ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.

'''ΕΦΑΡΜΟΓΕΣ ΓΣΠ ΚΑΙ ΤΕΧΝΙΚΩΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΓΙΑ ΤΗΝ ΜΕΙΩΣΗ ΤΩΝ ΕΠΙΠΤΩΣΕΩΝ ΤΩΝ ΦΥΣΙΚΩΝ ΚΑΤΑΣΤΡΟΦΩΝ ΣΤΙΣ EΞΥΠΝΕΣ ΠΟΛΕΙΣ.'''

'''Πρωτότυπος τίτλος:'''Geographical Information Systems and Remote Sensing Techniques to Reduce the Impact of Natural Disasters in Smart Cities

'''Συγγραφείς:'''Constantinos Nefros, Gianna Kitsara and Constantinos Loupasakis

'''Δημοσιεύθηκε:'''IFAC PapersOnLine 55-11 (2022) 72–77

'''Σύνδεσμος πρότυπου κειμένου:''' https://www.sciencedirect.com/science/article/pii/S2405896322011405?ref=pdf_download&fr=RR-2&rr=75fc69104e28eef4

'''Λέξεις-Κλειδιά:'''GIS, Τηλεπισκόπηση, Έξυπνες πόλεις, Φυσικές Καταστροφές, Λήψη Αποφάσεων 

[[Εικόνα:xb5.jpg| thumb| right|'''Εικόνα 1:'''Χάρτης επικινδυνότητας για κατολισθήσεις στην περιοχή της Αγίας παρασκευής]]

[[Εικόνα:xb6.jpg| thumb| right|'''Εικόνα 2:'''Γεωπύλη όπου παρουσιάζονται οι χώροι συγκέντρωσης των πολιτών στην Αγία Παρασκευή]]

[[Εικόνα:xb7.jpg| thumb| right|'''Εικόνα 3:'''Εξέλιξη του δείκτη NDVI στην Περιοχή στο Μάτι μετά την πυρκαγιά. Αριστερά η εικόνα του 2018, 2019, 2020 και 2021 αντίστοιχα]]


'''Αντικείμενο Εφαρμογής'''

Σκοπός της παρούσας μελέτης είναι να συνδυάσει τεχνικές τηλεπισκόπησης και χρήσεις ΓΣΠ στο πλαίσιο της διεξαγωγής έγκυρων και ολοκληρωμένων αποτελεσμάτων για τις έξυπνες πόλεις. Πιο συγκεκριμένα, θα δημιουργηθούν γεωπύλες οι οποίες θα είναι εύκολα προσβάσιμες και θα περιέχουν διαδικτυακά εργαλεία και διαδραστικούς χάρτες για την αποτελεσματικότερη διαχείριση των φυσικών καταστροφών.

'''Εισαγωγή'''

Στις μέρες μας, οι φυσικές καταστροφές αποτελούν μια σημαντική απειλή για τις ανθρώπινες κοινωνίες. Κάθε χρόνο κατολισθήσεις, πυρκαγιές, πλημμύρες, ακραία κύματα καύσωνα και σεισμοί έχουν ως αποτέλεσμα την απώλεια ζωών και την καταστροφή σημαντικών υποδομών. Για τον λόγο αυτό χρησιμοποιούνται τεχνολογικά μέσα για την κατασκευή φιλικών προς το περιβάλλον, βιώσιμων πόλεων οι οποίες όμως καθίστανται αρκετά πολύπλοκες. Στη μελέτη αυτή θα εφαρμοστούν επιστημονικές τεχνικές τηλεπισκόπησης και gis στην προσπάθεια καλύτερης διαχείρησης των φυσικών καταστροφών στις πόλεις αυτές. Η περιοχή μελέτης θα είναι ο δήμος της Αγίας Παρασκευής και τα διάφορα εργαλεία και τεχνικές που θα χρησιμοποιηθούν θα ενσωματωθούν σε μια γεωπύλη.  

'''Μεθοδολογία'''

'''1.Διαχείριση – Μετρίαση'''

Αξιολογήθηκε ο δήμος της Αγίας Παρασκευής για το πόσο ευάλωτος είναι στις κατολισθήσεις (Landslide Susceptibility Assessment). Με βάση τις αναλύσεις των ειδικών οι πιο βασικοί παράγοντες που ευθύνονται για την κατολίσθηση στην περιοχή είναι η γωνία κλίσης, το υψόμετρο, την όψη, το γεωλογικό υπόβαθρο και οι χρήσεις / καλύψεις Γης. Με τη βοήθεια της Διεργασίας Αναλυτικής Ιεραρχίας (Analytical Hierarchy Process) προέκυψαν οι σχέσεις μεταξύ των παραγόντων αυτών που οδήγησαν στη δημιουργία ενός χάρτη επικινδυνότητας στις κατολισθήσεις χρησιμοποιώντας τη μέθοδο γραμμικού συνδυασμού βάρους (Weight Linear Combination). Η τιμή της επικινδυνότητας στις κατολισθήσεις (Landslide Susceptibility) υπολογίστηκε με τον παρακάτω τύπο:
LS = 0.298 × γωνία κλίσης + 0.269 × υψόμετρο + 0.119 × όψη + 0.166 × γεωλογικό υπόβαθρο + 0.148 × χρήση / κάλυψη Γης 
Με βάση το χάρτη επικινδυνότητας παρατηρήθηκε ότι οι νότιες περιοχές της Αγίας Παρασκευής είναι πιο ευάλωτες στις κατολισθήσεις (εικόνα 1) και έτσι προτάθηκαν μέτρα για την ενίσχυση της σταθερότητας των κλίσεων όπως πχ τοποθετώντας τοίχους συρματοκιβωτίων τοποθέτηση αισθητήρων στο πλαίσιο της εγκατάστασης συστημάτων έγκαιρης προειδοποίησης και εξέτασης της δυνατότητας εφαρμογής σχεδίων εκκένωσης. 

