Create an Article to this category

Από RemoteSensing Wiki

(Διαφορές μεταξύ αναθεωρήσεων)
Μετάβαση σε: πλοήγηση, αναζήτηση
(/* Ανίχνευση δρόμων και κατασκευών από εικόνες τηλεπισκόπησης με βάση την συνεργατική απόσταξη προσαρμοζόμενων πολλαπλών-δασκάλων χρησ)
Γραμμή 1: Γραμμή 1:
-
== Ανίχνευση δρόμων και κατασκευών από εικόνες τηλεπισκόπησης με βάση την συνεργατική απόσταξη προσαρμοζόμενων πολλαπλών-δασκάλων χρησιμοποιώντας μια συγχωνευμένη γνώση ==                             
+
== Αντιμετώπιση φυσικών καταστροφών- Μεταβολή χρήσεων γης με τη βοήθεια της Τηλεπισκόπησης | Η περίπτωση της πυρκαγιάς του 2007,
 +
στην περιοχή της Ζαχάρως του Νομού Ηλείας ==                             
-
'''Πρωτότυπος Τίτλος:''' Building and Road Detection from Remote Sensing Images Based on Weights Adaptive Multi-Teacher Collaborative Distillation Using a Fused Knowledge
 
 +
'''Συγγραφέας:'''Νικόλαος Στάρρας
-
'''Συγγραφείς:'''Ziyi Chen , Liai Deng , Jing Gou, Cheng Wang , Jonathan Li , Dilong Li
 
