Vorovencii Iosif-Teza de Abilitare RO

download Vorovencii Iosif-Teza de Abilitare RO

of 119

Transcript of Vorovencii Iosif-Teza de Abilitare RO

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    1/119

     

    TEZĂ DE ABILITARE

    IDENTIFICAREA, EVALUAREA ŞI MONITORIZAREA SCHIMBĂRILOR

    DIN MEDIUL ÎNCONJURĂTOR FOLOSIND METODE ALE

    TELEDETECŢIEI SATELITARE 

    Domeniul: SILVICULTURĂ 

    Autor: Prof. dr. ing. Iosif VOROVENCII

    Universitatea Transilvania din Braşov

    BRAŞOV, 2015

    Universitatea Transilvania din Braşov

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    2/119

    Ta aa  I VOROVENCII 

    1

    ABT Average Brightness ThresholdingASCR Automatic ScattergramControlled RegressionASTER Advanced Spaceborne Thermal Emission and Reflection RadiometerAVHRR Advanced Ver High Resolution RadiometerAWMSI Area Weighted Mean Shape IndexBI Bare Soil IndexCOST Cosine Approximation ModelCVA Change Vector Analsis

    DI Disturbance IndexDMC Disaster Monitoring ConstellationDN Digital NumberDOS Dark Object SubtractionDTC Decision Tree ClassifierED Edge DensitEVI Enhanced Vegetation IndexGIS Geographic Information SstemsGNSS Global Navigation Satellite SstemIRS Indian Remote SensingISODATA Iterative SelfOrganiing Data Analsis Techniques

    LAI Leaf Area IndexLandsat ETM+ Landsat Enhanced Thematic Mapper PlusLandsat MSS Landsat Multispectral ScannerLandsat TM Landsat Thematic MapperLST Land Surface TemperatureLULC Land Use Land CoverMCAI Mean Core Area IndexMDCA Mean Disjunct Core AreaMFDI Mean Fractal Dimension IndexMIR Midle InfraredMPA Mean Patch Area

    MSAVI Modified Soil Adjustment Vegetation IndexMSAVI1 Modified Soil Adjusted Vegetation Index 1MSDI Moving Standard Deviation IndexMSI Mean Shape IndexMWA MonoWindow AlgoritmNDVI Normalised Difference Vegetation IndiceNIR Near InfraredNOAA National Oceanic and Atmospheric AdministrationNP Numbers of patchesPASD Patch Area Standard DeviationPC1 Principal Components 1

    PC2 Principal Components 2PC3 Principal Components 3PCA Principal Components Analsis

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    3/119

    I VOROVENCII Tă aa

    2

    PCC Post Classification ComparisonRGB Red Green BlueRUSLE Revised Universal Soil Loss EquationRVI Ratio Vegetation IndexSMA Spectral Mixture AnalsisSAR Snthetic Aperture Radar

    SAVI Soil Adjusted Vegetation Index SCR ScattergramControlled RegressionSPOT Ssteme Pour lObservation de la TerreSRTM Suttle Radar Terraine ModelSWA SplitWindow AlgoritmTABI Thermal Airborne Broadband ImagerTC Tasseled CapTCA Total Core AreaTCB Tasseled Cap BrightnessTCG Tasseled Cap GreenneesTCW Tasseled Cap Wetness

    TES Temperature and Emissivit Separation AlgorithmTIR Thermal InfraredTM4 Thematic Mapper 4TSAVI Transformed Soil Adjusted Vegetation Index TSAVI1 Transformed Soil Adjusted Vegetation Index 1 TSAVI2 Transformed Soil Adjusted Vegetation Index 2 UID Univariate Image DifferencingUSGS Unites States Geological SurveUTM Universal Transverse MercatorWDVI Weighted Difference Vegetation IndexWGS 84 World Geodetic Sstem 84

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    4/119

    Ta aa  I VOROVENCII 

    3

    C

    Lista de abrevieri...................................................................................................................................... 1(A) ............................................................................................................................................  5(B) ă șţ ș ș ț ș ............................  7(B) ă șţ ș ...................................................................................................  71. Introducere...........................................................................................................................................  7  1.1. Aspecte generale..........................................................................................................................  7  1.2. Articole cuprinse n tea de abilitare............................................................................................  92. Identificarea, evaluarea şi monitoriarea schimbărilor utiliării/acoperirii terenurilor.......................

     

    10  2.1. Identificarea, evaluarea şi monitoriarea schimbărilor legate de utiliarea/acoperirea

    terenurilor pe baa metodei diferenţei dintre indicii NDVI, componentele PC2 şibenile TM4 şi metodei PCC .......................................................................................................... 10

      2.2. Identificarea, evaluarea şi monitoriarea schimbărilor utiliării/acoperirii terenurilor pebaa metodei analiei schimbărilor vectoriale............................................................................. 22

    2.3. Identificarea, evaluarea şi monitoriarea schimbărilor utiliării/acoperirii terenurilorfolosind metoda comparaţiei postclasificare.............................................................................. 33

      2.4. Identificarea, evaluarea şi monitoriarea schimbărilor utiliării/acoperirii terenurilor pebaa indicelui NDVI şi temperaturii de suprafaţă..................................................................... 46

    3. Evaluarea şi monitoriarea riscului la deşertificare folosind imagini satelitare Laa  şiclasificarea prin arbori de deciie.......................................................................................................... 56

    4. Identificarea, evaluarea şi monitoriarea schimbărilor din păduri....................................................... 68  4.1. Identificarea, evaluarea şi monitoriarea doborturilor de vnt pe baa metodelor UID,

    PCA selectivă şi CVA.....................................................................................................................  68  4.2. Identificarea exploatărilor forestiere necontrolate şi a tăierilor ilegale de păduri pe baa

    indicelui de disturbanţă şi metodei diferenţei dintre imagini...................................................... 79  4.3. Cuantificarea şi analia fragmentării pădurilor folosind indici de caracteriare a peisajelor

    şi imagini satelitare Laa ......................................................................................................... 84  4.4. Evaluarea şi monitoriarea defrişărilor şi regenerărilor de păduri prin metoda analiei

    schimbărilor vectoriale................................................................................................................. 895. Identificarea, evaluarea şi monitoriarea schimbărilor produse de exploatările de suprafaţă

    pe baa indicilor de vegetaţie şi a profilelor spectrale.......................................................................... 946. Concluii asupra cercetărilor originale................................................................................................. 100(B) ț ș .................................................................................... 1031. Evoluţia profesională şi activitatea de cercetare ştiinţifică.................................................................. 1032. Planuri de devoltare a carierei............................................................................................................ 106(B) B..................................................................................................................................... 110

     

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    5/119

    I VOROVENCII Tă aa

    4

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    6/119

    Ta aa  I VOROVENCII 

    5

    (A)

    The Habilitation Thesis sntheticall presents the results of research carried out after defendingthe PhD thesis entitled T P U Sa Ia F Pa W, in 2005 atTransilvania Universit of Brasov. This thesis is comprised of an abstract, scientific and professionalachievements, plans for further career and research development and references.

    The increasingl significant changes that occurred in Romanian societ after 1989 led to changesin land use/land cover, forest management, and propert rights, due to the transition from socialistpropert to private propert, as well as changes in all economic and social fields. Against thisbackground, the purpose of our research was to identif, assess, and monitor these environmentalchanges, which were determined b various natural and/or anthropogenic causes, using remote sensingmethods. In this context, the research focused on land use/land cover changes, those caused bdesertification risk, forest changes and those caused b surface utilisation. In order to conduct thisresearch, we used times series satellite images, in which, for comparison purposes, the first ear wastaken from before 1989 in almost all the periods. The studies were carried out based on Laa TM andLaa ETM+  satellite images, and we used as reference data I  satellite images, photograms,digital aerial images, and cartographic materials at certain scales (1:5000, 1:2000, 1:1000, 1:500) foundin different databases.

    Methods for monitoring change emploed in our research were: images difference, vegetationindices difference or difference between components of TC  transformation, CVA, PCC , and PCA. We alsoresorted to the DTC   method, the method of correlation between NDVI  and LST , the spectral profilemethod, and the method of comparison of vegetation indices. Beside the metods specific to remotesensing, the following were used: knowledge of digital photogrammetr, GNSS, topograph and the

    information sstems specific to the field of activit.Identification, assessment and monitoring of changes in land use/land cover were performed in

    Brasov metropolitan area. The research resulted in a stud for the period, 19932009, covering asmaller surface area and in two studies drawn up with different objectives for the period, 19872009,covering the entire metropolitan area. In this area, we analsed the dnamics of changes in landuse/land cover b obtaining   " information, as well as the impact of these changes on landsurface temperature determined, in turn, on the basis of the thermal band of Laa images. Resultsshowed that after 1989 a significant surface area of agricultural land remained uncultivated or wasturned into pasture, and that the surface area covered b constructions increased. Research alsoshowed that there is a negative correlation between NDVI and LST  indicator.

    Research into the identification, assessment and monitoring of land cover was carried out

    between 19872011 also within Medias Forest Division, with Copsa Mica town at its centre. Resultsshow that changes in land cover led to a significant reduction of surface areas affected b carbon blackpollution and, to a lower degree, b heav metal pollution.

    The assessment and monitoring of desertification risk were studied in Dobrogea using Laa TMatellite images and MSAVI1, MSDI indicators and the albedo, connected with vegetation conditions,landscape pattern and micrometeorolog. As a result of this research, maps displaing six grades ofdesertification risk were obtained: , , , , , and . Results show that inDobrogea, according to rules established for the period, 19872011, two grades of desertification riskhave an ascending trend, namel   and . Analsing the causes of the occurrence ofdesertification risk, we found that the main factor is high temperature that combines with thedestruction of forest belts and of the irrigation sstem, and to a smaller extent, with fragmentation of

    agricultural land and deforestation in the stud area.Identification, assessment and monitoring of forest changes were carried out concerning

    windthrows in spruce stands, uncontrolled forest logging, illegal logging and vegetation regeneration.

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    7/119

    I VOROVENCII Tă aa

    6

    The monitoring of windthrows was performed using two satellite images,  and  , both from2001, when massive windthrows occurred in Sanmartin Forest Division within the Miercurea Ciuc ForestDistrict. Research results showed that, among the used methods, the univariate image differencing (UID)applied to the TCW component allowed the identification of windthrows with high precision, while theapplication of the first principal component on the basis of the SAVI index ielded the lowest precision.

    Another area where research into forest disturbances was carried out for the period, 19872009,

    was Vlahita in Harghita Count. Images were processed using TC transformation on the basis of whichthe disturbance index DI was calculated and forest disturbance index maps were drawn up for 1993,2002, and 2009 as well as for each period. Research into forest disturbances was also performed inGiurgeului Mountains, using a similar methodolog. After calculating the DI index, the method ofdifference between DI images was applied, and, on the basis of resulting thresholds, disturbance classmaps were finall obtained, including three classes: a ,  , and  . Based on those,10  metrics that characterise landscape and are related to area, edge, shape, and core area   wereanalsed at class level and for each period. Results showed that during 19872009, a strong forestfragmentation in the stud area took place as a result of uncontrolled forest logging and illegal logging,which eventuall led to the loss of the specific forest environment, of connectivit, of the habitat ofdifferent species, and to the emergence of bare slopes and surface erosion phenomenon.

    In Trotusului Valle, research into vegetation monitoring for the period, 19862009, wasconducted using the CVA method applied to TCB and TCG components derived from TC transformation.Following the processing of satellite images, we obtained maps that show the magnitude and directionof changes in deforestation, regeneration, and persistence of vegetation. Research results show thatchanges, caused b deforestation and also b regeneration, occurred in the analsed period.

