УНИВЕРЗИТЕТ У БЕОГРАДУ ГЕОГРАФСКИ ФАКУЛТЕТ Ана М. Радовановић МОГУЋНОСТИ ПРИМЕНЕ ТЕЛЕДЕТЕКЦИОНЕ КЛАСИФИКАЦИЈЕ САТЕЛИТСКИХ СНИМАКА У ПРОЈЕКТОВАЊУ ЕКОЛОШКИХ ИНФОРМАЦИОНИХ СИСТЕМА докторска дисертација Београд, 2017.
UNIVERSITY OF BELGRADE FACULTY OF GEOGRAPHY Ana M. Radovanović THE POSSIBILITIES OF APPLICATION REMOTE SENSING CLASSIFICATION OF SATELLITE IMAGES IN THE DESIGN OF ENVIRONMENTAL INFORMATION SYSTEMS Doctoral Dissertation Belgrade, 2017. 2
МЕНТОР: Проф. др Мишко Милановић, ванредни професор, Универзитет у Београду - Географски факултет ЧЛАНОВИ КОМИСИЈЕ: 1. Проф. др, Дејан Филиповић, редовни професор Географски факултет, Београд 2. Проф. др, Мирољуб Милинчић, редовни професор Географски факултет, Београд 3. Проф. др Сања Стојковић, ванредни професор Географски факултет, Београд 4. Проф. др Бранислав Тривић, редовни професор Рударско-геолошки факултет, Београд ДАТУМ ОДБРАНЕ: Београд 3
МОГУЋНОСТИ ПРИМЕНЕ ТЕЛЕДЕТЕКЦИОНЕ КЛАСИФИКАЦИЈЕ САТЕЛИТСКИХ СНИМАКА У ПРОЈЕКТОВАЊУ ЕКОЛОШКИХ ИНФОРМАЦИОНИХ СИСТЕМА САЖЕТАК Тема ове докторске дисертације усмерена је на проучавање могућности примене теледетекције у истраживању елемената животне средине, за потребе пројектовања еколошког информационог система (даље у тексту ЕИС). Главни циљ овог истраживања је изградња и развијање еколошког информационог система, односно, информационог система животне средине, на примеру локалног еколошког информационог система (даље у тексту ЛЕИС) насеља Венчане. Од прикупљених података везаних за претходна истраживања животне средине у испитиваној области, и истраживања спроведених за потребе овог рада, формирана је основа за базу података информационог система животне средине. Резултати истраживања су показали да се теледетекционом класификацијом сателитских снимака, могу детектовати загађивачи и загађујуће материје, могу се добити подаци о земљишном покривачу, о вегетацији и променама на њој у току времена, подаци о намени земљишта и сл. Теренским истраживањем, добијени подаци су допуњавани и проверавани, у циљу добијања свеобухватних, тачних, прецизних и проверених информација потребних за пројектовање информационог система животне средине. Предност теледетекционе класификације над осталим методама за прикупљање и обраду података је у томе што се веће просторне целине могу истражити релативно брзо у односу на друге научне методе. Обрадом сателитских снимака могу се добити репрезентативне информације о елементима животне средине. Анализом снимака може се утврдити распоред и количина загађујућих материја и енергија, распоред обновљивих и необновљивих извора енергије, угроженост елемената животне средине, могу се препознати природне непогоде као и њихов утицај на животну средину и сл. Од прикупљених података формирају се 4
базе података, које су основа пројектовања информационог система животне средине. За квалитетну анализу снимака, неопходно је отклонити све деформације са слике, како би погодовало крајњем кориснику. Резултати истраживања овог рада требали би да покажу на који начин и у којој мери се сателитски снимци могу користити у развоју. Реализација еколошког информационог система знатно би олакшала решавање великог броја проблема у животној средини у нашој земљи, пре свега због тога што може пружити велики број информација о стању животне средине. У овој дисертацији показаће се на који начин се информације добијене интеграцијом сателитских снимака и теренског истраживања могу искористити у сагледавању стања, његовом праћењу, контроли и решавању проблема. Кључне речи: теледетекција, еколошки информациони систем, класификација сателитских снимака, теренско истраживање Научна област: Географија Ужа научна област: Геопросторне основе животне средине 5
THE POSSIBILITIES OF APPLICATION REMOTE SENSING CLASSIFICATION OF SATELLITE IMAGES IN THE DESIGN OF ENVIRONMENTAL INFORMATION SYSTEMS ABSTRACT The theme of this doctoral dissertation is focused on styding the possibilities of application teledetection in the research of environmental elements, for the purposes of designing an environmental information system (henceforth EIS). The main aim of this research is the construction and development of an environmental information system, on the example of the local environmental information system (henceforth LEIS) of the settlement Venčane. From the collected data related to the previous environmental research in the investigated area, and the research conducted for the purposes of this paper, the basis for the database of the information system of environment was formed. The results of the research have shown that by remote sensing classification of satellite images pollutants and polluted substances can be detected, data on soil cover, vegetation and changes on it over time can be obtained, data on the purpose of the land, etc. By field research, the obtained data have been complementand checked in order to obtain comprehensive, accurate, precise and verified information required for the design od the environmental information system. The advantage of remote sensing classification over other methods for data collection and processing is that larger spatial units can be explored relatively quickly in relation to other scientific methods. By processing satellite images, representative information on environmental elements can be obtained. The analysis of the images can determine the distribution and quantity of pollutants and energy, the arrangement of renewable and non-renewable energy sources, the vuluerability of environmental elements, natural disasters as well as their impact on the environment can be identified. From the collected data, databases are formed, which form the basis of designing the information system of the environment. 6
For quality analysis of images, it is necessary to remove all deformations from the image, in order to benefit the final user. The research results of this paper should show how and to what extent satellite images can be used in the development of environmental information systems. The realization of an environmental information system would greatly facilitate the resolution of a large number of environmental problems in our country, primarily because it can provide a great deal of information on the state of environment. This dissertation will show how the information obtained by intergrating satellite imagery and field research can be used to examine the situation, its monitoring, control and problem solving. Key words: remote sensing, environmental information system, classification of satellite images, field research Scientific field: Geography Scientific subfield: Geospatial and Environmental Science 7
САДРЖАЈ 1. УВОДНА РАЗМАТРАЊА О ПРЕДМЕТУ И ПРОБЛЕМУ ИСТРАЖИВАЊА...10 1.1. ПОЈМОВИ ЕКОЛОШКИ ИНФОРМАЦИОНИ СИСТЕМИ И ТЕЛЕДЕТЕКЦИЈА...13 1.2. ПРЕДМЕТ ИСТРАЖИВАЊА...17 1.3. ЦИЉЕВИ И ЗАДАЦИ ИСТРАЖИВАЊА...19 1.4. ПРИМЕЊЕНЕ МЕТОДЕ У РАДУ...20 1.5. ПОЛАЗНИ ПРИНЦИПИ И ХИПОТЕЗЕ...21 1.6. ИСТОРИЈСКИ РАЗВОЈ И ДОСАДАШЊА ИСТРАЖИВАЊА НА ТЕМУ ТЕЛЕДЕТЕКЦИЈЕ И ЕИС-А...22 1.7. ПОЈАМ ТЕЛЕДЕТЕКЦИОНЕ КЛАСИФИКАЦИЈЕ САТЕЛИТСКИХ СНИМАКА...25 2. МОГУЋНОСТИ И ОГРАНИЧЕЊА ПРИМЕНЕ ТЕЛЕДЕТЕКЦИОНЕ КЛАСИФИКАЦИЈЕ САТЕЛИТСКИХ СНИМАКА У ПРОЈЕКТОВАЊУ ЕКОЛОШКИХ ИНФОРМАЦИОНИХ СИСТЕМА...27 2.1. САТЕЛИТСКИ СНИМЦИ У ПРОЈЕКТОВАЊУ ЕКОЛОШКИХ ИНФОРМАЦИОНИХ СИСТЕМА МОГУЋНОСТИ И УПОТРЕБА...30 2.2. МОГУЋНОСТИ И ЗНАЧАЈ ИНФОРМАЦИОНИХ ТЕХНОЛОГИЈА У ОБРАДИ ПОДАТАКА О ЖИВОТНОЈ СРЕДИНИ...31 2.3. ЕКОЛОШКИ ИНФОРМАЦИОНИ СИСТЕМИ У ФУНКЦИЈИ КОНТРОЛЕ И УПРАВЉАЊА ЖИВОТНОМ СРЕДИНОМ...34 2.4. ПРЕДНОСТИ И НЕДОСТАЦИ ТЕЛЕДЕТЕКЦИОНЕ КЛАСИФИКАЦИЈЕ У ПРОЈЕКТОВАЊУ ЕКОЛОШКИХ ИНФОРМАЦИОНИХ СИСТЕМА...36 2.4.1. Врста података који се могу добити путем теледетекционих метода за пројектовање ЕИС-а...37 2.4.2. Врсте, у зависности од информација прикупљених теледетекционим методама...38 3. МЕТОДОЛОГИЈА РАДА...42 3.1. МЕТОДЕ ПРИКУПЉАЊА ПОДАТАКА МАТЕМАТИЧКО-СТАТИСТИЧКЕ МЕТОДЕ...43 3.1.1. Теренске методе прикупљања и провере добијених података...45 3.1.2. Проналажење најбоље методе прикупљања података за пројектовање ЕИС-а...48 3.2. МЕТОДЕ ОБРАДЕ ПОДАТАКА УЗ ПОМОЋ ГИС АЛАТА И КАРТОГРАФСКИХ МЕТОДА...49 3.2.1. Софтвери за обраду сателитских снимака коришћени у раду...53 3.2.2. Картографске методе...55 3.3. МЕТОДЕ ДАЉИНСКЕ ДЕТЕКЦИЈЕ...56 3.3.1. Карактеристике и врсте сателитских снимака...59 3.3.2. Добијање информација са сателитских снимака...65 3.3.3. Теледетекциона надгледана и ненадгледана класификација сателитских снимака...67 3.4. МЕТОДЕ АНАЛИЗЕ И СИНТЕЗЕ ДОБИЈЕНИХ РЕЗУЛТАТА...68 3.5. МЕТОД АНАЛИЗЕ И СИНТЕЗЕ РЕАЛНОГ И ИЗМЕЊЕНОГ ГЕОПРОСТОРНОГ СИСТЕМА...72 3.6. МОГУЋНОСТИ КОРИШЋЕЊА ДОБИЈЕНИХ ИНФОРМАЦИЈА...73 4. МЕТОДОЛОШКИ И ПРАКТИЧНИ ПРОБЛЕМИ ПРОЈЕКТОВАЊА ЕКОЛОШКИХ ИНФОРМАЦИОНИХ СИСТЕМА ПРИМЕНОМ ТЕЛЕДЕТЕКЦИОНЕ НАДГЛЕДАНЕ КЛАСИФИКАЦИЈЕ СНИМАКА...75 4.1. ПОЈАМ И ЗНАЧАЈ ТЕЛЕДЕТЕКЦИОНЕ НАДГЛЕДАНЕ КЛАСИФИКАЦИЈЕ САТЕЛИТСКИХ СНИМАКА...76 4.2. ЦИЉЕВИ И МЕТОДЕ НАДГЛЕДАНЕ КЛАСИФИКАЦИЈЕ СНИМАКА...77 4.3. ПОСТУПАК НАДГЛЕДАНЕ КЛАСИФИКАЦИЈЕ САТЕЛИТСКИХ СНИМАКА...82 4.4.1. Могућности теледетекционе надгледане класификације сателитских снимака у пројектовању...87 4.4.2. Предности и недостаци теледетекционе надгледане класификације сателитских снимака у пројектовању...89 4.4.3. Примена теледетекционе надгледане класификације сателитских снимака...91 8
5. МЕТОДОЛОШКИ И ПРАКТИЧНИ ПРОБЛЕМИ ПРОЈЕКТОВАЊА ЕКОЛОШКИХ ИНФОРМАЦИОНИХ СИСТЕМА ПРИМЕНОМ ТЕЛЕДЕТЕКЦИОНЕ НЕНАДГЛЕДАНЕ КЛАСИФИКАЦИЈЕ СНИМАКА...93 5.1. ПОЈАМ И ЗНАЧАЈ ТЕЛЕДЕТЕКЦИОНЕ НЕНАДГЛЕДАНЕ КЛАСИФИКАЦИЈЕ САТЕЛИТСКИХ СНИМАКА..94 5.2. ЦИЉЕВИ И МЕТОДЕ НЕНАДГЛЕДАНЕ КЛАСИФИКАЦИЈЕ СНИМАКА...96 5.3. ПОСТУПАК НЕНАДГЛЕДАНЕ КЛАСИФИКАЦИЈЕ САТЕЛИТСКИХ СНИМАКА...100 5.4. НЕНАДГЛЕДАНА КЛАСИФИКАЦИЈА САТЕЛИТСКИХ СНИМАКА У ПРОЈЕКТОВАЊУ ЕКОЛОШКИХ ИНФОРМАЦИОНИХ СИСТЕМА...104 5.4.1. Могућности теледетекционе ненадгледане класификације сателитских снимака у пројектовању...105 5.4.2. Предности теледетекционе ненадгледане класификације сателитских снимака у пројектовању...105 5.4.3. Недостаци теледетекционе ненадгледане класификације сателитских снимака у пројектовању...106 6. ПРЕДЛОГ ЗА ПРОЈЕКТОВАЊЕ ЕКОЛОШКОГ ИНФОРМАЦИОНОГ СИСТЕМА ПРИМЕНОМ ТЕЛЕДЕТЕКЦИОНЕ КЛАСИФИКАЦИЈЕ СНИМАКА...108 6.1. СТРУКТУРА ЕКОЛОШКОГ ИНФОРМАЦИОНОГ СИСТЕМА...109 6.2. ПРИКУПЉАЊЕ ПОСТОЈЕЋИХ ПОДАТАКА ЗА ПРОЈЕКТОВАЊЕ ЕИС-А...110 6.2.1. Основни физичко-географски и демографски подаци...111 6.2.2. Подаци о квалитету воде...112 6.2.3. Анкетно истраживање...118 6.3. ТЕРЕНСКО ИСТРАЖИВАЊЕ ЗА ПРОЈЕКТОВАЊЕ ЕИС-А...124 6.3.1. Провера квалитета воде речног тока методом узорковања...125 6.3.2. Анализа воде речног тока Придворице у делу насеља са мањом концентрацијом становника...132 6.3.3. Теренско испитивање речних токова проналажење и картирање дивљих депонија...140 6.3.4. Идентификација извора загађења ваздуха...145 6.4. РЕЗУЛТАТИ ТЕЛЕДЕТЕКЦИОНЕ КЛАСИФИКАЦИЈЕ САТЕЛИТСКИХ СНИМКА...146 6.4.1. Оптималан количник вегетационог индекса NDVI...150 6.4.2. Резултати добијени теледетекционом надгледаном класификацијом сателитских снимака...152 6.4.3. Резултати добијени теледетекционом ненадгледаном класификацијом сателитских снимака...162 6.5. ПРЕДЛОГ СТУДИЈЕ ЗА ПРОЈЕКТОВАЊЕ ЛОКАЛНОГ ЕКОЛОШКОГ ИНФОРМАЦИОНОГ СИСТЕМА НАСЕЉА ВEНЧАНЕ...167 6.5.1. Циљеви, задаци и функције Еколошког информационог система...168 6.5.2. Фазе пројектовања еколошког информационог система...169 6.5.3. Прикупљање података за пројектовање ЕИС-а...170 6.5.4. Проблеми и ограничења у пројектовању ЕИС-а...172 6.5.5. Могућности нтегрисања ЕИС-а и предлози добре праксе...173 7. ЗАКЉУЧНА РАЗМАТРАЊА О ВАЛИДНОСТИ ТЕЛЕДЕТЕКЦИОНЕ КЛАСИФИКАЦИЈЕ САТЕЛИТСКИХ СНИМАКА У ПРОЈЕКТОВАЊУ ЕКОЛОШКИХ ИНФОРМАЦИОНИХ СИСТЕМА...175 ЛИТЕРАТУРА:...180 ИЗВОРИ...191 СПИСАК СЛИКА У ТЕКСТУ ДИСЕРТАЦИЈЕ...193 СПИСАК ТАБЕЛА У ТЕКСТУ ДИСЕРТАЦИЈЕ...195 БИОГРАФИЈА АУТОРА...196 9
1. УВОДНА РАЗМАТРАЊА О ПРЕДМЕТУ И ПРОБЛЕМУ ИСТРАЖИВАЊА Тенденција повећања броја становника на Земљи довела је до све већег негативног утицаја на животну средину. Људи су постали свесни угрожености свог окружења, па је наука о животној средини постала предмет истраживања не само стручњака и организација, већ и шире јавности. Број људи који желе да сазнају више о стању животне средине константно је у порасту. То је довело до потребе стварања информационих система који ће обухватити све нивое од локалног до глобалног, а који ће омогућити једноставан приступ жељеним подацима. Пројектовање једног оваквог информационог система уопште није једноставно, јер постоји потреба за информацијама различитог типа. Прикупљање података и њихово разврставање је дуг и скуп процес, велики је број података који нису доступни и сл. Предмет истраживања ове докторске дисертације је животна средина као систем, сви њени елементи, загађивачи, проблеми деградирања средине, као и процеси који је угрожавају. Задатак докторске дисертације је обрада сателитских снимака, поступцима надгледане и ненадгледане класификације, а главни циљ произилази из реализације задатака, а то је изградња еколошког информационог система. Остали задаци докторске дисертације су подразумевали рашчлањивање геопростора и израду логичке структуре геопросторних података. Одабир адекватне методологије истраживања животне средине значајан је за добијање информација о стварном стању елемената животне средине. Код посебна пажња се поклања оним деловима животне средине који су били, или су још увек у фази измене, најчешће под дејством антропогеног фактора. Теледетекција омогућава идентификовање узрока загађења и мерење њиховог интензитета, на основу чега се могу предузети даље 10
мере санације. Циљ поступка теледетекционе класификације сателитских снимака је аутоматска категоризација свих пиксела једног снимка у класе. Пошто различити типови карактеристичних црта манифестују различите комбинације дигиталних бројева пиксела слике, заснованих на спектралној рефлексији и својствима емисије, у поступку класификације користиће се и одређени обрасци, као помоћно средство за препознавање објеката и појава на снимцима (CampBell Ј., Wynne R., 2011). Борба са данашњим еколошким изазовима зависи од пажљиве процене информација из разних сектора и извора. Зато је од виталног значаја поседовање правих информација и података у право време. Заједнички критеријуми, као што су тачност, валидност, поузданост, правовременост, комплетност, упоредивост и усклађеност у времену, су релевантни за све информације о животној средини. 1 С обзиром на то да се угрожавање животне средине не умањује, већ да је и даље у порасту, потребно је пронаћи начин да се одговори на растуће еколошке проблеме. Технички напредак био је кључни фактор који је довео до настанка садашњих проблема и стања животне средине, па би, сходно томе, технологија требала да помогне у решавању насталих проблема. Због сложености података о животној средини, пројектовање захтева најсавременију компјутерску технологију. У циљу развоја еколошког информационог система потребно је проширити примену савремених компјутерских технологија, алата и техника, и повезати са научним методама истраживања животне средине. Човек мења животну средину, средина мења човека, а даљинска детекција потпуно мења концепцију односа на релацији човек животна средина. 2 О утицају животне средине на човека, код нас је први писао Ј. Цвијић (1911), где објашњава да географска средина непрекидно делује на људе (Цвијић Ј., 2000). Ово дејство човека дефинише, као саставни део животне средине са којом се мора заједно испитивати. Човек може утицати својим деловањем на велике промене у животној средини и позитивно и негативно. Неконтролисано сечење шума може довести до појаве одрона и клизишта; пожари су најчешће резултат људских активности; индустријске зоне, саобраћај, градови вишеструко негативно могу деловати на животну средину и сл. Са друге стране, човек може позитивно деловати на појаве и 1 European Commission (2013): Commission staff working document EU Shared Environmental Information System Implementation Outlook 2 Милановић М., Љешевић М. (2009): Теледетекционе методе истраживања животне средине. Универзитет у Београду, Географски факултет, Београд. 11
процесе у животној средини, или бар на умањење њихових последица. Тако се, израдом насипа и брана могу спречити поплаве, које не делују негативно само на насеља и људе, него и на целокупни биљни и животињски свет. Усмеравање људских активности од негативних ка позитивним, значајан је тренд који се истиче у развијеним земљама већ деценијама уназад. Неопходно је утицати на човека да схвати да је саставни део животне средине, да она није нечија приватна својина, већ заједничко добро, и да, сходно томе, усмери своје активности. Информациони системи животне средине у томе би могли дати зачајан допринос. Заинтересованост људи за стање животне средине позитиван је помак, јер указује на тежњу човека да од некадашњег крајње деструктивног, своје деловање на животну средину усмери према позитивном, односно да непосредно учествује у њеној заштити, очувању, или да, макар, умањи или неутралише свој негативан утицај. Стварање информационих система животне средине омогућава сваком појединцу да прати стање елемената животне средине, да користи расположиве информације и активно учествује у доношењу одлука које се тичу управљања животном средином. Највећи проблеми или ограничења у изради ове дисертације су немогућност добијања свих категорија података са сателитских снимака који су неопходни за пројектовање еколошког информационог система, као и висока цена снимака квалитетне резолуције (Милановић М., Љешевић М., 2009). Развој науке о животној средини код нас још увек је више теоријски него практичан, али је позитивно то што се повећава број стручњака који се усавршавају у овој области. Прикупљање информација о животној средини представља скуп и дуготрајан процес. До података је често готово немогуће доћи, јер добар део организација и појединаца који се баве истраживањима животне средине за добијање података уложили су своје време и средства, па их тешко уступају. Све то указује на потребу формирања еколошког информационог система, који ће бити повезан са глобалним системом, и који ће у сваком тренутку омогућити приступ базама података о животној средини у нашој земљи и свету. На тај начин заинтересованим појединцима биле би доступне информације о стању елемената животне средине, њеном квалитету, променама и сл. Повезивање са глобалним информационим системима животне средине омогућило би међународну размену информација. 12
Тема ове докторске дисертације бави се проналажењем начина за што ефикасније пројектовање. Предуслов за то је прикупљање података и формирање база података. Теледетекцијом се на брз и квалитетан начин прикупљају подаци из геопростора. Снимци добијени из ваздуха или из свемира могу се користити и анализирати уз помоћ различитих техника даљинске детекције. Једне од најчешће коришћених су технике надгледане и ненадгледане класификације сателитских снимака. Анализа снимака не захтева директан контакт са појавама на терену, а омогућава прикупљање података о њиховом броју, структури, изгледу, као и њихову фотоинтерпретацију. Подаци прикупљени анализом кључни су темељ за пројектовање еколошких информационих система. Подаци и информације о стању животне средине организовани су у виду електронских база података за области од интереса. На крају, главни задатак ове докторске дисертације је да утврди и дефинише на који се најбољи начин теледетекциона класификација сателитских снимака може применти у пројектовању. Формирање еколошког информационог система од значаја је не само за утврђивање тренутног стања животне средине, већ и за упоређивање са претходним стањем; дефинисање појава и процеса 3 који су до тог стања довели; као и омогућавање предвиђања будућих промена и деловање на њих. На тај начин се благовремено може утицати на умањење, а у неким случајевима и потпуно елиминисање негативних промена и процеса у животној средини. Теледетекција ту узима значајну улогу у формирању карти ризика од поплава, пожара, детекцију извора загађења и сл. 1.1. Појмови еколошки информациони системи и теледетекција Еколошки информациони системи (ЕИС), или информациони системи животне средине, играју главну улогу у доношењу одлука везаних за животну средину. Развој ЕИС-а везује се за протекле две деценије. Крајем 60-их година почело је прво помињање појма животне средине и коришћење компјутера у сврху еколошких истраживања. Стокхолмска конференција 1972. године представља један од првих покушаја решавања проблема животне средине. Њен резултат је 3 Под појмом појава подразумева се стање свих елемената и фактора животне средине, док су процеси сви утицаји на животну средину од природних непогода до антропогених утицаја. 13
формирање UNEP-а 4 који садржи информације о тада највећим еколошким проблемима. Крајем 70-их година, формиран је INFOTERRA (the International Referral System for Sources of Environmental Information) међународни еколошки информациони систем, вероватно први ове врсте. Други велики UNEP-ов Еколошки информациони систем је Global Resource Information Database (GRID), направљен у периоду од 1981 до 1983. Његово формирање, базирано на ARC/INFO географском информационом систему (даље у тексту ГИС) имало је за циљ спајање ГИС-а са сетовима података које поседују UNEP, GEMS 5 и друге специјализоване агенције (Haklay M., 1999). Еколошки информациони системи изграђени су од представа површине земље у виду субјеката који су повезани односима и карактеристикама атрибута и груписани у различитим информационим слојевима (Sanders L., 2007). За разумевање простора и динамике промена у њему важан је начин на који се у оквиру модела врши повезивање појмова. У сврху тога разматрају се појмови ентитета, њихове релације и атрибута, и њихове везе са околним простором. 6 На исти начин на који се дефинишу просторни атрибути, врши се идентификација временских атрибута који указују на временске референце, еволуцију вариабли или на почетак специфичних активности. Међутим, статистички речник информационих система (ентитети, релације, атрибути) није довољан да се изгради модел који ће бити у стању да опише динамику и омогући експериментисање са различитим сценаријумима (Sanders L., 2007). Та немогућност произилази из компликованих односа елемената у систему животне средине, што отежава планирање и предвиђање. 4 United nations environment programme (UNEP) је програм Уједињених Нација за животну средину, формиран у циљу промовисања одрживог развоја животне средине на глобалном и регионалном нивоу. 5 The Global Environment Monitoring System Глобални еколошки информациони систем 6 Аутор Sanders L. (2007), дефинисао је појмове ентитета, релације и атрибута на следећи начин: Ентитет је представа дела стварности, уз акценат да карактеристике буду очуване и да је што приближнија стварној перцепцији ствари у простору. То је објекат коме истраживачи приписују особину мале промењивости у времену, због чега га је могуће пратити и описивати. Релација је карактеризација односа који постоје у оквиру скупа идентификованих ентитета. Атрибут је елемент описа једног ентитета, или неке релације. Вредност атрибута не мора се сводити само на квантитет и квалитет, већ може имати сложену структуру и бити вектор, или чак непрекидна функција. 14
ISESS 7 Међународни симпозијум софтверских Еколошких информационих система дефинисао је ЕИС на следећи начин: ЕИС је кровни термин за оне системе који се користе за мониторинг; складиштење података и приступ; опис еколошких катастрофа и активности које треба предузети; извештавање о еколошком утицају; извештавање о стању животне средине и планирање, симулацију модела и доношење одлука. Дефиниција са ISESS 97 web сајта гласи: Еколошки информациони системи су важан фактор у истраживањима животне средине, доношењу одлука, менаџменту и политици. Имплементација ЕИС-а има доста захтева које је тешко задовољити, чак и са данашњом развијеном информационом технологијом. После деценије проба и грешака, промашаја и успеха, студија ЕИС-а је сазрела. Субјект се и даље развија у мултидисциплинарном радном окружењу које се брзо мења, и у сектору информационих технологија, и у еколошком сектору. Из наведених дефиниција може се закључити о тешкоћи дефинисања ЕИС-а, из чега произилази да су и они сами сложен систем. Чак и земље са развијеном технологијом и лаким приступом информацијама наилазе на бројне тешкоће у пројектовању информационих система животне средине. Две нешто једноставније дефиниције дали су Канадска компанија ESSA и аутор Gunter. ESSA: Еколошки информациони системи су компјутерски системи који користе велики број алата и технологија да би олакшали менаџмент и коришћење информација и података везаних за животну средину. 8 Gunter O. (1998) дефинише ЕИС на следећи начин: Еколошки информациони системи су везани за менаџмент земље, воде, ваздуха и биљних врста у њиховом окружењу. Ове дефиниције су краће и једноставније, али не обухватају све битне елементе који чине ЕИС. Еколошке информационе системе је могуће поделити на две групе на оне системе који се баве сакупљањем информација о животној средини (INFOTERRA, ISO 14000, индустријски ЕИС и др.) и на системе који сакупљају информације и мерења из животне средине. Интернационална федерација за обраду података (International Federation for Information Processing IFIP) дефинише информациони систем на следећи начин: Информациони систем је систем који прикупља, потхрањује, чува, обрађује и испоручује информације важне за организације и 7 ISESS интернет страна - http://www.htw.uni-sb.de/eig/isess/isess.html 8 Haklay M. (1999): From Environmental information systems to Environmental informatics evolution and meaning. Paper 7 Centre for Advanced Spatial Analysis, University College London 15
друштво, тако да буду доступне и употребљиве за сваког ко жели да их користи. Информациони систем је активни друштвени систем који се може, али и не мора, користити информационом технологијом. Еколошки информациони систем може се дефинисати на сличан начин, са тим што треба истаћи да се његова истраживања базирају претежно на животној средини. Теледетекција или даљинска детекција представља поступак осматрања, прикупљања и представљања информација путем система који нису у директном, физичком контакту са испитиваном појавом, објектом или процесом (Lillesand T., Kiefer R., 2002). Даљинска истраживања обухватају методе које се користе електромагнетном енергијом као средством за откривање и мерење особина објекта. 9 Претходних година се даљинска детекција показала као вредан алат за идентификацију објеката на земљиној површини и за мерење и мониторинг важних биофизичких карактеристика и људских активности на терену. Од самог почетка истраживања земљине површине, бројне методе спектралне анализе коришћене су за добијање информација са дигиталних слика. При томе се често јављају грешке у тежњи да се добију што бољи резултати зато што немају сви објекти на Земљи исте спектралне вредности (Jong S., Van der Meer F., 2004). Због тога је често потребно прикупити податке из других извора, или теренским испитивањем, и упоредити их са резултатима добијеним теледетекционом анализом. Земљина површина зрачи сопствену или рефлектовану енергију и све то се бележи на специјалном уређају сензору. Сензор се налази на носачу (платформи) који му омогућава да бележи енергију са веће површине. Забележена електромагнетна енергија на сензору представља снимак. Са снимка се даље издвајају територије различитих карактеристика (анализа снимка), потом се прелази на интерпретацију тих разлика, а као крајњи продукт добијамо информацију за употребу у области заштите животне средине. Набројани елементи представљају суштину даљинских истраживања (Павловић Р., Чупковић Т., Марковић М., 2004.). Животна средина представља сложен систем, па је неопходно да се пројектовањем ЕИС-а обухвате сви елементи, фактори, проблеми и процеси који сачињавају животну средину или који утичу на њу. Пажњу треба посебно обратити на оне делове животне средине који трпе промене, јер се њиховим праћењем могу 9 Академия наук СССР (1978): АЭРОКОСМИЧЕСКИЕ ИССЛЕДОВАНИЯ ЗЕМЛИ ОБРАБОТКА ВИДЕОИНФОРМАЦИИ НА ЭВМ, Издательство Наука", Москва. 16
предвидети будућа стања и пронаћи начин да се на њих благовремено одговори. Теледетекција је одлично средство за праћење динамичних промена животне средине, јер се уз помоћ сателитских снимака у сваком тренутку може пратити тренутно стање и промене, а у комбинацији са другим методама и изворима података, могу се вршити планирања и предвиђања. За пројектовање еколошких инфомационих система неопходне су тачне и квалитетне инфомације о животној средини. Метода којом се најбоље могу прикупљати подаци са Земље, путем техника које нису у директном физичком контакту са објектима, појавама и процесима, представља теледетекцију (Павловић Р., Чупковић Т., Марковић М., 2004). Методе теледетекционе класификације сателитских снимака припадају геофизичким методама, и заснивају се на методама које користе електромагнетну енергију као средство за откривање и мерење карактеристика објеката, појава и процеса на Земљи (Академия наук СССР, 1978). 1.2. Предмет истраживања Предмет истраживања ове дисертације је животна средина као сложен систем, сви њени елементи, загађивачи и сл. Анализа елемената животне средине мора обухватити све њене саставне делове и елементе. М. Љешевић (2005) животну средину дефинише као систем природних и антропогених објеката и појава у коме људи раде, живе и одмарају се, и тврди да је сазнање о животној средини сваког појединца, веома различито, ако се узме у обзир да је оно један од облика исказивања наше индивидуалности. Испитивање компатибилности теледетекционих метода за истраживање реалног стања и појава у животној средини извршиће се на изабраној локацији насељу Венчане. Ова локација представља главни предмет истраживања докторске тезе, а изабрана је због своје репрезентативности. Насеље Венчане налази се на 44 24'24'' северне географске ширине и 20 28'04'' источне географске дужине. Лоцирано је у северном делу Општине Аранђеловац, а територија насеља се простире на надморској висини између 250 и 450 m. На изабраној локацији, уз помоћ теледетекционе надгледане и ненадгледане класификације сателитских снимака испитује се валидност теледетекционих метода 17
класификације сателитских снимака у сврху што квалитетнијег и бољег прикупљања информација о животној средини, поменутог насеља. Пројектовање информационог система животне средине, према Drenzer-у (2002) би требао да садржи четири темељна блока: систем за управљање подацима (Data management system), ГИС алате (Geographical information systems tools), моделе и систем за подршку одлучивању (Decision support system DSS); Иако су у пракси познати системи који се базирају на само једној или две од наведених компоненти, сва четири блока су потребна услед тога што је животна средина веома сложен и разноврстан систем, a и истраживање само једног или два њена елемента даје непотпуне податке (узрочно-последичне везе елемената). Систем управљања подацима (Data management system) битан је због управљања геопросторним подацима. ГИС алати су битни за обраду просторних података и њихов визуелни приказ. Модели животне средине, израђују се са циљем да се прикаже тренутно, измењено стање животне средине, као и могуће промене у њој. DSS се израђује са циљем да се подржи укључивање јавности у доношење одлука везаних за животну средину. Термин животна средина подразумева социјалне, природне и изграђене елементе и физичке, хемијске и биолошке факторе живљења, тј. све оно што на посредан и непосредан начин утиче на живот и делатност људи (Љешевић М., 2002). Животна средина је сложен систем, динамичан, телеолошки, апстрактан и конкретан, природан и антропоген, технички и сл. Овакав систем је отворен и повезан са околином, на коју делује, која на њега делује и којој се прилагођава. Због тога је њено истраживање компликовано и мора бити свеобухвано, па се теледетекција намеће као један од, до сада испитаних, најобухватнијих и најпогоднијих метода. 18
1.3. Циљеви и задаци истраживања Пред ову докторску дисертацију су постављени циљеви које карактерише каузалност и прожимање. Циљеви су дефинисани теоријским концептом, подвргнути анализи и синтези, сагледавању и вредновању свих релевантних фактора, научно провереним методологијама, како би се остварио рационалан приступ у изградњи и пројектовању еколошког информационог система поменуте геопросторне целине. Један од циљева истраживања докторске дисертације је изградња информационог система животне средине одређене геопросторне целине. Главни циљ докторске тезе је поређење класификације сателитских снимака са другим начинима прикупљања података и дефинисање предности и недостатака даљинске детекције. Основни задатак истраживања јесте примена теледетекционе класификације снимака у анализи елемената географског простора. Задаци истраживања базирају се на обради сателитских снимака и провери добијених резултата теренским истраживањем. Одабир локација за теренско истраживање врши се након анализе снимка, а узето је десетак геопросторних целина. Остали задаци истраживања су: проналажење других метода за прикупљање података потребних за пројектовање ЕИС-а; испитивање метода који ће омогућити што свеобухватније проучавање животне средине, као комплексног система; утврђивање на који начин се може испитати промењивост елемената животне средине; издвајање потребних информација из масе података добијених испитивањем; обрада података са циљем добијања прегледних карата; сређивање добијених података у виду еколошких база података; проналажење најбољег начина приказа добијених података како би били што доступнији и лакши за коришћење за крајње кориснике и др. 19
Један од задатака истраживања је проналажење начина на који ће се ширем кругу корисника омогућити коришћење Еколошких информационих система. Из тог разлога се предлаже да информациони систем животне средине буде дизајниран и осмишљен на начин на који ће бити лако разумљив и доступан не само запосленима у сектору заштите животне средине, већ и заинтересованим грађанима. Његова база података ће на тај начин бити доступна све већем и хетерогенијем скупу корисника, којима ће пружати информације о животној средини на отворен начин (online). Отвореност приступу информација, значи да се подаци о животној средини објављују, да су бесплатно доступни заинтересованим корисницима, све у циљу укључивања јавности у поступке одлучивања. Реализација задатака подразумева изградњу логичке структуре геопросторних података еколошког информационог система. 1.4. Примењене методе у раду Анализа животне средине могућа је само уз примену великог броја метода. Према М. Љешевићу (2002), методе се деле у 4 групе: - теоријске методе и поступци истраживања (анализа и синтеза, класификација, моделовање, статистички метод), - посебне методе истраживања (географско-еколошки метод, геофизичке методе, метод експеримента, физичко-хемијске методе, теледетекционе методе и др.), - методе евалуације (квалитативна валоризација средине, квантитативна евалуација животне средине, метод биланса, бонитација) и - картографски метод. Примена само једног од ових метода резултовала би непотпуним, и често нетачним подацима. Теледетекционе методе, као посебне методе истраживања животне средине, настале су из растућих потреба за информацијама о животној средини. Предност теледетекционих метода је што омогућавају проучавање и праћење еколошких 20
објеката, појава и процеса без директног контакта са њима анализом сателитских снимака методима надгледане и ненадгледане класификације. Обрада сателитских снимака подразумева читав сет поступака за обраду података. У докторској тези посебно ће се обратити пажња на примену метода теледетекционе надгледане и ненадгледане класификације сателитских снимака. У случају надгледане класификације извршиће се теренска провера добијених података. У ту сврху коришћен је GPS уређај, за лоцирање геопросторних целина, а на тај начин је извршена провера података добијених анализом снимка. Методологија рада је прилагођена предмету, задатку и циљу истраживања, а за анализу предмета, решавање задатака, остварење циљева и примену валидне методологије истраживачког рада, неопходно је коришћење различитих научних метода. 10 У раду су коришћене следеће научне методе: Теледетекционе методе; Метод надгледане класификације сателитских снимака; Метод ненадгледане класификације сателитских снимака; Метод анализе и синтезе добијених резултата; Статистичке методе истраживања; Картографске методе и др. За пројектовање ЕИС-а, коришћени су и ГИС алати којима Географски факултет располаже (Idrisi и ArcGIS). 1.5. Полазни принципи и хипотезе Главни принцип ове дисертације је истраживање животне средине путем теледетекционе класификације сателитских снимака, а у циљу формирања еколошког информационог система. Један од циљева рада је прилагођавање теледетекционих истраживања потребама пројектовања ЕИС-а. Према аутору Gunter О. (1998), у циљу унапређења ЕИС-а, структурирање информација о животној средини врши се у 4 фазе: прикупљање података, 10 Милановић М. (2008): Теледетекциона мултиспектрална анализа у истраживању елемената животне средине, Београд: Географски факултет, Докторска дисертација. 21
складиштење података, анализа података и управљање метаподацима. Током овог процеса долазни подаци трансформишу се у концизне документе који се могу користити за подршку у одлучивању на високом нивоу. Принципи истраживања морају бити усклађени са потребом да истраживање животне средине обухвати што већи број сегмената животне средине, како би добијени резултати на што бољи начин приказали простор који је предмет истраживања. Главна хипотеза од које се полази у раду подразумева узрочно-последичне везе на релацији реални систем и измењено стање и начин на који ће се подаци ажурирати у бази еколошког информационог система. Следећа хипотеза се односи на динамике тих промена у реалном систему геопростора и начину на који ће се приказати у еколошком информационом систему. Последња хипотеза, али не тако мање важна, обухвата брзину и ефикасност контроле геопросторних података, путем теледетекционе надгледане и ненадгледане класификације снимака. 1.6. Историјски развој и досадашња истраживања на тему теледетекције и ЕИС-а Истраживања теледетекције везана су за појаву првих фотографија и карата, средином 19. века. Први снимци из авиона направљени су 1909. године, а направио их је W.Wright. Нова ера у развоју теледетекције почела је са лансирањем првих сателита ERTS, LANDSAT, SPOT, ERS, КОСМОС, РЕСУРС и други (Милановић М., Љешевић М., 2009). Једна од првих примена теледетекције у еколошке сврхе, десила се 1906. године, када су се, након земљотреса у Сан Франциску, на основу добијених снимака анализирале последице земљотреса. 11 Од прве употребе до данас информациона технологија је доста узнапредовала, као и квалитет снимака, тако да је олакшана обрада снимака. Досадашња истраживања и развој даљинске детекције Warszawa. 11 Andronikow L.W. (1986): Teledetekcija gleb, Państwowe Widawnictwo Naukowe, 22
вршили су се у оквиру Националних центара за даљинску детекцију и приватних компанија. У САД-у је 1984. године израђен Инвентар токсичних материја (Toxic Release Inventory TRI) - прва јавна база података о загађењу. Циљ је био да се грађанима омогући праћење и евалуација емисије из индустријских објеката (Hadden S., 1994). Ова база података сматра се једним од најуспешнијих EPA 12 пројеката. Први национални систем, уједно и први еколошки систем је ГИС Канаде CGIS развијен између 1960. и 1969. ЕИС се помиње у одељку 12, Агенде 21 са Рио конференције 1992. године. У овом одељку се од влада земаља, уз подршку међународних и регионалних организација, очекује да изграде или ојачају Еколошки информациони систем на националном нивоу, ојачају везу између ЕИС-а и система мониторинга, ојачају капацитете националних институција у анализи података о животној средини, како би се омогућило праћење еколошких промена, и како би информације о животној средини биле доступне у виду база података (Haklay M., 1999). Временом је UNEP развио већи број Еколошких информационих система BALLERINA за подручје Балтичког мора, EIS-SSA за Северну Африку и др. Добар пример ЕИС-а, који представља интеграцију појединачног система за сваку регију, је ЕИС Немачке UIS. UIS је базиран на ГИС-у и садржи разне групе информација о животној средини. Претежно је намењен за стручњаке, али је у развоју систем који ће бити доступан широкој јавности. Пример Еколошког информационог система који обухвата већи број регија и земаља представља GLREIS еколошки информациони регионални систем америчких Великих језера (Haklay M., 1999). Еколошки информациони системи постали су област за коју интересовање показује све већи број научника. Неки од њих су Џон Сорентино (професор за животну средину на одељењу Економског факултета Универзитета Темпл), A-Xing Zhu (државна лабораторија Кине за ресурсе и еколошке информационе системе, Кинеска академија наука, Пекинг) и др. Истраживања из области даљинске детекције у нашој земљи започели су професори Степановић, Димитријевић, Agency). 12 Агенција за заштиту животне средине САД-а (United States Environmental Protection 23
Марковић и Грандић. 13 Данас је број стручњака који се усавршавају из области даљинске детекције у порасту, али још увек је недовољан да одговори савременим потребама и формирању ЕИС-а у нашој земљи. Један од недостатака су новчана средства, јер је за добијање потребних информација потребно купити сателитске снимке који су за наше услове скупи, потребно је користити напредну технологију, вршити теренска испитивања и мерења за које је потребна савремена опрема и људски ресурси и др. Европска унија показује велико интересовање за развој еколошких информационих система и употребу даљинских истраживања у те сврхе. Европска комисија је осмислила програм CORINE, који има за циљ да прикупља информације у области животне средине, да их повезује и усаглашава. Снимања, истраживања и картирања за читаву Европу врше се уз помоћ даљинске детекције. 14 Ствара се подлога за формирање еколошког информационог система за целу Европу (Single Information Space for Europe in the Environment SISE), чија основа је већ формиран SEIS (Shared Environmental Information System). Заједнички рад Савета Европе, Европског парламента, Европског економског и социјалног Комитета и Комитета региона COM (2008) довео је до формирања SEIS-а. Овај еколошки информациони систем поставља основу за модернизацију и олакшавање прикупљања, размене и коришћења података о животној средини и информација потребних за израду и спровођење политике заштите животне средине. Општи циљ је да се одржи и унапреди квалитет и доступност информација потребних за заштиту животне средине, истовремено са бољом регулацијом и смањењем административних оптерећења на минимум (Hřebíček Ј., Legat R., Nagy M., 2008). SEIS наглашава значај законског уређења извештавања о животној средини и потребу за хармонизацијом услова за мониторинг животне средине на нивоу Европске Уније. Одрживи развој препознат је као приоритет у стратегији Европа 2020 15 и у спровођењу ЕУ Дигиталне агенде. За постизање ефикасности рада SEIS-а потребни су квалитетни подаци и информације и токови података. Када нема слободног протока информација између различитих нивоа и одрживог улагања у техничке и људске ресурсе, координација и квалитет неминовно трпе. Да би се 13 Павловић Р., Чупковић Т., Марковић М. (2004): Даљинска детекција, Универзитет у Београду, Рударско геолошки факултет, Београд. 14 Commission European (1985): The CORINE Programme the CORINE Land Cover Project, Official Journal L 176. 15 COM(2010): 2020 final, Europe 2020, A Strategy for smart, sustainable and inclusive growth. 24