-
 
+
'''Πηγή:'''http://hdl.handle.net/10329/6221
-
'''Πηγή:'''https://www.sciencedirect.com/science/article/pii/S1569843223003461
+
<p align="justify">
<p align="justify">
'''Εισαγωγή:'''  
'''Εισαγωγή:'''  
-
Εισαγωγικά στο άρθρο αυτό εντοπίζονται οι πρόοδοι στα νευρωνικά δίκτυα σε διάφορους τομείς όπως η κατηγοριοποίηση εικόνων, η ανίχνευση αντικειμένων, η ταυτοποίηση προσώπων, η σημασιολογική τμηματοποίηση εικόνων και η ανάκτηση εικόνων. Τονίζει την πρακτική σημασία της σημασιολογικής τμηματοποίησης εικόνων, ειδικά στην επεξεργασία εικόνων από τηλεπισκόπηση. Οι τηλεπισκοπικές εικόνες είναι ζωτικής σημασίας για την παρακολούθηση και την παρατήρηση της επιφάνειας της Γης, και η εξαγωγή πληροφοριών όπως κτίρια και δρόμοι από αυτές τις εικόνες είναι άκρως σημαντική για τον αστικό σχεδιασμό, την εκτίμηση πληθυσμού, τη διαχείριση της κυκλοφορίας, την ασφάλεια, τη διαχείριση φυσικών καταστροφών, τη διαχείριση πόρων και τον σχεδιασμό υποδομών.
+
Η μεταπτυχιακή εργασία με τίτλο “Αντιμετώπιση φυσικών καταστροφών- Μεταβολή χρήσεων γης με τη βοήθεια της Τηλεπισκόπησης | Η περίπτωση της πυρκαγιάς του 2007, στην περιοχή της Ζαχάρως του Νομού Ηλείας, πραγματεύεται την ανίχνευση καμένων και γενικά στη μεταβολή χρήσεων γης εξαιτίας των καταστροφικών πυρκαγιών στην περιοχή της Ζαχάρως (2007), με την συνεισφορά των σύγχρονων αναπτυξιακών εργαλείων της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών. Στο 1 και 3 κεφάλαιο παρουσιάζονται εκτενώς οι γενικές έννοιες των Γεωγραφικών Πληροφοριακών Συστημάτων καθώς και τα πεδία εφαρμογών τους, οι έννοιες τηλεπισκόπησης, οι δορυφόροι καθώς και τα χαρακτηριστικά αυτών, ενώ στη συνέχεια γίνεται αναφορά στην φωτοερμηνεία, τους ορθοφωτοχάρτες, καθώς και στη ταξινόμηση των δορυφορικών εικόνων.  
-
Στην εισαγωγή επίσης υπογραμμίζονται οι προκλήσεις που αντιμετωπίζουν τα μοντέλα βαθιάς μάθησης που χρησιμοποιούνται στην εξαγωγή εικόνων από τηλεπισκόπηση. Αυτά τα μοντέλα, παρόλο που είναι ισχυρά, έχουν έναν μεγάλο αριθμό παραμέτρων, κάνοντάς τα υπολογιστικά επαχθή και ακατάλληλα για άμεση εφαρμογή σε δορυφορικές και edge computing συσκευές. Η εκπαίδευση γνώσης, που περιλαμβάνει την εκπαίδευση ελαφριών μαθησιακών μοντέλων υπό την καθοδήγηση περίπλοκων μοντέλων, παρουσιάζεται ως λύση για να διατηρηθούν μοντέλα μαθητών με υψηλή ακρίβεια και ανθεκτικότητα.
+
Στην συνέχεια γίνεται μια γενική αναφορά στις πυρκαγίες, τις αιτίες καθώς και τα αποτελέσματα τους, αλλά και στις ευεργετικές δυνατότητες που δίνει η τηλεπισκόπηση στον έλεγχο πριν, κατά την διάρκεια και μετά το πέρας της πυρκαγιάς. Στο κεφάλαιο αυτό αναφέρεται και πως εκτός της κλιματικής αλλαγής και του ανθρώπινου παράγοντα, ο εκθετικά αυξηνόμενος αριθμός των πυρκαγιών οφείλεται και στην αλλαγή χρήσεων γης.
-
Το άρθρο προτείνει μια νέα προσέγγιση για την εκπαίδευση γνώσης για να αντιμετωπίσει τις περιορισμούς των υπαρχόντων μεθόδων. Αυτή η προσέγγιση περιλαμβάνει βάρη προσαρμοστικής πολλαπλής-διδασκαλίας συνεργατικής εκπαίδευσης και χρησιμοποιεί την ανταλλαγή γνώσης χαρακτηριστικών ως καθοδήγηση μεταξύ των διδασκαλικών δικτύων για περιεκτική μεταφορά γνώσης χαρακτηριστικών στο μαθησιακό μοντέλο. Αυτή η μέθοδος στοχεύει στην ενίσχυση της ανθεκτικότητας του εκπαιδευμένου μαθησιακού μοντέλου και στη βελτίωση της ικανότητας μάθησης των λεπτομερειών των κρυμμένων στρωμάτων, επιδεικνύοντας κορυφαία απόδοση σε διάφορα σετ δεδομένων. </p>
+
Το κεφάλαιο 4 περιγράφει τα γενικά χαρακτηριστικά του Νομού Ηλείας με ιδιαίτερη αναφορά στον Δήμο Ζαχάρως, σε κατηγορίες όπως η μορφολογία, η οικονομία, το κλίμα. Κατ’επέκταση δίνονται στατιστικά για τις πυρκαγιές και τις καμένες εκτάσεις ,με σημαντικότερη αυτή του 2007.
-
 