    Identification, assessment and monitoring of surface utilisation changes were carried out for twolimestone quarries, located on the outskirts of Brasov cit, using satellite images acquired in 1984, 1989,and 2009. The results obtained show that the most adequate RGB  combination for differentiation oflimestone quarries from other surfaces with a similar spectral profile, such as asphalt and concretesurfaces, is the combination that includes NDVI. Following the analsis of regression, we found that, forthe stud area, NDVI, SAVI and TSAVI indices ield approximatel the same results.

    The evolution of professional and research activit, and the plans for further career and researchdevelopment are presented in a snthesis that complements this thesis.

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    8/119

    Ta aa  I VOROVENCII 

    7

    (B) ă șţ ș ș ț ș

    (B) ă șţ ș

    1.

    1.1. A

    Tţa aaă  are astăi vaste aplicaţii n diferite domenii de activitate, inclusiv n

    silvicultură. Aceasta a condus la nţelegerea diferitelor fenomene şi procese naturale de pe planetăprecum şi la posibilitatea evaluării impactului acţiunilor omenirii asupra resurselor naturale de care maidispune Pămntul. Multitudinea de sisteme satelitare, dotate cu diferiţi senori, permite preluarea de

     nregistrări cu diferite ţ aţa, a, a  şi a  care dicteaă tipul deaplicaţie n care pot fi utiliate. n caul senorilor optici,  n care se preiau imaginile iar n caulsenorilor radar, ţă  şi aa, joacă un rol important n definirea aplicaţiei. Multeaplicaţii necesită folosirea de imagini satelitare n care timpul de reviitare trebuie să fie ct mai mic. ncaul senorilor optici, pot exista factori limitativi la preluarea imaginilor cum ar fi acoperirea noroasă peanumite suprafeţe, problemă aproape permanentă n unele părţi de pe glob, n special la tropice. nonele polare apar probleme legate de o iluminare inadecvată pentru cteva luni din an ca n care

     nregistrările radar sunt cele mai indicate deoarece preluarea lor nu depinde de sursele naturale de

    lumină. De asemenea, senorii radar lucreaă n lungimi de undă mari care permit penetrarea norilor,fumului şi ceţei, asigurnd astfel nregistrarea datelor ce nu pot fi observate din caua condiţiilor devreme sau de iluminare slabă.

     n anumite aplicaţii se impune folosirea mai multor senori care să preia imagini satelitare de peaceeaşi suprafaţă deoarece fiecare bandă nregistreaă date pe o anumită lungime de undă. Reflectanţadetaliilor nregistrate n imagini se poate schimba n timp, uneori chiar ntrun interval de ctevasecunde, ceea ce n multe aplicaţii utiliarea de date ă  asigură o identificare mai uşoară şisigură a detaliilor. De asemenea, folosirea de imagini preluate de senori diferiţi asigură aţaă  iar, prin  aa acestora, se poate facilita interpretarea şi clasificarea conţinutuluilor. n această situaţie se găsesc combinaţiile realiate ntre imaginile cu reoluţie spaţială ridicatăpreluate n pancromatic şi imaginile multispectrale cu reoluţie spaţială mai slabă sau fuionarea de date

    preluate prin tehnicile teledetecţiei pasive cu date preluate prin intermediul teledetecţiei active. Unexemplu specific n acest sens este fuionarea nregistrărilor radar, care contribuie cu aa , cu imaginile multispectrale care aduc aţa    a detaliilor din teren şi a covoruluivegetal. Folosirea nregistrărilor aă  este, de asemenea, benefică n toate aplicaţiile deoareceinformaţia conţinută este preluată n diferite lungimi de undă.

    Informaţia nregistrată n imaginile satelitare preluate n ani diferiţi pe o anumită perioadă detimp constituie aţ aă. Intervalul dintre imagini poate să fie de ile, săptămni sauani. Printre aplicaţiile des folosite care necesită imaginii din serii temporale sunt cele legate demonitoriarea schimbărilor utiliării/acoperirii terenurilor sau devoltării onelor urbane. De asemenea,pentru analia seriilor de imagini folosite n aplicaţiile privind monitoriarea schimbărilor un elementimportant este observarea faelor fenologice ale vegetaţiei care necesită imagini preluate n timpul

    seonului de vegetaţie, la intervale regulate şi scurte. n acest fel se obţine informaţie multitemporalăextrasă din imaginile preluate de pe aceeaşi suprafaţă dar la date diferite (Vorovencii, 2015).

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    9/119

    I VOROVENCII Tă aa

    8

    Intervalul dintre imaginile unei serii temporale se alege astfel nct să permită aaa  fenomenelor studiate specifice tipului de aplicaţie. Unele evenimente catastrofale (inundaţii,incendii de pădure, alunecări de teren etc.) necesită folosirea de imagini preluate la intervale mici, deordinul ilelor sau chiar orelor, n timp ce alte evenimente, a căror dinamică este lentă (topireagheţarilor, rempădurirea suprafeţelor defrişate etc.), necesită imagini preluate la intervale de ani. Un altaspect important n aplicaţiile ce vieaă identificarea schimbărilor presupune folosirea de imagini

    preluate n aceleaşi condiţii sau apropiate n vederea obţinerii de reultate comparabile legate declasificarea conţinutului imaginilor satelitare.

    Folosirea seriilor temporale de imagini satelitare n foarte multe aplicaţii conduce la realiarea deanalie multitemporale care depind de aaa a  dintre aceste imagini. n acest sens seimpune a a a ale pixelilor n ăţ , adică n radianţă, permiţnd astfel oaa ă a imaginilor şi determinarea corectă a a  şi ă  schimbărilor din perioadaanaliată. Aici pot fi ncadrate aplicaţiile care se baeaă pe utiliarea indicilor de vegetaţie,transformarea TC etc. Pentru analie şi interpretări ale imaginilor satelitare, precum şi pentru stabilireagradului de preciie a informaţiilor obţinute din acestea, sunt necesare date suplimentare careconstituie aă (ground truth).

    S aa  care preiau date folosite la identificarea, evaluarea şi monitoriarea

    schimbărilor din mediului nconjurător sunt numeroase şi variate. n acest sens, primul program demarat n 1972 şi cel mai longeviv centrat pe urmărirea resurselor Pămntului, este programul Laa care atrimis n spaţiu cu succes pnă acum 7  generaţii de sateliţi (Landsat1, 2, 3, 4, 5, 7 şi 8). ImaginileLaa  sunt folosite pe larg n studii legate de identificarea, evaluarea şi monitoriarea schimbărilor dinmediul nconjurător datorită faptului că sunt ieftine, sunt gratuite, iar reoluţia spaţială de 15   npancromatic şi de 30  n multispectral, asigură realiarea de studii pe suprafeţe mari. Alături de acestaprogramul france SPOT , demarat n 1986, este la a 7  generaţie de sateliţi, ultimul satelit SPOT7   fiindlansat n iunie 2014. Imaginile SPOT  au reoluţia spaţială n multispectral de 20  şi 10  n pancromaticiar imaginile SPOT6  ş 7 au reoluţii de 1,5   n pancromatic şi 6   n multispectral şi infraroşuapropiat.  Dintre  programele satelitare mai importante de monitoriare a resurselor Pămntului cureoluţie spaţială medie mai pot fi amintite: IRS, cu reoluţia spaţială cuprinsă ntre 5,8   şi 188 ;

    sateliţii din seriile CBERS, IRS RSa , RaE (A, B, C, D, E); sateliţi din seria DMC  cum suntDMC ASa1, NaSa1, D1; satelitul PaV  (100 m n viibil şi 200 m n infraroşu scurt) etc.Alături de aceste sisteme n ultimul timp au apărut sistemele satelitare care preiau imagini cu reoluţiespaţială ridicată folosite n evaluarea şi monitoriarea mediului nconjurător. Primul dintre acestea a fostsatelitul I  lansat n septembrie 1999 şi care preia nregistrări cu reoluţia spaţială de 1   npancromatic şi de 4   n multispectral. Din categoria acestor sisteme satelitare mai pot fi amintiteurmătoarele: EROSA şi B cu reoluţia spaţială de 1,9 , respectiv 0,7 ; Q  care preia imagini cureoluţia de 2,44   n multispectral şi 0,61   n pancromatic; OV3  (1 m n pancromatic, 4 m nmultispectral); sateliţii din seria Caa (1, 2, 2A, 2B) care achiiţioneaă imagini cu reoluţiaspaţială de 2,5 , respectiv 0,8 . Tot din această categorie fac parte sateliţii din seria WV şianume  WVI  (0,45 m n pancromatic), WVII  (0,46 m n pancromatic, 1,84 m n

    multispectral) şi WVIII  lansat n august 2014 care are capacităţi deosebite prelund imagini cureoluţia spaţială n pancromatic de 0,31 , n multispectral de 1,24   şi n infraroşu scurt de 3,7 .Acesta este cel mai performant sistem satelitar destinat sectorului civil pnă la momentul redactăriipreentei lucrări. De asemenea, din această categorie mai fac parte sateliţii GE1, RaaSa 1,DaSa1,  ASa2  toţi lansaţi nainte de 2000, prelund imagini cu reoluţia spaţială sub 4 . După2010 seria acestor sateliţi a continuat cu NaSa2, Pa1A  şi 1B, KOMPSAT3, Ka V1,Ga1 (GF1), VNREDSa1A, DaSa2, constelaţia de sateliţi F1...28/D5...32, SSa1 şi 2, ESa2, KaEOSa1, D2 etc. (Vorovencii 2015).

     n privinţa unor noţiuni folosite n preenta lucrare se impun necesare cteva preciări foarteimportante. n caul imaginilor satelitare, cu reoluţie spaţială slabă şi moderată, prin clasificareaconţinutului acestora şi, evident identificarea şi monitoriarea schimbărilor, nu pot fi evidenţiate

    categoriilor de folosinţă ale terenurilor motiv pentru care clasificarea şi monitoriarea schimbărilor serealieaă pe a a/a a  . Aceasta este o noţiune specifică teledetecţieisatelitare care derivă din limba engleă avnd la baă cuvintele a /a   şi care a fost folosită

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    10/119

    Ta aa  I VOROVENCII 

    9

    sub acest nţeles pe tot parcursul acestei lucrări. n cadrul unei clase de acoperire a terenului pot intradiferite categorii de folosinţă cum ar fi n caul clasei de acoperire aţ  unde pot fi inclusecategoriile de folosinţă pădure, păşune, fneţe etc. n acelaşi sens trebuie nţeles şi termenul de utiliarea terenului fără a se substitui categoriei de folosinţă din cadastru. De asemenea, n literatura despecialitate se ntlnesc termenii tehnicii de detectare a schimbărilor şi metode de evidenţiere aschimbărilor. n preenta lucrare sa adoptat termenul de metode de identificare a schimbărilor,

    respectiv metode de evidenţiere a schimbărilor. De asemenea, pentru a nu se crea confuii la traducereşi a se asigura o tratare unitară denumirile metodelor, indicilor de vegetaţie şi imaginilor satelitare aufost păstrate cele din limba engleă.

    1.2. A

    Reultatele cercetărilor preentate n tea de abilitare se baeaă pe următoarele articolepublicate n reviste indexate ISI  T R  (6), la conferinţe ISI P  (2) şi n revisteindexate n bae de date internaţionale (2):

    1.  , . (2015). Assessing and monitoring the risk of desertification in Dobrogea, Romania,

    using Landsat data and decision tree classifierISI

    .  Ea M a A .Vol. 187, No. 4, Article 204, (FI = 1,679), (SRI = 0,749). 

    2.  , . (2015). M a a a a T Va,Raa, a aa a Laa a BDI. Proceedings of the BiennialInternational Smposium, F a Saa D , Braşov, Romania, 2425th ofOctober 2014, p. 356361. 