бавиле прекограничним питањима заштите животне средине, државе чланице ЕУ морају да се ослањају на податке и информације добијене од стране њихових суседних земаља (или регија). У случају катастрофа, стања биодиверзитета, животне средине, квалитета ваздуха, здравља и процена утицаја на животну, тешко је чак и јавним властима да пронађу релевантне информације и податке. Иницијатива ЕУ Дигиталне агенде за Европу подржава SEIS принцип са циљем да створи размену кроз заједнички, бесплатан, отворен софтвер информација. INSPIRE даје оквир за дистрибуиране мреже база података, које су повезане заједничким стандардима и протоколима, како би се осигурала компатибилност и интероперабилност (European Commission, 2013). Најсавременији информациони систем животне средине користи мрежни сензор за животну средину (Environmental Sensor Networks - ESNs) као део своје структуре, јер су његова инсталација и рад од фундаменталног значаја за праћење стања животне средине. Захваљујући технолошком напретку у микроелектроници, технологији комуникација и информатици, појавили су се нови напредни сензори, који имају способност да раде у низовима уређаја који користе бежичну мрежу. 16 Могућност повезивања уређаја са сензорима омогућава корисницима приступ подацима које пружа ESNs. Изградњом ЕИС-а могуће је картирати податаке о животној средини, могуће је предвиђати различита стања, радити симулацију измењеног стања и сл. (Usländer, T., 2010). 1.7. Појам теледетекционе класификације сателитских снимака Поступак теледетекционе класификације снимака за циљ има аутоматску категоризацију свих пиксела на сателитском снимку у класе (Lipovšćak B., 1989). Надгледана класификација (supervised classification) се заснива на утврђивању подручја за обучавање, путем алгоритама упоређивањем са нумеричким вредностима пиксела на слици (Guo J. L., Haigh D. J., 1991). Након упоређивања, сваки пиксел се додељује најсличнијој категорији. Класификација се 16 Kolios S., Maurodimou О., Stylios C. (2013): Integrated Large-Scale Environmental Information Systems: A Short Survey. IFIP AICT 408, pp. 164 171. 25
састоји од три корака: утврђивање репрезентативних класа, ужа фаза класификације и излазна етапа. Ненадгледана класификација (unsupervised classification) користи алгоритме за тумачење непознатих пиксела, математички је дефинисана и једноставна за обраду података (P. Mather, 1999). У одређивању идентитета и информационе вредности спектралних класа врши се поређење класификованих података са подацима друге врсте, нпр. карте или слике крупније размере. Предност ненадгледане класификације је у томе што класификатор идентификује одвојене спектралне класе присутне на слици. Многе од ових класа можда не би биле видљиве код надгледане теледетекционе класификације (Милановић М., Љешевић М., 2009). 26
2. МОГУЋНОСТИ И ОГРАНИЧЕЊА ПРИМЕНЕ ТЕЛЕДЕТЕКЦИОНЕ КЛАСИФИКАЦИЈЕ САТЕЛИТСКИХ СНИМАКА У ПРОЈЕКТОВАЊУ ЕКОЛОШКИХ ИНФОРМАЦИОНИХ СИСТЕМА Теледетекционом класификацијом сателитских снимака може се обезбедити велики број података везаних за стање и квалитет животне средине, што може бити од велике користи при формирању ЕИС-а. Прикупљање, анализа и правилан избор квалитетних података ослањају се на комбинацији услуга које омогућују сателити, мониторинг станице, рад аналитичара, информациона технологија и др. Бројне су могућности теледетекције у области прикупљања података о животној средини, јер својим методама превазилази све друге технике прикупљања података. Неке од предности су: Могућност добијања информација о елементима животне средине на већим геопросторним целинама. Методе даљинске детекције могу помоћи у предвиђању поплава, утврђивању пожара, могу се пратити угрожене и ретке врсте и сл. Еколошки подаци који обухватају веће геопросторне целине од значаја су код прекограничног прожимања и спајања, које се често јавља као проблем у пројектовању Еколошких информационих система. Често државе у својим истраживањима користе различите методе за прикупљање података, и видно постоје разлике у средствима, технологији, опреми, обучености аналитичара и др. Могућност добијања података о неприступачним геопросторним целинама (велики део површине Африке, Азије, Аустралије, Антарктика, Сибир). Даљинском детекцијом добијају се подаци о територијама које се због њихове неприступачности не могу картирати. Не може се занемарити чињеница да ове области, иако неприступачне, утичу на еколошко стање у другим удаљеним областима. Пример тога је ненасељена и тешко доступна долина реке Амазон, која вишеструко утиче на климу и квалитет животне средине у ближим и даљим територијама, али и на целој планети; затим пустиња Сахара, чије ваздушне масе
утичу на климу Европе; Сибир, који и упркос удаљености утиче на климу Европе и сл. Добијање тачних и прецизних података о појавама, површинама, објектима у животној средини без директног контакта са њима. Еколошки информациони системи садрже широк спектар података о компонентама животне средине, што омогућава научницима да развију холистички, вишемедијални и мултидисциплинарни приступ управљања животном средином. Метод теледетекционе ненадгледане класификације сателитских снимака омогућава сакупљање података, њихову обраду и картирање без теренског испитивања. Ова, и сличне методе знатно умањују трошкове за прикупљање података, као и време потребно да се до података дође. Могућности смањења трошкова и времена потребног за прикупљање информација. Научницима је добро познато да прикупљање података најчешће зна да буде најскупља и најдуготрајнија фаза истраживања. Тежња да се трошкови умање, довела је до тога да се све већа пажња посвећује проналажењу метода којом ће, за краће време, моћи да се прикупи што већи број потребних информација. У поређењу са другим методама, посебно се истакла теледетекциона класификација сателитских снимака. Од своје појаве била је за научнике решење многих њихових проблема везаних за време и средства потребна да се подаци прикупе. Лака доступност сателитских снимака. Сателитске снимке на једноставан начин може наручити свако, а с обзиром на количину информација које се добијају на овај начин, њихова цена није велика. Поред тога, на интернету се могу пронаћи бесплатни сателитски снимци, које, такође, може користити сваки појединац 17. Такође, постоји и велики број научних и стручних радова доступних на интернету, у којима се налазе сателитски снимци које су научници користили у својим истраживањима. Комбинацијом различитих врста снимака (сателитских и аерофото снимака) може се доћи до прецизних и тачних података. Квалитет излазних инфомација добијених теледетекцијом знатно се може повећати ако се у истраживањима користе различите методе и различити извори података. Употребом више различитих канала може се побољшати квалитет излазних информација, слика, снимака и сл. Уколико постоје нејасноће и нелогичности у анализи 17 www.digitalglobe.com, www.spot.com, landsat.usgs.gov, climate.nasa.gov и др. 28
сателитских снимака, уколико се аналитичар суочи са проблемом немогућности даље анализе, снимци са других извора могу бити решење проблема. Могућност поновног коришћења информација из пројектованог информационог система животне средине. Информације сакупљене за потребу праћења одређене појаве могу се поново употребити. У комбинацији са другим информацијама о предмету истраживања могу се добити подаци за потребе других истраживања, пројеката, прогноза и сл. Према ауторима Usländer T. и други (2003), функционалним обогаћењем могу се остварити софистицираније функције, као што су симулације животне средине или могућности геостатистичке обраде. Поновно коришћење података смањује трошкове сакупљања података, скраћује време потребно за добијање крајњих информација и сл. Такође, сателитски снимци нуде информације које у једном истраживању нису потребне, или су сувишне, али се могу употребити код других истраживања, и тако повећати њихову употребљивост. Са друге стране налазе се ограничења које теледетекција има код пројектовања. Она се пре свега односе на: Ограничења у врсти података. Методе даљинске детекције могу да обезбеде широк просторни обухват области која се испитује, али имају велики број генеричких ограничења. Тако, на пример, ниједан од сензора не може поуздано да измери основна узвишења испод густе вегетације (Harding D., Bufton J., и Frawley J., 1994). Поред тога, може се десити да се за потребе одређеног истраживања траже различите врсте информација које се не могу добити са једног снимка, па се захтева куповина снимака са већег броја канала, што додатно повећава трошкове истраживања и време потребно да се добију крајњи подаци. Могућност погрешног тумачења снимка од стране аналитичара. Када је у питању ненадгледана теледетекциона класификација сателитских снимака, често се јавља проблем код анализе сателитских снимака због сличних особина одређених типова вегетације, па се догађа да аналитичар изабере погрешни тип. На пример, две информативне класе, соја и кукуруз, могу да личе спектрално, па у том случају не би биле посебно раздвојене на снимку. У одређеним периодима вегетације кукуруз и соја нису спектрално различити, док у другим јесу. Са друге стране, једној информационој класи могу одговарати две спектралне класе. Како би била корисна, класа мора имати информациону вредност и бити одвојена од других 29
класа у подацима. 18 У тим случајевима понекад је потребно извршити теренско испитивање, како би се добиле што тачније информације и на тај начин спречило погрешно тумачење снимка (провера кабинетског, теренским радом). Теледетекционе методе захтевају прецизно дефинисање контролне тачке, како би се минимизирале систематске грешке. Ове тачке није увек лако лоцирати, нарочито у удаљеним подручјима. То отежава прикупљање података заинтересованим поједницима, а често се дешава да чак и искусни аналитичари погреше у дефинисању контролне тачке, па се не добију снимци за жељену територију. Најбоље могуће стандардне коте грешке су тренутно у распону између 1 и 10 m, али висинске грешке могу бити много веће - до 100 m, под неповољним условима (Sasowsky K., Peterson G., Evans B., 1992). Ове грешке такође могу довести до добијања података који се не односе на жељену територију. Проблем је посебно изражен када се ради анализа малих територијалних површина, па су прецизни подаци веома битни. Немогућност добијања одређених захтеваних података. Пројектовање захтева конкретне податке о одређеним природним појавама, до којих је често тешко доћи. Крајњем кориснику података могу, на пример, да затребају тачни подаци о заступљености и карактеристикама одређене врсте на некој територији, а ти подаци у оквиру ЕИС-а за конкретну врсту нису доступни и сл. Масовно ширење информација доводи до тога да је до жељене информације о одређеној теми, јако тешко доћи. 2.1. Сателитски снимци у пројектовању Еколошких информационих система могућности и употреба Анализом сателитских снимака од стране аналитичара добијају се кључни подаци за пројектовање. Сателити пружају опсежну количину информација о стању елемената животне средине 19, омогућавају 18 Reddy A. (2008): Remote Sensing and Geographical Information Systems. Third Edition. BS Publications, Hyderabad. 380. 19 Подаци о количини воде у земљишту, у крошњама дрвећа; о количини загађујућих материја у води, ваздуху, земљишту. 30
предвиђање природних катастрофа и њихових последица, праћење промена у животној средини и сл. Са једног сателитског снимка могу се добити подаци различите врсте, зависно од тога шта је у интересу аналитичара. Потребно је да прво аналитичар дефинише која врста података му је потребна, након тога да размотри који сателит пружа коју врсту података и који пружа најподесније снимке за потребе његовог истраживања. Када аналитичар дође до сателитских снимака који су му потребни за истраживање, приступа њиховој рачунарској обради. Употребљивост сателитског снимка може се повећати уколико се омогући његово коришћење и у друге сврхе, у другим истраживањима. Поред повећања употребљивости, на тај начин смањују се време и средства потребна за прикупљање података. Постоје бројне тежње Европске уније, али и других организација које се баве истраживањем животне средине, да подаци буду расположиви и доступни свима. Један од начина на који се то може омогућити је путем умрежених. При томе се отвара могућност за развој и ширу употребу и ЕИС-а и теледетекције, као и њихово упоредно интегрисање. Сателитски снимци су један од најбољих начина прикупљања података за еколошке информационе системе; а са друге стране, еколошки информациони системи омогућавају веће, шире и доступније коришћење сателитских снимака. 2.2. Могућности и значај информационих технологија у обради података о животној средини Развој информационих технологија знатно је унапредио и променио начин на који се подаци о животној средини прикупљају, складиште, анализирају, користе, презентују. Теледетеција и компјутерска обрада просторних података извршили су утицај на трансформисање и унапређење начина на који су функционисале многе области истраживања животне средине. Све већи број прикупљених података путем теледетекционих метода, све бољи квалитет сателитских снимака и све напредније рачунарске технологије за обраду добијених података омогућили су пројектовање еколошког информационог система, реално остварљивим. 31
Еколошки информациони системи директно су зависни од рачунара, јер путем њих се сателитски снимци преузимају, обрађују, анализирају и презентују. Може се закључити да су све фазе од пројектовања ЕИС-а, до коришћења крајњих података, везане за обраду сателитских снимака, и директно зависне од њих. Аутори Lam D. и Swayne D. (2001) дефинисали су еколошке информационе системе као интерфејс између напредних компјутерских технологија и захтева научника и менаџера из области заштите животне средине. Ова дефиниција истиче важност информационе технологије за пројектовање ЕИС-а. Информационе технологије омогућиле су јавну доступност података на интернету, што подстиче сарадњу између људи, организација и предузећа који се баве ЕИС-ом, а који су територијално раздвојени. Ово је нарочито битно код решавања прекограничних проблема животне средине, јер се државе проблемима животне средине баве углавном на националном нивоу. Еколошки информациони систем је базиран на великој бази података, омогућава индиректно (offline) или директно (online) повезивање са подацима о животној средини, са тематским картама, дијаграмима и извештајима. Дизајн ЕИСа је претрпео корените промене након промена у захтевима корисника и унапређења информационих технологија. Апликације ЕИС које су део контролних или информативних центара прилагођених анализи података о животној средини и њиховој визуализацији у виду карти и дијаграма морају бити повезане са подацима различитих типова, као што су геопросторни тематски подаци, докуманта или информације о феноменима животне средине уочене на мониторинг станицама, камери или сателиту. 20 Интероперабилност је способност информационих и комуникационих система и процеса да подрже и омогуће приступ подацима и проток информација. Ова особина информационих технологија од посебног је значаја, јер је прикупљање података сврсисходно само уколико подаци могу бити искоришћени и доступни корисницима. Примена информационих технологија је постала неопходна за пружање тражених информација о животној средини на одговарајућем нивоу детаљно, потпуно, прецизно и брзо. Међутим, није довољно само складиштење великог броја података о животној средини. Један од главних циљева Еколошког информационог 20 Usländer Т, IITB F. (2008): The Growing Importance of Open Service Platforms for the Design of Environmental Information Systems. iemss 2008: International Congress on Environmental Modelling and Softwar.1628-1635. 32
система је да припреми масе прикупљених података на такав начин да се могу користити за рутинске оперативне послове управљања заштитом животне средине, као и за политичко-стратешко одлучивање. Обрада информација о животној средини је фокусирана на следеће трендове: праћење стања животне средине путем теледетекционе класификације сателитских снимака уз комбинацију са подацима из целог света, политика дељења и интегрисања информација о животној средини (online - директно), коришћење напредних техника за анализу података, примена информација о животној средини у циљу веће еколошке ефикасности система. У домену обраде информација о животној средини недостајао је здрав концептуални и научни основ, будући да није било значајног истраживања у овој области дуго времена. Ово свакако није само питање примењене информатике, већ интердисциплинарни задатак где треба да буду укључене многе научне дисциплине (нпр. географија, биологија, екологија, економија, право, мерне технологије итд). С друге стране, развој области обраде података о животној средини је велики изазов за информатичке методологије и њихове примене. Из овог процеса међусобне стимулације појавила се нова дисциплина, именована као информатика животне средине. 21 Аутори Hilty L. и Rautenstrauch C. (1997), типове система информационих технологија који се баве аспектима управљања животном средином називају Еколошки информациони менаџмент системи (Environmental Management Information Systems - EMIS). Развој нових научних дисциплина и система говори о све већој заинтересованости научника и јавности о питањима животне средине, и начинима њиховог решавања уз помоћ информационих технологија. По ауторима Plaza A. и Chang C. (2007), нова генерација сензора даљинских детектора производи огромне брзине преноса података. У будућности ће можда информационе технологије бити у могућности да испрате потенцијал у сакупљању података који нуде сензори за даљинску детекцију да податке складиште, 21 Page B., Rautenstrauch C. (2001): Environmental Informatics-Methods, Tools and Applications in Environmental Information Processing. Idea Group Publishing. 33
групишу, анализирају и, као крајњи резултат, да их презентују корисницима у виду јединственог ЕИС-а. 2.3. Еколошки информациони системи у функцији контроле и управљања животном средином Пројектовањем савремених омогућен је приступ подацима о карактеристикама животне средине, као и њено управљање од локалног до глобалног нивоа. Значај теледетекције је што омогућава мониторинг (контролу) и одитинг (управљање) животном средином. Решење озбиљних проблема у заштити животне средине, управљање животном средином и истраживања животне средине могу да се заснивају само на ефикасном коришћењу информација о животној средини (Avouris N., Page B., 1995). Међутим, прикупљање правих информација о животној средини је скуп, дуготрајан и исцрпан процес, који захтева укључивање великог броја метода и фактора. Посебно је компликована обрада података, омогућавање њиховог поновног коришћења и презентовање. Чланом 69. Закона о заштити животне средине 22, мониторинг се дефинише као саставни део јединственог, информационог система животне средине. Реализује се системским мерењем, испитивањем и оцењивањем индикатора стања животне средине. Контрола стања животне средине подразумева контролу емисија извора загађења, контролу загађености, као и контролу последица коју могу имати по животну средину и здравље људи. Једна од добрих могућности пружања потребних података крајњим корисницима је уградња и директно повезивање сензора за мерење параметара животне средине са еколошким информационим системом. На тај начин би у сваком тренутку могли бити доступни подаци о стању животне средине. То би задовољило растуће потребе људи за сазнањем о стању животне средине у којој живе, али и смањило време потребно за прикупљање података. Резултати мерења могу се након одређеног времена складиштити, разврставати, и корисницима се 22 Република Србија (2009): Закон о заштити животне средине, Службени гласник републике Србије бр. 36/2009, Београд. 34
може омогућити поновни приступ. Са обзиром на то да 80% информација има директну или индиректну географску референцу (географска ширина и географска дужина нпр.) 23, њихово комбиновање са непросторним атрибутима може дати одговор на компликована питања и захтеве корисника. Обрада података и њихово коришћење дају подршку у доношењу одлука везаних за животну средину. По ауторима Милановић М. и Милинчић М. (2010), суштина примене одитинга је континуирана провера карактеристика елемената животне средине, еколошко обавештавање уколико су неки елементи заступљени изнад дозвољене концентрације, као и међусобна комуникација и сарадња свих који својим активностима делују деструктивно на животну средину. Комбиновањем теледетекционе класификације сателитских снимака и еколошких информационих система може се остварити примена одитинга. Теледетекција омогућава проверу карактеристика елемената животне средине, док се путем ЕИС-а добијени подаци могу представити и јавности саопштити уколико су забележена прекорачења у загађености. Такође, ЕИС омогућава online комуникацију субјеката који утичу на стање животне средине, као и оних на које измењена животна средина утиче. Облици, појаве и процеси се могу измерити на снимцима, добијене јединице су лако проверљиве, а подаци до којих се долази често указују да ли постоје еколошки проблеми (Bakkes A. et al., 1994, 31). Нерешена еколошка питања стварају јаз између развијених и неразвијених подручја и доводе у питање смисао друштвеног развоја и опстанка људи (Андревски М., 2002). ЕИС омогућава праћење и надзор опасности по животну средину где се врше праћења пожара, изливања нафте, хемијских и биолошких контаминација, поплава, хазарда, загађења и сл. Предвиђање потенцијалних понашања и ефекта овог типа користи технологију даљинске детекције. 23 Hart G., Dolbear C. (2006): So what s so special about spatial?, Workshop Terra Cognita, Directions to the Geospatial Semantic Web, ISWC 2006, Athens, Georgia, USA. 35
2.4. Предности и недостаци теледетекционе класификације у пројектовању Метод надгледане теледетекционе класификације пружа детаљније информације, јер укључује њихову проверу на терену, што изискује додатне трошкове. Метод ненадгледане класификације сателитских снимака не подразумева проверу на терену, већ анализу постојећих сателитских снимака, што, са друге стране, може дати недовољно поуздане и прецизне информације. Коришћење комбиноване методе у неким истраживањима може бити најбоље решење за превазилажење ових недостатака. Резултат теледетекционог прикупљања и обраде података су најчешће тематске карте, чијом анализом се добијају подаци од интереса за крајње кориснике. Информације о животној средини треба да буду презентоване у ЕИС-у на начин који ће бити лако разумљив и доступан великом броју корисника, а не само експертима. Постоји проблем великог броја информација које је тешко разврстати и презентовати на начин на који су потребне крајњим корисницима. Обрада, анализа и разврставање често су процеси који дуже трају од самог прикупљања сателитских снимака и формирања база података. Могућност поновног коришћења инфомација, у комбинацији са другим изворима података, и за потребе других истраживања, велика је предност теледетекцијије за пројектовање ЕИС-а. Од 1972. велике количине новца су потрошене на сакупљање података о животној средини и формирање база података (Haklay M., 1999). Прикупљање података представља скуп и дуготрајан процес, а опет, не могу сви подаци бити адекватно искоришћени и пласирани крајњим корисницима, јер Имамо океан података, али само капи информација 24. Отежавајућа околност у прикупљању података је то што компаније које су потрошиле доста година и новца у сакупљање података обично их дефинишу као своје, и нису спремне да их деле. 25 То отежава приступ већ прикупљеним информацијама од стране приватних организација, предузећа, али и научника. 24 Tveitdal, S. (1996), Economics of EIS, Available World Wide Web. 25 Porter J., Callahan J. (1994): Circumventing a Dilemma: Historical Approaches to Data Sharing in Ecological Research, In Environmental Information Management and Analysis: Ecosystem to global Scale. Taylor & Francis, London, pp. 193-202. 36
Закључак великог броја стручњака је да је један еколошки информациони систем, који ће пружити сортиране информације различитим типовима корисника, тешко, чак и готово немогуће пројектовати. Из тог разлога потребно је пројектовати већи број, од којих ће сваки имати посебну намену ЕИС за праћење природних непогода, ЕИС за управљање депонијама, ЕИС за идентификовање загађујућих материја и сл. Најбитнији задатак теледектеционе класификације сателитских снимака у пројектовању еколошких информационих система је обезбеђивање информација које су корисницима потребне. Добијене информације се класирају, прерађују и усмеравају на групе корисника. Како се информације најчешће испоручују на децентрализован начин од стране органа надлежног за прикупљање података, било је потребно да се обезбеди општи преглед информација о животној средини, и да се успостави ефикасно средство за претрагу потребних информација (Geiger W., Pillmann W., 2008). 2.4.1. Врста података који се могу добити путем теледетекционих метода за пројектовање ЕИС-а Према ауторима Милановић М., и Љешевић М., (2009), анализа сателитских снимака као резултат даје три групе података: Мерљиви подаци, засновани на математичкој основи Подаци рецентног стања животне средине Подаци измењеног стања животне средине Мерљиви подаци животне средине добијају се на основу објеката или појава у природи који су полазна тачка истраживања. Еколошки инфомациони системи пројектују се за одређене територијалне целине. Мерљиви подаци су изражени кроз измерену количину загађујућих материја у води, ваздуху, земљишту; мерења величине антропогеног утицаја; мерења на основу којих се врши предвиђање будућих стања и појава анализа количине падавина, висине водотока и сл. Подаци рецентног стања животне средине подразумевају детаљно истраживање, анализу и обраду свих класа података, уз оцену стања средине. Класа 37
представља логички повезан скуп података који описују одређене особине система, при чему свака класа има одређену нумеричку вредност. 26 Aутори Милановић М. и Љешевић М. (2009), издвајају три различите групације података о животној средини који се могу добити теледетекционим методама: природне одлике, изграђени ресурси и људски ресурс. Сателитски снимци пружају детаљне податке о природним одликама и њиховим карактеристикама. Од искуства и знања аналитичара и квалитета сателитских снимака, зависи квалитет и квантитет добијених инфомација о природним вредностима. На основу сателитских снимака ради се картирање природних одлика, на основу кога се може анализирати састав и квалитет ваздуха, метеоролошки параметри, климатске карактеристике и промене; извори, површинске и подземне воде; стање геолошке средине; састав и плодност земљишта; количина влаге у вегетацији, старост вегетације и њено сушење; постојање тешких метала и других загађујућих материја у води и др. Изграђени ресурси такође су лако уочљиви на снимку, а могу се детаљно анализирати на основу података о њиховим елементима и карактеристикама. Са сателитских снимака могу се прикупити подаци о градских срединама, саобраћајној инфраструктури, индустријским објектима и зонама, појединачним зградама и домаћинствима и сл. Човек делује и на природне и изграђене ресурсе, тако што их деградира или унапређује. По ауторима Botkin D. и Keller E. (2002), деградирати се може један елемент (елементарна деградација) или цео систем животне средине (комплексна деградација). 2.4.2. Врсте, у зависности од информација прикупљених теледетекционим методама Типови пре свега зависе од тога које методе прикупљања података су коришћене у њиховом пројектовању. Аутори 26 Zeiler M. (1999): Modeling our World, ESRI, New York. 38
Geiger W. и Pillmann W. (2008), на основу различитих приступа (циљне групе, намене, и др.), издвојили су већи број. Ту се разликују ЕИС локалне средине, регионални, национални и међународни. Код система на нижим административним нивоима доминирају информације о појединачним објектима животне средине (нпр. катастар дрвећа) и локалне информације. Ту се може пројектовати информациони систем индустријских зона или насеља која се налазе у њиховој близини. Информациони системи виших административних нивоа првенствено се баве супрарегионалним и глобалним изазовима као што су, на пример, климатске промене. 27 Код информационих система који се раде за веће територијалне површине често се јавља потреба за сарадњом и отвореношћу информација на међународном нивоу, што је најчешће тешко, негде чак и немогуће остварити. Развој сарадње на различитим нивоима може помоћи да се ови недостаци превазиђу. У зависности од циљне групе, разликују се: системи који подржавају управе у планирању и извршењу задатака заштите животне средине, системи мониторинга животне средине, управљање ризиком - природним непогодама, снабдевање доносиоца одлука информацијама. Еколошки инфомациони системи важан су елемент код доношења одлука везаних за управљање животном средином и њену заштиту. Мониторинг животне средине омогућава стално праћење параметара од значаја за анализу стања животне средине и предвиђање могућих промена. У порасту је интересовање за предвиђањем природних хазарда, како би се омогућило деловање у циљу смањења опасности по живот људи, природних и материјалних штета. У систему доношења одлука о животној средини, потребно је претходно прикупање великог броја информација, како би планирање које се врши било што обухватније и како би се креирали системи одлучивања који су за испитивану ситуацију и територију најпогоднији. 27 Geiger W., Pillmann W. (2008): Environmental Information Systems of Public Administration Status and Trends. iemss 2008: International Congress on Environmental Modelling and Softwar. 39
У зависности од циљне групе за коју се врши пројектовање еколошких информационих система, разликују се: системи који су првобитно дизајнирани за професионалне кориснике, па су они снабдевени само стручним инфомацијама. Јавни приступ је, при томе, обезбеђен само за оне информације које су специјално дизајниране за ширу јавност, у циљу промовисања еколошке свести. Ови системи имају за циљ окупљање већег броја стручњака из различитих области и њихово укључивање у решавање сложених еколошких проблема. Системи дизајнирани специјално за јавност, имају за циљ промену еколошке свести и, самим тим, постизање еколошки компатибилног понашања. За дизајнирање ових система стручњаци врше класификацију и бирају оне податке који су од интереса за кориснике информација, а који могу омогућити њихову едукацију и укључивање у решавање проблема. Потреба за информационим системом који може користити шира јавност је у порасту, посебно због пораста интересовања за слободан и свима доступан приступ информацијама о животној средини. У зависности од садржаја разликују се: системи који претежно служе као портали другим информационим системима (као што су државни портали животне средине) или мета информациони системи који углавном имају своје садржаје. У порасту је интересовање за портале за управљање животном средином, јер значајно унапређују претрагу за квалитетним информацијама о животној средини и омогућавају ширу употребу садржаја добијених истраживањима од стране власти. На тај начин омогућава се приступ подацима до којих је тешко доћи, и за које су потребна знатна финансијска средства. Истраживачи из IRE CPSSI 28 и STIL BAS 29 иницирали су формирање дистрибутивног Информационог Система Посматрања Земље (EOIS), који обезбеђује приступ подацима научних и националних институција. Овај систем је у 28 Институт за радио-инжењеринг и електронику Руске академије наука (Institute of Radioengineering and Electronics). 29 Solar-terrestrial influences laboratory - Лабораторија за соларно копнене утицаје, Академије наука Бугарске. 40
потпуној релевантности са стратегијом Европске комисије за стварање заједничког Еколошког информационог система са циљем да се премости јаз између неколико иницијатива, као што су GMES 30, INSPIRE 31, EIONET 32. 33 Мобилне апликације могу бити од посебне користи у области екологије. Њихово место и значај у будућности ће све више расти, посебно када буду доступни мобилни уређаји високих перформанси (наследници данашњих мобилних телефона са добрим приступом интернету и ГПС-у). 30 The Global Monitoring for Environment and Security - Програм Глобалног мониторинга за животну средину и безбедност. 31 Infrastructure for Spatial Information in Europe initiative Инфраструктура за просторне информације у Европи. 32 European Environment Information and Observation Network (партнерска мрежа Европске агенције за животну средину (ЕЕА) и њених земаља чланица и земаља учесница). 33 Nikolov H, Kancheva R., Petkov D., Georgiev G., Kibardina I., Savorskiy V.P., Tishchenko Yu.G., Smirnov M.T. (2009): Distributed information system in support of aerospace research. Remote Sensing for a Changing Europe, IOS Press. Page 142-143. 41
3. МЕТОДОЛОГИЈА РАДА Избор методологије рада прилагођен је постављеним задацима и циљевима истраживања. За пројектовање, услед сложености животне средине, потребно је користити податке добијене различитим методама. Животнa средина, као сложени систем геопростора, захтева примену: теоријских метода, посебних метода истраживања, метода евалуације животне средине и картографских метода. Примена само једне од метода, не задовољава научна истраживања. 34 Теледетекционе методе представљају различите поступке који омогућавају сликовит приказ и мерење одређених објеката, појава и процеса на Земљиној површини без контакта уређаја за мерење са објектом истраживања (Павловић Р., Чупковић Т., Марковић М., 2004). Информације се на овај начин добијају лакше, брже и јефтиније у односу на друге методе. Унапређење квалитета сателитских снимака отворило је могућност да се снимци могу лакше и уз мању могућност грешке анализирати и употребити. Комбинацијом сателитских, аерофотоснимака и теренских истраживања може се извршити инвентаризација елемената животне средине. Анализом информација добијених из различитих извора и комбиновањем метода долази се до података потребних за пројектовање еколошких инфомационих система. Теренско проверавање добијених података може знатно утицати на побољшање квалитета информација. Поступак надгледане класификације обухвата већи број поступака где се врши процена најподесније локације за анализу на терену, након чега се приступа теренској провери података. Када су подаци прикупљени на терену, врши се њихово поређење са подацима добијеним анализом 34 Милановић М., Љешевић М. (2009): Теледетекционе методе истраживања животне средине. Универзитет у Београду, Географски факултет, Београд, стр 57. 42
сателитског снимка. Коначни резултат је формирање карте као резултат употребе картографских метода. У овом раду ће се користити различите методе, прилагођене постављеном предмету, циљевима и задацима истраживања: Математичко-статистичке методе прикупљања података; Методе даљинске детекције (надгледана и ненадгледана класификација); Метод анализе и синтезе реалног и измењеног геопросторног система; Картографске методе и ГИС технологије (обрада сателитских снимака у софтверу Idrisi) и др. У литератури није довољно обрађена тема најподесније методологије за истраживање животне средине у сврху пројектовања ЕИС-а. Предлаже се да се у фази прикупљања података за пројектовање ЕИС-а користе методе теренских мерења (узимање узорака воде, земљишта; мерење квалитета ваздуха), фотограмеријска мерења, теледетекционе методе, GPS, премеравање терена, фотографисање на изабраним локацијама, математичко-статистичке методе и др. Након прикупљања, подаци се уносе у рачунар, дигитализују и припремају за обраду. 3.1. Методе прикупљања података математичко-статистичке методе У прикупљању података за потребе израде докторске дисертације коришћене су математичко-статистичке методе, методе теренског истраживања, теледетекционе методе, метод опажања или опсервације појава и процеса, као и њихово описивање и др. Табела 1. Број становника у Венчанима према пописима од 1948.-2011. (Извор: Милановић Д., 2003) Број становника по попису Насеље 1948. 1953. 1961. 1971. 1981. 1991. 2002. 2011. Венчане 2.404 2.440 2.235 1.938 1.895 1.695 1.576 1.317 43
Узорковање воде је урађено на две локације, за потребе анализе квалитета воде речног тока Придворице. Прикупљени подаци су статистички обрађени и приказани, а након тога и анализирани. Подаци о броју становника за насеље Венчане су преузети из књиге Општина Аранђеловац (Милановић Д., 2003), и приказани су у Табели 1. Од статистичких метода коришћене су прикупљање података, статистичко разврстављање и груписање, статистичка обрада података, анализа и тумачење у различитим фазама истраживања. Слика 1. Графички приказ броја становника у Венчанима по пописима од 1948-2011. (Аутор: Радовановић А. 2017., Извор података: Милановић Д., 2003) Да би се боље разумела природа промена у животној средини, прво се приступило анализи подручја које је предмет истраживања. У табели 1. је дат приказ броја становника, а у Табели 2. број домаћинстава у насељу Венчане. Број становника насеља Венчане графички је приказан на Слици 1. Табела 2. Број домаћинстава у Венчанима по попису 1948.-2011. (Извор: Милановић Д., 2003) 1948. 1953. 1961. 1971. 1981. 1991. 2011. 444 462 504 491 510 469 428 Овде се запажа константно опадање броја становника између пописних периода. Број домаћинстава није био у сталном опадању, па се може закључити да 44
се смањио просечан број чланова домаћинстава. Смањење броја становника не мора да значи и смањење притисака на животну средину због тога што су потребе становника за енергијом и ресурсима у сталном порасту. Према попису из 2011. насеље има 1.317 становника, у 428 домаћинстава. 35 Око 55% становништва је преко 40 година, док млади до 18 година чине нешто више од 20% становништва. За потребе докторске дисертације урађена је анкета са ученицима основне школе у Венчанима, по питању заштите животне средине. Дискриптивном методом извршено је прикупљање података, а подаци добијени анкетом обрађени су уз помоћ програма за статистичку обраду података SPSS. Детаљнији опис коришћених метода и резултата истраживања дат је у поглављу 5. 3.1.1. Теренске методе прикупљања и провере добијених података Неки од података потребних за пројектовање ЕИС-а често се не могу добити путем теледетекционих метода, или се добијени подаци морају проверити, па је у том случају потребно теренско истраживање. Теренским испитивањем могу се знатно допунити подаци о стању метеоролошких параметара, саставу земљишта, физичко-хемијском и микробиолошком саставу воде, температури, протоку и др. Детаљни подаци, специфични за место на ком су прикупљени, помажу да се повежу абиотички и биотички подаци прикупљени на терену са базама података. Терeнско прикупљање података, директно из природне средине, једна је од најзначајнијих, али и најскупљих активности. 36 Теренска мерења обезбеђују прецизне податке на тачно одређеном месту. Научници су развили већи број метода и инструмената за теренску инвентаризацију и мониторинг животне средине који се користе у комбинацији, или уместо теледетекционе класификације сателитских снимака (Horning N. и други, 2010). Када су у истраживању потребни само прецизни подаци за одређену локацију, или одређени број локација, теренско истраживање може бити довољно да пружи потребне информације. Међутим, за комплекснија истраживања потребна је интеграција са теледетекцијом. 35 Република Србија Рапублички завод за статистику (2011): Попис становништва, домаћинстава и станова у Републици србији. Први резултати. Београд. Билтен 540. 36 Према аутору Марковић М. (1999), цена прикупљања података зависи од потреба крајњих корисника информационог система и креће се од 40-80% укупних трошкова. 45
Веома битан уређај за теренско прикупљање података GPS уређај, постаје све доступнији и шире коришћен. GPS уређај у овом истраживању коришћен је за лоцирање места на којима је узет узорак воде за лабораторијско испитивање, а такође и код проналажења и тачног лоцирања координата узорака узетих за валидацију надгледане класификације. Један од метода прикупљања података на терену је фотограмерија. Најчешће се користи када аналитичар жели да провери податке које је добио анализом сателитског снимка. Слика 2. Сателитски снимак (април 2002., колор композит са IKONOS-а) и фотографија (април 2002.) исте локације у Вијетнаму (Извор: Horning N.и други, 2010., стр. 326) Фотограмерија представља посебну методу мерења, којом се реконстуришу положај и облик објекта на основу фотографија. 37 Дигиталном обрадом слике која 37 Јоксић Д. (1983): Фотограмерија I, Универзитет у Београду, Грађевински факултет, Научна књига, Београд. 46