+
</p>
-
<p align="justify">
+
-
'''Εκπαίδευση γνώσης:'''
+
-
Η ενότητα 2 του άρθρου είναι χωρισμένη σε δύο υποενότητες: 2.1 Knowledge Distillation και 2.2 Object Extraction from Remote Sensing Images. Στην υποενότητα 2.1, η εκπαίδευση γνώσης παρουσιάζεται ως μια τεχνική για τη συμπίεση και την επιτάχυνση των μοντέλων, βελτιώνοντας την απόδοση ελαφρύτερων μοντέλων μαθητών υπό την καθοδήγηση πιο πολύπλοκων μοντέλων δασκάλων. Εισάγεται από τον Hinton το 2014, η τεχνική αυτή συνδυάζει τους μαλακούς στόχους του δικτύου δασκάλου στη συνολική συνάρτηση απώλειας, καθοδηγώντας την εκπαίδευση του συμπαγούς μοντέλου και προωθώντας τη μεταφορά γνώσης. Η εκπαίδευση γνώσης χωρίζεται σε τρεις βασικές κατηγορίες: γνώση βασισμένη σε αποκρίσεις, γνώση βασισμένη σε χαρακτηριστικά και γνώση βασισμένη σε σχέσεις.
+
-
Η υποενότητα 2.2 επικεντρώνεται στην εξαγωγή αντικειμένων από τηλεπισκοπικές εικόνες, αναλύοντας τις προόδους και τις προκλήσεις στην εξαγωγή δρόμων και κτιρίων. Η ακριβής εξαγωγή αυτών των αντικειμένων είναι κρίσιμη για πολλές εφαρμογές και έχει επιτευχθεί μέσω της εφαρμογής τεχνικών βαθιάς μάθησης. Στην υποενότητα 2.2.1, αναφέρονται διάφορες προσεγγίσεις για την εξαγωγή δρόμων, ενώ η υποενότητα 2.2.2 εστιάζει στην εξαγωγή κτιρίων. Και στις δύο περιπτώσεις, τονίζεται η σημασία των βαθιών νευρωνικών.</p>
+
<p align="justify">
<p align="justify">
'''Μεθοδολογία:'''  
'''Μεθοδολογία:'''  
-
Όσον αφορά τη μεθοδολογία της προτεινόμενης τεχνικής για την ανίχνευση κτιρίων και δρόμων από εικόνες τηλεπισκόπησης. Αυτή η ενότητα χωρίζεται σε τέσσερις υποενότητες: 3.1 Knowledge Distillation Based on Multi-Teacher Feature Fusion, 3.2 Multi-Teacher Collaborative Knowledge Distillation, 3.3 Relation-Based Multi-Knowledge Fusion Distillation, και 3.4 The Overall Loss Function.
+
Στο κύριο μέρος της έρευνας αναφέρονται τα βήματα τα οποία ακολουθήθηκαν για την εξαγωγή συμπερασμάτων σχετικά με την ενδεχόμενη αλλαγή χρήσεων που έπεται από μια πυρκαγιά. Γι’αυτό το λόγο χρησιμοποιούνται εικόνες:
-
Στην υποενότητα 3.1, εξηγείται πώς το μοντέλο εκμάθησης βασίζεται στη συγχώνευση χαρακτηριστικών από πολλαπλούς δασκάλους, χρησιμοποιώντας ένα μοντέλο παλινδρόμησης βασισμένο σε συνέλιξη για την επίτευξη αποτελεσματικής συγχώνευσης των χαρακτηριστικών πριν καθοδηγήσουν την εκπαίδευση των χαρακτηριστικών στρωμάτων του μαθητικού δικτύου.
+
α)πριν την εκδήλωση της πυρκαγιάς
-
Η υποενότητα 3.2 περιγράφει την πολλαπλή συνεργατική εκπαίδευση γνώσης, όπου χρησιμοποιείται ένας αλγόριθμος προσαρμοστικής κατανομής βάρους για την αποτελεσματική διανομή των καθοδηγητικών βαρών των δικτύων δασκάλων. Αυτό βοηθά στην αύξηση της ανθεκτικότητας και της ακρίβειας του εκπαιδευμένου μαθητικού δικτύου.
+
β)ακριβώς μετά την εκδηλωσή της
-
Στην υποενότητα 3.3, εισάγεται μια προσέγγιση σύγχυσης γνώσης βασισμένη σε σχέσεις για την εκπαίδευση. Χρησιμοποιείται η Ευκλείδεια απόσταση για την αξιολόγηση της σχέσης συσχέτισης μεταξύ διαφόρων στόχων. Αυτό βοηθά στη βελτίωση της απόδοσης του μαθησιακού μοντέλου μέσω της καλύτερης μεταφοράς της γνώσης των σχέσεων.
+
γ)μετά το περάς της πυρκαγιάς
-
Τέλος, η υποενότητα 3.4 εξηγεί την συνολική συνάρτηση απώλειας για τη μέθοδο εκπαίδευσης γνώσης, συνδυάζοντας την τακτική απώλεια διασταυρούμενης εντροπίας με τις απώλειες που προκύπτουν από την εκπαίδευση γνώσης, συγχώνευση χαρακτηριστικών και απώλειες που βασίζονται σε σχέσεις. Οι υπερ παράμετροι α, β και γ χρησιμοποιούνται για τον έλεγχο της ισορροπίας μεταξύ της επίδρασης της εκπαίδευσης γνώσης και της τυπικής απώλειας διασταυρούμενης εντροπίας.</p>
+
Οι εικόνες που χρησιμοποιούνται κάθε φορά είναι υψηλής ανάλυσης με μέγεθος ψηφίδας 2.5μ. (ορθοφωτοχάρτες 1997), 1μ. ( Ikonos, 08/2007) και 0.6μ.(World-View 2, 13/07/2013) αντίστοιχα. </p>
-
 