    3.  , . (2014). A change vector analsis technique for monitoring land cover changes inCopsa Mica, Romania, in the period 19852011 ISI. Ea M a A .Vol. 186, No. 9, p. 59515968 (FI = 1,679), (SRI = 0,749).

    4.  , . (2014). Assessment of some remote sensing techniques used to detect landuse/land cover changes in southeast Transilvania, Romania ISI. Ea M a

     A . Vol. 186, No. 5, p. 26852699 (FI = 1,679), (SRI = 0,749). 5.  , . (2014). Detection of environmental changes due to windthrows using Landsat 7

    ETM+ satellite imagesISI. Ea E a Maa Ja . Vol. 13, No. 3, p.565576 (FI = 1,258) (SRI = 0,111).

    6.  , . (2014). A multitemporal Landsat data analsis of land use and land cover changeson the land surface temperatureISI. Iaa Ja E a P. Vol. 56,Nos. 1/2/3/4, p. 109128 (FI = 0,303), (SRI = 0,214). 

    7.  , . (2013). Analsis of the changes in the metropolitan area of Brasov, Romania, usingLandsat multitemporal satellite imagesISI. Ea E a Maa Ja ,(http://omicron.ch.tuiasi.ro/EEMJ/pdfs/accepted/394_94_Vorovencii_13.pdf) (FI = 1,258) (SRI =0,111). 

    8.  , ., Iordache, E. (2013). Ia a aa a a aa G Ma, Raa, Laa aaISI P. The sixthinternational scientific conference Ra D 2013 Innovations and Sustainabilit. ISSN23450916. 2829 November, 2013, Aleksandras Stulginskis Universit, Lithuania. p. 513518.

    9.  , ., Ienciu, I., Oprea, L., Popescu, C. (2013). Ia a Haa Ma, Raa, Laa a aISI P. 13th  InternationalMultidisciplinar Scientific Geoconference SGEM 2013. Vol. II Informatics, Geoinformatics andRemote Sensing. ISBN 9786197105018/ISSN 13142704. 1622 June, 2013, Albena, Bulgaria,p. 609616. DOI:10.5593/SGEM2013/BB2.V2/S10.009.

    10. , . (2011).  The assessment of the impact on the environment of the limestonequarries using satellite imagesISI. Ea E a Maa Ja , Vol. 10,

    No. 10, p. 15111522 (FI = 1,004).

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    11/119

    I VOROVENCII Tă aa

    10

     

    2. , ş ă ă/

    2.1. , ş ă /

    ţ , C2 ş 4 ş CC 

    2.1.1. 

    Schimbările legate de utiliarea/acoperirea terenurilor repreintă o parte importantă aschimbărilor globale care afecteaă mediul nconjurător. Aceste schimbări apar prin alterarea (creştereasau descreşterea) densităţii şi compoiţiei detaliilor din teren precum şi a condiţiilor, toate nregistratepe imaginea satelitară (Stow 1995; Rogan a . 2003). Inventarierea şi monitoriarea schimbărilor legatede utiliarea/acoperirea terenurilor sunt operaţii esenţiale pentru nţelegerea mecanismului care stă labaa schimbărilor şi n modelarea impactului acestora, la diferite niveluri, asupra mediului nconjurătorşi ecosistemelor (William a.  1994). Abordările legate de identificarea onelor cu schimbări/fărăschimbări ale utiliării/acoperirii terenurilor au n vedere modificarea unor atribute ale peisajului carepot fi măsurate n mod continuu (Coppin a. 2001; Rogan şi Chen 2004). Toate aceste schimbări pot fiidentificate, evaluate şi monitoriate folosind metode specifice teledetecţiei satelitare.

     n funcţie de modul de identificare a schimbărilor se ntlnesc două categorii de metode (Lu a .2004): (1) metode care identifică schimbările sub forma hărţilor binare ce redau suprafeţele cuschimbări/fără schimbări (change/no change) cum ar fi diferenţa dintre imagini, diferenţa dintre indiciide vegetaţie, analia componentelor principale etc.; (2) metode care evidenţiaă detaliat traiectoriaschimbărilor a ă a cum sunt comparaţia postclasificare şi metodele hibride de identificare aschimbărilor.

    După capacitatea de localiare a schimbărilor, literatura de specialitate le clasifică n metode aa şi aa (Yuan a . 1998). Metodele preclasificare localieaă schimbările dar nuarată natura lor (Singh 1989; Yuan a . 1998) pe cnd metodele postclasificare permit localiareaschimbărilor şi totodată evidenţiaă natura acestora (Jensen 2004).

    Literatura de specialitate analieaă o largă varietate de metode de identificare a schimbărilor(Singh 1989; Coppin şi Bauer 1996; Jensen 1996; Yuan a . 1998; Lu a . 2004). Unele studii deidentificare a schimbărilor au arătat că modificările interdate legate de proprietăţile vegetaţiei suntfoarte bine identificate cnd imaginile sunt mbunătăţite folosind indicii de vegetaţie nainte de a realiadiferenţa ntre imagini (Fung 1990; Coppin şi Bauer 1996; Mas 1999; Radeloff a . 2000, Rogan a .2002). Aceste metode permit identificarea schimbărilor subtile legate de densitatea, compoiţia şicondiţiile de creştere a vegetaţiei n funcţie de scopul şi scara spaţială a proiectului (Rogan a. 2003).Prin urmare, aceste metode sunt mai potrivite pentru monitoriarea utiliării/acoperirii terenurilordect metoda PCC  care necesită estimări regionale detaliate (Rogan a . 2003).

     n cadrul identificării schimbărilor prin metodele preclasificare (diferenţă, raport, CVA etc.) un pasimportant constă n stabilirea celei mai potrivite a a pentru separarea suprafeţelor cu schimbăride cele fără schimbări. Aceasta se poate obţine pe baa histogramei realiată pentru imaginea finală,obţinută după aplicarea uneia dintre metodele diferenţei, raportului, CVA. n cadrul histogramei, onelecu schimbări sunt dispuse la coile acesteia iar cele fără schimbări sunt pe mijlocul ei, n jurul mediei.Găsirea valorii prag dintre suprafeţele cu schimbări şi cele fără schimbări constituie o operaţie dificilă şi,de obicei, se realieaă pe baa multor determinări terestre. Pentru selectarea valorii prag se folosesc, ngeneral, două procedee (Singh 1989; Yool a . 1997; Lu a . 2004): (1)   a  ceea cepresupune că analistul ajusteaă interactiv pragurile şi evalueaă reultatul obţinut pnă cnd acesta

    devine mulţumitor; (2)   a  care are n vedere selectarea celei mai potrivite abateristandard (s) faţă de medie (m). n general, dacă ona analiată nu preintă schimbări importante, pentru

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    12/119

    Ta aa  I VOROVENCII 

    11

    stabilirea valorii prag, această modalitate nu este recomandată. De asemenea, valoarea prag se poatestabili folosind şi alte metode n funcţie de aplicaţie.

    Deavantajele n alegerea valorii prag sunt (Lu a ., 2004): (1) diferenţele care reultă pot includeinfluenţele externe provocate de condiţiile atmosferice, conţinutul de umiditate al solului, unghiul de

     nălţime al Soarelui şi diferenţele fenologice faţă de adevăratele schimbări; (2) valoarea prag este foartesubiectivă, dependentă de scenă şi de familiaritatea analistului cu ona studiată precum şi de

     ndemnarea acestuia. n caul aplicării metodelor postclasificare de identificare a schimbărilor cum este, de exemplu,

    metoda PCC  pot fi identificate schimbările care apar ntre clasele de utiliarea/acoperire a terenurilor(pădure, fneţe şi păşuni, teren agricol cultivat, teren construit etc) pe o perioadă de timp şi trecereaunei clase n alta. Reultatele depind, n principal, de preciia clasificării individuale a fiecărei imagini,erorile de clasificare afectnd preciia finală a identificării schimbărilor (Stow a . 1980; Singh 1989;Jensen 1996; Macleod şi Congalton 1998; Coppin a. 2004). Metoda este avantajoasă atunci cnd sefolosesc diferiţi senori, cu diferite reoluţii spaţiale şi spectrale ale imaginilor preluate la date diferite(Singh 1989; Rogan a . 2003). n plus, metoda PCC  permite folosirea imaginilor satelitare n care sunt

     nregistrate diferenţe fenologice ale vegetaţiei şi furnieaă informaţii legate de tipurile de conversiidintre clasele de utiliare/acoperire a terenurilor care au apărut (de exemplu, cea a fost şi ce a devenit)

    (Rogan a . 2003).Metoda PCC are şi anumite limite (Macleod şi Congalton 1998). Astfel, compararea clasificărilor

    pe baa imaginilor preluate la date diferite nu permite identificarea schimbărilor subtile din cadrulclaselor de utiliare/acoperire a terenurilor (Biging a . 1998) şi evidenţierea modificărilor mici dininteriorul acestora (Stow a . 1980). Un alt deavantaj constă n timpul mare necesar clasificăriiindividuale a conţinutului imaginilor satelitare dat fiind faptul că preciia trebuie să fie ridicată pentru aobţine reultate bune legate de identificarea schimbărilor (Lu a. 2004).

    Toate metodele de identificare a schimbărilor sunt afectate de aţa, a,a  şi a. Tipul metodei implementate poate afecta destul de puternic estimărilecantitative şi calitative ale schimbărilor (Colwell şi Weber 1981). Chiar n aceeaşi onă, abordări diferiteprivind evidenţierea schimbărilor pot conduce la obţinerea de reultate diferenţiate. Ca atare, nu există

    un consens n ceea ce priveşte cea mai bună metodă de identificare a schimbărilor (Kaufmann şi Seto2001) iar selectarea metodei potrivite are o importanţă deosebită.

     n cadrul acestor cercetări au fost evaluate metoda diferenţei dintre imagini aplicată indicelui NDVI, celei dea doua componente principale PC2 şi benii TM4  precum şi metoda PCC , n vedereaidentificării, evaluării şi monitoriării schimbărilor legate de utiliarea/acoperirea terenurilor folosindimagini satelitare Laa TM. Obiectivele acestor cercetări, pentru ona luată n studiu, au fost: (1)identificarea schimbărilor privind utiliarea/acoperirea terenurilor; (2) evaluarea metodelor deidentificare a schimbărilor; (3) analia schimbărilor apărute n decursul perioadei 19932009.

    2.1.2. ă

    Zona luată n studiu se găseşte ntre 45

    54'88''   şi 45

    73'50''   latitudine nordică şi 25

    41'16''   şi2573'44'' longitudine estică. n interiorul onei studiate se află oraşul Braşov cu localităţile limitrofe,terenuri agricole cultivate şi necultivate, păduri, terenuri lipsite de vegetaţie şi ape (Fig. 2.1.1).

     n cuprinsul suprafeţei studiate răspndirea altitudinală a vegetaţiei este foarte variată. Pădureaeste compusă din arborete de foioase (fag, stejar n partea inferioară) n amestec cu răşinoase(predominant molid şi mai puţin brad) dar şi răşinoase pure la limita superioară. Apele sunt foarte puţinrepreentate, singurele ruri fiind Ghimbăşelul şi Brsa, de cele mai multe ori mascate de vegetaţie.

    Altitudinea este cuprinsă ntre 530  şi 1799 , ncepnd cu terenurile agricole plane şi pnă laVrful Postăvaru caracteriat de versanţi nclinaţi, acoperiţi cu molidişuri pure. Datorită diferenţei denivel ridicate (1269 m) condiţiile climatice sunt diferite. n partea inferioară, specifică terenurilor aşeatedin jurul oraşului Braşov şi localităţilor limitrofe, temperaturile medii anuale sunt de 68C   (7,8C la

    Brașov) iar temperatura medie a lunii iulie ntre 17 

    C   şi 18

    C , cu amplitudini termice anuale n jur de22C . n parte superioară, pe Culmea Postăvaru, se ntlnesc temperaturi medii anuale cuprinse ntre 0C  și 2C , temperaturi medii ale lunii iulie ntre 1113C  şi amplitudini termice anuale ntre 18C  şi 19,5C .

