0,86 4 : 0,55-0,60 0,63-0,69 0,76-0,86 0,76-0,86 3 : 0,6-0,6 0,6-0,7 0,8-0,9 4 : 0,440-0,505 0,530-0,575 0,645-0,680 0,770-0,810 - µ : 0,52-0,76 14 : 052-0,60 0,63-0,69 0,76-0,86 1,60-1,70 2,145-2,185 2,185-2,225 2,235-2,285 2,295-2,365 2,360-2,430 8,125-8,475 8,475-8,825 8,925-9,275 10,25-10,95 10,95-11,65 16 16 26/2 24 22 44? - 16 41 17 [ µ] 705 705,3 822 763-848 568,3 678 ~400 705 800 909 [µ ] 98 98,2 98,2 98,6-98,8 97,67 51,6 98,2 98,6 99,1 µ / - 11/00 PRIRODA/ MIR EO-1 Landsat SPOT IRS JERS 1 Resurs Terra ADEOS MOS 1 2 3 4 5 7 1 2 3 4 5 1 1B P2 1C P3 1D 1 2b 72 75 78 82 84 99 90 93 98 02 88 91 94 95 96 97 2/92 94, 98 5/96 12/99 8/96 2/86, 4/93 78 82 83 87 12/90 96 10/98 6/97 USGS Eurimage Spot Image Eurimage Eurimage DLR NASA/GSFC NASDA Eurimage 2005 4 : 0,42-0,50 0,52-0,60 0,61-0,69 0,76-0,89 - µ : 0,52-0,69 MESSR 1&2 50x50 100x101 (1 ) 185x100 (2 ) 4 : 0,51-0,59 0,61-0,69 0,72-0,80 0,80-1,10 2/ 87 3/ 95 2/ 90 6/ 96
Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, I, τεύχ. 3 2006, Tech. Chron. Sci. J. TCG, I, No 3 109 ( ) ( ) ( ) ( ) Εικόνα 1: Δορυφορικές εικόνες ατμοσφαιρικών φαινομένων (α) ηφαιστειακή έκρήξη (SPOT), (β) δασική πυρκαϊά (Landsat), (γ) φλεγόμενες πετρελαιοπηγές (Landsat), (δ) βιομηχανικές εκπομπές (SPOT-αεροπλάνο-έδαφος)
110 Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, I, τεύχ. 3 2006, Tech. Chron. Sci. J. TCG, I, No 3 Επιπλέον, ορισμένες μέθοδοι ψηφιακής επεξεργασίας δορυφορικών εικόνων ΥΔΙ επιτρέπουν την άμεση ποσοτική εκτίμηση της συγκέντρωσης ατμοσφαιρικών ρύπων σε όρους οπτικής και συγκεκριμένα σε «ολική στήλη οπτικού πάχους αερολυμάτων ή σωματιδιακού οπτικού πάχους» (συνήθη σύμβολα στη διεθνή βιβλιογραφία: τ a ή ΑΟΤ, από: aerosol optical thickness). Ως ολική στήλη τ a ορίζεται, σ αυτή την περίπτωση, το σύνολο των επιδράσεων των αερολυμάτων στην ηλεκτρομαγνητική ακτινοβολία, που διασχίζει την ατμόσφαιρα από την επιφάνεια του εδάφους μέχρι το δορυφορικό δέκτη. Οι κυριότερες από τις μεθόδους ποσοτικής εκτίμησης του τ a περιγράφονται στα [9], [10] και [11], ενώ στα [12] και [13] παρουσιάστηκαν νεώτεροι αλγόριθμοι υπολογισμού (SMA: Satellite Mapping of Aerosols και SIPHA: Satellite Image Processing for Haze and Aerosol Mapping) με αυξημένη χωρική ακρίβεια των αποτελεσμάτων. Κάτω από συγκεκριμένες συνθήκες παρατήρησης, αυτές οι μέθοδοι επιτρέπουν τη δημιουργία χαρτών της οριζόντιας κατανομής του τ a πάνω από αστικές ή βιομηχανικές περιοχές, η εφαρμογή τους όμως είναι αρκετά περίπλοκη, χρονοβόρα και απαιτεί διαθέσιμες εξωγενείς πληροφορίες (π.χ. μετεωρολογικές), καθώς και ακριβή βαθμονόμηση των αρχικών δορυφορικών δεδομένων, επειδή βασίζεται στη χρήση μοντέλων μεταφοράς της ακτινοβολίας στην ατμόσφαιρα. Σκοπός αυτής της εργασίας είναι η παρουσίαση ορισμένων απλών οπτικών και στατιστικών δεικτών, που να επιτρέπουν σύντομα και χωρίς να απαιτείται περίπλοκη ψηφιακή επεξεργασία ή άλλα εξωγενή (ως προς τα δορυφορικά) δεδομένα τη συνοπτική ταξινόμηση των επιπέδων ατμοσφαιρικής ρύπανσης από δορυφορικές εικόνες ΥΔΙ. Οι δείκτες αυτοί θα ανιχνεύουν τις μεταβολές, τις οποίες υφίσταται το ραδιομετρικό σήμα λόγω παρουσίας ατμοσφαιρικών ρύπων και θα είναι ευαίσθητοι ακόμα και σε ασθενείς μεταβολές της πυκνότητας της ατμοσφαιρικής ρύπανσης. Η διαχρονική εφαρμογή των δεικτών αυτών σε πόλεις με προβλήματα ρύπανσης, μεταξύ άλλων και στην περίπτωση του αεροσωματιδιακού νέφους της Αττικής, θα επιτρέψει τη σύγκριση και αξιολόγηση της ευαισθησίας διαφορετικών τύπων δεικτών. 2. ΑΝΤΙΣΤΡΟΦΗ ΤΟΥ ΛΟΓΟΥ «ΣΗΜΑ ΠΡΟΣ ΘΟΡΥΒΟ» Θα χρειαστεί εδώ να περιγράψουμε συνοπτικά την αρχή της αντιστροφής του λόγου «σήμα προς θόρυβο», η οποία θα εφαρμοστεί στη συνέχεια στην αξιολόγηση της δορυφορικής ραδιομετρίας, με σκοπό την απομόνωση του σήματος που οφείλεται στη ρύπανση της ατμόσφαιρας. Οι εικόνες, που καταγράφουν οι δορυφόροι παρατήρησης της Γης, αποτελούνται από διακεκριμένες ραδιομετρήσεις χαρακτηριστικών της γήινης επιφάνειας και της ατμόσφαιρας. Συγκεκριμένα, οι δορυφορικοί δέκτες μετρούν την ανακλώμενη και εκπεμπόμενη από τη γη και την ατμόσφαιρα ενέργεια, σε προκαθορισμένες φασματικές περιοχές. Η ενέργεια αυτή μετατρέπεται μέσω ειδικών ανιχνευτών, που ονομάζονται διατάξεις συζευγμένου φορτίου (CCD), σε ηλεκτρικό σήμα και εκφράζεται τελικά σε ψηφιακές τιμές (DN) εύρους, συνήθως, 8 bit. Για να απομονωθεί το «ωφέλιμο» επίγειο σήμα, οι ψηφιακές αυτές τιμές μπορούν να κανονικοποιηθούν ως προς: 1. τη γεωμετρία παρατήρησης του δορυφόρου και τα χαρακτηριστικά του δέκτη, 2. τις