Debreceni Egyetem Természettudományi és Technológiai Kar
Szolnoki – ártér őrfelvételeinek feldolgozása és kiértékelése
Témavezetı: Dr. Szabó Gergely
Készítette: Boros Gabriella Földrajz BSC (Geoinformatika)
Debrecen 2009.
Tartalomjegyzék I. Bevezetés, célkitőzés:......................................................................................................... 3 II Távérzékelés fogalma és rövid története............................................................................ 4 1. Távérzékelés fogalma.................................................................................................... 4 2. Távérzékelés rövid története ......................................................................................... 4 III. Mintaterület bemutatása................................................................................................... 7 1. Mintaterület földrajzi helyzete és tájhatárai .................................................................. 7 2. Szolnoki-ártér felszínfejlıdése...................................................................................... 9 IV. Anyag és módszer.......................................................................................................... 11 1. Felhasznált őrfelvételek .............................................................................................. 11 2. Módszer....................................................................................................................... 11 V. Feldolgozás és kiértékelés............................................................................................... 13 1. Hisztogram: ................................................................................................................. 13 2. Kompozitkészítés ........................................................................................................ 14 3. Filter (szőrı)................................................................................................................ 15 4. Nem ellenırzött osztályba sorolás .............................................................................. 16 5. Az ellenırzött osztályba sorolás.................................................................................. 17 VI. Vizuális interpretáció..................................................................................................... 21 1. Őrfelvételek vizuális kiértékelése ............................................................................... 21 VII. Összegzés ..................................................................................................................... 24 VIII. Mellékletek.................................................................................................................. 26 Irodalomjegyzék .................................................................................................................. 35 Köszönetnyilvánítás............................................................................................................. 37
2
I. Bevezetés, célkitőzés: Napjainkban egyre fontosabbá válik az őrfelvételek vizsgálatának digitális és vizuális feldolgozása. Az egyre gyorsabb ütemben fejlıdı térinformatikai szoftverek használatával, olyan folyamatokat, jelenségeket figyelhetünk és jeleníthetünk meg, amelyeket akár megfelelı adatbázis használatával több évszázadon át nyomon követhetünk. Az ebbıl kinyert és összegyőjtött adatokból olyan modelleket tudunk létrehozni, amelyek idıben visszamenıleg vagy akár elıre vetítve olyan új és a további fejlıdési tendenciák szempontjából fontos információkat adhatnak, amelyek minimálissá teszik az emberi tévesztés lehetıségét. A szakdolgozatom célja térinformatikai alapú őrfelvétel elemzés, olyan kapcsolatok feltárása, amit a korábbi módszerekkel nem, vagy csak nagyon korlátozottan lehetett elvégezni. Szakdolgozatomban a Tisza folyó egy kiválasztott árterülete lesz a mintaterületem, amelyet 1988tól 2008-ig több idıpontban vizsgálok, s megkísérlem bemutatni, hogyan lehet a térinformatikai technikát interpretálni. A Tisza folyó a Szolnoki- ártér szakaszán különösen alkalmas ilyen jellegő vizsgálatokra, mert egyaránt található természetes vízfelület, ártéri-, mezıgazdasági-, és beépített terület egyaránt . A Tisza folyó mellék folyóját, a Zagyvát és annak árterét és is alkalmam nyílik megvizsgálni. A folyó szabályozását gróf Széchenyi István szervezte meg, a munkálatok 1846. augusztus 27-én kezdıdtek meg. (1-2. ábra a Mellékletekben) Majd több periódusban korrekciós munkálatokat végeztek az 1900-as évek elejéig. Számos átvágást létesítettek a folyón, ezek jelentıs méretőek voltak.(3.ábra) A levágott folyószakaszok a területen élık életében jelenleg is fontos szerepet játszanak, mint rekreációs, mint sportolási szempontból. Feladatom, hogy a rendelkezésemre álló őrfelvételekbıl térinformatikai módszerekkel feldolgozzam és kimutassam a minta területemen lejátszó változásokat 1988 és 2008 között.
3
II Távérzékelés fogalma és rövid története 1. Távérzékelés fogalma Távérzékeléssel a Föld felszínérıl nyerhetünk információkat olyan eljárással, hogy a megfigyelt terület és a megfigyelı mőszer nincs közvetlen kapcsolatban egymással. Megfigyelhetünk egy adott területhez tartozó objektumokat, különbözı jelenségeket és ott lejátszódó folyamatokat. „A távérzékelés a regionális és globális térinformációs rendszerek nélkülözhetetlen adatgyőjtési eljárása, amellyel mind raszter mind vektor jellegő geometriai adatok elıállíthatóak.”(Detrekıi Ákos – Szabó György: Térinforamatika (p:102.)) A távérzékelés nem csak az adatok begyőjtésével, hanem annak feldolgozásával és kiértékelésével is egyaránt foglalkozik. Elsısorban természeti erıforrások felkutatására és állandó mérésére szolgál. „A digitális információszerzés történhet felszín közeli méréssel, vagy repülıgépen, illetve mesterséges holdon elhelyezett szenzoros mőszerek segítségével. (4. ábra) Az olyan rendszereket, amelyeknél a felszín által emittált és a visszavert napsugárzást mérjük, passzív távérzékelésnek (5. ábra) nevezzük. Abban az esetben viszont, ha a sugárforrás és az érzékelı mőszer egymás mellett helyezkedik el (mőholdon, repülıgépen, mérıkocsin), akkor aktív távérzékelési rendszerrıl beszélünk.”(Dr. Lóki József: Távérzékelés (p 11.))