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    13/119

    I VOROVENCII Tă aa

    12

    Este o onă caracteriată de inversiuni termice. Precipitaţiile medii anuale variaă n limite destul delargi, acestea fiind de circa 600800  la limita inferioară şi de 11001400  la limita superioară.

     nainte de anul 2008 onele reidenţiale şi industriale sau extins foarte mult. n perioada 19932009 n onă nu au fost evenimente majore de tipul deastrelor naturale, inundaţiilor sau incendiilor depădure.

    2.1.3. ş

    2.1.3.1. Ia Laa ş a ţă

     n cercetări sau folosit două cadre decupate din imaginile satelitare Laa 5 TM preluate pe05.08.1993, respectiv 24.07.2009, aparţinnd orbitei 183  şi rndului 28. Imaginile au fostgeoreferenţiate n sistemul de proiecţie UTM, ona 35 N, datum WGS 84, folosind 20 de puncte care auconstituit reperi tereştri, uniform distribuite n cadrul imaginilor. Pentru resampling sa folosit metoda a aa  (nearest neighbor). Eroarea medie pătratică a fost sub 0,25  pixeli (7,5 m)pentru fiecare imagine. Cele două cadre folosite au fost lipsite de acoperire noroasă.

    Folosirea unor imagini preluate la date diferite a făcut ca acestea să fie  afectate de cantităţivariabile de ceaţă şi praf din atmosferă. Acestea pot conduce la mascarea schimbărilor reale saudetermină ca tipuri similare de covoare vegetale să fie afectate de schimbări diferite. Pentru eliminareainfluenţei acestor factori cele două imagini au fost corectate atmosferic. Modelul folosit a fost COST  devoltat de Chave (1996) care utilieaă cosinusul unghiului solar enital şi realieaă o bună

    aproximaţie a transmisiei atmosferice. Acesta ncorporeaă toate elementele modelului DOS pentru nlăturarea ceţii şi, n plus, un algoritm de estimare a efectelor absorbţiei provocate de gaeleatmosferice şi mprăştierea Ra. Modelul nu necesită parametri adiţionali faţă de modelul DOS.Pentru nlăturarea efectelor produse de relief imaginile au fost normaliate folosind modelul digital alterenului SRTM.

     n evaluarea preciiei clasificării conţinutului imaginii satelitare din 1993 au fost folositefotograme la scara medie 1 : 12000, analiate sub stereoscop. De asemenea, pentru suprafeţele cupădure şi teren foarte accidentat sau folosit şi planurile cadastrale, la scara 1 : 5000. Pentru suprafeţeleconstruite ale oraşului Braşov sau folosit ortofotoplanuri la scara 1 : 1000  realiate n anul 2009.Acestea au fost georeferenţiate din sistemul de proiecţie Sa 1970, specific Romniei, nsistemul UTM, ona 35 N, datum WGS 84 pentru a corespunde cu sistemul de proiecţie al imaginilor

    satelitare. Datele preluate de la primăriile localităţilor referitoare la acoperirea terenurilor şi folosinţeleacestora au fost folosite, de asemenea, la evaluarea preciiei clasificării.

    N

    E

    S

    V

    0 5 10 20 40 km

    . 2.1.1. Laaa

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    14/119

    Ta aa  I VOROVENCII 

    13

    2.1.3.2. M a a ă2.1.3.2.1. Ma ţ a

    Pentru realiarea diferenţei dintre imagini, valorile pixelilor aparţinnd benilor imaginii din 2009au fost scăute din valorile pixelilor benilor corespondente din imaginea preluată n anul 1993,exclund banda termală, care au fost preprocesate şi corectate geometric şi radiometric. n caul de

    faţă, pentru identificarea schimbărilor utiliării/acoperirii terenurilor n timp, sa folosit metoda diferenţei dintre indicii NDVI, metoda diferenţei PC2 şi metoda diferenţei benilor TM4 (Fig. 2.1.2).

    Indicele NDVI este utiliat la evidenţierea stării de sănătate a vegetaţiei (Rouse a ., 1974) şi caindicator al biomasei veri de pe suprafaţa Pămntului (Chen şi Brutsaert 1998). Studiile realiate aratăcă indicele NDVI este puternic corelat cu coronamentul arboretelor nchise, indicele suprafeţei foliareLAI  şi alţi parametrii ai vegetaţiei (Sellers 1985; Singh 1986). Schimbările apărute n cadrulcoronamentului sau biomasei vegetaţiei pot fi identificate prin analiarea valorilor indicelui NDVI obţinutdin imagini satelitare preluate la date diferite.

    Valorile indicelui NDVI au fost calculate n funcţie de reflectanţa măsurată n benile infraroşuapropiat (NIR) şi roşu (R), după normaliarea radiometrică a acestora, cu următoarea relaţie:

    RNIRRNIRNDVI

    +

    −=   (2.1.1)

     n caul imaginilor Laa , banda infraroşu apropiat este banda 4  iar banda roşu este banda 3.Valorile indicelui NDVI se găsesc n intervalul 1  la 1. Pentru o vegetaţie normală şi sănătoasă, valorileNDVI sunt, n mod obişnuit, n intervalul 0,10,75  şi mai rar ating valoarea 1, n funcţie de densitateaacesteia. n caul rocilor şi solului descoperit, valorile NDVI sunt apropiate de ero, iar pentru ăpadă şiapă, valorile sunt negative.

    Diferenţa dintre indicii NDVI obţinuţi din două seturi de imagini preluate la date diferite permiteidentificarea schimbărilor utiliării/acoperirii terenurilor (Lu a.  2005). Alegerea indicelui NDVI  sabaat pe faptul că acesta mbunătăţeşte diferenţele din spaţiul spectral şi reduce efectele topografice şi

    pe cele provocate de umbre.PCA  constituie o transformare de imagini folosită n multe aplicaţii din teledetecţie, inclusiv la

    identificarea schimbărilor utiliării/acoperirii terenurilor (Fung şi LeDrew 1987). Avantajul principal al

    Date deintrare

    Colectarea datelorde referinţă 

    Prepocesare:corecţ ii geometrice şi atmosferice,

    normalizarea imaginilor

    NDVI 1993 NDVI 2009 PC2 1993 PC2 2009 TM4 1993 TM4 2009Imagine

    clasificată 1993 Imagine

    clasificată 2009

    Diferenţă dintreimaginile NDVI

    Diferenţă dintreimaginile PC2

    Diferenţă dintrebenzile TM4

    Comparaţiepostclasificare

    Harta schimbărilor Harta schimbărilor„de la – pân ă la ”

    Evaluarea preciziei

    . 2.1.2. F ă

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    15/119

    I VOROVENCII Tă aa

    14

    acestei transformări constă n capacitatea de a reduce dimensiunea datelor cu pierdere minimă deinformaţie. Pe acest considerent, n preentele cercetări, sau obţinut cele şase componente principale(PC1 ... PC6) specifice imaginilor din 1993 şi 2009 după care a fost aleasă, pentru identificareaschimbărilor, componenta a doua (PC2).

    2.1.3.2.2. Ma aaţ aa

    Aplicarea metodei comparaţiei postclasificare a presupus, mai nti, aaa aă  aconţinutului fiecărei imagini satelitare. Metoda de clasificare a conţinutului imaginilor aplicată ncercetări a fost a aă a  folosind toate benile din multispectral, exclus bandatermală. n etapa de alegere a onelor test au fost selectate 320  de eşantioane pentru imaginea din1993 şi 350 de eşantioane pentru imaginea din 2009. n caul imaginii din 1993, eşantioanele au fostdelimitate prin vectoriarea acestora sub forma poligoanelor. Pentru imaginea din 2009 eşantioanele aufost stabilite prin deplasări n teren şi măsurători terestre. Clasele spectrale obţinute n acest fel au fosttransferate n Sa E  din modulul de clasificare al softului ERDAS Imagine. Pentru fiecareclasă semnăturile spectrale, alese şi verificate, au fost unite ntro singură clasă spectrală. Fişierele astfelobţinute au fost salvate şi folosite n clasificarea imaginilor. Fiecare eşantion a fost etichetat de la 1 la 7  

    repreentnd clasele utiliării/acoperirii terenurilor şi au inclus: teren construit, pădure şi arbuşti, terenagricol cultivat, teren agricol necultivat, păşuni şi fneţe, teren lipsit de vegetaţie şi apă (Tab. 2.1.1).Clasificarea propriuisă sa realiat pe baa algoritmului  aăţ a  (maximum likelihood),obţinnduse două imagini tematice (Fig. 2.1.3).

    2.1.1. Sa aă ă/a

    Cod Clasele utiliării/acopeririiterenurilor

    Descriere

    1 Teren construit Zone reidenţiale, comerciale, industriale, parcări, căi de transport2 Pădure şi arbuşti Arborete pure de răşinoase, foioase pure, amestecuri de răşinoase şi

    foioase, diferiţi arbuşti (alun, răchită etc.)

    3 Teren agricol cultivat Suprafeţe cultivate cu diverse culturi (porumb, gru, or, ovă, cartofietc.)4 Teren agricol necultivat Terenuri arabile necultivate, terenuri arabile lipsite de vegetaţie sau

    cu vegetaţie rară şi foarte rară5 Păşuni şi fneţe Suprafeţe acoperite cu păşuni de diferite calităţi, suprafeţe cu iarbă

    care se coseşte6 Teren lipsit de vegetaţie Suprafeţe fără covor vegetal, cariere de calcar, one cu roci la

    suprafaţă7 Apă Ruri

    Preciia clasificării imaginilor a fost verificată utilind metoda generării ntmplătoare aeşantioanelor (random sampling), folosind 220 de poligoane pentru fiecare imagine, altele dect cele

    din care sau cules semnăturile spectrale. Conform literaturii de specialitate numărul eşantioanelorpentru evaluarea preciiei trebuie să fie de minim 50 pentru fiecare clasă (Congalton şi Green 2009). nstudiul realiat numărul acestora a fost diferit, pentru fiecare clasă avnduse n vedere suprafaţaocupată de acestea şi gradul de repreentare. Mărimea eşantioanelor a fost cuprinsă ntre 0,5 a şi 7,0a, eşantioanele mai mici fiind n caul apei şi terenului lipsit de vegetaţie. n caul imaginii din 2009datele de referinţă au fost colectate prin măsurători terestre şi pe baa hărţilor existente ce redauutiliarea/acoperirea terenurilor şi care au fost verificate. Pentru imaginea din 1993 sau utiliatfotograme aeriene albnegru, date din registrele şi hărţile cadastrale existente la primării. Pentrustabilirea preciiei clasificării sa folosit matricea erorilor pe baa căreia sa calculat preciia totală(overall accurac) pentru ambele imagini (Stor şi Congalton 1986; Congalton şi Green 1999). n plus, sacalculat coeficientul   pentru fiecare clasă şi coeficientul total   (overall kappa statistics).

    Pentru evidenţierea conversiei claselor utiliării/acoperirii terenurilor n perioada 19932009imaginile au fost aa şa  folosind metoda PCC , obţinnduse n final matricea schimbărilor.

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    16/119

    Ta aa  I VOROVENCII 

    15

    Pe baa acesteia sau stabilit date cantitative legate de schimbările utiliării/acoperirii terenurilor pentrufiecare clasă, obţinnduse n final informaţii a 1993 ă a 2009.

