http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Alexandratsagdi&title=%CE%95%CE%B9%CE%B4%CE%B9%CE%BA%CF%8C%3A%CE%A3%CF%85%CE%BD%CE%B5%CE%B9%CF%83%CF%86%CE%BF%CF%81%CE%AD%CF%82%2FAlexandratsagdi 2026-05-19T22:49:33Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CF%84%CE%B7%CF%81%CE%AE%CF%83%CE%B5%CE%B9%CF%82_%CF%84%CE%B7%CF%82_%CE%B3%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CE%BF%CE%BB%CE%BF%CE%BA%CE%BB%CE%B7%CF%81%CF%89%CE%BC%CE%AD%CE%BD%CE%B1_%CE%BC%CE%BF%CE%BD%CF%84%CE%AD%CE%BB%CE%B1_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CF%85%CF%80%CE%BF%CF%83%CF%84%CE%AE%CF%81%CE%B9%CE%BE%CE%B7_%CF%84%CF%89%CE%BD_%CF%84%CF%81%CE%BF%CF%86%CE%AF%CE%BC%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CE%BD_%CE%B1%CF%83%CF%86%CE%AC%CE%BB%CE%B5%CE%B9%CE%B1_%CE%BD%CE%B5%CF%81%CE%BF%CF%8D 2019-03-30T00:29:22Z