+
-
[[Εικόνα: Wiki1_img1.jpg|thumb|right|'''Εικόνα 1''': Επισκόπηση της προτεινόμενης στρατηγικής απόσταξης που συνδυάζει πολλαπλές πηγές γνώσης και χρησιμοποιεί ένα συνεργατικό σύνολο δικτύων εκπαιδευτικών]]
+
-
 
+
<p align="justify">
<p align="justify">
-
'''Τα πειράματα:'''  
+
'''Συμπεράσματα:'''  
-
Η Ενότητα 4 του άρθρου είναι αφιερωμένη στα πειράματα που διεξήχθησαν για να αξιολογήσουν την αποτελεσματικότητα της προτεινόμενης μεθοδολογίας. Η ενότητα αυτή αποτελείται από δύο βασικές υποενότητες: 4.1 Προετοιμασία Πειράματος και 4.2 Αποτελέσματα.
+
Με την ολοκλήρωση των χαρτών σε διανυσματικό επίπεδο και τη κατηγοριοποίηση των τάξεων προέκυψαν τα άνωθεν εμβαδά. Από αυτά προέκυψε ότι οι κατηγορίες Υδάτινα στοιχεία, Αμπέλια-Αρώσιμα μένουν σχεδόν αναλλοίωτα, γεγονός λογικό αφού δεν αποτελούν την κύρια αγροτική δραστηριότητα. Στην κατηγορία Αστικά τμήματα- Δρόμοι παρατηρείται μια αύξηση κατά τη δεκαετία 1997-2007 λόγω της αστικής ανάπτυξης και διάνοιξης νέων οδικών δικτύων. Η κατηγορία αυτή παρουσιάζει μικρή αύξηση και το επόμενο διάστημα λόγω της διάνοιξης δρόμων ανάμεσα από τα Δάση εξαιτίας της πυρκαγιάς του ‘07. Η κατηγορία βοσκότοπος εμφανίζει αύξηση μεταξύ 1997-2007, αφού αρκετά δασικά τμήματα έγιναν προσβάσιμα, (το 2013 τμήματα καθαρών βοσκοτόπων διασώθηκαν, με τα ζώα να μην έχουν πρόσβαση, ενώ τμήμα του καμένου Δάσους χρησιμοποιείται ως βοσκότοπος). Μεγάλη μείωση (πάνω από 50%) σημειώνεται στις κατηγορίες Δάσος, Καμένα, Ημικαμένα, Ελίες-Λοιπές δενδρώδεις καλλιέργειες, το διάστημα 1997-2007 ενώ ίση ποσοστιαία αύξηση τους το διάστημα 2007-2013.
-
Στην υποενότητα 4.1, η ερευνητική ομάδα περιγράφει την προετοιμασία των πειραμάτων, η οποία περιλαμβάνει την παρουσίαση των συνόλων δεδομένων που χρησιμοποιήθηκαν, την αρχιτεκτονική του δικτύου, τις μετρικές αξιολόγησης, τις λεπτομέρειες της εκπαίδευσης και τις μεθόδους εκπαίδευσης γνώσης που συγκρίθηκαν. Στην παράγραφο αυτή, αναφέρονται τα διαφορετικά σύνολα δεδομένων που χρησιμοποιήθηκαν, όπως το Massachusetts Roads Dataset, το LRSNY Roads Dataset και το WHU Building Dataset.
+
-
Στην υποενότητα 4.2, παρουσιάζονται τα αποτελέσματα των πειραμάτων. Συγκεκριμένα, γίνεται λεπτομερής σύγκριση των αποτελεσμάτων του προτεινόμενου μοντέλου με άλλα μοντέλα σε διάφορα σύνολα δεδομένων. Αυτή η σύγκριση δείχνει ότι το προτεινόμενο μοντέλο έχει καλύτερη απόδοση στην ανίχνευση κτιρίων και δρόμων σε σύγκριση με άλλες τεχνικές εκπαίδευσης γνώσης.