    2.1.4. ş ţ

    2.1.4.1.  Aaa aă

    Matricele erorilor obţinute pentru imaginile din 1993 şi 2009 sunt preentate n Tabelele 2.1.2 şi2.1.3. Preciiile totale pentru cele două imagini au fost de 85,91%  şi 88,18%. Aceste date ntrunescstandardul minim de 85%  stipulat de schema de clasificare USGS  (Andreson a.  1976). Preciiileutiliatorului şi ale producătorului pentru fiecare clasă au fost n intervalul 58% 100%.

    Valorile coeficientului   pot fi mpărţite, conform literaturii de specialitate, n 3 grupe (Congalton1996): mai mari de 0,80  (80%) repreentnd un acord puternic ntre datele clasificate şi cele dereferinţă, valori n intervalul 0,400,80 (4080%) exprimnd un acord moderat şi valori sub 0,40  (40%)repreentnd un acord slab. Coeficientul egal cu 0,82  pentru imaginea din 1993 şi 0,85  pentruimaginea din 2009 arată un acord puternic dintre imaginile clasificate şi datele de referinţă (Tab. 2.1.4).

    2.1.2. Maa aa 1993

    ClasăTeren

    construitPădure şi

    arbuştiTerenagricolcultivat

    Terenagricol

    necultivat

    Păşuni şifneţe

    Terenlipsit de

    vegetaţieApă Total

    Preciiautiliatorului

    Teren construit 19 2 0 1 0 0 1 23 82,61Pădure şi arbuşti 0 63 0 1 1 0 0 65 96,92Teren agricol cultivat 1 3 40 4 3 0 1 52 76,92Teren agricol necultivat 0 0 3 29 0 1 0 33 87,88Păşuni şi fneţe 0 4 0 2 18 0 0 24 75,00Teren lipsit de vegetaţie 0 0 0 0 2 11 0 13 84,62Apă 0 0 0 0 0 1 9 10 90,00Total 20 72 43 37 24 13 11 220

    Preciia producătorului 95,00 87,50 93,02 78,38 75,00 84,62 81,82

    Preciia totală a clasificării: 85,91% 

    Teren construit Pădure

    şi arbu

    şti

    Teren agricol cultivat Teren agricol necultivatPăşuni şi fâneţe Teren lipsit de vegetaţie Apă 

    0 5 10 km

    N

    E

    S

    V

    1993 2009

    . 2.1.3. Ia Laa TM a ă ţ a aa şa a a/a a

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    17/119

    I VOROVENCII Tă aa

    16

      2.1.3. Maa aa 2009

    ClasăTeren

    construitPădure şi

    arbuştiTerenagricolcultivat

    Terenagricol

    necultivat

    Păşuni şifneţe

    Terenlipsit de

    vegetaţieApă Total

    Preciiautiliatorului

    Teren construit 29 0 1 4 1 0 0 35 82,86Pădure şi arbuşti 0 79 0 0 1 0 0 80 98,75Teren agricol cultivat 4 1 17 1 6 0 0 29 58,62Teren agricol necultivat 0 0 0 33 1 0 0 34 97,06

    Păşuni şi fneţe 0 0 3 0 18 0 0 21 85,71Teren lipsit de vegetaţie 0 0 0 2 0 12 0 14 85,71Apă 1 0 0 0 0 0 6 7 85,71Total 34 80 21 40 27 12 6 220

    Preciia producătorului 85,29 98,75 80,95 82,50 66,67 100,00 100,00

    Preciia totală a clasificării: 88,18% 

    2.1.4. Cţ a aa

    Coeficientul   Clasă

    1993 2009

    Teren construit 0,8087 0,7972Pădure şi arbuşti 0,9543 0,9804

    Teren agricol cultivat 0,7132 0,5425Teren agricol necultivat 0,8543 0,9641Păşuni şi fneţe 0,7194 0,8372Teren lipsit de vegetaţie 0,8365 0,8489Apă 0,8947 0,8531

    Coeficientul total   = 0,8249 Coeficientul total   = 0,8497

    2.1.4.2. Aaa a PCC

     n urma clasificării individuale a celor două imagini au fost obţinute suprafeţele ocupate de fiecareclasă (Fig. 2.1.4) şi schimbările care au avut loc n perioada 19932009 (Tab. 2.1.5 şi Fig. 2.1.5).

    2.1.5. Saţ a a/a a a 1993 ş 20091993 2009 Schimbări relativeClase de utiliare/acoperire

    a terenurilor ha % ha % ha %

    Teren construit 6730 10,91 7732 12,54 +1002 +14,88Pădure şi arbuşti 21889 35,49 22695 36,80 +806 +3,68Teren agricol cultivat 16851 27,32 8859 14,36 7992 47,43Teren agricol necultivat 9860 15,99 11215 18,18 +1355 +13,74Păşuni şi fneţe 5839 9,47 10379 16,83 +4540 +77,75Teren lipsit de vegetaţie 440 0,71 713 1,15 +273 +62,05Apă 68 0,11 84 0,14 +16 +23,53

    Total 61677 100,00 61677 100,00

    Din 1993 şi pnă n 2009 suprafeţele ocupate de clasele de utiliare/acoperire a terenurilor aucrescut cu: 1002 a  (14,88%) terenul construit, 806 a  (3,68%) pădurea şi arbuştii, 1355 a  (13,74%)terenul agricol necultivat, 4540 a  (77,75%) păşunile şi fneţele, 273 a  (62,05%) terenul lipsit de

    1993

    2009

    Teren Pădure şi Teren agricol Teren agricol Păşuni şi Teren lipsit Apă construit arbuşti cultivat necultivat fâneţe de vegetaţie

       S  u  p  r  a   f  a

                ţ  a

       (   h  a   )

    . 2.1.4. Saţa aţ a ă/a a 1993 ş 2009

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    18/119

    Ta aa  I VOROVENCII 

    17

    vegetaţie şi 16 a  (23,53%) apa. Toate aceste creşteri sunt n defavoarea suprafeţei terenului agricolcultivat care sa redus cu 7992 a (47,43%).

    Pentru urmărirea schimbărilor privind trecerea dintro clasă n alta sa realiat, prin comparaţie ncrucişată, matricea schimbărilor utiliării/acoperirii terenurilor. n Tabelul 2.1.6 sunt preentate, nhectare şi procente, informaţii de la 1993 pnă la 2009 legate de schimbările din cadrul celor şapte clase

    de utiliare/acoperire a terenurilor. Reultatele arată că cele mai importante schimbări au avut loc printrecerea unei suprafeţe de 5237,28 a  (8,49%) din terenuri agricole cultivate n terenuri agricolenecultivate şi a 4087,17 a  (6,63%) n păşuni şi fneţe. n acelaşi timp, din clasa terenuri agricolenecultivate a trecut o suprafaţă de 2115,00 a (3,43%) n clasa terenuri agricole cultivate şi din păşuni şifneţe n terenuri agricole cultivate o suprafaţă de 1146,78 a (1,86%). Aceste schimbări pot părea eroride clasificare dar conversia ntre cele trei clase sa realiat uşor, dat fiind faptul că dinamica treceriidintro clasă n alta a fost rapidă presupunnd numai cultivarea sau necultivarea terenului, eventualrotaţia culturilor. Creşterea procentului clasei pădure şi arbuşti cu 806 a (3,68%) se datoreaă extinderiisubarboretului pe fneţele şi păşunile nengrijite, pe terenurile agricole necultivate din jurul apelor şi dela marginea pădurii şi mai puţin mpăduririi unor noi suprafeţe.

    Erorile de clasificare pot, de asemenea, provoca alte schimbări neobişnuite. De exemplu, ntre

    1993 şi 2009, o suprafaţă de 565,56 a  (0,92%) a fost convertită din teren construit n teren agricolcultivat şi 1409,76 a  (2,29%) din teren agricol cultivat n teren construit. n această situaţie,transformarea din teren agricol cultivat n teren construit este explicabilă datorită extinderiiintravilanului dar trecerea inversă este mai puţin explicabilă. Aceste schimbări sunt mai mult asociate cuerorile de omitere şi comitere apărute la clasificarea conţinutului imaginilor Laa . nregistrareaerorilor şi efectele de margine (edge effects) pot caua, de asemenea, erori aparente n stabilireasuprafeţelor cu schimbări versus cele fără schimbări (Yuan a. 2005).

    2.1.4.3. Caaa a

    Metoda diferenţei imaginilor a fost aplicată benilor TM4, indicilor NDVI  şi celei dea doua

    componente principale PC2. Metoda aplicată benilor TM4  a constat n scăderea valorii pixelilorcorespunători imaginilor 1993 şi 2009. Aceeaşi modalitate a fost aplicată şi indicilor NDVI  după

    De la 1993 pân ă la 2009

    N0 5 10 km

    . 2.1.5. Ia ţă aaţ şaă aţ a 1993 ă a2009 aa/aa :

    1 ; 2ă ş aş; 3 a a; 4 a a;5ăş ş ţ; 6 aţ; 7aă

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    19/119

    I VOROVENCII Tă aa

    18

    obţinerea lor. Valorile NDVI minime şi maxime pentru 1993 sunt 0,24324 şi 0,7221 iar pentru 2009,  0,13793 şi 0,77654.

    2.1.6. Saţa ă ă/a a 1993 ă a 2009

    Suprafeţe fără schimbăriraportate la total suprafaţă

    Suprafeţe cu schimbări raportatela total suprafaţăAnul 1993 Anul 2009

    ha % ha %1 1 4930,38 7,99 1 2 309,78 0,501 3 565,56 0,921 4 411,48 0,671 5 338,85 0,541 6 137,70 0,221 7 36,72 0,062 1 229,41 0,372 2 21040,47 34,11 2 3 257,04 0,422 4 58,23 0,092 5 285,48 0,46

    2 6 17,28 0,032 7 0,54 0,003 1 1409,76 2,293 2 1190,34 1,933 3 4693,59 7,61 3 4 5237,28 8,493 5 4087,17 6,633 6 227,16 0,373 7 5,67 0,014 1 736,74 1,194 2 9,90 0,024 3 2115,00 3,434 4 5042,88 8,18 4 5 1774,17 2,88

    4 6 172,62 0,284 7 8,56 0,015 1 215,46 0,355 2 128,16 0,215 3 1146,78 1,865 4 428,04 0,695 5 3812,67 6,18 5 6 100,08 0,165 7 7,74 0,016 1 182,16 0,306 2 14,04 0,026 3 72,27 0,126 4 33,93 0,06

    6 5 76,86 0,126 6 57,42 0,09 6 7 3,78 0,017 1 28,62 0,057 2 2,16 0,007 3 8,46 0,017 4 3,42 0,017 5 4,05 0,017 6 0,36 0,007 7 20,79 0,03

    Total 39598,20 64,20 22078,80 35,80

    Total general 61677,00

     n caul PCA, dintre PCA  standardiate şi PCA  nestandardiate a fost aleasă prima deoareceproduce componente mult mai utile pentru analia schimbărilor utiliării/acoperirii terenurilor pe baaseturilor de date multitemporale (Young şi Wang 2001). Prima componentă principală (PC1) pentru 1993

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    20/119

    Ta aa  I VOROVENCII 

    19

    conţine 74,19% din varianţă şi 76,13% pentru 2009. Factorii de pondere au fost aproape egali pentrufiecare bandă indicnd că PC1  repreintă strălucirea totală din scenă. A doua componentă principală(PC2) conţine 18,96%, respectiv 18,82% din varianţa imaginilor din 1993 şi 2009. PC3 conţine mai puţinde 5,71%  (1993), respectiv 3,98%  (2009) din varianţă. Avnd n vedere că PC1 nu reflectă schimbările,pentru identificarea acestora n perioada celor 16 ani, sa ales componenta PC2.

