<?xml version="1.0"?>
<?xml-stylesheet type="text/css" href="http://147.102.106.44/rs/wiki/skins/common/feed.css?270"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="el">
		<id>http://147.102.106.44/rs/wiki/index.php?feed=atom&amp;target=Asimaki_Efstathia&amp;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%2FAsimaki_Efstathia</id>
		<title>RemoteSensing Wiki - Συνεισφορές χρήστη [el]</title>
		<link rel="self" type="application/atom+xml" href="http://147.102.106.44/rs/wiki/index.php?feed=atom&amp;target=Asimaki_Efstathia&amp;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%2FAsimaki_Efstathia"/>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%B9%CE%B4%CE%B9%CE%BA%CF%8C:%CE%A3%CF%85%CE%BD%CE%B5%CE%B9%CF%83%CF%86%CE%BF%CF%81%CE%AD%CF%82/Asimaki_Efstathia"/>
		<updated>2026-05-19T16:35:37Z</updated>
		<subtitle>Από RemoteSensing Wiki</subtitle>
		<generator>MediaWiki 1.16.2</generator>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%83%CE%B7%CE%BC%CE%AC%CE%BA%CE%B7_%CE%95%CF%85%CF%83%CF%84%CE%B1%CE%B8%CE%AF%CE%B1</id>
		<title>Ασημάκη Ευσταθία</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%83%CE%B7%CE%BC%CE%AC%CE%BA%CE%B7_%CE%95%CF%85%CF%83%CF%84%CE%B1%CE%B8%CE%AF%CE%B1"/>
				<updated>2017-02-14T19:22:31Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;* [[ Σύγκριση των τεχνικών υπολογισμού για την κάλυψη των σχετικών σημείων τομής δειγματοληψίας βλάστησης με εικόνες τηλεπισκόπησης]]&lt;br /&gt;
&lt;br /&gt;
* [[ Aνάλυση δορυφορικών εικόνων για την ανίχνευση της σκιάς και την εκτίμηση του ύψους του κτιρίου ]]&lt;br /&gt;
&lt;br /&gt;
* [[ Ενίσχυση των πλεονεκτημάτων σκιάς δέντρων σε πυκνής ανάπτυξης οικισμούς χρησιμοποιώντας μια εναλλακτική στρατηγική τοποθέτησης δέντρων ]]&lt;br /&gt;
&lt;br /&gt;
* [[ Αυτόματη ανίχνευση σε περιοχές πολιτισμικής κληρονομιάς ]]&lt;br /&gt;
&lt;br /&gt;
* [[ Παρατήρηση της Γης για την Παγκόσμια Πολιτισμική και Φυσική Κληρονομιά ]]&lt;br /&gt;
&lt;br /&gt;
* [[ Δορυφορική τηλεπισκόπηση των χαλαζοπτώσεων στη Γαλλία ]]&lt;br /&gt;
&lt;br /&gt;
* [[ Εκτίμηση της αστικής κάλυψης δέντρων με τυχαίο σημείο δειγματοληψίας και μεθόδων τηλεπισκόπησης ]]&lt;br /&gt;
&lt;br /&gt;
* [[ Τυχαίο δάσος στην τηλεπισκόπηση: Μια ανασκόπηση των εφαρμογών και μελλοντικές κατευθύνσεις ]]&lt;br /&gt;
&lt;br /&gt;
* [[ Μέθοδοι και τηλεπισκόπηση για τους δείκτες παρακολούθησης της κατάστασης της βλάστησης: Μια Αυστραλιακή κριτική ]]&lt;br /&gt;
&lt;br /&gt;
* [[ Όρια της αστικοποίησης: Προσδιορισμός και εξήγηση της αστικοποίησης στην Πόλη του Μεξικού ]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 [[category:ΔΠΜΣ &amp;quot;Περιβάλλον &amp;amp; Ανάπτυξη&amp;quot; (Αθήνα) ]]&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%8C%CF%81%CE%B9%CE%B1_%CF%84%CE%B7%CF%82_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7%CF%82:_%CE%A0%CF%81%CE%BF%CF%83%CE%B4%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%BA%CE%B1%CE%B9_%CE%B5%CE%BE%CE%AE%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%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%A0%CF%8C%CE%BB%CE%B7_%CF%84%CE%BF%CF%85_%CE%9C%CE%B5%CE%BE%CE%B9%CE%BA%CE%BF%CF%8D</id>
		<title>Όρια της αστικοποίησης: Προσδιορισμός και εξήγηση της αστικοποίησης στην Πόλη του Μεξικού</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%8C%CF%81%CE%B9%CE%B1_%CF%84%CE%B7%CF%82_%CE%B1%CF%83%CF%84%CE%B9%CE%BA%CE%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7%CF%82:_%CE%A0%CF%81%CE%BF%CF%83%CE%B4%CE%B9%CE%BF%CF%81%CE%B9%CF%83%CE%BC%CF%8C%CF%82_%CE%BA%CE%B1%CE%B9_%CE%B5%CE%BE%CE%AE%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%BF%CF%80%CE%BF%CE%AF%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%CE%A0%CF%8C%CE%BB%CE%B7_%CF%84%CE%BF%CF%85_%CE%9C%CE%B5%CE%BE%CE%B9%CE%BA%CE%BF%CF%8D"/>
				<updated>2017-02-14T19:21:34Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: Νέα σελίδα με 'Εικόνα 1: Περιοχή μελέτης [[Εικόνα:ΕΑ_art10_pic2.jpg|thumb|right|Εικόνα 2: Hot spot αν...'&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[Εικόνα:ΕΑ_art10_pic0.jpg|thumb|right|Εικόνα 1: Περιοχή μελέτης]]&lt;br /&gt;
[[Εικόνα:ΕΑ_art10_pic2.jpg|thumb|right|Εικόνα 2: Hot spot ανάλυση]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;h2&amp;gt;Frontiers of urbanization: Identifying and explaining urbanization hot spots in the south of Mexico City using human and remote sensing&amp;lt;/h2&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Juan Miguel Rodriguez Lopeza, Katharina Heiderb, Jürgen Scheffranb, &lt;br /&gt;
Center for Sustainable University (KNU) and CliSAP, University of Hamburg, Grindelberg 5, 20144 Hamburg, Germany&lt;br /&gt;
Research Group Climate Change and Security (CLISEC), Institute of Geography and CliSAP/ CEN, University of Hamburg, Grindelberg 5, 20144 Hamburg, Germany&lt;br /&gt;
Received 14 March 2016, Revised 29 November 2016, Accepted 1 December 2016, Available online 19 December 2016&lt;br /&gt;
&lt;br /&gt;
πηγή: [[http://www.sciencedirect.com/science/article/pii/S0143622816307421]]&lt;br /&gt;
&lt;br /&gt;
&amp;lt;h3&amp;gt;Μετάφραση και Περίληψη&amp;lt;/h3&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''1. Εισαγωγή'''&lt;br /&gt;
&lt;br /&gt;
Το βασικό ερευνητικό ερώτημα της παρούσας μελέτης επικεντρώνεται στην παράνομη επέκταση των αστικών οικισμών κατά μήκος των ορίων των πόλεων. Έχουμε επιλέξει την πόλη με μια από τις μεγαλύτερες συσσωρεύσεις των παράνομων οικισμών στον κόσμο: την Πόλη του Μεξικού. Αυτό το πολεοδομικό συγκρότημα χρησιμεύει ως μια μελέτη περίπτωσης με έμφαση τους αστικούς / περιαστικούς χώρους στην οποία έχει λάβει χώρα μια οριζόντια επέκταση των παράνομων αστικών οικισμών. Στόχος του έργου μας είναι να επιβεβαιώσει και να απεικονίσει παρατηρούμενες τάσεις από τις κοινωνικές επιστήμες, συνδυάζοντας δορυφορικές εικόνες για την ανάλυση της αλλαγής της χρήσης γης, της ανθρώπινης αίσθησης που βασίζεται σε Volunteered Geographic Information (VGI) και το σχετικό υπάρχον απογραφής και στατιστικών δεδομένων σχετικά με αυτήν την αστική επέκταση.&lt;br /&gt;
Όσον αφορά το ερώτημα σχετικά με την οπτικοποίηση και την καλύτερη κατανόηση της εκτίμησης των παράνομων οικισμών, η μελέτη αυτή αναλύει κοινά δεδομένα από διαφορετικά πλαίσια απόκτησης. Η έρευνα για τα οφέλη αστικής ανάπτυξης από τις πρόσφατες διαθέσιμες πληροφορίες σε μια βάση δεδομένων καταγγελιών και υψηλής ευκρίνειας τηλεπισκόπησης εικόνων που λαμβάνονται από το Rapid Eye Science Archive (RESA). Σε αυτή τη μελέτη, η τηλεπισκόπηση ανιχνεύει αστική αλλαγή με υψηλή ανάλυση δορυφορικών εικόνων από τον αισθητήρα Rapid Eye, ενώ το ανθρώπινο αισθητήριο ανιχνεύει παράνομους εποικισμούς, με τη μορφή των καταγγελιών σε μια καθορισμένη γεωαναφορά  σημειακών δεδομένων. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''2. Θεωρία και προσέγγιση'''&lt;br /&gt;
&lt;br /&gt;
Αυτό το άρθρο παρουσιάζει μια προσέγγιση πολλαπλών μέθοδων για ένα καλύτερο μέτρο της αστικοποίησης. Η μελέτη μας ερευνά τις επιπτώσεις της ταχείας αστικής επέκτασης για τον ανταγωνισμό της γης και το περιβάλλον, στα όρια της πόλης. Ο απώτερος στόχος της έρευνάς μας είναι να αναπτύξουμε μια μεθοδολογική προσέγγιση που είναι κατάλληλη για άμεση μεταφορά και διάχυση σε άλλες πόλεις και περιοχές, ειδικά σε πόλεις όπως η Αφρική και η Ασία, που έχουν δει παρόμοια ανάπτυξης, αλλά δεν έχουν φθάσει το ποσοστό αστικοποίησης του Μεξικού.&lt;br /&gt;
Στόχος μας είναι να επιβεβαιώσει και να απεικονίσει παρατηρούμενες τάσεις από τις κοινωνικές επιστήμες χρησιμοποιούν ανθρώπινα αισθητήρια (VGI) και τηλεπισκόπησης (δορυφορικές εικόνες), συνδυάζοντας την με την υπάρχουσα σχετική απογραφή και στατιστικά δεδομένα σχετικά με τους παράνομους εποικισμούς στην Πόλη του Μεξικού. VGI έχει γίνει δημοφιλής με τη βοήθεια των νέων τεχνολογιών. Ωστόσο, το ζήτημα της ποιότητας σχετικά με αυτό το είδος των δεδομένων παραμένει ανοικτό. Οι πολιτικές των εταιρειών του Διαδικτύου έχουν επιτρέψει τη χρήση των εν λόγω πληροφοριώ και το Google Earth έχει γίνει ένα σεβαστό εργαλείο για τη χαρτογράφηση με εικόνες υψηλής ανάλυσης και σε διαφορετικά χρονικά σημεία. Επιπλέον, Copernicus ή Landsat προγράμματα παρέχουν τη δυνατότητα να αποκτηθούν δορυφορικές πληροφορίες από διαφορετικές ποιότητες για όλα σχεδόν τα μέρη του κόσμου και σε διάφορες χρονικές περιόδους.&lt;br /&gt;
Ως κεντρικά θέματα, αυτό το έργο αφορά την ανάκτηση πληροφοριών και την ανάλυση των VGI και το κοινωνικό πλαίσιο, ιδίως όσον αφορά καλύτερους τρόπους μέτρησης της πληροφόρησης και τη σχέση μεταξύ της υποκειμενικής κατάταξης, όπως στην περίπτωση της τηλεπισκόπησης, και την κοινή οντολογία της χαρτογραφίας. Συνδυάζοντας τα ανθρώπινα και τηλεπισκοπικά, το άρθρο αυτό φέρνει δύο ρεύματα της λογοτεχνίας μαζί. Για να κατανοήσουμε περισσότερα για την καλύτερη μέτρηση των δύο βάσεων δεδομένων, η ανάλυση hot spot έγινε για να φέρει τις πληροφορίες στην κλίμακα. &lt;br /&gt;
Μέρη της επέκτασης των παράνομων οικισμών έχουν ερευνηθεί λεπτομερώς. Ωστόσο, μια ολιστική, την ταυτόχρονη εξέταση όλων αυτών των χωρικών δεδομένων σε σχέση με τα κοινωνικοοικονομικά δεδομένα και VGI εξακολουθεί να λείπει. Ως εκ τούτου, το άρθρο αυτό διερευνά τη σχέση μεταξύ των κοινωνικοοικονομικών μεταβλητών, η ανάλυση της τηλεπισκόπησης και VGI σε διάφορες χωρικές κλίμακες του σύνθετου αυτού δυναμικού συστήματος, υποθέτοντας ότι οι χάρτες δεν είναι μια τέλεια αναπαράσταση του χώρου&lt;br /&gt;
Η τεχνική συζήτηση σχετικά με τηλεπισκόπηση παρέχει πολλά παραδείγματα των προσπαθειών για τη χαρτογράφηση των παράνομων οικισμών. Αυτές οι προσπάθειες να προσπαθήσει να συλλάβει την ανάπτυξη των παράνομων οικισμών, εντοπίζοντας το κατάλληλο σχήμα και τη δομή του παράνομου οικισμού. Αυτή η μέθοδος παράγει αποδεκτά αποτελέσματα στη δημιουργία μιας ταξινόμησης των παράνομων μορφών οικισμού, αλλά απαιτεί μια υψηλή πυκνότητα κατοικιών τυπικό για μια ενοποιημένη παράνομο οικισμό. Μόνος, αυτή η άποψη της τηλεπισκόπησης δεν είναι αρκετά συχνά και σε συνθήκες χαμηλού κατοικημένες αγροτικές και ημι-αγροτικές περιοχές, οι αλγόριθμοι που βασίζονται στην πυκνότητα και τον κατακερματισμό έχουν περιορισμούς. 	&lt;br /&gt;
&lt;br /&gt;
'''3. Δεδομένα και μέθοδοι '''&lt;br /&gt;
&lt;br /&gt;
Η αγροτική-αστική περιοχή της Πόλης του Μεξικού βρίσκεται στην ενδοχώρα, στη μέση του νότιου τμήματος της χώρας. Από Πόλη του Μεξικού εξαρτάται το νερό που ρέει έξω από τον αστικό χώρο, ενεργή διαχείριση του νερού είναι απαραίτητη για να διατηρηθεί η παροχή νερού και το οικοσύστημα, ιδιαίτερα στη νότια περιοχή, που ονομάζεται &amp;quot;ζώνη διατήρησης&amp;quot;, στο πλαίσιο του αποθεματικού χαρακτήρα. Για να αναλύσουμε αυτή την περιοχή, δημιουργήθηκε ένα πλέγμα με μέγεθος κυττάρου προσαρμοσμένο στην περιοχή μελέτης. Από τη μία πλευρά, με τη χρήση του πλέγματος είναι μια καλή μέσο για να ξεπεραστούν δύσκαμπτος ανθρωπογενείς σύνορα. Από την άλλη πλευρά, είναι απαραίτητο για την ανάλυσή μας, επειδή οι διοικητικές περιοχές στη ζώνη διατήρησης είναι πολύ σκληρό.&lt;br /&gt;
Κύριος στόχος μας είναι η χαρτογράφηση των αστικών και δασικών περιοχών, διότι το τελευταίο συχνά συνδέονται με τις προστατευόμενες περιοχές. Η ανάλυση των δεδομένων χωρίζεται σε τέσσερα κύρια βήματα. Στα δύο πρώτα βήματα είναι τα καυτά σημεία της αστικοποίησης και τις καταγγελίες που προσδιορίζονται με δύο διαφορετικούς τρόπους. Από τη μία πλευρά, τα καυτά σημεία ανιχνεύονται από τον εντοπισμό υψηλών τιμών των οικολογικών καταγγελιών (ανθρώπινης αίσθησης) και της αστικοποίησης (τηλεπισκόπηση) πυκνότητες. Από την άλλη πλευρά, μια βελτιστοποιημένη ανάλυση hot spot υλοποιείται, με τη χρήση του Getis-Ord Gi στατιστική για οικολογικές καταγγελίες και αστικοποίηση ανιχνεύεται από την εικόνα τηλεπισκόπησης. Χρησιμοποιώντας μια βελτιστοποιημένη ανάλυση hot spot βοηθά να ασχοληθεί με τα ζητήματα ποιότητας των VGI. Σε μια βελτιστοποιημένη ανάλυση hot spot ένα μεγαλύτερο βάρος δίνεται στην χωρική ομαδοποίηση η οποία ενισχύει περαιτέρω παρατηρήσεις πολλών ανθρώπων για τις ίδιες ή κοντινές τοποθεσίες. Στο επόμενο βήμα, η ανάλυση hot spot συνδυάζει τα αποτελέσματα και εντοπίζει αλληλεπικαλύψεις μεταξύ των συνόλων δεδομένων της αστικοποίησης και των καταγγελιών. Τέλος οι κοινωνικοοικονομικές οδηγούς αναλύονται και να ενσωματωθούν για να βρείτε μια σχέση μεταξύ της πυκνότητας του πληθυσμού, το ποσοστό της ανεργίας και της αστικοποίησης, καθώς και την καταγγελία hot spots. Εμείς επιλέξαμε την πυκνότητα του πληθυσμού δεδομένου ότι ένα από τα πιο δημοφιλή επιχειρήματα στη βιβλιογραφία σχετικά με την αποτελεσματικότητα των VGI υποστηρίζει με τον αριθμό των ατόμων που συμμετέχουν στη δημιουργία της βάσης δεδομένων.&lt;br /&gt;
&lt;br /&gt;
'''4. Αποτελέσματα'''&lt;br /&gt;
&lt;br /&gt;
Χρησιμοποιώντας τη μεθοδολογία που περιγράφεται, είναι η αστικοποίηση και η καταγγελία hot spots που προσδιορίζονται με δύο διαφορετικούς τρόπους. Η άμεση ανάλυση εντοπίζει σημεία σχετικά με τον αριθμό των καταγγελιών ή pixels αστικοποίησης ανά κύτταρο. Η βελτιστοποιημένη ανάλυση hot spot χρησιμοποιώντας Getis-Ord Gi  προσδιορίζει ζεστά και κρύα σημεία και στα δύο σύνολα δεδομένων, απομακρυσμένες και της ανθρώπινης αίσθησης.&lt;br /&gt;
Το ποσοστό επικάλυψης των δύο βάσεων δεδομένων που χρησιμοποιούνται στο έργο με πυκνότητες στην κορυφή ποσοστημόριο απεικονίζονται. Τα δεδομένα της ανθρώπινης αίσθησης αντιπροσωπεύουν τις οικολογικές καταγγελίες και η τηλεπισκοπικών δεδομένων απεικονίζει την αστική επέκταση. Τα επικαλυπτόμενα αποτελέσματα των βελτιστοποιημένων hot spots και τα hot spot που υπολογίζονται από μια άμεση σύγκριση των τιμών πυκνότητας διαφέρουν μεταξύ τους, διότι η βελτιστοποιημένη ανάλυση hot spot ενσωματώνει γειτονικά κύτταρα σε ένα hot spot όπου τα περιστατικά είναι παρόντες. Με την αύξηση της χωρικής ανάλυσης του μεγέθους των κυττάρων, τα επεισόδια μπορεί να βρίσκεται με μεγαλύτερη ακρίβεια η οποία οδηγεί σε λιγότερη επικάλυψη.&lt;br /&gt;
&lt;br /&gt;
'''5. Συζήτηση των αποτελεσμάτων'''&lt;br /&gt;
&lt;br /&gt;
Μετά την ταυτοποίηση των hot spots, ελέγξαμε για τη διαφορά μεταξύ hot spot και μη hot spot περιοχές. Η υπόθεση, ότι η πιο πυκνοκατοικημένη μια περιοχή, ο μεγαλύτερος είναι ο αριθμός των ταυτοποιημένων hot spot και η μέτρηση του VGI μπορεί να απορριφθεί. Είναι ενδιαφέρον να εξετάσουμε τις καταγγελίες για τα μονοπάτια προς τα νότια και νοτιοανατολικά, τα οποία δεν συνοδεύονται από την αστικοποίηση και ανιχνεύεται από τους δορυφόρους. Έτσι, στην αλληλεπίδραση μεταξύ της αστικοποίησης και των καταγγελιών, το χρονοδιάγραμμα θέματα, ειδικότερα, αν οι καταγγελίες συμβεί πριν ή μετά την αστικοποίηση ανιχνεύεται από δορυφορικές εικόνες. Για να αναλύσουμε αυτό, απαιτείται καλύτερη χρονική ανάλυση.&lt;br /&gt;
Ένας περιορισμός αυτού του άρθρου είναι ο ορισμός της αξιοπιστίας ως «καλύτερη μέτρηση», η οποία θα πρέπει να προσδιορίζεται με μεγαλύτερη σαφήνεια και να αναλυθεί. Ένας δεύτερος περιορισμός βρίσκεται στο γεγονός ότι αυτό το άρθρο εξετάζει μια πόλη και ένα χρονικό πλαίσιο. Περαιτέρω έρευνα είναι απαραίτητη, και ιδιαίτερη προσοχή πρέπει να δοθεί στις περιοχές όπου το δυναμικό αστικοποίησης είναι υψηλό στην Πόλη του Μεξικού και σε άλλες περιοχές, ιδιαίτερα στις αναπτυσσόμενες πόλεις της Ασίας και της Αφρικής.&lt;br /&gt;
&lt;br /&gt;
'''6. Συμπεράσματα'''&lt;br /&gt;
&lt;br /&gt;
Τηλεπισκοπικά και τα ανθρώπινα αισθητήρια έχουν παρουσιαστεί ως σημαντικές πηγές νέων πληροφοριών, αλλά πολλά πρακτικά ζητήματα που προκύπτουν γύρω από τη μέτρηση αυτών των πηγών. Προτείναμε μια προσέγγιση πολλαπλών μέθοδων για τη βελτίωση της μέτρησης της αστικοποίηση και τη χρήση ενός συνδυασμού απομακρυσμένη και ανθρώπινη ανάλυση ανίχνευσης.&lt;br /&gt;
Η ύπαρξη μιας ισχυρής σύνδεσης μεταξύ της επέκτασης των παράνομων αστικών οικισμών και κοινωνικοοικονομικούς παράγοντες ανοίγει νέες δυνατότητες έρευνας για να ανακαλύψουν περισσότερα για αυτό το είδος της αστικοποίησης. Ως εκ τούτου, είναι επιθυμητή η περαιτέρω έρευνα για τα αίτια της αστικοποίησης και των συναφών συγκρούσεις.&lt;br /&gt;
Η προτεινόμενη μέθοδος θα μπορούσε να χρησιμοποιηθεί εύκολα στις αναπτυσσόμενες πόλεις της Αφρικής και της Ασίας, ωστόσο υπάρχει η ύπαρξη της ανθρώπινης αίσθησης πληροφοριών με τη μορφή δεδομένων γεωαναφοράς. &lt;br /&gt;
Είναι θεμελιώδους σημασίας για τους φορείς χάραξης πολιτικής να κατανοήσουν τη διαδικασία της παράνομης αστικοποίησης, προκειμένου να διαχειριστούν αυτή την αστική επέκταση και να διαμορφώσουν στρατηγικές μετριασμού και προσαρμογής στο πλαίσιο της κλιματικής αλλαγής. Η πρόκληση είναι να προσδιοριστούν οι δυνάμεις πίσω από την αστική ανάπτυξη, να αναλύσουν την επέκταση των οικισμών και να αναλύσουν τον αντίκτυπο αυτής της δυναμικής που μπορεί να οδηγήσει στην απώλεια των περιοχών οικολογικής στην αστική περιφέρεια, ιδιαίτερα σε περιοχές όπου το δυναμικό αστικοποίηση είναι υψηλό. &lt;br /&gt;
&lt;br /&gt;
 [[category:Ανίχνευση μεταβολών αστικής γης]]&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%95%CE%91_art10_pic0.jpg</id>
		<title>Αρχείο:ΕΑ art10 pic0.jpg</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%95%CE%91_art10_pic0.jpg"/>
				<updated>2017-02-14T19:17:53Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%95%CE%91_art10_pic2.jpg</id>
		<title>Αρχείο:ΕΑ art10 pic2.jpg</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%95%CE%91_art10_pic2.jpg"/>
				<updated>2017-02-14T19:16:51Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%95%CE%91_art10_pic1.jpg</id>
		<title>Αρχείο:ΕΑ art10 pic1.jpg</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%95%CE%91_art10_pic1.jpg"/>
				<updated>2017-02-14T19:13:59Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BA%CF%84%CE%AF%CE%BC%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%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%B4%CE%AD%CE%BD%CF%84%CF%81%CF%89%CE%BD_%CE%BC%CE%B5_%CF%84%CF%85%CF%87%CE%B1%CE%AF%CE%BF_%CF%83%CE%B7%CE%BC%CE%B5%CE%AF%CE%BF_%CE%B4%CE%B5%CE%B9%CE%B3%CE%BC%CE%B1%CF%84%CE%BF%CE%BB%CE%B7%CF%88%CE%AF%CE%B1%CF%82_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CF%89%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82</id>
		<title>Εκτίμηση της αστικής κάλυψης δέντρων με τυχαίο σημείο δειγματοληψίας και μεθόδων τηλεπισκόπησης</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BA%CF%84%CE%AF%CE%BC%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%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%B4%CE%AD%CE%BD%CF%84%CF%81%CF%89%CE%BD_%CE%BC%CE%B5_%CF%84%CF%85%CF%87%CE%B1%CE%AF%CE%BF_%CF%83%CE%B7%CE%BC%CE%B5%CE%AF%CE%BF_%CE%B4%CE%B5%CE%B9%CE%B3%CE%BC%CE%B1%CF%84%CE%BF%CE%BB%CE%B7%CF%88%CE%AF%CE%B1%CF%82_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CF%89%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82"/>
				<updated>2017-02-14T16:57:21Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;h2&amp;gt;Estimation of urban tree canopy cover using random point sampling and remote sensing methods&amp;lt;/h2&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Ebadat G. Parmehra, Marco Amatia, Elizabeth J. Taylor, Stephen J. Livesley&lt;br /&gt;
Centre for Urban Research, School of Global, Urban and Social Studies RMIT University, Australia&lt;br /&gt;
School of Ecosystem and Forest Sciences, Faculty of Science, Burnley Campus, The University of Melbourne, Australia&lt;br /&gt;
Received 23 April 2016, Revised 23 August 2016, Accepted 26 August 2016, Available online 6 September 2016&lt;br /&gt;
&lt;br /&gt;
πηγή: [[http://www.sciencedirect.com/science/article/pii/S1618866716301558]]&lt;br /&gt;
&lt;br /&gt;
&amp;lt;h3&amp;gt;Μετάφραση και Περίληψη&amp;lt;/h3&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''1. Εισαγωγή'''&lt;br /&gt;
&lt;br /&gt;
To Nursery Gardens Industry της Αυστραλίας έχει ένα φιλόδοξο στόχο για «πρασίνισμα» των αστικών περιοχών της Αυστραλίας που θα αντηχήσει με τις πόλεις διεθνώς. Το «202020 όραμα» τους είναι να δημιουργήσει 20% περισσότερες πράσινους χώρους σε αστικές περιοχές. Ως μέρος αυτής της διαδικασίας ανετέθηκε σε πάγκο σήμανσης μελέτης για να εκτιμηθεί η ποσότητα των urban tree canopy cover (UTC). Η συγκριτική μελέτη αξιολόγησης χρησιμοποιεί μια απλή μέθοδο της τυχαίας δειγματοληψίας και διαπίστωσε μια σημαντική μεταβολή στο ποσοστό των συγκόμωση σε 139 τοπικές κυβερνήσεις της Αυστραλίας σε αστικά και ημιαστικά περιβάλλοντα, γεγονός που αντικατοπτρίζει μια παρόμοια μεγάλη ποικιλία σε περιβαλλοντικές και ιστορικές συνθήκες. Ως μέθοδοι για την εκτίμηση UTC εξελίσσονται, αξιολογούνται οι επιδόσεις και η καταλληλότητα των διαφόρων διαθέσιμων μεθόδων. &lt;br /&gt;
Τυχαία μέθοδοι σε σημείο δειγματοληψίας, όπως το i-Tree canopy η UTC εκτίμηση βασίζεται σε περιορισμένο αριθμό σημείων ή οικόπεδα, ενώ οι μέθοδοι τηλεπισκόπησης με μέτρο UTC χρησιμοποιεί τηλεπισκοπικά δεδομένα. Όλο και περισσότερο διαθέσιμο ανίχνευσης αερομεταφερόμενων και σκόπευσης (LIDAR) και πολυ-φασματικά δεδομένα αεροφωτογραφιών μπορούν να ενσωματωθούν να προσδιορίσει σωστά με UTC πάνω από μια μεγάλη περιοχή, ενώ παρέχει πληροφορίες 3D. Σε αυτό το έγγραφο, &amp;quot;i-Tree canopy&amp;quot; ως μέθοδος δειγματοληψίας σε τυχαίο σημείο και &amp;quot;fused LiDAR and multi-spectral image&amp;quot; ως μεθόδος τηλεπισκόπισης περιγράφονται. Η περιοχή μελέτης καλύπτει Williams town ένα προάστιο μέσα δυτικά της Μελβούρνης, στην Αυστραλία. &lt;br /&gt;
&lt;br /&gt;
'''2. Μέθοδοι για την εκτίμηση των δέντρων συγκόμωσης'''&lt;br /&gt;
&lt;br /&gt;
'''2.1. Τυχαία σημείο δειγματοληψίας'''&lt;br /&gt;
&lt;br /&gt;
