http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Alexopoulou_Nefeli&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%2FAlexopoulou_Nefeli 2026-04-12T04:39:25Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%80%CE%BF%CE%BB%CF%85%CE%B5%CF%83%CF%84%CE%B9%CE%B1%CE%BA%CE%AD%CF%82_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_Landsat_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B1%CF%87%CE%B5%CE%AF%CE%B1_%CE%B1%CE%BD%CE%B1%CE%B3%CE%BD%CF%8E%CF%81%CE%B9%CF%83%CE%B7_%CE%B5%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CE%BB%CE%B5%CE%BB%CE%B5%CE%B9%CE%BC%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CE%B5%CE%BA%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CE%B5_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AD%CF%82_%CF%80%CE%BF%CF%85_%CE%B5%CE%BA%CE%B4%CE%B7%CE%BB%CF%8E%CE%BD%CE%B5%CF%84%CE%B1%CE%B9_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE_%CE%B5%CE%BE%CE%AC%CF%80%CE%BB%CF%89%CF%83%CE%B7 2020-02-14T21:59:00Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>[[Εικόνα: Metho.PNG‎ | thumb| right|'''Εικόνα 1:'''Μεθοδολογία μελέτης.]]<br /> <br /> '''Χρησιμοποιώντας πολυεστιακές εικόνες Landsat για ταχεία αναγνώριση εγκαταλελειμμένων εκτάσεων σε περιοχές που εκδηλώνεται αστική εξάπλωση'''<br /> <br /> '''Using multi-seasonal Landsat imagery for rapid identification of abandoned land in areas affected by urban sprawl''' <br /> <br /> Συγγραφείς: Simona R. Grădinarua, Felix Kienasta, Achilleas Psomas<br /> <br /> Ecological Indicators · June 2017 <br /> <br /> Πηγή: [https://www.researchgate.net/profile/Simona_Gradinaru/publication/317642294_Using_multiseasonal_Landsat_imagery_for_rapid_identification_of_abandoned_land_in_areas_affected_by_urban_sprawl/links/5b3a4fa84585150d23f1bdbb/Using-multiseasonal-Landsat-imagery-for-rapid-identification-of-abandoned-land-in-areas-affected-by-urban-sprawl.pdf]<br /> <br /> Το άρθρο αυτό, μελετά μια νέα μέθοδο αποτύπωσης των περιαστικών εγκαταλελειμμένων περιοχών αλλά και την αστική εξάπλωση. Στόχος της εργασίας είναι να προταθεί μια μέθοδος με μέγιστη οικονομία πόρων, χρόνου, διεργασιών και ανθρωπίνου δυναμικού, χρησιμοποιώντας εποχιακές λήψεις δεδομένων Landsat με αντιστοίχηση ανάλυση. Υπογραμμίζεται, ότι η συγκεκριμένη μεθοδολογία, πρώτη φορά εφαρμόζεται σε κατακερματισμένες αστικές περιοχές. Μέσω της μελέτης θα προσδιοριστεί η βέλτιστη περίοδος της καλλιεργητικής περιόδου για τη χαρτογράφηση εγκαταλελειμμένης γης καθώς και η εκτίμηση των πόρων που απαιτούνται για την μελέτη. Εγκαταλελειμμένες περιοχές ορίζονται οι περιοχές που προηγουμένως είχαν γεωργική χρήση και έχουν εγκαταλειφθεί τουλάχιστον τα τελευταία τρία χρόνια. <br /> Περιοχή μελέτης ορίστηκε το Βουκουρέστι, στη Ρουμανία ενώ τα δεδομένα του landsat είναι από το 2013. Κρίνεται σημαντική η παρατήρηση των περιόδων καλλιέργειας καθώς μέσω του δείκτη της φύτευσης (NDVI)θα επεξεργασθούν τα δεδομένα του landsat. Το NDVI είναι ένας δείκτης της ποσότητας ζωντανής βιομάζας πάνω στο έδαφος, οι τιμές του κυμαίνονται μεταξύ -1 και +1, με τις υψηλότερες τιμές που αντιστοιχούν στην πυκνή υγιή βλάστηση ηπειρωτικό κλίμα της περιοχής, καθορίζει τα διάφορα είδη της φύτευσης (πατάτες, μπιζέλια, σιτάρι, κριθάρι κά.)αλλά και την περίοδο της αγροτικής ζωής των καλλιεργειών η οποία ξεκινά τον Μάρτη και λήγει τον Σεπτέμβρη. Ο συγκεκριμένος δείκτης επηρεάζεται από τις υδάτινες μάζες και για αυτό το λόγο τα δεδομένα επεξεργάζονται σε δύο φάσεις με την αφαίρεση των εικονοστοιχείων που περιλαμβάνουν τις υδάτινες μάζες αλλά και με την ψηφιοποίηση του αστικού ιστού βάσει του τοπογραφικού και ορθοφωτογραφιών της πόλης. Για την εισαγωγή των δεδομένων, ορίστηκαν 113 σημεία-παρατηρητήρια, με αντίστοιχες ορθοφωτογραφίες της περιοχής, βάσει των οποίων υπολογίστηκαν οι τιμές του NDVI που εισήχθησαν στο σύστημα ταξινόμησης και παλινδρόμησης (CRT). Η διαδικασία περιγράφεται στο Διάγραμμα 1(εικ. 1). <br /> Τα αποτελέσματα της ανάλυσης CRT είναι εύκολο να ερμηνευτούν και σε συνδυασμό με το GIS, μπορούν να χρησιμοποιηθούν για τη δημιουργία χαρτών κάλυψης γης για την υποστήριξη της λήψης αποφάσεων σχετικών με τον αστικό και περιαστικό σχεδιασμό. Οι δύο τάξεις της ταξινόμησης ήταν οι εγκαταλελειμμένες γεωργικώς περιοχές και οι χρήσεις γης, για τις οποίες 70% των σημείων πάρθηκαν ως εκπαιδευτικά δείγματα και 30% ως έλεγχος για την ταξινόμηση. Βάσει των καλλιεργητικών περιόδων κάθε είδους, ομαδοποιήθηκαν 4 βασικές περίοδοι οι οποίες συνδυάστηκαν(23 μοντέλα) ώστε να δώσουν τη βέλτιστη καλλιεργητική περίοδο προς μελέτη. Για να γίνει η επαλήθευση του παραγόμενου χάρτη, πραγματοποιήθηκε ψηφιοποίηση σε πολύγωνα εικόνων του google earth τα οποία επεξεργάστηκαν ώστε να δίνουν χωρική ανάλυση 30m ώστε να μπορoύν να συγκριθούν με τις εικόνες του landsat. Ένα βασικό πρόβλημα που εντοπίστηκε, αφορά στη βλάστηση που υπάρχει σε μη οργανωμένους αστικούς χώρους, όπως στην περίπτωση πλησίον των οδών όπου, τα νερά από τους δρόμους ενισχύουν τη βλάστηση γύρω τους, δημιουργώντας σύγχυση κατά τη φωτοερμηνεία. <br /> Η μέθοδος αυτή έλαβε χώρα σε περιαστικές περιοχές επεκτεινόμενων αστικών ιστών οι οποίες παρουσιάζουν ετερογενή τοπία. Αν και η συγκεκριμένη μέθοδος έχει παρουσιάσει υψηλότερα ποσοστά ακρίβειας σε περιπτώσεις ορεινών περιοχών, στην περίπτωση των περιαστικών περιοχών, δίνει ακρίβεια πάνω από 85%, χαρακτηρίζοντάς την ως κατάλληλη εναλλακτική λύση. Ένα ακόμα γεγονός που την επιβεβαιώνει ως μια εναλλακτική λύση είναι ότι απαιτούνται λιγότεροι πόροι από την άποψη του χρόνου και ανθρωπίνου δυναμικού που απαιτείται για την εκτέλεση της χαρτογράφησης. Συμπερασματικά, αποτελεί μια φερέγγυα, αποδεκτή και εναλλακτική μέθοδο χαρτογράφησης των εγκαταλελειμμένων γεωργικών περιοχών αλλά και των περιοχών εξάπλωσης του αστικού ιστού, η οποία παρουσιάζει μειωμένο οικονομικό, χρονικό και υλικοτεχνικό κόστος. Τέλος, η μέθοδος αυτή θα μπορούσε να αξιοποιηθεί για την αναπροσαρμογή και επικαιροποίηση των πολεοδομικών σχεδίων υπό το πρίσμα της αστικοποίησης και της μεταστροφής των γεωργικών απαιτήσεων των σύγχρονων κοινωνιών. <br /> <br /> <br /> <br /> <br /> <br /> [[category:Ανίχνευση μεταβολών αστικής γης]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%80%CE%BF%CE%BB%CF%85%CE%B5%CF%83%CF%84%CE%B9%CE%B1%CE%BA%CE%AD%CF%82_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_Landsat_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B1%CF%87%CE%B5%CE%AF%CE%B1_%CE%B1%CE%BD%CE%B1%CE%B3%CE%BD%CF%8E%CF%81%CE%B9%CF%83%CE%B7_%CE%B5%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CE%BB%CE%B5%CE%BB%CE%B5%CE%B9%CE%BC%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CE%B5%CE%BA%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CE%B5_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AD%CF%82_%CF%80%CE%BF%CF%85_%CE%B5%CE%BA%CE%B4%CE%B7%CE%BB%CF%8E%CE%BD%CE%B5%CF%84%CE%B1%CE%B9_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE_%CE%B5%CE%BE%CE%AC%CF%80%CE%BB%CF%89%CF%83%CE%B7 2020-02-14T21:58:45Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>[[Εικόνα: Metho.PNG‎ | thumb| right|'''Εικόνα 1:'''Μεθοδολογία μελέτης.]]<br /> <br /> '''Χρησιμοποιώντας πολυεστιακές εικόνες Landsat για ταχεία αναγνώριση εγκαταλελειμμένων εκτάσεων σε περιοχές που εκδηλώνεται αστική εξάπλωση'''<br /> <br /> '''Using multi-seasonal Landsat imagery for rapid identification of abandoned land in areas affected by urban sprawl''' <br /> <br /> Συγγραφείς: Simona R. Grădinarua, Felix Kienasta, Achilleas Psomas<br /> <br /> Ecological Indicators · June 2017 <br /> Πηγή: [https://www.researchgate.net/profile/Simona_Gradinaru/publication/317642294_Using_multiseasonal_Landsat_imagery_for_rapid_identification_of_abandoned_land_in_areas_affected_by_urban_sprawl/links/5b3a4fa84585150d23f1bdbb/Using-multiseasonal-Landsat-imagery-for-rapid-identification-of-abandoned-land-in-areas-affected-by-urban-sprawl.pdf]<br /> <br /> Το άρθρο αυτό, μελετά μια νέα μέθοδο αποτύπωσης των περιαστικών εγκαταλελειμμένων περιοχών αλλά και την αστική εξάπλωση. Στόχος της εργασίας είναι να προταθεί μια μέθοδος με μέγιστη οικονομία πόρων, χρόνου, διεργασιών και ανθρωπίνου δυναμικού, χρησιμοποιώντας εποχιακές λήψεις δεδομένων Landsat με αντιστοίχηση ανάλυση. Υπογραμμίζεται, ότι η συγκεκριμένη μεθοδολογία, πρώτη φορά εφαρμόζεται σε κατακερματισμένες αστικές περιοχές. Μέσω της μελέτης θα προσδιοριστεί η βέλτιστη περίοδος της καλλιεργητικής περιόδου για τη χαρτογράφηση εγκαταλελειμμένης γης καθώς και η εκτίμηση των πόρων που απαιτούνται για την μελέτη. Εγκαταλελειμμένες περιοχές ορίζονται οι περιοχές που προηγουμένως είχαν γεωργική χρήση και έχουν εγκαταλειφθεί τουλάχιστον τα τελευταία τρία χρόνια. <br /> Περιοχή μελέτης ορίστηκε το Βουκουρέστι, στη Ρουμανία ενώ τα δεδομένα του landsat είναι από το 2013. Κρίνεται σημαντική η παρατήρηση των περιόδων καλλιέργειας καθώς μέσω του δείκτη της φύτευσης (NDVI)θα επεξεργασθούν τα δεδομένα του landsat. Το NDVI είναι ένας δείκτης της ποσότητας ζωντανής βιομάζας πάνω στο έδαφος, οι τιμές του κυμαίνονται μεταξύ -1 και +1, με τις υψηλότερες τιμές που αντιστοιχούν στην πυκνή υγιή βλάστηση ηπειρωτικό κλίμα της περιοχής, καθορίζει τα διάφορα είδη της φύτευσης (πατάτες, μπιζέλια, σιτάρι, κριθάρι κά.)αλλά και την περίοδο της αγροτικής ζωής των καλλιεργειών η οποία ξεκινά τον Μάρτη και λήγει τον Σεπτέμβρη. Ο συγκεκριμένος δείκτης επηρεάζεται από τις υδάτινες μάζες και για αυτό το λόγο τα δεδομένα επεξεργάζονται σε δύο φάσεις με την αφαίρεση των εικονοστοιχείων που περιλαμβάνουν τις υδάτινες μάζες αλλά και με την ψηφιοποίηση του αστικού ιστού βάσει του τοπογραφικού και ορθοφωτογραφιών της πόλης. Για την εισαγωγή των δεδομένων, ορίστηκαν 113 σημεία-παρατηρητήρια, με αντίστοιχες ορθοφωτογραφίες της περιοχής, βάσει των οποίων υπολογίστηκαν οι τιμές του NDVI που εισήχθησαν στο σύστημα ταξινόμησης και παλινδρόμησης (CRT). Η διαδικασία περιγράφεται στο Διάγραμμα 1(εικ. 1). <br /> Τα αποτελέσματα της ανάλυσης CRT είναι εύκολο να ερμηνευτούν και σε συνδυασμό με το GIS, μπορούν να χρησιμοποιηθούν για τη δημιουργία χαρτών κάλυψης γης για την υποστήριξη της λήψης αποφάσεων σχετικών με τον αστικό και περιαστικό σχεδιασμό. Οι δύο τάξεις της ταξινόμησης ήταν οι εγκαταλελειμμένες γεωργικώς περιοχές και οι χρήσεις γης, για τις οποίες 70% των σημείων πάρθηκαν ως εκπαιδευτικά δείγματα και 30% ως έλεγχος για την ταξινόμηση. Βάσει των καλλιεργητικών περιόδων κάθε είδους, ομαδοποιήθηκαν 4 βασικές περίοδοι οι οποίες συνδυάστηκαν(23 μοντέλα) ώστε να δώσουν τη βέλτιστη καλλιεργητική περίοδο προς μελέτη. Για να γίνει η επαλήθευση του παραγόμενου χάρτη, πραγματοποιήθηκε ψηφιοποίηση σε πολύγωνα εικόνων του google earth τα οποία επεξεργάστηκαν ώστε να δίνουν χωρική ανάλυση 30m ώστε να μπορoύν να συγκριθούν με τις εικόνες του landsat. Ένα βασικό πρόβλημα που εντοπίστηκε, αφορά στη βλάστηση που υπάρχει σε μη οργανωμένους αστικούς χώρους, όπως στην περίπτωση πλησίον των οδών όπου, τα νερά από τους δρόμους ενισχύουν τη βλάστηση γύρω τους, δημιουργώντας σύγχυση κατά τη φωτοερμηνεία. <br /> Η μέθοδος αυτή έλαβε χώρα σε περιαστικές περιοχές επεκτεινόμενων αστικών ιστών οι οποίες παρουσιάζουν ετερογενή τοπία. Αν και η συγκεκριμένη μέθοδος έχει παρουσιάσει υψηλότερα ποσοστά ακρίβειας σε περιπτώσεις ορεινών περιοχών, στην περίπτωση των περιαστικών περιοχών, δίνει ακρίβεια πάνω από 85%, χαρακτηρίζοντάς την ως κατάλληλη εναλλακτική λύση. Ένα ακόμα γεγονός που την επιβεβαιώνει ως μια εναλλακτική λύση είναι ότι απαιτούνται λιγότεροι πόροι από την άποψη του χρόνου και ανθρωπίνου δυναμικού που απαιτείται για την εκτέλεση της χαρτογράφησης. Συμπερασματικά, αποτελεί μια φερέγγυα, αποδεκτή και εναλλακτική μέθοδο χαρτογράφησης των εγκαταλελειμμένων γεωργικών περιοχών αλλά και των περιοχών εξάπλωσης του αστικού ιστού, η οποία παρουσιάζει μειωμένο οικονομικό, χρονικό και υλικοτεχνικό κόστος. Τέλος, η μέθοδος αυτή θα μπορούσε να αξιοποιηθεί για την αναπροσαρμογή και επικαιροποίηση των πολεοδομικών σχεδίων υπό το πρίσμα της αστικοποίησης και της μεταστροφής των γεωργικών απαιτήσεων των σύγχρονων κοινωνιών. <br /> <br /> <br /> <br /> <br /> <br /> [[category:Ανίχνευση μεταβολών αστικής γης]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CE%B3%CE%B7%CF%82_/_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE%CF%82_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%B3%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AE%CF%82_%CF%84%CE%BF%CF%85_Canal_Indira_Sagar_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CE%B5%CE%BD%CF%83%CF%89%CE%BC%CE%B1%CF%84%CF%89%CE%BC%CE%AD%CE%BD%CE%B1_%CE%B5%CF%81%CE%B3%CE%B1%CE%BB%CE%B5%CE%AF%CE%B1_%CF%84%CE%B7%CE%BB%CE%B5%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_GIS 2020-02-14T21:56:54Z

<p>Alexopoulou Nefeli: </p> <hr /> <div> ''''''Χρήση γης / ανίχνευση αλλαγής κάλυψης γης της περιοχής του Canal Indira Sagar χρησιμοποιώντας ενσωματωμένα εργαλεία τηλεανίχνευσης και GIS'''<br /> Land Use/Land Cover Change Detection of Indira Sagar Canal Command Area Using Integrated Remote Sensing and GIS Tools '''<br /> <br /> Συγγραφείς: Rituraj Shukla, Deepak Khare<br /> <br /> <br /> Research &amp; Reviews: Journal of Space Science &amp; Technology Volume 2, Issue 1, ISSN: 2321 – 6506 <br /> <br /> Πηγή: [https://www.researchgate.net/profile/Rituraj_Shukla2/publication/280311625_Land_useland_cover_change_detection_o f_Indira_Sagar_canal_command_area_using_integrated_remote_sensing_and_Gis_tools/links/58ab9448a6fdcc0e079bbd7e/La nd-use-land-cover-change-detection-of-Indira-Sagar-canal-command-area-using-integrated-remote-sensing-and-Gis-tools.pdf]<br /> <br /> Λέξεις κλειδιά: GIS, Χρήση γης, κάλυψη γης, ERDAS IMAGINE, ARCGI<br /> <br /> <br /> Η μελέτη αυτή πραγματεύεται την παρακολούθηση της αλλαγής των υδάτινων μαζών μιας περιοχής και της βλάστησης, με στόχο να ερευνήσει την επιρροή που ασκούν οι αναπτυξιακές δραστηριότητες μιας περιοχής στον υπόγειο υδροφόρο ορίζοντά της, μετά την κατασκευή ενός καναλιού. Η περιοχή μελέτης είναι η περιοχή απ όπου διέρχεται ο ποταμός Roanoke, στην Ινδία. Επιλέχθηκε αυτή η περιοχή καθώς έχει αποδειχθεί ότι ένας από τους κυριότερους παράγοντες για την οικιστική ανάπτυξη μιας περιοχής στην Ινδία, είναι αυτός της ύπαρξης νερού για την ύδρευση και την άρδευση. <br /> Για τη συγκέντρωση των απαραίτητων στοιχείων αλλά και για την επεξεργασία τους, έγινε χρήση των δεδομένων Κάλυψης εδάφους του USGS καθώς και λήψεις από τον δορυφόρο IRS-1D με ημερομηνίες 17/11/2010 και 12/11/2000 ενώ για την επεξεργασία τους χρησιμοποιήθηκαν το ERDAS IMAGINE και το ARCGIS. <br /> Η μεθοδολογία που ακολουθήθηκε για την ταξινόμηση των χρήσεων γης είναι η μέγιστη πιθανοφάνεια-κάθε pixel κατηγοριοποιείται στην στη χρήση γης που πιθανότερα ταιριάζει ενώ αν κάποιο δεν έχει επαρκή ομοιότητα με μια κατηγορία, τότε θεωρείται αταξινόμητο στοιχείο. Τα στοιχεία που ελήφθησαν από της ψηφιακές απεικονίσεις των δορυφορικών δεδομένων, ταξινομήθηκαν βάσει του χάρτη κάλυψης εδάφους του 2003. Επιλέχθηκαν έξι τάξεις για την ταξινόμηση, περιοχές με πυκνή βλάστηση κυρίως με κωνοφόρα δένδρα, περιοχές όπου φύονται θάμνοι και χλόη, υδάτινα στοιχεία, ο αστικός ιστός, ορυζώνες και περιοχές όπου συναντώνται καλλιέργειες όπως ζαχαροκάλαμα και καρποφόρα δένδρα. Η ταξινόμηση είχε ως στόχο τη συσχέτιση των φασματικών χαρακτηριστικών της ψηφιακής απεικόνισης είτε χειροκίνητα είτε με τη χρήση υπολογιστικών προγραμμάτων. Τα στοιχεία αυτά θα δημιουργήσουν έναν, εννοιολογικά και πληροφορικά πλήρη, χάρτη στον οποίο μπορούν να βασιστούν επιστημονικές αξιολογήσεις της περιοχής. <br /> <br /> [[Εικόνα:21.PNG|thumb|right|Μεθοδολογία έρευνας]]<br /> <br /> Είναι πολύ σημαντικό να μελετηθούν οι μεταβολές της κάλυψης του εδάφους καθώς επιφέρουν μεγάλες επιπτώσεις στη λεκάνη απορροής αφού επηρεάζουν φυσικές διαδικασίες όπως η διείσδυση, η απορροή και η παροχέτευση υδάτων στους υπόγειους σχηματισμούς. <br /> Από τους παραγόμενους χάρτες για τα 2 διαφορετικά έτη και την ανάλυση των δεδομένων, προκύπτει ότι υπήρξε ποσοστιαία αύξηση όλων των εξεταζόμενων στοιχείων σε βάρος των χορτολειβαδικών εκτάσεων. <br /> <br /> [[Εικόνα:22.PNG|thumb|right| Χρήσεις γης και κάλυψης για τα έτη 2000, 2010 ]]<br /> <br /> [[Εικόνα:23.PNG|thumb|right|Χάρτες χρήσεων γης και κάλυψης για το έτος 2002]]<br /> <br /> [[Εικόνα:24.PNG|thumb|right|Χάρτες χρήσεων γης και κάλυψης για το έτος 2010]]<br /> <br /> Τα παραπάνω στοιχεία, επιβεβαιώνουν την ανάγκη ανάλυσης πολυφασματικών εικόνες υψηλής ανάλυσης για την αναγνώριση της κάλυψης του εδάφους όπως της ερμηνείας καλλιεργούμενων εκτάσεων. Σκοπός της μελέτης ήταν να εκτιμηθεί η μεταβολή της γης που αξιοποιείται για γεωργία στην περιοχή Indira Sagar μεταξύ των ετών 2000 και 2010 ύστερα από την κατασκευή του καναλιού. <br /> Η ταξινόμηση ελάχιστης απόστασης με εποπτεία χωρικών εικονοστοιχείων πραγματοποιήθηκε χρησιμοποιώντας περιοχές εκπαίδευσης που επιλέχθηκαν σύμφωνα με δεδομένα πεδίου και χάρτες της Google. Απαιτείται εξαιρετική προσπάθεια ειδικά για την ορθή ταξινόμηση περιοχών καλλιέργειας και μη αξιοποιήσιμων εδαφών από δορυφορικές εικόνες. Η ανάπτυξη της οικιστικής δραστηριότητας εντός των ορίων της πόλης εντείνεται λόγω της φαινομενικής ανάπτυξης οικιστικών περιοχών κατά μήκος των μεγάλων οδών. Δεδομένου ότι η ανίχνευση αλλαγών έχει πραγματοποιηθεί με τη χρήση των ίδιων χωρικών δορυφορικών δεδομένων, τα αποτελέσματα είναι συγκρίσιμα και πλήρως επεξεργάσιμα. <br /> Παρόλο που τα δορυφορικά δεδομένα έχουν διαφορετική, επεξεργάστηκαν με την τεχνική της φασματικής αναδειγματοληψίας ώστε να αξιοποιηθούν. Με την επαναδειγματοληψία, είτε η υψηλότερη ανάλυση μπορεί να μειωθεί σε μέτρια ανάλυση είτε αντιστρόφως. Επίσης, ταξινόμηση υπο-εικονοστοιχείων μπορεί επίσης να γίνει για να βελτιωθεί η ποιότητα των δεδομένων μεσαίας ανάλυσης.<br /> <br /> <br /> [[category:Αστικός και περιφερειακός σχεδιασμός]]</div>

Alexopoulou Nefeli 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%CE%B7%CF%82_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%B4%CE%B9%CE%AC%CF%87%CF%85%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CF%82_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE%CF%82_%CF%87%CF%81%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%B3%CE%B7%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%93%CE%A3%CE%A0_%CE%BA%CE%B1%CE%B9_%CE%B9%CF%83%CF%84%CE%BF%CF%81%CE%B9%CE%BA%CE%BF%CF%8D%CF%82_%CF%87%CE%AC%CF%81%CF%84%CE%B5%CF%82 2020-02-14T21:55:58Z