συνθήκες φωτεινότητας, οι οποίες μεταβάλλονται εποχικά, 3. τις ατμοσφαιρικές επιδράσεις, οι οποίες εξαρτώνται από τη σύσταση της ατμόσφαιρας. Το «ωφέλιμο σήμα» που προέρχεται από τη γήινη επιφάνεια εμπεριέχει, επομένως, πληροφορίες σχετικές με τη σύσταση της ατμόσφαιρας, οι οποίες όμως, στις περισσότερες εφαρμογές, που αφορούν στη διερεύνηση «επίγειων» παραμέτρων, εξαλείφονται κατά την προεπεξεργασία των δορυφορικών δεδομένων ως ανεπιθύμητος «ατμοσφαιρικός θόρυβος». Η προεπεξεργασία αυτή καλείται «ραδιομετρική διόρθωση» ή «απόλυτη βαθμονόμηση» και ακολουθεί την ακριβώς αντίστροφη διαδικασία από αυτήν της λήψης και καταγραφής του σήματος, εξαλείφοντας διαδοχικά τις ραδιομετρικές αλλοιώσεις, που οφείλονται στους εξωτερικούς παράγοντες που αναφέρθηκαν παραπάνω. Έτσι, οι ψηφιακές τιμές των αρχικών ραδιομετρήσεων βαθμονομούνται Πίνακας 2: Διαδικασία απόλυτης βαθμονόμησης του δορυφορικού σήματος Φάση μετατροπής Υπολογιζόμενο μέγεθος Φάση 0 Φάση Α Φάση Β Φάση Γ DN (ραδιομετρική ή ψηφιακή τιμή) DN à R ή R λ (λαμπρότητα ή φασματική λαμπρότητα) R ή R λ à ρ* (φαινόμενη ανακλαστικότητα) ρ* à ρ (ανακλαστικότητα) Μονάδες Bites w.m -2.sr -1. (μm -1 ) % % Μέθοδος υπολογισμού Παράγοντας θορύβου που εξαλείφεται - R = A (DN) + B ρ = R π (Ε s μ s ) -1 Εξίσωση μεταφοράς ακτινοβολίας - Χαρακτηριστικά των ανιχνευτών CCD Εποχή, γεωμετρία παρατήρησης Φυσική ατμόσφαιρα, ατμοσφαιρική ρύπανση
Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, I, τεύχ. 3 2006, Tech. Chron. Sci. J. TCG, I, No 3 111 ως προς τιμές ανακλαστικότητας της γήινης επιφάνειας, ώστε να καταστούν συγκρίσιμα τα δεδομένα πάνω από διαφορετικές περιοχές και ενδεχομένως ραδιομετρημένα από διαφορετικούς δέκτες. Οι διάφορες φάσεις της διαδικασίας αυτής παρουσιάζονται συνοπτικά στον Πίνακα 2 και περιγράφονται αναλυτικά στη συνέχεια. Στη Φάση 0 τα δεδομένα είναι εντελώς ανεπεξέργαστα, δηλαδή, όπως καταγράφονται από το δορυφορικό δέκτη, ενώ κατά τη Φάση Α της βαθμονόμησης οι ανεπεξέργαστες ραδιομετρικές τιμές DN μετατρέπονται σε τιμές λαμπρότητας (R) ή φασματικής λαμπρότητας (R λ ), εξαλείφοντας τον εσωτερικό θόρυβο του δέκτη (βασισμένοι στις προδιαγραφές του κάθε ανιχνευτή CCD και την αντίστοιχη συνάρτηση διαμόρφωσης μεταφοράς). Στη Φάση Β μετατρέπουμε σε τιμές φαινόμενης ανακλαστικότητας (ρ*), διορθώνοντας ως προς την ένταση της ηλιακής ακτινοβολίας, η οποία εξαρτάται από την εποχή, αφού οι συγκεκριμένοι δορυφόροι είναι ηλιοσύγχρονοι (δηλαδή περνούν πάντα την ίδια ώρα της ημέρας από ένα συγκεκριμένο γεωγραφικό πλάτος) και από τη σχετική θέση του δέκτη με τον ήλιο (αζιμούθια και ζενίθια γωνία παρατήρησης). Τέλος, στη Φάση Γ καταλήγουμε σε τιμές πραγματικής ανακλαστικότητας (ρ) στο επίπεδο της γήινης επιφάνειας, εφαρμόζοντας π.χ. κάποιο μοντέλο μεταφοράς της ακτινοβολίας στην ατμόσφαιρα. Στην τελική Φάση Γ, όπου και πρέπει να απαλειφθούν οι ατμοσφαιρικές επιδράσεις, θα πρέπει να συνυπολογιστεί, μαζί με τις ραδιομετρικές αλλοιώσεις λόγω φυσικής ατμόσφαιρας (βάσει μετεωρολογικών δεδομένων) και η περιεκτικότητα της ατμόσφαιρας σε ρύπους. Επομένως, μέσω της αντίστροφης διαδικασίας, γνωρίζοντας δηλαδή τις ραδιομετρικές αλλοιώσεις λόγω φυσικής ατμόσφαιρας με χρήση δεδομένων αναφοράς (π.χ. εικόνα χωρίς παρουσία ρύπανσης), μπορεί να απομονωθεί η συμμετοχή των ρύπων στον ατμοσφαιρικό «θόρυβο», που υπεισέρχεται στο «ωφέλιμο» γήινο σήμα (Σχήμα 1). Αυτή η τελευταία αποτελεί την αρχή της αντιστροφής του «σήματος προς θόρυβο» και μπορεί να εφαρμοστεί, τόσο μέσω περίπλοκων μοντέλων, όσο και μέσω οπτικών ή στατιστικών προσεγγίσεων, διαδικασία την οποία και θα ακολουθήσει η παρούσα εργασία. 3. ΟΠΤΙΚΕΣ ΑΤΜΟΣΦΑΙΡΙΚΕΣ ΕΠΙΔΡΑΣΕΙΣ (ΟΑΕ) Το σύνολο των αλλοιώσεων του ραδιομετρικού σήματος λόγω της παρουσίας της ατμόσφαιρας, όπως αυτό καταγράφεται στις δορυφορικές εικόνες, αποτελεί τις οπτικές ατμοσφαιρικές επιδράσεις (ΟΑΕ). Οι ΟΑΕ εξαλείφονται, κανονικά, στη Γ φάση της διαδικασίας απόλυτης βαθμονόμησης του δορυφορικού σήματος, όπως αυτή περιγράφεται στον Πίνακα 2. Αυτό συμβαίνει στις συνήθεις «επίγειες» εφαρμογές των δορυφορικών παρατηρήσεων. Στις «ατμοσφαιρικές» όμως εφαρμογές, όπως αυτή της παρούσας εργασίας, οι ΟΑΕ θα αξιοποιηθούν για να μας πληροφορήσουν ως προς την περιεκτικότητα της ατμόσφαιρας, για παράδειγμα σε ρύπους. Αυτό μπορεί να γίνει, εφόσον το είδος και η ένταση των ΟΑΕ εξαρτώνται, κατά κύριο λόγο, από τη σύσταση της ατμόσφαιρας τη στιγμή της δορυφορικής ραδιομέτρησης. Σχήμα 1: Σχέση «σήματος προς θόρυβο» σε επίγειες και ατμοσφαιρικές εφαρμογές.