је фотографисана на терену могу се добити подаци и уочити појаве које нису уочене посматрањем. Интерпретација обрађених слика помаже у идентификовању и разумевању појава које нису могле бити јасно протумачене само на основу сателитског снимка. Истовремена примена фотографије и сателитског снимка може се видети на Слици 2. У овој дисертацији, фотограмерија је примењена код утврђивања и лоцирања дивљих депонија. Резултати су приказани у поглављу 5. Пренос даљински очитаног податка телеметрија важан је алат који се користи у даљинској детекцији. Подаци се преносе са сателита, са теренских мерења, праћења животиња 38 и сл. 39 Пренесени подаци се након тога обрађују и анализирају. Најчешће се користи за праћење животиња, њихових миграција, уз помоћ огрлица или ознака. Рад на терену знатно може допринети разумевању и тумачењу сателитског снимка. Када аналитичар на терену донесе закључке о типу вегетације, њеној старости, висини, он треба да своје закључке упореди са истом локацијом на снимку, и на тај начин ће лакше препознати и анализирати исте типове вегетације на неком другом снимку. Са друге стране, када аналитичар не може са сигурношћу да анализира образац или боју на основу снимка, пожељно је да, уколико је могуће, изврши теренско истраживање. GPS је уређени систем који може, уз помоћ сателита, да прикаже тачан положај на Земљи у било ком тренутку и на било ком месту. Ова метода олакшава рад на терену, скраћује време потребно за прикупљање података, омогућава да се повећа тачност прикупљених података и др. Погодна је за лоцирање и картографски приказ загађивача и загађујуће материје; за посматрање, предвиђање и управљање стањем животне средине. 40 Лоцирање загађивача важан је сегмент мониторинга елемената животне средине. Када истраживач жели да изврши теренско испитивање, на пример воде, или земљишта, јако је битно да поседује податке о локацији загађивача, и у односу на њих одреди места на којима ће извршити анализу. На тај начин добијају се релевантни подаци о количини и врсти 38 Very High Frequency VHF је прва телеметријска технологија која се користи за праћење животиња. На овај начин, уз помоћ сателита, доста је унапређено и олакшано праћење животиња у односу на традиционалне методе. 39 Horning N., Robinson J., Sterling E., Turner W., Spector S. (2010): Remote Sensing for Ecology and Conservation. Oxford, UK: Oxford University Press 40 Милановић М., Љешевић М. (2009): Теледетекционе методе истраживања животне средине. Универзитет у Београду, Географски факултет, Београд, стр 55 47
загађујућих материја у непосредној близини загађивача. Распоред загађивача и загађујућих материја у земљишту указује на постојање извора загађења, који може имати већу или мању зону утицаја и интезитет. Применом GPS-а постиже се велика мобилност, довољно висока тачност и поузданост мерења, смањују се трошкови у поређењу са класичним геодетским мерењима, као и време од мерења до добијања готовог резултата (Кукрика М., 2000). 3.1.2. Проналажење најбоље методе прикупљања података за пројектовање ЕИС-а Проналажење најпогодније методе за истраживање животне средине и прикупљање података веома је важно за пројектовање еколошких информационих система, јер од тога зависи и квалитет инфомација које ће ЕИС-ом бити приказане. Еколошки информациони системи пружају у реалном времену податке о стању, прогнози и измењеном стању елемената животне средине. У комбинацији са другим врстама података (нпр. сателитски подаци, социо-економски параметри, подаци са пописа) могу да обезбеде информативну позадину како би се управљало проблемима, предлагала решења и остварила најбоља пракса одрживог управљања животном средином (Kolios S., Maurodimou О., Stylios C., 2013). Тешко је разграничити које су информације битне за информациони систем животне средине, и како ће се на најбољи начин одговорити на захтеве крајњих корисника. Због тога је јако битно: извршити стандардизацију метода прикупљања података пронаћи јединствен метод или комбинацију метода који ће на најпрецизнији начин испитати животну средину, и који ће на најбољи начин објединити остале методе прикупљања података о животној средини. Уколико би се стандардизација метода односила и на друге државе, могла би се превазићи прекогранична ограничења која произилазе из разлика у начину испитивања животне средине; дефинисати који су подаци битни, да не би дошло до нагомилавања непотребних информација. Као резултат прикупљања података, нарочито ако се користи теледетекциона класификација сателитских снимака, често 48
се јављају велике базе података, којима је тешко управљати и из њих издвојити само информације које су потребне. Велике базе података захтевају и напредну технологију, а управљање њима исцрпан рад стручних аналитичара; испитати потребе крајњих корисника утврдити које информације су битне, и на њих обратити пажњу. Пре пројектовања ЕИС-а требало би извршити испитивање јавности о њиховим потребама и захтевима за информацијама. Један од начина је вршење интернет анкете, где би заинтересовани за коришћење ЕИС-а могли да издвоје, за њих, битне од небитних инфомација; Укључити већи број стручњака из различитих области, како би се постигла тачност и научна утемељеност добијених података. Сложеност животне средине захтева ангажовање већег броја стручњака из различитих области, јер један аналитичар не може познавати и разумети све односе и појаве у животној средини и др. Свака научна дисциплина на другачији начин приступа избору метода истраживања. Када се ради истраживање за потребе пројектовања информационог система животне средине, веома је важан и квалитет и квантитет информација, јер од тога зависи и крајњи резултат. Често се пред еколошке информационе системе постављају велики захтеви, што додатно компликује истраживање. Квалитет ЕИС-а зависи највише од метода које су коришћене у његовом пројектовању, па је њихов избор веома важан. У овом раду вршиће се истраживање параметара животне средине који су промењиви, па ће се приказати само њихово стање у одређеном тренутку. 3.2. Методе обраде података уз помоћ ГИС алата и картографских метода ЕИС мора бити пројектован тако да се омогући картирање, управљање подацима и специјалне анализе, у чему се види велика сличност са географским информационим системом. У основи оба система су базе података, а најчешће 49
коришћен метод сакупљања података је управо, путем теледетекционе класификације сателитских снимака. Уз помоћ ГИС алата могу се израдити карте земљишног покривача, карте потенцијалних природних непогода и њиховог распростирања, тродимензионални прикази земљине површине; на једно место се могу прикупити подаци из различитих извора и о различитим елементима животне средине; од база података се могу издвојити информације потребне за пројектовање еколошких информационих система доступни свима; прикупљене инфомације могу се обрадити и приказати на начин који је јасан и разумљив и др. С обзиром на растуће еколошке проблеме, потребно је пронаћи најефикасније методе које ће омогућити да се на најбржи и најбољи начин омогући сакупљање података, њихова обрада и презентовање. Очување животињских станишта, крчење шума, угрожене врсте, геологија, анализа поплава, превенција загађења, водни ресурси и рударство, само су неке од области у којима ГИС алати могу послужити у сврху обраде података за потребе израде информационог система животне средине (Galati S., 2006). Информације за потребе информационог система животне средине се добијају кроз процесе прикупљања, упоређивања, структурисања и анализирања чињеничних података. Географске информације су информације која се могу повезати са одређеним локацијама на Земљи. Оне обухватају широк спектар, укључујући дистрибуцију природних ресурса, описе инфраструктуре, обрасце коришћења земљишта, природна богатства, становање и навике људи и сл. (DOE, 1987). Из тога произилази да је ГИС сложен систем, састављен из великог броја различитих елемената. ГИС је постао општи назив за системе у распону од оних који приказују само карте за потребе визуализације, преко оних који укључују и рачунарске софтверске пакете 41, до оних који пружају веома моћну просторну и статистичку анализу просторних и повезаних података уз интеракцију човека и машине. 42 Најважнија карактеристика ГИС алата, при обради сателитских снимака, је придруживање карактеристика (атрибута) елементима са снимка, могућност сортирања елемената, тренутни приказ свих карактеристика елемената, коришћење 41 као што је на пример рачунаром подржано пројектовање CAD (computer-aided design). 42 IEEE-VR2002, 20002 (2003): Tenth Symposium on Haptic Interfaces for Virtual Environment and Teleoperator Systems, http://www.rcl.ece.ubc.ca/events/haptics-symposium/index.html. 50
карактеристика како би се дошло до елемента и др (Borough P. A., McDonnell R. A., 2006). Обрада и анализа података добијених теледетекционим методама најкомпликованији и најдужи су процес у пројектовању еколошких информационих система, јер се од великог броја добијених информација издвајају оне које су од интереса за крајње кориснике, и које на најбољи начин могу бити приказане. Обрада снимака захтева читав низ математичких операција, а представља интерпретацију снимака у дигиталном облику и њихову манипулацију путем рачунара (Милановић М., 2008). Обрада дигиталних снимака обухвата 43 : ректификацију снимака (корекција деформисаних слика и уклапање у координатне системе пројекција, у циљу што бољег и вернијег приказа), визуелну интерпретацију снимка од стране људског фактора, при чему аналитичар анализира снимак, уз ангажовање чула вида и логичко закључивање на основу искуства. Визуелена интерпретација сателитског снимка може бити отежана, на пример, тиме што је у планини једна страна осветљена, а друга у сенци. Из тог разлога рачунар исте типове вегетације препознаје као различите класе, па је ту кључна улога аналитичара, класификацију снимака, при чему се пиксели сврставају у класе. Постоји велики број метода за класификацију сателитских снимака, и њихов избор зависи од тога који су алгоритми на располагању у софтверу који се користи у истраживању, као и од познавања и радног искуства са методама од стране аналитичара. Стручњаци у области даљинске детекције подељеног су мишљења када је у питању практична вредност нормализације снимка пре спровођења класификације детекције промена (Song, C. и други, 2001). Нормализација података пре свега је усмерена на то да се за анализу промена земљишног покривача користе два снимка 44 као улаз (input). При томе се полази од предпоставке да, ако су снимци 43 Gulch E. (1991): Extraction of Geometric Features from Digital Imagery, Digital Photogrammetric Systems, Wichmann. 44 сличног радиометријског квалитета, тако да исти тип земљишног покривача на два снимка има исту вредност осветљења (дигитални број) 51
нормализовани, много је лакше приметити промене из једног типа земљишног покривача у други, јер свака промена у вредности осветљења између две слике указује на промене у покривачу. Две једноставне методе које се користе за нормализацију слика су метод одузимања тамног објекта и метод одговарајућег хистограма. Метод одузимања тамног објекта полази од предпоставке да најтамнији објекат на слици има веома ниску рефлексију на сваком каналу. Прво се одређује најнижа вредност пиксела са хистограма на каналу, а онда се та вредност одузима од свих пиксела на каналу, и то се понавља за све канале. Код метода хистограмског поклапања један од снимака се користи као референца, а циљ је модификација хистограма других снимака из различитих датума, тако да се постигне што веће поклапање. Овај метод је доступан у већини софтверских пакета за даљинску детекцију (Horning N. и други, 2010). Нормализација сателитских снимака најчешће се врши код истраживања у којима се користе сателитски снимци са различитих сателита, различитих канала, и из различитих временских периода, па је потребно њихово уклапање у циљу добијања што тачнијих података. За пројектовање, разумевање и управљање Еколошким информационим системима потребно је размотрити просторне обрасце, процесе и односе. Подаци добијени даљинском детекцијом користе се за описивање, објашњење и предвиђање широког спектра географских карактеристика (Fotheringham, Charlton, and Brusden 2000). Они се такође користе у географским информационим системима за управљање социјалним и еколошким карактеристикама (Burrough P., McDonnell 1998). Услед ограничености природних ресурса, ретко се дешава да се добију просторни подаци без грешака, што се одражава на тачност података ЕИС-а. Просторни подаци су често изведени из мерења на терену, при чему се може јавити мерна несигурност. Она може потећи из несавршене тачности инструмента, неспособности реконструкције променљиве (на пример, након промена у речном водостају добили би се другачији подаци од измерених), варирања социјалних и еколошких параметара и сл. (Goovaerts Р., 1997). Теледетекционом надгледаном класификацијом сателитских снимака и новим теренским узорковањем и испитивањима могу се добити информације које су тачније и поузданије, и које се могу користити и поредити са већ постојећим. Два различита типа база података, са различитим информацијама које се прикупљају и презентују, су просторне и непросторне базе података. Потребно је да 52
се картира и анализира велики број слојева података, као што су намена земљишта, топографске информације - путеви, паркови, заштићена подручја и сл. Неки од ових података добијају се од различитих организација, а други су производ података који су изведени из анализе сателитских дигиталних података (Reddy A., 2008). Процесирање снимака почиње увозом у ГИС софтвер. Први корак процесирања је спектрално разлучивање боја са рефлектоване површине. На основу спектралних карактеристика утврђују се угао нагиба, геолошка подлога, педолошки покривач, водена површина, вегетација и антропогене творевине. Затим се одређује спектар вегетацијског покривача и др. 45 Валидацијом података добијених теледетекционом класификацијом, тј. њиховом провером на терену побољшава се квалитет излазних информација. Локације на којима ће се извршити теренско испитивање треба да буду у оквиру површине која је обухваћена сателитским снимком, да буду репрезентативне и прецизно одређене. Проналажење локација на терену врши се уз помоћ GPS уређаја. Уколико је циљ истраживања стварање карте земљишног покривача, теренским испитивањем може се проверити тачност података о типу вегетације, типу земљишта, узимањем узорака испитати физичко-хемијске карактеристике земљишта, воде, могу се додати информације о висини дрвећа, саставу и др. Карта се са сателитског снимка може добити само његовим посматрањем и анализом, али без теренске провере добијених резултата тачност добијених података се доводи у питање. Међутим, валидацију на терену је немогуће извршити када се ради испитивање претходних стања на основу сателитских снимака направљених пре неколико деценија. У том случају проналазе се доступне фотографије из тог временског периода за испитивану област, испитује се сећање становника те области о изгледу земљишног покривача и сл. 3.2.1. Софтвери за обраду сателитских снимака коришћени у раду Процесирање снимака се врши у три фазе: предпроцесирање: пребацивање снимака у облик погодан за рачунарску обраду, радиометријска и геометријска корекција. Побољшањем 45 Schmitt U., Ruppert G. (1996): Forest Classification of Multispectral mosaicking Satellite Images, 602 605, 31, B7, Archives of Photogrammetry and Remote Sensing, Vienna. 53
радиометријског и геометријског квалитета података тежи се побољшању тачности класификације. процесирање: транформација снимака, визуелно побољшање, корекција просторних и спектралних карактеристика и класификација. постпроцесирање: издвајање добијених података за даље коришћење и анализу (Donker N., Soeters R., 1994). За потребе ове дисертације коришћен је софтвер Idrisi у поступцима надгледане и ненадгледане класификације. Софтверски пакет Idrisi развијен је на америчком универзитету Кларк (Graduate School of Geography at Clark University), и убрзо је прерастао у највећи растерски ГИС, намењен пре свега за обраду слике. С обзиром на то да представља комбинацију преко 150 различитих програма, Idrisi обезебеђује комплексне процесе уношења, приказа и анализе географских и еколошких података (Милановић М., Љешевић М., 2009). Слика 3. Еколошко моделовање уз помоћ софтвера Idrisi 32 (Извор: Милановић М., 2004) Idrisi (Слика 3.) има вишеструку примену у еколошким истраживањима обезбеђује алате за еколошко моделовање 46, својим растерским и аналитичким 46 Једна од њих је MACRO MODELAR, који обезбеђује графичко моделовање животне средине, приказивањем развојених модела и тока дијаграма. 54
функцијама омогућава покривање широког спектра потреба ЕИС-а и даљинске детекције од упита из базе података, просторног моделовања, до побољшања особина снимка и сл. Намењен је за геосистемну анализу и обраду слике, а снимци које подржава могу бити до 35000 врста x 35000 колона. 47 Софтверски пакет ArcGIS. За обраду сателитских снимака у овом раду коришћен је софтвер ArcGIS. Обрада је започета увозом растерских слика, затим је извршено геореференцирање, извршен је избор комбинације канала који ће се користити, затим је извршена векторизација, придруживање атрибута векторима, а након тога извоз података. Крајњи циљ обраде снимака је формирање базе података за пројектовање Локалног еколошког информационог система Венчана. Карте које су добијене у ту сврху приказане су и анализиране у одељку 6. 3.2.2. Картографске методе Према аутору Љешевић М. (2002), један од најбитнијих метода истраживања животне средине је картографски метод. Коришћење овог метода омогућава лоцирање свих потребних географских информационих материјала за испитивану територију. За потребе овог рада, картографски метод је коришћен за лоцирање природних и антропогених елемената геопростора на карти. Сателитски снимци знатно су унапредили приказ терена, и представљају помоћно средство картографске генерализације. Да би се израдила карта одређене територије на основу снимка, потребно је прво набавити снимак. Снимак се скенира, врши се његово геореференцирање, па се из локалног пребацује у валидан координатни систем. Применом даљинске детекције у картографији знатно су осавремењене карте, нарочито топографске. Такође, време рада на картирању скраћено је за 2 до 3 године (Милановић М., Љешевић М., 2009). Картирање садржаја елемената животне средине може бити ручно и дигитално ова два начина морају се допуњавати. Прво се картирају природни ресурси (геолошка подлога, рељеф, хидрографија, педологија, вегетација), па изграђени ресурси (инфраструктурни системи, супраструктура, привредни и јавни 47 Милановић М. (2004): Примена даљинске детекције у развоју еколошких информационих система. Београд: Географски факултет, магистарски рад. 55
објекти). Правилно картирање елемената животне средине једна је од најважнијих карика у анализи сателитског снимка. За потребе праћења и истраживања животне средине, развијен је картографски мониторинг. Резултат је синтезе еколошког и даљинског мониторинга, при чему су добијени подаци основа за управљање животном средином. Динамичност животне средине поставила је захтев сталног допуњавања (Милановић М., Љешевић М., 2009). 3.3. Методе даљинске детекције Теледетекционе методе истраживања животне средине настале су као потреба да се увећа број информација о стању животне средине. У овом раду приказаће се начин примене теледетекционе класификације сателитских снимака у изградњи и пројектовању информационог система о животној средини. Информације се добијају коришћењем спектра електромагнетних таласа, које региструју посебни уређаји на сателитима сензори. Теледетекција представља методу којом се проучавају објекти, појаве и процеси на Земљи без директног контакта, а резултат су сателитски снимци (Павловић Р., Чупковић Т., Марковић М., 2004). Теледетекционом класификацијом и анализом снимака долази се до кључних података потребних за изградњу информационог система животне средине. 48 Даљинска истраживања се одвијају у неколико фаза (Sabins F., 1986): припремне активности (анализа топографских основа), теренске активности (провера, кориговање и допуна претходне фазе), финалне активности (завршни рад у кабинету). Исти аутор у поступку теледетекције издваја неколико основних елемената (објекат истраживања Земља, електромагнетна енергија, сензор, платформа, снимак, анализа, интерпретација и коришћење добијених података) и дефинише три фактора која битно утичу на крајње продукте даљинских истраживања: атмосферске прилике, физичке основе човековог вида и материјална средства. 48 Милановић М., Љешевић М. (2009): Теледетекционе методе истраживања животне средине. Универзитет у Београду, Географски факултет, Београд, стр 12-13. 56
У овој дисертацији, теледетекциона обрада снимака изведена је у неколико фаза (Gulch E., 1991): - Геореференцирање је извршено убацивањем контролних тачака у софтверу ArcGIS, у коме је и вршена обрада снимака. Утврђен је међусобни однос координата за коришћене карте и сателитских снимака, а затим је додељена вредност сваком пикселу (resampling). - Ректификација снимака је следећи предузети корак. У овој фази исправљани су деформитети снимака, како би приказ површине био што веродостојнији. Најважнији процеси у овој фази су геометријска корекција, радиометријска корекција и уклањање шума (Olujić M., 2001). - Визуелна интерпретација се састоји од контрастне манипулације, манипулације особина простора и мултиспектралне анализе. Контрастном манипулацијом је коригован праг сивих тонова поделом снимака на две класе. Манипулација особина простора обухватала је поступке ивичног побољшања и просторног филтрирања. Мултиспектрална анализа састојала се у упоређивању спектралних односа на снимцима (Jacobsen K., 2002). - Класификација сателитских снимака подразумева разврставање пиксела у класе. У раду је коришћена надгледана теледетекциона класификација и урађено је поређење у односу на ненадгледану класификацију. Захтеви за информацијама определиће начин прикупљања података. Уколико су веће потребе за детаљнијим подацима које се не могу прикупити теледетекционом класификацијом сателитских снимака (нпр. подаци о концентрацији загађујућих материја у води и земљишту), приступиће се истраживачким теренским методама уз помоћ којих је најлакше и најбрже могуће доћи до тачних и проверених информација. При томе се може користити техника надгледане класификације сателитских снимака, која обједињује теледетекционе и теренске методе прикупљања података. Мултиспектрални подаци су улаз за истраживање стварног и измењеног стања елемената животне средине. Поступци детектовања промена у животној средини укључују употребу низа података из више различитих временских периода ради откривања промена на земљишном покривачу између времена стварања слике (Donker N., Soeters R., 1994). 57
По аутору Olujić М. (2001), предности теледетекције су: 1. Прикупљање и добијање квалитативно нових података 2. Могућност истраживања територија од неколико десетина квадратних метара до неколико хиљада квадратних километара 3. Анализирање спектралних подручја невидљивих за људско око 4. Могућност анализе и синтезе простора 5. Истраживање огромних површина (применом, нпр. теледетекционе ненадгледане класификације) 6. Прикупљање разноврсних података 7. Стално праћење промена и појава у простору и времену 8. Дигитални приказ података 9. Обрада сателитских снимака уз помоћ специјализованих софтвера 10. Картирање у кабинету, на рачунару, на основу снимка 11. Кабинетско проучавање тешко доступних и неприступачних подручја 12. Системско посматрање појава 13. Истраживања нису ограничена временским условима 14. Ефикасност у процесима прикупљања и обраде података 15. Рационалност при истраживању 16. Економичност и др. Недостаци теледетекционих метода у прикупљању података за пројектовање ЕИС-а су: - Немогућност добијања свих категорија података који се постављају као неопходни саставни део ЕИС-а, - Често се подаци добијени теледетекцијом не подударају са онима који су добијени теренским истраживањем, - Обим и категорија података који се добијају теледетекцијом су ограничени, - Теледетекционим методама класификације сателитских снимка не могу се добити подаци о нивоу буке нпр. - Добијене податке је потребно исправљати и допуњавати, што изискује додатно време и трошкове. 58
3.3.1. Карактеристике и врсте сателитских снимака Пројектовање захтева познавање информација везаних за ону територијалну површину за коју се испитивање врши. Теледетекционе методе класификације користе сателитске снимке у ту сврху, а опсег информација које се на овај начин могу прикупити је велики. Сваки конкретан опсег таласних дужина чува се као посебна слика, која се обично назива канал (band). Канал је сличан црно-белој дигиталној фотографији. Појединачни канали могу се користи за идентификацију различитих функција на терену, а комбинација слика различитих таласних дужина омогућава стварање слике у боји. 49 Зависно од информација које се желе добити, врше се различите комбинације канала. Да ли ће моћи да се изврши квалитетна анализа, зависи од боје сателитског снимка, нијанса боје и њене засићености. Присуство ових параметара одређује врсту снимка, а она говори о спектралним карактеристикама (Милановић М., 2008). Слика 4. Панхроматски снимак са сателита Landsat-7. Лево: град Милвоки, десно град Грин Беј у Америци, јул 2001 (Извор: http://wisconsinview.ssec.wisc.edu/education/gallery.php) Панхроматски сници (Слика 4.) су црно-бели снимци, добијени са сензора који имају само један канал (Norwood V. T., Lansing J. C., 1983). Њиховом 49 /www.amnh.org 59
комбинацијом са снимцима са других канала могу се добити колор композити. Ови снимци имају ограничене могућности за тумачење зељишног покривача, али су своју примену нашли у анализи насеља и саобраћајница, који се на њима јасно могу издвојити. 50 Мултиспектрални сателитски снимци у ужем смислу речи. Ови сателитски снимци састоје се од већег броја канала, па се њиховом комбинацијом могу добити и црно-бели, и снимци у боји. Тумачење боја на колор композиту захтева разумевање спектралних карактеристика за сваку сцену на снимку (Donker N., Mathuis B. 1994). Због тога је разумевање спектралних карактеристика потребно за што боље искоришћавање података који се могу добити са сателитског снимка. Комбинација зеленог и црвеног канала може се користити за приказивање рељефа, хидрографије, геолошких елемената, урбане структуре; док је блиско инфрацрвени (блиски IR спектар) погодан за истраживање вегетационог покривача (Милановић М., 2008). Верни, лажни и природни колор композити. Комбинацијом већег броја канала добијају се колор композити. Tри основне боје су плава, зелена и црвена, а њиховим преклапањем стварају се колоркомпозити неопходни за потребе докторске дисертације (Слика 5). Слика 5. Адитивни колор систем (Извор: Bakx P., 1995) 50 Аутор Carlotto J. (1996) тврди да су најповољнији за истраживање градског подручја и за инфраструктуру (саобраћајнице, гасоводи, нафтоводи), док су неповољни су за истраживање вегетације. 60
На слици 6. могу се видети канали доступни на сензору ETM (Enhanced Thematic Mapper), сателита Landsat. Сваки појединачни канал даје другачије информације о истој територијалној површини. Ови снимци направљени су у априлу 2003. године, и обухватају град Хуе у Вијетнаму и његову околину. Канал 1 Канал 2 Канал 3 Канал 4 Канал 5 Канал 6 Канал 7 Слика 6. Сателит Landsat, канали у црно-белом колориту (Извор: Амерички музеј Националне историје, Центар за биодиверзитет и заштиту животне средине, www.amnh.org) Канал 1 (плави канал) најчешће се користи за представљање водених екосистема. Користи се за контролу водене површине, картирање коралних гребена, утврђивање дубине воде и сл. Због кратких таласних дужина делује разбацано, па 61
се ретко користи. Канал 2 (зелени канал) се користи за приказивање неравних површина и донекле вегетације, док се канал 3 (црвени канал) најчешће користи за анализу тла и праћење здравственог стања вегетације. А Б Канал 4=црвена, 5=зелена, 3=плава Канал 3=црвена, 2=зелена, 1=плава В Г Канал 4=црвена, 3=зелена, 2=плава Канал 5=црвена, 4=зелена, 3=плава Слика 7. Примери различитих колор композита, град Хуе у Вијетнаму, април 2003. године (Извор: Амерички музеј Националне историје, Центар за биодиверзитет и заштиту животне средине, www.amnh.org) Код канала 4 (блиско инфрацрвени) долази до апсорбције светлости изнад воде па су водени објекти веома мрачни, док су изнад земље површине светле. Због тога се овај канал најчешће користи за разликовање земљишта и воде. Канал 5 (средње инфрацрвени) омогућава идентификацију воде у земљишту и вегетацији. Сличну намену има и канал 7 (средњи инфрацрвени). Канал 6 (термални или далеки 62
инфрацрвени) може се користити за мерење температуре земљишне површине, температуре код биљака и сл. 51 Поред таласних дужина видљивих за људско око (црвене, зелене и плаве), информације се прикупљају и за инфрацрвене и термалне таласне дужине. Комбинацијом слика из различитих таласних дужина, аналитичар добија слику у боји. Примери слика у боји, добијених комбинацијом канала сензора ETM сателита Landsat могу се видети на слици 7. Од избора комбинације канала зависи које ће информације бити доступне. За дефинисање сателитских снимака неопходно је разумети функционисање свих канала на сензорима. Методом рачунарске обраде података могу се добити различити подаци, у зависности од тога који канали су комбиновани. Преклапањем слика различитих канала добијају се колор композити. Колор композити могу бити: Верни или прави (често их називају природни колор композити) су снимци добијени стапањем канала три примарне боје (плава, зелена и црвена) видљивог дела спектра. На верном или правом колор композиту боје које се запажају преклапањем три примарна снимка су истоветне као у природи (Červenka V., Charvat K., 1998). Најприближније правом колор композиту су слике 8Б и 8Г. На обе слике вегетација је престављена зеленом бојом, док су речни токови плави. Овакав, верни колор композит је најпрактичнији, јер га могу разумети и тумачити и људи који нису упознати са даљинском детекцијом, што је значајно за пројектовање ЕИС-а. Недостатак ове комбинације канала је стварање магловите слике. Лажни колор композит се добија преклапањем различитих канала, при чему се у модулу софтвера састављају колор композити према тематској целини која се истражује. Крајњи циљ стварања лажног колор композита је препознавање и дешифровање одређених специфичних појава на земљиној површини (Miao X. и други, 2006). Лажни колор композити најчешће се користе за препознавање вегетације и њену анализу помоћу њих се, на пример, могу пратити промене у вегетацији, може се измерити биомаса вегетације, може се утврдити количина влаге у вегетацији и др. Слика 8А представља лажни колор композит, код кога је вегетација представљена нијансом црвене боје, и он се често користи у даљинској детекцији због оштрине слике. Ова комбинација канала посебно је била популарна 51 www.amnh.org. American Museum of Natural History's Center for Biodiversity and Conservation (AMNH-CBC) Issue 1. October, 2003 63
пре појаве дигиталних уређаја за даљинску детекцију, али постоји тенденција наставка његовог коришћења. Град Хуе је представљен светло плавом бојом. Тамно браон површина у левом углу представља шуму, док су трава, жбуње и пиринач представљени нијансама наранџасте. 52 Слика 8В такође представља лажни колор композит, и најчешће се користи у анализи вегетације. Овакво комбиновање канала омогућава прецизније уочавање граница воде и земљишта и јасније разликовање типова вегетације. За разлику од сателита Landsat који има 7 бендова, НАСА сателит ASTER има 14 спектралних бендова који се могу користити за добијање детаљних карата (Mah A., 2002). Сателит ASTER може се користити за картирање промена вегетације уз помоћ NDVI (Normalized Difference Vegetation Index) индекса, као што се може видети на слици 8. Добијени NDVI индекс се може користити као посебни канал и у комбинацији са другим спектралним каналима могу се добити колор композитни снимци, који омогућавају одређивање типова вегетације. Слика 8. Вегетација приказана уз помоћ снимка са сателита ASTER (Извор: GISdevelopment.net) Вегетација је приказана зеленом бојом, док је остали терен у сивој боји. Леви снимак је снимљен у марту а десни у априлу 2001. године. Њиховим 52 www.amnh.org. American Museum of Natural History's Center for Biodiversity and Conservation (AMNH-CBC) Issue 1. October, 2003 64
поређењем могу се уочити промене, изражене у смањењу површине под вегетацијом. 3.3.2. Добијање информација са сателитских снимака Сателити, уз помоћ својих сензора, имају способност да региструју енергију коју рефлектују тела на земљиној површини. Сензори су уређаји за уочавање, регистровање и мерење рефлектоване и емитоване електромагнетне енергије. 53 Према аутору Biberman L. (2000), главне карактеристике сензора су: спектрална резолуција (одређена бројем и ширином спектралних канала један канал даје црно-бели снимак, док се комбинацијом већег броја спектралних канала могу добити мултиспектрални снимци) просторна резолуција (представља најмању површину земљишта која се на снимку може уочити) радиометријска резолуција (дефинисана је укупним бројем нијанси у једном спектралном каналу) временска резолуција (изражава се кроз број дана који је потребан сателиту да пређе исто подручје) положајна тачност (представља тачну локацију сателита у сваком тренутку) висинска тачност (представља трећу димензију, и веома је важна код пројектовања тродимензионалних модела терена) распознавање објекта (односи се на могућност препознавања објекта, појаве и процеса са снимка). Према аутору Милановић М. (2008), подаци који се могу добити анализом мултиспектралних снимака деле се у три групе: Мерљиви подаци (свака тачка у природи има своје математичке координате географску ширину и дужину. Мерљиви подаци добијају се утврђивањем реперних тачака са сателитског снимка); 53 Norwood V. T., Lansing J. C. (1983): Electro-optical imaging sensors, Falls Church, Virginia: American Society of Photogrammetry. 65
Подаци рецентног или реалног стања животне средине (подразумева истраживање, које обухвата и анализу и оцену свих њених елемената и класа података. Детектују се природни и техногени ресурси) и Подаци измењеног стања животне средине (природним или антропогеним путем). Пре обраде сателитског снимка, мора се прецизно дефинисати подручје које се жели истражити. Када се испитују комплексније појаве које се односе на веће територијално подручје, потребно је обухватити ширу површину од испитиване да би се могло пратити окружење. Дефинисање класа такође је важан процес од ког зависи и време и цена истраживања, па је најбоље на почетку издвојити оне које су потребне. Одабир минималног броја класа, које су за истраживање најпотребније, најпрактичније је решење. Након дефинисања класа, врши се избор сателитског снимка. На избор сателитског снимка доста утиче то која је резолуција дефинисана као потребна за истраживање. За истраживања локалног карактера, као што је случај у овој дисертацији, потребни су снимци велике резолуције, како би се могле добити тачне и прецизне информације. Након што се сателитски снимак пребаци на рачунар, започиње се његова обрада, како би се добили потребни подаци. Добијени подаци се анализирају, и издвајају се они који су за истраживање битни. Анализа снимка је процес који захтева искуство и добре логичке и визуелне способности аналитичара. Поред анализе аналитичара, постоји и анализа рачунарским путем. Ова анализа је бржа, јефтинија, не зависи од субјективне способности аналитичара, али на овај начин не могу се уочити неке појаве и процеси које може уочити искусно око аналитичара. 66
3.3.3. Теледетекциона надгледана и ненадгледана класификација сателитских снимака Теледетекциона класификација омогућава да научна теорија добије апликативан карактер у решавању проблема и предвиђању појава и процеса у животној средини. Истакнуте методе за прикупљање података 54 потребних за пројектовање ЕИС-а су теледетекциона надгледана и теледетекциона ненадгледана класификација сателитских снимака. Применом надгледане и ненадгледане класификације могу се смањити трошкови и време потребно за прикупљање података о загађивачима. Поступак надгледане теледетекционе класификације захтева претходно познавање терена и прикупљање додатних података. Овај процес је знатно олакшан када се проучава територија за коју већ постоје прикупљени подаци. Посебна предност ненадгледане класификације је што за њено спровођење није неопходно претходно детаљно знање о простору, али познавање терена је потребно у тумачењу значења резултата произведених у процесу класификације (CampBell Ј., Wynne R., 2011). Основа и једне и друге методе прикупљања података су сателитски снимци. Сателитски снимци се процесирају, анализирају; затим читају, дешифрују, фотоинтерпретују и повезују са ГИС-ом. 55 Код надгледане класификације аналитичар утврђује репрезентативне класе и пикселе упоређује и ставља у класу којој највише личе, док се код ненадгледане класификације пикселима додељују вредности према најсличнијим околним пикселима. Један од главних корака надгледане класификације је подела карактеристика истраживаног простора. Овај корак врши аналитичар, дефинисањем спектралних карактеристика репрезентатитних класа. Код надгледане класификације подразумева се да аналитичар познаје истраживану област. Аналитичар мора знати где може наћи спектралне класе, а то је могуће само ако се познају опште карактеристике терена, или се изврши његово директно посматрање и испитивање. Прикупљање података ненадгледаном класификацијом сателитских снимака врши се без директног контакта са појавом која се изучава. Овакво прикупљање 54 Податке треба разликовати од информација по томе што су подаци представа предмета, процеса или појаве; док информације представљају обрађен или протумачен податак. 55 Lillesand T. M., Kiefer R. W. (2002): Remote Sensing and Image Interpretation, John Wiley & Sons, Inc., New York. 67
података је брже, лакше, јефтиније, али за детаљније истраживање често није довољно. Метод надгледане класификације сателитских снимака подразумева да се подаци прикупљени анализом сателитских снимака допуњују са претходно прикупљеним подацима, подацима добијеним теренским истраживањем, лабораторијским методама, као и комбинованим коришћењем других метода статистичких, аналитичких, еколошких и сл. 3.4. Методе анализе и синтезе добијених резултата Анализа или визуелна интерпретација представља идентификацију и опис карактеристика које аналитичар запажа посматрањем сателитског снимка, фотографије, аерофото снимка и сл. Аналитички приступ подразумева да се све појаве и процеси посматрају као скуп појединачних, независних елемената, које треба посебно проучити како би се разумела природа целог скупа. Синтеза се заснива на посматрању свих појава и процеса као јединственог система (Љешевић М., 2005). Потребно је да је снимак задовољавајућег квалитета да би анализа била могућа. У процесу анализе, прво се селектују објекти или територије који су за истраживање битни; након тога се уочавају промене, процеси и обрасци, као и разлике између појава и објеката у тој области. Од анализе сателитских снимака зависи квалитет крајњих информација. Из тог разлога је веома битно да се она врши уз поштовање утврђених правила и коришћењем проверених метода. На сателитским снимцима може се издвојити више врста земљишног покривача геометријски правилни облици најчешће указују на њиву, воћњаци се препознају по томе што су стабла најчешће из исте године, истог размака и релативно правилног облика крошње; површина под вегетацијом окружена урбаним подручјем најчешће указује на парк и сл. Поред идентификовања земљишног покривача, даљинском детекцијом могу се и пратити промене на њему. Посматрањем сателитског снимка велике резолуције могу се уочити празнине у крошњама, и на тај начин идентификовати сеча шуме. То је могуће извести и поређењем снимака из различитих временских периода. На тај начин могла би се одредити тачна локација непланске сече и крађе шума, што 68
доприности њиховој контроли и спречавању. Један од метода за праћење промена у земљишном покривачу је коришћење NDVI индекса (Horning N. и други, 2010). Велике разлике за вредности NDVI-а на две слике из различитих временских периода, указују на знатне промене у земљишном покривачу. Оно на шта се мора обратити пажња, је да снимци буду из истог годишњег доба, јер сезонске разлике могу показати велике вредности NDVI, што се може погрешно протумачити као трајна промена у вегетацији. За анализу сателитских снимака користе се различите методе, како би се од постојећих информација добили подаци који су потребни крајњим корисницима. Посебно се истиче значај искуства аналитичара за добијање што квалитетнијих и тачнијих резултата потребних за пројектовање ЕИС-а. За анализу сателитског снимка најбитније је да аналитичар поседује вештину, стечену искуством, да повеже појаве и објекте са слике са оним који се налазе у реалном простору. Аналитичар треба да поседује знање, вештину и искуство у тумачењу сателитских снимака, како би могао да произведе што верније податке за испитивану област. Знање које треба да поседује аналитичар обухвата различите области: Географија аналитичар треба да поседује знање из области физичке географије: геоморфологије (да познаје састав и структуру морфолошких облика на земљиној површини сл.), педологије (да зна саставе сваког типа земљишта и да зна да их препозна на снимку), хидрологије (како би аналитичар знао да издвоји и анализира загађујуће материје у води, потребно је да познаје њен физички и хемијски састав, као и граничне вредности дозвољене законом), биогеографије (аналитичар често на снимку треба да препозна вегетацију и да је анализира да издвоји суву од здраве, да препозна биљне врсте, да издвоји реликтне врсте и сл.) и палеогеографије (често је за анализу садашњег стања физичкогеографских услова потребно познавање тока њихових промена у прошлости). Такође, од великог значаја је поседовање знања из области друштвене географије: демографије, географије становништва, антропогеографије (у анализи сателитских снимака потребно је познавање сложених веза и деловања између човека и животне средине, а посебно тамо где долази до њиховог директног контакта), географије насеља (аналитичар се често бави изучавањем насеља уз помоћ сателитских снимака анализира тип насеља, прати тенденцију његовог развоја упоређивањем старих и нових сателитских снимака и сл.), економске географије (аналитичар треба да зна 69
да анализира тренутну организацију економских делатности, али и да предвиди најбољу организацију у будућности) и политичке географије (за анализу тренутних стања потребно је познавање актуелних политичких прилика у свету и административно-територијалних подела). Картографија без обзира на то што се данас већина карата израђује на рачунару и уз помоћ сателитских снимака, познавање картографије је у пројектовању ЕИС-а неопходно. Детаљно и свеобухватно сагледавање просторних података могуће је само ако аналитичар поседује знање и искуство у анализи карата. Екологија аналитичар треба да поседује знања о животној средини и међусобним везама и односима живих организама у оквиру ње, као и њихове везе са окружењем. С обзиром на то да је у пројектовању Еколошких информационих система централна област интересовања и истраживања екологија, подразумева се да истраживач који се бави анализом сателитских снимака за потребе ЕИС-а, треба да поседује заначајна знања из ове области. Информатика пројектовање ЕИС-а, као и даљинска детекција, директно зависе од рачунарских система. Квалитет и квантитет података који се добијају као резултат истраживања зависе од знања и искуства у раду са програмима за обраду сателитских снимака, пројектовању, моделовању, дизајнирању. Математика често се од аналитичара захтева да врши математичке прорачуне како би дошао до крајњих резултата. У анализи карата или теренској провери добијених података потребно је израчунавање координата тачака у простору. Хемија аналитичар треба да познаје хемијске елементе, јер често се врши израчунавање њихове концентрације у води, земљишту, ваздуху уз помоћ сателитских снимака. Вештина аналитичара односи се на способност да уочи појаве и процесе који нису видљиви на снимку само на основу једноставног осматрања. Искуство аналитичару омогућава да препозна устаљене појаве и процесе, као и да препозна и на прави начин протумачи оне појаве код којих се најчешће јављају грешке у тумачењу. Вештину и искуство аналитичар стиче временом и радом на почетку може само уочити да нека карактеристика постоји, са мало више искуства може је 70