<p>Alexopoulou Nefeli: </p> <hr /> <div> ''''''Αξιολόγηση της αστικής διάχυσης και της αλλαγής χρήσεων και κάλυψης γης με τη χρήση GIS και ιστορικούς χάρτες. Η περίπτωση της πόλης Dej στη Ρουμανία '''<br /> EVALUATING URBAN SPRAWL AND LAND-USE CHANGE USING REMOTE SENSING, GIS TECHNIQUES AND HISTORICAL MAPS. CASE STUDY: THE CITY OF DEJ, ROMANIA '''<br /> <br /> Συγγραφείς: Anna- Hajnalka Kerekes, Mircea Alexe<br /> <br /> <br /> Academia.edu <br /> <br /> Πηγή: [ http://www.academia.edu/download/60309279/auog.292106-79920190816-582251agbt2k.pdf]<br /> <br /> Λέξεις κλειδιά: τηλεπισκόπηση, μεταβολή χρήσεων γης, μεταβολή κάλυψης εδάφους, GIS, ιστορικοί χάρτες<br /> <br /> Η παρούσα μελέτη έχει ως αντικείμενο την ανάλυση της μεταβολής της χρήσης/καλυψης εδάφους της πόλης Dej στη Ρουμανία για την περίοδο από το 1984 μέχρι το 2017. Στόχος είναι να μελετηθούν οι ιστορικοί χάρτες και εικόνες Landsat ώστε να αναλυθεί η αστική εξάπλωση της περιοχής και να συσχετιστούν με ιστορικά-κοινωνικά και οικονομικά γεγονότα. Η γεωμορφολογία της περιοχής απαρτίζεται από ογκώδεις σειρές λόφων και πλούσιο υδροφόρο ορίζοντα, με ακραίες και καταστροφικές επιπτώσεις λόγω των πλημμύρων που προκύπτουν(εικ. 01). Τα παραπάνω στοιχεία δικαιολογούν τις διεργασίες διάβρωσης, καθίζησης και ευτροφισμού της περιοχής με επακόλουθες επιπτώσεις στον τρόπο ανάπτυξης του αστικού ιστού και τα διάφορα τεχνικά έργα- αναχώματα που δημιουργούν αστικά φράγματα για την οικιστική ανάπτυξη. <br /> <br /> [[Εικόνα:41.PNG|thumb|right|Θέση &amp; γεωμορφολογία της περιοχής μελέτης ]]<br /> <br /> Είναι πολύ σημαντικό να μελετηθούν οι μεταβολές της κάλυψης του εδάφους καθώς επιφέρουν μεγάλες επιπτώσεις στη λεκάνη απορροής αφού επηρεάζουν φυσικές διαδικασίες όπως η διείσδυση, η απορροή και η παροχέτευση υδάτων στους υπόγειους σχηματισμούς. <br /> Από τους παραγόμενους χάρτες για τα 2 διαφορετικά έτη και την ανάλυση των δεδομένων, προκύπτει ότι υπήρξε ποσοστιαία αύξηση όλων των εξεταζόμενων στοιχείων σε βάρος των χορτολειβαδικών εκτάσεων. <br /> <br /> [[Εικόνα:42.PNG|thumb|right| Γεωαναφερόμενοι ιστορικοί χάρτες ]]<br /> <br /> Για την έρευνα συλλέχθηκαν ιστορικοί χάρτες οι οποίοι ψηφιοποιήθηκαν μέσω του ArcMap και μετατράπηκαν σε στερεογραφικές απεικονίσεις, δορυφορικές απεικονίσεις με ανάλυση 30μ. στις οποίες δεν εντοπίστηκε νεφοκάλυψη και επεξεργάστηκαν μέσω του ERDAS 2014. Η χρήση ιστορικών χαρτών για την άντληση πληροφοριών και δεδομένων από τις προδορυφορικές εποχές είναι σχετικά απλή, παρόλο που θα μπορούσαν να υπάρξουν κάποια σφάλματα ακρίβειας, επειδή οι χάρτες ψηφιοποιήθηκαν σε διαφορετικά επίπεδα ακρίβειας. Η επίδραση του πιθανού σφάλματος είναι ελάχιστη λόγω της χονδροειδούς χρονικής τοποθέτησης της μελέτης. Οι κατηγορίες χρήσεων και κάλυψης γης που λήφθησαν υπόψη είναι τα όρια των αστικών περιοχών, η αποτύπωση των υδάτινων μαζών και οι δασικές περιοχές με στόχο να ορισθεί το ποσοστό της μεταβολής της αστικής διάχυσης και της επιρροής που αυτή ασκεί στο φυσικό περιβάλλον. <br /> <br /> Η προεπεξεργασία των εικόνων προκειμένου να επιτευχτεί η απομάκρυνση των τυχαίων παραμορφώσεων περιλαμβάνει την γεωμετρική διόρθωση και την ενίσχυση των εικόνων. Για την ταξινόμηση στις δορυφορικές εικόνες, χρησιμοποιήθηκε ο αλγόριθμος της μέγιστης πιθανοφάνειας , και εντοπίστηκαν τέσσερις τάξεις: καλλιεργήσιμες περιοχές, βλάστηση, υδρογραφία, δομημένο περιβάλλον. Ο εντοπισμός της αστικής εξάπλωσης έγινε μέσω της μετα-ταξινόμησης και τη χρήση πινάκων διπλής εισόδου. <br /> Τα αποτελέσματα της ανάλυσης περιγράφονται στον πίνακα 3 ενώ επαληθεύονται και επαληθεύουν ιστορικά γεγονότα όπως τη σύνδεση της άυξησης της αστικής περιφέρειας με την κατασκευή σιδηροδρομικών υποδομών στην περιοχή την ίδια περίοδο. Επιπλέον, υπολογίστηκε μέσω του GIS(εικ. 4), η επικείμενη αστική διάχυση της πόλης κάνοντας χρήση γεωγραφικών παραμέτρων, στοιχεία πληθυσμού, και την εγγύτητα από αγροτικές περιοχές. <br /> <br /> [[Εικόνα:43.PNG|thumb|right|Αποτελέσματα ανάλυσης ]]<br /> [[Εικόνα:44.PNG|thumb|right|Εξίσωση υπολογισμού της επικείμενης αστικής διάχυσης ]]<br /> <br /> Συμπερασματικά, επιβεβαιώνεται, μέσω του συνδυασμού των ΓΣΠ και των τεχνικών τηλεπισκόπησης, ότι η αστικοποίηση μετέβαλε εντατικά τις χρήσεις γης την περίοδο 17632017. Οι πληροφορίες που λαμβάνονται με τεχνικές τηλεπισκόπησης και GIS είναι απαραίτητες για την κατανόηση των αιτίων της αλλαγής της χρήσης γης στην πόλη Dej και μπορούν να χρησιμοποιηθούν για περαιτέρω στρατηγικές χωροταξίας και έργα περιορισμού του κινδύνου, προκειμένου να υπάρξει ένας βιώσιμος πολεοδομικός σχεδιασμός. Απαιτείται σωστή διαχείριση της χρήσης γης προκειμένου οι δασικές εκτάσεις να αποκατασταθούν και να αντιμετωπιστεί η υποβάθμιση της γης που οφείλεται στην υπερβολική χρήση των καλλιεργήσιμων εκτάσεων. <br /> <br /> [[category:Ανίχνευση μεταβολών αστικής γης]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%86%CE%BC%CE%B5%CF%83%CE%B7_%CE%B5%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%BC%CE%AD%CF%83%CF%89_%CF%84%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82_%CF%84%CE%BF%CF%85_%CE%B1%CE%BD%CF%84%CE%AF%CE%BA%CF%84%CF%85%CF%80%CE%BF%CF%85_%CF%83%CF%84%CE%BF_%CF%84%CE%BF%CF%80%CE%AF%CE%BF_%CF%84%CE%B7%CF%82_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CE%AC%CF%82_%22Camp_Fire%22_%CF%83%CF%84%CE%B7%CE%BD_%CE%9A%CE%B1%CE%BB%CE%B9%CF%86%CF%8C%CF%81%CE%BD%CE%B9%CE%B1 2020-02-14T21:55:01Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>''' Άμεση εκτίμηση μέσω της τηλεπισκόπισης του αντίκτυπου στο τοπίο της πυρκαγιάς &quot;Camp Fire&quot; στην Καλιφόρνια '''<br /> <br /> ''' Rapid remote sensing assessment of landscape-scale impacts from the California 2018 Camp Fire '''<br /> <br /> Συγγραφείς: Jeffrey Q. Chambers, Caralyn Gorman, Yanlei Feng, Margaret S. Torn, Jared R. Stapp <br /> <br /> <br /> PeerJ Preprints 7:e27654v1 [https://doi.org/10.7287/peerj.preprints.27654v1]<br /> <br /> Πηγή: [ https://peerj.com/preprints/27654 ]<br /> <br /> Λέξεις κλειδιά: δασικές πυρκαγιές, GOES, Landsat, SWIR, πολιτική προσταστία <br /> <br /> <br /> Η μελέτη παρουσιάζει τις της επιπτώσεις της πυρκαγιάς&quot;Camp Fire&quot;, που αποτελεί την θανατηφόρα πυρκαγιά στην ιστορία των Πολιτειών, τόσο στην όμορη βλάστηση όσο και στην πόλη του Paradise. Η έρευνα περιλαμβάνει μια εφαρμογή απεικόνισης των πληγέντων περιοχών μέσω δεδομένων GOES 16, την επεξεργασία Landsat 8 εικόνων για πριν, κατά τη διάρκεια και μετά τη φωτιά, ένα χρονοδιάγραμμα της πυρκαγιάς που εξαπλώνεται από την ανάφλεξη κατά τις πρώτες τέσσερις ώρες και τέλος την περιγραφή μιας πιθανής εφαρμογής έγκαιρης προειδοποίησης με χρήση οπτικοποιημένων δεδομένων, ώστε να παρέχει πρόσθετες πληροφορίες για την αποτελεσματική εκκένωση περιοχών που απειλούνται από τις ταχέως μεταβαλλόμενες πυρκαγιές. <br /> Για την οπτικοποίηση των διαδραστικών χρονοδιαγραμάτων της εξάπλωσης της πυρκαγιάς, χρησιμοποιήθηκε η πλαρφόρμα της Google Earth, Engine (GEE). Στην πλατφόρμα αυτή γίνεται εισαγωγή επεξεργασμένων δεδομένων GOES βάσει των τιμών του SWIRκαθώς σε αυτό το κανάλι εκπέμπουν περισσότερο οι περιοχές όπου εκτυλίσσεται πυρκαγιά (εικ.1). Τα εικονοστοιχεία της εστίας της φωτιάς, στα μήκη κύματος SWIR εντοπίστηκαν για πρώτη φορά στις εικόνες GOES 16. Είναι σημαντικό να υπογραμμισθεί ότι τα εικονοστοιχεία GOES έχουν ανάλυση 2x2 χλμ. και ο αισθητήρας SWIR στο GOES ανιχνεύει pixels που διασχίζουν ένα κατώφλι εκπομπής SWIR. Γι αυτό το λόγο, οι χρόνοι και οι θέσεις έχουν περιορισμένη χωρική και χρονική ακρίβεια. <br /> <br /> [[Εικόνα: 51.PNG|thumb|right|Στιγμιότυπο από την πλατφόρμα με χρήση δεδομένων GOES ]]<br /> <br /> Στις εικόνες πριν και μετά την πυρκαγιά, διορθώθηκε ο φωτισμός ώστε να αναδειχθεί η απότομη τοπογραφία της περιοχής ενώ έγινε και ραδιομετρική κανονικοποίηση για να εξασφαλιστεί ομοιογένεια μεταξύ εικόνων. Για να είναι συγκρίσιμα τα δεδομένα, κάθε εικόνα παρουσιάστηκε ως σύνθετα Landsat8 ψευδοχρώματος (SWIR1-NIR-Blue = RGB). Για παράδειγμα, η εικόνα 2 εμφανίζει περιοχές όπου υπάρχουν ισχυρές εστίας πυρκαγιάς ως φωτεινά κόκκινα εικονοστοιχεία (30 x 30 m) που εκπέμπουν ενεργά ακτινοβολία SWIR λόγω της θερμοκρασίας της φωτιάς. <br /> <br /> [[Εικόνα:52.PNG|thumb|right| Παρουσίαση της περιοχής πριν και μετά την πυρκαγιά (RGB=SWIR-NIR-RED) όπου κόκκινες εμφανίζονται οι καμμένες περιοχές, καφέ η μη υγιής βλάστηση και πράσινη η υγιής βλάστηση ]]<br /> <br /> Λόγω της θέσης τους σε μια γεωστατική τροχιά, οι δορυφόροι GOES μπορούν να λάβουν συνεχείς παρατηρήσεις πάνω σε ένα σταθερό τμήμα της επιφάνειας της Γης. Με τον ίδιο τρόπο που τα δεδομένα GOES ενσωματώνονται ταχέως σε εφαρμογές πρόγνωσης καιρού, τα δεδομένα SWIR από αυτές τις πλατφόρμες μπορούν να χρησιμοποιηθούν για οπτικοποίηση σχεδόν άμεσα τη χρονική διάδοσης και χωρική έκταση ταχέως αναπτυσσόμενων πυρκαγιών και να αποσταλούν προειδοποιήσεις σε προσωπικές συσκευές των πολιτών που βρίσκονται εντός στην περιοχή και κινδυνεύουν. <br /> Συμπερασματικά, η έρευνα αυτή προωθεί την ενημέρωση προς το ευρύτερο κοινό σχετικά με την εξέλιξη των πυρκαγιών αλλά παρέχει και πολύτιμα δεδομένα για να επιτρέψει την περαιτέρω έρευνα σε μια σειρά επιστημονικών κλάδων. Η αποτελεσματική χρήση αυτών των δεδομένων είναι απαραίτητη για την έγκαιρη προειδοποίηση και τις διαδρομές διαφυγής στα πλαίσια δράσης και σχεδιασμού της πολιτικής προστασίας. <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%92%CE%AC%CE%B6%CE%BF%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%BF%CF%85_%CE%B1%CE%BD%CE%B8%CF%81%CF%8E%CF%80%CE%BF%CF%85%CF%82_%CF%83%CF%84%CE%BF_%CE%BA%CE%AC%CE%B4%CF%81%CE%BF 2020-02-14T21:53:36Z

<p>Alexopoulou Nefeli: </p> <hr /> <div> '''Βάζοντας του ανθρώπους στο κάδρο: συνδυάζοντας την τοποθεσία που παρέχουν τα μέσα κοινής δικτύωσης με την τηλεπισκόπηση για την ενίσχυση της αστικής πληροφόρησης στη Σαγκάη '''<br /> ''' Putting people in the picture: combining big location-based social media data and remote sensing imagery for enhances contexual urbna information in Shangai '''<br /> <br /> Συγγραφείς: Michael Jedryke, Timo Balz, Stephen C mcClure, Mingsheng Liao <br /> <br /> <br /> Computers, Environment and Urban Systems<br /> Volume 62, March 2017, Pages 99-112<br /> <br /> Πηγή: [ https://www.sciencedirect.com/science/article/pii/S019897151630285X]<br /> <br /> Λέξεις κλειδιά: μέσα κοινωνικής δικτύωσης, τοποθεσία αποστολής μηνυμάτων, ενεργές αστικές περιοχές, Σαγκάη, TerraSAR-X <br /> <br /> <br /> Η φωτοερμηνεία τηλεπισκοπικών δεδομένων, βασίζεται στον στείρο εντοπισμό μεταβολών τις αστικής ανάπτυξης και του δομημένου τοπίου. Οι νέες τεχνολογίες και συγκεκριμένα η δικτύωση που προσφέρουν τα κοινωνικά μέσα, μπορούν να προσφέρουν έγκυρες πληροφορίες για την ανθρώπινη παρουσία στον αστικό χώρο. Στόχος της μελέτης είναι ο συνδυασμός των δεδομένων (Synthetic Aperture Radar)με τις τοποθεσίες αποστολής μηνυμάτων στα κοινωνικά δίκτυα ώστε να εντοπιστεί η πυκνότητα των αστικών περιοχών και η ανθρώπινη δραστηριότητα σε αυτές. <br /> Πηγή λήψης των εικόνων είναι ο TerraSAR-X ο οποίος έχει 11 μέρες περιοδικότητα και μπορεί να δημιουργήσει χρονολογικά ιστορικά των περιοχών ενδιαφέροντος. Παράλληλα, η εικόνες του SAR, έχουν το πλεονέκτημα ότι δεν επηρεάζονται από τη νεφοκάλυψη ούτε εξαρτώνται από το φως της μέρας.Η ανθρώπινη δραστηριότητα καταγράφεται ως σημεία αποστολής μηνυμάτων με αντίστοιχη τοποθεσία και χρόνο αποστολής, στα πλαίσια μια συγκριμένης περιοχής. Τα δεδομένα TerraSAR-X που συλλέχθηκαν αφορούν 36 εικόνες ενώ τα δεδομένα των κοινωνικών δικτύων πάρθηκαν μέσω την εφαρμογής Sina Weibo, παρόμοια με το Twitter και τοποθετήθηκαν σε κάναββο 50μ. Ορισμένα τεχνικά θέματα προέκυψαν από τη συλλογή δεδομένων από την εφαρμογή καθώς και η με συμβατότητα μεταξύ των εικόνων και των μηνυμάτων αφού εικόνες αφορούν στην περίοδο από το 2012 ενώ τα μηνύματα από το 2014.Μια ακόμα παράμετρος που μπορεί να επηρεάσει τα αποτελέσματα είναι η μεταβολή του πληθυσμού. Παρ΄αυτά, προέκυψαν δύο πιθανά σενάρια: μια αστική περιοχή μπορεί να βρίσκεται σε διαδικασία υποανάπτυξης ή/και μια κατασκευή έχει ολοκληρωθεί πριν την συλλογή των μηνυμάτων. <br /> Η μεθοδολογία βασίστηκε στην ανάπτυξη δύο διαφορετικών διαδικασιών οι οποίες εκτελούνται ταυτόχρονα και παρουσιάζοντα σε ένα ενιαίο επίπεδο απεικόνισης (layer). Όπως παρουσιάζεται στο διάγραμμα (εικ.1). Η παρουσίαση των αποτελεσμάτων μπορεί να γίνει είτε σε μια εικόνα είτε σε μια σειρά από πολλές εικόνες που παρουσιάζουν χρονολογικά τη μεταβολή και τη συσχέτιση των μεταβλητών. <br /> <br /> [[Εικόνα:61.PNG|thumb|right|Μεθοδολογία έρευνας]]<br /> <br /> Αναφορικά με τον εντοπισμό του δομημένου περιβάλλοντος, προκύπτουν δυσκολίες εξαιτίας των συνθηκών που μπορεί να επικρατούν(μεγάλα ποσοστά υγρασίας, σεισμοί, εγκαταστάσεις διύλισης πετρελαίου κά) οι οποίες αντιμετωπίζονται και πλέον μπορεί να γίνει σαφής διαχωρισμός της μεταβολής των αγροτικών καλλιεργειών σε δομημένο περιβάλλον, του εντοπισμού κενών οικοπέδων τα οποία αρχικά φαίνονται ως αδόμητα αλλά σε επόμενες λήψεις παρουσιάζονται ως κτήρια, αλλά και η αντίθετη περίπτωση όπου το δομημένο περιβάλλον μετατρέπεται σε περιοχή βλάστησης. όλα τα δεδομένα παρουσιάζονται σε ένα σύνθετο RGB, το οποίο βοηθά στην κατανόηση των στοιχείων. Για τον έλεγχο της φερεγγυότητας των μηνυμάτων έγινε ένα φιλτράρισμα ώστε να αφαιρεθούν τα προφίλ που ήταν ύποπτα ενεργά καθώς και τα ανενεργά προφίλ. Και οι δύο διαδικασίες εκτελούνται αυτόνομα αλλά το σύστημα γεωαναφορά είναι το ίδιο συνεπώς τα αποτελέσματα μπορούν να συνδυαστούν στο ίδιο υπόβαθρο. Η ταξινόμηση της περιοχής βασίστηκε σε δύο τάξεις, τις δομημένες και τις αδόμητες περιοχές και τα μηνύματα παρουσίασαν τάξεις που αφορούν στις τάξεις περιοχές με ανθρώπινη δραστηριότητα και μη ενεργές περιοχές. Συνδυασμένα, προκύπτουν 4 κατηγορίες περιοχών, οι δομημένες με ανθρώπινη δραστηριότητα(μπλε), οι ανενεργές και αδόμητες περιοχές(κίτρινο), οι δομημένες περιοχές χωρίς ανθρώπινη δραστηριότητα(πράσινο) και οι μη δομημένες με ανθρώπινη δραστηριότητα(κόκκινο). <br /> <br /> [[Εικόνα:62.PNG|thumb|right| Παρουσίαση αποτελεσμάτων ]]<br /> <br /> Όπως παρουσιάζεται στην εικόνα 2,η Pudong, αποτελεί το επιχειρηματικό κέντρο της Σανγκάη και παρουσιάζει υψηλή τιμή αποστολής μηνυμάτων όπως και το Αθλητικό Κέντρο ενώ στα περίχωρά του, εντοπίζεται χαμηλή ανθρώπινη δραστηριότητα. Ως απόρροια προκύπτει ότι η ανθρώπινη δραστηριότητα συνδέεται με το πυκνό δομημένο περιβάλλον. <br /> Είναι σημαντικό να υπογραμμισθεί ότι η έρευνα βασίστηκε σε δεδομένα που προκύπτουν από μια συγκεκριμένη εφαρμογή σε κινητές συσκευές, με την υπόθεση ότι οι περισσότεροι νέοι της εξεταζόμενης περιοχής την έχουν εγκαταστήσει και λειτουργήσει για διάστημα ενός μήνα. Ακόμα, όπως αναφέρθηκε, τα δεδομένα αφορούν σε δύο διαφορετικές χρονικές περιόδους. <br /> <br /> [[category:Χαρτογραφία]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CE%BA%CE%BB%CE%B9%CE%BC%CE%B1%CE%BA%CE%B1%CE%BA%CF%89%CF%84%CE%AE_%CE%BC%CE%AD%CF%84%CF%81%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%22%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%B5%CE%BE%CE%AC%CF%80%CE%BB%CF%89%CF%83%CE%B7%CF%82%22_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%B7_%CE%BD%CF%85%CF%87%CF%84%CE%B5%CF%81%CE%B9%CE%BD%CE%AE_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%CE%B1%CF%80%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B9%CF%83%CE%B7 2020-02-14T21:52:52Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>'''Μια κλιμακακωτή μέτρηση της &quot;αστικής εξάπλωσης&quot; χρησιμοποιώντας τη νυχτερινή δορυφορική απεικόνιση '''<br /> ''' A scale-adjusted measure of ‘‘Urban sprawl’’ using nighttime satellite imagery '''<br /> <br /> Συγγραφείς: Paul C. Sutton <br /> <br /> <br /> Remote Sensing of Environment<br /> Volume 86, Issue 3, 15 August 2003, Pages 353-369<br /> <br /> Πηγή: [ https://www.sciencedirect.com/science/article/pii/S0034425703000786]<br /> <br /> Λέξεις κλειδιά: αστική εξάπλωση, φωτεινότητα, νυχτερινή δορυφορική απεικόνιση, πληθυσμιακή πυκνότητα <br /> <br /> Η αστική εξάπλωση είναι ένα θέμα που απασχολεί τόσο τις κυβερνήσεις όσο και τους διάφορους οργανισμούς και του πολίτες καθώς υποβιβάζει την ποιότητα του αστικού βίου και του φυσικού περιβάλλοντος. Οι υφιστάμενες μέθοδοι εκτίμησης της αστικής διάχυσης, παρουσιάζουν δύο προβλήματα: την απουσία συγκεκριμένης οριοθέτηση της αρχικής έκτασης αστικών περιοχών και τη μη γραμμική μεταβολή της πυκνότητας του πληθυσμού σε συνάρτηση με τον συνολικό πληθυσμό. Η συγκεκριμένη έρευνα εισάγει έναν δείκτη ο οποίος απεικονίζει την κατακεφαλή κατανάλωση γης σε πόλεις άνω των 50.000 κατοίκων στις ΗΠΑ. Στόχος της μελέτης είναι η δημιουργία μιας μεθοδολογίας που θα καταστήσει τη σύγκριση της αστικής εξάπλωσης μεταξύ πόλεων δίκαιη και αντικειμενική, με την εισαγωγή μιας κλιμακούμενης μέτρησης της αστικής εξάπλωσης. Ως αντικείμενο έρευνας, επιλέγονται οι νυχτερινές εικόνες έναντι των άλλων, καθώς μετρούν εκπομπές και όχι αντανανκλούμενη ακτινοβολία (που μπορεί να προκαλέσει σύγχυση στην ταξινόμηση της γης σε αστική και μη αστική περιοχή). Κατά τη μελέτη της φωτεινότητας της νυχτερινής εικόνας, εγείρεται το ερώτημα, σχετικά με την κατωφλίωση της τιμής της έντασης της φωτεινότητας η οποία ορίζει την ύπαρξη αστικού ιστού. <br /> Για την ανάπτυξη της εξεταζόμενης μεθοδολογίας, χρειάζεται να μελετηθούν τα παρακάτω στοιχεία: η έκταση της εξεταζόμενης αστικής περιοχής, ο αντίστοιχος πληθυσμός της περιοχής και η εξίσωση συσχέτισης του πληθυσμού με την έκταση. Τα δεδομένα του πληθυσμού λήφθησαν από τις στατιστικές εικόνες OLS των Ηνωμένων Πολιτειών και από ένα πλέγμα πληθυσμιακής πυκνότητας που προέρχεται από την απογραφή των ΗΠΑ με χωρική ανάλυση 1 km2. Ο χαρακτηρισμός μιας περιοχής σε αστική ή μη είναι πολυπαραγοντική διαδικασία, προκειμένου να μελετηθεί όσο πιο αντικειμενικά γίνεται, στην παρούσα έρευνα ορίστηκαν δύο κατώφλια τα οποία αναλύθηκαν ξεχωριστά και εφαρμόστηκαν στη μητροπολιτική περιοχή του Denver. <br /> <br /> [[Εικόνα:71.PNG|thumb|right|Νυχτερινές εικόνες DPMS OLS και πληθυσμιακή πυκνότητα ]]<br /> <br /> Η εικόνα 2, χρησιμοποιήθηκε ως έλεγχος για τη ρύθμιση αστικών &quot;κατωφλιών&quot; στη νυχτερινή εικόνα (εικ.1) καθώς αντιπροσωπεύει αρκετές περιπτώσεις των Πολιτειών όπου θεωρητικά ο αντιληπτός χώρος χαρακτηρίζεται ως αστικός ενώ πρακτικά ταξινομείται ως γεωργική γη. Η μπλε γραμμή αντιπροσωπεύει το χαμηλότερο όριο (μέτρο οριοθέτησης μητροπολιτικών περιοχών) το οποίο μετράει εκτενέστερες αστικές εκτάσεις ενώ οι κόκκινες γραμμές αντιπροσωπεύουν το υψηλότερο όριο (ακριβές μέτρο οριοθέτησης της αμιγούς αστικής κάλυψης γης) για την ταξινόμηση της εικόνας DMSP OLS ως 'αστική'. <br /> <br /> [[Εικόνα:72.PNG|thumb|right| Η περιοχή του Denver με αντίστοιχη κάλυψη εδάφους και τα δύο κατώφλια ]]<br /> <br /> Συμπερασματικά, η έρευνα αυτή παρουσιάζει ένα μέτρο εκτίμησης της «αστικής εξάπλωσης» που προσαρμόζεται στην κλίμακα του συνολικού πληθυσμού μιας αστικής περιοχής και χρησιμοποιεί τη νυχτερινή δορυφορική απεικόνιση ως αντικειμενικό και ομοιόμορφο μέσο μελέτης μητροπολιτικών περιοχών με πληθυσμούς άνω των 50.000 κατοίκων. Αυτή η μεθοδολογία αναπτύσσει ένα συνολικό μέτρο που επιτρέπει δίκαιες συγκρίσεις της έκτασης περιοχών αστικής εξάπλωσης σε μεγάλες και μικρές μητροπολιτικές περιοχές. Παρ' όλα αυτά, οι απεικονίσεις της νυχτερινής περιόδου που χρησιμοποιήθηκαν εντοπίζουν προβλήματα που βασίζονται στη μελέτη ενός ενιαίου αστικού ιστού που προέρχεται αποκλειστικά από συνεχή μέτρα οικιστικής έκτασης. Τα περισσότερα από τα χαμηλά επίπεδα φωτεινότητας, που δεν υπολογίζονται ως αστικά φώτα, υπάρχουν στην περιφέρεια των περιοχών, οι οποίες χρησιμοποιούνται από διαμένοντες σε εξωαστικές περιοχές που κατευθύνονται προς αστικά περιβάλλοντα και συμβάλλοντας στις αρνητικές συνέπειες που συνήθως αποδίδονται στην αστική διάχυση. Υπογραμμίζεται από τον συγγραφέα ότι απαιτούνται εμπεριστατωμένες μελέτες που θα ασχολούνται με τα αλληλοσυνδεόμενα ζητήματα της παγκοσμιοποίησης, του σχεδιασμού της χρήσης της ενδοαστικής γης και της συνολικής χωρο-δημογραφικής έκτασης προκειμένου να κατανοηθούν οι συνέπειες της αστικής διάχυσης. <br /> <br /> [[category:Ανίχνευση μεταβολών αστικής γης]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BB%CE%B5%CE%BE%CE%BF%CF%80%CE%BF%CF%8D%CE%BB%CE%BF%CF%85_%CE%9D%CE%B5%CF%86%CE%AD%CE%BB%CE%B7 2020-02-14T21:51:40Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>* [[Χρησιμοποιώντας πολυεστιακές εικόνες Landsat για ταχεία αναγνώριση εγκαταλελειμμένων εκτάσεων σε περιοχές που εκδηλώνεται αστική εξάπλωση]]<br /> <br /> * [[Η τηλεπισκόπηση συναντά τη &quot;βαθιά μάθηση&quot;: Αξιοποίηση δορυφορικών εικόνων για την έγκαιρη ανίχνευση δασικών πυρκαγιών ]]<br /> <br /> * [[Χρήση γης / ανίχνευση αλλαγής κάλυψης γης της περιοχής του Canal Indira Sagar χρησιμοποιώντας ενσωματωμένα εργαλεία τηλεανίχνευσης και GIS]]<br /> <br /> * [[ Αξιολόγηση της αστικής διάχυσης και της αλλαγής χρήσεων και κάλυψης γης με τη χρήση ΓΣΠ και ιστορικούς χάρτες ]]<br /> <br /> * [[Άμεση εκτίμηση μέσω της τηλεπισκόπισης του αντίκτυπου στο τοπίο της πυρκαγιάς &quot;Camp Fire&quot; στην Καλιφόρνια ]]<br /> <br /> * [[Μια κλιμακακωτή μέτρηση της &quot;αστικής εξάπλωσης&quot; χρησιμοποιώντας τη νυχτερινή δορυφορική απεικόνιση ]]<br /> <br /> * [[Βάζοντας του ανθρώπους στο κάδρο]]<br /> <br /> [[ Category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BB%CE%B5%CE%BE%CE%BF%CF%80%CE%BF%CF%8D%CE%BB%CE%BF%CF%85_%CE%9D%CE%B5%CF%86%CE%AD%CE%BB%CE%B7 2020-02-14T21:50:26Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>* [[Χρησιμοποιώντας πολυεστιακές εικόνες Landsat για ταχεία αναγνώριση εγκαταλελειμμένων εκτάσεων σε περιοχές που εκδηλώνεται αστική εξάπλωση]]<br /> <br /> * [[Η τηλεπισκόπηση συναντά τη &quot;βαθιά μάθηση&quot;: Αξιοποίηση δορυφορικών εικόνων για την έγκαιρη ανίχνευση δασικών πυρκαγιών ]]<br /> <br /> * [[Χρήση γης / ανίχνευση αλλαγής κάλυψης γης της περιοχής του Canal Indira Sagar χρησιμοποιώντας ενσωματωμένα εργαλεία τηλεανίχνευσης και GIS]]<br /> <br /> * [[ Αξιολόγηση της αστικής διάχυσης και της αλλαγής χρήσεων και κάλυψης γης με τη χρήση ΓΣΠ και ιστορικούς χάρτες ]]<br /> <br /> * [[Άμεση εκτίμηση μέσω της τηλεπισκόπισης του αντίκτυπου στο τοπίο της πυρκαγιάς &quot;Camp Fire&quot; στην Καλιφόρνια ]]<br /> <br /> * [[Μια κλιμακακωτή μέτρηση της &quot;αστικής εξάπλωσης&quot; χρησιμοποιώντας τη νυχτερινή δορυφορική απεικόνιση ]]<br /> <br /> [[ Category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:71.PNG 2020-02-14T21:49:36Z