<p>Alexandratsagdi: Νέα σελίδα με ''''Earth Observations and Integrative Models in Support of Food and Water Security''' '''Stephanie Schollaert Uz, Alex C. Ruane, Bryan N. Duncan, Compton J. Tucker, Georg...'</p> <hr /> <div>'''Earth Observations and Integrative Models in Support of Food and Water Security'''<br /> <br /> '''Stephanie Schollaert Uz, Alex C. Ruane, Bryan N. Duncan, Compton J. Tucker, George J. Huffman, Iliana E. Mladenova, Batuhan Osmanoglu, Thomas R. H. Holmes, Amy McNally, Christa Peters-Lidard, John D. Bolten, Narendra Das, Matthew Rodell, Sean McCartney, Martha C. Anderson, Brad Doorn'''<br /> <br /> '''Πηγή: [[ https://link.springer.com/article/10.1007/s41976-019-0008-6]]'''<br /> <br /> [[Εικόνα: A6_f1.png|thumb|right| Εικ.1: Εικ. 1.Εικόνες Landsat 8 που δείχνουν αλλαγές στο NDVI κατά τη διάρκεια της καλλιεργητικής περιόδου 2017, προωθώντας την παγκόσμια επισιτιστική ασφάλεια στο επίπεδο του αγρού]]<br /> <br /> [[Εικόνα: A6_f2.png|thumb|right| Εικ.2: Βάθος Secchi (βάθος όπου η ανάκλαση ισούται με την ένταση του φωτός που εκπέμπεται από το νερό) του άνω κόλπου Chesapeake και αρκετοί παραπόταμοι από Landsat OLI (αριστερά) και η ίδια σκηνή σε πραγματικό χρώμα (δεξιά) για την 13η Απριλίου 2016]]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η παγκόσμια παραγωγή τροφίμων εξαρτάται από πολλούς παράγοντες που οι δορυφόροι της Γης παρακολουθούν συστηματικά για το νερό, την ενέργεια, τον καιρό και τα οικοσυστήματα. Τα ολοένα και πιο εξελιγμένα, διαθέσιμα στο κοινό δορυφορικά δεδομένα μπορούν να βελτιώσουν την αποτελεσματικότητα της διαχείρισης των πόρων και να παράσχουν νωρίτερα ένδειξη περιβαλλοντικής διαταραχής. Η δορυφορική τηλεπισκόπηση παρέχει ένα συνεκτικό, μακροπρόθεσμο αρχείο το οποίο μπορεί να χρησιμοποιηθεί αποτελεσματικά για την ανίχνευση μεγάλων χαρακτηριστικών με την πάροδο του χρόνου, όπως η αναπτυσσόμενη ξηρασία. Σαφώς, η παρακολούθηση των συστημάτων παραγωγής και διανομής τροφίμων, εκτός από την ποσότητα και την ποιότητα του νερού για την υποστήριξη της επισιτιστικής ασφάλειας, απαιτεί μια συνολική προοπτική.<br /> <br /> <br /> '''Παρατηρούμενο: Πρωτογενής παραγωγή'''<br /> <br /> Υπάρχουν αρκετές τεχνικές που χρησιμοποιούν δορυφορικές παρατηρήσεις για τον προσδιορισμό της πρωτογενούς παραγωγής, πλεονέκτημα αυτών των προσεγγίσεων είναι ότι οι δορυφορικές παρατηρήσεις παρέχουν ρεαλιστικές συνθήκες επιφάνειας φωτοσυνθετικής ικανότητας βλάστησης, φαινολογίας, διαταραχών, ανάκτησης και ανθρώπινης διαχείρισης. Οι εκτιμήσεις της γεωργικής παραγωγής πρέπει να περιορίζονται σε συγκεκριμένες καλλιεργούμενες εκτάσεις για να αποφευχθεί η σύγχυση από άλλες καλλιέργειες, από τη φυσική βλάστηση και από περιοχές χωρίς βλάστηση. Αυτό μεταφράζεται στο να ακολουθούνται συγκεκριμένες καλλιέργειες στο χρόνο με συνεχείς παρατηρήσεις. Αυτή η δυνατότητα είναι διαθέσιμη από το διάστημα, τώρα με μεγαλύτερη ακρίβεια και χαμηλότερη καθυστέρηση, με σταθερή απεικόνιση γης από Landsat-8, Sentinel-2a και Sentinel-2b. (Εικ. 1)<br /> <br /> <br /> '''Παρατηρούμενο: Υποβάθμιση γης'''<br /> <br /> Έχουν προσδιοριστεί τρεις δείκτες ως μετρήσεις για την ποσοτικοποίηση της υποβάθμισης της γης, οι οποίες είναι επίσης γεωφυσικές μεταβλητές που μετρώνται από τους δορυφόρους που βρίσκονται σε τροχιά γύρω από τη Γη: κάλυψη εδάφους, αποθέματα άνθρακα και παραγωγικότητα γης ή ακαθάριστη πρωτογενής παραγωγή.<br /> <br /> <br /> '''Παρατηρούμενο: Κατακρημνίσεις'''<br /> <br /> Ένα σχετικά μακρύ ιστορικό δεδομένων κατακρημνίσεων είναι διαθέσιμο από μετρητές επιφανειών, οι οποίοι παρέχουν μετρήσεις σημείου ως συνάρτηση του χρόνου. Μια δεύτερη προσέγγιση για την ανάπτυξη καταγραφών βροχοπτώσεων είναι η χρήση μετρήσεων επιφανειακών ραντάρ από τις οποίες εκτιμάται η ποσότητα κατακρήμνισης. Αυτές οι εκτιμήσεις μπορεί να είναι τοπικά χρήσιμες στις Η.Π.Α. και τη Δυτική Ευρώπη, αλλά η συστηματική κάλυψη αλλού στερείται. Η τρίτη προσέγγιση για τη λήψη πληροφοριών παγκόσμιας βροχόπτωσης είναι η χρήση δορυφορικών αισθητήρων. Τις τελευταίες δεκαετίες, αυτό έχει γίνει η κυρίαρχη προσέγγιση για πολλές εφαρμογές λόγω της οιονεί παγκόσμιας κάλυψης από τους δορυφόρους, μιας αποδεκτής καλής κλίμακας χρόνου / χώρου των αποτελεσμάτων και σχετικά μικρής διάρκειας λανθάνουσας περιόδου. Ένα σημαντικό πλεονέκτημα για τους δορυφόρους είναι ότι συνήθως παρέχουν εκτιμήσεις βροχόπτωσης τόσο σε γήινο όσο και σε ωκεάνιο περιβάλλον.<br /> <br /> <br /> '''Παρατηρούμενο: Αποθέματα νερού'''<br /> <br /> Ένα μέρος του νερού που κατακρημνίζεται πάνω στην επιφάνεια της γης αποθηκεύεται ως επιφανειακά ύδατα, χιόνι, πάγος, υγρασία εδάφους ή υπόγεια ύδατα. Το σύνολο αυτών , γνωστό ως TWS (Terrestrial Water Storage) είναι δύσκολο να παρακολουθείται σε περιφερειακή ή και σε παγκόσμια κλίμακα χρησιμοποιώντας επίγεια δίκτυα. Η αποστολή της NASA Gravity Recovery and Climate Experiment (GRACE) και ο διάδοχός της, το GRACE Follow On Mission, μετρούν τις χρονικές αλλαγές στο πεδίο της βαρύτητας της Γης, οι οποίες μπορούν να ερμηνευτούν για να προσδιορίσουν τις παραλλαγές στο TWS. Επειδή η δορυφορική βαρυμετρία είναι η μόνη τεχνολογία τηλεπισκόπησης ικανή να ανιχνεύει αλλαγές στην αποθήκευση νερού κάτω από τα πρώτα εκατοστά του εδαφους συμπεριλαμβανομένων των υπόγειων υδάτων, το GRACE αποδείχθηκε εξαιρετικά πολύτιμο για την υδρολογική επιστήμη και τις σχετικές εφαρμογές.<br /> <br /> <br /> '''Παρατηρούμενο: Ισοδύναμο ύδατος χιονιού'''<br /> <br /> Το ισοδύναμο ύδατος χιονιού (SWE) περιγράφει την ισοδύναμη ποσότητα υγρού νερού που αποθηκεύεται σε μορφή χιονιού. Ένας τρόπος για να υπολογισμού του SWE είναι να πολλαπλασιαστεί το βάθος χιονιού με την πυκνότητα του πάνω από μια περιοχή που καλύπτεται από χιόνι. Ωστόσο, οι άμεσες μετρήσεις συχνά λείπουν, ιδίως στις απομακρυσμένες περιοχές. Ως εκ τούτου, οι αγροκλιματολόγοι χρησιμοποιούν μετρήσεις και μοντέλα με τηλεπισκόπηση για να καταλήξουν στο συμπέρασμα όπου μπορεί να υπάρξει πλημμύρα όταν λιώνει το χιόνι και πόσο νερό αναμένεται για άρδευση κατά τη διάρκεια της καλλιεργητικής περιόδου. Αισθητήρες της NASA, όπως ο AMSR-2 και το ASO, μπορούν να μετρήσουν ισοδύναμο ύδατος χιονιού (SWE) από απόσταση. Το AMSR2 παρέχει κάλυψη 99% της Γης κάθε 2 ημέρες.<br /> <br /> <br /> '''Παρατηρούμενο: Υγρασία εδάφους'''<br /> <br /> Η διαθεσιμότητα κατάλληλων και έγκαιρων πληροφοριών σχετικά με την υγρασία του εδάφους έχει μεγάλη σημασία για πολλές εφαρμογές, όπως η πρόγνωση του καιρού και η χαρτογράφηση της ξηρασίας και των πλημμυρών, οι οποίες συνδέονται στενά με την παρακολούθηση της υγείας των φυτών και της δημιουργίας αποδόσεων. Η παρακολούθηση της υγρασίας του εδάφους μπορεί να επιτευχθεί με χρήση επί τόπου αισθητήρων, με τη χρήση τεχνικών εξομοίωσης δεδομένων κι εκτίμηση της υγρασίας εδάφους μέσω δορυφόρου με χρήση μοντέλων μεταφοράς ακτινοβολίας ή βάσει μοντέλων ισοζυγίου νερού ή ενέργειας.<br /> <br /> <br /> '''Παρατηρούμενο: Εξατμισοδιαπνοή'''<br /> <br /> Επειδή η εξατμισοδιαπνοή (ΕΔ) μπορεί να διαφέρει από πεδίο σε πεδίο, απαιτείται χωρική ανάλυση 50-100 μέτρων για την εξαγωγή πληροφοριών για τους μεμονωμένους αγρότες. Σε αυτή την ανάλυση, η πιο άμεση διάγνωση της ΕΔ είναι η επιφανειακή θερμοκρασία που παρατηρείται μέσω των θερμικών υπέρυθρων αισθητήρων, κυρίως του Landsat. Υπάρχουν διάφορες διαφορετικές προσεγγίσεις που εκτιμούν την ΕΔ από παρατηρήσεις θερμοκρασίας επιφανείας σε συνδυασμό με ανάλυση του επιφανειακού ισοζυγίου ενέργειας. Η επεξεργασία και η βαθμονόμηση μεγάλων εικόνων Landsat απαιτεί μεγάλη υπολογιστική ισχύ και επιδρά στη διαθεσιμότητα και την καθυστέρηση των εκτιμήσεων EΔ υψηλής ανάλυσης για τους ενδιαφερόμενους. Η χρήση της νεφοϋπολογιστικής (cloud computing) επιτρέπει τώρα την επεξεργασία των εικόνων Landsat σε μεγαλύτερη κλίμακα. Ένα παράδειγμα αυτού είναι η προσαρμογή του METRIC στο Google Earth Engine (GEE) που επιτρέπει τη βαθμονόμηση των εικόνων Landsat με δεδομένα μετεωρολογικού σταθμού και την παραγωγή ροής εξατμισοδιαπνοής (EEFlux). Πλέον οποιοσδήποτε με σύνδεση στο διαδίκτυο μπορεί να αποκτήσει πρόσβαση σε δεδομένα Landsat, να επιλέξει μια τοποθεσία και να δει έναν χάρτη εξατμισοδιαπνοής μέσα σε λίγα δευτερόλεπτα.<br /> <br /> <br /> '''Παρατηρούμενο: Ποιότητα νερού'''<br /> <br /> Η σημασία της ποιότητας των υδάτων για την ασφάλεια των τροφίμων προσδίδει επείγουσα ανάγκη στην απομάκρυσμένη παρακολούθηση των παραμέτρων της. Η αλλαγή της χρήσης γης, η αστική εξάπλωση, η υγεία του οικοσυστήματος, η βλάστηση και η κάλυψη των καλλιεργειών έχουν παρακολουθείται σε χωρική ανάλυση 30 μέτρων περίπου δύο φορές το μήνα για αρκετές δεκαετίες από δορυφόρους Landsat. Αν και δεν έχει βελτιστοποιηθεί για υδρόβιες μετρήσεις, ο Landsat 8 Operational Land Imager (OLI) της NASA / USGS πρόσθεσε νέες φασματικές ζώνες που μπορούν να εφαρμοστούν σε υδάτινους πόρους και σε έρευνες στην παράκτια ζώνη για καθαρότητα, θολερότητα, χλωροφύλλη-α και θερμοκρασία επιφανείας. Τα υδάτινα οικοσυστήματα στον ανοιχτό ωκεανό παρακολουθούνται συνεχώς από το διάστημα για τα τελευταία 20 χρόνια από φασματοσκόπια ωκεάνιου χρώματος της NASA . Αυτοί οι δορυφορικοί αισθητήρες σχεδιάστηκαν για να παρέχουν σχεδόν καθημερινή θέα στον ανοιχτό ωκεανό, όπου οι δυνατότητες δειγματοληψίας είναι σπάνιες και δαπανηρές. Το χρώμα που μετράται στην επιφάνεια του ωκεανού χρησιμοποιείται για να εξαχθούν συγκεντρώσεις χλωροφύλλης-α, η πρωτεύουσα φωτοσυνθετική χρωστική ουσία στο φυτοπλαγκτόν. Παρόλο που οι δορυφορικές παρατηρήσεις δεν ανιχνεύουν την παρουσία τοξινών, είναι χρήσιμες για την εκτίμηση της αφθονίας των κυανοβακτηρίων και την in situ κατευθυνόμενη δειγματοληψία. Η τηλεπισκόπηση παρουσιάζει επίσης επιλογές για την ανίχνευση διαλυμένων οργανικών ατόμων άνθρακα και επιπρόσθετες μεταβλητές ποιότητας νερού. (Εικ. 2)<br /> <br /> <br /> '''Παρατηρούμενο: Ποιότητα αέρα'''<br /> <br /> Αν και δεν είναι εφικτό να συναχθεί η επιφάνεια O3 από τα δορυφορικά δεδομένα του O3, οι δορυφόροι παρέχουν πληροφορίες για τους χημικούς προδρόμους που οδηγούν στο σχηματισμό του, συμπεριλαμβανομένων των οξειδίων του αζώτου. Τα δορυφορικά δεδομένα του NO2 εισάγονται στις προσομοιώσεις υπολογιστών της ατμοσφαιρικής χημείας και των μεταφορών για την εκτίμηση της ρύπανσης της επιφάνειας του O3. Αυτές οι προσομοιώσεις δίνουν πολύτιμες πληροφορίες για τα επίπεδα Ο3 σε γεωργικές περιοχές, τη μεταφορά O3 από αστικές σε αγροτικές περιοχές και πώς εξελίσσονται τα επίπεδα O3 με την πάροδο του χρόνου. Τα δεδομένα NO2 από το ολλανδικό -φινλανδικό όργανο παρακολούθησης του όζοντος (OMI), ένα φασματόμετρο που παρατηρεί την ηλιακή ακτινοβολία οπισθοσκέδασης στα ορατά και υπεριώδη μήκη κύματος, μας έδωσαν μια άνευ προηγουμένου εικόνα του τρόπου με τον οποίο το ΝΟ2 ποικίλει σε όλο τον κόσμο, συμπεριλαμβανομένων των γεωργικών περιοχών. Οι παρατηρήσεις της ατμοσφαιρικής αμμωνίας (NH3) από δορυφορικά όργανα δίνουν συμπληρωματικές πληροφορίες στα δεδομένα NO2 υποδεικνύοντας πότε και πού εφαρμόζονται λιπάσματα με βάση το άζωτο.<br /> <br /> <br /> '''Φυσικό Μοντέλο: Εξομοίωση Δεδομένων Υδρολογίας'''<br /> <br /> Η παρακολούθηση και η πρόβλεψη της ξηρασίας και οι επιπτώσεις της στις καλλιέργειες απαιτούν έναν αντικειμενικό ορισμό της ξηρασίας ή μιας διαδικασίας σύγκλισης των αποδεικτικών στοιχείων με την οποία μπορεί να προσδιοριστεί η ξηρασία. Το Σύστημα Εξωραϊσμού Δεδομένων Γης- Land Data Assimilation System (LDAS) είναι μια προσπάθεια που λαμβάνει πολλές από αυτές τις δορυφορικές παρατηρήσεις και τις εξομοιώνει με άλλες παρατηρήσεις και παραγωγή μοντέλου για χρήση σε τακτικές αναδρομικές και τρέχουσες εκτιμήσεις και προβλέψεις.<br /> <br /> <br /> '''Μοντέλα επιπτώσεων: Αναδρομική, σε πραγματικό χρόνο και μελλοντική ανάλυση των καλλιεργειών'''<br /> <br /> Τα μοντέλα καλλιέργειας με βάση τη διαδικασία προσομοιώνουν την καθημερινή ανάπτυξη και ανάπτυξη των καλλιεργειών κατά τη διάρκεια μιας γεωργικής περιόδου ανταποκρινόμενοι στο περιβάλλον, τη διαχείριση και τη γενετική, όπως προσδιορίζονται από τις θεμελιώδεις βιοφυσικές διεργασίες. Οι περιβαλλοντικοί οδηγοί περιλαμβάνουν συνθήκες εντός του προφίλ του εδάφους (υφή, θερμοκρασία και υγρασία εντός 5-10 στρώσεων εδάφους που εκτείνονται σε περίπου 2 μέτρα κάτω από την επιφάνεια) και επιφανειακή μετεωρολογία (συνήθως ημερήσιες μέγιστες και ελάχιστες θερμοκρασίες, βροχοπτώσεις και ηλιακή ακτινοβολία, περιλαμβάνουν επίσης τη σχετική υγρασία ή την τάση ατμών και την ταχύτητα του ανέμου).<br /> <br /> <br /> '''Μοντέλα ζημιών: Παράσιτα και ασθένειες'''<br /> <br /> Ενώ υπάρχουν εκατομμύρια συγκεκριμένων παρασίτων και ασθενειών που επηρεάζουν τα συστήματα καλλιέργειας, αυτά μπορούν να γενικευθούν σύμφωνα με κρίσιμα κλιματολογικά όρια για την εξάπλωσή τους και τους τρόπους με τους οποίους επηρεάζουν τα φυτά . Οι πληροφορίες για τη γη μπορούν να εντοπίσουν συνθήκες που ευνοούν την εξάπλωση επιβλαβών οργανισμών και ασθενειών, καθώς και να αναγνωρίζουν τα επηρεαζόμενα φυτά ως στοιχείο των συστημάτων έγκαιρης προειδοποίησης που επιτρέπουν διορθωτικές ή προπαρασκευαστικές παρεμβάσεις.<br /> <br /> <br /> '''Μοντέλα κινδύνου: Διαταραχές και καταστροφές σε συγκεκριμένους τομείς'''<br /> <br /> Τα συστήματα στήριξης αποφάσεων μπορούν να χρησιμοποιούν πληροφορίες της NASA για την κατανομή, την παρακολούθηση και την πρόβλεψη σημαντικών αγρο-κλιματολογικών κινδύνων. Οι μετεωρολογικές παρατηρήσεις και τα ατμοσφαιρικά μοντέλα εντοπίζουν τα κύματα καύσωνα, τα κρύα σκουπίδια, τις πλημμύρες, την ξηρασία, τις καταιγίδες, το χαλάζι και τα φαινόμενα βροχής που μπορούν να μειώσουν την απόδοση, να βλάψουν την ποιότητα της παραγωγής ή να σκοτώσουν τις καλλιέργειες πριν τη συγκομιδή. Το επίπεδο της διαταραχής εξαρτάται από το μέγεθος, τη χωρική έκταση, τη διάρκεια και το χρονοδιάγραμμα αυτών των ακραίων σε σύγκριση με τα κρίσιμα στάδια ανάπτυξης των καλλιεργειών. Τα μοντέλα και τα προϊόντα παρατήρησης μπορούν επίσης να χρησιμοποιηθούν για τον εντοπισμό σημαντικών εξωτερικών κινδύνων που επηρεάζουν το σύστημα τροφίμων. Τα μετεωρολογικά προϊόντα μπορούν να εντοπίσουν συνθήκες που ευνοούν την εξάπλωση παρασίτων και ασθενειών, ενώ οι δορυφόροι μπορούν να παρατηρήσουν την καθαρή τους μείωση της γεωργικής παραγωγικότητας. Οι δορυφόροι αποτελούν επίσης σημαντικά στοιχεία αντίδρασης και προσπαθειών ανάκαμψης μετά από μεγάλες καταστροφές που μπορούν να επηρεάσουν τα δίκτυα μεταφοράς γεωργικών προϊόντων, συμπεριλαμβανομένων των τυφώνων, των κατολισθήσεων, των σεισμών, των τσουνάμι και των πλημμυρών.<br /> <br /> <br /> '''Μοντέλα κλιματικής αλλαγής'''<br /> <br /> Τα προϊόντα πληροφόρησης για τη γη παρέχουν κρίσιμες πληροφορίες σχετικά με τα παγκόσμια γεωργικά συστήματα, το τρέχον κλίμα και τις μελλοντικές προβλέψεις για αυτό. Τα μοντέλα καλλιέργειας με βάση τη διαδικασία που καθοδηγούνται από την εισαγωγή πληροφοριών γης είναι ιδιαίτερα χρήσιμα για μελέτες επιπτώσεων στο κλίμα, δεδομένης της ικανότητάς τους να συλλαμβάνουν μη γραμμικές αποκρίσεις εκτός των παρατηρούμενων συνθηκών.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Τα παγκόσμια προϊόντα δορυφορικών δεδομένων και τα ολοκληρωμένα μοντέλα απαιτούνται για την καλύτερη κατανόηση και διαχείριση των πόρων στη σχέση τροφίμων-νερού-ενέργειας. Η παγκόσμια παρακολούθηση των γεωφυσικών μεταβλητών από τους δορυφόρους παρέχει ποσοτικοποίηση σχεδόν στο πραγματικό χρόνο του συστήματος της Γης, το οποίο μπορεί να εξομοιωθεί με εργαλεία έγκαιρης προειδοποίησης και πρόβλεψης.<br /> <br /> [[category: Γεωργία]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