2. Távérzékelés rövid története A fényképezés alapelveinek kidolgozása után (1837.) nem sokkal késıbb 1861-ben az Egyesült Államokban készítették az elsı légi fotókat Boston felett a városról. Európában elıször Heim (svájci geológus) készített légi fotókat a Jura hegységrıl geológiai célból- a legtöbben innen számítják a légi fényképezés kezdetét. 1909-ben a drezdai mérnök, Maul próbált meg rakétára fényképezıgépet szerelni, hogy nagyobb magasságból tudjon légi felvételeket készíteni, de ezek minısége nem érte el a késıbbi felvételek minıségét. Igazán jelentıssé ám csak a Wright testvérek által tervezett motoros repülıgépek megalkotása után vált. Az egyik testvér 1909-ben mozgófilmet készített a repülı
4
segítségével. 1915-tıl sorozatvevı kamerát szereltek a repülıgépre, amely segítségével sztereo képeket (ugyanazon pillanatban, ugyanarról a területrıl készült kép, amelynek lényege, hogy a két kép optikai tengelye egymáshoz képest eltérı szögben irányul a felszínre- térhatású képet kapunk)
tudtak
készíteni. 1946-tól kezdve az Egyesült Államok birtokába került V-2 rakéta (ballisztikus rakéta Werner Von Braun mőve, - 14,3 méter magas, 165 cm átmérıjő, 3,56 méter szárnyfesztávolságú függıleges indítású rakéta, alkohol és folyékony oxigén hajóanyagú 250 000 Newton tolóerejő rakétameghajtó hajtotta, sebessége 5536 km/órát ért el.) és
a késıbb ebbıl kifejlesztett Viking-rakéta
1949-ben, amely már 403 kilométer magasságba jutott fel. A rakéták fejrészébe szerelték a fényképezı gépeket, felvevı készülékeket. 1950-ben már infravörös érzékeny színes filmet is használtak. A Szovjetunióban szintén a ’40-es évek végén kezdıdtek meg a rakéta kísérletek, majd 1952-ben gömb alakú, magassági optikai állomások váltották fel a fényképezıképeket. 1959. augusztus 7-én az Explorer-6 mesterséges hold készítette az elsı felvételt, ami a Föld felszínét, Föld-körüli pályamagasságból készítette. Ugyancsak 1959ben állították Föld körüli pályára a Discoverer (az elsı katonai felderítı mőhold, Kaliforniából indult és tért vissza az elsı olyan őreszköz, mely ember nélkül képes volt sértetlenül landolni a Földön)
mőholdat is. Az elsı olyan felvételeket, amelyekhez már földtani szakemberek is hozzáférhettek a TIROS- sorozat (Az elsı meteorológiai célokra tervezett mőhold, Television Infrared Observation Satellites) mőholdjai készítettek 1960-ban. Ezeket a mőholdakat a NIMBUS- sorozat (meteorológiai mőhold)
követett 1964-ben. Ennek továbbfejlesztésébıl született meg késıbb az ERTS (Earth
Resources Technology Satellite),
késıbbi nevén Landsat mely fı feladata a természeti erıforrások
és ásványkincsek felkutatása volt. 1962. március 16-án felbocsátották a Kozmosz – 1 mőholdat, ami már televíziós kamerával és infravörös sugárzásmérı mőszerrel volt felszerelve. A Kozmosz –1 volt az elsı a Szovjetunió által felbocsátott meteorológiai mőholdak egyikének. 1972. július 23-án Kaliforniában, egy DELTA hordozórakéta állította Föld körüli pályára az ERTS-1 mőholdat. Feladata kifejezetten a Föld folyamatos vizsgálata volt, de már nem meteorológiai szempontból. 1975. január 22-én állították pályára az ERTS-2 mőholdat. Ekkor változtatták át a nevüket Landsat-ra (NASA és az Egyesült Államok Belügyminisztériuma közösen indította el a programot)
és terveik szerint, 3 évenként újabb mőholdakat állítottak volna
Föld körüli pályára. A Landsat 4 és 5 pályára állítása óta, 1996-tól újabb mőholdat nem bocsátottak fel.
5
1986-tól Franciaország is pályára állított mőholdakat, mely sorozat a SPOT (Systeme Probatorie l’Observation de la Terra –Francia Nemzeti Őrkutatási Központ üzemelteti)
nevet kapta.
Landsathoz hasonlóan 900 kilométeres magasságban poláris pályán kering a Föld körül. 1995 decemberében állították pályára az indiai IRS (Indian Remote Sensing Satelite) mőholdat, amely már 5-6 méter felbontó képességő. (mőholdak adatait összefoglaló táblázat a mellékletben 1. ábra)
6
III. Mintaterület bemutatása 1. Mintaterület földrajzi helyzete és tájhatárai A Közép- tiszai- ártér elnevezéső kistáj csoportot alkotó kistájak ismérveit már az 1960-as években napvilágot látott földrajzi mővek, önállóan tárgyalták. A Szolnoki-ártér jellemzıit a kistáj Tisza jobb parti szárnyát felölelı Jászság, és a folyó bal parti területeit magába foglaló Nagykunság geográfiai elemzésénél ismertetették. A kistájak határvonala az 1990-es felosztásban a tíz évvel korábbihoz képest - részben az őrfelvételek kiértékelési eredményeit figyelembe véve - számos esetben megváltozott, több új kistáj is született. Az 1990-ben megjelenı „Magyarország kistájainak katasztere I-II.” címő kiadvány emeli be a kistájak sorába, és nevezi el a térség legnagyobb településérıl Szolnoki-ártérnek ezt a viszonylag egybefüggı téregységet. A Szolnoki-ártér területi kiterjedését a kistáj kataszter 700 négyzetkilométerben határozta meg. Teljes terjedelmében az 5582 négyzetkilométer területû Jász - NagykunSzolnok megye határain belül fekszik, melynek egyben központi kistája. Területi megoszlásában legnagyobb részt a szántóterületek teszik ki 54. 