+
-
Τα αποτελέσματα των πειραμάτων επιβεβαιώνουν την υπεροχή της προτεινόμενης τεχνικής πολλαπλής συνεργατικής εκπαίδευσης γνώσης με βάση τα βάρη στην εξαγωγή σημαντικών πληροφοριών από τις εικόνες τηλεπισκόπησης. Αυτό επιτυγχάνεται μέσω της βελτιστοποίησης των βαρών μεταξύ διαφόρων δικτύων δασκάλων και της χρήσης της συγχώνευσης γνώσης βασισμένης σε σχέσεις. Επιπλέον, η συνολική συνάρτηση απώλειας βοηθά στον συνδυασμό των διαφόρων τύπων απώλειας για να επιτευχθεί μια ισορροπημένη και αποτελεσματική εκπαίδευση.
+
-
Οι ερευνητές επισημαίνουν επίσης τη σημασία των μετρικών αξιολόγησης που χρησιμοποιήθηκαν στα πειράματα, όπως το σκορ IoU (Intersection over Union), την ακρίβεια, την ανάκληση και το σκορ F1. Αυτές οι μετρικές βοηθούν στην κατανόηση του βαθμού στον οποίο το μοντέλο μπορεί να ανιχνεύσει και να ταξινομήσει σωστά τα κτίρια και τους δρόμους σε τηλεπισκοπικές εικόνες.
+
-
Συνοψίζοντας, η Ενότητα 4 προσφέρει μια λεπτομερή ανάλυση των πειραμάτων και των αποτελεσμάτων, επιβεβαιώνοντας την αποτελεσματικότητα της προτεινόμενης μεθοδολογίας και προσφέροντας σημαντικές πληροφορίες για τις μελλοντικές ερευνητικές προσπάθειες στον τομέα της εξαγωγής πληροφοριών από τηλεπισκοπικές εικόνες.</p>
+
 +
Συμπερασματικά προέκυψε ότι οι χρήσεις γης έξι χρόνια μετά την πυρκαγιά έχουν επανέλθει σε προηγούμενα επίπεδα, δηλαδή είχε αρχίσει η αποκατάσταση του φυσικού τοπίου.
 +
Η τηλεπισκόπηση με τρόπο άμεσο, ακριβή και οικονομικό, δίνει την δυνατότητα για συμπεράσματα που θα συμβάλλουν στην αντιμετώπιση παρόποιων καταστάσεων, τόσο όσο προς την έντονη ή ειδική ανάπλαση εκτάσεων, στην πρόβλεψη πυρκαγιών, στην άμεση αποζημίωση των πραγματικά πληγέντων και εν τέλει να αποτελέσει βασικό διαχειρσιτκό και πολύτιμο στοιχείο του συστήματος λήψης αποφάσεων για την Πολιτική Ηγεσία του τόπου.</p>
-
[[Εικόνα: Wiki1_img2.jpg|thumb|right|'''Εικόνα 2''': Παραδείγματα αποτελεσμάτων στο σύνολο δεδομένων των δρόμων της Μασαχουσέτης για τη στρατηγική μας απόσταξης και πολλές άλλες μεθόδους απόσταξης.]]
 
-
<p align="justify">
 
-
'''Ανάλυση Οπτικοποίησης και Πείραμα Αφαίρεσης:'''
 
-
Η Ενότητα 5 περιλαμβάνει δύο υποενότητες: 5.1 Ανάλυση Οπτικοποίησης και 5.2 Πείραμα Αφαίρεσης.
 