Alexandratsagdi http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BD%CE%AC%CE%BB%CF%85%CF%83%CE%B7_%CE%BA%CE%B1%CE%B9_%CF%80%CF%81%CF%8C%CE%B2%CE%BB%CE%B5%CF%88%CE%B7_%CF%84%CE%B7%CF%82_%CE%BE%CE%B7%CF%81%CE%B1%CF%83%CE%AF%CE%B1%CF%82_%CF%83%CF%84%CE%B7_%CE%92%CE%BF%CF%81%CE%B5%CE%B9%CE%BF%CE%B4%CF%85%CF%84%CE%B9%CE%BA%CE%AE_%CE%91%CF%86%CF%81%CE%B9%CE%BA%CE%AE_%CE%BC%CE%B5_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CF%80%CF%81%CE%BF%CF%8A%CF%8C%CE%BD%CF%84%CF%89%CE%BD_%CE%BF%CF%80%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%B9%CE%BA%CF%81%CE%BF%CE%BA%CF%85%CE%BC%CE%AC%CF%84%CF%89%CE%BD_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE%CF%82_%CF%84%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 2019-03-28T18:38:14Z

<p>Alexandratsagdi: Νέα σελίδα με ''''Analysis and Predictability of Drought In Northwest Africa Using Optical and Microwave Satellite Remote Sensing Products''' '''Michel Le Page, Mehrez Zribi''' '''Π...'</p> <hr /> <div>'''Analysis and Predictability of Drought In Northwest Africa Using Optical and Microwave Satellite Remote Sensing Products'''<br /> <br /> '''Michel Le Page, Mehrez Zribi'''<br /> <br /> '''Πηγή: [[https://www.nature.com/articles/s41598-018-37911-x]]'''<br /> <br /> [[Εικόνα: A5_f1.png|thumb|right| Εικ.1: Συσχέτιση μεταξύ των τριών δεικτών ξηρασίας από το Σεπτέμβριο έως τον Μάιο μεταξύ 2007 και 2018.]]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Τα τελευταία χρόνια, πολλές επιστημονικές μελέτες έχουν αναπτύξει δείκτες βασισμένους στη δορυφορική τηλεπισκόπηση.<br /> Για τη βλάστηση, οι μετρήσεις βασίζονται κυρίως στην οπτική τηλεπισκόπηση. Πιο συγκεκριμένα, ο δείκτης NDVI, που χρησιμοποιείται συχνά στην ανάλυση της βλάστησης, συσχετίζεται έντονα με την ανάπτυξη της κάλυψης της βλάστησης. Χρησιμοποιώντας το NDVI από διάφορους τύπους οπτικών αισθητήρων (AVHRR, SPOT-VGT, MODIS κ.λπ.), έχουν προταθεί διάφορες κανονικοποιήσεις για να μελετηθούν οι ανωμαλίες και ειδικότερα η ξηρασία.O πιο δημοφιλής είναι ο δείκτης κατάστασης βλάστησης (VCI) που συγκρίνει το τρέχον NDVI με το εύρος των τιμών που παρατηρήθηκε κατά την ίδια περίοδο των προηγούμενων ετών.<br /> Για το νερό του εδάφους, διάφορες ενεργές ή παθητικές τεχνικές μικροκυμάτων προσφέρουν εκτιμήσεις για την περιεκτικότητα σε επιφανειακά ύδατα εδάφους. Χρησιμοποιείται ο Δείκτης Υδατικού Εδάφους (SWI) ο οποίος προσδιορίζει ποσοτικά την κατάσταση υγρασίας σε διάφορα βάθη στο έδαφος. Βασίζεται κυρίως στην κατακρήμνιση μέσω της διαδικασίας διείσδυσης. Η υγρασία του εδάφους είναι μια πολύ ετερογενής μεταβλητή και ποικίλλει σε μικρές κλίμακες ανάλογα με τις ιδιότητες εδάφους και το υδρογραφικό δίκτυο. Οι δορυφορικές μετρήσεις ενσωματώνονται σε σχετικές περιοχές μεγάλης κλίμακας, με την παρουσία βλάστησης προσδίδοντας πολυπλοκότητα στην ερμηνεία.<br /> Επίσης χρησιμοποιείται ο δείκτης θερμοκρασίας επιφανείας του εδάφους (LST). Η εκτίμησή του εξαρτάται από το albedo, την κάλυψη της βλάστησης και την υγρασία του εδάφους.<br /> <br /> <br /> '''Περιοχή μελέτης'''<br /> <br /> Η περιοχή που μελετάται βρίσκεται στην παραγωγική περιοχή της Βορειοδυτικής Αφρικής στις χώρες του Μαρόκου, της Αλγερίας και της Τυνησίας, επίσης γνωστή ως Μαγκρέμπ. Tο κλίμα της περιοχής μελέτης είναι ως επί το πλείστον μεσογειακό και ημι-άνυδρο, επηρεάζεται από διάφορα κλιματολογικά καθεστώτα: το καθεστώς της Μεσογείου, το βορειοατλαντικό καθεστώς και τέλος το καθεστώς της Σαχάρας στο νότο. Έτσι, αυτή η περιοχή χαρακτηρίζεται από ένα κλίμα με ισχυρή χωρική και χρονική μεταβλητότητα.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Συσχέτιση και αυτοσυσχέτιση δεικτών ξηρασίας<br /> Η συσχέτιση μεταξύ του NDVI και του SWI είναι γενικά υψηλή, αλλά εξασθενεί κατά τους χειμερινούς μήνες. Επιπλέον, οι συσχετισμοί είναι σχεδόν μηδενικοί ή ακόμη και σημαντικά αρνητικοί στις πιο δασωμένες περιοχές της βορειοανατολικής Αλγερίας και της Βόρειας Τυνησίας. Οι περιορισμένοι συσχετισμοί κατά τους μήνες Δεκέμβριο και Ιανουάριο μπορούν να εξηγηθούν από την περιορισμένη ακρίβεια των δορυφορικών προϊόντων SWI σε δασικές περιοχές, όπου κυριαρχεί η επίδραση της βλάστησης στα σήματα μικροκυμάτων. <br /> Η αρνητική συσχέτιση μεταξύ NDVI και LST εξηγείται από τη μείωση της θερμοκρασίας της επιφάνειας λόγω της υψηλότερης εξατμοδιαπνοής της βλάστησης σε γεωργικές περιοχές.<br /> Αποκαλύφθηκε μια ισχυρή σχέση μεταξύ της μεταβλητής SWI της υγρασίας εδάφους και του NDVI που ανακτήθηκε ένα μήνα αργότερα. Όπως αναμενόταν, οι συσχετισμοί μειώνονται με μεγαλύτερη καθυστέρηση, αλλά η αυτό-συσχέτιση μπορεί να είναι υψηλή μετά από τέσσερις μήνες. Βάσει αυτής της ανάλυσης, των συμπεριφορών των διαφόρων μεταβλητών και της συσχέτισης τους, φαίνεται επαρκής η χρησιμοποίηση των δύο μεταβλητών NDVI και SWI για μελλοντικές μελέτες σχετικά με τη χαρτογράφηση της ξηρασίας.<br /> Χαρτογράφηση της έντασης ξηρασίας<br /> Η κατάσταση &quot;πλησίον φυσιολογικού&quot; είναι η συνηθέστερη κατάσταση (51,3%).Η μετρίως ξηρή κατάσταση σημειώθηκε σε όλες τις περιοχές που μελετήθηκαν, αλλά με περισσότερα περιστατικά στις ημι-άνυδρες περιοχές του Μαρόκου και της Τυνησίας. Πολύ ξηρές καταστάσεις συνέβησαν κυρίως στο Μαρόκο και την κεντρική Αλγερία, αλλά είναι λιγότερο συχνές.<br /> Ανάλυση πρόβλεψης χρησιμοποιώντας αναλογικό έλεγχο<br /> Προτείνεται μια ανάλυση της κατάστασης βασισμένη σε έναν αλγόριθμο ομοιότητας που χρησιμοποιεί στατιστικά στοιχεία για τον προσδιορισμό των προηγούμενων περιόδων, των οποίων η συμπεριφορά συγκρίνεται στενά με την τρέχουσα. (Εικ.1)<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Προτείνεται μια ανάλυση των φαινομένων ξηρασίας στη Βορειοδυτική Αφρική χρησιμοποιώντας δορυφορικά προϊόντα χρονοσειρών πολλαπλών αισθητήρων. Στην πραγματικότητα, παρά τους ορισμένους περιορισμούς που συνδέονται με το μήκος μέτρησης και τη συχνότητα, οι δορυφορικοί δείκτες θα μπορούσαν να αποτελέσουν ένα χρήσιμο εργαλείο, συμπληρωματικό προς τους παραδοσιακούς δείκτες που βασίζονται κυρίως στις στατιστικές των βροχοπτώσεων, για την ανάλυση των καταστάσεων ξηρασίας. Αυτό ισχύει ιδιαίτερα στις περιοχές όπου το δίκτυο μετρητών βροχής είναι αραιές.<br /> Εξετάζονται τρεις μεταβλητές, NDVI, SWI και LST. Μια πολύ ισχυρή ετήσια συσχέτιση παρατηρείται μεταξύ του NDVI και του SWI για όλες σχεδόν τις περιοχές που εξετάζονται στην περιοχή μελέτης. Αυτή η συσχέτιση μειώνεται για τις δασικές εκτάσεις, για τις οποίες οι δορυφορικές μετρήσεις για την εκτίμηση της υγρασίας του εδάφους δεν είναι αρκετά ακριβείς, και στις νότιες περιοχές με πολύ διασκορπισμένη βλάστηση και περιορισμένη γεωργία. Η μηνιαία ανάλυση δείχνει περισσότερο ή λιγότερο την ίδια συμπεριφορά<br /> <br /> <br /> [[category: Υποβάθμιση εδαφών]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]<br /> <br />  </div>