880 hektárral utána következik az erdıterület 4. 090 hektárral és rétek, legelık 4060 hektárral. Jelentıs még a belterület, mely 3. 360 hektárt ölel fel. Védett terület az ártéren nem található. A területnagyság és az ártér határai napjainkig sem tisztázottak, mivel az egyes tájalkotó tényezõk határai gyakran nem fedik egymást és a szomszédos kistájak között sem nem egy éles határvonal húzódik, hanem fokozatos az átmenet. A kistáj elkülönítése a szomszédos tájaktól túlnyomórészt antropogén és vízrajzi lineáris felszíni tájelemek mentén történt, bár a határokat csak a mélyszerkezeti vonalak jelölik ki egyértelmûen. A felszín alatti rétegeket pleisztocén üledékek, a felszínen pedig holocén öntésiszap, öntésagyag, BesenyszögTószeg vonaltól Ny-ra infúziós lösz fedi. Ezekbıl kifolyóan meghatározottak a talajtani adottságai is: 41% réti öntéstalajok, 22 % réti talajok, 21% sztyepesedı réti szolonyecek, 7% szolonyeces réti talajok, 7% réti csernozjomok, 1% réti szolonyecek, 1% humuszos homoktalajok. Átlagos tengerfeletti magassága 85-91 méter között van. Domborzati viszonyainak típusa tökéletes síksághoz sorolható. Éghajlata a mérsékelten meleg-száraz és a meleg-száraz övhöz tartozik. Éves középhımérséklete: 10, 2- 10, 3 Celsius fok. A
7
Szolnoki- ártéren található vízfolyások: Tisza, Dobai- fıcsatorna, Millér, Zagyva, GerjePerje, Kırös- ér, Mirhó- Gyolcsi- fıcsatorna, Gyenda- Tiszabıi- fıcsatorna, Ballaifıcsatorna, Alcsi- Holt- Tisza, Cibakháza- Martfői- fıcsatorna. A vízminıség: a Tiszán II., a Zagyván III. osztályú. Továbbá 2 természetes tó 11hektáros területtel, 10 tározó 753 hektáros felszínnel, 9 tiszai meander tó 254 hektáros területtel. A növényzet fontosabb potenciális erdıtársulásai: bokorfüzesek, főzligetek, kıris- mézgáséger láperdık, tölgykıris- szil ligeterdık. Mezıgazdaságilag megmővelt területeken búza, ıszi árpa, cukorrépa haszonnövényeket termelnek. Újabb problémát jelent a települési államigazgatási és a kistáj határok térbeli különbözõsége. Ezt az ellentétet a kistáj kataszter készítõi úgy oldották fel, hogy „a települések abban a kistájban szerepelnek, ahová területük nagyobb része esik ” (MAROSI Sándor - SOMOGYI Sándor (szerk.):Magyarország kistájainak katasztere I-II., Budapest, 1990. p.19.). Bizonyos esetekben elõfordulhat, hogy a névadó település nincs a kistájban.(Túri Zoltán: Az ismeretlen Szolnoki- ártér - „Terra incognita ” a hazai tájbeosztásban) A Szolnoki-ártér területén a kistáj kataszter 1990-es megjelenésekor 18 település található. A felsorolásban a települések mellé 2008-as lakosságszámot írtam: (Forrás KSH adatai): 1. Ballatelep (Törökszentmiklós) –5. 446
10. Szolnok (Szandaszılıssel
fı,
közigazgatásilag együtt szerepel) –
2. Besenyszög – 3. 772 fı,
70. 008 fı,
3. Csataszög (Nagykörû) – 330 fı,
11. Tiszabõ – 2. 033 fı,
4. Hunyadfalva (Kõtelek) – 160 fı,
12. Tiszajenõ – 1. 648 fı,
5. Kõtelek – 1. 645 fı,
13. Tiszapüspöki – 2. 103 fı,
6. Nagykörû – 1. 667 fı,
14. Tiszasüly – 1. 517 fı,
7. Szajol – 3. 998 fı,
15. Tiszatenyõ – 1. 971 fı,
8. Szakállas (mai nevén
16. Tiszavárkony – 1. 614 fı,
Törökszentmiklós) – 22. 084 fı,
17. Tószeg – 4. 649 fı,
9. Szandaszõlõs (Szolnok)
18. Vezseny – 696 fı.
∑ lakosság a kistáj területén: 125. 082 fı
8
A kistáj területén található településeket a Google Earth program segítségével tettem szemléletessé.
1. kép: Szolnoki-ártér települései (forrás: Google Earth)
2. Szolnoki-ártér felszínfejlıdése A Szolnoki- ártér az Alföld egyik legalacsonyabb a szabályozások elıtti folyóvíz által formált ártéri terület. Az ártéri síkság fejlıdését a negyed idıszaktól egészen napjainkig a folyóvizek felszínformáló munkája határozta meg. Jelenıs változások a felszínfejlıdésben a pleisztocén (A földtörténeti újidı idıszakának elsı kora: 1,8 millió évtıl a jelenkorig (Lechmann Antal- Vuics Tibor: Földrajzi fogalmak szótára, p.203)) végétıl következtek be a würmben (Az ötödik, egyben legutolsó eljegesedési szakasz a pleisztocénben:0,2-0,01 millió évig (Földrajzi fogalmak szótára, p.279)). A Tisza és Szamos ekkor fordult az Ér völgyébıl a Felsı Tisza-vidékre, majd a holocénban (a negyedidıszak legfiatalabb szakasza, amelybe a jelen is beletartozik, kezdete: 0,01 millió év (Földrajzi fogalmak szótára, p.106) a Tokaj- Szolnok irány felvétele után megkezdıdött
többek között a Szolnoki- ártér kiformálódása. A fiatal kistáj bekelıdött nyugatra fekvı Jászság (Alsó- Zagyva- sík) és keleti szomszédja: a Nagykunság (Szolnoki- löszös hát) közé. Az árvizek alkalmával egészen a folyószabályozásokig a Tisza teljesen elöntötte a területet, ezáltal is formálva a medret és annak térszínét. Az ártéri síkság életében döntı változást a folyószabályozást hozott. Megszőnt az évrıl ismétlıdı vízborítás és megindult a szárazodás. Az ártéri növényzet kiterjedése folyamatosan csökkent. A szabályozások legszembetőnıbb következményeirıl a folyó irányváltozásait megırzı medrek és morotvák tanúskodnak.