Η τυχαία μέθοδος δειγματοληψίας σε σημείο που χρησιμοποιείται στην παρούσα μελέτη για την εκτίμηση UTC ονομάζεται &amp;quot;i-Tree canopy&amp;quot;, η οποία αναπτύχθηκε από την Δασική Υπηρεσία USDA. Η μέθοδος αυτή βασίζεται σε μια σειρά από μεθόδους που χρησιμοποιούνται από τις πόλεις για τη συλλογική απογραφή αστικού δάσους από το 1970. Έχει χρησιμοποιηθεί διεθνώς λόγω της απλότητάς του σε απαιτήσεις χρήσης και δεδομένων. Τα σημεία σε τυχαία δείγματα είναι χειροκίνητα κατηγοριοποιούνται ως «δέντρο» και «μη-δέντρο» για την εκτίμηση της UTC μιας προκαθορισμένης περιοχής. Χρησιμοποιεί απευθείας και άμεσα διαθέσιμες αεροφωτογραφίες και δορυφορικές εικόνες μέσω των Χαρτών Google για τον εντοπισμό κάλυψης γης από τα τυχαία σημεία. Η ακρίβεια των UTC υπολογίζεται από το i-Tree canopy και εξαρτάται από την ικανότητα του χειριστή να ερμηνεύσει σωστά τις αεροφωτογραφίες ή δορυφορικές εικόνες και να ανιχνεύσει την παρουσία ή την απουσία UTC σε κάθε σημείο δειγματοληψίας. Η ακρίβεια της αναγνώρισης UTC μειώνεται όταν η ποιότητα της εικόνας είναι κακή λόγω της χαμηλής ανάλυσης της εικόνας ή σκιές. Επιπλέον, τα δέντρα μπορεί να συγχέονται με θάμνους, ή ακόμη και ψηλό χορτάρι, το οποίο μπορεί να οδηγήσει σε υπερεκτίμηση των τυχαίων σημείων του δείγματος. Η ακρίβεια των UTC εκτιμάται από i-Tree canopy και εξαρτάται από τον αριθμό των τυχαίων σημείων δειγματοληψίας. Ο μεγαλύτερος αριθμός των σημείων δειγματοληψίας οδηγεί σε μεγαλύτερη ακρίβεια στην εκτίμηση UTC. Ωστόσο, η κατηγοριοποίηση των πιο τυχαίων σημείων του δείγματος αυξάνει το χρόνο και ως εκ τούτου το κόστος της συλλογής δεδομένων. Παρά το γεγονός ότι κατευθυντήριες γραμμές χρήσης i-Tree canopy προτείνουν τη χρήση 500-1000 μονάδες του δείγματος, ο πραγματικός αριθμός των σημείων δειγματοληψίας εξαρτάται από την ακρίβεια που απαιτείται κατά την εκτίμηση της UTC. Η ακρίβεια μπορεί να μετρηθεί με το τυπικό σφάλμα (SE) των εκτιμώμενων UTC. Η SE χρησιμοποιείται ως ένας τρόπος εκτίμησης της αβεβαιότητας της UTC σε i-Tree canopy και μειώνεται εάν ο αριθμός των τυχαίων σημείων δείγματος αυξάνει. Εκτίμηση της UTC χρησιμοποιώντας i-Tree canopy 1000 τυχαία σημεία του δείγματος με δύο τάξεις του «δέντρου» και «μη-δέντρο» διεξήχθη για δύο περιοχές με UTC 3,5% και 30,5% που δείχνει το εύρος των τιμών UTC στη μελέτη περιοχή.&lt;br /&gt;
&lt;br /&gt;
'''2.2. Τηλεπισκόπηση'''&lt;br /&gt;
&lt;br /&gt;
Δεδομένα αερομεταφερόμενων LiDAR έχουν χρησιμοποιηθεί ευρέως σε 3D χαρτογράφηση δασικών περιοχών. Πολλές μελέτες έχουν διεξάγει χαρτογράφηση των δασικών περιοχών, χρησιμοποιώντας δεδομένα LiDAR και εικόνων για εφαρμογές όπως η εκτίμηση της ώρας UTC και ο δείκτης φυλλικής επιφάνειας. Πολυφασματική αεροφωτογραφίες και δορυφορικές εικόνες χρησιμοποιήθηκαν για την UTC χαρτογράφηση μέσω της τεχνικής αντικειμένου που βασίζεται σε ανάλυση εικόνας (OBIA). Χαρτογράφηση UTC χρησιμοποιώντας LiDAR και World View 2imagery δεδομένα έχουν σχέση και έχουν ανώτερα αποτελέσματα έχουν επιτευχθεί με τη χρήση δεδομένων LiDAR. Παρ 'όλα αυτά, οι αλγόριθμοι έχουν σχεδιαστεί για την εξαγωγή των UTC από τα δεδομένα LiDAR μπορεί να αποτύχει σε αστικές περιοχές, λόγω της παρουσίας τεχνητών αντικειμένων, κυρίως κτίρια. Το 3D ανάλυση σχήμα των σημείων LiDAR χρησιμοποιείται για την κατηγοριοποίηση επίπεδα και μη επίπεδα αντικείμενα, στα οποία επίπεδα και μη επίπεδα αντικείμενα σχετίζονται με κτίρια και δέντρα, αντίστοιχα. Η διακύμανση επιφάνειας μετράται με χρήση principle component anasis (PCA) των σημείων της επιφάνειας. Αρκετές προσεγγίσεις έχουν αξιοποιήσει το συμπληρωματικό χαρακτήρα των πολλών φασματικών δεδομένων εικόνων και LiDAR για την εξόρυξη των κτιρίων και των δέντρων στις αστικές περιοχές. Ολοκληρωμένη LiDAR και υπερφασματικά δεδομένα εικόνων έχουν χρησιμοποιηθεί για τη χαρτογράφηση αστικού δάσους δομής για να μειωθεί η αβεβαιότητα στις εκτιμήσεις των ειδών επιπέδου UTC. Εκτός από LiDAR και τα δεδομένα εικόνων, έχουν GIS θεματικά επίπεδα που έχουν χρησιμοποιηθεί για την UTC χαρτογράφηση σε αστικές και προαστιακές περιοχές. Παρά το γεγονός ότι η συγχώνευση των εικόνων και δεδομένων LiDAR βελτιώνει την απόδοση της εκχύλισης των κτιρίων και των δέντρων, η διαδικασία εξακολουθεί να πάσχει από την έλλειψη της πλήρης ενσωμάτωσης των φασματικών πληροφοριών με δεδομένα LiDAR, τα οποία εξαρτώνται κυρίως από την ποιότητα των συν-καταγραφή των σημείων LiDAR και δεδομένων εικόνων. Ως εκ τούτου, η ένταση με βάση την συν-καταγραφή της δορυφορικής εικόνας σε δεδομένα LiDAR με τοπικά αμοιβαία ενημέρωσης και μία ακρίβεια pixel επιτυγχάνεται για την ευθυγράμμιση του συνόλου δεδομένων. &lt;br /&gt;
&lt;br /&gt;
'''2.3. Σύγκριση των τυχαίων σημείων δειγματοληψίας και μεθόδων τηλεπισκόπησης'''&lt;br /&gt;
&lt;br /&gt;
Οι γενικές ροές εργασιών της εκτίμησης των UTCs χρησιμοποιώντας το i-Tree canopy με το χέρι και αυτόματη κατηγοριοποίηση τυχαίων σημείων του δείγματος και της μεθόδου τηλεπισκόπισης χρησιμοποιώντας fused multispectral images και δεδομένα LiDAR. Τυχαία μέθοδος σημείου δειγματοληψίας χρησιμοποιεί αεροφωτογραφιών και δορυφορικών εικόνων για τον εντοπισμό χειροκίνητα την UTC. Η LiDAR που προέρχεται από UTC χάρτη επιτρέπει την αυτόματη κατηγοριοποίηση των τυχαίων σημείων για την εκτίμηση της ώρας UTC και της ακρίβειας, χρησιμοποιώντας το i-Tree. Λαμβάνοντας υπόψη ότι η μέθοδος της τηλεπισκόπησης βασίζεται στην αυτόματη επεξεργασία δεδομένων LiDAR και πολυ-φασματικής εικόνας. Τόσο δειγματοληψία τυχαίων σημείων και μεθόδων τηλεπισκόπησης παρέχουν μία εκτίμηση του UTC, ωστόσο η μέθοδος τηλεπισκόπηση μπορεί να παρέχει μια συνεχή 2D και 3D UTC χάρτες που μπορούν να χρησιμοποιηθούν για πολλές εφαρμογές, π.χ. ακριβής εκτίμηση των δέντρων αντίκτυπο στην αστική θερμονησίδα, ομβρίων υδάτων, την ποιότητα του αέρα, καθώς και την ανίχνευση των αλλαγών σε χώρους πρασίνου. Δεδομένου ότι η αβεβαιότητα των UTC εκτιμάται με μεθόδους τυχαίας δειγματοληψίας εξαρτάται τόσο από τον αριθμό των σημείων δειγματοληψίας και το πραγματικό ποσό της UTC, παραγωγή τυχαίων σημείων δειγματοληψίας και της ταυτοποίησης της κατηγορίας του συνεχίζεται μέχρι την επίτευξη της προκαθορισμένης τιμής. Για να απομονωθούν καθαρά τα σφάλματα που οφείλονται σε τυχαία δειγματοληψία σε ένα i-Tree UTC σύγκριση με LiDAR ράστερ UTC, το ράστερ UTC LiDAR χρησιμοποιήθηκε ως εικόνα βάση για i-Tree canopy. Η χρήση του canopy raster ως τη βασική γραμμή που συνεπάγεται ότι το στρώμα είναι υψηλής ποιότητας και ακρίβειας.&lt;br /&gt;
  &lt;br /&gt;
'''3. Αποτελέσματα και συζήτηση'''&lt;br /&gt;
&lt;br /&gt;
'''3.1. Αποτελέσματα της τυχαίας δειγματοληψίας σημείου'''&lt;br /&gt;
&lt;br /&gt;
Το εργαλείο i-Tree canopy χρησιμοποιήθηκε για να κατηγοριοποιήσει  τυχαία σημεία του δείγματος σε απευθείας σύνδεση με τη χρήση των αεροφωτογραφιών του 2012 που παρέχονται από το Google Maps. Πρώτον, το όριο της κάθε στατιστικής περιοχής (SA) εισήχθη στο πρόγραμμα i-Tree canopy και την επιθυμητή κατηγορία, όπως το δέντρο, μη-δέντρο, κλπ. Αυτό επαναλήφθηκε για ένα ελάχιστο 200 μονάδες δείγματος σε κάθε SA ή έως ότου ένα προκαθορισμένο πρότυπο σφάλμα 2,55% επιτεύχθηκε. Τέλος, παρατήρησε σημεία που εξήχθησαν μαζί με συνοπτική έκθεση της έρευνας για την παραγωγή ενός χειροκίνητου που κατηγοριοποιούνται σε UTC. Μερικά επίπεδα αβεβαιότητας με τον προσδιορισμό και την ταξινόμηση των τυχαίων σημείων σε αεροφωτογραφίες μπορούν να αποφευχθούν. &lt;br /&gt;
&lt;br /&gt;
'''3.2. Αποτελέσματα της τηλεπισκόπησης'''&lt;br /&gt;
&lt;br /&gt;
Τηλεπισκοπικα δεδομένα που κάλυπταν 3 χιλιόμετρα × 6 χιλιόμετρα περιοχή της πόλης Williams και γύρω, και αποτελείται World View 2 δορυφορική εικόνα με 50 εκατοστά απόσταση δείγματος εδάφους (GSD), τα οποία λήφθησαν το 2011. Εκχυλίσματα UTC μπορούν να παρουσιάζονται σε μορφές 2D και 3D που ονομάζονται «LiDAR raster UTC» και «LiDAR point UTC», αντίστοιχα. Στην παρουσίαση 2D, ράστερ της ώρας UTC και περιγράμματα των UTC χρησιμοποιούνται συνήθως, και η αξία τοις εκατό UTC μπορεί να υπολογιστεί με διαίρεση της περιοχής UTC από όλη την περιοχή. Σε 3D παρουσίαση, το LiDAR σημείο δέντρου που χρησιμοποιείται για 3D παρουσίαση της ώρας UTC και της αξίας τοις εκατό UTC υπολογίζεται με διαίρεση της LiDAR σημεία δέντρο από όλες τις LiDAR σημεία. . Με άλλα λόγια, η επικάλυψη των LiDAR scanlines αυξάνει το ποσοστό αξίας UTC όπου η επικαλυπτόμενη περιοχή έχει περισσότερες UTC από το μέσο όρο UTC του συνόλου δεδομένων.&lt;br /&gt;
&lt;br /&gt;
'''3.3. Σύγκριση των αποτελεσμάτων των τυχαίων σημείων δειγματοληψίας και μεθόδων τηλεπισκόπησης'''&lt;br /&gt;
&lt;br /&gt;
Το i-Tree canopy δεν είναι σε θέση να παρέχει 2D και 3D χάρτες UTC, μόνο τις εκτιμώμενες τιμές τοις εκατό UTC για μια δεδομένη περιοχή και μπορεί να χρησιμοποιηθεί για τη σύγκριση των επιδόσεων των i-Tree canopy και τις μεθόδους τηλεπισκόπησης. Η αβεβαιότητα του i-Tree εκτιμά UTC είναι ένας συνδυασμός του εγγενούς σφάλματος εκτίμησης του UTC χρησιμοποιώντας τη μέθοδο και λάθος ταυτοποίησης του σημείου δείγματος κατηγορίας δειγματοληψίας με βάση τυχαίο σημείο. Το σφάλμα της μεθόδου τυχαίου σημείου δειγματοληψίας εξαρτάται από τον αριθμό των σημείων δειγματοληψίας και μειώνεται με την αύξηση του αριθμού των δειγμάτων. Σε αντίθεση, το σφάλμα της αναγνώρισης των σημείων δειγματοληψίας εξαρτάται από την εναέρια ποιότητα εικόνας.&lt;br /&gt;
&lt;br /&gt;
'''3.3.1. Αυτόματη κατηγοριοποίηση τυχαίων σημείων δείγματος'''&lt;br /&gt;
&lt;br /&gt;
Η διαφορά μεταξύ του αρχικού i-Tree της ώρας UTC δημιουργείται κατηγοριοποίηση i-Tree χρησιμοποιώντας το ράστερ UTC LiDAR, ύφασμα-αγανακτεί το σφάλμα δειγματοληψίας. Καθώς οι συγκόμωση αυξάνεται, το ίδιο κάνουν και οι γραμμές σφάλματος σε συνδυασμό με την αβεβαιότητα της εκτίμησης UTC. Μία αύξηση σε ακρίβεια απαιτεί τέσσερις φορές αύξηση στην αριθμός των δειγμάτων σημεία. Το πιο σημαντικό, να έχουμε αξιόπιστες εκτιμήσεις από μια μέθοδο δειγματοληψίας τυχαίου σημείου από πολλά περισσότερα σημεία που απαιτείται, αν η UTC απαιτείται για αναλύσεις αγροτεμάχιου κλίμακας. Κατά συνέπεια, η μέθοδος δειγματοληψίας τυχαίου σημείου θα είναι χρονοβόρα, και, ενδεχομένως, πιο ακριβή από ό, τι τηλεπισκοπική μέθοδο.&lt;br /&gt;
&lt;br /&gt;
'''3.3.2. Χειροκίνητη κατηγοριοποίηση τυχαίων σημείων δείγματος'''&lt;br /&gt;
&lt;br /&gt;
Προκειμένου να αξιολογηθεί η αβεβαιότητα i-Tree UTC λόγω σφαλμάτων που δημιουργούνται μέσω τυχαίας δειγματοληψίας συν σφάλματα που οφείλονται σε εικόνες, μια έρευνα i-Tree canopy διεξήχθη για όλες τις ανώνυμες εταιρείες με βάση αεροφωτογραφίες που παρέχονται από το Google Maps (2012) με επίπεδο εμπιστοσύνης του 95%. Δεδομένου ότι η αβεβαιότητα δειγματοληψία καθορίζεται σε 5%, ο αριθμός των δειγμάτων ποικίλλει ανάλογα με την αύξηση ή μείωση του UTC εποπτείας. Η διαφορά μεταξύ i-Tree της ώρας UTC και της LiDAR raster UTC μπορεί επίσης να είναι λόγω των αλλαγών σε UTC της περιοχής μελέτης και τα γεωμετρικά σφάλματα στην παραγωγή αεροφωτογραφιών ή δορυφορικών ορθών εικόνων. Η ισχύς της συσχέτισης μεταξύ UTCs εκτιμάται από i-Tree canopy και τις μεθόδους τηλεπισκόπησης δείχνει μια σημαντική συσχέτιση μεταξύ των εκτιμήσεων της UTC. Αξίζει να σημειωθεί ότι η διαφορά τη χρονική στιγμή των δεδομένων που συλλαμβάνονται στα δεδομένα τηλεπισκόπησης και η εικόνα των Χαρτών Google δεν έχει σημαντική επίδραση στην εκτιμώμενη UTC χρησιμοποιώντας το i-Tree canopy με διάστημα εμπιστοσύνης 5%. Στην πραγματικότητα, απομακρυσμένης ανίχνευσης μέθοδος παρέχει μια πλήρη επισκόπηση της αστικό δάσος canopy, το οποίο μπορεί να χρησιμοποιηθεί για περαιτέρω έρευνα. Η ανίχνευση των αλλαγών σε UTC χρησιμοποιώντας τυχαία δειγματοληψία σε σημείο περιορίζονται, δεδομένου ότι μπορεί να παρουσιάσει μόνο τη συνολική μεταβολή UTC εντός της περιοχής μελέτης. UTC χάρτες που παράγονται με μεθόδους τηλεπισκόπησης μπορεί να επιτρέψουν ένα ευρύτερο φάσμα των μετρήσεων της αλλαγής της ώρας UTC στις αστικές περιοχές. Για παράδειγμα, τηλεπισκοπικοί χάρτες UTC μπορεί να ενσωματωθούν για τον προσδιορισμό συγκεκριμένων, μεμονωμένων δέντρων που μπορεί να έχουν αυξηθεί ραγδαία την πάροδο του χρόνου, έχουν αφαιρεθεί ή εμφανίστηκαν μέσω της φύτευσης. &lt;br /&gt;
&lt;br /&gt;
'''4. Συμπεράσματα'''&lt;br /&gt;
&lt;br /&gt;
Ως μέθοδοι για την εκτίμηση UTC που εξελίσσεται, γίνεται όλο και πιο σημαντική για τον αστικό σχεδιασμό, τη δασοκομία και τους φορείς χάραξης περιβαλλοντικής απόφασης για την κατανόηση των πλεονεκτημάτων και μειονεκτημάτων των διαφόρων μεθόδων και να συγκρίνει συστηματικά την απόδοση των μεθόδων αυτών. Στο έγγραφο αυτό, η απόδοση και αβέβαιοι δεσμοί που σχετίζονται με δύο γνωστές προσεγγίσεις στην εκτίμηση UTC συγκρίνονται: (1) η δειγματοληψία τυχαίο σημείο και (2) fused LiDAR and multispectral imagery data. Μεθόδους δειγματοληψίας τυχαίου σημείου προσφέρουν τα πλεονεκτήματα των ελευθέρων προσιτών δεδομένων και λογισμικό κατάλληλο για ένα ευρύ φάσμα χρηστών. Ωστόσο, οι χρήστες της οποιασδήποτε μεθόδου δειγματοληψίας τυχαίου σημείου πρέπει να γνωρίζουν τις αβεβαιότητες που συνδέονται με οποιαδήποτε εκτίμηση UTC, ειδικά εάν χρησιμοποιούνται για την παρακολούθηση της αλλαγής. Αυτή η μελέτη δείχνει ότι μια μεγάλη αύξηση στον αριθμό των τυχαίων σημείων δειγματοληψίας μπορεί να παρέχει μια σχετικά μικρή αύξηση της ακρίβειας. Η χρήση της SE των εκτιμώμενων UTC ως κριτήρια για να σταματήσει τυχαία δειγματοληψία σημείο παρέχει εκτιμήσεις της UTC με ένα σταθερό επίπεδο εμπιστοσύνης. Ως εκ τούτου, ακόμη και μια πρόχειρη εκτίμηση της συγκόμωση πριν από τη δειγματοληψία θα βοηθήσει στη λήψη αποφάσεων για την εκτίμηση της έντασης και το κόστος μιας προσπάθειας δειγματοληψίας. Αντίθετα, οι μέθοδοι τηλεπισκόπησης παρέχουν πολλά πλεονεκτήματα, όπως πιο ευέλικτους 2D και 3D UTC χάρτες που μπορούν να επανενταχθούν στην έρευνα ή τη διαχείριση. Ωστόσο, αν και τα δεδομένα LiDAR χαμηλής πυκνότητας γίνεται όλο και πιο διαδεδομένη, μια σημαντική πρόκληση είναι η κατάλληλη εφαρμογή των σύνθετων τεχνικών που απαιτούνται για να υπολογιστεί με ακρίβεια UTC. Τα ευρήματα της μελέτης μας δεν αποκλείουν τη χρήση του, καθώς και τη συνέχιση της ανάπτυξης στις δύο μεθόδους εκτίμησης UTC. Οι  πολλαπλές και μεταβαλλόμενες απαιτήσεις και προσδοκίες που επιβάλλονται στα αστικά  σύνολα χωρικών δεδομένων σημαίνει μια συνεχή απογραφή χάρτη της UTC πουπαρέχει μεγαλύτερη ευελιξία και ευκαιρία σε κάθε πολεοδόμο, δασολόγο ή ο διαχειριστή του περιβάλλοντος. &lt;br /&gt;
&lt;br /&gt;
 [[category:Καταγραφή πρασίνου]]&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%83%CE%B7%CE%BC%CE%AC%CE%BA%CE%B7_%CE%95%CF%85%CF%83%CF%84%CE%B1%CE%B8%CE%AF%CE%B1</id>
		<title>Ασημάκη Ευσταθία</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%83%CE%B7%CE%BC%CE%AC%CE%BA%CE%B7_%CE%95%CF%85%CF%83%CF%84%CE%B1%CE%B8%CE%AF%CE%B1"/>
				<updated>2017-02-14T10:17:19Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: Νέα σελίδα με '* [[ Σύγκριση των τεχνικών υπολογισμού για την κάλυψη των σχετικών σημείων τομής δειγματοληψί...'&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;* [[ Σύγκριση των τεχνικών υπολογισμού για την κάλυψη των σχετικών σημείων τομής δειγματοληψίας βλάστησης με εικόνες τηλεπισκόπησης]]&lt;br /&gt;
&lt;br /&gt;
* [[ Aνάλυση δορυφορικών εικόνων για την ανίχνευση της σκιάς και την εκτίμηση του ύψους του κτιρίου ]]&lt;br /&gt;
&lt;br /&gt;
* [[ Ενίσχυση των πλεονεκτημάτων σκιάς δέντρων σε πυκνής ανάπτυξης οικισμούς χρησιμοποιώντας μια εναλλακτική στρατηγική τοποθέτησης δέντρων ]]&lt;br /&gt;
&lt;br /&gt;
* [[ Αυτόματη ανίχνευση σε περιοχές πολιτισμικής κληρονομιάς ]]&lt;br /&gt;
&lt;br /&gt;
* [[ Παρατήρηση της Γης για την Παγκόσμια Πολιτισμική και Φυσική Κληρονομιά ]]&lt;br /&gt;
&lt;br /&gt;
* [[ Δορυφορική τηλεπισκόπηση των χαλαζοπτώσεων στη Γαλλία ]]&lt;br /&gt;
&lt;br /&gt;
* [[ Εκτίμηση της αστικής κάλυψης δέντρων με τυχαίο σημείο δειγματοληψίας και μεθόδων τηλεπισκόπησης ]]&lt;br /&gt;
&lt;br /&gt;
* [[ Τυχαίο δάσος στην τηλεπισκόπηση: Μια ανασκόπηση των εφαρμογών και μελλοντικές κατευθύνσεις ]]&lt;br /&gt;
&lt;br /&gt;
* [[ Μέθοδοι και τηλεπισκόπηση για τους δείκτες παρακολούθησης της κατάστασης της βλάστησης: Μια Αυστραλιακή κριτική ]]&lt;br /&gt;
&lt;br /&gt;
 [[category:ΔΠΜΣ &amp;quot;Περιβάλλον &amp;amp; Ανάπτυξη&amp;quot; (Αθήνα) ]]&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%AD%CE%B8%CE%BF%CE%B4%CE%BF%CE%B9_%CE%BA%CE%B1%CE%B9_%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_%CE%B3%CE%B9%CE%B1_%CF%84%CE%BF%CF%85%CF%82_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B5%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%BA%CE%B1%CF%84%CE%AC%CF%83%CF%84%CE%B1%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%B2%CE%BB%CE%AC%CF%83%CF%84%CE%B7%CF%83%CE%B7%CF%82:_%CE%9C%CE%B9%CE%B1_%CE%91%CF%85%CF%83%CF%84%CF%81%CE%B1%CE%BB%CE%B9%CE%B1%CE%BA%CE%AE_%CE%BA%CF%81%CE%B9%CF%84%CE%B9%CE%BA%CE%AE</id>
		<title>Μέθοδοι και τηλεπισκόπηση για τους δείκτες παρακολούθησης της κατάστασης της βλάστησης: Μια Αυστραλιακή κριτική</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%9C%CE%AD%CE%B8%CE%BF%CE%B4%CE%BF%CE%B9_%CE%BA%CE%B1%CE%B9_%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_%CE%B3%CE%B9%CE%B1_%CF%84%CE%BF%CF%85%CF%82_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B5%CF%82_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%BA%CE%B1%CF%84%CE%AC%CF%83%CF%84%CE%B1%CF%83%CE%B7%CF%82_%CF%84%CE%B7%CF%82_%CE%B2%CE%BB%CE%AC%CF%83%CF%84%CE%B7%CF%83%CE%B7%CF%82:_%CE%9C%CE%B9%CE%B1_%CE%91%CF%85%CF%83%CF%84%CF%81%CE%B1%CE%BB%CE%B9%CE%B1%CE%BA%CE%AE_%CE%BA%CF%81%CE%B9%CF%84%CE%B9%CE%BA%CE%AE"/>
				<updated>2017-02-14T10:02:42Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: Νέα σελίδα με '&amp;lt;h2&amp;gt;Site-based and remote sensing methods for monitoring indicators of vegetation condition: An Australian review&amp;lt;/h2&amp;gt;  V. Lawley, M. Lewis, K. Clarke, B. Ostendorf Univer...'&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;h2&amp;gt;Site-based and remote sensing methods for monitoring indicators of vegetation condition: An Australian review&amp;lt;/h2&amp;gt;&lt;br /&gt;
&lt;br /&gt;
V. Lawley, M. Lewis, K. Clarke, B. Ostendorf&lt;br /&gt;
University of Adelaide, School of Earth and Environmental Sciences, Australia&lt;br /&gt;
Received 2 July 2014, Revised 9 March 2015, Accepted 16 March 2015, Available online 7 April 2015&lt;br /&gt;
&lt;br /&gt;
πηγή: [[http://www.sciencedirect.com/science/article/pii/S1470160X15001454]]&lt;br /&gt;
&lt;br /&gt;
&amp;lt;h3&amp;gt;Μετάφραση και Περίληψη&amp;lt;/h3&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''1. Εισαγωγή'''&lt;br /&gt;
&lt;br /&gt;
Τοπική βλάστηση, η οποία περιλαμβάνει σωζόμενα δέντρα και καλύψεις εδάφους, έχει από καιρό αναγνωριστεί ως ένας σημαντικός και πολύτιμος πόρος. Δεδομένου ότι αναγνώρισαν τη σημασία του, πολλές οργανώσεις και οι κυβερνήσεις επιδιώκουν ενεργά να κατανοήσουν τη χωρική και χρονική δυναμική της τοπικής βλάστηση αναλαμβάνοντας την παρακολούθηση. Η παρακολούθηση μπορεί να σας βοηθήσει να προσδιοριστεί η έκταση και η αιτία των αλλαγών στη βλάστηση. Είναι σημαντικό, οι δείκτες και οι μέθοδοι αξιολόγησης να καλύπτουν απόλυτα οικολογικά ή διοικητικά ζητήματα, ενώ συμπεριλαμβανουν κριτήρια όπως για χωρικές και χρονικές κλίμακες. Αυτό το επιστημονικό άρθρο αξιολογεί τα δομικά, λειτουργικά και συνθετικά χαρακτηριστικά που είναι σημαντικά για την παρακολούθηση της κατάστασης της βλάστησης και πώς αυτά έχουν μετρηθεί με  βάση τον τόπο και τη χρήση μεθόδων τηλεπισκόπησης, συμπεριλαμβανομένων των επιχειρησιακών προγραμμάτων εντός της Αυστραλίας. Αποτελεσματική χαρτογράφηση θα παράσχει αποδείξεις για την κατάσταση της τοπικής βλάστησης και είναι απαραίτητη για την ενημέρωση της διαδικασίας λήψης τεκμηριωμένων αποφάσεων, την αξιολόγηση της προόδου προς την κατεύθυνση των στόχων και των περιβαλλοντικών εκθέσεων.&lt;br /&gt;
&lt;br /&gt;
'''2. Επιλογή Δείκτης στην παρακολούθηση'''&lt;br /&gt;
&lt;br /&gt;
Μια συνολική απογραφή όλων των χαρακτηριστικών της βλάστησης και των μεταβλητών με το χρόνο σε όλο το τοπίο είναι αδύνατο και ανέφικτο. Η επιλογή των δεικτών που πρέπει να μετρηθεί είναι κρίσιμη για την παρακολούθηση της βλάστησης. Η σημαντική ποικιλομορφία των δεικτών βλάστησης μπορεί γενικά να χωριστεί σε τρεις κατηγορίες: σύνθετος, δομικός και λειτουργικός δείκτης. Σύνθεση των δεικτών περιλαμβάνουν τα χαρακτηριστικά της ταυτότητας, όπως τον πλούτο των ειδών και την ποικιλομορφία, τους τύπους βλάστησης, η παρουσία των απειλούμενων ειδών και τη σχετική κάλυψη των εξωτικών και των αυτοχθόνων ειδών. Δομικά συστατικά του υπολείμματος της βλάστησης είναι γνωστό ότι είναι σημαντικό για τον επηρεασμό του μικροκλίματος, παρέχοντας κόγχες για μια ευρεία ποικιλία των ειδών της πανίδας, συμπεριλαμβανομένων των ερπετών και μικρών θηλαστικών.  Λειτουργικοί δείκτες περιλαμβάνουν οικολογικές διεργασίες και την ιστορία της βλάστησης, όπως η ιστορία διαταραχής, την υγεία δέντρου. Οι δείκτες αυτοί παρέχουν σημαντικές πληροφορίες σχετικά με τις φυσικές διεργασίες που συμβαίνουν μέσα σε ένα σύστημα.&lt;br /&gt;
&lt;br /&gt;
'''3. Μέθοδοι για τους δείκτες παρακολούθησης της κατάστασης της βλάστησης'''&lt;br /&gt;
&lt;br /&gt;
Οι δύο κύριες προσεγγίσεις έχουν εφαρμοστεί σε κατάσταση παρακολούθησης της βλάστησης: εκτίμηση με βάση τον τόπο και τις μεθόδους τηλεπισκόπησης. Οι δύο προσεγγίσεις διακρίνονται, μεταξύ άλλων, σε χωρικές και χρονικές κλίμακες εφαρμογής τους, το κόστος, την τεχνογνωσία που απαιτείται, και το σημαντικότερο, τα διαφορετικά χαρακτηριστικά και οι δείκτες που το καθένα μπορεί να μετρήσει.&lt;br /&gt;
  &lt;br /&gt;
'''3.1. Χωρικές και χρονικές κλίμακες της παρακολούθησης'''&lt;br /&gt;
&lt;br /&gt;
Η παρακολούθησης με βάση τον τόπο τυπικά περιλαμβάνει την επιλογή των τόπων μέσα από homogenous patches της βλάστησης στον ίδιο τύπο κοινότητας και την ιστορία της περιοχής. Η κλίμακα στην οποία οι μελέτες τηλεπισκόπησης μετρούν τα χαρακτηριστικά της κατάστασης της βλάστησης ποικίλει ανάλογα με τον αισθητήρα που χρησιμοποιείται. Αισθητήρες ποικίλουν σε χωρική, φασματική, ραδιομετρικά και χρονικά ψηφίσματα της συλλογής δεδομένων, και ως εκ τούτου την ικανότητά τους να καταγράφουν και να παρακολουθούν τα χαρακτηριστικά της βλάστησης. Συχνά αισθητήρες με την πιο χονδροειδή χωρική ανάλυση έχουν μια υψηλότερη χρονική ανάλυση και οι αισθητήρες με την υψηλότερη χωρική και φασματική ανάλυση έχουν περιορισμένη χωρική κάλυψη και χρονικά αρχεία. Τα προγράμματα δεν έχουν ακόμη αναπτυχθεί τα οποία να ενσωματώνουν τα άλλα μέτρα της κατάστασης, όπως η διάκριση μεταξύ τοπικής και μη τοπικής φυτοκάλυψης.&lt;br /&gt;
&lt;br /&gt;
'''3.2. Διαρθρωτικά, τη σύνθεση και λειτουργικούς δείκτες'''&lt;br /&gt;
&lt;br /&gt;
Ιστορικά, η ιστοσελίδα με βάση την παρακολούθηση της βλάστησης έχει taxon-focussed, αλλά έχει επίσης εφαρμοστεί με επιτυχία για τη μέτρηση άλλων συνθέσεων, διαρθρωτικών και, σε μικρότερο βαθμό, λειτουργικών δεικτών της κατάστασης της βλάστησης.&lt;br /&gt;
&lt;br /&gt;
'''3.2.1. Μέθοδοι με βάση τον τόπο'''&lt;br /&gt;
&lt;br /&gt;