<p>Alexopoulou Nefeli: </p> <hr /> <div></div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%B9%CE%B1_%CE%BA%CE%BB%CE%B9%CE%BC%CE%B1%CE%BA%CE%B1%CE%BA%CF%89%CF%84%CE%AE_%CE%BC%CE%AD%CF%84%CF%81%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%22%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%B5%CE%BE%CE%AC%CF%80%CE%BB%CF%89%CF%83%CE%B7%CF%82%22_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%B7_%CE%BD%CF%85%CF%87%CF%84%CE%B5%CF%81%CE%B9%CE%BD%CE%AE_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%CE%B1%CF%80%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B9%CF%83%CE%B7 2020-02-14T21:48:34Z

<p>Alexopoulou Nefeli: Νέα σελίδα με ''''Μια κλιμακακωτή μέτρηση της &quot;αστικής εξάπλωσης&quot; χρησιμοποιώντας τη νυχτερινή δορυφορική απ...'</p> <hr /> <div>'''Μια κλιμακακωτή μέτρηση της &quot;αστικής εξάπλωσης&quot; χρησιμοποιώντας τη νυχτερινή δορυφορική απεικόνιση '''<br /> ''' A scale-adjusted measure of ‘‘Urban sprawl’’ using nighttime satellite imagery '''<br /> <br /> Συγγραφείς: Paul C. Sutton <br /> <br /> <br /> Vol 2, International Journal of Space and science, ISSN: 2321-2837<br /> ER - <br /> <br /> Πηγή: [ https://www.sciencedirect.com/science/article/pii/S0034425703000786]<br /> <br /> Λέξεις κλειδιά: αστική εξάπλωση, φωτεινότητα, νυχτερινή δορυφορική απεικόνιση, πληθυσμιακή πυκνότητα <br /> <br /> Η αστική εξάπλωση είναι ένα θέμα που απασχολεί τόσο τις κυβερνήσεις όσο και τους διάφορους οργανισμούς και του πολίτες καθώς υποβιβάζει την ποιότητα του αστικού βίου και του φυσικού περιβάλλοντος. Οι υφιστάμενες μέθοδοι εκτίμησης της αστικής διάχυσης, παρουσιάζουν δύο προβλήματα: την απουσία συγκεκριμένης οριοθέτηση της αρχικής έκτασης αστικών περιοχών και τη μη γραμμική μεταβολή της πυκνότητας του πληθυσμού σε συνάρτηση με τον συνολικό πληθυσμό. Η συγκεκριμένη έρευνα εισάγει έναν δείκτη ο οποίος απεικονίζει την κατακεφαλή κατανάλωση γης σε πόλεις άνω των 50.000 κατοίκων στις ΗΠΑ. Στόχος της μελέτης είναι η δημιουργία μιας μεθοδολογίας που θα καταστήσει τη σύγκριση της αστικής εξάπλωσης μεταξύ πόλεων δίκαιη και αντικειμενική, με την εισαγωγή μιας κλιμακούμενης μέτρησης της αστικής εξάπλωσης. Ως αντικείμενο έρευνας, επιλέγονται οι νυχτερινές εικόνες έναντι των άλλων, καθώς μετρούν εκπομπές και όχι αντανανκλούμενη ακτινοβολία (που μπορεί να προκαλέσει σύγχυση στην ταξινόμηση της γης σε αστική και μη αστική περιοχή). Κατά τη μελέτη της φωτεινότητας της νυχτερινής εικόνας, εγείρεται το ερώτημα, σχετικά με την κατωφλίωση της τιμής της έντασης της φωτεινότητας η οποία ορίζει την ύπαρξη αστικού ιστού. <br /> Για την ανάπτυξη της εξεταζόμενης μεθοδολογίας, χρειάζεται να μελετηθούν τα παρακάτω στοιχεία: η έκταση της εξεταζόμενης αστικής περιοχής, ο αντίστοιχος πληθυσμός της περιοχής και η εξίσωση συσχέτισης του πληθυσμού με την έκταση. Τα δεδομένα του πληθυσμού λήφθησαν από τις στατιστικές εικόνες OLS των Ηνωμένων Πολιτειών και από ένα πλέγμα πληθυσμιακής πυκνότητας που προέρχεται από την απογραφή των ΗΠΑ με χωρική ανάλυση 1 km2. Ο χαρακτηρισμός μιας περιοχής σε αστική ή μη είναι πολυπαραγοντική διαδικασία, προκειμένου να μελετηθεί όσο πιο αντικειμενικά γίνεται, στην παρούσα έρευνα ορίστηκαν δύο κατώφλια τα οποία αναλύθηκαν ξεχωριστά και εφαρμόστηκαν στη μητροπολιτική περιοχή του Denver. <br /> <br /> [[Εικόνα:71.PNG|thumb|right|Νυχτερινές εικόνες DPMS OLS και πληθυσμιακή πυκνότητα ]]<br /> <br /> Η εικόνα 2, χρησιμοποιήθηκε ως έλεγχος για τη ρύθμιση αστικών &quot;κατωφλιών&quot; στη νυχτερινή εικόνα (εικ.1) καθώς αντιπροσωπεύει αρκετές περιπτώσεις των Πολιτειών όπου θεωρητικά ο αντιληπτός χώρος χαρακτηρίζεται ως αστικός ενώ πρακτικά ταξινομείται ως γεωργική γη. Η μπλε γραμμή αντιπροσωπεύει το χαμηλότερο όριο (μέτρο οριοθέτησης μητροπολιτικών περιοχών) το οποίο μετράει εκτενέστερες αστικές εκτάσεις ενώ οι κόκκινες γραμμές αντιπροσωπεύουν το υψηλότερο όριο (ακριβές μέτρο οριοθέτησης της αμιγούς αστικής κάλυψης γης) για την ταξινόμηση της εικόνας DMSP OLS ως 'αστική'. <br /> <br /> [[Εικόνα:72.PNG|thumb|right| Η περιοχή του Denver με αντίστοιχη κάλυψη εδάφους και τα δύο κατώφλια ]]<br /> <br /> Συμπερασματικά, η έρευνα αυτή παρουσιάζει ένα μέτρο εκτίμησης της «αστικής εξάπλωσης» που προσαρμόζεται στην κλίμακα του συνολικού πληθυσμού μιας αστικής περιοχής και χρησιμοποιεί τη νυχτερινή δορυφορική απεικόνιση ως αντικειμενικό και ομοιόμορφο μέσο μελέτης μητροπολιτικών περιοχών με πληθυσμούς άνω των 50.000 κατοίκων. Αυτή η μεθοδολογία αναπτύσσει ένα συνολικό μέτρο που επιτρέπει δίκαιες συγκρίσεις της έκτασης περιοχών αστικής εξάπλωσης σε μεγάλες και μικρές μητροπολιτικές περιοχές. Παρ' όλα αυτά, οι απεικονίσεις της νυχτερινής περιόδου που χρησιμοποιήθηκαν εντοπίζουν προβλήματα που βασίζονται στη μελέτη ενός ενιαίου αστικού ιστού που προέρχεται αποκλειστικά από συνεχή μέτρα οικιστικής έκτασης. Τα περισσότερα από τα χαμηλά επίπεδα φωτεινότητας, που δεν υπολογίζονται ως αστικά φώτα, υπάρχουν στην περιφέρεια των περιοχών, οι οποίες χρησιμοποιούνται από διαμένοντες σε εξωαστικές περιοχές που κατευθύνονται προς αστικά περιβάλλοντα και συμβάλλοντας στις αρνητικές συνέπειες που συνήθως αποδίδονται στην αστική διάχυση. Υπογραμμίζεται από τον συγγραφέα ότι απαιτούνται εμπεριστατωμένες μελέτες που θα ασχολούνται με τα αλληλοσυνδεόμενα ζητήματα της παγκοσμιοποίησης, του σχεδιασμού της χρήσης της ενδοαστικής γης και της συνολικής χωρο-δημογραφικής έκτασης προκειμένου να κατανοηθούν οι συνέπειες της αστικής διάχυσης. <br /> <br /> [[category:Ανίχνευση μεταβολών αστικής γης]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:62.PNG 2020-02-14T21:47:58Z

<p>Alexopoulou Nefeli: 1</p> <hr /> <div>1</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%92%CE%AC%CE%B6%CE%BF%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%BF%CF%85_%CE%B1%CE%BD%CE%B8%CF%81%CF%8E%CF%80%CE%BF%CF%85%CF%82_%CF%83%CF%84%CE%BF_%CE%BA%CE%AC%CE%B4%CF%81%CE%BF 2020-02-14T21:43:11Z

<p>Alexopoulou Nefeli: </p> <hr /> <div> '''Βάζοντας του ανθρώπους στο κάδρο: συνδυάζοντας την τοποθεσία που παρέχουν τα μέσα κοινής δικτύωσης με την τηλεπισκόπηση για την ενίσχυση της αστικής πληροφόρησης στη Σαγκάη '''<br /> ''' Putting people in the picture: combining big location-based social media data and remote sensing imagery for enhances contexual urbna information in Shangai '''<br /> <br /> Συγγραφείς: Michael Jedryke, Timo Balz, Stephen C mcClure, Mingsheng Liao <br /> <br /> <br /> Vol 2, International Journal of Space and science, ISSN: 2321-2837<br /> ER - <br /> <br /> Πηγή: [ https://www.sciencedirect.com/science/article/pii/S019897151630285X]<br /> <br /> Λέξεις κλειδιά: μέσα κοινωνικής δικτύωσης, τοποθεσία αποστολής μηνυμάτων, ενεργές αστικές περιοχές, Σαγκάη, TerraSAR-X <br /> <br /> <br /> Η φωτοερμηνεία τηλεπισκοπικών δεδομένων, βασίζεται στον στείρο εντοπισμό μεταβολών τις αστικής ανάπτυξης και του δομημένου τοπίου. Οι νέες τεχνολογίες και συγκεκριμένα η δικτύωση που προσφέρουν τα κοινωνικά μέσα, μπορούν να προσφέρουν έγκυρες πληροφορίες για την ανθρώπινη παρουσία στον αστικό χώρο. Στόχος της μελέτης είναι ο συνδυασμός των δεδομένων (Synthetic Aperture Radar)με τις τοποθεσίες αποστολής μηνυμάτων στα κοινωνικά δίκτυα ώστε να εντοπιστεί η πυκνότητα των αστικών περιοχών και η ανθρώπινη δραστηριότητα σε αυτές. <br /> Πηγή λήψης των εικόνων είναι ο TerraSAR-X ο οποίος έχει 11 μέρες περιοδικότητα και μπορεί να δημιουργήσει χρονολογικά ιστορικά των περιοχών ενδιαφέροντος. Παράλληλα, η εικόνες του SAR, έχουν το πλεονέκτημα ότι δεν επηρεάζονται από τη νεφοκάλυψη ούτε εξαρτώνται από το φως της μέρας.Η ανθρώπινη δραστηριότητα καταγράφεται ως σημεία αποστολής μηνυμάτων με αντίστοιχη τοποθεσία και χρόνο αποστολής, στα πλαίσια μια συγκριμένης περιοχής. Τα δεδομένα TerraSAR-X που συλλέχθηκαν αφορούν 36 εικόνες ενώ τα δεδομένα των κοινωνικών δικτύων πάρθηκαν μέσω την εφαρμογής Sina Weibo, παρόμοια με το Twitter και τοποθετήθηκαν σε κάναββο 50μ. Ορισμένα τεχνικά θέματα προέκυψαν από τη συλλογή δεδομένων από την εφαρμογή καθώς και η με συμβατότητα μεταξύ των εικόνων και των μηνυμάτων αφού εικόνες αφορούν στην περίοδο από το 2012 ενώ τα μηνύματα από το 2014.Μια ακόμα παράμετρος που μπορεί να επηρεάσει τα αποτελέσματα είναι η μεταβολή του πληθυσμού. Παρ΄αυτά, προέκυψαν δύο πιθανά σενάρια: μια αστική περιοχή μπορεί να βρίσκεται σε διαδικασία υποανάπτυξης ή/και μια κατασκευή έχει ολοκληρωθεί πριν την συλλογή των μηνυμάτων. <br /> Η μεθοδολογία βασίστηκε στην ανάπτυξη δύο διαφορετικών διαδικασιών οι οποίες εκτελούνται ταυτόχρονα και παρουσιάζοντα σε ένα ενιαίο επίπεδο απεικόνισης (layer). Όπως παρουσιάζεται στο διάγραμμα (εικ.1). Η παρουσίαση των αποτελεσμάτων μπορεί να γίνει είτε σε μια εικόνα είτε σε μια σειρά από πολλές εικόνες που παρουσιάζουν χρονολογικά τη μεταβολή και τη συσχέτιση των μεταβλητών. <br /> <br /> [[Εικόνα:61.PNG|thumb|right|Μεθοδολογία έρευνας]]<br /> <br /> Αναφορικά με τον εντοπισμό του δομημένου περιβάλλοντος, προκύπτουν δυσκολίες εξαιτίας των συνθηκών που μπορεί να επικρατούν(μεγάλα ποσοστά υγρασίας, σεισμοί, εγκαταστάσεις διύλισης πετρελαίου κά) οι οποίες αντιμετωπίζονται και πλέον μπορεί να γίνει σαφής διαχωρισμός της μεταβολής των αγροτικών καλλιεργειών σε δομημένο περιβάλλον, του εντοπισμού κενών οικοπέδων τα οποία αρχικά φαίνονται ως αδόμητα αλλά σε επόμενες λήψεις παρουσιάζονται ως κτήρια, αλλά και η αντίθετη περίπτωση όπου το δομημένο περιβάλλον μετατρέπεται σε περιοχή βλάστησης. όλα τα δεδομένα παρουσιάζονται σε ένα σύνθετο RGB, το οποίο βοηθά στην κατανόηση των στοιχείων. Για τον έλεγχο της φερεγγυότητας των μηνυμάτων έγινε ένα φιλτράρισμα ώστε να αφαιρεθούν τα προφίλ που ήταν ύποπτα ενεργά καθώς και τα ανενεργά προφίλ. Και οι δύο διαδικασίες εκτελούνται αυτόνομα αλλά το σύστημα γεωαναφορά είναι το ίδιο συνεπώς τα αποτελέσματα μπορούν να συνδυαστούν στο ίδιο υπόβαθρο. Η ταξινόμηση της περιοχής βασίστηκε σε δύο τάξεις, τις δομημένες και τις αδόμητες περιοχές και τα μηνύματα παρουσίασαν τάξεις που αφορούν στις τάξεις περιοχές με ανθρώπινη δραστηριότητα και μη ενεργές περιοχές. Συνδυασμένα, προκύπτουν 4 κατηγορίες περιοχών, οι δομημένες με ανθρώπινη δραστηριότητα(μπλε), οι ανενεργές και αδόμητες περιοχές(κίτρινο), οι δομημένες περιοχές χωρίς ανθρώπινη δραστηριότητα(πράσινο) και οι μη δομημένες με ανθρώπινη δραστηριότητα(κόκκινο). <br /> <br /> [[Εικόνα:62.PNG|thumb|right| Παρουσίαση αποτελεσμάτων ]]<br /> <br /> Όπως παρουσιάζεται στην εικόνα 2,η Pudong, αποτελεί το επιχειρηματικό κέντρο της Σανγκάη και παρουσιάζει υψηλή τιμή αποστολής μηνυμάτων όπως και το Αθλητικό Κέντρο ενώ στα περίχωρά του, εντοπίζεται χαμηλή ανθρώπινη δραστηριότητα. Ως απόρροια προκύπτει ότι η ανθρώπινη δραστηριότητα συνδέεται με το πυκνό δομημένο περιβάλλον. <br /> Είναι σημαντικό να υπογραμμισθεί ότι η έρευνα βασίστηκε σε δεδομένα που προκύπτουν από μια συγκεκριμένη εφαρμογή σε κινητές συσκευές, με την υπόθεση ότι οι περισσότεροι νέοι της εξεταζόμενης περιοχής την έχουν εγκαταστήσει και λειτουργήσει για διάστημα ενός μήνα. Ακόμα, όπως αναφέρθηκε, τα δεδομένα αφορούν σε δύο διαφορετικές χρονικές περιόδους. <br /> <br /> [[category:Χαρτογραφία]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%92%CE%AC%CE%B6%CE%BF%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%BF%CF%85_%CE%B1%CE%BD%CE%B8%CF%81%CF%8E%CF%80%CE%BF%CF%85%CF%82_%CF%83%CF%84%CE%BF_%CE%BA%CE%AC%CE%B4%CF%81%CE%BF 2020-02-14T21:42:24Z

<p>Alexopoulou Nefeli: </p> <hr /> <div> '''Βάζοντας του ανθρώπους στο κάδρο: συνδυάζοντας την τοποθεσία που παρέχουν τα μέσα κοινής δικτύωσης με την τηλεπισκόπηση για την ενίσχυση της αστικής πληροφόρησης στη Σαγκάη '''<br /> ''' Putting people in the picture: combining big location-based social media data and remote sensing imagery for enhances contexual urbna information in Shangai '''<br /> <br /> Συγγραφείς: Michael Jedryke, Timo Balz, Stephen C mcClure, Mingsheng Liao <br /> <br /> <br /> Vol 2, International Journal of Space and science, ISSN: 2321-2837<br /> ER - <br /> <br /> Πηγή: [ https://www.sciencedirect.com/science/article/pii/S019897151630285X]<br /> <br /> Λέξεις κλειδιά: μέσα κοινωνικής δικτύωσης, τοποθεσία αποστολής μηνυμάτων, ενεργές αστικές περιοχές, Σαγκάη, TerraSAR-X <br /> <br /> <br /> Η φωτοερμηνεία τηλεπισκοπικών δεδομένων, βασίζεται στον στείρο εντοπισμό μεταβολών τις αστικής ανάπτυξης και του δομημένου τοπίου. Οι νέες τεχνολογίες και συγκεκριμένα η δικτύωση που προσφέρουν τα κοινωνικά μέσα, μπορούν να προσφέρουν έγκυρες πληροφορίες για την ανθρώπινη παρουσία στον αστικό χώρο. Στόχος της μελέτης είναι ο συνδυασμός των δεδομένων (Synthetic Aperture Radar)με τις τοποθεσίες αποστολής μηνυμάτων στα κοινωνικά δίκτυα ώστε να εντοπιστεί η πυκνότητα των αστικών περιοχών και η ανθρώπινη δραστηριότητα σε αυτές. <br /> Πηγή λήψης των εικόνων είναι ο TerraSAR-X ο οποίος έχει 11 μέρες περιοδικότητα και μπορεί να δημιουργήσει χρονολογικά ιστορικά των περιοχών ενδιαφέροντος. Παράλληλα, η εικόνες του SAR, έχουν το πλεονέκτημα ότι δεν επηρεάζονται από τη νεφοκάλυψη ούτε εξαρτώνται από το φως της μέρας.Η ανθρώπινη δραστηριότητα καταγράφεται ως σημεία αποστολής μηνυμάτων με αντίστοιχη τοποθεσία και χρόνο αποστολής, στα πλαίσια μια συγκριμένης περιοχής. Τα δεδομένα TerraSAR-X που συλλέχθηκαν αφορούν 36 εικόνες ενώ τα δεδομένα των κοινωνικών δικτύων πάρθηκαν μέσω την εφαρμογής Sina Weibo, παρόμοια με το Twitter και τοποθετήθηκαν σε κάναββο 50μ. Ορισμένα τεχνικά θέματα προέκυψαν από τη συλλογή δεδομένων από την εφαρμογή καθώς και η με συμβατότητα μεταξύ των εικόνων και των μηνυμάτων αφού εικόνες αφορούν στην περίοδο από το 2012 ενώ τα μηνύματα από το 2014.Μια ακόμα παράμετρος που μπορεί να επηρεάσει τα αποτελέσματα είναι η μεταβολή του πληθυσμού. Παρ΄αυτά, προέκυψαν δύο πιθανά σενάρια: μια αστική περιοχή μπορεί να βρίσκεται σε διαδικασία υποανάπτυξης ή/και μια κατασκευή έχει ολοκληρωθεί πριν την συλλογή των μηνυμάτων. <br /> Η μεθοδολογία βασίστηκε στην ανάπτυξη δύο διαφορετικών διαδικασιών οι οποίες εκτελούνται ταυτόχρονα και παρουσιάζοντα σε ένα ενιαίο επίπεδο απεικόνισης (layer). Όπως παρουσιάζεται στο διάγραμμα (εικ.1). Η παρουσίαση των αποτελεσμάτων μπορεί να γίνει είτε σε μια εικόνα είτε σε μια σειρά από πολλές εικόνες που παρουσιάζουν χρονολογικά τη μεταβολή και τη συσχέτιση των μεταβλητών. <br /> <br /> [[Εικόνα:61.PNG|thumb|right|Μεθοδολογία έρευνας]]<br /> <br /> Αναφορικά με τον εντοπισμό του δομημένου περιβάλλοντος, προκύπτουν δυσκολίες εξαιτίας των συνθηκών που μπορεί να επικρατούν(μεγάλα ποσοστά υγρασίας, σεισμοί, εγκαταστάσεις διύλισης πετρελαίου κά) οι οποίες αντιμετωπίζονται και πλέον μπορεί να γίνει σαφής διαχωρισμός της μεταβολής των αγροτικών καλλιεργειών σε δομημένο περιβάλλον, του εντοπισμού κενών οικοπέδων τα οποία αρχικά φαίνονται ως αδόμητα αλλά σε επόμενες λήψεις παρουσιάζονται ως κτήρια, αλλά και η αντίθετη περίπτωση όπου το δομημένο περιβάλλον μετατρέπεται σε περιοχή βλάστησης. όλα τα δεδομένα παρουσιάζονται σε ένα σύνθετο RGB, το οποίο βοηθά στην κατανόηση των στοιχείων. Για τον έλεγχο της φερεγγυότητας των μηνυμάτων έγινε ένα φιλτράρισμα ώστε να αφαιρεθούν τα προφίλ που ήταν ύποπτα ενεργά καθώς και τα ανενεργά προφίλ. Και οι δύο διαδικασίες εκτελούνται αυτόνομα αλλά το σύστημα γεωαναφορά είναι το ίδιο συνεπώς τα αποτελέσματα μπορούν να συνδυαστούν στο ίδιο υπόβαθρο. Η ταξινόμηση της περιοχής βασίστηκε σε δύο τάξεις, τις δομημένες και τις αδόμητες περιοχές και τα μηνύματα παρουσίασαν τάξεις που αφορούν στις τάξεις περιοχές με ανθρώπινη δραστηριότητα και μη ενεργές περιοχές. Συνδυασμένα, προκύπτουν 4 κατηγορίες περιοχών, οι δομημένες με ανθρώπινη δραστηριότητα(μπλε), οι ανενεργές και αδόμητες περιοχές(κίτρινο), οι δομημένες περιοχές χωρίς ανθρώπινη δραστηριότητα(πράσινο) και οι μη δομημένες με ανθρώπινη δραστηριότητα(κόκκινο). <br /> <br /> [[Εικόνα: 62.PNG|thumb|right| Παρουσίαση αποτελεσμάτων ]]<br /> <br /> Όπως παρουσιάζεται στην εικόνα 2,η Pudong, αποτελεί το επιχειρηματικό κέντρο της Σανγκάη και παρουσιάζει υψηλή τιμή αποστολής μηνυμάτων όπως και το Αθλητικό Κέντρο ενώ στα περίχωρά του, εντοπίζεται χαμηλή ανθρώπινη δραστηριότητα. Ως απόρροια προκύπτει ότι η ανθρώπινη δραστηριότητα συνδέεται με το πυκνό δομημένο περιβάλλον. <br /> Είναι σημαντικό να υπογραμμισθεί ότι η έρευνα βασίστηκε σε δεδομένα που προκύπτουν από μια συγκεκριμένη εφαρμογή σε κινητές συσκευές, με την υπόθεση ότι οι περισσότεροι νέοι της εξεταζόμενης περιοχής την έχουν εγκαταστήσει και λειτουργήσει για διάστημα ενός μήνα. Ακόμα, όπως αναφέρθηκε, τα δεδομένα αφορούν σε δύο διαφορετικές χρονικές περιόδους. <br /> <br /> [[category:Χαρτογραφία]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%92%CE%AC%CE%B6%CE%BF%CE%BD%CF%84%CE%B1%CF%82_%CF%84%CE%BF%CF%85_%CE%B1%CE%BD%CE%B8%CF%81%CF%8E%CF%80%CE%BF%CF%85%CF%82_%CF%83%CF%84%CE%BF_%CE%BA%CE%AC%CE%B4%CF%81%CE%BF 2020-02-14T21:41:49Z

<p>Alexopoulou Nefeli: Νέα σελίδα με ' '''Βάζοντας του ανθρώπους στο κάδρο: συνδυάζοντας την τοποθεσία που παρέχουν τα μέσα κοινής δ...'</p> <hr /> <div> '''Βάζοντας του ανθρώπους στο κάδρο: συνδυάζοντας την τοποθεσία που παρέχουν τα μέσα κοινής δικτύωσης με την τηλεπισκόπηση για την ενίσχυση της αστικής πληροφόρησης στη Σαγκάη '''<br /> ''' Putting people in the picture: combining big location-based social media data and remote sensing imagery for enhances contexual urbna information in Shangai '''<br /> <br /> Συγγραφείς: Michael Jedryke, Timo Balz, Stephen C mcClure, Mingsheng Liao <br /> <br /> <br /> Vol 2, International Journal of Space and science, ISSN: 2321-2837<br /> ER - <br /> <br /> Πηγή: [ https://www.sciencedirect.com/science/article/pii/S019897151630285X]<br /> <br /> Λέξεις κλειδιά: μέσα κοινωνικής δικτύωσης, τοποθεσία αποστολής μηνυμάτων, ενεργές αστικές περιοχές, Σαγκάη, TerraSAR-X <br /> <br /> <br /> Η φωτοερμηνεία τηλεπισκοπικών δεδομένων, βασίζεται στον στείρο εντοπισμό μεταβολών τις αστικής ανάπτυξης και του δομημένου τοπίου. Οι νέες τεχνολογίες και συγκεκριμένα η δικτύωση που προσφέρουν τα κοινωνικά μέσα, μπορούν να προσφέρουν έγκυρες πληροφορίες για την ανθρώπινη παρουσία στον αστικό χώρο. Στόχος της μελέτης είναι ο συνδυασμός των δεδομένων (Synthetic Aperture Radar)με τις τοποθεσίες αποστολής μηνυμάτων στα κοινωνικά δίκτυα ώστε να εντοπιστεί η πυκνότητα των αστικών περιοχών και η ανθρώπινη δραστηριότητα σε αυτές. <br /> Πηγή λήψης των εικόνων είναι ο TerraSAR-X ο οποίος έχει 11 μέρες περιοδικότητα και μπορεί να δημιουργήσει χρονολογικά ιστορικά των περιοχών ενδιαφέροντος. Παράλληλα, η εικόνες του SAR, έχουν το πλεονέκτημα ότι δεν επηρεάζονται από τη νεφοκάλυψη ούτε εξαρτώνται από το φως της μέρας.Η ανθρώπινη δραστηριότητα καταγράφεται ως σημεία αποστολής μηνυμάτων με αντίστοιχη τοποθεσία και χρόνο αποστολής, στα πλαίσια μια συγκριμένης περιοχής. Τα δεδομένα TerraSAR-X που συλλέχθηκαν αφορούν 36 εικόνες ενώ τα δεδομένα των κοινωνικών δικτύων πάρθηκαν μέσω την εφαρμογής Sina Weibo, παρόμοια με το Twitter και τοποθετήθηκαν σε κάναββο 50μ. Ορισμένα τεχνικά θέματα προέκυψαν από τη συλλογή δεδομένων από την εφαρμογή καθώς και η με συμβατότητα μεταξύ των εικόνων και των μηνυμάτων αφού εικόνες αφορούν στην περίοδο από το 2012 ενώ τα μηνύματα από το 2014.Μια ακόμα παράμετρος που μπορεί να επηρεάσει τα αποτελέσματα είναι η μεταβολή του πληθυσμού. Παρ΄αυτά, προέκυψαν δύο πιθανά σενάρια: μια αστική περιοχή μπορεί να βρίσκεται σε διαδικασία υποανάπτυξης ή/και μια κατασκευή έχει ολοκληρωθεί πριν την συλλογή των μηνυμάτων. <br /> Η μεθοδολογία βασίστηκε στην ανάπτυξη δύο διαφορετικών διαδικασιών οι οποίες εκτελούνται ταυτόχρονα και παρουσιάζοντα σε ένα ενιαίο επίπεδο απεικόνισης (layer). Όπως παρουσιάζεται στο διάγραμμα (εικ.1). Η παρουσίαση των αποτελεσμάτων μπορεί να γίνει είτε σε μια εικόνα είτε σε μια σειρά από πολλές εικόνες που παρουσιάζουν χρονολογικά τη μεταβολή και τη συσχέτιση των μεταβλητών. <br /> <br /> [[Εικόνα:61.PNG|thumb|right|Μεθοδολογία έρευνας]]<br /> <br /> Αναφορικά με τον εντοπισμό του δομημένου περιβάλλοντος, προκύπτουν δυσκολίες εξαιτίας των συνθηκών που μπορεί να επικρατούν(μεγάλα ποσοστά υγρασίας, σεισμοί, εγκαταστάσεις διύλισης πετρελαίου κά) οι οποίες αντιμετωπίζονται και πλέον μπορεί να γίνει σαφής διαχωρισμός της μεταβολής των αγροτικών καλλιεργειών σε δομημένο περιβάλλον, του εντοπισμού κενών οικοπέδων τα οποία αρχικά φαίνονται ως αδόμητα αλλά σε επόμενες λήψεις παρουσιάζονται ως κτήρια, αλλά και η αντίθετη περίπτωση όπου το δομημένο περιβάλλον μετατρέπεται σε περιοχή βλάστησης. όλα τα δεδομένα παρουσιάζονται σε ένα σύνθετο RGB, το οποίο βοηθά στην κατανόηση των στοιχείων. Για τον έλεγχο της φερεγγυότητας των μηνυμάτων έγινε ένα φιλτράρισμα ώστε να αφαιρεθούν τα προφίλ που ήταν ύποπτα ενεργά καθώς και τα ανενεργά προφίλ. Και οι δύο διαδικασίες εκτελούνται αυτόνομα αλλά το σύστημα γεωαναφορά είναι το ίδιο συνεπώς τα αποτελέσματα μπορούν να συνδυαστούν στο ίδιο υπόβαθρο. Η ταξινόμηση της περιοχής βασίστηκε σε δύο τάξεις, τις δομημένες και τις αδόμητες περιοχές και τα μηνύματα παρουσίασαν τάξεις που αφορούν στις τάξεις περιοχές με ανθρώπινη δραστηριότητα και μη ενεργές περιοχές. Συνδυασμένα, προκύπτουν 4 κατηγορίες περιοχών, οι δομημένες με ανθρώπινη δραστηριότητα(μπλε), οι ανενεργές και αδόμητες περιοχές(κίτρινο), οι δομημένες περιοχές χωρίς ανθρώπινη δραστηριότητα(πράσινο) και οι μη δομημένες με ανθρώπινη δραστηριότητα(κόκκινο). <br /> <br /> [[Εικόνα:62.PNG|thumb|right| Παρουσίαση αποτελεσμάτων ]]<br /> <br /> Όπως παρουσιάζεται στην εικόνα 2,η Pudong, αποτελεί το επιχειρηματικό κέντρο της Σανγκάη και παρουσιάζει υψηλή τιμή αποστολής μηνυμάτων όπως και το Αθλητικό Κέντρο ενώ στα περίχωρά του, εντοπίζεται χαμηλή ανθρώπινη δραστηριότητα. Ως απόρροια προκύπτει ότι η ανθρώπινη δραστηριότητα συνδέεται με το πυκνό δομημένο περιβάλλον. <br /> Είναι σημαντικό να υπογραμμισθεί ότι η έρευνα βασίστηκε σε δεδομένα που προκύπτουν από μια συγκεκριμένη εφαρμογή σε κινητές συσκευές, με την υπόθεση ότι οι περισσότεροι νέοι της εξεταζόμενης περιοχής την έχουν εγκαταστήσει και λειτουργήσει για διάστημα ενός μήνα. Ακόμα, όπως αναφέρθηκε, τα δεδομένα αφορούν σε δύο διαφορετικές χρονικές περιόδους. <br /> <br /> [[category:Χαρτογραφία]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:61.PNG 2020-02-14T21:40:44Z