10
IV. Anyag és módszer 1. Felhasznált őrfelvételek A dolgozatomban felhasznált őrfelvételeket az Interneten szabadon elérhetı adatbázisokból töltöttem le. Három nagy adatbázist használtam: a NASA (Amerikai Egyesült Államok Nemzeti Légügyi és Őrhajózási Hivatala- National Aeronautics and Space Administration), az ESDI (Földi Tudományos Adatbázis- Earth Science Data Interface), és a Google Earth Digitalglobe archív adatbázisát. A felvételek: •
Spot 4 mőhold multispektrális felvétel (1, 2, 3, 4-es csatorna) 1998. augusztus (6. kép)
•
Spot 4 mőhold pankromatikus felvétele, amely 1998. augusztusában készült (7. kép)
•
LANDSAT 5 TM 1990-es felvétele (1, 2, 3-as csatorna) (8. kép)
•
LANDSAT 7 ETM 2000-es felvétele (1, 2, 3-as csatorna) (9. kép)
•
Google Earth által felhasznált 2008. márciusi Spot 4 felvételek (3, 4, 5-ös csatorna) (10. kép)
2. Módszer A felvételek *.img kiterjesztéső kép fájlokként lettek elmentve. A képekhez nem tartozott vetületi rendszer. A vetületi transzformációhoz szükségem volt az ESRI Magyarország Kft. ArcGIS családjába tartozó ArcMap térinformatikai szoftverre és az adott területet lefedı EOV (Egységes országos Vetület) 1: 10000-es méretarányú topográfiai térképszelvényekre, amelyeket a Debreceni Egyetem Természetföldrajzi-és Geoinformatikai Tanszéke bocsátott rendelkezésemre. A helyes transzformációhoz szükségesek a felszíni illesztési pontok, a GCP-k (egy olyan felvétel meghatározott pixelei, amelyhez a megfelelı térképi koordináták - és egyéb output koordináták - ismertek. A GCP két (X,Y) koordináta párból állnak)
pontos
megadása. A felvételeken olyan illesztési pontokat kerestem, amelyek nem természetes eredetőek, mivel ezek nem változnak olyan gyorsan, mint a természetes eredető pontok pl.: folyók partvonala-, hanem mesterséges, ember által létrehozott objektumok, például
11
útkeresztezıdések, hidak, épületeket (templomok, gyárépületek). A transzformáció annál megbízhatóbb, minél több szétszórtan elhelyezkedı GCP-t helyezünk el a teljes felületen.(11. kép) A Clark University szakemberei által kifejlesztett IDRISI program adatbevitelre, adatkezelésre és képfeldolgozásra egyaránt alkalmas. Az IDRISI-ben a képek, őrfelvételek négyzethálós szerkezető raszter file-ok. A raszteres állományok elemi pixelekbıl álló adatmodell, ahol minden pixel egy adott területi egységet fed le, a pixelek értékei tematikus kódok, amely a lefedett terület jellemzésére szolgál. A tárolt adatok típusa lehet ASCII, valós és bináris. Az adattárolás formája integer, byte vagy tömörített byte lehet. A vetületbe transzformált felvételeket az IDRISI 32 programba importálás során raszteres állományként hoztam létre.
12
V. Feldolgozás és kiértékelés Az elıfeldolgozott felvételen végrehajtott összetett mőveletsorozataim a következıek voltak. Elsı lépésben megvizsgáltam a felvételek hisztogramjait, majd a felvételekbıl hamisszínes kompozitokat készítettem. A felvételeken szőrést és nem ellenırzött osztályba sorolást végeztem. Majd ellenırzött osztályba sorolás során célosztályokat határoztam meg és rögzítettem, referenciaadatokkal ellátottam a kiválasztott mintaterületeimet, majd a felvételt spektrális, sugárzási adatosztályokra bontottam. Spektrális és tematikus (cél) kategóriák
megfeleltetése
után
a
tematikus
osztályok
spektrális
jellemzıinek
meghatározása volt a feladatom. Utolsó lépés a tematikus osztályozás és a tematikus térképet készítése volt.
1. Hisztogram: Ha egy síkbeli derékszögő koordináta rendszerben a vízszintes tengelyre felrakjuk a kvantálás eredményeképpen nyerhetı szürkeségi értékeket a 0 és 2b-1 határok között, a függıleges tengelyre pedig az adott szürkeségi értékő pixelek számának hányadosát az összes pixelek számával, úgy a szürkeségi értékek gyakorisági görbéjét, vagy idegen szóval hisztogramját nyerjük(12. kép, 13.kép a csatornák amelyekbıl a hisztogramot készítettem). A hisztogram elemzésével megállapítható, hogy a csatorna hisztogramja tulajdonképpen egy normális eloszlású sőrőségfüggvény. A négy csatornán készült felvétel hisztogramjai egycsúcsúak, kivétel a negyedik csatorna, ahol két csúcs látható. A hisztogram elkészítésével láthatóvá válik, hogyan módosultak az értékek eloszlásai. Nincs egy normális eloszlású sőrőségfüggvény, az értékek nagyjából egy skálán mozognak, kivéve a legalacsonyabb és legmagasabb értékeket. A hisztogramok elemzésekor kitőnik, hogy a látható tartományú sávok meglehetısen alacsony dinamikájúak, az adattartalom jóval korlátozottabb, mint a közeli infravörös sáv esetében. Ennek oka, hogy a felvétel nagy részén a vegetáció az uralkodó felszínborítási kategória, amelynek visszaverése a közeli infravörösben sokkal nagyobb, mint a látható tartományban. További magyarázat lehet a különbözı vegetáció-típusok jóval differenciáltabb visszaverése a közeli infravörös tartományban. A másik módszer a pixelek gyakoriságának kimutatására a strechelés, amely
13
egy
telítettséggel
kiegészített
lineáris
kiegyenlítés.
Ennek
segítségével
egy
kontrasztfokozást hajt végre, ami elıkészíti a képet a megjelenítéshez. A mővelet után a felvétel már nem felel meg az eredeti őrfelvételnek.(14. kép)
12. kép: Sport4 multispektrális felvétel 1,2,3,4-es csatornáinak hisztogramja
2. Kompozitkészítés A négy csatorna képeit felhasználva egy composit képet állíthatunk elı az IDRISI 32 program Analysis fımenüpontjának Image Processing pontjában.A kompozit készítéséhez meg kell adnunk a kék (Blue), a zöld (Green) és a piros (Red) színhez a választott sávokat, továbbá a készülı kompozitkép nevét. Három kontraszt lehetıség közül választhatunk. Az elkészült kép a továbbiakban vizuálisan és digitálisan is értékelhetı. A kompozitok olyan összetett anyagok, amelyek két vagy több különbözı szerkezető és makro-, mikro- vagy nanoméretekben elkülönülı anyagkombinációkból épülnek fel a hasznos tulajdonságok kiemelése és a káros tulajdonságok csökkentése céljából, mivel a kompozitok alapanyaga az erısítı fázis segítségével ér el jobb tulajdonságokat. Az alapanyagot mátrixnak, a többi elemet pedig második (vagy erısítı) fázis(ok)nak nevezzük. A gyakorlatban a kompozitoknak több elınye is van. Elsısorban lehetıvé teszik,
14
hogy a tulajdonságoknak egy különleges kombinációját hozzuk létre. Másrészt ezek a tulajdonságok egy adott tartományon belül folyamatosan változhatnak. A kompozitok harmadik lényeges sajátsága, hogy olyan fizikai tulajdonsággal is rendelkezhetnek, melyek nem érhetık el külön-külön egyik alkotójával sem. Mindegyik esetben a cél a végtermék tulajdonságainak optimalizálása különbözı alapanyagok együttes használatával. Kitőnı és az
igényeknek
megfelelıen
szabályozható
a
szilárdságuk,
képlékenységük
és
korrózióállóságuk. Kompozit(ok) kiértékelése a VI. fejezetben olvasható
15. kép: Spot 4 multispektrális felvétel kompozitja (bgr432)
3. Filter (szőrı) Digitális szőrıvel konvolvál (szigorúan korrelál) egy képet. Közép, medián, módus, élkiemelı, alul- és felül áteresztı és felhasználó által meghatározott szőrık használhatóak. A parancs a nyolc szomszéd képpont elvén mőködik úgy, hogy megváltoztatja a képpontok értékét. A mőveletet egy 3x3 mátrix határozza meg ( Lehetıség van még 5x és 7x7 mátrixú szőrésre is a programban). Filterezés esetén lehetıség van többfajta szőrési módszer
15
használatára. A mean: átlagoló szőrı, a szomszédos képpontok közepes értékével számol. A finom részek kiemelése esetén a települések elkülönítése már nehéz, a területen a szántók kivehetık a növényzet jól elkülöníthetı.