112 Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, I, τεύχ. 3 2006, Tech. Chron. Sci. J. TCG, I, No 3 Οι ατμοσφαιρικοί ρύποι, που επηρεάζουν την ορατότητα και επομένως τις ραδιομετρήσεις μέσω δορυφορικών εικόνων ΥΔΙ, είναι αερολύματα μεγέθους αναλόγου του παρατηρούμενου μήκους κύματος [14], [15]. Συγκεκριμένα, στην περίπτωση του δεύτερου φασματικού καναλιού του δέκτη Landsat ΤΜ/ΕΤΜ + το μέγεθος των οπτικά ενεργών αερολυμάτων αντιστοιχεί περίπου στο μήκος κύματος του ορατού φωτός και κυμαίνεται από 0,1 έως 3 μικρά (μm) [16]. Είναι σημαντικό να τονιστεί ότι τα αιωρούμενα αυτά σωματίδια, τα οποία βρίσκονται συγκεντρωμένα κυρίως μέσα στα δύο πρώτα χιλιόμετρα ύψος από το έδαφος [17], συμπεριλαμβάνονται στα επικίνδυνης διαμέτρου «μικρά σωματίδια», τα οποία έχουν ήδη θεωρηθεί υπεύθυνα για τις σοβαρές επιπτώσεις της ατμοσφαιρικής ρύπανσης στην υγεία [18]. Το συνολικό φορτίο τους μπορεί να εκτιμηθεί ποσοτικά σε όρους οπτικής με το καθαρό μέγεθος τ a, που αποτελεί γραμμική συνάρτηση της κατακόρυφης στήλης συγκέντρωσης οπτικά ενεργών αεροσωματιδίων, χρησιμοποιώντας μοντέλα μεταφοράς της ακτινοβολίας στην ατμόσφαιρα. Η παρουσία των οπτικά και περιβαλλοντικά σημαντικών ενεργών αυτών ατμοσφαιρικών ρύπων μπορεί όμως να απομονωθεί, να εντοπισθεί και να αξιολογηθεί κατά προσέγγιση, όπως θα δούμε στη συνέχεια, μέσω οπτικής και στατιστικής αξιολόγησης των ΟΑΕ, ακόμη και χωρίς τη χρήση περίπλοκων μοντέλων μεταφοράς της ακτινοβολίας στην ατμόσφαιρα. Οι αντιπροσωπευτικότερες ΟΑΕ μιάς ρυπασμένης ατμόσφαιρας στη ραδιομέτρηση μέσω δορυφορικών εικόνων ΥΔΙ είναι οι εξής: 1. Το φαινόμενο της θολότητας (blurring effect), που παρουσιάζεται κυρίως στα φασματικά κανάλια του ορατού και σε πολύ μικρότερο βαθμό του εγγύς και μέσου υπέρυθρου. Οφείλεται στη σκέδαση και οπισθοσκέδαση που προκαλούν μικρής διαμέτρου αερολύματα και λιγότερο τα μόρια αερίων. Δημιουργεί σύγχυση στις φασματικές υπογραφές των αντικειμένων και κάνει ασαφή τα περιγράμματά τους που καλύπτονται από ατμόσφαιρα με τέτοια σύσταση. Διαχωρίζεται ως αριθμητικά προσθετικός παράγοντας στη ραδιομετρικά μετρούμενη λαμπρότητα των επίγειων στόχων. 2. Το φαινόμενο του φίλτρου (screening effect), που παρουσιάζεται κυρίως στα ορατά κανάλια και οφείλεται σε συγκεκριμένα αερολύματα, που απορροφούν έντονα το φως. Τέτοια αερολύματα είναι η αιθάλη και ο άνθρακας σε στοιχειώδη μορφή, που εκπέμπονται κυρίως ως προϊόντα ατελούς καύσης. Διαχωρίζεται ως αριθμητικά πολλαπλασιαστικός παράγοντας στη ραδιομετρικά μετρούμενη λαμπρότητα των επίγειων στόχων. 3. Το φαινόμενο της αδιαφάνειας (opacity effect), το οποίο παρουσιάζει τα ίδια χαρακτηριστικά, όπως και το φαινόμενο φίλτρου, αλλά προκαλείται στο θερμικό υπέρυθρο φάσμα και οφείλεται σε αερολύματα σχετικά μεγάλου μεγέθους. 4. ΟΠΤΙΚΟΙ ΔΕΙΚΤΕΣ ΑΛΛΟΙΩΣΗΣ ΤΗΣ ΡΑΔΙΟΜΕΤΡΙΑΣ Οι οπτικές και φωτοερμηνευτικές παρατηρήσεις που περιγράφονται στη συνέχεια βασίστηκαν στην ανάλυση μεγάλου αριθμού εικόνων Landsat TM/ΕΤΜ + και SPOT HRV/HRVIR, που έχουν αποκτηθεί στα πλαίσια προγραμμάτων και άλλων ερευνητικών δραστηριοτήτων, όπως εκπονήσεις μεταπτυχιακών και διδακτορικών διατριβών. Οι δορυφορικές λήψεις ΥΔΙ, οι οποίες εξετάσθηκαν, αφορούν στις εξής αστικές και βιομηχανικές περιοχές της Ευρώπης: Νότιος Γαλλία (περιοχή Τουλούζης), Βόρειος Ιταλία (περιοχή Μιλάνου) και Αττική (ευρύτερη περιοχή της Αθήνας) (Πίνακας 3). Οι περίοδοι καταγραφής των δορυφορικών δεδομένων/εικόνων επιλέχθηκαν με κριτήριο την αντιπροσωπευτικότητα των επιπέδων ατμοσφαιρικής ρύπανσης και με βάση επίγεια δεδομένα συγκέντρωσεων ρύπων. Για τη διαδικασία της οπτικής ανάλυσης, όλες οι εικόνες βαθμονομήθηκαν σύμφωνα με τη διαδικασία που παρουσιάζεται στον Πίνακα 2 μέχρι και τη φάση Β, διαδικασία που εφαρμόστηκε σε όλα τα φασματικά κανάλια, συμπεριλαμβανομένου και του θερμικού (TM6), το οποίο όμως παρουσιάζει ιδιαίτερη ραδιομετρική συμπεριφορά [6]. Θα πρέπει εδώ να σημειωθεί ότι η παρουσία υψηλών επιπέδων υγρασίας (ομίχλη εντοπισμένη με βάση μετεωρολογικά δεδομένα) δεν διαχωρίστηκε από την ατμοσφαιρική ρύπανση, όμως αυτό έχει μικρή σημασία στις μελέτες μεταφοράς ρύπων, αφού οι μετεωρολογικές συνθήκες που ευνοούν το σχηματισμό ομίχλης ευνοούν παράλληλα και τη συσσώρευση ρύπων. Έτσι, είναι γνωστό ότι σε αστικές και γενικά ρυπασμένες περιοχές, τα υγροσκοπικά σωματίδια μετατρέπονται σε πυρήνες συσσωμάτωσης των ατμοσφαιρικών ρύπων, δημιουργώντας την αιθαλομίχλη (smog) [19]. Από τον έλεγχο των φασματικών καναλιών χωριστά, παρατηρήθηκαν αρχικά τα εξής στις εικόνες με παρουσία ρύπανσης: 1. Θύσανοι καπνού από σημειακές εκπομπές (π.χ. καμινάδες βιομηχανιών) διακρίνονται καλύτερα: στα κανάλια του ορατού φάσματος πάνω από στεριά και ειδικότερα στο μπλέ και το πράσινο φασματικό κανάλι, εκτός εάν υπάρχει έντονη βλάστηση, οπότε παρατηρούνται καλύτερα στο κόκκινο κανάλι, στα κανάλια του υπέρυθρου φάσματος πάνω από υδάτινες επιφάνειες. 2. Στις περιπτώσεις διάχυτης ρύπανσης εντοπίζονται ορισμένες ραδιομετρικές ιδιαιτερότητες σε μιά ευρύτερη περιοχή γύρω από τους θυσάνους καπνού και τα σημεία εκπομπής. Συγκεκριμένα, τα γραμμικά στοιχεία (οδικό δίκτυο και αστικός ιστός) εμφανίζονται με λιγότερη ευκρίνεια. Η μείωση της ευκρίνειας οφείλεται σε μιά διαφοροποίηση της υφής, που μπορεί να χαρακτηρισθεί φωτοερμηνευτικά σαν μια απαλή, ομοιόμορφη διάχυση, πάνω από τον τόνο της εικόνας. Η χαρακτηριστική αυτή υφή οφείλεται στο φαινόμενο της θολότητας.
Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, I, τεύχ. 3 2006, Tech. Chron. Sci. J. TCG, I, No 3 113 Πίνακας 3: Δορυφορικές λήψεις υψηλής διακριτικής ικανότητας σε ρυπασμένες περιοχές / µ µ ( µ ) 1 SPOT 1/ 5 1986 µ 2 SPOT 1/ 22 1986 3 SPOT 1/ 23 µ 1986 4 SPOT 1/ 5 1987 µ 5 Landsat 5/ 16 2003 6 Landsat 5/ 7 µ 2001 µ 7 Landsat 5/ 28 2003 µ 8 Landsat 5/ 13 2002 µ 9 Landsat 7/ 5 2003 µ 10 Landsat 5/ 15 2002 µ 11 Landsat 5/ 19 2003 12 Landsat 5/ 25 1986 7 µ 13 Landsat 5/ 10 1987 5 µ 14 Landsat 5/ 14 µ 1987 166 µ 15 Landsat 5/ 15 1988 (338 µ ) 16 Landsat 5/ 31 1988 3 µ 17 Landsat 5/ 23 1989 18 µ 18 Landsat 5/ 21 1991 19 µ 19 SPOT 1/ 20 1993 (262 µ ) 20 SPOT 2/ 22 1993 48 µ 21 Landsat 5/ 16 1993 16 µ 22 Landsat 5/ 26 1994 19 µ 23 Landsat 5/ 13 1994 59 µ 24 Landsat 5/ 31 1995 15 µ 25 Landsat 5/ 4 1996 3 µ 26 Landsat 5/ 20 1997 3 µ 27 Landsat 5/ 24 1998 10 µ 28 Landsat 5/ 8 1999 18 µ 29 Landsat 7/ 5 2000 (225 µ ) 30 Landsat 5/ 16 2000 (237 µ ) 31 Landsat 7/ 26 2001 4 µ 32 Landsat 7 / 21 2002 ( µ ) 33 SPOT 4/ 20 µ 2002 µ 34 SPOT 4/ 25 µ 2002 µ 35 Landsat 7/ 1 2002 170 µ 36 SPOT 4/ 5 2002 µ 37 Landsat 7/ 17 2002 73 µ 38 Landsat 7/ 27 2003 µ 39 Landsat 7/ 13 2003 µ 3. Στο θερμικό υπέρυθρο κανάλι του Landsat παρατηρείται, λόγω του φαινομένου της «αδιαφάνειας», μια φαινόμενη μείωση των παρατηρούμενων θερμοκρασιών στις ρυπασμένες περιοχές [6]. Οι παραπάνω οπτικές παρατηρήσεις δεν έχουν ποσοτικό, αλλά περισσότερο ποιοτικό χαρακτήρα, αφού με τις περιορισμένες δυνατότητες διαχωρισμού της τονικής πυκνότητας, που έχει το ανθρώπινο μάτι, δεν του επιτρέπεται να διακρίνει πάνω από 10 διαβαθμίσεις του γκρίζου. Πάντως, η ικανότητα διακριτικής ανάλυσης του ματιού φαίνεται να είναι αρκετά καλή, ώστε να επιτρέπει τουλάχιστον μια συγκριτική αξιολόγηση του οπτικού φαινομένου της θολότητας, καθώς και την περιχαράκωσή του. Με οπτική φωτοερμηνεία διακρίνονται, γενικά, δύο ή τρία επίπεδα έντασης της φαινόμενης θολότητας. Στη συνέχεια, περιγράφονται οι παρατηρήσεις από την οπτική εξέταση των χρωματικών συνθέσεων (colour composites), με συνδυασμό των φασματικών καναλιών ανά τρία. Στην περίπτωση του Landsat ΤΜ, όπου συγκρίθηκαν όλες οι χρωματικές συνθέσεις (35 δυνατοί συνδυασμοί), καταδείχτηκε ότι στις περιοχές με έντονη ρύπανση οι εικόνες παρουσιάζουν μια σαφή υποβάθμιση της υφής και ενίσχυση του χρώματος με το οποίο αποδίδονται τα κανάλια του ορατού φάσματος. Οι αντιπροσωπευτικότερες από τις χρωματικές συνθέσεις είναι οι ακόλουθες (με αντίστοιχη προβολή των καναλιών σε μπλε, πράσινο και κόκκινο), που για την περίπτωση της Αθήνας παρουσιάζονται στην Εικόνα 2: 1. Η σύνθεση των καναλιών 2-3-4 (κλασσική ψευδέγχρωμη σύνθεση), η οποία είναι και η ευρύτερα χρησιμοποιούμενη στις φωτοερμηνευτικές αναλύσεις. Η χρωματική αυτή
114 Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, I, τεύχ. 3 2006, Tech. Chron. Sci. J. TCG, I, No 3 Πίνακας 4: Φωτοερμηνευτικό κλειδί εντοπισμού ατμοσφαιρικής ρύπανσης σε ψευδέγχρωμες συνθέσεις (intensity = ): µ : : : (hue = µ ): µ µ µ S (saturation = µ ): µ µ : µ : µ µ : µ σύνθεση παρέχει πληροφορίες κυρίως σε περίπτωση έντονων ΟΑΕ, για παράδειγμα λόγω θυσάνων καπνού, που εμφανίζονται σε τόνους του μπλε έως το λευκό. Ο Πίνακας 3 συνοψίζει το «φωτοερμηνευτικό κλειδί» για τον εντοπισμό περιοχών με έντονη ρύπανση σε ψευδέγχρωμες συνθέσεις τύπου «2-3-4» δεδομένων Landsat ή «1-2-3» δεδομένων SPOT, σύμφωνα με το χρωματικό σύστημα IHS. 2. Η σύνθεση των καναλιών 1-2-3 (σύνθεση σε φυσικά χρώματα), η οποία είναι περισσότερο ευαίσθητη από την προηγούμενη στις ΟΑΕ. Οι ρυπασμένες περιοχές παρουσιάζονται σε τυρκουάζ και γκριζομπλέ τόνους και το φαινόμενο της θολότητας είναι έντονο. Η συγκεκριμένη σύνθεση μπορεί να δημιουργηθεί μονάχα με χρήση δορυφορικών δεδομένων Landsat χάρις στο κανάλι που διαθέτει στην περιοχή του μπλε. 3. Η σύνθεση των καναλιών 2-1-7 (σύνθεση σε ψευδοφυσικά χρώματα) εμφανίζει τις περιοχές με ρύπανση σε εντονότερο πράσινο, που, με την αύξηση της ρύπανσης, τείνει προς το λευκό. 4. Η σύνθεση των καναλιών 6-1-7 (διαφασματική σύνθεση) φαίνεται να είναι η αντιπροσωπευτικότερη και πλέον ευαίσθητη από όλες τις συνθέσεις λόγω της ποικιλίας των φασματικών πληροφοριών που εμπεριέχει. Οι τρείς φασματικές περιοχές που καλύπτονται από τα κανάλια 1, 6 και 7 (μικρού μήκους κύματος ορατό, θερμικό υπέρυθρο και μέσο υπέρυθρο, αντίστοιχα) παρουσιάζουν διαφορετική συμπεριφορά ως προς την παρουσία ατμοσφαιρικής ρύπανσης: το κανάλι 1 είναι ευαίσθητο στη σκεδαζόμενη από τους ρύπους ακτινοβολία, το κανάλι 6 καταγράφει την «ψυχρή υπογραφή» των ρύπων (φαινόμενο αδιαφάνειας), ενώ το κανάλι 7 διαπερνά σε σημαντικό βαθμό τη ρυπασμένη ατμόσφαιρα, αλλά παράλληλα επιτρέπει και τον εντοπισμό ατμοσφαιρικής ρύπανσης πάνω από υδάτινες επιφάνειες, λόγω της αντίθεσης μεταξύ σχεδόν μηδενικής ανακλαστικότητας του νερού και της οπισθοσκεδαζόμενης από τους ρύπους ακτινοβολίας. Ως συνέπεια των προηγούμενων φαινομένων, οι ρυπασμένες περιοχές παρουσιάζονται στη συγκεκριμένη χρωματική σύνθεση κιτρινοπράσινες.
Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, I, τεύχ. 3 2006, Tech. Chron. Sci. J. TCG, I, No 3 115 µ µ µ µ 2-3-4 µ µ :,, 1-2-3 µ µ : µ,, 2-1-7 µ :, µ, µ 6-1-7 µ : µ, µ, µ Εικόνα 2: Συγκριτική παρουσίαση επιλεγμένων χρωματικών συνθέσεων Landsat μεταξύ καθαρής και ρυπασμένης ατμόσφαιρας στην περίπτωση της Αθήνας. Στην πρώτη εικόνα παρουσιάζεται σε μεγέθυνση περιοχή με ιδιαίτερα έντονο πρόβλημα ρύπανσης.
116 Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, I, τεύχ. 3 2006, Tech. Chron. Sci. J. TCG, I, No 3 5. ΣΤΑΤΙΣΤΙΚΟΙ ΔΕΙΚΤΕΣ ΑΛΛOΙΩΣΗΣ ΤΗΣ ΡΑΔΙΟΜΕΤΡΙΑΣ Στο στάδιο αυτό της εργασίας συγκρίθηκαν τα ιστογράμματα στατιστικής κατανομής των συχνοτήτων των ραδιομετρικών τιμών σε εικόνες με και χωρίς παρουσία ρύπανσης, καθώς και τα αντίστοιχα δισδιάστατα ιστογράμματα (σχετική κατανομή των φασματικών καναλιών ανά δύο). Στη συνέχεια, εξετάσθηκαν διάφορες στατιστικοί παράμετροι για την επιλογή των καταλληλότερων ως «δεικτών» αλλοίωσης της ραδιομέτρησης, λόγω παρουσίας ατμοσφαιρικής ρύπανσης. Αρχικά, η εξέταση των ιστογραμμάτων στατιστικής κατανομής των συχνοτήτων των ραδιομετρικών τιμών στις εικόνες με παρουσία ρύπανσης έδειξε χαρακτηριστικές αλλοιώσεις στη μορφή και τη θέση των στατιστικών κατανομών. Οι αλλοιώσεις αυτές των ιστογραμμάτων ήταν κυρίως συρρίκνωσή τους για μεμονωμένα κανάλια και σε αντίθεση με παλαιότερες αναφορές για σημαντική μετατόπισή τους προς τα δεξιά (π.χ. [20]), ελαφρά έως αμελητέα μετατόπισή τους προς τα δεξιά. Τα φαινόμενα αυτά αφορούσαν κυρίως τα ιστογράμματα των καναλιών που καταγράφονται στο ορατό φάσμα (Εικόνα 3). Σε δεύτερη φάση, η σχέση των φασματικών καναλιών μεταξύ τους και η σχετική επίδραση των ΟΑΕ φάνηκαν σαφέστερα με την εξέταση των δισδιάστατων ιστογραμμάτων (σχετική κατανομή των συχνοτήτων σε δύο φασματικά κανάλια). Έτσι, ο συντελεστής συσχέτισης μεταξύ των καναλιών Landsat ΤΜ2 (φασματική περιοχή πράσινου) και ΤΜ7 (φασματική περιοχή μέσου υπέρυθρου) αυξήθηκε με την παρουσία ρύπανσης, ακολουθώντας παλαιότερες μετεωρολογικές δορυφορικές παρατηρήσεις, οι οποίες αναφέρονταν στο διαχωρισμό νεφών (φασματικά ομοιογενής επίδραση με υψηλό συντελεστή συσχέτισης) από ομίχλες (φασματικά ανομοιογενής επίδραση με χαμηλό συντελεστή συσχέτισης) [21]. Στην Εικόνα 4 διακρίνεται, ως επίδραση της παρουσίας ρύπανσης, η ελαφρά συρρίκνωση του νέφους κατανομής Εικόνα 3: Ιστογράμματα κατανομής συχνοτήτων των ραδιομετρικών τιμών στο δεύτερο κανάλι (ΤΜ2) εικόνων χωρίς ρύπανση (αριστερά) και με υψηλή ρύπανση (δεξιά) µ Εικόνα 4: Νέφη διασποράς σε δισδιάστατα ιστογράμματα κατανομής συχνοτήτων των ραδιομετρικών τιμών μεταξύ δεύτερου (άξονας Ψ) και έβδομου καναλιού (άξονας Χ) σε εικόνα χωρίς (αριστερά) και με υψηλή ρύπανση (δεξιά).
Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, I, τεύχ. 3 2006, Tech. Chron. Sci. J. TCG, I, No 3 117 των σημείων, που είναι εντονότερη κατά των άξονα των Ψ (κανάλι ΤΜ2) και άρα μια στροφή του βαρυκεντρικού άξονα του νέφους κατανομής των σημείων κατά τη φορά των δεικτών του ρολογιού. Τέλος, εξετάσθηκαν και αξιολογήθηκαν, μεμονωμένα, οι ακόλουθες στατιστικές παράμετροι: Η ελάχιστη τιμή (min) των τιμών της φαινόμενης ανακλαστικότητας, η μέση τιμή ( ~ ) των τιμών της φαινόμενης ανακλαστικότητας, η τυπική απόκλιση (σ) των τιμών της φαινόμενης ανακλαστικότητας, η διασπορά (V), που ορίζεται ως λόγος της τυπικής απόκλισης προς τη μέση τιμή (V=σ/ ~ ). Ο Πίνακας 5 παρουσιάζει αναλυτικά τις τιμές των τεσσάρων στατιστικων δεικτών για όλα τα φασματικά κανάλια (ΤΜ1 έως και ΤΜ7 εκτός του ΤΜ6 θερμικού) και για δύο ενδεικτικές, αλλά αντιπροσωπευτικές ημερομηνίες λήψεως δορυφορικών εικόνων που εξετάσθηκαν: μία «καθαρή ρυπάνσεως» και μία «ρυπασμένη». Στο Σχήμα 2 φαίνονται οι φασματικές μεταβολές για τις τρεις από τις τέσσερεις παραμέτρους (min, ~, σ). Ολα τα στατιστικά μεγέθη υπολογίστηκαν για το σύνολο της εικόνας. Οι εικόνες που συγκρίθηκαν ήταν της ίδιας εποχής, ώστε να ελαχιστοποιηθεί ο «επίγειος θόρυβος», που σύμφωνα και με το Σχήμα 1 οφείλεται σε μεταβολές μεγάλης κλίμακας, όπως μεταβολές της βλάστησης. Άλλες διαχρονικές μεταβολές περιορισμένης κλίμακας, όπως αλλαγές στην κάλυψη γής, δεν αναμένεται να επηρεάσουν τις στατιστικές παραμέτρους στο σύνολο της εικόνας. Πίνακας 5: Ψηφιακές τιμές στατιστικών δεικτών για δύο χαρακτηριστικές ημερομηνίες που αντιστοιχούν σε «καθαρή» και σε «ρυπασμένη» ατμόσφαιρα, για έξι φασματικά κανάλια Landsat. 1 2 3 4 5 7 min 67 46 31 12 0 0 ~ x 10 1127 499 581 355 621 486 x 10 226 295 436 264 538 437 V 0,20 0,59 0,75 0,75 0,87 0,90 µ Min 73 45 32 12 10 0 ~ x 10 1108 491 577 346 592 447 x 10 194 279 432 271 546 424 V 0,17 0,59 0,75 0,78 0,92 0,95 1200 1000 800 600 400 200 min µ x 10 x 10 µ min µ x 10 x 10 0 1 2 3 4 5 7 Σχήμα 2: Φασματική μεταβολή «ελάχιστου» (min), «μέσης τιμής» (μέσος) και «τυπικής απόκλισης» (σ) σε καθαρή και ρυπασμένη ατμόσφαιρα.
