Αξιολόγηση των δυνατοτήτων της Τηλεπισκόπησης στην παρακολούθηση του υάκινθου στα οικοσυστήματα γλυκών νερών.

Από RemoteSensing Wiki

(Διαφορές μεταξύ αναθεωρήσεων)
Μετάβαση σε: πλοήγηση, αναζήτηση
Γραμμή 32: Γραμμή 32:
Ο κύριος στόχος της συγκεκριμένης έρευνας είναι η ανίχνευση και η χαρτογράφηση της χωρικής κατανομής και διαμόρφωσης του υάκινθου (Eichhornia crassipes) σε οικοσυστήματα γλυκών υδάτων, με τη χρήση των πολυφασματικών δορυφορικών δεδομένων Landsat 8 και των μη παραμετρικών ομάδων παλινδρόμησης. Η ανάλυση αυτών των χαρακτηριστικών είναι ουσιαστικής σημασίας καθώς η ανεξέλεγκτη ταχεία εισβολή υδρόβιων ζιζανίων στα οικοσυστήματα γλυκού νερού έχει τη δυνατότητα να προκαλέσει διαταραχές στη βιοποικιλότητα, στην κυκλοφορία των θρεπτικών ουσιών, στον οικότοπο της υδρόβιας ζωής και στην υποβάθμιση της ποιότητας των υδάτων. Εκτός από αυτές τις επιπτώσεις, τα ζιζάνια μπορούν να προκαλέσουν οικονομικές απώλειες στη γεωργία, στον τουρισμό και στην αλιεία. Πρόσφατα, ο ρυθμός και ο κίνδυνος που συνδέεται με τα υδρόβια ζιζάνια έχει αυξηθεί σημαντικά στα περισσότερα οικοσυστήματα γλυκών υδάτων, λόγω της κλιματικής αλλαγής, του αυξημένου εμπλουτισμού θρεπτικών ουσιών καθώς και άλλων οργανικών και ανόργανων ρύπων από διάφορες ανθρωπογενείς δραστηριότητες. Επομένως, κρίνεται επιτακτική η ανάγκη συνεχής παρακολούθησης των οικοσυστημάτων γλυκών υδάτων για τη σωστή διαχείριση και αντιμετώπιση των προβλημάτων.
Ο κύριος στόχος της συγκεκριμένης έρευνας είναι η ανίχνευση και η χαρτογράφηση της χωρικής κατανομής και διαμόρφωσης του υάκινθου (Eichhornia crassipes) σε οικοσυστήματα γλυκών υδάτων, με τη χρήση των πολυφασματικών δορυφορικών δεδομένων Landsat 8 και των μη παραμετρικών ομάδων παλινδρόμησης. Η ανάλυση αυτών των χαρακτηριστικών είναι ουσιαστικής σημασίας καθώς η ανεξέλεγκτη ταχεία εισβολή υδρόβιων ζιζανίων στα οικοσυστήματα γλυκού νερού έχει τη δυνατότητα να προκαλέσει διαταραχές στη βιοποικιλότητα, στην κυκλοφορία των θρεπτικών ουσιών, στον οικότοπο της υδρόβιας ζωής και στην υποβάθμιση της ποιότητας των υδάτων. Εκτός από αυτές τις επιπτώσεις, τα ζιζάνια μπορούν να προκαλέσουν οικονομικές απώλειες στη γεωργία, στον τουρισμό και στην αλιεία. Πρόσφατα, ο ρυθμός και ο κίνδυνος που συνδέεται με τα υδρόβια ζιζάνια έχει αυξηθεί σημαντικά στα περισσότερα οικοσυστήματα γλυκών υδάτων, λόγω της κλιματικής αλλαγής, του αυξημένου εμπλουτισμού θρεπτικών ουσιών καθώς και άλλων οργανικών και ανόργανων ρύπων από διάφορες ανθρωπογενείς δραστηριότητες. Επομένως, κρίνεται επιτακτική η ανάγκη συνεχής παρακολούθησης των οικοσυστημάτων γλυκών υδάτων για τη σωστή διαχείριση και αντιμετώπιση των προβλημάτων.