идентификовати и описати, а са још више искуства и прикупљених информација може је анализирати и повезати са окружењем. У анализи слике посматрају се њена боја, текстура, облици, сенке. Када се врши анализа на основу посматрања боје, пожељно је да се за одређено истраживање користи иста комбинација бендова, јер различите комбинације бендова могу дати различите нијансе боје за исту вегетацију, па може доћи до погрешних тумачења. Текстура слике најчешће се појављује од сенки, и помаже у тумачењу врсте вегетацијског покривача ако је, на пример, текстура неправилног облика, онда се ради о шуми; а ако је правилног облика, о воћњаку; ако је у низу о дрвореду и сл. Сенке се не користе баш често у анализи, јер могу да доведу до погрешних закључака због промене угла из ког светлост пада, али могу имати велики значај у акцентовању облика рељефа, код голог, стеновитог терена, на пример. Такође, дужина сенке може дати допринос у одређивању висине објеката. Према текстури, може се направити разлика између листопадних и зимзелених шума, гушћих и ређих, природних и плански сађених, старијих и млађих. Правилни облици у природи правоугаони или четвороугаони, најчешће указују на њиву 56, док у градовима правилни облици вегетације најчешће представљају паркове. Поред поменутих параметара, за анализу слике често значајна може бити локација објекта тако, на пример, ако уочимо на слици релативно праву линију која повезује два града, закључићемо се да се ради о путу. Време, односно доба године у које је снимак направљен знатно доприноси његовом тумачењу. За анализу вегетације (њеног типа, структуре, количине влаге) се користе снимци када вегетација олиста, а за анализу других објеката који се налазе у шуми (путева, потока, типа подлоге) погоднији су снимци из касне јесени или зиме. Најбоље је комбиновати снимке из различитих доба године како би се добиле што потпуније и тачније информације, јер неке функције се мењају у зависности од годишњег доба. Анализа сателитског снимка од стране човека може се често довести у питање због великог броја отежавајућих околности које утичу на крајњи резултат. Перспектива на слици је често другачија од онога што човек види, снимком је обично обухваћена велика територијална површина, подаци на снимку често нису 56 Познавање времена садње усева и његовог изгледа може помоћи аналитичару да идентификује тип вегетације која се налази на њиви. 71
оно што се људским оком може видети 57, снимци садрже огроман број података и детаља, па их човек не може уочити и сл. У архивама постоји огроман број сателитских снимака, па би њихова обрада могла да потраје деценијама. Из тог разлога се даљи развој даљинске детекције усмерава ка тежњи да се аутоматизује тумачење сателитских снимака уз помоћ рачунара и савремене опреме за снимање. Са друге стране, рачунарска аутоматска обрада података има своје недостатке, између осталог у томе што рачунари немају способност да уоче неправилности и неуобичајене појаве, концепте и обрасце, да уоче и тумаче односе између суседних пиксела. Из тога је најбоље решење комбиновање рачунарске обраде података и обраде од стране аналитичара. 58 Имајући у виду стално повећавање квалитета и квантитета прикупљања сателитских снимака, док се не нађе решење за брже тумачење сателитских снимака, велики број података прикупљених у архивама вероватно ће пропасти. 3.5. Метод анализе и синтезе реалног и измењеног геопросторног система Утврђивање рецентног стања елемената и фактора животне средине даљинском детекцијом се постиже обрадом снимака различитих спектралних канала, снимљених у различитом временском периоду. Истраживање тренутног стања животне средине је најквалитетније ако се анализирају и упоређују снимци направљени у раним јутарњим и поподневним часовима. Промене у реалном геопросторном систему огледају се у динамичности и сложености, било у позитивном, било у негативном смислу. Путем утврђивања спектралних скала сваког објекта, појаве и процеса кроз примену синтезне методе проучавања средине, обезбеђују се тачни и проверљиви резултати за тренутно и измењено стање животне средине. Утврђивањем просторног распореда загађујуће материје, омогућава се 57 Савремени сателитски снимци могу снимити чак и оно што за људско око није видљиво, па стога аналитичар и нема способност да уочи појаве, као што су електрони, ултраљубичасти зраци, концентрације планктона и сл. 58 Hoffman R., Markman А., Carnahan W. (2001): Angles of Regard: Psychology Meets Technology in the Perception and Interpretation of Nonliteral Imagery. Interpreting remote sensing imagey-human factor. CRC Press. 72
њихово картирање и повезивање добијених резултата у ГИС. 59 У систему животне средине која је предмет овог истраживања, промене се односе на последице одлагања отпада у животну средину, испуштања комуналних вода у речне токове, неконтролисане употребе пестицида у пољопривреди, нерационалног коришћења природних ресурса и др. Да би се дефинисала и истражила животна средина, неопходно је да се посматрају сви елементи њене структуре, везе и односи у систему и све оно што сачињава систем. 60 Аутор Аћамовић Н. (2000) животну средину не дели на природне и изграђене ресурсе, као већина аутора, већ истиче да они чине јединствену целину, коју као такву треба и проучавати. Природна и изграђена средина се међусобно прожимају, једна на другу делују, па, према томе, и функционишу као један систем. Аутор М. Љешевић (2005) истиче да животна средина подразумева социјалне, природне и изграђене елементе и физичке, хемијске и биолошке факторе живљења, тј. све оно што на посредан и непосредан начин утиче на живот и делатност људи. Поред абиотичких и биотичких елемената ту је још и друштво у коме човек живи, као и производи људског рада и других активности. Посебно треба обратити пажњу да се сваком елементу животне средине приступи парцијално, због разлика у карактеристикама, а да се, истовремено, целокупној средини приступи интегрално. Из природе међусобних веза у оквиру животне средине, проистиче потреба њиховог сталног испитивања и праћења. 3.6. Могућности коришћења добијених информација Еколошки информациони системи обезбеђују праћење, прогнозе и извлачење значајних закључака о елементима животне средине, на основу база података. Међутим, они нису само базе података, јер обезбеђивањем опсежних информација омогућавају крајњим корисницима да решавају велики број питања и проблема везаних за стање и заштиту животне средине. Широм света је развијен велики број за решавање различитих проблема 59 Милановић М. (2008): Теледетекциона мултиспектрална анализа у истраживању елемената животне средине Београд: Географски факултет, Докторска дисертација. 60 Юдин Э. (1978): Системныи подход и принцип деятельности. Методологические проблемы современной науки, Наука. 73
управљања животном средином и њеним елементима. Они служе за процену ризика угрожености појединих елемената на целокупно стање животне средине, за управљање коришћења елемената животне средине, за њихово ефикасно и одрживо коришћење и сл. Теледетекционе методе и ЕИС истраживања животне средине омогућавају свима доступан приказ просторних и непросторних информација о свим елементима животне средине. Крајњи корисник информација коришћењем ЕИС-а може да пронађе, анализира, презентује, предвиђа, и укључује се у планирање везано за животну средину. Заснованост на ГИС-у, омогућава повезивање података са локацијама, као и повезивање са другим изворима података. По аутору Милановић М. (2008), анализа се врши за све природне објекте, појаве и процесе на снимку, геолошке и геоморфолошке целине, вегетацију, воде, идентификацију плавних подручја, подручја угрожених пожарима, детерминисање влажних подручја и анализу њиховог деловања на вегетацију и др. Анализа техногених елемената обухвата идентификацију искоришћеног земљишта од стране човека грађевине, објекте становања, елементе инфраструктуре и супраструктуре, пољопривредне површине и др. С обзиром на то да су природни елементи животне средине у директној или индиректној вези са антропогеним елементима, потребно их је посматрати и истраживати комплексно. 74
4. МЕТОДОЛОШКИ И ПРАКТИЧНИ ПРОБЛЕМИ ПРОЈЕКТОВАЊА ЕКОЛОШКИХ ИНФОРМАЦИОНИХ СИСТЕМА ПРИМЕНОМ ТЕЛЕДЕТЕКЦИОНЕ НАДГЛЕДАНЕ КЛАСИФИКАЦИЈЕ СНИМАКА Према аутору Usländer T. (2010), за пројектовање и дизајнирање еколошких информационих система најчешће су задужени системски архитекта или системски аналитичар. Њихови задаци усмерени су на посредовање између стручњака у домену препознавања и разумевања захтева корисника ЕИС-а и програмера који врше програмирање ЕИС компоненти. ЕИС се мора пројектовати на начин на који ће бити разумљив и лак за коришћење, како би могли да га користе и заинтересовани појединци који нису стручњаци из области теледетекције и информационих технологија. Дизајн ЕИС-а мора бити у складу са међународним стандардима, мора се ослањати на проблеме животне средине, мора бити добро технички и организационо концептиран. У ЕИС-у, за интеграцију података посматрања, контекстуалних података и феноменолошких модела из различитих извора у циљу добијања нових информација о животној средини, користе се процеси фузије. Могу се разликовати три врсте процеса фузије: просторне услуге фузије, узрочне услуге фузије и темпоралне услуге фузије. 61 Дизајнирање ЕИС-а је успешно урађено уколико омогућава да се прикупљени подаци користе поново, ако је израђен на начин разумљив великом броју корисника, уколико одговара на велики број захтева корисника. Да би се то постигло, пројектовању треба да претходи прикупљање проверених, потребних и квалитетних информација. Велики број информација за потребе пројектовања ЕИС-а може се прикупити уз помоћ теледетекционих метода надгледане и ненадгледане класификације сателитских снимака. Најпогодније стратегије за рекласификацију даљинског очитавања података су ненадгледани и надгледани метод класификације (Neteler M., Mitasova H., 2008). Разлика између ове две методе је у томе што се код ненадгледане класификације 61 Klopfer M., Simonis, I. (2009): SANY - an open service architecture for sensor networks. ISBN 978-3-00-028571-4. http://www.sany-ip.eu/publications/3317 75
врши само oбрада сателитских снимака; док надгледана класификација подразумева проверу добијених података на терену, или комбинацију са претходно вршеним анализама и постојећим подацима. Теледетекциона надгледана класификација представља процес разврставања пиксела у класе. У неким случајевима може дати крајњи производ, али најчешће служи само као прелазни корак у сложеним анализама, као што су студије деградације земљишта, пејзажно моделирање, управљање морским добром, управљања ресурсима и праћење других елемената животне средине (Perumal К., Bhaskaran R., 2010). На тај начин је надгледана класификација постала значајно средство у истраживањима елемената животне средине. Примарни подаци на којима се заснива поступак класификације базирани су на типу заузимања земљишта (земљишном покривачу) као што су шуме, пољопривредно земљиште, пустиње и др. Све ове карактеристике земљине површине имају различите вредности спектралне рефлексије. На основу овога се праве тематске карте коришћења земљине површине. 62 4.1. Појам и значај теледетекционе надгледане класификације сателитских снимака Надгледана класификација (supervised classification), заснива се на утврђивању репрезентативних класа (training areas), путем алгоритама упоређивањем са нумеричким вредностима пиксела на слици (Guo J. L., Haigh D. J., 1991). Сваки пиксел се након упоређивања додељује категорији којој највише личи. Постоји неколико нумеричких вредности које се користе за поређење непознатих и познатих пиксела (Милановић М., 2008). Код надгледане класификације процес груписања пиксела у класе врши се на основу репрезентативних класа које аналитичар дефинише. Репрезентативне класе су групе пиксела које представљају области за које су већ познате информационе класе (земљишни покривач, геолошки тип и сл.). 62 Reddy A. (2008): Remote Sensing and Geographical Information Systems. Third Edition. BS Publications, Hyderabad. 76
Надгледана класификација развијена је у претходне две деценије. Она интегрише теледетекцију, ГИС и базе података (Gamage М., Ahma М., Turral H., 2009). Њен значај је велики, с обзиром на то да пружа информације које су тачније од информација добијених другим методама сакупљања података. Контрола добијених података на терену омогућава и комбинацију са другим теренским облицима истраживања животне средине, па се у исто време могу узети узорци за лабораторијска испитивања, и на тај начин употпунити базе података за пројектовање. Утврђивање репрезентативних класа врши се путем алгоритама, упоређивањем са нумеричким вредностима пиксела на слици. Сваки пиксел се након упоређивања додељује категорији са којом има највише сродности. Надгледана класификација слике зависи од разлика у рефлексији на површини Земље, а у голим областима од састава материјала на земљиној површини. Пикелпо-пиксел спектралне информације се користе као основа за аутоматизовану класификацију земљишног покривача. Класификовани алгоритми дају класификован тематски слој. Оваква форма класификације доприноси, у исто време, како сегментацији слике, тако и класификацији. Карактеристика овог метода, често препозната као мана, је да даје велики број веома малих сегмената, па стога веома фрагментиран тематски слој. Тематски слој је процентуалан у смислу тачности у поређењу класе узорка слике са препорученом класом. Репрезентативни узорци су одабрани за сваку класу из различитих локација слике. Тачност процене класификације обично се врши проценом грешке матрица (Aksoy S., 2008). У последње време, истраживачи су се кроз бројне студије бавили могућностима развоја и примене вештачке интелигенције за потребе даљинске детекције. Поред тога, предложен је значајан низ метода даљинске класификације слика, како би се побољшала тачност добијених података (Landgrebe D., 1999). 4.2. Циљеви и методе надгледане класификације снимака Циљ даљинске детекције на терену је да се пренесе на карту већи број категорија земљишног покривача, уз коришћење сателитских снимака. Метод класификације дрвећа је посебно користан метод надгледане класификације када је 77
резултат променљива са већим бројем категорија и када су укључене категоричке и континуиране варијабле. 63 Циљ поступка класификације снимака је аутоматска категоризација свих пиксела једног снимка у класе (Lipovšćak B., 1989). Стварање карте комбиновањем даљинске детекције и података прикупљених на терену добра је синергистичка употреба оба извора података. Генетски алгоритми су један од приступа рачунарског учења надгледане класификације који је развијен 1970. године. Овај приступ је користан када постоји велики простор за тражење решења и где постоје сложени односи између варијабли. На пример: "Врста А је присутна ако је годишња количина падавина већа од 20 cm и просечна температура месеца јула мања од 14 C." Недавно је развијен приступ генетских алгоритама у SDM (Software Development Manager) софтверу, који је је развијен да има предност наметања минималних услова за сваки фактор животне средине, тако да ако један фактор падне испод критичне границе, погодност станишта нагло опада (Termansen et al., 2006). Насупрот томе, адитивни модели као што су GLMs 64 и Gams 65 суштински третирају еколошке факторе као да једни могу да замене друге, што не може увек бити еколошки реално. Генетски алгоритми нису тако широко искоришћени у анализи података о животној средини као друге методе рачунарског учења. Изузетак је што се генетски алгоритми интензивно користе у SDM кроз примену GARP 66 софтвера (Franklin J., Miller J., 2010). По аутору Reese H. (2011), надгледана класификација сателитских снимака зависи од референтних података од самог почетка анализе. Референтни подаци се користе за идентификацију подскупа пиксела на слици, како би се изградио модел за алгоритам класификације. Овај модел се, након тога, примењује на цео сателитски снимак. Ови референтни подаци називају се репрезентативне класе (training data). Квалитетно урађене репрезентативне класе могу да доделе нивое класе у нивоу спектралних вредности које се налазе на сателитском снимку. Теледетекциона надгледана класификација укључује: метод максималне веродостојности, метод минималне удаљености, 63 Franklin J., Miller J. (2010): Mapping species distributions: spatial inference and prediction. Cambridge University Press, New York. 64 Generalized linear model Генерализовани линеарни модел. 65 The General Algebraic Modeling System Систем за опште алгебарско моделирање. 66 Genetic Algorithm for Rule Set Production Генетски алгоритам за производњу сета правила. 78
Махаланобисов метод удаљености и метод мапирања спектралног угла (Spectral Angle Mapper - SAM). Методе се могу поделити и на параметарске и непараметарске 67. Параметарски класификатори се ослањају на одређена статистичка својства података, а непараметарски не. Који метод ће се користити, зависи од сврхе класификације, карактеристика сателитског снимка и репрезентативних класа. Слика 9. Бирање метода надгледане класификације (Извор: www.digitalglobe.com) Такође, постоји разлика и у броју узорака који подразумева свака од ових метода. Тако, на пример, код метода максималне веродостојности, за изградњу статистике (нпр. коваријансе матрице), потребан је бар један више узорак од броја улазних варијабли. На основу тога, аутор Mather Р.М. (2004) препоручује да се користи најмање 10 до 30 узорака по класи. Аутори Van Niel и други (2005) тврде да је у појединим истраживањима, због спектралних преклапања класа, довољно 2 до 4 узорка по класи. Непараметарске методе се не суочавају са овим ограничењем, али су под утицајем укупног броја и учесталости класа код утврђивања њихове репрезентативности. машинама и сл. 67 метод регресије дрвећа, метод насумице изабраних шума, метод подршке вектор 79
Метод максималне веродостојности (Maximum Likelihood method - МL) 68 је метод који се често користи. Начин бирања обог метода може се видети на Слици 9. При његовом коришћењу разматрају се не само центри групе, већ и њихов облик, величина и оријентација. Они се архивирају израчунавањем средњих вредности и матрице коваријанси група. Слика 10. Метод Максималне веродостојности (Извор: Tempfli K. и други, 2001, страна 305) Овај метод претпоставља да су статистике за сваку класу у сваком каналу нормално дистрибуиране, и израчунава вероватноћу да дати пиксел припада одређеној класи. Сваки пиксел се додељује класи која има највећу вероватноћу то јест, максималну веродостојност. Претпоставка већине ML класификатора је да статистика група има нормалну (Гаусову) расподелу. Ова класификација омогућава аналитичару да одреди праг удаљености дефинисањем максималне вредности вероватноће. Прогресивно веће елипсе које окружују центар представљају контуре могућих чланова класе, са потенцијалом смањења удаљавањем од центра. 68 Метод је често коришћен за картирање земљишног покривача 80-их и 90-их година, а и данас се користи. У пракси, овај метод претпоставља једнаку претходну вероватноћу случајности класе, због недостатка информација о учесталости појаве класе. Научници најчешће користе Бајесову анализу квадратне дискриминативности, која користи претходну вероватноћу. 80
Метод минималне удаљености (Minimum Distance method) користи средњи вектор за сваку класу. Основа метода минималне удаљености су центри класа. У току класификације, израчунава се Еуклидова удаљеност од сваког пиксела до центара класа. Код дво-димензионалног простора удаљеност се може израчунати уз помоћ Питагорине теореме. Пиксели се додељују најближој класи. Једна од мана овог метода је то што тачке које су на великој удаљености од центра класе, могу бити додељене центру. Ово ограничење се може превазићи дефинисањем прага вредности који ограничава удаљеност претраживања. Добијене класе могу имати статистичке особине дистрибуције тачака. То се може видети на слици 11. Слика 11. Метод минималне удаљености (Minimum Distance method) (Извор: Tempfli K. и други, 2001, страна 302) Махаланобис метод удаљености (Mahalanobis Distance method) је метод који је осетљив на правац удаљености класификатора, који користи статистику за сваку класу. Сличан је методу максималне веродостојности, али претпоставља да су све класе коваријансе једнаке, и стога је поступак бржи. Сви пиксели се класификују према најближим подацима за обуку. 81
SAM (Spectral Angle Mapper method) је спектрална класификација која користи n-d угао како би одредила који пиксели одговарају подацима добијеним утврђивањем спектралних класа. Овај метод одређује спектралну сличност између два спектра одређивањем угла између спектра, и третира их као векторе у простору са димензионално једнаким бројем класа. Избор теледетекционог метода помоћу ког ће се на најбољи начин постићи остварење циљева истраживања најчешће је на аналитичару. Овај задатак није нимало лак, с обзиром на то да не постоји један класификатор који је најбољи за сваку ситуацију, јер се околности и задаци разликују од случаја до случаја 4.3. Поступак надгледане класификације сателитских снимака Успешно извођење надгледане класификације сателитских снимака, и добијање што репрезентативнијих резултата, захтева искуство аналитичара и експериментисање у свим фазама истраживања. По аутору Милановић М. (2008), постоје три основна корака у надгледаној класификацији (Слика 12, страна 86): 1. Утврђивање репрезентативних класа (training stage). Односи се на распознавање просторних целина и одређивање спектралних атрибута за сваку појаву. Овај процес захтева везу аналитичар сликовни подаци, а квалитет репрезентативних класа утиче на успех читаве класификације. Прецизно и комплетно дефинисање класа од кључног је значаја приликом поступка надгледане класификације. Идентификација класа зависи од спектралних својстава репрезентативних класа. Да би се извршило детаљније раздвајање класа за појединачне екосистеме, треба да постоји најмање једна референтна површина за сваку подгрупу (Albertz J., 2009). Добро дефинисане класе умањују двосмисленост и неконзистентност у поступку вршења класификације. Међутим, често не постоји јасна граница између, на пример, две различите врсте, или два рељефна облика, па се јављају мешовите области. 69 Код надгледане класификације често се врши провера репрезентативности одабраних класа уз помоћ снимака веће резолуције 69 Прелаз између шуме и ливаде, на пример, између четинарске и листопадне шуме, између различитих врста стена и сл. 82
или провером на терену. Када се врши теренско прикупљање података, веома је битан избор најподесније локације на којој ће се истраживање извршити. Места на којима се врши провера треба да буду репрезентативна, па су често на одређеној територијалној удаљености. Репрезентативне класе морају имати следеће особине: Морају да формирају репрезентативан сет података за дату класу. То значи да варијабилност класе на слици треба да буде узета у обзир. Такође, потребно је извршити бар минимални број теренског посматрања по класи препоручује се 30 x n (n представља број класа) Класе не треба да буду потпуно или делимично преклопљене са другим класама, мада поуздано одвајање класа није могуће. Коришћењем сателитских снимака са већим бројем канала, неке класе могу имати значајно спектрално преклапање, што значи да се ове класе не могу разликовати у анализи снимка. Ово се може решити додавањем спектралних класа, и/или додавањем слика из другог временског периода. Квалитет података који се користе у класификацији значајно може утицати на перформансе алгоритама, а самим тим на тачност класификације. Најбољи резултати се постижу када се од првог корака класификације користе подаци прикупљени на самом месту истраживања пре класификације снимка. Међутим, због честих финансијских и временских ограничења, у првој фази се користе само основна знања о испитиваном терену. Узорак за утврђивање репрезентативних класа, односи се на сваку појединачну земљишну површину са вегетацијом и спектралним информацијама које се на њој налазе. Сет података за утврђивање репрезентативних класа је термин који се односи на прикупљање свих узорака за базу података. Нека од питања која се врте око утврђивања класа код надгледане класификације су број узорака који ће се узети у анализи, обим узорка, шема узорковања, интеракција између метода класификације и карактеристика сета података, квалитет података и др. (Tempfli K, Huurneman G., Bakker W., Janssen L., 2001). 83
Довољан број узорака и њихова репрезентативност од кључног су значаја за класификацију сателиског снимка. 70 Величина парцеле узорка је, такође, од важности за тачност истраживања и може имати велики утицај на перформансе класификације. Аутори Gong Р. и Howarth Р.Ј. (1990) предложили су да су репрезентативне класе најбоље изабране, ако се користе појединачни пиксели и систематски узорак, међутим, аутори Chen D.M. и Stow D. (2002) сматрају да то више одговара хомогеним врстама вегетационог покривача. Коришћење различитих стратегија за утврђивање репрезентативних класа даје различите резултате класификације. Разлика између резултата који се добијају коришћењем различитих стратегија већа је код анализе сателитских снимака веће резолуције, него мање. Већа резолуција слике подразумева коришћење већег броја пиксела. Величина класе, резолуција сателитског снимка и степен аутокорелације утичу на квалитет обраде снимка. Код метода максималне веродостојности, коришћењем варијација текстуре слике, као додатни канал, повећава се прецизност класификације за све класе и тежи се смањењу разлике у резултатима класификације изазване коришћењем различитих приступа обраде снимака на свим нивоима резолуције (Chen D.M., Stow D., 2002). На крајњи резултат утицај има и учесталост класа. Када се ради истраживање великих подручја, пожељно је имати приоритетне информације о учесталости класа у подручју, као улаз за надгледану класификацију. 71 Особине надгледане класификације врше утицај на захтеве из сета података. Тако, на пример, на статистичке класификаторе који користе средњи вектор за доделу класа мање ће утицати неразврстани пиксели, док на класификатор типа неуронских мрежа појединачни узорци лошег квалитета могу имати велики утицај (Mather P.M., 2004). 2. Ужа фаза класификације (classification stage). Овде се сваки пиксел разврстава у категорије. Код надгледане класификације аналитичар идентификује на снимцима хомогене репрезентативне узорке различитих типова земљишног покривача (информационе класе), који би могли бити искоришћени као подручја за 70 Hubert-Moy L., Cotannec A., Le Du L., Chardin A., Perez, P. (2001): A comparison of parametric classification procedures of remotely sensed data applied on different landscape units. Remote Sensing of Environment 75(2), 174-187. 71 Cihlar J., Latifovic R., Chen J., Beaubien J., Li Z. и Magnussen S. (2000): Selecting representative high resolution sample images for land cover studies. Part 2: Application to estimating land cover composition. Remote Sensing of Environment 72(2), 127-138. 84
теренско испитивање. Сваки пиксел на сликама спектрално се упоређује са узорцима за теренско испитивање, како би се утврдило којим информационим класама треба да припадају. Спектралне класе се прво групишу на основу дигиталних бројева на слици, које касније аналитичар сврстава у информационе класе (Weng Q., 2010). Када се заврши прва фаза надгледане класификације, и утврде се репрезентативне класе, прелази се на разврставање пиксела са снимка у дефинисане класе, како би се формирао изглед простора који ће бити приказан на карти. Тачност класификације може се знатно повећати укључивањем просторних и контекстуалних информација, коришћењем неуронских мрежа, сегментацијом снимка или коришћењем класификације засноване на знању и експертним системима (Civco D., 1993). 3. Излазна етапа (оutput stage). Фаза где се презентују сви подаци. Надгледана класификација се заснива на алгоритмима за детекцију, уз коришћење пиксела познатих референтних узорака који су обично део сцене, као основа за поређење са другим пикселима из објеката у истој сцени. На пример, ако аналитичар зна за једну специфичну област да је макадамски пут, он затим све остале области са истим особинама алгоритама, такође разврстава као макадам. Дакле, у надгледаној класификацији, аналитичар обично почиње са познатим информационим класама, које се затим користе да дефинишу репрезентативне спектралне класе, које најближе одговарају референтном узорку (Borengasser М., Hungate W., Watkins R., 2008). Слика 12. Фазе надгледане теледетекционе класификације (Извор: Reddy A., 2008) 85
Након што се изврши процес надгледане класификације, следи фаза постпроцесирања, која има за циљ побољшавање резултата класификације уз помоћ постојећих ГИС података. Провера тачности карте методом узорковања. Пошто се класификација сателитског снимка заснива на узорцима класе, валидност резултата је потребно проверити. Провера тачности података код надгледане класификације често је неопходна, али код великих површина, због недостатка референтних података, времена за извођење пројекта и ограничености у финансијама, често није изводљива. Предмет узорковања може бити одређена локација, или област одговарајуће величине. Може се проверавати један елемент или његово окружење. Површина узорковања највише зависи од хетерогености класе (Tempfli K. и други, 2001). Код валидације резултата уз помоћ метода узорковања, често се поставља питање броја узорака и површине узорковања. На ова питања у литератури су нађени различити одговори. Тако, на пример, аутор Stehman S.V. (2001), за добијање поуздане процене тачности, предлаже 100 узорака по класи; док аутори Congalton R.G. и Green K. (2009) предлажу најмање 50 узорака по класи. Оно што је јако битно је да изабрани узорак има своју корисност и употребљивост у истраживању. Због тога је процену квалитета изабраних локација за узорковање потребно извршити пре узорковања, чиме би се избегле грешке и пропусти у провери тачности карте. Избор броја узорака није прецизно дефинисан, и зависи од потреба истраживања и величине изабране територије. Најчешће зависи од два фактора броја узорака који се морају испитати како би се елиминисао нетачан сет података и броја узорака потребних за одређивање тачности. Ово је потребно због одређивања грешака из сета података. За потребе докторске дисертације, провера надгледане класификације извршиће се на најмање 10 репрезентативних локација, како би се утврдила тачност добијених података. Аутори Stehman S.V. и Czaplewski R.L. (2003) предлажу следеће критеријуме за избор узорака: вероватноћа узорковања, 86
погодна величина узорка са којом се може проценити тачност са прихватљивим нивоом прецизности, ефикасност и финансијска оправданост предузимања узорковања, просторни распоред узорака (узорци морају бити репрезентативни). У ранијим истраживањима, аутори су утврдили три основна елемента за разматрање плана процене узорковања: дизајн узорковања, дизајн одговора и протокол процене и анализе. 4.4. Надгледана класификација сателитских снимака у пројектовању За пројектовање потребне су што тачније информације о одређеној територији или појави у природи. За добијање што тачнијих информација јако је битно да о области која се жели испитати за потребе ЕИС-а, постоји што већи број информација и довољно прикупљеног материјала. Овај материјал може доста помоћи у даљем истраживању, теренској анализи, али и код поређења крајњих добијених резултата. Предзнање о испитиваној области омогућава идентификацију пиксела непознатог идентитета на основу пиксела познатог идентитета. 4.4.1. Могућности теледетекционе надгледане класификације сателитских снимака у пројектовању Хиперспектрални алати за анализу слика (The Hyperspectral Image Analysis Toolbox HIAT) представљају скуп алгоритама који проширују способности MATLAB 72 нумеричког рачунарског окружења за обраду хиперспектралних и вишеспектралних сателитских снимака. Сврха HIAT-а је да обезбеди извођење 72 MATLAB је програмски језик четврте генерације, који врши нумеричке прорачуне. Развила га је фирма MathWorks. 87
информација алгоритама спектралних и вишеспектралних снимака у различитим подручјима примене. HIAT омогућава лак приступ алгоритмима надгледане и ненадгледане класификације (Plaza A., Chang C., 2007). Поступак надгледане класификације се примењује код израде карти вегетације. Надгледана класификација омогућава картирање различите количине влаге у земљишту глиновитих терена, уз коришћење повлашћене апсорпције функција у SWIR1 73 опсегу. Ова могућност је тестирана на терену и потврђује ефикасну употребу снимака са ASTER сателита, нпр. за картирање различитих нивоа влаге у зонама богатим глином, што се не види на стандардним геолошким картама. 74 Теренска истраживања могу генерисати информације о значајним вредностима за класификацију земљишног покривача. Тако, на пример, пашњаци са квалитетном травом имају већу рефлексију од деградираних пашњака због њихове хомогеније површине, минималне сенке и присуства земљишта као компоненте рефлексије (Liverman D., Moran E., Rindfuss R., Stern P., 1998). Решавање проблема велике количине података које се прикупе теледетекционом надгледаном класификацијом један је од кључних питања. Научници су развили ефикасне начине складиштења и управљања великим базама података. Редуковање простора потребног за истраживање алгоритама могуће је и уз метод Јавног (PUBLIC) алгоритма (Rastogi R., Shim K., 2000), како би се смањила рачунарска комплексност. Код анализе просторно хетерогених класа, када се користи надгледана класификација сателитских снимака, могу се користити мањи блокови за утврђивање репрезентативних класа, чиме се може извршити лако снимање просторних и спектралних информација, и смањити време потребно за анализу (Chen D., Stow D., 2002). 73 Short-wave infrared краткоталасно инфрацрвено осветљење. Најчешће се дефинише у опсегу таласних дужина у вредности од 1,6 до 1,7 mm. 74 Teeuw R. (2007): Mapping Hazardous Terrain using Remote Sensing. Geological Society, London, Special Publications, 283. 88
4.4.2. Предности и недостаци теледетекционе надгледане класификације сателитских снимака у пројектовању Код надгледане класификације корисник може описати поља на којима су извршена теренска испитивања, па на тај начин не долази до мешања спектралних класа, као код ненадгледане класификације, где се сенке на води могу помешати са подручјем које је било изложено пожару (Verbyla D., 2002). У односу на друге методе класификације, код надгледане класификације аналитичар има већу контролу над типовима класа дефинисаних у географском подручју и не треба да обележава непознате спектралне категорије како би добио реалне класе. Код метода максималне веродостојности надгледане класификације, ако се претпостављају једнаке претходне вероватноће и нису коришћени додати пиксели (weights) у одређивању спектралних атрибута, резултат може бити то, да се на добијеној карти чешће јављају класе које су некласификоване (грешке пропуста) и ређе се јављају класе са завршеном класификацијом. Надгледана класификација сателитских снимака добра је код добијања тачних и прецизних информација о мањим областима, али код великих области јавља се проблем потребе за утврђивањем великог броја репрезентативних класа, и великог броја теренског узорковања. Такође, код области већих површина за које не постоје претходно прикупљени подаци, ненадгледана класификација сателитских снимака може бити боље решење. Када се анализира већа површина, са већим бројем класа, постоји већа вероватноћа стварања мешовитих пиксела за грубљу просторну резолуцију слике, чиме се може смањити тачност класификације (Chen D., Stow D., 2002). У оквиру пројекта Digital Puglia 75 наглашава се проналажење података даљинском детекцијом, али уз додатно прилагођавање обраде података. У неким случајевима подаци су превелики за преузимање, па нису практични, или корисник нема одговарајући софтвер за обраду података. Обрада снимака може бити 75 The Digital Puglia Project Пројекат активне дигиталне библиотеке података из области даљинске детекције. Ова дигитална библиотека пројектована је са циљем да се омогући не само претраживање података, већ и анализа главних компоненти, надгледана класификација и сл. (Aloisio G., Cafaro M., Williams R, 1999). 89
једноставна, или корисник може вршити интензивну обраду слике или анализу компонената надгледаном класификацијом или узорком подударања. 76 Код надгледане класификације, анализа слике зависи од разлике у рефлексији на површини Земље, а у голим областима од врсте и састава земљишног покривача. Карактеристика ове методе, често препозната као мана, је у томе што даје велики број веома малих сегмената - фрагментирани тематски слојеви (Chen C., 2006). Време прикупљања референтних података често се разликује од времена сателитског снимања, што може довести до погрешног разврставања класа. SAV мапирање 77 помоћу података са сателитских снимака фокусирано је на надгледаној и ненадгледаној класификацији на основу сигнала варијација у више спектрални бендова. Блиско инфрацрвено подручје се ретко користи због великог слабљења у води. Када су SAV бендови густи, вода бистра, дубина и седиментација релативно константне, често се приликом класификације превиђају фине скале спектралне варијације. У другим случајевима користи се модел за пренос зрачења за корекцију соларног угла, атмосферских аномалија, врсте подлоге и дубине, што захтева обимна теренска мерења (Zimmerman and Moblei, 1997). Међутим, и поред веће тачности података добијених надгледаном теледетекционом класификацијом у односу на друге типове класификације, увек постоји шанса да се добијени подаци не поклапају са природним класама на терену. Такође, добијени подаци за дату класу не узимају у обзир варијације у реалним условима животне средине - старосну доб и здравствено стање вегетације, сенке и сл. Лошије постављање шаблона или недовољан број изабраних пиксела за утврђивање репрезентативних класа, као производ могу имати нерепрезентативно представљање класа земљишног покривача. Такође, коришћењем различитих стратегија у фази утврђивања класа могу се добити веома различити резултати коначне класификације. Велики број података који се прикупи у току процеса надгледане класификације представљају подаци који нису од интереса за крајње кориснике. Да би се добиле крајње информације, податке је потребно додатно обрадити и 76 Plaza A., Chang C. (2007): High performance computing in remote sensing. Taylor & Francis. 77 Submerged aquatic vegetation мапирање подводне вегетације. 90
сјединити са већ постојећим базама података, што захтева додатно време и новчана улагања. Управљање и анализа великом количином података захтева велика складишта за податке. Ово доводи до тога да се само неки од података складиште, што отежава процес прикупљања података потребних за пројектовање ЕИС-а. Велика количина података често може довести и до тога да, битне прикупљене информације остану неискоришћене. Време потребно за обраду овако великих база података, такође представља велики проблем. 4.4.3. Примена теледетекционе надгледане класификације сателитских снимака Једно од главних ограничења примене надгледане класификације је код анализе области великих површина, где се јавља проблем због потребе за утврђивањем великог броја спектралних класа. Из тог разлога сам процес надгледане класификације траје доста дуго, па научници прибегавају другим методама. Међутим, ово ограничење се може превазићи проналажењем полуаутоматизоване методе за утврђивање репрезентативних класа или коришћењем хомогених кластера, као улаз за надгледану класификацију, чиме би се поступак класификације олакшао и убрзао. Аутори Friedl М. и други (2000), предлажу коришћење снимака високе резолуције, информација грубље резолуције и концентрисање на оне пикселе које су тежи за класификацију. На тај начин проширила би се примена надгледане класификације код анализе великих подручја. Надгледана класификација обавља целу класификацију и статистику са минималним бројем улаза за лоцирање класа. За анализу вегетације која се налази на прелазима између шумске и ливадске, или код анализе вегетације различитог типа и старости, могу се користити подаци о висини вегетације. Комбиновање са другим изворима података и теренским истраживањима знатно проширује подручје примене надгледане класификације. Надгледана класификација може се користити и у испитивању валидности информација, али и решавању конкретних проблема у заштити геопростора. Након 91
распада Совјетског Савеза 1991. године, десиле су се велике промене у коришћењу земљишта (посебно напуштање обрадиве земље) у многим регионима Руске федерације. Преорјентација на слободну тржишну економију довела је до напуштања између 20 и 30 милиона хектара пољопривредног земљишта. 78 Снимци сателита Landsat анализирани су уз помоћ надгледане класификације и употребљени за анализу намене земљишта у шумској степској зони Русије, у области Тиумен. Резултати ове студије показали су да у неким регионима пад пољопривредне производње и није тако висок као што се раније претпостављало. Oвим радом је доказано да је надгледана класификација сателитских снимака, ефикасно средство за квантификовање тренутног коришћења земљишта и откривање промена у окружењу. 79 У овом раду примењена је надгледана класификација за идентификацију вегетације, и за различите године је урађен NDVI, како би се могла анализирати промена у вегетацијском покривачу између испитиваних периода. Анализе су извршене на основу обраде снимака израђених карата, прикупљених информација и теренског рада. 78 IOFFE G (2005): The Downsizing of Russian Agriculture. Europe-Asia Studies. Vol. 57: 179-208 79 Tillmann C. (2012): Supervised Classification and Change Detection of Agricultural Land Use in the Forest Steppe Zone of West Siberia Using Multitemporal Satellite Imagery Master thesis in the subject Landscape Ecology. Westfalische Wilhelms-Universitat, Munster. 92
