 | | | | |
| | | | | |
|
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
| | | | | | | | | Dis over Kathmandu | |
Øvelse – 3
Part 1
Måske har du lagt mærke til, at luften er mindre gennemsigtig på dage med høj luftforurening. Som du sikkert ved, kaldes dette for smog. Det mindsker sigtbarheden, så du ikke kan se nær så langt. På sådanne dage er de nærliggende bakker, du normalt ville kunne se på en klar dag, næsten eller helt usynlige. Faktisk er den horisontale sigtbarhed også en god indikator til måling af luftforureningsgraden.
For at kunne måle atmosfærens “tykkelse” skal vi analysere billeder fra satellitten Envisat. I en test sammenligner vi data fra rummet med videnskabelige målinger foretaget på jordoverfladen (PM10 målinger fra målestationer). Nu skal du prøve at forske rigtigt, det kan du sagtens!
Vi antager, at satellitmålingerne er repræsentative for en vis overflade rundt om stationen, og vi antager ligeledes, at luftforureningen påvirker atmosfærens gennemsigtighed. Faktisk svarer hver pixel af satellitbilledet til 300 m x 300 m.
Fordelen ved at anvende satellitdata er, at de er indhentet ved forskellige farver, herunder infrarød, der ikke er synlige for dig. De forskellige farver interagerer forskelligt i atmosfæren. Blå er generelt mere påvirket af dis, tåge eller smog end rød. Kan du forklare hvorfor? Spørg din fysiklærer!
Herunder finder du 3 datasæt. Hvert sæt omfatter 5 bånd, bånd 1 ligger inden for det blå farveområde, bånd 2 i det grønne, bånd 3 i det gule, bånd 4 i det røde og bånd 5 i det infrarøde område. Det videnskabelige spørgsmål er: Kan et eller flere af disse bånd bruges til at repræsentere PM10 – forureningsgraden? Med andre ord prøver vi på at finde en sammenhæng mellem målingerne ved jordoverfladen og de forskellige bånd.
Download og gem Meris-billederne af Kathmandudalen:
- 4. november 03 - bånd 1 til bånd 5
- 7. november 03 - bånd 1 til bånd 5
- 22. december 03 - bånd 1 til bånd 5
Alle billederne er georefererede - parametrene er
Projektion: Geografisk bredde- / længdegrad (WGS 84).
Download og gem shape-filen "PM10_monitoring_stations" for Kathmandudalen, placeret i Thamel, Putalisadak, T.U.Kirtipur, Bhaktapur, Matsyagaon og Patan Hospital.
| | Tabel over PM10 jordoverfladedata | |
Åbn Fig.11, tabellen over PM10 jordoverfladedata for de ovenstående datoer.
I LEOWorks skal du åbne billedet fra 4. november 03 bånd 1. Brug Enhance - Interactive Stretching (men foretag kun lettere kontrastforbedring).
Indlæs derefter GIS-filen "PM10_monitoring_station". I vinduet"Select the Transformation Method" vælges Arbitrary og Map Based. Alle seks målestationer bliver vist på billedet.
I GIS Tool skal du åbne Tools>Information og klikke på Point 2 for at se stationens navn (Putalisadak) og de jordbaserede målinger på de tre dage (Nov_4th, Nov_7th og Dec_22nd 2003). På billedet er punktet fremhævet.
Klik og åbn View>Cursor Position/Value. Bevæg forsigtigt og langsomt cursoren hen over punktet, og læs værdien af den pixel målt af satellitten som 'Original data', f.eks. 61 for Putalisadak 4. nov. Bånd 1. Du kan se ud af tabellerne og graferne herunder, at dette tal er 61,35. Vi har fjernet decimalerne, fordi vi var nødt til at afkorte datamængden.
1. Nu skal du i Microsoft Excel lave en tabel og beregne de tilhørende PM10-data og digitale tal (DN-værdi). Med hjælp fra de grafer, du skal lave, skal du studere forholdet mellem DN-værdierne og båndene og ligeledes forholdet mellem DN-værdierne og PM10. Se eksemplet nedenfor.
2. Gentag denne proces for alle billeder/bånd.
| |
| | Kathmandudalen IndledningLuftforureningStudieområdeØvelser InledningØvelse – 1Øvelse – 2Mere på internettet Useful linksEduspace - Software LEOWorks 3ArcExplorerEduspace - Download Fig. 7.1 - 7.10 (zip file)MERIS images of Kathmandu valley (zip file)
|