 +
Γραμμή 39: Γραμμή 40:
Η περιοχή μελέτης που επιλέχθηκε για τη διεξαγωγή της έρευνας είναι η λίμνη Manyame και η λίμνη Chivero. Η λίμνη Manyame (πρώην λίμνη Darwanedale) βρίσκεται 76 χιλιόμετρα δυτικά της πρωτεύουσας της Ζιμπάμπουε, ενώ η Chivero (πρώην λίμνη McLlwaine) απέχει 35 χιλιόμετρα από τη Χαράρε. Οι δύο αυτές λίμνες βρίσκονται στο κεντρικό οροπέδιο, σε υψόμετρο περίπου 1300-1600 μ. Η λίμνη Manyame καλύπτει έκταση περίπου 8100 εκταρίων, ενώ η Chivero καλύπτει 6100 εκτάρια. Αυτές οι δύο λίμνες αποτελούν μέρος των τεσσάρων μεγάλων πηγών νερού για τη Χαράρε και τις περιφερειακές πόλεις της. Αυτές οι πόλεις βρίσκονται μέσα στη λεκάνη απορροής αυτών των ποταμών με αποτέλεσμα να απελευθερώνουν εκεί τα απόβλητα τους. Αυτό έχει ως συνέπεια την αύξηση των θρεπτικών συστατικών μέσα στα ύδατα, που αυτό με τη σειρά του διευκολύνει την ανάπτυξη άλλων ειδών όπως ο υάκινθος.
Η περιοχή μελέτης που επιλέχθηκε για τη διεξαγωγή της έρευνας είναι η λίμνη Manyame και η λίμνη Chivero. Η λίμνη Manyame (πρώην λίμνη Darwanedale) βρίσκεται 76 χιλιόμετρα δυτικά της πρωτεύουσας της Ζιμπάμπουε, ενώ η Chivero (πρώην λίμνη McLlwaine) απέχει 35 χιλιόμετρα από τη Χαράρε. Οι δύο αυτές λίμνες βρίσκονται στο κεντρικό οροπέδιο, σε υψόμετρο περίπου 1300-1600 μ. Η λίμνη Manyame καλύπτει έκταση περίπου 8100 εκταρίων, ενώ η Chivero καλύπτει 6100 εκτάρια. Αυτές οι δύο λίμνες αποτελούν μέρος των τεσσάρων μεγάλων πηγών νερού για τη Χαράρε και τις περιφερειακές πόλεις της. Αυτές οι πόλεις βρίσκονται μέσα στη λεκάνη απορροής αυτών των ποταμών με αποτέλεσμα να απελευθερώνουν εκεί τα απόβλητα τους. Αυτό έχει ως συνέπεια την αύξηση των θρεπτικών συστατικών μέσα στα ύδατα, που αυτό με τη σειρά του διευκολύνει την ανάπτυξη άλλων ειδών όπως ο υάκινθος.
 +
 +
'''''Συλλογή Δεδομένων'''''
 +
 +
Για αυτή τη μελέτη συλλέχθηκαν δορυφορικά δεδομένα από την ιστοσελίδα της Αμερικάνικης Γεωλογικής Υπηρεσίας Οπτικής Απεικόνισης  (GloVis). Συγκεκριμένα, χρησιμοποιήθηκαν τέσσερις πολυφασματικές εικόνες του Landsat 8, οι οποίες ήταν σε ψηφιακή μορφή και βαθμονομήθηκαν με τους αλγόριθμους Chander, Markham και Helder. Οι εικόνες περιείχαν και κανάλια του ορατού όσο και του υπέρυθρου φάσματος για την σωστή διάκριση των υποβαθμισμένων περιοχών.  Πριν την ταξινόμηση, όλες οι εικόνες διορθώθηκαν από ατμοσφαιρικά σφάλματα χρησιμοποιώντας το μοντέλο Spectral Hypercube Fast Line-Atmospheric Analysis του λογισμικού Envi.
 +
 +
'''''Εργασίες πεδίου'''''
 +
 +