5. МЕТОДОЛОШКИ И ПРАКТИЧНИ ПРОБЛЕМИ ПРОЈЕКТОВАЊА ЕКОЛОШКИХ ИНФОРМАЦИОНИХ СИСТЕМА ПРИМЕНОМ ТЕЛЕДЕТЕКЦИОНЕ НЕНАДГЛЕДАНЕ КЛАСИФИКАЦИЈЕ СНИМАКА Класификација сателитског снимка омогућава нам да идентификујемо и групишемо пикселе с обзиром на њихову сличност расејања (у оквиру једне слике) или спектралну карактеристику (у оквиру већег броја слика). Теледетекциона ненадгледана класификација (unsupervised classification) представља процес дефинисања група (кластера) у вишедимензионалном простору података, и њиховог уклапања у информационе класе (Милановић М., 2008). Спектралне класе, међутим, често не одговарају информативним класама. Због спектралне различитости, чак се и нормално уједначене информационе класе могу манифестовати као скуп спектралних класа. Пример тога је шумско подручје, у ком се због разлика у густини, старости, висини стабала, сенкама и другим факторима мењају спектрална својства шумског региона; али се не мења чињеница да подручје припада информационој категорији шума. Да би се класе истакле у процесу класификације снимка, потребно је да имају различите спектралне карактеристике. Принцип класификације је да се пиксел додељује класи на основу карактеристика вектора. Срж класификације је у поређењу са предефинисаним групама, што захтева дефинисање група и метода за поређење. Према ауторима Tempfli K. и други (2001), процес класификације слике обухвата пет етапа: Избор и припрема снимака, Дефинисање група на основу карактеристика подручја, Избор алгоритма класификације, Покретање класификације и Валидација резултата. 93
Класификација сателитског снимка служи за претварање сателитских снимака у тематске податке. Пре почињања рада са прикупљеним подацима, може се извршити избор доступних спектралних канала. Разлог због ког се не користе сви доступни канали (нпр. свих 7 канала сателита Landsat 5 TM, о којима је већ било речи) лежи у проблему корелације канала и у ограничењима хардвера и софтвера. До корелације канала долази када је спектрална рефлексија слична за два канала. Пример је корелација између зелених и црвених таласних дужина за вегетацију: ниска рефлексија у зеленом каналу у корелацији је са ниском рефлексијом у црвеном. У процесу класификације, када су канали у корелацији, то може довести до добијања сувишних информација и нарушити процес класификације (Tempfli K. и други, 2001). Често аналитичар не поседује претходно прикупљене информације о терену и не врши теренску проверу резултата, па се при додељивању пискела најближим класама јављају грешке. Због тога је за детаљнију анализу мањих површина боље решење надгледна класификација сателитских снимака, која је и у овом раду коришћена за обраду податка потребних за пројектовање ЕИС-а. 5.1. Појам и значај теледетекционе ненадгледане класификације сателитских снимака Теледетекциони снимци се често састоје од спектралних класа које су подељене у неколико канала различитих нивоа осветљености. Ненадгледана теледетекциона класификација, представља процес идентификације класа пиксела на слици, без поседовања претходног знања о испитиваној области. Ненадгледана класификација представља примену алгоритама који тумаче непознате пикселе груписањем у класе. Математички је дефинисана и једноставна за обраду. У њеном процесу не користе се утврђене класе као основа за класификацију, већ се класе које се овде јављају, односе на спектралне параметре и природно су груписане. Код ненадгледане класификације морају се упоредити 94
класификовани подаци са подацима друге врсте (карте или слике крупније размере) како би се одредио интезитет и информативна вредност спектралних класа. 80 Ненадгледана класификација може бити дефинисана као идентификација природних група, или структура, у оквиру мултиспектралних података. Појам природно подразумева да инхерентне групације спектралних вредности унутар сцене, некада нису интуитивно очигледне, али се даљински очитане слике обично састоје из спектралних класа, које су логично интерно хомогене у односу на осветљења у неколико спектралних канала. Ненадгледана класификација обухвата дефинисање, идентификовање, обележавање и картирање ових природних класа. 81 Када је скуп података сведен на минимум величине која се може експлоатисати, ненадгледана класификација може да се користи за доделу просторних и спектралних информација у разним "темама", познатијим као "тематске карте." Ове теме се користе за описивање природних појава, као што су земљиште или други геолошки, вегетацијски, водени или вештачки објекти (Borengasser М., Hungate W., Watkins R., 2008). За креирање тематских карата често се користе методе ненадгледане класификације, које прво групишу податке са снимака базиране на статици слике, без употребе референтних података на почетку класификације. Референтни подаци се користе касније, како би се доделиле класе свакој групи. Ова метода користи се најчешће када нема довољно референтних података (Cihlar и др., 2000). Ненадгледана класификација идентификује природну структуру слике у смислу проналажења јединствене групације пиксела који чине различите класе без утицаја предрасуда у погледу њихових идентитета или дистрибуције. Цео процес, међутим, не може се сматрати "објективним", пошто аналитичар доноси одлуке у вези са подацима који се испитују, алгоритама који се користе, броја класа, и униформности и издвојености класа. Свака од ових одлука, утиче на карактер и тачност финалне обраде слике, тако да се резултат не може посматрати изоловано од контекста у коме је настао (CampBell Ј., Wynne R., 2011). Ненадгледаном класификацијом, детаљно се бавио P. Mather (1999) у књизи Процесирање даљински-детектованих снимака. 80 Милановић М., Љешевић М. (2009): Теледетекционе методе истраживања животне средине. Географски факултет, Универзитет у Брограду. 81 CampBell Ј., Wynne R. (2011): Introduction to Remote Sensing. Fifth edition. TheGuilford press. New York, London. 339. 95
5.2. Циљеви и методе ненадгледане класификације снимака Циљ ненадгледане класификације је да се група пиксела са сличним карактеристикама разврста у кластере или класе које су статистички раздвојене. Дефиниција кластера зависи од неколико изабраних параметара као што су спектрални канали, изведени спектрални односи 82 и др. Сваки појединачни пиксел на слици разврстава се у односу на најближи кластер. Резултат је тематска карта која се мора тумачити од стране корисника. Постоји неколико различитих типова алгоритама које се обично користе за анализу слике код ненадгледане класификације, а најчешћи су K-means 83 и ISODATA 84 (Navulur К., 2006). Методе ненадгледане теледетекционе класификације најчешће се састоје од 3 корака: препроцесирања, поређења пиксел по пиксел и анализе снимка. Препроцесирање обухвата корегистрацију, радиометријску и геометријску корекцију и отклањање шума. Корегистрација је основни корак јер омогућава добијање пара слика где су одговарајући пиксели повезани са истом функцијом на терену. Геометријском корекцијом отклањају се деформације (дисторзија, атмосферске прилике, закривљеност Земљине површине), док радиометријска корекција зависи од неколико фактора, осветљености подручја, уређаја за даљинску детекцију, атмосферских прилика и др. Њом се коригују растојања између Земље и Сунца, и сунчеве елевације. Ако се занемаре атмосферске прилике, утицај Сунчевог угла и растојање Сунце Земља се може прорачунати следећом формулом (Gulch E., 1991): E E0 cos 0 2 d Е = Сунчева радијација, нормализована Е0 = Сунчева радијација на средњој вредности растојања Земља Сунце α0 = Угао Сунца мерен од зенита d = Растојање Земља Сунце (астрономске јединице) 82 као што је Индекс нормализоване разлике вегетације Normalized Difference Vegetation Index NDVI 83 Један од најчешће коришћених алгоритама ненадгледане класификације, који решава проблеме класа. Процедура се састоји из једноставног и лаког начина класификације датог сета података кроз одређен број дефинисаних класа. 84 ISODATA (Тhe Iterative Self-Organizing Data analysis technique) је најчешће коришћен метод ненадгледане класификације сателитских снимака 96
Отклањање шума подразумева избацивање сваког поремећаја у подацима, насталог услед ограничења приликом снимања података. Шум може често да замаскира одређене информације са терена или да их деградира, па се отклања из разлога поновног успостављања слике што сличније оргиналу (Милановић М., 2008). По ауторима Tempfli K. и други (2001), постоји неколико метода ненадгледане класификације уз помоћ којих се врши груписање базирано на спектралним сличностима. Код једног од најчешћих приступа аналитичар треба да дефинише максимални број класа на снимку. На основу тога рачунар проналази произвољно значење вектора, као централну тачку групе. Сваки пиксел се тада додељује групи уз помоћ правила "минималне удаљености од тежишта групе". Слика 13. Класификација алгоритама (Извор: Tempfli K, Huurneman G., Bakker W., Janssen L., 2001., страна 298) Када су једном сви пиксели означени, прелази се на израчунавање центра класа, и процес се понавља све док се не пронађу одговарајући центри групе и њима се доделе пиксели. Када се груписање заврши, уместо мерења дивергенције, 97
ради се анализа близине или одвојености класа (Tempfli K. и др., 2001). Како би се смањио број сувишних диверзија, потребно је урадити спајање класа. Ово се може урадити уз помоћ раније дефинисаног прага вредности. Аналитичар треба да дефинише максималан број класа, размак између два центра класа, радиус класе, минимални број пиксела као праг елиминације класа. Анализа компарације класа око централне тачке врши се на начин на који је дефинисана стандардна девијација за сваку спектралну класу од стране аналитичара. Анализа близине класа спроводи се мерењем удаљености између два центра класе. Ако је раздаљина између два центра мања од претходно дефинисаног прага, врши се спајање класа (Tempfli K. и др., 2001). На слици 13. су приказани резултати класификације алгоритама. Изведена статистика се користи за класификацију комплетне слике уз помоћ избора класификационих алгоритама, слично као код поступка надгледане класификације. Метод ISODATA (Тhe Iterative Self-Organizing Data analysis technique) је метод ненадгледане класификације (Слика 14). Ова техника подразумева груписање алгоритама за разграничење спектралних хомогених класа на слици уз коришћење формуле минималне спектралне удаљености за формирање кластера. Слика 14. Поступак класификације ISODATA (Извор: ENVI Laboratory Exercises in Image Processing: Image Classification www.exelisvis.com) 98
Почиње се са групама које имају произвољна средства и сваки пут се пиксели у свакој од итерација групишу и средства група мењају. Нова средства се затим користе за наредне итерације (Contreras-Silva А., López-Caloca А., Tapia-Silva О., Cerdeira-Estrada S., 2012). ISODATA алгоритам је најчешћe коришћен алат ненадгледане класификације. Он користи технике анализе група пиксела у циљу креирања кориснички дефинисаног броја група на слици, која се касније морају означити, како би се створила карта земљишног покривача. Коришћењем метода ISODATA може се обавити цела класификација и прерачунати статистика са минималним бројем улаза за лоцирање група. Овај метод је лак за коришћење и има незнатан број замерки од стране корисника. На крајњи резултат утицај могу имати почетни параметри и њихове међусобне интеракције. Резултати добијени овом методом се пореде коришћењем матрице грешке и укупне тачности класификације. Слика 15. Пример класификације ISODATA (Извор: Horning N., Robinson J., Sterling E., Turner W., Spector S., 2010. Стр. 72.) 99
По аутору Horning N. и др. (2010), пре покретања програма ISODATA, потребно је дефинисати неколико параметара који контролишу број класа које ће бити генерисане, број итерација које ће бити покренуте, као и друге параметре који контролишу како се класе комбинују и деле док програм ради. Када програм заврши, добија се слика са неколико класа које нису обележене. На пример, ако наведемо да желимо да програм има 18 класа, излазна карта ће имати 18 класа, од којих се свака састоји од пиксела сличних спектралних карактеристика. Следећи корак је означавање ових класа правим типовима вегетацијског покривача. Уколико корисник жели да има само две класе шума и простор који није под шумом (на карти без шуме), он ће сваку од добијених 18 класа разврстати у једну или другу класу (погледати слику 15). 5.3. Поступак ненадгледане класификације сателитских снимака Ненадгледна класификација целог снимка мора размотрити више хиљада пиксела. У идентификацији група које нису видљиве на снимку, или су засенчене или нејасне, морају се применити различите методе. Научници су развили широк спектар процедура које могу помоћи у идентификацији таквих кластера. Једно од основних питања које се поставља је да ли пиксели припадају истој групи, и да ли пиксел Ц треба да се групише са А или са Б (погледати слику 16.) Слика 16. Идентификација пиксела код ненадгледане класификације (Извор: CampBell Ј., Wynne R., 2011, страна 344) 100
На постављено питање може се одговорити проналажењем растојања између парова пиксела, па тако, на пример, ако је удаљеност између А и Ц већа него између Б и Ц може се закључити да Б и Ц припадају истој групи, док А припада другој групи. Софтвери за обраду сателитских снимака, који имају модул за ненадгледану класификацију укључују алгоритме за израчунавање раздаљине. Раздаљине између пиксела могу се мерити уз помоћ Еуклидове раздаљине, коришћењем следеће формуле: У датој формули i је један од спектралних канала, a и b су пиксели, а Dab је растојање између два пиксела. Иако мерење растојања између пиксела представља саму срж ненадгледане класификације, овај процес се најчешће обавља у софтверу за обраду снимака, па се аналитичару даје само крајњи производ у виду карте, без увида у прелазне кораке класификације. Функција аналитичара у овој фази ненадгледане класификације може бити одређивање броја група које ће бити генерисане, одређивање различитости у вредностима у оквиру групе, или захтевањем да групе изложе одређени минимални степен посебности у односу на суседне групе (CampBell Ј., Wynne R., 2011). Алгоритми ненадгледане класификације, који раздвајају слику у четири класе, су: непарно расејање (odd-bounce), једнако расејање (even bounce), дифузно расејање и неодређена класа. На површини океана доминирају карактеристике непарног расејања; градске зграде и структуре, имају карактеристике једнаког расејања; док густа шумска вегетација има карактеристике дуфузног расејања. Ова класификација алгоритама пружа информације о типу терена. 85 Кључне компоненте сваког алгоритма ненадгледане класификације су ефикасни методи мерења удаљености у просторним подацима, идентификовање центра класе и тестирање различитости класа. Када софтвер класификује слику, аналитичар може да, на основу резултата класификације, покуша да изврши 85 Schuler D. L., Lee Ј., Kasilingam D.: (2008): Polarimetric SAR Techniques for Remote Sensing of the Ocean Surface. Image Processing for Remote Sensing (Edited by C.H.Chen). Taylor & Francis Group. CRC Press. Boca Raton London New York. 1-39. 101
мапирање спектралних класа у категорије информација реалног земљишног покривача, као што су шуме, воде, итд. Када је слика једном исправљена, може се сврстати у мрежу класа земљишног покривача. Код ненадгледане класификације се тражи група пиксела који имају сличне спектралне вредности у спектралним класама. Онда се одлучује шта свака спектрална класа представља у условима земљишног покривача. Слика 17. Груписање параметара код ненадгледане теледетекционе класификације (Извор: Verbyla D., 2002) 102
Први корак ненадгледане класификације је креирање спектралних класа у софтверу за обраду снимака, груписањем пиксела који имају сличне вредности. Одређују се параметри које класификатор треба да користи, као што је, на пример, број спектралних класа, број компјутерских итерација, минималан број пиксела дозвољених у спектралној класи и интервал узорковања пиксела. Уколико се жели произвести мрежа земљиног покривача из слике из две групе, прво се одређује груписање параметара на следећи начин: узорак интервала од два дела значи да ће сваки други пиксел бити узоркован, почевши од горњег левог пиксела, и настављајући са лева на десно, ред по ред. Ово убрзава време обраде код почетног спектралног груписања. На слици 17. je дат пример груписања параметара по фазама. Груписање почиње са 4 средства у производним интервалима, па затим се сваки узорак додељује најближој средњој вредности класе. Опсег вредности пиксела је од 0 до 120, 120/4 класе = 30, тако да су почетна средства (30,30), (60,60), (90,90), (120,120). Сваки узорак пиксела додељује се најближој средњој класи (корак 1). 86 Следећи корак је коришћење правила како би се предвидела спектрална класа за сваки пиксел на слици. У конкретном примеру, сваки пиксел је додељен на основу најближе спектралне класе (корак 2). Финални корак је одлучивање шта свака спектрална класа представља у погледу типа покривача, и додељивање значења свакој класи. На пример, ако замислимо да смо утврдили да класа 1 представља воду, класа 2 вегетацију и класа 3 песак, можемо доделити симболе свакој спектралној класи (корак 3). Ненадгледана класификација има задатак да идентификује варијације на слици које нису садржане у местима испитаним на терену. Завршна класификација слике врши се тако да одговара класификованим темама захтеваним пројектом. Током процеса се користе помоћни подаци кад год су на располагању (нпр. радне фотографије, карте, подаци са терена итд). Подаци на терену се прикупљају на крају пројекта како би се потврдили даљински очитани производи (нпр. карта мочвара) и проценила се њихова тачност (Klemas V., 2009). 86 Verbyla D. (2002): Practical GIS Analysis. Taylor & Francis Group, CRC Press, Boca Raton London New York. 103
5.4. Ненадгледана класификација сателитских снимака у пројектовању Прикупљање података потребних за пројектовање ЕИС-а уз коришћење ненадгледане теледетекционе класификације може бити од великог значаја када се пројектују регионални и глобални еколошки информациони системи. Способност ненадгледане класификације да брзо и лако прикупи информације о великим површинама обухваћеним сателитским снимком ставља је испред других метода. Међутим, када се ради о пројектовању локалних еколошких информационих система, као што је то случај у овој дисертацији, предност има надгледана класификација, јер пружа детаљније и проверене информације. Ненадгледана класификација најлакши је и најпрактичнији начин класификације сателитских снимака који су базирани на математичким процесима груписања појединачних пиксела са сличним радиометријским карактеристикама. Пре вршења саме класификације, класе морају бити идентификоване и именоване. Највећи број аутора у својим истраживањима различитог типа прво сакупља снимке сателита и обрађује их уз помоћ ГИС-а. На тај начин добијају већи број карата са различитим класама земљишног покривача које анализирају путем ненадгледане класификације сателитских снимака, често уз помоћ NDVI индекса (Gamage М., Ahma М., Turral H., 2009). Ненадгледана класификација се примењује најчешће када се не познаје довољно простор који се истражује, или када спектралне класе нису дефинисане. Надгледана класификација за поделу простора користи груписање алгоритама. Ненадгледана класификација сателитских снимака често се користи у прикупљању података потребних за пројектовање еколошког информационог система. Оно што је ставља испред других метода за прикупљање података о животној средини јесу, мања цена и већа брзина обраде података. С обзиром на то да се не врши провера података на терену, кључно је искуство аналитичара у анализи сателитских снимака. Међутим, чак и искусни аналитичари погреше у тумачењу оних класа које имају сличне или исте карактеристике, па је то један од главних методолошких и практичних проблема код коришћења ове технике. 104
5.4.1. Могућности теледетекционе ненадгледане класификације сателитских снимака у пројектовању Ненадгледана класификација омогућава формирање карата квалитета воде, опасности од пожара, загађења, детекције отпада и сл. Њена широка могућност примене и брзина стављају је испред доброг дела других техника за прикупљање података о животној средини. Ненадгледана класификација представља класификацију у којој класе нису претходно одређене, већ се користе статистичке и методе груписања података са слике за проналажење скупа природних класа (Thomas I., Benning V., Ching N., 1987). То је довело до њене велике примене у анализи земљишног покривача. Код регионалних и малих студијских области, спектралне класе могу бити обележене у систематском процесу. Тако су, на пример, аутори Debinski D. и други (1999) генерисали 50 ISODATA кластера од једног снимка сателита Landsat TM, како би дискриминисали бруто типове земљишног покривача и међу градијентне типове ливада. Сврха иницијалног груписања је обезбеђивање улаза за дефинисање класа станишта (значајно за утврђивање биодиверзитета). Могућност комбиновања са другим техникама доноси велики потенцијал за коришћење у области изградње. 5.4.2. Предности теледетекционе ненадгледане класификације сателитских снимака у пројектовању Основна предност ненадгледане класификације је што не захтева претходно познавање терена и теренску проверу добијених података; али познавање терена потребно је за тумачење резултата процеса класификације. На тај начин смањују се трошкови и време потребни за добијање информација за пројектовање ЕИС-а. Предност ненадгледане класификације је у томе што класификатор идентификује одвојене спектралне класе присутне на слици. Многе од ових класа можда не би биле видљиве код надгледане класификације и број спектралних класа би био толико велики, да би било врло тешко уочити их. Ово се не догађа у 105
ненадгледаној класификацији. 87 Ова особина ненадгледану класификацију ставља испред других метода прикупљања података за пројектовање регионалног и глобалног ЕИС-а. Ненадгледана класификација за кратко време може пружити велику количину потребних информација за пројектовање еколошких информационих система. Скраћивање времена за прикупљање података појефтињује цео процес. Једна од предности ненадгледане класификације је да је људска грешка сведена на минимум. Аналитичар одређује број пожељних категорија које софтвер треба да идентификује на слици, али се не захтева да пружи било какве детаљне информације о области. Класе дефинисане ненадгледаном класификацијом често су равномерније у погледу спектралног састава, него што је то случај код надгледане класификације. У процесу ненадгледане класификације, класе мале површине се препознају као посебне јединице, док се код надгледане класификације могу грешком уградити у друге класе, и на тај начин произвести грешке и непрецизности током целог процеса класификације (CampBell Ј., Wynne R., 2011). Уколико не постоји претходно познавање простора који се истражује, ненадгледна класификација може дати преглед разноврсности класа на сателитском снимку. 5.4.3. Недостаци теледетекционе ненадгледане класификације сателитских снимака у пројектовању Генерално, приступ заснован на надгледаној класификацији прецизнији је и детаљнији од ненадгледаног. Други приступ пожељан је у апликацијама реалних података. Недостаци и ограничења ненадгледане класификације настају првенствено због тога што идентификује спектрално хомогене класе, које се често не поклапају са информационим категоријама које су од интереса за аналитичара. Резулат тога је суочавање аналитичара са проблемом усклађивања спектралних класа добијених 87 Милановић М., Љешевић М. (2009): Теледетекционе методе истраживања животне средине. Географски факултет, Универзитет у Брограду. 106
класификацијом са информационим категоријама које су предмет интересовања крајњег корисника ЕИС-а. Спектрална својства појединих информационих класа подложна су променама у току времена, па из тог разлога односи између информативних и спектралних класа нису константни, и односи дефинисани за једну слику не могу бити примењени на друге. Није увек могуће јасно спајање спектралних и информационих класа неке информационе категорије немају директне спектралне парове, и обрнуто (CampBell Ј., Wynne R., 2011). Аутор Reddy A. (2008) дао је следећи пример неподударања информационих и спектралних класа: две информативне класе, соја и кукуруз, могу да личе спектрално, па у том случају не би биле спектрално одвојиве. У одређеним периодима вегетације кукуруз и соја нису спектрално различити, док у другим јесу. Са друге стране, једној информационој класи могу одговарати две спектралне. Разлике у роковима сетве или сорти семена могу резултирати у информационој класи кукуруз рефлексованим разликама накићеног (tasseled) и ненакићеног (untasseled) кукуруза. Како би била корисна, класа мора имати информациону вредност и бити одвојена од других класа у подацима. Још један од недостатака ненадгледане теледетекционе класификације је то, што нема много контроле над груписањем пиксела и њихових специфичних идентитета, па лако може доћи до грешке. 88 Код ненадгледане класификације често се морају упоредити класификовани подаци са подацима друге врсте (карте или слике крупније размере) како би се одредио идентитет и информациона вредност спектралних класа (Милановић М., 2008). Ово може повећати цену прикупљања података. 88 ENVI, (1999): Laboratory Exercises in Image Processing: Image Classification, available at: http://www.exelisvis.com/portals/0/easydnnnewsdocuments/repository/classification.pdf 107
6. ПРЕДЛОГ ЗА ПРОЈЕКТОВАЊЕ ЕКОЛОШКОГ ИНФОРМАЦИОНОГ СИСТЕМА ПРИМЕНОМ ТЕЛЕДЕТЕКЦИОНЕ КЛАСИФИКАЦИЈЕ СНИМАКА Пошто је животна средина подложна сталним променама, ЕИС је потребно пројектовати тако да може да прати динамичност и прилагођава се захтевима корисника. Динамичност ЕИС-а треба да омогући не само информисање, већ и управљање животном средином, прогнозирање и доношење одлука. Саставни део ЕИС-а треба да буду информације о свим елементима, процесима, факторима животне средине о квалитету и саставу ваздуха, воде и земљишта; антропогеном утицају и творевинама; клими њеним елементима, факторима, стању, променама; флори и фауни; природним и изазваним појавама и променама у животној средини и др. Један од најбољих начина приказа просторних података у еколошком информационом систему је уз помоћ сателитских снимака и карата. То нам омогућава сагледавање и анализу тренутног стања. Нарочито нам снимци и карте могу помоћи у разумевању и предвиђању будућих промена. Еколошки информациони системи требало би да обухватају стратегије, процедуре и институционални оквир, заједно са алатима за управљање подацима, који обезбеђују приступ еколошки релевантним подацима и омогућавају вршење анализа. 89 Према аутору Zeiler М. (1999), кораци изградње базе података су: 1. Преглед модела од стране корисника 2. Дефинисање ентитета и њихових релација 3. Идентификовање и приказивање ентитета 4. Повезивање модела са базом података 5. Организовање у виду географских група података 89 Prévost Y., Gilruth P. (1999): Environmental Information Systems in Sub-Saharan Africa: From innovation to management. 108
6.1. Структура Еколошког информационог система Примена надгледане и ненадгледане класификације је конкретизована за информациони систем животне средине насеља Венчане (општина Аранђеловац). На бази досадашњег рада и методологије, проучене литературе и теренског истраживања, покушаћу да представим студију или модел за израду еколошког информационог система насеља Венчане. Студија информационог система животне средине на бази надгледане и ненадгледане класификације би имала следеће задатке (Милановић М., 2004): 1. Одређивање свих активности пројектовања ЕИС-а 2. Дефинисање структуре ЕИС-а 3. Поступци ажурирања базе података 4. Поступци обраде података (избор софтвера) 5. Одређивање тимова за пројектовање ЕИС-а 6. Формирање тематских база података 7. Управљање подацима. Реализацијом ових задатака, логичка структура ЕИС-а би била организована на следећи начин: 1. Сложена тема - математичка основа (за све подлоге) - природни ресурси - техногени ресурси 2. Основна тема - снимци, карте и др. - реални систем животне средине - измењено стање животне средине - објекти становања - инфраструктура - индустријски комплекси 109
3. Ентитети - водена површина - земљишни ресурс - вегетација - отпад и др. 4. Атрибути - врста - назив - подврста и др. 5. Вредност атрибута - број - име и сл. Логичка структура еколошког информационог система насеља Венчани дата је у Прилогу 1. 6.2. Прикупљање постојећих података за пројектовање ЕИС-а Теледетекционој класификацији и теренском прикупљању података о испитиваној области претходило је прикупљање података који о насељу Венчане већ постоје, или који су добијени претходним парцијалним истраживањима. Подаци су прикупљени из постојеће литературе, катастра непокретности општине Аранђеловац, основне школе Веља Герасимовић у Венчанима, матичних књига, претходних истраживања аутора о испитиваној области за потребе израде мастер рада и др. 110
6.2.1. Основни физичко-географски и демографски подаци Насеље Венчане (топографска карта дата на Слици 18.) налази се у северном делу Општине Аранђеловац, на надморској висини између 250 и 450 m. Путна мрежа води једним делом према Београду (од кога је насеље удаљено око 55 km), другим према Лазаревцу (око 25 km) и трећим према Аранђеловцу (око 17 km), коме и територијално припада (Милановић Д., 2003). Слика 18. Топографска карта Венчана (Аутор: Радовановић А., 2017) 111
Површину Венчана чине највећим делом шуме и пашњаци, док је мањи део под ораницама, ливадама и повртњацима. Насеље чини више засеока, међусобно повезаних, па је и највећа загађеност у близини тих засеока. Према попису из 2011. насеље има 1317 становника, у 428 домаћинстава. 90 Око 55% становништва има изнад 40 година, док млади до 18 година чине нешто више од 20% становништва. У просторном плану општине Аранђеловац, Венчане је сврстано у категорију насеља са задовољавајућим демографским приликама, уз бележење релативно споријег опадања броја становника у односу на остала сеоска насеља општине. 91 Највећи број домаћинстава сконцентрисан је управо у централном делу насеља, где је и загађеност водних ресурса највећа. Осим реке Турија, која протиче кроз насеље, већи водотоци, и њене леве притоке су Придворица и Каменичка река или Иванчевац. Река Турија је десна притока реке Колубаре, чиме припада водном подручју Саве. Око обала речних токова сконцентрисан је велики део домаћинстава, што је довело до њиховог загађења и губљења рибљег фонда. Фекалне воде из домаћинстава испуштају се у речне токове, чиме их додатно загађују, док домаћинстава која живе нешто даље од речних токова отпадне воде испуштају у канале поред путева. 6.2.2. Подаци о квалитету воде По Милановићу М. (2008), мониторинг испитивања воде обухвата неколико процеса: Контрола на терену Даљински мониторинг воде на снимку Даљински мониторинг извора загађења Даљински мониторинг тренутног стања 90 Република Србија Рапублички завод за статистику (2011): Попис становништва, домаћинстава и станова у Републици србији. Први резултати. Београд. Билтен 540. 91 Република Србија Скупштина општине Аранђеловац (2008): Просторни план општине Аранђеловац, Институт за архитектуру и урбанизам Србије, Београд. 112
На основу уговора са основном школом Веља Герасимовић у Венчанима, Институт за јавно здравље Крагујевац периодично испитује квалитет воде у школи. Добијене резултате Институт шаље школи, са анализом и предлозима за побољшање стања. Стручно мишљење се даје на основу извештаја о испитивању воде В4050, затим Правилника о хигијенској исправности воде за пиће (Службени лист СРЈ 42/98) и стручног разматрања. Табела 3. Физичко-хемијска анализа воде у основној школи Веља Герасимовић у Венчанима - 22.09.2009. (Извор података: Институт за јавно здравље Крагујевац, 2009). ПАРАМЕТРИ ЈЕД. МЕРЕ НАЂЕНА ВРЕДНОСТ МДК МЕТОДА Мирис без на хлор без EL. 025 Температура С 25.6 - EL. 025 Боја Pt-Co 5 5 EL. 025 Мутноћа NTU 0.01 1 EL. 025 Укус - без - EL. 025 ph вредност - 7.66 6.8 8.5 EL. 025 Потрошња KMnO4 mg/l 4.99 8.0 EL. 025 Електропроводљивост μs/cm 513 1000 EL. 025 Резидуални хлор (Cl 2) mg/l 0.85 0.5 EL. 025 Амонијак (NH3) mg/l 0.03 0.10 EL. 025 Нитрити (NO2-) mg/l 0.003 0.03 EL. 025 Нитрати (NO3-) mg/l 0.5 50 EL. 025 Хлориди (Clˉ) mg/l 9.01 200 EL. 025 Гвожђе (Fe) mg/l 0.03 0.3 EL. 025 Манган (Mn) mg/l 0.08 0.05 MI.05.05. Подаци добијени узорком од 22.09.2009. показали су да анализирани узорак не одговара прописаним стандардима. Узорковање са чесме у школској кухињи вршено је у складу са Правилником о начину узимања узорака и методама за лабораторијску анализу воде за пиће (Службени лист СФРЈ 33/87). Испитивање је вршено уз помоћ акредитованих метода: 113
EL. 025 Стандардне методе за физичко-хемијско и бактериолошко испитивање воде MI.05.05. за одређивање мангана. Као што се може видети у табели 3., уколико се упореди измерена концентрација са Правилником о хемијској исправности воде за пиће (у табели МДК), одступања код измереног узорка бележе се код концентрације мангана (Mn) и резидуалног хлора (Cl2), као и код мириса воде. Предлог решења проблема, од стране Института, је да се пумпа подеси тако да хлор буде у дужем контакту са водом пре него што дође до славине (Радовановић А, 2012). Након спровођења предложених мера, 29.09.2009. је урађена друга анализа воде. Резлтати су, сходно примени предложених мера били бољи када је хлор у питању, што се може и видети у следећој табели. Табела 4. Физичко-хемијска анализа воде у основној школи Веља Герасимовић у Венчанима - 29.09.2009. (Извор: Институт за јавно здравље Крагујевац, 2009). ПАРАМЕТРИ ЈЕД. НАЂЕНА МЕРЕ ВРЕДНОСТ МДК МЕТОДА Мирис без без без EL. 025 Температура С 25.6 - EL. 025 Боја Pt-Co 5 5 EL. 025 Мутноћа NTU 0.01 1 EL. 025 Укус - без - EL. 025 ph вредност - 7.66 6.8 8.5 EL. 025 Потрошња KMnO4 mg/l 4.99 8.0 EL. 025 Електропроводљивост μs/cm 513 1000 EL. 025 Резидуални хлор (Cl 2) mg/l 0.05 0.5 EL. 025 Амонијак (NH3) mg/l 0.03 0.10 EL. 025 Нитрити (NO2-) mg/l 0.003 0.03 EL. 025 Нитрати (NO3-) mg/l 0.5 50 EL. 025 Хлориди (Clˉ) mg/l 9.01 200 EL. 025 Гвожђе (Fe) mg/l 0.03 0.3 EL. 025 Манган (Mn) mg/l 0.08 0.05 MI.05.05. Спровођење предложених мера допринело је да се изгуби мирис на хлор код узорка, и да се концентрација сведе на задовољавајући ниво. Једино је концентрација мангана остала иста изван дозвољене границе. 114
Упоредни приказ измерених концентрација за две анализе приказан је следећим графиконом: Слика 19. Упоредни приказ резултата обе анализе за Резидуални хлор и Манган (Аутор: Радовановић А., 2017) Као што се посматрањем графикона може уочити, концентрација хлора у другом узорку знатно је нижа него у првом, и у границама је дозвољене. Смањење концентрације хлора у тако кратком временском периоду резултат је праћења упустава предложених од стране Института. Међутим, количина мангана у води остала је непромењена, што воду чини неупотребљивом за пиће. Подаци o микробиолошкој структури, добијени узорком од 22.09.2009. показали су да нађена вредност не одговара прописаним стандардима. Код лабораторијског испитивања коришћене су Методе за бактериолошки, вирусолошки, биолошки и паразитолошки преглед воде за пиће (Сл.лист СФРЈ 33/87). Поређењем вредности добијених анализом са Правилником о хигијенској исправности воде за пиће (Службени лист СРЈ 42/98), види се да укупан број колиформних бактерија на 37 С није задовољавајући (Радовановић А., 2012). 115
Као што се може видети у табели 5., укупан број колиформних бактерија у 1000 ml износи 161. Правилником је утврђено да вода за пиће не сме да садржи ову врсту бактерија. Након што је анализа показала незадовољавајуће резултате, урађена је друга анализа воде 29.09.2009. године од стране Института за јавно здравље из Крагујевца. Резултати су били идентични, па је као додатна мера предложена обавезна дезинфекција воде. Након тога, вода је била бактериолошки исправна за пиће (Радовановић А., 2012). Табела 5. Микробиолошка анализа воде у основној школи Веља Герасимовић у Венчанима - 22.09.2009 (Извор података: Институт за јавно здравље Крагујевац, 2009). ПАРАМЕТРИ ЈЕД. МЕРЕ НАЂЕНА ВРЕДНОСТ МДК Аеробне мезофилне бактерије на 37 С Укупан број колиформних бактерија на 37 С Escherichia coli на 44 С Стептококе фекалног порекла Сулфиторедукујуће клостридије Proteus врсте Pseudomonas aeruginosa Сулфиторепродукујуће клостридије 1/ ml 55 100 у 1000 ml MPN=161 0 у 1000 ml Није изоловано 0 у 1000 ml Није изоловано 0 у 1000 ml Није изоловано 0 у 1000 ml Није изоловано 0 у 1000 ml Није изоловано 0 у 1000 ml Није изоловано 0 Следећа анализа вршена је 24.09.2010., а након тога 27.09.2010. Резултати ове две анализе су идентични, и представљени су табелом 6. Из табеле се може закључити да колиформне бактерије више нису присутне у испитиваној води. Такође, број аеробних мезофилних бактерија смањио се са 55 добијених предходном анализом, на 20 у 1/ ml. 116
Повећан садржај бактерија у првој анализи воде вероватно је условљен тиме што се у близини бунара из ког се користи вода у основној школи налази септичка јама. Јаму, као и бунар, користи више објеката у насељу. Повремено, услед нередовног чишћења, дође до изливања фекалних вода из јаме, које се спајају са водом бунара. Претпоставља се да је то био случај и у испитивању од 22.09.2009. године, када су у води регистроване колиформне бактерије (Радовановић А., 2012). Табела 6. Микробиолошка анализа воде у основној школи Веља Герасимовић у Венчанима - 24.09.2010. и 27.09.2010. (Извор података: Институт за јавно здравље Крагујевац, 2010). ПАРАМЕТРИ ЈЕД. НАЂЕНА МЕРЕ ВРЕДНОСТ МДК Аеробне мезофилне бактерије на 37 С 1/ ml 20 100 Укупан број колиформних бактерија на 37 С у 1000 ml Није изоловано 0 Escherichia coli на 44 С у 1000 ml Није изоловано 0 Стептококе фекалног порекла у 1000 ml Није изоловано 0 Сулфиторедукујуће клостридије у 1000 ml Није изоловано 0 Proteus врсте у 1000 ml Није изоловано 0 Pseudomonas aeruginosa у 1000 ml Није изоловано 0 Сулфиторепродукујуће клостридије у 1000 ml Није изоловано 0 Највећа опасност за подземне воде, које се највећим делом користе за снабдевање насеља Венчане, су они делови насеља који немају прикључке за канализацију, па све фекалне воде отичу у земљу или речне токове. У руралним насељима свако домаћинство представља тачкасти извор загађења. Загађеност површинских вода може се утврдити мерењима на терену, док је загађеност подземних вода далеко теже утврдити. То се може остварити путем даљинских 117
истраживања, чиме би се извршило праћење и контрола, као и на основу класичних геофизичких метода (Милановић М., 2008). За анализу квaлитета воде уз помоћ теледетекционе класификације, користе се мултиспектрални, хиперспектрални и радарски снимци. Хиперспектрални снимци превазилазе спектрална ограничења мултиспектралних сензора, и имају велики потенцијал у анализи квалитета воде. Још 2005. године аутори Dekker A.G., Brando V.E и Anstee J.M., произвели су оптички модел квалитета воде у Моретон Баиу у Аустралији. Они су извршили мапирање растворене органске материје у води, хлорофила и укупне суспендоване материје. Теледетекција има посебну улогу у праћењу квалитета воде у океанима, као и процеса који се дешавају у њима, јер их је на други начин много теже пратити. Са сателитског снимка могу се добити подаци о нафтним мрљама и њиховом кретању, струјама, алгама и њиховом ширењу, подводним гребенима, вегетацији, салинитету и сл. Код копнених вода река, језера и мочвара, подаци о топлоти воде од велике су важности, јер она директно утиче на концентрацију и распрострањеност живог света. Издвајањем места са већом температуром воде могу се идентификовати, на пример, испусти воде из индустрије, који негативно делују на живи свет речног тока или језера. Коришћењем термалних инфрацрвених снимака (Thermal infrared imaging - TIR) могу се пратити термалне промене у рекама и потоцима. С обзиром на угроженост овог природног ресурса у насељу Венчане, подаци о квалитету воде морају бити саставни део ЕИС-а. 6.2.3. Анкетно истраживање Како би ЕИС био пројектован на најбољи начин, потребно је да му претходи испитивање потреба за информацијама његових будућих корисника. Из тог разлога је, пре предлога за пројектовање ЕИС-а, извршено анкетно испитивање локалног становништва. Коришћен је случајан узорак који ће по величини, особинама, територијалној распрострањености у насељу, моћи да репрезентно одговори на потребе истраживања. Истраживање је извршено на ученицима петог, шестог, седмог и осмог разреда основне школе Веља Герасимовић у Венчанима. Група 118
обухвата 73 испитаника узраста 12-15 година 92. С обзиром на величину, узорак спада у групу великих узорака. Својом величином изабрани узорак омогућиће да се одговори на питања о еколошкој свести, стању животне средине, жељама за решавањем еколошких проблема, и осталим питањима од значаја за пројектовање ЕИС-а. За анкетно испитивање је изабрана група узраста 12-15 година јер је научно доказано да се на промену еколошке свести најбоље може деловати код млађих узраста. Такође, овај узраст је изабран због тога што се подразумева да већ поседује задовољавајуће знање рада на рачунару. Млади својим примером, информисаношћу и проеколошким понашањем могу утицати и на старије, али још више на млађе генерације. У процесу прикупљања података за анкетно испитивање, примењена је прво техника системског посматрања стања у коме се животна средина налази. Резултати примене ове технике указали су на потребу даљег истраживања појаве и утврђивање међусобне повезаности чиниоца. За потребе мерења користимо две технике - за истраживање нивоа информисаности спровешћемо анкетирање; док за испитивање понашања, интересовања, мотивисаности, користимо технику скалирања. Са унапред добијеном сагласношћу надлежних у основној школи Веља Герасимовић прво је обављено преилиминарно истраживање (Хавелка Н. и други, 1998). Инструменти истраживања представљају алат који се у том истраживању употребљава. У овом истраживању коришћена је анкета и скала ставова (Мужић B., 1986). Коришћењем анкете испитан је ниво информисаности ученика о стању животне средине у њиховом непосредном окружењу, и то на основу сагледавања колико су ученици успешни у погледу процене проблема животне средине у њиховом крају. За испитивање проеколошког понашања ученика, коришћена је скала за процену ставова, која спада у полудиректне технике испитивања. У програму SPSS, пре анализе урађене анкете је извршена провера поузданости питања постављених у тесту. Прво је урађена провера Кронбах алфа коефицијента 93, па након тога Итем-тотал 94 статистика. Задовољавајућа вредност 92 Старије становништво није изразило вољу за анкетирањем. 93 Познат и као коефицијент интерне конзистенције. Једна је од најчешће коришћених процена поузданости композитних мерних инструмената или тестова (Васић А., Шарчевић Д., 2013). 119