'''2.Ετοιμότητα'''

Εδώ χρησιμοποιήθηκε το λογισμικό «eCognition Developer» για τον ασφαλών χώρων συγκέντρωσης των πολιτών μετά από ένα σεισμό στην περιοχή της Αγίας Παρασκευής. 1) Η δορυφορική εικόνα που πάρθηκε διαιρέθηκε αρχικά σε τμήματα μέσω μιας διαδικασίας ταξινόμησης. Έτσι, προέκυψαν κάποιοι πιθανοί χώροι συγκέντρωσης που είναι κυρίως ανοιχτοί χώροι ή βλάστηση. 
2) Έπειτα, με την βοήθεια του qgis ελέγχεται εάν αυτές οι πιθανές περιοχές πληρούν τα κριτήρια που αφορούν την ελάχιστη απόσταση από τα κτίρια (εργαλείο buffer) και την προσβασιμότητα (χρησιμοποιώντας το οδικό δίκτυο και ένα ψηφιακό υψομετρικό μοντέλο- DEM από δορυφορικές εικόνες για την αξιολόγηση των κλίσεων των δρόμων). 
3) Στη συνέχεια χρησιμοποιήθηκε το εργαλείο «Voronoi polygon» του QGIS να διαιρέσουμε την περιοχή σε πολύγωνα και για πληροφορίες σχετικά με τον πληθυσμό στα πολύγωνα αυτά. 
Οι χώροι συγκέντρωσης προέκυψαν από το αποτέλεσμα αυτής της διαδικασίας και ενσωματώθηκαν σε μια γεωπύλη στην οποία οι πολίτες έχουν άμεση πρόσβαση (εικόνα 2).

'''3.Απόκριση'''

Για την μελέτη αυτή αναπτύχθηκε ένα υποθετικό παράδειγμα. Αυτό το παράδειγμα εξετάζει τη χρήση τεχνικών GIS και τηλεπισκόπησης μετά από ένα σενάριο όπου μια φυσική καταστροφή, προκάλεσε πολλά θύματα και κατέστρεψε μεγάλο αριθμό υποδομών του δήμου Αγίας Παρασκευής. Η χρήση εργαλείων GIS προσφέρει το πλεονέκτημα, να ενσωματώσει και ταυτόχρονα να απεικονίσει χρήσιμες πληροφορίες, όπως η χωρική κατανομή των έκτακτων περιστατικών, τη θέση των ομάδων διάσωσης, τα επιτόπια νοσοκομεία και τις κινητές ιατρικές εγκαταστάσεις, στον τοπικό χάρτη του δήμου. Αυτοί οι χάρτες μπορούν να χρησιμοποιηθούν είτε από τις αρχές στα επιχειρησιακά κέντρα, είτε από ομάδες αντιμετώπισης καταστροφών και μπορούν να παρασχεθούν μέσω γεωπυλών προς τους πολίτες. Επιπλέον, οι γεωπύλες αυτές προσφέρουν τη δυνατότητα στους πολίτες να αλληλεπιδρούν, στέλνοντας ενημερωμένες πληροφορίες και σχετικές φωτογραφίες στους διαχειριστές της για πιο άμεση και αποτελεσματική αντιμετώπιση των έκτακτων περισταστικών.

'''4.Ανάκτηση'''
Εδώ χρησιμοποιήθηκε ο δείκτης βλάστησης NDVI για την αξιολόγηση της περιοχής στο Μάτι που κάηκε μετά από πυρκαγιά, και υπολογίζεται από την ακόλουθη εξίσωση:
NDVI = RNIR – RRED / RNIR + RRED
όπου το RNIR είναι το υπέρυθρο μέρος του ηλεκτρομαγνητικού φάσματος και το RRED είναι το κόκκινο μέρος του ηλεκτρομαγνητικού φάσματος σε μια δορυφορική εικόνα Sentinel. Ακόμη υπολογίσθηκαν ο Δείκτης Κανονικής Διαφοράς Νερού NDWI και η αναλογία dNBR χρησιμοποιώντας δορυφορικές εικόνες Sentinel-2 και το λογισμικό Snap. 
Ο δείκτης NDVI χρησιμοποιήθηκε πριν και μετά το συμβάν πυρκαγιάς, για να καθοριστεί η έκταση και η αξιολόγηση της ανάκτησης της βλάστησης της πληγείσας περιοχής (εικόνα 3). Όλα τα στοιχεία που συλλέχθηκαν από την μελέτη αυτή παρουσιάζονται στην γεωπύλη https://github.com/kostasnefros/smart_cities.

'''Συμπεράσματα'''

Οι έξυπνες πόλεις πρέπει να παρέχουν ένα βιώσιμο και ασφαλές περιβάλλον για τους πολίτες τους. Η τηλεπισκόπηση και το GIS μπορούν να ενσωματώσουν το αποτελέσματα υφιστάμενων και καινοτόμων επιστημονικών μεθόδων σε χάρτες και διαδραστικά εργαλεία άμεσης πρόσβασης. Έτσι, παρέχουν το απαραίτητο πλαίσιο για την επιτυχή διαχείριση των φυσικών καταστροφών και ταυτόχρονα συμβάλλουν στην ενίσχυση της ασφάλειας και της αποτελεσματικής διαχείρισης των έξυπνων πόλεων στον τομέα της αστικής προστασίας.


 [[category:Αστικός και περιφερειακός σχεδιασμός]]