<p>Alexopoulou Nefeli: Μεθοδολογία έρευνας</p> <hr /> <div>Μεθοδολογία έρευνας</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%86%CE%BC%CE%B5%CF%83%CE%B7_%CE%B5%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%BC%CE%AD%CF%83%CF%89_%CF%84%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82_%CF%84%CE%BF%CF%85_%CE%B1%CE%BD%CF%84%CE%AF%CE%BA%CF%84%CF%85%CF%80%CE%BF%CF%85_%CF%83%CF%84%CE%BF_%CF%84%CE%BF%CF%80%CE%AF%CE%BF_%CF%84%CE%B7%CF%82_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CE%AC%CF%82_%22Camp_Fire%22_%CF%83%CF%84%CE%B7%CE%BD_%CE%9A%CE%B1%CE%BB%CE%B9%CF%86%CF%8C%CF%81%CE%BD%CE%B9%CE%B1 2020-02-14T21:34:22Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>''' Άμεση εκτίμηση μέσω της τηλεπισκόπισης του αντίκτυπου στο τοπίο της πυρκαγιάς &quot;Camp Fire&quot; στην Καλιφόρνια '''<br /> <br /> ''' Rapid remote sensing assessment of landscape-scale impacts from the California 2018 Camp Fire '''<br /> <br /> Συγγραφείς: Jeffrey Q. Chambers, Caralyn Gorman, Yanlei Feng, Margaret S. Torn, Jared R. Stapp <br /> <br /> <br /> Vol 2, International Journal of Space and science, ISSN: 2321-2837<br /> ER - <br /> <br /> Πηγή: [ https://peerj.com/preprints/27654 ]<br /> <br /> Λέξεις κλειδιά: δασικές πυρκαγιές, GOES, Landsat, SWIR, πολιτική προσταστία <br /> <br /> <br /> Η μελέτη παρουσιάζει τις της επιπτώσεις της πυρκαγιάς&quot;Camp Fire&quot;, που αποτελεί την θανατηφόρα πυρκαγιά στην ιστορία των Πολιτειών, τόσο στην όμορη βλάστηση όσο και στην πόλη του Paradise. Η έρευνα περιλαμβάνει μια εφαρμογή απεικόνισης των πληγέντων περιοχών μέσω δεδομένων GOES 16, την επεξεργασία Landsat 8 εικόνων για πριν, κατά τη διάρκεια και μετά τη φωτιά, ένα χρονοδιάγραμμα της πυρκαγιάς που εξαπλώνεται από την ανάφλεξη κατά τις πρώτες τέσσερις ώρες και τέλος την περιγραφή μιας πιθανής εφαρμογής έγκαιρης προειδοποίησης με χρήση οπτικοποιημένων δεδομένων, ώστε να παρέχει πρόσθετες πληροφορίες για την αποτελεσματική εκκένωση περιοχών που απειλούνται από τις ταχέως μεταβαλλόμενες πυρκαγιές. <br /> Για την οπτικοποίηση των διαδραστικών χρονοδιαγραμάτων της εξάπλωσης της πυρκαγιάς, χρησιμοποιήθηκε η πλαρφόρμα της Google Earth, Engine (GEE). Στην πλατφόρμα αυτή γίνεται εισαγωγή επεξεργασμένων δεδομένων GOES βάσει των τιμών του SWIRκαθώς σε αυτό το κανάλι εκπέμπουν περισσότερο οι περιοχές όπου εκτυλίσσεται πυρκαγιά (εικ.1). Τα εικονοστοιχεία της εστίας της φωτιάς, στα μήκη κύματος SWIR εντοπίστηκαν για πρώτη φορά στις εικόνες GOES 16. Είναι σημαντικό να υπογραμμισθεί ότι τα εικονοστοιχεία GOES έχουν ανάλυση 2x2 χλμ. και ο αισθητήρας SWIR στο GOES ανιχνεύει pixels που διασχίζουν ένα κατώφλι εκπομπής SWIR. Γι αυτό το λόγο, οι χρόνοι και οι θέσεις έχουν περιορισμένη χωρική και χρονική ακρίβεια. <br /> <br /> [[Εικόνα: 51.PNG|thumb|right|Στιγμιότυπο από την πλατφόρμα με χρήση δεδομένων GOES ]]<br /> <br /> Στις εικόνες πριν και μετά την πυρκαγιά, διορθώθηκε ο φωτισμός ώστε να αναδειχθεί η απότομη τοπογραφία της περιοχής ενώ έγινε και ραδιομετρική κανονικοποίηση για να εξασφαλιστεί ομοιογένεια μεταξύ εικόνων. Για να είναι συγκρίσιμα τα δεδομένα, κάθε εικόνα παρουσιάστηκε ως σύνθετα Landsat8 ψευδοχρώματος (SWIR1-NIR-Blue = RGB). Για παράδειγμα, η εικόνα 2 εμφανίζει περιοχές όπου υπάρχουν ισχυρές εστίας πυρκαγιάς ως φωτεινά κόκκινα εικονοστοιχεία (30 x 30 m) που εκπέμπουν ενεργά ακτινοβολία SWIR λόγω της θερμοκρασίας της φωτιάς. <br /> <br /> [[Εικόνα:52.PNG|thumb|right| Παρουσίαση της περιοχής πριν και μετά την πυρκαγιά (RGB=SWIR-NIR-RED) όπου κόκκινες εμφανίζονται οι καμμένες περιοχές, καφέ η μη υγιής βλάστηση και πράσινη η υγιής βλάστηση ]]<br /> <br /> Λόγω της θέσης τους σε μια γεωστατική τροχιά, οι δορυφόροι GOES μπορούν να λάβουν συνεχείς παρατηρήσεις πάνω σε ένα σταθερό τμήμα της επιφάνειας της Γης. Με τον ίδιο τρόπο που τα δεδομένα GOES ενσωματώνονται ταχέως σε εφαρμογές πρόγνωσης καιρού, τα δεδομένα SWIR από αυτές τις πλατφόρμες μπορούν να χρησιμοποιηθούν για οπτικοποίηση σχεδόν άμεσα τη χρονική διάδοσης και χωρική έκταση ταχέως αναπτυσσόμενων πυρκαγιών και να αποσταλούν προειδοποιήσεις σε προσωπικές συσκευές των πολιτών που βρίσκονται εντός στην περιοχή και κινδυνεύουν. <br /> Συμπερασματικά, η έρευνα αυτή προωθεί την ενημέρωση προς το ευρύτερο κοινό σχετικά με την εξέλιξη των πυρκαγιών αλλά παρέχει και πολύτιμα δεδομένα για να επιτρέψει την περαιτέρω έρευνα σε μια σειρά επιστημονικών κλάδων. Η αποτελεσματική χρήση αυτών των δεδομένων είναι απαραίτητη για την έγκαιρη προειδοποίηση και τις διαδρομές διαφυγής στα πλαίσια δράσης και σχεδιασμού της πολιτικής προστασίας. <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BB%CE%B5%CE%BE%CE%BF%CF%80%CE%BF%CF%8D%CE%BB%CE%BF%CF%85_%CE%9D%CE%B5%CF%86%CE%AD%CE%BB%CE%B7 2020-02-14T21:33:33Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>* [[Χρησιμοποιώντας πολυεστιακές εικόνες Landsat για ταχεία αναγνώριση εγκαταλελειμμένων εκτάσεων σε περιοχές που εκδηλώνεται αστική εξάπλωση]]<br /> <br /> * [[Η τηλεπισκόπηση συναντά τη &quot;βαθιά μάθηση&quot;: Αξιοποίηση δορυφορικών εικόνων για την έγκαιρη ανίχνευση δασικών πυρκαγιών ]]<br /> <br /> * [[Χρήση γης / ανίχνευση αλλαγής κάλυψης γης της περιοχής του Canal Indira Sagar χρησιμοποιώντας ενσωματωμένα εργαλεία τηλεανίχνευσης και GIS]]<br /> <br /> * [[ Αξιολόγηση της αστικής διάχυσης και της αλλαγής χρήσεων και κάλυψης γης με τη χρήση ΓΣΠ και ιστορικούς χάρτες ]]<br /> <br /> * [[Άμεση εκτίμηση μέσω της τηλεπισκόπισης του αντίκτυπου στο τοπίο της πυρκαγιάς &quot;Camp Fire&quot; στην Καλιφόρνια ]]<br /> * [[ Category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%86%CE%BC%CE%B5%CF%83%CE%B7_%CE%B5%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%BC%CE%AD%CF%83%CF%89_%CF%84%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82_%CF%84%CE%BF%CF%85_%CE%B1%CE%BD%CF%84%CE%AF%CE%BA%CF%84%CF%85%CF%80%CE%BF%CF%85_%CF%83%CF%84%CE%BF_%CF%84%CE%BF%CF%80%CE%AF%CE%BF_%CF%84%CE%B7%CF%82_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CE%AC%CF%82_%22Camp_Fire%22_%CF%83%CF%84%CE%B7%CE%BD_%CE%9A%CE%B1%CE%BB%CE%B9%CF%86%CF%8C%CF%81%CE%BD%CE%B9%CE%B1 2020-02-14T21:32:08Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>''' Άμεση εκτίμηση μέσω της τηλεπισκόπισης του αντίκτυπου στο τοπίο της πυρκαγιάς &quot;Camp Fire&quot; στην Καλιφόρνια '''<br /> <br /> ''' Rapid remote sensing assessment of landscape-scale impacts from the California 2018 Camp Fire '''<br /> <br /> Συγγραφείς: Jeffrey Q. Chambers, Caralyn Gorman, Yanlei Feng, Margaret S. Torn, Jared R. Stapp <br /> <br /> <br /> Vol 2, International Journal of Space and science, ISSN: 2321-2837<br /> ER - <br /> <br /> Πηγή: [ https://peerj.com/preprints/27654 ]<br /> <br /> Λέξεις κλειδιά: δασικές πυρκαγιές, GOES, Landsat, SWIR, πολιτική προσταστία <br /> <br /> <br /> Η μελέτη παρουσιάζει τις της επιπτώσεις της πυρκαγιάς&quot;Camp Fire&quot;, που αποτελεί την θανατηφόρα πυρκαγιά στην ιστορία των Πολιτειών, τόσο στην όμορη βλάστηση όσο και στην πόλη του Paradise. Η έρευνα περιλαμβάνει μια εφαρμογή απεικόνισης των πληγέντων περιοχών μέσω δεδομένων GOES 16, την επεξεργασία Landsat 8 εικόνων για πριν, κατά τη διάρκεια και μετά τη φωτιά, ένα χρονοδιάγραμμα της πυρκαγιάς που εξαπλώνεται από την ανάφλεξη κατά τις πρώτες τέσσερις ώρες και τέλος την περιγραφή μιας πιθανής εφαρμογής έγκαιρης προειδοποίησης με χρήση οπτικοποιημένων δεδομένων, ώστε να παρέχει πρόσθετες πληροφορίες για την αποτελεσματική εκκένωση περιοχών που απειλούνται από τις ταχέως μεταβαλλόμενες πυρκαγιές. <br /> Για την οπτικοποίηση των διαδραστικών χρονοδιαγραμάτων της εξάπλωσης της πυρκαγιάς, χρησιμοποιήθηκε η πλαρφόρμα της Google Earth, Engine (GEE). Στην πλατφόρμα αυτή γίνεται εισαγωγή επεξεργασμένων δεδομένων GOES βάσει των τιμών του SWIRκαθώς σε αυτό το κανάλι εκπέμπουν περισσότερο οι περιοχές όπου εκτυλίσσεται πυρκαγιά (εικ.1). Τα εικονοστοιχεία της εστίας της φωτιάς, στα μήκη κύματος SWIR εντοπίστηκαν για πρώτη φορά στις εικόνες GOES 16. Είναι σημαντικό να υπογραμμισθεί ότι τα εικονοστοιχεία GOES έχουν ανάλυση 2x2 χλμ. και ο αισθητήρας SWIR στο GOES ανιχνεύει pixels που διασχίζουν ένα κατώφλι εκπομπής SWIR. Γι αυτό το λόγο, οι χρόνοι και οι θέσεις έχουν περιορισμένη χωρική και χρονική ακρίβεια. <br /> <br /> [[Εικόνα51.PNG|thumb|right|Στιγμιότυπο από την πλατφόρμα με χρήση δεδομένων GOES ]]<br /> <br /> Στις εικόνες πριν και μετά την πυρκαγιά, διορθώθηκε ο φωτισμός ώστε να αναδειχθεί η απότομη τοπογραφία της περιοχής ενώ έγινε και ραδιομετρική κανονικοποίηση για να εξασφαλιστεί ομοιογένεια μεταξύ εικόνων. Για να είναι συγκρίσιμα τα δεδομένα, κάθε εικόνα παρουσιάστηκε ως σύνθετα Landsat8 ψευδοχρώματος (SWIR1-NIR-Blue = RGB). Για παράδειγμα, η εικόνα 2 εμφανίζει περιοχές όπου υπάρχουν ισχυρές εστίας πυρκαγιάς ως φωτεινά κόκκινα εικονοστοιχεία (30 x 30 m) που εκπέμπουν ενεργά ακτινοβολία SWIR λόγω της θερμοκρασίας της φωτιάς. <br /> <br /> [[Εικόνα:52.PNG|thumb|right| Παρουσίαση της περιοχής πριν και μετά την πυρκαγιά (RGB=SWIR-NIR-RED) όπου κόκκινες εμφανίζονται οι καμμένες περιοχές, καφέ η μη υγιής βλάστηση και πράσινη η υγιής βλάστηση ]]<br /> <br /> Λόγω της θέσης τους σε μια γεωστατική τροχιά, οι δορυφόροι GOES μπορούν να λάβουν συνεχείς παρατηρήσεις πάνω σε ένα σταθερό τμήμα της επιφάνειας της Γης. Με τον ίδιο τρόπο που τα δεδομένα GOES ενσωματώνονται ταχέως σε εφαρμογές πρόγνωσης καιρού, τα δεδομένα SWIR από αυτές τις πλατφόρμες μπορούν να χρησιμοποιηθούν για οπτικοποίηση σχεδόν άμεσα τη χρονική διάδοσης και χωρική έκταση ταχέως αναπτυσσόμενων πυρκαγιών και να αποσταλούν προειδοποιήσεις σε προσωπικές συσκευές των πολιτών που βρίσκονται εντός στην περιοχή και κινδυνεύουν. <br /> Συμπερασματικά, η έρευνα αυτή προωθεί την ενημέρωση προς το ευρύτερο κοινό σχετικά με την εξέλιξη των πυρκαγιών αλλά παρέχει και πολύτιμα δεδομένα για να επιτρέψει την περαιτέρω έρευνα σε μια σειρά επιστημονικών κλάδων. Η αποτελεσματική χρήση αυτών των δεδομένων είναι απαραίτητη για την έγκαιρη προειδοποίηση και τις διαδρομές διαφυγής στα πλαίσια δράσης και σχεδιασμού της πολιτικής προστασίας. <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%86%CE%BC%CE%B5%CF%83%CE%B7_%CE%B5%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%BC%CE%AD%CF%83%CF%89_%CF%84%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82_%CF%84%CE%BF%CF%85_%CE%B1%CE%BD%CF%84%CE%AF%CE%BA%CF%84%CF%85%CF%80%CE%BF%CF%85_%CF%83%CF%84%CE%BF_%CF%84%CE%BF%CF%80%CE%AF%CE%BF_%CF%84%CE%B7%CF%82_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CE%AC%CF%82_%22Camp_Fire%22_%CF%83%CF%84%CE%B7%CE%BD_%CE%9A%CE%B1%CE%BB%CE%B9%CF%86%CF%8C%CF%81%CE%BD%CE%B9%CE%B1 2020-02-14T21:31:55Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>''' Άμεση εκτίμηση μέσω της τηλεπισκόπισης του αντίκτυπου στο τοπίο της πυρκαγιάς &quot;Camp Fire&quot; στην Καλιφόρνια '''<br /> <br /> <br /> ''' Rapid remote sensing assessment of landscape-scale impacts from the California 2018 Camp Fire '''<br /> <br /> Συγγραφείς: Jeffrey Q. Chambers, Caralyn Gorman, Yanlei Feng, Margaret S. Torn, Jared R. Stapp <br /> <br /> <br /> Vol 2, International Journal of Space and science, ISSN: 2321-2837<br /> ER - <br /> <br /> Πηγή: [ https://peerj.com/preprints/27654 ]<br /> <br /> Λέξεις κλειδιά: δασικές πυρκαγιές, GOES, Landsat, SWIR, πολιτική προσταστία <br /> <br /> <br /> Η μελέτη παρουσιάζει τις της επιπτώσεις της πυρκαγιάς&quot;Camp Fire&quot;, που αποτελεί την θανατηφόρα πυρκαγιά στην ιστορία των Πολιτειών, τόσο στην όμορη βλάστηση όσο και στην πόλη του Paradise. Η έρευνα περιλαμβάνει μια εφαρμογή απεικόνισης των πληγέντων περιοχών μέσω δεδομένων GOES 16, την επεξεργασία Landsat 8 εικόνων για πριν, κατά τη διάρκεια και μετά τη φωτιά, ένα χρονοδιάγραμμα της πυρκαγιάς που εξαπλώνεται από την ανάφλεξη κατά τις πρώτες τέσσερις ώρες και τέλος την περιγραφή μιας πιθανής εφαρμογής έγκαιρης προειδοποίησης με χρήση οπτικοποιημένων δεδομένων, ώστε να παρέχει πρόσθετες πληροφορίες για την αποτελεσματική εκκένωση περιοχών που απειλούνται από τις ταχέως μεταβαλλόμενες πυρκαγιές. <br /> Για την οπτικοποίηση των διαδραστικών χρονοδιαγραμάτων της εξάπλωσης της πυρκαγιάς, χρησιμοποιήθηκε η πλαρφόρμα της Google Earth, Engine (GEE). Στην πλατφόρμα αυτή γίνεται εισαγωγή επεξεργασμένων δεδομένων GOES βάσει των τιμών του SWIRκαθώς σε αυτό το κανάλι εκπέμπουν περισσότερο οι περιοχές όπου εκτυλίσσεται πυρκαγιά (εικ.1). Τα εικονοστοιχεία της εστίας της φωτιάς, στα μήκη κύματος SWIR εντοπίστηκαν για πρώτη φορά στις εικόνες GOES 16. Είναι σημαντικό να υπογραμμισθεί ότι τα εικονοστοιχεία GOES έχουν ανάλυση 2x2 χλμ. και ο αισθητήρας SWIR στο GOES ανιχνεύει pixels που διασχίζουν ένα κατώφλι εκπομπής SWIR. Γι αυτό το λόγο, οι χρόνοι και οι θέσεις έχουν περιορισμένη χωρική και χρονική ακρίβεια. <br /> <br /> [[Εικόνα51.PNG|thumb|right|Στιγμιότυπο από την πλατφόρμα με χρήση δεδομένων GOES ]]<br /> <br /> Στις εικόνες πριν και μετά την πυρκαγιά, διορθώθηκε ο φωτισμός ώστε να αναδειχθεί η απότομη τοπογραφία της περιοχής ενώ έγινε και ραδιομετρική κανονικοποίηση για να εξασφαλιστεί ομοιογένεια μεταξύ εικόνων. Για να είναι συγκρίσιμα τα δεδομένα, κάθε εικόνα παρουσιάστηκε ως σύνθετα Landsat8 ψευδοχρώματος (SWIR1-NIR-Blue = RGB). Για παράδειγμα, η εικόνα 2 εμφανίζει περιοχές όπου υπάρχουν ισχυρές εστίας πυρκαγιάς ως φωτεινά κόκκινα εικονοστοιχεία (30 x 30 m) που εκπέμπουν ενεργά ακτινοβολία SWIR λόγω της θερμοκρασίας της φωτιάς. <br /> <br /> [[Εικόνα:52.PNG|thumb|right| Παρουσίαση της περιοχής πριν και μετά την πυρκαγιά (RGB=SWIR-NIR-RED) όπου κόκκινες εμφανίζονται οι καμμένες περιοχές, καφέ η μη υγιής βλάστηση και πράσινη η υγιής βλάστηση ]]<br /> <br /> Λόγω της θέσης τους σε μια γεωστατική τροχιά, οι δορυφόροι GOES μπορούν να λάβουν συνεχείς παρατηρήσεις πάνω σε ένα σταθερό τμήμα της επιφάνειας της Γης. Με τον ίδιο τρόπο που τα δεδομένα GOES ενσωματώνονται ταχέως σε εφαρμογές πρόγνωσης καιρού, τα δεδομένα SWIR από αυτές τις πλατφόρμες μπορούν να χρησιμοποιηθούν για οπτικοποίηση σχεδόν άμεσα τη χρονική διάδοσης και χωρική έκταση ταχέως αναπτυσσόμενων πυρκαγιών και να αποσταλούν προειδοποιήσεις σε προσωπικές συσκευές των πολιτών που βρίσκονται εντός στην περιοχή και κινδυνεύουν. <br /> Συμπερασματικά, η έρευνα αυτή προωθεί την ενημέρωση προς το ευρύτερο κοινό σχετικά με την εξέλιξη των πυρκαγιών αλλά παρέχει και πολύτιμα δεδομένα για να επιτρέψει την περαιτέρω έρευνα σε μια σειρά επιστημονικών κλάδων. Η αποτελεσματική χρήση αυτών των δεδομένων είναι απαραίτητη για την έγκαιρη προειδοποίηση και τις διαδρομές διαφυγής στα πλαίσια δράσης και σχεδιασμού της πολιτικής προστασίας. <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%86%CE%BC%CE%B5%CF%83%CE%B7_%CE%B5%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%BC%CE%AD%CF%83%CF%89_%CF%84%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82_%CF%84%CE%BF%CF%85_%CE%B1%CE%BD%CF%84%CE%AF%CE%BA%CF%84%CF%85%CF%80%CE%BF%CF%85_%CF%83%CF%84%CE%BF_%CF%84%CE%BF%CF%80%CE%AF%CE%BF_%CF%84%CE%B7%CF%82_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CE%AC%CF%82_%22Camp_Fire%22_%CF%83%CF%84%CE%B7%CE%BD_%CE%9A%CE%B1%CE%BB%CE%B9%CF%86%CF%8C%CF%81%CE%BD%CE%B9%CE%B1 2020-02-14T21:31:33Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>''''''Άμεση εκτίμηση μέσω της τηλεπισκόπισης του αντίκτυπου στο τοπίο της πυρκαγιάς &quot;Camp Fire&quot; στην Καλιφόρνια '''<br /> <br /> <br /> Rapid remote sensing assessment of landscape-scale impacts from the California 2018 Camp Fire '''<br /> <br /> Συγγραφείς: Jeffrey Q. Chambers, Caralyn Gorman, Yanlei Feng, Margaret S. Torn, Jared R. Stapp <br /> <br /> <br /> Vol 2, International Journal of Space and science, ISSN: 2321-2837<br /> ER - <br /> <br /> Πηγή: [ https://peerj.com/preprints/27654 ]<br /> <br /> Λέξεις κλειδιά: δασικές πυρκαγιές, GOES, Landsat, SWIR, πολιτική προσταστία <br /> <br /> <br /> Η μελέτη παρουσιάζει τις της επιπτώσεις της πυρκαγιάς&quot;Camp Fire&quot;, που αποτελεί την θανατηφόρα πυρκαγιά στην ιστορία των Πολιτειών, τόσο στην όμορη βλάστηση όσο και στην πόλη του Paradise. Η έρευνα περιλαμβάνει μια εφαρμογή απεικόνισης των πληγέντων περιοχών μέσω δεδομένων GOES 16, την επεξεργασία Landsat 8 εικόνων για πριν, κατά τη διάρκεια και μετά τη φωτιά, ένα χρονοδιάγραμμα της πυρκαγιάς που εξαπλώνεται από την ανάφλεξη κατά τις πρώτες τέσσερις ώρες και τέλος την περιγραφή μιας πιθανής εφαρμογής έγκαιρης προειδοποίησης με χρήση οπτικοποιημένων δεδομένων, ώστε να παρέχει πρόσθετες πληροφορίες για την αποτελεσματική εκκένωση περιοχών που απειλούνται από τις ταχέως μεταβαλλόμενες πυρκαγιές. <br /> Για την οπτικοποίηση των διαδραστικών χρονοδιαγραμάτων της εξάπλωσης της πυρκαγιάς, χρησιμοποιήθηκε η πλαρφόρμα της Google Earth, Engine (GEE). Στην πλατφόρμα αυτή γίνεται εισαγωγή επεξεργασμένων δεδομένων GOES βάσει των τιμών του SWIRκαθώς σε αυτό το κανάλι εκπέμπουν περισσότερο οι περιοχές όπου εκτυλίσσεται πυρκαγιά (εικ.1). Τα εικονοστοιχεία της εστίας της φωτιάς, στα μήκη κύματος SWIR εντοπίστηκαν για πρώτη φορά στις εικόνες GOES 16. Είναι σημαντικό να υπογραμμισθεί ότι τα εικονοστοιχεία GOES έχουν ανάλυση 2x2 χλμ. και ο αισθητήρας SWIR στο GOES ανιχνεύει pixels που διασχίζουν ένα κατώφλι εκπομπής SWIR. Γι αυτό το λόγο, οι χρόνοι και οι θέσεις έχουν περιορισμένη χωρική και χρονική ακρίβεια. <br /> <br /> [[Εικόνα51.PNG|thumb|right|Στιγμιότυπο από την πλατφόρμα με χρήση δεδομένων GOES ]]<br /> <br /> Στις εικόνες πριν και μετά την πυρκαγιά, διορθώθηκε ο φωτισμός ώστε να αναδειχθεί η απότομη τοπογραφία της περιοχής ενώ έγινε και ραδιομετρική κανονικοποίηση για να εξασφαλιστεί ομοιογένεια μεταξύ εικόνων. Για να είναι συγκρίσιμα τα δεδομένα, κάθε εικόνα παρουσιάστηκε ως σύνθετα Landsat8 ψευδοχρώματος (SWIR1-NIR-Blue = RGB). Για παράδειγμα, η εικόνα 2 εμφανίζει περιοχές όπου υπάρχουν ισχυρές εστίας πυρκαγιάς ως φωτεινά κόκκινα εικονοστοιχεία (30 x 30 m) που εκπέμπουν ενεργά ακτινοβολία SWIR λόγω της θερμοκρασίας της φωτιάς. <br /> <br /> [[Εικόνα:52.PNG|thumb|right| Παρουσίαση της περιοχής πριν και μετά την πυρκαγιά (RGB=SWIR-NIR-RED) όπου κόκκινες εμφανίζονται οι καμμένες περιοχές, καφέ η μη υγιής βλάστηση και πράσινη η υγιής βλάστηση ]]<br /> <br /> Λόγω της θέσης τους σε μια γεωστατική τροχιά, οι δορυφόροι GOES μπορούν να λάβουν συνεχείς παρατηρήσεις πάνω σε ένα σταθερό τμήμα της επιφάνειας της Γης. Με τον ίδιο τρόπο που τα δεδομένα GOES ενσωματώνονται ταχέως σε εφαρμογές πρόγνωσης καιρού, τα δεδομένα SWIR από αυτές τις πλατφόρμες μπορούν να χρησιμοποιηθούν για οπτικοποίηση σχεδόν άμεσα τη χρονική διάδοσης και χωρική έκταση ταχέως αναπτυσσόμενων πυρκαγιών και να αποσταλούν προειδοποιήσεις σε προσωπικές συσκευές των πολιτών που βρίσκονται εντός στην περιοχή και κινδυνεύουν. <br /> Συμπερασματικά, η έρευνα αυτή προωθεί την ενημέρωση προς το ευρύτερο κοινό σχετικά με την εξέλιξη των πυρκαγιών αλλά παρέχει και πολύτιμα δεδομένα για να επιτρέψει την περαιτέρω έρευνα σε μια σειρά επιστημονικών κλάδων. Η αποτελεσματική χρήση αυτών των δεδομένων είναι απαραίτητη για την έγκαιρη προειδοποίηση και τις διαδρομές διαφυγής στα πλαίσια δράσης και σχεδιασμού της πολιτικής προστασίας. <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%86%CE%BC%CE%B5%CF%83%CE%B7_%CE%B5%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%BC%CE%AD%CF%83%CF%89_%CF%84%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82_%CF%84%CE%BF%CF%85_%CE%B1%CE%BD%CF%84%CE%AF%CE%BA%CF%84%CF%85%CF%80%CE%BF%CF%85_%CF%83%CF%84%CE%BF_%CF%84%CE%BF%CF%80%CE%AF%CE%BF_%CF%84%CE%B7%CF%82_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CE%AC%CF%82_%22Camp_Fire%22_%CF%83%CF%84%CE%B7%CE%BD_%CE%9A%CE%B1%CE%BB%CE%B9%CF%86%CF%8C%CF%81%CE%BD%CE%B9%CE%B1 2020-02-14T21:31:23Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>''''''Άμεση εκτίμηση μέσω της τηλεπισκόπισης του αντίκτυπου στο τοπίο της πυρκαγιάς &quot;Camp Fire&quot; στην Καλιφόρνια '''<br /> <br /> Rapid remote sensing assessment of landscape-scale impacts from the California 2018 Camp Fire '''<br /> <br /> Συγγραφείς: Jeffrey Q. Chambers, Caralyn Gorman, Yanlei Feng, Margaret S. Torn, Jared R. Stapp <br /> <br /> <br /> Vol 2, International Journal of Space and science, ISSN: 2321-2837<br /> ER - <br /> <br /> Πηγή: [ https://peerj.com/preprints/27654 ]<br /> <br /> Λέξεις κλειδιά: δασικές πυρκαγιές, GOES, Landsat, SWIR, πολιτική προσταστία <br /> <br /> <br /> Η μελέτη παρουσιάζει τις της επιπτώσεις της πυρκαγιάς&quot;Camp Fire&quot;, που αποτελεί την θανατηφόρα πυρκαγιά στην ιστορία των Πολιτειών, τόσο στην όμορη βλάστηση όσο και στην πόλη του Paradise. Η έρευνα περιλαμβάνει μια εφαρμογή απεικόνισης των πληγέντων περιοχών μέσω δεδομένων GOES 16, την επεξεργασία Landsat 8 εικόνων για πριν, κατά τη διάρκεια και μετά τη φωτιά, ένα χρονοδιάγραμμα της πυρκαγιάς που εξαπλώνεται από την ανάφλεξη κατά τις πρώτες τέσσερις ώρες και τέλος την περιγραφή μιας πιθανής εφαρμογής έγκαιρης προειδοποίησης με χρήση οπτικοποιημένων δεδομένων, ώστε να παρέχει πρόσθετες πληροφορίες για την αποτελεσματική εκκένωση περιοχών που απειλούνται από τις ταχέως μεταβαλλόμενες πυρκαγιές. <br /> Για την οπτικοποίηση των διαδραστικών χρονοδιαγραμάτων της εξάπλωσης της πυρκαγιάς, χρησιμοποιήθηκε η πλαρφόρμα της Google Earth, Engine (GEE). Στην πλατφόρμα αυτή γίνεται εισαγωγή επεξεργασμένων δεδομένων GOES βάσει των τιμών του SWIRκαθώς σε αυτό το κανάλι εκπέμπουν περισσότερο οι περιοχές όπου εκτυλίσσεται πυρκαγιά (εικ.1). Τα εικονοστοιχεία της εστίας της φωτιάς, στα μήκη κύματος SWIR εντοπίστηκαν για πρώτη φορά στις εικόνες GOES 16. Είναι σημαντικό να υπογραμμισθεί ότι τα εικονοστοιχεία GOES έχουν ανάλυση 2x2 χλμ. και ο αισθητήρας SWIR στο GOES ανιχνεύει pixels που διασχίζουν ένα κατώφλι εκπομπής SWIR. Γι αυτό το λόγο, οι χρόνοι και οι θέσεις έχουν περιορισμένη χωρική και χρονική ακρίβεια. <br /> <br /> [[Εικόνα51.PNG|thumb|right|Στιγμιότυπο από την πλατφόρμα με χρήση δεδομένων GOES ]]<br /> <br /> Στις εικόνες πριν και μετά την πυρκαγιά, διορθώθηκε ο φωτισμός ώστε να αναδειχθεί η απότομη τοπογραφία της περιοχής ενώ έγινε και ραδιομετρική κανονικοποίηση για να εξασφαλιστεί ομοιογένεια μεταξύ εικόνων. Για να είναι συγκρίσιμα τα δεδομένα, κάθε εικόνα παρουσιάστηκε ως σύνθετα Landsat8 ψευδοχρώματος (SWIR1-NIR-Blue = RGB). Για παράδειγμα, η εικόνα 2 εμφανίζει περιοχές όπου υπάρχουν ισχυρές εστίας πυρκαγιάς ως φωτεινά κόκκινα εικονοστοιχεία (30 x 30 m) που εκπέμπουν ενεργά ακτινοβολία SWIR λόγω της θερμοκρασίας της φωτιάς. <br /> <br /> [[Εικόνα:52.PNG|thumb|right| Παρουσίαση της περιοχής πριν και μετά την πυρκαγιά (RGB=SWIR-NIR-RED) όπου κόκκινες εμφανίζονται οι καμμένες περιοχές, καφέ η μη υγιής βλάστηση και πράσινη η υγιής βλάστηση ]]<br /> <br /> Λόγω της θέσης τους σε μια γεωστατική τροχιά, οι δορυφόροι GOES μπορούν να λάβουν συνεχείς παρατηρήσεις πάνω σε ένα σταθερό τμήμα της επιφάνειας της Γης. Με τον ίδιο τρόπο που τα δεδομένα GOES ενσωματώνονται ταχέως σε εφαρμογές πρόγνωσης καιρού, τα δεδομένα SWIR από αυτές τις πλατφόρμες μπορούν να χρησιμοποιηθούν για οπτικοποίηση σχεδόν άμεσα τη χρονική διάδοσης και χωρική έκταση ταχέως αναπτυσσόμενων πυρκαγιών και να αποσταλούν προειδοποιήσεις σε προσωπικές συσκευές των πολιτών που βρίσκονται εντός στην περιοχή και κινδυνεύουν. <br /> Συμπερασματικά, η έρευνα αυτή προωθεί την ενημέρωση προς το ευρύτερο κοινό σχετικά με την εξέλιξη των πυρκαγιών αλλά παρέχει και πολύτιμα δεδομένα για να επιτρέψει την περαιτέρω έρευνα σε μια σειρά επιστημονικών κλάδων. Η αποτελεσματική χρήση αυτών των δεδομένων είναι απαραίτητη για την έγκαιρη προειδοποίηση και τις διαδρομές διαφυγής στα πλαίσια δράσης και σχεδιασμού της πολιτικής προστασίας. <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%86%CE%BC%CE%B5%CF%83%CE%B7_%CE%B5%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CE%BC%CE%AD%CF%83%CF%89_%CF%84%CE%B7%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B9%CF%83%CE%B7%CF%82_%CF%84%CE%BF%CF%85_%CE%B1%CE%BD%CF%84%CE%AF%CE%BA%CF%84%CF%85%CF%80%CE%BF%CF%85_%CF%83%CF%84%CE%BF_%CF%84%CE%BF%CF%80%CE%AF%CE%BF_%CF%84%CE%B7%CF%82_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CE%AC%CF%82_%22Camp_Fire%22_%CF%83%CF%84%CE%B7%CE%BD_%CE%9A%CE%B1%CE%BB%CE%B9%CF%86%CF%8C%CF%81%CE%BD%CE%B9%CE%B1 2020-02-14T21:31:11Z

