Μοντέλα αλλαγών χρήσης / κάλυψης γης για τον Δήμο Μάνδρας Ειδυλλίας την περίοδο 1993-2010 με τη χρήση δορυφορικών εικόνων Landsat

Abstract

Η παρούσα μελέτη στοχεύει στην ταξινόμηση της κάλυψης/χρήσεων γης και στη χαρτογράφηση των διαχρονικών τους αλλαγών, με τη δημιουργία παράλληλα ενός μοντέλου ροής εργασιών. Η διαδικασία αυτή εναρμονιζόμενη στις ανάγκες των ταχέων εξελίξεων, δύναται να αποτελέσει εργαλείο για τη μελέτη του περιβάλλοντος, το σχεδιασμό αναπτυξιακών δράσεων αλλά και για την ενίσχυση των παραγωγικών και βιομηχανικών δραστηριοτήτων, στα πλαίσια των ανθρώπινων αναγκών και της υλοποίησης μιας κοινωνικοοικονομικής πολιτικής. Για τις ανάγκες της μελέτης αυτής επιλέχθηκε ο Δήμος Μάνδρας Ειδυλλίας ο οποίος αποτελεί το μεγαλύτερο σε έκταση Δημοτικό διαμέρισμα του Νομού Αττικής. Η περιοχή είναι αντιπροσωπευτική των τυπικών μεσογειακών συνθηκών από την άποψη της δομής του τοπίου και παράλληλα της κάλυψης των ειδών στην επιφάνεια της γης. Χρησιμοποιήθηκαν διαχρονικές δορυφορικές εικόνες των ετών 1993, 2001 και 2010 του αισθητήρα Landsat TM. Τα βασικά λογισμικά που χρησιμοποιήθηκαν για την επεξεργασία των εικόνων, τη χωρική ανάλυση των δεδομένων, την εξαγωγή στατιστικών δεδομένων και τη δημιουργία θεματικών χαρτών ήταν το ENVI 5.1 και το ArcGis 10.1. Αρχικά οι δορυφορικές εικόνες διορθώθηκαν ραδιομετρικά και ατμοσφαιρικά και κόπηκαν στα όρια της περιοχής μελέτης. Στα παραγόμενα προϊόντα εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση, προκειμένου να γίνει μια γρήγορη διάκριση του αριθμού και του τύπου των διαφορετικών μορφών χρήσεων γης και η διαπίστωση ύπαρξης τυχόν διαχρονικών αλλαγών. Για την πιστοποίηση της ταξινόμησης ελήφθησαν στοιχεία υπαίθρου επί των διακριτών μορφών κάλυψης /χρήσεων γης κι αφού λήφθηκε υπόψη και η σχετική βιβλιογραφία ορίστηκαν οι κλάσεις ταξινόμησης. Καθορίστηκαν εννιά (9) βασικές κλάσεις ταξινόμησης. Για τις κλάσεις με μεγάλη ποικιλομορφία, δημιουργήθηκαν οι αντίστοιχές τους τάξεις πληροφόρησης (information class). Δημιουργήθηκαν (8) οκτώ λόγοι φασματικών καναλιών οι οποίοι ενσωματώθηκαν στις αρχικές μεταβλητές της εικόνας, προκειμένου να ενισχυθεί η διαχωριστική ικανότητα μεταξύ των κλάσεων ταξινόμησης. Τα αποτελέσματα έδωσαν ενισχυμένους δείκτες διακριτότητας με τιμές μεγαλύτερες του στατιστικού δείκτη 1,9 των περιοχών εκπαίδευσης και για τα τρία έτη αναφοράς. Ακολούθησε επιβλεπόμενη ταξινόμηση με τον ταξινομητή Μηχανής Υποστήριξης Διανυσμάτων (S.V.M) και για τις τρεις χρονικές σειρές των δορυφορικών εικόνων. Η ακρίβεια της ταξινόμησης αξιολογήθηκε με τη δημιουργία πίνακα Confusion Matrix και έδωσε ικανοποιητικές τιμές ολικής ακρίβειας και στατιστικού δείκτη Kappa. Η ολική ακρίβεια της ταξινόμησης για τις εικόνες του 1993, 2001 και 2010 εμφάνισε τιμές 89,8526%, 91,0093% και 90,2439% αντίστοιχα. Ο στατιστικός συντελεστής (K) εμφάνισε αντίστοιχα τιμές 0,9603, 0,8855 και 0,9876 οι οποίες προσεγγίζουν τη μονάδα. Στα προϊόντα της ταξινόμησης εφαρμόστηκε η μέθοδος του συνδυασμού των κλάσεων (combine classes) και τα τελικά προϊόντα αποδόθηκαν χαρτογραφικά για τα τρία έτη μελέτης, με τη δημιουργία χαρτών κάλυψης γης. Τελικά δημιουργήθηκαν έξι χάρτες αλλαγών κάλυψης γης (δύο για κάθε συνδυασμό δύο ετών αναφοράς). Από τα στατιστικά αποτελέσματα της ταξινόμησης, προέκυψε ότι το άθροισμα των δασών και των δασικών εκτάσεων αντιπροσωπεύει την επικρατούσα κάλυψη/ χρήση γης , καλύπτοντας το 1993 το 61,51% της περιοχής, το 2001 το 64,69% και το 2010 φθάνει στο 64,85%. Το τμήμα του ελατόδασους που βρίσκεται στα όρια του Δήμου, εμφανίζει μια αυξητική τάση, της τάξης του 20% ενώ οι τεχνητές εκτάσεις παραμένουν σταθερές σε ποσοστό 3%. Παρουσιάζεται αύξηση της γεωργικής γης, κυρίως μετά το έτος 2001, της τάξης του 24,84% χωρίς όμως αυτό να συμβαδίζει με την αύξηση της γεωργικής παραγωγής της περιοχής. Από την εξέταση των στατιστικών στοιχείων των διαχρονικών αλλαγών της μελέτης, απορρέει ευχερώς το συμπέρασμα πως η χρήση των τρεχουσών τεχνολογιών, μπορεί να χρησιμοποιηθεί για τη διαμόρφωση των περιβαλλοντικών παραμέτρων, βελτιώνοντας τη γνώση μας σχετικά με τις ιδιότητες, τα χαρακτηριστικά, την κατάσταση, τις τάσεις και τις αλλαγές των φυσικών οικοσυστημάτων σε σχέση με τον άνθρωπο και την αξιοποίησή τους στην παραγωγική διαδικασία για την αντιμετώπιση της κρίσης και της ανεργίας.