Χρησιμοποιώντας διαβούλευση εμπειρογνωμόνων, Oliver καταρτίζεται από 62 διαρθρωτικούς, σύνθετους και λειτουργικούς δείκτες που ταιριάζουν καλύτερα να ενθυλακώσουν την κατάσταση της βλάστησης στην κλίμακα του χώρου, για τις δασικές κοινότητες και ανοιχτής δασικής βλάστησης εντός της Νέας Νότιας Ουαλίας, Αυστραλία. Οι δομές του τοπίου είναι τυπικά αυτές που χρησιμοποιούνται σε άλλες μελέτες της κατάστασης  βλάστησης τόσο διεθνώς αλλά και στην Αυστραλία. Φυτά που χρησιμοποιούνται ως δείκτες έχουν συμπεριληφθεί είδη ορχιδέας, είδη ανταπόκρισης σε είδη των βοσκοτόπων, δημοφιλή βρώσιμα άγρια φυτά και λειτουργικά είδη φυτών μεταξύ πολλών άλλων. Η χρήση των ειδών δείκτη βασίζεται στην υπόθεση ότι άλλα είδη θα ανταποκριθούν σε στρεσογόνους παράγοντες και κρίσιμες διεργασίες του οικοσυστήματος με παρόμοιο τρόπο, ως εκ τούτου, την παρακολούθηση χρειάζεται να διενεργείται μόνο για ένα μόνο είδος δείκτη ή taxa. ανίχνευση  του πλούτου των ειδών. Διαρθρωτικά μέτρα είναι κοινά σε προγράμματα παρακολούθησης με βάση την περιοχή και περιλαμβάνουν μορφές ζωής, το ύψος, τα στρώματα και τα διάφορα μέτρα της πυκνότητας του στελέχους, τον θόλο και την κάλυψη του φυλλώματος. Ένταξη των λειτουργικών δεικτών έχει ενθαρρυνθεί για την αξιολόγηση της κατάστασης της βλάστησης στην κλίμακα του χώρου.&lt;br /&gt;
&lt;br /&gt;
'''3.2.2. Μέθοδοι τηλεπισκόπησης'''&lt;br /&gt;
&lt;br /&gt;
Η ικανότητα των εργαλείων τηλεπισκόπησης για τη μέτρηση των χαρακτηριστικών της βλάστησης ποικίλει ανάλογα με τον αισθητήρα, τα βασικά χαρακτηριστικά και τους δείκτες οι οποίοι ανιχνεύουν τη βλάστηση. Η γνώση των χαρακτηριστικών του χαρακτηριστικού που πρέπει να μετρηθεί πρέπει να χρησιμοποιηθεί για να ενημερώσει την επιλογή των κατάλληλων εικόνων για την ανίχνευση και την ανάλυση.&lt;br /&gt;
&lt;br /&gt;
'''3.2.3. Σύνθεση'''&lt;br /&gt;
&lt;br /&gt;
Μελέτες τηλεπισκόπησης έχουν ως στόχο να χαρτογραφήσουν τη σύνθεση της βλάστησης που κυμαίνονται από λειτουργικούς τύπους βλάστησης και τις κοινότητες για μεμονωμένα είδη, συμπεριλαμβανομένων των τοπικών και εξωτικών ειδών. Η σύνθεση της βλάστησης έχει χαρτογραφηθεί με πολυφασματικές δορυφορικές εικόνες υπερ-φασματικών εικόνων, υψηλής χωρικής ανάλυσης πολυφασματικών εικόνων. Το είδος βλάστησης έχει προέλθει από τηλεπισκοπικές εικόνες χρησιμοποιώντας μια σειρά από διαφορετικές τεχνικές εξαγωγής χαρακτηριστικών, συμπεριλαμβανομένων των δεικτών βλάστησης και φασματικής ταξινόμησης. Ευρείες κατηγορίες βλάστησης και των τύπων χρήσης γης έχουν παραχθεί με τη χρήση του NDVI. Φαινολογία έχει χρησιμοποιηθεί να διακρίνει διαφορετικούς τύπους βλάστησης, χρησιμοποιώντας δεδομένα υπερχρονικής ανάλυσης. Οι εικόνες αναλύσεις προσφέρονται ιδιαίτερα για περίπτερα ομοιογενής βλάστηση, αν και έχει λιγότερο καλές επιδόσεις στην ταξινόμηση  για μικτές συστάδες βλάστησης. Μεγάλο μέρος της έρευνας έχει επικεντρωθεί στην ανίχνευση ειδών ζιζανίων, η κάλυψη των οποίων είναι γνωστό ότι είναι ένας βασικός δείκτης της κατάστασης της βλάστησης.&lt;br /&gt;
&lt;br /&gt;
'''3.2.4. Δομή'''&lt;br /&gt;
&lt;br /&gt;
Η σύνθεση, οι δομικές και λειτουργικές ιδιότητες συνήθως χρησιμοποιούνται για την παρακολούθηση της κατάστασης της βλάστησης, η τηλεπισκόπηση έχει σημειώσει τη μεγαλύτερη επιτυχία στη μέτρηση δομής, ιδιαίτερα φυτοκάλυψης, το ύψος, και το στέλεχος της πυκνότητας. Υπήρξε μικρή επιτυχία σε τηλεπισκοπικά μέτρα κοιλότητες δέντρων ή στην ανίχνευση πεσμένων κούτσουρων και ξυλώδη υπολειμμάτων.  Οι δείκτες βλάστησης χρησιμοποιούνται συνήθως για την ποσοτικοποίηση της βλάστησης, το σθένος και την πυκνότητα στην τηλεπισκόπηση. Κάθε δείκτης βλάστησης έχει διαφορετική απόδοση σε αδιάφορο περιβάλλοντα, η έρευνα είναι συχνά απαραίτητη για να προσδιορίσει ποια είναι η πιο κατάλληλη φόρα συγκεκριμένης εφαρμογής. Τα άλλα δομικά χαρακτηριστικά, όπως πεσμένα κούτσουρα και δέντρα, και κουφάλες δέντρων συχνά μετριούνται σε εκτιμήσεις κατάσταση με βάση τον τόπο, αν και περιορισμένη εργασία έχει γίνει για την ανίχνευση αυτών στην τηλεπισκόπηση, λόγω της δυσκολίας της ανίχνευσής τους.&lt;br /&gt;
&lt;br /&gt;
'''3.2.5. Λειτουργία'''&lt;br /&gt;
&lt;br /&gt;
Η τηλεπισκόπηση είναι πολύ χρήσιμη για τη μέτρηση της βλάστησης σε λειτουργικά χαρακτηριστικά, σε μεγάλο βαθμό σχετικά με την πρωτογενή παραγωγή, την υγεία των φυτών και τη φαινολογία, διαταραχές συμπεριλαμβανομένων βόσκηση, πυρκαγιές και πλημμύρες. Μεγάλο μέρος της έρευνας έχει επικεντρωθεί στη μελέτη της υγείας της βλάστησης μέσω μέτρων της υγρασίας της βλάστησης, βιοχημικές ιδιότητες των φυτών, συμπεριλαμβανομένων την περιεκτικότητα σε χλωροφύλλη. Πολλές αιτίες και οι δείκτες της διαταραχής βλάστησης προέρχονται με επιτυχία από τηλεπισκοπικά δεδομένα, συμπεριλαμβανομένων των καιρικών συνθηκών, πυρκαγιών, αλατότητα του εδάφους, και η βόσκηση. Η θνησιμότητα των δέντρων λόγω της ξηρασίας, η φωτιά και οι αλλαγές στη δραστηριότητα της διαχείρισης έχουν επίσης ανιχνευθεί με τη χρήση μεθόδων τηλεπισκόπησης.&lt;br /&gt;
&lt;br /&gt;
'''4. Ενσωμάτωση της περιοχής που βασίζονται σε τηλεπισκόπησης για την παρακολούθηση της κατάστασης της βλάστησης'''&lt;br /&gt;
&lt;br /&gt;
Με τη σύνδεση τηλεπισκοπικών δεδομένων με δεδομένα με βάση τον τόπο, τα οικολογικά ζητήματα μπορούν να αντιμετωπιστούν σε ένα ευρύ φάσμα των χωρικών κλιμάκων. Η πιο κοινή προσέγγιση περιλαμβάνει τη χρήση των δεδομένων με βάση τον τόπο για να χαρακτηρίσει θέσεις κατάρτισης ή / και την αξιολόγηση της ακρίβειας των ταξινομήσεων από τηλεπισκοπική ανάλυση. Τα δεδομένα για την κατάσταση της βλάστησης με βάση τον τόπο έχει ενσωματωθεί με τηλεπισκοπικές εικόνες με διάφορους βαθμούς επιτυχίας. Προκειμένου να συνδεθούν ρητά με βάση τον τόπο και τηλεπισκοπικές μετρήσεις πρέπει να ληφθούν μέτρα. Συχνά ορισμένες εκτιμήσεις ο σχεδιασμός των παραδοσιακών προγραμμάτων παρακολούθησης με βάση τον τόπο δεν επιτρέπει την εύκολη ενσωμάτωση σε τηλεπισκοπικά δεδομένα, δημιουργώντας δυσκολίες με την ενοποίηση των δεδομένων.&lt;br /&gt;
&lt;br /&gt;
'''5. Σύνθεση'''&lt;br /&gt;
&lt;br /&gt;
Με δεδομένη την κατάσταση παρακμής της κατάστασης της βλάστησης στην Αυστραλία, η βελτίωση της παρακολούθησης σε ένα εύρος από χωρικές και χρονικές κλίμακες απαιτείται επειγόντως. Με βάση τον τόπο και τις μεθόδους τηλεπισκόπησης έχουν αποδειχθεί πολύ πολύτιμα για την προώθηση του τομέα της παρακολούθησης της βλάστησης σε σχέση με τις κλίμακες εφαρμογής τους. Ωστόσο, η αποτελεσματική ενσωμάτωση των δύο προσεγγίσεων θα είναι το κλειδί για την ακριβή χαρτογράφηση και τους δείκτες της κατάστασης της βλάστησης παρακολούθησης σε ένα ευρύ φάσμα χωρικών κλιμάκων και στην απάντηση πατώντας σε οικολογικά ζητήματα.&lt;br /&gt;
&lt;br /&gt;
 [[category:Mixed forests created by alternation of stands of trees with discontinuous canopy, not on mire]]&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%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%84%CF%89%CE%BD_%CF%87%CE%B1%CE%BB%CE%B1%CE%B6%CE%BF%CF%80%CF%84%CF%8E%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%93%CE%B1%CE%BB%CE%BB%CE%AF%CE%B1</id>
		<title>Δορυφορική τηλεπισκόπηση των χαλαζοπτώσεων στη Γαλλία</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%94%CE%BF%CF%81%CF%85%CF%86%CE%BF%CF%81%CE%B9%CE%BA%CE%AE_%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%84%CF%89%CE%BD_%CF%87%CE%B1%CE%BB%CE%B1%CE%B6%CE%BF%CF%80%CF%84%CF%8E%CF%83%CE%B5%CF%89%CE%BD_%CF%83%CF%84%CE%B7_%CE%93%CE%B1%CE%BB%CE%BB%CE%AF%CE%B1"/>
				<updated>2017-02-14T09:53:02Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: Νέα σελίδα με '[[Εικόνα:EA_art8_pic1.jpg|thumb|right|Εικόνα 1: Χάρτης ANELFA δικτύου χαλαζομέτρου στις περιοχές που καλύπτοντ...'&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[Εικόνα:EA_art8_pic1.jpg|thumb|right|Εικόνα 1: Χάρτης ANELFA δικτύου χαλαζομέτρου στις περιοχές που καλύπτονται]]&lt;br /&gt;
[[Εικόνα:EA_art8_pic2.jpg|thumb|right|Εικόνα 2: Σύννεφα (grayscale) και την πιθανότητα χαλάζι (color scale) στις 16:30 UTC στις 29 Απριλίου 2012. Μπλε κουκκίδες δείχνουν χαλαζομέτρηση που επηρέασε εκείνη τη στιγμή]]&lt;br /&gt;
[[Εικόνα:EA_art8_pic3.jpg|thumb|right|Εικόνα 3: Αθροιστική πιθανότητα χαλαζόπτωσης στις 29 Απριλίου 2012 15:15 - 16:30 UTC. Μπλε κουκκίδες δείχνουν χαλαζομέτρηση που επηρέασε εκείνη την ημέρα]]&lt;br /&gt;
&lt;br /&gt;
&amp;lt;h2&amp;gt;Satellite remote sensing of hailstorms in France&amp;lt;/h2&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pablo Melcón, Andrés Merino, , José Luis Sánchez, Laura López, Lucía Hermida&lt;br /&gt;
Laboratory of Atmospheric Physics, IMA, University of León, 24071 León, Spain&lt;br /&gt;
Received 4 May 2016, Revised 7 July 2016, Accepted 1 August 2016, Available online 3 August 2016&lt;br /&gt;
&lt;br /&gt;
πηγή: [[http://www.sciencedirect.com/science/article/pii/S0169809516302253#]]&lt;br /&gt;
&lt;br /&gt;
&amp;lt;h3&amp;gt;Μετάφραση και Περίληψη&amp;lt;/h3&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''1. Εισαγωγή'''&lt;br /&gt;
&lt;br /&gt;
Χαλαζοπτώσεις, προκαλούνται από σοβαρή συναγωγή, προκαλώντας σημαντικές ζημιές στις καλλιέργειες και τις περιουσίες. Λόγω των μικρών χωρικών και χρονικών κλιμάκων που εμπλέκονται, είναι δύσκολο να καθοριστούν περιοχές που έχουν πληγεί από τις πτώσεις χαλαζιού. Αυτό εμποδίζει την αναλυτική μελέτη των ιδιοτήτων χαλαζόπτωσης και την ανάπτυξη εργαλείων για τον εντοπισμό και την πρόβλεψη τέτοιων γεγονότων. Η νέα γενιά των μετεωρολογικών  δορυφόρων, όπως Meteosat Second Generation (MSG), επέτρεψε την ανάπτυξη νέων εργαλείων που αποφεύγουν ορισμένες από τις δυσκολίες σχετικά με το χαλάζι. Ο κύριος αισθητήρας της MSG είναι ο Spinning Enhanced Visible and Infrared Imager (SEVIRI). Ο Merino et al. (2015) ανέπτυξε ένα hail detection tool (HDT) χρησιμοποιώντας MSG SEVIRI εικόνες. Αυτό HDT κατασκευάστηκε και επικυρώθηκε για τη Middle Ebro Valley (MEV), επειδή αυτή η περιοχή της Ισπανίας έχει ένα από τις υψηλότερες συχνότητες γεγονότων χαλαζιού στην Ευρώπη. Η μέθοδος είναι δομημένη σε δύο στάδια. Πρώτον, η συναγωγή ταυτοποιείται χρησιμοποιώντας convection mask (CM). Στη συνέχεια, χαλάζι που πέφτει στα συναγωγής σύννεφα, ή η έλλειψη αυτών, προσδιορίζεται χρησιμοποιώντας hail mask (HM).  Το νότιο τμήμα της Γαλλίας έχει επίσης μερικές από τις υψηλότερες συχνότητες πτώσεις χαλαζιού στην Ευρώπη. Ένα εκτεταμένο δίκτυο χαλαζομέτρου διαχειρίζεται η Association Nationale d'Etude et de Lutte contre les Fleáux Atmosphériques (ANELFA) που βρίσκεται σε αυτήν την περιοχή. και επέτρεψε τη δημιουργία μιας εκτενής βάσης δεδομένων, λόγω της τόσο χωρικής έκτασής της, η οποία καλύπτει διαφορετικές περιοχές της χώρας, και συνέχεια σε διαφορετικό χρόνο.  &lt;br /&gt;
&lt;br /&gt;
'''2. Περιοχή μελέτης και βάσεις δεδομένων'''&lt;br /&gt;
&lt;br /&gt;
Το δίκτυο χαλαζομέτρου ANELFA εκτείνεται σε τέσσερις κύριες περιοχές: τον Ατλαντικό, Πυρηναία, της Μεσογείου και την Κεντρική. Η κεντρική περιοχή δεν χρησιμοποιήθηκε, λόγω του μικρότερου αριθμού των συμβάντων χαλάζι εκεί, σε σύγκριση με τις άλλες τρεις περιοχές. Τα τρία δίκτυα καλύπτουν μια πολύ μεγάλη περιοχή και έχουν μια πολύ υψηλή πυκνότητα χαλαζομέτρου. Αυτό επιτρέπει πιστή αναπαράσταση της κατανομής κάθε χαλαζιού στις περιοχές που καλύπτονται. Τα χαλαζομέτρα παρέχουν πληροφορίες για την εκδήλωση χαλάζι, όπως η μέση και η μέγιστη διάμετρος χαλαζιού και η κίνηση των ενεργειακών δεδομένων.  Για να επικυρώσουμε την HDT που αναπτύχθηκε για την MEV, ήταν απαραίτητο να επιλέξουμε τις περιπτώσεις στις οποίες δεν υπήρχε χαλαζόπτωση. Ως εκ τούτου, επιλέξαμε 618 χαλάζι ελεύθερες εκδηλώσεις, που αντιστοιχούν σε χαλαζομέτρηση  στην οποία δεν σταματούσε το χαλάζι και καταγράφηκε κατά τις ημέρες χαλαζιού που αναλύθηκαν. Αυτές οι θέσεις ήταν κοντά σε χαλαζόμετρα κρούσης από χαλάζι, και βρέθηκαν να είναι κάτω από το ίδιο σύννεφο cumulonimbus μέσω ανάλυσης εικόνας MSG.&lt;br /&gt;
&lt;br /&gt;
'''3. Επικύρωση HDT στη Γαλλία''' &lt;br /&gt;
&lt;br /&gt;
Για την επαλήθευση της εφαρμογής του αλγορίθμου που αναπτύχθηκε από Merino et al. (2015) για την MEV μέσω του προσδιορισμού του χαλαζιού που πέφτει χρησιμοποιώντας την MSG,  πραγματοποιήθηκε εκτεταμένη επικύρωση της HDT στη Γαλλία. Η επαλήθευση της MEV από Merino et al. (2015) έδωσε POD = 76,9% και FAR = 16,7%. Τα παραπάνω αποτελέσματα είναι σύμφωνα με προηγούμενες μελέτες και τονίζονται οι διαφορές μεταξύ χαλαζοπτώσεις στα νότια της Γαλλίας και της MEV, παρά τη γεωγραφική γειτνίαση τους.&lt;br /&gt;
&lt;br /&gt;
'''3.1. Επικύρωση ανά περιοχή'''&lt;br /&gt;
&lt;br /&gt;
Το δίκτυο ANELFA εκτείνεται σε διαφορετικές κλιματικές ζώνες. Είναι για το λόγο ότι η λειτουργία HDT μπορεί να μην είναι ομοιογενής σε όλες τις περιοχές. Ως εκ τούτου, επικυρώνουμε τον αλγόριθμο για κάθε έναν από τους τρεις τομείς της μελέτης. Οι περιοχές του Ατλαντικού και των Πυρηναίων είχαν τα καλύτερα αποτελέσματα, ενώ τα αποτελέσματα ήταν χειρότερα κυρίως στην περιοχή της Μεσογείου. Εν μέρει, τα αποτελέσματα αυτά πρέπει να αναμένονται, λόγω ότι οι περιοχές των Πυρηναίων και στον νότιο Ατλαντικό είναι πολύ κοντά στην MEV.  Τα αποτελέσματα δείχνουν ότι τα χαρακτηριστικά του έντονων καταιγίδων που παράγουν χαλάζι είναι διαφορετικές από εκείνες που μελετήθηκαν στην MEV, ιδιαίτερα στην περιοχή της γαλλικής Μεσογείου. Τα αποτελέσματα αυτά υπογραμμίζουν τις διαφορές μεταξύ χαλάζι που παράγουν οι κορυφές συννέφων cumulonimbus στις διάφορες γαλλικές περιφέρειες και στη MEV.  Έτσι, οι σημαντικές διαφορές ανάμεσα στις κορυφές cumulonimbus με χαλάζι στη Γαλλία είναι ο λόγος που ο αλγόριθμος εκπαιδευτηκε για να χρησιμοποιείται σε καταιγίδες MEV και είχε χειρότερες επιδόσεις στη Γαλλία. Επιπλέον, το τμήμα του γαλλικού δικτύου που μοιάζει περισσότερο με την ΜEV είναι η περιοχή της Μεσογείου, όπως θα ήταν αναμενόμενο, με πολύ παρόμοιες τιμές στα κανάλια SEVIRI 1-4. Ωστόσο, οι διαφορές στο κανάλι 6.2-μm ήταν υπεύθυνοι για την φτωχότερες επιδόσεις HDT στην εν λόγω περιοχή. Η HTD επικυρώθηκε από διαδοχικά εφαρμόζοντας δύο μάσκες του, το CM και ΗΜ. Με τον τρόπο αυτό, μια σύγκριση θα μπορούσε να γίνει με τα αποτελέσματα από την MEV. Η μελέτη έγινε με επίκεντρο την HM, επειδή η πιο νέα όψη της παρούσας εργασίας επικεντρώνεται στην αναγνώριση του χαλαζιού που πέφτει από cumulonimbus σύννεφα.&lt;br /&gt;
&lt;br /&gt;
'''4. Hail Mask ανίχνευσης στη Γαλλία'''&lt;br /&gt;
&lt;br /&gt;
Κατασκευή του France Hail Mask (FHM) ακολούθησε την ίδια διαδικασία όπως Merino et al. (2015) στην κατασκευή του αρχικού HM. Η Γαλλία έχει το πλεονέκτημα της μεγάλης και αξιόπιστης βάσεις δεδομένων ground-truth hail που παράγουν πολύ αντιπροσωπευτικά και έγκυρα αποτελέσματα. Λογιστική παλινδρόμηση συνέχεια διεξάγεται, εκχύλιση albedos και BTS από τα κανάλια MSG να διακρίνει τη χαλαζόπτωση. Στη συνέχεια κάναμε φυσική ερμηνεία των δεδομένων από τους διαύλους που χρησιμοποιούνται στον αλγόριθμο και τις διαφορές σε σχέση με το MΕV. Η βάση δεδομένων για τη δημιουργία του FHM κατασκευάστηκε χρησιμοποιώντας τον CM να φιλτράρονται περιπτώσεις cumulonimbus (με και χωρίς χαλάζι) από την αρχική βάση δεδομένων.&lt;br /&gt;
&lt;br /&gt;
'''4.1. Στατιστικό μοντέλο'''&lt;br /&gt;
&lt;br /&gt;
Χρησιμοποιήσαμε λογιστική παλινδρόμηση για να κατασκευαστεί ο νέος αλγόριθμος ανίχνευσης χαλάζι. Αυτή η στατιστική τεχνική χρησιμοποιείται ευρέως στη μετεωρολογία και κλιματολογία, ιδίως για τον προσδιορισμό και την πρόβλεψη των χαλαζιών. Η τεχνική αυτή διευκολύνει τον προσδιορισμό της πιθανότητας εμφάνισης (Ρ) ενός συγκεκριμένου γεγονότος (κατηγορική μεταβλητή), με βάση τις τιμές των διαφόρων ερμηνευτικών μεταβλητών. Σε αυτή την περίπτωση, καθορίζεται το Ρ ενός χαλαζιού ή hail-free εκδήλωση παρατηρώντας τις τιμές από τα κανάλια MSG. Η κατηγορική μεταβλητή σε αυτή την περίπτωση είναι η παρουσία ή η απουσία του χαλαζιού, που εκφράζονται σε δυαδικό τρόπο (χρησιμοποιώντας την τιμή 1 για το χαλάζι και 0 για χωρίς χαλάζι). Ρ που λαμβάνεται από τον αλγόριθμο για κάθε ομάδα κατηγορική μεταβλητή.&lt;br /&gt;
&lt;br /&gt;
'''4.2. France hail mask'''&lt;br /&gt;
&lt;br /&gt;
Λογιστική παλινδρόμηση εφαρμόστηκε στη βάση δεδομένων κατάρτισης που περιγράφεται παραπάνω, με albedos και BTS σε χαλάζι και hail-free εκδηλώσεις. Η προσαρμογή του αλγορίθμου επαληθεύτηκε σε σύγκριση του λόγου πιθανότητας με την δοκιμασία chi-squared, το οποίο απέδωσε σημαντικά αποτελέσματα.&lt;br /&gt;
&lt;br /&gt;
'''4.3. Φυσική ερμηνεία του FHM'''&lt;br /&gt;
&lt;br /&gt;
Οι φυσικές ιδιότητες που διευκολύνουν τη διάκριση των περιοχών χαλαζιού από άλλα μέρη του νέφους cumulonimbus είναι τα ακόλουθα: Οπτικό πάχος (fromthe 0,6-μmto 0.8-μmvisible κανάλια), ατμών ανώτερο τροποσφαιρικό νερό ( 6,2-μm κανάλι WV), θερμοδυναμική φάση της κορυφής νέφους (αξιολογηθεί χρησιμοποιώντας κανάλι 1,6-μm), παρουσία υπέρβασης νεφών (κανάλι IR), και την ταχύτητα ανοδικών ρευμάτων (που σχετίζονται με το μέγεθος των κρυστάλλων του πάγου, χρησιμοποιώντας 3.9- κανάλι μm).&lt;br /&gt;
&lt;br /&gt;
'''4.4. Επαλήθευση της FHM'''&lt;br /&gt;
&lt;br /&gt;
Εμείς στη συνέχεια επαληθεύσαμε το FHM χρησιμοποιώντας μια ξεχωριστή βάση δεδομένων.  Τα αποτελέσματα αξιολογήθηκαν χρησιμοποιώντας ένα κατώτατο όριο 50% για τη διάκριση χαλάζι και hail-free εκδηλώσεις. Πραγματοποιήσαμε και μια ξεχωριστή επαλήθευση σε κάθε μία από τις τρεις περιοχές για να προσδιοριστεί αν ο νέος αλγόριθμος είναι έγκυρος εκεί. Τα αποτελέσματά μας δείχνουν ότι η HDT αναπτύχθηκε για  τη MEV και επιδεικνύει εύλογη απόδοση στη νότια Γαλλία. Ωστόσο, οι διαφορές στα χαρακτηριστικά του χαλαζιού που παράγουν cumulonimbus σύννεφα στην εν λόγω περιοχή με εκείνες του ΜEV απαιτούν προσαρμογή αλγόριθμου για να αποκτήσουν τα βέλτιστα αποτελέσματα.&lt;br /&gt;
&lt;br /&gt;
'''5. Εφαρμογή της FHDT: μελέτη περίπτωσης 29 του Απρίλη του 2012'''&lt;br /&gt;
&lt;br /&gt;
Στις 29 του Απρίλη του 2012 15:15 - 16:30 UTC, το δίκτυο ANELFA είχε 11 χαλαζομετρήσεις  που επηρεαζουν κατά τη διάρκεια ενός επεισοδίου συναγωγής. Όλοι οι επηρεασμένοι χαλαζομετρητές ήταν στην περιοχή των Πυρηναίων. Το France Hail Detection Tool (FHDT), που αποτελείται από την  CM και FHM, χρησιμοποιήθηκε σε αυτή τη μελέτη. Οι περιοχές που υποδεικνύεται από τον FHDT να έχουν υψηλές πιθανότητες χαλαζόπτωσης που επηρέασε τον χαλαζομετρητή ANELFA εκείνη τη στιγμή  δείχνει την αθροιστική πιθανότητα χαλάζι κατά τη διάρκεια της συναγωγής του επεισοδίου. Σε αυτό το παράδειγμα, η FHDT δείχνει μια καλή τακτοποίηση όπου πέφτει χαλάζι και καταγράφηκαν από το δίκτυο, υποστηρίζοντας αποτελέσματα κατά την κατασκευή και την επικύρωση της.&lt;br /&gt;
&lt;br /&gt;
'''6. Συμπεράσματα'''&lt;br /&gt;
&lt;br /&gt;
Επαληθεύσαμε τη HDT που αναπτύχθηκε από Μερίνο et al. (2015), στο νότιο τμήμα της Γαλλίας, χρησιμοποιώντας χαλαζοπτώσεις που καταγράφονται από το δίκτυο χαλαζομέτρου ANELFA μεταξύ του 2005 και του 2014 ως  ground truth. Τα αποτελέσματα δείχνουν αισθητά χαμηλότερη απόδοση του HDT στη Γαλλία σε σχέση με εκείνο στο MEV, με πιθανότητα ανίχνευσης (POD) 60,4% και ποσοστό ψευδών συναγερμών (FAR) 26,6%. Για το λόγο αυτό, ένα νέο εργαλείο έχει αναπτυχθεί για να ταιριάξει στα χαρακτηριστικά των χαλαζοπτώσεων στη Γαλλία. Το France Hail Detection Tool (FHDT) αναπτύχθηκε με τη χρήση της λογιστικής παλινδρόμησης από τα κανάλια της Spinning Enhanced Visible and Infrared Imager (SEVIRI) αισθητήρας της MSG. Η FHDT ελέγχθηκε, με αποτέλεσμα POD 69,3% και 15,4% FAR, βελτιώνοντας έτσι την ανίχνευση χαλάζι στην περιοχή μελέτης, σε σύγκριση με το προηγούμενο εργαλείο. Το νέο εργαλείο δοκιμάστηκε σε μια μελέτη περίπτωσης με ικανοποιητικά αποτελέσματα, υποστηρίζοντας τη μελλοντική πρακτική εφαρμογή της. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 [[category:Μετεωρολογικοί δορυφόροι]]&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:EA_art8_pic3.jpg</id>
		<title>Αρχείο:EA art8 pic3.jpg</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:EA_art8_pic3.jpg"/>
				<updated>2017-02-14T09:42:13Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:EA_art8_pic2.jpg</id>
		<title>Αρχείο:EA art8 pic2.jpg</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:EA_art8_pic2.jpg"/>
				<updated>2017-02-14T09:42:05Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:EA_art8_pic1.jpg</id>
		<title>Αρχείο:EA art8 pic1.jpg</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:EA_art8_pic1.jpg"/>
				<updated>2017-02-14T09:41:55Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/A%CE%BD%CE%AC%CE%BB%CF%85%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%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%83%CE%BA%CE%B9%CE%AC%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CE%BD_%CE%B5%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CF%8D%CF%88%CE%BF%CF%85%CF%82_%CF%84%CE%BF%CF%85_%CE%BA%CF%84%CE%B9%CF%81%CE%AF%CE%BF%CF%85</id>
		<title>Aνάλυση δορυφορικών εικόνων για την ανίχνευση της σκιάς και την εκτίμηση του ύψους του κτιρίου</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/A%CE%BD%CE%AC%CE%BB%CF%85%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%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%83%CE%BA%CE%B9%CE%AC%CF%82_%CE%BA%CE%B1%CE%B9_%CF%84%CE%B7%CE%BD_%CE%B5%CE%BA%CF%84%CE%AF%CE%BC%CE%B7%CF%83%CE%B7_%CF%84%CE%BF%CF%85_%CF%8D%CF%88%CE%BF%CF%85%CF%82_%CF%84%CE%BF%CF%85_%CE%BA%CF%84%CE%B9%CF%81%CE%AF%CE%BF%CF%85"/>
				<updated>2017-02-14T09:40:31Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: Νέα σελίδα με '&amp;lt;h2&amp;gt;Satellite images analysis for shadow detection and building height estimation&amp;lt;/h2&amp;gt;  Gregoris Liasis, Stavros Stavrou Information and Communication Systems, Faculty of ...'&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;h2&amp;gt;Satellite images analysis for shadow detection and building height estimation&amp;lt;/h2&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Gregoris Liasis, Stavros Stavrou&lt;br /&gt;
Information and Communication Systems, Faculty of Pure and Applied Sciences, Open University of Cyprus, PO Box 12794, 2252 Latsia, Nicosia, Cyprus&lt;br /&gt;
Received 13 July 2015, Revised 2 July 2016, Accepted 25 July 2016, Available online 11 August 2016&lt;br /&gt;
&lt;br /&gt;
πηγή: [[http://www.sciencedirect.com/science/article/pii//S0924271616301939]]&lt;br /&gt;
&lt;br /&gt;
&amp;lt;h3&amp;gt;Μετάφραση και Περίληψη&amp;lt;/h3&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''1. Εισαγωγή'''&lt;br /&gt;
&lt;br /&gt;
Σκιές κτιρίων μπορούν να χρησιμοποιηθούν για την εκτίμηση της δομής και το ύψος των αντί-στοιχων κτιρίων. Για μια επιτυχημένη ανάλυση δορυφορικών εικόνων και εκτίμηση ύψους των κτιρια-κών κατασκευών, η πολυπλοκότητα και η φασματική ετερογένεια που συχνά υπάρχει στα αστικά τοπία για να γίνει σωστός χειρισμός και οι σκιές πρέπει να ανιχνευθούν με ακρίβεια και να απομονωθούν.&lt;br /&gt;