<p>Alexopoulou Nefeli: Νέα σελίδα με '''''''Άμεση εκτίμηση μέσω της τηλεπισκόπισης του αντίκτυπου στο τοπίο της πυρκαγιάς &quot;Camp Fire&quot; στην...'</p> <hr /> <div>''''''Άμεση εκτίμηση μέσω της τηλεπισκόπισης του αντίκτυπου στο τοπίο της πυρκαγιάς &quot;Camp Fire&quot; στην Καλιφόρνια '''<br /> Rapid remote sensing assessment of landscape-scale impacts from the California 2018 Camp Fire '''<br /> <br /> Συγγραφείς: Jeffrey Q. Chambers, Caralyn Gorman, Yanlei Feng, Margaret S. Torn, Jared R. Stapp <br /> <br /> <br /> Vol 2, International Journal of Space and science, ISSN: 2321-2837<br /> ER - <br /> <br /> Πηγή: [ https://peerj.com/preprints/27654 ]<br /> <br /> Λέξεις κλειδιά: δασικές πυρκαγιές, GOES, Landsat, SWIR, πολιτική προσταστία <br /> <br /> <br /> Η μελέτη παρουσιάζει τις της επιπτώσεις της πυρκαγιάς&quot;Camp Fire&quot;, που αποτελεί την θανατηφόρα πυρκαγιά στην ιστορία των Πολιτειών, τόσο στην όμορη βλάστηση όσο και στην πόλη του Paradise. Η έρευνα περιλαμβάνει μια εφαρμογή απεικόνισης των πληγέντων περιοχών μέσω δεδομένων GOES 16, την επεξεργασία Landsat 8 εικόνων για πριν, κατά τη διάρκεια και μετά τη φωτιά, ένα χρονοδιάγραμμα της πυρκαγιάς που εξαπλώνεται από την ανάφλεξη κατά τις πρώτες τέσσερις ώρες και τέλος την περιγραφή μιας πιθανής εφαρμογής έγκαιρης προειδοποίησης με χρήση οπτικοποιημένων δεδομένων, ώστε να παρέχει πρόσθετες πληροφορίες για την αποτελεσματική εκκένωση περιοχών που απειλούνται από τις ταχέως μεταβαλλόμενες πυρκαγιές. <br /> Για την οπτικοποίηση των διαδραστικών χρονοδιαγραμάτων της εξάπλωσης της πυρκαγιάς, χρησιμοποιήθηκε η πλαρφόρμα της Google Earth, Engine (GEE). Στην πλατφόρμα αυτή γίνεται εισαγωγή επεξεργασμένων δεδομένων GOES βάσει των τιμών του SWIRκαθώς σε αυτό το κανάλι εκπέμπουν περισσότερο οι περιοχές όπου εκτυλίσσεται πυρκαγιά (εικ.1). Τα εικονοστοιχεία της εστίας της φωτιάς, στα μήκη κύματος SWIR εντοπίστηκαν για πρώτη φορά στις εικόνες GOES 16. Είναι σημαντικό να υπογραμμισθεί ότι τα εικονοστοιχεία GOES έχουν ανάλυση 2x2 χλμ. και ο αισθητήρας SWIR στο GOES ανιχνεύει pixels που διασχίζουν ένα κατώφλι εκπομπής SWIR. Γι αυτό το λόγο, οι χρόνοι και οι θέσεις έχουν περιορισμένη χωρική και χρονική ακρίβεια. <br /> <br /> [[Εικόνα51.PNG|thumb|right|Στιγμιότυπο από την πλατφόρμα με χρήση δεδομένων GOES ]]<br /> <br /> Στις εικόνες πριν και μετά την πυρκαγιά, διορθώθηκε ο φωτισμός ώστε να αναδειχθεί η απότομη τοπογραφία της περιοχής ενώ έγινε και ραδιομετρική κανονικοποίηση για να εξασφαλιστεί ομοιογένεια μεταξύ εικόνων. Για να είναι συγκρίσιμα τα δεδομένα, κάθε εικόνα παρουσιάστηκε ως σύνθετα Landsat8 ψευδοχρώματος (SWIR1-NIR-Blue = RGB). Για παράδειγμα, η εικόνα 2 εμφανίζει περιοχές όπου υπάρχουν ισχυρές εστίας πυρκαγιάς ως φωτεινά κόκκινα εικονοστοιχεία (30 x 30 m) που εκπέμπουν ενεργά ακτινοβολία SWIR λόγω της θερμοκρασίας της φωτιάς. <br /> <br /> [[Εικόνα:52.PNG|thumb|right| Παρουσίαση της περιοχής πριν και μετά την πυρκαγιά (RGB=SWIR-NIR-RED) όπου κόκκινες εμφανίζονται οι καμμένες περιοχές, καφέ η μη υγιής βλάστηση και πράσινη η υγιής βλάστηση ]]<br /> <br /> Λόγω της θέσης τους σε μια γεωστατική τροχιά, οι δορυφόροι GOES μπορούν να λάβουν συνεχείς παρατηρήσεις πάνω σε ένα σταθερό τμήμα της επιφάνειας της Γης. Με τον ίδιο τρόπο που τα δεδομένα GOES ενσωματώνονται ταχέως σε εφαρμογές πρόγνωσης καιρού, τα δεδομένα SWIR από αυτές τις πλατφόρμες μπορούν να χρησιμοποιηθούν για οπτικοποίηση σχεδόν άμεσα τη χρονική διάδοσης και χωρική έκταση ταχέως αναπτυσσόμενων πυρκαγιών και να αποσταλούν προειδοποιήσεις σε προσωπικές συσκευές των πολιτών που βρίσκονται εντός στην περιοχή και κινδυνεύουν. <br /> Συμπερασματικά, η έρευνα αυτή προωθεί την ενημέρωση προς το ευρύτερο κοινό σχετικά με την εξέλιξη των πυρκαγιών αλλά παρέχει και πολύτιμα δεδομένα για να επιτρέψει την περαιτέρω έρευνα σε μια σειρά επιστημονικών κλάδων. Η αποτελεσματική χρήση αυτών των δεδομένων είναι απαραίτητη για την έγκαιρη προειδοποίηση και τις διαδρομές διαφυγής στα πλαίσια δράσης και σχεδιασμού της πολιτικής προστασίας. <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:52.PNG 2020-02-14T21:31:01Z

<p>Alexopoulou Nefeli: Παρουσίαση της περιοχής πριν και μετά την πυρκαγιά (RGB=SWIR-NIR-RED) όπου κόκκινες εμφανίζονται οι καμμένες περιοχές, καφέ η μη υγιής βλάστηση και</p> <hr /> <div>Παρουσίαση της περιοχής πριν και μετά την πυρκαγιά (RGB=SWIR-NIR-RED) όπου κόκκινες εμφανίζονται οι καμμένες περιοχές, καφέ η μη υγιής βλάστηση και πράσινη η υγιής βλάστηση</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:51.PNG 2020-02-14T21:30:24Z

<p>Alexopoulou Nefeli: Στιγμιότυπο από την πλατφόρμα με χρήση δεδομένων GOES</p> <hr /> <div>Στιγμιότυπο από την πλατφόρμα με χρήση δεδομένων GOES</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BB%CE%B5%CE%BE%CE%BF%CF%80%CE%BF%CF%8D%CE%BB%CE%BF%CF%85_%CE%9D%CE%B5%CF%86%CE%AD%CE%BB%CE%B7 2020-02-14T21:25:51Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>* [[Χρησιμοποιώντας πολυεστιακές εικόνες Landsat για ταχεία αναγνώριση εγκαταλελειμμένων εκτάσεων σε περιοχές που εκδηλώνεται αστική εξάπλωση]]<br /> <br /> * [[Η τηλεπισκόπηση συναντά τη &quot;βαθιά μάθηση&quot;: Αξιοποίηση δορυφορικών εικόνων για την έγκαιρη ανίχνευση δασικών πυρκαγιών ]]<br /> <br /> * [[Χρήση γης / ανίχνευση αλλαγής κάλυψης γης της περιοχής του Canal Indira Sagar χρησιμοποιώντας ενσωματωμένα εργαλεία τηλεανίχνευσης και GIS]]<br /> <br /> * [[ Αξιολόγηση της αστικής διάχυσης και της αλλαγής χρήσεων και κάλυψης γης με τη χρήση ΓΣΠ και ιστορικούς χάρτες ]]<br /> <br /> * [[ Category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BB%CE%B5%CE%BE%CE%BF%CF%80%CE%BF%CF%8D%CE%BB%CE%BF%CF%85_%CE%9D%CE%B5%CF%86%CE%AD%CE%BB%CE%B7 2020-02-14T21:24:19Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>* [[Χρησιμοποιώντας πολυεστιακές εικόνες Landsat για ταχεία αναγνώριση εγκαταλελειμμένων εκτάσεων σε περιοχές που εκδηλώνεται αστική εξάπλωση]]<br /> <br /> * [[Χρήση γης / ανίχνευση αλλαγής κάλυψης γης της περιοχής του Canal Indira Sagar χρησιμοποιώντας ενσωματωμένα εργαλεία τηλεανίχνευσης και GIS]]<br /> <br /> * [[ Αξιολόγηση της αστικής διάχυσης και της αλλαγής χρήσεων και κάλυψης γης με τη χρήση ΓΣΠ και ιστορικούς χάρτες ]]<br /> <br /> * [[ Category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BB%CE%B5%CE%BE%CE%BF%CF%80%CE%BF%CF%8D%CE%BB%CE%BF%CF%85_%CE%9D%CE%B5%CF%86%CE%AD%CE%BB%CE%B7 2020-02-14T21:23:58Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>[[Χρησιμοποιώντας πολυεστιακές εικόνες Landsat για ταχεία αναγνώριση εγκαταλελειμμένων εκτάσεων σε περιοχές που εκδηλώνεται αστική εξάπλωση]]<br /> <br /> [[Χρήση γης / ανίχνευση αλλαγής κάλυψης γης της περιοχής του Canal Indira Sagar χρησιμοποιώντας ενσωματωμένα εργαλεία τηλεανίχνευσης και GIS]]<br /> <br /> [[ Αξιολόγηση της αστικής διάχυσης και της αλλαγής χρήσεων και κάλυψης γης με τη χρήση ΓΣΠ και ιστορικούς χάρτες ]]<br /> <br /> [[ Category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Alexopoulou Nefeli 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%CE%B7%CF%82_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%B4%CE%B9%CE%AC%CF%87%CF%85%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CF%82_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE%CF%82_%CF%87%CF%81%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%B3%CE%B7%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%93%CE%A3%CE%A0_%CE%BA%CE%B1%CE%B9_%CE%B9%CF%83%CF%84%CE%BF%CF%81%CE%B9%CE%BA%CE%BF%CF%8D%CF%82_%CF%87%CE%AC%CF%81%CF%84%CE%B5%CF%82 2020-02-14T21:23:16Z

<p>Alexopoulou Nefeli: </p> <hr /> <div> ''''''Αξιολόγηση της αστικής διάχυσης και της αλλαγής χρήσεων και κάλυψης γης με τη χρήση GIS και ιστορικούς χάρτες. Η περίπτωση της πόλης Dej στη Ρουμανία '''<br /> EVALUATING URBAN SPRAWL AND LAND-USE CHANGE USING REMOTE SENSING, GIS TECHNIQUES AND HISTORICAL MAPS. CASE STUDY: THE CITY OF DEJ, ROMANIA '''<br /> <br /> Συγγραφείς: Anna- Hajnalka Kerekes, Mircea Alexe<br /> <br /> <br /> Vol 2, International Journal of Space and science, ISSN: 2321-2837<br /> ER - <br /> <br /> Πηγή: [ http://www.academia.edu/download/60309279/auog.292106-79920190816-582251agbt2k.pdf]<br /> <br /> Λέξεις κλειδιά: τηλεπισκόπηση, μεταβολή χρήσεων γης, μεταβολή κάλυψης εδάφους, GIS, ιστορικοί χάρτες<br /> <br /> Η παρούσα μελέτη έχει ως αντικείμενο την ανάλυση της μεταβολής της χρήσης/καλυψης εδάφους της πόλης Dej στη Ρουμανία για την περίοδο από το 1984 μέχρι το 2017. Στόχος είναι να μελετηθούν οι ιστορικοί χάρτες και εικόνες Landsat ώστε να αναλυθεί η αστική εξάπλωση της περιοχής και να συσχετιστούν με ιστορικά-κοινωνικά και οικονομικά γεγονότα. Η γεωμορφολογία της περιοχής απαρτίζεται από ογκώδεις σειρές λόφων και πλούσιο υδροφόρο ορίζοντα, με ακραίες και καταστροφικές επιπτώσεις λόγω των πλημμύρων που προκύπτουν(εικ. 01). Τα παραπάνω στοιχεία δικαιολογούν τις διεργασίες διάβρωσης, καθίζησης και ευτροφισμού της περιοχής με επακόλουθες επιπτώσεις στον τρόπο ανάπτυξης του αστικού ιστού και τα διάφορα τεχνικά έργα- αναχώματα που δημιουργούν αστικά φράγματα για την οικιστική ανάπτυξη. <br /> <br /> [[Εικόνα:41.PNG|thumb|right|Θέση &amp; γεωμορφολογία της περιοχής μελέτης ]]<br /> <br /> Είναι πολύ σημαντικό να μελετηθούν οι μεταβολές της κάλυψης του εδάφους καθώς επιφέρουν μεγάλες επιπτώσεις στη λεκάνη απορροής αφού επηρεάζουν φυσικές διαδικασίες όπως η διείσδυση, η απορροή και η παροχέτευση υδάτων στους υπόγειους σχηματισμούς. <br /> Από τους παραγόμενους χάρτες για τα 2 διαφορετικά έτη και την ανάλυση των δεδομένων, προκύπτει ότι υπήρξε ποσοστιαία αύξηση όλων των εξεταζόμενων στοιχείων σε βάρος των χορτολειβαδικών εκτάσεων. <br /> <br /> [[Εικόνα:42.PNG|thumb|right| Γεωαναφερόμενοι ιστορικοί χάρτες ]]<br /> <br /> Για την έρευνα συλλέχθηκαν ιστορικοί χάρτες οι οποίοι ψηφιοποιήθηκαν μέσω του ArcMap και μετατράπηκαν σε στερεογραφικές απεικονίσεις, δορυφορικές απεικονίσεις με ανάλυση 30μ. στις οποίες δεν εντοπίστηκε νεφοκάλυψη και επεξεργάστηκαν μέσω του ERDAS 2014. Η χρήση ιστορικών χαρτών για την άντληση πληροφοριών και δεδομένων από τις προδορυφορικές εποχές είναι σχετικά απλή, παρόλο που θα μπορούσαν να υπάρξουν κάποια σφάλματα ακρίβειας, επειδή οι χάρτες ψηφιοποιήθηκαν σε διαφορετικά επίπεδα ακρίβειας. Η επίδραση του πιθανού σφάλματος είναι ελάχιστη λόγω της χονδροειδούς χρονικής τοποθέτησης της μελέτης. Οι κατηγορίες χρήσεων και κάλυψης γης που λήφθησαν υπόψη είναι τα όρια των αστικών περιοχών, η αποτύπωση των υδάτινων μαζών και οι δασικές περιοχές με στόχο να ορισθεί το ποσοστό της μεταβολής της αστικής διάχυσης και της επιρροής που αυτή ασκεί στο φυσικό περιβάλλον. <br /> <br /> Η προεπεξεργασία των εικόνων προκειμένου να επιτευχτεί η απομάκρυνση των τυχαίων παραμορφώσεων περιλαμβάνει την γεωμετρική διόρθωση και την ενίσχυση των εικόνων. Για την ταξινόμηση στις δορυφορικές εικόνες, χρησιμοποιήθηκε ο αλγόριθμος της μέγιστης πιθανοφάνειας , και εντοπίστηκαν τέσσερις τάξεις: καλλιεργήσιμες περιοχές, βλάστηση, υδρογραφία, δομημένο περιβάλλον. Ο εντοπισμός της αστικής εξάπλωσης έγινε μέσω της μετα-ταξινόμησης και τη χρήση πινάκων διπλής εισόδου. <br /> Τα αποτελέσματα της ανάλυσης περιγράφονται στον πίνακα 3 ενώ επαληθεύονται και επαληθεύουν ιστορικά γεγονότα όπως τη σύνδεση της άυξησης της αστικής περιφέρειας με την κατασκευή σιδηροδρομικών υποδομών στην περιοχή την ίδια περίοδο. Επιπλέον, υπολογίστηκε μέσω του GIS(εικ. 4), η επικείμενη αστική διάχυση της πόλης κάνοντας χρήση γεωγραφικών παραμέτρων, στοιχεία πληθυσμού, και την εγγύτητα από αγροτικές περιοχές. <br /> <br /> [[Εικόνα:43.PNG|thumb|right|Αποτελέσματα ανάλυσης ]]<br /> [[Εικόνα:44.PNG|thumb|right|Εξίσωση υπολογισμού της επικείμενης αστικής διάχυσης ]]<br /> <br /> Συμπερασματικά, επιβεβαιώνεται, μέσω του συνδυασμού των ΓΣΠ και των τεχνικών τηλεπισκόπησης, ότι η αστικοποίηση μετέβαλε εντατικά τις χρήσεις γης την περίοδο 17632017. Οι πληροφορίες που λαμβάνονται με τεχνικές τηλεπισκόπησης και GIS είναι απαραίτητες για την κατανόηση των αιτίων της αλλαγής της χρήσης γης στην πόλη Dej και μπορούν να χρησιμοποιηθούν για περαιτέρω στρατηγικές χωροταξίας και έργα περιορισμού του κινδύνου, προκειμένου να υπάρξει ένας βιώσιμος πολεοδομικός σχεδιασμός. Απαιτείται σωστή διαχείριση της χρήσης γης προκειμένου οι δασικές εκτάσεις να αποκατασταθούν και να αντιμετωπιστεί η υποβάθμιση της γης που οφείλεται στην υπερβολική χρήση των καλλιεργήσιμων εκτάσεων. <br /> <br /> [[category:Ανίχνευση μεταβολών αστικής γης]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:44.PNG 2020-02-14T21:22:30Z

<p>Alexopoulou Nefeli: Εξίσωση υπολογισμού της επικείμενης αστικής διάχυσης</p> <hr /> <div>Εξίσωση υπολογισμού της επικείμενης αστικής διάχυσης</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:43.PNG 2020-02-14T21:21:11Z

<p>Alexopoulou Nefeli: Αποτελέσματα ανάλυσης</p> <hr /> <div>Αποτελέσματα ανάλυσης</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:42.PNG 2020-02-14T21:20:26Z

<p>Alexopoulou Nefeli: Γεωαναφερόμενοι ιστορικοί χάρτες</p> <hr /> <div>Γεωαναφερόμενοι ιστορικοί χάρτες</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:41.PNG 2020-02-14T21:19:37Z

<p>Alexopoulou Nefeli: Θέση &amp; γεωμορφολογία της περιοχής μελέτης</p> <hr /> <div>Θέση &amp; γεωμορφολογία της περιοχής μελέτης</div>

Alexopoulou Nefeli 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%CE%B7%CF%82_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%B4%CE%B9%CE%AC%CF%87%CF%85%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CF%82_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE%CF%82_%CF%87%CF%81%CE%AE%CF%83%CE%B5%CF%89%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%B3%CE%B7%CF%82_%CE%BC%CE%B5_%CF%84%CE%B7_%CF%87%CF%81%CE%AE%CF%83%CE%B7_%CE%93%CE%A3%CE%A0_%CE%BA%CE%B1%CE%B9_%CE%B9%CF%83%CF%84%CE%BF%CF%81%CE%B9%CE%BA%CE%BF%CF%8D%CF%82_%CF%87%CE%AC%CF%81%CF%84%CE%B5%CF%82 2020-02-14T21:16:53Z