Alexandratsagdi http://147.102.106.44/rs/wiki/index.php/%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%84%CE%BF%CF%85_%CE%B8%CE%B1%CE%BB%CE%AC%CF%83%CF%83%CE%B9%CE%BF%CF%85_%CF%80%CE%AC%CE%B3%CE%BF%CF%85 2019-03-28T18:31:23Z

<p>Alexandratsagdi: Νέα σελίδα με ''''Remote Sensing of Sea Ice''' '''Daniel Plekhov, Evan I. Levine''' '''Πηγή: https://www.sciencedirect.com/science/article/pii/S2352409X18303900''' [[Εικ...'</p> <hr /> <div>'''Remote Sensing of Sea Ice'''<br /> <br /> <br /> '''Daniel Plekhov, Evan I. Levine'''<br /> <br /> <br /> '''Πηγή: [[https://www.sciencedirect.com/science/article/pii/S2352409X18303900]]'''<br /> <br /> <br /> [[Εικόνα: A4_f1.png|thumb|right| Εικ.1: &quot;Παρασυρόμενος πάγος της Αρκτικήςαπό 24 έως 30 Απριλίου 2007. Η απόσταση του πλέγματος είναι 62,5 χλμ. Τα διανύσματα μετατόπισης μικρότερης από ένα εικονοστοιχείο σημειώνονται με σταυρό. Με κόκκινο χρώμα: πανομοιότυπο διάνυσμα παρασυρόμενων για τα τρία προϊόντα, σε πράσινο χρώμα: πανομοιότυπος φορέας παρασυρόμενων για δύοπροϊόντα, με μπλε χρώμα: επιλογή ή επικύρωση ενός μόνο μεταφορικό διάνυσμα.]]<br /> <br /> [[Εικόνα: A4_f2.png|thumb|right| Εικ.2. Πάχος πάγου θαλάσσης από το ICESat. (α) Χωρικό πεδίο πάχους πάγου από δεδομένα ICESat που αποκτήθηκαν σε διάστημα 35 ημερών, μεταξύ Οκτωβρίου και Νοεμβρίου 2005 (ON05). β) Το ίδιο με το στοιχείο α), αλλά τα στοιχεία που αποκτήθηκαν τον Φεβρουάριο και τον Μάρτιο του 2006<br /> 2006 (FM06). γ) Συνολικές κατανομές πάχους πάγου στη λεκάνη της Αρκτικής σε ON05 (μαύρη) και FM05 (κόκκινη). δ) Κατανομές πάχους της ζώνης πολυετούς θαλάσσιου πάγου. ε) Κατανομές πάχους της ζώνης πάγου του πρώτου έτους ]]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Τα δεδομένα του θαλάσσιου πάγου από τους δορυφόρους αντιπροσωπεύουν μια από τις μεγαλύτερες καταγραφές της γης από το διάστημα. Οι παραλλαγές στη θερμοκρασία, την εκπομπή και την ανακλαστικότητα του θαλάσσιου πάγου και οι διαφορές σε σύγκριση με τον περιβάλλοντα ανοιχτό ωκεανό τον καθιστούν ιδανική εφαρμογή τηλεπισκόπησης.<br /> Περιγράφεται η χρήση δορυφορικών δεδομένων τηλεπισκόπησης θαλάσσιου πάγου με έμφαση στην επιχειρησιακή λειτουργία εφαρμογών. <br /> <br /> <br /> '''Παρακολούθηση μεγάλης κλίμακας'''<br /> <br /> Με τις μεθόδους της τηλεπισκόπησης παρακολουθούνται και μελετώνται η συγκέντρωση, η πυκνότητα, οι τύποι, η μετατόπιση του πάγου καθώς δίνονται παράλληλα νέοι τρόποι μέτρησης του όγκος του. (Εικ.1 &amp; Εικ.2)<br /> <br /> <br /> '''Παρακολούθηση του πάγου με δεδομένα ραντάρ συνθετικού διαφράγματος (SAR) '''<br /> <br /> Γι α τον προσδιορισμό του τυπου πάγου, την παραμόρφωση και τη μετατόπιση χρησιμοποιείται το σύστημα γεωφυσικής επεξεργασίας RADARSAT (RGPS) το οποίο παράγει τη μετατόπιση και παραμόρφωση του θαλάσσιου πάγου κι εκτιμά το πάχος από τις εικόνες RADARSAT.<br /> <br /> <br /> '''Λευκαύγεια πάγου και χιονοκάλυψη'''<br /> <br /> Αριθμητικές μελέτες μοντελοποίησης έδειξαν ότι η περιγραφή του επιφανειακού albedo είναι κρίσιμη για τη ρεαλιστική εποχιακή εξέλιξη του χιονιού και του πάχους πάγου.<br /> Για τη μελλοντική εξέλιξη του πάγου της Αρκτικής κατά τη διάρκεια του 21ου αιώνα, τα κλιματικά μοντέλα αποκλίνουν μεταξύ των προβλέψεων. Ένας λόγος γι 'αυτό είναι η ανακρίβεια της επιφάνειας του χιονιού / λευκαύγεια πάγου. <br /> Ως εκ τούτου, η δυνατότητα εκτιμήσης του albedo επιφάνειας χρησιμοποιώντας δεδομένα μικροκυμάτων θα ήταν πολύτιμη. Για τον θαλάσσιο πάγο έχει αποδειχθεί ότι<br /> τα δεδομένα SAR μπορούν να χρησιμοποιηθούν για την ανάκτηση επιφανειακού albedo,<br /> αφού η γήρανση του χιονιού και του πάγου εμφανίζεται σ’αυτό. <br /> <br /> <br /> '''Μη αυτοματοποιημένη επεξεργασία δεδομένων'''<br /> <br /> Οι υπηρεσίες θαλάσσιου πάγου παράγουν διαγράμματα με βάση μια μη αυτοματοποιημένη ερμηνεία δορυφορικών δεδομένων. Σήμερα αυτά βασίζονται κυρίως σε SAR μαζί με οπτικές εικόνες, π.χ. AVHRR και MODIS. Η ερμηνεία των δορυφορικών εικόνων και η επακόλουθη χαρτογράφηση γίνεται από έμπειρους αναλυτές. Καθώς απαιτείται λεπτομέρεια και υψηλή ποιότητα, τα μη αυτοματοποιημ διαγράμματα πάγου θεωρούνται η καλύτερη ποιοτική ελεγχόμενη πηγή πληροφοριών πάγου και χρησιμοποιούνται ως επικύρωση για αυτόματα δημιουργημένα σύνολα δεδομένων.<br /> <br /> <br /> '''Αφομοίωση δεδομένων'''<br /> <br /> Μέγιστο όφελος από όλες τις διαθέσιμες παρατηρήσεις θαλάσσιων πάγων από διαφορετικούς αισθητήρες απαιτεί τη βέλτιστη ενσωμάτωση της κάθε πηγής δεδομένων. Αν και αλγόριθμοι ανάκτησης μπορούν παρέχουν πολύτιμες πληροφορίες από μεμονωμένους δορυφόρους, δεν βοηθούν στο δύσκολο έργο της συμφιλίωσης φαινομενικά ασυνεπών πληροφοριών από πολλαπλές πηγές δεδομένων. Η αφομοίωση δεδομένων (DA) μπορεί να ενσωματώσει πληροφορίες από πολλές πηγές συμβιβάζοντας αντικειμενικά διαφορές και αμφισημίες στις παρατηρήσεις και μέσω της χρήσης αριθμητικών μοντέλων, παρέχει περισσότερο πλήρεις και φυσικά συνεπείς αναλύσεις<br /> για το θαλάσσιο πάγο και ωκεανό. Επί του παρόντος, πιο απλές παρατηρήσεις, όπως από παθητικά όργανα μικροκυμάτων παρασυρόμενα πάγου και χειροκίνητα διαγράμματα πάγου έχουν εξομοιωθεί. Επιπλέον παρατηρήσεις όπως του ενεργού ραντάρ,<br /> ραδιομετρητή και δορυφόρων καιρού θα ενσωματωθούν τα επόμενα χρόνια.<br /> <br /> <br /> '''Πρόσβαση σε δεδομένα'''<br /> <br /> Η πρόσβαση σε δορυφορικά δεδομένα μεγάλης κλίμακας σχετικά με το θαλάσσιο πάγο και <br /> τα προϊόντα που προέρχονται από αυτά τα δεδομένα είναι αρκετά εύκολη: μεγάλα<br /> λειτουργικά δεδομένα και κέντρα πληροφοριών είναι π.χ.: NSIDC , EUMETSAT OSI SAF και CERSAT. Η πρόσβαση στα δεδομένα SAR είναι δυσκολότερη λόγω των υψηλών όγκων δεδομένων και κόστους, ωστόσο, υπάρχουν μηχανισμοί παραγγελίας και πρόσβασης.<br /> <br /> [[category: Ωκεανοί και Ακτές]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

Alexandratsagdi 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%B5%CF%80%CE%B9%CF%80%CF%84%CF%8E%CF%83%CE%B5%CF%89%CE%BD_%CF%84%CF%89%CE%BD_%CF%83%CE%BF%CE%B2%CE%B1%CF%81%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CF%86%CE%B1%CE%B9%CE%BD%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CE%BC%CE%AD%CF%83%CF%89_%CF%84%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%A3%CE%B1%CE%BC%CE%BF%CE%B8%CF%81%CE%AC%CE%BA%CE%B7,_%CE%95%CE%BB%CE%BB%CE%AC%CE%B4%CE%B1 2019-03-28T18:23:28Z