Кромбах алфа коефицијента показала је да испитивани узорак има нормалну расподелу, што значи да су свих шест ајтема везаних за информисаност ученика о животној средини поуздани за даљу анализу. Узрочно-последична повезаност између информисаности и понашања ученика, као и њиховог проеколошког понашања и спремности за акцију истражена је уз помоћ каузалне методе. У циљу тражења одговора на питање да ли су, и на који начин, ове појаве међусобно повезане компаративно је истражено паралелено јављање одређених врста понашања (Љешевић М., 2005). Дискриминативност питања проверена је уз помоћ Колмогоров-Смирнов теста 95, као и израчунавањем коефицијената закривљевости (Скјунес 96 ) и зарављености (Куртозис 97 ). Већа дискриминативност значи да питања дозвољавају већу флексибилност у одговарању, што условљава различитост у одговорима испитаника (Тењовић Л., 2002). Пирсоновим коефицијентом корелације 98 урађена је линеарна корелација, како би се утврдило постојање односа између испитиваних појава. Резултати истраживања везаних за информисаност показали су задовољавајућу информисаност испитаника о стању животне средине у којој живе, али недовољан степен повезивања тог стања са здрављем људи. Већина ученика сматра да је животна средина у месту у коме живе у великој мери загађена, али загађеност не повезују са последицама које она може имати по њихово здравље преко квалитета воде коју пију, квалитета намирница које користе у исхрани. Пример тога је то што је 88% испитаника одговорило да квалитет намирница у месту у коме живе оцењује као одличан или добар, иако је претходно чак 76% одговорило да сматрају да је животна средина у месту у коме живе загађена веома или умерено. 94 Итем-тотал (The item total correlation) представља корелацију између оцене резултата, и укупног резултата процене. 95 Непараметарски тест једнакости континуираних, једнодимензионалних расподела вероватноћа, које се могу користити за упоређивање два узорка, или за поређење узорка са референтном расподелом вероватноће. 96 Коефицијент Скјунес представља однос аритметичке средине, мода дистрибуције и стандардне девијације. Може имати позитивну и негативну вредност. 97 Уз помоћ коефицијента Куртозис процењује се хомогеност дистрибуције, на основу заобљености криве дистрибуције, путем хистограма. 98 Пирсонов коефицијент корелације представља коваријансу изражену у јединицама стандардних девијација обеју варијабли. Добија се тако што се од коваријансе одузима вредност производа стандардне девијације једне и друге варијабле. 120
Велика заинтересованост испитаника да се укључе у активности у животној средини везује се за њихову свесност да је њено стање лоше, па би они желели да својом активношћу постојеће стање промене. Ова чињеница показује потребу за пројектовањем ЕИС-а, који ће омогућити информисање ученика и њихово укључивање у решавање еколошких проблема. С обзиром на то да већина ученика поседује рачунар и интернет, коришћење ЕИС-а у ту сврху за њих неће представљати проблем. Анкетом је утврђено да би се 80% ученика укључило у акцију чишћења дивљих депонија, док би 92% одвајало отпад (пластику, папир, метал, стакло) уколико би постојали контејнери за то. Како би проширили своје знање, велики проценат ученика учествовао би у еколошким секцијама, камповима, еко радионицама у свом месту (92%). Еколошки информациони систем омогућио би активно укључивање испитаника у решавање проблема средине у којој живе, чиме се још више потврђује оправданост његовог пројектовања. Линеарна корелација између појединих компоненти испитана је Пирсоновом коефицијентом корелације. Пирсонов коефицијент корелације показује повезаност појединачних компоненти: информисаности, проеколошког понашања и спремности на акцију. Уочена повезаност у табели је означена подебљано. У првом реду се налазе подаци о вредности Пирсоновог коефицијента (Тењовић Л., 2002). Табела 7. Линеарна корелација између посматраних варијабли (Аутор: Радовановић А., 2011.) Број случајева N Информисаност Проеколошко понашање Спремност на акцију 73 Пирсонова информисаност Корелација 1,000 0,255 0,187 Сигнификантност, 0,029 0,113 Пирсонова,255 1,000,231 Проеколошко Корелација понашање Сигнификантност 0,029, 0,050 Пирсонова,187,231 1,000 Спремност на Корелација акцију Сигнификантност 0,113 0,050, 121
Спроведеним истраживањем доказано је да, у конкретном случају, постоји линеарна зависност између информисаности ученика о животној средини и њиховог проеколошког понашања F (1,73) = 0.25, p = 0.03. То значи да већи степен информисаности ученика о проблемима и стању локалне животне средине условљава то да је и проеколошко понашање на вишем нивоу. Такође, испитивање корелације између спремности на акцију и проеколошког понашања показало је позитиван резултат F (1,73) = 0.23, p = 0.05. Испитивање нивоа до ког су испитаници спремни да се укључе у активности везане за заштиту животне средине показало је изражено висок степен. Како би се утврдило да ли између посматраних варијабли постоји међусобна повезаност, коришћен је Пирсонов коефицијент корелације. На основу добијеног резултата може се закључити да постоји позитивна корелација између информисаности и проеколошког понашања, као и проеколошког понашања и спремности на акцију, док је однос између информисаности и проеколошког понашања негативан. То значи да би се информисањем ученика развио степен њиховог проеколошког понашања, а нарочито ако би се радило на томе да се информишу о утицају које њихово понашање може имати на животну средину. Такође, пројектовањем ЕИС-а могло би се омогућити укључивање ученика у конкретне активности у локалној средини, у виду еко-радионица, еко-кампова, еколошких секција; што би знатно утицало на њихово понашање према животној средини у свакодневном животу. Резултати анкете показују да би пројектовање еколошког информационог система насељу Венчане донело решење многих проблема животне средине. На првом месту, пошто је утврђена велика заинтересованост младих о животној средини, ЕИС би омогућио њихово информисање, проеколошко понашање и деловање. Један део анкете био је везан за испитивање стања животне средине. Анкетом је утврђено да се чак 83% домаћинстава снабдева водом из сопствених, а 7% из заједничких бунара, док је за 10% непознато. Ранија испитивања квалитета воде која се користи за пиће показала су незадовољавајуће стање, пре свега код бактериолошке анализе. Мала количина воде заправо је у потпуности исправна за пиће. Претпоставља се да су узроци недовољна дубина и непланско лоцирање бунара. Велики број бунара налази се на нижим надморским висинама, чиме долази 122
до контакта са загађујућим материјама из фекалних испуста домаћинстава. Неповољно на квалитет вода делују пољопривредне активности, животињски отпад, ерозија тла, ђубрива, минералне соли које потичу од наводњавања, пестициди и сл. 99 Велики број бунара лоциран је у близини штала и других објеката где се гаји стока, затим у близини септичких јама, загађених речних токова. Тако је, на пример, бунар из ког се користи вода у централном делу насеља за снабдевање амбуланте, школе, Дома културе, домаћинстава, лоциран у близини септичке јаме, која се прелива услед непражњења, и на тај начин долази до мешања. Поред тога, цеви којима се вода спроводи до домаћинстава су већим делом старе, што додатно негативно утиче на њен квалитет. Око 10% домаћинстава има нерешен проблем снабдевања водом, услед удаљености од подземних и површинских употребљивих вода. Анкетом је утврђено да се одлагање отпадних вода из 39% домаћинстава врши у речне токове. Иако 61% домаћинстава поседује септичке јаме, само мали број њих се редовно празни, па је њихово изливање и мешање ових вода са водама река и потока честа појава. Претпоставља се да енормна концентрација бактерија у ток Придворице доспева на тај начин, што је и забележено анализом воде. Бактерије које су пронађене у узорку у централном делу насеља колиформне и колиформне бактерије фекалног порекла, заправо су бактерије које се налазе у фекалним водама које испуштају домаћинства. Чврсти отпад који се баца у речне токове такође доста утиче на квалитет воде. Чак 63% домаћинстава на неки начин утиче на квалитет воде како речних токова, тако и подземних вода. На основу анкете је утврђено да око 24% домаћинстава отпад баца у оближње речне токове, и на тај начин их директно угрожава. Поред тога, око 39% домаћинстава индиректно утиче на загађење бацањем отпада на сопствене депоније или на заједничке депоније које користи већи број домаћинстава. Путем кишнице отровне материје пролазе кроз земљиште и спајају се са подземним водама, а касније са речним токовима. Загађене подземне воде доспевају у бунаре и на тај начин негативно делују на квалитет воде коју домаћинства користе у свакодневној употреби. 99 Андрић Н. (2010): Загађивање вода у Србији, Факултет за примењену екологију Футура, Универзитет Сингидунум, Београд. 123
Урађено анкетно испитивање потврдило је потребу пројектовања локалног еколошког информационог система за насеље Венчане. Анкетом је утврђено да локално становништво има велику жељу за укључивањем у решавање еколошких проблема, али да, са друге стране, није довољно информисано. Такође, анкетом је утврђено да ЕИС треба да садржи информације о квалитету параметара животне средине, али и о томе на који начин лоше стање животне средине може утицати на човека његов живот и здравље. ЕИС би омогућио повезивање корисника заинтересованих за решавање еколошких проблема, могле би се организовати активности у виду сакупљања смећа, еко-радионице, еко-кампови и сл. ЕИС би требао да буде пројектован тако да омогући сталну online повезаност, допуњавање новим, свежим информацијама, али и међусобну комуникацију и укључивање заинтересованих корисника. 6.3. Теренско истраживање за пројектовање ЕИС-а Главна два извора загађења утврђена теренским истраживањем су отпадне воде из домаћинстава и смеће које се баца у речне токове. Отпаци које производе домаћинства и директно бацају у природу и речне токове извор су многих зараза и естетски веома неповољно делују на изглед простора. Бројне дивље депоније утврђене теренским испитивањем указују на слабо развијену еколошку свест локалног становништва и нерационалну комуналну привреду. Главни садржај депонија, утврђен на терену, чине пластичне флаше и кесе, хартија, метали, стакло који представљају секундарне сировине, и потенцијални материјал за рециклажу. У токовима Придворице, Турије и Каменичке реке и њихових притока идентификовано је око 20 мањих и већих депонија. Претпоставља се да је број депонија и већи, јер постоје многа места где се, када је ниво воде у порасту, отпаци задржавају када дођу до препреке и ту нагомилавају. Веће дивље депоније углавном су сконцентрисане у зони око речних токова и око домаћинстава или група домаћинстава. Готово да свако домаћинство има своју депонију на коју одлаже смеће. 124
6.3.1. Провера квалитета воде речног тока методом узорковања У зависности од ситуације узорковања, постоји низ задатака које треба спровести да би узорак био репрезентативан. Табела 8. Физичко-хемијска анализа воде реке Придворице у делу тока који пролази кроз најгушће насељени део места (Аутор: Радовановић А., 2012). ПАРАМЕТРИ ЈЕД. МЕРЕ НАЂЕНА ВРЕДНОСТ МЕТОДА Мирис на 25 С и 40 С без Приручник 1) P-IV-2 Сензорна техника Температура С 15,7 Приручник 1) P-IV-1 Рачунарска Боја Pt-Co скала 15 Приручник 1) P-IV-5 Колориметрија Мутноћа NTU 25 Приручник 1) P-IV-4/B Турбидиметријска ph вредност 6,97 Приручник 1) P-IV-6 Електрохемијска Потрошња KMnO4 mg/l 11,06 Приручник 1) P-IV-9a Волуметрија Електропроводљивост на 20 С μs/cm 464,99 Приручник 1) P-IV-11 Конструктометрија Резидуални хлор mg/l < 0,05 Приручник 1) P-V- 18/B Колориметрија Укупна тврдоћа dh 10,6 Приручник 2) Стр.673 Волуметрија Амонијак (NH3) mg/l 0,1 Приручник 1) P-V-2/B Спектрофотометрија Нитрити (NO2-) mg/l 0,075 Нитрати (NO3-) mg/l 21,0 Приручник 1) P-V- 32/A Приручник 1) P-B- 31/C Спектрофотометрија Спектрофотометрија Бикарбонати (HCO3) mg/l 231 Приручник 2) Стр.675 Волуметрија Гвожђе (Fe) mg/l 0,13 Калцијум (Ca) mg/l 46,0 Магнезијум (Mg) mg/l 18,2 Приручник 1) P-V- 17/C Приручник 1) P-V- 22/A Приручник 1) P-V- 22/A Спектрофотометрија Волуметрија Волуметрија Манган (Mn) mg/l < 0,05 KM PK 06-022/12* Волуметрија 125
Сложеност мерења се непрестано повећава услед појаве бројних загађења, па се уводе нове методе анализе и истражује утицај на организме путем биолошких индикатора. За оцену квалитета користе се различити модели, као на пример WQI (Water Quality Index) индекс (Гоцић Љ., Станковић М., Трајковић С., 2007). У циљу провере компатибилности теледетекционе класификације сателитских снимака за пројектовање ЕИС-а и провере резултата добијених теледетекционом надгледаном класификацијом, извршено је теренско узорковање воде речног тока Придворице. Узорци за лабораторијако испитивање узети су на две репрезентативне локације у централном делу насеља (Табела 8.) и у делу тока који протиче ван насељеног места. За анализу је узет ток Придворице јер она извире у Венчанима, целом дужином свог тока тече кроз насеље, и улива се у реку Турију у близини центра насеља. Узорци воде достављени су на анализу лабораторији предузећа а.д. Књаз Милош из Аранђеловца (Радовановић А., 2012). Слика 20. Локација на којој је узет узорак за прву анализу (Аутор: Лесандрић С., 2017.) Загађивач је правно или физичко лице које својом активношћу или неактивношћу загађује животну средину. 100 У истраживаном случају, загађивач је 100 Република Србија (2009): Закон о заштити животне средине, Службени гласник републике Србије бр. 36/2009, Београд. 126
физичко лице, односно више физичких лица која својом активношћу директно утичу на стање водних ресурса испуштањем загађујућих материја. Загађујуће материје су материје чије испштање у животну средину утиче или може утицати на њен природни састав, особине и интегритет. 101 Загађеност воде представља свако квантитативно и квалитативно одступање од природних физичких, хемијских и биолошких својстава, које може да има негативне последице по водени екосистем. Свако одступање смањује употребну вредност воде, а с обзиром на то да је вода услов живота свих живих бића, неопходно је да знамо њена својства (Љешевић М., 2005). Из тог разлога је у насељу Венчане извршена контрола квалитета воде са физичко-хемијског и микробиолошког аспекта. Лабораторија предузећа Књаз Милош најопремљенија је лабораторија у широј околини, па је због тога изабрана да се у њој врши анализа. На слици 20. може се видети локација на којој је узет први узорак за анализу (обележена стрелицом и црном тачком). У близини изабране локације регистован је већи број канализационих испуста из домаћинстава, продавница, кафана и др. Ови тачкасти загађивачи у речне токове испуштају фекалне воде, које се мешају са природним токовима и на тај начин доводе до повећане концентрације бактерија. Анализом воде из речног тока Придворице, на основу узорка узетог у центру Венчана, након микробиолошке и физичко хемијске обраде узорка воде из стерилне боце од 0,25 литара, и ПЕТ боце од 1,5 литара добијен је не баш добар резултат (Радовановић А., 2012). Уколико се добијени резултат упореди са максималним дозвољеним концентрацијама опасних материја у водама одређених Правилником о опасним материјама у водама (Службени гласник СРС 31/82), концентрације амонијака и гвожђа у границама су максимално дозвољених за I и II класу вода. Може се закључити да је концентрација гвожђа у границама нормале везана за то што се ради о природном, речном току, и што у близини не постоје индустријска постројења. Међутим, с обзиром на то да је вредност амонијака на граници дозвољене, може се закључити да то може бити изазвано употребом амонијачних ђубрива приликом обраде земље, спаљивањем смећа, као и гајењем свиња, што је карактеристично за испитивану средину. Уколико би се даље 101 Република Србија (2009): Закон о заштити животне средине, Службени гласник републике Србије бр. 36/2009, Београд. 127
повећавала концентрација амонијака, то би могло да доведе до мењања процеса фотосинтезе и дисања код биљака, повећања листова, активности неких фермената, као и на промену водног режима биљака и земљишта (Љешевић М., 2005). Уколико се добијени резултат за концентрацију нитрита упореди са максималним дозвољеним концентрацијама опасних материја у водама одређених Правилником о опасним материјама у водама (Службени гласник СРС 31/82), концентрација нитрита виша је од максимално дозвољених за I и II класу вода. Максимално дозвољена концентрација за нитрите (NO2-) за I и II класу вода износи 0,05 mg/l, док је у испитиваном узорку нешто виша, и износи 0,075 mg/l, чиме се може сврстати у III и IV класу вода. У испитиваном узорку концентрација нитрата (NO3-) износи 21,0 mg/l, чиме премашује максимално дозвољене границе за III и IV класу вода (15,0 mg/l) према Правилнику. Слика 21. Концентрација нитрита (NO2-) у испитиваном узорку (Аутор: Радовановић А., 2017.) Графиконом на слици 21. приказан је упоредни приказ измерених концентрација за нитрите (NO2-), са дозвољеним концентрацијама одређених Правилником о опасним материјама у водама (Службени гласник СРС 31/82) за I и II, као и III и IV класу вода. Посматрањем графикона може се закључити да 128
измерена вредност није знатно већа од дозвољене вредности за I и II класу вода, па би се, према томе, могла сврстати у III класу вода. Поређењем са максимално дозвољеним концентрацијама нитрата (NO3-), одређених Правилником о опасним материјама које се не смеју уносити у воде (Службени лист СФРЈ 7/66), измерена вредност прелази дозвољене границе за воде које се користе за купање и рекреацију, водоснабдевање и наводњавање. Вредност од 21,0 mg/l далеко је већа од дозвољене вредности која износи 12,0 mg/l (Радовановић А., 2012). Графиконом на слици 22. приказан је упоредни приказ измерених концентрација за нитрате (NO3-), са дозвољеним концентрацијама одређених Правилником о опасним материјама у водама (Службени гласник СРС 31/82) и Правилником о опасним материјама које се не смеју уносити у воде (Службени лист СФРЈ 7/66). Посматрањем графикона, уочава се да је измерена вредност нитрата (NO3-) већа од свих Законом прописаних максимално дозвољених вредности. Измерен 21 mg/l је јако висока концентрација за воду речног тока који пролази кроз насељено место. Слика 22. Концентрација нитрата (NO3-) у испитаном узорку (Аутор: Радовановић А., 2017.) 129
Микробиолошка анализа воде (Табела 9.). Биолошке методе анализе воде користе се за испитивање бактериолошког загађења. При биолошко-санитарном испитивању утврђује се квалитативни и квантитативни састав бактеријске флоре. Истраживање се најчешће врши за најкарактеристичне бактерије: Echerichia colli, или изазиваче појединих болести - Samonella, Shigela. 102 У овом истраживању анализиране су Аеробне мезофилне бактерије, Колиформне бактерије, Колиформние бактерије фекалног порекла, Enterococcus sp., Proteus врсте, Pseudomonas aeruginosa и Сулфиторепродукујуће клостридије. Табела 9. Микробиолошка анализа воде реке Придворице у делу тока који пролази кроз најгушће насељени део места (Аутор: Радовановић А., 2012). ПАРАМЕТРИ ЈЕДИНИЦА МЕРЕ НАЂЕНА ВРЕДНОСТ МЕТОДА Аеробне мезофилне бактерије на 37 С 1/ ml 1131 SRPS ISO 6222 Детекција и бројање Највероватнији број колиформних бактерија у 1000 ml 240000 SRPS ISO 9308-2 Детекција и бројање Највероватнији број колиформних бактерија фекалног у 1000 ml 240000 SRPS ISO 9308-2 Детекција и бројање порекла Enterococcus sp. у 1000 ml Није изоловано Приручник 1) Стр. 633,3.1 Детекција и бројање Proteus врсте у 1000 ml Није изоловано Приручник 1) Стр. 637,4.1 Изоловање и идентификација Pseudomonas aeruginosa у 1000 ml Није изоловано Приручник 1) Стр. 639,6.1 Изоловање и идентификација Сулфиторепродукујуће клостридије у 1000 ml Није изоловано Приручник 1) Стр. 638,5.1 Детекција и бројање Испитивање се врши на бази узорка воде која се тестира под микроскопом. Овом приликом коришћене су методе детекције и бројања бактерија и изоловања и 102 Љешевић М. (2005): Теорија и методологија истраживања животне средине, Географски факултет, Универзитет у Београду, Београд. 130
идентификације, уз коришћење међународних стандарда SRPS ISO 9308-2 и SRPS ISO 6222, као и Приручника 1). Да би стање бактериолошког загађења било репрезентативно, неопходно је да узорак буде узет у стерилну посуду и да се онемогући промена бактериолошког састава и бројност по узорку (Љешевић М., 2005). Из тог разлога су оба узорка узета на прописан начин. За карактерисање се врши изражавање укупне количине бактерија у води бројањем. Вредност се изражава у броју бактерија у једном ml. Одитингом животне средине проверавано је да ли је концентрација загађујућих материја у испитаном узорку у складу са постојећим законима и прописима. Провера је извршена у складу са Правилником о опасним материјама у водама (Службени гласник СРС 31/82), Уредбом о класификацији вода међурепубличких водотока међудржавних вода и вода обалног мора Југославије (Службени лист СФРЈ 6/78) и Уредбом о класификацији вода (Службени лист СРС 5/68). У најновијој Уредби о граничним вредностима емисије загађујућих материја у воде и роковима за њихово достизање (Службени гласник РС 67/11), не постоји део у коме су одређене граничне вредности концентрације материја за речне токове, па се из тог разлога користе старији правилници (Радовановић А., 2012). Измерена вредност концентрације колиформних бактерија и колиформних бактерија фекалног порекла далеко је већа од приказане највеће коју апарати лабораторије предузећа Књаз Милош могу да измере. Поређењем са Правилником о опасним материјама у водама (Службени гласник СРС 31/82), долази се до закључка да вода испитаног узорка прелази дозвољену границу (60.000 на 1000 ml) више од 4 пута (Слика 23.). Уколико упоредимо са Уредбом о класификацији вода међурепубличких водотока међудржавних вода и вода обалног мора Југославије (Службени лист СФРЈ 6/78), закључићемо да измерена концентрацијом спада у IV класу вода (више од 200.000 на 1000 ml). Исти закључак се изводи и поређењем са Уредбом о класификацији вода (Службени лист СРС 5/68). Вода нехигијенског квалитета може угрозити здравље људи на више начина. Болести хидричног порекла изазване биолошким узрочницима могу се јављати у различитим облицима, нису везане за сезонски карактер ни за одређено годишње доба (Шкрињар М., 2001). С обзиром на то да речни токови протичу кроз најгушће насељен део места, то се може негативно одразити на квалитет намирница, а самим 131
тим и здравље становника. Велики број башта налази се у близини загађених токова, који се у време већих киша изливају и плаве околно земљиште. Храна која долази у додир са том количином бактерија нездрава је за људски организам. Поред тога, животиње које пију воду у рекама могу пренети заразу људима, а код оних животиња које се користе у исхрани, и преко зараженог меса (Радовановић А., 2012). Слика 23. Концентрација колиформних бактерија и колиформних бактерија фекалног порекла у испитиваном узорку (Аутор: Радовановић А., 2017.) 6.3.2. Анализа воде речног тока Придворице у делу насеља са мањом концентрацијом становника У циљу утврђивања постојања односа између загађености и густине насељености, урађена је физичко-хемијска и микробиолошка анализа воде на локацији изван централног дела насеља. Анализа је, као и претходна, вршена од стране лабораторије предузећа а.д. "Књаз Милош", уз помоћ истих метода и техника као у претходној анализи. За разлику од прве локације, може се уочити да се у близини другог узорка не налазе 132
домаћинства или групе домаћинстава, па нису регистровани ни канализациони испусти (Слика 24.). Слика 24. Локација места са ког је узет други узорак за анализу воде Придворице (Аутор: Лесандрић С., 2017) Физичко-хемијска анализа воде. Резултати физичко-хемијске анализе воде речног тока Придворице, у делу насеља који има мању густину насељености, представљени су табелом 10. Добијени резултат поређен је са максималним дозвољеним концентрацијама опасних материја у водама одређених Правилником о опасним материјама у водама (Службени гласник СРС 31/82). Концентрације амонијака и гвожђа у граници су дозвољених за I и II класу вода. Поређењем са максимално дозвољеним концентрацијама амонијака и гвожђа одређених Правилником о опасним материјама које се не смеју уносити у воде (Службени лист СФРЈ 7/66), вредности за амонијак и гвожђе не прелазе дозвољене границе за воде које се користе за купање и рекреацију, водоснабдевање и наводњавање (Радовановић А., 2012). Задовољавајући ниво амонијака и гвожђа је повезан са тим што у близини не постоје индустријска постројења. Виша концентрација амонијака у централном делу насеља вероватно је резултат употребе амонијачних ђубрива приликом обраде 133
земље, спаљивања смећа, као и гајења свиња, што за околину другог узорка није карактеристично. Мерењем вредности нитрита и нитрата добијени су бољи резултати у поређењу са анализом првог узорка. Уколико се добијени резултат за концентрацију нитрита упореди са дозвољеним концентрацијама из Правилника о опасним материјама у водама (Службени гласник СРС 31/82), вода би спадала у I и II класу. Максимално дозвољена концентрација за нитрите (NO2-) за I и II класу вода износи 0,05 mg/l, док је у испитиваном узорку мања од 0,005 mg/l. Табела 10. Физичко-хемијска анализа воде реке Придворице у делу насеља са мањом концентрацијом становника (Аутор: Радовановић А., 2012). ПАРАМЕТРИ ЈЕД. МЕРЕ НАЂЕНА ВРЕДНОСТ Мирис на 25 С и 40 С без Температура С 16,1 Боја Pt-Co скала 10 Мутноћа NTU 10 ph вредност 6,57 Потрошња KMnO4 mg/l 22,1 Електропроводљивост на 20 С μs/cm 376 Резидуални хлор mg/l < 0,05 Укупна тврдоћа dh 8,96 Амонијак (NH3) mg/l < 0,05 Нитрити (NO2-) mg/l < 0,005 Нитрати (NO3-) mg/l 10,0 Бикарбонати (HCO3) mg/l 134,2 Гвожђе (Fe) mg/l 0,1 Калцијум (Ca) mg/l 38,07 Магнезијум (Mg) mg/l 15,8 Манган (Mn) mg/l < 0,05 134
У испитиваном узорку концентрација нитрата (NO3-) износи 10,0 mg/l, чиме је на граничној вредности за I и II класу вода (10,0 mg/l) према Правилнику. У поређењу са Правилником о опасним материјама које се не смеју уносити у воде (Службени лист СФРЈ 7/66), концентрација нитрата (NO3-) у граници је дозвољене за воде које се користе за купање и рекреацију, водоснабдевање и наводњавање. Боја и мутноћа воде у испитиваном узорку оцењени су са 10 Pt-Co. Боја представља оптичко својство воде и последица је апсорпције и рефлексије светлости одређене таласне дужине, без скретања таласних дужина. Најчешће на боју утиче садржај органских материја. Боја воде се одређује колориметријским методама и изражава бројем. Према Правилнику о хигијенској исправности воде за пиће (Службени лист СРЈ бр. 42/98), прописана је максимална допуштена вредност боје од 5 Pt-Co. Мутноћа воде је, такође, оптичко својство воде. Последица је присуства нерастворних материја због којих долази до скретања светлости. Изражава се нефелометријским јединицама мутноће (eng. nephelometric turbidity units - NTU), и у испитиваном узорку износи 10 Pt-Co. Измерена мутноћа од 10 NTU спада у повишен ниво мутноће за речне токове, што може потицати од суспендованих честица глине, честица муља, органских и неорганских материја, ситних организама и планктона. 103 Микробиолошка анализа воде. Као и у претходној анализи, одитинг је вршен у складу са Правилником о опасним материјама у водама (Службени гласник СРС 31/82), Уредбом о класификацији вода међурепубличких водотока међудржавних вода и вода обалног мора Југославије (Службени лист СФРЈ 6/78) и Уредбом о класификацији вода (Службени лист СРС 5/68). Као и код претходног узорка, измерена вредност колиформних бактерија и колиформних бактерија фекалног порекла далеко је већа од приказане највеће коју апарати лабораторије предузећа Књаз Милош могу да измере (погледати Слику 25.). И упркос релативној удаљености од већег броја домаћинстава, ако се упореди са Правилником о опасним материјама у водама (Службени гласник СРС 31/82), долази се до закључка да количина колиформних бактерија у испитаном узорку прелази дозвољену границу (60.000 на 1000 ml). 103 Грађевински факултет, Универзитет у Београду (2010): Квалитет вода. Лабораторијски приручник. Грађевински факултет, Београд. 135
Уколико упоредимо са Уредбом о класификацији вода међурепубличких водотока међудржавних вода и вода обалног мора Југославије (Службени лист СФРЈ 6/78), овај део речног тока Придворице спада у IV класу вода (више од 200.000 на 1000 ml). Исти закључак се изводи и поређењем са Уредбом о класификацији вода (Службени лист СРС 5/68). Табела 11. Микробиолошка анализа воде реке Придворице у делу насеља са мањом концентрацијом становника (Аутор: Радовановић А., 2012). ПАРАМЕТРИ ЈЕД. МЕРЕ НАЂЕНА ВРЕДНОСТ Аеробне мезофилне бактерије на 37 С 1/ ml 1136 Највероватнији број колиформних бактерија у 1000 ml 240000 Највероватнији број колиформних бактерија фекалног порекла у 1000 ml 240000 Enterococcus sp. у 1000 ml Није изоловано Proteus врсте у 1000 ml Изоловано је Pseudomonas aeruginosa у 1000 ml Није изоловано Сулфиторепродукујуће клостридије у 1000 ml Није изоловано У испитаном узорку, за разлику од претходног, изоловане су и Proteus врсте. Оне спадају у колиформне бактерије и углавном су природни становници тла. Колоније Proteus врста прекривају површину воде велом терасастог изгледа, што се може назвати ројењем. Код човека могу изазвати инфекције уринарног тракта, очију, ушију, инфекције рана итд. Посматрани налази односе се, како на физичко-хемијску, тако и на микробиолошку анализу воде, на основу узорака узетих у марту и мају 2012. године. Добијени резултати су приказани табелом, нумерички апсолутним и релативним бројевима, а након тога и графиконом, чиме су добијене квантитативне 136
карактеристике испитиваних узорака. Графички је приказан упоредни приказ измерених вредности и вредности које су максимално дозвољене постојећим законима и прописима. Слика 25. Концентрација колиформних бактерија у испитиваном узорку (Аутор: Радовановић А., 2017). Стационарна контрола појединачног елемента воде, показује стање целокупне животне средине насеља Венчане. Тип мониторинга који је приликом ових анализа воде обављен је импактни мониторинг који се врши у локалним условима, на конкретним локацијама. У нашој земљи су утврђени стандарди квалитета животне средине и вредности емисије загађујућих материја и енергије у воду. Јединствени нормативи утврђени су ради контроле квалитета воде, поступања са отпадом и хемикалијама, као и третмана отпадних вода. 104 Граничне вредности емисија загађујућих материја на месту испуштања и нивои имисије загађујућих материја у воду уређени су Уредбом о граничним вредностима емисије загађујућих материја у воде и роковима за њихово достизање (Сл.гласник РС, бр. 67/11). Међутим, овим правилником нису обухваћене граничне вредности емисије у речне токове, па су из тог разлога у анализи коришћени старији правилници и уредбе. 104 Република Србија (2009): Закон о заштити животне средине, Службени гласник републике Србије бр. 36/2009, Београд. 137
Уколико се упореде две анализе воде са изабраних локација, установиће се да већа разлика постоји код физичко-хемијске анализе него код микробиолошке. С обзиром на то, у овом случају мања концентрација домаћинстава не значи и мању количину бактерија у води. Појава амонијака у води може бити резултат примене ђубрива у пољопривредној производњи, повишеног нивоа бактерија у води и сл. Речни ток, од прве до друге мерне станице, пролази кроз делове где се врши обрада земљишта уз додавање ђубрива, па се претпоставља да је због тога и концентрација амонијака већа. Поред забележене мање концентрације нитрита (NO2-), забележена је и мања концентрација нитрата (NO3-) на другој, у односу на прву локацију. С обзиром на то да је прва локација далеко мање угрожена отпадом, логично је да је концентрација нитрата и нитрита мања. Резултати микробиолошке анализе на обе изабране локације показују да је број колиформних и колиформних бактерија фекалног порекла далеко изнад свих дозвољених граница преко 240.000 у 1000 ml. Једина разлика је што је у другом узорку забележена појава аеробних мезофилних бактерија чак 1136 1/ ml. Разлика у резултатима код два узорка би вероватно била већа да је узорковање вршено у истом временском периоду. Наиме, први узорак је узет у марту, након отапања снега, што је смањило концентрацију бактерија и загађујућих материја, док је други узорак узет у мају, када је, услед слабијег протока воде и мање могућности самопречишћавања, концентрација бактерија и других штетних материја у води већа. Растворљивост чврстих и течних супстанци у води повећава се са порастом температуре, док се истовремено растворљивост гасова смањује. Нитрати се у речном току Придворице појављују као део азотног циклуса. Присуство јона нитрата у води указује на већ постојеће, старо загађење вода или на стари извор загађења. Већа концентрација нитрата очекује се тамо где се користе ђубрива у пољопривреди, затим при труљењу животињских и биљних остатака, у оцедним водама из депонија муља и смећа. Повишен ниво нитрата увек се везује за воде загађене отпадним, фекалним водама. Уколико се употребљава вода са концентрацијом нитрата већом од 10 mg/l, то може довести до метхемоглобинемије (Lide D., 2006). 138
Појава нитрита у речном току Придворице може се, такође, повезати са употребом ђубрива и испуштањем фекалних вода. Када се нађу нитрити у води у повишеној количини, то је сигуран знак загађења отпадним водама и бактеријама и неадекватне дезинфекције. Као и нитрати, могу се наћи у отпадним и оцедним водама депонија и пољопривредних површина. Токсичност нитрита манифестује се кардиоваскуларним ефектима при високим дозама и метхемоглобинемијом синдромом плаве деце 105 при нижим дозама. У крви нитрити оксидују хемоглобин у метхемоглобин, што се манифестује цијанозом, а у већим концентрацијама и асфиксијом - престанком дисања (Budavari S., 2001). Повишен ниво амонијака у речном току индикатор је бактеријске активности и животињског отпада. Такође, повишен ниво амонијака у речном току, одраз је директног испуштања канализације у водену средину. Амонијак је главна компонента метаболизма сисара. У води у којој су забележене његове повишене концентрације долази до промене укуса и мириса. Амонијак настаје у отпадној води хидролизом сложених органских састојака, као што су беланчевине или аминокиселине растворене у води. Нитрификација је поступак обраде у ком се одвија оксидација амонијака у нитрат преко нитрита. 106 По Андрићу Н. (2010), пестициди су, такође, велики загађивачи вода како површинских тако и подземних. У воду доспевају спирањем са земљишта и биљака, при неправилној технологији прскања и запрашења и сл. Непоштовање минималног броја дана од третирања неким препаратом до тренутка када је биљка здравствено исправна за јело чини да се пестициди нагомилавају у земљишту и води у концентрацијама далеко већим од дозвољених. Спирањем са земљишта доспевају у воде, а преко зоо и фитопланктона у рибе, и на крају човека. Неки водени организми могу садржати органохлорна једињења у концентрацији и 10.000 пута већој од концентрација које се налазе у води. У води је њихова највећа концентрација изражена у пролеће и лето, када је и повећана њихова примена у пољопривреди, па неконтролисано прскање биљних култура у том периоду доводи до њихове високе концентрације у речним токовима насеља Венчане. 105 синдром плаве деце или метхемоглобинемија је болест код које је хемоглобин у оксидационом облику и не може да везује кисеоник, па болесник добија плаву боју коже и слузница. 106 Timeco d.o.o. (2008): Биолошка обрада отпадних вода, часопис Meso бр. 10, Загреб, 114-116 стр. 139
Бактериолошки и хемијски контаминирана вода за пиће може довести до ширења поремећаја дигестивног система, хроничних и инфективних болести. Површинске воде лошег квалитета претња су људском здрављу када се користе у рекреативне сврхе, нпр. за купање. Након прикупљања података добијених анализом, приступљено је обради података статистичком методом њиховом табеларном и графичком приказу. Посматрањем измерених вредности на терену и применом методе анализе квалитета воде по њеним појединачним својствима и структури, долази се до закључака о квалитету воде. По аутору М. Љешевић (2005), статистички метод истраживања везује се за простор (у виду одређених локалитета) и време. Статистичка обрада података започета је систематизацијом и груписањем података, па је након тога приступљено анализи. Типови анализе који су коришћени су: - истраживачка анализа стања на терену, испитивањем квалитета водних ресурса; - каузална анализа утврђивање узрока и последица људских деловања на водне ресурсе и прогнозирање будућег стања уколико се са загађивањем настави; - мерна анализа мерење чињеница везаних за квалитет водних ресурса, кроз концентрацију параметара; - експериментална анализа, која за циљ има налажење узрока неке појаве и највиши је степен научно-истраживачког рада. 6.3.3. Теренско испитивање речних токова проналажење и картирање дивљих депонија Главна два извора загађења утврђена теренским истраживањем су отпадне воде из домаћинстава и смеће које се баца у речне токове. Отпаци које производе домаћинства и директно бацају у природу и речне токове извор су многих зараза и естетски веома неповољно делују на изглед простора. Бројне дивље депоније, утврђене теренским испитивањем, указују на слабо развијену еколошку свест локалног становништва и нерационалну комуналну привреду. Главни садржај депонија чине пластичне флаше и кесе, хартија, метали, стакло који представљају секундарне сировине, и потенцијални материјал за рециклажу. На терену је 140
идентификовано око 20 мањих или већих депонија у токовима Придворице, Турије и Каменичке реке и њихових притока. Претпоставља се да је број депонија и већи, јер постоје многа места где се, када је ниво воде у порасту, отпаци задржавају када дођу до препреке. Веће дивље депоније углавном су сконцентрисане у зони око речних токова и око домаћинстава или група домаћинстава. Стање водних ресурса на територији насеља је незадовољавајуће. Неки од проблема су нерегулисано снабдевање становништва водом, непостојање система за одлагање и пречишћавање комуналних отпадних вода које се испуштају у најближе речне токове, нерешено питање одлагања чврстог отпада (не постоји регулисан систем одношења отпада, па се отпад одлаже на дивљим депонијама и у речним токовима), као и многи други проблеми који неповољно делују на квалитет и квантитет водних ресурса. Река Турија је највећи речни ток на територији насеља. Десна је притока Колубаре, у коју, посебно у време већих протицаја, носи отпадне материје и чврсти отпад. Део речног тока протиче кроз мање насељени део Венчана и ту се бележи мања концентрација чврстог отпада. На овим деловима отпад се најчешће налази на местима где се задржава услед наиласка на препреку, или када се, након веће количине падавина, повећава ниво и проток воде, при чему се отпаци крећу речним током и задржавају на гранама и корењу околног дрвећа. Пример тога може се видети на слици 26., локација 2. Слика 26. Ток реке Турије са обележеним локацијама на којима је идентификован отпад (Аутор: Радовановић А., 2012). 141
Посматрањем слике може се уочити да је концентрација отпада највећа у делу речног тока који пролази кроз гушће насељени део места. Велика количина отпада директно утиче на квалитет воде и на њену употребну вредност. Загађеност реке Турије довела је до изумирања највећег дела рибљег фонда данас се у мањeм броју могу видети само у мирнијим, дубљим деловима реке. Придворица настаје од два мања речна тока и највећа је притока Турије. Уједно је и речни ток који је највише угрожен отпадним материјама. Слика 27. Речни ток Придворице са обележеним локацијама на којима је забележена повећана концентрација отпада (Аутор: Радовановић А., 2012). 142
Отпада, као и код реке Турије, има знатно мање у делу тока који протиче кроз ређе насељен део Венчана (Слика 27). Немар становника довео је до тога да је овај ток од некада јако чистог постао веома загађен и извор могућих зараза и епидемија. Мањих или већих депонија на дужини тока има доста, и углавном су лоциране у близини домаћинстава или група домаћинстава. У комбинацији са великом количином фекалних вода, ове депоније могу бити веома опасан и озбиљан извор заразе, и изазивачи болести и епидемија. Слика 28. Речни ток Каменичке реке са обележеним локацијама на којима је забележена већа концентрација отпада (Аутор: Радовановић А., 2012). Каменичка река је најмање угрожен речни ток отпадом, али не може се занемарити чињеница постојања великог броја депонија које се формирају у 143
близини домаћинстава, изнад реке, на нешто вишим надморским висинама, јер путем испирања и подземних вода загађујуће материје доспевају у речни ток (Слика 28). Теренским испитивањем је утврђено да се велики број њива, које се обрађују уз додатке вештачких ђубрива, налази у непосредној близини Каменичке реке, што има директан утицај на промену физичко-хемијског састава воде. У комбинацији са отпадом, то може довести до повећања садржаја нитрата, нитрита и амонијака, као појаве и колиформних бактерија. Велики проблем смећа у речном току Придворице, Турије и Каменичке реке може се негативно одразити на здравље људи који живе у близини ових река. Неправилно управљање отпадом проузрокује епидемиолошки ризик, контаминацију извора за снабдевање водом и емисију веома канцерогених диоксина који настају паљењем отпада. 107 Обилне падавине често су праћене изливањем река. Највећи проблем је са реком Туријом, која при изливању преплави околне баште и њиве. Ова појава, услед регистроване велике количине колиформних бактерија, може изазвати епидемије, јер се бактерије на овај начин задржавају у биљкама и доспевају у људски организам. Из тог разлога је, поред мера смањења загађења, потребно регулисати и речне обале изградњом насипа тамо где је то потребно. Према Закону о водама (Службени гласник РС, бр. 30/10), забрањено је коришћење ђубрива или средстава за заштиту биља у обалном појасу на ширини од 5 метара. Теренским осматрањем је утврђено да се у токовима свих речних токова налази већи број њива на којима се врше прскања биљака на удаљености нешто већој од једног метра. На тај начин се крши ова законска одредба и директно угрожава квалитет вода. Такође, овим законом, чланом 133, је утврђена забрана одлагања чврстог отпада и штетног материјала у водотоке, као и упуштање загађене воде у речне токове. Проблем бацања чврстог отпада у речне токове најбоље се може решити путем законодавних мера. Управљање отпадом треба спроводити по прописаним условима и мерама поступања са отпадом у оквиру система сакупљања, транспорта, третмана и одлагања отпада, укључујући и надзор над тим активностима и бригу о 107 Република Србија (2010): Одлука о утврђивању националног програма заштите животне средине, Службени гласник Републике Србије бр. 12/2010, Београд. 144