<p>Alexopoulou Nefeli: Νέα σελίδα με ' ''''''Αξιολόγηση της αστικής διάχυσης και της αλλαγής χρήσεων και κάλυψης γης με τη χρήση GIS και...'</p> <hr /> <div> ''''''Αξιολόγηση της αστικής διάχυσης και της αλλαγής χρήσεων και κάλυψης γης με τη χρήση GIS και ιστορικούς χάρτες. Η περίπτωση της πόλης Dej στη Ρουμανία '''<br /> EVALUATING URBAN SPRAWL AND LAND-USE CHANGE USING REMOTE SENSING, GIS TECHNIQUES AND HISTORICAL MAPS. CASE STUDY: THE CITY OF DEJ, ROMANIA '''<br /> <br /> Συγγραφείς: Anna- Hajnalka Kerekes, Mircea Alexe<br /> <br /> <br /> Vol 2, International Journal of Space and science, ISSN: 2321-2837<br /> ER - <br /> <br /> Πηγή: [ http://www.academia.edu/download/60309279/auog.292106-79920190816-582251agbt2k.pdf]<br /> <br /> Λέξεις κλειδιά: τηλεπισκόπηση, μεταβολή χρήσεων γης, μεταβολή κάλυψης εδάφους, GIS, ιστορικοί χάρτες<br /> <br /> Η παρούσα μελέτη έχει ως αντικείμενο την ανάλυση της μεταβολής της χρήσης/καλυψης εδάφους της πόλης Dej στη Ρουμανία για την περίοδο από το 1984 μέχρι το 2017. Στόχος είναι να μελετηθούν οι ιστορικοί χάρτες και εικόνες Landsat ώστε να αναλυθεί η αστική εξάπλωση της περιοχής και να συσχετιστούν με ιστορικά-κοινωνικά και οικονομικά γεγονότα. Η γεωμορφολογία της περιοχής απαρτίζεται από ογκώδεις σειρές λόφων και πλούσιο υδροφόρο ορίζοντα, με ακραίες και καταστροφικές επιπτώσεις λόγω των πλημμύρων που προκύπτουν(εικ. 01). Τα παραπάνω στοιχεία δικαιολογούν τις διεργασίες διάβρωσης, καθίζησης και ευτροφισμού της περιοχής με επακόλουθες επιπτώσεις στον τρόπο ανάπτυξης του αστικού ιστού και τα διάφορα τεχνικά έργα- αναχώματα που δημιουργούν αστικά φράγματα για την οικιστική ανάπτυξη. <br /> <br /> [[Εικόνα:21.PNG|thumb|right|Μεθοδολογία έρευνας]]<br /> <br /> Είναι πολύ σημαντικό να μελετηθούν οι μεταβολές της κάλυψης του εδάφους καθώς επιφέρουν μεγάλες επιπτώσεις στη λεκάνη απορροής αφού επηρεάζουν φυσικές διαδικασίες όπως η διείσδυση, η απορροή και η παροχέτευση υδάτων στους υπόγειους σχηματισμούς. <br /> Από τους παραγόμενους χάρτες για τα 2 διαφορετικά έτη και την ανάλυση των δεδομένων, προκύπτει ότι υπήρξε ποσοστιαία αύξηση όλων των εξεταζόμενων στοιχείων σε βάρος των χορτολειβαδικών εκτάσεων. <br /> <br /> [[Εικόνα:22.PNG|thumb|right| Χρήσεις γης και κάλυψης για τα έτη 2000, 2010 ]]<br /> <br /> Για την έρευνα συλλέχθηκαν ιστορικοί χάρτες οι οποίοι ψηφιοποιήθηκαν μέσω του ArcMap και μετατράπηκαν σε στερεογραφικές απεικονίσεις, δορυφορικές απεικονίσεις με ανάλυση 30μ. στις οποίες δεν εντοπίστηκε νεφοκάλυψη και επεξεργάστηκαν μέσω του ERDAS 2014. Η χρήση ιστορικών χαρτών για την άντληση πληροφοριών και δεδομένων από τις προδορυφορικές εποχές είναι σχετικά απλή, παρόλο που θα μπορούσαν να υπάρξουν κάποια σφάλματα ακρίβειας, επειδή οι χάρτες ψηφιοποιήθηκαν σε διαφορετικά επίπεδα ακρίβειας. Η επίδραση του πιθανού σφάλματος είναι ελάχιστη λόγω της χονδροειδούς χρονικής τοποθέτησης της μελέτης. Οι κατηγορίες χρήσεων και κάλυψης γης που λήφθησαν υπόψη είναι τα όρια των αστικών περιοχών, η αποτύπωση των υδάτινων μαζών και οι δασικές περιοχές με στόχο να ορισθεί το ποσοστό της μεταβολής της αστικής διάχυσης και της επιρροής που αυτή ασκεί στο φυσικό περιβάλλον. <br /> <br /> <br /> [[Εικόνα:24.PNG|thumb|right|Χάρτες χρήσεων γης και κάλυψης για το έτος 2010]]<br /> [[Εικόνα:24.PNG|thumb|right|Χάρτες χρήσεων γης και κάλυψης για το έτος 2010]]<br /> <br /> Η προεπεξεργασία των εικόνων προκειμένου να επιτευχτεί η απομάκρυνση των τυχαίων παραμορφώσεων περιλαμβάνει την γεωμετρική διόρθωση και την ενίσχυση των εικόνων. Για την ταξινόμηση στις δορυφορικές εικόνες, χρησιμοποιήθηκε ο αλγόριθμος της μέγιστης πιθανοφάνειας , και εντοπίστηκαν τέσσερις τάξεις: καλλιεργήσιμες περιοχές, βλάστηση, υδρογραφία, δομημένο περιβάλλον. Ο εντοπισμός της αστικής εξάπλωσης έγινε μέσω της μετα-ταξινόμησης και τη χρήση πινάκων διπλής εισόδου. <br /> Τα αποτελέσματα της ανάλυσης περιγράφονται στον πίνακα 3 ενώ επαληθεύονται και επαληθεύουν ιστορικά γεγονότα όπως τη σύνδεση της άυξησης της αστικής περιφέρειας με την κατασκευή σιδηροδρομικών υποδομών στην περιοχή την ίδια περίοδο. Επιπλέον, υπολογίστηκε μέσω του GIS(εικ. 4), η επικείμενη αστική διάχυση της πόλης κάνοντας χρήση γεωγραφικών παραμέτρων, στοιχεία πληθυσμού, και την εγγύτητα από αγροτικές περιοχές. <br /> <br /> [[Εικόνα:24.PNG|thumb|right|Χάρτες χρήσεων γης και κάλυψης για το έτος 2010]]<br /> [[Εικόνα:24.PNG|thumb|right|Χάρτες χρήσεων γης και κάλυψης για το έτος 2010]]<br /> <br /> Συμπερασματικά, επιβεβαιώνεται, μέσω του συνδυασμού των ΓΣΠ και των τεχνικών τηλεπισκόπησης, ότι η αστικοποίηση μετέβαλε εντατικά τις χρήσεις γης την περίοδο 17632017. Οι πληροφορίες που λαμβάνονται με τεχνικές τηλεπισκόπησης και GIS είναι απαραίτητες για την κατανόηση των αιτίων της αλλαγής της χρήσης γης στην πόλη Dej και μπορούν να χρησιμοποιηθούν για περαιτέρω στρατηγικές χωροταξίας και έργα περιορισμού του κινδύνου, προκειμένου να υπάρξει ένας βιώσιμος πολεοδομικός σχεδιασμός. Απαιτείται σωστή διαχείριση της χρήσης γης προκειμένου οι δασικές εκτάσεις να αποκατασταθούν και να αντιμετωπιστεί η υποβάθμιση της γης που οφείλεται στην υπερβολική χρήση των καλλιεργήσιμων εκτάσεων. <br /> <br /> [[category:Ανίχνευση μεταβολών αστικής γης]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%97_%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%83%CF%85%CE%BD%CE%B1%CE%BD%CF%84%CE%AC_%CF%84%CE%B7_%22%CE%B2%CE%B1%CE%B8%CE%B9%CE%AC_%CE%BC%CE%AC%CE%B8%CE%B7%CF%83%CE%B7%22:_%CE%91%CE%BE%CE%B9%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%AD%CE%B3%CE%BA%CE%B1%CE%B9%CF%81%CE%B7_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CE%B4%CE%B1%CF%83%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD 2020-02-14T21:12:04Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>''''''Η τηλεπισκόπηση συναντά τη &quot;βαθιά μάθηση&quot;: Αξιοποίηση δορυφορικών εικόνων για την έγκαιρη ανίχνευση δασικών πυρκαγιών '''<br /> <br /> Remote Sensing meets Deep Learning: Exploiting Spatio-Temporal-Spectral Satellite Images for Early Wildfire Detection '''<br /> <br /> Συγγραφείς: Phan Thanh Cong, Nguyen Thanh Tam<br /> <br /> <br /> <br /> Scientific production and competences &gt; I&amp;C - School of Computer and Communication Sciences &gt; IINFCOM &gt; LSIR - Distributed Information Systems Laboratory<br /> <br /> Πηγή: [ https://infoscience.epfl.ch/record/270339]<br /> <br /> Λέξεις κλειδιά: δασικές πυρκαγιές, βαθιά μάθηση, υπερτροφοδότηση, τρισδιάστατη συνέλιξη, 3D convolution <br /> <br /> Είναι κοινώς αποδεκτό ότι οι δασικές πυρκαγιές προκαλούν ζημία τόσο στο φυσικό περιβάλλον όσο και στην κοινωνία και την οικονομία. Στόχος αυτής της μελέτης είναι η ανάπτυξη ενός συστήματος το οποίο θα ανιχνεύει την έναρξη πυρκαγιών σε πρώιμο στάδιο. Οι σημερινές μέθοδοι δεν έχουν πετύχει ακριβείς &amp; ανταγωνιστικές μετρήσεις και δεν έχουν έγκαιρες προβλέψεις, σε αντίθεση με την προτεινόμενη η οποία για πρώτη φορά συνδυάζει τη &quot;βαθιά μάθηση&quot; και την ανάλυση ψηφιακών εικόνων σε επίπεδο pixel, από δορυφόρους 24ωρης κάλυψης. Τα βασικά προβλήματα που προέκυψαν στην έρευνα είναι η παρουσία νεφοκάλυψης και η διαφορετικές συνθήκες φωτεινότητας στις πολυφασματικές εικόνες. Ακόμα, σημειώθηκε αυξημένη παρουσία &quot;θορύβου&quot; σε διάφορα κανάλια των δορυφορικών δεδομένων, η οποία δυσχεραίνει την παρακολούθηση της εξέλιξης των δασικών πυρκαγιών. <br /> Οι βασικοί άξονες της μελέτης είναι η δημιουργία ενός streaming data processing pipeline (επεξεργασία δεδομένων συνεχούς ροής), η πρόταση ενός μοντέλου πρώιμης πρόβλεψης πυρκαγιών και η ανάπτυξη μιας μεθόδου απεικόνισης των δεδομένων. <br /> Η μεθοδολογία που ακολουθήθηκε, όπως περιγράφεται στην εικόνα 1, αποτελείται από τρία βασικά στάδια που αποτελούν και την βασική επιστημονική συνεισφορά της έρευνας: 1.Συνεχής συλλογή δεδομένων από τους δορυφόρους, η επεξεργασία τους. 2.Στη συνέχεια, τα καθαρισμένα, ταξινομημένα και ευθυγραμμισμένα δορυφορικά δεδομένα επεξεργάζονται από ένα δίκτυο &quot;βαθιάς εκμάθησης&quot;, για την ανάπτυξη ενός μοντέλου που θα επιτρέψει την αποτελεσματική ανίχνευση και τον εντοπισμό εστίας πυρκαγιάς σε επίπεδο pixel. 3.Τέλος, όλα τα δεδομένα απεικονίζονται, ολοκληρώνοντας έτσι ένα αυτόνομο και έξυπνο σύστημα ανίχνευσης δασικών πυρκαγιών. <br /> <br /> [[Εικόνα:31.PNG|thumb|right|Παρουσίαση της μεθοδολογίας του προτεινόμενου συστημάτων πρόβλεψης πυρκαγιών ]]<br /> <br /> Είναι πολύ σημαντικό να μελετηθούν οι μεταβολές της κάλυψης του εδάφους καθώς επιφέρουν μεγάλες επιπτώσεις στη λεκάνη απορροής αφού επηρεάζουν φυσικές διαδικασίες όπως η διείσδυση, η απορροή και η παροχέτευση υδάτων στους υπόγειους σχηματισμούς. <br /> Από τους παραγόμενους χάρτες για τα 2 διαφορετικά έτη και την ανάλυση των δεδομένων, προκύπτει ότι υπήρξε ποσοστιαία αύξηση όλων των εξεταζόμενων στοιχείων σε βάρος των χορτολειβαδικών εκτάσεων. <br /> <br /> Πιο συγκεκριμένα, για την εκτέλεση του πρώτου βήματος, προτιμάται η χρήση του μοντέλου Lambert προβολής και η επεξεργασία του γίνεται με τη χρήση βιβλιοθήκης της Python, SatPy, και τα αρχεία αποθηκεύονται σε μορφή .png. Για την ανάπτυξη του επιθυμητού μοντέλου πρόβλεψης, οι ερευνητές προτίμησαν τη χρήση &quot;βαθιάς μάθησης&quot;, η οποία τους επιτρέπει να αξιοποιήσουν τα τοπικά χωρικά μοτίβα καθώς και τους συσχετισμού των πληροφοριών από τα 16 διαφορετικά φάσματα των εικόνων. Το deep learning μοντέλο αποτελείται από ένα επίπεδο( layer) εισαγωγής στοιχείων που διαβάζει τα png αρχεία. Για να αποφευχθεί υπερτροφοδότηση (overfitting- δηλαδή να γίνει βελτιστοποίηση του μοντέλου για ένα συγκεκριμένο training set) χρησιμοποιείται η μέθοδος του patch normalization(κανονικοποίηση της εικόνας με patches). Τα επόμενα layers είναι υπεύθυνα για τον εντοπισμό higher-level στοιχείων με τη χρήση τρισδιάστατη συνέλιξη (3D convolution). Τέλος, το τελικό convolution layer, τροφοδοτεί ένα πλήρως συνδεδεμένο επίπεδο(fully connected layer) το οποίο μας δίνει και την τελική πρόβλεψη για κάθε pixel. Όσων αφορούν την οπτικοποίηση των αποτελεσμάτων, στο χρήστη δίνονται δύο δυνατότητες: monitoring view (στιγμιαία επισκόπηση μιας περιοχής ενδιαφέροντος) &amp; focus view(εστίαση σε μια συγκεκριμένη περιοχή ενδιαφέροντος). <br /> Η συγκεκριμένη μεθοδολογία, συγκρίθηκε με τα υφιστάμενα μοντέλα, προκειμένου να ελέγχει κατά πόσο είναι ανταγωνιστική και χρήσιμη. Ως περιπτώσεις μελέτης ορίστηκαν τέσσερις μεγάλες πυρκαγιές που εκδηλώθηκαν στις Ηνωμένες Πολιτείες σε διαφορετικές περιόδους. Πιο συγκεκριμένα, η σύγκριση της απόδοσης του προτεινόμενου μοντέλου έγινε με τις καλύτερες αποδόσεις των υφιστάμενων λειτουργιών. Έτσι, εκπαιδεύτηκε το προτεινόμενο μοντέλο και συγκρίθηκε με τις αποδόσεις των παρακάτω υφιστάμενων τεχνικών: <br /> <br /> * MODIS-Terra: δυνατότητα ανίχνευσης εστίας πυρκαγιάς σε επίπεδο εικονοστοιχείου, μειωμένα ποσοστά εσφαλμένης ειδοποίησης μέσω δοκιμών παλινδρόμησης <br /> * AVHRR-FIMMA: χρησιμοποιεί μόνο τρία φασματικά κανάλια (3,4,5), λαμβάνοντας υπόψη τις δασικές περιοχές ως μοναδικές περιπτώσεις εκδήλωσης πυρκαγιάς και αγνοώντας την πιθανότητα πυρκαγιάς σε αστικές ή αγροτικές περιοχές. <br /> * VIIRS-AFP: βασισμένο στη λειτουργία του MODIS-Terra, δίνει την επιπλέον δυνατότητα εντοπισμού πυρκαγιάς όλο το 24ωρο <br /> * GOES-AFP: χρησιμοποιεί νέους μηχανισμούς για να αφαιρέσει τα σύννεφα και να διακρίνει το δίπολο νερού-γης, εστιάζει μερικώς στην ανάκληση παρουσιάζοντας αυξημένα ποσοστά εσφαλμένης ειδοποίησης<br /> Από τα αποτελέσματα της σύγκρισης, που παρουσιάζονται στον πίνακα 2, συμπεραίνουμε ότι πρόκειται για ένα μοντέλο που ξεπερνά τις βασικές γραμμές με 94% βαθμολογία και προσφέρει 1,5 φορές ταχύτερη ανίχνευση. <br /> <br /> [[Εικόνα:32.PNG|thumb|right|Σύγκριση αποδόσεων ]]<br /> <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%97_%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%83%CF%85%CE%BD%CE%B1%CE%BD%CF%84%CE%AC_%CF%84%CE%B7_%22%CE%B2%CE%B1%CE%B8%CE%B9%CE%AC_%CE%BC%CE%AC%CE%B8%CE%B7%CF%83%CE%B7%22:_%CE%91%CE%BE%CE%B9%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%AD%CE%B3%CE%BA%CE%B1%CE%B9%CF%81%CE%B7_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CE%B4%CE%B1%CF%83%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD 2020-02-14T21:11:11Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>''''''Η τηλεπισκόπηση συναντά τη &quot;βαθιά μάθηση&quot;: Αξιοποίηση δορυφορικών εικόνων για την έγκαιρη ανίχνευση δασικών πυρκαγιών '''<br /> <br /> Remote Sensing meets Deep Learning: Exploiting Spatio-Temporal-Spectral Satellite Images for Early Wildfire Detection '''<br /> <br /> Συγγραφείς: Phan Thanh Cong, Nguyen Thanh Tam<br /> <br /> <br /> Vol 2, International Journal of Space and science, ISSN: 2321-2837<br /> ER - <br /> <br /> Πηγή: [ https://infoscience.epfl.ch/record/270339]<br /> <br /> Λέξεις κλειδιά: δασικές πυρκαγιές, βαθιά μάθηση, υπερτροφοδότηση, τρισδιάστατη συνέλιξη, 3D convolution <br /> <br /> Είναι κοινώς αποδεκτό ότι οι δασικές πυρκαγιές προκαλούν ζημία τόσο στο φυσικό περιβάλλον όσο και στην κοινωνία και την οικονομία. Στόχος αυτής της μελέτης είναι η ανάπτυξη ενός συστήματος το οποίο θα ανιχνεύει την έναρξη πυρκαγιών σε πρώιμο στάδιο. Οι σημερινές μέθοδοι δεν έχουν πετύχει ακριβείς &amp; ανταγωνιστικές μετρήσεις και δεν έχουν έγκαιρες προβλέψεις, σε αντίθεση με την προτεινόμενη η οποία για πρώτη φορά συνδυάζει τη &quot;βαθιά μάθηση&quot; και την ανάλυση ψηφιακών εικόνων σε επίπεδο pixel, από δορυφόρους 24ωρης κάλυψης. Τα βασικά προβλήματα που προέκυψαν στην έρευνα είναι η παρουσία νεφοκάλυψης και η διαφορετικές συνθήκες φωτεινότητας στις πολυφασματικές εικόνες. Ακόμα, σημειώθηκε αυξημένη παρουσία &quot;θορύβου&quot; σε διάφορα κανάλια των δορυφορικών δεδομένων, η οποία δυσχεραίνει την παρακολούθηση της εξέλιξης των δασικών πυρκαγιών. <br /> Οι βασικοί άξονες της μελέτης είναι η δημιουργία ενός streaming data processing pipeline (επεξεργασία δεδομένων συνεχούς ροής), η πρόταση ενός μοντέλου πρώιμης πρόβλεψης πυρκαγιών και η ανάπτυξη μιας μεθόδου απεικόνισης των δεδομένων. <br /> Η μεθοδολογία που ακολουθήθηκε, όπως περιγράφεται στην εικόνα 1, αποτελείται από τρία βασικά στάδια που αποτελούν και την βασική επιστημονική συνεισφορά της έρευνας: 1.Συνεχής συλλογή δεδομένων από τους δορυφόρους, η επεξεργασία τους. 2.Στη συνέχεια, τα καθαρισμένα, ταξινομημένα και ευθυγραμμισμένα δορυφορικά δεδομένα επεξεργάζονται από ένα δίκτυο &quot;βαθιάς εκμάθησης&quot;, για την ανάπτυξη ενός μοντέλου που θα επιτρέψει την αποτελεσματική ανίχνευση και τον εντοπισμό εστίας πυρκαγιάς σε επίπεδο pixel. 3.Τέλος, όλα τα δεδομένα απεικονίζονται, ολοκληρώνοντας έτσι ένα αυτόνομο και έξυπνο σύστημα ανίχνευσης δασικών πυρκαγιών. <br /> <br /> [[Εικόνα:31.PNG|thumb|right|Παρουσίαση της μεθοδολογίας του προτεινόμενου συστημάτων πρόβλεψης πυρκαγιών ]]<br /> <br /> Είναι πολύ σημαντικό να μελετηθούν οι μεταβολές της κάλυψης του εδάφους καθώς επιφέρουν μεγάλες επιπτώσεις στη λεκάνη απορροής αφού επηρεάζουν φυσικές διαδικασίες όπως η διείσδυση, η απορροή και η παροχέτευση υδάτων στους υπόγειους σχηματισμούς. <br /> Από τους παραγόμενους χάρτες για τα 2 διαφορετικά έτη και την ανάλυση των δεδομένων, προκύπτει ότι υπήρξε ποσοστιαία αύξηση όλων των εξεταζόμενων στοιχείων σε βάρος των χορτολειβαδικών εκτάσεων. <br /> <br /> Πιο συγκεκριμένα, για την εκτέλεση του πρώτου βήματος, προτιμάται η χρήση του μοντέλου Lambert προβολής και η επεξεργασία του γίνεται με τη χρήση βιβλιοθήκης της Python, SatPy, και τα αρχεία αποθηκεύονται σε μορφή .png. Για την ανάπτυξη του επιθυμητού μοντέλου πρόβλεψης, οι ερευνητές προτίμησαν τη χρήση &quot;βαθιάς μάθησης&quot;, η οποία τους επιτρέπει να αξιοποιήσουν τα τοπικά χωρικά μοτίβα καθώς και τους συσχετισμού των πληροφοριών από τα 16 διαφορετικά φάσματα των εικόνων. Το deep learning μοντέλο αποτελείται από ένα επίπεδο( layer) εισαγωγής στοιχείων που διαβάζει τα png αρχεία. Για να αποφευχθεί υπερτροφοδότηση (overfitting- δηλαδή να γίνει βελτιστοποίηση του μοντέλου για ένα συγκεκριμένο training set) χρησιμοποιείται η μέθοδος του patch normalization(κανονικοποίηση της εικόνας με patches). Τα επόμενα layers είναι υπεύθυνα για τον εντοπισμό higher-level στοιχείων με τη χρήση τρισδιάστατη συνέλιξη (3D convolution). Τέλος, το τελικό convolution layer, τροφοδοτεί ένα πλήρως συνδεδεμένο επίπεδο(fully connected layer) το οποίο μας δίνει και την τελική πρόβλεψη για κάθε pixel. Όσων αφορούν την οπτικοποίηση των αποτελεσμάτων, στο χρήστη δίνονται δύο δυνατότητες: monitoring view (στιγμιαία επισκόπηση μιας περιοχής ενδιαφέροντος) &amp; focus view(εστίαση σε μια συγκεκριμένη περιοχή ενδιαφέροντος). <br /> Η συγκεκριμένη μεθοδολογία, συγκρίθηκε με τα υφιστάμενα μοντέλα, προκειμένου να ελέγχει κατά πόσο είναι ανταγωνιστική και χρήσιμη. Ως περιπτώσεις μελέτης ορίστηκαν τέσσερις μεγάλες πυρκαγιές που εκδηλώθηκαν στις Ηνωμένες Πολιτείες σε διαφορετικές περιόδους. Πιο συγκεκριμένα, η σύγκριση της απόδοσης του προτεινόμενου μοντέλου έγινε με τις καλύτερες αποδόσεις των υφιστάμενων λειτουργιών. Έτσι, εκπαιδεύτηκε το προτεινόμενο μοντέλο και συγκρίθηκε με τις αποδόσεις των παρακάτω υφιστάμενων τεχνικών: <br /> <br /> * MODIS-Terra: δυνατότητα ανίχνευσης εστίας πυρκαγιάς σε επίπεδο εικονοστοιχείου, μειωμένα ποσοστά εσφαλμένης ειδοποίησης μέσω δοκιμών παλινδρόμησης <br /> * AVHRR-FIMMA: χρησιμοποιεί μόνο τρία φασματικά κανάλια (3,4,5), λαμβάνοντας υπόψη τις δασικές περιοχές ως μοναδικές περιπτώσεις εκδήλωσης πυρκαγιάς και αγνοώντας την πιθανότητα πυρκαγιάς σε αστικές ή αγροτικές περιοχές. <br /> * VIIRS-AFP: βασισμένο στη λειτουργία του MODIS-Terra, δίνει την επιπλέον δυνατότητα εντοπισμού πυρκαγιάς όλο το 24ωρο <br /> * GOES-AFP: χρησιμοποιεί νέους μηχανισμούς για να αφαιρέσει τα σύννεφα και να διακρίνει το δίπολο νερού-γης, εστιάζει μερικώς στην ανάκληση παρουσιάζοντας αυξημένα ποσοστά εσφαλμένης ειδοποίησης<br /> Από τα αποτελέσματα της σύγκρισης, που παρουσιάζονται στον πίνακα 2, συμπεραίνουμε ότι πρόκειται για ένα μοντέλο που ξεπερνά τις βασικές γραμμές με 94% βαθμολογία και προσφέρει 1,5 φορές ταχύτερη ανίχνευση. <br /> <br /> [[Εικόνα:32.PNG|thumb|right|Σύγκριση αποδόσεων ]]<br /> <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%97_%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%83%CF%85%CE%BD%CE%B1%CE%BD%CF%84%CE%AC_%CF%84%CE%B7_%22%CE%B2%CE%B1%CE%B8%CE%B9%CE%AC_%CE%BC%CE%AC%CE%B8%CE%B7%CF%83%CE%B7%22:_%CE%91%CE%BE%CE%B9%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7_%CE%B4%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CF%8E%CE%BD_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CF%89%CE%BD_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%AD%CE%B3%CE%BA%CE%B1%CE%B9%CF%81%CE%B7_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CE%B4%CE%B1%CF%83%CE%B9%CE%BA%CF%8E%CE%BD_%CF%80%CF%85%CF%81%CE%BA%CE%B1%CE%B3%CE%B9%CF%8E%CE%BD 2020-02-14T21:10:58Z