<p>Alexandratsagdi: Νέα σελίδα με ''''Assessing the effects of severe weather events through remote sensing on Samothrace, Greece: applications for the management of cultural resources''' '''Daniel Plekhov...'</p> <hr /> <div>'''Assessing the effects of severe weather events through remote sensing on Samothrace, Greece: applications for the management of cultural resources'''<br /> <br /> '''Daniel Plekhov, Evan I. Levine'''<br /> <br /> '''Πηγή: [[ https://www.sciencedirect.com/science/article/pii/S2352409X18303900]]'''<br /> <br /> [[Εικόνα: A3_f1.png|thumb|right|Εικ.1: Διαφορά δείκτη NDVI μεταξύ εικόνων πριν και μετά την καταιγίδα 25-26 Σεπτεμβρίου 2017 ]]<br /> [[Εικόνα: A3_f2.png|thumb|right|Εικ.2: Έγχρωμα σύνθετα (NIR-R-G) πριν (πάνω) και μετά(κάτω) την καταιγίδα 25-26 Σεπτεμβρίου 2017 ]]<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Δορυφορικές εικόνες υψηλής χρονικής και χωρικής ανάλυσης χρησιμοποιούνται για την ανίχνευση και μελέτη των επιπτώσεων της έντονης επιφανειακής απορροής, ιδιαίτερα όσον αφορά τις προσπάθειες μετριασμού των επιπτώσεων αυτών για την προστασία των αρχαιολογικών χώρων. Εφαρμόζεται μια σχετικά νέα πηγή πολυφασματικών δορυφορικών δεδομένων που προσφέρει η ομάδα δορυφόρων PlanetScope (Planet Team, 2018),<br /> για την παρακολούθηση της πολιτιστικής κληρονομιάς σε σύντομες χρονικές κλίμακες και σε μεγαλύτερη χωρική ανάλυση από αυτήν που προσφέρουν σήμερα άλλες πηγές δεδομένων προσβάσιμες στο κοινό. Οι δορυφόροι PlanetScope έχουν χωρική ανάλυση περίπου 3 μέτρων, ταξινόμηση σε εικόνες VHR και συχνότητα καθημερινής επανεξέτασης. Ο συνδυασμός υψηλής χρονικής και χωρικής ανάλυσης καθιστά έτσι την πλατφόρμα αυτή καλά εξοπλισμένη για την παρακολούθηση βραχυπρόθεσμων γεγονότων σε σχετικά μικρές χωρικές κλίμακες. Εξετάστηκαν τα δεδομένα αυτά στο πλαίσιο δύο εκδηλώσεων καταιγίδων που έλαβαν χώρα στη νήσο Σαμοθράκη στο βορειοανατολικό Αιγαίο και εξετάστηκαν οι δυνατότητές τους να αναγνωρίσουν τις αλλαγές στο τοπίο και τις ζημιές σε χώρους πολιτιστικής κληρονομιάς που προκύπτουν από αυτά τα γεγονότα. Υποστηρίζεται ότι η συχνή παρακολούθηση των διεργασιών τοπίου μέσω δορυφορικών συστημάτων υψηλής χρονικής ανάλυσης, πριν και μετά από σοβαρά γεγονότα καταιγίδας, μπορεί να συμβάλει σε καλύτερα βαθμολογημένα μοντέλα διάβρωσης του εδάφους, πιο ενημερωμένες πρακτικές χρήσης γης και άλλες στρατηγικές πρόληψης της διάβρωσης που μπορούν να συμβάλουν στο μετριασμό περαιτέρω ζημιές σε χώρους πολιτιστικής κληρονομιάς στη Σαμοθράκη καθώς και σε άλλα πλαίσια πέραν αυτών.<br /> <br /> <br /> '''Μελέτη περιπτώσεων'''<br /> <br /> Η Σαμοθράκη βιώνει τα ζεστά, ξηρά καλοκαίρια και τους κρύους, υγρούς χειμώνες που παρατηρούνται στα νησιά του Βόρειου Αιγαίου και στην κοντινή ενδοχώρα.<br /> Το γεγονός της 17ης Ιουλίου 2017 ήταν μια ασυνήθιστη μεγάλη καταιγίδα (41mm έναντι μέσης ημερήσιας βροχόπτωσης 0,36 mm). Οι επιπτώσεις αυτής της καταιγίδας στο αρχαιολογικό τοπίο του νησιού ήταν ελάχιστες.<br /> Το γεγονός της 25ης και 26ης Σεπτεμβρίου 2017 εμφάνισε επίσης υψηλά επίπεδα βροχόπτωσης και είχε ως αποτέλεσμα μεγάλα επίπεδα ζημιών σε ολόκληρο το νησί.<br /> Οδήγησε σε εκπληκτική κατακρήμνιση 237,4 χιλιοστών στις 25 Σεπτεμβρίου η οποία μεταφέρθηκε σε επιπλέον 91,8 χιλιοστά στις 26.<br /> Σε αντίθεση με την εκδήλωση του Ιουλίου, οι επιπτώσεις στο αρχαιολογικό τοπίο ήταν σοβαρότατες. Στη βορειοανατολική ακτή του νησιού, στο στόμιο του ποταμού Φονιά, η βόρεια και δυτική πλευρά του καλοδιατηρημένου πύργου του 15ου αιώνα κατέρρευσαν λόγω αυξημένης ροής νερού από τη θύελλα. Στο Ιερό των Μεγάλων Θεών, έντονη πλημμύρα της τεράστιας και ενισχυμένης χαράδρας που χωρίζει την τοποθεσία που κατέστρεψε τις ανθρώπινες παρεμβάσεις που αποσκοπούσαν στην υποστήριξη και ενίσχυση της με την ισοπέδωση των σύγχρονων γεφυρών που καλύπτουν τη χαράδρα η οποία ξεχείλισε με αποτέλεσμα να υποχωρήσει και να διαβρωθεί το λοφώδες μονοπάτι που οδηγεί στον αρχαιολογικό χώρο από το μουσείο της Παλαιόπολης.<br /> <br /> <br /> '''Μεθοδολογία'''<br /> <br /> Έγινε διερεύνηση της αποτελεσματικότητας των υψηλής χρονικής ανάλυσης δεδομένων τηλεπισκόπησης για την ανίχνευση και την ποσοτικοποίηση των επιπτώσεων των γεγονότων καταιγίδας στη Σαμοθράκη. Χρησιμοποιήθηκαν δεδομένα που παρέχονται από την ομάδα PlanetScope (PS) 175 δορυφόρων Dove, που λειτουργούν από την Planet Remote Sensing (Planet Team, 2017). Οι μεταβολές στη βλάστηση, οι αλλούβιες αποθέσεις μπορούν να παρακολουθούνται και να ενσωματώνονται σε συνεχή έρευνα σχεδόν σε πραγματικό χρόνο. Για την παρακολούθηση αυτή έγινε σύγκριση των εικόνων πριν και μετά τη θύελλα, με βάση διαφορές στις τιμές του κανονικοποιημένου δείκτη βλάστησης (NDVI) μεταξύ των δύο ζευγών εικόνων. Ο δείκτης NDVI έχει εφαρμογές στην ανίχνευση και χαρτογράφηση κατολισθήσεων, με βάση την αρχή ότι φρέσκο χώμα ή θαμμένες επιφάνειες, όπως εκείνες που προκύπτουν από κατολισθήσεις, θα ξεχωρίζουν σε μια σειρά από εικόνες NDVI που ελήφθησαν από παρόμοιες περιόδους του έτους όταν δεν πρέπει να υπάρχουν αναμενόμενες διαφορές στις τιμές του δείκτη.<br /> Τιμές NDVI υπολογίστηκαν για κάθε εικόνα και οι τιμές πριν από την καταιγίδα αφαιρέθηκαν από τις τιμές μετά τη θύελλα. Ελάχιστη ή μηδενική μεταβολή NDVI μεταξύ δύο εικόνων αντιστοιχεί σε μη ανιχνευμένη αλλαγή επιφάνειας, ενώ τα σημεία που αντιστοιχούν σε περιοχές με διαταραγμένη βλάστηση έχουν αρνητικές τιμές. Περιοχές όπου οι τιμές NDVI αυξήθηκαν αντικατοπτρίζουν την ανάπτυξη της βλάστησης που εμφανίστηκε κατά τη διάρκεια αυτού του διαστήματος. Αυτές οι τιμές κατανοούνται καλύτερα απλά σε σχέση με το 0, δεν έχει αποδειχθεί ότι οι πιο αρνητικές τιμές αντιστοιχούν σε μεγαλύτερες ρυθμούς διάβρωσης. (Εικ.1 &amp; Εικ.2)<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> H ανάλυση των δύο συνόλων εικόνων που αντιστοιχούν στο καιρικό φαινόμενο της 17ης Ιουλίου, για τις οποίες αναμένουμε ανιχνευμένες αλλαγές στο NDVI που αντιστοιχούν σε διαταραχές που προκαλούνται από την απορροή στην επιφάνεια, απέτυχαν να ανιχνεύσουν σχετικά μεγάλες διαφορές στις τιμές NDVI που θα μπορούσαν να αποδοθούν στη θύελλα.<br /> Ανάλυση των εικόνων που αντιστοιχούν στις 25/26 Σεπτεμβρίου ωστόσο, κατάφερε να επισημάνει ιδιαίτερα τις διαταραχές που έπληξαν σοβαρότερα τους αρχαιολογικούς χώρους του νησιού. <br /> Ωστόσο, οι λόγοι για τους οποίους η εκδήλωση της 17ης Ιουλίου δεν παρήγαγε<br /> ανιχνεύσιμες διαταραχές, παρά τα τεκμηριωμένα στοιχεία επί τόπου, πιθανότατα οφείλεται σε μεγάλο βαθμό στην ανάλυση της εικόνας και του μεγέθους βροχοπτώσεων. <br /> Ίσως οι διαταραχές ήταν αρκετά μικρές ώστε να μην ανιχνεύεται από την ανάλυση 3m της εικόνας ή ίσως οι διαταραχές διαγράφηκαν στο διήμερο διάστημα μεταξύ της καταιγίδας και της συλλογής των εικόνων. Τέλος, πρέπει να σημειωθεί ότι η μεθοδολογία που χρησιμοποιείται εδώ έχει σχεδιαστεί για την ανίχνευση των αλλαγών στη βλάστηση, είτε από διάβρωση ή απόθεση, έτσι ώστε αυτή η προσέγγιση να μην είναι ευαίσθητη στις αλλαγές που προκύπτουν από διεργασίες επιφάνειας σε χτισμένα περιβάλλοντα<br /> χωρίς προηγούμενη φυτοκάλυψη. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Ανθρωπογενώς προκαλούμενη απορροή και διάβρωση γίνεται όλο και περισσότερο σημαντικό να μελετηθεί αφού η κατοίκηση και εκμετάλλευση σε ορεινές περιοχές επεκτείνονται, θέτοντας σε κίνδυνο μεγαλύτερο αριθμό ατόμων. Ως εκ τούτου, αν και τα καιρικά φαινόμενα όπως αυτά που έλαβαν χώρα στη Σαμοθράκη το καλοκαίρι του 2017 είναι σπάνια, οι επιπτώσεις τους είναι σημαντικές και αναπτύσσουν μέτρα πρόβλεψης και η πρόληψη μελλοντικών ζημιών είναι κρίσιμη. Προβλέψεις ζημιών από τα καιρικά φαινόμενα είναι δύσκολο, ωστόσο, ιδιαίτερα σε τέτοιες δυναμικές και τα τοπογραφικά μεταβαλλόμενα πλαίσια όπως η Σαμοθράκη. Η ποικιλία παραγόντων που συμβάλλουν στη διάβρωση και των διαφόρων χωρικών και οι χρονικές κλίμακες στις οποίες το κάνουν, κάνουν τη μοντελοποίηση και πρόβλεψη ροής χερσαίων υδάτων, διάβρωση και εναπόθεση ιζημάτων δύσκολη χωρίς αυστηρές δοκιμές και μακρόχρονη μελέτη. Ενώ υπάρχουν διάφορα μοντέλα για την πρόβλεψη της επιφανειακής απορροής, της διάβρωσης και της εναπόθεσης, τα περισσότερα απαιτούν τοπική βαθμονόμηση και παραμόρφωση εδάφους.<br /> <br /> [[category: Εκτίμηση καταστροφών από καταιγίδες]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

Alexandratsagdi http://147.102.106.44/rs/wiki/index.php/%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_%CE%B7%CF%86%CE%B1%CE%B9%CF%83%CF%84%CE%B5%CE%AF%CF%89%CE%BD_%CE%BC%CE%B5_%CE%B1%CE%B9%CF%83%CE%B8%CE%B7%CF%84%CE%AE%CF%81%CE%B1_VIIRS_(Nightfire) 2019-03-28T18:16:25Z