-
Στην υποενότητα 5.1, η έρευνα συγκρίνει τα αποτελέσματα εξαγωγής που προκύπτουν από την προτεινόμενη στρατηγική διδασκαλίας με τρεις άλλες μεθόδους διδασκαλίας για τα δεδομένα Massachusetts Road, LRSNY Road και WHU Building. Σκοπός είναι η περαιτέρω σύγκριση και ανάλυση των πλεονεκτημάτων και των περιορισμών της προτεινόμενης στρατηγικής. Στο Massachusetts Roads Dataset, η μέθοδος κατάφερε να αποτυπώσει και να εξάγει με ακρίβεια τα αντικείμενα των δρόμων. Στο LRSNY Roads Dataset, η στρατηγική επίσης δείχνει εξαιρετικές ικανότητες εξαγωγής αντικειμένων δρόμων και αποφεύγει την εξαγωγή λανθασμένων στόχων. Στο WHU Building Dataset, η στρατηγική εμφανίζει εξαιρετική απόδοση σε σύγκριση με άλλες μεθόδους διδασκαλίας, βελτιώνοντας σημαντικά την ολοκληρωμένη και ακριβή εξαγωγή στόχων για τα κτίρια.
 
-
Στην υποενότητα 5.2, εξετάζεται η αποτελεσματικότητα των τακτικών της προτεινόμενης στρατηγικής διδασκαλίας για την εξαγωγή κατασκευών και δρόμων. Για αυτό το σκοπό, διεξήχθησαν πειράματα αφαίρεσης, τα οποία αξιολογήθηκαν σε τρία σύνολα δεδομένων τηλεπισκόπησης. Συνδυάζοντας υπάρχουσες στρατηγικές διδασκαλίας, τα πειράματα δείχνουν σημαντική βελτίωση στην απόδοση του μαθησιακού μοντέλου. Ωστόσο, σε σύγκριση με την προτεινόμενη στρατηγική διδασκαλίας, τα αποτελέσματα δείχνουν ότι η προτεινόμενη μέθοδος οδηγεί αποτελεσματικά το μαθητικό μοντέλο σε βελτιωμένη απόδοση στην εξαγωγή. Για να αξιολογηθεί περαιτέρω η αποτελεσματικότητα της προτεινόμενης στρατηγικής, που περιλαμβάνει την αμοιβαία ανταλλαγή πληροφοριών χαρακτηριστικών μεταξύ των δικτύων δασκάλων, διεξήχθησαν πειράματα αφαίρεσης σε σύγκριση με μια παραδοσιακή μέθοδο διδασκαλίας που χρησιμοποιεί άμεσα τη γνώση χαρακτηριστικών μεταξύ των δικτύων δασκάλων.</p>
 
-
 
-
<p align="justify">
 
-
'''Συμπεράσματα:'''
 
-
Συμπερασματικά, η προτεινόμενη μέθοδος ενσωματώνει μηχανισμούς πολλαπλής συνεργασίας δασκάλων και σύγχυσης πολλαπλών γνώσεων στην εκπαίδευση γνώσης, εφαρμόζοντάς τους σε εργασίες εξαγωγής δρόμων και κτιρίων. Αυτές οι καινοτομίες στοχεύουν στη βελτίωση της απόδοσης στις εργασίες εξαγωγής εικόνων από τηλεπισκόπηση, μειώνοντας ταυτόχρονα το μέγεθος του μοντέλου και τις απαιτήσεις σε υπολογιστικούς πόρους.
 
-
Η στρατηγική της πολλαπλής συνεργασίας διδασκαλίας αξιοποιεί τις διάφορες δυνατότητες και την εμπειρία διαφορετικών δικτύων δασκάλων, προσφέροντας μια πιο περιεκτική καθοδήγηση στο μαθητικό μοντέλο. Επιπρόσθετα, η μέθοδος σύγχυσης πολλαπλών γνώσεων επιτρέπει την πλήρη αξιοποίηση της γνώσης από πολλαπλά δικτύα δασκάλων για τη βελτίωση της απόδοσης του συμπαγούς δικτύου. Τέλος, προτείνουν μια μέθοδο καθοδήγησης του μαθητικού δικτύου μέσω της ανταλλαγής γνώσης χαρακτηριστικών μεταξύ των δικτύων δασκάλων, η οποία βελτιώνει την κατανόηση και τις ικανότητες εξαγωγής χαρακτηριστικών της εικόνας από το μαθητικό μοντέλο.
 