Για τη σωστή διάκριση του υάκινθου από τις άλλες κατηγορίες χρήσεων γης και των εποχιακών διακυμάνσεων του διεξήχθησαν επιτόπιες έρευνες. Οι έρευνες αυτές είχαν σκοπό την καταγραφή όλων των χρήσεων γης, που είναι απαραίτητες και στο στάδιο της ταξινόμησης και την καταγραφή των ηλικιακών ομάδων του υακίνθου σε νεαρά, μεσαία και ηλικιωμένα. Οι τοποθεσίες κάθε ηλικιακής ομάδας καταγράφηκαν χρησιμοποιώντας ένα χειροκίνητο GPS και ένα σκάφος για την πλοήγηση μέσα στη λίμνη. Οι κύριοι τύποι κάλυψης γης που εξετάστηκαν ήταν:
 +
 +
(α) διαταραγμένες εκτάσεις
 +
 +
(β) δασικές εκτάσεις
 +
 +
(γ) λιβάδια
 +
 +
(δ) φυτείες
 +
 +
(ε) γυμνά εδάφη
 +
 +
(ζ) νερό
 +
 +
Για κάθε κάλυψη γης μετρήθηκα σημεία δειγματοληψίας με το χειροκίνητο GPS προκειμένου να χρησιμοποιηθούν στη διαδικασία της ταξινόμησης των δορυφορικών εικόνων. Τα σημεία αυτά εισήχθηκαν στο  ArcGIS 10.3 και αποθηκεύτηκαν ως χάρτες. Στη συνέχεια, οι χάρτες επικαλύφθηκαν με τις δορυφορικές εικόνες για να εξαχθεί η ανάκλαση κάθε τύπου κάλυψης εδάφους σε κάθε σημείο του υπέρυθρου και ορατού φάσματος των προεπεξεργασμένων δορυφορικών εικόνων Landsat, η οποία αποθηκεύτηκε σε πίνακα. Τέλος, πριν από την ταξινόμηση τα σημεία αυτά χωρίστηκαν τυχαία σε 70% σημεία εκπαίδευσης και 30% σημεία ελέγχου. Αξίζει να σημειωθεί ότι, όλη η έρευνα πεδίου πραγματοποιήθηκε σε ξερή περίοδο προκειμένου να συμπίπτει με τη χρονική περίοδο των δορυφορικών εικόνων.
 +
 +
 +
'''''Ταξινόμηση Δεδομένων'''''
 +
 +
Πριν την πραγματοποίηση της ταξινόμησης ελέγχθηκε η διακύμανσης των κατηγοριών κάλυψης γης στα διάφορα μήκη του φάσματος προκειμένου να βρεθούν αυτά που είναι κατάλληλα για τη σωστή διάκριση των ηλικιακών ομάδων του υακίνθου όπως επίσης και τη διάκριση του από τους άλλους τύπους κάλυψης γης. Συγκεκριμένα, χρησιμοποιήθηκαν η διακριτική ανάλυση (DA) και τα μερικά ελάχιστα τετράγωνα της διακριτής ανάλυσης (PLS-DA). Ο αλγόριθμος PLS-DA χρησιμοποιείται για να διακρίνει ένα συγκεκριμένο φαινόμενο, δηλαδή σε αυτή την περίπτωση τους τύπους κάλυψης και τις ηλικιακές ομάδες του υάκινθου, χρησιμοποιώντας πολυάριθμες περιττές μεταβλητές. Ο PLS-DA μειώσε τις μεταβλητές που χρησιμοποιήθηκαν για τη διάκριση του στόχου σε λανθάνοντες μεταβλητές ή ομάδες. Οι λανθάνουσες μεταβλητές στη συνέχεια χρησιμοποιήθηκαν για να διακρίνουν τις λεπτές διαφορές μεταξύ των διαφορετικών τύπων κάλυψης γης και των ομάδων ηλικιών των υάκινθων σε αυτή τη μελέτη. Από την άλλη πλευρά, κατά την ταξινόμηση, ο αλγόριθμος DA επιδιώκει γραμμικούς συνδυασμούς, οι οποίοι ταξινομούν καλύτερα κάθε τύπο κάλυψης γης ή τις ομάδες ηλικιών του υάκινθου. Σε αυτή τη μέθοδο τα δείγματα θεωρήθηκαν τυχαία και χρησιμοποιήθηκαν μέτρα γενικευμένων τετραγωνικών αποστάσεων.
 +
 +
 +
'''ΑΠΟΤΕΛΕΣΜΑΤΑ'''
 +
 +
'''''Διάκριση Υακίνθου από τους άλλους τύπους κάλυψης γης'''''