This study aims to classify the land cover/land use and the mapping of their temporal changes by creating a parallel workflow model. This process in compliance with the needs of rapid development, can be a tool for the study of the environment, planning of developmental activities and to enhance the productive and industrial activities in the fields of human needs and the implementation of a socio-economic policy. For the needs of this study was selected the Municipality of Mandra – Idyllia, which is the biggest municipal district of Attica. This area is a representative model of typical Mediterranean conditions in terms, because of the structure of the landscape and the coverage of the species on the surface of the Earth, as well. There were used diachronic satellite images for the years 1993-2001 and 2010 Landsat TM sensor. The basic software used for image processing to obtain the statistical data and create thematic maps, are the ENVI 5.1 and ArcGis 10.1. Initially the satellite images were corrected radio-metrically and atmospherically and were cut at the boundaries of the study area. At the generated products was applied unsupervised classification, in order to make a quick distinction of the number and type of different forms of land use and the existence of finding any temporal changes. For the certification of classification were collected rural elements on separate forms of land cover/land use and taking into account the relevant literature there were identified the classification classes. There were established nine (9) basic classification classes. For class with highly diversity, their corresponding information classes were created (information class). There were created (8) eight reasons of spectral channels which were incorporated in the initial variables of the image to enhance the resolving power between classification classes. The results gave enhanced granularity indices with value greater statistical indicator 1.9 of training areas for all three reporting years. It followed a supervised classification by classifier Support Vector Machine (SVM) for three time series of satellite images. The classification accuracy was evaluated by creating table Confusion Matrix and gave satisfactory overall precision values and statistical index Kappa. The overall classification accuracy for images of 1993, 2001 and 2010 demonstrated prices 89.8526% 91.0093% and 90.2439%, respectively. The statistical factor (K) respectively gave values 0.9603, 0.8855 and 0.9876 which approach the unit. In classification products was applied the “combine classes” method, and final products were attributed mapping of three years of study, with the creation of land cover maps. Eventually were created six maps of land cover changes (two for any combination of two reporting years). The statistical results of classification showed that the total of forests and woodlands, represents the predominant land use / land cover, accounts for 61.51% of the area in 1993, for 64.69% in 2001 and in 2010 reaches 64.85%. The part of the fir forests, located in the municipality boundaries, shows a growth trend of around 20% while artificial surfaces stable of around 3%. It is presented increase of agricultural land, especially after the year 2001 but the rate of 24.84% doesn’t keep up with growth in the agricultural production of the region. An examination of the statistics of the temporal change of study, easily leads to the conclusion that the use of current technologies can be used for configuring environmental parameters improving our knowledge about the properties, characteristics, status, trends and changes in natural ecosystems with respect to humans and their use in the production process with a view to tackling the economic crisis and unemployment.