-
Μέσω αυστηρών πρακτικών αξιολογήσεων πολλών κορυφαίων διαδικασιών εκπαίδευσης γνώσης σε διάφορα σύνολα δεδομένων τηλεπισκοπικών εικόνων, η προτεινόμενη στρατηγική της μελέτης αποδεικνύει σημαντικές βελτιώσεις στην απόδοση. Η προτεινόμενη μέθοδος εκπαίδευσης γνώσης υπερτερεί άλλων κορυφαίων τεχνικών στο Massachusetts Roads Dataset, με αύξηση του IoU κατά 0.39% και του σκορ F1 κατά 0.53%. Στο LRSNY Roads Dataset, η μέθοδος εκπαίδευσης γνώσης υπερτερεί άλλων κορυφαίων στρατηγικών με αύξηση του IoU κατά 1.14% και της ακρίβειας κατά 0.85%. Στο WHU Building Dataset, η τεχνική τους υπερβαίνει άλλες κορυφαίες μεθόδους με αύξηση του IoU κατά 1.19% και της ακρίβειας κατά 0.34%.</p>
 
-
  [[category:Ανίχνευση μεταβολών αστικής γης]]
+
  [[category:Διαχείριση κινδύνων]]

Αναθεώρηση της 20:52, 28 Ιανουαρίου 2024

== Αντιμετώπιση φυσικών καταστροφών- Μεταβολή χρήσεων γης με τη βοήθεια της Τηλεπισκόπησης | Η περίπτωση της πυρκαγιάς του 2007, στην περιοχή της Ζαχάρως του Νομού Ηλείας ==


Συγγραφέας:Νικόλαος Στάρρας


Πηγή:http://hdl.handle.net/10329/6221

Εισαγωγή: Η μεταπτυχιακή εργασία με τίτλο “Αντιμετώπιση φυσικών καταστροφών- Μεταβολή χρήσεων γης με τη βοήθεια της Τηλεπισκόπησης | Η περίπτωση της πυρκαγιάς του 2007, στην περιοχή της Ζαχάρως του Νομού Ηλείας, πραγματεύεται την ανίχνευση καμένων και γενικά στη μεταβολή χρήσεων γης εξαιτίας των καταστροφικών πυρκαγιών στην περιοχή της Ζαχάρως (2007), με την συνεισφορά των σύγχρονων αναπτυξιακών εργαλείων της Τηλεπισκόπησης και των Γεωγραφικών Συστημάτων Πληροφοριών. Στο 1 και 3 κεφάλαιο παρουσιάζονται εκτενώς οι γενικές έννοιες των Γεωγραφικών Πληροφοριακών Συστημάτων καθώς και τα πεδία εφαρμογών τους, οι έννοιες τηλεπισκόπησης, οι δορυφόροι καθώς και τα χαρακτηριστικά αυτών, ενώ στη συνέχεια γίνεται αναφορά στην φωτοερμηνεία, τους ορθοφωτοχάρτες, καθώς και στη ταξινόμηση των δορυφορικών εικόνων. Στην συνέχεια γίνεται μια γενική αναφορά στις πυρκαγίες, τις αιτίες καθώς και τα αποτελέσματα τους, αλλά και στις ευεργετικές δυνατότητες που δίνει η τηλεπισκόπηση στον έλεγχο πριν, κατά την διάρκεια και μετά το πέρας της πυρκαγιάς. Στο κεφάλαιο αυτό αναφέρεται και πως εκτός της κλιματικής αλλαγής και του ανθρώπινου παράγοντα, ο εκθετικά αυξηνόμενος αριθμός των πυρκαγιών οφείλεται και στην αλλαγή χρήσεων γης. Το κεφάλαιο 4 περιγράφει τα γενικά χαρακτηριστικά του Νομού Ηλείας με ιδιαίτερη αναφορά στον Δήμο Ζαχάρως, σε κατηγορίες όπως η μορφολογία, η οικονομία, το κλίμα. Κατ’επέκταση δίνονται στατιστικά για τις πυρκαγιές και τις καμένες εκτάσεις ,με σημαντικότερη αυτή του 2007.