118 Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, I, τεύχ. 3 2006, Tech. Chron. Sci. J. TCG, I, No 3 1000 900 800 700 600 500 400 300 200 100 0 1 2 3 4 5 7 µ Σχήμα 3: Φασματική μεταβολή της στατιστικής διασποράς σε δορυφορικές εικόνες που αντιστοιχούν σε καθαρή και σε ρυπασμένη ατμόσφαιρα. Οι πλέον βεβαρυμένες με ρύπανση εικόνες παρουσίασαν μια ελαφρά αύξηση της ελάχιστης τιμής (min) σε σχέση με τις καθαρότερες εικόνες όσον αφορά στο κανάλι του μπλε (ΤΜ1) και στο πρώτο του μέσου υπέρυθρου (ΤΜ5). Η μεταβολή αυτή είναι χαρακτηριστική της αύξησης της ατμοσφαιρικής λαμπρότητας (atmospheric path radiance), που προκαλεί η οπισθοσκέδαση τύπου Mie, λόγω των αεροσωματιδίων υπεράνω επίγειων στόχων με πολύ χαμηλή ανακλαστικότητα στα αντίστοιχα φασματικά κανάλια (π.χ. νερό στο μέσο υπέρυθρο). Η μεταβολή της μέσης τιμής ( ~ ) έγινε εντονότερα αντιληπτή στα κανάλια του μέσου υπέρυθρου (ΤΜ5 και ΤΜ7): ενώ πάνω από υδάτινες επιφάνειες παρατηρείται σαφής αύξηση, στο σύνολο της εικόνας εμφανίζεται ελαφρά μείωση. Αυτή η αντιστροφή της μεταβολής οφείλεται, κατά πάσα πιθανότητα, στην επισκίαση της οπισθοσκέδασης από την απορρόφηση στο υπέρυθρο [22] κυρίως επάνω από στόχους υψηλής ανακλαστικότητας. Γενικά, πάντως, μεταβολές στη μέση τιμή, όπως αυτές που παρατηρήθηκαν, δεν θα μπορούσαν να αποδοθούν σε επίγεια φαινόμενα, τα οποία συμπεριφέρονται εντελώς διαφορετικά: για παράδειγμα, η πλέον συχνά απαντούμενη αλλαγή στην ανακλαστικότητα της χλωροφύλλης της βλάστησης θα ήταν σαφώς εντονότερη στα υπέρυθρα κανάλια, κυρίως στο εγγύς υπέρυθρο, ενώ μεταβολές της ανακλαστικότητας δομημένου περιβάλλοντος θα ήταν σχεδόν ισοδύναμες σε όλα τα φασματικά κανάλια. Η εξέταση της μεταβολής της τυπικής απόκλισης (σ) έδειξε σαφή εξασθένηση στα φασματικά κανάλια του ορατού και κυρίως στα δύο πρώτα (μπλε και πράσινο) η μεταβολή ήταν κατά πολύ ασθενέστερη στα υπόλοιπα κανάλια. Αυτή η μεταβολή ερμηνεύεται θεωρητικά μέσω του συνδυασμού δύο ΟΑΕ: την αύξηση της ατμοσφαιρικής λαμπρότητας (path radiance) και το φαινόμενο της «γειτνίασης των επίγειων στόχων» (adjacency effect) [23]. Η μείωση του σ ακολουθεί τη μείωση της διαύγειας της ατμόσφαιρας, δηλαδή την αύξηση της οπτικής θολότητας και μεταφράζεται σε αλλοιώσεις της αναλογικής αντίθεσης (C) της εικόνας, μπορεί δε να σχετισθεί με το σωματιδιακό οπτικό πάχος (τ α ) μέσω της παρακάτω εξίσωσης του Koschmeider [24]: C/Co = exp (-τ α ) όπου C η φαινόμενη και Co η πραγματική αναλογική αντίθεση. Παρατηρούμε ότι η σχέση μεταβολής της αναλογικής αντίθεσης και κατ επέκταση του σ με το τ α είναι εκθετική, που σημαίνει πρακτικά ότι το σ είναι ιδιαίτερα ευαίσθητο μέτρο των μεταβολών της οπτικής θολότητας. Το κυριότερο μειονέκτημα της χρήσης της στατιστικής αυτής παραμέτρου (σ) είναι η ανάγκη ακριβούς ραδιομετρικής βαθμονόμησης των δορυφορικών δεδομένων με όλες τις συναφείς δυσχέρειες: αβεβαιότητα συντελεστών βαθμονόμησης, αδυναμία σύγκρισης διαφορετικών δορυφορικών δεκτών κλπ. Τέλος, εξετάστηκε ο λόγος δύο παραμέτρων, της τυπικής απόκλισης προς τη μέση τιμή, δηλαδή η στατιστική διασπορά (V=σ/ ~ ). Σημαντικό πλεονέκτημα στη χρήση αυτού του στατιστικού μεγέθους είναι ότι δεν χρειάζεται βαθμονόμηση, εφόσον ορίζεται ως λόγος της τυπικής απόκλισης προς τη μέση τιμή και επομένως (σύμφωνα με τον Πίνακα 2) θα είναι: V(ρ)=V(DN). Το Σχήμα 3 παρουσιάζει τη φασματική μεταβολή του V σε δορυφορικές λήψεις καθαρής και ρυπασμένης ατμόσφαιρας. Διακρίνεται μια αρνητική μεταβολή της διασποράς με τη ρύπανση στα δύο πρώτα κανάλια του ορατού φάσματος (μπλε και πράσινο), ενώ στο ερυθρό δεν παρουσιάζεται καμία μεταβολή και το φαινόμενο αντιστρέφεται στα κανάλια του εγγύς και του μέσου υπέρυθρου. 6. ΣΥΜΠΕΡΑΣΜΑΤΑ Η τελική αξιολόγηση των οπτικών και στατιστικών δεικτών βασίστηκε στη σύγκριση των αποτελεσμάτων με εκείνα που παρήγαγε η εφαρμογή εξειδικευμένων ψηφιακών μεθόδων επεξεργασίας στα πλαίσια προηγούμενων ερευνητικών εργασιών.
Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, I, τεύχ. 3 2006, Tech. Chron. Sci. J. TCG, I, No 3 119 Συμπεραίνεται ότι οι ραδιομετρικής φύσης μεταβολές, που προκαλούν οι ΟΑΕ ορισμένων ατμοσφαιρικών ρύπων (π.χ. αεροσωματίδια μικρής διαμέτρου), είναι αξιολογήσιμες από τους εξεταζόμενους δέκτες ΥΔΙ και τους προτεινόμενους οπτικούς και στατιστικούς δείκτες. Αναλυτικότερα παρατηρήθηκε ότι: 1. Τα κανάλια στο ορατό φάσμα είναι σαφώς πιο ευαίσθητα στις ραδιομετρικές μεταβολές, που οφείλονται στην παρουσία ατμοσφαιρικών ρύπων. 2. Η χρωματική σύνθεση των φασματικών καναλιών 6-1-7 Landsat TM/ETM + (προβαλόμενα με μπλε-πράσινο-κόκκινο) φαίνεται να είναι η καταλληλότερη για την ανίχνευση αμυδρών φαινομένων ατμοσφαιρικής ρύπανσης. 3. Η μέση τιμή αυξάνει με την αύξηση της συγκέντρωσης των ρύπων, αλλά αυτό ισχύει μόνον πάνω από υδάτινες επιφάνειες και για τα κανάλια στο υπέρυθρο φάσμα. 4. Η τυπική απόκλιση μειώνεται με την αύξηση της συγκέντρωσης των ρύπων, αλλά αυτό δεν ισχύει πάνω από ομοιογενείς (π.χ. υδάτινες επιφάνειες). 5. Η στατιστική διασπορά (λόγος της τυπικής απόκλισης προς τη μέση τιμή) μειώνεται με την αύξηση της συγκέντρωσης των ρύπων, αλλά οι μεταβολές της δεν είναι ποσοτικά αξιόπιστες. Είναι, παρόλα αυτά, ένα γρήγορα και απλά εκτιμήσιμο μέγεθος, που δεν χρειάζεται περίπλοκες διαδικασίες ραδιομετρικής βαθμονόμησης. Η αξιολόγηση των μεταβολών της διασποράς φαίνεται να ισχύει μόνο για τα κανάλια στο ορατό φάσμα και κυρίως για τις περιοχές του μπλε και πράσινου. Οι δορυφορικοί δέκτες ΙΔΥ μπορούν, επομένως, μέσω αξιολόγησης των αλλοιώσεων της χωρικής στατιστικής των ραδιομετρήσεών τους, να παρέχουν ένα δείκτη των συνοπτικών επιπέδων ρύπανσης για τη συγκεκριμένη στιγμή της καταγραφής της εικόνας, εφόσον τα αεροσωματίδια, η παρουσία των οποίων παρενοχλεί οπτικά τις ραδιομετρήσεις, αποτελούν ιχνηθέτες της συγκέντρωσης και αέριων ρύπων (π.χ. SO 2, NΟx). Πρέπει να τονισθεί ότι η σημασία των δορυφορικών μετρήσεων ατμοσφαιρικής θολότητας ενισχύεται σε πυκνοκατοικημένες περιοχές μετά από τις πρόσφατες επιδημιολογικές μελέτες, οι οποίες έδειξαν ότι τα μικρής διαμέτρου σωματίδια (< 3μm), δηλαδή τα πλέον διακριτά από δορυφόρο, σχετίζονται με τις επιβλαβείς δράσεις της ατμοσφαιρικής ρύπανσης στην υγεία. Για μια δυναμικότερη (συνεχή) επιτήρηση των επιπέδων ρύπανσης σε αστικές περιοχές σε σχεδόν ημερήσια βάση θα μπορούσε να χρησιμοποιηθεί ο κατευθυνόμενος δέκτης του δορυφορικού συστήματος SPOT. Θα μπορούσε, ακόμη, να αξιοποιηθεί και ο συνδυασμός όλων των ενεργών δορυφορικών δεκτών ΥΔΙ για τον ίδιο σκοπό. Θα πρέπει, πάντως, να γίνει σαφές ότι το ισχυρό πλεονέκτημα των δορυφορικών παρατηρήσεων, σε αυτή την περίπτωση, δεν είναι η χρονικά, αλλά η χωρικά συνεχής πληροφόρηση. 7. ΣΥΜΒΟΛΙΣΜΟΙ ΟΑΕ = οπτικές ατμοσφαιρικές επιδράσεις (optical atmospheric effects) ρ* = φαινόμενη ανακλαστικότητα (at-satellite or apparent reflectance) ρ = πραγματική ανακλαστικότητα (at-ground or real reflectance) ΥΔΙ = υψηλής διακριτικής ικανότητας (δορυφορικοί δέκτες) C = φαινόμενη αναλογική αντίθεση (apparent analogic contrast) Co = πραγματική αναλογική αντίθεση (real analogic contrast) DN = ψηφιακές ραδιομετρικές τιμές (digital numbers) min = ελάχιστη τιμή R = λαμπρότητα (radiance) R λ = φασματική λαμπρότητα (spectral radiance) ~ = μέση τιμή σ = τυπική απόκλιση τ a (ΑΟΤ)= οπτικό πάχος αερολυμάτων ή σωματιδιακό οπτικό πάχος V = στατιστική διασπορά (V=σ/ ~ ) 8. ΒΙΒΛΙΟΓΡΑΦΙΑ 1. Short N. M., Lowman P. D. Jr., Freden S. C. and Finch W. A. Jr., 1976. Mission to Earth: Landsat views to the world. 459 pp, NASA, Washington D.C. 2. Gupta R.K., Bardinath K.V.S., 1993. Volcano monitoring using remote sensing data, Int. J. Remote Sensing, 14, 2907-2918. 3. Andreae M.O., Browell E.V., Garstang M., Gregory G.L., Hariss R,C., Hill G.F., Jacob G.F., Pereira M.C., Sachse G.W., Setzer A.W., Dias P.L.S., Talbot R.W., Torres A.L. and Wofsy S.C., 1988. Biomass burning and associated haze layers over Amazonia. Journal of Geosphysical Research, 93, 1509-1527. 4. USGS, 2006, Earthshots: Satellite images of environmental change (Iraq- Kuwait 1972, 1990, 1991, 1997). http://earthshots.usgs.gov/iraq/iraq. 5. Sifakis N., Deschamps P.-Y., 1992. Mappin g of air pollution using SPOT satellite data. Photogrammetric Engineering & Remote Sensing, 58, October 1992, 1433-1437. 6. Sifakis N., Bildgen P., Gilg J.-P., 1992. Utilisation du canal 6 (thermique) de Thematic Mapper pour la localisation de nuages de pollution atmospherique : application a la region d Athenes (Grece). Pollution atmospherique, 133, 96-106. 7. Sifakis N., 1995. Remote sensing of veils of atmospheric pollution and degradation of the environment in the region of Athens. Photo-interptation : images aιriennes et spatiales, 33, 1995/4, 220-225 & 233-236. 8. Keller J., Lamprecht R., 1995. Road dust as an indicator for air pollution transport and deposition: An application of SPOT imagery, Remote Sens. Env., 54, 1-12. 9. Holben B., Vermote E., Kaufman Y.J., Tanre D., Kalb V., 1992. Aerosol retrieval over land from AVHRR data - Application for atmospheric correction, IEEE Trans. Geosc. Remote Sensing, 30, 212-232. 10. Sifakis N., Soulakellis N., 1996. Air-pollution observations and mapping from Earth-observation satellites: Potentials and limitations. Proc. of the Int. Conference on Protection and Restoration of the Environment, 28-30 August 1996, Technical University of Crete, Chania, Greece, 370-378. 11. Engel-Cox J., DeFelice T.P., Falke S., 2002. Transboundary Movement
120 Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, I, τεύχ. 3 2006, Tech. Chron. Sci. J. TCG, I, No 3 Of Airborne Pollutants: A Methodology for Integrating Spaceborne Images and Ground Based Data. Report in the framework of a joint project between the U.S. Environmental Protection Agency (EPA) and the United Nations Environment Programme (UNEP). 12. Sifakis N., Soulakellis N., Paronis D., 1998. Quantitative mapping of air pollution density using Earth observations: A new processing method and application on an urban area. International Journal of Remote Sensing, 19, 3289-3300. 13. Sifakis N., Soulakellis N. A., 2000. Satellite Image Processing for Haze and Aerosol Mapping (SIPHA): Code description and presentation of results. Proc. of the IGARSS 2000, 24-28 July 2000, Honolulu, vol. I: 222-224. 14. Ferrare A., Fraser R. S., Kaufman Y. J., 1990. Satellite measurements of large scale air pollution: Measurements of forest fire smoke. J. Geophys. Res., 95, 9911-9925. 15. Sifakis N., 1992. The potential of high spatial resolution satellite imagery to track air pollution in the lower troposphere; the Athens case study. Ph.D. thesis, University Paris VII, Paris. 16. Van de Hulst, 1957. Light scattering by small particles. Wiley, New York. 17. Fraser R. S., Gaut. N. E., Reifenstein E. C., Sievering H., 1975. Interaction mechanisms within the atmosphere. In Manual of Remote Sensing, edited by R.G. Reeves (ASPRS), vol. 1, pp. 181-233. 18. Brunekreef, B., and S.T. Holgate, 2002. Air pollution and Health. Lancet, 360: 1233-1242. 19. Colls J., 1997. Air Pollution: An introduction. E & FN Spon (publisher), London, 341 p. 20. Rouquet M.C., 1984. Correction de l influence de l atmosphere sur des donnes acquise en teledetection des ressources terrestres. These de specialite, Universite des Sciences et des Techniques de Lille, 112 p. 21. Tsonis, 1987. A method for inferring aerosol properties from satellite data over forested terrain. Atm. Environment, 21, 2467-2471. 22. Carnahan W.H., Mausel P.W., Zhou G.P., 1984. Evaluation of atmospheric particulate concentrations derived from analysis of ratio thematic mapper data, 10th Int. Symposoum Machine Processing of Remotely Sensing data, 235-243. 23. Tanre D., Deschamps P.Y., Duhaut P., Herman M., 1987. Adjacency effect produced by the atmospheric scattering in Thematic Mapper data. J. of Geophysical Research, 92, 12000-12006. 24. Middleton, 1954. Vision through the atmosphere. Oxford University Press, Oxford. Νικόλαος Ι. Σηφάκις Ινστιτούτο Διαστημικών Εφαρμογών και Τηλεπισκόπησης, Εθνικό Αστεροσκοπείο Αθηνών
Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, I, τεύχ. 3 2006, Tech. Chron. Sci. J. TCG, I, No 3 121 Extended Summary ASSESSMENT OF ATMOSPHERIC POLLUTION LEVELS USING OPTICAL AND STATISTICAL INDICATORS OF CHANGES IN SATELLITE RADIOMETRY NICOLAOS I. SIFAKIS Institute for Space Applications and Remote Sensing, National Observatory of Athens Abstract Specific methods for the digital processing of satellite data of high spatial resolution allow mapping of the horizontal distribution of the aerosol optical thickness above urban and industrial areas. Their application is particularly complex, requiring ancillary information and accurate calibration of the satellite radiometry, since they are based on the use of radiation transfer modeling in the atmosphere. This work proposes some simple optical and statistical indicators, which allow the detection of radiometric changes linked to the presence of pollutants, rapidly and without complex digital processing or ancillary information, and the subsequent synoptic classification of atmospheric pollution levels. The indicators were evaluated via their application to diachronic Landsat and SPOT images of urban and industrial areas with pollution problems. The evaluation identified those indicators that satisfactorily detect the changes in satellite radiometry due to modifications in atmospheric pollution density. or anthropogenic activities (Picture 1). Furthermore, certain digital processing methods allow the retrieval of information about the concentration of atmospheric pollutants in optical terms, and in particular the columnar optical thickness of aerosols. Such algorithms include SMA (Satellite Mapping of Aerosols) and SIPHA (Satellite Image Processing for Haze and Aerosol Mapping). These allow the creation of optical thickness maps, but their application is complex, time-consuming and requires the availability of ancillary information as well as accurate calibration of the raw satellite data. This work aims at the presentation of simple optical and statistical indicators that would allow the synoptic classification of atmospheric pollution levels from HSR satellite images, rapidly and without complex digital processing or ancillary data,. 1. INTRODUCTION The various data that satellite observations provide on the Earth s atmosphere are almost exclusively utilised by meteorologists and very rarely in air quality studies. The main reason is that no satellite sensor allows the direct measurement of atmospheric pollutant concentrations in the boundary layer with high spatial resolution. For example, MOPITT can measure methane and carbon monoxide with a resolution of 22 km, which addresses global scale studies. For observations with high sampling density, useful for local/urban applications, high spatial resolution (HSR) sensors (e.g. Landsat, SPOT) with resolutions of tens of metres could be used. Though these sensors were initially intended to study the surface of the Earth, their images have allowed an occasional observation of smoke palls emitted by natural Submitted: Jan. 11, 2006 Accepted: Dec. 18, 2006 2. INVERSION OF SIGNAL TO NOISE RATIO The radiometric measurements carried out by Earth observation satellites are composed of emitted and reflected energy of the surface and the atmosphere. The received energy is converted to electrical signal and expressed in digital form. These digital data can be calibrated for observation geometry and the Sun s position, as well as atmospheric effects that depend on the composition of the atmosphere, so that (i) they can be converted to surface reflectance values, and (ii) the atmospheric noise is removed from the useful signal emanating from the surface. The various phases of this radiometric pre-processing are presented in Table 2. Via the inverse process, that is by comparing the radiometry recorded under polluted atmosphere with that of
122 Τεχν. Χρον. Επιστ. Έκδ. ΤΕΕ, I, τεύχ. 3 2006, Tech. Chron. Sci. J. TCG, I, No 3 natural atmosphere, the contribution of atmospheric noise due to pollution can be isolated (Figure 1). This process constitutes the principle of inversion of signal to noise ratio. Its application requires reference data, in this case a pollution-free satellite image. 3. OPTICAL ATMOSPHERIC EFFECTS The alterations that satellite radiometry undergoes due to atmospheric constituents are termed optical atmospheric effects (OAE). In standard land applications OAE are normally eliminated in phase Γ of absolute calibration (Table 2). In atmospheric applications, however, OAE can be used to provide information about the content of the atmosphere through inversion of the signal to noise ratio. The atmospheric constituents that most influence satellite radiometry are aerosols of the size of the observed wavelength. Their optical impact is quantified by the aerosol optical thickness, which can be retrieved using radiative transfer modeling. Their approximate load can also be assessed via optical and statistical indicators without the use of complex models. The most representative OAE due to a polluted atmosphere are: (i) the blurring effect due to aerosol scattering, present in the spectral bands of visible and infrared; (ii) the screening effect due to absorbing aerosols, mainly in the visible; (iii) the opacity effect, similar to the previous one but engendered in the thermal infrared spectrum. 4. OPTICAL INDICATORS A large number of Landsat TM/ETM+ and SPOT HRV/ HRVIR images have been acquired in the framework of various research activities and application projects covering southern France, northern Italy, and Attica (Greece) (Table 3). These satellite images have been selected for their characteristic atmospheric pollution conditions on the basis of pollutant concentration measurements. Following a careful radiometric calibration, according to Table 2, the examination of each spectral band separately gave the following results: 1. Smoke plumes are best distinguished in the visible spectral bands above land (generally in the blue and green but in the red above dense vegetation), or in the infrared above water surfaces. 2. In the cases of diffuse pollution, radiometric particularities spread over a wider region around the emission points; the most important particularity is that linear elements (e.g. road network) appear blurred. 3. In the thermal infrared channel polluted areas always appear colder. The discriminating capacity of the human eye can allow the detection and delineation of the blurring effect. In general, two to three levels of turbidity can be distinguished by visual photointerpretation. The comparison of all possible colour composites (35 in the case of Landsat) gave the following results (Picture 2): (i) colour composite 2-3-4 (standard false colour) summarises its photointerpretation keys in Table 3; (ii) colour composite 1-2-3 (natural colours) is more sensitive in detecting OAE (polluted regions appear as turquoise and blue-grey); (iii) colour composite 2-1-7 (pseudo natural colours) present polluted areas in intense green fading to white; (iv) colour composite 6-1-7 (multispectral composition) appears to be most sensitive, due to the variety of spectral information on OAE (polluted areas appear as yellowish-green). 5. STATISTICAL INDICATORS The examination of histograms of radiometric frequencies, particularly in the visible bands, showed a shrinkage and slight displacement to the right in the images under the effect of pollution (Picture 3). The relation of spectral bands best appeared on scattergrams. Thus, on the scattergram comparing Landsat TM2 and TM7 bands the correlation factor increased with the presence of pollution. As an effect of pollution, a shrinkage can be noticed in the point distribution cloud (Picture 4). The following statistical parametres were examined and evaluated: The minimum value of reflectivity, the mean value, the standard deviation, the dispersion (standard deviation to mean value ratio). Table 5 depicts the variation of these statistical indicators through all spectral bands between two representative dates considered as pollution-free and highly polluted. Figure 2 shows the spectral variation for the three of the four parameters. All statistical parameters were calculated for the totality of the area covered by the images. Pollution days presented a slight increase of minimum reflectivity in the blue (TM1) and in shortwave infrared (TM5). The mean reflectivity increases over water bodies, but overall may decline very slightly with pollution. The standard deviation drops with pollution in all bands, but mostly in the first two (TM1, TM2). The main disadvantage of the standard deviation is the need for accurate radiometric calibration of the satellite radiometry. Finally, the statistical dispersion is reduced with pollution in the first two bands, in red there is no variation, and the phenomenon is reversed in the other bands (TM4, TM5, TM7). The important advantage when using this statistical indicator is its independence of any radiometric calibration processes (since it is a ratio).