Αναθεώρηση της 12:40, 16 Φεβρουαρίου 2018

Αξιολόγηση των δυνατοτήτων της Τηλεπισκόπησης στην παρακολούθηση του υάκινθου στα οικοσυστήματα γλυκών νερών.


Πρωτότυπος τίτλος: Testing the detection and discrimination potential of the new Landsat 8 satellite data on the challenging water hyacinth (Eichhornia crassipes) in freshwater ecosystems

Συγγραφείς: Timothy Dube, Onisimo Mutanga, Mbulisi Sibanda, Victor Bangamwabo, Cletah Shoko

Πηγή: Applied Geography, April 2017, 11-22

Λέξεις κλειδιά: Τηλεπισκόπηση, Γλυκά Νερά, Υάκινθος, Landsat

Σύνδεσμος πρωτότυπου κειμένου: [1]


Εικόνα 1. Η περιοχή μελέτης. Οι λίμνες Manyame και Chivero.
Εικόνα 2. Διάκριση υακίνθου από τις άλλες χρήσεις γης. (a) Μέθοδος PSL-DA υγρής περιόδου, (b) Μέθοδος PSL-DA ξερής περιόδου, (c) Μέθοδος DA υγρής περιόδου, (d) Μέθοδος DA ξερής περιόδου.
Εικόνα 3. Τα κανάλια του δορυφόρου Landsat 8 και οι διαφορές των κατηγοριών κάλυψης γης σε αυτά.
Εικόνα 4. Ακρίβεια ταξινόμησης της εικόνας για τη ξερή περίοδο με βάση την (α) DA και (b) PLS-DA καθώς και την εικόνα της βροχόπτωσης με βάση την (γ) DA και (d) PLS-DA.
Πίνακας 1. Πίνακας σύγχυσης υγρής και ξερής περιόδου.
Πίνακας 2. Πίνακας σύγχυσης ηλικιακών ομάδων κατά τη διάρκεια της ξερής και υγρής περιόδου.
Εικόνα 5. Διαφορές των ηλικιακών ομάδων του υακίνθου στα διαφορετικά κανάλια του δορυφόρου.
Εικόνα 6. Η διαμόρφωση και η χωρική κατανομή των ηλικιακών ομάδων του υάκινθου με βάση τα πρόσφατα δεδομένα Landat 8 που ταξινομήθηκαν χρησιμοποιώντας τον αλγόριθμο DA.
Εικόνα 7. Ακρίβεια ταξινόμησης κατά τη ξερή και υγρή περίοδο.


ΑΝΤΙΚΕΙΜΕΝΟ ΕΦΑΡΜΟΓΗΣ

Αντικείμενο της παρούσας μελέτης είναι η ανίχνευση, η παρακολούθηση και η χαρτογράφηση της χωρικής κατανομής και μεταβολής διάφορων φαινομένων στα οικοσυστήματα των γλυκών νερών. Η μελέτη αυτή προτείνει ότι η χρήση πολυφασματικών δορυφορικών δεδομένων είναι ένα πολύ σημαντικό εργαλείο για την έγκυρη καταγραφή διαφόρων περιπτώσεων και την αντιμετώπιση προβλημάτων όπως για παράδειγμα την εισβολή ζιζανίων.


ΕΙΣΑΓΩΓΗ-ΣΚΟΠΟΣ ΕΦΑΡΜΟΓΗΣ

Ο κύριος στόχος της συγκεκριμένης έρευνας είναι η ανίχνευση και η χαρτογράφηση της χωρικής κατανομής και διαμόρφωσης του υάκινθου (Eichhornia crassipes) σε οικοσυστήματα γλυκών υδάτων, με τη χρήση των πολυφασματικών δορυφορικών δεδομένων Landsat 8 και των μη παραμετρικών ομάδων παλινδρόμησης. Η ανάλυση αυτών των χαρακτηριστικών είναι ουσιαστικής σημασίας καθώς η ανεξέλεγκτη ταχεία εισβολή υδρόβιων ζιζανίων στα οικοσυστήματα γλυκού νερού έχει τη δυνατότητα να προκαλέσει διαταραχές στη βιοποικιλότητα, στην κυκλοφορία των θρεπτικών ουσιών, στον οικότοπο της υδρόβιας ζωής και στην υποβάθμιση της ποιότητας των υδάτων. Εκτός από αυτές τις επιπτώσεις, τα ζιζάνια μπορούν να προκαλέσουν οικονομικές απώλειες στη γεωργία, στον τουρισμό και στην αλιεία. Πρόσφατα, ο ρυθμός και ο κίνδυνος που συνδέεται με τα υδρόβια ζιζάνια έχει αυξηθεί σημαντικά στα περισσότερα οικοσυστήματα γλυκών υδάτων, λόγω της κλιματικής αλλαγής, του αυξημένου εμπλουτισμού θρεπτικών ουσιών καθώς και άλλων οργανικών και ανόργανων ρύπων από διάφορες ανθρωπογενείς δραστηριότητες. Επομένως, κρίνεται επιτακτική η ανάγκη συνεχής παρακολούθησης των οικοσυστημάτων γλυκών υδάτων για τη σωστή διαχείριση και αντιμετώπιση των προβλημάτων.