    Pentru imaginile obţinute după aplicarea metodei diferenţei sau realiat histogramele şi sau

    extras media (m) şi abaterea standard (s). n funcţie de aceşti indicatori statistici sau determinat valorileprag care delimiteaă suprafeţele cu schimbări de cele fără schimbări. Pe baa datelor terestre, nvederea stabilirii celei mai potrivite valori prag pentru fiecare metodă de identificare a schimbărilor, aufost testate următoarele abateri standard faţă de medie: 2,5; 2; 1,5; 1; 0,7; 0,6  şi 0,5. Dintreacestea, valorile 0,6 pentru indicele NDVI şi 0,7 pentru PC2 şi TM4 au fost cele mai indicate. Stabilireavalorii prag la 0,6, respectiv 0,7 se explică prin faptul că histogramele au o formă ascuţită, valorile fiindgrupate puternic n jurul ordonatei. n urma stabilirii valorilor prag sa realiat o imagine binară n carevaloarea 0 a fost atribuită suprafeţelor fără schimbări şi valoarea 1 suprafeţelor cu schimbări.

    Evaluarea preciiei clasificării hărţilor binare (TM4, NDVI, PC2) sa făcut pe baa generării ntmplătoare, stratificat, (stratified random sampling) a unui număr de 105  eşantioane. n caulmetodei PCC   preciia identificării schimbărilor poate fi estimată aproximativ prin simpla nmulţire a

    preciiilor fiecărei clasificări individuale (Stow a.  1980).  n aceste cercetări, pentru evaluareacantitativă a preciiei hărţii schimbărilor reultată n urma comparării clasificărilor individuale, aceasta sa transformat n harta suprafeţelor cu schimbări/fără schimbări la fel ca n caul hărţilor binare.Evaluarea preciiei pentru toate cele patru metode sa baat pe aceleaşi eşantioane şi sa făcut prinintermediul matricei erorilor care redă clasele cartografiate n raport cu datele de referinţă, calculnduse preciia totală, preciiile utiliatorului şi producătorului şi coeficientul statistic   (Tab. 2.1.7).

    2.1.7. P ţ aaa ţ a (NDVI, PC2, TM4)ş aaţ aa

    Metodă Abaterestandard

    Preciiatotală

    Preciiaproducătorului

    Preciiautiliatorului

    Coeficientulstatistic k

    Diferenţa NDVI 0,6s 83,80 71,93 78,85 0,6323PCC 83,20 70,69 78,85 0,6206Diferenţa PC2 0,7s 81,60 69,75 72,44 0,5759Diferenţa TM 4 0,7s 79,40 66,46 68,59 0,5243

    Analind reultatele obţinute se constată că diferenţa dintre indicii NDVI sa dovedit a fi cea maiindicată metodă pentru ona luată n studiu, cu preciia totală de 83,80% şi coeficientul   egal cu 0,6323 urmată foarte aproape de metoda PCC , cu preciia totală de 83,20% şi coeficientul   0,6206. Reultatulobţinut este n concordanţă cu cel la care a ajuns Fung şi Siu (2000) care au arătat că metoda diferenţeidintre indicii NDVI  a fost mult mai eficientă pentru identificarea schimbărilor subtile din spaţiile veriaflate n intravilanul oraşului Hong Kong dect simpla diferenţă ntre benile spectrale sau PCA. Zonele

    cu o descreştere continuă a valorilor NDVI arată o expansiune urbană şi creştere a suprafeţei terenurilorlipsite de vegetaţie n timp ce onele cu creştere continuă a valorilor indicelui arată mbunătăţiri alepeisajului şi trecerea terenurilor din arabil n păşuni sau fneţe. n caul diferenţei PC2, preciiaclasificării de 81,60%, cu coeficientul   egal cu 0,5759, a plasato pe locul trei iar metoda diferenţei TM4 este ultima, cu preciia totală de 79,40%  şi coeficientul    egal cu 0,5243. Lund n considerarediversitatea covorului vegetal precum şi caracteristicile fiice ale suprafeţei studiate, se poateconcluiona că aceste reultate au un nivel de preciie corespunător.

     n general, avnd n vedere procentul mare ocupat de vegetaţie, de circa 72%, din care pădure şiarbuşti 35% şi teren agricol (teren agricol cultivat, păşuni şi fneţe) 37%, cele mai mari schimbări sauprodus n caul terenurilor agricole. Schimbările au fost determinate de modificări ale caracteristicilorbiofiice ale suprafeţei studiate repreentate de gradul de acoperire a solului agricol cu vegetaţie,

    densitatea culturilor, textura, structura şi fundalul  solului etc. n caul culturilor agricole rare saunerăsărite uniform, aflate pe cernoiomuri argiloiluviale, levigate şi rendinice, cu conţinut de materieorganică diferită, comportamentul spectral al acestora a fost diferit. De asemenea, fiecare parcelăagricolă a fost cultivată la date şi cu culturi diferite, aflate n anumite stadii de devoltare n momentul

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    21/119

    I VOROVENCII Tă aa

    20

    preluării imaginilor satelitare. Alături de acestea, n perioada 19932009 sa practicat rotaţia culturilor. n acest sens, schimbările din terenuri agricole cultivate n terenuri agricole necultivate pot ficonsiderate de seon. n schimb terenurile transformate n păşuni nu au mai fost arate. Toate acestecaracteristici biofiice au determinat apariţia schimbărilor n cadrul terenurilor agricole şi au fostsurprinse de toate metodele aplicate, cu un uşor avantaj n favoarea diferenţei imaginilor NDVI. Pe lngăacestea, pentru metoda diferenţei indicilor NDVI, fenologia vegetaţiei agricole şi umiditatea solului au

     jucat un rol important. n caul metodei PCC  acestea au avut un efect mai mic.Vegetaţia repreentată de pădure şi arbuşti nu a preentat schimbări mari (+3,68%) n perioada

    19932009. n cadrul clasei pădure şi arbuşti nu au avut loc acţiuni majore (tăieri de păduri, doborturide vnt sau incendii) care să schimbe, pe anumite suprafeţe, mediul pădurii. Deşi pădurea se găseştelocaliată n mare parte pe terenuri cu versanţi destul de nclinaţi, caracteristicile topografice (pantă,aspect, expoiţie) nu au contribuit major la apariţia schimbărilor şi datorită corectării adecvate, nprealabil, a efectelor topografice din imaginile satelitare. n general, pădurea este repreentată dearborete echiene şi relativ echiene, pure şi foarte puţine arborete amestecate (răşinoase cu foioase). Deasemenea, arboretele sunt dense, fără a preenta goluri, dect n unele locaţii aflate la liiera pădurii, lalimita cu păşunile şi fneţele. n acest fel, coronamentul arboretelor din ona studiată este compact şicontinuu iar poiţia biogeografică a acestora nu a determinat apariţia schimbărilor. Totuşi, n onele

    acoperite cu pădure şi arbuşti, metoda diferenţei imaginilor (NDVI şi PC2) a condus la reultatesuperioare legate de identificarea schimbărilor comparativ cu metoda PCC . n schimb, metoda PCC  a fostmai puţin sensibilă la erorile de georeferenţiere şi a permis integrarea n procedura de clasificare acunoştinţelor legate de ona studiată.

    Pe de altă parte, n caul constituirii eşantioanelor pentru clasificarea conţinutului imaginilor auexistat şi pixeli amestecaţi care au degradat răspunsul spectral. Problema nu a fost aşa evidentă n caulclasei pădure şi arbuşti care a ocupat suprafeţe compacte ci n caul terenurilor agricole şi construite.Mai mult, solurile aluviale de luncă, aluviunile crude şi cu exces de umiditate au contribuit lavariabilitatea spectrală a terenurilor din apropierea apelor curgătoare.  De asemenea, sau ntlnitsuprafeţe cu teren lipsit de vegetaţie de tipul carierelor de piatră de la marginea oraşului Braşov cuproprietăţi spectrale similare suprafeţelor artificiale, aspect sesiat şi n alte lucrări (Berberoglu a. 

    2000). n onele urbane ambele categorii de metode, diferenţa dintre imagini (NDVI, PC2, TM4) şi

    metoda PCC , au dat reultate mai slabe datorită existenţei unui covor amestecat, de vegetaţie şi detaliiartificiale. Faptul că metoda PCC   ocupă locul al doilea poate fi explicat prin existenţa unor onefranjurate n localităţile care sau extins n această perioadă. n aceste suprafeţe alterneaă terenulconstruit cu cel neconstruit (one veri, fneţe, grădini) care conduc la scăderea preciiei clasificăriiindividuale a imaginilor şi, implicit, la scăderea preciiei metodei PCC .

    Plasare pe ultimul loc a diferenţei ntre benile TM4 poate fi explicată prin folosirea n analiă aunei singure beni. Cu toate acestea, metoda a permis identificarea schimbărilor, n special pe celeputernice, legate de terenurile agricole. Sa constatat că cel mai bine au fost evidenţiate suprafeţeleafectate de schimbări prin trecerea de la terenurile agricole cultivate la terenurile agricole necultivate

    datorită pierderii pronunţate a vegetaţiei şi descoperirii solului.Aşadar, deoarece pădurea nu a suferit schimbări majore, aşa cum sa mai arătat, terenurile

    agricole au fost cele care au determinat apariţia schimbărilor legate de utiliarea/acoperirea terenurilor.Aceste schimbări au fost puternice şi pe suprafeţe mari, constnd n transformarea terenurilor agricolecultivate n terenuri agricole necultivate şi n păşuni şi fneţe, ceea ce a făcut ca aproape toateschimbările să fie surprinse de cele patru metode folosite. De asemenea, ona studiată a limitatoarecum capacitatea metodelor aplicate datorită variabilităţii temporale ridicate a caracteristicilorbiofiice ale terenurilor agricole (terenuri agricole necultivate, terenuri agricole cultivate, păşuni şifneţe) care au condus la o variabilitate spectrală largă. Pe lngă acestea, variaţia frecvenţei spaţiale apeisajului, reultată din complexitatea scenei (existenţa terenurilor agricole, forestiere, construite) şiproprietăţile spectrale similare ale acoperirii terenului, au condus la o separare spectrală mai dificilă.

    Caracteristicile biofiice ale suprafeţei terestre analiate sau manifestat ntro oarecare măsură ncadrul fiecărei metode de identificare a schimbărilor ceea ce a condus la o anumită poiţionare a lor ncadrul evaluării dar cu o diferenţă destul de mică ntre ele.

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    22/119

    Ta aa  I VOROVENCII 

    21

    2.1.4.4.  Aaa ă

    Suprafeţele cu teren construit, pădure şi arbuşti, teren agricol cultivat, teren agricol necultivat şipăşuni şi fneţe repreintă 99,17% din suprafaţa luată n studiu. n cadrul acestora au avut loc cele maimari schimbări, dintre acestea, suprafeţele cu pădure şi arbuşti suferind cele mai puţine (3,68%). Toatecreşterile de suprafaţă sunt puse pe seama scăderii suprafeţei terenurilor agricole cultivate (Fig. 2.1.6).