<p>Alexandratsagdi: Νέα σελίδα με '''' VIIRS Nightfire Remote Sensing Volcanoes ''' '''Grigory M. Trifonov, Mikhail N. Zhizhin, Dmitry V. Melnikov, Alexey A. Poyda ''' ''' Πηγή: [[ https://www.sci...'</p> <hr /> <div>''' VIIRS Nightfire Remote Sensing Volcanoes '''<br /> <br /> <br /> '''Grigory M. Trifonov, Mikhail N. Zhizhin, Dmitry V. Melnikov, Alexey A. Poyda '''<br /> <br /> <br /> ''' Πηγή: [[ https://www.sciencedirect.com/science/article/pii/S1877050917323992]]'''<br /> <br /> <br /> [[Εικόνα: A2_f1.png|thumb|right|Εικ.1: Ανίχνευση της ηφαιστειακής δραστηριότητας που χρωματίζεται από τη θερμοκρασία (κυανότερο ψυχρό, κόκκινο καυτό) γύρω από τα ηφαίστεια Sheveluch (πάνω), Tolbachik (κάτω),Klyuchevskaya Sopka (μέση). Με βάση τα δεδομένα Nightfire 2012-2016]]<br /> <br /> '''Εισαγωγή'''<br /> <br /> Η ιστορία των δορυφορικών παρατηρήσεων σχετικά με την ηφαιστειακή δραστηριότητα εκτείνεται μέχρι το 1965. Τα πλεονεκτήματα μιας τέτοιας προσέγγισης είναι προφανή: καλή κάλυψη, περιλαμβανομένης της δυσκολίας πρόσβασης σε περιοχές, τακτικότητα, αποδοτικότητα κόστους (λαμβάνοντας υπόψη την κάλυψη).Ο νέος αισθητήρας VIIRS που χρησιμοποιείται για την παρακολούθηση των ηφαιστείων ξεκίνησε επί του σκάφους της Suomi-NPP, ο δορυφόρος έχει καλύτερη ανάλυση και ακρίβεια από τον MODIS και κατά συνέπεια ακριβέστερο φασματογράφημα της παρατηρούμενης πηγής, καθιστώντας έτσι δυνατή την εκτίμηση πρόσθετων χαρακτηριστικών πηγής,όπως η θερμοκρασία.Ο Nightfire είναι ο πρώτος αλγόριθμος που εκμεταλλεύεται επιτυχώς τους αισθητήρες νέας γενιάς. Ο αλγόριθμος χρησιμοποιεί VIIRS νυχτερινά δεδομένα για την ανίχνευση και την εκτίμηση των χαρακτηριστικών των υπέρυθρων πηγών μεγέθους υποεικονοστοιχείου, επίσης χρησιμοποιεί πλήθος υπέρυθρων ζωνών (από βραχύ κύμα έως μακρύ κύμα) όπως και το ορατό φάσμα.<br /> <br /> <br /> '''Ανίχνευση θερμοκρασιακών ανωμαλιών με VIIRS Nightfire'''<br /> <br /> Για να ανιχνεύσει και να εκτιμήσει τα χαρακτηριστικά των &quot;hotspots&quot; στη νυχτερινή πλευρά της Γης o Nightfire χρησιμοποιεί το υπέρυθρο φάσμα από 1 έως 12 μm. Ο αλγόριθμος χρησιμοποιεί τα δεδομένα από το υπέρυθρο πολυφασματικό ραδιόμετρο<br /> VIIRS. Παρατηρήθηκε ότι κατά τη διάρκεια της νύχτας τα &quot;hotspots&quot; μπορεί να παρατηρηθούν σε υπέρυθρες ακτίνες μικρού κύματος (SWIR) με τo καλύτερo χαρακτηριστικό λόγο σήμα-προς-θόρυβο (SNR) και συγκεκριμένα χρησιμοποιείται η διαφορά SNR μεταξύ SWIR (ζώνες M7, M8 και M10) και MWIR (ζώνες Μ12 και Μ13). Στις εικόνες με φως ημέρας σε αυτό το εύρος το σήμα από &quot;hotspots&quot; εξουδετερώνεται από την ηλιακή ακτινοβολία, επομένως τα &quot;hotspots&quot; είναι μη ανιχνεύσιμα στο SWIR στις μέσες χωρικές αναλύσεις του 1kmpp. <br /> Ωστόσο, τα &quot;hotspots&quot; στο MWIR παρατηρούνται πάντα με τη θερμότητα από τη γήινη<br /> επιφάνεια και τα σύννεφα, τα οποία επηρεάζουν δραστικά την ευαισθησία τόσο για τις εκτιμήσεις μεγέθους όσο και για τις θερμοκρασίες των ανιχνευόμενων πηγών καύσης.<br /> Ο αλγόριθμος ανίχνευσης με βάση το MWIR διαχωρίζει το σήμα &quot;hotspot&quot; από το θερμικό σήμα υποβάθρου από το ψυχρότερο ανάγλυφο, το νερό και τα σύννεφα. Η μέθοδος χρησιμοποιεί συσχετισμό τιμών μεταξύ γειτονικών ζωνών M12 και M13.<br /> Λόγω των υψηλών ευαισθησιών ανίχνευσης IR πηγών, ο Nightfire παράγει σημαντικά ποσά δεδομένων σημείων για κάθε βράδυ (20 χιλιάδες κατά μ.ο.)που περιλαμβάνουν τόσο &quot;καυτά&quot; (ηλεκτρικά φώτα, φλόγες αερίου) όσο και &quot;ζεστά&quot; (πυρκαγιές, ηφαίστεια, παραγωγή υψηλής θερμοκρασίας).<br /> Η χωροχρονική συνάθροιση των παρατηρήσεων καθιστά δυνατή την εκτίμηση της θέσης μιας πηγής θερμότητας με ακρίβεια 50 m. Η υποδειγματοληψία και η συνάθροιση δεδομένων για σταθερές πηγές όπως τα ηφαίστεια μπορούν να χρησιμοποιηθούν για παρακολούθηση πηγής. (Εικ. 1)<br /> <br /> <br /> '''Παρακολούθηση της ηφαιστειακής δραστηριότητας με Nightfire''' <br /> <br /> Για την παρακολούθηση των ηφαιστειακών εκρήξεων χρησιμοποιήθηκε η ακολουθία: 1. Ανάκτηση δορυφορικών δεδομένων (είτε από σταθμούς βάσης είτε από διακομιστές NOAA) 2. Ανίχνευση &quot;hotspot&quot; Nightfire 3. Ομαδοποίηση σε &quot;hotspots&quot; 4. Προσδιορισμός συμβάντων 5. Αναφορά γεγονότων ηφαιστειακής δραστηριότητας.<br /> Η ομαδοποίηση επιτυχώς διαχωριζόμενων ανιχνεύσεων για δύο κοντινά ηφαίστεια, το Klyuchevskaya Sopka και το Bezymianny (απόσταση μεταξύ: 10km) είναι μια σημαντική διαφορά της προτεινόμενης μεθόδου από τις εναλλακτικές λύσεις οι οποίες αντιγράφουν στατιστικά στοιχεία για τα δύο ηφαίστεια.<br /> <br /> <br /> '''Συμπεράσματα και μελλοντική εργασία'''<br /> <br /> Κατά τη διάρκεια του έτους λειτουργίας η ηφαιστειακή δραστηριότητα ανίχνευσε 9074 γεγονότα, μερικά από τα μεγαλύτερα εκ των οποίων αποδόθηκαν στη δραστηριότητα των ηφαιστείων. Σημαντικές δυσκολίες προκλήθηκαν από το γεγονός ότι οι καλοκαιρινές νύχτες είναι σύντομες και φωτεινές στο Kamchatka, το οποίο προσθέτει πολύ θόρυβο. Ο αλγόριθμος πρέπει να αντιμετωπίσει αυτό το ζήτημα.<br /> Χρησιμοποιήθηκε ο αλγόριθμος Nightfire για να ανιχνεύσει πηγές υπέρυθρης ακτινοβολίας και να τους αποδώσει ηφαιστειακή δραστηριότητα. Αυτό οδήγησε στη δημιουργία ενός πρωτοποριακού συστήματος παρακολούθησης έκρηξης ηφαιστείων, το οποίο σε αντίθεση με το προηγούμενο όχι μόνο δεν απαιτεί συγκεκριμένο συντονισμό για να μην αναμειγνύεται η απόδοση της θερμικής ανωμαλίας, αλλά παρέχει εκτεταμένες πληροφορίες, όπως θερμοκρασία και περιοχή.<br /> Το πρωτότυπο σύστημα λειτουργούσε μόνο στην περιορισμένη περιοχή της Καμτσάτκα. Οι μελλοντικές εργασίες θα επεκτείνουν την κάλυψη σε ολόκληρη τη Γη.<br /> Στο πλησιέστερο μέλλον αναμένεται να ενεργοποιηθεί η πρόσθετη ζώνη M11 (2,1 μm) στο VIIRS τη νύχτα. Το κανάλι είναι κοντά στο μέγιστο μήκος κύματος της κλίμακας θερμοκρασιών που είναι κοινή για τη θερμική δραστηριότητα των ηφαιστείων, σημαντικό για την αύξηση της ποιότητας της παρακολούθησης. <br /> <br /> <br /> [[category:Ηφαίστεια]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

Alexandratsagdi http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B5%CF%87%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1_%CE%B4%CE%B9%CE%B1%CF%83%CF%84%CE%AE%CE%BC%CE%B1%CF%84%CE%BF%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%B1%CF%81%CF%87%CE%B1%CE%B9%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE_%CE%AD%CF%81%CE%B5%CF%85%CE%BD%CE%B1_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7_%CE%B4%CE%B9%CE%B1%CF%87%CE%B5%CE%AF%CF%81%CE%B9%CF%83%CE%B7_%CF%80%CE%BF%CE%BB%CE%B9%CF%84%CE%B9%CF%83%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CF%8C%CF%81%CF%89%CE%BD_%CF%83%CE%B5_%CE%B7%CE%BC%CE%B9%CE%AC%CE%BD%CF%85%CE%B4%CF%81%CE%B5%CF%82_%CE%BA%CE%B9_%CE%B5%CF%81%CE%B7%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CE%B7%CE%BC%CE%AD%CE%BD%CE%B5%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AD%CF%82 2019-03-28T18:11:15Z