7 15. kép: 3x3-as szőrés Spot4 pankromatikus felvételen
4. Nem ellenırzött osztályba sorolás Ez abban az esetben jó ha nem sokat tudunk azoknak a területeknek a felszín borítási osztályairól, melyeket a szatelit ábrázol (pl.:nehezen megközelíthetı ártéri területekrıl van szó). A klaszterezés egy hisztogram csúcskeresési statisztikai eljárás ahol egyes klaszterek rangsora leírja a kép belsı szerkezetét. A vizsgált kép eredmény klasztereit az utolsó lépésben interpretálni kell, azaz meg kell határozni, hogy melyik klaszter melyik talajborítási kategóriának felel meg. A cluster használatakor durva (broad), vagy finom (fine) osztályozási módok közül lehet választani.
16
16. kép: Nem ellenırzött osztályba sorolás. A jobb oldali kép esetén a durva, itt egy szélesebb tartományt vett egy kategóriába (Boad- qual 256 palettával) a bal kép esetében a finom osztályozás lett elvégezve, itt pedig egy kisebb tartományt vett egy kategóriába (Fine- qual 256 palettával). A durva osztályozás esetén könnyebb a különbözı formák elkülönítése, a mezıgazdasági területek elkülönítése, a Tisza-, Zagyva folyó és a holtágak tisztán élesen kivehetıek a felvételen. Míg a finom esetén egyes formák nehezen azonosíthatók, és a sok apró folt nehezíti az objektumok felismerését. A települések zavarosak, éles határral nem rendelkeznek a felvételen, beleolvadnak a környezı mezıgazdasági területekbe. A mezıgazdasági területek felaprózódott a vegetációtól függıen. A 4-es számú fıút és Budapest- Debrecen vasútvonal nem felismerhetı a nyomvonalak.
5. Az ellenırzött osztályba sorolás. Az ellenırzött osztályba sorolás három lépésbıl áll: Elsı lépés: 8bit-es compoziton vektoros állományokat hoztam létre a tanulóterületek digitalizálásával. Öt területet digitalizáltam be. Második lépés: a kijelölt tanulóterületek alapján az osztályt leíró file-ok készítettem. A képosztályozás elıtt a tanulóterületeket osztályt leíró file-okkal kellet ellátnom. Ezekre a további osztályozásnál volt szükségem Harmadik lépés: az osztályozást hajtottam végre.
17
A képosztályozás elıtt a tanuló területeket, az osztályt leíró fileokkal kell ellátni. Az Image Processing menüpont Makesig utasításával készíthetünk az osztályt leíró (signature) fileokat, amelyekre a további osztályozásoknál szükségünk lesz. A SIGCOMP almenüpontban a program összehasonlítja az egyes osztályokat leíró file-okat. A monitoron megjelenik egy derékszögő koordináta rendszer, amelyben a különbözı pixel értékek eloszlásai láthatók.
17. kép: ellenırzött osztályba sorol felvétel sigcomp ábrával Jelen esetben, mint a képen is láthatjuk az osztályozás során nem megfelelı pontossággal jelöltem ki a tanuló területeket. A hármas csatornán a belvizes tér és az erdı jól elkülönül egymástól, de a szántó és a rét kategória egymásba csúszott. A rét- legelı kategória nem különül a mezıgazdasági területektıl. A kettes csatornán a kategóriák jobban szétválnak. A négyes csatornán az ártéri erdı kategóriába csúsztak az össze tanulóterület kategóriája, ez a nem megfelelı területkijelölés miatt következett be. A tanulóterületek osztályozása során a PIPED utasítást használtam. Ez esetben egy paralelpipedon osztályozást hajt végre, amelynek a lényege, hogy a tanulóterületek reflexiós értékei közül veszi a minimum és a maximum értékeket. Sok olyan terület maradt melyet a program feketének vett, ezek azok a területek, amelyek nem tartalmaznak pixelértéket.
18
18. kép: PIPED paranccsal osztályozott tanuló területek A MINDIST parancs a legkisebb távolság elvén mőködı osztályozási rendszer. A tanulóterület reflexiós átlagértékeit veszi és az osztályozás során az ismeretlen pixelek, és az átlag közti távolságot méri.
19. kép: MINDIST paranccsal osztályozott tanuló területek
19
A fenti kép estén elmondhatjuk, hogy sikeresebb volt az osztályozás, mint a piped esetében- nincsenek fekete foltok, de azért ez is tartalmaz hibákat. MAXLIKE, a maximum likelihood módszer egy közel normális eloszlású felvételbıl kiválasztott tanulóterületekhez legnagyobb valószínőséggel hozzárendelhetı pixeleket értékeli egy megadott kategóriának. Azonos valószínőséggel héjakat képez a centrumok körül. A pixelnek a centrumhoz való tartozása kifelé haladva egyre kisebb valószínőségő.
20. kép: MAXLIKE módszerrel készített tanuló terület
20
VI. Vizuális interpretáció A vizuális interpretáció célja, hogy az adott területet bemutatása bárki számára érthetı átlátható legyen. A felvételek összehasonlításával, a sávok elkülönítésével és a kompozitok elkészítése után a fı hangsúly az elemzésen: •
objektumok elkülönítése,
•
levegı szennyezettségének és a hóval borított területek kiszőrése,
•
folyók, állóvizek megkülönböztetése,
•
mezıgazdasági mővelés alatt álló területek megállapítása,
•
települések elkülönítése a fı cél.