постројењима за управљање отпадом. 108 Пре свега, потребно је поставити контејнере за рециклажу, како би се становништву омогућило да одваја пластику од стакла, метала, папира и др. Секундарни материјал могле би да откупљују фабрике за рециклажу, а добијени новац може се уложити у школу и месну заједницу. Уколико би видели конкретне резултате, локални мештани били би више заинтересовани да се укључе у селективно одвајање отпада. 6.3.4. Идентификација извора загађења ваздуха Насеље Венчане има негативан положај у односу на највеће загађиваче у околини, који се налазе готово паралелно западно од Венчана, а ветрови из правца запада имају највећу јачину, и други су по честини јављања (146 ). То указује на могућ велики утицај на квалитет ваздуха за време дувања ветрова, али се величина тог утицаја не може поткрепити конкретним подацима, јер мерења квалитета ваздуха у Венчанима нису вршена. Приликом лоцирања индустрије није се водило рачуна о правцу дувања ветрова, па неки индустријски објекти данас имају велики утицај на загађеност ваздуха. Правац дувања ветра значајан је за насеље Венчане и због индустријске делатности близине фабрика, постројења ПД РБ Колубара и сл. С обзиром на велику отвореност Венчана према Великим Црљенима (термоелектрана) и Вреоцима ( Сушара ), где се налазе највећи загађивачи ваздуха у околини, веома је битно са које стране ветар дува. Ваздушна удаљеност до ових насеља није велика, па је могуће преношење таложних и загађујућих материја путем ветра. Загађеност ваздуха у Венчанима највећа је у току грејне сезоне, и то посебно у централном делу насеља, где већина домаћинстава има своје котларнице, и као огрев користи угаљ. С обзиром на то да се централни део Венчана налази на мањој надморској висини у односу на друге делове села, дим из околних котларница се спушта, чиме се додатно квалитет ваздуха погоршава. Један од облика загађења ваздуха у Венчанима су издувни гасови аутомобила. Кроз централни део села пролази регионални пут који спаја 108 Република Србија (2009): Закон о заштити животне средине, Службени гласник републике Србије бр. 36/2009, Београд. 145
Аранђеловац са Барајевом и даље Београдом. Бицикл као превозно средство се незнатно користи. Ваздух додатно загађује неконтолисана употреба хемијских средстава у пољопривреди, чиме се може угрозити и здравље становништва, јер се највећи део њива налази управо у близини најгушће насељеног дела Венчана. Дешава се да у време сезоне прскања дође до изумирања ројева пчела у кошницама које се налазе близу њива, што указује на штетност и потенцијалну опасност за здравље. 6.4. Резултати теледетекционе класификације сателитских снимка Теледетекциона класификација сателитских снимака је урађена у софтверу ArcGIS и израђене су карте Венчана. Први корак у коришћењу овог програма је увоз података, а након тога је извршено њихово геореференцирање. После овог корака извршен је избор канала који ће бити коришћени (у случају природног колор-композита, који се може видети на слици 29. изабрани су црвени, зелени и плави канал). 146
Слика 29. Природни колор композит насеља Венчане (Аутор: Радовановић А., 2017.) 147
2008): Стварање колор композита праћено је следећим поступцима (Милановић М, Кориговање јачине сва три канала видљивог дела спектра RGB (max/min), Кориговање нијансе боја сва три канала видљивог дела спектра RGB (max/min), Кориговање црвеног канала (R између max и min), Кориговање зеленог канала (G између max и min), Кориговање плавог канала (B између max и min), Кориговање засићености бојом сва три канала видљивог дела спектра, RGB (max/min) и Кориговање снимака добијених са осталих IR канала (max/min) Слика 30. Графички приказ шума и стабала (Извор: Сухих И. В., AЭРОМЕТОДЫ в лесоустроистве, Издательство «Лесная промышленность», Москва, 1997., стр. 49.). За анализирање добијене карте, користе се утврђене смернице (Слика 30). На карти су шуме и ниско растиње приказани зеленом бојом, док су њиве приказане 148
браон бојом. Листопадне шуме на карти се јасно препознају по бубрежастој структури. Посматрањем површина под шумама може се закључити, на основу неправилних заобљених сенки, да се ради о природним шумама, неједнаке висине стабала. Тамо где су нијансе шуме светлије налазе се површине под брезама и тополама (углавном у нижим деловима, у близини речних токова, пре свега Турије). Јасен је нешто тамнији, док је храст најтамнији. Четинара на истраживаној површини готово да нема, или се ради о појединачним стаблима. Препознавање воћњака на сателитским снимцима је лако, због њихове правилне распоређености. Већина се налази у близини домаћинстава, осим у северном делу, где се налазе усамљени воћњаци. Теренским истраживањем утврђено је постојање великог броја запуштених, старих воћњака у близини угашених домаћинстава. Највише их има у југоисточном и југозападном делу насеља. На истраживаној површини, ливаде су углавном природне, осликане на сателитском снимку светлосивим и тамносивим тоновима. Тамније нијансе имају ливаде које се налазе у земљишту које у себи садржи веће количине влаге у близини речних токова. Слика 31. Аерофотоснимак њиве у близини домаћинства у североисточном делу Венчана. (Аутор: Лесандрић С., 2017) 149
Посматрањем карте на Слици 29., може се уочити да су највеће површине под браон бојом, која представља њиве. Препознају се по правилном, често правоугаоном облику и јасно израженим границама, и најчешће су једнобојне. У равнијем, нижем, централном делу насеља пружају се праволинијски, док на брдском, вишем делу, прате облик рељефа, и често имају криволинијски правац. Код снимака веће резолуције, могу се препознати културе које се гаје на њивама, као на пример на слици 31. У доњем левом углу снимка јасно се види њива посејана под житом. Препознаје се по правилном облику и једноличној боји. Потребно је познавати циклус садње и зрења како би се препознало о којој култури се ради. Светлије тонове имају културе када су у фази сазревања, а тамније када су у фази раста. Житарице су углавном једноликог тона због густине и ситне структуре, док се кукуруз оцртава крупније и местимично је прошаран светлим тоном земље. 6.4.1. Оптималан количник вегетационог индекса NDVI Оптималан количник вегетационог индекса (Normalised Difference Vegetation Index NDVI) омогућава идентификовање промена у вегетацији или земљишном покривачу кроз време. Вегетацијски покривач обухвата сво растиње на испитиваној територији (шуме, воћњаци, жбуње, воћњаци, виногради, пољопривредне површине, групе дрвећа, појединачна стабла) које се налази на педолошком покривачу. Његов квалитет и распрострањеност зависи од локалних климатских (падавине, ветрови, влажност ваздуха, температура) и других услова (надморска висина, квалитет земљишта, количина влаге у земљишту). Познавање промена вегетације кључни је корак разумевања Земље као система, и идентификације зашто и где је до промена у вегетацији дошло. NDVI најчешће користи снимке сателита LANDSAT и SPOT, и то црвени и блиски инфрацрвени (near-infrared NIR) спектрални канал. Његово израчунавање врши се на основу следеће формуле 109 NDVI = (NIR Red)/(NIR+Red) 109 Al-Doski J., Shattri B. Mansor, Helmi Zulhaidi Mohd Shafri (2013): "NDVI Differencing and Post-classification to Detect Vegetation Changes in Halabja City, Iraq." IOSR Journal of Applied Geology and Geophysics 1: 01-10 150
У датој формули Red представља црвени канал, а NIR блиски инфрацрвени. Вегетациони индекс ће приказивати вегетациони покривач светлијим, јасним нијансама црвене боје, док ће се све остало што није вегетација осликавати тамним нијансама. Слика 32. Kарте NDVI за године 1981., 1992. и 2011. (Аутор: Радовановић А., 2017.) 151
NDVI се може такође комбиновати са другим спектралним каналима како би се створили колор композитни снимци, који помажу одређивању типова вегетације. Његово лако израчунавање и интерпретација ставили су га испред других метода за приказ вегетацијског покривача. За анализу вегетацијског покривача насеља Венчане израђене су карте NDVI. У овом случају вегетација је приказана црвеном бојом, и веће вредности NDVI указују на њено распростирање. Упоредни приказ година 1981., 1992. и 2011. омогућава увид у промене у вегетацији. Посматрањем карти израђених у ArcGIS-u могу се уочити знатне промене, посебно поређењем године 1981. са осталим годинама. Повећање површине под шумском вегетацијом у јужном и југоисточном делу насеља резултат је смањења броја становника у овом делу насеља. Са друге стране, повећале су се површине под њивама, посебно у севернијем делу насеља, на рачун површина под шумама. Метода NDVI диференцирања (DNDVI) представља начин израчунавања промена које су се у биомаси вегетацијског покривача десиле између два посматрана датума. Добија се тако што се прво израчунавају NDVI вредности за неколико година. Након тога се од вредности новијег датума одузима добијена вредност старијег датума. То је приказано следећом формулом: DNDVI = NDVI (1992) - NDVI (1981) NDVI се у даљинској детекцији широко користи за мерење биомасе али и за добијање информација о карактеристикама површине из мултиспектралних мерења. 6.4.2. Резултати добијени теледетекционом надгледаном класификацијом сателитских снимака Изради карте намене земљишта надгледаном класификацијом претходило је прикупљање података о земљишту. Подаци су прикупљени из катастра непокретности Општине Аранђеловац. На тај начин дошло се до података о начину коришћења земљишта, површини, власништву, броју парцела, класи и сл. Према подацима катастра (Табела 12), највеће површине насеља Венчане су под њивама 1424 ha (што представља око 53% укупне површине), на 2836 парцела. Од тога, највећа површина припада 4. и 5. категорији квалитета земљишта 152
укупно 1014 ha. Под шумама је 632 ha (око 23,6% укупне површине) и највеће површине припадају 4. класи шуме. Табела 12. Намена земљишта у Венчанима (Извор података: Kатастар у Аранђеловцу, 2012.) к л а с а Број парцела Површина укупно приватна ha a m 2 својина укупно приватна својина укупно приватна својина укупно приватна својина 1 1 94 45 2 251 241 95 91 89 00 43 48 3 262 262 107 107 97 97 16 16 њиве 4 957 945 513 504 25 03 42 64 5 1011 1005 501 494 38 57 66 11 6 323 320 190 189 96 93 43 18 7 31 31 13 13 77 77 55 55 2836 2084 1424 1401 19 29 10 12 3 408 408 104 104 50 50 52 52 воћњаци 4 274 274 77 77 96 96 20 20 5 7 7 4 4 34 34 76 76 689 689 186 186 81 81 48 48 3 84 84 8 8 8 8 19 19 виногради 4 107 107 11 11 71 71 14 14 191 191 19 19 79 79 33 33 3 204 203 86 86 94 25 32 68 4 107 106 46 45 15 84 18 18 ливаде 5 68 67 29 28 84 70 18 64 6 107 107 57 57 19 19 34 34 7 36 36 12 12 66 66 90 90 522 519 232 230 79 66 92 74 2 5 5 71 71 93 93 3 56 52 9 8 11 62 68 77 4 83 80 22 21 27 21 44 59 пашњаци 5 93 92 31 27 2 27 69 19 6 96 95 26 26 10 9 94 14 7 18 17 6 6 20 10 82 22 8 5 5 2 2 44 44 24 24 356 346 97 92 89 47 74 08 3 219 217 49 47 37 90 42 76 4 1180 1161 406 386 10 61 59 59 шуме 5 243 237 175 103 87 41 30 09 6 2 2 1 1 11 11 35 35 1644 1617 632 539 46 04 66 79 неплодно 1529 1309 126 39 09 94 53 40 СУМА 7767 7475 2720 2510 05 02 76 94 153
Ливаде су на 232 ha (око 8,9% укупне површине), а следећи по површини су воћњаци на 186 ha (око 7,1%), од чега највећи део припада 3. класи. Неплодно земљиште обухвата 126 ha (око 4,9%). Графички приказ намене земљишта може се видети на Слици 33. Већина земљишта је у приватном власништву, док државном власништву припада нешто мање од 4% површине. Главна култура која се сеје на њивама је кукуруз. Делови алувијалне равни Турије (и нешто мање Каменичке реке и Придворице), зоне између долинских страна, темена брда и коса су претежно под овом културом. Повећањем броја грла повећавале су се и површине под кукурузом, па се данас, уз примену агротехничких мера, сади и на оним површинама које имају неповољне природне предиспозиције. Слика 33. Графички приказ намене земљишта у Венчанима (Аутор: Радовановић А., 2017.) Након прикупљања у обраде постојећих података, приступљено је обради сателитских снимака уз помоћ надгледане теледетекционе класификације. У ту сврху коришћен је програм ArcGIS 10 и сателитски снимци из 2013. године. Прво су подаци увезени у програм и извршено је њихово геореференцирање. Након тога, извршен је избор канала који ће бити коришћени. После овог корака, изабран је поступак надгледане класификације. Надгледана класификација је извршена у 154
неколико корака прво су изабране класе, а затим им је додељена боја којом ће бити представљене на карти. Слика 34. Карта коришћења земљишта добијена теледетекционом надгледаном класификацијом (Аутор: Радовановић А., 2017.) 155
Након тога извршено је пребацивање из растера у вектор (поступак векторизације), па су векторима придружени атрибути. Следећи поступак је извоз података. Резултат извршене надгледане класификације представљен је Сликом 34. На слици 34. дат је приказ коришћења земљишта у Венчанима. Посматрањем карте може се уочити да су највеће површине под њивама (на карти приказане светло браон бојом), затим шумама (зелена боја) и ливадама и ниском вегетацијом (светло зелена боја). Према подацима катастра, највеће површине насеља су под њивама, што потврђује тачност карте добијене надгледаном класификацијом. Резултати добијени надгледаном класификацијом могу се употпунити прикупљеним подацима о квалитету земљишта на њивама и теренским посматрањем највећи проценат (36% од укупне површине под њивама) припада 4. класи земљишта, и ово земљиште се налази у централним и нешто севернијим деловима насеља, у близини речних токова и на мањим узвишењима. Следећа класа по распрострањености је 5. класа, са 35% површине. Ова класа земљишта углавном се граничи са претходном класом, и обухвата алувијалне равни Турије, где је и надморска висина мања. Уз сам ток Турије су мање, али не занемарљиве површине под 3. (7,5%) и 2. (6,7%) класом земљишта. Удаљавањем од долине речних токова према северној, јужној или југоисточној страни, надморска висина се повећава, а квалитет земљишта се смањује, па овде земљиште припада претежно 6. класи (13%). Следеће по распрострањености су шуме. Посматрањем карте може се уочити да их највише има у јужном, југоисточном (засеок Каменица) и југозападном делу (засеок Придворица). У овим деловима насеља знатно се смањио број становника, па је површина под шумама повећана. Такође, овде је земљиште нешто лошијег квалитета, па се мање користи у пољопривредне сврхе, за разлику од централног дела насеља. Чак 64% површина под шумама припада 4. класи шума, док 27% припада 5. класи. Ове шуме се, поред јужнијег дела, налазе и у крајњем северном делу насеља. Најквалитетније шуме налазе се на најплоднијем земљишту, али су на мањим површинама (7,7% површине шума, које припадају 3. класи земљишта), јер су крчене због повећања обрадивих површина. У групу ниске вегетације представљене на карти спадају површине под ливадама, воћњацима, пашњацима, баштама, виноградима и сл. Воћњаци се на 156
сателитском снимку препознају по правилном распореду стабала. Највећи део воћњака припада 3. (56%) и 4. (41%) класи. Воћњаци припадају индивидуалним газдинствима, и углавном нису великих површина просечно око 26 ари. Приближну просечну површину имају пашњаци око 27 ари, и најквалитетнији се налазе у алувијалној равни Турије. Нешто већу просечну површину имају ливаде око 44 ара. Под виноградима су у Венчанима некада биле знатне површине, посебно у јужнијим деловима насеља, где је земљиште мање квалитетно а надморска висина већа. Данас су површине под воћњацима знатно смањене, па их има свега на 19 хектара (1% површине насеља). Баште се углавном налазе у близини кућа и малих су димензија, просечно око 2-3 ара. 1. 2. 3 4.. 5. 6. 7. 9. 8. 1 0. Слика 35. Локације на којима је извршена провера надгледане класификације (Аутор: Радовановић А., 2017.) 157
Валидација добијених резултата извршена је теренским узорковањем у мају 2017. године, на одабраним локацијама. Изабрано је 10 локација на којима је проверено да ли се на датом простору налази култура која је приказана на карти (Слика 35). Локација 1. налази се у насељу Магловац. Теренском провером нађено је да се на изабраној локацији налази ливада, а у непосредној близини је њива, што се поклапа са резултатом класификације. Локација 2. Представља прелаз између њиве и шуме, и карактерише је ниско растиње. На локацији 3. налази се мања површина под дрвећем око које је ливада. Локација 4. налази се у централном делу насеља, у близини регионалног пута, и представља стамбени објекат, што се поклапа са резултатом класификације, којом је добијено да је на овој локацији земљиште без вегетације. Локација 5. представља прелаз између ливадске и шумске вегетације, у виду ниске жбунасте вегетације. На локацији 6. налази се листопадна шума, као и на локацији 10. На локацији 7. налази се ливада, са неколико издвојених стабала дрвећа у близини. На локацији 8. налази се њива под пшеницом која је у фази раста. Локација 9. налази се у близини регионалног пута и представља пашњак који је саставни део домаћинства. Резултати добијени узорковањем поклапају се са резултатима надгледане класификације. Слика 36. Поглед на северни део насеља аерофото снимак (Аутор: Лесандрић С., 2017.) 158
Теренском провером добијене су информације о ком типу вегетације се ради, које културе су засејане на њивама и сл. Валидација добијених података извршена је и коришћењем аерофото снимака, направљеним уз помоћ камере прикачене на дрон, власника Лесандрић С. Посматрањем слике 36., може се јасно уочити да је северни део насеља претежно под њивама, што се поклапа са резултатима добијеним надгледаном класификацијом (погледати слику 34.). На слици се може уочити део центра насеља, и део тока реке Турија, чија је највећа загађеност отпадом управо у овом делу тока који је захваћен снимком. На слици 37. приказан је аерофото снимак југоисточног дела насеља. Као што се може уочити, већина површине се налази под шумом, што се поклапа са резултатима приказаним на слици 35. Слика 37. Аерофото снимак југоисточног дела насеља (Аутор: Лесандрић С., 2017.) У доњем централном делу јасно се издваја површина под воћњаком. У горњем десном углу уочава се регионални пут Аранђеловац-Београд. Камера је окренута у правцу југ, југо-исток. На слици 38. види се југозападни део насеља. Уочава се да је површина под шумама нешто мање него у југоисточном делу, а више површина под њивама и ливадама. У доњем десном делу снимка уочава се водени објекат. Теренским 159
истраживањем је утврђено да се ради о рибњаку. Посматрањем другог снимка истог дела насеља уочено је старо клизиште. Слика 38. Аерофото снимак југозападног дела насеља Венчане (Аутор: Лесандрић С., 2017.) На слици 39. издвојена је локација на којој се може уочити појава клизишта, на тачкама 1. и 2. Испод локације клизишта пре 10-ак година, након отапања снега пробијена је природна брана у току Придворице која је задржавала већу количину воде. Нагло отицање воде условило је настанак клизишта изнад њега. Слика 39. Клизиште у југозападном делу насеља (Аутор: Лесандрић С., 2017.) 160
Клизиште се већ годинама налази у непромењеном стању, али је потребно пратити га, јер се непосредно изнад њега налази неколико домаћинстава која су потенционално угрожена. Централни део насеља Венчане (слика 40.) представља део који је највише угрожен отпадом, фекалним водама из домаћинстава, издувним гасовима из аутомобила, котларницама у току грејне сезоне и др. Слика 40. Аерофото снимак централног дела насеља (Аутор: Лесандрић С., 2017.) Отпадне воде из домаћинстава испуштају се у Придворицу, а пошто за село није организовано сакупљање отпада, велике количине смећа у токовима Турије и Придворице често се могу видети (слика 41, лево). Такође, дивље депоније у близини домаћинстава неретка су појава (слика 41, десно). Слика 41. Смеће у речном току (лево) и близини домаћинства (десно) уочено на аерофото снимку (Аутор: Лесандрић С., 2017.) 161
6.4.3. Резултати добијени теледетекционом ненадгледаном класификацијом сателитских снимака Теледетекциона ненадгледна класификација у анализи користи алгоритме који тумаче непознате пикселе и скупљају их у класе. Ове класе су искључиво спектралне природе. Ненадгледана класификација омогућава брже и лакше добијање података, али за детаљније анализе мањих територија (као што је територија која је предмет истраживања ове дисертације) погоднија је надглeдана класификација, па је из тог разлога и детаљније обрађена. За испитивану област резултати ненадгледане класификације не поклапају се са надгледаном, мање су детаљни и прецизни. Код ненадгледане класификације подаци се, такође, добијају са сателитских снимака. Прикупљени снимци за истраживано подручје, за 2013. годину, су обрађени у програму ArcGIS 10. Добијени резулат приказан је картом на слици 43. Посматрањем карте може се закључити да површина под њивама (светло браон боја) и шумама (зелена боја) има готово исто. Површине под земљиштем без вегетације (тамно браон боја) су готово занемарљиве. Уколико се упореде добијене карте за надгледану (слика 35.) и ненадгледану класификацију (слика 42.), може се закључити да су на првој слици знатно веће површине под њивама. Са друге стране, површина под ниском вегетацијом код ненадгледане класификације има знатно мање. Такође, извршена теренска провера на свих 10 изабраних локација поклапа се са резултатима надгледане класификације, што код ненадгледане није случај. 162
Слика 42. Карта намене земљишта добијена теледетекционом ненадгледаном класификацијом (Аутор: Радовановић А., 2017.) 163
Тако се и на примеру мониторинга елемената животне средине у Венчанима могу, пре свега, формирати циљеви за оцењивање квалитета животне средине путем Web-а. Циљеви се заснивају на знању и искуству из прошлости, садашњости и потенцијалном будућем стању екосистема. ЕИС Венчана дао би значајан допринос унапређењу квалитета воде. У тој области, његови главни задаци би били 110 : Идентификација параметара за праћење промена квалитета воде; Успостављање програма дугорочних стандардизованих мерења и праћења квалитета вода на подручју насеља Венчане који су усхлађени са директивама ЕУ; Остварење интероперабилности са информационим системима које користе доносиоци одлука, органи власти и институције укључене у процес контроле и заштите квалитета вода; Усаглашеност мониторинга квалитета текућих вода са Оквирном директивом ЕУ о водама; Оптимизација система мониторинга квалитета воде аутоматизацијом процеса испитивања, селекцијом индикатора и локација испитивања; Редовно праћење и контрола квантитативних и квалитативних својстава речних екосистема; Активно учествовање јавности у процесу информисања и консултација о стању, узорцима и проценама квалитета воде. Путем ЕИС-а становништву се може указати на њихове обавезе одређене законом. Па тако је чланом 102. Закона о заштити животне средине одређено, између осталог, да је свако физичко лице дужно да одрживо користи природне ресурсе, добра и енергије; користи обновљиве природне ресурсе; употребљава производе који мање угрожавају животну средину. Такође, загађивач који својим чињењем или нечињењем проузрокује загађивање животне средине дужан је да, без 110 Гоцић М., Бранковић С., Станковић П., Трајковић С., Станковић М., (2007): Мониторинг квалитета текућих вода у заштићеном подручју Јелашиначке и Сићевачке клисуре, Институт за заштиту природе Србије и Факултет за Цивилни Инжињеринг и архитектуру, Београд. 164
одлагања, предузме неопходне мере ради смањења штета у животној средини или уклањања даљих ризика, опасности или санације штете у животној средини. 111 Што се тиче вода, проблем са отпадним водама може се решити тако што ће се њихово испуштање у речне токове вршити уз обавезну примену одговарајућег третмана, или одлагањем у септичке јаме, уз систем редовног пражњења. То се мора спроводити на начин и до нивоа који не представља опасност за природне процесе или за обнову квалитета и количине воде, и који не умањује могућност њиховог вишенаменског коришћења. Заштита и коришћење вода остварује се у оквиру интегралног управљања водама, спровођењем мера за очување површинских и подземних вода и њихових резерви, квалитета и количине, као и заштитом речних корита, обалног подручја и сливова од бацања отпада и неконтролисаног испуштања загађујућих материја преко фекалних вода. Контрола квалитета воде спроводи се у циљу оцене стања квалитета површинских и подземних вода, а у сврху заштите здравља људи, као и сагледавања ефеката предузетих мера за смањење степена загађености вода. На квалитет земљишта доста утичу депоније, којих у Венчанима има доста, па је потребно спровести њихово чишћење. Хемијска средства и ђубрива која се користе у пољопривреди задржавају се у земљишту након њиховог коришћења мењајући му структуру и квалитет. Прелазак на органску производњу знатно би помогао у побољшању квалитета земљишта. Јако је битно вршити правилан избор култура према класи којој земљиште припада. Пољопривредницима се може указати на могућности природног повећавања квалитета земље, путем едукативних предавања и сл. У будућем развоју насеља Венчане свака активност мора бити планирана и спроведена на начин да: проузрокује најмању могућу промену у животној средини; представља најмањи ризик по животну средину и здравље људи; смањује оптерећење простора и потрошњу сировина и енергије у изградњи, производњи, дистрибуцији и употреби; укључи могућност рециклаже; 111 Република Србија (2009): Закон о заштити животне средине, Службени гласник републике Србије бр. 36/2009, Београд. 165
спречи или ограничи утицај на животну средину и загађеност елемената животне средине на самом извору загађења. 112 Процес развоја еколошке свести локалног становништва морао би претходити свим другим деловањима у животној средини. Утврђено стање показује низак ниво еколошке свести и информисаности, па из тог разлога само чишћење животне средине, регулисање проблема са отпадним водама из домаћинстава и чврстим отпадом, не би било дугорочно решење проблема. Утицати на промену свести становника није лако. Пракса европских земаља показала је да се повећањем информисаности не може утицати значајно на еколошку свест становника. Деловање мора бити усмерено ка практичном решавању проблема у реалним ситуацијама, уз партиципирање у решавању проблема. Прво би требало поћи од едуковања млађе популације деце школског узраста, како би и они могли да делују на едуковање осталог становништва. ЕИС је добар начин за активирање локалног становништва у решавању еколошких проблема и њихово стално информисање о животној средини. На утицај локалног становништва требало би прво деловати превентивним мерама и упозорењима. Када је у питању регулисање проблема испуштања отпадних вода домаћинстава у речне токове, прво би требало, на нивоу Општине, послати упозорења домаћинствима да у одређеном року реше проблем и изграде септичке јаме. Када протекне временски период одређен упозорењем, требало би извршити контролу испуњености постављених превентивних мера. Уколико се утврди да домаћинство није решило проблем, треба употребити репресивне мере, и путем казни и санкција деловати на локално становништво да више не испушта санитарне воде у речне токове. Периодично би требало спроводити контролу како би становници озбиљно схватили проблем, и ангажовали се у његовом решавању. 112 Република Србија (2009): Закон о заштити животне средине, Службени гласник републике Србије бр. 36/2009, Београд. 166
6.5. Предлог студије за пројектовање Локалног Еколошког информационог система насеља Вeнчане Еколошки информациони систем у овом раду ослања се на методе теледетекционе класификације, али у његовом пројектовању не треба занемарити ни друге методе. Поред теледетекционих метода, у раду су коришћене аналитичкостатистичке методе, методе теренског прикупљања података, метод анализе и синтезе и др. Приликом избора на који начин ће подаци бити организовани у еколошком информационом систему, потребно је пратити међународне трендове и стандарде. ЕИС треба да буде такав да може одговорити на захтеве корисника, али, такође, пројектовање треба вршити тако да се омогући повезивање локалног ЕИС-а Венчана са другим еколошким информационим системима на различитим нивоима. Пројекат еколошког информационог система Венчана треба да буде одређен односом процеса и класа података. При његовој реализацији је потребно одредити приоритете, а то су, пре свега, процена корисности система, повратни утицај система и елемената, ефекти које систем може имати, процена успеха реализације и др. Пројектовање локалног ЕИС-а знатно је лакше од пројектовања ЕИС-а за веће површине. Величина изабране територије дозвољава да се изврши прикупљање података уз мање трошкове и време, да се све информације које се уграђују у ЕИС провере на терену или поређењем са другим изворима информација, да се изврши селекција података избацивањем сувишних. Еколошки информациони систем Венчана би донео следеће предности: Пружање подршке доносиоцима одлука на свим нивоима управљања, на тај начин што се обједињују расуђивање и објективне информације; Подржавање свих фаза процеса доношења одлука обавештавање, пројектовање, избор и имплементација; Омогућавање кориснику да током времена прилагођава систем за подршку одлучивању; Коришћење квантитативних и квалитативних модела. 167
6.5.1. Циљеви, задаци и функције Еколошког информационог система Циљеви ЕИС-а, као и начини њиховог постизања, морају унапред бити дефинисани. Пројекат ЕИС-а требало би да буде такав да одговори на постављене захтеве од стране корисника, али и да омогући његову модификацију и допуну новим информацијама и након пројектовања. Пројектовање ЕИС-а у готово свим фазама треба да прати теренски рад, а нарочито у фази прикупљања и валидације података. С обзиром на то да се анкетирањем дошло до информација о великој жељи деце школског узраста за укључивањем у решавање екошких проблема, ЕИС треба да омогући њихово информисање, али и да приказује информације о активностима које се одвијају у циљу заштите и унапређења животне средине. Веома је важно омогућити допуну новим, свежијим информацијама, омогућити укључивање заинтересованих појединаца или група у решавање еколошких проблема и сл. Еколошки информациони систем у свом саставу треба да има информације о загађености и заштити ваздуха, воде и земљишта; заштити животних намирница; заштити шума; заштити од опасних и штетних материја; заштити од буке; заштити од елементарних непогода; одлагању отпада; коришћењу сировина и енергије и др. 113 Пројектовање ЛЕИС-а Венчана је потребно вршити по фазама, уз модификацију и допуну новим информацијама у зависности од потреба истраживања и захтева корисника. Да би се избегло сакупљање непотребних података, чиме се штеди и на времену и цени пројектовања, пре сакупљања информација за потребе пројектовања ЕИС-а извршено је претходно испитивање потенцијалних корисника ЕИС-а у виду анкете, чији су резултати представљени у раду. Анкета је урађена са циљем утврђивања које информације је потребно укључити у пројектовање ЕИС-а. Такође, анкетом је омогућено да се утврде будући корисници ЕИС-а. Најважнија функција ЕИС-а је управљање, и то је неопходно узети у обзир при његовом пројектовању. Како би испунио своју фунцкију, ЕИС треба да се 113 Burrough P. A. (1986): Principles of Geographical Information Systems for Land Resources Assesment, Oxford, Clarendon Press. 168
састоји од низа апликативних система који се односе на прикупљање, обраду, размену, примање и меморисање информација (Kowal A., Dessinow L., 1987). 6.5.2. Фазе пројектовања еколошког информационог система Срж еколошког информационог система су проверене, тачне и квалитетне информације. Прикупљање података за испитивану област прво је започето упознавањем са тереном. Појаве и проблеми у животној средини су испитани и описани. Утврђени су циљеви и задаци пројектовања ЛЕИС-а, и након тога је изграђен његов модел 114. Након синтезе, селекције и теренске провере података, извршена је њихова обрада, сортирање и класификација. Од крајњих информација формирана је база података за пројековање ЕИС-а. После сваке завршене фазе пројектовања, потребно је извршити процену ефикасности система. На пример, како би се повећала ефикасност фазе обраде података, потребно је проверити поузданост и квалитет софтвера који се користи, рачунара на ком се обрада података врши, методологије која се користи и сл. Након свих извршених фаза истраживања, следећа фаза требало би да буде пројектовање еколошког информационог система и његово пуштање у рад. Прво се ради пробно пуштање, имплементација и вредновање корисности и исплативости система, а након тога и коначно пуштање у рад. Пре пројектовања ЕИС-а потребно је утврдити трошкове пројектовања, како би се испитала његова исплативост. Све активности и трошкови морају се узети у обзир, како се не би дошло у ситуацију да се пројекат у некој фази, услед ограничености финансија, не може наставити и завршити. Потребно је и утврдити ограничавајуће факторе, анализирати њихов могући негативни ефекат у свим фазама пројекта, и пронаћи начине за њихово превазилажење. Еколошки инфомациони систем Венчана треба да прихвати и да се интегрише у нове технологије. Када је еколошки систем пројектован, ту се посао не завршава, јер је потребно стално га вредновати, допуњавати новим информацијама, 114 Према аутору Филиповић Д.(1999), моделовање представља поступак израде копије процеса или система у коме су сви објекти међусобно повезани. То је инструмент уз помоћ кога се истражује средина и долази до резултата о карактеристикама средине. 169
одржавати, пратити задовољство корисника и кориговати ако је потребно, контролисати и др. 6.5.3. Прикупљање података за пројектовање ЕИС-а Прикупљање података је вршено различитим методама, и поткрепљено је теренским истраживањем. Прво се приступило прикупљању постојећих података, а након тога је извршено анкетирање, теренско узорковање, картирање депонија. Следећи корак била је теледетекциона класификација снимака прикупљени су сателитски снимци, обрађени и анализирани. Резултати добијени надгледаном класификацијом проверени су теренским испитивањем на већем броју узорака и упоређени са аерофото снимцима са камере закачене на дрон. Квалитет воде проверен је лабораторијским испитивањем њеног физичко-хемијског и бактериолошког састава на две реперезентативне локације; у речним токовима евидентирана су и фотографисана места угрожена отпадом; методом узорковања проверени су подаци добијени теледетекционом надгледаном класификацијом сателитских снимака. Након прикупљања података извршена је њихова селекција одвојени су подаци који су за информациони систем битни од оних који нису. Архитектуру ЕИС-а чини неколико делова подсистема, од којих сваки садржи одређен тип података (Милановић М., 2004). Ови информациони системи обухватају следеће класе података: подаци о математичкој основи подаци тренутног стања животне средине подаци о процесима и појавама у животној средини подаци о уређењу и заштити подаци о контроли и управљању. Комбинацијом свих пет класа података добија се комплексан систем животне средине. Због тога је прикупљање података о Венчанима усмеравано тако да се обухвате све класе. У прикупљене податке о тренутном стању животне средине спадају подаци који су добијени узорковањем воде Придворице, идентификацијом дивљих 170
депонија, идентификацијом тренутног загађења и сл. Такође, сателитски снимци односе се на стање у тренутку у ком су сликани, па се њихова теледетекциона класификација може сврстати у ову групу података. Теледетекцијом су прикупљени подаци о природним одликама, али и људском и капиталном ресурсу 115. Највише пажње у теледетекционим истраживањима Венчана обраћено је на земљиште и вегетациони покривач урађена је карта природног колор-композита на којој су анализирани типови вегетације, карта намене земљишта теледетекционом надгледаном класификацијом, урађен је упоредни приказ три карте са NDVI индексом из 1981., 1992. и 2011. године. Педолошки подаци употпуњени су подацима катастра у Аранђеловцу о намени земљишта. Валидација израђених карата извршена је уз помоћ теренског истраживања и узорковања, и аерофото снимака. Што се тиче хидролошких података, до њих се највећим делом дошло уз помоћ теренског узорковања воде речних токова, идентификације депонија, идентификације испуста воде у речне токове и сл. Поред наведених, у податке тренутног стања животне средине сврставају се и геоморфолошки, геолошки, климатолошки. Прикупљени подаци су анализирани и смештени у базу података, одакле се могу користити за даљу обраду и интерпретацију у виду ЕИС-а. Подаци о процесима и појавама односе се на природне и изазване процесе и појаве у животној средини, а прикупљају се у циљу припреме стратегије заштите, уколико до њих дође. У природне процесе спадају поплаве, пожари и земљотреси. Венчане не представља трусно подручје, а пожари су у Венчанима ретка појава, због тога нису посебно истраживани за потребе ове дисертације. Свакако, пројекат ЕИС-а би требало употпунити и овим информацијама, с обзиром на то да се доста домаћинстава, нарочито у јужном и југозападном делу, налази у близини шума, и припада старим типовима градње, па су потенцијално угрожена. Са друге стране, централни део насеља, у близини Придворице и Турије, потенцијално је угрожен поплавама. Ток Придворице највише је угрожавао центар насеља, и често се изливао, посебно након отапања снега, па је то решено пре неколико година регулисањем и чишћењем речног тока. Деловање човека на околни простор у Венчанима у овој дисертацији је потврђено и доказано. Земљиште је угрожено 115 Капитални ресурс насеља Венчане чине сви изграђени објекти инфраструктуре стамбени и помоћни објекти у домаћинствима, саобраћајни објекти (бензинска пумпа), објекти од друштвеног интереса, који спадају у групу осталих објеката (црква, Дом културе, школа, пошта, амбуланта) 171
дивљим депонијама, хемикалијама које се користе у пољопривреди. Контаминација воде речних токова бактеријама, нитратима и нитритима, резултат је човековог деловања испуштања комуналних вода у речне токове, бацањем смећа, прскањем њива, и др. Човек је рударским ископавањима на површинским коповима Колубаре утицао на изглед и квалитет животне средине великог простора, под којим се налази и Венчане. На квалитет ваздуха дејство човека се посебно одражава у току грејне сезоне. Такође, сечом великих површина под шумама знатно је смањена способност пречишћавања ваздуха. Подаци везани за уређење и заштиту суштински су и апликативни део пројекта ЛЕИС-а Венчана. Предлаже се израда локалног еколошког акционог плана (ЛЕАП), који ће допринети уређењу, заштити и унапређењу квалитета животне средине у Венчанима. Такође, ЛЕИС треба да садржи предлог активности и мера које се односе на унапређење квалитета испитиване средине, обнављање шумског фонда, изградњу пратећих објеката (колектор за пречишћавање отпадних вода, градња бедема који ће спречити изливање реке, лоцирање и уређење локалне депоније или рециклажног центра и сл.). Предложене су и мере деловања на локално становништво од васпитно-образовних до законодавних (упозорења, казне, опомене). Контрола и управљање животном средином једни су од основних циљева који се постављају пред ЕИС. ЕИС не треба да буде само средство информисања, већ треба да се усмери на решавање еколошких проблема, и да да смернице како у истраживаној средини треба организовати активности у будућности. На основу прикупљених података, може се израдити катастар загађивача у Венчанима, који би се касније интегрисао у ЕИС. 6.5.4. Проблеми и ограничења у пројектовању ЕИС-а Земље у развоју, у које спада и наша земља, имају ограничен приступ технологијама, финансијским средствима и стручном кадру, што је довело до прекомерне експлоатације природних ресурса и коришћења необновљивих извора енергије. Да би се оствариле промене у начину искоришћавања и деловања на природне ресурсе, потребне су тачне и проверене информације о животној средини. 172
Еколошки информациони систем може да обезбеди потребне информације о животној средини, на начин на који ће бити доступне свима. Међутим, у његовом пројектовању наилази се на бројна ограничења. Због споријег технолошког, политичког и економског развоја у нашој земљи, развој ЕИС-а је ограничен и спор. Такође, још увек је недовољно развијена свест људи о стању животне средине. Оно што најчешће успорава, или чак и стопира рад на пројектовању ЕИС-а у нашој земљи је ограниченост у финансијским средствима. Пројектовање квалитетног ЕИС-а захтева велики број конкретних информација, што изискује потребу за куповином сателитских снимака чија цена, за наше услове, уопште није занемарљива. Једно од ограничења је и то што претходно прикупљени подаци или базе података готово да не постоје, што додатно повећава цену и време потребно за пројектовање ЕИС-а. Циљ ове дисертације је да покаже да је могуће превазићи ограничења, и омогућити пројектовање ЕИС-а уз минимална улагања, коришћењем теледетекционе класификације сателитких снимака. Предлог пројекта локалног ЕИС-а Венчана може се користити и за друга истраживања, уз омогућавање њиховог повезивања са другим локалним и регионалним системима у нашој земљи и на међународном нивоу. 6.5.5. Могућности нтегрисања ЕИС-а и предлози добре праксе Након изградње пројекта ЛЕИС-а Венчана, требало би приступити његовом повезивању у мрежу на нивоу округа или веће регионалне целине. Након тога, врши се повезивање на нивоу републике у централни ЕИС Србије. 116 Европске конференције о животној средини у Даблину (1990), Добрису (Чехословачка 1991) и Луцерну (1993) истичу важност интегрисања ЕИС-а Европе (Haklay M., 1999). Пример добре праксе, којим се могу користити научници за пројектовање ЕИС-а Србије, је Еколошки информациони систем Хрватске. Овај систем је представљен као серије информативних повезаних електронских база података и извора података о стању животне средине, оптерећењу појединих компонената 116 Милановић М. (2002): Могућност информационог повезивања Србије са светским институцијама које се баве заштитом животне средине, Зборник радова, свеска L, Географски факултет, Београд. 173