<p>Alexandratsagdi: </p> <hr /> <div>'''Space technologies in archaeological research &amp; CRM of semi-arid &amp; desertification affected regions. Examples from China &amp; Greece'''<br /> <br /> ''' Apostolos Sarris, Sofia Topouzi , Eleni Chatziiordanou , Jianguo Liu, Lianggao Xu '''<br /> <br /> '''Πηγή:[[http://www.academia.edu/1516813/SPACE_TECHNOLOGIES_IN_ARCHAEOLOGICAL_RESEARCH_and_CRM_OF_SEMIARID_and_DESERTIFICATION_AFFECTED_REGIONS._EXAMPLES_FROM_CHINA_and_GREECE]]'''<br /> <br /> [[Εικόνα: A1_f1_.png|thumb|right|Εικ.1: Θεματικοί χάρτες βροχόπτωσης των δεκαετιών 1951-1960 (πάνω), 1971-1980 (μέση) , 1991-2000 (κάτω)]]<br /> [[Εικόνα: A1_f2.jpg|thumb|right|Εικ.2: Σχεδιασμός μοντέλου εντοπισμού περιοχών που βρίσκονται σε κίνδυνο]]<br /> [[Εικόνα: A1_f3_.jpg|thumb|right|Εικ.3: Σύνθεση αεροφωτογραφίας και εικόνας Landsat TM της περιοχής]]<br /> <br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Οι τεχνικές της δορυφορικής τηλεπισκόπησης και των ΓΠΣ χρησιμοποιήθηκαν στην αρχαιολογική έρευνα και την έρευνα για τη διαχείριση πολιτιστικών πόρων σε περιοχές ερημοποιημένες και ημιάνυδρες. Οι περιοχές μελέτης που επιλέχθηκαν είναι η περιοχή του Λασιθίου στην Ελλάδα και Zhouyuan στην Κίνα. Η έρευνα έγινε με βάση πρόσφατη χαρτογράφηση με ψηφιοποίηση των δεδομένων , χρήση του Γεωγραφικού Συστήματος Εντοπισμού και τη δημιουργία ψηφιακού αρχαιολογικού χάρτη μέσω Web-GIS. Χρησιμοποιήθηκαν δορυφορικές εικόνες SPOT και Landsat TM για την εύρεση της φασματικής υπογραφής των αρχαιολογικών χώρων. Με χρήση ΓΠΣ σε συνδυασμό με τα γεωμορφολογικά, γεωλογικά, περιβαλλοντικά και πολιτιστικά στοιχεία των περιοχών ορίστηκαν οι αρχαιολογικοί χώροι που βρίσκονται σε κίνδυνο λόγω περιβαλλοντικών ή και ανθρωπογενών παραγόντων.<br /> <br /> '''2. Η περίπτωση της περιοχής του Λασιθίου (Ελλάδα)'''<br /> <br /> Η έρευνα έγινε κατά κύριο λόγο για να καλύψει την ανάγκη για δημιουργία ενός μοντέλου για τη διαχείριση πολιτιστικών πόρων (Cultural Resources Management)<br /> Βασικός άξονας υπήρξε η εκτίμηση κινδύνου των αρχαιολογικών χώρων από φυσικά, περιβαλλοντικά και ανθρωπογενή αίτια όπως σεισμική δραστηριότητα, πυρκαγιές , διάβρωση εδάφους , χρήσεις γης, γεωλογικά χαρακτηριστικά, το κλίμα της περιοχής, τον πληθυσμό και την τουριστική εκμετάλλευση.<br /> <br /> Μέθοδοι - Αποτελέσματα<br /> Δημιουργήθηκαν θεματικοί χάρτες λαμβάνοντας υπ’οψη τη μέση και μέγιστη θερμοκρασία, υγρασία και βροχόπτωση των τελευταίων δεκαετιών. Με χρήση της μεθόδου παρεμβολής Kriging προκύπτει ότι η τάση που υπάρχει στην περιοχή είναι να μειώνονται τα επίπεδα βροχόπτωσης και αντίστοιχα να αυξάνεται η θερμοκρασία, βασικοί παράγοντες που οδηγούν σε ερημοποίηση. (Εικ. 1)<br /> Λήφθηκαν δεδομένα της σεισμικής δραστηριότητας των τελευταίων δεκαετιών. Απλοποιημένο μοντέλο με χρήση κυκλικών ζωνών διαφορετικής ακτίνας για κάθε κατηγορία μεγέθους σεισμικότητας, υπέδειξε τις περιοχές που επηρεάστηκαν σοβαρά από σεισμό . Το ποσοστό των αρχαιολογικών χώρων που βρίσκονται σε περιοχές υψηλής σεισμικής επικινδυνότητας ανήλθε στο 76,67%. <br /> Η μοντελοποίηση των αρχαιολογικών περιοχών που βρίσκονται σε κίνδυνο έγινε με χρήση δυαδικών υπολογισμών και σταθμισμένων διαδικασιών. Η κατηγοριοποίηση των δεδομένων έγινε με βάση τις παραμέτρους κινδύνου ( ανθρωπογενείς, διάβρωση, σεισμική δραστηριότητα κα). Η χωρική συσχέτιση των αρχαιολογικών χώρων και γεωλογικών δεδομένων και χρήσης γης έδειξε ότι ένα μεγάλο ποσοστό (34,73%) βρίσκεται σε κίνδυνο λόγω εντεταμένης αγροτικής εκμετάλλευσης. (Εικ. 2)<br /> <br /> '''3. Η περίπτωση της περιοχής Zhouyuan (Κίνα)'''<br /> <br /> Για εντοπισμό αρχαιολογικών ευρημάτων χρησιμοποιήθηκαν εικόνες Landsat TM και αεροφωτογραφίες καθώς έγινε και φωτογραμμετρική αποτύπωση της περιοχής, η οποία είχε οικοδομηθεί κυρίως από πλίνθους.<br /> Μέθοδοι - Αποτελέσματα<br /> Το συμπιεσμένο χώμα που είχε χρησιμεύσει ως οικοδομικό υλικό της περιοχής εμφανίζει μικρότερα ποσοστά υγρασίας σε σχέση με το περιβάλλον έδαφος. Ελλείψει καλλιεργειών η περιοχή δεν είχε κάποια άλλη κάλυψη οπότε έγινε διαχωρισμός του είδους εδάφους από εικόνες Landsat TM αφού για τις περιοχές του φάσματος εγγύς υπέρυθρο και μέσο υπέρυθρο ( κανάλια 4,5,7 ) μπορούν να γίνουν ορατές διαφορές στο έδαφος που οφείλονται σε διαφορετικά ποσοστά υγρασίας. Με άλλο συνδυασμό καναλιών των ίδιων εικόνων και μεθόδους ενίσχυσης εικόνας εντοπίστηκαν αρκετά γραμμικά στοιχεία με μεγάλη ανακλαστικότητα, αφού ήταν ξηρότερα από το υπόλοιπο έδαφος και ταυτοποιήθηκαν ως τμήματα της αρχαίας πόλης. (Εικ. 3)<br /> Γεωδαιτικοί σταθμοί υψηλής ακρίβειας χρησιμοποιήθηκαν για να δημιουργηθεί φωτογραμμετρικά ένας νέος χάρτης της περιοχής. Οι συντεταγμένες εδάφους σε συνδυασμό με στερεοσκοπικές φωτογραφίες έδωσαν ένα τριδιάστατο μοντέλο , από το οποίο τα διαφορετικά τοπογραφικά επίπεδα (ισοϋψείς, ποτάμια, δρόμοι, σύγχρονοι οικισμοί , στεροσκοπικές φωτογραφίες) εισήχθησαν σε περιβάλλον GIS κι έδωσαν ένα διαδραστικό χάρτη της περιοχής.<br /> <br /> [[category:Αρχαιολογία]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

Alexandratsagdi http://147.102.106.44/rs/wiki/index.php/%CE%A4%CE%B5%CF%87%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1_%CE%B4%CE%B9%CE%B1%CF%83%CF%84%CE%AE%CE%BC%CE%B1%CF%84%CE%BF%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%B1%CF%81%CF%87%CE%B1%CE%B9%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CE%BA%CE%AE_%CE%AD%CF%81%CE%B5%CF%85%CE%BD%CE%B1_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7_%CE%B4%CE%B9%CE%B1%CF%87%CE%B5%CE%AF%CF%81%CE%B9%CF%83%CE%B7_%CF%80%CE%BF%CE%BB%CE%B9%CF%84%CE%B9%CF%83%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CF%8C%CF%81%CF%89%CE%BD_%CF%83%CE%B5_%CE%B7%CE%BC%CE%B9%CE%AC%CE%BD%CF%85%CE%B4%CF%81%CE%B5%CF%82_%CE%BA%CE%B9_%CE%B5%CF%81%CE%B7%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CE%B7%CE%BC%CE%AD%CE%BD%CE%B5%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AD%CF%82 2019-03-28T17:56:36Z