    Aceasta este un fenomen aproape general, specific Romniei, după evenimentele din 1989 cnd o mareparte din terenul agricol nu a mai fost cultivat. n acest sens, pentru ona luată n studiu, suprafaţa cuterenuri agricole cultivate a scăut cu 7992 a (47,43%). Fenomenul este explicabil avnd n vedere cămare parte din terenul cultivat nainte de 1989 şi imediat după nu a mai fost arat fiind lăsat n prloagă.De asemenea, o bună parte din acesta a fost ocupat de construcţii edilitare şi industriale prin extindereaintravilanului oraşului Braşov şi al localităţilor limitrofe. Creşterea suprafeţei terenului construit seexplică prin devoltarea de noi one reidenţiale, comerciale şi industriale. n acest sens, creştereapriveşte extinderea unor cartiere ale oraşului Braşov, construirea de fabrici particulare n oneleindustriale (vestică şi estică), extinderea onelor reidenţiale n caul tuturor localităţilor. De asemenea,au fost lărgite drumurile, construite centuri pe porţiuni din jurul oraşului Braşov şi a localităţii Săcele şiau fost extinse parcările. La acestea se adaugă schimbările legate de practicile agricole care au diferit de

    la an la an n funcţie de mai mulţi factori. n ona luată n studiu suprafaţa terenurilor arabile a scăutdatorită politicilor guvernamentale greşite privind susţinerea agriculturii, a lipsei utilajelor pentruproprietarii particulari şi, evident, a lipsei de productivitate.

     n onele urbane, periurbane şi reidenţiale, datorită frecvenţei spaţiale ridicate a schimbărilor dinaceste one şi reoluţiei spaţiale medii a imaginilor Laa , evaluarea preciiei metodelor a fost maidificilă. n această situaţie sunt gospodăriile individuale, cu loturi relativ mari, care au creat o franjurarea terenului datorită existenţei pe acelaşi lot a mai multor clase de utiliare/acoperire a terenurilor(construcţii, spaţii veri, păşuni, fneţe, arbuşti, pomi, căi de acces). Toate acestea au semnăturispectrale diferite care alterneaă pe suprafeţe mici, comparabile cu cele ale onelor comerciale şireidenţiale. Acesta constituie punctul dificil n identificarea automată a schimbărilor n suprafeţeleurbane, periurbane şi franjurate. Aceste one franjurate sunt ntlnite n jurul tuturor localităţilor

    deoarece sunt suprafeţele construite recent respectnd noile norme de urbanism care au impus limiteminime pentru suprafeţele loturilor şi distanţe faţă de căile de circulaţie.

    2.1.5. C

    Evaluarea metodelor de teledetecţie utiliate sa realiat diferenţiat avnd n vedere specificulfiecăreia. Deşi sau folosit patru metode diferite de identificare a schimbărilor, reultatele obţinutepentru ona luată n studiu sunt apropiate, preciia totală fiind n intervalul 83,80%79,40%. Pe primulloc sa situat metoda diferenţei NDVI cu preciia totală de 83,80%, urmată, n ordine descrescătoare, dePCC cu 83,20%, diferenţa dintre imaginile PC2 cu 81,60% şi diferenţa ntre benile TM4 cu 79,40%.

    Reultatele obţinute prin metoda diferenţei imaginilor (NDVI, PC2 şi TM4) depind de valoarea

    prag stabilită ntre suprafeţele cu schimbări şi cele fără schimbări. Avnd n vedere că ona luată nstudiu constituie un peisaj complex (terenuri forestiere, agricole şi intravilane) a fost dificilă stabilireaunei valori prag care să fie sensibilă deopotrivă la toate schimbările ecologice, la diferenţele n practicileagricole, activitatea de urbaniare etc. Din şirul de valori analiate pentru ona studiată sa stabilit că

       S  u  p  r  a   f  a            ţ  a

       (   h  a   )

      Teren Pădure şi Teren agricol Teren agricol Păşuni şi Teren lipsit Apă construit arbuşti cultivat necultivat fâneţe de vegetaţie

    . 2.1.6. Saţa aţ a ă/a   a 1993 ş 2009

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    23/119

    I VOROVENCII Tă aa

    22

    valorile 0,6  pentru indicele NDVI  şi 0,7  pentru componentele PC2  şi benile TM4 sunt cele maiindicate.

    Aplicarea metodei PCC  a permis identificarea schimbărilor att din punct de vedere calitativ ct şicantitativ. Astfel, au putut fi obţinute informaţii a 1993 ă a 2009 legate de toate clasele deutiliare/acoperire a terenurilor din ona luată n studiu iar preciia identificării schimbărilor a depins depreciia clasificărilor individuale. Existenţa mai multor clase de utiliare/acoperire a terenurilor n ona

    studiată şi a caracteristicilor biofiice ale suprafeţei terestre analiate a făcut dificilă stabilirea metodeicare conduce la cele mai bune reultate, motiv pentru care şi preciiile totale au fost apropiate. Aşadar,pe lngă metodele folosite la identificarea schimbărilor, reultatele pot fi afectate şi de alţi factori cumsunt calitatea corecţiilor atmosferice, normaliarea imaginilor multitemporale, calitatea georeferenţieriiimaginilor din seria temporală, caracteristicile onelor studiate (complexitatea peisajului şi topografiareliefului), ndemnarea şi experienţa analistului.

    2.2. , ş ă

    ă

    2.2.1.

    Efectele industrialiării şi implicit ale poluării suprafeţei terestre cu diferiţi agenţi au fost studiatepe baa imaginilor Laa MSS (Rees şi Williams 1997), Laa TM (Mikkola 1996; Virtanen a . 2002,Kuener a . 2007), Laa ETM+  (Du şi Giang 2012),  ASTER  (Tote a . 2010), Laa MSS  ncombinaţie cu nregistrări radar SAR (Miles a. 2003).

    Multe studii sunt focusate pe identificarea şi monitoriarea efectelor secundare produse depoluarea atmosferică asupra covorului vegetal şi stresului provocat vegetaţiei. Astfel, Mikkola (1996) şiRees şi Williams (1997) au monitoriat schimbările acoperirii terenurilor provocate de poluareaatmosferică cu SO2  n Peninsula Kola (Rusia). Analiele asupra imaginilor obţinute după 1988 arată căsituaţia este stabiliată, n concordanţă cu scăderea emisiilor de SO2. De asemenea, aceeaşi autori  au

    comparat imagini NDVI din diferiţi ani şi au concluionat că a existat o deteriorare clară a vegetaţiei din jurul topitoriilor de metal din Peninsula Kola.  Pentru aceeaşi onă,  ale studii  (Hagner şi Rigina 1998;Rigina a . 1999) au confirmat că imaginile NDVI permit identificarea pădurilor grav afectate şi a celormoarte. Tot n aceeaşi onă, Hagner şi Rigina (1998) au arătat că natura schimbărilor spectrale dinimaginile Laa   indică faptul că poluanţii atmosferici emişi de topitoriile de metal constituie factoriimajori ai declinului pădurilor.

    Un alt studiu realiat pentru perioada 19731988 a urmărit efectele poluării aerului asupraecosistemelor terestre n onele Varanger (Norvegia) şi NikelPechenga (Rusia) folosind imaginisatelitare n combinaţie cu măsurători terestre (Tmmervik a . 1995). Compararea hărţilor vegetaţieişi a hărţilor identificării schimbărilor cu numărul total de emisii SO2  din industrie pentru perioadastudiată a arătat existenţa unei puternice corelaţii ntre reducerea vegetaţiei dominată de licheni şi

    creşterea emisiilor. Monitoriarea efectelor poluării atmosferice la scară largă sa realiat n onaputernic industrialiată din apropierea regiunii Karaganda (Kaahstan) folosind imagini ASTER (Tote a .2010). Cercetări de teledetecţie similare au fost realiate n Sudbur (Canada) n vederea identificăriipagubelor produse asupra pădurilor de topitoriile de metale neferoase (Pitblado şi Amiro 1982).

    Dintre metodele de identificare a schimbărilor folosind date satelitare, metoda CVA este destul dedes folosită, fiind indicată de mulţi specialişti (Yuan a . 1998; Lambin a . 2001; Baker a . 2007).Astfel, evaluarea schimbărilor semnificative apărute n ona Cernobl, afectată n 1986 de exploiacentralei nucleare, sa realiat prin metoda CVA aplicată transformării TC  folosind cele trei componenteTCB, TCG  şi TCW   (Schoppmann şi Tler 1996). Metoda CVA  aplicată indicilor NDVI  şi BI  a evidenţiatschimbările acoperirii terenurilor provocate de urbaniare şi, implicit, de industrialiare (Du şi Giang2012). n ţara noastră sau realiat o serie de cercetări legate de monitoriarea stării de sănătate a

    pădurilor şi a acoperirii terenului fără a folosi tehnicile teledetecţiei satelitare (Badea a . 2002;Btnerowic a . 2004; Grodinska a . 2004; Badea a . 2006; Badea a . 2011; Btnerowic a. 2005; Neagu a . 2009; Badea a. 2012; Silaghi şi Badea 2012; Badea a. 2013).

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    24/119

    Ta aa  I VOROVENCII 

    23

      Cercetările de faţă preintă identificarea, evaluarea şi monitoriarea schimbărilor acopeririiterenurilor apărute n suprafeţele poluate cu negru de fum şi metale grele de la Copşa Mică folosindimagini satelitare Laa . Obiectivul general a fost de a evalua metoda CVA aplicată componentelorTCG  şi TCB obţinute din transformarea TC   şi indicilor NDVI  şi BI, n vederea monitoriării schimbăriloracoperirii terenurilor din perimetrul Copşa Mică pentru perioada 19852011.

    2.2.2. ş 2.2.2.1. Za aă

    Zona luată n studiu urmăreşte conturul Ocolului Silvic Mediaş din judeţul Sibiu, se ntinde pe osuprafaţă de 64242 a şi cuprinde att fondul forestier ct şi ale terenuri. Zona studiată se găseşte ntre4557'08''   şi 4615'44''   latitudine nordică şi ntre 2400'33''   şi 2429'19'' longitudine estică, avnd ncentru oraşul Copşa Mică (Fig. 2.2.1). Este o regiune depresionară care face parte din Podişul Trnavelor,drenată de cursul mijlociu al Trnavei Mari, axată n principal pe albia majoră, ntre localităţile Mediaş,

     n amonte, şi Micăsasa, n aval şi care a fost afectată de poluare (Fig. 2.2.2).Vegetaţia forestieră este alcătuită din stejerete pure, amestecuri de stejerete cu fag (Fa

    aa), carpen (Ca ), tei (Ta aa), ulm (U  ), paltin ( A aa),

    cireş (P a), frasin (Fa  ), plop (P a), mesteacăn (Ba a)(Şofletea şi Curtu 2007). Pajiştile sunt alcătuite din specii xerofile şi meofile, pe versanţii cu expuneresudică apărnd chiar exemplare de plante specifice stepei cum sunt păiuşul ( A a) sau stipa(Sa aa) (Sanda a . 2008). Culturile agricole se ntlnesc pe luncile bine drenate ct şi peterasele şi versanţii cu nclinare mai redusă. Cele mai frecvente specii cultivate sunt: grul, porumbul(deosebit de reistent la poluare), orul, ovăul, cartoful, sfecla de ahăr şi furajeră, fasolea, maărea.

    Temperatura medie anuală n ona Copşa Mică este de 9,6 pe Valea Trnavei Mari şi de 8,2  nonele cele mai nalte. Perturbaţiile termice (ngheţuri timpurii sau trii, secete prelungite, cutemperaturi ridicate) măresc efectul negativ al poluanţilor asupra vegetaţiei. n ona Copşa Micăversanţii nsoriţi şi puternic nclinaţi preintă caractere evidente de uscăciune stepică. Nivelul total anualal precipitaţiilor este relativ redus.

    România

    Jude ţ ul SibiuLandsat 5 TM 1985

    Zona studiat ă 

    . 2.2.1. Laaa a.  a aa aaă Laa 5 TM aă 1985, aă aţa RGB 543, aş Cşa Mă aa  

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    25/119

    I VOROVENCII Tă aa

    24

     

    2.2.2.2. Maa

    Cercetările sau realiat folosind patru imagini satelitare Laa 5 TM  preluate pe 29.07.1985,07.08.1994, 29.06.2003 şi 22.08.2011. Imaginile fac parte din orbita 184, rndul 28  şi au reoluţiaspaţială de 30 . Acestea au fost descărcate gratuit de pe I (http://glovis.usgs.gov) şi decupatepe conturul Ocolului Silvic Mediaş. Alte date de referinţă au fost hărţi ale arboretelor de la Ocolul SilvicMediaş, ortofotoplanuri la scara 1 : 5000, planuri cadastrale şi hărţi legate de poluarea din onă.