Σε τηλεπισκόπησης και η βιβλιογραφία τηλεπικοινωνιών, έχουν χρησιμοποιήσει διάφορες με-θόδους για την ανίχνευση σκιάς με χρήση δορυφορικών εικόνων. Οι μέθοδοι που βασίζονται σε τεχνι-κές ιστογράμματος έχει ερευνηθεί εκτενώς για την ανίχνευση σκιάς λόγω της απλότητάς τους. Πολλές από τις μελέτες που αναφέρονται έχουν εξετάσει το εσφαλμένο χαρακτηρισμό των ηλιόλουστων- σκο-τεινών αντικειμένων ταξινομούνται ως σκιές και σκιασμένα φωτεινά αντικείμενα ταξινομούνται ως μη σκιασμένες περιοχές, ως ένα σημαντικό μειονέκτημα που πρέπει να αντιμετωπιστεί. Πραγματοποίηθη-κε λεπτομερής συγκριτική μελέτη για σκιά αποζημίωση των χρωμάτων  από αεροφωτογραφίες στο α-ναλλοίωτο μοντέλο με  χρώμα, και φασματική αναλογία μεταξύ απόχρωσης και η ένταση αναπτύχθηκε και χρησιμοποιήθηκε για την ανίχνευση περιοχών με σκιά. Οι μέθοδοι αποκάλυψαν πολλά υποσχόμενα αποτελέσματα, λόγω της ικανότητάς τους να αντιμετωπίσουν καλά με τοπολογικές αλλαγές. &lt;br /&gt;
Το έργο που παρουσιάζεται στο παρόν έγγραφο περιλαμβάνει την αξιολόγηση και βελτιστοποί-ηση των ενεργών μοντέλων περιγράμματος για την ανίχνευση οικοδομικών σκιών παρουσία φασματι-κής ετερογένειας και διαθέτουν πολυπλοκότητα. Προτείνεται μια αυτοματοποιημένη μέθοδος για την οριοθέτηση  του κτίριο σκια και η εκτίμηση των αντίστοιχων υψών κτιρίων. Προτείνεται ένα αυτομα-τοποιημένο σύστημα για την επιλογή των καταλληλότερων παραμέτρων και το σχεδιασμό του βελτι-στοποιημένου φίλτρου. Η ραδιομετρική ιδιοκτησία των σκιών αυτόματα εκτιμάται και κωδικοποιείται με το προτεινόμενο φίλτρο σε ένα ενεργό πρότυπο περιγράμματος. Τέλος, τα κτίρια-σκιά ανιχνεύονται αναλύονται περαιτέρω για την εκτίμηση των υψών των αντίστοιχων κτιρίων.  &lt;br /&gt;
&lt;br /&gt;
'''2. Η φασματική και χωρική ανάλυση εικόνας για την ενίσχυση σκιά'''&lt;br /&gt;
&lt;br /&gt;
Ο στόχος της φασματικής και χωρικής ανάλυσης των δορυφορικών εικόνων είναι να αναπτύξει ένα φίλτρο σε θέση που να ενισχύσει τη σκιά σε περιοχές και στη συνέχεια να βελτιώνει τη συνολική απόδοση της διαδικασίας ανίχνευσης κτιρίου σκιάς χρησιμοποιώντας ένα ενεργό μοντέλο περιγράμμα-τος κατάτμησης. &lt;br /&gt;
	Η χωρική συχνότητα μετασχηματισμύ είναι ένα εργαλείο που χρησιμοποιείται ευρέως για την ανάλυση της εικόνας. Το σήμα εικόνας αντιπροσωπεύεται από την άποψη του μεγέθους και της φάσης. Η σημασία της φασματικής ανάλυσης σε εικόνες παρατηρείται σε μία ποικιλία εφαρμογών. Συνήθως το περιεχόμενο του σήματος τηε εικόνας δεν είναι στάσιμο έτσι η εντοπισμένη ανάλυση συχνότητας έχει γίνει ένα σημαντικό και ισχυρό εργαλείο επεξεργασίας εικόνας. Επιπλέον, είναι επωφελές να αναλύσει τη συχνότητα του σήματος και χωρικών πληροφοριών ταυτόχρονα, χρησιμοποιώντας διάφορα εργαλεία, όπως Short Time Fourier Transform (STFT), Gabor Transform (GT) και Wavelet Transform. Τα φίλτρα Gabor που χρησιμοποιούνται εκτενώς σε εικόνα προ-επεξεργασίας και υπολογιστή όρασης λόγω των άριστων ιδιοτήτων εντοπισμού τους και σε δύο χωρικές και σε τομείς συχνότητας. Το έργο αυτό χρησιμοποιεί την τοπική απόκριση φάσης και το μέγεθος ενός φίλτρου Gabor για την ενίσχυση σκιών που εμφανίζονται σε δορυφορικές εικόνες.Το φίλτρο Gabor είναι ένα δισδιάστατο φίλτρο που σχηματίζεται από το συνδυασμό ενός συνημίτονου με μια δυισδιαστατη συνάρτηση Gauss.&lt;br /&gt;
Τα φίλτρα Gabor είναι φίλτρα διέλευσης ζώνης που έχουν επιλεκτική συχνότητα και επιλεγμένες ιδιότητες προσδιορισμού.Η κανονικότητα της χωρικής δομής μπορεί να χρησιμοποιηθεί με την ε-φαρμογή ενός φίλτρου Gabor που συντονίζεται για να ταιριάζει με το τοπικό προσανατολισμό κορυ-φογραμμής και συχνότητας όπως παρουσιάζονται σε δορυφορικές εικόνες. Ως εκ τούτου, το φίλτρο βελτιώνει την αντίθεση ανάμεσα στο προσκήνιο ράχες και του φόντου. Επιπλέον, μειώνει αποτελεσμα-τικά τυχόν υπάρχοντα θόρυβο. Σε αυτό το έργο ένα αυτοματοποιημένο σύστημα βελτιστοποίησης έχει συσταθεί για την επιλογή των καταλληλότερων παραμέτρων σε μια προσέγγιση του σχεδιασμού του φίλτρου. &lt;br /&gt;
&lt;br /&gt;
'''3. Ενεργά μοντέλα περιγράμματος''' &lt;br /&gt;
&lt;br /&gt;
Τα Ενεργά περιγράμματα είναι τμηματικά πολυωνυμικές καμπύλες που ταιριάζουν με ένα πα-ραμορφώσιμο μοντέλο σε μια εικόνα μέσω της ελαχιστοποίησης της ενέργειας. Σε μοντέλα ενεργού περιγράμματος μιας παραμετρικής ή μη παραμετρικής αναπαράστασης της αρχικής καμπύλης εξελί-χθηκε με τη χρήση άμεσων και έμμεσων δυνάμεων για την ανίχνευση αντικειμένων ή την απόκτηση της κατάτμησης εικόνας. Η μέθοδος σετ επιπέδου για τον υπολογισμό και την ανάλυση της εξέλιξης ενός περιγράμματος χρησιμοποιώντας μερικές διαφορικές εξισώσεις μιας πολύ δημοφιλούς προσέγγισης. &lt;br /&gt;
Ενεργά μοντέλα περιγράμματος χωρίς άκρα ή το Chan και Vese (CV) μοντέλο διαμορφώνονται σε καθορισμένο επίπεδο μεθοδολογίας και έχει χρησιμοποιηθεί εκτενώς για την τμηματοποίηση της εικόνας. Αυτό το μοντέλο χρησιμοποιεί μια γεωμετρική αναπαράσταση του περιγράμματος και τη λει-τουργία άκρη υπεύθυνη για να σταματήσει η εξέλιξη της καμπύλης και να παράγει την κατάτμηση της εικόνας που δεν βασίζεται σε κλίσεις. CV είναι ένα μοντέλο κατάτμησης ελαχιστοποίηση ενέργειας που βασίζεται στο να χωρίσει την εικόνα σε περιοχές με βάση τις μέσες εντάσεις μέσα και έξω από την εξελισσόμενη καμπύλη. &lt;br /&gt;
Στο μοντέλο CV δύο όροι νομιμοποίησης LengthjCj και AreajCj είναι επίσης σε corporated για τον έλεγχο της ομαλότητας των ανιχνεύσιμων ορίων. Το έργο αυτό αιτιολογείται από τα σημαντικά πλεονεκτήματα και την ευρεία εφαρμογή του μοντέλου ενεργού περιγράμματος περιοχής με βάση την  τμηματοποίηση δορυφορικής εικόνας. Το μοντέλο CV έχει επιλεγεί για περαιτέρω αξιολόγηση λόγω της ικανότητάς της να χωρίσει και να συγχωνεύσει την ανίχνευση αντικειμένων με ή χωρίς αδύναμα όρια. Αυτό το χαρακτηριστικό καθιστά μια καλή επιλογή για το χειρισμό της πολυπλοκότητας των σκηνών σε δορυφορικές εικόνες και μπορεί να χρησιμοποιηθεί για την ανίχνευση σκιάς κτιρίου σε  δο-ρυφορικές εικόνες. Ωστόσο, τα μειονεκτήματα, όπως τμηματοποίηση από πάνω και τμηματοποίηση από κάτω, παρατηρείται και πρέπει να αντιμετωπιστεί όταν εφαρμόζεται ανίχνευση σε  μορφή σκιάς παρουσία φασματικής ετερογένειας και διαθέτει πολυπλοκότητα.&lt;br /&gt;
&lt;br /&gt;
'''4. Η ανάπτυξη ενός βέλτιστου μοντέλου κατάτμησης για να εντοπιστεί αυτόματα η σκιά των κτι-ρίων και να εκτιμηθεί το ύψος τους'''&lt;br /&gt;
&lt;br /&gt;
Στις επόμενες παραγράφους συζητείται η προτεινόμενη μέθοδος η οποία περιλαμβάνει τέσσερις σημαντικές διεργασίες. Στην πρώτη διαδικασία αναπτύσσεται με ένα φίλτρο για βελτιώσεις σκιών. Στη συνέχεια ένα βελτιστοποιημένο μοντέλο ενεργού περιγράμματος σχηματίζεται για την επιλεκτική ανί-χνευση κτίριου σκιάς. Τέλος, τα ύψη κτιρίου υπολογίζονται με βάση τις πληροφορίες που προέρχονται από τη μάσκα σκιά του κατακερματισμού και της ηλιακής γωνίας ανύψωσης.&lt;br /&gt;
  &lt;br /&gt;
'''4.1. Βελτίωση σκιών κτιρίου'''&lt;br /&gt;
&lt;br /&gt;
Μια εικόνα δύο περιοχών με περίπου συνεχή τμηματικά διακριτές εντάσεις, παρουσιάζοντας σκιασμένες και μη σκιασμένες περιοχές και απαιτείται ως αποτέλεσμα, του συγκερασμού των υλοποι-ημένων φίλτρων και την δορυφορική εικόνα. Η ανάπτυξη της αυτοματοποιημένης διαδικασίας για την επιλογή των παραμέτρων του φίλτρου χρησιμοποιώντας το προτεινόμενο σύστημα ξεκινά με τη διατύ-πωση της αντικειμενικής συνάρτησης. &lt;br /&gt;
&lt;br /&gt;
'''4.2. Μοντέλο κατάτμησης ενεργού περιγράμματος'''&lt;br /&gt;
&lt;br /&gt;
Με βάση την αρχή ότι η απάντηση της συνέλιξης της δορυφορικής εικόνας με το προσαρμοσμένο φίλτρο Gabor είναι μια εικόνα που περιλαμβάνει περίπου δύο διακριτές περιοχές που παρουσιάζουν τις σκιές και τις μη σκιές, η εκ νέου sponse του φίλτρου χρησιμοποιείται σε ένα ενεργό μοντέλο περιγράμματος για την οδήγηση των εξελισσόμενων καμπύλων για να οριοθετηθούν οι σκιές. Η ιδέα προέρχεται από την ανάλυση των ραδιομετρικών ιδιοτήτων των αποκτηθέντων δορυφορικών εικόνων μετά την εφαρμογή του προσαρμοσμένου φίλτρου. Σε αυτή τη διαδικασία, παρατηρήθηκε ότι οι δια-κριτές περιοχές σκιάς είναι περίπου ομοιογενή και ραδιομετρική περιουσία τους. &lt;br /&gt;
&lt;br /&gt;
'''4.3. Μορφολογική και διακύμανση ορίου λειτουργίας'''&lt;br /&gt;
&lt;br /&gt;
Μια δυσκολία στις μεθόδους για ανίχνευση οικοδόμικής σκιάς που πρέπει να επιλυθεί είναι τα υδάτινα σώματα που συχνά περιέχονται ως σκιώδης περιοχές από ραδιομετρικά χαρακτηριστικά τους είναι πολύ παρόμοια με τις σκιές. Έτσι, απαιτούνται περαιτέρω μέτρα να ενσωματωθούν στην άρση αυτών των παραπλανητικών περιοχών από τη μάσκα σκιάς κατάτμησης. Μια απλή όμως αποτελεσματική μέθοδος είναι η εφαρμογή ενός φίλτρου περιοχής με βάση την διακύμανση των ομάδων pixels που αντιπροσωπεύουν τις πραγματικές σκιές και τους οργανισμούς του νερού. Πολλά χαρακτηριστικά είναι ορατά μέσα στα σκιασμένα των περιοχών, κυρίως λόγω του δευτεροβάθμιου φωτισμού έτσι οι διακυμάνσεις των σκιασμένων περιοχών είναι υψηλότερες από τις διακυμάνσεις των περιοχών νερού. Μια οριακή τιμή διακύμανσης μπορεί να επιλεγεί ως διακριτικό στοιχείο κατά τη σύγκριση των σκια-σμένων περιοχών και των επιφανειών του σώματος του νερού από την εξέταση των δορυφορικών ει-κόνων υπό αξιολόγηση. &lt;br /&gt;
Επιπλέον, οι σκιές από κτίρια και δέντρων πρέπει να διαχωρίζονται. Χωρική μορφολογική λει-τουργική διάβρωση και διαστολή χρησιμοποιείται για την εξάλειψη σκιών δέντρων που θεωρούνται ως αντικείμενα. Δεδομένου ότι ο στόχος είναι να διατηρηθούν οι σκιές κτιρίων που στις περισσότερες πε-ριπτώσεις παρουσιάζονται ως τετράγωνα ή παραλληλόγραμμα και αφαιρούνται οι σκιές δέντρων που έχουν συνήθως ακανόνιστα σχήματα μαζί με άλλες μικρές περιοχές που μπορεί να υπάρχουν στη μά-σκα σκιάς κατάτμησης, αλλά δεν αποτελούν μέρος μιας σκιάς, ένα δομικό στοιχείο με τη μορφή ενός ορθογωνίου ή τετραγώνου είναι φυσικά κατάλληλη. Σε αυτό το έργο, το μήκος και το πλάτος του στοι-χείου δόμησης εκτιμώνται με στατιστικές μετρήσεις που βασίζονται στις σκιές ανίχνευσης. &lt;br /&gt;
&lt;br /&gt;
'''4.4. Ολοκληρωμένη μέθοδος διακύμανσης κτηριακών σκιών'''&lt;br /&gt;
&lt;br /&gt;
Μια μέθοδος τμηματοποίησης κτιρίου σκιάς πρέπει να οδηγήσει σε μια ακριβή οριοθέτηση των σκιών, αποφυγή παραπλανητικών σκοτεινών περιοχών και να παρέχουν ομαλό περίγραμμα για τα όρια των περιοχών που εντοπίζει.&lt;br /&gt;
&lt;br /&gt;
'''4.5. Υπολογίζοντας το ύψος των κτιρίων'''&lt;br /&gt;
&lt;br /&gt;
Η μάσκα κτίριο σκιά χρησιμοποιείται για την εκτίμηση του ύψους των αντίστοιχων κτιρίων, όπως παρουσιάζεται σε ένα τοπίο αστικής σκηνής. Για να επιτευχθεί αυτό, απαιτούνται πληροφορίες σχετικά με τη γεωμετρική σχέση μεταξύ του κτιρίου και της σκιάς του. Η σχέση ορίζεται από τον ήλιο και δορυφορική ανύψωση γωνιών κατά τη σκιά μήκους. Όταν ένα κτίριο φωτίζεται από τον ήλιο, το σύνολο ή μέρος της σκιάς του μπορεί να δει την εικόνα με βάση τη θέση του ήλιου και την τοποθεσία του δορυφόρου. Στις  αστικές σκηνές με ψηλά ή πολύ ψηλά κτίρια η παρουσία μιας γωνίας δορυφορική ανύψωσης που συμβαίνει συχνά μπορεί να οδηγήσει σε μια μεγάλη σκιά κρυμμένη.&lt;br /&gt;
Σε αυτό το έργο, διαπιστώθηκε ότι τα κτίρια που βρίσκονται ανάμεσα σε μια περιορισμένη πε-ριοχή έχουν τα ίδια προβολή χαρακτηριστικών αν η δορυφορική εικόνα αποκτήθηκε κατά την ίδια η-μερομηνία και ώρα. Αυτό σημαίνει ότι οι ηλιακές και δορυφορική γωνίες ανύψωσης μπορεί να θεωρη-θούν ως σταθερά για ένα δεδομένο δορυφόρο ή τηλεανίχνευση εικόνας εντός της ειδικής περιορισμένη περιοχής. Στην εργασία αυτή, διαπιστώθηκε ότι το μήκος σκιάς SL μπορεί να οριστεί, αν η σκιά δια-σταυρώνεται με ηλιακές ακτίνες. Για την τομή των ηλιακών ακτίνων με τις σκιές χρησιμοποιείται ο προσανατολισμός των μεμονωμένων σκιές μετά την εκχύλιση του αντίστοιχου πλαισίου οριοθέτησης. &lt;br /&gt;
&lt;br /&gt;
'''5. Αξιολόγηση των μεθόδων εκτίμησης προτεινόμενου κτιρίου σκιάς του κατακερματισμού και του ύψους του'''&lt;br /&gt;
&lt;br /&gt;
Σε αυτό το έργο, ένας μεγάλος αριθμός πειραμάτων έχει πραγματοποιηθεί για την αξιολόγηση της προτεινόμενης μεθόδου για την ικανότητά της να ανιχνεύει σκιές από κτίρια και στη συνέχεια να υπολογιστούν τα αντίστοιχα ύψη κτίριου με χρήση οφθαλμόδορυφορικές εικόνες. &lt;br /&gt;
&lt;br /&gt;
'''5.1. Σύνολο δεδομένων εικόνας'''&lt;br /&gt;
&lt;br /&gt;
Η μέθοδος αξιολογείται σε 120 τυχαία επιλεγμένες δορυφορικές Google Earth ή / και εικόνες χαρτών της Google (2013-2015) που περιλαμβάνουν το τοπίο των αστικών σκηνών με διαφορετικά χαρακτηριστικά κτιρίου το μέγεθος, το σχήμα και το χρώμα σε περιβαλλοντικούς όρους από διάφορες χώρες. Η εφαρμογή Google Earth έχει χρησιμοποιηθεί σε αρκετές μελέτες στη βιβλιογραφία, κυρίως διότι παρέχει δωρεάν διεργασίας σε ένα μεγάλο αριθμό εικόνων. Επιπλέον, οι εικόνες που αποκτήθη-καν από το Google Earth πρόκληση για την οικοδόμηση διαδικασιών ανίχνευσης σκιάς, δεδομένου ότι η ένταση ετερογένειας και τη λειτουργία της πολυπλοκότητας υπάρχουν στις παρουσιασμένες σκηνές. Τέλος, πρέπει να σημειωθεί ότι το προτεινόμενο πρότυπο κτήριο με ύψος και αξιολογείται με χρήση ορθών διορθώσεων δορυφορικών εικόνων όπως συμβαίνει και με εικόνες Google Earth ή / και Google map Χρησιμοποιώντας ορθο-αποκατεστημένη δορυφορική εικόνα είναι κοινή πρακτική στα περισσό-τερα από τα μοντέλα εκτίμησης ύψος του κτιρίου αναφοράς στη διαδικασία ορθοαναγωγής αποσκοπεί στο άρση των στρεβλώσεων προέρχονται από τοπογραφικές μεταβολές στην επιφάνεια της γης και την κλίση του δορυφόρου ή του αισθητήρα κεραία που επηρεάζουν την απόσταση με την οποία διαθέτει στην εμφανίζονται ο δορυφόρος ή αεροφωτογραφιών εικόνα. Έτσι, πριν από την εφαρμογή της μεθόδου με τη χρήση άλλων δορυφορικών εικόνων είναι ύψιστης σημασίας ορθο - ανάλυση διόρθωση τους για τη λήψη άμεσων και ακριβείς μετρήσεις των αποστάσεων, γωνιών, θέσεων και περιοχών.&lt;br /&gt;
&lt;br /&gt;
'''5.2.Στρατηγική για την αξιολόγηση της ακρίβειας'''&lt;br /&gt;
&lt;br /&gt;
Τα μέτρα ποσοτικών επιπέδων pixel χρησιμοποιούνται για την αξιολόγηση της απόδοσης της μεθόδου που προτίθεται. Για τον καθορισμό των ποσοτικών μέτρων, οι δομικές σκιές είχαν οριοθετηθεί με το χέρι από ανθρώπινους παρατηρητές για τη δημιουργία αναφοράς ή αλήθεια εδάφους (GT) εικόνων. Εάν και το εγχειρίδιο και η υπό μέθοδος αξιολόγηση ανιχνεύσει ένα pixel ως μέρος μιας περιοχή σκιάς, τότε το εικονοστοιχείο συμβολίζεται ως μια πραγματική θετικό (ΤΡ). Εάν και ο εγχειρίδιο και το υπό μέθοδος αξιολόγησης ανιχνεύσει ένα εικονοστοιχείο ως μη σκιά το ένα, τότε το εικονοστοιχείο συμβολίζεται ως μια πραγματική αρνητικό (ΤΝ). Αν η μέθοδος βάσει αξιολόγησης παρουσιάζει εσφαλμένα ένα pixel ως σκιώδης ενώ το έδαφος ηλικία αλήθεια που παρουσιάζει ως μη-σκιά, τότε το pixel συμβολίζεται ως ψευδώς θετικό (FP). Τέλος, αν η μέθοδος υπό αξιολόγηση εντοπίζει λανθασμένα ένα pixel ως μη-σκιά, ενώ η εικόνα του εδάφους αλήθεια παρουσιάζει σαν μια σκιά, τότε το pixel συμ-βολίζεται ως ψευδώς αρνητικό (FN). &lt;br /&gt;
Η μετρική ακρίβεια δίνει το ποσοστό των αληθινών pixels που ανιχνεύονται έναντι των αληθώς θετικά pixels μαζί με τα λανθασμένα pixels ως σκιώδη pixels. Η μετρική ανάκληση, όπου ο παρονο-μαστής αντιπροσωπεύει το συνολικό αριθμό των πραγματικών pixels σκιά, είναι η ακρίβεια εντοπισμού κτίριο σκιάς και δείχνει το ποσοστό των pixels σκιάς που ανιχνεύεται σωστά από τον αλγόριθμο αξιολόγησης κάτω. &lt;br /&gt;
&lt;br /&gt;
'''5.3. Αποτελέσματα και συζήτηση'''&lt;br /&gt;
&lt;br /&gt;
Τα φίλτρα Gabor μπορούν να χρησιμοποιηθούν για να ενισχύσουν τις σκιές σε δορυφορικές εικόνες. Το σύστημα βελτιστοποίησης που χρησιμοποιείται για την εύρεση των καλύτερων που ταιριάζουν  σε παραμέτρους του φίλτρου Gabor με σκοπό την ενίσχυση σκιών και να μειώσει την ένταση ώστε να αποδειχθεί ότι είναι πολύ αποτελεσματική για να αναλύσει εικόνες. Τα αισθητά αποτελέσματα δείχνουν ότι οι σκιώδεις περιοχές στις δορυφορικές εικόνες τονίστηκαν αποτελεσματικά, χωρίς την απώλεια σημαντικών πληροφοριών. &lt;br /&gt;
Η προτεινόμενη μέθοδος για την κατασκευή εκτίμησης ύψη αξιολογείται από την επιλογή ενός αριθμού των κτιρίων σε περιοχές όπου είναι γνωστό πραγματικό ύψος τους. Οι τρεις διαφορετικοί τύποι κτιρίων με βάση τη λειτουργία. Το πραγματικό ύψος των κτιρίων έχει συγκριθεί και καθορίζεται από τον προτεινόμενο αλγόριθμο.&lt;br /&gt;
Η έλλειψη πληροφοριών σχετικά με το χρόνο της αποκτώμενης εικόνας κατεργάστηκε χρησι-μοποιώντας τον προσανατολισμό των σκιών όπως παρουσιάζονται στη μάσκα σκιάς για τον υπολογισμό της ηλιακής γωνίας ανύψωσης. Χρησιμοποιώντας προσανατολισμούς σκιάς κτιρίου υπολογίζεται άμεσα από τη μάσκα κατάτμησης κτίριου σκιάς για τον καθορισμό του αζιμούθιου του ήλιου και, στη συνέχεια, η ηλιακή γωνία ανύψωσης αναμένεται να οδηγήσει σε κάποιες ανακρίβειες. Όλα τα αποτελέσματα έδειξαν ότι το προτεινόμενο ενσωματωμένο σύστημα για τον αυτόματο υπολογισμό μήκος της σκιάς είναι αποτελεσματικό. Το σύστημα λειτουργεί καλά και στις περιπτώσεις εκείνες όπου τα μέρη του κτιρίου οι σκιές που καλύπτονται από τις αντίστοιχες κτίρια. Σε αυτές τις περιπτώσεις μια υποεκτίμηση του μήκους σκιάς αναμένεται. &lt;br /&gt;
&lt;br /&gt;
'''6. Συμπέρασμα'''&lt;br /&gt;
&lt;br /&gt;
Οι σκιές κτιρίων σε ένα οφθαλμό δορυφορικών εικόνων μπορούν να παρέχουν πολύτιμες πλη-ροφορίες σχετικά με την εμφανιζόμενη σκηνή τοπίου απαγόρευση. Ενεργά περιγράμματα μεθόδων κα-τάτμησης μπορούν να χρησιμοποιηθούν για την ανίχνευση αυτών των σκιών. Ωστόσο, η απόδοση των παραδοσιακών περιοχών βασίζονται σε μοντέλα ενεργού περιγράμματος και εξαρτάται από την ομοιο-γένεια της έντασης ή χαρακτηριστικό των περιοχών ενδιαφέροντος ιδιαίτερα. Χρησιμοποιώντας παρα-δοσιακά μοντέλα ενεργού περιγράμματος με την παρουσία της έντασης ετερογένειας και πολυπλοκό-τητας συχνά οδηγεί σε λανθασμένη κατάτμηση των σκιών όπως παρουσιάζονται σε δορυφορικές εικό-νες. Ένα φίλτρο είναι σε θέση να μειώσει την επίδραση της έντασης ετερογένεια και να τονίσει τις σκιές που έχουν σχεδιαστεί. Τέλος, θα πρέπει να σημειωθεί ότι το προτεινόμενο δραστικό μοντέλο πε-ριγράμματος μπορεί να τροποποιηθεί σε άλλες εφαρμογές και βελτιστοποιήσεις σε ανίχνευση άλλων αντικειμένω, όπως κτιριακές κατασκευές.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 [[category:Σκιές]]&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%A4%CF%85%CF%87%CE%B1%CE%AF%CE%BF_%CE%B4%CE%AC%CF%83%CE%BF%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%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:_%CE%9C%CE%B9%CE%B1_%CE%B1%CE%BD%CE%B1%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%B5%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%B5%CE%BB%CE%BB%CE%BF%CE%BD%CF%84%CE%B9%CE%BA%CE%AD%CF%82_%CE%BA%CE%B1%CF%84%CE%B5%CF%85%CE%B8%CF%8D%CE%BD%CF%83%CE%B5%CE%B9%CF%82</id>
		<title>Τυχαίο δάσος στην τηλεπισκόπηση: Μια ανασκόπηση των εφαρμογών και μελλοντικές κατευθύνσεις</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%A4%CF%85%CF%87%CE%B1%CE%AF%CE%BF_%CE%B4%CE%AC%CF%83%CE%BF%CF%82_%CF%83%CF%84%CE%B7%CE%BD_%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:_%CE%9C%CE%B9%CE%B1_%CE%B1%CE%BD%CE%B1%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CE%B5%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CF%8E%CE%BD_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%B5%CE%BB%CE%BB%CE%BF%CE%BD%CF%84%CE%B9%CE%BA%CE%AD%CF%82_%CE%BA%CE%B1%CF%84%CE%B5%CF%85%CE%B8%CF%8D%CE%BD%CF%83%CE%B5%CE%B9%CF%82"/>
				<updated>2017-02-14T09:33:00Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: Νέα σελίδα με '&amp;lt;h2&amp;gt;Random forest in remote sensing: A review of applications and future directions&amp;lt;/h2&amp;gt;  Mariana Belgiua, Lucian Drăguţb,  Department of Geoinformatics – Z_GIS, Salzb...'&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;h2&amp;gt;Random forest in remote sensing: A review of applications and future directions&amp;lt;/h2&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Mariana Belgiua, Lucian Drăguţb, &lt;br /&gt;
Department of Geoinformatics – Z_GIS, Salzburg University, Schillerstrasse 30, 5020 Salzburg, Austria&lt;br /&gt;
West University of Timisoara, Department of Geography, Vasile Parvan Avenue, 300223 Timisoara, Romania&lt;br /&gt;
Received 9 October 2015, Revised 11 December 2015, Accepted 20 January 2016, Available online 12 February 2016&lt;br /&gt;
&lt;br /&gt;
πηγή: [[http://www.sciencedirect.com/science/article/pii/S0924271616000265]]&lt;br /&gt;
&lt;br /&gt;
&amp;lt;h3&amp;gt;Μετάφραση και Περίληψη&amp;lt;/h3&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''1.  Εισαγωγή'''&lt;br /&gt;
&lt;br /&gt;
Η Τηλεπισκόπηση έχει αποδείξει την αξία της σε πολλούς τομείς, αλλά η επιτυχία οποιασδήποτε εικόνας ταξινόμησης εξαρτάται από διάφορους παράγοντες, συμπεριλαμβανομένης της επιλογής της κατάλληλης διαδικασίας ταξινόμησης.  Ταξινομητές επόπτες χρησιμοποιούνται ευρέως, δεδομένου ότι είναι οι πιο ισχυροί για να προσεγγίσουν ένα μοντέλο. Αυτοί οι ταξινομητές είναι σε θέση να μάθουν τα χαρακτηριστικά των κατηγοριών του στόχου από  δοκιμαστικά δείγματα και να εντοπίσουν αυτά τα γνωστά χαρακτηριστικά των ταξινόμητων δεδομένων. Η χρήση του ταξινομητή RF έχει λάβει αυξημένη προσοχή λόγω των εξαιρετικών αποτελεσμάτων κατάταξης που λαμβάνονται και την ταχύτητα της επεξεργασίας τους. Ο ταξινομητής RF παράγει αξιόπιστες ταξινομήσεις. Επιπλέον, αυτός ο ταξινομητής μπορεί να χρησιμοποιηθεί επιτυχώς για να επιλέξετε και να ταξινομήσετε αυτές τις μεταβλητές με τη μεγαλύτερη ικανότητα να διακρίνονται ανάμεσα στους στόχους. Αυτό είναι ένα σημαντικό πλεονέκτημα, δεδομένου ότι η μεγάλη διάσταση των τηλεπισκοπικών δεδομένων καθιστά την επιλογή των πιο σχετικών μεταβλητών μια χρονοβόρα, επιρρεπή σε λάθη και υποκειμενική εργασία .&lt;br /&gt;
&lt;br /&gt;
'''2. Συνολικοί ταξινομητές στην τηλεπισκόπηση'''&lt;br /&gt;
&lt;br /&gt;
Οι ταξινομητές παραμετρικής εποπτείας, όπως Μέγιστη Πιθανότητα Ταξινόμηση (MLC) παρέχουν εξαιρετικά αποτελέσματα όταν ασχολούνται με μονοτροπικά δεδομένα. Ωστόσο, είναι περιορισμένα όταν ασχολούνται με πολυτροπικά σύνολα δεδομένων εισόδου, επειδή αυτοί οι ταξινομητές αναλαμβάνουν μια κανονική κατανομή δεδομένων. Μη-παραμετρικοι ταξινομητές επόπτες όπως οι Classification and Regression Tree (CART), Support Vector Machine (SVM) and Artificial Neural Network (ANN) ταξινομητές δεν φτιάχνουν τις παραδοχές σχετικά με την κατανομή συχνότητας και, ως εκ τούτου γίνονται όλο και πιο δημοφιλείς για την ταξινόμηση τηλεπισκοπικών δεδομένων, τα οποία σπάνια έχουν κανονικές κατανομές. Επειδή η φύση και τα αίτια της χωρικής διακύμανσης σε εικόνες, δεν είναι κατανοητά, η ανάλυση περιορίστηκε στην εμπειρική σχέση μεταξύ του φαινομένου της επιφάνειας και τα μοτίβα στις εικόνες, με την σιωπηρή παραδοχή ότι η πραγματικότητα έχει μια σταθερή φασματική απόκριση σε εικόνες. Αυτή η υπόθεση συχνά παραβιάζεται, ωστόσο, ως συνέπεια της πολύπλοκης αλληλεπίδρασης μεταξύ των διαφόρων παραγόντων όπως οι πολύπλοκες σκηνές, η κλίμακα και η ομαδοποίηση. Οι συνολικοί ταξινομητές μπορούν να βασίζονται σε ατομικό ταξινομητής - επόπτη ή σε έναν αριθμό διαφορετικών ταξινομητών - επόπτων που εκπαιδεύονται χρησιμοποιώντας ενσάκιση ή την ενίσχυση προσεγγίσεων ή παραλλαγές αυτών των προσεγγίσεων.&lt;br /&gt;