животне средине, притисцима на животну средину, просторним могућностима и другим подацима и информацијама од значаја за праћење стања животне средине на државном нивоу. ЕИС Хрватске омогућава прикупљање и пружање информација и података који су обрађени и анализирани у складу са међународним и европским методологијама, и омогућава размену података о животној средини са сличним постојећим системима на нивоу Европске уније и држава чланица. У циљу успостављања, администрације, развоја, координације и одржавања јединственог информационог система, хрватска Агенција за заштиту животне средине добила је већи број посебних задатака. Агенција осигурава поуздану и сигурну размену електронских података и информација и несметан и стални приступ подацима и информацијама путем интернет портала информационог система. Такође, агенција је одговорна за тачност и поузданост података и информација које спадају у њену надлежност. 117 За пројектовање ЕИС-а може се користити пример Тематског парка животне средине Баден-Вуртемберг (Baden-Württemberg http://www.themenpark-umwelt.de). Овај систем не пружа јавности приступ стручним подацима о животној средини, али прибавља податке о регионалним објектима животне средине и теме за еколошки заинтересовану јавност на привлачан начин и, на тај начин, побољшава интересовање за животну средину и еколошку свест. Систем у великој мери користи мултимедијалне информације - карте, фотографије, аудио фајлове и видео снимке. Развој овог система усмерен је на реализацију флексибилног управљања информацијама на основу интеграција различитих спољних извора података у систему (ЕИС сервис мапа, Google мапе, Википедија, портал животне средине BW). На овај начин стручњаци из различитих области могу да добију информације и да их флексибилно интегришу у презентације, заједно са садржајима из спољних извора (Düpmeier С., Geiger W., 2006). 117 Тhe Government of the Republic of Croatia (2008): Regulation on the Environmental information system. Class: 351-01/08-01/06, Zagreb 174
7. ЗАКЉУЧНА РАЗМАТРАЊА О ВАЛИДНОСТИ ТЕЛЕДЕТЕКЦИОНЕ КЛАСИФИКАЦИЈЕ САТЕЛИТСКИХ СНИМАКА У ПРОЈЕКТОВАЊУ ЕКОЛОШКИХ ИНФОРМАЦИОНИХ СИСТЕМА Деценијама уназад, еколошки проблеми се гомилају, и то на свим нивоима од локалног до глобалног. У њихово решавање је потребно укључивање што већег броја људи. Велики проблем је проналажење начина на који се појединци заинтересовани за решавање еколошких проблема, али и стурчњаци у овој области могу најбоље активирати и укључити у решавање еколошких проблема. Пројектовање ЕИС-а може бити добар начин за превазилажење ове баријере, јер омогућава људима да се информишу, подстиче их на проеколошко понашање и деловање, али и решавање растућих проблема. Притисци на животну средину се стално повећавају, па ни руралне средине, попут средине која је предмет истраживања ове дисертације, више нису изузетак. Пројектовање еколошког информационог система на локалном нивоу знатно би допринело решавању бројних проблема. Теледетекциона класификација сателитских снимака, на којој се заснива истраживање животне средине за потребе овог рада, важна је метода прикупљања података за пројектовање ЕИС-а. Значај теледетекционих метода огледа се у томе што обезбеђују висок ниво информација о стању и квалитету животне средине, а снимци различитих простора су потпора развоја информационог система животне средине. Како би еколошки информациони системи били што квалитетније пројектовани и могли да одговоре на све већи број захтева корисника, потребно је да садрже квалитетне информације, тачне и проверене. Један од најбољих начина сакупљања великог броја података о територијама различитог просторног обухвата је путем теледетекционе класификације сателитских снимака. Међутим, када се ради о тачности и што бољој искоришћености података, мора се нагласити важност људског фактора, који податке прикупља, обрађује и анализира. С обзиром на то да ЕИС мора одговорити на велики број захтева који се испред њега стављају, и по квалитету и по 175
квантитету, детаљна анализа и провера сваке улазне информације готово да је немогућа. Највећа предност обраде сателитских снимака у односу на друге изворе информација је мултиспектрална анализа снимка. Снимци могу бити основни извор регистровања загађивача, њиховог праћења и контроле (Ловрић Ј., 1989). Предмет истраживања ове дисертације је пројектовање Еколошких информационих система, и у ту сврху налажење најбољих метода за истраживање животне средине. Један од проблема који се може појавити у нашој земљи, везан за Еколошке информационе системе је недовољни број информација. Истраживање за потребе ове дисертације показало је да је теледетекциона класификација сателитских снимака добро решење, јер се до проверених и тачних информација може доћи брзо и лако. Предмет истраживања прилагођен је циљу рада - изградњи и развијању еколошког информационог система, односно, информационог система животне средине, на примеру локалног еколошког информационог система насеља Венчане. Ова теза има за циљ да, компаративном анализом у односу на друге начине прикупљања података, дефинише предности и недостатке даљинске детекције, као и начине њиховог превазилажења. Главна хипотеза од које се полази у раду подразумева узрочно-последичне везе на релацији реални систем и измењено стање и начин на који ће се подаци ажурирати у бази еколошког информационог система. Развој заснован на еколошким принципима и одрживости подразумева одговорно и интегрисано управљање свим доступним информацијама и процене утицаја људских активности на животну средину. Еколошки информациони системи омогућавају доступност информација крајњим корисницима. Еколошки информациони системи су системи који омогућавају праћење стања животне средине, контролу и управљање подацима, картирање, анализу, прогнозирање и сл. Веома је битна веза ЕИС-а са другим системима различитих нивоа (други локални, регионални, глобални ЕИС) и категорија (ГИС нпр.), јер систем самостално не може функционисати, већ мора бити повезан са окружењем. Такође, за фунционисање система су веома битне везе и односи унутар самог система сви елементи система морају се посматрати као целина јер су међусобно повезани и делују један на други. 176
Недостатак теледетекционе класификације, чијем се превазилажењу тежи, јесте велики број информација које се добијају, чак и за мале територијалне површине. Из тог разлога, пре убацивања у ЕИС, подаци добијени теледетекционом класификацијом сателитских снимака морају бити обрађени, и из масе добијених података потребно је издвојити оне који су за ЕИС битни (од улазних трансформисати податке у излазне). ЕИС омогућава рад са подацима њихово просторно претраживање, издвајање, поновно коришћење, логичко анализирање. Иако је теледетекциона класификација истакнута као најпогоднија метода за прикупљање података за ЕИС, у раду су примењене и друге методе теренско истраживање, математичко-статистичке методе прикупљања података; метод анализе и синтезе реалног и измењеног геопросторног система; метод анализе и синтезе резултата истраживања физиотопа, екотопа и социотопа; картографске методе и ГИС технологије (обрада сателитских снимака у софтверима ArcGIS и Idrisi). Резултати истраживања указали су на стање животне средине (испитани су квалитет воде, ваздуха, земљишта, вегетације), потенцијално угрожавање, густину концентрације загађујућих материја итд. Истраживања за потребе израде дисертације обухватала су неколико фаза: почетну фазу, фазу разраде тезе и финалну фазу. Почетна или припремна фаза обухватала је теренска истраживања, прикупљање постојећих података о интересној области, систематизацију литературе, статистичку обраду података и систематизацију прикупљене грађе. Обрада тезе заснована је на научним истраживањима, а финална фаза обухватала је техничко уређивање тезе. Резултати добијени теледетекционом класификацијом сателитских снимака повезивани су са подацима добијеним из других извора истраживања - резултатима лабораторијских истраживања, подацима добијеним теренским проучавањем, подацима добијеним статистичким методама, подацима добијених са аерофото снимака и сл. Комбиновањем различитих извора података постигнут је већи обухват испитиване територије потребним информацијама, а и извршена је валидација и провера резултата добијених теледетекцијом. Крајњи резултат су подаци о рецентном стању природних и техногених ресурса, али и променама у испитиваној средини. Прикупљени подаци су пребачени у рачунар, са циљем формирања базе података за пројектовање ЛЕИС-а Венчана. Обрада сателитских снимака у 177
софтверу ArcGIS започета је увозом и обрадом сателитских снимака, од којих су добијене карте које су послужиле за даљу анализу. Добијене карте могу послужити као значајно средство за усмеравање решавања еколошких проблема, као и праћење и контролу стања. Подаци у бази података морају бити организовани тако да им је омогућен лак приступ и коришћење. У првом поглављу, поред дефинисања циљева, задатака и хипотеза истраживања, дефинисани су појмови и теледетекције. Након тога, извршен је осврт на историјски развој и досадашња истраживања на тему теледетекције и ЕИС-а код нас и у свету, поступци који се користе у контроли елемената животне средине и др. У другом поглављу извршено је сагледавање могућности и ограничења примене теледетекционе класификације сателитских снимака у прикупљању података потребних за пројектовање ЕИС-а. Такође, у овој области истакнуте су могућности и карактеристике сателитских снимака, као и могућности информационих технологија у обради података о животној средини. У трећем поглављу разрађене су методе које ће се користити у раду, почевши од метода за прикупљање података (математичко-статистичке методе, теренска анализа и узорковање), њихову обраду (рачунарска технологија ГИС и картографске методе, коришћење софтвера за обраду сателитских снимака, методе анализе и сиснтезе), до презентовања и употребе. У овом поглављу дате су и карактеристике и врсте сателитских снимака, а на крају поглавља могућности коришћења сателитских снимака за мониторинг елемената животне средине. У четвртом поглављу приказана су истраживања теледетекционе надгледане класификације сателитских снимака. У овој области издвојени су циљеви и методе надгледане класификације, њен поступак и начин провере тачности добијених информација. Такође, дате су њене предности и недостаци у односу на друге методе. Концепт употребљен у четвртом поглављу, сличан је петом поглављу. У њему су, такође, дати прикази циљева и метода, у овом случају ненадгледане класификације. Такође, приказан је поступак ненадгледане класификације по фазама. Поред тога, истакнуте су предности и могућности, али и недостаци и ограничења употребе теледетекције. 178
Шесто поглавље ове дисертације управо представља синтезни део свих претходних подглавља, јер у њему је дат предлог на који начин се теледетекциона класификација може искористити у прикупљању података за пројектовање ЕИС-а, на конкретном примеру. Такође, у овом поглављу дат је предлог како се прикупљени подаци могу искористити и организовати у пројекту ЕИС-а. Идентификацијом делова речног тока у којима је концентрација загађивача највећа дат је предлог за проналажење и боље разумевање узрочно-последичних веза између концентрације загађења са једне; и размештаја инфраструктуре, пољопривредних површина на којима се употребљавају хемијска средства, и сл. са друге стране. На крају поглавља дат је предлог студије за пројектовање ЕИС-а. Пројектовање ЕИС-а није једноставно, и из тог разлога у овој дисертацији дати су само предлози, по узору на друга научна истраживања, како би ЕИС требао да изгледа. Један научник не може да поседује знање из свих области везаних са ЕИС. За пројектовање ЕИС-а потребна је сарадња стручњака различитих научних области, али и између већег броја јавних и приватних актера. Истраживање извршено у овом раду покушај је превазилажења бројних ограничења прикупљања података у пројектовању ЕИС-а. Теледетекциона класификација сателитских снимака показала се као добар метод прикупљања података, што је оправдало научно истраживање за потребе ове дисертације. 179
ЛИТЕРАТУРА: 1. Avouris N., Page B. (1995): Environmental Informatics, Methodology and Applications of Environmental Information Processing, Introduction, eds. N. M. Avouris and B. Page, EURO Courses, Computer and Information Science, Vol. 6, Kluwer, Dordrecht. 2. Академия наук СССР (1978): АЭРОКОСМИЧЕСКИЕ ИССЛЕДОВАНИЯ ЗЕМЛИ ОБРАБОТКА ВИДЕОИНФОРМАЦИИ НА ЭВМ, Издательство Наука, Москва. 3. Aksoy S. (2008): Spatial Techniques for Image Classification. Image Processing for Remote Sensing (Edited by C.H.Chen). Taylor & Francis Group. CRC Press. Boca Raton London New York. 225-249. 4. Albertz J. (2009): Einfuhrung in die Fernerkundung. Darmstadt. 5. Al-Doski J., Shattri B. Mansor, Helmi Zulhaidi Mohd Shafri (2013): "NDVI Differencing and Post-classification to Detect Vegetation Changes in Halabja City, Iraq." IOSR Journal of Applied Geology and Geophysics 1: 01-10. 6. Aloisio G., Cafaro M., Williams R. (1999): The Digital Puglia Project: An Active Digital Library of Remote Sensing Data, California Institute of Technology, Pasadena, California, USA 7. Андревски М. (2002) : Принципи одрживог развоја, Објављено у: Финансије, Београд, 5-8. 8. Андрић Н. (2010): Загађивање вода у Србији, Факултет за примењену екологију Футура, Универзитет Сингидунум, Београд. 9. Andronikow L.W. (1986): Teledetekcija gleb, Państwowe Widawnictwo Naukowe, Warszawa. 180
10. Аћамовић Н. (2000): Развој система управљања заштитом животне средине, Научни институт за ветеринарство, Нови Сад. 11. Bakkes A., Born G., Helder J., Swart R., Hope C., Parker J. (1994): An Overview of Environmental Indicators, UNEP. 12. Bakx P. (1995): Digital Image Processing of Remotely Sensed Data, ITC, Enschede, Holland. 13. Biberman L. (2000): Electro-Оptical Imaging: System Performance and Modeling SPIE Press, Bellingham, Washington, USA. 14. Borengasser М., Hungate W., Watkins R. (2008): Hyperspectral Remote Sensing. Principles and Applications. CRC Press, Taylor & Francis Series in Remote Sensing Applications, Boca Raton. 15. Borough P. A., McDonnell R. A. (2006): Principi geografskih informacionih sistema, Prevod sa Engleskog jezika (Bajat B., Blagojević D.), Građevinski fakultet, Univerzitet u Beogradu, Beograd. 16. Botkin D., Keller E. (2002): Environmental Science, University of California, Santa Barbara. 17. Budavari S. (2001): The Merck Index: An Encyclopedia of Chemicals, Drugs, and Biologicals, Merck, Whitehouse Station NJ. 18. Burrough P. A. (1986): Principles of Geographical Information Systems for Land Resources Assesment, Oxford, Clarendon Press. 19. Burrough P, Mc Donnell R. (1998): Principles of geographical information systems, Oxford, New York, Oxford University Press. 20. Васић А., Шарчевић Д. (2013): Од алфе до омеге и натраг. Примењена психологија, Број 6(3), страна 287-310. 21. Van Niel T.G., McVicar T.R., Datt B. (2005): On the relationship between training sample size and data dimensionality: Monte Carlo analysis of broadband multitemporal classification. Remote Sensing of Environment 98(4), 468-480. 181
22. Verbyla D. (2002): Practical GIS Analysis. Taylor &Francis, London. 158-159. 23. Galati S. (2006): Geographic Information Systems Demystified. Artech House Mobile Communications Series. 24. Gamage М., Ahma М., Turral H. (2009): Mapping Irrigated Crops from Landsat ETM + Imagery for Heterogeneous Cropping Systems in Pakistan Remote Sensing of Global Croplands for Food Security. Taylor & Francis, Indiana, U.S.A. 25. Geiger W., Pillmann W. (2008): Environmental Information Systems of Public Administration Status and Trends. iemss 2008: International Congress on Environmental Modelling and Softwar. 26. Гоцић М., Бранковић С., Станковић П., Трајковић С., Станковић М., (2007): Мониторинг квалитета текућих вода у заштићеном подручју Јелашиначке и Сићевачке клисуре, Институт за заштиту природе Србије и Факултет за Цивилни Инжињеринг и архитектуру, Београд. 27. Гоцић М., Станковић М., Трајковић С. (2007): Мониторинг базиран на Web-у за оцењивање квалитета површинских вода, Зборник радова Грађевинскоархитектонског факултета бр. 22, Грађевински факултет, Београд. 149-158 28. Goovaerts P. (1997): Geostatistics for Natural Resources Evaluation. New York: Oxford University Press. 29. Gong P. & Howarth P.J. (1990): An assessment of some factors influencing multispectral landcover classification. Photogrammetric Engineering and Remote Sensing 56(5), 597-603. 30. Gulch E. (1991): Extraction of Geometric Features from Digital Imagery, Digital Photogrammetric Systems, Wichmann. 31. Gunter O. (1998): Environmental Information Systems, Springer, Berlin 32. Guo J. L., Haigh D. J. (1991): A 3-Dimensiomal Feature Space Iterative Clustering Method for Multispectral Image Classification, Imperial College, London. 33. Dekker A.G., Brando V.E., Anstee J.M. (2005): Retrospective seagrass change detection in a shallow coastal tidal Australian lake. Remote Sensing of Environment. Vol.87, Issue 4. Pages 415-433. Elsevier 34. Debinski D., Kindscher K., Jakubauskas M. (1999): A remote sensing and GISbased model of habitats and biodiversity in the Greater Yellowstone ecosystem. International Journal of Remote Sensing 20, 3281 91 182
35. DOE (1987): Handling Geographic Information, Report of the Committee of Enquiry chaired by Lord Chorley, London: HMSO. 36. Donker N., Mathuis B. (1994): Exercises Digital Image Processing, ITC, Enschede, Holland. 37. Donker N., Soeters R. (1994): Digital Image Processing Subjects for Earth Sciences, ITC, Enschede, Holland. 38. Drenzer R. (2002): Generic Integration in Environmental Information and Decision Support Systems. Integrated Assessment and Decision Support Proceedings of the 1st Biennial Meeting of the iemss, Volume 3. 39. Düpmeier C., Geiger, W. (2006): Theme Park Environment as an example of environmental information systems for the public. Environmental Modelling & Software, 21, 1528-35, 2006. 40. ENVI (1999): Laboratory Exercises in Image Processing: Image Classification, available at: http://www.exelisvis.com/portals/0/easydnnnewsdocuments/repository/classification.pdf 41. European Commission (2013): Commission staff working document EU Shared Environmental Information System, Implementation Outlook. 42. Zeiler M. (1999): Modeling our World, ESRI, New York. 43. Zimmerman R., Mobley C. (1997): Radiative Transfer within Seagrass Canopies: Impact on Carbon Budgets and Light Requirements, Proceedings of SPIE Ocean optics XIII, 2963: 331-336. 44. Zhang N., Wang M., Wang N. (2002): Precision agriculture a worldwide overview. Computers and Electronics in Agriculture, 36(2 3): 113 32. 45. IEEE-VR2002, 20002 (2003): Tenth Symposium on Haptic Interfaces for Virtual Environment and Teleoperator Systems, http://www.rcl.ece.ubc.ca/events/hapticssymposium/index.html 46. IOFFE G (2005): The Downsizing of Russian Agriculture. Europe-Asia Studies. Vol. 57: 179-208. 47. Jacobsen K. (2002): Comparison of High Resolution Mapping From Space, INCA, Ahmedabad, India. 48. Јоксић Д. (1983): Фотограмерија I, Универзитет у Београду, Грађевински факултет, Научна књига, Београд. 49. Jong S., Van der Meer F. (2004): Remote Sensing Image Analysis: Including the Spatial Domain, Springer, USA. 183
50. Karnieli A. (2003): Natural vegetation phenology assessment by ground spectral measurements in two semi-arid environments. International Journal of Biometeorology, 47(4): 179 87. 51. Klemas V.(2009): Chapter 2 Sensors and Techniques for Observing Coastal Ecosystems. Remote Sensing and Geospatial Technologies for Coastal Ecosystem Assessment and Management. Springer, Berlin. 52. Klopfer M., Simonis I. (2009): SANY - an open service architecture for sensor networks. ISBN 978-3-00-028571-4. http://www.sany-ip.eu/publications/3317 53. Kowal A., Dessinow L. (1987): In den Weltraum zum Nutzen der Menschheit, Moskau, Verlag Progress. 54. Kolios S., Maurodimou О., Stylios C. (2013): Integrated Large-Scale Environmental Information Systems: A Short Survey. IFIP AICT 408, pp. 164 171. 55. Кукрика М. (2000): Географски информациони системи, Географски факултет, Универзитет у Београду, Београд. 56. Lam D., Swayne D. (2001): Issues of EIS software design: some lessons learned in the past decade. Elsevier Journal Environmental Modelling and Software 16, pp. 419-425, 2001. 57. Landgrebe D. (1999): "On information extraction principles for hyperspectral data", Cybernetics 28 part c, Vol. 1, pp. 1-7. 58. Liverman D., Moran E., Rindfuss R., Stern P. (1998): People and Pixels: Linking Remote Sensing and Social Science Committee on the Human Dimensions of Global Change, National Research Council 59. Lide D. (2006): CRC Handbook of Chemistry and Physic s, 87th, Boca Raton, FL: CRC Press. 60. Lillesand T. M., Kiefer R. W. (2002): Remote Sensing and Image Interpretation, John Wiley & Sons, Inc., New York. 61. Lipovšćak B. (1989): Automatska klasifikacija satelitskih slika oblačnih sustava, JAZU, Zagreb. 62. Ловрић Ј. (1989): Могућности и ограничења извиђања и осматрања из ваздушног и космичког простора, Војноиздавачки и новински центар, Београд. 63. Љешевић М. (2002): Теорија и методологија истраживања животне средине, Универзитет у Београду, Географски факултет, Београд. 184
64. Љешевић М. (2005): Животна средина, Универзитет у Београду, Географски факултет, Београд. Страна 326. 65. Марковић Д. (1999): Просторни информациони системи, Сектор за школство, обуку, научну и издавачку делатност, Војногеографски институт, Београд. 66. Mather P. (1999): Computer Procesing of Remotely-Sensed Images, University of Nottingham, Nottingham. 67. Mather P.M. (2004): Computer Processing of Remotely Sensed Images. 3rd. ed: Wiley. 68. Mah A. (2002): Mapping surface cover types using ASTER data. Earth Resource Mapping Pty. Ltd., Australia 69. Miao X., Gong P., Swope S., Pu R., Carruthers R., Anderson G. L. Heaton J. S., Tracy C. R. (2006): Estimation of yellow starthistle abundance through CASI-2 hyperspectral imagery using linear spectral mixture models, Pages 329-341, Volume 101, Issue 3, Journal Remote Sensing of Environment. 70. Милановић М. (2002): Могућност информационог повезивања Србије са светским институцијама које се баве заштитом животне средине, Зборник радова, свеска L, Географски факултет, Београд. 71. Милановић Д. (2003): Општина Аранђеловац, Београд: Српско географско друштво. 72. Милановић М. (2004): Примена даљинске детекције у развоју еколошких информационих система, Магистарски рад, Универзитет у Београду, Географски факултет, Београд. 73. Милановић М. (2008): Теледетекциона мултиспектрална анализа у истраживању елемената животне средине Београд: Географски факултет, Докторска дисертација. 74. Милановић М., Љешевић М. (2009): Теледетекционе методе истраживања животне средине. Универзитет у Београду, Географски факултет, Београд. 75. Милановић М., Милинчић М. (2010): Одитинг животне средине у локалним еколошким акционим плановима Србије стање и перспективе Зборник са научно-стручног скупа са међународним учешћем, Локална самоуправа у планирању и уређењу простора и насеља Ивањица, Асоцијација просторних планера Србије, Универзитет у Београду, Географски факултет, Београд, 571-586. 185
76. Мужић В. (1986): Методологија педагошког истраживања, Свјетлост, Сарајево. 77. Navulur К. (2006): Multispectral Image Analysis Using the Object-Oriented Paradigm. CRC Press Taylor & Francis Group 78. Neteler M., Mitasova H. (2008) Open Source GIS: A GRASS GIS Approach. Second Edition. Kluwer Academic Publishers, Boston. 79. Nikolov H., Kancheva R., Petkov D., Georgiev G., Kibardina I., Savorskiy V.P., Tishchenko Yu.G., Smirnov M.T. (2009): Distributed information system in support of aerospace research. Remote Sensing for a Changing Europe, IOS Press. Page 142-143 80. Norwood V. T., Lansing J. C. (1983): Electro-optical imaging sensors, Falls Church, Virginia: American Society of Photogrammetry. 81. Olujić M. (2001): Snimanje i istraživanje Zemlje iz svemira, Hrvatska Akademija znanosti i umjetnosti i Geosat, Zagreb. 82. Павловић Р., Чупковић Т., Марковић М. (2004): Даљинска детекција, Универзитет у Београду, Рударско геолошки факултет, Београд. 83. Page B., Rautenstrauch C. (2001): Environmental Informatics-Methods, Tools and Applications in Environmental Information Processing. Idea Group Publishing. 84. Perumal К., Bhaskaran R. (2010): Supervised classification performance of multispectral images. Journal of computing, VOLUME 2, ISSUE 2, ISSN 2151-9617. 85. Plaza A., Chang C. (2007): High performance computing in remote sensing. Taylor & Francis. 86. Porter J., Callahan J. (1994): Circumventing a Dilemma: Historical Approaches to Data Sharing in Ecological Research, In Environmental Information Management and Analysis: Ecosystem to global Scale. Taylor & Francis, London, pp. 193-202. 87. Prévost Y., Gilruth P. (1999): Environmental Information Systems in Sub-Saharan Africa: From innovation to management. 88. Радовановић А. (2012): Мониторинг и одитнинг водних ресурса насеља Венчани општина Аранђеловац, Мастер рад, Универзитет у Београду, Географски факултет, Београд. 89. Rastogi R., Shim K., PUBLIC (2000): A Decision Tree Classifier that Integrates Building and Pruning, Data Mining and Knowledge Discovery, 4(4):315-344. 186
90. Reddy A. (2008): Remote Sensing and Geographical Information Systems. Third Edition. BS Publications, Hyderabad, India. 91. Reese H. (2011): Classification of Sweden s Forest and Alpine Vegetation Using Optical Satellite and Inventory Data. Doctoral Thesis. Swedish University of Agricultural Sciences. Umeå, Sweden. 92. Sabins F. (1986): Remote Sensing, 2 nd edition, Freeman, San Francisco, USA. 93. Sanders L. (2007): Models in Spatial Analysis. ISTE USA. Str. 210-212 94. Sasowsky K., Peterson G., Evans B. (1992): Accuracy of SPOT digital elevation model and derivatives: utility for Alaska s North Slope. Photogrammetric Engineering and Remote Sensing 58: 815 24. 95. Song C., Woodcock C. E., Seto K. C., et al. (2001): Classification and change detection using Landsat TM data: when and how to correct atmospheric effects?, Remote Sensing of Environment, 75: 230 44. 96. Schmitt U., Ruppert G. (1996): Forest Classification of Multispectral mosaicking Satellite Images, 602 605, 31, B7, Archives of Photogrammetry and Remote Sensing, Vienna. 97. Schuler D. L., Lee Ј., Kasilingam D. (2008): Polarimetric SAR Techniques for Remote Sensing of the Ocean Surface. Image Processing for Remote Sensing (Edited by C.H.Chen). Taylor & Francis Group. CRC Press. Boca Raton London New York. 1-39. 98. Stehman S.V. (2001): Statistical rigor and practical utility in thematic map accuracy assessment, Photogrammetric Engineering and Remote Sensing 67(6), 727-734. 99. Stehman S.V., Czaplewski R.L. (2003): Introduction to special issue on map accuracy, Environmental and Ecological Statistics 10, 301-308. 100. Сухих И. В. (1997): AЭРОМЕТОДЫ в лесоустроистве, Издательство «Лесная промышленность», Москва. 101. Teeuw R. (2007): Introducing the remote sensing of hazardous terrain In: TEEUW, R. M. (ed.) Mapping Hazardous Terrain using Remote Sensing. Geological Society, London, Special Publications, 283, 1-3. 102. Tempfli K, Huurneman G., Bakker W., Janssen L. (2001): Principles of Remote Sensing, ITC Educational Textbook Series 2, Chapter: 2.2-2.4, University of Twente Faculty of Geo-Information and Earth Observation (ITC), pp.56-85. 187
103. Termansen M., McClean C., Preston C. (2006): The use of genetic algorithms and Bayesian classification to model species distributions, Elsevier, Ecological Modelling, Vol. 192, Issue 3, pages 410-424. 104. Тењовић Л. (2002): Статистика у психологији приручник. Београд: Центар за примењену психологију. 105. Tillmann C. (2012): Supervised Classification and Change Detection of Agricultural Land Use in the Forest Steppe Zone of West Siberia Using Multitemporal Satellite Imagery Master thesis in the subject Landscape Ecology. Westfalische Wilhelms-Universitat, Munster. 106. Timeco d.o.o. (2008): Biološka obrada otpadnih voda, časopis Meso бр. 10, Zagreb, 114-116 str. 107. Tveitdal S. (1996): Economics of EIS, Available World Wide Web, URL 108. Thomas I., Benning V., Ching N. (1987): Classification of remotely sensed images. Bristol: Adam Hilger. 109. Usländer T. (2010): Service-oriented Design of Environmental Information Systems. PhD thesis of the Karlsruhe Institute of Technology (KIT), Faculty of Computer Science, KIT Scientific Publishing. ISBN 978-3-86644-499-7. 110. Usländer Т, IITB F. (2008): The Growing Importance of Open Service Platforms for the Design of Environmental Information Systems. iemss 2008: International Congress on Environmental Modelling and Softwar.1628-1635. 111. Usländer T., Schmid H., Schmieder M., Stumpp J. (2003): Thematic User Environment for Water Body Information Systems and beyond. In: Proceedings of the 17th International Conference on Informatics for Environmental Protection (EnviroInfo 2003), Cottbus, Germany. 112. Fotheringham A. S., Charlton M. E., Brunsdon C. (2000): Quantitative Geography: Perspectives on Spatial Data Analysis. London: Sage Publications. 113. Franklin J., Miller J. (2010): Mapping species distributions: spatial inference and prediction. Cambridge University Press, United States of America, New York 114. Friedl M., Muchoney D., McIver D., Gao F., Hodges J., Strahler A. (2000): Characterization of North American land cover from NOAA-AVHRR data using the EOS MODIS land cover classification algorithm. Geophysical Research Letters 27, 977 80. 188
115. Хавелка Н., Кузмановић Б., Попадић Д. (1998): Методе и технике социјалнопсихолошких истраживања Приручник за вежбе из Социјалне психологије 1 и Социјалне психологије 2, Народна библиотека Србије, Београд. 116. Hadden S. (1994): Citizen Participation in Environmental Policy Making in Jasanoff S., ed., Learning from Disaster: Risk Management After Bhopal. Philadelphia: University of Pennsylvania Press. 117. Haklay M. (1999): From Environmental information systems to Environmental informatics evolution and meaning. Paper 7 Centre for Advanced Spatial Analysis, University College London 118. Harding D. J., Bufton J. L., Frawley J. (1994): Satellite laser altimetry of terrestrial topography: Vertical accuracy as a function of surface slope, roughness and cloud cover. IEEE Transactions on Geoscience and Remote Sensing 32: 329 39. 119. Hart G., Dolbear C. (2006): So what s so special about spatial?, Workshop Terra Cognita, Directions to the Geospatial Semantic Web, ISWC 2006, Athens, Georgia, USA. 120. Hilty L., Rautenstrauch C. (1997): Environmental Information Systems for Production and Recycling. Keynote lecture at the 2 nd International Symposium on Environmental Software Systems (ISESS), Whistler (Canada). New York: Chapman & Hall, pp. 21-29. 121. Horning N., Robinson J., Sterling E., Turner W., Spector S. (2010): Remote Sensing for Ecology and Conservation. Oxford, UK: Oxford University Press. 122. Hoffman R., Markman А., Carnahan W. (2001): Angles of Regard: Psychology Meets Technology in the Perception and Interpretation of Nonliteral Imagery. Interpreting remote sensing imagey-human factor. CRC Press. 123. Hubert-Moy L., Cotannec A., Le Du L., Chardin A., Perez, P. (2001): A comparison of parametric classification procedures of remotely sensed data applied on different landscape units. Remote Sensing of Environment 75(2), 174-187. 124. Hřebíček Ј., Legat R., Nagy M. (2008): Current Trends in eenvironment and its Role in edemocracy. iemss 2008: International Congress on Environmental Modelling and Softwar. 1612-1619. 125. CampBell Ј., Wynne R. (2011): Introduction to Remote Sensing. Fifth edition. TheGuilford press. New York, London. 339. 189
126. Carlotto J. (1996): A new method for extracting topographic information from a single multispectral image, Proceedings International Geoscience and Remote Sensing Symposium, Lincoln NE. 127. Цвијић, Ј. (2000): Балканско полуострво и Јужнословенске земље, стр.94-95, Завод за уџбенике и наставна средства, Треће издање, Београд. 128. Civco D. (1993): Artificial neural networks for land-cover classification and mapping, International Journal of Geographic Information System, 7(2):173-186. 129. Cihlar J., Latifovic R., Chen J., Beaubien J., Li Z., Magnussen S. (2000): Selecting representative high resolution sample images for land cover studies. Part 2: Application to estimating land cover composition. Remote Sensing of Environment 72(2), 127-138. 130. Congalton R.G., Green K. (2009): Assessing the Accuracy of Remotely Sensed Data. 2nd ed. Boca Raton, FL, USA: CRC Press. 131. Contreras-Silva А., López-Caloca А., Tapia-Silva О., Cerdeira-Estrada S. (2012): Satellite Remote Sensing of Coral Reef Habitats Mapping in Shallow Waters at Banco Chinchorro Reefs, México: A Classification Approach. Remote sensing applications. InTech, Rijeka, Croatia. 331-352. 132. Chen D.M., Stow D. (2002): The effect of training strategies on supervised classification at different spatial resolutions, Photogrammetric Engineering and Remote Sensing 68(11), 1155-1161. 133. Chen C. (2006): Image Processing for Remote Sensing. CRC Press, Taylor & Francis Group, Boca Raton. 134. Červenka V., Charvat K. (1998): Landuse classes Discrimination with Satellite Images Based on Spectral Knowledge, Help Service Mapping, Ltd., Praha. 135. Шкрињар М. (2001): Микробиолошка контрола животних намирница, Универзитет у Новом Саду, Технолошки факултет, Нови Сад. 136. Weng Q. (2010): Remote Sensing and GIS IntegrationTheories, Methods, and Applications. McGraw-Hill. 137. Юдин Э. (1978): Системныи подход и принцип деятельности. Методологические проблемы современной науки, Наука. 190
ИЗВОРИ: 1. Општина Аранђеловац (2012) Подаци о намени земљишта у насељу Венчани, Катастар непокретности. 2. Република Србија (1966): Правилник о опасним материјама које се не смеју уносити у воде, Службени лист СФРЈ, бр. 7/66, Београд. 3. Република Србија (1968): Уредба о класификацији вода, Службени гласник СРС, бр. 5/68, Београд. 4. Република Србија (1978): Уредба о класификацији вода међурепубличких водотока, међудржавних вода и вода обалног мора Југославије, Службени лист СФРЈ, бр. 6/78. 5. Република Србија (1982): Правилник о опасним материјама у водама, Службени гласник СРС, бр.31/82, Београд. 6. Република Србија (2009): Закон о заштити животне средине, Службени гласник републике Србије бр. 36/2009, Београд. 7. Република Србија (2010): Одлука о утврђивању националног програма заштите животне средине, Службени гласник Републике Србије бр. 12/2010, Београд. 8. Република Србија (2010): Закон о водама, Службени гласник Републике Србије бр. 30/10, Београд. 9. Република Србија (2011): Уредба о граничним вредностима емисије загађујућих материја у воде и роковима за њихово достизање, Сл. гласник РС, бр. 67/2011, Београд. 10. Република Србија Републички завод за статистику (2011): Попис становништва, домаћинстава и станова у Републици србији. Први резултати. Београд. Билтен 540. 11. Република Србија Скупштина општине Аранђеловац (2008): Просторни план општине Аранђеловац, Институт за архитектуру и урбанизам Србије, Београд. 191
12. Савезна Федеративна Република Југославија (1987): Методе за бактериолошки, вирусолошки, биолошки и паразитолошки преглед воде за пиће, Сл.лист СФРЈ 33/87. 13. Савезна Федеративна Република Југославија (1987): Правилник о начину узимања узорака за лабораторијску аналиу воде за пиће, Сл.лист СФРЈ 33/87. 14. Савезна Република Југославија (1998): Правилник о хигијенској исправности воде за пиће, Службени лист СРЈ бр. 42/98. 15. Тhe Government of the Republic of Croatia (2008): Regulation on the Environmental information system. Class: 351-01/08-01/06, Zagreb 16. COM (2010): 2020 final, Europe 2020, A Strategy for smart, sustainable and inclusive growth. 17. Commission European (1985): The CORINE Programme the CORINE Land Cover Project, Official Journal L 176. 18. www.amnh.org 19. www.wisconsinview.org 20. GISdevelopment.net 21. www.digitalglobe.com 22. www.exelisvis.com 23. www.themenpark-umwelt.de 192
СПИСАК СЛИКА У ТЕКСТУ ДИСЕРТАЦИЈЕ Слика 1. Графички приказ броја становника у Венчанима по пописима од 1948-2011. (страна 44) Слика 2. Сателитски снимак и фотографија исте локације у Вијетнаму (страна 46) Слика 3. Еколошко моделовање уз помоћ софтвера Idrisi 32 (страна 54) Слика 4. Панхроматски снимак са сателита Landsat-7. Лево: град Милвоки, десно град Грин Беј у Америци, јул 2001 (страна 59) Слика 5. Адитивни колор систем (страна 60) Слика 6. Сателит Landsat, канали у црно-белом колориту (страна 61) Слика 7. Примери различитих колор композита, град Хуе у Вијетнаму, април 2003. Године (страна 62) Слика 8. Вегетација приказана уз помоћ снимка са сателита ASTER (страна 64) Слика 9. Бирање метода надгледане класификације (страна 79) Слика 10. Метод Максималне веродостојности (страна 80) Слика 11. Метод минималне удаљености (Minimum Distance method) (страна 81) Слика 12. Фазе надгледане теледетекционе класификације (страна 85) Слика 13. Класификација алгоритама (страна 97) Слика 14. Поступак класификације ISODATA (страна 98) Слика 15. Пример класификације ISODATA (страна 99) Слика 16. Идентификација пиксела код ненадгледане класификације (страна 100) Слика 17. Груписање параметара код ненадгледане теледетекционе класификације (страна 102) Слика 18. Топографска карта Венчана (страна 111) Слика 19. Упоредни приказ резултата обе анализе за Резидуални хлор и Манган (страна 115) Слика 20. Локација на којој је узет узорак за прву анализу (страна 126) Слика 21: Концентрација нитрита (NO2-) у испитиваном узорку (страна 128) Слика 22. Концентрација нитрата (NO3-) у испитаном узорку (страна 129) Слика 23. Концентрација колиформних бактерија и колиформних бактерија фекалног порекла у испитиваном узорку (страна 131) 193
Слика 24. Локација места са ког је узет други узорак за анализу воде Придворице (страна 133) Слика 25. Концентрација колиформних бактерија у испитиваном узорку (страна 137) Слика 26. Ток реке Турије са обележеним локацијама на којима је идентификован отпад (страна 141) Слика 27. Речни ток Придворице са обележеним локацијама на којима је забележена већа концентрација отпада (страна 142) Слика 28. Речни ток Каменичке реке са обележеним локацијама на којима је забележена већа концентрација отпада (страна 143) Слика 29. Природни колор композит (страна 147) Слика 30. Графички приказ шума и стабала (страна 148) Слика 31. Аерофотоснимак њиве у близини домаћинства у североисточном делу Венчана (страна 149) Слика 32. Карте NDVI за године 1981., 1992. и 2011. (страна 151) Слика 33. Графички приказ намене земљишта у Венчанима (страна 154) Слика 34. Карта коришћења земљишта добијена теледетекционом надгледаном класификацијом (страна 155) Слика 35. Локације на којима је извршена провера надгледане класификације (страна 157) Слика 36. Поглед на северни део насеља аерофото снимак (страна 158) Слика 37. Аерофото снимак југоисточног дела насеља (страна 159) Слика 38. Аерофото снимак југозападног дела насеља Венчане (страна 160) Слика 39. Клизиште у југозападном делу насеља (страна 160) Слика 40. Аерофото снимак централног дела насеља (страна 161) Слика 41. Смеће у речном току (лево) и близини домаћинства (десно) уочено на аерофото снимку (страна 161) Слика 42. Карта коришћења земљишта добијена теледетекционом ненадгледаном класификацијом (страна 163) 194
СПИСАК ТАБЕЛА У ТЕКСТУ ДИСЕРТАЦИЈЕ Табела 1. Број становника у Венчанима према пописима од 1948.-2011. (страна 43) Табела 2. Број домаћинстава у Венчанима по попису 1948.-2011. (страна 44) Табела 3. Физичко-хемијска анализа воде у основној школи Веља Герасимовић у Венчанима - 22.09.2009. (страна 113) Табела 4. Физичко-хемијска анализа воде у основној школи Веља Герасимовић у Венчанима - 29.09.2009. (страна 114) Табела 5. Микробиолошка анализа воде у основној школи Веља Герасимовић у Венчанима - 22.09.2009. (страна 116) Табела 6. Микробиолошка анализа воде у основној школи Веља Герасимовић у Венчанима - 24.09.2010. и 27.09.2010. (Институт за јавно здравље Крагујевац, 2010). (страна 117) Табела 7. Линеарна корелација између посматраних варијабли (страна 121) Табела 8. Физичко-хемијска анализа воде реке Придворице у делу тока који пролази кроз најгушће насељени део места (страна 125) Табела 9. Микробиолошка анализа воде реке Придворице у делу тока који пролази кроз најгушће насељени део места (страна 130) Табела 10. Физичко-хемијска анализа воде реке Придворице у делу насеља са мањом концентрацијом становника (страна 134) Табела 11. Микробиолошка анализа воде реке Придворице у делу насеља са мањом концентрацијом становника (страна 136) Табела 12. Намена земљишта у Венчанима (страна 153) 195
БИОГРАФИЈА АУТОРА Мсц Ана Тошић, рођена је 20. маја 1988. године у Аранђеловцу, Србкиња православне вере, у браку са Тошић Ненадом, мајка Давида. Основну школу завршила је у Венчанима, општина Аранђеловац. Средњу Економскотрговинску школу, смер туристички техничар, завршила је у Сопоту. Студијску групу Туризмологија на Географском факултету у Београду, уписала је школске 2007/2008. године и прва у генерацији завршила 2011. године са просечном оценом 8,78 и оценом 10 на дипломском испиту. Дипломски рад под насловом Унапређење постојећих и развој нових облика туризма на територији општине Аранђеловац, одбранила је код проф. др Снежане Вујадиновић и стекла звање дипломирани географ туризмолог. Школске 2011/2012. године, уписала је последипломске студије на смеру Геопросторне основе животне средине и завршила 2012. године са просечном оценом 10. У јуну месецу (. јуна 2012. године), одбранила је мастер рад под називом Мониторинг и одитнинг водних ресурса насеља Венчани општина Аранђеловац и стекла звање Мастер географ за област животне средине. Мастер рад је одбранила код проф. др Мишка Милановића. Докторске студије је уписала 2012. године, а све предмете који су предвиђени планом и програмом докторских студија успешно је реализовала са просечном оценом 10. Дана 20.10.2014. године поднела је захтев за пријаву теме докторске дисертације (деловодни број 817). Поред пријаве, кандидаткиња је приложила уверење о положеним испитима, доказ о уплати накнаде, а такође и документовано биографију, списак објављених научних и стручних радова, предмет и проблем истраживања, циљеве и задатке истраживања, радну хипотезу, научне методе истраживања, генералну структуру докторске дисертације, као и научну оправданост тезе, очекиване резултате и практичну примену резултата. Учествовала је на више научних скупова, а своје прве радове из области заштите животне средине објављује током 2013. године. По основи свог интересовања, усмерена је на област животне средине. 196