Μεθοδολογία: Στο κύριο μέρος της έρευνας αναφέρονται τα βήματα τα οποία ακολουθήθηκαν για την εξαγωγή συμπερασμάτων σχετικά με την ενδεχόμενη αλλαγή χρήσεων που έπεται από μια πυρκαγιά. Γι’αυτό το λόγο χρησιμοποιούνται εικόνες: α)πριν την εκδήλωση της πυρκαγιάς β)ακριβώς μετά την εκδηλωσή της γ)μετά το περάς της πυρκαγιάς Οι εικόνες που χρησιμοποιούνται κάθε φορά είναι υψηλής ανάλυσης με μέγεθος ψηφίδας 2.5μ. (ορθοφωτοχάρτες 1997), 1μ. ( Ikonos, 08/2007) και 0.6μ.(World-View 2, 13/07/2013) αντίστοιχα.


Συμπεράσματα: Με την ολοκλήρωση των χαρτών σε διανυσματικό επίπεδο και τη κατηγοριοποίηση των τάξεων προέκυψαν τα άνωθεν εμβαδά. Από αυτά προέκυψε ότι οι κατηγορίες Υδάτινα στοιχεία, Αμπέλια-Αρώσιμα μένουν σχεδόν αναλλοίωτα, γεγονός λογικό αφού δεν αποτελούν την κύρια αγροτική δραστηριότητα. Στην κατηγορία Αστικά τμήματα- Δρόμοι παρατηρείται μια αύξηση κατά τη δεκαετία 1997-2007 λόγω της αστικής ανάπτυξης και διάνοιξης νέων οδικών δικτύων. Η κατηγορία αυτή παρουσιάζει μικρή αύξηση και το επόμενο διάστημα λόγω της διάνοιξης δρόμων ανάμεσα από τα Δάση εξαιτίας της πυρκαγιάς του ‘07. Η κατηγορία βοσκότοπος εμφανίζει αύξηση μεταξύ 1997-2007, αφού αρκετά δασικά τμήματα έγιναν προσβάσιμα, (το 2013 τμήματα καθαρών βοσκοτόπων διασώθηκαν, με τα ζώα να μην έχουν πρόσβαση, ενώ τμήμα του καμένου Δάσους χρησιμοποιείται ως βοσκότοπος). Μεγάλη μείωση (πάνω από 50%) σημειώνεται στις κατηγορίες Δάσος, Καμένα, Ημικαμένα, Ελίες-Λοιπές δενδρώδεις καλλιέργειες, το διάστημα 1997-2007 ενώ ίση ποσοστιαία αύξηση τους το διάστημα 2007-2013. Συμπερασματικά προέκυψε ότι οι χρήσεις γης έξι χρόνια μετά την πυρκαγιά έχουν επανέλθει σε προηγούμενα επίπεδα, δηλαδή είχε αρχίσει η αποκατάσταση του φυσικού τοπίου. Η τηλεπισκόπηση με τρόπο άμεσο, ακριβή και οικονομικό, δίνει την δυνατότητα για συμπεράσματα που θα συμβάλλουν στην αντιμετώπιση παρόποιων καταστάσεων, τόσο όσο προς την έντονη ή ειδική ανάπλαση εκτάσεων, στην πρόβλεψη πυρκαγιών, στην άμεση αποζημίωση των πραγματικά πληγέντων και εν τέλει να αποτελέσει βασικό διαχειρσιτκό και πολύτιμο στοιχείο του συστήματος λήψης αποφάσεων για την Πολιτική Ηγεσία του τόπου.

Ανακτήθηκε από το "http://147.102.106.44/rs/wiki/index.php/Create_an_Article_to_this_category".
Προσωπικά εργαλεία