&lt;br /&gt;
'''2.1.  Ταξινομητής RF'''&lt;br /&gt;
&lt;br /&gt;
Ο ταξινομητής RF είναι ένα σύνολο ταξινομητών που χρησιμοποιούν μια σειρά από Classification and Regression Tree (CART) για να κάνει μια πρόβλεψη. Τα δέντρα που δημιουργούνται από την κατάρτιση ενός υποσυνόλου δοκιμαστικών δειγμάτων μέσω της αντικατάστασης (προσέγγιση ενσακκίσεως). Αυτό σημαίνει ότι το ίδιο δείγμα μπορεί να επιλεγεί αρκετές φορές, ενώ άλλοι δεν μπορούν. Δύο παράμετροι πρέπει να ρυθμιστούν ώστε να παραχθούν τα δέντρα στο δάσος: ο αριθμός των δέντρων απόφασης που πρόκειται να παραχθούν (Ntree) και ο αριθμός των μεταβλητών που πρέπει να επιλέγονται και να ελέγχονται για την καλύτερη διάσπαση, όταν αυξάνονται τα δέντρα (Mtry) . Θεωρητική και εμπειρική έρευνα κατέδειξε ότι η ακρίβεια ταξινόμησης επηρεάζει λιγότερο το Ntree από την παράμετρο Mtry. Η πλειοψηφία των μελετών που αναφέρονται στο παρόν άρθρο χρησιμοποίούν το MDA για τον προσδιορισμό του VI. &lt;br /&gt;
&lt;br /&gt;
'''3. Τυχαίες εξελίξεις των δασών (RF) στην τηλεπισκόπηση'''&lt;br /&gt;
&lt;br /&gt;
'''3.1. Χρήση RF για να συλλεχθούν πληροφορίες από πολυφασματική, ραντάρ, LiDAR και θερμική εικόνα τηλεπισκόπησης'''&lt;br /&gt;
&lt;br /&gt;
Ο ταξινομητής RF έχει χρησιμοποιηθεί με επιτυχία για τη χαρτογράφηση LC  και αστικών κτιρίων , για την ταξινόμηση των εντόμων σε επίπεδο αποφύλλωσης χρησιμοποιούν τη ακριανή κόκκινη ζώνη μιας εικόνας RapidEye για να χαρτογραφήσει δασικούς οικότοπους χρησιμοποιώντας WorldView-2 εικόνες , για τη χαρτογράφηση της βιομάζας με τη χρήση Landsat διαχρονικών δεδομένων, για την ταξινόμηση των αστικών αδιαπέραστων επιφανειών από μίας ημέρας δεδομένα MODIS, για τον προσδιορισμό της υγείας ενός δέντρου χρησιμοποιούμε  IKONOS δεδομένα και να χαρτογραφήσει δέντρο κάλυψης και χρήση βιομάζας με μονοχρονικές και πολυχρονικές Landsat 8 εικόνες. Ο ταξινομητής RF έχει επίσης χρησιμοποιηθεί με επιτυχία για τη χαρτογράφηση πετρελαιοκηλίδων από SAR δεδομένα και για τις LC ταξινομήσεις τόσο από πολυχρονικά SAR δεδομένα και PolSAR δεδομένα.&lt;br /&gt;
  &lt;br /&gt;
'''3.2. Εφαρμογή του ταξινομητής RF σε υπερφασματικές εικόνες'''&lt;br /&gt;
&lt;br /&gt;
Η ταξινόμηση των υπερφασματικών δεδομένων αμφισβητείται των υψηλών διαστάσεών της. Το πρόβλημα αυτό ενισχύεται από το σχετικά μικρό ποσό των δεδομένων που είναι διαθέσιμα και οδηγεί σε αύξηση του αριθμού των εσφαλμένων ταξινομήσεων. Ως εκ τούτου, υπερφασματικοί εφαρμογών τηλεπισκόπησης απαιτούν λύσεις που είναι σε θέση να καταργήσουν τις περιττές και θορυβώδης ζώνες συχνοτήτων. Ο ταξινομητής RF έχει δοκιμαστεί ως χαρακτηριστική τεχνική στο χώρο βελτιστοποίησης με ικανοποιητικά αποτελέσματα σε πολλές εφαρμογές, όπως η χαρτογράφηση ειδών δέντρων, LC, χωροκατακτητικά φυτών, πεύκα που χτυπήθηκαν από κεραυνό, είδη χόρτου και άλλα.&lt;br /&gt;
&lt;br /&gt;
'''3.3. Δεδομένα ταξινομητής RF και δεδομένα multi-source τηλεπισκόπησης'''&lt;br /&gt;
&lt;br /&gt;
Η τηλεπισκόπησης δεδομένων από μόνη της δεν είναι πάντα επαρκής για την ταξινόμηση των αντικειμένων-στόχων. Μια σειρά από μελέτες έχουν ως εκ τούτου αξιολογήσει το αντίκτυπο της χρήσης είτε εικόνες που αποκτώνται από διαφορετικούς αισθητήρε;, ή τηλεπισκοπικά δεδομένα σε συνδυασμό με βοηθητικά γεωγραφικά δεδομένα, όπως πληροφορίες που προέρχονται από τα ψηφιακά δεδομένα ανύψωσης ή του εδάφους στην ταξινόμηση ακρίβειας. Λαμβάνοντας υπόψη την ποικιλομορφία των συνολικών δεδομένων εισόδου που θα μπορούσαν να χρησιμοποιηθούν για τη βελτίωση της κατάταξης, είναι σημαντικό να περιλαμβάνονται μόνο τα πιο σχετικά συνολικά δεδομένα, προκειμένου να μειωθεί η υπολογιστική επιβάρυνση χωρίς να θυσιάζεται η ακρίβεια των αποτελεσμάτων. Σε αυτό το πλαίσιο, ο ταξινομητής RF έχει χρησιμοποιηθεί για να αξιολογήσει τη συμβολή κάθε πηγής δεδομένων με τα αποτελέσματα της κατάταξης. Οι έρευνες που περιγράφονται ανωτέρω βγήκαν τα συμπεράσματα ότι ο ταξινομητής RF μπορεί να χρησιμοποιηθεί με επιτυχία για την ταξινόμηση multisource τηλεπισκόπησης και γεωγραφικών δεδομένων, κυρίως λόγω της υπολογιστικής ταχύτητάς του  και επειδή βοηθά στη βελτιστοποίηση του μοντέλου ταξινόμησης&lt;br /&gt;
&lt;br /&gt;
''' 4. Ευαισθησία του ταξινομητή RF σε δείγματα εκπαίδευσης και τα δεδομένα των διαστάσεων'''&lt;br /&gt;
&lt;br /&gt;
Τα δείγματα που χρησιμοποιούνται για την εκπαίδευση των ταξινομητών εποπτείας πρέπει να πληρούν ορισμένες προϋποθέσεις: (1) τα στοιχεία κατάρτισης και επικύρωσης πρέπει να είναι στατιστικώς ανεξάρτητα, (2) δείγματα κατάρτισης πρέπει να είναι σε ισορροπημένη κατηγορία, (3) δείγματα κατάρτισης πρέπει να είναι αντιπροσωπευτικές των κατηγοριών στόχου, και (4) το δείγμα κατάρτισης πρέπει να είναι αρκετά μεγάλο για να φιλοξενήσει τον αυξανόμενο αριθμό των διαστάσεων των δεδομένων. Κατά τη διερεύνηση των δασών ταξινόμησης, από τα δεδομένα Landsat,  η κατάταξη RF ήταν σχετικά ανεπηρέαστη από τα λανθασμένα δεδομένα εκπαίδευσης και τα δεδομένα ισορροπημένης εκπαίδευσης μπορούν να εισαχθούν για να μειώθούν τα λάθη σε αυτές τις τάξεις που θέτουν τις μεγαλύτερες προκλήσεις για τις ταξινομήσεις.  Έτσι, τα αποτελέσματα των ερευνών σχετικά με τις επιπτώσεις του σχεδίου δειγματοληψίας σε RF αποτελέσματα ταξινόμησης φαίνεται να είναι αντιφατικά και μια ανάλυση της ευαισθησίας του ταξινομητή RF σε δείγματα εκπαίδευσης εκ τούτου, συνιστάται όταν χρησιμοποιείται ο ταξινομητής για την ταξινόμηση των δεδομένων τηλεπισκόπησης. &lt;br /&gt;
&lt;br /&gt;
'''5. Συγκρίνοντας τον τυχαίο ταξινομητή δάσους με άλλους ταξινομητές μηχανικής μάθησης'''&lt;br /&gt;
&lt;br /&gt;
Ένας αριθμός ερευνών έχει διερευνήσει τις διαφορές μεταξύ του ταξινομητή RF και άλλων σύγχρονων ταξινομητών μηχανικής μάθησης όσον αφορά την ακρίβεια των αποτελεσμάτων της κατάταξης, τη στιγμή της κατάρτισης που απαιτείται, και τη σταθερότητα των  ταξινομητών αν τα δείγματα εκπαίδευσης ή οι περιοχές μελέτης αλλάξουν. Ο ταξινομητής RF βρέθηκε να έχει υψηλές επιδόσεις δέντρων ταξινόμησης, Binary Hierarchical Classifier (BHC), Linear Discriminant Analysis (LDA), και ταξινομητές ANN, όσον αφορά την ακρίβεια ταξινόμησης. Τα πλεονεκτήματα του ταξινομητή RF πάνω SVM ταξινομητές, αντικειμενοστραφείς μέθοδοι, και MLC. Οι RF και SVM ταξινομητές είναι εξίσου αξιόπιστοι, με τα αποτελέσματα ταξινομητή RF είναι ελαφρώς καλύτεροι για υψηλών δεδομένων εισόδου διαστάσεων, όπως υπερφασματικές εικόνες. Η SVM κατάταξη αποδίδει καλύτερα από ό, τι κατάταξη RF σε Object Based Image Analysis (OBIA). Η SVM ταξινόμηση φαίνεται, ωστόσο, για να είναι πιο ευαίσθητα στην επιλογή χαρακτηριστικών. Και είναι λιγότερο φιλικά προς τον χρήστη, λόγω του αριθμού των κρίσιμων παραμέτρων που πρέπει να ρυθμιστούν. Δημοσιεύθηκαν συγκρίσεις μεταξύ του ταξινομητή RF και άλλων ταξινομητών όπως AdaBoost έχουν αναφερθεί διαφορετικά αποτελέσματα. Οι RF και AdaBoost ταξινομητές και οι δύο έδωσαν παρόμοια αποτελέσματα κατάταξης, αλλά ο αλγόριθμος RF ήταν ταχύτερος για να εκπαιδεύσει. Συγκρίθηκαν τέσσερις βασικές μέθοδοι ταξινόμησης συνόλου (το δέντρο ενσάκισης, RF, AdaBoost δέντρο, και AdaBoost μεθόδους τυχαίων δέντρων) σε έρευνες που συγκεντρώθηκαν για την ταξινόμηση των οικολογικών ζωνών χρησιμοποιώντας TM / ETM + εικόνες. CART επιλέχθηκε ως ο ατομικός ταξινομητής για καθεμία από αυτές τις προσεγγίσεις συνόλου. Η RF και Ada- Boost μέθοδος τυχαίων δέντρων επιτεύχθηκαν παρόμοιες ακρίβειες στο δέντρο ενσάκισης και AdaBoost προσεγγίσεις δέντρων, αλλά με μεγαλύτερη αποτελεσματικότητα (δηλαδή μειωμένο φορτίο υπολογισμού). Τα αποτελέσματα αυτών των ερευνών έδειξαν επίσης ότι το δέντρο AdaBoost και AdaBoost μεθόδους τυχαίων δέντρων απέδωσαν καλύτερα αποτελέσματα ταξινόμησης από το δέντρο ενσάκισης και τις RF μεθόδους. Η μέθοδος RF ξεπέρασε την τόνωση μεθόδων συνόλων δέντρων απόφασης.&lt;br /&gt;
&lt;br /&gt;
'''6. Μελλοντικές κατευθύνσεις'''&lt;br /&gt;
&lt;br /&gt;
'''6.1. Σταθερότητα του ταξινομητή RF'''&lt;br /&gt;
&lt;br /&gt;
Η σταθερότητα του ταξινομητή RF είναι ένα σημαντικό κριτήριο για την ένταξή της σε επιχειρησιακές ρυθμίσεις. Προηγούμενες μελέτες έχουν αναφέρει ότι η συνολική ακρίβεια ταξινόμησης του ταξινομητή RF μειώνεται όταν ο αλγόριθμος έχει εκπαιδευτεί σε διαφορετικές περιοχές μελέτης. Εξετάστηκε η δυνατότητα μεταφοράς των μοντέλων ταξινόμησης RF που δημιουργούνται για να χαρτογραφήσει τη βλάστηση από αεροφωτογραφίες και Ψηφιακά Μοντέλα Εδάφους (DEMs), καταλήγοντας στο συμπέρασμα ότι το μοντέλο ταξινόμησης δεν ήταν να μεταφερθούν σε νέους τομείς. Η ανάπτυξη υβριδικών μεθοδολογιών ταξινόμησης που ενσωματώνουν τον ταξινομητής RF με σαφώς καθορισμένα μοντέλα που μεταφέρουν τη σημασιολογία των αντικειμένων, και η αξιοποίηση των φασματικών δεικτών (τα οποία έχουν αποδειχθεί ότι είναι πιο σταθερά όταν εφαρμόζονται σε νέες περιοχές μελέτης) θα μπορούσε να παράσχει μία λύση στο προαναφερθέν πρόβλημα.&lt;br /&gt;
&lt;br /&gt;
'''6.2. Μεταβλητή σημασία και την ευρωστία'''&lt;br /&gt;
&lt;br /&gt;
Ο καθορισμός χαρακτηριστικού βελτιστοποιημένου χώρου είναι ένα σημαντικό βήμα προς την ανάπτυξη συνεκτικών και λειτουργικών συστημάτων ταξινόμησης μπορεί επίσης να βοηθήσει στο σχεδιασμό μελλοντικών εφαρμογή προσανατολισμένων αισθητήρων. Απαιτούνται περαιτέρω έρευνες για να αξιολογηθεί η ευρωστία του χαρακτηριστικού χώρου που δημιουργήθηκε με τη χρήση του φίλτρου ή ενσωματωμένες μεθόδους επιλογής χαρακτηριστικών. Ένας αριθμός δεικτών ευρωστίας έχει προταθεί στη δημοσιευμένη βιβλιογραφία μπορεί να χρησιμοποιηθεί για την αξιολόγηση της σταθερότητας των επιλεγμένων χαρακτηριστικών. Υπήρξαν πολλές πολύτιμες έρευνες για την προβλεπτική ισχύ μιας ποικιλίας των μεταβλητών σε διαφορετικά σενάρια κατάταξης, αλλά τα αποτελέσματα είναι μάλλον απίθανο να ωφελήσουν την κοινότητα τηλεπισκόπησης, διότι οι μεταβλητές που προσδιορίζονται δεν είναι συστηματικά οργανωμένα σε απευθείας σύνδεση χαρακτηριστικών καταλόγων που μπορούν εύκολα να επαναχρησιμοποιηθούν από όσους ενδιαφέρονται για παρόμοιες έρευνες.&lt;br /&gt;
Οι αναφερόμενες έρευνες ταξινομήσεις RF έχουν επικεντρωθεί κυρίως στην ανά-pixel ταξινομήσεις, με την έρευνα για τη σύζευξη OBIA με ταξινόμηση RF είναι σχετικά χαμηλή εκπροσώπηση. Ο αυξανόμενος αριθμός των μεταβλητών υπολογίζεται για τα αντικείμενα της εικόνας που δημιουργούνται μέσω κατάτμησης που κάνει την OBIA κατάταξη μια πολύ υποκειμενική και χρονοβόρα εργασία. Η OBIA θα μπορούσε να επωφεληθεί από τη χρήση της μέτρησης VI να βελτιστοποιήσει τη λειτουργία του χώρου. &lt;br /&gt;
&lt;br /&gt;
'''6.3. Αξιολόγηση της ταξινόμησης ακριβείας'''&lt;br /&gt;
&lt;br /&gt;
Η αξιολόγηση της ταξινόμησης ακριβείας περιλαμβάνει επιπλέον προσπάθεια και χρόνο για να συλλεχθεί δείγματα επικύρωσης. Το σφάλμα OOB στη μέθοδο RF θα μπορούσε να χρησιμοποιηθεί ως ένα αξιόπιστο μέτρο της ταξινόμησης ακριβείας. Ο ισχυρισμός αυτός πρέπει να ελεγχθεί περαιτέρω χρησιμοποιώντας μια ποικιλία από σύνολα δεδομένων σε διαφορετικά σενάρια εφαρμογής.&lt;br /&gt;
&lt;br /&gt;
'''6.4. Προσδιορισμός των ακραίων τιμών στα δείγματα εκπαίδευσης'''&lt;br /&gt;
&lt;br /&gt;
Το δείγμα της μέτρησης εγγύτητας που είναι διαθέσιμο με τον αλγόριθμο RF προσδιορίζει ακραίες τιμές στα δείγματα εκπαίδευσης. Η εγγύτητα μεταξύ δύο δειγμάτων μετράται με την αναλογία του αριθμού των δένδρων που διατηρούνται στον ίδιο τερματικό κόμβο προς το συνολικό αριθμό των δένδρων που παράγονται στο σύνολο. Η χρήση της μέτρησης εγγύτητας επιτρέπει την ταυτοποίηση των μεταβλητών πρωτοτύπων, δηλαδή μεταβλητές που είναι αντιπροσωπευτικές μιας ομάδας δειγμάτων. Υπάρχει ανάγκη για περαιτέρω έρευνες σχετικά με τη χρήση των μετρήσεων της εγγύτητας και η δυνατότητα συνδυασμού τους με άλλα κύρια εποπτεύεται ταξινομητές όπως το SVM ταξινομητές ή ANN.&lt;br /&gt;
&lt;br /&gt;
'''6.5. Ευρωστία της μεταβλητής σημασίας (VI) είναι ενσωματωμένες στο τυχαίο ταξινομητή δάσους'''&lt;br /&gt;
&lt;br /&gt;
Πρόσθετες ερωτήσεις που απαιτούν μελλοντική έρευνα αφορούν την ευρωστία της επιλογής χαρακτηριστικών (και το προκύπτον μοντέλο ταξινόμησης RF), όταν ο αριθμός των δειγμάτων εκπαίδευσης είτε αυξάνεται ή μειώνεται ή όταν ο θόρυβος προστίθεται στα χαρακτηριστικά, τη σταθερότητα του VI μέτρου με επαναληπτική ταξινομήσεις, και η ευαισθησία της παραμέτρου Ntree στο χώρο των χαρακτηριστικών (δηλαδή με τον αριθμό των μεταβλητών). Η συσχέτιση μεταξύ των δένδρων (το οποίο είναι ανάλογο με το σφάλμα ταξινόμησης) αυξάνει καθώς ο αριθμός των μεταβλητών για το διαχωρισμό των κόμβων δέντρων αυξάνεται.&lt;br /&gt;
&lt;br /&gt;
'''6.6. Καινοτόμες προσεγγίσεις για τη βελτίωση της τυχαίας δάσος ταξινομητή'''&lt;br /&gt;
&lt;br /&gt;
Ένας αριθμός διαφορετικών προσεγγίσεων έχουν προταθεί για τη βελτίωση του ταξινομητή RF. Ερευνήθηκε η κατάταξη RF χρησιμοποιώντας πλάγια μοντέλα δέντρων ως εκπαιδευόμενη βάση και όχι ορθογώνιο μοντέλο δέντρων. Η κατάταξη περιστροφή RF ως ένας νέος τρόπος για την αύξηση της διαφορετικότητας του κάθε δέντρου στην κατάταξη RF από τη συνένωση διαφορετικών χώρων περιστροφή σε ένα μεγαλύτερο χώρο στον κόμβο της ρίζας κατά τη φάση της κατάρτισης. Οι ταξινομητές RF και περιστροφή RF για την ταξινόμηση των δεδομένων Pol- SAR χρησιμοποιώντας τόσο πολωσιμετρικής και χωρικά χαρακτηριστικά (μετρήσεις υφή και μορφολογικών χαρακτηριστικών) και σύγκριση με τα αποτελέσματα της κατάταξης με εκείνα που λαμβάνονται με τη χρήση ταξινόμησης SVM. Η ταξινόμηση περιστροφή RF χωρίζει τις μεταβλητές σε υποσύνολα και ισχύει PCA σε κάθε υποσύνολο των μεταβλητών, προκειμένου να ανακατασκευάσει ένα πλήρη χαρακτηριστικό χώρο για τα δέντρα στο σύνολο ταξινομητών. Οι συγγραφείς κατέληξαν στο συμπέρασμα ότι ο χαρακτηρισμός εκ περιτροπής RF ξεπέρασε RF και SVM ταξινομήσεις, αλλά με το κόστος των αυξημένων υπολογιστικών απαιτήσεων. Κατά την εφαρμογή κατάταξη RF από μόνη της είναι οι κατηγορίες των τόκων που ταξινομούνται χωρίς να λαμβάνεται υπόψη τυχόν συναφείς πληροφορίες (όπως τοπολογία), το οποίο μπορεί να έχει ιδιαίτερη σημασία κατά την ταξινόμηση αντικειμένων σε σύνθετα περιβάλλοντα. Για την αντιμετώπιση αυτού του προβλήματος, ολοκλήρωσαν ένα ταξινομητή RF σε ένα Conditional Random Field (CRF) πλαίσιο για την αστική αντικείμενα. Αυτή η μέθοδος απέδωσε ενθαρρυντικά αποτελέσματα και ως εκ τούτου δικαιολογεί περαιτέρω έρευνα, ειδικά σε σενάρια όπου θα πρέπει να προσδιορίζονται τα αντικείμενα με υψηλή ενδομεταβλητότητα.&lt;br /&gt;
&lt;br /&gt;
'''7. Περίληψη'''&lt;br /&gt;
&lt;br /&gt;
Ο ταξινομητής RF είναι λιγότερο ευαίσθητος από άλλους ταξινομητές Streamline μηχανής μάθησης, στην ποιότητα των δειγμάτων κατάρτισης, λόγω του μεγάλου αριθμού των δένδρων απόφασης που παράγονται από την τυχαία επιλογή ενός υποσυνόλου δειγμάτων εκπαίδευσης και ένα υποσύνολο των μεταβλητών για το διαχωρισμό σε κάθε κόμβο του δένδρου. Ο ταξινομητής RF έχει αποδειχθεί ότι είναι κατάλληλος για την ταξινόμηση υπερφασματικών δεδομένων, όπου η κατάρα των διαστάσεων και ο υψηλός βαθμός συσχέτισης των δεδομένων θέτουν μεγάλες προκλήσεις σε άλλες διαθέσιμες μεθόδους ταξινόμησης. Πρόσθετες εσωτερικές μετρήσεις που παρέχονται από τον παρόν ταξινομητή (όπως το VI) έχουν επίσης χρησιμοποιηθεί εκτεταμένα για να επιλεχθούν οι βέλτιστες μεταβλητές υπολογίζοντας μόνο ένα αισθητήρα, από πολλούς διαφορετικούς αισθητήρες, ή από ένα συνδυασμό της τηλεπισκόπησης και των γεωγραφικών δεδομένων. Μια σειρά από συγγραφείς έχουν αναφερθεί με τη χρήση της μέτρησης VI για τον εντοπισμό των πλέον κατάλληλων εποχών για τον εντοπισμό επιθυμητών τάξεων. Ένας μεγάλος αριθμός ερευνών που επανεξετάζονται εδώ έχουν εξετάσει την ευαισθησία του ταξινομητή RF στις δύο παραμέτρους που πρέπει να ρυθμιστούν. Παρά το γεγονός ότι η κατάταξη RF είναι ανθεκτική στα υψηλής διαστάσεως δεδομένα, πολλοί συγγραφείς έχουν συστήσει μια επαναληπτική διαδικασία αποβολής χαρακτηριστικών για να μειωθεί ο αριθμός των λιγότερο σχετικών μεταβλητών μέχρις ότου η εσωτερική ακρίβεια (υπολογίζεται βάσει του σφάλματος OOB) δεν είναι πλέον ποικίλλα. Χρησιμοποιώντας αυτή την προσέγγιση αυξάνει σημαντικά την ακρίβεια ταξινόμησης. Η ευαισθησία της ταξινόμησης RF για το σχεδιασμό της δειγματοληψίας πρέπει να ληφθεί υπόψη προκειμένου να μειωθεί εσφαλμένη ταξινόμηση.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 [[category:Mixed forests created by alternation of stands of trees with discontinuous canopy, not on mire]]&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BA%CF%84%CE%AF%CE%BC%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%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%B4%CE%AD%CE%BD%CF%84%CF%81%CF%89%CE%BD_%CE%BC%CE%B5_%CF%84%CF%85%CF%87%CE%B1%CE%AF%CE%BF_%CF%83%CE%B7%CE%BC%CE%B5%CE%AF%CE%BF_%CE%B4%CE%B5%CE%B9%CE%B3%CE%BC%CE%B1%CF%84%CE%BF%CE%BB%CE%B7%CF%88%CE%AF%CE%B1%CF%82_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CF%89%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82</id>
		<title>Εκτίμηση της αστικής κάλυψης δέντρων με τυχαίο σημείο δειγματοληψίας και μεθόδων τηλεπισκόπησης</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BA%CF%84%CE%AF%CE%BC%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%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7%CF%82_%CE%B4%CE%AD%CE%BD%CF%84%CF%81%CF%89%CE%BD_%CE%BC%CE%B5_%CF%84%CF%85%CF%87%CE%B1%CE%AF%CE%BF_%CF%83%CE%B7%CE%BC%CE%B5%CE%AF%CE%BF_%CE%B4%CE%B5%CE%B9%CE%B3%CE%BC%CE%B1%CF%84%CE%BF%CE%BB%CE%B7%CF%88%CE%AF%CE%B1%CF%82_%CE%BA%CE%B1%CE%B9_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CF%89%CE%BD_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82"/>
				<updated>2017-02-14T09:22:39Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: Νέα σελίδα με '&amp;lt;h2&amp;gt;Estimation of urban tree canopy cover using random point sampling and remote sensing methods&amp;lt;/h2&amp;gt;  Ebadat G. Parmehra, Marco Amatia, Elizabeth J. Taylor, Stephen J. Li...'&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;h2&amp;gt;Estimation of urban tree canopy cover using random point sampling and remote sensing methods&amp;lt;/h2&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Ebadat G. Parmehra, Marco Amatia, Elizabeth J. Taylor, Stephen J. Livesley&lt;br /&gt;
Centre for Urban Research, School of Global, Urban and Social Studies RMIT University, Australia&lt;br /&gt;
School of Ecosystem and Forest Sciences, Faculty of Science, Burnley Campus, The University of Melbourne, Australia&lt;br /&gt;
Received 23 April 2016, Revised 23 August 2016, Accepted 26 August 2016, Available online 6 September 2016&lt;br /&gt;
&lt;br /&gt;
πηγή: [[http://www.sciencedirect.com/science/article/pii/S1618866716301558]]&lt;br /&gt;
&lt;br /&gt;
&amp;lt;h3&amp;gt;Μετάφραση και Περίληψη&amp;lt;/h3&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''1. Εισαγωγή'''&lt;br /&gt;
&lt;br /&gt;
To Nursery Gardens Industry της Αυστραλίας έχει ένα φιλόδοξο στόχο για «πρασίνισμα» των αστικών περιοχών της Αυστραλίας που θα αντηχήσει με τις πόλεις διεθνώς. Το «202020 όραμα» τους είναι να δημιουργήσει 20% περισσότερες πράσινους χώρους σε αστικές περιοχές. Ως μέρος αυτής της διαδικασίας ανετέθηκε σε πάγκο σήμανσης μελέτης για να εκτιμηθεί η ποσότητα των urban tree canopy cover (UTC). Η συγκριτική μελέτη αξιολόγησης χρησιμοποιεί μια απλή μέθοδο της τυχαίας δειγματοληψίας και διαπίστωσε μια σημαντική μεταβολή στο ποσοστό των συγκόμωση σε 139 τοπικές κυβερνήσεις της Αυστραλίας σε αστικά και ημιαστικά περιβάλλοντα, γεγονός που αντικατοπτρίζει μια παρόμοια μεγάλη ποικιλία σε περιβαλλοντικές και ιστορικές συνθήκες. Ως μέθοδοι για την εκτίμηση UTC εξελίσσονται, αξιολογούνται οι επιδόσεις και η καταλληλότητα των διαφόρων διαθέσιμων μεθόδων. &lt;br /&gt;
Τυχαία μέθοδοι σε σημείο δειγματοληψίας, όπως το i-Tree canopy η UTC εκτίμηση βασίζεται σε περιορισμένο αριθμό σημείων ή οικόπεδα, ενώ οι μέθοδοι τηλεπισκόπησης με μέτρο UTC χρησιμοποιεί τηλεπισκοπικά δεδομένα. Όλο και περισσότερο διαθέσιμο ανίχνευσης αερομεταφερόμενων και σκόπευσης (LIDAR) και πολυ-φασματικά δεδομένα αεροφωτογραφιών μπορούν να ενσωματωθούν να προσδιορίσει σωστά με UTC πάνω από μια μεγάλη περιοχή, ενώ παρέχει πληροφορίες 3D. Σε αυτό το έγγραφο, &amp;quot;i-Tree canopy&amp;quot; ως μέθοδος δειγματοληψίας σε τυχαίο σημείο και &amp;quot;fused LiDAR and multi-spectral image&amp;quot; ως μεθόδος τηλεπισκόπισης περιγράφονται. Η περιοχή μελέτης καλύπτει Williams town ένα προάστιο μέσα δυτικά της Μελβούρνης, στην Αυστραλία. &lt;br /&gt;
&lt;br /&gt;
'''2. Μέθοδοι για την εκτίμηση των δέντρων συγκόμωσης'''&lt;br /&gt;
&lt;br /&gt;
'''2.1. Τυχαία σημείο δειγματοληψίας'''&lt;br /&gt;
&lt;br /&gt;
Η τυχαία μέθοδος δειγματοληψίας σε σημείο που χρησιμοποιείται στην παρούσα μελέτη για την εκτίμηση UTC ονομάζεται &amp;quot;i-Tree canopy&amp;quot;, η οποία αναπτύχθηκε από την Δασική Υπηρεσία USDA. Η μέθοδος αυτή βασίζεται σε μια σειρά από μεθόδους που χρησιμοποιούνται από τις πόλεις για τη συλλογική απογραφή αστικού δάσους από το 1970. Έχει χρησιμοποιηθεί διεθνώς λόγω της απλότητάς του σε απαιτήσεις χρήσης και δεδομένων. Τα σημεία σε τυχαία δείγματα είναι χειροκίνητα κατηγοριοποιούνται ως «δέντρο» και «μη-δέντρο» για την εκτίμηση της UTC μιας προκαθορισμένης περιοχής. Χρησιμοποιεί απευθείας και άμεσα διαθέσιμες αεροφωτογραφίες και δορυφορικές εικόνες μέσω των Χαρτών Google για τον εντοπισμό κάλυψης γης από τα τυχαία σημεία. Η ακρίβεια των UTC υπολογίζεται από το i-Tree canopy και εξαρτάται από την ικανότητα του χειριστή να ερμηνεύσει σωστά τις αεροφωτογραφίες ή δορυφορικές εικόνες και να ανιχνεύσει την παρουσία ή την απουσία UTC σε κάθε σημείο δειγματοληψίας. Η ακρίβεια της αναγνώρισης UTC μειώνεται όταν η ποιότητα της εικόνας είναι κακή λόγω της χαμηλής ανάλυσης της εικόνας ή σκιές. Επιπλέον, τα δέντρα μπορεί να συγχέονται με θάμνους, ή ακόμη και ψηλό χορτάρι, το οποίο μπορεί να οδηγήσει σε υπερεκτίμηση των τυχαίων σημείων του δείγματος. Η ακρίβεια των UTC εκτιμάται από i-Tree canopy και εξαρτάται από τον αριθμό των τυχαίων σημείων δειγματοληψίας. Ο μεγαλύτερος αριθμός των σημείων δειγματοληψίας οδηγεί σε μεγαλύτερη ακρίβεια στην εκτίμηση UTC. Ωστόσο, η κατηγοριοποίηση των πιο τυχαίων σημείων του δείγματος αυξάνει το χρόνο και ως εκ τούτου το κόστος της συλλογής δεδομένων. Παρά το γεγονός ότι κατευθυντήριες γραμμές χρήσης i-Tree canopy προτείνουν τη χρήση 500-1000 μονάδες του δείγματος, ο πραγματικός αριθμός των σημείων δειγματοληψίας εξαρτάται από την ακρίβεια που απαιτείται κατά την εκτίμηση της UTC. Η ακρίβεια μπορεί να μετρηθεί με το τυπικό σφάλμα (SE) των εκτιμώμενων UTC. Η SE χρησιμοποιείται ως ένας τρόπος εκτίμησης της αβεβαιότητας της UTC σε i-Tree canopy και μειώνεται εάν ο αριθμός των τυχαίων σημείων δείγματος αυξάνει. Εκτίμηση της UTC χρησιμοποιώντας i-Tree canopy 1000 τυχαία σημεία του δείγματος με δύο τάξεις του «δέντρου» και «μη-δέντρο» διεξήχθη για δύο περιοχές με UTC 3,5% και 30,5% που δείχνει το εύρος των τιμών UTC στη μελέτη περιοχή.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''2.2. Τηλεπισκόπηση'''&lt;br /&gt;