    2.2.2.3. M2.2.2.3.1. Gţa a aa

    Imaginile Laa TM descărcate de pe I au fost georeferenţiate n sistemul de proiecţieUTM, ona 35 N, datum WGS 84  (nivelul 1T), exceptnd imaginea din 2003.  Pentru georeferenţiereaacesteia au fost folosite 18 reperi tereştri uniform răspndiţi şi metoda de resampling aaa . Eroarea medie pătratică a fost de 0,25 pixeli (7,5 m).

    2.2.2.3.2. Naaa aă aă

    Normaliarea radiometrică relativă trebuie realiată pentru mbunătăţirea omogenităţii imaginilorsatelitare multitemporale (Yuan şi Elvidge 1996; Tokola a . 1999; Lu a . 2004; Tan a . 2010 ; Tan a . 2012). Operaţia se impune cnd schimbările din imaginile satelitare multitemporale se analieaăpe baa diferiţilor indici, inclusiv NDVI sau a componentelor provenite din transformarea imaginilor.

    Normaliarea radiometrică relativă sa realiat prin metoda ASCR propusă de Eldvige a . (1995).Metoda se baeaă, la rndul ei, pe metoda SCR  devoltată de Yuan şi Elvidge (1993) dar preintă

     mbunătăţiri n ceea ce priveşte automatiarea procedurii. Metoda ASCR presupune identificarea setuluide pixeli fără schimbări (nochange pixel set), presupuşi a fi acei pixeli care ocupă porţiunea centrală

    dintre clusterii care repreintă apa şi terenul observabilă n histograma bidimensională roşu infraroşuapropiat (banda 3 şi 4). Pe baa acestor pixeli se aplică regresia liniară care ia n calcul pixelii fărăschimbări pentru obţinerea coeficienţilor (gains şi offset) folosiţi n vederea normaliării radiometrice aimaginii subiect pentru a putea fi comparată cu imaginea de referinţă. Metoda este descrisă pe larg nEldvige a . (1995). n preentul studiu imaginea de referinţă a fost aleasă scena Laa 5 TM achiiţionată n 2011 iar celelalte sunt imagini subiect.

    2.2.2.3.3. Caaa NDVI ş BI

    Indicele  NDVI  sa calculat cu relaţia (2.1.1).  Indicele BI este un indice normaliat care foloseştedouă beni de reflexie şi absorbţie (Rikimaru şi Miatake 1997). Acest indice ajută la separarea

    vegetaţiei care se găseşte pe diferite clase de terenuri, de la terenurile cu vegetaţie foarte rară la cele cuvegetaţie deasă (Jamalabad şi Abkar 2004). Indicele BI se calculeaă pe baa reflectanţei din benile

    a. b. c.

    . 2.2.2. Ia a Cşa Mă:a) aa ş aa a aa. aa a aa aaaă aă; ) ş )

    aa a. a a a  a ăş ş ăa a aa

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    26/119

    Ta aa  I VOROVENCII 

    25

    albastru (B), roşu (R), infraroşu apropiat (NIR) şi infraroşu mediu (MIR), folosind următoarea relaţie subformă de raport:

    B)(NIRR)(MIR

    B)(NIRR)(MIRBI

    +++

    +−+

    =   (2.2.1)

     n caul datelor Laa TM, termenii B, R, NIR  şi MIR  sunt valorile reflectanţei nregistrate nbenile 1, 3, 4 şi 5.

    2.2.2.3.4. Caaa aă Ta Ca

    Transformarea TC   este des folosită la identificarea suprafeţelor cu schimbări. Aceastătransformare roteşte datele spectrale din imaginile Laa   n date dispuse pe trei axe şi anume, axastrălucirii (TCB), axa verdeţii (TCG) şi axa umidităţii (TCW), care corespund caracteristicilor fiice alevegetaţiei (Parmenter a . 2003). Prima componentă (TCB) este o măsură a strălucirii imaginii obţinutăpe baa tuturor benilor Laa mai puţin banda termală (banda 6) (Armenakis a . 2003). Cea deadoua componentă (TCG) reliefeaă cantitatea de verdeaţă calculată pe baa benii infraroşu apropiat şi abenilor din viibil. Cea dea treia componentă (TCW) este o măsură a umidităţii determinată princompararea răspunsului spectral din viibil şi infraroşu apropiat cu răspunsul spectral din infraroşu scurt.Componentele TCB, TCG  şi TCW   nglobeaă, n general, mai mult de 97%  din variabilitatea spectralăpreentă ntro imagine satelitară (Baker a.  2007). Aceste componente sunt larg utiliate laidentificarea şi evaluarea modificărilor deoarece schimbările din cadrul peisajelor sunt legate deschimbările n strălucire, verdeaţă şi umiditate, minimind alte surse de variabilitate care conduc laapariţia de schimbări (Allen şi Kupfer 2000; Parmenter a. 2003).

     n cercetările realiate componentele TCG şi TCB au fost calculate folosind benile 1, 2, 3, 4, 5 şi 7  pentru imaginile preluate n anii 1985, 1993, 2003 şi 2011. n aplicarea transformării TC   sau utiliatcoeficienţii pentru imaginile Laa 4 TM şi Laa 5 TM din programul ERDAS Imagine.

    2.2.2.3.5. Aaa ă a

    Metoda CVA a fost devoltată folosind date Laa , pe baa componentelor TCG, TCB şi TCW  nvederea descrierii diferenţelor biofiice specifice (Allen şi Kupfer 2000; Coppin a.  2004).  Folosindprimele două beni ale transformării TC , TCG şi TCB, şi cei doi indici, NDVI şi BI, sa determinat mărimeaschimbărilor (ΔM) dintre imaginea preluată la aa 1 şi imaginea achiiţionată la aa 2 cu relaţiile:

    ( ) ( )2TCBTCB2

    TCGTCGTCBTCG   data1data2data1data2ΔM   −+−=−   (2.2.2)

    ( ) ( )2BIBI2

    NDVINDVIBINDVI   data1data2data1data2ΔM   −+−=−   (2.2.3)

    Măa ă   este exprimată prin lungimea vectorului schimbării (change vector) de laacelaşi pixel măsurat la aa 1 şi la aa 2 (Kuera a . 2005). n cadrul imaginii care exprimă mărimeaschimbărilor, pentru separarea suprafeţelor cu schimbări faţă de cele fără schimbări, a fost necesarădeterminarea valorilor prag. Clasele cu schimbări sau stabilit pe baa valorilor prag folosind date dinamenajamentele silvice, hărţile amenajistice care redau intensitatea poluării, date din studiile realiateanterior privind poluarea terenurilor agricole şi date din teren (Tab. 2.2.1). Categoriile atribuite au fosta,   şi  . Selectarea celei mai potrivite abateri standard (s) faţă de medie (m) a fostrealiată prin examinarea diferitelor abateri standard (1s, 1,5s, 2s şi 2,5s). Valoarea prag selectată

     n final sa făcut pe baa calculării preciiei totale şi a coeficientului   pentru fiecare imagine care redămărimea schimbărilor folosind abaterile standard menţionate. Valoarea prag a fost setată la 2 abateristandard (2s) sau la 1,5 abateri standard (1,5s) faţă de medie (Tab. 2.2.1). Valorile sub 2 şi peste 2 au fost considerate extreme.

  • 8/17/2019 Vorovencii Iosif-Teza de Abilitare RO

    27/119

    I VOROVENCII Tă aa

    26

    2.2.1 Da a ă

    19851994 19942003 20032011 19852011Clasele cuschimbări TCGTCB NDVIBI TCGTCB NDVIBI TCGTCB NDVIBI TCGTCB NDVIBI

    Slab 8,2915,35 0,010,11 0,734,91 0,000,10 2,777,76 0,020,12 1,047,66 0,030,15Mediu 15,3518,42 0,110,20 4,919,09 0,100,20 7,7612,75 0,120,22 7,6614,28 0,150,26Puternic 18,4223,48 0,200,30 9,0913,28 0,200,30 12,7517,76 0,220,32 14,2820,91 0,260,38

    Valoare prag 8,29/23,48(2s)

    0,01/0,30(1,5s )

    0,73/13,28(1,5s )

    0,00/0,30(1,5s )

    2,77/17,76(2s)

    0,02/0,32(2s)

    1,04/20,91(2s)

    0,03/0,38(2s)

    Dţa ă   (   TCBTCGα   −   , BINDVIα   −   ) a fost determinată folosind primele două beni, TCB  şi

    TCG ale transformării TC , respectiv indicii NDVI şi BI, la data 1 şi data 2, aplicnd următoarele relaţii:

    TCGTCG

    TCBTCBTCBTCG

    data1data2

    data1data2tgα

    =−

      (2.2.4)

    NDVINDVI

    BIBIBINDVI

    data1data2

    data1data2tgα

    =−

      (2.2.5)

    Deoarece n analiă sau luat două beni au reultat numai 4  clase majore care redau direcţiaschimbărilor. Unghiurile măsurate ntre 90  şi 180  indică o creştere a cantităţii de verdeaţă şi odescreştere a strălucirii solurilor. Unghiurile măsurate ntre 270 şi 360 indică o descreştere a cantităţiide verdeaţă şi o creştere a strălucirii solurilor. Unghiurile măsurate ntre 0  şi 90  arată o creştere acantităţii de verdeaţă şi a strălucirii solului iar unghiurile ntre 180  şi 270  indică o descreştere asuprafeţelor cu verdeaţă şi a strălucirii solurilor. Valorile direcţiei schimbărilor şi ale mărimii acestora aufost aa şa  şi clasificate n 12 clase pentru benile TCG şi TCB şi n tot attea clase pentruindicii NDVI  şi BI.  Pe fiecare clasă sa obţinut suprafaţa totală a schimbărilor şi au fost calculateprocentele pentru ntreaga onă studiată şi pentru clasa de direcţie a schimbărilor. Pentru fiecareperioadă şi perechi de beni analiate sau realiat histograme bidimensionale care arată direcţia şi

    mărimea schimbărilor. Pe abscisă sau repreentat direcţiile, n intervalul 0

    360

    , iar pe ordonatămărimea schimbărilor.

    2.2.2.3.6. Vaaa

    Pentru obţinerea matricei erorilor hărţilor care redau suprafeţele cu schimbări/fără schimbări saufolosit date de referinţă care au constat din hărţi ntocmite prin studiile realiate pentru păduri(Ianculescu a . 2009) şi terenurile agricole. n anumite situaţii sa apelat la metoda interpretării viualemenţionată n literatură (Cohen a. 1998) şi folosită n obţinerea datelor de referinţă pentru matriceleerorilor (Siwe şi Koch 2008). Din teren au fost colectate randomiat 180 de puncte care au servit caadevărul teren. Validarea clasificărilor sa realiat pe baa ntocmirii matricei erorilor suprafeţelor cuschimbări versus fără schimbări folosind aceste puncte. n categoria fără schimbări sau consideratsuprafeţele din fondul forestier evidenţiate n amenajamentele silvice ca fiind ncă poluate precum şisuprafeţele din terenurile din afara fondului forestier aflate n evidenţe ca fiind poluate. De asemenea,sa avut n vedere existenţa sau inexistenţa vegetaţiei. Punctele au fost apoi etichetate ca suprafeţe cuschimbări sau suprafeţe fără schimbări, prin comparaţie şi interpretare viuală.

    2.2.3. ş ţ

    Reultatele privind cele două componente