ΥΛΙΚΑ ΚΑΙ ΜΕΘΟΔΟΙ

Περιοχή Μελέτης

Η περιοχή μελέτης που επιλέχθηκε για τη διεξαγωγή της έρευνας είναι η λίμνη Manyame και η λίμνη Chivero. Η λίμνη Manyame (πρώην λίμνη Darwanedale) βρίσκεται 76 χιλιόμετρα δυτικά της πρωτεύουσας της Ζιμπάμπουε, ενώ η Chivero (πρώην λίμνη McLlwaine) απέχει 35 χιλιόμετρα από τη Χαράρε. Οι δύο αυτές λίμνες βρίσκονται στο κεντρικό οροπέδιο, σε υψόμετρο περίπου 1300-1600 μ. Η λίμνη Manyame καλύπτει έκταση περίπου 8100 εκταρίων, ενώ η Chivero καλύπτει 6100 εκτάρια. Αυτές οι δύο λίμνες αποτελούν μέρος των τεσσάρων μεγάλων πηγών νερού για τη Χαράρε και τις περιφερειακές πόλεις της. Αυτές οι πόλεις βρίσκονται μέσα στη λεκάνη απορροής αυτών των ποταμών με αποτέλεσμα να απελευθερώνουν εκεί τα απόβλητα τους. Αυτό έχει ως συνέπεια την αύξηση των θρεπτικών συστατικών μέσα στα ύδατα, που αυτό με τη σειρά του διευκολύνει την ανάπτυξη άλλων ειδών όπως ο υάκινθος.

Συλλογή Δεδομένων

Για αυτή τη μελέτη συλλέχθηκαν δορυφορικά δεδομένα από την ιστοσελίδα της Αμερικάνικης Γεωλογικής Υπηρεσίας Οπτικής Απεικόνισης (GloVis). Συγκεκριμένα, χρησιμοποιήθηκαν τέσσερις πολυφασματικές εικόνες του Landsat 8, οι οποίες ήταν σε ψηφιακή μορφή και βαθμονομήθηκαν με τους αλγόριθμους Chander, Markham και Helder. Οι εικόνες περιείχαν και κανάλια του ορατού όσο και του υπέρυθρου φάσματος για την σωστή διάκριση των υποβαθμισμένων περιοχών. Πριν την ταξινόμηση, όλες οι εικόνες διορθώθηκαν από ατμοσφαιρικά σφάλματα χρησιμοποιώντας το μοντέλο Spectral Hypercube Fast Line-Atmospheric Analysis του λογισμικού Envi.

Εργασίες πεδίου

Για τη σωστή διάκριση του υάκινθου από τις άλλες κατηγορίες χρήσεων γης και των εποχιακών διακυμάνσεων του διεξήχθησαν επιτόπιες έρευνες. Οι έρευνες αυτές είχαν σκοπό την καταγραφή όλων των χρήσεων γης, που είναι απαραίτητες και στο στάδιο της ταξινόμησης και την καταγραφή των ηλικιακών ομάδων του υακίνθου σε νεαρά, μεσαία και ηλικιωμένα. Οι τοποθεσίες κάθε ηλικιακής ομάδας καταγράφηκαν χρησιμοποιώντας ένα χειροκίνητο GPS και ένα σκάφος για την πλοήγηση μέσα στη λίμνη. Οι κύριοι τύποι κάλυψης γης που εξετάστηκαν ήταν:

