 | | | | |
| | | | | |
|
Forandring af kystlinien Donau-deltaetOlieforurening fra borerigSkovrydning Bardia National ParkCongobækkenetKameng-Sonitpur Elephant ReserveKilimanjaroRondoniaShillong og GuwahatiIs Antarktis 2003Klimaforandringer og gletsjereGletscheres tilbagesmeltning i AlperneGletsjerisens bevægelseGletsjeranalyse ved hjælp af radarbillederMonitorering af gletschere i HimalayaTelemåling af is og sneUrbanisering CairoCordobaKathmanduHimalayaKathmandudalenLagosVegetation Annapurna Conservation AreaForsvundet i AndesbjergeneNgorongoro Conservation AreaNiger-indlandsdeltaetSydamerika
| | | | | | | Øvelse – 3 - Del 2
Luftforurening i Kathmandudalen Arbejdsark Øvelse – 3. This excercise is divided into two parts and requires the use of LEOWorks.
Eksempel
Vi har foretaget en analyse af målestationen (Putalisadak) for dig. Se de nedenstående tabeller og grafer.
Målestation - Putalisadak
Graf 1
Først opretter vi en graf på basis af andre refleksionsværdier, som kan give os en refleksionskurve for de forskellige dage. På billedet fra den 4. november findes den højeste DN-værdi på bånd 1 (61) og den laveste DN-værdi på bånd 5 (44). På billedet fra 7. november fandtes den højeste DN-værdi (76) på bånd 1 og den laveste DN-værdi på bånd 5. På billedet fra 22. december fandtes den højeste DN-værdi på bånd 1 og den laveste på bånd 5.
Målestation – Putalisadak: PM10 over for Digitale værdier (DN)
1. Vurdér korrelationen (i det mindste grafisk) mellem PM10 og DN-værdier for bånd 1 til bånd 5 for alle billederne fra de andre 5 stationer.
2. Lav konklusioner på dit studie især over dine resultater fra brugen af satellitdata til måling af luftforurening. Diskuter ligeledes muligheden for at sammenligne en punktmåling (PM10-måling) med overflademålingen fra satellitten, der omfatter ca. 300m x 300m.
3. Kunne du tænke dig at gøre det samme for din egen by? Svarer du ja? Så kontakt os, og vi vil sende dig de nødvendige satellitdata! Vores adresse er: eduspace@esa.int
Andre tips til diskussion angående begrænsningen af vores studie:
- Påvirkningen fra meteorologiske faktorer som for eksempel vindhastighed, mikroklimatologi, temperaturomvending osv. er ikke taget i betragtning, og de kunne spille en væsentlig rolle i spredningen af luftforureningskilderne.
- Kun parameteren PM10 er anvendt som indikator for luftforureningskilder. Andre forureningsparametre kan dog bidrage væsentligt til luftforureningen, men disse parametre er ikke inkluderet her. Vi antager, at høje PM10-værdier også betyder høje forureningsværdier generelt.
- Der er kun anvendt tre satellitbillededatasæt.
- PM10-data er fra 24 timers opsamling, hvorimod satellitbillededata er et øjebliksbillede om morgenen (08.28 Kathmandu tid).
- Satellitdatamålinger bliver hovedsageligt påvirket af jordrefleksion, der skifter året rundt. I vores tilfælde (vinter) er ændringerne dog minimale.
Graf 2
Graf 2.1
På illustrationerne Graph 2a og Graph 2b fra Putalisadak-monitoreringsstationen kan vi igen se den generelle stigning i satellitværdier fra bånd 5 til bånd 1. Korrelationen til PM10 er ikke høj. Den er imidlertid højst for bånd 1, (R2=0,5916). Alt dette betyder, at i dette tilfælde har bånd 1 tilsyneladende den bedste korrelation mellem DN-værdier og PM10. Første hypotese er derfor, at bånd 1 muligvis er vores bedste mulighed for at vurdere luftkvalitet. For at be- eller afkræfte denne foreløbige hypotese, skal vi gennemgå dataene fra de øvrige stationer tillige med deres respektive satellitmålinger.
| |
| | Kathmandudalen IndledningLuftforureningStudieområdeØvelser InledningØvelse – 1Øvelse – 2Øvelse – 3Mere på internettet Useful linksEduspace - Software LEOWorks 3ArcExplorerEduspace - Download Fig. 7.1 - 7.10 (zip file)MERIS images of Kathmandu valley (zip file)
|
Forrige