&lt;br /&gt;
Δεδομένα αερομεταφερόμενων LiDAR έχουν χρησιμοποιηθεί ευρέως σε 3D χαρτογράφηση δασικών περιοχών. Πολλές μελέτες έχουν διεξάγει χαρτογράφηση των δασικών περιοχών, χρησιμοποιώντας δεδομένα LiDAR και εικόνων για εφαρμογές όπως η εκτίμηση της ώρας UTC και ο δείκτης φυλλικής επιφάνειας. Πολυφασματική αεροφωτογραφίες και δορυφορικές εικόνες χρησιμοποιήθηκαν για την UTC χαρτογράφηση μέσω της τεχνικής αντικειμένου που βασίζεται σε ανάλυση εικόνας (OBIA). Χαρτογράφηση UTC χρησιμοποιώντας LiDAR και World View 2imagery δεδομένα έχουν σχέση και έχουν ανώτερα αποτελέσματα έχουν επιτευχθεί με τη χρήση δεδομένων LiDAR. Παρ 'όλα αυτά, οι αλγόριθμοι έχουν σχεδιαστεί για την εξαγωγή των UTC από τα δεδομένα LiDAR μπορεί να αποτύχει σε αστικές περιοχές, λόγω της παρουσίας τεχνητών αντικειμένων, κυρίως κτίρια. Το 3D ανάλυση σχήμα των σημείων LiDAR χρησιμοποιείται για την κατηγοριοποίηση επίπεδα και μη επίπεδα αντικείμενα, στα οποία επίπεδα και μη επίπεδα αντικείμενα σχετίζονται με κτίρια και δέντρα, αντίστοιχα. Η διακύμανση επιφάνειας μετράται με χρήση principle component anasis (PCA) των σημείων της επιφάνειας. Αρκετές προσεγγίσεις έχουν αξιοποιήσει το συμπληρωματικό χαρακτήρα των πολλών φασματικών δεδομένων εικόνων και LiDAR για την εξόρυξη των κτιρίων και των δέντρων στις αστικές περιοχές. Ολοκληρωμένη LiDAR και υπερφασματικά δεδομένα εικόνων έχουν χρησιμοποιηθεί για τη χαρτογράφηση αστικού δάσους δομής για να μειωθεί η αβεβαιότητα στις εκτιμήσεις των ειδών επιπέδου UTC. Εκτός από LiDAR και τα δεδομένα εικόνων, έχουν GIS θεματικά επίπεδα που έχουν χρησιμοποιηθεί για την UTC χαρτογράφηση σε αστικές και προαστιακές περιοχές. Παρά το γεγονός ότι η συγχώνευση των εικόνων και δεδομένων LiDAR βελτιώνει την απόδοση της εκχύλισης των κτιρίων και των δέντρων, η διαδικασία εξακολουθεί να πάσχει από την έλλειψη της πλήρης ενσωμάτωσης των φασματικών πληροφοριών με δεδομένα LiDAR, τα οποία εξαρτώνται κυρίως από την ποιότητα των συν-καταγραφή των σημείων LiDAR και δεδομένων εικόνων. Ως εκ τούτου, η ένταση με βάση την συν-καταγραφή της δορυφορικής εικόνας σε δεδομένα LiDAR με τοπικά αμοιβαία ενημέρωσης και μία ακρίβεια pixel επιτυγχάνεται για την ευθυγράμμιση του συνόλου δεδομένων. &lt;br /&gt;
&lt;br /&gt;
'''2.3. Σύγκριση των τυχαίων σημείων δειγματοληψίας και μεθόδων τηλεπισκόπησης'''&lt;br /&gt;
&lt;br /&gt;
Οι γενικές ροές εργασιών της εκτίμησης των UTCs χρησιμοποιώντας το i-Tree canopy με το χέρι και αυτόματη κατηγοριοποίηση τυχαίων σημείων του δείγματος και της μεθόδου τηλεπισκόπισης χρησιμοποιώντας fused multispectral images και δεδομένα LiDAR. Τυχαία μέθοδος σημείου δειγματοληψίας χρησιμοποιεί αεροφωτογραφιών και δορυφορικών εικόνων για τον εντοπισμό χειροκίνητα την UTC. Η LiDAR που προέρχεται από UTC χάρτη επιτρέπει την αυτόματη κατηγοριοποίηση των τυχαίων σημείων για την εκτίμηση της ώρας UTC και της ακρίβειας, χρησιμοποιώντας το i-Tree. Λαμβάνοντας υπόψη ότι η μέθοδος της τηλεπισκόπησης βασίζεται στην αυτόματη επεξεργασία δεδομένων LiDAR και πολυ-φασματικής εικόνας. Τόσο δειγματοληψία τυχαίων σημείων και μεθόδων τηλεπισκόπησης παρέχουν μία εκτίμηση του UTC, ωστόσο η μέθοδος τηλεπισκόπηση μπορεί να παρέχει μια συνεχή 2D και 3D UTC χάρτες που μπορούν να χρησιμοποιηθούν για πολλές εφαρμογές, π.χ. ακριβής εκτίμηση των δέντρων αντίκτυπο στην αστική θερμονησίδα, ομβρίων υδάτων, την ποιότητα του αέρα, καθώς και την ανίχνευση των αλλαγών σε χώρους πρασίνου. Δεδομένου ότι η αβεβαιότητα των UTC εκτιμάται με μεθόδους τυχαίας δειγματοληψίας εξαρτάται τόσο από τον αριθμό των σημείων δειγματοληψίας και το πραγματικό ποσό της UTC, παραγωγή τυχαίων σημείων δειγματοληψίας και της ταυτοποίησης της κατηγορίας του συνεχίζεται μέχρι την επίτευξη της προκαθορισμένης τιμής. Για να απομονωθούν καθαρά τα σφάλματα που οφείλονται σε τυχαία δειγματοληψία σε ένα i-Tree UTC σύγκριση με LiDAR ράστερ UTC, το ράστερ UTC LiDAR χρησιμοποιήθηκε ως εικόνα βάση για i-Tree canopy. Η χρήση του canopy raster ως τη βασική γραμμή που συνεπάγεται ότι το στρώμα είναι υψηλής ποιότητας και ακρίβειας.&lt;br /&gt;
  &lt;br /&gt;
'''3. Αποτελέσματα και συζήτηση'''&lt;br /&gt;
&lt;br /&gt;
'''3.1. Αποτελέσματα της τυχαίας δειγματοληψίας σημείου'''&lt;br /&gt;
&lt;br /&gt;
Το εργαλείο i-Tree canopy χρησιμοποιήθηκε για να κατηγοριοποιήσει  τυχαία σημεία του δείγματος σε απευθείας σύνδεση με τη χρήση των αεροφωτογραφιών του 2012 που παρέχονται από το Google Maps. Πρώτον, το όριο της κάθε στατιστικής περιοχής (SA) εισήχθη στο πρόγραμμα i-Tree canopy και την επιθυμητή κατηγορία, όπως το δέντρο, μη-δέντρο, κλπ. Αυτό επαναλήφθηκε για ένα ελάχιστο 200 μονάδες δείγματος σε κάθε SA ή έως ότου ένα προκαθορισμένο πρότυπο σφάλμα 2,55% επιτεύχθηκε. Τέλος, παρατήρησε σημεία που εξήχθησαν μαζί με συνοπτική έκθεση της έρευνας για την παραγωγή ενός χειροκίνητου που κατηγοριοποιούνται σε UTC. Μερικά επίπεδα αβεβαιότητας με τον προσδιορισμό και την ταξινόμηση των τυχαίων σημείων σε αεροφωτογραφίες μπορούν να αποφευχθούν. &lt;br /&gt;
&lt;br /&gt;
'''3.2. Αποτελέσματα της τηλεπισκόπησης'''&lt;br /&gt;
&lt;br /&gt;
Τηλεπισκοπικα δεδομένα που κάλυπταν 3 χιλιόμετρα × 6 χιλιόμετρα περιοχή της πόλης Williams και γύρω, και αποτελείται World View 2 δορυφορική εικόνα με 50 εκατοστά απόσταση δείγματος εδάφους (GSD), τα οποία λήφθησαν το 2011. Εκχυλίσματα UTC μπορούν να παρουσιάζονται σε μορφές 2D και 3D που ονομάζονται «LiDAR raster UTC» και «LiDAR point UTC», αντίστοιχα. Στην παρουσίαση 2D, ράστερ της ώρας UTC και περιγράμματα των UTC χρησιμοποιούνται συνήθως, και η αξία τοις εκατό UTC μπορεί να υπολογιστεί με διαίρεση της περιοχής UTC από όλη την περιοχή. Σε 3D παρουσίαση, το LiDAR σημείο δέντρου που χρησιμοποιείται για 3D παρουσίαση της ώρας UTC και της αξίας τοις εκατό UTC υπολογίζεται με διαίρεση της LiDAR σημεία δέντρο από όλες τις LiDAR σημεία. . Με άλλα λόγια, η επικάλυψη των LiDAR scanlines αυξάνει το ποσοστό αξίας UTC όπου η επικαλυπτόμενη περιοχή έχει περισσότερες UTC από το μέσο όρο UTC του συνόλου δεδομένων.&lt;br /&gt;
&lt;br /&gt;
'''3.3. Σύγκριση των αποτελεσμάτων των τυχαίων σημείων δειγματοληψίας και μεθόδων τηλεπισκόπησης'''&lt;br /&gt;
&lt;br /&gt;
Το i-Tree canopy δεν είναι σε θέση να παρέχει 2D και 3D χάρτες UTC, μόνο τις εκτιμώμενες τιμές τοις εκατό UTC για μια δεδομένη περιοχή και μπορεί να χρησιμοποιηθεί για τη σύγκριση των επιδόσεων των i-Tree canopy και τις μεθόδους τηλεπισκόπησης. Η αβεβαιότητα του i-Tree εκτιμά UTC είναι ένας συνδυασμός του εγγενούς σφάλματος εκτίμησης του UTC χρησιμοποιώντας τη μέθοδο και λάθος ταυτοποίησης του σημείου δείγματος κατηγορίας δειγματοληψίας με βάση τυχαίο σημείο. Το σφάλμα της μεθόδου τυχαίου σημείου δειγματοληψίας εξαρτάται από τον αριθμό των σημείων δειγματοληψίας και μειώνεται με την αύξηση του αριθμού των δειγμάτων. Σε αντίθεση, το σφάλμα της αναγνώρισης των σημείων δειγματοληψίας εξαρτάται από την εναέρια ποιότητα εικόνας.&lt;br /&gt;
&lt;br /&gt;
'''3.3.1. Αυτόματη κατηγοριοποίηση τυχαίων σημείων δείγματος'''&lt;br /&gt;
&lt;br /&gt;
Η διαφορά μεταξύ του αρχικού i-Tree της ώρας UTC δημιουργείται κατηγοριοποίηση i-Tree χρησιμοποιώντας το ράστερ UTC LiDAR, ύφασμα-αγανακτεί το σφάλμα δειγματοληψίας. Καθώς οι συγκόμωση αυξάνεται, το ίδιο κάνουν και οι γραμμές σφάλματος σε συνδυασμό με την αβεβαιότητα της εκτίμησης UTC. Μία αύξηση σε ακρίβεια απαιτεί τέσσερις φορές αύξηση στην αριθμός των δειγμάτων σημεία. Το πιο σημαντικό, να έχουμε αξιόπιστες εκτιμήσεις από μια μέθοδο δειγματοληψίας τυχαίου σημείου από πολλά περισσότερα σημεία που απαιτείται, αν η UTC απαιτείται για αναλύσεις αγροτεμάχιου κλίμακας. Κατά συνέπεια, η μέθοδος δειγματοληψίας τυχαίου σημείου θα είναι χρονοβόρα, και, ενδεχομένως, πιο ακριβή από ό, τι τηλεπισκοπική μέθοδο.&lt;br /&gt;
&lt;br /&gt;
'''3.3.2. Χειροκίνητη κατηγοριοποίηση τυχαίων σημείων δείγματος'''&lt;br /&gt;
&lt;br /&gt;
Προκειμένου να αξιολογηθεί η αβεβαιότητα i-Tree UTC λόγω σφαλμάτων που δημιουργούνται μέσω τυχαίας δειγματοληψίας συν σφάλματα που οφείλονται σε εικόνες, μια έρευνα i-Tree canopy διεξήχθη για όλες τις ανώνυμες εταιρείες με βάση αεροφωτογραφίες που παρέχονται από το Google Maps (2012) με επίπεδο εμπιστοσύνης του 95%. Δεδομένου ότι η αβεβαιότητα δειγματοληψία καθορίζεται σε 5%, ο αριθμός των δειγμάτων ποικίλλει ανάλογα με την αύξηση ή μείωση του UTC εποπτείας. Η διαφορά μεταξύ i-Tree της ώρας UTC και της LiDAR raster UTC μπορεί επίσης να είναι λόγω των αλλαγών σε UTC της περιοχής μελέτης και τα γεωμετρικά σφάλματα στην παραγωγή αεροφωτογραφιών ή δορυφορικών ορθών εικόνων. Η ισχύς της συσχέτισης μεταξύ UTCs εκτιμάται από i-Tree canopy και τις μεθόδους τηλεπισκόπησης δείχνει μια σημαντική συσχέτιση μεταξύ των εκτιμήσεων της UTC. Αξίζει να σημειωθεί ότι η διαφορά τη χρονική στιγμή των δεδομένων που συλλαμβάνονται στα δεδομένα τηλεπισκόπησης και η εικόνα των Χαρτών Google δεν έχει σημαντική επίδραση στην εκτιμώμενη UTC χρησιμοποιώντας το i-Tree canopy με διάστημα εμπιστοσύνης 5%. Στην πραγματικότητα, απομακρυσμένης ανίχνευσης μέθοδος παρέχει μια πλήρη επισκόπηση της αστικό δάσος canopy, το οποίο μπορεί να χρησιμοποιηθεί για περαιτέρω έρευνα. Η ανίχνευση των αλλαγών σε UTC χρησιμοποιώντας τυχαία δειγματοληψία σε σημείο περιορίζονται, δεδομένου ότι μπορεί να παρουσιάσει μόνο τη συνολική μεταβολή UTC εντός της περιοχής μελέτης. UTC χάρτες που παράγονται με μεθόδους τηλεπισκόπησης μπορεί να επιτρέψουν ένα ευρύτερο φάσμα των μετρήσεων της αλλαγής της ώρας UTC στις αστικές περιοχές. Για παράδειγμα, τηλεπισκοπικοί χάρτες UTC μπορεί να ενσωματωθούν για τον προσδιορισμό συγκεκριμένων, μεμονωμένων δέντρων που μπορεί να έχουν αυξηθεί ραγδαία την πάροδο του χρόνου, έχουν αφαιρεθεί ή εμφανίστηκαν μέσω της φύτευσης. &lt;br /&gt;
&lt;br /&gt;
'''4. Συμπεράσματα'''&lt;br /&gt;
&lt;br /&gt;
Ως μέθοδοι για την εκτίμηση UTC που εξελίσσεται, γίνεται όλο και πιο σημαντική για τον αστικό σχεδιασμό, τη δασοκομία και τους φορείς χάραξης περιβαλλοντικής απόφασης για την κατανόηση των πλεονεκτημάτων και μειονεκτημάτων των διαφόρων μεθόδων και να συγκρίνει συστηματικά την απόδοση των μεθόδων αυτών. Στο έγγραφο αυτό, η απόδοση και αβέβαιοι δεσμοί που σχετίζονται με δύο γνωστές προσεγγίσεις στην εκτίμηση UTC συγκρίνονται: (1) η δειγματοληψία τυχαίο σημείο και (2) fused LiDAR and multispectral imagery data. Μεθόδους δειγματοληψίας τυχαίου σημείου προσφέρουν τα πλεονεκτήματα των ελευθέρων προσιτών δεδομένων και λογισμικό κατάλληλο για ένα ευρύ φάσμα χρηστών. Ωστόσο, οι χρήστες της οποιασδήποτε μεθόδου δειγματοληψίας τυχαίου σημείου πρέπει να γνωρίζουν τις αβεβαιότητες που συνδέονται με οποιαδήποτε εκτίμηση UTC, ειδικά εάν χρησιμοποιούνται για την παρακολούθηση της αλλαγής. Αυτή η μελέτη δείχνει ότι μια μεγάλη αύξηση στον αριθμό των τυχαίων σημείων δειγματοληψίας μπορεί να παρέχει μια σχετικά μικρή αύξηση της ακρίβειας. Η χρήση της SE των εκτιμώμενων UTC ως κριτήρια για να σταματήσει τυχαία δειγματοληψία σημείο παρέχει εκτιμήσεις της UTC με ένα σταθερό επίπεδο εμπιστοσύνης. Ως εκ τούτου, ακόμη και μια πρόχειρη εκτίμηση της συγκόμωση πριν από τη δειγματοληψία θα βοηθήσει στη λήψη αποφάσεων για την εκτίμηση της έντασης και το κόστος μιας προσπάθειας δειγματοληψίας. Αντίθετα, οι μέθοδοι τηλεπισκόπησης παρέχουν πολλά πλεονεκτήματα, όπως πιο ευέλικτους 2D και 3D UTC χάρτες που μπορούν να επανενταχθούν στην έρευνα ή τη διαχείριση. Ωστόσο, αν και τα δεδομένα LiDAR χαμηλής πυκνότητας γίνεται όλο και πιο διαδεδομένη, μια σημαντική πρόκληση είναι η κατάλληλη εφαρμογή των σύνθετων τεχνικών που απαιτούνται για να υπολογιστεί με ακρίβεια UTC. Τα ευρήματα της μελέτης μας δεν αποκλείουν τη χρήση του, καθώς και τη συνέχιση της ανάπτυξης στις δύο μεθόδους εκτίμησης UTC. Οι  πολλαπλές και μεταβαλλόμενες απαιτήσεις και προσδοκίες που επιβάλλονται στα αστικά  σύνολα χωρικών δεδομένων σημαίνει μια συνεχή απογραφή χάρτη της UTC πουπαρέχει μεγαλύτερη ευελιξία και ευκαιρία σε κάθε πολεοδόμο, δασολόγο ή ο διαχειριστή του περιβάλλοντος. &lt;br /&gt;
&lt;br /&gt;
 [[category:Καταγραφή πρασίνου]]&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CE%AF%CF%83%CF%87%CF%85%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CF%80%CE%BB%CE%B5%CE%BF%CE%BD%CE%B5%CE%BA%CF%84%CE%B7%CE%BC%CE%AC%CF%84%CF%89%CE%BD_%CF%83%CE%BA%CE%B9%CE%AC%CF%82_%CE%B4%CE%AD%CE%BD%CF%84%CF%81%CF%89%CE%BD_%CF%83%CE%B5_%CF%80%CF%85%CE%BA%CE%BD%CE%AE%CF%82_%CE%B1%CE%BD%CE%AC%CF%80%CF%84%CF%85%CE%BE%CE%B7%CF%82_%CE%BF%CE%B9%CE%BA%CE%B9%CF%83%CE%BC%CE%BF%CF%8D%CF%82_%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%BC%CE%B9%CE%B1_%CE%B5%CE%BD%CE%B1%CE%BB%CE%BB%CE%B1%CE%BA%CF%84%CE%B9%CE%BA%CE%AE_%CF%83%CF%84%CF%81%CE%B1%CF%84%CE%B7%CE%B3%CE%B9%CE%BA%CE%AE_%CF%84%CE%BF%CF%80%CE%BF%CE%B8%CE%AD%CF%84%CE%B7%CF%83%CE%B7%CF%82_%CE%B4%CE%AD%CE%BD%CF%84%CF%81%CF%89%CE%BD</id>
		<title>Ενίσχυση των πλεονεκτημάτων σκιάς δέντρων σε πυκνής ανάπτυξης οικισμούς χρησιμοποιώντας μια εναλλακτική στρατηγική τοποθέτησης δέντρων</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%95%CE%BD%CE%AF%CF%83%CF%87%CF%85%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CF%80%CE%BB%CE%B5%CE%BF%CE%BD%CE%B5%CE%BA%CF%84%CE%B7%CE%BC%CE%AC%CF%84%CF%89%CE%BD_%CF%83%CE%BA%CE%B9%CE%AC%CF%82_%CE%B4%CE%AD%CE%BD%CF%84%CF%81%CF%89%CE%BD_%CF%83%CE%B5_%CF%80%CF%85%CE%BA%CE%BD%CE%AE%CF%82_%CE%B1%CE%BD%CE%AC%CF%80%CF%84%CF%85%CE%BE%CE%B7%CF%82_%CE%BF%CE%B9%CE%BA%CE%B9%CF%83%CE%BC%CE%BF%CF%8D%CF%82_%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%BC%CE%B9%CE%B1_%CE%B5%CE%BD%CE%B1%CE%BB%CE%BB%CE%B1%CE%BA%CF%84%CE%B9%CE%BA%CE%AE_%CF%83%CF%84%CF%81%CE%B1%CF%84%CE%B7%CE%B3%CE%B9%CE%BA%CE%AE_%CF%84%CE%BF%CF%80%CE%BF%CE%B8%CE%AD%CF%84%CE%B7%CF%83%CE%B7%CF%82_%CE%B4%CE%AD%CE%BD%CF%84%CF%81%CF%89%CE%BD"/>
				<updated>2017-02-14T09:00:46Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: Νέα σελίδα με '&amp;lt;h2&amp;gt;Enhancing the energy conservation benefits of shade trees in dense residential developments using an alternative tree placement strategy&amp;lt;/h2&amp;gt;  Won Hoi Hwang, P. Eric W...'&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;h2&amp;gt;Enhancing the energy conservation benefits of shade trees in dense residential developments using an alternative tree placement strategy&amp;lt;/h2&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Won Hoi Hwang, P. Eric Wiseman, Valerie A. Thomas &lt;br /&gt;
Department of Forest Resources and Environmental Conservation, Virginia Polytechnic Institute and State University, Blacksburg, VA 24061, United States&lt;br /&gt;
Received 23 November 2015, Revised 30 July 2016, Accepted 27 September 2016, Available online 11 October 2016&lt;br /&gt;
&lt;br /&gt;
πηγή: [[http://www.sciencedirect.com/science/article/pii/S0169204616302122]]&lt;br /&gt;
&lt;br /&gt;
&amp;lt;h3&amp;gt;Μετάφραση και Περίληψη&amp;lt;/h3&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''1. Εισαγωγή'''&lt;br /&gt;
&lt;br /&gt;
Οι κατοικημένες περιοχές αντιπροσωπεύουν περισσότερο από το 20% της συνολικής ενέργειας που καταναλώνεαι στις Ηνωμένες Πολιτείες (US), και περίπου το 40% της εν λόγω ενέργειας καταναλώνεται για ψύξη και τη θέρμανση των οικιστικών δομών. Το αυξανόμενο ενδιαφέρον για την διατήρηση ενέργειας οικιστικών δομών έχει κεντρίσει το ενδιαφέρον ερευνών σε τομείς όπως η Αρχιτεκτονική, η Πολεοδομια καθώς και συναφών κλάδων. Προηγούμενες μελέτες προσομοίωσης της σχέσης σκιάς και ενέργειας έδειξαν ότι η μορφή του δέντρου και το σημείο τοποθέτησης του δέντρου επηρεάζει με τη σκιά την κατανάλωση ενέργειας των κτιρίων. Με βάση τις προηγούμενες μελέτες, αυτό το έγγραφο θα εξετάσει το πώς η τοποθέτηση ενός δέντρου σκιάς επηρεάζει την κατανάλωση ενέργειας οικιστικών δομών στις πρόσφατα αναπτυγμένες γειτονιές μονοκατοικιών πολλών πόλεων των ΗΠΑ. &lt;br /&gt;
	Διάφοροι παράγοντες επηρεάζουν την ενεργειακή ζήτηση για τη διατήρηση της θερμικής&lt;br /&gt;
άνεση στο εσωτερικό οικιστικών δομών. όπως ο σχεδιάσμος του κτιρίου και το μέγεθος, Η ενεργειακή απόδοση των κτιρίων αυξάνεται με διάφορα μέσα όπως ο παθητικός ηλιακός σχεδιασμός του κτιρίου, η διαρύθμιση και η χρήση υλικών κατάλληλων για το τοπικό κλίμα  αλλα και με μεταβολές μεγάλης κλίμακας των αστικών δομών όπως η πυκνότητα, η διάταξη της κοινότητας, και τα δίκτυα του δρόμου. Η χρήση δέντρων σκιάς από κατοίκους των αστικών κέντρων μπορεί να συμβάλλει στην εξοικονόμηση ενέργειας με την τροποποίηση των ηλιακών φορτίων των κτιρίων.&lt;br /&gt;
	Κύριος στόχος της παρούσας μελέτης είναι να επιδείξει τις επιπτώσεις των δέντρων σκιάς στην διατήρησης της ενέργειας κτιρίων, και στη μειώση κατανάλωσης ενέργειας για ψύξη και θέρμανση με τους εξής τρόπους : (1) προσφέροντας σκιά πάνω σε επιφάνειες κτιρίων, (2) στην τροποποίηση της ροής του αέρα γύρω από τα κτήρια, και (3) στη μείωση της θερμοκρασίας του περιβάλλοντος αέρα. Για να μεγιστοποιηθούν τα οφέλη της εξοικονόμησης ενέργειας διαμέσου των δέντρων σκιάς είναι απαραίτητο να προσδιοριστούν τα φυσικά χαρακτηριστικά της περιοχής και να επιλεγούν τα κατάλληλα δέντρα. &lt;br /&gt;
	Πολλές πόλεις των ΗΠΑ έχουν εφαρμόσει προγράμματα δενδροφύτευσης για να αυξήσουν το φύλλωμα και να μειωθεί η θερμότητα που εμφανίζεται. Η πραγματικότητα είναι ότι παρά τα χιλιάδες δέντρα που φυτεύτηκαν σε όλες τις ΗΠΑ η χωρίς ενεργειακή μελέτη φύτευσή τους δεν βοήθησε να μεγιστοποιήσουν τα οφέλη τους για τη διατήρηση της ενέργειας και την εξοικονόμησή της.&lt;br /&gt;
	Λόγω της εκτεταμένης αστικοποίηση, εκατομμύρια στρέμματα πρασίνου στις ΗΠΑ έχουν&lt;br /&gt;
εκτοπιστεί από οικιστικές και εμπορικές κατασκευές και είναι σημαντική η υλοποίηση μια στρατηγικής φύτευσης δέντρων σκιάς.&lt;br /&gt;
	Εκπαιδεύοντας κατασκευαστές και ιδιοκτήτες ακινήτων για το ρόλο των δέντρων σκιάς για την εξοικονόμηση ενέργειας και παρέχοντας καθοδήγηση σχετικά με την επιλογή των δέντρων και την τοποθέτηση κατά την κατασκευή θα μπορούσε να προωθήθει η στρατηγική φύτευσης δέντρων σκιάς και έτσι να βελτιώθουν τα οφέλη της διατήρησης της ενέργειας. Οι στόχοι της μελέτης μας ήταν: (1) για να αξιολογήσει πόσο τα νεοφυτευμέν δέντρα επηρεάζουν την ενεργειακή κατανάλωση των πρόσφατα κατασκευασμένων κτιριών σε διάφορα γεωγραφικά πλάτη στις ΗΠΑ, και (2) να εξετάσει εναλλακτικές στρατηγικές τοποθέτηση δέντρων γύρω από αυτά τα ίδια τα κτίρια για τη βελτίωση της διατήρησης της ενέργειας. Η προσέγγισή μας στη μελέτη έγινε με τη χρησιμοποίηση  απομακρυσμένων δεδομένων τηλεπισκόπησης για τον εντοπισμό δέντρων γύρω από τα πρόσφατως κατασκευασμένα κτίρια εν συνέχεια με προσομοιώσεις σε υπολογιστή να εξεταστούν τα οφέλη της διατήρησης της ενέργειας τους βάσει των υφισταμένων και εναλλακτικων  τρόπων τοποθέτησης.&lt;br /&gt;
&lt;br /&gt;
'''2. Μεθοδολογία'''&lt;br /&gt;
&lt;br /&gt;
'''2.1 Πεδίο μελέτης'''&lt;br /&gt;
&lt;br /&gt;
Για τη μελέτη αυτή, επιλέχθηκαν τρεις μητροπολιτικές περιοχές των ΗΠΑ, Metro Minneapolis, Minnesota (MN),  Charlotte, North Carolina (NC),  και το Metro Orlando, Florida (FL). Αυτές οι περιοχές μελέτης  εκπροσωπούν τις κρύες (Metro Minneapolis), μικτές-υγρές (Charlotte), και ζεστές-υγρές (Metro Orlando) καιρικές συνθήκες. Αυτά τα διαφορετικά κλίματα επηρεάζουν την οικιακή κατανάλωση ενέργειας με διαφορετικούς τρόπους.&lt;br /&gt;
&lt;br /&gt;
'''2.2 Χαρακτηρίζοντας οικιστικές εκτάσεις στο πεδίο μελέτης'''&lt;br /&gt;
&lt;br /&gt;
Για να εντοπίσουμε τις επιπτώσεις από τη φύτευση ενός δέντρου σκιάς στην οικιακή κατανάλωση ενέργειας επιλέξαμε πρόσφατα αναπτυγμένες οικιστικά περιοχες . Επιλέξαμε σκόπιμα περιοχές χωρίς δασικά δέντρα για να εξετάσουμε τις αλλαγές από την τοποθέτηση των νέων δέντρων. Άλλα χαρακτηριστικά που λάβαμε υπόψη ήταν το μέγεθος του κτιρίου , το σχήμα του αγροτεμαχίου, αλλά και η επιλογή μονοκατοικιών λόγω της περιόδου που κτιστήκαν και του ίδιου τύπου κατοικιών. Με υψηλής ανάλυσης αεροφωτογραφίες έγινε η εξαγωγή των δεδομένων και ο ορισμός των μεταβλητών, προσανατολισμός σπιτιού, προσανατολισμό αγροτεμάχιο, ανάστημα δέντρου, μορφή δέντρου, και η τοποθέτηση δέντρων σε σχέση με το σπίτι. &lt;br /&gt;
  &lt;br /&gt;
'''2.3 Προσομοίωση ενεργειακής κατανάλωσης κτιρίου'''&lt;br /&gt;
&lt;br /&gt;
Οι προσομοιώσεις έγιναν με το πρόγραμμα EnergyPlus  για να αξιολογηθούν οι επιδράσεις των υπάρχοντων δέντρων σκιάς στην ενεργειακή κατανάλωση των κατοικιών στο δείγμα. Το πρόγραμμα μετρά, βάσει των στοιχείων καιρού, τα φορτία  ψύξης και θέρμανσης που απαιτούνται για τη διατήρηση προκαθορισμένων θερμικων ονομαστικων τιμών  ενός οικιστικού μοντέλου δομής. Σε αυτές τις ενεργειακές προσομοιώσεις, τα δέντρα που λάβαμε υπόψη ήταν γειτονικά  των αντικειμένων ώστε να επηρεάζουν την αύξηση της θερμότητας από την παροχή σκιάς στη δομή και στην επιφάνεια του εδάφους και πως ρυθμίζαν τη ροή του αέρα γύρω από τη δομή.&lt;br /&gt;
	Για τις προσομοιώσεις της κατανάλωσης ενέργειας,χρησιμοποιήθηκε μια οικιστική δομή&lt;br /&gt;
μοντέλο και τέσσερα μοντέλα δέντρων σκιά για να αντιπροσωπεύουν τις πραγματικές οικιστικές δομές και πως συνδέονται  με τα δέντρα τους.&lt;br /&gt;
&lt;br /&gt;
'''2.4 Εναλλακτική στρατηγική τοποθέτηση δέντρων για την εξοικονόμηση ενέργειας'''&lt;br /&gt;
&lt;br /&gt;
Για να εξετάσουμε κατά πόσον η διατήρηση της ενέργειας με τα υφιστάμενα δέντρα επι του δείγματος των αγροτεμάχίων θα μπορούσε να βελτιωθεί, αναπτύξαμε μια εναλλακτική στρατηγική τοποθέτησης δέντρων που να είναι συμβατή με την τυπική διάταξη των κατοικιών σε πυκνές αστικές περιοχές.  Συγκρίναμε την εναλλακτική στρατηγική με τη συμβατική η οποία προτείνε να  φυτευουμε ένα δέντρο, είτε δυτικά ή ανατολικά μιας δομής, διαμέσου προσομειώσεων και σύμφωνα με την εναλλακτική στρατηγική αναδιαρθώνεται η  τοποθέτηση των υφιστάμενων δέντρων στα αγροτεμάχια του δείγματος.&lt;br /&gt;
&lt;br /&gt;
'''2.5 Συγκριση προσομειώσεων για τα πλεονεκτήματα των δέντρων σκιας'''&lt;br /&gt;
