Χωροχρονικές μεταβολές βλάστησης και χρήσεων γης σε επίπεδο υδρολογικής λεκάνης της τεχνητής λίμνης Πλαστήρα με χρήση GIS και δεδομένων τηλεπισκόπησης

Abstract

Σκοπός της συγκεκριμένης διατριβής είναι αρχικά η ανίχνευση των αλλαγών της φυσικής βλάστησης, των χρήσεων γης και του φυσικού περιβάλλοντος στην υδρολογική λεκάνη της τεχνητής λίμνης Ν. Πλαστήρα κατά τη διάρκεια του χρονικού διαστήματος 1984 έως και 2009. Δευτερευόντως, εξετάζεται η εφαρμογή και η σύγκριση δύο ειδών παλινδρόμησης, της απλής γραμμικής και της γεωγραφικά σταθμισμένης παλινδρόμησης, έτσι ώστε να διαπιστωθεί ο βαθμός επιρροής ποικίλλων περιβαλλοντικών παραγόντων (βροχή, θερμοκρασία, υψόμετρο, κτλ) στην βλάστηση (μέσω του κανονικοποιημένου δείκτη βλάστησης NDVI) . Τα σημαντικότερα εργαλεία που χρησιμοποιήθηκαν είναι η δορυφορική Τηλεπισκόπηση και τα Γεωγραφικά Συστήματα Πληροφοριών (ΓΣΠ). Η καταγραφή των αλλαγών της βλάστησης, των χρήσεων και της κάλυψης γης ολοκληρώθηκε με την παράλληλη συνεισφορά μιας πληθώρας δορυφορικών εικόνων και του προγράμματος εδαφικής κάλυψης της Ευρωπαϊκής Ένωσης, Corine 2000 (CORINE Land Cover project). Με την πάροδο των ετών και την επίδραση πολλών παραγόντων αναμενόμενη είναι και η εμφάνιση σημαντικών αλλαγών. Οι μεγαλύτερες αλλαγές που σημειώθηκαν αφορούν τη μείωση των κωνοφόρων και μεταβατικών δασών (¬3.02%) και την αύξηση των λιβαδιών-θαμνότοπων κατά 2.41%. Οι χάρτες βλάστησης έδειξαν ότι μεγαλύτερος βαθμός φυτοκάλυψης επικρατεί στην ημιορεινή ζώνη όπου εντοπίζονται κωνοφόρα, μεταβατικά και πλατύφυλλα δάση και οι ανθρωπογενείς δραστηριότητες είναι σχετικά περιορισμένες, ενώ όπου υπάρχουν οικισμοί, άγονες εκτάσεις και καλλιέργειες ο δείκτης φυτοκάλυψης ήταν αισθητά μικρότερος. Στην απλή γραμμική παλινδρόμηση η ανεξάρτητη παράμετρος που επέδειξε τη μεγαλύτερη συσχέτιση με τον κανονικοποιημένο δείκτη βλάστησης NDVI αλλά και με τους δείκτες NDVI των χρήσεων γης που σχετίζονται με τη βλάστηση, είναι η θερμοκρασία. Στη γεωγραφικά σταθμισμένη παλινδρόμηση, ανεξάρτητη μεταβλητή που επέδειξε τη μεγαλύτερη συσχέτιση με τον κανονικοποιημένο δείκτη βλάστησης NDVI είναι το υψόμετρο με τη μέγιστη τιμή του τοπικού συντελεστή προσδιορισμού να ισούται με 0.84 (local R =0.84) και η βροχόπτωση με μέγιστο τοπικό συντελεστή προσδιορισμού ίσο με 0.72. Η διαφορά των αποτελεσμάτων των δύο ειδών παλινδρόμησης όσον αφορά τη συσχέτιση μεταξύ του NDVI και της βροχόπτωσης έγκειται στο γεγονός ότι η γεωγραφικά σταθμισμένη παλινδρόμηση επιτρέπει την εκτίμηση τοπικών παρά ολικών παραμέτρων (Fotheringham and Brunsdon, 1999), και ελέγχει την ύπαρξη χωρικής αστάθειας στη σχέση που προκύπτει ανάμεσα στην εξαρτημένη και κάθε ανεξάρτητη μεταβλητή επιτρέποντας στις παραμέτρους των ανεξάρτητων μεταβλητών να μεταβάλλονται στο χώρο (Καλογήρου, 2009; De Smith et al., 2007).

Initial goal of this dissertation is land uses and vegetation detection of artificial Platira lake’s subcatchment from 1984 to 2009. Furthermore, two regression types, simple linear and Geographically Weighted regression, were implemented so that effect of environmental parameters such as precipitation, temperature, elevation etc. on local vegetation (NDVI values) to be determined. Most significant tools that have been used are Remote Sensing and Geographical Information Systems. Land uses and vegetation detection has been implemented through satellite imagery and the European land uses Corine program 2000. The most considerable changes that have been observed from 1984 to 2009, are coniferous-transitional forest decrease (-3.02%) and natural grassland and shrubs increase (2.41%). Vegetations maps indicated that higher NDVI values dominates in regions where there are coniferous-transitional and broad-leaved woodland and human activities are restricted.Conversely, lower NDVI values are located in places of urban, bare rocks and agricultural land. In simple linear regression, the independent variable that demonstrated the highest correlation with NDVI and land uses NDVI is temperature. Conversely, precipitation, evapotraspiration, temporal evapotraspiration and land uses percentages demonstrated weak correlation with afore mentioned dependent variables. As far as Geographically Weighted Regression is concerned, independent variables which presented the highest correlation with NDVI are elevation with maximum local coefficient of determination 0.84 and precipitation with R2 =0.72. The difference between these two regressions types’ results exists because GWR expands traditional regression by allowing the assessment of local and not global parameters (Fotheringham and Brunsdon, 1999). This regression type controls the existence of spatial nonstationarity in the relationship between independent and dependent variable, enabling spatial change of independent variables’ parameters (Κalogirou, 2009, De Smith et al., 2007).