<p>Alexopoulou Nefeli: Νέα σελίδα με '''''''Η τηλεπισκόπηση συναντά τη &quot;βαθιά μάθηση&quot;: Αξιοποίηση δορυφορικών εικόνων για την έγκαιρη ...'</p> <hr /> <div>''''''Η τηλεπισκόπηση συναντά τη &quot;βαθιά μάθηση&quot;: Αξιοποίηση δορυφορικών εικόνων για την έγκαιρη ανίχνευση δασικών πυρκαγιών '''<br /> Remote Sensing meets Deep Learning: Exploiting Spatio-Temporal-Spectral Satellite Images for Early Wildfire Detection '''<br /> <br /> Συγγραφείς: Phan Thanh Cong, Nguyen Thanh Tam<br /> <br /> <br /> Vol 2, International Journal of Space and science, ISSN: 2321-2837<br /> ER - <br /> <br /> Πηγή: [ https://infoscience.epfl.ch/record/270339]<br /> <br /> Λέξεις κλειδιά: δασικές πυρκαγιές, βαθιά μάθηση, υπερτροφοδότηση, τρισδιάστατη συνέλιξη, 3D convolution <br /> <br /> Είναι κοινώς αποδεκτό ότι οι δασικές πυρκαγιές προκαλούν ζημία τόσο στο φυσικό περιβάλλον όσο και στην κοινωνία και την οικονομία. Στόχος αυτής της μελέτης είναι η ανάπτυξη ενός συστήματος το οποίο θα ανιχνεύει την έναρξη πυρκαγιών σε πρώιμο στάδιο. Οι σημερινές μέθοδοι δεν έχουν πετύχει ακριβείς &amp; ανταγωνιστικές μετρήσεις και δεν έχουν έγκαιρες προβλέψεις, σε αντίθεση με την προτεινόμενη η οποία για πρώτη φορά συνδυάζει τη &quot;βαθιά μάθηση&quot; και την ανάλυση ψηφιακών εικόνων σε επίπεδο pixel, από δορυφόρους 24ωρης κάλυψης. Τα βασικά προβλήματα που προέκυψαν στην έρευνα είναι η παρουσία νεφοκάλυψης και η διαφορετικές συνθήκες φωτεινότητας στις πολυφασματικές εικόνες. Ακόμα, σημειώθηκε αυξημένη παρουσία &quot;θορύβου&quot; σε διάφορα κανάλια των δορυφορικών δεδομένων, η οποία δυσχεραίνει την παρακολούθηση της εξέλιξης των δασικών πυρκαγιών. <br /> Οι βασικοί άξονες της μελέτης είναι η δημιουργία ενός streaming data processing pipeline (επεξεργασία δεδομένων συνεχούς ροής), η πρόταση ενός μοντέλου πρώιμης πρόβλεψης πυρκαγιών και η ανάπτυξη μιας μεθόδου απεικόνισης των δεδομένων. <br /> Η μεθοδολογία που ακολουθήθηκε, όπως περιγράφεται στην εικόνα 1, αποτελείται από τρία βασικά στάδια που αποτελούν και την βασική επιστημονική συνεισφορά της έρευνας: 1.Συνεχής συλλογή δεδομένων από τους δορυφόρους, η επεξεργασία τους. 2.Στη συνέχεια, τα καθαρισμένα, ταξινομημένα και ευθυγραμμισμένα δορυφορικά δεδομένα επεξεργάζονται από ένα δίκτυο &quot;βαθιάς εκμάθησης&quot;, για την ανάπτυξη ενός μοντέλου που θα επιτρέψει την αποτελεσματική ανίχνευση και τον εντοπισμό εστίας πυρκαγιάς σε επίπεδο pixel. 3.Τέλος, όλα τα δεδομένα απεικονίζονται, ολοκληρώνοντας έτσι ένα αυτόνομο και έξυπνο σύστημα ανίχνευσης δασικών πυρκαγιών. <br /> <br /> [[Εικόνα:31.PNG|thumb|right|Παρουσίαση της μεθοδολογίας του προτεινόμενου συστημάτων πρόβλεψης πυρκαγιών ]]<br /> <br /> Είναι πολύ σημαντικό να μελετηθούν οι μεταβολές της κάλυψης του εδάφους καθώς επιφέρουν μεγάλες επιπτώσεις στη λεκάνη απορροής αφού επηρεάζουν φυσικές διαδικασίες όπως η διείσδυση, η απορροή και η παροχέτευση υδάτων στους υπόγειους σχηματισμούς. <br /> Από τους παραγόμενους χάρτες για τα 2 διαφορετικά έτη και την ανάλυση των δεδομένων, προκύπτει ότι υπήρξε ποσοστιαία αύξηση όλων των εξεταζόμενων στοιχείων σε βάρος των χορτολειβαδικών εκτάσεων. <br /> <br /> Πιο συγκεκριμένα, για την εκτέλεση του πρώτου βήματος, προτιμάται η χρήση του μοντέλου Lambert προβολής και η επεξεργασία του γίνεται με τη χρήση βιβλιοθήκης της Python, SatPy, και τα αρχεία αποθηκεύονται σε μορφή .png. Για την ανάπτυξη του επιθυμητού μοντέλου πρόβλεψης, οι ερευνητές προτίμησαν τη χρήση &quot;βαθιάς μάθησης&quot;, η οποία τους επιτρέπει να αξιοποιήσουν τα τοπικά χωρικά μοτίβα καθώς και τους συσχετισμού των πληροφοριών από τα 16 διαφορετικά φάσματα των εικόνων. Το deep learning μοντέλο αποτελείται από ένα επίπεδο( layer) εισαγωγής στοιχείων που διαβάζει τα png αρχεία. Για να αποφευχθεί υπερτροφοδότηση (overfitting- δηλαδή να γίνει βελτιστοποίηση του μοντέλου για ένα συγκεκριμένο training set) χρησιμοποιείται η μέθοδος του patch normalization(κανονικοποίηση της εικόνας με patches). Τα επόμενα layers είναι υπεύθυνα για τον εντοπισμό higher-level στοιχείων με τη χρήση τρισδιάστατη συνέλιξη (3D convolution). Τέλος, το τελικό convolution layer, τροφοδοτεί ένα πλήρως συνδεδεμένο επίπεδο(fully connected layer) το οποίο μας δίνει και την τελική πρόβλεψη για κάθε pixel. Όσων αφορούν την οπτικοποίηση των αποτελεσμάτων, στο χρήστη δίνονται δύο δυνατότητες: monitoring view (στιγμιαία επισκόπηση μιας περιοχής ενδιαφέροντος) &amp; focus view(εστίαση σε μια συγκεκριμένη περιοχή ενδιαφέροντος). <br /> Η συγκεκριμένη μεθοδολογία, συγκρίθηκε με τα υφιστάμενα μοντέλα, προκειμένου να ελέγχει κατά πόσο είναι ανταγωνιστική και χρήσιμη. Ως περιπτώσεις μελέτης ορίστηκαν τέσσερις μεγάλες πυρκαγιές που εκδηλώθηκαν στις Ηνωμένες Πολιτείες σε διαφορετικές περιόδους. Πιο συγκεκριμένα, η σύγκριση της απόδοσης του προτεινόμενου μοντέλου έγινε με τις καλύτερες αποδόσεις των υφιστάμενων λειτουργιών. Έτσι, εκπαιδεύτηκε το προτεινόμενο μοντέλο και συγκρίθηκε με τις αποδόσεις των παρακάτω υφιστάμενων τεχνικών: <br /> <br /> * MODIS-Terra: δυνατότητα ανίχνευσης εστίας πυρκαγιάς σε επίπεδο εικονοστοιχείου, μειωμένα ποσοστά εσφαλμένης ειδοποίησης μέσω δοκιμών παλινδρόμησης <br /> * AVHRR-FIMMA: χρησιμοποιεί μόνο τρία φασματικά κανάλια (3,4,5), λαμβάνοντας υπόψη τις δασικές περιοχές ως μοναδικές περιπτώσεις εκδήλωσης πυρκαγιάς και αγνοώντας την πιθανότητα πυρκαγιάς σε αστικές ή αγροτικές περιοχές. <br /> * VIIRS-AFP: βασισμένο στη λειτουργία του MODIS-Terra, δίνει την επιπλέον δυνατότητα εντοπισμού πυρκαγιάς όλο το 24ωρο <br /> * GOES-AFP: χρησιμοποιεί νέους μηχανισμούς για να αφαιρέσει τα σύννεφα και να διακρίνει το δίπολο νερού-γης, εστιάζει μερικώς στην ανάκληση παρουσιάζοντας αυξημένα ποσοστά εσφαλμένης ειδοποίησης<br /> Από τα αποτελέσματα της σύγκρισης, που παρουσιάζονται στον πίνακα 2, συμπεραίνουμε ότι πρόκειται για ένα μοντέλο που ξεπερνά τις βασικές γραμμές με 94% βαθμολογία και προσφέρει 1,5 φορές ταχύτερη ανίχνευση. <br /> <br /> [[Εικόνα:32.PNG|thumb|right|Σύγκριση αποδόσεων ]]<br /> <br /> <br /> [[category:Δασικές Πυρκαγιές]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:32.PNG 2020-02-14T21:08:26Z

<p>Alexopoulou Nefeli: Σύγκριση αποδόσεων</p> <hr /> <div>Σύγκριση αποδόσεων</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:31.PNG 2020-02-14T21:08:06Z

<p>Alexopoulou Nefeli: Παρουσίαση της μεθοδολογίας του προτεινόμενου συστημάτων πρόβλεψης πυρκαγιών</p> <hr /> <div> Παρουσίαση της μεθοδολογίας του προτεινόμενου συστημάτων πρόβλεψης πυρκαγιών</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CE%B3%CE%B7%CF%82_/_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE%CF%82_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%B3%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AE%CF%82_%CF%84%CE%BF%CF%85_Canal_Indira_Sagar_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CE%B5%CE%BD%CF%83%CF%89%CE%BC%CE%B1%CF%84%CF%89%CE%BC%CE%AD%CE%BD%CE%B1_%CE%B5%CF%81%CE%B3%CE%B1%CE%BB%CE%B5%CE%AF%CE%B1_%CF%84%CE%B7%CE%BB%CE%B5%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_GIS 2020-02-14T21:04:49Z

<p>Alexopoulou Nefeli: </p> <hr /> <div> ''''''Χρήση γης / ανίχνευση αλλαγής κάλυψης γης της περιοχής του Canal Indira Sagar χρησιμοποιώντας ενσωματωμένα εργαλεία τηλεανίχνευσης και GIS'''<br /> Land Use/Land Cover Change Detection of Indira Sagar Canal Command Area Using Integrated Remote Sensing and GIS Tools '''<br /> <br /> Συγγραφείς: Rituraj Shukla, Deepak Khare<br /> <br /> <br /> Vol 2, International Journal of Space and science, ISSN: 2321-2837<br /> ER - <br /> <br /> Πηγή: [https://www.researchgate.net/profile/Rituraj_Shukla2/publication/280311625_Land_useland_cover_change_detection_o f_Indira_Sagar_canal_command_area_using_integrated_remote_sensing_and_Gis_tools/links/58ab9448a6fdcc0e079bbd7e/La nd-use-land-cover-change-detection-of-Indira-Sagar-canal-command-area-using-integrated-remote-sensing-and-Gis-tools.pdf]<br /> <br /> Λέξεις κλειδιά: GIS, Χρήση γης, κάλυψη γης, ERDAS IMAGINE, ARCGI<br /> <br /> <br /> Η μελέτη αυτή πραγματεύεται την παρακολούθηση της αλλαγής των υδάτινων μαζών μιας περιοχής και της βλάστησης, με στόχο να ερευνήσει την επιρροή που ασκούν οι αναπτυξιακές δραστηριότητες μιας περιοχής στον υπόγειο υδροφόρο ορίζοντά της, μετά την κατασκευή ενός καναλιού. Η περιοχή μελέτης είναι η περιοχή απ όπου διέρχεται ο ποταμός Roanoke, στην Ινδία. Επιλέχθηκε αυτή η περιοχή καθώς έχει αποδειχθεί ότι ένας από τους κυριότερους παράγοντες για την οικιστική ανάπτυξη μιας περιοχής στην Ινδία, είναι αυτός της ύπαρξης νερού για την ύδρευση και την άρδευση. <br /> Για τη συγκέντρωση των απαραίτητων στοιχείων αλλά και για την επεξεργασία τους, έγινε χρήση των δεδομένων Κάλυψης εδάφους του USGS καθώς και λήψεις από τον δορυφόρο IRS-1D με ημερομηνίες 17/11/2010 και 12/11/2000 ενώ για την επεξεργασία τους χρησιμοποιήθηκαν το ERDAS IMAGINE και το ARCGIS. <br /> Η μεθοδολογία που ακολουθήθηκε για την ταξινόμηση των χρήσεων γης είναι η μέγιστη πιθανοφάνεια-κάθε pixel κατηγοριοποιείται στην στη χρήση γης που πιθανότερα ταιριάζει ενώ αν κάποιο δεν έχει επαρκή ομοιότητα με μια κατηγορία, τότε θεωρείται αταξινόμητο στοιχείο. Τα στοιχεία που ελήφθησαν από της ψηφιακές απεικονίσεις των δορυφορικών δεδομένων, ταξινομήθηκαν βάσει του χάρτη κάλυψης εδάφους του 2003. Επιλέχθηκαν έξι τάξεις για την ταξινόμηση, περιοχές με πυκνή βλάστηση κυρίως με κωνοφόρα δένδρα, περιοχές όπου φύονται θάμνοι και χλόη, υδάτινα στοιχεία, ο αστικός ιστός, ορυζώνες και περιοχές όπου συναντώνται καλλιέργειες όπως ζαχαροκάλαμα και καρποφόρα δένδρα. Η ταξινόμηση είχε ως στόχο τη συσχέτιση των φασματικών χαρακτηριστικών της ψηφιακής απεικόνισης είτε χειροκίνητα είτε με τη χρήση υπολογιστικών προγραμμάτων. Τα στοιχεία αυτά θα δημιουργήσουν έναν, εννοιολογικά και πληροφορικά πλήρη, χάρτη στον οποίο μπορούν να βασιστούν επιστημονικές αξιολογήσεις της περιοχής. <br /> <br /> [[Εικόνα:21.PNG|thumb|right|Μεθοδολογία έρευνας]]<br /> <br /> Είναι πολύ σημαντικό να μελετηθούν οι μεταβολές της κάλυψης του εδάφους καθώς επιφέρουν μεγάλες επιπτώσεις στη λεκάνη απορροής αφού επηρεάζουν φυσικές διαδικασίες όπως η διείσδυση, η απορροή και η παροχέτευση υδάτων στους υπόγειους σχηματισμούς. <br /> Από τους παραγόμενους χάρτες για τα 2 διαφορετικά έτη και την ανάλυση των δεδομένων, προκύπτει ότι υπήρξε ποσοστιαία αύξηση όλων των εξεταζόμενων στοιχείων σε βάρος των χορτολειβαδικών εκτάσεων. <br /> <br /> [[Εικόνα:22.PNG|thumb|right| Χρήσεις γης και κάλυψης για τα έτη 2000, 2010 ]]<br /> <br /> [[Εικόνα:23.PNG|thumb|right|Χάρτες χρήσεων γης και κάλυψης για το έτος 2002]]<br /> <br /> [[Εικόνα:24.PNG|thumb|right|Χάρτες χρήσεων γης και κάλυψης για το έτος 2010]]<br /> <br /> Τα παραπάνω στοιχεία, επιβεβαιώνουν την ανάγκη ανάλυσης πολυφασματικών εικόνες υψηλής ανάλυσης για την αναγνώριση της κάλυψης του εδάφους όπως της ερμηνείας καλλιεργούμενων εκτάσεων. Σκοπός της μελέτης ήταν να εκτιμηθεί η μεταβολή της γης που αξιοποιείται για γεωργία στην περιοχή Indira Sagar μεταξύ των ετών 2000 και 2010 ύστερα από την κατασκευή του καναλιού. <br /> Η ταξινόμηση ελάχιστης απόστασης με εποπτεία χωρικών εικονοστοιχείων πραγματοποιήθηκε χρησιμοποιώντας περιοχές εκπαίδευσης που επιλέχθηκαν σύμφωνα με δεδομένα πεδίου και χάρτες της Google. Απαιτείται εξαιρετική προσπάθεια ειδικά για την ορθή ταξινόμηση περιοχών καλλιέργειας και μη αξιοποιήσιμων εδαφών από δορυφορικές εικόνες. Η ανάπτυξη της οικιστικής δραστηριότητας εντός των ορίων της πόλης εντείνεται λόγω της φαινομενικής ανάπτυξης οικιστικών περιοχών κατά μήκος των μεγάλων οδών. Δεδομένου ότι η ανίχνευση αλλαγών έχει πραγματοποιηθεί με τη χρήση των ίδιων χωρικών δορυφορικών δεδομένων, τα αποτελέσματα είναι συγκρίσιμα και πλήρως επεξεργάσιμα. <br /> Παρόλο που τα δορυφορικά δεδομένα έχουν διαφορετική, επεξεργάστηκαν με την τεχνική της φασματικής αναδειγματοληψίας ώστε να αξιοποιηθούν. Με την επαναδειγματοληψία, είτε η υψηλότερη ανάλυση μπορεί να μειωθεί σε μέτρια ανάλυση είτε αντιστρόφως. Επίσης, ταξινόμηση υπο-εικονοστοιχείων μπορεί επίσης να γίνει για να βελτιωθεί η ποιότητα των δεδομένων μεσαίας ανάλυσης.<br /> <br /> <br /> [[category:Αστικός και περιφερειακός σχεδιασμός]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:24.PNG 2020-02-14T21:04:04Z

<p>Alexopoulou Nefeli: 2010</p> <hr /> <div>2010</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CE%B3%CE%B7%CF%82_/_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE%CF%82_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%B3%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AE%CF%82_%CF%84%CE%BF%CF%85_Canal_Indira_Sagar_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CE%B5%CE%BD%CF%83%CF%89%CE%BC%CE%B1%CF%84%CF%89%CE%BC%CE%AD%CE%BD%CE%B1_%CE%B5%CF%81%CE%B3%CE%B1%CE%BB%CE%B5%CE%AF%CE%B1_%CF%84%CE%B7%CE%BB%CE%B5%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_GIS 2020-02-14T21:03:43Z

<p>Alexopoulou Nefeli: </p> <hr /> <div> ''''''Χρήση γης / ανίχνευση αλλαγής κάλυψης γης της περιοχής του Canal Indira Sagar χρησιμοποιώντας ενσωματωμένα εργαλεία τηλεανίχνευσης και GIS'''<br /> Land Use/Land Cover Change Detection of Indira Sagar Canal Command Area Using Integrated Remote Sensing and GIS Tools '''<br /> <br /> Συγγραφείς: Rituraj Shukla, Deepak Khare<br /> <br /> <br /> Vol 2, International Journal of Space and science, ISSN: 2321-2837<br /> ER - <br /> <br /> Πηγή: [https://www.researchgate.net/profile/Rituraj_Shukla2/publication/280311625_Land_useland_cover_change_detection_o f_Indira_Sagar_canal_command_area_using_integrated_remote_sensing_and_Gis_tools/links/58ab9448a6fdcc0e079bbd7e/La nd-use-land-cover-change-detection-of-Indira-Sagar-canal-command-area-using-integrated-remote-sensing-and-Gis-tools.pdf]<br /> <br /> Λέξεις κλειδιά: GIS, Χρήση γης, κάλυψη γης, ERDAS IMAGINE, ARCGI<br /> <br /> <br /> Η μελέτη αυτή πραγματεύεται την παρακολούθηση της αλλαγής των υδάτινων μαζών μιας περιοχής και της βλάστησης, με στόχο να ερευνήσει την επιρροή που ασκούν οι αναπτυξιακές δραστηριότητες μιας περιοχής στον υπόγειο υδροφόρο ορίζοντά της, μετά την κατασκευή ενός καναλιού. Η περιοχή μελέτης είναι η περιοχή απ όπου διέρχεται ο ποταμός Roanoke, στην Ινδία. Επιλέχθηκε αυτή η περιοχή καθώς έχει αποδειχθεί ότι ένας από τους κυριότερους παράγοντες για την οικιστική ανάπτυξη μιας περιοχής στην Ινδία, είναι αυτός της ύπαρξης νερού για την ύδρευση και την άρδευση. <br /> Για τη συγκέντρωση των απαραίτητων στοιχείων αλλά και για την επεξεργασία τους, έγινε χρήση των δεδομένων Κάλυψης εδάφους του USGS καθώς και λήψεις από τον δορυφόρο IRS-1D με ημερομηνίες 17/11/2010 και 12/11/2000 ενώ για την επεξεργασία τους χρησιμοποιήθηκαν το ERDAS IMAGINE και το ARCGIS. <br /> Η μεθοδολογία που ακολουθήθηκε για την ταξινόμηση των χρήσεων γης είναι η μέγιστη πιθανοφάνεια-κάθε pixel κατηγοριοποιείται στην στη χρήση γης που πιθανότερα ταιριάζει ενώ αν κάποιο δεν έχει επαρκή ομοιότητα με μια κατηγορία, τότε θεωρείται αταξινόμητο στοιχείο. Τα στοιχεία που ελήφθησαν από της ψηφιακές απεικονίσεις των δορυφορικών δεδομένων, ταξινομήθηκαν βάσει του χάρτη κάλυψης εδάφους του 2003. Επιλέχθηκαν έξι τάξεις για την ταξινόμηση, περιοχές με πυκνή βλάστηση κυρίως με κωνοφόρα δένδρα, περιοχές όπου φύονται θάμνοι και χλόη, υδάτινα στοιχεία, ο αστικός ιστός, ορυζώνες και περιοχές όπου συναντώνται καλλιέργειες όπως ζαχαροκάλαμα και καρποφόρα δένδρα. Η ταξινόμηση είχε ως στόχο τη συσχέτιση των φασματικών χαρακτηριστικών της ψηφιακής απεικόνισης είτε χειροκίνητα είτε με τη χρήση υπολογιστικών προγραμμάτων. Τα στοιχεία αυτά θα δημιουργήσουν έναν, εννοιολογικά και πληροφορικά πλήρη, χάρτη στον οποίο μπορούν να βασιστούν επιστημονικές αξιολογήσεις της περιοχής. <br /> <br /> [[Εικόνα:21.PNG|thumb|right|Μεθοδολογία έρευνας]]<br /> <br /> Είναι πολύ σημαντικό να μελετηθούν οι μεταβολές της κάλυψης του εδάφους καθώς επιφέρουν μεγάλες επιπτώσεις στη λεκάνη απορροής αφού επηρεάζουν φυσικές διαδικασίες όπως η διείσδυση, η απορροή και η παροχέτευση υδάτων στους υπόγειους σχηματισμούς. <br /> Από τους παραγόμενους χάρτες για τα 2 διαφορετικά έτη και την ανάλυση των δεδομένων, προκύπτει ότι υπήρξε ποσοστιαία αύξηση όλων των εξεταζόμενων στοιχείων σε βάρος των χορτολειβαδικών εκτάσεων. <br /> <br /> [[Εικόνα:22.PNG|thumb|right| Χρήσεις γης και κάλυψης για τα έτη 2000, 2010 ]]<br /> <br /> [[Εικόνα:23.PNG|thumb|right|Χάρτες χρήσεων γης και κάύψης για το έτος 2002]]<br /> <br /> [[Εικόνα:colomb1.jpg|thumb|right|Πρότυπα αποψίλωσης των δασών στις κολομβιανές Άνδεις (Εικόνες Landsat ETM 453)]]<br /> <br /> Τα παραπάνω στοιχεία, επιβεβαιώνουν την ανάγκη ανάλυσης πολυφασματικών εικόνες υψηλής ανάλυσης για την αναγνώριση της κάλυψης του εδάφους όπως της ερμηνείας καλλιεργούμενων εκτάσεων. Σκοπός της μελέτης ήταν να εκτιμηθεί η μεταβολή της γης που αξιοποιείται για γεωργία στην περιοχή Indira Sagar μεταξύ των ετών 2000 και 2010 ύστερα από την κατασκευή του καναλιού. <br /> Η ταξινόμηση ελάχιστης απόστασης με εποπτεία χωρικών εικονοστοιχείων πραγματοποιήθηκε χρησιμοποιώντας περιοχές εκπαίδευσης που επιλέχθηκαν σύμφωνα με δεδομένα πεδίου και χάρτες της Google. Απαιτείται εξαιρετική προσπάθεια ειδικά για την ορθή ταξινόμηση περιοχών καλλιέργειας και μη αξιοποιήσιμων εδαφών από δορυφορικές εικόνες. Η ανάπτυξη της οικιστικής δραστηριότητας εντός των ορίων της πόλης εντείνεται λόγω της φαινομενικής ανάπτυξης οικιστικών περιοχών κατά μήκος των μεγάλων οδών. Δεδομένου ότι η ανίχνευση αλλαγών έχει πραγματοποιηθεί με τη χρήση των ίδιων χωρικών δορυφορικών δεδομένων, τα αποτελέσματα είναι συγκρίσιμα και πλήρως επεξεργάσιμα. <br /> Παρόλο που τα δορυφορικά δεδομένα έχουν διαφορετική, επεξεργάστηκαν με την τεχνική της φασματικής αναδειγματοληψίας ώστε να αξιοποιηθούν. Με την επαναδειγματοληψία, είτε η υψηλότερη ανάλυση μπορεί να μειωθεί σε μέτρια ανάλυση είτε αντιστρόφως. Επίσης, ταξινόμηση υπο-εικονοστοιχείων μπορεί επίσης να γίνει για να βελτιωθεί η ποιότητα των δεδομένων μεσαίας ανάλυσης.<br /> <br /> <br /> [[category:Αστικός και περιφερειακός σχεδιασμός]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:23.PNG 2020-02-14T21:03:05Z

<p>Alexopoulou Nefeli: </p> <hr /> <div></div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CE%B3%CE%B7%CF%82_/_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE%CF%82_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%B3%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AE%CF%82_%CF%84%CE%BF%CF%85_Canal_Indira_Sagar_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CE%B5%CE%BD%CF%83%CF%89%CE%BC%CE%B1%CF%84%CF%89%CE%BC%CE%AD%CE%BD%CE%B1_%CE%B5%CF%81%CE%B3%CE%B1%CE%BB%CE%B5%CE%AF%CE%B1_%CF%84%CE%B7%CE%BB%CE%B5%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_GIS 2020-02-14T21:02:42Z

<p>Alexopoulou Nefeli: </p> <hr /> <div> ''''''Χρήση γης / ανίχνευση αλλαγής κάλυψης γης της περιοχής του Canal Indira Sagar χρησιμοποιώντας ενσωματωμένα εργαλεία τηλεανίχνευσης και GIS'''<br /> Land Use/Land Cover Change Detection of Indira Sagar Canal Command Area Using Integrated Remote Sensing and GIS Tools '''<br /> <br /> Συγγραφείς: Rituraj Shukla, Deepak Khare<br /> <br /> <br /> Vol 2, International Journal of Space and science, ISSN: 2321-2837<br /> ER - <br /> <br /> Πηγή: [https://www.researchgate.net/profile/Rituraj_Shukla2/publication/280311625_Land_useland_cover_change_detection_o f_Indira_Sagar_canal_command_area_using_integrated_remote_sensing_and_Gis_tools/links/58ab9448a6fdcc0e079bbd7e/La nd-use-land-cover-change-detection-of-Indira-Sagar-canal-command-area-using-integrated-remote-sensing-and-Gis-tools.pdf]<br /> <br /> Λέξεις κλειδιά: GIS, Χρήση γης, κάλυψη γης, ERDAS IMAGINE, ARCGI<br /> <br /> <br /> Η μελέτη αυτή πραγματεύεται την παρακολούθηση της αλλαγής των υδάτινων μαζών μιας περιοχής και της βλάστησης, με στόχο να ερευνήσει την επιρροή που ασκούν οι αναπτυξιακές δραστηριότητες μιας περιοχής στον υπόγειο υδροφόρο ορίζοντά της, μετά την κατασκευή ενός καναλιού. Η περιοχή μελέτης είναι η περιοχή απ όπου διέρχεται ο ποταμός Roanoke, στην Ινδία. Επιλέχθηκε αυτή η περιοχή καθώς έχει αποδειχθεί ότι ένας από τους κυριότερους παράγοντες για την οικιστική ανάπτυξη μιας περιοχής στην Ινδία, είναι αυτός της ύπαρξης νερού για την ύδρευση και την άρδευση. <br /> Για τη συγκέντρωση των απαραίτητων στοιχείων αλλά και για την επεξεργασία τους, έγινε χρήση των δεδομένων Κάλυψης εδάφους του USGS καθώς και λήψεις από τον δορυφόρο IRS-1D με ημερομηνίες 17/11/2010 και 12/11/2000 ενώ για την επεξεργασία τους χρησιμοποιήθηκαν το ERDAS IMAGINE και το ARCGIS. <br /> Η μεθοδολογία που ακολουθήθηκε για την ταξινόμηση των χρήσεων γης είναι η μέγιστη πιθανοφάνεια-κάθε pixel κατηγοριοποιείται στην στη χρήση γης που πιθανότερα ταιριάζει ενώ αν κάποιο δεν έχει επαρκή ομοιότητα με μια κατηγορία, τότε θεωρείται αταξινόμητο στοιχείο. Τα στοιχεία που ελήφθησαν από της ψηφιακές απεικονίσεις των δορυφορικών δεδομένων, ταξινομήθηκαν βάσει του χάρτη κάλυψης εδάφους του 2003. Επιλέχθηκαν έξι τάξεις για την ταξινόμηση, περιοχές με πυκνή βλάστηση κυρίως με κωνοφόρα δένδρα, περιοχές όπου φύονται θάμνοι και χλόη, υδάτινα στοιχεία, ο αστικός ιστός, ορυζώνες και περιοχές όπου συναντώνται καλλιέργειες όπως ζαχαροκάλαμα και καρποφόρα δένδρα. Η ταξινόμηση είχε ως στόχο τη συσχέτιση των φασματικών χαρακτηριστικών της ψηφιακής απεικόνισης είτε χειροκίνητα είτε με τη χρήση υπολογιστικών προγραμμάτων. Τα στοιχεία αυτά θα δημιουργήσουν έναν, εννοιολογικά και πληροφορικά πλήρη, χάρτη στον οποίο μπορούν να βασιστούν επιστημονικές αξιολογήσεις της περιοχής. <br /> <br /> [[Εικόνα:21.PNG|thumb|right|Μεθοδολογία έρευνας]]<br /> <br /> Είναι πολύ σημαντικό να μελετηθούν οι μεταβολές της κάλυψης του εδάφους καθώς επιφέρουν μεγάλες επιπτώσεις στη λεκάνη απορροής αφού επηρεάζουν φυσικές διαδικασίες όπως η διείσδυση, η απορροή και η παροχέτευση υδάτων στους υπόγειους σχηματισμούς. <br /> Από τους παραγόμενους χάρτες για τα 2 διαφορετικά έτη και την ανάλυση των δεδομένων, προκύπτει ότι υπήρξε ποσοστιαία αύξηση όλων των εξεταζόμενων στοιχείων σε βάρος των χορτολειβαδικών εκτάσεων. <br /> <br /> [[Εικόνα:22.PNG|thumb|right| Χρήσεις γης και κάλυψης για τα έτη 2000, 2010 ]]<br /> <br /> [[Εικόνα:colomb1.jpg|thumb|right|Πρότυπα αποψίλωσης των δασών στις κολομβιανές Άνδεις (Εικόνες Landsat ETM 453)]]<br /> <br /> [[Εικόνα:colomb1.jpg|thumb|right|Πρότυπα αποψίλωσης των δασών στις κολομβιανές Άνδεις (Εικόνες Landsat ETM 453)]]<br /> <br /> Τα παραπάνω στοιχεία, επιβεβαιώνουν την ανάγκη ανάλυσης πολυφασματικών εικόνες υψηλής ανάλυσης για την αναγνώριση της κάλυψης του εδάφους όπως της ερμηνείας καλλιεργούμενων εκτάσεων. Σκοπός της μελέτης ήταν να εκτιμηθεί η μεταβολή της γης που αξιοποιείται για γεωργία στην περιοχή Indira Sagar μεταξύ των ετών 2000 και 2010 ύστερα από την κατασκευή του καναλιού. <br /> Η ταξινόμηση ελάχιστης απόστασης με εποπτεία χωρικών εικονοστοιχείων πραγματοποιήθηκε χρησιμοποιώντας περιοχές εκπαίδευσης που επιλέχθηκαν σύμφωνα με δεδομένα πεδίου και χάρτες της Google. Απαιτείται εξαιρετική προσπάθεια ειδικά για την ορθή ταξινόμηση περιοχών καλλιέργειας και μη αξιοποιήσιμων εδαφών από δορυφορικές εικόνες. Η ανάπτυξη της οικιστικής δραστηριότητας εντός των ορίων της πόλης εντείνεται λόγω της φαινομενικής ανάπτυξης οικιστικών περιοχών κατά μήκος των μεγάλων οδών. Δεδομένου ότι η ανίχνευση αλλαγών έχει πραγματοποιηθεί με τη χρήση των ίδιων χωρικών δορυφορικών δεδομένων, τα αποτελέσματα είναι συγκρίσιμα και πλήρως επεξεργάσιμα. <br /> Παρόλο που τα δορυφορικά δεδομένα έχουν διαφορετική, επεξεργάστηκαν με την τεχνική της φασματικής αναδειγματοληψίας ώστε να αξιοποιηθούν. Με την επαναδειγματοληψία, είτε η υψηλότερη ανάλυση μπορεί να μειωθεί σε μέτρια ανάλυση είτε αντιστρόφως. Επίσης, ταξινόμηση υπο-εικονοστοιχείων μπορεί επίσης να γίνει για να βελτιωθεί η ποιότητα των δεδομένων μεσαίας ανάλυσης.<br /> <br /> <br /> [[category:Αστικός και περιφερειακός σχεδιασμός]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:22.PNG 2020-02-14T21:01:48Z