&lt;br /&gt;
Για την παροχή πρόσθετων απόψεων επί της ενεργειακής προσομείωσης  εκτός από το Energy Plus χρησιμοποιήσαμε το διαδικτυακό πρόγραμμα i-Tree Design για τη μοντελοποίηση των δειγμάτων. Το συγκεκριμένο πρόγραμμα υπολογίζει τέσσερα πλεονεκτήματα ενός οικοσυστήματος: την ανακοπή των ομβρίων, την βελτίωση της ποιότητας του αέρα, την παγίδευση του άνθρακα και την εξοικονόμηση ενέργειας.&lt;br /&gt;
&lt;br /&gt;
'''3. Αποτελέσματα'''&lt;br /&gt;
&lt;br /&gt;
'''3.1 Υπάρχουσες συνθήκες στα κατοικημένα αγροτεμάχια'''&lt;br /&gt;
&lt;br /&gt;
Οι κατοικίες αγροτεμάχια του δείγματος στις περιοχές μελέτης έδειξαν διαφορές στο μέγεθος αγροτεμαχίου, στο μέγεθος της εγκατάστασης, και στον προσανατολισμό του αγροτεμαχίου.  Το Metro Minneapolis είχε τα μεγαλύτερης έκτασης αγροτεμάχια, ακολουθώντας το  Metro Orlando και το Charlotte. Στον προσανατολισμό αγροτεμαχίων σε  Metro Minneapolis και  Metro Orlando η πλειοψηφία ήταν με κατεύθυνση Βορράς-Νότος με τα κτίρια να έχουν κατεύθυνση Ανατολή-Δύση. Στο Charlotte κανένας προσανατολισμός δεν ήταν κυρίαρχος. Στο δείγμα, ακόμη, ο μέσος όρος ύψους των δέντρων ήταν λιγότερος των 6 μέτρων δείχνοντας ότι είναι πρόσφατα κατοικημένες οι περιοχές.&lt;br /&gt;
&lt;br /&gt;
'''3.2 Ενεργειακές επιπτώσεις υφιστάμενων δέντρων'''&lt;br /&gt;
&lt;br /&gt;
Χωρίς δέντρα, η ετήσια κατανάλωση ενέργειας στον οικιακό μοντέλο δομής προσομοίωσηw σε αγροτεμάχια του δείγματος κατά μέσο όρο 9,924 ± 1,4 kWh στην Charlotte και 8.824 ± 6,0 kWh στο μετρό Ορλάντο. Για την ανάλυση αυτή, θα αποκλειστεί το Metro Minneapolis, λόγω του ανεπαρκούς μεγέθους του δείγματος των αγροτεμαχίων. Ετήσια κατανάλωση ψύξη και θέρμανση ενέργειας, ως ποσοστό της συνολικής ενέργειας των νοικοκυριών, ήταν περίπου 35% στο Charlotte και το 26% στο μετρό Ορλάντο. Η εποχή ψύξης για εννέα μήνες στο μετρό Ορλάντο είχαν την τάση να απαιτούν αυξημένη χρήση της ψυκτικής ενέργειας, χρησιμοποιώντας περίπου διπλάσια ενέργεια, σε σύγκριση με Charlotte. Σε αντίθεση, η ψυχρότερες καιρικές συνθήκες κατά τη διάρκεια της πλέον θέρμανση σεζόν στο Charlotte απαιτείται περισσότερη ενέργεια θέρμανσης από ό, τι στο μετρό Ορλάντο. Προσομοιώσεις και στις δύο περιοχές μελέτης έδειξαν ότι μια δομή ανατολή-δύση προσανατολισμένη καταναλώνεται συνήθως την ενέργεια τουλάχιστον ψύξης, μέχρι 3,6% (Charlotte) και 7,2% (Ορλάντο) λιγότερο από δομές με άλλα. Τα υπάρχοντα δέντρα σε αγροτεμάχια δείγμα προσομοιώθηκαν για να εξετάσουν την επίδραση τόσο της κατανάλωσης ενέργειας ψύξης και θέρμανσης. Στο μετρό Ορλάντο, εξοικονόμηση ενέργειας κατά τη διάρκεια της μακράς περιόδου ψύξης ήταν αρκετά μεγάλη για να αντισταθμίσει οποιαδήποτε ποινή θέρμανσης προκαλείται από χειμονιάτικα δέντρα σκιάς, έτσι ώστε στις περισσότερες περιπτώσεις ήταν μειωμένη η συνολική ετήσια κατανάλωση ενέργειας.&lt;br /&gt;
To αντίκτυπος των υφιστάμενων δέντρων σε ετήσια εξοικονόμηση ενέργειας συγκρίθηκε στη συνέχεια και από τις δύο κατευθύνσεις αγροτεμαχίου και οικοδόμησηw. Και στις δύο περιοχές μελέτης, τα ανατολικά προς τα δυτικά προσανατολισμένη έδειξε τη μέση ετήσια εξοικονόμηση ενέργειας, καθώς τα αγροτεμάχια αυτά είχαν δέντρα που φυτεύτηκαν συχνότερα είτε στην ανατολική ή τη δυτική όψη του κτιρίου. Η επίδραση του προσανατολισμού αγροτεμάχιο Ανατολής-Δύσης για την εξοικονόμηση ενέργειας ήταν πολύ πιο έντονη στο μετρό Ορλάντο όπου η σκιά το απόγευμα είναι πολύ εύστοχη κατά τη διάρκεια της μακράς περιόδου ψύξης. Η εξοικονόμηση ενέργειας από τα δέντρα σε αγροτεμάχια ανατολικά προς τα δυτικά ήταν δύο φορές ή μεγαλύτερη από ό, τι άλλες κατευθύνσεις αγροτεμάχιο. Αυτό το αποτέλεσμα ήταν πολύ πιο υποτονικό στο Charlotte, όπου η περίοδος ψύξης είναι μικρότερη. Τυπικά σφάλματα της εξοικονόμησης ενέργειας ήταν υψηλότερη σε μετρό Ορλάντο, επειδή υπήρχε μεγάλη διακύμανση δέντρων που μετράνε ανά αγροτεμάχιο. &lt;br /&gt;
&lt;br /&gt;
'''3.3 εναλλακτικη στρατηγική τοποθέτησης δέντρων σκιας'''&lt;br /&gt;
&lt;br /&gt;
Για να συντομευθεί ο χρόνος προσομοίωσης αναπτύξαμε μια εξίσωση κατανάλωσης ενέργειας προκειμένου να προβλέψουμε τα αποτελεσματα της προσομοίωσης., η απόκλιση ήταν 1% . Η αποτελεσματικότητα της εναλλακτικής στρατηγικής προσδιορίζεται με σύγκριση της εξοικονόμηση ενέργειας που παρέχεται από τα υπάρχοντα δέντρα με την εξοικονόμηση ενέργειας που παρέχεται όταν αυτά τα δέντρα επαναπροσδιορίστηκε η θέση τους με βάση τη συμβατική ή την εναλλακτική στρατηγική. Η σύγκριση περιορίστηκε σε δείγματα που φέρουν ένα έως δύο δέντρα προκειμένου να επικεντρωθεί στην τοποθέτηση  του δέντρου και την επιρροή στον τομέα της εξοικονόμησης ενέργειας των πυκνοκατοικημένων περιοχών. Υπήρχαν αποδεικτικά στοιχεία ότι υπάρχοντα δέντρα δεν είχαν τοποθετηθεί στρατηγικά (για εξοικονόμηση ενέργειας) σε αγροτεμάχια που συμπεριλήφθηκαν στο δείγμα, πιθανότατα λόγω περιορισμών χώρου αλλά ίσως και για αισθητικούς λόγους.&lt;br /&gt;
&lt;br /&gt;
'''3.4 Σύγκριση με το i-tree design''' &lt;br /&gt;
&lt;br /&gt;
Η σύγκριση οδήγησε στο ότι η εξοικονόμηση ενέργειας σύμφωνα με τις προσομειώσεις του Energy Plus εκτιμάται οτι είναι χαμηλότερη από το i-tree design.  Είναι σημαντικό να καταλάβουμε ότι για τη διατήρηση της ενέργειας στο ευρύτερο πλαίσιο του οικοσυστήματος που παρέχουν τα υπάρχοντα , ιδιαίτερα τα μεγάλα, δέντρα είναι  η μείωση των ομβρίων , η βελτιώσης της ποιότητας του αέρα , και η δεσμευση του άνθρακα.&lt;br /&gt;
&lt;br /&gt;
'''4. Συζήτηση''' &lt;br /&gt;
&lt;br /&gt;
Μέσα από την εξέταση της τηλεπισκόπησης των εικόνων και του υπολογιστή προσομοίωση της κτιριακής κατανάλωσης ενέργειας, βρήκαμε ότι τα υπάρχοντα δέντρα σε αγροτεμάχια του δείγματος ήταν συνήθως αρκετά κοντά στα σπίτια κάτι που επιδρά θετικά στην εξοικονόμηση ενέργειας, αλλά τυπικά ήταν σε λάθος μέρη για να μεγιστοποιήσουν την εξοικονόμηση ενέργειας. Σαν δικαιολογία θα μπορούσε ενδεχομένως να είναι  οι περιορισμοί στους χώρους που αντιμετωπίζουν οι ιδιοκτήτες ακινήτων στις νεόκτιστων κατοικίες. Τα τηλεπισκοπικά δεδομένα έδειξαν ότι η τοποθέτηση δέντρων σκιάς συσχετίζεται με τον προσανατολισμό του αγροτεμαχίου. Οι μακρύτερες πλευρές των αγροτεμαχίων συχνά είχαν περιορισμένο χώρο για φύτευση δέντρων και έτσι λιγότερα δέντρα παρατηρήθηκαν σε αυτές τις πλευρές. Από την άποψη αυτή, η συμβατική στρατηγική για τα οφέλη της εξοικονόμησης ενέργειας, φυτεύοντας ένα δέντρο στη δυτική πλευρά της δεν θα είναι πάντοτε εφαρμόσιμη, ιδίως όταν ο προσανατολισμός του αγροτεμάχιου  Ανατολής-Δύσης δεν είναι ο κυρίαρχος. Η χρηματικη αξία από την εξοικονόμηση  ενέργειας μπορεί τελικά σε ένα αγροτεμάχιο να είναι αμελητέα, η συσσωρευμενη αξία απο την εναλλακτική στρατηγική σε κοινοτικό επίπεδο είναι σημαντική. Πρέπει να γίνει προσεκτική τοποθέτηση των δέντρων σκιάς καθότι μπορεί να υπάρξει μερική διατήρηση της ενέργειας σε μια γειτονική δομή από το αποτέλεσμα της τοποθέτησης τους (κατεύθυνση και απόσταση) και ιδιαίτερα σε επίπεδο μιας ολόκληρης κοινότητας. Αυτή η επιθυμητή σκιά το καλοκαίρι θα μπορούσε εύκολα να γίνει ανεπιθύμητή σκιά το χειμώνα, οδηγώντας σε επιπλέον κόστος θέρμανσης για τις γειτονικές οικίες,	&lt;br /&gt;
Ακόμη, πρέπει να γίνει προσεκτική επιλογή των ειδών των δέντρων, ιδιαίτερα που σχετίζονται με το μέγεθος του δέντρου καθώς θα επηρεάσει σημαντικά την έκταση της σκιάς.&lt;br /&gt;
	Ακόμα κι αν η μελέτη μας έδειξε ότι η εναλλακτική στρατηγική θα μπορούσε να βελτιώσει την εξοικονόμηση ενέργειας, αναγνωρίζουμε ότι υπήρχαν αρκετοί περιορισμοί στη μελέτη. Κατ 'αρχάς, η μελέτη μας ήταν ένα στιγμιότυπο από τις υπάρχουσες συνθήκες και δεν ρποβλέπουν την μελλοντική εξέλιξη ή θνησιμότητα του δέντρου. Για τις προσομοιώσεις, τα μοντέλα μας δέντρα καθορίστηκαν ως πλήρως ωριμάνσης και μεγάλης έκτασης δέντρα, που υποδηλώνει ένα βελτιωμένο σενάριο. Δεύτερον, τα περιβάλλοντα προσομοίωσης που χρησιμοποιήθηκαν στη μελέτη, δεν μπορούσαν να περιγράψουν πλήρως τις παραλλαγές στο σχήμα, το μέγεθος και τον προσανατολισμό αγροτεμαχίων. Επίσης, τα τέσσερα μοντέλα δέντρων (δύο τύπους φύλλων × δύο μεγέθη δέντρων) που χρησιμοποιούνται στις προσομοιώσεις μας δεν τυποποιούν όλες τα αστικά δέντρα. Τρίτον, η μελέτη μας δεν εξέτασε πλήρως τυχόν κακή χρήση των δέντρων τοπίου, όπως η υπερβολική σκιά, απαιτήσεις άρδευσης, ζημιές που προκάλεσε θύελλα, ή αλλεργιογόνα και γύρη . Στόχος μας δεν ήταν μια αυστηρή οικονομική ανάλυση των οφελών και του κόστους των δέντρων σκιας, αλλά μάλλον να επισημάνουμε τις βαθιές επιπτώσεις που του δέντρου και η τοποθέτηση του  έχει για την εξοικονόμηση ενέργειας . Τέλος είναι απαραίτητη η ύπαρξη πολιτικής που να δίνει τις κατευθυντήριες γραμμές για την προώθηση στρατηγικών φυτεύσεις δέντρων σκιάς&lt;br /&gt;
&lt;br /&gt;
'''5. Συμπερασμα'''&lt;br /&gt;
&lt;br /&gt;
Η μελέτη μας εξέτασε τις τρέχουσες συνθήκες των νεόδμητων οικιστικών συγκροτημάτων και πρότεινε μια εναλλακτική στρατηγική τοποθέτηση δέντρων που αποσκοπούν ειδικά στη βελτίωση των οφελών της διατήρησης της ενέργειας για πυκνοκατοικημένες αστικές γειτονιές. Η συμβατική στρατηγική, η οποία συνιστά τη φύτευση ενός δέντρου στη δυτική πλευρά, φαίνεται να είναι η πιο αξιόπιστη προσέγγιση, αλλά συχνά αυτό δεν είναι εφικτό λόγω περιορισμών χώρου. Σε αυτές τις περιπτώσεις, και ανάλογα με τη γεωγραφική θέση, η εναλλακτική στρατηγική τοποθέτηση δέντρου, προτείνει τη φύτευση είτε στη δυτική ή στη νότια πλευρά ανάλογα με τον προσανατολισμό τπυ αγροτεμαχίου. Μια στρατηγική προσέγγιση για τη φύτευση και τη διαχείριση δέντρων σκιάς είναι θεμελιώδης για την ενίσχυση των οφέλων της διατήρησης της ενέργειας. Αυτή η μελέτη καταλήγει στο συμπέρασμα ότι οι κατάλληλες στρατηγικές τοποθέτησης δέντρουθα πρέπει ταυτόχρονα να λαμβάνουν υπόψη τις επιδράσεις των δέντρων σε κάθε αγροτεμάχιο και σε συνδυασμό με όλη την κοινότητα. &lt;br /&gt;
&lt;br /&gt;
 [[category:Σκιές]]&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CF%84%CE%AE%CF%81%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%93%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%A0%CE%B1%CE%B3%CE%BA%CF%8C%CF%83%CE%BC%CE%B9%CE%B1_%CE%A0%CE%BF%CE%BB%CE%B9%CF%84%CE%B9%CF%83%CE%BC%CE%B9%CE%BA%CE%AE_%CE%BA%CE%B1%CE%B9_%CE%A6%CF%85%CF%83%CE%B9%CE%BA%CE%AE_%CE%9A%CE%BB%CE%B7%CF%81%CE%BF%CE%BD%CE%BF%CE%BC%CE%B9%CE%AC</id>
		<title>Παρατήρηση της Γης για την Παγκόσμια Πολιτισμική και Φυσική Κληρονομιά</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%B1%CF%81%CE%B1%CF%84%CE%AE%CF%81%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CE%93%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%A0%CE%B1%CE%B3%CE%BA%CF%8C%CF%83%CE%BC%CE%B9%CE%B1_%CE%A0%CE%BF%CE%BB%CE%B9%CF%84%CE%B9%CF%83%CE%BC%CE%B9%CE%BA%CE%AE_%CE%BA%CE%B1%CE%B9_%CE%A6%CF%85%CF%83%CE%B9%CE%BA%CE%AE_%CE%9A%CE%BB%CE%B7%CF%81%CE%BF%CE%BD%CE%BF%CE%BC%CE%B9%CE%AC"/>
				<updated>2017-02-14T08:50:04Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: Νέα σελίδα με 'right| right|  &amp;lt;h2&amp;gt;Earth Observation for the World Cultural and Natural Heritage&amp;lt;/h2&amp;gt;  Iuli...'&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[Εικόνα:EA_art3_pic1.jpg|thumb|right|]]&lt;br /&gt;
[[Εικόνα:EA_art3_pic2.jpg|thumb|right|]]&lt;br /&gt;
&lt;br /&gt;
&amp;lt;h2&amp;gt;Earth Observation for the World Cultural and Natural Heritage&amp;lt;/h2&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Iulia Dana, NegulaaRamiro Sofronie, Ana Virsta, Alexandru Badea&lt;br /&gt;
a Romanian Space Agency, 21-25 Mendeleev Street, 010362, Bucharest, Romania&lt;br /&gt;
b University of Agronomic Sciences and Veterinary Medicine Bucharest, 59 Marasti Blvd, 011464, Bucharest, Romania&lt;br /&gt;
Available online 15 September 2015&lt;br /&gt;
&lt;br /&gt;
πηγή: [[http://www.sciencedirect.com/science/article/pii/S2210784315002478]]&lt;br /&gt;
&lt;br /&gt;
&amp;lt;h3&amp;gt;Μετάφραση και Περίληψη&amp;lt;/h3&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''1. Εισαγωγή'''&lt;br /&gt;
&lt;br /&gt;
Η UNESCO (Ηνωμένα Έθνη για την Εκπαίδευση, την Επιστήμη και τον Πολιτισμό) έχοντας σαν κύριο στόχο την αναγνώριση, προστασία και διατήρηση της πολιτιστικής και φυσικής κληρονομιάς σε όλο τον κόσμο ξεκίνησε την παρακολούθηση περιοχών που περιλαμβάνονται στον Κατάλογο Παγκόσμιας Κληρονομιάς μέσω Προγράμματος Παρατήρησης της Γης (Earth Observation, EO). Η Σύμβαση για την Προστασία της Παγκόσμιας Πολιτιστικής και Φυσικής Κληρονομιάς υιοθετήθηκε από τη Γενική Διάσκεψη της UNESCO το 1972 σχετικά με έννοιες και κατευθυντήριες γραμμές για την ανάπτυξη αποτελεσματικών πρακτικών που κύριο στόχο έχουν τη διατήρηση, το σχεδιασμό και τη διαχείρηση της πολιτιστικής κληρονομιάς.Η UNESCO έχοντας εντοπίσει διάφορους πρωτογενείς παράγοντες/ απειλές που επηρεάζουν την Παγκόσμια Κληρονομιά: η αστική εξάπλωση, η ρύπανση, χρήση των φυσικών πόρων, τα σοβαρά καιρικά φαινόμενα και πολλοί άλλοι παράγοντες, έχει σα στόχο την έγκαιρη πληροφόρηση για την εφαρμογή μέτρων μέσω της ακριβής παρακολούθησης της κατάσταση, πριν συμβούν ανεπανόρθωτες καταστροφές. Οι δορυφόροι γεωσκόπησης (ΕΟ) επιτρέπουν στις αρμόδειες αρχές να προστατέψουν, να παρακολουθήσουν, να τεκμηριώσουν, να παρουσιάσουν και να μοιραστούν τα μνημεία Παγκόσμιας Κληρονομιάς, δεδομένου ότι μπορούν να εφαρμοστεί για χώρους φυσικής κληρονομιάς μεγάλης έκτασης ή ακόμα και σε επίπεδο λεπτομέρειας.&lt;br /&gt;
&lt;br /&gt;
'''2. Παρατήρηση της Γης . Συλλογή και επεξεργασία δορυφορικών δεδομένων'''&lt;br /&gt;
&lt;br /&gt;
'''2.1. Χωρικά δεδομένα'''&lt;br /&gt;
&lt;br /&gt;
Η UNESCO ξεκίνησε την ανάπτυξη και εφαρμογή μιας ολοκληρωμένης βάσης δεδομένων Παγκόσμιας Κληρονομιάς που περιλαμβάνει δορυφορικές εικόνες και τα αποτελέσματα που προκύπτουν από την ανάλυση και επεξεργασία των εικόνων αυτών, η οποία αυτή βάση δεδομένων θα αποτελέσει ένα σημαντικό συστατικό ενός Συστήματος διατήρησης πληροφοριών (SOC) που θα επιτρέψει την καλύτερη κατανόηση και διατήρηση της Παγκόσμιας Κληρονομιάς.Λαμβάνοντας σαν παράδειγμα το Ιστορικό Κέντρο της Σιγκισοάρα, ενός χώρου πολιτιστικής κληρονομιάς, εγγεγραμμένο στον Κατάλογο Παγκόσμιας Κληρονομιάς 1999 και των κατολισθήσεων που είχαν προέλθει από πλημμύρες πριν από μερικά χρόνια και κατέστρεψαν το Ιστορικό Κέντρο, αξιοποιήθηκαν εικόνες από δορυφόρους ΕΟ για να αξιολογηθεί η κατάσταση διατήρησης του Κέντρου. Μια υποδομή χωρικών δεδομένων ορίστηκε για το Ιστορικό Κέντρο της Σιγκισοάρας δημιουργώντας ένα λεπτομερές ακριβές και ενημερωμένο Σύστημα Γεωγραφικών Πληροφοριών (GIS), έχοντας διανυσματικά δεδομένα, αεροφωτογραφιες, δορυφορικές εικόνες και δορυφορικά δεδομένα. Το σύστημα ταξιμόμησης γίνεται από διοικητικά όρια, γειτονικές περιοχές, ποτάμια, δρόμους, το δίκτυο σιδηροδρόμων και τα δεδομένα χρήσης γης/ κάλυψης γης.&lt;br /&gt;
&lt;br /&gt;
'''2.2. Μέθοδοι επεξεργασίας τηλεπισκόπησης'''&lt;br /&gt;
&lt;br /&gt;
Σε γενικές γραμμές, η παρακολούθηση των μνημείων Παγκόσμιας κληρονομιάς μπορεί να πραγματοποιηθεί χρησιμοποιώντας διάφορες τεχνικές τηλεπισκόπησης. Μια κλασσική προσέγγιση ανίχνευσης αλλαγής βασίζεται σε τουλάχιστον δύο οπτικές δορυφορικές εικόνες που αποκτήθηκαν σε ένα ορισμένο χρονικό διάστημα πάνω από την ίδια περιοχή ενδιαφέροντος. Στην περίπτωση αυτή, η ανάλυση της κάλυψης της γης (LC) και η αλλαγή κάλυψης γης (LCC) στο χρόνο και το διάστημα είναι μία βολική τεχνική, ιδιαίτερα στην περίπτωση των φυσικών χώρων.&lt;br /&gt;
	Μια πολυ-χρονική σειρά εικόνων 18 TerraSAR-X (TSX) High Resolution SpotLight (ΕΣ)  καλύπτει έκταση περίπου 5 km x 10 km στο ιστορικό κέντρο της Σιγκισοάρα και έχει 1 m χωρική ανάλυση και απλό VV πόλωσης. Οι εικόνες αποκτήθηκαν από φθίνουσα τροχιά με γωνία θέασης 350 σε χρονική επανεξέταση 11 ή 22 ημέρες. Για μια διεξοδική ανάλυση των πολιτισμικών χώρων, μια πολυ-χρονική σειρά εικόνων που αποκτήθηκε από οπτικούς διαστημικούς αισθητήρες μπορεί να χρησιμοποιηθεί για την παρακολούθηση της κατάστασης διατήρησης του χώρου σε μια συγκεκριμένη χρονική στιγμή και εντοπίζει τις μεγάλες αλλαγές στην ίδια και τα περίχωρά της περιοχής. Αλλά ακόμη και σε αυτή την περίπτωση, τα αποτελέσματα δείχνουν μόνο τις αλλαγές στο τοπίο και όχι παραμόρφωση του εδάφους που θα μπορούσαν να θέσουν σε κίνδυνο τα μνημεία Παγκόσμιας Κληρονομιάς. Για μια εξαιρετικά λεπτομερή και ακριβή εκτίμηση μετατόπισης του εδάφους, καθίζησης, κατολισθήσεων ή στατικότητα κτιρίου, τεχνικές με νέο διαφορικό SAR (DInSAR) είναι σήμερα η καταλληλότερη λύση για την παρακολούθηση της πολιτιστικής κληρονομιάς. Ένα παράδειγμα μιας μεθόδου DInSAR που ισχύει για τις αστικές περιοχές εκπροσωπείται από τους ανθεκτικούς Φακούς Συμβολομετρίας (PS-InSAR). Αυτή η τεχνική είναι πολύ ευαίσθητη σε μικρές μετατοπίσεις και έχει το μεγάλο πλεονέκτημα της παρακολούθησης μεγάλων περιοχών, ενώ προσφέρει τη δυνατότητα να μετρήσει ανεξάρτητα χαρακτηριστικά, όπως κτίρια. Ένα άλλο παράδειγμα μιας τεχνικής DInSAR είναι Small Baseline Subset Interferometry (SB-InSAR) που παρακολουθεί επίσης την εξέλιξη της μετατόπισης του εδάφους με υψηλό βαθμό χρονικής και χωρικής κάλυψη. Και συνιστάται κυρίως για την παρακολούθηση των μνημείων πολιτιστικής κληρονομιάς που βρίσκονται σε μη αστικές περιοχές.&lt;br /&gt;
	Μια άλλη προσέγγιση είναι η συμβατική συμβολομετρία ραντάρ (InSAR) που συνίσταται στη χρήση της φάσης ενός σήματος ραντάρ με τη σύγκριση δύο εικόνων SAR που αποκτήθηκαν ταυτόχρονα ή σε ορισμένο χρονικό διάστημα. Παρομοίως, τα αποτελέσματα επηρεάζονται από την ποιότητα ορισμένων παραμέτρων, όπως τη γωνία και την κατεύθυνση της λήψης, η γεωμετρική και η χρονική έναρξη, η στιγμή, η γεωμετρία και η ατμοσφαιρικές συνθήκες. Από την άλλη, όμως, η ερμηνεία της τηλεπισκόπησης δορυφορικών δεδομένων μπορεί να οδηγήσει σε εσφαλμένα αποτελέσματα, εάν η επικύρωση με βάση τα αληθινά δεδομένα του εδάφους δεν εφαρμόσει τεχνικές DInSAR, και ιδίως το PS-InSAR.&lt;br /&gt;
  &lt;br /&gt;
'''3. Αποτελέσματα και συζήτηση'''&lt;br /&gt;
&lt;br /&gt;
Στην παρούσα μελέτη, PS-InSAR εφαρμόστηκε για να διερευνήσει κατά πόσον τα αρχιτεκτονικά και αστικά μνημεία που βρίσκονται στο ιστορικό κέντρο της Σιγκισοάρα επηρεάζονται από μετατοπίσεις. Η επεξεργασία της σειράς TSX ΕΣ εικόνων πραγματοποιήθηκε με Interferogram Stacking module  του λογισμικού ENVI SARscape. Η μέθοδος χρησιμοποιεί μια singlemaster λειτουργία εικόνας. Ο χάρτης μετατόπισης που δημιουργήθηκε χρησιμοποιώντας την τεχνική PS-InSAR περιέχει 14.673  persistent scatterers (PSs) μέσα στο Ιστορικό Κέντρο της Σιγκισοάρα. Ένα όριο των 0,85 ορίστηκε για τη συνοχή PSs προκειμένου να επιλέξει και να επεξεργαστεί το master-slave InSAR ζεύγη με interferometric φάση υψηλής ποιότητας. Η μέση ταχύτητα μετατόπισης υπολογίστηκε για κάθε PS. Τα συνολικά στατιστικά στοιχεία δείχνουν ότι η μέση τιμή της μέσης ταχύτητας μετατόπισης εξισώνει -0,73 mm / έτος (τυπική απόκλιση ± 2,97 χιλιοστά / έτος). Με βάση την πυκνότητα PSs και τις χρονικές και χωρικές γραμμές βάσης, η εκτίμηση ακρίβειας αντιστοιχεί σε ± 2,78 χιλιοστά / έτος. Τα τρία αυτά σχετικά παραδείγματα προέρχονται από το PS-InSAR χάρτη μετατόπιση για μια λεπτομερή ανάλυση.&lt;br /&gt;
	Μια σημαντική πτυχή που πρέπει να λαμβάνεται υπόψη κατά την ερμηνεία ενός χάρτη μετατόπισης PS-InSAR είναι ότι η ταχύτητα μετράται στην κατεύθυνση με εύρος κλίσης, δηλαδή τη γραμμή όρασης (LOS). Έτσι, εάν η απόσταση πλάγιας εμβέλειας μεταξύ του αισθητήρα και του στόχου μειώνεται, το PSS εκπροσωπείται στο μπλε χρώμα και σημαίνει θετικές μετατοπίσεις. Ομοίως, η αυξημένη απόσταση υποδηλώνει ένα αρνητικό πρόσημο μετατόπιση συμβολισμένο από κόκκινο χρώμα. Επιπλέον, η PS-InSAR πληροφορίες μετατόπισης αντιστοιχούν μόνο στην απόκτηση φθίνουσας γεωμετριας.  Μια εξαντλητική αξιολόγηση του προτύπου παραμόρφωσης απαιτεί την ενσωμάτωση των εξαγορών αύξουσας επίσης. Στην περίπτωση των τεχνικών DInSAR, η πιο βολική λύση είναι η επίγεια SAR συμβολομετρία (GB-InSAR). Ωστόσο, εκστρατείες εδάφους είναι συχνά δύσκολο να τεθούν σε εφαρμογή λόγω της έκτασης της περιοχής και τα επιχειρησιακα έξοδα.&lt;br /&gt;
&lt;br /&gt;
'''4. Συμπεράσματα'''&lt;br /&gt;
&lt;br /&gt;
Η παρακολούθηση της παγκόσμιας πολιτιστικής και φυσικής κληρονομιάς με τη χρήση γεωσκόπησης προσφέρει σαφή πλεονεκτήματα, δηλαδή η κάλυψη των πολύ μεγάλων περιοχών, η συστηματική έρευνα, και η πολυ-κλίμακα ανίχνευσης παραμόρφωσης. Με βάση την τεχνική PS-InSAR, η σταθερότητα του Ιστορικού Κέντρου της Σιγκισοάρα θα μπορούσε να καθοριστεί σε επίπεδο χιλιοστού. Οι εικόνες TerraSAR-X που αποκτήθηκαν προσφέρουν πολύ υψηλή ανάλυση και σύντομη επανεξέταση που επιτρέπει την παραγωγή ενός μεγάλου αριθμού PSs. Η επεξεργασία των δεδομένων πολλαπλών χρονικών X-band SAR επέτρεψε την ακριβή μέτρηση της ταχύτητας μετατόπισης για μεμονωμένα κτίρια. Το εξαιρετικό δυναμικό των δεδομένων TerraSAR-X για μελέτες παρακολούθησης αποδείχθηκαν εκ νέου, εκτός από την προηγούμενη έρευνα. Υψίστης σημασίας είναι η επικύρωση των αποτελεσμάτων. Αν και προβληματικό να τεθεί στην πράξη, ιδίως στο περίπτωση εκτεταμένων περιοχών, η συλλογή των δεδομένων  συνιστάται σε πραγματικό χρόνο. Παρ 'όλα αυτά, το μειονέκτημα της παρακολούθησης έδαφους δίδεται από το γεγονός ότι, στις περισσότερες των περιπτώσεων, στοχεύει σε μεμονωμένα σημείά, ενώ η γύρω περιοχή παραβλέπεται.&lt;br /&gt;
	Με τη χρήση της πιο κατάλληλης και προσιτής διαστημικής τεχνολογίας, ώστε να ικανοποιήθουν οι διαφορετικές ανάγκες του κάθε τόπου, η παρακολούθηση των φυσικών και πολιτιστικών χώρων θα προσφέρει ακριβή αποτελέσματα που μπορούν να βοηθήσουν τις τοπικές αρχές για την καλύτερη κατανόηση χαρακτηριστικών του κάθε τόπου, προκειμένου να ληφθούν τα καλύτερα μέτρα προστασίας και διατήρησής τους.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 [[category:Εντοπισμός αρχαιολογικών θέσεων]]&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:EA_art3_pic2.jpg</id>
		<title>Αρχείο:EA art3 pic2.jpg</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:EA_art3_pic2.jpg"/>
				<updated>2017-02-14T08:42:39Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:EA_art3_pic1.jpg</id>
		<title>Αρχείο:EA art3 pic1.jpg</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:EA_art3_pic1.jpg"/>
				<updated>2017-02-14T08:42:26Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%85%CF%84%CF%8C%CE%BC%CE%B1%CF%84%CE%B7_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CF%83%CE%B5_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AD%CF%82_%CF%80%CE%BF%CE%BB%CE%B9%CF%84%CE%B9%CF%83%CE%BC%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%BB%CE%B7%CF%81%CE%BF%CE%BD%CE%BF%CE%BC%CE%B9%CE%AC%CF%82</id>