1. Őrfelvételek vizuális kiértékelése Az elsı vizuális interpretációm nagy részben a 1998. augusztus 13-án SPOT-4 mőhold által készített multispektrális (6. kép) felvételt ábrázol. A multipspektrális felvételeket elsısorban a mezıgazdasági kiértékeléseknél használják. Megkönnyíti a vegetációs-, növény-, erdı és talaj típusok elkülönítését, a vízfelületek elhatárolását és terménybecslés is készíthetı. Több felvétel (7, 8, 9, 10-es kép) és kompozit (15. kép) összehasonlításával és felhasználásával próbálok széles körben a területet interpretálni. A felvétel jó minıségő, homályos foltok és felhık nem találhatóak rajta. Mivel a felvétel augusztusban készült hófoltok és ködfoltok sem zavarják a kiértékelést. A felvételen a természeti tájak jól elkülöníthetıek. A felvételen jól kirajzolódik az Északkelet, Dél-nyugat irányú Tisza folyó. A Tisza színe a felvételen barna színő. A folyóba torkolló Zagyva-folyó színe ugyanolyan barna színő, mint a Tiszáé. A folyómedrek élesen elválnak a folyókat követı ártéri erdıktıl. A lefőzıdött folyó kanyarulatok, amelyek már nincsenek összeköttetésben az „élı” folyóval (meanderek) színe sötétkék, néhol áthajlik a fekete színárnyalatba. A vízzel borított felületeket a terület alacsony fekvése és a folyók közelsége miatt a szántóföldeken szabálytalanul elszórva figyelhetünk meg. Ezeket a belvizes területeket színük és formájuk miatt könnyen összekeverhetjük a régi tanyavilág már lerombolt épületeivel, de más csatornán készült felvételek megvizsgálása után ezeket
21
már meg tudjuk különböztetni egymástól. A tartósan belvízzel fedett területeken zsombékosok és nádasok alakultak ki. A felvétel meghatározó színe a középkék a mely az erdıket mutatja. A LANDSAT 2000-es (9. kép) felvételén az erdık világos színben jelennek meg. Mindkét felvételen tisztán kirajzolódik a folyót követı ártéri erdı, amelyeket a szántóföldektıl a töltésgát választ át. A töltésgátak tetején földutak is jól kirajzolódnak. Az erdı összetételét tekintve a kevés ıshonos társulások mellett jelentıs faj a nyárfa, a gyalogakác, amerikai kıris és a zöldjuhar. Ezek a fajok melyek a tarvágások helyén cserjeszintben terjedtek el leginkább rontják a lefolyási tényezıt és nehezítik az árvíz mozgását. (Czeglédi István: A Vásárhelyi Terv Továbbfejlesztése az erdész szemével). A különbözı fajokat a kék szín árnyalatai különböztetik meg egymástól. Az újonnan telepített erdısávok színe világosabb, mint az idısebbeké. A parcellák színe a termesztett növényektıl, illetve a fenofázisuktól függıen változik. Felismerésüket az is megkönnyíti, hogy a telepítések szabályos geometriai alakzatot követnek. A felvétel másik meghatározó színe a zöld és barna különbözı árnyalatai. Ezek a szántóföldi területeket jeleznek. A felvétel jelentıs részét mezıgazdaságilag megmővelt területek fedik le. Színük attól függ, hogy milyen mezıgazdasági gazdálkodás folyik ott. Kék vonalak találhatóak a szántóföldi területek között is, amelyek elválasztják egymástól a különbözı hasznosítású területeket. A fasorok vonalas szerkezete egyben jelöli a mezıgazdasági utakat is a szántóföldek között. A Tiszába torkolló Zagyva folyó mentén is tisztán látható mindkét parton a töltés mentén haladó út és fasor egyaránt. A Budapest- Debrecen fı vasútvonal nyugat kelet irányban, a Budapest- Békéscsaba- Lıkösháza fı vasútvonal Északnyugat Délkelet irányban haladnak a felvételen. A szolnoki személy-, és teher vasútállomás zöldes barna színével erısen kitőnik az épített környezetbıl. A 4-es számú fıút ugyancsak NyugatKelet irányban halad és Szolnok városát 1989-1995ig épült Dél irányban elkerülı útszakasz élesen látszódik. Az 1990-es LANDSAT felvételen ez az útszakasz még nem jelenik meg, de a 2000-es felvételen már jól kivehetı. A 2008-as Spot felvételen az Abony városát észak felé elkerülı útszakasz és az élesen elhatárolódó mezıgazdasági területek nagyon jól kivehetıek. Még két jelentısebb mőút jelenik meg a felvételeken, a Szolnok városából Déli irányba kiinduló szandaszılısi és az Északi irányba Besenyszög felé tartó út. A
22
szakaszosan haladó városon kívüli utak a fák koronájának domináló reflexiója miatt nem látszik élesen. A SPOT felvételek közül a pánkromatikus (7. kép) a nagy felbontóképesség miatt nagyon alkalmas a települések kiértékelésére. A fekete-fehér képeken az út és vasúthálózat, épületek parkok, ipartelepek a felvételek interpretációját segítik A III. fejezetben felsorolt mintaterületen található települések egytıl-egyig alaprajzuk, utcaszerkezetük miatt jól kirajzolódik A felvételek összehasonlítása során jelentıs területváltozást nem észleltem.. A települések közül a mintaterületemnek nevet adó legnagyobb település Szolnok hívja fel magára a figyelmet. A város központja felé tartó utak és az Észak-nyugati városrészen található vasúti pályaudvarok színe sötétszürke, ez erıs légszennyezettségre utal.(A nem villamosított mellékvonalakon a Diesel mozdonyokat használ a Magyar Állami Vasúttársaság, emiatt napjainkig szennyezett levegıjőek a pályaudvarok többsége). A szolnoki Holt-Tisza keleti kanyarulatánál fehér pontszerő objektumokat találunk, amelyek az egykori ÁFOR telepet (Ásványolajforgalmi Vállalat) ábrázolják. A másik pontszerő objektumokat Szandaszılıs területén fedezhetjük fel. Megfelelı közelítéssel a felvételeken felismerhetjük a Szolnoki reptülıtér beton kifutópályáit, helikopter leszállókat és a környezettıl eltérı hangárépületeket is. Szolnok déli területén fekvı ipartelep hatalmas hangárépületi a fény visszaverıdése következtében jól láthatóak.