<p>Alexandratsagdi: Νέα σελίδα με ''''Space technologies in archaeological research &amp; CRM of semi-arid &amp; desertification affected regions. Examples from China &amp; Greece''' ''' Apostolos Sarris, Sofia Topouz...'</p> <hr /> <div>'''Space technologies in archaeological research &amp; CRM of semi-arid &amp; desertification affected regions. Examples from China &amp; Greece'''<br /> <br /> ''' Apostolos Sarris, Sofia Topouzi , Eleni Chatziiordanou , Jianguo Liu, Lianggao Xu '''<br /> '''Πηγή:[[http://www.academia.edu/1516813/SPACE_TECHNOLOGIES_IN_ARCHAEOLOGICAL_RESEARCH_and_CRM_OF_SEMIARID_and_DESERTIFICATION_AFFECTED_REGIONS._EXAMPLES_FROM_CHINA_and_GREECE]]'''<br /> <br /> [[Εικόνα: A1_f1_.png|thumb|right|]]<br /> [[Εικόνα: A1_f2.jpg|thumb|right|]]<br /> [[Εικόνα: A1_f3_.jpg|thumb|right|]]<br /> <br /> '''1. Εισαγωγή'''<br /> <br /> Οι τεχνικές της δορυφορικής τηλεπισκόπησης και των ΓΠΣ χρησιμοποιήθηκαν στην αρχαιολογική έρευνα και την έρευνα για τη διαχείριση πολιτιστικών πόρων σε περιοχές ερημοποιημένες και ημιάνυδρες. Οι περιοχές μελέτης που επιλέχθηκαν είναι η περιοχή του Λασιθίου στην Ελλάδα και Zhouyuan στην Κίνα. Η έρευνα έγινε με βάση πρόσφατη χαρτογράφηση με ψηφιοποίηση των δεδομένων , χρήση του Γεωγραφικού Συστήματος Εντοπισμού και τη δημιουργία ψηφιακού αρχαιολογικού χάρτη μέσω Web-GIS. Χρησιμοποιήθηκαν δορυφορικές εικόνες SPOT και Landsat TM για την εύρεση της φασματικής υπογραφής των αρχαιολογικών χώρων. Με χρήση ΓΠΣ σε συνδυασμό με τα γεωμορφολογικά, γεωλογικά, περιβαλλοντικά και πολιτιστικά στοιχεία των περιοχών ορίστηκαν οι αρχαιολογικοί χώροι που βρίσκονται σε κίνδυνο λόγω περιβαλλοντικών ή και ανθρωπογενών παραγόντων.<br /> <br /> '''2. Η περίπτωση της περιοχής του Λασιθίου (Ελλάδα)'''<br /> <br /> Η έρευνα έγινε κατά κύριο λόγο για να καλύψει την ανάγκη για δημιουργία ενός μοντέλου για τη διαχείριση πολιτιστικών πόρων (Cultural Resources Management)<br /> Βασικός άξονας υπήρξε η εκτίμηση κινδύνου των αρχαιολογικών χώρων από φυσικά, περιβαλλοντικά και ανθρωπογενή αίτια όπως σεισμική δραστηριότητα, πυρκαγιές , διάβρωση εδάφους , χρήσεις γης, γεωλογικά χαρακτηριστικά, το κλίμα της περιοχής, τον πληθυσμό και την τουριστική εκμετάλλευση.<br /> <br /> Μέθοδοι - Αποτελέσματα<br /> Δημιουργήθηκαν θεματικοί χάρτες λαμβάνοντας υπ’οψη τη μέση και μέγιστη θερμοκρασία, υγρασία και βροχόπτωση των τελευταίων δεκαετιών. Με χρήση της μεθόδου παρεμβολής Kriging προκύπτει ότι η τάση που υπάρχει στην περιοχή είναι να μειώνονται τα επίπεδα βροχόπτωσης και αντίστοιχα να αυξάνεται η θερμοκρασία, βασικοί παράγοντες που οδηγούν σε ερημοποίηση. (Εικ. 1)<br /> Λήφθηκαν δεδομένα της σεισμικής δραστηριότητας των τελευταίων δεκαετιών. Απλοποιημένο μοντέλο με χρήση κυκλικών ζωνών διαφορετικής ακτίνας για κάθε κατηγορία μεγέθους σεισμικότητας, υπέδειξε τις περιοχές που επηρεάστηκαν σοβαρά από σεισμό . Το ποσοστό των αρχαιολογικών χώρων που βρίσκονται σε περιοχές υψηλής σεισμικής επικινδυνότητας ανήλθε στο 76,67%. <br /> Η μοντελοποίηση των αρχαιολογικών περιοχών που βρίσκονται σε κίνδυνο έγινε με χρήση δυαδικών υπολογισμών και σταθμισμένων διαδικασιών. Η κατηγοριοποίηση των δεδομένων έγινε με βάση τις παραμέτρους κινδύνου ( ανθρωπογενείς, διάβρωση, σεισμική δραστηριότητα κα). Η χωρική συσχέτιση των αρχαιολογικών χώρων και γεωλογικών δεδομένων και χρήσης γης έδειξε ότι ένα μεγάλο ποσοστό (34,73%) βρίσκεται σε κίνδυνο λόγω εντεταμένης αγροτικής εκμετάλλευσης. (Εικ. 2)<br /> <br /> '''3. Η περίπτωση της περιοχής Zhouyuan (Κίνα)'''<br /> <br /> Για εντοπισμό αρχαιολογικών ευρημάτων χρησιμοποιήθηκαν εικόνες Landsat TM και αεροφωτογραφίες καθώς έγινε και φωτογραμμετρική αποτύπωση της περιοχής, η οποία είχε οικοδομηθεί κυρίως από πλίνθους.<br /> Μέθοδοι - Αποτελέσματα<br /> Το συμπιεσμένο χώμα που είχε χρησιμεύσει ως οικοδομικό υλικό της περιοχής εμφανίζει μικρότερα ποσοστά υγρασίας σε σχέση με το περιβάλλον έδαφος. Ελλείψει καλλιεργειών η περιοχή δεν είχε κάποια άλλη κάλυψη οπότε έγινε διαχωρισμός του είδους εδάφους από εικόνες Landsat TM αφού για τις περιοχές του φάσματος εγγύς υπέρυθρο και μέσο υπέρυθρο ( κανάλια 4,5,7 ) μπορούν να γίνουν ορατές διαφορές στο έδαφος που οφείλονται σε διαφορετικά ποσοστά υγρασίας. Με άλλο συνδυασμό καναλιών των ίδιων εικόνων και μεθόδους ενίσχυσης εικόνας εντοπίστηκαν αρκετά γραμμικά στοιχεία με μεγάλη ανακλαστικότητα, αφού ήταν ξηρότερα από το υπόλοιπο έδαφος και ταυτοποιήθηκαν ως τμήματα της αρχαίας πόλης. (Εικ. 3)<br /> Γεωδαιτικοί σταθμοί υψηλής ακρίβειας χρησιμοποιήθηκαν για να δημιουργηθεί φωτογραμμετρικά ένας νέος χάρτης της περιοχής. Οι συντεταγμένες εδάφους σε συνδυασμό με στερεοσκοπικές φωτογραφίες έδωσαν ένα τριδιάστατο μοντέλο , από το οποίο τα διαφορετικά τοπογραφικά επίπεδα (ισοϋψείς, ποτάμια, δρόμοι, σύγχρονοι οικισμοί , στεροσκοπικές φωτογραφίες) εισήχθησαν σε περιβάλλον GIS κι έδωσαν ένα διαδραστικό χάρτη της περιοχής.<br /> <br /> [[category:Αρχαιολογία]]<br /> [[category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο)]]</div>

Alexandratsagdi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:A6_f2.png 2019-03-28T12:16:55Z

<p>Alexandratsagdi: Εικ.2: Βάθος Secchi (βάθος όπου η ανάκλαση ισούται με την ένταση του φωτός που εκπέμπεται από το νερό) του άνω κόλπου Chesapeake και αρκετοί παραπότα�</p> <hr /> <div>Εικ.2: Βάθος Secchi (βάθος όπου η ανάκλαση ισούται με την ένταση του φωτός που εκπέμπεται από το νερό) του άνω κόλπου Chesapeake και αρκετοί παραπόταμοι από Landsat OLI (αριστερά) και η ίδια σκηνή σε πραγματικό χρώμα (δεξιά) για την 13η Απριλίου 2016</div>

Alexandratsagdi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:A6_f1.png 2019-03-28T12:15:59Z

<p>Alexandratsagdi: Εικ. 1.Εικόνες Landsat 8 που δείχνουν αλλαγές στο NDVI κατά τη διάρκεια της καλλιεργητικής περιόδου 2017, προωθώντας την παγκόσμια επισιτιστική ασφ�</p> <hr /> <div>Εικ. 1.Εικόνες Landsat 8 που δείχνουν αλλαγές στο NDVI κατά τη διάρκεια της καλλιεργητικής περιόδου 2017, προωθώντας την παγκόσμια επισιτιστική ασφάλεια στο επίπεδο του αγρού.</div>

Alexandratsagdi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:A5_f1.png 2019-03-28T12:15:24Z

<p>Alexandratsagdi: Εικ.1: Συσχέτιση μεταξύ των τριών δεικτών ξηρασίας από το Σεπτέμβριο έως τον Μάιο μεταξύ 2007 και 2018.</p> <hr /> <div>Εικ.1: Συσχέτιση μεταξύ των τριών δεικτών ξηρασίας από το Σεπτέμβριο έως τον Μάιο μεταξύ 2007 και 2018.</div>

Alexandratsagdi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:A4_f2.png 2019-03-28T12:12:34Z

<p>Alexandratsagdi: Εικ.2. Πάχος πάγου θαλάσσης από το ICESat. (α) Χωρικό πεδίο πάχους πάγου από δεδομένα ICESat που αποκτήθηκαν σε διάστημα 35 ημερών, μεταξύ Οκτωβρίου �</p> <hr /> <div>Εικ.2. Πάχος πάγου θαλάσσης από το ICESat. (α) Χωρικό πεδίο πάχους πάγου από δεδομένα ICESat που αποκτήθηκαν σε διάστημα 35 ημερών, μεταξύ Οκτωβρίου και Νοεμβρίου 2005 (ON05). β) Το ίδιο με το στοιχείο α), αλλά τα στοιχεία που αποκτήθηκαν τον Φεβρουάριο και τον Μάρτιο του 2006(FM06). γ) Συνολικές κατανομές πάχους πάγου στη λεκάνη της Αρκτικής σε ON05 (μαύρη) και FM05 (κόκκινη). δ) Κατανομές πάχους της ζώνης πολυετούς θαλάσσιου πάγου. ε) Κατανομές πάχους της ζώνης πάγου του πρώτου έτους</div>

Alexandratsagdi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:A4_f1.png 2019-03-28T12:11:04Z

<p>Alexandratsagdi: Εικ.1: &quot;Παρασυρόμενος πάγος της Αρκτικήςαπό 24 έως 30 Απριλίου 2007. Η απόσταση του πλέγματος είναι 62,5 χλμ. Τα διανύσματα μετατόπισης μικρότερης </p> <hr /> <div>Εικ.1: &quot;Παρασυρόμενος πάγος της Αρκτικήςαπό 24 έως 30 Απριλίου 2007. Η απόσταση του πλέγματος είναι 62,5 χλμ. Τα διανύσματα μετατόπισης μικρότερης από ένα εικονοστοιχείο σημειώνονται με σταυρό. Με κόκκινο χρώμα: πανομοιότυπο διάνυσμα παρασυρόμενων για τα τρία προϊόντα, σε πράσινο χρώμα: πανομοιότυπος φορέας παρασυρόμενων για δύο προϊόντα, με μπλε χρώμα: επιλογή ή επικύρωση ενός μόνο μεταφορικού διανύσματος.</div>

Alexandratsagdi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:A3_f2.png 2019-03-28T12:09:44Z

<p>Alexandratsagdi: Εικ.2: Έγχρωμα σύνθετα (NIR-R-G) πριν (πάνω) και μετά(κάτω) την καταιγίδα 25-26 Σεπτεμβρίου 2017</p> <hr /> <div>Εικ.2: Έγχρωμα σύνθετα (NIR-R-G) πριν (πάνω) και μετά(κάτω) την καταιγίδα 25-26 Σεπτεμβρίου 2017</div>

Alexandratsagdi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:A3_f1.png 2019-03-28T12:08:40Z

<p>Alexandratsagdi: Εικ.1: Διαφορά δείκτη NDVI μεταξύ εικόνων πριν και μετά την καταιγίδα 25-26 Σεπτεμβρίου 2017</p> <hr /> <div>Εικ.1: Διαφορά δείκτη NDVI μεταξύ εικόνων πριν και μετά την καταιγίδα 25-26 Σεπτεμβρίου 2017</div>

Alexandratsagdi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:A2_f1.png 2019-03-28T12:07:36Z

<p>Alexandratsagdi: Εικ.1: Ανίχνευση της ηφαιστειακής δραστηριότητας που χρωματίζεται από τη θερμοκρασία (κυανότερο ψυχρό, κόκκινο καυτό) γύρω από τα ηφαίστεια</p> <hr /> <div>Εικ.1: Ανίχνευση της ηφαιστειακής δραστηριότητας που χρωματίζεται από τη θερμοκρασία (κυανότερο ψυχρό, κόκκινο καυτό) γύρω από τα ηφαίστεια Sheveluch (πάνω), Tolbachik (κάτω),Klyuchevskaya Sopka (μέση). Με βάση τα δεδομένα Nightfire 2012-2016</div>

Alexandratsagdi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:A1_f3_.jpg 2019-03-27T17:07:19Z

<p>Alexandratsagdi: Εικ.3: Σύνθεση αεροφωτογραφίας και εικόνας Landsat TM της περιοχής</p> <hr /> <div>Εικ.3: Σύνθεση αεροφωτογραφίας και εικόνας Landsat TM της περιοχής</div>

Alexandratsagdi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:A1_f2.jpg 2019-03-27T17:05:18Z

<p>Alexandratsagdi: Εικ.2: Σχεδιασμός μοντέλου εντοπισμού περιοχών που βρίσκονται σε κίνδυνο</p> <hr /> <div>Εικ.2: Σχεδιασμός μοντέλου εντοπισμού περιοχών που βρίσκονται σε κίνδυνο</div>

Alexandratsagdi http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:A1_f1_.png 2019-03-27T17:03:38Z

<p>Alexandratsagdi: Εικ.1: Θεματικοί χάρτες βροχόπτωσης των δεκαετιών 1951-1960 (πάνω), 1971-1980 (μέση) , 1991-2000 (κάτω)</p> <hr /> <div>Εικ.1: Θεματικοί χάρτες βροχόπτωσης των δεκαετιών <br /> 1951-1960 (πάνω), 1971-1980 (μέση) , 1991-2000 (κάτω)</div>

Alexandratsagdi