<p>Alexopoulou Nefeli: χορτολειβαδικες</p> <hr /> <div>χορτολειβαδικες</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CE%B3%CE%B7%CF%82_/_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CE%B1%CE%BB%CE%BB%CE%B1%CE%B3%CE%AE%CF%82_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%B3%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AE%CF%82_%CF%84%CE%BF%CF%85_Canal_Indira_Sagar_%CF%87%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CE%B5%CE%BD%CF%83%CF%89%CE%BC%CE%B1%CF%84%CF%89%CE%BC%CE%AD%CE%BD%CE%B1_%CE%B5%CF%81%CE%B3%CE%B1%CE%BB%CE%B5%CE%AF%CE%B1_%CF%84%CE%B7%CE%BB%CE%B5%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%BA%CE%B1%CE%B9_GIS 2020-02-14T21:01:01Z

<p>Alexopoulou Nefeli: </p> <hr /> <div> ''''''Χρήση γης / ανίχνευση αλλαγής κάλυψης γης της περιοχής του Canal Indira Sagar χρησιμοποιώντας ενσωματωμένα εργαλεία τηλεανίχνευσης και GIS'''<br /> Land Use/Land Cover Change Detection of Indira Sagar Canal Command Area Using Integrated Remote Sensing and GIS Tools '''<br /> <br /> Συγγραφείς: Rituraj Shukla, Deepak Khare<br /> <br /> <br /> Vol 2, International Journal of Space and science, ISSN: 2321-2837<br /> ER - <br /> <br /> Πηγή: [https://www.researchgate.net/profile/Rituraj_Shukla2/publication/280311625_Land_useland_cover_change_detection_o f_Indira_Sagar_canal_command_area_using_integrated_remote_sensing_and_Gis_tools/links/58ab9448a6fdcc0e079bbd7e/La nd-use-land-cover-change-detection-of-Indira-Sagar-canal-command-area-using-integrated-remote-sensing-and-Gis-tools.pdf]<br /> <br /> Λέξεις κλειδιά: GIS, Χρήση γης, κάλυψη γης, ERDAS IMAGINE, ARCGI<br /> <br /> <br /> Η μελέτη αυτή πραγματεύεται την παρακολούθηση της αλλαγής των υδάτινων μαζών μιας περιοχής και της βλάστησης, με στόχο να ερευνήσει την επιρροή που ασκούν οι αναπτυξιακές δραστηριότητες μιας περιοχής στον υπόγειο υδροφόρο ορίζοντά της, μετά την κατασκευή ενός καναλιού. Η περιοχή μελέτης είναι η περιοχή απ όπου διέρχεται ο ποταμός Roanoke, στην Ινδία. Επιλέχθηκε αυτή η περιοχή καθώς έχει αποδειχθεί ότι ένας από τους κυριότερους παράγοντες για την οικιστική ανάπτυξη μιας περιοχής στην Ινδία, είναι αυτός της ύπαρξης νερού για την ύδρευση και την άρδευση. <br /> Για τη συγκέντρωση των απαραίτητων στοιχείων αλλά και για την επεξεργασία τους, έγινε χρήση των δεδομένων Κάλυψης εδάφους του USGS καθώς και λήψεις από τον δορυφόρο IRS-1D με ημερομηνίες 17/11/2010 και 12/11/2000 ενώ για την επεξεργασία τους χρησιμοποιήθηκαν το ERDAS IMAGINE και το ARCGIS. <br /> Η μεθοδολογία που ακολουθήθηκε για την ταξινόμηση των χρήσεων γης είναι η μέγιστη πιθανοφάνεια-κάθε pixel κατηγοριοποιείται στην στη χρήση γης που πιθανότερα ταιριάζει ενώ αν κάποιο δεν έχει επαρκή ομοιότητα με μια κατηγορία, τότε θεωρείται αταξινόμητο στοιχείο. Τα στοιχεία που ελήφθησαν από της ψηφιακές απεικονίσεις των δορυφορικών δεδομένων, ταξινομήθηκαν βάσει του χάρτη κάλυψης εδάφους του 2003. Επιλέχθηκαν έξι τάξεις για την ταξινόμηση, περιοχές με πυκνή βλάστηση κυρίως με κωνοφόρα δένδρα, περιοχές όπου φύονται θάμνοι και χλόη, υδάτινα στοιχεία, ο αστικός ιστός, ορυζώνες και περιοχές όπου συναντώνται καλλιέργειες όπως ζαχαροκάλαμα και καρποφόρα δένδρα. Η ταξινόμηση είχε ως στόχο τη συσχέτιση των φασματικών χαρακτηριστικών της ψηφιακής απεικόνισης είτε χειροκίνητα είτε με τη χρήση υπολογιστικών προγραμμάτων. Τα στοιχεία αυτά θα δημιουργήσουν έναν, εννοιολογικά και πληροφορικά πλήρη, χάρτη στον οποίο μπορούν να βασιστούν επιστημονικές αξιολογήσεις της περιοχής. <br /> <br /> [[Εικόνα:21.PNG|thumb|right|Μεθοδολογία έρευνας]]<br /> <br /> Είναι πολύ σημαντικό να μελετηθούν οι μεταβολές της κάλυψης του εδάφους καθώς επιφέρουν μεγάλες επιπτώσεις στη λεκάνη απορροής αφού επηρεάζουν φυσικές διαδικασίες όπως η διείσδυση, η απορροή και η παροχέτευση υδάτων στους υπόγειους σχηματισμούς. <br /> Από τους παραγόμενους χάρτες για τα 2 διαφορετικά έτη και την ανάλυση των δεδομένων, προκύπτει ότι υπήρξε ποσοστιαία αύξηση όλων των εξεταζόμενων στοιχείων σε βάρος των χορτολειβαδικών εκτάσεων. <br /> <br /> Τα παραπάνω στοιχεία, επιβεβαιώνουν την ανάγκη ανάλυσης πολυφασματικών εικόνες υψηλής ανάλυσης για την αναγνώριση της κάλυψης του εδάφους όπως της ερμηνείας καλλιεργούμενων εκτάσεων. Σκοπός της μελέτης ήταν να εκτιμηθεί η μεταβολή της γης που αξιοποιείται για γεωργία στην περιοχή Indira Sagar μεταξύ των ετών 2000 και 2010 ύστερα από την κατασκευή του καναλιού. <br /> Η ταξινόμηση ελάχιστης απόστασης με εποπτεία χωρικών εικονοστοιχείων πραγματοποιήθηκε χρησιμοποιώντας περιοχές εκπαίδευσης που επιλέχθηκαν σύμφωνα με δεδομένα πεδίου και χάρτες της Google. Απαιτείται εξαιρετική προσπάθεια ειδικά για την ορθή ταξινόμηση περιοχών καλλιέργειας και μη αξιοποιήσιμων εδαφών από δορυφορικές εικόνες. Η ανάπτυξη της οικιστικής δραστηριότητας εντός των ορίων της πόλης εντείνεται λόγω της φαινομενικής ανάπτυξης οικιστικών περιοχών κατά μήκος των μεγάλων οδών. Δεδομένου ότι η ανίχνευση αλλαγών έχει πραγματοποιηθεί με τη χρήση των ίδιων χωρικών δορυφορικών δεδομένων, τα αποτελέσματα είναι συγκρίσιμα και πλήρως επεξεργάσιμα. <br /> Παρόλο που τα δορυφορικά δεδομένα έχουν διαφορετική, επεξεργάστηκαν με την τεχνική της φασματικής αναδειγματοληψίας ώστε να αξιοποιηθούν. Με την επαναδειγματοληψία, είτε η υψηλότερη ανάλυση μπορεί να μειωθεί σε μέτρια ανάλυση είτε αντιστρόφως. Επίσης, ταξινόμηση υπο-εικονοστοιχείων μπορεί επίσης να γίνει για να βελτιωθεί η ποιότητα των δεδομένων μεσαίας ανάλυσης.<br /> <br /> <br /> [[category:Αστικός και περιφερειακός σχεδιασμός]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:21.PNG 2020-02-14T20:58:40Z

<p>Alexopoulou Nefeli: Μεθοδολογία έρευνας</p> <hr /> <div>Μεθοδολογία έρευνας</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CE%BB%CE%B5%CE%BE%CE%BF%CF%80%CE%BF%CF%8D%CE%BB%CE%BF%CF%85_%CE%9D%CE%B5%CF%86%CE%AD%CE%BB%CE%B7 2020-02-14T20:55:53Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>[[Χρησιμοποιώντας πολυεστιακές εικόνες Landsat για ταχεία αναγνώριση εγκαταλελειμμένων εκτάσεων σε περιοχές που εκδηλώνεται αστική εξάπλωση]]<br /> <br /> [[Χρήση γης / ανίχνευση αλλαγής κάλυψης γης της περιοχής του Canal Indira Sagar χρησιμοποιώντας ενσωματωμένα εργαλεία τηλεανίχνευσης και GIS]]<br /> <br /> [[ Category:ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Αθήνα) ]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%80%CE%BF%CE%BB%CF%85%CE%B5%CF%83%CF%84%CE%B9%CE%B1%CE%BA%CE%AD%CF%82_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_Landsat_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B1%CF%87%CE%B5%CE%AF%CE%B1_%CE%B1%CE%BD%CE%B1%CE%B3%CE%BD%CF%8E%CF%81%CE%B9%CF%83%CE%B7_%CE%B5%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CE%BB%CE%B5%CE%BB%CE%B5%CE%B9%CE%BC%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CE%B5%CE%BA%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CE%B5_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AD%CF%82_%CF%80%CE%BF%CF%85_%CE%B5%CE%BA%CE%B4%CE%B7%CE%BB%CF%8E%CE%BD%CE%B5%CF%84%CE%B1%CE%B9_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE_%CE%B5%CE%BE%CE%AC%CF%80%CE%BB%CF%89%CF%83%CE%B7 2020-02-14T08:21:32Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>[[Εικόνα: Metho.PNG‎ | thumb| right|'''Εικόνα 1:'''Μεθοδολογία μελέτης.]]<br /> <br /> '''Χρησιμοποιώντας πολυεστιακές εικόνες Landsat για ταχεία αναγνώριση εγκαταλελειμμένων εκτάσεων σε περιοχές που εκδηλώνεται αστική εξάπλωση'''<br /> <br /> '''Using multi-seasonal Landsat imagery for rapid identification of abandoned land in areas affected by urban sprawl''' <br /> <br /> '''Simona R. Grădinarua, Felix Kienasta, Achilleas Psomas'''<br /> <br /> [https://www.researchgate.net/profile/Simona_Gradinaru/publication/317642294_Using_multiseasonal_Landsat_imagery_for_rapid_identification_of_abandoned_land_in_areas_affected_by_urban_sprawl/links/5b3a4fa84585150d23f1bdbb/Using-multiseasonal-Landsat-imagery-for-rapid-identification-of-abandoned-land-in-areas-affected-by-urban-sprawl.pdf]<br /> <br /> Το άρθρο αυτό, μελετά μια νέα μέθοδο αποτύπωσης των περιαστικών εγκαταλελειμμένων περιοχών αλλά και την αστική εξάπλωση. Στόχος της εργασίας είναι να προταθεί μια μέθοδος με μέγιστη οικονομία πόρων, χρόνου, διεργασιών και ανθρωπίνου δυναμικού, χρησιμοποιώντας εποχιακές λήψεις δεδομένων Landsat με αντιστοίχηση ανάλυση. Υπογραμμίζεται, ότι η συγκεκριμένη μεθοδολογία, πρώτη φορά εφαρμόζεται σε κατακερματισμένες αστικές περιοχές. Μέσω της μελέτης θα προσδιοριστεί η βέλτιστη περίοδος της καλλιεργητικής περιόδου για τη χαρτογράφηση εγκαταλελειμμένης γης καθώς και η εκτίμηση των πόρων που απαιτούνται για την μελέτη. Εγκαταλελειμμένες περιοχές ορίζονται οι περιοχές που προηγουμένως είχαν γεωργική χρήση και έχουν εγκαταλειφθεί τουλάχιστον τα τελευταία τρία χρόνια. <br /> Περιοχή μελέτης ορίστηκε το Βουκουρέστι, στη Ρουμανία ενώ τα δεδομένα του landsat είναι από το 2013. Κρίνεται σημαντική η παρατήρηση των περιόδων καλλιέργειας καθώς μέσω του δείκτη της φύτευσης (NDVI)θα επεξεργασθούν τα δεδομένα του landsat. Το NDVI είναι ένας δείκτης της ποσότητας ζωντανής βιομάζας πάνω στο έδαφος, οι τιμές του κυμαίνονται μεταξύ -1 και +1, με τις υψηλότερες τιμές που αντιστοιχούν στην πυκνή υγιή βλάστηση ηπειρωτικό κλίμα της περιοχής, καθορίζει τα διάφορα είδη της φύτευσης (πατάτες, μπιζέλια, σιτάρι, κριθάρι κά.)αλλά και την περίοδο της αγροτικής ζωής των καλλιεργειών η οποία ξεκινά τον Μάρτη και λήγει τον Σεπτέμβρη. Ο συγκεκριμένος δείκτης επηρεάζεται από τις υδάτινες μάζες και για αυτό το λόγο τα δεδομένα επεξεργάζονται σε δύο φάσεις με την αφαίρεση των εικονοστοιχείων που περιλαμβάνουν τις υδάτινες μάζες αλλά και με την ψηφιοποίηση του αστικού ιστού βάσει του τοπογραφικού και ορθοφωτογραφιών της πόλης. Για την εισαγωγή των δεδομένων, ορίστηκαν 113 σημεία-παρατηρητήρια, με αντίστοιχες ορθοφωτογραφίες της περιοχής, βάσει των οποίων υπολογίστηκαν οι τιμές του NDVI που εισήχθησαν στο σύστημα ταξινόμησης και παλινδρόμησης (CRT). Η διαδικασία περιγράφεται στο Διάγραμμα 1(εικ. 1). <br /> Τα αποτελέσματα της ανάλυσης CRT είναι εύκολο να ερμηνευτούν και σε συνδυασμό με το GIS, μπορούν να χρησιμοποιηθούν για τη δημιουργία χαρτών κάλυψης γης για την υποστήριξη της λήψης αποφάσεων σχετικών με τον αστικό και περιαστικό σχεδιασμό. Οι δύο τάξεις της ταξινόμησης ήταν οι εγκαταλελειμμένες γεωργικώς περιοχές και οι χρήσεις γης, για τις οποίες 70% των σημείων πάρθηκαν ως εκπαιδευτικά δείγματα και 30% ως έλεγχος για την ταξινόμηση. Βάσει των καλλιεργητικών περιόδων κάθε είδους, ομαδοποιήθηκαν 4 βασικές περίοδοι οι οποίες συνδυάστηκαν(23 μοντέλα) ώστε να δώσουν τη βέλτιστη καλλιεργητική περίοδο προς μελέτη. Για να γίνει η επαλήθευση του παραγόμενου χάρτη, πραγματοποιήθηκε ψηφιοποίηση σε πολύγωνα εικόνων του google earth τα οποία επεξεργάστηκαν ώστε να δίνουν χωρική ανάλυση 30m ώστε να μπορoύν να συγκριθούν με τις εικόνες του landsat. Ένα βασικό πρόβλημα που εντοπίστηκε, αφορά στη βλάστηση που υπάρχει σε μη οργανωμένους αστικούς χώρους, όπως στην περίπτωση πλησίον των οδών όπου, τα νερά από τους δρόμους ενισχύουν τη βλάστηση γύρω τους, δημιουργώντας σύγχυση κατά τη φωτοερμηνεία. <br /> Η μέθοδος αυτή έλαβε χώρα σε περιαστικές περιοχές επεκτεινόμενων αστικών ιστών οι οποίες παρουσιάζουν ετερογενή τοπία. Αν και η συγκεκριμένη μέθοδος έχει παρουσιάσει υψηλότερα ποσοστά ακρίβειας σε περιπτώσεις ορεινών περιοχών, στην περίπτωση των περιαστικών περιοχών, δίνει ακρίβεια πάνω από 85%, χαρακτηρίζοντάς την ως κατάλληλη εναλλακτική λύση. Ένα ακόμα γεγονός που την επιβεβαιώνει ως μια εναλλακτική λύση είναι ότι απαιτούνται λιγότεροι πόροι από την άποψη του χρόνου και ανθρωπίνου δυναμικού που απαιτείται για την εκτέλεση της χαρτογράφησης. Συμπερασματικά, αποτελεί μια φερέγγυα, αποδεκτή και εναλλακτική μέθοδο χαρτογράφησης των εγκαταλελειμμένων γεωργικών περιοχών αλλά και των περιοχών εξάπλωσης του αστικού ιστού, η οποία παρουσιάζει μειωμένο οικονομικό, χρονικό και υλικοτεχνικό κόστος. Τέλος, η μέθοδος αυτή θα μπορούσε να αξιοποιηθεί για την αναπροσαρμογή και επικαιροποίηση των πολεοδομικών σχεδίων υπό το πρίσμα της αστικοποίησης και της μεταστροφής των γεωργικών απαιτήσεων των σύγχρονων κοινωνιών. <br /> <br /> <br /> <br /> <br /> <br /> [[category:Ανίχνευση μεταβολών αστικής γης]]</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:Metho.PNG 2020-02-14T08:18:02Z

<p>Alexopoulou Nefeli: Μεθοδολογία</p> <hr /> <div>Μεθοδολογία</div>

Alexopoulou Nefeli http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%B7%CF%83%CE%B9%CE%BC%CE%BF%CF%80%CE%BF%CE%B9%CF%8E%CE%BD%CF%84%CE%B1%CF%82_%CF%80%CE%BF%CE%BB%CF%85%CE%B5%CF%83%CF%84%CE%B9%CE%B1%CE%BA%CE%AD%CF%82_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_Landsat_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B1%CF%87%CE%B5%CE%AF%CE%B1_%CE%B1%CE%BD%CE%B1%CE%B3%CE%BD%CF%8E%CF%81%CE%B9%CF%83%CE%B7_%CE%B5%CE%B3%CE%BA%CE%B1%CF%84%CE%B1%CE%BB%CE%B5%CE%BB%CE%B5%CE%B9%CE%BC%CE%BC%CE%AD%CE%BD%CF%89%CE%BD_%CE%B5%CE%BA%CF%84%CE%AC%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CE%B5_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AD%CF%82_%CF%80%CE%BF%CF%85_%CE%B5%CE%BA%CE%B4%CE%B7%CE%BB%CF%8E%CE%BD%CE%B5%CF%84%CE%B1%CE%B9_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%AE_%CE%B5%CE%BE%CE%AC%CF%80%CE%BB%CF%89%CF%83%CE%B7 2020-02-14T08:14:10Z

<p>Alexopoulou Nefeli: </p> <hr /> <div>[[Εικόνα: 11_1.PNG | thumb| right|'''Εικόνα 1:'''Μεθοδολογία μελέτης.]]<br /> [[Χρησιμοποιώντας πολυεστιακές εικόνες Landsat για ταχεία αναγνώριση εγκαταλελειμμένων εκτάσεων σε περιοχές που εκδηλώνεται αστική εξάπλωση<br /> ]]<br /> == Using multi-seasonal Landsat imagery for rapid identification of abandoned land in areas affected by urban sprawl <br /> Simona R. Grădinarua, Felix Kienasta, Achilleas Psomas ==<br /> <br /> [:https://www.researchgate.net/profile/Simona_Gradinaru/publication/317642294_Using_multiseasonal_Landsat_imagery_for_rapid_identification_of_abandoned_land_in_areas_affected_by_urban_sprawl/links/5b3a4fa84585150d23f1bdbb/Using-multiseasonal-Landsat-imagery-for-rapid-identification-of-abandoned-land-in-areas-affected-by-urban-sprawl.pdf]<br /> <br /> Το άρθρο αυτό, μελετά μια νέα μέθοδο αποτύπωσης των περιαστικών εγκαταλελειμμένων περιοχών αλλά και την αστική εξάπλωση. Στόχος της εργασίας είναι να προταθεί μια μέθοδος με μέγιστη οικονομία πόρων, χρόνου, διεργασιών και ανθρωπίνου δυναμικού, χρησιμοποιώντας εποχιακές λήψεις δεδομένων Landsat με αντιστοίχηση ανάλυση. Υπογραμμίζεται, ότι η συγκεκριμένη μεθοδολογία, πρώτη φορά εφαρμόζεται σε κατακερματισμένες αστικές περιοχές. Μέσω της μελέτης θα προσδιοριστεί η βέλτιστη περίοδος της καλλιεργητικής περιόδου για τη χαρτογράφηση εγκαταλελειμμένης γης καθώς και η εκτίμηση των πόρων που απαιτούνται για την μελέτη. Εγκαταλελειμμένες περιοχές ορίζονται οι περιοχές που προηγουμένως είχαν γεωργική χρήση και έχουν εγκαταλειφθεί τουλάχιστον τα τελευταία τρία χρόνια. <br /> Περιοχή μελέτης ορίστηκε το Βουκουρέστι, στη Ρουμανία ενώ τα δεδομένα του landsat είναι από το 2013. Κρίνεται σημαντική η παρατήρηση των περιόδων καλλιέργειας καθώς μέσω του δείκτη της φύτευσης (NDVI)θα επεξεργασθούν τα δεδομένα του landsat. Το NDVI είναι ένας δείκτης της ποσότητας ζωντανής βιομάζας πάνω στο έδαφος, οι τιμές του κυμαίνονται μεταξύ -1 και +1, με τις υψηλότερες τιμές που αντιστοιχούν στην πυκνή υγιή βλάστηση ηπειρωτικό κλίμα της περιοχής, καθορίζει τα διάφορα είδη της φύτευσης (πατάτες, μπιζέλια, σιτάρι, κριθάρι κά.)αλλά και την περίοδο της αγροτικής ζωής των καλλιεργειών η οποία ξεκινά τον Μάρτη και λήγει τον Σεπτέμβρη. Ο συγκεκριμένος δείκτης επηρεάζεται από τις υδάτινες μάζες και για αυτό το λόγο τα δεδομένα επεξεργάζονται σε δύο φάσεις με την αφαίρεση των εικονοστοιχείων που περιλαμβάνουν τις υδάτινες μάζες αλλά και με την ψηφιοποίηση του αστικού ιστού βάσει του τοπογραφικού και ορθοφωτογραφιών της πόλης. Για την εισαγωγή των δεδομένων, ορίστηκαν 113 σημεία-παρατηρητήρια, με αντίστοιχες ορθοφωτογραφίες της περιοχής, βάσει των οποίων υπολογίστηκαν οι τιμές του NDVI που εισήχθησαν στο σύστημα ταξινόμησης και παλινδρόμησης (CRT). Η διαδικασία περιγράφεται στο Διάγραμμα 1(εικ. 1). <br /> Τα αποτελέσματα της ανάλυσης CRT είναι εύκολο να ερμηνευτούν και σε συνδυασμό με το GIS, μπορούν να χρησιμοποιηθούν για τη δημιουργία χαρτών κάλυψης γης για την υποστήριξη της λήψης αποφάσεων σχετικών με τον αστικό και περιαστικό σχεδιασμό. Οι δύο τάξεις της ταξινόμησης ήταν οι εγκαταλελειμμένες γεωργικώς περιοχές και οι χρήσεις γης, για τις οποίες 70% των σημείων πάρθηκαν ως εκπαιδευτικά δείγματα και 30% ως έλεγχος για την ταξινόμηση. Βάσει των καλλιεργητικών περιόδων κάθε είδους, ομαδοποιήθηκαν 4 βασικές περίοδοι οι οποίες συνδυάστηκαν(23 μοντέλα) ώστε να δώσουν τη βέλτιστη καλλιεργητική περίοδο προς μελέτη. Για να γίνει η επαλήθευση του παραγόμενου χάρτη, πραγματοποιήθηκε ψηφιοποίηση σε πολύγωνα εικόνων του google earth τα οποία επεξεργάστηκαν ώστε να δίνουν χωρική ανάλυση 30m ώστε να μπορoύν να συγκριθούν με τις εικόνες του landsat. Ένα βασικό πρόβλημα που εντοπίστηκε, αφορά στη βλάστηση που υπάρχει σε μη οργανωμένους αστικούς χώρους, όπως στην περίπτωση πλησίον των οδών όπου, τα νερά από τους δρόμους ενισχύουν τη βλάστηση γύρω τους, δημιουργώντας σύγχυση κατά τη φωτοερμηνεία. <br /> Η μέθοδος αυτή έλαβε χώρα σε περιαστικές περιοχές επεκτεινόμενων αστικών ιστών οι οποίες παρουσιάζουν ετερογενή τοπία. Αν και η συγκεκριμένη μέθοδος έχει παρουσιάσει υψηλότερα ποσοστά ακρίβειας σε περιπτώσεις ορεινών περιοχών, στην περίπτωση των περιαστικών περιοχών, δίνει ακρίβεια πάνω από 85%, χαρακτηρίζοντάς την ως κατάλληλη εναλλακτική λύση. Ένα ακόμα γεγονός που την επιβεβαιώνει ως μια εναλλακτική λύση είναι ότι απαιτούνται λιγότεροι πόροι από την άποψη του χρόνου και ανθρωπίνου δυναμικού που απαιτείται για την εκτέλεση της χαρτογράφησης. Συμπερασματικά, αποτελεί μια φερέγγυα, αποδεκτή και εναλλακτική μέθοδο χαρτογράφησης των εγκαταλελειμμένων γεωργικών περιοχών αλλά και των περιοχών εξάπλωσης του αστικού ιστού, η οποία παρουσιάζει μειωμένο οικονομικό, χρονικό και υλικοτεχνικό κόστος. Τέλος, η μέθοδος αυτή θα μπορούσε να αξιοποιηθεί για την αναπροσαρμογή και επικαιροποίηση των πολεοδομικών σχεδίων υπό το πρίσμα της αστικοποίησης και της μεταστροφής των γεωργικών απαιτήσεων των σύγχρονων κοινωνιών. <br /> <br /> <br /> <br /> <br /> <br /> [[category:Ανίχνευση μεταβολών αστικής γης]]</div>

Alexopoulou Nefeli