23
VII. Összegzés A távérzékelés a természeti erıforrás kutatás és környezetállapot felmérésének hatékony eszköze. A különbözı mérések eredményeit a fejlett országokban széles körben alkalmazzák. A légi és őrfelvételek fıbb hasznosítói: 1. Térképészet 2. Mezıgazdaság 3. Vízgazdálkodás 4. Erdıgazdaság 5. Környezetvédelem 6. Ipari ágazatok 7. Építésügy, közlekedés. Légi
és
őrfelvételekbıl
interpretálható,
a
térképhelyesbítésnél,
környezeti
hatásvizsgálatoknál, tervezéseknél felhasználható elemek, tényezık: 1. Talajtérképezés, 2. Talajértékelés eróziós hatások kimutatása, 3. Talajpusztulás földhasználati kategóriák 4. Növényfajták elkülönítése, növényállapot meghatározás növénybetegségek, víz minıség (folyók, tavak, tározók) 5. Vizekben lévı makrovegetáció (hínár, békalencse) növénytérképezés 6. Tavak, tározók, hullámterek területén belvizes, árvizes térségek elemzése 7. Folyókba befolyó szennyvíz lebontási folyamatának követése zagytározók elhelyezkedése, térképezése 8. Meliorációs tervezés, meliorizált területek hatásfok-ellenırzése 9. Öntözés, vízrendezés 10. Vízi mőtárgyak hatásterületének vizsgálata (víztározók) 11. Erdıtérképezés, erdıminısítés erdıkárosodások, erdıtervezés 12. Vadszámlálás 13. Természetvédelmi területek állapotfelmérése hulladéklerakó helyek bemérése (kommunális, ipari)
24
14. Ipari zónák vizsgálata (területi kiterjedés) légszennyezı források felderítése, térképezése, füstcsóva fényképezés, fokozottan terhelt területek lehatárolása 16. Külszíni bányászat környezetterhelése agyag-és kavicsbányák felmérése 17. Anyagkitermelı helyek károsító hatása (mészkı, bauxit) meddıanyagok elhelyezése Remélem, hogy az eddigiekben elıadottak meggyızték vagy csupán felkeltették az érdeklıdését a légi és őrfelvételek felhasználása iránt az olvsót. Azzal azonban tisztában kell lennünk, hogy egy- egy terület teljes körő feldolgozása mekkora munkával jár. A rendelkezésre álló szabadon elérhetı felvételek kapcsán tisztában kell lenni a különbözı archívumok nyilvántartási rendszerével. Pl. a felvételekre vonatkozóan milyen adatokat tartanak nyilván, milyen szempontok szerint lehet válogatni, milyen gyorsan történik az adatszolgáltatás stb. A kérdés végül is az, hogy az érdeklıdıbıl lesz-e potenciális felhasználó, vagyis megkapja-e azokat a szükséges információkat, melyekbıl eldöntheti, hogy a több százezer felvételbıl van-e számára használható, ill. szükséges-e új felvételek készíttetése a késıbbi feldolgozáshoz.
25
VIII. Mellékletek
1.kép: A Tisza folyó Szolnoknál a szabályozás elıtt, Elsı Katonai felmérés
3. kép: A Tisza folyó szabályozása
2. kép: A Tisza folyó Szolnoknál a szabályozás elıtt, Második Katonai felmérés.
4. kép: Szenzoros mőszerek elektromágneses spektruma (forrás: saját ábra) http://pixinfo.com/img/Fujifilm/FinePixIS1/a/spektrum_500d.jpg)
26
5. kép: passzív távérzékelés mőködése (forrás: saját ábra)
6. kép: Spot 4 mőhold multispektrális felvétel
7. kép. Spot 4 mőhold pankromatikus felvétele
8. kép: LANDSAT 5 TM 1990-es felvétele
28
9. kép: LANDSAT 7 ETM 2000-es felvétele
10. kép: Google Earth által felhasznált 2008. márciusi Spot 4 felvételek
29
11. kép: A vetületbe transzformálás folyamata az ArcMAp programban
13.kép: Spot4 multispektrális felvétel 1,2,3,4-es csatornái
30
14. kép: Spot4 felvétel strechelés után
Mőhold LANDSAT-1 LANDSAT-2 LANDSAT-3
Spektrális sáv 475-575 nm
Felbontás 80m/pixel
580-680 nm
80m/pixel
691-830 nm
80m/pixel
505-750 nm
30m/pixel
LANDSAT RBV sávok (forrás: LANDSAT) 1. táblázat
31
Mőhold
LANDSAT-1 LANDSAT-2 LNADSAT-3
LANDSAT-4 LANDSAT-5
Spekrtális sáv 500-600 nm 600-700 nm 700-800 nm 800-1100 nm 10410-1260nm (felbocsátás után meghibásodott) 500-600 nm 600-700 nm 700-800 nm
Felbontás 79m/pixel 79m/pixel 79m/pixel 79m/pixel 237m/ pixel 82m/pixel 82m/pixel 82m/pixel
800-110 nm 82m/pixel LANDSAT MSS sávok (forrás: LANDSAT 2.táblázat Mőhold
Spektrális sáv Felbontás 450-530 nm 30m/pixel 520-600 nm 30m/pixel 630-690 nm 30m/pixel 760-900 nm 30m/pixel LANDSAT-7 1550-1750 nm 30m/pixel 10400-12500 nm 60m/pixel 2080-2350 nm 30m/pixel 520-900 nm 15m/pixel LANDSAT ETM+ sávok (forrás: LANDSAT) 3.táblázat Mőhold
IKONOS
Spektrális sáv 450-520 nm 520-600 nm 630-690 nm 760-90 nm 450-90 nm (pankromatikus)
Felbontás 4m/pixel 4m/pixel 4m/pixel 4m/pixel 1m/pixel
IKONOS mőhold spektrális sávjai (forrás: IKONOS)
4.táblázat
32
Mőhold
Spektrális sáv 500-590 nm (zöld) SPOT-1 610-680 nm (vörös) SPOT-2 790-890 nm (közeli SPOT-3 infravörös) 510-730 nm (pankromatikus)