		<title>Αυτόματη ανίχνευση σε περιοχές πολιτισμικής κληρονομιάς</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%85%CF%84%CF%8C%CE%BC%CE%B1%CF%84%CE%B7_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7_%CF%83%CE%B5_%CF%80%CE%B5%CF%81%CE%B9%CE%BF%CF%87%CE%AD%CF%82_%CF%80%CE%BF%CE%BB%CE%B9%CF%84%CE%B9%CF%83%CE%BC%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%BB%CE%B7%CF%81%CE%BF%CE%BD%CE%BF%CE%BC%CE%B9%CE%AC%CF%82"/>
				<updated>2017-02-14T08:41:02Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: Νέα σελίδα με 'Εικόνα 1: Robust χάρτης αλλαγής [[Εικόνα:EA_art2_pic2.jpg|thumb|right|Εικόνα 2: Μετα - ε...'&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[Εικόνα:EA_art2_pic1.jpg|thumb|right|Εικόνα 1: Robust χάρτης αλλαγής]]&lt;br /&gt;
[[Εικόνα:EA_art2_pic2.jpg|thumb|right|Εικόνα 2: Μετα - επεξεργασία χάρτη αλλαγής επικάλυψης στις 2 Σεπτεμβρίου 2015, WorldView-2 εικόνα]]&lt;br /&gt;
&lt;br /&gt;
&amp;lt;h2&amp;gt;AUTOMATIC DAMAGE DETECTION FOR SENSITIVE CULTURAL HERITAGE SITES&amp;lt;/h2&amp;gt;&lt;br /&gt;
&lt;br /&gt;
D. Cerra1, J. Tian1, V. Lysandrou2, and S. Plank&lt;br /&gt;
German Aerospace Center (DLR), Earth Observation Center (EOC), 82234 Weßling, Germany&lt;br /&gt;
Cyprus University of Technology, Department of Civil Engineering and Geomatics, Archaeology and Cultural Heritage section&lt;br /&gt;
&lt;br /&gt;
πηγή: [[http://www.int-arch-photogramm-remote-sens-spatial-inf-sci.net/XLI-B5/215/2016/]]&lt;br /&gt;
&lt;br /&gt;
&amp;lt;h3&amp;gt;Μετάφραση και Περίληψη&amp;lt;/h3&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''1. Εισαγωγή'''&lt;br /&gt;
&lt;br /&gt;
Οι ζημίες εκ προθέσεως σε τοπικούς χώρους πολιτιστικής κληρονομιάς που διεξάγονται τους τελευταίους μήνες από το Ισλαμικό Κράτος (IS), έτυχαν ευρείας κάλυψης από τα μέσα μαζικής ενημέρωσης σε όλο τον κόσμο. Τα δεδομένα Παρατήρησης της Γης ΕΟ είναι ένα σημαντικό εργαλείο για την αξιολόγηση αυτών των ζημιών σε τέτοιες μη-προσβάσιμες περιοχές. Η  European Space Imaging (EUSI) που υποστηρίζεται από το Ανατολικό  τμήμα του Γερμανικού Αρχαιολογικού Ινστιτούτου (DAI) με πολύ υψηλή ανάλυση (VHR) εικόνες για να εκτιμήσει με ασφάλεια την κατάσταση και οι εικόνες έχουν υποστεί επεξεργασία και αναλύθηκαν με τηλεπισκόπηση από εμπειρογνώμονες του Γερμανικό Κέντρο Αεροδιαστημικής.&lt;br /&gt;
	Μια οπτική ανάλυση επιβεβαίωσε την καταστροφή πολλών τόπων, όπως επιβεβαιώνεται από την IS, όπως ο ναός του Bel και αρκετοί αρχαίοι ταφικοί πύργοι μέσα σε κοιλάδα Παλμύρα των Τάφων (UNESCO, 1972).  Εάν η αλλαγή ανίχνευσης για την εκτίμηση των ζημιών γίνεται με οπτική ανάλυση σε μεγάλες περιοχές, γίνεται μια δύσκολη και χρονοβόρα δραστηριότητα, και η γνώση που αποκτάται από τα αποτελέσματά της θα μπορούσαν να είναι ελλιπή. Πιο συγκεκριμένα, κατεστραμμένες περιοχές θα μπορούσαν να παραμείνουν αδιάγνωστες για έναν παρατηρητή, αν ο διαθέσιμος χρόνος για την ανάλυση είναι περιορισμένος.Αποφασίστηκε να εφαρμοστεί ένας αλγόριθμος ανίχνευσης αλλαγής για να λύσει αυτό το πρόβλημα, ενώ αυτομάτων προκύπτουν χάρτες στους οποίους τονίζονται οι περιοχές όπου υπάρχει υποψία ότι έχουν υποστεί ζημιές.&lt;br /&gt;
&lt;br /&gt;
'''2. Μελέτη'''&lt;br /&gt;
&lt;br /&gt;
Επικεντρώθηκαν,λοιπόν, σε ένα μέρος του μεγάλου αρχαιολογικού χώρου της Παλμύρας που βρίσκεται στην έρημο της Συρίας βόρειο-ανατολικά της Δαμασκού. Τα αρχαιολογικά απομεινάρια της αρχαίας ρωμαϊκής πόλης που απαριθμούνται στο Μνημείο Παγκόσμιας Πολιτιστικής Κληρονομιάς της UNESCO.&lt;br /&gt;
&lt;br /&gt;
'''3. Robust ανίχνευση των αλλαγών'''&lt;br /&gt;
&lt;br /&gt;
Έτσι λοιπόν, ο στόχος δημιουργίας ενός αλγορίθμου ανίχνευσης αλλαγής είναι να παρέχει ένα χάρτη αλλαγών όταν χορηγείται σε δύο ή περισσότερες εικόνες που αποκτήθηκαν σε διαφορετικούς χρόνους για την ίδια περιοχή. Για τις εφαρμογές που περιγράφονται στο παρόν έγγραφο, το επιθυμητό αποτέλεσμα θα πρέπει να αναδείξει τις θέσεις των μνημείων που υπέστησαν ζημιές ή αλλαγές σε σύντομο χρονικό διάστημα.	Παρ 'όλα αυτά, οι τεχνικές ανίχνευσης αυτόματης  αλλαγής μπορεί να είναι δύσκολο να εφαρμοστεί στην πράξη.&lt;br /&gt;
	Πολλές προσεγγίσεις έχουν προταθεί για να λυθεί αυτό το πρόβλημα, η Robust Difference (RD) έχει προταθεί αρχικά  και εφαρμόστηκε με επιτυχία σε σύγκριση  με DSMs. Η απόσταση RD βασίζεται στην υπόθεση ότι τα αντίστοιχα pixels των δύο εικόνων  δείχνουν τις ελάχιστες διαφοροποιήσεις τιμή έντασης μέσα σε μια μικρή περιοχή, ιδιαίτερα όταν οι εικόνες συλλήφθηκαν από τον ίδιο αισθητήρα. Μια RD μεταξύ της εικόνας πριν την καταστροφή Χ και μια εικόνα μετά την καταστροφή Υ για ένα pixel στις συντεταγμένες (i, j) μπορεί να οριστεί ως το ελάχιστο των διαφορών και υπολογίζεται μεταξύ του pixel Υ (i, j) της εικόνας μετά την καταστροφή και μια ορισμένη γειτονιά (με μέγεθος παραθύρου 2w + 1) του pixel X (i, j) της εικόνας πριν την καταστροφή X. Η RD (i, j) ως προς το pixel (i, j) ορίζονται ως: &lt;br /&gt;
&lt;br /&gt;
RD (i,j) = min p,q {abs(Y(i,j) – X (p,q))}&lt;br /&gt;
&lt;br /&gt;
	Αυτό σημαίνει ότι μόνο η ελάχιστη τιμή της απόλυτης διαφοράς λαμβάνεται υπόψη, όλες εντός του καθορισμένου μεγέθους παραθύρου, το οποίο θα πρέπει να ρυθμίζεται με βάση την κλίμακα των συγκεκριμένων  μεταβολών. Συνήθως χρησιμοποιούνται τα μεγέθη των παραθύρων είναι τετράγωνο και κυμαίνονται από 3 × 3 έως 11 × 11 pixels, ανάλογα με το ποσό των γεωμετρικών στρεβλώσεων που προκαλούνται από διαφορετικές γωνίες απόκτησης και διαφορές μεταξύ της αρχικής  χωρικής ανάλυσης  από τις δύο διαθέσιμες εικόνες. Καθώς οι εικόνες εισόδου είναι  πολυφασματικές, οι RDs υπολογίζονται για κάθε κανάλι ξεχωριστά:  Στη συνέχεια, οι αποστάσεις τους συνοψίζονται στην παραγωγή του τελικού χάρτη αλλαγών. Το RD είναι, εξ ορισμού, είναι ανθεκτικό σε γεωμετρικές στρεβλώσεις που προκαλούνται από τις διαφορές στο έδαφος και σε σφάλματα. Για να παραχθεί ένα τελικός χάρτης αλλαγής εφαρμόζεται ένα όριο επιλέγοντας όλα τα pixels με RD&amp;gt; 1200.	&lt;br /&gt;
  &lt;br /&gt;
'''4. Πειράματα'''&lt;br /&gt;
&lt;br /&gt;
Ορίζουμε ως  t1 και t2 τις δύο χρονικές στιγμές για τα δεδομένα που αποκτήθηκαν έξω από το κέντρο της πόλης της Παλμύρας, της Συρίας.Τη χρονική στιγμή t1 το Ισλαμικό Κράτος (IS) είχε ήδη καταστρέψει μερικά μνημεία πολιτιστικής Κληρονομιάς  στην περιοχή. Σε ένα πρώτο στάδιο η καταγραφή των εικόνων έχει τελειοποιηθεί και αυτομάτως απορρέουν 1000 σημεία Ground Control με το ταίριασμα των χαρακτηριστικών Scale Invariant Feature Transform  μεταξύ των δύο εικόνων, και με την στρέβλωση της εικόνας που αποκτήθηκε κατά το χρόνο t1 χρησιμοποίειται ως αναφορά στην εικόνα που αποκτήθηκε κατά το χρόνο t2.&lt;br /&gt;
&lt;br /&gt;
'''5. Συμπεράσματα'''&lt;br /&gt;
&lt;br /&gt;
Η  μεθοδολογία ανίχνευσης αλλαγής που προτείνεται έχει ως στόχο την αύξηση της παραγωγής αναλυτικών χαρτών εκτίμησης  ζημιών σε χώρους.  Καθώς η διαδικασία είναι  γρήγορη, αυτό θα αποτελούσε ένα πολύτιμο εργαλείο για τους επαγγελματίες που ασχολούνται με τη διαχείριση και την παρακολούθηση.Στο μέλλον, η μέθοδος θα μπορούσε να ενισχυθεί με την ενσωμάτωση της ανάλυσης των παραμέτρων υφής στις εικόνες.&lt;br /&gt;
&lt;br /&gt;
 [[category:Εντοπισμός αρχαιολογικών θέσεων]]&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:EA_art2_pic2.jpg</id>
		<title>Αρχείο:EA art2 pic2.jpg</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:EA_art2_pic2.jpg"/>
				<updated>2017-02-14T08:40:42Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:EA_art2_pic1.jpg</id>
		<title>Αρχείο:EA art2 pic1.jpg</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:EA_art2_pic1.jpg"/>
				<updated>2017-02-14T08:40:29Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%8D%CE%B3%CE%BA%CF%81%CE%B9%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CF%8E%CE%BD_%CF%85%CF%80%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CF%83%CE%BC%CE%BF%CF%8D_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7_%CF%84%CF%89%CE%BD_%CF%83%CF%87%CE%B5%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%83%CE%B7%CE%BC%CE%B5%CE%AF%CF%89%CE%BD_%CF%84%CE%BF%CE%BC%CE%AE%CF%82_%CE%B4%CE%B5%CE%B9%CE%B3%CE%BC%CE%B1%CF%84%CE%BF%CE%BB%CE%B7%CF%88%CE%AF%CE%B1%CF%82_%CE%B2%CE%BB%CE%AC%CF%83%CF%84%CE%B7%CF%83%CE%B7%CF%82_%CE%BC%CE%B5_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82</id>
		<title>Σύγκριση των τεχνικών υπολογισμού για την κάλυψη των σχετικών σημείων τομής δειγματοληψίας βλάστησης με εικόνες τηλεπισκόπησης</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%A3%CF%8D%CE%B3%CE%BA%CF%81%CE%B9%CF%83%CE%B7_%CF%84%CF%89%CE%BD_%CF%84%CE%B5%CF%87%CE%BD%CE%B9%CE%BA%CF%8E%CE%BD_%CF%85%CF%80%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CF%83%CE%BC%CE%BF%CF%8D_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%BA%CE%AC%CE%BB%CF%85%CF%88%CE%B7_%CF%84%CF%89%CE%BD_%CF%83%CF%87%CE%B5%CF%84%CE%B9%CE%BA%CF%8E%CE%BD_%CF%83%CE%B7%CE%BC%CE%B5%CE%AF%CF%89%CE%BD_%CF%84%CE%BF%CE%BC%CE%AE%CF%82_%CE%B4%CE%B5%CE%B9%CE%B3%CE%BC%CE%B1%CF%84%CE%BF%CE%BB%CE%B7%CF%88%CE%AF%CE%B1%CF%82_%CE%B2%CE%BB%CE%AC%CF%83%CF%84%CE%B7%CF%83%CE%B7%CF%82_%CE%BC%CE%B5_%CE%B5%CE%B9%CE%BA%CF%8C%CE%BD%CE%B5%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82"/>
				<updated>2017-02-14T08:24:38Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: Νέα σελίδα με '[[Εικόνα:EA_art1_pic1.jpg|thumb|right|Εικόνα 1: Ιστογράμματα των συνολικών φυλλωμάτων κάλυψης για περιοχές ...'&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[Εικόνα:EA_art1_pic1.jpg|thumb|right|Εικόνα 1: Ιστογράμματα των συνολικών φυλλωμάτων κάλυψης για περιοχές δείγματος στο White River (n = 44) και στη Βόρεια Καλιφόρνια (n = 101), περιοχές μελέτης]]&lt;br /&gt;
[[Εικόνα:EA_art1_pic2.jpg|thumb|right|Εικόνα 2: Παραδείγματα των διαφορών ανάμεσα σε οποιαδήποτε-hit και  top-hit  προβλέψεις του μοντέλου κάλυψηw θάμνων και πολυετh χλοοτάπητα στην περιοχή μελέτης White River]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;h2&amp;gt;A comparison of cover calculation techniques for relating point-intercept vegetation sampling to remote sensing imagery&amp;lt;/h2&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Jason W. Karla, Sarah E. McCordb, Brian C. Hadleyc&lt;br /&gt;
a USDA Agricultural Research Service, Jornada Experimental Range, Las Cruces, NM, USA&lt;br /&gt;
b Jornada Experimental Range, New Mexico State University, Las Cruces, NM, USA&lt;br /&gt;
c USDI Bureau of Land Management, National Operations Center, Denver, CO, USA&lt;br /&gt;
Received 23 September 2015, Revised 1 August 2016, Accepted 19 September 2016, Available online 28 September 2016 &lt;br /&gt;
&lt;br /&gt;
πηγή: [[http://www.sciencedirect.com/science/article/pii/S1470160X16305659]]&lt;br /&gt;
&lt;br /&gt;
&amp;lt;h3&amp;gt;Μετάφραση και Περίληψη&amp;lt;/h3&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''1. Εισαγωγή'''&lt;br /&gt;
&lt;br /&gt;
Η ακριβής και έγκαιρη χωρική πρόβλεψη της φυτοκάλυψης είναι μια σημαντική πηγή δεδομένων για τη διαχείριση των φυσικών πόρων. Το μοντέλο βασίζεται σε προσεγγίσεις όπως γραμμική παλινδρόμηση, γεωστατιστική, τεχνικές όπως kriging παλινδρόμησης, το μοντέλο παλινδρόμησης δέντρων ή Bayesian παλινδρόμηση δέντρων είναι ισχυρές τεχνικές για την πρόβλεψη όχι μόνο της συνολικής κάλυψης της βλάστησης, αλλά και των επιμέρους συστατικών της πυκνής βλάστησης. Στόχος μας σε αυτό το paper ήταν να διερευνηθεί η θεωρία του σημείου τομής δειγματοληψίας σε σχέση με την πρόβλεψη των δεικτών βλάστησης από remote- sensing εικόνες, και να δοκιμαστεί η αντοχή των σχέσεων μεταξύ της υψηλής ανάλυσης δορυφορικών εικόνων και top-hit και κάθε-hit μεθόδων υπολογισμού φυτοκάλυψη σε δύο περιοχές μελέτης.&lt;br /&gt;
&lt;br /&gt;
'''1.1. Θεωρία δειγματοληψίας σημείο τομής για την κάλυψη της βλάστησης'''&lt;br /&gt;
&lt;br /&gt;
Η δειγματοληψία σε σημείο τομής βασίζεται στην ιδέα ότι, εάν ένας άπειρος αριθμός των μηδενικών διαστάσεων των σημείων τοποθετούνται σε ένα δισδιάστατο χώρο, η αναλογία των εν λόγω σημείων που υποκλέπτει ένα αντικείμενο ενδιαφέροντος (π.χ., βλάστηση κάλυψης, είδος φυτού, γυμνό εδάφους) ισούται με την κάλυψη του εν λόγω αντικειμένου εντός της καθορισμένης περιοχής.  Τυπικά, όλα παρακολουθούνται και η βλάστηση καταγράφεται με τη σειρά με την οποία συναντάται. Στην πράξη, διάφοροι παράγοντες μπορούν να επηρεάσουν την ορθότητα και την ακρίβεια των εκτιμήσεων στο σημείο τομής της φυτοκάλυψης.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''1.2. Περιοχές μελέτης '''&lt;br /&gt;
&lt;br /&gt;
Οι συγκρίσεις στο σημείο τομής για τους υπολογισμούς κάλυψης με δορυφορικές εικόνες έγιναν σε εδάφη που διαχειρίζεται το Γραφείο των ΗΠΑ της διαχείρισης της γης (BLM) στις περιοχές μελέτης στην Καλιφόρνια και το Κολοράντο, ΗΠΑ. Η περιοχή μελέτης White River στο βορειοδυτικό Κολοράντο αποτελούνταν από ένα τμήμα 243700 εκταρίων με τη λεκάνη Piceance και χαρακτηρίζεται από βαθιές κοιλάδες και υψηλά οροπέδια.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''2. Μέθοδοι'''&lt;br /&gt;
&lt;br /&gt;
'''2.1. Δείγμα για το σχεδιασμό και τη συλλογή δεδομένων πεδίου'''&lt;br /&gt;
&lt;br /&gt;
Και οι δύο περιοχές μελέτης αποτελούν μέρος των σχεδίων για μακροπρόθεσμη παρακολούθηση μέσω της αξιολόγησης, της απογραφής του BLM και την παρακολούθηση του προγράμματος (AIM) . Θεσεις για τα δείγματα επιλέχθηκαν τυχαία εντός των περιοχών μελέτης κατά τρόπο που να παρέχει δεδομένα για την ενημέρωση των στόχων  διαχείρισης των σχεδίων χρήσης γης του BLM σε κάθε περιοχή. Επειδή ο στόχος της παρούσας μελέτης ήταν να εξετάσει την επίδραση των διαφορετικών υπολογισμών δείκτη σχετικά με τη σχέση των δεδομένων από σημείο δειγματοληψίας σε δορυφορικές εικόνες, χρησιμοποιήσαμε μόνο το υποσύνολο δειγμάτων τοποθεσιών από κάθε περιοχή μελέτης, η οποία συνέπεσε με τις διαθέσιμες εικόνες. Η επιλογής του δείγματος στην περιοχή μελέτης White River διαστρωματώθηκε από την κοινότητα και το δυναμικό των φυτών, όπως περιγράφεται στις έρευνες του εδάφους της περιοχής. Η επιλογής του δείγματος στην περιοχή της Βόρειας Καλιφόρνιας διαστρωματώθηκε χρησιμοποιώντας τις κατηγορίες που ορίζονται από την μη επιβλεπόμενη ταξινόμηση των Landsat εικόνων επειδή οι πληροφορίες για την φυτική κοινότητα δυναμικόυ ήταν ασυνεπής (και σε ορισμένες περιπτώσεις δεν είναι διαθέσιμη) σε όλη την περιοχή μελέτης. Η προϋπόθεση για τη χρήση της ταξινόμησης Landsat για το σχεδιασμό του δείγματος ήταν ότι αυτό θα βοηθήσει να διασφαλισθεί η καλή κατανομή των θέσεων του δείγματος μεταξύ των διαφόρων τύπων βλάστησης στην περιοχή μελέτης.&lt;br /&gt;
  &lt;br /&gt;
'''2.2. Υπολογισμοί δείκτη κάλυψης'''&lt;br /&gt;
&lt;br /&gt;
Ακολουθήσαμε Herrick et al. (2009) για τον υπολογισμό των δεικτών κάλυψης βλάστησης από τα δεδομένα στο  σημείο τομής. Για τους σκοπούς της παρούσας μελέτης, θα συγκεντρώνονται πληροφορίες για τα είδη επιπέδου σε μεγάλες μορφές ζωής, και υπολογίζονται οι εκτιμήσεις του δείκτη σε επίπεδο ιστότοπου για τα ακόλουθα: ετήσια και πολυετή πλατύφυλλα, ετήσιων και πολυετών αγροστωδών, θάμνοι, και την κάλυψη των αρτεμίσιων. Σε κάθε θέση του δείγματος, τα στοιχεία διατομής συνενώθηκαν για να υπολογίσει τις εκτιμήσεις κάλυψης σε επίπεδο ιστότοπου.&lt;br /&gt;
&lt;br /&gt;
'''2.3. Απόκτηση και επεξεργασία εικόνας'''&lt;br /&gt;
&lt;br /&gt;
RapidEye πολυφασματικών δορυφορικών εικόνων αποκτήθηκε για την περιοχή μελέτης White River. Η άνω του μέσου όρου των βροχοπτώσεων, η περιοχή μελέτης White River, το 2011 θα μπορούσε να οδηγήσει σε λιγότερο γυμνό έδαφος και μεγαλύτερη κάλυψη των χόρτων και πλατύφυλλων, που ενδέχεται να επηρεάσουν τις συσχετίσεις μεταξύ των δεδομένων πεδίου και τις εικόνες που συλλέχθηκαν ένα χρόνο νωρίτερα. Ωστόσο, αυτό θα επηρεάσει και τις δύο μεθόδους. Οι μέθοδοι υπολογισμού των δεικτών κάλυψης (top-hit και κάθε-hit). Κατά μέσο όρο οι τιμές ζώνης RapidEye εντός της ζώνης του οικοπέδου πεδίο που παρέχεται μια σειρά μέτρων εικόνων ανάλογα σε κλίμακα με τις παρατηρήσεις πεδίου.&lt;br /&gt;
&lt;br /&gt;
'''2.4. Στατιστικές αναλύσεις'''&lt;br /&gt;
&lt;br /&gt;
Η στατιστική ανάλυση ακολούθησε δύο βήματα: Πρώτον, αξιολογήσαμε την αντιστοιχία μεταξύ των κάθε-hit και top-hit υπολογισμοι κάλυψης για κάθε δείκτη. Στη συνέχεια χρησιμοποιείται μια παλινδρόμηση beta-διανομής για να προσδιοριστεί ποσοτικά η σχέση μεταξύ οποιουδήποτε-hit και δείκτες κάλυψης top-hit και τις εικόνες RapidEye. Όλες οι στατιστικές αναλύσεις πραγματοποιήθηκαν στο R έκδοση 3.1, χρησιμοποιώντας το πακέτο beta reg που αναπτύχθηκε από Κριμπάρι-Neto και Zeileis (2010).Οι διαφορές beta -διανομής για το πώς κάθε-hit και top-hit δείκτες κάλυψης συσχετίζονται με τηλεπισκοπικές εικόνες και θα εξαρτηθεί εν μέρει από το πόσο έντονα σχετίζονται οι δύο υπολογισμοί δείκτη. Κατά συνέπεια, καταγράφεται για πρώτη φορά τα top-hit και κάθε-hit εκτιμήσεις κάλυψης ένας εναντίον του άλλου και υπολογίζεται η μέση τιμή και τυπική απόκλιση του δείγματος για κάθε δείκτη.  Χρησιμοποιήσαμε beta παλινδρόμηση για τη μοντελοποίηση των σχέσεων μεταξύ των δύο υπολογισμών δείκτης κάλυψης και του μέσου όρου και Stan-Dard απόκλιση τιμών ζώνης RapidEye σε κάθε θέση δείγματος. Η υπόθεση με αυτήν την προσέγγιση είναι η καταλληλότερη μέθοδος υπολογισμού του δείκτη και θα οδηγήσει σε ένα μοντέλο που εξηγεί περισσότερο τη μεταβλητότητα των τιμών των δεικτών.&lt;br /&gt;
&lt;br /&gt;
'''3. Αποτελέσματα'''&lt;br /&gt;
&lt;br /&gt;
Τα ολοκληρωμένα αποτελέσματα του φυλλώματος κάλυψη σε όλους τους ιστότοπους του δείγματος στην περιοχή μελέτης White River κατά μέσο όρο είναι 48,8% (SD = 16,9%), ενώ η μέση συνολική κάλυψη φυλλώματος για τις περιοχές της Βόρειας Καλιφόρνια ήταν 69,4% (SD = 21,7%) (Εικ. 1) .Οι κάθε-hit εκτιμήσεις κάλυψης ήταν αρκετά υψηλότερες (σε = 0.05level) από την top-hit εκτιμήση για την κάλυψη των πολυετών και ετήσιων πλατύφυλλων στην περιοχή μελέτης White River. Αποκλίσεις των εκτιμήσεων κάλυψης οποιαδήποτε-hit ήταν επίσης αρκετά καλύτερες από τις  διακυμάνσεις των top-hit για την κάλυψη των ετήσιων και πολυετών πλατύφυλλων και πρασίνου σε αυτήν την περιοχή μελέτης (p &amp;lt;0,01 για όλες τις τέσσερις δείκτες). Για τους δείκτες theshrub και αρτεμισία, top-hit εκτιμήσεις κάλυψης ήταν μόνο ελαφρώς χαμηλότερες από ό, τι οποιαδήποτε-hit εκτιμήσεις, και οι διακυμάνσεις ήταν ελαφρώς χαμηλότερες, αλλά όχι σημαντικά διαφορετικές (δείκτες p = 0,56 και p = 0,4515 forshrub και αρτεμισία, αντίστοιχα) μεταξύ των δύο μεθόδων. στην περιοχή μελέτης της Βόρειας Καλιφόρνιας, οι διαφορές μεταξύ οποιοδήποτε-χτύπημα και top-hit εκτιμήσεις καλυμματος δείκτης ήταν γενικά ελάχιστες, μόνο με πολυετή πλατύφυλλα που δείχνει μια μέτρια διαφορά (p = 0.099). Διακυμάνσεις των κάθε-hit και top-hit εκτιμήσεις κάλυψης ήταν διαφορετικές μόνο για τα ετήσια (p = 0,085) και πολυετή πλατύφυλλα (p = 0,007).  Όταν χαρτογραφήθηκε η περιοχή μελέτης White River, οι τυχόν πληγές από μοντέλα κάλυψης προβλέπουν  μια καλύτερη περιοχή ως έχοντας υψηλότερες τιμές κάλυψης από τα top-hit μοντέλα κάλυψης για όλους τους δείκτες (Εικ.2).&lt;br /&gt;
Στην περιοχή μελέτης της Βόρειας Καλιφόρνιας, μοντέλο beta παλινδρόμησης ταιριάζει και ποικίλλει επίσης μεταξύ του δείκτη και της μεθόδου υπολογισμού κάλυψης από ψευδο-R2 = 0.2455 για top-hit  κάλυψη σε γρασίδι στο ψευδό-R2 = 0.6085 για top-hit ετήσια χλοοτάπητα. Συνολικά, ωστόσο, οι διαφορές στο μοντέλο που ταιριάζει και τη συνολική απόδοση του μοντέλου για τη Βόρεια Καλιφόρνια ήταν μικρότερες από ότι εκείνες που βρίσκονται σε White River.&lt;br /&gt;
&lt;br /&gt;
'''4. Συζήτηση'''&lt;br /&gt;
&lt;br /&gt;
Και στις δύο περιοχές μελέτης μας, οι εκτιμήσεις καλύπτουν οποιαδήποτε-hit εκτελείται καλά ή και καλύτερα από τις εκτιμήσεις top-hit για την πρόβλεψη της κάλυψης από RapidEye εικόνες για όλους τους δείκτες. Το αποτέλεσμα αυτό έρχεται σε αντίθεση με τη συμβατική ιδέα ότι μόνο top- πληροφορίες πυκνώματος φύλλων είναι σημαντικές για εφαρμογή στην τηλεπισκόπισης. Εν μέρει, αυτό μπορεί να οφείλεται σε διαφορές στην κλίμακα και τον ορισμό της κάλυψης μεταξύ δειγματοληψίας σε σημείο τομής και απομακρυσμένες εικόνες. Οι τεχνικές σε σημείο τομής εκτιμούν κάλυψη πάνω από μια ορισμένη περιοχή από την αναλογία των σημεία όπου κάτι συναντάται. Ενώ το ποσοστό του πυκνώματος  των φύλλων στην κορυφή έναντι του από κάτω είναι ένας νόμιμος δείκτης για τον υπολογισμό αυτών των δεδομένων, το σημείο τομής έχει έτσι τη χρήση ενός αυστηρού φυλλώματος που ορίζεται ως πυκνότητα φύλλων. Στα αποτελέσματά μας, όπου υπάρχουν οι κανονικοποιημένες RMSE αξίες και χαρτογραφήθηκαν οι προβλέψεις για την κάλυψη της Βόρειας Καλιφόρνιας ήταν παρόμοια μεταξύ των μεθόδων αλλά διαφορετικές σε πολλές περιπτώσεις για την περιοχή White River. Σε αυτό το βιότοπο παρουσιάζεται μια σύγκριση των διαφόρων μεθόδων για τον υπολογισμό φυτοκάλυψης από τα δεδομένα δειγματοληψίας σε σημείο τομής για ένα περιορισμένο σύνολο δεικτών και μόνο σε δύο συστήματα μελέτης.&lt;br /&gt;
&lt;br /&gt;
'''5. Συμπέρασμα'''&lt;br /&gt;
&lt;br /&gt;
Τα αποτελέσματά μας δεν υποστηρίζουν την ιδέα ότι πάνω-hit εκτιμήσεις κάλυψης από τη δειγματοληψία σε σημείο τομής είναι η πιο κατάλληλη για εφαρμογές τηλεπισκόπισης σε άνυδρο και ημι-άνυδρο θαμνώδες περιβάλλον. Στην πραγματικότητα, έχουν δύο σειρές των διαφόρων δεικτών που υπολογίζονται από τα ίδια δεδομένα και μπορεί να προκαλέσει πρόσθετη σύγχυση μιας κατάστασης και υπάρχει ήδη σημαντική συζήτηση σχετικά με το πώς η κάλυψη της βλάστησης θα πρέπει να μετρηθεί και να χρησιμοποιηθεί. Τελικά, η επιλογή των δεικτών που θα χρησιμοποιηθεί για την ανάπτυξη της ταξινόμησης στην τηλεπισκόπησης ή μοντέλα πρόβλεψης θα πρέπει να βασίζονται για πρώτη φορά στην έννοια ή την ερμηνεία του δείκτη για ένα δεδομένο οικοσύστημα, και για δεύτερη στο πόσο καλά ο δείκτης αποδίδει σε εφαρμογές μοντελοποίησης.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
 [[category:Σκληροφυλλική βλάστηση]]&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:EA_art1_pic2.jpg</id>
		<title>Αρχείο:EA art1 pic2.jpg</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:EA_art1_pic2.jpg"/>
				<updated>2017-02-14T07:57:42Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	<entry>
		<id>http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:EA_art1_pic1.jpg</id>
		<title>Αρχείο:EA art1 pic1.jpg</title>
		<link rel="alternate" type="text/html" href="http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:EA_art1_pic1.jpg"/>
				<updated>2017-02-14T07:57:21Z</updated>
		
		<summary type="html">&lt;p&gt;Asimaki Efstathia: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Asimaki Efstathia</name></author>	</entry>

	</feed>