(α) διαταραγμένες εκτάσεις

(β) δασικές εκτάσεις

(γ) λιβάδια

(δ) φυτείες

(ε) γυμνά εδάφη

(ζ) νερό

Για κάθε κάλυψη γης μετρήθηκα σημεία δειγματοληψίας με το χειροκίνητο GPS προκειμένου να χρησιμοποιηθούν στη διαδικασία της ταξινόμησης των δορυφορικών εικόνων. Τα σημεία αυτά εισήχθηκαν στο ArcGIS 10.3 και αποθηκεύτηκαν ως χάρτες. Στη συνέχεια, οι χάρτες επικαλύφθηκαν με τις δορυφορικές εικόνες για να εξαχθεί η ανάκλαση κάθε τύπου κάλυψης εδάφους σε κάθε σημείο του υπέρυθρου και ορατού φάσματος των προεπεξεργασμένων δορυφορικών εικόνων Landsat, η οποία αποθηκεύτηκε σε πίνακα. Τέλος, πριν από την ταξινόμηση τα σημεία αυτά χωρίστηκαν τυχαία σε 70% σημεία εκπαίδευσης και 30% σημεία ελέγχου. Αξίζει να σημειωθεί ότι, όλη η έρευνα πεδίου πραγματοποιήθηκε σε ξερή περίοδο προκειμένου να συμπίπτει με τη χρονική περίοδο των δορυφορικών εικόνων.


Ταξινόμηση Δεδομένων

Πριν την πραγματοποίηση της ταξινόμησης ελέγχθηκε η διακύμανσης των κατηγοριών κάλυψης γης στα διάφορα μήκη του φάσματος προκειμένου να βρεθούν αυτά που είναι κατάλληλα για τη σωστή διάκριση των ηλικιακών ομάδων του υακίνθου όπως επίσης και τη διάκριση του από τους άλλους τύπους κάλυψης γης. Συγκεκριμένα, χρησιμοποιήθηκαν η διακριτική ανάλυση (DA) και τα μερικά ελάχιστα τετράγωνα της διακριτής ανάλυσης (PLS-DA). Ο αλγόριθμος PLS-DA χρησιμοποιείται για να διακρίνει ένα συγκεκριμένο φαινόμενο, δηλαδή σε αυτή την περίπτωση τους τύπους κάλυψης και τις ηλικιακές ομάδες του υάκινθου, χρησιμοποιώντας πολυάριθμες περιττές μεταβλητές. Ο PLS-DA μειώσε τις μεταβλητές που χρησιμοποιήθηκαν για τη διάκριση του στόχου σε λανθάνοντες μεταβλητές ή ομάδες. Οι λανθάνουσες μεταβλητές στη συνέχεια χρησιμοποιήθηκαν για να διακρίνουν τις λεπτές διαφορές μεταξύ των διαφορετικών τύπων κάλυψης γης και των ομάδων ηλικιών των υάκινθων σε αυτή τη μελέτη. Από την άλλη πλευρά, κατά την ταξινόμηση, ο αλγόριθμος DA επιδιώκει γραμμικούς συνδυασμούς, οι οποίοι ταξινομούν καλύτερα κάθε τύπο κάλυψης γης ή τις ομάδες ηλικιών του υάκινθου. Σε αυτή τη μέθοδο τα δείγματα θεωρήθηκαν τυχαία και χρησιμοποιήθηκαν μέτρα γενικευμένων τετραγωνικών αποστάσεων.


ΑΠΟΤΕΛΕΣΜΑΤΑ

Διάκριση Υακίνθου από τους άλλους τύπους κάλυψης γης

Ανακτήθηκε από το "http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%B4%CF%85%CE%BD%CE%B1%CF%84%CE%BF%CF%84%CE%AE%CF%84%CF%89%CE%BD_%CF%84%CE%B7%CF%82_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CF%85%CE%AC%CE%BA%CE%B9%CE%BD%CE%B8%CE%BF%CF%85_%CF%83%CF%84%CE%B1_%CE%BF%CE%B9%CE%BA%CE%BF%CF%83%CF%85%CF%83%CF%84%CE%AE%CE%BC%CE%B1%CF%84%CE%B1_%CE%B3%CE%BB%CF%85%CE%BA%CF%8E%CE%BD_%CE%BD%CE%B5%CF%81%CF%8E%CE%BD.".
Προσωπικά εργαλεία