Felbontás 20m/pixel 20m/pixel
Vizsgálható jelenségek növényzet, sekély víztetsek növényzeti tipusok
20m/pixel 10m/pixel
növényfajták, biomassza tartalom szerkezeti-vonalas elemek
20m/pixel 20m/pixel
növényzet, sekély víztetsek növényzeti tipusok
SPOT-4
500-590 nm (zöld) 610-680 nm (vörös) 790-890 nm (közeli infravörös)
20m/pixel 20m/pixel 10m/pixel 10m/pixel 10m/pixel
SPOT-5
1580-1750 nm (infravörös) 610-680 nm (mono) 500-590 nm (zöld) 610-680 nm (vörös) 790-890 nm (közeli infravörös)
növényfajták, biomassza tartalom mezıgazdasági és földtudományi témakörök szerkezeti-vonalas elemek növényzet, sekély víztetsek növényzeti tipusok
10m/pixel
1580-1750 nm (infravörös)
növényfajták, biomassza tartalom mezıgazdasági és földtudományi témakörök
20m/pixel 2,5510-730 nm (pankromatikus) 5m/pixel szerkezeti-vonalas elemek SPOT mőholdak spektrális sávjai, felbontása és alkalmazásai (forrás: SPOT) 5.táblázat
33
Mőhold LANDSAT1 LANDSAT2 LANDSAT3 LANDSAT4 LANDSAT5 LANDSAT6 LANDSAT7
Indítás
Mőködés vége
Pályaciklus(nap)/ Magasság
Inklináció
1972.08.23
1978.01.06
18/900
99 fok
1975.01.22
1982.02.22
18/900
99 fok
1978.03.05
1983.03.31
18/900
1982.07.16
1993.12.14
1984.03.01
Mőszerek
Súly
Keringési idı
815 kg
103 min
815 kg
103 min
99 fok
RBV, MSS RBV, MSS RBV, MSS
815 kg
103 min
18/900
98 fok
MSS, TM
2000 kg
99 min
aktív
16/705
98 fok
MSS, TM
2000 kg
99 min
1993.10.05
1993.10.05
-
-
-
-
-
1999.04.15
aktív
5/680
98 fok
ETM+
2000 kg
SPOT-1
1986.02.22
aktív
26/830
98,7 fok
HRV
1750 kg
SPOT-2
1990.01.22
aktív
26/830
98,7 fok
HRV
1750 kg
SPOT-3
1993.09.26
szept.96
26/830
98,7 fok
HRV
1750 kg
SPOT-4
1998.03.24
aktív
26/830
98,7 fok
HRVIR
1750 kg
SPOT-5
.2002.05.03 elıkészületben
26/830
98,7 fok
HRG
1750kg
99 min 101,4 min 101,4 min 101,4 min 101,4 min 101,4 min
IKONOS
1999.09.04
aktív
5/680
98,1 fok
IRS 1A IRS 1B
1988.03.17 1991.08.29
aktív aktív
22/904 22/900
IRS 1C/D IRS 1/E
1995.12.28 1997.06.04
aktív aktív
24/817 22/904
CCD CCD 98.7 fok
CCD CCD
98 min 103,2 min 130 min 101,3 min 103 min
6. táblázat 1-6 táblázat: Összefoglaló táblázatok a mőholdak adatairól
34
Irodalomjegyzék Könyvek: 1. Távérzékelés/ Szerkesztette: Dr. Lóki József- Debrecen, Kossuth Egyetem Kiadó-2002. 2. Térinformatika/ Szerkesztette: Detrekıi Ákos- Szabó György- Budapest, Nemzeti Tankönyvkiadó 2002. 3. Magyarország Tájföldrajza/ Szerkesztette: Martonné Erdıs Katalin- Debrecen, Kossuth Egyetemi Kiadó- 2002. 4. Magyarország kistájainak katasztere I-II. Szerkesztette: MAROSI Sándor - SOMOGYI Sándor, Budapest, 1990. 5. Földrajzi fogalmak szótára/ Szerkesztette: Lehmann Antal- Vuics Tibor – Budapest, Nemzeti Tankönyvkiadó 1999. 6. Botár Imre-Károlyi Zsigmond: A Tisza szabályozása I. rész. (1846-1879) VIZDOK Budapest, 1971. 7. A II. Világháború német titkos fegyverei: Ian V. Hogg, 2005. Internetes források: 1. Büttner György: Környezetállapot értékelés távérzékelés segítségével, informatikai vonatkozások- www.kep.taki.iif.hu/file/Buttner_Corine.doc 2. dr. Vass Tamás Légi- és őrfelvételek felhasználása térinformatikai rendszerekbenhttp://www.otk.hu/cd19xx/1993/vasstamas.htm 3. CSORNAI GÁBOR: Távérzékelt felvételek kiértékelése, a képelemzés feladata és módszerei- http://people.inf.elte.hu/spirin/sebe/41_kepelemzes.pdf 4. Közép-Tisza-vidéki Környezetvédelmi, Természetvédelmi és Vízügyi Felügyelıség ÖKO Rt.- www.ktvktvf.zoldhatosag.hu 5. Vajk Ödön: Tisza hullámtéri térinformatikai adatbázis. Térinformatikai Konferencia. Szolnok, 2002.- www.aquadocinter.hu/themes/Vandorgyules/pages/7szekcio/vajk.htm 6. Őrfelvételek felhasználása az erdıgazdálkodásban: Dr. Csató Éva osztályvezetıFöldmérési és Távérzékelési Intézet, Távérzékelési Központ, és Kristóf Dániel doktorandus-
Szent
István
Egyetem
Környezetgazdálkodási
Intézet
-
http://www.fomi.hu/honlap/magyar/szaklap/2002/09/3.pdf
35
7. Eger őrfelvételének kiértékelése- Debreceni Egyetem Geoinformatikai Tanszékgeo.science.unideb.hu/termeszetfoldrajz/hallgatoknak/pelda2.doc 8. Czeglédi István: A Vásárhelyi Terv Továbbfejlesztése az erdész szemévelhttp://www.epa.hu/00100/00187/00001/pdf/004.pdf
36
Köszönetnyilvánítás Köszönetemet fejezem ki témavezetımnek Dr. Szabó Gergelynek a szakdolgozat elkészítéshez nyújtott segítségért értékes észrevételeiért, tanácsiért.
Továbbá köszönettel tartozom a Debreceni Egyetem Egyetemi és Nemzeti Könyvtárának valamint a Földrajz Tanszék Könyvtárában dolgozó munkatársaknak és a családomnak a dolgozat elkészítéséhez nyújtott támogatásukért.
37
